首页 > 文章中心 > 人工智能

人工智能范文精选

人工智能

人工智能范文第1篇

AI研究的一个目标就是用机器智能模拟人的智能,它选择各种能反映人的智能特征的问题进行实践,希望能做出各种具有智能特征的软件系统。AI研究基于计算途径,因此要建立具有可操作性的符号模型。一般而言,AI关于智能系统的符号模型可描述为:由一个知识载体(称为知识库KB)和一组加载在KB上的足以产生智能行为的过程(称为问题求解器PS)构成。经过20世纪70年代包括专家系统的发展,AI研究者逐步取得共识,认识到知识在智能系统中力量,即一般的智能系统事实上是一种基于知识的系统,而知识包括专门性知识和常识性知识,前者亦可看做是某一领域内专家的常识。于是,常识问题就成为AI研究的一个核心问题,它包括两个方面:常识表示和常识推理,即如何在人工智能中清晰地表示人类的常识,并运用这些常识去进行符合人类行为的推理。显然,如此建立的常识知识库可能包含矛盾,是不协调的,但这种矛盾或不协调应不至于影响到进行合理的推理行为;常识推理还是一种非单调推理,即人们基于不完全的信息推出某些结论,当人们得到更完全的信息后,可以改变甚至收回原来的结论;常识推理也是一种可能出错的不精确的推理模式,是在容许有错误知识的情况下进行的推理,简称容错推理。而经典逻辑拒斥任何矛盾,容许从矛盾推出一切命题;并且它是单调的,即承认如下的推理模式:如果p?r,则pùq?r;或者说,任一理论的定理属于该理论之任一扩张的定理集。因此,在处理常识表示和常识推理时,经典逻辑应该受到限制和修正,并发展出某些非经典的逻辑,如次协调逻辑、非单调逻辑、容错推理等。有人指出,常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物,而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]“次协调逻辑”(ParaconsistentLogic)是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的,其基本想法是:当在一个理论中发现难以克服的矛盾或悖论时,与其徒劳地想尽各种办法去排除或防范它们,不如干脆让它们留在理论体系内,但把它们“圈禁”起来,不让它们任意扩散,以免使我们所创立或研究的理论成为“不足道”的。于是,在次协调逻辑中,能够容纳有意义、有价值的“真矛盾”,但这些矛盾并不能使系统推出一切,导致自毁。因此,这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为,如果在一理论T中,一语句A及其否定?A都是定理,则T是不协调的;否则,称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理,则不协调的T也是不足道的(trivial)。因此,通常以经典逻辑为基础的理论,如果它是不协调的,那它一定也是不足道的。这一现象表明,经典逻辑虽可用于研究协调的理论,但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn(1≤n≤w),以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题:(i)矛盾律?(Aù?A)不普遍有效;(ii)从两个相互否定的公式A和?A推不出任意公式;即是说,矛盾不会在系统中任意扩散,矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里,(i)和(ii)表明了对矛盾的一种相对宽容的态度,(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。

在任一次协调逻辑系统Cn(1≤n≤w)中,下述经典逻辑的定理或推理模式都不成立:

?(Aù?A)

Aù?A→B

A→(?A→B)

(A??A)→B

(A??A)→?B

A→??A

(?Aù(AúB))→B

(A→B)→(?B→?A)

若以C0为经典逻辑,则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1,Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学,并已经证明Cn相对于此种语义是可靠的和完全的,并且次协调命题逻辑系统Cn还是可判定的。现在,已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中,发展了这些领域内的次协调理论。显然,次协调逻辑将会得到更进一步的发展。[③]

非单调逻辑是关于非单调推理的逻辑,它的研究开始于20世纪80年代。1980年,D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M,表示某种“一致性”断言,并将其看做是模态概念,通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》(1983)据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分,并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程,这种推理的特征是试探性的:根据新信息,它们很可能会被撤消。自动认知推理则不是这种类型,它是与人们自身的信念或知识相关的推理,可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言,非单调逻辑尚需进一步发展。

[摘要]本文认为,计算机科学和人工智能将是21世纪逻辑学发展的主要动力源泉,并且在很大程度上将决定21世纪逻辑学的面貌。至少在21世纪早期,逻辑学将重点关注下列论题:(1)如何在逻辑中处理常识推理的弗协调、非单调和容错性因素?(2)如何使机器人具有人的创造性智能,如从经验证据中建立用于指导以后行动的可错的归纳判断?(3)如何进行知识表示和知识推理,特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理?(4)如何结合各种语境因素进行自然语言理解和推理,使智能机器人能够用人的自然语言与人进行成功的交际?等等。

[关键词]人工智能,常识推理,归纳逻辑,广义内涵逻辑,认知逻辑,自然语言逻辑

人类智能的本质特征和最高表现是创造。在人类创造的过程中,具有必然性的演绎推理固然起重要作用,但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此,计算机要成功地模拟人的智能,真正体现出人的智能品质,就必须对各种具有不确定性的推理模式进行研究。

首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的,指一切扩展性推理,它们的结论所断定的超出了其前提所断定的范围,因而前提的真无法保证结论的真,整个推理因此缺乏必然性。具体说来,这种意义的“归纳”包括下述内容:简单枚举法;排除归纳法,指这样一些操作:预先通过观察或实验列出被研究现象的可能的原因,然后有选择地安排某些事例或实验,根据某些标准排除不相干假设,最后得到比较可靠的结论;统计概括:从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理;类比论证和假说演绎法,等等。尽管休谟提出著名的“归纳问题”,对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑,但我认为,(1)归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略,对于人类来说具有实践的必然性。(2)人类有理由从经验的重复中建立某种确实性和规律性,其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的,而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的,除非这个断言是逻辑矛盾。(3)人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且,归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出,“社会一旦有技术上的需要,则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟,得出“归纳逻辑不可能”的结论,他们的推理本身与归纳推理一样,不具有演绎的必然性。(4)人类实践的成功在一定程度上证明了相应的经验知识的真理性,也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认,归纳逻辑目前还很不成熟。有的学者指出,为了在机器的智能模拟中克服对归纳模拟的困难而有所突破,应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样,才能在已有的归纳学习成果上,在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题,无疑在21世纪将得到重视并取得进展。

再谈模糊逻辑。现实世界中充满了模糊现象,这些现象反映到人的思维中形成了模糊概念和模糊命题,如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代,其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑(二值逻辑)解决不了的问题提供了解决的可能,它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然,它在21世纪将继续得到更大的发展。

3.广义内涵逻辑

经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究,但在自然语言中,除了这些语言成分之外,显然还存在许多其他的语言成分,如各种各样的副词,包括模态词“必然”、“可能”和“不可能”、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等,以及各种认知动词,如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”,这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

大多数副词以及几乎所有命题态度词都是内涵性的,造成内涵语境,后者与外延语境构成对照。外延语境又叫透明语境,是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境;内涵语境又称晦暗语境,是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别,一切语言表达式(包括自然语言的名词、动词、形容词直至语句)都可以区分为外延性的和内涵性的,前者是提供外延语境的表达式,后者是提供内涵性语境的表达式。例如,杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式,而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。

在内涵语境中会出现一些复杂的情况。首先,对于个体词项来说,关键性的东西是我们不仅必须考虑它们在现实世界中的外延,而且要考虑它们在其他可能世界中的外延。例如,由于“必然”是内涵性表达式,它提供内涵语境,因而下述推理是非有效的:

晨星必然是晨星,

晨星就是暮星,

所以,晨星必然是暮星。

这是因为:这个推理只考虑到“晨星”和“暮星”在现实世界中的外延,并没有考虑到它们在每一个可能世界中的外延,我们完全可以设想一个可能世界,在其中“晨星”的外延不同于“暮星”的外延。因此,我们就不能利用同一性替换规则,由该推理的前提得出它的结论:“晨星必然是暮星”。其次,在内涵语境中,语言表达式不再以通常是它们的外延的东西作为外延,而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里,达尔文所相信的是“人是从猿猴进化而来的”所表达的思想,而不是它所指称的真值,于是在这种情况下,“人是从猿猴进化而来的”所表达的思想(命题)就构成它的外延。再次,在内涵语境中,虽然适用于外延的函项性原则不再成立,但并不是非要抛弃不可,可以把它改述为新的形式:一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。

