论文部分内容阅读
摘 要：普适计算网络的概念兴起至今已有30年的历史，同时人类对大脑运行机理的研究随着技术的发展在近年内有了突破性的发现。本文总结了普适计算网络的特征和新皮质模式识别理论（PRTM，Pattern Recognition Theory of Mind）的核心观点，对两者共性进行了分析对比，结合普适计算“以人为本”的设计思想，提出了实际的普适计算网络即是一种新皮质模式识别模型的理论观念，构建了一种基于新皮质模式识别理论的普适计算网络，实现人与计算的自然分离，扩展了普适计算网络不可见性设计的新思路。
关键词：普适计算；PRTM；不可见性设计
中图分类号：TP391.4 文献标识码：A 文章编号：1004-7344（2018）26-0316-02
引 言
普适计算的概念于20世纪80年代末由Mark Weiser提出，目标是将计算融入周围环境中，实现人与计算更自然的交互。随着计算机和互联网的飞速发展，世界范围内的技术创新形成了爆炸式增长，物联网逐渐形成普适计算概念的物理雏形。本文总结了普适计算网络的特征和新皮质模式识别理论的核心观点，对两者共性进行了分析对比，结合普适计算“以人为本”的设计思想，提出了实际的普适计算网络即是一种新皮质模式识别模型的理论观念，构建了一种基于新皮质模式识别理论的普适计算网络，实现人与计算的自然分离，扩展了普适计算网络不可见性设计的新思路。
1 普适计算网络的特征
为便于分析和讨论普适计算网络，参考计算机网络中的OSI层次模型，NIST的ITL和德国达施姆塔大学都提出了类似的普适计算网络层次化模型。如表1所示，德国达施姆塔大学将模型总结为三层，第一层以接入设备多样化小型化为主，第二层关注弹性计算方式，第三层强调普适计算对用户的自然交互。
国内学者也提出了类似的分层模型，如表2所示。在底层（第一层）描述中，强调实现感知设备的广泛分布和自主接入能力；中间层（第二层）进行软硬件分离，实现对接入数据对弹性计算；高层（第三、四、五层）完成用户与设备间的自然交互反馈，消除设备差异对用户的影响。
对上述两种分层模型进行对比分析可以发现普适计算网络存在以下特征：①在实际应用环境中普适计算网络以用户为主体，网络内的感知设备围绕用户实现与用户的感知交互，即“以人为本”。②类似于OSI分层结构模型的特点，普适计算网络中分层结构的设计有利于各层内容的独立发展，各层间以数据内容的形式完成层间负责，层内可同时进行高效的新型内容设计。③普适计算网络的基本运行方式表现为，在网络底层形成分布广泛的感知设备连接，中间层在底层感知设备的数据基础上通过弹性计算的形式输出感知结果，高层部分负责完成感知结果与用户的交互反馈。④考虑到周围交互环境存在随机性特征，在普适计算网络中应加入随机性因素的影响，实现整个网络与用户交互过程的正确性和连续性，也即上下文一致的交互。
2 新皮质模式识别理论PRTM
研究表明，大脑新皮质以分层方式处理信息。人脑新皮质中包含6层的分层结构，各层负责不同的信息处理内容。皮层柱的神经元结构中存在重复单元，形成大脑新皮质基本成分，即模式识别器。这些模式识别器没有具体的物理分界，以一种相互交织的方式紧密相连，大量识别器的总和构成了皮质柱。
数据统计表明，人类大脑新皮质中约有50万个皮质柱，在每个皮质柱包含约6万个神经元，即大脑新皮质中共有约300亿个神经元。皮质柱中每个模式识别器对应一种识别模式，包含约100个神经元，即大脑新皮质共有约3亿个识别模式。存储的识别模式中存在冗余系数，即对同一个识别模式存在多个相同的模式副本，以增强相应模式的识别能力。
