人工情感的理论危机

计算机理论界所开展的针对各种生理指标方面的“人工情感”方法，主要存在如下危机根本无法解决：

（1）要建立情感的识别系统和表达系统，就必须对情感的基本类型进行划分，以确立情感的基本模态。然而，情感的基本类型究竟应该根据什么原则和标准来划分，有何理论根据？

（2）对于同一类型情感，无论是情感感受强度，还是情感表达强度和情感生理唤醒程度，都可以采用不同的生理指标进行计算和测量，究竟应该选用哪一个生理指标为主要尺度呢？

（3）对于同一类型情感采用同一个生理指标进行测量和计算时，由于受到许多环境因素、人体其它生理因素和精神因素的影响，其测量值的差异性和波动性如何消除。

（4）不同的情感类型所产生的不同生理指标之间往往没有通约性，那么，不同类型的情感之间如何进行相互比较和统一度量？

（5）人的情感内容和感情方式是极为丰富的，各种情感之间相互渗透、相互作用、相互转化，往往有着相当复杂而且变化频繁的关系，那么对于情感的计算就需要真正天文数字般的情感数据资源库，还需要海量的计算模型与计算工作量，而人脑为何并不需要？

（6）有些复杂而微妙的情感，如怀疑、犹豫、迷茫、怜悯、尴尬、自我表现等，其生理指标的变化往往极其微弱而且短暂，对于它们的计算和测量如何进行？

（7）有些情感（如“对敌人的仇恨”与“对亲人的生气”）往往具有相同或相近的生理指标，但两者所表达的价值内涵往往相差很大，如何进行区别？

（8）情感的感受强度和表达强度与各种生理指标的变化量度通常不是成线性函数关系，大部分都是呈非线性的、不连续的、模糊的、概率性的、波动的函数关系，因此采用生理指标的变化量来计算情感的感受强度和表达强度，如何消除其误差性和不确定性。

（9）假如能够计算出人的情感感受强度、表达强度和生理唤醒程度，这些计算值又代表了什么样的客观价值意义？如何使电脑或机器人具有和谐、友好、灵活的人机界面？总之，对于情感的感受强度、表达强度和生理唤醒指标的计算实际上只是对于情感的表面形式的计算，而不是对于情感的客观内容的计算，因此不可能实现真正意义的“人工情感”。 为了实现用人工的方法和技术来模仿、延伸和扩展人的情感的目的，就必须首先建立情感的数学模型，实现对情感的内部逻辑关系及其运动变化进行严密的逻辑推理与精确的数学运算。然而，针对情感能否进行精确计算和人工化，理论界存在激烈的争论，具体体现在三个方面。

可能性与不可能性

一种观点认为，人的情感如同人的智能一样是可以进行计算，并在此基础上可以实现情感的人工化或数字化。协同学领袖哈肯曾经预言，“从长远的观点看，有希望制造出以自组织方式执行程序的协同计算机来模拟人类智能”，他系统阐述了他的脑活动和认知的协同学研究结果。另一种观点认为，情感具有不可计算性，人工情感是不可能实现的。他们认为，有些问题是可计算的，即对于这些问题存在可解的算法；但是还有一些问题不是可计算的，即对于这些问题不存在可解的算法。例如，停机问题是不可计算的，程序验证问题是不可计算的，检查一个图灵机是否接受一个给定的输入符号串是不可计算的，“波斯特对应问题”是不可计算的，等等。他们认为，认知的本质是计算，无论是人脑还是计算机，都是操作、处理符号的形式系统，而信息的收集、存储和处理的过程都是算法可计算的，因此认知和智能的任何活动都是图灵意义上的算法可计算的。与现代计算机不同，大脑不是一种通用图灵机，大脑的每一部分都是特异化的，并且是在相互作用中完成整体心智活动的，体现出一种内在的、依存性的、整体自涌现的形式，难以难以计算。哥德尔严格区分了心、脑和计算机的功能，他认为，心脑同一论是我们时代的偏见，心的可计算主义是应当批判的，假定存在超过人心的机器我们能证明吗？托尼·霍尔说：“大脑思维和计算机算法，乍一想这两者有相似性，但我们对大脑了解得非常少，基本结构都远远没有弄清楚。机器是不可能取代大脑的。”他说，比如编程，人的灵感机器没有，机器只能用来排错，机器只是助手。他们认为，欲望、情感和意志是具有主体意识的人类本身专有的，一旦它们脱离人就不存在了或者说变成假的了，情感只有是真时才能起作用，不可想象一台机器会自发地产生那些根本不属于它的特性；情感是不能制造的，模拟永远是假的；情感与人的社会性需求密切相关，电脑不具有任何社会性需求，因而不可能具有真正的情感，具有人类情感的电脑就象永动机一样永远不会实现，除非它具有独立意志。

