人工神经网络到认知-情感体系

神经信息编码到认知-情感体系文章简述本文第一章内容讲述了神经信息编码得相关理论，并总结出了两个重要结论：1）人工神经元建模方式是神经元代表了一条直线对一个数据平面进行划分，同时赋予神经元一个偏置，使得这条直线可以平移到平面的任一个位置。三层神经元网络类似多条直线构成多边形对数据平面划分出多边形内外部分；2）目前的认知科学主流处于第一代，主要谈论对客观世界（例如图像、声音等）的数据处理，第二代认知科学—具身主义正在慢慢兴起，我们的大脑不是脱离肉体的虚空智慧，而是一个同时认识了客观世界又创造了个体性主观世界的一个神经系统。第二章内容，承接第一章内容，按照人工神经网络的建模方式来建构我们的主观世界—认知—情感体系。人类的情感世界就像物理世界一样也是由微小的组件构成的。这些组件就是情感元和连接。情感元就像人工神经元一样，完成对一个信息的正负评价，即它可能产生正性情感也可能产生负性情感，连接就像神经元的偏置，只能产生单方面情感。情感元、连接完成了从语义记忆、情景记忆中的信息到情绪、感受的联结，就像人工神经元完成了从一个数据图像到字母A、B的输出一样。这样的建模也符合具身主义的要求（即神经系统构建主观世界）。本章行文过程还对当代经验心理学内容进行了重述。本文有较大篇幅引用已有文献、案例，但作为一个完备理论的阐述是必要的。第一节人工神经网络的信息编码人工神经网络一直是科幻小说中非常火爆的题材，同时也是引发人类对自身未来命运担忧的一个理论逻辑基础，多少年来我们都在讨论智能机器到底可不可能超过人类的大脑，我们先简约回顾下人工神经网络的基础理论。1感知器1943年,神经生物学家MeCulloch和青年数学家Pitts合作,提出了第一个人工神经元模型,并在此基础上抽象出神经元的数理模型,开创了人工神经网络的研究。以MeCulloch和Pitts提出人工神经元的数理模型(即神经元的阀值加权模型,简称感知器，如图1-7所示)为标志,神经网络拉开了研究的序幕。（出于表述严谨性的考虑，本节会出现若干数学公式，但读者若对公式理解有困难可以跳过具体的公式只看文字，并不会影响最终的阅读效果）图1-7多输出感知器每个神经元的行为都用一个激活函数F来表示，F一般取一个阶跃函数或者一个S型函数（如图1-8所示）。之所以采用阶跃函数来表示神经元电活动，主要是为了模拟神经元电位的静息和发放，当输入小于零时，输出也小于零，即神经元是静息的，当输入大于零，输出便大于零，即神经元开始发放动作电位了，有时也会加一个偏置θ来表示阈值。输出层神经元的输入是对每个输入层X和权重W之间的图1-8一个典型的阶跃函数和S型函数Sigmoid（t）=11+e−t乘积之和,因此它的输出就是Oj=F(∑(xiwijni=1)+θ)，一般用矩阵形式来表达就是O=F(XW+θ)。我们知道一个二维坐标平面会被一条直线0=x1w1+x2w2+θ分成两半，当输入x1w1+x2w2+θ大于零时也就是说点（x1，x2）落在了直线划分出的上半平面，同理输入小于零时即点落在了下半平面，由此通过神经元的发放与否判断出点落在何处，从而最终我们用一个神经元完成了对点（x1，x2）的一种归类划分，当然类似的点（x1，x2，……，xn）就是n维坐标系被相应的n-1维超平面归类划分，用一个含有m个输出神经元的神经网络就完成了对点（x1，x2，……，xn）的m多种归类划分。当然这种划分可能并不是我们需要的划分方式，我们可以不断的调整权重w，使得划分方式是我们需要的。调整权重的方法就是著名的Hebb原则wij（n+1）=wij(n)+α（yj-oj）xi。这公式因为含有了理想输出y所以是一个有师学习（又称有监督学习）的过程，很多时候我们并不知道理想的输出y到底是什么，公式也可以改写为wij（n+1）=wij(n)+αojxi，这时便是无师学习（又称无监督学习）了。如此不断的输入训练样本、调节权重，直到获得我们需要的效果。