引論：我們為您整理了13篇人工智能檔案范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
1.1人工智能技術
在20世紀50年代中期，歐美等發達國家就已經率先提出了人工智能的概念，并且將這一理論概念逐漸的發展成為了現實存在的技術，震驚了學術界。目前，科學家們致力于研究更加精深的人工智能技術，為此開發了多種多樣的理論原理，而人工智能也隨著經濟全球化得到了普及，被運用到了全球的各個角落當中去，為各行各業的生產力發展提供了巨大的動力。當然，人們所提到人工智能技術的時候，首先會提到的就是AI技術，它是人工智能技術的一個縮寫，是通過計算機網絡的方式將多個系統集合起來，從而形成一個可以模擬人腦的智能機器，人工智能技術包括了機器視覺、指紋識別、人臉識別、虹膜識別、智能搜索和專家系統等。從這個角度來看，人工智能技術實際上是對人的大腦的一次復制和模擬，尤其是對人腦當中的思維意識和思維過程的一次模擬，但人工智能并不能夠與人腦完全等同，他只是人腦的一個低端復制，并不能夠超過人的智慧，也不能夠進行獨立的人類思考。
1.2檔案管理
檔案管理這項工作屬于行政管理工作的范疇，它普遍存在于各行各業和各個層次的公司當中，即便是在規模小的公司，也一定都會具有相應的檔案管理工作和專門的負責人員。在傳統的檔案工作當中，人們主要是通過記憶和書寫的方式將一本本檔案進行反復的裝訂和整理，并且撰寫目錄，相對來說耗時耗力，出現錯誤的可能性也十分的高。隨著科學技術的不斷發展，人們更多地將計算機信息技術運用到了檔案管理工作當中去，極大地解放了這項工作的生產力，提高了檔案管理的工作效率，也使得越來越多的管理人員能夠從繁雜的檔案整理和文書撰寫當中解脫出來。檔案管理的內容和項目是復雜的，除了一般的人事檔案以外，還包括了文書檔案、發展檔案、項目檔案、財務檔案等等內容。
2人工智能技術在檔案管理信息化中應用的必要性
2.1降低錯誤率
將人工智能技術科學地運用到檔案管理工作當中去，最顯而易見的一個優勢就是可以極大程度上降低檔案管理的出錯率。目前，利用人工智能技術當中的智能檢索技術，就可以輕易地降低檔案管理和借閱過程當中的錯誤率，無論是利用語音輸入還是圖片檢索的方式，都使得檢索途徑逐漸的優化和拓寬，也使得檢索的時間成本正在不斷的被壓縮[2]。另外，有部分工作人員在進行關鍵詞檢索的時候，可能對于自己想要的檔案和主要的內容還是比較模糊的，這時候利用智能檢索技術當中的延伸檢索技術，可以對其他相關的檔案內容和關鍵詞進行一個拓展和推送，使得用戶既能夠了解到目前所需的、與關鍵詞相關的檔案內容，同時又可以了解到與這些檔案相關聯或其他用戶較多搜索的關聯檔案內容。即可以不再依賴人力進行檔案文字的查閱，通過計算機網絡的關鍵詞檢索就可以完成檔案的查閱，極大地降低了錯誤率。
2.2提高管理效率
以項目檔案為例展開論述的話，當企業展開一個經濟活動和項目的時候所需要收集的檔案是多方面的，不僅包括了企業的前期投入以及招投標的各個環節，同時也包括了企業的預算以及最后的企業項目負責人員、企業項目決策會議內容等等。如果可以利用人工智能技術，首先在計算機網絡當中編制一個成熟的程序，將這些不同的環節和內容首先預留出來，然后再進行完一項工作以后，自動自發地將工作所涉及的檔案內容和具體信息上傳到計算機中來，最終當整個項目完成以后，就能夠形成一份十分詳實且準確的項目檔案。這種方式可以節約檔案管理人員大量的時間，使得他們不用整日被淹沒在浩瀚的數據信息當中。檔案管理人員往往只需要在后臺進行簡單的編程操作和掃描工作，就可以將所有的項目信息收錄起來，在后期進行簡單的排版和目錄編制，即可完成一本優秀的項目檔案[3]。
2.3減少成本投入
在人工智能可以節約成本這方面，有部分中小企業會表示出較大的質疑情緒，他們認為，人工智能技術相較于傳統的聘用管理人員需要付出更多的科技成本，并且后期的養護和維修成本也是一筆高額的支出。人工智能技術是一項長遠的投入，當購買一套人工智能技術以后，不僅僅代表著購買了其中的編程和設備，更多的是購買了其中所包含的配套設施和服務，也就是后期的各種更新和維護服務。在傳統的檔案管理工作當中，企業需要雇傭大量的管理人才，需要付出巨額的人力資源成本，并且還需要繳納相應的保險支出部分福利。而人工智能技術則更像是一種一次性的投入，僅僅需要在前期支付一筆大額的設備使用和專利使用費用即可。同時，人工智能技術也不需要休假，24h都可以進行工作，工作效率也會一直處于飽和狀態。人工智能技術從長遠來看，對企業的成本產生了巨大的節約作用。
2.4提高安全性
對于一些大型的企業項目和國家機關事業單位來說，在檔案管理的工作當中，最重視的就是安全性問題。在傳統的檔案管理工作當中，主要是依靠人力來完成管理工作，這樣一來就存在著很多的不確定性，一旦檔案工作人員自身的思想意志不夠堅定，就非常容易出現以權謀私販賣企業經濟信息，以及泄漏政府核心機密的問題。現階段，如果可以使用人工智能技術來代替傳統的人力管理，那么相對來說安全性就得到了保障，人工智能技術可以根據前期編程員所設置的種種權限，一些不具備權限的人員想要查閱這些檔案是絕對不可能的，而這些檔案也必然會在多重安全密鑰的加密之下，更加穩妥的被保管在計算機硬盤當中。但這一切都需要建立在已經能夠對檔案管理信息化系統的安全性充分保障的基礎之上，也就是需要建立起更加牢固的防火墻，有效地規避黑客風險和病毒風險。
3人工智能技術在檔案管理信息化中的應用措施
探討人工智能技術在檔案管理信息化當中的應用措施，更多的是從技術角度進行探究的。本文按照不同的技術層面對措施進行分類探究，重點提出了系統智能識別技術、指紋虹膜識別技術以及網絡平臺共享技術3項內容。
3.1系統智能識別技術
人工智能技術最核心也是最基本的技術，就是系統智能識別技術，這一技術也是目前人工智能技術當中發展最為成熟，運用最為廣泛的一項技術。目前所探討的系統，智能識別技術就是經常能夠在搜索引擎上使用的搜索框，目前在智能識別技術當中，不僅僅可以通過文字的形式進行檢索，同時還可以通過語音的形式進行檢索，通過圖片的形式智能判斷，而這些技術都可以被廣泛地運用到檔案管理的信息化工作當中來。舉例來說，如果想要進行查閱檔案工作的時候，就可以利用系統智能識別技術，將已知的檔案文號或者檔案標題或者是檔案當中內容的關鍵詞放置到搜索框當中，只需要輕輕的點擊檢索按鈕，那么即可以搜索出與之相關的各種檔案。在語音識別技術方面同樣如此，可以通過語音的方式將所口述的內容轉化成為文字，在系統當中自動的進行檢索，尋找所需要的檔案。而圖片智能識別技術則更多的被運用在一些歷史檔案和項目檔案當中，例如企業在發展的過程當中所興辦的一些項目可能已經年代久遠，記不清當中的關鍵詞和具體信息，但是在官方網站上具有當時項目的相關圖片，那么就可以將圖片放置到搜索框當中點擊搜索。包含此圖片或相近圖片內容的檔案就會一目了然的展示在我們的面前[4]。
3.2指紋虹膜識別技術
在前文中已經提到，對于檔案管理工作來說，其最重要也是最難克服的一項問題就是安全問題，如果安全問題無法得到保障，那么檔案當中的信息就時刻都有可能被暴露在大眾的面前，尤其是在涉及到一些經濟項目或政府機密文件的時候，安全問題應當是我們首要需要保障的。利用指紋識別技術和虹膜識別技術，就可以很大程度上杜絕安全隱患[5]。舉例來說，當查閱一些機密文件的時候，那么首先就可以對查閱人的虹膜和指紋進行識別，在前期檔案管理工作的時候，要對這些機密文件進行權限的設置，只有專門的人員才能夠查閱這些文件。例如，政府工作當中的一些文書檔案和人事檔案，涉及到了機關內部的人事調整和編制職數，這些都屬于機密的內容，而在進行檔案管理的時候，就可以將人事檔案管理的工作人員、主管領導和單位的主要領導作為可查閱人員，將他們的指紋和虹膜錄入進來。在后期，如果他人想要查閱這些檔案的時候，系統就會自動的對這個人的虹膜進行掃描，一旦發現不匹配的問題，就會在系統內產生警告信息，并且直接以短信和電子郵件的形式發送至主管領導及人事檔案管理人員的手機當中，可以有效對可能存在的風險產生一個預警機制。當主要領導和檔案管理的負責人員看到某些人妄圖窺探企業的機密檔案的時候，那么就能夠做出相應的處罰條例，積極地調整管理制度，這就可以使得檔案管理工作逐漸朝著更好的道路發展，實現一個良性循環。
3.3網絡平臺共享技術
檔案的查閱、借閱以及歸還是一項十分復雜的工作，在傳統的檔案管理流程當中，主要是通過紙質文件的形式逐級進行向上審批，尤其是在涉及一些機密和機要文件的時候，更需要進行一個繁雜的審批流程。這時候，如果能夠利用人工智能技術當中的網絡平臺共享技術，將這些審批流程進行簡化，通過電子計算機或者說是OA軟件的形式，在網上平臺就能夠完成各項審批工作。與此同時，在企業或單位內部一些可以公開的檔案文件，可以利用平臺中的共享技術直接展示在企業和單位的局域網絡當中，只要是企業內部的人員，都可以通過自己的賬戶和ID進行直接登錄和查閱[6]。舉例來說，如果在新人培訓的環節當中，需要讓新人更多的了解到這個企業的發展歷程和其中蘊含的深厚企業文化，那么就可以讓這些員工登錄計算機系統，在局域網內搜索相應的檔案。這些檔案當中記載著企業的發展歷程是可以被完全公開的，不含有一些機密內容的，這樣一來，員工的借閱檔案和查閱資料，不需要經過繁雜的審批手續，大大減輕了檔案管理人員的工作負擔，真正實現了簡政放權，做到了工作流程的優化與高效。
3.4智能檢索技術
篇2
關鍵詞 高校；人事檔案；服務
高校人事檔案工作，是高校組織人事部門的一項基礎性工作，為學校干部隊伍建設、教職工職稱評審、崗位聘任等工作服務。一句話，為學校的穩定和發展是高校人事檔案管理工作的出發點和歸宿。高校是干部尤其是專業技術干部密集的地方，人事檔案工作做得好不好，直接影響到學校的穩定與發展。而目前許多高校尤其是剛剛合并升格的地方本科院校，由于種種原因，人事檔案管理工作存在不少問題，如檔案意識不強，領導不夠重視，基礎工作薄弱，管理不夠規范；管理手段、管理方式落后；管理人員素質不高，服務意識不強等等。所有這些嚴重制約和影響了人事檔案工作服務功能的正常發揮。要想改變這種狀況，充分發揮學校人事檔案工作的服務功能，筆者認為，必須樹立檔案意識、規范意識、改革意識及服務意識，改革管理方式，提高檔案管理人員素質。
一、牢固樹立檔案意識，切實加強對檔案工作的領導
人事檔案是記錄和反映個人德能勤績等方面情況的，經組織認可歸檔保存的個人材料。干部職工的人事檔案材料是否完整、準確與安全，關系到每一位干部職工的切身利益和政治前途。但由于人事檔案的保密性，使很多人對人事檔案工作不是很了解，不知道什么材料該存檔，什么材料不該存檔，檔案意識比較淡薄。其表現為：很多干部職工不積極配合人事部門，不主動把諸如學歷、學位，資格考試、注冊考試、獲獎材料、繼續教育證明等個人材料交到人事部門歸檔保存，而當晉升職務、升學考試等急需有關材料時，才心急火燎地來查找。不少領導甚至分管人事的領導也對檔案工作不夠重視，主要表現為：一是思想上不夠重視。認為現在使用干部主要看工作能力和現實表現，檔案只是拿來參考的材料，用處不大。二是不甚了解人事檔案工作。認為人事檔案工作就是收集材料、整理材料，有檔案管理人員干就行，不需要領導親力親為。
由于不重視檔案工作，在實際工作中就存在如下問題：一是沒有按要求配備檔案管理人員；二是沒有按要求去搞好基礎設施的配套建設；三是檔案管理崗位上的人員變動比較大；四是需收集的人事檔案材料比較多，工作人員負擔過重。這些問題既影響了人事檔案管理人員的工作積極性，又制約著人事檔案管理工作水平的提高。
因此，要使高校人事檔案工作更好地為學校的建設和發展服務，就必須加大人事檔案工作重要性的宣傳力度，使教職工尤其是領導干部進一步提高對人事檔案工作重要性的認識，牢固樹立檔案意識。從而一方面積極主動地配合組織人事部門工作，把應當歸檔的個人材料遞交組織人事部門。另一方面，學校領導要重視人事檔案工作，在基礎設施的配套建設、人員的配備、業務培訓等方面給予支持，從而從整體上使人事檔案工作水平得到提高。
二、牢固樹立檔案意識，切實抓好人事檔案的基礎工作
許多高校尤其是近年來由專科升格為本科的地方本科高校，人事檔案不夠規范，具體表現為：一是檔案材料收集不齊全，對人事檔案中必備的材料沒收集全，造成檔案材料流失。二是對檔案材料的鑒別不準確，把一些不應當歸檔的材料或手續不完備的材料歸入人事檔案中，損害了檔案的真實性。三是整理不及時，對收集來的檔案材料沒及時整理歸檔，使檔案利用起來不方便。四是基礎設施不達標，檔案保管條件差，影響了檔案的壽命和使用。五是管理制度不到位，管理不規范。
