*** 一種人工靈魂的設計方法

    趙盛燁1)?吳文江2)?賈金原3)?付偉奇4)

    1)中國科學院大學，北京市 100000

    2)中國科學院沈陽計算技術研究所，沈陽市110000

    3)同濟大學，上海市200000

    4)中國醫(yī)科大學附屬醫(yī)院，撫順市113000

    摘?要????文章分析了現(xiàn)有人工智能系統(tǒng)存在的不足，指出了常規(guī)人工智能技術發(fā)展過程中存在的誤區(qū)等。文章以神經醫(yī)學的最新研究成果為依據，以人類的認知、思維方式為基礎，使用計算機科學工作者能夠接受的語言描述了人類思維系統(tǒng)的主要工作模式，從而依據仿生學原理提出了“人工靈魂系統(tǒng)”的設計思路。文章規(guī)劃了一種值得嘗試的“人工靈魂系統(tǒng)”工作原理、設計了該系統(tǒng)的組成結構，為強人工智能技術的未來發(fā)展奠定了科學基礎。

    關鍵詞????強人工智能；人腦模擬；心智構建；計算機仿生；靈魂系統(tǒng)；思維創(chuàng)造

    A design thod of Artificial intelligence

    was called “Artificial soul”

    ZHAO Sheng-Ye 1)? WU Wen-Jiang 2)? JIA Jin-Yuan 3)? FU Wei-Qi 4)

    1)(University of Chinese Acade of Sciences， University， Beijing 100000)

    2)(Shenyang institute of couting technology， Chinese acade of sciences， Shenyang 110000)

    3)(Tongji University， University， Shanghai 200000)

    4)(Affiliated Hospital of China Medical University， Hospital， Fushun 113000)

    Abstract? This paper has analyzed the disadvantages of current artificial intelligence systeand unveiled the sunderstandings happened during the developnt of routine artificial intelligence technologies. Referring to the latest research results frothe neurology field， and based on the cognitive style and thinking pattern of hun beings， this paper nages to describe the operating de of hun brains with a kind of language which is friendly to couter science workers; and accordingly， the idea of creating a bionics-based “artificial soul” has been conceived. This paper proposed a worth-trying “artificial soul syste and its coosition and structure， which has laid a scientific foundation for the future developnt of strong artificial intelligence.

    Key words?? Strong artificial intelligence; Hun brain silation; Mind building; Couter bionics; Artificial soul syste Thinking creation

    引言

    隨著計算機技術的不斷發(fā)展，人類已經不再滿足于使用程序化的計算機系統(tǒng)去處理日常事務。因此早在1955年，幾位具有探索精神的美國科學家便提出了“人工智能”的概念[1]。隨著時間的不斷延續(xù)，科學工作者們在人工智能領域的探索也越發(fā)深廣，例如：1959年，阿瑟·薩繆爾創(chuàng)造了“機器學習”詞匯；1988年，羅洛·卡彭特開發(fā)了能模仿人進行幽默聊天的交互式機器人；1997年，IBM研發(fā)的“深藍”成為第一個擊敗人類象棋冠軍的電腦程序；2011年，IBM研發(fā)的“沃森”在“危險邊緣”智力節(jié)目中擊敗人類[2]；2016年，谷歌研發(fā)的“AlphaGo”在圍棋人機大戰(zhàn)中成功擊敗韓國職業(yè)九段棋手李世乭[3]。人工智能程序的這一幕幕進展都伴隨著人類的極大期望。然而60多年過去了，“像人類一樣思考”的計算機依然沒有造出來[1]。作者認為，究其根源仍是計算機科學工作者沒有掌握正確的方法。作者通過多年的觀察研究，將從仿生學角度提出一種新的人工智能系統(tǒng)發(fā)展思路。

    1背景

    雖然數十年來，人工智能領域的發(fā)展始終沒有突破性的進展，但由于人類對此充滿期待，所以也經歷了多次研究**。近年美國Google公司研發(fā)的“AlphaGo”系列程序，因其是第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝圍棋世界冠軍的人工智能程序[3]，其突出的國際象棋對決能力更是引發(fā)了社會輿論與普通民眾的廣泛關注。

    “AlphaGo”程序的設計思路是，通過大數據、大計算、大決策，三位一體來實現(xiàn)程序的深度學習、勝率計算[3]。其主要設計原理依然不能擺脫計算機程序的流程化處理方法，這決定了該程序并不具備其設計者規(guī)劃之外的聯(lián)想能力[4]。所以嚴格意義上來講，“AlphaGo”只是一個“計算系統(tǒng)”，而不是一個擁有靈魂的強人工智能系統(tǒng)。

