定制报告-个性化定制-按需专项定制研究报告

行业报告、薪酬报告

联系：400-6363-638

《中国人工智能学会：2024中国人工智能系列白皮书-人工智能基础选编（195页）.pdf》由会员分享，可在线阅读，更多相关《中国人工智能学会：2024中国人工智能系列白皮书-人工智能基础选编（195页）.pdf（195页珍藏版）》请在薪酬报告网上搜索。

1、中国人工智能系列白皮书 中国人工智能系列白皮书中国人工智能系列白皮书 人工智能基础选编人工智能基础选编 中国人工智能学会中国人工智能学会 二二二二四年年十二十二月月 中国人工智能系列白皮书 1 中国人工智能系列白皮书编委会中国人工智能系列白皮书编委会 主 任：戴琼海 执行主任：王国胤 副 主 任：陈 杰 何 友 刘成林 刘 宏 孙富春 王恩东 王文博 赵春江 周志华 委 员：班晓娟 曹 鹏 陈 纯 陈松灿 邓伟文 董振江 杜军平 付宜利 古天龙 桂卫华 何 清 胡国平 黄河燕 季向阳 贾英民 焦李成 李 斌 刘 民 刘庆峰 刘增良 鲁华祥 马华东 苗夺谦 潘 纲 朴松昊 钱 锋 乔俊飞 孙长银

2、 孙茂松 陶建华 王卫宁 王熙照 王 轩 王蕴红 吾守尔斯拉木 吴晓蓓 杨放春 于 剑 岳 东 张小川 张学工 张 毅 章 毅 周国栋 周鸿祎 周建设 周 杰 祝烈煌 庄越挺 中国人工智能系列白皮书中国人工智能系列白皮书-人工智能基础选编编写组人工智能基础选编编写组 段玉聪 乔军胜 王敬前 郭振东 梅映天 唐福亮 吴坤光 弓世明 王洁 李佳欣 代建华 中国人工智能系列白皮书 2 编写人员贡献 本白皮书的成功编纂，得益于全体编写团队的精诚合作与辛勤耕耘。以下是编写组各位成员的主要贡献概述：段玉聪负责统筹第 1 章 人工智能基础-DIKWP 与第 2 章 人工智能与人工意识的撰写，郭振东、梅映天、

3、唐福亮、吴坤光、弓世明参与了第 1 章、第 2 章的部分撰写和修订。乔军胜负责撰写第 3 章信息聚合算子与重叠函数。王敬前负责撰写第 4 章覆盖粗糙集与模糊覆盖粗糙集。代建华负责组织协调工作和部分统稿工作，王洁、李佳欣参与了部分统稿和排版工作。中国人工智能系列白皮书 3 目 录 前言前言.1 第第 1 章章 人工智能基础人工智能基础-DIKWP.3 1.1 数据(Data).3 1.1.1 数据概念及语义.3 1.1.2 数据定义的对比分析.7 1.2 信息(Information).10 1.2.1 信息概念及语义.10 1.2.2 信息定义的对比分析.14 1.3 知识(Knowledge

4、).16 1.3.1 知识的概念及语义.16 1.3.2 知识的结构化表示.17 1.3.3 知识定义的对比分析.18 1.4 智慧(Wisdom).22 1.4.1 智慧的概念及语义.23 1.4.2 智慧的决策过程.25 1.4.3 智慧定义的对比分析.27 1.5 意图(Purpose).30 1.5.1 意图的概念及语义.30 1.5.2 意图定义的对比分析.32 1.6 DIKWP 与空间定义.37 1.6.1 DIKWP 模型.37 1.6.2 DIKWP 模型的认知与跨学科研究.46 中国人工智能系列白皮书 4 1.6.3 概念空间(Concept Space,ConC).57

5、1.6.4 认知空间(Cognitive Space,ConN).58 1.6.5 语义空间(Semantic Space,SemA).60 1.6.6 DIKWP 图谱.62 1.7 本章小结.65 参考文献.66 第第 2 章章 人工智能与人工意识人工智能与人工意识.79 2.1 定义与概念.79 2.1.1 AI 与 AC 的定义与区别.79 2.1.2 AC 定义对比分析.82 2.2 人工意识理论基础.88 2.2.1 完整语义.88 2.2.2 在 DIKWP 模型中.89 2.2.3 意识处理中的 DIKWP.90 2.2.4 抽象语义与世界理解.93 2.2.5 DIKWP 语

6、义构建.94 2.3 DIKWP 人工意识设计与实现模拟.96 2.3.1 DIKWP 模型与主要意识理论的关联.98 2.3.2 DIKWP 人工意识理论.100 2.3.3 构建 DIKWP 人工意识模型.106 2.3.4 不确定性处理.115 2.3.5 DIKWP 数理人工意识系统.117 2.3.6 DIKWP 生理人工意识系统.121 中国人工智能系列白皮书 5 2.4 人工意识测量与评估.123 2.4.1 多维度评估方法.123 2.4.2 意识的量化和分类.124 2.4.3 人工系统的挑战与前景.125 2.5 本章小结.127 参考文献.128 第第 3 章章 信息聚合

7、算子与重叠函数信息聚合算子与重叠函数.135 3.1 信息聚合算子概述.135 3.2 重叠函数相关理论研究.137 3.2.1 重叠函数基本性质.138 3.2.2 重叠函数的构造.140 3.2.3 基于重叠函数导出的模糊蕴涵.141 3.2.4 重叠函数相关分配性方程.142 3.3 重叠函数实际应用研究.143 3.3.1 重叠函数在图像处理中的应用.144 3.3.2 重叠函数在决策中的应用.145 3.3.3 重叠函数在分类中的应用.146 3.3.4 重叠函数在机器学习中的应用.147 参考文献.149 第第 4 章章 覆盖粗糙集与模糊覆盖粗糙集覆盖粗糙集与模糊覆盖粗糙集.160

8、 4.1 引言.160 4.2 基于覆盖的粗糙集及其应用.160 4.2.1 覆盖粗糙集模型的构造.162 中国人工智能系列白皮书 6 4.2.2 覆盖粗糙集模型的性质与关系.163 4.2.3 覆盖粗糙集模型在故障诊断中的应用案例.165 4.3 基于覆盖的多粒度粗糙集及其应用.168 4.3.1 多粒度覆盖粗糙集模型的构造与性质.169 4.3.2 多粒度覆盖粗糙集模型在决策中的应用案例.170 4.4 基于模糊覆盖的粗糙集及其应用.172 4.4.1 模糊覆盖粗糙集模型及其性质.173 4.4.2 模糊覆盖粗糙集在特征选择中的应用案例.177 参考文献.180 中国人工智能系列白皮书 1

9、 前言 随着人工智能(Artificial Intelligence,AI)技术的飞速发展，其应用已经深入到社会生活的各个层面，包括医疗、教育、交通、金融等多个领域。然而，AI 的实际应用依然面临诸多挑战，如数据的不完整性、不精确性和不一致性，决策的可解释性问题，以及如何更有效地模拟人类智慧和意识等。这些问题不仅阻碍了人工智能在实际场景中的进一步普及，也促使研究者们不断探索新的理论和方法以推进这一领域的发展。在人工智能的发展历程中，“数据-信息-知识-智慧-意图”(Data-Information-Knowledge-Wisdom-Purpose,DIKWP)模型作为一种理论框架，提供了一种从

10、基础数据处理到高阶智慧决策的系统化视角。DIKWP 模型不仅强调了数据与信息的逻辑层次关系，还将知识的结构化表达、智慧的决策能力以及意图的深层次语义纳入考量，从而为人工智能的研究与应用提供了一个系统的理论基础。本白皮书第一章主要从 DIKWP 模型的基础理论出发，详细探讨了数据、信息、知识、智慧以及意图的概念、语义以及定义之间的对比分析。通过对这些层次的深入研究，我们将更清晰地认识人工智能的发展逻辑与应用潜力。为了实现对 DIKWP 模型的深度剖析，本章还引入了认知科学与跨学科的研究成果，并进一步探讨了 DIKWP 模型在概念空间、认知空间和语义空间的应用。同时，DIKWP 图谱的构建为理论体

11、系的可视化和应用场景的扩展提供了技术支持。人工智能的最终目标不仅是模仿人类行为，更是对人类意识和智慧的深度模拟与重构。为此，第二章聚焦于人工智能与人工意识(Artificial Consciousness,AC)的研究，探讨了 AC 的定义、理论基础及与 DIKWP 模型的关联。通过引入抽象语义、世界理解等概念，深入分析了 DIKWP 模型在意识处理中的具体应用，并尝试构建一个基于 DIKWP 的人工意识模型。针对人工意识设计中的不确定性问题，中国人工智能系列白皮书 2 本章提出了一系列理论框架与数理模型，并进一步探讨了人工意识的测量与评估方法，为人工意识研究的标准化与工程化提供了理论支持。信

12、息聚合算子与重叠函数是人工智能技术的重要数学工具，其在数据融合、图像处理和决策支持等领域中发挥着关键作用。第三章将聚焦于信息聚合算子的理论研究与实际应用，特别是重叠函数的构造与性质分析。通过将理论研究与实际案例相结合，本章深入探讨了重叠函数在机器学习、分类、图像处理等方面的应用潜力，为人工智能技术的进一步优化奠定了数学基础。在处理不确定性数据时，覆盖粗糙集与模糊覆盖粗糙集模型作为一种有效的理论工具，为数据的精细化处理和多粒度分析提供了全新的视角。第四章详细讨论了覆盖粗糙集及其在故障诊断、特征选择等领域的应用案例，同时扩展至模糊覆盖粗糙集模型，分析了其在多粒度决策支持中的潜力与局限。通过这些理论

13、与实际案例的结合，本章为研究人员提供了理解与应用粗糙集模型的全面指导。本白皮书的研究旨在从理论与实践的双重视角探讨人工智能及其相关领域的前沿发展，并通过引入 DIKWP 模型及其相关理论，尝试建立一个能够深度连接数据、信息、知识、智慧与意图的全新框架。基于这一框架，读者不仅能够深入理解人工智能领域的基本理论，还能掌握在实际场景中构建智能系统的方法与技巧。总体而言，本书以 DIKWP 模型为核心，融合了人工智能、认知科学、信息聚合算子与重叠函数、覆盖粗糙集与模糊覆盖粗糙集等多学科的研究成果，旨在为人工智能的研究者和实践者提供一套系统化的理论工具和方法论。希望通过本书的编写，能够激发读者对人工智能

14、研究的热情，推动该领域理论与应用的进一步发展。中国人工智能系列白皮书 3 第 1 章 人工智能基础-DIKWP 1.1 数据(Data)1.1.1 数据概念及语义数据概念及语义 数据数据(DIKWP-Data)的语义可视为认知中相同语义的具体表现形式。概念空间是指认知主体对外部世界的概念化表达，包括概念的定义、特征和关系。在概念空间中，数据概念作为一个概念代表着具体的事实或观察结果在概念认知主体的概念空间中的存在语义确认，并通过与认知主体的意识空间（非潜意识空间）与已有认知概念对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据概念时，认知主体的认知处理过程常常寻求并提取标定

15、该数据概念的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但借助准确的相同语义个体对应或对相同语义集合的概率性对应处理，认知处理会将它们归入“羊”的概念，因为它们共享了对“羊”这个概念的语义精确对应或概率性对应。相同语义可以是具体的，例如识别手臂概念时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行基于语义的准确概念确认硅胶手臂为手臂概念，也可以概率性的选择与手臂概念共享最多相同语义的目标对象为手臂概念，还可以通过硅胶手臂不具有真实手臂的可以旋转功能对应的由“可以旋转

16、”定义的相同语义进行概念判断的否决，而判定其不是手臂数据概念。概念空间与语义空间的区分对应于不同的技术哲学思想。概念空间的处理对应了具体使用自然语言等进行交流的形式。但概念交流的功能本质通常是进行语义的传递。在认知主体的认知空间中，概念传递的语义的有效理解往往依赖于认知主体的语义空间中的相关概念中国人工智能系列白皮书 4 的语义对应。认知主体的语义空间往往是不能被充分借助概念形式进行共享的，也就是通常说的客观的，故而被称之为主观的。在语义空间中，数据概念的语义为认知中相同语义集合的具体表现形式。将特定数据的语义 D 对应集合，每个元素 dD代表一个具体实例，这些实例共享相同或概率性近似相同的语

17、义属性集合 S。语义属性 S 为一组特征语义集合 F 来定义，即：(1.1)其中，fi表示数据的一个特征语义。D=dd 共享 S。在 DIKWP 模型1中，数据概念与数据语义的区分是认知空间的认知过程向概念空间与语义空间的处理过程转换的基础，数据概念和数据语义将具体代表对世界的基本观察和事实的认知数据对象。这一转换的关键在于数据被认知并被概念化背后的“相同语义”，即数据概念元素之间共享的语义属性。在认知空间中的数据认知对象作为认知过程的基础，不再被不区分概念空间和语义空间中的具体对应而直接代表对现实世界观察和测量的结果，而是被进行明确的概念确认和语义对应处理，在这一个过程中也区分了主观内容与客

18、观内容的范畴，此定义不同于传统 DIKW 模型23中对数据的粗糙理解，强调数据与特定语义属性的紧密关联。即对数据对象的认知不仅是被动记录，更是认知主体的认知活动中主动寻找与已知认知对象相匹配的语义特征的主观过程。这种视角强调数据的主观性和上下文依赖性，指出数据的认知价值在于其能够与认知主体的已有概念空间进行语义关联。在 DIKWP 模型中，来自认知空间的数据认知对象的语义被视为认知过程中认知主体的语义空间中被识别与之相同语义的具体表现形式。这种定义强调了数据做完认知对象不仅仅是观测或事实的简单记录，而是面向概念空间和语义空间需要通过认知主体（如人或 AI系统）对这些认知对象数据记录进行语义匹配

19、和概念确认的结果。数中国人工智能系列白皮书 5 据概念确认的关键在于它们背后认知主体概念空间与语义空间共享的“相同语义”，这使得即使在外在特征上存在差异的情况下，特定认知对象也能被归纳为同一数据概念。数据概念在DIKWP模型的概念空间中被视为认知过程中的基本概念单位，数据语义在 DIKWP 模型的语义空间中被视为认知过程中的基本语义单位，数据概念和数据语义是对现实世界的直接观察和记录的认知过程中的核心要素，从数据语义的认知到数据概念的确认对基于概念的符号化自然语言的产生、应用和处理起到了重要作用4。数据概念通过共享相同的语义属性而被认知主体的意识功能或潜意识功能识别和分类。在认知科学中，认知主

20、体的大脑乃至脊髓等物质部分如何通过潜意识的模式识别来理解和处理信息，并可以进行有意识的分析和形成解释。例如，当人们观察到不同的物体时（如苹果），即使它们的颜色、大小或形状有所不同，人们也能在潜意识的模式识别中识别它们都是苹果，通过认知主体有意识的分析，可以解释为它们共享了一组关键的语义属性（如形状、纹理、特定的功能等）。这种认知过程揭示了认知主体的认知系统如何利用语义空间的数据的相同语义来构建对世界的自然语言概念表述。在 DIKWP 框架中，数据作为概念被视为认知过程中相同语义的具体概念映射。这一观点突破了传统的数据概念中对语义和概念不加区分的混淆使用场景，将概念空间中数据概念的形成与存在与语

21、义空间中认知主体的语义处理过程紧密联系起来。即，数据概念的认知价值不在于其对应的物理形态或功能，而在于在认知主体的认知空间中，它如何与认知主体已有的知识体系进行跨越“概念空间”与“语义空间”产生联系，进而被识别并确认为具有特定语义的对象或概念。从个体意识和群体意识交互的视角看，数据与认知主体之间的互动本质就是基于潜意识或下意识的语义空间与概念空间的交互，数据概念作为一种相同语义集合的具体对应或者概率性近似有着其在工中国人工智能系列白皮书 6 程意义上作为特定语义集合的符号化表达的认知沟通效率优势。数据概念的处理和理解不仅仅是对客观事实的记录，而是涉及到认知主体如何将这些事实语义与已有的语义认知

22、结构相匹配。这一过程强调了语义识别的重要性，即认知主体如何通过数据概念中的语义特征来识别和归类对象。数据概念不仅是对现实世界的观察和记录，而是在交流沟通中被视为认知主体对相同语义属性的具体表现。这一定义超越了数据概念作为客观事实的记录的表面上独立的客观认知存在性，强调了认知空间中认知主体与被认知对象之间的交互中数据概念的认知性质即数据概念的识别和处理依赖于认知主体个体（主观）语义空间中的已有语义的联系与匹配。数据概念本质上具有认知主观性和上下文依赖性，即不同的认知主体或不同的认知背景下，同一数据概念可能被与不同的语义建立联系与进行对应的认知处理的相对性。进而在哲学意义上，数据概念不再是客观存在

23、的事实记录，而是经由主体性认知过程的一种主观解释。数据概念的形成与存在依赖于认知主体的语义空间与概念空间记忆和处理能力，它是现实世界与认知主体之间交互的语义空间与概念空间的关联和转化形式。数据概念的产生和识别不是一个纯粹的客观过程，而是深深植根于主体的预设概念空间和语境语义空间中。因此，数据概念的识别和解释需要考虑到认知主体的认知空间背景知识、经验信息和文化语境语义5。数据概念必须通过认知主体的解释和语义匹配来确认其意义。数据概念与数据语义的交互成为了一种连接客观现实与主体认知的桥梁。这种理解突显了柏拉图式的理念：现实世界的事物（作为概念）仅是其理念（即“相同语义”）的影子。因此，数据概念的认

24、知价值不仅在于其表现形式的客观性，而且还在于认知主体如何通过数据概念来寻求和确认认知对象和现象的共同语义，引发语义共鸣和认知确认。这个数据概念与数据语义再认知主体内的交互过程不仅是对认知中国人工智能系列白皮书 7 主体的外部世界的一种认知镜像反映，也是一种对现象内在本质语义的追求和揭示6。它强调了认知主体在数据概念解读过程中的概念语义转化的主导性和概念存在的创造性，以及数据概念与认知主体之间的潜意识或有意识的符号化语言的互动性。DIKWP 模型对数据概念和数据语义的认知定义强调了数据的认知性质和其作为语义实体的角色。在哲学中，这触及到“事物的本质”和“名副其实”的讨论。数据概念不仅仅是客观存在

25、的符号化记录，它们是被赋予了特定数据语义的实体，这些数据语义是通过认知主体的跨越概念空间与语义空间的处理而被确认和赋予的。这种认知处理也揭示了知识的生成不仅仅是对客观世界的映射，更是一种主体性的基于类似语义到概念的转化建构过程，这一点在康德的先验哲学中有所体现，即人们对世界的知识部分源于外部世界的刺激，但更多的是由我们的认知结构所决定。一般定义：一般定义：数据数据是指日常生活中具体事实和观察结果的记录，它们是构成了认识世界的最基本单元。例如，从一只动物的外观特征，如羊毛、角和蹄子，能够辨认出这是“羊”，尽管个体间有差异，共享的关键特征让它们被统一归类。1.1.2 数据定义的对比分析数据定义的对

26、比分析 在 DIKWP 的数据定义中，数据是被认知主体确认的原始事实或观察记录，通过概念空间确认的认知对象，与 DIKW 模型、SECI 模型7、Polanyi 隐性知识理论8和 Cynefin 框架9的数据定义和模型的对比分析如表 1-1 所示。中国人工智能系列白皮书 8 表 1-1 DIKWP 的数据定义与其他数据定义和模型的对比分析 特征特征 DIKWP 的数的数据定义据定义 DIKW 模模型型 SECI模型模型 Polanyi 隐隐性知识理论性知识理论 Cynefin 框框架架 定义定义 被认知主体确认的原始事实或观察记录，通过概念空间确认的认知对象。原始的、未加 工 的 事实 和 观

27、 测记录。原始的事实 和 记录。隐性知识没有明确涉及数据。数据在不同域中具有不同的应用方式。语义语义 通过概念空间或语义空间进行语义匹配和确认。赋 予 特 定意 义 前 的原始记录。视为显性知识的一部分。隐性知识关注 个 人 经验，未涉及数据。不明确涉及数据的语义处理。静态性静态性 vs.动动态性态性 静态，通过认知 主 体 的 确认。静态，作为知 识 生 成的基础。静态，作为显性知识的一部分。静态，关注个人经验和技能。静态，依据不同域进行处理。处理过处理过程程 通过认知主体进行分类和组织。通 过 处 理和 理 解 转化为信息。通过社会化过程处理。不明确处理过程。数据依据情境 进 行 应用。个

28、体性个体性 vs.社社会性会性 数据处理主要体现在个体认知过程中。个 体 处 理为主，强调数据积累。社会化过程中处理和分享。主要关注个体经验，未涉 及 社 会性。根据情境进行个体或集体处理。此外，DIKWP 模型涉及概念空间、语义空间和认知空间，数据在三个空间中具有各自不同的诠释，其中概念空间、语义空间和认知中国人工智能系列白皮书 9 空间的定义如下：1、概念空间概念空间(Conceptual Space)定义：概念空间是认知主体通过自然语言、符号等形式进行交流和认知的空间。在这个空间中，数据、信息和知识作为具体概念存在，并通过语义网络和概念图进行表达10。作用：帮助认知主体将具体的事实和观察

29、结果进行分类和组织，形成系统性的理解和规则。2、语义空间语义空间(Semantic Space)定义：语义空间是认知主体理解和处理概念的内在语义联系的空间，认知主体通过语义匹配、关联和转化来理解和生成新的知识10。作用：通过语义匹配和关联形成新的语义联系，从而生成和验证知识。3、认知空间认知空间(Cognitive Space)定义：认知空间是认知主体进行思考、学习和理解的内部心理空间。在这个空间中，认知主体通过观察、假设、抽象和验证等认知活动，形成对世界的深刻理解和解释10。作用：通过高阶认知活动，将数据和信息转化为系统性知识，并在动态验证和修正过程中不断完善和更新知识。数据在不同空间中的对

30、比分析如表 1-2 所示。表 1-2 数据在不同空间中的对比分析 特征特征 概念空间概念空间 语义空间语义空间 认知空间认知空间 定义定义 被认知主体确认的原始事实或观察记录，通过概念空间确认的认知对象。通过语义匹配和关联确认的数据，具有特定的语义属性。通过认知主体的思考和分类，形成具体的观察记录和事实。中国人工智能系列白皮书 10 特征特征 概念空间概念空间 语义空间语义空间 认知空间认知空间 作用作用 将具体事实和观察结果进行分类和组织。形成数据的语义联系，确保数据在认知过程中的一致性。通过思考和分类，形成初步的认知对象。静态性静态性 vs.动态性动态性 静态，通过认知主体的确认。动态，通

31、过语义匹配和关联进行处理。动态，通过认知活动进行处理和分类。处理过程处理过程 通过认知主体进行分类和组织。通过语义空间的语义匹配和关联。通过认知空间的思考和分类。1.2 信息(Information)1.2.1 信息信息概念及语义概念及语义 信息信息(DIKWP-Information)作为概念对应认知中一个或多个“不同”语义。信息概念的信息语义指的是通过特定意图概念或意图语义将认知主体的认知空间中的 DIKWP 认知对象与认知主体已经认知的 DIKWP 认知对象在语义空间进行语义关联，借助认知主体的认知意图在认知空间形成相同认知（对应数据语义）或差异认知，由差异认知在语义空间经过“不同”语义

32、的概率性确认或逻辑判断确认等形成信息语义，或在语义空间产生新的语义关联（“新的”就是一种“不同”语义）。在处理信息概念或信息语义时，认知处理会根据输入的数据、信息、知识、智慧或意图等认知内容，找出它们与被认知的 DIKWP 认知对象的不同之处，对应各种不同的语义，并进行信息分类。例如，在认知空间中，面对一个停车场，尽管停车场中所有的汽车都可以被认知归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着语义空间中由不同认知意图驱动的认知差异识别，最终对应不同的信息语义。信息对象对应的各种不同语义经常存在于认知主体的认知中，常常未被显式表达出来1112。

33、例如抑郁症患者可能用自己情绪“低落”中国人工智能系列白皮书 11 这一概念来表达自己认知空间中当前的情绪相对自己以往的情绪的负面程度的上升。在认知主体在其概念空间中选择“低落”这个概念以反映其认知状态确认的要表达的目标信息语义，但由于交流对象的认知空间中对“低落”这个概念的信息语义解释不一定与认知主体的信息语义相同，或者说存在不同语义，从而不能实现对被交流对象客观感受到该信息语义，从而该信息语义成为了认知主体的主观的认知信息语义。信息语义处理的数学化表示：信息语义在 DIKWP 模型中对应数据语义、信息语义、知识语义、智慧语义、意图语义经过认知主体意图驱动的处理过程产生新的语义。在语义空间，面

34、向 DIKWP 内容的由意图驱动的信息语义处理 FI，对应从输入 X 到输出 Y 的处理形式：(1.2)其中 X 表示数据语义、信息语义、知识语义、智慧语义、意图语义的集合或组合（也即 DIKWP 内容语义），而 Y 表示产生的新的DIKWP 内容语义集合或组合。这个映射强调了信息语义生成过程的动态性和构造性。信息语义在 DIKWP 模型中对应认知中各种不同语义的表达。借助认知主体的认知意图，信息语义通过将数据、信息、知识、智慧或意图对应的语义与认知主体的现有认知对象联系起来，产生新的语义集合或组合。在认知空间中，这个过程不仅包括对已知 DIKWP 内容的重新语义组合和语义转化（包括语义连通等

35、形成所谓的认知理解），还对应通过这种重新组合与转化产生新的 DIKWP 认知语义和持续形成认知理解的动态过程。信息语义的生成是关于如何将不同的数据语义、信息语义、知识语义、智慧语义或意图语义的集合或组合通过认知主体特定的意图联系起来，从而在认知主体的认知空间确认达到所谓的认知理解的过程，对应认知主体在语义空间形成对断裂或缺失或不确定的语义联系中国人工智能系列白皮书 12 借助生成的信息语义进行了语义的关联、补充、判断，从而实现消除源自语义不确定性的认知不确定性的意图。这个过程涉及到将观察到的现象或认知输入内容与已有的 DIKWP 内容经由认知空间在语义空间进行关联、比较和概念对应等，进而借助某

36、些不同语义识别和分类新的 DIKWP 内容。在 AI 中，这可以对应于认知理解形成解释和处理 DIKWP 内容之间的关系，如通过算法分析 DIKWP 内容间的相关性，从而提取有价值的信息语义。信息语义处理是一个动态的认知过程，关注于如何通过认知主体的主观意图将 DIKWP 内容语义与认知主体的现有认知对象 DIKWP内容语义联系起来，从而产生有价值的语义关联。信息的价值在于成为连接数据、信息、知识、智慧、意图的桥梁，揭示认知主体对 DIKWP内容的语义关联。在认知科学中，信息语义处理可以借助各种认知理论来进行解释，例如，概念集成理论(Conceptual Integration Theory)

