炼金术与人工智能:休伯特·德雷福斯对人工智能发展的影响

1965年12月,休伯特·德雷福斯以兰德公司顾问的身份,发表了编号为P-3244的《人工智能与炼金术》的研究报告,对兰德公司本身主导的人工智能(以下简称AI)研究提出了重大理论挑战,1972年德雷福斯以该报告为基础出版了《计算机不能做什么——人工智能的极限》,该书与1966年美国国家科学院的ALPAC报告,1973年英国科学研究理事会的Light Hill报告一起,标志着AI发展历史上的第一次冬天,即使经历了上世纪80年代由于专家系统兴起的AI再次繁荣,以及90年代初AI的第二次冬天,AI的研究纲领已经变化甚多,但德雷福斯仍然坚持其基本观点,对隐含在AI研究纲领中的关于人类认知和问题解决能力的深层假设,从现象学和海德格尔哲学为核心的大陆哲学立场出发,始终进行批判性地思考和分析,无论AI科学家共同体对其观点是否认同,德雷福斯这些深刻的哲学思考,客观上推动了从AI研究早期基于知识主义、符号主义强纲领的盲目乐观,到目前对实现人类级别智能的智能机器建造的审慎态度,以及更加丰富的研究进路的转变。     

人工智能与智能机器人探析

人工智能(AI)是研究使计算机来模拟人的某些思维过程和智能行为的学科,是二十一世纪三大尖端技术之一。AI未来的发展必将越来越广泛,越来越深入,越来越快地向着人类智能的方向逼近。伴随着人工智能和智能机器人的发展,为人类文化生活提供了新的模式。     

AI for Technology：技术智能在高技术领域的应用实践与未来展望

以智能化科研（AI for Science）为核心的第五科研范式已经在多个自然科学和高技术领域得到了广泛应用。与人工智能（AI）在自然科学领域的应用强调发现新原理、新机理和新规律不同,高技术领域更强调用AI技术来发明创造新方案、新工具和新产品,以解决特定的领域问题。文章总结了AI在高技术领域的应用——“技术智能”（AI for Technology）的典型特征和科学问题,并以CPU芯片全自动设计为例介绍过往的成功案例。最后,文章指出技术智能的目标不仅是加速创新流程并减少人工投入,同时也希望其具备更强的创造能力,最终超过人类的水平。     

平行哲学：智能产业与智慧经济的本源及其目标

智能技术的本质和目标是什么?智能科学的本源和任务是什么?智能产业对现代社会和未来人类发展的影响和意义又是什么?文章从"AlphaGo命题"出发,围绕上述问题和波普尔"三个世界"的理念,讨论人工智能和平行智能的起源与趋势,提出智能科学哲学的新体系——平行哲学,将哲学的"存在"(being)与"变化"(becoming)扩展到"相信"(believing),并对相应的描述性、预测性和引导性知识的体系进行研究。     

人工智能与人类的竞争

<正>人类主宰地球并演化发展到今天,除了人与人之间的竞争,已经没有任何对手能与人竞争了,但是,还是有一种对手会让人从骨子里感到畏惧和忧虑,那就是人类不甘寂寞而创造的人工智能(AI)。智能是人们认识和改造世界的综合能力,人工智能则是人创造的类似于自己智能的智能,表现为两种。一是弱人工智能,只要机器、软件表现得像人一样就可以算作有智能,     

人工智能在计算机网络技术中的应用

信息通信技术(ICT)的发展对行业构成了不错的挑战,涉及诸如可扩展性,网络安全性,能源管理,网络监控等问题。几种人工智能工具可以应用于解决目前的许多ICT挑战。本文介绍人工智能(AI)技术在两个主要问题类别中的实际应用:物联网的人工智能和用于管理传统电信网络中的故障和安全问题的AI技术。因此,我们将介绍我们的研究工作,将AI应用于不同的领域,描述当前最先进的技术,实施的解决方案以及主要的实验结果。本章将展示在各种领域为ICT解决方案添加智能层所取得的各种益处。     

