泛逻辑学理论——机制主义人工智能理论的逻辑基础

当前,世界各主要大国都把人工智能作为它们的国家战略。人工智能的发展正在快速改变着人类的生活方式和思想观念。在中国,有一小批研究者20多年来一直在基于辩证唯物主义潜心研究具有普适性的人工智能基础理论,包括智能的形成机制、逻辑基础、数学基础、协调机理、矛盾转化等。终于,他们各自建立了机制主义人工智能理论、泛逻辑学理论、因素空间理论、协调学、可拓学、集对分析等。其中,机制主义人工智能理论是基于智能形成机制的通用理论,它能把现有的结构主义、功能主义和行为主义三大流派有机地统一起来,使意识、情感、理智成为三位一体的关系;因素空间理论是机制主义人工智能理论的数学基础;泛逻辑学理论是机制主义人工智能理论的逻辑基础。本文介绍了泛逻辑学理论的基本思想、理论基础和应用方法,阐明它的理论意义和应用价值。特别需要指出的是,在广义概率论基础上建立的命题泛逻辑(包括刚性逻辑和柔性逻辑),可看成一个完整的命题级智能信息处理算子库,库中完整地包含了全部18种柔性信息处理模式(包括16种布尔信息处理模式),可用类型编码<a,b,e>来严格区分,用它可寻找到适合自己的信息处理算子完整簇来使用。在每一个信息处理模式中,各种不确定性的组合状态由不确定性程度属性编码<k,h,β,e>来严格区分,用它可在本信息处理模式的算子完整簇中精确选择具体的算子来使用。这表明柔性信息处理本质上是一把密码锁,它需要专门的密码<a,b,e>+<k,h,β,e>才能正常打开,不能乱点鸳鸯谱。通过只有18种模式,每种模式可以从最大算子连续变化到最小算子,已经证明了没有一个命题算子被遗漏。

因素空间理论——机制主义人工智能理论的数学基础

机制主义人工智能理论是基于智能的生长机制而把结构主义、功能主义和行为主义这三大人工智能流派有机统一起来并使基础意识、情感、理智成为三位一体的高等人工智能理论。因素空间是机制主义人工智能理论的数学基础,是现有模糊集、粗糙集和形式背景理论的进一步提升,它为信息描述提供了一个普适性的坐标框架,把数据变成可视的样本点,形成母体背景分布,压缩为背景基,由此进行概念自动生成,因果关联分析,以及建立在其上的学习、预测、识别、控制、评价和决策等一系列数学操作活动。本文将着重介绍其中的核心内容,将具体的形式信息(即语法信息)与效用信息(即语用信息)关联起来,提升为抽象的语义信息,为机制主义人工智能的信息转化第一定律提供一个简明的数学架构。本文以"九宫棋"为例,介绍如何用因素思维实现目标因素与场景因素的对接和搜索,为信息转化的第二定律从数学上展开探索性的思考;还结合因素空间及有关学科的历史来进行解说,以便帮助读者对因素空间理论有一个较为全面的认识。

知识图谱的拓展及其智能拓展库

知识图谱发展的终极目标是要把数据库构建成为人脑知识生长的同构体,它不是被动的僵化储存所,而是主动生长的拓展体。本文提出了智能拓展库的构想,它是知识图谱的升级版,也是一个多层次的嵌入式图数据库系统。每个概念节点都是一个窗口,打开窗口即生成一个子库。所有概念都按层次编码,可快捷查询。一个概念节点称为花苞,如果该概念的多个因素都以它为定义域,则打开花苞的窗口,就是一张因果分析表,用因素空间理论可以回答智能判断、推理、评价、决策、规划等一系列问题,使数据库成为智能孵化生长的活体。本文建立的智能拓展库语言有可能用于机制主义通用人工智能理论,并开展智能孵化的全民工程。

因素表示的信息空间与广义概率逻辑

国内外近年来所提出的广义概率逻辑对于人工智能的发展有重要意义。能否反映变换演化的实际场景,使逻辑判断能够灵活变通,这是广义概率逻辑发展的关键。为了解决这一问题,本文的目是以信息空间作为逻辑与实际场景的接口。有了这个接口,逻辑判断就能反映变幻莫测的实际场景。本文的方法是用因素空间来定义表现论域以形成新的信息空间,将谓词中的变元取为因素,在已有的逻辑系统中加上本文所提出的背景公理,所有的推理都是在一定背景之下的推理,不同的背景会推出不同的结论。结果是新的逻辑既能维系Stone表示定理的表现要求,又能变得更加灵活有效。结论能使广义概率逻辑更有效地服务于人工智能。为了配合机制主义人工智能的需要,本文还特别提出了语法-语用对接的方法和目标驱动的逆向推理设想,最后为泛逻辑的3种连续算子对进行了数学证明。