掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人機混合智能系統自主性理論和方法 版權信息
- ISBN：9787030687685
- 條形碼：9787030687685 ; 978-7-03-068768-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人機混合智能系統自主性理論和方法 內容簡介
人工智能（ArtifiIntelligence,AI）技術的迅猛發展可能是科技領域近些年很為令人激動人心的現象之一。很少有一項具體的技術引發社會如此廣泛的關注，除了技術專家，哲學、法律、道德、社會、管理、經濟等各領域的專家學者都在其中各執一詞，而普通民眾也同樣表現出極大的熱情，莫衷一是。這充分表現出AI技術對我們整個世界的方方面面既有的巨大影響力，也同樣預示著這一技術在未來重塑我們的整個世界的巨大潛力。
人機混合智能系統自主性理論和方法 目錄
目錄
前言
第1章 人工智能時代人機系統的新發展 1
1.1 面向自動化控制的人機系統 1
1.1.1 系統、機器和人 1
1.1.2 人機系統典型例子 3
1.1.3 研究人機系統的必要性 5
1.1.4 人機系統相關研究領域 6
1.2 人工智能時代的人機混合智能系統 8
1.2.1 人工智能技術的未來展望 8
1.2.2 弱人工智能與人機混合智能系統 11
1.2.3 人機混合智能系統的典型例子和場景 15
1.2.4 人機混合智能系統中人的位置 20
1.3 人機混合智能系統的研究挑戰 21
1.3.1 作為關鍵核心的自主性 21
1.3.2 人機混合智能系統及其自主性的相關研究 22
1.3.3 人機混合智能系統研究面臨的挑戰 28
1.3.4 學術界和政府關注 29
1.4 本章小結 30
第I部分 人機混合智能系統自主性理論
第2章 人機混合智能系統基于空間和邊界概念的自主性描述框架 33
2.1 人機混合智能系統的自主性及其邊界 33
2.1.1 人機混合智能系統的智能與自主性的一般討論 33
2.1.2 人機混合智能系統的自主性空間 36
2.1.3 人機混合智能系統的自主性邊界 39
2.2 自主性空間和自主性邊界的擴展 41
2.2.1 自主性絕對邊界 42
2.2.2 自主性相對空間和相對邊界 43
2.3 人與機器自主決策的聯合形式表示 44
2.4 本章小結 45
第3章 人機混合智能系統基于自主性聯合空間和聯合邊界的設計框架.46
3.1 人機混合智能系統的基本控制策略和設計框架 46
3.1.1 人機混合智能系統的基本控制策略：介入控制和共享控制 46
3.1.2 人機混合智能系統的基本設計框架：自主性聯合空間和聯合邊界 49
3.2 人在環上：人機混合智能系統的介入控制 52
3.2.1 機器（單向）介入控制 52
3.2.2 人的（單向）介入控制 53
3.2.3 人機切換（雙向介入）控制 54
3.3 人在環內：人機系統中人與機器的共享控制 56
3.3.1 基本共享控制 56
3.3.2 擴展共享控制 57
3.4 本章小結 58
第4章 自主性邊界：深度學習不確定性的定量刻畫 59
4.1 面向人機混合智能系統的深度學習不確定性的定量刻畫 59
4.2 基于貝葉斯模型刻畫深度學習不確定性的幾種代表性方法 61
4.2.1 Probabilistic backpropagation方法 61
4.2.2 Bayes by backprop方法 63
4.2.3 MC dropout方法 65
4.3 模型不確定性在強化學習中的應用 66
4.3.1 通過量化模型不確定性促進深入探索 67
4.3.2 通過量化模型不確定性實現動態避障 68
4.4 本章小結 69
第5章 自主性邊界：不同場景下的典型判定及應用 70
