新一代人工智能十问十答

新一代人工智能是我国在全球第一个面向2030年提出的国家重大发展战略。如何认识新一代人工智能和传统人工智能的不同,了解其内涵、外延、技术特征以及发展目标,从而更好地凝聚研发队伍,是实现这一战略的重要保证。本文围绕新一代人工智能的技术内核,提出十个主要问题,自问自答,大问小答,指出新一代人工智能将从传统的计算机智能跃升为无意识的类脑智能,是人类智能的体外延伸,不涉及生命和意识,由人赋予意图,通过有指导的传承学习和自主学习,能够与时俱进地解释、解决新的智力问题,形成有感知、有认知、有行为、可交互、会学习、自成长的新一代人工智能—智能机器。     

Agent技术研究综述

Agent起源于人工智能(AI),20世纪80年代中期人工智能技术与分布式计算技术相结合,出现了分布式人工智能(DAI)这个研究方向。作为分布式人工智能的构成因素,Agent一词越来越多地被提到,由于它突破了长期以来AI研究进展不大的局面,因此倍受关注,多年来,Agent技术的研究和应用有了更加广泛地发展,特别是Internet和WWW的发展,为Agent技术带来了新的发展契机。     

Socially useful artificial intelligence

Artificial intelligence is presented as a set of tools with which we can try to come to terms with human problems, and with the assistance of which, some human problems can be solved. Artificial intelligence is located in its social context, in terms of the environment within which it is developed, and the applications to which it is put. Drawing on social theory, there is consideration of the collaborative and social problem-solving processes which are involved in artificial intelligence and society. In a look ahead to the coming generations of highly parallel computing systems, it is suggested that lessons can be learnt from the highly parallel processes of human social problem-solving.     

生长机器智能概述

对人的智能生长过程进行了研究，介绍了人工智能的主要领域——人工神经网络、专家系统和模式识别等相关理论。对国内外人工智能的发展进行了总结，在此基础上提出了生长机器智能理论框架，阐述了生长机器智能的概念及机器智能的生长阶段和预期达到的智能水平。     

交叉融合的“人工智能+”学科建设探索与实践

目前,人类正迈入智能时代,人工智能与经济、社会的发展深度融合,成为了孕育新一轮科技革命和产业变革的核心推动力量,培养智能社会建设所需要的跨学科人工智能创新创业人才变得极为必要。为了适应智能时代对人才培养的这一迫切需求,高校需要加强智能类学科建设,探索交叉融合的“人工智能+”学科建设新模式,提升人工智能领域学科地位并创新拓展其他学科的发展建设方向。文中提出了“人工智能+”学科建设的交叉融合模式:一方面,从人工智能学科内涵出发,依托计算机科学与技术学科开展人工智能基础学科方向建设,夯实人工智能领域学科的基础;另一方面,结合社会经济产业发展的重点领域方向布局,依托相关领域优势学科发展建设行业领域智能化新学科方向,实现人工智能学科建设与其他领域学科建设的共融共生、相互助力、协同发展。在重庆邮电大学和重庆市的学科建设中,这一模式发挥了显著作用,为人工智能领域的学科建设提供了有益参考。     

可信人工智能系统的质量属性与实现: 三级研究

人工智能系统以一种前所未有的方式,被广泛地用于解决现实世界的各种挑战,其已然成为推动人类社会发展的核心驱动力.随着人工智能系统在各行各业的迅速普及,人们对人工智能系统的可信性愈发感到担忧,其主要原因在于,传统软件系统的可信性已不足以完全描述人工智能系统的可信性.对于人工智能系统的可信性的研究,具有迫切的需要.目前已有大量相关研究,且各有侧重,但缺乏一个整体性、系统性的认识.本研究是一项以现有二级研究为研究对象的三级研究,旨在揭示人工智能系统的可信性相关的质量属性和实践的研究现状,建立一个更加全面的可信人工智能系统质量属性框架.本研究收集、整理和分析了2022年3月前发表的34项二级研究,识别了21种与可信性相关的质量属性及可信性的度量方法和保障实践.研究发现,现有研究主要关注在安全性和隐私性上,对于其它质量属性缺乏广泛且深入的研究.对于需要跨学科协作的两个研究方向,需要在未来的研究中引起重视,一方面是人工智能系统本质上还是一个软件系统,其作为一个软件系统的可信值得人工智能和软件工程专家合作研究;另一方面,人工智能是人类对于机器拟人化的探索,如何从系统层面保障机器在社会环境下的可信,如怎样满足人本主义,值得人工智能和社会科学专家合作研究.     