一般而言,一个好的内涵逻辑至少应满足两个条件:(i)它必须能够处理外延逻辑所能处理的问题;(ii)它还必须能够处理外延逻辑所不能处理的难题。这就是说,它既不能与外延逻辑相矛盾,又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中,并且已有初步轮廓。从术语上说,内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外,还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之,可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”,“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下,模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过,还有一种狭义的内涵逻辑,它可以粗略定义如下:一个内涵逻辑是一个形式语言,其中包括(1)谓词逻辑的算子、量词和变元,这里的谓词逻辑不必局限于一阶谓词逻辑,也可以是高阶谓词逻辑;(2)合式的λ—表达式,例如(λx)A,这里A是任一类型的表达式,x是任一类型的变元,(λx)A本身是一函项,它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上;(3)其他需要的模态的或内涵的算子,例如€,ù、ú。而一个内涵逻辑的解释,则由下列要素组成:(1)一个可能世界的非空集W;(2)一个可能个体的非空集D;(3)一个赋值,它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W,判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统,R·蒙塔古的IL系统,以及E·N·扎尔塔的FIL系统等。[⑥]在各种内涵逻辑中,认识论逻辑(epistemiclogic)具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知(perception)、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题,包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等;狭义的认识论逻辑仅指知道和相信的逻辑,简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析,这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作,其中提出了一些认知逻辑的系统,并为其建立了基于“模型集”的语义学,后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂,既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域,并且认知逻辑的应用技术,又称关于知识的推理技术,正在成为计算机科学和人工智能的重要分支之一,因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化,在这方面有可能出现突破性的重要结果。

4.对自然语言的逻辑研究

对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究,人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题,都需要对自然语言进行精细的逻辑分析,并且这种分析不能仅停留在句法层面,而且要深入到语义层面。其次是哲学特别是语言哲学,在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力,发展了各种各样的意义理论,如观念论、指称论、使用论、言语行为理论、真值条件论等等,以致有人说,关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要,例如在研究自然语言的意义问题时,不能仅仅停留在脱离语境的抽象研究上面,而要结合使用语言的特定环境去研究,这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”,它力图综合后期维特根斯坦提倡的使用论,J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论,以及P·格赖斯所创立的会话含义学说等成果,透过自然语言的指谓性和交际性去研究自然语言中的推理。

自然语言具有表达和交际两种职能,其中交际职能是自然语言最重要的职能,是它的生命力之所在。而言语交际总是在一定的语言环境(简称语境)中进行的,语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外,还包括该语词或语句出现的整个社会历史条件,如该语词或语句出现的时间、地点、条件、讲话的人(作者)、听话的人(读者)以及交际双方所共同具有的背景知识,这里的背景知识包括交际双方共同的信念和心理习惯,以及共同的知识和假定等等。这些语境因素对于自然语言的表达式(语词、语句)的意义有着极其重要的影响,这具体表现在:(i)语境具有消除自然语言语词的多义性、歧义性和模糊性的能力,具有严格规定语言表达式意义的能力。(ii)自然语言的句子常常包含指示代词、人称代词、时间副词等,要弄清楚这些句子的意义和内容,就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的,等等,这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有:包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域,包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类;模态语句和条件语句的意义取决于因语境而变化的语义决定因素,如此等等。(iii)语言表达式的意义在语境中会出现一些重要的变化,以至偏离它通常所具有的意义(抽象意义),而产生一种新的意义即语用涵义。有人认为,一个语言表达式在它的具体语境中的意义,才是它的完全的真正的意义,一旦脱离开语境,它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系,正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义,当然不是去研究某一个(或一组)特定的语句在某个特定语境中唯一无二的意义,而是专门研究确定自然语言具体意义的普遍原则。[⑦]

美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义,叫做“语用涵义”、“会话涵义”或“隐涵”(implicature),并于1975年提出了一组“交际合作原则”,包括一个总则和四组准则。总则的内容是:在你参与会话时,你要依据你所参与的谈话交流的公认目的或方向,使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类,格赖斯提出了如下四组准则:

(1)数量准则:在交际过程中给出的信息量要适中。

a.给出所要求的信息量;

b.给出的信息量不要多于所要求的信息量。

(2)质量准则:力求讲真话。

a.不说你认为假的东西,。

b.不说你缺少适当证据的东西。

(3)关联准则:说话要与已定的交际目的相关联。

(4)方式准则:说话要意思明确,表达清晰。

a.避免晦涩生僻的表达方式;

b.避免有歧义的表达方式;

c.说话要简洁;

d.说话要有顺序性。[⑧]

后来对这些原则提出了不少修正和补充,例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提,这些原则就可以用来确定和把握自然语言的具体意义(语用涵义)。实际上,一个语句p的语用涵义,就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说,从说话人S说的话语p推出语用涵义q的一般过程是:

(i)S说了p;

(ii)没有理由认为S不遵守准则,或至少S会遵守总的合作原则;

(iii)S说了p而又要遵守准则或总的合作原则,S必定想表达q;

(iv)S必然知道,谈话双方都清楚:如果S是合作的,必须假设q;

(v)S无法阻止听话人H考虑q;

(vi)因此,S意图让H考虑q,并在说p时意味着q。

试举二例:

(1)a站在熄火的汽车旁,b向a走来。a说:“我没有汽油了。”b说:“前面拐角处有一个修车铺。”这里a与b谈话的目的是:a想得到汽油。根据关系准则,b说这句话是与a想得到汽油相关的,由此可知:b说这句话时隐涵着:“前面的修车铺还在营业并且卖汽油。”

人工智能范文第2篇

概述制造业是国家的经济命脉,而汽车制造又是战略性支柱产业,它包括了整车、各种零配件厂等生产商,也包括了各地经销企业和销售企业。近年来,我国汽车行业面临着前所未有的挑战,原材料、生产、物流成本上涨、利润下降,以及国际经济形势的影响。因此,汽车企业可以运用具有智能分析功能的商务智能系统,通过分析历史数据快捷、及时地输出各类报告,预测未来的客户需求和销售趋势,在宏观上为企业管理人员提供决策依据。计算机人工智能技术发展到了今天,已经开始使用庞大的知识库来有效地取代人类器官或机构的记忆方法,近些年来很多的专家决策系统在考虑一定规则的基础上对人类的诊断和经验上的分析都能够做出很好的判断,甚至处于主导地位。这个系统可以很好地利用知识库,并从中挖掘出我们想要的问题答案、成功地寻找到其中的关联性,并提取相应的模式等。而实际上,这样的专家系统已经在很多领域都有了非常不错的应用,帮助很多企业在很短的时间内就做出相应的生产计划、调度计划、运输计划等,非常有效率,而且可以大大地增加收益,并很好地控制企业的人力成本。我国工业机器人是从20世纪80年代开始起步。经过二十年余年的努力已经形成了一些具有竞争力的工业机器人研究机构和企业。先后研发出弧焊、点焊、装配、搬运、注塑、冲压、喷漆等工业机器人。近几年,我国工业机器人及含工业机器人的自动化生产线相关产品的年产销额已突破十亿元。目前国内市场年需求量在3000台左右,年销售额在20亿元以上。统计数据显示中国市场上工业机器人总共拥有量近万台,占全球总量的0.56%,其中完全国产工业机器人行业内规模比较大的前三家工业机器人企业,行业集中度占30%左右。其余都是从日本、美国、瑞典、德国、意大利等20多个国家引进的。国产工业机器人目前主要以国内市场应用为主,年出口量为100台左右,年出口额为0.2亿以上。多年来我国汽车零部件生产一直是手工焊、专机焊占据焊接生产的主导地位、劳动强度大、作业环境恶劣、焊接质量不易保证,而且生产的柔性也很差,无法适应现代汽车生产的需要。

1.1搬运机器人在汽车制造业中应用

汽车桥箱类零件具有精度高、加工工序多、形状复杂、重量重的特点。为提高其加工精度及生产效率,各重型汽车生产厂家纷纷采用数控加工中心来加工此类零部件。而在使用数控加工中心加工工件时,要求工件在工作台上具有非常高的定位精度,且需要保证每次上料的一致性。由于人工上料此类的工件具有劳动强度高、上料精度不好控制等缺点现在正逐步被工业机器人或专机进行上下料所取代。工业机器人具有重复定位精度高、可靠性高、生产柔性化、自动化程度高等、突出的优势,与人工相比,能够大幅度提高生产效率和产品质量,与专机相比具有可实现生产的柔性化、投资规模小等特点。机器人智能化自动搬运系统作为减速器壳体加工的重要生产环节,虽然已经在国内重型汽车厂内取得成功的应用,但依然尚未普及。在国家经济建设飞速发展的进程中,重型载重汽车的生产能力及生产力水平亟待有一个质的飞跃,而工业机器人即是提升生产力水平的强力推进器。

1.2焊接机器人在汽车制造业中的应用

汽车行业的发展水平,代表了一个国家的综合技术水平,汽车工业的发展将会带动其他行业的发展。各厂商为了在日渐激烈的竞争中立于不败之地,必须率先实现焊接自动化。因此,今后除了如汽车、摩托车这样的大批量生产行业。一些产品多样化的企业,为了提高焊接质量,也将会考虑使用焊接机器人,如钢结构等行业,与此同时,对焊接机器人的要求也必然会逐步提高,如说对焊道的自动跟踪系统的需求会逐步加大等。作为焊接机器人和焊接机的专业生产厂家,OTC公司将继续为提高中国的高速、高效、自动化焊机做出自己的贡献。对于在汽车工业中的点焊应用来说,目前已广泛采用电驱动的伺服焊枪。日本丰田公司已决定将这种技术作为标准来装备其日本国内和海外的所有点焊机器人。

