机器感知

机器感知主要研究如何用机器或计算机模拟、延伸和扩展人的感知或认知能力，包括机器视觉、机器听觉、机器触觉。智能机器通过感知系统利用神经网络学习抽象概念，在学习完一定量的基础概念后，就可以学习扩展概念，进一步学习和分析由概念组成的语句。这样就能形成类似人类智能的人工智能，人工智能通过学习和利用人类广博的知识库为人类服务。

感知系统（听觉，视觉等）和人类的思维的关系如何？人类的所有思维活动（所有抽象概念）是否能建立在人类的感觉之上，如果可以，如何将机器感觉（机器人视觉，机器人听觉）来表达抽象概念应用于人工智能？

这个问题的答复是肯定的，根据研究分析，人类的所有思维活动都是建立在一些简单概念之上，而简单的概念又是建立人类的感知系统之上。概念分为2类，一类为基础概念，另一类为扩展概念。其中基础概念为一系列概念的集合，是一个闭合的集合，所有概念都可以由基础概念经过运算表达出来。可以用基础概念经运算表达而不属于基础概念的概念称为扩展概念。上面所说的简单概念是指基础概念。那么这个基础概念是怎么得到的呢？这个基础概念是和人类的本能感知紧密联系的，这里强调是本能，也就是天生的感知能力，人类的这个能力也许比原来想象的要大。例如“时间”这个概念就是一个基础概念，在人工智能体（或算法）中应该设置一个可以判定时间先后和时间长短的感知系统，当然时间长短不需要精确。这个时间感知系统可以由一段程序（或硬件）实现，在人工智能体进行每一项工作（包括学习、识别、运算）时，都会同步记录其时间数据（长短及事件的先后），然后这些被记录的时间数据会被作为神经网络学习的特征值，来学习识别“时间”这个概念。 这些特征值及时间感知系统真正反映了“时间”这个概念的本质。人工智能体的天生感知能力还应包括空间方面，如物体图像边缘的识别，物体的多少，图像大小的识别，图像对称性的识别等等。而在图像方面的感知能力，会诱导出许多重要基础概念。例如“大小”和“多少”的概念等等。