PersonalCorpus 版 (精华区)

(bbmp推荐,from人工智能俱乐部论坛 http://www.souwu.com/bitfarmer/ )

IDM（智能对话器）可行性简报 

　IDM工作组


提纲：

１． 国内、外AI发展情况概述

２． 提出问题

３． 分析，解决问题

４． 总结，展望


关键词：

AI（人工智能）　　IDM　　　计算机　　信息


摘要：

文章论述了作为ＡＩ分支的IDM的可行性．


附录一：IDM工作组简介

附录二：智能对话器可行性简报

附录三：IDM流程图及注解

附录四：专家审阅意见

附录五：计划进度表（有待双方共同协商拟定）



IDM（Intelligent　Dialogue　Machine），即智能对话器，为AI的一支。它主要研究如何使机器获得自然语言对话的能力，并使其能够进行独立的学习和创造，从而来指导人们改造自然的行为。IDM的理论基础在一定意义上基于行为主义，又有结合宇全论和系统论的独到，并成长于现代
电子计算机科学技术基础之上。在进一步谈论IDM之前，不妨让我们来共同了解一下它的根源AI(Artificial　Intelligence)即人工智能，这也许会更加有助于我们对ＩＤＭ的深入了解。

1936年，24岁的英国数学家图灵（Turing）提出了＂自动机＂理论，把研究会思维的机器和计算机的工作大大向前推进了一步，它也因此被称为＂人工智能之父＂。

人工智能领域的研究是从1956年正式开始的。＂人工智能＂这一术语是在1956年由美国的McCarthy和Minsk等人提出的。当年，他们在美国的达特茅斯（Dartmouth）大学举行了第一次智能模拟学术讨论会，在会上首次使用了这一术语，这标志着人工智能作为一门学科的诞生。

我国的人工智能研究起步较晚，纳入国家计划的研究始于1978年。1981年起，在我国相继成立了中国人工智能学会（CAAI）、全国高校人工智能研究会、中国计算机学会人工智能与模式识别专业委员会、中国自动化学会模式识别与机器智能专业委员会、中国软件协会人工智能协会、中国
智能机器人专业委员会、中国计算机视觉与智能控制专业委员会以及中国智能自动化专业委员会等学术团体。1984年召开了智能计算机机器系统的全国学术讨论会，1986年起智能计算机系统、智能机器人和智能信息处理（含模式识别）等重大项目列入国家高技术研究计划，1987年＜＜模
式识别与人工智能＞＞创刊，1989年首次召开中国人工智能控制联合会议（CJCAI），1993年起，又把智能控制和智能自动化等项目列入国家科技攀登计划。近年来，已有多部国内自编的人工智能专著和教材公开出版。现在，我国已有数以万计的科技人员和大学师生从事不同层次的人工智
能的研究与学习，人工智能的研究在我国已深入展开，经过二十几年的努力，我们缩短了我国人工智能技术与世界先进水平的差距，也为未来的发展奠定了技术和人才基础。

国际上，从50年代以来，AI经过发展形成了众多学派，其中代表性的有认知学派，逻辑学派和行为学派。（１）认知学派以Simon,　Minsk和Newell等为代表，从人的思维活动出发，利用计算机进行宏观功能模拟。（２）逻辑学派以McCarthy和Nilsson等为代表，主张用逻辑来研究人工智
能，即用形式化的方法来描述客观世界。（３）行为学派以Brooks为代表，他认为只能只是在于环境的交互作用中表现出来，提出了无需知识表示的智能，无需推理的智能。各学派百舸争流，在专家系统，自然语言处理，模式识别，博弈，机器人等领域，方面等取得了不少喜人的成果，
例如众所周知的＂深蓝＂战胜卡斯帕罗夫以及机器人足球大赛等等。


但是，无论于近期目标还是远期目标相比，人工智能的研究尚存在不少问题。

就国内而言，其特点是：课题比较分散，应用项目偏多，基础研究比例略少，理论研究与实际应用需求结合不够紧密；选题时，容易跟着国外的选题走，立项论证时，关于考虑国外怎么做，落实项目时，又往往顾及面面俱到，大而全，再加上受研究经费的限制，所以很多课题没有取得理
论上的突破，也没有太大的实际应用价值。

