引论：我们为您整理了13篇人工智能档案范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
1.1人工智能技术
在20世纪50年代中期，欧美等发达国家就已经率先提出了人工智能的概念，并且将这一理论概念逐渐的发展成为了现实存在的技术，震惊了学术界。目前，科学家们致力于研究更加精深的人工智能技术，为此开发了多种多样的理论原理，而人工智能也随着经济全球化得到了普及，被运用到了全球的各个角落当中去，为各行各业的生产力发展提供了巨大的动力。当然，人们所提到人工智能技术的时候，首先会提到的就是AI技术，它是人工智能技术的一个缩写，是通过计算机网络的方式将多个系统集合起来，从而形成一个可以模拟人脑的智能机器，人工智能技术包括了机器视觉、指纹识别、人脸识别、虹膜识别、智能搜索和专家系统等。从这个角度来看，人工智能技术实际上是对人的大脑的一次复制和模拟，尤其是对人脑当中的思维意识和思维过程的一次模拟，但人工智能并不能够与人脑完全等同，他只是人脑的一个低端复制，并不能够超过人的智慧，也不能够进行独立的人类思考。
1.2档案管理
档案管理这项工作属于行政管理工作的范畴，它普遍存在于各行各业和各个层次的公司当中，即便是在规模小的公司，也一定都会具有相应的档案管理工作和专门的负责人员。在传统的档案工作当中，人们主要是通过记忆和书写的方式将一本本档案进行反复的装订和整理，并且撰写目录，相对来说耗时耗力，出现错误的可能性也十分的高。随着科学技术的不断发展，人们更多地将计算机信息技术运用到了档案管理工作当中去，极大地解放了这项工作的生产力，提高了档案管理的工作效率，也使得越来越多的管理人员能够从繁杂的档案整理和文书撰写当中解脱出来。档案管理的内容和项目是复杂的，除了一般的人事档案以外，还包括了文书档案、发展档案、项目档案、财务档案等等内容。
2人工智能技术在档案管理信息化中应用的必要性
2.1降低错误率
将人工智能技术科学地运用到档案管理工作当中去，最显而易见的一个优势就是可以极大程度上降低档案管理的出错率。目前，利用人工智能技术当中的智能检索技术，就可以轻易地降低档案管理和借阅过程当中的错误率，无论是利用语音输入还是图片检索的方式，都使得检索途径逐渐的优化和拓宽，也使得检索的时间成本正在不断的被压缩[2]。另外，有部分工作人员在进行关键词检索的时候，可能对于自己想要的档案和主要的内容还是比较模糊的，这时候利用智能检索技术当中的延伸检索技术，可以对其他相关的档案内容和关键词进行一个拓展和推送，使得用户既能够了解到目前所需的、与关键词相关的档案内容，同时又可以了解到与这些档案相关联或其他用户较多搜索的关联档案内容。即可以不再依赖人力进行档案文字的查阅，通过计算机网络的关键词检索就可以完成档案的查阅，极大地降低了错误率。
2.2提高管理效率
以项目档案为例展开论述的话，当企业展开一个经济活动和项目的时候所需要收集的档案是多方面的，不仅包括了企业的前期投入以及招投标的各个环节，同时也包括了企业的预算以及最后的企业项目负责人员、企业项目决策会议内容等等。如果可以利用人工智能技术，首先在计算机网络当中编制一个成熟的程序，将这些不同的环节和内容首先预留出来，然后再进行完一项工作以后，自动自发地将工作所涉及的档案内容和具体信息上传到计算机中来，最终当整个项目完成以后，就能够形成一份十分详实且准确的项目档案。这种方式可以节约档案管理人员大量的时间，使得他们不用整日被淹没在浩瀚的数据信息当中。档案管理人员往往只需要在后台进行简单的编程操作和扫描工作，就可以将所有的项目信息收录起来，在后期进行简单的排版和目录编制，即可完成一本优秀的项目档案[3]。
2.3减少成本投入
在人工智能可以节约成本这方面，有部分中小企业会表示出较大的质疑情绪，他们认为，人工智能技术相较于传统的聘用管理人员需要付出更多的科技成本，并且后期的养护和维修成本也是一笔高额的支出。人工智能技术是一项长远的投入，当购买一套人工智能技术以后，不仅仅代表着购买了其中的编程和设备，更多的是购买了其中所包含的配套设施和服务，也就是后期的各种更新和维护服务。在传统的档案管理工作当中，企业需要雇佣大量的管理人才，需要付出巨额的人力资源成本，并且还需要缴纳相应的保险支出部分福利。而人工智能技术则更像是一种一次性的投入，仅仅需要在前期支付一笔大额的设备使用和专利使用费用即可。同时，人工智能技术也不需要休假，24h都可以进行工作，工作效率也会一直处于饱和状态。人工智能技术从长远来看，对企业的成本产生了巨大的节约作用。
2.4提高安全性
对于一些大型的企业项目和国家机关事业单位来说，在档案管理的工作当中，最重视的就是安全性问题。在传统的档案管理工作当中，主要是依靠人力来完成管理工作，这样一来就存在着很多的不确定性，一旦档案工作人员自身的思想意志不够坚定，就非常容易出现以权谋私贩卖企业经济信息，以及泄漏政府核心机密的问题。现阶段，如果可以使用人工智能技术来代替传统的人力管理，那么相对来说安全性就得到了保障，人工智能技术可以根据前期编程员所设置的种种权限，一些不具备权限的人员想要查阅这些档案是绝对不可能的，而这些档案也必然会在多重安全密钥的加密之下，更加稳妥的被保管在计算机硬盘当中。但这一切都需要建立在已经能够对档案管理信息化系统的安全性充分保障的基础之上，也就是需要建立起更加牢固的防火墙，有效地规避黑客风险和病毒风险。
3人工智能技术在档案管理信息化中的应用措施
探讨人工智能技术在档案管理信息化当中的应用措施，更多的是从技术角度进行探究的。本文按照不同的技术层面对措施进行分类探究，重点提出了系统智能识别技术、指纹虹膜识别技术以及网络平台共享技术3项内容。
3.1系统智能识别技术
人工智能技术最核心也是最基本的技术，就是系统智能识别技术，这一技术也是目前人工智能技术当中发展最为成熟，运用最为广泛的一项技术。目前所探讨的系统，智能识别技术就是经常能够在搜索引擎上使用的搜索框，目前在智能识别技术当中，不仅仅可以通过文字的形式进行检索，同时还可以通过语音的形式进行检索，通过图片的形式智能判断，而这些技术都可以被广泛地运用到档案管理的信息化工作当中来。举例来说，如果想要进行查阅档案工作的时候，就可以利用系统智能识别技术，将已知的档案文号或者档案标题或者是档案当中内容的关键词放置到搜索框当中，只需要轻轻的点击检索按钮，那么即可以搜索出与之相关的各种档案。在语音识别技术方面同样如此，可以通过语音的方式将所口述的内容转化成为文字，在系统当中自动的进行检索，寻找所需要的档案。而图片智能识别技术则更多的被运用在一些历史档案和项目档案当中，例如企业在发展的过程当中所兴办的一些项目可能已经年代久远，记不清当中的关键词和具体信息，但是在官方网站上具有当时项目的相关图片，那么就可以将图片放置到搜索框当中点击搜索。包含此图片或相近图片内容的档案就会一目了然的展示在我们的面前[4]。
3.2指纹虹膜识别技术
在前文中已经提到，对于档案管理工作来说，其最重要也是最难克服的一项问题就是安全问题，如果安全问题无法得到保障，那么档案当中的信息就时刻都有可能被暴露在大众的面前，尤其是在涉及到一些经济项目或政府机密文件的时候，安全问题应当是我们首要需要保障的。利用指纹识别技术和虹膜识别技术，就可以很大程度上杜绝安全隐患[5]。举例来说，当查阅一些机密文件的时候，那么首先就可以对查阅人的虹膜和指纹进行识别，在前期档案管理工作的时候，要对这些机密文件进行权限的设置，只有专门的人员才能够查阅这些文件。例如，政府工作当中的一些文书档案和人事档案，涉及到了机关内部的人事调整和编制职数，这些都属于机密的内容，而在进行档案管理的时候，就可以将人事档案管理的工作人员、主管领导和单位的主要领导作为可查阅人员，将他们的指纹和虹膜录入进来。在后期，如果他人想要查阅这些档案的时候，系统就会自动的对这个人的虹膜进行扫描，一旦发现不匹配的问题，就会在系统内产生警告信息，并且直接以短信和电子邮件的形式发送至主管领导及人事档案管理人员的手机当中，可以有效对可能存在的风险产生一个预警机制。当主要领导和档案管理的负责人员看到某些人妄图窥探企业的机密档案的时候，那么就能够做出相应的处罚条例，积极地调整管理制度，这就可以使得档案管理工作逐渐朝着更好的道路发展，实现一个良性循环。
3.3网络平台共享技术
档案的查阅、借阅以及归还是一项十分复杂的工作，在传统的档案管理流程当中，主要是通过纸质文件的形式逐级进行向上审批，尤其是在涉及一些机密和机要文件的时候，更需要进行一个繁杂的审批流程。这时候，如果能够利用人工智能技术当中的网络平台共享技术，将这些审批流程进行简化，通过电子计算机或者说是OA软件的形式，在网上平台就能够完成各项审批工作。与此同时，在企业或单位内部一些可以公开的档案文件，可以利用平台中的共享技术直接展示在企业和单位的局域网络当中，只要是企业内部的人员，都可以通过自己的账户和ID进行直接登录和查阅[6]。举例来说，如果在新人培训的环节当中，需要让新人更多的了解到这个企业的发展历程和其中蕴含的深厚企业文化，那么就可以让这些员工登录计算机系统，在局域网内搜索相应的档案。这些档案当中记载着企业的发展历程是可以被完全公开的，不含有一些机密内容的，这样一来，员工的借阅档案和查阅资料，不需要经过繁杂的审批手续，大大减轻了档案管理人员的工作负担，真正实现了简政放权，做到了工作流程的优化与高效。
3.4智能检索技术
篇2
关键词 高校；人事档案；服务
高校人事档案工作，是高校组织人事部门的一项基础性工作，为学校干部队伍建设、教职工职称评审、岗位聘任等工作服务。一句话，为学校的稳定和发展是高校人事档案管理工作的出发点和归宿。高校是干部尤其是专业技术干部密集的地方，人事档案工作做得好不好，直接影响到学校的稳定与发展。而目前许多高校尤其是刚刚合并升格的地方本科院校，由于种种原因，人事档案管理工作存在不少问题，如档案意识不强，领导不够重视，基础工作薄弱，管理不够规范；管理手段、管理方式落后；管理人员素质不高，服务意识不强等等。所有这些严重制约和影响了人事档案工作服务功能的正常发挥。要想改变这种状况，充分发挥学校人事档案工作的服务功能，笔者认为，必须树立档案意识、规范意识、改革意识及服务意识，改革管理方式，提高档案管理人员素质。
一、牢固树立档案意识，切实加强对档案工作的领导
人事档案是记录和反映个人德能勤绩等方面情况的，经组织认可归档保存的个人材料。干部职工的人事档案材料是否完整、准确与安全，关系到每一位干部职工的切身利益和政治前途。但由于人事档案的保密性，使很多人对人事档案工作不是很了解，不知道什么材料该存档，什么材料不该存档，档案意识比较淡薄。其表现为：很多干部职工不积极配合人事部门，不主动把诸如学历、学位，资格考试、注册考试、获奖材料、继续教育证明等个人材料交到人事部门归档保存，而当晋升职务、升学考试等急需有关材料时，才心急火燎地来查找。不少领导甚至分管人事的领导也对档案工作不够重视，主要表现为：一是思想上不够重视。认为现在使用干部主要看工作能力和现实表现，档案只是拿来参考的材料，用处不大。二是不甚了解人事档案工作。认为人事档案工作就是收集材料、整理材料，有档案管理人员干就行，不需要领导亲力亲为。
由于不重视档案工作，在实际工作中就存在如下问题：一是没有按要求配备档案管理人员；二是没有按要求去搞好基础设施的配套建设；三是档案管理岗位上的人员变动比较大；四是需收集的人事档案材料比较多，工作人员负担过重。这些问题既影响了人事档案管理人员的工作积极性，又制约着人事档案管理工作水平的提高。
因此，要使高校人事档案工作更好地为学校的建设和发展服务，就必须加大人事档案工作重要性的宣传力度，使教职工尤其是领导干部进一步提高对人事档案工作重要性的认识，牢固树立档案意识。从而一方面积极主动地配合组织人事部门工作，把应当归档的个人材料递交组织人事部门。另一方面，学校领导要重视人事档案工作，在基础设施的配套建设、人员的配备、业务培训等方面给予支持，从而从整体上使人事档案工作水平得到提高。
二、牢固树立档案意识，切实抓好人事档案的基础工作
许多高校尤其是近年来由专科升格为本科的地方本科高校，人事档案不够规范，具体表现为：一是档案材料收集不齐全，对人事档案中必备的材料没收集全，造成档案材料流失。二是对档案材料的鉴别不准确，把一些不应当归档的材料或手续不完备的材料归入人事档案中，损害了档案的真实性。三是整理不及时，对收集来的档案材料没及时整理归档，使档案利用起来不方便。四是基础设施不达标，档案保管条件差，影响了档案的寿命和使用。五是管理制度不到位，管理不规范。
以上问题的存在，既有客观原因也有主观原因，就客观原因而言，一是新升本的本科高校无一例外地是由几所学校合并后才升格的，合并前由于隶属关系不同，其人事档案保管分属于不同的部门，呈多头管理状态。二是合并升格前，从领导到干部职工都忙于迎接升本评估的准备工作，无暇顾及人事档案管理规范化建设。三是合并升格后，在校教职工人数成倍增加，而档案管理人员没有相应增加，工作量大，任务繁重，人手短缺。从主观方面来说，人事档案管理规范意识淡薄，认识不到位导致工作不到位。
要使人事档案管理规范化，首先要树立规范意识。要充分认识到维护和保证教职工人事档案的完整性、准确性与安全性，是人事档案管理工作的基本任务，它直接关系到组织部门对干部的评价、培养和使用，涉及到贯彻落实党的干部路线，关系到每一位教职工的切身利益和政治前途，不能掉以轻心，容不得半点马虎。其次，切实抓好基础工作，努力做到以下四点：
