面向“排除合理怀疑”标准的案件推理模型

在社会安全案件审判阶段，对于案件推理依据“排除合理怀疑”标准认定案件事实，是在无罪推定原则下判定嫌疑人是否有罪的关键前提。针对这一问题的研究存在定量化不足的问题。该研究应用链式规则和Bayes推理方法，深入解析“排除合理怀疑”标准，通过理论和实证分析提出主张合理性的判断规则和证据解释的链式规则；定义解释间的独立性，提出证据的独立划分方法以判断主张能否合理解释证据，构建面向该标准的案件推理模型。将构建的案件推理模型应用于车辆冲撞案和故意杀人案2类频发的刑事案件，对控辩双方提出的主张进行模型推理分析，并对比模型分析结果与实际案件事实，验证模型的有效性。研究结果表明：对于达到“排除合理怀疑”标准的与未达到“排除合理怀疑”标准的案件，所提出的模型均能够协助认定案件事实，并给出相应依据。     

人工智能中计算主义的当前难题及转进策略

在莱布尼茨、丘奇和图灵等人所奠定的计算的数理理论的基础上,数字计算机诞生,1956年达特茅斯会议将其命名为人工智能。受逻辑与数学的影响,这一时期人工智能主要遵循计算主义的建构方法将认知看作符号计算,但这一做法遭到了强烈的哲学批判,随着日本第五代计算机计划的幻灭,计算主义彻底陷入低谷。事实上,计算主义以其符号表征和符号操纵的方式已然实现了对人的计算智能的建模。由于计算智能是人类智能的重要部分,因此构建强人工智能离不开计算主义。不过这些批判也说明了一个重要问题,即经典计算主义需要新方向、新发展。