教育本源之知识创造

英国教育学家Whitehead[1]曾认为:教育的目的就是让学生发现“所学到的东西,能够帮助其理解在其生命中所发生的一系列事情”,这个“理解”是“坚定不移地对现在进行理解。知识的唯一用途,就是武装我们的现在,没有比轻视现在对年轻人的危害更大的了”。

油气管道数据集成及可视化发展现状分析

通过调研国内外油气田智能化探索过程中管道数据集成及可视化的发展现状,分析了国内油气管道数据集成及可视化面临的挑战。基于挑战和智能化管道建设需求,从发展趋势和管道业务2方面提出管道数据集成及可视化未来研究方向。发展趋势重点关注管道数据系统、业务流与工作流的一体化以及生产管理的远程、实时化等方面的建设,管道业务则从感知领域、预测领域、管控领域以及优化领域等方面开展数据集成及可视化研究工作。

平行药物系统:基于大语言模型和三类人的框架与方法

近年来,随着物联网、大语言模型、多模态交互等新一代人工智能技术的迅猛发展,传统的药物研发、生产加工等过程面临着智能化转型的挑战。为此,以平行智能为理念,基于ACP方法和大语言模型提出了虚实交互的平行药物系统,并将三类人(数字人、机器人和生物人)的概念引入系统中,详细阐述了该系统的理论框架与构建方法。平行药物系统涵盖医药产业的全流程,药物研发阶段考虑了药物发现、实验室研究、临床试验等过程;药物生产加工阶段考虑了制药工厂运行、系统分析预测等方面;药物医疗保健阶段考虑了个性化用药咨询、增强现实用药指导、隐私安全等内容。平行药物系统打造了一个数字化的“药物空间”,旨在建立药物系统的新范式,推动智能化药物的革命。

联邦服务:基于分布式数据共治的智能服务范式

随着数字化转型的加速,数据已成为驱动科技创新与经济增长的核心要素。然而,广泛存在的数据孤岛现象严重阻碍了跨领域、跨组织间的数据流通与合作,使得数据供应难以满足多样化的用户需求,数据的供需匹配面临严峻挑战。作为联邦生态的核心环节和对外赋能的重要窗口,联邦服务基于分布式数据共治原则,促进了跨领域、跨组织的数据流通与协同,为智能的供需匹配提供了一种有效的技术框架。首先,探讨联邦服务在联邦生态中的重要地位以及与联邦生态各环节的关系。其次,提出联邦服务的5层基本框架,并探讨其核心优势。在此基础上,提出联邦服务的关键支撑技术,主要包括区块链和去中心化自治组织与运营、大语言模型和场景工程、分布式计算和边缘计算、加密技术和隐私计算。最后,以数据与场景的供需匹配为应用案例,介绍联邦服务如何实现智能的供需匹配。提出的联邦服务理论与技术对于构建基于分布式数据共治的智能服务范式具有重要意义。

基于平行医疗系统的医院运营优化

在数字化浪潮中,为了应对医疗资源配置不平衡问题,满足医院管理优化的需求,亟须引入数字化和平行智能技术。平行医疗系统能够利用人工智能方法,充分发挥数据价值,通过虚实互动来优化解决方案。该系统由分布式可信数据库、医疗操作系统、医疗场景工程和医疗大模型组成,通过数据的收集和流通,强化数据赋能,从而促进医院运营的跨维度优化。为了更好地展现数据在医院运营中的价值,基于平行医疗系统提出了量化数据价值的方法,并借助数值实验进行展示。实验结果表明,平行医疗系统可以提升医院社会效益47.45%、经济效益13.82%和运行效率21.90%,为决策者提供全局视野。

基于样本选择的跨被试脑力负荷识别

人体的脑力负荷状态与人机操作工作时的工作效率、人力资源分配以及事故的发生等息息相关,因此研究操作人员的脑力负荷状态具有重要意义。为了解决现有脑力负荷识别方法由于训练集中样本数量过少导致分类效果较差的问题,提出了一种基于样本选择的跨被试脑力负荷识别方法。首先,将其他被试的脑电数据作为训练集,参考目标被试的少量历史数据对训练集中的特征数据进行样本选择,实现减少样本数量的同时减少训练集和测试集之间的域差异;其次,再通过主成分分析对样本选择后的自适应训练集和目标被试测试集特征进行特征降维;最后,用自适应训练集主成分建立支持向量机分类模型识别测试集样本的脑力负荷状态。结果表明,该方法可以在提高分类效率的同时提高分类精度,实现快速、准确的脑力负荷状态识别。

