复杂性与信息科学研究纲领

在20世纪兴起的诸多科学研究纲领中，信息科学研究纲领具有十分重要的特殊地位。当代信息科学的发展不仅揭示了一个全新的存在领域(信息世界)，而且提供了一种全新的复杂性思维方式——信息思维方式。信息科学研究纲领能够在更为综合超越的层面上有效化解还原论和整体主义的简单对立，并能够对自组织行为的复杂性机制进行深入而具体的阐释。正是信息科学研究纲领可能为复杂系统研究提供某种最基础性的、具有核心理论意义的理论范式。     

复杂性科学与利益冲突

专家与政府对利益冲突研究存在简单因果分析的共同缺陷,传统科学下的简单线性思维方式对利益冲突的解释力有限。复杂性科学及其思维方式有效改善这种简单因果关系,用复杂性科学从纵向解剖利益冲突的诱发机制与复杂性表征后发现,在无序思维、分形思维和生成思维指导下建立一种具有复杂性特征的利益冲突防范与治理机制是可行且有效的。     

论科学的复杂性--兼评科学终结论

围绕“科学终结论”所展开的讨论，使我们看到科学本身是复杂的，因此，需要探讨科学本身的复杂性。由于任何事物都可以看成一个系统，因而研究科学本身的复杂性，就必然要研究系统的复杂性。系统的复杂既是差异性的复杂，也是同一性的复杂。系统的同一性、同一性分布和同一性结构的复杂使科学表现出了科学现象和规律的复杂性、科学领域的时空复杂性和科学发展的时空复杂性。在此基础上，分析了“科学终结论”出现的原因，认为“科学终结论”的产生是由于人们基于一种简单的同一性思维方式，因而是对于科学的复杂性认识不足所致。最后，对当代科学发展的广阔空间进行了简略的分析。     

相对性与灰色思维交融视域下的系统复杂性

人们认识和研究系统的复杂性及其产生的原因,往往偏重于系统本身的复杂性表现及其内部原因分析,而忽视了人们不同认识理论的交融对认识系统复杂性的影响。例如,人们的思维认知系统中深含相对性原理与灰色思维理论的交融;这种交融始终贯穿于系统的创立、创新和发展过程之中;从事物的相对性原理和灰色思维理论交融的视域中认识事物,加深了人们对系统复杂性的认识。     

科学发展观的复杂性思维

传统发展观片面追求经济增长,是一种简单性思维方式。复杂性思维是人类思维的一个新范式,具有整体性、非线性等多方面特征。科学发展观具有典型的复杂性思维特征。落实科学发展观是一项系统工程。统筹兼顾是科学发展观的根本要求,正是基于用复杂性思维来解决经济社会和人的全面发展问题。     

复杂性研究——转变思维模式的一个重要方向

复杂性研究针对以牛顿力学为代表的近代科学思维模式的简单化、绝对化、忽视时间作用等弊病,为思维模式的转变提供了一种新的思路和方向,本文从概念的多元化、质的多样性、视角多样性、层次多样性、时间的作用、信息的作用等6个方面切入,认识和理解复杂性。并以经济学为例,阐述了复杂性在实际工作中的运用。     

论复杂系统同一性的复杂性--兼论后现代思潮颠覆同一性的双重意义

自从复杂性科学出现以来，“同一性”这个词逐渐引起了人们的注意。后现代思潮“颠覆同一性”的合理之处，是在于它对简单的同一性思维方式的颠覆。这种思维方式把整体约化为局部；把将来约化为现在；把不确定约化为确定；把非线性约化为线性，从而牺牲了复杂性，导致“复杂性困惑”。但是，后现代思潮本身也遇到了同一性缠绕，这说明试图颠覆所有的同一性是不合理的。这样，就提出一个复杂性探索的重要课题：关于系统同一性的复杂性研究。从复杂系统同一性的复杂性、复杂系统同一性分布的复杂性和复杂系统同一性结构的复杂性三个方面对这个问题进行了探讨，并且指出：“同一性”概念在系统科学中的位置，相当于“力”在牛顿力学中的位置。     

跨学科的系统思维与综合创新

美国圣菲研究所的宗旨和理念就是开展跨学科的复杂性研究,认为一种新型科学正在从这种跨学科综合中涌现出来。系统思维和系统科学实际上就是跨学科研究的结果,而跨学科研究也是系统科学的基本研究进路。其中,类比、隐喻与模型是系统科学的主要研究方法。复杂性科学研究的一个前沿与创新,就是在跨学科的视野下,运用隐喻与计算机模拟探索复杂系统突现的动力学机理。     

