浅析人工智能

人工智能作为一门新兴的前沿学科,正迅猛地发展并将深刻地影响到国家的发展战略。本文就人工智能的初步知识和发展作一个简析。     

ChatGPT及生成式人工智能现状及未来发展方向

生成式人工智能是一种能够自主生成内容的人工智能技术,可以应用于文本生成、图像生成等多个领域。近年来,随着预训练技术的发展和计算硬件的提升,生成式人工智能取得了突破性进展,特别是以ChatGPT为代表的生成式对话模型,取得了令人惊艳的效果,开始广泛应用于各行各业。生成式人工智能有广阔的发展前景,本文首先介绍了ChatGPT的研究进展,包括预训练语言模型、上下文学习和基于人类反馈的强化学习三个关键技术,以及ChatGPT对相关人工智能研究的影响。然后对ChatGPT及生成式人工智能在未来的应用发展进行了思考与总结,讨论了目前亟需解决的关键问题,包括更透彻的理解能力、模型轻量化、可控安全的内容生成、知识可持续学习、类脑化认知和可解释性等;希望通过本文的介绍能引起更多的研究人员关注生成式人工智能,进一步推动生成式人工智能的发展与应用。     

引领江苏发展的未来产业遴选及前沿热点技术研究——以人工智能产业为例

通过对发达国家科技发展战略、顶尖咨询机构权威报告、我国重点科技项目布局方向的共词分析遴选出高频词,通过高频词确定未来产业领域,并从江苏基础角度建立遴选指标,遴选适合江苏发展的未来产业.以人工智能产业为例,基于2010-2019年Web of Science核心合集收录的英文文献和CNKI数据库的中文核心文献,运用知识图...     

人类的未来——从人工智能技术的发展谈起

人们之所以对人工智能技术给予特别关注的原因是因为智能机器的发展似乎已经到了超越人类智能水平的程度。人工智能技术的发展伴随信息技术的日新月异,人工智能技术的水平正在以每18个月增长一倍的速度提高,虽然目前计算机的复杂程度还比不上蚯蚓的大脑,但是到本世纪中叶,计算机的智能将超出人类的理解能力。英国剑桥大学教授著名物理学家斯蒂芬·霍金认为,如果非常复杂的化学分子能够在人体中活动并使人类产生智慧的话,那么同样复杂的电子线路也可以使计算机以智能化的方式采取行动。曾于1965年提出了预测半导体能力将以几何速度增长     

浅析人工智能技术

人工智能技术被称为本世纪三大科技成就之一,本文从人工智能的定义进行探讨,阐述了人工智能的历史发展及研究领域,并简单地对未来人工智能技术发展进行了分析。人工智能作为一门研究机器智能的学科,其主要目的是要用人工的方法和技术,研制智能机器或智能系统,来模仿延伸、扩展人的智能。因此,它是人类迈向信息社会、迎接知识经济挑战所必须具备的一项核心技术。人工智能学科的研究虽然还有不少困难、问题和挑战,但前进和发展毕竟是大势所趋。     

1991-2013年人工智能知识图谱研究

采用Cite Space软件对Web of Science数据库中以artificial intelligence(人工智能)为主题词的4735条记录进行可视化分析。通过绘制共引文献网络图谱,以关键节点为依据,分析了1991—2013年对人工智能领域发展起重要作用的3篇文献;通过绘制基于主题词的共词网络图谱,采用主题聚类的方法分析了人工智能学科的热点演进过程;采用突变检测算法分析了人工智能学科的前沿主题演进过程。     

人工智能与城市智能化发展

智能化是人类的梦想,未来必然会是人工智能的世界。城市智能化将通过有线、无线或混合数据传输方式,实现区域城市内多个子系统辅助管理中心,然后再到智能化管理服务决策的有效技术结合,实现区域城市管理的智能化服务,让人们畅享智能化生活。智能城市的建设是城市信息化建设的新境界。     

引领江苏发展的未来产业及前沿热点技术研究——以人工智能产业为例

本研究通过对发达国家科技发展战略、顶尖咨询机构权威报告、我国重点科技项目布局方向的共词分析遴选出高频词的未来产业领域,根据“对标国际、紧扣国家、立足江苏”的原则将人工智能产业作为引领江苏发展的未来产业。基于2010-2019年WOS核心合集收录的英文文献和CNKI数据库中文核心文献,运用知识图谱方法进行前沿热点技术分析,为江苏下一步发展人工智能产业提供借鉴。结果显示：江苏有基础推动人工智能产业高端化发展；美国和中国成为人工智能领域研究最为活跃的国家；国外人工智能的热点技术为机器人、物联网、特征提取和强化学习,重视对系统、模型和算法的研究,未来向着与大数据、物联网融合的方向发展；国内重视对模糊控制、遗传算法、自然语言处理的研究,未来向教育领域的融合应用、社会治理、5G、人才培养等方向发展。     