探讨AI for Science的影响与意义:现状与展望

以ChatGPT为代表的新一轮人工智能技术浪潮正推动人类社会全面变革,科学研究范式正加速转换,一场人工智能驱动的科学研究(AI for Science,AI4S)革命正在到来。分析了AI4S的基本概念和特点,从数学、物理、生物、材料等角度简要综述了AI4S的发展现状。大力发展AI4S对提高国家竞争力、发展社会经济、加强技术储备都具有十分重要的意义。为更好地推动我国AI4S的发展,以下两点十分关键:一是变革当代的教学与教育,倡导AI for Education和Education for AI;二是以DAOs和DeSci为基础建立适应“新科学研究范式”的“新组织方式”和“新科研生态”,为AI4S研究提供公开、公平、公正的可持续性支持。

平行财务预算:复杂业财的深度融合与智能服务

财务预算管理是企业管理的重要组成,对于企业内部资源的管理、控制、协调和考核至关重要。然而,目前大多数企业财务预算管理还存在财务预算目标制定不够科学、财务预算执行管控不够迅速、财务预算结果无法有效预测等问题。尽管数字技术与智能技术的发展为这些问题的缓解提供了有力的支撑,但却无法从本质上解决问题。平行智能理论构建与实际系统对应的人工系统,通过二者的虚实反馈与平行执行,实现对财务预算的描述、预测与引导,以提升预算目标的科学性、预算过程的可控性和预算结果的可靠性。将平行智能理论与财务预算结合,提出平行财务预算管理新模式,为复杂环境下业财的深入融合及其支撑的智能服务提供可行的技术框架与理论指导,促进企业财务预算管理的智能化变革与转型;辨析了平行财务预算的概念,提出了其基本框架,并探讨了其主要特征与支撑技术。

核能5.0：智能时代的核电工业新形态与体系架构

本文旨在讨论核能5.0(Nuclear Energy 5.0)的基本概念、体系架构和关键平台技术等问题.首先讨论了核能5.0出现的新智能时代基础,阐述了虚拟数字工业崛起的技术背景.详细叙述了核电工业新形态与体系结构,即平行核能的定义、意义、研究内容、体系架构以及应用领域.接下来讨论了核能5.0中新一代核心技术,包括核能物联网、知识自动化、发展性人工智能、大规模协同演进技术、核能区块链等.最后讨论了核能5.0中在核电系统的具体应用场景与案例,重点是核电工控系统安全评估与核电站数字化仪控系统.

平行医院:从医院信息管理系统到智慧医院操作系统

本文旨在提出一个智慧化时代的集智能化管理、智能化运营与智能化诊疗为一体的智慧医院解决方案,即基于平行医学的平行医院.平行医院以虚实互动的平行思想为核心理念,以突出人以及其社会因素的信息物理社会系统(CPSS)作为基础设施,以人工场景(Artificial scene),计算实验(Computational experiments)和平行执行(Parallel execution)为一体的ACP平行智能理论为指导构建虚实交互的新一代智慧化医院管理系统.本文对比指出了当前信息系统存在的缺陷,提出了智慧医院操作系统的概念对医院的资源进行逻辑化统一管理,重点介绍了对医院不同设备以及建筑等硬件设施的数字化、虚拟化及其交互联动,参与人员数字化与虚拟化及其虚实交互的智能化系统构建.在医院操作系统的应用层,基于ACP理论的智慧医院操作系统通过虚实交互的智能化运行模式,最终落实闭环、反馈、精准的收敛.我们通过对天坛医院的平行医院实践案例—天坛智慧大脑进行案例分析,印证了本文所提出的智慧医院操作系统的可行性与科学性.