必要性与不必要性

一种观点认为，人工智能基础理论已经处于相对停滞的状态，人工情感是人工智能必须面对的课题，是人工智能进一步发展的瓶颈，人机界面的人性化、程序运行的自主化、智能资源的效率化等都需要立即解决情感的可计算问题，解决人工情感的一系列基础理论问题和具体技术问题，人工情感已经具有了很迫切的社会需要。另一种观点认为，人工情感是科学研究上一种多余的“奢侈”。人类思维是一个巨大的系统工程，其基本的流程至今还没有完全研究清楚，很多内容甚至不能用语言表达，但肯定不会像二进制那样简单。人脑含有大约1000亿个神经元，每个神经元还有大约1万个连接，在如此复杂且高效的系统中，信息的处理远非人类想像得那么简单，情感型电脑对硬件和软件有着极为特殊的要求，人类在21世纪时的技术手段和思维高度远没有达到要求，对情感进行计算几乎是不可能的，即使能够部分做到，也将会付出高昂的代价，人机交互技术水平已经基本满足了人们的要求，指望某一种技术使得智能化或是交互形式在便捷性上有巨大的发展，基本上是不现实的，也是没有必要的。这种观点还认为，还没有形成对于情感计算机强烈的社会需求，如果技术的高度超过了社会的需求，其结果要么是技术本身被人们所遗弃，要么是技术的存在使人类的本性退化。智能化的最终目的是延伸人的控制力，但智能化似乎进入了绝对化的发展空间，大多数研究人员忽视了两个关键问题——智能化的效果和智能化的成本。技术的成本确实是一个无法回避的问题，“如果智能化的成本在某一时刻超过了人力资本，那么还会有谁去用智能设备呢？”

现实性与非现实性

一种观点认为，人工情感是即将到来的现实。克里克认为：“现在是可以用科学的方法研究意识的时候了，人的意识和精神活动完全由神经细胞、胶质细胞的行为和构成方式、以及影响它们的原子、离子和分子性质所决定，它们完全由物理化学规律支配”。生物计算机的出现，使人工情感变得越来越现实化，科学家发现了分子之间自发的组成具有计算能力的系统的方法，最可能成为生物计算机运算单元的是DNA（脱氧核糖核酸）或RNA（核糖核酸）。另一观点认为，人工情感是件遥远的事情。计算技术发展到今天，对大脑结构和思维本质的无知成了人工智能的“音障”，它们的阻力像激波一样难以突破。21世纪初对于大脑如何工作还没有一个像样的理论基础，里克·雷斯特认为，大脑太复杂了，没有人知道它怎么活动，谈不上模拟大脑的算法，“假设有可以模拟大脑算法的机器，这样的机器有智能和意识吗”。 张亚勤和微软亚洲研究院的两位副院长张宏江、沈向洋在合写的文章中说，一些科学家提出，“人类思维的规则几乎是不可能被完全破译的，所以机器所能够接受的永远都只是残缺不全的‘人的智能’，再强大的机器也不可能再现人类思维的复杂机制。” 由于大脑结构的复杂性、意识的复杂性、认知过程的复杂性、常识知识结构的复杂性等等，也由于意识最重要特征是它的意向性、自明性或自指性，彭罗斯认为这些特征显然是超越逻辑的，是超越算法的。人的情感思维与电脑的智能思维是两种完全不同的思维方式，电脑的最基本构成是处理器、内存和总线结构，它们只能对电路的开关作出反应和发生作用，这就决定了电脑的“思维”方式的有限性；电脑不存在意识，没有心理平衡问题，无法建立主体价值观，不能自动对所有的感受进行过滤，以便处理有用和必要的事情；人脑绝不是单纯处理0和1的装置，它直接接受和处理模拟信号，它的记忆是经验块堆的建立、关联和组合，如果电脑实现人脑功能，它必须在结构和工作机理上彻底翻新；人不会制造完美，大自然则能，人脑是目前物质的最高实现形式，人类只能实现人脑与电脑的交互，根本不可能制造具有真正的人脑思维方式的电脑；人是感性和理性的矛盾统一体，未来电脑可以让我们的社会数字化，但我们却难以让它感性化。总之，电脑距我们人脑还有遥远的距离，中间似乎隔着许多不可逾越的鸿沟。 人工情感包括三个方面：情感识别、情感表达与情感理解（或情感思维）。世界各国的科学家在情感识别与情感表达两个方面所取得的成果非常显著，但在情感理解或情感思维方面却收获甚微。其根本原因在于，到目前为止，没有一个科学家能够真正了解情感的哲学本质及客观目的是什么，没有创立一个全新的、科学的、数学化的情感理论，没有建立一个真正的情感数学模型。