1.3装配机器人在汽车制造业中的应用

在国内外各大汽车公司装配生产线上被广泛采用的装配机器人。一方面使汽车装配自动化水平大大提高,目前,国外某些大批量生产的轿车的装配自动化程度已达50%~65%。另一方面,有效地减轻了工人的劳动强度,提高了装配质量并明显地提高了生产率。在汽车整车装配中,机器人不仅用于挡风玻璃的密封济涂覆、安装和车轮备胎、仪表盘总成、后悬梁、车门、蓄电池等部件的安装。

1.4喷涂机器人在汽车制造业中的应用

喷涂机器人在汽车制造业中可喷涂形态复杂的汽车工件而且生产效率和很高。多用于汽车车体的喷涂作业,如喷漆、喷釉等。除了上述机器人以外,汽车制造业中应用的机器人还有用于特殊加工的激光加工机器人用于部件形状测量、装配检查和产品缺陷检查的检测机器人,抑制尘埃粒子大小及数量的水切割机器人和净化机器人等。

2人工智能在汽车制造业中的进展分析

随着中国汽车工业的迅猛发展,机器人在先进汽车制造中的重要性也越来越凸显。机器人的产品应用广泛,覆盖焊接、物料搬运、装配、喷涂、精加工、拾料、包装、货盘堆垛、机械管理等领域。在汽车行业的应用主要分为以下五大部分。车身系统中,采用虚拟仿真等手段,主要针对车身覆盖件不断开发出新的标准化、模块化解决方案,动力总成系统中,提供了涵盖汽车传动系统核心部件,发动机、变速箱和传动轴的全套装配测试系统。在冲压自动化系统方面从卷材与堆垛到零件的码垛,从提供控制系统到企业ERP,从设计到生产支持与效率优化,拥有全面的工程能力,涂装自动化系统方面,以高柔性高精度的喷涂机器人来帮助客户提升涂装质量,减少生产废料,而在焊接自动化系统中,机器人比较典型的应用是电阻点焊、电弧焊,其最新一代机器人配套提供一系列高度人性化的软件工具。汽车工业的最大特点是产量大,生产节拍快,产品一致化程度高。消费者对汽车质量要求越来越高,是促使机器人应用越来越普遍的一个重要原因。机器人本身只是集装箱里的一个货物,随机器人的设备功能越来越精细,客户的思维在这时候逐渐走向成熟,在采购时不再单单考虑某生产工位的瓶颈,而更多地考虑到长期战略因素,如维护成本加入的高低,长期投资回报是否划算,服务涵盖地域是否广泛,响应是否及时,全球技术支持能力有多强,中期后期不同阶段解决问题的能力有多大等等。这时,产品本身的价格和意义相对弱化而长期的价值越发凸显。

3结束语

人工智能范文第3篇

关键词:人工智能;会计行业;影响

一、研究背景及意义

在刚刚过去的2016年,围棋领域的“人机大战”掀起一股人工智能的浪潮,以“阿尔法狗”为代表的人工智能战胜了韩国的围棋高手李世石,由此人工智能的发展引人深思。很多人会觉得人工智能是一个很遥远的事情,始终抱以一种怀疑的态度去看待人工智能。其实不然,人工智能从上世纪40年展至今,且不说现在家家都在使用,但是在我们的生活中至少是随处可见的,比如,计算机行业、银行业、会计业等都在使用的智能处理系统,而且范围越来越广,技术越来越具有深度。在传统的会计行业中,会计核算工作从凭证到报表都是由人工来完成的,但是现如今财务会计中的大部分工作都可以由财务软件来完成,大大的解放了会计中的人力。也是在去年的3月份,著名的会计师事务所德勤对外宣布将人工智能引入会计行业,这一宣布也是几家欢喜几家愁。虽然人工智能让会计实务变得更加便捷、精准,但是传统会计行业中那些被人工智能替代的手工记账人员将何去何从?笔者从一个会计人的角度对人工智能时代下的会计行业进行探讨,目的是明晰人工智能对会计行业的影响,以及传统的会计人员如何应对人工智能时代的到来。

二、我国人工智能在会计行业的应用现状和展望

(一)我国人工智能在会计行业的应用现状会计行业主要涉及的是企事业单位、政府机构和会计师事务所,这三大类是有会计核算系统的主要主体。就我国来说,很多涉及会计工作主体对于人工智能的应用仅限于会计系统,而且在会计系统中一些类似于审核、判断等主观行为还是要财务人员手工进行操作。目前市场上已经存在各种可以满足不同类型组织结构会计主体业务需求的会计软件,可以说应用已经十分广泛了。但是就会计师事务所来说,作为主要业务之一的审计业务在人工智能方面应用的稍微较少,因为对于上市公司审计业务而言,需要填制大量的审计工作底稿,包括电子版和纸质版,这些数据的录入目前还是依赖于手工。

(二)对人工智能在会计行业中应用的展望任何一位会计人都清楚地知道,会计行业是一种具有严瑾性、及时性的行业,并且会计工作程序多,处理起来比较繁杂。所以对于会计人员来说加班是家常便饭,从某种程度上来说,会计人员也希望有一天能有人工智能来替代这繁琐而枯燥的工作。目前已经应用的人工智能解决了一些基本的操作,比如凭证和报表的生成等等,但是还远远不能满足目前会计主体多样性的需求。比如人力资源会计,就需要一个适合企业特点的模型来对企业的人力资源进行计量和报告,此模型可以对企业的人力资源进行大数据的分析,从而可以合理的进行人力资源管理,这也是有效降低成本的途径之一。这样的需求在管理会计,环境会计等众多会计的分支中都是需要的,因为现在会计的职能越来越倾向于决策,决策过程中就需要会计提供相应的资料,这些资料通过会计的手工计算和分析往往难以获取,如果人工职能可以进一步运用科学知识来解决这个难题就再好不过了。

三、人工智能对会计行业的影响

(一)提高了会计信息的及时性和精准性不管是企事业单位还是政府机构或者会计师事务所,在运用会计软件之后,一方面对于当日发生的各项经济业务都能及时的进行处理。因为会计人员的只需要登录系统进行相关事务的选择或者审核就可以了,期末系统会根据已经有的数据自动生成相关报表,相比较传统会计的手工填制凭证和编制报表要及时得多。另一方面,在传统的会计业务处理时,会计员手误记错账是常有的事,虽说现在的财务系统也需要手工录入一些数据,但是当录入出错时系统给予提示,所以这种情况下,大大降低了数据出错的概率,即提高了会计信息的准确性。

(二)一定程度上抑制了财务信息造假在提高准确性和及时性的基础上,人工智能在会计行业中的应用还可以相对防止财务信息造假。在特定的会计核算系统下,每一位登录系统的人员都会有唯一的账号和密码,以及自己的权限,可以说分工明确,相比较传统的会计核算中岗位相容现象十分严重,尤其是在中小企业里,人工智能的应用对于职能清晰划分有助于遏制信息的人为造假。但也不是说人工智能可以杜绝财务造假,因为尽管大部分工作在系统中完成,每个人只能进行自己职能范围内的操作,但是系统终归还是由人来控制的,还无法应对管理层凌驾于会计人员之上的内部操纵现象。

(三)会计行业中传统岗位需求减少随着人工智能在会计行业的应用领域越来越广,传统会计岗位就不需要那么的职员了,这是显而易见的变化。会计电算化早在上世纪八十年代就在我国有所发展和普及,发展至今,已经商品化,为各种会计主体所使用,使得原本那些简单的会计记录和核算工作被人工智能所取代,相应的,这些岗位上的会计人员也就不再需要。

(四)会计信息安全性受到威胁目前应用广泛的各种电算化核算系统,都是以电子形式对会计主体的各种财务数据进行保存,电子存储的数据保存形式有很多优点,比如保存方便,数据容量大,便于查找和使用等。另一方面,现在的系统如果防护措施不到位很容易被黑客攻击,同时目前网络的安全性也大大降低,信息在网络传输过程中可能会被拦截,所以企业的财务信息就会被泄露出去,严重的话,还会造成重大商业秘密的外泄,给企业带来损失。

四、会计人员如何应对人工智能的“入侵”

(一)学习会计电算化处理,跟上人工智能的步伐作为一名会计人员,如果在智能时代还停留在传统会计处理方法上,那只能被时代所淘汰,这个社会本来就是优胜劣汰,新的技术方法已经产生,你没掌握那你就是被打败的那个,至少要跟上时代的步伐。国家目前对于会计人员有接受继续教育的要求,会计人员可以借助这一平台学习当前的人工智能在会计领域的应用,也可以自主的学习会计电算化的相关应用。

