計算と計算の簡単な分析

この記事では、まず計算を定義し、次にその研究の意義と発展を紹介し、計算と計算の違いと関連性を議論し、計算と計算のモデルを提案し、最後にその応用について説明し、まとめます。

1. はじめに

現在、人類はまだ人工知能の正確な定義を与えていませんが、ほとんどの人の見解と一致する定義は、次のことを指します。人工知能とは、人間の心が行うことができるさまざまなことをコンピューターに実行させることです。 1940 年代のチューリングの人工知能の予測から 1980 年代のエキスパート システムの開発に至るまで、現在では 3 つの主要な思想分野における人工知能の応用が人間の生活のあらゆる側面に浸透しています。このうち、コネクショニズムは、大脳皮質のニューラルネットワークとニューラルネットワーク間の接続メカニズムを模倣すること、つまり多隠れ層処理構造を使用してさまざまなビッグデータを処理することを重視し、行動主義は主に人間または生物の個体を模倣し、グループが行動機能を制御することを重視します。は報酬と罰の制御メカニズムを備えた強化学習方法として現れ、シンボリズムは知的行動を生成するための物理的シンボル システムの使用を強調し、主にナレッジ グラフのアプリケーション システムで使用されます。

人工知能の応用は一定の成果を上げていますが、無視できない欠陥もあります。コネクショニズムに基づく深層学習アルゴリズムは微分可能ではなく、計算の収束性が弱く、オープンな動的環境では結果が悪く、モデル自体が「ブラック ボックス」です。行動強化学習は人間の行動プロセスを過度に単純化し、実験では単純な報酬と罰のフィードバック プロセスのみを測定します。第二に、行動主義は観察可能な行動を研究しますが、多くの場合、心の内部活動を無視し、意識の重要性を否定し、行動に対する意識に反対します。象徴主義とその知識グラフは、「常識」をどのように定義するかという問題と、不確実なものの知識表現と問題解決の問題に遭遇します。

人工知能を人間の心に近づけるためには、知能とは何かを探求する必要があります。インテリジェンスの定義のほとんどには共通点が 1 つあります。それは、インテリジェンスとは問題を解決する能力であり、より複雑な問題にはより高いレベルのインテリジェンスが必要であるということです。微分方程式を解くには、足し算や引き算と比べて、より高いレベルの知性が必要であり、三目並べと比べて、囲碁を上手に打つには、より高いレベルの知性が必要です。ただし、たとえ問題が非常に複雑であっても、マシンが特定の問題を解決できるからといって、そのマシンが高いレベルの知能を持っているという意味ではありません。人間の神経ネットワークに注目してみましょう。ニューラル ネットワークは、多くの場合、パーセプトロン、センター、エフェクターで構成されるシステム ユニットに単純化され、3 つのシステムのそれぞれは、相互にフィードバックを持つ多数のニューロンで構成されます。

現在の神経科学的分析手法では、このモデルは正しいですが、人々は外部情報と内部情報の比率を無視することがよくあります。このシステムは入出力システムに単純化されることがよくありますが、実際、神経系には外部情報よりも内部情報を受信する受容体が 10 万倍も多くあります。言い換えれば、神経系は全体として、むしろ自己閉鎖系に似ているということです。さらに、フォーマル ニューラル ネットワークの閉鎖的な性質により、構成主義は、客観的な存在は構築者を離れることができないという哲学的理論を演繹することを可能にします。機械は客観的に存在しており、人間なしでは問題を解決できません。したがって、人間から完全に独立した一般的な人工知能システムを実現することは非現実的です。この記事では、まず計算を定義し、次にその研究の意義と発展を紹介し、計算と計算の違いと関連性を議論し、計算と計算のモデルを提案し、最後にその応用について説明し、まとめます。

2. 計算の定義と性質

計算とは、さまざまな事実や価値の間の混合関係を扱うために、知覚的手段と合理的手段を組み合わせて使用​​する方法です。状況認識が一目で分かります。計算はさまざまな側面やプロセスで表れます: 計算は計算前の行動です 計算は人間の設計によって事前に生成される非自発的命令です 人間の行動ではなく人間の設計によって生成される命令です計算は数字や図表を使わない計算、つまり数学ではない 計算は動機を持った人間の合理性と感性の混合計算であり、既存の論理である 形式的な論理形式と未知の論理形式の統合計画

「コンピューティング」の未来が宇宙の複雑な物理的挙動を利用することにあるとすれば、「コンピューティング」の未来は宇宙の複雑な物理的および非物理的挙動を利用することにあります。機械による計算とは異なり、人間の計算は複雑であり、事実を体現する理性的な部分と価値観を体現する知覚的な部分があり、さらに知覚的な部分には矛盾や矛盾（愛と憎しみなど）があり、弁証法的になることもあります。したがって、知覚値は、人間と機械の知能における最も重要な違いの 1 つです。もちろん、人間と機械の間の合理的事実や合理的価値は完全に同等ではありません。具体的には、人間の一多の関係と機械の一多の構造は、多くの場合同じものではありません。

