金秋装机十问十答

1．主板、显卡供电越多越好吗？在很多厂商的宣传中,无论是主板还是显卡,供电相数都越来越多。从传统的3相、4相供电,到现在的“6相供电是起步,12-16相才上路,24相是目标”,那么供电相数是不是越多越好呢？     

答大学生求职十问

1.要不要创业？ 你想知道梨子的味道吗？那么你就要亲口尝一尝,可是没有尝的本钱怎么办？尝试参与社会公益创业,你可以从自己的爱好起步,你可以期望得到公益爱好者的帮助,还可以学习争取资助,再去帮助别人,得到乐趣与成就感。     

十问十答对话USB3.0

作为电脑中应用最广的连接接口,USB3.0以＂SuperSpeed USB＂的名义进入了人们的视线。它在保持对旧有标准的兼容性同时,实现了性能的巨大跨越。USB3.0是前代USB的发展和继承,自身有着不少的变化。在此,笔者精选10个关于USB3.0最常见的问题,并以平实易懂的语言为读者一一作答。     

基于人工智能技术的新媒体交互艺术表达设计

由于新媒体交互元素提取速度低,灵活性差,新媒体交互艺术表达效果降低,对此,基于人工智能技术提出一种新的新媒体交互艺术表达方法,通过分析新媒体交互艺术主要的表达场景,即用户信息传达场景、新媒体交互艺术推送场景、交互艺术推广场景和个人服务场景,为交互表达提供场景应用基础,计算空间复杂度、空间复杂度和资源复杂度,根据复杂度计...     

类脑心智计算的科学技术和工程应用的研究与思考

发展新一代的类脑智能,需要综合考虑形成自然智能的结构、功能和行为等研究,偏颇任一方向都是不全面的,难以完全触及智能的本质。文中基于神经系统的结构仿真、认知系统的功能模仿和自然智能的行为模拟,定义了类脑心智计算(BMC)的基本概念,提出了BMC的假设、模型和框架,研究了BMC的前沿理论。在大脑机制、心智模式和行为控制上,分析了当前BMC研究的技术路线、核心算法和关键技术,综述了BMC的复杂系统和工程应用现状。结合智能科学、神经科学、认知科学、信息科学和计算数学等多学科的交叉融合特征,进一步讨论了BMC的科研范式和跨学科建设问题。BMC研究将有望在新一代类脑智能的科学理论、技术创新和工程系统上取得重大突破。     

人工智能与人工生命

人工生命(ArtificialLife)是一门正在迅速发展的新兴学科。将人工智能(ArtificialIntelligence)方法与人工生命方法相结合,是目前人工智能研究的新方向。该文介绍了人工生命的概念和研究方法,分析了人工智能目前的困难以及人工生命与人工智能的区别与联系,并介绍了几种二者结合的实例。     

基于生态演化的通用智能系统结构模型研究

从系统论、认知神经科学和生态演化的角度看, 智能是指生物体根据环境、条件、目标, 自适应地调整自身或调度各种资源实现目标的能力, 智能起源于生命, 智能是生物的基本特征.借助于脑神经系统演化的历史, 展示了自然智能的演化过程, 并由此构建了一个基于生态演化的通用智能系统结构模型, 系统地分析了一般智能系统的普遍性、开放性、动态演化性、相对稳定性、功能性、结构性、依附性、相对独立性、可延续性等基本特征.论文根据智能演化进程将智能系统分为7级, 利用智能系统结构模型分类探索专用人工智能和通用人工智能的发展方向以及有关智能系统的学习方法.这些工作对人工智能和智能科学基础理论研究与应用具有一定的启发意义.     

