第2届世界人工意识大会热身-媒体与顶刊速递系列

The 2nd World Conference on Artificial Consciousness

第二届世界人工意识大会(DIKWP-AC2024)

Artificial Consciousness:The Confluence of Intelligence and Consciousness in the Inter Disciplinary Domain

Ultimate of Digital Economy:

From Asymmetric Data Economy to Symmetric Knowledge and Wisdom Economy

数字经济的终极目标：从不对称数据经济到对称知识与智慧经济

Yucong DUANa, Vuong T.PHAMb,c,d, Mengmeng SONGa, Hien D. NGUYENe.d,1.

a DIKWP research group, Hainan University, Haikou, China

b Institue of Data Science and Artificial Intelligence, Sai Gon University, Ho Chi Minh city,Vietnam

c University of Science, Ho Chi Minh city,Vietnam

d Vietnam National University, Ho Chi Minh city, Vietnam

e University of Information Technology, Ho Chi Minh city, Vietnam

摘要

人类文明中不同经济社会的认知知识、发展和规划的揭示大多受到历史上不对称的数据资产、信息资产、知识资产和智慧资产的可用性或所有权的影响。不对称信息的可用性和对商业商品或服务的需求的不对称性构成了许多经济模型和理论的基础。然而，从DIKWP（数据、信息、知识、智慧和意图）资本实现和DIKWP治理的角度来看，随着信息技术的快速发展和数字通信设施的广泛进步，不对称信息经济正在逐渐被本质上对称的知识经济和对称的智慧经济所取代。不对称经济被对称经济在DIKW-12链方面的替代的必然性被正式确定，并提出了跨越DIKWP的统一语义处理。

关键词：文明、经济、治理、不对称经济、对称经济、数据科学、知识工程

一、引言

（由于翻译的语言翻译困难，此部分节选-略）

二、概念背景

思维与存在之间的关系是所有哲学中的中心问题，尤其是现代哲学。数据、信息、知识和智慧之间的关系由DIKW金字塔（图1）所描绘。结构的每个组成部分都是向上爬梯的一步；数据首先出现，然后是信息、知识和智慧。

基于对DIKW的形式化，引入了一个容纳表达过程的主观内容的意图语义部分的概念，以构建一个跨模态、跨主观客观类别DIKWP（DIKW + 意图）架构。图2代表了DIKWP的架构。从人类认知的角度来看，思维与存在之间的关系问题空间属于语义空间。面向DIKWP资源空间的数据资产-信息资产-知识资产-智慧资产-意图资产的资产链。

图2  DIKWP 架构

对DIKWP基本概念认知发展过程的简要回顾将有助于理解基于哲学本质的数据科学的认知和信息。从逻辑认知的角度来看，对于离散对象目标，基于相同语义的抽象认知可以在同一语义基础上发展语义认知的基础上建立。

相同语义的认知是一个基本的总体抽象过程。通过主观抽象、简化和消除具体和精确的差异，这种普遍抽象使目标项从客观实际世界转化到认知空间成为可能。数据语义是自主的或具有确定语义的主观认知目标项。数据观念和数据语义是不同的。数据语义通过数据概念符号化地表达。对于给定的数据观念，可以与一个或多个不同的认知数据语义相关联。

不同语义的认知是一个基本的简化抽象过程。通过仔细观察、测量和排除分析，这种简化抽象允许将目标对象从主观认知世界转化为客观领域。这是通过集中于相同的概念并获得全面和精确的理解来实现的。信息语义被定义为可能独立存在于认知空间或具有特定含义的目标项的主观性差异。信息概念是关键要记住的，因为它们充当信息语义的符号表示。每个概念可以与一个或多个不同的认知信息含义相关联。

知识语义的认知是一个基本的完整性假设类型化过程，这种类型化抽象主观地确认了类型化整体之间的某种语义关系。

智慧语义的认知是内在价值的主观和客观建模和表达过程。作为一种模糊性的高阶语义关联过程，有意义语义认知是一个认知过程。

DIKWP语义空间的DIKWP数字科学链反过来是一个科学范式概念，它依赖于发现数据和推断信息以产生可以被理解和客观解释的知识认知。科学的证明结构是从智慧科学和意图科学中推导出来的。证明链的相应认知语义关联形成了DIKWP科学的DIKWP语义解释。

