【正文】 Cognitive Science AI System 39 研究方法論（策略） ? 人機互助系統(tǒng)：采用人類擅長的由人類來做；機器擅長的由機器來做，這種優(yōu)勢互補的 technology approach的研究開發(fā)戰(zhàn)略。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 41 心理學(xué)中應(yīng)用的一個數(shù)據(jù)歸類法 。 其中：最類似給出分?jǐn)?shù)為： ；最不類似： 中國 蘇聯(lián) XXXXX YYYYY 中國 9． 00 蘇聯(lián) 9． 00 XXXX MDS（ Multidimensional Scaling）多向度量尺法簡單介紹 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 42 發(fā)展中國家 親共產(chǎn)黨 蘇聯(lián) 南斯拉 剛果 親西歐 發(fā)達(dá)國家 中國 美國 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 43 研究內(nèi)容和擬解決的關(guān)鍵問題 ? 最新研究證明 ， 頭腦風(fēng)暴 （ BS） 缺乏有效性的原因之一是個人小組偏愛程度的影響 ； ? 本系統(tǒng)充分考慮用戶的這一特征 ， 實現(xiàn)一個根據(jù)小組偏愛度注冊表自動生成適合這一特性的分支系統(tǒng)； ? 這里需要解決的關(guān)鍵問題是 ， 系統(tǒng)根據(jù)測量結(jié)果自動生成分支 ， 這可通過相應(yīng)的人工智能算法來完成 。當(dāng)需要聚類時，這些詞語在不同領(lǐng)域和案例、事例中出現(xiàn)的重復(fù)度可作為分類標(biāo)準(zhǔn)，根據(jù)這一標(biāo)準(zhǔn)對有關(guān)詞語進(jìn)行聚類，并將聚類結(jié)果提供給用戶。最后對 “ 最鄰近知識提取方法 ” 的應(yīng)用可能性，根據(jù)開發(fā)原型系統(tǒng)和具體運行，開展認(rèn)知科學(xué)的評價。 ? 最鄰近事例抽出規(guī)則：通過計算重復(fù)度的 δ 、 再根據(jù) MDS結(jié)果的布置 ， 最后決定最鄰近的事例 。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 48 展望與我國今后應(yīng)該開展的研究課題 我國學(xué)者在本領(lǐng)域中面臨的緊迫課題： ? 途徑： 我國要想在 21世紀(jì)知識經(jīng)濟社會（ Nonaka,90） 中趕超歐美日等發(fā)達(dá)國家成為科學(xué)技術(shù)先進(jìn)國家，其中主要途徑之一就是激發(fā)科學(xué)工作者的創(chuàng)造性。 演講完畢，謝謝觀看！ 。 ? 時代需求： 日本學(xué)者稱， 21世紀(jì)由競爭與集中的時代轉(zhuǎn)向分散和協(xié)作的時代（ Kunimoto, 2023；Okamoto,2023）， 在這樣一個時代里，不同價值觀、經(jīng)驗和專業(yè)的專家學(xué)者，超越時空，在突飛猛進(jìn)的計算機與信息技術(shù)的幫助下，開展創(chuàng)造性問題解決活動已成為一種新型科研方式的主流 。 ? 最臨近事例抽出規(guī)則 2：如果有相關(guān)的一般化法則的關(guān)鍵詞 ， 可通過關(guān)鍵詞檢索抽出在不同領(lǐng)域同一法則或原理的應(yīng)用事例 。 ? 最鄰近問題領(lǐng)域抽出規(guī)則：通過計算 δ 、 再根據(jù) MDS結(jié)果的布置 ， 最后決定鄰近領(lǐng)域 。因此，在事實（事例、案例）庫中提取相應(yīng)的案例就是首先要解決的問題，但由于用戶不知道存在相同的或類似的不同學(xué)科的案例和解法，所以不能通過關(guān)鍵詞搜索查找案例或具有一定關(guān)聯(lián)或類似的事例，這就出現(xiàn)一個發(fā)現(xiàn)（尋找）知識內(nèi)在聯(lián)系的技術(shù)需要，這是研究內(nèi)容（ 3）中需要解決的關(guān)鍵問題。因此適當(dāng)?shù)貙π畔⑦M(jìn)行集約，使相似者聚類，不但會發(fā)現(xiàn)重點，更會根據(jù)這些種類生成概念，再由這一概念生成更多的創(chuàng)意，這樣便可轉(zhuǎn)換視角，便于對創(chuàng)意進(jìn)行進(jìn)一步的挖掘和有效利用，這時便產(chǎn)生了計算機自動對大量數(shù)據(jù)進(jìn)行聚類的需求。 例：讓 18個學(xué)生對 12國家間的整體的類似性，在沒有任何判斷標(biāo)準(zhǔn)指示下，根據(jù)直覺進(jìn)行判定，根據(jù)學(xué)生給的分?jǐn)?shù)，就可以看出蘇聯(lián)和南斯拉夫最為接近，類似性最低的是美國、中國、剛果等。 ? 原因： ? 構(gòu)筑計算機直接生成創(chuàng)意產(chǎn)品，很難超越計算量這一屏障； ? 人的思維過程、機制還不很清楚；沒有辦法在機器上建模； ? 人腦和電腦各有優(yōu)勢： 電腦：高速運算、重復(fù)性大量作業(yè)、對可計算的數(shù)字信息搜索、模式識別即快又準(zhǔn)；但缺少靈活定（發(fā)散思考、或然性）； 人腦：大量的情境化知識背景、經(jīng)驗為搜索、判斷提供線索；具有知識、情感的社會化機制；具有知識的社會化和情境化機制； ? 降低成本。 ? 