人工智能引论课件 第十章 人机混合增强智能

第十章人机混合增强智能10.1概述10.2

人在回路的混合增强智能10.3

基于认知计算的混合增强智能第十章人机混合增强智能早期探索阶段20世纪中叶至20世纪末，人类开始尝试将计算机智能与人类智能结合，主要集中于领域专家系统和智能辅助决策系统。1966年斯坦福计算中心展示了世界首部专家系统。认知增强阶段21世纪初期，随着认知科学和人工智能技术的发展，研究重点转向如何结合人类认知能力和机器智能，以提升智能水平，主要通过机器学习和人类学习的融合实现。感知增强阶段近10年，通过感知增强技术来增强人类的感知能力和运动能力，包括通过外骨骼、智能假肢、脑机接口等技术来扩展人类的生理能力，通过虚拟现实、增强现实等技术来扩展人类的感知能力。12310.1.1人机混合增强智能的发展历史协同增强阶段近年至今，人机混合增强智能的重点是实现人类与机器之间更深层次的协同作用和合作，以执行更高效、智能的任务和问题解决，涉及多维度的人机交互如情感交流和智能协作。4结构分类关注人机系统如何构建，分为协作型和融合型。协作型中人与机器各自独立执行任务，而融合型则强调人机智能的深度整合，共同作用于任务的不同方面。结构分类功能分类侧重于系统的功能角色，包括增强型和辅助型。增强型系统通过机器智能提升人类能力，辅助型系统则是人类智能帮助机器完成特定任务，如监督学习过程。功能分类人参与方式的分类探讨人类在系统中的作用，分为人在环上和人在环内。人在环上系统需要人类设定目标和训练，而在环内系统则需要人类深度参与，以实现超越单独作用的效果。人参与方式的分类10.1.2人机混合增强智能的形式与分类智能驾驶智能驾驶技术概述

智能驾驶技术通过结合驾驶员技能与车载智能感知设备，利用激光雷达、摄像头等传感器和机器学习算法，实现对周围环境的感知和道路情况的分析。自动驾驶辅助系统

自动驾驶辅助系统如特斯拉的智能辅助驾驶，能在大多数行车任务中自主管理，但会在遇到复杂情况时提示司机接管，确保安全驾驶的同时减少司机负担。人机共驾技术

人机共驾技术允许智能系统与驾驶员共享控制权，通过这种合作模式，既提升了驾驶安全性，又降低了驾驶员的操作负荷，实现了人机协同的高效驾驶。案例一：智能驾驶辅助系统特斯拉汽车的智能辅助驾驶系统。汽车可以在某些情境下管理大部分的行车任务，但当出现汽车无法独立处理的情况时，系统会提示司机接管控制权。10.1.3人机混合增强智能的典型案例智能制造机器人与人类协同工作

