○張寅生

(中國(guó)科學(xué)技術(shù)信息研究所 信息技術(shù)支持中心，北京 100038)

一、人工科學(xué)和認(rèn)知科學(xué)的基本概念和學(xué)科發(fā)展概況

“人工科學(xué)”是司馬賀(Herbert A.Simon)于20世紀(jì)60年代提出的。這一概念指謂“人工的科學(xué)”，即人工物和人工行為相關(guān)的科學(xué)。他納入這一科學(xué)領(lǐng)域的典型學(xué)科是計(jì)算機(jī)科學(xué)、設(shè)計(jì)科學(xué)、心理學(xué)、認(rèn)知科學(xué)、藝術(shù)學(xué)、管理學(xué)、經(jīng)濟(jì)學(xué)等這些以人自身或人干預(yù)的對(duì)象為研究對(duì)象的學(xué)科。

近年來(lái)，包括人工科學(xué)的科學(xué)技術(shù)發(fā)展呈現(xiàn)出很多革命性的變化，這些變化很多是司馬賀所預(yù)測(cè)的，有些則具有新的特征，其中一個(gè)進(jìn)化模式上的特征是認(rèn)知科學(xué)對(duì)人工科學(xué)的影響。

自美國(guó)于1979年成立認(rèn)知科學(xué)協(xié)會(huì)(Cognitive Science Society)以來(lái)，認(rèn)知科學(xué)被認(rèn)為作為一門(mén)獨(dú)立學(xué)科正式誕生。2000年，美國(guó)國(guó)家科學(xué)基金會(huì)和美國(guó)商務(wù)部資助的一個(gè)研究項(xiàng)目對(duì)美國(guó)新世紀(jì)優(yōu)先研究與發(fā)展的領(lǐng)域進(jìn)行了研究與建議，確定了一個(gè)戰(zhàn)略性的方向，即著眼提高人類(lèi)能力的聚合科技，其核心學(xué)科被選擇為納米、生物、信息、認(rèn)知(Nanotechnology，Biotechnology，Information Technology，Cognitive Science:NBIC)四個(gè)學(xué)科，在世界科技領(lǐng)域大大提高了認(rèn)知科學(xué)在科技領(lǐng)域的引領(lǐng)作用。該研究成果集中體現(xiàn)在《NBIC報(bào)告》之中，報(bào)告稱(chēng):〔1〕

在下個(gè)世紀(jì)，或者在大約5代人的時(shí)期之內(nèi)，一些突破會(huì)出現(xiàn)在納米技術(shù)、生物技術(shù)(消融了自然和人造的分子系統(tǒng)之間的界限)、信息科學(xué)(導(dǎo)向更加自主的、智能的機(jī)器)、生物科學(xué)和生命科學(xué)(通過(guò)基因和蛋白質(zhì)學(xué)來(lái)延長(zhǎng)人類(lèi)生命)、認(rèn)知和神經(jīng)科學(xué)(創(chuàng)造出人工神經(jīng)網(wǎng)絡(luò)并破譯人類(lèi)認(rèn)知)和社會(huì)科學(xué)(理解文化媒母，駕馭集體智商)領(lǐng)域，這些突破被用于加速技術(shù)進(jìn)步的步伐，并可能會(huì)再一次改變我們的物種，其深遠(yuǎn)意義可能媲美數(shù)十萬(wàn)年以前人類(lèi)首次學(xué)會(huì)口頭語(yǔ)言。NBICS(納米-生物-信息-認(rèn)知-社會(huì))的技術(shù)綜合可能會(huì)成為人類(lèi)偉大變革的推進(jìn)器。

這個(gè)報(bào)告將認(rèn)知科學(xué)等四學(xué)科帶來(lái)的科技融合與人類(lèi)進(jìn)化史上的言語(yǔ)產(chǎn)生、制造工具、計(jì)算機(jī)發(fā)明等里程碑事件相提并論，足見(jiàn)其對(duì)認(rèn)知科學(xué)引領(lǐng)作用的認(rèn)可。

在我國(guó)，認(rèn)知科學(xué)尚沒(méi)有列入教育部等多個(gè)科學(xué)管理組織的學(xué)科目錄，但是已經(jīng)成立了認(rèn)知科學(xué)學(xué)會(huì)，認(rèn)知專(zhuān)業(yè)研究機(jī)構(gòu)也有增加趨勢(shì)，并有多個(gè)專(zhuān)業(yè)的認(rèn)知會(huì)議舉辦。如清華大學(xué)心理與認(rèn)知科學(xué)研究中心主辦的全國(guó)認(rèn)知科學(xué)會(huì)議截止至2015年已經(jīng)舉辦了七屆。

認(rèn)知科學(xué)對(duì)于人工科學(xué)的影響也越來(lái)越引起重視。已經(jīng)有著作專(zhuān)門(mén)研究認(rèn)知與人工科學(xué)的關(guān)系，如Jeff Johnson的《認(rèn)知與設(shè)計(jì)》〔2〕。在我國(guó)設(shè)計(jì)界也提出了“設(shè)計(jì)學(xué)的基礎(chǔ)科學(xué)是認(rèn)知科學(xué)”〔3〕的結(jié)論。

二、當(dāng)前認(rèn)知科學(xué)對(duì)人工科學(xué)引領(lǐng)領(lǐng)域和成果

從近期的人工科學(xué)現(xiàn)狀和趨勢(shì)分析，以下人工科學(xué)領(lǐng)域，特別是創(chuàng)新設(shè)計(jì)領(lǐng)域，突出體現(xiàn)了認(rèn)知科學(xué)的引領(lǐng)作用，特別體現(xiàn)了認(rèn)知科學(xué)的直接研究成果和研究方法特征。

1.人體及其功能特征識(shí)別技術(shù)、生命體征和健康狀態(tài)模式識(shí)別技術(shù)。已經(jīng)識(shí)別的人體及其功能特征包括:指紋、虹膜、人臉、語(yǔ)音、DNA等等，其基本方法包括傅立葉分析等濾波技術(shù)、概率計(jì)算方法、機(jī)器學(xué)習(xí)方法。此外，在設(shè)備醫(yī)學(xué)診斷中也有大量的模式識(shí)別技術(shù)應(yīng)用。與此相關(guān)的技術(shù)是生命體征和健康(疾病)狀態(tài)模式識(shí)別技術(shù)。這些技術(shù)原理需要考慮復(fù)雜而模糊的生命狀態(tài)識(shí)別模式，同時(shí)還需考慮多因素的因果性和大量的隨機(jī)性，其識(shí)別原理與單項(xiàng)的人體器官和單獨(dú)功能特征識(shí)別有別。通過(guò)推理診斷簡(jiǎn)單模式的診斷在人工智能早期的疾病診斷系統(tǒng)已有應(yīng)用，如專(zhuān)家診斷系統(tǒng):診斷血液中細(xì)菌的感染MYCIN，血液凝結(jié)系統(tǒng)診斷CLOT;此外還有通過(guò)知識(shí)庫(kù)機(jī)器規(guī)則推理實(shí)現(xiàn)特征推導(dǎo)。近期的技術(shù)如Tripath〔4〕和Cytyc〔5〕公司的細(xì)胞和癌癥檢測(cè)識(shí)別技術(shù)，通過(guò)成像識(shí)別模式特征。在健康和衛(wèi)生數(shù)據(jù)中的生物和行為模式的數(shù)據(jù)分析將人體分析即模式識(shí)別技術(shù)擴(kuò)大到了多模態(tài)數(shù)據(jù)和生命體多功能數(shù)據(jù)，稱(chēng)為當(dāng)前大數(shù)據(jù)分析方法新興的領(lǐng)域之一。