21世界初的人工智能实际上只是人工认知，它是狭义的人工智能。知、情、意是人类三种基本的思维形式，那么广义的人工智能应该包括人工认知、人工情感和人工意志三个方面，因此要想由狭义的人工智能朝向广义的人工智能发展，就必须首先解决一系列有关情感的基本理论问题：什么是情感？情感的客观目的是什么？认知与情感到底有何区别？等等，而这些深层次的理论问题是当今的哲学、思维科学、生命科学和心理学等没能真正解决的。计算机的人工智能水平在经历了一段时间的突飞猛进之后，如今已经接近了它的理论上的发展极限，显然，不解决上述深层次的、哲学层面上的理论问题，不解决“人工智能”、“人工情感”和“情感计算”理论所存在的一系列严重的危机与哲学错误，要想研究真正意义的情感机器人是绝对不可能的。

人工情感理论存在三个方面的严重缺陷：

情感的哲学本质

情感是人类的一种主观意识，它必然是人脑对于某一种客观存在的主观反映，这种客观存在就是“价值”（或利益），情感与价值的关系就是主观与客观的关系，因此情感的哲学本质就是人脑对于事物价值特性的一种主观反映，情感的思维实际上就是人脑对于“价值”的思维，对于情感的计算实际上就是对于价值的计算。而21世纪初所有人工情感的研究者们都不知道这一点，他们总是试图通过测量和计算情感产生过程的各种生理指标（如心率、血压、脑电波、呼吸、瞳孔直径、激素分泌、血液成份等）的变化数据来确定情感强度的变化情况，来研究情感的变化规律，其结果必然是：“在主观范围内绕圈子，在表面形式上打循环”。情感是人脑对于事物价值特征的主观反映，其客观目的在于引导人更好地识别价值、消费价值、创造价值和表达价值，因此情感的识别实际上就是价值的识别，情感的表达实际上就是价值的表达，情感的计算实际上就是价值的计算。

情感的主要功能

21世纪初的人工情感研究者们只知道情感的功能作用在于使人或机器更具有“人情味”、更友好、更容易形成自然而亲切的人与机交互，营造真正和谐的人机环境。事实是，情感的功能远非如此！情感除了帮助建立机器人的人性化界面，还能够有效地提高思维的效率与速度，而且，情感还有一个更重要的功能，那就是：情感是人的行为灵活性、决策自主性和思维创造性的根本来源。智能机器人主要的缺陷在于：只能按照人预先编制的程序进行动作，不能自主地确立和调整价值目标，不能创造性地制订和修改总体规划及行为方案，不能总结经验和吸取教训。智能机器人一旦具有了情感，就能够以“达到既定的意志目标”为行为方向，以内设的“价值观系统（或情感系统）、认知系统和意志系统”为价值计算依据，以“实现最大价值率”为行为准则，建立一系列价值计算的函数关系式或约束方程式，再根据机器人所处的自然环境和人文社会环境确定若干个边界条件，选定情感和意志的动力特性参数，就可以主动地、创造性地调整“整体规划、行为方案和具体动作”，然后对行为的最终结果进行价值评价，以便及时地修正价值观系统（或情感系统）、认知系统和意志系统，达到总结经验和吸取教训的目的。

