从数据到表征:人类认知对人工智能的启发
发布时间：2021-01-02 00:29
人类智能具有快速学习和灵活迁移的特点,在应对复杂多变的外部环境时较人工智能系统表现出不可比拟的优势。该优势主要源于前者具备良好的知识表征。本文以"层层迭代,组件共享"的层级树表征为例,深入讨论了良好知识表征的特点,并详细阐述了基于具体的语言语法和视觉语法规则所构建的语言和视觉层级树表征。笔者认为,对良好的知识表征（如层级树表征）的深入探讨不仅可引领有关人类"强认知"领域的研究,同时也有助于实现当前人工智能系统从"大数据、小任务"到"小数据、大任务"的转变。
【文章来源】：应用心理学. 2018年01期 CSSCI
【文章页数】：12 页
【部分图文】：
图1层级结构表征形式的示意图
则，使用有限的语料生成数量无限的句子。人们通常通过替换组件的内容或改变组件的关系，以产生新的句子。图2转换生成语法理论中的语法解析树(Chomsky，1964)转换－生成语法理论中的层级结构表征，在诸多层面的语言认知研究如句法分析(Chomsky，1964)、语义识别(Smith，Sho-ben，＆Ｒips，1974)和语音识别(Norris＆McQueen，2008)等领域中均获得了证据。最近的研究则进一步揭示了与语言密切相关的“概念学习”领域的等级表征(Hamlinetal．，2013;Johnson＆Keil，2014)。语言的层级结构表征也得到了认知神经科学证据的支持。在最近一项受到乔姆斯基高度评价和多次引用的工作中，丁鼐等(2016)通过利用脑磁图(MEG)和颅内脑电(ECoG)测量，发现对于听觉通道输入的言语刺激，不同周期的神经震荡可以并行跟踪单词、短语和句子等不同层次语言结构的加工进程。转换－生成语法理论不仅提出了语言加工的表征，并提供了对该表征相应的运算法则———“情景－独立语法”(context-freegrammar，CFG)。其中“语法”是大组块分解为小组块的规则的集合。“情景独立”指语法规则本身不受其出现位置的上下文情景的影响。语法所制定的分解过程用符号“－＞”表达。“S－＞ABC”代表大组块“S”依据规则被分解为了小组块“A”“B”“C”。转换－生成的过程同时包含了“且”(And)与“或”这两类最基本的逻辑推理类型。“且”表现为分解规则的具体内容。例如规则“S－＞ABC”指定，对S的分解要求小组块“A”“B”“C”同时出现，缺一不可。“或”体现在对同一组块，可存在多种不同的分割规则。例如对组块S，可以设定另外一条分解法则“S－＞ADE”。“且”的约束，使表征的结构具有稳定性，“或”的选择，使表征具有灵活性。对
2012，见图3)。PCFG也应用于基因组功能识别(Knudsen＆Hein，2003)，网页设计(Taltonetal．，2012)等领域。图3通过语法归纳学习建筑风格(Taltonetal．，2012)5视觉语义与人工智能所关注的对有限视觉物体的分类不同，人类视觉的最终输出可涵盖大量丰富的内容和意义，包括视觉场景的结构，物体在场景中的作用，物体与物体间的关系，人与物的关系，人与人的关系，以及人与环境的关系等。视觉的语义属性对社会生活具有重大影响，也是摄影能成为一个独立的艺术门类的基矗大量出色的摄影图片成为经典，并非仅仅是构图精美、内容新颖，而是以它们特有的语言，讲述了一个个生动的故事，这可借用一句英文的谚语概括为“一图抵千言”(Apictureisworthathousandwords)(Stevenson，1949)。例如在CharlesEbbets1932年的作品《摩天大楼顶上的午餐》中(见图4)，城市的繁华、钢梁的危险和工人有说有笑的午餐构成了强烈的对比，精准地描述了那个时代的精神。由此推论，视觉表征必须支持对“视觉语义”灵活、高效的表达(即便以牺牲对杂乱、无语义图像的低效表达为代价)。众所周知，视觉的加工起始于对基本特征的加工，包括颜色、朝向以及由多种Gabor滤波器定义的特征(Julesz，1981)。然而视觉如何从这些有限、固定的特征出发，最终表达大量的语义呢?显而易见，“语义输出”与“特征输入”间存在着巨大的落差，被称为“语义鸿沟”(semanticgap)(Smeuldersetal．，2000)。视觉语义的存在得到了少许实验研究的支持。人具有快速的将一个动态视觉事件描述为一个故事的能力(Heider＆Sim-mel，1944)，并且也能将语言中的概念落实到一个视觉场景中的某一个具体部分(Gorniak＆Ｒoy，2004;Jackendoff，1996;Talm
【参考文献】：
期刊论文
[1]对注意的再思考:一个注意的强化学习模型[J]. 程少哲,史博皓,赵阳,徐昊骙,唐宁,高涛,周吉帆,沈模卫. 应用心理学. 2017(01)
