|
意图驱动的数据、信息、知识、智慧融合发明创造方法:DIKWP-TRIZ
(中国人自己的原创发明创造方法:DIKWP-TRIZ)
World Artificial Consciousness Conference Popular Series -
第2届世界人工意识大会AC2024科普系列-
调查操纵策略与预防-DIKWP分析报告
段玉聪 (Yucong Duan)
贡献者:弓世明
DIKWP人工意识实验室
AGI-AIGC-GPT评测DIKWP(全球)实验室
世界人工意识协会
(联系邮箱:duanyucong@hotmail.com)
The Inaugural World Conference on Artificial Consciousness
(AC2023), August 2023, hosted by DIKWP-ACResearch
目录
4.1 情形1:仅针对招工用工等职业招聘具体投诉详细条目进行调查
4.4 情形4:招工用工等职业招聘考官是否对外透漏过招工用工等职业招聘过程任何内容?
调查操纵策略与预防-DIKWP分析报告
调查过程可能受到多种操纵策略的影响,旨在转移焦点、影响结果或保护某些利益。这些策略既包括直接的干预,也包括更为隐蔽的手段,目的在于避免责任、保障私利或影响调查的公正性。本报告综合分析了这些操纵策略及相应的应对措施,旨在提供一个全面的视角,以理解和应对潜在的操纵行为。
以保密为掩护
策略描述:利用保密原则作为遮盖不正当行为的借口,防止关键信息公开,从而避免公众监督和责任追究。
应对措施:加强信息公开和透明度要求,实施严格的监督和审查制度以揭露真实情况。
一手遮天,欺上瞒下
策略描述:通过控制和歪曲信息,引导舆论或调查方向,以保护或促进某些利益。
应对措施:建立独立的信息验证和审核机制,提升组织内外部的信息透明度。
设置陷阱
策略描述:设计复杂的策略或情境,使其他人或团体为个人的私利服务,或使之陷入不利境地。
应对措施:加强对潜在利益冲突的监控,确保调查过程的公正和透明。
选择性安排调查程序
策略描述:通过操纵调查的范围、方法、时机和对象,确保调查结果对行为者有利。
应对措施:保持调查的独立性,采用随机抽样和多源验证等方法提升调查的客观性。
精心设计调查议程
策略描述:事先设计调查议程,选择性地提出问题和避开某些领域,以引导调查方向。
应对措施:采用开放式议程设置,确保多方利益相关者参与决策过程,提高调查的全面性和平衡性。
利用法律手段挑战证据合法性
策略描述:挑战关键证据,如录音材料的合法性,通过法律手段转移调查关注点。
应对措施:确保所有证据的收集和使用都严格遵守法律规定,加强法律审查和专业咨询。
在应用DIKWP模型对调查过程中的操纵策略进行分析和对比时,我们将这些策略按照数据(Data)、信息(Information)、知识(Knowledge)、智慧(Wisdom)、和意图(Purpose)进行分类,以提供一个结构化的视角来理解这些复杂的行为和应对措施。
数据(Data)
数据是操纵策略中的基础,涉及到具体的事实或观察结果。例如,保密原则被用作遮掩不当行为的工具时,涉及到的具体数据可能是某项调查的存在、调查过程中收集的证据、或调查中的具体发现。在这个层面上,数据的操纵可能包括隐藏、伪造或删除证据等行为。
以保密为掩护和选择性安排调查程序直接关联于具体的事实或观察结果,如隐藏某项调查存在或调整调查的具体步骤。这些策略操作的是数据层面,直接影响可观察到的实体或事件的记录。
选择性安排调查程序进一步通过选择性收集或忽视某些数据来操纵调查,影响调查的广度和深度。
信息(Information)
信息是对数据的进一步解释和加工,以展现数据间不同的语义。操纵策略中,如一手遮天、欺上瞒下,通过控制和歪曲信息的传递,影响组织或个人如何理解某个情况或事件。在这里,不同的语义展现为对相同事件的不同解读,例如,将某个负面事件解释为一个偶然的失误,而不是系统性的失败。
一手遮天,欺上瞒下和精心设计调查议程操作在信息层面,通过控制信息的流通和解释来影响人们对数据的理解。这涉及到对相同事件的不同解读,制造误导性的信息来转移注意力。
这些策略通过歪曲信息传播的内容和方向,创造出对行为者有利的认知环境。
知识(Knowledge)
知识涉及到通过观察和学习得到的对世界或特定领域的理解和解释。在调查操纵的背景下,知识可能体现为对操纵手段、法律规则、调查程序等的深入理解。例如,通过精心设计调查议程的行为者,展示了他们对如何引导调查方向以避免不利结果的深刻知识。
精心设计调查议程体现了行为者对调查流程和潜在反应的深刻理解,他们通过这一知识来预测和塑造调查的结果。这种策略展示了对调查机制深层次运作规则的掌握。
知识在这里作为预见调查可能路径和潜在后果的基础,指导策略的设计和实施。
智慧(Wisdom)
智慧在这里指的是利用文化、伦理和道德原则来指导操纵策略的应用。例如,在考虑是否利用法律手段挑战证据合法性时,智慧可能涉及评估这一行动的道德后果、对组织声誉的长期影响,以及其对公众信任的影响。
所有这些操纵策略的运用都需要在智慧的层面上进行考量,特别是在评估操纵行为的长期影响和道德后果时。智慧体现在如何平衡短期的操纵目标与长期的信誉和道德责任之间的关系。
智慧还涉及到预见操纵行为可能引发的社会和伦理反响,并据此做出决策。
意图(Purpose)
意图是行动背后的驱动力,代表了行为者希望通过其操纵行为达成的目的。在调查操纵的背景下,意图可能是为了保护个人或组织的利益,避免法律责任,或者维持公众形象。通过分析意图,我们可以更好地理解操纵行为的根本原因和可能的后果。
所有操纵策略背后的共同意图是为了保护个人或组织的利益,避免负面后果。不同的策略体现了行为者对达成这一目标的不同途径和方法的选择。