Hebb原则是由加拿大著名生理心理学家唐纳德•赫布在其1949年出版的《行为的组织》一书中提出的神经心理学理论。赫布认为神经网络的学习过程最终是发生在神经元之间的突触部位，突触的联结强度随着突触前后神经元的活动而变化，变化的量与两个神经元的活性之积成正比（αojxi）。据说这个原则是受一条狗的启发得出的，这条狗就是巴甫洛夫的狗，估计它是史上最著名的狗了，就像薛定谔的猫是史上最著名的猫一样。俄国生理学家巴甫洛夫开始每次喂狗食物时，都会摇铃铛。等到一段时间后他发现只要摇铃铛，它的狗便会流口水，哪怕没有骨头出现。这便是著名的条件反射实验，内在神经学原理便是Hebb原则了，它的存在使得，巴普洛夫无意间加强了铃铛听觉神经元与唾液分泌神经元之间的联系。当然，Hebb原则是可以通过线性代数严格导出的，具体过程见下一节的注释。当人们对神经网络学说如痴如醉时，Minsky和Papert对以感知器为代表的网络系统的功能及局限性从数学上做了深入研究,于1969年出版了轰动一时《感知器》一书,指出简单的线性感知器的功能是有限的，它无法解决线性不可分问题。比如一个异或函数，它有两类四个点，（0,0），（1,1）为一类，（0,1），（1,0）为一类，这四个点在二维平面上无论10),(yxg其他)(yxif图1-9直线无法把（0,0），（1,1）归为一类，（0,1），（1,0）归为另一类哪条直线都不能进行正确的归类划分。这个批评性的结论直接导致了神经网络学说进入一个长达10年的低谷期。2三层神经网络其实解决线性不可分问题并不难，只是由于当时集成电路与微电子技术迅猛发展，转移了聪明头脑们的注意力。等到他们回过神来立马发现只要让两层的感知器网络加入一层隐含层成为三层神经网络就可以彻底解决线性不可分问题。图1-10一个典型的Bp神经网络现已证明，如果隐含层的节点可以任意设置，且隐含层用S型激励函数，三层神经网络可以一致逼近任意的连续函数，也可以彻底解决线性不可分问题。具体的证明，专业书籍里自然有，但是我们可以通过合理外推感知器的分类逻辑来理解这一点。感知器之所以不能解决线性不可分问wjkwijθj………………输出变量输入变量输入层隐含层输出层xiakok题，是因为每个神经元只能提供一种分类方法，虽然有很多输出神经元同时分类，但是他们的分类效果是独立的不可叠加的，但当再加上一层神经元时，就等于把原先的分类效果叠加后，再一次进行分类。如此便是原先一个二维坐标平面每次都只能由一条直线进行二分，而现在可把多条直线形成的多边形作为分类标准，那么就是再诡异的分类要求也是可以实现的了。当然直线不一定形成封闭的多边形，它们可以沿着坐标横轴一段一段的相连，从而逼近任何目标函数。对于隐含层使用S型函数，采用误差回传的方式来逐层调节权重[1]的神经网络称为Bp神经网络。Bp神经网络是目前使用最广泛的一种神经网络，它可以逼近任何目标函数，不过它仍有很多不足，例如它容易陷入局部极小化，而不能进入全局最小化；收敛的速度很慢，常常需要迭代数千次甚至更多；最重要的是隐含层神经元的个数选择没有具体的理论指导，基本凭经验或者多次选择比较结果来最终确定。[1]我们简单说下权重调节过程。包括Hebb原则和Bp神经网络的内在调节原则是一致的，都是w(n+1)=w(n)-αdEdw，其中E=12∑(y−o)2，用文字语言来理解就是误差E和权重w之间有函数关系，在某个权重w处能取得最小误差，通过误差对权重的导数变化关系来指引当前权重的改变，从而使得随机初始化的权重逐步靠近理想的权重。对感知器而言，E=12∑(y−F(xw))2，代入公式立马可得wij（n+1）=wij(n)+α（yj-oj）xi。对于Bp神经网络由于有隐含层计算起来稍显比较麻烦。我们记中间隐含层的输出为oj=F(∑wijxi)，输出层的输出为ok=F(∑wjkoj)，在随机初始化权重后，这两个值在每一步都是已知的。由于E=12∑(y−ok)2，故而wij(n+1)=wij(n)-αdEdwij，wjk(n+1)=wjk(n)-αdEdwjk，都是可以计算出的。