계산 및 계산에 대한 간략한 분석

본 글에서는 먼저 계산을 정의한 후, 계산의 연구 의의와 발전을 소개하고, 계산과 계산의 차이점과 연관성을 논의한 후 계산-계산 모델을 제안하고 마지막으로 계산의 적용을 설명하고 요약합니다.

1. 서론

요즘 인간은 아직 인공지능에 대해 정확한 정의를 내리지 못했지만, 대부분의 사람들의 견해에 부합하는 정의를 내리고 있다고 하면, 컴퓨터가 다양한 일을 완성하게 한다는 뜻이다. 인간의 마음이 할 수 있는 일. 1940년대 튜링의 인공지능 예측부터 1980년대 전문가 시스템의 발전, 그리고 이제 3대 사고 분야에 인공지능의 적용은 인간 삶의 모든 면에 침투해 있다. 그중 연결주의는 대뇌피질 신경망과 신경망 간의 연결 메커니즘을 모방하는 것을 강조한다. 즉, 다중 은닉층 처리 구조를 이용해 다양한 빅데이터를 처리하는 행동주의는 주로 인간이나 생물학적 개인과 집단 통제 행동 기능을 모방한다. 보상 및 처벌 제어 메커니즘을 갖춘 강화 학습 방법으로 나타납니다. 상징주의는 지능적인 행동을 생성하기 위해 물리적 기호 시스템의 사용을 강조하며 주로 지식 그래프 응용 시스템에 사용됩니다.

인공지능의 적용은 일정한 결과를 얻었지만 무시할 수 없는 결함이 있습니다. 연결주의의 딥러닝 알고리즘은 미분화가 불가능하고, 계산적 수렴성이 약하며, 개방형 동적 환경에서는 결과가 좋지 않습니다. 모델 자체가 "블랙박스"입니다. 행동 강화 학습은 인간 행동 과정을 지나치게 단순화하고 실험에서 단순한 보상 및 처벌 피드백 과정만 측정합니다. 둘째, 행동주의는 관찰 가능한 행동을 연구하지만 종종 마음의 내부 활동을 무시하고 의식의 중요성을 부인하며 의식과 행동을 반대합니다. 상징주의와 그에 따른 지식 그래프는 '상식'을 어떻게 정의할 것인가의 문제와 불확실한 것에 대한 지식 표현과 문제 해결의 문제에 부딪힌다.

인공지능이 인간의 마음에 접근하기 위해서는 지능이 무엇인지 탐구해야 합니다. 지능에 대한 대부분의 정의에는 한 가지 공통점이 있습니다. 지능은 문제를 해결하는 능력이며, 더 복잡한 문제에는 더 높은 수준의 지능이 필요합니다. 덧셈과 뺄셈에 비해 미분방정식을 푸는 데는 틱택토에 비해 더 높은 수준의 지능이 필요하며, 바둑을 잘 하려면 더 높은 수준의 지능이 필요합니다. 그러나 기계가 특정 문제를 해결할 수 있다고 해서 문제가 매우 복잡하더라도 기계의 지능 수준이 높다는 의미는 아닙니다. 인간의 신경망에 관심을 돌립니다. 신경망은 퍼셉트론, 센터, 효과기로 구성된 시스템 단위로 단순화되는 경우가 많으며, 세 시스템 각각은 서로 피드백을 받는 수많은 뉴런으로 구성됩니다.

현재의 신경과학적 분석 방법으로는 이 모델이 정확하지만 사람들은 외부 정보와 내부 정보의 비율을 무시하는 경우가 많습니다. 사람들은 종종 이 시스템을 입출력 시스템으로 단순화합니다. 실제로 신경계에는 외부 정보보다 내부 정보를 수신하는 수용체가 100,000배 더 많습니다. 즉, 신경계 전체는 자체 폐쇄형 시스템에 가깝습니다. 더욱이, 형식적 신경망의 폐쇄적 특성으로 인해 구성주의는 객관적 존재가 구성자를 떠날 수 없다는 철학적 이론을 추론할 수 있습니다. 기계는 객관적으로 존재하며 인간 없이는 문제를 해결할 수 없습니다. 그러므로 인간으로부터 완전히 독립된 일반적인 인공지능 시스템을 구현하는 것은 비현실적이다. 본 논문에서는 먼저 계산을 정의하고, 그 연구의 의의와 발전을 소개하고, 계산과 계산의 차이점과 연관성을 논의하고, 계산-계산 모델을 제안하고, 마지막으로 계산의 적용을 설명하고 요약한다.

2. 계산의 정의와 본질

계산은 다양한 사실과 가치의 혼합된 관계를 지각적 방법과 이성적 방법을 혼합하여 사용하는 방법으로, 데이터 없이도 깊은 상황 인식을 명확하게 이해할 수 있습니다. 섬광. 계산은 여러 측면과 과정으로 나타날 수 있습니다. 계산은 계산 이전의 행동입니다. 계산은 인간의 행동이 아닌 인간의 설계에 의해 미리 생성되는 비자발적 명령입니다. 계산은 숫자와 도표가 없는 계산, 즉 수학이 없는 계산이다. 계산은 인간의 합리성과 감성이 혼합된 계산이며 형식적이고 알려지지 않은 논리적 형태의 기존 논리이다.

“컴퓨팅”의 미래가 우주의 복잡한 물리적 거동을 활용하는 데 있다면 “컴퓨팅”의 미래는 우주의 복잡한 물리적, 비물리적 거동을 활용하는 데 있습니다. 기계 계산과 달리 인간의 계산은 사실을 구현하는 이성적인 부분과 가치를 구현하는 지각적인 부분을 모두 포함하여 복잡합니다. 변형) 따라서 지각 가치는 인간과 기계 간의 지능의 가장 중요한 차이점 중 하나입니다. 물론 인간과 기계 사이의 합리적 사실과 합리적 가치가 완전히 동일하지는 않습니다. 특히 인간의 일대다 관계와 기계의 일대다 구조는 동일한 것이 아닌 경우가 많습니다.

