人工智能形式概念系統(tǒng)

內(nèi)容概要

人具有一個(gè)在內(nèi)容和結(jié)構(gòu)上都非常完備的概念系統(tǒng)，而且其自學(xué)習(xí)、自適應(yīng)、自高新的能力也非常強(qiáng)，這一概念系統(tǒng)是人認(rèn)知能力強(qiáng)大的根本保證。對(duì)人工智能而言，無(wú)論是經(jīng)典的問(wèn)題求解、推理、決策與規(guī)劃、語(yǔ)言理解與生成、場(chǎng)景理解問(wèn)題，還是新出現(xiàn)的Web信息過(guò)濾、視頻檢索、基于Web的搜索、監(jiān)控等現(xiàn)實(shí)應(yīng)用都需要一個(gè)基本可用的語(yǔ)義系統(tǒng)作為支撐，因?yàn)檫@些應(yīng)用越來(lái)越體現(xiàn)出"muddy-task"的特性，需要一個(gè)比較寬泛的先驗(yàn)知識(shí)基礎(chǔ)。這個(gè)語(yǔ)義系統(tǒng)就是人的概念系統(tǒng)的形式化表征。本書(shū)以人概念系統(tǒng)的習(xí)得、表征、進(jìn)化、使用過(guò)程的算法化為研究目標(biāo)，在對(duì)已有的概念系統(tǒng)形式化工具進(jìn)行總結(jié)的基礎(chǔ)上，提出了基于發(fā)展心理學(xué)觀點(diǎn)的概念系統(tǒng)形式化表征方法，以期建立一個(gè)既能反映人的概念系統(tǒng)在構(gòu)建過(guò)程、聯(lián)想推理、普適性上的認(rèn)知規(guī)律，又能滿足計(jì)算機(jī)編程需求的形式概念系統(tǒng)。這一研究是一項(xiàng)人工智能的基礎(chǔ)性工作，既體現(xiàn)了計(jì)算機(jī)科學(xué)對(duì)認(rèn)知心理學(xué)、認(rèn)知語(yǔ)言學(xué)等其它學(xué)科的借鑒，又在算法的物化智能過(guò)程中給這些學(xué)科提出了需要澄清的新問(wèn)題。

