当代人工智能表征的分解方法及其问题

分解方法是建立在形式系统之上的人工智能表征的必然选择,也是造成现阶段人工智能表征在自然语言语义理解方面各种瓶颈问题的理论根源。文章认为,句子层次结构以及三个平面的划界理论是分解方法难以实现段落或篇章语义理解的关键所在。基于词汇的语境描写方法难以突破单句限制,人工智能表征要想获得突破,就必须借助基于段落或篇章的整体性语境描写方法,而这正是分解方法所缺失的。多年来,人工智能表征取得的成就表明,脱离分解方法去谈整体性语境构建方法是不切实际的。整体性语境构建方法应当以分解方法为基础,二者之间是一脉相承而非矛盾的关系。二者的有机融合,是解决人工智能表征分解方法瓶颈的关键所在。     

何谓计算主义?

这篇文章阐述了一种简洁的和一般性的计算主义框架,旨在为认知科学和人工智能提供理论基础。这种计算主义的两个核心概念——计算和落实——得到详细论述。文章讨论和回应了几个常见的对计算主义的挑战和反驳,最后从计算主义角度分析了计算机思维的可能性。     

联结主义范式的论证及其反思

联结主义是当今认知科学、心理学、人工智能等学科所推崇的最新研究范式,也是继符号主义范式之后的又一大哲学思潮,它已经被广泛应用到各种具体科学。但是,联结主义本身却存在着论证上的缺陷,乐观的联结主义者必须冷静修正这一范式。     

BP神经网络的哲学思考

人工神经网络的出现不但对于人工智能具有重要意义,而且对于心理学、语言学、神经生理学具有重要意义,带来了一系列的哲学问题。BP神经网络是误差反向传播神经网络的简称,是目前应用最为广泛和成功的神经网络模型。它的最大特点是具有极强的非线性映射能力,对于非线性复杂问题的解决具有特殊的优势。文章基于对BP神经网络的历史发展和基本思想的考察的基础上,对其工作范式及相关哲学问题进行思考和分析。除人工智能外,语言学、心理学、认知哲学的联结主义范式常以它为模型进行分析。     

人工智能驱动科研范式变革的机制与路径研究——以生物学为例

科研范式是科技创新的基本理论和方法,在数据爆炸背景下,原有的科研范式已经难以适应复杂科学问题的求解。随着人工智能技术在算法和算力基础设施上的发展,以深度学习为代表的人工智能技术为基础科学研究带来新的方法和工具。人工智能技术主要通过重塑知识生产方式、再造科研工作流程和加速交叉融合创新等路径驱动科研范式的变革。以生物学领域为例,人工智能技术在药物发现,蛋白质结构预测,传染病的预测、演变和控制等领域已有广泛应用。在数据驱动的人工智能方法辅助下,科学问题的求解由传统自下而上的路线转变为数据驱动的自上而下的思路,通过降维、近似求解,寻找与现实问题直接相关的影响因素,形成解决科学问题的新范式。     

智能计算应用研究

提出智能计算是连接主义、分布式人工智能和自组织系统理论等共同发展的结果,提出了智能计算理论和应用发展的若干展望。     

人工智能企业何以实现颠覆性创新?——基于扎根理论的探索

人工智能与社会经济的深度融合,将为现有技术范式、产业格局和社会生活等带来巨大变革与深远影响,把握新技术领域颠覆性创新的演化特征,帮助企业及时调整技术创新战略规避风险,有利于构筑人工智能先发优势、在国际科技竞争中实现"变轨超车"。以14家人工智能相关企业和机构的深度访谈数据为基础,采用扎根理论并借助质性分析软件NVivo 11来进行资料编码,归纳出技术范式转变、组织动态演化和价值网络创新等实现颠覆性创新的关键因素及其作用机制,构建了人工智能企业颠覆性创新演化的理论模型。分析人工智能企业颠覆性创新产生与演化机理,不仅有助于深化颠覆性创新理论研究,对于企业实现颠覆性创新由技术驱动转向市场推动也具有积极的指导意义。     

试析光机智能的语境瓶颈———基于诺尔蒂的量子光学计算机理论

诺尔蒂在《光速思考——新一代光计算机与人工智能》一书中,以量子计算和光学语言为基础,设想了量子计算机系统原理及新一代光电计算机发展远景,认为光机智能终将超越人类智能。文章从表征和计算的角度对这一系统设想进行了批判。     

论比较教育的多元文化主义研究范式

在新世纪全球化的背景下,比较教育的多元文化主义的研究范式正逐步发展成为比较教育研究范式的主流。本文主要对多元文化主义研究范式的理论构建、基本观念及其在比较教育中的运用进行了分析梳理。     

论比较教育的多元文化主义研究范式

在新世纪全球化的背景下,比较教育的多元文化主义的研究范式正逐步发展成为比较教育研究范式的主流。本文主要对多元文化主义研究范式的理论构建、基本观念及其在比较教育中的运用进行了分析梳理。     