在智能制造领域，机器人不再是孤立作业的单元，而是与人类工人紧密合作，共同完成复杂的生产任务，通过分工合作提高生产效率和质量。

生产线的灵活性与效率

机器人与人类协作不仅提升了生产线的灵活性，还显著提高了生产效率。这种合作模式使得生产线能够快速适应不同的生产需求，同时确保产品质量。

降低生产成本与周期

通过机器人与人类的有效协作，智能制造能够显著降低生产成本和缩短生产周期。机器人承担重复性高、劳动强度大的任务，而人类则专注于需要智能和精细操作的工作。案例二：人机协作智能制造系统宝马集团的墨西哥圣路易斯波托西工厂中，工人和机器人近距离合作完成预装发动机任务。机器人有能力转动沉重的转换器，而工人通过灵巧的双手进行最后的调整，确保精确地完成组装任务。10.1.3人机混合增强智能的典型案例智慧医疗外科手术机器人系统外科手术机器人系统结合了外科医生的技能和机器人的精确性和稳定性。医生通过操纵手柄和控制台，指导机器人完成精细的手术操作。机器人能够准确执行医生的指令，同时通过高清摄像头和传感器提供高分辨率的手术视野和实时反馈，从而增强了外科手术的精确度和安全性。案例三：外科手术机器人系统兰州大学第一医院利用最新引进的第四代达芬奇手术机器人开展手术。手术中，医生用手和脚操控平台及器械，使得手术器械手臂能自由灵活旋转达到传统器械无法完成的部位和角度，从而提高手术质量、减少出血损伤，缩短手术操作时间。10.1.3人机混合增强智能的典型案例人机合作模式人在环上的混合增强智能是一种创新的人机合作模式，通过人类与自动化系统的协同工作，共同解决复杂问题，优化系统性能。人类的角色在这种模式下，人类不仅是监督者，还是干预者和调整者，通过持续的交互和反馈，优化系统输出，实现智能系统与人类智能的协同作业。系统的分类人在环上的混合增强智能系统可以根据功能和侧重点分为三类：提升机器智能、增强智能可靠性和优化机器学习，每种类型都强调了人类的深度参与和重要作用。12310.2.1人在环上的混合增强智能人在环上的混合增强智能的分类人的认知提升机器智能

通过人类的认知能力和专业知识来增强机器的智能表现。专家指导知识图谱构建半自动化学习常见于医疗诊断系统、自然语言处理领域。人的介入增强智能可靠性

人类通过监控和干预机器学习或自主系统，以提高其可靠性和安全性。实时监控人工审查和干预自适应调整常见于自动驾驶、金融风控系统。人的反馈优化机器学习

通过人类提供的反馈信息来优化和改进机器学习模型的性能和准确性。标注和纠错主动学习增量学习常见于语音识别系统、推荐系统。10.2.1人在环上的混合增强智能案例：ChatGPT如何避免生成违反法律法规的内容？内置法律道德规则

ChatGPT在开发过程中，通过内置法律和道德规则并与相关专家合作，确保其生成内容遵守法律法规和道德准则，有效避免产生违规信息。实时监测与用户反馈

通过实时监测和根据用户及审核人员反馈调整，ChatGPT能够及时纠正不当或违法内容，保证输出的合法性和道德性，提升智能系统的可靠性。用户纠错与反馈优化

利用用户反馈标注或纠正错误信息，ChatGPT不断学习和改进，通过用户的实时反馈调整生成文本的方式，有效防止生成违法或不适当的内容。人的认知提升机器智能人的介入增强智能可靠性人的反馈优化机器学习10.2.1人在环上的混合增强智能人在环内的混合增强智能的特点人机平等合作

在人在环内的混合增强智能中，人类专家与机器系统处于平等的合作地位，共同参与决策和执行任务，实现互补优势。

整体效果优化

通过紧密的人机协作，人在环内的混合增强智能追求超越个体能力的整合效果，利用人的创造性和机器的高效性，提升系统性能。

需求理解与建模

准确理解和建模人的需求是人在环内混合增强智能的关键，考虑到人的感知、认知和意图的复杂性，这要求系统设计时充分考虑人的主观因素。

系统目标协作

无论是人还是机器，都不是为自身服务，而是共同为了系统外的目标进行协作。这种协作性要求人类和机器能够相互理解、相互配合，以实现共同的目标。特点1特点2特点3特点410.2.1人在环上的混合增强智能人在环内的混合增强智能的分类人机共享自主

人和机器共同拥有决策自主权，二者合作完成任务，其中机器能够自主执行一些决策和动作，但也可以在需要时请求人类的介入或确认。人机共享控制

人和机器共同拥有对系统的控制权。人类专家可以随时介入并调整机器的行为，而机器也可以在特定情况下自主执行控制任务。其主要特点是人类和机器共同参与到系统的控制过程中，形成一种互补关系。人机序贯决策