3. 컴퓨팅의 연구의의와 발전

2.1 인지

인지는 인지라고도 할 수 있는데, 이는 사람이 외부 사물을 이해하는 과정, 또는 사람의 감각 기관 과정에 작용하는 외부 사물의 정보 처리 과정을 의미합니다. 인간의 인지활동, 즉 개인의 수용, 탐지, 전환, 환원, 합성, 부호화, 저장, 추출, 재구성, 개념형성의 과정을 말한다. , 문제 해결을 위한 판단 및 정보 처리. 심리학에서는 개념 형성, 지각, 판단, 상상 등 정신적 활동을 통해 지식을 획득하는 과정, 즉 정보처리를 위한 개인의 사고의 심리적 기능을 말한다.

인지 모델은 인간의 인지 능력에 대한 이해를 바탕으로 인간의 인지 과정을 시뮬레이션하는 계산 모델입니다. 여기서 인지 모델의 인지 능력에는 일반적으로 지각, 표현, 기억 및 학습, 언어, 문제 해결 및 추론과 같은 측면이 포함됩니다. 보다 지능적인 기계를 만들기 위해 우리는 사람에게서 영감을 얻고 동시에 인간의 사고 메커니즘, 특히 인간의 인식 및 주변 정보 처리 메커니즘을 더 잘 탐구하고 연구하여 실제 인공 지능을 만들기를 희망합니다. 시스템은 새로운 아키텍처 및 기술 접근 ​​방식을 제공합니다. Duch는 기존 인지 모델을 기억과 학습의 차이에 따라 상징적 인지 모델, 창발적 인지 모델, 하이브리드 인지 모델의 세 가지 범주로 나눕니다.

2.2 심층 상황 인식

사람들은 종종 "상태"를 느끼고 "잠재력"을 인식합니다. 그러나 세계의 상태와 잠재력은 종종 혼합되어 있기 때문에 사람들의 세계에 대한 이해는 인식을 기반으로 하는 경우가 많습니다. 나중에는 해당 "잠재력"이 중장기 추세를 처리하고 더 깊은 통찰력, 즉 이해 능력을 형성하기 위한 단기 추세라는 것을 발견했습니다. 사실 자체를 넘어 판단하고 예측하면 상황 인식이 나타날 준비가 되어 있습니다. 인지는 인식에 대한 인식이라고 말할 수도 있습니다. 이후 인간의 인지에는 선호도, 습관, 사전지식, 모호함, 기억력 등의 한계가 있으며, 기계와 협업의 메커니즘은 서로 보완하고 서로의 장점을 통해 자연스럽게 학습할 수 있다는 사실이 밝혀졌습니다. 통합 지식 개념이 도출되었습니다.

심층상황인식이란 "상황인식에 대한 인식, 인간의 지혜와 기계지능(인공지능)을 모두 포함하는 일종의 인간-기계 지능"이라는 뜻으로, 두 가지를 모두 포함하는 기표+기의입니다. (기표, 느낌)과 이들 사이의 관계(지시 대상, 인식)는 사물의 원래 의미를 이해할 수 있을 뿐만 아니라 의미도 이해할 수 있습니다. Endsley를 주체로 하는 상황인식(정보입력, 처리, 출력링크 포함)과 사람, 기계(사물), 환경(자연, 사회) 및 이들의 상호관계에 대한 전반적인 시스템 동향 분석을 기반으로 하며, 자체 조직화 및 자체 적응뿐만 아니라 기타 조직화 및 상호 적응을 포함하는 ""소프트/하드" 두 가지 규제 피드백 메커니즘(국지적 정량적 계산 예측 및 글로벌 정성적 계산 평가 포함)을 갖추고 있습니다. 이는 자율적이고 자동적인 정보 수정 및 융합효과를 위한 보상기대-선택-예측-제어 시스템.

어떤 의미에서 심층 상황 인식이란 특정 환경에서 인간의 다양한 인지 활동(목적, 느낌, 주의력, 동기 부여, 예측, 자동성, 운동 능력 등)을 최대한 활용하여 테마를 완성할 수 있도록 시스템을 구성하는 것입니다. 계획, 패턴 인식, 의사 결정, 동기 부여, 경험 및 지식 추출, 저장, 실행, 피드백 등의 포괄적인 구현입니다. 정보와 자원이 부족한 상황과 정보와 자원이 과부하된 상황 모두에서 작동할 수 있습니다.

실험적 시뮬레이션과 현장 조사 및 분석을 통해 심층 상황 인식 시스템에 "개구리 도약" 현상(자동 반응)이 있다고 믿습니다. 즉, 정보 입력 단계에서 출력 제어까지 직접 진행됩니다. 이는 주로 사람이 껌을 씹고, 잡담하고, 붙잡고 있는 것처럼 명확한 과제주제, 조직/개인의 주의집중, 장기간의 목표훈련의 조건반사에 의해 발생합니다. 우산을 쓰고 걷는 동안 그는 무의식적으로 다양한 자연 활동을 조정할 수 있으며 시스템은 의식적인 규칙에 따른 반응보다는 거의 완벽한 자동 제어를 수행합니다. 심층적인 상황 인식은 본질적으로 변화와 불변성, 일과 다, 자율성과 수동성과 같은 많은 역설을 만들고 해결하는 과정입니다. 따라서 시스템은 단순한 인간-컴퓨터 상호작용이 아니라 인간-컴퓨터 환경 시스템 전체에 걸쳐 자율적인(기대, 선택, 제어, 감정 영역까지 포함) 인지 프로세스여야 합니다. 심층 상황 인식 시스템에 대한 연구 범위가 넓다는 점에서 비선형성, 무작위성, 불확실성과 같은 시스템 특성을 생성하기가 쉽기 때문에 시스템 모델링 연구가 더 큰 어려움에 직면하는 경우가 많습니다.

2.3 계산

인간의 기호, 연결, 행동, 메커니즘은 다차원적이고 다각적이며 심지어 변화 수준과 각도도 있는 반면, 기계의 기호, 연결, 행동, 메커니즘은 단일 차원, 단일 각도입니다. , 솔리드 레이어 및 고정 각도. 인간 사고의 본질은 변화에 적응하고 실시간으로 생성될 수 있는 프로그램으로, 상징주의, 연결주의, 행동주의, 메커니즘주의 간의 연결을 설명할 수 있고 이러한 연결을 열어 포괄적인 처리를 달성할 수 있습니다. Davenport는 특정 종류의 인간 지능 행동이 명확한 단계, 규칙 및 알고리즘으로 분류되면 더 이상 인간에게만 국한되지 않는다고 믿습니다. 과학적 발견이 어떻게 연구 가능한 질문이 되는지. 인간-기계 하이브리드 지능의 문제는 기계의 자율성 정도가 높을수록 인간의 상황 인식이 낮아지고, 인간과 기계 사이의 업무를 원활하게 인수하는 어려움이 줄어든다는 점이다. 생리적 부하 및 심리적 인지 부하 증가" "현상.