以上問題的存在，既有客觀原因也有主觀原因，就客觀原因而言，一是新升本的本科高校無一例外地是由幾所學校合并后才升格的，合并前由于隸屬關系不同，其人事檔案保管分屬于不同的部門，呈多頭管理狀態。二是合并升格前，從領導到干部職工都忙于迎接升本評估的準備工作，無暇顧及人事檔案管理規范化建設。三是合并升格后，在校教職工人數成倍增加，而檔案管理人員沒有相應增加，工作量大，任務繁重，人手短缺。從主觀方面來說，人事檔案管理規范意識淡薄，認識不到位導致工作不到位。
要使人事檔案管理規范化，首先要樹立規范意識。要充分認識到維護和保證教職工人事檔案的完整性、準確性與安全性，是人事檔案管理工作的基本任務，它直接關系到組織部門對干部的評價、培養和使用，涉及到貫徹落實黨的干部路線，關系到每一位教職工的切身利益和政治前途，不能掉以輕心，容不得半點馬虎。其次，切實抓好基礎工作，努力做到以下四點：
一是建立材料收集制度。人事檔案材料的收集是一項貫穿始終的經常性工作，不能單純靠突擊收集，要建立必要的工作制度，使人事檔案材料收集制度化、程序化。二是認真鑒別材料的真偽和價值。按《干部人事檔案管理規范》規定，對收集來的材料進行審查，本著“取之有據，棄之有理”的原則，對收集來的材料進行取舍。三是基礎設施標準化。按檔案管理基礎設施建設的有關要求，設專用庫房、閱覽室、辦公室，配置鐵質檔案柜，配備電腦、掃描儀等現代化設備，建立數據庫及網絡，使人事檔案管理實現現代化。四是制定工作制度。按人事檔案規范管理目標制定具體的工作制度，使每項工作有章可循，保證工作正常、有序、規范地進行。
三、強化改革意識，大膽改革傳統的檔案管理方式
據筆者了解，目前高校人事檔案管理方式大多是比較傳統的，大多數院校的檔案還沒實現數字化，檔案管理還是以手工為主，收集材料的手段落后，常常因收集材料不及時，造成整理、歸檔不及時，使信息不能及時更新和補充，人事檔案的管理停留在建檔、管檔的層面上；服務方式被動、方向單一，坐等用戶上門來為其服務，只滿足人事工作需要，沒能將人事檔案工作與學校干部隊伍建設、師資隊伍建設、學科建設等工作結合起來開展，對人事檔案信息資源開發利用不夠；人事檔案只向組織開放，個人很難看到自己的檔案，不大清楚檔案里有哪些內容，因而制約了檔案的利用。當前，我國的干部人事制度改革正在不斷深化，高校也不例外，顯然，傳統的人事檔案管理方式，已難以適應不斷改革深化的人事管理工作的需要，因此，必須強化改革意識，從下面幾個方面改變傳統的管理方式。
一是運用現代化的手段、科學管理。信息技術的發展，為人事檔案現代化管理提供了有效的技術手段，利用計算機在信息處理方面的強大功能，建立和完善干部人事檔案數據庫，及時更新信息，保證人事檔案信息的時效性、真實性和準確性，從而提高檔案的利用率。
二是與時俱進，豐富人事檔案的內容。一方面建立檔案材料收集的綠色渠道，確保檔案材料收集齊全。另一方面，豐富人事檔案內容，把能反映個人教學、科研、繼續教育情況、道德品質、潛在能力等材料增加到檔案中，真實、準確、完整、立體地反映干部職工情況，提高決策工作水平。
三是轉變觀念，主動服務。隨著時代的進步和社會的要求，人們利用人事檔案的比例在逐年上升，管理者應改變觀念，提高服務意識，在工作中根據實際情況，除必須要保密的內容外，在教職工職稱評審、進修學習、崗位聘任、工資晉升、辦理退休等事宜時，盡最大努力為單位或個人用足用好檔案材料，使人事檔案工作真正為學校人事工作服務。
四、強化服務意識，不斷提高檔案人員的綜合素質
如上所述，加強人事檔案管理的目的，是為了充分利用人事檔案資源，為學校建設和發展服務。因而，從某種意義來說，人事檔案工作人員所從事的工作就是服務性工作。而要做好服務工作，必須強化服務意識，不斷提高人事檔案管理人員的綜合素質。當前高校尤其是地方本科高校人事檔案管理人員整體素質不高。主要表現為：有的政治素質不高，工作原則性不強；有的缺乏奉獻精神，工作不安心，總想跳槽；有的沒有受過系統或專門的學習培訓，業務理論知識缺乏，業務不熟悉或業務水平不高；有的兼職人員，沒有把主要時間放在檔案管理上；有的服務意識淡薄，對前來查（借）閱檔案的人員，不熱情、不耐煩，臉難看、話難聽。由于素質不高，嚴重影響了學校人事檔案管理質量，使人事檔案的服務功能沒有得到充分發揮。
針對上述問題，高校組織人事部門應該采取有效措施，加強對人事檔案管理工作的人才隊伍建設。一是抓培訓，通過培訓，提高檔案管理人員的政治素質和業務水平，這是提高工作效率和工作質量的主要途徑，也是解決矛盾，提高人事檔案服務功能的重要保證。二是從政治上關心檔案管理人員的培養和成長。三是根據人事檔案管理的有關規定，制定嚴格的工作制度。通過一系列措施，從整體上提高人事檔案管理人員的綜合素質，提高人事檔案的管理水平。
參考文獻：
篇3
1. 要有合格的政治素質
機關檔案工作是檔案工作的一部分，檔案工作是一項政治機要性很強的工作，沒有較高的政治素質和強烈的責任感是無法擔任此項工作的。因此我們檔案管理人員應該做到：
1.1檔案工作的任務、工作對象和工作手段決定了它本身是一項服務性、條件性很強的工作。而檔案工作與其他服務性工作的不同在于它不能通過服務對象直接產生效益，而是通過服務對象利用檔案所取得的社會效益和經濟效益來體現。不為名利、勤奮工作、積極主動、熱情周到地為利用者提供優質的服務，是檔案工作者職業道德素質的最基本要求。要有良好的職業道德和嚴謹的工作作風。要堅持實事求是，尊重歷史，在工作中要本著對歷史負責，為現實服務，替未來著想的原則，愛崗敬業，認真負責地做好本職工作。
1.2要有強烈的責任感和高度的事業心。機關單位檔案工作是一項政治性、管理性、服務性很強的工作，這就要求檔案工作者要時刻嚴守機密，守口如瓶；要充分發揮自己的主觀能動性，不斷強化工作能力，不斷提升工作質量。
1.3具有必要的政策水平。既要熟悉和掌握國家有關檔案工作的法規、政策，又要熟悉和掌握與檔案工作相關的方針、政策、標準和方法。
1.4具有依法治檔的法制意識。用法律和紀律約束自己，牢固樹立以法治檔的思想觀念，與一切違反《檔案法》的行為進行堅決的斗爭。
2. 要有強健的身體素質
人事檔案工作是一項艱苦而繁瑣的工作。由于長期伏案工作、庫房空氣不流通以及整理檔案過程中吸入有害菌等原因，導致在檔案工作者身上出現了皮膚過敏、頸椎病、呼吸道疾病等各種難以根治的疾病。因此，要想做好檔案工作，就必須加強體育鍛煉，增強身體素質。
3. 要有良好的心理素質
心理素質是整體素質的基礎，培養檔案管理人員的心理素質是十分重要的。具體表現在：對本職工作具有濃厚的興趣和滿腔的工作熱情。對工作要有主動性和創造性，積極主動地克服和解決所遇到的各種困難，克服畏難情緒，急流勇進。具有保持良好的心理狀態、從容面對環境變化的能力。檔案工作者時時刻刻都面對著新材料、新檔案，工作內容也總是在重復，時間久了容易產生厭煩情緒，所以，面對這些變化，管理人員要保持心境寬廣、意志堅定，對檔案事業應保持執著的毅力，從容面對各種困難，激流勇進，不斷調整自己的心理狀態，來適應不斷出現的新情況。
4. 要全面發展檔案管理相關專業知識素質
科學文化知識是人類改造自然和改造社會的經驗總結，要成為本職工作的行家里手，就要優化知識結構，拓寬知識面。既要熟練掌握一定的專業理論知識，又要熟練掌握與檔案工作相關學科的基礎知識，具備多種新知識、新技能，成為復合型檔案專業人才。
掌握檔案專業知識。檔案工作是專門業務，從檔案的收集、整理、保管、鑒定、統計到提供利用，有一整套的理論和工作方法，機關檔案工作人員只有學習掌握這些理論與方法，才能保證工作質量，提高工作效能，逐步實現機關檔案工作的科學管理。
掌握計算機知識。由于多媒體技術和網絡技術在檔案現代化管理中的廣泛應用，計算機已經從輔工具逐漸成為檔案現代化管理必備的技術，要適應檔案管理現代化，就必須掌握計算機數據錄入、數據庫管理、多媒體和網絡管理等方面的技能。
掌握一定的外語知識。在當今社會，沒有一定的外語功底已難以勝任檔案管理工作，尤其是英語。在計算機網絡技術使用的各種軟件以及網絡信息資源中，占有很大比例，為適應工作的需要，機關單位檔案工作者還需具備一定的英語應用能力，這樣才能適應新時期、新形勢對機關單位檔案工作者的要求。
5. 要有精湛業務素質
樹立以人為本的服務意識。以提供服務為己任，各項工作都應首先從利用者的角度來思考，一切服務都應以利用者的需求為出發點。
樹立遠大理想，熱愛人事檔案事業。明確自己肩負的責任，以主人翁的工作態度，嚴肅認真的工作作風，把高度責任心、事業心貫穿在人事檔案工作的各個環節。
培養求真務實、精益求精的工作作風。人事檔案工作是一項長期、艱苦、細致的工作，從材料的形成、收集、整理、歸檔、轉遞到檔案的保管、利用，每一個環節都離不開求真務實，每一個過程都要求謹小慎微，任何一個細節的失誤都會給后面的工作帶來麻煩。
培養創新意識。人事檔案工作者要善于在工作中發現問題、解決問題，不斷改進，大膽創新；要不斷轉換思維方式，克服慣于從眾的心理弱勢和墨守陳規的保守思想；要有創新的觀念和意識，為檔案事業出謀劃策，結合工作實際，提出新思路、新觀點，改革原有的服務模式，利用現代化技術開發利用檔案資源，促進機關單位人事檔案工作的發展。
6. 要有科學的管理素養
靜態管理與動態管理相結合。管理現存的人事檔案是靜態的，而積極主動地廣泛收集、分項、整理檔案資料，則是動態的。靜，是相對的，動則是絕對的。邊收集，收集要齊全；邊整理，整理要細致；邊歸檔，歸檔要嚴謹。這又是屬于“動”的過程。歸檔以后入庫，精心保管，這是屬"靜"的境界。
手工操作與微機操作相結合。隨著科學技術的迅猛發展，計算機、網絡的普及與應用，逐步實行人事檔案的自動化管理是大勢所趨。因此，人事檔案管理者必須學習和運用現代化管理手段，加快檔案管理現代化過程，盡早研制和開發具有機關單位人事管理即計算機檔案管理軟件，當是責無旁貸。
規章制度與實際情況相結合。只有制定并嚴格履行檔案管理的各項規章制度，才能切實加強人事檔案的管理工作，進一步推進人事檔案工作的制度化、規范化、科學化，有效地發揮人事檔案在機關管理工作中的作用。
作為新時期的檔案工作者，只有樹立遠大理想，熱愛檔案事業，強化服務意識、法制意識，終生學習，豐富自身的知識結構，始終立足于與時俱進、改革創新，不斷提高自身整體素質，才能成為新世紀檔案工作的復合型管理人才，才能促進檔案事業的發展，適應全面當前社會的新形勢，為社會的進步、經濟的繁榮做出自己的貢獻。
參考文獻：
[1]朱祥.信息時代檔案管理工作者應具備的素質和能力[J].企業家天地，2008，（5）：145.
[2]鞠傳信.淺談檔案工作人員的基本素質[J].山東檔案，2007，（6）：46.
篇4
人工智能是指用一種新的能以人類智能相似的方式做出反應的智能機器，它能夠自我學習和思考、判斷并作出決策[2]。不過計算機獲得智能的方式和人類不同，它不是依靠邏輯推理，而是靠著大數據和智能算法。因此人工智能的實質是在大數據基礎上，通過深度學習，將數據挖掘問題轉化為可計算問題來處理的過程。比如AlphaGo把下圍棋這個難題轉化為棋盤問題空間的表達和搜索問題，在學習數以萬計棋譜的基礎上，利用啟發式搜索算法，求得當前的最優解，并不斷迭代推演，最終戰勝人類圍棋世界冠軍[3]。可見，人工智能并不神秘，并非遙不可攀，關鍵就在于數據的收集和算法的使用。而高校檔案館就是一個“數據密集型”部門，有大量的學籍、文書、科研、基建、人物等檔案數據，可以充分利用人工智能技術對檔案資源和用戶數據進行挖掘，發現關系以及分析趨勢，提供更加主動及優質的檔案服務[4]。
二、人工智能技術在高校檔案管理中的應用
人工智能技術在高校檔案管理中的應用可以從思維、數據、技術等幾個方面來進行研究。
1.思維方面
人工智能不僅僅是一種技術，更是一種思維方式的轉變。工業革命以來，人們已經習慣了機械思維，相信所有問題都有一個通用的解決辦法，并在努力尋求事物間的因果關系。進入人工智能時代，人們開始接受世界的不確定性，學會利用信息或者數據來消除這種不確定性，又逐漸利用相關關系取代因果關系，以更快地獲得問題的近似解，如預測投票選舉結果和預測股市波動。受此思維影響，高校檔案工作者在指導各部門檔案收整時可以不預先設定目標，而是先把所有能夠收集到的本部門相關的檔案數據收集起來，運用“全部留”的方法破解檔案價值的不確定，檔案價值認定難的問題。因為在人工智能時代，數據或信息不再是包袱，而是財富[5]，然后對這些檔案數據分析挖掘，能夠得到什么結論就是什么結論，用“數據說話”，盡量減少人工主觀的干預活動。另外針對檔案收整和利用的不確定性和易變性，可以引入外部信息，如歷年數據、收整和利用的關系，利用者需求的變化等數據，以便對檔案管理作出合理預測和規劃。
