作者：仇德辉
出版社：台海出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
情感机器人试读：
绪论|Introduction
目前，人工智能呈现高速增长和全面扩张的态势，一方面人工智能不断朝数学运算、逻辑推理、专家系统、模式识别、深度学习等更深层的智能方向发展；另一方面人工智能不断向社会的各个领域，如智能电视、智能手机、智能家居、智能交通、智能购物、智能城市、智能养老等进行扩展。人工智能的下一个技术突破口必然是人工情感，实现了真正意义的人工情感，人工智能会有更加广阔的发展空间，也会对社会生产力形成更加强大的推动力。一、人工情感研究的背景
当今的计算机从原理上讲主要是基于逻辑推理式系统，根本不存在任何情感能力，人工智能也只是逻辑推理能力的体现。让计算机和机器人具有人类式的情感，是许多科学家的梦想。然而，与人工智能技术的高度发展相比，人工情感技术所取得的进展却是微乎其微，“情感”始终是横亘在人脑与电脑之间无法逾越的鸿沟。
目前，世界各国在“人工情感”方面已经投入了大量的人力物力，并且在脸部表情处理、情感语音处理、姿态表情处理、自然人机界面等方面取得了不少的进展。至今为止，人工情感所取得的成就无外乎两个方面：情感表达系统和情感识别系统。然而，人类的情感体系至少包括五个基本部分：情感表达系统、情感识别系统、情感运算系统、意志运算系统、感知情意交互系统。显然，人工情感目前的研究完全没有涉及后面三个系统。
事实上，情感是人类一种特殊的思维方式，它同智能的思维方式完全不同。人工情感并不是人工智能的简单扩展与同义延伸，两者在研究思路、基础理论与逻辑方法等方面都有着重大的区别。如果完全按照人工智能的研究思路、基础理论与逻辑方法等来研究人工情感，就必然会走进死胡同。
不难理解，要研究人工情感就必须首先了解情感的本质，然后掌握情感运行的内在逻辑程序，再建立起情感的数学模型，最后在此基础上编制出情感运行的计算机程序。然而，目前几乎所有的人工情感都是以心理学的情感理论为前提，而心理学对于“情感”的定义是非常含糊的，也没有一个清晰的情感运行的逻辑程序。总之，心理学的情感理论不能作为人工情感的理论基础，必须建立一个全新的、客观的、科学的、数学化的情感理论，并在此基础上建立情感的数学模型。二、方向性错误
然而，当今所有人工情感或情感机器人的研究者，都犯了严重的方向性错误：他们都不知道情感的本质是什么。他们都把情感的外在表达模式（如哭、笑）当成情感本身；他们都简单地认为，只要能够模拟和识别人的情感表达的机器人，就是情感机器人；他们都不知道，主观意识必须与客观存在相对应，情感是一种主观意识，任何情感的背后必然有一种隐含的客观存在相对应。如果我们只知道情感的某些表达模式，是无法判断情感背后的真实内容的。例如，同样是哭，如果不知道哭的背后所隐含的真实内容，那么我们就无法判断他到底是真哭，还是假哭；到底是高兴的哭，还是痛苦的哭。
有一位人工智能领域的知名人士，曾经在公开场合表示：即使我们不知道情感的本质，照样可以研制和生产出情感机器人。试问，如果连情感的本质都没有弄清楚，又如何了解情感运行的内在逻辑程序？如何建立情感的数学模型？难道说，机器人只要能够模拟和识别人类的某些简单的情感表达模式就是情感机器人了？“情感表面”与“情感内在”有着本质的区别。其中，情感表面只是情感内在的外部表现，情感内在才是情感表面的根源和本质。相同的情感内在可以有多种情感表面形式，例如同样是高兴，人既可以表现为笑，也可以表现为哭；同样是痛苦，既可以表现为哭，也可以表现为笑。由此可见，仅仅研究人的情感表面模式没有多大的意义，只有研究情感内在的真实内容及其规律性，才有可能研究出情感机器人。如果把“情感表面”当作“情感内在”，就会犯方向性的错误，就是缘木求鱼，就永远研制不出真正意义的情感机器人。三、情感的本质“数理情感学”认为：情感的本质就是价值或利益，情感是“人脑对于价值关系的主观反映”；情感作为一种主观意识，它所隐含的客观存在就是价值或利益；情感的客观目的在于引导人们如何正确地表达价值、识别价值、计算价值、消费价值和创造价值。
情感是人类一种特殊的思维方式，它将一种特殊的事物（即利益或价值）作为思维对象进行数学计算和逻辑运算，并把运算的结果通过特定的表达模式（如喜、怒、忧、思、悲、恐、惊等）表现出来。由此可见，智能思维与情感思维存在本质上的区别：智能思维是以“一般性物理符号”进行数学计算和逻辑运算的过程，情感思维是以“价值符号”进行数学计算和逻辑运算的过程。“价值符号”是一种复杂的“一般性物理符号”，或者说是“一般性物理符号”的函数。
总之，情感以价值或利益为核心，智能机器人是能够对“一般性物理符号”进行数学计算和逻辑运算的机器人，情感机器人是能够对“价值符号”进行数学计算和逻辑运算的机器人。四、情感的“五器”功能
人之所以有情感，主要是因为情感可以作为人类五种重要的“机器设备”（即“五器”），用以调整自己的价值关系。
1．价值表达器
人是社会性动物，人与人通常会建立各种各样的分工与合作关系（包括经济关系、政治关系与文化关系），为了确保双方分工与合作关系的顺利进行，人必须向他人充分表达自己正向或反向的价值关系（有时是为了表达自己相反的价值关系）。情感可以引导人通过语言表情、声调表情、面部表情、身体姿态表情等方式，向他人表达自己的价值关系，从而成为人类价值关系的表达器。
2．价值识别器
为了确保人与人之间分工与合作的顺利进行，一方面，人必须向他人充分而准确地表达自己的价值关系；另一方面还必须充分而准确地识别他人的价值关系，做到“知己知彼”。情感可以引导人通过语言表情、声调表情、面部表情、身体姿态表情等方式，识别他人所表达的价值关系，从而成为人类价值关系的识别器。
3．价值运算器
人无论是采取消费行为还是生产行为之前，必须首先全面而准确地计算各种行为模式所涉及相关事物的价值特征量（包括使用价值、劳动价值、价值率等），然后再计算每种行为模式的价值特征量（特别是价值率），最后选择某种具有最大价值收益率（即价值率）的行为模式来实施。情感可以引导人通过大脑内部的各种计算元件全面而准确地计算各种事物、各种行为的价值关系，从而成为人类价值关系的运算器。如果人出现两难选择，就表明某种事物或某种行为的价值关系在大脑的运算过程中出现了难题或者无解，从而形成情感纠葛。
