数据+人工智能是材料基因工程的核心

 材料基因工程的工作模式,可大致总结为实验驱动、计算驱动和数据驱动3种。以"数据+人工智能"为标志的数据驱动模式围绕数据产生与数据处理展开,代表了材料基因工程的核心理念与发展方向。材料研究由"试错法"向科学第四范式的根本转变,将更快、更准、更省地获得成分-结构-工艺-性能间的关系。在数据密集型科学时代,快速获取大量材料数据的能力成为关键,而基于高通量实验与高通量计算的"数据工厂"是满足材料基因工程数据需求的重要平台。     

数字时代的科研范式变革与组织模式创新

通过分析科研范式的内涵、学科会聚的发展和逻辑演进、第四范式的形成，梳理了国外创新汇聚战略和国内的科技创新实践。第四范式主要从工具、方法维度突出大数据和人工智能在科研中的应用；要素汇聚从创新维度强调建设科技强国和创新高地的国家战略，属于数字时代与科技自立自强背景下科研范式变革和组织模式的创新。据此提出五点建议：以解决国家战略需求和人类面临的共同问题为导向，推动学科交叉会聚；以建设创新型国家和世界科技强国为目标，加强全球创新要素汇聚；建设全球人才中心和创新高地，培育战略科技人才，促进人才汇聚；建设世界一流科技基础设施和大科学工程，带动创新要素汇聚；形成数字时代的数据思维模式，以组织模式创新统筹推进数字时代科研范式变革。     

大数据时代的人工智能范式

针对传统人工智能范式存在的知识获取成本高、质量差、只能模拟低级智能等弊端,受大数据全样本统计、近似搜索和相关推理的启发,提出了4种AI范式,分别以感知、数据、脑科学、认知为中心.以感知为中心的AI范式主要研究一组分布的、松散耦合的主体如何协同运用它们的知识、技能、信息,为尽可能好地实现各自的或全局的目标或规划;以数据为中心的AI范式的形成是数据从量变到质变的过程,其核心是让数据说话;以脑科学为中心的AI范式旨在打造基于信息通信技术的综合性研究平台;以认知为中心的AI范式研究的目的是用大数据来解决"心智"问题.范式决定了AI的实现途径,不同的范式各有特点、相互补充,无法用一种范式统一全部,最后把AI的各种范式归结为科学研究4大范式.     

“'智能+'与数据驱动的科学研究”专辑导语

<正>数据密集型的科学发现已成为继实证范式、理论范式、计算范式后科学发现的"第四范式",其在物理、化学、生物、天文等自然科学领域,乃至社会学、教育学、新闻传媒、法律等人文社会科学领域的研究中,发挥着越来越大的作用。近年来,人工智能在图像、视频、语音识别,以及人机对弈等领域的技术突破,进一步为数据驱动的科学研究提供了新的技术和方     

数智化时代的决策范式变革

以大数据、人工智能为代表的数字技术对传统决策范式产生了巨大冲击,传统经验决策与机器辅助决策难以适应数智化时代复杂多变的决策环境,决策面临着范式转型问题。本研究系统梳理了决策系统的发展历程,分析了数智化时代的智能决策系统支持要素,明晰了智能决策的内涵与特征,并就数智化时代决策范式变革的趋势给出了应对策略。研究发现,智能决策将成为数智化时代决策范式,它具备在给定条件下自动决策、全流程的决策响应、人机协同决策等特征,本研究为决策活动科学化与智能化提供了有益的参考。     

人脑信息处理和类脑智能研究进展

脑科学被视为理解宇宙、自然与人类关系的“终极疆域”，人类从未停止对人脑的探索以及对其运行机制的模仿。过去几个世纪，人类对人脑的解剖构造和人脑各部分的独特功能有了一定的认识，但对人脑的信息处理机制、智能的形成等问题还需要持续深入探索。同时，借鉴人脑的信息处理方式开展类脑智能研究，对扩展与应用人类智能具有重要作用，是人工智能的下一个发展目标。从人工智能技术视角提出了大数据驱动的人脑信息处理机制、多脑区协同的人类智能形成机制、多标志物联动的脑疾病发展机理、多模态融合的类脑深度计算机理等关键科学问题，并建议从多学科交叉融合、产学研合作促进、国际化交流共享、战略性规划部署及科研型人才培养等方面加强脑科学及类脑智能研究。     

