网络化DIKWP模型的四个空间的数学定义

段玉聪

人工智能评估的网络化DIKWP国际标准化委员会（DIKWP-SC）

世界人工意识CIC（WAC）

世界人工意识会议（WCAC）

（电子邮件：duanyucong@hotmail.com）

目录

1. 引言

2. 数学基础

• 2.1 集合与函数

• 2.2 图论

• 2.3 转化与映射

3. 定义四个空间

• 3.1 概念空间（ConC）

• 3.2 认知空间（ConN）

• 3.3 语义空间（SemA）

• 3.4 意识空间（ConsciousS）

4. 与网络化DIKWP转化的整合

• 4.1 转化与空间的映射

• 4.2 空间之间的相互作用

5. 转化模式的数学表示

• 5.1 最小影响转化

• 5.2 直接转化

• 5.3 间接与复杂转化

• 5.4 转化动态

6. 结论

7. 参考文献

1. 引言

数据-信息-知识-智慧-意图（DIKWP）模型作为一个全面的框架，用于理解认知元素的进展和转化。四个空间框架——包括概念空间（ConC）、认知空间（ConN）、语义空间（SemA）和意识空间——提供了一个多维视角来分析这些转化。本文档在网络化DIKWP转化的背景下，利用集合论、图论和函数映射的基础概念，对四个空间进行了数学形式化。

2. 数学基础

为了严格定义四个空间及其与DIKWP转化的相互作用，我们建立以下数学基础。

2.1 集合与函数

集合：由不同对象组成的基本集合。

符号：大写字母（例如，$S,C,D$）表示集合；小写字母（例如，$s,c,d$）表示元素。

函数：从一个集合到另一个集合的映射。

符号：$f:A\to B$ 表示一个函数 $f$ 将元素从集合 $A$ 映射到集合 $B$。

关系：集合笛卡尔积的子集，表示元素之间的连接。

符号：$R\subseteq A\times B$ 表示集合 $A$ 和 $B$ 之间的关系。

2.2 图论

图：由节点（顶点）和边（连接）组成的结构。

符号：$G=(V,E)$ 其中 $V$ 是顶点集合，$E$ 是边集合。

有向图：边具有方向的图。

符号：$G=(V,E)$ 其中 $E\subseteq V\times V$。

无向图：边没有方向的图。

符号：$G=(V,E)$ 其中 $E\subseteq \{\{u,v\}\mid u,v\in V\}$。

2.3 转化与映射

转化函数：将一个认知元素转化为另一个的函数。

符号：TXY:X→YT_{XY}: X \rightarrow YTXY​:X→Y，其中 $X,Y\in \{D,I,K,W,P\}$。

复合函数：多个函数的顺序应用。

符号：$f\circ g$ 表示先应用函数 $g$，然后应用函数 $f$。

3. 定义四个空间

四个空间中的每一个都被数学地定义，以封装DIKWP模型认知过程的特定方面。

3.1 概念空间（ConC）

定义：概念空间（ConC）是一个有向图，表示概念的认知表示、它们的属性和概念之间的关系。

数学表示：

GraphConC=(VConC,EConC)\text{Graph}_{ConC} = (V_{\text{ConC}}, E_{\text{ConC}})GraphConC​=(VConC​,EConC​)

• 顶点（VConCV_{\text{ConC}}VConC​）：每个顶点 v∈VConCv \in V_{\text{ConC}}v∈VConC​ 代表一个独特的概念。

• 边（EConCE_{\text{ConC}}EConC​）：每条边 e=(vi,vj)∈EConCe = (v_i, v_j) \in E_{\text{ConC}}e=(vi​,vj​)∈EConC​ 代表从概念 viv_ivi​ 到概念 vjv_jvj​ 的关系。

属性与关系：

• 属性：每个概念 $v$ 具有属性集 A(v)={a1(v),a2(v),…,an(v)}A(v) = \{a_1(v), a_2(v), \dots, a_n(v)\}A(v)={a1​(v),a2​(v),…,an​(v)}。