三、历史经济形式简介

基于对数字化世界作为数据、信息、知识、智慧和意图（DIKWP）资源及其相互作用的整体客观-主观视角，我们需要在这份报告中向前迈进，迈向一个新的DIKWP经济。从DIKWP的不对称性和对称性角度来看，历史经济的简要概述如下：

DIKWP-数据经济：与物理世界相关的客观良好数据的不对称可用性或所有权，特别是原始农业和商品交换，曾经主导了世界初期的农耕和狩猎社会的文明。在这种数据经济中，物品的所有权不对称和随着时间的变化而发生变化的需求使得在交换过程中利用物品价值的差异获利成为可能。

DIKWP-信息经济：与数据或信息以语义形式表示认知世界相关的主观信息的不对称可用性或所有权，在当前的市场经济中占主导地位，尤其是商业倾向和稀缺性预测等方面。互联网技术和各种自主技术，如人工智能和机器人，不仅通过电子商务和智能治理等方式为人们提供及时和廉价的信息，而且还消除了分享不对称信息基础的机会。

DIKWP-知识经济：知识经济理想地并最终避免在创建或维护无效的不对称利益方面产生无意义的或低效的成本或浪费。然而，在大多数国家，知识经济在完全实践之前还有很长的路要走。一个建议是对知识资产权利进行国家级注册，并制定系统性立法保护发明者的利益。它也可以用来解决经济中的一些推理问题。

DIKWP-智慧经济：与数据、信息、知识或智慧相关的智慧的不对称可用性或所有权以语义形式表示人类信念在认知社会价值世界中的创新。智慧在智慧经济中在操纵经济世界以迎合多个不同甚至具有争议性的目标/意图和当前经济机制的不对称变化方面发挥着重要作用。智慧不一定是直接的生产力，但它是协调冲突、推动变革朝着互利的方向变化的必要条件。经济中的智慧最终将被认可，并稳步推动世界朝着更加公平、更加节能、更加环保的方向发展。

四、数字经济中DIKWP链的概念化

本节构建一个本体论模型，以数据、信息、知识、智慧、意图、重用等为基础，解释了资产、资本、文化、文明、不对称经济和对称经济之间的一般关系，如图3所示。以DIKWP-12链为基础的DIKWP数字市场经济的概念架构如下：

图3 DIKWP本体论支撑核心概念

4.1 DIKWP数字市场经济的架构

DIKWP资本链：建议广义上的一切利用资源实现物质或精神福祉、社会福祉或一般能源需求的事物，都需要通过客观建设或贡献，或者通过积极的主观态度或努力回馈社会。经济资本，包括数据、信息、知识、智慧和意图，是DIKWP经济的基础。它正在稳步发展成为一个跨客观内容和主观理解的链条，被称为DIKWP资本链。

DIKWP资本链 ::= 数据资本 → 信息资本 → 知识资本 → 智慧资本 → 意图资本

这意味着：

DIKWP数字经济链：数字经济正在扩展，涵盖数据经济、信息经济、知识经济和智慧经济，更像是一个DIKWP数字经济链：

DIKWP经济链 ::= 数据经济 → 信息经济 → 知识经济 → 智慧经济 → 意图经济

这意味着：

DIKWP XaaS服务链：为支持对DIKWP数字资本链中的数据资本、信息资本、知识资本、智慧资本和意图资本的可信治理和管理，提供了XaaS形式的服务，包括数据即服务（DaaS）、信息即服务（IFaaS）、知识即服务（KaaS）、智慧即服务（WaaS）和意图即服务（PRaaS），形成了DIKWP服务链：

DIKWP服务链::=DaaS→IFaaS→ KaaS →WaaS→PRaaS

这意味着：

DIKWP信任链：为了降低DIKWP服务链上的交换和交易成本，朝着繁荣的DIKWP数字经济链发展，我们不仅需要扩展值信任计算以涵盖可信数据、可信信息、可信知识和可信智慧/决策，还需要在语义空间中转换DIKWP资本的信任传递，形成DIKWP信任链：

DIKWP信任链 ::= 可信数据 → 可信信息 → 可信知识 → 可信智慧 → 可信意图

这意味着：

DIKWP治理链：对应于DIKWP资本链中数据资本、信息资本、知识资本和智慧资本的社会层面管理，DIKWP治理包括数据治理、信息治理、知识治理、智慧治理和意图治理，构成了DIKWP治理链：