    由于眾所周知的商業(yè)原因，“人工智能”、“智慧程序”等詞匯的濫用現(xiàn)象較為嚴重，而且包括“AlphaGo”、“阿里人工智能交通系統(tǒng)”、“百度大腦”等程序依然不具備自主創(chuàng)造能力的原因。為了不引發(fā)歧義，作者將使用“靈魂系統(tǒng)”這一詞匯來描述強人工智能的設計目標。

    2人工靈魂系統(tǒng)

    作者所謂的“靈魂”與傳統(tǒng)宗教中提及的詞匯并不相同，現(xiàn)代醫(yī)學認為“靈魂”是大腦特定神經細胞的活動產物，具有聯(lián)想、創(chuàng)造的能力[5]。文章采用“靈魂系統(tǒng)”的詞匯也是為了更明顯的體現(xiàn)出該系統(tǒng)具備的仿生學特征，這一特征是當前所有人工智能系統(tǒng)均不具備的[1]。

    2.1??常規(guī)人工智能誤區(qū)

    計算機人工智能是近年來計算機科學的主要攻關方向之一，但由于多數計算機人才對人類神經系統(tǒng)的研究并不透徹，對心智的理解不夠深入，甚至對仿生設計存在一定的誤區(qū)，所以并沒有出現(xiàn)跨越式的進步。

    具體表現(xiàn)有以下幾個方面：

    （1）過于注重解決單一問題

    現(xiàn)有人工智能系統(tǒng)多數基于解決實際應用當中遇到的問題而設計，從而使其過程化處理的能力增強[1]。但在人類思維系統(tǒng)中，其過程化處理的方式、方法、模型是隨著閱歷的增多而改變的[5]。因此嚴格的處理過程約束了程序的自我進步和自我完善；

    （2）過于注重算法設計

    深度學習算法、深度挖掘算法的設計雖然使人工智能程序計算出人類想要的數據結論，但也使其計算廣度和計算的對外關聯(lián)性造成缺失，從而造就了樹形的數據計算模型[6]，而不是人類思維的網狀計算模型；

    （3）過于注重數據的準確性

    在人類思維當中，對某個事物的判斷依據基于人類自身的閱歷。數據結論正確與否取決于單一人類個體對事物的認知，而認知本身是矛盾的，也可以隨閱歷的增多而改變[7]。因此準確的人工智能數據結論不符合人類生物的個性化特征。仿生的人工智能數據分析結論一定最少包含相互矛盾的兩種數據集合；

    （4）過于注重計算性能

    長期對人工智能系統(tǒng)的研發(fā)失敗使計算機科學工作者們產生了誤區(qū)，認為是計算機的處理性能不足導致的系統(tǒng)運行能力不足。但忽略了現(xiàn)有計算機的體系結構與人腦的差別[8]?，F(xiàn)代腦科學證明，人腦的實際計算能力遠低于計算機的處理性能，且在工作狀態(tài)時處于單線程運行模式。因此對于單體計算機性能的不斷追求不符合仿生學設計原理，使計算機科學工作者們陷入了人工智能的研究誤區(qū)；

    （5）結構設計不合理

    基于圖靈機發(fā)展而來的計算機，具備輸入至輸出的基本工作模式，該模式也局限了計算機科學工作者的思維模式，導致人工智能系統(tǒng)的結構設計缺陷。真正的人類智能的運轉過程是“輸入-存儲-關聯(lián)計算-輸出檢驗-輸入”的閉環(huán)結構，是不斷迭代發(fā)展的啟發(fā)式計算模式，所以當前人工智能的結構設計必須改變[9]。

    總體來看，現(xiàn)有的“人工智能”雖然幫助人們在生活和工作中解決了一些實際問題，但都是功能和著眼點狹窄的細節(jié)問題。這些問題的解決均依靠預先編制好的程序，并不具有自主決斷、聯(lián)想創(chuàng)造的能力[10]，所以嚴格來講均只是一種功能更為強大的計算工具，而不是“智能”。為了區(qū)分于原始的“人工智能”系統(tǒng)，文章為目標系統(tǒng)命名為“人工靈魂系統(tǒng)”，下文將介紹該系統(tǒng)的設計思路。

