白駒
霍金曾說過,在過去的20年里,人工智能一直專注于圍繞建設(shè)智能體所產(chǎn)生的問題,即在特定的情境下,可以感知并行動的各種系統(tǒng),在這種情況下,智能是一個與統(tǒng)計學和經(jīng)濟學相關(guān)的理性概念。通俗地講,這是一種做出好的決定計劃和推論的能力。那么什么是交互與智能,我們將在下文中進行探討。
人工智能或智能科學,其概念最早發(fā)源于哲學,早期有一批偉大的哲學家,一直在討論什么是智能,什么是知識。第一個是邁克·波蘭尼( MichaelPolanyi),他曾在20世紀60年代寫過一部著名的著作:《默會的維度》(《The Tacit Dimension》),提出“我們知道得越多,那么我們知道得越少”。同時他還認為我們知道的遠比我們說出來的要多(Wecan know more than we can tell)。波蘭尼這句話里面,體現(xiàn)出了默會的知識、隱形的知識,在支配著我們不斷地向顯性的知識進行遞進、進行演化。
第二個是弗里德里?!す?。弗里德里?!す嗽诮?jīng)濟方面對世界的影響非常大,他曾拿過諾貝爾經(jīng)濟學獎。他一生當中,涉獵了政治、社會、經(jīng)濟、文化、藝術(shù)、哲學和心理學。在認知科學方面,他有一本著作《感覺的秩序》(《The Sensory Order》)。在這本書中,他明確地提出了一個觀點“Action more than design”,即行為遠比設(shè)計更重要,其大意即人的各種感覺,是通過行為表征出來的,而不是故意設(shè)計出來的,后來的演化造成了設(shè)計的出現(xiàn)。維基百科的創(chuàng)立人很推崇《The Sensory Order》這本書,認為是這本書點醒他創(chuàng)立了維基百科。
第三個是卡爾·波普爾。他是一個偉大的哲學家,提出了三個世界的觀點:物理、精神和人工。他有一本非常經(jīng)典的著作《科學發(fā)現(xiàn)的邏輯》,提出科學不是證實是證偽,他認為科學是提出問題進行猜想,然后進行反駁,不斷地試錯,有科學的出現(xiàn),而不是常規(guī)意義上的觀察歸納,然后證實的實證機制。在歸納里面有很多的漏洞,因為歸納是不完全的歸納,波普爾就有針對性地對歸納進行了梳理。
人工智能的科學起源,通常認為人工智能的技術(shù)起源,是從1956年美國達特茅斯會議開始。但它的科學起源,可以最早追溯到曾任劍橋大學老師的查爾斯·巴貝奇,他是世界上做機械計算機的鼻祖,做了一臺機械計算機,計算Sin和Cos數(shù)值的大小,從此人類拉開了計算的帷幕。另一個是劍橋大學的伯特蘭·羅素。羅素利用其哲學思想和他的數(shù)學基礎(chǔ),創(chuàng)立了一個很重要的哲學分支——分析哲學。分析哲學的制高點是維特根斯坦,曾有一次世界哲學家投票,排名第一的即是維特根斯坦。維特根斯坦的前半生寫了一部重要的著作——《邏輯哲學論》。這部書里提出,語言是哲學的重要工具,也是哲學的切入點。在此之前,哲學的發(fā)展有兩個里程碑,第一個是關(guān)于世界本源的問題,即是物質(zhì)的還是意識的,這個討論了一千多年。后來笛卡兒開始研究用什么樣的方法來認識世界是物質(zhì)的還是意識的,提出二元論。在此之后,人們找了很多方法來研究哲學,但收效甚微,直到維特根斯坦,他改變了哲學的軌跡。他前半生研究關(guān)于語言的人工性。所謂人工性的語言就是標準化的語言,格式化的語言,是流程性的程序化的語言,而他的后半生主要否定了自己前半生的工作,開始研究生活化的語言,自然性的語言。他認為真正的哲學是通過生活化的語言,來體現(xiàn)出哲學的深奧和哲學的意義。
歷史中的智能與交互