一是建立材料收集制度。人事档案材料的收集是一项贯穿始终的经常性工作，不能单纯靠突击收集，要建立必要的工作制度，使人事档案材料收集制度化、程序化。二是认真鉴别材料的真伪和价值。按《干部人事档案管理规范》规定，对收集来的材料进行审查，本着“取之有据，弃之有理”的原则，对收集来的材料进行取舍。三是基础设施标准化。按档案管理基础设施建设的有关要求，设专用库房、阅览室、办公室，配置铁质档案柜，配备电脑、扫描仪等现代化设备，建立数据库及网络，使人事档案管理实现现代化。四是制定工作制度。按人事档案规范管理目标制定具体的工作制度，使每项工作有章可循，保证工作正常、有序、规范地进行。
三、强化改革意识，大胆改革传统的档案管理方式
据笔者了解，目前高校人事档案管理方式大多是比较传统的，大多数院校的档案还没实现数字化，档案管理还是以手工为主，收集材料的手段落后，常常因收集材料不及时，造成整理、归档不及时，使信息不能及时更新和补充，人事档案的管理停留在建档、管档的层面上；服务方式被动、方向单一，坐等用户上门来为其服务，只满足人事工作需要，没能将人事档案工作与学校干部队伍建设、师资队伍建设、学科建设等工作结合起来开展，对人事档案信息资源开发利用不够；人事档案只向组织开放，个人很难看到自己的档案，不大清楚档案里有哪些内容，因而制约了档案的利用。当前，我国的干部人事制度改革正在不断深化，高校也不例外，显然，传统的人事档案管理方式，已难以适应不断改革深化的人事管理工作的需要，因此，必须强化改革意识，从下面几个方面改变传统的管理方式。
一是运用现代化的手段、科学管理。信息技术的发展，为人事档案现代化管理提供了有效的技术手段，利用计算机在信息处理方面的强大功能，建立和完善干部人事档案数据库，及时更新信息，保证人事档案信息的时效性、真实性和准确性，从而提高档案的利用率。
二是与时俱进，丰富人事档案的内容。一方面建立档案材料收集的绿色渠道，确保档案材料收集齐全。另一方面，丰富人事档案内容，把能反映个人教学、科研、继续教育情况、道德品质、潜在能力等材料增加到档案中，真实、准确、完整、立体地反映干部职工情况，提高决策工作水平。
三是转变观念，主动服务。随着时代的进步和社会的要求，人们利用人事档案的比例在逐年上升，管理者应改变观念，提高服务意识，在工作中根据实际情况，除必须要保密的内容外，在教职工职称评审、进修学习、岗位聘任、工资晋升、办理退休等事宜时，尽最大努力为单位或个人用足用好档案材料，使人事档案工作真正为学校人事工作服务。
四、强化服务意识，不断提高档案人员的综合素质
如上所述，加强人事档案管理的目的，是为了充分利用人事档案资源，为学校建设和发展服务。因而，从某种意义来说，人事档案工作人员所从事的工作就是服务性工作。而要做好服务工作，必须强化服务意识，不断提高人事档案管理人员的综合素质。当前高校尤其是地方本科高校人事档案管理人员整体素质不高。主要表现为：有的政治素质不高，工作原则性不强；有的缺乏奉献精神，工作不安心，总想跳槽；有的没有受过系统或专门的学习培训，业务理论知识缺乏，业务不熟悉或业务水平不高；有的兼职人员，没有把主要时间放在档案管理上；有的服务意识淡薄，对前来查（借）阅档案的人员，不热情、不耐烦，脸难看、话难听。由于素质不高，严重影响了学校人事档案管理质量，使人事档案的服务功能没有得到充分发挥。
针对上述问题，高校组织人事部门应该采取有效措施，加强对人事档案管理工作的人才队伍建设。一是抓培训，通过培训，提高档案管理人员的政治素质和业务水平，这是提高工作效率和工作质量的主要途径，也是解决矛盾，提高人事档案服务功能的重要保证。二是从政治上关心档案管理人员的培养和成长。三是根据人事档案管理的有关规定，制定严格的工作制度。通过一系列措施，从整体上提高人事档案管理人员的综合素质，提高人事档案的管理水平。
参考文献：
篇3
1. 要有合格的政治素质
机关档案工作是档案工作的一部分，档案工作是一项政治机要性很强的工作，没有较高的政治素质和强烈的责任感是无法担任此项工作的。因此我们档案管理人员应该做到：
1.1档案工作的任务、工作对象和工作手段决定了它本身是一项服务性、条件性很强的工作。而档案工作与其他服务性工作的不同在于它不能通过服务对象直接产生效益，而是通过服务对象利用档案所取得的社会效益和经济效益来体现。不为名利、勤奋工作、积极主动、热情周到地为利用者提供优质的服务，是档案工作者职业道德素质的最基本要求。要有良好的职业道德和严谨的工作作风。要坚持实事求是，尊重历史，在工作中要本着对历史负责，为现实服务，替未来着想的原则，爱岗敬业，认真负责地做好本职工作。
1.2要有强烈的责任感和高度的事业心。机关单位档案工作是一项政治性、管理性、服务性很强的工作，这就要求档案工作者要时刻严守机密，守口如瓶；要充分发挥自己的主观能动性，不断强化工作能力，不断提升工作质量。
1.3具有必要的政策水平。既要熟悉和掌握国家有关档案工作的法规、政策，又要熟悉和掌握与档案工作相关的方针、政策、标准和方法。
1.4具有依法治档的法制意识。用法律和纪律约束自己，牢固树立以法治档的思想观念，与一切违反《档案法》的行为进行坚决的斗争。
2. 要有强健的身体素质
人事档案工作是一项艰苦而繁琐的工作。由于长期伏案工作、库房空气不流通以及整理档案过程中吸入有害菌等原因，导致在档案工作者身上出现了皮肤过敏、颈椎病、呼吸道疾病等各种难以根治的疾病。因此，要想做好档案工作，就必须加强体育锻炼，增强身体素质。
3. 要有良好的心理素质
心理素质是整体素质的基础，培养档案管理人员的心理素质是十分重要的。具体表现在：对本职工作具有浓厚的兴趣和满腔的工作热情。对工作要有主动性和创造性，积极主动地克服和解决所遇到的各种困难，克服畏难情绪，急流勇进。具有保持良好的心理状态、从容面对环境变化的能力。档案工作者时时刻刻都面对着新材料、新档案，工作内容也总是在重复，时间久了容易产生厌烦情绪，所以，面对这些变化，管理人员要保持心境宽广、意志坚定，对档案事业应保持执着的毅力，从容面对各种困难，激流勇进，不断调整自己的心理状态，来适应不断出现的新情况。
4. 要全面发展档案管理相关专业知识素质
科学文化知识是人类改造自然和改造社会的经验总结，要成为本职工作的行家里手，就要优化知识结构，拓宽知识面。既要熟练掌握一定的专业理论知识，又要熟练掌握与档案工作相关学科的基础知识，具备多种新知识、新技能，成为复合型档案专业人才。
掌握档案专业知识。档案工作是专门业务，从档案的收集、整理、保管、鉴定、统计到提供利用，有一整套的理论和工作方法，机关档案工作人员只有学习掌握这些理论与方法，才能保证工作质量，提高工作效能，逐步实现机关档案工作的科学管理。
掌握计算机知识。由于多媒体技术和网络技术在档案现代化管理中的广泛应用，计算机已经从辅工具逐渐成为档案现代化管理必备的技术，要适应档案管理现代化，就必须掌握计算机数据录入、数据库管理、多媒体和网络管理等方面的技能。
掌握一定的外语知识。在当今社会，没有一定的外语功底已难以胜任档案管理工作，尤其是英语。在计算机网络技术使用的各种软件以及网络信息资源中，占有很大比例，为适应工作的需要，机关单位档案工作者还需具备一定的英语应用能力，这样才能适应新时期、新形势对机关单位档案工作者的要求。
5. 要有精湛业务素质
树立以人为本的服务意识。以提供服务为己任，各项工作都应首先从利用者的角度来思考，一切服务都应以利用者的需求为出发点。
树立远大理想，热爱人事档案事业。明确自己肩负的责任，以主人翁的工作态度，严肃认真的工作作风，把高度责任心、事业心贯穿在人事档案工作的各个环节。
培养求真务实、精益求精的工作作风。人事档案工作是一项长期、艰苦、细致的工作，从材料的形成、收集、整理、归档、转递到档案的保管、利用，每一个环节都离不开求真务实，每一个过程都要求谨小慎微，任何一个细节的失误都会给后面的工作带来麻烦。
培养创新意识。人事档案工作者要善于在工作中发现问题、解决问题，不断改进，大胆创新；要不断转换思维方式，克服惯于从众的心理弱势和墨守陈规的保守思想；要有创新的观念和意识，为档案事业出谋划策，结合工作实际，提出新思路、新观点，改革原有的服务模式，利用现代化技术开发利用档案资源，促进机关单位人事档案工作的发展。
6. 要有科学的管理素养
静态管理与动态管理相结合。管理现存的人事档案是静态的，而积极主动地广泛收集、分项、整理档案资料，则是动态的。静，是相对的，动则是绝对的。边收集，收集要齐全；边整理，整理要细致；边归档，归档要严谨。这又是属于“动”的过程。归档以后入库，精心保管，这是属"静"的境界。
手工操作与微机操作相结合。随着科学技术的迅猛发展，计算机、网络的普及与应用，逐步实行人事档案的自动化管理是大势所趋。因此，人事档案管理者必须学习和运用现代化管理手段，加快档案管理现代化过程，尽早研制和开发具有机关单位人事管理即计算机档案管理软件，当是责无旁贷。
规章制度与实际情况相结合。只有制定并严格履行档案管理的各项规章制度，才能切实加强人事档案的管理工作，进一步推进人事档案工作的制度化、规范化、科学化，有效地发挥人事档案在机关管理工作中的作用。
作为新时期的档案工作者，只有树立远大理想，热爱档案事业，强化服务意识、法制意识，终生学习，丰富自身的知识结构，始终立足于与时俱进、改革创新，不断提高自身整体素质，才能成为新世纪档案工作的复合型管理人才，才能促进档案事业的发展，适应全面当前社会的新形势，为社会的进步、经济的繁荣做出自己的贡献。
参考文献：
[1]朱祥.信息时代档案管理工作者应具备的素质和能力[J].企业家天地，2008，（5）：145.
[2]鞠传信.浅谈档案工作人员的基本素质[J].山东档案，2007，（6）：46.
篇4
人工智能是指用一种新的能以人类智能相似的方式做出反应的智能机器，它能够自我学习和思考、判断并作出决策[2]。不过计算机获得智能的方式和人类不同，它不是依靠逻辑推理，而是靠着大数据和智能算法。因此人工智能的实质是在大数据基础上，通过深度学习，将数据挖掘问题转化为可计算问题来处理的过程。比如AlphaGo把下围棋这个难题转化为棋盘问题空间的表达和搜索问题，在学习数以万计棋谱的基础上，利用启发式搜索算法，求得当前的最优解，并不断迭代推演，最终战胜人类围棋世界冠军[3]。可见，人工智能并不神秘，并非遥不可攀，关键就在于数据的收集和算法的使用。而高校档案馆就是一个“数据密集型”部门，有大量的学籍、文书、科研、基建、人物等档案数据，可以充分利用人工智能技术对档案资源和用户数据进行挖掘，发现关系以及分析趋势，提供更加主动及优质的档案服务[4]。
二、人工智能技术在高校档案管理中的应用
人工智能技术在高校档案管理中的应用可以从思维、数据、技术等几个方面来进行研究。
1.思维方面
人工智能不仅仅是一种技术，更是一种思维方式的转变。工业革命以来，人们已经习惯了机械思维，相信所有问题都有一个通用的解决办法，并在努力寻求事物间的因果关系。进入人工智能时代，人们开始接受世界的不确定性，学会利用信息或者数据来消除这种不确定性，又逐渐利用相关关系取代因果关系，以更快地获得问题的近似解，如预测投票选举结果和预测股市波动。受此思维影响，高校档案工作者在指导各部门档案收整时可以不预先设定目标，而是先把所有能够收集到的本部门相关的档案数据收集起来，运用“全部留”的方法破解档案价值的不确定，档案价值认定难的问题。因为在人工智能时代，数据或信息不再是包袱，而是财富[5]，然后对这些档案数据分析挖掘，能够得到什么结论就是什么结论，用“数据说话”，尽量减少人工主观的干预活动。另外针对档案收整和利用的不确定性和易变性，可以引入外部信息，如历年数据、收整和利用的关系，利用者需求的变化等数据，以便对档案管理作出合理预测和规划。
2.数据方面
人工智能的基础是大数据。近几年大数据一词经常出现在媒体上，它的3V特性（体量大、多样性、及时性）也逐渐被更多人所熟知和接受，但大数据更重要的含义其实是多维度和完备性。具体到高校档案领域，档案数据多维度是指在常规档案显性数据以外，包含其它隐性维度的数据。比如在教学档案中，除学生姓名、成绩、学号、专业等基本信息以外，还应该收集整合学生的籍贯、出生年月、高考分数、高中学校、报考专业、奖惩明细、毕业学位信息、工作派遣单位等数据，如果有可能还可以跟踪补录学生就业后的一些个人数据信息，以便从多角度分析数据间的相关关系，挖掘隐含信息。档案数据的完备性是指包含档案管理全流程的数据。比如在文书档案中，除文件题名、责任者、归档时间等基本信息以外，还应该收集文件生成时间、地点，文件流转过程批注、修改、查阅人，档案整理人姓名、职务，档案移交时间，档案利用时间、人员姓名和单位，档案利用方式等数据，这些数据有助于打通从档案生成到档案利用之间的关系，使档案生成单位能更好的把握归档内容，及时获得档案利用者的反馈，调整归档策略，以提供更多利用者感兴趣或需要的档案。随着移动互联网和物联网技术的发展，档案大数据的收集越来越方便实时，把控每一个用户，每一卷档案和每一次档案利用细节也将成为现实。档案数据越来越丰富全面，档案案卷实体正在成为流通渠道、数据收集途径，这也为人工智能时代的档案数据收集提供了一个新的来源。
3.技术方面