3. コンピューティングの研究意義と発展

2.1 認知

認知とは、人が外部の物事を理解する過程、あるいは人に与える影響を指します。感覚器官による外部の物事の情報処理。感情、知覚、記憶、思考、想像力、発話を含み、個人の受容、検出、変換、還元、合成、符号化、記憶、​​抽出、再構築、概念形成といった人間の認知活動のプロセスを指します。 、問題解決のための判断、情報処理。心理学では、概念、知覚、判断、想像力の形成などの精神活動を通じて知識を獲得する過程、つまり情報処理のための個人の思考の心理的機能を指します。

認知モデルは、人間の認知能力の理解に基づいて人間の認知プロセスをシミュレートする計算モデルです。ここでの認知モデルにおける認知能力には通常、知覚、表現、記憶と学習、言語、問題解決と推論などの側面が含まれます。よりインテリジェントな機械を構築するために、私たちは人々からインスピレーションを得ることを期待すると同時に、人間の思考メカニズム、特に人間の周囲の情報の認識と処理メカニズムをより良く探求し研究して、実際の機械を作成したいと考えています。システムは、新しいアーキテクチャーおよび技術的アプローチを提供します。 Duch は、既存の認知モデルを、記憶と学習の違いに基づいて、記号認知モデル、創発認知モデル、およびハイブリッド認知モデルという 3 つのカテゴリに分類します。

2.2 深い状況認識

人はしばしば「状態」を感じ、「可能性」を認識しますが、世界の状態と可能性はしばしば混在しているため、人々の世界の理解は多くの場合「認識」になります。 , そのため、状況認識は固定的な組み合わせになりました. その後、対応する「状況」は一般に短期的なものであることが判明しました. 中長期的な傾向に対処するために、いくつかのより深い洞察が形成されます。事実そのものを超えて理解し、判断し、予測する、状況認識が現れる準備ができている、認知は認識の認識であるとも言えます。その後、人間の認知には好み、習慣、事前知識、あいまいさ、記憶などの制限があり、機械とコラボレーションのメカニズムは相互に補完し、互いの長所を学び合うことができることが判明しました。統合が導出された知識概念。

深い状況認識の意味は、「人間の知能と機械知能（人工知能）の両方を含む人間機械知能の一種である状況認識の認識」であり、シニフィアンです。物事の属性（シニフィアン、感情）とそれらの間の関係（指示対象、知覚）の両方を認識し、物事の本来の意味を理解するだけでなく、その意味も理解することができます。 Endsleyを主体とした状況認識（情報の入力、処理、出力のリンクを含む）に加え、人、機械（モノ）、環境（自然、社会）とそれらの相互関係のシステム全体の傾向分析に基づいており、自己組織化と自己適応、および他の組織化と相互適応を含む「ソフト/ハード」の 2 つの規制フィードバック メカニズムがあり、ローカルな定量的計算予測とグローバルな定性的計算評価の両方が含まれます。自律的かつ自動的な情報修正です。収束効果のための補償期待-選択-予測-制御システム。

ある意味で、深い状況認識とは、対象のタスクを完了するために人間のさまざまな認知活動 (目的、感情、注意、動機、予測、自動性など) を十分に活用するために、特定の環境でシステムを組織することです。 、運動スキル、計画、パターン認識、意思決定、モチベーション、経験と知識の抽出、記憶、実行、フィードバックなど）。情報やリソースが不足している状況でも、情報やリソースが過負荷な状況でも機能します。

実験シミュレーションと現場での調査・分析を通じて、私たちは深層状況認識システム、つまり情報入力段階から直接情報入力段階に至るまでのシステムに「跳躍カエル」現象（自動反応）が存在すると考えています。出力制御段階（情報処理統合段階のスキップ）は、主にタスクのテーマの明確さ、組織/個人の注意の集中、および長期の目標を絞ったトレーニングの条件付けされた習慣反射によって引き起こされます。 、傘をさして歩いているとき、彼はさまざまなタスクを無意識に調整できます。活動の自然な順序であるシステムは、意識的なルール条件付きの反応ではなく、ほぼ完璧な自動制御を実行します。深い状況認識は本質的に、変化と不変性、一と多、自律性と受動性などの多くのパラドックスを生み出し、解決するプロセスです。したがって、システムは単純な人間とコンピューターの相互作用ではなく、人間とコンピューターの環境システム全体にわたる自律的な認知プロセス (期待、選択、制御、さらには感情領域を含む) である必要があります。深層状況認識システムの研究範囲が広いことを考慮すると、非線形性、ランダム性、不確実性などのシステム特性が生じやすいため、システムモデリングの研究は多くの場合、より大きな困難に直面します。

2.3 計算

人間のシンボル、つながり、行動、メカニズムは多段階、多角度であり、レベルや角度を変えることさえありますが、機械のシンボル、つながり、行動、メカニズムは単一です。レイヤー、単一アングル、固定レイヤー、固定アングル。人間の思考の本質は、変化に適応してリアルタイムに作成できるプログラムであり、象徴主義、接続主義、行動主義、機械主義のつながりを説明し、それらのつながりを開いて包括的な処理を実現できます。ダベンポートは、ある種の人間の知的な行動が明確なステップ、ルール、アルゴリズムに分解されると、それはもはや人間だけのものではなくなると信じています。科学的発見がどのようにして研究可能な問題となるのか。人間と機械のハイブリッド知能の問題は、機械の自律性の度合いが高くなるほど、人間の状況認識が低くなり、人間と機械の間でタスクをスムーズに引き継ぐことが困難になることです。生理学的負荷と心理的認知負荷の増加」「現象。

