英语原文共 6 页
摘要
人工智能在学术界和工业界两个领域都引起了广泛的关注。人工智能的部分目标是为人类生活带来便利，甚至代替人类在复杂和危险的环境下工作。人工智能的最终目标是表现得像人类和其他动物的自然智能（NI）一样。在这篇文章中，我们对人工思维（AM）的发展，包括人工思维知觉、人工情感和人工意识，进行了概述。我们研究了上述领域，找出了它们相对NI来说先进的地方。结果表明，随着人工智能研究的普及和进步，AM已经取得了很大的成就。但AI与NI两者之间仍有很大差距。
关键词:人工智能 人工思维
- 简介
人工智能就是设计一个机器系统来思考和像人一样行动。它是在机器上实现的模拟和扩展人类智能，旨在像人类一样思考，人工智能是科学和工程领域最大的交叉学科之一。它有几个子领域并且涉及的研究领域很多。一般来说，人工智能包含六个子领域，包括机器学习，计算机视觉，自然语言处理，逻辑推理，机器人学，最后是博弈论和伦理学。在本文中，我们从人工思维（AM）的角度带领读者了解人工智能的发展。我们做了对人工知觉（AP）、人工情感（AE）和人工意识（AC）做了一个详细的研究。我们对AP、AE和AC符合先前工作的定义，但是也有一些不同，会在下文进行解释[3-6]。
简而言之，人工智能的发展历史可以分为七个阶段。首先，1936年，数学家艾伦·马西森图灵提出著名的图灵机，它是一个数学计算模型，用来定义抽象一种可以根据一张表操作一条磁带上的符号的机器[2]。之后的计算机系统和相关程序语言被发明出来，为人工智能奠定了基础。因此，图灵被广泛认为是计算机科学与人工智能之父。第二个阶段从1956年到1974年，人工智能被首次正式地提出。在这个阶段，人工智能经历了它的第一个黄金时期。1957年，Herbert Alexander Simon等人创建了通用问题求解程序（GPS）并进行了其他相关工作，在信息处理研究上取得了伟大成就。
第三个阶段是从1974年到1980年，在深入学习人工智能之后，研究人员已经意识到人工智能的研究难度之大超越想象。人工智能经历了第一个寒冰期。在1977年，Edward Albert Feigenbaum发表文章“人工智能的艺术：主题与案例研究知识工程”，提供知识工程和专业系统。
第四个时期从1980年到80年代末，人工智能经历了繁荣阶段。专业系统进一步完善。然后，自然语言处理和计算机视觉进一步发展发展成工业。第五阶段是从1987年到
1993年，人工智能又经历了一个冬天。第六阶段是从1993年到2001年，智能代理提出。第七阶段是从2000年到现在，深度学习、大数据和人工通用智能快速发展，这得益于大量数据、高速计算机和机器学习技术。本文关注的是人工思维，包括人工感知（AP）、人工情感（AE）和人工意识（AC）。我们研究了包括AP、AE和AC的AM。我们对自然意识（NM）做了简要研究，它为区分AM和NM提供了帮助。我们简要讨论了NM中的有关启发AM设计的方面。我们描述了三个具体方面：AP，包括人工感觉和知觉； AE，包括人为情感和感知；AC，包括意识和认知过程。我们简要讨论NM与AM之间存在的主要差异，在考虑到AM的这三个方面现阶段的发展后，我们对这些研究的未来方向做出了自己的见解。
2．自然思维
每个人都知道思维是大脑的产物。但是问题是大脑是如何产生思维的？回答这个问题也为AM的设计提供了重要的线索。这个问题包含心理学和神经科学的知识，但是本文的重点。因此，我们省略了心理学和神经科学的知识的细节研究，但对NM研究进行了抽象的描述。
NM的第一个方面是感知，指感觉系统的感知过程。感知研究就是研究我们人类是如何看到、听到、尝到、闻到还有感觉到触摸或疼痛。感觉是对物理刺激的检测，并把这些信息传递给大脑。由此定义，我们看到感官的处理可以分为4个阶段：刺激、感知、感知处理和感觉。对人类来说刺激是常见的，比如光、声音、气味，甜味与身体碰撞。
感觉处理是感知系统将刺激的物理特性转化为神经冲动模式的翻译过程。显然，感知处理始于受体（例如眼、耳、鼻、口和皮肤），这表明设计一个人工感知需要与受体功能相似的设备。NM的第二个方面是理解，是大脑的进一步处理，组织以及感官信息的解释。显然，感知是大脑中复杂的过程。不同的感觉处理类型（例如视觉、听觉、阵风、嗅觉、前庭感觉和躯体感觉）有不同的感觉处理过程。即使在相同的感觉类型，不同的刺激会得到不同的感觉。
为了使感觉和感知的概念更清晰，我们提供了图1中插图的视觉示例。当一个人看到一张照片。图像反射的光由他/她的眼睛里有专门的神经元，这些神经元向他/她的大脑发送信号。当大脑处理这些产生的神经信号，他/她描绘并识别图片中脸部的含义。最后，他/她感知到了这幅画并猜到图中的人。
