2012年12月25日
工科研究生学习自然辩证法的必要性 摘要：自然辩证法的发展进程、学科定位和社会需要都表明当代自然辩证法就是科学技术学。对于工科研究生来说，自然辩证法是认识客观自然界的一种重要理论思维方式，它可以培养工科研究生感性认识、训练工程思维、激发创新能力和创新思维、培养人文素质。 关键词;自然辩证法；感性认识；工程思维；创新能力；人文素质 “自然辩证法概论”是国家教委规定的理工农医科各专业硕士研究生必修的专业课程之一，主要是为了培养品学兼优的适应社会主义现代化建设的高层次人才，对研究生继续进行科学的世界观、人生观以及共产主义和社会主义理想的道德教育，帮助研究生解决好政治方向、人生方向和其他品德问题。 20世纪50年代后期,由于自然科学哲学问题、工程技术中的哲学问题的讨论,自然辩证法在我国成为科学技术学，是高等工科学校培养研究生的思维能力、创新精神和创新意识、感性认识是的主要课程之一。在工科学生的学习与科研过程中，如果缺乏辩证思维的指导，形而上学的思维方法再所难免，因此，工科研究生学习自然辩证是十分重要的。 一、自然辩证法可以树立工科研究生科学事实的感性认识方法 1.1 科学事实与客观事实 科学事实作为科学认识的初步成果，是已进入科学研究领域，被科学工作者掌握和确认的事实，它已不是纯客观的了，而是包含人的主观认识因素在内；客观事实是指一切尚未进入科学研究领域，与科学认识主体尚未发生联系，但在时间和空间中实际存在着的事件、现象和过程，它是纯客观的，无正确与错误之分，在人类未认识它之前，它是一种客观存在的自然现象。它们之间的辩证关系在于：客观事实是科学事实的基础，科学事实的每一次修正与完善都是向客观事实的逼近。 1.2工科研究生获取科学事实的基本途径 辩证唯物主义认识论认为：人的认识是一个实践—认识(感性认识—理性认识)—再实践—再认识……的过程，即从实践中获得感性认识，经抽象思维达到理性认识，再回到实践中加以检验发展的过程，这与大多工科研究的基本过程（实验—回归模型—实践检验—模型修正）一致，而实验前的感性认识是实验过程的起点，是获取回归数学模型的必经阶段。感性认识是人们通过感觉器官直接感受到的关于事物的现象、各个片面及外部联系的认识，它有感觉、知觉、表象三种形式，以直接性为其特征。 法拉第曾说过：没有观察，就没有科学。科学发现诞生于仔细的观察中，观察，包括实验中的观察，是搜集经验事实的活动。传统的经验主义科学认识论认
学习自然辩证法的意义 自然辩证法是马克思主义哲学体系的一个重要分支科学，是关于自然界和科学技术发展的一般规律以及人类认识自然、改造自然地一般方法的科学理论体系，是马克思主义的自然观和自然科学观，体现了马克思主义哲学的世界观、认识论、方法论的统一。自然辩证法也象马克思主义的其他组成部分一样，本身是科学。科学是让人研究的，而不是要让人供奉起来膜拜的。它来源于实践，并且随时受实践的检验。它不是僵化的教条和空洞的说教，而是实际的行动的指南。它应该使人扩大眼界，活跃思想，而不是要使人墨守成规，固步自封。它是自然科学的前哨和后卫，并且要不断地从自然科学吸取养料，不断地随着自然科学的发展而发展。因此，摆在我们面前的任务是：学习，研究，运用，发展。 我认为学习自然辩证法的意义主要有两个方面： 第一，它是人类社会不断进步发展的需要。当前，人类社会已进入信息技术化、经济全球化时代，科学技术得到全面迅速的发展，近一个世纪的科技成果超过了过去几百年甚至几千年所获得的成果的总和，随着科学技术的高度发展和广泛应用，一方面扩大了人类改造自然的活动领域，提高了人类向自然作斗争的能力，从而把人类社会的物质文明和精神文明推进到一个前人无法想象的高度；另一方面也带来了不少未曾预料的消极后果，引起
了诸如环境、生态、资源、人口、粮食等一系列全球性问题。这清楚表明，科学技术所带来的人对自然界平衡的干预已超过了自然界的再生能力和自我调节能力。人和自然的关系出现严重对立。如果不协调人与自然地关系，必然带来不利于人类生存和发展的后果。在这种情况下，我们必须认真进行反思：我们如何正确发展科学技术？如何促进科学技术积极作用的发挥，同时抑制和减少其消极后果？解决这一问题，很重要的方面就是要正确树立科学技术的社会价值观和人类社会可持续发展的思想，更深刻地把握和自觉地遵循科学技术发展的客观规律。所以，学习自然辩证法，对于真正实现人与自然的协调发展以及科学、技术、经济乃至人类社会的可持续发展就尤为重要。 第二，它是提高个人辩证思维能力的有效途径。学习、理解和掌握了辩证法的实质和核心，使我们在学习和工作实践过程中能够自觉接受辩证法的指导，加强辩证思维方法的训练，克服思想上的极端化和工作中的片面性。通过学习自然辩证法，提高辩证思维能力，学会用联系的观点、发展的观点、全面的观点对待问题，学会用普遍联系和永恒发展的原则理解问题，学会从事物的联系和发展中观察问题，从而掌握矛盾分析的方法，加强工作的系统性、预见性、全面性，构建个人科学的思想方法和工作方法。所以，学习自然辩证法，也是增强个人素质和提高工作能力的最佳途径。