人和机器按照一种序贯的方式进行决策。通常，在一些初始阶段或关键节点上，由人类专家进行决策，确定大致方向或策略；随后，机器根据人类的决策进行具体的任务规划和执行，同时在执行过程中根据实际情况进行调整和优化。分类1分类2分类310.2.2人在环内的混合增强智能案例：自动化生产线上的人-机械臂协作直观判断与精确执行的融合在自动化生产线上，人类操作员利用其直观判断快速做出决策，而机械臂则负责执行这些决策，通过精确的操作完成抓取、搬运和安装零件等任务。实时数据共享与协同工作通过先进的传感器和控制系统，实现人和机械臂之间的实时数据共享。操作员可以监控机械臂的状态和数据，机械臂根据操作员的指令进行相应调整，实现高效协同。安全机制与紧急干预系统具备必要的安全机制，能在遇到障碍或潜在危险时立即停止并通知操作员。同时，操作员也具备紧急干预的能力，可以在必要时迅速接管控制权，确保生产线的安全。1234学习优化通过收集生产数据识别和优化操作流程，减少不必要的步骤，操作员反馈也纳入学习循环中，持续改进系统性能。10.2.2人在环内的混合增强智能基于共享控制的辅助驾驶系统人机共驾的重要性

人机共驾结合了人类的驾驶技能与机器的感知和决策能力，不仅提升了驾驶安全性，还有效降低了驾驶员的操作负荷，是自动驾驶技术发展的关键阶段。直接型人机共驾

直接型人机共驾通过共享策略融合驾驶员和辅助驾驶系统的控制作用，共同形成一个控制量，实现对车辆的高效控制，提高了驾驶的灵活性和适应性。间接型人机共驾

间接型人机共驾允许辅助驾驶系统有选择性地将人类控制融入自身的控制作用中，形成最终的车辆控制量，这种方式在确保安全的同时，保留了人的驾驶乐趣。1210.2.3人在回路混合增强智能系统的实例变道场景线性分配公式线性分配公式是经典的融合方法人类和辅助驾驶系统的角色在变道场景中，人类司机和辅助驾驶系统共同掌控方向盘，协同完成变道任务。12纯手动（上）和共享控制（下）变道下的行驶轨迹在纯手动变道过程中，汽车不慎压到了车道线，且在变道完成后为了调整方向，又触碰了另一侧的车道线。在共享控制模式下，车辆的变道轨迹显得更为精准和平稳10.2.3人在回路混合增强智能系统的实例多模态人机交互多模态交互定义

多模态人机交互融合语音、图像等不同信息，实现高效自然的人机对话，提升用户体验，适应多样化场景。技术整合优势

通过整合语音识别、眼动追踪等技术，多模态人机交互提升了信息交换效率，增强了交互的自然性和准确性。应用场景多样性

从智能仓储到脑机接口，多模态人机交互在提高任务执行效率和精确性方面展现出巨大潜力，适应多种复杂场景。10.2.3人在回路混合增强智能系统的实例面向智能仓储的人-机器人协同决策与控制人机协同决策系统

通过融合人类的感知、决策与控制能力及智能机器人的技术优势，构建一个互补的人-机器人协同决策与控制系统，旨在提高任务执行的规模和效率。智能导航与路径规划

利用先进的智能导航与路径规划算法，仓储机器人能够自主地从起始点出发，运送商品到指定位置，同时有效预防碰撞和冲突，确保运输的高效与安全。人类干预与算法优化

在智能仓库中，一旦遇到路径问题或特殊情况，人类操作员可迅速介入调整路径或提供新指令，通过不断的人类干预和数据更新，使路径规划算法逐渐学习和优化，提升准确性和效率。10.2.3人在回路混合增强智能系统的实例认知计算定义