基于CiteSpace的人工智能文献大数据可视化分析

随着数据量的上涨、计算机运算力的提升和深度学习算法的出现,人工智能受到越来越多的关注.文中以美国核心期刊数据库Web of Science收录的与人工智能相关的6879篇期刊论文为研究对象,以时空知识图谱及内容知识图谱分析为主要研究方法,基于信息可视化软件CiteSpace从合作国家、研究机构、引用文献、关键词和突现词五个方面对文献大数据进行可视化比较和分析,明确了人工智能领域的研究现状及重要文献,揭示了人工智能领域的研究热点和前沿.最后,通过对五个可视化分析方面的总结,给出了在人工智能领域中选择科研方向、探测学科前沿、辅助科技决策等方面的重要参考.     

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...     

Steps toward Parallel Intelligence

The origin of artificial intelligence is investigated, based on which the concepts of hybrid intelligence and parallel intelligence are presented. The paradigm shift in Intelligence indicates the "new normal" of cyber-social-physical systems (CPSS), in which the system behaviors are guided by Merton's Laws. Thus, the ACP-based parallel intelligence consisting of Artificial societies, Computational experiments and Parallel execution are introduced to bridge the big modeling gap in CPSS.      

关于人工智能几个问题的思考

在分析传统人工智能的基础上,对智能算法的收敛性问题、基于智能算法的求解问题进行了定性的讨论。以生理科学为背景分析了智能科学的若干热点问题。提出了逆智能的概念。对人工智能未来的发展进行了一定程度上的探讨。     

人工智能领域知识图谱构建与分析

近年来人工智能技术成为学术界和产业界的研究焦点,基于领域科技文献对人工智能相关技术脉络的发展进行分析和研究有助于科研人员掌握相关技术发展方向,同时为国家制定相关政策措施提供了大数据支撑。美国人工智能协会年会(AAAI)和人工智能国际联合大会(IJCAI)是人工智能领域最主要的学术会议,众多领先的AI科技成果在上述会议期间被提出。论文对最近十余年的AAAI和IJCAI会议中的论文集进行了整理分析和挖掘,构建了包含500000个反映研究主题、研究人员等实体及其关系的三元组的人工智能领域知识图谱,并在此基础上对人工智能领域的研究热点和发展趋势进行了分析和讨论。     

人工智能对科研信息化的推动作用

随着科技的不断发展,国家相关部门的重视,人工智能掀起了又一轮热潮。国家相关部门发布了关于人工智能的行动实施方案,明确了人工智能的重点研究领域和相关任务,为人工智能的强力有序发展提供了保障。本文概述了人工智能的国家战略以及主要任务,如加快建设文献、语音、图像、视频、地图等多种类数据的海量训练资源库和基础资源服务公共平台,建设支撑超大规模深度学习的新型计算集群,建立完善产业公共服务平台。本文列举了人工智能在各行各业的应用,包括化学,物理学,生物信息学,地质学,药物设计,建筑领域等方面,其中包括深度学习方法的运用,重点强调了人工智能对于科研信息化的巨大推动作用,包括超级计算领域,科学数据领域,无线网络领域,物联网领域,生物信息领域等。之后从政府、科研院所、企业多个层面详细阐述世界各国以及中国在基于人工智能的科研信息化方面的探索,对中国基于人工智能的科研信息化建设方面提出可行性建议。最后,对人工智能的应用范围以及发展前景做了展望。     

Artificial intelligence in education: an exploration

The research field of Artificial Intelligence in Education (AIED) embraces a wide diversity of research interests. Psychology, education and cognitive science are strongly represented, alongside computer science and artificial intelligence. A key interest is in modelling, especially of learning processes and cognition. This paper gives a brief outline of the development of AIED, and examples of current issues and projects. The 'AI' in the title may give a misleading picture of a research field that is in fact dynamic and broad, with many links to the classroom.     

