第４ ５ 卷第６ 期２ ０ ２ ２ 年６ 月计算机学报Ｃ Ｈ Ｉ Ｎ Ｅ Ｓ Ｅ Ｊ Ｏ Ｕ Ｒ Ｎ Ａ ＬＯ ＦＣ Ｏ Ｍ Ｐ Ｕ Ｔ Ｅ Ｒ ＳＶｏ ｌ ． ４ ５Ｎ ｏ ．６Ｊ ｕ ｎ ｅ  ２ ０ ２ ２基于多粒度认知的智能计算研究王国胤”傅顺ｕ杨洁”郭毅可２ ） ’ ３ ）重庆邮电大学计算智能重庆市重点实验室重庆４ ０ ０ ０ ６ ５ ）２ ）（ 香港浸会大学计算机科学系香港）３ ）（ 英国帝国理工学院数据科学学院伦敦Ｗ Ｐ １ Ｐ Ｇ 英国）摘要在传统的机器学习研究中， 数据空间与知识空间分离表达、计算机的信息处理过程与人脑的认知处理过程不一致， 成为了当前人工智能研究需要解决的核心关键问题． 本文从认知计算的角度， 回顾分析了基于多粒度认知的智能计算研究的发展历史轨迹， 介绍了该领域的研究现状， 提出了多粒度认知计算、可解释的认知机器学习、脑认知的智能计算辅助等该领域的三个前沿研究方向， 探讨了在多粒度认知启发下， 这些智能计算研究的未来可能发展趋势．关键词粒计算； 知识发现； 认知计算； 可解释机器学习； 人工智能中图法分类号Ｔ Ｐ １ ８Ｄ ＯＩ 号１ ０ ．  １ １ ８ ９ ７ ／ Ｓ Ｐ ．  Ｊ ．  １ ０ １ ６ ．  ２ ０ ２ ２ ．  ０ １ １ ６ １ＡＲ ｅｖ ｉ ｅｗｏ ｆ Ｒ ｅｓ ｅ ａｒｃ ｈｏ ｎＭｕ ｌ ｔ ｉ－ Ｇｒａｎ ｕｌ ａｒ ｉ ｔ ｙＣ ｏ ｇ ｎ ｉ ｔ ｉ ｏｎＢ ａ ｓ ｅｄＩ ｎ ｔ ｅｌ ｌ ｉ ｇ ｅｎ ｔ Ｃｏｍｐ ｕｔ ｉ ｎ ｇＷ Ａ Ｎ ＧＧ ｕ ｏ Ｙ ｉ ｎ１ ）Ｆ Ｕ Ｓ ｈ ｕ ｎ１ ）Ｙ Ａ Ｎ Ｇ Ｊ ｉ ｅ１ ）Ｇ Ｕ ＯＹ ｉ Ｋ ｅ２ ） ， ３ ）１ ） ｛ Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ Ｋ ｅ ｙ Ｌａ ｂ ｏ ｒａ ｔ ｏ ｒｙ ｏ ｆ Ｃ ｏ ｍｐ ｕ Ｌ ａ Ｌ ｉ ｏ ｎ ａ ｌ  Ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅ  ？  Ｃｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ Ｌ ｙ ｏ ｆ Ｐ ｏ ｓ Ｌ ｓ  ａ ｎ ｄ  Ｔｅ ｌ ｅ ｃ ｏ ｍｍｕｎ ｉ ｃ ａ Ｌ ｉ ｏ ｎ ｓ， Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ４ ０ ０ ０ ６ ５ ）２ ） ｛ Ｄ ｅ ｐ ａ ｒ Ｌ ｍ ｅ ｎ Ｌ  ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ  Ｓ ｃ ｉ ｅ ｎ ｃ ｅ  ？  Ｉ ｌ ｏ ｎ ｇ Ｋ ｏ ｎ ｇ  Ｂ ａ ｐ ｔ ｉ ｓ ｔ  Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ  ？  Ｉ ｌ ｏ ｎ ｇ Ｋ ｏ ｎ ｇ ）３ ） （ Ｄａ ｔ ａ  Ｓ ｃ ｉ ｅ ｎ ｃ ｅ  Ｉ ｎ ｓ Ｌ ｉ Ｌ ｕ Ｌ ｅ  ？  Ｉ ｍｐ ｅ ｒ ｉ ａ ｌ  Ｃ ｏ ｌ ｌ ｅ ｇ ｅ  Ｌ ｏ ｎ ｄ ｏ ｎ  ？  Ｌ ｏ ｎ ｄ ｏ ｎ ＷＰ Ｉ Ｐ Ｇ ＾ ＵＫ ）Ａｂ ｓ ｔ ｒ ａ ｃ ｔＧ ｒ ａ ｎ ｕ ｌ ａ ｒ  ｃ ｏ ｍｐｕ ｔ ｉ ｎｇ  （ Ｇ ｒ Ｃ ）  ｉ ｓ  ａ ｍ ａ ｃ ｈ ｉ ｎ ｅ  ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅ  ａ ｎ ｄ ｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ  ｃ ｏ ｍｐｕ ｔ ｉ ｎｇ ｍ ｅ ｔ ｈ ｏ ｄ ｏ ｌ ｏｇ ｙｔ ｈ ａ ｔ  ｕ ｓ ｅ ｓ  ｇ ｒ ａ ｎ ｕ ｌ ｅ  ａ ｓ  ａ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ  ｏ ｂｊｅ ｃ ｔ ．Ｉ ｔ  ｉ ｓ  ａ ｐ ｏ ｗ ｅ ｒ ｆ ｕ ｌ  ｔ ｏ ｏ ｌ  ｆ ｏ ｒ  ａ ｐ ｐ ｒ ｏ ｘ ｉ ｍ ａ ｔ ｅ  ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ  ｏ ｆ  ｃ ｏ ｍ ｐ ｌ ｅ ｘｐ ｒ ｏ ｂ ｌ ｅ ｍ ｓ ａ ｔ ｍ ｕ ｌ ｔ ｉ ｐ ｌ ｅ  ｌ ｅ ｖ ｅ ｌ ｓ  ａ ｎ ｄ  ｓ ｃ ａ ｌ ｅ ｓ ．