意图驱动了策略的选择和实施,不论是通过隐藏数据、歪曲信息,还是利用对调查机制的深入知识,所有这些行为都旨在实现避免责任、保障利益或维持公众形象的目标。
对比与分析
数据与信息:在操纵策略中,数据的直接操纵(如隐藏或伪造证据)是基础层面的行为,而信息的操纵(如歪曲事实的解释)则更为复杂,涉及到更高层次的语义处理。
知识与智慧:知识的应用使行为者能够设计复杂的操纵策略,而智慧的层面则要求他们在执行这些策略时考虑更广泛的伦理和社会影响。
意图:意图是操纵行为的核心,决定了操纵策略的选择和应用。通过理解行为者的意图,可以更有效地识别和应对操纵行为。
数据(Data)层面上,策略不仅涉及到隐藏或改变具体的证据(如文档、电子邮件、会议记录等),还可以包括制造假的数据点以支撑某种叙述或论断。
信息(Information)方面,操纵信息不仅通过歪曲事实,也可以通过提供过多的无关信息来混淆视听,从而转移调查的主要关注点。
知识(Knowledge)的应用表现在对调查机制、人们的反应和可能的漏洞有深入的理解和预判,使得行为者能够巧妙地设计出可以达到预期目标的策略。
智慧(Wisdom)方面,行为者需要考虑到操纵行为的长期后果,包括可能对个人或组织的声誉、公众信任以及社会伦理的影响。智慧的应用意味着在追求短期利益的同时,也要考虑到行为的道德边界和社会责任,以及如何通过更加正直和可持续的方式解决问题。
意图(Purpose)层面,各种操纵策略背后的共同目标通常是为了避免不利于自己的调查结果,保护或提升个人或组织的利益。意图也决定了策略的选择,是否采用更加隐蔽或直接的操纵手段,取决于行为者希望达成的具体目标以及他们愿意承担的风险程度。
表1 DIKWP策略分析
策略 | 数据 (Data) | 信息 (Information) | 知识 (Knowledge) | 智慧 (Wisdom) | 意图 (Purpose) |
以保密为掩护 | 隐藏调查的存在或特定证据。 | - | - | 评估道德后果,考虑保密行为对公信力的影响。 | 保护个人或组织利益,避免负面信息公开。 |
一手遮天,欺上瞒下 | - | 通过媒体控制和信息歪曲引导公众认知。 | 利用对公众心理和舆论动向的理解来控制信息传播。 | 在策略执行中平衡短期收益与长期的道德和信誉考量。 | 维护或改善公众形象,避免调查深入。 |
设置陷阱 | 设计情境使特定行为显现,用作调查证据。 | - | 运用对人性弱点和组织内部动态的深刻理解来设计陷阱。 | 考虑陷阱策略可能带来的伦理问题和对人际信任的破坏。 | 诱导错误行为或决策,以便从中获利或转移责任。 |
选择性安排调查程序 | 选择对自己有利的时间和地点收集数据。 | - | 深入了解调查程序和法律要求,以便找到可利用的漏洞。 | 通过对潜在结果的预见来权衡利弊,决定最佳行动方案。 | 影响调查结果,保护自身免受不利影响。 |
精心设计调查议程 | - | 通过提出具体问题引导调查方向,避开敏感领域。 | 对调查流程的控制展现出对如何影响调查结论的深入知识。 | 在设计议程时考虑到对社会公正和道德原则的尊重。 | 控制调查的焦点和范围,避免对自身不利的调查结论。 |
我们可以看到不同操纵策略在DIKWP模型各个层面上的特征和运作方式。这种分析有助于深入理解调查过程中可能遇到的挑战,并为识别和应对操纵行为提供了一套框架。识别这些操纵策略的关键在于理解行为者的动机(意图),识别信息流中的异常(数据与信息),评估所采用策略背后的逻辑和知识基础(知识),并从伦理和长期影响的角度(智慧)审视其行为。对于调查人员和组织而言,建立健全的监督和透明机制,提高信息的开放性和可访问性,以及加强对调查过程和结果的独立性审核,是防范和抵御操纵行为的关键措施。
例如在面对各级各类考试考官报告考试过程中出现舞弊行为和管理混乱的情况时,若上级机构要求回答的问题本身可能含有操纵的意图或策略,对此进行深入分析是至关重要的。在这种情况下,每个问题都需要仔细审视,以判断是否旨在转移焦点、淡化事件的严重性、或是保护某些利益群体。以下是基于前述操纵策略对这种情形的详细模拟分析:
可能的问题示例:"您如何确保在调查过程中,相关信息不被未授权的人员泄露?"
分析:
意图(Purpose):此策略旨在通过强调保密的重要性,暗示报告者可能未正确处理信息,转移注意力。
信息(Information):此处的信息操纵是暗示调查过程可能存在保密上的不当行为。
知识(Knowledge):行为者需要了解保密规则和程序,以便构建一个合理质疑的前提。
智慧(Wisdom):考虑到提出此问题可能引起的道德和信任问题,如何平衡调查的透明度与保密需求。
数据(Data):此策略可能不直接涉及数据操纵,但隐含的是对调查过程数据保护的关注。
可能的问题示例:"您如何评价复试过程中的总体公正性和效率?"
分析:
意图(Purpose):试图通过提出广泛的问题将注意力从具体的舞弊行为转移,可能暗示问题不那么重要。
信息(Information):这里的信息操作是通过改变讨论的焦点,从特定的负面行为转向更抽象的评价。
知识(Knowledge):需要对复试过程的整体评价有一定了解,以便引导问题方向。
智慧(Wisdom):这种策略展现了如何在维护组织形象和处理具体问题之间找到平衡。
数据(Data):与具体数据关联不大,更多关注于信息和观点的表达。
可能的问题示例:"在发现舞弊行为的过程中,您是否完全按照规定程序行事?"
分析:
意图(Purpose):寻找调查过程中的任何失误,转移注意力或质疑调查者的信用。
数据(Data):关注于调查者行为的具体细节和步骤。
知识(Knowledge):需要对调查规程有详细理解,以便挑战调查的合法性。
智慧(Wisdom):评估提出此类问题的后果,可能旨在削弱调查的权威性。
可能的问题示例:"在调查舞弊行为时,您首先考虑的是哪些方面?"