4．价值分配器
人的价值资源是有限的，人总是会把自己所拥有的价值资源优先地分配到具有最大价值收益率的事物（包括消费性事物、生产性事物两大类），以实现最大的价值收益率（即实现自己的“利益最大化”）。情感可以引导人通过不同的情感取向把自己所拥有的价值资源合理地分配给不同的事物，从而成为人类价值关系的分配器。比如，人类通过正向情感（如喜欢、爱恋、满意、期望等）来增加价值资源的投入规模，通过负向情感（如厌恶、嫉妒、失望、焦虑等）来减少价值资源的投入规模。
5．价值创造器
统一价值论认为，价值是人类生存的动力源，人的生存过程一方面需要不断地消费各种价值资源，另一方面需要不断地生产各种价值资源。信息是价值的真正源泉，在没有新信息外部注入或内部形成的情况下，人的所有生存过程（包括消费过程、生产过程和劳动过程）都是价值的等价转换过程，不会产生任何的价值增值和价值规模的扩展。真善美的本质就是价值率大于社会平均价值率，就是它们内部涵盖的一定的信息量；人们追求真善美的过程，在本质上就是追求信息的过程，就是追求价值增值或价值规模扩展的过程。情感可以引导人不断地追求真善美，不断地形成、积累、传播和运行信息，以达到创造价值的目的，从而成为人类价值关系的创造器。五、情感机器人的研究步骤
那么怎么才能研制出真正意义的情感机器人或人工情感呢？笔者认为，必须分四步走：
1．建立一个全新的价值理论：统一价值论
这种价值理论必须以自然科学的公理为前提，把所有学科的价值理论（如哲学、经济学、政治经济学、社会学、价值工程学等）统一起来，才能够全面揭示各种不同形式的价值（如金钱、房产、地位、健康、相貌、才华等）之间的内在逻辑关系，并建立统一计算各种价值的数学模型。笔者耗时20年，完成了100万字的著作《统一价值论》，全面阐述了统一价值论的理论基础。这个理论以物理学的“耗散结构论”为理论前提，从物理学角度研究生命现象和生命规律，从能量角度研究价值现象与价值规律，实现了价值理论的统一化、客观化和数学化，从而推动了整个社会科学的自然科学化进程，也为创立“数理情感学”奠定了理论基础。
2．建立一个全新的情感理论：数理情感学
笔者曾耗时8年，完成了50万字的《数理情感学》，提出了数理情感学的理论基础。这个理论从价值论角度研究情感现象与情感规律，实现了情感理论的统一化、客观化和数学化，从而推动了情感理论的自然科学化进程。它跳出心理学的范畴，从价值角度来分析情感现象和情感规律，对价值观和情感作出了数学定义，推导出了“情感强度三大定律”，并且实现了对于不同情感的数学运算，也为创立“人工情感”奠定了理论基础。
3．建立全新的人工情感理论：情感机器人学
笔者用了两年时间，完成了这部25万字的《情感机器人》。《情感机器人》在《数理情感学》的基础上，对人工情感作了进一步具体化的研究，绘制出八个重要系统的逻辑框图：情感表达系统、情感识别系统、情感运算系统、意志运算系统、感知情意交互系统、记忆系统、注意系统、自我意识系统等，为人工情感的研制提出了初步的技术方案。
4．实现人工情感的产业革命：人工情感＋
人工情感的初步技术方案完成以后，就可以按照其基本思路，研制出情感芯片，并把它植入智能机器人，从而生产出真正意义的情感机器人。与此同时，还可以把情感芯片广泛应用于各个产业，从而引发全社会的“人工情感＋”产业革命。它将是继“互联网＋”之后更广泛而深刻的产业革命。
各个理论体系的逻辑关系，如下图所示：各个理论体系之间的逻辑关系
总之，没有“统一价值论”就没有“数理情感学”，没有“数理情感学”就没有“情感机器人”，没有“情感机器人”就没有“人工情感＋”产业革命。六、情感机器人的技术路线
人与外界的相互作用过程可以分解为五个相对独立的阶段：感觉阶段、认知阶段（或分析阶段）、评价阶段（或情感阶段）、规划阶段（或意志阶段）、行为阶段；它们分别解决五个不同性质的问题：有什么、是什么、有何用、怎么办、干掉它；它们分别通过人的五个主执行系统（即感觉系统、认知系统、评价系统、意志系统和行为驱动系统）和三个辅助执行系统（即记忆系统、注意系统和自我意识系统）来完成。人类进行信息处理的逻辑顺序是：外界信息、感觉信息的分析、认知信息的评价、行为信息的评价、意志信息的实施。
由此可见，情感机器人研究的技术线路可分为四个方面：研究对象的技术线路、解决问题的技术线路、执行系统的技术线路、信息处理的技术线路。
1．研究对象的技术路线
研究对象的技术路线：事物的物质属性→事物的关系属性→事物的价值属性→行为的价值属性→行为的实施方式。
2．解决问题的技术路线
解决问题的技术路线：有什么？→是什么？→有何用？→怎么办？→干掉它！
3．执行系统的技术路线
执行系统的技术路线：（1）主执行系统的技术路线，即感觉系统→认知系统→评价系统→意志系统→行为驱动系统；（2）辅助执行系统的技术路线，即自我意识系统→记忆系统→注意系统。
4．信息处理的技术路线
信息处理的技术路线：外界信息→感觉信息的分析→认知信息的评价→行为信息的评价→意志信息的实施。
情感机器人研究的技术路线，如下图所示：情感机器人研究的技术路线图七、情感机器人的理论意义
任何理论只有得到实践的验证，才能证明其正确性。“情感机器人”“数理情感学”和“统一价值论”正确性的验证也是如此。
1．“情感机器人”的充分验证
根据“数理情感学”所提出的客观化、数学化的情感理论，“情感机器人”建立了情感机器人的理论模型，并绘制出了情感总系统的逻辑框图和情感芯片的逻辑框图。根据“情感机器人”的理论模型和逻辑框图，研制出来的情感芯片和情感机器人具有了真正与人类似的情感，能够准确地、圆满地完成人所赋予的各项工作任务，并且引发了一场朝气蓬勃的“人工情感＋”产业革命，那么“情感机器人”的正确性就能够得到充分的验证。