从国际大范围上来看，其主要表现为宏观与微观隔离：一方面是哲学，认知科学，思维科学和心理学等学科所研究的职能层次太高，太抽象；另一方面是，人工智能逻辑符号，神经网络和行为主义所研究的层次太低，这两方面之间相距太远，中间还有许多层次未研究，无法把宏观与微观
有机地结合起来和相互渗透。

为此，从整体上看，将宏观与微观充分有机地结合起来是当前人工智能发展的当务之急，也使其快速健康发展的必由之路和关键所在。

有人说，问题的确不假，但是结构决定功能，在认知科学，思维科学，心理学等等学科都亟待发展的当前，怎样才能将思维结构弄清，又怎样才能将其与计算机科学结合呢？

我们知道，为了达到同一个目的，我们可以采取不同的手段，同样，也未必只有完全相同的结构才能达到相同的目的效果。为此，我们为何不可以提出假设，来构造一思维模式呢？只要其经得起理论推敲，又架得住实践的检验，表明它是有思维与创造能力的，那么，即使它与人脑的思维
结构是有所不同的，我们也无法否认它的价值与现实意义。

当然了，这种假想的结构必须要满足三个基本要求：（１）建立在正确的世界观与哲学理论基础之上。因为：＂一个智能系统应该有认知模型（epistemological　model）和启发式规则（heuristic　rules）两部分构成，而认知模型是关系到智能系统如何表示客观世界，如何表示知识及
知识获取等认识论方面的问题。而所有这些问题是必须能够在哲学层次给与回答的。＂（２）所研究的问题是可形式化的。这是因为目前的电子计算机只能进行有限符号集的有限符号序列的形式变换，即是在较高层次上可以放宽，但计算机总是在作符号处理。因此，任何问题要交给计算
机处理，必须能建立一个符号形式系统，给出其数学模型。（３）计算机要解决的形式化问题还必须是可计算的，即一定要有求解的算法。

下面，首先让我们来看一下第一项基本要求：正确的哲学理论基础问题．这里，我们需要在哲学层次上来回答智能系统如何表示客观世界，如何表示知识及知识获取等认识论方面的问题。

关于如何表示客观世界，IDM认为：世界是物质的，物质是客观的，客观的物质世界是普遍联系和永恒发展的。发展是事物运动变化的总趋势和总方向，任何事物都是从简单到复杂从低级到高级发展而来的，一切主观意识（主题能意识到的一切，包括逻辑等）都是事物的特性、属性、关系
等的反映。且任何信息（事物的特性、属性、关系等）都为任何事物潜在地拥有，任何事物都潜在地拥有任何信息；我们可将世界是为某一单一成分的变化、组合，而这种组合所包含的就是这一成分的纷繁复杂的关系。为此，只要我们能够接受并利用任何一种信息，那么，从理论上来讲
我们就具备了了解整个世界的能力。基于此，IDM将一切信息以视音频的形式接收，然后进行分离、整合并保存、利用，从中提取信息。

总的来看，IDM将世界视为某一单一成分的复杂关系。且这种关系是从最简单的关系发展而来，并可用最简单的关系来表示的。而IDM则从某一相对简单的关系开始，利用引导性规则进行拆分、整合，逐步深入地了解整个世界。

关于如何表示知识，IDM认为知识就是被主体所反映的客体（当然了，主题也是某一意义上的客体．）的特性、属性、关系等。系统中，一切知识被以视、音频数据的某种关系按一定形式存储，系统通过与人的相互作用而逐渐生成较友好的人机接口，系统通过人机接口向人传递可被接受和
理解的信息。

关于如何获取知识，IDM采取外部信息进入系统，并影响系统内部信息流动；系统内信息反作用于外部，并影响外部信息进入系统的内外互动模式来有选择地获取知识。当外部信息进入系统时，系统会根据目前系统内部信息而按一定原则去进行选择，同时，被选择的信息进入系统会影响，
修改系统的选择对象，系统就这样不停地从外界接受，提取并加工信息。人们可以按需要根据系统运行原则利用一定的条件来限定系统的工作范围，从而获取所需要的信息，即知识。