分析:
意图(Purpose):暗示调查应关注特定方面,引导调查方向,可能避开敏感问题。
数据(Data):涉及决定调查重点和先行考虑的方面。
信息(Information):影响调查焦点的选择,暗示某些方面比其他方面更重要。
知识(Knowledge):展现调查者对问题多方面理解的深度,指导调查重点的选择。
智慧(Wisdom):在确定调查方向时,权衡不同方面的影响和敏感性。
可能的问题示例:"您认为未来的复试过程中,最重要的改进措施是什么?"
分析:
意图(Purpose):通过探讨未来的改进,转移对当前问题的关注,可能减轻舞弊行为的严重性感知。
信息(Information):引入对未来改进的讨论,提供一种积极向前看的视角。
知识(Knowledge):利用对复试流程和潜在改进点的深入理解来设计问题。
智慧(Wisdom):在提出改进措施时,思考如何平衡批评与建设性的建议,以促进长期的正面改变。
可能的问题示例:"在收集舞弊行为证据时,您是否遵循了所有相关的法律和规定?"
分析:
意图(Purpose):此问题可能旨在质疑证据的合法性,通过法律挑战来削弱证据的有效性或延缓调查进程。
知识(Knowledge):行为者通过展现对法律细节的深刻理解,利用法律复杂性来挑战证据。
智慧(Wisdom):在这种策略中,智慧可能体现在评估法律挑战对组织声誉和法律后果的长期影响。
数据(Data)和信息(Information):关注于证据的收集过程和具体细节,尝试找到过程中的漏洞或不当行为,转变对事件的总体认识。
可能的问题示例:"在报告舞弊行为的同时,您是否注意到了复试过程中的其他积极方面?"
分析:
意图(Purpose):通过转移话题,减少对舞弊行为本身的关注,同时尝试塑造一个更平衡或偏向正面的整体印象。
信息(Information):引导接受者从不同的视角考虑问题,可能使接受者对舞弊行为的严重性有所淡化。
知识(Knowledge):此策略需要对人类注意力的分配和认知偏差有深刻理解,以有效地引导听众的焦点转移。
智慧(Wisdom):评估在披露问题的同时引入正面元素对长期信任和形象建设的潜在益处。
可能的问题示例:"您如何确定报告中提到的行为确实构成了舞弊?"
分析:
意图(Purpose):通过质疑定义和标准,增加调查的复杂性,使问题看起来更为模糊,从而削弱指控的力度。
知识(Knowledge):利用对舞弊定义的深入理解和可能存在的灰色地带,质疑或重定义行为是否构成违规。
信息(Information):引入对舞弊定义的不同解释,提供多种可能的理解,增加解释的复杂性。
智慧(Wisdom):考虑到通过增加问题的复杂性可能对调查结果和公众认知造成的长期影响。
通过这样的分析,我们能够更全面地理解和识别在复杂的调查环境中可能遇到的各种操纵策略。这不仅要求检察官或调查者具备对数据和信息的敏锐洞察力,还需要他们对知识的深入理解、在智慧层面上进行伦理和道德的权衡,以及清晰地识别行为者的潜在意图。在应对这些操纵策略时,保持调查的透明性、客观性和公正性至关重要。这包括但不限于以下几个方面:
建立和遵循清晰的调查规则和程序:确保所有调查活动都基于既定的法律框架和组织政策,以防操纵行为通过质疑过程的合法性来破坏调查的有效性。
加强证据的合法性和充分性:在收集和呈现证据时,确保其既符合法律要求,又足够充分以支撑调查的结论。这可以通过多元化证据来源和确保证据链完整性来实现。
提升调查团队的专业素养和独立性:调查团队应具备相应的专业知识和技能,以识别和抵御可能的操纵策略。同时,保持调查团队的独立性,避免潜在的利益冲突,是确保调查公正性的关键。
透明和公开的沟通:在调查过程中,适当的透明度可以帮助建立公众信任,减少误解和猜疑。同时,公开沟通调查结果(在不违反保密规定的前提下)有助于公正性和透明性的进一步提升。
伦理和道德的考量:在所有调查活动中,都应维护高标准的伦理道德。即便在面临复杂且敏感的情况时,也应考虑行动的长期影响,包括对个人名誉和组织信誉的影响。
通过这些措施,调查者不仅能够有效应对和识别操纵行为,还能够确保调查结果的准确性和公正性,从而真正揭示事件的真相,恢复公众信任,促进正义的实现。在面对复杂调查时,保持警惕、坚持原则、运用智慧和维护伦理道德标准,是每位检察官和调查者的重要职责。
在下面的纯粹虚拟构建案例中,面对被报告的招工用工等职业招聘类考试的管理混乱等情形,机构或公司等进行相关调查,调查的设计方可能携带特定的操纵意图,旨在维护特定个体或群体的利益或声誉。通过深入分析每个问题,并揭示潜在的操纵策略及其目的。
4.1 情形1:仅针对招工用工等职业招聘具体投诉详细条目进行调查
操纵意图:聚焦于特定的招工用工等职业招聘投诉事件,可能旨在细化问题,从而减少对招工用工等职业招聘整体选拔过程的批评,或者试图找到考官处理这些情况时的不足,对考官个体进行惩罚。
对应操纵策略:
一手遮天,欺上瞒下:通过强调对投诉的响应,可能试图营造学院积极处理问题的形象,忽略或淡化问题的根源。
迷雾战:列举具体但可能相对较小的投诉点,增加调查的复杂度,使得整个调查焦点分散。
操纵意图:此问题可能试图公开招工用工等职业招聘官的评分标准,寻找程序上的瑕疵或主观偏见,以此作为减轻考试机构责任或转移焦点的依据。
对应操纵策略:
设置陷阱:要求招工用工等职业招聘官解释给具体分数的决定,可能暗示涉事人员的决定过于严厉或不公,从而使涉事人员处于辩护位置。
精心设计调查议程:通过专注于个别评分案例而非系统性问题,可能转移对更广泛选拔过程公正性的审查。
操纵意图:询问证据材料的详细信息,可能旨在质疑证据材料的合法性或获取证据材料背后的意图,从而削弱证据材料内容的影响力或信誉。
对应操纵策略:
以保密为掩护:如果证据材料揭示了招工用工等职业招聘选拔过程中的问题,质疑证据材料的合法性可以作为一种保护用工机构或组织招聘机构的利益和声誉的手段。
声东击西:强调证据材料的来源和录制方式,转移公众和内部对于证据材料内容(如舞弊行为)的关注。
4.4 情形4:招工用工等职业招聘考官是否对外透漏过招工用工等职业招聘过程任何内容?