情感的内在逻辑程序

21世纪初，人工情感的研究者们完全不了解情感运行的内在逻辑程序，只知道人在进行情感反应时各种生理指标的变化数据。事实上，人在进行情感表达、情感识别和情感思维过程中，遵循着特定的逻辑程序。情感表达的逻辑程序大致是：人通过感觉器官接收刺激信号，大脑就会把以前存储在“价值观系统”中该事物的“主观价值率”提取出来，与自身的“中值价值率”进行比较、判断和计算。当前者大于后者时，就会在大脑中的边缘系统（该组织决定着情感的正负）的“奖励区域”产生正向的情感反映（如满意、自豪）；当前者小于后者时，就会在大脑中的边缘系统的“惩罚区域”产生负向的情感反映（如失望、惭愧）。大脑然后对价值的目标指向、变化方式、变化时态、对方的利益相关性等进行判断，从而确定和选择情感表达的基本模式。此外，情感识别、情感计算与情感调控也遵循着特定的逻辑程序。如果不了解情感运行的内在逻辑程序，就不可能研制出真正意义的情感机器人。

情感的数学模型

21世纪初的心理学没有建立任何的情感数学模型，也不知道情感的数学变化规律。显然，要实现情感的数字化，就必须首先建立情感的数学模型。事实上，人的情感可以通过情感矩阵来进行描述，并可以进行情感的交集运算与并集运算，情感强度的变化有着特定的数学规律。情感是人脑对于事物价值特性的主观反映，虽然，事物的“价值率高差”在根本上决定着人的情感强度，但在一般情况下，情感的强度并不与事物的价值率高差成正比，而是一种特殊的指数函数关系。

正是上述的理论障碍，在根本上决定了情感机器人的发展局限性。但各国所声称拥有情感的机器人，最多只能模拟人的某些情感表达方式，并进行一些简单的情感识别，不可能具有真正意义上的内在情感思维。

　　不少人都翘首以盼，计算机会变得越来越聪明，在不久的将来，它就能像人一样具有情感，与人进行自然、亲切和生动的智能交互。　认知科学（Cognitive Science）是在心理学、计算机科学、人工智能、神经科学、科学语言学、科学哲学以及其他基础科学（如数学、理论物理学）共同感兴趣的界面上，即理解人类的、乃至机器的智能的共同兴趣上，涌现出来的高度跨学科的新兴科学。认知科学试图依靠众多学科的共同努力，理解心智的性质，可能的话，在此基础上制造出能思维的机器。而认知心理学由于关注和研究人的心智活动，在认知科学中发挥着重要的作用。

认知心理学: 人脑与计算机类比

认知心理学是20世纪60年代兴起的心理学研究取向，它不仅研究心智活动的“软件”（即心智活动的过程，如人对信息的编码、储存和提取），而且研究心智活动的“硬件”（即心智活动的结构，如认知功能的脑定位或脑机制），提出了极富特色的理论，促进了对人类心智活动的细微剖析和准确理解，成为现代心理学的主流方向。

信息加工系统（Information-Processing System）也被称为符号操作系统（Symbol Operation System）或物理符号系统（Physical Symbol System）。一个完整的物理符号系统具有信息的输入（Input）、输出（Output）、存储（Store）、复制（Copy）、建立符号结构（Build Symbol Structure）和条件性迁移（Conditional Transfer）六种功能。物理符号系统假设提出，任何一个系统，如果能够表现出智能的话，就必能执行上述六种功能; 反之，任何系统如果具有这六种功能，就能表现出智能。其推论自然是: 人具有智能，人一定是个物理符号系统; 计算机是个物理符号系统，计算机一定能表现出智能。既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就可以用计算机来模拟人的智能活动。认知心理学所做的，就是试图用物理符号系统假设中的基本规律来解释人类复杂的心理现象。

心智的计算-表征理解（Computa-tional-Representational Understanding of Mind，简称CRUM）是一种对心智问题的理解方式，认为对思维最恰当的理解是将其视为心智中的表征结构以及在这些结构上进行操作的计算程序。 心智表征属于系统的内部状态，是相对于外部事件或事件的语义加以界定的，是一种形式化的符号表达式; 而所有与系统有关的语义内容，都依照深层的符号表达式及其变换的形式和符号关系结构加以规定，这是一种物理符号操作，是一种计算。表征与计算二者的关系密不可分，因为一定的计算总是建立在一定的表征之上，表现为对表征的某种操作和转换; 而一定的计算也总是会产生某种新的表征。

