扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
人机混合智能系统自主性理论和方法 版权信息
- ISBN：9787030687685
- 条形码：9787030687685 ; 978-7-03-068768-5
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
人机混合智能系统自主性理论和方法 内容简介
人工智能（ArtifiIntelligence,AI）技术的迅猛发展可能是科技领域近些年很为令人激动人心的现象之一。很少有一项具体的技术引发社会如此广泛的关注，除了技术专家，哲学、法律、道德、社会、管理、经济等各领域的专家学者都在其中各执一词，而普通民众也同样表现出极大的热情，莫衷一是。这充分表现出AI技术对我们整个世界的方方面面既有的巨大影响力，也同样预示着这一技术在未来重塑我们的整个世界的巨大潜力。
人机混合智能系统自主性理论和方法 目录
目录
前言
第1章 人工智能时代人机系统的新发展 1
1.1 面向自动化控制的人机系统 1
1.1.1 系统、机器和人 1
1.1.2 人机系统典型例子 3
1.1.3 研究人机系统的必要性 5
1.1.4 人机系统相关研究领域 6
1.2 人工智能时代的人机混合智能系统 8
1.2.1 人工智能技术的未来展望 8
1.2.2 弱人工智能与人机混合智能系统 11
1.2.3 人机混合智能系统的典型例子和场景 15
1.2.4 人机混合智能系统中人的位置 20
1.3 人机混合智能系统的研究挑战 21
1.3.1 作为关键核心的自主性 21
1.3.2 人机混合智能系统及其自主性的相关研究 22
1.3.3 人机混合智能系统研究面临的挑战 28
1.3.4 学术界和政府关注 29
1.4 本章小结 30
第I部分 人机混合智能系统自主性理论
第2章 人机混合智能系统基于空间和边界概念的自主性描述框架 33
2.1 人机混合智能系统的自主性及其边界 33
2.1.1 人机混合智能系统的智能与自主性的一般讨论 33
2.1.2 人机混合智能系统的自主性空间 36
2.1.3 人机混合智能系统的自主性边界 39
2.2 自主性空间和自主性边界的扩展 41
2.2.1 自主性绝对边界 42
2.2.2 自主性相对空间和相对边界 43
2.3 人与机器自主决策的联合形式表示 44
2.4 本章小结 45
第3章 人机混合智能系统基于自主性联合空间和联合边界的设计框架.46
3.1 人机混合智能系统的基本控制策略和设计框架 46
3.1.1 人机混合智能系统的基本控制策略：介入控制和共享控制 46
3.1.2 人机混合智能系统的基本设计框架：自主性联合空间和联合边界 49
3.2 人在环上：人机混合智能系统的介入控制 52
3.2.1 机器（单向）介入控制 52
3.2.2 人的（单向）介入控制 53
3.2.3 人机切换（双向介入）控制 54
3.3 人在环内：人机系统中人与机器的共享控制 56
3.3.1 基本共享控制 56
3.3.2 扩展共享控制 57
3.4 本章小结 58
第4章 自主性边界：深度学习不确定性的定量刻画 59
4.1 面向人机混合智能系统的深度学习不确定性的定量刻画 59
4.2 基于贝叶斯模型刻画深度学习不确定性的几种代表性方法 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 模型不确定性在强化学习中的应用 66
4.3.1 通过量化模型不确定性促进深入探索 67
4.3.2 通过量化模型不确定性实现动态避障 68
4.4 本章小结 69
第5章 自主性边界：不同场景下的典型判定及应用 70
5.1 介入控制下的自主性边界典型判定及应用 70
5.1.1 机器介入人：利用自主性边界的判定优化机器对人的*小干预 70
5.1.2 人介入机器：利用自主性边界的判定优化强化学习算法 74
5.2 共享控制下的自主性边界典型判定及应用 77
5.2.1 共享控制中的自主性边界判定 77
5.2.2 基于仲裁机制的人机共享控制 79
5.2.3 利用自主性边界优化基于仲裁机制的人机共享控制 80
5.3 本章小结 82