平行眼：基于ACP的智能眼科诊疗

ACP理论是平行智能的核心,由人工社会(Artificial Societies,A)、计算实验(Computational Experiments,C)、平行执行(Parallel Execution,P)构成,在复杂系统建模与调控中发挥重要的作用.人眼作为一个典型的复杂系统,是接收外界信息的重要器官,拥有复杂而又精细的结构,同时又和身体其他器官有着密不可分的联系.文中将ACP理论引入到人眼的诊疗和护理中,提出平行眼的基本框架.人工眼(A)构建不断更新的虚拟人眼模型及其对应的由诊疗护理知识构成的虚拟眼科医生.在此基础上,计算实验(C)借助人工眼进行各种眼病发展预测并制定最优的治疗护理方案.最后平行执行(P)将虚拟世界和人工世界串联起来,利用实际人眼的数据不断更新人工眼模型,同时借助人工眼和计算实验引导实际人眼进行在线化、长期化的治疗护理.整个框架结合知识自动化、计算机视觉、知识图谱、机器学习等相关人工智能技术,力图有效提升对于人眼疾病的诊断精度,实现对于人眼的长期、精确、有效的监护.

平行胃肠:基于ACP的智能胃肠疾病诊疗

胃肠道为人体重要消化器官,胃肠疾病常见且病因复杂.为了推动胃肠疾病诊疗的智能化、精准化发展,有效传承医生的经验丰富,文中提出基于ACP理论的平行胃肠诊疗系统框架.ACP理论为平行智能的核心,由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)三部分构成.在平行胃肠诊疗系统中,构建人工胃肠道(A)模拟胃肠疾病实际诊疗情况,运用计算实验(C)在人工胃肠平台上进行各类胃肠疾病诊疗实验并评估最佳诊疗方案,最终借助平行执行(P)实时地对实际胃肠诊疗进行导引,持续更新人工胃肠系统并优化诊疗方案,实现虚拟诊疗和实际诊疗之间的虚实互动.整个系统框架的构建融合知识图谱、深度学习、虚拟现实/增强现实、知识自动化等多种前沿技术,致力于优化胃肠疾病诊疗,推进健康中国建设.

智能控制:从学习控制到平行控制

20世纪60年代,学习控制开启了人类探究复杂系统控制的新途径,基于人工智能技术的智能控制随之兴起.本文以智能控制为主线,阐述其由学习控制向平行控制发展的历程.本文首先介绍学习控制的基本思想,描述了智能机器的架构设计与运行机理.随着信息科技的进步,基于数据的计算智能方法随之出现.对此,本文进一步简述了基于计算智能的学习控制方法,并以自适应动态规划方法为切入点分析非线性动态系统自学习优化问题的求解过程.最后,针对工程复杂性与社会复杂性互相耦合的复杂系统控制问题,阐述了基于平行控制的学习与优化方法求解思路,分析其在求解复杂系统优化控制问题方面的优势.智能控制思想经历了学习控制、计算智能控制到平行控制的演化过程,可以看出平行控制是实现复杂系统知识自动化的有效方法.

军事区块链:从不对称的战争到对称的和平

针对未来战争形态将从物理世界的核威慑发展为跨域"三战合一"的智威慑的时代背景,提出军事区块链的内涵、方法与应用,详细阐述了区块链"真(TRUE)"和"道(DAO)"的技术特点,即可信(Trustable)、可靠(Reliable)、可用(Usable)、高效(Efficient, Effective)以及分布式与去中心化(Distributed, Decentralized)、自主性与自动化(Autonomous,Automated)、组织化与有序性(Organized, Ordered),指出区块链将成为军事智能的基石.分析了区块链的军事意义,并以军事信息系统、军事管理自动化以及无人机集群为例,介绍了区块链在军事领域的潜在应用方向.提出了平行军事区块链的概念框架、基础理论和研究方法体系.区块链将有助于跨越不对称信息与有限理性鸿沟,将不对称的战争变为对称的和平.

