点击在这里观看新视频:Peter Bock讨论人工智能的进化，并陈述了他创造世界上第一个人工生命的意图。他展示了当前被称为ALISA的系统在创作艺术作品方面的能力。


TEDxGWU - Peter Bock -人工智能中创造力的出现

统计学习范式被称为集体学习系统理论，最初提出并出版于20世纪70年代彼得烈性黑啤酒在华盛顿特区的乔治华盛顿大学(GWU)，它在20世纪90年代初作为一种图像分类工具首次在实际工程中亮相，用于检测工业自动化过程中的缺陷部件。被称为艾丽莎(自适应学习图像和信号分析)，该分类引擎的第一个模块(纹理模块)是由Bock教授和他的博士生团队在德国乌尔姆的应用知识处理研究所(FAW)开发的。从那时起，ALISA在GWU不断地改进和扩展，目前使其能够处理越来越高的符号级别的图像，从纹理和颜色，到几何形状和组件。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。用于大多数实际应用的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Robert Bosch GmbH为这个为期20年的研发项目提供了主要资金，导致了ALISA系统的许多改进和增强。自1990年以来，ALISA项目一直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)用于识别放射性武器和在行李x射线中高速探测手枪，尽管有意屏蔽、部分遮蔽和/或拆卸。

CLS理论和ALISA系统的设计是由灵长类大脑视觉皮层和额叶的多路径结构和适应性功能所驱动的。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和自我参照认知水平，使用从高到低的反馈来消除歧义，以及边缘反应来评估感知的上下文意义和风险(情绪)。一些最初的实验已经将ALISA应用到艺术创作中(见下文末尾的例子)。