数字科学家与平行科学：AI4S和S4AI的本源与目标

围绕人工智能（AI）大模型技术的最新进展，从AI4S （人工智能驱动的科学研究）到S4AI （面向人工智能的科学研究），讨论人工与自然平行的智能科技与数字人科学家的作用及其对科研范式和社会形态变革的可能冲击；认为范式与形态的变革刻不容缓，必须积极应对。     

人工智能不会灭绝人类,但可能会让你失业

<正>从20世纪60年代到21世纪初,人工智能(AI)失控、机器人背叛人类一直是好莱坞科幻大片最钟爱的题材,大众与AI这个单词缩写第一次正面遭遇恐怕也来自斯皮尔伯格的科幻电影《人工智能》(Artificial Intelligence:AI)。曾几何时,AI只是一个有科技感的流行文化符号,所有略显严肃的反思也仅仅局限于科技、哲学、科幻文学领域。回想一下上一次人工智能刷遍全球各大媒体的新闻版面、引发大众心理震动的事件——1997年IBM的计算机"深蓝"打败世界国际象棋冠军卡斯帕罗夫,喧嚣     

学术打假，AI是好手

正人工智能(AI)是人类进入信息文明时代的标配之一。2019年,在美国纽约大学现代人工智能研究所举办的第四届年度AI Now研讨会上,AI科学家总结了2019年的AI五大主题和内容:面部和情感识别;从"AI偏见"到公正运动;城市、监控、边境;劳动力、工人组织与AI;人工智能对气候的影响。其实,     

人工智能技术计算机辅助教学的结合

“人工智能”(Artificial Intelli—gence,简记为AI)是20世纪50年代中期兴起的一门新兴边缘科学,它既是计算机科学的一个分支,又是计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性学科。人工智能又称为智能模拟,是用计算机系统模仿人类的感知、思维、推理等思维活动。它研究和应用     

The appropriation of conversational AI in the workplace: A taxonomy of AI chatbot users

There is an exponential growth of the use of AI applications in organisations. Due to the machine learning capability of artificial intelligence (AI) applications, it is critical that such systems are used continuously in order to generate rich use data that allow them to learn, evolve and mature into a better fit for their user and organisational context. This research focuses on the actual use of conversational AI, in particular AI chatbot, as one type of workplace AI application to answer the research question: how do employees experience the use of an AI chatbot in their day-to-day work? Through a qualitative case study of a large international organisation and by performing an inductive analysis, the research uncovers the different ways in which users appropriate the AI chatbot and identifies two key dimensions that determine their type of use: the dominant mode of interaction and the understanding of the AI chatbot technology. Based on these dimensions, a taxonomy of users is presented, which classifies users of AI chatbots into four types: early quitters, pragmatics, progressives, and persistents. The findings contribute to the understanding of how conversational AI, particularly AI chatbots, is used in organisations and pave the way for further research in this regard. The implications for practice are also discussed.     

人工智能在拼石头游戏中的应用

游戏的人工智能研究是人工智能的主要研究领域之一,它涉及人工智能中的搜索算法和决策规划等。介绍了一款＂拼石头＂游戏,它是第18届日本全国高专编程竞赛竞技组的竞赛题目。针对此游戏规则,给出了参赛程序中使用的制胜策略、搜索算法以及决策规划方法等,最后分析了程序存在的不足并提出了改进思路。     

Considerations for development and use of AI in response to COVID-19

Artificial intelligence (AI) is playing a key supporting role in the fight against COVID-19 and perhaps will contribute to solutions quicker than we would otherwise achieve in many fields and applications. Since the outbreak of the pandemic, there has been an upsurge in the exploration and use of AI, and other data analytic tools, in a multitude of areas. This paper addresses some of the many considerations for managing the development and deployment of AI applications, including planning; unpredictable, unexpected, or biased results; repurposing; the importance of data; and diversity in AI team membership. We provide implications for research and for practice, according to each of the considerations. Finally we conclude that we need to plan and carefully consider the issues associated with the development and use of AI as we look for quick solutions.     