在人類文明的歷史中,有過四大文明古國,在這四大文明古國里邊最著名的,即古巴比倫和古埃及。這兩個文明幾乎同時出現(xiàn),距今6000多年前,就已經(jīng)出現(xiàn)了國家、工具、文字。這兩個文明直接導致了歐洲文明的起源。這兩個文明主要是研究人和物之間的關(guān)系,例如水利、工具、一些制度、法律。這種人和物之間的關(guān)系,后來影響到了歐洲的一些地中海(希臘)文明,后來輻射到整個歐洲大陸,誕生了科學和技術(shù)??茖W和技術(shù)的宗旨研究,就是人和物之間的關(guān)系。
除了這兩個最早的文明以外,第三大文明就是古印度文明。古印度文明里面很重要的特質(zhì),就是研究人和神之間的關(guān)系。人神之間的關(guān)系,主要是人和抽象事物,不可掌控的一些事物之間的關(guān)系,在中東一帶,誕生了世界所有最主要的宗教,像伊斯蘭教、基督教、印度教,佛教等,都源于此,都是關(guān)于人和神之間關(guān)系的。
第四大文明是研究人和人之間關(guān)系、人和環(huán)境之間關(guān)系的一個重要的文明,即中華文明。目前世界上保存較完整、較好的文明,就是中華文明。中華文明體現(xiàn)的不是人和物、人和神之間的關(guān)系,是人和人之間如何融洽、人和環(huán)境之間如何和諧,天、地、人之間如何共生的問題。
在距今2500年以前,西方最主要的科學之祖,也是哲學之祖,是泰勒斯,他和中國的老子、孔子差不多出現(xiàn)在同一時代,其思想體現(xiàn)在他的一句箴言里面,即“water is best”(水是最好的)。水是一種物質(zhì),地球生物是海洋里誕生出來的,然后水又滋養(yǎng)和哺育了人類,所以西方的科學和哲學一開始就和物質(zhì)密切相關(guān),而我們的老子對水也有闡述——“上善若水”,孔子的“逝者如斯夫”,也是對水的一種感嘆,但他們大多都拘泥于感性和倫理方面,所以東西方文明的差異從這幾個代表性人物語言里邊可見一斑。
從上文可見,在歲月發(fā)展的歷史長河當中,人類四大文明分別聚焦于人物、人神、人人、人與環(huán)境之間的關(guān)系,而科學和技術(shù)的發(fā)展,和人和物之間的關(guān)聯(lián)密切相關(guān),所以,現(xiàn)代科學技術(shù)起源于歐洲,是順理成章的,也是可以理解的。但是,目前來看,隨著社會和人類的不斷進步,人和人之間、人和環(huán)境之間的關(guān)系日益提到日程上來,所以,現(xiàn)在整個世界的焦點,逐漸從西方轉(zhuǎn)移到了以人人、人與環(huán)境為主的東方視角來。
智能與交互的本質(zhì)
人和物之間的關(guān)系,是西方一個重要的研究方向,機器是人造物,所以人機交互,也是起源于西方。人機交互的本質(zhì),是共在,即“being together”。人把自己的優(yōu)點,和機器的長處結(jié)合在一起,形成了一個交互的,實質(zhì)性的問題,而未來人工智能的發(fā)展方向,很可能是人機融合智能或人機混合智能,即把人的智慧和機器的智能結(jié)合在一起,形成一個更有力的、支撐性的發(fā)展趨勢,這樣不但研究人機交互的脖子以下的,即生理的問題,而且還會研究脖子以上的,即心理的或者大腦的問題。其實,人機交互或人機混合智能,都是不準確的詞,最準確的詞是人機環(huán)境交互系統(tǒng),因為人和機器及物質(zhì),其交互是不完整的,是通過環(huán)境這個大系統(tǒng)來進行溝通的,所以人機環(huán)境系統(tǒng)工程,可能是未來一個主要的研究方向。
那么,人工智能或智能的本質(zhì)是什么?可以從人的成長經(jīng)歷或發(fā)展上看出一些端倪。一般來說,胎兒在母親腹中,就已經(jīng)開始有了各種感覺,如聽覺、嗅覺、味覺、觸覺,已經(jīng)開始和外部的環(huán)境及母親腹中的內(nèi)部環(huán)境進行交互,已經(jīng)產(chǎn)生了一個很簡單的“我”的概念。然后,出生以后,因為視覺、聽覺等感覺發(fā)育得不是很完善,更多的是用觸覺來接觸世界,了解他周圍的一些事物,隨著自主能力的產(chǎn)生,會試圖擺脫大人的束縛,更愿意自己爬、自己走,不希望別人去扶??