点击在这里看一个新视频:彼得·博克讨论了人工智能的进化，并陈述了他创造世界上第一个人工生命的意图。他展示了目前被称为ALISA的系统在创作艺术作品方面的能力。


TEDxGWU - Peter Bock -人工智能创造力的出现

统计学习范式被称为集体学习系统(CLS)理论，最初提出并发表于20世纪70年代彼得烈性黑啤酒在20世纪90年代初，作为一种用于检测工业自动化过程中有缺陷的部件的图像分类工具，在实际工程中首次亮相。被称为艾丽莎(Adaptive Learning Image and Signal Analysis)，这个分类引擎的第一个模块(纹理模块)是由德国乌尔姆应用知识处理研究所(FAW)的博克教授和他的博士生团队开发的。从那时起，ALISA在GWU不断改进和扩展，目前使其能够处理从纹理和颜色到几何、形状和组件的越来越高的符号级别的图像。此外，ALISA现在还包含了处理多通道数据流(信号)中相应的属性层次结构的类似功能。

目前的ALISA系统提供了五种不同的处理模块:纹理模块、几何模块、矢量模块、组件模块和形状模块。大多数实际应用的ALISA系统配置现在可以在典型的台式计算机上实时运行，如。，以正常帧率处理标准视频。

20世纪90年代，德国工业公司罗伯特·博世公司为这个20年的研发项目提供了主要资金，从而对ALISA系统进行了许多改进和增强。自1990年以来，ALISA项目一直在为一些美国工业公司和政府机构的具体实际应用提供资金，包括最近由国防威胁减少局(DoD)在行李的x射线中识别放射性武器和高速检测手枪，尽管有故意屏蔽、部分遮挡和/或拆卸。

灵长类动物视觉皮层和额叶的多路径结构和自适应功能驱动了CLS理论和ALISA系统的设计。作为对当前ALISA功能的自然扩展，Lexical Module正在开发中，以提供与语言无关的文本信息智能搜索。长期研究的重点是将ALISA扩展到类似人类的符号认知和自我指涉认知，使用从高到低的反馈来消除歧义，以及使用边缘反应来评估感知到的上下文意义和风险(情绪)。一些最初的实验将ALISA应用于艺术创作(见下面的例子)。