2．“数理情感学”的充分验证“数理情感学”认为，价值作为一种客观存在，它所对应的主观反映形式就是价值观和情感。其中，价值观是人脑对于绝对性价值关系的主观反映，情感是人脑对于相对性价值关系的主观反映。根据“统一价值论”所提出的客观化、数学化的价值理论，“数理情感学”提出了情感的数学定义、情感强度三大定律、情感运算的逻辑法则。由于“情感机器人”是建立在“数理情感学”的基础之上，“情感机器人”的正确性一旦得到了充分验证，那么“数理情感学”的正确性就自然得到了充分验证。
3．“统一价值论”的充分验证“统一价值论”认为，生命运动和人类运动是物质运动的复杂表现形式，能量是物质运动规模的统一尺度，价值是生命运动的动力源，是生命运动规模的统一尺度，它是能量的特殊表现形式；有生命的物质运动与无生命的物质运动在本质上都是一致的，并且都必须严格遵循所有的物理定律。物理学的“耗散结构论”认为，当物质系统处于远离平衡区、非线性状态和开放系统时，它就会不断与外界交换物质、能量和信息，不断吸收“负熵”，从而使其不断朝着有序化的方向发展。统一价值论以“耗散结构论”为理论前提，提出了价值的本质就是“广义有序化能量”，研究了价值的起源与进化，揭示了价值运动的逻辑程序，建立了不同价值进行统一计算的数学模型，全面阐述了各种社会现象、社会事物、社会规律的价值动因。由于“数理情感学”是建立在“统一价值论”的基础之上，“统一价值论”又是建立在“耗散结构论”的基础之上，那么“数理情感学”的正确性一旦得到了充分验证，“统一价值论”的正确性就自然得到了充分验证，“耗散结构论”的正确性也就自然得到了充分验证。八、情感机器人的基本特点
人工情感传统的错误研究思路是：从心理学角度研究情感，试图通过建立情感的模式表达体系和模式识别体系，来模拟人类的情感运行程序。这一思路，只能在主观范围内绕圈子。
人工情感特色的正确研究思路是：从能量角度来研究价值，从价值角度来研究情感，通过建立情感的数学模型来构建情感的内部逻辑系统。这一思路，才能做到透过主观现象看客观动因。
相对于人工情感的传统思路，情感机器人的基本特点表现在：
1．科学性
任何一个理论体系要想具有高度的科学性，必须同时具备两个基本条件：一是其理论前提必须是公理，二是其推理过程必须遵循严格的逻辑法则。“统一价值论”建立在物理学的“耗散结构论”基础之上，“数理情感学”建立在“统一价值论”的基础之上，“情感机器人”建立在“数理情感学”的基础之上，这三个理论体系紧密相连，一环扣一环。同时，“统一价值论”“数理情感学”和“情感机器人”的所有推理过程都遵循着严格的逻辑法则，因此其高度的科学性是不容怀疑的。
2．精确性“统一价值论”和“数理情感学”采用了大量的数学工具，例如，价值观的数学定义、情感的数学定义、价值观与情感的数学运算、情感强度三大定律、意志强度三大定律等，从而使“统一价值论”和“数理情感学”具有高度的精确性，也为“情感机器人”高度的精确性提供了理论保障。
3．清晰性
由于情感的本质就是人脑对于价值关系的主观反映，情感与价值的关系在本质上就是主观与客观的对应关系，那么情感的运动变化与价值的运动变化就有着清晰而严密的逻辑关系，具体表现在：情感分类与价值分类之间有着清晰的对应关系，情感表达模式与价值变化模式之间有着清晰的对应关系，情感变化规律与价值变化规律之间有着清晰的对应关系，情感的八大动力特性与价值的八大变化特性之间有着清晰的对应关系，情感表达与价值表达、情感识别与价值识别、情感运算与价值运算、意志运算与行为价值运算之间有着清晰的对应关系等。这些清晰的对应关系，为情感机器人研究思路的清晰性提供了理论保障。九、人工情感的发展趋势
人工情感研究有两个基本的发展趋势：
1．由“外在情感”向“内在情感”的发展
目前所研制出来的情感机器人只有外在情感，没有内在情感；它们只能机械性地模拟人类某些简单的情感表达模式，也只能进行一些简单的情感识别，而没有真正意义的内在情感。这些情感机器人没有自我意识，没有个人意志，不能在自身情感体系的驱动下有目的地、自主地、创造性地开展自己的思维活动，也不能在自身价值观的指导下做出科学而合理的行为决策。未来的情感机器人一定能够具有内在情感，它们具有自我意识和个人意志，能够在自身情感体系的驱动下有目的地、自主地、创造性地开展思维活动，能够在自身价值观的指导下做出科学而合理的行为决策，并且实现自己预期的价值目标。
2．由“简单情感”向“复杂情感”的发展
生物的情感进化是由简单向复杂的发展过程，情感机器人的研究也必然是由简单情感向复杂情感的发展过程。具体表现为：由单一性情感向多样性情感的发展，由低层次情感向高层次情感的发展，由孤立性情感向关联性情感的发展，由个体性情感向社会性情感的发展。第一章人工智能人工智能（即AI）是研究人类智能活动的规律、构造具有一定智能的人工系统、使计算机能够完成以往需要人的智力才能胜任的工作的技术，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能最初是在1956年达特茅斯学会上提出的，它是计算机科学的一个分支，包括数学运算、逻辑推理、机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。人工智能虽然是对人的意识、思维过程的模拟，但在许多方面也可能超过人的智能。第一节人工智能的研究内容
人工智能是研究使计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机等内容，使计算机能实现更高层次的应用。随着AI技术的发展，现代几乎各种技术的发展都涉及了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括：一、数字计算
计算机最早的应用就是纯数值计算，而且，最初级的计算方式就是对“是”与“不是”的识别。通过二进制计算系统，计算机可以把相对复杂的十进制数字计算，转化为相对简单的二进制数字计算，再转化为对“是”与“不是”的简单识别。由于二进制计算系统中只有1和0两种状态，其中1表示“开”或“是”，0表示“关”或“不是”，因此容易用电子方式来实现其数字的运算过程。数字计算包括加减乘除四则运算、乘方、开方等。二、符号运算