梢钥吹?,這時候已經(jīng)開始否定了,否定別人的幫助。據(jù)國內(nèi)外最新的研究結(jié)果,小孩形成語言的時候,無論東方還是西方,除了被不斷重復灌輸?shù)摹鞍职帧薄皨寢尅边@種詞以外,自己先說出的,都是從第一個單詞——動詞“不”開始的,然后會發(fā)展到說“沒有”還有“別”這些詞?!安弧薄皼]有”“別”這些詞,就是孩子們成長的一個過程,在這個過程當中,就體現(xiàn)出人的智能是從否定開始的,否定外部,否定自己,否定很多事物,來產(chǎn)生某種智慧性的東西。需要注意的是,在人工智能里邊,其否定機制還遠遠沒有產(chǎn)生,所以人工智能和人的智能,有很大的差異。
我們在研究過程中發(fā)現(xiàn),人工智能的起點,第一個詞是“是”,“being”,即存在,客觀的物質(zhì),這是西方哲學的一個很重要的詞,世界是物質(zhì)的還是意識的,其中物質(zhì)就是“being”。然后,關(guān)于人的智能和智慧,還存在著 “Should”,“應該”。《三國演義》里面的“義”,就是“Should”,“應該”的意思,“仗義”的“義”也是“應該”的意思?!皯摗边@個詞,在西方非常重要,在東方也很重要,這是東西方交流的一個交會點。Should,翻譯成哲學語言,就是意識,即awareness、consciousness。另外還有want,人有want,即想干什么,而機器不會want,機器只會按照程序、指令進行操作,而人還有一個“能(can)”的問題,即能做還是不能做。機器沒有這個問題,只是操作。
休謨在他的哲學體系里邊,提出了很重要的“休謨之問”:“是”推不出“應該”。這句話的意思是從事實里邊,推不出價值觀。 中國古代著名的一句話“天行健,君子以自強不息”是不成立的。天行健是一個事實,君子以自強不息,是一種價值觀,二者不能畫等號,這里面涉及一個很重要的詞“change”,“變”。人會不斷地“change”,而機器則不能,只會按部就班、因循守舊、刻舟求劍。我們認為這五個詞是人工智能和人類智能很重要的差異。另外,人還有一個很重要的特質(zhì),即感知的恒常性,人在變化的外界環(huán)境當中通常能夠保留對這個事物本來面目的感知。例如,某種顏色,在不同的背景下,會改變這種顏色的影響,但是人卻能夠在這種變化當中找到不變的那種感覺,而機器不然,機器它對外部變化的顏色,會有一個實時的反應,很難找到那種不變的東西。
現(xiàn)代人工智能與交互
在現(xiàn)代人工智能的發(fā)展上,劍橋大學起到了非常重要的作用,其中有三個代表性的人物。第一個就是阿蘭·圖靈,他提出了圖靈測試和圖靈機的思想,然后影響了整個世界人工智能發(fā)展的軌跡。第二個就是著名的深度學習之父Geoffrey Hinton,他是劍橋大學心理學的本科生,后來到了加拿大,繼續(xù)做關(guān)于人工神經(jīng)網(wǎng)絡(luò)的研究,并提出了深度學習的概念和方法,人工智能因此而得到了復興和現(xiàn)在的繁榮。第三個是Alpha Go之父哈薩比斯,他是劍橋大學計算機學院的本科畢業(yè)生,對推動人工智能的發(fā)展也起到了非常重要的作用。
人機交互的研究始于二戰(zhàn)時期,當時主要研究因為各種不合理的設(shè)計導致的飛機故障,開始主要應用在航空航天領(lǐng)域,后來逐漸擴展到社會經(jīng)濟的各個方面。最近人機交互里面有一個比較熱點的領(lǐng)域——態(tài)勢感知(situation awareness,也叫情景感知)由曾任美國DAPRA領(lǐng)導的女科學家Mica R. Endsley提出。態(tài)勢感知或情景感知的提出,對整個人機交互產(chǎn)生了巨大的影響。Endsley對態(tài)勢感知的定義,是在一定的時間和空間內(nèi),對環(huán)境中的各組成成分,進行感知、理解,進而預測這些成分的隨后變化狀況??梢钥闯?,在整個人類的發(fā)展過程當中,智能科學是一個涉及交叉學科,涉及心理學、計算機科學、神經(jīng)科學、哲學、語言學等,這些學科構(gòu)成了一個完整的學科體系,可以總稱為認知科學。