深度学习综述 摘要：深度学习可以让那些拥有多个处理层的计算模型来学习具有多层次抽象的数据的表示。这些方法在许多方面都带来了显著的改善，包括最先进的语音识别、视觉对象识别、对象检测和许多其它领域，例如药物发现和基因组学等。深度学习能够发现大数据中的复杂结构。它是利用BP算法来完成这个发现过程的。BP算法能够指导机器如何从前一层获取误差而改变本层的内部参数，这些内部参数可以用于计算表示。深度卷积网络在处理图像、视频、语音和音频方面带来了突破，而递归网络在处理序列数据，比如文本和语音方面表现出了闪亮的一面。 Review of Deep learning Abstract: Deep learning allows computational models that are composed of multiple processing layers to learn representations of data with multiple levels of abstraction. These methods have dramatically improved the state-of-the-art in speech recognition, visual object recognition, object detection and many other domains such as drug discovery and genomics. Deep learning discovers intricate structure in large data sets by using the backpropagation algorithm to indicate how a machine should change its internal parameters that are used to compute the representation in each layer from the representation in the previous layer. Deep convolutional nets have brought about breakthroughs in processing images, video, speech and audio, whereas recurrent nets have shone light on sequential data such as text and speech. 1 引言 机器学习技术在现代社会的各个方面表现出了强大的功能：从Web搜索到社会网络内容过滤，再到电子商务网站上的商品推荐都有涉足。并且它越来越多地出现在消费品中，比如相机和智能手机。 机器学习系统被用来识别图片中的目标，将语音转换成文本，匹配新闻元素，根据用户兴趣提供职位或产品，选择相关的搜索结果。逐渐地，这些应用使用一种叫深度学习的技术。传统的机器学习技术在处理未加工过的数据时，体现出来的能力是有限的。几十年来，想要构建一个模式识别系统或者机器学习系统，需要一个精致的引擎和相当专业的知识来设计一个特征提取器，把原始数据（如图像的像素值）转换成一个适当的内部特征表示或特征向量，子学习系统，通常是一个分类器，对输入的样本进行检测或分类。特征表示学习是一套给机器灌入原始数据，然后能自动发现需要进行检测和分类的表达的方法。深度学习就是一种特征学习方法，把原始数据通过一些简单的但是非线性的模型转变成为更高层次的，更加抽象的表达。通过足够多的转换的组合，非常复杂的函数也可以被学习。对于分类任务，高层次的表达能够强化输入数据的区分能力方面，同时削弱不相关因素。比如，一副图像的原始格式是一个像素数组，那么在第一层上的学习特征表达通常指的是在图像的特定位置和方向上有没有边的存在。第二层通常会根据那些边的某些排放而来检测图案，这时候会忽略掉一些边上的一些小的干扰。第三层或许会把那些图案进行组合，从而使其对应于熟悉目标的某部分。随后的一些层会将这些部分再组合，从而构成待检测目标。深度学习的核心方面是，上述各层的特征都不是利用人工工程来设计的，而是使用一种通用的学习过程从数据中学到的。 深度学习正在取得重大进展，解决了人工智能界的尽最大努力很多年仍没有进展的问题。它已经被证明，它能够擅长发现高维数据中的复杂结构，因此它能够被应用于科学、商业和政府等领域。除了在图像识别、语音识别等领域打破了纪录，它还在另外的领域击败了其他机器学习技术，包括预测潜在的药物分子的活性、分析粒子加速器数据、重建大脑回路、
神经网络最新发展综述 学校：上海海事大学 专业：物流工程 姓名：周巧珍 学号：201530210155
神经网络最新发展综述 摘要：作为联接主义智能实现的典范，神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程，是人工智能发展中的重要方法，也是当前类脑智能研究中的有效工具。目前，模拟人脑复杂的层次化认知特点的深度学习成为类脑智能中的一个重要研究方向。通过增加网络层数所构造的“深层神经网络”使机器能够获得“抽象概念”能力，在诸多领域都取得了巨大的成功，又掀起了神经网络研究的一个新高潮。本文分8个方面综述了其当前研究进展以及存在的问题，展望了未来神经网络的发展方向。 