人工智能开发的理念、法律以及政策

当人工智能因深度学习而从他律系统转化为自律系统,特别是在人工智能网络之间的相互作用及其连锁反应不断进行的情况下,黑箱化和失控的风险会不断增大.'透明社会'与'黑箱算法',这是数据驱动社会的一对根本矛盾,对国家治理方式的改革提出了新的挑战,也提供了新的机遇.为此,如何对人工智能进行适当的、合理的、充分的规制,确立人工智能开发的规则、伦理以及政策就势必成为极其重要并非常紧迫的一项课题.国务院印发的2017年《新一代人工智能发展规划》提出了人工智能发展的中国式制度安排以及九条主要原则,与国际社会已经形成的基本共识是相洽的;但在不同价值取向发生冲突时,怎样决定取舍的元规则和优先顺序还有待进一步明确.为了在甄别和防范风险的同时保护人工智能开发的积极性和创造性,有必要更多地采取软法方式,而不是简单地提高硬法的惩戒力度.

碎片化知识处理与网络化人工智能

互联网的出现带来了信息量的爆发式增长,加快了信息的传播速度,其传播方式也更加多样化.人类社会进入了一个前所未有的碎片化知识时代.互联网中的碎片化知识是人类大量行为、思考与交互活动的产物.传统的人工智能试图通过知识工程所建立的专家系统实现机器的智能,但无法有效地解决碎片化知识的处理与高效利用.因此,如何对这些巨量的碎片化知识进行归纳重组与新知识的再发现,是当前信息科学和人工智能研究领域面临的重要科学问题.本文分析了传统人工智能方法面对大规模碎片化知识处理时存在的问题,讨论了碎片化知识处理组织与学习的基本结构,以及网络化人工智能的概念,介绍了大数据演化规律的公式发现方法,并对未来的研究热点进行了展望.

A Novel Evolutionary Feedforward Neural Network with Artificial Immunology

A hybrid algorithm to design the multi layer feedforward neural network was proposed. Evolutionary programming is used to design the network that makes the training process tending to global optima. Artificial immunology combined with simulated annealing algorithm is used to specify the initial weight vectors, therefore improves the probabiligy of training algorithm to converge to global optima. The applications of the neural network in the modulation style recognition of analog modulated rader signals demonstrate the good performance of the network.