第II部分 人机混合智能系统设计方法
第6章 人在环上：人的认知提升机器智能 85
6.1 利用人的认知特性提升机器学习算法性能的基本思想 85
6.2 利用人的认知心理模型提升机器智能 86
6.2.1 朴素贝叶斯算法介绍 87
6.2.2 利用人的认知特性的拉普拉斯平滑模型对朴素贝叶斯算法性能的提升 89
6.2.3 利用人的认知特性的松散对称模型对朴素贝叶斯算法性能的提升 91
6.2.4 引入松散对称模型提升基于拉普拉斯平滑的朴素贝叶斯算法的性能 94
6.3 利用人的生理认知特性提升机器智能 96
6.3.1 目标识别任务中人的生理认知特性测量 96
6.3.2 利用人脑视觉神经的活动特点改进支持向量机算法 97
6.4 本章小结 100
第7章 人在环上：人的介入增强AI系统可靠性 101
7.1 增强AI系统可靠性的必要性和重要性.101
7.1.1 对AI系统可靠性的要求 101
7.1.2 现有技术框架难以从本质上保证AI系统的可靠性 103
7.2 人的介入增强AI系统可靠性的思路和方法框架 104
7.2.1 人的介入增强AI系统可靠性的基本思路 104
7.2.2 人的介入增强AI系统可靠性的基本框架 105
7.3 人的介入提升珍珠分拣准确性 107
7.3.1 方法和实验设置 107
7.3.2 独立网络模型的搭建及训练.108
7.3.3 基于人的分歧介入方法的珍珠分拣实验结果 109
7.4 本章小结 109
第8章 人在环内：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的人机共享自主典型实例 113
8.2.1 利用POMDP实现汽车车道保持的共享自主 114
8.2.2 利用POMDP实现智能学习辅助系统的共享自主 116
8.3 过度信任和缺乏信任在基于POMDP的共享控制框架下的解释 118
8.4 本章小结 120
第9章 人在环内：基于强化学习的共享控制 121
9.1 强化学习和深度强化学习基本知识 121
9.1.1 强化学习基本知识 121
9.1.2 深度强化学习基本知识 124
9.2 基于强化学习的共享控制典型方法 127
9.2.1 基于DQN的无须先验知识的共享控制方法 127
9.2.2 基于SAC的无须预先训练的共享控制方法 129
9.2.3 基于AC的无须动态模型的共享控制方法 132
9.3 基于强化学习的共享控制实例 134
9.4 本章小结 136
第10章 人在环内：人机序贯决策的共享控制 138
10.1 序贯决策的基本概念.138
10.2 人机序贯决策问题的典型场景.141
10.2.1 “人参与问题”的人机序贯决策 141
10.2.2 “人介入方法”的人机序贯决策 142
10.3 基于POMDP方法求解“人参与问题”的人机序贯决策问题 143
10.3.1 “人参与问题”的人机序贯决策问题的POMDP框架概述 143
10.3.2 人机系统的POMDP框架实现驾驶辅助系统中的“车道保持” 145
10.4 基于MPC方法求解“人参与问题”的人机序贯决策问题 147
10.4.1 “人参与问题”的人机序贯决策问题的MPC框架概述 147
10.4.2 人机系统的MPC框架实现辅助驾驶系统中的“车辆变道” 148
10.5 基于RL方案求解“人介入方法”的人机序贯决策问题 150
10.5.1 “人介入方法”的人机序贯决策问题的RL框架概述 150
10.5.2 人机系统的RL框架实现倒立摆系统性能的提升 152
10.6 本章小结 154
参考文献 155
索引 167
插图目录 169
表格目录171
算法目录 172
定义列表 173
例子列表 174
前言
第1章 人工智能时代人机系统的新发展 1
1.1 面向自动化控制的人机系统 1
1.1.1 系统、机器和人 1
1.1.2 人机系统典型例子 3
1.1.3 研究人机系统的必要性 5
1.1.4 人机系统相关研究领域 6
1.2 人工智能时代的人机混合智能系统 8
1.2.1 人工智能技术的未来展望 8
1.2.2 弱人工智能与人机混合智能系统 11
1.2.3 人机混合智能系统的典型例子和场景 15
1.2.4 人机混合智能系统中人的位置 20