5.1 介入控制下的自主性邊界典型判定及應用 70
5.1.1 機器介入人：利用自主性邊界的判定優化機器對人的*小干預 70
5.1.2 人介入機器：利用自主性邊界的判定優化強化學習算法 74
5.2 共享控制下的自主性邊界典型判定及應用 77
5.2.1 共享控制中的自主性邊界判定 77
5.2.2 基于仲裁機制的人機共享控制 79
5.2.3 利用自主性邊界優化基于仲裁機制的人機共享控制 80
5.3 本章小結 82
第II部分 人機混合智能系統設計方法
第6章 人在環上：人的認知提升機器智能 85
6.1 利用人的認知特性提升機器學習算法性能的基本思想 85
6.2 利用人的認知心理模型提升機器智能 86
6.2.1 樸素貝葉斯算法介紹 87
6.2.2 利用人的認知特性的拉普拉斯平滑模型對樸素貝葉斯算法性能的提升 89
6.2.3 利用人的認知特性的松散對稱模型對樸素貝葉斯算法性能的提升 91
6.2.4 引入松散對稱模型提升基于拉普拉斯平滑的樸素貝葉斯算法的性能 94
6.3 利用人的生理認知特性提升機器智能 96
6.3.1 目標識別任務中人的生理認知特性測量 96
6.3.2 利用人腦視覺神經的活動特點改進支持向量機算法 97
6.4 本章小結 100
第7章 人在環上：人的介入增強AI系統可靠性 101
7.1 增強AI系統可靠性的必要性和重要性.101
7.1.1 對AI系統可靠性的要求 101
7.1.2 現有技術框架難以從本質上保證AI系統的可靠性 103
7.2 人的介入增強AI系統可靠性的思路和方法框架 104
7.2.1 人的介入增強AI系統可靠性的基本思路 104
7.2.2 人的介入增強AI系統可靠性的基本框架 105
7.3 人的介入提升珍珠分揀準確性 107
7.3.1 方法和實驗設置 107
7.3.2 獨立網絡模型的搭建及訓練.108
7.3.3 基于人的分歧介入方法的珍珠分揀實驗結果 109
7.4 本章小結 109
第8章 人在環內：基于POMDP的共享自主 110
8.1 POMDP模型及其求解 110
8.1.1 POMDP模型表示 110
8.1.2 POMDP模型求解 112
8.2 基于POMDP的人機共享自主典型實例 113
8.2.1 利用POMDP實現汽車車道保持的共享自主 114
8.2.2 利用POMDP實現智能學習輔助系統的共享自主 116
8.3 過度信任和缺乏信任在基于POMDP的共享控制框架下的解釋 118
8.4 本章小結 120
第9章 人在環內：基于強化學習的共享控制 121
9.1 強化學習和深度強化學習基本知識 121
9.1.1 強化學習基本知識 121
9.1.2 深度強化學習基本知識 124
9.2 基于強化學習的共享控制典型方法 127
9.2.1 基于DQN的無須先驗知識的共享控制方法 127
9.2.2 基于SAC的無須預先訓練的共享控制方法 129
9.2.3 基于AC的無須動態模型的共享控制方法 132
9.3 基于強化學習的共享控制實例 134
9.4 本章小結 136
第10章 人在環內：人機序貫決策的共享控制 138
10.1 序貫決策的基本概念.138
10.2 人機序貫決策問題的典型場景.141
10.2.1 “人參與問題”的人機序貫決策 141
10.2.2 “人介入方法”的人機序貫決策 142
10.3 基于POMDP方法求解“人參與問題”的人機序貫決策問題 143
10.3.1 “人參與問題”的人機序貫決策問題的POMDP框架概述 143
10.3.2 人機系統的POMDP框架實現駕駛輔助系統中的“車道保持” 145
10.4 基于MPC方法求解“人參與問題”的人機序貫決策問題 147
10.4.1 “人參與問題”的人機序貫決策問題的MPC框架概述 147
10.4.2 人機系統的MPC框架實現輔助駕駛系統中的“車輛變道” 148
