智能科学研究智能的本质和实现技术, 是由脑科学、认知科学、人工智能等综合形成的交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质；认知科学是研究人类感知、学习、记忆、思维、意识等人脑心智活动过程的科学；人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真, 而且要从机理上研究，探索智能的新概念、新理论、新方法。

本书系统地介绍了智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果，探索人类智能和机器智能的性质和规律。

本书可作为大学高年级本科生和研究生智能科学、认知科学、神经信息学等课程的教科书，也可作为从事智能科学、脑科学、认知科学、神经科学、人工智能、心理学等领域研究人员的参考书。

智能科学研究智能的本质和实现技术, 是脑科学、认知科学、人工智能等综合形成的交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质；认知科学是研究人类感知、学习、记忆、思维、意识等人脑心智活动过程的科学；人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真, 而且要从机理上研究和探索智能的新概念、新理论、新方法。智能的研究不仅要运用推理, 自顶向下, 而且要通过学习, 由底向上, 两者并存。智能科学运用综合集成的方法，对开放系统的智能性质和行为进行研究。

智能科学是生命科学的精华、信息科学技术的核心、现代科学技术的前沿和制高点，涉及自然科学的深层奥秘，触及哲学的基本命题。因此，在智能科学上一旦取得突破，将对国民经济发展、社会进步、国家安全产生深刻而巨大的影响。目前，智能科学正处在方法论的转变期、理论创新的高潮期和大规模应用的开创期，面临原创性机遇。

智能科学的兴起和发展标志着对以人类为中心的认知和智能活动的研究已经进入新的阶段。智能科学的研究将使人类自我了解和自我控制，把人的知识和智能提高到空前未有的高度。生命现象错综复杂，许多问题还没有得到很好的说明，而能从中学习的内容也是大量的、多方面的。如何从中提炼出最重要的、关键性的问题和相应的技术，这是许多科学家长期以来追求的目标。要解决人类在21世纪所面临的许多困难，诸如能源的大量需求、环境的污染、资源的耗竭、人口的膨胀等, 单靠现有的科学成就是很不够的，必须向生物学习，寻找新的科技发展道路。智能科学的研究将为智力革命、知识革命和信息革命建立理论基础，为智能系统的研制提供新概念、新思想、新途径。

进入21世纪以来，国际上对智能科学及其相关学科，诸如脑科学、神经科学、认知科学、人工智能的研究高度重视。我国国家自然科学基金委员会对该领域的发展特别关注，2004年9月，由国家自然科学基金委员会信息科学部主办了智能科学技术基础理论重大问题研讨会，来自智能科学、脑科学、认知科学、逻辑、哲学等学科交叉领域的代表参加了讨论。国家自然科学基金委员会于2004年把我们基于感知学习和语言认知的智能计算模型的研究列为重点项目，2008年确立了“视听觉信息的认知计算”重大研究计划。国家科技部也对智能科学的有关研究给予极大支持。

本书系统地介绍了智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果，综合地探索人类智能和机器智能的性质和规律。2006年出版第1版以来，国内外在该领域的研究取得了极大进展，我们也取得了不少成果。为了反映智能科学的最新研究成果和发展方向，对原书第1版作了全面修改，特别增加了具有重大应用前景的智能技术，包括脑机融合、智能机器人、类脑智能机等。

全书共分18章。第1章是绪论，介绍智能科学兴起的科学背景和基本问题；第2章介绍智能科学的生理基础；第3章讨论神经计算的进展；第4章探讨重要的心智模型；第5章论述知觉理论；第6章讨论视觉信息处理，重点研究现代最新的视觉理论；第7章是听觉信息处理；语言的发展对人类大脑的进化发生重大影响，第8章讨论语言的理论；第9章重点论述重要的学习理论；记忆是思维的基础，第10章探讨记忆机制；第11章重点讨论思维形式和类型；第12章研究智力的发展；第13章讨论情绪和情感的有关理论；第14章初步探讨意识问题；形式系统是机器智能的重要基础，第15章讨论符号逻辑和机器证明；将机器的高性能与人脑的高智能结合也许能开辟智能技术的新途径，第16章探讨脑机融合；第17章介绍人工脑和智能机器人研究的进展；第18章概述国际上重大的类脑智能机计划的研究进展和基本原理。