當前人機環(huán)境系統(tǒng)工程的發(fā)展迅猛,其定義為:人機環(huán)境系統(tǒng)工程,是研究在人、裝備和環(huán)境系統(tǒng)之間,實現(xiàn)最優(yōu)匹配的一個領(lǐng)域,涉及信息的輸入、處理、輸出和控制,以及反饋,人機環(huán)境系統(tǒng)的整體設(shè)計及其優(yōu)化等方面的研究。研究的目的,是整個系統(tǒng)的高效、安全、健康、和諧、敏捷等。
當前在這一領(lǐng)域的研究中出現(xiàn)了很多分支,例如,人機交互、普適計算、情感計算等,并產(chǎn)生了很多相應的關(guān)鍵技術(shù),如多模感知、上下文感知、情感智能、環(huán)境智能、認知智能、多模界面、感性界面,這些技術(shù)用來實現(xiàn)一個最基本的目標,即自然的人機交互。在自然的人機交互中,非常重要的一點是數(shù)據(jù)。所有智能的產(chǎn)生與刺激和數(shù)據(jù)密切相關(guān)。所謂刺激,就是人感知到的外部的映射。所謂數(shù)據(jù),是機器接觸到的外部的輸入,通過這兩個來產(chǎn)生相應的融合、理解,進而進行相應的反應和規(guī)劃。
數(shù)據(jù)空間對計算機起著非常重要的作用,研究數(shù)據(jù)的多指向性是當前人機領(lǐng)域的一個難點和瓶頸,同時數(shù)據(jù)的多指向性,是人機區(qū)別的一個最重要的方面,人可以理解一個數(shù)據(jù)的多指向、多含義,而機器不然,機器它有規(guī)范,有規(guī)則,它只能從一個角度來看待這個數(shù)據(jù)。
當前人工智能的發(fā)展有三大主要標志:深藍、沃森和AlphaGo。這三個系統(tǒng)都和數(shù)據(jù)有關(guān),它們都是在處理過去大量的數(shù)據(jù)、規(guī)則、規(guī)劃。但是這三個頂級的系統(tǒng),都有一個很重要的問題,一個瓶頸問題,就是它只能“得形忘意”,而不能“得意忘形”。真正的人的智能需要臨機決策,而不是像計算機及當前弱人工智能按照套路去運算。人是算計,算計要比計算靈活得多。
智能與交互中的自主性問題
未來的人機交互及人工智能系統(tǒng),有明確的發(fā)展方向,它包含四個方面:主動的推薦、自主的學習、自然的進化、自身的免疫。在這四個方面中自主性是非常重要的一個概念。
美軍有一個深綠系統(tǒng),其目的是借鑒深藍系統(tǒng)的思想,將其映射到軍事指揮和控制領(lǐng)域。它通過指揮員助手、水晶球和閃電戰(zhàn)三個模塊,整合出當前的和過去的戰(zhàn)場態(tài)勢,以及實時有效的指揮員輔助決策。這個系統(tǒng)里最重要的是自主性和主動推薦。自主和主動是人工智能或智能科學一個很重要的研究熱點和難點。
自主應該包括以下幾個方面:
第一,自主應具有記憶的功能,而不是存儲。記憶是靈活的,能夠通過相關(guān)無關(guān)的事物產(chǎn)生直覺,而存儲則無法出現(xiàn)直覺,它只是符合邏輯的東西。
第二,自主應具有選擇性。選擇性是單向性的,即A選擇B。
第三,自主應具有匹配性。匹配和選擇最大的區(qū)別,就是匹配是雙向性的,A可以選擇B,B也可以選擇A。
第四,自主應可以控制。沒有控制和反饋,自主很難建立起來。
未來的人機交互及人工智能系統(tǒng),它至少是人機環(huán)境系統(tǒng)的自主耦合,形成了一個認知智能。認知的意思就是信息的流動過程,包括輸入、處理、輸出和反饋這個環(huán)節(jié)。