컴퓨팅은 기계의 도움 없이 인간이 도메인 간 다중 소스 이기종 시스템을 복잡하게 "계산"하는 프로세스입니다. 어떤 의미나 정도에서 계산은 보기와 수행의 통합이라는 두 가지 "뉴로모픽" 프로세스와 "저장과 계산의 통합"의 상호 균형입니다. 보기(존재)는 비실시간 TOP-DOWN 프로세스입니다. 계산은 소규모 미세 입자의 실시간 상향식 프로세스입니다. 도약적 사고를 넘어 인간의 마음은 본질적으로 상징적이지 않기 때문에 계산할 수 없습니다. 인간의 두뇌는 컴퓨터가 아니며 물리적, 비물질적 생리적, 심리적 특성을 모두 가지고 있습니다. 의미 없는 사실에서 의미 있는 가치가 탄생할 수 있고, 의미 있는 가치에서 의미 없는 사실이 탄생할 수 있습니다. 이러한 주관성과 객관성의 혼합은 마음의 계산적 특성, 즉 제한된 합리적 계산과 무한한 지각적 계산이 공존하는 것을 결정합니다. 예를 들어 인간 혁신의 '도약'적 사고는 계산에 기반을 두지 않는, 즉 언어와 논리를 따르지 않는 경우가 많다. 따라서 완전히 기계에 기반한 인공지능은 '도약'을 하지 못할 수도 있다. "라고 생각하기 때문에 진정으로 폐쇄되지 않고 개방된 환경에서는 창의성을 발휘할 가능성이 거의 없습니다.

현실 세계의 다양한 개념과 제안은 유동성과 유연성의 다양한 조합을 가지고 있습니다. 계산은 상징이 아닌 절차적이며 의식의 발현과정이기도 하다. 의식은 많은 "숨겨진" 사물의 "명시성", 암묵적 상태와 숨겨진 잠재력의 표현, 암묵적 감정이나 암묵적 지식의 표현, 암묵적 주의력과 암묵적 기억의 표현, 암묵적 판단과 암묵적 추론의 표현일 수 있습니다. , 분석을 숨기지만 의사 결정의 표현을 숨기고, 사실과 암시적 가치의 표현을 숨기고, 인간의 감정을 숨기고 물리학의 표현을 은폐합니다. 동양계산은 예전에는 인간관계와 경영의 정교함을 바탕으로 한 계산이 주를 이루었지만 이제는 물리학, 수학, 법리 등을 바탕으로 한 새로운 계산을 접목하고 있습니다.

이제 다양한 알고리즘은 피상적인 상관 관계를 넘어 진정한 이해 수준에 도달하여 더 높은 수준의 인간-기계 융합 지능을 달성해야 한다고 믿는 사람들이 점점 늘어나고 있습니다. 상황과 잠재력은 연결된 두 개체입니다. 상황과 잠재력은 서로 다른 두 지점의 변화 방향을 반영합니다. 계산하는 것보다 계산하는 것이 더 정확합니다.

이를 바탕으로 동양과 서양의 계산상의 차이를 비교하는 것은 해체주의의 아버지 자크 데리다가 말한 논리적 합리성의 유무와 같습니다. 북아프리카와 중앙아시아의 문명에서 유래한 서양은 과학기술의 힘을 발견하고 그에 관련된 일련의 학문분야를 창안해냈고, 이를 바탕으로 '계산'을 핵심으로 하는 세계관과 가치관을 형성했다. 논리와 합리성을 도구로 삼아 물질세계의 많은 법칙, 경제현상, 자연선택 등을 인류사회에 복원시키며 큰 공헌을 해왔습니다. 그러나 최근 서양의 통찰력 있는 많은 사람들은 논리와 합리성의 장점을 충분히 활용하면서도 논리와 합리성의 한계와 결핍을 점점 더 느끼며 의식적이든 무의식적으로든 동양으로 관심을 돌리고 있다. "신비한" 지혜가 되려면 물리학에서 심리학, 경영 등에 이르기까지, 라이프니츠 초기부터 조셉 니덤(Joseph Needham), 호프스태터 등에 이르기까지 동양 사상의 '계산'과 서양의 '계산'은 좋은 짝입니다. 또한 질적이며 수량화, 주관성과 객관성, 가치와 사실, 시스템과 환원의 완벽한 조합입니다. "사람보다 더 높은 수준은 없으며 계산보다 더 나은 계산은 없습니다."라고 말할 수 있습니다.

4. 계산과 계산의 차이와 연관성

계산의 존재론은 사실적 개념이고, 계산의 존재론은 가치선호이다. 계산의 주체는 사람이고, 계산의 주체는 사람을 담은 시스템이다. 계산의 주체는 변경 가능하지만 존재론은 변하지 않습니다. 계산의 주체는 변하지 않지만 존재론은 끊임없이 변합니다. 계산은 파라메트릭 모델링을 사용하고, 계산은 파라메트릭 모델링을 생성합니다. 계산은 감지-저장-계산-전송-사용-피딩-평가의 순서로 수행되는 경우가 많지만, 특정 상황에 따라 감지-저장-계산-전송-사용-피딩-평가의 순서 조합을 깨뜨리는 경우가 많습니다. -계산하고, 잠시 느끼고 계산하고 평가할 수도 있습니다. 계산의 경우 객관적인 사실을 입력하면 결정론적인 객관적인 사실이 출력됩니다. 이는 사실에서 진실을 찾는 실제 증거에 기초한다고 할 수 있으며, 이는 이성적 존재의 논리적 추론입니다. 객관적인 사실이 입력되더라도 반드시 사실인 것은 아니다. 즉, 실제 입력이 주관적으로 변경되어 사실에서 진실을 찾는 것은 지각적이어야 한다는 비논리적 실현이다. . 예를 들어 Jordan, James 등이 될 수 있는 23을 입력합니다.

실제 게임 과정에서는 표면적으로는 수학적 계산의 합리적인 과정입니다. 실제로는 지각적인 계산 과정도 있습니다. 즉, 양측 모두가 그렇지 않습니다. 이성적으로 싸울 뿐 아니라 감수성이 풍부하다. 요소의 격동은 사실과 가치가 뒤섞이고 결합되는 화산의 예술과 과학의 싸움이다.