人體及其功能特征識(shí)別、生命體征和健康狀態(tài)模式識(shí)別，大致上是人自身非意識(shí)主導(dǎo)的生命體征模式;對(duì)它們的認(rèn)知(cognition，也就是識(shí)別)是人的涉身認(rèn)知能力、自我認(rèn)知能力的模擬、延伸和技術(shù)化。

2.腦機(jī)接口技術(shù)，包括腦-機(jī)接口、機(jī)-腦接口、腦-腦接口技術(shù)。上述交互方式都已經(jīng)實(shí)現(xiàn)，其識(shí)別和控制程度及復(fù)雜度差異很大。腦-機(jī)接口是通過(guò)傳感器獲取腦信號(hào)進(jìn)行模式識(shí)別;機(jī)-腦接口將機(jī)器信號(hào)直接傳遞給大腦或大腦信號(hào)，以期由機(jī)器模擬意念驅(qū)動(dòng)腦神經(jīng)或意識(shí)，達(dá)到行使意念控制的效果;腦-腦接口將腦信號(hào)獲取后經(jīng)過(guò)編碼傳輸、解碼作用于另外的大腦進(jìn)行腦信號(hào)之間的直接作用。

腦信號(hào)的主要類(lèi)別是腦電波和功能核磁共振讀取的腦血氧圖。當(dāng)前功能核磁共振可掃描的大腦立體像素可達(dá)10萬(wàn)個(gè)。此外，腦神經(jīng)已經(jīng)能夠真實(shí)成像，圖1是Van J.Wedeen小組拍攝的腦神經(jīng)3D圖像?！?〕

圖1 腦神經(jīng)3D圖像

對(duì)實(shí)體—腦的直接映射關(guān)系的fMRI成像研究獲得了很大進(jìn)展。已經(jīng)能夠?qū)崿F(xiàn)通過(guò)視物的fMRI腦信號(hào)還原被視物。

對(duì)于具有語(yǔ)義學(xué)獨(dú)立特征的物體的fMRI腦信號(hào)模式也已經(jīng)被解讀。這種方法將腦信號(hào)的不同特征設(shè)置為特征空間進(jìn)行機(jī)器學(xué)習(xí)從而識(shí)別腦信號(hào)的特征模式及其行為相關(guān)性，即多維個(gè)體系分析方法(multi-voxel pattern analysis，MVPA)?！?〕

機(jī)腦接口的成功實(shí)驗(yàn)是用認(rèn)為設(shè)置的波形控制動(dòng)物腦神經(jīng)并驅(qū)動(dòng)肢體，相當(dāng)于“創(chuàng)造意識(shí)”。美國(guó)匹茲堡大學(xué)的安德魯·施瓦茨博士等人對(duì)兩只短尾猴進(jìn)行了“意念”操縱機(jī)械臂抓取食物的實(shí)驗(yàn)，他們?cè)诤镒幽X部運(yùn)動(dòng)神經(jīng)皮層植入100個(gè)微小電極。電極彼此形成網(wǎng)絡(luò)，每個(gè)電極與一個(gè)神經(jīng)細(xì)胞連接，這些電極還通過(guò)計(jì)算機(jī)與機(jī)械臂相連。當(dāng)腦細(xì)胞發(fā)出某種活動(dòng)指令時(shí)，電極會(huì)將接收到的信號(hào)經(jīng)計(jì)算機(jī)處理后傳送給三維機(jī)械臂，指揮其完成抓取放在面前的葡萄等食物的任務(wù)。其成功率分別為61%和78%?！?〕

對(duì)于任務(wù)的腦fMRI腦信號(hào)的解讀的重要進(jìn)展還包括加州大學(xué)洛杉磯分校通過(guò)腦核磁共振能夠識(shí)別8種任務(wù)，如讀詞、說(shuō)出是否押韻的配對(duì)詞，查音調(diào)的數(shù)量對(duì)特定目標(biāo)按鈕，決定如何花錢(qián)買(mǎi)東西?！?〕

腦在進(jìn)行邏輯運(yùn)算的fMRI腦信號(hào)的實(shí)驗(yàn)也進(jìn)行了一些?！?0〕

腦腦通信最近的實(shí)驗(yàn)進(jìn)展是身在印度的實(shí)驗(yàn)者用腦電波對(duì)位于法國(guó)的人說(shuō)出了“hola”和“ciao”(西班牙語(yǔ)和意大利語(yǔ)“你好”)，對(duì)方通過(guò)腦電波理解了這個(gè)問(wèn)候。腦電波在遠(yuǎn)程傳輸時(shí)經(jīng)過(guò)了編碼和解碼。這個(gè)實(shí)驗(yàn)完成了“心靈感應(yīng)”的過(guò)程。見(jiàn)圖2。

圖2 腦-腦通信過(guò)程示意圖

腦機(jī)接口技術(shù)將開(kāi)啟人工智能的新階段，它將直接解讀意識(shí)并控制客體?！?1〕

3.感知復(fù)位和感知替代。視聽(tīng)覺(jué)、肢體等替代性和輔助性器官都已經(jīng)生產(chǎn)出來(lái)，實(shí)現(xiàn)了人造物連接生物體的神經(jīng)甚至高級(jí)神經(jīng)系統(tǒng)，并實(shí)現(xiàn)了意念控制植入到人體的人造器官。硅芯片植入人的左前臂神經(jīng)系統(tǒng)中，產(chǎn)生了一部分是人類(lèi)肉體、一部分是電腦芯片的神奇“電子人”。美國(guó)西北工業(yè)大學(xué)完成了假肢與外周或替代性神經(jīng)相連?！?2〕總之，人機(jī)融合的趨勢(shì)已經(jīng)增強(qiáng)，人機(jī)邊界變得模糊了。

4.感性工學(xué)(Kansei Engineering)、豐心工學(xué)和情感計(jì)算。感性工學(xué)的出現(xiàn)體現(xiàn)了設(shè)計(jì)從單純考慮產(chǎn)品實(shí)用功能向同時(shí)注重用戶(hù)生理體驗(yàn)的轉(zhuǎn)變。感性工學(xué)的基本方法是注重用戶(hù)體驗(yàn)分析，但是對(duì)用戶(hù)感覺(jué)特別是非肢體的多種感覺(jué)的分析，對(duì)用戶(hù)多層心理的分析特別是量化分析因時(shí)代局限有所不足。幾年來(lái)隨著認(rèn)知科學(xué)和信息科學(xué)的深化，對(duì)用戶(hù)的生理、心理及其多層面、多模態(tài)的信息獲取和計(jì)算已經(jīng)具有初步成果。豐心工學(xué)和情感計(jì)算針對(duì)人的內(nèi)心情緒和感覺(jué)的連續(xù)變量、不確定性的計(jì)算。目前的主要技術(shù)包括對(duì)情感、感覺(jué)及其相關(guān)心理數(shù)據(jù)的采集和表示模式的解讀，包括對(duì)面部表情、情感表達(dá)的自然語(yǔ)言、語(yǔ)音中的感情色彩、生理數(shù)據(jù)的模式識(shí)別。

