成功不是赢过多少人而是帮过多少

成功不是赢过多少人而是帮过多少第1页，课件共34页，创作于2023年2月内容提要对ArtificialIntelligence的理解

定性决策论研究情况ChanceDiscovery研究情况

第2页，课件共34页，创作于2023年2月一、AI的定义与性质

基本观点：回顾AI过去50多年来的发展历程，其最有趣的哲学问题从“强-弱”之争演变为“真-假”之辩。

第3页，课件共34页，创作于2023年2月一、AI的定义与性质

artificial的日常语言含义(牛津词典)：madeorproducedbymaninimitationofsomethingnatural.因此，artificial兼具“人造”和“人工”双重含义，似应更确切地译为“人为”。第4页，课件共34页，创作于2023年2月一、AI的定义与性质

H.Simon对artificial的定义：“由人而不是自然产生的；不真实的或不自然的；矫揉造作的；与事物的本质无关的”---TheScienceoftheArtificial，商务印书馆，1987可见artificial既包含“人工”含义(“由人而不是自然产生的”)，又包含“人造”含义。可视其为artificial的标准定义。第5页，课件共34页，创作于2023年2月一、AI的定义与性质

“人工”的含义：例如“人工降雨”（artificialrainfall）“人工繁殖”(artificialpropagation)-特点：产品是“真的”(真实的)，产生过程是“假的”(非自然的)。第6页，课件共34页，创作于2023年2月一、AI的定义与性质

“人造”的含义：例如“人造革”(artificialleather)“人造海蜇皮/棉/丝/羊毛/…”-特点：产品及其产生过程都是“假的”。

第7页，课件共34页，创作于2023年2月一、AI的定义与性质

“人工”与“人造”的对比：

-人造物仅仅是天然物的功能替代品，往往“差强人意”，但有时却可能更强，例如飞机的运输功能比鸟强得多。“人造”智能是当前AI的工程目标。-人工物比人造物更接近天然物，但往往未必能够按照人的需要制造/发生，例如至今未能制造出像鸟一样的飞行物。“人工”智能是AI长期的科学目标。第8页，课件共34页，创作于2023年2月一、AI的定义与性质

现状：当前国际AI研究既包含“人造智能”（90%以上），又包含“人工智能”（10%以下）；与早期情况恰好相反。

结论：将ArtificialIntelligence理解为“人为智能”更符合该领域的实际情况。第9页，课件共34页，创作于2023年2月二、定性决策论研究情况：背景(自动)决策是AI的核心问题之一。经典决策论的基本概念框架是概率+效用，主导思想是最大预期效用原则。经典决策论在AI中遭遇的重大困难之一是难以获得数值型概率和数值型效用；AI主流的解决方向是“定性决策论”(Qualitativedecisiontheory)。第10页，课件共34页，创作于2023年2月二、定性决策论研究情况：背景目前定性决策论的主要技术途径是意向态度的模态理论，基本技术手段包括一元多模态逻辑（BDI-理论）和条件句逻辑（即关于“偏好”preference和“常规”normality的条件句理论）；后者更注重刻画意向的背景相关性方面。第11页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic

CO-模型(Boutilier,1994)M=<W,

,Val>，其中W：可能世界集合，Val：W*P→{true,false}赋值函数，

是W上传递且连接的二元关系，因而所有可能世界构成-等价类的全序集，v

w理解为：visatleastaspreferred/normalasw。第12页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic

定义两个模态词：

w|=ٱAiff

vw:v|=Aw|=↕ٱ

Aiff

v

W:v|=A及其对偶词和↕。第13页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic

定义条件偏好：I(B|A)=df

↕ٱ

A↕(Aٱ(A

B))

易知M|=I(B|A)意味着对于M中最偏爱的A

B世界w和最偏爱的A

B世界w’，有w

w’。第14页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic性质:第15页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic缺陷1：推理能力弱，事实分离律无效，例如{I(B|A),A}|I(B),B而且假如有效则将破坏非单调性，例如{I(B|A),I(

B|A

A’),A,A’}|=I(B),B第16页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic缺陷2：表达能力不够强

例(Dogandfence)条件偏好集{I(

f),I(f|d),I(d)}在CO中无法表达。第17页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic改进(Lang等，2003)：同时利用两个序定义条件偏好M|=I(B|A)iff

w’

Max(

N,Mod(A

B))

w

Max(

N,Mod(A

B))st.w

Pw’.第18页，课件共34页，创作于2023年2月二、定性决策论：QDTLogic表达能力提高，可表示诸如dogandfence，但仍然不能表示更强的愿望冲突如{I(B|A),I(