• 关系：R(vi,vj)R(v_i, v_j)R(vi​,vj​) 表示概念 viv_ivi​ 和 vjv_jvj​ 之间的关系类型。

操作：

• 查询：QConC(VConC,EConC,q)→{v1,v2,…,vm}Q_{\text{ConC}}(V_{\text{ConC}}, E_{\text{ConC}}, q) \rightarrow \{v_1, v_2, \dots, v_m\}QConC​(VConC​,EConC​,q)→{v1​,v2​,…,vm​} 返回满足查询 $q$ 的概念。

• 添加概念：AddConC(VConC,v)=VConC∪{v}\text{Add}_{\text{ConC}}(V_{\text{ConC}}, v) = V_{\text{ConC}} \cup \{ v \}AddConC​(VConC​,v)=VConC​∪{v} 向概念空间中添加一个新概念 $v$。

• 更新属性：UpdateConC(VConC,v,A(v))={v′∈VConC∣v′=v}∪{v′∣v′ has updated attributes A(v)}\text{Update}_{\text{ConC}}(V_{\text{ConC}}, v, A(v)) = \{ v' \in V_{\text{ConC}} \mid v' = v \} \cup \{ v' \mid v' \text{ has updated attributes } A(v) \}UpdateConC​(VConC​,v,A(v))={v′∈VConC​∣v′=v}∪{v′∣v′ has updated attributes A(v)} 更新概念 $v$ 的属性集。

示例：

• 概念添加：

• 添加概念“汽车”及其属性：$A(\text{"Car"})=\{\text{wheels}=4,\text{purpose}=\text{"transportation"},\text{capacity}=\text{"passengers or goods"}\}$

• 添加关系：$R(\text{"Car"},\text{"Transportation"})=\text{"is a type of"}$

3.2 认知空间（ConN）

定义：认知空间（ConN）是一个功能空间，认知处理在其中通过一系列认知函数将输入从一个DIKWP组件转化为另一个。

数学表示：

$\text{ConN}=(R,F)$

• 关系（$R$）：表示DIKWP组件之间信息流和转化的依赖关系。

• 函数集（$F$）：F={fConN1,fConN2,…,fConNn}F = \{f_{\text{ConN}_1}, f_{\text{ConN}_2}, \dots, f_{\text{ConN}_n}\}F={fConN1​​,fConN2​​,…,fConNn​​}每个函数 fConNi:Inputi→Outputif_{\text{ConN}_i}: \text{Input}_i \rightarrow \text{Output}_ifConNi​​:Inputi​→Outputi​ 代表一个具体的认知处理步骤。

输入与输出空间：

• 输入空间（Inputi\text{Input}_iInputi​）：Inputi⊆{D,I}\text{Input}_i \subseteq \{D, I\}Inputi​⊆{D,I} 数据或信息输入。

• 输出空间（Outputi\text{Output}_iOutputi​）：Outputi⊆{I,K,W,P}\text{Output}_i \subseteq \{I, K, W, P\}Outputi​⊆{I,K,W,P} 处理后的输出，如信息分类、知识形成、智慧综合或意图确定。

函数分解：

fConNi=fConNi(5)∘fConNi(4)∘⋯∘fConNi(1)f_{\text{ConN}_i} = f_{\text{ConN}_i}(5) \circ f_{\text{ConN}_i}(4) \circ \dots \circ f_{\text{ConN}_i}(1)fConNi​​=fConNi​​(5)∘fConNi​​(4)∘⋯∘fConNi​​(1)

每个 fConNi(j)f_{\text{ConN}_i}(j)fConNi​​(j) 代表认知过程中的一个子步骤（例如，数据预处理、特征提取、模式识别）。

示例：

函数 fConN1f_{\text{ConN}_1}fConN1​​ 用于数据到信息的转化：

fConN1=fConN1(3)∘fConN1(2)∘fConN1(1)f_{\text{ConN}_1} = f_{\text{ConN}_1}(3) \circ f_{\text{ConN}_1}(2) \circ f_{\text{ConN}_1}(1)fConN1​​=fConN1​​(3)∘fConN1​​(2)∘fConN1​​(1)