图一 感知与感觉可视化例子
第三个方面是情感，这是任何有意识的体验，它具有强烈的精神活动和一定程度的高兴或不高兴[11]–[15]。情感是一种对环境事件或内心的想法直接具体的消极或积极的回应。情感有生理成分。有三种主要的情感理论：JamesCLange论，Cannonbard论和Schachter-Singer双因素理论。在1884年的一篇文章，William James认为感觉和感情是生理现象[16]。Walter Bradford Cannon认为生理反应在情绪中起着至关重要的作用，但不相信仅凭生理反应就能解释主观情感体验[17]。Stanley Schachter在西班牙物理学家Gregorio Maratilde; noacute;n的研究之上形成了他自己的理论，他认为情绪基于两个因素：生理唤醒和认知标签[18]。
第四个方面是学习，这是一个相对持久的由经验引起的行为变化。它是经验产生的系统状态变化并且反应在行为上。学习是一个不同的认知过程多方面的通用术语[7][8]。学习让动物从经验中收益以适应竞争环境。它也塑造动物的生活方式和行为特征。学习的能力是人类和动物为了获得关于世界知识而拥有的。心理研究提出了四种学习方式：非联想、主动、联想学习和观察学习。非联想学习指”由于反复暴露在刺激下而产生的单一刺激导致响应强度的相对永久性变化”〔9〕。非联想学习可以分为习惯性学习和敏化作用。主动学习是指一个人控制自己的学习经历。联想学习是人或动物学习两种刺激之间联系的过程。观察学习是通过观察他人的行为来进行的学习。
第五个方面是记忆，它与学习密切相关。记忆是大脑的一种能力，通过它信息被编码、存储和检索。它是基于神经系统的大脑活动。通常，记忆被理解为一种信息处理系统，具有显性和隐性功能，由感觉处理器、短期（或工作）记忆和长期记忆组成[10]。因此，记忆可以分为感官记忆、短期记忆和长期记忆。感官记忆在感知到一个物体后不到一秒钟就保存着感官信息，短期记忆也称为工作记忆。短期记忆允许回忆几秒到一分钟，而不需要排练。长期记忆可以在潜在的无限时间（有时是整个生命周期）上存储大量信息。根据不同的记忆类型，学习对象也不同。
第六个方面是感识，它是意识的状态或质量，或意识到外部物体或自身内部的东西的状态或质量[19]。意识是指一刻一刻的主观体验。有许多高阶的认知过程，包括意识、知觉、注意力、意识、思考、推理、问题解决、决策、理解、判断等。可以确定四种意识形式：感官体验，“与人相关或对人产生影响的现象性感觉”。实践意识，“知道怎么做，知道怎么做”。反思意识，“人们对前两种形式的反思方式。这是普通哲学的东西，也是今天思考已经做了什么和要做什么的事情。反身意识，“在反思的基础上反思，并在存在的构成条件的语境中质疑认识的本质”[20]。
意识的研究总是很困难，因为意识来自“自我”，而不是外界的刺激。很难确定一个人的意识状态是什么。因此，意识在一个明确的定义中仍然是不确定的，这对科学心理学来书说是挑战。有大量关于意识的文献，我们为了简洁而略去了。
3.人工思维的分类
我们将人工思维（AM）分为三种类型，如图2所示。第一类是人工感觉（AP），与感觉和知觉相对应。第二种类型是人工情感（ae），与NM中的情感和影响相对应。第三类是人工意识（AC），与学习、记忆和意识相对应。
图二 人工思维视图 人工意识（AC）经历了模型之间的所有交互作用
我们认为NM核心是人工意识（AC），一个原因是它使我们更好地了解人类：人类如何感知世界、理性、思考、决策、解决问题等，并最终如何进化？另一个原因是AC将从多个方面帮助人们，例如帮助解决人类问题和与人类一起探索世界。在下面的章节中，我们将详细介绍图2所示的这三种人工事物的发展和成就。
4.人工感知
为了实现人工感知，我们首先需要人工感觉，在最广泛的定义中，传感器是一个设备、模块或子系统，其目的是检测环境中的事件或变化，并将信息发送给其他电子设备，通常是一个计算机处理器。一个好的传感器应该对被测属性敏感，对应用中可能遇到的任何其他属性不敏感，并且不影响被测属性。传感器的类型比人类传感器要复杂得多，如声音、振动、运输、化学、电流、环境、流体速度、位置、角度、光学、光、成像等，这些传感器将使人工感觉更加精确和复杂。
同时，传感器到人工系统的信息传输方法也多种多样。以物联网（IOT）为例，物联网是指物理设备、车辆、家用电器和其他嵌入电子设备、软件、传感器、执行器和网络连接的网络，使这些对象能够连接和交换数据[21]。简单的传输方式是通过物理线路将传感器和人工端点直接连接起来。