10.5 基于RL方案求解“人介入方法”的人機序貫決策問題 150
10.5.1 “人介入方法”的人機序貫決策問題的RL框架概述 150
10.5.2 人機系統的RL框架實現倒立擺系統性能的提升 152
10.6 本章小結 154
參考文獻 155
索引 167
插圖目錄 169
表格目錄171
算法目錄 172
定義列表 173
例子列表 174
前言
第1章 人工智能時代人機系統的新發展 1
1.1 面向自動化控制的人機系統 1
1.1.1 系統、機器和人 1
1.1.2 人機系統典型例子 3
1.1.3 研究人機系統的必要性 5
1.1.4 人機系統相關研究領域 6
1.2 人工智能時代的人機混合智能系統 8
1.2.1 人工智能技術的未來展望 8
1.2.2 弱人工智能與人機混合智能系統 11
1.2.3 人機混合智能系統的典型例子和場景 15
1.2.4 人機混合智能系統中人的位置 20
1.3 人機混合智能系統的研究挑戰 21
1.3.1 作為關鍵核心的自主性 21
1.3.2 人機混合智能系統及其自主性的相關研究 22
1.3.3 人機混合智能系統研究面臨的挑戰 28
1.3.4 學術界和政府關注 29
1.4 本章小結 30
第I部分 人機混合智能系統自主性理論
第2章 人機混合智能系統基于空間和邊界概念的自主性描述框架 33
2.1 人機混合智能系統的自主性及其邊界 33
2.1.1 人機混合智能系統的智能與自主性的一般討論 33
2.1.2 人機混合智能系統的自主性空間 36
2.1.3 人機混合智能系統的自主性邊界 39
2.2 自主性空間和自主性邊界的擴展 41
2.2.1 自主性絕對邊界 42
2.2.2 自主性相對空間和相對邊界 43
2.3 人與機器自主決策的聯合形式表示 44
2.4 本章小結 45
第3章 人機混合智能系統基于自主性聯合空間和聯合邊界的設計框架.46
3.1 人機混合智能系統的基本控制策略和設計框架 46
3.1.1 人機混合智能系統的基本控制策略：介入控制和共享控制 46
3.1.2 人機混合智能系統的基本設計框架：自主性聯合空間和聯合邊界 49
3.2 人在環上：人機混合智能系統的介入控制 52
3.2.1 機器（單向）介入控制 52
3.2.2 人的（單向）介入控制 53
3.2.3 人機切換（雙向介入）控制 54
3.3 人在環內：人機系統中人與機器的共享控制 56
3.3.1 基本共享控制 56
3.3.2 擴展共享控制 57
3.4 本章小結 58
第4章 自主性邊界：深度學習不確定性的定量刻畫 59
4.1 面向人機混合智能系統的深度學習不確定性的定量刻畫 59
4.2 基于貝葉斯模型刻畫深度學習不確定性的幾種代表性方法 61
4.2.1 Probabilistic backpropagation方法 61
4.2.2 Bayes by backprop方法 63
4.2.3 MC dropout方法 65
4.3 模型不確定性在強化學習中的應用 66
4.3.1 通過量化模型不確定性促進深入探索 67
4.3.2 通過量化模型不確定性實現動態避障 68
4.4 本章小結 69
第5章 自主性邊界：不同場景下的典型判定及應用 70
5.1 介入控制下的自主性邊界典型判定及應用 70
5.1.1 機器介入人：利用自主性邊界的判定優化機器對人的*小干預 70
5.1.2 人介入機器：利用自主性邊界的判定優化強化學習算法 74
5.2 共享控制下的自主性邊界典型判定及應用 77
5.2.1 共享控制中的自主性邊界判定 77
5.2.2 基于仲裁機制的人機共享控制 79
5.2.3 利用自主性邊界優化基于仲裁機制的人機共享控制 80
5.3 本章小結 82
第II部分 人機混合智能系統設計方法
第6章 人在環上：人的認知提升機器智能 85
