内容表达与内容的混合在人工智能研究中的分析和解决方案 

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

引言

在当前人工智能（AI）研究领域，一个关键问题是研究内容（Content）与其表达方式（Expression）之间的混淆。多数研究将内容的表达体视为研究的主体，忽略了内容本身与其表达之间的区别。这种混淆导致研究目标、方法和评价机制与实际内容之间存在偏差。本报告旨在深入探讨这一问题，并提出基于语义计算的解决方案。

内容与表达的区分问题

在AI研究中，内容与表达的混淆常见于数据的解释和分析。研究内容的表达体经常并非对研究内容的完整、正确、精确以及有效对应，导致了理解和实际应用中的偏差。

内容与表达之间的关系

研究内容与其表达之间的关系是内容本身与内容的表达载体之间的映射。这个映射将内容的存在与表达载体的存在联系起来，但这种关联常被误解为语义等同或等价。

误解与差异的来源

将内容的存在与内容表达载体视为语义相同是许多研究过程中完整性、正确性、精确性和有效性方面误解与差异的根源。这种假设导致了对内容背景的忽视，以及内容载体背景的误引入。

语义计算的解决方案

为解决这一问题，我们提出了基于DIKWP模型的多模态处理解决方案，包括存在计算（Existence Computation）、本质计算（Essence Computation）以及意图计算与推理（Purpose Computation and Reasoning）。

存在计算（Existence Computation）

• 概念：存在计算专注于内容的存在与表达载体的关联分析，强调内容的存在语义与其表达之间的区别。

• 应用：通过分析内容的存在特性，独立于表达载体，可减少对表达方式的依赖，增强对内容本质的理解。

本质计算（Essence Computation）

• 概念：本质计算着重于内容的本质属性及其与表达方式的关系。

• 实践：通过映射内容的本质属性到适当的表达载体，本质计算有助于更精确地捕捉内容的核心特性，避免表达方式的误导。

意图计算与推理（Purpose Computation and Reasoning）

• 概念：意图计算与推理强调内容的目的性和其在不同情境下的表达方式。

• 策略：通过理解内容的目的性，可以更好地选择或设计表达载体，以确保信息传达的有效性和准确性。

具体案例分析：AI研究中内容与表达混淆的解决在一个人工智能（AI）项目中，研究团队正在开发一个机器学习模型来识别社交媒体上的情感倾向。项目的初衷是精确识别和分类用户的情感表达，但团队在处理数据和解释模型输出时遇到了挑战。案例描述

• 数据收集：收集了大量社交媒体帖子作为训练数据。

• 问题：研究团队发现，相同的情感在不同的文化背景和个人经历下有着不同的表达方式，导致模型在特定群体中的表现不佳。

• 混淆点：团队未能区分“情感的存在”与“情感的表达载体”，即将特定表达方式误认为情感本身的普遍特征。

解决方案：应用语义计算存在计算

• 策略：分析和识别每条帖子中情感的存在，独立于其表达载体。

• 实践：通过文本分析识别情感的基本特征，如语气和上下文提示，而不仅仅依赖于明显的情感表达。

本质计算

• 策略：确定情感的本质属性，如强度、持续时间和影响因素，并将这些属性映射到适当的表达载体。

• 实践：分析不同文化背景下情感表达的差异，以精确捕捉情感的核心特性。

意图计算与推理

• 策略：理解情感表达的目的性，选择或设计能有效传达情感意图的载体。

• 实践：调整模型以识别和解释复杂的情感表达，考虑用户的意图和背景。

结果

• 改进后的模型：能够更准确地识别和分类多样化和复杂化的情感表达。

• 效益：提高了模型在不同群体和文化背景下的适用性和准确性。

通过区分情感的存在与其表达载体，以及运用存在计算、本质计算和意图计算与推理，AI项目成功提高了模型的精度和适用性。这个案例展示了在AI研究中理解内容与其表达之间的差异的重要性，以及如何通过语义计算来解决相关问题。结论

内容表达与内容本身的混淆是AI研究中的一个关键问题，可能导致误解和效率低下。通过DIKWP模型和语义计算的方法，我们可以更准确地区分内容与其表达方式，优化研究方法和工具。这种方法不仅有助于提高研究的准确性和有效性，还能促进AI技术在多种应用领域中的创新和发展。通过深入理解内容与表达之间的关系，我们能够在科学、技术和哲学领域实现更深刻的洞察。

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。

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。
链接地址：https://blog.sciencenet.cn/blog-3429562-1416533.html

上一篇：客观数学的终结与数学的主观回归 - 通过DIKWP和语义数学的视角
下一篇：数学中的语义空间与存在计算与推理（EXCR）以及本质计算与推理（ESCR）