人工智能时代企业管理变革的逻辑与分析框架

人工智能作为社会发展和技术创新的产物,已经成为新一轮科技创新和产业变革的核心驱动力,正在对世界经济、社会进步和人民生活产生极其深刻的影响。人工智能的商业应用会改变企业内部运作和生产经营的过程,为企业管理带来了诸多挑战和变革机遇。本文结合人工智能的特征与发展趋势,从管理对象、管理属性、管理决策和管理伦理四个方面对人工智能时代企业管理变革的逻辑进行了梳理,得出如下推论:第一,人工智能时代,被管理者将出现越来越多的"人工智能员工",以"社会人"为中心的管理理论和管理手段的适用性降低,如何管理"人工智能员工"以及协调人类员工与智能机器人的关系将对管理者提出挑战;第二,人工智能时代,管理属性不仅包括管理理论的科学性、管理实践的艺术性,还包括管理过程的技术性;第三,人工智能时代,将出现一批优秀的技术管理者,此时,技术管理者指的不是管理技术的人,而是掌握智能技术的管理者;第四,人工智能时代,管理者的决策环境得到优化,管理活动中的决策准则将由"满意决策"过渡为"最优决策";第五,人工智能时代,管理手段的智能化发展可能会加剧管理效率和管理伦理的冲突,管理者必须提升管理道德,经营过程中强化社会责任的履行;第六,随着人工智能技术发展,政府、社会团体和行业协会有必要从政策、法律与行业标准等多个方面构建人工智能发展伦理的多层次约束机制。     

人工智能背景下医疗法律责任的现实困境与完善路径

医疗人工智能利用深度学习和计算机算法等现代化技术，实现辅助诊疗、医学影像、药物发掘、健康诊疗等功能，是人工智能应用最具前景的领域之一。随着人工智能技术发展，具备自主思维和决策能力的智能机器人医生等人工智能将对现有的医疗法律责任制度带来颠覆性影响。在人工智能背景下，医疗人工智能是否具有独立法律主体地位、传统的医疗过错责任归责能否适用、因果关系如何认定等成为现代民事法律责任制度的严峻挑战，也成为实践中的必答之问。因此，在借鉴欧美人工智能领域的探索经验的基础上，在当前阶段通过修正和完善我国民事法律责任制度，提出针对不同的人工智能侵权情形适用差别化归责原则，并尝试建立人工智能强制保险或储备金制度，设置人工智能监管机构及行业标准，以实现既保障患者合法公平权益，又鼓励人工智能技术有效发展之间的平衡。     

人工智能辅助地方立法的应用与规制

我国地方立法权随着2015年《立法法》的修改扩至所有设区的市，随之掀起地方立法热潮。但目前地方立法的质量普遍不高，存在诸多问题，人工智能技术的应用能为地方立法开辟新路径。基于互联网及大数据的人工智能，能被应用于资料检索、立项论证、立法公开与意见征集、辅助草案起草、立法后评估与备案审查。与此同时，当人工智能被应用于地方立法工作时，需要确立“辅助原则”，规范人工智能地方立法程序的选用标准，限制人工智能地方立法程序的算法，以此来规制人工智能带来的不利影响。     

模糊技术在高校教学评估中的研究

研究了高校教学评估中知识的模糊关系及权重问题,讨论在有关模糊隶属函数计算方法的基础上,将模糊技术应用在教学评估中,为教学评估的研究提供一条新的途径。     

论老建筑再生与城市空间品质的塑造

通过老建筑再生对于城市的价值意义的研究以及对城市与老建筑关系的分析，从多个角度阐述由老建筑再生所带来的城市意象、城市肌理、场所精神、城市色彩、城市风貌等要素的变化及其促进城市空间品质的提高，并结合国内外案例对这一观点行论证。     

试论制约人工智能发展的逻辑问题

基于目前阻碍人工智能发展的各种因素 ,提出了人工智能发展中的逻辑问题 :非确定性推理、形象思维和常识问题。指出这些逻辑问题是制约人工智能发展的瓶颈。从理论上对这些问题进行了分析和探讨     

隐喻的语篇性分析

隐喻是人类认知思维的语言表现。隐喻是话语现象。其语篇性表现为衔接与连贯、信息性、目的性等因素。衔接与连贯是语篇的基础；隐喻的信息性蕴涵其目的性，同时受到目的性的影响；目的性实现语篇的真实意图。     

当代科学技术革命对马克思主义哲学的证实和发展

近半个世纪以来,现代科学沿着辩证综合的方向取得突飞猛进的发展,以信息论论证物质统一性的原理及人工智能对辩证唯物主义意识论与认识论充实与深化的内容,论证当代科学技术对马克思主义哲学的证实与发展。     

数字化和人工智能对刑事责任的扩散

数字化和人工智能在很大程度上作用于刑法中的罪责并改变了个人责任的基本概念。对于人类与机器人和人工智能系统之间的合作,要在个案中详细地审查：机器如何参与决定的作出,人类的行为空间如何发挥作用,以及个人的罪责是否被阻却或至少被极大地减轻。完全或在部分范围内让机器作出决定,会对罪责概念以及进一步对刑事责任产生许多问题,包括过失犯的预见可能性、客观归责、不当行为的可证明性等。在刑法上进行新的调整可能是有必要的,这涉及罪责、可归责性、可证明性和量刑,同时必须寻找刑法以外的其他解决方案,以持续防止数字化和人工智能系统对刑事责任的扩散。     

基于两阶段优化算法的神经网络预测模型

采用基于两阶段优化算法(multi-stage optimization approach,MSOA)的GA人工神经网络,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构.针对复杂系统建模输入节点难以确定的问题,提出将其与自组织数据挖掘算法相结合,利用GMDH算法获得神经网络的初始化节点,使用训练好的神经网络模型进行预测.将由此建立的预测模型应用于粮食价格的预测,并进一步探讨了MSOA算法的收敛性问题.结果表明基于GMDH和MSOA的神经网络组合预测模型能较大提高神经网络的全局收敛能力和收敛速度,提高预测精度.