引用本文

王晓峰, 杨亚东. 基于生态演化的通用智能系统结构模型研究. 自动化学报, 2020, 46(5): 1017-1030. doi: 10.16383/j.aas.c170679

WANG Xiao-Feng, YANG Ya-Dong. Research on Structure Model of General Intelligent System Based on Ecological Evolution. ACTA AUTOMATICA SINICA, 2020, 46(5): 1017-1030. doi: 10.16383/j.aas.c170679

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c170679

关键词

智能，类脑智能，智能系统结构，人工智能，智能的起源与演化 

摘要

从系统论、认知神经科学和生态演化的角度看, 智能是指生物体根据环境、条件、目标, 自适应地调整自身或调度各种资源实现目标的能力, 智能起源于生命, 智能是生物的基本特征.借助于脑神经系统演化的历史, 展示了自然智能的演化过程, 并由此构建了一个基于生态演化的通用智能系统结构模型, 系统地分析了一般智能系统的普遍性、开放性、动态演化性、相对稳定性、功能性、结构性、依附性、相对独立性、可延续性等基本特征.论文根据智能演化进程将智能系统分为7级, 利用智能系统结构模型分类探索专用人工智能和通用人工智能的发展方向以及有关智能系统的学习方法.这些工作对人工智能和智能科学基础理论研究与应用具有一定的启发意义.

文章导读

随着大数据和深度学习理论的应用和发展, 近几年来人工智能获得了前所未有的关注和重视, 人工智能理论和应用已经成为世界各国的竞争热点, 要持续不断地推进人工智能的深入发展, 必须要在基础理论上获得新的突破[1-4].构建通用的一般化的智能系统模型是人工智能基础理论研究中的一个非常重要的方向, 特别是国家已经把人工智能教育纳入普教内容, 开始在高校开设人工智能专业[5], 建立和研究、通用的智能系统理论体系是非常必要的.此外, 任何人工智能产品从理论上说都是一种智能系统, 要开发出一个好的人工智能产品、建立人工智能产业标准、研究人工智能技术、发展人工智能方法等, 都需要以深刻反映智能本质的通用理论模型为指导, 描述清楚智能系统的目标需求、功能结构、计算方法等关键问题.因此, 探索通用的智能系统模型是十分必要和非常有意义的工作, 也是建立新一代人工智能系统的基础性工作.

图灵机是最早的计算机理论模型, 该模型由一条无限长的纸带、读写头、控制规则和状态寄存器等组成, 是一个通用的计算智能系统模型.虽然计算机发展到了今天也没有完全实现图灵机, 但是根据其原理实现的各种计算机系统在确定性计算问题上已远超人脑. 20世纪70年代初流行的专家系统是人工智能概念正式推出后最为典型的智能系统之一, 其系统结构主要由知识库、推理机、输入输出用户界面功能部件等组成, 如何构建知识库和推理机是其关键技术[6].上世纪70年代末80年代初以误差反向传播(Back propagation, BP)神经网络模型为代表的第二轮人工神经网络技术兴起, 推动了连接主义的发展, 智能体系结构从知识库扩展到数据库, 数据挖掘成为知识获取的重要手段, 推理机从逻辑演算改为神经网络模型, 或把推理机和人工神经网络(Artificial neural network, ANN)结合起来, 但由于神经网络模型的黑箱效应, 其推理过程因解释性差而广受诟病[7]. 20世纪90年代Brooks倡导的行为模拟方法推动了Agent (智能体)系统模型的研究. 2001年Weng等[8]引入自主智力发育概念, 并在随后的工作中拓展和完善其模型框架和算法实现. 2005年澳大利亚堪培拉大学的Hutter[9-10]提出智能是智能体在广泛的环境下达成目标的能力, 并且建立了一种基于智能体-环境关系的通用智能系统模型UAI (Universal artificial intelligence, 通用人工智能), 主张通过强化学习理解环境, 达成智能体的目标. 2007年美国孟菲斯大学智能系统研究所副所长Franklin[11]从认知和神经心理学等角度出发, 在认知和计算模型IDA (艾达)的基础上, 增加学习功能, 提出了一个通用智能系统架构LIDA (Learning IDA, 具有学习能力的IDA). 2012年美国通用人工智能会议主席Goertze等[12]综合多人研究成果, 在LIDA的基础上增加多模态感知、问题求解等内容, 提出类人通用智能架构AGI (Architecture of general intelligence, 通用智能结构模型).加拿大卡尔加里大学Wang[13-14]把认知功能和脑神经系统结构结合起来, 提出了一种通用的抽象智能模型.随着深度学习研究的发展和进步, 结合认知科学原理和视觉信息处理机制的类脑智能成为近年重要的研究方向[15-19]. Yu等于2016年提出了一种模块化的类脑智能系统结构[20-21], 该结构模型根据脑的视觉处理机制, 通过设立视觉输入、编码、记忆、选择、信息处理、解码、驱动等模块, 构成了一个有一定通用意义的智能系统结构. 2017年8月钟义信[22]根据信息生态方法论, 提出具有普遍性的"智能系统的原理模型", 该模型给出了一个模块化的智能系统结构, 强调信息与知识的生成转换关系, 指出智能"源于信息, 长于知识, 成于策略".史忠植[23-24]和蔡自兴[25]则分别从智能科学和认知系统的角度提出了智能系统的结构化模型.