子步骤：

1. 数据预处理：清洗和规范化原始数据。

2. 特征提取：从数据中识别相关特征。

3. 模式识别：检测数据中的模式和趋势。

函数组合示例：

fConN1(3)∘fConN1(2)∘fConN1(1)(D)=If_{\text{ConN}_1}(3) \circ f_{\text{ConN}_1}(2) \circ f_{\text{ConN}_1}(1)(D) = IfConN1​​(3)∘fConN1​​(2)∘fConN1​​(1)(D)=I

其中：

• $D$ 是原始数据。

• $I$ 是处理后的信息。

3.3 语义空间（SemA）

定义：语义空间（SemA）是一个有向图，表示语义单元及其关联，促进DIKWP模型内意义的沟通和解释。

数学表示：

GraphSemA=(VSemA,ESemA)\text{Graph}_{SemA} = (V_{\text{SemA}}, E_{\text{SemA}})GraphSemA​=(VSemA​,ESemA​)

• 顶点（VSemAV_{\text{SemA}}VSemA​）：每个顶点 s∈VSemAs \in V_{\text{SemA}}s∈VSemA​ 代表一个语义单元（例如，词语、短语）。

• 边（ESemAE_{\text{SemA}}ESemA​）：每条边 e=(si,sj)∈ESemAe = (s_i, s_j) \in E_{\text{SemA}}e=(si​,sj​)∈ESemA​ 代表语义单元 sis_isi​ 和 sjs_jsj​ 之间的语义关系。

操作：

• 查询：QSemA(VSemA,ESemA,q)→{s1,s2,…,sm}Q_{\text{SemA}}(V_{\text{SemA}}, E_{\text{SemA}}, q) \rightarrow \{s_1, s_2, \dots, s_m\}QSemA​(VSemA​,ESemA​,q)→{s1​,s2​,…,sm​} 返回满足查询 $q$ 的语义单元。

• 添加语义单元：AddSemA(VSemA,s)=VSemA∪{s}\text{Add}_{\text{SemA}}(V_{\text{SemA}}, s) = V_{\text{SemA}} \cup \{ s \}AddSemA​(VSemA​,s)=VSemA​∪{s} 向语义空间中添加一个新语义单元 $s$。

• 更新关系：UpdateSemA(ESemA,si,sj,r)={e′∈ESemA∣e′=(si,sj,r)}\text{Update}_{\text{SemA}}(E_{\text{SemA}}, s_i, s_j, r) = \{ e' \in E_{\text{SemA}} \mid e' = (s_i, s_j, r) \}UpdateSemA​(ESemA​,si​,sj​,r)={e′∈ESemA​∣e′=(si​,sj​,r)} 更新语义单元 sis_isi​ 和 sjs_jsj​ 之间的关系 $r$。

示例：

• 语义单元添加：

• 添加语义单元“驾驶”和“燃油消耗”并建立关系：$R(\text{"Driving"},\text{"Fuel Consumption"})=\text{"causality"}$

3.4 意识空间（ConsciousS）

定义：意识空间（ConsciousS）封装了认知的伦理、反思和基于价值的维度，将意图整合到认知和语义过程中。

数学表示：

ConsciousS=(VConsciousS,EConsciousS,P)\text{ConsciousS} = (V_{\text{ConsciousS}}, E_{\text{ConsciousS}}, P)ConsciousS=(VConsciousS​,EConsciousS​,P)

• 顶点（VConsciousSV_{\text{ConsciousS}}VConsciousS​）：每个顶点 c∈VConsciousSc \in V_{\text{ConsciousS}}c∈VConsciousS​ 代表一个伦理或反思概念。

