中国人工智能系列白皮书

- 人工智能原理

中国人工智能学会二○二三年九月

《中国人工智能系列白皮书》编委会《中国人工智能系列白皮书人工智能原理》编写组第一部分人工智能总论 1.1 人工智能的科学思想起源 1.2 人工智能的数理逻辑原理 1.3 人工智能的计算原理计算定律（The law of computation）1.4 图灵对机器智能的研究 1.5 人工智能研究的兴起 1.6 符号主义人工智能 1.7 连接主义人工智能 1.8 行为主义人工智能 1.9 人工智能的数学、物理挑战 1.10 人工智能的重大科学挑战 1.10.1 数学、物理对象的可分性 1.10.2 信息世界对象的不可分性 1.10.3 信息世界对象的可定义性问题 1.10.4 人学习的基本问题 1.10.5 自我意识的基本问题 1.10.6 博弈/谋算的基本科学问题 1.10.7 本节小结 1.11 信息科学重大挑战性问题 1.11.1 经典信息论 1.11.2 生成策略 1.11.3 解码策略 1.11.4 信息的模型 1.11.5 信息基本定律 1.11.6 信息科学是什么？1.11.7 信息的数学理论是什么？1.12 信息科学原理 1.13 本章小结第二部分第 2 章符号主义人工智能 2.1 命题知识表示与推理 2.1.1 命题逻辑 2.1.2 命题推理问题 2.1.3 命题可满足性求解方法 2.1.4 模型计数 2.1.5 知识编译 2.2 自动定理证明 2.2.1 自动定理证明的起源、发展与现状 2.2.2 Herbrand 定理 2.2.3 合一与匹配 2.2.4 归结原理 2.2.5 归结原理的改进策略 2.2.6 等词推理 2.2.7 几何定理证明和数学机械化 2.2.8 定理证明器竞赛和著名定理证明器 2.3 约束可满足性求解 2.4 基于模型的诊断 2.4.1 MBD 问题 2.4.2 国内外总体研究现状 2.5 神经符号系统 2.5.1 神经符号系统的背景 2.5.2 神经符号系统研究现状 2.5.3 神经符号系统的挑战及未来研究方向第 3 章大数据算法与可信计算理论 3.1 大数据算法计算模型 3.1.1 亚线性时间算法 3.1.2 亚线性空间算法 3.1.3 动态图算法 3.1.4 大规模并行计算 3.1.5 数据降维 3.2 满足可信需求的算法 3.2.1 鲁棒性 3.2.2 公平公正 3.2.3 隐私保护第 4 章难解问题的智能算法 4.1 难解问题图学习方法求解 4.1.1 路径规划问题 4.1.2 最大割问题 4.1.3 作业调度问题 4.1.4 其他难解问题 4.2 难解问题强化学习求解 4.2.1 基于无模型的强化学习方法 4.2.2 基于有模型的强化学习方法 4.3 总结与展望第三部分第 5 章神经网络的数学原理 5.1 神经网络的背景及意义 5.1.1 神经网络的发展历史 5.1.2 神经网络对人工智能发展的作用 5.1.3 神经网络给人工智能带来的挑战 5.2 神经网络的数学原理的内涵 5.2.1 研究意义 5.2.2 分析视角 5.2.3 基本框架 5.2.4 研究趋势 5.3 神经网络的传统理论 5.3.1 表达能力 5.3.2 泛化能力 5.3.3 优化能力 5.4 前沿发展 5.4.1 对自适应优化器的分析 5.4.2 基于神经网络结构的优化分析 5.4.3 优化器的隐式正则分析 5.4.4 神经网络的精确泛化估计 5.4.5 表示所需参数量下界 5.5 未来展望 5.5.1 设计适用不同场景的安全性度量 5.5.2 构建以安全为中心的神经网络理论 5.5.3 发展可信可控的神经网络模型第 