模式中的信息在层级结构中总是呈现向上和向下的双向交流，各模式识别器识别出的模式沿着概念层级逐层向上层流动，而向下传递的信息有助于模式预测，即大脑皮质中的联想和预测行为。识别出的模式信息包含积极信号和抑制信号，抑制信号表明某一特定模式可能不存在，当识别器收到抑制信号时会提升阈值，但该识别器仍可能被激活。大脑新皮质区中存在多个感觉区域，皮质联合区对这些区域的识别信息进行综合处理上升至更为抽象的概念层级，即形成人的思维、感知、记忆和思考等。考虑到人类具有遗传变异特性，在模式识别器的连接过程中存在一定的随机性，使得对于同一模式输入可能存在不同的模式输出，随机因子的存在增加了模式识别器处理的复杂度。
3 基于新皮质模式识别理论的普适计算网络构建
前文分别总结了普适计算网络的特征和新皮质模式识别理论的核心观点，表3中将两者进行了对比。
从表3的对比结果中可以清晰的发现两者间存在高度共性。考虑普适计算网络的设计目标，通过环境中的感知器件，将与人交互的计算过程融入到周围环境中，实现计算过程与用户的分离。而在新皮质模式识别理论中，环境信息进入存在冗余度的模式识别器，经过包含随机因子的分层的神经网络进行双向信息传递，多次反馈迭代后最终形成综合处理的感知行为。因此，“以人为本”的普适计算网络实际可以看成一种新皮质模式识别模型，即基于新皮质模式识别理论的普适计算网络，使用户处于一种大脑思维处理模型中，由用户与普适计算网络环境共同完成思维模型的构建，形成更为自然的大脑与大脑的交流和用户与普适计算网络更为自然的交互反馈，实现用户与计算网络的自然分离，扩展普适计算网络设计的不可见性。
4 结 语
本文总结了普适计算网络的特征和新皮质模式识别理論的核心观点，对两者共性进行了分析对比，提出了实际的普适计算网络即是一种新皮质模式识别模型的理论观念，构建了一种基于新皮质模式识别理论的普适计算网络，将用户融入与大脑思维模型一致的新型普适计算网络中，由用户与计算网络共同完成思维模型的构建，在大脑与大脑的自然交互反馈中实现人与计算的自然分离，扩展了普适计算网络不可见性设计的新思路。
参考文献
[1]普适计算.[EB/OL].
[2]王海涛，宋丽华.普适计算-新一代计算模式和理念[J].电信科学，2008（2）：66～71.
[3]郑增威，吴朝晖.普适计算综述[J].计算机科学，2003，30（4）：18～22.
收稿日期：2018-7-2
作者简介：李 萍（1989-），女，助理工程师，本科，主要从事通信器材电信交换工作。
关键词：普适计算；PRTM；不可见性设计
中图分类号：TP391.4 文献标识码：A 文章编号：1004-7344（2018）26-0316-02
引 言
普适计算的概念于20世纪80年代末由Mark Weiser提出，目标是将计算融入周围环境中，实现人与计算更自然的交互。随着计算机和互联网的飞速发展，世界范围内的技术创新形成了爆炸式增长，物联网逐渐形成普适计算概念的物理雏形。本文总结了普适计算网络的特征和新皮质模式识别理论的核心观点，对两者共性进行了分析对比，结合普适计算“以人为本”的设计思想，提出了实际的普适计算网络即是一种新皮质模式识别模型的理论观念，构建了一种基于新皮质模式识别理论的普适计算网络，实现人与计算的自然分离，扩展了普适计算网络不可见性设计的新思路。
1 普适计算网络的特征
为便于分析和讨论普适计算网络，参考计算机网络中的OSI层次模型，NIST的ITL和德国达施姆塔大学都提出了类似的普适计算网络层次化模型。如表1所示，德国达施姆塔大学将模型总结为三层，第一层以接入设备多样化小型化为主，第二层关注弹性计算方式，第三层强调普适计算对用户的自然交互。
国内学者也提出了类似的分层模型，如表2所示。在底层（第一层）描述中，强调实现感知设备的广泛分布和自主接入能力；中间层（第二层）进行软硬件分离，实现对接入数据对弹性计算；高层（第三、四、五层）完成用户与设备间的自然交互反馈，消除设备差异对用户的影响。