符号运算又称代数运算，它是数字计算向代数运算的发展，如对表达式进行因式分解、化简、微分、积分、解代数方程、求解常微分方程等，因此“符号”可以代表整数、有理数、实数和复数，也可以代表多项式、函数、集合等。随着计算机的普及和人工智能的发展，多种功能齐全的计算机代数系统软件相继出现，其中Mathematica和Maple是它们的代表。由于它们都是用C语言写成的，所以可以在绝大多数计算机上使用。三、逻辑推理
逻辑推理又称逻辑运算或布尔运算。逻辑运算是数字符号化的逻辑推演法，它由符号运算发展而来。布尔用数学方法（即布尔代数）来研究逻辑问题，用等式表示判断，把推理看作是等式的变换，这种变换的有效性不依赖于人们对于符号的解释，只依赖于符号的组合规律。几乎所有的逻辑法则或定理都可转化为逻辑常量与变量、逻辑运算、逻辑函数等。四、机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫作机器翻译系统。目前，国内的机器翻译大致分为三大类：词典翻译类、汉化翻译类和专业翻译类。五、问题求解
人工智能的第一大成就是下棋程序，如今的计算机程序已能够达到在各种棋类比赛中战胜人类顶尖高手的水平。另一个成就是涉及问题的原概念（即“问题表示的选择”），人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到目前为止，人工智能程序已知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。六、自然语言处理
自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人瞩目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识—即世界知识和期望，从而生成和理解自然语言。这是一个极其复杂的编码和解码问题。七、分布式人工智能
分布式人工智能在20世纪70年代后期出现，是人工智能研究的一个重要分支。分布式人工智能系统一般由多个Agent（智能体）组成，每一个Agent又是一个半自治系统，Agent之间以及Agent与环境之间进行并发活动，并通过交互来完成问题求解。八、图像识别
图像识别是一门用计算机实现或模拟人类视觉功能的新兴学科，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。目前，图像识别已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像精确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等。九、模式识别
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里，我们把环境与客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性高和效率高。识别过程与人类的学习过程相似。比如，语音识别就是让计算机能听懂人说的话。在正在研究的口语自动翻译系统中，人们出国预订旅馆、购买机票和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话与外国人通话。十、信息检索
信息检索可以和逻辑推理及定理证明问题一样加以形式化。如今，信息检索的两大关键：信息获取和精化技术，已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。十一、机器学习
机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。机器学习主要研究如何使计算机能够模拟或实现人类的学习功能。机器学习是一个难度较大的研究领域，它与认知科学、神经心理学、逻辑学等学科都有着密切的联系，并对人工智能的其他分支，如专家系统、自然语言理解、自动推理、智能机器人、计算机视觉、计算机听觉等方面也会起到重要的推动作用。十二、专家系统
专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统。近年来，在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家具有丰富的知识，所以才能拥有优异地解决问题的能力；那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错。如今，在矿物勘测、化学分析、规划和医学诊断等方面，专家系统已经达到了人类专家的水平。十三、人工神经网络
人工神经网络是在现代神经生物学研究基础上提出的模拟生物过程、反映人脑某些特性的一种计算结构。它不是人脑神经系统的真实描写，而只是它的某种抽象、简化和模拟。在人工神经网络中，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程进行抽象，并用数学语言予以描述；对生物神经元的结构和功能进行模拟，并用模型图予以表达。十四、遗传算法
遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算机模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成，每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现是某种基因组合，它决定了个体的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。十五、人工生命
人工生命是通过人工模拟生命系统来研究生命的领域。人工生命包括两个方面的内容：虚拟生命系统，主要涉及计算机软件工程与人工智能技术；人造生命，特指利用基因工程技术改造生物特性的工程生物系统，主要涉及合成生物技术。十六、深度学习