Ｉ ｔ ｓ ｅ ｓ ｓ ｅ ｎ ｃ ｅ  ｉ ｓ  ｔ ｏ  ｓ ｉ ｍ ｕ ｌ ａ ｔ ｅ  ｔ ｈ ｅ ｍ ｕ ｌ ｔ ｉ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙ  ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ  ｔ ｈ ｅ  ｈ ｕ ｍ ａ ｎ  ｂ ｒ ａ ｉ ｎ ， ａ ｎ ｄ  ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ａ  ｓ ｅ ｔ  ｏ ｆ  ｔ ｈ ｅ ｏ ｒ ｉ ｅ ｓ  ａ ｎ ｄ ｍ ｅ ｔ ｈ ｏ ｄ ｓ  ｆ ｏ ｒ  ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ  ｓ ｐ ａ ｃ ｅｔ ｒ ａ ｎ ｓ ｆ ｏ ｒｍ ａ ｔ ｉ ｏ ｎ  ｂ ｅ ｔ ｗ ｅ ｅ ｎ  ｔ ｈ ｅ  ｉ ｎ ｆ ｏ ｒｍ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎｇ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ  ｃ ｏｍ ｐｕ ｔ ｅ ｒ  ａ ｎ ｄ ｔ ｈ ｅ ｍ ｕ ｌ ｔ ｉ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ  ｐ ｒ ｏ ｃ ｅ ｓ ｓ  ｏ ｆ  ｔ ｈ ｅ  ｈ ｕ ｍ ａ ｎ  ｂ ｒ ａ ｉ ｎ ．Ｆ ｒ ｏ ｍ ｔ ｈ ｅ  ｐ ｅ ｒ ｓ ｐ ｅ ｃ ｔ ｉ ｖ ｅ  ｏ ｆ  ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ  ｃ ｏ ｍ ｐ ｕ ｔ ｉ ｎ ｇ  ａ ｎ ｄ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｖ ｅｃ ｏｍ ｐ ｕ ｔ ｉ ｎ ｇ ，ｔ ｈ ｉ ｓ  ｐ ａ ｐ ｅ ｒ  ａ ｎ ａ ｌ ｙ ｚ ｅ ｓ  ｓ ｅ ｖ ｅ ｒ ａ ｌ  ｃ ｏ ｎ ｔ ｒ ａ ｄ ｉ ｃ ｔ ｏ ｒ ｙ  ｐ ｈ ｅ ｎ ｏｍ ｅ ｎ ａ  ａ ｎ ｄ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｓ  ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇ ｉ ｎ ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅ  ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ．Ｔ ｈ ｅ  ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎｇ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ  ｃ ｏ ｍ ｐｕ ｔ ｅ ｒ  ｓ ｔ ａ ｒ ｔ ｓ  ｆ ｒ ｏ ｍ ｓ ａ ｍ ｐ ｌ ｅ ｓ  ｏ ｎｆ ｉ ｎ ｅ ｇ ｒ ａ ｎ ｕ ｌ ｅ ．Ｉ ｔ  ｅ ｘ ｔ ｒ ａ ｃ ｔ ｓ  ｋ ｎ ｏ ｗ ｌ ｅ ｄｇ ｅ  ｆ ｒ ｏ ｍ ｄ ａ ｔ ａ  ｂ ａ ｓ ｅ ｄ  ｏ ｎ  ｔ ｈ ｅ  ｅ ｘ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ  ｏ ｆ  ｄ ａ ｔ ａ  ｓ ｐ ａ ｃ ｅ ．Ｎ ｅ ｖ ｅ ｒ ｔ ｈ ｅ ｌ ｅ ｓ ｓ，ｔ ｈ ｅ  ｈ ｕ ｍ ａ ｎ  ｃ ｏｇｎ ｉ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｍ ａ ｐ ｓ  ａ ｎ ｄ  ｒ ｅ ａ ｓ ｏ ｎ ｓ  ｂ ｅ ｔｗ ｅ ｅ ｎ  ｄ ａ ｔ ａ  ａ ｎ ｄ ｋ ｎ ｏ ｗ ｌ ｅ ｄｇ ｅ  ｂ ａ ｓ ｅ ｄ  ｏ ｎ  ｔ ｈ ｅ  ｅ ｘ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎｏ ｆ  ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅ  ｓ ｐ ａ ｃ ｅ ．