操纵意图:这个问题可能试图揭示或放大招工用工等职业招聘考官在保密协议方面的任何失误,通过将焦点放在信息泄露上,从而淡化面试过程中存在的实质性问题。
对应操纵策略:
设置陷阱:寻找或暗示招工用工等职业招聘考官的不当行为,尤其是在处理敏感信息方面,以此转移对选拔过程质量的审查。
迷雾战:通过提出可能引起广泛讨论和关注的信息泄露问题,增加情况的复杂性,使得调查的焦点模糊不清。
操纵意图:这个问题可能试图挑战招聘广告中提及的职位要求与实际面试中对候选人评价标准的一致性,旨在揭示或放大选拔过程中的不透明或误导行为。
对应操纵策略:
迷雾战:提出关于广告与实际职位描述不一致的问题,可能增加选拔流程的复杂性,引发对流程透明度的疑问。
以保密为掩护:如果招聘机构强调对职位描述的保密性,这可能是一种避免透露实际选拔标准的手段。
操纵意图:询问评价过程的具体细节可能旨在检验评价标准的应用是否一致及公正,同时也可能试图找到评价过程中的漏洞或偏见。
对应操纵策略:
设置陷阱:要求解释具体评价决策的过程,可能暗示评价者存在偏见或不一致的评价标准,使评价者处于辩护位置。
精心设计调查议程:专注于个别评价案例,可能转移对更广泛评价过程公正性的审查。
操纵意图:探讨信息保密和候选人隐私的问题可能旨在评估机构对敏感信息处理的适当性,同时可能试图揭示处理过程中的不足或失误。
对应操纵策略:
声东击西:通过强调隐私保护的重要性,可能转移对选拔过程其他实质性问题(如评价标准的公正性)的关注。
以保密为掩护:质疑信息保密的实施可能作为保护机构免受批评的手段,尤其是当信息泄露涉及选拔过程中的不当行为。
操纵意图:询问决策的审查和批准流程可能旨在揭示选拔过程的最后阶段是否存在操纵或不公正行为,或者是否所有决策都经过了充分的审核。
对应操纵策略:
一手遮天,欺上瞒下:通过强调决策审查流程的正当性,可能试图营造一个公正无误的选拔流程形象,忽视或淡化实际存在的问题。
设置陷阱:要求详细解释审查和批准过程,可能寻找流程中的漏洞或不足,用以质疑整个选拔过程的合法性和公正性。
在每个情形中,揭示和理解背后的操纵意图及对应的策略是至关重要的,这不仅有助于正确解读提出的问题,还能为制定有效的应对策略提供基础。在面对这些可能的操纵策略时,考虑以下应对措施可能会有所帮助:
充分准备和详细记录:对于每个涉及的问题点,提前准备充分,确保所有决策和评价过程都有详细的文档记录和合理的依据。这有助于在被质疑时提供坚实的事实基础。
公开透明的沟通:积极采取公开透明的沟通策略,向所有相关方清楚地解释选拔过程、评价标准以及决策依据。这可以增加流程的可信度,并降低误解和猜疑。
积极参与和反馈:鼓励所有参与者(包括候选人、评委等)在过程中提供反馈,对于提出的投诉和疑问给予积极响应。这不仅有助于及时发现并解决问题,也展现了机构对公平和正义的承诺。
强化培训和指导:对于参与选拔过程的工作人员和评委进行定期培训,强调信息保密、公正评价的重要性,以及对操纵行为的警惕。这有助于提升整个选拔团队的专业性和公正性意识。
审视和改进流程:定期审视和评估选拔流程的有效性和公正性,对于发现的问题和不足及时进行改进。这有助于不断提升选拔过程的质量,减少操纵和不公行为的空间。
通过这些措施,可以有效应对可能存在的操纵策略,保障选拔过程的公正性和透明度,维护所有参与方的合法权益。同时,这也有助于构建一个更加正直和负责任的选拔环境,促进机构和组织的长期发展和声誉建设。
通过对这些问题的深入分析,我们可以看到,招工用工等职业招聘调查的提问策略可能旨在通过各种操纵手段维护其利益,如尝试转移公众对招工用工等职业招聘选拔过程中存在问题的关注,淡化问题的严重性,或者在某种程度上为可能的管理不善或不公行为辩护。这些策略的运用展现了招工用工等职业招聘机构在面临潜在的声誉危机时可能采取的防御性或转移性手段。
为了有效应对这种情况,招工用工等职业招聘涉事人员在准备回答时应当:
保持透明和坦诚:提供具体、事实性的回答,尽可能地引用相关规定、标准和文件,以事实为依据进行辩护。
避免陷阱:在回答设计陷阱性问题时保持警觉,避免给出可能被解释为自相矛盾或不一致的回答。
强调制度和流程的重要性:在回答过程中强调制度和流程对于确保评审公正性和透明性的作用,同时提出任何已识别的制度弱点和改进建议。
平衡个人和招工用工等职业招聘单位的利益:在保护个人声誉的同时,也考虑到招工用工等职业招聘整个选拔过程的公正性和信誉,寻求平衡。
积极提出改进措施:在可能的情况下,主动提出改进选拔流程、增强透明度和公平性的措施,展现出对问题解决的积极态度。
这种情况下的关键在于,通过提供详细、具体、基于事实的回答,通过积极回应,涉事人员不仅能够为自己的行为辩护,还能够帮助揭示整个选拔过程中可能存在的问题,并推动招工用工等职业招聘制度的改进和完善。此外,通过展现出对于维护评审过程公正性和透明性的承诺,涉事人员与相关机构单位等可以帮助恢复公众对招工用工等职业招聘选拔流程的信任,同时促进包括行业与产业界、学术界内部的正直和责任意识等。面对可能的操纵意图和策略,持续的警觉性、对事实的坚持以及对改进的开放性是保护个人、维护机构声誉并促进系统进步的关键。
通过表2,我们可以清晰地看到每种操纵策略背后的意图、它们如何操纵或利用数据、信息、知识,以及所涉及的智慧层面的考量。这种分析有助于揭示操纵意图背后的复杂动机和潜在的道德、信任问题,同时也提示了应对这些操纵策略时需要具备的理解和策略。
表2 操纵策略的DIKWP分析
操纵策略 | 意图 (Purpose) | 数据 (Data) | 信息 (Information) | 知识 (Knowledge) | 智慧 (Wisdom) |