2.數據方面
人工智能的基礎是大數據。近幾年大數據一詞經常出現在媒體上，它的3V特性（體量大、多樣性、及時性）也逐漸被更多人所熟知和接受，但大數據更重要的含義其實是多維度和完備性。具體到高校檔案領域，檔案數據多維度是指在常規檔案顯性數據以外，包含其它隱性維度的數據。比如在教學檔案中，除學生姓名、成績、學號、專業等基本信息以外，還應該收集整合學生的籍貫、出生年月、高考分數、高中學校、報考專業、獎懲明細、畢業學位信息、工作派遣單位等數據，如果有可能還可以跟蹤補錄學生就業后的一些個人數據信息，以便從多角度分析數據間的相關關系，挖掘隱含信息。檔案數據的完備性是指包含檔案管理全流程的數據。比如在文書檔案中，除文件題名、責任者、歸檔時間等基本信息以外，還應該收集文件生成時間、地點，文件流轉過程批注、修改、查閱人，檔案整理人姓名、職務，檔案移交時間，檔案利用時間、人員姓名和單位，檔案利用方式等數據，這些數據有助于打通從檔案生成到檔案利用之間的關系，使檔案生成單位能更好的把握歸檔內容，及時獲得檔案利用者的反饋，調整歸檔策略，以提供更多利用者感興趣或需要的檔案。隨著移動互聯網和物聯網技術的發展，檔案大數據的收集越來越方便實時，把控每一個用戶，每一卷檔案和每一次檔案利用細節也將成為現實。檔案數據越來越豐富全面，檔案案卷實體正在成為流通渠道、數據收集途徑，這也為人工智能時代的檔案數據收集提供了一個新的來源。
3.技術方面
人工智能技術主要包括軟件和硬件兩方面內容。軟件主要指各種數據挖掘算法，常用的有啟發式搜索算法、蒙特卡羅樹搜索算法、神經網絡算法等，這些算法可以解決在實際檔案利用中如何有針對性地給用戶推薦檔案的問題。人工智能時代，人們追求檔案利用的時效性和個性化，各種檔案利用數據能夠被即時而完整地記錄下來。如檔案查詢關鍵詞、查詢時間、查詢結果點擊數、查詢者賬號信息、查詢者滿意度等，這些數據隨時可用，以便系統及時做出分析。而隨著算法的改進和提高，以往同類檔案用戶歸類的推薦方式，可以進一步變為由檔案直接推薦檔案，由兩類檔案到兩件具體檔案的直接關聯，一件檔案被利用時，自動推薦和其相關的檔案文件。隨著檔案利用數據的積累，尤其是和每一個用戶相關的各種維度數據的積累，推薦將越來越靠譜，越來越準確，最終做到因人而異，完全個性化。硬件方面則主要采用在檔案中插入RFID芯片和在檔案閱覽室安裝各種監控攝像頭。RFID是一種不需要電源的芯片，里面存儲的信息可以被專門的閱讀器發出的無線電波探測出來[6]。這種芯片價格便宜，將它裝到各種物品上，就可以自動識別各種物品，進而跟蹤物品。在檔案管理中，RFID不僅可以記錄檔案生成期間的各種數據信息，還可以記錄檔案利用過程中的各種數據信息，檔案的每一次查詢、提取、翻閱、借出等全流程數據都能夠被完整收集保存，RFID中的數據記錄了檔案文件全生命周期的與檔案實體相關的數據，堪稱檔案的“全息影像”。這些數據有助于檔案館對館藏檔案的布局、檔案的質量有清晰的認識，有針對性地提供利用服務。而各種監控攝像頭可以實時記錄檔案閱覽室的人員情況，查檔等待時間，服務利用時間，查檔次數等數據，這些數據有助于檔案利用部門合理安排人員，簡化辦事流程，提高工作效率。
4.其他應用方面
除了以上一些應用，有了通過多種途徑收集的檔案多維度全流程大數據，再利用各種數據挖掘算法，還可進一步實現人工智能時代檔案的智能化管理利用。在此另外舉幾個例子，拋磚引玉，希望未來高校檔案工作者能發掘出更多的檔案創新工作模式。（1）根據檔案利用者的反饋，系統自動向各歸檔單位推送其歸檔檔案的利用情況，并建議其加大某類檔案的歸檔力度，或者提醒其可適當增加某類用戶可能更感興趣更需要的檔案等。（2）根據學生成績，通過橫向同學間比較和縱向歷史成績數據對比，并結合個人實際情況，智能推薦其更合適的畢業選擇，是讀研、出國還是工作。如果數據全面準確，甚至可以具體到讀研、出國的學校信息或者工作地點、工作單位等信息，推薦更精準。（3）對電子化的檔案圖像進行全文識別讀寫，自動分析其中的關鍵字，使計算機獲得“檔案知識”，并結合已有目錄數據庫，將整理后的信息推送給用戶，如可自動回答用戶提出的“學校最年輕正教授”、“學校某專業成績績點分布”、“學校各省市招生人數變化”等問題，提高查檔利用的全面性和滿意度。另外還可以利用計算機閱讀和分析檔案匯編成果，并從已有的大量文本語料中學習寫作，最終實現計算機自動編研檔案和撰寫檔案文章。（4）對各種檔案利用異常行為進行預警，及時提醒檔案利用單位重點關注某些利用行為或者利用者。先從檔案數據找到普遍規律，然后再應用于每一個具體的用戶，并且影響到每一個具體的操作，以發現每一個異常情況。做到從個體到全體再從全體到個體的雙向流動。
三、人工智能對高校檔案管理的挑戰
人工智能對檔案創新變革提供技術支持的同時，也對用戶隱私和數據安全方面提出了新的挑戰。
1.用戶隱私安全
由于大數據具有多維度和全面性的特點，它可以從很多看似支離破碎的信息中完全復原一個人或者一個組織的全貌，并且了解到這個人工作生活的細節或者組織內部的各種信息。這樣就會引發大家對個人隱私權的擔憂。比如要想推薦精準，對學生數據的收集就要更加全面多維度，在這個過程中必然會涉及對學生隱私的干預。要想對這些檔案大數據進行隱私保護，一種辦法是從收集信息的一開始就對數據進行一些預處理，將數據“脫敏”，比如去掉姓名、學號、身份證號等這些具有明顯個人屬性的數據。預處理后的數據保留了原來的特性，能夠進行分析利用，但卻“讀不懂”數據的內容。第二種辦法是利用一定規則在檔案數據中添加“擾動”，通過數學的方法讓大數據依然有很強的可靠性，但是卻完全找不到每條數據對應的來源，如蘋果公司的“差別隱私”技術。第三種辦法是雙向監視，使數據從采集到使用都在雙方知情的情況下進行，使數據使用者受到監督，提高檔案館對數據利用的自律意識，相比前兩者，這種方式可能更有效果。
2.數據存儲和數據安全
人工智能的核心是海量全面的數據，因此數據存儲和數據安全是未來所面臨的最大挑戰。數據存儲。由于摩爾定律導致各種存儲器的容量成倍增加，同時價格迅速下降，使得更多的檔案數據有條件存起來以供使用。但是隨著數據量的劇增，查找和使用檔案數據的時間也會變得很長，影響分析數據的效率。而且即使采用并行計算，受制于算法和計算機，數據分析處理的效率也存在瓶頸，這些問題還需依靠技術的進步來解決。數據安全。檔案數據安全有兩層含義，首先是保證檔案數據不損壞、不丟失；第二層含義是要保證檔案數據不會被偷走或者盜用。為避免安全問題，要盡量將學生個人情況等敏感信息放到不同的地方，以免多種敏感數據同時丟失。另一種保護數據安全的方法則可以利用大數據本身的特點，即發現異常操作，比如某次某個賬號使用檔案系統的流程和正常不符，即可斷定這是一起檔案系統密碼泄露、系統入侵事件。另外，當數據量足夠大時，每個系統用戶的操作習慣也可以學習，不符合某人習慣的操作就可能是來自于非法的闖入者，這些操作就會被禁止。
篇5
1 中學教育現狀
教育乃立國之本，而中學教育乃是重中之重。一方面，中學生處于青春的成長期，各項綜合素質逐漸完善中，中學教育意義和責任重大；另一方面，中學教育仍然是應試教育為主，仍然需要面對千軍萬馬過獨木橋的“中考”“高考”，中學教育很大程度左右了學生的未來。
目前的中學教育資源，分為公共教育資源――公辦/民辦學校教育，和社會教育資源――私人家教、補習班等，有如下兩個特點。
1.1 學生得到的公共教育資源不足
學校班級結構的構成是：一名班主任教師，多名科任教師。在大多數學校中，無論是班主任教師，還是科任教師，均會承擔其他班級的教學任務。可以看出，教師資源是非常有限的，加上“中考”“高考”的上線壓力，教師往往會將有限的精力分散關注在所有的學生上，每個學生得到的公共教育資源并不多。
1.2 學生獲取的社會教育資源不公
學生若在學校無法獲取更多的教育資源，將不得不轉向社會教育資源去求助。據統計，學生參與社會教育資源的成本在200元/小時，學習費用成本過高，進一步造成普通學生的社會教育資源也無法獲取。
本文要探討的，正是通過人工智能這一現代信息化技術，構建智能輔助學習系統，使中學生能夠獲取到更多、更公平的教育資源。
2 智能輔助學習
2.1 人工智能簡介
人工智能（Artificial Intelligence）是計算機科學的一個分支，是一門研究運用計算機模擬和延伸人腦功能的綜合性學科，能夠對人的意識、思維等信息過程進行模擬。隨著計算機科學技術的發展，特別是近年來大數據技術的成功應用，人工智能在越來越多的行業展現出蓬勃的沖擊力。以谷歌圍棋機器人“阿爾法”、微軟助理機器人“小娜”等為代表的虛擬智能機器人，能像人那樣思考，也具備超過常人的智能。
在國內，人工智能在教育領域的理論研究和教學實踐表現得越來越活躍，盡管人工智能并不是為教育專門研發的，但是人工智能的不斷發展，使得其在教育中的應用也越來越廣泛，教育的智能化一直是教育界和教育技術領域的理想和目標。
2.2 智能輔助學習系統
智能輔助學習系統，其表現形式是能夠為每個學生，配備一個虛擬教師。學生能夠通過電子設備（如手機、計算機），與虛擬教師進行交流對話，咨詢虛擬教師各學科的問題，并得到有效的學習輔助。
該智能輔助學習系統，具備以下幾個特征。
2.2.1 虛擬教師跨學科能力
與傳統的教師專一某一學科不同，虛擬教師并沒有學科邊界劃分。只要學習系統研發出某一學科的學習算法，該虛擬教師就能夠獲取該門學科的能力。
2.2.2 虛擬教師深度自學習
虛擬教師的“智能”來源于三方面。一是學生基本信息檔案，該檔案涵蓋了從小學教育開始的學科成績、綜合能力、愛好特長等，虛擬教師得到學生的人物畫像。二是虛擬教師對學生的自學習，每一次雙方的溝通交流，虛擬教師都能夠不斷更新發展學生的畫像。三是虛擬教師對學校課堂內容的自學習，虛擬教師并不是獨立于學校教育存在的，而是作為學習教育資源的一個補充，虛擬教師能夠掌握課堂進展、作業部署、考試動態等信息。
2.2.3 接近自然語義的溝通
學生與虛擬教師之間，可以通過自然語義的語音和文字進行溝通，如 “今天數學作業第2題不會”“《荷塘月色》全文中心思想是什么”“Lets start a conversation”等。其他計算輔助手段為補充，如上傳某道數學題圖片，虛擬教師通過圖形識別匹配，給出該題的解題思路和講解。
2.3 優勢分析
智能輔助學習系統，有三大核心優勢。
一是“即學即問”，相比目前的學校教育和社會教育，學生在學習遇到困難時，只有有限的時間與教師交流，在智能輔助學習系統中學生將不受空間、時間限制，隨時隨地可以與虛擬教師互動，獲取充足的教育資源。
二是“定制教學”，相比目前的教育形式，課堂上教師與學生是一對多的關系，教師不可能專為某個學生定制教學方案，在智能輔助學習系統虛擬教師與學生是一對一的關系，虛擬教師能夠更了解學生，根據學生的具體情況制訂最佳學習方案。
三是“受眾廣闊”，相比目前的公共教育資源緊缺、社會教育資源費用昂貴，智能輔助學習系統一旦推廣，受眾學生可無限增加，邊際效應非常明顯。并且計算機系統設計特有的水平擴展能力，能夠隨著學生人數的增加而增加，支撐廣大的學生輔助學習。
2.4 前景預測
筆者比較看好人工智能在中學輔助教育中的落地前景，除了前文所述的人工智能技術發展，為中學教育帶來的價值外，當前國家政策和社會環境也非常有利。
第一，未來10年國家政府和教育部門會大幅增加在教育信息化產業上的投入，隨著《國家中長期教育改革和發展綱要（2010―2020年）》和《教育信息化十年發展規劃（2011―2020年）》等相關規劃相繼出臺，各級地方政府和教育部門都非常重視教育信息化產業的投入，人工智能+云計算是重中之重，人工智能技術的興起必將教育信息化推向一個新的高度。
第二，教育信息化逐漸成為風口，根據前瞻產業研究《中國在線教育市場前景與投資戰略規劃分析報告》統計，2015年在線教育市場規模大約為479億美元，而這一數字在2020年預計將增長到504億美元。這個持續迅猛增長的市場正在吸引越來越多的創意和資本，教育領域中的人工智能也很快會成為熱點，涉足其中的高科技公司也會越來越多。
3 結 論
本文通過智能輔助學習系統，探索了人工智能在中學輔助教育中的一個應用。雖然沒有介紹具體的技術實現、系統研發，但對現狀痛點、應用前景做了綜合性分析概述，相信隨著科學技術的持續發展、教育領域的融合開放，本文探索的這個應用將實現于市場，使廣大中學生能夠獲取到更多、更公平的教育資源。
參考文獻：
[1]何維貴.利用現代化教學手段打造高效課堂[J].廣西教育（中等教育），2013（6）.