另外需要提及的一点是，人工神经网络的隐含层神经元激活函数可以不使用S型函数，这样可以大大的增加人工神经网络多样性，使之有更强大的功能。例如，支持向量机、RBF神经网络。其中RBF神经网络隐含层运用的激活函数是高斯函数，输入层与隐含层的权重调节采用K-均值聚类方法，隐含层与输出层的权重调节采用最小二乘法，它同样可以解决线性不可分问题。第二部分认知-情感体系的尝试建模心理学是探索人类自身问题的一门科学，其终极目的和终极关怀是人及人类社会。但是现在在我们教科书上的心理学，第一，不能完全揭示人性的内在本质；第二，对现代人类生活的助益是非常的微乎其微。英国著名的心理测量专家保罗•凯林把现代心理学比作皇帝的新装，他认为现代心理学不能解释什么是本质的人，而且，它所呈现的进展越大，事实上它就越远离心理学所应具有的目标。在心理学的发展历史上，许多心理学家(如斯金纳)是注重于把心理学的知识应用于生活实践中，解决生活中所面临的现实问题的。但现在的研究中以方法为中心，以及机械化、简单化、还原论等倾向，其成果的实践应用总是那么不尽如人意。第三，理论探索匮乏。长期以来，心理学恪守经验证实原则与客观性原则，对哲学思辨式的形而上学不屑一顾，根本否定理论探索在心理学中的合法地位，走上了以方法为中心的道路。大多心理学家醉心于实验方法与技术的提升，忽视理论的建设，致使当今心理学的知识是由一系列琐碎而细微的事实构成，缺乏相互的协调与组织，妨碍了心理学的健康发展。第四，心理学研究对象的不确定性。心理学从诞生之日起就没有一个确定的、统一的研究对象。冯特以意识内容为其研究对象；布伦塔诺以意识活动为其研究对象；精神分析以潜意识为其研究对象；行为主义以行为作为研究对象；人本主义以人的整体、人的潜能、人的价值为其研究对象；认知心理学专以人的内部认知过程、认知机制为其研究对象。由于缺乏宏观理论的统整和研究对象的长期不确定，心理学一直处于一种破碎与分裂的状态，难以成为一门完整的学科。以致很多人不得不怀疑，心理学是否还有以一门独立的学科存在的必要。所以现在是一个现代心理学面对挑战的历史时刻，我们不妨大胆的迈出理论探索的步伐，把现代心理学的研究成果转述到类似第一代认知科学用的人工神经网络术语体系中，以期同时解决现代心理学理论碎片化、解释对象不统一的问题。任何一门新的学科都需要一个新的术语集合，本文将启用很多新的术语：核信息、连接、情感元、行为指向、作用重置、归因替换、情感范式、主变换等等，其中连接、情感元、行为指向可以依次类比到人工神经网络中的两个神经元连接、多神经元组成神经网络、误差回传修改神经网络；作用重置、归因替换可总结心理治疗是何以成功的，主变换指出人类人格是如何保持稳定性、整体性的。有了这个新的术语集合，我们可以完成对现代心理学的转述并尝试建模。第一节认知—情感体系模型：核信息、连接/情感元、行为指向20世纪70、80年代，米契尔就认知结构稳定的个体差异，提出了认知原型理论，这个理论不仅试图揭开各类心理发生机制，而且还为整合个性理论提供了翔实的实证材料。20世纪90年代，米契尔提出了认知—情感的个性系统理论，对情境、个性倾向、动因和个性结构的一致性重新进行了探讨，调和了社会认知论与特质论之间的矛盾，体现了心理学发展的综合、统一趋势。他本人也因此获得了1982年美国心理学会颁发的杰出科学贡献奖。1.2.1个性系统的认知—情感单元米契尔个性理论中认知—情感取向的概念构成，有其历史根源，体现着心理学发展的统一态势。米契尔在不断继承、批判、调和已有理论模式的基础上，建构了自己的认知—情感的个性系统（CAPS）理论。他认为，人们遇到的事件会与个性系统中复杂的认知—情感单元（CAUs）发生交互作用，并最终决定人们的行为。在CAPS模型中的认知—情感单元是指所有的心理表征，主要由编码、预期和信念、情感、目标和价值、能力和自我调节的计划等5种类型组成。编码：是对自我、他人、事件和情境进行分类或