人工智能技术主要包括软件和硬件两方面内容。软件主要指各种数据挖掘算法，常用的有启发式搜索算法、蒙特卡罗树搜索算法、神经网络算法等，这些算法可以解决在实际档案利用中如何有针对性地给用户推荐档案的问题。人工智能时代，人们追求档案利用的时效性和个性化，各种档案利用数据能够被即时而完整地记录下来。如档案查询关键词、查询时间、查询结果点击数、查询者账号信息、查询者满意度等，这些数据随时可用，以便系统及时做出分析。而随着算法的改进和提高，以往同类档案用户归类的推荐方式，可以进一步变为由档案直接推荐档案，由两类档案到两件具体档案的直接关联，一件档案被利用时，自动推荐和其相关的档案文件。随着档案利用数据的积累，尤其是和每一个用户相关的各种维度数据的积累，推荐将越来越靠谱，越来越准确，最终做到因人而异，完全个性化。硬件方面则主要采用在档案中插入RFID芯片和在档案阅览室安装各种监控摄像头。RFID是一种不需要电源的芯片，里面存储的信息可以被专门的阅读器发出的无线电波探测出来[6]。这种芯片价格便宜，将它装到各种物品上，就可以自动识别各种物品，进而跟踪物品。在档案管理中，RFID不仅可以记录档案生成期间的各种数据信息，还可以记录档案利用过程中的各种数据信息，档案的每一次查询、提取、翻阅、借出等全流程数据都能够被完整收集保存，RFID中的数据记录了档案文件全生命周期的与档案实体相关的数据，堪称档案的“全息影像”。这些数据有助于档案馆对馆藏档案的布局、档案的质量有清晰的认识，有针对性地提供利用服务。而各种监控摄像头可以实时记录档案阅览室的人员情况，查档等待时间，服务利用时间，查档次数等数据，这些数据有助于档案利用部门合理安排人员，简化办事流程，提高工作效率。
4.其他应用方面
除了以上一些应用，有了通过多种途径收集的档案多维度全流程大数据，再利用各种数据挖掘算法，还可进一步实现人工智能时代档案的智能化管理利用。在此另外举几个例子，抛砖引玉，希望未来高校档案工作者能发掘出更多的档案创新工作模式。（1）根据档案利用者的反馈，系统自动向各归档单位推送其归档档案的利用情况，并建议其加大某类档案的归档力度，或者提醒其可适当增加某类用户可能更感兴趣更需要的档案等。（2）根据学生成绩，通过横向同学间比较和纵向历史成绩数据对比，并结合个人实际情况，智能推荐其更合适的毕业选择，是读研、出国还是工作。如果数据全面准确，甚至可以具体到读研、出国的学校信息或者工作地点、工作单位等信息，推荐更精准。（3）对电子化的档案图像进行全文识别读写，自动分析其中的关键字，使计算机获得“档案知识”，并结合已有目录数据库，将整理后的信息推送给用户，如可自动回答用户提出的“学校最年轻正教授”、“学校某专业成绩绩点分布”、“学校各省市招生人数变化”等问题，提高查档利用的全面性和满意度。另外还可以利用计算机阅读和分析档案汇编成果，并从已有的大量文本语料中学习写作，最终实现计算机自动编研档案和撰写档案文章。（4）对各种档案利用异常行为进行预警，及时提醒档案利用单位重点关注某些利用行为或者利用者。先从档案数据找到普遍规律，然后再应用于每一个具体的用户，并且影响到每一个具体的操作，以发现每一个异常情况。做到从个体到全体再从全体到个体的双向流动。
三、人工智能对高校档案管理的挑战
人工智能对档案创新变革提供技术支持的同时，也对用户隐私和数据安全方面提出了新的挑战。
1.用户隐私安全
由于大数据具有多维度和全面性的特点，它可以从很多看似支离破碎的信息中完全复原一个人或者一个组织的全貌，并且了解到这个人工作生活的细节或者组织内部的各种信息。这样就会引发大家对个人隐私权的担忧。比如要想推荐精准，对学生数据的收集就要更加全面多维度，在这个过程中必然会涉及对学生隐私的干预。要想对这些档案大数据进行隐私保护，一种办法是从收集信息的一开始就对数据进行一些预处理，将数据“脱敏”，比如去掉姓名、学号、身份证号等这些具有明显个人属性的数据。预处理后的数据保留了原来的特性，能够进行分析利用，但却“读不懂”数据的内容。第二种办法是利用一定规则在档案数据中添加“扰动”，通过数学的方法让大数据依然有很强的可靠性，但是却完全找不到每条数据对应的来源，如苹果公司的“差别隐私”技术。第三种办法是双向监视，使数据从采集到使用都在双方知情的情况下进行，使数据使用者受到监督，提高档案馆对数据利用的自律意识，相比前两者，这种方式可能更有效果。
2.数据存储和数据安全
人工智能的核心是海量全面的数据，因此数据存储和数据安全是未来所面临的最大挑战。数据存储。由于摩尔定律导致各种存储器的容量成倍增加，同时价格迅速下降，使得更多的档案数据有条件存起来以供使用。但是随着数据量的剧增，查找和使用档案数据的时间也会变得很长，影响分析数据的效率。而且即使采用并行计算，受制于算法和计算机，数据分析处理的效率也存在瓶颈，这些问题还需依靠技术的进步来解决。数据安全。档案数据安全有两层含义，首先是保证档案数据不损坏、不丢失；第二层含义是要保证档案数据不会被偷走或者盗用。为避免安全问题，要尽量将学生个人情况等敏感信息放到不同的地方，以免多种敏感数据同时丢失。另一种保护数据安全的方法则可以利用大数据本身的特点，即发现异常操作，比如某次某个账号使用档案系统的流程和正常不符，即可断定这是一起档案系统密码泄露、系统入侵事件。另外，当数据量足够大时，每个系统用户的操作习惯也可以学习，不符合某人习惯的操作就可能是来自于非法的闯入者，这些操作就会被禁止。
篇5
1 中学教育现状
教育乃立国之本，而中学教育乃是重中之重。一方面，中学生处于青春的成长期，各项综合素质逐渐完善中，中学教育意义和责任重大；另一方面，中学教育仍然是应试教育为主，仍然需要面对千军万马过独木桥的“中考”“高考”，中学教育很大程度左右了学生的未来。
目前的中学教育资源，分为公共教育资源――公办/民办学校教育，和社会教育资源――私人家教、补习班等，有如下两个特点。
1.1 学生得到的公共教育资源不足
学校班级结构的构成是：一名班主任教师，多名科任教师。在大多数学校中，无论是班主任教师，还是科任教师，均会承担其他班级的教学任务。可以看出，教师资源是非常有限的，加上“中考”“高考”的上线压力，教师往往会将有限的精力分散关注在所有的学生上，每个学生得到的公共教育资源并不多。
1.2 学生获取的社会教育资源不公
学生若在学校无法获取更多的教育资源，将不得不转向社会教育资源去求助。据统计，学生参与社会教育资源的成本在200元/小时，学习费用成本过高，进一步造成普通学生的社会教育资源也无法获取。
本文要探讨的，正是通过人工智能这一现代信息化技术，构建智能辅助学习系统，使中学生能够获取到更多、更公平的教育资源。
2 智能辅助学习
2.1 人工智能简介
人工智能（Artificial Intelligence）是计算机科学的一个分支，是一门研究运用计算机模拟和延伸人脑功能的综合性学科，能够对人的意识、思维等信息过程进行模拟。随着计算机科学技术的发展，特别是近年来大数据技术的成功应用，人工智能在越来越多的行业展现出蓬勃的冲击力。以谷歌围棋机器人“阿尔法”、微软助理机器人“小娜”等为代表的虚拟智能机器人，能像人那样思考，也具备超过常人的智能。
在国内，人工智能在教育领域的理论研究和教学实践表现得越来越活跃，尽管人工智能并不是为教育专门研发的，但是人工智能的不断发展，使得其在教育中的应用也越来越广泛，教育的智能化一直是教育界和教育技术领域的理想和目标。
2.2 智能辅助学习系统
智能辅助学习系统，其表现形式是能够为每个学生，配备一个虚拟教师。学生能够通过电子设备（如手机、计算机），与虚拟教师进行交流对话，咨询虚拟教师各学科的问题，并得到有效的学习辅助。
该智能辅助学习系统，具备以下几个特征。
2.2.1 虚拟教师跨学科能力
与传统的教师专一某一学科不同，虚拟教师并没有学科边界划分。只要学习系统研发出某一学科的学习算法，该虚拟教师就能够获取该门学科的能力。
2.2.2 虚拟教师深度自学习
虚拟教师的“智能”来源于三方面。一是学生基本信息档案，该档案涵盖了从小学教育开始的学科成绩、综合能力、爱好特长等，虚拟教师得到学生的人物画像。二是虚拟教师对学生的自学习，每一次双方的沟通交流，虚拟教师都能够不断更新发展学生的画像。三是虚拟教师对学校课堂内容的自学习，虚拟教师并不是独立于学校教育存在的，而是作为学习教育资源的一个补充，虚拟教师能够掌握课堂进展、作业部署、考试动态等信息。
2.2.3 接近自然语义的沟通
学生与虚拟教师之间，可以通过自然语义的语音和文字进行沟通，如 “今天数学作业第2题不会”“《荷塘月色》全文中心思想是什么”“Lets start a conversation”等。其他计算辅助手段为补充，如上传某道数学题图片，虚拟教师通过图形识别匹配，给出该题的解题思路和讲解。
2.3 优势分析
智能辅助学习系统，有三大核心优势。
一是“即学即问”，相比目前的学校教育和社会教育，学生在学习遇到困难时，只有有限的时间与教师交流，在智能辅助学习系统中学生将不受空间、时间限制，随时随地可以与虚拟教师互动，获取充足的教育资源。
二是“定制教学”，相比目前的教育形式，课堂上教师与学生是一对多的关系，教师不可能专为某个学生定制教学方案，在智能辅助学习系统虚拟教师与学生是一对一的关系，虚拟教师能够更了解学生，根据学生的具体情况制订最佳学习方案。
三是“受众广阔”，相比目前的公共教育资源紧缺、社会教育资源费用昂贵，智能辅助学习系统一旦推广，受众学生可无限增加，边际效应非常明显。并且计算机系统设计特有的水平扩展能力，能够随着学生人数的增加而增加，支撑广大的学生辅助学习。
2.4 前景预测
笔者比较看好人工智能在中学辅助教育中的落地前景，除了前文所述的人工智能技术发展，为中学教育带来的价值外，当前国家政策和社会环境也非常有利。
第一，未来10年国家政府和教育部门会大幅增加在教育信息化产业上的投入，随着《国家中长期教育改革和发展纲要（2010―2020年）》和《教育信息化十年发展规划（2011―2020年）》等相关规划相继出台，各级地方政府和教育部门都非常重视教育信息化产业的投入，人工智能+云计算是重中之重，人工智能技术的兴起必将教育信息化推向一个新的高度。
第二，教育信息化逐渐成为风口，根据前瞻产业研究《中国在线教育市场前景与投资战略规划分析报告》统计，2015年在线教育市场规模大约为479亿美元，而这一数字在2020年预计将增长到504亿美元。这个持续迅猛增长的市场正在吸引越来越多的创意和资本，教育领域中的人工智能也很快会成为热点，涉足其中的高科技公司也会越来越多。
3 结 论
本文通过智能辅助学习系统，探索了人工智能在中学辅助教育中的一个应用。虽然没有介绍具体的技术实现、系统研发，但对现状痛点、应用前景做了综合性分析概述，相信随着科学技术的持续发展、教育领域的融合开放，本文探索的这个应用将实现于市场，使广大中学生能够获取到更多、更公平的教育资源。
参考文献：
[1]何维贵.利用现代化教学手段打造高效课堂[J].广西教育（中等教育），2013（6）.
篇6
从电子商务档案的特征来看，有关电子商务档案智能化管理的需求更加依赖于图形图像智能检索工具的研究和利用，而对于图形图像智能检索工具的研究和利用始于上个世纪七十年代，首先开展的是基于内容的图像智能检索的研究，重点在于采用标注的方法对图像设置检索关键字，并建立文本数据库管理系统，从而实现对图像的智能检索。这种方法的缺点在于当图像数据库中图像数据较大时则检索较难实现，当图像内容复杂时，标注起来较困难，因此，这种检索方法同时还要求图像内容比较单一。而另一种基于内容的图像检索技术逐渐受到业界的关注即基于视觉特征的图像检索技术。由于任何图像都包含物体本身的纹理、形状、颜色、空间关系等特征，因此，基于视觉特征的图像检索技术采用提取图像所包含的纹理、形状、色彩、对象的空间关系等信息建立图像的特征矢量库，并以此特征矢量作为索引关键字。与以往采用人工标注方式对图像内容进行标注的方法不同的是视觉特征的提取是从图像中自动提取的，并且检索的过程采取视觉特征间的匹配。与传统的检索方法相比，基于内容的图像检索融合了图像理解技术，从图像的纹理、形状、色彩、对象的空间关系等维度分析图像的特征，从而可以提供更加有效的检索途径。已经投入运行的基于内容的图像检索系统包括：IBM公司的QBIC系统、Virage公司的VIR工程系统、MIT的Photobook系统、美国伊利诺斯大学的MARS系统等等。国内近年来对于基于图像颜色的检索系统的研究也取得了丰硕成果，例如：Photo Navigator系统和Photo Engineer系统。而这一发展方向更加符合电子商务的智能化发展需求。可以预计，为适应未来网络化、智能化以及个性化的需要，并行检索、分布式检索、知识的智能检索、知识挖掘、异构信息整合检索和全息检索、自然语言检索、跨语言信息检索、问答系统、概念空间、信息融合技术等检索技术都将在电子商务档案管理领域得以应用。届时用户将获得完整、准确、及时、有效的而且是简洁、明了的商务信息。
二、电子商务档案应用的智能化趋势
电子商务档案是企业管理的重要组成部分，是企业从事商务活动中最原始、最可靠的数字化信息。充分利用电子商务档案信息，为企业发展提供商情预测、营销策划、客户关系管理、维护企业或经营者合法权益已经成为电子商务档案应用的一个重要领域。而电子商务档案应用的智能化趋势无疑已经成为电子商务行业的重要研究方向。
1、客户关系管理的智能化。客户档案毫无疑问将是电子商务档案的一个不可忽视的组成部分。在企业从事电子商务的过程中，电子商务系统将提供一种商家与客户进行交流的新方式，这就要求企业管理者以全新的思维来看待客户关系管理。客户关系管理源于“以客户为中心”的新型商业模式，是企业树立以客户为中心的发展战略的核心部分。企业通过智能化的客户关系管理系统来加强对客户的服务提高客户满意度和忠诚度，提高企业效率和利润水平。通过客户关系管理系统企业加强与客户的联系、分析客户的需求、研究产品的市场、拓展潜在的利润空间、提高产品的市场竞争能力、改进企业的管理漏洞、吸引更多的优质客户进而达到优化、提升企业管理能力、提高企业利润水平的目的。而这一切的实现都依赖于智能化的客户关系管理系统、智能化的客户数据库的开发与应用。智能化的数据库技术是所有其他技术的基础。