Ｉ ｎ  ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｍ ａ ｃ ｈ ｉ ｎ ｅ  ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ，  ｔ ｈ ｅ ｒ ｅ  ｅ ｘ ｉ ｓ ｔ ｓ  ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｏ ｆ  ｓ ｅ ｐ ａ ｒ ａ ｔ ｅｅ ｘ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ  ｏ ｆ  ｄ ａ ｔ ａ  ｓ ｐ ａ ｃ ｅ  ａ ｎ ｄ ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅ  ｓ ｐ ａ ｃ ｅ ．Ｔ ｈ ｅ  ｓ ｅ ｐ ａ ｒ ａ ｔ ｅ  ｅ ｘ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ ｌ ｅ ａ ｄ ｓ  ｔ ｏ  ｔ ｈ ｅ  ｉ ｎ ｄ ｅ ｐ ｅ ｎ ｄ ｅ ｎ ｃ ｅｏ ｆ  ｄ ａ ｔ ａ  ａ ｎ ｄ ｋ ｎ ｏｗ ｌ ｅ ｄ ｇ ｅ ．Ｉ ｔ  ｉ ｓ  ｄ ｉ ｆ ｆ ｉ ｃ ｕ ｌ ｔ  ｔ ｏ  ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ  ｔ ｈ ｅ ｍ ａ ｐ ｐ ｉ ｎ ｇ ａ ｎ ｄ  ｒ ｅ ａ ｓ ｏ ｎ ｉ ｎ ｇ ｆ ｒ ｏ ｍ ｄ ａ ｔ ａ  ｔ ｏ  ｋ ｎ ｏｗ ｌ ｅ ｄ ｇ ｅ ．Ｉ ｎ  ｔ ｈ ｅ  ｐ ｒ ｏ ｃ ｅ ｓ ｓ  ｏ ｆ  ｉ ｍ ａ ｇ ｅ  ｒ ｅ ｃ ｏｇｎ ｉ ｔ ｉ ｏ ｎ ， ｔ ｈ ｅ  ｃ ｏ ｍｐｕ ｔ ｅ ｒ  ａ ｌ ｇｏ ｒ ｉ ｔ ｈ ｍ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｅ ｓ  ｆ ｒ ｏｍ ｔ ｈ ｅ  ｐ ｉ ｘ ｅ ｌ  ｐｏ ｉ ｎ ｔ ｓ  ｒ ａ ｔ ｈ ｅ ｒｔ ｈ ａ ｎ  ｈ ｉ ｇｈ ｌ ｅ ｖ ｅ ｌ  ｓ ｅ ｍ ａ ｎ ｔ ｉ ｃ  ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ  ｏ ｒ  ｃ ｏ ｎ ｃ ｅ ｐ ｔ ｓ  ｏ ｆ  ｔ ｈ ｅ  ｉ ｍ ａ ｇ ｅ ．Ｈ ｏ ｗ ｅ ｖ ｅ ｒ，  ｔ ｈ ｅ ｈ ｕ ｍ ａ ｎ  ｖ ｉ ｓ ｕ ａ ｌ  ｃ ｏｇｎ ｉ ｔ ｉ ｏ ｎｐ ｒ ｏ ｃ ｅ ｓ ｓ  ｓ ｔ ａ ｒ ｔ ｓ ｗ ｉ ｔ ｈ ｇ ｌ ｏ ｂ ａ ｌ  ｔ ｏｐｏ ｌ ｏｇ ｉ ｃ ａ ｌ  ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ， ａ ｎ ｄ  ｔ ｈ ｅ ｎ ｇ ｒ ａ ｄ ｕ ａ ｌ ｌ ｙｒ ｅ ｆ ｉ ｎ ｅ ｄ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ．Ｔｈ ｉ ｓ  ｃ ｏ ｎ ｔ ｒ ａ ｄ ｉ ｃ ｔ ｏ ｒ ｙ收稿日期：２ ０ ２ １ ０ ７ １ ０； 在线发布日期：２ ０ ２ ２ ０ １ ２ ５ ． 本文得到国家自然科学基金（ ６ １ ９ ３ ６ ０ ０ １，６ １ ７ ７ ２ ０ ９ ６，６ ２ ０ ６ ６ ０ ４ ９ ） 、重庆市自然科学基金（ ｃ ｓ ｔ ｃ ２ 〇２ ｌ ｙ ｃｊｈ ｂ ｇ ｚ ｘ ｍ ０ ０ １ ３ ， ｃ ｓ ｔ ｃ ２ 〇ｌ ９ｊｃ ｙ ｊｃ ｘ ｔ Ｘ Ｏ Ｏ 〇２ ） 、重庆市教委重点合作项目（ Ｉ Ｉ Ｚ ２ 〇２ １ ０ 〇８ ） 资助． 王国胤（ 通信作者） ， 博士， 教授， 博士生导师， 中国计算机学会（ ＣＣＦ ） 会士， 长江学者， 主要研究领域为粒计算、知识发现、认知计算、智能信息处理、大数据智能． Ｅ ｍ ａ ｉ ｌ： Ｗ ａ ｎ ｇ ｇ ｙ ＠ｃ ｑ ｕ ｐ ｔ ． ｅ ｄ ｕ ．  