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来表示属性类别或特征，以发现数据的分布特征。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，以模仿人脑的机制来解释数据，例如图像、声音和文本。第二节人工智能的发展简史
人工智能自1956年诞生以来，已有60多年的历史，其发展大致可分为以下几个阶段。一、萌芽阶段（1956年之前）
远古时期，人们采用石头或木棒来延伸和加强人的手与脚，后来采用铜器和铁器来制作劳动工具和生活工具，来延伸和替代人的部分体力劳动。后来，人们开始幻想和尝试采用机器或工具来替代人的部分脑力劳动。古希腊就有制造机器人帮助人们劳动的神话传说，中国古代也有歌舞机器人传说的记载，这说明古代人就有人工智能的幻想。算盘、计算尺等工具的出现，标志着人们开始采用机器或工具来替代人的部分脑力劳动。到12世纪末，西班牙的神学家和逻辑学家罗门·卢乐试图制造能解决各种问题的通用逻辑机。17世纪时，法国物理学家和数学家帕斯卡制成了世界上第一台会演算的机械加法器。随后德国数学家和哲学家莱布尼兹在此基础上制成了进行全部四则运算的计算器。19世纪英国数学和力学家巴贝奇提出了差分机和分析机的设计思想。
1936年，年仅24岁的英国数学家图灵在他的一篇《理想计算机》的论文中提出了著名的图灵机模型。1938年德国青年工程师楚泽研制了第一台累计数字计算机Z-1，1945年他又发明了Planka．kel程序语言。1946年美国科学家莫奇利等人制成了世界上第一台电子数字计算机ENIAC。二、诞生阶段（1956年至1966年）
1956年在美国达特茅斯大学举办的“侃谈会”上，与会人员第一次正式使用了人工智能（AI）这一术语，从此在美国开始形成了以人工智能为研究目标的几个研究组：纽维尔和西蒙组、塞缪尔和格伦特组、明斯基和麦卡锡的MIT组等。
1957年纽维尔和西蒙组编制出一个称为逻辑理论机的数学定理证明程序，另外他们还发明了NSS国际象棋机、人的口语学习和记忆的EPAM模型和早期自然语言理解程序SAD-SAM等。
1956年塞缪尔和格伦特组研发了一款具有自学习、自组织、自适应能力的西洋跳棋程序，1959年这个程序战胜了设计者本人，1962年还击败了美国的一位跳棋大师。
1959年明斯基和麦卡锡的MIT组发明了表（符号）处理语言LISP，成为人工智能程序设计的主要语言。1958年麦卡锡建立的行动计划咨询系统以及1960年明斯基的论文《走向人工智能的步骤》，对人工智能的发展都起到了积极的作用。三、发育成长期（1967年至70年代初期）
人工智能在发展过程中碰到的困难，比原来想象的要多得多。例如：1965年发明的消解法曾给人们带来了希望，可很快就被发现其能力有限；塞缪尔的下棋程序夺得州冠军之后没能进一步当上全国冠军，更不要说世界冠军；机器翻译方面，最初采用的主要办法是依靠一部词典的词到词的简单映射方法，结果没有成功；从神经生理学角度研究AI的人发现他们遇到了几乎是不可逾越的困难，以电子线路模拟神经元及人脑都没有成功。
由于20世纪50年代的研究盲目乐观且期望值过高，因此，60年代中期至70年代初期AI研究受到了人们的各种责难，进入了缓慢的发育成长期。尽管社会压力很大，AI研究先驱者的信念却没有动摇，他们认真总结经验教训，扎扎实实地做工作，不仅加强了基础理论研究，而且在专家系统、自然语言理解、机器人、计算机视觉等方面做出了很有成效的工作。四、兴旺期（20世纪70年代中期到80年代末）
1977年第五届国际人工智能联合会议上，美国斯坦福大学的费根鲍姆系统地阐述了专家系统的思想并提出“知识工程”的概念。从此人工智能的研究又出现了新的转折点，即从获取智能的基于能力的策略，变成了基于知识的方法研究。知识作为智能的基础开始受到重视，知识工程的方法也很快渗透到AI各个领域，促使AI从实验室研究走向实际应用。
由于理论研究和计算机软硬件设计的飞速发展，各种专家系统、自然语言处理系统等AI实用系统开始商业化并进入市场，而且取得了较大的经济效益和社会效益，展示了人工智能高度的生命活力和应用的广阔前景。
此后，人工智能研究人员开始从事“顶天立地”的工作。“顶天”是指研究和解决AI的一系列关键技术问题，例如常识性知识表示、非单调推理、不确定推理、机器学习、分布式人工智能、智能机器体系结构等基础性研究，以期取得突破性进展；“立地”是指研究人工智能的实际应用，特别是专家系统、自然语言理解、计算机视觉、智能机器人、机器翻译系统都朝实用化迈进。五、平稳发展期（20世纪90年代至今）
美国是人工智能的发源地，随着人工智能的发展，世界各国有关学者也都相继加入这一行列。英国在20世纪60年代就起步人工智能的研究，到70年代，爱丁堡大学还成立了“人工智能”系。日本和其他的一些西欧国家虽起步较晚，但发展都较快；俄罗斯对人工智能研究也开始予以重视。
中国的人工智能研究起步较晚，1978年才开始人工智能课题的研究，主要在定理证明、汉语自然语言理解、机器人及专家系统方面设立课题。1981年起，中国人工智能学会（CAAI）等学术团体相继成立；1984年智能计算机及其系统的全国学术讨论会召开；1986年起国家把智能计算机系统、智能机器人和智能信息处理（含模式识别）等重大项目列入国家高技术研究计划；1993年起，国家又把智能控制和智能自动化等项目列入国家科技攀登计划。进入21世纪后，越来越多的人工智能与智能系统研究获得各种基金计划支持，中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会、中国自动化学会模式识别与机器智能专业委员会等学术团体先后成立，并开展相关的学术交流。此外国家还着手兴建了若干个与人工智能研究有关的国家重点实验室。在关于人工智能理论研究方面，国内学者除沿袭国外三大人工智能学派理论之外，还有许多具有代表性的创新研究，如：我国人工智能学科的主要奠基人、中国人工智能学会的主要创始人之一涂序彦提出的广义人工智能（GAI）；北京邮电大学钟义信教授提出的机制主义理论；北京师范大学刘晓力教授倡导的以“认知是算法不可完全的”理念为基础的研究纲领等。第三节人工智能的主要学派