关键词: 类脑智能；神经网络；深度学习；大数据 Abstract: As a typical realization of connectionism intelligence, neural network, which tries to mimic the information processing patterns in the human brain by adopting broadly interconnected structures and effective learning mechanisms, is an important branch of artificial intelligence and also a useful tool in the research on brain-like intelligence at present. Currently, as a way to imitate the complex hierarchical cognition characteristic of human brain, deep learning brings an important trend for brain-like intelligence. With the increasing number of layers, deep neural network entitles machines the capability to capture “abstract concepts” and it has achieved great success in various fields, leading a new and advanced trend in neural network research. This paper summarizes the latest progress in eight applications and existing problems considering neural network and points out its possible future directions. Key words : artificial intelligence; neural network; deep learning; big data 1 引言 实现人工智能是人类长期以来一直追求的梦想。虽然计算机技术在过去几十年里取得了长足的发展，但是实现真正意义上的机器智能至今仍然困难重重。伴随着神经解剖学的发展，观测大脑微观结构的技术手段日益丰富，人类对大脑组织的形态、结构与活动的认识越来越深入，人脑信息处理的奥秘也正在被逐步揭示。如何借助神经科学、脑科学与认知科学的研究成果，研究大脑信息表征、转换机理和学习规则，建立模拟大脑信息处理过程的智能计算模型，最终使机器掌握人类的认知规律，是“类脑智能”的研究目标。 类脑智能是涉及计算科学、认知科学、神经科学与脑科学的交叉前沿方向。类脑智能的
1、什么叫自然辩证法？其性质和研究对象是什么？ 答：自然辩证法是研究自然界和科学技术发展一般规律、人类认识自然和改造自然一般方法、以及科学技术在社会发展中的作用的科学，它是马克思主义哲学的重要组成部分，是对于人类认识自然和改造自然的成果与活动进行哲学概括与总结的产物。 对象：自然界发展和科学技术发展的一般规律、人类认识和改造自然的一般方法以及科学技术在社会发展中的作用。 性质：是一门自然科学、社会科学与思维科学相交叉的哲学性质的学科。它从自然观、认识论、方法论与价值论方面，研究科学技术及其与社会的关系，是科学技术研究的思想理论基础。 内容：主要以科学技术及其与社会的关系为研究内容，唯物辩证的自然观与方法论是自然辩证法的基石，自然辩证法仍是马克思主义的重要组织部分。 范围：它的研究对象与研究范围涉及如下广泛的领域：自然界—科学—技术—社会。 体系：自然辩证法的体系和主要内容是：自然观—科学观—技术观—科学技术与社会。 2、自然界物质系统演化的周期性（可能出辨析题） 答：系统是由若干相互联系、相互作用的要素组成的具有特定结构与功能的有机整体。自然界是物质的，物质结构的层次是无限的，物质处于永恒的运动中，运动无论在量上还是在质上都是不灭的，时间和空间是物质运动的基本形式，自然界的运动是有规律的。非平衡态自组织理论证明，一个远离平衡态的开放系统，通过与外界环境交换物质、能量和信息，从环境中获取负熵流来抵消系统内部的熵产生，就可能在一定条件下使系统从一种混乱无序的状态演化为一种稳定有序的结构。同样，混沌理论也揭示了通向混沌的道路，说明了系统从有序向无序的转化过程。在自然界的演化过程中，正是由于以上两个演化才使得自然界经历了“混沌——有序——新的混沌——新的有序”的循环发展过程。 自然界的系统演化，既不是单调地走向有序和进化，也不是单调地走向无序和退化。有序和无序的不断转化，进化与退化的不断交替，使自然界处于永恒的物质循环之中。 3、自然演化的自组织机制。自组织理论及其意义 答：自组织是自然界物质系统自行有序化、组织化和系统化的过程。一个远离平衡态的开放系统通过其与环境进行物质能量和信息的交换，能够形成有序的结构，或从低序向高序的方向演化。开放性、远离平衡态、非线性相互作用和涨落，是自然界物质系统演化的自组织机制。 通过对自组织理论的认识，我们可以分析现在的各个国家甚至社会的发展。我们在对自组织理论有更深入了解的同时，还可以将得到的实际经验应用到社会中去，从而促进社会的发展。 4、天然自然和人工自然的关系，有没有本质区别？ 答：天然自然是大自然中已经存在的并且未经人类利用的自然。人工自然是人利用或改造天然自然，创造天然自然中所不存在的人类文明，可分为两类：①人工自然界,即人工生态系统；②人工自然物。 天然自然和人工自然的关系：天然自然是“第一性客体”，人工自然属“第二性客体”；天然自然中存在的是“自发性作用”的规律，在人工自然过程中，则有“应用性作用”的规律；天然自然只有自然属性，而人工自然具有自然属性和社会属性；天然自然的演化节奏是缓慢的，人工自然的演化是快节奏的。人工自然是科学技术的物化，是人与自然相互作用的中介。 5、混沌理论的定义 答：“混沌理论”是对确定性非线性动力系统中的不稳定非周期性行为的定性研究。在 没有变量的情况下，系统运动是一项有规律的重复行为，通过研究认识这一系统状态，非周期性行为就变成了可以观察的对象。