长沙出台新一代人工智能产业等政策

近日,长沙市人民政府召开新闻发布会,发布《长沙市关于加快新一代人工智能产业发展推动国家智能制造中心建设的若干政策》(以下简称《政策》)和《长沙市智能网联汽车道路测试管理实施细则(试行)》(以下简称《细则》)两大政策。其中,《细则》是继国家《智能网联汽车道路测试管理规范(试行)》后,全国第一个响应出台的智能网联汽车道路测试管理实施细则,自2018年5月1日起施行,有效期2年。     

人工智能范式的革命与通用智能理论的创生

人工智能的研究取得了不少可喜的进展,也面临着许多严峻的挑战.为了应对这些挑战,学术界提出了各种各样的研究思路.笔者相信,每种思路都有其合理之处,都有可能获得一定的成效.不过,根据笔者的理解,人工智能面临的最深刻最严峻的挑战,是学科和时代的大转变所带来的大阵痛:人工智能范式的张冠李戴.因此,必须对人工智能的范式实施"正冠...     

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。     

探索低资源的迭代式复述生成增强方法

复述生成旨在同一语言内将给定句子转换成语义一致表达不同的句子。目前,基于深度神经网络的复述生成模型的成功依赖于大规模的复述平行语料,当面向新的语言或新的领域时,模型性能急剧下降。面对这一困境,提出低资源的迭代式复述生成增强方法,最大化利用单语语料和小规模复述平行语料迭代式训练复述生成模型并生成复述伪数据,以此增强模型性能。此外,提出了句子流畅性、语义相近性和表达多样性为基准设计的伪数据筛选算法,选取高质量的复述伪数据参与每轮模型的迭代训练。在公开数据集Quora上的实验结果表明,提出的方法仅利用30%的复述语料在语义和多样性指标上均超过了基线模型,验证了所提方法的有效性。     

集对分析在人工智能中的应用与进展

人工智能是我国发展战略,集对分析从自主原创角度为人工智能提供一种基础性思路,具有重要意义。集对分析把确定的数学计算与不确定性系统分析有机结合,已在人工智能基础、模式识别、不确定性推理、智能决策、知识生态学、自然语言理解、专家系统、神经网络、智能工程、智能社会网络社区划分与演化等研究中得到应用。本文在概述集对分析的原理和联系数之后,综述集对分析在人工智能中的应用和进展,以期推动集对分析在人工智能中的进一步应用。     

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。     

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。     

人和人工智能系统的概念形成过程研究

概念的形成是实现人工智能的基础,为研究人工智能系统中概念的形成过程,从人对事物形成概念的过程出发进行了研究。比较人和人工智能系统的概念形成过程得到了如下特点:人的优势在于能自主地确定对象表象和对象功能中的各种特征和划分等,能在对象、描述性定义和功能性定义对应关系不完备情况下通过思维和联想建立概念;人工智能系统的优势在于丰富的对象表象感知能力,对象的各种特征和划分的长期存储、运算和分析能力;而人工智能的概念形成过程存在的缺点基本与人的概念形成过程的优点对应。因此本文认为人工智能的概念形成过程必须关注因素的智能识别、功能的系统实践和人经验知识的有师学习。现有技术在缺乏人经验知识的情况下,人工智能系统不能自主建立概念和知识库,不能实现智能过程。     

一种面向时间分配问题的群智能劳动分工新方法

本文以给不同信号相位的车辆分配绿灯时间的交通信号配时问题为代表,将群智能劳动分工应用到时间分配问题的求解中,提出一种新颖的蜂群劳动分工算法（bee swarm labor division algorithm, BSLDA）。首先从时间分配的视角对交通信号配时问题进行分析,然后将激发-抑制原理引入BSLDA,为每个信号相位定义了激发剂和抑制剂,并设计了增加绿灯时间、减少绿灯时间和保持绿灯时间3种行为。在群智能劳动分工激发-抑制原理作用下,BSLDA中的每个信号相位都能根据环境变化选择恰当的行为完成时间分配。最后采用真实的交通流数据进行仿真实验,结果表明本文方法适于求解不确定环境下的交通信号配时问题。