DIKWP人工意识字、词粒度层级展现对应的处理过程

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

duanyucong@hotmail.com

假设我们有一段文本：“北京的天气非常好，风和日丽，我计划明天去长城游玩。” 数据（Data）: 这个层次是对原始文本进行最基础的处理，包括分词、词性标注等。我们可以将整个句子分解为以下数据点：“北京”，“的”，“天气”，“非常”，“好”，“风”，“和”，“日丽”，“我”，“计划”，“明天”，“去”，“长城”，“游玩”。每个词语都是一个单独的数据点。 信息（Information）: 在这个阶段，我们开始理解单词之间的关系，形成更高级的信息结构。例如，“北京的天气非常好”可以被理解为（主题：天气，描述：非常好，地点：北京），这是一个“偏序”的关系，因为描述词（非常好）修饰了主题词（天气），“风和日丽”可以理解为对天气的另一种描述。 知识（Knowledge）: 这个阶段涉及到语义理解和背景知识的应用。比如，“我计划明天去长城游玩”这句话告诉我们一些知识点，如：长城是可以游玩的地方，“明天”意味着对未来的计划，“我”是行动的主体。这些知识都基于我们对常识和世界的理解。 智慧（Wisdom）: 这个阶段是关于判断和推理的。例如，我们可以理解文本中的意图——“我”计划在好天气的情况下游玩长城。我们还可以推理出，这个计划可能取决于天气是否会持续良好。如果我们的AI系统是一个助手的角色，那么它可能会根据这个理解进行一些行动，比如查询明天北京的天气预报，以确保计划可行。 意图（Purpose）: 这个阶段涉及到识别出本句话的目标。在这个例子中，可能的意图是传达信息（告诉别人“我”将去长城游玩），请求帮助（比如寻求建议或者确认天气状况），或者仅仅是进行社交交流（分享自己的生活和计划）。

DIKWP（数据-信息-知识-智慧-意图）的分析框架补充：

1. 数据（Data）：

• 元数据：除了分词，我们还可以从元数据中获取其他信息。例如，此句子的来源（是从社交媒体、邮件、或是新闻中获得的？）以及发布时间等。

2. 信息（Information）：

• 情感分析：从“北京的天气非常好，风和日丽”这样的描述中，我们可以得知该句子所传达的情感是积极的。

• 时间关系：“明天”提供了一个具体的时间信息，说明这是一个未来的计划。

3. 知识（Knowledge）：

• 文化背景：长城是中国的一个重要文化遗产，这也暗示了文本的地理和文化背景。

• 用户模型：通过分析用户之前的行为和偏好，我们可以更深入地了解“我”的身份特点，例如是否常常进行户外活动。

4. 智慧（Wisdom）：

• 风险评估：除了考虑天气，AI还可能会考虑其他外部因素，例如是否存在导致长城关闭的情况，或者与“我”之前的行为模式不符的其他情况。

• 预测：基于此句话和其他信息，AI可能会预测“我”是否真的会按计划行动，或者何时可能改变计划。

5. 意图（Purpose）：

• 行动驱动：如果这句话是对一个AI助手说的，那么它可能还包含一个隐含的请求，例如：“帮我查查明天的天气？”或“推荐一个长城的导游。”

• 反应识别：AI需要根据这句话识别出预期的反应。是期望得到一个回答、建议、肯定、还是其他的反馈？