人工智能中的意識機(jī)理研究

吳啟明

摘要：為了實(shí)現(xiàn)更為復(fù)雜的人工智能，必須解決人工智能中的基礎(chǔ)和核心問題，那就是意識的機(jī)理問題。在分析了文獻(xiàn)中關(guān)于意識生成的機(jī)制后，提出了意識機(jī)制中的存在的一個問題：效用信息如何獲取。給出了一個合理的解決方案。

關(guān)鍵詞：人工智能；意識；信息處理

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2012）33-8016-02

隨著科學(xué)技術(shù)的發(fā)展，數(shù)字化時代正逐漸向智能化時代過渡，人工智能的研究取得了舉世矚目的成績，基于符號處理的符號主義通過自動機(jī)理論來模擬人工智能取得了較好的效果，但知識達(dá)到一定的規(guī)模之后，規(guī)則利用和選擇的問題就突現(xiàn)出來；以神經(jīng)網(wǎng)絡(luò)為代表的聯(lián)結(jié)主義試圖從模擬腦組織結(jié)構(gòu)的方法解決人工智能問題，比較符號主義而言，對于機(jī)器學(xué)習(xí)、模式識別方面有一定的突破，但受腦科學(xué)研究成果的制約，人們對大腦的了解還不夠深入；而行為主義認(rèn)知基于維納和麥克洛等人提出的控制論和自組織系統(tǒng)以及錢學(xué)森等人提出的工程控制論和生物控制論，提出了感知-動作模式。雖然人工智能取得了舉世矚目的成就，但也應(yīng)該看到人工智能并未取得突破性進(jìn)展，其中的一些專家系統(tǒng)雖然能解決某一領(lǐng)域的問題，但必須有嚴(yán)格的邏輯知識，有嚴(yán)格的范圍限制。究其原因是人工智能沒有解決其基本和核心的問題：意識問題。

文章首先分析了北京郵電大學(xué)鐘義信教授提出的意識機(jī)理論與模型[1，2]，探討了其成功之處，提出了值得繼續(xù)探索的地方，給出了自己的基本觀點(diǎn)。

1意識的基本概念

意識在哲學(xué)家的眼里是相對于物質(zhì)而存在的，是除物質(zhì)以外的主觀意識，是大腦對于客觀世界的反映、理解和心理過程。在鐘義信教授的文章“意識機(jī)理論與模型”中對意識做了如下定義：“意識”的概念理解為“對于外部刺激的感覺、記憶、理解和判斷”的能力。所謂某個系統(tǒng)對某種刺激“具有意識”，主要是指這個系統(tǒng)對于這種外部刺激具有感覺能力、記憶能力、理解能力和判斷能力。這種定義方法對于研究人工智能是有好處的?？梢詮男畔⒌慕嵌葋硖幚硪庾R問題。即：信息的感知、存儲、邏輯推理等過程。

對于一個有意識的系統(tǒng)應(yīng)當(dāng)具有以下功能：一、信息感知、獲取能力；二、信息加工和儲存的能力；三、信息推理和選擇運(yùn)用的能力。智能可以定義為：在給定目的、環(huán)境、問題的情況下，獲取特定信息，對信息進(jìn)行加工以達(dá)到認(rèn)知，生成策略信息，利用策略信息解決給定問題的能力。

2意識的生成機(jī)制

在鐘義信教授的“意識機(jī)理論與模型”文章中提出了一種意識生成模型，把意識生成過程的外部信息分為兩種，一種是“形象”分量，一種為“效用”分量?！靶蜗蟆狈至?，指系統(tǒng)所感知的這個刺激的外部形象和姿態(tài)，包括它的外貌、形狀等靜態(tài)形式參數(shù)和動作、情態(tài)等動態(tài)形式參數(shù)，相當(dāng)于全信息理論中的語法信息；刺激的“效用”分量，指對于系統(tǒng)所設(shè)定的某個目的而言，這個刺激可能會帶來什么樣的影響，是有利、有礙、還是無礙于實(shí)現(xiàn)系統(tǒng)所設(shè)定的目的，相當(dāng)于全信息中的語用信息。其模型如圖1所示。

1）形象刺激的獲取方法

現(xiàn)在考查一個試驗和觀察者組成的系統(tǒng)，記為（X，C，C*；R），其中R為觀察者那主體，X為事件，C為先驗肯定度分布，C*為后驗肯定度分布。則信息量可用下式計算：

[I（C，C*；R）=I（C*）-I（C）=n=1NC*nlogC*n-n=1NCnlogCn] （1）

但這里計算出來的還是語法信息量，想當(dāng)于Shannon的熵的定義。而且上式只適用于歸一的情況，即概率性事件。

對于偶發(fā)信息和模糊信息，肯定度是不規(guī)一的。不過可以通過一定的方式轉(zhuǎn)化為歸一的情況。

[I（C，C*；R）=1Nn=1NI（Cn，C*n；R）[=1Nn=1N[f*nlogf*n+（1-f*nlog（1-f*n）-fnlogfn）-（1-fn）log（1-fn）]]] （2）