人类所有的智能（包括情感、意志和逻辑推理）都是从“算术”开始的，而所有的“算术”都起源于“0”和“1”的计算；人工智能是在计算机技术的基础上发展起来的，但是人工智能的研究和传统的计算机程序设计在很多方面有所不同。由于研究者对人工智能本质存在不同的理解和认识，因此也形成了人工智能研究的多种不同路径。不同的研究路径有不同的研究方法和不同的学术观点，并形成了不同的研究学派。归纳起来，人工智能界的主要研究学派有符号主义、行为主义、联结主义和机制主义等。一、符号主义学派
符号主义又称逻辑主义、心理学派或计算机学派，其理论基础是物理符号系统假设和有限合理性原理。符号主义学派认为，人认知的基本元素是符号，认知过程即符号操作过程。同时，人可以看成是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。它还认为，知识是信息的一种形式，是构成智能的基础，人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理，因而有可能建立起基于知识的人工智能系统。这个学派的主要代表人物有纽维尔、西蒙等。
大量传统的人工智能研究都是在这个学派的思想推动下进行的。早期的人工智能主要研究棋弈、逻辑和数学定理的机器证明以及机器翻译等问题。后来发展起来的专家系统和知识工程则是人工智能的重要应用领域，陆续开发出许多著名的专家系统，为工矿数据分析处理、医疗诊断、计算机设计、符号运算和定理证明等提供了强有力的工具。
目前，符号主义学派面临着两大困境。第一个困境，就是对于常识的处理，特别是对于那些难以言传的常识的处理。科学家们已经发现，在人工智能研究中存在这样的问题，即对于一个儿童来说是非常容易处理的事情，但是人工智能方法经过多年努力仍然没法有效处理。这是因为人类在日常生活中要大量使用常识，这些常识不仅数量庞大，具有极大的语义相关性，而且通常会以特定的专业知识、自然环境和社会背景为前提，如果按照符号主义的思路进行研究，人工智能将会面临“知识爆炸”的危险。
第二个困境，就是对于情感和意志的处理。人的情感与意志很难直接地表现为符号，人类的各种心理过程也无法用逻辑方法表示出来。甚至早期支持人类级人工智能的“人工智能之父”马文·明斯基也承认人工智能形式系统模型解决问题的缺陷：“认知和智能活动不是由建基在公理上的数学运算所能统一描述的。因此，要在认知科学领域有实质性突破，应当放弃唯理主义哲学，从生物学中得到启示和线索。”二、行为主义学派
行为主义又称为进化主义或控制论学派，是基于控制论和“动作—感知”型控制系统的人工智能学派，属于非符号处理方法。行为主义者认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化（所以称为进化主义）；智能行为只能在现实世界中与周围环境交互作用而表现出来。1948年，美国数学家诺伯特·维纳在《控制论》中指出：“控制论是在自控理论、统计信息论和生物学的基础上发展起来的，机器的自适应、自组织、自修复和学习功能是由系统的输入输出反馈行为决定的。”持有这种观点的学者认为：人的智能经过了在地球上十亿年甚至更长时间的进化，而要制造出真正的智能机器，也必须沿着这些进化的步骤走；他们认为智能机器无所谓是由蛋白质构成还是由各种半导体构成，而智能行为是由所谓的“亚符号处理”（即信号处理）产生而不是由“符号处理”产生的。
行为主义的研究方法作为对人工智能研究路线的一种探索，虽然在机器模拟实践方面取得了一定的进展，但是在客观上存在着理论和模型的不完善，在哲学、心理学等方面也有学者提出质疑。三、联结主义学派
以网络连接为基础的联结主义是近年来研究得比较多的一种方法，也属于非符号处理方法。联结主义又称仿生学派或生理学派，主要研究能够进行非程序的、可适应环境变化的、类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。这一学派认为，认知的基本元素不是符号而是神经细胞（神经元），认知过程是大量神经元的连接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。联结主义学派尝试对大脑的结构进行模拟，建立分布式并行运算系统，从而使该系统具备自学习、自组织、自适应、联想、模糊推理等方面的能力。联结主义研究非程序的、实用性的、大脑工作风格的信息处理的本质和能力（这一能力也称神经计算）。随着联结主义学派的研究不断进步，大量的神经网络的机理、模型、算法研究成果不断地涌现出来。
20世纪60年代末明斯基和同为麻省理工学院研究专家的佩珀特从数学上分析了感知机的原理，指出了它的局限性，使得人工神经网络的研究走入低谷，许多研究队伍迅速解体。从80年代开始，经典符号主义人工智能的局限性逐步明朗化，而当年推出人工智能领域神经网络的一些学者及其后继者经过多年潜心研究，也取得了重要的突破。计算机硬件制造技术突飞猛进的发展，更使神经网络的实现成为可能。80年代末神经网络研究迅速崛起，在声音识别、图像处理等方面取得很大成功。但自90年代以来，学界未能进一步提出更多的新模型，真正的符合人脑信息处理特性的硬件模型也一直没能问世，这使得一些开始热衷于神经网络研究的人们感到气馁，神经网络的研究也在这一阶段进入了低潮期。四、机制主义学派
在人工智能领域，符号主义采取的是一种还原主义思想，试图将人类的所有心智借助研究知识并将之概念化，抽象成规则，进行符号程序编写，以便在计算机中进行运作，以达到完成人类心智的机器化，它成功模拟了人类心智中逻辑思维等高级形式。而联结主义学派则表现出整体主义的研究方法，它建立在“人工神经网络”理论的基础上，通过底层网络中神经元个体的相互作用而表现出来的“涌现”来模拟人类心智。这种“涌现”既是一种整体的行为，同时强调个体神经元的行为与作用。行为主义学派认为，智能的产生无须知识和推理，它能通过刺激—反应从低级向高级逐步进化。北京邮电大学钟义信教授则认为，虽然结构、功能、行为都是系统的重要属性，但是对于智能系统来说，真正能够揭示其本质的，却是系统的“工作机制”，由此提出了机制主义的研究方法。