(二)由简单的财务会计向综合型会计人才转变虽然人工智能时代减少传统会计岗位的需求,但是随着国家近几年来对于管理会计的发展的鼓励,各会计主体尤其是企业对于管理会计的需求增加,而目前管理会计的工作是人工智能无法完成的,因为这其中涉及大量的职业判断以及包括审计业务里也是含有很多的会计估计。所以会计人员应该在人工智能时代努力学习会计其他方面的知识,比如管理会计和审计业务的内容等,掌握多方面知识,使自己成为一名复合型会计人才。

(三)以积极的视角来看待人工智能现实中有很多会计从业人员狭隘的认为人工智能可以取代他们,甚至完成他们完成不了的工作,于是乎就开始说会计行业没有前景,进行转行,而不去想着提升自己的执业能力。从以上的分析可以看出,这种消极的观点是不对的,不仅不利于会计人员自身的发展,也不利于整个会计行业的发展。五、结论总的来说,人工智能日益蓬勃的发展固然是好事,应该把此作为提升自我的动力,而不是避而远之。就会计行业而言,由于其中涉及的大量会计判断和会计估计,以及管理会计越来越突出的地位等多种客观因素的存在,所以不需要抱以一种人工智能摧残了工作岗位的态度来考量,大可不必担心会计人员的工作会被人工智能所取代,这是我们必须明确的一点。转变自己传统的职业发展观,向复合型人才转变才是硬道理。

参考文献:

[1]祝姗.人工智能与会计人员[J].财税研究,2016(15).

[2]张威.人工智能对会计行业人力资源的影响[J].财会学习,2016(13).

人工智能范文第4篇

关键词:人工智能;实践教学;吊牌识别

人工智能融合了计算机、控制学、语言学、数学、心理学、神经学等多学科专业知识[1-3]。2017年7月,国务院了《新一代人工智能发展规划》[4-5]。2018年4月,教育部印发《高等学校人工智能创新行动计划》,其核心是推动人工智能领域人才的培养[6-7]。《2020—2026年中国人工智能行业市场竞争格局及未来发展趋势报告》的统计数据显示[8],2018年中国人工智能市场规模为339亿元,增长率达56.2%,而2019年中国人工智能市场规模增长到516亿元。人工智能技术发展突飞猛进,伴随而来的是人工智能领域人才需求激增。近三年,越来越多的高校开设了人工智能专业,并在计算机、信息科学和自动化等专业开设人工智能课程,还有部分高校将人工智能课程纳入通识课程体系。但人工智能理论知识具有抽象性、复杂性和涉及面广等特点,教学过程枯燥乏味,使得学生在学习的过程中很难保持热情。如何更好地将人工智能理论知识与实践教学相结合[9-10],是本文研究的重点。本文结合笔者的教学经验,将综合性较强的案例融入实践教学,再以实践教学促进人工智能课程理论教学,激发学生的学习动力,培养学生运用相关理论知识解决实际问题的能力。

1人工智能课程教学中存在的问题

1.1师资力量不足

目前,很多高等院校开始开设人工智能专业,但能够承担该专业授课任务的教师不多,且部分教师是从计算机专业转到人工智能专业的,很多知识也是“现学现卖”,在讲授过程中很难把握好知识的难度和学生的接受程度。

1.2教学条件不达标特别是实验设备不足

人工智能专业的教学不能仅局限于软件编程和模拟实验,要想让学生感受人工智能技术的强大,必须结合实验设备开设实验项目,但部分学校没有经济实力购买人工智能教学相关的实验设备。

1.3学生存在畏难情绪学习兴趣不高

很多学生刚开始学习人工智能只是抱着一种“玩”的心态,认为学好该专业之后可以开发很多智能终端,但学了之后发现该专业的学习需要具备很好的数学基础和编程能力,这方面较差的学生慢慢会对人工智能课程失去学习兴趣。针对以上问题,课题组经过三年的教学改革实践,提出结合教师科研课题的实际案例教学方法,即以实践教学带动理论教学,激发学生的学习热情,解决暂时的实验设备不足的难题,同时也可以带动和培养一批年轻教师加入人工智能课程的教学和建设中来。

2“吊牌识别”案例教学在人工智能课程实践教学中的实现

“吊牌识别”案例教学在人工智能课程实践教学中可用8~12学时来完成,也可以作为课程设计的选题。本文简单介绍了该案例的组成模块和操作流程,重点介绍了案例实现的两项核心技术。

2.1组成模块介绍

“吊牌识别”案例可实现对吊牌、洗水唛的自动检测,与现实生活中学生常见的文字、卡牌和文本管理数字化等识别方案有相似之处。该案例涉及图像文字识别技术、嵌入式开发、深度学习等方面的知识,具体模块划分如表1所示。2.1.1模式选择模式选择模块包括3.5寸串口屏、免驱USB2.0索尼IMX214高清1100万像素20帧自动对焦拍照摄像头模组、英伟达JETSONNANO嵌入式开发板。2.1.2输入单元输入单元至少包括一台摄像机、照相机、网络摄像头、数字化图像设备或具有摄像功能的智能终端,在处理单元的控制下对传入的图像做判断处理,判断传入图像的清晰度和文字区域有无遮挡,再将其传递给处理单元。2.1.3处理单元处理单元包括图像预处理模块、字符比对模块和字符识别模块。在图像预处理模块中对输入的吊牌、洗水唛图像进行预处理,提取包含文字信息的文字图像;字符识别模块利用文字识别技术提取图像中的文字信息。2.1.4输出单元处理单元控制输出单元将匹配结果显示在屏幕上,并给出相应的错误提示。

2.2实施过程

选择具体的对象后,操作人员将吊牌或洗水唛整齐放入检测器规定的物料槽内,检测器上的摄像头将自动、不间断地获取待检测对象的图片,并将获取的图片发送给输入单元处理。输入单元对接收到的目标图片进行清晰度判断和噪点判断,如图1所示。若摄像头获取的对象图片没有达到设定的清晰度阈值和噪点阈值,系统将在自动丢弃本张图片后重新获取物料槽内的对象信息并进行判断。然后对通过判断的图片进行灰度化、降采样、高斯去噪、二值化、旋转、裁剪等预处理,如图2所示。图像预处理模块将预处理后的图片发送给字符比对模块和字符识别模块进行文字识别与文字比对。识别信息与比对结果被发送到输出单元并通过显示屏显示出来。比对结果包括两种,一是识别结果正确,匹配成功,如图3所示;二是识别结果错误,匹配失败,如图4所示。如果匹配失败,系统会在显示屏的右下角显示出具体的错误类型,如获取的吊牌颜色信息为110,数据库中储存的该吊牌颜色信息为150,则在提示信息阶段,系统会在显示屏的右下角提示:color。

2.3核心技术

2.3.1图像文字识别方法。通过教学,要让学生了解目前最流行的光学字符识别(OCR)技术。吊牌及洗水唛上的文字可能存在不规则形状字体,这里的不规则形状字体是因透视变形、文本位置弯曲等因素造成的。因此,在识别文字信息时需要先获取待识别对象对应的有效图像信息,这便需要用到OCR技术。另外,还要让学生重点掌握图像信息预处理操作(核心技术有灰度化、降采样、高斯去噪、二值化、旋转、裁剪),这些教学内容通过两次实验完成,每项教学完成后教师要对比实验结果是否达到预期效果。2.3.2文字识别模型。文字识别模型采用特征金字塔网络提取有效图像中的特征信息。其工作原理是:将特征信息输入区域生成网络中,生成所述有效图像对应的目标文本候选框的特征信息;将目标文本候选框的特征信息输入快速区域卷积神经网络中,根据目标文本候选框的特征信息,使用分类器对目标文本候选框进行分类;使用所述文本分割网络对目标文本候选框中的目标文本进行字符分割、实例分割及假阳性排除;采用基于注意力机制的序列到序列网络对分割后的字符和实例进行识别,得到识别结果;采用重建网络对识别结果进行整合,得到所述有效图像信息中的所有文字信息。教师在教学过程中可以结合文字识别模型帮助学生加强人工智能课程中深度学习理论知识部分的学习。在以往的教学中,这部分内容学生总是很难听懂,因为深度学习理论知识所涉及的公式复杂、知识点多、技术较新。结合实际案例进行讲授,能够让学生更容易理解和接受。