國(guó)內(nèi)的典型應(yīng)用是華為設(shè)計(jì)引入消費(fèi)者感受分析，實(shí)現(xiàn)手機(jī)設(shè)計(jì)的美感提升設(shè)計(jì)。本世紀(jì)初華為手機(jī)對(duì)產(chǎn)品的心理感受沒(méi)有給予充分關(guān)注，此后華為產(chǎn)品在設(shè)計(jì)上充分引入設(shè)計(jì)感情工學(xué)，對(duì)手機(jī)外觀形象給予高度重視后將手機(jī)業(yè)看成時(shí)尚業(yè)，注重產(chǎn)品的心理效應(yīng)和藝術(shù)效果，而不只是通信功能。由此使華為公司贏得了高端手機(jī)的巨大市場(chǎng)份額。

圖3 華為手機(jī)(引自華為網(wǎng)站)

5.傳感技術(shù)。傳感器模擬了生命體的感知能力，它由原來(lái)的各種物理、化學(xué)等性質(zhì)信息的采集功能向著更高功能發(fā)展。傳統(tǒng)的傳感器主要包括機(jī)械量、熱、光、電、聲、醫(yī)學(xué)、生物量的采集、轉(zhuǎn)化、傳輸和存儲(chǔ)。近年來(lái)突出的發(fā)展包括光纖傳感器、集成傳感器、微機(jī)電系統(tǒng)(MEMS)傳感器、智能傳感器、網(wǎng)絡(luò)傳感器、生物傳感器等等。感知原理也呈復(fù)合化趨勢(shì)，包括了像神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)等多種人工智能技術(shù)特征，感知的應(yīng)用范圍極其廣闊并且轉(zhuǎn)移速度很快，包括計(jì)算系統(tǒng)、實(shí)時(shí)控制系統(tǒng)、環(huán)境、通信系統(tǒng)、生物體等等，實(shí)現(xiàn)的應(yīng)用級(jí)功能包括測(cè)量、測(cè)試、監(jiān)測(cè)、成像、定位、跟蹤、導(dǎo)航、制導(dǎo)、控制、生物信號(hào)連接和復(fù)合等多種。目前在多個(gè)傳感器的應(yīng)用中，跨傳感器的綜合傳感應(yīng)用平臺(tái)已經(jīng)出現(xiàn)。如Maxense。此外，傳感網(wǎng)絡(luò)，特別是無(wú)線(xiàn)傳感網(wǎng)絡(luò)得到了理論研究和實(shí)踐，以求獲得網(wǎng)絡(luò)整體上對(duì)對(duì)象的感知;在網(wǎng)絡(luò)的聯(lián)結(jié)和激活方法上具有相關(guān)性分析等多種模式識(shí)別方法和基于人的認(rèn)知粒度上的認(rèn)知網(wǎng)絡(luò)節(jié)點(diǎn)通信方法。

6.有意識(shí)機(jī)器人。已經(jīng)構(gòu)建了多個(gè)意識(shí)模型，這些意識(shí)模型包括維特根斯坦和皮亞杰的同構(gòu)模型、〔13〕現(xiàn)象學(xué)的意識(shí)模型，等等。在技術(shù)層面構(gòu)造的機(jī)器人制造者總結(jié)了多層次的意識(shí)特征，并開(kāi)始有了局部實(shí)現(xiàn)，這些特征包括:第一人稱(chēng)、方向性(有意向、傾向性)、行為和結(jié)果具有確定性的關(guān)系、有預(yù)期、有信仰和決心、內(nèi)省(自我意識(shí)和體驗(yàn))、能夠意識(shí)到外在物、帶感情的思想、有混亂度、有感情?！?4〕見(jiàn)圖 4、圖 5。

圖4 日本研究有意識(shí)機(jī)器人的專(zhuān)著

圖5 日本研究機(jī)器人感覺(jué)的專(zhuān)著

對(duì)于制造機(jī)器的感覺(jué)也有嘗試。這些嘗試包括用產(chǎn)生人的感覺(jué)的那些物理刺激輸入給電子線(xiàn)路，產(chǎn)生線(xiàn)路的物理反應(yīng)(模擬生理和心理反應(yīng)，如熱帶來(lái)的痛苦和快樂(lè))和器件的群體反應(yīng)(模擬對(duì)于生理反應(yīng)的某些理性編碼，如“痛苦”“快樂(lè)”〔15〕)。

圖6 機(jī)器人對(duì)感覺(jué)的模擬圖示〔16〕

與有意識(shí)機(jī)器人探索類(lèi)似，人工智能領(lǐng)域提出了創(chuàng)造“人水平的人工智能”的口號(hào)(Human-Level Artificial Intelligence，HAI)〔17〕:包括人水平智能的環(huán)境、任務(wù)和智能體特點(diǎn)(Characteristics)和認(rèn)知體系結(jié)構(gòu)要求(Requirements)。前者側(cè)重要求實(shí)現(xiàn)復(fù)雜環(huán)境下的適應(yīng)性，后者側(cè)重要求人類(lèi)的多維認(rèn)知能力，包括學(xué)習(xí)、推理、知識(shí)能力，也包括低級(jí)認(rèn)知能力如記憶、注意等等。

因此，“傳統(tǒng)的”(偏重于符號(hào)主義的人工智能學(xué)派)正在接受融合，使得符號(hào)處理與外界的物理世界產(chǎn)生類(lèi)人的認(rèn)知行為的連接。

7.智能硬件及嵌入式認(rèn)知系統(tǒng)。其基本特征是使機(jī)器隨環(huán)境而實(shí)現(xiàn)某些選擇和決策。當(dāng)前廣泛應(yīng)用智能系統(tǒng)的是基于圖靈計(jì)算的芯片嵌入式系統(tǒng)。智能的基本模式是“如果……那么……(if…then…)”機(jī)制，許多系統(tǒng)加入了知識(shí)庫(kù)，并具有推理功能和數(shù)值計(jì)算功能，以實(shí)現(xiàn)基于知識(shí)進(jìn)行決策。

當(dāng)前開(kāi)發(fā)出的智能產(chǎn)品包括:智能家電、智能馬桶、智能電梯、智能手表、智能穿戴、智能手機(jī)、智能燈泡、智能開(kāi)關(guān)、智能照明、智能影音、智能DNS、智能路由器、智能攝像機(jī)、智能電視、智能電表、智能玩具、智能鎖、智能卡、智能設(shè)備、智能硬件、智能軟件……

8.實(shí)時(shí)動(dòng)態(tài)控制系統(tǒng)。這些系統(tǒng)包括高級(jí)駕駛助理系統(tǒng)、無(wú)人駕駛、無(wú)人機(jī)、衛(wèi)星、空間登陸系統(tǒng)等等，這些系統(tǒng)正擴(kuò)大延伸至越來(lái)越多的時(shí)空環(huán)境，其特征一般具有高效的實(shí)時(shí)計(jì)算、通信、執(zhí)行、控制等系統(tǒng)，其中輸入包括圖像、激光、雷達(dá)等多種物理量的輸入和處理。

9.認(rèn)知通信網(wǎng)絡(luò)和認(rèn)知成像技術(shù)。上世紀(jì)末提出了認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)(Cognitive radio netwaorks，CRN)概念。這是認(rèn)知科學(xué)在通信領(lǐng)域應(yīng)用的開(kāi)端。近年來(lái)，認(rèn)知無(wú)線(xiàn)網(wǎng)在通信中建立認(rèn)知環(huán)，將外界激勵(lì)作為不同通信階段的干預(yù)變量實(shí)現(xiàn)不同認(rèn)知粒度的目標(biāo)模式識(shí)別，包括頻譜感知，基于認(rèn)知的接入和傳輸，實(shí)現(xiàn)了網(wǎng)絡(luò)通信的觀察、定位、制定計(jì)劃、決策、執(zhí)行等循環(huán)步驟，實(shí)現(xiàn)了通過(guò)無(wú)線(xiàn)知識(shí)表示語(yǔ)言對(duì)無(wú)線(xiàn)通信進(jìn)行對(duì)象識(shí)別、模式識(shí)別和知識(shí)推理?！?8〕