6.1 利用人的認知特性提升機器學習算法性能的基本思想 85
6.2 利用人的認知心理模型提升機器智能 86
6.2.1 樸素貝葉斯算法介紹 87
6.2.2 利用人的認知特性的拉普拉斯平滑模型對樸素貝葉斯算法性能的提升 89
6.2.3 利用人的認知特性的松散對稱模型對樸素貝葉斯算法性能的提升 91
6.2.4 引入松散對稱模型提升基于拉普拉斯平滑的樸素貝葉斯算法的性能 94
6.3 利用人的生理認知特性提升機器智能 96
6.3.1 目標識別任務中人的生理認知特性測量 96
6.3.2 利用人腦視覺神經的活動特點改進支持向量機算法 97
6.4 本章小結 100
第7章 人在環上：人的介入增強AI系統可靠性 101
7.1 增強AI系統可靠性的必要性和重要性.101
7.1.1 對AI系統可靠性的要求 101
7.1.2 現有技術框架難以從本質上保證AI系統的可靠性 103
7.2 人的介入增強AI系統可靠性的思路和方法框架 104
7.2.1 人的介入增強AI系統可靠性的基本思路 104
7.2.2 人的介入增強AI系統可靠性的基本框架 105
7.3 人的介入提升珍珠分揀準確性 107
7.3.1 方法和實驗設置 107
7.3.2 獨立網絡模型的搭建及訓練.108
7.3.3 基于人的分歧介入方法的珍珠分揀實驗結果 109
7.4 本章小結 109
第8章 人在環內：基于POMDP的共享自主 110
8.1 POMDP模型及其求解 110
8.1.1 POMDP模型表示 110
8.1.2 POMDP模型求解 112
8.2 基于POMDP的人機共享自主典型實例 113
8.2.1 利用POMDP實現汽車車道保持的共享自主 114
8.2.2 利用POMDP實現智能學習輔助系統的共享自主 116
8.3 過度信任和缺乏信任在基于POMDP的共享控制框架下的解釋 118
8.4 本章小結 120
第9章 人在環內：基于強化學習的共享控制 121
9.1 強化學習和深度強化學習基本知識 121
9.1.1 強化學習基本知識 121
9.1.2 深度強化學習基本知識 124
9.2 基于強化學習的共享控制典型方法 127
9.2.1 基于DQN的無須先驗知識的共享控制方法 127
9.2.2 基于SAC的無須預先訓練的共享控制方法 129
9.2.3 基于AC的無須動態模型的共享控制方法 132
9.3 基于強化學習的共享控制實例 134
9.4 本章小結 136
第10章 人在環內：人機序貫決策的共享控制 138
10.1 序貫決策的基本概念.138
10.2 人機序貫決策問題的典型場景.141
10.2.1 “人參與問題”的人機序貫決策 141
10.2.2 “人介入方法”的人機序貫決策 142
10.3 基于POMDP方法求解“人參與問題”的人機序貫決策問題 143
10.3.1 “人參與問題”的人機序貫決策問題的POMDP框架概述 143
10.3.2 人機系統的POMDP框架實現駕駛輔助系統中的“車道保持” 145
10.4 基于MPC方法求解“人參與問題”的人機序貫決策問題 147
10.4.1 “人參與問題”的人機序貫決策問題的MPC框架概述 147
10.4.2 人機系統的MPC框架實現輔助駕駛系統中的“車輛變道” 148
10.5 基于RL方案求解“人介入方法”的人機序貫決策問題 150
10.5.1 “人介入方法”的人機序貫決策問題的RL框架概述 150
10.5.2 人機系統的RL框架實現倒立擺系統性能的提升 152
10.6 本章小結 154
參考文獻 155
索引 167
插圖目錄 169
表格目錄171
算法目錄 172
定義列表 173
例子列表 174
展開全部
人機混合智能系統自主性理論和方法 節選