6 章神经网络的计算原理 6.1 经典神经网络的计算原理 6.1.1 表示学习 6.1.2 前馈神经网络 6.1.3 神经网络训练 6.2 面向序列数据的神经网络 6.2.1 循环神经网络 RNN 6.2.2 转换器 Transformer 6.2.3 时序卷积神经网络 TCN 6.3 图神经网络 6.3.1 图表示学习 6.3.2 图神经网络的基础原理 6.3.3 图神经网络前沿第四部分第 7 章人工智能的博弈理论 7.1 均衡计算 7.1.1 纳什均衡 7.1.2 纳什均衡的存在性 7.1.3 纳什均衡的计算 7.1.4 纳什均衡的计算复杂性 7.2 人工智能中的合作博弈 7.2.1 合作博弈 7.2.2 合作博弈的表示和算法 7.2.3 合作博弈在多智能体系统中的应用 7.2.4 结论 7.3 公平分配 7.3.1 引言 7.3.2 模型定义 7.3.3 公平性 7.3.4 可分割物品的公平分配 7.3.5 不可分物品的公平分配 7.3.6 其他研究 7.4 适当评分规则（Proper Scoring Rule）7.4.1 适当评分规则的起源 7.4.2 适当评分规则种类 7.4.3 适当评分规则的应用 7.4.4 总结 7.5 社会选择与投票 7.5.1 经典投票规则 7.5.2 社会选择中的经典结论 7.5.3 总结 7.6 重复拍卖 7.6.1 动态定价问题 7.6.2 上下文动态定价问题 7.6.3 重复拍卖中的均衡分析问题 7.6.4 总结 7.7 小结第 8 章量子人工智能 8.1 概述 8.2 量子学习方法介绍 8.2.1 HHL 算法 8.2.2 量子奇异值变换 8.3 量子吉布斯采样 8.2.4 变分量子电路 8.3 量子学习应用场景 8.3.1 传统机器学习问题的量子化 8.3.2 量子无监督学习 8.3.3 量子有监督学习 8.3.4 量子强化学习 8.3.5 量子层析 8.3.6 其它量子学习算法第五部分层谱抽象认知模型人工智能 9.1 信息科学的研究对象 9.2 物理世界对象基本定律（Fundamental Law of Physical Objects）9.3 信息性质/知识的定义 9.4 现实世界对象的物理性质与信息性质 9.5 策略 9.6 信息的模型 9.7 学习的数学实质 9.8 知识是信息在某一个模型下的解释 9.9 抽象 9.10 层谱抽象 9.11 科学范式定律物理对象科学范式定律信息世界的科学范式定律 9.12 个体定律个体定律Ⅰ 个体定律Ⅲ 个体定律Ⅳ 9.13 信息定律信息定律Ⅰ 信息定律Ⅱ 信息定律Ⅲ 9.14 运动定律运动定律Ⅰ 运动定律Ⅱ 运动定律Ⅲ 9.15 竞争定律竞争定律Ⅰ 竞争定律Ⅱ 竞争定律Ⅲ 9.16 认知模型定律认知模型定律 9.17 观察定律观察定律Ⅰ 观察定律Ⅱ 9.18 知识表示定律 9.19 知识定律知识二元律知识三元律知识四元律 9.20 规律的定义 9.21 创造策略 9.22 学习的可解释性原理语法和语义的一致性准则 9.23 自我意识定律自我意识定律Ⅰ 自我意识定律Ⅱ 9.24 系统定律系统定律Ⅰ 系统定律Ⅱ 系统定律Ⅳ 9.25 本章总结第 10 章信息演算理论 10.1 信息系统的数学表示 10.2 一维结构熵 10.3 信息系统的编码树 10.4 在一个层谱抽象策略下的结构熵 10.5 信息系统的结构熵 10.6 结构熵极小化原理 10.7 解码信息 10.8 层谱抽象策略的压缩信息 10.9 压缩/解码原理 10.10 层谱抽象解码原理层谱抽象解码原理 10.11 层谱抽象可定义性 10.12 