【正文】 紀(jì)由競爭與集中的時(shí)代轉(zhuǎn)向分散和協(xié)作的時(shí)代（ Kunimoto,2023；Okamoto,2023）， 在這樣一個(gè)時(shí)代里，不同價(jià)值觀、經(jīng)驗(yàn)和專業(yè)的專家學(xué)者，超越時(shí)空，在突飛猛進(jìn)的計(jì)算機(jī)與信息技術(shù)的幫助下，開展創(chuàng)造性問題解決活動(dòng)已成為一種新型科研方式的主流，這一活動(dòng)的開展需要智慧工具的創(chuàng)意生成支持系統(tǒng)（ Idea Generation Supporting System） 的幫助，創(chuàng)意生成支援系統(tǒng)的構(gòu)筑，對于涉及創(chuàng)造性問題解決活動(dòng)、研究開發(fā)、智力活動(dòng)、創(chuàng)造性管理活動(dòng)的人來說，被稱為計(jì)算機(jī)誕生以來計(jì)算機(jī)應(yīng)用的終極目標(biāo)。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 18 主要的幾種創(chuàng)意生成技法 ?Brainstorming ? 特點(diǎn)： 小組討論中、成員之間無批判地暢所欲言生成新意念，由此不但在意念的量上得到提高，而且在質(zhì)上總會(huì)有一些獨(dú)創(chuàng)的意念生成。 e、 對這種靠體驗(yàn)獲得的知識或概念的理解需要情境的幫助：由于是通過體驗(yàn)獲 得的知識，大腦中的知識（抽象化的符號表征）和埋藏在情境中的知識（如 距離：當(dāng)時(shí)情境、街角房屋道路等環(huán)境、疲勞感）相互起作用而產(chǎn)生理解。 “ 分?jǐn)?shù)的問題不明白，原因是什么？ ” 。 ? 語言學(xué)理論中關(guān)于腦損傷的研究表明：語言獲得存在關(guān)鍵期。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 10 認(rèn)知科學(xué)通論 ? 認(rèn)知科學(xué)中的計(jì)算機(jī) ? 為了開發(fā)計(jì)算機(jī)智能很多研究者認(rèn)為需要繼續(xù)開展現(xiàn)在開展的有關(guān)計(jì)算機(jī)軟件和硬件新一代的研究。（計(jì)算機(jī)科學(xué)發(fā)展加速了認(rèn)知科學(xué)的發(fā)展） ? 計(jì)算機(jī)常常被作為所有信息加工的隱喻（ metaphor） 。 ? 由于將人類與計(jì)算機(jī)聯(lián)系起來，使人感到一種具有智能或可能使之具有智能的機(jī)器的存在這樣一種潛在的危險(xiǎn)性。認(rèn)知科學(xué)與神經(jīng)科學(xué)以及信息技術(shù)等是一種共生 關(guān)系。 （ 2）認(rèn)知科學(xué)者認(rèn)為：有機(jī)體以及機(jī)器正是由于，對具有表征現(xiàn)實(shí)世界關(guān)系的 符號結(jié)構(gòu)實(shí)施形式化操作，才能夠付諸有意義的行動(dòng)。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 5 認(rèn)知科學(xué)通論 假設(shè) Ⅱ: 形式化過程是可表征（ representation） 的：認(rèn)知科學(xué)必須擁有關(guān)于符號意義 的理論，信息過程要想有用必須有意義。認(rèn)知科學(xué)是心理學(xué)、信息科學(xué)、神經(jīng)科學(xué)、數(shù)學(xué)、科學(xué)語言學(xué)、人類學(xué)乃至自然哲學(xué)等學(xué)科交叉發(fā)展的結(jié)果。1987,Cognitive Cience,p1.）。 ? 認(rèn)知科學(xué)的領(lǐng)域： 以下領(lǐng)域重要的區(qū)別：在詮釋心理本質(zhì)時(shí)所采用的研究方法不同。 重要性 ： 算法所具有的不可思議的能力；有限的規(guī)則可以定義無限的結(jié)果。同一性包含 3層含義： 表征中的記號必須具備所表征對象領(lǐng)域充分定義的寫實(shí)。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 6 認(rèn)知科學(xué)通論 假設(shè) Ⅲ ：形式的過程與其物理基磐的分離：信息過程可以在不考慮其執(zhí)行系統(tǒng)的物理學(xué) 或生物學(xué)基磐的情況下開展研究，或者至少部分的可以這樣研究。 很難想像任何的人類信息加工的原理可以超越文化與時(shí)代而普遍存在 。 ? 認(rèn)知科學(xué)的知見（盡管是一個(gè)方面或一少部分）為我們提供了有關(guān)人類特性和潛能的獨(dú)創(chuàng)的、豐富的洞察。正如軟件可以在不同硬件上運(yùn)行預(yù)示的那樣：與特定的物理裝置無關(guān)，信息過程作為形式化過程可以嚴(yán)密進(jìn)行定義。 ? 另一方面，人工智能專家根據(jù)獲得的知見，常常創(chuàng)發(fā)出新的研究方向和領(lǐng)域，由此導(dǎo)致有關(guān)人類認(rèn)知新的、可以驗(yàn)證的假說的生成。這一研究為學(xué)校課程設(shè)計(jì)提供依據(jù)。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 13 認(rèn)知科學(xué)通論 （ 2）利用認(rèn)知科學(xué)特別是概念獲取與理解的研究成果改善教育和教學(xué)。 ? 創(chuàng)意技法： 上述的各種線索作為規(guī)則系統(tǒng)性地進(jìn)行描述并開發(fā)成易學(xué)的知識（技能），一般稱之為創(chuàng)意技法。 ? 