以保密为掩护 | 强调保密的重要性,转移注意力 | 不直接涉及数据操纵,隐含对调查数据保护的关注 | 暗示调查可能存在保密不当行为 | 需要了解保密规则和程序 | 考虑提出问题可能引起的道德和信任问题 |
一手遮天,欺上瞒下 | 从具体行为转移注意力,暗示问题不重要 | 关联不大,更多关注信息表达 | 改变讨论焦点,从负面行为转向评价 | 对复试过程整体评价有一定了解 | 如何在维护形象与处理问题间平衡 |
设置陷阱 | 寻找失误,转移注意力或质疑信用 | 关注行为细节和步骤 | - | 对调查规程有详细理解 | 评估提出问题的后果,可能旨在削弱权威 |
选择性安排调查程序 | 引导调查方向,可能避开敏感问题 | 涉及决定调查重点和先行考虑的方面 | 影响调查焦点选择,暗示某些方面重要 | 指导调查重点选择的深度理解 | 权衡不同方面的影响和敏感性 |
精心设计调查议程 | 转移对当前问题的关注 | - | 引入对未来改进的讨论 | 对流程和改进点的深入理解 | 思考如何平衡批评与建设性建议 |
利用法律手段挑战证据合法性 | 质疑证据合法性,削弱影响或延缓进程 | 关注证据收集过程和细节 | - | 对法律细节的深刻理解 | 评估法律挑战的长期影响 |
声东击西 | 减少对负面行为的关注 | - | 引导接受者考虑问题的不同视角 | 对注意力分配和认知偏差的理解 | 评估引入正面元素的潜在益处 |
迷雾战 | 增加调查复杂性,使问题模糊 | - | 引入对舞弊定义的不同解释 | 对舞弊定义和灰色地带的深入理解 | 考虑问题复杂性对公众认知的影响 |
通过表3,我们可以看出每个情形背后可能的操纵意图和相应的策略是如何通过操纵数据、信息、知识,以及考虑智慧层面的因素来实现的。这种分析帮助识别在选拔或评价过程中可能遇到的潜在问题,并为制定应对这些问题的策略提供了指导。理解这些情,明确地将这8个情形与相应的操纵策略进行对应和分析。
表3 8个具体情形的DIKWP分析
情形 | 意图 (Purpose) | 数据 (Data) | 信息 (Information) | 知识 (Knowledge) | 智慧 (Wisdom) |
具体投诉详细条目的调查 | 细化问题,减少对整体过程的批评 | 投诉的具体条目和细节 | 聚焦于特定投诉,可能忽略广泛问题 | 对投诉处理流程的了解 | 考虑如何在解决问题与维护形象间平衡 |
质疑评分理由 | 寻找评分过程的瑕疵或偏见 | 评分的具体记录和标准 | 强调评分的公正性和标准一致性 | 评分标准和程序的深入知识 | 评估对评分决策的质疑可能引起的信任问题 |
证据材料的来源和用途 | 质疑证据的合法性或意图 | 证据的来源和分发情况 | 关注证据的获取和使用方式 | 法律和规则对证据处理的要求 | 考虑证据合法性质疑对声誉的影响 |
透露选拔过程信息 | 揭示信息处理不当 | 信息透露的具体情况 | 强调保密协议和信息保护 | 对信息保密和选拔过程的了解 | 平衡透明度与保密的需要,考虑信任影响 |
招聘广告与职位描述一致性 | 揭示或放大选拔过程的不透明或误导 | 招聘广告与实际职位要求的比较 | 关注广告和描述之间的不一致 | 对招聘流程和标准的知识 | 考虑不一致性对候选人和机构信誉的影响 |
评价过程的公正性 | 检验评价标准的一致性和公正性 | 评价细节和过程记录 | 强调评价过程的透明和公正 | 对评价流程和公正性标准的深入理解 | 评估公正性问题对机构声誉的长期影响 |
信息保密和候选人隐私 | 评估信息处理适当性,揭示不足 | 隐私保护措施和违规情况 | 关注敏感信息的处理 | 对隐私保护的法律和规则知识 | 考虑隐私问题对候选人信任和机构声誉的影响 |
审查和批准流程 | 揭示最后阶段操纵或不公正行为 | 决策审查和批准的记录 | 强调决策过程的合理性和透明度 | 对决策流程和审核要求的理解 | 平衡处理问题与维护选拔过程完整性的需要 |
通过表4明确地对应每个情形与操纵策略,我们可以更清晰地理解每种策略的运作机制及其潜在的影响。这不仅有助于识别潜在的操纵意图,还能为采取适当的应对措施提供指导。
表4 情形与相应操纵策略的对应和分析
情形 | 对应操纵策略 | 意图 (Purpose) | 数据 (Data) | 信息 (Information) | 知识 (Knowledge) | 智慧 (Wisdom) |
具体投诉详细条目的调查 | 一手遮天,欺上瞒下 迷雾战 | 细化问题,减轻整体批评 | 投诉的具体条目 | 聚焦特定投诉,忽略广泛问题 | 对投诉处理流程了解 | 平衡解决问题与维护形象 |
质疑评分理由 | 设置陷阱 精心设计调查议程 | 寻找评分瑕疵或偏见 | 评分记录和标准 | 强调公正性和一致性标准 | 评分标准和程序深入知识 | 考虑质疑引起的信任问题 |
证据材料的来源和用途 | 以保密为掩护 声东击西 | 质疑证据合法性或意图 | 证据来源和分发 | 关注获取和使用方式 | 法律和规则对证据处理要求 | 考虑证据合法性质疑影响 |
透露选拔过程信息 | 设置陷阱 迷雾战 | 揭示信息处理不当 | 信息透露情况 | 强调保密协议和保护 | 信息保密和选拔过程知识 | 平衡透明度与保密需求 |
招聘广告与职位描述一致性 | 一手遮天,欺上瞒下 迷雾战 | 揭示或放大选拔不透明或误导 | 广告与职位要求比较 | 关注广告和描述不一致 | 招聘流程和标准知识 | 不一致性对候选人和机构影响 |
评价过程的公正性 | 设置陷阱 精心设计调查议程 | 检验评价标准一致性和公正性 | 评价细节和记录 | 强调透明和公正 | 评价流程和公正性标准 | 公正性问题对机构声誉影响 |
信息保密和候选人隐私 | 以保密为掩护 声东击西 | 评估信息处理适当性,揭示不足 | 隐私保护措施和违规 | 敏感信息处理关注 | 隐私保护法律和规则 | 隐私问题对候选人信任影响 |
