英EPSRC发布类人计算战略路线图

    2017年4月12日，英国工程与物理科学研究理事会(EPSRC)发布了《类人计算战略路线图》，明确了类人计算(Human-Like Computing , HLC )的概念、研究动机、研究需求、研究目标与范围等。

    类人计算是指使机器具有类似人类的感知与推理和学习能力、支持与人类协作和沟通的计算技术。类人计算系统将通过生物模型来形成，而不仅仅是改进的人工智能或机器学习系统。HLC系统将以类似人类的方式运行，无需人工智能和机器学习系统所需的海量数据资源，且具有与人类交流的能力。

    HLC的研究动机包括：实现人类机器之间更好的沟通和协作；通过计算建模提高对人类认知的认识；启发基于人类认知的新型计算，尤其是在人类表现优异的任务领域。

    HLC的研究目标涉及以下几个方面：

    (1)认知科学

    需要了解和构建计算模型的研究主题包括:如何创建一种可建立和修改心理表征的计算系统，以适应正在解决的问题;了解驱动人类行动的因素，如何对情绪和奖励等因素进行建模并将其应用到类人计算系统中;HLC系统如何预测其他系统的行为;HLC系统能在多大程度上容纳不良的人格特征。

    (2)人类与人工智能系统中的记忆与健忘能力

    认知科学研究结果表明，当推理一项新任务时，选择性关注相关背景知识的人类能力与用于检索记忆的高选择性机制密切相关。这就提出了一个问题，是否机器可利用这种"健忘"来提高大量背景知识学习的能力。

      (3)缩小高级与低级学习之间的差距

    尽管低级学习和认知任务足以通过现有的"黑匣子(black-box )"方法来处理，但人类认知的一个独特特征在于学习明确、可传播知识的能力。机器学习的"白匣子(white-box )"方法存在于逻辑和统计关系学习领域。在涉及空间和感知任务的人机协作应用领域中，缩小低级"黑匣子"方法和高级"白匣子"方法之间的差距至关重要。

    其他研究目标包括：可理解性；口头与非口头通信；小数据学习；社交机器人；归纳编程及其应用。

原始出处：https://www.epsrc.ac.uk/newsevents/pubs/human-like-computing-strategy-roadmap/

来源：网络安全和信息化动态2017年09期