认知心理学研究心智结构和信息加工过程的方法主要由四个步骤构成，即理论、模型、程序和平台。一个认知理论首先要假定一套表征结构和一套在这些结构上进行操作的加工过程; 然后，通过与由数据结构和算法构成的计算机程序进行类比，设计一个计算模型使得这些表征结构和过程更为精确。有关表征的模糊概念可以用准确的关于数据结构的计算概念予以补充，而心理过程则可由算法来定义; 为了测试该模型，必须用一种编程语言将其在一个软件程序中实现; 最后，该程序应该可以在各种软硬件平台上运行。实际上，无论是信息加工取向对规则和搜索策略等进行的抽象的串行的分析，还是联结主义取向强调的分布式表征和平行加工，各种心智结构和信息加工过程均可采用上述方法进行研究。理论、模型、程序、平台一起构成了认知心理学的基本研究构架。大量研究都遵循着这个途径，并通过实验将各个步骤贯穿起来。

情感计算: 人与计算机交互

显然，情感交流是个复杂的过程，不仅受时间、地点、环境、人物对象和经历的影响，而且有表情、语言、动作或身体的接触。情感计算研究试图通过不断加深对人的情感状态和机制的理解，创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统。

作者简介:傅小兰

研究员，现任中国科学院心理研究所副所长，研究领域为认知心理学，主要关注人的基本认知过程、信息加工动态机制、知识表征、认知绩效以及人机交互中的心理与行为问题。担任脑与认知科学国家重点实验室副主任，中国心理学会常务理事、副秘书长、中国人类工效学会理事、认知工效学专业委员会副主任委员，全国人类工效学标准化技术委员会副主任委员等。

情感计算研究有助于提高计算机感知情境，理解人的情感和意图，做出适当反应的能力。情境化是人与计算机交互研究中的新热点。在人与计算机的交互中，计算机需要捕捉关键信息，觉察人的情感变化，形成预期，进行调整，做出反应。例如，通过对不同类型的用户建模（例如: 操作方式、表情特点、态度喜好、认知风格、知识背景等），以识别用户的情感状态，利用有效的线索选择合适的用户模型（例如，根据可能的用户模型主动提供相应有效信息的预期），并以适合当前类型用户的方式呈现信息（例如: 呈现方式、操作方式、与知识背景有关的决策支持等）; 在对当前的操作做出即时反馈的同时，还要对情感变化背后的意图形成新的预期，并激活相应的数据库，及时主动地提供用户需要的新信息。

情感计算是一个高度综合化的技术领域。目前情感计算研究面临的挑战仍是多方面的: （1）情感信息的获取与建模，例如细致和准确的情感信息获取、描述及参数化建模，海量的情感数据资源库，多特征融合的情感计算理论模型; （2）情感识别与理解，例如多模态的情感识别和理解; （3）情感表达，例如多模态的情感表达（图像、语音、生理特征等），自然场景对生理和行为特征的影响; （4）自然和谐的人性化和智能化的人计交互的实现，例如情感计算系统需要将大量广泛分布的数据整合，然后再以个性化的方式呈现给每个用户。

情感计算有广泛的应用前景。计算机通过对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们理解自己和他人的情感世界。计算机的情感化设计能帮助我们增加使用设备的安全性，使经验人性化，使计算机作为媒介进行学习的功能达到最佳化。在信息检索中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。

在电子商务领域，在设计购物网站和股票交易网站等时充分利用人的情感因素的作用，以改变客流量。多模式的情感交互技术能构筑更贴近人们生活的智能空间或虚拟场景，而机器人、智能玩具、游戏等产业则能构筑出更加拟人化的风格和更加逼真的场景。

计算机考研方向主要分类计算机科学与技术、软件工程、网络空间安全3类，但是相关学科考研方向还是比较宽泛，所以搞清楚专业方向，专业学科综合情况，才便于大家考研。我们整理分享“计算机专业研究生阶段有几大研究方向可以选择？”相关内容，一起来看看吧。

1、计算机应用技术

研究方向：计算机网络、实时计算机应用、CIMS、计算机图形学、并行计算、网络信息安全、数据库、情感计算、数据挖掘、分布式计算、知识工程、计算机视觉、自动推理、机器学习、草图理解、网络性能分析与协议设计、网络管理与安全、计算机图形学、信息可视化、基于GPU的高性能计算、复杂系统(应急、物流、海洋)领域工程、基于SOA的空间信息共享与业务协同、语义搜索引擎、自然语言处理、机器翻译、搜索引擎、空中交通信息系统与控制、民航信息与决策支持系统、智能交通系统理论与技术等。