不稳定非周期行为则复杂得多：它不做重复运动，不断展现出任何细微变化动乱对系统造成的影响。根据当代数学理论的定义，混沌系统就是对“对初始条件极度敏感”的系统。换句话说，为了精确预测系统的未来状态，需要知道它无限精确的初始状态，即便很小的误差，都将立刻导致预测错误。混沌理论：是系统从有序突然变为无序状态的一种演化理论，是对确定性系统中出现的内在“随机过程”形成的途径、机制的研讨。 6、人和自然协调发展的基本途径（P70） 答：人与自然协调发展的基本途径有：改革不合理的社会制度；控制人口增长；合理利用自然资源；努力减少环境污染；树立生态自然观；坚持可持续发展观。实现人类社会，经济与环境的协调发展；实现世界各国即不发达国家，发展中国家和发达国家的共同发展；实现人类世世代代的共同发展。并坚持可持续发展的原则：突出发展的主题－－发展原则；发展的可持续性－－可持续性原则；人类根本利益和行动的共同性－－共同性原则；人与人关系的公平性－－公平性原则。 7、科学的本质是什么？（可能出辨析题） 答：马克思对科学本质的论述：（１）科学是人对自然界的理论关系和实践关系；（２）科学是一种社会的、精神生产领域的劳动； （３）科学是生产力；（４）科学既是观念财富又
同时，网络社会的虚拟性、用户匿名性、信息海量性、事件发展复杂性为虚拟数字社会的管理带来极大的挑战。特别是我国现处在经济转轨时期，各种事件频发，加强虚拟社会管理成为我国政府和社会管理的当务之急。 基于上述分析，社会计算出现的背景可以归纳为两方面，一是以用户为中心的Web2.0的思想得到广泛推广，逐渐产生了从个体行为到群体智能的社会化思维模式；二是许多虚拟社会网络的出现逐步形成了一种新型的数字化社会形态。 概念框架 社会计算作为一个新兴的跨学科研究领域，目前还没有一个公认的定义。但也许我们可以从社会计算出现的背景去剖析它的概念。基于这个认识，社会计算实际上可以简单地概括为“用社会化方法计算社会”，具体包含两层意思，即“为社会计算”和“用社会化方法计算”。如图2所示。 “为社会计算”反映了社会计算研究与服务的对象是社会，包括虚拟网络和现实社会，以及从中抽象出来的人工社会。从这个角度来说，通过信息技术方法对社会数字轨迹进行分析，了解社会已经发生、正在发生、将要发生的事情，准确地了解社会的动态特征和运行规律，预测政策实施的可行性，为虚拟网络社会的科学管理和政府决策提供参考。 “社会化方法”是一种以草根用户为中心、 引言 随着互联网的迅猛发展，特别是Web2.0理念的逐渐深入，越来越多的虚拟社会网络出现了，如微博（Twitter 、新浪微博）、社交网（Facebook 、人人网）、社会标注系统（Delicious 、Flickr ）、论坛（BBS ）、维基（Wiki ）等，这些虚拟社会网络聚集了大量用户。据2010年2月资料显示，全球最大的社会网络Facebook 注册的用户已达4亿多，成为排在中国和印度之后的全球人口第三大社会[1]，如图1所示。虚拟社会网络已经成为一种新形态的数字社会[2]。 虚拟社会网络不但聚集了大量的用户，而且用户参与网络活动的深度和广度都得到了空前的提高。网络用户不再仅是信息浏览和接受者，也是互联网信息资源的提供和传播者。虚拟网络已成为继报纸、广播、电视之后的“第四媒体”。这种由大众创造的社会媒体（social media ）详细地记录了用户的思想和行为轨迹，这使得利用计算技术观察和研究社会成为可能。 用社会化方法计算社会 关键词：社会计算 Web2.0 社会网络 概念框架 孟小峰 余 力 中国人民大学 图1 Facebook 成为全球第三大社会
深度神经网络全面概述从基本概念到实际模型和硬件基础 深度神经网络(DNN)所代表的人工智能技术被认为是这一次技术变革的基石(之一)。近日，由IEEE Fellow Joel Emer 领导的一个团队发布了一篇题为《深度神经网络的有效处理：教程和调研(Efficient Processing of Deep Neural Networks: A Tutorial and Survey)》的综述论文，从算法、模型、硬件和架构等多个角度对深度神经网络进行了较为全面的梳理和总结。鉴于该论文的篇幅较长，机器之心在此文中提炼了原论文的主干和部分重要内容。 目前，包括计算机视觉、语音识别和机器人在内的诸多人工智能应用已广泛使用了深度神经网络(deep neural networks，DNN)。DNN 在很多人工智能任务之中表现出了当前最佳的准确度，但同时也存在着计算复杂度高的问题。因此，那些能帮助DNN 高效处理并提升效率和吞吐量，同时又无损于表现准确度或不会增加硬件成本的技术是在人工智能系统之中广泛部署DNN 的关键。 论文地址：https://https://www.doczj.com/doc/666950700.html,/pdf/1703.09039.pdf 本文旨在提供一个关于实现DNN 的有效处理(efficient processing)的目标的最新进展的全面性教程和调查。特别地，本文还给出了一个DNN 综述——讨论了支持DNN 的多种平台和架构，并强调了最新的有效处理的技术的关键趋势，这些技术或者只是通过改善硬件设计或者同时改善硬件设计和网络算法以降低DNN 计算成本。本文也会对帮助研究者和从业者快速上手DNN 设计的开发资源做一个总结，并凸显重要的基准指标和设计考量以评估数量快速增长的DNN 硬件设计，还包括学界和产业界共同推荐的算法联合设计。 