首届世界人工意识大会预告：类脑超维向量计算和人工智能，人工意识分析

已有 201 次阅读 2023-7-27 11:17 |系统分类:论文交流

📢【世界首届人工意识大会】倒计时开始！

🗓 日期：2023年8月24日📍 地点：线上举行

我们诚挚邀请您参加首届世界人工意识大会！这是一场聚焦人工智能与意识交叉领域的盛会，汇聚全球专家学者共同探讨AI的未来。会议将探讨人机接口、生物医学、意识系统研发等议题，引领科技的前沿探索。

快来与我们共同见证历史！🌐 网址：中文：http://www.yucongduan.org/DIKWP-AC/2023/#/?lang=zh-cn

英文： http://www.yucongduan.org/DIKWP-AC/2023/#/?lang=en

法语： http://www.yucongduan.org/DIKWP-AC/2023/#/?lang=fr-FR

日文：http://www.yucongduan.org/DIKWP-AC/2023/#/?lang=ja-JP

不容错过的科技盛宴，敬请期待！🚀

#AC2023 #人工意识大会 #科技前沿

特邀嘉宾：熊墨淼教授

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。