37、13来进一步解释，说明如何通过将不同来源的信息融合到一起，形成新的意义和理解。再如，可通过将某个人的行为（DIKWP 内容语义）与特定的情境信息结合起来，进而对该行为的意图有更清晰的理解。信 息 的 语 义 关 联 与 认 知 语 言 学 中 的 隐 喻 理 论(Metaphor Theory)14、混合理论(Blending Theory)15等有关，它们研究如何通过语言的隐喻和概念整合来创建新的意义。在 AI 系统中，涉及到如何设计算法以模拟人类如何通过现有 DIKWP 内容语义构建新的认知模型。信息语义产生过程是DIKWP内容语义与DIKWP内容语义关联，也即 DIKWP*DIKWP 语

38、义交互的结果。这个过程不仅包括 DIKWP内容语义的重组或重新解释，更是一个动态的、意图驱动的认知活动，通过这个活动，认知主体能够识别和理解新的模式和关联，从而扩展其认知边界。信息语义产生是构造性和动态性的，通俗的讲是通过对中国人工智能系列白皮书 13 DIKWP 内容进行解释或语义连接而生成的。信息在哲学上被视为 DIKWP 内容的组织和解释，通过构建DIKWP 内容之间的语义关系来生成新的语义。通过信息语义处理过程，认知主体能够识别和理解现象之间的联系和差异。信息语义的产生涉及到认知主体的主动参与，它是一种对 DIKWP 内容进行语义化处理的动作，反映了认知主体对现实世界的解读。信息作为认

39、知中不同语义的表达，其哲学意义在于信息的生成和处理过程实质上是对世界多样性和复杂性的认识和理解。信息语义不仅仅是 DIKWP 内容语义的聚合或重组，更是一种新的语义关联的创造，反映了认知主体对世界的主动探索和解释。这种解释过程涉及到对现象深层次联系和内在逻辑的挖掘，是一种对世界更深刻理解的追求。转移到另一种更深层次的理解。信息的生成和理解不是被动的接收过程，而是认知主体在认知空间的主动认知语义、构建语义16。信息语义依赖于已有 DIKWP 内容和意图驱动的认知框架。此观点与康德的认识论相呼应，即认知主体对世界的理解是通过内在的感知框架和先验概念构成的。信息的价值在于能够扩展或重构我们的认知框架

40、，从而增进我们对世界的理解。DIKWP 中的信息处理关注数据、信息、知识、智慧、意图之间的动态关系和新的语义集合或组合的生成。这一过程体现了赫拉克利特的流变论万物流转，无物恒常。信息的价值在于其流动性和能够引起的变化，而非静态的事实记录17。信息成为了连接不同认知状态的纽带，推动认知主体从一种理解状态到另一种理解状态18。在信息的定义中，DIKWP 模型强调了信息作为连接不同语义实体的桥梁的角色。这与德勒兹关于“差异性与重复”的理论相呼应。在德勒兹看来，认识过程是通过识别事物之间的差异性来进行的，而这一过程正是信息处理的核心。信息不仅包含了 DIKWP 内容的语义差异性，更通过这些差异性与已有

41、的知识结构产生联系，不仅协整旧中国人工智能系列白皮书 14 的知识，还生成出新的知识。这种动态的认知结构更新过程是认知发展和知识增长的关键。一般定义：一般定义：信息信息是关于特定事物或现象的详细描述，它揭示了事物间的差异性和独特性。以停车场为例，所有车辆虽同为“汽车”，但每辆车的型号、停放位置、使用情况等信息各不相同，这些具体的细节帮助区分并管理车辆。1.2.2 信息定义的对比分析信息定义的对比分析 在 DIKWP 的信息定义中，信息是通过认知主体的意图，将数据与已有认知对象进行语义关联，识别差异。与其他信息定义和模型的对比分析如表 1-3 所示。表 1-3 DIKWP 的信息定义与其他信息定

42、义和模型的对比分析 特征特征 DIKWP 的定义的定义 DIKW 模模型型 SECI 模模型型 Polanyi 隐性隐性知识理论知识理论 Cynefin 框框架架 定义定义 通过认知主体的意图，将数据与已有认知对象进行语义关联，识别差异。经过处理和理 解 的 数据，赋予特定意义。从隐性知识转化为显性知识的 一 部分。隐性知识难以明确转化为信息。信息在不同域中具有不同的应用方式。语义语义 通过语义匹配和关联形成新的信息语义。数据处理和理解后的结果。显性知识的外化结果。主要关注隐性知识，信息 传 递 有限。不明确信息的 语 义 处理。中国人工智能系列白皮书 15 特征特征 DIKWP 的定义的定义

43、 DIKW 模模型型 SECI 模模型型 Polanyi 隐性隐性知识理论知识理论 Cynefin 框框架架 静态静态性性 vs.动态动态性性 动态，通过认知主体的意图生成和验证。静态，作为知识生成的基础。动态，强调显性和隐性知识的互动。主要关注隐性知识，信息 处 理 较少。动态，依据情境进行处理和应用。处理处理过程过程 通过认知主体的意图和认知过程，形成新的语义关联。通过处理和理解数据，形成信息。通过外化过程，将隐性知识转化为显性知识。主要通过个人经验和技能传递。信息依据情境进行处理和应用。个体个体性性 vs.社会社会性性 信息处理既涉及个体也涉及社会共享和传播。个体处理为主，强调信息积累。

44、社会化过程中处理和分享。主要关注个体经验，信息 传 递 有限。根据情境进行个体或集体处理。根据 1.1.2 中概念空间、语义空间和认知空间的定义，信息在不同空间中的对比分析如表 1-4 所示。表 1-4 信息在不同空间中的对比分析 特征特征 概念空间概念空间 语义空间语义空间 认知空间认知空间 定义定义 通过认知主体的意图，将数据与已有认知对象进行语义关联，识别差异。通过语义匹配和关联形成新的信息语义，识别数据的差异。通过认知主体的意 图 和 认 知 过程，形成新的语义关联和信息。中国人工智能系列白皮书 16 特征特征 概念空间概念空间 语义空间语义空间 认知空间认知空间 作用作用 帮助认知主

45、体识别数据之间的差异和联系。形成新的语义联系，确保信息在认知过程中的一致性。通过认知过程，形成新的认知理解和信息。静态性静态性 vs.动动态性态性 动态，通过认知主体的意图生成和验证。动态，通过语义匹配和关联进行处理。动态，通过认知活动进行处理和分类。处理过程处理过程 通过认知主体的意图和认知过程，形成新的语义关联。通过语义空间的语义匹配和关联，形成新的信息语义。通过认知空间的思考和意图，形成新的认知和信息。1.3 知识(Knowledge)1.3.1 知识的概念及语义知识的概念及语义 在 DIKWP 模型中，知识(DIKWP-Knowledge)对应于认知空间中的一个或多个“完整”语义。知识

46、是通过认知主体借助某种假设，对DIKWP 内容进行语义完整性抽象活动，获得对认知对象 DIKWP 内容之间语义的理解和解释。这种理解和解释形成认知主体对认知交互活动的认知输入 DIKWP 内容与已有认知 DIKWP 内容之间的语义联系，并在更高阶的认知空间中对应一个或多个承载认知完整确认的“完整”语义。知识的语义是通过高阶认知活动，将部分观察结果赋予“完整”语义，从而形成系统性的理解和规则。例如，通过观察不可能得知所有的天鹅都是白色，但在认知空间中，认知主体可以对一些观察结果的部分情形通过假设（赋予完整语义的高阶认知活动）将不能保障完整的观察结果赋予“完整”语义，也即“所有”，进而形成对“天鹅

47、都是白色”这一拥有完整语义“都是”的知识规则对应的知识语义。中国人工智能系列白皮书 17 例如：在生物实验的例子中，科学家们通过长期观察和实验，可能会发现某些植物在特定条件下生长更快。通过对这些观察结果进行抽象和假设，科学家们可以形成“在高湿度环境下，植物 X 的生长速度更快”的知识。这种知识不仅仅是对单一信息的理解，而是通过多次验证和修正后形成的系统性理解，能够解释和预测植物在不同环境条件下的生长行为192021。1.3.2 知识知识的结构化表示的结构化表示 知识的结构化表示强调了知识在认知中的系统性和层次性。在DIKWP 模型中，知识可以表示为语义网络：，其中，N 表示概念的集合，E 表示

48、概念之间的关系集合。这种表示方式将知识认知定位为一个更高层次的认知成果，强调了知识的结构化和对完整语义的捕捉能力。这对于理解复杂系统和抽象概念至关重要。知识是对 DIKWP 内容从不理解到理解的认知状态转化的桥接，通过验证强化对知识的确认。知识的构建不仅依赖于数据和信息的积累，更重要的是通过认知过程中的抽象和概括，形成对事物本质和内在联系的理解2223。知识的存在不仅体现在个体层面，也体现在集体或社会层面，通过文化、教育和传承等方式进行共享和传播24。知识语义是对DIKWP 内容进行深度加工和内化后形成的结构化认识。这种认识在概念空间内，并借助“完整”语义与语义空间对应。知识在 DIKWP 框

49、架中的定义，反映了对世界的深入理解和完整语义的把握。这与亚里士多德关于形式原因的概念相呼应，即事物的本质和目的是可以通过理性和经验来探索和理解的。每个知识规则的形成在 DIKWP 模型中代表认知主体对事物内在规律和本质的认知把握。从哲学的角度看，知识不仅是认知过程的产物，更是这一过程的目的和指导252627。知识的形成和应用体现了认知主体对世界的适应和改造，是对现实世界深层次规律的语义空间理解2829。中国人工智能系列白皮书 18 1.3.3 知识定义的对比分析知识定义的对比分析 DIKWP 模型在知识的定义和生成过程上，提供了更高阶、更抽象的框架，适用于解释和理解复杂系统和抽象概念。相比其他

50、模型，段玉聪等人的定义更关注知识的动态生成和语义完整性，强调了知识在认知过程中的深层次理解和抽象。DIKWP 模型的知识定义与其他知识定义和模型的对比分析如表 1-5 所示。表 1-5 DIKWP 的知识定义与其他知识定义和模型的对比分析 特征特征 DIKWP 的的知识定义知识定义 DIKW 模模型型 SECI 模模型型 Polanyi 的隐的隐性知识理论性知识理论 Cynefin 框架框架 定义定义 知识概念的语义对应认知空间中的一个或多个“完整”语义，通过假设和高阶认知活动进行语义完整性抽象。知识是经过处理和理解的信息，能够用于决策和行动。知识分为显性知识和隐性知识，通过社会化、外化、结合

51、和内化四个过程转化。知识分为显性知识和隐性知识，隐性知识是难以形式化和传递的个人经验和技能。知识在不同情境下的应用方式不同，分为简单、复杂、复杂、混沌和无序五个域。关键特关键特点点 语义完整性、假设与抽象、语义网络、系统性理解、动态验证与修正、共享与传播。层次性、静态性，强调知识的存储和管理。动态性、双 重 性（显性知识和隐性知识的相互转化）。难以形式化、个体性，强调个人经验和技能。情境性、多样性，强调知识的应用和决策根据情境不同而变化。中国人工智能系列白皮书 19 特征特征 DIKWP 的的知识定义知识定义 DIKW 模模型型 SECI 模模型型 Polanyi 的隐的隐性知识理论性知识理论

52、 Cynefin 框架框架 语义完语义完整性整性 强调，通过假设和抽象活动形成完整语义，构建系统性理解。不强调，主要关注信息向知识的转化过程。部 分 强调，通过显性和隐性知识的转化形成系统性理解。不强调，主要关注隐性知识的个体性和难以传递性。不强调，主要关注知识在不同情境下的应用方式。知识生知识生成过程成过程 观察和学习、假设形成、语义完整性抽象、语义联系搭建、知识验证与修正。信息处理和理解，识别模式和形成规则。社会化、外化、结合和内化四 个 过程。隐性知识通过个人经验和技能形成，难以直接传递。知识生成根据不同情境进行决策，应用方式不同。知识表知识表示示 语义网络，节点代表概念，边代表概念之间

53、的语义关系。层次结构，从数据到信息再到知识和智慧。动态转化过程，显性知识和隐性知识的相互转化。难以形式化的个人经验和技能，不易通过文档形式传递。五个域，每个域中知识的应用和决策方式不同。静态性静态性 vs.动动态性态性 动态，强调知识的生成、验证和修正。静态，主要关注知识的层 次 和 存储。动态，强调知识的转化和共享过程。静态，主要关注隐性知识的个体性和难以传递性。动态，知识应用根据情境变化。中国人工智能系列白皮书 20 特征特征 DIKWP 的的知识定义知识定义 DIKW 模模型型 SECI 模模型型 Polanyi 的隐的隐性知识理论性知识理论 Cynefin 框架框架 个体性个体性 vs

54、.社社会性会性 强调知识在个体和社会层面的共享和传播，通过文化、教育和传承进行。主要关注知识的个人层面，不强调社会层面。强调知识的 社 会性，通过组织内的转化和共享过程。强调知识的个体性，主要关注个人经验和技能。强调知识在不同情境下的应用，适用于复杂系统和问题的决策。抽象与抽象与概括概括 强调，通过高阶认知活动和假设形成系统性知识。不强调，主要关注信息的处理和理解。部 分 强调，通过显性和隐性知识的转化形成系统性理解。不强调，主要关注隐性知识的个体性和难以传递性。不强调，主要关注知识的应用和决策方式。验证与验证与修正修正 强调，通过进一步观测和实验验证假设的正确性和有效性，并根据新信息进行修正

55、和完善。不强调，主要关注知识的存储和管理。强调，通过不断的知识转化和共享过程，验证和完善知识。不强调，主要关注隐性知识的个体性和难以传递性。强调，根据不同情境进行知识的应用和决策，验证其有效性。中国人工智能系列白皮书 21 特征特征 DIKWP 的的知识定义知识定义 DIKW 模模型型 SECI 模模型型 Polanyi 的隐的隐性知识理论性知识理论 Cynefin 框架框架 哲学意哲学意义义 知识是认知主体对世界的深刻理解和解释，通过抽象和概括形成系统性知识。知识是对信息的进一步处 理 和 理解，主要关注其应用和决策功能。知识是显性和隐性知识的转化，通过组织内的共享和传播形成。知识是个人经验

56、和技能的体现，难以通过形式化手段传递。知识是根据情境进行决策和应用的手段，强调其多样性和情境适应性。通过对比分析，可以看到 DIKWP 的知识定义在现有知识模型的基础上，强调了知识的语义完整性、抽象过程、动态验证和语义网络结构化。相比其他模型，段玉聪等人的定义更关注知识的生成和验证过程，强调对事物本质和内在联系的理解。这种定义更适合用于解释和理解复杂系统和抽象概念，同时也强调了知识在社会层面的共享和传播。根据 1.1.2 中概念空间、语义空间和认知空间的定义，知识在不同空间中的对比分析如表 1-6 所示。表 1-6 知识在不同空间中的对比分析 特征特征 概念空间概念空间 语义空间语义空间 认知

57、空间认知空间 定义定义 知识概念的语义对应于认知空间中的一个或多个“完整”语义。通过语义匹配和关联形成系统性理解和规则。通过高阶认知活动和假设，形成系统性知识和理解。中国人工智能系列白皮书 22 特征特征 概念空间概念空间 语义空间语义空间 认知空间认知空间 作用作用 形成系统性的概念和规则，帮助认知主体理解和解释世界。形成系统性的语义联系，确保知识在认知过程中的一致性。通过认知活动，形成对世界的深刻理解和解释。静态性静态性 vs.动态性动态性 动态，知识生成和验证是一个持续过程。动态，通过语义匹配和关联进行验证和修正。动态，通过认知活动进行验证和修正。处理过程处理过程 通过观察、假设、抽象、

58、验证和修正，形成系统性知识。通过语义空间的语义匹配和关联，形成和验证知识。通过认知空间的高阶认知活动，形 成 和 验 证 知识。段玉聪等人的定义强调了知识的动态生成、语义完整性、假设与抽象以及验证和修正的过程。这种定义不仅适用于理论构建和知识的语义理解，也为知识管理和应用提供了新的视角和方法。在对比其他模型时发现：DIKW 模型侧重于知识的层次性和静态存储，而段玉聪等人的定义更强调知识的动态生成和验证。SECI 模型强调显性和隐性知识的互动和转化，适用于组织内的知识流动，而段玉聪等人的定义提供了知识的结构化表示，更适合描述知识的生成过程。Polanyi的隐性知识理论关注隐性知识的个体性和难以传

59、递性，而段玉聪等人的定义强调知识的系统性和结构化表示。Cynefin 框架强调知识在不同情境下的应用和决策，适用于复杂系统和问题的实时决策，而段玉聪等人的定义提供了知识的语义网络表示，适用于理论构建和知识的语义理解。1.4 智慧(Wisdom)在 DIKWP(Data,Information,Knowledge,Wisdom,Purpose)模型中国人工智能系列白皮书 23 中，智慧(Wisdom)的概念是一个关键元素，它不仅涉及数据、信息和知识的整合与应用3，更包括伦理、社会道德、人性等方面的深层次考量3031。本文对智慧的定义强调了其在认知过程中的综合性、伦理性和目标导向性，提出了智慧在构

60、建人类命运共同体中的核心价值观。本文将深入扩展智慧定义，详细阐述其理论基础、数学表示、应用场景及在人工智能(AI)中的实现。1.4.1 智慧智慧的概念及语义的概念及语义 智慧(DIKWP-Wisdom)概念的语义对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的，相对于当前时代的相对固定的极端价值观或者个体的认知价值观对应的信息语义32。在认知主体确定智慧语义时，认知主体在认知空间会整合其中存在的DIKWP 内容语义包括数据、信息、知识、智慧与意图的语义，人类及人工智能系统的智慧核心是围绕构建人类命运共同体的以人为本的价值观，并依托这个核心价值观构建、辨析、确认、矫正和发展个

61、体及群体的认知空间、语义空间和概念空间的 DIKWP 内容语义，并运用它们来指导决策。例如，在面临基于特定 DIK 内容的决策问题时，认知主体的决策应当综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是基于 DIK 的技术或效率。智慧 W 为决策函数关联数据、信息、知识、智慧和意图，并输出最优决策 D：(1.3)这里，W 是一个决策函数，根据数据、信息、知识和智慧来产生最优决策。D，这种描述强调了决策过程的综合性和目标导向性。这与认知语言学中对道德和价值观如何通过语言表达和传递的研究相呼应。智慧概念在DIKWP模型中被看作是基于人类整体核心价值观的综合体现，它结合了伦理、社会道德和个体价值

62、观的考量。智慧不仅仅是数据、信息、知识的应用，更是在决策过程中对各种因素（包括中国人工智能系列白皮书 24 道德和伦理）的全面考虑和平衡33。智慧语义处理涉及将数据、信息、知识结合个体或集体的价值观、伦理道德观念来做出判断和决策34。在 AI 领域，智慧语义处理对应于发展高级决策人工意识系统或者伦理 AI，这些系统能够在以人为本的原则下考虑多方面因素的基础上，提供更加智慧和符合道德标准的解决方案。在认知科学领域，智慧语义处理对应从人类整体发展出发的价值系统、道德判断以及社会情境下的 DIKWP 内容语义处理过程。智慧内容不是 DIKWP 内容的积累，而是关于如何在复杂和不确定的环境中基于以构建

63、人类命运共同体的愿景基于以人文本的固定的信息语义，从认知空间出发在语义空间进行 DIKWP 语义内容的处理做出符合乃至促进以人为本的 DIKWP 语义内容的处理。例如，面对气候变化，智慧的应用涉及到利用认知主体对环境科学的理解（知识），评估不同行动方案（知识）的长期和短期后果（信息），并在考虑伦理和社会责任（智慧）的基础上做出决策（信息）35。认知主体的智慧和社会群体的智慧的形成不仅依赖于认知个体和认知群体的 DIKWP 内容语义认知能力的融合发展，还涉及到个体对其所处环境、文化背景和社会关系等对应的 DIKWP 内容的交互、深入理解和反思。DIKWP 模型将智慧视为决策过程中的关键因素，涉及

64、伦理、道德和价值观的考虑，强调了数据、知识和信息在实际应用中与价值取向的必然联系，提醒认知主体认知过程不仅仅是对真理的追求，更是基于对人类整体美好生活方式的探索的前提36。这部分对应了亚里士多德对“实践智慧(Phronesis)”的探讨，即如何在特定情境下作出最好的道德判断和决策。智慧在 DIKWP 模型中的定义根植于认知科学、伦理学和社会学等多学科领域。其核心在于将数据(Data)、信息(Information)、知识中国人工智能系列白皮书 25(Knowledge)、智慧(Wisdom)和意图(Purpose)有机结合，以实现综合性、伦理性和目标导向性的决策过程。智慧(Wisdom)的语义

65、对应于伦理、社会道德、人性等方面的信息。智慧是一种来自文化和人类社会群体的，相对于当前时代相对固定的极端价值观或个体的认知价值观的信息语义。在认知主体确定智慧语义时，会整合认知空间中的 DIKWP 内容，包括数据、信息、知识、智慧与意图的语义。智慧的核心价值观围绕构建人类命运共同体的以人为本的价值观。认知主体依托这一核心价值观，构建、辨析、确认、矫正和发展个体及群体的认知空间、语义空间和概念空间的 DIKWP 内容语义。1.4.2 智慧智慧的决策过程的决策过程 在智慧语义处理中，认知主体在决策过程中综合考虑伦理、道德和可行性等因素，而不仅仅是基于数据、信息和知识的技术或效率。决策过程包括以下步

66、骤：1.综合考虑综合考虑 在面临决策问题时，认知主体需要综合考虑伦理、道德、社会责任和可行性等因素。例如，气候变化的决策需要考虑环境影响、社会公平和经济可行性等多个方面37。2.整合整合 DIKWP 内容内容 认知主体将数据、信息、知识、智慧和意图的语义进行整合，形成全面的决策基础。比如，在公共政策制定中，需要结合统计数据、社会调查、历史知识和伦理原则来做出决策。3.决策输出决策输出 通过综合考虑各方面因素，决策函数 W 输出最优决策。这一过程强调了多因素平衡和优化的必要性。智慧在实际应用中涵盖广泛，包括但不限于以下场景：1.环境保护环境保护 中国人工智能系列白皮书 26 在应对气候变化和环境

67、保护的问题上，智慧的应用涉及科学知识的理解（知识）、评估不同行动方案的长期和短期后果（信息），并在考虑伦理和社会责任（智慧）的基础上做出决策（信息）。例如，制定环保政策需要考虑经济影响、社会接受度和环境效益。2.医疗决策医疗决策 在医疗领域，智慧的应用需要结合病人的数据(D)、医学知识(K)、治疗方案的信息(I)以及道德考虑(W)来做出治疗决策。比如，医生在选择治疗方案时，不仅需要考虑疗效和副作用，还需要考虑病人的意愿和伦理问题。3.社会治理社会治理 智慧在社会治理中的应用涉及综合考虑法律、社会道德和公共政策等多方面因素。治理决策需要基于法律数据(D)、社会调查信息(I)、历史知识(K)和社会

68、价值观(W)来制定最优的公共政策。4.人工智能人工智能 在 AI 系统中，智慧语义处理对应于发展高级决策人工意识系统或伦理 AI，这些系统能够在以人为本的原则下考虑多方面因素，提供更加智慧和符合道德标准的解决方案38。例如，自驾车系统在决策时需要考虑乘客安全、行人保护和交通法规等多个因素。在 AI 领域，智慧语义处理的目标是发展高级决策人工意识系统或伦理 AI，这些系统能够在以人为本的原则下考虑多方面因素，提供更加智慧和符合道德标准的解决方案39。智慧在 AI 中的应用包括：设计能够在复杂环境中做出伦理决策的 AI 系统。例如，自驾车系统在面临紧急情况时，需要权衡乘客和行人的安全，做出符合道德

69、标准的决策。开发能够综合考虑多方面因素的高级决策系统。例如，在医疗诊断中，AI 系统需要结合病人的病史数据、医学知识和伦理原则，提供最优的治疗方案。中国人工智能系列白皮书 27 1.4.3 智慧智慧定义的对比分析定义的对比分析 智慧(Wisdom)在认知科学、伦理学和人工智能等领域具有重要的研究价值。在 DIKWP 模型中提出了关于智慧的定义，强调其在决策过程中的综合性、伦理性和目标导向性。本节将详细对比分析 DIKWP的智慧定义与其他学者或模型中的智慧定义，探讨其异同点及应用场景。DIKWP 与 DIKW 金字塔模型3、Ackoff40、Churchman41、Bateson42智慧定义的对

70、比如表 1-7 所示。表 1-7 不同智慧定义的对比 定义来源定义来源 语义定义语义定义 来源来源 核心价值观核心价值观 决策过程决策过程 应用场景应用场景 DIKWP 伦理、社会道德、人性等方面 的 信息。文化和人类社会群体的价值观 以人为本，构建人类命运共同体 综合考虑伦理、道德、社会责任和可行性。环 境 保护、医疗决策、社会治理、人工智能 DIKW 金字金字塔模型塔模型 应用知识和经验进行审慎判断 和 决策。数据、信息、知识的积累与应用 经验和洞察力 基于知识和经验的审 慎 决策。环 境 保护、医疗决策、社会治理、人工智能 Ackoff 对善与恶的区别和行为的指导。知识与价值观的结合 伦

71、理和道德 基于价值观的审慎判断。环 境 保护、医疗决策、社会治理、人工智能 中国人工智能系列白皮书 28 定义来源定义来源 语义定义语义定义 来源来源 核心价值观核心价值观 决策过程决策过程 应用场景应用场景 Churchman 用以解决复杂问题和应对不确定性的能力。综 合 数据、信息和知识 实用性和有效性 解决复杂问题，处理不确定性。环 境 保护、医疗决策、社会治理、人工智能 Bateson 理解和协调不同层次的思想和感知。经验和文化 平衡和谐 协调和整合不同观点。环 境 保护、医疗决策、社会治理、人工智能 在具体应用场景中，DIKWP 模型中智慧的定义与其他不同模型中智慧的定义在具体应用场

72、景中进行对比分析，在环境保护场景中，不同模型的智慧定义对比分析如表 1-8 所示；在医疗决策场景中，不同模型的智慧定义对比分析如表 1-9 所示；在社会治理场景中，不同模型的智慧定义对比分析如表 1-10 所示；在人工智能场景中，不同模型的智慧定义对比分析如表 1-11 所示。表 1-8 不同模型的智慧定义对比分析（环境保护场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 综合考虑环境影响、社会公平和经济可行性。DIKW 金字塔模型金字塔模型 主要基于环境科学知识和经验。Ackoff 注重伦理和道德考量。Churchman 实用性和有效性为主。Bateson 平衡不同环境观点和利益