审查和批准流程 | 精心设计调查议程 一手遮天,欺上瞒下 | 揭示决策操纵或不公行为 | 决策审查和批准记录 | 强调决策过程合理性 | 决策流程和审核要求 | 处理问题与维护流程完整性 |
结合当前法律现状,可以从以下几个方面进行改进:
建议:对于操纵选拔过程的行为,应明确规定法律责任和后果,包括但不限于行政处罚、民事赔偿甚至刑事责任。
法律依据:根据《中华人民共和国刑法》中关于职务犯罪的相关条款,以及《中华人民共和国民法典》关于侵权责任的规定,强化法律威慑力。
建议:利用信息技术手段,如区块链等,记录和公开选拔过程中的关键信息和决策依据,确保信息的真实性和不可篡改性。
法律依据:结合《中华人民共和国信息公开条例》,提升选拔过程的透明度,同时依据《中华人民共和国网络安全法》,保证信息处理的安全性。
建议:定期邀请独立第三方进行内部审计和评估,检查选拔过程的公正性和合规性,及时发现和纠正操纵行为。
法律依据:参考《中华人民共和国审计法》的相关规定,加强对公共资源使用的监督,确保选拔活动的合法性和正当性。
建议:建立匿名举报渠道,鼓励员工、候选人和公众报告任何不正当行为,同时对举报人给予必要的保护。
法律依据:依据《中华人民共和国反不正当竞争法》和《中华人民共和国劳动法》等法律法规,保护举报人免受报复。
建议:对所有参与选拔过程的人员进行职业道德和法律培训,强调公正、诚信的重要性,并定期更新培训内容以适应法律法规的变化。
法律依据:结合《中华人民共和国教育法》和《职业教育法》,提升从业人员的法律和道德水平,促进职业正义。
通过这些措施,旨在从根本上预防和减少操纵行为的发生,创建一个更加公正、透明和高效的选拔环境,保障所有参与者的权利和利益,同时提升整个社会的法治和信任水平。
进一步细化每个建议在DIKWP模型上的应用,并详细探讨如何通过这些改进措施来预防和应对操纵行为。以下是对每个法律建议更详细的解析。
表5 法律建议详细解析
法律建议 | 操纵策略 | DIKWP模型维度 | 详细说明 |
明确法律责任和后果 | 所有操纵策略 | 智慧(Wisdom) | 通过法律培训、研讨会和案例分析,增强个体和组织对法律规范的理解,特别是对操纵行为的法律后果进行详细阐释。这将提升个人在面对操纵选择时的道德自觉和法律自律,使其意识到不正当行为可能带来的严重职业和法律风险。 |
加强监督检查和透明度 | 一手遮天,欺上瞒下 迷雾战 | 信息(Information) 数据(Data) | 实施在线平台或区块链技术,记录选拔过程中的每一个决策点和评价标准,保证数据不可篡改且易于追溯。公开透明的信息能够降低操纵空间,同时让候选人和公众能够实时监督选拔过程,提升过程的公信力。 |
定期进行内部和外部审计 | 精心设计调查议程 以保密为掩护 | 知识(Knowledge) | 引入第三方机构或独立部门定期对选拔过程进行审计,包括程序的合法性、公正性及执行情况的审核。审计结果应公开透明,便于社会监督,确保任何操纵行为都能被及时发现并纠正。 |
建立健全内部举报和反馈机制 | 设置陷阱 声东击西 | 意图(Purpose) | 设立匿名举报系统,保护举报者免受任何形式的报复。同时,对所有举报和反馈进行认真调查和处理,公正解决问题,并对处理结果进行反馈。这样的机制鼓励内部人员和候选人揭露不正当行为,增强选拔过程的自我纠错能力。 |
强化选拔人员的职业道德和法律培训 | 所有操纵策略 | 知识(Knowledge) 智慧(Wisdom) | 对参与选拔过程的所有人员实施定期的职业道德和法律责任培训,强调公正、透明的重要性和个人在整个过程中的责任。通过案例分析、角色扮演等形式,提高他们识别和应对操纵行为的能力,以及理解其对个人和组织带来的负面影响。 |
通过表5,我们可以看到,对策略的深度理解和具体的法律建议是如何相互配合,共同构建一个更加公正、透明和不易受操纵的选拔环境。
调查过程中的操纵策略多样且复杂,从信息控制到法律挑战,这些策略都可能对调查的公正性和有效性产生影响。识别和应对这些策略要求调查团队具备专业知识、深刻洞察力和坚定的独立性。通过加强制度建设、提升透明度和促进多方参与,可以有效地减少操纵行为的发生,确保调查工作的公正和高效。
[1] 段玉聪(Yucong Duan). (2024). 大语言模型(LLM)偏见测评(种族偏见)(Large Language Model (LLM) Racial Bias Evaluation). DOI:10.13140/RG.2.2.33162.03521. https://www.researchgate.net/publication/377963440_Large_Language_Model_LLM_Racial_Bias_Evaluation_--DIKWP_Research_Group_International_Standard_Evaluation_Prof_Yucong_Duan.
[2] 段玉聪(Yucong Duan). (2024). 人为什么不愿意被别人改变:DIKWP和语义数学的深入探讨(Why People Don't Want to Be Changed by Others:Insight from DIKWP and Semantic Mathematics). DOI:10.13140/RG.2.2.17961.77927. https://www.researchgate.net/publication/377726002_Why_People_Don't_Want_to_Be_Changed_by_Others_Insight_from_DIKWP_and_Semantic_Mathematics.