按照机制主义的观点，智能创建的共性机制就是“由信息生成知识，由知识激活智能”。因此，在机制主义的统一框架体系下，符号主义、联结主义和行为主义研究方法不再是排斥和竞争的关系，而是有机互补的关系。由此可见，机制主义研究方法是一种融合了还原论和整体论的研究方法，它既重视底层信息到知识的转换过程，又注重知识转换到智能策略进而生成智能行为的过程。
机制主义的主要缺陷，是未能把智能进一步推延到情感和意志，这一缺陷也使后来的研究遭遇了严重的瓶颈。第四节人工智能的发展方向
众所周知，人类除了拥有智能以外，还拥有情感、意志、自主性、创造性和自我意识等。那么人工智能是否可以朝人工情感的方向发展呢？机器人是否能够像人一样地进行思维和行动呢？关于人工智能能否替代人类意识，存在“否定派和肯定派”两种观点。一、否定派的观点
否定派的观点认为：人类智能与人工智能具有一定的内在联系，人工智能的本质是对人的思维过程的模拟，是人的智能的物化，人工智能虽然可以模拟人脑的某些活动取代人的部分脑力劳动，甚至在某些方面超过人脑的功能，但是人工智能不会成为人类智能从而取代人的意识，人工智能和人类智能有着本质的差别。这是因为：第一，人工智能不具备人的全部意识形式，人工智能属无意识的、机械的物理过程，而人的意识活动却主要是生理的和心理的过程；第二，意识是社会的产物，意识活动要考虑社会后果，人工智能没有社会性；第三，意识具有主观能动性，人工智能不具有人的主观能动性，智能机器的自动性是受命于人的，是人的主观能动性的表现，它不能完全替代和全面超过人类思维，更不能控制以及统治人类本身，因而人工智能的发展不可能替代人类意识。二、肯定派的观点
肯定派的观点认为：情感并不是与众不同的东西，它只是一种人类特有的思维方式，人类既然能够模拟自己的一般性思维方式，就必然能够模拟人的情感思维方式，只是目前人们还没有找到最合适的模拟途经；虽然人类不能完全模拟人脑的全部活动，但是一定能够无限趋近于人脑的意识过程；意识既是个体的产物，也是社会的产物，低等动物（如蚂蚁、蜜蜂等）同样具有社会性行为，没有任何理由来证明社会性产物是绝对不能模拟的，也没有任何理由来证明人工智能不能模拟社会性行为或社会性思维过程；主观能动性实际上就是主体能够按照自己的利益诉求，灵活机动地规划、实施和调整自己的行为和思维，这其实并不是人类的“专利”，许多低等的动物同样具备这种特性，只是所表现的主观能动性的深度和层次不同而已，只要能够找到合适的生物行为规则体系和利益诉求“方程式”，人类的主观能动性同样可以模拟；人类的创造性也不是神秘的东西，它是信息的积累方式，人在价值增长为导向力的作用下，通过规划和调整自己的行为方式、思维方式，用以改变事物的联系方式和作用方式，从而达到价值增长的目的，因此人类的创造性同样可以进行模拟。总之，情感、意识与意志等都是人类智能的扩展与延伸，它们都是人类特有的思维方式，人工智能的发展方向必然是人工情感（包括人工意志、人工意识、人工自主性、人工创造性等）。
狭义的人工智能包括计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行运算和集群计算、虚拟技术化计算与人工生命、光计算和生物信息处理等技术，广义的人工智能包括情感、意识、意志、自主性、创造性等。除了信息技术外，未来的智能系统还要集成认知科学、心理学与生物学、社会学、语言学、系统学和哲学等，这些不仅是智能系统支持结构的重要部分，更是智能系统的活力所在。第五节人工智能的奇点之争
随着计算机技术的高速发展，机器人具有越来越强大的智能水平，那么有一天，它们是否会超越人类，并对人类的生存造成威胁？一、问题的提出
1983年，美国数学家弗诺·文奇提出了“技术奇点”的概念，他将“奇点”定义为人工智能超过人类智力极限的时间点，在那一时刻以后，世界的发展将会超出人类的理解范畴。自此之后，“技术奇点”像一把达摩克利斯之剑，高悬在人类的头上，威胁着人类的生存，使人们在大力发展人工智能的同时，时时刻刻都在担忧着人工智能的高度发展最终可能会毁灭人类。
最开始的时候感受到它存在的还只是一些科幻作家和所谓的“未来家”和“预言家”，但随着人工智能的高速发展，越来越多的科学家、经济学家和企业家，都开始担忧头顶这把摇摇欲坠的利刃。
2009年，谷歌公司工程总监雷·库兹韦尔与X-Prize创始人彼得·戴曼迪斯共同建立了奇点大学，致力于“聚集、教育并激励一批核心的领导者，以应对人类在指数增长的科技下遭遇到的重要挑战”。这所大学由谷歌、欧特克、美国基因技术公司等联合支持创建，共有三个项目，覆盖了机器人学、医学、生物科技、数据科学和企业管理等研究内容。
英国作家查尔斯·斯特罗斯在他的短篇小说集《加速》中描述：奇点之后的人类仅仅作为机器剥削的对象而存在，而太阳系则成了一个智慧远超人类的超级大脑，并通过虫洞与宇宙中其他类似的智慧体进行交流。人类的存在已经不再重要，连小说的主人公都是一个人与计算机的结合体。二、严峻的现实
2016年3月人工智能AlphaGo与韩国棋手李世石之间五番棋大战的最后一局在首尔收官，最终AlphaGo执白获胜，将双方总比分定格在4∶1。当天终局告负的李世石在记者会上表示，他并不认为AlphaGo是无解的高手，但其集中力确实是人类难以逾越的，“AlphaGo没有心理波动且能高度集中，我若再度与其对弈能否获胜我自己也心存疑问。”
1965年提出的摩尔定律，预测了计算机技术的飞速发展。现在这条定律已经被许多人认为不再适用，但是随计算机技术生发的人工智能，已经成熟与强大到能够引起足够的隐忧。2009年，威尔士大学和剑桥大学联合研发的机器人已经能够独立进行科学研究和发现。机器人越来越聪明是不争的事实，那么总有一天，它们真的会超越人类吗？三、人工智能与人类智能的对比分析
要充分了解人工智能是否最终战胜人类智能，就必须把人工智能与人类智能的特点进行具体的对比分析。