篇7
方言档案化开发利用新思路
方言档案化助力突破语言扶贫大关对于一些不了解当地方言的大学生村官、企业和学校来说，方言是工作的一大障碍。现已提出的方言保护新思路是运用方言进行档案化设计，或制作App，或制作类似于翻译笔的产品来让基层干部更好、更快地了解当地农民的需求，从而更好地开展工作。当前为方言档案化发展提供的新思路，主要是与乡村工作相结合的，以便人们可以更多地使用方言，引起人们对方言的重视。将各个地区的方言收录在手机中形成方言档案库，可以让基层干部的工作开展得更加顺利，可以让他们及时知道和了解人们的需求，从而更好地开展工作。与此同时，在方言档案化发展的同时，上述所说的方言收录也可以帮助乡村的农民更好地发展。之前，有许多学者研究过语言扶贫的问题。语言扶贫是指用语言助力脱贫，通过推广普通话等手段提高贫困地区人口的语言使用能力，进而提高劳动者素质，增加其就业机会，帮助其摆脱贫困的过程。语言产业繁荣推动方言档案化发展语言产业主要是指采取市场化的经营方式生产语言类产品或语言服务，满足国家和个人对各种语言类产品或者语言服务的多层次需求的生产和服务活动。语言产业涵盖种类较多，范围较广，贺宏志、陈鹏等学者认为语文能力测评业、语言翻译业、语言出版业、语言艺术业、语言会展业、语言文字信息处理业等都属于语言产业。由此可见，借助语言产业对方言档案化进行开发利用是一项非常有必要的工作。
1.方言档案化促进语言转换，便利沟通交流
随着我国对外开放不断深化和世界经济全球化不断加速发展，人们难免会接触到其他语言。因此相关人员研发了各种语言翻译软件来帮助人们进行更好的交流。方言也是如此，一些知名度不是很高的方言，人们并不了解，但是自脱贫攻坚战开始之后，扶贫人员要想了解贫困区人们的困难和需求，要想做好扶贫工作，就需要了解方言，懂得方言，因此，能让方言和普通话互相转化的语言软件的研发是很有必要性的。除此之外，有些方言发音人或保护者非常注重对方言的保护，也希望有这样的语言软件诞生。基于以上情形，可以像那些翻译软件一样设计一个小程序，将档案化后的方言以音像的形式收录在小程序中，以便人们可以在翻译中增加对方言的使用和了解，提高方言的使用频率。如此，将方言档案化与语言产业相结合，从而在方言档案化后对其进行开发利用，从而实现对方言的保护，同时促进方言档案化的发展。
2.方言档案化推动语言出版以及方言有声书的发展
书籍出版是一种能够表达作者思想和文字的一个非常重要的手段。近年来，随着时代的发展，数字化、信息化迅速发展。相对于电子信息来说，人们对纸质媒介的使用正在逐渐减少，除了那些更喜欢通过纸质书籍来获取知识的人，人们更倾向于通过电子书来了解事物，因为这样更加地便利。有些地方将收录的方言作为纸质版的方言书籍进行推广，这是用文字的形式对档案化之后的方言进行保护和利用，但是其涉及的受众并不多。因此，可以为方言档案化后的文字产物寻找“方言发音人”来将其转化为电子有声书投放在喜马拉雅等人们熟知的有声书平台上，并配以相关的图片或视频，以扩大方言有声书的推广范围，增加其使用人群和知名度。
3.方言档案化借语言会展业推广
语言会展业的发展，离不开语言产业的健康发展。2012年12月1日，首届中国语言产业论坛在京举行，引发了语言产业、语言经济、语言服务等主题领域理论与实践的新探讨、新开拓。基于此，新思路是将档案化后的方言的音像、文字等成果，在网络上开放会展设计专门的网站来收集各省市县的方言。让人们无需去馆内观看语言会展，直接在家中点击地图就可以听到地地道道的方言，这在更加便利的同时也大力推动了对方言的保护和使用。其次可以搭建与其相关的融媒体平台，通过平台将收录的方言进行宣传。
方言档案化联结人工智能共发展
1.结合行为智能技术形成档案馆的“方言管家”
如今，每一台智能手机都有一个私人虚拟助理，如Siri、小艺、悠悠等；高德地图的语音导航系统利用明星语音进行路线导航播报；酒店管理也会用机器人吸引游客入住。让机器人这一人工智能产物成为有趣且称职的“管家”，是百利而无一害的。因此，可以在档案馆中设置“方言管家”以建设优质智慧档案馆。以上提及的语音导航或机器人都基于人工智能的行为感知技术，其中智能问答技术、TTS（TextToSpeech）技术最为常见。TTS技术即语音合成技术，是指通过机械、电子的方法产生人造语音，其语音通常使用波形合成，先对音素、音调、韵律等进行采样，再用算法实现文语转换。档案馆可以结合当地方言的档案化，把TTS技术、智能问答技术与“方言发音人”录制的真人语音档案结合起来，制作档案馆的“方言管家”，同时为其设置普通话与方言两个版本的语言服务系统，令其承担档案馆大部分服务工作，如引路、推荐特色展馆、打扫卫生、提供饮品等。2.结合认知智能技术构建方言档案体系，形成特色展馆方言档案化需要现代技术的支持，需要利用基于统计的语言分析方法，通过语料库，训练语言模型，反复8CULTUREINDUSTRY文化产业文化产业馆藏建设collectionconstruction进行机器学习，以获得方言语言处理和转换的规律；利用知识图谱，形成方言语义关系的数据结构；整合各地方言的区别与联系，构成方言档案数字化体系。对于方言档案体系的开发宣传还需与档案馆密切协作。通过各档案馆间的交流合作，对各地方言进行合理的数字化模型建构，使方言档案数字化体系能够作为特色档案展品展出，或结合“方言管家”，让“方言管家”齐聚一堂，形成图、文、声三者结合的特色展馆，从而展示出语言文化的魅力，让方言档案化体系更加丰富完整，从点到线再到面，从一种方言到另一种方言。
方言档案化开发利用新思路的可行性分析
方言档案化助力突破脱贫攻坚大关用现代技术将方言收录在数据库中形成档案，可以让扶贫工作者利用这一技术将方言实时转化为普通话，便于扶贫工作者开展扶贫工作，更好地深入人民群众，了解他们的诉求，从而更好地促进乡村产业的发展。与此同时，这两者相辅相成，扶贫工作者利用方言档案化之后的翻译软件对方言进行转化也是在增加对方言的使用，在增加其使用次数的过程中促进扶贫工作的开展。语言产业繁荣推动方言档案化发展随着技术和时代的发展，人们接受新鲜事物的速度不断加快。近年来，语言产业蓬勃发展，它本身以及它的衍生行业皆是如此。用现有技术对方言进行收录并建立方言库，其实就是在利用方言档案化的概念。通过对这一概念的运用，档案部门可以运用现代化信息技术形成方言档案，进而实现对方言的保护。语言产业的发展有很多方式和途径，档案化之后的方言可以和语言产业及其他方面实现更深层次的融合，从而利用语言产业发展的路径并结合方言档案化，增加人们对方言的使用，进而起到保护方言的作用。而且这种方言保护的途径也更容易为人们所接受，更加符合时展的趋势和潮流。方言档案化联结人工智能共发展增加档案馆流量。“方言管家”的出现，对于当地档案馆的发展是无可限量的，能够吸引更多本地居民和外地游客前来参观。方言是一个地域的代名词。于本地居民而言,提供人机交互的方言服务，是一种人性化服务，能使人更有亲近感，且更加生活化，可以改变人们以往对档案馆冷漠、严肃的刻板印象。提升社会档案意识，提升大众对档案的需求，提高社会文明程度。“方言管家”是对档案馆的创新。人工智能与通俗文化的碰撞也将成为社会热点话题，只有增加了档案馆资料的浏览量，人们对档案的关注才会大大增加。关于民众对方言档案化的实例了解，调查显示有79.87%的民众对其不了解或一般了解，这是值得深思的。如果“方言管家”能够激发大众对档案的了解需求，人们便会知道“方言管家”的到来并非空穴来风，而是档案工作人员早已对方言进行档案化且积极与现代科技相结合，并对其加以利用以传承方言的结果。通过这样的方式，让大众明了档案的重要性，从而提升社会档案意识，提升民众的档案需求。人工智能语音合成技术需要大量的语言训练和机器学习，也需要大量的语言数据。有公司为了开拓人工智能下沉市场曾推出方言TTS技术。而为了使AI表达更自然，则开发了大量数据产品，大量方言词典、文本的音素标注和韵律标注，让人工智能通过大量训练、反复练习，语言表达更加流畅自然、个性化。将方言档案与人工智能结合能很好地解决这一问题，档案本身具有的完整性优势不言而喻，这将大大节省AI商家制作数据产品之前的数据收集时间。这样既能实现对方言档案的利用，又能使人工智能更加情感化、人性化。虽然对于方言的保护利用了档案化这一新模式，但方言档案化只是众多事物档案化保护和发展的缩影，现如今更值得关注的是档案的社会价值，毕竟从长远来看，对档案的开发利用是档案工作未来发展的必然趋势和方向。因此，在推动事物档案化发展的同时，更要积极探索档案开发利用新路径，让社会增加对档案使用的需求，从而更好地了解档案事业，促进档案事业的发展。
参考文献
[1]卢芷晴.我国方言档案式保护与传承问题探究[J].兰台内外,2020(15):8-9.
[2]俞贺楠.扶贫先过“方言关”[J].中国社会保障,2019(02):30.
篇8
1 计算机的智能领域应用开发
计算机智能领域是目前计算机技术的应用巅峰，也是其应用的瓶颈，诸多的问题在智能领域中无法得以实现。对于计算机的智能应用而言，其并非是一个具体的概念。实际上，可以通过抽象化的方式来对计算机智能应用领域进行解读。计算机智能技术领域中，由于缺乏诸多的基础支持，以及计算机自身的技术难题，目前还处于一种待开发的状态。虽然，在市场上已经出现了一些比较使用的智能技术应用。但是，还会出现一定的问题。就是说，目前还没有真正意义上的人工智能。现在的计算机智能化技术只是通过计算机技术与其他领域技术的结合无限的接近计算机技术，但是却无法真正实现计算机人工智能。目前，计算机智能技术其应用领域主要存在于视觉识别技术以及指纹识别技术，甚至包括比较流行也是非常主流的语音识别技术。触控领域是目前应用最为深度的，市场用户体验等方面也是非常不错的。
2 计算机可触控技术研究
触控系统目前应用的主体比较集中在手机上。智能手机目前都采用触屏功能，就是计算机触控功能的一种扩展。此外，计算机也开始出现触控计算机，例如平板电脑就是这一技术领域的主流产品。触控技术在计算机智能技术应用领域中，其表现还是非常不错的，也受到了诸多领域的支持。
2.1 触控技术的温控技术分析
温控技术是触控技术的主流技术之一，也是应用比较广泛的技术之一。温控技术的主要原理是通过在硬件显示器的表面安装电容，通过温度的感触，来进行智能判断。这类技术的应用显示屏非常常见，也就是人们常说的电容屏。这类电容屏幕非常灵活，触控效果较好，用户体验度也非常好。优势也是十分明显的，在很多领域中也得到了应用和发展，并且这类技术将在未来的应用中有着更广阔的应用空间。
2.2 触控技术的力控技术分析
力控技术是相对于温控技术而言，温控技术是采用了电容作为智能判断元器件，通过温度的变化来实现对逻辑的开关操控。而力控则是需要指尖的压力来进行对屏幕的操控，该屏幕的硬件设施安装的是电阻。通过压力来改变阻止，从而改变电流，最终实现了力控的技术核心。
以上两种触控方式，是目前主流的控制方式，也是最为有效的控制方式。在触控领域中，温控占据较大的市场。其优势比较明显，触控灵敏，用户体验度较高。而力控相对比较便宜，但是却无法得到良好的用户体验。
3 计算机感官技术应用分析
计算机的感官技术应用十分广泛，其应用领域主要存在于视觉识别技术以及指纹识别技术，甚至包括比较流行也是非常主流的语音识别技术。在技术应用方面，目前主要的应用为计算机的语音识别技术。由于语音识别技术更加适合于人们日常生活，从而给人们的生活和生产都带来了一定的积极影响。因此，语音识别技术的应用就更加广阔。在智能手机领域中，语音识别被应用于语音呼叫以及简单的语音操作。在高端的汽车领域中，语音同样成为了导航以及电子狗之类的汽车电子设备等的主流技术。但是，在视觉识别技术中，其应用的范围就相对比较狭窄，甚至在应用方面，准确度还是有待提高的。例如在一些计算机的开机密码设置中，就有一部分品牌的计算机采用了人脸识别技术。这项技术的应用在一定程度上显得并不成熟，非常容易造成误差现象。尤其是在设置加密的过程中，如果无法通过加密流程，很容易造成系统崩溃等。因此，在这项技术中，视觉识别技术还有待提高。那么，分析视觉识别技术不完善的原因主要有以下几点：
第一、计算机图像处理系统的不完善；视觉识别主要的技术问题是对外界图像的一种收录与存储。如果存储的过程中出现了失真，那么就会造成识别效果不佳。
第二、计算机主观判断能力的缺失；计算机的运行原理是逻辑推理与执行，但是却没有主观的判断能力。因此，在进行分析的过程中，就无法实现真正的智能识别。
4 结语
通过以上几点对智能领域中计算机技术的分析，在很大程度上明确了目前计算机技术的应用瓶颈。其技术的发展是需要多个领域的技术进行结合，从而给予足够的支持。对于在触控领域和感官识别领域中，由于存在较多的技术问题，因此这两个领域相对而言，还不是非常成熟。实际上，两者都属于人工智能领域的技术应用。但是，由于计算机技术目前本身无法实现真正的智能识别和判断能力。由此，也就造成了这两个领域的停滞性。但是，未来其发展的空间还是非常的巨大，并且相信能够通过一定的技术公关，从而实现真正的计算机人工智能。
参考文献
[1]郑箭锋.基于二乘二取二计算机系统机车操纵自动优化装置的研究[J].铁道科学与工程学报，2013（03）.
[2]艾里亚尔・阿不都克里木.云技术中数字档案资源共享与管理体系的构建[J].中国档案，2013（01）.
