基于区块链的智能组件:一种分布式人工智能研究新范式

【目的】促进区块链与新一代人工智能技术的融合发展,利用人工智能的学习、推理和决策能力解决区块链面临的关键问题与挑战,已经成为区块链技术发展的重要突破口。【方法】致力于研究区块链与人工智能相结合的新范式,将目前相对中心化的人工智能算法嵌入到去中心化的区块链系统,使得二者共融、增强。【结果】提出了区块链赋能的智能组件概念与方法体系,为区块链性能、去中心化治理和安全方面的联合优化提出了解决方案,同时为分布式人工智能研究提供了新范式和新思路。【结论】智能组件有助于构建高效能、高可控、高安全、具有智能决策能力的新型区块链系统,形成“区块链智能”。     

“范式变革”引领与“信息转换”担纲:机制主义通用人工智能的理论精髓

世界人工智能研究至今一直沿用着物质科学的科学范式(科学观和方法论),因此被分解为结构主义人工智能(人工神经网络)、功能主义人工智能(物理符号系统/专家系统)和行为主义人工智能(感知动作系统/智能机器人) 3个各自为战互不相容的学派。虽然各个学派都获得了一些精彩的局部性专用性成果,却没有通用性整体性的人工智能应用,更无法形成通用的人工智能整体理论,这成为人工智能研究与发展的最大痛点。目前,通用性整体性的人工智能理论越来越成为社会的紧迫需求。为此,本文依据作者四十多年研究的积累,总结和提出了“机制主义通用人工智能理论”,特别强调了“范式变革”和“信息转换”,希望引起学界的研讨和批评。     

从智能模拟到智能工程：论人工智能研究范式的转变

本文从人工智能涉及的一些基本概念入手,分析了基于智能模拟的研究范式的局限性,提出了一种更加实用的、工程化的研究范式：智能工程。这种研究范式强调机器智能行为的开发,特别是人机合作的智能系统的开发。它以传统人工智能理论、控制论、系统论、ａｇｅｎｔ理论、软件工程为基础,以Ｉｎｔｅｒｎｅｔ、Ｉｎｔｒａｎｅｔ为应用的舞台。人工智能的理论和实践也表明,这种基于智能工程的研究范式是符合人工智能发展趋势的。     

人工智能的挑战

人工智能（Artificial Intelligence)作为当前科学技术发展中的一门前沿学科，面临很多争论、困难和挑战，本文从两大方面论述了人工智能面临的机遇和挑战。     

大数据时代的人工智能范式

由于大数据技术对于当前人工智能的范式研究具有一定助推作用,因此要求科研人员对于大数据的相关内容有着良好的把握,以便准确掌握大数据技术对于人工智能发展的作用,尽快转变常规的思维模式,可在大数据时代做好人工智能范式研究及机器的应用工作。基于此,笔者对大数据、人工智能涉及的相关内容进行了概述,并对大数据背景之下的人工智能主要范式做出了详细的探究与分析。     

前言

人工智能依托于物联网、云计算、大数据技术的迅速发展,在科学发现、经济建设、社会生活等各个领域具有广泛应用.但是,人工智能技术面临着严峻的安全与隐私挑战,并且这些挑战会随着人工智能技术的普及和发展愈演愈烈.人工智能安全与隐私保护可以说是人工智能技术发展过程中不可忽视的瓶颈和关键挑战.现阶段学术界对于人工智能安全与隐私保护的重视程度越来越大,国内外相关学者进行了大量研究并取得了不错的研究成果.     

伦理智能体及其设计:现状和展望

智能体一直是人工智能的主要研究领域之一,任何独立的能够同环境交互并自主决策的实体都可以抽象为智能体.随着人工智能从计算智能到感知智能,再到认知智能的发展,智能体已逐步渗透到无人驾驶、服务机器人、智能家居、智慧医疗、战争武器等人类生活密切相关的领域.这些应用中,智能体与环境、尤其是与人类和社会的交互愈来愈突出,其中的伦理和道德问题日益凸显.人工智能应用的伦理风险和挑战引起了人们的普遍关注,伦理智能体是人工智能伦理的重要研究内容.本文从人工智能伦理的工程设计与实现角度,对伦理智能体及图灵测试、伦理智能体的设计范式、伦理智能体的逻辑程序设计、伦理智能体的形式化验证、伦理困境及分析等进行了介绍和讨论.同时,对伦理智能体及设计所面临的挑战和进一步研究方向进行了述评和展望.     