平行系统方法在自动化集装箱码头中的应用研究

平行系统是一种建立在人工社会和计算实验基础上的科学研究方法,它的特点是既能真实反映现实系统的动态过程,又能实时优化现实系统的控制过程.自动化集装箱码头是一类典型的复杂系统,既存在不计其数的作业方案,同时也有大量的约束条件.如何在最短时间和最低能源消耗的前提下,完成具有间歇和批次特征的集装箱转运任务,是涉及到数学、控制、管理和计算机等多个学科的重大课题.本文采用数据引擎作为人工社会中的基本计算单元,构成一个复杂的平行系统,用于自动化集装箱码头信息控制系统的研究.数据引擎作为一种面向图形化元件组态的计算环境,非常适用于复杂系统的建模与计算.在可视化和动态重构技术的支持下,利用380个数据引擎对一个具有8台岸桥、25辆AGV和16台龙门吊组成的港机系统进行了自动化作业过程的计算实验.研究结果表明,数据引擎技术是实现平行系统的有效方法,由多数据引擎组成的计算环境,能够大幅度降低自动化集装箱码头信息控制系统建模的复杂程度,能够将码头系统的管理和控制过程无缝地融合在一起.该平行系统可直接与港机设备对接,建立"人工码头"和"物理码头"之间的平行关系,从而实现对港机设备的最优控制.

平行皮肤:基于视觉的皮肤病分析框架

随着计算机与人工智能的快速发展,基于图像感知的皮肤病分析方法取得一些成果.然而,以深度学习为主的计算机辅助分析方法依赖于领域专家标注的医学大数据,诊断结果缺乏医学可解释性.为此,文中提出基于视觉的皮肤病分析统一框架——平行皮肤.启发于ACP方法与平行医学图像分析框架,通过构建人工皮肤图像系统实现数据选择与生成,通过预测学习的计算实验完成诊断分析模型构建与评估,并利用描述学习与指示学习融合专家知识,引导人工图像系统数据生成与选择,从而实现闭环诊断分析模型优化.

智联网:概念、问题和平台

本文旨在讨论智联网(Internet of minds,Io M)的基本概念,核心问题和关键平台技术.首先阐述智联网概念的智能时代发展需求和科学哲学思想基础,然后阐述智联网技术的背景、定义、实质,及其实现协同认知智能的目标,并举例说明其前沿应用领域,包括物理信息社会系统、软件定义系统及流程、工业智联网.接下来探讨智联网的核心问题:知识的获取、知识的协同表征和传递、以及知识的关联和协同运行.最后简单描述了智联网的关键平台技术,包括虚实平行的平台体系和基于互联网、物联网、区块链和软件定义网络的社会化通信计算平台,为分布式、自组织、自运行的安全智联网系统提供基础设施.

C2M和5G:新时代的智能指挥与控制

通信技术的每次突破必将引发指挥与控制从形式到内容产生相应的重大变革,第五代通信技术5G也不会例外,并已成为美军等关注的焦点.提出5G对指挥与控制影响的相关问题,初步探讨5G推动指挥与控制的可能方式及其需要深入研究的方向,特别强调必须关注军事指挥与企业管理在新时代的融合趋势.

基于自适应主成分分析维度寻优的脑力负荷识别

脑力负荷识别对提高作业操作人员工作效率,减少人因事故具有重要意义。然而,由于脑电(electroencephalogram,EEG)信号的采集是由多通道脑电帽采集的,并且分布在各个频带上,因此经过特征提取得到的特征维度过高,造成后续识别模型复杂度过高。对此,通常使用主成分分析(principal component analysis,PCA)对高维特征向量进行降维处理,但是降维维度的取值很难确定。提出了一种基于主成分分析的自适应维度寻优方法,将实验数据集中的高维特征使用主成分分析降维到寻优维数范围内的各个维度,并将各个维度的分类精度绘制成维度—分类精度曲线,通过识别该曲线的“肘部”来确定该实验数据集的最优降维维度,并将该维度应用到同实验的其他实验数据上进行脑力负荷识别。结果表明,该方法可以准确识别出在同实验数据集中通用的最优降维维度,有效提高识别效率。

联邦生态:从联邦数据到联邦智能

针对大数据时代广泛存在的数据孤岛问题,从整体入手,提出了联邦生态的基本框架,并探讨了其结构和运行机制。联邦生态以数据隐私可控为前提,以区块链技术为支撑,以联邦智能为驱动,借助联邦控制实现数据联邦化,通过联邦管理实现服务联邦化。为打破数据孤岛问题,联邦生态充分发挥了大数据和人工智能的潜力,进而为实现联邦智能提供了一种新的思路。