馮康

淮南師范學(xué)院 計(jì)算機(jī)與信息工程系，安徽 淮南 232038

基于認(rèn)知元的認(rèn)知計(jì)算

馮康

淮南師范學(xué)院 計(jì)算機(jī)與信息工程系，安徽 淮南 232038

1 引言

認(rèn)知是人類觀察世界、理解世界、改造世界的完整過程[1]。觀察世界是為了生成認(rèn)知數(shù)據(jù)，理解世界是將觀察世界生成的認(rèn)知數(shù)據(jù)存儲(chǔ)下來，而改造世界是對(duì)已存儲(chǔ)的認(rèn)知數(shù)據(jù)進(jìn)行優(yōu)化，修正觀察世界及理解世界。因此，認(rèn)知也可以理解是生成認(rèn)知數(shù)據(jù)、存儲(chǔ)認(rèn)知數(shù)據(jù)、優(yōu)化認(rèn)知數(shù)據(jù)的完整且連續(xù)的計(jì)算過程。把模擬人類在認(rèn)知中，對(duì)認(rèn)知數(shù)據(jù)進(jìn)行處理時(shí)所采用的全部方法，統(tǒng)稱為認(rèn)知計(jì)算（Cognitive Computation）[2]。傳統(tǒng)的認(rèn)知計(jì)算有Allen Newell提出的基于物理符號(hào)的認(rèn)知計(jì)算，它將任何可被人類感覺器官感知、智能系統(tǒng)分辨、認(rèn)知功能實(shí)現(xiàn)的有意義的認(rèn)知單位，如圖像、聲音、文字、語言、意識(shí)等，都編碼為物理符號(hào)，而將人類的某個(gè)認(rèn)知活動(dòng)模擬為一個(gè)計(jì)算機(jī)程序[3]；基于物理符號(hào)的認(rèn)知計(jì)算的主要成果有模擬人類推理的啟發(fā)式程序“邏輯理論家”（Logic Theorist）及能夠求解11種難題的著名計(jì)算機(jī)程序“通用問題求解器”（General Problems Solver）[4]。近年來，隨著現(xiàn)代神經(jīng)影像學(xué)技術(shù)的發(fā)展，人們已經(jīng)提出了多種基于神經(jīng)影像學(xué)信號(hào)的認(rèn)知計(jì)算，如基于腦電圖EEG（Electroencephalography，EEG）信號(hào)、功能磁共振fMRI（functional Magnetic Resonance Image，fMRI）信號(hào)、彌散張量成像DTI（Diffusion Tensor Imaging）信號(hào)、腦磁圖MEG（Magnetoencephalography）信號(hào)、事件相關(guān)電位ERP（Event-Related Potentials）信號(hào)等多種認(rèn)知計(jì)算[5-6]，這些認(rèn)知計(jì)算都是通過設(shè)計(jì)一組認(rèn)知實(shí)驗(yàn)，記錄被試對(duì)應(yīng)認(rèn)知實(shí)驗(yàn)中不同認(rèn)知活動(dòng)的神經(jīng)影像學(xué)信號(hào)，并通過對(duì)信號(hào)的計(jì)算、分析，最終確定不同的認(rèn)知活動(dòng)激活的解剖腦區(qū)[7]。

但上述認(rèn)知計(jì)算都不能準(zhǔn)確模擬人類的認(rèn)知。首先，基于物理符號(hào)的認(rèn)知計(jì)算的主要成果“邏輯理論家”（Logic Theorist），雖然可以證明數(shù)學(xué)名著《數(shù)學(xué)原理》中的38個(gè)定理，但核心算法是命題邏輯中的推理理論，直接使用元語言符號(hào)A、B、C等作為認(rèn)知數(shù)據(jù)，沒有生成認(rèn)知數(shù)據(jù)、存儲(chǔ)認(rèn)知數(shù)據(jù)及優(yōu)化認(rèn)知數(shù)據(jù)的操作，所以，基于物理符號(hào)的認(rèn)知計(jì)算模擬的是認(rèn)知中的一個(gè)片段——推理，而不是認(rèn)知。而在基于神經(jīng)影像學(xué)信號(hào)的認(rèn)知計(jì)算中，設(shè)計(jì)的認(rèn)知實(shí)驗(yàn)突出的都是某個(gè)具體的認(rèn)知活動(dòng)如知覺、注意、意識(shí)、推理、思考等，比如基于腦電圖（EEG）信號(hào)認(rèn)知計(jì)算中設(shè)計(jì)的圖片刺激實(shí)驗(yàn)，突出的是注意；又如基于腦磁圖（MEG）信號(hào)認(rèn)知計(jì)算中設(shè)計(jì)的數(shù)字運(yùn)算實(shí)驗(yàn)，突出的是思考；同樣，基于事件相關(guān)電位（ERP）信號(hào)認(rèn)知計(jì)算設(shè)計(jì)的規(guī)則提取實(shí)驗(yàn)，突出的是推理[6]；所以，基于神經(jīng)影像學(xué)信號(hào)的認(rèn)知計(jì)算模擬的仍然是認(rèn)知中的某一個(gè)片段，而不是認(rèn)知。

其次，在基于物理符號(hào)的認(rèn)知計(jì)算實(shí)驗(yàn)中，認(rèn)知對(duì)象是《數(shù)學(xué)原理》中的某個(gè)定理，如前束范式定理、KS同構(gòu)定理等，這些定理只能表達(dá)某個(gè)特定認(rèn)知過程中的數(shù)據(jù)，不具有通用性；在基于神經(jīng)影像學(xué)信號(hào)的認(rèn)知計(jì)算中，認(rèn)知對(duì)象是一連串的圖片、一組數(shù)字運(yùn)算試題、一些隱含的規(guī)則等，同樣是具體的數(shù)據(jù)，不具有通用性[8]。