篇6
從電子商務檔案的特征來看，有關電子商務檔案智能化管理的需求更加依賴于圖形圖像智能檢索工具的研究和利用，而對于圖形圖像智能檢索工具的研究和利用始于上個世紀七十年代，首先開展的是基于內容的圖像智能檢索的研究，重點在于采用標注的方法對圖像設置檢索關鍵字，并建立文本數據庫管理系統，從而實現對圖像的智能檢索。這種方法的缺點在于當圖像數據庫中圖像數據較大時則檢索較難實現，當圖像內容復雜時，標注起來較困難，因此，這種檢索方法同時還要求圖像內容比較單一。而另一種基于內容的圖像檢索技術逐漸受到業界的關注即基于視覺特征的圖像檢索技術。由于任何圖像都包含物體本身的紋理、形狀、顏色、空間關系等特征，因此，基于視覺特征的圖像檢索技術采用提取圖像所包含的紋理、形狀、色彩、對象的空間關系等信息建立圖像的特征矢量庫，并以此特征矢量作為索引關鍵字。與以往采用人工標注方式對圖像內容進行標注的方法不同的是視覺特征的提取是從圖像中自動提取的，并且檢索的過程采取視覺特征間的匹配。與傳統的檢索方法相比，基于內容的圖像檢索融合了圖像理解技術，從圖像的紋理、形狀、色彩、對象的空間關系等維度分析圖像的特征，從而可以提供更加有效的檢索途徑。已經投入運行的基于內容的圖像檢索系統包括：IBM公司的QBIC系統、Virage公司的VIR工程系統、MIT的Photobook系統、美國伊利諾斯大學的MARS系統等等。國內近年來對于基于圖像顏色的檢索系統的研究也取得了豐碩成果，例如：Photo Navigator系統和Photo Engineer系統。而這一發展方向更加符合電子商務的智能化發展需求。可以預計，為適應未來網絡化、智能化以及個性化的需要，并行檢索、分布式檢索、知識的智能檢索、知識挖掘、異構信息整合檢索和全息檢索、自然語言檢索、跨語言信息檢索、問答系統、概念空間、信息融合技術等檢索技術都將在電子商務檔案管理領域得以應用。屆時用戶將獲得完整、準確、及時、有效的而且是簡潔、明了的商務信息。
二、電子商務檔案應用的智能化趨勢
電子商務檔案是企業管理的重要組成部分，是企業從事商務活動中最原始、最可靠的數字化信息。充分利用電子商務檔案信息，為企業發展提供商情預測、營銷策劃、客戶關系管理、維護企業或經營者合法權益已經成為電子商務檔案應用的一個重要領域。而電子商務檔案應用的智能化趨勢無疑已經成為電子商務行業的重要研究方向。
1、客戶關系管理的智能化。客戶檔案毫無疑問將是電子商務檔案的一個不可忽視的組成部分。在企業從事電子商務的過程中，電子商務系統將提供一種商家與客戶進行交流的新方式，這就要求企業管理者以全新的思維來看待客戶關系管理。客戶關系管理源于“以客戶為中心”的新型商業模式，是企業樹立以客戶為中心的發展戰略的核心部分。企業通過智能化的客戶關系管理系統來加強對客戶的服務提高客戶滿意度和忠誠度，提高企業效率和利潤水平。通過客戶關系管理系統企業加強與客戶的聯系、分析客戶的需求、研究產品的市場、拓展潛在的利潤空間、提高產品的市場競爭能力、改進企業的管理漏洞、吸引更多的優質客戶進而達到優化、提升企業管理能力、提高企業利潤水平的目的。而這一切的實現都依賴于智能化的客戶關系管理系統、智能化的客戶數據庫的開發與應用。智能化的數據庫技術是所有其他技術的基礎。
篇7
方言檔案化開發利用新思路
方言檔案化助力突破語言扶貧大關對于一些不了解當地方言的大學生村官、企業和學校來說，方言是工作的一大障礙。現已提出的方言保護新思路是運用方言進行檔案化設計，或制作App，或制作類似于翻譯筆的產品來讓基層干部更好、更快地了解當地農民的需求，從而更好地開展工作。當前為方言檔案化發展提供的新思路，主要是與鄉村工作相結合的，以便人們可以更多地使用方言，引起人們對方言的重視。將各個地區的方言收錄在手機中形成方言檔案庫，可以讓基層干部的工作開展得更加順利，可以讓他們及時知道和了解人們的需求，從而更好地開展工作。與此同時，在方言檔案化發展的同時，上述所說的方言收錄也可以幫助鄉村的農民更好地發展。之前，有許多學者研究過語言扶貧的問題。語言扶貧是指用語言助力脫貧，通過推廣普通話等手段提高貧困地區人口的語言使用能力，進而提高勞動者素質，增加其就業機會，幫助其擺脫貧困的過程。語言產業繁榮推動方言檔案化發展語言產業主要是指采取市場化的經營方式生產語言類產品或語言服務，滿足國家和個人對各種語言類產品或者語言服務的多層次需求的生產和服務活動。語言產業涵蓋種類較多，范圍較廣，賀宏志、陳鵬等學者認為語文能力測評業、語言翻譯業、語言出版業、語言藝術業、語言會展業、語言文字信息處理業等都屬于語言產業。由此可見，借助語言產業對方言檔案化進行開發利用是一項非常有必要的工作。
1.方言檔案化促進語言轉換，便利溝通交流
隨著我國對外開放不斷深化和世界經濟全球化不斷加速發展，人們難免會接觸到其他語言。因此相關人員研發了各種語言翻譯軟件來幫助人們進行更好的交流。方言也是如此，一些知名度不是很高的方言，人們并不了解，但是自脫貧攻堅戰開始之后，扶貧人員要想了解貧困區人們的困難和需求，要想做好扶貧工作，就需要了解方言，懂得方言，因此，能讓方言和普通話互相轉化的語言軟件的研發是很有必要性的。除此之外，有些方言發音人或保護者非常注重對方言的保護，也希望有這樣的語言軟件誕生。基于以上情形，可以像那些翻譯軟件一樣設計一個小程序，將檔案化后的方言以音像的形式收錄在小程序中，以便人們可以在翻譯中增加對方言的使用和了解，提高方言的使用頻率。如此，將方言檔案化與語言產業相結合，從而在方言檔案化后對其進行開發利用，從而實現對方言的保護，同時促進方言檔案化的發展。
2.方言檔案化推動語言出版以及方言有聲書的發展
書籍出版是一種能夠表達作者思想和文字的一個非常重要的手段。近年來，隨著時代的發展，數字化、信息化迅速發展。相對于電子信息來說，人們對紙質媒介的使用正在逐漸減少，除了那些更喜歡通過紙質書籍來獲取知識的人，人們更傾向于通過電子書來了解事物，因為這樣更加地便利。有些地方將收錄的方言作為紙質版的方言書籍進行推廣，這是用文字的形式對檔案化之后的方言進行保護和利用，但是其涉及的受眾并不多。因此，可以為方言檔案化后的文字產物尋找“方言發音人”來將其轉化為電子有聲書投放在喜馬拉雅等人們熟知的有聲書平臺上，并配以相關的圖片或視頻，以擴大方言有聲書的推廣范圍，增加其使用人群和知名度。
3.方言檔案化借語言會展業推廣
語言會展業的發展，離不開語言產業的健康發展。2012年12月1日，首屆中國語言產業論壇在京舉行，引發了語言產業、語言經濟、語言服務等主題領域理論與實踐的新探討、新開拓。基于此，新思路是將檔案化后的方言的音像、文字等成果，在網絡上開放會展設計專門的網站來收集各省市縣的方言。讓人們無需去館內觀看語言會展，直接在家中點擊地圖就可以聽到地地道道的方言，這在更加便利的同時也大力推動了對方言的保護和使用。其次可以搭建與其相關的融媒體平臺，通過平臺將收錄的方言進行宣傳。
方言檔案化聯結人工智能共發展
1.結合行為智能技術形成檔案館的“方言管家”
如今，每一臺智能手機都有一個私人虛擬助理，如Siri、小藝、悠悠等；高德地圖的語音導航系統利用明星語音進行路線導航播報；酒店管理也會用機器人吸引游客入住。讓機器人這一人工智能產物成為有趣且稱職的“管家”，是百利而無一害的。因此，可以在檔案館中設置“方言管家”以建設優質智慧檔案館。以上提及的語音導航或機器人都基于人工智能的行為感知技術，其中智能問答技術、TTS（TextToSpeech）技術最為常見。TTS技術即語音合成技術，是指通過機械、電子的方法產生人造語音，其語音通常使用波形合成，先對音素、音調、韻律等進行采樣，再用算法實現文語轉換。檔案館可以結合當地方言的檔案化，把TTS技術、智能問答技術與“方言發音人”錄制的真人語音檔案結合起來，制作檔案館的“方言管家”，同時為其設置普通話與方言兩個版本的語言服務系統，令其承擔檔案館大部分服務工作，如引路、推薦特色展館、打掃衛生、提供飲品等。2.結合認知智能技術構建方言檔案體系，形成特色展館方言檔案化需要現代技術的支持，需要利用基于統計的語言分析方法，通過語料庫，訓練語言模型，反復8CULTUREINDUSTRY文化產業文化產業館藏建設collectionconstruction進行機器學習，以獲得方言語言處理和轉換的規律；利用知識圖譜，形成方言語義關系的數據結構；整合各地方言的區別與聯系，構成方言檔案數字化體系。對于方言檔案體系的開發宣傳還需與檔案館密切協作。通過各檔案館間的交流合作，對各地方言進行合理的數字化模型建構，使方言檔案數字化體系能夠作為特色檔案展品展出，或結合“方言管家”，讓“方言管家”齊聚一堂，形成圖、文、聲三者結合的特色展館，從而展示出語言文化的魅力，讓方言檔案化體系更加豐富完整，從點到線再到面，從一種方言到另一種方言。
方言檔案化開發利用新思路的可行性分析
方言檔案化助力突破脫貧攻堅大關用現代技術將方言收錄在數據庫中形成檔案，可以讓扶貧工作者利用這一技術將方言實時轉化為普通話，便于扶貧工作者開展扶貧工作，更好地深入人民群眾，了解他們的訴求，從而更好地促進鄉村產業的發展。與此同時，這兩者相輔相成，扶貧工作者利用方言檔案化之后的翻譯軟件對方言進行轉化也是在增加對方言的使用，在增加其使用次數的過程中促進扶貧工作的開展。語言產業繁榮推動方言檔案化發展隨著技術和時代的發展，人們接受新鮮事物的速度不斷加快。近年來，語言產業蓬勃發展，它本身以及它的衍生行業皆是如此。用現有技術對方言進行收錄并建立方言庫，其實就是在利用方言檔案化的概念。通過對這一概念的運用，檔案部門可以運用現代化信息技術形成方言檔案，進而實現對方言的保護。語言產業的發展有很多方式和途徑，檔案化之后的方言可以和語言產業及其他方面實現更深層次的融合，從而利用語言產業發展的路徑并結合方言檔案化，增加人們對方言的使用，進而起到保護方言的作用。而且這種方言保護的途徑也更容易為人們所接受，更加符合時展的趨勢和潮流。方言檔案化聯結人工智能共發展增加檔案館流量。“方言管家”的出現，對于當地檔案館的發展是無可限量的，能夠吸引更多本地居民和外地游客前來參觀。方言是一個地域的代名詞。于本地居民而言,提供人機交互的方言服務，是一種人性化服務，能使人更有親近感，且更加生活化，可以改變人們以往對檔案館冷漠、嚴肅的刻板印象。提升社會檔案意識，提升大眾對檔案的需求，提高社會文明程度。“方言管家”是對檔案館的創新。人工智能與通俗文化的碰撞也將成為社會熱點話題，只有增加了檔案館資料的瀏覽量，人們對檔案的關注才會大大增加。關于民眾對方言檔案化的實例了解，調查顯示有79.87%的民眾對其不了解或一般了解，這是值得深思的。如果“方言管家”能夠激發大眾對檔案的了解需求，人們便會知道“方言管家”的到來并非空穴來風，而是檔案工作人員早已對方言進行檔案化且積極與現代科技相結合，并對其加以利用以傳承方言的結果。通過這樣的方式，讓大眾明了檔案的重要性，從而提升社會檔案意識，提升民眾的檔案需求。人工智能語音合成技術需要大量的語言訓練和機器學習，也需要大量的語言數據。有公司為了開拓人工智能下沉市場曾推出方言TTS技術。而為了使AI表達更自然，則開發了大量數據產品，大量方言詞典、文本的音素標注和韻律標注，讓人工智能通過大量訓練、反復練習，語言表達更加流暢自然、個性化。將方言檔案與人工智能結合能很好地解決這一問題，檔案本身具有的完整性優勢不言而喻，這將大大節省AI商家制作數據產品之前的數據收集時間。這樣既能實現對方言檔案的利用，又能使人工智能更加情感化、人性化。雖然對于方言的保護利用了檔案化這一新模式，但方言檔案化只是眾多事物檔案化保護和發展的縮影，現如今更值得關注的是檔案的社會價值，畢竟從長遠來看，對檔案的開發利用是檔案工作未來發展的必然趨勢和方向。因此，在推動事物檔案化發展的同時，更要積極探索檔案開發利用新路徑，讓社會增加對檔案使用的需求，從而更好地了解檔案事業，促進檔案事業的發展。
參考文獻
[1]盧芷晴.我國方言檔案式保護與傳承問題探究[J].蘭臺內外,2020(15):8-9.
[2]俞賀楠.扶貧先過“方言關”[J].中國社會保障,2019(02):30.
篇8
1 計算機的智能領域應用開發
計算機智能領域是目前計算機技術的應用巔峰，也是其應用的瓶頸，諸多的問題在智能領域中無法得以實現。對于計算機的智能應用而言，其并非是一個具體的概念。實際上，可以通過抽象化的方式來對計算機智能應用領域進行解讀。計算機智能技術領域中，由于缺乏諸多的基礎支持，以及計算機自身的技術難題，目前還處于一種待開發的狀態。雖然，在市場上已經出現了一些比較使用的智能技術應用。但是，還會出現一定的問題。就是說，目前還沒有真正意義上的人工智能。現在的計算機智能化技術只是通過計算機技術與其他領域技術的結合無限的接近計算機技術，但是卻無法真正實現計算機人工智能。目前，計算機智能技術其應用領域主要存在于視覺識別技術以及指紋識別技術，甚至包括比較流行也是非常主流的語音識別技術。觸控領域是目前應用最為深度的，市場用戶體驗等方面也是非常不錯的。
2 計算機可觸控技術研究
觸控系統目前應用的主體比較集中在手機上。智能手機目前都采用觸屏功能，就是計算機觸控功能的一種擴展。此外，計算機也開始出現觸控計算機，例如平板電腦就是這一技術領域的主流產品。觸控技術在計算機智能技術應用領域中，其表現還是非常不錯的，也受到了諸多領域的支持。
2.1 觸控技術的溫控技術分析
溫控技術是觸控技術的主流技術之一，也是應用比較廣泛的技術之一。溫控技術的主要原理是通過在硬件顯示器的表面安裝電容，通過溫度的感觸，來進行智能判斷。這類技術的應用顯示屏非常常見，也就是人們常說的電容屏。這類電容屏幕非常靈活，觸控效果較好，用戶體驗度也非常好。優勢也是十分明顯的，在很多領域中也得到了應用和發展，并且這類技術將在未來的應用中有著更廣闊的應用空間。
2.2 觸控技術的力控技術分析
力控技術是相對于溫控技術而言，溫控技術是采用了電容作為智能判斷元器件，通過溫度的變化來實現對邏輯的開關操控。而力控則是需要指尖的壓力來進行對屏幕的操控，該屏幕的硬件設施安裝的是電阻。通過壓力來改變阻止，從而改變電流，最終實現了力控的技術核心。
以上兩種觸控方式，是目前主流的控制方式，也是最為有效的控制方式。在觸控領域中，溫控占據較大的市場。其優勢比較明顯，觸控靈敏，用戶體驗度較高。而力控相對比較便宜，但是卻無法得到良好的用戶體驗。
3 計算機感官技術應用分析
計算機的感官技術應用十分廣泛，其應用領域主要存在于視覺識別技術以及指紋識別技術，甚至包括比較流行也是非常主流的語音識別技術。在技術應用方面，目前主要的應用為計算機的語音識別技術。由于語音識別技術更加適合于人們日常生活，從而給人們的生活和生產都帶來了一定的積極影響。因此，語音識別技術的應用就更加廣闊。在智能手機領域中，語音識別被應用于語音呼叫以及簡單的語音操作。在高端的汽車領域中，語音同樣成為了導航以及電子狗之類的汽車電子設備等的主流技術。但是，在視覺識別技術中，其應用的范圍就相對比較狹窄，甚至在應用方面，準確度還是有待提高的。例如在一些計算機的開機密碼設置中，就有一部分品牌的計算機采用了人臉識別技術。這項技術的應用在一定程度上顯得并不成熟，非常容易造成誤差現象。尤其是在設置加密的過程中，如果無法通過加密流程，很容易造成系統崩潰等。因此，在這項技術中，視覺識別技術還有待提高。那么，分析視覺識別技術不完善的原因主要有以下幾點：
第一、計算機圖像處理系統的不完善；視覺識別主要的技術問題是對外界圖像的一種收錄與存儲。如果存儲的過程中出現了失真，那么就會造成識別效果不佳。
第二、計算機主觀判斷能力的缺失；計算機的運行原理是邏輯推理與執行，但是卻沒有主觀的判斷能力。因此，在進行分析的過程中，就無法實現真正的智能識別。
4 結語
通過以上幾點對智能領域中計算機技術的分析，在很大程度上明確了目前計算機技術的應用瓶頸。其技術的發展是需要多個領域的技術進行結合，從而給予足夠的支持。對于在觸控領域和感官識別領域中，由于存在較多的技術問題，因此這兩個領域相對而言，還不是非常成熟。實際上，兩者都屬于人工智能領域的技術應用。但是，由于計算機技術目前本身無法實現真正的智能識別和判斷能力。由此，也就造成了這兩個領域的停滯性。但是，未來其發展的空間還是非常的巨大，并且相信能夠通過一定的技術公關，從而實現真正的計算機人工智能。
參考文獻
[1]鄭箭鋒.基于二乘二取二計算機系統機車操縱自動優化裝置的研究[J].鐵道科學與工程學報，2013（03）.
[2]艾里亞爾?阿不都克里木.云技術中數字檔案資源共享與管理體系的構建[J].中國檔案，2013（01）.
