胡包钢:格数致知——人工智能背景下的批判性思维新方法

2019 年 8 月 20 日 德先生


人工智能进入2.0时代,你还在原地等待?

点击图片立即上车!

【导读】今天德先生很荣幸邀请到中科院自动化研究所胡包钢研究员分享他最近在“第九届全国批判性思维和创新教育研讨会”学术交流的讲稿。

胡包钢老师简介:

胡包钢研究员是机器学习与模式识别领域的知名学者,1993年在加拿大McMaster大学获哲学博士学位。1997年9月回国前在加拿大MemorialUniversity of Newfoundland, C-CORE研究中心担任高级研究工程师。目前为中国科学院自动化研究所研究员。2000-2005年任中法信息、自动化、应用数学联合实验室(LIAMA)中方主任。 


胡包钢研究员个人主页:

http://www.escience.cn/people/hubaogang/index.html


胡包钢老师推荐阅读:许谷院士:谈科研创新的四项基本原则


- 后台回复 “格数致知” 可获取完整文件下载 -

前言

“人类创造工具,工具改变人类”。信息技术正是这样一种工具,它切切实实地改变我们的生活方式和行为习惯。


当人们享受这个工具为我们交流与沟通带来便利的同时,它也带来了一个全球面临的新问题:信息工具将同时是极端思想传播的放大器。不管是美国大选、英国脱欧等事件后的结果都会与社交媒体相关。国内外许多恐怖行为发生更多是来源于网络中极端思想传播的结果。在信息化社会发展的今天,如何正确应用信息并谨防落入陷阱将是我们面临的共同挑战。事实上,批判性思维或思辨思维是信息化社会中亟需普及的一门重要课程。我个人理解批判性思维的底线诉求是要理性,它的高端诉求是要创新。学习批判性思维知识可以帮助我们更好地理性思考,成为积极的建设者。这也是人生健康幸福生活之要义。


以下讲稿是我前不久参加“第九届全国批判性思维和创新教育研讨会”的发言。这主要是基于我与董未名教授合作的一篇文章以及我们团队以往研究工作给出的一种见解。按照本人从事机器学习研究的视角看,这个世界本质上是属于无监督学习为内涵。因为我们面临的问题初始是没有标准答案的。对于没有标准答案,人们通常是依赖常识。


但是仅仅停留在常识人类就不会有科学进步。人类面临的最终挑战是要不断认知自身和这个世界。


本讲稿强调了一种“格数致知”方法。其中给出了一个实例是多指标综合排名世界各国生活质量。这是典型的无标准答案的评价分析问题。目前国际学术界或机构多是常规方式采用加权平均方法实施此类分析。有关分析将有助于我们以数据方式了解真相与问题。让数据,事实,时间,与逻辑说话也是批判性思维中追求客观性的基础。


本讲座给出了客观性在技术层面的考察方式。其中介绍的一种非线性评价主曲线方法也是分析工具的进步。我们期待它会成为大数据分析中的常规工具。


限于本人研究背景的局限性,特别欢迎不同领域人员基于学术方式的批评与指正。


推荐阅读


 点击购买《中国人工智能2.0发展战略研究》

登录查看更多
3

相关内容

中国科学院自动化研究所模式识别国家重点实验室研究员, 博士生导师。1983年在北京科技大学(原北京钢铁学院) 获工学硕士。1993年在加拿大McMaster大学获哲学博士学位。1997年9月回国前在加拿大Memorial University of Newfoundland, C-CORE研究中心担任高级研究工程师。目前为中国科学院北京研究生院教授。2000-2005年任中法信息、自动化、应用数学联合实验室 (LIAMA)中方主任。 胡包钢博士曾担任过“IEEE系统-人-控制国际会议(IEEE International Conference on Systems, Man and Cybernetics)” 1995年及1998年的分会主席,2001年国际程序委员会委员, “1998年世界控制大会,第二届智能自动化和控制国际专题会议(WAC’98: The 2nd International Symposium on Intelligent Automation and Control)” 的国际程序委员会委员,2003年“植物生长建模、仿真、可视化及其应用国际专题会议”(PMA03)大会主席。他担任过专业刊物论文评审人的杂志有“IEEE Transactions on Systems, Man and Cybernetics”, “IEEE Transactions on Fuzzy Systems”, “Engineering Applications of Artificial Intelligence”, “自动化学报”, “控制理论与应用”等。 http://www.escience.cn/people/hubaogang/index.html
专知会员服务
125+阅读 · 2020年3月26日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
【机器学习】深入剖析机器学习中的统计思想
产业智能官
16+阅读 · 2019年1月24日
《中国人工智能发展报告2018》(附PDF下载)
走向智能论坛
19+阅读 · 2018年7月17日
人工智能的阴暗面
计算机与网络安全
6+阅读 · 2018年1月8日
【人工智能】谭铁牛院士:人工智能新动态
产业智能官
8+阅读 · 2018年1月5日
【深度】谭铁牛院士谈人工智能发展新动态
中国科学院自动化研究所
4+阅读 · 2017年12月28日
【人工智能】重磅:中国人工智能40年发展简史
产业智能官
7+阅读 · 2017年11月12日
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Arxiv
4+阅读 · 2018年6月14日
Arxiv
7+阅读 · 2018年5月23日
Arxiv
4+阅读 · 2018年5月10日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关资讯
相关论文
Top
微信扫码咨询专知VIP会员