[3] 段玉聪(Yucong Duan). (2024). 语义新质生产力:原理与技术(Semantic New Quality Productivity:Principles and Techniques). DOI:10.13140/RG.2.2.14606.33607. https://www.researchgate.net/publication/377726380_Semantic_New_Quality_Productivity_Principles_and_Techniques.
[4] 段玉聪(Yucong Duan). (2024). DIKWP与语义心理学(Semantic Psychology and DIKWP). DOI:10.13140/RG.2.2.12928.61449. https://www.researchgate.net/publication/377726404_Semantic_Psychology_and_DIKWP.
[5] 段玉聪(Yucong Duan). (2024). 基于"主观客观化"的语义不确定性处理(Semantic Uncertainty Handling Based on "Subjective Objectivisation"). DOI:10.13140/RG.2.2.31383.55206. https://www.researchgate.net/publication/377726442_Semantic_Uncertainty_Handling_Based_on_Subjective_Objectivisation.
[6] 段玉聪(Yucong Duan). (2024). DIKWP与语义数学:创造新质生产力的融合(Semantic Mathematics and DIKWP :Creating New Qualities of Productivity). DOI:10.13140/RG.2.2.19639.50085. https://www.researchgate.net/publication/377726532_Semantic_Mathematics_and_DIKWP_Creating_New_Qualities_of_Productivity.
[7] 段玉聪(Yucong Duan). (2024). 语义法学与DIKWP:以英美法系与大陆法系分析为例(Semantic Jurisprudence and DIKWP:Common Law vs. Continental Law). DOI:10.13140/RG.2.2.28028.10889. https://www.researchgate.net/publication/377726622_Semantic_Jurisprudence_and_DIKWP_Common_Law_vs_Continental_Law.
[8] 段玉聪(Yucong Duan). (2024). DIKWP新质生产力与传统生产力的对比分析(DIKWP New Quality Productivity vs. Traditional Productivity Analysis). DOI:10.13140/RG.2.2.21317.22242. https://www.researchgate.net/publication/377726626_DIKWP_New_Quality_Productivity_vs_Traditional_Productivity_Analysis.
[9] 段玉聪(Yucong Duan). (2024). 语义物理化学(Semantic Physical Chemistry). DOI:10.13140/RG.2.2.21261.51684. https://www.researchgate.net/publication/377439785_Semantic_Physical_Chemistry.
[10] 段玉聪(Yucong Duan). (2024). DIKWP与语义认知学(DIKWP and Semantic Cognition). DOI:10.13140/RG.2.2.14052.55680. https://www.researchgate.net/publication/377415901_DIKWP_and_Semantic_Cognition.
[11] 段玉聪(Yucong Duan). (2024). DIKWP与语义生物学:拓展跨学科的知识领域(DIKWP and Semantic Biology:Expanding Interdisciplinary Knowledge Areas). DOI:10.13140/RG.2.2.27474.32962. https://www.researchgate.net/publication/377416091_DIKWP_and_Semantic_Biology_Expanding_Interdisciplinary_Knowledge_Areas
[12] 段玉聪(Yucong Duan). (2024). DIKWP体系与语义数学结合构建传染病防治指标体系(DIKWP System Combined with Semantic Mathematics to Construct an Indicator System for Infectious Disease Prevention and Control). DOI:10.13140/RG.2.2.12374.83521. https://www.researchgate.net/publication/377416103_DIKWP_System_Combined_with_Semantic_Mathematics_to_Construct_an_Indicator_System_for_Infectious_Disease_Prevention_and_Control
[13] 段玉聪(Yucong Duan). (2024). DIKWP与语义哲学(DIKWP and Semantic Philosophy). DOI:10.13140/RG.2.2.34185.21606. https://www.researchgate.net/publication/377416120_DIKWP_and_Semantic_Philosophy
[14] 段玉聪(Yucong Duan). (2024). 语义物理与创新发展(Semantic Physics and Innovation Development). DOI:10.13140/RG.2.2.19085.72167. https://www.researchgate.net/publication/377416222_Semantic_Physics_and_Innovation_Development
[15] 段玉聪(Yucong Duan). (2024). 语义认知学:连接人类思维与计算机智能的未来(Semantic Cognition:Connecting the Human Mind to the Future of Computer Intelligence). DOI:10.13140/RG.2.2.29152.05129. https://www.researchgate.net/publication/377416321_Semantic_Cognition_Connecting_the_Human_Mind_to_the_Future_of_Computer_Intelligence
[16] 段玉聪(Yucong Duan). (2024). 语义物理:理论与应用(Semantic Physics:Theory and Applications). DOI:10.13140/RG.2.2.11653.93927. https://www.researchgate.net/publication/377401736_Semantic_Physics_Theory_and_Applications
[17] 段玉聪(Yucong Duan). (2024). 基于语义数学的美国和中国经济增长分析(Semantic Mathematics based Analysis of Economic Growth in the United States and China). DOI:10.13140/RG.2.2.35980.90246. https://www.researchgate.net/publication/377401731_Semantic_Mathematics_based_Analysis_of_Economic_Growth_in_the_United_States_and_China
[18] 段玉聪(Yucong Duan). (2024). Collatz Conjecture的语义数学探索(Collatz Conjecture's Semantic Mathematics Exploration). DOI:10.13140/RG.2.2.28517.99041. https://www.researchgate.net/publication/377239567_Collatz_Conjecture's_Semantic_Mathematics_Exploration
[19] 段玉聪(Yucong Duan). (2024). 语义数学与 DIKWP 模型(本质计算与推理、存在计算与推理以及意图计算与推理)(Semantic Mathematics and DIKWP Model (Essence Computation and Reasoning, Existence Computation and Reasoning, and Purpose Computation and Reasoning)). DOI:10.13140/RG.2.2.24323.68648. 377239628_Semantic_Mathematics_and_DIKWP_Model_Essence_Computation_and_Reasoning_Existence_Computation_and_Reasoning_and_Purpose_Computation_and_Reasoning