認(rèn)知通信網(wǎng)絡(luò)是指在多種通信和通信的多個(gè)協(xié)議或應(yīng)用階段加入智能算法，或者類(lèi)人高級(jí)認(rèn)知功能的網(wǎng)絡(luò)技術(shù)，包括智能網(wǎng)技術(shù)，其特征是在有線(xiàn)、無(wú)線(xiàn)電話(huà)、寬帶網(wǎng)絡(luò)交換系統(tǒng)中通信模式實(shí)現(xiàn)智能識(shí)別、程序控制、業(yè)務(wù)加載及調(diào)度的智能控制等等。

認(rèn)知成像技術(shù)最初在雷達(dá)系統(tǒng)中通過(guò)類(lèi)人的認(rèn)知功能識(shí)別通信中的綜合目標(biāo)模式，顯現(xiàn)高維目標(biāo)特征并成像。理論上帶有噪聲和多頻通信的信號(hào)中都存在著高維對(duì)象的認(rèn)知識(shí)別的可能。這種識(shí)別不僅僅是底層初級(jí)信號(hào)的識(shí)別，識(shí)別技術(shù)也不僅僅是傅立葉算法等傳統(tǒng)算法?！?9〕

10.機(jī)器學(xué)習(xí)技術(shù)。機(jī)器學(xué)習(xí)已經(jīng)走過(guò)了半個(gè)多世紀(jì)的歷史。總體看來(lái)，以下趨勢(shì)是明顯的。

(1)學(xué)習(xí)方法的綜合化。已經(jīng)呈現(xiàn)了學(xué)習(xí)種類(lèi)的綜合運(yùn)用的趨勢(shì)，也可以稱(chēng)為混合學(xué)習(xí)的趨勢(shì)。例如，將歸納學(xué)習(xí)和分析學(xué)習(xí)結(jié)合起來(lái)，產(chǎn)生了二者結(jié)合的學(xué)習(xí)方法;圖模型方法考慮了多個(gè)概率相關(guān)性節(jié)點(diǎn)構(gòu)成的鏈條，特別是將獨(dú)立和不獨(dú)立事件的概率都考慮進(jìn)來(lái)，相當(dāng)于傳統(tǒng)單一的概率統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法的綜合;組合學(xué)習(xí)更是明顯組合多種單一結(jié)構(gòu)的學(xué)習(xí)方法;等等。

學(xué)習(xí)方法綜合化趨勢(shì)的另一個(gè)表現(xiàn)是自適應(yīng)結(jié)構(gòu)和功能的復(fù)合化。典型的實(shí)例是人工神經(jīng)網(wǎng)絡(luò)的多層化，即多層感知器或構(gòu)造性神經(jīng)網(wǎng)絡(luò)的發(fā)明。人工神經(jīng)網(wǎng)絡(luò)的多層化使得隱藏層超過(guò)原有的1層，形成網(wǎng)絡(luò)的微結(jié)構(gòu)，通過(guò)局部遞歸構(gòu)成和刻畫(huà)不同的維度，形成局部特征識(shí)別的功能，并能夠存儲(chǔ)和遞進(jìn)到更高維度進(jìn)行高維特征，這使得多層神經(jīng)網(wǎng)絡(luò)通過(guò)局部遞歸實(shí)現(xiàn)局部?jī)?yōu)先特征而忽略次要細(xì)節(jié)，并使局部?jī)?yōu)先特征加入到整體結(jié)構(gòu)的模擬。多層神經(jīng)網(wǎng)絡(luò)的構(gòu)造相當(dāng)于原來(lái)的一個(gè)小型的神經(jīng)網(wǎng)絡(luò)被嵌入到大的神經(jīng)網(wǎng)絡(luò)之中，形成認(rèn)知網(wǎng)絡(luò)功能上的集群化。

多層感知器結(jié)構(gòu)是由Rumelhart，McClenland，Parker于1985-1986年設(shè)計(jì)的?！?0〕它實(shí)際上繼承了局部遞歸的方法。對(duì)應(yīng)綜合化的學(xué)習(xí)方法，在硬件設(shè)計(jì)上也實(shí)現(xiàn)了集群化。例如Google的深度學(xué)習(xí)項(xiàng)目采用集群CPU進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，使得學(xué)習(xí)在抽象數(shù)學(xué)結(jié)構(gòu)和物理結(jié)構(gòu)都實(shí)現(xiàn)了集群化。

(2)學(xué)習(xí)函數(shù)的復(fù)雜、多樣化。以神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)函數(shù)為例，最初的函數(shù)僅僅是線(xiàn)性和Logistic函數(shù)，此后學(xué)習(xí)函數(shù)逐步擴(kuò)展到高斯函數(shù)、波爾茲曼函數(shù)等多種可積函數(shù)。在模型改進(jìn)中，對(duì)于權(quán)重的調(diào)整也從線(xiàn)性轉(zhuǎn)變?yōu)檫B續(xù)可積函數(shù)，如計(jì)算權(quán)重梯度計(jì)算的方法，實(shí)現(xiàn)了下降速度最快的計(jì)算方法，實(shí)現(xiàn)了多維計(jì)算，這種梯度分析的方法在貝葉斯學(xué)習(xí)等多種學(xué)習(xí)方法中都有應(yīng)用，是區(qū)別于最小二乘法的一種非線(xiàn)性的重要的學(xué)習(xí)函數(shù)構(gòu)造方法，并促進(jìn)在線(xiàn)學(xué)習(xí)的產(chǎn)生和發(fā)展。

(3)學(xué)習(xí)深度加深。深度學(xué)習(xí)系指學(xué)習(xí)結(jié)果分層次逐步延伸或完成化，特別是網(wǎng)絡(luò)層的逐層遞歸，以至于學(xué)習(xí)的結(jié)果產(chǎn)生質(zhì)上的飛躍。典型的進(jìn)展是Hinton〔21〕等應(yīng)用多層神經(jīng)網(wǎng)絡(luò)構(gòu)造不同維度以降低高維數(shù)據(jù)，使得圖像識(shí)別的能力大幅度提高。在此基礎(chǔ)上，Google啟動(dòng)的GOOGLE大腦計(jì)劃，進(jìn)行圖像識(shí)別，識(shí)別的準(zhǔn)確率超出了人的識(shí)別能力，并產(chǎn)生多維類(lèi)人的特征識(shí)別結(jié)論。見(jiàn)表1。

表1 深度學(xué)習(xí)的特征〔22〕

(4)生命體認(rèn)知模式的進(jìn)一步模擬。以神經(jīng)網(wǎng)絡(luò)為典型的機(jī)器學(xué)習(xí)方法借鑒了具有生命體特征的認(rèn)知模式。神經(jīng)網(wǎng)絡(luò)最初從原始網(wǎng)絡(luò)開(kāi)始逐步復(fù)雜化，逐步地建立多種變量調(diào)節(jié)的自適應(yīng)系統(tǒng)、局部遞歸系統(tǒng)、模擬進(jìn)化結(jié)構(gòu)，直至近年來(lái)建立卷積多層神經(jīng)網(wǎng)絡(luò)，其結(jié)果是越來(lái)越接近生物體的認(rèn)知模式。特別是卷積和多層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，模擬了多種神經(jīng)認(rèn)知模式，包括感受野〔23〕的神經(jīng)認(rèn)知機(jī)理以及認(rèn)知神經(jīng)功能上的集群化〔24〕特征，也模擬了人的學(xué)習(xí)行為的分層處理模式、〔25〕深層參與學(xué)習(xí)的神經(jīng)的分層處理模式。〔26〕

