人工智能与认知过程

人工智能与认知过程

摘要：

人工智能是研究、设计和应用智能机器或智能系统，来模拟人类智能活动的能力、以延伸人类智能的科学。而认知过程是指人们认识活动的过程，即个体对感觉信号接收、检测、转换、简约、合成、编码、储存、提取、重建、概念形成、判断和问题解决的信息加工处理过程。为了能够更好地实现人工智能，首先要对两者之间建立一定的联系。

关键词 人工智能；认知过程；神经网络

前言

人工智能是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，是一门综合性很强的边缘学科。总的来说，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸扩展人类智能的学科。想要很好地实现人工智能，必须要对人脑工作方式进行充分的了解，因此，对认知过程需要有充分的认识。

人的认知过程是一个非常复杂的过程，指人认识客观事物的过程，即是对信息进行加工处理的过程，是人由表及里，由现象到本质地反映客观事物特征与内在联系的心理活动。它由人的感觉、知觉、记忆、思维和想象等认知要素组成。

一、人工智能

1.人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似于人的智能。历史发展史：①孕育（1956年之前）；②形成（1956年－1969年）[1969年第一届国际人工智能联合会议，1979年成立美国人工智能联合会]；③发展（1970年至今）

2.人工智能研究的基本内容：

①知识表示——人工智能的永恒主题：将人类知识形式化或者模型化。知识表示方法：符号表示法、连接机制表示法；

②机器感知 ：使机器（计算机）具有类似于人的感知能力。以机器视觉(machine vision)与机器听觉为主。

③机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。

④机器学习：研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。

⑤机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。

二、人工智能模拟认知过程所涉及的相关知识

1、知识表示及推理

知识表示是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。 ①产生式的基本形式

一般形式： P Q

或 IF P THEN Q

语义：如果前提P被满足，可推出结论Q或执行Q所规定的操作。 P是前提, Q是结论或动作,前提和结论可以是由逻辑运算符AND、OR、NOT组成的表达式。 例 IF 上课认真听讲 AND 下课及时复习

THEN 将会取得好成绩

②常见的知识表示方法：产生式系统，框架结构，语义网络，过程性知示，面向对象知识表示，基于本体的知识表示法，产生式的基本形式

③产生式系统的基本结构

规则库：描述领域知识的产生式规则集

综合数据库：记录求解（或推理）过程中各种信息的数据结构

推理机：负责匹配到得出结论的整个问题求解过程.

④产生式表示法的优点和缺点

优点：a.自然性 知识表示形式自然，便于推理。b.模块性 便于进行模块化处理，利于规则库的扩展和管理。c.有效性 可以表示不确定性知识和确定性知识。d.直观性前提和结论部分非常直观，便于对规则进行设计。

缺点：a.效率不高；b.不能表达结构性知识。

⑤框架的一般形式：

框架名（frame)：

槽名1：侧面名1：值1,„,值p1

侧面名2：值1,„ ,值p2

„„

侧面名m1：值1,„ ,值pm1

槽名2：侧面名1：值1,„,值q1

侧面名2：值1,„ ,值q2

„„

侧面名m2：值1,„ ,值qm2

„„.

槽名n：侧面名1：值1,„,值r1

侧面名2：值1,„ ,值r2

„„

侧面名mn：值1,„ ,值rmn

约束：约束条件

⑥语义网络的结构

语义网络是知识的一种图解表示，由节点和弧线组成。

⑦语义基本关系：

a.ISA ,AKO和Part-of型关系

常有的类属关系：Is-a(是一个)、 A part-of（是一部分）、A-kind-of（是一种）。 b.属性关系(Have,is,Can)

c.其他关系：时间关系；位置关系；相近关系

⑧如何用语义网络表达知识

语义网络是一种采用网络形式表示知识的方法。用一个有向图表示概念和概念之间的关系，其中节点代表概念，节点之间的连接弧代表概念之间的语义联系。 ⑨其他表示方法：剧本知识表示法

本体知识表示法；一阶谓词逻辑表示法；过程性知识表示法；直接知识表示法

2、基本推理方法

①推理的概念：推理是指从已知的事实出发，通过运用已掌握的知识，找出其中蕴含的事实，或归纳出新的事实，这一过程就称为推理。

②方式和分类：a.按推理机制划分：演绎推理；归纳推理；缺省推理。b.按所用知识的确定性划分；确定性推理；不精确推理。c. 按推理过程划分为：单调推理;非单调推理。d.按启发性知识划分为:启发式推理,非启发性推理。e. 按方法论划分:基于知识的推理, 统计推理,直觉推理。f.按推理正反向分为： 正向推理：以已知事实作为出发点的推理；逆向推理：以某个假设目标作为出发点的推理。 ③如何用三段论进行推理