最后，在基于物理符號(hào)的認(rèn)知計(jì)算中，是以證明數(shù)理邏輯定理或求解難題的數(shù)量來檢驗(yàn)認(rèn)知計(jì)算模擬人類認(rèn)知的精確程度，早期的認(rèn)知計(jì)算實(shí)驗(yàn)如“邏輯理論家”可以證明數(shù)理邏輯定理的數(shù)量是38個(gè)，近期的認(rèn)知計(jì)算實(shí)驗(yàn)如“通用問題求解器”可以求解的難題數(shù)量是11個(gè)，但證明數(shù)理邏輯定理或求解難題的數(shù)量，只能檢驗(yàn)該認(rèn)知計(jì)算在模擬數(shù)理邏輯推理或求解難題這幾個(gè)特定認(rèn)知領(lǐng)域的性能，所以檢驗(yàn)指標(biāo)片面單一，不具有代表性。同樣在基于神經(jīng)影像學(xué)的認(rèn)知計(jì)算中，認(rèn)知計(jì)算的結(jié)果是確定不同的認(rèn)知活動(dòng)激活哪些解剖腦區(qū)，并把它們的對(duì)應(yīng)關(guān)系和解剖醫(yī)學(xué)的結(jié)果進(jìn)行比對(duì)，以判斷該認(rèn)知計(jì)算模擬人類認(rèn)知的精確程度；如基于功能磁共振（fMRI）信號(hào)的認(rèn)知計(jì)算實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果確定知覺激活左半球顳葉下部及Broca區(qū)（BA 44），注意激活左額葉、左頂葉及左側(cè)顳中回（BA 21）區(qū)[9]；基于事件相關(guān)電位ERP信號(hào)的認(rèn)知計(jì)算實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果確定意識(shí)激活右腦前額葉腹側(cè)（BA 47）和頂枕區(qū)，思考激活右枕前皮質(zhì)（BA 19）及雙側(cè)顳頂區(qū)（BA 37）；但這些實(shí)驗(yàn)結(jié)果與解剖醫(yī)學(xué)已有的研究結(jié)論都不相符[10]。

造成上述認(rèn)知計(jì)算不能準(zhǔn)確模擬人類認(rèn)知的原因在于這些認(rèn)知計(jì)算都是針對(duì)某一個(gè)具體的認(rèn)知活動(dòng)，如推理、知覺、注意、記憶、思考，而認(rèn)知活動(dòng)只是認(rèn)知中的某一個(gè)片段，沒有涵蓋認(rèn)知的完整過程，更不能體現(xiàn)認(rèn)知過程間的相互影響；其次，這些認(rèn)知計(jì)算的認(rèn)知數(shù)據(jù)是對(duì)應(yīng)該認(rèn)知活動(dòng)的一組物理符號(hào)及神經(jīng)影像學(xué)信號(hào)，它們均是精確信息或二值（0，1）信息，而不包括人類認(rèn)知環(huán)境廣泛存在的模糊信息，實(shí)踐證明，人類大腦處理的信息除了精確信息外，還包括大量的模糊信息；最后，認(rèn)知計(jì)算性能的高低需要科學(xué)的評(píng)判標(biāo)準(zhǔn)，但上述認(rèn)知計(jì)算都沒有一系列量化的認(rèn)知計(jì)算指標(biāo)對(duì)認(rèn)知計(jì)算性能進(jìn)行精確評(píng)定。

為改正已有認(rèn)知計(jì)算的缺陷，本文提出了基于認(rèn)知元的認(rèn)知計(jì)算，其認(rèn)知對(duì)象不但包括人類認(rèn)知計(jì)算中處理的精確信息，還包括人類認(rèn)知計(jì)算中處理的模糊信息；認(rèn)知計(jì)算模擬的不再是人類認(rèn)知的一個(gè)片段，而是人類的認(rèn)知；認(rèn)知計(jì)算性能的高低有一系列量化的認(rèn)知計(jì)算指標(biāo)對(duì)認(rèn)知計(jì)算的性能進(jìn)行精確的評(píng)判。從而為認(rèn)知計(jì)算的研究開辟了一個(gè)嶄新的途徑。

2 基于認(rèn)知元的認(rèn)知數(shù)據(jù)

實(shí)踐證明，人類的認(rèn)知環(huán)境除了存在很多精確信息之外，還存在大量的模糊信息，人類的各種感覺器官既是精確信息傳感器，又是模糊信息傳感器[11-12]，因此，認(rèn)知元是人類認(rèn)知信息的有效表達(dá)。

定義2（一元模糊事件）若有限個(gè)認(rèn)知元 x1(ax1)，x2(ax2)，…，xn(axn)聯(lián)合后，能夠相互作用，生成一個(gè)新的認(rèn)知元 y(ay)，則稱為發(fā)生了一個(gè)一元模糊事件e，記作e=[x1(ax1)，x2(ax2)，…，xn(axn)]→y(ay)，(n≥2)，xi(axi)稱為e的必元，y(ay)稱為e的結(jié)元，n稱為e的維數(shù)，記作de=n。

當(dāng)某一時(shí)刻外部世界發(fā)生了某個(gè)一元模糊事件時(shí)，必將觸發(fā)人類的認(rèn)知，將其計(jì)算為認(rèn)識(shí)。

如果一元模糊事件e=[x1(ax1)，x2(ax2)，…，xn(axn)]→y(ay)，(n≥2)發(fā)生時(shí)，不存在與其關(guān)聯(lián)的認(rèn)識(shí)c∝e，即沒有與此一元模糊事件相似的一元模糊事件發(fā)生過，則隨后生成的認(rèn)識(shí)稱為初始認(rèn)識(shí)（Previous Cognition），記作cp=f[x1(bx1)，x2(bx2)，…，xn(bxn)]/1→，其中，m=1；反之，稱為后繼認(rèn)識(shí)（Subsequent Cognition），記作 cs= f[x1(bx1)，x2(bx2)，…，xn(bxn)]/m→，其中，m＞1。

定義4（輸入認(rèn)識(shí)）人類文明中已經(jīng)有許多已經(jīng)總結(jié)出的認(rèn)識(shí)，認(rèn)知時(shí)可以直接接受這些認(rèn)識(shí)，這些直接接受的認(rèn)識(shí)稱為輸入認(rèn)識(shí)，記作 cin=f[x1(bx1)，x2(bx2)，…，xn(bxn)]/0→，其中，m=0，表明經(jīng)驗(yàn)因子為無窮大。