学习型组织的复杂性管理思维创新

彼得·圣吉认为,系统的复杂性表现为动态性复杂和细节性复杂两种,处理这两种复杂性的思维方式分别是象思维和科学思维。而系统动力学综合了这两种思维,能准确而动态地处理系统的复杂性,为人类处理系统的复杂性提供了一个思考工具,实现了管理思维方式的创新。     

复杂性科学视角下的中医学研究

从复杂性科学的视角介入中医学研究,是解读中医的一条有效路径。中医学的概念、理论、思维方法、遣方用药、临床实践等在许多方面与复杂性科学不谋而合：人体是一个开放的复杂巨系统,中医的整体现和辨证论治体系就具有复杂性科学中系统论的一般特点。从复杂性科学才能探究出中医的核心价值所在。     

从基于逻辑的人工智能到社会智能的发展

从思维科学和系统科学交叉发展的观点回顾人工智能半个世纪发展的历程：它经历了以“物理符号系统”为假设的传统人工智能（逻辑思维的模拟）；人工神经网络为代表的分布式人工智能（形象思维的模拟）；现场人工智能（逻辑思维、形象思维与运行环境相结合的模拟）；智能体技术、人工社会研究所涌现的社会智能（社会思维和群体智慧与运行环境相结合的模拟）。钱学森于1990年发表了开放的复杂巨系统及处理这类系统有关复杂问题的方法论，接着提出：我们要研究的不是智能计算机，是人机结合的智能系统，以此为基础，建立了信息空间综合集成研讨体系（Cybespace for Workshop of Metasynthetic Engineering），为社会智能涌现提供了可操作的技术平台。     

Which Inspection Approach Is Better to Prevent Drug Fraud: Announced or Unannounced?

In recent years, there are many crimes related drug fraud occuring in China and many experts think that the main cause is that China Food and Drug Administration (CFDA) adopts announced inspection (AI). In order to circumvent this difficulty, CFDA has exploited unannounced inspection (UI) since 2014. In this paper, the authors study the problem of which one performs better, AI or UI. Specifically, the authors consider a supervisor, which decides the inspection approach, inspection strength and punishment to force the firm to put self-inspection effort to meet the requirements of Good Manufacturing Practice, and a firm, which produces a drug and decides its self-inspection effort. The authors use game theory to model this problem, characterize the equilibrium policies under AI, and compare the effects of the two approaches on preventing drug fraud under complete and incomplete information. The results show that under the complete information, UI performs better if the firm’s technical level and the inspection cost are low and AI performs better otherwise. When the supervisor doesn’t know the firm’s technical level, if the low technical level is high, AI performs better. Otherwise, UI performs better if the inspection cost is low and AI performs better if the inspection cost is high.     

人工智能重塑零售行业的底层逻辑：综述及展望

人类正进阔步迈进智能时代、智能社会。人工智能作为一种应用场景广泛、开放性的技术深刻地改变着零售行业，对零售价值链持续优化，技术的突破覆盖每一个业务阶段，使它们相互叠加并彼此影响。人工智能对零售行业变革的核心内涵是以技术为核心驱动，通过提供价值触达供应端和需求端，直接造成人与企业的互动的颠覆性变化，促成了“AI+零售”的创新融合新格局。全面梳理了人工智能在零售行业的应用的具体实例，详细分析了人工智能处理任务的4种类型，归纳出人工智能在零售行业的应用和新零售场景的塑造。并且，深入剖析了人工智能应用场景落地引起零售行业变革升级的底层逻辑，将其归纳为有效性价值、效率性价值、体验性价值和增强性价值4大关键因素。最后，提出消费者和企业分别所面临的显性和隐性的挑战。     

人机融合社会中的系统调控

科学技术的深入发展和广泛应用正在深刻改变人类社会的生产和生活模式,尤其是信息技术的快速发展,推动人工智能(AI)与人的关系由"辅助"到"互助"和"融合"不断深化.相应地,社会调控对象向着能力不断增强的AI系统以及AI赋能的人和组织演变,社会系统将呈现"信息-物理-社会"的高度耦合,调控环境也相应转换为人机融合的复杂社会系统.这一显著变化将倒逼法律体系的变革,对社会系统调控能力提出更高要求,迫切需要人文社科与科学技术相关方法的交叉融合.论文基于对人机融合社会系统发展的研判,在分析法律体系、控制论、人工智能等所面临挑战的基础上,从法律规制和系统控制的角度,提出将调控工程系统的控制科学与调控社会系统的法律充分结合,在系统科学框架内研究处理人工智能时代社会中的系统调控问题;并进一步归纳探讨了以人为本、优势互补、系统分析、量化支撑、算法规制、博弈控制等若干调控原则和可尝试的前瞻领域,以及需要深入研究的问题.这一思路可望量化表达公平正义等法学基本问题,优化调控系统技术指标,促进人机融合社会系统实现其安全稳定、公平正义、民主自由、和谐发展等价值目标.     

