意向性与因果性——基于干预主义因果论进路的意向因果性的研究

意向性和因果性一直以来都是哲学中的重要议题,但是将两者联系起来讨论的话,通常认为意向性不能具有因果性,因果性中的解释项也不能是意向性。但是,意向实在论者仍然坚持意向性是因果有效的,并且意向性本身在本体论上不可还原。塞尔所提出的意向因果性理论是意向实在论的自然主义进路的代表,他的理论若能成功,则一方面为意向性和外部世界之间架起了一座桥梁,意向性不再是先验的、高于自然的概念,另一方面因果性的概念也得到了拓展,意向性不再被因果性拒之门外。然而,他的这一理论仍然遇到了三个困境。而这三个困境的解决都有赖于一种更为精致的因果理论——干预主义的因果理论。     

因果性规律与功能性规律的逻辑解读

文章描述 5种类型的因果性定律和关于功能性规律的 3种方式的逻辑解读及可检验性分析 ,并给出了因果性规律和功能性规律的时间语义以及充分性的逻辑分析。通过分析提出 ,没有理由把这两类规律的根本区别根置于时间正向的因果性关系和时间逆向的因果性关系的语义区别上。两类规律陈述的区别实际上是与条件句中的前件子句与后件子句之间的充分性关系相联系的     

成功与困惑——当代物理学中的因果性

文章通过对相对论中的因果性与决定论的考察,对量子力学诞生的实验基础的追溯,阐明了与经典物理学描述的定域的、决定论的或因果性的世界相反,量子力学中的因果性是非定域的、非决定论的统计因果性的观点。     

ChatGPT 能力分析与未来展望

近年来,大语言模型的自然语言处理能力不断提升,尤其近期,聊天生成式预训练模型(ChatGPT)所掌握的“渊博知识”和表现出来的强大对话能力成为举世瞩目的热点话题。ChatGPT语言理解能力的真实水平如何?与专用模型相比,其性能表现谁居上风?它是否能够成为整个自然语言处理领域的通用模型而取代其它模型,甚至使所有自然语言处理问题得到彻底解决呢?为了回答上述问题,本文对ChatGPT在多个自然语言处理任务上的性能表现进行了评估和分析。在此基础上,我们讨论了ChatGPT对自然语言处理领域的影响,并对未来的发展进行了展望。     

因果性与统计关联：量子哲学的根本问题——《量子论与科学哲学的发展》要义发微

量子力学对经典实在论哲学思想提出了最巨大的挑战：物理学理论是关于客观实在的规律的知识,还是人类心灵的一种发明？世界的因果联系是事物本身所固有,还是我们主观范式强加于客观世界的精神产物？这些问题像梦魇一样困扰着科学家与哲学家。几乎所有的顶级科学家和哲学家;     

“意志薄弱”与行动因果论——兼论唐纳德·戴维森对“非理性悖论”的消解

哲学史上围绕“意志薄弱”的讨论由来已久,戴维森不赞同将此问题与道德软弱或知识匮乏（遗忘）相混淆的古希腊式解释思路,而主张将问题从道德性中剥离出来,直接考察行动自身。戴维森基于行动的因果解释,以不自制为切入点,探讨了非理性行动的悖论及本质。戴维森重构行动合理性的论证,强调非理性行动中符合最佳判断的理由与因果上最强的行动理由二者间的差别。通过“意图”概念的引入,戴维森论证意志薄弱无法证伪行动合理性,从而消解了非理性悖论难题。     

以ChatGPT为代表的大型语言模型研究进展

大型语言模型是当今人工智能领域最前沿的研究方向之一,该方向旨在训练含有大规模参数的通用语言模型,使其能够遵循人类指令完成不同类型的自然语言处理任务。作为大型语言模型的代表,由OpenAI研发的ChatGPT在各个领域均展现出强大的自然语言生成能力,受到了全球各行各业的关注。本文从语言模型的发展历程出发,介绍了近年研究者在扩大语言模型规模上的探索,然后分析了大型语言模型带来的范式改变,并以ChatGPT为典型实例概述了其发展、技术和应用,接着介绍了后ChatGPT时代大型语言模型的前沿进展,最后从评价和治理两方面总结了目前大型语言模型的局限性及未来需要解决的挑战。     

动态因果挖掘在决策支持系统中的应用研究

指出了传统的因果分析应用于决策支持系统中的统计相关性分析的不足,介绍了动态因果挖掘技术的研究现状、动态因果关系、动态因果规则及其分类,并对动态因果挖掘在决策支持系统中的应用进行探讨。     

进化论与设计论证

本文分析、比较了设计论证的三个典型版本,并以最新的斯温伯恩论证为据表明,进化论与设计论证不仅不是彼此冲突的,而且是相互补充的。基于这种定位,本文还具体阐述了设计论证的合理性和局限性,进而提出了一种可供选择的修正、推进思路。     

"解释"的语义与科学解释研究的方法论

与人们在"explanation"、"interpretation"与"Interpretation"的语义与语用上的分歧相关,西方科学解释研究出现了"句法学与语义学"、"语用学"、"认识论与本体论"的考察维度.合理的科学解释研究应实现科学解释的语义学与语用学的辩证统一、科学解释与人文科学解释的辩证统一,在方法论上应坚持从理解与解释关系的本体论、方法论和认识论三个层面的关系中理解和解释科学解释..     

爱丁顿与赫尔曼·外尔--不同文化背景下的科学思想进路

作为20世纪上半叶最伟大的天文学家的爱丁顿及数学家赫尔曼@外尔都分别对20世纪初新生的广义相对论场论及量子力学产生极大的兴趣并分别做出了一定的贡献.俩人在同一时期对同一问题产生了相似的看法,但由于所处的文化背景不同,认识的结果却不一样.本文拟从科学社会学的角度对两位伟大科学家的不同思想进路作对比分析,得出有趣的结论.     