계산의 기본은 제한된 폐쇄이며, 계산의 특징은 조건부 개방성입니다. 계산은 제한된 객관적 사실 존재(현실)에서 무한한 주관적 가치(가능성)를 추론하는 것입니다. 계산은 확실성을 가지고 추론하고, 계산은 불확실성을 가지고 추론하며, 계산은 확실성과 불확실성이 혼합된 것입니다. 기계는 국부적인 사실논리만 갖고 인간의 전체적인 가치논리가 없기 때문에 인간과 기계가 결합해 서로의 기능과 능력을 보완하고, 인간 계산의 날카로운 모서리를 이용해 기계 계산이 부딪히는 다양한 '벽'을 뚫는다. 때때로. 인간-기계 통합에서 귀중한 것은 사실 프로세스가 역동적인 환경을 통해 지능적 논리에 의미 있는 것이 된다는 것입니다. 사실은 그것이 무엇인지에 따라 존재하는 것이 아니라 가치와의 통합에서 존재하는 것입니다. 이를 뒷받침하는 새로운 논리 시스템, 즉 인간-컴퓨터 통합의 컴퓨팅-컴퓨팅 논리 시스템을 구축합니다.

그럼 계산이란 무엇일까요? 계산이란 무엇입니까? 계산은 알려진 조건에서 시작하여 "복잡성"을 해결하는 논리입니다. 계산은 알려지지 않은 전제에서 시작하여 "복잡성"을 처리하는 직관입니다. 계산의 핵심에는 "다른"과 "yi"라는 두 단어가 있습니다.

계산에서는 서로 다른 분야의 것들이 균형 있게 처리됩니다. 이것이 계산의 핵심입니다. 그리고 계산을 수행하려면 동일한 구조, 동일한 데이터, 동일한 속성이 필요합니다. 확실하다.

반대로 인간은 가치 논리에 초점을 맞추고, 기계는 사실 논리에 초점을 맞추고, 인간은 변증법적 논리에 초점을 맞추고, 기계는 형식 논리에 초점을 맞춥니다. 기계 계산과 달리 인간의 계산은 사실을 구현하는 이성적인 부분과 가치를 구현하는 지각적인 부분으로 복잡합니다. 인간과 기계의 지능의 가장 중요한 차이점 중 하나입니다. 물론 인간과 기계 사이의 합리적 사실과 합리적 가치가 완전히 동일하지는 않습니다.

구체적으로 인간의 일대다 관계와 기계의 일다구조는 동일하지 않은 경우가 많습니다. 그렇다면 인간-기계 통합은 변증법적 형식논리 또는 형식변증법적 논리인데, 이는 논리적 변환의 어려운 문제, 즉 사실적 형식논리를 어떻게 가치 변증법적 논리로 변환할 것인지, 또는 어떻게 가치 변증법적 논리를 사실적 형식논리로 변환할 것인지에 대한 문제를 수반한다. 표면적으로 인간의 변증법적 논리는 문제를 해결하기보다는 문제를 생각하는 데 사용됩니다. 사실 이는 형식적 계산논리와 변증법적 계산논리에 대한 불분명한 이해에서 비롯된다.

계산과 계산의 관계도 뗄 수 없습니다. 계산 과정에서는 방향을 안내하기 위한 계산이 필요합니다. 계산 과정에서 계산은 기본 작업을 완료하는 기초로 사용될 수 있습니다. 둘 다 필수 불가결합니다. 계산의 온톨로지는 사실적 개념이고, 계산의 온톨로지는 가치 선호이다. 계산의 주된 대상, 계산의 주체는 인간을 포함하는 시스템이다. 계산은 사실적 개념을 바꿀 수 없지만 그것을 운영하는 사람은 바꿀 수 있습니다. 계산에 참여하는 사람들의 체계는 바뀔 수 없지만 가치 선호는 종종 변합니다. 그러므로 이 둘의 조합만이 더 나은 지능을 달성할 수 있다.

5. 계산 - 계산 모델

인공지능은 눈부신 성과를 거두었지만, 현재의 인공지능 신체는 아직 인간의 마음에 가까운 수준에는 도달하지 못했습니다. 복잡한 환경에 직면하여 컴퓨팅 시스템의 인공 지능 수준은 제한되어 있으며 그 특성을 최대한 발휘할 수 없습니다. 지능은 복잡한 시스템이다. 인공지능 응용을 구현하기 위해 컴퓨팅 파워와 알고리즘을 추구하는 시대에는 지능형 에이전트와 협력하는 인간의 역할을 무시할 수 없다. 기계의 능력치(계산)와 인간의 능력치(계산) 간의 협업 시스템에 대해서는 아직 연구가 필요합니다. 이 기사에서는 기계의 컴퓨팅 논리와 인간 "컴퓨팅"의 인지 능력을 다양한 각도에서 분석하고, 그 기능과 단점을 살펴보고, 인간-기계 하이브리드 지능을 위한 실현 가능한 아키텍처를 제공하기 위한 컴퓨팅-컴퓨팅 모델을 제안합니다.

이 기사에서는 컴퓨팅 및 인지 분야의 기존 성과를 기반으로 하는 컴퓨팅-컴퓨팅 모델을 제안합니다. 모델에는 상황 인식 계층, 인지 의사 결정 계층 및 대상 행동 계층이 포함됩니다. 계산-계산 모델은 세 가지 수준으로 구성됩니다.

상황 인식 레이어에는 환경 정보가 포함되어 있습니다. 환경은 자연적 시간과 공간 속의 환경과 사회적 시간과 공간을 포함한다. 모든 문제의 근원은 자연과 사회에서 비롯된다. 이 환경 역시 확실하고 불확실한 요소를 담고 있다고 할 수 있다. . 또한, 상황인식 계층은 상황정보의 수집과 인지처리도 담당한다. 수학의 미적분학은 문제에 대한 답에 더 가까워지기 위해 알려진 데이터를 조작하는 이 프로세스와 유사합니다. 지휘통제 분야의 지능 수집 및 분석 분야 역시 정보의 인식과 처리에 관한 것인데, 숫자나 미적분 기호에 비해 지능의 정량화는 더 복잡하고 숙련된 지휘관이 처리하는 경우가 더 많습니다.