コンピューティングは、クロスドメインのマルチソース異種システムの複雑な「コンピューティング」プロセスであり、機械の助けを借りずに人間が実行します。ある意味、計算とは、見ることと実行することの統合と、記憶することと計算することの統合という２つの「ニューロモーフィックな」プロセスのインタラクティブなバランスである。計算は、小規模な微粒子のリアルタイムのボトムアップ プロセスです。飛躍的な思考を超えて、人間の心は本質的に象徴的ではないため計算することができません。人間の脳はコンピューターではなく、物理的および非物理的な生理学的および心理的特性を持っています。意味のない事実から意味のある価値を生み出すことができ、意味のある価値から意味のない事実を生み出すことができます。この主観性と客観性の混合が心の計算特性を決定します。つまり、限られた合理的計算と無限の知覚的計算が共存します。例えば、人間のイノベーションの「飛躍的」な思考は計算に基づいていない、つまり言語や論理に従わない思考が多いため、完全に機械に基づいた人工知能には「飛躍的」な思考ができない可能性があります。 」と考えているため、本当に閉鎖的でなくオープンな環境では創造性が発揮される可能性は低いです。

現実世界のさまざまな概念や命題には、流動性と柔軟性のさまざまな組み合わせがあります。計算は記号的なものではなく手続き的なものであり、意識の発現過程でもあります。意識とは、多くの「隠された」ものの「顕在性」、暗黙の状態や隠された潜在能力の顕現、暗黙の感情や暗黙の知識の顕現、暗黙の注意や暗黙の記憶の顕現、暗黙の判断や暗黙の推論の顕現である可能性があります。 、分析は隠しますが意思決定の現れは隠し、事実と暗黙の価値の現れは隠し、人間の感情は隠し、物理学の現れは隠します。東洋の計算は、かつては人間関係や高度管理に基づいた計算が主流でしたが、現在では物理学や数学、法原理などに基づいた新しい計算が取り入れられています。

現在、さまざまなアルゴリズムが表面的な相関関係を超えて真の理解のレベルに到達し、それによってより高いレベルの人間と機械の融合知能を達成する必要があると信じる人がますます増えています。状況と潜在力は 2 つの接続された実体です。状況と潜在力は、2 つの異なる点の変化する方向を反映しています。計算よりも計算を使用する方が正確です。

これを踏まえて、東洋と西洋の計算の違いを比較するのは、脱構築の父ジャック・デリダの言う「論理的合理性の有無」に似ています。北アフリカと中央アジアの文明に由来し、西洋は科学技術の力を発見し、関連する一連の主題領域を発明し、「計算」を核とした世界観と価値観を形成しました。論理と合理性をツールとして使用し、物質世界の多くの法則、経済現象、自然選択を人間社会に修復し、多大な貢献をしてきました。しかし、近年、西洋の先見の明のある人々の多くは、論理と合理性の利点を最大限に活用しながらも、論理と合理性の限界と欠陥をますます感じ、意識的にせよ無意識的にせよ、東洋に目を向けるようになりました。物理学から心理学、経営学など、初期のライプニッツからヨーゼフ・ニーダム、ホフシュタッターらに至るまで、彼らが「神秘」と考える知恵、東洋思想の「計算」と西洋思想の「計算」は良い対になっている。そしてそれらは定性的でもあり、定量化、主観性と客観性、価値と事実、システムと還元の完璧な組み合わせです。 「人よりも高いレベルはなく、計算に勝る計算はない」とも言えます。

4. 計算と計算の違いとつながり

計算のオントロジーは事実概念であり、計算のオントロジーは価値選好です。計算の対象は人であり、計算の対象は人を含むシステムです。計算の対象は変更可能ですが、オントロジーは変更されません。計算の対象は変更されませんが、オントロジーは常に変更されます。計算ではパラメトリック モデリングが使用され、計算によってパラメトリック モデリングが作成されます。計算はセンシング→記憶→計算→送信→給電→評価の順で行われることが多いですが、状況に応じてセンシング→記憶→計算→送信→給電→評価という順序の組み合わせを崩して計算することもよくあります。 -計算して、しばらくの間、感じて計算して評価することもできます。計算の場合、客観的事実を入力すれば、決定論的な客観的事実が出力されるため、現実の証拠に基づいて、事実から真理を探求し、合理的な存在の論理的推論と言えますが、計算の場合はそうではありません。客観的事実を入力しても、それが必ずしも真であるとは限らず、決定論的な客観的事実を出力する、つまり、実際の入力を主観的に変更して値を選択し、出力することができる 事実から真実を求めることは、知覚的はずの非論理的実現である。たとえば、「23」と入力します。これは、Jordan、James などになります。