读者将从本文中了解到以下概念：理解DNN 的关键设计考量;通过基准和对比指标评估不同的DNN 硬件实现;理解不同架构和平台之间的权衡;评估不同DNN 有效处理技术的设计有效性;理解最新的实现趋势和机遇。 一、导语 深度神经网络(DNN)目前是许多人工智能应用的基础[1]。由于DNN 在语音识别[2] 和图像识别[3] 上的突破性应用，使用DNN 的应用量有了爆炸性的增长。这些DNN 被部署到了从自动驾驶汽车[4]、癌症检测[5] 到复杂游戏[6] 等各种应用中。在这许多领域中，DNN 能够超越人类的准确率。而DNN 的出众表现源于它能使用统计学习方法从原始感官数据中提取高层特征，在大量的数据中获得输入空间的有效表征。这与之前使用手动提取特征或专家设计规则的方法不同。 然而DNN 获得出众准确率的代价是高计算复杂性成本。虽然通用计算引擎(尤其是GPU)，已经成为许多DNN 处理的砥柱，但提供对DNN 计算更专门化的加速方法也越来越热门。本文的目标是提供对DNN、理解DNN 行为的各种工具、有效加速计算的各项技术的概述。 该论文的结构如下：
科学技术“双刃剑”的理性透视 摘要:科学技术是“双刃剑”，可以造福人类，也可以毁灭人类。“科学技术是一把双刃剑”的理论似乎已经成为一种思维定势和习惯，这种理论阻碍了人们对自然科学及其技术活动与作用的正确认识与把握。深入分析表明，与其说科技是“双刃剑”，不如说人是“双刃剑”，它植根于人性的弱点和优点，不可根除。因此,有必要对“双刃剑”问题进行深入的解析与探讨。 关键词：科学技术自然科学双刃剑人性 科学技术是“双刃剑”，可以造福人类，也可以毁灭人类，我们可以举出很多案例来证明它。如铁器的发明，极大提高了人类的劳动生产力，但铁制兵器的出现，也使得战争的规模和残酷程度也大幅提高。火药的发明，极大增强了人类改造自然的能力，也为提升战争的残酷性不断添砖加瓦。从19世纪下半叶至今，人类的科技水平突飞猛进，日新月异，对大自然的奥秘不断有惊人的揭示。但科学技术是“双刃剑”的命运没有丝毫改变，问题越发严峻。如核能奥秘的破解，为人类社会的发展提供了几乎无限的能源后盾，但核武器的威胁、核事故的阴霾，成了一柄挥之不去、高悬于人类头顶的“达摩克斯之剑”[1]基因工程的发展，为提高生活质量、改善自身素质探明了一条新的途径，但这也是一条通往不可预测之未来的道路。现代科技在为人类生存大开方便之门的同时，也为少数恶人、狂人毁灭人类提供了便利条件，甚至一些普通人也可能在无意之中毁灭人类！所以称科学技术为“潘多拉之盒”并不为过！ 一、“双刃剑”问题的真与假 说到“双刃剑”,人们很自然就会联想到自然科学及其技术对人类社会物质文明的发展所做出的重大贡献,同时也会联想到科学及其技术已经给人类社会所造成的灾难或可能带来的灾难。最为直接的体现就是自然科学及其技术从根本的意义上成为现代社会生成的基本前提,没有这一前提,现代意义上的社会化大生产方式,以及由此而带来的人类社会物质生活与社会交往方式从量到质的巨大变化就不可能发生。而与此相应,人类生存的自然环境所遭受的严重破坏同样也不可能发生。问题的实质在于科学技术所导致的这种双重后果，是科学技术本身的问题,还是科学技术得以存在的社会环境及其社会关系对科学技术作用的发挥所造成的扭曲? 对这一问题的认识与理解正确与否,直接关系到所谓“双刃剑”问题能否得以成立或真与假的前提是否可靠。
自然语言处理 自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、 计算机科学、数学于一体的科学。 因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，包括中文、英文、俄 文、日文、德文、法文等等，所以它与语言学的研究有着密切的联系，但又有重要的区别。 自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机 系统，特别是其中的软件系统。因而它是计算机科学的一部分。 语言是人类区别其他动物的本质特性。在所有生物中，只有人类才具有语言能力。人类 的多种智能都与语言有着密切的关系。人类的逻辑思维以语言为形式，人类的绝大部分知识 也是以语言文字的形式记载和流传下来的。因而，它也是人工智能的一个重要，甚至核心部 分。 用自然语言与计算机进行通信，这是人们长期以来所追求的。因为它既有明显的实际意 义，同时也有重要的理论意义：人们可以用自己最习惯的语言来使用计算机，而无需再花大
量的时间和精力去学习不很自然和习惯的各种计算机语言；人们也可通过它进一步了解人类 的语言能力和智能的机制。 实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然 语言文本来表达给定的意图、思想等。前者称为自然语言理解，后者称为自然语言生成。因 此，自然语言处理大体包括了自然语言理解和自然语言生成两个部分。历史上对自然语言理 解研究得较多，而对自然语言生成研究得较少。但这种状况近年来已有所改变。 无论实现自然语言理解，还是自然语言生成，都远不如人们原来想象的那么简单，而是 十分困难的。从目前的理论和技术现状看，通用的、高质量的自然语言处理系统，仍然是较 长期的努力目标，但是针对一定应用，具有相当自然语言处理能力的实用系统已经出现，有 些已商品化，甚至开始产业化。典型的例子有：多语种数据库和专家系统的自然语言接口、 各种机器翻译系统、全文信息检索系统、自动文摘系统等。 自然语言处理，即实现人机间自然语言通信，或实现自然语言理解和自然语言生成是十 分困难的。造成困难的根本原因是自然语言文本和对话的各个层次上广泛存在的各种各样的
