下载文档原格式
中国人口·资源与环境 2023 年 第33 卷 第5 期CHINA POPULATION ， RESOURCES AND ENVIRONMENT Vol.33 No.5 2023孔芳霞，刘新智，周韩梅，等.中国新型基础设施建设的绿色发展效应及其收敛性［J ］.中国人口·资源与环境，2023，33（5）：160-171.［KONG F X ，LIU X Z ，ZHOU H M ，et al.Green development effect of new infrastructure construction in China and its convergence ［J ］.Chinapopulation ， resources and environment ，2023，33（5）：160-171.］中国新型基础设施建设的绿色发展效应及其收敛性孔芳霞1，刘新智1，2，周韩梅1，何强3（1.西南大学经济管理学院，重庆 400715； 2.中国西部非公经济发展与扶贫反哺协同创新中心，重庆 400715；3.四川农业大学经济学院，四川 成都 611130）新型基础设施以“技术创新”为底色，以数字化、网络化、智能化为支撑，给经济社会转型发展带来新动能，为全面建设社会主义现代化国家奠定坚实基础。
城市作为现代化的重要载体，是人类在适应和改造自然环境基础上建立的“社会-经济-自然”复合人工生态系统［1］。
随着城市化进程快速推进，交通拥堵、环境污染、资源短缺等“城市病”愈发凸显，迫切需要以绿色发展推动“城市病”治理。
以新型基础设施建设为支撑，推动城市数字化、智能化发展，促进城市运营和治理的精细化、现代化，将有效地缓解有限基础设施和服务能力与高速增长需求不匹配引发的“城市病”。
绿色发展作为高质量发展的重要引擎，是推动经济社会发展与生态环境保护协同共进的重要发展理念，促进经济、社会和环境系统的协调发展是其本质特征［2］，也是新型基础设施建设的必然要求。
作者： 徐艺萍;邓辉文;徐永刚
作者机构： 西南科技大学理学院;西南大学逻辑与智能研究中心;西南科技大学信息工程学院四川 绵阳 621010;重庆 400715;四川 绵阳 621010
出版物刊名： 徐州工程学院学报：社会科学版
页码： 34-36页
主题词： 最近邻聚类算法;FCM聚类算法;二分法;AIC准则
摘要： 分析了现有FCM聚类算法存在的问题,提出了一种改进的FCM聚类算法.该算法引入了最近邻聚类算法来初始化FCM算法的聚类数和聚类中心.实例分析表明改进后的FCM算法不仅能提高聚类的准确性,而且能有效地避免陷入局部最优.。
基于认知的现代归纳逻辑研究——《现代归纳逻辑的创新功能与应用以及认知基础研究》成果简介西南大学何向东教授主持完成的教育部重大攻关项目《现代归纳逻辑的创新功能与应用以及认知基础研究》（批准号05JZD0008），最终成果为《基于认知的现代归纳逻辑研究》。
课题组成员有：刘邦凡、任晓明等。
一、主要内容和重要观点的前沿性和创新性本成果主要内容分为三个方面：第一、现代归纳逻辑理论的创新功能。
主要探讨了概率逻辑、认证逻辑、进化逻辑以及决策逻辑的创新功能。
概率逻辑思维有重要的科学创新价值。
认证逻辑对法学理论创新产生了重要启示。
进化逻辑是对波普尔等人的科学知识进化论的逻辑抽象。
进化逻辑与人工智能中的进化计算有密切关系，对科学文化知识创新有重要价值。
决策逻辑在管理和政治发展中有重要的创新意义。
第二、现代归纳逻辑各分支在人工智能和认知科学等方面的应用价值。
其中包括：因果陈述逻辑与机器语言的结合，归纳逻辑程序设计、基于归纳推理的机器学习、贝叶斯推理网络的应用，神经网络的归纳学习以及将神经网络与元胞自动机结合起来在经济学等领域中的应用，应用概率逻辑对信息检索模型进行分析，以模糊逻辑为基础研究数据挖掘技术及其应用，数据挖掘在知识发现以及普通高校招生录取中的应用，决策逻辑在博弈等群体决策中的应用。
第三、归纳逻辑认知基础研究主要包括三方面：其一，在逻辑学已有研究成果的基础上，采用分支融合方法，借助认知逻辑、动态逻辑的研究成果和手段，探讨概率动态认知逻辑。
其二，在认知心理学研究的基础上，借鉴归纳逻辑研究成果，探讨概率判断的支持理论，这一理论是诺贝尔经济学奖得主图文斯基对归纳逻辑的重要贡献。