実際のゲームのプロセスは、表面上は合理的な数学的計算のプロセスですが、実は知覚的な計算のプロセスもあり、より正確には計算のプロセスです。双方は合理的に戦っているだけでなく、対立も抱えており、多くの知覚要素が混乱する華山における芸術と科学の戦いは、事実と価値観が混在し、左右されている。

計算の基礎は限定閉包であり、計算の特徴は条件付きの開放性であり、計算は有限の客観的事実Being(現実)から無限の主観的価値Should(可能​​性)を導き出すことである。計算は確実性のある推論であり、計算は不確実性のある推論であり、計算は確実性と不確実性の混合です。機械は局所的な事実論理のみを持ち、人間のような全体的な価値論理を持たないため、人間と機械が結合して機能や能力を補完し合い、人間の計算の鋭いエッジを利用して機械計算のさまざまな「壁」を突破します。時々遭遇します。人間と機械の統合において価値があるのは、ファクトのプロセスが、動的な環境を通じてインテリジェント ロジックにとって意味のあるものになるということです。ファクトは、それが何であるからそのようなものであるのではなく、価値との統合においてどのようなものであるかです。それには、それを支える新たな論理体系、すなわち人間とコンピュータの統合による計算－計算論理体系の確立である。

それでは、計算とは何でしょうか?計算とは何ですか?計算は既知の条件から出発して「複雑さ」を解決する論理であり、計算は未知の前提から出発して「複雑さ」を扱う直感である。計算の中心となるのは、「違う」と「いい」という 2 つの単語です。

計算では、異なる分野の物事を変化させ、バランスよく処理することが計算の核心であり、計算には同じ構造、同じデータ、同じ性質を実行する必要があります。変わらぬ、確かな。

対照的に、人間は価値論理を重視し、機械は事実論理を重視し、人間は弁証法論理を重視し、機械は形式論理を重視する傾向があります。機械による計算とは異なり、人間の計算は事実を体現する理性的な部分と価値観を体現する知覚的な部分があり複雑であり、さらに知覚的な部分には矛盾や矛盾があり、弁証法的で相互に変換可能であるため、知覚的な部分の価値はこれは、人間と機械の知性における最も重要な違いの 1 つです。もちろん、人間と機械の間の合理的事実や合理的価値は完全に同等ではありません。

具体的には、人間の一対多の関係と機械の一多の構造は、多くの場合同じものではありません。そして、人間と機械の統合は、弁証法的形式論理または形式弁証法論理であり、事実の形式論理を価値弁証法論理にどのように変換するか、または価値弁証法論理を事実に基づく形式論理にどのように変換するかという論理変換の困難な問題を伴います。表面的には、人間の弁証法的論理は問題を解決するのではなく、問題を考えるために使用されますが、問題の解決は形式論理に依存します。実は、これは形式的計算論理と弁証法的計算論理に対する理解が不明確であるためであり、計算的思考とは異なり、計算的思考は多くの点で計算論理に反するものです。

計算と計算の関係も切り離せません。計算の過程においては、方向性を導くために計算が必要となるが、計算の過程においては、基礎的な作業を完了するための基礎として計算が使用されることもある。どちらも欠かせないものです。計算のオントロジーは事実上の概念であり、計算のオントロジーは値の好みです。計算の主な対象、計算の主体は人間を含むシステムです。計算は事実の概念を変えることはできませんが、計算を行う人を変えることはできます。計算における人々の体系は変えることができませんが、価値観の好みはしばしば変わります。したがって、この 2 つを組み合わせてのみ、より優れたインテリジェンスを実現できます。

5. 計算-計算モデル

人工知能は目覚ましい成果を上げてきましたが、現在の人工知能本体はまだ人間の心に近いレベルには程遠いです。複雑な環境に直面すると、コンピューティング システムの人工知能のレベルは限られており、その特性を十分に発揮できません。知能は複雑なシステムであり、人工知能アプリケーションを実現するための計算能力とアルゴリズムが追求される時代においては、知能エージェントと協力する人間の役割を無視することはできません。機械の能力値（計算）と人間の能力値（計算）の連携システムについては、まだ検討の余地がある。この記事では、マシンのコンピューティング ロジックと人間の「コンピューティング」の認知能力をさまざまな角度から分析し、その機能と欠点を調査し、人間とマシンのハイブリッド インテリジェンスに実現可能なアーキテクチャを提供するコンピューティング コンピューティング モデルを提案します。

この記事では、コンピューティングと認知分野の既存の成果に基づいて、状況認識層、認知的意思決定層、目標行動層を含むコンピューティング コンピューティング モデルを提案します。計算-計算モデルは 3 つのレベルで構築されます。

状況認識レイヤーには環境情報が含まれています。環境には、自然時空間内の環境と社会時空間が含まれ、あらゆる問題の根源は自然と社会にあり、人間の知識の根源も同様であると言え、この環境には確実かつ不確実な要素が含まれています。 。さらに、状況認識層は状況情報の収集と認識処理も担当します。数学における微積分は、問題の答えに近づくために既知のデータを操作するこのプロセスに似ています。指揮統制分野における情報収集と分析の分野も、情報の認識と処理に関するものであり、数値や微積分記号と比較して、情報の定量化はより複雑であり、経験豊富な指揮官によって扱われることが多くなります。