人工智能的重要發(fā)展方向,是人機混合智能。強人工智能、通用人工智能及類人人工智能,實現(xiàn)還相對較遙遠,當前相對實現(xiàn)的途徑就是人機混合智能。人機混合智能就是研究如何在人、機及環(huán)境系統(tǒng)之間,實現(xiàn)最優(yōu)的智能匹配,人的智能加上機器的智能,涉及人機環(huán)境系統(tǒng)的整體設(shè)計及其優(yōu)化等方面的研究,研究的目的包括可靠、高效和舒適等幾個方面。它主要涉及兩個基本問題:一個是人的意向性和機器的形式化問題。所謂意向性,就是意識的指向。機器難以處理涉及靈活、可改變的,甚至帶有矛盾性的事物,但是機器的長處在于它不疲勞、擅計算,并且能夠準確及時地,處理形式化、符號化的東西,而這是人所不擅長的。所以,如何把機器的長處和人的這種優(yōu)點充分地結(jié)合在一起,這是一個很重要的命題,也是人機混合智能的一個命脈。
在人工智能和機器人領(lǐng)域有一個著名的悖論叫莫拉維克悖論。莫拉維克悖論指出:和傳統(tǒng)假設(shè)不同,對計算機而言,實現(xiàn)邏輯推理等人類高級智慧只需要相對很少的計算能力,而實現(xiàn)感知、運動等低等級智慧卻需要巨大的計算資源。說明當前人工智能領(lǐng)域很多問題不是僅僅靠提高計算能力就能解決的,這個悖論用哈佛大學教授Steven pinker的一句話來說,就是困難的問題是簡單的,簡單的問題是困難的。
對于人工智能和這個悖論而言,意向性、意識是整個智能科學的瓶頸,可以看出,意識就是一種感知,這是情境感知。還有一種是非情境的感知,能夠穿越時空,這是人的意識,機器則不然。
對于意識,著名心理學先驅(qū)、美國第一屆心理學協(xié)會的會長William James曾說過,人的智慧就是忽略的智慧,人知道怎么忽略一些不重要的事物,而把精力聚焦到一些重要的關(guān)鍵之處、特征之上,而機器不然,只擅長處理大數(shù)據(jù),而不擅長處理小數(shù)據(jù)。
“自我”的產(chǎn)生是意識最重要的一個基礎(chǔ),自我的概念實際上就是建立了一個坐標系,“自我”即坐標系的原點,人類都是以自我為原點度量周圍世界與事物的。意識的出現(xiàn)往往會造成“無中生有”和“有中生無”。無中生有,往往是只有外界的刺激所產(chǎn)生的數(shù)據(jù)形成數(shù)值,數(shù)值不但包括客觀的數(shù)量,而且還形成了主觀的賦值。比如說“1”里邊,它既是一個單純的客觀的數(shù)值,同時“1”也是對自我有特殊意義的一個數(shù),如一杯茶、一條毛巾,里面有很多主觀的情感化的賦予。形成數(shù)值以后,需要提取有價值的東西即信息。信息就是有價值的數(shù)值或者數(shù)據(jù),從信息里面可以獲取知識,從知識里面提煉邏輯,也就是從0到1,從1到n的過程,正應了中國古代道教所說的:道生一,一生二,二生三,三生萬物,它整個的過程就是無中生有的過程。有中生無,就是指邏輯產(chǎn)生意向,從意向性導出意識,就是覺察覺知,從意識里邊沉淀出潛意識,從潛意識升華為無意識的過程,也就是從n到1,從1到0的一個過程,萬物歸三、三歸二、二歸一、一歸道之歷程。
深度態(tài)勢感知
通過意識或態(tài)勢感知(情景感知)及情境化的東西和非情境化的東西的結(jié)合,我們提出一個新的概念,叫作深度情景感知,或深度態(tài)勢感知(Deep Situational awareness)。什么叫深度情景感知?我們認為,這是一種人機智慧,既包括了人的智慧,也融合了機器的智能,是能指和所指。所謂能指,就是指事物本身。所謂所指,就是事物本身所包含的語義和內(nèi)涵,即涉及事物的屬性。能指主要涉及事物的感覺,又關(guān)聯(lián)它們之間的關(guān)系,所指包括它們的知覺。所謂感覺,就是指對屬性的這種映射,所謂知覺就是聯(lián)系、理解,既能夠理解事物原本之意,又能夠明白弦外之音,是合情合理、通情達理的一個方式,是人機環(huán)境系統(tǒng)中各元素的主動的拓樸,處理跨情境的原型特征的一個空間。