第1章 人工智能時代人機系統的新發展 本章摘要 以應用為驅動的人工智能技術的迅猛發展正未有窮期，有理由相信“智能”將成為未來世界各個領域的重要標簽。在這一歷史進程中，我們認為，人的智能和人工智能賦能的機器智能的交互融合將成為未來具有根本性的系統結構范式。特別地，在我們所關注的自動化控制具體領域，從這一結構范式衍生出本書所稱的“人機混合智能系統”新型人機系統結構范式，成為本書的研究核心。作為全書的概論性章節，本章分析和討論人機混合智能系統的歷史淵源、具體實例、重要概念、研究發展等各個方面，以此描繪這一新興領域的概況性全景，為后續章節提供背景基礎。 本章第1.1節首先介紹面向自動化控制的人機系統的概念，第1.2節結合對人工智能技術未來發展的展望引出人機混合智能系統的基本定義，通過大量例子對該類系統的典型場景和人在其中的位置進行分析，*后在第1.3節指出自主性是人機混合智能系統研究的關鍵核心，相關的研究既存在巨大的挑戰，又有重要的理論和應用價值。 1.1 面向自動化控制的人機系統 本節首先介紹系統、機器和人機系統的基本概念，然后以若干典型例子增加讀者對自動化控制應用領域的人機系統的感性認識，進而總結其特點，*后通過與相關研究領域的對比廓清這一研究領域的內涵和外延。 1.1.1 系統、機器和人[1] 系統一詞有著極為廣闊的外延，在一般的意義上，“系統是自然界和人類社會中一切事物存在的基本方式，各式各樣的系統組成了我們所在的世界。一個系統是由相互關聯和相互作用的多個元素(或子系統)所組成的具有特定功能的有機整體，這個系統又可作為子系統成為更大系統的組成部分”[2]。從這一寬泛定義出發，細胞的構成和功能、人體內的血液流動、一國金融市場的運行、一個公司的組織架構、工廠生產線運作、機器人的構造和功能，如此等等，都可以從系統的角度去研究闡發。 本書所關心的系統主要是科學和工程領域的人造系統，特別是自動化控制系統。如前所述，系統由“多個元素（或子系統）所組成”，自動化控制系統的元素（或稱之為“組件”）一般是各種各樣的人造“機器”。所謂“機器”，廣義上是通過變換或傳遞能量、質量和信息，執行機械運動等達到特定目的的工具、裝置或設備的總稱？刂葡到y的組件一般包含了傳感器、控制器和執行器等。機器包括了種類繁多的溫濕度、速度、體積、高度等各種物理量的測量器件，可以測量受控對象的狀態/輸出信息，從而充當控制系統的傳感器；機器也包括了各種從嵌入式到大型的計算設備，可以進行控制算法的運行，從而充當控制系統的控制器；當然機器還包括機械手、汽車油門、各種開關等執行部件，可以實施制定好的控制策略，從而充當控制系統的執行器。 大多數自動化控制系統并不將人視為系統的組件，正如Bainbridge[3]所指出的：“The classic aim of automation is to replace human manual control， planning and problem solving by automatic devices and computers。”這一點易于理解，因為人類科技發展的一個重大目的，就是將人從繁重的勞動中解放出來。在這一哲學指導下，凡是能由機器自動化完成的便應該從人類的工作清單中刪除，例如，從工廠的大規模自動化流水線取代人類手工操作，到汽車、飛機的發明使得人類可以更快速、更舒適的旅行，到掃地機器人、洗碗機的出現把人從家務勞動中解放出來，無不是為了這一目的。 然而，盡管不情愿，我們仍需要謙虛承認的是，距離自動化在大多數領域取代人類勞作的目標，我們征途尚遠。不僅如此，在很多自動化控制系統已經有長足發展的領域，仍然需要人在監督、目標設定、應急響應等方面的持續投入及與自動化機器的密切交互。