ｃ ｎ ． 傅顺， 博士研究生， 中国计算机学会（ ＣＣＦ ） 学生会员， 主要研究方向为粒计算、网络表示学习、数据挖掘、可解释机器学习．杨洁， 博士， 教授， 主要研究方向为粗糙集、粒计算、数据挖掘． 郭毅可， 博士， 教授， 博士生导师， 英国皇家工程院院士， 主要研究领域为数据挖掘、表示学习、可解释机器学习．１ １ ６ ２ 计算机学报 ２ ０ ２ ２ 年ｐｈ ｅ ｎ ｏ ｍ ｅ ｎ ｏ ｎ  ｓ ｈ ｏ ｗ ｓ  ｔ ｈ ａ ｔ  ｔ ｈ ｅ  ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎｇ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ  ｃ ｏ ｍ ｐｕ ｔ ｅ ｒ  ｉ ｓ  ｎ ｏ ｔ  ｃ ｏ ｎ ｓ ｉ ｓ ｔ ｅ ｎ ｔ ｗ ｉ ｔ ｈｔ ｈ ｅ  ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ  ｏ ｆ  ｔ ｈ ｅ ｈ ｕ ｍ ａ ｎ  ｂ ｒ ａ ｉ ｎ ．Ｔ ｈ ｉ ｓ  ｌ ｅ ａ ｄ ｓ  ｔ ｏ  ａ  ｎ ｕ ｍ ｂ ｅ ｒ  ｏ ｆ  ｓ ｅ ｒ ｉ ｏ ｕ ｓ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｓ ， ｓ ｕ ｃ ｈ  ａ ｓ  ｔ ｈ ｅｖ ｕ ｌ ｎ ｅ ｒ ａ ｂ ｉ ｌ ｉ ｔ ｙ ａ ｎ ｄ ｌ ａ ｃ ｋ ｏ ｆ  ｉ ｎ ｔ ｅ ｒ ｐ ｒ ｅ ｔ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ  ｄ ｅ ｅ ｐ  ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ  ｎ ｅ ｕ ｒ ａ ｌ  ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｍ ｏ ｄ ｅ ｌ ｓ ．Ｆ ｏ ｒ ｅ ｘ ａｍ ｐ ｌ ｅ，ａ ｄ ｄ ｉ ｎ ｇ  ａ  ｓ ｍ ａ ｌ ｌ  ａｍ ｏ ｕ ｎ ｔ  ｏ ｆ  ｓ ｐ ｅ ｃ ｉ ｆ ｉ ｃ  ｎ ｏ ｉ ｓ ｅ  ｔ ｏ  ａ ｎ  ｉ ｍ ａ ｇ ｅ ｍ ａ ｙｓ ｅ ｒ ｉ ｏ ｕ ｓ ｌ ｙｒ ｅ ｄ ｕ ｃ ｅ  ｔ ｈ ｅ  ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｐ ｅ ｒ ｆ ｏ ｒ ｍ ａ ｎ ｃ ｅｏ ｆ  ａ  ｄ ｅ ｅ ｐ  ｎ ｅ ｕ ｒ ａ ｌ  ｎ ｅ ｔ ｗ ｏ ｒ ｋ  ａ ｎ ｄ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｅ  ａ  ｃ ｏ ｍ ｐ ｌ ｅ ｔ ｅ ｌ ｙ ｗ ｒ ｏ ｎ ｇ  ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ  ｒ ｅ ｓ ｕ ｌ ｔ ．Ｉ ｎ  ａ ｄ ｄ ｉ ｔ ｉ ｏ ｎ ，ｄ ｅ ｅ ｐｃ ｏ ｎ ｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ａ ｌ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋｍ ｏ ｄ ｅ ｌ ｓｔ ｒ ａ ｉ ｎ ｅ ｄｂ ｙＩ ｍ ａ ｇ ｅ Ｎ ｅ ｔｔ ｅ ｎ ｄｔ ｏｒ ｅ ｌ ｙｍ ｏ ｒ ｅｏ ｎｆ ｉ ｎ ｅ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ  ｓ ｕ ｃ ｈａ ｓｔ ｅ ｘ ｔ ｕ ｒ ｅｆ ｏ ｒｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ（ ｔ ｅ ｘ ｔ ｕ ｒ ｅｂ ｉ ａ ｓ ）ｔ ｈ ａ ｎｃ ｏ ａ ｒ ｓ ｅ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒｆ ｅ ａ ｔ ｕ ｒ ｅ ｓｓ ｕ ｃ ｈａ ｓｓ ｈ ａ ｐ ｅ ．Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ， ｔ ｈ ｅ  ｈ ｉ ｓ ｔ ｏ ｒ ｉ ｃ ａ ｌ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ ｔ ｒ ａｊｅ ｃ ｔ ｏ ｒ ｙ  ｏ ｆ ｍ ｕ ｌ ｔ ｉ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ  ｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ（ Ｍ Ｇ Ｃ Ｉ Ｃ ）ｉ ｓｒ ｅ ｖ ｉ ｅ ｗ ｅ ｄａ ｎ ｄｔ ｈ ｅｃ ｕ ｒ ｒ ｅ ｎ ｔｒ ｅ ｓ ｅ ａ ｒ ｃ ｈｐ ｒ ｏｇ ｒ ｅ ｓ ｓａ ｂ ｏ ｕ ｔｔ ｈ ｅ ｎ ｉ ｎ ｅｍ ａｊｏ ｒ  ｉ ｓ ｓ ｕ ｅ ｓ  ｏ ｆ  ｄ ａ ｔ ａ ｄ ｒ ｉ ｖ ｅ ｎ  ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ  ｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ  ｃ ｏ ｍｐｕ ｔ ｉ ｎｇ（ Ｄ Ｇ Ｃ Ｃ ）ｉ ｓ  ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ．Ｆ ｕ ｒ ｔ ｈ ｅ ｒ ｍ ｏ ｒ ｅ，ｔ ｈ ｅ  ｔ ｈ ｒ ｅ ｅ  ｆ ｒ ｏ ｎ ｔ ｉ ｅ ｒ  ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ  ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｓ  ｓ ｕ ｃ ｈ  ａ ｓ ｍ ｕ ｌ ｔ ｉ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙ ｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ  ｃ ｏ ｍｐｕ ｔ ｉ ｎｇ ，ｉ ｎ ｔ ｅ ｒ ｐ ｒ ｅ ｔ ａ ｂ ｌ ｅｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ ｍ ａ ｃ ｈ ｉ ｎ ｅ  ｌ ｅ ａ ｒ ｎ ｉ ｎｇ ， ａ ｎ ｄ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ  ｃ ｏ ｍｐｕ ｔ ｉ ｎｇ ａ ｓ ｓ ｉ ｓ ｔ ａ ｎ ｃ ｅ  ｆ ｏ ｒ  ｂ ｒ ａ ｉ ｎ  ｃ ｏｇｎ ｉ ｔ ｉ ｏ ｎ  ａ ｒ ｅ ｐ ｒ ｏｐｏ ｓ ｅ ｄ ．Ｉ ｎ  ｄ ｅ ｔ ａ ｉ ｌ， ｍ ｕ ｌ ｔ ｉ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ  ｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ  ｉ ｓ  ｂ ａ ｓ ｅ ｄ  ｏ ｎ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ  ｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ ， ｗ ｈ ｉ ｃ ｈ  ｉ ｎ ｔ ｅ ｇ ｒ ａ ｔ ｅ ｓｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｓ ｏ ｌ ｖ ｉ ｎｇ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ  ｔ ｈ ｅ ｈ ｕ ｍ ａ ｎ  ｂ ｒ ａ ｉ ｎ  ｉ ｎ ｔ ｏ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ  ｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ ｍ ｏ ｄ ｅ ｌ ｓ ．