DIKWP治理链 ::= 数据治理 → 信息治理 → 知识治理 → 智慧治理 → 意图治理

这意味着：

整合的数据信任、信息信任、知识信任和智慧信任作为整体DIKWP信任链将大大降低DIKWP治理对DIKWP经济链的成本和预算。

DIKWP区块链链：普通的区块链工具被提议作为实现DIKWP信任链的实际方法。这些工具被称为DIKWP语义区块链。它们可以结合在一起创建一个逐步的语义区块链，称为DIKWP区块链链。

DIKWP区块链链 ::= 数据区块链 → 信息区块链 → 知识区块链 → 智慧区块链 → 意图区块链

这意味着：

DIKWP合约链：在DIKWP区块链链中，共识机制的核心是智能合约，包括数据合约、信息合约、知识合约、智慧合约，或DIKWP合约链：

DIKWP合约链 ::= 数据合约 → 信息合约 → 知识合约 → 智慧合约 → 意图合约

这意味着：

DIKWP学习链用于强人工智能：通过将当前的AI机器学习数据标记和数据训练扩展到跨越DIKWP标记、DIKWP训练、DIKWP机器学习启动，集成了数据、信息、知识和智慧学习。它们形成了DIKWP机器学习链的语义学习：

DIKWP学习链 ::= 数据学习 → 信息学习 → 知识学习 → 智慧学习 → 意图学习

这意味着：

4.2其他相关的DIKWP链

数字文化、数字重用、数字科学、数字文明、数字哲学、数字艺术和数字文明等DIKWP链正在扩展，涵盖数据、信息、知识、智慧和意图，如表1所示。

建模过程涉及DIKW的四个层次，重点关注资源的内容和认知方面。首先，根据词性和语义将资源分为数据资源和信息资源。其次，利用开源概念语义知识库如How Net和Word Net来识别数据与信息之间的关系。接下来，通过考虑节点的频率和连接来自动创建内容知识图。最后，通过对内容的预期意图进行建模生成内容意图图谱。此外，人类学习的一个重要方法涉及读者和内容认知DIKWP的相互转化。

图4总结了数字市场经济的DIKW链。从市场的数据和信息开始，知识被学习和提取。智慧来自于不同意图的不同人应用和实践知识。知识和智慧的结合推导出经济的意图。

表1. DIKWP链

图4 数字市场公司的DIKWP链总览

将内容和认知与主观认知相结合，可以创建一个相对完整的知识框架，可以成功解决不一致性、不完整性、正确性以及无法传达独特资源等问题。图5描述了内容和认知之间的DIKWP框架。

五、DIKWP社会技术一体化

在涉及利益相关者、数字资产和资本的数字经济活动中，由于技术限制、缺乏信任和不可靠性，会产生不确定性。这些不确定性导致社会资源的浪费、人工智能技术的滥用和隐私泄露。此外，在社会技术互动的生命周期内，建议对同一客观内容的不同主观理解进行标准化。这可以通过整合的语义表达空间实现。随后，提出了处理和管理这些不确定性的关键步骤。

图5 内容和认知DIKWP框架

5.1 定义的DIKWP目标驱动策略的输入和输出

为了解决问题输入端（4-无DIKWP输入）的不一致性、不完整性、不准确性和无法表达性等不确定性，期望能够在问题输出端（4-无DIKWP输出）的不一致性、不完整性、不准确性和无法表达性的约束下解释最优结论，同时考虑到能源效率、集成计算-存储-通信约束，我们提出了一个目标驱动策略，如图3所示，其中目标由包含DIKWP资产的输入和输出对定义。

5.2 客观内容和主观认知的统一处理

为了汇集利益相关者的不同视角和他们与之交互的内容的理解和含义，我们使用DIKWP图将客观目标内容映射到4-无DIKWP输入中。统一的DIKWP语义图被检验以支持目标驱动策略，并增强目标建模。这些图代表了在4-无DIKWP输入和4-无DIKWP输出框架内对DIKWP数字经济中不确定性的探索和理解。图中的节点和关系被分析以评估它们在相应DIKWP子图之间的存在性、连接、差异和距离。