其三，在认知科学研究的宽广背景下，借鉴归纳概率逻辑研究方法，探讨涉及归纳逻辑的认知或心理问题，例如三门问题、睡美人问题、合并谬误问题、基础概率对贝叶斯推理的影响。
其四，尤其探讨了概率动态博弈逻辑的认知基础，对合作博弈进行了逻辑刻画分析，运用相关的研究成果对夏普里值等合作博弈解的求解过程进行了系统的逻辑研究。
从人机融合走向深度学习：范式、方法与价值意蕴胡 航 王家壹（西南大学 教师教育学院，重庆 400715）[摘要] 机器深度学习在与人类的碰撞和交互中不断突破自身功能界限，以人机融合的态势持续促进人类深度学习。
本研究以人类深度学习为核心，基于人与机器在脑科学、认知心理学、计算教育学跨学科视域下的人机一致性，从内涵、实施、机制和测评四方面展现“学习者中心设计”的人机融合，提炼深度学习范式，由此聚焦人机融合走向深度学习的方法，用真实情境、跨学科、智能化、大概念、“个性化—合作”学习、思维与创新等关键词阐述其具体路径，构建人机融合的教育新生态，提高学习者“真问题解决”能力。
[关键词] 深度学习；跨学科；真问题解决；人机融合；教育新生态[中图分类号] G40-057 [文献标识码] A [文章编号] 1007−2179（2024）02−0069−11深度学习拟架通脑科学、心理学、教育学与技术之间的桥梁，关注人的高阶思维和自主创新能力的培养与发展，回答“培养什么人、怎样培养人、为谁培养人”这一根本问题，可有效服务于“教育、科技、人才”三位一体融合发展。
学习者面对的“真问题”，通过“个性化—合作”的动态学习，进行“生理、认知与情感”的“三角互证”（胡航，2022），最终解决“真问题”。
“从人机融合走向深度学习”指以智能技术为表征的机器深度学习不断延伸到人类的认知、情感、行为等，在反复碰撞和交互过程中突破功能界限，以人机融合的态势持续推进人类深度学习。
本研究拟探讨如下问题：人机融合为什么能走向深度学习？人机融合怎么走向深度学习？人机融合的深度学习有什么现实价值和趋势？本研究基于跨学科深度学习视域下人与机器的一致性，从理论与实践中提炼深度学习范式，归纳人机融合的深度学习方法，阐述深度学习在人机融合教育新生态中的价值意蕴。
一、深度学习基础：人机一致性（一）人机深度学习的跨学科理解1. 深度学习计算机和教育领域对深度学习的认识同源。
西南大学逻辑与智能研究中心简 报Jeremy Seligman 教授学术报告——Social Epistemic Logic (Part 1)2017年3月24日，Jeremy Seligman 教授应西南大学逻辑与智能研究中心之邀，做了题为“Social Epistemic Logic (Part 1)”的报告。
报告的主要内容是：社会学和社会心理学能给什么逻辑,尤其是认知逻辑?尽管在这些领域中，数学和计算模型很常见，但它们使用的是技术——主要是统计和贝叶斯的模型——而不是逻辑学。
我们首先关注的是扩散模型，即一些属性在一个社区中传播。
这已经被用来解释各种各样的社会现象，从传染到文化和创新的传播。
我们将重点放在使用元胞自动机的模型上，展示如何用动态运算符来描述这些模型，并将其添加到一个命题模态逻辑的语言中。
这建立了一个范例，然后我们扩展到影响的模型，这是一个双向的扩散版本。
同样，我们使用基于自动化的模型，在NetLogo 中实现，并在动态模态逻辑中对它们进行描述。
反对的理由是，这些模型仅限于低水平的理性活动，缺乏描述高阶推理的能力，这种推理是逻辑的好处。
我们认为，一个适度的扩展对高阶的信仰影响(关于其他人相信什么，他们相信你相信什么，等等)。
2017——Social Epistemic Logic (Part 2) 2017年4月2日，Jeremy Seligman教授应西南大学逻辑与智能研究中心之邀，做了题为“Social Epistemic Logic (Part )”的报告。
这个是延续了上周的研讨会。
Jeremy Seligman教授介绍了社会科学模型的另一个方面是他们专注于不确定性和概率方法的使用。
我们在社会机制中讨论了各种非决定论的来源，从结构的不确定(随机遭遇)到行为之间的冲突(我试图在你试图跟随我的时候离开你)。
再一次，我们研究了基于自动化的模型和它们的逻辑描述。
对社会关系变化的描述需要使用PDL(命题动态逻辑)和动态扩展DDL(动态动态逻辑)的扩展。