专业特点：计算机应用技术是针对社会与各种企事业单位的信息化需求，通过对计算机软硬件与网络技术的选择、应用和集成，对信息系统进行需求分析、规划和设计，提供与实施技术与解决方案，创建优化的信息系统，并对其运行实行有效的技术维护和管理的学科。

培养这方面人才所涉及的知识面包括：数学与信息技术基础、程序设计基础、系统平台技术、计算机网络、信息管理与安全、人机交互、集成程序开发、系统架构与集成、Web与数字媒体技术、工程实施、职业操守等。培养目标是为企事业单位和政府机构提供首席信息官及承担信息化建设核心任务的人才，并提供为IT企业提供系统分析人才。

科研状况：本专业是天津市第一个计算机类博士点，主要从事计算机技术在其它领域应用中核心技术问题研究及相关信息系统开发。近年来在计算机集成制造(CIMS)、计算机辅助教学、虚拟现实技术应用、计算机工业控制、电子商务等方向承担国家863项目及重大项目、国家自然科学基金十余项。承担省部级及横向科研课题近百项。为国家和天津市的信息化建设做出了重要贡献。

近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生300多名。近年来，报考人数和录取名额逐年同步增加。

硕士期间主要课程及论文要求：主要课程：高等计算机网络、计算理论、排队论及在计算机中的应用、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。

论文要求：论文选题涉及计算机在各领域应用的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新;对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。 就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机应用领域的理论和工程方法，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。

2、计算机软件与理论

研究方向：计算理论、算法理论; 软件工程、中间件、智能软件、计算环境;并行计算、网格计算、普及计算;密码学、信息安全、数据理论;图形图象算法、可视化方法;人工智能应用基础;理论计算机科学其他方向。

专业特点：计算机软件与理论专业涉及计算机科学与技术的基本理论和方法，强调计算、算法、软件、设计等概念，主要的领域包括计算理论、算法与复杂性、程序设计语言、软件设计与理论、数据库系统、人工智能、操作系统与编译理论、信息安全理论与方法、图形学与可视化计算、以网络为中心的计算等。

科研状况：计算机软件与理论专业是我院重点发展，进步较快的专业。近年来承担国家863、自然科学基金、，以及省部级项目多项。在网络信息安全、中间件技术、并行计算、网格计算、计算机图形学等方面取得了多项前沿性成果。 近几年报考简况：本专业从96年代初开始招生，至今已为国家培养出硕士学位研究生50多名。近年来，报考人数和录取名额逐年同步增加。

硕士期间主要课程及论文要求：主要课程：计算理论、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。 论文要求：论文选题涉及计算机软件的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新;对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。

就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机软件的理论方法，以及软件工程、信息系统、并行计算、普及计算等等的软件系统开发技术，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。

研究生考试有疑问、不知道如何总结考研考点内容、不清楚考研报名当地政策，点击底部咨询官网，免费领取复习资料：https://www87dhcom/yjs/

这个问题很难给出一个明确的答案。陈敬阳和杨吉光都是中国历史上的重要人物，他们各有所长，难以对比谁更厉害。

然而，我们可以从不同的角度去比较这两位人物。从历史地位的角度来看，陈敬阳是唐朝初期的重要官员，曾经担任过御史中丞、太子太保等职务，对唐朝的政治和文化都有一定的影响。而杨吉光则是明朝中期的名将，曾经在抗击倭寇和平定叛乱等方面立下过汗马功劳，同时也是一个文化名人，著有《太和正音谱》等音乐著作。因此，从历史地位来看，两人都有自己独特的地位和贡献，难以简单地比较谁更厉害。

如果从个人能力和才干来比较，我们可以看到陈敬阳是一个有政治才能的官员，对唐朝的政治和文化都有一定的影响，而杨吉光则是一个有军事才能和文化才能的人物，既能打仗，又能写诗、作曲等。因此，我们可以根据自己的需求和喜好来选择谁更厉害。

