dsm9393的个人博客分享 http://blog.sciencenet.cn/u/dsm9393

博文

机器人与情感(Robets & Heart)

已有 3211 次阅读 2016-3-20 21:03 |个人分类:机器人|系统分类:观点评述| 机器人, 情感, 人机大战

                 机器人与情感

           (Robets & Heart) 

                     议“当机器人有了感情”一文

                          都世民(Du  Shimin)

 

                     人机大战引发的思考

不久前,由谷歌旗下“深层思维”公司创建的人工智能系统“阿尔法围棋”,在人机围棋大赛中以四比一的成绩击败了围棋冠军李世石。这场人机大赛在业内外均引起很大反响,站在不同角度会有不同看法。业内人士关注焦点是围棋棋艺及相关问题。业外人士看法也就不尽相同。不会担心自己饭碗会被机器人抢走。对围棋的爱好也不在乎胜负。

人與器的棋盤對弈歷史已經接近60年。人机大战的胜负的内含到底是什么?這是一種力比拼游戲,還是智慧碰撞?

1.谷歌公司的埃里克·施密特说的那样“无论谁在比赛中获胜,人类都将是最大的赢家。”

2.有人说是“狗战胜了人”;“人工智能战胜了人”;“人的群体智慧集成化战胜个体智慧”。各种说法不足为怪。

3.也有人相信机器在许多方面将来会超过人,但像“意识”“情感”“洞察力”、“创新”,机器人真的是没有办法超过人

4.也有人认为:在结构上、功能上,机器人都不具备生物脑的复杂性特点。是不可能超过人。持这一观点的人是对脑科学有深度了解的人士。

5.也有人不同意这种看法,认为人脑的运行机制能通过机器模仿,能人造“脑”。这就超出人工智能学科的研究范畴。将来如果有人失忆,能否将人造“记忆”安装到人脑内,这就要解决人机接口,人机兼容、能源等诸多问题。这会涉及纳米技术及相关领域。目前是不可能实现。

6.从人工智能的角度,“狗战胜人”是靠运算能力,还是靠超強记忆百万个棋谱?

“阿尔法围棋”用了一种新方法这个方法几乎完全靠自主自学,并通过观察成功与失败案例来掌握得胜技巧。不斷進化“深蓝”之所以能够有超人的绝佳表现,几乎纯粹是靠运算能力:它存储了数百万个国际象棋案例,因此能在众多可能性中进行筛选,从而确定下一步棋的最佳位置。然而围棋落子的可能性要多得多,也就是说,单纯靠运算能力是不可能取胜的。即便是运算速度最快的电脑都无法模拟哪怕其中一小部分。

7.系统使用了一种名为“深层学习”的方法,能够梳理出模式抓住重点。“深层学习”系统采取类似人脑运行方式,学习是在神经元之间形成并加强关联的过程。因而被称作“神经网络”。它在软件中建立起数十亿节点和关联,使用案例“训练集”来强化刺激(正在下的棋)和反应(下一步棋)间的关联,再对系统进行新刺激,并观察其反应。通过“强化学习”的技术,“阿尔法围棋”还和自己下了数百万盘棋,以记住有效走法和战略。[1]如果这种法成立,这意味着以下两方面问题:一方面人工智能模仿人脑功能结构获得进展;另一方面也在验证人脑棋艺功能的运行机制。

为什么这样说呢?下面来讨论这一问题。

                       赋予机器人以情感

环球科学2016年第2期刊文:“当机器人有了感情”。文中介绍了怎样让机器人有情感?目前服务型机器人已经上市,例如销售机器人、餐馆机器人、送货机器人等,如果陪伴机器人要上市,就需要机器人懂得陪伴对象的情感,方能说话得体,表达确切,让对方满意。“阿尔法围棋”只需要会下围棋,不需要与李世石沟通,不必表露情感。

              赋予机器人以情感的必要条件

1.要制造能够理解人类情感的机器,语音识别算法非常关键。必须构造一个智能机器人拥有的专门处理人类语音的模块。除了识别语义以外,还要教会它识别一些基础的声学信号特征。通过分析一个人声音中的压力、愉悦、恐惧、愤怒、恶心等信号来感知他的情绪。利用信号处理技术,计算机可以探测到这些线索,从音调中抽取出大量的信号数据。建立一个多语种的自然语音感数据集。通过测试,判定算法识别压抑情绪的准确率。

2.构造一个智能机器人拥有的捕捉图像、识别物体的模块。

3.模块中包含的程序可以根据潜藏在人脸表情中的线索、语音中的声学标记和语言本身的语义作出分析,判断对方的情感状态,并告诉机器人该如何应对。教会机器从学生的语音样本中识别出有压力的负面情绪。

4.智能机器人要会解读面部表隋、肢体语言,捕捉语调的变化以及理解语义的内容。实际上捕捉对方情感是很复杂的,有时一个眼神,一种笑容,一种抚摸都富含了多种情感表达。构建—个情感模块是要识别人类在沟通时所表现出的特点,使机器能够识别这些情感,并在不断“训练”算法的过程中,让机器人能够快速分辨出这些特点。并迅速作出反应。