从物理智能到微波视觉

 近10年来,人工智能技术得到了科技与工业界的极大的重视,预示着人类文明将进入智能时代。但是,作为智能时代基础的“智能科学”还远未成型。本文从电磁物理信息感知技术的独特视角,讨论智能科学如何发展的一些见解,指出人类智能与外在世界互为对偶问题、相互不可分割的根本属性,因此按人工智能所应对的对象及关联学科分为数学、物理、心理、意识4个阶段。其中第1阶段解决智能形成的通用学习算法的数学理论,第2阶段发展应对物理世界的物理智能。以此为基础,第3阶段发展应对智能涉及社会群体的高阶智能,第4阶段研究自由意识的本质和人工智能能否形成意识的超智能问题。结合笔者电磁信息感知专业领域,提出向物理智能发展的微波视觉新概念、相关内涵以及关键技术的建议,以笔者团队在这一方向的前期工作为例,讨论了以物理智能为基础的智能科学的研究与发展。     

人工智能与人类智能的博弈——由《最强大脑》引发的思考

人工智能(AI)是一个新兴的学科,覆盖的学科领域较广,如计算机科学、生物学、哲学等,其发展在当今可谓是飞快进步,学术界对于"人工智能能否取代人类智能"这一话题展开了激烈的讨论。人工智能虽然在运算的速度和准确性、记忆的精确性等方面已经远远超过人类智能,但是它毕竟是人类智能的产物,属于人工自然的范畴,缺乏人类智能所特有的两大属性——社会历史性和主观能动性。所以,不管人工智能如何发展,在将来也是很难取代人类智能的。     

知识与数据双向驱动的多粒度认知计算

认知计算是以人类认知为启发而提出的一种一致的、统一的、普遍的智能计算机制。文中介绍一种借鉴人类智能问题求解的多粒度思维机制、人类大脑"大范围优先"的认知机制和智能控制系统中"智能计算前置"的信息处理机制,实现知识与数据双向驱动的多粒度认知计算模型,即数据驱动的粒认知计算模型(DGCC模型),实现符合人类认知的智能计算。在该模型中,数据被视为在多粒度空间中对知识的最细粒度层次表达,知识被视为数据在粗粒度层次的抽象。文中从知识驱动和数据驱动两个方向讨论DGCC模型中需要进一步研究的几个科学问题,并分析几个相关的多粒度认知计算应用案例。     

基于数据驱动的大学生科学数据素养教育体系研究

科学研究进入大数据时代,"大数据驱动科学发现"已成为科学研究的第四范式,研究从宏观的社会知识层转向微观的数据层,这对大学生科学数据素养教育提出了新的要求.以科学数据素养内涵为主线,选取江苏省部分高校,调研科学数据素养教育的实施现状以及大学生的需求情况,在此基础上构建出基于数据驱动的高校图书馆科学数据素养教育框架,以增强大学生的核心竞争力.     

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。     

一种复杂体系架构设计新范式

 针对架构技术应用于复杂体系设计时的新问题、新特点,探讨了复杂体系架构的概念内涵,充分应用大数据和人工智能等技术,提出一种模型和数据混合驱动的复杂体系架构设计新范式,分析了体系架构设计新范式的难点,梳理了复杂体系架构设计新范式研究面临的挑战。     

大数据时代人工智能在计算机网络技术中的应用探析

21世纪全球已经进入信息化时代,科学技术的迅猛发展为人类的生产生活带来了新的挑战与机遇。互联网信息技术的进步使得人工智能的发展向前迈进,人工智能如今炙手可热,已经成为计算机技术的重要研究领域之一。计算机技术的先进优势令大数据盛行,在庞大数据的支持下,人工智能的不断发展能为计算机网络带来什么呢?该文将讨论大数据时代下,人工智能在计算机网络技术中的应用方式与意义。     

福建省金融服务信息技术学科发展报告

福建省金融服务信息技术发展基本上沿着"硬件-软件-PC互联网-移动互联网-大数据-人工智能"的轨迹,从IT时代发展到DT时代,同时正向着RT时代迈进,自然语言处理、智能语音交互、情感计算、认知计算、机器学习等人工智能技术的发展已呈现出爆发之势。     