篇9
2019年出臺的《九民紀要》[3]，以股東依法享有期限利益為由，明確提出原則上不支持加速到期，同時規定了兩種例外情形。《九民紀要》看似對于股東加速出資給出了權威的解答，但卻無法作為審判執行的依據。例外規定1的實質要件與破產[4]規定并無二致，即要求加速股東出資，償還到期債權，但在執行效果上是完全不同的。若根據例外規定1做出執行裁定，要求股東加速出資到期的財產，其結果是個別債權人受償。若依照破產程序，將未到期的股東出資歸入破產財產，其結果是由公司所有債權人公平受償。在執行效果上，《九民紀要》的這一規定會導致偏頗性清償。
當前關于股東加速出資的法律規定，審判、執行工作的標準無法統一，通過查找相關司法判例可知，對于是否引入股東加速出資，賦予了審判員較大的自由裁量權。
2、司法實務中對于加速出資的爭論焦點
（1）認繳出資的約定義務與補充賠償責任的法定義務
部分觀點認為，認繳出資在法律規定的框架內，基于公司章程，約定股東認繳、實繳金額及時間，本質上是公司內部的約定，其不具備對抗債權人債權實現的效力。而股東的補充賠償責任，是法人在市場交易活動中，作為獨立的法人實體，應承擔的交易風險，應對其進行擴張性解釋。股東認繳制度不能成為股東逃避補充賠償責任的原因，補充賠償責任應股東認繳這一行為發生時就產生效力。約定義務不能對抗法定義務，在企業無可供執行財產時，可以加速股東出資。
反對觀點認為，公司作為法人實體，在設立時會對外進行信用信息公示，股東出資情況會完整的體現，股東出資情況因公示行為而獲得公信力，股東基于公示行為享有出資的期限利益。第三人在與公司交易時，可以實時查詢到企業出資情況，如第三人自愿與企業進行商業貿易，客觀上即認可股東認繳期限，不能以債權到期為由，加速股東出資。
（2）股東加速出資清償單獨債務人與破產清算均償的矛盾
根據《九民紀要》第6條規定兩種例外情況，情況1規定，當窮盡所有執行手段后，仍無財產可供執行，已具備破產原因，但不申請破產的。根據《九民紀要》，債權人申請執行公司到期債權時，如符合第6條規定，法院可執行未到期的認繳出資，實現債權人的到期債權。然而這一規定實施受到了批判，反對觀點認為，首先，當公司資產不足以清償到期債務時，應依照破產法規定，進入破產清算程序，未到期認繳出資應由公司全部債權人共同均分，因執行某一案件而加速股東出資，是對其他債權人利益的侵害。其次，即使在公司破產前，加速股東出資，清償了某一債權人的債權，在進入破產程序后，其他債權人仍可以行使撤銷權，撤銷已執行債權，無疑會造成司法資源的浪費。
法官點評：
從執行工作角度出發，如何確保公司獨立法人地位、促進股東出資自由、維護公司債權人利益是相關法律設計的出發點和落腳點，在討論股東加速出資這一問題時，應當著眼于保持公司、股東、債權人這三方利益的相對平衡，對股東出資義務的規則進行修補。
1、明確法律適用的選擇
之前已討論過當前法律構建，根據現行法律規范體系，首先，應明確是否對公司法第3條進行文義解釋，即“股東”是否包含出資期限尚未屆滿的股東。對公司法司法解釋第13條是否進行擴張解釋，認為在公司到期債務無法清償的情形下，“未履行或未全面履行出資義務的股東”應當包括出資期限尚未屆滿而未實際履行出資義務的股東。
2、完善《公司法》司法解釋
有觀點提出，應跳出現有法律體系對于股東加速出資規定模糊不清的情況，完善相關立法，才能根本解決當前法律漏洞。但修法的時間成本過高，牽涉的范圍太廣，修法并不是最佳選擇。建議在充分考量當前審判執行工作的痛點，以相關判例為研究基礎，推動《公司法》司法解釋的完善，統一司法審判標準。
3、短期過渡方案：實施執行轉破產程序
從執行工作出發，通過參考部分執行工作處理方法，執行轉破產程序可作為短期過渡方案，當收到執行申請人的執行申請后，窮盡全部執行手段，確認公司無財產可供執行后，可終結執行程序轉交破產清算。這一制度設計仍有相關細節需要把控，如：執行與破產清算工作如何銜接；窮盡全部執行手段、無財產可供執行是否由相應標準，防止轉破產程序的隨意性等。
[1]《公司法》第3條，有限責任公司的股東以其認繳的出資額為限對公司承擔責任；股份有限公司的股東以其認購的股份為限對公司承擔責任
篇10
人工智能是一個內涵非常豐富的學科，可以說，是人類對于自身世界的認知和實踐相結合的結晶。它的發展會給人類社會帶來深刻變革，可以消除貧困、饑餓，提高人類的醫療和健康水平，提高教育質量，改善氣候………
在我們構建智慧城市，構建智慧生活的時候，人工智能也起到了不可或缺的作用。
2017年6月15日，在大連舉辦的第十五屆“中國國際軟件和信息服務交易會”（以下簡稱軟交會）上，阿里云、微軟、華為等在云計算、大數據、人工智能領域的大咖們分享了很多關于人工智能，包括智慧城市、智慧醫療、智慧制造方面的經驗和感受。
智慧城市 智慧生活
隨著云計算、大數據，以及人工智能的高速發展，智慧城市這個詞被越來越多的人熟知，而更加智慧的生活也離我們越來越近了。早在2004年，韓國政府就曾提出名為U-KOREA的發展戰略，旨在建造更加智能、智慧的城市。
2016年10月在杭州舉辦的“云棲大會”上，杭州市政府公布了一個“瘋狂”的計劃：為杭州安裝一個人工智能中樞――杭州城市數據大腦。
城市大腦的內核采用阿里云ET人工智能技術，可以對整個城市進行全局實時分析，自動調配公共資源，修正城市運行中的Bug。城市大腦項目的第一步，是將交通、能源、供水等基礎設施全部數據化，連接散落在城市各個單元的數據資源，打通城市“神經網絡”。
而阿里云的“野心”不止于此，在ET城市大腦之后，阿里云還致力于研究ET醫療大腦、ET工業大腦，以及ET環境大腦等，想要為實現全行業智能化做出自己的一份貢獻。
構建智慧城市的核心推動力就是云計算、大數據，以及物聯網。就像前文提到的那樣，如果沒有云計算、大數據，以及物聯網等技術的支持，想要實現智慧城市的理念是不可能的，因為智慧城市對于技術的要求很高。這里談到的技術不僅僅包含對硬件的要求，還有對于軟件的要求，以及網絡的要求。這些綜合因素的提升才帶來了現在的“萬物智聯”。
智慧交通解決城市擁堵
現如今，在中國的馬路上，尤其是一些大城市的十字路口，除了一些特殊的時期，我們已經很難看到指揮交通的交警了，這是智慧交通帶來的結果。通過布置在各個路口的監控攝像頭，集合了物聯網、云計算等技術，通過機器設備實現智能的交通指揮，以及管控。
智慧交通是在智能交通（簡稱ITS）的基礎上，在交通領域中充分運用物聯網、云計算、互聯網、人工智能、自動控制、移動互聯網等技術，通過高新技術匯集交通信息，對交通管理、交通運輸、公眾出行等交通領域全方面，以及交通建設管理全過程進行管控支撐，使交通系統在區域、城市甚至更大的時空范圍具備感知、互聯、分析、預測、控制等能力，以充分保障交通安全，發揮交通基礎設施效能，提升交通系統運行效率和管理水平，為通暢的公眾出行和可持續的經濟發展服務。
智慧交通是在整個交通運輸領域充分利用物聯網、空間感知、云計算、移動互聯網等新一代信息技術，綜合運用交通科學、系統方法、人工智能、知識挖掘等理論與工具，以全面感知、深度融合、主動服務、科學決策為目標，通過建設實時的動態信息服務體系，深度挖掘交通運輸相關數據，形成問題分析模型，實現行業資源配置優化能力、公共決策能力、行業管理能力、公眾服務能力的提升，推動交通運輸更安全、更高效、更便捷、更經濟、更環保、更舒適的運行和發展，帶動交通運輸相關產業轉型、升級，最終有效解決城市擁堵問題。
而智慧交通的體現不僅僅是在這些宏觀的對于城市交通的管控，其實在我們身邊就隨處可見，比如摩拜、ofo等共享單車，它們也是智慧交通的產物。摩拜、ofo的成功也基于大數據、云計算等技術的發展，摩拜通過GPS定位，以及“魔方”系統，實現了對單車淤積（即在一個時間內，一個地點出現大量閑置單車）的預測，從而進行智能疏導（即通過紅包獎勵制度讓用戶幫助疏導單車），以及人工疏導。同時摩拜、ofo的成功也很好地緩解了城市交通擁堵，讓更多的人愿意使用自行車作為出行工具。
智慧醫療解決看病難題
智慧醫療是最近興起的專有醫療名詞，通過打造健康檔案區域醫療信息平臺，利用最先進的物聯網技術，實現患者與醫務人員、醫療機構、醫療設備之間的互動，逐步達到信息化。
隨著云計算、大數據，以及人工智能等核心技術的發展，智慧醫療這個詞也漸漸被更多人所熟知。而智慧醫療這個詞現在也不僅僅是只能在實驗室里應用在小白鼠身上的研究階段的技術了，越來越多的高科技的人工智能醫療設備被應用到現實治療之中。
在此次軟交會上。來自杜克大學醫學院的神經生物學教授米格爾?尼科萊利斯分享了一個來自巴西的例子。
2014年巴西舉辦足球世界杯，開幕式有這樣一個特殊的內容：是一個已經癱瘓十年的小孩穿上一套用腦部來控制的機器“外骨骼”，恢復了行走的能力，從而讓他在世界杯開幕式上走進球場并完成開球。這一機器“外骨骼”主要是集中在他的下肢，大腦成為一個主導者，實現人腦和機器對話，人腦和機器成為一個完整的整體，這樣人就可以走路，除此之外機器外骨骼與大腦之間還形成了一個良好的回應系統，項目組稱這套機器外骨骼為“機械戰甲”。現在，項目組還擁有諸多的合作者，而這些合作者來自世界各地。同時，項目組還成立了全球第一個神經科學實驗室，實驗室分布在全球多個地點，包括美國、巴西等，各地的實驗室在技術上是共享和互通的，在腦機對接研究方面是同步進行的。因為這項技術需要神經科學、計算機科學的共同合作來實現。
“病人可以穿上‘機械戰甲’，電腦的CPU就在頭甲里面，可以把腦部的信號傳遞給其他部位，腳部的感知行為可以傳遞回大腦，可以感知地面壓力等各方面信息。我們稱之為共享控制。人會有不同的想法，想走路或想轉彎，這是由大腦做的決定，下肢的一些機器設備是聽從大腦的指揮。它們具備非常復雜和微妙的功能。這是依據非常細致的計算功能來實現的。我們選了8個病人，他們有不同時間長度的癱瘓歷史。我們想讓他們動起來，同時又不想讓他們感到無感知的恐懼感。我們給他們裝上機器外骨骼，讓他們經歷了一個循序漸進的訓練過程，長達7個月。”米格爾?尼科萊利斯介紹道。
而在國內，由于國內公共醫療管理系統還不太完善，醫療成本高、渠道少、覆蓋面窄等問題困擾著患者。 “效率較低的醫療體系、質量欠佳的醫療服務、看病難且貴的就醫現狀”成了社會關注的主要焦點。大醫院人滿為患，社區醫院卻無人問津，病人就診手續繁瑣等問題都是由于醫療信息不暢、醫療資源兩極化、醫療監督機制不全等原因導致，已經影響到人們的生活。所以，我們需要建立一套智慧的醫療信息網絡平臺體系，使患者用較短的等療時間、支付基本的醫療費用，就可以享受安全、便利、優質的診療服務，從根本上解決“看病難、看病貴”等問題，真正做到“人人健康，健康人人”。“人工智能+醫療”給人口基數大、醫療資源相對不足、醫療資源分布不均衡的中國醫療事業帶來了福音。由阿里云研究開發的ET醫療大腦，在大數據、云計算，以及人工智能的基礎之上，實現了醫療診斷準確率80%以上，而在此之前，醫生的診斷準確率只有70%左右。
而聯想也早在2013年就開始了他們在醫療領域的布局，與溫州醫科大學附屬第一醫院成功合作。北京聯想智慧醫療信息技術有限公司的創業成功也標志著聯想成功在智慧醫療領域實現了重要突破。
現在，越來越多的新技術被應用到了智慧醫療之中，也有越來越多的互聯網技術、大數據公司涉足醫療行業，這也有力地推動了智慧醫療的發展。比如，前不久萬達與IBM合作，正式進軍醫療行業，致力于提高醫療和養老的服務效率與質量。
如今，智慧醫療已經不僅僅是紙上談兵，越來越多的云計算、大數據，以及人工智能等技術被應用到了醫療行業中。筆者相信，未來，我們真正可以實現足不出戶就能享受到三甲大醫院高水平醫生的服務，真正解決“看病難”的問題。
未來，智慧醫療不僅僅能解決 “看病難，看病貴”的問題，還能給我們帶來整套的健康管理系統，能讓我們隨時隨地掌控自己的健康，通過將包括遺傳基因、過往病史、歷史病例在內的多種數據整合到云平臺上，為每個人提供自己的私人隨身醫生、健康顧問，在為醫院提供及時的診療幫助的同時，還能為我們預防疾病、O督健康做出貢獻，并最終實現每個人都有一個專屬于自己的隨身私人健康管理員，這也是智慧醫療最終將實現的目標之一。
從制造到“智造”
人工智能的應用不僅僅是在醫療行業，在制造業也有很多的應用。過去，工廠的一條流水線可能需要幾十個，甚至上百個工人來進行操作。而現在，同一條流水線，制造同樣的東西，可能只需要幾個人來進行操作、監管就可以了。這一切的轉變也是因為人工智能的推動。而且相比之下，一條智能化的流水線的錯誤率也要比過去非智能化的流水線低得多。
在“智造”這個領域，也有很多國內外的大公司涉足，比如阿里云、西門子、SAP。由阿里云開發、研究的ET工業大腦，可以實現對車間工藝、濕度、空氣，甚至是流水線上各個齒輪之間溫度的準確監控，從而提升產品的良品率，進一步提高企業的效率和收益。拿一個年利潤百億元的公司來說，使用ET工業大腦以后，可以實現年利潤提升1億元。
在此次軟交會上，來自大連的本土企業――大連天翼信息科技有限公司（以下簡稱天翼）也分享了他們在智能制造領域的經驗。
天翼公司是“工業4.0”“中國制造2025”大連工業軟件領域的核心企業，始建于1998年。在2016年授權為用友首批智能制造戰略合作伙伴。天翼智能解決方案全面涵蓋了智能研發、智能計劃、智能生產、智能倉儲、智能物流等生產過程的業務協作和監管控制，致力于幫助中國制造走向精益化、敏捷化和智能化。
天翼在智能研發領域，主要實現設計制造一體化；在智能計劃領域，實現有限能力排產，基于有限資源，將企業的生產需求、資源能力、工作日歷等生產中的真實情況全盤考慮，實現資源利用率最大化，生產任務延遲最小；在智能生產領域，天翼執行MES系統，有效加強MRP計劃的執行能力，實現MRP計劃和車間作業現場控制，并通過執行系統進行連接。其中，現場控制包括機臺工位的任務分配、DNC/PLC控制、數據采集器、條形碼、各種計量和檢測儀器、機械手等。MES系統還設置了必要的接口，與生產現場的控制設施實現全方位對接。
篇11
一、專注人工智能的ObEN為什么需要區塊鏈？
作為一家創業公司，ObEN最開始的初衷是想為每個人打造出自己的人工智能PAI（個性化人工智能，Personal AI），它不僅長得像你，而且說話的聲音也像，未來甚至還會擁有與真人相似的性格。
鄭毅先向鏈得得編輯展示了一個應用虛擬人像的軟件，它可以說話、唱歌、給小朋友讀書，給微信朋友留言，提醒每天的日程，除了中文外，還可根據算法切換為英語、韓語、日語等。
隨后，鄭毅展示了一個三維立體虛擬人物宣傳視頻，其以周大福鄭裕彤的長孫為模型，以他的人工智能形象講解藝術館中的展覽，現于上海K11的大堂播放，虛擬形象可通過算法訓練將其語言改為普通話，彌補了香港人本身普通話不流利的缺陷。
最讓人驚喜的是PAI的語音和舞蹈學習功能。
鄭毅介紹：“ObEN與上海絲芭傳媒合作，讓旗下一女藝人讀過一百句話后，即可算出她的發聲模型，此后便可用她的發音唱流行歌曲。”他補充道，“這比那個初音未來唱的更像人”。
同時，還可根據女孩上傳的跳舞視頻，根據其骨骼結構讓虛擬人物形象地學習她的跳舞動作。而在此之前，這一技術需在人身上放傳感器才可實現，如今只需通用算法就可直接學習，鄭毅說：“隨著用戶上傳視頻的方法越來越多，人工智能會不斷學習，還可將學出來的動作讓大家來使用，讓其它人的虛擬模型展示一樣的舞蹈動作。”
