【正文】 在以 KJ法（川喜田二郎名字日文讀音縮寫）法為核心的自下而上式（ Bottomup） 收斂性思考支援工具上； ? 美國 歐洲： 以美、英、德為主的歐洲開發(fā)的系統(tǒng)所基于的原理主要根據(jù)發(fā)散性思維技術(shù)（ Topdown） 而開發(fā)的支持發(fā)散性思維的流暢性（ Fluency） 的系統(tǒng)居多，主要采用的技術(shù)是頭腦風(fēng)暴（ Brainstorming）， 但是它們大都在交互的群體中應(yīng)用。 日本系統(tǒng)主要集中在以 KJ法（川喜田二郎名字日文讀音縮寫）法為核心的自下而上式（ Bottomup） 收斂性思考支援工具上。 ? 作為方法論，近年來的動(dòng)向是：采用人類擅長的由人類來做；機(jī)器擅長的由機(jī)器來做，這種 technology approach被認(rèn)為最具有前途的研究開發(fā)戰(zhàn)略。s Serious Creativity(2023)、 Logics of the Frame (2023)、 Ygnius Mind Mapper (2023)、 ConceptDraw Mindmap(2023)、ConceptDraw Mindmap(2023)、 IdeaFisher(2023)等。 利用計(jì)算機(jī)單純作業(yè)、重復(fù)計(jì)算、大容量記憶等優(yōu)勢，減輕人類智力勞動(dòng)中負(fù)擔(dān) ， 這就是計(jì)算機(jī)支援創(chuàng)意生成系統(tǒng)開發(fā)所基于的方法論。包含隱性特征的知識需要顯性化、或者按照隱性 特征傳達(dá)知識。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 12 認(rèn)知科學(xué)通論 ? 認(rèn)知科學(xué)的應(yīng)用： ? 認(rèn)知科學(xué)在教育領(lǐng)域中的應(yīng)用 : （ 1）利用認(rèn)知科學(xué)對人的學(xué)習(xí)過程研究成果改善教育和教學(xué)。 如： ? 讀書中的信息過程： 認(rèn)知心理學(xué)者正在逐漸理解這一過程，與此同時(shí)，診斷學(xué)童的讀書困難、進(jìn)行治療（指導(dǎo)）、開發(fā)新的方法。 ? 現(xiàn)在的計(jì)算機(jī)科學(xué)和技術(shù)的所有業(yè)績對于認(rèn)知科學(xué)是有效的條件只限于研究上的問題，對于現(xiàn)實(shí)中的問題、所有其他領(lǐng)域的復(fù)雜問題并不是有限的條件。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 9 認(rèn)知科學(xué)通論 ? 認(rèn)知科學(xué)中的計(jì)算機(jī) ? 計(jì)算機(jī)科學(xué)中重要的概念和分類構(gòu)成認(rèn)知科學(xué)基底假設(shè)的一部分。 ? 至此，只是將有意義的符號抽象出形式化的模型而已，即由于從生物學(xué)、人類文化、歷史中分離，使得這些模型變得抽象。 有機(jī)體和機(jī)器的物理特性：對于能夠執(zhí)行什么樣的信息過程這一點(diǎn)以及，其操作 速度和正確性帶來巨大的制約。 概括 ： （ 1） 認(rèn)知科學(xué)者對符號的形式操作和，符號和所代表的事物之間的表征進(jìn)行區(qū) 別來研究信息過程。 如果我們能夠知道信息加工系統(tǒng)能夠掌握實(shí)施的形式化規(guī)則，那么就 能夠理解這個(gè)系統(tǒng)。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 4 認(rèn)知科學(xué)通論 ? 認(rèn)知科學(xué)的特征： ? 認(rèn)知科學(xué)是研究人類感知和思維信息處理過程的科學(xué)，包括從感覺的輸入到復(fù)雜問題求解，從人類個(gè)體到人類社會(huì)的智能活動(dòng)，以及人類智能和機(jī)器智能的性質(zhì)。 學(xué)習(xí)科學(xué)（時(shí)間 :6月 18日） 知識科學(xué)（時(shí)間 :6月 25日） 教育信息技術(shù)學(xué)院 徐 X東 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 2 認(rèn)知科學(xué)通論 ? 所謂的認(rèn)知科學(xué)： ? 認(rèn)知科學(xué)即心理的科學(xué)（ 1972, , . Weisler,。 （ 1）心理學(xué)：提供人的心理規(guī)律基本的知見； （ 2）語言學(xué)：根據(jù)符合語法的和不符合語法的文、分析說話者的直覺、觀察兒童會(huì)話的錯(cuò) 誤、驗(yàn)證有關(guān)語法結(jié)構(gòu)的假說； （ 3）哲學(xué)：認(rèn)知科學(xué)的基礎(chǔ)、為研究提供方法論； （ 4）人工智能：根據(jù)顯示具有智能的計(jì)算機(jī)程序的實(shí)際運(yùn)行，調(diào)查在哪些方面與假設(shè)不同， 從而進(jìn)行改進(jìn)修改，最終達(dá)到更接近真實(shí)的目的，來驗(yàn)證自己的理論； （ 4）神經(jīng)科學(xué)：大腦中信息加工的生理學(xué)基磐進(jìn)行研究為我們提供微觀的知見和理論； （ 5）人類文化學(xué)：從人類任何活動(dòng)都是在一定文化背景下展開這一視角探討認(rèn)知科學(xué)的基 本問題。