定義5（任務(wù)及方法）任務(wù)w是一個(gè)只有結(jié)元而必元為空的虛擬一元模糊事件描述，即任務(wù)是一個(gè)不完整的一元模糊事件，如果補(bǔ)齊缺省的全部必元，則該虛擬一元模糊事件有可能發(fā)生。任務(wù)記作w=[?]→y(ay)，其中 y(ay)是虛擬一元模糊事件的結(jié)元，而?代表虛擬一元模糊事件的必元為空，由于缺乏必元，所以該虛擬一元模糊事件肯定不會(huì)發(fā)生。

對(duì)于外界提交的任務(wù)w=[?]→y(ay)，如果有效搜索到存儲(chǔ)體存儲(chǔ)著對(duì)應(yīng)的關(guān)聯(lián)認(rèn)識(shí)c=f[x1(bx1)，x2(bx2)，…，xn(bxn)]/m→，則按照某種算法，根據(jù)該關(guān)聯(lián)認(rèn)識(shí)，求出任務(wù)缺省的全部必元，從而組成一個(gè)完整的一元模糊事件，則求出的全部必元稱為完成任務(wù)w的方法method，記作m∝w=x1(ax1)，x2(ax2)，…，xn(axn)，并稱任務(wù)被完成。

3 生成認(rèn)知數(shù)據(jù)

3.1 生成初始認(rèn)識(shí)的算法APC（Algorithm for Previous Cognition）

3.1.1 直覺法

當(dāng)某個(gè)一元模糊事件e=[x1(ax1),x2(ax2),…,xn(axn)]→y(ay)，(n≥2)發(fā)生時(shí)，若ax1≥ax2≥…≥axn，直覺地按照axi的相對(duì)大小的規(guī)律為認(rèn)識(shí)中各個(gè)對(duì)應(yīng)屬性添加貢獻(xiàn)度，生成初始認(rèn)識(shí)cp=f[x1(bx1)，x2(bx2)，…，xn(bxn)]/1→----y(1)，其中bx1≥bx2≥…≥bxn，且bx1+bx2+…+bxn=1。

3.1.2 平均值法

3.2 生成后繼認(rèn)識(shí)的算法ASC（Algorithm for Subsequent Cognition）

3.2.1 反饋法

3.2.2 輸入認(rèn)識(shí)決定法

當(dāng)某個(gè)一元模糊事件e=[x1(ax1),x2(ax2),…,xn(axn)]→y(ay)，(n≥2)發(fā)生時(shí)，假設(shè)已經(jīng)存在了關(guān)聯(lián)的認(rèn)識(shí)cin= f[x1(bx1')，x2(bx2')，…，xn(bxn')]/m→，即關(guān)聯(lián)認(rèn)識(shí)是輸入認(rèn)識(shí)，而輸入認(rèn)識(shí)是人類文明中已有的認(rèn)識(shí)，因此，剛剛發(fā)生的一元模糊事件e=[x1(ax1)，x2(ax2)，…，xn(axn)]→y(ay)，(n≥2)對(duì)該認(rèn)識(shí)沒有影響，所有必元屬性的貢獻(xiàn)度保持不變，生成的后繼認(rèn)識(shí)為 cs=f[x1(bx1')，x2(bx2')，…，xn(bxn')]/0→。

4 存儲(chǔ)認(rèn)知數(shù)據(jù)

4.1 認(rèn)識(shí)的存儲(chǔ)體

認(rèn)識(shí)的存儲(chǔ)體是存儲(chǔ)認(rèn)識(shí)的物理存儲(chǔ)陣列，見圖1所示。它是一個(gè)呈表格形式的存儲(chǔ)陣列，表格的行數(shù)及列數(shù)并不固定。單元格是用來存儲(chǔ)與認(rèn)識(shí)有關(guān)的必元屬性、貢獻(xiàn)度、經(jīng)驗(yàn)因子、理想認(rèn)知元等數(shù)據(jù)。存儲(chǔ)有數(shù)據(jù)的單元格稱為有效單元格，而沒有存儲(chǔ)數(shù)據(jù)的單元格稱為無效單元格，存儲(chǔ)體能夠容納的有效單元格的最大值稱為存儲(chǔ)體的容量，記作v。

4.2 認(rèn)識(shí)在存儲(chǔ)體中的存儲(chǔ)結(jié)構(gòu)

圖1 認(rèn)識(shí)的存儲(chǔ)體和認(rèn)識(shí)在存儲(chǔ)體中的存儲(chǔ)結(jié)構(gòu)

認(rèn)識(shí)在存儲(chǔ)體中的存儲(chǔ)結(jié)構(gòu)如圖1所示，從第二行開始，以行為單位，每行存儲(chǔ)一個(gè)認(rèn)識(shí)，多個(gè)認(rèn)識(shí)連續(xù)存儲(chǔ)。每個(gè)認(rèn)識(shí)在存儲(chǔ)體中的上下位置稱為認(rèn)識(shí)的清晰度Location，記作lc，最高的清晰度是Top，它位于存儲(chǔ)體的第二行，然后清晰度依次降低，分別是Top-1，Top-2，…，最底部認(rèn)識(shí)的清晰度最低，稱為Bottom，Top的值是固定的，總是指向存儲(chǔ)體的第二行，而Bottom的值是浮動(dòng)的，取決于存儲(chǔ)體的容量及存儲(chǔ)的認(rèn)識(shí)情況，Top-Bottom+1即為存儲(chǔ)的認(rèn)識(shí)總數(shù)。某一時(shí)刻，存儲(chǔ)體中全部有效單元格的總數(shù)稱為認(rèn)知量q（Quantity），考慮到每個(gè)新認(rèn)識(shí)c存儲(chǔ)在存儲(chǔ)體中時(shí)，使用的單元格總數(shù)為dc+2，因此稱存儲(chǔ)體的容量和認(rèn)知量之差再減去2為潛力 p（Potentiality），顯然，p=v-q+2，表示目前存儲(chǔ)體還可以存儲(chǔ)新認(rèn)識(shí)的能力。如圖1所示的存儲(chǔ)體，假設(shè)其存儲(chǔ)容量v為49，Bottom=Top-3，一共存儲(chǔ)了4個(gè)認(rèn)識(shí)，清晰度自Top到Bottom的認(rèn)識(shí)分別是：

