首页天道酬勤人机交互与人工智能(人工智能重要成果)

人机交互与人工智能(人工智能重要成果)

admin 12-01 03:17 358次浏览

引言

人工智能自诞生之日起就一直以人类智能为衡量标准(著名的图灵测试)。人机对抗技术作为人工智能研究的前沿方向,一直是国内外人工智能研究的热点。以人机对抗为主要形式的人工智能研究为探索机器智能的内在成长机制和关键技术原理提供了优良的实验环境和验证途径。整个过程不仅可以让机器更智能地为人类服务,还可以把人类从一些复杂的任务中解放出来。而且,人类可以借鉴机器智能的发展过程,提高自身的智能水平,深刻理解和掌握智能的内在本质和生成机制,进而推动整个社会从信息化向智能化发展。

发展历史

自从人工智能之父艾伦图灵在1936年提出著名的图灵测试以来,人与机器之间的智能对抗就成为衡量机器智能发展水平的最重要标准。从最初简单智能的实现到不断进化为更复杂的智能,对抗贯穿了人工智能中计算、感知和认知三个阶段(图1)。从某种意义上说,就像人类与自然环境的对抗促进了人类的进化一样,机器与人的对抗必将使机器智能不断发展和进化。

图1人机游戏的发展历史

内涵及机理

虽然人机对抗的智能技术在不同的应用领域受到了极大的关注并展现出了应用前景,但其理论和相关技术目前还没有系统的描述。本文将详细阐述其内涵和机理,并在此基础上介绍相关模型和关键技术。

3.1人机对抗的内涵

人机对抗是以机器与人的对抗为途径,以jddsl学习为核心技术,实现机器智能快速学习和进化的研究方向。人机对抗作为图灵测试的重要手段,是验证机器智能的试金石。为探索机器智能内在成长机制、验证关键技术提供了有效的测试环境和评价标准,具有重要的科研意义和应用价值。

3.2人机对抗机制

人机对抗机制研究对抗的要素及其相互关系,以及交互的操作规则和原则。涉及的要素包括人(机器的对手)、机器(对抗的AI)和环境(对抗的规则和条件的集合)。根据人-机-物三要素的分析方法,三要素的相互作用分别形成一维jddsl、二维jddsl和三维jddsl。人机智能的科学问题可以概括为jddsl学习的建模、计算和解释。

00-1010不同于感知智能。人机对抗通常关注更复杂的时序决策等认知智能,对其过程建模是一个高度复杂的问题,因此认知决策建模是整个人机对抗中的核心关键环节。

本文将面向强对抗环境的人机对抗决策过程归纳为感知、推理、决策和控制,将人机对抗的关键技术归纳为对抗空间表示与建模、态势评估与推理、策略生成与优化、动作协调与控制四个部分。通过对对抗态势的解读和理解、认知预测、战略决策和行动实施,不断循环迭代增强局部整体,自主提升对抗能力。人机对抗涉及的关键技术如图2所示。

图2人机游戏过程建模及关键技术

4.1对抗空间的表现与建模

建立有效的知识表示模型,准确描述会议中决策要素的组成、属性特征和要素之间的相互作用

(1)对抗空间中要素的实体-关系表示,研究对抗空间中不同的实体、实体属性及其交互关系,构建决策要素的表示模型;(2)对抗空间乐观特征的bell表达式学习,分析实体属性关系耦合和结构拓扑对个体和群体对抗能力的影响,构建可解释的对抗空间高维乐观bell描述;(3)分层聚合演算规则建模,将经验表示和数值计算相结合,定义对抗态势和对抗能力的多因素、分层聚合演算规则,形成多耦合环境——我方——对手的可计算表示体系;(4)基于异构信息网络的抽象一般空间表示和能力演算规则,研究对抗元素的抽象态势表示,以降低对抗场景依赖带来的噪声和数据稀疏性。

4.2对策态势评估和推理

对抗态势是指对立双方通过实力对比、部署和行动形成的状态和趋势。

,态势的评估与推理为后续对抗策略生成与优化提供了依据。面临着的挑战有:

(1)训练态势认知和预测模型的高水平对抗数据往往非常有限;(2)对手信息往往是凌乱的、不完全的, 仅依据对手部分信息进行整体局势评估准确性较差; (3)复杂对抗环境导致可用于态势评估的信息众多,难以有效进行融合以形成多角度层次化态势。可开展的研究包括: (1)高质量对抗数据的生成, 通过自主jddsl或者生成式对抗网络等方法生成用于人机对抗建模与分析的高质量人机对抗数据;(2)小样本学习, 研究在数据较少情况下通过迁移或自适应等方法实现对抗态势的直接评估; (3)对方信息估计, 研究结合历史信息与当前对抗环境实现从底层到高层的对手动作估计、意图识别与策略估计; (4)态势层次化认知, 研究结合多源异构信息进行态势的多角度层次化评估与推理。

4.3 对抗策略生成与优化

对抗策略主要涉及多智能体协同的任务规划,解决群体与单体的行动规划问题。其技术挑战在于:

(1)不完全信息使得对手位置、行为、企图不能完全知道,对手行为概率模型未知导致策略选择保守, 需要进行不完全信息下jddsl策略选择;(2)宏观决策收益反馈滞后,使得宏观决策的效应需要经过较长时间才能体现, 导致决策行为与效益之间难以形成有效映射;(3)行动能力与环境深度耦合,忽略了局部环境因素可能导致策略分析严重偏差,过度详细分析又导致对抗空间难以约减。针对策略生成和优化方面的挑战,利用策略游戏如星际争霸作为平台开展研究是国际上较为公认的方式。可开展的研究包括:(1)宏观策略生成,针对面向使命任务的全局jddsl对抗问题,构建分层任务分解与任务协同机制,实现复杂群体jddsl对抗问题向低维空间约减; (2)微观策略生成, 针对局部jddsl对抗问题, 构建微型群体局部策略自适应机制, 实现微型群体的强jddsl对抗能力与环境迁移能力;(3)策略优化方法,针对策略能力需要自主提升的问题,构建jddsl策略的评价机制和学习型策略演进机制,实现jddsl策略的自主进化与能力提升。

4.4 对抗行动协同与控制

策略的执行需要多个智能体的行动协同,各智能体在自身信息获取与初步认知的基础上,利用资源贡献、信息连通、要素融合、虚拟协作、智能辅助等功能,将多个单元虚拟协同, 形成整合的群体行动协同与控制。多智能体协同的难点包括:多智能体的学习目标,个体回报和团队回报的关系,学习过程中各智能体之间的作用和影响,联合状态和联合动作的获取,扩大的状态空间和动作空间导致的维数灾难等问题。

目前相关研究工作主要集中在多智能体协同与学习方面。可开展的研究包括:

(1)从协同过程可分为序列策略表征、协同机制优化、异构多智能体协同以及多元协同的融合;(2)从协同任务类型可分为同任务合作智能协同、异任务资源协调等;(3)从理论上突破去中心化、通信中断的默契型协作方法,任务涵盖序列化任务、多层次任务、多领域任务等,实现场景类型全覆盖,协同方式多元化,为训练提供高质量协同策略。

应用及挑战

人机对抗智能技术的应用领域涉及棋牌类游戏、即时策略游戏、兵棋推演等,在多个领域内机器智能已经达到并超过了该领域的人类顶级选手,不断刷新jddsl对抗记录,显示出了新一轮人工智能技术在认知决策方面的鲜明特点。

5.1 棋牌类策略游戏对抗

棋牌类策略游戏一直以来都被用作测试计算机智能发展水平的参考标准。这些游戏由于简单的规则和丰富的玩法而深受全球范围内的广大爱好者的喜爱。同样由于其规则的确定性,加之游戏环境可控性和不完全信息等特性,吸引了人工智能领域的持续研究。

DeepMind公司提出的AlphaGo技术在围棋人机对抗中获胜

在1对1无限注德州扑克中,DeepStack成为了第1个击败职业选手的德州扑克AI程序;卡内基梅隆大学的研究者提出的名为Libratus的德州扑克AI算法,同样击败了多名顶尖的职业德州扑克选手。

5.2 即时策略游戏对抗

即时策略游戏是另一种常用于评估机器智能的平台,和棋牌类游戏相比,其整个对抗过程即时进行。通常情况下,该类游戏包含资源采集、基地建造、发展科技等若干因素,游戏玩家需要平衡不同因素并控制单个或者多个被控制单元以完成对抗,经典的实时策略游戏包括星际争霸以及Dota2等。得益于国际AI赛事以及企业与学术界的友好合作,即时策略游戏AI取得了长足的进展。

星际争霸AI程序AlphaStar以10:1击败了人类专业选手

相关的AI算法包括基于多智能体强化学习实现被控单元间微操的控制,基于深度神经网络模型进行宏观战斗决策的制定,以及基于状态机模型实现对抗过程的演化等。尽管深度强化学习技术在多个游戏中具有不俗的表现,如何提高模型的稳定性以及性能以击败顶级人类玩家、如何实现模型的可解释以支撑学习的可信任建模仍需要AI算法的不断突破。

5.3 军事模拟及推演对抗

军事模拟及推演由于其战略意义,长期以来受到国家层面的关注,其对抗演练具有重要实用价值.随着jddsl对抗规模的扩大,对抗空间呈现指数级增长,多兵种协同与环境耦合的问题凸显,战争系统具有强非线性和高动态等复杂特性,解析计算和随机逼近最佳策略都存在巨大挑战;人机对抗需要发展对手行为意识建模和协同演化jddsl策略,以不断提升对抗能力。

空战智能jddsl人机对抗系统(ALPHA), 拉开了无人装备对抗有人装备的序幕

自动化所研制的CASIA先知1.0系统在兵棋推演大赛获胜

事实上,jddsl贯穿于人类社会的方方面面,jddsl和对抗在政治、经济、文化、军事等多方面都发挥着重要的作用, 人机对抗技术也将在信息获取、传输、分析、理解、推理、决策等环节发挥作用,推动感知和认知智能的发展。

总结与展望

人工智能尤其是机器学习、类脑计算等领域的发展给人机对抗智能及自主进化带来了契机,迫切需要深化人机对抗问题本质的理解与解析,科学合理地建立机器智能与人类智能的高效协作机制,取得人机对抗理论、技术与应用的重大突破, 并在人类社会的经济、政治、金融 及生活等多领域推进智能化进程。

linux下如何使用grep命令查看进程-linux运维【私有专区 UDHost】私有专区价格:资源池与私有专区主机Hadoop 托管Hadoop集群 UHadoop雷士灯具管理系统
警告安全 超清(腐团儿超管警告) gps开路处理方法(gps故障)
相关内容