1.3 人机混合智能系统的研究挑战 21
1.3.1 作为关键核心的自主性 21
1.3.2 人机混合智能系统及其自主性的相关研究 22
1.3.3 人机混合智能系统研究面临的挑战 28
1.3.4 学术界和政府关注 29
1.4 本章小结 30
第I部分 人机混合智能系统自主性理论
第2章 人机混合智能系统基于空间和边界概念的自主性描述框架 33
2.1 人机混合智能系统的自主性及其边界 33
2.1.1 人机混合智能系统的智能与自主性的一般讨论 33
2.1.2 人机混合智能系统的自主性空间 36
2.1.3 人机混合智能系统的自主性边界 39
2.2 自主性空间和自主性边界的扩展 41
2.2.1 自主性绝对边界 42
2.2.2 自主性相对空间和相对边界 43
2.3 人与机器自主决策的联合形式表示 44
2.4 本章小结 45
第3章 人机混合智能系统基于自主性联合空间和联合边界的设计框架.46
3.1 人机混合智能系统的基本控制策略和设计框架 46
3.1.1 人机混合智能系统的基本控制策略：介入控制和共享控制 46
3.1.2 人机混合智能系统的基本设计框架：自主性联合空间和联合边界 49
3.2 人在环上：人机混合智能系统的介入控制 52
3.2.1 机器（单向）介入控制 52
3.2.2 人的（单向）介入控制 53
3.2.3 人机切换（双向介入）控制 54
3.3 人在环内：人机系统中人与机器的共享控制 56
3.3.1 基本共享控制 56
3.3.2 扩展共享控制 57
3.4 本章小结 58
第4章 自主性边界：深度学习不确定性的定量刻画 59
4.1 面向人机混合智能系统的深度学习不确定性的定量刻画 59
4.2 基于贝叶斯模型刻画深度学习不确定性的几种代表性方法 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 模型不确定性在强化学习中的应用 66
4.3.1 通过量化模型不确定性促进深入探索 67
4.3.2 通过量化模型不确定性实现动态避障 68
4.4 本章小结 69
第5章 自主性边界：不同场景下的典型判定及应用 70
5.1 介入控制下的自主性边界典型判定及应用 70
5.1.1 机器介入人：利用自主性边界的判定优化机器对人的*小干预 70
5.1.2 人介入机器：利用自主性边界的判定优化强化学习算法 74
5.2 共享控制下的自主性边界典型判定及应用 77
5.2.1 共享控制中的自主性边界判定 77
5.2.2 基于仲裁机制的人机共享控制 79
5.2.3 利用自主性边界优化基于仲裁机制的人机共享控制 80
5.3 本章小结 82
第II部分 人机混合智能系统设计方法
第6章 人在环上：人的认知提升机器智能 85
6.1 利用人的认知特性提升机器学习算法性能的基本思想 85
6.2 利用人的认知心理模型提升机器智能 86
6.2.1 朴素贝叶斯算法介绍 87
6.2.2 利用人的认知特性的拉普拉斯平滑模型对朴素贝叶斯算法性能的提升 89
6.2.3 利用人的认知特性的松散对称模型对朴素贝叶斯算法性能的提升 91
6.2.4 引入松散对称模型提升基于拉普拉斯平滑的朴素贝叶斯算法的性能 94
6.3 利用人的生理认知特性提升机器智能 96
6.3.1 目标识别任务中人的生理认知特性测量 96
6.3.2 利用人脑视觉神经的活动特点改进支持向量机算法 97
6.4 本章小结 100
第7章 人在环上：人的介入增强AI系统可靠性 101
7.1 增强AI系统可靠性的必要性和重要性.101
7.1.1 对AI系统可靠性的要求 101
7.1.2 现有技术框架难以从本质上保证AI系统的可靠性 103
7.2 人的介入增强AI系统可靠性的思路和方法框架 104
7.2.1 人的介入增强AI系统可靠性的基本思路 104
7.2.2 人的介入增强AI系统可靠性的基本框架 105
7.3 人的介入提升珍珠分拣准确性 107
7.3.1 方法和实验设置 107
7.3.2 独立网络模型的搭建及训练.108
7.3.3 基于人的分歧介入方法的珍珠分拣实验结果 109
7.4 本章小结 109
第8章 人在环内：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的人机共享自主典型实例 113
