大会嘉宾及报告

赵地

题目:

类脑芯片与人工意识

摘要 : 在神经形态计算中，脉冲神经网络（Spiking Neural Network，SNN) 是硬件实现的最佳选择。因此，近来一些研究把工作重点放在了加速 SNN 计算上。然而，大多数加速器解决方案都基于 CPU 加速器架构，这种结构因为复杂的控制流程而能源效率低下。本报告将讨论基于脉冲卷积神经网络的开源芯片构架：开发脉冲卷积单元，对现有的卷积神经网络单元进行特征提取和事件驱动设置，进一步提高单元工作工作的效率，并降低功耗的开销。

嘉宾介绍 : 赵地。副研究员，硕士生导师。2010年获美国路易斯安娜理工大学计算科学博士学位。2010年至2014年在美国哥伦比亚大学和美国俄亥俄州立大学从事博士后研究。2015年，经中国科学院网络中心引进回国工作，任“脑科学与计算”课题组组长。2018年至今，任中国科学院计算所副研究员。赵博士开发了多款开源芯片：开源高性能处理器“香山”芯片（研发团队核心骨干）、开源类脑芯片“文曲星”（总设计师）、等。

窦尔翔

题目:

人工意识视角下的经济金融运行模式

摘要 : 宇宙大爆炸可以泛化四个节点：138亿年前的“渊宇宙大爆炸”，符合自组织规律；35亿年前的“源宇宙大爆炸”符合基因表达（遗传）规律；二三百万年前的“原宇宙大爆炸”符合“社会生命”规律；2021年的“元宇宙大爆炸”符合“人类虹化”规律。这种进化体现为人类社会DIKW的能力不断提升。人类社会进化的过程是人类将数据变为智慧的水平不断提升的过程。这个过程可以简要的表述为三个阶段：DIKW、DIKWP、DIKIWP。其中，D（Data）指数据，I（Information）指信息，K（Knowledge）指知识，I（intelligence）指智能，W（Wisdom）指智慧，P（Purpose）指意图。相较于DIKW，DIKWP强调了明晰的意图可以提升改造世界的智慧的精准性。人类社会经济运行的一般模式是操作平台、金融平台和产业平台所形成综合平台。这个平台的主角是产业平台，产业相似度越大，产业平台划分得越细，产业情景性越强，社会经济发展的意图越明确，社会经济运行的效果越好。人类对智能和智慧的区分不断提升，所谓智能主要指的是单个人获取权益的能力，智慧则在此基础上还考虑到了更高维的系统的可持续性。如果在“物以类聚人以群分”的基础上再细化信用层级，做到“物以层聚人以层分”，人类社会经济运行的平台就会具有三公性，即保持底线的公正，区分效率的公平，隐私悖论最大化解决的辩证公开性。宇宙借助于人类信息化的能力不断提升来彰显了宇宙的进化水平在不断提升。这种提升随着元宇宙、人工智能、人工意识等信息技术水平的提升而不断提升，人类社会借助于“人机融合”的改造世界的智能水平也在不断提升。

嘉宾介绍 : 窦尔翔，经济学博士，金融学博士后。北京大学软件与微电子学院金融信息与工程管理系教授，北京大学金融与产业发展研究中心研究员。长期致力于信息技术、信用约束和金融制度如何促进人才培养和产业发展的生态平台模式创新的研究。主持部级国家级课题5项，发表论文一百余篇，公众号“高维金融讲习所”文章1300余篇，国务院发展研究中心、国家发改委内参上发表文章若干。申请知识产权十余项，申请专利一份。国声智库《域富论》课题组组长、当代世界信息科技研究院院长、北京信用学会监事长、北京信用学会域信用专委会主任。澳交所（MOX）首席金融工程顾问、澳科大等多所大学博导、西安市人民政府金融顾问。TIF模式域富论创立者。

杨家家

题目:

超高解像度核磁共振大脑皮质层功能成像（Layer fMRI）与多尺度脑功能

摘要 : 大脑最外层的灰质包含约150亿个神经元，是我们的脑功能中枢。这些神经元依据构造和功能的不同进一步分布在6个皮质层。每一个神经元都通过突触和其他数千个神经元相连接形成皮层内神经回路后，在脑的不同区域之间或者向身体的特定接收细胞传递信号。近些年，通过以动物为主的神经生理学技术，光遗传学技术等的飞速发展，我们知道感觉皮质的中间层（Layer IV）接收并处理第一级感觉信息。与之相呼应感觉皮质的内外层（Layer I/II/III和V/VI）负责接收由其他高级脑区发出的反馈信号。上个世纪90年代开始，基于神经元活动和脑血氧平衡关系的功能核磁共振成像（fMRI）技术逐渐成形，推进了我们对人脑功能的理解。2000年前后，磁场强度3特斯拉（T）的MRI设备渐渐普及，促进了解像度3mm等体素的成像技术发展，进一步的推进了我们对人脑的理解。例如，利用fMRI技术证明了人类视觉信息处理分为背侧和腹侧两条回路。侧前头叶和后头顶叶构成的回路负责工作记忆，注意，预测等高级功能。我们的研究组从2005年开始致力于fMRI成像技术和数据解析技术的开发，并且利用最新的技术解明人脑的多感觉信息处理机制。2015年开始挑战利用超高磁场7TMRI的超高解像度（0.7mm以下）的功能成像技术（Layer fMRI）开发。经过多年的努力，2019年我们取得了世界首例触觉皮质层功能记录的成功，确定了超高解析度人脑fMRI研究的基础。现在，演讲者创立了日本第一个超高解析度人脑fMRI研究组，致力于理解多尺度脑功能。现代人工智能（AI）研究涉及创建和实施旨在模仿人脑神经网络。多模态/多尺度的脑功能的理解给AI研究提供了坚实的基础，于此同时最尖端AI技术也推动了脑基础科学进步。

嘉宾介绍 : 杨家家，日本冈山大学研究副教授，应用脑科学研究室负责人，博士生导师，日本科学技术振兴机构（JST）创发研究者。美国国立卫生研究所（NIH）客员研究员。现任国际复合医工学学会理事，执行董事；日本人脑影像学研究会执行委员；日本人脑影像学研究会青年科学家育成委员会委员；国际人脑图谱学会（OHBM）Aperture Neuro国际期刊编委；Neuroscience and Biomedical Engineering国际期刊执行主编等职务。主要研究方向为，认知神经科学，多感觉脑功能成像，超高解像度功能核磁共振（fMRI）成像技术开发，多元脑功能数据解析，人工智能等。日本学术科技振兴会（JSPS）卓越青年科研基金项目负责人1项，日本文部科学省（MEXT）变革性研究领域基金项目负责人2项，日本文部科学省（MEXT）国家级科研基金项目负责人4项，日本科学技术振兴机构（JST）创发性科学技术融合导向研究基金项目负责人1项。参与日本国家级科研基金项目10项。国际专利2项。研究成果发表在Science Advances，NeuroImage，Cerebral Cortex等顶尖国际期刊百余篇。

熊墨淼

题目:

类脑超维向量计算和人工智能，人工意识分析

摘要 : 人的意识，情感，行为和智能是息息相关的。意识和情感会影响智力的活动。意识和智力不会孤立存在，他们是相互作用的。但现在的困难之处是长期以来意识没有准确的定义，意识在人的大脑什么部位，发生什么样的生物化学反应过程，如何测量，没有共识。人工意识研究还处于一个非常初始的阶段，正面临着一个巨大的挑战。最近有人提出现象意识的两阶段理论：基本的唤醒阶段和一般的警觉阶段。基本的唤醒阶段是指一特殊的警报系统以保证在突然威胁下人的生存，而一般的警觉使我们能灵活地学习和制定反映外界的行为策略。意识的两阶段理论包括了丘脑过程的皮层下的大脑活动以及统一皮质下的活动和皮质一皮质环路的神经证据。为了揭开意识障碍的机理，我们要研究两类神经电路：后皮质区和皮层下，颞叶，顶叶和额叶区的信息传递和播发。大脑的神经活动可通过EKG，各类图像如MRI，fMRI，PET等来获取。大脑活动的这些电路常用图，特别是有向图来刻画。本报告旨在提出用类脑超维向量计算作为统一的范式来分析人工智能和人工意识。我们近代数学和物理学的发展是建立在欧几里德空间基础上的。但是人工智能处理的语言和图像是非欧氏空间里的量。要和欧氏空间里的量结合起来，我们就发展了基于token 的编码理论，把非欧氏空间里的量映射到欧氏空间上去。随着人工智能向一般人工智能的发展，随着人工意识研究的兴起，我们要处理符号逻辑，要处理外部现实世界（即不是处理外部世界的单个物体，单个数据类型，而是把外部世界看作是多种模态，多种物体的结合），要处理意识，情感所测量的非欧氏空间的量。这样，我们就要建立更一般的超维向量空间的坐标系来统一处理欧氏空间和非欧氏空间。超维向量空间的坐标系是由一组相互正交的，随机产生的，超维向量组成。向量的维数高达一万以上。向量的分量服从独立同分布。和解析几何一样，我们要定义向量的加法，向量和数的乘法，向量的内积和外积。和解析几何不一样的是我们还要定义多个向量的乘法和向量的置换运算。我们把向量对坐标系的分解而產生的坐标称为嵌入（embedding)。我们运用向量的叠加原理来用一个超维空间的一个向量来表示各种物体（如行人，汽车，路障，山川）和逻辑符号的集合。然后把这个向量在超维向量空间分解，产生它的坐标。向量在超维向量空间的分解类似于多重线性变量分析而又衍生出张量乘积。实数或更一般地说，函数的编码又涉及到再生核希尔伯特空间（RKHS）和付里叶变换。类脑超维向量和统计分析的一个最大不同点是统计分析依赖于模型。统计分析的三要素是含有参数的模型，输入输出数据和用数据拟合模型。这样在参数估计过程中我们要不断地通过反复迭代来修改模型。这样计算量大，特别是深度学习，耗费大量能源。而类脑超维向量计算不需要迭代而直接求解。这样可大大节省计算量和能源。如数据分类，统计分析首先选择一个模型如神经网络，然后用样本的特征变量和样本的类型输入到神经网络进行训练，调整参数。训练后的神经网络用来检查检测集的样本的特征变量输入到训练后的神经网络输出什么样的类别，与我们原有收集的类别信息是否一致。但超维向量计算用于分类则不同。每个样本记录（包括一组特征变量）都赋予一超维向量。训练集中每一种类别的所有样本所赋予的超维向量叠加起来形成该类别的超维向量。在检测阶段，每个待检测的样本按照训练时的同样方法赋予样本超维向量，然后与训练时所获得的类别超维向量进行比较。最相似的，也就是距离最小的那个类别向量所代表的类别，就是检测样本向量的类别。原有的统计或人工智能中的分类，回归，各种图计算包括图神经网络，树计算的算法都要重新发展。许多概率模型，随机过程（包括扩散）理论都要推广到超维向量空间中来。常规的微分方程理论要推广到张量，发展张量微分方程的理论。超维向量计算非常适于合並多态量如EKG，ECG，GPS，脑神经图像，张量运算可用以分析描述决定意识的脑电路和它的动态行为。这既向我们提出了巨大的挑战，也给我们提供了珍贵的机会。

嘉宾介绍 : 熊墨淼。1968年毕业于复旦大学数学系计算专业，1993年毕业于美国佐治亚大学统计系。1993年至199 5年在南加洲大学数学系师从美国科学院院士Michael Waterman进行计算生物学的研究。于2021年9月从德洲大学公共卫生学院生物统计和数据科学系，人类遗传中心，德州大学MD安德森癌症中心，UTHealth研究生院退休（终身教授）。研究兴趣为人工智能，统计学，基因组学，生物信息和计算生物学。

刘伟

题目:

人机融合意识与人类的意识的思考

摘要 : 人机融合意识是指人类与计算机系统之间建立起密切的交互和协作关系，形成一种共同的意识和认知状态。人机融合意识与人类的意识存在一些本质上的区别，可以从以下几个方面进行区分：人类的意识是自然生命的产物，伴随着我们的成长和发展，而人机融合意识是在人类与计算机系统交互的过程中产生的，它是通过技术手段实现的。人类的意识是内在的、主观的心理状态，是我们对自身和外界的感知、认知和体验的结果。而人机融合意识是通过与计算机系统的交互来实现的，它涉及到人类与外部技术系统的连接和互动。人类的意识是与我们的大脑活动相关联的，它具有复杂的情感、思维和意识流的特征，而人机融合意识可以通过与计算机系统的连接实现更强大的认知和计算能力，使人类能够扩展自己的能力和体验。人类的意识是自主的、独立存在的，不依赖于外部系统，但人机融合意识在很大程度上依赖于计算机系统的支持和交互，没有计算机系统的存在，人机融合意识无法实现。人机融合的价值与人类价值有所不同。