规律性因果结构推理与奥卡姆剃刀

发现因果结构是许多科学研究的一个重要目的。如何从被动观察而非主动干预实验中推断因果结构是近年来颇受关注的方法论问题。针对方法论中的简单性原则比较两个处理此问题的进路,一个是用干预的概念来定义因果结构,进而探究从观察性数据中推断此结构的可能性;另一个则遵循规律性因果理论的传统,以实际可观察的规律定义因果结构,在此基础上设计因果推断的方法。两种进路的现有方法都会用到某些极小化原则。在第一种基于干预概念的进路中,通常用到的极小化原则比较明显是方法论意义上的简单化原则或奥卡姆剃刀,而非当作因果概念的一部分或关于因果关系的本体论原则。但在规律性因果理论的进路里,极小化原则似乎是概念的或语义的原则。试图论证这个看似存在的差别并不真实：规律性因果理论中的极小化原则在因果推断中起的作用实际上也相当于奥卡姆剃刀。澄清此相似之处有一个重要后果：基于规律性因果的方法有可能借用基于干预性因果的文献中提出的各种奥卡姆剃刀来应对一些困难,值得进一步探究。     

当代中国人市场实践的文化解释与结构解释

本文回顾和评述了近年来对中国人市场实践的海内外学者的研究：文化与结构的解释不是简单地非此即彼的静态视角,而是随着现实问题的更新,层层递进,提供给我们以便更加深入研究的分析框架。     

ChatGPT技术在生物医药领域的应用潜力与风险

本文系统梳理了ChatGPT的发展历程与现状,分析ChatGPT技术与生物医药领域的耦合情况。从知识创新与模型创新两个维度,划分生物医药领域ChatGPT技术应用的类型,并分析其应用焦点、应用场景和特征;从科学研究与消费终端应用的角度阐述各项ChatGPT技术类型在生物医药领域中的应用价值;剖析各项ChatGPT技术类型在生物医药领域中存在的潜在风险。ChatGPT技术将加快生物医药领域的研究与服务,扩大而非取代研究人员的专业知识。未来应加强微调挖掘型GPT工具与部署型服务设施的建设,推动ChatGPT技术在生物医药领域的有效应用。     

ChatGPT智能机器人应用的风险与协同治理研究

[目的/意义]作为大型语言模型的杰作,ChatGPT智能机器人的出现暗示着强人工智能时代即将来临。由于ChatGPT功能多样和强智能性等特征使其备受关注,但同时也潜藏应用风险,故而有必要探索治理路径。[方法/过程]文章分析ChatGPT的技术逻辑和特征,论证ChatGPT智能机器人应用的风险类型,并在此基础上构建协同治理的体系。[结果/结论]ChatGPT智能机器人应用的风险主要包括：社会信任机制面临危机、版权规则遭受冲击、个人数据的泄露风险骤升以及真实信息被篡改或滥用。未来法律层面应当完善数据分类分级、数据获取以及数据利用制度;ChatGPT开发者和平台层面应当分别强化审查义务和数据清洗义务;ChatGPT用户层面应当承担声明义务和注意义务,同时提高甄别能力;行业组织层面需要发布技术指南,推进企业事前合规建设。     

论知识管理与人工智能技术的"近亲"关系

知识管理不同于传统的文档管理,也不等同于信息资源管理,它是信息资源管理发展的高级阶段。人们进行知识管理必须要用到知识处理技术,而人工智能技术不仅仅对知识管理的发展起到推波助澜的作用,随着时代的发展它们将更加紧密联系。     

ChatGPT对大学管理学课程教学的挑战与应对

ChatGPT的持续推广应用显著地影响了高等教育,ChatGPT具备海量知识集成体、强大信息加工体、价值观念束缚体的特点,对高等教育总体知识传输体系、高校教师权威、高等教育实施方式提出严峻挑战。就高校管理学教学而言,ChatGPT对管理学基本知识有相当的替代性,激发学生对管理学知识体系新的需求,激发学生对管理学教学的创新需求,高校管理学教学需要引导学生敢于质疑、善于质疑,鼓励学生积极实践。     

语言理解的知觉表征实验研究

语言理解包含了复杂的心理过程,故长期以来一直是认知心理学所关注的热点问题。在以计算机隐喻为核心假设的传统认知心理学观念的引导下,命题符号系统理论(Propositional Symbol System)作为认知科学发展史上盛行的信息表征理论曾是语言理解的主要解释模型。随着认知科学的发展,具身认知(Embodied Cognition)观念的提出和第二代认知科学     

基于SciBERT与ChatGPT数据增强的研究流程段落识别

[目的/意义]在阅读文献的过程中,研究流程是研究者需要特别关注的一个重要方面,自动识别学术文本中描述研究流程的段落对辅助文献阅读、学习研究设计等有着重要意义。[方法/过程]文章以自然语言处理领域为例,收集代表性会议论文构建数据集。分别基于传统机器学习模型、神经网络分类工具以及预训练语言模型构建分类器识别研究流程段落,然后对不同模型的分类效果进行评估,确定性能最优的模型。为进一步提升研究流程段落识别效果,在最优模型的基础上,基于ChatGPT进行了数据增强。[结果/结论]实验结果表明,在所有分类器中,SciBERT具有最好的研究流程段落识别效果。基于ChatGPT的数据增强可使SciBERT模型的分类性能进一步提高,最终准确率(Acc)和F₁值分别达到了0.9414和0.9409。