書(shū)籍目錄

前言
第1章 概念系統(tǒng)的重要性
 1.1 概念系統(tǒng)是認(rèn)知的核心
 1.1.1 對(duì)認(rèn)知的定義
 1.1.2 高級(jí)智能活動(dòng)
 1.1.3
概念系統(tǒng)處于認(rèn)知技能整合的中心位置
 1.2 人工智能中概念系統(tǒng)作用的體現(xiàn)
 1.2.1
概念系統(tǒng)在場(chǎng)景理解中的作用
 1.2.2
概念系統(tǒng)在言語(yǔ)推理中的作用
 1.2.3
概念系統(tǒng)在智能分系統(tǒng)融合中的作用
 1.3 概念系統(tǒng)的特征
 1.4 對(duì)概念系統(tǒng)結(jié)構(gòu)的猜測(cè)
 1.4.1 人工智能受到的批評(píng)
 1.4.2 人工智能中的幾個(gè)基本問(wèn)題
第2章 形式概念系統(tǒng)建構(gòu)方法的發(fā)展
 2.1 知識(shí)表示方法的研究
 2.2 概念結(jié)構(gòu)表示研究
 2.2.1
以前的經(jīng)典知識(shí)表示方法對(duì)概念結(jié)構(gòu)關(guān)注不足
 2.2.2 概念圖知識(shí)表示及其應(yīng)用
 2.2.3 概念格
 2.2.4 本體
 2.3 心理學(xué)對(duì)此問(wèn)題的研究
 2.4 心理學(xué)對(duì)長(zhǎng)時(shí)記憶的研究
 2.4.1 層次網(wǎng)絡(luò)模型
 2.4.2 激活擴(kuò)散模型
 2.4.3 HAM模型和ACT模型
 2.5 常識(shí)庫(kù)的研究
第3章 形式概念系統(tǒng)浸潤(rùn)式問(wèn)題求解
 3.1 廣泛意義上的問(wèn)題求解
 3.1.1 動(dòng)態(tài)語(yǔ)義網(wǎng)(dynamic
semantic network, DSN)的基本構(gòu)成
 3.1.2 基于DSN的推理機(jī)制
 3.1.3 基于DSN的問(wèn)題求解過(guò)程
 3.2 動(dòng)態(tài)語(yǔ)義網(wǎng)絡(luò)的形式化實(shí)現(xiàn)
 3.2.1 DSN表征規(guī)范
 3.2.2 DSN形成規(guī)范
 3.2.3 DSN浸潤(rùn)推理規(guī)范
 3.3 動(dòng)態(tài)語(yǔ)義網(wǎng)絡(luò)激勵(lì)傳播算法實(shí)現(xiàn)
 3.3.1 基于DSN激勵(lì)傳播算法
 3.3.2
基于DSN浸潤(rùn)推理的計(jì)算機(jī)實(shí)現(xiàn)
 3.4 浸潤(rùn)式問(wèn)題求解方式的展望
 3.4.1 小結(jié)
 3.4.2 進(jìn)一步的發(fā)展
第4章 表征重述
 4.1 發(fā)展心理學(xué)中關(guān)于表征重述的研究
 4.2 表征重述的啟示
 4.2.1
從人工智能角度對(duì)表征重述觀點(diǎn)的深度發(fā)掘
 4.2.2
表征重述應(yīng)用于知識(shí)系統(tǒng)的不足之處
第5章 使用對(duì)象建模工具的形式化方法
 5.1 面向?qū)ο笫菍?duì)世界的刻畫(huà)
 5.1.1 面向?qū)ο蟮男问秸Z(yǔ)義特征
 5.1.2
為什么選擇面向?qū)ο蠹夹g(shù)作為形式化表征的手段
 5.2 面向?qū)ο髮?duì)表征重述的實(shí)現(xiàn)
 5.2.1
以“計(jì)數(shù)”概念習(xí)得過(guò)程為例
 5.2.2
用表征重述對(duì)“計(jì)數(shù)”過(guò)程的再解釋和基于面向?qū)ο笠?guī)范定義的表征
 5.2.3
概念表征的形式進(jìn)化導(dǎo)致問(wèn)題求解能力的進(jìn)化
 5.2.4 長(zhǎng)遠(yuǎn)的考慮
 5.3 使用標(biāo)準(zhǔn)建模語(yǔ)言UML的表征重述實(shí)現(xiàn)
 5.3.1 UML對(duì)表征重述的描述
 5.3.2
用UML實(shí)現(xiàn)的計(jì)數(shù)行為變化表征
 5.3.3
用UML實(shí)現(xiàn)表征重述的優(yōu)點(diǎn)與不足
 5.4 生成算法
 5.4.1 形式化表征生成算法
 5.4.2 概念掌握水平的變化
第6章 形式概念系統(tǒng)上的推理
 6.1 基于擴(kuò)展框架系統(tǒng)的表示
 6.1.1 擴(kuò)展的框架知識(shí)表示方法
 6.1.2 框架定義的獲得與規(guī)范
 6.1.3 擴(kuò)展的框架表示實(shí)例
 6.2 擴(kuò)展的框架系統(tǒng)的推理實(shí)現(xiàn)
 6.2.1 框架復(fù)合思想
 6.2.2 ?架復(fù)合實(shí)例分析
 6.3 框架復(fù)合算法
第7章 總結(jié)
 7.1 發(fā)展心理學(xué)與智能系統(tǒng)構(gòu)造
 7.1.1 知識(shí)與認(rèn)知過(guò)程不可分割
 7.1.2 發(fā)展心理學(xué)的啟示
 7.1.3 智能系統(tǒng)構(gòu)造的發(fā)展觀
 7.2 從知識(shí)表示到表示
 7.2.1 知識(shí)表示與表示是不同的
 7.2.2
表示反映了對(duì)客觀真實(shí)的認(rèn)識(shí)
 7.2.3 AI認(rèn)識(shí)論上的進(jìn)步
 7.2.4
一個(gè)關(guān)于心理語(yǔ)言學(xué)的表示實(shí)例
 7.3 不識(shí)廬山真面目, 只緣身在此山中