此外一個(gè)典型的機(jī)器學(xué)習(xí)范式是流形學(xué)習(xí)，它實(shí)際上也是借鑒了感知的流形處理方式?！?7〕

生命認(rèn)知的模擬實(shí)際上更好地體現(xiàn)了機(jī)器學(xué)習(xí)的本質(zhì)特征和目的，它在計(jì)算模型層面對(duì)生命底層特征進(jìn)行了借鑒，實(shí)現(xiàn)了機(jī)器在離散狀態(tài)下認(rèn)知模式向生命底層認(rèn)知模式的接近和融合。有人認(rèn)為，將生命體的學(xué)習(xí)行為作為認(rèn)知的基本特征進(jìn)而實(shí)現(xiàn)自然計(jì)算建模，將構(gòu)造出第二代計(jì)算模型，并導(dǎo)致認(rèn)知計(jì)算機(jī)的產(chǎn)生。〔28〕在這一研究范式下，機(jī)器學(xué)習(xí)對(duì)生命體認(rèn)知過(guò)程的擬合實(shí)際上只是圖靈計(jì)算下認(rèn)知計(jì)算趨向于包含非圖靈計(jì)算的“第二代計(jì)算”的前奏或預(yù)演。

(5)機(jī)器學(xué)習(xí)和科學(xué)哲學(xué)的交互作用在加強(qiáng)。在高階認(rèn)知模式領(lǐng)域，機(jī)器學(xué)習(xí)和科學(xué)方法論都研究人的經(jīng)驗(yàn)、測(cè)試到理論建模的過(guò)程。縱觀機(jī)器學(xué)習(xí)的方法的歷史，發(fā)現(xiàn)科學(xué)方法論的指導(dǎo)在發(fā)揮重要作用。在機(jī)器學(xué)習(xí)早期，主要是20世紀(jì)50-60年代，羅素、〔29〕希爾伯特〔30〕等人的邏輯原子主義和形式主義的邏輯觀念，包括邏輯的推導(dǎo)方法、邏輯體系構(gòu)造的規(guī)則和作用，都影響了機(jī)器學(xué)習(xí)的方法設(shè)計(jì)，例如，概念學(xué)習(xí)、規(guī)則學(xué)習(xí)等都有邏輯的框架。此后，非理性主義的科學(xué)哲學(xué)思想(庫(kù)恩〔31〕的科學(xué)結(jié)構(gòu)思想和拉卡托斯〔32〕的證偽主義)對(duì)非機(jī)器學(xué)習(xí)擺脫對(duì)邏輯符號(hào)計(jì)算的依賴(lài)有啟發(fā)意義。鑒于此，雖然有反對(duì)者，但是對(duì)科學(xué)哲學(xué)特別是科學(xué)方法論影響機(jī)器學(xué)習(xí)方法設(shè)計(jì)還是得到廣泛認(rèn)可的。就是說(shuō)，在機(jī)器學(xué)習(xí)的方法背后，存在著更一般、更抽象、更本質(zhì)化的思想運(yùn)動(dòng)。鑒于此，文獻(xiàn)〔33〕總結(jié)了這一作用，并提出實(shí)際上存在著機(jī)器學(xué)習(xí)和科學(xué)哲學(xué)的雙向影響運(yùn)動(dòng)，即機(jī)器學(xué)習(xí)也影響著科學(xué)哲學(xué)的方法構(gòu)建。這一機(jī)理可以用圖7表示如下(連線(xiàn)表示直接的雙向影響):

圖7 機(jī)器學(xué)習(xí)和科學(xué)哲學(xué)的交互作用示意圖

一個(gè)典型的實(shí)例是，貝葉斯網(wǎng)絡(luò)和馬爾科夫鏈的學(xué)習(xí)方法都體現(xiàn)了萊辛巴赫獨(dú)立事件公共原因的結(jié)果;而貝葉斯網(wǎng)絡(luò)和馬爾科夫鏈的學(xué)習(xí)方法的機(jī)器學(xué)習(xí)方法的進(jìn)化又促進(jìn)了因果性和概率性的獨(dú)立和依賴(lài)關(guān)系研究。從該文獻(xiàn)發(fā)表后的10年間看來(lái)，兩個(gè)領(lǐng)域的互動(dòng)趨勢(shì)還在加強(qiáng)。

11.自動(dòng)推理。已有的邏輯學(xué)分類(lèi)大致將邏輯學(xué)分為“傳統(tǒng)”邏輯(亞里士多德的三段論理論)、“經(jīng)典”邏輯(二值語(yǔ)句演算)、“擴(kuò)展”邏輯(模態(tài)邏輯、時(shí)態(tài)邏輯、道義邏輯、認(rèn)知邏輯等)、“異?！边壿?多值邏輯、直覺(jué)主義邏輯、量子邏輯、自由邏輯)、“歸納”邏輯?！?4〕自動(dòng)推理技術(shù)實(shí)現(xiàn)了傳統(tǒng)邏輯、經(jīng)典邏輯、直覺(jué)主義邏輯、歸納邏輯的自動(dòng)推理。其中，直覺(jué)主義邏輯不接受排中律，因此其演算規(guī)則與經(jīng)典邏輯(一階邏輯)有所差異。由于哥德?tīng)柕慕忉尫椒▽?shí)現(xiàn)了與經(jīng)典邏輯的同構(gòu)，這使得可以完全由經(jīng)典邏輯解釋直覺(jué)主義邏輯證明。歸納邏輯已經(jīng)在逆推數(shù)學(xué)中被證明可以由遞歸方法構(gòu)造和實(shí)現(xiàn)，因此可以由圖靈計(jì)算實(shí)現(xiàn)。

量子邏輯受限于物理系統(tǒng)的進(jìn)展限制，目前僅僅實(shí)現(xiàn)了幾位比特的量子計(jì)算，量子態(tài)的傳輸距離也僅僅是一二百公里，因此量子邏輯的自動(dòng)化實(shí)現(xiàn)基本是沒(méi)有實(shí)現(xiàn)。

近期的自動(dòng)推理可以在三個(gè)領(lǐng)域有重要的進(jìn)展，即HOL高階推理機(jī)的研制成功，傳統(tǒng)邏輯的完全協(xié)調(diào)化、經(jīng)典化與自動(dòng)化，以及確定性邏輯與不確定性邏輯的融合。

HOL是高階邏輯的簡(jiǎn)稱(chēng)，由劍橋大學(xué)等單位研制，可執(zhí)行在ZF(策梅落-弗蘭克公理體系的定理自動(dòng)證明)，允許應(yīng)用高階邏輯進(jìn)行定理自動(dòng)證明。