기존의 자동화 방법과 기계 학습 알고리즘은 인간이 작업에 대한 상황 인식이 낮기 때문에 "루프 외" 오류로 이어질 수 있습니다. 작업과 환경에 대한 인간의 인식은 주로 경험을 기반으로 하기 때문입니다. 안주하거나 경계심이 부족해집니다. 환경의 불확실한 피드백은 루프 외부의 문제에 영향을 미칠 수도 있으며, 이는 긴밀하게 결합된 인간-기계-루프 상호 작용 간의 균형을 이루는 것이 중요하다는 점을 강조합니다. 요즘에는 알고리즘으로 처리된 데이터의 해석 가능성이 저하되어 인간이 "루프 외부"에 갇히게 됩니다. 이는 또한 지능형 에이전트에 대한 신뢰가 떨어지는 문제를 야기했습니다.

인지적 의사결정 계층은 상황 인식 정보의 심층 처리와 유사하며 전통적인 의미의 인간 인지에 의존할 뿐만 아니라 기계 추론 능력도 필요합니다. 인간의 추론은 직관, 논리, 상관관계와 같은 인지 능력을 기반으로 합니다. 계산 아이디어가 포함되어 있습니다. 1980년대에는 전문가 시스템이 유행했고, 인공지능을 기반으로 한 전문가 시스템이 대세였다. 간단한 질문과 답변은 기계가 할 수 있었지만, 질문과 답변의 내용은 매우 제한적이었다. 컴퓨팅 파워 외에도 일대일, 일대다, 다대일 지식 매핑 관계를 기반으로 기계에 부여되는 추론 능력이 주된 이유이다. 동적 표현에서 탄력적 추론을 달성하는 방법은 충분한 하드웨어 컴퓨팅 성능을 사용할 수 있는 경우 고려할 가치가 있는 문제입니다. 그리고 다중 홉 추론을 달성하기 위해 동적 표현 하에서 지식을 분산, 확산 및 암시하는 것이 이 문제를 해결하는 열쇠입니다.

퍼지 논리는 추론 및 의사 결정을 위해 하나 이상의 연속 상태 변수를 해당 범주에 매핑하기 위한 프레임워크를 제공합니다. 신경망은 대규모 일반 사례 데이터베이스의 훈련 과정에서 학습된 가변 상호 연결 가중치로 지식을 표현하는 프로그램을 사용합니다. 진화 유전학에서 영감을 받은 유전 및 진화 알고리즘은 반복적인 시뮬레이션 방법을 사용하여 잠재적 옵션의 범위를 좁히고 최적의 솔루션을 선택합니다. 인간은 인간-컴퓨터 상호작용 인터페이스를 통해 기계와 상호작용하고, 기계는 인간의 의사결정을 돕습니다. 기계 부품의 인간화를 실현하는 것은 인간과 기계의 통합에 있어서 큰 진전입니다.

목표 행동 계층은 주로 인간-기계 하이브리드 의사 결정에 반영됩니다. 더 높은 수준의 지능이 나타나면 인간은 항상 의사결정의 최상위에 있을 것입니다. 이는 목표 추구에 있어 인적 비용이 낮은 조건을 제외하고는 많은 분야에서 합의된 것입니다. 센스메이킹은 현실 세계에서 생존하는 데 매우 중요하며, 많은 연구에 따르면 인간은 세상의 사물, 사건, 상황에서 의미를 구성하려고 노력하는 것으로 나타났습니다. 인간은 기호를 더 잘 해석합니다. 인간에게 건축은 심리적 활동입니다. 기계가 인간과 효과적으로 협력하기 위해서는 기계와 인간의 반응과 결정이 동일한 대상, 사건, 상황을 동일한 기호로 해석하거나 동일한 의미를 얻어야 합니다. 또한 기계를 이용한 의사결정은 인간-기계 하이브리드 의사결정의 목표를 달성하기 위해 필요한 경우 보다 완전한 의미 구성을 제공해야 합니다.

6. 컴퓨팅의 응용

6.1 인간-컴퓨터 상호작용

인간-컴퓨터 상호작용의 가장 최첨단 이슈 중 하나는 인간과 인공지능의 상호작용인데, 그 이유는 아직까지 여전하지 않기 때문입니다. 인간 사이에는 '계산'만 있을 뿐, '계산'은 없다. 더 쉽게 말하면 '계산'만 있고 '계산'은 없다.

인간-컴퓨터 상호작용의 "상호작용"은 상태에 기반한 상호작용, 잠재력에 기반한 상호작용, 감각에 기반한 상호작용, 지식에 기반한 상호작용으로 나눌 수 있습니다. (주관적) 가치성에 기반한 상호작용과 사실-가치 하이브리드성에 기반한 상호작용. 인간-기계 시스템의 계산은 인간이 수학적 모델 없이 수행하는 계산입니다. 모든 사람은 과학 및 기술 계산의 "AND 또는 NOT" 논리에 익숙하므로 여기서는 공상 과학 계산의 논리를 자세히 다루지 않겠습니다. 그 중 "예"는 동화를 의미하고, "안"은 조정을 의미하고, "해야 한다"는 미래 공상과학 문제에 직면할 때 "예"를 먼저 사용한 다음 "안"을 사용하고, 그 다음에는 "해야 한다". 큰 옳음이나 큰 잘못이 있을 때 큰 오른쪽이 움직이지 않으면 작은 오른쪽을 먼저 시도하고, 안 되면 큰 오른쪽을 움직이지 말고 작은 오른쪽을 시도해 보세요. 오른쪽을 먼저 시도한 다음 중간 오른쪽을 시도하십시오. 이러한 시도의 과정은 "중간"의 균형입니다. "해야 한다"는 것은 끊임없이 노력하고, 조정하고, 균형을 맞추는 것을 의미합니다. 위의 내용은 과학기술 컴퓨팅과 인간-컴퓨터 컴퓨팅을 결합한 새로운 논리 시스템으로, 인간-컴퓨터 컴퓨팅 논리는 가치와 감정의 방향을 파악하고, 과학기술 컴퓨팅 논리는 사실 기반 합리적 과정을 정제한다.

