【正文】 ce AI System 39 研究方法論（策略） ? 人機(jī)互助系統(tǒng)：采用人類擅長(zhǎng)的由人類來(lái)做；機(jī)器擅長(zhǎng)的由機(jī)器來(lái)做，這種優(yōu)勢(shì)互補(bǔ)的 technology approach的研究開(kāi)發(fā)戰(zhàn)略。 ? 精致農(nóng)業(yè)學(xué)：只對(duì)需要、關(guān)鍵環(huán)節(jié)進(jìn)行支持。 ? 原因： ? 構(gòu)筑計(jì)算機(jī)直接生成創(chuàng)意產(chǎn)品，很難超越計(jì)算量這一屏障； ? 人的思維過(guò)程、機(jī)制還不很清楚；沒(méi)有辦法在機(jī)器上建模； ? 人腦和電腦各有優(yōu)勢(shì)： 電腦：高速運(yùn)算、重復(fù)性大量作業(yè)、對(duì)可計(jì)算的數(shù)字信息搜索、模式識(shí)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(shí)背景、經(jīng)驗(yàn)為搜索、判斷提供線索；具有知識(shí)、情感的社會(huì)化機(jī)制；具有知識(shí)的社會(huì)化和情境化機(jī)制； ? 降低成本。 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(duì)自動(dòng)搜索最近鄰知識(shí)； ? 聚類分析（ Cluster Analysis） 對(duì)大量知識(shí)進(jìn)行分類的有效性和效率，從而為將來(lái)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(guò)的設(shè)計(jì)手法。 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 。 根據(jù)多數(shù)對(duì)象 （ 變數(shù) 、 刺激 、 項(xiàng)目 、 個(gè)體 、案例 、 事例等 ） 間的類似性數(shù)據(jù) ， 把類似度高的數(shù)據(jù)放到近邊 、 類似度低的對(duì)象放到遠(yuǎn)邊 ， 根據(jù)這種分布 ， 就可以使得對(duì)象盡可能的在少維度空間表示出來(lái) ， 從而看出哪些對(duì)象屬于同一類 、 有什么特性 、 共同特征等 。 例：讓 18個(gè)學(xué)生對(duì) 12國(guó)家間的整體的類似性，在沒(méi)有任何判斷標(biāo)準(zhǔn)指示下，根據(jù)直覺(jué)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(guó)、中國(guó)、剛果等。根據(jù)這一表示，就可以判斷分組、相似者類聚。 其中：最類似給出分?jǐn)?shù)為： ；最不類似： 中國(guó) 蘇聯(lián) XXXXX YYYYY 中國(guó) 9． 00 蘇聯(lián) 9． 00 XXXX MDS（ Multidimensional Scaling）多向度量尺法簡(jiǎn)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(guó)家 親共產(chǎn)黨 蘇聯(lián) 南斯拉 剛果 親西歐 發(fā)達(dá)國(guó)家 中國(guó) 美國(guó) 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 43 研究?jī)?nèi)容和擬解決的關(guān)鍵問(wèn)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(gè)人小組偏愛(ài)程度的影響 ； ? 本系統(tǒng)充分考慮用戶的這一特征 ， 實(shí)現(xiàn)一個(gè)根據(jù)小組偏愛(ài)度注冊(cè)表自動(dòng)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(wèn)題是 ， 系統(tǒng)根據(jù)測(cè)量結(jié)果自動(dòng)生成分支 ， 這可通過(guò)相應(yīng)的人工智能算法來(lái)完成 。 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 44 ? 創(chuàng)意聚類的必要性： 以小組為單位的科學(xué)家，在網(wǎng)上就同一問(wèn)題（或不同問(wèn)題）開(kāi)展討論，積累了大量的創(chuàng)意，可是這些創(chuàng)意，有同質(zhì)的也有異質(zhì)的，看起來(lái)紛繁的信息會(huì)使討論不能集中而分散科學(xué)家的注意，讓討論失去生產(chǎn)性。因此適當(dāng)?shù)貙?duì)信息進(jìn)行集約，使相似者聚類，不但會(huì)發(fā)現(xiàn)重點(diǎn)，更會(huì)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(duì)創(chuàng)意進(jìn)行進(jìn)一步的挖掘和有效利用，這時(shí)便產(chǎn)生了計(jì)算機(jī)自動(dòng)對(duì)大量數(shù)據(jù)進(jìn)行聚類的需求。 ? 需要解決的技術(shù)問(wèn)題： 本階段的研究工作要利用人工智能技術(shù)對(duì)某一專業(yè)范圍的網(wǎng)上對(duì)話（在原型系統(tǒng)中采用的是 BBS中的文字對(duì)話）進(jìn)行分詞，去掉代詞、語(yǔ)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(yǔ)詞。