従来の自動化手法と機械学習アルゴリズムでは、人間のタスクに対する状況認識が低く、タスクや環境に対する人間の認識は主に経験に基づいているため、「ループ外」のエラーが発生する可能性があります。気分や警戒心の欠如。環境からの不確実なフィードバックもループの外側の問題に影響を与える可能性があり、密結合と疎結合の人間、マシン、ループの相互作用の間のバランスを達成することの重要性が強調されます。現在、アルゴリズムによって処理されるデータの解釈可能性が低下し、人間が「蚊帳の外」に閉じ込められ、インテリジェントエージェントに対する信頼が低下するという問題も生じています。

認知的意思決定層は、状況認識情報の深い処理に似ており、従来の意味での人間の認知に依存するだけでなく、機械による推論の能力も必要とします。人間の推論は、直観、論理、相関関係などの認知能力に基づいています。そこには計算の考え方が含まれています。 1980 年代に普及した人工知能をベースとしたエキスパート システムは、機械が簡単な質問と回答を実行できますが、質問と回答の内容は非常に限られていました。コンピューティング能力に加えて、主な理由は、1 対 1、1 対多、および多対 1 の知識マッピング関係に基づいてマシンに与えられる推論能力です。十分なハードウェアのコンピューティング能力が利用可能な場合、動的表現の下で柔軟な推論を実現する方法は検討に値する問題です。そして、マルチホップ推論を実現するために動的表現の下で知識を分散、拡散、暗示することが、この問題を解決する鍵となります。

ファジー ロジックは、推論と意思決定のために 1 つ以上の連続状態変数を対応するカテゴリにマッピングするためのフレームワークを提供します。ニューラル ネットワークはプログラムを使用して、典型的な大規模なデータベースのトレーニング プロセス中に学習した可変相互接続の重みを実行します。知識表現のための算術フレームワーク。進化遺伝学にヒントを得た遺伝的および進化的アルゴリズムは、反復的なシミュレーション手法を使用して、潜在的な選択肢の範囲を狭め、最適な解決策を選択します。人間は人間とコンピューターの対話インターフェイスを通じて機械と対話し、機械は人間の意思決定を支援します。機械部品の人間化を実現することは、人間と機械の統合における大きな一歩です。

ターゲット行動層は主に人間と機械のハイブリッド意思決定に反映されます。より高いレベルの知性が出現すると、常に人間が意思決定のトップに立つことになるが、これは多くの分野で合意に達している（目標追求における人的コストが低い状況を除く）。センスメイキングは現実世界で生き残るために不可欠であり、人間は世界の物体、出来事、状況から意味を構築しようと努めていることが多くの研究で示されています。人間は標識を解釈するのが得意であり、人間にとって建設は心理的な活動です。機械が人間と効果的に協働するためには、機械と人間の反応や決定が、同じ物体、出来事、状況を同じ記号として解釈したり、同じ意味を取得したりする必要があります。機械支援による意思決定は、人間と機械のハイブリッド意思決定という目標を達成するために必要な場合には、より完全な意味構築を提供する必要もあります。

6. コンピューティングの応用

6.1 人間とコンピューターの相互作用

現在の人間とコンピューターの相互作用における最も最先端の問題の 1 つは、人間と人工知能の間の相互作用です。 , しかし、まだ夜明け前の光を見ることはできません。その理由は、人間と機械の間には「計算」があるだけで、「計算」がないからです。少し単純化すると、「計算」だけがあり、「」はありません。計算"。

人間とコンピュータのインタラクションにおける「インタラクション」は、状態ベースのインタラクション、電位ベースのインタラクション、感覚ベースのインタラクション、知識ベースのインタラクションに分類できます。もう 1 つの分類は、事実ベース (データベース) です。 ）と（主観的な）価値に基づく相互作用、および事実と値のハイブリッド性に基づく相互作用。ヒューマン コンピュータ システムの計算は、数学的モデルを使用せずに人間が行う計算です。科学技術計算における「AND または NOT」ロジックについては誰もがよく知っているため、ここでは詳しく説明しません。SF 計算のロジックは次のようになります。 「正しいと間違った」と呼ばれるのは当然です。その中で、「はい」は同化を意味し、「非」は順応を意味し、「すべき」はバランスを意味します。未来のSFの問題に遭遇したときは、最初に「はい」を使用し、次に「非」を使用し、それから「すべき」です。大きな正義と大きな間違いがあるとき、大きな右が動かないなら、まず小さな右を試し、次に真ん中の右を試してダメなら、大きな間違いを動かさず、小さな右を試してください。まずは右、次に右真ん中を試す、この試行錯誤の過程が「中」のバランスです。 「すべき」とは、常に試み、調整し、バランスをとることを意味します。以上は、科学技術計算と人間計算の論理を組み合わせた新しい論理体系であり、人間計算の論理は価値や感情の方向性を把握し、科学技術計算の論理は事実に基づいた合理的な過程を洗練するものである。