替代或互补：人工智能应用管理对创新的影响

数字经济背景下,人工智能（AI）技术的应用正在深入地影响着企业管理变革、业务边界的扩展和管理模式的改变。结合互补资产的观点和组织学习理论,本文提出了一个基于AI应用能力和AI管理能力的分析框架,强调人工智能与人类智慧结合的必要性,阐述了两种能力的功能和作用及其协同对企业效率和创新成本的影响。本文提出,企业必须具备管理AI的能力才能有效应对大数据、数字技术、AI的不断革新及技术带来的组织内部结构和外部环境变化以及风险;企业AI应用与管理能力的有效结合,有利于控制AI应用带来的成本和风险,增强企业在人工人力、协调沟通、和数据搜寻方面的效率,同时降低AI应用带来的数字基建、道德情感、数据安全、组织结构变革方面的成本,进而促进企业的组织学习、对内外部数字技术使能资源的获取和管理以及互补资产的形成,对企业创新绩效发挥正向作用。最后,本文为企业的数字化创新战略提供了新的发展思路。     

适应人工智能快速发展的知识产权制度研究

基于深度学习算法的进步,人工智能逐渐有能力独立进行发明创造和文艺作品创作。本文主要探讨现行专利及著作权制度中规定的保护对象、权利人资格、专利及著作权的权属、侵权判定、侵权责任主体等对人工智能技术快速发展的适应及协调程度,研究指出：现有的专利和版权制度应当对人工智能的发明和作品持鼓励的态度,在排除不适宜作为专利或著作权保护对象的同时,人工智能的发明或作品的权利授予标准应当与人类的有所区分;相关权利人仍须对应自然人或法人,而非人工智能本身;相关专利侵权行为应包括间接侵权,同时应对人工智能作品安排“登记-授权”的著作权制度、参考临摹作品为人工智能绘画作品提供相应的授权使用制度等。本文还探讨了当前的专利法及著作权法在人工智能时代符合公平原则的程度,并提出解决方案：在“强人工智能时代”将人工智能的发明创造或作品作为公共财产,授予相应的开发者“数据处理权”作为一种新的邻接权,赋予人工智能创造物新的特别权利（Sui Generis）,修改专利法与著作权法中关于主要权利的相关规定等。     

The determinants of AI innovation across European firms

Using patent data for a panel sample of European companies between 1995 and 2016 we explore whether the inventive success in Artificial Intelligence (AI) is related to earlier firms’ innovation in the area of Information and Communication Technology (ICT), and identify which company characteristics and external factors shape this performance. We show that AI innovation presents strong dynamic returns (learning effects) and benefits from complementaries with knowledge earlier developed in the area of network and communication technologies, high-speed computing and data analysis, and more recently cognition and imaging. AI patent productivity increases with the scale of firm innovation, and is lower for companies with narrow technological competences. There is evidence of knowledge spillovers from ICT innovators to AI innovators, but this effect is confined to the frontier firms of the new technological field. Our findings suggest that, with the take-off of the new technology, the technological lead of top AI innovators has increased due to the accumulation of internal competences and the expanding knowledge base. These trends help explain the concentration process of the world’s data market.     

Exploring developments of the AI field from the perspective of methods,datasets, and metrics

The knowledge contained in academic literature is interesting to mine. Inspired by the idea of molecular markers tracing in the field of biochemistry, three named entities, namely, methods, datasets, and metrics, are extracted and used as artificial intelligence (AI) markers for AI literature. These entities can be used to trace the research process described in the bodies of papers, which opens up new perspectives for seeking and mining more valuable academic information. Firstly, the named entity recognition model is used to extract AI markers from large-scale AI literature. A multi-stage self-paced learning strategy (MSPL) is proposed to address the negative influence of hard and noisy samples on the model training. Secondly, original papers are traced for AI markers. Statistical and propagation analyses are performed based on the tracing results. Finally, the co-occurrences of AI markers are used to achieve clustering. The evolution within method clusters is explored. The above-mentioned mining based on AI markers yields many significant findings. For example, the propagation rate of the datasets gradually increases. The methods proposed by China in recent years have an increasing influence on other countries.     

警惕人工智能异化、伪知识泛滥和全民娱乐对人性与文明的危害

通过文献梳理、生活体验和理性思辨,发现AI异化、伪知识泛滥和全民娱乐已经对人心之善和文明传承造成了深度危害,对此,只有理性认清AI和知识的双刃剑属性,建构至善精神信仰、再造科技哲学、完善人化科技的法律法规,才能有效化解人为危机。