73、。中国人工智能系列白皮书 29 表 1-9 不同模型的智慧定义对比分析（医疗决策场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 结合病人数据、医学知识、伦理和社会责任。DIKW 金字塔模型金字塔模型 基于医学知识和经验。Ackoff 强调医疗决策中的伦理判断。Churchman 处理医疗问题的复杂性和不确定性。Bateson 协调病人需求和医疗资源。表 1-10 不同模型的智慧定义对比分析（社会治理场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 结合法律数据、社会调查、历史知识和伦理原则。DIKW 金字塔模型金字塔模型 基于社会治理知识和经验。Ackoff 社会治理

74、中的道德考量。Churchman 有效处理社会治理的复杂性。Bateson 平衡不同社会群体的利益。表 1-11 不同模型的智慧定义对比分析（人工智能场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 发展伦理 AI，综合考虑多方面因素。DIKW 金字塔模型金字塔模型 基于数据和知识的 AI 决策。Ackoff 伦理 AI，注重道德判断。Churchman AI 解决复杂问题和处理不确定性。Bateson AI 系统的协调和平衡功能。通过对比分析DIKWP 的智慧定义与其他学者或模型中的智慧定义，可以看出本文的定义在综合性、伦理性和目标导向性方面具有独特的优势，特别是在强调以人为本和

75、构建人类命运共同体的核心价值观上。相比之下，其他定义在经验、实用性、道德考量和平衡和谐方中国人工智能系列白皮书 30 面也有各自的侧重点。DIKWP 的智慧定义在实际应用中展现出独特的优势，能够提供更加智慧和符合道德标准的解决方案，特别是在环境保护、医疗决策、社会治理和人工智能等复杂且多变的场景中。通过这种综合性和目标导向性的决策过程，可以更好地应对现代社会中的各种挑战，推动更具道德标准和综合考量的决策系统的发展。总之，DIKWP 模型中的智慧定义强调了智慧在决策过程中的综合性、伦理性和目标导向性。智慧不仅是数据、信息和知识的应用，更是在决策过程中对各种因素（包括道德和伦理）的全面考虑和平衡。

76、智慧的核心价值观围绕构建人类命运共同体的愿景，以人为本，指导认知主体在复杂环境中做出最优决策。智慧在 AI 中的应用展现了其在现代技术中的重要性，推动了更具道德标准和综合考量的决策系统的发展。1.5 意图(Purpose)1.5.1 意图意图的概念及语义的概念及语义 意图(DIKWP-Purpose)概念的语义对应二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的语义内容44344。意图语义代表了利益相关者对某一现象或问题的 DIKWP内容语义的理解（输入），以及希望通过处理和解决该现象或问题来实现的目标（输出）。认知主体在处理意图语义时，在语义空间会根据其预设的目标（输出

77、）语义，处理输入的 DIKWP 内容语义，通过学习和适应等对应的 DIKWP 内容语义的处理，使输出 DIKWP 内容语义逐渐接近预设的目标语义454647。意图的数学化定义如公式(1.4)所示。(1.4)其中，输入和输出是数据、信息、知识、智慧或意图的内容语义。处理意图语义时，一系列转换函数 T，根据输入内容和预设目标，实现从输入到输出的语义转化：中国人工智能系列白皮书 31 (1.5)这种表示方法突出了过程的动态性和目标导向性，为理解和设计具有特定目标的认知处理过程提供了数学模型。意图代表了认知过程的目的性和方向性，它是个体或系统行动的驱动力4849。意图不仅定义了从当前状态到期望状态的转

78、换路径，而且揭示了认知活动的动力和方向。这种目标导向的认知过程强调认知主体在处理信息时的主动性和创造性，以及认知活动背后的深层动机和目标。意图概念强调了在认知空间进行的是目标导向的认知过程，即认知主体在处理信息时不仅仅是被动接收，而是有着明确的目标和意图，这决定并驱动了它如何理解和操作数据、信息、知识、智慧和意图等 DIKWP 语义内容5051。意图不仅指导认知主体对数据、信息的收集和处理，还影响知识的形成和应用，以及智慧的发展和实践。意图的概念引入了目的论的视角，即认知活动不是无目的的数据处理，而是为了实现某种目标或满足某种需要。在 DIKWP 框架中，意图的加入不仅丰富了模型的动态性，也强

79、调了认知活动的目的性和主观性52。这意味着在认知过程中，认知主体不是被动地接收和处理DIKWP 语义内容，而是在语义空间基于特定的目标和意图主动地寻找、选择和解释 DIKWP 语义内容。意图驱动提供了一个从动态和目标导向的角度来理解认知活动的框架，这与认知语言学中的行动理论(Action Theory)相关，使得DIKWP 模型不仅能够解释已有的认知现象，还能指导未来的认知活动，为实现特定目标而优化认知策略和行为53。DIKWP 模型中的意图驱动方式强调了认知主体的认知过程的目的性和动态性。它关注于从一种状态转移到预期状态的过程，这一过程中包括了目标的设定和达成路径的规划。在 AI 系统中，意

80、图识别和目标导向的行为设计是实现智能行为的关键要素，如在自然语言处理(NLP)中理解用户的查询意图，或在规划算法中设定和优化目标达中国人工智能系列白皮书 32 成的路径5455。在人工意识研究中，理解和模拟人类的意图识别和目标导向行为是实现高级认知功能的关键。从哲学的视角来看，意图不仅仅是行动的预设目标，更是个体存在和行为的根本动因。意图体现了个体的自由意志和对未来的设想，它是个体与世界互动的内在动力56。意图的存在强调了认知活动的主体性和创造性，揭示了人类行为背后的深层意义。这不仅与亚里士多德的终因说相对应，他认为所有事物的存在都有其目的或终极原因，更与黑格尔的目的性观念和存在主义哲学中的自

81、由意志观点相呼应57。在黑格尔哲学中，现实的动力来自于对立的统一，即通过目的性行为的实现过程中的自我实现和自我否定。而在存在主义中，强调个体的选择和意图对其存在的决定性作用58。DIKWP 模型中的意图维度，体现了认知活动不仅是对外部世界的反应，更是主体基于自身目的和价值观进行主动构建的过程。意图的核心特点包括：1、动态性：意图过程是动态的，通过不断调整和优化输入内容，使输出逐步接近预设目标。2、目标导向性：意图强调认知过程的目的性和方向性，认知主体在处理信息时具有明确的目标和意图。3、主动性和创造性：认知主体在处理信息时不仅是被动接收，而是主动寻找、选择和解释 DIKWP 语义内容。意图在

82、DIKWP 模型中的引入，为认知活动提供了一个目的论的视角，强调了认知活动的主体性和创造性。这不仅丰富了模型的动态性，也强调了认知活动的目的性和主观性54。1.5.2 意图定义意图定义的对比分析的对比分析 意图语义对应二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的语义内容。强调了以人为本和构建人类命运共同体的核心价值观，突出了社会责任和伦理的重要性52。基于中国人工智能系列白皮书 33 DIKWP 模型的意图定义与 Bratman49、Searle48、Schank&Abelson59、Fodor60、Dennett61的定义对比分析如表 1-12 所示。表 1-12

83、不同意图定义的对比分析 定义来源定义来源 语义定义语义定义 来源来源 核心价值观核心价值观 决策过程决策过程 应用场景应用场景 DIKWP 意图语义对应二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的语义内容。数据、信息、知识、智慧、意图的语义内容 以人为本，构建人类命运共同体 通过转换函 数 实现从输入到输出的语义转化 人 工 智能、自然语 言 处理、认知科学 Bratman 意图是对未来行动的承诺，是规划行为 的 基础。行动计划与未来承诺 个体对未来的预期和承诺 通过行动计划实现预期目标 行 动 理论、决策理论 中国人工智能系列白皮书 34 定义来源定义来源 语义定义

84、语义定义 来源来源 核心价值观核心价值观 决策过程决策过程 应用场景应用场景 Searle 意图是心灵状态，是对行动的方向和目的的意向性。心灵状态与意向性 心灵对行动的方向和目的的关注 通过心灵状态引导行动实现目的 心理学、哲学、语言学 Schank&Abelson 意图是个体行为背后的动机和目标，是理解和生成故事的基础。行为动机与目标 理解和生成行为的背后动机和目标 通过分析行为动机和目标理解和生成故事 人 工 智能、认知科学、叙事理论 Fodor 意图是心灵 的 内容，是描述心理状态和过程的重要概念。心灵内容与心理过程 心理状态和过程的描述 通过描述心理状态和过程理解意图 心理学、哲学、认

85、知科学 Dennett 意图是设计层次的概念，是解释行为和决策的框架。行为和决策的设计层次 解释和预测行为和决策 通过设计层次解释和预测行为和决策 认 知 科学、哲学、人工智能 中国人工智能系列白皮书 35 在核心价值观方面，分析表 1-12 可知，DIKWP 的意图定义强调了以人为本和构建人类命运共同体的核心价值观，突出了社会责任和伦理的重要性。相比之下，Bratman 更关注个体的未来预期和承诺49，Searle 强调心灵的意向性48，Schank&Abelson 关注行为动机和目标59，Fodor 注重心理状态的描述60，Dennett 强调设计层次的解释和预测61。在语义与来源方面，分

86、析表 1-12 可知，DIKWP 的意图定义涵盖了广泛的语义内容，包括数据、信息、知识、智慧和意图，而其他定义多集中于具体的心理状态、行为动机和设计层次。在决策过程方面，分析表 1-12 可知，DIKWP 的意图定义强调通过转换函数实现从输入到输出的语义转化，突出了过程的动态性和目标导向性。其他定义多集中于行动计划、心灵状态和设计层次的解释和预测。在具体应用场景中，DIKWP 模型中意图的定义与其他不同模型中意图的定义在具体应用场景中进行对比分析，在人工智能场景中，不同模型的意图定义对比分析如表 1-13 所示；在自然语言处理场景中，不同模型的意图定义对比分析如表 1-14 所示；在认知科学场

87、景中，不同模型的意图定义对比分析如表 1-15 所示。表 1-13 不同模型的意图定义对比分析（人工智能场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 在 AI 系统中，意图识别和目标导向的行为设计是实现智能行为的关键要素。Bratman AI 系统通过预设行动计划来实现预期目标，强调规划行为的重要性。中国人工智能系列白皮书 36 定义来源定义来源 应用场景描述应用场景描述 Searle AI 系统需模拟心灵状态，以实现对行动的方向和目的的意向性。Schank&Abelson AI 系统通过分析行为动机和目标来理解和生成故事。Fodor AI 系统需描述和理解心理状态和过程，以实

88、现意图的模拟。Dennett AI 系统通过设计层次解释和预测行为和决策，强调意图的设计和实现。表 1-14 不同模型的意图定义对比分析（自然语言处理场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 在 NLP 中，理解用户的查询意图是提供准确和相关答案的基础。Bratman NLP 系统需通过规划语言生成行为来实现用户的预期目标。Searle NLP 系统需模拟用户的心灵状态，以实现语言的意向性理解。Schank&Abelson NLP 系统通过分析语言背后的行为动机和目标来理解和生成自然语言。Fodor NLP 系统需描述和理解语言的心理状态和过程，以实现意图的模拟。Denne

89、tt NLP 系统通过设计层次解释和预测语言行为，强调意图的设计和实现。中国人工智能系列白皮书 37 表 1-15 不同模型的意图定义对比分析（认知科学场景）定义来源定义来源 应用场景描述应用场景描述 DIKWP 在认知科学中，理解人类的意图识别和目标导向行为是实现高级认知功能的关键。Bratman 认知科学研究需通过规划行为理解人类的意图和目标。Searle 认知科学需研究心灵状态和意向性，以理解人类的行动和目的。Schank&Abelson 认知科学通过分析行为动机和目标来理解和生成人类的认知过程。Fodor 认知科学需描述和理解心理状态和过程，以实现意图的研究。Dennett 认知科学通

90、过设计层次解释和预测人类行为和决策，强调意图的设计和实现。在 DIKWP 模型中提出的意图定义，强调了认知过程的目的性和方向性。通过引入意图的概念，DIKWP 模型不仅能够解释已有的认知现象，还能指导未来的认知活动，为实现特定目标优化认知策略和行为。这种目标导向的认知过程，在人工智能、自然语言处理和认知科学等领域具有重要的应用价值，推动了现代认知科学和技术的发展。意图的引入丰富了 DIKWP 模型的动态性和目标导向性，为理解和设计具有特定目标的认知处理过程提供了坚实的理论基础。1.6 DIKWP 与空间定义 1.6.1 DIKWP 模型模型 DIKWP 模型144345是一个扩展了传统的 DI

91、KW256263（数据(Data)、信息(Information)、知识(Knowledge)、智慧(Wisdom)）模型的网馈模型，增加了意图(Purpose)这个元素。DIKWP 模型是一种中国人工智能系列白皮书 38 能够形象地描述认知过程的网络化模型，其将数据、信息、知识、智慧、意图五个环节紧密相连，共同构成了一个跨越认知空间、意识空间、语义空间和概念空间的认知概念-语义关联交互过程10。DIKWP关系架构如图 1-1 所示。认知空间、意识空间、语义空间和概念空间交互如图 1-2 所示。数据智慧知识信息意图意图意图意图意图意图意图意图意图意图 图 1-1 DIKWP 关系架构图44 段

92、玉聪等人1提出了数据、信息、知识、智慧和意图框架的改进UML 元模型，如图 1-3 所示。该模型以“人类”和“存在”为核心概念，将其分解为客观存在和可能是主观的概念性承认存在6465。添加了非存在的确认作为确认存在的一种形式，因为它具有确定性的语义66。(1.6)中国人工智能系列白皮书 39 图 1-2 概念空间、认知空间、语义空间架构图10 图 1-3 DIKWP 定义元模型1 进一步详细分析 DIKWP 模型中的基本语义，包括“相同”、“不中国人工智能系列白皮书 40 同”、“完整”等语义如何与具体概念进行映射和标识。通过具体案例，深入探讨这些基本语义在概念空间、语义空间和认知空间中的产生

93、和表达。1、基本语义分析、基本语义分析(1)“相同”的语义“相同”在 DIKWP 模型中表示两个或多个对象在某些特征或属性上完全一致。这个语义可以在数据、信息、知识、智慧和意图范畴次上进行映射和标识。1)在数据范畴：当两个植物的颜色、形状、大小等特征完全一致时，我们可以说它们是“相同的”。dplant1=(dcolor1,dshape1,dsize1)dplant2=(dcolor2,dshape2,dsize2)如果 dcolor1=dcolor2,dshape1=dshape2,dsize1=dsize2 那么 dplant1=dplant2 例如，两个红色、圆形花瓣、中等大小的植物是“相

94、同的”。2)在信息范畴：当两个植物的名称和类别完全一致时，我们可以说它们是“相同的”。Iplant1=(name1,category1)Iplant2=(name2,category2)如果 name1=name2,category1=category2 那么 Iplant1=Iplant2 中国人工智能系列白皮书 41 例如，两株被命名为玫瑰并属于花卉类的植物是“相同的”。3)在知识范畴：当两个植物的特性和生态习性完全一致时，我们可以说它们是“相同的”。Kplant1=characteristics1,habitat1 Kplant2=characteristics2,habitat2 如果

95、 characteristics1=characteristics2,habitat1=habitat2 那么 Kplant1=Kplant2 例如，两株有刺且芳香的花园植物是“相同的”。4)在智慧范畴：当两个植物的栽培技巧和病虫害防治方法完全一致时，我们可以说它们是“相同的”。Wplant1=cultivation techniques1,pest control1 Wplant2=cultivation techniques2,pest control2 如果 cultivation techniques1=cultivation techniques2,pest control1=pes

96、t control2 那么 Wplant1=Wplant2 例如，两株需要适当浇水和使用相同杀虫剂的植物是“相同的”。5)在意图范畴：当两个植物的保护和学习目标完全一致时，我们可以说它们是“相同的”。Pplant1=goals1,plans1 Pplant2=goals2,plans2 中国人工智能系列白皮书 42 如果 goals1=goals2,plans1=plans2 那么 Pplant1=Pplant2 例如，两株植物的目标是识别 100 种植物并参与植物调查，是“相同的”。2、“不同”的语义“不同”的语义“不同”在 DIKWP 模型中表示两个或多个对象在某些特征或属性上存在差异。这

97、个语义可以在数据、信息、知识、智慧和意图范畴次上进行映射和标识。(1)在数据范畴：当两个植物的颜色、形状、大小等特征存在差异时，我们可以说它们是“不同的”。dplant1=(dcolor1,dshape1,dsize1)dplant2=(dcolor2,dshape2,dsize2)如果 dcolor1dcolor2 or dshape1dshape2 or dsize1dsize2 那么 dplant1dplant2 例如，一株红色、圆形花瓣的植物与一株黄色、大花瓣的植物是“不同的”。(2)在信息范畴：当两个植物的名称和类别存在差异时，我们可以说它们是“不同的”。Iplant1=(name1

98、,category1)Iplant2=(name2,category2)如果 中国人工智能系列白皮书 43 name1name2 or category1category2 那么 Iplant1Iplant2 例如，一株被命名为玫瑰并属于花卉类的植物与一株被命名为向日葵并属于花卉类的植物是“不同的”。(3)在知识范畴：当两个植物的特性和生态习性存在差异时，我们可以说它们是“不同的”。Kplant1=characteristics1,habitat1 Kplant2=characteristics2,habitat2 如果 characteristics1characteristics2 or

99、habitat1habitat2 characteristics1=characteristics2 or habitat1=habitat2 那么 Kplant1Kplant2 Kplant1=Kplant2 例如，一株有刺且芳香的花园植物与一株高大且向阳的田野植物是“不同的”。(4)在智慧范畴：当两个植物的栽培技巧和病虫害防治方法存在差异时，我们可以说它们是“不同的”。Wplant1=cultivation techniques1,pest control1 Wplant2=cultivation techniques2,pest control2 如果 cultivation techn

100、iques1cultivation techniques2 or pest control1pest control2 cultivation techniques1=cultivation techniques2 or pest 中国人工智能系列白皮书 44 control1=pest control2 那么 Wplant1Wplant2 Wplant1=Wplant2 例如，一株需要适当浇水的植物与一株需要大量阳光的植物是“不同的”。(5)在意图范畴：当两个植物的保护和学习目标存在差异时，我们可以说它们是“不同的”。Pplant1=goals1,plans1 Pplant2=goals2,

101、plans2 如果 goals1goals2 or plans1plans2 goals1=goals2 or plans1=plans2 那么 Pplant1Pplant2 Pplant1=Pplant2 例如，一株植物的目标是识别 100 种植物并参与植物调查，而另一株植物的目标是提高植物保护意识并种植更多树木，是“不同的”。3、“完整”的语义“完整”的语义“完整”在 DIKWP 模型中表示一个对象在某个范畴上具备所有必要的特征或属性。这个语义可以在数据、信息、知识、智慧和意图范畴次上进行映射和标识。(1)在数据范畴：当一个植物的数据包含了所有必要的特征（如颜色、形状、大小等）时，我们可以

102、说它是“完整的”。dplant=(dcolor,dshape,dsize)中国人工智能系列白皮书 45 如果 dcolor,dshape,dsize 那么 dplant是完整的 例如，一株红色、圆形花瓣、中等大小的植物数据是“完整的”。(2)在信息范畴：当一个植物的信息包含了所有必要的描述（如名称和类别等）时，我们可以说它是“完整的”。Iplant=(name,category)如果 name,category 那么 Iplant是完整的 例如，一株被命名为玫瑰并属于花卉类的植物信息是“完整的”。(3)在知识范畴：当一个植物的知识包含了所有必要的特性和生态习性时，我们可以说它是“完整的”。Kp

103、lant=characteristics,habitat 如果 characteristics,habitat 那么 Kplant是完整的 例如，一株有刺且芳香的花园植物的知识是“完整的”。(4)在智慧范畴：当一个植物的栽培技巧和病虫害防治方法包含了所有必要的知识时，我们可以说它是“完整的”。Wplant=cultivation techniques,pest control 中国人工智能系列白皮书 46 如果 cultivation techniques,pest control 那么 Wplant是完整的 例如，一株需要适当浇水和使用杀虫剂的植物的智慧是“完整的”。(5)在意图范畴：当一个

104、植物的保护和学习目标包含了所有必要的目标和计划时，我们可以说它是“完整的”。Pplant=goals,plans 如果 goals,plans 那么 Pplant是完整的 例如，一株植物的目标是识别 100 种植物并参与植物调查，且有具体的计划去实现这些目标，是“完整的”。1.6.2 DIKWP 模型的认知与跨学科研究模型的认知与跨学科研究 DIKWP 模 型 通 过 数 据(Data)、信 息(Information)、知 识(Knowledge)、智慧(Wisdom)和意图(Purpose)五个元素，系统地处理和理解自然语言中的概念和语义。本文旨在详细探讨 DIKWP 模型的概念和语义定位

105、，并结合科学研究和实验结果，展示其在认知和神经科学中的应用和有效性。1 数据数据(Data)的概念和语义定位的概念和语义定位 定义：数据的语义是认知过程中表达“相同”意义的具体表现。数据在认知过程中涉及对感知输入（如视觉、听觉、触觉等）进行初步处理和编码。科学联系：科学联系：中国人工智能系列白皮书 47 视觉数据处理：研究表明，视觉皮层和枕叶在处理视觉数据时，能够识别和编码物体的形状、颜色和运动67(Rolls&Deco,2002)。听觉数据处理：听觉皮层和颞叶在处理听觉数据时，能够识别和编码声音和语音信息68(Zatorre&Salimpoor,2013)。触觉数据处理：体感皮层和顶叶在处理

106、触觉数据时，能够识别和编码触觉感受，如质地、温度和压力69(Smith&Jonides,1999)。2 信息信息(Information)的概念和语义定位的概念和语义定位 定义：信息的语义对应认知中一个或多个“不同”语义。信息在认知过程中涉及对数据进行比较、分类和关联处理，以提取有意义的差异和新语义。科学联系：科学联系：信息比较与分类：前额叶皮层和顶叶在比较和分类不同的数据输入时，能够识别出其中的差异和相似点70(Miller&Cohen,2001)。新语义的生成：海马体和前额叶皮层在整合不同来源的信息时，能够生成新的语义和关联71(Schultz et al.,1997)。3 知识知识(Kn

107、owledge)的概念和语义定位的概念和语义定位 定义：知识的语义是认知主体借助某种假设对 DIKWP 内容进行语义完整性抽象活动获得的理解和解释。科学联系：科学联系：知识抽象与整合：前额叶皮层和海马体在抽象和整合知识时，能够形成完整的知识结构72(Goldman-Rakic,1995)。假设与验证：前额叶皮层和扣带回在生成和验证假设时，能够有效评估假设的有效性73(Cohen&Servan-Schreiber,1992)。4 智慧智慧(Wisdom)的概念和语义定位的概念和语义定位 定义：智慧的语义对应伦理、社会道德、人性等方面的信息。智慧在决策过程中综合考虑伦理、道德、社会责任和可行性。科

108、学联系：科学联系：中国人工智能系列白皮书 48 道德与伦理判断：腹内侧前额叶皮层和扣带回在道德和伦理判断时，能够整合社会规范和个人价值观74(Marg E.,1995)。智慧决策：前额叶皮层在复杂决策中，能够整合知识、经验和伦理考虑，做出智慧的选择75(Braver&Barch,2002)。5 意图意图(Purpose)的概念和语义定位的概念和语义定位 定义：意图的语义对应二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的语义内容。意图在认知过程中代表了利益相关者对某一现象或问题的理解和目标。科学联系：科学联系：意图生成与规划：前额叶皮层和海马体在生成和规划意图时，能够整合

109、输入的 DIKWP 内容，并规划实现意图的步骤76(Dehaene&Changeux,2000)。意图执行与监控：前额叶皮层和基底神经节在执行和监控意图实现过程中，能够协调具体执行的动作70(Miller&Cohen,2001)。6.DIKWP 模型的转化及处理模型的转化及处理(1)数据到信息的转化 过程：通过比较和分类，数据被转化为信息。前额叶皮层和顶叶在这一过程中起到关键作用。实验结果：实验显示，前额叶皮层在处理复杂信息时，能够有效比较和分类输入数据69(Smith&Jonides,1999)。(2)信息到知识的转化 过程：通过抽象和整合，信息被转化为知识。前额叶皮层和海马体在这一过程中起

110、到关键作用。实验结果：fMRI 研究表明，海马体在整合新信息到长期记忆中时，表现出显著的神经活动71(Schultz et al.,1997)。(3)知识到智慧的转化 过程：通过道德和伦理判断，知识被转化为智慧。腹内侧前额叶中国人工智能系列白皮书 49 皮层和扣带回在这一过程中起到关键作用。实验结果：研究发现，在做出复杂道德决策时，腹内侧前额叶皮层和扣带回的活动显著增强70(Marg E.,1995)。(4)意图的生成与实现 过程：通过整合和规划，生成意图，并通过执行和监控实现意图。前额叶皮层和基底神经节在这一过程中起到关键作用。实验结果：TMS 研究显示，前额叶皮层在意图生成和规划中起到关键

111、作用，而基底神经节则在具体执行过程中发挥重要作用76(Dehaene&Changeux,2000)。7.案例分析：医患交互中的案例分析：医患交互中的 DIKWP 自动机模型自动机模型(1)患者描述症状的自动机状态转化 视觉输入：患者看到医生，激活视觉皮层和枕叶。听觉输入：患者听到医生提问，激活听觉皮层和颞叶。触觉输入：患者感受到头痛，激活体感皮层和顶叶。符号化处理：前额叶皮层将感知输入符号化为具体的概念（如“医生”“头痛”）。记忆提取：海马体从记忆中提取相关信息，支持描述过程。(2)医生提问的自动机状态转化 语义理解：医生听到患者描述，激活听觉皮层、颞叶、顶叶和前额叶皮层。信息提取：医生从患者

112、描述中提取关键信息，激活前额叶皮层和海马体，进行比较和分类。生成提问：医生基于提取的信息，生成具体的提问，激活前额叶皮层进行语义生成和规划。8.DIKWP 模型的实验验证与未来工作模型的实验验证与未来工作(1)实验设计 功能性磁共振成像(fMRI)：中国人工智能系列白皮书 50 目标：实时监测大脑在处理 DIKWP 模型各元素时的活动情况。方法：让被试者进行特定任务，如描述症状、听取提问、生成回答等，使用 fMRI 记录脑区活动。脑电图(EEG)：目标：记录大脑在处理 DIKWP 模型各元素时的电活动。方法：让被试者执行与 DIKWP 模型相关的任务，使用 EEG 记录大脑的电活动模式。经颅磁