深度態(tài)勢感知具體涉及的是感覺、知覺、規(guī)劃和反饋四個環(huán)節(jié)。人的感覺和機器的這種輸入有所區(qū)別,人的感覺里面包含了想象和真實的刺激,所以人的感覺是真實的和虛擬的疊加。知覺就是一種聯(lián)系。所謂對事物的理解,就是看見了聯(lián)系。規(guī)劃和反饋則是控制方面的兩個重要術(shù)語。
另外,人的深度態(tài)勢感知或深度情景感知中有一個很重要的機理——迷局,就是能夠把數(shù)理、地理、物理、生理、心理、倫理、法理、管理等幾個方面的知識及時地準確地進行融合、分配、表征,而機器只是從一個角度進行梳理,所以人機的差異在深度情景感知里邊。
人工智能發(fā)展到今天,它解決的主要的途徑,就是形式化符號化的問題。當前人工智能在知識表示、問題的求解、自動的推理、機器學習、自然語言理解和模式識別方面進行了諸多工作,也進行了統(tǒng)一的認知結(jié)構(gòu)化的處理。但當前人們對人工智能的未來仍有很多的質(zhì)疑和不滿,主要原因在于有兩個很重要的領(lǐng)域,尚未得到有效的開發(fā):一個是神經(jīng)科學,關(guān)于人類大腦的開發(fā)還沒有得到非常突破性的成果。另一個是認知心理學,這個領(lǐng)域也沒有得到很好的發(fā)展。神經(jīng)科學涉及三個主要的方面,第一是神經(jīng)的編碼,第二是計算的回路,第三是神經(jīng)的發(fā)育。這三個方面,都沒有得到有效的研究和表征。認知心理學里概念的發(fā)展、學習、記憶和知覺的加工,也沒有深刻地理解,所以,這種認知的滯后,進而映射到這個人工智能里面,產(chǎn)生了一些不良的反應,所以如何來實現(xiàn)這些學科的綜合協(xié)調(diào)發(fā)展,人機環(huán)境系統(tǒng)很可能是進行協(xié)調(diào)和整理的一個有效的工具。
在這個感性和理性的過程中,有一個很重要的方向,就是大家所熟知的可計算性理論。在可計算性理論里邊有一個對立面——可算計性理論。所謂可計算性理論,就是指運用事先規(guī)定的規(guī)則,將一組數(shù)值變換為另一組數(shù)值的過程,就是可計算的過程。而可算計性理論不但要處理合理性,還要處理非合理性,包括非理性的東西。它不但要處理邏輯性的東西,而且要處理非邏輯性的東西;不但要進行計算,而且還要進行算計。這些對立面的整合,可能是算計性理論的一個基礎(chǔ)。在此基礎(chǔ)上,需要對學習、理解、知識和概念進行重新定義。例如,理解的概念是看見了聯(lián)系叫理解,看不到聯(lián)系叫不理解。對于人的學習,學和習不同,學是由內(nèi)而外發(fā)出的主觀性行為,習是練習,通過練習,來加強它的理解,而機器則不是學習,機器是輸入,是賦值,是規(guī)則。
總 結(jié)
本文探討了人機交互和人工智能的起源和瓶頸問題,人工智能和智能科學的發(fā)展,包括三個基本的階段。第一個階段是傳統(tǒng)的人工智能,這個傳統(tǒng)的人工智能已經(jīng)有了游戲規(guī)則,它在基本的特質(zhì)就是數(shù)學形式化的東西,加上在某一領(lǐng)域的展開。這里邊還涉及一個自動化的問題,其實很多問題是自動化的問題,不是人工智能的問題。自動化涉及的是結(jié)構(gòu)化的數(shù)據(jù)處理,人工智能是非結(jié)構(gòu)化的數(shù)據(jù)處理。第二個階段是人機環(huán)境系統(tǒng)的交互領(lǐng)域,這個領(lǐng)域里邊正在形成規(guī)則。這個規(guī)則主要體現(xiàn)在兩個方面,第一個方面就是自動化的處理,第二個方面是弱人工智能。當前在這個領(lǐng)域里,還要加上各個行業(yè)和各個研究的指向。第三個階段就是未來的智慧化的強人工智能的信息系統(tǒng)領(lǐng)域,在這個領(lǐng)域里面,目前還沒有游戲規(guī)則,它主要體現(xiàn)在人的智慧加上未來的強人工智能,或一些通用的人工智能。這個領(lǐng)域,還需要進行一些積極的探討與多學科交叉研究。
責編:楊克