3结语

人工智能范文第5篇

摘要:目的:探讨人工智能(AI)在年龄相关性黄斑变性诊断中的影响因素。方法:选择2018年1月1日—2019年12月31日在我院筛查且已诊断明确的年龄相关性黄斑变性的100张眼底照相,由AI进行解读。按照位置、对焦、准确、曝光程度、睫毛伪影、中心暗影、周边暗影等对眼底图像进行质量评价,分析眼底图像质量与AI诊断准确性的影响。结果:在现实应用场景中,100例黄斑变性图像,其中拍摄位置不标准为最常见问题占30%,其次为边缘漏光,占27%,现实场景中AI诊断阳性率86%,AI诊断正确率与眼底照相周边是否有暗影具有统计学相关性(P<0.05)。结论:在现实应用场景中AI诊断正确率受眼底图像质量影响,改善眼底照相拍摄质量是提高诊断准确率的重要途径。

关键词:人工智能;黄斑变性;眼底照相;图像质量

年龄相关性黄斑变性(AMD)是发达国家年龄超过50岁人群不可逆转视力丧失的主要原因[1]。AMD疾病逐渐进展,从早期和中期,几乎没有或仅有微妙的视觉变化,最终患者会发生中心视力损伤,早诊断、早干预是防治AMD的重要手段。多种因素参与AMD的疾病进程。多项国内外研究发现,年龄、性别、种族、遗传等是AMD发生的重要影响因素[2]。目前,人工智能(ArtificialIntelligence,AI)基于医疗数据的深度学习已经在眼病领域进行了一系列探索。2016年初,GoogleDeepMind与英国国家健康体系(NHS)开发了一款用于辅助医生快速查看血液测试结果的软件,以辅助决策并提高效率。同年JAMA刊登了gulshan团队研究成果,通过深度学习,AI辅助的软件系统对眼底病检测准确率96%[3]。2018年我国张康团队在Cell刊文,开发出诊断眼病和肺炎的AI系统[4],主要对糖尿病性视网膜病变进行AI辅助诊断。AI已经被应用于老年黄斑变性的检测中,其原理是能够通过观察眼底图像所呈现的玻璃膜疣及视网膜微血管病变体征等,实现对AMD玻璃膜疣的自动检测和量化系统,能够对疾病的客观记录描述,帮助识别和分类AMD患者。目前,相关研究集中在玻璃膜疣的诊断准确率和敏感度的提升方面[5]。但AMD是一个长期、慢性进展的过程,病情复杂,现实场景中的眼底照相质量并不均一,往往受限于场地环境、设备以及受培训人员的技术水平,在真实世界实际应用场景中,获得完美的照相质量相对困难[6],从而影响人工智能辅助诊断。笔者拟通过此次研究,探索图像质量的差异与AI诊断准确率的关系,寻找影响诊断的主要因素,改善医疗技术,进一步提高AI的诊疗准确性,从而提高医疗服务质量。

1资料与方法

1.1一般资料选择2018年1月1日—2019年12月31日在我院筛查的100例年龄相关性黄斑变性患者。本研究经本院医学伦理委员会批准。

1.2仪器与方法对100例患者进行眼底照相,由AI进行解读,对诊断的正确度进行评估。按照位置、对焦、准确、曝光程度、睫毛伪影、中心暗影、周边暗影等对眼底图像进行质量评价,分析眼底图像质量与AI诊断准确性的影响。前期研究已经对社区医疗诊疗环境进行整合,保证眼底图像采集人员采集统一规范标准。对眼底图像仪器进行统一。对眼底图像进行分类,由AI进行解读,收集报告内容,对诊断的正确度进行评估。

1.3观察指标及评价标准所有纳入样本患者的影像资料均由高年资主治医师审核,并进行OCT图像的验证,确认黄斑病变,与眼底图像进行印证。对患者图像资料质量进行标准分类,包括位置的准确性、对焦是否准确、曝光过强、曝光过弱、镜头污渍、睫毛虚影、边缘漏光、黄斑区暗影、周边暗影、整体影像模糊。根据AI的判定结果分析图像质量与AI评价准确度的关系。

2结果

2.1图像效果分析100例黄斑变性图像,其中拍摄位置不标准为最常见问题占30%,其次为边缘漏光,占27%,未发现镜头污渍表现,未发现过度曝光。

2.2AI诊断正确度与图像质量的关系现实场景中AI诊断阳性率86%,AI诊断正确度与眼底照相周边是否有暗影具有统计学相关性。AI诊断阳性率85%。见表1。

3讨论

年龄相关性黄斑变性(AMD)是一种潜在进展性黄斑病变根据。临床特征可以分为早中期AMD和晚期AMD,早中期主要表现为玻璃膜疣(视网膜下由脂质和蛋白质组成的黄表1AI诊断正确度与图像质量的关系判读正常判读错误比例(%)P位置正确63770237300.114对焦不准1018514991.000曝光过强0曝光不足183216811791.000镜头污迹0睫毛伪影4158213950.537边缘漏光234276310731.000黄斑暗影1018514991.000周边暗影14620728800.032整体模糊6068014940.591总体861486色沉积物)和黄斑区色素改变,通常视力正常或接近正常。晚期则出现中心视力下降或丧失。晚期AMD又分为两型:地图样萎缩(或者称为“萎缩性”或“干性”AMD)和新生血管性AMD(或者称为“湿性”或“渗出性”AMD)。地图样萎缩是黄斑的慢性进行性变性;变性开始于视网膜色素上皮水平,在后期随着相关的视网膜神经感觉层变薄和变性,出现视网膜色素上皮丢失。脉络膜新生血管是指从眼睛血管层(脉络膜)到视网膜神经感觉层的血管异常生长。较小的玻璃膜疣(<63μm,也称为drupelet)是正常的老化改变。中等大小的玻璃膜疣(≥63μm至<125μm),不伴色素改变,则称为早期AMD。较大的玻璃膜疣(≥125μm)或至少中等大小玻璃膜疣伴色素改变,则为中期AMD。正常老化改变5年进展为晚期AMD的风险为0.5%,而中期AMD则为50%。此外,现在认为网状假性玻璃膜疣(在光感受器和视网膜色素上皮之间形成的小玻璃膜疣样沉着物)是两种晚期AMD形式的前驱病变。年龄性黄斑变性的显著诊断特征为AI辅助提供了充分条件,AI在经过足够的深度学习后,能够对这些显著特征进行区分,即能够对其进行高效识别诊断。但在实际使用中,还有更多细节优化需要注意。研究发现[7],在现实场景应用中,AI诊断正确性与图片的采集质量密切相关。

其中周边暗影是影响诊断质量的重要指标,眼底照相采集的眼底各结构位置也可能具有一定意义。眼底图像周边暗影影响了AI的判断[8]。周边区暗影因为在拍摄过程中患者瞳孔过小或者不配合导致的,往往合并位置异常及中心区暗影,影响了细节的定位及判断,导致了机器判读困难。改善这类问题导致的眼底照片判断误差,解决方法之一是发现此类问题,这需要对该类人群进行散瞳处理,执行标准化操作,另外还需要对软件进行进一步的优化分析。图片是否按照标准位置拍摄是影响AI现实应用的重要的指标,主要以视盘和黄斑区的纳入为主要指标[9]。院内检查多以散瞳对病情进行确认。但社区大规模筛查中,考虑到散瞳的风险及检查人员的培训限制,免散瞳眼底照相成为趋势。这也导致在常规操作中,很难获得一张完美的图像,尤其免散瞳眼底照相更难达到相应要求。现实场景的图片缺失或者缺损部分图像细节,AI以此进行解读,可能会干扰判断准确性。虽然本研究在统计学上并没有发现二者的相关性,但检验水平还是提示位置偏倚可能存在潜在的影响。通过培训来改善获取的图片质量,可能会有益于AI准确度的提升[10]。黄斑区暗影并未显示对AI判读准确率的影响,这体现了AI比人眼的优势,显然临床医生更关注黄斑中心区的结构变化,在肉眼不能分辨的情况下,而AI能够较好地判读,进一步给医生提供了诊疗信息,充分体现了AI的优势。

在眼科学中,基于视网膜图像的自动筛查(automatedscreening)早已成为AI靶标,为眼科视网膜病变的筛查注入了新的活力[11]。但以上诊断的基础往往以完美的眼底图像进行诊断训练,并没有完美实现对现实场景的呈现。现实场景中诊断正确率受多种因素影响,本文主要针对图像质量采集进行了研究分析。本次研究主要样本量较小,这一定程度上造成了结果的偏倚。另外患者的全身情况会对图像判读产生重要影响[12],但本文中并没有涉及。研究侧重图像质量与AI判读之间的关系。对图像进行质量的分类是一个极其重要的问题,这能促进AI在实际临床应用中的准确性。这也需要专业人员投入一定的精力对实际图片进行多维度的分类,这样能更好地训练AI的临床实际应用。单一图片的判断可能并不准确,目前更多研究开始注重多重图像联合的AI研究[13]。除了AI在眼底照相图片中的应用以外,应用于OCT的卷积神经网络(ConvolutionalNeuralNetworks,CNN)能够成功地区分晚期AMD或糖尿病性黄斑水肿(DiabeticMacularEdema,DME),为多模式诊疗策略提供了可能[14]。AI目前在正常的眼底图像诊断中发挥了重要的助力,但在现实场景中,存在较多非标准图像,AI诊断的准确率不可避免地下降,这需要针对不同的情况,做好眼底照相的质量控制及AI诊断技术上的改善和调整。