這顯然是一款充滿驚喜與樂趣的科技產品，然而隨著算法不斷的進步，云端算力、數據處理難度不斷提升。在得到大量用戶數據后，如何處理虛擬形象版權問題？如何增加其可信度，以便于明星選擇用虛擬形象PAI與粉絲互動？
作為曾是百合網聯合創始人的鄭毅，深諳交友行業對信任的要求，只有確立了人工智能背后是真實的人，用戶才愿意付出時間與精力。
在眾多版權認證、溯源的技術方式中，區塊鏈脫穎而出。
鄭毅說：他們也嘗試了其他的認證方式，但均不具備公信力，而只有區塊鏈作為一個去中心化的共識網絡，受到廣泛的認可。
他認為：區塊鏈社區可以看作是一個誠信的社區，通過互相的認證，可以確保每個人的PAI都屬于自己，代表自己，是自己在數字世界的映射，而這正可以滿足ObEN對PAI最核心的基本要求。
二、搭建底層公鏈，開拓衍生鏈
從2016年起，ObEN就開始與pai基金會嘗試搭建自己的底層公鏈，將其命名為PAI公鏈。其架構主要分為三部分：中間層是比特幣區塊鏈架構，底層是P2P的數據部分，頂層是進行數據的認證和智能合約的編程。
之所以選擇比特幣作為區塊鏈架構，是因為比特幣的風險較小。鄭毅說：“POW是比特幣的價值共識基礎，在設計的時候需要消耗電力、算力來挖幣，根據電力的成本不同，就會產生比如說比特幣3000到5000美元的成本價格。
而以太坊是建立在貨幣定價公式——費雪公式之上，費雪公式的影響因素是貨幣供應量、流動速度和GDP，這就意味著如果要保證以太坊有價格，就必須得有足夠多的持幣人，而且持幣人要鎖倉，鎖得時間越長，幣的價格就會越高，同時在鏈上還需要有很多基于幣的消費或者使用場景，相當于GDP高，幣的價值也會高。
同樣，EOS的DPOS、超級節點等也是基于費雪方程式，目的是讓大家全鎖幣。持幣人約多，投票人越多、并且都鎖倉的話，它的幣值也會高。這些本質都是通過金融理論的方法，使本來沒有價值的東西變得更有價值。
從我們的角度看，因為ObEN是做個人數據，希望通過算力處理數據，這樣的話本來就有成本，相比之下更適合采用比特幣的區塊鏈架構。“
除了搭建自己的底層公鏈，ObEN還把目光放在跟其他垂直行業領導者合作上，目前已與新加坡最大的私立醫院集團、中國的二手車數據平臺、韓國的SM明星公司等企業合作，鄭毅將這類細分行業的應用模式稱之為“衍生鏈”。
他認為“衍生鏈”將是未來區塊鏈的主要應用場景之一，在鏈得得文章未來區塊鏈應用落地重要方向：衍生鏈中有提及。
鄭毅說：“美國的摩根大通與以太坊合作衍生（復制出來并再開發）了以太鏈，但加上了新的加密智能合約交易方式以及數據隱私保障通訊層，并最終形成了 Quorum。當新的跨銀行交易發生時，既保護了用戶的隱私，也給銀行間業務帶來便捷。
同理，PAI鏈的合作伙伴也可以把PAI鏈克隆出來，然后根據不同行業的需求進行修改。只要是跟個體數據有關的，都可以在我們的鏈上進行開發，然后由企業自己決定他們是否要發幣，比如把病人的數據健康檔案上鏈，二手車貸款買賣數據上鏈等。
如果是中心化的公司，它就可以做無幣區塊鏈，如果是去中心化，他們就可以做有幣區塊鏈。然后在這之上，也可以做各種各樣的Dapp開發。”
這類模式中存在一個風險，即“衍生鏈”中的數據若出現問題時，最終責任將由哪方承擔？
鄭毅回答道：“PAI鏈會不斷迭代，讓PAI的生態系統更穩定安全。因為合作伙伴把PAI鏈、程序都克隆衍生了，所以再開發的算法的法律責任將由對方去承擔。”他繼續補充，“我們合作的企業主要還是以實業公司為主，實業公司比較傳統，更擔心數字貨幣挖礦、價格泡沫等風險，所以我們選擇經歷時間最久比特幣，從安全性上看也會好很多。”
三、區塊鏈技術進步的關鍵是硬件結合
要為每個人實現足夠強大的人工智能，還有一個問題是解決人工智能計算效率的問題，這里涉及到許多待解決的技術瓶頸，比如分布式芯片、邊緣計算的進一步優化等。
鄭毅認為當下區塊鏈技術進步的關鍵是軟件系統要與硬件結合。他說：“這跟早年的互聯網、計算機的操作系統與服務器、intel芯片配合很像。”
“我們做人工智能的時候，技術與應用是環環相扣，光研究算法沒有數據，算法也得不到提升，所以我必須在研發算法的同時抓數據，然后用數據才能不斷的迭代算法進步，然后你才能把算法做得越來越好。
篇12
一、人工智能法律系統的歷史
機先驅思想家萊布尼茲曾這樣不無浪漫地談到推理與計算的關系：“我們要造成這樣一個結果，使所有推理的錯誤都只成為計算的錯誤，這樣，當爭論發生的時候，兩個家同兩個計算家一樣，用不著辯論，只要把筆拿在手里，并且在算盤面前坐下，兩個人面對面地說：讓我們來計算一下吧！”（注：轉引自肖爾茲著：《簡明邏輯史》，張家龍譯，商務印書館1977年版，第54頁。）
如果連抽象的哲學推理都能轉變為計算來解決，法律推理的定量化也許還要相對簡單一些。盡管理論上的可能性與技術可行性之間依然存在著巨大的鴻溝，但是，人工智能技術的發展速度確實令人驚嘆。從誕生至今的短短45年內，人工智能從一般問題的研究向特殊領域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序，證明了羅素《數學原理》第二章52個定理中的38個定理。塞繆爾的課題組利用對策論和啟發式探索技術開發的具有自能力的跳棋程序，在1959年擊敗了其設計者，1962年擊敗了州跳棋冠軍，1997年超級計算機“深藍”使世界頭號國際象棋大師卡斯帕羅夫俯首稱臣。
20世紀60年代，人工智能研究的主要課題是博弈、難題求解和智能機器人；70年代開始研究語言理解和專家系統。1971年費根鮑姆教授等人研制出“化學家系統”之后，“計算機數學家”、“計算機醫生”等系統相繼誕生。在其他領域專家系統研究取得突出成就的鼓舞下，一些律師提出了研制“法律診斷”系統和律師系統的可能性。（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發表了《關于人工智能和法律推理若干問題的考察》，一文，拉開了對法律推理進行人工智能研究的序幕。文章認為，理解、模擬法律論證或法律推理，需要在許多知識領域進行艱難的研究。首先要了解如何描述案件、規則和論證等幾種知識類型，即如何描述法律知識，其中處理開放結構的法律概念是主要難題。其次，要了解如何運用各種知識進行推理，包括分別運用規則、判例和假設的推理，以及混合運用規則和判例的推理。再次，要了解審判實踐中法律推理運用的實際過程，如審判程序的運行，規則的適用，事實的辯論等等。最后，如何將它們最終運用于編制能執行法律推理和辯論任務的計算機程序，區別和不同的案件，預測并規避對手的辯護策略，建立巧妙的假設等等。（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這一時期主要沿著兩條途徑前進：一是基于規則模擬歸納推理，70年代初由Walter G.Popp和Bernhard Schlink開發了JUDITH律師推理系統。二是模擬法律分析，尋求在模型與以前貯存的基礎數據之間建立實際聯系，并僅依這種關聯的相似性而得出結論。Jeffrey Meld-man 1977年開發了計算機輔助法律分析系統，它以律師推理為模擬對象，試圖識別與案件事實模型相似的其他案件。考慮到律師分析案件既用歸納推理又用演繹推理，程序對兩者都給予了必要的關注，并且包括了各種水平的分析推理方法。
專家系統在法律中的第一次實際應用，是D.沃特曼和M.皮特森1981年開發的法律判決輔助系統(LDS)。研究者探索將其當作法律適用的實踐工具，對美國民法制度的某個方面進行檢測，運用嚴格責任、相對疏忽和損害賠償等模型，計算出責任案件的賠償價值，并論證了如何模擬法律專家意見的方法論問題。（注：'Models of LegalDecisionmaking Report'，R-2717-ICJ(1981).）
我國專家系統的研制于20世紀80年代中期起步。（注： 錢學森教授：《論法治系統工程的任務與》（《管理》1981年第4期）、《主義和法治學與技術》（《法制建設》1984年第3期）、《現代科學技術與法和法制建設》（《政法論壇》）1985年第3期）等文章，為我國法律專家系統的研發起了思想解放和奠基作用。）1986年由朱華榮、肖開權主持的《量刑綜合平衡與電腦輔助量刑專家系統研究》被確定為國家社科“七五”研究課題，它在建立盜竊罪量刑數學模型方面取得了成果。在法律數據庫開發方面，1993年中山大學學生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動化系統》。（注：楊建廣、駱梅芬編著：《法治系統工程》，中山大學出版社1996年版，第344-349頁。）1993年武漢大學法學院趙廷光教授主持開發了《實用刑法專家系統》。（注：趙廷光等著：《實用刑法專家系統用戶手冊》，北京新概念軟件研究所1993年版。）它由咨詢檢索系統、輔助定性系統和輔助量刑系統組成，具有檢索刑法知識和對刑事個案進行推理判斷的功能。
專家系統與以往的“通用難題求解”相比具有以下特點：(1)它要解決復雜的實際，而不是規則簡單的游戲或數學定理證明問題；(2)它面向更加專門的領域，而不是單純的原理性探索；(3)它主要根據具體的問題域，選擇合理的方法來表達和運用特殊的知識，而不強調與問題的特殊性無關的普適性推理和搜索策略。
法律專家系統在法規和判例的輔助檢索方面確實發揮了重要作用，解放了律師一部分腦力勞動。但絕大多數專家系統只能做法律數據的檢索工作，缺乏應有的推理功能。20世紀90年代以后，人工智能法律系統進入了以知識工程為主要技術手段的開發時期。知識工程是指以知識為處理對象，以能在機上表達和運用知識的技術為主要手段，研究知識型系統的設計、構造和維護的一門更加高級的人工智能技術。（注：《大百科全書·自動控制與系統工程》，中國大百科全書出版社1991年版，第579頁。）知識工程概念的提出，改變了以往人們認為幾個推理定律再加上強大的計算機就會產生專家功能的信念。以知識工程為技術手段的法律系統研制，如果能在法律知識的獲得、表達和應用等方面獲得突破，將會使人工智能法律系統的研制產生一個質的飛躍。
人工智能法律系統的源于兩種動力。其一是法律實踐自身的要求。隨著社會生活和法律關系的復雜化，法律實踐需要新的思維工具，否則，法律家（律師、檢察官和法官）將無法承受法律日積月累和法律案件不斷增多的重負。其二是人工智能發展的需要。人工智能以模擬人的全部思維活動為目標，但又必須以具體思維活動一城一池的攻克為過程。它需要通過對不同思維領域的征服，來證明知識的每個領域都可以精確描述并制造出類似人類智能的機器。此外，人工智能選擇法律領域尋求突破，還有下述原因：(1)盡管法律推理十分復雜，但它有相對穩定的對象（案件）、相對明確的前提（法律規則、法律事實）及嚴格的程序規則，且須得出確定的判決結論。這為人工智能模擬提供了極為有利的條件。(2)法律推理特別是抗辯制審判中的司法推理，以明確的規則、理性的標準、充分的辯論，為觀察思維活動的軌跡提供了可以記錄和回放的樣本。(3)法律知識長期的積累、完備的檔案，為模擬法律知識的獲得、表達和應用提供了豐富、準確的資料。(4)法律活動所特有的自我意識、自我批評精神，對法律程序和假設進行檢驗的傳統，為模擬法律推理提供了良好的反思條件。
二、人工智能法律系統的價值
人工智能法律系統的研制對法學理論和法律實踐的價值和意義，可以概括為以下幾點：
一是方法論啟示。P.Wahlgren說：“人工智能方法的研究可以支持和深化在創造性方法上的法反思。這個信仰反映了法理學可以被視為旨在于開發法律和法律推理之方法的活動。從法理學的觀點看，這種研究的最終目標是揭示方法論的潛在作用，從而有助于開展從法理學觀點所提出的解決方法的討論，而不僅僅是探討與計算機科學和人工智能有關的非常細致的技術方面。”（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.）在模擬法律推理的過程中，法學家通過與工人智能專家的密切合作，可以從其對法律推理的獨特理解中獲得有關方法論方面的啟示。例如，由于很少有兩個案件完全相似，在判例法實踐中，總有某些不相似的方面需要法律家運用假設來分析已有判例與現實案件的相關性程度。但法學家們在假設的性質問題上常常莫衷一是。然而HYPO的設計者，在無真實判例或真實判例不能充分解釋現實案件的情況下，以假設的反例來反駁對方的觀點，用補充、刪減和改變事實的機械論方法來生成假設。這種用人工智能方法來處理假設的辦法，就使復雜問題變得十分簡單：假設實際上是一個新的論證產生于一個經過修正的老的論證的過程。總之，人工智能方法可以幫助法學家跳出法理學方法的思維定勢，用其他學科的方法來重新審視法學問題，從而為法律問題的解決提供了新的途徑。
二是提供了思想實驗手段。西蒙認為，盡管我們還不知道思維在頭腦中是怎樣由生理作用完成的，“但我們知道這些處理在數字機中是由電子作用完成的。給計算機編程序使之思維，已經證明有可能為思維提供機械論解釋”。（注：轉引自童天湘：《人工智能與第N代計算機》，載《》1985年第5期。）童天湘先生認為：“通過編制有關思維活動的程序，就會加深對思維活動具體細節的了解，并將這種程序送進計算機運行，檢驗其正確性。這是一種思想實驗，有助于我們研究人腦思維的機理。”（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）人工智能系統研究的直接目標是使計算機能夠獲取、表達和法律知識，軟件工程師為模擬法律推理而編制程序，必須先對人的推理過程作出基于人工智能和的獨特解釋。人工智能以功能模擬開路，在未搞清法律家的推理結構之前，首先從功能上對法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動進行數理，將法、訴訟法學關于法律推理的研究成果模型化，以實現法律推理知識的機器表達或再現，從而為認識法律推理的過程和提供了一種實驗手段。法學家則可以將人工智能法律系統的推理過程、方法和結論與人類法律推理活動相對照，為法律推理的法理學研究所借鑒。因此，用人工智能方法模擬法律推理，深化了人們對法律推理性質、要素和過程的認識，使法學家得以借助人工智能的敏銳透鏡去考察法律推理的微觀機制。正是在這個意義上，Bryan Niblett教授說：“一個成功的專家系統很可能比其他的途徑對法理學作出更多的（理論）貢獻。”（注：Bryan Niblett，ExpertSystems for Lawyers，Computers and Law，No.29，August 1981.note14，p.3.）
三是輔助司法審判。按照格雷的觀點，法律專家系統首先在英美判例法國家出現的直接原因在于，浩如煙海的判例案卷如果沒有計算機編纂、分類、查詢，這種法律制度簡直就無法運轉了。（注：Pamela N.Gray Brookfield，Artificial Legal Intelligence，VT:DartmouthPublishing Co.，1997.p.402.）其實不僅是判例法，制定法制度下的律師和法官往往也要為檢索有關的法律、法規和司法解釋耗費大量的精力和時間，而且由于人腦的知識和記憶能力有限，還存在著檢索不全面、記憶不準確的。人工智能法律系統強大的記憶和檢索功能，可以彌補人類智能的某些局限性，幫助律師和法官從事相對簡單的法律檢索工作，從而極大地解放律師和法官的腦力勞動，使其能夠集中精力從事更加復雜的法律推理活動。