即 算法預(yù)示著無限范圍的行動(dòng)可以通過極少數(shù)有限的系統(tǒng)付諸實(shí)施。 (如：十進(jìn)制中的數(shù)字列 和數(shù)量之間的表征上的寫實(shí)是通過十進(jìn)的位－值的關(guān)系來定義的 ) 形式化的信息過程，必須與被表征的對象領(lǐng)域的過程一樣地動(dòng)作。 即使我們不具備人類腦神經(jīng)、計(jì)算器、計(jì)算機(jī)的集成電路是如何運(yùn)作的知識，也 可以借助一些方法對類似于乘法運(yùn)算的這種算法開展研究并進(jìn)行理解。 語言的多樣性（發(fā)聲、符號）使得意思傳達(dá)多樣化。 ? Jazz獨(dú)奏名曲 “potato head blues” ： Armstrong如何知道演奏什么？如何將必要的音符和樂節(jié)如此迅速地組合成樂曲當(dāng)場即興演奏？ ? 至今為止已經(jīng)證明，計(jì)算機(jī)軟件以及、形式化信息過程是非常靈活而有效的。 ? 認(rèn)知科學(xué)的次級領(lǐng)域之間的交互作用中，如：人工智能在探索、驗(yàn)證有關(guān)彌補(bǔ)心理學(xué)、語言學(xué)這些經(jīng)驗(yàn)的方法的認(rèn)知的理論同時(shí)，還提供強(qiáng)有力的其他的方法論。 ? 有關(guān)人類記憶的研究成果，在應(yīng)用到目擊者證詞的可信性問題時(shí)，現(xiàn)在在審判中已經(jīng)改變了對目擊證詞的重要性的看法。 “ 物理的概念不理解，為什么？ ” 。如：擴(kuò)一擴(kuò)、縮一縮、相反又如何等。 （ 6）在什么樣情況下，在哪些領(lǐng)域應(yīng)用這一方法，缺少進(jìn)一步的實(shí)證研究的支持。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 22 創(chuàng)意生成支持系統(tǒng)的現(xiàn)狀 ? 多數(shù)人基于網(wǎng)絡(luò)的協(xié)作研究被認(rèn)為是 21世紀(jì)新型研究模式，以美國、加拿大、日本為中心的發(fā)達(dá)國家現(xiàn)在就先端科學(xué)、理工學(xué)領(lǐng)域正在實(shí)施的多數(shù)人協(xié)作（ Myers,1993。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 23 創(chuàng)意生成支持系統(tǒng)的現(xiàn)狀 ? 美國 歐洲： 歐美等國現(xiàn)在已經(jīng)開發(fā)出通過臨場和客戶之間透過共同體驗(yàn)傳承隱性知識即由隱性知識 → 隱性知識變換的組件。開發(fā)者主張 “ 它能在你的計(jì)算機(jī)上給你帶來強(qiáng)有力的頭腦風(fēng)暴支援，促進(jìn)反向思考，創(chuàng)造性思考和問題解決思考，重要的是它提供了如何使用特別的技術(shù)產(chǎn)生新想法 ,這些技術(shù)如：隨機(jī)的字生成，隨機(jī)的圖片生成等。 ? 可是，到目前為止，根據(jù)這些知見來設(shè)計(jì)并開發(fā)創(chuàng)意生成支持系統(tǒng)的基礎(chǔ)研究還沒有，這是認(rèn)知科學(xué)與計(jì)算機(jī)在新領(lǐng)域應(yīng)用研究中亟待解決的課題。 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(gè)數(shù)據(jù)歸類法 。當(dāng)需要聚類時(shí)，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。 ? 最鄰近事例抽出規(guī)則：通過計(jì)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 。 演講完畢，謝謝觀看！ 。 ? 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 。因此，在事實(shí)（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(gè)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。 例：讓 18個(gè)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。 ? 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(gè) “ 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(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 ； （ 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(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） ；