기계는 물리학과 수학의 결정체이고, 환경은 지리와 역사의 산물이며, 인간-기계 환경 시스템의 상호작용으로 표현되는 인간-기계 시스템은 복잡한 형태와 단순한 법칙의 표현이다. SF의 사명은 미래에 있기 때문에 “도는 도가 아니고 이름은 이름이 아니다”라는 중요한 책임과 책임을 져야 한다. 기존의 과학기술 논리체계는 수학의 괴델의 불완전성 법칙, 물리학의 하이젠베르크의 측정불가능성의 원리, 경제학의 애로우의 불가능성 정리 등 다양한 학문분야의 심도 있는 발전으로 점차 피로함을 보이고 있다. 새로운 과학적 원리와 새로운 기술적 수단은 모두 새로운 논리 시스템, 즉 전통적인 사고 방식과는 다르며 객관적인 사실과 주관적인 가치에 더욱 부합하는 존재하지 않는 존재의 출현을 요구합니다.

철학적으로 말하면 객관적 세계는 주관적 세계의 존재와 완전히 독립되어 있지만 이는 잘못된 명제이며 실제로 존재하지 않습니다. 진정으로 관찰할 수 있는 것은 객관성과 주관성의 결합이다. 관찰자와 관찰된 세계의 상호작용으로 인해 우리는 객관적인 세계를 무한정 정확하게 이해할 수 없다. 예를 들어, 하드웨어 능력이 일정 수준에 도달하면 사람들은 소프트웨어 능력 향상에 주목하게 되고, 소프트웨어 능력이 일정 수준에 도달하면 사람들은 인간의 소프트웨어 능력 향상에 주목하게 됩니다. 기술 제품의 수준을 측정하려면 서로 다른 분야를 '교차'하고 '협업'하는 능력의 속도와 정확성을 바탕으로 사전 판단을 내려야 합니다. 마찬가지로 기술 제품의 합리성 수준도 측정할 수 있습니다. 인간-컴퓨터 시스템에서는 "교차" 기능을 기반으로 판단하고 다양한 분야의 능력의 속도와 정확성을 "연관"하여 예비 판단을 내릴 수 있습니다.

간단히 말하면, 과학과 기술이 문제를 처리하는 방식은 일반적으로 생산 기반의 "if-then" 인과 관계인 반면, 인간-컴퓨터 시스템은 최적을 위해 노력하는 것이 아니라 새로운 논리와 혼합되어 만족을 추구하는 더 경험적이어야 합니다. 휴리스틱은 종종 비선형 문제를 처리할 수 있습니다. 극도로 복잡한 환경에서 인간과 기계가 무력해지는 순간은 논리가 무너지는 순간일 수도 있다. 아마도 인간-컴퓨터 분야의 휴리스틱 계산(계산+계산)이 바로 새로운 논리 압축의 성공 열쇠일 것이다.

인간-기계 분야의 병목 현상과 어려움 중 하나는 인간-기계 환경 시스템의 다중 영역 불균형 문제인데, 이는 "교차"와 "협업"을 어떻게 효과적으로 실현할 것인가의 문제로 구체화됩니다. 다양한 주제 영역에서 이것은 다양한 인간-기계 문제를 해결하는 것과 관련될 뿐만 아니라 기계 제작 시스템의 "상태는 있지만 잠재력은 없음" 또는 심지어 "상태는 없지만 잠재력 없음"의 단점에는 "비효율성과 무능함"의 원인도 많이 포함됩니다. 인간-기계 환경 시스템에서. 인문학 영역, 예술 영역, 사회 영역으로 구성된 기본 이론 영역과 물리 영역, 정보 영역, 인지 영역으로 구성된 과학기술 영역을 유기적으로 결합하여 진정한 '교차'와 효과적인 인간-기계 도메인 간 협업이 기반을 마련합니다.

현재 객관적인 현실과 실제 적용 측면에서 우리는 인간-기계 환경 시스템의 현재 물결이 과학 기술 개발 메커니즘에 대한 이해의 획기적인 돌파구에 기초한 것이 아니라 오직 현재 사용할 수 없는 시스템을 활용하는 더 나은 방법을 찾는 것입니다. 기술과 컴퓨터 전문성을 향상시키는 강력한 방법 - 오래된 논리 + 오래된 기술로 인해 현실과 환상을 창조할 수 있는 문이 열리지 않을 수도 있습니다. 사람들의 마음 속에 있는 대부분의 "인간 기계"는 이해, 의도, 의지, 감정, 자기 인식 및 정신의 경험과 분리될 수 없습니다. 이 분야에서는 지금까지 연구에 획기적인 진전이 없었으며, 가까운 미래에도 큰 진전이 있을 조짐은 없습니다. 더욱이 기술에 의존하는 것은 해석성, 상식, 학습 및 시각화 측면에서 열악하며 이해 심화, 인식 제고, 인간-기계 구조 및 표현 개선에 도움이 제한됩니다.

따라서 미리 결정된 전략과 경험적 판단에 기반한 전통적인 논리적 접근 방식은 더 이상 가능하지 않습니다. 고도로 복잡하고 부하가 높은 휴먼-머신 환경에서 핵심 정보가 부족할 때, 사람들은 수많은 상황 정보로부터 유용한 정보를 정확히 얻고, 올바른 인지를 형성하며, 신속하고 적극적으로 몰입해야 합니다. 미래의 사람들이 기계분야에서 시급히 해결해야 할 문제들입니다. 아마도 인간의 마음을 제어할 수 있는 실제 메커니즘은 아인슈타인이 말했듯이 "수학이 현실을 말할 때 그것은 불확실하고, 수학이 확실할 때는 현실과 아무 관련이 없다"고 말했듯이 지금까지 만들어진 어떤 기존 논리와 근본적으로 다를 것입니다. , 모든 인간의 경험과 정보는 미래의 인간-컴퓨터 환경 시스템의 상호 작용 관계와 새로운 논리적 실천에 담겨 있습니다.