认知计算是一种模拟人类或动物行为及其学习与适应新环境能力的技术，它融合了规划、问题求解及感知与动作模块，旨在创建更高效智能的人工智能系统。核心框架要素

认知计算的核心框架包括感知、注意、理解、证实、规划和评测六个基本要素，这些要素相互转换，通过与外界持续交互，选择最合适的认知起点和目标，以实现智能化处理。应用与挑战

认知计算在因果模型、直觉推理和联想记忆方面有显著应用，有助于提高学习效率和系统容错性，但同时面临技术成熟度低、数据处理需求大等挑战，以及伦理和隐私问题。10.3.1认知计算简介

存储与计算的一体化

类脑计算通过模仿大脑的存储与计算一体化机制，解决了冯·诺依曼结构中数据传输瓶颈的问题，实现了信息处理的速度提升。

并行处理能力

类脑计算模拟人类大脑的并行处理方式，能够同时处理多个任务，显著提高了计算机的处理效率和速度，突破了传统串行处理的局限。

能耗优化

通过借鉴大脑的高效能源使用策略，类脑计算在设计上注重能耗优化，减少了晶体管数量增加带来的高能耗问题，使计算更加环保高效。

10.3.2类脑计算原理与应用10.3.2类脑计算原理与应用清华大学类脑芯片——天机芯X清华大学最新研发的类脑芯片——28nm工艺的TianjicX神经形态计算芯片，以其卓越的节能性能和高效的多任务处理能力脱颖而出，相较于传统的英伟达AI芯片，其功耗降低了一半，在处理多个神经网络时的延迟更是大幅减少了79.09%。TianjicX芯片的独特之处在于其神经形态计算的设计，它模仿了人类的神经系统计算框架和模式，采用非冯诺依曼架构，能同时执行多个神经网络模型。传统的神经形态芯片在处理神经网络时存在局限性，而TianjicX则突破了这些限制，实现了低延迟、高效率的并发执行和异步交互。10.3.2类脑计算原理与应用浙江大学、之江实验室亿级神经元类脑计算机2020年9月1日，我国自主研发的首台类脑计算机惊艳亮相，该计算机搭载了具有自主知识产权的类脑芯片。以三个1.6米高的机柜组成，内含792颗“达尔文2代”类脑芯片，模拟了1.2亿脉冲神经元和近千亿的神经突触，规模堪比小鼠的大脑神经元。而其运行功耗仅在350-500瓦之间。“达尔文2代”类脑芯片上集成了15万个神经元，与果蝇的神经元数量相当，是我国单芯片神经元规模最大的脉冲神经网络类脑芯片。人造神经元的模拟人造神经元通过模拟生物神经细胞的功能，实现对电信号的接收、处理和传递，为构建人工神经网络提供基础，是人工大脑模型中不可或缺的组件。忆阻器在信息处理中的作用忆阻器作为具有记忆功能的非线性电阻器，能够模拟生物大脑中的突触，实现信息的存储与传递，对于模拟大脑的复杂功能至关重要。软件大脑模型的智能模拟软件大脑模型如SPAUN和GENMOD通过编程和算法模拟大脑皮层的不同区域及其相互作用，展示出类似人类的智能行为和认知能力，是研究人工智能的重要工具。12310.3.3人工大脑模型与应用脑机接口技术通过建立大脑与外部设备之间的直接连接，实现信息交换，绕过传统的外周神经和肌肉系统，创建全新的通信与控制通道。脑机接口技术概述脑机接口技术的发展经历了几十年，从上世纪七十年代的提出到近年的显著进展，如将神经信号转化为对话速度的语句，以及非人灵长类动物介入式试验的成功。脑机接口技术发展历程脑机接口技术分为侵入式、非侵入式和半侵入式三类，各有优势和劣势，其中侵入式能采集强而稳定的信号，非侵入式简单易操作，半侵入式则介于两者之间。脑机接口技术的分类10.3.4脑-机接口技术主要步骤：信号采集：通过电极等传感器监测大脑产生的神经信号信号处理与解码：采集到的神