网络时代人工智能研究与发展

50多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远.当今网络时代,人工智能科学要在学科交叉研究中实现人工智能的发展与创新,会更加关注认知科学、脑科学、生物智能、物理学、网络科学、计算机科学与人工智能之间的交叉渗透,重视认知物理学的研究;自然语言是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无标度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络智能.对这3个重要方向进行了阐述,并提出了具体建议.     

软计算方法——人工智能发展的新思路

静态的、严格的“物理符号系统”假设曾使传统人工智能一度陷人困境,软计算方法处理问题的灵活性和不确定性为人工智能的发展提供了新思路,作为一种创建计算智能的新颖方法,软计算对于人工智能的发展具有重要的意义。     

人工智能在计算机网络技术中的应用分析

随着信息技术的快速发展,人工智能已成为引领新一轮科技革命和产业变革的战略性技术。现阶段,各个国家都在争先布局和发展人工智能,以期能在未来科技革命中抢占高点和先机。人工智能是一种模拟人脑工作的技术形式,它包含系统推荐、人工神经网络、语言处理、机器学习等方面的内容。将人工智能应用于计算机网络技术,可以节省人力资源、提升效率,可较好地弥补当前计算机网络技术在运用过程中存在的不足,进一步提升计算机网络技术水平。     

面向人工智能和大数据的高效能计算

【目的】本文主要分析人工智能和大数据应用随着迅速增大的数据规模,给计算机系统带来的主要挑战,并针对计算机系统的发展趋势给出了一些面向人工智能和大数据亟待解决的高效能计算的若干研究方向。【文献范围】本文广泛查阅国内外在超级计算和高性能计算平台进行大数据和人工智能计算的最新研究成果及解决的挑战性问题。【方法】大数据既为人工智能提供了日益丰富的训练数据集合,但也给计算机系统的算力提出了更高的要求。近年来我国超级计算机处于世界的前列,为大数据和人工智能的大规模应用提供了强有力的计算平台支撑。【结果】而目前以超级计算机为代表的高性能计算平台大多采用CPU+加速器构成的异构并行计算系统,其数量众多的计算核心能够为人工智能和大数据应用提供强大的计算能力。【局限性】由于体系结构复杂,在充分发挥计算能力和提高计算效率方面存在较大挑战。尤其针对有别于科学计算的人工智能和大数据领域,其并行计算效率的提升更为困难。【结论】因此需要从底层的资源管理、任务调度、以及基础算法设计、通信优化,到上层的模型并行化和并行编程等方面展开高效能计算的研究,全面提升人工智能和大数据应用在高性能计算平台上的计算能效。     

一种分布式智能核心结构及其系统应用

为支持群体智能体系的结构和计算,智能核心采用内部线程通道分层结构、外部多节点分层、联邦节点结合的3层模式,集成联邦形式模型、集中化并行模型和博弈对抗模型,形成支持群体智能体系的多样化分布式人工智能（artificial intelligence, AI)模型的计算系统。该系统可提高群体智能体系的底层能力,提供易用性高、兼容性好和能解决复杂多智能体问题的核心结构,提高分布式AI的系统水平。     

人工智能发展预测

目前,人工智能的推理功能已获突破,学习及联想功能正在研究之中,下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域,未来智能计算机的构成,可能就是作为主机的冯．诺依曼型机与作为智能外围的人工神经网络的结合。     

人工智能在基础教育教学应用综述

人工智能是研究运用计算机系统模拟和延伸人脑功能的学科,当前在基础教育教学领域应用越来越广泛.该文从教师、管理者和学生三个视角对人工智能在基础教育教学中的应用进行文献综述和实地调研,旨在分析人工智能中典型的技术,包括计算机视觉、自然语言处理、知识图谱、大数据挖掘等在教育教学各个环节中的使用情况,并根据调研中发现的问题总结...