探索神经网络深度学习的教学

深度学习是智能科学与技术领域最新的一个突破性进展,将深度学习的基本概念、模型、方法等引入智能科学与技术课程已经迫在眉睫。文章探讨如何在本科生与研究生课程中有效开展深度学习教学,将智能领域这一最新研究成果介绍给极具创新精神的本科生和研究生群体,以期能够较早地接触到学科前沿,提升对于智能科学与技术的学科兴趣,激发创新精神。     

高等智能·机制主义·信息转换

提出了一种全新的人工智能研究方法,称为第4方法,或“机制主义”方法,从智能生成的共性核心机制入手探讨智能的本质. 结果发现,在一般情形下,智能生成的共性核心机制表现为“信息—知识—智能转换”. 进一步研究发现,知识是一个生态系统,它从欠成熟的经验性知识生长为成熟的规范性知识,再进一步生长为过成熟的常识性知识. 可以证明,此前互不相容的结构主义、功能主义、行为主义3种国际主流方法分别是机制主义方法在不同知识状态下相辅相成的特例,于是在“机制主义”框架内实现了和谐的统一,从而形成了人工智能的统一理论. 更有意义的是,还可以证明,机制主义方法更一般的表述是“信息转换”,它是研究高等智能(AI)的有效方法,与物理学的质量转换和能量转换同样重要.     

人工智能范式的革命与通用智能理论的创生

人工智能的研究取得了不少可喜的进展,也面临着许多严峻的挑战。为了应对这些挑战,学术界提出了各种各样的研究思路。笔者相信,每种思路都有其合理之处,都有可能获得一定的成效。不过,根据笔者的理解,人工智能面临的最深刻最严峻的挑战,是学科和时代的大转变所带来的大阵痛:人工智能范式的张冠李戴。因此,必须对人工智能的范式实施“正冠”:颠覆传统学科范式对人工智能研究的束缚,确立信息学科范式对人工智能研究的规范和引领。实施人工智能范式革命的结果,创生了本文要介绍的“通用智能理论”。     

人工智能：进展与挑战

此文系中国人工智能学会理事长钟义信教授在2009年9月22日上海市人工智能学会成立大会上的学术报告,后经作者亲自整理撰写而成。文中概括地阐述了人工智能的定义、进展与挑战,提出了“信息．知识．智能转换理论”是信息时代科学技术的灵魂的观点。     

设置“智能科学与技术”博士学位一级学科:必要性、可行性、紧迫性

本文建议在我国研究生学位授权学科体系中增设"智能科学与技术"博士学位授权一级学科。文中论述了"智能科学与技术"博士和硕士学位授权一级学科的内涵、与相邻一级学科的关系、设置的必要性、可行性与紧迫性。     

机制主义方法与人工智能统一理论——人工智能的新方法与新进展

报导人工智能研究的一项重要进展:由于发现了人工智能研究的"机制主义"模拟方法和"知识的生态学结构",使原来"鼎足三分"的3个主流学说(结构模拟、功能模拟和行为模拟学说)在"机制主义方法"的基础上实现了和谐的统一,形成了统一理论,从而为人工智能的发展提供了新的基础。     

全信息理论在自动文摘系统中的应用

该文介绍了全信息理论提出的背景及其主要内容,并将其应用到一种智能业务──自动文摘系统中,设计实现了一个基于理解的、面向神经网络学习算法领域的中文９动文摘系统 Ｌａｄｉｅｓ。该系统综合利用语法信息和语义信息来理解原文的句法和含义,并通过语用信息制导,对原文进行文摘信息的过滤、提取和生成高质量的文摘。实验结果证明,这一方法是行之有效的。     

关于自动文摘系统中文摘句式的一种机器学习方法

自动文摘系统中一个关键的问题是找出能构成摘要的重点句子。找出这些句子的方法很多,但用机器学习的方法却较少,该文提出了一种关于文摘句式的自动学习方法。该方法以经过简单的预处理的若干语句为训练样本集,以正例句为基点进行由底向上的泛化学习,抽象出关于句式的一般概念,形成句式规则集,作为判断文中哪些语句可作为文摘句的有效手段。这是文摘系统实现的核心部分。     

支持向量机的理论基础——统计学习理论

支持向量机是机器学习领域的研究热点之一,其理论基础是统计学习理论。该文严谨且通俗地描述了这一理论的概貌,并提出有附加信息的统计学习理论的设想。