作者:胡钦瑞 王丽婷 王斌 李扬 单位:福建省眼表与角膜病重点实验室 厦门大学附属厦门眼科中心

人工智能技术分析2

思想政治理论课是落实立德树人根本任务的关键课程。长期以来,高校思政教师和教育工作者为了提高思政课教学效果进行了不懈的努力,各个高校的思政课上都运用了多媒体、智慧教室等各类信息技术,但总体而言主要是教学工具的提升,而教学模式没有发生根本性的变化,多数高校仍然以插秧式排列、灌输式教学为核心途径,社会生活中各种丰富多彩的手段和模式难以运用到思政课中。近年来人工智能的飞速发展已经极大地改变着人的交流模式,高校思政课教师也应及早准备好迎接人工智能所带来的机遇和挑战,更加有效地承担起立德树人的历史重任。

1高校思想政治理论课改革的技术化路向

高校思想政治理论课效果不够好是一个长期困扰高校教师和相关部门的重要问题。多年来国家有关部门和高校教师都采取了各种方案、尝试了多种手段试图走出困境,但总体而言并未取得根本性改善,课堂效率不高的困境依然存在。在传统教育时代和信息化教育时代,高校思政课教师与思政工作者尝试了各种方法来提高思政课的实效性,取得了重大的进步。其中进步最明显、最容易被人们注意到的就是“以科技手段提高课堂效率”的方式,将各种信息化技术引进课堂,确实在一定程度上改善了教学效果。

1.1高校思政课堂改革技术化路径的形成高校课堂从科技要效率的历史来源已久:十一届三中全会后,邓小平同志就强调教育要现代化;上世纪八十年代国家就大力推进教育电教化;从上世纪九十年代末,由于计算机技术的飞速发展与大规模应用,教育部门和各类学校开始大力推进信息化;新时代以来,由于各类人工智能技术的发展与运用,高校开始推进人工智能进校园,建设智慧校园。各个高校大量应用电脑和多媒体技术,将粉笔黑板换成了投影和PPT,将语言描述较为复杂的东西转换为图片和动画,使得学生易于理解,客观上信息传递效率取得了较大的进步。但是这样的效率提升仍然是单向、基于灌输式的教学方式而言的。在这种场景下,教学效果的提升最重要的并不在于这种单向信息传输的效率如何,而是取决于学生对信息接收、理解和认同的程度。对于高校和教师而言,学生对信息的接受与处理是一个调动学生主体性因素的问题,这恰恰是他们最为费力而又难以衡量的,最为便捷易见的方式就是提高信息化手段和单向信息的传递效率。“忽视了那些能从根本上变革教育的新理念、新思想以及新技术环境下学习方式和教学方式等其他教育要素的创新”,高校思政课效果没有展现出预期的提升几乎是必然的。

1.2高校思政课堂改革技术化路径的深化近年来,不少学者提出向信息化要思想政治教育实效的口号。有人认为以信息化管理平台为载体,能够提升大学生思想政治教育的实效性。有人认为思想政治教育信息化不仅是教育手段上的变革,而且改变了信息传递的方式,从而提高了思想政治教育的实效性。也有人认为信息化技术通过提升受教育者的认识水平、个体发展和心理需求等方式实现了思想政治教育的功能。还有人认为计算机辅助教学和辅助学习很大程度上提高了上课效率,互联网时代以来的各种网络技术进一步提高了学生的参与度和融合度,从而提升了课堂效果。但是,还有不少学者认为这种以技术手段突破思政课教育困境的路径是不成功的,重教学形式创新、轻教学内容改革的方式难以改变高校思政课的困境,信息化、技术化并未从根本上改变高校思想政治理论课的传统教育模式,“以知识教育作为思想政治教育的主要内容,以规训式教育作为保证教育实施的手段”,教学仍然以教师为中心,单一的教学环境和单向的信息传播方式并未改变。甚至有学者认为信息技术并没有真正改变传统教学,反而是传统教学模式利用信息技术固化了自身。总体来看,思政课“以科技求实效”的改革路径并未取得满意的效果,那么这种路径是在人工智能时代是否还可行、人工智能能否为高校思政课带来重大的变化,这取决于人工智能的特性能否契合教育变革的要求。

2人工智能适宜于思政课教学的技术特征

2016年人工智能系统AlphaGO击败了人类围棋世界冠军李世石,极大地震动了世界,人们怀着复杂的心情迎接人工智能时代的到来。人类每次科技的迅猛发展都会不同程度上对教育产生深远影响,被视为颠覆未来社会的人工智能必将对高校思政课产生冲击。纵观人工智能60多年的曲折发展历程,实现了从“不能用”到“可以用”的跨越,但是距离“很好用”还有巨大的差距。有学者将今天的人工智能分为专用人工智能和通用人工智能,有的也分为弱人工智能、通用人工智能、超级智能和强人工智能四种类型。无论怎么分类,当前及近十年内能够实现的还是弱人工智能或者说专用人工智能。迄今为止所有的人工智能都是模拟实现人类智能中的确定性范畴,尚未真正涉及人类具有不确定性的主观活动。人工智能发展到今天,其优势和缺陷都非常明显,对高校思政课教学来说也各有利弊,总体呈现出以下特点。

2.1自主性、单一性这里的自主性是指人工智能不需要人工干预而自我决策和行动的能力。有专家认为,下一代的人工智能甚至会具有自主编程能力,意味着机器获得了自己的智力,获得了完全的自主性,这个时刻被称为“技术奇点”。但有的人工智能专家认为甚至认为“技术奇点”永远也不会到来。尽管今天的人工智能表现出一定的自主性,但仍然无法承担两个以上类型的复杂任务,这就表现出单一性,即人工智能所能完成任务类型的唯一性。当今人工智能已经应用到社会生活的诸多方面,但非常明显的是,完成这些任务的人工智能都是专用型人工智能,尚未出现能够完成多种任务的人工智能。尽管如此,高校人工智能的发展也正推动高校从数字化校园向智慧校园的转变,将对高校思政课和思政工作产生重要影响。

2.2高效性人工智能本身就是为了解放人类的体力和智力而产生的,针对特定的任务都具有操作简单的特性。“当下的人工智能,主要适用于标准化、规范统一的领域。”人工智能的优势是善于处理重复性高、单调而繁琐的任务,善于从大量类似材料中筛选符合人类需求的信息,使人类从繁重、单一的体力劳动和脑力劳动中解放出来;在某个专门的细分领域,人工智能可以整合该领域所有专家的明确知识和经验,通过海量信息的对比和筛选,呈现出比人类智能更高的效率,具有重要的辅助决策功能。另外,目前智能手机中的导航、购物和衣食住行有关的APP等大多都运用了人工智能技术,使用简便快捷,只不过人们往往对人工智能“存在一种’淡出视野’的习惯”,一旦理解了它们的自动原理,就不再将其视为人工智能,“而将之视为主流计算的一部分”,实际上它们的确是高效的弱人工智能。

2.3泛在性所谓泛在性就是“无处不在、无时不在”。人工智能发展到今天,可以说“只要有人涉足甚至只要人想涉足的地方,都会有人工智能的用武之地”。一切电子信息设备和电气化设备都是人工智能存在和利用的载体。信息时代的大学生在校园里生活时,从宿舍、食堂、图书馆到教室、超市、办公楼,都有各类电子设备记录学生的行为而产生大量数据,但是这些数据在人工智能时代以前是沉睡的冗余数据,并大多数是互相独立的“信息孤岛”,而人工智能及其所依据的大数据技术就可以唤醒这些数据,将其变成“金矿”。它可以根据这些数据来分析学生个人的生理和心理状态、生活习惯、家庭背景、个人嗜好、个性特征、思想倾向、社交倾向、群体价值倾向、甚至学生自己无法意识到的隐秘诉求。人工智能就如同一个睿智的幽灵在全天候的观察学生并进行判断,时刻为他们思考和服务。

2.4精准性信息时代的技术是普适性的,它不针对用户进行自我调整,也不因为用户的不同而产生数据处理方式和结果的差别。但人工智能可以自动针对用户的特性进行数据处理过程和结果的调整。它通过算法对用户数据进行处理和过滤,并将整理过的数据适配成符合使用者的个性特征的新闻、视频或其他数据资源,甚至可以主动对使用者或潜在使用者进行内容推送。人工智能这样生产出来的信息是高度个性化的甚至是唯一化的,具有高度的信息精准性。这样,人工智能时代人与人的沟通可以由于技术的先进性、数据的共享性而更加容易实现。