Ｉ ｔ  ｉ ｎ ｔ ｅ ｇ ｒ ａ ｔ ｅ ｓｔ ｈ ｅ  ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ  ｐ ｒ ｏ ｃ ｅ ｓ ｓ  ｏ ｆ  ｔ ｈ ｅ  ｈ ｕ ｍ ａ ｎ  ｂ ｒ ａ ｉ ｎ  ａ ｎ ｄ  ｔ ｈ ｅ  ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ  ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｍ ｅ ｃ ｈ ａ ｎ ｉ ｓ ｍ ｏ ｆ  ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ ｓ ．Ｔ ｈ ｒ ｏ ｕ ｇ ｈｃ ｏ ｌ ｌ ａ ｂ ｏ ｒ ａ ｔ ｉ ｖ ｅ ｌ ｙｉ ｎ ｓ ｐ ｅ ｃ ｔ ｉ ｎ ｇｔ ｈ ｅｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅｉ ｍ ｐ ｌ ｉ ｅ ｄｉ ｎａｍ ｕ ｌ ｔ ｉ ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅｓ ｐ ａ ｃ ｅ， ｔ ｈ ｅ ｓ ｅ  ｔ ｗ ｏ  ｓ ｅ ｅ ｍ ｉ ｎ ｇ ｌ ｙｏ ｐ ｐ ｏ ｓ ｉ ｔ ｅ  ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｅ ｓ  ｃ ｏ ｕ ｌ ｄ  ｂ ｅ  ｓ ｔ ｕ ｄ ｉ ｅ ｄ ｉ ｎ  ｔ ｈ ｅ  ｓ ａｍ ｅ ｍ ｕ ｌ ｔ ｉｇ ｒ ａ ｎ ｕ ｌ ａ ｒ ｉ ｔ ｙ ｓ ｐ ａ ｃ ｅ ．Ｔ ｈ ｅ ｏ ｂｊｅ ｃ ｔ ｉ ｖ ｅ ｏ ｆ ｉ ｎ ｔ ｅ ｒ ｐ ｒ ｅ ｔ ａ ｂ ｌ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｖ ｅｍ ａ ｃ ｈ ｉ ｎ ｅｌ ｅ ａ ｒ ｎ ｉ ｎ ｇｉ ｓｔ ｏｆ ｉ ｎ ｄｏ ｕ ｔ ｔ ｈ ｅｃ ｏ ｍ ｐ ｌ ｅ ｘ  ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎｂ ｅ ｔ ｗ ｅ ｅ ｎｃ ｏ ｎ ｃ ｅ ｐ ｔ ｓｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｄｉ ｎａｄ ｅ ｅ ｐｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅｓ ｐ ａ ｃ ｅｇ ｅ ｎ ｅ ｒ ａ ｔ ｅ ｄｆ ｒ ｏ ｍｍ ａ ｓ ｓ ｉ ｖ ｅ  ｄ ａ ｔ ａ  ａ ｎ ｄ  ｔ ｏ  ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ  ｔ ｈ ｅ ｍ ａ ｐ ｐ ｉ ｎ ｇ  ｂ ｅ ｔ ｗ ｅ ｅ ｎ  ａ  ｄ ｅ ｅ ｐ  ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅ  ｅ ｘ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ  ｓ ｐ ａ ｃ ｅ  ａ ｎ ｄ ａ  ｄ ｅ ｅ ｐｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ  ｆ ｅ ａ ｔ ｕ ｒ ｅ  ｓ ｐ ａ ｃ ｅ ．Ｔ ｈ ｅ  ｏ ｂｊｅ ｃ ｔ ｉ ｖ ｅ  ｏ ｆ  ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ  ｃ ｏ ｍ ｐ ｕ ｔ ｉ ｎ ｇ ａ ｓ ｓ ｉ ｓ ｔ ａ ｎ ｃ ｅ  ｆ ｏ ｒ  ｂ ｒ ａ ｉ ｎ  ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎｉ ｓ  ｔ ｏｐ ｒ ｏ ｍ ｏ ｔ ｅｔ ｈ ｅｒ ｅ ｓ ｅ ａ ｒ ｃ ｈｏ ｆ ｂ ｒ ａ ｉ ｎｓ ｃ ｉ ｅ ｎ ｃ ｅａ ｎ ｄｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎｓ ｃ ｉ ｅ ｎ ｃ ｅｗ ｉ ｔ ｈｔ ｈ ｅｈ ｅ ｌ ｐｏ ｆ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ ｍ ｏ ｄ ｅ ｌ ｓ ａ ｎ ｄ ｍ ｅ ｔ ｈ ｏ ｄ ｓ  ｂ ａ ｓ ｅ ｄ ｏ ｎ  ｔ ｈ ｅ ｉ ｄ ｅ ａ  ｏ ｆ  ｃ ｏ ｍ ｐｕ ｔ ｅ ｒ ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ．Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｖ ｉ ｄ ｅ ｓｎ ｅ ｗ ｉ ｄ ｅ ａ ｓ  ａ ｎ ｄ ｉ ｎ ｓ ｐ ｉ ｒ ａ ｔ ｉ ｏ ｎ ｓ  ｆ ｏ ｒ  ｔ ｈ ｅ  ｉ ｎ ｔ ｅ ｒ ｓ ｅ ｃ ｔ ｉ ｏ ｎ  ａ ｎ ｄ ｆ ｕ ｓ ｉ ｏ ｎ  ｓ ｔ ｕ ｄ ｙ ｏ ｆ  ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ  ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅ  ａ ｎ ｄ ｈ ｕ ｍ ａ ｎ（ ｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ ）  ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅ ．Ｋ ｅｙｗ ｏ ｒ ｄ ｓｇ ｒ ａ ｎ ｕ ｌ ａ ｒｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ ；ｋ ｎ ｏ ｗ ｌ ｅ ｄｇ ｅｄ ｉ ｓ ｃ ｏ ｖ ｅ ｒ ｙ ；ｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ ；ｉ ｎ ｔ ｅ ｒ ｐ ｒ ｅ ｔ ａ ｂ ｌ ｅｍ ａ ｃ ｈ ｉ ｎ ｅ  ｌ ｅ ａ ｒ ｎ ｉ ｎｇ ； ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ  ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｃ ｅｉ 引言随着大数据时代的来临以及人工智能研究的兴起， 认知计算逐渐成为人们关注的焦点． 认知计算是认知科学、数据科学和一系列计算技术协同融合的新兴领域？ 粒计算（ Ｇ ｒ ａ ｎ ｕ ｌ ａ ｒ Ｃ ｏ ｍ ｐｕ ｔ ｉ ｎｇ ， Ｇ ｒ Ｃ ） 是一种使用“ 粒” 作为处理对象的一系列方法的机器智能及认知计算方法论［１］． 它是在多层次、多尺度上对复杂问题近似求解的有力工具． 它的本质是模拟人脑的多粒度认知机理， 并建立一套将计算机信息处理过程与人脑的多粒度认知过程进行信息空间变换的理论和方法． 粒计算自美国工程院院士Ｚ ａ ｄ ｅ ｈ 教授在１ ９ ７ ９ 年提出以来［２］， 已有４ ０ 余年的发展历史． 在这期间， 人们建立了多种实现多粒度认知的智能计算理论模型和方法， 推动了人工智能的发展．为了分析基于多粒度认知的智能计算（ Ｍ ｕ ｌ ｔ ｉＧ ｒ ａ ｎ ｕ ｌ ａ ｒ Ｃ ｏｇｎ ｉ ｔ ｉ ｖ ｅ  Ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ Ｃ ｏｍ ｐｕ ｔ ｉ ｎｇ ， ＭＧＣＩ Ｃ ）的未来研究发展趋势， 本文先讨论分析在相关研究工作中观察到的几个矛盾现象和问题．首先， 计算机的信息处理过程与人脑的认知处理过程并不一致． 比如， 近年来非常流行的深度学习模型在图像识别任务上的识别精度和速度已经达到甚至超越了人类． 然而， 如果在图片中加人少量特定噪声， 却可能严重降低深度神经网络模型的识别性能， 得到完全错误的识别结果． 显然， 对人类来说， 这些微弱的噪声几乎不会造成任何干扰． 图１ 所示的基于深度学习的反人脸识别实验结果说明了这一现象． 如图１ 所示， 左侧图片（ 原始图像） 中， 红色方框标识了可以被深度学习系统正确识别的人脸． 然而在添加了中间图片中的噪声信息后， 得到的右侧图片（ 添加噪声后的图像） 中的人脸却不能被正确识８ 課玉辑藤等： 基于多輯度认＿ 的臀能计算研資１ Ｍ ２原始图像噪声信息添加噪声后的图像加入噪声后， 原本可检测到的人脸比例从接近１ ０ Ｗ 降到０ ． ５ ％ ！图１＃ 于深：騰学每的風入：驗Ｗ别［７］别［７］ ？ 这说明捧虞孥岑模型的识别计算机理不同ｆ人类的识别认知机理．其次． 探度学习模型对于图像的识别＊ 会以纹理作为其识别的主蘩特征信息［ｓｌ， 比如， 用Ｉ ｍ ａ ｇ ｅ Ｎ ｅ ｔ训缂的深度卷轵神砮网络模型， 更趋向于依赖纹理进行识别， 而季形狀． 这是深度学匁？ 像识别模型的“纹理偏执” 现象？ 