其次，让我们来看一看所研究问题形式化的问题。在AI领域，历来关于各种思维机制，心理过程以及多种逻辑推理方式的能否形式化让计算机来演绎的问题众说纷纭，各持己见。

持否定态度的人认为：＂计算机在数学计算等方面会超过人，但就整体而言，在哲理思维、范畴思维、辩证思维、艺术思维、机理思维和泛系思维这六种思维的许多方面，就是理想化的自动机也无法实现。直觉、灵感、冲动、感悟是人人都有的，我们却无法让机器来拟化。＂还有人说：
＂计算机只能对任何问题的回答智能是是或非。但是，人类思维的特征不仅仅是二值逻辑的，他还具有多值的、模糊的、模态的、直觉的、归纳的和辩证的等等特征。这些特征应分别由多值逻辑、模糊逻辑、模态逻辑、直觉主义逻辑、归纳逻辑和辩证逻辑来反映，它们分别具有不确定性
推理、模糊推理、模态推理、直觉主义推理和归纳推理能力，而二值逻辑系统就不具备。＂

IDM主义者对上述意见实难苟同，IDM认为：意识只是物质间相互作用的一种特殊表现形式，并且结构决定功能，只要我们能构造合理的结构模式，就一定可以在相互作用中得到这种表现形式。因此说，不论哲理思维、范畴思维、辩证思维、艺术思维、机理思维、泛系思维还是知觉、灵感
、冲动、感悟都是可以人为构造的。此外，IDM主义者把世界看成是普遍联系和永恒发展的。他认为：任何事物都是从无到有，从简单到复杂发展起来的，并且，任何复杂的关系都可以分解为最简单的关系的组合，因此，IDM认为，无论是多值逻辑、模糊逻辑、模态逻辑、直觉主义逻辑还
是归纳逻辑、辩证逻辑，都是可以由二值逻辑系统来表示和构造的。

再者，IDM认为：任何信息（事物的特性、属性、关系等）都为任何事物潜在地拥有，任何事物都潜在地拥有任何信息，且一事物的任何信息总是能以其他事物的某种形式表现出来。因此，我们可将世界视为某一单一成分的变化、组合，而这种组合之中所蕴含的就是这一成分的纷繁复杂的
关系。只要我们能接受并利用任何一种信息，那么，我们就具备了了解整个世界的能力。

为此，IDM将一切信息以视音频的形式接收，然后依据引导性原则进行分离、整合并保存、利用。

总的来看，IDM将世界视为一种复杂的关系，且这种关系是从最简单的关系发展而来，并可用最简单的关系来表示的，而IDM则利用一切事物所固有的属性——引导性，从某一相对简单的关系开始拆分，逐步深入地了解整个世界。

万事万物的信息相互包含，一事物对其他事物信息的包含总是有深有浅的，不同事物对同一事物信息片段所包含的深浅层次不同，IDM从这一点入手，利用引导性，从不同事物的最表层来提取所欲了解事物的不同层次的信息，从而了解该事物。下面，让我们来看一看其大体模式：

V、A类信息由视音频录入设备进入系统，当信息进入系统时必须经过视音频拆分、整合模块，在这里，信息依据引导性原则（我们称＇引导性＇为IDM系统运行的原动力，详况见附录三）被分离或整合，然后存储。由于引导过程或结果的不同，在系统中形成了一系列我们称之为识别、联想
、创造和语言等等的现象。

关于形式化问题的可计算问题：IDM系统所接收，利用和加工的信息全部为视、音频信息，且这些视、音频信息均为有限符号集。在对这些有限符号序列进行形式变换的过程中所涉及的均为有限步骤的运算。此外，这些操作都是可以通过已经实现的基本运算执行次来实现的。因此，我们可
以肯定地说，对于IDM的算法总是可以在执行有穷步之后结束，且每一步都可以在有穷时间内完成。


从发展的角度来看，IDM属行为智能理论的完善与升华。

行为主义者主张采用自底向上的方法，从十分简单的自主系统渐近地构筑更复杂的智能系统。它们认为，智能不需要知识，不需要表示，不需要推理；人工智能可以向人类智能一样逐步进化，智能行为只能在现实世界中与周围环境交互作用而表现出来。这亦是IDM主义者所遵循的基本原则
。