网络出版时间：2016-09-20 21:04:43 网络出版地址：https://www.doczj.com/doc/666950700.html,/kcms/detail/11.1826.TP.20160920.2104.006.html 第39卷计算机学报Vol. 39 深度文本匹配综述 庞亮1),2)3)兰艳艳1)2) 徐君1)2) 郭嘉丰1)2) 万圣贤1),2)3) 程学旗1)2) 1)(中国科学院网络数据科学与技术重点实验室北京 100190) 2)(中国科学院计算技术研究所,北京 100190) 3)(中国科学院大学,北京100190) 摘要自然语言理解的许多任务，例如信息检索、自动问答、机器翻译、对话系统、复述问题等等，都可以抽象成文本匹配问题。过去研究文本匹配主要集中在人工定义特征之上的关系学习，模型的效果很依赖特征的设计。最近深度学习自动从原始数据学习特征的思想也影响着文本匹配领域，大量基于深度学习的文本匹配方法被提出，我们称这类模型为深度文本匹配模型。相比于传统方法，深度文本匹配模型能够从大量的样本中自动提取出词语之间的关系，并能结合短语匹配中的结构信息和文本匹配的层次化特性，更精细地描述文本匹配问题。根据特征提取的不同结构，深度文本匹配模型可以分为三类：基于单语义文档表达的深度学习模型、基于多语义文档表达的深度学习模型和直接建模匹配模式的深度学习模型。从文本交互的角度，这三类模型具有递进的关系，并且对于不同的应用，具有各自性能上的优缺点。本文在复述问题、自动问答和信息检索三个任务上的经典数据集上对深度文本匹配模型进行了实验，比较并详细分析了各类模型的优缺点。最后本文对深度文本模型未来发展的若干问题进行了讨论和分析。 关键词文本匹配；深度学习；自然语言处理；卷积神经网络；循环神经网络 中图法分类号TP18 论文引用格式： 庞亮，兰艳艳，徐君，郭嘉丰，万圣贤，程学旗，深度文本匹配综述，2016，V ol.39,在线出版号No. 128 Pang Liang，Lan Yanyan，Xu Jun，Guo Jiafeng，Wan Shengxian ，Cheng Xueqi，A Survey on Deep Text Matching，2016，V ol.39,Online Publishing No.128 A Survey on Deep Text Matching Pang Liang 1),2)3)Lan Yanyan 1)2) Xu Jun 1)2) Guo Jiafeng 1)2)Wan Shengxian 1),2)3) Cheng Xueqi 1)2) 1)(CAS Key Lab of Network Data Science and Technology, Beijing100190) 2)(Institute of Computing Technology, Chinese Academy of Sciences, Beijing100190) 3)(University of Chinese Academy of Sciences, Beijing 100190) Abstract Many problems in natural language processing, such as information retrieval, question answering, machine translation, dialog system, paraphrase identification and so on, can be treated as a problem of text ——————————————— 本课题得到国家重点基础研究发展计划(973)(No. 2014CB340401, 2013CB329606)、国家自然科学基金重点项目(No.61232010, 61472401, 61425016, 61203298)、中国科学院青年创新促进会(No. 20144310，2016102)资助.庞亮(通讯作者)，男，1990年生，博士，学生，计算机学会(CCF)学生会员（59709G），主要研究领域为深度学习与文本挖掘.E-mail: pangliang@https://www.doczj.com/doc/666950700.html,.兰艳艳，女，1982年生，博士，副研究员，计算机学会(CCF)会员（28478M）,主要研究领域为统计机器学习、排序学习和信息检索.E-mail: lanyanyan@https://www.doczj.com/doc/666950700.html,.徐君，男，1979年生，博士，研究员，计算机学会(CCF)会员, 主要研究领域为信息检索与数据挖掘.E-mail: junxu@https://www.doczj.com/doc/666950700.html,.郭嘉丰，男，1980年生，博士，副研究员，计算机学会(CCF)会员, 主要研究领域为信息检索与数据挖掘.E-mail: guojiafeng@https://www.doczj.com/doc/666950700.html,.万圣贤，男，1989年生，博士，学生，主要研究领域为深度学习与文本挖掘.E-mail: wanshengxian@https://www.doczj.com/doc/666950700.html,.程学旗，男，1971年生，博士，研究员，计算机学会(CCF)会员, 主要研究领域为网络科学、互联网搜索与挖掘和信息安全等.E-mail: cxq@https://www.doczj.com/doc/666950700.html,.