并且c3是輸入認(rèn)識(shí)，c4是初始認(rèn)識(shí)，全部5個(gè)認(rèn)識(shí)的必元屬性包括 x1，x2，x3，x4，x5，因此，認(rèn)知量q為34，潛力p=v-q-2=13，還可以存儲(chǔ)其他的認(rèn)識(shí)?？梢?，沒有存儲(chǔ)數(shù)據(jù)的單元格不占用存儲(chǔ)體的存儲(chǔ)容量，這樣可以保證有限的存儲(chǔ)體容量被最充分地利用。

4.3 存儲(chǔ)認(rèn)知數(shù)據(jù)的認(rèn)知計(jì)算

存儲(chǔ)認(rèn)知數(shù)據(jù)的認(rèn)知計(jì)算都有一個(gè)觸發(fā)條件，當(dāng)條件滿足時(shí)執(zhí)行該認(rèn)知計(jì)算，處理結(jié)束后自動(dòng)退出該認(rèn)知計(jì)算。

4.3.1 有效搜索

有效搜索的觸發(fā)條件是發(fā)生了一個(gè)一元模糊事件e或接收了一個(gè)輸入認(rèn)識(shí)cin或外界提交了某個(gè)任務(wù)w，認(rèn)知計(jì)算從Top行開始，順序搜索存儲(chǔ)體中是否存儲(chǔ)有c∝e、c∝cin、c∝w，有則回送認(rèn)識(shí)c和認(rèn)識(shí)的清晰度lc，無則回送一個(gè)標(biāo)志“false”。算法描述偽代碼如下：

4.3.2 記憶

記憶的觸發(fā)條件是發(fā)生了一個(gè)一元模糊事件e且有效搜索回送了一個(gè)標(biāo)志“false”，認(rèn)知計(jì)算調(diào)用生成初始認(rèn)識(shí)的算法APC，并將存儲(chǔ)體中原來存儲(chǔ)的認(rèn)識(shí)整體下移1行，再將初始認(rèn)識(shí)cp存入清晰度為Top的行中，記憶充分仿生了人類對(duì)新鮮事務(wù)的認(rèn)知。算法描述如下：

4.3.3 回憶

回憶的觸發(fā)條件是發(fā)生了一個(gè)一元模糊事件e且有效搜索回送了與e關(guān)聯(lián)的認(rèn)識(shí)c∝e和認(rèn)識(shí)的清晰度lc，認(rèn)知計(jì)算調(diào)用生成后繼認(rèn)識(shí)的算法ASC，刪除c∝e，清晰度高于c∝e的認(rèn)識(shí)下移一行，低于的保持不變，初始認(rèn)識(shí)cs存入清晰度為Top的行中，回憶充分仿生了人類通過比較已有認(rèn)識(shí)，加深對(duì)新鮮事務(wù)的認(rèn)知。算法描述如下：

4.3.4 學(xué)習(xí)

學(xué)習(xí)的觸發(fā)條件是接收了一個(gè)輸入認(rèn)識(shí)cin，如果有效搜索到與cin相關(guān)聯(lián)的認(rèn)識(shí)c∝cin和認(rèn)識(shí)的清晰度lc，認(rèn)知計(jì)算調(diào)用生成后繼認(rèn)識(shí)的算法ASC，并在存儲(chǔ)體中刪除c∝cin，清晰度高于c∝cin的所有認(rèn)識(shí)下移一行，然后將輸入認(rèn)識(shí)cin存儲(chǔ)在清晰度為Top的行中；如果有效搜索回送為標(biāo)志“false”，則存儲(chǔ)體中所有認(rèn)識(shí)都下移一行，并將輸入認(rèn)識(shí)cin存儲(chǔ)在清晰度為Top的行中。學(xué)習(xí)充分仿生了人類對(duì)已有知識(shí)的繼承。算法可描述為：

4.3.5 遺忘

遺忘的觸發(fā)條件是有效搜索輸出標(biāo)志“false”進(jìn)行記憶或?qū)W習(xí)，如果一元模糊事件的維數(shù)大于存儲(chǔ)體的潛力，即de＞p，或輸入認(rèn)識(shí)的維數(shù)大于存儲(chǔ)體的潛力，即dcin＞p，則清晰度最低的一個(gè)或幾個(gè)認(rèn)識(shí)將移出存儲(chǔ)體。遺忘是由存儲(chǔ)體的容量有限引起的。

5 優(yōu)化認(rèn)知數(shù)據(jù)

5.1 完成任務(wù)的算法ACW（Algorithm to Complete Work）

5.1.1 比例放大法

比例放大法是將關(guān)聯(lián)認(rèn)識(shí)中模糊認(rèn)知元屬性的貢獻(xiàn)度進(jìn)行同比例放大，得出方法中模糊認(rèn)知元的隸屬度，而方法中的精確認(rèn)知元隸屬度仍為1。比例放大法適用于任務(wù)中結(jié)元為精確認(rèn)知元的情況，即任務(wù)為w= [?]→y(1)。假定和任務(wù)w=[?]→y(1)相關(guān)聯(lián)的認(rèn)識(shí)為c=f[x1(bx1)，x2(bx2)，…，xn(bxn)]/m→，則方法m∝w= x1(ax1)，x2(ax2)，…，xn(axn)，(n≥2)，其中所有模糊認(rèn)知元的隸屬度為axi=kbxi，且kbxi≤1（k為一個(gè)比例常數(shù)，根據(jù)現(xiàn)場(chǎng)的情況決定）。

