2023 中国人工智能系列白皮书——心智计算：构建脑与心智启发的人工智能

中国人工智能系列白皮书 ——心智计算：构建脑与心智启发的人工智能 中国人工智能学会二○二三年九月 《中国人工智能系列白皮书》编委会 主任：戴琼海执行主任：王国胤 副主任：陈杰何友刘成林刘宏孙富春王恩东 王文博赵春江周志华 委员：班晓娟曹鹏陈纯陈松灿邓伟文董振江杜军平付宜利古天龙桂卫华何清胡国平黄河燕季向阳贾英民焦李成李斌刘民刘庆峰刘增良鲁华祥马华东苗夺谦潘纲朴松昊钱锋乔俊飞孙长银孙茂松陶建华王卫宁王熙照王轩王蕴红吾守尔·斯拉木吴晓蓓杨放春于剑岳东张小川张学工张毅章毅周国栋周鸿祎周建设周杰祝烈煌庄越挺 《中国人工智能系列白皮书心智计算：构建脑与心智启发的 人工智能》编写组 曾毅史忠植施路平蔡恒进张丽清曹存根库逸轩黄铁军丁世飞李清勇候彪赵菲菲张倩赵宇轩鲁恩萌赵卓雅冯慧丘铱可 目录 第1章引言4 第2章心智计算研究概述6 2.1心智计算的发展历程6 2.2心智计算的科学问题7 2.3心智计算的哲学展望10 2.4本章小结11 第3章心智计算的理论模型12 3.1图灵机12 3.2物理符号系统13 3.3ACT-R14 3.4SOAR15 3.5CAM17 3.6BrainCog19 3.7本章小结22 第4章心智计算中的心理揣测23 4.1心理揣测概述23 4.2心理揣测的实验范式24 4.2.1以动物为被试的实验范式25 4.2.2以人为被试的实验范式26 4.3心理揣测的神经基础28 4.4心理揣测的计算模型29 4.4.1基于贝叶斯的心理揣测模型29 4.4.2基于深度学习的心理揣测模型32 4.4.3基于脑启发的心理揣测模型32 4.4.4基于其他方法的心理揣测模型34 4.5本章小结35 第5章心智计算中的情感共情36 5.1情感共情概述36 5.2情感共情的实验范式37 5.3情感共情的神经机制37 5.4情感共情的计算模型40 5.5本章小结43 第6章心智计算中的意识理论44 6.1意识理论概述44 6.2意识理论的实验范式45 6.2.1裂脑人实验45 6.2.2遗忘症与情节记忆45 6.2.3最小神经关联物46 6.3意识理论模型46 6.3.1高阶理论47 6.3.2全局工作空间理论47 6.3.3整合信息理论48 6.3.4再入/预测处理理论50 6.3.5因果链重构理论51 6.4本章小结52 第7章总结与展望54 第8章参考文献56 第1章引言 心智计算（MindComputation）以多学科交叉的方式融合来自人工智能、认知科学、脑与神经科学、演化生物学、人类学等学科的研究方法与计算范式，对生物智能与心智活动的计算机制机理进行多视角、多尺度系统性的探索，在研究动物与人类心智计算理论与模型的基础上，发展受脑与心智启发的通用人工智能。重点研究生物与人工心智的计算理论体系、心智建模、学习与记忆机制、常识构建与理解、生物与人工意识、社会认知等的科学原理和计算理论与技术。 神经科学、脑科学、认知科学从多视角、多尺度系统地揭示生物脑的结构、功能和机制，理解生物心智活动的自然智能本质；人工智能通过计算建模来模拟、延伸和拓展动物与人类智能的方方面面，达到类生物水平的理解、思考、学习、决策及社会认知能力。尽管人工智能经过近七十年的发展已经在某些领域取得了显著进展，但动物与人类心智涉及到的复杂认知和意识、情感、想象力和创造力等，在当前的人工智能系统中仍难以模拟和重现。为此，心智计算旨在充分实现多学科交叉融合，深度借鉴脑与心智的工作机理，通过计算建模模拟生物心智活动的多尺度结构和功能可塑性，在计算系统中重现动物与人类的心智。 动物与人类的心智是思维和认知能力的总体，包括感知、学习、记忆、决策、推理、情感、心理揣测、意识等。当前对于心智的计算建模更多关注感知、学习、记忆、决策等方面，对与自我认知相关的情感、意识、心理揣测的研究相对较少。为此，本白皮书聚焦于心智计算的理论模型、心理揣测、情感共情以及意识理论展开详细的介绍。 