切换到宽版
  • 2795阅读
  • 0回复

人类运用智能感知推动科技的发展 [复制链接]

上一主题 下一主题
离线zhuxiaoai26
 

人工智能 系统是基于其感知、记忆和思维能力,以及学习、自适应及自主的行为能力等。具有在复杂场景中的动态智能感知能力,就需要利用多源信息融合技术,将跨时空的同类和异类传感信息进行汇集和融合,才能通过记忆、学习、判断和推理,以达到认知环境和对象类别与属性的目的。在此基础上,才能使基于经验判断和智能处理的决策成为可能。
机器人作为人类20世纪最伟大的发明之一,在短短的40年内发生了日新月异的变化。机器人已经不仅成为先进制造业不可缺少的自动化装备,而且正以惊人的速度向海洋、航空、航天、军事、农业、服务、娱乐等各个领域渗透。基于多源信息融合的智能感知是机器人的现代支撑技术之一,它根据多传感器所提供的多源同构或异构信息,经过智能信息处理,可以综合地认知环境和对象的类别与属性,以达到智能感知的目的,从而可按行为准则实现应有的行为决策。
本世纪以来,无人驾驶汽车已经成为各国政府和大型企业鼓励的重大发展计划之一。无人驾驶 汽车已经实现了城市、环路及高速道路混合路况下的全自动驾驶,并实现了多次跟车减速、变道、超车、上下匝道、调头等复杂驾驶动作,完成了进入高速(汇入车流)到驶出高速(离开车流)的不同道路场景的切换。无人驾驶汽车的重要支撑技术之一即是智能感知,需要利用车上和路上安装的各种传感器获取路况和环境信息,并利用智能推理达到正确识别路况和环境的目的,在此基础上才能完成自动驾驶的动作。
现在,世界各发达国家都为提高武器平台的协同作战能力,需要在网络化系统的支撑下,使信息充分发挥纽带和桥梁作用,将参战的各武器平台链接成一个结构紧密、反应灵敏、能充分发挥各自武器平台优势的网络化体系结构。其中一个重要的任务,就是基于网络化系统多传感信息融合的态势感知。用于网络化系统态势感知的传感器可能包括:海防雷达信息、光学成像信息、声探测传感器信息、电子侦察信息、宽幅成像卫星信息、技侦信息等。
战场的目标识别随着智能感知技术的发展,从单一的可见光传感(摄像机)发展到现代的多光谱、前视红外(FLIR)、毫米波(MMW)雷达、合成孔径雷达(SAR)等多种传感手段。用于目标识别的信息类一般包括目标的外形信息、运动信息和辐射信息(声音与电磁波辐射)等。
随着人们对于环境问题的关注程度越来越高,用于环境感知的无线传感器网络的出现,为研究数据获取提供了便利,并且还可以避免传统数据收集方式给环境带来的侵入式破坏。无线传感器网络还可以跟踪候鸟和昆虫的迁移,研究环境变化对农作物的影响,监测海洋、大气和土壤的成分等。此外,它也可以应用在精细农业中,来监测农作物中的害虫、土壤的酸碱度和施肥状况等。
由于无线传感器网络具有密集型、随机分布的特点,使其非常适合应用于恶劣的战场环境监测中,包括侦察敌情、监控兵力、装备和物资,判断生物化学攻击等多方面用途。
现代智能感知系统的一个重要技术手段就是能够获取足够的传感信息和由之产生的特征信息。各种传感器的信息具有不同的特征,而智能感知的重要任务之一是要从各种传感信息中抽取对象的各种特征。正如小孩子从娘胎出来后认识母亲时要获取母亲的各种形象特征和语音特征等一样。
获取对象和环境各种特征的过程,实际上是一个记忆和学习的过程。自然界人和动物的记忆和学习机理还远远没有揭示出来,现在急速发展的深度学习方法是实现记忆和学习功能的一种有效手段。深度学习的概念源于人工神经网络的研究,含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示特征,以发现数据的分布式特征表示。例如,目标形体不变矩特征的提取与学习,是从一幅数字图像中计算矩量,并获取该图像不同类型几何特征信息的过程。目标运动特征提取与学习,是对其速度、高度、机动等特性的获取与学习的过程。目标辐射特征的提取与学习,是对其电磁辐射、音频辐射等频率、带宽特性,以及隐含信息特征获取与学习的过程。
获取了对象和环境的各种特征之后,智能感知的另一重要任务是判断和推理。实际上,每种传感器仅能给出目标和环境的部分特征信息,如何利用各种类别的特征信息来确定目标和环境的类别与属性,需要基于多传感信息融合的判断和推理。多传感信息融合的基本原理,是把在空间或时间上的冗余或互补的信息依据某种准则进行充分组合,以获得感知对象的一致性解释或描述,从而完成智能感知的全过程。
现代智能感知系统需要模仿人和动物的认知机理,来完成对象的特征提取和智能推理等过程。自然界人和动物认识客观对象的多传感信息融合机理还远远没有揭示出来,但人工智能可以用机器视觉-机器听觉-机器触觉,以及感知信息融合的全过程来模拟人和动物的认知过程,这也需要建立新的理论框架来描述认知的本质。建立判断和推理的方法很多,如概率推理、模糊判定、证据理论等。
在此介绍一种生物界特有的感知推理机制。在动物中,用于目标识别的一个典型例子是响尾蛇的光眼和热眼。
生物学家对响尾蛇的认知机理进行了深入研究,其热眼和光眼可以获取草丛中要猎取对象的不同特征信息,响尾蛇的大脑顶盖对来自两类眼睛的信息进行融合,最后判定是否为可捕捉的目标。响尾蛇的这种认知机理融合模式共有6种,如图2所示。前2种模式是简单的逻辑“或”与逻辑“与”。后4种模式则是所谓“条件模式”,即一种认知结果对另一种认知结果的增强,或者反过来是一种认知结果对另一种认知结果的削弱。这种感知的所谓条件模式其实具有生物认知的普遍意义。例如,一个多年前熟悉的朋友突然出现在人群中,从外形判断可能是那位朋友的可能性也许只有三成,但突然听到他说话的声音,这时可能性会提高到八成,或者反过来降低到不足一成。
自然界响尾蛇的大脑顶盖对来自两类眼睛的信息进行融合所反映的条件机制,启发人们建立了基于生物多模异构信息融合机制的多源异构信息融合方法,从而达到非结构化信息互补集成的目的。
按照生物异构信息融合的复杂机制,基于随机集理论和条件事件代数的基本理论,以及基于类Jeffrey规则的证据更新方法,建立了事件之间的类Bayes规则,从而建立了类似生物复杂融合机制的一类融合规则。
在人工智能系统迅速发展的今天,智能感知在诸多领域,如机器视觉、指纹识别、目标识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、态势感知、智能搜索等领域取得了辉煌的成就。目前,智能感知研究的理论基础是基于大数据深度学习的感知对象特征提取,以及基于各种特征的类生物机制的推理方法等。
到了2013年,有人开发了一种新的数据分析方法,似乎给计算机的“创造力”提供了一种手段。这种所谓“创造力”,实质上是建立的一整套智能感知和智能决策能力体系。甚至有人担心,未来“精于创造”的计算机一旦掌握了全面智能感知和智能决策能力,可能会反过来对抗人类。



快速回复
限80 字节
批量上传需要先选择文件,再选择上传
 
上一个 下一个