2）效用刺激的獲取通過對語法信息的計算公式，可以推導(dǎo)出效用信息的計算公式：

[I（U，U*；R）=1Nn=1N[u*nlogu8n+（1-un）log（1-un）]-[unlogun+（1-un）log（1-un）]] （3）

I（U）表示R關(guān)于X的先驗單純效用信息量，I（U*）表示R關(guān)于x的后驗效用信息量。I（U，U*；R）則表示試驗過程所獲得的實(shí)得效用信息量。

綜合語用信息量則分兩種情況表示為：

[I（μ）=n=1Nμnlogμn，（C=P）?（C=Q）=1Nn=1N[μnlogμn+（1-μn）log（1-μn）+log2]，C=F] （4）

有了效用信息才能進(jìn)一步明確語義信息，采用類似于不歸一語法信息的度量方法，可得如下公式。

[I（T，T*；R）=I（T*）-I（T）=1Nn=1N[t*nlogt*n+（1-t*n）log（1-t*n）]-[tnlogtn+（1-tn）log（1-tn）]] （5）

同理I（T）表示R關(guān)于X的先驗單純語義信息量，I（T*）表示R關(guān)于x的后驗語義信息量。I（T，T*；R）則表示試驗過程所獲得的實(shí)得語義信息量。

3改進(jìn)的意識模型

此意識系統(tǒng)的功能模型的創(chuàng)新之處在于提出了目的的作用。任何系統(tǒng)都需要有目的，沒有目的的系統(tǒng)是沒有智能的。事實(shí)證明，單純的形象刺激對于提高系統(tǒng)的智能化水平存在一定的瓶頸。而目的的引入有助于解決效用計算的問題，但是效用計算中的目的不是從外界引入的。而是系統(tǒng)中推導(dǎo)出來的。當(dāng)然大的目的是編寫軟件時人為加入的。例如：象棋中的人機(jī)對戰(zhàn)模式程序，大的目的就是機(jī)器要贏得比賽，這是人為引入的。而在計算每一步的得失時就是機(jī)器根據(jù)引入的目的分解出來的。所以目的也有宏觀和微觀之分。宏觀的目的直接引入，微觀的目的是根據(jù)形象刺激和記憶系統(tǒng)的相互作用而得來的。

3.1模型有效性推導(dǎo)

現(xiàn)考察人工神經(jīng)網(wǎng)絡(luò)的原理。人工神經(jīng)網(wǎng)絡(luò)起源于生物學(xué)的神經(jīng)網(wǎng)絡(luò)，是人工智能的一個分支。神經(jīng)網(wǎng)絡(luò)是一種固有的并行和分布式處理結(jié)構(gòu)，由一組連接的輸入/輸出單元組成，每個連接都有與之相關(guān)聯(lián)的權(quán)重，通過調(diào)整它們的相互連接的權(quán)重來進(jìn)行學(xué)習(xí)。

人工神經(jīng)網(wǎng)絡(luò)常用于聯(lián)想記憶，優(yōu)化計算與決策，分類識別等領(lǐng)域[3-4]。

神經(jīng)元的輸入即形象刺激，用樣本數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，宏觀目的為人為設(shè)定，即要使人工神絡(luò)網(wǎng)絡(luò)具備模式識別的能力；而微觀目的是在宏觀目的的推導(dǎo)下產(chǎn)生，即要使每一個樣本的輸出接近于真實(shí)情況；而調(diào)整權(quán)值即為決策。人工神經(jīng)網(wǎng)絡(luò)已經(jīng)是一種較為成熟的機(jī)器學(xué)習(xí)和模式識別技術(shù)。當(dāng)然我們也可以運(yùn)用到?jīng)Q策樹或其它的模式識別理論上都能獲得合理的解釋，在此不再闡述，由此可以改進(jìn)的意識機(jī)理模型在理論上是可行的。

4總結(jié)及下一步工作

高級人工智能的研究是一項純理論性的工作，而且非常復(fù)雜，研究的難點(diǎn)在于人類對于大腦的結(jié)構(gòu)還知之甚少。該文在研究了鐘義信教授的意識機(jī)模型后，非常興奮，覺得引入目的的智能系統(tǒng)才是真正的智能系統(tǒng)，在此基礎(chǔ)上，進(jìn)一步地提出了目的的宏觀性和微觀性，使得意識機(jī)理模型更具有可操作性。

下一步還可以研究由語法信息到語義信息的具體算法及應(yīng)用實(shí)例。

參考文獻(xiàn)：

[1]鐘義信.意識機(jī)：理論與模型[J].電子學(xué)報，2000，28（10）：41-44.

[2]鐘義信.信息科學(xué)原理[M].第三版.北京：北京郵電大學(xué)出版社，2002：45-48.

[3]HanJiawei，KamberM.DataMiningConceptsandTechniques[M].MorganKauf-mmanPublishers，2000.

[4]D.Dubois，H.Prade.FuzzySetsandSystems（TheoryandApplication）[M].Oxford，UK：AcademicPress，1980.