关于行为智能，近十几年来，在AI（人工智能）领域中，鉴于以符号处理为特征的传统ＡＩ范式的局限性日益曝露而出现信任危机，人们纷纷开始探寻新的研究途径。其中，以布鲁克斯（Brooks）为代表的基于行为的AI和作为计算机智能主要分支的演化计算特别引人注目，许多人认为他
们代表了ＡＩ研究的新方向。

基于行为的AI是在以美国麻省理工学院的布鲁克斯为代表的少壮派向传统ＡＩ发起挑战的背景下产生的。布鲁克斯认为，如果AI的中心目标是理解行为的智能，那么，就没有必要像传统AI那样把研究知识和概念化置于核心地位，因为大多数智能行为能够用仔细协调的控制系统以简单特定
的方式相关联而产生。

与传统ＡＩ仅仅把自主体看作简单或抽象的模型世界中的解题者不同，基于行为的ＡＩ要求自主体必须处于真实的环境中，把世界作为自身最好的模型，并能对感知的输入做出实时的反应。与此相应，自主体必须是一个带有感知和制动装置的物理实现系统，因为只有这样才能有效地适应
真实世界并为内部可能存在的符号系统确立意义，奠定物理基础。

布鲁克斯在述评AI的历史时指出，图灵在四十年代末就意识到，研究ＡＩ有必要同具体的物理系统相结合。置于演化计算，在五十年代末就有人开始尝试把计算机科学与进化论结合起来，并且，这方面的研究一直也没有中止过。但是，直到八十年代中期，图灵的上述看法几乎被人遗忘，
演化计算也未受到重视．究其原因，除了这些思想和方法本身有一个成熟完善的过程外，主要可以归结为以下两点：（１）期间，基于符号处理的传统AI在这个领域中居于主导地位，因而使人难以认识到其他途径的可能性。（２）计算机的结构和技术及其它物理实现装置的局限或不成熟
也阻碍了研究ＡＩ新途径的产生和发展。


IDM传承了行为主义者采用自底向上方法的思想，同时，他认为任何复杂的关系都可以分解为更简单关系的组合，从而又突破了计算机硬件结构对ＡＩ发展的限制（当然了，这样也会存在一些非关键性弊端）。IDM发现并利用了万事万物所固有的属性——引导性，从事物中提取并加工、利
用信息，把行为智能理论提高到了一个全新的阶段，同时也推进了行为智能问世的日程。

从历史的角度看，人工智能是２０世纪中叶出现的科学现象，而IDM则是其发展过程中的阶段性标志。他是全人类文明智慧的结晶亦是社会生产发展的要求和必然结果，也是人类认识自身的重要标志。IDM开创了从更本上解放人类智力劳动的途径，无论在实践还是在理论上都具有重要意义
。IDM的积极认知作用将推动人类的非生物进化和社会变革进步！