关键字 : 人机融合意识，事实，价值

嘉宾介绍 : 刘伟（1970.6-），北京航空航天大学工学博士，北邮人机交互与认知工程实验室主任，博导，剑桥大学访问学者，清华大学战略与安全研究中心中美二轨AI对话专家，媒体融合生产技术与系统国家重点实验室特聘研究员，中国指控学会认知与行为专委会副主任委员、城市大脑专委会委员。研究领域为人机融合智能、认知工程、人机环境系统工程、未来态势感知模式行为分析/预测技术等多方面等。现为中国信息与电子工程科技发展中心专家委员会特聘专家、国家自然科学基金评议专家、全国人类工效学标准化技术委员会委员、中国人工智能学会高级会员。

陈向群

题目:

量子人工智能能够产生意识吗？

摘要 : 量子计算机使用量子位或称为‘量子比特’，其中信息以‘量子叠加’的形式表示，例如同时是1和0，并通过纠缠根据薛定谔方程进行交互/计算。随后，量子计算经历缩减或‘坍缩’到确定的1或0状态作为解。最近，谷歌的‘D Wave’量子计算机被证明在经典计算机中不可用的计算速度提升。D Wave的量子比特是约瑟夫森结，通过超导体中的电子电流，可以是顺时针（例如‘1’），逆时针（‘0’），或两个方向的量子叠加（‘1和0’），这是量子人工智能（Quantum AI）的基础。到目前为止，经典人工智能未能产生意识。量子人工智能能否成功弥补经典人工智能的失败？彭罗斯和哈默罗夫的Orch OR理论提出了意识的量子计算基础。他们认为，意识涉及大脑神经元内微管中的量子计算，这些计算通过客观阈值（客观缩减-‘OR’）按照不确定性原理E=h/t进行缩减或坍缩。这些量子计算是由认知、记忆和共振‘协调’的，从而产生完整、丰富的意识体验。但是，E取决于从自身分离的叠加质量（或等效时空曲率）的数量。在Orch OR中，电子（非常小的质量）是叠加的起源，但在生物温度下与其原子核的位移和叠加耦合。因此，由大约1％的脑部微管所组成的约1018个微管蛋白（微管亚单位）的E将在10-7秒内达到OR的阈值。提议这些事件的干涉导致更慢的知觉整体和作为脑电图（EEG）中的‘节拍’的产生。在D Wave量子计算机中，叠加由质量非常小的电子组成，并且由于极低的温度，它们可能不会显著地与其原子核耦合。因此，假设Orch OR是正确的，D Wave或类似的量子计算机将需要非常长的时间t，或者需要非常大的量子比特集合。由于电子质量与质子质量的比值约为1800，而假设平均原子核质量为10个质子和中子，则D Wave量子计算机需要约18000倍的量子比特，或需要比根据Orch OR所述的人类大脑更长的时间，达到产生意识的阈值。因此，量子计算机为产生人工意识提供了一个合理的途径。

关键字 : 量子人工智能，意识，量子计算机，Orch OR，人工意识

嘉宾介绍 : 陈向群，南昌大学人文学院哲学系副教授，加拿大渥太华大学博士后。其研究主要集中在两个方面，一是量子力学和意识问题的相关研究，二是神经哲学与心灵哲学问题的研究。曾经多次参加美国图森意识科学会议（TSC），做量子意识问题的相关学术报告。发表多篇量子意识问题的相关学术论文，出版专著《意识之谜量子方法的哲学探究》（江苏人民出版社，2022）、译著《病脑启示：神经哲学与健康心智》（台湾大学出版中心，2018）、译著《自发的大脑：从心身问题到世界—大脑问题》（中央编译出版社，2023）。

段玉聪

题目:

DIKWP人工意识：从生理到数理的理论、方法与医学、气象等领域应用

摘要 : DIKWP人工意识模型是一个描述从数据到智慧转化过程的模型，其中每一步骤都受到我们的目标或者意图的引导。模型中的几个主要概念包括数据（D，Data）、信息（I，Information）、知识（K，Knowledge）、智慧（W，Wisdom）以及意图（P，Purpose）。我们的大脑在这个过程中发挥了关键作用，通过解析和处理原始数据，理解和整合信息，生成和应用知识，形成和执行意图，最终实现智慧的生成。首先，我们的大脑通过视觉皮层处理原始数据。这一过程涉及到大脑的后部视觉皮层，包括主要的视觉处理区域如V1、V2等。在此阶段，大脑将文本中的文字和符号解析为神经电信号。这个过程涉及大脑的颞叶，这是处理听觉、记忆和语言理解的区域。原始数据通常是我们从环境中收集的输入，需要通过感官如视觉和听觉来处理和存储。其次，大脑将数据转化为信息。这一过程发生在大脑的前部，如额叶。这里包含了大脑的决策中心和执行功能的部位，也涉及到大脑的语言处理区域，如布洛卡区（Broca's area）和韦尼克区（Wernicke's area）。此阶段的计算处理包括对数据的解析、整合和理解，以及对这些信息进行进一步的分析和推理。然后，大脑整合信息生成知识。这个过程涉及到大脑的前额叶皮层，这是大脑的高级认知功能区域，负责情绪控制、决策制定、问题解决等任务。此阶段的计算处理包括对信息的进一步分析、概括和规则的形成，以及对这些规则的存储和记忆。接着，大脑基于知识进行推理和决策，生成智慧。这个过程主要涉及到大脑的前额叶皮层和顶叶皮层，它们都是大脑的高级认知功能区域，负责执行功能和推理决策。此阶段的计算处理包括对知识的应用，以及对预测结果的评估和优化。最后，所有这些过程都受到我们的意图或目标的指导。我们的意图是由大脑的边缘系统（包括扣带皮层、杏仁核等）和前额叶皮层共同决定的。这就是大脑在DIKWP人工意识模型中的作用。如果我们以预测天气为例，首先，我们收集相关的天气数据，比如温度、湿度、风速等（数据阶段）。然后，我们从这些数据中提取有用的信息，比如找出气候模式、识别季节变化等（信息阶段）。接着，我们基于这些信息，建立天气预测模型，形成知识（知识阶段）。然后，我们基于这些知识，进行推理和决策，生成天气预报（智慧阶段）。最后，我们的预报和决策都受到我们的预测目标或目的的指导（意图阶段）。总的来说，人脑在处理和理解信息、生成知识、形成智慧以及指导行为意图的过程中，起到了至关重要的作用。DIKWP人工意识模型以一种科学且系统的方式，反映了人类大脑处理信息、生成知识、形成智慧以及指导行为的机制。在未来的研究中，我们可以进一步探索这个模型的更多应用，以帮助我们更深入地理解人脑的工作机制以及人类的认知过程。

嘉宾介绍 : 段玉聪，海南大学三级教授，博士生导师，南海名家，领军人才。现任海南大学计算机学院学术委员会委员、DIKWP-AC人工意识实验室创始人、AGI-AIGC-GPT评测DIKWP（全球）实验室创始人、数据、信息、知识、智慧、意图DIKWP创新团队负责人、海南大学学报（自然科学版）编委、兼重庆警察学院特聘研究员、海南省委双百人才团队“面向数据、信息、知识、技术DIKW融合的互联网创新团队”负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。主要研究方向为DIKW、服务计算、人工智能等。入围2022年全球前2%顶尖科学家终身榜，已申请241 件DIKWP主题系列化中国及国际发明专利。获评 2022 年海南省最美科技工作者（并被推荐候选中国最美科技工作者）。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。

刘永谋

题目:

人工意识、“AI觉醒”与有限AI设计

摘要 : 意识问题至今仍是哲学上的难题，认知科学中的人工意识主要是功能主义、操作主义层面的概念。在AI文化中，人工意识常常与“AI觉醒”话题相连，后者是一个“问题丛”，包括：某种AI如GPT-4有没有意识，AI有没有道德、情感、欲望和目标，超级AI会不会统治人类，等等。AI觉醒、超级AI是AI圈子“吸金”、“吸睛”的“法宝”，为宣传AI、吸引资金流向AI立下汗马功劳。从本质上说，对超级AI的恐惧是对他人的恐惧。超级AI思考和行事很可能不类人，不能用人心揣度它会不会毁灭人类。我觉得问题的关键不在于AI会不会“觉醒”，而在于我们应当努力控制AI的发展方向，使之为社会福祉服务。由此，必须要仔细思考：要不要发展可能觉醒的AI，需不需要发展通用人工智能，以及如何控制可能的超级人工智能。必须记住：AI设计的目标不是更智能，而是更有益。因此，有限AI设计主张将AI限制在有限的工具层面，而将相关道德问题全部交给人类处理。换言之，机器道德不是机器的道德，而是与机器相关的道德问题。