对上述两种分层模型进行对比分析可以发现普适计算网络存在以下特征：①在实际应用环境中普适计算网络以用户为主体，网络内的感知设备围绕用户实现与用户的感知交互，即“以人为本”。②类似于OSI分层结构模型的特点，普适计算网络中分层结构的设计有利于各层内容的独立发展，各层间以数据内容的形式完成层间负责，层内可同时进行高效的新型内容设计。③普适计算网络的基本运行方式表现为，在网络底层形成分布广泛的感知设备连接，中间层在底层感知设备的数据基础上通过弹性计算的形式输出感知结果，高层部分负责完成感知结果与用户的交互反馈。④考虑到周围交互环境存在随机性特征，在普适计算网络中应加入随机性因素的影响，实现整个网络与用户交互过程的正确性和连续性，也即上下文一致的交互。
2 新皮质模式识别理论PRTM
研究表明，大脑新皮质以分层方式处理信息。人脑新皮质中包含6层的分层结构，各层负责不同的信息处理内容。皮层柱的神经元结构中存在重复单元，形成大脑新皮质基本成分，即模式识别器。这些模式识别器没有具体的物理分界，以一种相互交织的方式紧密相连，大量识别器的总和构成了皮质柱。
数据统计表明，人类大脑新皮质中约有50万个皮质柱，在每个皮质柱包含约6万个神经元，即大脑新皮质中共有约300亿个神经元。皮质柱中每个模式识别器对应一种识别模式，包含约100个神经元，即大脑新皮质共有约3亿个识别模式。存储的识别模式中存在冗余系数，即对同一个识别模式存在多个相同的模式副本，以增强相应模式的识别能力。
模式中的信息在层级结构中总是呈现向上和向下的双向交流，各模式识别器识别出的模式沿着概念层级逐层向上层流动，而向下传递的信息有助于模式预测，即大脑皮质中的联想和预测行为。识别出的模式信息包含积极信号和抑制信号，抑制信号表明某一特定模式可能不存在，当识别器收到抑制信号时会提升阈值，但该识别器仍可能被激活。大脑新皮质区中存在多个感觉区域，皮质联合区对这些区域的识别信息进行综合处理上升至更为抽象的概念层级，即形成人的思维、感知、记忆和思考等。考虑到人类具有遗传变异特性，在模式识别器的连接过程中存在一定的随机性，使得对于同一模式输入可能存在不同的模式输出，随机因子的存在增加了模式识别器处理的复杂度。
3 基于新皮质模式识别理论的普适计算网络构建
前文分别总结了普适计算网络的特征和新皮质模式识别理论的核心观点，表3中将两者进行了对比。
从表3的对比结果中可以清晰的发现两者间存在高度共性。考虑普适计算网络的设计目标，通过环境中的感知器件，将与人交互的计算过程融入到周围环境中，实现计算过程与用户的分离。而在新皮质模式识别理论中，环境信息进入存在冗余度的模式识别器，经过包含随机因子的分层的神经网络进行双向信息传递，多次反馈迭代后最终形成综合处理的感知行为。因此，“以人为本”的普适计算网络实际可以看成一种新皮质模式识别模型，即基于新皮质模式识别理论的普适计算网络，使用户处于一种大脑思维处理模型中，由用户与普适计算网络环境共同完成思维模型的构建，形成更为自然的大脑与大脑的交流和用户与普适计算网络更为自然的交互反馈，实现用户与计算网络的自然分离，扩展普适计算网络设计的不可见性。
4 结 语
本文总结了普适计算网络的特征和新皮质模式识别理論的核心观点，对两者共性进行了分析对比，提出了实际的普适计算网络即是一种新皮质模式识别模型的理论观念，构建了一种基于新皮质模式识别理论的普适计算网络，将用户融入与大脑思维模型一致的新型普适计算网络中，由用户与计算网络共同完成思维模型的构建，在大脑与大脑的自然交互反馈中实现人与计算的自然分离，扩展了普适计算网络不可见性设计的新思路。
参考文献
[1]普适计算.[EB/OL].
[2]王海涛，宋丽华.普适计算-新一代计算模式和理念[J].电信科学，2008（2）：66～71.
[3]郑增威，吴朝晖.普适计算综述[J].计算机科学，2003，30（4）：18～22.
收稿日期：2018-7-2
作者简介：李 萍（1989-），女，助理工程师，本科，主要从事通信器材电信交换工作。