对人工智能发展新方向的思考

从人工智能的诞生和发展开始,分析了人工智能在发展观上存在的不足和在研究领域不合理的做法,指出了人工智能存在的发展瓶颈,最后尝试提出一种解决人工智能发展困境的新思路。

联结主义视角下的设计概念生成思维机制分析

当前的设计概念解读主要是从词义和视觉角度展开,对设计概念的心理发生机制缺乏关注。设计概念体现设计者围绕着设计对象所展开的思维活动,是设计者心智和心理表征的外现。心理学认为人脑是心理的器官,人脑不可直接研究的特点决定了设计概念的研究,须借助于脑研究的相关理论模型、方法和成果。本文从"联结主义"与设计概念生成思维关系入手,在并行分布加工、神经节激活和调整联结权重三个方面结合设计案例,探究设计概念生成背后的心理机制。

视觉概念学习方法研究进展

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.

一种基于概念地图的发明过程可视化描述方法

论述了发明过程及其可视化的意义,在连接主义对创造性过程的分析基础上提出了用知识表示方法来可视化发明过程的主张,进而设计了一种加权的、适于描述发明过程的概念地图(IOCM)。对IOCM中元素(包括概念和关系)的界定、体系结构、权重的度量方法进行了分析,用IOCM的动态构建过程来描述发明的一般过程和发明者使用的隐性发明策略,并通过一个典型的发明实例初步展示了用IOCM描述发明过程的有效性。

心理表征哲学及其联结主义诠释

对心理表征问题进行自然的解释是至关重要的,但这方面的研究都是建立在有关概念和命题表征的预设的基础之上的,所以有必要弄清概念表征和命题表征的哲学解释;联结主义也对心理表征问题作了解释,根据被表征的是什么以及通过什么来表征的原则,联结主义网络主要通过四种方式对概念和命题进行表征。总的来说,联结主义对概念和命题的表征与它们的哲学解释并不是一一对应的,其方法论基础是费耶阿本德的多元方法论,即"怎么都行"。