通过识别和减少不一致、不完整、不准确和资源交互不足导致的意外内容的来源，定位和解释内容差异。DIKWP语义图中路径的连通性和长度通过DIKWP（内容）图和DIKWP（认知）图的具体子图来说明。这些图提供了主观认知距离和问题解决中计算推理距离的客观表示的有形证据。通过优化和减少认知距离和推理差距，我们可以建立有效的改进计划。

图6. 影响度量

例如，在社交媒体网络上进行数字营销时，问题是确定谁是可以影响其观众做出购买决策的影响者。从社交网络收集的数据中，研究[17]对影响用户影响力的三个指标进行了信息化处理：放大因子、热情点和内容创建得分（图6）。此外，研究[29,30]提出了通过知识图的结构将这些信息表示为知识的方法。这些研究的意图是在现实世界中建立ADVO系统，用于管理影响者营销活动[31]。由于系统创建了营销活动结果的数据可视化，ADVO在同一时刻支持客户的决策。在实际的影响者营销活动中使用时，建立的管理系统因此是有用的[31,17]。

六、结论和未来方向

本研究提出了在现有经济学中取代不对称经济与对称经济的必然性的形式化方法，以及以DIKWP-12链的形式考察DIKWP数字市场经济中当前经济实践的现实。该研究还介绍了一种以意图驱动的DIKWP建模方法，该方法综合了跨DIKWP链的认知相互作用的整合。

首先，将具有争议性的内容和文件以DIKWP内容图的形式进行映射。其次，通过在DIKWP内容图中进行交互式语义计算和推理，从利益相关者的思想中检索认知DIKWP认知图。为了创建综合的DIKWP语义图，将客观的DIKWP内容图和主观的DIKWP认知图结合起来。

在未来的方向上，职业教育，包括AI数据标记、信息标记、知识标记、智慧标记、意图标记等，可以利用这种从不对称数据经济到对称知识经济和对称智慧经济的经济转变调整。这可以通过探索个体DIKWP资本的有效建模方法和实施DIKWP人力资本的再教育计划来实现，从而避免浪费社会DIKWP资源。

致谢我们感谢海南省重点研发计划（项目编号：ZDYF2022GXJS007、ZDYF2022GXJS010）、海南省高等教育教学改革研究项目（项目编号：Hnjg2021ZD-3）、海南省自然科学基金（项目编号：620RC561）。参考文献：

[1] Ebru Orhan. “The effects of the Russia-Ukraine war on global trade". In: Journal of International Trade, Logistics and Law 8.1 (2022),pp.141-146.

[2] Sana Gaied Chortane and Dharen Kumar Pandey. "Does the Russia-Ukraine warlead to currency asymmetries? A US dollar tale". In: The Journal of Economic Asymmetries 26 (2022), e00265.

[3] Timothy A Cavell."Social adjustment, social performance, and social skills: A tricomponent model of social competence". In:Journal of clinical child psychology19.2 (1990), pp. 111-122.

[4] Marco Ciotti et al.“The COVID-19 pandemic". In: Critical reviews in clinical laboratory sciences 57.6 (2020), pp. 365-388.

[5] T Thanh Le et al.“The COVID-19 vaccine development landscape". In:Nat Rev Drug Discov 19.5 (2020),pp. 305-306.

[6] G.M. Winder and R.Heron."Assembling a Blue Economy moment? Geographic engagement with globalizing biological-economic relations in multi-use marine environments". In: Dialogues in Human Geography 7.1 (2017), pp. 3-26.

[7] Avi Goldfarb and Catherine Tucker. "Digital economics". In:Journal of Economic Literature 57.1 (2019),pp. 3-43.

[8] Yue Huang and Yucong Duan. "Towards Purpose Driven Content Interaction Modeling and Processing based on DIKW"".In: 2021 IEEE World Congress on Services(SERVICES).IEEE.2021, pp. 27-32.

[9] Yingbo Li et al."Swarm Differential Privacy for Purpose-Driven Data-Information-Knowledge-Wisdom Architecture". In: Mobile Information Systems 2021(2021).

[10] Ralf Schenkel et al."Social Wisdom for Search and Recommendation."In:IEEE Data Eng. Bull.31.2 (2008), pp.40-49.