傳統(tǒng)邏輯的完全經(jīng)典化由本文作者實(shí)現(xiàn)?！?5〕傳統(tǒng)邏輯主要由亞里士多德三段論構(gòu)成。但是長(zhǎng)期以來(lái)三段論能否被經(jīng)典邏輯(一階邏輯)解釋和表達(dá)一直沒(méi)有確鑿證明。此外，對(duì)于傳統(tǒng)邏輯的不一致性問(wèn)題也沒(méi)有明確提出和解決。這都影響了傳統(tǒng)邏輯的自動(dòng)推理的實(shí)現(xiàn)。作者在蔡曙山教授的指導(dǎo)下對(duì)于擴(kuò)展的三段論的研究證明了傳統(tǒng)邏輯的不一致性，給出了消解不一致性的方法，并提出了符合經(jīng)典邏輯的三段論形式(擴(kuò)展的三段論)及其推理的數(shù)學(xué)模型，從而實(shí)現(xiàn)了傳統(tǒng)邏輯的協(xié)調(diào)化、經(jīng)典化和自動(dòng)推理。

自確定性邏輯與不確定性邏輯分立以來(lái)一直存在相互融合的努力。從邏輯分類(lèi)中可以看出，“異常”邏輯包括多值邏輯。對(duì)于經(jīng)典邏輯值二值的分割產(chǎn)生了多值邏輯(包括格值邏輯);對(duì)于命題的概率性分割也產(chǎn)生了“異?！边壿嫞床淮_定性邏輯。一個(gè)經(jīng)典命題α的概率性的分割表示為P(α)。其中P為概率函數(shù)。于是任意命題都可能有一個(gè)概率賦值，從而使確定性的命題完全轉(zhuǎn)變?yōu)楦怕市缘拿}。對(duì)于一階邏輯命題的概率化最初由Gaifman在20世紀(jì)60年代提出?！?6〕這樣，確定性邏輯與不確定性邏輯開(kāi)始融合，確定性邏輯稱(chēng)為不確定邏輯的特例，即P(α)=1。這樣，計(jì)算命題的概率成為概率邏輯的首要問(wèn)題。一個(gè)研究方向是通過(guò)研究命題的環(huán)境變量對(duì)命題真值的影響，計(jì)算命題概率或真值，由此建立了可能世界語(yǔ)義學(xué)。

可能世界語(yǔ)義學(xué)影響命題真值的外省變量。一個(gè)研究方向是通過(guò)原子命題的概率計(jì)算符合命題。對(duì)于被概率賦值的多個(gè)命題，將初始命題集合賦值，并按照貝葉斯公式計(jì)算，構(gòu)建一個(gè)條件概率關(guān)系網(wǎng)絡(luò)，即形成貝葉斯網(wǎng)絡(luò)。這一方法實(shí)現(xiàn)了命題之間的概率關(guān)系計(jì)算，由此發(fā)展為貝葉斯邏輯(Bayesian Logic，BLOG)。一個(gè)重要的發(fā)展趨勢(shì)是這兩個(gè)研究方向的融合。在這種研究范式下，給定一個(gè)概率模型，邏輯語(yǔ)句α的概率是α為真的所有可能世界ω∈Ω的總概率。但是，在貝葉斯概率中，可能世界的樣本構(gòu)成要求是全面的，即域值是封閉的。最新的可能世界語(yǔ)義學(xué)演進(jìn)為開(kāi)放世界概率模型(也稱(chēng)“開(kāi)放宇宙概率模型”，Open Universe Probability Model，OUPM)〔37〕，其建模方法將變?cè)兂砷_(kāi)放域，定義了可能世界的概率分布，以代替可能世界中樣本的全域。在應(yīng)用中，很好地解決了現(xiàn)實(shí)世界中不全面的對(duì)象世界的狀況，并開(kāi)發(fā)了BLOG編程語(yǔ)言，〔38〕成為當(dāng)前融合確定性邏輯和貝葉斯邏輯的最新進(jìn)展。

12.類(lèi)腦計(jì)算。目前，傳統(tǒng)計(jì)算機(jī)芯片主要基于馮諾依曼架構(gòu)，處理單元和存儲(chǔ)單元分開(kāi)，通過(guò)數(shù)據(jù)傳輸總線(xiàn)相連。芯片總信息處理能力受總線(xiàn)容量的限制，構(gòu)成所謂“馮諾依曼瓶頸”。而且傳統(tǒng)計(jì)算機(jī)的處理單元一直處于工作狀態(tài)，導(dǎo)致能耗巨大。同時(shí)，由于需要精確的預(yù)編程，傳統(tǒng)計(jì)算機(jī)無(wú)法應(yīng)對(duì)編程以外的情況和數(shù)據(jù)。而大腦結(jié)構(gòu)則完全不同:神經(jīng)元(處理單元)和突觸(存儲(chǔ)單元)位于一體，不需要高能耗的總線(xiàn)連接，突觸是神經(jīng)元之間的連接，具有可塑性，能夠隨所傳遞的神經(jīng)元信號(hào)強(qiáng)弱和極性調(diào)整傳遞效率，并在信號(hào)消失后保持傳遞效率。突觸的這種性質(zhì)，使大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)動(dòng)態(tài)可塑，能夠隨外部數(shù)據(jù)的變化而自適應(yīng)調(diào)整，神經(jīng)元只在工作時(shí)消耗能量，大腦的功耗極低;可大規(guī)模并行處理多個(gè)信號(hào);具備學(xué)習(xí)能力，在海量數(shù)據(jù)處理方面具有巨大優(yōu)勢(shì)。近期的重要研究動(dòng)向是IBM對(duì)于類(lèi)腦計(jì)算芯片的研究?！?9〕此外，在馮諾依曼架構(gòu)下的類(lèi)腦算法也在研究。

13.空間認(rèn)知?？臻g認(rèn)知包括空間信號(hào)的模式識(shí)別，如衛(wèi)星定位數(shù)據(jù)、空間信息網(wǎng)絡(luò)、方位識(shí)別系統(tǒng)、地理信息、交通信息、城市信息等等。識(shí)別的重要趨勢(shì)是識(shí)別對(duì)象的集成度越來(lái)越高。此外，邏輯的方法和數(shù)值計(jì)算的方法都有拓展。目前的進(jìn)展除傳統(tǒng)的空間數(shù)據(jù)矢量處理方法外，在空間特征的計(jì)算還包括不同環(huán)境下的空間數(shù)據(jù)智能化處理，如地外空間(月球、太陽(yáng)系等)對(duì)象的識(shí)別和實(shí)時(shí)處理，也包括愛(ài)因斯坦廣義相對(duì)論不同宇宙模型的計(jì)算?！?0〕此外，邏輯的方法也有初步的發(fā)展，即通過(guò)空間識(shí)別的邏輯公理系統(tǒng)推理識(shí)別空間特征?！?1〕

14.智能制造。智能制造包括將認(rèn)知方法和技術(shù)應(yīng)用于制造業(yè)的組織、控制、設(shè)計(jì)、生產(chǎn)與管理，包括這些制造流程的信息獲取、融合、處理與利用的智能化。目前的重要趨勢(shì)包括廣為人知的歐盟、美國(guó)等工業(yè)4.0的發(fā)展戰(zhàn)略。由于認(rèn)知功能促進(jìn)了智能技術(shù)向更高形式發(fā)展，在廣為應(yīng)用智能技術(shù)的制造業(yè)，認(rèn)知科學(xué)具有一定影響。當(dāng)前，德國(guó)聯(lián)邦教育研究部《高技術(shù)戰(zhàn)略2020》于2013年將工業(yè)4.0(Industrie 4.0)確定為十大未來(lái)項(xiàng)目之一，并已上升為國(guó)家戰(zhàn)略，旨在支持工業(yè)領(lǐng)域新一代革命性技術(shù)的研發(fā)與創(chuàng)新，并迅速影響全球制造業(yè)發(fā)展戰(zhàn)略的制定。工業(yè)4.0計(jì)劃的一個(gè)核心理念是以智能技術(shù)作為重要的支持手段，強(qiáng)調(diào)制造的智能化管理和制造，即“智能工廠”和“智能生產(chǎn)”，認(rèn)知科學(xué)是其中的重要應(yīng)用原理，如自動(dòng)化技術(shù)是其重要內(nèi)容。這些認(rèn)知相關(guān)技術(shù)，包括生命數(shù)據(jù)的獲取和生命支持，也包括人性化設(shè)備的制造和服務(wù)，還有典型的智能應(yīng)用技術(shù)如智能控制，人的高級(jí)認(rèn)知功能模擬等等，這都體現(xiàn)了認(rèn)知科學(xué)的基本規(guī)律和理念，并展示了認(rèn)知科學(xué)與人工科學(xué)的融合趨勢(shì)。