6.2 인간-컴퓨터 융합지능

인공지능이 특정 분야에서 점점 더 광범위하게 활용되고 있음에도 불구하고, 일반 인공지능에 대한 사람들의 요구는 점점 더 분명해지고 있으며, 그들은 더 이상 인간의 제한된 능력에 만족하지 않습니다. 약한 인공지능. 오늘날 컴퓨터의 발전으로 컴퓨팅 성능이 크게 향상되었으며, 양자 컴퓨터는 컴퓨팅 성능을 몇 배나 향상시킬 것입니다. 그래서 우리는 인간 지능의 본질과 기원에 대해 생각하고 의식을 이해하기 위해 인지 신경과학과 기타 측면에서 영감을 얻으려고 노력했으며 인공 지능에 자율 의식을 부여하기를 희망했지만 거의 성공하지 못했습니다. 보다 실용적이고 실행 가능한 해결책은 인간-컴퓨터 상호 작용의 통합으로, 인간의 의식적 사고, 즉 컴퓨팅과 기계의 논리적 계산을 완전히 통합하고 통합 중에 기계가 인간의 컴퓨팅 능력을 배우고 이해할 수 있도록 합니다. 인간-기계 융합지능이 지능의 새로운 시대를 열어갈 것입니다.

인간-기계 융합지능이란? 간단히 말하면, 인간과 기계, 환경 시스템의 상호작용을 통해 생산되는 새로운 형태의 지능을 기술하고, 인간과 기계의 장점을 최대한 활용하는 데 중점을 두고 있습니다. 인간의 지능도 아니고 인공지능도 아니다. 인간-기계 융합지능은 인간과 기계의 단순한 결합이 아니라 인간의 의사결정을 기계가 점차적으로 이해하게 하고, 다양한 조건 하에서 인간의 의사결정에 따른 가치 가중치의 차이를 기계가 점차적으로 이해할 수 있도록 해준다. 인간은 주변 환경에 대한 인식과 자신의 욕구 및 충동을 통해 인지를 형성하는 반면, 기계는 주변 환경에 대한 데이터와 정보만 획득하고 특정 데이터를 통해 특정 실행 프로세스를 트리거하며 인간의 인지 능력과 컴퓨터의 컴퓨팅 기능을 통합할 수 있습니다. 함께 새로운 이해 방식을 확립하고 목적이 있고 규칙적인 결정을 내리며 인간 + 기계보다 인간-기계 통합의 효과가 더 큽니다.

인공지능은 인간 지능의 단지 설명 가능하고 프로그래밍 가능한 부분일 뿐이며, 인간 지능은 인간, 기계(사물) 및 환경 시스템 간의 상호 작용의 산물입니다. 인간-기계 기능적 능력의 매칭 분류는 모든 인공지능, 인간 지배 기계 데이터 보조, 인간 지배 기계 정규화된 계산 추론 보조, 인간 지배 기계 확률적 계산 추론 보조, 인간 지배 기계 약한 결정으로 분류될 수 있다. 기계는 의사결정 분할을 보조하기 위해 강력한 판단력을 가지고 있지만, 어떤 경우에도 인간-기계 시스템에서는 인간이 항상 지배적인 위치에 있습니다. 시스템이 통제 불능 상태가 되는 것을 방지하십시오.

인간과 기계의 유기적 통합을 실현하는 방법은 무엇입니까? 현재의 인간-기계 통합 지능은 아직 초기 단계에 있으며, 아직 해결해야 할 몇 가지 핵심 문제가 있습니다. 이 중 가장 중요한 것은 기계의 인지 능력과 기계의 컴퓨팅 능력을 어떻게 유기적으로 통합할 것인가입니다. 현재 실제 적용 단계에 있는 휴먼-머신 시스템은 인간과 기계 사이의 명확한 업무 분업을 가지고 있으며, 기계가 인간에게 데이터를 표시하고 인간이 인터페이스를 통해 기계를 작동시키는 것이 주요 임무이므로 효과적인 통합이 이루어지지 않습니다. 인간의 사고와 의사결정 과정은 외부의 정보를 지속적으로 받아들이는 과정에서 이루어지며, 외부의 정보는 자신의 지식이나 경험적 상식으로 내면화되며, 이를 통해 학습이 이루어진다. 문제에 직면했을 때 자신의 경험을 활용하고 영감과 직관의 도움으로 문제를 분석하고 이해합니다. 기계에는 외부 정보를 추상화하고 비합리적으로 생각하는 능력이 없습니다.

그러므로 통합의 핵심은 인지 수준에서 기계의 지식 이해와 학습 능력을 향상시켜 인간과 기계가 인지 수준에서 소통하고 통합할 수 있도록 하는 것입니다. 인간의 연결과 상상은 문제나 지식의 추상화와 전달로 표현되므로, 다양한 분야의 문제는 도메인을 넘어 해결될 수 있으며, 표현이 추상적일수록 전달 능력은 더욱 보편적이 될 수 있으며 돌파할 수 있습니다. 생각의 한계. 인간은 사전 지식의 내면화를 통해 비공리적 직관 인식을 얻을 수 있는 반면, 기계는 합리적 논리에 따라 객관적인 데이터만 처리합니다. 기계의 인지 능력을 향상시키는 것은 인간과 기계의 원활한 통합을 위한 열쇠입니다.

인간-기계 융합 지능에서 고려해야 할 또 다른 핵심 문제는 개입, 즉 인간-기계 융합의 시기와 방법이다. 사람이 갑자기 개입할 때 시스템은 어떻게 결정을 내려야 하는지, 혹은 인간과 기계 사이에 주변 환경에 대한 정보의 인식과 처리에 비대칭성이 있어 인간과 기계의 결정 사이에 갈등이 발생하는 경우도 있다. 인간과 기계의 결정이 충돌할 때, 한쪽이 자신의 결정을 어떻게 설명하고 상대방을 설득할 수 있는지, 즉 해석 가능한 문제도 있을 것입니다. 또한, 인간과 기계의 융합에서는 외부 정보가 부족하거나 그 자체의 어떤 이유로 인해 기계의 역사적 의사 결정의 정확성이 높지 않습니다. 이때 기계에 대한 사람들의 신뢰에 문제가 발생하게 됩니다. 군사 응용 프로그램과 같은 일부 특수 시나리오에서는 허용 오차가 매우 낮을 수 있습니다. 일반적인 시나리오에서 기계의 의사 결정 정확도가 매우 높으면 장기적으로 인간에 대한 과도한 의존으로 이어져 자신감, 용기, 용기 및 기타 인간의 우수한 특성을 쉽게 잃을 수 있습니다. 자연.