这些结构模型或从视觉信息处理扩展到一般智能系统, 或从信息到智能的生成关系角度研究智能系统, 或从认知系统角度探索智能系统结构.基本都是以计算为核心, 从信息加工的角度分析脑的信息感知、信息-知识、策略生成等功能, 构建模拟大脑信息处理的智能系统基本架构.没有注意生物进化、智能的起源与演化以及智能目标的价值与意义, 而这些内容对探索智能的本质, 智能系统的分级、分类以及系统的运用具有非常重要的意义.

因为自然智能是大脑的产物, 大脑是信息加工的场所, 更是智能的寓所.从智能的起源看, 智能更是生物的基本属性, 是生物演化的产物, 智能是生物个体实现其目标的一种能力, 所以我们需要放大眼界, 从智能的目标, 环境与生物之间的交互关系, 从生态演化的角度来分析和理解智能, 建立更加系统的具有演化性质的智能系统框架结构.因而本文试图从认知神经科学、进化论和系统论的角度, 深入研究智能和智能系统、类脑智能和类脑智能系统, 进而建立一个基本的智能系统结构框架, 为人工智能和智能科学提供一个全局性的基础性的演化视角.

图 1  最简生物智能系统

图 2  基本智能系统功能结构

图 3  策略学习和运用的迭代过程

本文的主要贡献概括起来如下:

1) 从系统论和生态演化的角度, 提出智能是指生物体根据环境条件、目标, 自适应地调整自身或调控各种资源实现目标的能力, 智能起源于生命, 智能是生物基本特征.借助于脑神经系统演化的历程, 研究了智能的演化过程.

2) 以类脑智能为例, 借鉴认知神经理论和脑神经系统进化理论, 构建了一个通用的基本智能系统结构模型; 与已有模型比较, 本文提出的智能演化模型立足于智能的进化, 亦注重智能系统的功能结构, 系统和环境目标的交互反馈过程; 智能演化模型是指基于演化的智能系统模型总称, 包括功能结构模型和形式化的数学模型; 由于演化是一个动态过程, 所以智能演化模型可有多种不同的功能结构, 即可描述类脑智能的基本智能系统功能结构, 也可描述仅具最简智能系统功能结构的原始生物智能.

3) 从系统论和信息论的角度, 分析了一般智能系统的9项基本特征, 特别是智能的动态演化性和普遍性.智能系统的动态演化性提示我们智能系统的功能结构不是简单的一成不变的.可以强化或减少某些不必要的功能, 优化系统结构.智能的普遍性提示我们可以用智能系统功能结构模型分析和改进现有的管理信息系统, 增加学习机制、知识管理和中央协调控制等功能, 使其成为真正的智能管理系统.通过智能管理系统实现智能化工厂(组织).

4) 探讨了智能系统的分级分类、专用人工智能和未来人工智能系统的发展方向等人工智能和智能科学基本问题.本文基于智能演化模型的分级分类方法符合自然界生物演化规律, 简单、自然、易行.

5) 建立了演化智能系统的形式化模型、形式化的学习公式、协同计算公式和系统计算方法, 为后续智能系统结构演化过程理论和学习算法研究奠定了基础.同时, 智能船舶系统作为智能演化模型的应用案例, 说明模型具有实际应用价值.

此外, 智能是生物体的基本特征, 也是一种目标导向的自适应调控的复杂信息处理系统.把智能"源于信息, 长于知识, 成于策略"[22], 概括为"源于生物、启于目标, 长于知识, 成于策略"更符合智能的生物体特征.

智能系统及其模型研究是人工智能和智能科学领域最为重要的基础理论内容之一.本文仅从生态演化的角度对智能系统的结构模型和形式化描述以及智能系统的一般性质进行了初步研究, 尚有很多问题没有涉及, 如系统功能模块的子结构及相互关系, 学习算法、情感、语言等.特别是基本智能系统结构模型的应用和学习算法, 以及策略学习和运用的交替反馈算法, 结合强化学习、进化算法等研究新的实用化系统学习算法等, 有待进一步深入研究.

作者简介

杨亚东

上海海事大学信息工程学院博士研究生.主要研究方向为机器学习和图像处理. E-mail: yangyadong03@stu.shmtu.edu.cn

王晓峰

博士, 上海海事大学教授.主要研究方向为人工智能, 数据挖掘与知识发现.本文通信作者. E-mail: xfwang@shmtu.edu.cn