上海市智能信息处理重点实验室 Shanghai Key Laboratory of Intelligent Information Processing

复旦大学 | 计算机科学与工程系
简介 | 宗旨 | 研究内容 | 管理架构
知识科学 | 文本处理 | 算法分析与设计 | 并行编译 | 自然语言理解、语义网 | 认知科学 | 网格计算 | 量子计算 | 图像识别、机器学习、人工生命 | 生物信息学
学术委员会 | 行政领导 | 室务委员会 | 科研队伍
学术会议 | 学术报告 | 学术交流 | 最新成果
开放课题管理办法 | 开放课题申请指南 | 开放课题申请表 | 开放课题年度报告 | 课题资助列表
基于Web的语言驱动足球赛 | 皮影数字动画 | 分形城 | 基因数据仓库
small logo

认知科学研究

 -----不畏浮云遮望眼,只缘身在最高层

 危辉

传统的经典人工智能经过半个世纪的发展已经在形式推理、搜索、博弈、自动规划、问题求解、专家系统、机器学习、模式识别、自然语言理解、人工神经元网络、机器人等领域取得了显著的进展,但其中一些深深根植于各分支领域、共有的核心难题并没有取得突破,这妨碍了人工智能应用广度与深度的进一步拓展,因此现在普遍认为在人工智能的基础理论研究方面陷入了低谷。这促使我们从更本源的角度来思考智能的机器模拟与实现问题,我们不应该忽视人工智能研究除模拟智能之外的另外一个目标,那就是探求智能的本质。我们应该认识到,当前机器智能与生物智能在“质”上的差距要远严重于在“量”上的差距,从对任意一项需要多种智能行为参与协作才能完成的任务的计算机模拟所蕴涵的复杂程度就能看出来,明显的例子是我们还制造不出来一个称职的机器出租车司机。想当然地接受智慧给我们带来的好处,而忽略了其内在的机理,这皆源于长期自然选择的结果使智能的执行被高度自动化了,具备极高的可靠性和通用性,对外完全屏蔽了这个复杂巨系统,使得我们对脑功能熟视无睹。绝大多数人工智能模型是“再现智能”的系统,而不是“解释智能”的系统,这有本质的区别。

为了使人工智能得以进一步发展,需要把对智能行为的模拟置于一个更为广泛的学科基础上来考虑,对研究方法与模型在发展(渐进)性、系统性、整体性和相关性方面有严格要求。认知科学作为一门在深层次上融合神经科学、心理学、语言学、哲学、信息科学、数理科学的综合领域,为阐述“智能的突现”问题、“大脑的信息加工机制”问题、“神经信息处理”问题或“脑功能的细胞与分子基础”问题提供了唯一全面的方法,对于这样一些重大科学问题的哪怕是非常细微的进步,也可能会给智能的机器模拟提供很不寻常的启示。基于信息加工“类脑”模型的机器智能新方法对传统人工智能的改变是全局性的。已有的人工智能各类问题在描述、范型、方法上千差万别,这不符合科学认识向统一的理论发展的规律,科学研究的进步在于发现简单性和统一性(这样的规律我们可以在物理学关于物质组成的研究,生物学关于生物进化的研究,天文学关于天体运行规律与宇宙起源的研究,化学关于化学元素的研究中看到类似的类比。达尔文说“寻找自然的、平凡的、单纯的原因”),机制五花八门,没有逻辑上的简单性。而这些智能行为都能用神经系统动力学过程无缝地、毫不牵强地一致化起来。

同时,从相反的方向来看,传统信息科学在接受脑科学的启示的同时,也深刻地影响着认知科学的发展,除了研究工具上的改进与提高之外,还影响着认知科学的研究方法与研究内容。认知科学作为一个高度交叉的学科,所涉及的问题不是一般的复杂,但惟独有将这些问题落实到人工智能模拟算法和体系结构的设计与实现上才会使对思维问题的探索变得细致、严谨、统一和深刻。具备信息处理或算法设计与实现研究背景的人很容易发现神经科学与心理学研究存在的问题,这些问题不会因为研究背景的差异而不存在,这样的例子非常多,比如知觉的加工机制、言语的加工机制等。

我的研究就是在这样一个背景下展开,力求以智能行为的生理与心理基础为出发点,探索人工智能理论与技术的新方法,这集中于认知模型、知识系统的体系结构、模式识别、自然语言理解等分支领域。

图灵说:电脑将来一定能做出我们想不到的事情

Copyright © 2002-2006 上海市智能信息处理重点实验室 版权所有

地址:上海邯郸路220号 电话:+8621-65654549 传真:+8621-65654253 Email: Webmaster