[11] Jianxiong Zhang et al. “Manufacturer encroachment with quality decision under asymmetric demand information". In: European Journal of Operational Research273.1 (2019), pp. 217-236.

[12] Sasa Baskarada and Andy Koronios."Data, information,knowledge,wisdom(DIKW): A semiotic theoretical and empirical exploration of the hierarchy and its quality dimension". In: Australasian Journal of Information Systems 18.1 (2013),pp. 5-24.

[13] Vasiliki Voukelatou et al. “Measuring objective and subjective well-being: dimensions and data sources". In: International Journal of Data Science and Analytics11.4(2021), pp. 279-309.

[14] Francis Heylighen. "Objective, subjective and inter subjective selectors of knowledge”. In: Evolution and cognition 3.1 (1997), pp.63-67.

[15] Charles 1 Jones and Christopher Tonetti."Nonrivalry and the Economics of Data".In: American Economic Review 110.9 (2020),pp. 2819-58.

[16] Prith Banerjee et al."Everything as a service: Powering the new information economy". In: Computer 44.3 (2011), pp. 36-43.

[17] Tai Huynh et al."A method to detect influencers in social networks based on the combination of amplification factors and content creation". In: Plos one 17.10(2022), e0274596.

[18] Peter Drahos and John Braithwaite. Information feudalism: Who owns the knowledge economy? Routledge, 2017.

[19] Phillip Brown et al.“Education, globalisation and the future of the knowledge economy". In: European Educational Research Journal 7.2 (2008), pp. 131-156.

[20] Nhon V Do and Hien D Nguyen."Knowledge-based Problem Solving and Reasoning methods". In:2022 14th International Conference on Knowledge and Systems Engineering (KSE).IEEE. 2022, pp.1-7.

[21] Meldha Amanda Putri, Ersis Warmansyah Abbas, and Jumriani Jumriani. "Strategies in Developing Creative Economic Activities Based on Local Wisdom". In:;The Innovation of Social Studies Journal 3.1(2021), pp. 42-48.

[22] Jathan Sadowski. “When data is capital: Datafication, accumulation, and extraction". In: Big data & society 6.1 (2019), p. 2053951718820549.

[23] Yucong Duan et al."Everything as a service (XaaS) on the cloud: origins, current and future trends”.In: 2015 IEEE 8th International Conference on Cloud Computing.IEEE. 2015, pp. 621-628.

[24] Yu Lei and Duan Yucong. "Trusted service provider discovery based on data, in-formation, knowledge,and wisdom". In: International Journal of Software Engineering and Knowledge Engineering 31.01 (2021), pp. 3-19.

[25] Rene Abraham, Johannes Schneider, and Jan Vom Brocke. "Data governance: A conceptual framework, structured review, and research agenda”. In: International Journal of Information Management 49(2019), pp. 424-438.

[26] Jun Du et al. "Contract mechanism and performance analysis for data transaction in mobile social networks". In: IEEE Transactions on Network Science and Engineering 6.2(2017), pp.103-115.

[27] Shangping Wang et al. "Smart contract-based product traceability system in the supply chain scenario”. In:IEEE Access 7 (2019), pp. 115122-115133.

[28] Hien D Nguyen and Chiaki Sakama. "Feature learning by least generalization”.In: International Conference on Inductive Logic Programming. Springer. 2021,pp. 193-202.

[29] Quan M Tran and et al.“Measuring the influence and amplification of users on social network with unsupervised behaviors learning and efficient interaction-based knowledge graph”. In: Journal of Combinatorial Optimization 44.4 (2022),Pp. 2919-2945.

[30] Quan M Tran et al. "Influence Prediction on Social Media Network through Contents and Interaction Behaviors using Attention-based Knowledge Graph".In:13th International Conference on Knowledge and Systems Engineering (KSE 2021).IEEE.2021, pp.1-7.

[31] Tai Huynh et al."ADVO: A system to manage influencer marketing campaigns on social networks". In: Applied Sciences 11.14 (2021), p. 6497.

翻译：DIKWP团队王玉星、段玉聪

意图驱动的数据、信息、知识、智慧融合发明创造方法：DIKWP-TRIZ

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（ArtificialConsciousness2023,AC2023,AC2024)

l 国际数据、信息、知识、智慧大会发起人（IEEEDIKW2021、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 海南唯一入选“首届科技期刊高质量发展大会100篇”

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