如图２ 所示， 人类会认为裒像猶的图像， 却被深度攀习模型识别为象． 这说明在阌像识别机埋上深度學习模型与人类大脑并不一致－ Ａ 于深度学习是一个黑箱＇模型， 人们不禁要何， 在进行图像识别的过裎中》深＇ 度学笱究鴦依赖什么＃ 征？ 目前， 人们对这个问題的认知度并不够， 深度学召模型至今依然缺乏可解释性．釋＊ 翁理狼息奶． 轮靡雷息ｒａ另夕卜甘箕机科学的数学基础是离散数学和集合论？ 计算机的倩息处，理是基于元素（样本） 的， 而不是為Ｔ 上层抽象概念的． 例如， 在虜像处理过程中，计：算机首先是对像素点进行扫描处理， 然后才在各层次逐步对特征信息进行处理， 这是一个由细粒度到粗粒度的处理过程？ 在机器学习、钿识发现和数据挖掘研究中， 人们设计的模遒方法息是尝试从数据中获取有价值的信息利知识， 这也是一个由细粒度到粗粒度的单向信息变换过程．计算机从最细粒崖的像素卉始处理图像． 弩之相反， 人类的视觉认知是从大范围的拓扑结构开始， 然后逐步细化的． 中国科学院生物物理研究所脑与认知科学嵐象重念实验室戋任陈霖院士等人通过实验发现： 人类认知具确ｒ 大范围首先” 的规律＾ 视觉系统对全局拓扑特性尤为敏感， 计算机直接处理最细粒度的图像数据不符合人类的视觉认知规律？ ］ ＿ 在厨３ 所示的图輟中， 人类视觉认知倾向于先食规大的宇華＂ Ｈ ” 和字韻：＊ ？沒Ｖ然后才发现太宇：母中包含的小“Ｓ” 和小“这是一个由粗粒度到细粒度的认知处理过程， 可见， 人脑的认知处理过程与计算机的倚息处理过程有稂大差异， 二者甚至是相皮梅．ＨＨＨＨＨＨＨ Ｈ Ｈ Ｈ Ｈ ＨＨＨＨＨＨＨＳＳｓｓｓｓｓ ｓ ｓ ｓ ｓ ｓｓｓｓｓｓｓＨ Ｈ Ｈ ｈｈＨＨＨｈ ｈ ｈ ｈＨＨＨｈ ｈ ｈ ｈｓｓ ｓ ｓ ｓｓｓｓＳ ＳＳｓｓｓＳ ｓ ｓｓ虜１＊太隹：围曹翁” 組人类视觉认知机制［１ °］总的来讲， 在当前机器学习研究中， 数据空间与知识空间的分离表达， 导致数据与知识相互應变， 无法建立从数据到知识的映射与推理？ 计算机的信息．处理过程从细粒度的样本出发＊ 梟虐于数摒空间的表达＊是从黨据中提取知识； 而人类的认知过程是基于知识空间的表．达ｔ 是迸行数据与知识之间的映射与推埋Ｊ十算机的信息处連过程和人脑的认知过程并不一致． 这个矛唐赛求人丈智能研究费进一步鼻濞人脑的认知方式， 要在人脑认知机制的启ｆｔ 下， 进行智能计算模型方法研究． 本文结合脑认知科学中的多粒度认知规律探讨基于多粒度认知的智能计算的未来研突向題■ 希隻借助人脑的多粒度认知规律ｓ 在多粒度认知计算可解释的认知机器学习、脑认知的智能计算辅助等三个方爾开展研究工作， 以聲被相关研究中的瓶颈问题１ １ ６ ４ 计導机攀报 灘Ｉ 苹（ ｂ ） 多粒度知识空间表达图４ 数据驱动的＃教度後知计算纖遽？＾论［ ２ １］． 这四个理论模麵趨成了多麗度计算＿碁舰運论． 著名认知科学家， 陈霖院士研究人类知觉倩息的基本表达问题＾ 于１ 路２ 年撵齿了“ 大范围首先” 的视知觉拓扑结构和功能＿ 次理论Ｄ °］ ＿ 融合“ 大范爵首先；１ ５ 的认知机理和多粒度计寡机理＾ 王国胤于２ ０ １ ７ 年提出了数据驱动的多粒度认知计算理论模型， 阐释了其中的三方面九个科学问题ｐ ２ ２ ３］． 多粒度认知计算成为了一种新的知识与数据双向驱动的智能计算模型［５］．人脑认知是一个由粗到细的过程， 而甘箕机信息处理的空：间变换过程是一个由细到粗的过程＊ 在人脑认知规律的启发下， 多粒度认知计算以粒计算为基础， 使粒计算更能Ｅ 映人脑的问题求解榛式． 多粒度认知计箕从多个粒层胁同考察数据中處含的， 知识． 它的提出是为了融合这两个过程， 将这两个看似相反的变换过程统一＾达在同一个多粒度璧间中＜这是挑战？ 也是相关研究工作发展的必然方向． 多粒度认知计算的目的是： 用智能计算模型研究认知问题； Ｍ 时， 用人脑的认知规律疸食智能计算模型的设计？为了解决数据与知识的分离表达何题， ２０ １ ７ 年王国胤提出了数据躯动的粒认知计算模，型（ ｆｅｔ ａＤｒ ｉ ｖ ｅ ｎ Ｇｒ ａ ｎ ｕ ｌ ａ ｒ Ｃｏ ｇ ｎ ｉ ｔ ｉ ｖ ｅ Ｃｏｍ ｐ ｕ ｔ ｉ ｎ ｇ ？ Ｄ Ｇ ＣＣ ）［ ２ ２ ］．图４ 展示了数据驱动的粒认知计算模型的基本思想：“ 计算” 强调数据科学， 包括处理大数据的所有高认知（ ａ ） 数据驱动下的计算、认知与粒化的三角结构关系第； ｙ层跨层关系２ 多粒度认知计