嘉宾介绍 : 刘永谋，中国人民大学哲学院教授、博士生导师，国家发展与战略研究院研究员、元宇宙研究中心研究员。美国哈佛大学、荷兰乌德勒支大学、西班牙巴斯克大学、美国科罗拉多矿业大学、法国索邦大学访问学者。主要研究方向:科学技术哲学，科学、技术与社会，智能革命与智能社会。已出版《技术治理通论》《科技与社会十四讲》《元宇宙陷阱》《技术的反叛》《物联网与泛在社会的来临》《行动中的密涅瓦》《哲人疯语》《福柯的主体解构之旅》等各类著作20余种，发表中外文学术论文170余篇。曾获全国优秀博士学位论文奖、吴玉章奖，国家社会科学基金重大项目首席专家，入选教育部新世纪人才计划。兼任中国自然辩证法研究会理事、常务理事，北京市自然辩证法研究会常务理事，江苏省食品安全研究基地、南京邮电大学客座研究员，华东师范大学奇点政治研究院、南京师范大学数字与人文研究中心学术委员会委员，西安电子科技大学、辽宁工业大学等高校兼职教授，Bulletin of PNRPU. Culture. History. Philosophy. Law以及《自然辩证法研究》《自然辩证法通讯》等杂志编委。

刘震

题目:

利用脑肌电多元信号感知人体运动意图在下肢外骨骼康复机器人中的应用

摘要 : 因脑卒中等引起的下肢运动障碍患者的运动神经系统有可能重建。下肢外骨骼康复（Lower Limb Exoskeleton Rehabilitation Robot，LLER）机器人代替康复医师对脑卒中患者进行康复训练，可以维持关节活动度，防止关节挛缩，纠正步态，根据大脑具有的可塑性的特性，促进神经组织功能进行代偿或重组，以弥补受损伤神经细胞所缺失的功能，促进各关节肌群的协调运动，进而恢复步行功能。步行偏差需要从临床步行分析获得的数据来评估患者的步行特性。在康复治疗初期，由于患肢残余肌力弱，需要下肢外骨骼康复机器人进行被动训练。在中后期，通过主动训练可以加速恢复。在主动训练阶段，感知康复患者的运动意图和主观意识对于提高LLER机器人的康复训练效率和精准度，以达到康复训练的最佳效果非常重要。解剖显示，行走周期中的膝关节运动由HAMS（biarticular HAMStrings）、GAS（GAStroconemius）和BFSH（Biceps Femoris Short Head）驱动。另外，膝关节在摆动阶段主要受到BFSH的影响。通常，被动训练轨迹跟踪数据来自正常人体行走计划，因此可能导致患者二次伤害，无法确保康复中患者的舒适性。对此，开发了基于多模式综合的运动想象（MI）的人的意图识别模块。将该模块应用于LLER机器人的主动训练模式。该模型的主要特点是：1）经过初步被动训练，患肢运动神经系统逐渐重建；2）锻炼前，患肢部分肌肉活动恢复，可显示正常肌肉活动。在这种情况下，我们开发了基于MI的多模式集成的康复患者意图识别模块。该模块由两个主要部分构成，一个是基于MI的脑电（EEG）意图信号收集模块，另一个是基于肌电（EMG）的运动指令修正模块。基于MI的EEG意图信号取得模块依赖于康复前期的被动训练，生成有效的脑电波，驱动LLER机器人进行预先编程的轨迹训练。另外，结合人机界面（HMI）康复视觉装置对患者脑的持续的图像信息刺激，提高了MI的精度。基于EMG的电机命令校正模块包括固定在可激活的患肢肌肉区域的EMG干电极传感器。通过使用EMG传感器检测肌肉活动，修正脑波的获得和处理后的有意控制命令。基于肌电的运动指令修正模块以固定传感器区域的肌肉被激活为前提。人的意图是从EEG采集和处理后，通过EMG传感器检测并矫正肌肉的激活。只要同时满足EEG驱动指令和EMG肌肉激活指令，LLER机器人的控制指令就有效。否则，视为无效的控制命令。