機械は物理学と数学の結晶であり、環境は地理と歴史の産物であり、人間と機械の環境システムの相互作用によって表される人間と機械のシステムは、複雑な形態と単純な法則の表現です。 。 SFの使命は未来にあるので、「道は道ではない、名前は名前ではない」という重大な責任と責任を背負わなければなりません。数学におけるゲーデルの不完全性の法則、物理学におけるハイゼンベルクの測定不可能性の原理、経済学におけるアローの不可能性定理など、さまざまな学問の深化に伴い、既存の科学技術の論理体系は徐々に疲労の兆しを見せつつある時代が迫っています。新しい科学原理と新しい技術的手段はすべて、従来の考え方とは異なり、客観的事実と主観的価値観とより一致した新しい論理システム、つまり存在しない存在の出現を必要とします。

哲学的に言えば、客観的世界は主観的世界から完全に独立して存在しますが、これは誤った命題であり、実際には存在しません。本当に観察できるのは客観性と主観性の組み合わせであり、観察者と観察される世界との相互作用により、私たちは客観的な世界を無限の精度で理解することはできません。例えば、ハードウェアの能力が一定のレベルに達すると、人々はソフトウェアの能力の向上に注目し、ソフトウェアの能力が一定のレベルに達すると、人間のソフトウェアの能力の向上に注目するようになります。技術製品のレベルを測るには、異なる分野での「横断」と「連携」の速度と精度に基づいて予備的な判断を試みることができます。人間とコンピュータのシステムでは、その能力を「交差」させて判断してみたり、異なる分野の能力の速度や精度を「関連付け」て予備的な判断をしたりすることができます。

簡単に言えば、科学技術が問題を処理する方法は、一般に生産ベースの「if-then」因果関係であるのに対し、人間とコンピューターのシステムはよりヒューリスティックであるべきであり、最適性を追求するのではなく満足を追求する必要があります。多くの場合、非線形問題を処理できます。極めて複雑な環境において人間と機械が無力になるとき、それは論理が崩壊するときかもしれません。おそらく、人間とコンピューターの分野におけるヒューリスティックな計算 (計算) こそが、新しい論理圧縮の成功の鍵であると考えられます。

ヒューマン・マシン分野におけるボトルネックと困難の1つは、ヒューマン・マシン環境システムにおけるマルチドメインの不均衡の問題であり、これは「クロスオーバー」をどのように効果的に実現するかという問題に具体化されています。これは、人間と機械のさまざまな構築システムにおける「状態はあるが可能性がない」、あるいは「状態はないが可能性がない」という欠点を解決することだけでなく、「非効率性と可能性」の原因にも関係します。多くの人間と機械の環境システムの無能さ。人文領域、芸術領域、社会領域からなる基礎理論領域と、物理領域、情報領域、認知領域から構成される科学技術領域を有機的に結合させ、真の意味での「クロスオーバー」を実現し、人間とマシンの効果的なクロスドメインコラボレーション「Xie」が基礎を築きます。

現時点では、客観的な現実と実際の応用という観点から見ると、人間とコンピューターの環境システムの現在の波は、科学技術の発展メカニズムの理解における大きな進歩に基づいていないことを明確に認識する必要があります。現在の不完全なテクノロジーとコンピューターの専門知識、つまり古いロジックと古いテクノロジーを活用できる強力な方法では、本当の幻想を生み出すための扉をこじ開けることはできないかもしれません。人々の心の中にある「人間機械」のほとんどは、理解、志向性、意志、感情、自己認識、精神といった経験と切り離せないものです。これまでのところ、これらの分野の研究には画期的な進歩はなく、近い将来に大きな進歩の兆候もありません。さらに、テクノロジーへの依存は、解釈可能性、常識、学習、視覚化が不十分であり、理解を深め、意識を高め、人間と機械の構造と表現を改善する上での助けが限られています。

したがって、事前に決定された戦略と経験的判断に基づく従来の論理的アプローチはもはや実現できません。高度に複雑かつ高負荷なヒューマン・マシン環境において、重要な情報が不足した場合に、人間が大量の状況情報から有用な情報を正確に取得し、正しい認識を形成し、迅速かつ能動的に没頭できるようにするにはどうすればよいか。未来の人々、機械分野で早急に解決すべき問題。おそらく、人間の思考を制御できる実際のメカニズムは、アインシュタインが言ったように、これまでに作成された従来の論理とは根本的に異なります。「数学が現実について語るとき、それは不確定であり、数学が確実であるとき、それは現実とは何の関係もありません。」人間の経験と情報は、将来の人間とコンピュータ環境のシステム相互作用関係と新しい論理的実践に含まれます。