三、企業(yè)界的認(rèn)知?jiǎng)?chuàng)新活動(dòng)

企業(yè)界的認(rèn)知?jiǎng)?chuàng)新活動(dòng)敏感地反映了認(rèn)知科學(xué)產(chǎn)業(yè)化的效果。

在制造業(yè)，特別是信息產(chǎn)業(yè)，認(rèn)知活動(dòng)已經(jīng)逐漸成為引領(lǐng)企業(yè)技術(shù)創(chuàng)新的方向和動(dòng)力。

一個(gè)很好的實(shí)例是2014年《麻省理工科技評(píng)論(MIT Technology Review)》雜志評(píng)選了全球50大智慧公司，其創(chuàng)新技術(shù)中涉及認(rèn)知功能的技術(shù)占有很大比例，見(jiàn)表2。

表2 2014年《麻省理工科技評(píng)論》雜志評(píng)選的全球50大智慧公司及其研發(fā)概況〔42〕

作者根據(jù)《MIT Technology Review》繪制

四、認(rèn)知科學(xué)對(duì)科學(xué)范式的影響

科學(xué)范式是庫(kù)恩提出的概念。〔43〕其含義是科學(xué)研究領(lǐng)域(科學(xué)問(wèn)題及其相關(guān)命題)基本特征和歷史演進(jìn)模式。根據(jù)庫(kù)恩的觀點(diǎn)，科學(xué)的構(gòu)成及其演進(jìn)并非完全客觀化的或沒(méi)有規(guī)律或規(guī)則的，而是存在科學(xué)家某種選擇的影響。這種影響大體上遵循接受某種核心命題，并證明其正確性、擴(kuò)展其衍生性、最后達(dá)到發(fā)現(xiàn)和證明理論體系的危機(jī)階段，進(jìn)而產(chǎn)生這一整體命題體系的革命。例如牛頓力學(xué)發(fā)展為相對(duì)論力學(xué);牛頓力學(xué)擴(kuò)展為量子力學(xué)都是范式的轉(zhuǎn)換實(shí)例。

考察上述認(rèn)知科學(xué)對(duì)于人工科學(xué)的影響領(lǐng)域可以看出，人工科學(xué)實(shí)際上構(gòu)建了一個(gè)科學(xué)范式，也就是說(shuō)，科學(xué)技術(shù)都在仿人，或仿人的認(rèn)知功能，其特征在于，科學(xué)和技術(shù)總是平行于人類(lèi)認(rèn)知功能去揭示、發(fā)現(xiàn)、構(gòu)造知識(shí)、方法和技術(shù)系統(tǒng)……有什么認(rèn)知功能，就要構(gòu)造什么人工系統(tǒng)，進(jìn)而發(fā)現(xiàn)相應(yīng)的科學(xué)規(guī)律和方法;換言之，凡是可以抽象出的人的認(rèn)知功能，科學(xué)就努力平行地按照這一功能發(fā)現(xiàn)其規(guī)律，構(gòu)造其功能和系統(tǒng)。這使得科學(xué)發(fā)展的范式不只是庫(kù)恩提出的科學(xué)論證、危機(jī)、革命的范式，而是平行范式，構(gòu)造出模仿認(rèn)知功能的系統(tǒng)或方法，在類(lèi)人、仿人地解釋相應(yīng)知識(shí)基礎(chǔ)及方法設(shè)計(jì)基礎(chǔ)。學(xué)科發(fā)展的內(nèi)驅(qū)力不再只是針對(duì)科學(xué)家偏頗地構(gòu)造出可證偽性，而是仿人認(rèn)知功能去構(gòu)造研究方法與領(lǐng)域。這樣，學(xué)科知識(shí)的進(jìn)化范式就是研究領(lǐng)域和方法擬人化、構(gòu)造模仿人的實(shí)際能力。由此看出，人工科學(xué)、進(jìn)而科學(xué)發(fā)展的內(nèi)因是對(duì)人類(lèi)認(rèn)知功能的模仿。

五、結(jié) 論

認(rèn)知科學(xué)在科學(xué)技術(shù)綜合發(fā)展中起到越來(lái)越重大的引領(lǐng)作用，包括:高維度認(rèn)知能力的揭示;產(chǎn)品和服務(wù)的認(rèn)知能力的強(qiáng)化和泛化;人機(jī)交互和融合的深化。在上述14個(gè)人工科學(xué)和產(chǎn)業(yè)領(lǐng)域中明顯地體現(xiàn)了認(rèn)知科學(xué)的重大影響。在全球范圍內(nèi)，企業(yè)創(chuàng)新已經(jīng)融入了認(rèn)知科學(xué)的方法和技術(shù)。在學(xué)科發(fā)展上構(gòu)造了一個(gè)新的科學(xué)模式，即發(fā)現(xiàn)和構(gòu)造科學(xué)技術(shù)中類(lèi)人認(rèn)知規(guī)律系統(tǒng)及其人工系統(tǒng)。

注釋:

〔1〕M.C.羅科、W.S.班布里奇:《攬聚合四大科技 提高人類(lèi)能力——納米技術(shù)、生物技術(shù)、信息技術(shù)和認(rèn)知科學(xué)(NBIC)》，蔡曙山、王志棟、周允成等譯，清華大學(xué)出版社，2010年。

〔2〕Jeff Johnson:《認(rèn)知與設(shè)計(jì)》，張一寧譯，人民郵電出版社，2011年。

〔3〕李?yuàn)^強(qiáng):《設(shè)計(jì)的科學(xué)研究活動(dòng)分析》，《2004年國(guó)際工業(yè)設(shè)計(jì)研討會(huì)暨第九屆全國(guó)工業(yè)設(shè)計(jì)學(xué)術(shù)年會(huì)論文集》，第496-499頁(yè)。

〔4〕http://www.nasdaq.com/markets/ipos/company/tripath-imaging-inc-330-9021.

〔5〕www.cytyc.com.

〔6〕Van J.Wedeen et et al.The Geometric Structure of the Brain Fiber Pathways.Science，2012，Vol.335，No.6076，pp.1628-1634.

〔7〕Kay，K.N.，Naselaris，T.，Prenger，R.J.，＆ Gallant，J.L.，Identifying natural images from human brain activity.Nature，2008，Vol.452，pp.352-355.

〔8〕GM Mckhann，Cortical control of a prosthetic arm for self-feeding，Nature，2008，Vol.453，No.7198，pp.1098-101;AB.Kalaska et.al.Brain control of a helping hand，Nature，2008，Vol.453，No.7198，pp.994-995.