113、刺激(TMS)：目标：验证特定脑区在 DIKWP 模型中各元素处理中的作用。方法：对特定脑区进行 TMS 干扰，观察对任务执行的影响。(2)未来研究方向 跨学科合作：结合认知科学、语言学、计算机科学和神经科学，推动 DIKWP 模型的跨学科研究和应用。模型优化：不断优化和改进 DIKWP 模型，使其在不同应用场景中的表现更加出色和高效。实际应用测试：在实际应用中测试和验证 DIKWP模型的有效性，收集用户反馈，进一步改进模型和应用系统。教育与培训：通过教育和培训，推广 DIKWP 模型的理论和应用，提高相关领域研究人员和从业人员的认知和应用能力。通过分析 DIKWP 模型的概念和语义定位，并结

114、合科学发现和实验结果，我们展示了其在认知科学、神经科学和人工智能中的应用潜力。DIKWP 模型不仅提供了一个全面的框架，用于理解和处理自然语言中的复杂语义，还能够通过科学实验验证其有效性。未来，我们将继续探索 DIKWP 模型在更多领域的应用，为社会带来更多福祉。DIKWP 模型在婴幼儿认知发展中的应用模型在婴幼儿认知发展中的应用从基础概念到语从基础概念到语义形成：义形成：婴幼儿如何从最初的感知逐步发展出基本的 DIKWP（数据、信中国人工智能系列白皮书 51 息、知识、智慧、意图）概念和语义。通过一步一步的论述，我们将透明化展示婴幼儿认知发展出这些概念和语义的原理和过程。1、初始状态：感知输

115、入、初始状态：感知输入 婴幼儿的认知发展始于感知输入，这些感知输入主要来自于视觉、听觉、触觉等感官。(1)感知数据的输入 视觉感知：婴幼儿看到一个红色的球。dvisual=红色的球 听觉感知：婴幼儿听到球滚动的声音。dauditory=滚动的声音 触觉感知：婴幼儿触摸到球的表面，感觉到它是光滑的。dtactile=光滑的表面 这些感知输入构成了婴幼儿的初始数据(Data)，即感知数据的集合：D=dvisual,dauditory,dtactile 1)感知数据到信息的转换 感知数据通过婴幼儿的大脑处理和整合，逐步转换为信息。这一过程中，婴幼儿对感知数据进行分类、标识和关联。2)感知数据分类和标

116、识 视觉感知数据（红色的球）被分类为“颜色”和“形状”。Ivisual=(颜色：红色,形状：球形)听觉感知数据（滚动的声音）被分类为“声音类型”和“声音来源”。Iauditory=(声音类型：滚动,声音来源：球)触觉感知数据（光滑的表面）被分类为“质地”和“物体类型”。Itactile=(质地：光滑,物体类型：球)通过分类和标识，感知数据被组织成结构化的信息：I=Ivisual,Iauditory,Itactile(2)信息到知识的形成 通过不断的感知和信息积累，婴幼儿开始在大脑中形成关于事物中国人工智能系列白皮书 52 的知识。这个过程涉及到信息的整合、模式识别和经验积累。信息整合和模式识别

117、 婴幼儿通过多次观察和体验，逐步认识到红色的球总是伴随着滚动的声音和光滑的表面。这些信息被整合在一起，形成了对球的初步知识。Kball=颜色：红色,形状：球形,声音类型：滚动,质地：光滑 婴幼儿识别出这一模式，并将其与“球”这个概念关联起来。K=Kball(3)知识到智慧的积累 知识的积累和应用是智慧的基础。婴幼儿通过学习和实践，将知识应用于实际问题中，从而形成智慧。知识应用和智慧积累 婴幼儿学会通过观察颜色和形状来识别球，并能预测其滚动行为。Wball=识别方法：颜色+形状,行为预测：滚动 这种应用能力体现了婴幼儿在智慧(Wisdom)上的发展。W=Wball(4)意图的形成和实现 在智慧的

118、基础上，婴幼儿逐步形成了目标和计划，即意图。这个过程包括目标设定、计划制定和行动实施。目标设定和计划制定 婴幼儿设定了玩球的目标，并制定了具体的行动计划。Pball=目标：玩球,计划：推球、追球 这些目标和计划构成了意图(Purpose)。P=Pball 通过上述步骤，婴幼儿从最初的感知输入逐步发展出基本的DIKWP 概念和语义。我们在下一部分将进一步详细分析这些概念和语义在不同认知活动中的具体表现和机制。在下面的日记中，我们将继续详细分析婴幼儿在认知发展过程中，如何通过 DIKWP 模型形成“相同”、“不同”、“完整”等基本语义，以及这些概念在认知活动中的具体表现和机制。中国人工智能系列白皮

119、书 53 2、基本语义的形成：从感知到认知基本语义的形成：从感知到认知 婴幼儿在认知发展过程中，通过对感知数据的处理和整合，逐步形成了基本的语义。这些语义的形成是认知活动的核心部分。(1)“相同”的语义形成 感知输入与比较 婴幼儿通过多次接触相同的物体，逐步学会了识别相同的特征。视觉感知：婴幼儿多次看到红色的球。dvisual1=红色的球 dvisual2=红色的球 数据比较：比较两个视觉感知数据：dvisual1=dvisual2 因此，婴幼儿识别出这两个物体是“相同”的。信息确认信息确认 信息分类与标识：Ivisual1=(颜色：红色,形状：球形)Ivisual2=(颜色：红色,形状：球形

120、)信息比较：Ivisual1=Ivisual2婴幼儿确认这两个物体在信息上也是“相同”的。知识整合知识整合 知识整合与模式识别：Kball1=颜色：红色,形状：球形,声音类型：滚动,质地：光滑 Kball2=颜色：红色,形状：球形,声音类型：滚动,质地：光滑 知识比较：Kball1=Kball2婴幼儿在知识面上确认这两个球是“相同”的。智慧应用智慧应用 智慧应用：婴幼儿知道红色的球可以滚动并且触感光滑。Wball1=Wball2 意图实现意图实现 中国人工智能系列白皮书 54 意图设定与实现：婴幼儿设定了玩球的目标，并成功实现了目标。Pball1=Pball2 通过上述步骤，婴幼儿形成了“相同

121、”的基本语义。(2)“不同”的语义形成 1)感知输入与比较 婴幼儿通过接触不同的物体，学会了识别不同的特征。视觉感知：婴幼儿看到红色的球和蓝色的方块。dvisual1=红色的球 dvisual2=蓝色的方块 数据比较 比较两个视觉感知数据：dvisual1dvisual2 因此，婴幼儿识别出这两个物体是“不同”的。2)信息确认 信息分类与标识：Ivisual1=(颜色：红色,形状：球形)Ivisual2=(颜色：蓝色,形状：方块)信息比较：Ivisual1Ivisual2婴幼儿确认这两个物体在信息上也是“不同”的。3)知识整合 知识整合与模式识别：Kball=颜色：红色,形状：球形,声音类型：

122、滚动,质地：光滑 Kblock=颜色：蓝色,形状：方块,声音类型：静止,质地：粗糙 知识比较：KballKblock婴幼儿在知识面上确认这两个物体是“不同”的。4)智慧应用 中国人工智能系列白皮书 55 智慧应用：婴幼儿知道红色的球可以滚动，而蓝色的方块不能。WballWblock 5)意图实现 意图设定与实现：婴幼儿设定了不同的目标和计划来玩球和方块。PballPblock 通过上述步骤，婴幼儿形成了“不同”的基本语义。(3)“完整”的语义形成 1)感知输入与整合 婴幼儿通过感知多个属性，逐步理解“完整”的概念。视觉感知：婴幼儿看到一个完整的红色球。dvisual=红色的球 听觉感知：婴幼儿

123、听到球滚动的声音。dauditory=滚动的声音 触觉感知：婴幼儿触摸到球的表面，感觉到它是光滑的。dtactile=光滑的表面 数据整合 感知数据的完整性：D=dvisual,dauditory,dtactile 2)信息确认 信息分类与标识：Ivisual=(颜色：红色,形状：球形)Iauditory=(声音类型：滚动,声音来源：球)Itactile=(质地：光滑,物体类型：球)信息整合：I=Ivisual,Iauditory,Itactile 3)知识整合 知识整合与模式识别：Kball=颜色：红色,形状：球形,声音类型：滚动,质地：光滑 4)智慧应用 智慧应用：婴幼儿知道红色的球可以滚

124、动，且触感光滑。Wball=识别方法：颜色+形状,行为预测：滚动 5)意图实现 中国人工智能系列白皮书 56 意图设定与实现：婴幼儿设定了玩完整球的目标，并成功实现了目标。Pball=目标：玩球,计划：推球、追球 通过上述步骤，婴幼儿形成了“完整”的基本语义。总结：婴儿感知输入和初步数据处理如表1-16所示。信息的生成和处理如表1-17所示。知识的抽象和确认如表 1-18 所示。智慧的应用和综合决策如表 1-19 所示。意图的形成和执行如表 1-20 所示。表 1-16 感知输入和初步数据处理 DIKWP 元素元素 感知感知类型类型 具体感知内容具体感知内容 数据处理数据处理 数学表达数学表达

125、 数据数据 视觉 看到红色的球 记录视觉数据：颜色（红色），形状（球形）D1=颜色:红色,形状:球形 听觉 听到球滚动的声音 记录听觉数据：声音类型（滚动）D2=声音类型:滚动 触觉 感受到球的光滑表面 记录触觉数据：质地（光滑）D3=质地:光滑 表 1-17 信息的生成和处理 DIKWP 元素元素 感知类感知类型型 数据分类与整合数据分类与整合 信息处理及信息处理及其结果其结果 数学表达数学表达 信息信息 视觉、听觉、触觉 颜色：红色，形状：球形，声音类型：滚动，质地：光滑 将感知数据分类整合为关于球的信息 I=f(D1,D2,D3)=颜色:红色,形状:球形,声音类型:滚动,质地:光滑 表

126、1-18 知识的抽象和确认 DIKWP 元素元素 感知类型感知类型 信息抽象与信息抽象与理解理解 知识生成及其应用知识生成及其应用 数学表达数学表达 知识知识 视觉、听觉、触觉 红色的球可以滚动，表面光滑 通过观察和体验，婴幼儿抽象出红色球的基本属性和行为 K=球的颜色:红色,形状:球形,声音类型:滚动,质地:光滑,行为:滚动 表 1-19 智慧的应用和综合决策 中国人工智能系列白皮书 57 DIKWP 元素元素 感知类型感知类型 知识应用与综知识应用与综合考虑合考虑 智慧生成及其决策智慧生成及其决策 数学表达数学表达 智慧智慧 视觉、听觉、触觉 红色的球适合玩耍，滚动时需要小心 综合考虑玩耍

127、时的安全和乐趣，婴幼儿形成关于如何玩红色球的智慧决策 W=f(K)=适合玩耍,滚动时需小心 表 1-20 意图的形成和执行 DIKWP 元素元素 感知类型感知类型 目标设定与计划目标设定与计划 意图生成及其执行意图生成及其执行 数学表达数学表达 意图意图 视觉、听觉、触觉 玩球（目标），推球、追球（计划）根据形成的智慧和知识，婴幼儿设定玩球的目标并执行相应的计划 P=目标:玩球,计划:推球、追球 1.6.3 概念空间概念空间(Concept Space,ConC)概念空间是指认知主体对外部世界的概念化表达，包括概念的定义、特征和关系1077。概念空间是通过语言和符号系统进行表达的。例如，“汽车

128、”在概念空间中可以定义为一种具有四个轮子、能够载客或载货的交通工具。概念空间是由一系列相关概念构成的集合，借助特定的属性和关系互相连接，根据概念间关系的对称性对应有向图或无向图78。图表示：GraphConC=(VConC,EConC),其中 VConC是概念的节点集合，EConC是表示概念之间关系的边集合。在概念空间中，每个概念 vVConC都具有一组属性 A(v)和与其他概念的关系 R(v,v)。属性：A(v)=a1(v),a2(v),an(v)，其中每个 ai(v)代表概念 v 的一个属性。关系：R(v,v)表示概念 v 和 v之间的关系。如果图是有向的，则R(v,v)不等同于 R(v,

129、v)；如果图是无向的，则它们表示相同的关系。在概念空间内对应一系列操作来查询、添加或修改概念及其关系：查询操作：Q(VConC,EConC,q)v1,v2,vm，根据查询条件 q(如特定的属性或关系）返回满足条件的概念集合。中国人工智能系列白皮书 58 添加操作：Add(VConC,v)，将新概念 v 添加到概念集合 VC中。修改操作：Update(VConC,v,A(v)，更新概念 v 的属性集合 A(v)。在 DIKWP 模型中，概念空间为数据、信息、知识、智慧和意图的分类和组织提供了结构化框架44345。通过映射 DIKWP 各成分到概念空间，能有效解析成分之间的复杂关系。例如，通过查询

130、操作 Q，找到与特定数据或知识相关的所有概念，进而推导出新的信息或智慧。概念空间是认知主体将语义空间中的语义内容符号化为自然语言概念的过程。符号化表达：符号化表达：语言符号：通过语言符号将语义内容转化为自然语言概念，包括单词、短语和句子等。这些语言符号通过语法规则和语义规则进行组织和排列，形成可理解的自然语言表达。概念表示：通过概念表示将语义内容具体化，使其能够被传递和交流。概念表示包括概念的定义、属性和关系，通过符号化过程将其明确和具体化。自然语言生成：自然语言生成：语法分析：通过语法分析将语义内容转化为符合语法规则的自然语言表达。语法分析包括句法结构的生成和语法规则的应用，确保生成的自然语

131、言表达符合语法规范。语义解析：通过语义解析将自然语言表达转化为具体的语义内容，确保语言表达的准确性和一致性。语义解析包括词汇的语义解释、句子的语义分析等。语言生成：通过语言生成机制，将语义内容转化为自然语言输出，确保信息的传递和交流。语言生成包括文本生成、对话生成等，通过语言生成机制将复杂的语义内容具体化和语言化。1.6.4 认知空间认知空间(Cognitive Space,ConN)中国人工智能系列白皮书 59 认知空间是一个多维和动态的处理环境，其中数据、信息、知识、智慧和意图通过个体或系统的特定认知处理函数集合(R)被转换为具体的理解和行动10777880。每个认知处理函数()将输入空间

132、()中的数据或信息通过一系列的子步骤（如数据预处理、特征提取、模式识别、逻辑推理和决策制定）转化为输出空间()中的成果，如信息分类、概念形成、意图确定或行动计划的设定81。函 数 集 合：其 中，每 个 函 数表示一个特定的认知处理过程，是输入空间，是输出空间。输入空间：代表感知到的数据或信息的集合，可以是来自外部世界的观察、从其他系统接收的信号或内部生成的数据。输出空间：代表处理后的理解或决策的集合，它可以包括对信息的分类、概念的形成、意图的确定或行动计划的设定。认知处理过程：认知处理过程：每个认知处理函数 fConN_i可以进一步细化为一系列子步骤，包括数据预处理、特征提取、模式识别、逻辑

133、推理和决策制定等。这些子步骤共同构成了从原始数据到最终输出的完整认知路径78。子 步 骤 表 示：对 于 每 个fConN_i，可 以 表 示 为fConN_i=fConN_i(5)fConN_i(4)fConN_i(1)(Inputi)，其中 fConN_i(j)代表第 j 个子步骤的处理函数，代表函数的复合。在 DIKWP 模型中，认知空间将数据、信息、知识、智慧和意图通过个体或系统独特的认知过程转换为具体的理解和行动79。借助调用不同的认知处理函数，系统可以针对不同类型的输入实施最适宜的处理策略，实现高效精确的决策。认知空间包括认知主体的生理与神经认知活动到有意识和无意识的语义形成过程。

134、生理与神经认知活动：生理与神经认知活动：中国人工智能系列白皮书 60 基础生理活动：包括神经元的活动、突触连接等生理过程，这些构成了认知的物理基础。神经元的活动模式和突触连接通过电信号和化学信号传递信息，形成认知过程的生理基础。神经网络的功能：通过神经网络的功能，认知主体能够进行感知、记忆、学习和推理等认知活动。神经网络通过连接模式和突触强度的调整，进行信息的存储和处理。有意识和无意识的语义形成：有意识和无意识的语义形成：无意识认知过程：包括自动化的认知处理，如模式识别和直觉判断。这些过程在认知主体不需有意识的情况下进行，通过长期经验和学习形成。有意识认知过程：包括主动的思维和推理过程，如逻辑

135、推理、问题解决和决策制定。这些过程需要认知主体的有意识参与，通过理性分析和思考进行语义的形成和处理。1.6.5 语义空间语义空间(Semantic Space,SemA)语义空间是指概念在认知主体大脑中的语义关联网络，包括概念之间的语义关系和联想。语义空间是通过认知主体的经验和知识积累形成的41081。例如，对于“汽车”这个概念，语义空间中可能包括“驾驶”、“交通工具”、“油耗”等相关联的语义。语义空间是由一系列语义单元构成的集合，这些单元借助特定的关联和依赖关系相互连接，共同构成了信息和知识的客观化表示82。语义空间普遍接受的概念和语言规则实现了意义的传递和交流。图表示：GraphSemA=

136、(VSemA,ESemA)，其中 VSemA代表语义单元（词汇、句子等），ESemA代表语义单元之间的关联和依赖关系。语义单元：每个语义单元 vVSemA代表了可以独立表达意义的最小单元或概念。关系：边 eESemA代表了语义单元之间的语义关联或逻辑依赖，中国人工智能系列白皮书 61 如同义、反义、上下位、因果等关系。在语义空间对应一系列操作来查询、添加或修改语义单元及其关系：查询操作：Query(VSemA,ESemA,q)v1,v2,vm，根据查询条件 q返回满足条件的语义单元集合。添加操作：Add(VSemA,v)，将新的语义单元 v 添加到集合 VSemA中。修改操作：Update(E

137、SemA,v,v,e)，更新或添加语义单元 v 和 v之间的关系 e。语义空间不仅提供利益相关者与 DIKWP 表达的认知共享语言体系，还支撑 DIKWP 成分之间的转换处理的语义一致性81。借助语义单元和它们之间的关系，不同主体之间能够准确地传递和解释复杂的服务交互认知内容。语义空间是认知主体将认知空间中形成的语义内容进行系统化和结构化的表达。语义内容表达：语义内容表达：语义网络：通过语义网络将认知空间中的语义内容结构化表达。语义网络包括节点和边，其中节点表示概念或实体，边表示概念或实体之间的语义关系。语义关联：通过语义关联将不同概念或实体之间的关系明确和清晰地表达。语义关联可以是同义、反义

138、、上下位关系等，帮助认知主体理解和处理复杂的信息。语义处理与转换：语义处理与转换：语义匹配：通过语义匹配机制，将输入的语义内容与已有的语义网络进行匹配，识别和提取相关的语义信息。语义推理：通过语义推理机制，基于已有的语义网络进行推理和演绎，生成新的语义内容和关系。中国人工智能系列白皮书 62 语义生成：通过语义生成机制，将语义内容转化为可以传递和交流的信息，确保语义内容的准确性和一致性。1.6.6 DIKWP 图谱图谱 A.数据图谱数据图谱(DG)在网状模型中，数据图谱83-89不仅是信息加工的起点，也是知识、智慧或意图反馈调整的结果。数据图谱DG借助转换函数TID,TKD,TWD,TPD等接

139、收来自信息、知识、智慧和意图的输入，实现动态更新和调整87。TXY:YGXG，其中，X,Y D,I,K,W,P且 XY，表示从图谱 Y到图谱 X 的转换。B.信息图谱信息图谱(IG)信息图谱83-89为二元组 IG=(VI,EI)，其中 VI是信息节点的集合，EI是基于信息间语义关系的边集合84。信息图谱不仅由数据图谱 DG生成，还受到知识图谱 KG、智慧图谱 WG、意图图谱 PG 的调整和重构：数据到信息的转换。,：知识、智慧和意图对信息的调整。其中，TXY表示从图谱 X 到图谱 Y 的转换函数。C.知识图谱知识图谱(KG)知识图谱83-89为 KG=(VK,EK)，其中 VK代表知识节点，

140、EK代表知识节点之间的关系。知识图谱整合信息形成，同时影响数据的解读、信息的生成和智慧的应用94：信息到知识的转换。,：知识对数据、信息和智慧的影响95。D.智慧图谱智慧图谱(WG)中国人工智能系列白皮书 63 智慧图谱83-89为 WG=(VW,EW)，其中 VW是智慧的节点，EW表示智慧节点间的连接。智慧图谱综合知识、数据和信息来指导决策，并能反馈影响知识的形成和信息的解释8788：知识到智慧的转换。,：智慧对知识和信息的反馈影响。E.意图图谱意图图谱(PG)意图图谱44344为 PG=(VP,EP)，其中 VP代表目标和实现路径的节点，EP代表实现这些目标的策略或步骤。意图图谱由数据、信

141、息、知识和智慧共同构建，并能反向影响这些成分：,：数据、信息、知识和智慧到意图的形成。,：意图对数据、信息和知识的反向影响96。DIKWP 图谱化体系将数字世界和认知世界的元素映射到五个主要成分：DG、IG、KG、WG、PG97。每个图谱进一步细分为三个层面的映射：语义层面，概念层面和实例层面。因此，每个图谱 gG为三元组映射：g:SCI，其中 G 代表图谱集合，S 代表语义层面集合，C 代表概念集合，I 代表实例集合。DIKWP 图谱间的交互借助内容模型和认知模型来实现，用函数f 表示，将某一层面或类型的图谱映射转换为另一层面或类型的图谱：f:GGG 在概念空间下，实现跨 DIKWP（数据、

142、信息、知识、智慧、意图）资源的转换范式，如图 1-4 所示，涉及将 DIKWP 各维度分别映射至相应的处理方法：数据至概念统计分析，信息借助格论的偏序结构进行建模与分析，知识通过多种推理技术深化，智慧体现在多目标价值的权衡决策中，而意图则关联于目标与问题的精确建模98。这一中国人工智能系列白皮书 64 过程中，通过系统地整合单一 DIKWP 类型的处理手段，并促进它们之间两两的交互组合，建立起一个跨越不同类型 DIKWP 资源的综合处理映射体系。DIKWP 意图驱动经验转化范式与数学逻辑形式处理结合如图 1-5 所示。DIKWPDIKWP内容图谱内容图谱DIKWPDIKWP(利益相关者利益相关

143、者)认知图谱认知图谱交互交互/通讯通讯/处理处理内容知识图谱内容知识图谱内容智慧图谱内容智慧图谱内容数据图谱内容数据图谱内容信息图谱内容信息图谱内容意图图谱内容意图图谱认知知识图谱认知知识图谱认知智慧图谱认知智慧图谱认知数据图谱认知数据图谱认知信息图谱认知信息图谱认知意图图谱认知意图图谱DIKWP DIKWP 客观客观-主观融合主观融合（语言概念语言概念-实例空间实例空间）利益相关者利益相关者（个体主观认知空间个体主观认知空间）多模态客观内容世界多模态客观内容世界（资源资源）完整完整、精确精确、一致的交互建模一致的交互建模：客观内容空间客观内容空间 主观认知空间主观认知空间DIKWPDIKWP

144、语义图谱语义图谱（语义空间语义空间）语义知识图谱语义知识图谱语义智慧图谱语义智慧图谱语义数据图谱语义数据图谱语义信息图谱语义信息图谱语义意图图谱语义意图图谱DIKWPDIKWP类型化图谱映射类型化图谱映射（语言化语言化）DIKWPDIKWP语义融合化转化语义融合化转化（语义化语义化）转换转换DIKWPDIKWP客观内容资源客观内容资源图谱化映射图谱化映射多源不精确多源不精确、不完整不完整、不一致人不一致人-机机-物交互物交互主客观资源主客观资源 信息图谱信息图谱 输输入入输输入入输输出出输输入入输输入入输输出出输输出出输输出出输输入入输输入入输输出出输输入入输输出出输输入入输输入入输输入入输输

145、出出输输入入输输出出DIKWPDIKWP主观认知主观认知资源图谱化映射资源图谱化映射多源不精确多源不精确、不完整不完整、不一致人不一致人-机机-物交互物交互主客观资源主客观资源 信息图谱信息图谱 输输入入输输入入输输出出输输入入输输入入输输出出输输出出输输出出输输入入输输入入输输出出输输入入输输出出输输入入输输入入输输入入输输出出输输入入输输出出图 1-4 概念空间 DIKWP 图谱与图谱关系转换99 中国人工智能系列白皮书 65 统计统计格论格论推理推理权衡权衡问题问题统计统计D DD ID KD WD P统计统计 统计统计统计统计 格论格论统计统计 推理推理统计统计 权衡权衡统计统计 问题

146、问题格论格论I DI II KI WI P格论格论 统计统计格论格论 格论格论格论格论 推理推理格论格论 权衡权衡格论格论 问题问题推理推理K DK IK KK-WK P推理推理 统计统计推理推理 格论格论推理推理 推理推理推理推理 权衡权衡推理推理 问题问题权衡权衡W DW IW KW WW P权衡权衡 统计统计权衡权衡 格论格论权衡权衡 推理推理权衡权衡 权衡权衡权衡权衡 问题问题问题问题P DP IP KP WP P问题问题 统计统计问题问题 格论格论问题问题 推理推理问题问题 权衡权衡问题问题 问题问题D统计统计I格论格论K推理推理W权衡权衡P问题问题DIKWPDD1+P D2D+P

147、ID+P KD+P WD+P1 P2II+P DI1+P I2I+P KI+P WI+P1 P2KK+P DK+P IK1+P K2K+P WK+P1 P2WW+P DW+P IW+P KW1+P W2W+P1 P2PP1+P2 DP1+P2 IP1+P2 KP1+P2 WP1+P2 P3 图 1-5 DIKWP 意图驱动经验转化范式与数学逻辑形式处理结合 1.7 本章小结 在本章中，详细探讨了数据-信息-知识-智慧-意图(DIKWP)模型的各个组成部分，从基本概念和语义到各自的定义对比分析，以及它们在不同空间中的表现和作用。每一部分都从其基本的理论出发，深入分析了在现代信息科学和人工智能中的

148、应用和意义。此外，引入了概念空间、认知空间和语义空间的定义，这些空间是理解 DIKWP 模型在更广阔领域中应用的关键。通过这些详细的分析，DIKWP 图谱被构建出来，本章提供了一个清晰的视角，以理解这些概念是如何相互关联并共同作用于现代科技和社会实践中的。中国人工智能系列白皮书 66 参考文献 1 Duan Y,Sun X,Che H,et al.Modeling data,information and knowledge for security protection of hybrid IoT and edge resourcesJ.Ieee Access,2019,7:99161-99

149、176.2 Ackoff R L.From data to wisdomJ.Journal of applied systems analysis,1989,16(1):3-9.3 Cooper P.Data,information,knowledge and wisdom.Anaesthesia&Intensive Care Medicine 15.1(2014):44-45.4 Mei Y,Duan Y.The DIKWP(data,information,knowledge,wisdom,purpose)revolution:A new horizon in medical disput