[2]“强认知”的心理学研究:来自AlphaGo的启示[J]. 周吉帆,徐昊骙,唐宁,史博皓,赵阳,高涛,沈模卫. 应用心理学. 2016(01)
本文编号：2952285
【文章来源】：应用心理学. 2018年01期 CSSCI
【文章页数】：12 页
【部分图文】：
图1层级结构表征形式的示意图
则，使用有限的语料生成数量无限的句子。人们通常通过替换组件的内容或改变组件的关系，以产生新的句子。图2转换生成语法理论中的语法解析树(Chomsky，1964)转换－生成语法理论中的层级结构表征，在诸多层面的语言认知研究如句法分析(Chomsky，1964)、语义识别(Smith，Sho-ben，＆Ｒips，1974)和语音识别(Norris＆McQueen，2008)等领域中均获得了证据。最近的研究则进一步揭示了与语言密切相关的“概念学习”领域的等级表征(Hamlinetal．，2013;Johnson＆Keil，2014)。语言的层级结构表征也得到了认知神经科学证据的支持。在最近一项受到乔姆斯基高度评价和多次引用的工作中，丁鼐等(2016)通过利用脑磁图(MEG)和颅内脑电(ECoG)测量，发现对于听觉通道输入的言语刺激，不同周期的神经震荡可以并行跟踪单词、短语和句子等不同层次语言结构的加工进程。转换－生成语法理论不仅提出了语言加工的表征，并提供了对该表征相应的运算法则———“情景－独立语法”(context-freegrammar，CFG)。其中“语法”是大组块分解为小组块的规则的集合。“情景独立”指语法规则本身不受其出现位置的上下文情景的影响。语法所制定的分解过程用符号“－＞”表达。“S－＞ABC”代表大组块“S”依据规则被分解为了小组块“A”“B”“C”。转换－生成的过程同时包含了“且”(And)与“或”这两类最基本的逻辑推理类型。“且”表现为分解规则的具体内容。例如规则“S－＞ABC”指定，对S的分解要求小组块“A”“B”“C”同时出现，缺一不可。“或”体现在对同一组块，可存在多种不同的分割规则。例如对组块S，可以设定另外一条分解法则“S－＞ADE”。“且”的约束，使表征的结构具有稳定性，“或”的选择，使表征具有灵活性。对
2012，见图3)。PCFG也应用于基因组功能识别(Knudsen＆Hein，2003)，网页设计(Taltonetal．，2012)等领域。图3通过语法归纳学习建筑风格(Taltonetal．，2012)5视觉语义与人工智能所关注的对有限视觉物体的分类不同，人类视觉的最终输出可涵盖大量丰富的内容和意义，包括视觉场景的结构，物体在场景中的作用，物体与物体间的关系，人与物的关系，人与人的关系，以及人与环境的关系等。视觉的语义属性对社会生活具有重大影响，也是摄影能成为一个独立的艺术门类的基矗大量出色的摄影图片成为经典，并非仅仅是构图精美、内容新颖，而是以它们特有的语言，讲述了一个个生动的故事，这可借用一句英文的谚语概括为“一图抵千言”(Apictureisworthathousandwords)(Stevenson，1949)。例如在CharlesEbbets1932年的作品《摩天大楼顶上的午餐》中(见图4)，城市的繁华、钢梁的危险和工人有说有笑的午餐构成了强烈的对比，精准地描述了那个时代的精神。由此推论，视觉表征必须支持对“视觉语义”灵活、高效的表达(即便以牺牲对杂乱、无语义图像的低效表达为代价)。众所周知，视觉的加工起始于对基本特征的加工，包括颜色、朝向以及由多种Gabor滤波器定义的特征(Julesz，1981)。然而视觉如何从这些有限、固定的特征出发，最终表达大量的语义呢?显而易见，“语义输出”与“特征输入”间存在着巨大的落差，被称为“语义鸿沟”(semanticgap)(Smeuldersetal．，2000)。视觉语义的存在得到了少许实验研究的支持。人具有快速的将一个动态视觉事件描述为一个故事的能力(Heider＆Sim-mel，1944)，并且也能将语言中的概念落实到一个视觉场景中的某一个具体部分(Gorniak＆Ｒoy，2004;Jackendoff，1996;Talm
【参考文献】：
期刊论文
[1]对注意的再思考:一个注意的强化学习模型[J]. 程少哲,史博皓,赵阳,徐昊骙,唐宁,高涛,周吉帆,沈模卫. 应用心理学. 2017(01)
[2]“强认知”的心理学研究:来自AlphaGo的启示[J]. 周吉帆,徐昊骙,唐宁,史博皓,赵阳,高涛,沈模卫. 应用心理学. 2016(01)
本文编号：2952285
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/2952285.html