哈佛大学人工智能人才培养研究

哈佛大学作为世界顶尖高校,其在人工智能方面的研究和人才培养战略上的贡献也是不容忽视的,通过对哈佛大学人工智能人才培养模式的研究,分析其目标定位和实施过程,并从中学习借鉴,进而促进我国人工智能人才培养的研究工作。     

本科人工智能教学研究

人工智能是计算机专业的重要课程。文中分析了本科人工智能课程的教学特点,针对当前教学中存在的一些问题,从教学内容、教学方法等方面提出了几点教学改革建议。     

基于知识转换的人工智能统一模型

分析了人工智能的符号主义、连接主义和行为主义三大学派的主要观点;着重研究了人工智能统一研究的进展和存在的问题;在此基础上,提出了一种基于知识转换的人工智能统一模型,阐述了实现人工智能统一的思路,并分析了新模型的特点。基于知识转换的人工智能统一模型使结构主义学派、符号主义学派、行为主义学派将被综合成为一个有机的整体,对人工智能统一的研究具有一定的参考价值。     

产业链韧性在人工智能产业链评估中的应用探讨

基于对韧性理论、产业链理论研究现状的回顾，论述将产业链韧性引入人工智能产业链韧性评估中的应用价值。在此基础上提出人工智能产业链韧性模型，并从产业链分布、识别扰动因素、产业链韧性评估与测度方面构建人工智能产业链韧性的研究框架，最后总结人工智能产业链韧性评估的重要研究方向。其中，人工智能产业链韧性指标体系构建、基于关键指标体系和韧性曲线的产业韧性测度是人工智能产业链韧性评估需解决的重要问题。     

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。     

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。     

日本人工智能战略:机构、路线及生态系统

通过研究日本人工智能战略文本,揭示日本人工智能战略部署的重点主要包括机构建设、路线规划以及生态系统构建3个方面。结合我国人工智能发展存在的问题,建议我国应以本国优势及社会问题为导向发展人工智能,加强组织协同治理,落实发展规划,并构建人工智能生态系统。     

智能时代情报工作展望

[目的/意义]以大数据和人工智能为代表的智能技术的飞速发展给情报工作带来了巨大的机遇和挑战,需要系统审视情报工作面临的问题和可能的解决方案,为情报工作未来发展提供思路。[方法/过程]结合笔者实际工作经验,通过文献调研,系统分析了未来技术发展趋势及美国相关实践经验,总结提炼情报工作未来发展需要努力的重点方向。[结果/结论]情报工作必须把握时代机遇,面向情报现实需求,从情报理念、基础设施、工程实践、决策支持等方面提升情报工作能力,建立满足情报现时需求、适合时代发展的情报工作体系。     

语境论视野下的人工智能范式发展趋势研究

人工智能在短短50多年时间里出现了符号主义、连接主义和行为主义等三种主导性范式,并表现出一定的融合趋势。文章认为,独特的表征理论和计算理论是人工智能范式得以成立的基础。文章从表征和计算两个角度对人工智能现有范式进行分析,认为三者面临的共同问题,都是难以在不断变化着的真实语境中很好地处理问题。人工智能将紧紧围绕语境问题展开研究。因此,人工智能研究范式也必然不会停留在现有范式之内,需要构建语境论视野下的范式发展观。     

地方政府人工智能产业政策文本量化研究

随着人工智能技术的快速发展,中国各级政府先后制定了一系列政策。理清相关政策脉络对于促进人工智能的发展具有重要意义。通过构建政策“目标-工具”分析框架,借助语义本挖掘及社会网络分析等方法对检索得到的省级政府人工智能政策文本进行量化分析。得出的主要结论如下：(1)人工智能政策的主题词呈现集中化和群聚化的特点；(2)各省政策目标主要围绕“发展环境”、“融合应用”和“产业化”,但不同省份之间存在一定的差异性；(3)环境面工具应用过多,需求面工具使用过少,且部分细分政策工具使用过于频繁；(4)人工智能政策中,政策目标和政策工具存在着某种程度的错配现象。最后,依据上述结论,提出了一些政策建议。