人工感知是一个过程，它允许人工系统访问和解释感官信息，并反省自己的心理内容[6]。根据第二节的自然知觉，人工知觉可分为五类：视觉、听觉、味觉、嗅觉、触觉和动觉。值得注意的是，感知是一个自上而下的过程，导致一个带有反馈循环的人工感知。一种适合这种感知的新技术是联想神经网络（ASNN），它代表了前馈神经网络和K最近邻技术的组合。该方法通过模拟神经网络的短期和长期记忆来操作[23]。ASNN能够合并新的短期记忆数据案例，在不重新训练神经网络权重的情况下提供高泛化能力。
视觉感知是利用环境物体反射的可见光谱中的光来解释周围环境的能力。人工视觉感知不仅利用数码相机从环境中捕捉图像，还可以“感知”听觉和味觉等其他感知的目标。人工视觉感知包括视觉预处理、视觉注意力、注视方向、视觉记忆和物体识别。视觉预处理是指通过摄像机或传感器从外界环境中获取图像，并生成数据信息进行进一步的处理。视觉感知的理论和观察一直是计算机视觉的主要灵感来源。
听觉感知有以下步骤来感知声音：分离声音感知、声音模式识别、声音方向感知和听觉运动感知。单独的声音感知意味着人工系统能够提取适合感知的声音。声纹识别是从传感器的混音信息中获取声纹。声音方向感知是帮助捕捉目标声音从一个未知的方向。听觉运动感知是为了适应动态环境中的声音运动。
近二十年来，人们主要从味觉和嗅觉神经元受体场的特征来研究味觉或味觉和嗅觉。一般来说，选择性模式重叠的化学传感器可以用来区分不同的味道和气味。从受体集合中产生的组合信号模式是味觉和气味分类、识别和识别的关键[24]。
触觉通过触摸物体来提供信息。触觉传感器应获取被触摸物体的硬度、表面特征、温度、压力等信息，信息可分为两部分。传感器的接触部分和非接触部分。同时，触觉感知具有长期记忆来存储物体的位置数据。动觉知觉赋予物体的位置、运动和张力。当人工系统必须确定它处于什么位置和状态时，这种感知是很重要的。这两种认知涵盖了各种应用，如假肢、远程手术，特别是先进的机器人技术[25]。
计算机技术的高级感知过程可以看作是模式识别，这是机器学习的一个分支，专注于对模式和数据规律的识别，尽管在某些情况下，它被认为几乎等同于机器学习[22]。
5.人工情感
情感是人类最重要的特征之一，它使人感觉良好、不好、快乐和痛苦。有一些机器人在系统中没有真正的情感进步的情况下，可以做出情感的面部表情，研究人员开始像人类一样实现情感的人工机器人。
产生情感的简单方法是使用上述第4节中描述的感知。感知甜味的味觉传感器会给人造情感一种愉悦感，受损的味觉传感器会给人造情感系统一个疼痛信号。快乐信号使系统更“退出”或“积极”或“乐观”，而痛苦信号使系统更“消极”或“缓慢”。“积极”行为包括集中注意力、持续工作态度、及时反应等，“消极”行为包括延迟反应、悲观态度、易出错操作等。
我们认为，快乐是一个在人工系统中某些条件匹配的过程，而疼痛是一个在人工系统中某些条件不匹配的过程。同时，这些情感所引发的反应将进一步促进情感的发展。情感表达是人工系统自身内外的反馈系统。在人工系统中，情绪也可以从记忆中产生。关键问题是如何确定当前人工系统中的感受。这些想法是根据以前的经验或记忆以及系统内外的现状来决定感觉。
对情感的人工反应被认为是两种模式：代表性和非代表性模式[26]。在表征模式下，人工情绪系统感知到准确的传感器信息，对情绪结果做出基本的判断。在非代表性模式下，人工情绪系统应该自我探讨其在当前情况下的感受。在两种情绪决策模式下，对决策的反应都会被激发出来并进行传感器处理。不同的基本感觉会产生不同的反应。同时，不同反应的结合会产生复杂的情绪。
进一步的情绪将激发人工系统的进化。一个具有情感的人工系统会对它的环境产生影响，从而导致它与IT环境之间的进一步交互。例如，一个愉快的谈话会使系统更有可能继续谈话，甚至产生其他的情感，比如好奇心来理解谈话的人。进一步的情绪可能是对某物的渴望或愿意学习某物。同样，疼痛情绪给人造系统一个停止信号或经验记忆。一个懒散的系统会有一种无聊的情绪，从它的记忆中选择一个动作来缓解这种无聊的感觉。
6.人工意识
一个人工系统能够集中于一个专门的对象，而不是它周围的所有对象，因为它一次只能处理一个对象[6]。这种焦点通过传感器注意和内部注意来反映。传感器注意使相应的传感器感应指定的物体。以视觉感知为例，传感器的主要区域是传感器的高分辨率中心区
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
