- 表象理论
表象是外在客观事物及其相互联系在智能系统中的记忆映像。表象世界即是这些映像的总和，它代表着智能系统对外在客观世界的认识。也是建立系统反应对策联系，从而表现出智能的基础。
表象世界的构成可以有多种方式：
㈠ 可以直接构筑硬件连接方式的表象世界。这种方式的必然系统结构最佳选择是并行输入，内容寻址，并行输出。中间加入任何串行编码，解码处理过程都一般来说不但无必要，反而会降低系统效率，同时大大增加系统结构复杂性。动物神经系统正是采用了这一表象世界构成方式，才实现了大量信息的快速处理，以及可以处理各种不同信息的能力。
㈡ 以软件数字编码存储加接口转换方式建立表象世界。这是在可预见的未来人工智能最可能采用的一种方式。它的信息处理速度取决于编码，解码转换的速度。在可预见的时间里，其信息处理效率无法与全并行系统相比。但它的优点是表象世界可以快速复制；在完成一些信息处理量不大的任务时可望达到神经系统的智能水平；甚至在计算，逻辑推理，记忆的准确性方面超过人类的智能。
㈢ 也可以设定一系列的符号或函数来表示不同概念及相互间的联系。这就是目前专家系统所采用的方式。它的优点是利用目前技术便可得到满足一定要求的功能。缺点是难以做到自主学习和知识更新。另一个缺点是只能用于特定用途，这部分是因为符号或函数所能表达的事物之间的联系是很有限的。
- 自主学习方式
动物神经系统是目前唯一能进行完全自主学习的智能系统。以下是本人提出的一种可行的完全自主学习模型：动物神经系统以其皮层神经元网络灵活的可塑性加上注意力控制和长期记忆的延迟固化机制，自然而又自动地形成了令人惊叹的辨别事物，自主学习的能力。这中间包含四层重要机制：
㈠ 动物神经系统通过注意力控制选择其感兴趣或必须注意的事件，其它事物被忽略，甚至视而不见，听而不闻，即信息虽然到达皮层，但引起的兴奋未达到能发生传播的程度，从而未被注意到或意识到。
㈡ 神经系统遵循同时与相关原则处理, 记忆新输入信息, 建立相应网络连接。
㈢ 利用长期记忆的延迟形成机制，过滤掉大部分多余的或偶发的错误输入信息。
㈣ 人类神经系统利用独有的建立在语言基础之上的抽象思维，逻辑判断能力及其对注意力的影响和控制大幅度提高了辨别事物的能力。人类甚至发明了各种各样的技术和工具来更进一步增强这一能力。人类辨别事物做判断时更多依靠其抽象思维结果和知识与经验的传授。
从中可以看出这样的学习过程中不可避免地会发生条件反射现象。这也就是条件反射成为神经系统所具有的一个普遍现象的原因。这种自主学习的效率受制约于神经元突触长期连接的形成周期。但一定的长期记忆延迟形成是必需的，否则会失去对不同事物及其相互联系的分辨力，也会使记忆体不堪负荷。
对掌握语言工具可进行抽象思维的智能系统而言，直接进行大量知识的传授是可能的。对由软件构成表象世界的人工智能系统而言，将有可能直接进行表象世界复制。也可设计出自主性表象世界更新机制，实现快速的自主学习和知识更新。
- 智能定义
智能是一种智能系统自主建立表象世界及其事件反应对策联系的机能。也就是说智能系统必须具备自发，自动地辨别输入信息中不同概念及其相互间联系的能力。同时还应具备自主试探，选择学习反应对策的机能。这样才能形成完整的智能。目前只有动物神经系统具有这一水平的智能。
- 欲望机制与兴趣目标选择
一定的欲望动机产生机制对一个完整智能系统也是必需的。没有欲望机制的智能系统不会去自主学习，更不可能完成诸如认知，计算，思维等等的任务。
哺乳动物神经系统由下丘脑的欲望神经核发出神经与大脑皮层记忆网络连接。这些神经核在化学介质的调控下产生欲望兴奋。这种欲望兴奋传播到皮层相关记忆网络，决定对一定对象或目标范围的兴趣选择。从而使动物产生各种满足其机体生存需求的行为。在动物神经系统中，这种欲望与表象世界的联系，有一部分（包括相关神经核功能）是由基因先天决定的，其余是后天学习的结果。
在目前人工智能系统中还未引入欲望机制这一概念。同时也未解决自主学习的基本方式，途径问题。显然这两个问题是相关的，应同时引入，一并解决。
- 完全智能系统概述
完全智能系统应具备以下基本功能结构：
㈠ 大量信息的快速输入处理装置，这一要求决定其结构的必然最佳选择是并行输入方式。这部分在动物神经系统为感觉器官。
㈡ 自主建立表象世界的机能和结构。这包括对输入的信息进行识别；分别按其中概念的联系进行记忆存储；然后删除或遗忘其中无用或偶发的错误输入的信息；保留有用的，满足欲望兴趣倾向的内容，并纳入表象世界。
㈢ 具备相应的输出，表达，执行部分。在动物神经系统为运动，发音器官。在人工智能系统为显示装置和各种执行部件。
㈣ 表象世界与输入，输出部分之间的高效转换，处理接口部件。对输入，输出的信息进行必要的处理，分配，转换。在动物神经系统包括丘脑感觉神经核，上丘，下丘，小脑等。在以软件数字编码方式建立表象世界的人工智能系统则为编码，解码处理接口。
全并行的智能系统中是排斥数字串行编码，解码过程的。因为这样的过程会降低系统信息处理效率，成为系统中的信息瓶颈，同时大大增加系统结构复杂性。全并行智能系统只宜利用并行传输通道的一些传输特性进行基本不影响系统效率的信号处理，分配。另外还因为全并行系统本身是有高容错能力的。
为什么说动物脑是无数字化串行编码，解码过程的全并行智能系统？
首先，数字化串行编码是为解决在有限通道中传输多路不同信号而采用的一种技术手段。如果没有纠错机制，它的容错抗干扰能力是很有限的。而且它需要有特定管理部件（在计算机为CPU）按严格时序进行管理。大量信息的处理需要极高精度的时钟，很高的运行频率。所有这些在动物脑中都没有任何具体证据显示其存在迹象。
其次，动物脑是一个功能分布式分级处理的智能系统，不同部分所处理的信息内容，数量都有巨大差异。如存在串行编码，解码过程，那么不同部分处理信息所用时间必有明显差别。但我们从未发现这种时间差别与处理信息量之间的相关性。
所以动物脑必然是一个全并行智能系统。
- 计算机评说
现行计算机基本结构由冯·诺依曼在1946年确定并实现。几十年间其结构和功能都有很大发展提高，但其基本的串行编码，时序处理的模式却一直保持至今。
虽然现代计算机在某些少数用途上表现出一些类似智能的迹象，如专家系统，但严格来说不应将计算机称为智能系统。理由如下：
㈠ 计算机没有自主学习，自主构筑表象世界的机能。其信息记忆组织方式也与智能系统很不相同。
㈡ 计算机目前还没有高效的信息输入，处理，输出手段。
㈢ 计算机在计算，逻辑推理，记忆精确性方面已表现得相当不错。但在图像识别，形象思维，容错能力方面却远远不及脑。
㈣ 虽然计算机与物理符号系统结合产生了有很好应用价值的专家系统。但其发展将长期受制于缺乏自主学习，知识更新能力和符号系统表达范围的限制。
返回目录
|
| 版权声明© 2003-2007 所有形式版权属作者,任何部分或全部转载,刊登需经作者同意 |