    2.2??人腦生物特性的計算機表述

    人腦是人類得以統(tǒng)治世界的關鍵因素，是人類區(qū)別于其它動物的重要環(huán)節(jié)。之前的生物學家多數認為人腦與其它動物的大腦有本質不同，甚至有人認為人腦是“有靈魂”的，而其他動物大腦“沒有靈魂”。然而21世紀的最新腦科學研究顯示，人腦與其他哺乳動物的大腦在細胞結構、物質組成、工作原理等方面并不存在巨大區(qū)別：人之所以成為最優(yōu)等的生物，主要因為腦容量相對較大、組成大腦皮層的灰質面積較大、處理邏輯問題的能力較強、海馬體的活躍程度較高等優(yōu)勢[5]。

    作者雖為計算機科學專業(yè)博士，但為研究人工智能仿生技術，潛心多年研究閱讀腦科學論文、腦醫(yī)學臨床、心理學理論等科學技術，終于找到了人腦思維的奧秘所在。人腦的結構組成屬于醫(yī)學研究范疇，在文章中將不再描述，作者重點關注的是人類神經細胞的工作原理、儲存及記憶原理、邏輯思維產生的過程、創(chuàng)造力產生的過程等，并通過計算機科學工作者的角度加以描述。

    腦神經系統(tǒng)是人類神經系統(tǒng)的最核心部分，因此腦神經細胞具備人類神經細胞的基本功能性特征，即：對刺激信號的反饋能力、對信息的傳輸能力。在人類大腦的最外層是灰質，也是大腦中最為活躍的區(qū)域，眼睛、耳朵、鼻子、舌頭等器官的感觀信號以電勢脈沖的形式，通過較長的神經纖維經過丘腦傳送給灰質的相應反射區(qū)域。反射區(qū)域會以細胞沖動的形式映像出外界刺激的模型。

    例如，當明來到動物園的虎籠前，其神經系統(tǒng)會發(fā)生如下活動：

    （1）感觀上，明的眼睛會將虎的形態(tài)完整映像到枕葉灰質相應的表達區(qū)域中，該區(qū)域包含多個灰質神經元。神經系統(tǒng)會將其進行抽象、分解。不同的電勢代表了不同的顏色，但真正對顏色的認知儲存在顳葉的灰質區(qū)域當中。嗅覺、聽覺等也會同時在相應灰質區(qū)域有所表達[7]；

    圖1 感觀神經抽象舉例（請到趙盛燁微博查看圖片）

    （2）識別上，神經系統(tǒng)會根據感受器官提供的信息或思維系統(tǒng)預置的信息進行檢索，該檢索活動需要丘腦的神經通路模型提供幫助，使反射區(qū)域、記憶模型區(qū)域、語義存儲區(qū)域、邏輯存儲區(qū)域、情緒控制區(qū)域彼此間的弓形神經纖維被激活，從而發(fā)散性的查找到固化在灰質中的關聯(lián)性信息。如：明的感受促發(fā)了“虎”的形態(tài)模型、中文筆畫、發(fā)音、英文拼寫、安性評估、相關典故、相關新聞等信息，這部分關聯(lián)性信息均被不同程度的激活[5]。

    圖2 識別過程圖譜舉例（請到趙盛燁微博查看圖片）

    （3）記憶上，第1步驟、第2步驟中的神經活動會報備至海馬體進行決策分析，以確認該次感觀與該次識別是否有建立關聯(lián)的必要。如果有必要，海馬體會命令下丘腦對新的灰質映像與原有的灰質映像之間建立神經通路；如果沒有必要，海馬體會將該次感觀作為獨立事件存儲下來。其中關聯(lián)性較多的映像更容易被調取，關聯(lián)性較少的映像將很快被記憶拋棄[5]，然后又會有新的映像將該區(qū)域覆蓋；

    （4）思維上，主要取決于記憶的關聯(lián)性，當明的“人生閱歷”已經開始，但處于較為初級的程度時，可以對遭遇的部分外界事物進行關聯(lián)性搜索，并做出相應的行為模仿式回應；當其通過學習與實踐使“人生閱歷”到達較高級程度時，即能參考多項行為的記憶[11]，依照關聯(lián)性原則進行混合式模仿回應。混合式模仿回應的特點是，該回應與記憶中的行為回應均不相同、各取所長，所以具有創(chuàng)新性的特點。即：設A為某事件的因子，B、C、D為不同人對該事件的回饋。則當明只見過A-B模式時便會以A-B模式做出回應；當明見過A-B模式、A-C模式時，明會做出A-D模式的回應，其中D={ x | x∈B)∩x∈C)}，a)為明對a事件的思維評估；