B|A)}；推理更复杂，D命题的推导需借助N命题。第19页，课件共34页，创作于2023年2月三、CD研究情况:概况

多学科交叉的新兴研究领域，广泛涉及人工智能、认知科学、经济学与管理科学，2000年前后正式提出，迅速受到国际学术界的高度重视。第20页，课件共34页，创作于2023年2月三、CD研究情况:重要国际会议TheFirstInternationalWorkshoponCD,2001(TheAnnualConferenceoftheJapaneseSocietyofAI).TheSecondInternationalWorkshoponCD,Tokyo,2002(ThePacificRimInternationalAIConference).TheAAAIFallSymposiumofChanceDiscovery,2002.The3rdInternationalWorkshoponCD,Greece,2003(The10thInt’lConferenceonHumanComputerInteraction).TheFirstEuropeanWorkshoponChanceDiscovery,2004(ECAI-2004).其他（如KES2000-2004,specialsessionsonChanceDiscovery）.第21页，课件共34页，创作于2023年2月三、CD研究情况:重要出版物SpecialIssueonCD,NewGenerationComputing,Vol.21,No.1-2(2002)OsawaY.andMcBurneyP.(Eds.)"ChanceDiscovery",SpringerVerlag(2003)AkinoriAbeandYukioOhsawa（Eds.）"ReadingsinChanceDiscovery",AdvancedKnowledgeInternational,Australia(toappear).第22页，课件共34页，创作于2023年2月三、CD研究情况：主要研究对象面向人类的：即对人类发现过程和方法的研究，例如Double-HelixApproach；包括人机交互。面向机器的：即对自动发现过程和方法的研究。第23页，课件共34页，创作于2023年2月三、CD研究情况：现有主要工作

基础理论逻辑，系统论认知试验人类学习过程，集体研讨计算机制自动分析工具，人机交互工具应用尝试地震预报，网络应用，导购，教学第24页，课件共34页，创作于2023年2月三、CD研究情况:国内学者工作

季澄宇，陈小平，ChanceDiscoveryinaBDIPerspectiveofPlanning:Anticipation,Participation,andCorrelation，in:Proceedingsofthe2ndInternationalWorkshoponChanceDiscovery,Tokyo,2002.诸世卓，陈小平，IntegratingAbductiveReasoningwithLm4cforChancespecificationandChanceDiscoveryInference.TheThirdInternationalWorkshoponCD,Greece,2003.皮亮，陈小平，AQuantitativeMethodforRepresentingImpactsofChancebasedonsimplifiedMDP/POMDPmodels.TheFirstEuropeanWorkshoponChanceDiscovery,2004.陈小平，Cognitiverelevanceandchancediscovery.In:AkinoriAbeandYukioOhsawa（Eds.）"ReadingsinChanceDiscovery",AdvancedKnowledgeInternational,Australia(toappear).第25页，课件共34页，创作于2023年2月三、CD研究情况：历史起源Planning：原始想法可以追溯到70年代末不完备知识下的静态规划问题的研究(B.&F.Hayes-Roth，Acognitivemodelofplanning，1979)。AutonomousAgents：不确定环境下的持续规划中机会发现的启发式途径，例如L.Pryor等人的工作(Opportunityrecognitionincomplexenvironments，AAAI-96)。Multi-AgentSystems：90年代末，引起国际AI主流的重视,但未形成独立的研究领域(Georgeff,Pell,Pollack,TambeandWooldridge.TheBelief-Desire-IntentionModelofAgency)。DM/KDD：2000年前后，大澤幸生等从知识发现角度出发，作为一个独立研究领域正式提出(YukioOhsawa，Chancediscoveriesformakingdecisionsincomplexrealworld,NewGenerationComputing,Vol.20,2002)。第26页，课件共34页，创作于2023年2月三、CD研究情况：初步定义Chance是对决策有重要影响的偶发事件。（Achanceisarareornoveleventwhichgivessignificantimpactonhumandecision-making.）有正面影响的chance称为opportunity，有负面影响的称为risk。第27页，课件共34页，创作于2023年2月三、CD研究情况：基本性质1CDvs.KDD二者都是“发现”；但KDD强调以一定量的数据源为基础，而CD立足于不存在充分数据源的场合。这进一步意味着CD必须更多地依赖于一般性知识和推理。第28页，课件共34页，创作于2023年2月三、CD研究情况：基本性质2CDvs.ML二者都是知识获取；但ML侧重于知识获取本身，与知识的使用相对独立，而CD强调二者的关联。第29页，课件共34页，创作于