本白皮书首先回顾心智计算的研究历史与发展历程，汇总主要的科学问题，从哲学视角介绍心智计算的愿景。紧接着，详细介绍六种心智计算的理论模型，心智计算的理论体系模型旨在同时集成感知、记忆、决策、运动，以及意识、共情、心理揣测等社会认知能力到一 套通用、系统的框架中。进一步地，本白皮书以心智活动中与自我认知紧密结合的心理揣测、情感共情、意识理论为切入点，深入介绍经典的实验范式、神经机理以及计算理论模型。最后，本白皮书简要的总结与展望心智计算的研究。 第2章心智计算研究概述 2.1心智计算的发展历程 心智计算的发展历程可以追溯到20世纪60年代，由最初的对心智的具体问题求解，逐渐演变为系统的心智计算理论形态，包括了以表征—计算为核心的第一代心智计算理论[1]，以及以具身性为理论特征的第二代心智计算理论[2]。 20世纪早期，WarrenMcCulloch和WalterPitts最先提出了神经活动具有计算性的观点，并认为认知可以由计算来解释。20世纪60年代起，经过HilaryPutnam、JerryFodor、DavidMarr等人的发展，心智的计算理论（ComputationalTheoryofMind，CTM）正式被提出并成为第一代心智计算理论的核心，在人工智能和认知科学领域逐渐占据了主流地位。心智的计算理论认为，心智是一个通过大脑神经活动物理实现的计算系统，认知和意识都是一种计算形式。1975年，JerryFodor提出思维语言假设后，心智计算理论逐渐演变为包含符号计算和连接计算等不同范式。 20世纪80年代之后，在HubertDreyfus和JohnSearle等人对强人工智能激烈批判刺激下，以具身性（Embodiment）观念为其理论特征的第二代心智理论逐渐登上历史舞台。ShaunGallagher曾以包含具身认知（EmbodiedCognition）、嵌入认知（EmbeddedCognition）、延展认知（ExtendedCognition）和生成认知（EnactiveCognition）的“4E认知”概括了具身心智理论的核心理念[2]。具身心智理论认为身体和心智是相互依存的，动物与人类的智能和认知过程不仅依赖于大脑，也依赖于身体和环境。 无论是以表征—计算为核心的第一代心智计算理论，还是以具身性为理论特征的第二代心智计算理论，都是过去几十年来人工智能领域围绕“心智是如何进行计算”这一问题的不断思考。随着近年来受生物神经机制启发的、以深度学习为代表的连接主义的重要应用突破 和对融合符号主义和连接主义的混合路径的不断探索，传统的心智计算理论有望在这些新突破的基础上焕发新生，为实现结构和机制受脑与心智启发、认知行为达到乃至超越动物与人类水平的智能系统提供更多启示。 2.2心智计算的科学问题 心智计算作为发展面向人工通用智能的核心思路之一，其研究范围尤其广泛，从感知、学习、记忆、常识知识构建与理解、因果推理到情感、意识、创造、心理揣测、伦理道德等。尽管当前人工智能在某些领域取得了应用体验方面的显著进展，如图像分析、自然语言处理等，但对于重现动物与人类心智仍面临诸多挑战，特别是在复杂的情感、思维、意识等认知方面仍需要持续的探索和努力。从应用意义而言，心智计算研究中最关键的科学问题是如何集成人脑多方面的智慧到一个通用的架构当中，实现真正意义上的通用人工智能。为达到这一目标，包含但不限于如下几个方面的科学问题： 1.多感觉融合 当代深度学习仍面临着关键挑战，如复杂场景理解、认知、推理能力不足，深度学习易被欺骗，维数灾难等瓶颈问题。理解动物与人脑学习机理，特别是不同感知系统的编解码机制、多感觉信息融合与处理机制等，并将其转化为计算模型，提高感知认知与理解等能力是心智计算中的一大科学问题。 文献[3]探索了类脑张量分解-高维数据结构挖掘问题，采用类脑结构，可以在数据缺失的情况下训练模型，利用正则部分补全缺失数据。