    圖3 人類生物識別過程及計算機術語對照（請到趙盛燁微博查看圖片）

    （5）聯(lián)合記憶，是基于神經系統(tǒng)識別、記憶基礎上的關聯(lián)性擴展，即：設L、M、N、O、P、Q均為獨立事件，其中L-M、N-O、P-Q為三組已被識別的相關聯(lián)事件，當出現(xiàn)新的關聯(lián)事件M-N時，則神經系統(tǒng)會通過弓形神經纖維將三個事件關聯(lián)到一起，形成L-M-N-O的記憶模型；當再出現(xiàn)新的關聯(lián)事件M-P時，形成Q-P-M(-L)-N-O的記憶模型。在明的記憶中，關聯(lián)次數越多的事件模型，其神經之間的遞質越活躍，調取速度越快，從而形成了“習慣思維”；

    （6）睡眠，是高級哺乳動物具備的基本特征，明的睡眠除具備腦神經系統(tǒng)新陳代謝、物質交換的作用外，還具備記憶整理的能力。明睡眠以后，基于感官事件反饋的集中處理模式轉變?yōu)楦饔洃泝Υ鎱^(qū)域的自維護模式。在自維護模式下，大腦會將相同事物的兩個記憶空間進行合并，重復的因果關聯(lián)將得到關聯(lián)強化；過于精細的感官映像會被抽象化分解，從而使感官神經接受的內容更方便被理解和調用[5]。通過以上整理，睡眠也騰出了部分被臨時占用的灰質區(qū)域，以供睡眠結束后的思維活動使用。

    圖4 創(chuàng)造力的形成及靈魂回路（請到趙盛燁微博查看圖片）

    文章通過對明大腦活動的生物特征闡述，間接用計算機科學工作者能接受的語言，表達了腦科學研究的最新進展，從而為人工智能仿生技術提供了參照依據。

    2.3??人工靈魂系統(tǒng)設計

    該系統(tǒng)的設計采用仿生學原理。其靈感來源于作者對人類成長過程的觀察，即：當人類生物個體出生以后，僅具有吃飯、排泄、哭泣等基本行為能力，其后天行為均來自于觀察和學習。人類大腦在學習過程中又不斷將知識關聯(lián)重組，且加以實踐，最終才具備了創(chuàng)造的能力、具備了情感。

    2.3.1?總體設計思路

    模仿人類智慧的形成原理、模仿人類大腦的工作原理是該系統(tǒng)設計的核心思想。因此該系統(tǒng)在設計環(huán)節(jié)上，重結構、輕數據，重互聯(lián)、輕計算，重邏輯、輕過程，重學習、輕規(guī)范。

    首先，系統(tǒng)應建立視頻識別、音頻識別、嗅覺識別等輸入功能，并通過新型計算機算法將每次識別到的信息進行抽象化存儲。

    其次，系統(tǒng)還應能將抽象化的數據進行相關性分析，并將分析相似的信息進行關聯(lián)。在每次接收到外界輸入信息時，對關聯(lián)數據節(jié)點進行檢索定位，同時能發(fā)散性的調用該節(jié)點的關聯(lián)節(jié)點。

    再次，系統(tǒng)應具備不斷檢索學習的功能，可以在沒有外界任務要求時，對新知識、新信息進行檢索并將其抽象化存儲、關聯(lián)性分析。

    最后，系統(tǒng)應具有輔助學習并被糾錯的功能，以保證系統(tǒng)始終受到人類控制。

    表1?仿生結構與“人工靈魂”子系統(tǒng)對照（請到趙盛燁微博查看圖片）

    2.3.2?感知子系統(tǒng)

    該子系統(tǒng)模仿人類的感覺器官及其神經沖動、神經傳輸、神經元感知映像的過程。它包括視覺模擬、聽覺模擬、嗅覺模擬、味覺模擬、觸覺模擬等過程。

    以人類視覺為例，該子系統(tǒng)需要模仿被觀測物體成像至視網膜，視椎（及視感）細胞產生神經沖動，沖動信息經過視神經、視交叉、視束、上丘、外側膝狀體、視輻射、大腦枕葉等一系列神經組織最終映射到視覺皮質區(qū)的過程。該子系統(tǒng)還應將其映像信息進行抽象化的存儲。

    因為“人工靈魂系統(tǒng)”最為重點的關注對象是“神經思維”，而不是完整的生物生理模擬，所以感知子系統(tǒng)可以直接引用現(xiàn)有數碼技術中的三維攝像技術、視頻編碼解碼技術、視頻傳輸技術等。