智能的限定说

“什么是智能”已成为哲学家、脑科学家、心理学家、计算机人工智能(AI)专家所共同面临的挑战。面对这一挑战,AI科学家除了应战别无选择,因为AI发展的历史和现状都已证明,对这一问题的正确回答,关系着AI的方向、成败乃至存亡。本文正是试图从AI的立场出发,借鉴AI的成果、方法,提出关于智能的一种假设,从而深刻揭示人类智能的本质及实现计算机智能模拟和智能化的可能途径。     

云计算环境下的人工智能探讨

随着云计算环境的不断普及,人工智能面临严峻的挑战和空前的发展机遇.在分析云计算环境与人工智能的基础上,对云计算与人工智能的结合进行了具体的分析探讨.     

《人工智能与信息社会》大单元设计

信息技术学科以落实"大单元整体学习"为指导,以提升学生核心素养为核心,深入开展课程研究、教学探索,促进学生学习真实发生。笔者以《人工智能与信息社会》为例,系统阐释大单元整体学习设计的思路及依据,试图为大单元整体学习实践的有效落实提供参考。《人工智能与信息社会》大单元来自271集团初中信息技术校本化教材,以中小学人工智能教育目标“在小学和初中要让学生了解什么是人工智能,体验人工智能在生活中的应用”为导向,进行课程的设置、开设。     

多媒体智能：当多媒体遇到人工智能

过去10年中涌现出大量新兴的多媒体应用和服务,带来了很多可以用于多媒体前沿研究的多媒体数据。多媒体研究在图像/视频内容分析、多媒体搜索和推荐、流媒体服务和多媒体内容分发等方向均取得了重要进展。与此同时,由于在深度学习领域所取得的重大突破,人工智能(artificial intelligence,AI)在20世纪50年代被正式视为一门学科之后,迎来了一次“新”的发展浪潮。因此,一个问题就自然而然地出现了：当多媒体遇到人工智能时会带来什么？为了回答这个问题,本文通过研究多媒体和人工智能之间的相互影响引入了多媒体智能的概念。从两个方面探讨多媒体与人工智能之间的相互影响：一是多媒体促使人工智能向着更具可解释性的方向发展;二是人工智能反过来为多媒体研究注入了新的思维方式。这两个方面形成了一个良性循环,多媒体和人工智能在其中不断促进彼此发展。本文对相关研究及进展进行了讨论,并围绕值得进一步探索的研究方向分享见解。希望可以对多媒体智能的未来发展带来新的研究思路。     

机制主义人工智能理论——一种通用的人工智能理论

现行人工智能研究取得了许多进展,但存在“深度上浅层化、广度上碎片化和体系上封闭化”的重要缺陷。这不是改进算法或者提高硬件性能所能解决的问题,而是要在科学观方法论上寻找根源。本文依据“科学观→方法论→研究模型→研究途径→基本概念→基本原理”这个顶天立地的研究纲领,总结了信息科学的科学观,提炼了信息生态方法论;在新的科学观和方法论指导下构筑了体现智能生长全过程的研究模型,发现了智能生长的共性机制,确立了机制主义研究途径,进而澄清和匡正了信息（特别是语义信息）、感知、知识、认知、基础意识、情感、理智、综合决策等一系列基础概念,总结了实现信息－知识－智能转换的一组基本原理,创建了机制主义人工智能理论。而且证明了:长期三分而立的结构主义（人工神经网络）、功能主义（专家系统）、行为主义（感知动作系统）三大人工智能理论可在机制主义人工智能理论框架内实现和谐统一;机制主义是生成基础意识、情感、理智三位一体高等人工智能的科学途径;机制主义人工智能理论是通用型的人工智能理论。     

人-AI交互: 实现“以人为中心AI”理念的跨学科新领域

AI技术造福了人类,也给研发带来了挑战,如果开发不当,会伤害人类和社会。目前国内外还没有系统的跨学科工作框架来有效地应对这些新挑战。为顺应学科发展的交叉趋势,中国国家自然科学基金委2020年成立了交叉科学部。在这样的背景下,本文分析AI系统研发面临的新挑战,进一步阐述我们在2019年提出的“以人为中心AI”（human-centered AI,HCAI）研发理念和设计目标。目前,HCAI研发理念在国外是AI界的热门课题之一,为推动 HCAI 理念的落实,本文系统地提出了人?人工智能交互（human-AI interaction,HAII）的跨学科新领域,定义了其目的、范围、研究和应用重点等。通过文献综述和分析,本文总结了国内外HAII研究和应用的重点,提出了今后的主要研究方向。最后,针对今后HCAI理念和HAII领域的工作,提出了一系列对策和建议。     