6.2 人間とコンピューターの融合知能

人工知能は特定の分野でますます広く使用されていますが、一般的な人工知能に対する人々の要求はますます明らかになってきています。弱い人工知能の限られた機能にはもう満足できません。今日のコンピューターの発展により、計算能力は大幅に向上しており、量子コンピューターでは計算能力が数桁向上します。そこで私たちは、人間の知能の性質と起源について考えることに目を向け、意識を理解するために認知神経科学やその他の側面からインスピレーションを見つけようと試み、人工知能に自律的な意識を与えたいと考えましたが、ほとんど成功しませんでした。より実用的で実現可能な解決策は、人間とコンピューターの相互作用の統合です。これにより、人間の意識的な思考、つまりコンピューティングと機械の論理計算が完全に統合され、統合中に機械が人間のコンピューティング能力を学習して理解できるようになります。人間と機械の融合知能は、知能の新たな時代を切り開きます。

人間と機械の融合知能とは何ですか?簡単に言えば、人間、機械、環境システムの相互作用によって生み出される新しい形の知能を記述し、人間と機械の強みを最大限に活用することに焦点を当てています。それは人間の知能でも人工知能でもありません。人間と機械の融合知能は、人間と機械の単純な組み合わせではなく、機械が人間の意思決定を徐々​​に理解できるようにし、異なる条件下での人間の意思決定に基づく価値の重みの違いを機械が徐々に理解できるようにします。人間は周囲の環境の認識と自分自身の欲望や衝動を通じて認知を形成しますが、機械は周囲の環境に関するデータと情報を取得し、特定のデータを通じて特定の実行プロセスをトリガーし、人間の認知能力と機械の計算能力を組み合わせることができるだけです。統合して新しい理解方法を確立し、目的を持った定期的な意思決定を行うことで、人間と機械の統合が人間と機械の統合よりも優れた効果を生み出します。

人工知能は人間の知能の記述可能かつプログラム可能な部分にすぎず、人間の知能は人間、機械 (物)、および環境システムの間の相互作用の産物です。人間と機械の機能的能力のマッチング分類は、すべての人工知能、人間主導型マシンのデータ支援、人間主導型マシンの正規化計算推論支援、人間主導型マシンの確率論的計算推論支援、人間主導型マシンの弱い判断の決定に従って分類できます。 -意思決定支援、人間がホストする機械 機械は意思決定部門を支援する強力な判断力を持っていますが、いずれにせよ、人間と機械のシステムでは常に人間が優位な立場にあります。つまり、人間はプロセス全体を通じてホストによって支援されます。システムが制御不能になるのを避けるためです。

人間と機械の有機的な統合をどのように実現するか?現在の人間と機械の統合知能はまだ初期段階にあり、解決すべき重要な課題がいくつかありますが、その中で最も重要なのは、機械の認知能力と機械のコンピューティング能力をどのように有機的に統合するかです。現在実用化段階にあるヒューマンマシンシステムは、人間と機械の分業が明確であり、機械が人間にデータを表示し、人間がインターフェースを介して機械を操作することが主な役割となっており、効率的な統合が行われていません。人間の思考や意思決定のプロセスは、外部からの情報を常に受け​​取りながら行われており、知覚、理解、連想、想像を通じて、外部の情報を自分の知識や経験的常識の中に取り込んでいくという学習プロセスでもあります。問題に遭遇したときは自分自身の経験と常識を利用し、インスピレーションと直観の助けを借りて問題を分析し、理解します。機械には、外部情報を抽象化し非合理的に考える能力がありません。

したがって、統合の鍵は、認知レベルでの機械の知識理解と学習能力を向上させ、人間と機械が認知レベルで通信して統合できるようにすることです。人間のつながりや想像力は、問題や知識の抽象化と伝達によって表現され、異分野の問題を領域を超えて解決することができ、表現が抽象化されればされるほど、伝達能力はより普遍的となり、突破口を開くことができます。思考の限界。人間は事前の知識を内面化することで非公理的な直感的な認識を達成できますが、機械は合理的な論理に基づいて客観的なデータを処理するだけです。機械の認知能力を向上させることが、人間と機械のスムーズな統合の鍵となります。

人間と機械の融合インテリジェンスで考慮する必要があるもう 1 つの重要な問題は、介入、つまり人間と機械の融合のタイミングと方法です。人間が突然介入した場合、または人間と機械の間で周囲の環境に関する情報の認識と処理に非対称性があり、人間と機械の決定の間に矛盾が生じた場合、システムはどのように決定を下すべきか。人間と機械の決定が矛盾する場合、一方の当事者がその決定をどのように説明し、他方の当事者を説得できるかという、解釈可能な問題も発生します。さらに、人間と機械の融合においては、外部情報の不足や機械自身の何らかの理由により、機械による意思決定の歴史的精度は高くなく、現時点では、人間の機械に対する信頼に問題が生じる可能性があります。軍事用途などでは、意思決定の誤りが発生する可能性があり、許容範囲は非常に低いです。一般的なシナリオでは、機械の意思決定の精度が非常に高い場合、長期的には人間への過度の依存につながり、自信、勇気、勇敢さ、勇気などの優れた特性の喪失に簡単につながる可能性があります。人間の本性。

人間と機械のハイブリッド知能のメカニズムの難しさ: 計算のメカニズム、知的計算 (計算) のメカニズム、人間と機械における信頼、理解、意図、適応などの基本概念の定義ハイブリッド、人間と機械のハイブリッド知能のメカニズム 機能と能力の境界設定、適応、および知的計算の鍵は、計算と計算の弁証法的統一をどのように達成するかにあります。逆説と矛盾、逆算は無限ループする可能性がある、状況は互いにどのように相互作用するのか、認識はどのように統合できるのか、敵のように考えて客観的な判断と推論を行う方法を学ぶにはどうすればよいのか。