150、e resolutionJ.Applied Sciences,2024,14(10):3994.5 Liew A.Understanding data,information,knowledge and their inter-relationshipsJ.Journal of knowledge management practice,2007,8(2):1-16.6 Tuomi I.Data is more than knowledge:Implications of the reversed knowledge hierarchy for knowledge management and

151、 organizational memory.Proceedings of the 32nd Annual Hawaii International Conference on Systems Sciences.1999.HICSS-32.Abstracts and CD-ROM of Full Papers.IEEE,1999.7 Nonaka I.The knowledge-creating companyM/The economic impact of knowledge.Routledge,2009:175-187.8 Polanyi M.The tacit dimensionM/Kn

152、owledge in organisations.Routledge,2009:135-146.9 Snowden D J,Boone M E.A leaders framework for decision makingJ.Harvard business review,2007,85(11):68.10 Wu K,and Duan Y.Modeling and resolving uncertainty in 中国人工智能系列白皮书 67 DIKWP model.Applied Sciences,2024,14(11):4776.11 Cleveland H.Information as

153、a resourceJ.Futurist,1982,16(6):34-39.12 Floridi L.Information:A very short introductionM.OUP Oxford,2010.13 Fauconnier G,Turner M.Conceptual integration networksJ.Cognitive science,1998,22(2):133-187.14 Lakoff G,Johnson M.Metaphors we live byM.University of Chicago press,2008.15 Fauconnier G,Turner

154、 M.The way we think:Conceptual blending and the minds hidden complexitiesM.Basic books,2008.16 Choo C W.The knowing organization:How organizations use information to construct meaning,create knowledge and make decisionsJ.International journal of information management,1996,16(5):329-340.17 Dretske F

155、 I.Knowledge and the flow of informationJ.MIT Press.1981.18 Boisot M H.Knowledge assets:Securing competitive advantage in the information economyM.OUP Oxford,1998.19 Cross R,Sproull L.More than an answer:Information relationships for actionable knowledgeJ.Organization science,2004,15(4):446-462.20 M

156、cDermott R.Why information technology inspired but cannot deliver knowledge managementJ.California management review,1999,41(4):103-117.21 Davenport T H,Prusak L.Working knowledge:How 中国人工智能系列白皮书 68 organizations manage what they knowM.Harvard Business Press,1998.22 Alavi M,Leidner D E.Knowledge man

157、agement and knowledge management systems:Conceptual foundations and research issuesJ.MIS quarterly,2001:107-136.23 Grant R M.Toward a knowledgebased theory of the firmJ.Strategic management journal,1996,17(S2):109-122.24 Nonaka I.A dynamic theory of organizational knowledge creationJ.Organization sc

158、ience,1994,5(1):14-37.25 Blackler F.Knowledge,knowledge work and organizations:An overview and interpretationJ.Organization studies,1995,16(6):1021-1046.26 Spender J C.Making knowledge the basis of a dynamic theory of the firmJ.Strategic management journal,1996,17(S2):45-62.27 Teece D J.Capturing va

159、lue from knowledge assets:The new economy,markets for know-how,and intangible assetsJ.California management review,1998,40(3):55-79.28 Tsoukas H,Vladimirou E.What is organizational knowledge?J.Journal of management studies,2001,38(7):973-993.29 Schultze U,Leidner D E.Studying knowledge management in

160、 information systems research:discourses and theoretical assumptionsJ.MIS quarterly,2002:213-242.30 Brown J S,Duguid P.Organizational learning and communities-of-practice:Toward a unified view of working,learning,and innovationJ.Organization science,1991,2(1):40-57.中国人工智能系列白皮书 69 31 Kogut B,Zander U

161、.Knowledge of the firm,combinative capabilities,and the replication of technologyJ.Organization science,1992,3(3):383-397.32 Wenger E.Communities of practice:Learning,meaning,and identityM.Cambridge university press,1999.33 Hansen M T,Nohria N,Tierney T.Whats your strategy for managing knowledge?M/T

162、he knowledge management yearbook 2000-2001.Routledge,2013:55-69.34 Von Krogh G,Ichijo K,Nonaka I.Enabling knowledge creation:How to unlock the mystery of tacit knowledge and release the power of innovationM.Oxford university press,2000.35 Alavi M,Leidner D.Knowledge management systems:issues,challen

163、ges,and benefitsJ.Communications of the Association for Information systems,1999,1(1):7.36 Cook S D N,Brown J S.Bridging epistemologies:The generative dance between organizational knowledge and organizational knowingJ.Organization science,1999,10(4):381-400.37 Barton D L.Wellsprings of knowledge:Bui

164、lding and sustaining the sources of innovationM.Harvard Business School,1995.38 McElroy M W.The new knowledge managementM.Routledge,2010.39 Von Krogh G,Ichijo K,Nonaka I.Enabling knowledge creation:How to unlock the mystery of tacit knowledge and release the power of innovationM.Oxford university pr

165、ess,2000.40 Ackoff R L.Ackoffs best:His classic writings on managementM.John Wiley&Sons,1999.中国人工智能系列白皮书 70 41 Churchman C W.The design of inquiring systemJ.NY:Basic Books,1971.42 Bateson G.Steps to an ecology of mind:Collected essays in anthropology,psychiatry,evolution,and epistemologyM.University

166、 of Chicago press,2000.43 Mei Y,Duan Y,Chen L,et al,Purpose driven disputation modeling,analysis and resolution based on DIKWP graphs,2022 IEEE 24th Int Conf on High Performance Computing&Communications;8th Int Conf on Data Science&Systems;20th Int Conf on Smart City;8th Int Conf on Dependability in

167、 Sensor,Cloud&Big Data Systems&Application(HPCC/DSS/SmartCity/DependSys),Hainan,China,2022,pp.2118-2125,doi:10.1109/HPCC-DSS-SmartCity-DependSys57074.2022.00314.44 Guo Z,Duan Y,Chen L,et al,Purpose driven DIKW modeling and analysis of meteorology and depression,2022 IEEE 24th Int Conf on High Perfor

168、mance Computing&Communications;8th Int Conf on Data Science&Systems;20th Int Conf on Smart City;8th Int Conf on Dependability in Sensor,Cloud&Big Data Systems&Application(HPCC/DSS/SmartCity/DependSys),Hainan,China,2022,pp.2126-2133,doi:10.1109/HPCC-DSS-SmartCity-DependSys57074.2022.00315.45 Liu Y,Wa

169、ng W,Wang W,et al.Purpose-driven evaluation of operation and maintenance efficiency and safety based on DIKWPJ.Sustainability,2023,15(17):13083.46 Mei Y,Duan Y,Yu L,et al.Purpose driven biological lawsuit 中国人工智能系列白皮书 71 modeling and analysis based on DIKWPC/International Conference on Collaborative

170、Computing:Networking,Applications and Worksharing.Cham:Springer Nature Switzerland,2022:250-267.47 Huang Y,Duan Y,Yu L,et al.Purpose driven modelling and analysis for smart table fill and design based on DIKWC/2022 IEEE 24th Int Conf on High Performance Computing&Communications;8th Int Conf on Data

171、Science&Systems;20th Int Conf on Smart City;8th Int Conf on Dependability in Sensor,Cloud&Big Data Systems&Application(HPCC/DSS/SmartCity/DependSys).IEEE,2022:2134-2141.48 Searle J R.Intentionality:An essay in the philosophy of mindM.Cambridge university press,1983.49 Bratman M.Intention,plans,and p

172、ractical reasonJ.Harvard University Press.1987.50 Hu T,Duan Y,Mei Y.Purpose driven balancing of fairness for emotional content transfer over DIKWC/2021 IEEE 23rd Int Conf on High Performance Computing&Communications;7th Int Conf on Data Science&Systems;19th Int Conf on Smart City;7th Int Conf on Dep

173、endability in Sensor,Cloud&Big Data Systems&Application(HPCC/DSS/SmartCity/DependSys).IEEE,2021:2074-2081.51 Huang Y,Duan Y.Fairness modelling,checking and adjustment for purpose driven content filling over DIKWC/2021 IEEE 23rd Int Conf on High Performance Computing&Communications;7th Int Conf on Da

174、ta Science&Systems;19th 中国人工智能系列白皮书 72 Int Conf on Smart City;7th Int Conf on Dependability in Sensor,Cloud&Big Data Systems&Application(HPCC/DSS/SmartCity/DependSys).IEEE,2021:2316-2321.52 Huang Y,Duan Y.Towards purpose driven content interaction modeling and processing based on DIKWC/2021 IEEE Wor

175、ld Congress on Services(SERVICES).IEEE,2021:27-32.53 Li Y,Duan Y,Maamar Z,et al.Swarm differential privacy for purposedriven datainformationknowledgewisdom architectureJ.Mobile Information Systems,2021,2021(1):6671628.54 Fan K,Duan Y.Purpose computation-oriented modeling and transformation on DIKW a

176、rchitectureJ.Intelligent Processing Practices and Tools for E-Commerce Data,Information,and Knowledge,2022:45-63.55 Li Y,Li Z,Duan Y,et al.Physical artificial intelligence(PAI):The next-generation artificial intelligenceJ.Frontiers of Information Technology&Electronic Engineering,2023,24(8):1231-123

177、8.56 Tomasello M.Why we cooperateM.MIT press,2009.57 Dreyfus H L.What computers still cant do:A critique of artificial reasonM.MIT press,1992.58 Frankfurt H G.The importance of what we care about:Philosophical essaysM.Cambridge University Press,1988.59 Schank R C,Abelson R P.Scripts,plans and goalsC

178、/Proceedings of the 4th International Joint Conference on Artificial Intelligence.IJCAI.1975,1.60 Fodor J A.Representations:Philosophical essays on the 中国人工智能系列白皮书 73 foundations of cognitive scienceM.Mit Press,1983.61 Dennett D C.Pr cis of the intentional stanceJ.Behavioral and brain sciences,1988,

179、11(3):495-505.62 Yu L,Duan Y.Trusted service provider discovery based on data,information,knowledge,and wisdomJ.International Journal of Software Engineering and Knowledge Engineering,2021,31(01):3-19.63 Kim J Y,Hussain W,Iqbal M,et al.Intelligent processing practices and tools for E-commerce data,i

180、nformation,and knowledgeM.Springer,2022.64 Yu L,Duan Y.A reverse modification method for binary code and dataJ.Sensors,2022,22(20):7714.65 Yu L,Duan Y,Li K C.A real-world service mashup platform based on data integration,information synthesis,and knowledge fusionJ.Connection Science,2021,33(3):463-4

181、81.66 Duan Y,Shao L,Yang X,et al.Data,information,and knowledge-driven manipulation between strategical planning and technical implementation for wireless sensor network constructionJ.International Journal of Distributed Sensor Networks,2017,13(11):1550147717743700.67 Rolls E,Deco G.Computational ne

182、uroscience of visionM.Oxford university press,2001.68 Zatorre R J,Salimpoor V N.From perception to pleasure:music and its neural substratesJ.Proceedings of the National Academy of Sciences,2013,110(supplement_2):10430-10437.69 Smith E E,Jonides J.Storage and executive processes in the 中国人工智能系列白皮书 74

183、 frontal lobesJ.Science,1999,283(5408):1657-1661.70 Miller E K,Cohen J D.An integrative theory of prefrontal cortex functionJ.Annual review of neuroscience,2001,24(1):167-202.71 Schultz W,Dayan P,Montague P R.A neural substrate of prediction and rewardJ.Science,1997,275(5306):1593-1599.72 Goldman-Ra

184、kic P S.Cellular basis of working memoryJ.Neuron,1995,14(3):477-485.73 Cohen J D,Servan-Schreiber D.Context,cortex,and dopamine:a connectionist approach to behavior and biology in schizophreniaJ.Psychological review,1992,99(1):45.74 Marg E.DESCARTESERROR:emotion,reason,and the human brainJ.Optometry

185、 and Vision Science,1995,72(11):847-848.75 Braver T S,Barch D M.A theory of cognitive control,aging cognition,and neuromodulationJ.Neuroscience&Biobehavioral Reviews,2002,26(7):809-817.76 Dehaene S,Changeux J P.Reward-dependent learning in neuronal networks for planning and decision makingJ.Progress

186、 in brain research,2000,126:217-229.77 Duan Y.DIKWP model for semantic interaction analysis in cognitive,semantic and concept spaces.DOI:10.13140/RG.2.2.14373.31202.https:/ Duan Y.DIKWP model cognitive,semantic and conceptual spaces detailed definition and application.DOI:中国人工智能系列白皮书 75 10.13140/RG.

187、2.2.29066.48326.https:/ Duan Y.DIKWP model completeness and coverage analysis of natural language concepts and semantics.DOI:10.13140/RG.2.2.17728.75522.https:/ 80 Duan Y.Beyond concept security to semantic security.DOI:10.13140/RG.2.2.15431.30883.https:/ Duan Y.DIKWP model as a semantic communicati

188、on mechanism between man and machine.DOI:10.13140/RG.2.2.27795.08486.https:/ Duan Y.Human natural language communication and large language models for semantic mechanisms.DOI:10.13140/RG.2.2.34505.97120.https:/ Hu S,Duan Y,Song M.Essence computation oriented multi-semantic analysis crossing multi-mo

189、dal DIKW 中国人工智能系列白皮书 76 graphsC/International Conference on Collaborative Computing:Networking,Applications and Worksharing.Cham:Springer International Publishing,2020:320-339.84 Duan Y,Shao L,Hu G.Specifying knowledge graph with data graph,information graph,knowledge graph,and wisdom graphJ.Interna

190、tional Journal of Software Innovation(IJSI),2018,6(2):10-25.85 Shao L,Duan Y,Zhou Z,et al.Learning planning and recommendation based on an adaptive architecture on data graph,information graph and knowledge graphC/Collaborative Computing:Networking,Applications and Worksharing:13th International Con

191、ference,CollaborateCom 2017,Edinburgh,UK,December 1113,2017,Proceedings 13.Springer International Publishing,2018:323-332.86 Shao L,Duan Y,Cui L,et al.A pay as you use resource security provision approach based on data graph,information graph and knowledge graphC/Intelligent Data Engineering and Aut

192、omated LearningIDEAL 2017:18th International Conference,Guilin,China,October 30November 1,2017,Proceedings 18.Springer International Publishing,2017:444-451.87 Shao L,Duan Y,Sun X,et al.Answering who/when,what,how,why through constructing data graph,information graph,knowledge graph and wisdom graph

193、C/SEKE.2017:1-6.88 Duan Y,Shao L,Hu G,et al.Specifying architecture of knowledge graph with data graph,information graph,knowledge 中国人工智能系列白皮书 77 graph and wisdom graphC/2017 IEEE 15th International Conference on SERA.IEEE,2017:327-332.89 Shao L,Duan Y,Sun X,et al.Bidirectional value driven design b

194、etween economical planning and technical implementation based on data graph,information graph and knowledge graphC/2017 IEEE 15th International Conference on SERA.IEEE,2017:339-344.90 Wen J,Zhou Z,Wang Y,et al.Discovering crossing-workflow fragments based on activity knowledge graphC/On the Move to

195、Meaningful Internet Systems:OTM 2019 Conferences:Confederated International Conferences:CoopIS,ODBASE,C&TC 2019,Rhodes,Greece,October 2125,2019,Proceedings.Springer International Publishing,2019:515-532.91 Elfaki A,Aljaedi A,Duan Y.Mapping ERD to knowledge graphC/2019 IEEE World Congress on Services

196、(SERVICES).IEEE,2019,2642:110-114.92 Yu L,Duan Y,Zhang Y.Knowledge graph provision for heterogeneous service networkC/2019 IEEE World Congress on Services(SERVICES).IEEE,2019,2642:135-140.93 Huang L,Duan Y,Sun X,et al.Enhancing uml class diagram abstraction with knowledge graphC/Intelligent Data Eng

197、ineering and Automated LearningIDEAL 2016:17th International Conference,Yangzhou,China,October 1214,2016,Proceedings 17.Springer International Publishing,2016.94 Shao L,Duan Y,Zhu D,et al.Health service provision based on typed resources of data,information and knowledgeC/2017 中国人工智能系列白皮书 78 IEEE 19

198、th International Conference on e-Health Networking,Applications and Services(Healthcom).IEEE,2017:1-6.95 Duan Y,Hu G,Sun X,et al.Refinement on data,information and knowledge lifecycles towards service economics planning to services implementationJ.International Journal of Networked and Distributed C

199、omputing,2016,4(4):231-242.96 Tang F,Duan Y,Wei J,et al,DIKWP artificial consciousness white box measurement standards framework design and practice,2023 IEEE International Conference on HPCC/DSS/SmartCity/DependSys.2023.97 Wang Y,Duan Y,Wang M,et al,Resource adjustment processing on the DIKWP artif

200、icial consciousness diagnostic system,2023 IEEE International Conference on HPCC/DSS/SmartCity/DependSys.2023.98 Wu K,Duan Y,Chen L,et al,Computer architecture and chip design for DIKWP artificial consciousness,2023 IEEE International Conference on HPCC/DSS/SmartCity/DependSys,Melbourne,Australia,20

201、23.99 Duan Y,Gong S.基于 DIKWP 模型的概念-语义联动不确定性建模与分析处理.http:/dx.doi.org/10.13140/RG.2.2.35079.41124.2024.中国人工智能系列白皮书 79 第 2 章 人工智能与人工意识 2.1 定义与概念 2.1.1 AI 与与 AC 的定义与区别的定义与区别 人工智能(AI，Artificial Intelligence)指通过计算机系统实现的模拟或仿真人类智能的技术和方法。AI 系统能够执行需要人类智能的任务，如视觉识别、语音识别、决策制定和自然语言处理。AI 系统主要依赖数据(Data)、信息(Informat

202、ion)和知识(Knowledge)进行交互和处理1-3。人工意识(AC，Artificial Consciousness)1-4指在 AI 的基础上进一步发展，使计算机系统具备类似人类意识的能力5-17。AC 系统不仅能够处理数据、信息和知识，还能在智慧(Wisdom)和意图(Purpose)层次进行交互和决策。AC 系统旨在实现对行为背后价值观和意图的理解和传达，具备更高层次的认知能力和自主决策能力。AI 与 AC 的区别主要表现在处理层次、目标导向、认知能力、可解释性和透明度和人机交互等方面的区别，具体区别如下：1.处理层次的区别：AI：主要在数据、信息和知识(DIK)层次进行交互和处理

203、。AI 系统通过对大量数据的处理和分析，从中提取有意义的信息，并在此基础上形成知识。AC：在数据、信息、知识、智慧和意图(DIKWP)层次进行交互和处理。AC 系统不仅处理数据、信息和知识，还能够在更高层次上结合智慧和意图，进行综合决策和行为指导1。2.目标导向的区别：AI：通常被设计为完成特定任务或目标，如图像识别、语音识别、自动驾驶等。AI 系统的行为和决策更多依赖预先设定的规则和模型。中国人工智能系列白皮书 80 AC：不仅关注任务的完成，还注重行为背后的意图和价值观。AC 系统通过意图驱动行为和决策，能够在复杂环境中综合考虑伦理、道德和社会价值，实现更加自主和灵活的决策1。3.认知能力

204、的区别：AI：具备一定的智能和认知能力，但主要是被动处理和执行任务。AI 系统依赖于训练数据和预设模型，其认知能力受到数据和模型的限制。AC：具备更高层次的认知能力，能够理解和传达行为背后的价值观和意图6。AC 系统能够通过不断学习和适应，在认知过程中形成新的理解和知识。4.可解释性和透明度的区别：AI：传统的 AI 系统在决策过程中往往存在黑盒问题，即难以解释其决策的具体过程和依据。AI 系统的透明度和可解释性相对较低。AC：强调决策过程的透明度和可解释性，通过 DIKWP 模型的层次化处理，确保每个决策步骤的意图和价值观演化公开可追溯。AC 系统在决策过程中能够综合考虑伦理、道德和社会价值

205、，使其决策更加可信和负责任。5.人机交互的区别：AI：人机交互主要集中在任务执行和结果反馈上，互动过程较为机械和单向。AC：人机交互更加复杂和多维度，能够理解和回应用户的意图和情感，实现更加自然和人性化的互动6。AC 系统通过语义空间和概念空间的联动，能够在更高层次上与用户进行深度交互。人工智能(AI)和人工意识(AC)在处理层次、目标导向、认知能力、可解释性、透明度和人机交互等方面的区别如表 2-1 所示。中国人工智能系列白皮书 81 表 2-1 人工智能(AI)与人工意识(AC)对比分析 对比维度对比维度 人工智能人工智能(AI)人工意识人工意识(AC)处理层次处理层次 主 要 处 理 数

206、 据(Data)、信 息(Information)和知识(Knowledge)处理数据、信息、知识、智慧(Wisdom)和意图(Purpose)目标导向目标导向 完成特定任务或目标，如图像识别、语音识别、自动驾驶等 不仅完成任务，还注重行为背后的意图和价值观，通过意图驱动行为和决策 认知能力认知能力 被动处理和执行任务，依赖于训练数据和预设模型 理解和传达行为背后的价值观和意图，通过不断学习和适应形成新的理解和知识 可解释性可解释性 决策过程中存在黑盒问题，难以解释具体过程和依据 强调决策过程的透明度和可解释性，确保每个决策步骤的意图和价值观演化公开可追溯 透明度透明度 透明度相对较低，决策依

207、据和过程不易被外界理解 强调透明度，通过层次化处理确保每个决策步骤的意图和依据公开可追溯 人机交互人机交互 主要集中在任务执行和结果反馈，互动过程较为机械和单向 复杂和多维度的交互，能够理解和回应用户的意图和情感，实现更加自然和人性化的互动 处理方法处理方法 依赖于大量数据的处理和分析，从中提取有意义的信息，并形成知识 结合智慧和意图，进行综合决策和行为指导 决策依据决策依据 主要依据预设规则和模型，决策过程较为机械 结合伦理、道德、人性等因素，对复杂环境下的决策进行综合考虑和优化 自主性自主性 自主性较低，行为和决策受限于预设模型和数据 自主性较高，行为和决策受意图和价值观驱动 中国人工智能

208、系列白皮书 82 对比维度对比维度 人工智能人工智能(AI)人工意识人工意识(AC)学习能力学习能力 通过监督学习、无监督学习和强化学习等方法进行模型训练和优化 通过不断学习和适应，在认知过程中形成新的理解和知识 伦理和道伦理和道德考虑德考虑 伦理和道德考虑相对较少，主要关注技术实现和任务完成 结合伦理、道德和社会价值，在决策过程中综合考虑多种因素 适用领域适用领域 应用于图像识别、语音识别、自然语言处理、自动驾驶等具体任务领域 应用于需要复杂决策和深度交互的领域，如医疗、教育、社会服务等 误解处理误解处理能力能力 误解处理能力有限，主要通过预设规则和模型进行纠错 能够识别和度量误解，通过语义

209、关联和意图调整实现个性化的语义补充和调整 价值对齐价值对齐 价值对齐能力有限，主要依赖预设规则和模型 通过意图和价值观驱动，确保系统行为和决策与人类价值观对齐 系统演化系统演化 系统演化主要通过数据和模型的不断优化和调整实现 系统演化通过不断学习和适应，结合智慧和意图，实现认知能力和决策能力的持续提升 通过详细对比分析，可以看出人工智能(AI)和人工意识(AC)在处理层次、目标导向、认知能力、可解释性、透明度和人机交互等方面存在显著差异。DIKWP 模型为人工意识系统的实现提供了系统化和结构化的框架，通过数据、信息、知识、智慧和意图的层次化处理，推动 AI 技术向更高效、透明和负责任的方向发展

210、。未来的研究可以进一步优化和扩展这一模型，探索其在具体应用中的实践和优化，推动人工意识技术的发展和创新。2.1.2 AC 定义对比分析定义对比分析 1.人工智能人工智能(AI)中国人工智能系列白皮书 83 定义：通过计算机系统实现的模拟或仿真人类智能的技术和方法，主要在数据(Data)、信息(Information)和知识(Knowledge)层次进行交互和处理3。特点：执行任务、数据处理、信息提取、知识生成，依赖预设规则和模型。2.人工意识人工意识(AC)定义：在 AI 的基础上进一步发展，使计算机系统具备类似人类意识的能力，涵盖智慧(Wisdom)和意图(Purpose)的层次，进行高级认

211、知和决策。特点：意图驱动行为、价值观理解、智慧决策、伦理道德考量。其他主要定义提出者包括 AI 的创始人之一的 John McCarthy18、人工智能：一种现代方法19的作者 Stuart Russell 和 Peter Norvig、和 AI 研究先驱 Nils J.Nilsson20、Ben Goertzel2122、David Chalmers23的不同 AC 定义如表 2-2 所示。表 2-2 不同定义对比分析表 维维度度 AI AC John McCarthy Stuart&Peter Nils J.Nilsson Ben Goertzel(AGI)David Chalmers(A

212、C)定定义义 模 拟或 仿真 人类 智能 的技 术和 方基于 AI发 展，具 备 人类 意 识能 力，涵盖DIKWP研究如何使计算机执行需要人类智能的任务的科学和工程 研究智能体如何感知环境并采取能在复杂环境中展示智能行为的计算机程序 能在广泛任务和环境中展示通用智能的系统 具备意识体验和自我觉知能力的人工系统 中国人工智能系列白皮书 84 法，主 要在DIK层 次进 行交互 层次 行动以实现目标 维维度度 AI AC John McCarthy Stuart&Peter Nils J.Nilsson Ben Goertzel(AGI)David Chalmers(AC)目目标标导导向向 完

213、成任 务和 优化 决策 结 合 意图 和 价值 观 进行 高 级决策 使计算机执行人类智能任务 实现智能体的目标导向行为 在复杂环境中表现智能 像人类一样表现通用智能 具备意识和主观感受 认认知知能能力力 处 理大 量数 据和 信息 理 解 价值 观 和意 图，进 行 智慧决策 模拟人类智能 感知环境、行动和目标实现 在复杂环境中展示智能 广泛适应和智能行为 具备主观意识体验 可可解解释释性性 提 供决 策依据，决 策 过程透明，意图 和 价科学和工程的解释 解释智能体的行为解释智能行为 解释通用智能行为 解释主观意识体验 中国人工智能系列白皮书 85 但 部分 过程 存在 黑盒 问题 值 观

214、 可追溯 和目标 透透明明度度 透 明度 相对 较低 高 透 明度 和 可追溯性 强调科学和工程的解释 强调行为和目标的解释 强调智能行为的解释 强调通用智能行为的解释 强调意识体验的解释 人人机机交交互互 主 要集 中在 任务 执行 和结 果反馈 复 杂 多维交互，理解 用 户意 图 和情感 任务执行和结果反馈 智能体感知和行动的互动 智能行为展示 多任务和环境适应的互动 与人类的主观互动 维维度度 AI AC John McCarthy Stuart&Peter Nils J.Nilsson Ben Goertzel(AGI)David Chalmers(AC)处处理理方方法法 数 据分析