• 边（EConsciousSE_{\text{ConsciousS}}EConsciousS​）：每条边 e=(ci,cj)∈EConsciousSe = (c_i, c_j) \in E_{\text{ConsciousS}}e=(ci​,cj​)∈EConsciousS​ 代表伦理或反思概念 cic_ici​ 和 cjc_jcj​ 之间的关系。

• 目的（$P$）：$P$ 表示影响意识空间内转化的目的驱动函数集。

数学操作：

• 伦理评估函数：EvaluateConsciousS:(K×P)→W\text{Evaluate}_{\text{ConsciousS}}: (K \times P) \rightarrow WEvaluateConsciousS​:(K×P)→W将知识 $K$ 和目的 $P$ 整合生成智慧 $W$。

• 目的定义函数：DefineConsciousS:P→P′\text{Define}_{\text{ConsciousS}}: P \rightarrow P'DefineConsciousS​:P→P′基于伦理考量建立或完善目的 P′P'P′。

示例：

• 伦理评估：EvaluateConsciousS(K,P)=W\text{Evaluate}_{\text{ConsciousS}}(K, P) = WEvaluateConsciousS​(K,P)=W将知识 $K$ 与目的 $P$ 整合生成智慧 $W$。

• 目的定义：DefineConsciousS(P)=P′\text{Define}_{\text{ConsciousS}}(P) = P'DefineConsciousS​(P)=P′基于伦理审议将目的 $P$ 精炼为 P′P'P′。

4. 与网络化DIKWP转化的整合

四个空间与网络化DIKWP转化的整合涉及将每种转化模式映射到特定的空间，并定义这些空间在转化过程中的相互作用。

4.1 转化与空间的映射

DIKWP模型中的每种转化模式 TXY:X→YT_{XY}: X \rightarrow YTXY​:X→Y 被基于转化的性质映射到一个或多个空间。

转化映射示例：

4.2 空间之间的相互作用

转化通常涉及多个空间的协同工作。空间之间的相互作用确保转化过程的一致性、伦理基础和上下文相关性。

示例1：TK→WT_{K \rightarrow W}TK→W​（知识到智慧）

• ConN：

• 将结构化的知识综合为高阶洞见。

• ConsciousS：

• 将伦理和上下文考量整合到智慧中。

结果：

• 智慧既具有智力上的稳健性，又符合伦理标准。

解释：

• 这种相互作用确保转化过程的一致性和伦理基础，增强了认知过程的深度和适用性。

示例2：TI→PT_{I \rightarrow P}TI→P​（信息到目的）

• SemA：

• 形塑信息语义以对齐战略目标。

• ConsciousS：

• 确保目的定义符合伦理标准。

结果：

• 由伦理和语义对齐的信息驱动的目的目标。

示例3：TD→WT_{D \rightarrow W}TD→W​（数据到智慧）

• ConN：

• 将原始数据处理为可操作的洞见。

• ConsciousS：

• 应用伦理考量以合成智慧。

结果：

• 直接从数据中衍生的伦理智慧。

示例4：TW→PT_{W \rightarrow P}TW→P​（智慧到目的）

• ConsciousS：

• 利用智慧定义或精炼目的。

结果：

• 与伦理智慧对齐的目的。

5. 转化模式的数学表示

每种转化模式 TXY:X→YT_{XY}: X \rightarrow YTXY​:X→Y 可以表示为一个函数，将元素从一个DIKWP组件映射到另一个组件内的适当空间。