5.1.2 結(jié)元控制法

結(jié)元控制法將關(guān)聯(lián)認(rèn)識(shí)中模糊認(rèn)知元屬性的貢獻(xiàn)度乘以任務(wù)結(jié)元的隸屬度，再進(jìn)行同比例放大得出方法中模糊認(rèn)知元隸屬度，而方法中的精確認(rèn)知元隸屬度仍為1，該算法適用于任務(wù)的結(jié)元為模糊認(rèn)知元的情況。假定任務(wù)w=[?]→y(ay)，(ay＜1)，其關(guān)聯(lián)認(rèn)識(shí)為c= f[x1(bx1)，x2(bx2)，…，xn(bxn)]/m→，則方法 m∝w= x1(ax1)，x2(ax2)，…，xj(1)，xn(axn)，(n≥2)，其中axi=kaybxi，且kaybxi≤1（k為一個(gè)比例常數(shù)，根據(jù)現(xiàn)場(chǎng)的情況決定），xi(axi)為模糊認(rèn)知元，xj(1)為精確認(rèn)知元。

5.2 優(yōu)化認(rèn)知數(shù)據(jù)的認(rèn)知計(jì)算

5.2.1 深化

方法付諸實(shí)施后，如果對(duì)應(yīng)的虛擬一元模糊事件：

在外部世界真實(shí)發(fā)生了，則表明方法是實(shí)用的，因?yàn)閙∝w，而w∝c，從而說明尋找方法時(shí)有效搜索的對(duì)應(yīng)關(guān)聯(lián)認(rèn)識(shí)是正確的，應(yīng)該加強(qiáng)這個(gè)關(guān)聯(lián)認(rèn)識(shí)，為此，將該關(guān)聯(lián)認(rèn)識(shí)的經(jīng)驗(yàn)因子m加1，各個(gè)屬性的貢獻(xiàn)度保持不變，并把該關(guān)聯(lián)認(rèn)識(shí)存儲(chǔ)到存儲(chǔ)體的第二行，使其清晰度為Top，刪除原關(guān)聯(lián)認(rèn)識(shí)，清晰度高于原來關(guān)聯(lián)認(rèn)識(shí)的認(rèn)識(shí)下移一個(gè)單位，低于的保持不變。這個(gè)處理稱為深化。

深化認(rèn)知計(jì)算可表述如下：

5.2.2 反思

方法付諸實(shí)施后，如果對(duì)應(yīng)的虛擬一元模糊事件：

在外部世界沒有發(fā)生，則表明該方法是不實(shí)用的，應(yīng)該修改和該任務(wù)關(guān)聯(lián)的認(rèn)識(shí)。為此，將該關(guān)聯(lián)認(rèn)識(shí)的經(jīng)驗(yàn)因子m減1，各個(gè)屬性的貢獻(xiàn)度保持不變，這個(gè)處理稱為反思。

反思認(rèn)知計(jì)算可表述如下：

深化和反思認(rèn)知計(jì)算充分反映了改造世界對(duì)理解世界的影響。

6 認(rèn)知計(jì)算實(shí)驗(yàn)

6.1 認(rèn)知計(jì)算性能指標(biāo)CCD（Cognitive Computation Data）

（1）成功率η

某一時(shí)間段內(nèi)，完成的任務(wù)占提交的總?cè)蝿?wù)比例，稱為成功率。成功率η反映了改造世界在形式上的效果，其最理想的值是100%。

（2）遺忘率 ρ

某一時(shí)間段內(nèi)，遺忘的認(rèn)識(shí)占曾經(jīng)存儲(chǔ)在存儲(chǔ)體中的全部認(rèn)識(shí)的比例。遺忘率 ρ高將導(dǎo)致成功率η降低，其最理想的值是0。

（3）深化率δ

某一時(shí)間段內(nèi)，深化的認(rèn)識(shí)和輸出的方法的比例，反映了相應(yīng)認(rèn)知計(jì)算對(duì)人類認(rèn)知模擬的精度，其最理想的值是100%。

（4）反思率θ

某一時(shí)間段內(nèi)，反思的認(rèn)識(shí)和輸出的方法的比例，該比例反映了所有認(rèn)知計(jì)算對(duì)人類認(rèn)知模擬的誤差，其最理想的值是0。

6.2 實(shí)驗(yàn)樣本及實(shí)驗(yàn)過程

6.2.1 實(shí)驗(yàn)數(shù)據(jù)

（1）事件-任務(wù)流

按時(shí)間先后依次出現(xiàn)的一組相似一元模糊事件和最后出現(xiàn)的與該組一元模糊事件相關(guān)聯(lián)的一個(gè)任務(wù)構(gòu)成了一個(gè)事件-任務(wù)流，表示為e1→e2→…→ep→wi。

（2）認(rèn)識(shí)-任務(wù)流

按時(shí)間先后依次出現(xiàn)的一個(gè)輸入認(rèn)識(shí)及一個(gè)關(guān)聯(lián)任務(wù)構(gòu)成了一個(gè)認(rèn)識(shí)-任務(wù)流，表示為cin→wq。

6.2.2 實(shí)驗(yàn)數(shù)據(jù)庫

選擇人類認(rèn)知環(huán)境存在的不同的事件-任務(wù)流87個(gè)和不同的認(rèn)識(shí)-任務(wù)流39個(gè)組成實(shí)驗(yàn)數(shù)據(jù)庫，其中屬于自然科學(xué)類95個(gè)，社會(huì)科學(xué)類31個(gè)；完成實(shí)驗(yàn)數(shù)據(jù)庫中全部任務(wù)的方法都是可檢驗(yàn)的。

6.2.3 認(rèn)知計(jì)算流程CCP（Cognitive Computation Process）

按時(shí)間先后順序出現(xiàn)的若干個(gè)事件-任務(wù)流及認(rèn)識(shí)-任務(wù)流交叉構(gòu)成了一個(gè)認(rèn)知計(jì)算流程，其中，不同的事件-任務(wù)流及認(rèn)識(shí)-任務(wù)流中的單個(gè)事件、認(rèn)識(shí)、任務(wù)可以按時(shí)間的先后交互出現(xiàn)，圖2即為一個(gè)認(rèn)知計(jì)算流程事例，它由2個(gè)事件-任務(wù)流及1個(gè)認(rèn)識(shí)-任務(wù)流組成，其中，e1→e2→e3→w1是事件-任務(wù)流1，e5→e6→w2是事件-任務(wù)流2，cin→w3是認(rèn)識(shí)-任務(wù)流1。