2.5算法歧视人工智能的本质是算法,但算法本身并非是一种完全价值中立的科学活动,而是总与特定的价值立场相关,蕴含着价值判断。当前的诸多人工智能在初始阶段往往需要自己搜索或者人类“喂”给它大量数据,尤其是对于人类辨认方便但机器辨认困难的任务需要人机协同的方式对数据进行标签,进而“教会”它如何处理此类问题。在这个过程中,算法本身的设计可能带有的潜在歧视倾向,或者是人工智能的训练数据所自带的歧视倾向都会导致算法歧视。如果人工智能性用品开发商为了更好地取悦男性而大量采集机器伴侣反馈的数据,进而加强算法的歧视性以改进机器伴侣的行为,会对两性关系和社会发展产生巨大的负面影响。

3人工智能应用于高校思政课的挑战

和历史上的任何技术变革一样,人工智能技术的大规模应用必然促进社会的巨大进步和相应的弊端,高度需要以科技化方式提升课堂效率的高校思政课势必面临着大规模运用人工智能技术的诱惑及其带来的挑战。高校思政教师和思政工作者首先要深刻认识人工智能的负面效应才能对其警惕和防范。

3.1局限性挑战人工智能的自主性和单一性也就带来它的局限性。尽管人工智能在它所擅长的领域远远超过人类的能力,但“迄今为止,所有人工智能算法和应用,都还属于弱人工智能范畴”。当前与未来一段时间内,人工智能难以胜任需要靠人的默契完成的任务,它往往涉及人的常识、灵活性和判断力。人们将具有类似人类心灵活动能力的人工智能的希望寄托在遥远的未来的通用人工智能身上。这对于高校思政课师生而言,人工智能在很长时间内只能作为师生学习的辅助手段,起到查阅资料、推送内容、匹配需求、提出可能性方案的智能助手作用。

3.2职业淘汰效应人工智能的这种高效性带来了巨大的便利、提高了社会生产力,但同时也淘汰大量的职业引发失业,最近这几年银行柜员被金融人工智能大量淘汰转岗就是这样的典型案例。有学者认为未来十年内,诸如翻译、助理、销售、客服、会计、司机、家政等工作将大部分被人工智能所取代,约50%的工作会受到人工智能的影响。2013年牛津大学的研究人员提出未来20多年内,美国将有47%的岗位受到人工智能的影响,人工智能时代的生产方式把人从具体的生产过程中解放出来,实现生产的无人化,必将对人与机器、人与人之间的关系产生深远影响。“随着人工智能技术的广泛应用,人类社会的失业现象将不再局限于体力劳动行业……几乎所有体力劳动与大部分基础智能劳动被取代,人类能发挥价值的劳动就只剩下创造性劳动了。”这种趋势会引起大学生思想和行为发生巨大变化,他们的学习兴趣也会趋于人工智能难以取代的创造性专业。今天很多大学还在大量招生的基础智能类专业和体力劳动专业会逐步失去市场而淘汰,这种情形必将反过来影响高校招生和学校建设,高校思政教学过程中也必须体现出这种创造性、前瞻性的思维建构。

3.3信息茧房效应人工智能精准的内容筛选与信息推动方便了人们对意见相似者的交流和沟通,但同时也可能因为同类个性偏见的强化而让不同群类的人们更加难以互相理解,甚至可能形成“茧房效应”———人们由于“同质性(人们偏爱与自己相类似的人)趋势导致许多人会结交或追随他们愿意相信的人,并且不愿意结交与他们观点相左的人”。在人工智能的帮助下人们筛选出符合自己偏好的、强化自身信念的信息,进而导致自身观点的僵化,结果人们类似于生活在一个“过滤器茧房”中。在人工智能条件下,思政课教师对学生运用人工智能而导致的这种助长偏见的情形进行引导和纠正就更加重要。如何协同思政工作者、学生群体和人工智能一起组成的“思想政治教育共同体”对价值观有偏颇的学生进行正确的引导和纠偏成为思政课教师在人工智能时代的重要课题。

3.4隐私危机尊重个人隐私是现代社会良好运转的重要规则之一,而人工智能的泛在性使其具有侵犯个人隐私的巨大可能,隐私保护甚至被有的学者称之为“隐私危机”。“隐私不只是人类尊严的基础,也是所有其他人权的基础,没有隐私权,其他权利就无从保证,就根本谈不上自由、民主和平等。”信息时代的隐私问题往往是如何收集、使用信息的问题,它不涉及信息主体本身的伦理,它对隐私的侵犯是主要是人对信息的使用方式。人工智能可能从隐私的直接监控、隐私获取、个人画像和隐私承载与使用等方面产生隐私危机,尤其是它本身需要采集人类行为数据的存在性需求与个人隐私保护之间就产生了尖锐冲突,采集个人数据如何获得授权和不被滥用已经成为人工智能领域非常尖锐的伦理问题。更为严重的是,新一代人工智能可以通过人的行为的大数据分析和心理生理特征(包括脑电波的读取)的读取,未来“人们任何所思所想都将完全地反映在机器中,人类的思维隐私将不复存”。高校智慧校园人工智能系统将需要对大学生上课、休息、就餐、运动、购物、社交等日常生活数据进行采集,甚至可能需要对学生的指纹、虹膜、面部数据甚至DNA数据进行采集分析,那么大学生在多大程度上允许这些数据的采集和应用将是一个非常现实的高校伦理问题。

3.5电子人格与法律主体缺陷所谓人工智能的道德主体问题就是否赋予人工智能一定或者完全“电子人格”的问题。与大学生贴近的一个伦理问题就是机器人伴侣问题。世界性用品商正努力将最先进的人工智能投入到性用品领域,青春期的男大学生邂逅外形美丽的机器人伴侣、女生购买一个帅气的男性伴侣机器人绝不是一个浪漫的未来故事,而是即将会对大学生产生重大的生理、心理和伦理的影响的现实趋势。这在男权社会背景下,将使男性对女性产生何种潜藏的精神暴力甚至人身威胁、至少是物化女性的思维已经不仅仅是一个思辨中的伦理问题,而是一个悄然成形中的现实痈疮。更为棘手的是,诸多潜藏人工智能犯罪的隐患点正大量出现,具有自我学习能力越来越强的人工智能正飞速发展,其带来的法律主体及预防犯罪问题开始对人与人工智能之间的法律关系提出了挑战,而智慧校园场景下的人工智能如何合理合法地为师生服务开始逐步成为高校思想政治工作者苦恼的来源之一。总之,人工智能是一个已经走进现实且日益飞速发展的技术,对人类社会的影响越来越显著,高校思政课教师必须对此未雨绸缪,及早应对人工智能时代的新挑战、新问题。

作者:洪巍城 周治邦 单位:桂林理工大学马克思主义学院

人工智能技术分析3

一、问题的提出

随着时代的发展和科技的进步,人工智能在近年来得到了迅猛的发展,其所涉及的范围越来越广、进入的行业也越来越多。从目前而言,人工智能在我国已经涉及到多个行业和领域,其功能在不断地进行丰富与完善。从“阿尔法围棋(AlphaGo)”战胜多名围棋高手开始,人工智能被大众所关注,到微软人工智能“小冰”生成的《或然世界:谁是人工智能画家小冰?》,已于2019年在中央美术学院美术馆举行首个个展,[1]人工智能的智能化有所提升,涉及的领域也发生了改变。人工智能从服务领域逐渐开始转向输出其创造物时,除了微软人工智能“小冰”以外,人工智能还能够谱写歌曲、绘画、生成诗篇散文等。这就带来了一个法律问题:人工智能创造物是否属于作品,能否受到著作权的保护?