5.1 最小影响转化（$D\to D,I\to I,K\to K,W\to W,P\to P$）

定义：最小影响转化涉及在不显著改变现有元素的情况下，保持其完整性和一致性。

数学表示：

TXX:X→XT_{XX}: X \rightarrow XTXX​:X→X

其中 $X\in \{D,I,K,W,P\}$。

映射空间：

• ConN

因为这些转化主要涉及认知空间内的内部强化。

示例：

• TD→DT_{D \rightarrow D}TD→D​ : 数据验证和强化。

• TI→IT_{I \rightarrow I}TI→I​ : 信息精炼和澄清。

• TK→KT_{K \rightarrow K}TK→K​ : 知识巩固和更新。

• TW→WT_{W \rightarrow W}TW→W​ : 智慧精炼和伦理审查。

• TP→PT_{P \rightarrow P}TP→P​ : 目的确认和目标调整。

5.2 直接转化（$D\to I,D\to K,D\to W,D\to P$）

定义：直接转化涉及将原始数据处理为更精炼的构造或将数据与特定目的对齐。

数学表示：

TXY:D→YT_{XY}: D \rightarrow YTXY​:D→Y

其中 $Y\in \{I,K,W,P\}$。

映射空间：

• ConN, ConC（对于 $W$ 和 $P$ 还涉及 ConsciousS）

示例：

• TD→IT_{D \rightarrow I}TD→I​：TD→I:SD×CD×ID→SI×CI×IIT_{D \rightarrow I}: \mathcal{S}_D \times \mathcal{C}_D \times \mathcal{I}_D \rightarrow \mathcal{S}_I \times \mathcal{C}_I \times \mathcal{I}_ITD→I​:SD​×CD​×ID​→SI​×CI​×II​通过识别模式和关系将数据处理为信息。

• TD→KT_{D \rightarrow K}TD→K​：TD→K:SD×CD×ID→SK×CK×IKT_{D \rightarrow K}: \mathcal{S}_D \times \mathcal{C}_D \times \mathcal{I}_D \rightarrow \mathcal{S}_K \times \mathcal{C}_K \times \mathcal{I}_KTD→K​:SD​×CD​×ID​→SK​×CK​×IK​通过结构化和组织信息将数据分析为知识。

• TD→WT_{D \rightarrow W}TD→W​：TD→W:SD×CD×ID→SW×CW×IWT_{D \rightarrow W}: \mathcal{S}_D \times \mathcal{C}_D \times \mathcal{I}_D \rightarrow \mathcal{S}_W \times \mathcal{C}_W \times \mathcal{I}_WTD→W​:SD​×CD​×ID​→SW​×CW​×IW​通过整合伦理和上下文洞见将数据合成为智慧。

• TD→PT_{D \rightarrow P}TD→P​：TD→P:SD×CD×ID→SP×CP×IPT_{D \rightarrow P}: \mathcal{S}_D \times \mathcal{C}_D \times \mathcal{I}_D \rightarrow \mathcal{S}_P \times \mathcal{C}_P \times \mathcal{I}_PTD→P​:SD​×CD​×ID​→SP​×CP​×IP​基于数据驱动的目的定义，与组织或个人目标对齐。

5.3 间接与复杂转化（$I\to D,I\to I,I\to K,I\to W,I\to P;K\to D,K\to I,K\to K,K\to W,K\to P;W\to D,W\to I,W\to K,W\to W,W\to P;P\to D,P\to I,P\to K,P\to W,P\to P$）

定义：间接与复杂转化通过多个互联的过程促进元素的演变，通常涉及多个空间。

数学表示：

TXY:X→YT_{XY}: X \rightarrow YTXY​:X→Y

其中 $X,Y\in \{I,K,W,P\}$ 且 $X=Y$。

映射空间：

• 多个空间（ConC, ConN, SemA, ConsciousS）

示例：

• TI→KT_{I \rightarrow K}TI→K​：TI→K:SI×CI×II→SK×CK×IKT_{I \rightarrow K}: \mathcal{S}_I \times \mathcal{C}_I \times \mathcal{I}_I \rightarrow \mathcal{S}_K \times \mathcal{C}_K \times \mathcal{I}_KTI→K​:SI​×CI​×II​→SK​×CK​×IK​通过建立逻辑和语义连接将信息组织为知识框架。