8.2.1 利用POMDP实现汽车车道保持的共享自主 114
8.2.2 利用POMDP实现智能学习辅助系统的共享自主 116
8.3 过度信任和缺乏信任在基于POMDP的共享控制框架下的解释 118
8.4 本章小结 120
第9章 人在环内：基于强化学习的共享控制 121
9.1 强化学习和深度强化学习基本知识 121
9.1.1 强化学习基本知识 121
9.1.2 深度强化学习基本知识 124
9.2 基于强化学习的共享控制典型方法 127
9.2.1 基于DQN的无须先验知识的共享控制方法 127
9.2.2 基于SAC的无须预先训练的共享控制方法 129
9.2.3 基于AC的无须动态模型的共享控制方法 132
9.3 基于强化学习的共享控制实例 134
9.4 本章小结 136
第10章 人在环内：人机序贯决策的共享控制 138
10.1 序贯决策的基本概念.138
10.2 人机序贯决策问题的典型场景.141
10.2.1 “人参与问题”的人机序贯决策 141
10.2.2 “人介入方法”的人机序贯决策 142
10.3 基于POMDP方法求解“人参与问题”的人机序贯决策问题 143
10.3.1 “人参与问题”的人机序贯决策问题的POMDP框架概述 143
10.3.2 人机系统的POMDP框架实现驾驶辅助系统中的“车道保持” 145
10.4 基于MPC方法求解“人参与问题”的人机序贯决策问题 147
10.4.1 “人参与问题”的人机序贯决策问题的MPC框架概述 147
10.4.2 人机系统的MPC框架实现辅助驾驶系统中的“车辆变道” 148
10.5 基于RL方案求解“人介入方法”的人机序贯决策问题 150
10.5.1 “人介入方法”的人机序贯决策问题的RL框架概述 150
10.5.2 人机系统的RL框架实现倒立摆系统性能的提升 152
10.6 本章小结 154
参考文献 155
索引 167
插图目录 169
表格目录171
算法目录 172
定义列表 173
例子列表 174
展开全部
人机混合智能系统自主性理论和方法 节选
第1章 人工智能时代人机系统的新发展 本章摘要 以应用为驱动的人工智能技术的迅猛发展正未有穷期，有理由相信“智能”将成为未来世界各个领域的重要标签。在这一历史进程中，我们认为，人的智能和人工智能赋能的机器智能的交互融合将成为未来具有根本性的系统结构范式。特别地，在我们所关注的自动化控制具体领域，从这一结构范式衍生出本书所称的“人机混合智能系统”新型人机系统结构范式，成为本书的研究核心。作为全书的概论性章节，本章分析和讨论人机混合智能系统的历史渊源、具体实例、重要概念、研究发展等各个方面，以此描绘这一新兴领域的概况性全景，为后续章节提供背景基础。 本章第1.1节首先介绍面向自动化控制的人机系统的概念，第1.2节结合对人工智能技术未来发展的展望引出人机混合智能系统的基本定义，通过大量例子对该类系统的典型场景和人在其中的位置进行分析，*后在第1.3节指出自主性是人机混合智能系统研究的关键核心，相关的研究既存在巨大的挑战，又有重要的理论和应用价值。 1.1 面向自动化控制的人机系统 本节首先介绍系统、机器和人机系统的基本概念，然后以若干典型例子增加读者对自动化控制应用领域的人机系统的感性认识，进而总结其特点，*后通过与相关研究领域的对比廓清这一研究领域的内涵和外延。 1.1.1 系统、机器和人[1] 系统一词有着极为广阔的外延，在一般的意义上，“系统是自然界和人类社会中一切事物存在的基本方式，各式各样的系统组成了我们所在的世界。一个系统是由相互关联和相互作用的多个元素(或子系统)所组成的具有特定功能的有机整体，这个系统又可作为子系统成为更大系统的组成部分”[2]。从这一宽泛定义出发，细胞的构成和功能、人体内的血液流动、一国金融市场的运行、一个公司的组织架构、工厂生产线运作、机器人的构造和功能，如此等等，都可以从系统的角度去研究阐发。 本书所关心的系统主要是科学和工程领域的人造系统，特别是自动化控制系统。如前所述，系统由“多个元素（或子系统）所组成”，自动化控制系统的元素（或称之为“组件”）一般是各种各样的人造“机器”。