Bibby 等[4]指出：“ even highly automated systems， such as electric power networks， need human beings for supervision， adjustment， maintenance， expansion and improvement. Therefore one can draw the paradoxical conclusion that automated systems still are man-machine systems， for which both technical and human factors are important.”從這一觀點出發，有必要認真考察人在自動化控制系統中的地位和作用。 在科學和工程領域，人與機器相互依存、影響、協同而構成的整體便稱之為寬泛意義上的“人機系統”。這是一個具有悠久歷史、現在也高度活躍的研究領域。需要指出的是，人機系統的一般概念所包含的范圍比自動化控制系統要大得多，只不過在本書中我們的關注點主要是后者。也就是說，本書中所說的人機系統，大致可以理解為一般人機系統和一般自動化控制系統的交集，在不引發歧義的情況下，后文不再對這一范疇界定重復指出。 1.1.2 人機系統典型例子 我們首先通過如下典型例子增加對人機系統的感性認識。 例1.1 霍金的高科技輪椅 在物理學家霍金本人的傳奇人生外，他所使用的高科技輪椅也為人津津樂道（圖1.1(a)）。根據霍金個人網站上的介紹 à，他的輪椅1997年起由英特爾提供。輪椅前部有一臺裝載了主控軟件 ACAT的平板電腦；艚鹚宕鞯难坨R可使用紅外線感應他的面頰移動，這產生了一個開關切換信號，該信號進一步用來控制字符輸入并進行其他操控。這是霍金與輪椅的交互手段。ACAT裝載了由 SwiftKey提供的文字輸入預測算法，該算法通過霍金本人的各類出版物進行了適應性訓練，能夠準確地預測霍金的輸入。容易看出，在霍金輪椅的設計和使用過程中，我們很難將霍金本人的作用從中分離出來：SwiftKey的預測算法要以霍金先前的出版作品為訓練數據，也要不斷根據新的數據做調整；面頰移動的識別要針對霍金的具體情況做優化，使用過程中也需要根據具體情況做調整。在霍金的高科技輪椅這個例子上，人是一個不得不密切關注和考慮的顯式因素。 圖1.1 人機系統的例子：霍金的高科技輪椅和智能彈射座艙 例1.2 智能座艙何時彈射？ 新式戰機往往都安裝了一套操控座艙彈射的智能系統，該系統可以自動分析戰機飛行狀態和飛行員個人信息，保障飛行員在必要時以*大的安全性通過彈射安全逃離座艙，見圖1.1(b)，F有智能座艙彈射的觸發條件是基于人的判斷的，也即需要飛行員拉動彈射手柄彈射過程才會啟動。然而，激烈空戰很有可能會造成飛行員失去觸發彈射的行動能力或直接喪失意識，此時如果有一套不經由飛行員而可以自行觸發彈射的機制將極大地提高飛行員的生還率。這一自行觸發彈射機制的成功依賴于機器準確識別人的狀態，并在機器控制和人類控制之間做高效協同：在人意識清醒具有行動能力時錯誤彈射，將造成戰機損失；在人喪失觸發彈射能力時不能自行觸發彈射，則起不到應有的保護作用。該系統的設計要求必須將人和機器有機融合在一起，將人的因素做顯式的考慮。 例1.3 人在回路自行車控制 利用可穿戴設備可設計較為復雜的控制系統。在文獻[5]中，自行車騎手配備了一個測量心率的可穿戴設備，該設備實時進行心率測量，然后與設定心率相比，以此信號調整騎手的騎行功率。系統架構見圖1.2。 數學上，該系統可通過對自行車的車輪角速度 的動態變化、人的騎行效率和人的心率動態三者的描述而得到定量刻畫。三者的動態系統（狀態空間或傳遞函數）可分別描述如下： 式中其他參數見文獻[5]。 在本例中，人的心率、騎行功率等都深入構成為控制系統的一個組成部分，成為一個典型的人在回路的控制系統例子。與單純機器構成的系統比較，人的心率和騎行功率變化等都具有很大的隨意性，因而也就對控制系統的設計提出了不同于傳統控制系統的挑戰。 