• TK→WT_{K \rightarrow W}TK→W​：TK→W:SK×CK×IK→SW×CW×IWT_{K \rightarrow W}: \mathcal{S}_K \times \mathcal{C}_K \times \mathcal{I}_K \rightarrow \mathcal{S}_W \times \mathcal{C}_W \times \mathcal{I}_WTK→W​:SK​×CK​×IK​→SW​×CW​×IW​通过整合伦理和上下文洞见将知识合成为智慧。

• TW→PT_{W \rightarrow P}TW→P​：TW→P:SW×CW×IW→SP×CP×IPT_{W \rightarrow P}: \mathcal{S}_W \times \mathcal{C}_W \times \mathcal{I}_W \rightarrow \mathcal{S}_P \times \mathcal{C}_P \times \mathcal{I}_PTW→P​:SW​×CW​×IW​→SP​×CP​×IP​通过伦理标准将智慧塑造成目的。

一般表示：

TXY:SX×CX×IX→SY×CY×IYT_{XY}: \mathcal{S}_X \times \mathcal{C}_X \times \mathcal{I}_X \rightarrow \mathcal{S}_Y \times \mathcal{C}_Y \times \mathcal{I}_YTXY​:SX​×CX​×IX​→SY​×CY​×IY​

其中 SX,CX,IX\mathcal{S}_X, \mathcal{C}_X, \mathcal{I}_XSX​,CX​,IX​ 和 SY,CY,IY\mathcal{S}_Y, \mathcal{C}_Y, \mathcal{I}_YSY​,CY​,IY​ 分别代表各自空间中的语义属性、概念和实例。

5.4 转化动态

协同互动：许多转化涉及空间之间的协同互动，增强认知和社会过程的深度和适用性。

伦理整合：意识空间（ConsciousS）在涉及智慧的转化中始终发挥关键作用，确保伦理考量是过程的组成部分。

协同数学表示：

Synergy(X,Y)=fConN(X)+fConsciousS(Y)\text{Synergy}(X, Y) = f_{\text{ConN}}(X) + f_{\text{ConsciousS}}(Y)Synergy(X,Y)=fConN​(X)+fConsciousS​(Y)

其中 $X$ 和 $Y$ 是需要认知和伦理处理的转化模式。

示例：创新周期

Innovation Cycle=ConC→TConC→ConNConN→TConN→SemASemA→TSemA→ConsciousSConsciousS→TConsciousS→ConCConC\text{Innovation Cycle} = \text{ConC} \xrightarrow{T_{\text{ConC} \rightarrow \text{ConN}}} \text{ConN} \xrightarrow{T_{\text{ConN} \rightarrow \text{SemA}}} \text{SemA} \xrightarrow{T_{\text{SemA} \rightarrow \text{ConsciousS}}} \text{ConsciousS} \xrightarrow{T_{\text{ConsciousS} \rightarrow \text{ConC}}} \text{ConC}Innovation Cycle=ConCTConC→ConN​​ConNTConN→SemA​​SemATSemA→ConsciousS​​ConsciousSTConsciousS→ConC​​ConC

这个周期代表一个持续的循环，思想被生成、处理、沟通、伦理评估和精炼。

5.5 转化模式的数学形式化

DIKWP图系统将数字世界和认知世界的元素映射到五个主要组件：数据图（DG）、信息图（IG）、知识图（KG）、智慧图（WG）和目的图（PG）。每个图进一步细分为三个映射层次：语义层、概念层和实例层。因此，每个图 $g\in G$ 是一个三元组映射：

$g:S\times C\times I\to g$

其中：

• $G$：所有图的集合（$G=\{DG,IG,KG,WG,PG\}$）。

• $S$：语义层集合。

• $C$：概念集合。

• $I$：实例集合。

函数 $f$：

$f:G\times G\to G$

表示将两个图的交互映射到另一个图的转化函数。

示例转化：

f(DG,KG)=TDG→KGf(DG, KG) = T_{DG \rightarrow KG}f(DG,KG)=TDG→KG​

这个函数表示从数据图到知识图的转化。

6. 结论

通过数学定义四个空间及其与网络化DIKWP转化的整合，我们建立了一个稳健的框架，用于分析和理解涉及数据、信息、知识、智慧和意图转化的复杂认知过程。这一形式化促进了精确的映射，增强了转化路径的清晰度，并支持与人类认知结构对齐的计算模型和AI系统的发展。