    但在進行圖像存儲時，感知子系統(tǒng)與現(xiàn)有計算機系統(tǒng)存在較大的區(qū)別?，F(xiàn)有計算機系統(tǒng)以非結構化的數據形式將整個圖像進行編碼后，連續(xù)存儲；感知子系統(tǒng)則將視頻流切幀、每幀分層、每層切片以后，對其中的每一個物理結構進行獨立建模分析，根據其模型特征進行分別存儲，隨后再與其它已有信息進行關聯(lián)。其中部分技術與現(xiàn)今的圖像識別系統(tǒng)相似，但又不完相同。

    圖5 感知子系統(tǒng)工作流程（請到趙盛燁微博查看圖片）

    2.3.3?邏輯子系統(tǒng)

    該子系統(tǒng)模仿人類的海馬體和丘腦功能，用于控制興奮信息傳輸的通路，從而將各類感知映像到皮層的不同功能區(qū)域當中[12]。

    該邏輯子系統(tǒng)建立起的預置程序可以將感知子系統(tǒng)收集到的各類刺激信息及感知系統(tǒng)建模后的每一個物理結構體進行初級分類，并轉交給其他子系統(tǒng)進行處理。

    圖6 邏輯子系統(tǒng)工作流程（請到趙盛燁微博查看圖片）

    邏輯子系統(tǒng)既包含人類管理員按照感知子系統(tǒng)信息來源設計的“先天”模板化邏輯處理流程，又包含因人工靈魂系統(tǒng)長期運行而形成的“后天”邏輯，邏輯子系統(tǒng)相當于人類的“生物本能”。

    2.3.4?存儲子系統(tǒng)

    該子系統(tǒng)模仿人類大腦皮層的灰質區(qū)域，是人工靈魂系統(tǒng)部數據的存儲空間。無論是圖形圖像、邏輯關系、語言語法，還是行為決策，均儲存于該子系統(tǒng)中。

    人腦大約有500億個神經細胞，如果按照計算機理論來計算，假設每個細胞均能以電勢來存儲數據，則大約為2.5TB的總存儲空間容量。在人工靈魂系統(tǒng)中，該子系統(tǒng)呈分布式部署狀態(tài)，存儲空間可以隨時擴展至無限大。因此，這也是計算機系統(tǒng)與人類大腦相比最具優(yōu)勢的子系統(tǒng)。

    在對該系統(tǒng)進行設計時，應充分考慮其數據的安性、寫入與讀取的時效性、儲存區(qū)域的可擴展性等問題。一種行之有效的架構是：先搭建基于現(xiàn)有計算機技術、現(xiàn)有國際互聯(lián)網的服務器硬件，在硬件基礎上安裝操作系統(tǒng)軟件；在操作系統(tǒng)中搭建虛擬的存儲空間；根據存儲數據的不同可以在存儲空間中建立相應的存儲格式，例如視覺存儲空間應建立圖形存區(qū)；在存儲格式的基礎上存儲相應的記憶數據。

    表2?存儲子系統(tǒng)分層結構（請到趙盛燁微博查看圖片）

    在數據安性上，每個存儲空間均有并行的其他存儲空間作為備份；每個存儲空間的內容均是邏輯存區(qū)的一個組成部分。

    在系統(tǒng)分工上，特征及其編碼就是人工靈魂系統(tǒng)的記憶，圖形存區(qū)是承載記憶的空間；存儲空間是應用軟件，負責對記憶存區(qū)進行管理和維護；操作系統(tǒng)及計算機硬件為存儲空間提供了運行環(huán)境；互聯(lián)網為數據的讀取和寫入提供了通信保障、為相同邏輯存區(qū)的不同存儲空間提供了通信保障、為相同存儲空間的不同備份提供了同步鏈路。

    圖7 存儲子系統(tǒng)備份機制（請到趙盛燁微博查看圖片）

    2.3.5?向量子系統(tǒng)

    向量子系統(tǒng)模仿人類的弓形神經纖維，弓形神經纖維在人類大腦中位于皮層灰質的下方，是白質的重要組成部分。弓形神經纖維連接了人類的不同神經元，使分散的記憶得以關聯(lián)[7]。

    向量子系統(tǒng)同樣用于關聯(lián)人工靈魂系統(tǒng)的不同記憶，因為該系統(tǒng)不像弓形神經纖維一樣受到物理空間的限制，所以向量子系統(tǒng)相對人類大腦具有一定的優(yōu)勢。