篇9
2019年出台的《九民纪要》[3]，以股东依法享有期限利益为由，明确提出原则上不支持加速到期，同时规定了两种例外情形。《九民纪要》看似对于股东加速出资给出了权威的解答，但却无法作为审判执行的依据。例外规定1的实质要件与破产[4]规定并无二致，即要求加速股东出资，偿还到期债权，但在执行效果上是完全不同的。若根据例外规定1做出执行裁定，要求股东加速出资到期的财产，其结果是个别债权人受偿。若依照破产程序，将未到期的股东出资归入破产财产，其结果是由公司所有债权人公平受偿。在执行效果上，《九民纪要》的这一规定会导致偏颇性清偿。
当前关于股东加速出资的法律规定，审判、执行工作的标准无法统一，通过查找相关司法判例可知，对于是否引入股东加速出资，赋予了审判员较大的自由裁量权。
2、司法实务中对于加速出资的争论焦点
（1）认缴出资的约定义务与补充赔偿责任的法定义务
部分观点认为，认缴出资在法律规定的框架内，基于公司章程，约定股东认缴、实缴金额及时间，本质上是公司内部的约定，其不具备对抗债权人债权实现的效力。而股东的补充赔偿责任，是法人在市场交易活动中，作为独立的法人实体，应承担的交易风险，应对其进行扩张性解释。股东认缴制度不能成为股东逃避补充赔偿责任的原因，补充赔偿责任应股东认缴这一行为发生时就产生效力。约定义务不能对抗法定义务，在企业无可供执行财产时，可以加速股东出资。
反对观点认为，公司作为法人实体，在设立时会对外进行信用信息公示，股东出资情况会完整的体现，股东出资情况因公示行为而获得公信力，股东基于公示行为享有出资的期限利益。第三人在与公司交易时，可以实时查询到企业出资情况，如第三人自愿与企业进行商业贸易，客观上即认可股东认缴期限，不能以债权到期为由，加速股东出资。
（2）股东加速出资清偿单独债务人与破产清算均偿的矛盾
根据《九民纪要》第6条规定两种例外情况，情况1规定，当穷尽所有执行手段后，仍无财产可供执行，已具备破产原因，但不申请破产的。根据《九民纪要》，债权人申请执行公司到期债权时，如符合第6条规定，法院可执行未到期的认缴出资，实现债权人的到期债权。然而这一规定实施受到了批判，反对观点认为，首先，当公司资产不足以清偿到期债务时，应依照破产法规定，进入破产清算程序，未到期认缴出资应由公司全部债权人共同均分，因执行某一案件而加速股东出资，是对其他债权人利益的侵害。其次，即使在公司破产前，加速股东出资，清偿了某一债权人的债权，在进入破产程序后，其他债权人仍可以行使撤销权，撤销已执行债权，无疑会造成司法资源的浪费。
法官点评：
从执行工作角度出发，如何确保公司独立法人地位、促进股东出资自由、维护公司债权人利益是相关法律设计的出发点和落脚点，在讨论股东加速出资这一问题时，应当着眼于保持公司、股东、债权人这三方利益的相对平衡，对股东出资义务的规则进行修补。
1、明确法律适用的选择
之前已讨论过当前法律构建，根据现行法律规范体系，首先，应明确是否对公司法第3条进行文义解释，即“股东”是否包含出资期限尚未届满的股东。对公司法司法解释第13条是否进行扩张解释，认为在公司到期债务无法清偿的情形下，“未履行或未全面履行出资义务的股东”应当包括出资期限尚未届满而未实际履行出资义务的股东。
2、完善《公司法》司法解释
有观点提出，应跳出现有法律体系对于股东加速出资规定模糊不清的情况，完善相关立法，才能根本解决当前法律漏洞。但修法的时间成本过高，牵涉的范围太广，修法并不是最佳选择。建议在充分考量当前审判执行工作的痛点，以相关判例为研究基础，推动《公司法》司法解释的完善，统一司法审判标准。
3、短期过渡方案：实施执行转破产程序
从执行工作出发，通过参考部分执行工作处理方法，执行转破产程序可作为短期过渡方案，当收到执行申请人的执行申请后，穷尽全部执行手段，确认公司无财产可供执行后，可终结执行程序转交破产清算。这一制度设计仍有相关细节需要把控，如：执行与破产清算工作如何衔接；穷尽全部执行手段、无财产可供执行是否由相应标准，防止转破产程序的随意性等。
[1]《公司法》第3条，有限责任公司的股东以其认缴的出资额为限对公司承担责任；股份有限公司的股东以其认购的股份为限对公司承担责任
篇10
人工智能是一个内涵非常丰富的学科，可以说，是人类对于自身世界的认知和实践相结合的结晶。它的发展会给人类社会带来深刻变革，可以消除贫困、饥饿，提高人类的医疗和健康水平，提高教育质量，改善气候………
在我们构建智慧城市，构建智慧生活的时候，人工智能也起到了不可或缺的作用。
2017年6月15日，在大连举办的第十五届“中国国际软件和信息服务交易会”（以下简称软交会）上，阿里云、微软、华为等在云计算、大数据、人工智能领域的大咖们分享了很多关于人工智能，包括智慧城市、智慧医疗、智慧制造方面的经验和感受。
智慧城市 智慧生活
随着云计算、大数据，以及人工智能的高速发展，智慧城市这个词被越来越多的人熟知，而更加智慧的生活也离我们越来越近了。早在2004年，韩国政府就曾提出名为U-KOREA的发展战略，旨在建造更加智能、智慧的城市。
2016年10月在杭州举办的“云栖大会”上，杭州市政府公布了一个“疯狂”的计划：为杭州安装一个人工智能中枢――杭州城市数据大脑。
城市大脑的内核采用阿里云ET人工智能技术，可以对整个城市进行全局实时分析，自动调配公共资源，修正城市运行中的Bug。城市大脑项目的第一步，是将交通、能源、供水等基础设施全部数据化，连接散落在城市各个单元的数据资源，打通城市“神经网络”。
而阿里云的“野心”不止于此，在ET城市大脑之后，阿里云还致力于研究ET医疗大脑、ET工业大脑，以及ET环境大脑等，想要为实现全行业智能化做出自己的一份贡献。
构建智慧城市的核心推动力就是云计算、大数据，以及物联网。就像前文提到的那样，如果没有云计算、大数据，以及物联网等技术的支持，想要实现智慧城市的理念是不可能的，因为智慧城市对于技术的要求很高。这里谈到的技术不仅仅包含对硬件的要求，还有对于软件的要求，以及网络的要求。这些综合因素的提升才带来了现在的“万物智联”。
智慧交通解决城市拥堵
现如今，在中国的马路上，尤其是一些大城市的十字路口，除了一些特殊的时期，我们已经很难看到指挥交通的交警了，这是智慧交通带来的结果。通过布置在各个路口的监控摄像头，集合了物联网、云计算等技术，通过机器设备实现智能的交通指挥，以及管控。
智慧交通是在智能交通（简称ITS）的基础上，在交通领域中充分运用物联网、云计算、互联网、人工智能、自动控制、移动互联网等技术，通过高新技术汇集交通信息，对交通管理、交通运输、公众出行等交通领域全方面，以及交通建设管理全过程进行管控支撑，使交通系统在区域、城市甚至更大的时空范围具备感知、互联、分析、预测、控制等能力，以充分保障交通安全，发挥交通基础设施效能，提升交通系统运行效率和管理水平，为通畅的公众出行和可持续的经济发展服务。
智慧交通是在整个交通运输领域充分利用物联网、空间感知、云计算、移动互联网等新一代信息技术，综合运用交通科学、系统方法、人工智能、知识挖掘等理论与工具，以全面感知、深度融合、主动服务、科学决策为目标，通过建设实时的动态信息服务体系，深度挖掘交通运输相关数据，形成问题分析模型，实现行业资源配置优化能力、公共决策能力、行业管理能力、公众服务能力的提升，推动交通运输更安全、更高效、更便捷、更经济、更环保、更舒适的运行和发展，带动交通运输相关产业转型、升级，最终有效解决城市拥堵问题。
而智慧交通的体现不仅仅是在这些宏观的对于城市交通的管控，其实在我们身边就随处可见，比如摩拜、ofo等共享单车，它们也是智慧交通的产物。摩拜、ofo的成功也基于大数据、云计算等技术的发展，摩拜通过GPS定位，以及“魔方”系统，实现了对单车淤积（即在一个时间内，一个地点出现大量闲置单车）的预测，从而进行智能疏导（即通过红包奖励制度让用户帮助疏导单车），以及人工疏导。同时摩拜、ofo的成功也很好地缓解了城市交通拥堵，让更多的人愿意使用自行车作为出行工具。
智慧医疗解决看病难题
智慧医疗是最近兴起的专有医疗名词，通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。
随着云计算、大数据，以及人工智能等核心技术的发展，智慧医疗这个词也渐渐被更多人所熟知。而智慧医疗这个词现在也不仅仅是只能在实验室里应用在小白鼠身上的研究阶段的技术了，越来越多的高科技的人工智能医疗设备被应用到现实治疗之中。
在此次软交会上。来自杜克大学医学院的神经生物学教授米格尔・尼科莱利斯分享了一个来自巴西的例子。
2014年巴西举办足球世界杯，开幕式有这样一个特殊的内容：是一个已经瘫痪十年的小孩穿上一套用脑部来控制的机器“外骨骼”，恢复了行走的能力，从而让他在世界杯开幕式上走进球场并完成开球。这一机器“外骨骼”主要是集中在他的下肢，大脑成为一个主导者，实现人脑和机器对话，人脑和机器成为一个完整的整体，这样人就可以走路，除此之外机器外骨骼与大脑之间还形成了一个良好的回应系统，项目组称这套机器外骨骼为“机械战甲”。现在，项目组还拥有诸多的合作者，而这些合作者来自世界各地。同时，项目组还成立了全球第一个神经科学实验室，实验室分布在全球多个地点，包括美国、巴西等，各地的实验室在技术上是共享和互通的，在脑机对接研究方面是同步进行的。因为这项技术需要神经科学、计算机科学的共同合作来实现。
“病人可以穿上‘机械战甲’，电脑的CPU就在头甲里面，可以把脑部的信号传递给其他部位，脚部的感知行为可以传递回大脑，可以感知地面压力等各方面信息。我们称之为共享控制。人会有不同的想法，想走路或想转弯，这是由大脑做的决定，下肢的一些机器设备是听从大脑的指挥。它们具备非常复杂和微妙的功能。这是依据非常细致的计算功能来实现的。我们选了8个病人，他们有不同时间长度的瘫痪历史。我们想让他们动起来，同时又不想让他们感到无感知的恐惧感。我们给他们装上机器外骨骼，让他们经历了一个循序渐进的训练过程，长达7个月。”米格尔・尼科莱利斯介绍道。
而在国内，由于国内公共医疗管理系统还不太完善，医疗成本高、渠道少、覆盖面窄等问题困扰着患者。 “效率较低的医疗体系、质量欠佳的医疗服务、看病难且贵的就医现状”成了社会关注的主要焦点。大医院人满为患，社区医院却无人问津，病人就诊手续繁琐等问题都是由于医疗信息不畅、医疗资源两极化、医疗监督机制不全等原因导致，已经影响到人们的生活。所以，我们需要建立一套智慧的医疗信息网络平台体系，使患者用较短的等疗时间、支付基本的医疗费用，就可以享受安全、便利、优质的诊疗服务，从根本上解决“看病难、看病贵”等问题，真正做到“人人健康，健康人人”。“人工智能+医疗”给人口基数大、医疗资源相对不足、医疗资源分布不均衡的中国医疗事业带来了福音。由阿里云研究开发的ET医疗大脑，在大数据、云计算，以及人工智能的基础之上，实现了医疗诊断准确率80%以上，而在此之前，医生的诊断准确率只有70%左右。
而联想也早在2013年就开始了他们在医疗领域的布局，与温州医科大学附属第一医院成功合作。北京联想智慧医疗信息技术有限公司的创业成功也标志着联想成功在智慧医疗领域实现了重要突破。
现在，越来越多的新技术被应用到了智慧医疗之中，也有越来越多的互联网技术、大数据公司涉足医疗行业，这也有力地推动了智慧医疗的发展。比如，前不久万达与IBM合作，正式进军医疗行业，致力于提高医疗和养老的服务效率与质量。
如今，智慧医疗已经不仅仅是纸上谈兵，越来越多的云计算、大数据，以及人工智能等技术被应用到了医疗行业中。笔者相信，未来，我们真正可以实现足不出户就能享受到三甲大医院高水平医生的服务，真正解决“看病难”的问题。
未来，智慧医疗不仅仅能解决 “看病难，看病贵”的问题，还能给我们带来整套的健康管理系统，能让我们随时随地掌控自己的健康，通过将包括遗传基因、过往病史、历史病例在内的多种数据整合到云平台上，为每个人提供自己的私人随身医生、健康顾问，在为医院提供及时的诊疗帮助的同时，还能为我们预防疾病、O督健康做出贡献，并最终实现每个人都有一个专属于自己的随身私人健康管理员，这也是智慧医疗最终将实现的目标之一。
从制造到“智造”
人工智能的应用不仅仅是在医疗行业，在制造业也有很多的应用。过去，工厂的一条流水线可能需要几十个，甚至上百个工人来进行操作。而现在，同一条流水线，制造同样的东西，可能只需要几个人来进行操作、监管就可以了。这一切的转变也是因为人工智能的推动。而且相比之下，一条智能化的流水线的错误率也要比过去非智能化的流水线低得多。
在“智造”这个领域，也有很多国内外的大公司涉足，比如阿里云、西门子、SAP。由阿里云开发、研究的ET工业大脑，可以实现对车间工艺、湿度、空气，甚至是流水线上各个齿轮之间温度的准确监控，从而提升产品的良品率，进一步提高企业的效率和收益。拿一个年利润百亿元的公司来说，使用ET工业大脑以后，可以实现年利润提升1亿元。
在此次软交会上，来自大连的本土企业――大连天翼信息科技有限公司（以下简称天翼）也分享了他们在智能制造领域的经验。
天翼公司是“工业4.0”“中国制造2025”大连工业软件领域的核心企业，始建于1998年。在2016年授权为用友首批智能制造战略合作伙伴。天翼智能解决方案全面涵盖了智能研发、智能计划、智能生产、智能仓储、智能物流等生产过程的业务协作和监管控制，致力于帮助中国制造走向精益化、敏捷化和智能化。
天翼在智能研发领域，主要实现设计制造一体化；在智能计划领域，实现有限能力排产，基于有限资源，将企业的生产需求、资源能力、工作日历等生产中的真实情况全盘考虑，实现资源利用率最大化，生产任务延迟最小；在智能生产领域，天翼执行MES系统，有效加强MRP计划的执行能力，实现MRP计划和车间作业现场控制，并通过执行系统进行连接。其中，现场控制包括机台工位的任务分配、DNC/PLC控制、数据采集器、条形码、各种计量和检测仪器、机械手等。MES系统还设置了必要的接口，与生产现场的控制设施实现全方位对接。
篇11
一、专注人工智能的ObEN为什么需要区块链？
作为一家创业公司，ObEN最开始的初衷是想为每个人打造出自己的人工智能PAI（个性化人工智能，Personal AI），它不仅长得像你，而且说话的声音也像，未来甚至还会拥有与真人相似的性格。
郑毅先向链得得编辑展示了一个应用虚拟人像的软件，它可以说话、唱歌、给小朋友读书，给微信朋友留言，提醒每天的日程，除了中文外，还可根据算法切换为英语、韩语、日语等。
随后，郑毅展示了一个三维立体虚拟人物宣传视频，其以周大福郑裕彤的长孙为模型，以他的人工智能形象讲解艺术馆中的展览，现于上海K11的大堂播放，虚拟形象可通过算法训练将其语言改为普通话，弥补了香港人本身普通话不流利的缺陷。
最让人惊喜的是PAI的语音和舞蹈学习功能。
郑毅介绍：“ObEN与上海丝芭传媒合作，让旗下一女艺人读过一百句话后，即可算出她的发声模型，此后便可用她的发音唱流行歌曲。”他补充道，“这比那个初音未来唱的更像人”。
同时，还可根据女孩上传的跳舞视频，根据其骨骼结构让虚拟人物形象地学习她的跳舞动作。而在此之前，这一技术需在人身上放传感器才可实现，如今只需通用算法就可直接学习，郑毅说：“随着用户上传视频的方法越来越多，人工智能会不断学习，还可将学出来的动作让大家来使用，让其它人的虚拟模型展示一样的舞蹈动作。”
这显然是一款充满惊喜与乐趣的科技产品，然而随着算法不断的进步，云端算力、数据处理难度不断提升。在得到大量用户数据后，如何处理虚拟形象版权问题？如何增加其可信度，以便于明星选择用虚拟形象PAI与粉丝互动？
作为曾是百合网联合创始人的郑毅，深谙交友行业对信任的要求，只有确立了人工智能背后是真实的人，用户才愿意付出时间与精力。
在众多版权认证、溯源的技术方式中，区块链脱颖而出。
郑毅说：他们也尝试了其他的认证方式，但均不具备公信力，而只有区块链作为一个去中心化的共识网络，受到广泛的认可。
他认为：区块链社区可以看作是一个诚信的社区，通过互相的认证，可以确保每个人的PAI都属于自己，代表自己，是自己在数字世界的映射，而这正可以满足ObEN对PAI最核心的基本要求。
二、搭建底层公链，开拓衍生链
从2016年起，ObEN就开始与pai基金会尝试搭建自己的底层公链，将其命名为PAI公链。其架构主要分为三部分：中间层是比特币区块链架构，底层是P2P的数据部分，顶层是进行数据的认证和智能合约的编程。
之所以选择比特币作为区块链架构，是因为比特币的风险较小。郑毅说：“POW是比特币的价值共识基础，在设计的时候需要消耗电力、算力来挖币，根据电力的成本不同，就会产生比如说比特币3000到5000美元的成本价格。
而以太坊是建立在货币定价公式——费雪公式之上，费雪公式的影响因素是货币供应量、流动速度和GDP，这就意味着如果要保证以太坊有价格，就必须得有足够多的持币人，而且持币人要锁仓，锁得时间越长，币的价格就会越高，同时在链上还需要有很多基于币的消费或者使用场景，相当于GDP高，币的价值也会高。