A Novel Hybrid FA-Based LSSVR Learning Paradigm for Hydropower Consumption Forecasting

Due to the nonlinearity and nonstationary of hydropower market data, a novel hybrid learning paradigm is proposed to predict hydropower consumption, by incorporating firefly algorithm(FA) into least square support vector regression(LSSVR), i.e., FA-based LSSVR model. In the novel model, the powerful and effective artificial intelligence(AI) technique, i.e., LSSVR, is employed to forecast hydropower consumption. Furthermore, a promising AI optimization tool, i.e., FA, is especially introduced to address the crucial but difficult task of parameters determination in LSSVR(e.g.,hyper and kernel function parameters). With the Chinese hydropower consumption as sample data,the empirical study has statistically confirmed the superiority of the novel FA-based LSSVR model to other benchmark models(including existing popular traditional econometric models, AI models and similar hybrid LSSVRs with other popular parameter searching tools), in terms of level and directional accuracy. The empirical results also imply that the hybrid FA-based LSSVR learning paradigm with powerful forecasting tool and parameters optimization method can be employed as an effective forecasting tool for not only hydropower consumption but also other complex data.     

Modeling and Solving Material Resources Allocation and Distribution with OR Based and AI Guided Method

ＭｏｄｅｌｉｎｇａｎｄＳｏｌｖｉｎｇＭａｔｅｒｉａｌＲｅｓｏｕｒｃｅｓＡｌｏｃａｔｉｏｎａｎｄＤｉｓｔｒｉｂｕｔｉｏｎｗｉｔｈＯＲ┐ＢａｓｅｄａｎｄＡＩ┐ＧｕｉｄｅｄＭｅｔｈｏｄ⒇ＣＨＥＮＸｕｅｇｕａｎｇ＊ＬＵＫｅＦＥＩＱｉＨｕａｚｈｏｎｇＵｎｉｖｅ...     

A Practical Qualitative＋Quantitative Method—S—ANN

1　 IntroductionPurely quantitative methods are in a dilemma situation for coping with the real worldproblem,particularly with respectto social and economic problems. The reason is thatthemotivation of pursuing science requires researchers to describe these complex socialproblem accurately,then solve these quantitatively mathematical models so as to discoverthe rules of system movement and furthermore forecast the behaviors of system in thefuture.On the otherhand,these social problemsofthe rea…     

资源分配中引导下级汇报真实信息的激励策略

资源分配中引导下级汇报真实信息的激励策略石永恒（北京航空航天大学管理学院，１０００８３）ＩｎｃｅｎｔｉｖｅＳｔｒａｔｅｇｉｅｓｆｏｒＴｒｕｅＩｎｆｏｒｍａｔｉｏｎｉｎＲｅｓｏｕｒｃｅＡｌｌｏｃａｔｉｏｎＳｈｉＹｏｎｇｈｅｎｇ（ＳｃｈｏｏｌｏｆＭａｎａ...     

Forecasting China’s Foreign Trade Volume with a Kernel-Based Hybrid Econometric-Ai Ensemble Learning Approach

Due to the complexity of economic system and the interactive effects between all kinds of economic variables and foreign trade, it is not easy to predict foreign trade volume. However, the difficulty in predicting foreign trade volume is usually attributed to the limitation of many conventional forecasting models. To improve the prediction performance, the study proposes a novel kernel-based ensemble learning approach hybridizing econometric models and artificial intelligence （AI） models to predict China＇s foreign trade volume. In the proposed approach, an important econometric model, the co-integration-based error correction vector auto-regression （EC-VAR） model is first used to capture the impacts of all kinds of economic variables on Chinese foreign trade from a multivariate linear analysis perspective. Then an artificial neural network （ANN） based EC-VAR model is used to capture the nonlinear effects of economic variables on foreign trade from the nonlinear viewpoint. Subsequently, for incorporating the effects of irregular events on foreign trade, the text mining and expert＇s judgmental adjustments are also integrated into the nonlinear ANN-based EC-VAR model. Finally, all kinds of economic variables, the outputs of linear and nonlinear EC-VAR models and judgmental adjustment model are used as input variables of a typical kernel-based support vector regression （SVR） for ensemble prediction purpose. For illustration, the proposed kernel-based ensemble learning methodology hybridizing econometric techniques and AI methods is applied to China＇s foreign trade volume prediction problem. Experimental results reveal that the hybrid econometric-AI ensemble learning approach can significantly improve the prediction performance over other linear and nonlinear models listed in this study.     

人—机系统的技术进展

本文从人—机协作的观点探讨进入９０年代以来智能技术在远距操作器、远控机器人、远距呈现、虚拟现实等方面的研究与应用进展。