当前位置:主页 > W与生活 >心智的具现化:人工智慧于心理学领域的应用 >
心智的具现化:人工智慧于心理学领域的应用
发表日期:2020-07-09 10:08| 来源 :W与生活| 点击数:108 次
心智的具現化:人工智慧於心理學領域的應用

心理学家一直想了解人类心智如何表徵外在世界,又这些表徵经过哪些心智历程使个体能产生适切的行为反应?这叫好像工程师在开发人工智慧系统时,构思这些系统该如何转码输入的刺激(好比心智表徵),以何种演算法进行运算(好比心智历程),以及产生出何种反应。基于两者的相似性,建立电脑模型是心理学家解开心智奥秘的途径之一。

心理学—探究人类心智行为的科学

在认识人工智慧如何协助心理学知识之前,必须先了解心理学。心理学是一门探究人类心智行为的科学,心智的认知运作机制,如同手机的应用程式 APP 之于手机,无法抽离主体观察,虚无飘渺难以掌握,却存在于人类智能中。记忆、学习、知觉、策划等抽象的概念无法像实体一样拿来剖析,只能从外向内逼近。杨立行教授在此介绍了四种方式:行为实验、眼动轨迹、事件相关电位、磁振照影。

以记忆为例,行为实验会给予以长串刺激材料,请受试者背诵,之后请对方回忆,计算其回忆正确率,判断人类的记忆广度。人的记忆有限,但电脑的记忆在容量充分的情况下,近乎无限;眼动轨迹多用于判断受试者的注意力,在实验中,除了传统的自我陈述,还可以观察受试者的眼动,例如人在看文章时,若画面一旁突然跳出警告,视线可能被吸引过去,这是因为大脑会更快注意对于人生有帮助的讯息;事件相关电位是在实验中透过蒐集受试者脑波资料,来判断各个情境下大脑的活化程度;磁振照影是在受试者进行作业时,以全脑扫描记录大脑活动讯息,藉此作出推论,观察心智活动。上述四种,皆可蒐集认知功能的基本资料。

以数学模型探究人心

早在人工智慧兴起以前,心理学界就会以数学模型来解析人类心智运作。以「遗忘曲线」为例,实验是以无意义的刺激材料进行,每日测试记得多少。起初记得的内容尚可,而后会越来越少,但不会完全遗忘。然而对心理学家而言,仅止于描述是不够的,除了观察人类行为,科学家还希望了解「How」,知其运作模式。

从脑神经到类神经网路

19 世纪末期,大脑神经网路有了更系统性的研究,网络中的神经元,兴奋时会以轴突传送电讯号至另一神经元,两神经元并无直接相连,中间存在着称为突触的空隙。抵达下个神经元的树突后,该细胞的离子通道会打开,一连串的电位变化达到阈值,兴奋过后将讯号传至下个神经元⋯⋯

观察到这些生理现象后,心理学家心想:可否从生理角度寻求模仿对象呢?

80 年代末期,开始有人以数学模型模仿这个生理机制,也就是「类神经网路」。网路中含有节点,模仿神经元,其中调整层次就如同突触。神经元具有可塑性,可以透过学习改变,如同类神经网路,能够在研究者的操弄下学习不同资讯,例如类别、相似性。训练模型过后,新的刺激若和既往相似,兴奋量会增强,学习种类的异同。当今以类神经网路区辨类别的技术遇到的挑战之一,是自然类别,以鹦鹉为例,有嘴型、毛色、型态、脚爪⋯⋯等等,皆可以作为特徵,但这些五花八门的种类该如何取捨,这还是当今认知模型还不能处理的。

卷积类神经网路模型(Convolutional Neural Networks,CNN)可望突破类神经网路的困境,它是由多层类神经网路组成,以分类鹦鹉为例,鸟的图片即像素组成的二维空间,也就是一群神经元节点,处理时,并非一个个处理,而是一整块过滤,如同压缩,不断浓缩、提炼,某些步骤可略过不算。

使用深度学习的 Alpha GO,在建立模型的过程就使用了卷积类神经网络。资料经过一层层处理,从 Convolution 到 Fully connected layer,最后产出 Output,这些下棋指令让它不断刷新战绩,打败人类棋王。

过去有人以此进行矿物质相似性的辨别测试,以常人较陌生的矿物质作为刺激材料,可以屏除一些过往知识形成的误差。受试者将不同矿物质俩俩比较以后,资料以统计软体分类出四种特徵,而后以卷积学习人类判断,结果在四种特徵上达到 98% 的相似度。学习以后,可以用此模型预测新刺激材料,不需要人类的报告作为参考。

心智的具现化:未来研究方向

杨教授表示,对于 AI 的崛起他乐见其成。过往就以量化作为研究工具的杨教授认为,在大数据、人工智慧的协助之下,心理学若能借助其力,能够在研究上更有突破。如果能寻出思考、意识、情感、创造力的运作历程,对于整个学界,或是个人理解人类作为智识拥有者,都是一大帮助。

(本文为教育部「人工智慧技术及应用人才培育计画」成果内容)

相关推荐