面向模拟智能的计算系统

科学研究中的计算机模拟称为科学模拟（scientific simulation）,文章从其狭义和广义层面出发,把科学模拟分为数值计算（numerical computation）、模拟智能（simulation intelligence）和科学大脑（science brain） 3个阶段,并描述了各阶段的特征。目前,科学模拟正在进入模拟智能阶段,即在科学大数据和人工智能的驱动下,科学模拟正从传统的数值计算逐步转向与人工智能相融合的模拟方式。文章针对支撑模拟智能阶段的计算系统展开讨论,阐述了其设计指导思想、基本方法和关键技术等问题。     

类脑智能研究现状与发展思考

近年来人工智能研究的许多重要进展反映了一个趋势:来自脑科学的启发,即使是局部的借鉴都能够有效地提升现有人工智能模型与系统的智能水平。然而,想要真正逼近乃至超越人类水平的人工智能,还需要对脑信息处理机制更为深入的研究和借鉴。类脑智能研究的目标就是通过借鉴脑神经结构及信息处理机制,实现机制类脑、行为类人的下一代人工智能系统。文章从受脑启发的新一代人工神经网络、基于记忆、注意和推理的认知功能模型、基于生物脉冲神经网络的多脑区协同认知计算模型等角度,并结合研究团队在类脑智能领域的研究进展,论述类脑智能的研究进展、发展方向和对未来发展的思考。     

基于反求工程思想的弱信号分析在产品开发中的应用

在竞争情报领域,弱信号越来越引起管理者的重视,但是由于无法对弱信号进行有效的分析,使得弱信号辅助决策的价值并不高。文章首先指出了传统的弱信号分析存在的3个问题,即收集的盲目性、分析的复杂性、结果的无指导性,认为反求工程思想可以有效解决这些问题,并进一步提出了包含反求工程思想的弱信号分析流程,最后以产品开发阐述反求工程思想如何应用于弱信号分析。     

基于文本相似度计算的我国人工智能政策比较研究

[目的/意义]随着2019年政府工作报告中首次提出“智能+”概念,我国各地区将加快推动人工智能与实体经济等产业深度融合,而政策是政府调控现代市场经济和社会管理的重要手段,因此对人工智能的政策研究受到了社会广泛的关注。[方法/过程]基于文本相似度计算对国务院发布的《新一代人工智能发展规划》和我国20个地区发布的人工智能政策文本进行比较研究。[结果/结论]数据表明:新兴产业、产业升级、人才队伍、智能服务、社会治理等内容在各地区人工智能政策制定层面整体关注最高,呈现出政策制定的相似性。安徽省、辽宁省所制定的政策比较完整和全面,甘肃省、黑龙江省在政策制定中部分内容较为突出,且逐渐形成人工智能产业发展区域特色,呈现出政策制定的差异性。最后从可操作性角度为我国各地区人工智能产业发展提出政策建议。     

亟需加强以实践为指向的情报分析方法范式研究

介绍情报分析方法范式研究的国内外现状,从提高情报分析质量的角度探讨情报分析方法的范式研究的实践意义,提出情报分析方法研究的5种范式,即数据范式、文献范式、人际范式、机构范式和认知范式,简要介绍各自的特征和情报功能.     

基于证据推理理论的野战装备仓库风险评估研究

D-S证据理论是人工智能中不确定推理方法之一,能有效地处理不确定信息及未知信息.本文针对野战装备仓库风险评估中存在大量不确定信息的特点,建立了基于证据理论的风险评价模型.经实际应用表明,此方法能够对风险水平作出有效的评价,为野战装备仓库防卫指挥员提供决策依据.     

从政策推动到研究产出——浅析医院主导人工智能研究的技术性挑战

近年来,人工智能已成为医疗健康相关研究的重点方向和国际竞争热点。为了解我国医院主导人工智能研究的现况及挑战,该研究采用定量、定性相结合的研究方法,选择14家国家高质量发展试点医院作为样本,对样本医院2018年以来人工智能相关研究论文及专利进行分析,并尝试剖析了医院主导人工智能研究未能深入开展的技术性挑战。结果显示,医院主导的人工智能研究论文数在增加,但约55%的研究仅是浅层次研究,研究质量仍可提高。同时,医院获批的人工智能专利数量也较少。医院主导人工智能研究的技术性难题在于学习曲线陡峭、迭代计算的成本高、将临床多模态数据转化为高质量研究数据挑战较多和可解释性弱。医疗机构应主动响应政策推动,调动内部资源,提前布局多模态数据资源,培养人工智能协调员,促进研究及产出。     

Study on Multiple Intelligences Theory

多元智能理论是哈佛大学霍华德加德纳教授在1983年提出的。加德纳教授认为每个人都有8种智能：即语言智能、数学逻辑智能、音乐智能、运动智能、空间思维智能、人际关系智能、内省智能和自然智能。     

从算法分析看人工智能的价值非中立性及其应对

随着人工智能技术的广泛应用,“大数据杀熟”、“人工智能侵权”以及“算法歧视”等负面事件频发,原先人们以为的人工智能价值中立性也因此而遭到质疑。目前国内对此的相关研究仍较多集中于概念层面,本文拟在已有研究基础上,进一步从机器学习的算法层面,从数据的社会性、算法的价值偏好以及决策的偏见强化三个角度,分析人工智能的价值非中立性实质,并对其可能引发的伦理问题与决策风险提出建议。