人間とコンピューターの統合の現れは、人間とコンピューターの通信、人間とコンピューターの相互作用インターフェイス、補助的な意思決定、人間とコンピューターの機能割り当てなどの方法です。情報の非対称性などの問題を回避するには、人間と機械の間に高速かつ効果的な双方向の情報対話関係を確立する必要があります。機械は、周囲の環境からより定量的かつ具体的な情報を状況に応じて感知するのが得意です。処理後、情報は簡潔かつ直感的な方法で人間に提示される必要があります。また、人間が行う思考や決定は、説明可能で論理的に機械に適用される必要があります。航空、原子力、航空管制などの分野で用いられている既存の人機の機能割り当ては、自動化レベルのスケールに基づいた静的な割り当てが多く、一定のシステムを通じて人機の能力に応じて比較的合理的に機能が割り当てられています。人間と機械の機能を合理的に割り当てることで、人間と機械のそれぞれの利点を最大限に活用し、組み合わせることができ、人間と機械の融合システムのインテリジェンスを反映することができます。

今日の人工知能システムが人々の期待に程遠い根本的な理由は、人工知能を構築する基礎が、実際のインテリジェントな論理ではなく、現代の数学であるためです。まず第一に、数学は論理ではありません。数値からグラフ、さらには算術から微積分、圏論まで、すべては公理に基づいた数理論理学システムであり、実際のインテリジェント論理には数理論理学と弁証法論理の両方が含まれ、さらにはまだ発見されていない多くの未発見の論理法則が含まれます。未来の知識は、将来の数学の源であり、現実の論理の出現でもあります。本当の知性は決して単純な脳の産物ではなく、人、物体、環境の相互作用と相互刺激と覚醒の産物です。設計者が計画したインテリジェントなシステムなど、製造者は処理と実装を注意深く理解する必要があり、ユーザーも現場の状況や対象を絞った柔軟なアプリケーションなどに適応する必要があります。インテリジェンスには、3 つ以上の対立物の効果的な統合が含まれ、客観的な事実状態があり、その計算は、主観的な価値傾向の計算と同様に、人、物体、環境の深い状況認識システムです。しかし、現在の人工知能は、ルールベースの数学モデルに基づくものであっても、統計的確率に基づくものであっても、ほとんどが計算に基づいていますが、人間の計算の組み合わせや埋め込みが欠けているため、知能の現実性や柔軟性からは程遠いものとなっています。

7. 概要と展望

この記事では、まず計算を定義し、次にその研究の意義と発展を紹介し、計算と計算の違いについて説明します。コンピューティング-コンピューティング モデルに問い合わせて提案し、人間とコンピュータの相互作用および人間とコンピュータの統合知能におけるコンピューティングの応用を紹介します。

人間とコンピューターのインタラクションは、人工知能の開発の重要な部分であり、新しい理論的手法だけでなく、人間、機械、環境の間の関係の新たな探求も必要とします。人工知能の人気は高まり続けており、ますます多くの製品が人々の生活に入り込んでいます。しかし、強力な人工知能はいまだ実現しておらず、人間の計算知能をどのように機械に移植するかが解決すべき課題となっています。私たちは、認知の観点から認知モデルを構築したり、意識の観点から意識チューリングマシンを構築したりすることで、人間の認知的思考を理解・シミュレーションし、人間のコンピューティング能力の実現を目指しています。計算 - 計算モデルの研究では、機械技術の急速な発展だけでなく、機械と人間がそれぞれの任務を遂行し、統合し、統合できるように、相互作用する主体である人間の考え方や認識方法も考慮する必要があります。これが人間とコンピュータの相互作用の展望とトレンドです。

人間と機械のハイブリッド知能は、知能と同様に、人間の脳や脳のようなものの産物でも、人間そのものの産物でもありません。人、物体、環境システムの相互作用の産物です。 、マルクスが言ったように、「人の本質は、一人の人間に固有の抽象的なものではありません。その現実において、それはすべての社会関係の合計です。」 たとえば、オオカミ少年は、人間のすべての構造と構成要素を備えていますが、人間の脳は、人間の社会環境システムと通信せず、相互作用することもできず、人間の知性や知恵を持つことは不可能です。実際、未来のマンマシンも人、物体、環境の 3 つの要素から構成されており、科学技術の急速な発展に伴い、物体は徐々に人工機械に置き換わります。公平に言うと、既存の数学体系や思考モデルに基づいて人間と機械が現在の科学技術のレベルを超えることは基本的に不可能ですが、過去、現在、未来の人間と機械の環境システムでは可能です。 。テクノロジーは論理的ですが、マンマシンは必ずしも論理的ではなく、マンマシンは非常に広大な空間であり、いつでも異質なコレクションを開き、客観的な論理と主観的な超論理を組み合わせることができます。

以上が計算と計算の簡単な分析の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。