知识可编程智能芯片系统:概念、架构与展望

本文原创性地提出知识可编程智能芯片系统(KPI-CS)及其理论和工程体系.该系统在当前最先进的异构计算和可重构人工智能(AI)芯片技术的基础上,深度融合复杂系统工程理论、知识工程理论与技术、半导体芯片研发技术、人工智能可重构算法技术,提出基于知识的可重构智能芯片和计算系统平台技术.该系统旨在支持AI应用场景适应性、AI系统重构灵活性、AI算法算力合理性的平行智能AI芯片系统平台和对应的知识服务平台.同时,作为应用展望,KPI-CS与相应的应用平台联动,为平行复杂系统管理与控制、智能交通、智能能源、平行区块链、智能医疗等研究领域和工程实践提供新一代的实时、高效、自适应的计算系统支撑.     

知识--智能的源泉

“智能”就是系统在不确定环境下,为了恰当的行动,针对特定的目标而有效的地获取信息（知识）、处理信息（知识）和利用信息（知识）,从而成功的达到目标的能力。机器要想“智能”绝对离不开“知识”。
　　知识工程的概念是1977年美国斯坦福大学计算机科学家费根鲍姆教授(B．A．Feigenbaum)在第五届国际人工智能会议上提出的。他认为,知识工程是用人工智能的原理和方法为那些需要专家知识才能解决的应用难题提供求解的手段。因此,恰当运用知识的获取、表达和推理技术构成与解释知识系统,是设计知识系统的重要技术问题。费根鲍姆构建的“专家系统”,就是期待要在机器智能与人类智慧（专家的知识经验）之间构建桥梁。他期望中的专家系统是人类专家可以信赖的高水平智力助手：“是一个已被赋予知识和才能的计算机程序,从而使这种程序所起到的作用达到专家的水平。”     

审计知识图谱构建与推理在审计风险评估中的应用研究

随着“科技强审”新思维的提出，审计模式和数据基础都发生了巨大改变，传统审计方法已难以适应审计现状，亟需进行革新解决困境。本文提出并实现了审计知识图谱构建与推理的新型体系框架，以WD医疗科技股份有限公司2020年年报审计为案例，具体分析，智能识别潜在风险点，验证提出的体系框架，从理论和实践方面为人工智能在财务审计的应用场景提供参考与借鉴。     

面向威胁情报的知识图谱构建关键技术

随着万物互联时代的到来，网络空间的攻击面不断拓展延伸，安全问题日益凸显。为应对复杂多变的网络攻击，构建威胁情报的知识图谱是核心和基础，利用威胁情报知识图谱将专家知识与海量安全数据相结合，有助于推动网络安全智能防御技术从感知智能迈向认知智能。本文提出了构建威胁情报知识图谱的技术架构，设计了一种网络安全知识本体，并总结了当前国内外实体识别技术与关系抽取技术的研究现状，最后分析了威胁情报知识图谱的未来研究发展方向及应用场景。     

知识驱动的推荐系统：现状与展望

个性化推荐系统能够根据用户的个性化偏好和需要,自动、快速、精准地为用户提供其所需的互联网资源,已成为当今大数据时代应用最广泛的信息检索系统,具有巨大的商业应用价值。近年来,随着互联网海量数据的激增,人工智能技术的快速发展与普及,以知识图谱为代表的大数据知识工程日益受到学界和业界的高度关注,也有力地推动推荐系统和个性化推荐技术也迈入到知识驱动与赋能的发展阶段。将知识图谱中蕴含的丰富知识作为有用的辅助信息引入推荐系统,不仅能够有效应对数据稀疏、语义失配等传统推荐系统难以避免的问题,还能帮助推荐系统产生多样化、可解释的推荐结果,并更好地完成跨领域推荐、序列化推荐等具有挑战性的推荐任务,从而提升各类实际推荐场景中的用户满意度。本文将现有融入知识图谱的各种推荐模型按其采用的推荐算法与面向的推荐场景不同进行分类,构建科学、合理的分类体系。其中,按照推荐方法的不同,划分出基于特征表示的和基于图结构的两大类推荐模型;按推荐场景划分,特别关注多样化推荐、可解释推荐、序列化推荐与跨领域推荐。然后,我们在各类推荐模型中分别选取代表性的研究工作进行介绍,还简要对比了各个模型的特点与优劣。此外,本文还结合当下人工智能技术和应用的发展趋势,展望了认知智能推荐系统的发展前景,具体包括融合多模态知识的推荐系统,具有常识理解能力的推荐系统,以及解说式、劝说式、抗辩式推荐系统。本文的综述内容和展望可作为推荐系统未来研究方向的有益参考。     