[20] 段玉聪(Yucong Duan). (2024). 从主观到客观的语义数学重构(存在计算与推理、本质计算与推理、意图计算与推理)(Semantic Mathematics Reconstruction from Subjectivity to Objectivity (Existence Computation and Reasoning, Essence Computing and Reasoning, Purpose Computing and Reasoning)). DOI:10.13140/RG.2.2.32469.81120. https://www.researchgate.net/publication/377158883_Semantic_Mathematics_Reconstruction_from_Subjectivity_to_Objectivity_Existence_Computation_and_Reasoning_Essence_Computing_and_Reasoning_Purpose_Computing_and_Reasoning
[21] 段玉聪(Yucong Duan). (2024). DIKWP与语义数学在车票订购案例中的应用(DIKWP and Semantic Mathematics in the Case of Ticket Ordering). DOI:10.13140/RG.2.2.35422.20800. https://www.researchgate.net/publication/377085570_DIKWP_and_Semantic_Mathematics_in_the_Case_of_Ticket_Ordering
[22] 段玉聪(Yucong Duan). (2024). DIKWP与语义数学分析《论语》“君子和而不同,小人同而不和”(DIKWP and Semantic Mathematical Analysis The Confluent Analects Gentleman is harmonious but different, while petty people are the same but not harmonious). DOI:10.13140/RG.2.2.28711.32165. https://www.researchgate.net/publication/377085455_DIKWP_and_Semantic_Mathematical_Analysis_The_Confluent_Analects_Gentleman_is_harmonious_but_different_while_petty_people_are_the_same_but_not_harmonious
[23] 段玉聪(Yucong Duan). (2023). DIKWP 人工意识芯片的设计与应用(DIKWP Artificial Consciousness Chip Design and Application). DOI:10.13140/RG.2.2.14306.50881. https://www.researchgate.net/publication/376982029_DIKWP_Artificial_Consciousness_Chip_Design_and_Application
[24] 段玉聪(Yucong Duan). (2024). 直觉的本质与意识理论的交互关系(The Essence of Intuition and Its Interaction with theory of Consciousness). DOI:10.13140/RG.2.2.16556.85127. https://www.researchgate.net/publication/378315211_The_Essence_of_Intuition_and_Its_Interaction_with_theory_of_Consciousness
[25] 段玉聪(Yucong Duan). (2024). 意识中的“BUG”:探索抽象语义的本质(Understanding the Essence of "BUG" in Consciousness:A Journey into the Abstraction of Semantic Wholeness). DOI:10.13140/RG.2.2.29978.62409. https://www.researchgate.net/publication/378315372_Understanding_the_Essence_of_BUG_in_Consciousness_A_Journey_into_the_Abstraction_of_Semantic_Wholeness
[26] 段玉聪(Yucong Duan). (2024). 个人和集体的人造意识(Individual and Collective Artificial Consciousness). DOI:10.13140/RG.2.2.20274.38082. https://www.researchgate.net/publication/378302882_Individual_and_Collective_Artificial_Consciousness
[27] 段玉聪(Yucong Duan). (2024). 人工意识系统的存在性探究:从个体到群体层面的视角(The Existence of Artificial Consciousness Systems:A Perspective from Group Consciousness). DOI:10.13140/RG.2.2.28662.98889. https://www.researchgate.net/publication/378302893_The_Existence_of_Artificial_Consciousness_Systems_A_Perspective_from_Collective_Consciousness
[28] 段玉聪(Yucong Duan). (2024). 意识与潜意识:处理能力的有限性与BUG的错觉(Consciousness and Subconsciousness:from Limitation of Processing to the Illusion of BUG). DOI:10.13140/RG.2.2.13563.49447. https://www.researchgate.net/publication/378303461_Consciousness_and_Subconsciousness_from_Limitation_of_Processing_to_the_Illusion_of_BUG
[29] 段玉聪(Yucong Duan). (2024). 如果人是一个文字接龙机器,意识不过是BUG(If Human is a Word Solitaire Machine, Consciousness is Just a Bug). DOI:10.13140/RG.2.2.13563.49447. https://www.researchgate.net/publication/378303461_Consciousness_and_Subconsciousness_from_Limitation_of_Processing_to_the_Illusion_of_BUG
[30] 段玉聪(Yucong Duan). (2024). 超越达尔文:技术、社会与意识进化中的新适应性(Beyond Darwin:New Adaptations in the Evolution of Technology, Society, and Consciousness). DOI:10.13140/RG.2.2.29265.92001. https://www.researchgate.net/publication/378290072_Beyond_Darwin_New_Adaptations_in_the_Evolution_of_Technology_Society_and_Consciousness
[31] 段玉聪(Yucong Duan). (2024). 【人物】段玉聪:未来人工意识的发展:消除“bug”之路. 应用观察. https://mp.weixin.qq.com/s/q0eA97OPW0f30D9rXEKuPQ
[32] 段玉聪(Yucong Duan). (2024). 【视角】段玉聪:直觉的本质与意识理论的交互关系. 应用观察. https://mp.weixin.qq.com/s/8nZJZobAFpqIdriahe-wMQ
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。
段玉聪 教授
l DIKWP-AC人工意识(全球)团队发起人
l AGI-AIGC-GPT评测DIKWP(全球)实验室创办者
l 世界人工意识大会发起人(Artificial Consciousness 2023, AC2023, AC2024)
l 国际数据、信息、知识、智慧大会发起人(IEEE DIKW 2021、2022、2023)
l 斯坦福全球顶尖科学家“终身科学影响力排行榜”(海南信息技术)唯一入选
l 海南人工智能技术发明领域唯一全国奖(吴文俊人工智能奖)获得者
l 中国创新方法大赛总决赛(海南代表队)最好记录保持者
l 海南省发明专利(信息技术领域)授权量最多者
l 全国企业创新增效大赛海南最好成绩保持者
l 全国人工智能应用场景创新挑战赛总决赛海南最好成绩保持者
l 海南省最美科技工作者(并入选全国候选人)
l 首届中国“AI+”创新创业大赛最佳创意奖
海南大学教授,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、海南省网络安全与信息化协会理事、海南省人工智能学会理事、中国医药卫生文化协会医工融合分会委员、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4500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)。
段玉聪 教授(Prof. Yucong Duan)
DIKWP人工意识实验室
AGI-AIGC-GPT评测DIKWP(全球)实验室
世界人工意识协会
duanyucong@hotmail.com
第二届世界人工意识大会(AC2024)期待您的加入
http://yucongduan.org/DIKWP-AC/2024/#/
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-7-7 08:15
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社