圖2 認(rèn)知計(jì)算流程示例

6.2.4 認(rèn)知計(jì)算實(shí)驗(yàn)及結(jié)果

編制了一個(gè)程序sample，隨機(jī)抽取實(shí)驗(yàn)數(shù)據(jù)庫中的不同的事件-任務(wù)流α個(gè)和不同認(rèn)識(shí)-任務(wù)流β個(gè)，其中，α+β=33，α≥0，β≥0，組成一個(gè)認(rèn)知計(jì)算流程，作為認(rèn)知計(jì)算實(shí)驗(yàn)的認(rèn)知對(duì)象。綜合考慮實(shí)驗(yàn)數(shù)據(jù)庫中的數(shù)據(jù)對(duì)存儲(chǔ)容量的要求，確定7個(gè)不同的存儲(chǔ)體容量，分別是 v1=368，v2=396，v3=425，v4=425，v5=481，v6= 510，v7=738，v1=368，而v7=738足夠大。為初始認(rèn)識(shí)添加貢獻(xiàn)度的算法采用生成初始認(rèn)識(shí)的算法APC中的平均值法，為后繼認(rèn)識(shí)添加貢獻(xiàn)度的算法采用生成后繼認(rèn)識(shí)的算法ASC中的反饋法，存儲(chǔ)認(rèn)知數(shù)據(jù)的認(rèn)知計(jì)算如前所述，完成任務(wù)的算法使用完成任務(wù)的算法ACW中的比例放大法或結(jié)元控制法，方法的實(shí)用性人工鑒定，并根據(jù)鑒定的結(jié)果對(duì)存儲(chǔ)體存儲(chǔ)的關(guān)聯(lián)認(rèn)識(shí)進(jìn)行深化和反思認(rèn)知計(jì)算。對(duì)7個(gè)不同的存儲(chǔ)容量，分別對(duì)sample輸出的117個(gè)認(rèn)知計(jì)算流程進(jìn)行了認(rèn)知計(jì)算實(shí)驗(yàn)，計(jì)算認(rèn)知計(jì)算性能指標(biāo)的時(shí)刻為每個(gè)認(rèn)知計(jì)算流程的最末時(shí)刻，分別計(jì)算、記錄117個(gè)認(rèn)知流程的成功率η、遺忘率 ρ、深化率δ、反思率θ。全部實(shí)驗(yàn)的部分結(jié)果如表1。

從實(shí)驗(yàn)結(jié)果中可以總結(jié)出：（1）對(duì)于不同的認(rèn)知計(jì)算流程，雖然它們的認(rèn)知計(jì)算性能指標(biāo)有所差異，但總有η+ρ≥1，δ+θ=1，且η＞ρ、δ＞θ，符合已有文獻(xiàn)的報(bào)道[13-14]，說明基于認(rèn)知元的認(rèn)知計(jì)算符合人類的認(rèn)知特征。（2）對(duì)于同一個(gè)認(rèn)知計(jì)算流程，存儲(chǔ)體容量v越大，成功率η及深化率δ就越大，而反思率θ及遺忘率ρ就越小，說明存儲(chǔ)體容量v的增大能夠改善認(rèn)知計(jì)算的性能指標(biāo)；當(dāng)存儲(chǔ)容量v增大到足夠大時(shí)，成功率η可以達(dá)到最理想的100%，遺忘率ρ也降低到最理想的0，但深化率δ的大小卻基本位于一個(gè)穩(wěn)定的區(qū)間，約在80%～90%之間，反思率θ的大小相應(yīng)地穩(wěn)定在10%～20%之間，不再明顯改善，這種現(xiàn)象稱為飽和，相應(yīng)的深化率及反思率的值稱為飽和值；該認(rèn)知規(guī)律和很多心理學(xué)實(shí)驗(yàn)結(jié)果一致[15-16]。

表1 認(rèn)知計(jì)算實(shí)驗(yàn)的部分實(shí)驗(yàn)結(jié)果 （%）

7 基于認(rèn)知元的認(rèn)知計(jì)算的優(yōu)點(diǎn)

基于認(rèn)知元的認(rèn)知計(jì)算中，生成初始認(rèn)識(shí)的算法APC和生成后繼認(rèn)識(shí)的算法ASC是將一元模糊事件計(jì)算為認(rèn)識(shí)c，模擬的是認(rèn)知過程中的生成認(rèn)知數(shù)據(jù)；行列可變的存儲(chǔ)體及有效搜索、記憶、回憶、學(xué)習(xí)、遺忘等算法模擬的是認(rèn)知過程中的存儲(chǔ)認(rèn)知數(shù)據(jù)；而完成任務(wù)的算法ACW、深化、反思等算法模擬的是認(rèn)知過程中的優(yōu)化認(rèn)知數(shù)據(jù)；因此，基于認(rèn)知元的認(rèn)知計(jì)算模擬的是認(rèn)知。

其次，基于認(rèn)知元的認(rèn)知計(jì)算實(shí)驗(yàn)中，認(rèn)知對(duì)象是一個(gè)按時(shí)間先后順序出現(xiàn)的若干個(gè)事件-任務(wù)流及認(rèn)識(shí)-任務(wù)流交叉構(gòu)成的認(rèn)知計(jì)算流程，其中的e1，e2，…，ep既包含人類認(rèn)知中的精確信息，也包括人類認(rèn)知中的模糊信息，cin能夠表達(dá)人類認(rèn)知已經(jīng)總結(jié)出所有知識(shí)，并且cin可以直接輸入繼承，wi、wq能夠表達(dá)人類認(rèn)知需要完成的所有任務(wù)；而若干個(gè)e1→e2→…→ep→wi及cin→wq交叉，既反映了人類為完成一個(gè)具體任務(wù)w的認(rèn)知過程是串行的認(rèn)知規(guī)律，又反映了人類為完成多個(gè)不同的任務(wù)w1，w2，…，wq的認(rèn)知過程是并行的認(rèn)知規(guī)律；因此，基于認(rèn)知元的認(rèn)知實(shí)驗(yàn)以認(rèn)知計(jì)算流程作為認(rèn)知對(duì)象，可以精確表達(dá)人類認(rèn)知過程中需要計(jì)算的所有數(shù)據(jù)，具有通用性。