第二届全国知识工程研讨会在厦门召开

由中国计算机学会软件专业委员会智能软件学组主持召开的第二届全国知识工程研讨会于1988年12月23日-26日在厦门大学举行.代表共96名.会议共收到征文129篇,会前已公开出版了会议论文选集,入选论文40篇.会议安排了“基于知识的系统”,“专家系统开发工具和环境”,“机器翻译与自然语言处理”,“机器学习与知识获取”,以及“理论计算机科学的进展对人工智能和知识工程的影响”等五个专题的报告和讨论,着重介绍了国内外知识工程最新发展动态     

基于知识图谱的智能问答研究综述

基于知识图谱的问答是近年来研究热点,从基于模板、语义解析、深度学习、知识图谱嵌入四方面介绍基于知识图谱智能问答实现,归纳了各类方法的优缺点,及尚未解决的关键问题。结合当前人工智能技术发展,重点介绍了基于深度学习的智能问答,有助于更多研究者投身于智能问答研究,根据不同行业需求研发适用于不同领域的问答系统,提高社会智能化信息服务水平。     

知识工程概况

本文对人工智能的一个子领域——知识工程的过去、现在和未来作了全面论述。主要讨论了以下问题:与知识工程有关的人工智能概念、人工智能和知识工程简史、人工智能现状、知识系统使用的技术、知识工程基础、知识系统的建造过程和工具在此过程中的作用、知识系统如何执行人机接口功能、知识工程领域的主要理论和工程问题及研究和开发的前沿课题。本文作者是世界著名的知识工程和专家系统学者。他的《专家系统的建造》一书享有盛名,他主持设计了Hearsay-Ⅱ,Rosie及其他许多用于军事决策的知识系统。本文是作者撰写的有关知识工程、专家系统方面又一篇经典论文,值得一读。     

《人工智能应用导论》知识图谱构建与应用研究

随着人工智能技术引发新一轮科技革命和社会进步，高职《人工智能应用导论》课程在众多院校相继开设，对其开展知识图谱的构建应用研究逐渐兴起，然而知识图谱的构建需要领域专家共同探讨、手工构建，十分严谨而繁琐，人工智能知识更新又较为快速，目前高职《人工智能应用导论》知识图谱的构建较为缺乏。本文借助机器学习和自然语言处理技术分别对《人工智能应用导论》课程文本资源进行实体识别和关系抽取，接着进行知识融合，最后基于Neo4j图数据库可视化展示并进行知识点推理。实验结果表明：构造后的课程知识图谱涵盖了《人工智能应用导论》课程所有知识点及其关系属性，助力开展知识点学习推理和学习路径推荐研究。     

知识赋能的新一代信息系统研究现状、发展与挑战

信息系统的发展目前正处于感知智能迈向认知智能的关键阶段,传统信息系统难以满足发展要求,数字化转型势在必行.数字线索(digitalthread)是面向全生命周期的数据处理框架,通过连接生命周期的各阶段数据,实现物理世界与数字空间的映射与分析.知识图谱(knowledgegraph)是结构化的语义知识库,以符号形式描述物理世界中的概念及其相互关系,通过知识驱动形成体系化的构建与推理流程.两者对知识赋能的信息系统研究具有重要意义.综述了知识赋能的新一代信息系统的研究现状、发展与挑战.首先,从数字线索系统出发,介绍数字线索的概念和发展,分析数字线索的六维数据构成和6个数据处理阶段;然后介绍知识图谱系统,给出普遍认同的知识图谱的定义和发展,概括知识图谱的架构与方法;最后,分析和探索数字线索与知识图谱结合的方向,列举KG4DT (knowledge graph for digital thread)和DT4KG (digital thread for knowledge graph)的受益方向,对未来知识赋能的新一代信息系统提出开放问题.     

何谓“人工智能”? 概念、对象、内容及方法

什么是“人工智能”？在软件行业中,有一种习惯的看法：“人工智能是一种软件”,这对不对？“人工智能”（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）简称ＡＩ。它是研究、开发用干模拟、延伸和扩展人的智能（ＨｕｕｍａｎＩｎｔｅｌｌｉｇｅｎｃｅ）的理论、方法、技术及应用系统的一门新的技术科学。“人工智能”研究如何用计算机去模拟、延伸和扩展人的智能;如何把计算机用得更聪明;如何设计和建造具有高智能水平的计算机应用系统;如何设计和制造更聪明的计算机,人工智能水平更高的智能计算机、人们认为：“人工智能”是计算…     

智能数学在有机化学中的应用

智能数学研究智能的数学表达及知识工程的数学原理,由于它能为知识表示、知识推理及知识获取等提供某些数学方法和数学模型,形成人工智能的一种数学理论,已受到国内外学术界的关注。人工智能是新技术革命的带头学科之一,但目前尚无数学理论。智能数学的引进正好填补这个空白。本文以某些化学专家系统为例说明智能数学在有机化学中的应用。     

知识图谱研究综述

知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库,是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前,知识图谱的内涵还不够清晰;且因建档不全,已有知识图谱的使用率和重用率不高.为此,本文给出知识图谱的定义,辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础,知识图谱是本体的实例化;本体研究成果可以作为知识图谱研究的基础,促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法,以提高其使用率和重用率.最后指出知识图谱未来的研究方向.     