二、人工智能创造物著作权之否定

(一)主体适格性分析

1.人工智能仍未超越“工具”角色从思维能力角度看,人工智能的地位超越了物的概念,但从工具论角度,人工智能依然未能摆脱为人类服务的“工具”角色。[2]尽管人工智能所涉及到的行业和领域在不断扩大,其对人们日常生活的影响越来越深入,但是从本质上来说,为人类服务仍然是创造人工智能的目的与角色定位,并未脱离这一角色,而处于一个与人类平等的地位。随着科技的发展进步,人工智能的智能程度不断提升,具有了相较以往而言更强的学习能力,但这并不能直接推断出其创造物属于作品。人工智能归根结底还是一个为人类所利用的工具,人工智能能够通过对大量数据进行分析,从而寻找到事物的规律。这种性能在数据处理方面非常占优势,但其背后所依赖的仍然是人类所设定的程序。尽管人工智能能够进行创造,但是其创造也是根据人所设定的程序,究其根本仍然是人类的“工具”,人工智能本身是不具有自主意识的。除此之外,人工智能是由人类所创造的,其从产生之日起就具备人造性,这一属性就意味着人工智能要受到人类的制约,其所创造之物只能看作是人类意识的衍生,而非其创作。

2.人工智能不具备创作意图著作权法确定对象保护体系须以一定的价值基础来构建。构成作品并不以表现形式为唯一依据,还要结合内在价值判断,否则作品的范围将过于宽泛。创作意图是创作过程中能够体现人类智力的核心要素,其是将特定思想转化为与之对应的具体表达的一种主观意愿。在这一过程中,具有创作意图之人,需要对具体表达性内容有具体的预期。如果某一主体对形成的表达没有预先的认识,则不能称其为具有创作意图。创作意图是著作权中的一个重要因素,尽管这一内容没有被明确规定于《著作权法》当中,但是可以从条文中得到印证。但从司法实践来看,证明创作意图是存在一定的困难的,作者的内心真意难以通过作品得到直观的表现,但这并不影响创作意图在著作权认定中的地位。根据智能化的程度不同,人工智能可以分为弱人工智能和强人工智能,但无论是哪一类人工智能,其都未曾拥有自主意识和自主能力。人工智能依靠其强大的数据处理能力,能够在更短的时间内处理更多的信息,并根据数据作出最优的处理结果。从人工智能的运作模式就可以看出,其主要追求的是以最优路径生成有关内容,而人类创作更倾向于展现丰富多彩的内心思想,二者存在根本性的差异。

3.人工智能不符合现有法律框架我国《著作权法》在立法基本理念上趋近于作者权法系,因此判断独创性时还要考虑相关内容是否属于人类完成的智力成果。将法人、非法人组织纳入著作权客体有以下两方面的原因:一是社会发展对著作权主体提出了新的需要,且法人、非法人组织财产独立,可以独自承担相应的责任;二是法人、非法人组织从根本上看还是自然人的延伸。人工智能要想被纳入著作权主体,首先需要解决的就是财产独立的问题。正如上文所论述的,人工智能不具备自主意识和自由意志,也就是说,人工智能是没有独立的财产用以承担责任的。从这个层面看,人工智能是无法被纳入著作权主体的。再从另一个角度进行分析,法人、非法人组织从根本上可以看作是自然人的延伸,而人工智能则与自然人的关联没有那么密切,其在被创造出来以后就与自然人失去了联系。除此之外,从责任追究角度分析,在对法人、非法人组织进行追责时,最终责任会落实到自然人。人工智能从本质上看属于数据代码,在对其进行追责时可能会产生一些问题。就现有的知识产权法律框架而言,人工智能运行的基础是人类输入的代码或者算法,因此难以将人工智能的客体身份进行转化,无法将其认定为著作权主体。[3]

(二)法律及市场角度分析

1.法具有稳定性人工智能创造物是新兴事物,其出现引发了法律方面的讨论,但并不意味着所有新兴事物都需要新的法律来对其进行规制。从法的稳定性的角度来看,当现有的法律体系能够解决新兴事物所带来的法律问题时,就没有必要为其专门设定新的法律。人工智能创造物所带来的著作权方面的问题能够被现有的法律体系所容纳,其原因主要在于对人工智能创造物进行著作权保护,归根结底是保护人工智能背后的人的利益,这一利益能够得到现有法律良好的保护,对其进行额外规定缺少必要性。有学者主张人工智能虽然现在还不具备创作的能力,但是其发展非常迅速,未来可能会具备著作权主体资格,法律应当将其考虑在内。法学研究的目的是解决现实问题,可以进行前瞻性的研究,但是这种研究必须要在现实可能性的基础上,否则这一研究就是一种空谈。[4]人工智能究其根本还只是人类工作、生活中的工具,不能够独立创作,也不能将其归为著作权主体。目前没有依据能够确定人工智能未来的发展情况及发展方向,法律提前进行规定是没有必要的,同时这样制定出的规则也缺少应用的现实基础,失去了法律本身的意义。

2.市场稳定运行的需要还有学者主张,人工智能纳入著作权主体能够激励创作,促进创作领域的发展壮大。从市场经济运行规律来看,社会必要劳动时间决定了商品的价值链,当所有生产者的社会必要劳动时间处于同一水平线时,能够以更短时间产出更多商品的人将会获得更多的利润,从而在市场中生存下去。人工智能与人类相比,其最大的优势在于创作速度快、创作成本低。人工智能可以凭借良好的算法快速地进行“创作”,且在成本消耗方面远低于人类创作。如果人工智能能够作为著作权主体进入创作市场,那就意味着有大量作品的涌入,且在价格方面还具备优势,这对创作市场是一种巨大的冲击。当作者消耗大量精力创作的作品市场被人工智能创造物所抢占时,必然会影响作者创作的积极性,从而影响到创作市场的正常运作,并不能起到鼓励创作、促进创作市场发展的预期目的。

三、人工智能创造物作品的独创性否定

(一)作品独创性的认定标准

有一部分学者指出,现有著作权制度始终将人类视为独创性的唯一主体,以人为关注点的判断标准没有真正从客观角度出发认定独创性,固有的标准难以应对人工智能创作物带来的法律争议,从主观主义出发制定的标准已经难以适应新传播途径带来的各类冲突,长此以往将不利于激发社会的创新潜力和创造能力。笔者对这一观点持反对态度,独创性的评判并不仅仅是从主观角度进行,主观分析只是对其进行评判的一个方面。随着新兴事物的不断涌现,司法实践中确实存在独创性认定标准不一和认定困难的问题,但人工智能创造物与游戏直播、电影解说等存在差异,其主体属于人工智能,而人工智能现在还处于弱人工智能时代,不具备独立的意识和独立的财产,与人或者法人存在根本性的差异。如果仅从客观主义的角度对作品进行评判,作品独创性的认定标准将过于简单,从而导致作品泛滥,甚至于动物所拍照片、动物的画作等都可被认定为作品,这将对著作权的保护和作者的合法权益产生极大的影响。[5]

(二)对人工智能创造物的独创性之否定

1.内容的独创性人工智能可以根据需要对素材进行自由的选择与提炼,通过多种途径对搜集到的素材进行加工整理,最终形成其创造物。仅从内容的角度来看,人工智能创造物确实具有与其他作品相区别之处,可以从内容上认定为具有独创性。但是对于作者独立创作完成作品这一要求,笔者持否定态度。迄今为止的人工智能只能按照人类预先设定的算法、规则和模板进行计算并生成内容。[6]人工智能能够产生创造物,究其根本,仍然是有赖于已经设置好的编码,其行为最终要归属于人的行为,人工智能的创造行为能否被认定为独立完成还有待商榷。因此,难以认定人工智能创造物具有独创性。2.作者的个性表达有学者以人工智能生成的小说未被评委发现的事实推论出人工智能创造物的智力创造水平达到《著作权法》中“最低限度的创造性”标准。[7]这一观点是存在问题的,且不论以这一事实进行推论是否具有逻辑上的可行性,对作品独创性的认定是一个综合性的过程,并不是仅仅考虑是否达到了《著作权法》中的“最低限度的创造性”。同时,创造性更多考虑的是作者的个性表达,从事实层面看,人工智能创造的作品确实具有独创性,但是人工智能作为机器,从目前而言,其无法进行情感与个性的表达。除此之外,通过读者阅读人工智能创造物而产生的情感体会来反证人工智能具备个性表达能力的推论是站不住脚的,读者的情感体会是人类阅读时产生的情感,与人工智能是否具备个性表达能力无关。[8]

四、结语

人是宇宙的精华,万物的灵长,人的创造性思维是创作过程中必不可少的要素。人工智能的智能程度与学习能力虽然有了较大的进步,但其终究还是没有获取自主意识和自由意志,更重要的是,人工智能无法依靠创造性思维进行创作,其所依赖的不过是由人类设定好的程序。这也就说明了:保护人工智能创造物的目的不是保护冷冰冰的机器,而是保护机器背后付出了智力劳动的鲜活的人。[9]人工智能创造物的商业价值并不符合著作权法本身的价值预设。而根据表现形式将人工智能创造物看作作品,一方面无视了人工智能作为著作权主体的不适格,另一方面则是没有认识到著作权保护对象体系。在看待人工智能创造物时,应当在把握规则的前提下,从整体的角度出发。只有这样才能看到问题的本质,从而得出正确的结论。

参考文献

[1]蒋肖斌.人工智能办画展,你们人类颤抖了吗[N].中国青年报,2019-07-16(8).

[2]易继明.人工智能创作物是作品吗?[J].法律科学(西北政法大学学报),2017,35(5):137-147.

[3]梁志文.论人工智能创造物的法律保护[J].法律科学(西北政法大学学报),2017,35(5):156-165.

[4]王迁.如何研究新技术对法律制度提出的问题?——以研究人工智能对知识产权制度的影响为例[J].东方法学,2019(5):20-27.