1．人类智能的特点（1）运算速度有限。人类大脑的信息处理速度主要取决于大脑神经元的传导速度，神经纤维直径越粗、内阻越小，传递速度越快。人类α神经纤维的信号传递速度可达120m/s，和复兴号高铁的速度差不多。（2）贮存容量有限。人类大脑大约包含1000亿个神经元，也有观点认为是860亿个神经元。人脑内存储知识的理论上限，可相当于美国国会图书馆的50倍，即5亿本书的知识。但无论如何，大脑的神经元数量总是有限的。据估计，人每天能记录生活中大约8600万条信息，而人的一生能凭记忆储存100万亿条信息。（3）学习时间有限。人的生命只有几十年，即使达到100岁以上，而且天天都在学习，他也只能掌握有限的知识。（4）容易忘记和失真。人脑由于生理机制的局限性，总是会把不太重要的信息不断地忘记掉，以便快速、无障碍地处理更重要的信息，而且疾病与衰老也会加快记忆信息的流失。（5）干扰因素多。由于生理机制的局限性，人不仅容易受到外部环境因素（如噪音、气温、光线等）的干扰，而且容易受到身体内部环境（如情绪、疾病、生理需求等）的干扰，这些干扰因素将会对人类智能产生消极影响，容易产生情绪波动、不能集中注意力等。（6）沟通渠道障碍。人类主要是通过自然语言并在一定的环境场景下进行相互交流和沟通的，而且不同的国家、不同的民族往往有不同的自然语言，这种沟通交流方式速度慢、效率低。
2．人工智能的特点（1）运算速度极快。无锡国家超级计算中心研制的“神威·太湖之光”超级计算机，其1分钟的计算能力，峰值性能为12.5亿亿次/秒，持续性能为9.3亿亿次/秒，相当于全球70多亿人同时用计算器不间断计算32年。据统计，一台机柜装有1024块处理器，而整台“神威·太湖之光”共有40960块处理器，每一块处理器相当于20多台常用笔记本电脑的计算能力，4万多块再组装到一起，速度之快可想而知。（2）贮存容量极大。有专家认为，人脑神经元的数量虽然只有1000亿个，但人脑的记忆容量的字节数则大到10后面有8432个零，其记忆能力超过全球的电脑总量。这种结论未必准确，但有一点可以肯定，人脑复杂的内部结构能够有效地运用并行算法，并且十分巧妙而合理地配置各种神经元的联结方式，从而大大提高了人脑的计算能力和记忆容量。即使如此，人脑的记忆容量总是有限的，而且是基本稳定的，未来的电脑完全可以模拟人脑的并行算法，并且可以模拟人脑各种神经元的巧妙联结方式，从而达到甚至远远超过人脑的记忆容量。（3）学习时间无限。电脑不需要休息，也不会死亡，随时可以更换陈旧的部件，也随时可以对它的软件与硬件进行升级换代，它可以持续不间断地学习，所贮存的信息量可以无限增长。（4）不会忘记和失真。电脑一旦把信息记忆下来，就永远不会忘记，它会很快地进行原版复制和保真传送，不会产生遗漏和失真。（5）干扰因素少。电脑没有“情绪波动”，也容易集中注意力，只要采取一定的技术措施，电脑的运算过程完全可以排除一切干扰因素。（6）沟通渠道顺畅。不同国家的电脑很容易统一“语言”，不同种类的机器语言进行相互学习与转换，可以在很短的时间内完成。
尽管人类智能相对人工智能具有众多的不足与弱点，然而人类大脑具有机器人电脑所完全没有的运算方式：活性并行运算。这种特殊的运算方式表现为七种特殊能力：功能代偿能力、自愈与免疫能力、检测（自检与互检）能力、纠错（自纠与互纠）能力、整体协调能力、独立计算能力、全息作用能力。这七种特殊能力的形成，必须要求计算主体的每个计算单元（神经元、神经组织与神经器官）都属于相对独立的生命机体，都具有强大的自组织能力。也就是说，没有生命功能的计算单元，就没有活性并行运算的能力。
显然，电脑中的每个芯片都是没有生命的物质部件，没有自组织能力，更不可能进行独立运算，只能在整体系统的驱动下进行运算，基本上没有功能代偿能力、自愈与免疫能力、检测（自检与互检）能力、纠错（自纠与互纠）能力、整体协调能力、独立计算能力、全息作用能力。根据第四章第八节《活性并行运算》一节的阐述，由于没有活性并行运算的能力，机器人就只能具备肤浅的自我意识和肤浅的情感，在此基础就上只能具有肤浅的创造能力。如果机器人也想拥有像人类大脑一样的活性并行运算能力，除了需要处理那些指数增长的海量数据，还需要充分掌握人类大脑这七种特殊能力的形成机理，显然这种技术攻关的难度远远超出了目前人类的想象范围。正是因为人类的大脑拥有了活性并行运算的能力，才拥有了深层的自我意识、深层的情感和深层的创造能力，才具有了机器人所永远无法超越的独特优势。四、应对策略
1．风险把控
人在发展人工智能的同时，必须在技术手段上时刻加强风险把控，既要防止坏人利用人工智能来“被动犯罪”，也要防止机器人自己的“主动犯罪”。
2．质量监控
任何产品的生产都需要进行全面质量管理，才能保证产品的合格。人之所以犯罪就是这个人作为一种高等产品出现了“质量问题”。一方面，这一问题的出现可能源于这个人的心智出现了缺陷；另一方面，可能源于社会在经济制度、政治制度与文化制度等方面出现了缺陷。同样，机器人的全面质量管理，需要从社会的经济制度、政治制度与文化制度等方面进行不断完善，才能确保机器人不会危害人类。
3．人机融合
将来的趋势必然是人机融合，人工智能与人类智能将会融为一体，既不存在人工智能战胜人类智能的问题，也不存在人类智能战胜人工智能的问题。第二章人工情感如今，我们在人工智能方面已经取得了突飞猛进的成绩，许多人也同样相信，我们在人工情感方面也正在大步迈进。但事实并非如此。到现在为止，所有研究人工情感的人都始终在人工情感的外围区域徘徊，仅仅在“情感表达”与“情感识别”方面取得了微小的成绩，无法进入情感的内在逻辑系统，无法“越雷池一步”。这一现象的根本原因在于：至今我们还不知道情感的真正本质，对情感运行的内在逻辑程序更是一无所知。对人的情感和认知的研究是在人工智能理论框架下的一个质的进步。因为从广度上讲它扩展并包容了感情智能，从深度上讲感情智能在人类智能思维与反应中是一种更高层次的智能。对人的情感和认知的研究必将为计算机的未来应用提供一种全新的方向。
试读结束[说明：试读内容隐藏了图片]