文献[4]探索了传统信息瓶颈算法在压缩信息的同时会严重影响模型预测能力，提出了基于有监督解耦的信息瓶颈算法，解决了传统信息瓶颈算法中的压缩-预测项权衡问题。 2.知识表征与推理 为构建准确、全面的常识知识库，需要大量的来源广泛的常识知 识，包括人类社会层、人类个体层、物体层、以及抽象层等多个层次的信息融合，以确保学习到准确的常识知识。通过对文本的分析，挖掘和抽取出常识规则、常识知识，对知识进行有效的表示和推理，以及在复杂的推理问答任务中学习到常识、逻辑、演绎推理能力亦是研究难点。文献[5,6]等对传统常识知识库的构建方法进行了系统地分析和比较。当前随着大语言模型等新形式的知识推理工具的不断发展，更需要探索如何汲取传统知识表征和推理方法的准确性优势，改进大语言模型自身存在的模型幻觉等问题。 3.记忆 当前人工智能大模型的训练和推理所需能耗巨大，而人类仅仅需要20瓦的能量就可以协同多项认知功能完成复杂的认知任务。工作记忆作为人脑的一项重要认知功能，每时每刻都伴随着人类的学习与决策。而工作记忆仍存在容量限制等问题，即能够同时存储或处理的信息量是有限的。人类可以通过与长期记忆协同等方式来灵活地减轻负荷，高效地调度工作记忆来帮助解决不同任务，类人脑的存算一体机制也是当前人工智能需要向人类学习的。 4.创造力 人类所具备的创造力仍是现有的人工智能系统所欠缺的，机器大多是基于预先编写好的程序执行指令，尚不能像人类一样进行创造性的思考和行为，不具备创新能力。从本质上理解人类创造性的神经机制，进而让机器自主地探索以习得创造能力仍是一个研究难点。尽管当前生成式人工智能的发展已经让机器展现出前所未有的“创造性”，但这样的创造性仍被认为缺乏人类创造力所源自的对于真实世界的经验、情感和体验，因而尚难于达到人类的创造力水平。 5.社会认知 在具备了感知、学习、记忆、决策等认知能力的基础上，社会认知是人类及其他动物在社会交互中表现出来的对自我、对他人的理解 和认知能力，在提升社会技能和行为方面起到重要的作用。意识、情感共情、心理揣测等社会认知能力在人工通用智能中也是极其关键的。而在复杂的社会决策环境中探究意识的本质、情感的产生与加工机理、共情及心理揣测的神经基础，赋能人工智能以自我意识等社会认知能力仍是一项亟待攻克的科学问题。目前已有一些工作对社会认知的计算实现进行了初步探索，例如，武汉大学蔡恒进教授提出认知坎陷（意识片段）的“附着”与“隧道”，从新的视角探讨心智的工作模式，探索机器自我意识、情感机制、记忆机制等问题，形成具有“自我”认知的、基于理解的人工智能技术[7]；中国科学院自动化研究所曾毅团队提出了一系列脑启发的心理揣测和共情模型，从计算角度揭示心理揣测的神经机制[8]的同时实现智能体帮助他人避免安全风险[9]、提升与他人的合作性能和效率[10]、以及实现情感共情和利他救援[11]等。 6.认知功能的自主协同 人类心智能够应对复杂场景、复杂任务的核心机制之一是认知功能的自组织协同。在不同尺度可以将人类认知功能划分为数百种，而这些认知功能并不像工作流一样被预先组织在一起按照既定的模式工作，而是通过多感觉的输入刺激，以自组织的方式自主协同并应用于解决复杂问题。不仅能够举一反三，还能够通过自组织的分解与组合解决没有见过的问题。其背后在心智层面的自组织、自主协同机理是心智计算理论的核心。 7.软硬件协同构建脑与心智启发的智件 受脑与心智启发的人工智能是实现双脑融合的有效途径，是发展人工通用智能的基石。如何利用多学科交叉融合，实现理论、芯片、软件、系统和应用协同发展的脑与心智启发的通用人工智能体系架构，从面向人工智能的硬件、软件的融合发展为智件（AIware），是亟待突破的关键问题。清华大学施路平团队提出了异构融合的类脑计算架构—“天机”类脑计算芯片[12]，能够模拟大脑中神经元之间信号传递 的方式，融合人工神经网络及脉冲神经网络两条技术路线，在多学科交叉融合的软硬件协同设计上进行了前沿探索。中科院自动化所曾毅团队研制的软硬件协同类脑脉冲神经网络体系结构智脉萤火(