显式DIKWP内容与标记细化在自然语言交互中的应用

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

本报告深入分析了商业谈判场景中王先生和李女士的对话，显式地标记和细化了双方大脑中进行交流所必须的DIKWP内容，以揭示双方在交流中的认知过程和策略。

对话片段细化分析

王先生：“我们公司最近开发了一种新的清洁能源技术。据我们的初步测试，这种技术可以显著降低生产成本，并在多项性能指标上优于现有技术。”

李女士：“我对你们的技术有所了解。据我所知，它在高湿度和低温环境下表现特别出色，但在极端干燥环境下效率会有所降低。”

数据层（D）的细化

• 王先生的数据层：

• “新的清洁能源技术”（D1）：突出创新性和前瞻性。

• “显著降低生产成本”（D2）：强调经济优势和成本效益。

• “性能指标优于现有技术”（D3）：展示竞争力和技术优势。

• 李女士的数据层：

• “高湿度和低温环境下表现出色”（D4）：聚焦技术的环境适应性。

• “极端干燥环境下效率降低”（D5）：揭示技术的局限性。

信息层（I）的细化

• 王先生的信息层：

• 技术的商业潜力和市场优势（I1）：基于数据层的分析，构建商业价值论证。

• 李女士的信息层：

• 技术的实际应用范围和潜在问题（I2）：基于数据层的观察，形成对技术实用性的批判性考量。

知识层（K）的细化

• 王先生的知识层：

• 技术发展和市场需求之间的相关性（K1）：结合行业动态和市场趋势，评估技术的市场潜力。

• 李女士的知识层：

• 技术适应性在市场策略中的关键性（K2）：依据市场经验，判断技术的市场适用性和潜在风险。

智慧层（W）的细化

• 王先生的智慧层：

• 长远的市场洞察和战略规划（W1）：综合考虑技术发展和市场变化，构思未来发展方向。

• 李女士的智慧层：

• 对合作潜力和风险的平衡评估（W2）：在市场和技术层面进行深思熟虑的决策考量。

意图层（P）的细化

• 王先生的意图层：

• 推广新技术，寻求市场机遇（P1）：明确表达开拓市场和建立合作伙伴关系的愿望。

• 李女士的意图层：

• 审慎评估合作可能性（P2）：体现对技术细节和合作条件的慎重考虑。

对话片段与DIKWP分析

王先生的DIKWP分析

• 数据层（D）

• D1 - 创新技术：王先生大脑中的“新的清洁能源技术”是对技术创新性的认知。

• D2 - 成本效益：对“显著降低生产成本”的认知，反映了成本效益分析。

• D3 - 性能比较：“性能指标优于现有技术”是对技术优势的量化认知。

• 信息层（I）

• I1 - 商业价值：将D层数据综合为技术的商业价值认知，如市场竞争力和经济效益。

• 知识层（K）

• K1 - 市场需求关联：王先生根据市场研究，将技术优势与市场需求连接起来。

• 智慧层（W）

• W1 - 市场洞察：综合考虑技术发展、市场趋势，形成对市场的全面洞察。

• 意图层（P）

• P1 - 推广目标：最终目的是推广新技术，扩大市场影响力。

李女士的DIKWP分析

• 数据层（D）

• D4 - 技术适应性：“高湿度和低温环境下表现出色”反映了对技术适应性的认知。

• D5 - 局限性：“极端干燥环境下效率降低”指出了技术应用的局限性。

• 信息层（I）

• I2 - 实际应用考量：从D层数据中提炼出对技术实际应用的综合考量。

• 知识层（K）

• K2 - 技术与市场策略：将技术性能与市场策略相结合，分析市场适应性。

• 智慧层（W）

• W2 - 合作风险评估：对潜在合作的风险进行全面评估，包括技术接受度和应用问题。

• 意图层（P）

• P2 - 审慎合作：展示了对合作细节和技术市场适应性的审慎考虑。

DIKWP标记细化与表述

王先生

• 数据层（D）标记

• D1: [新技术] - 创新性

• D2: [成本降低] - 经济优势

• D3: [性能优势] - 技术比较

• 信息层（I）

• I1: [商业价值] = {D1, D2, D3}

• 知识层（K）

• K1: [市场需求] ↔ {I1}

• 智慧层（W）

• W1: [市场影响] = {K1} + [市场趋势分析]

• 意图层（P）

• P1: [技术推广] → [市场扩张]

李女士

• 数据层（D）标记

• D4: [高湿低温适应性] - 环境特性

• D5: [干燥环境下效率降低] - 性能局限

• 信息层（I）

• I2: [应用场景考量] = {D4, D5}

• 知识层（K）

• K2: [市场适应性] ↔ {I2}

• 智慧层（W）

• W2: [合作风险分析] = {K2} + [市场风险评估]

• 意图层（P）

• P2: [审慎合作] ← [细节评估]

总结

通过显式DIKWP内容标记和细化分析，我们得以深入理解王先生和李女士在谈判中的认知过程。这种分析不仅揭示了双方的认知状态和动态，还有助于理解双方的策略和意图。DIKWP模型的应用使得言外之意的理解过程被客观化和透明化，为有效沟通提供了深刻的洞察力。

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、兼北京信用学会高级顾问、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、海南省人工智能学会高级顾问、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120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；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续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)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知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。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，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，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂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确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，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DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“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信息中不同的语义。信息对应的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，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，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（Wisdom）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固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，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（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），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（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），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。