任何一个三段论都包含着三个不同的词项：大项、小项和中项。

任何一个三段论都包含着三个不同的判断，即大前提、小前提和结论。

三段论的规则

规则1：在一个三段论中,仅能有三个不同的项,否则会犯“四项错误” 。 规则2：中项在前提中至少要周延一次,否则,会犯“中项不周”之误。

规则3：前提中不周延的项,在结论中也不得周延,否则,会犯“大项扩大”或“小项扩大”之误。

④自然演绎推理的特点

a.表达定理证明过程自然，容易理解。

b.拥有丰富的推理规则，推理过程灵活。

c.便于在推理规则中嵌入领域启发性知识。

3、不确定性推理

①产生原因： 事物发生的随机性，人类知识的不完全、不可靠、不精确和不一致，自然语言中存在的模糊性和歧义性 ②不确定性推理的方法：确定因子法（可信度方法），主观Bayes方法。

4、问题求解策略:

①八数码：路径耗散函数，目标测试，后继函数，初始状态

②图搜索策略：图搜索策略可以看成是一种在图中寻找路径的方法。

③盲目搜索。a.宽度优先、b.深度优先。深度相等的节点可以任意排列。

三、人工智能与认知过程比较

在人工智能里，为了研究两者的异同，因而专门对人工神经网络进行了相关研究。

人工神经网络是近十几年来发展极为迅速的一门学科。它理论分析的多样性、对众多学科的包容性，在智能控制、信号处理等领域成功的应用，使得它在许多领

域广泛地推广开来。人工神经网络是一个由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、联结强度及各单元的处理方式。由于这种系统是以人工模拟人脑神经系统的方法建立的，因此与人脑神经系统有许多相似之处。并且人工神经网络具有自学功能，能从所获取的数据中自动建立数学模型，无需预先给定公式，即能从所获得的数据中经过分析训练而建立一个反映其内在规律的模型。训练后的人工神经网络能直接进行推理，它在处理规律不明显、组分变量多的问题具有独特的优越性。它通过非线性的映射关系，对试样进行仿真模拟，然后根据实际采样情况进行验证，一直到得出满意的结果。

工程上用的人工神经网络建模一般由输入层、隐层、输出层构成，其中输入层与输出层只有一层，而隐层则是根据实际情况决定是一层或多层。这其中，输入层从系统接受和输入信息，隐层则对输入的信息进行学习和处理。

隐层节点通过网络权系数联接输入、输出层。输出层再对网络权系数进行调整使之能针对输入层并把信息传输给外界。

„„

人类神经调节方式为反射，调节过程为反射弧，人类神经网络反射弧由感受器、传入神经纤维、神经中枢、传出神经纤维、效应器等五部分组成，具体工作流程如下图所示。

我们可以看出，人工神经网络由三部分构成，而人脑神经网络由五部分构成。首先，人脑神经网络有感受器和效应器，感受器可以自主从外界采集数据，

根据神经中枢发出的信号进行自主的反射；而人工神经网络没有感受器和效应器，只能被动地采集数据，局限性地进行数据处理。

其次，人脑的分析处理数据是可以分主次、分先后的顺序进行的，而且人脑神经网络在神经中枢就进行信息统合了；而人工神经网络是到输出层才进行信息统合，它对数据的分析处理只能是并行计算，因此，人脑的分析能够提供更鲜明的目的性。 其三， 人的大脑是有明确分区的， 左半脑是理性思维，分析处理如语言、数字等方面的问题，右半脑是感性思维，控制情感及处理艺术等方面的问题。虽然人脑有分区，但是在实验中表明，人的一些活动往往在神经网络中是多区活动的，如说话、演讲。颞叶的海马区负责记忆，但实验证明，其他部分也有记忆活动。因此，人脑的神经网络在分析处理信息时是在一个三维空间进行的。而人工神经网络对信息的处理是二维的，如果其中一个节点出问题，其他节点不能代替这个节点的功能，整个系统就不能进行正常的工作。

到目前为止， 人工神经网络只能模拟人的左半脑功能，不能模拟人的右半脑。

四、小结

根据认知过程而产生的人工神经把计算机智能化推进一大步。现在流行的思维对未来智能化计算机设想是冯氏计算机作为主机，人工神经网络作为智能外围机。但是目前还不能做出理想的智能化计算机。我们对未来智能化计算机的构想是以冯诺依曼结构为蓝本，将改造后的人工神经网络的隐层代替冯氏结构的运算器，同时让控制器模拟人脑神经中枢的功能。

参考文献

①《人工智能与专家系统》，中国水利水电出版社; 第1版 (2009年4月1日)

②《认知心理学》，上海人民出版社; 第1版 (2008年7月1日)

③《人工神经网络原理》，机械工业出版社; 第1版 (2010年9月1日)