四是促進司法公正。司法推理雖有統一的法律標準，但法官是具有主觀能動性的差異個體，所以在執行統一標準時會產生一些差異的結果。司法解釋所具有的建構性、辯證性和創造性的特點，進一步加劇了這種差異。如果換了鋼鐵之軀的機器，這種由主觀原因所造成的差異性就有可能加以避免。這當然不是說讓計算機完全取代法官，而是說，由于人工智能法律系統為司法審判提供了相對統一的推理標準和評價標準，從而可以輔助法官取得具有一貫性的判決。無論如何，我們必須承認，鋼鐵之軀的機器沒有物質欲望和感情生活，可以比人更少地受到外界因素的干擾。正像計算機錄取增強了高考招生的公正性、電子監視器提高了糾正行車違章的公正性一樣，智能法律系統在庭審中的運用有可能減少某些徇私舞弊現象。
五是輔助法律和培訓。人工智能法律系統凝聚了法律家的專門知識和法官群體的審判經驗，如果通過軟件系統或計算機實現專家經驗和知識的共享，便可在法律教育和培訓中發揮多方面的作用。例如，(1)在法學院教學中發揮模擬法庭的作用，可以幫助法律專業學生鞏固自己所學知識，并將法律知識應用于模擬的審判實踐，從而較快地提高解決法律實踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識，迅速獲得判案經驗，在審判過程的跟蹤檢測和判決結論的動態校正中增長知識和才干，較快地接近或達到專家水平。(3)可使不同地區、不同層次的律師和法官及時獲得有關法律問題的咨詢建議，彌補因知識結構差異和判案經驗多寡而可能出現的失誤。(4)可以為大眾提供及時的法律咨詢，提高廣大人民群眾的法律素質，增強法律意識。
六是輔助立法活動。人工智能系統不僅對輔助司法審判有重要的意義，而且對完善立法也具有實用價值。（注：Edwina L.Rissland，Artificial Intelligence and Law:Stepping Stones to a Modelof Legal Reasoning， Yale Law Journal.(Vol.99:1957-1981).）例如，倫敦大學Imperial學院的邏輯程序組將1981年英國國籍法的形式化，幫助立法者發現了該法在預見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).）立法輔助系統如能于法律起草和法律草案的審議過程，有可能事先發現一些立法漏洞，避免一個法律內部各種規則之間以及新法律與現有法律制度之間的相互沖突。
三、法在人工智能法律系統中的作用
1.人工智能法律系統的法理學思想來源
關于人工智能法律系統之法理學思想來源的追蹤，不是對法理學與人工智能的聯系作面面俱到的考察，而旨在揭示法理學對人工智能法律系統的所產生的一些直接。
第一，法律形式主義為人工智能法律系統的產生奠定了基礎。18-19世紀的法律形式主義強調法律推理的形式方面，認為將法律化成簡單的幾何公式是完全可能的。這種以J·奧斯汀為代表的英國法學的傳統，主張“法律推理應該依據客觀事實、明確的規則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作，那么無論誰作裁決，法律推理都會導向同樣的裁決。”（注：（美）史蒂文·J·伯頓著：《法律和法律推理導論》，張志銘、解興權譯，政法大學出版社1998年9月版，第3頁。）換言之，機器只要遵守法律推理的邏輯，也可以得出和法官一樣的判決結果。在分析法學家看來，“所謂‘法治’就是要求結論必須是大前提與小前提邏輯必然結果。”（注：朱景文主編：《對西律傳統的挑戰》，中國檢察出版社1996年2月版，第292頁。）如果法官違反三段論推理的邏輯，就會破壞法治。這種機械論的法律推理觀，反映了分析法學要求法官不以個人價值觀干擾法律推理活動的主張。但是，它同時具有忽視法官主觀能動性和法律推理靈活性的僵化的缺陷。所以，自由法學家比埃利希將法律形式主義的邏輯推理說稱為“自動售貨機”理論。然而，從人工智能就是為思維提供機械論解釋的意義上說，法律形式主義對法律推理所作的機械論解釋，恰恰為人工智能法律系統的開發提供了可能的前提。從人工智能法律系統研制的實際過程來看，在其起步階段，人工智能專家正是根據法律形式主義所提供的理論前提，首先選擇三段論演繹推理進行模擬，由Walter G.Popp和Bernhard Schlink在20世紀70年代初開發了JUDITH律師推理系統。在這個系統中，作為推理大小前提的法律和事實之間的邏輯關系，被機以“如果A和B，那么C”的方式加以描述，使機器法律推理第一次從理論變為現實。
第二，法律現實主義推動智能模擬深入到主體的思維結構領域。法律形式主義忽視了推理主體的性。法官是生活在現實社會中的人，其所從事的法律活動不可能不受到其社會體驗和思維結構的影響。法官在實際的審判實踐中，并不是機械地遵循規則，特別是在遇到復雜案件時，往往需要作出某種價值選擇。而一旦面對價值，法律形式主義的邏輯決定論便立刻陷入困境，顯出其僵化性的致命弱點。法律現實主義對其僵化性進行了深刻的批判。霍姆斯法官明確提出“法律的生命并不在于邏輯而在于經驗”（注：（美）博登海默著：《法理學——法及其方法》，鄧正來、姬敬武譯，華夏出版社1987年12月版，第478頁。）的格言。這里所謂邏輯，就是指法律形式主義的三段論演繹邏輯；所謂經驗，則包括一定的道德和理論、公共政策及直覺知識，甚至法官的偏見。法律現實主義對法官主觀能動性和法律推理靈活性的強調，促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。人們開始考慮，如果思維結構對法官的推理活動具有定向作用，那么，人工智能法律系統若要達到法官水平，就應該通過建立思維結構模型來設計機器的運行結構。TAXMAN的設計就借鑒了這一思想，法律知識被計算機結構語言以語義的方式組成不同的規則系統，解釋程序、協調程序、說明程序分別對網絡結構中的輸入和輸出信息進行動態結構調整，從而適應了知識整合的需要。大規模知識系統的KBS(Knowledge Based System)開發也注意了思維結構的整合作用，許多具有內在聯系的小規模KBS子系統，在分別模擬法律推理要素功能（證成、法律查詢、法律解釋、法律適用、法律評價、理由闡述）的基礎上，又通過聯想程序被有機聯系起來，構成了具有法律推理整體功能的概念模型。（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，“開放結構”的概念打開了疑難案件法律推理模擬的思路。法律形式主義忽視了疑難案件的存在。疑難案件的特征表現為法律規則和案件之間不存在單一的邏輯對應關系。有時候從一個法律規則可以推出幾種不同的結論，它們往往沒有明顯的對錯之分；有時一個案件面對著幾個相似的法律規則。在這些情況下，形式主義推理說都一籌莫展。但是，法律現實主義在批判法律形式主義時又走向另一個極端，它否認具有普遍性的一般法律規則的存在，試圖用“行動中的法律”完全代替法學“本本中的法律”。這種矯枉過正的做法雖然是使法律推理擺脫機械論束縛所走出的必要一步，然而，法律如果真像現實主義法學所說的那樣僅僅存在于具體判決之中，法律推理如果可以不遵循任何標準或因人而異，那么，受到挑戰的就不僅是法律形式主義，而且還會殃及法治要求實現規則統治之根本原則，并動搖人工智能法律系統存在的基礎。哈特在法律形式主義和法律現實主義的爭論中采取了一種折中立場，他既承認邏輯的局限性又強調其重要性；既拒斥法官完全按自己的預感來隨意判案的見解，又承認直覺的存在。這種折中立場在哈特“開放結構”的法律概念中得到了充分體現。法律概念既有“意義核心”又有“開放結構”，邏輯推理可以幫助法官發現的陽面，而根據政策、價值和后果對規則進行解釋則有助于發現問題的陰面。開放結構的法律概念，使基于規則的法律推理模擬在受到概念封閉性的限制而對疑難案件無能為力時，找到了新的立足點。在此基礎上，運用開放結構概念的疑難案件法律推理模型，通過邏輯程序工具和聯想技術而建立起來。Gardner博士就疑難案件提出兩種解決策略：一是將簡易問題從疑難問題中篩選出來，運用基于規則的技術來解決；二是將疑難問題同“開放結構”的法律概念聯系在一起，先用非范例知識如規則、控辯雙方的陳述、常識來獲得初步答案，再運用范例來澄清案件、檢查答案的正確性。
第四，目的法學促進了價值推理的人工智能。目的法學是指一種所謂直接實現目的之“后法治”理想。美國法學家諾內特和塞爾茲尼克把法律分為三種類型。他們認為，以法治為標志的自治型法，過分強調手段或程序的正當性，有把手段當作目的的傾向。這說明法治社會并沒有反映人類關于美好社會的最高理想，因為實質正義不是經過人們直接追求而實現的，而是通過追求形式正義而間接獲得的。因此他們提出以回應型法取代自治型法的主張。在回應型法中，“目的為評判既定的做法設立了標準，從而也就開辟了變化的途徑。同時，如果認真地對待目的，它們就能控制行政自由裁量權，從而減輕制度屈從的危險。反之，缺少目的既是僵硬的根源，又是機會主義的根源。”（注：（美）諾內特、塞爾茲尼克著：《轉變中的法律與社會》，張志銘譯，政法大學出版社1994年版，第60頁。）美國批判法學家昂格爾對形式主義法律推理和目的型法律推理的特點進行了比較，他認為，前者要求使用明確、固定的規則，無視社會現實生活中不同價值觀念的沖突，不能適應復雜情況和變化，追求形式正義；后者則要求放松對法律推理標準的嚴格限制，允許使用無固定內容的抽象標準，迫使人們在不同的價值觀念之間做出選擇，追求實質正義。與此相應，佩雷爾曼提出了新修辭學(New Rhetoric)的法律。他認為，形式邏輯只是根據演繹法或歸納法對問題加以說明或論證的技術，屬于手段的邏輯；新修辭學要填補形式邏輯的不足，是關于目的的辯證邏輯，可以幫助法官論證其決定和選擇，因而是進行價值判斷的邏輯。他認為，在司法三段論思想支配下，法學的任務是將全部法律系統化并作為闡釋法律的大前提，“明確性、一致性和完備性”就成為對法律的三個要求。而新修辭學的基本思想是價值判斷的多元論，法官必須在某種價值判斷的指示下履行義務，必須考慮哪些價值是“合理的、可接受的、社會上有效的公平的”。這些價值構成了判決的正當理由。（注：沈宗靈著：《西》，北京大學出版社1992年版，第443-446頁。）制造人工智能法律系統最終需要解決價值推理的模擬問題，否則，就難以實現為判決提供正當理由的要求。為此，P.Wahlgren提出的與人工智能相關的5種知識表達途徑中，明確地包括了以道義為基礎的法律推理模型。（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.）引入道義邏輯，或者說在機器中采用基于某種道義邏輯的推理程序，強調目的價值，也許是制造智能法律系統的關鍵。不過，即使把道義邏輯硬塞給機，鋼鐵之軀的機器沒有生理需要，也很難產生價值觀念和主觀體驗，沒辦法解決主觀選擇的問題。在這個問題上，波斯納曾以法律家有七情六欲為由對法律家對法律的機械忠誠表示了強烈懷疑，并辯證地將其視為法律的動力之一。只有人才能夠平衡相互沖突的利益，能夠發現對人類生存和發展至關重要的價值。因此，關于價值推理的人工智能模擬究竟能取得什么成果，恐怕還是個未知數。
2.法對人工智能系統研制的指導作用
Gold and Susskind指出：“不爭的事實是，所有的專家系統必須適應一些法理學理論，因為一切法律專家系統都需要提出關于法律和法律推理性質的假設。從更嚴格的意義上說，一切專家系統都必須體現一種結構理論和法律的個性，一種法律規范理論，一種描述法律的理論，一種法律推理理論”。（注：Gold and Susskind，ExpertSystems in Law:A Jurisprudential and Formal SpecificationApproach，pp.307-309.）人工智能法律系統的，不僅需要以法理學關于法律的一般理論為知識基礎，還需要從法理學獲得關于法律推理的完整理論，如法律推理實踐和理論的，法律推理的標準、主體、過程、等等。人工智能對法律推理的模擬，主要是對法理學關于法律推理的知識進行人工智能方法的描述，建立數學模型并編制機程序，從而在智能機器上再現人類法律推理功能的過程。在這個過程中，人工智能專家的主要任務是研究如何吸收法理學關于法律推理的研究成果，包括法理學關于人工智能法律系統的研究成果。
隨著人工智能法律系統研究從低級向高級目標的推進，人們越來越意識到，對法律推理的微觀機制認識不足已成為人工智能模擬的嚴重障礙。P.Wahlgren指出，“許多人工智能技術在法律領域的開發項目之所以失敗，就是因為許多潛在的法理學原則沒有在系統開發的開始階段被遵守或給予有效的注意。”“法理學對法律推理和方法論的關注已經有幾百年，而人工智能的誕生只是本世紀50年代中期的事情，這個事實是人工智能通過考察法理學知識來豐富自己的一個有效動機。”（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，研究法律推理自動化的目標，“一方面是用人工智能（通過把計算機的應用與模型相結合）來支撐法律推理的可能性；另一方面是應用法理學理論來解決作為法律推理支撐系統的以及一般的人工智能問題。”（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，是人工智能法律系統充當法律推理研究的思想實驗手段以及輔助司法審判的問題。后一方面，則是法律推理的法律學研究成果直接為人工智能法律系統的研制所應用的問題。例如，20世紀70年代法理學在真實和假設案例的推理和分析方面所取得的成果，已為幾種人工智能法律裝置借鑒而成為其設計工作的理論基礎。在運用模糊或開放結構概念的法律推理研究方面，以及在法庭辯論和法律解釋的形式化等問題上，法理學的研究成果也已為人工智能法律系統的研究所借鑒。
四、人工智能法律系統研究的難點
人工智能法律系統的研究盡管在很短的時間內取得了許多令人振奮的成果，但它的發展也面臨著許多困難。這些困難構成了研究工作需要進一步努力奮斗的目標。