嘉宾介绍 : 刘震，日本国立东北大学博士（信息科学），现任长崎综合科学大学研究生院工学研究科教授，博士生导师。主要研究领域包括，大数据与数据挖掘、决策方法与决策支持系统、人工智能、福祉工学、服务计算等。IEEE Computer Society、日本信息处理学会（IPS）、人工智能学会（JSAI）、电子信息通信学会（EIC）会员。日本工程院（EAJ）外籍院士。吉林大学唐敖庆讲座教授、四川大学客座教授。

圆桌论坛

多感官交织角度下人工意识与艺术的对接和发展

主持人

李刚

嘉宾介绍 : 上海工艺美术职业学院城市设计学院院长，教授，上海市东方学者，研究方向为人工智能在艺术设计领域的应用实践。担任教育部职业技能大赛专家、上海市城市更新研究会副会长等。

段玉聪

嘉宾

金耀辉

嘉宾介绍 : 金耀辉，上海交通大学电子信息与电气工程学院长聘教授、人工智能研究院总工程师、智慧法院研究院副院长，科技部国家重点研发计划首席科学家。研究兴趣包括人工智能与法律经济交叉、数据治理与共享架构、知识牵引的深度学习等。担任提升政府治理能力大数据应用技术国家工程实验室专家委员会委员、木兰开源社区技术委员会成员、上海市公共数据开放专家委员会成员等。

操礼遇

嘉宾介绍 : 操礼遇，浙江大学心理与行为科学系百人计划研究员，国家高层次海外青年人才，英国格拉斯哥大学博士，德国维尔茨堡大学博士后。他的研究方向为认知神经科学，主要从事感觉运动加工的认知原理和神经机制研究，研究手段包括心理物理、眼动、脑电等。以第一作者、通讯作者身份在Current Biology, Nueorimage, Cortex, JCN等多项著名期刊发表SCI论文逾十篇。

赵冰蕾

嘉宾介绍 : 上海交通大学心理与行为科学研究院助理研究员，中国心理学会老年心理分会委员，英国爱丁堡大学博士。主要研究方向是视觉想象的神经机制和脑机接口。研究手段包括任务态核磁共振、脑电，和基于嗅觉等多感官的神经调控。已获专利8项，以第一作者、通讯作者身份在Psychology and Aging、PB&R等期刊发表SCI论文逾十篇。

张骁晨

嘉宾介绍 : 张骁晨，上海交通大学医学院附属精神卫生中心助理研究员，清华大学医学院生物医学工程专业，加拿大麦吉尔大学蒙特利尔神经病学研究所访问学者。他的研究方向为脑干听觉加工、听觉认知、音乐脑加工等领域，目前研究方向为精神障碍的听觉认知与情绪交互异常机制，及其在精神障碍非药物干预上的应用。授权发明专利3项，近年研究成果发表于Journal of Neuroscience、Asian Journal of Psychiatry、Biological Psychiatry: Cognitive Neuroscience and Neuroimaging、European Child & Adolescent Psychiatry、Human Brain Mapping、Hearing Research等知名期刊。

宣兴磊

嘉宾介绍 : 宣兴磊，杭州顽聚星球创意科技有限公司、安徽顽皮机器CG工作室CEO/艺术总监，安徽新闻出版职业学院动漫专业负责人，教育部职业院校艺术设计类教学指导委员会游戏设计工作组副组长。研究方向为数字创意产业、游戏、动画、文创IP等艺术设计与探索，先后作为Senior Concept Artist工作于中国上海（上海完美、久游网）、新加坡（Singapore Real U Pte Ltd）、英国纽卡斯尔(Imagination Studio)等地知名游戏与动画创意艺术公司。目前带领团队聚焦于AIGC在数字化创意、虚拟元宇宙的实践运用与方向探索，参与国内外众多游戏、动画等创意产品与项目的设计与制作。

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3429562-1399580.html?mobile=1

分享到:

当前推荐数：0

推荐到博客首页

网友评论0 条评论

该博文允许注册用户评论请点击登录