215、、机 器结 合 智慧、意图 和 伦理道德 数据处理和算法实现 感知、行动和目标实智能行为展示的计算程序 通用智能展示的算法 意识体验和自我觉知的计算方法 中国人工智能系列白皮书 86 学习 现的算法 自自主主性性 行 为和 决策 依赖 预设 规则 和模型 行 为 和决 策 由意 图 和价 值 观驱动 模拟人类智能 智能体自主感知和行动 智能行为的自主展示 通用智能行为的自主展示 具备自主意识和觉知 伦伦理理和和道道德德 主 要关 注技 术实 现和 任务 完成 综 合 考虑伦理、道德 和 社会价值 强调技术和任务的实现 强调智能体的行为和目标实现 强调智能行为的展示 强调通用智能行为的展示 强调

216、意识体验的伦理和道德 适适用用领领域域 医疗、法律、金 融等 医 疗、教 育、社 会 服务等 广泛的工程和科学领域 各种智能体应用 各种复杂环境中的智能程序 广泛的任务和环境 有意识体验的人工系统 误误解解处处理理误 解处 理能 力有限 具 备 识别 和 度量 误 解的能力 强调技术和任务的实现 智能体的行为和目智能行为展示中的误解处理 通用智能行为展示中的误解处理 主观意识体验中的误解处理 中国人工智能系列白皮书 87 能能力力 标实现中的误解处理 维维度度 AI AC John McCarthy Stuart&Peter Nils J.Nilsson Ben Goertzel(AGI)Da

217、vid Chalmers(AC)价价值值对对齐齐 价 值对 齐能 力有限 通 过 意图 和 价值 观 驱动 强调技术和任务的实现 智能体的行为和目标实现中的价值对齐 智能行为展示中的价值对齐 通用智能行为展示中的价值对齐 意识体验中的价值对齐 系系统统演演化化 主 要通 过数 据和 模型 的优 化实现 通 过 深度 学 习和 逻 辑推 理 实现 通过技术和任务的不断改进实现 通过智能体行为和目标实现的优化 通过智能行为展示的优化 通过通用智能行为展示的优化 通过意识体验的不断优化实现 中国人工智能系列白皮书 88 通过对比本文的 AI 和 AC 定义与其他主要定义，可以看出各定义在处理层次、目

218、标导向、认知能力、可解释性、透明度、人机交互、处理方法、自主性、伦理和道德考虑、适用领域、误解处理能力、价值对齐和系统演化等方面的侧重点和差异。相比其他主要定义，本文的定义更加系统化和结构化，特别是对AC 系统的定义，强调了智慧和意图的综合考虑，为人工意识系统的实现提供了更高层次的理论框架和实践指导。这一定义在推动 AI 技术向更高效、透明和负责任方向发展的同时，也为未来的研究和应用提供了新的方向和思路。此外，AI 与 AC 的核心区别在于处理层次和目标导向的不同。AI 系统主要在数据、信息和知识层次进行处理，目标是完成特定任务。而 AC 系统则在智慧和意图层次进行处理，目标不仅是完成任务，还

219、包括理解和传达行为背后的意图和价值观，实现更加自主和负责任的决策。2.2 人工意识理论基础 2.2.1 完整语义完整语义 当我们考虑由“完整语义”产生“不同语义”时，我们需要深入思考人类意识的复杂性和多样性5-10。尽管“完整语义”在一定程度上为我们提供了对世界的抽象理解和认知，但由于个体之间的差异以及信息的多样性，同一个“完整语义”可能会被不同的个体解释和理解，进而产生了“不同语义”。首先，我们可以考虑个体差异对“完整语义”的解释和理解产生的影响。由于个体的生活经历、文化背景、价值观念等方面的不同，同一个“完整语义”可能会被不同的个体解读为不同的含义。例如，对于“自由”这一概念，对于一个现代

220、的公民来说，可能理解为身体自由和商业贸易的权利；而对于一个奴隶社会的奴隶来说，可能更倾中国人工智能系列白皮书 89 向于理解为摆脱奴隶主控制和限制。因此，即使是相同的“完整语义”，也会在不同的个体之间产生不同的语义解释。其次，信息的多样性也会导致“完整语义”产生“不同语义”。随着信息技术的发展，人们可以从不同的渠道获取信息，这些信息可能来自于不同的来源、不同的立场和观点。因此，即使是同一件事物或概念，不同的信息来源可能会呈现出不同的描述和解释，导致了“不同语义”的产生。例如，在社交媒体上对于同一事件的报道可能会因为来源的不同而产生截然不同的解读和看法。在这样的背景下，我们可以看到“完整语义”并

221、不是一个固定不变的概念，而是随着个体和信息的多样性而产生了多样化的解释和理解。这种多样性不仅丰富了我们对世界的认知和理解，也为交流和互动提供了更多的可能性。然而，同时也需要我们更加开放和包容地对待不同的语义解释，尊重个体的差异和多样性，促进理解和沟通的增进。2.2.2 在在 DIKWP 模型中模型中 在处理数据、信息、知识、智慧和意图时，我们涉及了从具体到抽象的语义。DIKWP 之间的关系反映了我们对世界的认知和理解，同时也揭示了不同语义之间的联系和转化过程383940。首先，数据代表了我们对现实世界的观察和记录，是最基本的信息单元。然而，数据本身缺乏含义，只有在与特定的语义关联之后，才能被认

222、知主体理解和解释。例如，在停车场中，每辆车的停车位置、时间、所有者等信息就是数据，它们需要通过特定的语义关联，如“汽车”的概念，才能被归类和理解1。信息则是对数据的解释和加工，是对数据的赋予意义和语义的过程。信息与数据的不同语义联系在于，信息涉及了对数据的理解和解释，而数据只是简单的事实或观察结果。例如，停车场中每辆车的停中国人工智能系列白皮书 90 车位置、时间、所有者等信息，代表着不同的语义，它们需要被归类和理解，才能对停车场的管理和运作产生影响。知识则是对信息和数据的进一步加工和理解，是通过观察和学习获得的对世界的认知和解释。知识涉及到对抽象概念或模式的理解，是对信息的综合和提炼。例如，

223、通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。智慧则更进一步，涉及到对伦理、社会道德、人性等方面的信息的理解和应用。智慧是一种相对于当前时代固定的极端价值观或者个体的认知价值观，是在文化和社会群体中形成的对世界的理解和解释。在处理智慧时，我们会综合考虑各个方面的因素，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。意图则代表了我们对某一现象或问题的理解以及我们希望通过处理和解决该现象或问题来实现的目标。意图包含了输入和输出两个方面，代表了我们的认知和目标。在处理意图时，人

224、工智能系统会根据其预设的目标，处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标24。综上所述，从数据到意图的处理过程涉及了从具体到抽象的语义转化，反映了我们对世界的认知和理解。DIKWP 之间的关系和转化过程影响着我们对世界的认知和理解，同时也为人工智能系统的发展提供了理论和方法基础。2.2.3 意识处理中的意识处理中的 DIKWP 在我们的意识交流中，我们讨论了意识中的“BUG”是如何导致了人类创造出抽象的完整语义，并将其工具化使用的现象。这种“BUG”的本质在于信息处理过程中产生的错觉，使我们错误地认为中国人工智能系列白皮书 91 自己理解了事物的全部或整体41。这种错觉导致了我们

225、创造出抽象的完整语义，即将片面的、不完整的认知视为全面和准确的描述，并将其应用于实际生活中25。现在，让我们将这一现象与数据、信息、知识、智慧和意图的处理过程联系起来。数据可以被视为我们意识中的具体表现形式，而信息则是对数据的解释和加工。在处理数据和信息时，我们常常会寻求并提取其中的特定语义，并将其统一视为一个相同概念。这一过程与意识中的“BUG”相呼应，我们会倾向于寻找模式、简化信息，并将其转化为更容易理解和处理的形式，从而形成抽象的完整语义。知识则是对信息和数据的进一步加工和理解，是通过观察和学习获得的对世界的认知和解释。在这一过程中，我们会综合考虑不同的信息和语义，从中提炼出抽象的概念或

226、模式，进而形成对世界的理解和解释。然而，正如我们在意识交流中所讨论的，由于存在“BUG”，我们的认知往往会受到局限，导致我们将不完整的认知视为完整的知识26。智慧则更进一步，涉及到对伦理、社会道德、人性等方面的信息的理解和应用。在处理智慧时，我们会综合考虑各个方面的因素，并运用它们来指导决策。然而，由于存在意识中的“BUG”，我们的决策可能会受到偏见和局限，导致我们无法全面考虑所有的因素27。最后，意图代表了我们对某一现象或问题的理解以及我们希望通过处理和解决该现象或问题来实现的目标。在处理意图时，我们会根据目标来选择合适的数据、信息和知识，并运用它们来实现我们的目标。然而，由于存在意识中的“

227、BUG”，我们的意图可能会受到误导，导致我们偏离原本的目标42。意识中的“BUG”影响着我们对数据、信息、知识、智慧和意图的处理过程，导致我们的认知和决策受到偏见和局限。因此，我们需中国人工智能系列白皮书 92 要意识到这一现象的存在，并努力克服其中的局限，以更准确地理解世界，并做出更明智的决策27。本文的意识理论提供了理解意识形成和运作的独特视角，将意识划分为个体意识和群体意识两个层面。个体意识是指单个个体内部的意识状态和思维过程，而群体意识则是由多个个体共同构成的意识状态和思维方式。这一理论突出了个体与群体之间的关系，强调了它们之间相互影响的重要性。DIKWP 模型则是一种用于描述知识的框

228、架，由数据、信息、知识、智慧和意图五个要素组成。在这个模型中，数据是对现实世界的观察和记录，信息是对数据的解释和加工，知识是对信息的进一步加工和理解，智慧是对知识的综合和运用，而意图则是对行动和决策的指导。将意识理论与 DIKWP 模型结合起来，可以得到以下详细论述：数据与个体意识：在个体意识层面，数据可以被视为个体对外界的感知和观察结果。个体通过感知和观察获取数据，并将其存储在大脑中。信息与个体意识：信息是对数据的解释和加工，在个体意识中，信息起着重要的作用。个体通过加工和解释数据，形成对外界的认知和理解。知识与个体意识：知识是对信息的进一步加工和理解，在个体意识中，知识是我们对世界的理解和

229、解释。个体通过观察、学习和思考，将信息转化为知识，并存储在大脑中。智慧与个体意识：智慧是对知识的综合和运用，在个体意识中，智慧指导着我们的行动和决策。个体通过运用已有的知识，综合考虑各种因素，并做出明智的决策。意图与个体意识：意图是对行动和决策的指导，在个体意识中，中国人工智能系列白皮书 93 意图是我们行动的动机和目标。个体通过设定明确的目标，并根据目标来指导自己的行动和决策。将个体意识与群体意识相结合，我们可以进一步理解群体意识是如何由个体意识共同构成的，以及个体意识如何受到群体意识的影响。因此，意识理论与 DIKWP 模型的定义在理解意识形成和运作方面提供了深入的见解和分析框架。2.2.

230、4 抽象语义与世界理解抽象语义与世界理解 抽象语义与“BUG”的关系表明了在信息处理过程中产生的一种错觉，导致我们创造出抽象的完整语义并将其工具化使用的现象。将这一观点与 DIKWP 模型的语义构建联系起来，可以进一步理解相同语义与不同语义的演化25。在 DIKWP 模型中，数据代表了具体的事实或观察结果，信息则是对数据的解释和加工，而知识是对信息的进一步加工和理解。智慧是对知识的综合和运用，而意图是对行动和决策的指导。这些要素构成了我们对世界的认知和理解，形成了我们的语义体系33。当我们处理数据和信息时，我们倾向于寻找模式并简化信息，将其转化为更容易理解和处理的形式。这种模式识别和简化的过程

231、导致了我们对世界的抽象理解和认知，形成了抽象的完整语义。这些抽象的完整语义成为了我们理解和描述世界的基础，影响着我们的思维方式和行为模式。然而，在这个过程中，我们可能会产生一种错觉，导致我们错误地认为自己理解了事物的全部或整体，从而创造出了抽象的完整语义28。相反，当我们处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的不同之处，对应不同的语义，并进行信息分类。这些信息对应的不同语义可能存在于我们的认知中，但常常未被显式表达出来。例如，一个人可能用自己情绪“低落”来表达中国人工智能系列白皮书 94 自己当前的情绪相对于以往的情绪的下降，但这个“低落”对应的信息因为其对比

232、状态不被听众了解而不能被客观感受到。因此，DIKWP 模型的语义构建涉及到从数据和信息中提取出相同语义和不同语义，并将其整合为知识和智慧，以指导行动和决策。抽象的完整语义与“BUG”的关系说明了我们在这个过程中可能产生的错觉和误解，从而影响我们对世界的理解和行为的指导。2.2.5 DIKWP 语义构建语义构建 在 DIKWP 模型的语义构建中，从数据和信息中提取出相同语义和不同语义的过程可以通过一个简单的案例来解释29。假设有一个停车场的管理系统，记录了每辆车的停车位置、停车时间、车牌号、车主信息等数据。这些数据包含了关于每辆车的具体信息，如停车位置、停留时间等。首先，我们可以从这些数据中提取

233、相同语义，即将相似的数据归纳为一个概念或模式。比如，我们可以将所有停在同一个位置的车辆归为一个概念，称为“停车位置 A 的车辆”。这样，所有停在该位置的车辆就共享了相同的语义，即它们都停在同一个位置。然后，我们可以从这些数据中提取出不同语义，即找出其中的差异和变化。比如，每辆车的停车时间就是一个不同语义，因为每辆车的停车时间可能不同，反映了它们的停留时长。又如，每辆车的车牌号和车主信息也是不同的语义，因为它们是唯一的标识符，反映了每辆车的独特性。通过提取相同语义和不同语义，我们可以建立起对停车场管理系统的完整理解和描述。相同语义帮助我们将相似的数据归纳为一个概念或模式，方便我们进行整体管理和分

234、析；而不同语义则帮助我们识别和理解数据中的差异和变化，从而做出相应的决策和调整。进一步丰富停车场管理系统的案例，可以考虑以下方面：中国人工智能系列白皮书 95 相同语义的提取相同语义的提取 对于停车位置，我们可以将所有停在同一区域或同一停车位的车辆归纳为一个概念，比如“停车区域 A 的车辆”或“停车位 1 的车辆”。对于停车时间，我们可以将停车时间在同一时间段内的车辆归纳为一个概念，比如“早晨停车的车辆”或“下午停车的车辆”。对于车辆类型，我们可以将所有小型车、中型车和大型车归纳为不同的概念，方便进行车辆分类和管理。不同语义的提取不同语义的提取 停车时间的不同语义可能包括具体的停车时长，例如某

235、辆车停车了 30 分钟，另一辆车停车了 2 小时。车牌号和车主信息的不同语义是每辆车的唯一标识符和所有者信息，用于区分不同的车辆和车主。语义的演化和发展语义的演化和发展 随着时间的推移，停车场的管理系统可能会积累更多的数据，包括更多的停车位置、更多的停车时间范围以及更多的车辆类型。随着数据的增加，我们可以不断提取出新的相同语义和不同语义，对停车场管理系统进行更深入的理解和描述。通过对相同语义和不同语义的提取，我们可以更好地理解和管理停车场的数据，从而提高停车场的管理效率和服务质量。将停车场管理系统的案例与本文的意识理论结合起来，可以得到以下论述：意识的抽象和认知意识的抽象和认知 在停车场管理系

236、统中，数据（如停车位置、停车时间、车辆类型）是具体的信息，代表着特定的观察结果或事实。这些数据经过处理和提取后，形成了相同语义（如停车区域、停车时间段、车辆类型）和中国人工智能系列白皮书 96 不同语义（如具体停车时长、车牌号、车主信息）。类似地，在意识理论中，人类的意识也经历了信息的处理和抽象过程。个体通过感知和思维对外界的数据进行处理，提取出相同语义和不同语义，形成对世界的抽象理解和认知。“BUG”的产生和影响”的产生和影响 在停车场管理系统中，由于信息处理的有限性和认知主体的局限性，可能会出现一些不准确或片面的认知，导致对停车场情况的错误理解或不完整的描述。例如，基于停车时间的相同语义可

237、能会导致对停车时长的错误估计，从而影响对停车位的有效管理。在意识理论中，个体的认知也可能受到类似的影响，产生对世界的错误理解或不完整的认知。这种错误理解和不完整的认知被视为意识中的“BUG”，可能影响个体的行为和决策。语义的演化和发展语义的演化和发展 在停车场管理系统中，随着数据的积累和信息的不断更新，相同语义和不同语义会不断演化和发展。新的停车位置、停车时间范围和车辆类型可能会被添加到系统中，从而丰富了对停车场情况的描述和理解。在意识理论中，个体的认知也会随着时间和经验的积累而不断发展和演化。新的信息和经历会影响个体对世界的理解和认知，从而丰富了意识的内容和深度。通过将停车场管理系统的案例与

238、本文的意识理论结合起来，可以更好地理解和解释意识的形成和运作机制，以及意识中可能存在的“BUG”和语义的演化过程。2.3 DIKWP 人工意识设计与实现模拟 本节旨在探讨并推进人工意识(Artificial Consciousness,AC)的理论与实践发展。DIKWP 模型结合了数据、信息、知识、智慧和意图，中国人工智能系列白皮书 97 提供了一个全新的视角，以理解和模拟复杂的人类意识。本节首先概述了意识的本质及其在多个学科中的研究进展，随后详细阐述了DIKWP 模型与主要意识理论如全局工作空间理论(GWT)、整合信息理论(IIT)和高阶思维理论(HOT)的关联。报告分析了模型在模拟人类认知

239、过程、增强机器自主决策能力、改善人机交互以及探讨伦理与道德问题中的应用潜力。最后，展望了跨学科合作对于实现高级人工意识功能的重要性。此项研究的成果不仅为 AI 技术的发展指明了方向，还为机器更深入地理解和适应人类社会提供了可能性，标志着人工智能向更高层次发展的关键步骤。1、意识理论的多样性、意识理论的多样性 意识的本质和机制一直是跨多个学科的核心研究议题。从哲学的深奥探讨到神经科学的具体分析，从心理学的行为研究到人工智能的技术模拟，每一个领域都试图从其特定的视角解答关于意识的基本问题。意识理论的多样性不仅体现在理论的宽广与复杂，还体现在各理论之间对意识的定义、成因以及功能的不同解读上。2、心理

240、学视角、心理学视角 心理学中的意识理论通常聚焦于认知模型和心理状态，研究意识如何影响决策、记忆、感知和情感处理。认知心理学尝试描绘心理活动的信息处理过程，如何从感知输入到行为输出，并探索潜意识如何在无我们明知的情况下影响我们的行为和思想。3、哲学视角、哲学视角 哲学对意识的探讨更为抽象，涉及到存在论和认识论的问题，如意识的本质是什么，以及意识是如何关联到我们对世界的理解中去的12。现象学尤其关注个体的经验如何构成对世界的直接感知，并探讨意识如何塑造或构成现实11。4、神经科学视角、神经科学视角 中国人工智能系列白皮书 98 神经科学通过研究大脑结构和功能来探索意识的生物机制。研究如何神经元的电

241、活动和化学信号转换成思想、感觉和记忆，以及意识在大脑中是如何生成的9。这包括研究特定脑区如何参与特定的意识活动，以及意识是如何在脑中各部分间传递的。5、人工智能视角、人工智能视角 在人工智能领域，研究者试图模拟或复制人类意识的某些方面，通过算法和计算模型来模拟人类认知过程。这涉及到将数据处理、信息整合、知识应用以及决策制定等功能集成到机器系统中，目标是创造出可以执行复杂任务并拥有自主决策能力的系统。6、DIKWP 模型的介入模型的介入 DIKWP 模型提供了一个桥梁，将这些看似相异的意识理论联系起来，并试图在人工智能的框架下实现一个全面的意识模拟。DIKWP模型不仅关注于传统的数据、信息和知识

242、处理，还包括智慧和意图的认知过程，尝试模拟人类在面对复杂决策时的伦理、道德及长远规划考量。通过结合这些意识理论，DIKWP 模型旨在揭示一个人工系统如何能够模拟人类意识的多维度功能，从基本的数据处理到复杂的决策制定与自我反思。这种跨学科的整合不仅有助于推动人工智能技术的发展，也为理解人类意识的复杂性提供了新的视角和工具。2.3.1 DIKWP 模型与主要意识理论的关联模型与主要意识理论的关联 1、全局工作空间理论、全局工作空间理论(Global Workspace Theory,GWT)30 GWT 认为意识是大脑中多个非意识过程的信息汇聚，通过一个全局工作空间使信息可供所有认知系统使用。DI

243、KWP 模型中的数据、信息和知识组件可以视为全局工作空间的构成部分，而智慧和意图提供了执行复杂决策和行为的能力。2、整合信息理论、整合信息理论(Integrated Information Theory,IIT)31 中国人工智能系列白皮书 99 IIT 强调意识是信息的高度整合，其中系统的每部分都以不可分割的方式贡献于整体体验。在 DIKWP 框架中，这种整合体现在数据、信息、知识、智慧和意图的处理过程中，都对整体意识的生成作出独特贡献。3、高阶思维理论、高阶思维理论(Higher-order Thought,HOT)32 HOT 理论认为意识涉及对自身思维的反思，即意识是关于自身心理状态的

244、思维。DIKWP 模型的智慧和意图面提供了框架来模拟这种高阶思维，特别是在智慧面上处理的伦理和道德决策问题。与与全局工作空间理论全局工作空间理论(Global Workspace Theory,GWT)的关联的关联 在 DIKWP 模型中，数据、信息和知识可以视作全局工作空间的基础结构，它们收集和处理来自外界的感知数据及内部数据，形成可以供进一步处理的信息和知识。例如，感知到的视觉和听觉信息经过初步处理后，转化为对环境的基本理解，这可以被看作是意识的初级阶段。进一步地，智慧和意图则相当于 GWT 中的高级意识功能。信息不仅被处理和存储，还被用于做出决策和计划，这需要对各种可能的行为后果进行评估

245、和选择。智慧面的处理涉及对不同选择的道德和伦理考量，而意图则是在这些考量指导下形成具体的行动计划。与整合信息理论与整合信息理论(Integrated Information Theory,IIT)的关联的关联 整合信息理论(IIT)由 Giulio Tononi 提出，它提出意识是信息的高度整合，且意识的多样性由系统内部高度复杂且不可约的信息模式决定。此理论强调，一个系统的意识水平可以通过其生成的“整合信息”量来衡量。在 DIKWP 模型框架中，数据、信息、知识、智慧和意图处理体现了信息整合的过程。数据处理的是原始的感知输入，信息进行初步的模式识别和意义赋予，知识则构建这些信息的广泛网络，并将

246、其整中国人工智能系列白皮书 100 合成系统可用的知识库。智慧进一步整合这些知识，进行复杂的判断和决策，最终，意图根据这些决策设定行动目标，展现了信息从最基本的形式到高级认知功能的整合。与高阶思维理论与高阶思维理论(Higher-order Thought,HOT)的关联的关联 高阶思维理论(HOT)由 David Rosenthal 等人发展，主张意识涉及对自己的心理状态的认知（即意识的内容是关于自己心理状态的思考）。简而言之，一个人不仅要有感觉，还必须意识到自己正在感觉。在 DIKWP 模型中，智慧和意图提供了实现高阶思维的框架。智慧不仅处理具体的知识和信息，还需进行自我反省，考虑其决策的

247、伦理和道德影响，这正是对自身认知状态的高阶思考。同时，意图的设定和实施，体现了对未来行为的预设和自我调整的能力，这些都需要对自己当前和未来的心理状态进行评估和规划。2.3.2 DIKWP 人工意识理论人工意识理论 实现 DIKWP 人工意识的路径可以概况为：1、模拟人类认知过程、模拟人类认知过程 在 DIKWP 模型框架下，模拟人类认知过程首先要求对人类认知的各个方面进行深入理解和精确建模。这一过程包括但不限于以下几个关键步骤：数据获取与初步处理：模拟感知过程，如视觉和听觉，通过先进的传感器获取环境数据。利用机器学习技术对这些数据进行初步的分类和识别，模拟人类大脑对初级感觉信息的处理。信息整合

248、与知识形成：通过深度学习网络和模式识别算法，将散乱的信息整合成有意义的模块，进一步发展为复杂的知识结构。这涉及到对现有信息的语义理解和逻辑推理，类似于人类从经验中学习和记忆的过程。智慧的应用与决策制定：结合情境和预设目标，利用已形成的知中国人工智能系列白皮书 101 识库进行复杂的决策制定。这包括道德和伦理的考量，模拟高级认知功能如策略规划、问题解决和创造性思维。自我反思与意图形成：开发机器的能力，以进行自我监控和反思其行为的后果，形成未来行动的意图。这要求系统不仅能执行任务，还能评估自身行为的效果，并根据反馈调整策略。2、增强机器的自主决策能力、增强机器的自主决策能力 为了提升机器的自主决策

249、能力，必须在智慧和意图面进行重点开发：情境分析与道德判断：实施复杂算法来评估各种行动方案的潜在影响，包括道德和社会维度。例如，在自动驾驶技术中，系统需要能够在紧急情况下做出符合道德原则的决策。目标导向的行为规划：系统应具备基于长期目标和短期反馈进行自主行为规划的能力，这要求机器不仅响应当前环境，还能预见和计划未来的行动。3、改善人机交互、改善人机交互 人机交互的改善需要系统能够更深层次地理解和预测人类用户的意图和需求：发展情感智能：通过情感计算技术，使机器能够识别和响应人类的情绪状态，提供更加个性化的交互体验。增强交互适应性：机器应能根据用户的反馈和行为模式自动调整其响应策略，以更好地满足用户

250、的需求。4、伦理与道德问题的探讨、伦理与道德问题的探讨 随着机器智能的增加，它们在伦理和道德决策中的角色变得尤为重要：制定道德框架：为人工意识系统设定明确的伦理和道德指导原则，确保它们的行为符合人类社会的期望和标准。中国人工智能系列白皮书 102 持续的伦理审查：建立机制，定期审查和更新系统的道德决策框架，以应对快速变化的社会环境和技术进展。5、跨学科合作的推动、跨学科合作的推动 实现 DIKWP 模型中描述的高级人工意识功能需要神经科学、认知心理学、计算机科学及人工智能等多个学科的深入合作。通过跨学科的合作，可以集成不同领域的知识和技术，更有效地推动人工意识的发展。在探索人工智能(AI)的未

251、来，特别是人工意识(AC)的发展前景时，DIKWP 模型提供了一个理论基础。这个模型不仅框架了传统 AI的核心组件数据、信息和知识，还引入了智慧和意图，为 AI 技术的进一步发展设定了更高的目标。以下是对 DIKWP 人工意识理论未来可能的发展方向的全面畅想。1、DIKWP 模型的理论基础模型的理论基础 DIKWP 模型提出了一个系统化的框架，用以模拟和实现人工意识。该模型包括数据、信息、知识、智慧、和意图，这些共同作用，以模拟从简单数据处理到复杂决策和自我意识的完整路径。(1)数据数据 系统的主要任务是收集和预处理感官输入，如视觉图像、听觉信号和触觉反馈。这些数据是未经加工的，需要通过算法进