同样，EOS的DPOS、超级节点等也是基于费雪方程式，目的是让大家全锁币。持币人约多，投票人越多、并且都锁仓的话，它的币值也会高。这些本质都是通过金融理论的方法，使本来没有价值的东西变得更有价值。
从我们的角度看，因为ObEN是做个人数据，希望通过算力处理数据，这样的话本来就有成本，相比之下更适合采用比特币的区块链架构。“
除了搭建自己的底层公链，ObEN还把目光放在跟其他垂直行业领导者合作上，目前已与新加坡最大的私立医院集团、中国的二手车数据平台、韩国的SM明星公司等企业合作，郑毅将这类细分行业的应用模式称之为“衍生链”。
他认为“衍生链”将是未来区块链的主要应用场景之一，在链得得文章未来区块链应用落地重要方向：衍生链中有提及。
郑毅说：“美国的摩根大通与以太坊合作衍生（复制出来并再开发）了以太链，但加上了新的加密智能合约交易方式以及数据隐私保障通讯层，并最终形成了 Quorum。当新的跨银行交易发生时，既保护了用户的隐私，也给银行间业务带来便捷。
同理，PAI链的合作伙伴也可以把PAI链克隆出来，然后根据不同行业的需求进行修改。只要是跟个体数据有关的，都可以在我们的链上进行开发，然后由企业自己决定他们是否要发币，比如把病人的数据健康档案上链，二手车贷款买卖数据上链等。
如果是中心化的公司，它就可以做无币区块链，如果是去中心化，他们就可以做有币区块链。然后在这之上，也可以做各种各样的Dapp开发。”
这类模式中存在一个风险，即“衍生链”中的数据若出现问题时，最终责任将由哪方承担？
郑毅回答道：“PAI链会不断迭代，让PAI的生态系统更稳定安全。因为合作伙伴把PAI链、程序都克隆衍生了，所以再开发的算法的法律责任将由对方去承担。”他继续补充，“我们合作的企业主要还是以实业公司为主，实业公司比较传统，更担心数字货币挖矿、价格泡沫等风险，所以我们选择经历时间最久比特币，从安全性上看也会好很多。”
三、区块链技术进步的关键是硬件结合
要为每个人实现足够强大的人工智能，还有一个问题是解决人工智能计算效率的问题，这里涉及到许多待解决的技术瓶颈，比如分布式芯片、边缘计算的进一步优化等。
郑毅认为当下区块链技术进步的关键是软件系统要与硬件结合。他说：“这跟早年的互联网、计算机的操作系统与服务器、intel芯片配合很像。”
“我们做人工智能的时候，技术与应用是环环相扣，光研究算法没有数据，算法也得不到提升，所以我必须在研发算法的同时抓数据，然后用数据才能不断的迭代算法进步，然后你才能把算法做得越来越好。
篇12
一、人工智能法律系统的历史
机先驱思想家莱布尼兹曾这样不无浪漫地谈到推理与计算的关系：“我们要造成这样一个结果，使所有推理的错误都只成为计算的错误，这样，当争论发生的时候，两个家同两个计算家一样，用不着辩论，只要把笔拿在手里，并且在算盘面前坐下，两个人面对面地说：让我们来计算一下吧！”（注：转引自肖尔兹著：《简明逻辑史》，张家龙译，商务印书馆1977年版，第54页。）
如果连抽象的哲学推理都能转变为计算来解决，法律推理的定量化也许还要相对简单一些。尽管理论上的可能性与技术可行性之间依然存在着巨大的鸿沟，但是，人工智能技术的发展速度确实令人惊叹。从诞生至今的短短45年内，人工智能从一般问题的研究向特殊领域不断深入。1956年纽厄尔和西蒙教授的“逻辑理论家”程序，证明了罗素《数学原理》第二章52个定理中的38个定理。塞缪尔的课题组利用对策论和启发式探索技术开发的具有自能力的跳棋程序，在1959年击败了其设计者，1962年击败了州跳棋冠军，1997年超级计算机“深蓝”使世界头号国际象棋大师卡斯帕罗夫俯首称臣。
20世纪60年代，人工智能研究的主要课题是博弈、难题求解和智能机器人；70年代开始研究语言理解和专家系统。1971年费根鲍姆教授等人研制出“化学家系统”之后，“计算机数学家”、“计算机医生”等系统相继诞生。在其他领域专家系统研究取得突出成就的鼓舞下，一些律师提出了研制“法律诊断”系统和律师系统的可能性。（注：Simon Chalton，Legal Diagnostics，Computers and Law，No.25，August 1980.pp.13-15.Bryan Niblett，Expert Systems for Lawyers，Computers and Law，No.29，August 1981.p.2.）
1970年Buchanan & Headrick发表了《关于人工智能和法律推理若干问题的考察》，一文，拉开了对法律推理进行人工智能研究的序幕。文章认为，理解、模拟法律论证或法律推理，需要在许多知识领域进行艰难的研究。首先要了解如何描述案件、规则和论证等几种知识类型，即如何描述法律知识，其中处理开放结构的法律概念是主要难题。其次，要了解如何运用各种知识进行推理，包括分别运用规则、判例和假设的推理，以及混合运用规则和判例的推理。再次，要了解审判实践中法律推理运用的实际过程，如审判程序的运行，规则的适用，事实的辩论等等。最后，如何将它们最终运用于编制能执行法律推理和辩论任务的计算机程序，区别和不同的案件，预测并规避对手的辩护策略，建立巧妙的假设等等。（注：Buchanan & Headrick，Some SpeculationAbout Artificial Intelligence and Legal Reasoning，23 StanfordLaw Review(1970).pp.40-62.）法律推理的人工智能研究在这一时期主要沿着两条途径前进：一是基于规则模拟归纳推理，70年代初由Walter G.Popp和Bernhard Schlink开发了JUDITH律师推理系统。二是模拟法律分析，寻求在模型与以前贮存的基础数据之间建立实际联系，并仅依这种关联的相似性而得出结论。Jeffrey Meld-man 1977年开发了计算机辅助法律分析系统，它以律师推理为模拟对象，试图识别与案件事实模型相似的其他案件。考虑到律师分析案件既用归纳推理又用演绎推理，程序对两者都给予了必要的关注，并且包括了各种水平的分析推理方法。
专家系统在法律中的第一次实际应用，是D.沃特曼和M.皮特森1981年开发的法律判决辅助系统(LDS)。研究者探索将其当作法律适用的实践工具，对美国民法制度的某个方面进行检测，运用严格责任、相对疏忽和损害赔偿等模型，计算出责任案件的赔偿价值，并论证了如何模拟法律专家意见的方法论问题。（注：'Models of LegalDecisionmaking Report'，R-2717-ICJ(1981).）
我国专家系统的研制于20世纪80年代中期起步。（注： 钱学森教授：《论法治系统工程的任务与》（《管理》1981年第4期）、《主义和法治学与技术》（《法制建设》1984年第3期）、《现代科学技术与法和法制建设》（《政法论坛》）1985年第3期）等文章，为我国法律专家系统的研发起了思想解放和奠基作用。）1986年由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》被确定为国家社科“七五”研究课题，它在建立盗窃罪量刑数学模型方面取得了成果。在法律数据库开发方面，1993年中山大学学生胡钊、周宗毅、汪宏杰等人合作研制了《LOA律师办公自动化系统》。（注：杨建广、骆梅芬编著：《法治系统工程》，中山大学出版社1996年版，第344-349页。）1993年武汉大学法学院赵廷光教授主持开发了《实用刑法专家系统》。（注：赵廷光等著：《实用刑法专家系统用户手册》，北京新概念软件研究所1993年版。）它由咨询检索系统、辅助定性系统和辅助量刑系统组成，具有检索刑法知识和对刑事个案进行推理判断的功能。
专家系统与以往的“通用难题求解”相比具有以下特点：(1)它要解决复杂的实际，而不是规则简单的游戏或数学定理证明问题；(2)它面向更加专门的领域，而不是单纯的原理性探索；(3)它主要根据具体的问题域，选择合理的方法来表达和运用特殊的知识，而不强调与问题的特殊性无关的普适性推理和搜索策略。
法律专家系统在法规和判例的辅助检索方面确实发挥了重要作用，解放了律师一部分脑力劳动。但绝大多数专家系统只能做法律数据的检索工作，缺乏应有的推理功能。20世纪90年代以后，人工智能法律系统进入了以知识工程为主要技术手段的开发时期。知识工程是指以知识为处理对象，以能在机上表达和运用知识的技术为主要手段，研究知识型系统的设计、构造和维护的一门更加高级的人工智能技术。（注：《大百科全书·自动控制与系统工程》，中国大百科全书出版社1991年版，第579页。）知识工程概念的提出，改变了以往人们认为几个推理定律再加上强大的计算机就会产生专家功能的信念。以知识工程为技术手段的法律系统研制，如果能在法律知识的获得、表达和应用等方面获得突破，将会使人工智能法律系统的研制产生一个质的飞跃。
人工智能法律系统的源于两种动力。其一是法律实践自身的要求。随着社会生活和法律关系的复杂化，法律实践需要新的思维工具，否则，法律家（律师、检察官和法官）将无法承受法律日积月累和法律案件不断增多的重负。其二是人工智能发展的需要。人工智能以模拟人的全部思维活动为目标，但又必须以具体思维活动一城一池的攻克为过程。它需要通过对不同思维领域的征服，来证明知识的每个领域都可以精确描述并制造出类似人类智能的机器。此外，人工智能选择法律领域寻求突破，还有下述原因：(1)尽管法律推理十分复杂，但它有相对稳定的对象（案件）、相对明确的前提（法律规则、法律事实）及严格的程序规则，且须得出确定的判决结论。这为人工智能模拟提供了极为有利的条件。(2)法律推理特别是抗辩制审判中的司法推理，以明确的规则、理性的标准、充分的辩论，为观察思维活动的轨迹提供了可以记录和回放的样本。(3)法律知识长期的积累、完备的档案，为模拟法律知识的获得、表达和应用提供了丰富、准确的资料。(4)法律活动所特有的自我意识、自我批评精神，对法律程序和假设进行检验的传统，为模拟法律推理提供了良好的反思条件。
二、人工智能法律系统的价值
人工智能法律系统的研制对法学理论和法律实践的价值和意义，可以概括为以下几点：
一是方法论启示。P.Wahlgren说：“人工智能方法的研究可以支持和深化在创造性方法上的法反思。这个信仰反映了法理学可以被视为旨在于开发法律和法律推理之方法的活动。从法理学的观点看，这种研究的最终目标是揭示方法论的潜在作用，从而有助于开展从法理学观点所提出的解决方法的讨论，而不仅仅是探讨与计算机科学和人工智能有关的非常细致的技术方面。”（注：P.Wahlgren，Automationof Legal Reasoning:A Study on Artificial Intelligence and Law，Computer Law Series 11.Kluwer Law and Taxation Publishers.Deventer Boston 1992.Chapter 7.）在模拟法律推理的过程中，法学家通过与工人智能专家的密切合作，可以从其对法律推理的独特理解中获得有关方法论方面的启示。例如，由于很少有两个案件完全相似，在判例法实践中，总有某些不相似的方面需要法律家运用假设来分析已有判例与现实案件的相关性程度。但法学家们在假设的性质问题上常常莫衷一是。然而HYPO的设计者，在无真实判例或真实判例不能充分解释现实案件的情况下，以假设的反例来反驳对方的观点，用补充、删减和改变事实的机械论方法来生成假设。这种用人工智能方法来处理假设的办法，就使复杂问题变得十分简单：假设实际上是一个新的论证产生于一个经过修正的老的论证的过程。总之，人工智能方法可以帮助法学家跳出法理学方法的思维定势，用其他学科的方法来重新审视法学问题，从而为法律问题的解决提供了新的途径。
二是提供了思想实验手段。西蒙认为，尽管我们还不知道思维在头脑中是怎样由生理作用完成的，“但我们知道这些处理在数字机中是由电子作用完成的。给计算机编程序使之思维，已经证明有可能为思维提供机械论解释”。（注：转引自童天湘：《人工智能与第N代计算机》，载《》1985年第5期。）童天湘先生认为：“通过编制有关思维活动的程序，就会加深对思维活动具体细节的了解，并将这种程序送进计算机运行，检验其正确性。这是一种思想实验，有助于我们研究人脑思维的机理。”（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）人工智能系统研究的直接目标是使计算机能够获取、表达和法律知识，软件工程师为模拟法律推理而编制程序，必须先对人的推理过程作出基于人工智能和的独特解释。人工智能以功能模拟开路，在未搞清法律家的推理结构之前，首先从功能上对法律证成、法律检索、法律解释、法律适用等法律推理的要素和活动进行数理，将法、诉讼法学关于法律推理的研究成果模型化，以实现法律推理知识的机器表达或再现，从而为认识法律推理的过程和提供了一种实验手段。法学家则可以将人工智能法律系统的推理过程、方法和结论与人类法律推理活动相对照，为法律推理的法理学研究所借鉴。因此，用人工智能方法模拟法律推理，深化了人们对法律推理性质、要素和过程的认识，使法学家得以借助人工智能的敏锐透镜去考察法律推理的微观机制。正是在这个意义上，Bryan Niblett教授说：“一个成功的专家系统很可能比其他的途径对法理学作出更多的（理论）贡献。”（注：Bryan Niblett，ExpertSystems for Lawyers，Computers and Law，No.29，August 1981.note14，p.3.）
三是辅助司法审判。按照格雷的观点，法律专家系统首先在英美判例法国家出现的直接原因在于，浩如烟海的判例案卷如果没有计算机编纂、分类、查询，这种法律制度简直就无法运转了。（注：Pamela N.Gray Brookfield，Artificial Legal Intelligence，VT:DartmouthPublishing Co.，1997.p.402.）其实不仅是判例法，制定法制度下的律师和法官往往也要为检索有关的法律、法规和司法解释耗费大量的精力和时间，而且由于人脑的知识和记忆能力有限，还存在着检索不全面、记忆不准确的。人工智能法律系统强大的记忆和检索功能，可以弥补人类智能的某些局限性，帮助律师和法官从事相对简单的法律检索工作，从而极大地解放律师和法官的脑力劳动，使其能够集中精力从事更加复杂的法律推理活动。
四是促进司法公正。司法推理虽有统一的法律标准，但法官是具有主观能动性的差异个体，所以在执行统一标准时会产生一些差异的结果。司法解释所具有的建构性、辩证性和创造性的特点，进一步加剧了这种差异。如果换了钢铁之躯的机器，这种由主观原因所造成的差异性就有可能加以避免。这当然不是说让计算机完全取代法官，而是说，由于人工智能法律系统为司法审判提供了相对统一的推理标准和评价标准，从而可以辅助法官取得具有一贯性的判决。无论如何，我们必须承认，钢铁之躯的机器没有物质欲望和感情生活，可以比人更少地受到外界因素的干扰。正像计算机录取增强了高考招生的公正性、电子监视器提高了纠正行车违章的公正性一样，智能法律系统在庭审中的运用有可能减少某些徇私舞弊现象。
五是辅助法律和培训。人工智能法律系统凝聚了法律家的专门知识和法官群体的审判经验，如果通过软件系统或计算机实现专家经验和知识的共享，便可在法律教育和培训中发挥多方面的作用。例如，(1)在法学院教学中发挥模拟法庭的作用，可以帮助法律专业学生巩固自己所学知识，并将法律知识应用于模拟的审判实践，从而较快地提高解决法律实践问题的能力。(2)帮助新律师和新法官全面掌握法律知识，迅速获得判案经验，在审判过程的跟踪检测和判决结论的动态校正中增长知识和才干，较快地接近或达到专家水平。(3)可使不同地区、不同层次的律师和法官及时获得有关法律问题的咨询建议，弥补因知识结构差异和判案经验多寡而可能出现的失误。(4)可以为大众提供及时的法律咨询，提高广大人民群众的法律素质，增强法律意识。
六是辅助立法活动。人工智能系统不仅对辅助司法审判有重要的意义，而且对完善立法也具有实用价值。（注：Edwina L.Rissland，Artificial Intelligence and Law:Stepping Stones to a Modelof Legal Reasoning， Yale Law Journal.(Vol.99:1957-1981).）例如，伦敦大学Imperial学院的逻辑程序组将1981年英国国籍法的形式化，帮助立法者发现了该法在预见性上存在的一些缺陷和法律漏洞。（注：Edwina L.Rissland，Artificial Intelligence and Law:Stepping Stones to a Model of Legal Reasoning，The Yale LawJournal.(Vol.99:1957-1981).）立法辅助系统如能于法律起草和法律草案的审议过程，有可能事先发现一些立法漏洞，避免一个法律内部各种规则之间以及新法律与现有法律制度之间的相互冲突。