〔9〕Can brain scans read your mind?Study by UCLA，Rutgers neuroscientists provides new insights Stuart Wolpert，July 22，2009;http://newsroom.ucla.edu/releases/can-brain-imaging-read-minds-96682.

〔10〕張寅生:《腦的邏輯功能的功能核磁共振成像及其哲學(xué)意義》，《醫(yī)學(xué)與哲學(xué)》2008年第11期，第27-29，55頁(yè)。

〔11〕Carles Grau et al Conscious Brain-to-Brain Communication in Humans Using Non-Invasive Technologies.Brain Stimulation，2015，Vol.8，No.8，p.323.

〔12〕D·卡西·庫(kù)倫(D.Kacy Cullen)、道格拉斯·H·斯密斯(Douglas H.Smith):《讓假肢擁有神經(jīng)》，曾洪譯，《環(huán)球科學(xué)》2013年第2期。

〔13〕Zhang Yinsheng.The Mathematic Model of Consciousness，Second Asia International Conference on Modeling and Simulation，IEEE press，2008，pp.574-578.(EI)

〔14〕Kitamua.T，Tahara T.Asami KI.How can a robot have consciousness?Advanced Robotics，2000，Vol.14，No.4，pp.263-276.

〔15〕〔16〕Pentti O Haikonen.Consciousness and Robot Sentience.(One of Serials on Machine Consciousness)，World Scientific Publishing Co.Pte.Ltd，2012.

〔17〕Sam A.Adams et.al.Mapping the Landscape of Human-Level Artificial General Intelligence AI Magazine，2012，Vol.33，No.1，pp.25-42.

〔18〕魏急波等:《認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò):關(guān)鍵技術(shù)和研究進(jìn)展》，《通信學(xué)報(bào)》2011年第11期;李紹謙等:《認(rèn)知無(wú)線(xiàn)網(wǎng)絡(luò)無(wú)線(xiàn)傳輸技術(shù)》，國(guó)防工業(yè)出版社，2014年。

〔19〕孫鳳蓮、張群、羅迎等:《基于壓縮感知的稀疏孔徑認(rèn)知ISAR成像方法》，《通信學(xué)報(bào)》2012年第Z2期;陳怡君等:《基于認(rèn)知ISAR成像的相控陣?yán)走_(dá)資源自適應(yīng)調(diào)度算法》，《電子與信息學(xué)報(bào)》2014年第7 期;Sun Feng-lian，Zhang Qun，Luo Ying，et al..Imaging method based on compressed sensing for the cognitive sparse aperture of ISAR.Journal on Communications，2012，Vol.33，No.Z2，pp.1-8;Luo Ying，Zhang Qun，Hong Wen，et al..Waveform design and high-resolution imaging of cognitive radar based on compressive sensing，SCIENCE CHINA(Information Sciences)，2012，Vol.55，No.11，pp.2590-2603.

〔20〕Rumelhart.D.E.，McClenland.J.L.Parallel distributed processing:exploration in the mocrostructure of cognition.Cambridge.MA:MIT Press，1986，Vol.1，2.

〔21〕Hinton G，Salakhutdinov R.Reducing the dimensionality of data with neural networks，Science，2006，Vol.313，No.504;Geoffrey E.Hinton Learning multiple layers of representation.TRENDS in Cognitive Sciences Vol.11，No.10，pp.428-434.

〔22〕Nicola Jones，The Learning Machines，Nature，2014，Vol.505，pp.146-148.

〔23〕Lindeberg，T.A computational theory of visual receptive fields，Biological Cybernetics，2013，Vol.107，No.6，pp.589-635.

〔24〕Timothy J.et al.Synchronous Oscillatory Neural Ensembles for Rules in the Prefrontal Cortex，2012，Vol 76，Issue4，pp.838-846.

〔25〕Marton F，saljo R.On qualitative differences in learning:I—out come and process.British Journal of Educational Psychology.1976，Vol.46，pp.4-11.

〔26〕Lee T S;Mumford D;Romero R，The role of the primary visual cortex in higher level vision Vision Research，1998，Vol.38，No.15-16，pp.2429-2254;Lee T S，Mumford D Hierarchical Bayesian inference in the visual cortex Journal of the Optical Society of America.A，Optics，image science，and vision，2003，Vol.20，No.7，pp.1434-1448.

〔27〕Seung H，Lee D.，The manifold way of perception，Science，2000，Vol.290，pp.2268-2269;Tenenbaum J，Silver V D，Langford J.A global geometric framwork for nonliner dimensionality reduction.Science，2000，Vol.290，pp.2319-2323;Roveis S，Saul L.，Nonlinear dimensionality reduction by locally linear embedding，Science，2000，Vol.290.

〔28〕Gordana Dodig-Crnkovic.Modeling Life as Cognitive Info-conputation，Language，Life，Limits/10th Conference on Computatability in Europe，CIE 2014 Budapest，Hungary，June 23-27，2014 Proceedings，Springer，2015，pp.153-192.

〔29〕伯特蘭·羅素:《邏輯與知識(shí)》，商務(wù)印書(shū)館，1996年。

〔30〕D.Hilbert，W.Ackermann，Principle of Mathematical Logic，AMS Chelsea Publishing.2000;希爾伯特:《數(shù)學(xué)問(wèn)題》，大連理工大學(xué)出版社，2009年;embedding.Science，2000，Vol.290，pp.2323-2326.

〔31〕〔43〕托馬斯·庫(kù)恩:《科學(xué)革命的結(jié)構(gòu)》，北京大學(xué)出版社，2003年。

〔32〕拉卡托斯:《數(shù)學(xué)、科學(xué)和認(rèn)識(shí)論》，商務(wù)印書(shū)館，2010年。

〔33〕Jon Williamson，A Dynamic Interaction Between Machine Learning and the Philosophy of Science，Mind and Machines，2004，No.14，pp.539-549.

〔34〕蘇珊·哈克:《邏輯哲學(xué)》，商務(wù)印書(shū)館，2003年。

〔35〕張寅生:《擴(kuò)展的三段論及自動(dòng)推理》，科學(xué)技術(shù)文獻(xiàn)出版社，2009年;張寅生:《傳統(tǒng)邏輯協(xié)調(diào)化、經(jīng)典化和自動(dòng)化的實(shí)現(xiàn)》，《濟(jì)南大學(xué)學(xué)報(bào)》2016年第1期。

〔36〕Gaifman H，Concerning measures in first order calculi，Israel Journal of Mathematics 1964，No.2，pp.1-18;Gaifman H，Concerning measures on Boolean algebras.Pacific J.Math，1964，No.14.pp.61-73.

〔37〕Brian Milch et.al.BLOG:Probabilistic Models with Unknown Objects.19th International Joint Conference on Artificial Intelligence(IJCAI):2005，pp.1352-1359.

〔38〕Stuart Russell:《統(tǒng)一邏輯和概率方面的最新進(jìn)展》，《ACM通訊》2015年第7期。

〔39〕〔美〕唐旖濃:《國(guó)類(lèi)腦芯片發(fā)展歷程》，《電子產(chǎn)品世界》2015年3月26日。

〔40〕Yinsheng Zhang，Architecture and Performance Methods of A Knowledge Support System of Ubiquitous Time Computation，Journal of Software，2013，No.11，pp.2947-2955.(EI)

〔41〕約翰·范本特姆:《邏輯、認(rèn)識(shí)論和方法論(IV)》，科學(xué)出版社，2013年。

〔42〕麻省理工科技評(píng)論編輯部:《麻省理工科技評(píng)論(MIT Technology Review)》2014年1/2月刊，第40頁(yè)。