用自然辩证法看待人工智能 上传于2016.11.25 自然辩证法深刻地揭示了人与自然的关系，同时也为自然科学的研究与工程技术的发展提供了哲学指导。随着当代科学技术的不断进步，人类在人工智能技术上已经迈开了第一步。而人工智能不仅仅牵涉到了科学技术，在哲学的范畴也引发了人们的大量思考，人们对人工智能的前景也抱有期待与担忧的矛盾心态。近几十年来，各种各样涉及到人工智能的电影便是人们对这类问题哲学思考的剪影。 自然辩证法把人与自然的关系归纳成了三种：人为自然界绘制图景的关系；认识关系，即科学；改造关系，即技术。从唯物主义观点来看，人类本身便是自然的产物。人类，包括人类的大脑，更包括大脑产生的意识，都是自然的产物并且是自然的一部分。人类认识世界并改造世界，发挥主观能动性，来使世界更容易地满足自身的物质文化等需要。 人工智能正是人类认识、改造自然的具体体现之一。人类认识了自然规律并对其加以利用，在冯·诺依曼的计算机体系框架下，大力发展了电子信息技术，并使得人类进入了信息时代，大大方便了人类的生活。然而目前的计算机技术仍然不能满足人类的需求，受到了计算机智能的局限，很多的工作依然需要人工完成。目前发展人工智能，主要是从三个角度来入手：在冯·诺依曼体系下优化算法，运用量子计算机，模拟大脑的结构原理来搭建新的计算机体系。在冯·诺依曼体系下对算法进行优化，例如使用神经网络算法进行深度学习，是现在
已经得到日常应用的技术。量子计算目前还属于尖端科技，人类有望在数年内建造出第一台量子计算机。而基于脑科学的计算机体系目前来看遥遥无期，因为脑科学的研究举步维艰，人类仍然没有弄清楚大脑的工作原理。在本人看来，当前主要应用的冯·诺依曼体系的计算机在未来仍然会展示其在智能方面的局限性，而量子计算机和基于大脑的计算机比较有可能突破人工智能的技术瓶颈。 人工智能之所以能够在哲学上引起人们大范围的讨论，还是因为人们对其前景有着不同的看法。人类认识并改造世界的目的，是为了得到一个更加有利于自身生存的世界，可是人类改造世界的结果却并不一定能实现人类的预期，甚至于有可能会压缩人类的生存环境。在人工智能的领域，人们期许人工智能可以完成更多的工作，使人类的生活更加舒适、便捷。但令人担忧的是，高度发展的人工智能有可能会置人类于危险境地。关于人工智能的哲学讨论，其核心就是意识——高度发达的人工智能是否会产生意识。 人类是自然界的产物，是自然的一部分，可人类却不是自然的奴隶。人类认识并改造世界，为自己创造美好生活。类似的，具有意识的人工智能也是自然的产物，是人类的产物，却也不是人类的奴隶。当具有意识的人工智能希望通过认识自然并改造自然、认识人类并改造人类来为其自身创造更加有利的生存环境，人类自然就处于危险之中了。也就是说，在自然辩证法中人与自然的关系，是可以推广到具有意识的人工智能与自然（人类）的关系。正是因为这些关系存在着不确定性，哲学对人工智能发展的指导意义就更加突出了，可以预见的是，
自然语言处理的关键技术 自然语言处理技术是所有与自然语言的计算机处理有关的技术的统称，其目的是使计算机理解和接受人类用自然语言输入的指令，完成从一种语言到另一种语言的翻译功能。自然语言处理技术的研究，可以丰富计算机知识处理的研究内容，推动人工智能技术的发展。下面我们就来了解和分析自然语言处理的关键技术。 一、常用技术分类 1、模式匹配技术 模式匹配技术主要是计算机将输入的语言内容与其内已设定的单词模式与输入表达式之间的相匹配的技术。例如计算机的辅导答疑系统，当用户输入的问题在计算机的答疑库里找到相匹配的答案时，就会完成自动回答问题的功能。但是不能总是保证用户输入的问题能得到相应的回答，于是很快这种简单匹配式答疑系统有了改进。答疑库中增加了同义词和反义词，当用户输入关键词的同义词或反义词时，计算机同样能完成答疑，这种改进后的系统被称为模糊匹配式答疑系统。 2、语法驱动的分析技术
语法驱动的分析技术是指通过语法规则，如词形词性、句子成分等规则，将输入的自然语言转化为相应的语法结构的一种技术。这种分析技术可分为上下文无关文法、转换文法、ATN文法。上下文无关文法是最简单并且应用最为广泛的语法，其规则产生的语法分析树可以翻译大多数自然语言，但由于其处理的词句无关上下文，所以对于某些自然语言的分析是不合适的。转换文法克服了上下文无关文法中存在的一些缺点，其能够利用转换规则重新安排分析树的结构，即能形成句子的表层结构，又能分析句子的深层结构。但其具有较大的不确定性。ATN文法扩充了转移网络，比其他语法加入了测试集合和寄存器，它比转移文法更能准确地分析输入的自然语言，但也具有复杂性、脆弱性、低效性等缺点。3、语义文法 语义文法的分析原理与语法驱动相似，但其具有更大的优越性。语义文法中是对句子的语法和语义的共同分析，能够解决语法驱动分析中单一对语法分析带来的不足。它能够根据句子的语义，将输入的自然语言更通顺地表达出来，除去一些语法正确但不合语义的翻译。但是语义文法分析仍然有不容忽视的缺点，其分析的语句中有时会出现不合语法的现象，并且这类分析较为复杂，语义类难以确定，语义的规则太多……因此，语义文法技术仍需要改进措施。 4、格框架约束分析技术