為此本研究提出：對于同質(zhì)創(chuàng)意的聚類，以關(guān)鍵詞重復(fù)數(shù)量作為創(chuàng)意間類似度指標(biāo)，根據(jù)聚類分析決定同質(zhì)創(chuàng)意并聚類，從而達(dá)到壓縮創(chuàng)意、生成概念之目的；對于提取未知知識的方法，本研究中還提出一個 “ 三級最鄰近知識提取 ” 方法： （ 1）根據(jù)不同領(lǐng)域之間占有相同事例（法則等）的數(shù)量計算問題情境間的非類似度 δ 、 再根據(jù) MDS分析結(jié)果決定問題情境領(lǐng)域在多維量表中的位置，最終決定最鄰近領(lǐng)域 ； （ 2）根據(jù)不同事例（方法等）之間包含關(guān)鍵詞的重復(fù)度計算事例（方法等）的非類似度 δ 、 再根據(jù) MDS分析結(jié)果決定事例（方法等）在多維量表中的位置，最后決定最鄰近的事例（或方法） ； （ 3）根據(jù)方法包含的抽象法則原理的歸納得到的關(guān)鍵詞進(jìn)行直接檢索。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 36 對系統(tǒng)產(chǎn)品（組件）的分析 ? 很少考慮用戶社會特性：需要根據(jù) “ 群體偏愛等級程度級表（ 10－point）（ Group Preference Scale－ Timothy， Paul B. Paulus 1999） ”來建立自動小組劃分機制，如考慮創(chuàng)意質(zhì)量，就要采用一種經(jīng)過實證研究驗證過的發(fā)散思考技術(shù)來生成高質(zhì)量的創(chuàng)意。s Serious Creativity 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 32 Ygnius Mind Mapper 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 33 ConceptDraw Mindmap 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 34 對系統(tǒng)產(chǎn)品（組件）的分析 ? 系統(tǒng)設(shè)計與開發(fā)所基于的創(chuàng)造性思考理論歸納起來有三種 （ 1）基于頭腦風(fēng)暴理論和技法的； （ 2）基于 KJ法（川喜田二郎法）的； （ 3）基于自我獨自創(chuàng)造性理論的。 如： （ 1） Jeffrey Baumgartner主持 , 由 JPB Creative Co, Ltd開發(fā)的 (2023)， 它可實現(xiàn)在一個小組中經(jīng)過完全的集體研討過程然后指示用戶決定哪一創(chuàng)意是最好的功能。 ? 日本： 與歐美探索性研究形成對照的是，日本國內(nèi)一些大學(xué)和研究所開展的具有很強方法論指引的、面向?qū)嵱没男∫?guī)模研究。由現(xiàn)在的計算機（或者人工智能）而產(chǎn)生的技術(shù)用 Miichael的觀點來解釋的話可以認(rèn)為是：為連接的技術(shù)；而神經(jīng)網(wǎng)絡(luò)技術(shù)可以看成是一種內(nèi)化技術(shù)。 ? 伴隨著 IT的發(fā)展，在高等學(xué)校的自然科學(xué)特別是理工學(xué)科中，為了實現(xiàn)教師與學(xué)習(xí)者、學(xué)習(xí)者與學(xué)習(xí)者之間根據(jù)雙向互動就復(fù)雜、難解的科學(xué)、物理現(xiàn)象開展更為深入的探討，甚至創(chuàng)造性開展學(xué)習(xí)活動這一目標(biāo)，采用可視化等多媒體技術(shù)的軟件和創(chuàng)意生成支援系統(tǒng)的要求年年高漲 (IPAfuzi,2023)。 ? 國外現(xiàn)狀： 近年來美日等國，研究者協(xié)商合作高效地開展大規(guī)模及復(fù)雜的科學(xué)以及理工學(xué)的問題解決研究與實踐活動異常活躍，以美國國家能源部（ EMSL DOE,2023）、 海陸空三軍的研究所、大學(xué)、研究所，以及日本的 “ 產(chǎn)官學(xué) ” 組織 “ 先進(jìn)學(xué)習(xí)基礎(chǔ)協(xié)議會（ ALIC） ”（ 2023）、民營企業(yè)（如： NTT、 富士通綜研、三菱、產(chǎn)能、日本 IBM、 NEC等）、國家研究機關(guān)（通產(chǎn)省電子技研、郵政省通訊綜研、科學(xué)技術(shù)信息中心、科技廳技研）、大學(xué)（東大崛研究室、阪大宗森研究室、北陸先端科大國藤研究室、東北大田中研究室、中京大互田研究室 根據(jù)這些技法開發(fā)的創(chuàng)意生成支持系統(tǒng) 有超過幾百種之多，比較典型有： (2023)、 Brainstorming (2023)、 Axon Axon Idea、 Processor(2023)、 VisiMap(2023)、 Idons for Windows(2023)、 Mind Manager (2023)、 Edward de Bono39。用于支持創(chuàng)造性活動的理由是，基于說明的假設(shè)的發(fā)現(xiàn)是一種創(chuàng)造性活動。 典型的創(chuàng)意生成支持系統(tǒng)：計算機支援創(chuàng)意生成系統(tǒng)。 (23) 徐 X東（ 1996a） 存在萬能的發(fā)散性思考能力嗎？（ 1），創(chuàng)造學(xué)會第 17次大會論文集，