    向量子系統(tǒng)可以以數據表的形式存在，可以對存儲子系統(tǒng)中的記憶進行點對點的描述，并記錄向量被調用的次數。例如文章提及的“明看虎”事件中，人工明對虎的認知儲存在T4[6]區(qū)域，數據編號為5257；明記憶中虎的形象儲存在TN[M]區(qū)域，數據編號為1469；明本次見到的虎映像到T1[798]區(qū)域，數據編號為4133，則向量子系統(tǒng)記錄的關系描述為：

    T[1].[798].[4133]-T[N].[M].[1469]-1;

    T[N].[M].[1469]-T[1].[798].[4133]-1;

    T[N].[M].[1469]- T[4].[6].[5257]-89;

    T[4].[6].[5257]-T[N].[M].[1469]-89;

    T[1].[798].[4133]- T[4].[6].[5257]-1;

    T[4].[6].[5257]-T[1].[798].[4133]-1;

    則人工明在發(fā)生看虎事件時，感知子系統(tǒng)將現(xiàn)場虎的特征進行映像及抽象，邏輯子系統(tǒng)將其存儲到T1[798][4133]節(jié)點，邏輯子系統(tǒng)檢索到T1[798][4133]的圖形數據與TN[M][1469]的圖形數據相似，則命令向量子系統(tǒng)將二者關聯(lián)。

    向量子系統(tǒng)形成T1[798][4133]-TN[M][1469]，TN[M][1469]-T1[798][4133]關聯(lián)后，邏輯子系統(tǒng)發(fā)現(xiàn)TN[M][1469]與T4[6][5257]事件存在89次歷史性關聯(lián)，因此也將T1[798][4133]與T4[6][5257]進行了關聯(lián)。依此，向量子系統(tǒng)可以實現(xiàn)人工靈魂的記憶關聯(lián)和聯(lián)想。

    被向量關聯(lián)描述的兩點之間并不一定是事實上準確的關聯(lián)關系。其中向量被調用的次數標志著關聯(lián)記憶的權重，權重高的向量關聯(lián)被人工靈魂認為是“經驗豐富的”，會在發(fā)生邏輯矛盾時優(yōu)先執(zhí)行[5]。因此，這就是“正確”概念在人工靈魂系統(tǒng)中的認知形成過程。

    2.3.6?學習子系統(tǒng)

    該子系統(tǒng)在人類生理組織中并沒有對應的結構，將這一子系統(tǒng)引入人工靈魂系統(tǒng)的目的是在其感知能力不及人類的前提下，加速其認知的積累和智慧成長。如果將其與人類生活相對比，則相當于提供知識教育的學校和教科書。

    該子系統(tǒng)以互聯(lián)網爬蟲的形式存在，爬取搜索引擎及其他Web站點的文字和多媒體資料，并將爬取的相關知識送給感知子系統(tǒng)進行分析和存儲[13]。

    該子系統(tǒng)作為人工靈魂系統(tǒng)最主要的知識來源，可以實現(xiàn)不間斷的工作和學習。其檢索內容可以是來自于感知子系統(tǒng)的數據，可以是人工靈魂系統(tǒng)的管理員指令，可以是基于存儲子系統(tǒng)中的相關記憶內容。

    2020年，互聯(lián)網中的數據總量將達到4萬億GB，相信其中的內容足夠人工靈魂系統(tǒng)學習。

    2.3.7?行為子系統(tǒng)

    人類行為系統(tǒng)主要由四肢、軀干等運動組織行為器官，及與這些器官相對應的神經系統(tǒng)（如：腦）組成。人工靈魂系統(tǒng)的建設目的是創(chuàng)建智能的思維，初期并沒有使其成為可運動式機器人的想法。所以該子系統(tǒng)不同于人類的行為系統(tǒng)。

    行為子系統(tǒng)賦予人工靈魂系統(tǒng)的主要功能是對計算機系統(tǒng)的操作，例如Linux命令、鼠標點擊事件、驅動程序調用等，以實現(xiàn)非管理員狀態(tài)下的系統(tǒng)自維護。

    當人工靈魂系統(tǒng)發(fā)展到一定階段時，可以賦予其行為子系統(tǒng)程序編輯的能力，以實現(xiàn)其自我進化。

    2.3.8?糾錯子系統(tǒng)

    人類的兒童在成長過程中會接觸到社會中的各類事物，有的事物或知識是負面的，家長需要對其進行糾正和輔導。與兒童成長相似，人工靈魂系統(tǒng)在成長過程中也會遇到互聯(lián)網中的垃圾內容，需要管理員進行干預[14]。