步驟： （ 1）決定主題 （ 2）收集信息并制定單位且量化 （ 3）排列數(shù)據(jù)進(jìn)行壓縮并建立標(biāo)簽 （ 4）根據(jù)主觀判斷對相似者聚類 （ 5）進(jìn)一步對聚類者進(jìn)行標(biāo)簽化 （ 6）進(jìn)一步對標(biāo)簽群進(jìn)行聚類 （ 7）對聚類的群分組在平面上排列 （ 8）對結(jié)果進(jìn)行描述 ? 缺陷： （ 1）對信息的壓縮和聚類是根據(jù)主觀決定的 （ 2）只是對大量信息的歸納分析，因此是收斂的，結(jié)果缺少創(chuàng)意 （ 3）基于經(jīng)驗(yàn)的技法缺少理論的支持 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 20 KJ 法（川喜田二郎法） ? 缺陷： （ 4）此方法的效果依存于使用者和特定領(lǐng)域； （ 5）由于方法和課題不匹配，說不清、里還亂的龐大的數(shù)據(jù)，需要花費(fèi)大量時(shí)間， 實(shí)踐中很難試用；成本高。三宅研究室等）、研究所為中心正在開展利用 IT開發(fā)先進(jìn)的多數(shù)人協(xié)作研究環(huán)境，由此解決復(fù)雜問題解決和創(chuàng)造活動(dòng)所需的工作環(huán)境。創(chuàng)意生成支持組件技術(shù)可以看成是支援分層化與同化的技術(shù)。 又如： （ 2）創(chuàng)意支援軟件 BrainstormingToolbox， 它由英國 Infinite Innovations Ltd公司制作 ,由 Peter Clayton博士倡導(dǎo)并且進(jìn)行了深入研究。 ? 徐 長谷川從 1995年開始，把研究的焦點(diǎn)集中在認(rèn)知心理學(xué)家提出的發(fā)散性思維的變通性（ Flexibility） 上，對轉(zhuǎn)換視角、類目變通技法做了大量的實(shí)證研究并驗(yàn)證了其有效性（徐， 1995， 1999， 2023a, b； 徐 長谷川， 1996a,b）， 可以說，這一成果是創(chuàng)意生成支持系統(tǒng)研究與開發(fā)的基礎(chǔ)和出發(fā)點(diǎn)。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 40 二、項(xiàng)目研究目標(biāo)： ? 產(chǎn)生一個(gè)采用數(shù)據(jù)挖掘技術(shù)的智能化創(chuàng)意生成原型系統(tǒng) ； ? 同時(shí)驗(yàn)證在本系統(tǒng)中作為數(shù)據(jù)挖掘技術(shù)的 MDS（ 多維量表法，Multidimensional Scaling） 對自動(dòng)搜索最近鄰知識； ? 聚類分析（ Cluster Analysis） 對大量知識進(jìn)行分類的有效性和效率，從而為將來建立一個(gè)完整統(tǒng)一的智能活動(dòng)中智能化創(chuàng)造性支持系統(tǒng)，提供部分技術(shù)和經(jīng)實(shí)證研究驗(yàn)證過的設(shè)計(jì)手法。 ? 需要解決的技術(shù)問題： 本階段的研究工作要利用人工智能技術(shù)對某一專業(yè)范圍的網(wǎng)上對話（在原型系統(tǒng)中采用的是 BBS中的文字對話）進(jìn)行分詞，去掉代詞、語氣詞、助詞等虛詞并累計(jì)、登錄名詞、數(shù)詞、形容詞等不同語詞。 如果 δ 確定了 ， 就利用 δ 作為標(biāo)準(zhǔn) C， 如果有了 C， 就計(jì)算最鄰近位置 L， 有了L， 就輸出 L對應(yīng)的知識 。 ? 從自身做起： 這一活動(dòng)的開展需要智慧工具的創(chuàng)意生成支持系統(tǒng)（ Idea Generation Supporting System） 的幫助，創(chuàng)意生成支援系統(tǒng)的構(gòu)筑，對于涉及創(chuàng)造性問題解決活動(dòng)、研究開發(fā)、智慧性生產(chǎn)活動(dòng)、創(chuàng)造性管理活動(dòng)的人來說，被稱為計(jì)算機(jī)誕生以來計(jì)算機(jī)應(yīng)用的終極目標(biāo)。 研究內(nèi)容和擬解決的關(guān)鍵問題 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 47 預(yù)期研究成果 ? 基于 Web Service的智能化創(chuàng)意生成支持原型系統(tǒng) (軟件 )； ? 有關(guān)聚類分析和 MDS技術(shù)用于創(chuàng)意生成支持系統(tǒng)實(shí)現(xiàn)的有效性的實(shí)證研究報(bào)告（論文）； ? “ 最鄰近知識提取方法 ” 有效性的實(shí)證研究報(bào)告（論文）。 ? 本系統(tǒng)提出一個(gè) “ 最鄰近知識提取（搜索）方法 ” ，這一方法包括三個(gè)水平的提取技術(shù)， (Ⅰ) 問題領(lǐng)域水平： 提取最鄰近領(lǐng)域，根據(jù)不同領(lǐng)域之間占有相同事例（法則等）的數(shù)量計(jì)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； (Ⅱ) 事例領(lǐng)域水平： 根據(jù)不同事例（方法等）之間包含關(guān)鍵詞的重復(fù)度計(jì)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）； (Ⅲ) 用戶水平： 直接利用事例中抽象化得到的法則和依據(jù)的一般原理進(jìn)行關(guān)鍵詞檢索。根據(jù)這一表示，就可以判斷分組、相似者類聚。本研究最后利用實(shí)證研究驗(yàn)證上述提議的技術(shù)和方法的有效性。 ? 日本： 日本系統(tǒng)主要集中