附录三

IDM流程简图及注解


视频处理

V A 




音频处理





离、合 偶合 离、合




识别、联想 整合 整合 整合 识别、联想 

创造＋疲劳值 创造＋疲劳值 


存储（+遗忘率） 存储 存储（+遗忘率） 



IDM系统作为软件的最大特征就是，其利用‘引导性’实现了“无算法”算法，从而为计算机赋予了一定程度的自主性。


下面对流程中将会涉及的一些主要概念作出简要注释：


01．识别：这是IDM的一种系统状态，当‘外来’信息与系统内部信息相一致时，系统内部信息进入“当前状态”所形成的一种状态结果。（“当前状态”见10.）

02．联想：这是IDM的一种系统状态，当‘外来’信息与系统内部信息的整合度达到一定阀值，并由此而使系统内部信息进入‘当前状态’时，所形成的一种状态结果。

03．创造：这是IDM的一种系统状态，在“引导性”的作用下，系统将一信息体替换另一信息段中的某一相似信息体而形成的一种结果。（“引导性”见９）

04．遗忘率：是指系统对长期不被调用的信息按一定原则进行压缩处理，即通过增大其模糊性，以达到节省存储空间和加快系统运行速度的目的。

05．疲劳值：是指为防止系统长时间陷于某一种状态中，而不能恰当地适应真实环境，所采取的一种限制措施。

06．整合：是指系统按一定原则给每帧信息以及信息段之间赋予一定的整合度，从而使得系统内部信息形成一定的连贯性。从另一个角度来看，这也是一种记忆的过程。

07．离、合：所谓离、合是指系统依据引导性原则，对信息段进行拆分和组合，只有进行拆分或组合后的信息体，才是真正能为系统所利用的信息单元。

08．偶合：偶合是指不同ORGAN的当前信息之间所建立的一种特殊的关联关系，其最终表征类似于生物性中的条件反射。

09．引导性：这是IDM的理论核心，是其解决一切问题的总的原则。IDM认为，引导性是万事万物所固有的属性，是一事物所具备的使其他事物进行分离或组合的性质。其主要作用在于通过分离或整合而构造新的信息结构。

10．当前状态：是指当前情况下，系统中活跃度最高的信息段所处的状态。

11．主控状态：是指系统中拥有一定规模与活跃度的信息段所处的状态，其能够在一定情况下让出或占有当前状态。

12．自主性：IDM系统的自主性是从自发性转变而来的，当系统中某一信息段达到了一定强度，并且，在引导性的作用下，使其成为主控状态时所表现出来的性质，我们就称其为自主性。

13．灵感：信息经过离、合后，每个信息单元所‘激活’的系统内部信息被分为一定的数量级别，只有当前最活跃信息段能入主当前状态，也就成为了我们所谓的“显意识”，没能入主当前状态的活跃信息段我们称之为“潜意识”，当这类信息段在一定条件下活跃度增高而被主控状态所
用入主当前状态时，即形成了“灵感”。

14．性格：是指因系统较稳定地处于一定的信息环境中，并且环境中某些信息长期或频繁作用于系统而使系统形成的在某些方面较稳固的反应状态。

15．自我意识：是指主控或当前状态将主体‘我’以及主体‘我’的‘思维’过程作为客体来‘观察’，而形成的一种结果。

16．语言：在IDM系统中，语言一般情况下是指经偶合形成的、较稳定的、关涉一定其他信息段的A类信息体。

17．Q值：Q值即信息体信号强度值，它是IDM系统中的核心因素之一。Q值的大小将直接关涉到系统当前状态的占有与否、信息灵敏度、系统存储空间以及系统运行速度等因素。

18．整合度：整合度是指信息体的关联强度，在IDM系统中它是由主控状态、信息体Q值以及信息体间隔度所共同决定的。

19．鲜明特征化：一方面它是指为适应系统的硬件处理能力对信息体进行模糊化处理；另一方面，鲜明特征化又极大地有利于引导性作用的发挥和对事物的 抽象化，对于这一点，遗忘率也发挥了一定的作用。

20．当权率：当权率即信息段入主当前状态的机率的大小，它是由信息段的势强决定的。势强分两类，A类即Q值；B类是指Q值的稳定程度，它是由信息段所形成的信息团的大小来决定的。

21．整体（群）：整体，我们又称其为‘群’，是指相对性的多个信息体的集合。通常，系统是不对‘群’进行直接加工的，它需要通过自离合性或离、合性来分解成相对性的单位信息体才能为系统所利用。

22．个体（类）：个体，我们又称之为‘类’，是指能够为系统所直接利用的信息单元体，它是一个相对性的概念，一个主控状态下的类有可能是另一个主控状态下的‘群’。

23．自离、合性：自离、合性又叫‘原始离合性’，它是指系统随硬件而具备的（当然也可软实现）将‘群’化为‘类’以供系统利用的性质，在IDM系统中，自离、合性对于系统启蒙发挥了不可替代的作用。

24．系统行为可及达性：系统行为可及达性是指IDM系统与外界信息相互作用的过程中，系统在引导性的作用下，可以不仅仅被动地接收处理信息，而且可以‘主动’地搜索、选择‘需要’的信息，这就需要系统的V、A信息录入设备受控于系统，可以产生一定的‘动作’。在IDM系统中，
这种动作的产生与系统中其他的信息处理是统一的，也是由引导性来作用完成的。