인간-기계 하이브리드 지능 메커니즘의 어려움: 계산의 메커니즘, 지능형 계산(계산)의 메커니즘, 인간-기계 하이브리드의 신뢰, 이해, 의도, 적응 등 기본 개념의 정의 및 인간-기계 하이브리드 지능의 기능과 능력 정의 경계화, 적응, 지능계산의 핵심은 계산과 계산의 변증법적 통일성을 어떻게 실현하느냐에 달려 있다. 역계산은 역설과 모순을 낳을 수 있다. 상황이 어떻게 상호 작용하는지, 인식이 어떻게 통합되는지, 서로 적으로 생각하고 객관적인 판단과 추론을 하는 방법을 배우는 것은 끝없는 루프로 이어질 수 있습니다.

인간-컴퓨터 통합의 표현은 인간-컴퓨터 상호 작용 인터페이스, 보조 의사 결정 및 인간-컴퓨터 기능 할당 등을 포함하는 인간-컴퓨터 통신 방식입니다. 정보 비대칭과 같은 문제를 피하기 위해서는 인간과 기계 사이에 빠르고 효과적인 양방향 정보 상호 작용 관계가 구축되어야 합니다. 기계는 주변 환경으로부터 보다 정량적이고 구체적인 정보를 상황에 맞게 감지하는 데 능숙하며, 이를 처리한 후 인간이 내리는 사고와 결정도 기계에 설명 가능하고 논리적으로 적용되어야 합니다. 항공, 원자력, 항공 교통 관제 및 기타 분야에서 사용되는 기존의 인간-기계 기능 할당은 대부분 일부 자동화 수준 규모를 기반으로 하는 정적인 할당입니다. 다양한 기능은 특정 시스템을 통해 인간과 기계의 능력에 따라 상대적으로 합리적으로 할당됩니다. 인간-기계 기능의 합리적인 할당은 인간과 기계 각각의 장점을 최대한 활용하고 결합하여 인간-기계 융합 시스템의 지능을 반영할 수 있습니다.

현재 인공지능 시스템이 사람들의 기대에 미치지 못하는 근본적인 이유는 인공지능을 구성하는 기초가 실제 지능 논리가 아닌 현대 수학이기 때문입니다. 산술에서 미적분학, 범주론까지 모두 공리를 기반으로 한 수학적 논리 시스템입니다. 실제 지능 논리에는 수학적 논리와 변증법적 논리뿐 아니라 아직 발견되지 않은 많은 논리 법칙이 포함됩니다. 이러한 미지의 논리 법칙은 미래 수학의 원천이자 출현입니다. 실제 지능은 단순한 두뇌의 산물이 아니라 사람, 사물, 환경의 상호작용과 상호 자극, 각성의 산물입니다. 제조업체가 이를 주의 깊게 이해한 후 처리를 구현하려면 사용자가 현지 조건에 적응하고 목표를 설정하고 유연한 방식으로 사용해야 합니다. 따라서 우수한 인간-기계 융합 지능에는 3개 이상의 반대의 효과적인 통합이 포함됩니다. 기존의 객관적인 사실 상태의 계산은 주관적인 가치 추세의 계산도 포함하며 사람, 사물 및 환경에 대한 심층적인 상황 인식 시스템입니다. 그러나 현재의 인공지능은 규칙 기반 수학적 모델이든 통계적 확률이든 대부분 계산을 기반으로 하지만 인간 계산의 결합과 내장이 부족하여 지능의 현실성과 유연성과는 거리가 멀다.

7. 개요 및 전망

본 글에서는 먼저 컴퓨팅을 정의한 후, 컴퓨팅의 연구 의의와 발전을 소개하고, 컴퓨팅과 컴퓨팅의 차이점과 연관성을 논의하며, 컴퓨팅-컴퓨팅 모델을 제안하고, 컴퓨팅의 역할을 소개한다. 인간-컴퓨터 상호작용, 인간-기계 융합 지능의 응용.

인간-컴퓨터 상호작용은 인공지능 발전의 중요한 부분으로, 새로운 이론적 방법뿐만 아니라 인간, 기계, 환경 간의 관계에 대한 새로운 탐구가 필요합니다. 인공지능의 인기는 계속 높아지고 있으며 점점 더 많은 제품이 사람들의 삶에 들어오고 있습니다. 그러나 인간의 계산지능을 어떻게 기계에 전달할지는 아직까지 강력한 인공지능이 구현되지 않은 상태이다. 우리는 인지의 관점에서 인지 모델을 구축했거나 의식의 관점에서 의식적인 튜링 기계를 구축했습니다. 이는 인간의 컴퓨팅 능력을 실현하기 위해 인간의 인지적 사고를 이해하고 시뮬레이션하려는 시도입니다. 전산(Computational) - 전산 모델에 대한 연구는 기계 기술의 급속한 발전뿐만 아니라 상호작용 주체인 인간의 사고와 인지 방식을 고려하여 기계와 인간이 각자의 임무를 수행하고 통합하고 이것이 바로 인간-컴퓨터 상호작용의 전망이자 트렌드입니다.

인간-기계 하이브리드 지능은 지능과 마찬가지로 인간 두뇌의 산물도 아니고 인간 자체의 산물도 아니며, 마르크스가 말한 것처럼 사람, 사물, 환경 시스템의 상호 작용의 산물입니다. "인간의 본질은 한 사람에게 내재된 추상적 대상이 아니라, 현실적으로는 모든 사회적 관계의 총합이다." 예를 들어 늑대아이는 인간 두뇌의 모든 구조와 구성요소를 갖고 있지만, 인간의 사회 환경 시스템과 소통하거나 상호 작용하지 않으며, 인간의 사회 환경 시스템과 소통하거나 상호 작용할 수도 없습니다. 실제로 미래의 인간-기계 역시 사람, 사물, 환경이라는 세 가지 구성요소를 포함하고 있다. 과학과 기술의 급속한 발전으로 인해 사물은 점차 인간이 만든 기계로 대체되고 있는데, 이를 인간-기계 환경이라고 한다. 공평하게 말하면, 인간-기계가 기존의 수학적 체계와 사고 모델을 바탕으로 현재의 과학기술 수준을 뛰어넘는 것은 기본적으로 불가능하지만 과거, 현재, 미래의 인간-기계 환경 시스템에서는 가능하다. . 기술은 논리적이지만 인간-기계는 반드시 논리적인 것은 아니다. 인간-기계는 언제든지 이질적인 컬렉션을 열 수 있고 객관적인 논리와 주관적인 하이퍼 논리를 결합할 수 있는 매우 광대한 공간이다.

위 내용은 계산 및 계산에 대한 간략한 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!