人工智能的终极应用——认知工程使机器更人性化

摘要

认知工程已经成为一些工业系统、自动驾驶汽车、自主无人驾驶飞机、医疗保健规划以及虚拟助手的一部分，正在渗透到生活的各个方面。 优化的系统将知识、情景感知和情境智能整合在一起。

使用认知工程学的优化系统正在通过将知识、情景感知、以及情境智能整合在一起来帮助人类。关于人类与机器优劣的争论在各个职业中都在进行，特别是对于那些花费一生的时间来建造机器、给机器编程、为机器提供数据以及为了实现所需的结果而指导机器的那些人。

人工智能有三个层次，分别是运算智能、感知智能和认知智能。其中，前两个层面机器的能力已经超越人类，而正在蓬勃发展的认知智能成为当下人工智能工业应用破局的着力点。

流程图显示了认知工程学的应用，采用了控制回路的要素：感知、决策以及执行。做完一个动作后，系统使用输入信息来进行学习，考虑历史学习并且合并了情景意识和态势感知来对下一步行动进行指导。图片来源：L&T

机器具有的潜质是可以实现更快速的移动，同时比人类的分析速度更快，而且不会疲劳也不会变得注意力不集中。

人类的差异源于敏锐的感知能力，以及从不同角度看待事物、做出客观的、明智的决策的能力。人类的思维对于状况的感知和反应是通过将知识（通过以往的经历和学习所获得的）、对环境的理解以及对事物态势的感知结合在一起所实现的。

认知系统的发展趋势

认知工程是帮助机器更好地进行感知、分析和学习以及情境化的新兴技术。认知工程的核心是关于机器的人性化。许多使用认知工程或机器智能的产品都侧重于认知的某一个方面：知识、情境意识或情境智能。而智能系统是将所有三个方面结合在一台机器中。

以下三个方面可以促进认知系统的发展：

1.交互模式：从按下一个按钮或打开一个应用程序开始，交互逐渐演化成诸如手势、手语、面部表情、声音指令或对情绪状态的解读等其他的方式。这些要求有先进的声音和图像处理工具。正在开发中的增强学习算法会让认知系统对各种不同的手势和表情进行识别与响应。其挑战是要精确地对更广阔的输入和交互环境建立模型。装配有先进的机器视觉的机器人设备几乎可以消除生产线上的错误。

2.决策制定：决策需要是快速的、没有偏差的、基于证据的，而且依靠强大的推理算法。在一个制造工厂里，传感器会在生产线的每一个阶段都采集大量的数据。

现在的趋势是从建立云分析功能转向获得实时洞察力和分析能力的边缘计算。正在开发中的故障模型库会在认知系统内提升学习和快速跟踪增强功能的速度。这些故障模型库分析研究在相当长一段时期内的各种工厂工艺和机器设备。整理过的学习过程会反馈给认知系统，从而为其提供了一个非常重要的有利的开端。

认知系统以这种方式进行独立自主的训练，从而不断优化流程，获得更低的成本或者提高生产速率。可以使用人工智能来进行监控，从而确保在加工制造工厂里生产部门可以满足更广泛的目标。

3.开放的标准：有了这么多开发人工智能和机器学习工具的企业，行业标准的创立会让企业对一套标准的工具进行投资，来制造机器智能。有很多公司正在致力于开发人工智能和机器学习的工具，创建开放的行业标准将使企业能够通过一套标准的工具来构建机器智能。

--------- THE END ---------

本文来自于《控制工程中文版》（CONTROL ENGINEERING China ）2018年5月刊《技术进展》栏目，原标题为：认知工程可以使机器更人性化

————本期杂志封面————