【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)是頭腦風暴（ Brainstorming）， 但是它們大都在交互的群體中應用。 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，近年來的動向是：采用人類擅長的由人類來做；機器擅長的由機器來做，這種 technology approach被認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。 利用計算機單純作業(yè)、重復計算、大容量記憶等優(yōu)勢，減輕人類智力勞動中負擔 ， 這就是計算機支援創(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 特征傳達知識。 華南師范大學教育信息技術(shù)學院 Cognitive Science AI System 12 認知科學通論 ? 認知科學的應用： ? 認知科學在教育領(lǐng)域中的應用 : （ 1）利用認知科學對人的學習過程研究成果改善教育和教學。 如： ? 讀書中的信息過程： 認知心理學者正在逐漸理解這一過程，與此同時，診斷學童的讀書困難、進行治療（指導）、開發(fā)新的方法。 ? 現(xiàn)在的計算機科學和技術(shù)的所有業(yè)績對于認知科學是有效的條件只限于研究上的問題，對于現(xiàn)實中的問題、所有其他領(lǐng)域的復雜問題并不是有限的條件。 華南師范大學教育信息技術(shù)學院 Cognitive Science AI System 9 認知科學通論 ? 認知科學中的計算機 ? 計算機科學中重要的概念和分類構(gòu)成認知科學基底假設的一部分。 ? 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、人類文化、歷史中分離，使得這些模型變得抽象。 有機體和機器的物理特性：對于能夠執(zhí)行什么樣的信息過程這一點以及，其操作 速度和正確性帶來巨大的制約。 概括 ： （ 1） 認知科學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)能夠掌握實施的形式化規(guī)則，那么就 能夠理解這個系統(tǒng)。 華南師范大學教育信息技術(shù)學院 Cognitive Science AI System 4 認知科學通論 ? 認知科學的特征： ? 認知科學是研究人類感知和思維信息處理過程的科學，包括從感覺的輸入到復雜問題求解，從人類個體到人類社會的智能活動，以及人類智能和機器智能的性質(zhì)。 學習科學（時間 :6月 18日） 知識科學（時間 :6月 25日） 教育信息技術(shù)學院 徐 X東 華南師范大學教育信息技術(shù)學院 Cognitive Science AI System 2 認知科學通論 ? 所謂的認知科學： ? 認知科學即心理的科學（ 1972, , . Weisler,。 （ 1）心理學：提供人的心理規(guī)律基本的知見； （ 2）語言學：根據(jù)符合語法的和不符合語法的文、分析說話者的直覺、觀察兒童會話的錯 誤、驗證有關(guān)語法結(jié)構(gòu)的假說； （ 3）哲學：認知科學的基礎、為研究提供方法論； （ 4）人工智能：根據(jù)顯示具有智能的計算機程序的實際運行，調(diào)查在哪些方面與假設不同， 從而進行改進修改，最終達到更接近真實的目的，來驗證自己的理論； （ 4）神經(jīng)科學：大腦中信息加工的生理學基磐進行研究為我們提供微觀的知見和理論； （ 5）人類文化學：從人類任何活動都是在一定文化背景下展開這一視角探討認知科學的基 本問題。即 算法預示著無限范圍的行動可以通過極少數(shù)有限的系統(tǒng)付諸實施。 (如：十進制中的數(shù)字列 和數(shù)量之間的表征上的寫實是通過十進的位－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)域的過程一樣地動作。 即使我們不具備人類腦神經(jīng)、計算器、計算機的集成電路是如何運作的知識，也 可以借助一些方法對類似于乘法運算的這種算法開展研究并進行理解。 語言的多樣性（發(fā)聲、符號）使得意思傳達多樣化。 ? Jazz獨奏名曲 “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場即興演奏？ ? 至今為止已經(jīng)證明，計算機軟件以及、形式化信息過程是非常靈活而有效的。 ? 認知科學的次級領(lǐng)域之間的交互作用中，如：人工智能在探索、驗證有關(guān)彌補心理學、語言學這些經(jīng)驗的方法的認知的理論同時，還提供強有力的其他的方法論。 ? 有關(guān)人類記憶的研究成果，在應用到目擊者證詞的可信性問題時，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：擴一擴、縮一縮、相反又如何等。 （ 6）在什么樣情況下，在哪些領(lǐng)域應用這一方法，缺少進一步的實證研究的支持。 華南師范大學教育信息技術(shù)學院 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)絡的協(xié)作研究被認為是 21世紀新型研究模式，以美國、加拿大、日本為中心的發(fā)達國家現(xiàn)在就先端科學、理工學領(lǐng)域正在實施的多數(shù)人協(xié)作（ Myers,1993。 華南師范大學教育信息技術(shù)學院 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 “ 它能在你的計算機上給你帶來強有力的頭腦風暴支援，促進反向思考，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：隨機的字生成，隨機的圖片生成等。 ? 可是，到目前為止，根據(jù)這些知見來設計并開發(fā)創(chuàng)意生成支持系統(tǒng)的基礎研究還沒有，這是認知科學與計算機在新領(lǐng)域應用研究中亟待解決的課題。 華南師范大學教育信息技術(shù)學院 Cognitive Science AI System 41 心理學中應用的一個數(shù)據(jù)歸類法 。當需要聚類時，這些詞語在不同領(lǐng)域和案例、事例中出現(xiàn)的重復度可作為分類標準，根據(jù)這一標準對有關(guān)詞語進行聚類，并將聚類結(jié)果提供給用戶。 ? 最鄰近事例抽出規(guī)則：通過計算重復度的 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用事例 。因此，在事實（事例、案例）庫中提取相應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。 例：讓 18個學生對 12國家間的整體的類似性，在沒有任何判斷標準指示下，根據(jù)直覺進行判定，根據(jù)學生給的分數(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)鍵詞重復數(shù)量作為創(chuàng)意間類似度指標，根據(jù)聚類分析決定同質(zhì)創(chuàng)意并聚類，從而達到壓縮創(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） ；