本书撰写过程中，得到国内外许多专家的支持和帮助，与他们的讨论给了我本人许多启发，在此表示感谢。同时感谢本书所引用资料的著译者，感谢中国科学院计算技术研究所智能科学实验室的同事，他们的丰硕成果和贡献是本书学术思想的重要源泉。感谢澳大利亚南澳大学在我访问期间提供的良好条件，使本书得以顺利完成。

本书研究工作得到国家重点基础研究发展计划课题“脑机协同的认知计算模型”  (No.2013CB329502) 、“非结构化信息(图像)的内容理解与语义表征” (No. 2007CB311004) ；自然科学基金重点项目“基于云计算的海量数据挖掘”  (No.61035003) 、“基于感知学习和语言认知的智能计算模型研究” (No.60435010) 、 "Web搜索与挖掘的新理论与方法” (No.60933004）等的支持；国家863高技术项目“海量Web数据内容管理、分析挖掘技术与大型示范应用” (No.2012AA011003)、 “软件自治愈与自恢复技术” (No.2007AA01Z132）等项目的支持；清华大学出版社对本书的出版给予了大力支持，在此一并致谢。

本书可作为大学高年级和研究生智能科学、认知科学、认知信息学、人工智能等课程的教科书，本书对从事智能科学、脑科学、认知科学、人工智能、神经科学、心理学、哲学等领域的研究人员也具有重要的参考价值。

