人工生命方法在微生物学中的应用研究

利用人工生命研究微生物种群特征和规律是人工智能发展的崭新领域。本文通过对人工生命的定义、研究内容、理论基础以及研究方法的介绍,阐述了人工生命研究的重要思想,并提出了对人工微生物建模和仿真的实验方法。从理论和实验两方面论证了利用人工生命方法解决微生物学现存问题的可行性。     

Agent的主观世界理论框架初探

人工智能是在计算机科学、控制论、信息论、心理学、哲学、语言学等多种学科的基础上发展起来的,目前认知科学更多地被运用到了人工智能的研究当中.基于当代认知心理学的研究成果,提出了建立Agent主观世界的理论.     

论话语分析的认知心理过程

话语分析广泛吸收认知科学、心理学、人工智能等诸多学科的研究成果,出现了一些跨学科的、系统的话语分析理论和方法,也为话语分析开辟了新天地。本文将话语分析与认知语言学、心理语言学相结合,简要论述话语分析的认知心理过程,并且提出初步的理论模型。     

人工情感研究综述

简要论述了人工情感在人工智能中的重要性和作为人工情感研究理论基础的自然情感理论,并对人工情感的各个研究诸如情感建模、情感识别、情感表达、人工情感机理等分别进行了较为详细的分析与综述,对人工情感的发展趋势进行了展望。     

人—人管理系统的理论基础——管理心理学浅说

管理心理学是心理科学的一个分支,是研究管理活动中人的心理活动规律的一门科学。它的主要理论基础是心理学、社会学、人类学和管理学。它的基本内容是运用上述学科中的有关理论和方法,研究个体和群体在管理过程中的心理及行为规律。目的在于充分调动和发挥人的积极性、主动性和创造性,解放生产力,使人力资源、物资技术设备的潜力最大限度地发挥作用,提高工作、生产效益。同时,我们还要认真总结多年来的实践经验,建立起具有中国特色的管理心理学体系,为提高我国管理水平和管理效益服务。本文从管理心理学及其发展,管理心理学的理论基础,管理心理学的基本内容,研究管理心理学提高管理水平等方面加以简要论述。     

心理学也要求新

本文根据科技进展的新情况,提出了心理学也要求新.心理学可以从人工智能、全息照相技术、邻近学科、耗散结构论等方面的研究中得到启示,并吸取有益的内容,以便增新,使心理学能赶上时代前进的步伐.     

人工智能与高职教育深度融合的发展框架

人工智能(AI),它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。AI科技基于程序设计取得突破性进展,配合大数据数据分析进行深度学习。把"人工智能"与传统高职人才培养的相关内容统一起来,形成符合我国现状的人工智能驱动高职院校教育教学改革的新思路,也及时回应了当前我国大力发展推动人工智能与实体经济相融合的时代新要求。     

人工智能与认知心理学

本文从计算机原理与心理学研究这两个角度,通过对认知、注意、记忆、思考的说明,阐述了人工智能与认知心理学的密切联系和相互影响,提出通过研究编码与智能的关系,思维与智能的关系,使智能形式化,进而制造人工智能,并对如何使计算机创立新概念进行了探索.     

用于故障诊断的集成型智能系统

故障诊断是人工智能的一个重要研究内容．分析了现有故障诊断方法（基于规则、基于模型、基于人工神经网、基于案例）的各自特点和局限性．提出了集成现有故障诊断方法（规则、模型、人工神经网、案例）的故障诊断系统及其系统结构．从知识获取和表示、推理和诊断、机器学习方面,说明该新系统能结合现有故障诊断方法的互补性并克服存在的局限性,并且能提高故障诊断的智能性及效率．     

浅谈计算机与心理学的关系

本文站在计算机的角度,探讨了人工智能,人工生命,人机系统,信息处理,系统安全等几个问题与心理学的联系,从而丰富的心理学的内容。     

四螺旋创新集群:研究型大学人工智能发展生态重构与路向探究——以加拿大多伦多大学为例

以人工智能为代表的知识迭代发展,促使知识生产模式发生重大转变,催生了“大学—产业—政府—公众”四螺旋动力结构的建立和研究型大学知识生产新生态重构。以多伦多大学人工智能发展为例,考察其四螺旋利益相关主体及实践。从内在机理看,4个主体在互动运作中不仅重新确定了各自角色,而且还建立了大学(知识)—产业(产品)—政府(治理)—公众(公益)的新型逻辑链条,平衡公私利益格局,把公益指向作为人工智能四螺旋运作的中心目标;从外在特征看,4个主体形成了以大学为中心的区域创新网络,并牵引其他主体形成环高校创新集群。当前,我国在人工智能发展中不断发力,已进入世界第一方阵,但仍需要在国际比较学习中不断提升自身竞争力。基于案例分析,我国研究型大学发展人工智能有必要把握4个方面:一是走进中心,塑造大学在人工智能发展中的领导地位;二是以专促通,创新研究型大学人工智能专业培养模式;三是引企入研,提升校企合作人工智能创新的转化升级;四是人本导向,突出大学在人工智能发展中的公共价值。总体来看,我国研究型大学发展人工智能不仅要面临技术上的挑战,更要面临来自治理的挑战。     