    糾錯子系統(tǒng)是一個可以供管理員進行人工操作的軟件界面，能夠實時反映出人工靈魂系統(tǒng)的記憶內容、認知、行為及各個子系統(tǒng)的狀態(tài)信息。該子系統(tǒng)由管理員操作，用以輔助教育。其輔助教育方法主要包含以下幾個方面：

    （1）系統(tǒng)問答，可以對于人工靈魂系統(tǒng)在互聯(lián)網中沒有檢索到的知識內容進行補充，管理員為其疑惑的問題添加答案；

    （2）記憶刪除，指人工靈魂系統(tǒng)存儲的、涉及到反人類、反社會的記憶內容由管理員進行刪除；

    （3）黑名單，當管理員發(fā)現(xiàn)互聯(lián)網中的違法網站、垃圾內容網站時，對其URL進行黑名單設置，人工靈魂系統(tǒng)不會再爬取其信息；

    （4）向量降權，與人類相同，人工靈魂系統(tǒng)認知的信息中，有部分認知結論是彼此矛盾的。管理員可以通過向量降權的方法干預其向量子系統(tǒng)中標記的內容，以實現(xiàn)明確認知的目標；

    （5）法則，由于人工靈魂系統(tǒng)的構建及運行沒有先例，依靠作者的大腦無法完整評估其智力、行為能力在未來發(fā)展的程度。所以為防止其失控，必須為該系統(tǒng)定制優(yōu)先權最高的法則[15]，所有子系統(tǒng)必須遵從此法則運行。

    3關鍵技術

    該系統(tǒng)是計算機技術發(fā)展到一定階段的必然產物[16]，其本質是基于無機物的智慧生命，是人類認知的延續(xù)。組成其系統(tǒng)的元素包含計算機硬件、計算機軟件、國際互聯(lián)網等，應用到的技術包括現(xiàn)有計算機科學技術、網絡技術的方方面面。

    需要針對該系統(tǒng)進行重點加強的關鍵技術包括圖像特征識別技術、基于互聯(lián)網的存儲空間虛擬化技術、圖形化儲存的數據系統(tǒng)、非關系型數據技術等[17]。

    4結束語

    作者通過多年的知識學習、工作實踐、觀察研究，撰寫了該文章。文章通過對“人工靈魂”系統(tǒng)的描述及結構設計，從仿生學角度提出了一種新的人工智能系統(tǒng)發(fā)展思路。因為文章構建的人工靈魂系統(tǒng)規(guī)模龐大、投入巨大、技術復雜，且該系統(tǒng)無任何可以預期的資金收益，所以作者并沒有對其進行實際開發(fā)。謹希望對下一代人工智能系統(tǒng)的發(fā)展有所幫助。

    當然，如果有企業(yè)或者科研機構，有研發(fā)該系統(tǒng)的興趣，可以與作者聯(lián)系探討。

    致?謝?感謝中國科學院對我的教育培養(yǎng)；感謝我的導師吳文江研究員孜孜不倦的輔導；感謝賈金原教授毫無保留的知識傳授；感謝教育過我的每一位老師；感謝我的家人、我的朋友們在我理論研究期間對我的包容；感謝給予我鼓勵和支持的每一位朋友！

    參考文獻

    [1]????JIAO Li-Cheng， YANG Shu-Yuan， LIU Fang， WANG Shi-Gang， FENG Zhi-Xi. Seventy years beyond neuralworks: retrospect and prospect. Chinese Journal of Couters， 2016， 39(8): 1697-1716(in Chinese)

    (焦李成，楊淑媛，劉芳，王士剛，馮志璽.神經網絡七十年：回顧與展望.計算機學報， 2016， 39(8): 1697-1716)

    [2]????The Cooperative Association for Inte Data Analysis(CAIDA)，2017，12，13

    [3]????LIU Zhi-qing， WU Xiu-zhu. Interpretation of the artificial intelligence technology behind alphago. Control Theory&a;a;a;Applications， 2016， 33(12): 1572-1583(in Chinese)

    (劉知青，吳修竹.解讀AlphaGo背后的人工智能技術.控制理論與應用， 2016， 33(12): 1685-1687)

    [4]????SU Jian-bo， CHEN Ye-fei， MA Zhe， HUANG Yao， XIANG Guo-fei， CHEN Ruo-bing. Froalphago to betago：quantitative realization of qualitative artificial intelligence based on task realizability analysis. Control Theory &a;a;a; Applications， 2016， 33(12): 1572-1583(in Chinese)