所谓“机器”，广义上是通过变换或传递能量、质量和信息，执行机械运动等达到特定目的的工具、装置或设备的总称。控制系统的组件一般包含了传感器、控制器和执行器等。机器包括了种类繁多的温湿度、速度、体积、高度等各种物理量的测量器件，可以测量受控对象的状态/输出信息，从而充当控制系统的传感器；机器也包括了各种从嵌入式到大型的计算设备，可以进行控制算法的运行，从而充当控制系统的控制器；当然机器还包括机械手、汽车油门、各种开关等执行部件，可以实施制定好的控制策略，从而充当控制系统的执行器。 大多数自动化控制系统并不将人视为系统的组件，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。”这一点易于理解，因为人类科技发展的一个重大目的，就是将人从繁重的劳动中解放出来。在这一哲学指导下，凡是能由机器自动化完成的便应该从人类的工作清单中删除，例如，从工厂的大规模自动化流水线取代人类手工操作，到汽车、飞机的发明使得人类可以更快速、更舒适的旅行，到扫地机器人、洗碗机的出现把人从家务劳动中解放出来，无不是为了这一目的。 然而，尽管不情愿，我们仍需要谦虚承认的是，距离自动化在大多数领域取代人类劳作的目标，我们征途尚远。不仅如此，在很多自动化控制系统已经有长足发展的领域，仍然需要人在监督、目标设定、应急响应等方面的持续投入及与自动化机器的密切交互。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.”从这一观点出发，有必要认真考察人在自动化控制系统中的地位和作用。 在科学和工程领域，人与机器相互依存、影响、协同而构成的整体便称之为宽泛意义上的“人机系统”。这是一个具有悠久历史、现在也高度活跃的研究领域。需要指出的是，人机系统的一般概念所包含的范围比自动化控制系统要大得多，只不过在本书中我们的关注点主要是后者。也就是说，本书中所说的人机系统，大致可以理解为一般人机系统和一般自动化控制系统的交集，在不引发歧义的情况下，后文不再对这一范畴界定重复指出。 1.1.2 人机系统典型例子 我们首先通过如下典型例子增加对人机系统的感性认识。 例1.1 霍金的高科技轮椅 在物理学家霍金本人的传奇人生外，他所使用的高科技轮椅也为人津津乐道（图1.1(a)）。根据霍金个人网站上的介绍 à，他的轮椅1997年起由英特尔提供。轮椅前部有一台装载了主控软件 ACAT的平板电脑。霍金所佩戴的眼镜可使用红外线感应他的面颊移动，这产生了一个开关切换信号，该信号进一步用来控制字符输入并进行其他操控。这是霍金与轮椅的交互手段。ACAT装载了由 SwiftKey提供的文字输入预测算法，该算法通过霍金本人的各类出版物进行了适应性训练，能够准确地预测霍金的输入。容易看出，在霍金轮椅的设计和使用过程中，我们很难将霍金本人的作用从中分离出来：SwiftKey的预测算法要以霍金先前的出版作品为训练数据，也要不断根据新的数据做调整；面颊移动的识别要针对霍金的具体情况做优化，使用过程中也需要根据具体情况做调整。在霍金的高科技轮椅这个例子上，人是一个不得不密切关注和考虑的显式因素。 图1.1 人机系统的例子：霍金的高科技轮椅和智能弹射座舱 例1.2 智能座舱何时弹射？ 新式战机往往都安装了一套操控座舱弹射的智能系统，该系统可以自动分析战机飞行状态和飞行员个人信息，保障飞行员在必要时以*大的安全性通过弹射安全逃离座舱，见图1.1(b)。现有智能座舱弹射的触发条件是基于人的判断的，也即需要飞行员拉动弹射手柄弹射过程才会启动。然而，激烈空战很有可能会造成飞行员失去触发弹射的行动能力或直接丧失意识，此时如果有一套不经由飞行员而可以自行触发弹射的机制将极大地提高飞行员的生还率。这一自行触发弹射机制的成功依赖于机器准确识别人的状态，并在机器控制和人类控制之间做高效协同：在人意识清醒具有行动能力时错误弹射，将造成战机损失；在人丧失触发弹射能力时不能自行触发弹射，则起不到应有的保护作用。该系统的设计要求必须将人和机器有机融合在一起，将人的因素做显式的考虑。 例1.3 人在回路自行车控制 利用可穿戴设备可设计较为复杂的控制系统。在文献[5]中，自行车骑手配备了一个测量心率的可穿戴设备，该设备实时进行心率测量，然后与设定心率相比，以此信号调整骑手的骑行功率。