第一，關于法律解釋的模擬。在法理學的諸多研究成果中，法律解釋的研究對人工智能法律系統的研制起著關鍵作用。法律知識表達的核心問題是法律解釋。法律規范在一個法律論點上的效力，是由法律家按忠實原意和適合當時案件的原則通過法律解釋予以確認的，其中包含著人類特有的價值和目的考慮，反映了法律家的知識表達具有主觀能動性。所以，德沃金將解釋過程看作是一種結合了法律知識、信息和思維方法而形成的，能夠應變的思維策略。（注：Dworkin，Taking RightsSeriously，Harvard University Press Cambridge，Massachusetts1977.p.75.）的法律專家系統并未以知識表達為目的來解釋法律，而是將法律整齊地“碼放”在計算機記憶系統中僅供一般檢索之用。然而，在法律知識工程系統中，法律知識必須被解釋，以滿足自動推理對法律知識進行重新建構的需要。麥卡錫說：“在開發智能信息系統的過程中，最關鍵的任務既不是文件的重建也不是專家意見的重建，而是建立有關法律領域的概念模型。”（注：McCarty，Intelligent legalinformation systems:problems and prospects，op.cit.supra，note25，p.126.）建立法律概念模型必須以法律家對某一法律概念的共識為基礎，但不同的法律家對同一法律概念往往有不同的解釋策略。凱爾森甚至說：即使在國內法領域也難以形成一個“能夠用來敘述一定法律共同體的實在法的基本概念”。（注：（奧）凱爾森著：《法與國家的一般理論》，沈宗靈譯，大百科全書出版社1996年版，第1頁。）盡管如此，法理學還是為法律概念模型的重建提供了一些方法。例如，德沃金認為，法官在“解釋”階段，要通過推理論證，為自己在“前解釋”階段所確定的大多數法官對模糊法律規范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過程分為兩個步驟：首先，從現存的明確法律制度中抽象出一般的法律原則，用自我建立的一般法律理論來證明這種法律原則是其中的一部分，證明現存的明確法律制度是正當的。其次，再以法律原則為依據反向推出具體的法律結論，即用一般法律理論來證明某一法律原則存在的合理性，再用該法律原則來解釋某一法律概念。TAXMAN等系統裝置已吸收了這種方法，法律知識被計算機結構語言以語義的方式組成不同的規則系統，解釋程序使計算機根據案件事實來執行某條法律規則，并在新案件事實輸入時對法律規則作出新的解釋后才加以調用。不過，法律知識表達的進展還依賴于法律解釋研究取得更多的突破。
第二，關于啟發式程序。的專家系統如果不能與啟發式程序接口，不能運用判斷性知識進行推理，只通過規則反饋來提供簡單解釋，就談不上真正的智能性。啟發式程序要解決智能機器如何模擬法律家推理的直覺性、經驗性以及推理結果的不確定性等，即人可以有效地處理錯誤的或不完全的數據，在必要時作出猜測和假設，從而使問題的解決具有靈活性。在這方面，Gardner的混合推理模型，Edwina L.Rissland運用聯想程序對規則和判例推理的結果作集合處理的思路，以及Massachusetts大學研制的CABARET（基于判例的推理工具），在將啟發式程序于系統開發方面都進行了有益的嘗試。但是，法律問題往往沒有唯一正確的答案，這是人工智能模擬法律推理的一個難題。選擇哪一個答案，往往取決于法律推理的目的標準和推理主體的立場和價值觀念。但智能機器沒有自己的目的、利益和立場。這似乎從某種程度上劃定了機器法律推理所能解決問題的范圍。
第三，關于法律語言理解。在設計基于規則的程序時，設計者必須假定整套規則沒有意義不明和沖突，程序必須消滅這些問題而使規則呈現出更多的一致性。就是說，盡管人們對法律概念的含義可以爭論不休，但輸入機器的法律語言卻不能互相矛盾。機器語言具有很大的局限性，例如，LDS基于規則來模擬嚴格責任并實際損害時，表現出的最大弱點就是不能使用不精確的自然語言進行推理。然而，在實際的法律推理過程中，法律家對某個問題的任何一種回答都可根據上下文關系作多種解釋，而且辯論雙方總是尋求得出不同的結論。因此，智能法律專家系統的成功在很大程度上還依賴于自然語言理解工作的突破。牛津大學的一個程序組正在研究法律自然語言的理解問題，但是遇到了重重困難。原因是連法學家們自己目前也還沒有建立起一套大家一致同意的專業術語規范。所以Edwina L.Rissland認為，常識知識、意圖和信仰類知識的模擬化，以及自然語言理解的模擬問題，迄今為止可能是人工智能面臨的最困難的任務。對于語言模擬來說，像交際短語和短語概括的有限能力可能會在較窄的語境條件下取得成果，完全的功能模擬、一般“解決問題”能力的模擬則距離非常遙遠，而像書面上訴意見的理解則是永遠的終極幻想。（注：Edwina L.Rissland，ArtificialIntelligence and Law:Stepping Stones to a Model of LegalReasoning， Yale Law Journal.(Vol.99:1957-1981).）
五、人工智能法律系統的開發策略和應用前景
我們能夠制造出一臺什么樣的機器，可以證明它是人工智能法律系統？從檢驗標準上看，這主要是法律知識在機器中再現的判定問題。根據“圖靈試驗”原理，我們可將該檢驗標準概括如下：設兩間隔開的屋子，一間坐著一位法律家，另一間“坐著”一臺智能機器。一個人（也是法律家）向法律家和機器提出同樣的法律問題，如果提問者不能從二者的回答中區分出誰是法律家、誰是機器，就不能懷疑機器具有法律知識表達的能力。
依“圖靈試驗”制定的智能法律系統檢驗標準，所看重的是功能。只要機器和法律家解決同樣法律問題時所表現出來的功能相同，就不再苛求哪個是鋼鐵結構、哪個是血肉之軀。人工智能立足的基礎，就是相同的功能可以通過不同的結構來實現之功能模擬。
從功能模擬的觀點來確定人工智能法律系統的研究與開發策略，可作以下考慮：
第一，擴大人工智能法律系統的研發主體。現有人工法律系統的幼稚，暴露了僅僅依靠計算機和知識工程專家從事系統研發工作的局限性。因此，應該確立以法律家、邏輯學家和計算機專家三結合的研發群體。在系統研發初期，可組成由法學家、邏輯與認知專家、計算機和知識工程專家為主體的課題組，制定系統研發的整體戰略和分階段實施的研發規劃。在系統研發中期，應通過等手段充分吸收初級產品用戶（律師、檢察官、法官）的意見，使研發工作在理論研究與實際應用之間形成反饋，將開發精英與廣大用戶的智慧結合起來，互相啟發、群策群力，推動系統迅速升級。
第二，確定與相結合、以應用為主導的研發策略。國外人工智能系統的研究大多停留在實驗室領域，還沒有在司法實踐中加以應用。但是，任何智能系統包括相對簡單的軟件系統，如果不經過用戶的長期使用和反饋，是永遠也不可能走向成熟的。從我國的實際情況看，如果不能將初期研究成果盡快地轉化為產品，我們也難以為后續研究工作提供雄厚的資金支持。因此，人工智能法律系統的研究必須走產研結合的道路，堅持以應用開路，使智能法律系統盡快走出實驗室，同時以研究為先導，促進不斷更新升級。
第三，系統研發目標與初級產品功能定位。人工智能法律系統的研發目標是制造出能夠滿足多用戶（律師、檢察官、法官、立法者、法學家）多種需要的機型。初級產品的定位應考慮到，人的推理功能特別是價值推理的功能遠遠超過機器，但人的記憶功能、檢索速度和準確性又遠不如機器。同時還應該考慮到，我國目前有12萬律師，23萬檢察官和21萬法官，每年1.2萬法學院本科畢業生，他們對法律知識的獲取、表達和應用能力參差不齊。因此，初級產品的標準可適當降低，先研制推理功能薄弱、檢索功能強大的法律專家系統。可與機廠商合作生產具有強大數據庫功能的硬件，并確保最新法律、法規、司法解釋和判例的網上及時更新；同時編制以案件為引導的高速檢索軟件。系統開發的先期目標應確定為：(1)替律師起草僅供的起訴書和辯護詞；(2)替法官起草僅供參考的判決書；(3)為法學院學生提供模擬法庭審判的通用系統軟件，以輔助學生在起訴、辯護和審判等訴訟的不同階段鞏固所學知識、獲得審判經驗。上述軟件旨在提供一個初級平臺，先解決有無和急需，再不斷收集用戶反饋意見，逐步改進完善。
第四，實驗室研發應確定較高的起點或跟蹤戰略。國外以知識工程為主要技術手段的人工智能法律系統開發已經歷了如下階段：(1)主要適用于簡單案件的規則推理；(2)運用開放結構概念的推理；(3)運用判例和假設的推理；(4)運用規則和判例的混合推理。我們如確定以簡單案件的規則推理為初級市場產品，那么，實驗室中第二代產品開發就應瞄準運用開放結構概念的推理。同時，跟蹤運用假設的推理及混合推理，吸收國外先進的KBS和HYPO的設計思想，將功能子系統開發與聯想式控制系統結合。HYPO判例法推理智能裝置具有如下功能：(1)評價相關判例；(2)判定何方使用判例更加貼切；(3)并區分判例；(4)建立假設并用假設來推理；(5)為一種主張引用各種類型的反例；(6)建立判例的引證概要。HYPO以商業秘密法的判例推理為模擬對象，假設了完全自動化的法律推理過程中全部要素被建立起來的途徑。值得注意的是，HYPO忽略了許多要素的存在，如商業秘密法背后的政策考慮，法律概念應用于實際情況時固有的模糊性，信息是否已被公開，被告是否使用了對方設計的產品，是否簽署了讓與協議，等等。一個系統設計的要素列表無論多長，好律師也總能再多想出一些。同樣，律師對案件的分析，不可能僅限于商業秘密法判例，還可能援引侵權法或專利法的判例，這決定了起訴緣由的多種可能性。Ashley還討論了判例法推理模擬的其他困難：判例并不是概念的肯定的或否定的樣本，因此，要通過要素等簡單的法律術語使模糊的法律規則得到澄清十分困難，法律原則和類推推理之間的關系還不能以令人滿意的方式加以描述。（注：Edwina L.Rissland，Artificial Intelligence and Law:Stepping Stones toa Model of Legal Reasoning， Yale Law Journal.(Vol.99:1957-1981).）這說明，即使具有較高起點的實驗室基礎研究，也不宜確定過高的目標。因為，智能法律系統的研究不能脫離人工智能的整體發展水平。
篇13
1 人工智能及其在醫學上的應用
AI是一個廣義的術語，指的是機器或計算程序執行具有人類智能特征的任務的能力，如模式識別和解決問題的能力等。AI可以通過彌補人類智能，使現有醫療診斷和預后價值最大化，同時使醫師負擔最小化，從而顯著改善健康診療過程和結果。AI在臨床實踐中的應用預示著醫學領域一個更為劇烈變化時代的到來，在影像學方面尤其如此。一項通過分析科學網數據庫的研究[3]發現，目前AI在醫學的研究領域主要集中在大數據分析、腦卒中康復、心臟手術和醫療診斷和預后預測等方面。其中，用于醫學診斷、預后預測和分類的神經網絡和支持向量機是主要熱點，占所有文獻的26%；而未來最引人關注的研究主題是基于AI的微創手術。然而，關于AI數據管理、模型可靠性、模型臨床效用驗證等問題尚未進行廣泛研究。
2 人工智能的機器學習法
大數據是一個經常用來描述大量收集數據的術語，如來自大型生物信息庫的基因組數據、電子健康記錄檔案和大型研究隊列數據以及影像學掃描數據等。AI系統通過識別和提取一組觀測數據（數據集）的模式來自主獲取知識的過程稱為機器學習（machine learning,ML）。ML是人工智能的一個組成部分，描述為計算機從經驗中學習的過程，并在沒有事先知識的情況下執行預定的任務[4]。機器學習可以進一步分為監督學習、半監督學習和無監督學習，這取決于用于學習的樣本是否完全標記、部分標記或未標記。ML的典型例子是人工神經網絡，后者基于人類大腦的神經元及其連接，神經元之間的相互依賴關系反映出不同的權重，每個神經元接受多個輸入，所有的輸入一起決定了神經元的激活。通過樣本訓練找到這些合適權重的過程就是學習。學習過程的復雜性和所需的樣本量隨著神經元數量的增加而增加。由于計算能力和樣本大小的限制，機器學習應用程序的成功依賴于從原始樣本中手工提取特征來減少神經元的數量。為了解決這一問題，人們提出了深度學習的方法，即自動學習代表性的樣本。深度學習是指一種特別強大的ML方法，它利用卷積神經網絡模擬人類的認知，常用于影像模式識別和分類。
模型訓練是所有ML類型的共同過程，它是利用模型分析所提供的數據中的各種特性來學習如何生成輸出標簽的過程[5]。如在超聲心動圖中，一個模型可以分析各種特征，如左心室壁厚度和左心室射血分數，以確定患者是否具有特定的條件。然而，在分析中包含不相關的特征可能會導致模型過度擬合，從而在呈現新數據集時降低其準確性。這強調了擁有一個能夠代表總體的訓練數據集的重要性。數據集的質量對于最終ML模型的質量至關重要。盡管ML算法可以使用小數據集或大數據集進行訓練，但大數據集可以最大限度地提高訓練算法的內部和外部有效性，降低過度擬合的風險。正確模型的選擇通常取決于操作員的專業知識、數據集的性質和最終人工智能系統的目的。
3 人工智能在心血管超聲的應用
心血管成像領域，包括超聲心動圖、心臟計算機斷層掃描、心臟磁共振成像和核成像，具有復雜的成像技術和高容量的成像數據，處于精準心臟病學革命的前沿。然而，在基于AI的臨床轉化方法中，心血管成像一直落后于腫瘤學等其他領域。人工智能在超聲心動圖中的應用包括自動心室定量和射血分數計算、應變測量和瓣膜形態及功能評估以及ML在心臟疾病自動診斷中的應用。
3.1 心室定量和EF自動化。
自動心室量化和EF計算的算法旨在提供準確、快速和可重復的心尖視圖分類、解剖標志檢測、心室壁分割和心內膜跟蹤。有研究[6]比較了AI軟件自動測量（AutoEF）和手工追蹤雙平面Simpson法測量左室EF的準確性，并與心臟MRI進行了比較。結果表明AutoEF與手動雙平面Simpson法測得的EF相關性較好，且與MRI相關性良好，但AutoEF低估了左室舒張末期容積（EDV）和收縮期末期容積（ESV）。此外，在不同切面，測量的準確性存在差異，以胸骨旁長軸切面的準確性最高，達96%，而在心尖切面時整體精度降低（84%）。腔室定量和左室EF測量的中位數絕對偏差在15%～17%，其中ESV的絕對偏差最小；左房容積和左室EDV被高估。
3.2 心肌運動和應變測量。
Kusunose等[7]研究發現與傳統二維超聲心動圖相比，利用深度卷積神經網絡可更好的檢測區域壁運動異常并區分冠狀動脈梗死區域。Cikes等[8]利用復雜超聲心動圖數據（整個心動周期的左室容積和變形數據，而不是單個數據點）和臨床參數的ML算法識別心衰并對心臟再同步化治療的反應進行評估，證實通過整合臨床參數和全心周期成像數據，無監督的ML可以為表型異質性心力衰竭隊列提供一個有臨床意義的分類，并可能有助于優化特定治療的反應率。另有研究證實[9-10],ML算法有助于區分縮窄性心包炎、限制性心肌病以及肥厚性心肌的重塑。Zhang等[11]采用AI軟件和手工勾畫對左室心肌的縱向應變進行了比較研究。發現AI自動測量的心肌全局縱向應變與手動應變變化最小（絕對值為1.4%～1.6%）。
3.3 心臟瓣膜評估。
有學者[12]采用AI軟件對二尖瓣幾何形狀進行測量，測量參數包括二尖瓣環面積、瓣環高度和寬度、瓣葉連合間距、前后葉長度等。發現相對于常規超聲心動圖，所有評估的成像參數均獲得了更好的觀察者間一致性，而且所花費的時間明顯較少。Prihadi等[13]研究證實，經食管超聲心動圖AI軟件能夠精確地對主動脈瓣結構以及冠狀動脈開口進行測量和定位，且與多層螺旋CT的測量結果具有良好的相關性。
4 展望
在海量醫學信息和影像數字化日益積累的現代醫學時代，AI和ML為疾病診斷和風險預測等問題提供了新的解決方案。通過AI對超聲心動圖數據進行預測、建模和精確分析，可以幫助超聲醫師快速、準確地處理大量心臟超聲影像學數據，既有利于應對當前醫療信息數量的急劇增長，又有利于提高處理數據信息的能力。未來，針對AI的研究應關注超聲圖像數據特征定義及其提取方法的標準化，以確保可推廣性和可再現性，促進AI向更加個性化的醫療模式轉變。此外，AI系統與遠程醫療等軟件的集成，將使智能心臟超聲診斷系統滲透到資源消耗負擔最繁重的地區，提高經濟效益。
參考文獻
[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.