    （蘇劍波，陳葉飛，馬哲，黃瑤，向國菲，陳若冰.從AlphaGo到BetaGo：基于任務可完成性分析的定性人工智能的定量實現(xiàn).控制理論與應用， 2016， 33(12): 1572-1583）

    [5]????Michael S. Gazzaniga， Richard B. Ivry， and George R. Mangun. Cognitive Neuroscience: The Biology of the Mind. Third Edition. USA: W. W. Norton &a;a;a; Coany， 2009

    [6]????Shi Z*******. Advanced artificial intelligence. Second Edition. CHN: Science Press， 2006(in Chinese)

    (史忠植.高級人工智能.第二版.北京:科學出版社， 2006)

    [7]????John G. Nicholls. FroNeuron to Brain. Fifth Edition. UK: Sinauer Associates， Inc.， 2012

    [8]????George F. Luger. Artificial Intelligence: Structures and Strategies for Colex ProbleSolving. Fifth Edition. UK: Pearson Education Lited 2002， 2005

    [9]????John D. Bransford. How People Learn: Brain， Mind， Experience， and School(Expanded Edition). USA: National Acade Press， 2000

    [10]???Stuart J. Russell， Peter Norvig. Artificial Intelligence: A Modern Approach. Third Edition. USA: Pearson Education， Inc.， 2012

    [11]???JIANG KE. Couter silation of brain and strategy of fuctional calaulation. Journal of Nanjing Norl University， 2017， 01: 92-99(in Chinese)

    (蔣柯.計算機模擬大腦與功能性計算策略.南京師大學報， 2017， 01: 92-99)

    [12]???WANG Shang-Fei， WANG Xu-Fa. Brain etion circuit based artificial etional intelligence del. PR&a;a;a;AI， 2007， 20(2): 167-172(in Chinese)

    (王上飛，王煦法.基于大腦情感回路的人工情感智能模型.模式識別與人工智能， 2007， 20(2): 167-172)

    [13]???David L. Poole and Alan K. Mackworth. Artificial Intelligence: Foundations of Coutational Agents. UK: Caridge University Press， 2015

    [14]???M. TiJones. Artificial Intelligence: A Syste Approach. USA: Jones and Bartlett Publishers， Inc.， 2009

    [15]???Douglas C. Montgory(USA). DESIGN AND ANALYSIS OF EXPERIMENTS: 6th Edition. USA: John Wiley &a;a;a; Sons， Inc.， 2005

    [16]???Ray Kurzweil. The Singularity Is Near: When Huns Transcend Biology. UK: Loretta Barrett Books， Inc.， 2005

    [17]???WANG Jia， ZHU Min. A study on strong artificial intelligence and its theoretical presupposition: based on the critical perspective of Chinese rooargunt . Mind and Coutation， 2010， 01: 1-7(in Chinese)

    (王佳，朱敏.對強人工智能及其理論預設的考察:基于中文屋論證的批判視角.心智與計算， 2010， 01: 1-7)

    作者介紹

    （1）ZHAO Sheng-Ye was born in 1985. He is a Ph.D Student in University of Chinese Acade of Sciences . He is a Senior Engineer. His research interests include Couter application， Artificial intelligence， Big data， Inte Security， etc.

    趙盛燁(1985-)，男，中國科學院大學博士研究生，高級工程師，主要從事計算機應用、人工智能、大數據、信息安等方面的研究與應用。

    （2）WU Wen-Jiang was born in 1963. He is a Boffin of Shenyang institute of couting technology， Chinese acade of sciences. He is a Doctoral supervisor. His research interests in Nurical control technology.

    吳文江（1963-），男，中國科學院沈陽計算所研究員，博士生導師，主要從事數控技術方面的研究。

    （3）JIA Jin-Yuan was born in 1963. He received the Ph.D degree in Couter graphics and Geotric Modeling froHong Kong University of Science and Technology in 2004. Now he is a professor and doctoral supervisor at Tongji university. His research interests include Web Graphics， Virtual Reality， Geotric Modeling， Couter Silation， etc.

    賈金原(1963-)，男，香港科技大學博士，教授，博士生導師，現(xiàn)為同濟大學軟件學院圖形圖像研究中心主任，主要從事Web Graphics、虛擬現(xiàn)實、幾何造型、計算機仿真等方面的研究。

    （4）??FU Wei-Qi was born in 1976. He is a Master of Medicine FroChina Medical University. Now he is a Deputy chief physician research in litary sursery.

    付偉奇(1976-)，男，中國醫(yī)科大學碩土研究生副主任醫(yī)師主要從事神經外科工作***