关键见解：

• 全面映射：网络化DIKWP模型内的所有25种转化模式在四个空间框架中得到了有效的涵盖，确保无遗漏。

• 互联性：四个空间之间的协同互动增强了转化的深度和适用性，促进了对认知和社会过程的整体理解。

• 伦理整合：意识空间（ConsciousS）在嵌入伦理和上下文洞见到转化过程中起到了关键作用，确保了负责任和有意义的结果。

• 数学严谨性：形式化的数学表示提供了精确性和清晰度，使框架能够应用于计算模型和AI系统中。

影响：

• 理论稳健性：该框架将抽象的认知概念与精确的数学结构相结合，增强了理论理解。

• 实际适用性：使设计模仿人类认知转化的AI系统成为可能，确保与伦理和目的驱动目标的一致性。

• 未来研究：为进一步探索复杂认知过程及其数学建模提供了基础，促进了认知科学和AI的进步。

7. 参考文献

• Arnheim, R. (1969). Visual Thinking. University of California Press.

• Chalmers, D. J. (1996). The Conscious Mind: In Search of a Fundamental Theory. Oxford University Press.

• Danto, A. (1997). After the End of Art. Princeton University Press.

• Duan, Y. (2022). The End of Art - The Subjective Objectification of DIKWP Philosophy. ResearchGate.

• Dennett, D. C. (1991). Consciousness Explained. Little, Brown and Company.

• Floridi, L. (2011). The Philosophy of Information. Oxford University Press.

• Gombrich, E. H. (1950). The Story of Art. Phaidon Press.

• Heidegger, M. (1971). Poetry, Language, Thought. Harper & Row.

• Kurzweil, R. (2005). The Singularity Is Near: When Humans Transcend Biology. Viking Press.

• Manovich, L. (2001). The Language of New Media. MIT Press.

• Moravec, H. (1988). Mind Children: The Future of Robot and Human Intelligence. Harvard University Press.

• Paul, C. (2015). Digital Art. Thames & Hudson.

• Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.

• Searle, J. R. (1980). "Minds, Brains, and Programs." Behavioral and Brain Sciences, 3(3), 417-457.

• Zeki, S. (1999). Inner Vision: An Exploration of Art and the Brain. Oxford University Press.

• Additional Works by Duan, Y. Various publications on the DIKWP model and its applications in artificial intelligence, philosophy, and societal analysis.

• Yucong Duan, etc. (2024). DIKWP Conceptualization Semantics Standards of International Test and Evaluation Standards for Artificial Intelligence based on Networked Data-Information-Knowledge-Wisdom-Purpose (DIKWP ) Model. 10.13140/RG.2.2.32289.42088.

• Yucong Duan, etc. (2024). Standardization of DIKWP Semantic Mathematics of International Test and Evaluation Standards for Artificial Intelligence based on Networked Data-Information-Knowledge-Wisdom-Purpose (DIKWP ) Model. 10.13140/RG.2.2.26233.89445.

• Yucong Duan, etc. (2024). Standardization for Constructing DIKWP-Based Artificial Consciousness Systems ----- International Test and Evaluation Standards for Artificial Intelligence based on Networked Data-Information-Knowledge-Wisdom-Purpose (DIKWP ) Model. 10.13140/RG.2.2.18799.65443.

• Yucong Duan, etc. (2024). Standardization for Evaluation and Testing of DIKWP Based Artificial Consciousness Systems - International Test and Evaluation Standards for Artificial Intelligence based on Networked Data-Information-Knowledge-Wisdom-Purpose (DIKWP ) Model. 10.13140/RG.2.2.11702.10563.