當(dāng)需要聚類時(shí)，這些詞語(yǔ)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(duì)有關(guān)詞語(yǔ)進(jìn)行聚類，并將聚類結(jié)果提供給用戶。 研究?jī)?nèi)容和擬解決的關(guān)鍵問(wèn)題 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 45 ? 在遇到新問(wèn)題不能采用已有的方法解決時(shí)，就需要新的解決方法，這時(shí)其他領(lǐng)域的同類問(wèn)題解決方法，可以為用戶提供新的視角。因此，在事實(shí)（事例、案例）庫(kù)中提取相應(yīng)的案例就是首先要解決的問(wèn)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(guò)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(shí)內(nèi)在聯(lián)系的技術(shù)需要，這是研究?jī)?nèi)容（ 3）中需要解決的關(guān)鍵問(wèn)題。 ? 本系統(tǒng)提出一個(gè) “ 最鄰近知識(shí)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(wèn)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(wèn)題情境間的非類似度 δ 、 再根據(jù) MDS分析結(jié)果決定問(wèn)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。最后對(duì) “ 最鄰近知識(shí)提取方法 ” 的應(yīng)用可能性，根據(jù)開(kāi)發(fā)原型系統(tǒng)和具體運(yùn)行，開(kāi)展認(rèn)知科學(xué)的評(píng)價(jià)。 研究?jī)?nèi)容和擬解決的關(guān)鍵問(wèn)題 華南師范大學(xué)教育信息技術(shù)學(xué)院 Cognitive Science AI System 46 研究?jī)?nèi)容 （ 3） 的重點(diǎn)是知識(shí)庫(kù)：知識(shí)庫(kù)中的規(guī)則可以通過(guò)下列方式規(guī)定或獲取 。 ? 最鄰近問(wèn)題領(lǐng)域抽出規(guī)則：通過(guò)計(jì)算 δ 、 再根據(jù) MDS結(jié)果的布置 ， 最后決定鄰近領(lǐng)域 。 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(duì)應(yīng)的知識(shí) 。 ? 最鄰近事例抽出規(guī)則：通過(guò)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 。 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(duì)應(yīng)的事例 。 ? 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(guò)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 。 研究?jī)?nèi)容和擬解決的關(guān)鍵問(wèn)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(shí)提取方法 ” 有效性的實(shí)證研究報(bào)告（論文）。 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(guó)今后應(yīng)該開(kāi)展的研究課題 我國(guó)學(xué)者在本領(lǐng)域中面臨的緊迫課題： ? 途徑： 我國(guó)要想在 21世紀(jì)知識(shí)經(jīng)濟(jì)社會(huì)（ Nonaka,90） 中趕超歐美日等發(fā)達(dá)國(guó)家成為科學(xué)技術(shù)先進(jìn)國(guó)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。 ? 現(xiàn)狀： 我國(guó)目前還沒(méi)有科學(xué)家獲得諾貝爾獎(jiǎng)，從人口比例來(lái)看，獲取專利、原創(chuàng)性理論、原理、獨(dú)創(chuàng)的科學(xué)技術(shù)發(fā)明、發(fā)現(xiàn)還很少，技術(shù)的輸入與輸出比例更不均衡，每年需要利用大量的資金購(gòu)買生產(chǎn)技術(shù)、專利，這不僅極大地阻礙了國(guó)民經(jīng)濟(jì)發(fā)展、還要付出巨大的資金作為代價(jià)。 ? 時(shí)代需求： 日本學(xué)者稱， 21世紀(jì)由競(jìng)爭(zhēng)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(kāi)展創(chuàng)造性問(wèn)題解決活動(dòng)已成為一種新型科研方式的主流 。 ? 從自身做起： 這一活動(dòng)的開(kāi)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(duì)于涉及創(chuàng)造性問(wèn)題解決活動(dòng)、研究開(kāi)發(fā)、智慧性生產(chǎn)活動(dòng)、創(chuàng)造性管理活動(dòng)的人來(lái)說(shuō)，被稱為計(jì)算機(jī)誕生以來(lái)計(jì)算機(jī)應(yīng)用的終極目標(biāo)。 演講完畢，謝謝觀看！