层谱抽象 10.13 基于结构熵的推理演算 10.14 基于解码信息的推理 10.15 推理的数学理论 10.16 信息生成原理 10.17 解码信息原理 10.18 本章总结第 11 章（观察）学习的数学理论 11.1 先验认知模型 11.2 观察的数学实质 11.3 学习的数学定义 11.4 人的先验分析方法 11.5 学习的主体与客体 11.6 学习的目的、目标 11.7 知识的定义 11.8 规律的定义 11.9 学习过程表示：层谱抽象 11.11 学习的数学模型 11.11 创造策略的理解与实现 11.12 局部观察学习 11.13 全局观察学习 11.14 学习模型中的生成策略与生成原理 11.15 学习模型中的解码策略与解码原理 11.16 知识树 11.17 知识的一致性准则 11.18 知识的度量 11.19 知识演算推理 11.20 学习的极限 11.21 学习的数学理论总结第 12 章自我意识的数学理论 12.1 自我意识体的先验感知模型自我意识体的先验感知定律 12.2 自我意识体的可定义性 12.3 自我意识体五维认知 12.4 自我意识的数学实质 12.5 生命定律生命定律Ⅰ 生命定律Ⅱ 生命定律Ⅲ 12.6 自我意识体的基本性质 12.7 自我意识论断 12.8 领土/领地意识 12.9 自我意识学习 12.10 自我意识体的层谱抽象认知 12.11 自我意识体的认知熵 12.12 自我意识体的认知信息 12.13 自我意识体的内结构熵 12.14 自我意识体的外结构熵 12.15 自我意识体的外解码信息 12.16 自我意识体的层谱抽象感知 12.17 自我意识理论总结第 13 章博弈/谋算理论 13.1 博弈的基本定义 13.2 竞争定律竞争定律Ⅰ 竞争定律Ⅱ 竞争定律Ⅲ 竞争定律Ⅳ 13.3 现实世界博弈的可能结局 13.4 博弈的系统原理 13.5 现实世界博弈的基本规律博弈定律 13.6 孙子模型 13.7 孙子兵法的核心科学思想：谋算 13.8 博弈中的学习 13.9 博弈中的自我意识学习 13.10 力量的系统生成原理 13.11 威胁度量 13.12 必胜策略原理 13.13 博弈策略的信息科学原理 13.14 博弈策略的数理原理 13.15 博弈设计原理谋算=层谱抽象+分而治之 13.16 博弈的收益原理 13.17 博弈系统中玩家的定义 13.18 博弈中学习与自我意识学习的正确性与可解释性 13.19 博弈结局的层谱抽象定义 13.20 博弈获胜的主客观一致性准则 13.21 博弈中的谋算策略 13.22 博弈/谋算理论总结第 14 章人工智能的信息模型 14.1 智能的定义（非形式化）智能定律Ⅰ 智能定律Ⅱ 智能定律Ⅲ 14.2 人类智能模型 14.3 人类智能的信息科学原理 14.4 人工智能的科学原理 14.5 人工智能模型 14.6 智能的数学定义：智能论题智能=信息。第 15 章信息时代科学双引擎与信息时代重大科学问题 15.1 数学中的三个基本问题 15.2 物理中的两个基本问题 15.3 生命科学的三个基本问题 15.4 信息时代的科学双引擎参考文献 1 符号主义人工智能：第 2 章参考文献 2 难解问题的智能算法：第 4 章参考文献 3 神经网络的计算原理：第 6 章参考文献 4 人工智能的博弈理论：第 7 章参考文献 7.1 节参考文献 7.2 节参考文献 7.3 节参考文献 7.4 节参考文献 7.5 节参考文献 7.6 节参考文献 5 量子人工智能：第 8 章参考文献 6 人工智能的信息科学原理：第 1 章、第 9-15 章参考文献