人工智能赋能高校数据治理:逻辑、挑战与实践

随着人类社会逐步迈入以情感计算、自然语言处理等智能技术为核心支撑的人工智能时代,数据的战略资源地位日益凸显,数据治理已成为推进高校教育治理现代化的关键工具。人工智能赋能高校数据治理的基本逻辑主要体现在数据管理、数据质量、数据决策与数据服务4个层面。高校数据管理忽视“多方协同管理”、缺乏相对统一的数据质量标准、数据决策在权责限定与顶层设计方面存在缺失、数据服务潜能激发不力制约数据价值高效释放等可被视为人工智能赋能高校数据治理的现实挑战。对此,应创设落位智能共管的高校数据管理职能优化机制、完善校本化高校数据挖掘与共享质量标准、构建基于责权厘定的智能化数据决策体系、优化指向数据价值释放的智能数据服务体系。     

郑惠强:大数据、人工智能与智慧城市的关系

正近年来,大数据和城市智能成为当下热门的话题,新一代人工智能正在全球范围蓬勃兴起,不仅为经济社会发展注入新的动能,更深刻改变人们的生产生活方式,在这样的背景下,同济大学教授、博士生导师、上海市软件科学基地产业创新生态系统研究中心主任郑惠强教授,在2018上海静安国际大数据论坛上从以下三大方面讲述了大数据、人工智能与城市智能。     

人工智能视域下体育教学的教育应用创新探索

人工智能技术的快速发展正推动着时代的进步与教育的变革,人工智能技术应用到体育各个领域,并产生了良好的反响.本文站在人工智能发展战略机遇前沿,对人工智能在体育中的应用进行研究,总结得出:人工智能应用于体育教学是未来智能教育发展的趋势,目前已产生众多优秀交叉成果,未来智能无线传感、虚拟现实(VR)、智能穿戴设备、智能大数据等人工智能核心技术将可实践部分与体育教学中各个元素进行对接.文章从应用形态、技术架构、业态趋向等要素构建了"人工智能+教育"的生态系统,并设计框架.结尾又对未来"人工智能+体育教学"的延伸做了展望,提出模拟教学应用与智能场馆构建.     

计算机网络技术中大数据时代的人工智能应用研究

随着我国科学的进步和时代的发展,计算机网络技术的应用是大势所趋,通过计算机网络发展中技术的应用。当新时期科学技术应用到计算机网络技术发展中、大数据技术和人工智能中等,这就是计算机网络技术融合形成的一种新型技术,通过这种新型技术和我们的网络安全技术相结合,可以满足未来计算机网络技术发展的需要。该文将对计算机网络技术、数据时代人工智能应用进行分析和研究,为人工智能在计算机领域中提供一些相应的帮助和参考。     

基于技术驱动的智能媒体特征分析和发展策略研究

随着移动互联网、大数据、云计算、人工智能、区块链等新一代信息技术的快速发展，给传媒带来了革命性的变化，无论是内容的生产方式和传播形态，都发生了深刻的影响。媒体的发展形态也从传统媒体到互联网媒体再到智能媒体转变，特别是近年来智能媒体应运而生，对传统媒体和网络媒体带来了前所未有的挑战，媒体格局、舆论生态、传播方式发生了重大变化，技术赋能驱动全媒体时代的到来，促进媒体深度融合，走以先进技术为支撑的媒体发展道路。本文重点研究技术驱动下智能媒体的特征分析，探索智能媒体未来的发展思路和发展模式。     

智能社会协同治理：研究现状与发展趋势

智能社会是以人机物的高度耦合为核心特征,以智能社会协同治理为核心治理模式,形成现代人到智能体的主体性转变,全面拓展人类的生物、时间和空间等存在属性的社会形态。智能社会协同治理是智能社会智能体充分调动各类智慧、技术、资源而形成的有机整合的治理模式,以解决智能社会的个体成员、运行规律、社会机构、治理模式、政策制定和伦理规范等一系列重大问题。国内外学者综合运用模型驱动和数据驱动的方法对智能社会进行建模,从协同治理主流理论、智能社会拓扑和协同决策优化等角度研究智能环境下的协同治理技术,发展了一系列智能社会协同治理的机理与模型。近些年来,物联网、人工智能和大数据等技术的发展进一步拓宽了智能社会协同治理的范畴,呈现出广阔的应用前景,但同时也对智能社会协同治理的模型与应用提出了新的挑战。文章从人类发展历史与核心社会特征演化趋势、数字社会向智能社会过渡阶段研究,协同计算的主要模型、方法以及协同计算在智能社会行为体“人机物”互动中的应用3个方面,对国内外的相关研究现状和进展进行综述和对比分析,凝练存在的关键科学与技术问题,分析各研究分支的特色和可能存在的互补性,最终给出该方向未来的潜在发展与研究方向。