系统架构见图1.2。 数学上，该系统可通过对自行车的车轮角速度 的动态变化、人的骑行效率和人的心率动态三者的描述而得到定量刻画。三者的动态系统（状态空间或传递函数）可分别描述如下： 式中其他参数见文献[5]。 在本例中，人的心率、骑行功率等都深入构成为控制系统的一个组成部分，成为一个典型的人在回路的控制系统例子。与单纯机器构成的系统比较，人的心率和骑行功率变化等都具有很大的随意性，因而也就对控制系统的设计提出了不同于传统控制系统的挑战。 图1.2 利用实时心率量测控制自行车骑行的系统结构图（依照原著[5]重新绘制） 例1.4 武器的人类控制 人工智能近些年的迅猛发展在军事领域带来的*大变革之一是极大地提升了武器系统的“自主性”，即武器系统在缺少人为干预的情况下自主选择(搜索、探测、识别、追踪或选择)和攻击(使用武力打击、压制、破坏或摧毁)目标的能力——这成了各国政府争相竞争的一个关键领域[6]。在此领域，美国可见、清楚且成功的军事研发程度居世界之首，自主性已被美国认定为军事现代化计划的基石，是美国“第三次抵消战略”的核心组成部分。与此同时，俄罗斯也在积极研发多种“自主武器系统”（autonomous weapon system， AWS)，大力推进武器的自主化，俄军方研发的 Kalashnikov 的“神经网（neural net）”系统可自主搜寻和消灭目标，已经达到了相当的自主性。其他如以色列的“Harpy”反雷达无人机、韩国的“哨兵机枪”（super aEgis II sentry gun）等，都是一些具有变革性的新型自主武器系统。当前公开资料中所见的更多的是对自主性技术在战争形式、法律、伦理、人类未来等方面影响的讨论，而缺少具体的技术方面的披露[7-9]。但有理由相信，这一技术将成为世界各国新一轮军事竞争中*为关键的一环，极可能成为较落后国家弯道超车的必由之路。 显然，任何武器系统的*终控制一定在人的手上，比如，智能导弹飞出后也还需要保留人改变攻击目标的能力[10]。但基于人工智能技术的武器系统自主性的快速提高使得武器的人类控制变得越来越困难，致命自主武器系统的失控风险已经成为一个广受关注的议题，国际红十字会曾为此专门召开若干会议进行研讨[11，12]。为了确保武器的人类控制，必须考虑武器自主性达到的程度及其不确定性，和人参与到武器系统控制中的风险和不确定性，这里人的因素也是明确的、显式的。 1.1.3 研究人机系统的必要性 从第1.1.2小节中的例子我们可以看出以下几点。 （1）人具有充当控制系统任意组件的能力：人的各种感觉器官如眼、鼻、舌、皮肤等具有感知各种相关物理量的能力，从而可以充当控制系统的传感器；人的大脑具有独特的智能，可以胜任控制系统的控制器；人的手、脚等也具有活动能力，从而可以充当控制系统的执行器。 （2）在上述例子中若不显式考虑人的因素，或没有人的深度介入，则系统就不能达到所设的目标，或者根本不可能（没有人的因素的显式考虑，武器的人类控制就是不可能的），或者效果不好（霍金的轮椅设计如果不全面考虑霍金本人需求，则使用效果必然会打折扣）。 （3）人在上述的人机系统例子中有其特殊作用和地位。一方面，人是控制系统目标的终极来源，任何系统的设计总是为人服务的，人是控制系统存在的原因，为控制系统设定目标，赋予价值，这一作用是机器所不具备的。另一方面，人的一些特殊能力仍然是现有机器无法达到的，需要利用人的能力达到更好的系统性能。 总结起来，人参与到自动化控制系统中既是可能的（可以充当控制系统任意组件），又是必要的（需要显式的考虑），同时又有其不可替代性（目标来源和特有能力等），这使得对人机系统的研究也就必然和必要了。 1.1.4 人机系统相关研究领域 我们列出与上面所定义的主要面向自动化控制应用的人机系统有着密切关系的相关研究领域，并作简要的分析。本小节的介绍和比较也进一步廓清了我们所关心的面向自动化控制应用的人机系统的具体内涵和外延。 1.1.4.1 人体工学（或人机工程、人类工效、人因工程、人体工学） 维基百科对人体工学有如下定义à： 人体工学（又称工程学、人机工程学、人类工效学、人因工程学、人因学）是一门重要的工
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