智能软件工程专栏前言

软件作为信息社会的基础设施,深刻地影响着现代人类文明的进程。自1968年软件工程的概念被提出以来,如何高效地开发高质量的软件一直是计算机科学的研究热点。近年来,随着人工智能技术的发展,人工智能与软件工程开始深度融合,由此形成的全新学科交叉方向——智能软件工程成为了国内外学者关注的焦点和研究重点。智能软件工程主要涵盖两方面:人工智能赋能的软件工程和面向人工智能的软件工程。一方面,以深度学习为代表的人工智能迅猛发展,为软件工程研究提供了全新的方法、技术和工具,显著提高了解决传统软件工程任务的能力。     

基于知识图谱的法理知识服务系统设计与实现

为满足特定用户准确聚焦、有效关联、高效运用法理知识现实需求，利用信息化技术拓展优化法理知识服务手段，设计实现一种面向法理知识服务的信息系统。利用知识图谱、Vue前端开发框架等相关技术，选取部分香港法例作为试验数据，设计并实现了一种基于知识图谱的法理知识服务系统。通过开发部署，该系统设计初步实现了知识管理、语义搜索、智能推荐、关联分析四项核心功能，可有效提高法理知识服务效益，为知识图谱在特定垂直领域应用提供参考借鉴。     

边缘智能协同技术及前沿应用专题序言

<正>随着边缘计算与人工智能技术的高速发展，两者结合催生了一种新兴计算范式——边缘智能，在推动边缘计算技术优化的同时助力解决人工智能在“最后一公里”落地的关键问题。因此，边缘智能在工业物联网、智慧城市、无人驾驶、无人作战、疫情防控等领域得到了广泛应用，并吸引了国内外政府、工业界与学术界的高度关注，在基础科学理论、关键技术方法、新兴系统及应用等方面都取得了诸多创新性和突破性的成果。《计算机科学》策划了“边缘智能协同技术及前沿应用”专题，希望能为相关领域的专家学者提供交流合作、发布最新前沿科研成果的平台，促进学术界和工业界的深度融合，推动中国计算机领域的发展。     

知识图谱数据管理研究综述

知识图谱是人工智能的重要基石.各领域大规模知识图谱的构建和发布对知识图谱数据管理提出了新的挑战.以数据模型的结构和操作要素为主线,对目前的知识图谱数据管理理论、方法、技术与系统进行研究综述.首先,介绍知识图谱数据模型,包括RDF图模型和属性图模型,介绍5种知识图谱查询语言,包括SPARQL、Cypher、Gremlin、PGQL和G-CORE;然后,介绍知识图谱存储管理方案,包括基于关系的知识图谱存储管理和原生知识图谱存储管理;其次,探讨知识图谱上的图模式匹配、导航式和分析型3种查询操作.同时,介绍主流的知识图谱数据库管理系统,包括RDF三元组库和原生图数据库,描述目前面向知识图谱的分布式系统与框架,给出知识图谱评测基准.最后,展望知识图谱数据管理的未来研究方向.     

《模式识别与人工智能》投稿指南

正《模式识别与人工智能》是中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办的学术刊物。本刊面向国内外各高等院校、研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。办刊宗旨:模式识别、人工智能学科是信息科学与技术的重要组成部分,本刊发表与此有关的最新研究成果与进展,旨在推动信息科学技术的发展。1、模式识别的理论、方法及其应用2、人工智能的理论、方法及其应用3、智能计算机的理论与体系结构4、计算智能及其应用5、知识发现与机器学习6、图像识别、分析与理解7、字符识别与版面分析8、语音识别与合成9、自然语言处理10、计算机图形学与计算几何学11、智能控制与智能系统12、模式识别与人工智能在互联网中的应用13、人工生命与复杂性研究14、计算生物学一、来稿要求1、来稿具有创新学术价值,有自己新的观点和见解,可推动或丰富该课题领域的研究与发展;或具有重大实用价值的创     

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。     

知识工程与分布智能专业委员会

成立时间(民政部批准时间):2001.12挂靠单位:中国科学院计算技术研究所主任委员:马少平秘书长:何清中国人工智能学会知识工程与分布智能专业委员会是中国人工智能学会成立最早的经国家民政部登记注册的几个专委会之一,是中国人工智能学会下属的我国知识工程与分布智能技术领域的民间学术团体。专委会致力于知识工程与分布智能技术领域的学术研究、学术交流、科学普及、人员培训、