最后，為檢驗(yàn)認(rèn)知計(jì)算模擬人類認(rèn)知的精確程度，基于認(rèn)知元的認(rèn)知計(jì)算設(shè)計(jì)了4個(gè)量化的認(rèn)知計(jì)算性能指標(biāo)成功率η、遺忘率 ρ、深化率δ及反思率θ，這4個(gè)指標(biāo)能夠精確表達(dá)該認(rèn)知計(jì)算生成認(rèn)知數(shù)據(jù)、存儲(chǔ)認(rèn)知數(shù)據(jù)、優(yōu)化認(rèn)知數(shù)據(jù)性能的高低；在基于認(rèn)知元的認(rèn)知計(jì)算實(shí)驗(yàn)中，一方面計(jì)算出同一個(gè)認(rèn)知流程在存儲(chǔ)體容量v取不同值時(shí)對(duì)應(yīng)的η、ρ、δ及θ的值，并逐一統(tǒng)計(jì)η+ρ、δ+θ、η及ρ、δ及θ的變化規(guī)律；另一方面計(jì)算出不同的認(rèn)知流程在存儲(chǔ)體容量v取相同值時(shí)對(duì)應(yīng)的η、δ、θ及 ρ的值，并匯總統(tǒng)計(jì)存儲(chǔ)體容量v的變化對(duì)η、ρ、δ及θ的影響規(guī)律；最后比較統(tǒng)計(jì)出的認(rèn)知規(guī)律和人類現(xiàn)有的認(rèn)知規(guī)律的吻合程度，并做出判斷；因此，基于認(rèn)知元的認(rèn)知計(jì)算，檢驗(yàn)指標(biāo)科學(xué)全面，實(shí)驗(yàn)結(jié)果具有可比性。

此外，本文提出的認(rèn)知元其表示形式為x(ax)，y(ay)，z(az)等，既包括精確認(rèn)知元，又包括模糊認(rèn)知元，因此它是人類認(rèn)知中精確信息和模糊信息的有效表達(dá)；而文獻(xiàn)[1]中的一元事件認(rèn)知模型采用的認(rèn)知元其表示形式為x，y，z等，是精確認(rèn)知元，因而它只能表達(dá)人類認(rèn)知中的精確信息，外延很小。基于認(rèn)知元的認(rèn)知計(jì)算，其認(rèn)知數(shù)據(jù)如一元模糊事件、認(rèn)知、任務(wù)、方法等均為定量表達(dá)，存儲(chǔ)體中存儲(chǔ)的是量化的貢獻(xiàn)度和經(jīng)驗(yàn)因子，如認(rèn)識(shí)c1=f[x1(0.38)，x2(0.20)，x4(0.42)]/17→------y1(1)，存儲(chǔ)體中存儲(chǔ)的是0.38，0.20，0.42，17這些量化的貢獻(xiàn)度和經(jīng)驗(yàn)因子；而文獻(xiàn)[1]中的一元事件認(rèn)知模型的認(rèn)知數(shù)據(jù)只是定性表達(dá)，如認(rèn)識(shí) y2=[x3，x4/a][x1，x3/b]，存儲(chǔ)體中存儲(chǔ)的是為等價(jià)必體所加的定性標(biāo)識(shí)a，b等?；谡J(rèn)知元的認(rèn)知計(jì)算以生成認(rèn)知數(shù)據(jù)、存儲(chǔ)認(rèn)知數(shù)據(jù)、優(yōu)化認(rèn)知數(shù)據(jù)等一系列細(xì)分的認(rèn)知計(jì)算來實(shí)現(xiàn)不同的認(rèn)知功能；而一元事件認(rèn)知模型只給出了感悟機(jī)構(gòu)、接收機(jī)構(gòu)、記憶機(jī)構(gòu)、任務(wù)機(jī)構(gòu)、推理機(jī)構(gòu)、思考機(jī)構(gòu)等認(rèn)知功能模塊，沒有具體的認(rèn)知計(jì)算分別予以實(shí)現(xiàn)?；谡J(rèn)知元的認(rèn)知計(jì)算研究成功率、遺忘率、深化率、反思率的改變規(guī)律；而一元事件認(rèn)知模型研究認(rèn)識(shí)的范數(shù)、單元數(shù)、復(fù)雜度及所在行的清晰度的改變規(guī)律。最重要的是，相對(duì)于一元事件認(rèn)知模型，基于認(rèn)知元的認(rèn)知計(jì)算總結(jié)出的認(rèn)知規(guī)律符合人類現(xiàn)有的認(rèn)知規(guī)律，能夠準(zhǔn)確模擬人類的認(rèn)知。

8 結(jié)束語

基于認(rèn)知元的認(rèn)知計(jì)算首次將認(rèn)知信息表達(dá)為認(rèn)知元的形式，創(chuàng)新地將生成認(rèn)知數(shù)據(jù)表達(dá)為將一元模糊事件計(jì)算為認(rèn)識(shí)，將存儲(chǔ)認(rèn)知數(shù)據(jù)表達(dá)為有效搜索、記憶、回憶、學(xué)習(xí)、遺忘等認(rèn)知計(jì)算，將優(yōu)化認(rèn)知數(shù)據(jù)表達(dá)為完成任務(wù)、深化、反思等認(rèn)知計(jì)算；設(shè)計(jì)了4個(gè)量化的認(rèn)知計(jì)算指標(biāo)成功率η、深化率δ、反思率θ及遺忘率ρ來檢驗(yàn)認(rèn)知計(jì)算的性能；在認(rèn)知計(jì)算實(shí)驗(yàn)中，提出了以認(rèn)知計(jì)算流程作為認(rèn)知計(jì)算對(duì)象的新觀點(diǎn)。基于認(rèn)知元的認(rèn)知計(jì)算改正了現(xiàn)有認(rèn)知計(jì)算不能準(zhǔn)確模擬人類認(rèn)知的缺陷。對(duì)大量的實(shí)驗(yàn)結(jié)果進(jìn)行分析發(fā)現(xiàn)，基于認(rèn)知元的認(rèn)知計(jì)算總結(jié)出的認(rèn)知規(guī)律符合人類現(xiàn)有的認(rèn)知規(guī)律，增加存儲(chǔ)體容量能夠改善認(rèn)知計(jì)算的所有性能指標(biāo)，當(dāng)存儲(chǔ)體的容量增加到足夠大時(shí)，η、ρ可以達(dá)到最理想的值，但δ及θ卻只能達(dá)到飽和值，因此，基于認(rèn)知元的認(rèn)知計(jì)算能夠準(zhǔn)確模擬人類的認(rèn)知。

[1]馮康，姚南生.基于一元事件的認(rèn)知模型[J].模式識(shí)別與人工智能，2012，25（1）：172-180.