社会非决定论的另一个方面是我们做出选择的能力。
我们将“着色游戏”作为一种社会学解释的范式，并简单介绍了布尔网络游戏的方法，它使用逻辑和自动的模型，以及博弈论中的概念。
Jeremy Seligman教授学术报告——Social Epistemic Logic (Part 3) 2017年4月7日，Jeremy Seligman教授应西南大学逻辑与智能研究中心之邀，做了题为“Social Epistemic Logic (Part )”的报告。
在这次报告中, Jeremy Seligman教授带我们考虑时间和知识的表示在我们的模型中,引入的两种方法。
一个用模态逻辑的二维模型，另一种方法是将知识建模为忽视情境的能力，以及时间作为对过去的事实的存在。
这些模型是在非完善的集合理论的背景下形成的，并将概念的扩展运用于情境理论，包括偏方、约束和“atunement”的概念。
通过Jeremy Seligman教授的生动讲解，以及与中心成员的多次互动，使我们对社会认知逻辑的第一部分有了更多的了解。
——Common Sense Modal Predicate Logic 2017年5月5日，Jeremy Seligman教授再次做了题为“ Common Sense Modal Predicate Logic”的报告。
在此次报告中，Jeremy Seligman讲述到：模态谓词演算(MPC)是将S5公理和必要规则添加到谓词逻辑的公理系统的结果。
众所周知，Barcan scheme的所有实例都是MPC的定理。
当用可能的世界语义学来解释时，Barcan隐含着一个强大的形而上学理论，即每个世界都有相同的对象域。
我们简要地调查了一些原因，认为这是不令人满意的，并提出了一种轻微的语义和逻辑演算，以恢复常识。
微积分(CMPC)不同于货币政策委员会只有在实施一个句法限制K axiom方案:□只分布在前期的自由变量的含义也发生con-sequent免费。
Jeremy Seligman强调它的定理包括了Barcan的逆，而非Barcan和它的语义学拒绝了常数域的命题。
Patrick Blackburn 教授“批判性思维”报告简述2017年5月19日，丹麦罗斯基勒大学Patrick Blackburn 教授应西南大学逻辑与智能研究中心之邀，做了题为“批判性思维真的是可能的么？（Is Critical Thinking Even Possible?）”的报告。
Blackburn 教授从对批判性思维（Critical Thinking）的兴趣谈起，介绍了他所学的理解的批判性思维，并提出要对批判性思维本身进行批判性思维（Critical Thinking about Critical Thinking），例说了批判性思维对于人的一些不太自然的心理学上的以及哲学上的表现。
他详细介绍了一些基于真实实验的例子。
比如，合取谬误（Conjunction Fallacy）：实验表明，通过一些特征描述，人们会偏向于接受一个合取命题，但是否定其某个支命题；扑克颜色问题：即使对受过高等教育的学生而言，熟练运用肯定前件规则（MP）也并不像想象的那么简单。
从而提出了批判性思维与逻辑思维之间的差异，批判性思维不仅受到逻辑学或哲学的影响，也还受到包括心理学，社会学，历史文化，风俗习惯等等因素的印象。
Blackburn 教授认为创新（creativity）对于提高批判性思维的事重要的，但是并不认为创新这种技能能像学打篮球一样被习得，从而驳斥了费舍尔的篮球类比理论（Fisher’s Basketball Analogy），并质疑存在一些可被传授和掌握的批判性思维技巧。
最后Blackburn 教授强调不要将批判性思维当作一种技巧去教授、学习，而要将批判性思维本身作为一门课程来教授、学习。
学生需要在课堂中进行大量的哲学上的，心理学上的，社会文化上的思维训练去熟悉批判性思维的方式，并认为自学能力对于进行批判性思维非常关键。
在问答环节，很多学生提出了很多问题，比如：批判性思维与逻辑思维之间的差异与联系、个人具有良好的批判性思维能力的具体表现、批判性思维作为课程的好的教科书有哪些、学习批判性思维是否受到文化以及历史的影响、批判性思维是如何提高创新性的、等等。
对此，Blackburn 教授都一一做了详细的解答。