总之，陈敬阳和杨吉光都是中国历史上的重要人物，他们各有所长，难以简单地比较谁更厉害。我们可以从不同的角度来看待这个问题，从而得出不同的答案。

这种行为可能被认为是背叛感情和婚姻的行为之一，因为老公选择通过相亲软件和前任女友来获取一些情感需求，而不是通过与自己的婚姻伴侣进行谈话和沟通来寻求解决方案。在夫妻之间的争吵期间，老公应该与妻子坦诚沟通、面对问题和寻求解决方案，而不是通过这种精神背叛行为来逃避问题和寻求安慰和支持。

精神出轨是一种有可能会引发婚姻破裂的行为，因为这种行为可能会造成深刻的伤害和信任缺失。虽然没有具体的肉体行为，但这种行为已经给婚姻带来了一定的损害。为了弥补婚姻中存在的问题，夫妻之间需要坦诚交流和解决问题，同时需要保持忠诚和尊重，建立健全的婚姻关系。

AI有了人类的感情这本身就是一件很恐怖的事，拥有感情的首要条件是拥有人类的意识。

首先，这个假设本身就存在着巨大的争议和分歧。因为这已经是一个相当哲学化的问题。因为人工智能在算力算法和记忆力方面是远远超过人类的。如果AI有了人类的情感，那岂不是就是说由人类创造出来的智慧将会远远超过人类的智慧。但我觉得这是不可能的。

假设意识可以变成代码，与人工智能融合，突破身体的束缚，成为另一种高风险的生活，人类可能会更自由，但百日梦再次相似， ai，发展还是要脚踏实地。如今，人工智能的基本应用随处可见。例如，我们常说的大数据更了解你，即通过人工智能技术推断你的偏好。为了实现这一点，人工智能需要不断深入学习信息，因此深度学习框架应运而生，如谷歌TF、百度飞行员等。

在某种程度上，深度学习框架是Ai时代的操作系统，就像Windows或Android一样，它是连接底层芯片和上层软件的基础。通过深入学习，技术开发人工智能应用的开发不需要从底部硬件开始，而是可以直接使用框架中的各种模型，就像积木一样，大大提高了开发效率。目前， 人工智能领域的技术再次突破，大模型应运而生。那么什么是大模型呢？我们都知道， 数据、算法和算力是人工智能的三个要素。你可以把模型当作ai的大脑。模型越小，内部算法越简单，计算能力越低，大脑就越愚蠢。大模型依靠数亿的数据堆叠，相当于一个装载更多内容的更大脑，所以更聪明，更有效。

所以假如AI有了人类的情感，这个世界将会变得更美好。人类可以摆脱几乎所有繁重的体力劳动。但前提是人类能够继续控制。

最近在进行lumicycle实验，接触到了细胞上面的衰减的昼夜节律。

关于这一点，和动物造模有所不同，在细胞上面，由于细胞过于密集+培养时长延长+培养基介质长期不更换的因素，细胞的昼夜节律会越来越衰减，关于这种情况下我们应该怎么计算呢？

首先，查阅资料，了解Lumicycle这一仪器的使用，这个仪器一般我们接触不到，在这里就不在详细描述了，只要知道它可以用来记录细胞的昼夜节律就可以了，当然动物的组织切片也是可以的，就是操作会更复杂一点。

关于我们所使用的细胞，我们使用的 Bmal1::dluc U2OS细胞和 Per2::dluc U2OS细胞。这两个细胞历史也比较悠久了，下面简单介绍一下它们是怎么构建的。

使用如上图所示的慢病毒载体感染U2OS细胞，之后使用流式分选筛查GFP荧光活性较强和振幅较大的细胞，这类细胞被称为 Per2::dluc U2OS。 Bmal1::dluc U2OS构建方案类似。

我们在这里使用了 Bmal1::dluc U2OS细胞，其基础振幅相对于 Per2::dluc U2OS要更高一点。

使用lumicycle生物节律性光度测定仪记录细胞的昼夜节律，连续记录7天以上，读入Lumicycle analysis软件，简单查看一下振荡趋势。

既然是使用指数衰减形式的正（余）弦函数进行拟合，那么我们完全可以使用circacompare进行计算，见 Introduction to circacompare ，里面提到了它也可以用来计算指数形式的振幅衰减。

R中操作如下：

要读入的数据（经过一阶多项式基准化的）长这样：

当然，也完全可以读入原始数据，即未经过基准化的，然后自己一阶函数线性拟合一下，原始的数据长这样：

dat1长这样：

data2长这样：