混合-增强智能:协作与认知（英文）

被引：68

作者：

Nanning ZHENG ^{[1
,2
]}

Ziyi LIU ^{[1
,2
]}

Pengju REN ^{[1
,2
]}

Yongqiang MA ^{[1
,2
]}

Shitao CHEN ^{[1
,2
]}

Siyu YU ^{[1
,2
]}

Jianru XUE ^{[1
,2
]}

Badong CHEN ^{[1
,2
]}

Feiyue WANG ^{[3
]}

机构：

[1] Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University

[2] National Engineering Laboratory of Visual Information Processing Applications,Xi'an Jiaotong University

[3] State Key Laboratory of Management and Control for Complex Systems, Institute of Automation,Chinese Academy of Sciences

来源：

FrontiersofInformationTechnology&ElectronicEngineering | 2017年 / 18卷 / 02期

关键词：

人-机协同; 混合增强智能; 认知计算; 直觉推理; 因果模型; 认知映射; 视觉场景理解; 自主驾驶汽车;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

人工智能追求的长期目标是使机器能像人一样学习和思考。由于人类面临的许多问题具有不确定性、脆弱性和开放性,任何智能程度的机器都无法完全取代人类,这就需要将人的作用或人的认知模型引入到人工智能系统中,形成混合-增强智能的形态,这种形态是人工智能或机器智能的可行的、重要的成长模式。混合-增强智能可以分为两类基本形式:一类是人在回路的人机协同混合增强智能,另一类是将认知模型嵌入机器学习系统中,形成基于认知计算的混合智能。本文讨论人机协同的混合-增强智能的基本框架,以及基于认知计算的混合-增强智能的基本要素:直觉推理与因果模型、记忆和知识演化;特别论述了直觉推理在复杂问题求解中的作用和基本原理,以及基于记忆与推理的视觉场景理解的认知学习网络;阐述了竞争-对抗式认知学习方法,并讨论了其在自动驾驶方面的应用;最后给出混合-增强智能在相关领域的典型应用。

引用

页码：153 / 180

页数：28

共 35 条

[1] 外部网络、内部资源与企业竞争力关系研究 [J].

胡平 ;

温春龙 ;

潘迪波 .

科研管理, 2013, 34 (04) :90-98

[2] 文本情感分析 [J].

赵妍妍 ;

秦兵 ;

刘挺 .

软件学报, 2010, 21 (08) :1834-1848

[3] 人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论 [J].

王飞跃 .

复杂系统与复杂性科学, 2004, (04) :25-35

[4]

Heading toward Artificial Intelligence 2.0[J] . Yunhe Pan.Engineering . 2016 (4)

[5]

Building machines that learn and think like people[J] . Brenden M. Lake,Tomer D. Ullman,Joshua B. Tenenbaum,Samuel J. Gershman.Behavioral and Brain Sciences . 2016

[6] Insight solutions are correct more often than analytic solutions [J].

Salvi, Carola ;

Bricolo, Emanuela ;

Kounios, John ;

Bowden, Edward ;

Beeman, Mark .

THINKING & REASONING, 2016, 22 (04) :443-460

[7] Some Reflections on IBM Watson and on Women's Health [J].

Shader, Richard I. .

CLINICAL THERAPEUTICS, 2016, 38 (01) :1-2

[8]

Health resource use after robot‐assisted surgery vs open and conventional laparoscopic techniques in oncology: analysis of English secondary care data for radical prostatectomy and partial nephrectomy[J] . David Hughes,Charlotte Camp,Jamie O’Hara,Jim Adshead.BJU International . 2016 (6)

[9] Human-level concept learning through probabilistic program induction [J].

Lake, Brenden M. ;

Salakhutdinov, Ruslan ;

Tenenbaum, Joshua B. .

SCIENCE, 2015, 350 (6266) :1332-1338

[10]

IBM Watson: How Cognitive Computing Can Be Applied to Big Data Challenges in Life Sciences Research and Clinical Practice[J] . Ying Chen,JD Elenee Argentinis,Griff Weber.Clinical Therapeutics . 2015

← 1 2 3 4 →