中国人工智能发展的若干紧要问题探讨

 基于对国内外人工智能发展态势的分析,从人工智能的原始创新能力、顶层谋划和设计、基础软硬件、技术平台、人才培养和引进、前沿研究布局6个方面,对中国人工智能发展的若干紧要问题进行了探讨。     

全球人工智能人才培养的政策比较研究:以中美英加四国为例

全球人工智能竞争的核心是人才存量与人才质量竞争,关键是人才培养能力和人才培养水平竞争,根本是人才培养制度也即高质量人才持续输出能力的竞争。面对全球人工智能人才存量不足、人才质量不高和人才流失等问题,通过系统梳理美国、英国、加拿大和中国的人工智能人才培养政策条目,从人才培养的研究维度对四国人工智能人才政策的特性进行归纳性分析与比较。研究显示,四国人工智能人才培养政策具有高度共性特征。一是重视营造良好的人才培养环境;二是制定科学的人才培养目标;三是重视人工智能教师队伍建设;四是发挥高校人才培养主体作用;五是产学研合作育人。但同时也存在显著差异,如美国在基础研究人才培养、数据环境建设、公私合作育人等方面有较好的经验;英国更加关注人工智能人才的数字理解能力培养;加拿大将培养、吸引和保留人工智能人才,构建完整的人才生态系统作为人工智能领域共识;中国在政府主导下充分发挥高校人工智能人才培养职能。针对中国面临的人工智能人才问题,建议在人才培养数据平台建设、人工智能人才概念界定、人才培养伦理构建、师资队伍建设和人才生态系统完善5个方面进一步健全人工智能人才培养政策体系。     

智能五子棋博弈程序的核心算法

人工智能是一门正在迅速发展的新兴的综合性很强的边缘科学,而博弈是人工智能的主要研究领域之一,本文通过一个五子棋博奕程序的设计,介绍了博弈程序设计的核心内容:包括博奕树搜索和估值函数两个方面.     

现代产品设计理论的相关研究现状综述

现代产品设计理论是研究产品生命周期以及后续制造科学的关键方法和理论，涉及到计算机、人工智能、自动化、认知科学、并行工程等多个领域。对目前该领域的相关研究现状进行了综述，从现代设计理论、产品设计过程、产品设计求解以及产品设计过程中的功能等四个具有代表性的方面加以总结和分析，并就今后现代产品设计理论的发展方向和研究趋势进行了分析。     

处理人工智能应用的高性能计算机的架构和评测

人工智能(artificial intelligence,AI)的3块基石是大数据、高性能计算、深度学习算法,大数据被称为"算料",高性能计算被称为"算力",深度学习算法被称为"算法".人工智能主要的研究领域就是算料、算力和算法.算力基础设施作为处理人工智能应用的基石,一直被各个国家给予高度重视.由于人工智能应用的飞速发展,适用于人工智能应用的新一代超级计算机不断诞生.对比了传统超级计算机和人工智能算力系统,论述了人工智能算力系统的发展和人工智能算力评估方法研究的现状.     

AGV调度优化的应用场景、关键因素和研究方法综述

针对自动引导小车(automated guided vehicle,AGV)调度问题,梳理了制造、仓储、港口以及快递分拨中心中的AGV使用和调度研究现状,发现以快递分拨中心为代表的服务业是新兴且研究较为薄弱的领域;分析了AGV调度优化需考虑的因素,发现数量配置与充电管理两个关键因素联合考虑的不足,建议未来在大规模动态调度研究中将二者统筹考虑;从精确方法、近似方法和基于人工智能的新方法3个方面总结AGV调度研究方法,建议未来可在启发式算法的基础上融入基于人工智能的新技术和新方法以获得创新。     

人工智能研究中的Bottom-up方法和Top-down方法

将人工智能研究在方法上区分为Bottom-up派和Top-down派,并且分别叙述了这两种方法的哲学、历史和成果。主张两种方法走向极端是不可取的,人工智能研究要寻找两种方法的结合点,才可能避免任何一种极端方法所导致的研究复杂性。     

仿脑智能系统

从脑科学的基本问题和研究成果出发,指出脑科学对脑的高级功能的研究远未取得突破,研究脑的高级功能是脑科学和智能科学的共同任务,因此智能科学应将创造仿脑智能系统作为基本研究任务.提出了多类型神经网络综合集成、结构模拟与功能模拟优势互补、模拟人脑高级神经中枢简化体系结构的仿脑技术路线,并对"多中枢自协调仿脑系统"的研究内容和难点进行了分析.     

人工智能时代大学教师教学的知行路线

如何认识与运用人工智能促进教学,是大学教师在人工智能时代亟待探索的问题。从教学知行路线视角来看,在人工智能与教学要素结合上,大学教学中学生、教师、教学目的、教学内容、教学方法、教学环境这六大方面遭遇了很多现实问题,这些问题的厘清,可以从人机共“筑”的学生“无监督”路线、人机协同的教师“树根”路线、教学目的的“遗传”路线、教学内容的“强化”路线、教学方法的“决策”路线、教学环境的“非零和博弈”路线6个方面进行阐释。面对人工智能时代的冲击,只有围绕教学要素打造知行合一的人工智能教学新路线,才能实现“人机合智”。