圖1.2 利用實時心率量測控制自行車騎行的系統結構圖（依照原著[5]重新繪制） 例1.4 武器的人類控制 人工智能近些年的迅猛發展在軍事領域帶來的*大變革之一是極大地提升了武器系統的“自主性”，即武器系統在缺少人為干預的情況下自主選擇(搜索、探測、識別、追蹤或選擇)和攻擊(使用武力打擊、壓制、破壞或摧毀)目標的能力——這成了各國政府爭相競爭的一個關鍵領域[6]。在此領域，美國可見、清楚且成功的軍事研發程度居世界之首，自主性已被美國認定為軍事現代化計劃的基石，是美國“第三次抵消戰略”的核心組成部分。與此同時，俄羅斯也在積極研發多種“自主武器系統”（autonomous weapon system， AWS)，大力推進武器的自主化，俄軍方研發的 Kalashnikov 的“神經網（neural net）”系統可自主搜尋和消滅目標，已經達到了相當的自主性。其他如以色列的“Harpy”反雷達無人機、韓國的“哨兵機槍”（super aEgis II sentry gun）等，都是一些具有變革性的新型自主武器系統。當前公開資料中所見的更多的是對自主性技術在戰爭形式、法律、倫理、人類未來等方面影響的討論，而缺少具體的技術方面的披露[7-9]。但有理由相信，這一技術將成為世界各國新一輪軍事競爭中*為關鍵的一環，極可能成為較落后國家彎道超車的必由之路。 顯然，任何武器系統的*終控制一定在人的手上，比如，智能導彈飛出后也還需要保留人改變攻擊目標的能力[10]。但基于人工智能技術的武器系統自主性的快速提高使得武器的人類控制變得越來越困難，致命自主武器系統的失控風險已經成為一個廣受關注的議題，國際紅十字會曾為此專門召開若干會議進行研討[11，12]。為了確保武器的人類控制，必須考慮武器自主性達到的程度及其不確定性，和人參與到武器系統控制中的風險和不確定性，這里人的因素也是明確的、顯式的。 1.1.3 研究人機系統的必要性 從第1.1.2小節中的例子我們可以看出以下幾點。 。1）人具有充當控制系統任意組件的能力：人的各種感覺器官如眼、鼻、舌、皮膚等具有感知各種相關物理量的能力，從而可以充當控制系統的傳感器；人的大腦具有獨特的智能，可以勝任控制系統的控制器；人的手、腳等也具有活動能力，從而可以充當控制系統的執行器。 （2）在上述例子中若不顯式考慮人的因素，或沒有人的深度介入，則系統就不能達到所設的目標，或者根本不可能（沒有人的因素的顯式考慮，武器的人類控制就是不可能的），或者效果不好（霍金的輪椅設計如果不全面考慮霍金本人需求，則使用效果必然會打折扣）。 （3）人在上述的人機系統例子中有其特殊作用和地位。一方面，人是控制系統目標的終極來源，任何系統的設計總是為人服務的，人是控制系統存在的原因，為控制系統設定目標，賦予價值，這一作用是機器所不具備的。另一方面，人的一些特殊能力仍然是現有機器無法達到的，需要利用人的能力達到更好的系統性能。 總結起來，人參與到自動化控制系統中既是可能的（可以充當控制系統任意組件），又是必要的（需要顯式的考慮），同時又有其不可替代性（目標來源和特有能力等），這使得對人機系統的研究也就必然和必要了。 1.1.4 人機系統相關研究領域 我們列出與上面所定義的主要面向自動化控制應用的人機系統有著密切關系的相關研究領域，并作簡要的分析。本小節的介紹和比較也進一步廓清了我們所關心的面向自動化控制應用的人機系統的具體內涵和外延。 1.1.4.1 人體工學（或人機工程、人類工效、人因工程、人體工學） 維基百科對人體工學有如下定義à： 人體工學（又稱工程學、人機工程學、人類工效學、人因工程學、人因學）是一門重要的工
書友推薦
- >
唐代進士錄
- >
煙與鏡
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
有舍有得是人生
- >
史學評論
- >
名家帶你讀魯迅:朝花夕拾
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