三、法在人工智能法律系统中的作用
1.人工智能法律系统的法理学思想来源
关于人工智能法律系统之法理学思想来源的追踪，不是对法理学与人工智能的联系作面面俱到的考察，而旨在揭示法理学对人工智能法律系统的所产生的一些直接。
第一，法律形式主义为人工智能法律系统的产生奠定了基础。18-19世纪的法律形式主义强调法律推理的形式方面，认为将法律化成简单的几何公式是完全可能的。这种以J·奥斯汀为代表的英国法学的传统，主张“法律推理应该依据客观事实、明确的规则以及逻辑去解决一切为法律所要求的具体行为。假如法律能如此运作，那么无论谁作裁决，法律推理都会导向同样的裁决。”（注：（美）史蒂文·J·伯顿著：《法律和法律推理导论》，张志铭、解兴权译，政法大学出版社1998年9月版，第3页。）换言之，机器只要遵守法律推理的逻辑，也可以得出和法官一样的判决结果。在分析法学家看来，“所谓‘法治’就是要求结论必须是大前提与小前提逻辑必然结果。”（注：朱景文主编：《对西律传统的挑战》，中国检察出版社1996年2月版，第292页。）如果法官违反三段论推理的逻辑，就会破坏法治。这种机械论的法律推理观，反映了分析法学要求法官不以个人价值观干扰法律推理活动的主张。但是，它同时具有忽视法官主观能动性和法律推理灵活性的僵化的缺陷。所以，自由法学家比埃利希将法律形式主义的逻辑推理说称为“自动售货机”理论。然而，从人工智能就是为思维提供机械论解释的意义上说，法律形式主义对法律推理所作的机械论解释，恰恰为人工智能法律系统的开发提供了可能的前提。从人工智能法律系统研制的实际过程来看，在其起步阶段，人工智能专家正是根据法律形式主义所提供的理论前提，首先选择三段论演绎推理进行模拟，由Walter G.Popp和Bernhard Schlink在20世纪70年代初开发了JUDITH律师推理系统。在这个系统中，作为推理大小前提的法律和事实之间的逻辑关系，被机以“如果A和B，那么C”的方式加以描述，使机器法律推理第一次从理论变为现实。
第二，法律现实主义推动智能模拟深入到主体的思维结构领域。法律形式主义忽视了推理主体的性。法官是生活在现实社会中的人，其所从事的法律活动不可能不受到其社会体验和思维结构的影响。法官在实际的审判实践中，并不是机械地遵循规则，特别是在遇到复杂案件时，往往需要作出某种价值选择。而一旦面对价值，法律形式主义的逻辑决定论便立刻陷入困境，显出其僵化性的致命弱点。法律现实主义对其僵化性进行了深刻的批判。霍姆斯法官明确提出“法律的生命并不在于逻辑而在于经验”（注：（美）博登海默著：《法理学——法及其方法》，邓正来、姬敬武译，华夏出版社1987年12月版，第478页。）的格言。这里所谓逻辑，就是指法律形式主义的三段论演绎逻辑；所谓经验，则包括一定的道德和理论、公共政策及直觉知识，甚至法官的偏见。法律现实主义对法官主观能动性和法律推理灵活性的强调，促使人工智能研究从模拟法律推理的外在逻辑形式进一步转向探求法官的内在思维结构。人们开始考虑，如果思维结构对法官的推理活动具有定向作用，那么，人工智能法律系统若要达到法官水平，就应该通过建立思维结构模型来设计机器的运行结构。TAXMAN的设计就借鉴了这一思想，法律知识被计算机结构语言以语义的方式组成不同的规则系统，解释程序、协调程序、说明程序分别对网络结构中的输入和输出信息进行动态结构调整，从而适应了知识整合的需要。大规模知识系统的KBS(Knowledge Based System)开发也注意了思维结构的整合作用，许多具有内在联系的小规模KBS子系统，在分别模拟法律推理要素功能（证成、法律查询、法律解释、法律适用、法律评价、理由阐述）的基础上，又通过联想程序被有机联系起来，构成了具有法律推理整体功能的概念模型。（注：P.Wahlgren，Automation of Legal Reasoning:A Study onArtificial Intelligence and Law，Computer Law Series 11.KluwerLaw and Taxation Publishers.Deventer Boston 1992.Chapter 7.）
第三，“开放结构”的概念打开了疑难案件法律推理模拟的思路。法律形式主义忽视了疑难案件的存在。疑难案件的特征表现为法律规则和案件之间不存在单一的逻辑对应关系。有时候从一个法律规则可以推出几种不同的结论，它们往往没有明显的对错之分；有时一个案件面对着几个相似的法律规则。在这些情况下，形式主义推理说都一筹莫展。但是，法律现实主义在批判法律形式主义时又走向另一个极端，它否认具有普遍性的一般法律规则的存在，试图用“行动中的法律”完全代替法学“本本中的法律”。这种矫枉过正的做法虽然是使法律推理摆脱机械论束缚所走出的必要一步，然而，法律如果真像现实主义法学所说的那样仅仅存在于具体判决之中，法律推理如果可以不遵循任何标准或因人而异，那么，受到挑战的就不仅是法律形式主义，而且还会殃及法治要求实现规则统治之根本原则，并动摇人工智能法律系统存在的基础。哈特在法律形式主义和法律现实主义的争论中采取了一种折中立场，他既承认逻辑的局限性又强调其重要性；既拒斥法官完全按自己的预感来随意判案的见解，又承认直觉的存在。这种折中立场在哈特“开放结构”的法律概念中得到了充分体现。法律概念既有“意义核心”又有“开放结构”，逻辑推理可以帮助法官发现的阳面，而根据政策、价值和后果对规则进行解释则有助于发现问题的阴面。开放结构的法律概念，使基于规则的法律推理模拟在受到概念封闭性的限制而对疑难案件无能为力时，找到了新的立足点。在此基础上，运用开放结构概念的疑难案件法律推理模型，通过逻辑程序工具和联想技术而建立起来。Gardner博士就疑难案件提出两种解决策略：一是将简易问题从疑难问题中筛选出来，运用基于规则的技术来解决；二是将疑难问题同“开放结构”的法律概念联系在一起，先用非范例知识如规则、控辩双方的陈述、常识来获得初步答案，再运用范例来澄清案件、检查答案的正确性。
第四，目的法学促进了价值推理的人工智能。目的法学是指一种所谓直接实现目的之“后法治”理想。美国法学家诺内特和塞尔兹尼克把法律分为三种类型。他们认为，以法治为标志的自治型法，过分强调手段或程序的正当性，有把手段当作目的的倾向。这说明法治社会并没有反映人类关于美好社会的最高理想，因为实质正义不是经过人们直接追求而实现的，而是通过追求形式正义而间接获得的。因此他们提出以回应型法取代自治型法的主张。在回应型法中，“目的为评判既定的做法设立了标准，从而也就开辟了变化的途径。同时，如果认真地对待目的，它们就能控制行政自由裁量权，从而减轻制度屈从的危险。反之，缺少目的既是僵硬的根源，又是机会主义的根源。”（注：（美）诺内特、塞尔兹尼克著：《转变中的法律与社会》，张志铭译，政法大学出版社1994年版，第60页。）美国批判法学家昂格尔对形式主义法律推理和目的型法律推理的特点进行了比较，他认为，前者要求使用明确、固定的规则，无视社会现实生活中不同价值观念的冲突，不能适应复杂情况和变化，追求形式正义；后者则要求放松对法律推理标准的严格限制，允许使用无固定内容的抽象标准，迫使人们在不同的价值观念之间做出选择，追求实质正义。与此相应，佩雷尔曼提出了新修辞学(New Rhetoric)的法律。他认为，形式逻辑只是根据演绎法或归纳法对问题加以说明或论证的技术，属于手段的逻辑；新修辞学要填补形式逻辑的不足，是关于目的的辩证逻辑，可以帮助法官论证其决定和选择，因而是进行价值判断的逻辑。他认为，在司法三段论思想支配下，法学的任务是将全部法律系统化并作为阐释法律的大前提，“明确性、一致性和完备性”就成为对法律的三个要求。而新修辞学的基本思想是价值判断的多元论，法官必须在某种价值判断的指示下履行义务，必须考虑哪些价值是“合理的、可接受的、社会上有效的公平的”。这些价值构成了判决的正当理由。（注：沈宗灵著：《西》，北京大学出版社1992年版，第443-446页。）制造人工智能法律系统最终需要解决价值推理的模拟问题，否则，就难以实现为判决提供正当理由的要求。为此，P.Wahlgren提出的与人工智能相关的5种知识表达途径中，明确地包括了以道义为基础的法律推理模型。（注：P.Wahlgren，Automation of Legal Reasoning:A Study on ArtificialIntelligence and Law，Computer Law Series 11.Kluwer Law andTaxation Publishers.Deventer Boston 1992.Chapter 7.）引入道义逻辑，或者说在机器中采用基于某种道义逻辑的推理程序，强调目的价值，也许是制造智能法律系统的关键。不过，即使把道义逻辑硬塞给机，钢铁之躯的机器没有生理需要，也很难产生价值观念和主观体验，没办法解决主观选择的问题。在这个问题上，波斯纳曾以法律家有七情六欲为由对法律家对法律的机械忠诚表示了强烈怀疑，并辩证地将其视为法律的动力之一。只有人才能够平衡相互冲突的利益，能够发现对人类生存和发展至关重要的价值。因此，关于价值推理的人工智能模拟究竟能取得什么成果，恐怕还是个未知数。
2.法对人工智能系统研制的指导作用
Gold and Susskind指出：“不争的事实是，所有的专家系统必须适应一些法理学理论，因为一切法律专家系统都需要提出关于法律和法律推理性质的假设。从更严格的意义上说，一切专家系统都必须体现一种结构理论和法律的个性，一种法律规范理论，一种描述法律的理论，一种法律推理理论”。（注：Gold and Susskind，ExpertSystems in Law:A Jurisprudential and Formal SpecificationApproach，pp.307-309.）人工智能法律系统的，不仅需要以法理学关于法律的一般理论为知识基础，还需要从法理学获得关于法律推理的完整理论，如法律推理实践和理论的，法律推理的标准、主体、过程、等等。人工智能对法律推理的模拟，主要是对法理学关于法律推理的知识进行人工智能方法的描述，建立数学模型并编制机程序，从而在智能机器上再现人类法律推理功能的过程。在这个过程中，人工智能专家的主要任务是研究如何吸收法理学关于法律推理的研究成果，包括法理学关于人工智能法律系统的研究成果。
随着人工智能法律系统研究从低级向高级目标的推进，人们越来越意识到，对法律推理的微观机制认识不足已成为人工智能模拟的严重障碍。P.Wahlgren指出，“许多人工智能技术在法律领域的开发项目之所以失败，就是因为许多潜在的法理学原则没有在系统开发的开始阶段被遵守或给予有效的注意。”“法理学对法律推理和方法论的关注已经有几百年，而人工智能的诞生只是本世纪50年代中期的事情，这个事实是人工智能通过考察法理学知识来丰富自己的一个有效动机。”（注：P.Wahlgren，Automation of Legal Reasoning:A Study onArtificial Intelligence and Law，Computer Law Series 11.KluwerLaw and Taxation Publishers.Deventer Boston 1992.Chapter 7.）因此，研究法律推理自动化的目标，“一方面是用人工智能（通过把计算机的应用与模型相结合）来支撑法律推理的可能性；另一方面是应用法理学理论来解决作为法律推理支撑系统的以及一般的人工智能问题。”（注：P.Wahlgren，Automation of Legal Reasoning:A Studyon Artificial Intelligence and Law，Computer Law Series 11.Kluwer Law and Taxation Publishers.Deventer Boston 1992.Chapter 7.）在前一方面，是人工智能法律系统充当法律推理研究的思想实验手段以及辅助司法审判的问题。后一方面，则是法律推理的法律学研究成果直接为人工智能法律系统的研制所应用的问题。例如，20世纪70年代法理学在真实和假设案例的推理和分析方面所取得的成果，已为几种人工智能法律装置借鉴而成为其设计工作的理论基础。在运用模糊或开放结构概念的法律推理研究方面，以及在法庭辩论和法律解释的形式化等问题上，法理学的研究成果也已为人工智能法律系统的研究所借鉴。
四、人工智能法律系统研究的难点
人工智能法律系统的研究尽管在很短的时间内取得了许多令人振奋的成果，但它的发展也面临着许多困难。这些困难构成了研究工作需要进一步努力奋斗的目标。
第一，关于法律解释的模拟。在法理学的诸多研究成果中，法律解释的研究对人工智能法律系统的研制起着关键作用。法律知识表达的核心问题是法律解释。法律规范在一个法律论点上的效力，是由法律家按忠实原意和适合当时案件的原则通过法律解释予以确认的，其中包含着人类特有的价值和目的考虑，反映了法律家的知识表达具有主观能动性。所以，德沃金将解释过程看作是一种结合了法律知识、信息和思维方法而形成的，能够应变的思维策略。（注：Dworkin，Taking RightsSeriously，Harvard University Press Cambridge，Massachusetts1977.p.75.）的法律专家系统并未以知识表达为目的来解释法律，而是将法律整齐地“码放”在计算机记忆系统中仅供一般检索之用。然而，在法律知识工程系统中，法律知识必须被解释，以满足自动推理对法律知识进行重新建构的需要。麦卡锡说：“在开发智能信息系统的过程中，最关键的任务既不是文件的重建也不是专家意见的重建，而是建立有关法律领域的概念模型。”（注：McCarty，Intelligent legalinformation systems:problems and prospects，op.cit.supra，note25，p.126.）建立法律概念模型必须以法律家对某一法律概念的共识为基础，但不同的法律家对同一法律概念往往有不同的解释策略。凯尔森甚至说：即使在国内法领域也难以形成一个“能够用来叙述一定法律共同体的实在法的基本概念”。（注：（奥）凯尔森著：《法与国家的一般理论》，沈宗灵译，大百科全书出版社1996年版，第1页。）尽管如此，法理学还是为法律概念模型的重建提供了一些方法。例如，德沃金认为，法官在“解释”阶段，要通过推理论证，为自己在“前解释”阶段所确定的大多数法官对模糊法律规范的“一致看法”提供“一些总的理由”。获取这些总的理由的过程分为两个步骤：首先，从现存的明确法律制度中抽象出一般的法律原则，用自我建立的一般法律理论来证明这种法律原则是其中的一部分，证明现存的明确法律制度是正当的。其次，再以法律原则为依据反向推出具体的法律结论，即用一般法律理论来证明某一法律原则存在的合理性，再用该法律原则来解释某一法律概念。TAXMAN等系统装置已吸收了这种方法，法律知识被计算机结构语言以语义的方式组成不同的规则系统，解释程序使计算机根据案件事实来执行某条法律规则，并在新案件事实输入时对法律规则作出新的解释后才加以调用。不过，法律知识表达的进展还依赖于法律解释研究取得更多的突破。
第二，关于启发式程序。的专家系统如果不能与启发式程序接口，不能运用判断性知识进行推理，只通过规则反馈来提供简单解释，就谈不上真正的智能性。启发式程序要解决智能机器如何模拟法律家推理的直觉性、经验性以及推理结果的不确定性等，即人可以有效地处理错误的或不完全的数据，在必要时作出猜测和假设，从而使问题的解决具有灵活性。在这方面，Gardner的混合推理模型，Edwina L.Rissland运用联想程序对规则和判例推理的结果作集合处理的思路，以及Massachusetts大学研制的CABARET（基于判例的推理工具），在将启发式程序于系统开发方面都进行了有益的尝试。但是，法律问题往往没有唯一正确的答案，这是人工智能模拟法律推理的一个难题。选择哪一个答案，往往取决于法律推理的目的标准和推理主体的立场和价值观念。但智能机器没有自己的目的、利益和立场。这似乎从某种程度上划定了机器法律推理所能解决问题的范围。