Artificial intelligence and internet of things in small and medium-sized enterprises: A survey

Internet of things (IoT) and artificial intelligence (AI) are popular topics of Industry 4.0. Many publications regarding these topics have been published, but they are primarily focused on larger enterprises. However, small and medium-sized enterprises (SMEs) are considered the economic backbone of many countries, which is why it is increasingly important that these kinds of companies also have easy access to these technologies and can make them operational. This paper presents a comprehensive survey and investigation of how widespread AI and IoT are among manufacturing SMEs, and discusses the current limitations and opportunities towards enabling predictive analytics. Firstly, an overview of the enablers for AI and IoT is provided along with the four analytics capabilities. Hereafter a comprehensive literature review is conducted and its findings showcased. Finally, emerging topics of research and development, making AI and IoT accessible technologies to SMEs, and the associated future trends and challenges are summarised.     

人工智能伦理体系:基础架构与关键问题

全球范围内针对人工智能伦理准则的讨论已达成基本共识。在此基础上，本文进一步研究4个关键问题:人工智能伦理体系的运行机制问题、人工智能伦理准则的场景落地问题、人工智能伦理风险的预测判别问题，以及人工智能伦理对重大社会问题综合创新的支撑机制问题。这些问题超越了人工智能伦理准则的范围，却是一种完整、有效的人工智能伦理体系所必须解答的。本文的主要贡献是对这4个问题提出一套建议方案。     

重新找回人工智能的可解释性

针对深度神经网络AI研究的可解释性瓶颈，指出刚性逻辑（数理形式逻辑）和二值神经元等价，二值神经网络可转换成逻辑表达式，有强可解释性。深度神经网络一味增加中间层数来拟合大数据，没有适时通过抽象把最小粒度的数据（原子）变成粒度较大的知识（分子），再把较小粒度的知识变成较大粒度的知识，把原有的强可解释性淹没在中间层次的汪洋大海中。要支持多粒度的知识处理，需把刚性逻辑扩张为柔性命题逻辑（命题级数理辩证逻辑），把二值神经元扩张为柔性神经元，才能保持强可解释性。本文详细介绍了从刚性逻辑到柔性逻辑的扩张过程和成果，最后介绍了它们在AI研究中的应用，这是重新找回AI研究强可解释性的最佳途径。     

Artificial intelligence applications in the telecommunications industry

Abstract: Artificial intelligence (AI) has been applied to the telecommunications industry for more than a decade. The purpose of this paper is to examine the application of AI in the telecommunications industry sector. Our research finds that AI's first main application in telecommunications is in the network management area. Expert systems and machine learning are the two AI techniques that have been widely used in telecommunications, while machine learning and distributed artificial intelligence are the two AI techniques which are most promising for the future. The research also finds that different AI techniques have their unique applications in the telecommunications industry.     

Conversational artificial intelligence in the AEC industry: A review of present status,challenges and opportunities

The idea of developing a system that can converse and understand human languages has been around since the 1200 s. With the advancement in artificial intelligence (AI), Conversational AI came of age in 2010 with the launch of Apple’s Siri. Conversational AI systems leveraged Natural Language Processing (NLP) to understand and converse with humans via speech and text. These systems have been deployed in sectors such as aviation, tourism, and healthcare. However, the application of Conversational AI in the architecture engineering and construction (AEC) industry is lagging, and little is known about the state of research on Conversational AI. Thus, this study presents a systematic review of Conversational AI in the AEC industry to provide insights into the current development and conducted a Focus Group Discussion to highlight challenges and validate areas of opportunities. The findings reveal that Conversational AI applications hold immense benefits for the AEC industry, but it is currently underexplored. The major challenges for the under exploration were highlighted and discusses for intervention. Lastly, opportunities and future research directions of Conversational AI are projected and validated which would improve the productivity and efficiency of the industry. This study presents the status quo of a fast-emerging research area and serves as the first attempt in the AEC field. Its findings would provide insights into the new field which be of benefit to researchers and stakeholders in the AEC industry.     

Computational intelligence in economics and finance: Carrying on the legacy of Herbert Simon

This is an editorial guide for the special issue on computational intelligence (CI) in economics and finance. A historical introduction to the background is given. This research paradigm is traced back to Herbert Simon, who, as a founder of artificial intelligence, pioneered the applications of AI to economics. The move from the classical AI to CI indicates a continuation of the legacy of Herbert Simon. Computational intelligence has proved to be a constructive foundation for economics. In responding to what Herbert Simon referred as procedural rationality, our study of bounded rationality has been enriched by bringing autonomous agents into the economic analysis.