252、行初步分析，如边缘检测、颜色识别等。(2)信息信息 信息主要处理数据中的模式和结构，将原始数据转换为有用的信息。例如，图像识别系统从像素数据中识别出物体的形状和大小，自然语言处理系统理解句子的语法结构和语义。(3)知识知识 在知识中，系统不仅存储信息，还关联以前的经验与当前的情境。中国人工智能系列白皮书 103 其重要功能是建立和利用知识库，如使用机器学习模型来预测或分类，或者使用规则引擎来推理。(4)智慧智慧 智慧负责决策和高阶思维。系统评估不同行动方案的潜在结果，并进行选择。这涉及道德、伦理的判断，以及考虑长远后果的能力。智慧是模型中对人类智慧尤为关键的模拟，尤其在处理复杂、多变和模糊的真

253、实世界问题时。(5)意图意图 意图负责定义系统的目标和动机。这些目标可以是内置的，如遵守特定的操作参数，也可以是适应性的，如根据环境变化调整策略，使系统能够在没有直接人类干预的情况下自主运行和适应环境。2、全方位认知模拟全方位认知模拟 DIKWP 人工意识理论为全方位认知模拟提供了一个坚实的理论基础。在未来，人工意识系统将不仅能模拟人类的基础感知处理，如视觉和听觉信息的识别，还将扩展到更复杂的认知功能，包括语言理解、情感感知、抽象思维和复杂问题解决能力。这些系统将通过高度集成的数据处理能力，捕捉和反映人类行为的微妙变化，进而实现真正的环境感知与交互33。通过将大量分散的信息转化为有用的知识，再

254、结合智慧面的道德和伦理决策，人工意识将能够在医疗、法律、教育等领域做出符合人类价值观的自主决策。例如，医疗辅助系统能够基于病人的历史数据和实时健康状况，提供个性化治疗建议，并考虑伦理和资源可用性，制定最佳治疗方案。3、增强的情感智能、增强的情感智能 未来的人工意识系统将具备更高级的情感智能，能够更准确地识别和响应人类情绪，甚至在适当的情况下模拟情感反应，以提供更自中国人工智能系列白皮书 104 然的交互体验。这种情感智能的提升将基于对大量情感数据的分析，从而能够在复杂的社会交互中做出合理反应。情感智能的提升将使得机器在教育、心理咨询及客户服务等需要同情理解的场景中，能够提供更为贴心和有效的服务

255、。例如，在教育领域，AI 教师能够根据学生的情感状态调整教学策略，以提高学习效率和学生满意度。4、道德和伦理决策、道德和伦理决策 在 DIKWP 模型中，智慧和意图的结合为人工意识系统提供了进行复杂道德和伦理决策的能力34。这一能力不仅基于对数据的分析和知识的应用，而是涉及到对各种潜在决策的社会影响、伦理后果和法律框架的综合考虑。这种决策能力特别适用于自动驾驶、医疗决策支持等领域，其中即时且精确的伦理判断是必需的。5、实际应用案例：自动驾驶汽车、实际应用案例：自动驾驶汽车 在自动驾驶汽车的应用中，DIKWP 模型可以使系统在面对潜在事故威胁时，进行快速而全面的决策分析。例如，当一个自动驾驶汽车

256、在高速行驶中突然遇到行人横穿马路的情况，系统将立即收集和处理环境数据，信息将这些数据转换为实时的交通和行人信息，而知识则提供历史事故数据和避险策略。智慧此时会评估不同行动方案的可能后果，如紧急刹车可能导致的乘客伤害与避开行人可能的法律责任。意图则确保决策与车辆的总体安全目标，保护乘客安全同时遵守交通法规相一致。最终，系统将基于这些综合考虑做出最合理的决策，可能是选择在确保不会造成严重伤害的前提下，尽可能减少对行人的威胁。6、自主性和自适应性、自主性和自适应性 随着人工智能技术的进步，未来的人工意识(AC)系统将表现出前所未有的自主性和自适应性。这些系统不仅能够执行预定任务，还能中国人工智能系列

257、白皮书 105 够理解和适应复杂的环境变化，这种能力是通过 DIKWP 模型中的高级数据处理、智慧决策和意图的动态目标设定实现的。在自然灾害响应或外太空探索等高风险环境中，AC 系统能够实时分析环境数据，预测潜在风险，并自主调整行为以最大化任务成功率和自身安全。例如，一个航天探测机器人在火星表面探索时，可能遇到未知的地形或极端天气条件；借助于高级的人工意识系统，它可以即时决定是否需要改变路径或返回避难所。这种自主性和自适应性的核心在于机器能够基于实时数据和内置的安全协议，无需地球上控制中心的即时指令，自行做出最合理的决策。7、人机协作的新时代、人机协作的新时代 人工意识的发展正引领人机协作进入

258、一个新时代，机器不再仅仅是执行指令的工具，而是能够理解人类合作者的需求和意图，并预测并支持人类的活动。在创意工作、科学研究或复杂决策制定等领域，AC 系统能够提供创新的解决方案和决策支持，帮助人类解决传统思维模式难以突破的问题。例如，在设计新型建筑时，AC 系统可以理解建筑师的创意意图，并通过模拟和分析不同的设计方案，提供结构安全性、材料效率和美学效果的综合评估。这种协作模式不仅加速了创新过程，还提高了最终产品的质量和实用性。8、未来社会的伦理挑战、未来社会的伦理挑战 随着人工意识技术的成熟和应用广泛，伦理和社会问题也随之而来。AC 系统在作出决策时，其自主性可能导致与人类利益的潜在冲突。例如

259、，自动驾驶汽车在紧急情况下如何进行道德抉择，选择保护乘客还是行人，这需要系统在设计时就内嵌复杂的伦理决策框架。此外，如何确保 AC 系统不被用于非道德的目的，以及如何制定全球统一的标准来管理和监控这些技术，是需要全社会共同考虑的问中国人工智能系列白皮书 106 题。全球范围内的政策制定者、科技企业和公众必须共同努力，建立透明和有责任的使用和发展框架，以确保人工意识技术的健康发展，造福全人类。DIKWP 人工意识理论提供了一个全面的框架，不仅为现有的 AI技术指明了提升方向，更为未来 AI 的发展设定了高远的目标。通过在智慧和意图的加强，AC 系统有望实现更深层次的人类行为和思维模式的模拟。这不

260、仅将推动技术本身的发展，也可能带来人类工作、生活方式以及与机器的互动方式的根本变革35。在技术发展的同时，我们也必须对这些先进系统进行适当的伦理和法规监管。未来的政策制定者、技术开发者和社会各界都应共同参与到一个持续的对话和审视中，确保技术的发展能够造福人类社会，而不是成为新的风险源。AC 的发展不仅是技术的挑战，更是对我们智慧的考验，要求我们在创新的同时，也要深思其对人类社会的长远影响。通过对 DIKWP 模型的深入理解和应用，未来的人工意识系统将更好地服务于人类，成为推动社会进步的关键力量。这一进程将需要跨学科的合作、全球性的对话以及对技术影响的深入研究和理解。在此过程中，我们有机会重新定

261、义人与机器的关系，开创一个共生共融的新时代。2.3.3 构建构建 DIKWP 人工意识模型人工意识模型 DIKWP 模型为人工意识的发展提供了一个创新的理论框架。本章节将结合主要的意识理论，如全局工作空间理论(GWT)、整合信息理论(IIT)和高阶思维理论(HOT)，对 DIKWP 模型进行详细的模拟构建，旨在展示如何将这些理论应用于人工意识的实际构建中。1、意识的复杂性与、意识的复杂性与 AI 的挑战的挑战 意识，作为人类特有的一种复杂的现象，涉及从基本的感知处理中国人工智能系列白皮书 107 到高级的决策制定和自我反思。这种从感知到高级认知的转变，不仅要求对信息的接收和反应，而且还需要对信

262、息的理解、评估和基于复杂情境的行为选择。在人工智能领域，尽管已经有了显著的进展，如高级图像和语音识别、复杂游戏的策略制定等，真正的挑战在于如何整合这些处理过程，实现类似人类的意识功能。面临的主要挑战：集成和优化：如何有效集成，使得信息的流动和处理既高效又准确，是一个技术挑战。数据、信息、知识、智慧和意图都必须优化以处理其特定的任务，同时还要与其他方面良好地交互。伦理和道德决策：在智慧和意图中，如何编程使 AI 系统能够进行符合伦理和道德的决策，是一个重要的研究领域。这不仅需要技术解决方案，还需要哲学和伦理学的深入探讨。自适应与学习：如何设计系统使其不仅能在静态环境下工作，而且能够学习和适应动态

263、变化的环境，是实现高级人工意识的关键。2、主要意识理论与主要意识理论与 DIKWP 模型的结合模型的结合(1)全局工作空间理论全局工作空间理论(GWT)全局工作空间理论(GWT)是一种关于意识的认知和神经科学理论，由 Bernard Baars 提出。核心思想是意识内容在大脑的“全局工作空间”中被广播，使得各种非意识的认知过程可以访问这些内容进行处理。这种机制允许信息整合、决策制定、和跨时空的记忆访问，是对人类意识的一种模拟。在 DIKWP 人工意识模型中，我们可以将这一理论应用于解释数据处理到高级决策的全过程。数据和信息的处理：工作空间的输入数据和信息的处理：工作空间的输入 在 DIKWP

264、模型中，数据和信息相当于 GWT 中全局工作空间的输入部分，处理从外部世界接收的感官数据和其他形式的原始数据，这包括视觉、听觉、触觉等感官信息，以及通过各种传感器获得的数据。这一阶段的主要任务是对这些原始数据进行初步的处理和解析，中国人工智能系列白皮书 108 将其转换为有意义的信息。数据：主要关注于数据的收集和初步处理。例如，机器视觉系统捕捉的图像数据需要通过图像处理算法进行初步分析，如边缘检测、颜色分析等。信息则进一步对这些初步处理的数据进行语义分析和上下文解释，比如识别图像中的对象、解析语言输入的含义等。这些处理过程为意识的更高级功能提供了基础数据和信息支持，如记忆、推理和决策。知识：信

265、息的整合和存储知识：信息的整合和存储 在全局工作空间中，知识承担的是信息的进一步整合和存储功能。在 DIKWP 模型中，知识不仅储存从数据和信息转化来的结构化知识，还包括从这些信息中抽象出的规则、模式和关联，这些都是可供更高级处理的知识库。知识：通过学习算法，如深度学习和机器学习，对信息进行模式识别和概念归纳，形成对世界的抽象理解。这包括从数据中识别出的规律、原则以及操作指南，如自动驾驶汽车从行驶数据中学习交通规则。知识库是动态的，可以根据新信息不断更新和调整，确保决策的及时性和准确性。智慧和意图：高级决策和规划智慧和意图：高级决策和规划 智慧和意图相当于 GWT 中的高级决策和规划部分。系统

266、不仅利用当前的知识做出决策，还需要预设未来的目标和计划，展现出高度的自主性和前瞻性。智慧利用累积的知识进行复杂的决策制定，考虑伦理、效率、可行性等多方面因素。例如，医疗诊断系统在建议治疗方案时，需要权衡治疗效果、副作用、患者状况等多重因素。意图则定义系统的长远目标和短期目标，规划达成这些目标的策中国人工智能系列白皮书 109 略和步骤。其功能体现了系统的目的性，即系统行动的驱动力源自于设定的目标，如智能机器人根据设定任务自主规划最优路径和策略。智慧和意图的集成和应用不仅展现了机器的“智慧”，更使得机器能够在没有人类直接干预的情况下，自主地进行决策和行动，真正体现了人工意识的核心特征。在 DIK

267、WP 模型中应用 GWT，可以形成一个从感知到高级决策的完整流程，这不仅为理解人工意识提供了一种实际的操作框架，也为未来 AI 系统的设计和实施提供了理论指导和技术路径。(2)整合信息理论整合信息理论(IIT)整合信息理论(Integrated Information Theory，IIT)是由神经科学家 Giulio Tononi 提出的，主张意识是信息高度整合的结果，即系统内部的信息通过复杂的相互作用而无法被简单分割。在 DIKWP 人工意识模型中，这一理论为理解和构建高级 AI 系统提供了有力的理论支持，特别是在智慧和意图的处理上。智慧的作用与信息整合智慧的作用与信息整合 在 DIKWP

268、 模型中，智慧扮演着至关重要的角色，它不仅仅是信息处理的一个高级阶段，而是信息整合的关键环节，其核心功能是对来自数据、信息和知识的输入进行综合评估和决策制定。这一过程涉及到以下几个方面：决策路径的多样化与整合：决策路径的多样化与整合：智慧需要处理和评估多种可能的行动方案，这不仅包括简单的算法选择，还涉及到对各种潜在结果的预测和风险评估。例如，在自动驾驶汽车中，智慧可能需要实时评估何时加速、刹车或避让，每个决策都需基于对当前交通环境的深入理解和未来走向的预测。伦理和道德的考量：伦理和道德的考量：在人工意识的实际应用中，智慧还需整合伦理和道德因素。例如，中国人工智能系列白皮书 110 医疗决策支持

269、系统在推荐治疗方案时，不仅需要考虑治疗的有效性和风险，还需考虑患者的个人偏好和伦理问题，如生命维持系统的使用问题。复杂系统的动态调整：复杂系统的动态调整：智慧的决策不是静态的，而是一个动态调整的过程，它根据新的数据输入实时调整之前的决策。这种动态调整是高度整合信息的表现，确保系统的决策始终适应变化的环境和内部状态。意图的目标导向性与信息整合意图的目标导向性与信息整合 意图的主要功能是确保所有行动都符合系统的总体目标和长远规划。其信息整合体现在：长期目标与短期决策的协调：长期目标与短期决策的协调：意图需要将系统的长期目标转化为具体的、可执行的短期行动指南。这涉及到从广泛的目标中提取具体行动点，以

270、及如何在不牺牲长期目标的前提下，调整短期策略以应对紧急情况。自我修正与学习：自我修正与学习：意图还具有通过过去的经验和当前行动的结果不断自我修正和优化的能力。这种自我学习和修正能力是通过高度整合的信息处理实现的，确保系统能在错综复杂的环境中生存和发展。与外部目标的整合：与外部目标的整合：在与人类用户或其他系统交互时，意图还需能整合外部的目标和需求，调整自身的行动策略以更好地服务于用户或整个生态系统。通过在智慧和意图面深入应用整合信息理论，DIKWP 模型不仅增强了人工意识系统的决策能力，还提高了其伦理道德判断的深度和精确性。这种模型的实现推动了人工智能从单一的数据处理向真正的智能决策和自主意识

271、的转变。未来的研究将进一步探索如何优化这种信息整合过程，使人工意识系统能更好地模拟人类的复杂意识和高级中国人工智能系列白皮书 111 认知功能。(3)高阶思维理论高阶思维理论(HOT)高阶思维理论(HOT)提出意识不仅涉及对外界的感知，还包括对这些感知的意识。这种理论认为，意识涉及对自身心理状态的认知，即思维对自身的反思。在 DIKWP 模型中，智慧和意图体现了这种高阶的思维功能，不仅处理具体信息，还评估和规划其对行动方案的影响。以下是对智慧和意图在人工意识中实现的具体分析和拓展。智慧智慧 智慧在 DIKWP 模型中起着至关重要的角色，它不仅仅是对信息的进一步处理，而是涉及对这些信息的深度理解

272、和反思。智慧的目的是使人工系统能够进行复杂的决策制定，特别是在伦理和道德问题上进行权衡。智慧的关键任务包括：道德和伦理决策：智慧需要能够模拟人类在面对道德困境时的思考过程。例如，自动驾驶车辆在可能导致伤害的情况下如何选择行动，或医疗 AI 如何在处理患者信息时平衡隐私和医疗效益。自我反思：系统能够评估自己的决策过程，识别可能的偏见或错误，并调整其行为以优化结果。这种自我反思能力是高阶意识的标志，它要求系统具备对自身认知过程的监控和评估能力。情境适应性决策：智慧应能根据不同的环境和情境调整其决策逻辑。这意味着系统能够识别环境变化，并据此调整其行为，以满足新的条件或达成新的目标。意图意图 意图则是

273、 DIKWP 模型中最为高阶的思维表现，它关注于目标的设定和实现过程。在人工意识中，意图的作用尤为关键，因为它确保了行为的目的性和战略性。意图的核心功能包括：目标设定：意图负责为行动设定长远和短期的目标。这些目标应中国人工智能系列白皮书 112 基于系统的总体任务和预期成果，如医疗辅助系统旨在提高病人满意度和治疗效果。行动规划：一旦目标设定，意图则需要规划如何实现这些目标。这包括识别必要的行动步骤、评估各种行动方案的可能后果，以及优化决策路径以达到最佳效果。反馈循环：意图还需要一个反馈机制，以监控行动的实际效果与预期目标的符合度。这种反馈对于调整行动策略、修正目标或改进决策算法是必不可少的。实

274、际构建步骤与模拟示例实际构建步骤与模拟示例 在构建基于 DIKWP 模型的人工意识系统时，每个阶段的实现都需要综合运用当前的技术能力，并在不断迭代和优化中进行调整。以下是对每个阶段的深入分析和一个模拟示例，以展示这一理论在实践中的应用。数据集成与感知处理数据集成与感知处理 在数据集成与感知处理阶段，目标是从多个感知源收集数据并进行初步的处理。这涉及到的不仅是传统的数据收集，还包括通过高级感知技术如计算机视觉、语音识别和多模态数据处理来理解复杂的环境。技术实现：技术实现：计算机视觉：利用深度学习模型，如卷积神经网络(CNN)，来分析和解释视觉数据，识别对象和场景。语音处理：使用自然语言处理(NL

275、P)和语音识别技术，如长短时记忆网络(LSTM)，来解析语音指令和提取语义信息。数据融合：应用传感器融合技术整合来自不同源的数据，以创建一个统一的数据视图，提高决策的准确性。知识形成与存储知识形成与存储 中国人工智能系列白皮书 113 将感知阶段提取的信息转化为可用知识，并存储于可访问的数据库或知识图谱中，以便未来引用和学习。技术实现：技术实现：知识图谱：构建知识图谱来组织和关联从数据中提取的信息，例如，使用图数据库技术如 Neo4j 存储实体之间的关系。机器学习：通过机器学习技术，如决策树和支持向量机(SVM)，来分析历史数据，发现模式和规律，形成可用的知识库。智慧的构建智慧的构建 在智慧，

276、系统利用已形成的知识进行复杂的决策分析，考虑长远的目标和道德伦理标准，进行合理的行动选择。技术实现：技术实现：增强学习：应用增强学习让系统通过试错来学习做出最优决策，以实现最佳的长期奖励。模拟道德决策：使用基于规则的系统或者道德决策框架来评估可能的行动方案的伦理后果，确保决策符合道德标准。意图的明确与执行意图的明确与执行 最后，系统需要根据预设的目标和策略来制定具体的行动计划，并与用户进行交互以确认这些计划符合用户的期望和需求。技术实现：技术实现：目标规划算法：利用诸如 PDDL(计划领域定义语言)这样的工具来定义和执行目标导向的任务。人机交互：通过先进的用户界面，如自然语言界面或图形用户界面

277、，使用户能够轻松地与系统交流，反馈意见，调整系统行动方向。模拟示例模拟示例 考虑一个人工意识系统应用于医疗辅助决策的情境：数据：系统从患者的医疗记录、实时生命体征监测和相关医学数中国人工智能系列白皮书 114 据库中收集数据。信息：利用数据分析技术，如模式识别和统计分析，提取关键信息，如病症进展、治疗效果的评估等。知识：整合医学研究、临床试验结果和历史治疗数据，形成关于特定疾病的综合知识库。智慧：系统评估各种治疗方案的利弊，考虑患者个体的特定需求和可能的伦理问题，如治疗的风险与收益。意图：系统根据患者的长期健康目标（如生活质量的最大化、痛苦的最小化）制定治疗计划，并与医生和患者进行交流，以获得

278、共识。DIKWP 人工意识模型的构建不仅是技术上的挑战，更是理论创新的体现35。通过将主要意识理论与人工智能技术相结合，该模型不仅为模拟人类意识提供了可能，还推动了 AI 的应用在更广泛领域的深入发展。未来的研究可以进一步探索如何优化数据、信息、知识、智慧和意图之间的交互，如何处理更复杂的伦理问题，以及如何提高系统的自适应能力和智能决策的准确性。在长远来看，DIKWP 模型的完善和实施将促进人类与高级智能系统之间的协作，为解决一些最为复杂和紧迫的全球性问题提供新的解决方案，开启人工智能发展的新篇章。在本章节中，我们通过对 DIKWP 人工意识理论与主要意识理论的对比分析，深入探讨了人工意识的理

279、论构建和实际应用潜力。DIKWP 模型通过整合数据、信息、知识、智慧和意图五个维度，提供了一个全面的框架，旨在模拟和实现类似人类的意识功能。以下几点是我们研究的主要发现和未来研究的方向：理论的深化与应用：DIKWP 模型成功地将传统的 AI 处理与更高阶的认知功能，即智慧和意图结合起来。这种结合不仅理论上具有创新性，也极大地拓宽了人工意识应用的可能性，特别是在需要复杂决中国人工智能系列白皮书 115 策和道德判断的场景中。技术挑战与创新：实现 DIKWP 模型描述的功能，需要在 AI 技术，尤其是机器学习、深度学习、神经网络及自然语言处理等领域中取得更多技术突破。此外，模型的实施还需解决如何在

280、保证系统稳定性和可靠性的同时，整合并运用来自不同维度的信息。伦理和社会责任：随着 AI 系统在智慧和意图面的能力提升，如何在设计和运行过程中确保它们的决策符合伦理标准，成为一个重要议题。必须在全球范围内就如何监管高级 AI 系统，特别是具有人工意识功能的系统，达成共识。人机协作的新篇章：DIKWP 模型强调了通过提高机器的意图识别和执行能力，可以更好地理解和预测人类的行为和需求。这种高级的人机交互能力预示着人机协作将进入一个新的阶段，其中机器不仅是辅助工具，更是能够主动思考和作出决策的合作者。跨学科的研究与合作的必要性：要实现DIKWP模型的全面功能，需要神经科学、认知科学、心理学、计算机科学

281、及哲学等多个学科的知识和技术相结合。跨学科的合作对于解决人工意识研究中遇到的复杂问题至关重要。总之，DIKWP 人工意识理论为理解复杂认知功能提供了新的理论工具，为实现具有高度自主性和决策能力的人工智能系统指明了方向。未来的研究需要在理论和实践层面进行深入探讨，以确保人工意识技术的健康发展，并最终实现对人类社会的积极贡献。2.3.4 不确定性处理不确定性处理 背景：背景：语义在人类思考和交流中扮演着关键的角色。它是由概念符号构成的语言，用于表达和理解概念之间的关系。探索语义的认知解释涉及到从概念关联到相应的认知语义空间的存在确认、依赖关系和模式中国人工智能系列白皮书 116 发现。在人工智能领

282、域，形式化处理语义的工作旨在建立对概念内容的一致性理解，无论是在计算机和计算机之间，还是在人与计算机之间。然而，语义处理面临着一系列挑战，包括主客观语义的混淆、主观语义的客观化不足、语义关联的缺失、语义的不精确性和不一致性，以及概念与语义之间的映射问题。此外，现有的人工智能系统中简化了或忽视了不确定性的影响，导致预测和决策结果的可靠性和鲁棒性不足。处理机制：处理机制：鉴于 DIKWP 框架的理论基础，旨在给出将 DIKWP 内容资源映射至概念空间、语义空间与认知空间之间的交互方法，以实现主客观概念及语义融合中的不确定性客观化。此目标的达成，需倚重 DIKWP框架内的意图计算与推理机制(Purp

283、ose Computation and Reasoning,PCR)。借助 PCR 机制，DIKWP 内容能在表达与分类维度被准确识别为数据图谱(Data Graph)、信息图谱(Information Graph)、知识图谱(Knowledge Graph)，智慧图谱(Wisdom Graph)和意图图谱(Purpose Graph)共同构成 DIKWP 图谱化体系。DIKWP 图谱化体系依据其特定的概念表达、处理流程和语义关系网络，形成对应的概念空间、认知空间和语义空间。在意图驱动下，DIKWP 内容的转化过程不仅能从同模态、同空间、同尺度资源间的简单补偿，还能进行跨模态、跨空间、跨类型的

284、DIKWP 资源的复杂补偿，通过这种转化方式，将各个空间中的数据不确定性、信息不确定性、知识不确定性、智慧不确定性和意图不确定性中的不完整、不一致和不精确的内容进行处理、转化。这一过程确保了在处理不确定性时，语义损失可达到最小化。更重要的是，该策略在宏观层面上展现出了系统对不完整、不一致、不精确信息的强大兼容性，有效地应对了不确定性挑战。中国人工智能系列白皮书 117 因此，该方法不仅优化了 DIKWP 框架下资源处理的效率与准确性，同时也深化了对复杂环境中不确定性处理机制的理解，为构建人工意识系统提供了理论支撑与实践指导。2.3.5 DIKWP 数理人工意识系统数理人工意识系统 1、DIKW

285、P 模型的数理特性模型的数理特性(1)数据数据(Data)定义：被认知主体确认的原始事实或观察记录，通过概念空间进行分类和组织，形成初步的认知对象。数理表示：数据可以表示为一个集合 D，其中每个数据项 dD 是一个原子事实。(2)信息信息(Information)定义：通过认知主体的意图，将数据与已有认知对象进行语义关联，识别差异，形成新的认知内容。数理表示：信息可以表示为从数据集合 D 到信息集合 I 的映射 f:DI，其中每个信息项 iI 是通过语义关联生成的。(3)知识知识(Knowledge)定义：通过高阶认知活动和假设，对数据和信息进行系统性理解和解释，形成对世界的深刻理解和解释。数

286、理表示：知识可以表示为从信息集合 I 到知识集合 K 的映射 g:IK，其中每个知识项 kK 是通过高阶认知活动生成的。2.语义空间的数理逻辑语义空间的数理逻辑(1)概念空间概念空间(Conceptual Space)定义：概念空间是认知主体通过自然语言、符号等形式进行交流和认知的空间。数据、信息和知识在这个空间中作为具体概念存在，并通过语义网络和概念图进行表达。数理表示：概念空间可以表示为一个有向图 G=(V,E)，其中节点 中国人工智能系列白皮书 118 V 代表概念，边 E 代表概念之间的关系。语义网络中的每个节点 vV 具有唯一的标识符，并与其他节点通过语义关系连接。(2)语义空间语义