智能科学是处于研究发展中的前沿交叉学科，许多概念和理论尚待探讨，加之作者水平有限，撰写时间仓促，因此书中谬误在所难免，恳请读者指正。

史忠植2013年1月 于北京智能科学（第2版）

第1章 绪论1

1.1 人类的梦想1

1.2 智能科学的兴起3

1.3 智能科学的科学问题7

1.4 智能科学的实验技术13

1.5 展望15

第2章 神经生理基础17

2.1 脑系统17

2.2 神经组织19

2.2.1 神经元的基本组成19

2.2.2 神经元的分类21

2.2.3 神经胶质细胞21

2.3 突触传递23

2.3.1 化学性突触24

2.3.2 电突触26

2.3.3 突触传递的机制26

2.4 神经递质27

2.4.1 乙酰胆碱28

2.4.2 儿茶酚胺类28

2.4.3 5-羟色胺32

2.4.4 氨基酸和寡肽34

2.4.5 一氧化氮34

2.4.6 受体34

2.5 信号跨膜转导35

2.5.1 转导蛋白36

2.5.2 第二信使37

2.6 静息膜电位39

2.7 动作电位42

2.8 离子通道46

2.9 神经系统47

2.9.1 中枢神经系统47

2.9.2 周围神经系统48

2.10 大脑皮层49

智能科学（第2版）第3章 神经计算53

3.1 概述53

3.2 神经元模型 62

3.3 反传学习算法63

3.3.1 反传算法的原理63

3.3.2 反传算法的数学表达64

3.3.3 反传算法的执行步骤66

3.3.4 对反传网络优缺点的讨论67

3.4 Hopfield模型68

3.4.1 离散Hopfield网络68

3.4.2 连续Hopfield网络71

3.5 自适应共振理论ART模型73

3.5.1 ART模型的结构73

3.5.2 ART的基本工作原理75

3.5.3 ART模型的数学描述80

3.6 神经网络集成81

3.6.1 结论生成方法82

3.6.2 个体生成方法83

3.7 脉冲耦合神经网络83

3.7.1 Eckhorn模型84

3.7.2 脉冲耦合神经网络模型84

3.7.3 贝叶斯连接域神经网络模型86

3.8 神经场模型87

3.8.1 神经场表示87

3.8.2 神经场学习理论90

3.9 功能柱神经网络模型94

3.9.1 模型与方法94

3.9.2 单功能柱模型的模拟结果97

第4章 心智模型101

4.1 心智建模101

4.2 图灵机103

4.3 物理符号系统104

4.4 记忆模型107

4.4.1 联想记忆模型107

4.4.2 流程型认知模型109

4.4.3 认知-记忆信息处理模型110

4.5 ACT模型111

4.6 SOAR模型112

4.7 心智的社会114

4.8 心智模型CAM115

4.9 动力系统理论116

4.10 大脑协同学118

第5章 感知121

5.1 概述121

5.2 感知的基本形式123

5.2.1 感觉123

5.2.2 知觉125

5.2.3 表象126

5.3 知觉恒常性131

5.4 特征捆绑133

5.4.1 特征整合理论134

5.4.2 特征捆绑的形式模型134

5.4.3 双阶段理论135

5.4.4 时间同步理论136

5.4.5 神经网络模型136

5.5 知觉理论137

5.5.1 建构理论137

5.5.2 直接知觉138

5.5.3 格式塔理论140

5.6 知觉有效编码142

第6章 视觉信息处理146

6.1 视觉的生理机制146

6.1.1 视网膜146

6.1.2 光感受器147

6.1.3 外膝体148

6.1.4 视皮层149

6.2 视皮层信息处理150

6.2.1 视皮层感受野150

6.2.2 特征选择性151

6.2.3 功能柱152

6.2.4 球状功能结构153

6.3 颜色视觉153

6.4 马尔的视觉计算理论154

6.5 格式塔视觉理论158

6.6 拓扑视觉理论159

6.7 视觉的正则化理论162

6.8 基于模型的视觉理论165

6.9 计算机视觉166

6.9.1 图像分割168

6.9.2 图像理解170

6.9.3 主动视觉170

6.9.4 立体视觉171

6.9.5 利用启发式知识的方法174

6.10 同步化响应175

6.10.1 概述175

6.10.2 神经生物学实验176

6.10.3 时间编码177

6.10.4 视皮层的神经元振荡模型178

6.10.5 视觉系统中的表象与尺度变换179

6.10.6 神经网络中的非线性动力学问题181

第7章 听觉信息处理183

7.1 听觉通路183

7.2 听觉信息的中枢处理185

7.2.1 频率分析机理185

7.2.2 强度分析机理187

7.2.3 声源定位和双耳听觉187

7.2.4 对复杂声的分析187

7.3 语音编码188

7.4 韵律认知189

7.4.1 韵律特征189

7.4.2 韵律建模192

7.4.3 韵律标注192

7.4.4 韵律生成193

7.4.5 韵律生成的认知神经科学机制194