Jeremy Seligman 教授“社会网络中的知识”报告简述2017年5月26日，新西兰奥克兰大学Jeremy Seligman 教授应西南大学逻辑与智能研究中心之邀，做了题为“社会网络中的知识”（The Logic of Social Knowing）的报告。
Seligman 教授从什么是知识（Knowledge）开讲，简要介绍了从动物到人，从古至今知识的存在方式以及不同的交流（Communication）方式对于获得知识的影响。
交流，不管是对于人类还是一些动物，都是知识的一个重要的获取方式。
例如，鲸鱼通过声音与同伴进行交流，来传递一定的、有限的信息如：食物、求偶、情绪等。
同样，大猩猩可以通过声音和肢体语言（Gestures）表达更为丰富的意思。
当然无论声音还是肢体语言其有效性都受限于一个小的距离。
人作为更为复杂的动物，很早就懂得了运用图画以及文字来表达比较复杂的思想以及事情，并进一步通过印刷使得交流的范围大大增加，并具有了可保存的性质，可以在社会群体间进行传递。
随着社会的发展，现在，我们可以通过电话和网络来获取知识。
Seligman教授从逻辑学和心理学的角度，解释了网络间的知识的传递与传统的通过书籍传递之间的差异性，并提出了对话互动（Conversation）对主体间的信息（Information）与信念（Belief）有着很大的影响，且能够进一步更新或改变主体所有的知识。
Seligman 教授通过一个有趣的电视节目（Golden Balls）对哲学上的“囚徒困境”（Prisoner’s dilemma）进行了进一步的阐述，通过这个电视节目，两位玩家（players）可以通过对话来改变两位玩家之前的信念知识，从而得到一个最优选择。
Seligman 教授还以认知逻辑中著名的“泥孩难题”（Muddy Childern）为例，与在场的三位学生现场模拟了这个游戏。
从而为我们解释了交流或问答对于信息更新的重要性，并进一步表达了，重复同一个问题，即便每次都没有回答，但是其背后也涌动着不同的信息。
主体（Agents）可以通过一定的“沉默”后，相互之间的到更新的知识。
最后，Seligman 教授解释了不同的网络结构对同一信息的传递可能产生不同的知识，并且简要地运用逻辑学的基础知识刻画了这一现象。
在问答环节，大家对教授所给出的一系列例子充满了浓厚的兴趣，也对逻辑学对于知识以及社会网络的刻画产生了好奇，Seligman 教授从哲学以及逻辑学角度回答并解释了现代逻辑尤其是认知逻辑、社会网络逻辑对于知识以及社会关系的刻画能力。
并进一步阐述了对话、交流对于认知的作用。
李章吕参加“归纳、认知与文化”学术研讨会2017年5月22-24日，中心成员李章吕副教授受邀参加了在南开大学举办的“归纳、认知与文化”学术研讨会。
在此次会议上，国内外逻辑与认知研究的知名学者就归纳逻辑、认知科学哲学和中国文化发展的过程、特点与规律等问题展开了深入研讨。
李章吕受邀做了“贝叶斯决策与认知”的主旨发言，主要围绕贝叶斯定理的两种不同分解方式所展现出来的不同概率结构，及其在贝叶斯决策中的作用等问题进行了探讨。
中心人员参加“两岸三校哲学论坛”2017年4月26日-29日，由中国人民大学哲学院、台湾辅仁大学哲学系、西南大学哲学系联合举办的两岸三校哲学论坛在西南大学召开。
中心成员郭美云教授、李章吕副教授、蒋军利博士，以及在读博士生、硕士生等参与了该学术论坛。
李章吕和蒋军利在会上分别做了学术报告。
李章吕在会上做了题为“基于概率结构的纽科姆难题消解方案”的报告，该报告借助概率理论和贝叶斯网络来揭示出纽科姆难题中的选择困境实质，并指出，通过确定纽科姆难题的概率结构即可较好地消解该选择困境。
蒋军利做了题为“集体决策视域下理性与规则制度的关系分析”的报告，该报告在对理性从两个维度进行限定的基础上，讨论了个体理性、集体理性和集体决策规则之间的关系。
中心成员参加2017年模态逻辑研讨会2017年5月13-14日，2017年模态逻辑研讨会（Workshop on Modal Logic, Hangzhou, 2017）在杭州召开，本次研讨会由浙江大学语言与认知研究中心主办，我中心成员Jeremy Seligman (柔性引进教授)、熊作军等参加了此次会议，并做了“Towards a logic of tweeting” 和“Quantified tweeting logic” 的报告。