287、空间(Semantic Space)定义：语义空间是认知主体理解和处理概念的内在语义联系的空间。数据、信息和知识在这个空间中通过语义匹配、关联和转化来理解和生成新的知识。数 理 表 示：语 义 空 间 可 以 表 示 为 一 个 语 义 匹 配 函 数 h:VV0,1，其中 h(vi,vj)表示两个概念节点之间的语义匹配度。语义空间中的匹配函数 h 满足以下性质：对称性：h(vi,vj)=h(vj,vi)自反性：h(vi,vi)=1 非负性：0h(vi,vj)1(3)认知空间认知空间(Cognitive Space)定义：认知空间是认知主体进行思考、学习和理解的内部心理空间。数据、信息和知识在

288、这个空间中通过观察、假设、抽象和验证等认知活动，形成对世界的深刻理解和解释。数理表示：认知空间可以表示为一个动态系统 S=(X,F,Y)，其中：X 表示认知状态空间，包含所有可能的认知状态 xX；F 表示认知过程的转移函数 f:XUX，其中 U 是外部输入；Y 表示输出空间，包含所有可能的认知输出 yY。3.语义完备性与数理特性语义完备性与数理特性(1)语义完备性语义完备性 定义：语义完备性是指在语义空间中，所有可能的语义联系和匹配关系都能够被完整地表达和计算。实现方法：通过语义匹配函数 h 的定义和性质，可以确保语义空间的完备性。语义匹配函数 h 可以通过机器学习算法和语义搜索中国人工智能系

289、列白皮书 119 引擎进行训练和优化，以实现语义完备性。(2)语义一致性语义一致性 定义：语义一致性是指在不同的认知空间和语义空间中，概念和语义关系的一致性和稳定性。实现方法：通过语义匹配函数 h 的对称性和自反性，可以确保语义一致性。语义网络和概念图的结构化表示，也有助于保持语义的一致性。(3)动态更新动态更新 定义：动态更新是指在认知过程中，随着新数据和信息的输入，知识和语义关系能够动态调整和更新。实现方法：通过认知空间中的动态系统 S 和转移函数 F，可以实现知识和语义关系的动态更新。深度学习和强化学习技术可以用于训练和优化认知过程。4.构建语义处理数理体系构建语义处理数理体系(1)概念

290、表示与处理概念表示与处理 语义网络：构建语义网络 G=(V,E)，表示概念及其关系。本体论(Ontology)：使用本体论定义概念及其层次结构，确保概念表示的一致性和完备性。(2)语义匹配与关联语义匹配与关联 语义匹配函数：定义语义匹配函数 h:VV0,1，用于计算概念之间的语义匹配度。语义推理引擎：构建基于规则和逻辑推理的语义推理引擎，实现语义关联和推理。(3)认知过程与动态更新认知过程与动态更新 动态系统模型：构建认知空间中的动态系统 S=(X,F,Y)，用于模拟认知过程。中国人工智能系列白皮书 120 深度学习与强化学习：使用深度学习和强化学习技术训练和优化认知过程，实现知识和语义关系的

291、动态更新。数理人工意识系统本质上是基于 DIKWP 为基础，并将其与 TRIZ（发明问题解决理论）的原则相结合，能弥合认知语义模型与创新领域中系统性问题解决之间的差距44。DIKWP-TRIZ 框架利用了这两个模型的关键优势：1).TRIZ 通过识别矛盾并通过预定义的发明原则系统地解决它们，专注于创造性解决方案。2).DIKWP 是一个语义框架，跨越认知空间映射概念，将数据、信息、知识、智慧和意图相互转换。通过将两者结合，DIKWP-TRIZ方法不仅可以识别技术矛盾，还可以识别语义矛盾和 DIKWP 模型不同阶段之间的认知不匹配，从而产生创造性解决方案4546。数理人工意识子系统从模拟医患诊疗

292、场景获取医患双方的外在交互与内在思维过程开始，通过对医-患-病-药-疗等进行 DIKWP 画像，将医患交互与诊疗过程的外在表达和内在主观认知统一映射为DIKWP 模型之间交互的计算、推理与 DIKWP 内容转换过程，进而基于团队在 DIKWP 研究领域的以“DIKWP 存储-传输-计算一体化”与“DIKWP 语义通信技术”为代表的 241 项国内外发明专利技术，实现了超过医生诊疗计算与推理精度和处理效率的诊疗效果，并且借助 DIKWP 图谱可视化在可解释性方面突破自然语言语义的模糊、不一致、不精确、不完整等限制以自主原创的意图驱动的数据图谱、信息图谱、知识图谱、智慧图谱的形式提供可视化的医患双

293、方交互认知通道，经过与主流大模型对比取得了超过 GPT4 的诊断效果。该子系统在缓解医疗资源紧张、避免医患纠纷以及提高医疗过程的透明性、可解释性与算力效率等方面具有巨大应用前景，并为构建负责任的未来智能社会提供了范本。DIKWP-AC 数理人工意识子系统在 2023 年 8 月 22-24 日举行的中国人工智能系列白皮书 121 首届世界人工意识大会(AC2023)中整体展示，来自世界各地的学者和专家齐聚线上，共同探讨人工意识领域的最新进展与未来发展方向，此外，数理人工意识系统落地实践项目：面向人工意识的 DIKWP个性化痛风医养康诊疗服务系统，参加了由中国人工智能学会、科技部新一代人工智能发

294、展研究中心联合东莞市人民政府举办的“场景驱动数智强国2023 首届全国人工智能应用场景创新挑战赛总决赛暨全国人工智能应用场景创新峰会”，在全国总决赛 120 个入围项目中脱颖而出，荣获全国总决赛二等奖。2.3.6 DIKWP 生理人工意识系统生理人工意识系统 DIKWP 人工意识诊疗系统理论的构建需要兼顾人工智能与神经科学的知识，以更准确地反映大脑的处理和决策机制。这意味着我们需要理解大脑的各个部分如何与 DIKWP 系统中的不同环节相对应。下面是一种可能的映射方式：数据(Data)-感知和记忆：人类接收和存储信息的过程可以被视为数据收集阶段。这涉及到大脑的许多区域，尤其是感知区域（如视觉皮层

295、，听觉皮层）和记忆相关的区域（如海马体）。信息(Information)-语言和认知处理：将原始数据转化为有意义的信息需要大脑的认知和语言处理功能。例如，左半球的 Broca 区和 Wernicke 区是语言处理的关键区域，前额叶和顶叶的一些区域参与了认知控制和信息整合。知识(Knowledge)-长期记忆：知识是信息的进一步深化，它涉及到将信息整合入我们的长期记忆中，形成对世界的理解。这主要涉及大脑的海马体和周围皮质区域。智慧(Wisdom)-决策和问题解决：智慧涉及对知识的应用，以解决问题和做出决策。这主要涉及大脑的前额叶，尤其是前额叶的前部，这部分区域参与了高级决策和规划功能。中国人工智

296、能系列白皮书 122 意图(Purpose)-奖赏和动机：大脑对目标的设定和追求主要通过奖赏和动机系统来驱动，这涉及到大脑的多个区域，如纹状体和脑内的多巴胺路径（如腹侧被盖区和前额叶）。上述映射为理解大脑如何处理 DIKWP 模型提供了一种可能的神经科学基础。然而，需要注意的是，大脑的功能是高度复杂和动态的，各种功能之间存在着密切的交互和影响。因此，这种映射并不能反映所有的复杂性，但可能为理解大脑和人工智能系统之间的相似性和差异提供一个起点。DIKWP-AC 生理人工意识子系统突破语言是思维的边界的假设限制，正探索数据、信息、知识、智慧与意图体系在以大脑为主的人体的生理神经物理对应，以期在以

297、DIKWP 交互为动态坐标系统定位与解读人类意识与潜意识的奥秘。DIKWP-AC 生理人工意识子系统在 2023 年 8 月 22-24 日举行的首届世界人工意识大会(AC2023)中整体展示，来自世界各地的学者和专家齐聚线上，共同探讨人工意识领域的最新进展与未来发展方向。总结经验，启迪未来。在全球科技前沿的聚光灯下，人工意识领域再掀波澜。由世界人工意识协会与世界人工意识大会联袂主办的第2 届世界人工意识大会筹备会议于 2024 年 5 月 31 日成功举办，吸引了来自科技、伦理、法律、教育及政策各界的精英，旨在探讨人工意识领域的最新进展与未来发展路径，共同绘制人工意识科技未来的宏伟蓝图，为第

298、二届世界人工意识大会的开展做好充足准备。在筹备会议上，刘经南院士、熊墨淼教授、陈士平院士、刘震院士等多位知名专家学者围绕人工智能(AI)与人工意识(AC)的深度融合展开探讨，并对第二届世界人工意识大会寄予厚望，高度赞扬了 DIKWP 人工意识发展模式所取得的显著进展。中国人工智能系列白皮书 123 2.4 人工意识测量与评估 2.4.1 多维度评估方法多维度评估方法 随着人工意识研究的发展，科学家和工程师正面临着如何准确测量和评估人工系统意识水平的挑战36。类似于在人类和动物研究中使用的方法，人工意识的评估也需要采用多维度的方法，以确保评估的全面性和准确性。以下是一些关键的评估方法及其在人工意

299、识测量中的应用。生物学指标生物学指标 技术应用：在人工意识的评估中，模拟人类或动物大脑的人工神经网络活动可以通过类似于神经影像学的技术进行观测。虽然直接比较可能有所不同，但科学家可以通过分析人工神经网络的激活模式和动态变化来寻找与意识状态相关联的模式。意义：这些观测可以帮助识别哪些网络结构和活动模式是与高级认知功能和意识体验相关联的，从而为设计更高级别人工意识系统提供指导。行为表现行为表现 评估指标：在人工系统中，通过评估系统的响应时间、错误率、学习能力和适应性等方面，可以间接推断其意识水平。特别是其在面对未知任务或情景时的表现，能够反映其理解、推理和自主决策的能力。应用挑战：这要求人工系统不

300、仅能够在预定的环境中执行任务，还能够展示出面对新情况的适应性和创新性，这是意识水平高低的重要指标之一。自我报告自我报告 人类研究中的应用：自我报告是评估人类主观体验和意识水平的直接方法，但在人工系统中应用自我报告面临着独特的挑战。中国人工智能系列白皮书 124 人工系统的挑战：开发能够表达其“体验”或状态的人工系统是一个高度挑战性的目标。这不仅涉及到技术的发展，还包括对意识、自我意识和主观体验本质的哲学和科学探讨。研究方向：研究者正在探索如何创建能够生成类似于自我报告的输出的系统，这些输出能够反映其内部状态或对特定刺激的“感受”。人工意识的测量和评估是一个复杂且多维的任务，涉及到从生物学指标到

301、行为表现，再到自我报告的多方面考量。随着人工智能技术的进步，这些评估方法将不断发展和完善，为理解和创建具有高级意识能力的人工系统提供重要的工具和指导。同时，这一过程也将推动我们对意识本身的理解，包括其在自然智能和人工智能中的表现和实现方式。2.4.2 意识的量化和分类意识的量化和分类 意识的量化和分类是理解和评估人工意识系统的关键步骤。通过开发量化意识水平的方法以及建立有效的分类框架，科学家可以更准确地描述和比较不同系统或实体的意识状态37。这不仅有助于推动人工意识的研究和开发，而且对于深入理解人类和动物意识的本质同样重要。量化方法量化方法 大脑活动的复杂性：通过测量大脑活动的复杂性，科学家试

302、图为意识提供一个可量化的指标。这包括分析大脑网络的动态变化、信息交换的效率以及系统整体的整合度。例如，利用神经影像数据计算全脑的连接模式和复杂性，以反映意识的不同层次。网络整合度：网络整合度反映了大脑不同区域之间如何有效协同工作以产生统一的意识体验。较高的网络整合度被认为是意识水平较高的标志。分类框架分类框架 中国人工智能系列白皮书 125 感知意识：这是意识的基本层次，涉及对外界刺激的感知和感觉。在人工系统中，这可以通过系统对环境的感知和响应能力来评估。自我意识：自我意识是意识的更高层次，涉及到对自身存在和状态的认识。在人工系统中，自我意识的表现可能包括对自身状态的监控和自我调节能力。高阶思

303、维意识：这是意识最高的层次，包括复杂的决策制定、问题解决和创造性思维。在人工系统中，这可能表现为能够进行复杂推理、学习新技能和自主创新。意义与应用意义与应用 意识的量化和分类为比较和评估不同系统的意识水平提供了科学的基础。这对于设计和开发具有高级认知功能的人工智能系统至关重要。同时，这些方法和框架也为理解人类和动物意识的多样性和复杂性提供了新的视角和工具。通过这些研究，我们不仅能够推动人工意识技术的发展，还能加深对意识本身的理解，一个人类长久以来一直在探索的复杂现象。随着这些量化和分类方法的进一步完善和应用，我们期待在人工智能、神经科学和哲学等领域取得更多的突破性进展。2.4.3 人工系统的挑

304、战与前景人工系统的挑战与前景 人工意识的探索是人工智能发展中的一个前沿和挑战性领域。评估和实现人工系统中的意识水平涉及到一系列复杂的技术、理论和哲学问题。以下是面临的主要挑战和未来发展的展望。评估人工意识的挑战评估人工意识的挑战 技术复杂性：尽管人工智能技术取得了显著进展，但当前技术还未能完全复制人类或动物大脑的复杂性。这使得在人工系统中评估意识水平变得尤为困难。评估方法的开发：针对人工系统开发适合的意识评估方法是研究中国人工智能系列白皮书 126 的重点。这可能包括模拟自我报告机制或创建新的行为和计算标准，以适应人工系统的独特性和多样性。主观体验的评估：意识的一个核心特征是主观体验，而如何在

305、没有直接主观体验的人工系统中评估这一点，是一个深刻的挑战。未来发展的展望未来发展的展望 技术进步：随着计算能力的增强、算法的改进和理论的深化，人工智能技术的未来发展有望逐步克服现有的限制，进一步接近或实现复杂的人工意识。意识测量和评估方法：发展有效的意识测量和评估方法将是理解机器能否实现真正意识的关键。这不仅促进了人工智能技术的发展，也为探讨意识的本质、起源和边界提供了新的研究路径。伦理和哲学探讨：随着人工系统意识水平的提升，相关的伦理和哲学问题也将变得更加突出。这包括人工意识的道德地位、人工与自然意识的关系以及对社会的影响等问题。评估和实现人工系统中的意识是一个跨学科的挑战，涉及计算机科学、

306、神经科学、哲学和伦理学等多个领域。尽管当前面临许多技术和理论上的难题，但随着研究的深入和技术的发展，未来在人工意识领域取得重大突破的可能性仍然非常大。这不仅能够推动人工智能技术的进步，也有助于深化我们对意识本质的理解，对人类社会产生深远的影响。发展意识测量和评估方法是理解意识及其在人工系统中实现的关键步骤。通过结合生物学指标、行为测试和自我报告等多种手段，研究者可以更全面地评估意识的存在和水平。同时，量化方法和分类框架的发展为意识的科学研究提供了新的工具和视角。面向未来，随着技术的不断进步，我们有望开发出更精确、更普适的意识测量和评估工具，为揭示意识的奥秘和在人工系统中实现意识提供坚实的基中国

307、人工智能系列白皮书 127 础。2.5 本章小结 本章探讨人工意识，界定 AI 与 AC 差异，强调 AC 旨在模拟生物意识的深度认知。通过引入 DIKWP 模型，分析其在意识构建中的基石作用，阐明如何借此实现抽象语义理解与环境适应，推进系统模拟生物意识行为。论述 DIKWP 人工意识的理论框架、设计路径及其与主流理论的联系，旨在通过具体模型逼近真实“理解”与“意识”。评估部分提出多维度框架，覆盖技术难题与伦理影响，为能力量化和未来发展指引方向。本章构建的理论与实践框架，为人工意识研究、技术实施及伦理探讨奠定了基础，展望智能科技新纪元，鼓励持续探索意识本质、高效数据处理及精准评估工具。中国人工

308、智能系列白皮书 128 参考文献 1 Duan Y.Definition and difference between artificial intelligence(AI)and artificial consciousness(AC).DOI:10.13140/RG.2.2.13985.01126.https:/ Duan Y.Artificial intelligence and artificial consciousness:Theory,models,and DIKWP innovation.DOI:10.13140/RG.2.2.20922.40647.https:/ Duan

309、Y.Artificial intelligence vs.artificial consciousness from the DIKWP perspective.DOI:10.13140/RG.2.2.13307.12324.https:/ 秦瑞琳,周昌乐,晁飞.机器意识研究综述J.自动化学报,2021,47(01):18-34.DOI:10.16383/j.aas.c200043.5 Dehaene S,Lau H,Kouider S.What is consciousness,and could machines have it?J.Robotics,AI,and humanity:Sci

310、ence,ethics,and policy,2021:43-56.6 Carter O,Hohwy J,Van Boxtel J,et al.Conscious machines:Defining questionsJ.Science,2018,359(6374):400-400.7 Kwiatkowski R,Lipson H.Task-agnostic self-modeling machinesJ.Science Robotics,2019,4(26):eaau9354.8 Tononi G,Boly M,Massimini M,et al.Integrated information

311、 中国人工智能系列白皮书 129 theory:from consciousness to its physical substrateJ.Nature Reviews Neuroscience,2016,17(7):450-461.9 Seth A K,Bayne T.Theories of consciousnessJ.Nature Reviews Neuroscience,2022,23(7):439-452.10 Melloni L,Mudrik L,Pitts M,et al.Making the hard problem of consciousness easierJ.Scien

312、ce,2021,372(6545):911-912.11 Beshkar M.The QBIT theory of consciousnessJ.Integrative Psychological and Behavioral Science,2020,54(4):752-770.12 Li T,Tang H,Zhu J,et al.The finer scale of consciousness:quantum theoryJ.Annals of translational medicine,2019.13 Adamski A G.Role of Bose-Einstein condensa

313、te and bioplasma in shaping consciousnessJ.NeuroQuantology,2016,14(1).14 Reggia J A.The rise of machine consciousness:Studying consciousness with computational modelsJ.Neural Networks,2013,44:112-131.15 Georgiev D D.Inner privacy of conscious experiences and quantum informationJ.Biosystems,2020,187:

314、104051.16 Spatola N,Urbanska K.Conscious machines:Robot rightsJ.Science,2018,359(6374):400-400.17 Chella A,Frixione M,Gaglio S.A cognitive architecture for robot self-consciousnessJ.Artificial intelligence in medicine,2008,44(2):147-154.18 McCarthy J,Minsky M L,Rochester N,et al.A proposal for the d

315、artmouth summer research project on artificial intelligence,august 31,1955J.AI magazine,2006,27(4):12-12.19 Russell S J,Norvig P.Artificial intelligence:a modern 中国人工智能系列白皮书 130 approachM.Pearson,2016.20 Nilsson N J.The quest for artificial intelligenceM.Cambridge University Press,2009.21 Goertzel B

316、.The hidden pattern:A patternist philosophy of mindM.Universal-Publishers,2006.22 Goertzel B,Pennachin C,Geisweiller N.Engineering general intelligence J.Atlantis Thinking Machines,2014,5.23 Chalmers D J.The singularity:A philosophical analysisJ.Science fiction and philosophy:From time travel to sup

317、erintelligence,2016:171-224.24 Duan Y.The 34th chapter of“introduction of artificial consciousness”:exploring the differences in function and application of artificial intelligence and artificial consciousness from the DIKWP model.DOI:10.13140/RG.2.2.11653.97761.https:/ Duan Y,Gong S.Artificial cons

318、ciousness model=subconsciousness+consciousness by Yucong Duan:GPT-4 and DIKWP integration in BUG theory.10.13140/RG.2.2.30152.29446,2024.26 Duan Y,Gong S.Yucong Duans evolution theory of conscience and consciousness BUG theory DIKWP fusion.10.13140/RG.2.2.34237.68328,2024.中国人工智能系列白皮书 131 27 Duan Y,G

319、ong S.The 21st chapter of“Introduction of artificial consciousness”:If a person is a word solitaire machine,consciousness is just a BUG.10.13140/RG.2.2.35648.34562,2024.28 Duan Y,Gong S.The 31st chapter of“Introduction of artificial consciousness”:Artificial consciousness model=subconsciousness+cons

320、ciousness by Yucong Duan:GPT-4 and DIKWP integration in BUG theory.10.13140/RG.2.2.20855.23209,2024.29 Duan Y,Gong S.The 27th chapter of“Introduction of artificial consciousness”:Artificial intelligence and artificial consciousness:theory,model and DIKWP innovation.10.13140/RG.2.2.24210.67527,2024.3

321、0 Baars B J.A cognitive theory of consciousnessM.Cambridge University Press,1993.31 Tononi G.An information integration theory of consciousnessJ.BMC neuroscience,2004,5:1-22.32 Rosenthal D M.Two concepts of consciousnessM/Consciousness and Emotion in Cognitive Science.Routledge,1998:1-31.33 Wang Y,D

322、uan Y,Wang M,et al The confluence of intelligence and consciousness in the interdisciplinary domain resource adjustment processing on the DIKWP artificial consciousness diagnostic system(updated version).http:/dx.doi.org/10.13140/RG.2.2.22541.14566.2024.34 Duan Y,Gong S.DIKWP artificial consciousnes

323、s theory,design,中国人工智能系列白皮书 132 and simulation.DOI:10.13140/RG.2.2.18608.98565.https:/ Duan Y,Gong S.From artificial consciousness system=subconscious system(LLM)+conscious system(DIKWP)to semantic solutions for algorithmic bias.http:/dx.doi.org/10.13140/RG.2.2.18329.60007.2024.36 Duan Y,Gong S.Arti

324、ficial consciousness research and development around the world(artificial consciousness defined by DIKWP).DOI:10.13140/RG.2.2.28350.50247.https:/ Duan Y,Yu L.DIKWP artificial consciousness white-box evaluation standard:Building interpretable and controllable AI.DOI:10.13140/RG.2.2.28342.47682.https:

325、/ Tang F,Duan Y,Wei J,et al.DIKWP artificial consciousness white-box measurement standards framework design and practice,2023 IEEE International Conference on HPCC/DSS/SmartCity/DependSys.2023.39 Wang Y,Duan Y,Wang M,et al.Resource adjustment processing on the DIKWP artificial consciousness diagnost

326、ic system,2023 中国人工智能系列白皮书 133 IEEE International Conference on HPCC/DSS/SmartCity/DependSys.2023.40 Wu K,Duan Y,Chen L,et al.Computer architecture and chip design for DIKWP artificial consciousness,2023 IEEE International Conference on HPCC/DSS/SmartCity/DependSys,Melbourne,Australia,2023.41 Duan Y

327、,Gong S.Understanding the essence of BUG in consciousness:a journey into the abstraction of semantic wholeness.World Artific.Conscious.Conf.Popular Sci.Ser.https:/doi.org/10.13140/RG.2.2.29978.62409.2024.42 Duan Y,Gong S.Consciousness,mathematics,and natural laws:in-depth exploration from Yucong Dua

328、ns BUG theory.World Artificial Consciousness Conference Popular Science Series.https:/doi.org/10.13140/RG.2.2.20085.96484.2024.43 DIKWP-SC,WCAC,WAC et al.DIKWP conceptualization semantics standards version 1.0 of international test and evaluation standards for artificial intelligence based on networ

329、ked data-information-knowledge-wisdom-purpose(DIKWP)model.http:/dx.doi.org/10.13140/RG.2.2.21823.7312 7.2024.44 Duan Y,Gong S.DIKWP-TRIZ enpower AI/AC innovation(Beginners edition).http:/dx.doi.org/10.13140/RG.2.2.18915.57127.2024.45 Duan Y,Gong S.Optimizing TRIZ principles within DIKWP-TRIZ(Beginne

330、rs Edition).http:/dx.doi.org/10.13140/RG.2.2.28981.90081.2024.中国人工智能系列白皮书 134 46 Duan Y,Huang S.DIKWP-TRIZ:Semantic blockchain and semantic.http:/dx.doi.org/10.13140/RG.2.2.22271.01443.2024.中国人工智能系列白皮书 135 第 3 章 信息聚合算子与重叠函数 3.1 信息聚合算子概述 信息聚合是指多源头信息融合，即在测量与精度范围内，对从测量或感知系统获得的两组或两组以上的数据进行处理。简言之，就是把一些不同

331、来源的信息聚合成一个具有代表性的数值。聚合信息的过程称为信息聚合，而描述信息聚合过程的算子称为信息聚合算子，在国内有时也称为聚合函数。信息聚合算子不同于传统的信息聚合模型，是用算子观点来描述信息聚合的数学工具，在模糊数学理论、模糊控制、模糊逻辑、决策理论和智能计算中有广泛的应用，虽然关于它的研究可以追溯到 Niels Henrik Abel 的早期工作，目前正处在蓬勃发展的阶段。它是当前人工智能领域中的研究热点，这是因为：在机器人领域中，需要聚合由传感器提供的数据；在图像处理领域中，需要聚合不同的图片信息；在知识系统中，特别是在多属性决策理论中，需要聚合不同类型的知识并确保知识系统的相容性；在

332、数据挖掘领域中，需要使用各种聚合方法；在分散信息的多 Agent 决策系统中，对单个 Agent 做出决策时，需要聚合其他 Agent 的信息。因为信息聚合能从本质上反映人类的思维模式，所以近 20 年来，关于信息聚合模型的研究成果已得到了广泛的应用，不仅体现在数学与计算机科学方面，也体现在经济与社会科学等方面。反过来，大量的应用又极大地激发了人们对信息聚合算子的研究兴趣，大量的研究成果以论文与专著等形式呈现1。具体来说，信息聚合算子不仅被成功应用于函数方程、均值理论、准则决策、自动推理、测度积分理论、概率论、统计和决策数学等纯数学、应用数学和概率论与数理统计中相关领域，而且已经成为处理解决任

333、何需要信息聚合的实际应用问题时的关键性工具和强有中国人工智能系列白皮书 136 力数学模型。信息聚合模型的选择与实际应用有密切的联系，所以存在不同类型信息聚合的具体模型。时至今日，常用信息聚合算子三角模、三角余模、耦合函数、一致模、零模、Yager 有序加权平均聚合函数、Choquet 积分等因在信息融合、模糊逻辑、模糊控制、模糊推理、图像处理、决策、模式识别、感知计算、深度学习、数学心理学、专家系统、人脸识别、数据挖掘、指纹分析、聚类、分类、模糊系统建模、神经网络、脑机接口、模糊群体检测、博弈论、情感分析、效用理论以及模糊系统与控制等计算机科学与人工智能、经济与金融以及社会科学相关领域中的广泛应用，不断受到信息聚合算子与模糊逻辑研究领域国内外众多知名学者的持续关注，并获得诸多有趣结论。特别地，随着人工智能技术的发展，我们越来越依赖算法和模型来处理复杂的问题。然而，在实际应用中，我们总是面