7.5 语音识别194

7.5.1 语音识别概况194

7.5.2 单词识别理论197

7.5.3 中文语音识别系统198

7.6 语音合成201

7.6.1 语音合成概况201

7.6.2 语音合成的方法201

7.6.3 概念到语音转换系统205

7.7 听觉场景分析209

7.7.1 初级分析209

7.7.2 以图式为基础的知觉组织211

7.7.3 初级分析与图式加工之间的关系211

7.7.4 场景分析的总体评价212

7.8 言语行为213

第8章 语言214

8.1 引言214

8.2 语言习得和发展216

8.3 语言处理模型217

8.4 语言认知220

8.4.1 句子加工中的概率和约束问题221

8.4.2 课文表征与记忆222

8.4.3 模块理论与语言加工222

8.4.4 语言理解中的压抑机制223

8.5 乔姆斯基的形式文法224

8.5.1 短语结构文法224

8.5.2 上下文有关文法225

8.5.3 上下文无关文法225

8.5.4 正则文法226

8.6 扩充转移网络228

8.7 概念依赖理论230

8.8 语言理解232

8.8.1 概述232

8.8.2 发展阶段234

8.8.3 基于规则的分析方法236

8.8.4 基于语料的统计模型239

8.8.5 机器学习方法241

8.9 脑语言功能区243

8.9.1 经典语言功能区243

8.9.2 语义相关功能区244

8.9.3 音韵相关功能区245

8.9.4 拼字相关功能区245

8.9.5 双语者脑语言功能区245

第9章 学习246

9.1 概述246

9.2 行为学习理论247

9.2.1 条件反射学习理论247

9.2.2 行为主义的学习理论248

9.2.3 联结学习理论248

9.2.4 操作学习理论250

9.2.5 相近学习理论252

9.2.6 需要消减理论254

9.3 认知学习理论257

9.3.1 格式塔学派的学习理论258

9.3.2 认知目的理论258

9.3.3 认知发现理论259

9.3.4 认知同化理论261

9.3.5 信息加工学习理论262

9.3.6 建构主义的学习理论 265

9.4 人本学习理论267

9.5 观察学习理论268

9.6 内省学习270

9.6.1 内省学习一般模型271

9.6.2 内省学习的元推理272

9.6.3 失败分类273

9.6.4 内省过程中的基于范例推理274

9.7 学习计算理论274

9.7.1 哥尔德学习理论275

9.7.2 模型推理系统276

9.7.3 大概近似正确学习理论276

9.8 粒计算277

9.8.1 词计算理论278

9.8.2 粗糙集理论278

9.8.3 基于商空间的粒计算278

9.8.4 相容粒度空间模型278

第10章 记忆283

10.1 记忆过程283

10.2 记忆系统285

10.2.1 感觉记忆286

10.2.2 短时记忆  286

10.2.3 长时记忆290

10.3 长时记忆理论291

10.3.1 长时记忆的类型291

10.3.2 长时记忆的模型 293

10.3.3 长时记忆的信息提取298

10.4 工作记忆300

10.4.1 工作记忆模型300

10.4.2 工作记忆和推理301

10.4.3 工作记忆的神经机制302

10.5 遗忘理论303

10.6 内隐记忆306

10.7 记忆的生理机制308

10.7.1 记忆痕迹308

10.7.2 海马与杏仁体309

10.7.3 记忆的存储过程311

10.7.4 记忆的保存和增强312

第11章 思维和决策316

11.1 引言316

11.2 思维的形态320

11.2.1 抽象思维321

11.2.2 形象思维322

11.2.3 灵感思维324

11.3 推理327

11.3.1 演绎推理327

11.3.2 归纳推理328

11.3.3 反绎推理330

11.3.4 类比推理331

11.3.5 非单调推理333

11.3.6 推理和脑334

11.4 问题求解334

11.4.1 问题空间334

11.4.2 产生式系统336

11.4.3 启发式搜索338

11.4.4 手段目的分析法339

11.4.5 解决问题的策略341

11.5 科学发现344

11.5.1 科学发现的基本观点344

11.5.2 发现策略348

11.5.3 发现系统BACON351

11.6 创造性思维357

11.7 决策理论 360

11.7.1 决策效用理论361

11.7.2 满意原则362

11.7.3 逐步消元法362

11.7.4 贝叶斯决策方法362

11.8 智能决策支持系统363

11.8.1 智能决策系统开发平台363

11.8.2 综合集成研讨厅365

第12章 智力发展367

12.1 引言367

12.2 智力理论368

12.2.1 智力的因素论369

12.2.2 多元智力理论370

12.2.3 智力结构论370

12.3 智力的测量371