1、“我们不要过分陶醉于我们对自然界的胜利。对于每一次这样的胜利，自然界都报复了我们。每一次胜利，在第一步都确实取得了我们预期的结果，但是在第二步和第三步却有了完全不同的、出乎预料的影响，常常把第一个结果又取消了。” -----------恩格斯《自然辨证法》 材料反映了恩格斯关于人与自然关系的主要内容： 1．人是自然界的一部分 恩格斯指出人是自然界发展到一定历史阶段的产物。我们连同我们的肉、血和头脑都是属于自然界，存在于自然界的。在这里，恩格斯不仅说明了人是自然界的产物，而且还说明自从有了人，便形成了人与自然的关系问题。自然对于人的这种母体性无疑是人与自然关系的逻辑起点，也是人与自然共同发展的前提。 2．人与自然是依赖性与能动性的统一 首先，人本身是自然界的一部分，自然界是人类赖以生存的外部环境。其次，人还能够能动地改造自然界，这一点也是人与其他动物的本质区别。人类在对自然界进行能动改造的同时，使自己的认识能力和实践能力也得到了极大提高，人类成为自然界的主人，人与自然的关系发生了质的变化。人类开始在认识自然规律的基础上征服自然、改造自然，人与自然的关系也不断地趋向了统一。 3．人类变革自然引起后果的多元性 恩格斯认为人类变革自然引起后果的多元性不仅表现在自然方面的结果，还表现在它在社会方面的后果。 4．人与自然关系的实质是和谐共处、协调发展 我们必须时时记住：我们统治自然界，决不象征服者统治异民族一样，决不象站在自然界以外的人一样，我们对自然界的整个统治是在于我们比其他一切动物强，能够认识和正确运用自然规律。恩格斯提醒人们：损害自然就是损害人类自己，要防止自然界对我们的报复，就是要改善人与自然的关系，作为自然存在物的人必须和自然和谐相处、协调一致。 “我们不要过分陶醉于我们对自然界的胜利,对于每次这样的胜利,自然界都报复了我们”。这是恩格斯对人类历史特别是近代史演变过程一种有分量的科学总结。这个总结严肃地告诉我们,自然界是人类生存和发展的基本条件,而自然界本身的发展是有序的即有理性的,人类在向大自然谋取自身发展所需要的生产和生活资料时,只能按照自然规律行事;否则,必然要遭到大自然的惩罚。同时还告诉我们,人类在现实的生产和生活过程中,必须摒弃“人定胜天”即人统治自然、征服自然的价值观,因为这种价值观将人与自然摆在对立或对抗的地位;而必须确立人与自然和谐、统一发展的价值观。应当说,后种价值观,正是我们目前所奉行的“可持续发展战略”及其相应的一切策略的哲学基础。 建立人与自然的和谐共处、协调发展关系，实现人类与自然界关系的全面、协调发展是人类生存与发展的必由之路。首先，必须确立大自然观，真正视人类与自然是相互依存、相互联系的整体，从整体上把握住规律，并以此作为认识自然和改造自然的基础。其次，必须走出“人类中心”的误区，建立人与自然全面和谐共处和协调发展的关系。其三，必须全方位的探讨自然的价值。不仅要征服自然、利用
1、自然辩证法的学科性质 自然辩证法是一门自然科学、社会科学与思维科学相交叉的哲学性质的马克思主义理论学科。它站在世界观、认识论和方法论的高度，从整体上研究和考察包括天然自然和人工自然在内的自然的存在和演化的规律，以及人通过科学技术活动认识自然和改造自然的普遍规律；研究作为中介的科学技术的性质和发展规律；研究科学技术和人类社会之间相互关系的规律.自然辩证法具有综合性、交叉性和哲理性的特点。自然辨证法明显区别于自然科学和技术的各门具体学科，他是从具体科学技术认识上升到马克思主义普遍原理的一个中间环节，是联结马克思主义与科学技术的重要纽带。 2、自然观 自然观是指研究自然界、认识自然界的过程中形成的对自然界总体的根本的看法。 3、自然辩证法与中国创新型国家建设 自然辩证法与中国实践相结合已成为我国思想运动和推进科学技术现代化、增强自主创新能力、建设创新型国家、中国特色社会主义事业的一部分。 中国马克思主义科学技术观为人们认识和改造自然，促进科学技术与自然、社会的和谐发展、创新型国家建设提供了重要的思想武器。 建设创新型国家是中国马克思主义科技观的具体体现；提高自主创新能力是创新型国家建设的核心；国家创新体系建设是创新型国家建设的关键。 4、思想渊源 一、朴素唯物主义自然观 （1）主要观点： ①认为自然界是具有无限多样性的统一体，它体现在具体的物质形态中； ②自然界“处于永恒的产生和消灭中，处于不断的流动中，处于无休止的运 动和变化中”；③人和其他动物都来源于自然界。 （2）主要特征：直观性、猜测性、思辨性等。 （3）朴素唯物主义自然观的作用 ①马克思主义自然观形成的思想渊源.朴素唯物主义自然观反映了古代人对自然界的认识，是从自然本身去认识，一方面坚持从自然界本身寻求对自然界