基于模式——向量转化和定性映射的模式识别和形象涌现-Read.PPT

属性论方法简介 冯嘉礼 上海海运学院信息工程学院计算机系 内容提要 1.思维科学、人工智能和复杂系统科学的研究需要新的观点、理论和方法 2.属性论方法的基本观点、目标和定义， 3.感觉接收的信息是,且只能是感觉属性; 4.量-质特征转化的定性映射模型(与人工神经元的关系); 5.转化程度函数;(与模糊隶属度函数的关系) 6.基于模式——向量转化和定性映射的模式识别与形象生成; 7.基于合取的属性生成关系与属性幺半群范畴; 8.属性推理格范畴和属性坐标系表示模型; 9.基于多元属性合取的系统（网络）模式“涌现” 10.复杂网络生成的（多元）属性坐标范畴表示; 11.定性映射的属性坐标学习与分析的经验性评估与决策模型。 12.它们在思维建构和智能模拟中的某些应用。 关键词：属性论方法；定性映射；模式-向量转化；模式识别；形象模式生成；系统（网络）模式“涌现” 内容提要 1.思维与智能之迷 2.思维大科学与智能高技术的时代 3.感觉接收和处理的信息是(感觉)属性 4.事物属性的质特征和量特征 5.感觉特征抽取的定性映射模型 6.基于定性映射的模式生成与识别模型 7.定性映射的w_内积变换与人工神经元 8.定性转化程度函数与集合的模糊化 9.基于模式——向量转化的模式识别 10.形象模式的“涌现” 11.转化程度函数诱导的拓扑结构 12.基于合取的属性幺半群(范畴) 13.属性合取诱导的推理格(范畴) 14.属性单纯形的重心剖分模型和属性坐标系 15.多元属性整合诱导的笛卡儿范畴及其笛卡儿坐标 16.基于属性坐标分析与学习的评估决策模型 1.人脑、思维、智能与意识之迷 物质结构、宇宙演化、生命起源和人脑之迷被称为四大科学难题, 人脑结构最复杂、组织最精细的物质、又是宇宙中进化最完美、功能最奇妙的系统,还是生命表现的最高形式,故人脑之迷是兼有前三者之难的大难题. 而思维、智能和意识是人脑的高级功能,因此,有人称思维、智能和意识之迷是科学奥秘之最. (注:本书所说的“思维”,其含义远比英文“Thinking”(想某事或某物)多得多,它包括感觉、知觉、记忆、意识、判断、推理、决策、联想、发明与创造等脑的各种操作或功能.) 自牛顿创立经典物理学以来,人们借助于科学假说、数学演算和实验检验等三大工具,已在探索物质结构、宇宙演化和生命起源的道路上迈出了坚实的步伐,并创立了量子力学、相对论、宇宙学和分子生物学等现代科学分支. 然而,在探索人脑、思维、智能与意识之迷的征途上,尽管已有不少志士仁人“上穷碧落下黄泉”,“梦里寻她千百度”,但终因“两处茫茫皆不见”,而落得“此恨绵绵无绝期”的结局. 对此,美国哲学家丹尼特曾感叹道,就物质结构、宇宙演化和生命起源之迷而言,即使“我们至今仍未找到所有的答案,但我们知道该怎么办.?而对思维与意识之迷,我们至今如坠五里雾中.时至今日,意识是唯一常常使最睿智的思想家张口结舌、思绪混乱的论题”[1]. 美国著名科学记者J.Horgan也说,“科学固守的最后一块阵地,并不是太空领域,而是人的意识世界.??人类是怎样以及为何变得如此精明的?” [2] 1.1.人工智能的基本困难 思维涉及方方面面的复杂性，使其面临各种各样的困难，人们从不同的角度对这些困难进行研究，分别提出了各种不同的看法。 如：《人工智能哲学》收集了包括：McCulloch ? Pitts、Turing、Newell ? Simon、Marr、Hinton ? McClelland等人工智能奠基者和大师们经典文献在内的15篇文章。它们分别列举了AI的下述困难： 1.机器是否有理解力?（Searle）； 2.问题是否有1型理论（“通过计算理论获取”“算法被假定用来做什么”（Marr）； 3.框架困难(Dennett),Hayes(朴素物理学) 4.非演绎推理困难（AI的许多研究可能是没有出路的“只是因为对哲学家们昔日的失败一无所知，才得以维持”（DcDermott） 5.动机和情感(Sloman,Dreyfus) 6.联结论进行的信息加工和完成相同任务的Von.Neumann 系统之间,不存在精确的对应.(Clark, Dreyfus） 该书的译者将AI的根本性困难归结为: 1.形式化（formalization）和 2.意向性（intentionality）. 又如：Kirsh在《Artificial Intelli-gence》第47卷(91年)“AI基础理论专刊” 中,将AI的基本问题或困难归结为: 1.知识与概念化是否AI的核心? 2.认知能力是否能与载体分开来研究? 3.认知轨迹是否可用类自然语言描述?