[2]Kleanthis C N，Marios N A，Costas K N，et al.Selective attention and consciousness：investigating their relation through computational modelling[J].Cognitive Computation，2011，3（1）：321-331.

[3]Laird J E，Newell A，Rosenbloom P S.SOAR：an architecture for general intelligence[J].Artificial Intelligence，1987，33（1）：1-64.

[4]José H，David L D.Measuring universal intelligence：towards an anytime intelligence test[J].Artificial Intelligence，2010，174（18）：1508-1539.

[5]Harold B，Alvin A，Robert J S.Repetition learning of vibrotactile temporal sequences：an fMRI study in blind and sighted individuals[J].Brain Research，2012，1433（18）：69-79.

[6]Freeman W J，Ahlfors S P，Menon V.Combining fMRI with EEG and MEG in order to relate patterns of brain activity to cognition[J].International Journal of Psychophysiology，2009，73（1）：43-52.

[7]支聯(lián)合，李玉曉，趙書俊，等.基于離散小波變換的fMRI數(shù)據(jù)特征提取[J].中國醫(yī)學(xué)影像技術(shù)，2010，26（6）：1151-1154.

[8]Mary H M，Karen M A，Kimberly A C.Resting EEG in alpha and beta bands predicts individual differences in attentional blink magnitude[J].Brain and Cognition，2012，78（3）：218-229.

[9]Daniel C K，Michelle M，Colin M D，et al.An fMRI investigation of cognitive stages in reasoning by analogy[J]. Brain Research，2010，1342（25）：63-73.

[10]William J M，Annalena V，Irving K，et al.Suggested visual hallucination without hypnosis enhances activity in visual areas of the brain[J].Consciousness and Cognition，2012，21（1）：100-116.

[11]Hinojosa W M，Nefti S，Kaymak U.Systems control with generalized probabilistic fuzzy-reinforcement learning[J]. IEEE Transactions on Fuzzy Systems，2011，19（1）：51-64.

[12]Zadeh L A.Fuzzy sets as a basis for a theory of possibility[J].Fuzzy Sets and Systems，1999，100（1）：9-34.

[13]Katrin B，Katrin S，Stefan K.Electrophysiological correlatesofverbaland tonalworking memory[J].Brain Research，2012，1432（13）：84-94.

[14]Gao Zaifeng，Yin Jun，Xu Haokui，et al.Tracking object number or information load in visual working memory：revisiting the cognitive implication of contralateral delay activity[J].Biological Psychology，2011，87（2）：296-302.

[15]Fatemeh G，Sonia L E B，Robert L，et al.The contribution of the inferior parietal cortex to spoken language production[J].Brain and Language，2012，121（1）：47-57.

[16]Milton F，Muhlert N，Butler C R，et al.The neural correlates of everyday recognition memory[J].Brain and Cognition，2011，76（3）：369-381.

FENG Kang

Department of Computer and Information Engineering,Huainan Normal University,Huainan,Anhui 232038,China

Aiming at the flaw that the current cognitive computations aren’t able to simulate cognition accurately,the cognitive computation based on cognitive unit is proposed.All the cognitive data originate from cognitive unit.The cognitive computation based on cognitive unit is composed of producing cognitive data,storing cognitive data and improving cognitive data.Experimental results demonstrate that the cognitive computation based on cognitive unit accords closely with cognitive rules of human beings,and increasing the memory volume improves all the cognitive computation data.The achievement rate of work and the rate of losing cognition reach optimal values while the memory volume is large enough, but the rate of self-examination cognition and the rate of deepening cognition only reach saturation values.So the cognitive computation based on cognitive unit is able to simulate cognition accurately.

cognitive unit;cognition;work;cognitive computation data

為改正已有認(rèn)知計(jì)算不能準(zhǔn)確模擬人類認(rèn)知的缺陷，提出了基于認(rèn)知元的認(rèn)知計(jì)算。它的認(rèn)知數(shù)據(jù)來源于認(rèn)知元，認(rèn)知計(jì)算由生成認(rèn)知數(shù)據(jù)、存儲(chǔ)認(rèn)知數(shù)據(jù)、優(yōu)化認(rèn)知數(shù)據(jù)組成。研究發(fā)現(xiàn)，基于認(rèn)知元的認(rèn)知計(jì)算符合人類的認(rèn)知規(guī)律；增加存儲(chǔ)體容量能夠改善認(rèn)知計(jì)算的所有性能指標(biāo)，當(dāng)存儲(chǔ)體的容量增加到足夠大時(shí)，成功率及遺忘率可以達(dá)到最理想的值，但深化率和反思率卻只能達(dá)到飽和值。因此，基于認(rèn)知元的認(rèn)知計(jì)算能夠準(zhǔn)確模擬人類的認(rèn)知。

認(rèn)知元；認(rèn)識(shí)；任務(wù)；認(rèn)知計(jì)算指標(biāo)

A

TP181

10.3778/j.issn.1002-8331.1305-0436

FENG Kang.Cognitive computation based on cognitive unit.Computer Engineering and Applications,2014,50（24）：143-150.

國家自然科學(xué)基金（No.11401243）。

馮康（1968—），男，副教授，主要研究領(lǐng)域?yàn)檎J(rèn)知計(jì)算、人工智能。E-mail：fenglikanglcq@163.com

2013-05-31

2013-09-11

1002-8331（2014）24-0143-08

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-07-11，http∶//www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1305-0436.html

book=150,ebook=155