第三，关于法律语言理解。在设计基于规则的程序时，设计者必须假定整套规则没有意义不明和冲突，程序必须消灭这些问题而使规则呈现出更多的一致性。就是说，尽管人们对法律概念的含义可以争论不休，但输入机器的法律语言却不能互相矛盾。机器语言具有很大的局限性，例如，LDS基于规则来模拟严格责任并实际损害时，表现出的最大弱点就是不能使用不精确的自然语言进行推理。然而，在实际的法律推理过程中，法律家对某个问题的任何一种回答都可根据上下文关系作多种解释，而且辩论双方总是寻求得出不同的结论。因此，智能法律专家系统的成功在很大程度上还依赖于自然语言理解工作的突破。牛津大学的一个程序组正在研究法律自然语言的理解问题，但是遇到了重重困难。原因是连法学家们自己目前也还没有建立起一套大家一致同意的专业术语规范。所以Edwina L.Rissland认为，常识知识、意图和信仰类知识的模拟化，以及自然语言理解的模拟问题，迄今为止可能是人工智能面临的最困难的任务。对于语言模拟来说，像交际短语和短语概括的有限能力可能会在较窄的语境条件下取得成果，完全的功能模拟、一般“解决问题”能力的模拟则距离非常遥远，而像书面上诉意见的理解则是永远的终极幻想。（注：Edwina L.Rissland，ArtificialIntelligence and Law:Stepping Stones to a Model of LegalReasoning， Yale Law Journal.(Vol.99:1957-1981).）
五、人工智能法律系统的开发策略和应用前景
我们能够制造出一台什么样的机器，可以证明它是人工智能法律系统？从检验标准上看，这主要是法律知识在机器中再现的判定问题。根据“图灵试验”原理，我们可将该检验标准概括如下：设两间隔开的屋子，一间坐着一位法律家，另一间“坐着”一台智能机器。一个人（也是法律家）向法律家和机器提出同样的法律问题，如果提问者不能从二者的回答中区分出谁是法律家、谁是机器，就不能怀疑机器具有法律知识表达的能力。
依“图灵试验”制定的智能法律系统检验标准，所看重的是功能。只要机器和法律家解决同样法律问题时所表现出来的功能相同，就不再苛求哪个是钢铁结构、哪个是血肉之躯。人工智能立足的基础，就是相同的功能可以通过不同的结构来实现之功能模拟。
从功能模拟的观点来确定人工智能法律系统的研究与开发策略，可作以下考虑：
第一，扩大人工智能法律系统的研发主体。现有人工法律系统的幼稚，暴露了仅仅依靠计算机和知识工程专家从事系统研发工作的局限性。因此，应该确立以法律家、逻辑学家和计算机专家三结合的研发群体。在系统研发初期，可组成由法学家、逻辑与认知专家、计算机和知识工程专家为主体的课题组，制定系统研发的整体战略和分阶段实施的研发规划。在系统研发中期，应通过等手段充分吸收初级产品用户（律师、检察官、法官）的意见，使研发工作在理论研究与实际应用之间形成反馈，将开发精英与广大用户的智慧结合起来，互相启发、群策群力，推动系统迅速升级。
第二，确定与相结合、以应用为主导的研发策略。国外人工智能系统的研究大多停留在实验室领域，还没有在司法实践中加以应用。但是，任何智能系统包括相对简单的软件系统，如果不经过用户的长期使用和反馈，是永远也不可能走向成熟的。从我国的实际情况看，如果不能将初期研究成果尽快地转化为产品，我们也难以为后续研究工作提供雄厚的资金支持。因此，人工智能法律系统的研究必须走产研结合的道路，坚持以应用开路，使智能法律系统尽快走出实验室，同时以研究为先导，促进不断更新升级。
第三，系统研发目标与初级产品功能定位。人工智能法律系统的研发目标是制造出能够满足多用户（律师、检察官、法官、立法者、法学家）多种需要的机型。初级产品的定位应考虑到，人的推理功能特别是价值推理的功能远远超过机器，但人的记忆功能、检索速度和准确性又远不如机器。同时还应该考虑到，我国目前有12万律师，23万检察官和21万法官，每年1.2万法学院本科毕业生，他们对法律知识的获取、表达和应用能力参差不齐。因此，初级产品的标准可适当降低，先研制推理功能薄弱、检索功能强大的法律专家系统。可与机厂商合作生产具有强大数据库功能的硬件，并确保最新法律、法规、司法解释和判例的网上及时更新；同时编制以案件为引导的高速检索软件。系统开发的先期目标应确定为：(1)替律师起草仅供的起诉书和辩护词；(2)替法官起草仅供参考的判决书；(3)为法学院学生提供模拟法庭审判的通用系统软件，以辅助学生在起诉、辩护和审判等诉讼的不同阶段巩固所学知识、获得审判经验。上述软件旨在提供一个初级平台，先解决有无和急需，再不断收集用户反馈意见，逐步改进完善。
第四，实验室研发应确定较高的起点或跟踪战略。国外以知识工程为主要技术手段的人工智能法律系统开发已经历了如下阶段：(1)主要适用于简单案件的规则推理；(2)运用开放结构概念的推理；(3)运用判例和假设的推理；(4)运用规则和判例的混合推理。我们如确定以简单案件的规则推理为初级市场产品，那么，实验室中第二代产品开发就应瞄准运用开放结构概念的推理。同时，跟踪运用假设的推理及混合推理，吸收国外先进的KBS和HYPO的设计思想，将功能子系统开发与联想式控制系统结合。HYPO判例法推理智能装置具有如下功能：(1)评价相关判例；(2)判定何方使用判例更加贴切；(3)并区分判例；(4)建立假设并用假设来推理；(5)为一种主张引用各种类型的反例；(6)建立判例的引证概要。HYPO以商业秘密法的判例推理为模拟对象，假设了完全自动化的法律推理过程中全部要素被建立起来的途径。值得注意的是，HYPO忽略了许多要素的存在，如商业秘密法背后的政策考虑，法律概念应用于实际情况时固有的模糊性，信息是否已被公开，被告是否使用了对方设计的产品，是否签署了让与协议，等等。一个系统设计的要素列表无论多长，好律师也总能再多想出一些。同样，律师对案件的分析，不可能仅限于商业秘密法判例，还可能援引侵权法或专利法的判例，这决定了起诉缘由的多种可能性。Ashley还讨论了判例法推理模拟的其他困难：判例并不是概念的肯定的或否定的样本，因此，要通过要素等简单的法律术语使模糊的法律规则得到澄清十分困难，法律原则和类推推理之间的关系还不能以令人满意的方式加以描述。（注：Edwina L.Rissland，Artificial Intelligence and Law:Stepping Stones toa Model of Legal Reasoning， Yale Law Journal.(Vol.99:1957-1981).）这说明，即使具有较高起点的实验室基础研究，也不宜确定过高的目标。因为，智能法律系统的研究不能脱离人工智能的整体发展水平。
篇13
1 人工智能及其在医学上的应用
AI是一个广义的术语，指的是机器或计算程序执行具有人类智能特征的任务的能力，如模式识别和解决问题的能力等。AI可以通过弥补人类智能，使现有医疗诊断和预后价值最大化，同时使医师负担最小化，从而显着改善健康诊疗过程和结果。AI在临床实践中的应用预示着医学领域一个更为剧烈变化时代的到来，在影像学方面尤其如此。一项通过分析科学网数据库的研究[3]发现，目前AI在医学的研究领域主要集中在大数据分析、脑卒中康复、心脏手术和医疗诊断和预后预测等方面。其中，用于医学诊断、预后预测和分类的神经网络和支持向量机是主要热点，占所有文献的26%；而未来最引人关注的研究主题是基于AI的微创手术。然而，关于AI数据管理、模型可靠性、模型临床效用验证等问题尚未进行广泛研究。
2 人工智能的机器学习法
大数据是一个经常用来描述大量收集数据的术语，如来自大型生物信息库的基因组数据、电子健康记录档案和大型研究队列数据以及影像学扫描数据等。AI系统通过识别和提取一组观测数据（数据集）的模式来自主获取知识的过程称为机器学习（machine learning,ML）。ML是人工智能的一个组成部分，描述为计算机从经验中学习的过程，并在没有事先知识的情况下执行预定的任务[4]。机器学习可以进一步分为监督学习、半监督学习和无监督学习，这取决于用于学习的样本是否完全标记、部分标记或未标记。ML的典型例子是人工神经网络，后者基于人类大脑的神经元及其连接，神经元之间的相互依赖关系反映出不同的权重，每个神经元接受多个输入，所有的输入一起决定了神经元的激活。通过样本训练找到这些合适权重的过程就是学习。学习过程的复杂性和所需的样本量随着神经元数量的增加而增加。由于计算能力和样本大小的限制，机器学习应用程序的成功依赖于从原始样本中手工提取特征来减少神经元的数量。为了解决这一问题，人们提出了深度学习的方法，即自动学习代表性的样本。深度学习是指一种特别强大的ML方法，它利用卷积神经网络模拟人类的认知，常用于影像模式识别和分类。
模型训练是所有ML类型的共同过程，它是利用模型分析所提供的数据中的各种特性来学习如何生成输出标签的过程[5]。如在超声心动图中，一个模型可以分析各种特征，如左心室壁厚度和左心室射血分数，以确定患者是否具有特定的条件。然而，在分析中包含不相关的特征可能会导致模型过度拟合，从而在呈现新数据集时降低其准确性。这强调了拥有一个能够代表总体的训练数据集的重要性。数据集的质量对于最终ML模型的质量至关重要。尽管ML算法可以使用小数据集或大数据集进行训练，但大数据集可以最大限度地提高训练算法的内部和外部有效性，降低过度拟合的风险。正确模型的选择通常取决于操作员的专业知识、数据集的性质和最终人工智能系统的目的。
3 人工智能在心血管超声的应用
心血管成像领域，包括超声心动图、心脏计算机断层扫描、心脏磁共振成像和核成像，具有复杂的成像技术和高容量的成像数据，处于精准心脏病学革命的前沿。然而，在基于AI的临床转化方法中，心血管成像一直落后于肿瘤学等其他领域。人工智能在超声心动图中的应用包括自动心室定量和射血分数计算、应变测量和瓣膜形态及功能评估以及ML在心脏疾病自动诊断中的应用。
3.1 心室定量和EF自动化。
自动心室量化和EF计算的算法旨在提供准确、快速和可重复的心尖视图分类、解剖标志检测、心室壁分割和心内膜跟踪。有研究[6]比较了AI软件自动测量（AutoEF）和手工追踪双平面Simpson法测量左室EF的准确性，并与心脏MRI进行了比较。结果表明AutoEF与手动双平面Simpson法测得的EF相关性较好，且与MRI相关性良好，但AutoEF低估了左室舒张末期容积（EDV）和收缩期末期容积（ESV）。此外，在不同切面，测量的准确性存在差异，以胸骨旁长轴切面的准确性最高，达96%，而在心尖切面时整体精度降低（84%）。腔室定量和左室EF测量的中位数绝对偏差在15%～17%，其中ESV的绝对偏差最小；左房容积和左室EDV被高估。
3.2 心肌运动和应变测量。
Kusunose等[7]研究发现与传统二维超声心动图相比，利用深度卷积神经网络可更好的检测区域壁运动异常并区分冠状动脉梗死区域。Cikes等[8]利用复杂超声心动图数据（整个心动周期的左室容积和变形数据，而不是单个数据点）和临床参数的ML算法识别心衰并对心脏再同步化治疗的反应进行评估，证实通过整合临床参数和全心周期成像数据，无监督的ML可以为表型异质性心力衰竭队列提供一个有临床意义的分类，并可能有助于优化特定治疗的反应率。另有研究证实[9-10],ML算法有助于区分缩窄性心包炎、限制性心肌病以及肥厚性心肌的重塑。Zhang等[11]采用AI软件和手工勾画对左室心肌的纵向应变进行了比较研究。发现AI自动测量的心肌全局纵向应变与手动应变变化最小（绝对值为1.4%～1.6%）。
3.3 心脏瓣膜评估。
有学者[12]采用AI软件对二尖瓣几何形状进行测量，测量参数包括二尖瓣环面积、瓣环高度和宽度、瓣叶连合间距、前后叶长度等。发现相对于常规超声心动图，所有评估的成像参数均获得了更好的观察者间一致性，而且所花费的时间明显较少。Prihadi等[13]研究证实，经食管超声心动图AI软件能够精确地对主动脉瓣结构以及冠状动脉开口进行测量和定位，且与多层螺旋CT的测量结果具有良好的相关性。
4 展望
在海量医学信息和影像数字化日益积累的现代医学时代，AI和ML为疾病诊断和风险预测等问题提供了新的解决方案。通过AI对超声心动图数据进行预测、建模和精确分析，可以帮助超声医师快速、准确地处理大量心脏超声影像学数据，既有利于应对当前医疗信息数量的急剧增长，又有利于提高处理数据信息的能力。未来，针对AI的研究应关注超声图像数据特征定义及其提取方法的标准化，以确保可推广性和可再现性，促进AI向更加个性化的医疗模式转变。此外，AI系统与远程医疗等软件的集成，将使智能心脏超声诊断系统渗透到资源消耗负担最繁重的地区，提高经济效益。
参考文献
[1]Oikonomou EK,Siddique M,Antoniades C.Artificial intelligence in medical imaging:A radiomic guide to precision phenotyping of cardiovascular disease[J].Cardiovasc Res,2020,Feb 24;cvaa021.
[2]Dey D,Slomka PJ,Leeson P,et al.Artificial Intelligence in Cardiovascular Imaging:JACC State-of-the-Art Review[J].J Am Coll Cardiol,2019,73(11):1317-1335.
[3]Tran BX,Latkin CA,Vu GT,et al.The Current Research Landscape of the Application of Artificial Intelligence in Managing Cerebrovascular and Heart Diseases:A Bibliometric and Content Analysis[J].Int J Environ Res Public Health,2019,16(15):2699.
[4]Gandhi S,Mosleh W,Shen J,et al.Automation,machine learning,and artificial intelligence in echocardiography:A brave new world[J].Echocardiography,2018,35(9):1402-1418.
[5]Alsharqi M,Woodward WJ,Mumith JA,et al.Artificial intelligence and echocardiography[J].Echo Res Pract,2018,5(4):R115-R125.
[6]Xu B,KocyigitD,Grimm R,et al.Applications of artificial intelligence in multimodality cardiovascular imaging:A state-of-theart review[J].Prog Cardiovasc Dis,2020,19;S0033-0620(20)30060-8.
[7]Kusunose K,Abe T,Haga A,et al.A Deep Learning Approach for Assessment of Regional Wall Motion Abnormality From Echocardiographic Images[J].JACC Cardiovasc Imaging,2020,13(2 Pt 1):374-381.
[8]Cikes M,Sanchez-Martinez S,Claggett B,et al.Machine learningbased phenogrouping in heart failure to identify responders to cardiac resynchronization therapy[J].Eur J Heart Fail,2019,21(1):74-85.
[9]Narula S,Shameer K,Salem Omar AM,et al.Machine-Learning Algorithms to Automate Morphological and Functional Assessments in 2D Echocardiography[J].J Am Coll Cardiol,2016,68(21):2287-2295.
[10]Sengupta PP,Huang YM,Bansal M,et al.Cognitive machine-learning algorithm for cardiac imaging:a pilot study for differentiating constrictive pericarditis from restrictive cardiomyopathy[J].Circ Cardiovasc Imaging 2016,9(6):e004330.
