DIKWP语言的语法：桥接AI与人类之间的语义隔阂

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

引言

在AI技术日益普及的今天，对其决策逻辑的理解与信任成为了一个主要的挑战。为了让非专业人士更好地理解AI的思考模式，我们引入了DIKWP语言模型，特别是其语法结构。本文详细介绍了该模型的五个阶段及其在语法上的体现，并为每个阶段提供了深入的实例分析。

2.1 数据(Data)的语法结构

实例背景：

考虑一款图片识别的AI应用。

词类：

• 名词：对于图片识别，数据的主要形式为图像本身，如“猫”、“汽车”、“山脉”。

句子结构：

• 简单声明句：在此阶段，AI主要识别图片的内容：“这是一张猫的图片。”或“我看到一辆汽车。”

2.2 信息(Information)的语法结构

实例背景：

考虑上述图片识别AI进一步分析图像的颜色、形状等特征。

词类：

• 动词：描述AI对数据执行的操作，“检测”、“分辨”。

• 形容词：描述数据特点，“红色的”、“快速的”。

句子结构：

• 复合句：AI开始结合多个数据特点做分析：“这是一张显示红色汽车的图片，它与蓝色汽车不同。”

2.3 知识(Knowledge)的语法结构

实例背景：

考虑AI从大量的图像数据中学习到的知识。

词类：

• 专有名词：专指某些知识领域的名词，“深度学习模型”、“特征向量”。

• 情态动词：表示可能性，“能够”、“可能”。

句子结构：

• 条件句和假设句：在此阶段，AI开始基于其知识做出预测：“如果汽车颜色是红色，那么它可能是跑车。”

2.4 智慧(Wisdom)的语法结构

实例背景：

考虑AI在评估一张图片时所考虑的伦理和社会影响。

词类：

• 抽象名词：如“隐私权”、“社会责任”。

句子结构：

• 反思句和评价句：AI开始评估其决策可能带来的后果：“识别这张人脸可能侵犯其隐私权，需要考虑相应的伦理责任。”

2.5 意图(Purpose)的语法结构

实例背景：

考虑AI如何将其知识转化为实际操作。

词类：

• 目标动词：“优化”、“改进”。

句子结构：

• 目的句：AI明确其决策的目标：“为了提供更准确的图片识别，我已优化了我的算法。”

结论

DIKWP模型提供了一个深入而系统的方法，帮助我们理解AI决策过程中的语法结构。通过本文的实例分析，我们不仅可以更清晰地看到每个阶段如何与具体的AI操作相对应，而且可以进一步加深对AI思考模式的理解。希望通过这样的努力，我们可以逐步缩小AI与人类之间的语义鸿沟。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录100余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；同年获评海南省最美科技工作者（并被推全国）；同年10月入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。