仿生助听器

助听器的发展可以分为四个阶段：第一阶段的助听器—一无源助听器。它利用锥形体、海螺壳等的物理聚声作用来放大声音，这一时期经历了从远古至十九世纪末的数千年。第二阶段的助听器—一模拟助听器。它所采用的核心技术是模拟电子线路，而无论助听器的外形是盒式、耳背式、还是耳内式，它历经百年，目前仍在低档助听器市场上占据主要份额。第三阶段的助听器—一数字助听器。它与模拟助听器的最大区别是在硬件上—一内置的计算机芯片可以由计算机进行控制和调节。第四阶段的助听器—一仿生助听器。它与数字助听器的最大区别是在软件上—一集成了神经网络的人工智能软件系统。  

“智能”一词可以用作名词，也可以用作形容词。如果用作名词，它是指人类所能进行的脑力劳动，包括感觉、认知、记忆、学习、联想、计算、推理、判断、决策、抽象、概括等等。如果用作形容词，它的意义是：人一样的、聪明的、灵活的、柔性的、自学习的，自组织的、自适应的、自治的……

仿生助听器采用人工智能理论，主要考察人工智能的功能与自然智能的功能相比，像不像、高不高、强不强？人工智能理论，既包含基于符号推理的经典人工智能，也包含基于结构演化的计算智能，还包含模式识别等其它智能理论。经典人工智能的研究开始于1956年，主要目标是应用符号逻辑的方法模拟人对问题求解、推理、学习等方面的能力，问题求解是经典人工智能的核心问题，当机器有了对某些问题的求解能力以后，在应用场合遇到这类问题，便会自动找出正确的解决策略，这种问题求解能力是基于规则的，是能够举一反三的。有了问题求解能力的机器就能比普通机器更灵巧地分析问题和处理问题，从而适用于更加复杂多变的应用场合。

推理是人思维的一个重要方面，推理的三种主要形式是：归纳推理、演绎推理和模糊推理，经典人工智能中推理的研究就是要模拟这三种推理形式，实现诸如故障诊断、数学定理证明、模糊问题判断等功能。

在经典人工智能中，“学习”一词有多种含义，在专家系统等应用中，它指的是知识的自动积累；在问题求解中，它指的是根据执行情况修改计划；在数学推理系统中，它指的是根据一些简单的数学概念和公理形成较复杂的概念，作出数学猜想等等。

自然语言理解是指用计算机自动处理和理解自然语言。自然语言具有语法灵活、不规范、语义模糊、与语境相关性大等特点。这些特点使得用机器处理自然语言非常困难。多年来，各品牌助听器对这一课题展开了深入的研究，并已取得了可喜的成就。在句法分析、语义理解、语言生成等方面，提出了多种基于数理语言学的有效方法。同时发展了统计语言学，其方法不但在句法分析，语义分析、语言自动生成等方面得到了良好应用，而目统计语言模型的方法在语音识别中也发挥了非常重要的作用。

神经网络控制技术就是基于人工神经网络的控制技术。神经网络具有高速并行处理信息的能力，这种能力适于实时控制和动力学控制；神经网络具有很强的自适应能力和信息综合能力，这种能力适用于复杂系统，大系统和多变量系统的控制；神经网络的非线性特性适用于非线性控制。神经网络具有学习能力，能够解决那些用数学模型或规则描述难以处理的控制过程。

综上所述，仿生助听器的优点就是可以在各种声音环境下，在保证听者舒适的前提下，做到：“听自己所想听，懂自己所想懂！”