12.4 皮亚杰认知发展理论374

12.4.1 图式375

12.4.2 儿童智力发展阶段377

12.4.3 新皮亚杰主义383

12.5 智力发展的影响因素384

12.5.1 成熟因素384

12.5.2 经验因素385

12.5.3 社会环境因素386

12.5.4 平衡化因素386

12.6 智力发展的人工系统387

第13章 情绪与情感389

13.1 引言389

13.2 情绪的种类390

13.2.1 情绪的基本形式390

13.2.2 情绪状态391

13.2.3 情感的种类391

13.3 情绪的表达392

13.4 情绪理论393

13.4.1 詹姆斯-兰格情绪学说393

13.4.2 情绪评估-兴奋学说393

13.4.3 情绪三因素说394

13.4.4 基本情绪论394

13.4.5 维度论395

13.4.6 非线性动态策略396

13.5 情绪加工397

13.5.1 情绪语义网络理论397

13.5.2 贝克的图式理论398

13.5.3 威廉斯的情绪加工理论398

13.6 情绪的功能399

13.6.1 情绪的动机作用399

13.6.2 情绪是心理活动的组织者399

13.6.3 情绪的健康功能400

13.6.4 情绪的信号功能400

13.7 情感智能400

13.8 情感计算401

13.9 具有情感的机器人406

13.10 情感与认知407

13.10.1 情感优先假说407

13.10.2 认知评价观点407

13.10.3 图式命题联想和类比表征系统408

13.10.4 情绪双回路理论408

第14章 意识409

14.1 概述409

14.2 意识的基本要素和特性411

14.3 心理学的意识观414

14.4 意识的剧场模型415

14.5 意识的还原论理论417

14.6 神经元群组选择理论420

14.7 意识的量子理论421

14.8 意识系统模型423

14.9 显意识思维与潜意识思维424

14.10 注意428

14.10.1 注意的功能428

14.10.2 选择性注意431

14.10.3 注意分配435

14.10.4 注意系统435

第15章 形式系统437

15.1 概述437

15.2 谓词演算439

15.3 动态描述逻辑444

15.3.1 描述逻辑444

15.3.2 动态描述逻辑DDL446

15.4 归纳逻辑447

15.4.1 经验主义概率归纳逻辑450

15.4.2 逻辑贝叶斯派451

15.4.3 主观贝叶斯派451

15.4.4 条件化归纳逻辑452

15.4.5 非帕斯卡概率归纳逻辑453

15.5 模型论454

15.6 递归论456

15.7 证明论458

15.7.1 希尔伯特规划459

15.7.2 受限的初等数论的无矛盾性460

15.7.3 哥德尔的不完全性定理460

15.8 机器定理证明462

第16章 脑机融合466

16.1 概述466

16.2 脑电信号分析469

16.2.1 脑电信号分类469

16.2.2 脑电信号分析方法470

16.3 神经元集群的编码和解码471

16.3.1 概述471

16.3.2 熵编码理论473

16.3.3 贝叶斯集群编码476

16.3.4 贝叶斯集群解码477

16.4 脑机接口系统478

16.5 P300脑机接口系统479

16.5.1 系统构成480

16.5.2 视觉诱发子系统480

16.5.3 脑电采集子系统481

16.5.4 脑电分析子系统481

16.6 脑机协同的认知计算模型482

第17章 智能机器人485

17.1 概述485

17.2 智能机器人的体系结构487

17.3 机器人视觉系统492

17.3.1 视觉系统分类493

17.3.2 定位技术494

17.3.3 自主视觉导航495

17.3.4 视觉伺服系统495

17.4 机器人路径规划496

17.4.1 全局路径规划496

17.4.2 局部路径规划497

17.5 细胞自动机498

17.6 认知机模型501

17.7 情感机器人503

17.8 发育机器人504

17.9 RoboCup机器人足球比赛508

17.10 智能机器人发展趋势510

第18章 类脑智能机513

18.1 概述513

18.2 蓝脑计划513

18.2.1 概述513

18.2.2 大脑皮层模型514

18.2.3 超级计算模拟516

18.2.4 认知计算展望519

18.3 人脑计划519

18.3.1 欧盟未来技术与新兴技术旗舰研究计划519

18.3.2 峰电位时序相关可塑性520

18.3.3 统一脑模型522

18.4 神经形态机524

18.4.1 经典计算机的局限524

18.4.2 类脑体系结构525

18.4.3 脑模型526

18.4.4 神经形态芯片528

18.5 LIDA529

18.5.1 全局工作空间理论529

18.5.2 智能数据分析认知结构530

18.5.3 LIDA软件框架532

参考文献534