5.训练机器。为了让机器能够分析声音的特征,在不考虑歌词的情况下,识别出音乐表达的情绪。因此收集了5 000段以上不同类型的音乐,有些音乐已经被音乐家们按情绪分类。要从每首歌里提取大概| 000种非常基础的信号特征,比如代表能量、基础频率和谐程度的声学参数,然后利用已经标识好的I4类音乐,来训练14种“分类模型”,每—种分类模型都需要判断—段音乐是否属于特定的情绪类别。一种分类模型只能识別一种音乐。

6.为了理解幽默、挖苦、讽刺或其他高层次的交流特征,不仅需要机器人从声学特征中识别出情感,还需要理解语言的内在含义,并把对应的语言和这句话在表达时所传递出的情感放在—起对比。识别语音和理解语义之间,存在很大的区别。

7.人与机器的交流过程中,整个流程—般是:语音的声波被转換成数字信号,数字信号再转换成软件能够理解的参数,语音识别软件把这些参数变成词汇,然后再用语义解码器把这些词汇转化成含义。—旦机器可以理解谈话的内容,它就可以把这个内容和传递內容的表达方式做比较。算法应能识别出情绪线索和陈述内容之间不匹配,进—步算出这个人故意说反话的概率。这一点很重要。一个人表达情感有真、假两面。如何识别真实一面作出得体的反应,这是人的智力的一种反应。通常人们说:“知人知面不知心”。这就包含“意识”层面,属于另一话题。既是脑科学研究难题,也是人工智能研究的难题。机器人超过人只有捕捉到人的真“心”,才有可能讨论这一话题。

《金刚经》早已指出:过去心不可得,现在心不可得,未来心也不可得。笔者认为,要让机器人懂得情感,从人的五官获取信息,通过上述分析过程会有进展,但要真正懂得人的真“心”似乎是不可能。

 

如上所述,不难看出以下几点:

1.人工智能机器人的研究是将机器“变成”人,类人化,赋予人的某种功能。

2.人工智能机器人的研究思路和实施是在宏观层面,利用多学科的研究成果,包括计算机软硬件、算法、新材料、新的传感技术、神经生物学、电子学、心理學、系統論、博弈論、哲學等領域的交叉學科。创建的类人化产品。

3.脑科学是在微纳层面研究,探索大脑运行机制,目前只涉及少数学科,例如化学、物理学、生物医学、光学、显微计测学等,局限性很大,其成果应用主要面向医、药学。近些年在人脑开发方面颇受关注。研究者们正从各种视角探索大脑运行机制,研究分析模式有多种,证实相当困难。

4.脑科学研究在很大程度上是将人脑“变成”电脑、生物电脑、超级生物电脑,离不开“电脑”这一关键词。也可以说把人“看成”计算的机器,附加上多种传感器,如果不是意识、思维、创新,就可以等同看待。

5.如今脑科学研究已逐渐脱离神经元层面,意识到模块化连结方式,沟通人脑跨时空的链接。上述介绍也说明,一种模块只能反应人的一种功能,可是人的功能细化起来有多少种呢?这决不是一个小的数字!

笔者下面将讨论脑科技的新模式,即共振模式,更进一步探讨脑的运行机制。

 

参考资料

[1]美媒:“阿尔法围棋”获胜诠释“深层学习”威力, 来源:参考消息网,2016-03-19 .

[2]人的知识、经验是从哪儿来的? ——观人机围棋大战有感 ,2016-3-9 ,本文引用地址:http://blog.sciencenet.cn/blog-2469974-961609.html  此文来自科学网陈南晖博客,

[3]席宏伟人机大战,阿尔法围棋和玩具,来源:联合早报网,20160319.http://www.zaobao.com/forum/views/opinion/story20160319-594552/page/0/1

[4]张敬伟,阿尔法围棋的创新启示来源:联合早报网,,20160319.

[5]李世石稱“阿爾法圍棋”不按套路來,http://www.CRNTT.com,2016-03-12 12:

[6]“人機大戰”:人類輸在自己的情感缺點上,http://www.CRNTT.com,2016-03-12.

[7]人機大戰,一場永不完結的棋局,http://www.CRNTT.com,2016-03-10.

[8]冯雁,(Pascale Fung),翻译 秦曾昌,当机器人有了感情,环球科学,2016年第2期。

[9]人机大战:真正的看点不是弈棋来源:中国科技网-科技日报, 2016-03-11

[10]详析阿尔法围棋“三头六臂”来源:中国科技网-科技日报,2016-03-11

 




https://blog.sciencenet.cn/blog-1339385-963765.html

上一篇:关注谷歌推出的人机大战幕后
下一篇:关注美国启动大脑阿波罗计划
收藏 IP: 123.113.238.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (5 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-9-4 04:24

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部