DIKWP架构的主观客观化创新与应用 

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

DIKWP架构的引入，以及在处理主客观概念-语义融合不确定性方面采用的创新性方法，是当前人工智能和信息技术领域的一项重大进展。DIKWP的目标是将主观内容与传统的DIKW模型相结合，从而更好地处理数据、信息、知识和智慧，并使其具有更广泛的应用。通过引入意图概念和语义部分，DIKWP架构提供了一种跨模态、跨主客观范畴的方法，使我们能够更好地理解和利用信息，不仅仅局限于客观数据和事实。

DIKWP架构的核心创新之一是面向DIKWP的意图计算与推理机制（PUCR）。这个机制的主要目标是实现主客观一体化分析，将DIKW载体扩展为一个包括数据图谱、信息图谱、知识图谱、智慧图谱和意图图谱的DIKWP图谱化体系。这个图谱化体系将不同层次的信息和知识以及它们之间的关联呈现出来，为更高级的智能分析和决策提供了丰富的资源。通过PUCR，我们能够更好地理解和应用数据、信息和知识，从而更好地实现我们的目标和意图。

在DIKWP架构中，存在计算与推理机制（EXCR）是另一个关键组成部分。EXCR的目标是通过认知直觉和直觉迁移，从不确定性到确定性的转换来形成概念-语义空间的关联。这个机制的基础是存在语义的守恒公理（CEX），它确保在类型/类型实例对象范畴中的一致性操作中，存在语义集合只能被组合而不能被否定。这意味着我们可以更准确地处理信息和知识，确保它们在不同层次之间的一致性和连通性。通过EXCR，我们能够更好地理解和应用存在计算与推理，使信息和知识更有用。

另一个重要的创新是DIKWP架构中的本质计算与推理机制（ESCR）。这个机制的目标是将本质语义对应到DIKWP图谱化模型体系中，为工程化解决方案提供支持。ESCR的关键在于确保特定联系在类型层面的存在语义映射和组合的一致性。通过ESCR，我们能够更好地理解和应用本质计算与推理，使信息和知识更具深度和广度。这有助于更好地处理复杂的问题和挑战，提高决策的质量和效率。

最后，DIKWP架构引入了语义计算与推理（SCR）的完整认知过程处理。SCR将PUCR、EXCR和ESCR融合在一起，形成一个完整的认知过程。在这个过程中，概念-语义映射和组合受到基础公理-本质集合整体完整性的组合一致性公理（CES）和存在语义继承公理（IHES）的支持。这些公理确保了信息和知识在不同层次之间的一致性和连通性，使我们能够更好地理解和应用语义计算与推理，实现更高级别的智能分析和决策。

总的来说，DIKWP架构的引入和创新方法为处理主客观概念-语义融合的不确定性提供了有力的工具和框架。它不仅使我们能够更好地理解和利用数据、信息、知识和智慧，还促进了跨模态、跨主客观范畴的信息整合和认知协同。下面将进一步探讨DIKWP架构的应用和潜在影响。

DIKWP架构的应用潜力

1. 智能决策支持系统： DIKWP架构为构建更智能、更可靠的决策支持系统提供了有力的工具。通过将主客观概念-语义融合纳入考虑，这些系统可以更好地理解和处理复杂的问题和情境。例如，在医疗领域，这些系统可以更准确地协助医生进行诊断和制定治疗方案，从而提高患者的治疗效果。

2. 知识图谱的扩展： DIKWP架构将知识图谱扩展为包括数据图谱、信息图谱、智慧图谱和意图图谱的更丰富的体系。这将有助于构建更全面的知识图谱，支持更复杂的知识管理和智能搜索。例如，在搜索引擎中，这些扩展的知识图谱可以更好地满足用户的信息需求，提供更有针对性的搜索结果。

3. 自然语言处理和理解： DIKWP架构对自然语言处理和理解领域具有重要意义。它引入了意图概念和语义部分，有助于将自然语言文本更准确地解释和理解。这将有助于提高机器翻译、情感分析、问答系统等自然语言处理应用的性能。

4. 跨学科研究和创新： DIKWP架构的引入促进了跨学科研究的发展。它融合了数据科学、计算机科学、人工智能、认知科学、哲学等多个领域的知识和方法，为解决复杂问题提供了跨学科的视角。这将有助于推动创新和知识的交叉传播。

DIKWP架构的潜在影响

1. 可解释性和透明度： DIKWP架构强调主客观概念-语义融合，有助于提高人工智能系统的可解释性和透明度。这对于用户信任和决策的合理性至关重要。例如，在自动驾驶领域，这将有助于驾驶员更好地理解自动驾驶系统的决策过程，从而提高安全性。

2. 伦理和法律考虑： DIKWP架构引入了主观内容的处理，这将引发伦理和法律层面的许多问题。例如，如何处理个人隐私和数据安全，如何确保决策的公正性和可追溯性等。这将需要制定相应的政策和法规，以平衡技术的发展和社会的利益。

3. 教育和培训： DIKWP架构的应用将对教育和培训领域产生深远影响。它有助于开发更智能的教育工具和学习系统，个性化地满足学生的需求。同时，它也需要培养新一代的跨学科专业人才，能够理解和应用主客观概念-语义融合的方法。

4. 社会和文化变革： DIKWP架构的引入将推动社会和文化的变革。它将改变人们对信息和知识的获取和处理方式，促进信息的更广泛分享和合作。同时，它也可能带来一些挑战，如信息过载和虚假信息的传播。

总的来说，DIKWP架构的引入和创新方法为处理主客观概念-语义融合的不确定性提供了新的途径和工具。它有望推动人工智能和信息技术领域的发展，并对社会、文化和伦理产生深远影响。然而，随着其应用的扩展，也需要认真考虑伦理、法律和社会问题，以确保其合理和可持续的发展。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼北京信用学会高级顾问、重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、海南省人工智能学会高级顾问、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

 信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

 知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

 智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

 意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。