 7.3.1 人工智能的新問(wèn)題
 7.3.2 人工智能研究的難點(diǎn)
 7.4 人工智能與其他學(xué)科的關(guān)系
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁(yè)：插圖：（2）在問(wèn)題求解與決策分支，不同于以狀態(tài)空間搜索方法為核心的弱方法，很多問(wèn)題求解是需要大量知識(shí)的，如專家系統(tǒng)方法，但現(xiàn)在很多新應(yīng)用對(duì)基于知識(shí)的方法提出了更高的要求，如綜合考慮客戶要求的二手房房源篩選、個(gè)性化的城市游覽線路優(yōu)化、突發(fā)事件爆發(fā)時(shí)城市的應(yīng)急聯(lián)動(dòng)響應(yīng)輔助決策系統(tǒng)（如2008年春節(jié)前在長(zhǎng)江中下游地區(qū)爆發(fā)的低溫災(zāi)害的救援就涉及氣象、交通、電力、醫(yī)療、民政等多個(gè)領(lǐng)域的知識(shí)），這些新應(yīng)用已經(jīng)越來(lái)越表現(xiàn)出知識(shí)密集的特點(diǎn)，很多實(shí)際問(wèn)題不再滿足經(jīng)典專家系統(tǒng)“三五個(gè)電話交流”的適用條件了，這些新應(yīng)用的核心問(wèn)題已經(jīng)不是推理的實(shí)現(xiàn)方法，而是知識(shí)本身的數(shù)量和致密度，以及概念關(guān)聯(lián)，例如，為了找到某個(gè)交通流疏導(dǎo)方案，就需要道路網(wǎng)絡(luò)，交通規(guī)則，車輛特征與性能，天氣，車流的時(shí)段分布與流向特征，特定日期的車流分布與流向特征，道路所處地區(qū)的屬性，人口分布特征，城市不同功能區(qū)的空間分布，旅游景點(diǎn)、商業(yè)區(qū)等設(shè)施的地理位置與范圍等大量知識(shí)。（3）在WEB信息處理領(lǐng)域，針對(duì)網(wǎng)上有益信息的抽取和有害信息的防范，分別發(fā)展出信息過(guò)濾、輿情監(jiān)控、信息檢索、信息挖掘等新需求，用戶更希望把wEB當(dāng)成一個(gè)問(wèn)題求解器，而不僅限于資源庫(kù)，最早基于關(guān)鍵字匹配、同義詞與近義詞匹配、人工標(biāo)注等手段的技術(shù)已不能適應(yīng)不斷發(fā)生的新變化，如“法輪功”變換了一種表達(dá)方式，要實(shí)現(xiàn)對(duì)涉及某個(gè)主題的網(wǎng)上言論的自動(dòng)輿情監(jiān)控，或?qū)崿F(xiàn)對(duì)網(wǎng)上不同時(shí)空區(qū)域發(fā)生的若干事件的關(guān)聯(lián)分析都需要很豐富的先驗(yàn)知識(shí)，一旦這樣的輿情監(jiān)控或信息挖掘涉及公眾安全話題，它所需要的知識(shí)門(mén)類就是很廣泛的，這給該問(wèn)題的實(shí)現(xiàn)帶來(lái)很大挑戰(zhàn)。（4）在場(chǎng)景分析問(wèn)題上，計(jì)算機(jī)視覺(jué)、模式識(shí)別一直致力于對(duì)圖像理解的研究，希望能派生出能夠廣泛應(yīng)用于智能家用設(shè)備、智能城市安全、智能社區(qū)、智能交通與物流、服務(wù)機(jī)器人、城市自然災(zāi)害遙感檢測(cè)等領(lǐng)域的技術(shù)，希望它能夠感知家庭環(huán)境中孩子靠近潛在危險(xiǎn)；發(fā)現(xiàn)學(xué)校、商場(chǎng)、交通聚集地的突發(fā)事件，候機(jī)樓與火車站等敏感地點(diǎn)的人群聚集，小區(qū)中的不速之客，交通擁堵與交通事故；對(duì)自助銀行內(nèi)部盜竊事件進(jìn)行自動(dòng)識(shí)別與報(bào)警；陪護(hù)機(jī)器人發(fā)現(xiàn)老人步姿不正常：過(guò)濾對(duì)青少年有害的圖片等，體現(xiàn)場(chǎng)景分析的另一個(gè)代表性應(yīng)用是圖像檢索，如“搜索一部以第二次世界大戰(zhàn)為題材的電影，是美國(guó)一位著名導(dǎo)演在2003年拍攝的，里面有大量登陸場(chǎng)景”，這很容易讓我們聯(lián)想到“拯救大兵瑞恩”，但要機(jī)器以此敘述為線索進(jìn)行搜索不是件簡(jiǎn)單的任務(wù)，雖然在圖像理解領(lǐng)域已經(jīng)開(kāi)展了長(zhǎng)期的工作，但沒(méi)有取得大的突破，其原因在于無(wú)法確認(rèn)如何使用高層知識(shí)來(lái)引導(dǎo)注意和很好地實(shí)現(xiàn)體現(xiàn)高層知識(shí)的自頂向下加工，這些應(yīng)用都面臨一個(gè)核心問(wèn)題，就是理解場(chǎng)景和發(fā)現(xiàn)既定的目標(biāo)或目標(biāo)態(tài)勢(shì)，就像“我們不是用音頻分析的手段來(lái)實(shí)現(xiàn)對(duì)貝多芬音樂(lè)的欣賞，也不是用視頻分析的手段來(lái)實(shí)現(xiàn)對(duì)凡·高油畫(huà)的欣賞”（楊雄里院士語(yǔ)）一樣，這其中蘊(yùn)涵著深刻的整合過(guò)程。

編輯推薦

《人工智能形式概念系統(tǒng)》由科學(xué)出版社出版。

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    人工智能形式概念系統(tǒng) PDF格式下載

---