當(dāng)前人工智能在不確定性、脆弱性和開放性實(shí)際應(yīng)用環(huán)境中面臨重大挑戰(zhàn)，任何程度的機(jī)器智能都無法完全取代人類.一種新的學(xué)習(xí)范——“知識引導(dǎo)+數(shù)據(jù)驅(qū)動”的人機(jī)混合增強(qiáng)智能的新模式應(yīng)運(yùn)而生，基本思路是：綜合人類在記憶、常識、直覺、推理、歸納、演繹等高階認(rèn)知方面的優(yōu)勢和機(jī)器在存儲、計(jì)算、特征識別、搜索、優(yōu)化等方面的認(rèn)知計(jì)算優(yōu)勢，將人類推理和隨機(jī)決策方面的能力引入到機(jī)器高效的計(jì)算過程中，實(shí)現(xiàn)人在回路的混合增強(qiáng)智能.

《計(jì)算機(jī)研究與發(fā)展》推出了人機(jī)混合增強(qiáng)智能的典型應(yīng)用專題，以促進(jìn)該方向創(chuàng)新研究與發(fā)展.本期專題得到同行的廣泛關(guān)注，通過公開征文收到19篇高質(zhì)量投稿稿件，這些論文闡述了人機(jī)混合增強(qiáng)智能的重要研究成果和發(fā)展前景.特邀編委先后邀請了十余位相關(guān)領(lǐng)域的專家參與評審，歷經(jīng)初審、復(fù)審、終審等階段，最終遴選出4篇高質(zhì)量的論文入選本專題.內(nèi)容涵蓋了主動學(xué)習(xí)、排序?qū)W習(xí)、表示學(xué)習(xí)等關(guān)鍵技術(shù)，在一定程度上反映了當(dāng)前國內(nèi)學(xué)者在腦機(jī)接口、網(wǎng)絡(luò)輿情演化趨勢評估、知識圖譜搜索與問答等方面的典型應(yīng)用.

基于運(yùn)動想象的腦機(jī)接口技術(shù)能夠建立大腦與外界之間的聯(lián)系,逐漸成為人機(jī)混合增強(qiáng)智能的重要應(yīng)用,并廣泛應(yīng)用于醫(yī)學(xué)康復(fù)治療等領(lǐng)域.賈子鈺等作者的 “基于多尺度特征提取與擠壓激勵模型的運(yùn)動想象分類方法”一文提出一種多尺度特征提取與擠壓激勵模型對運(yùn)動想象腦電信號進(jìn)行高精度分類.首先,基于多尺度卷積模塊自動提取原始腦電信號的時域、頻域和時頻域特征;然后,使用殘差模塊和擠壓激勵模塊分別進(jìn)行特征的融合和選擇;最后,利用全連接網(wǎng)絡(luò)層進(jìn)行運(yùn)動想象腦電信號的分類.

社交網(wǎng)絡(luò)中的輿情事件關(guān)乎社會的和諧與穩(wěn)定,分析事件的演化趨勢并進(jìn)行管控能夠有效降低惡性輿情事件的影響.但是,高效的輿情管控卻面臨標(biāo)注數(shù)據(jù)少、管控資源有限的難題,采用人機(jī)混合增強(qiáng)技術(shù),充分利用少量標(biāo)注樣本中的專家知識,是建立輿情演化態(tài)勢評估模型的可行思路之一.秦濤等作者的“基于排序?qū)W習(xí)的網(wǎng)絡(luò)輿情演化趨勢評估方法研究”一文提出一種基于排序?qū)W習(xí)的輿情事件演化趨勢重要性評估算法,在模型訓(xùn)練過程中,充分利用標(biāo)注數(shù)據(jù)中的專家知識以及有標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù)的關(guān)聯(lián)關(guān)系,篩選重要輿情事件進(jìn)行管控,提升管控資源利用效能.首先,結(jié)合輿情管控經(jīng)驗(yàn)和需求從“人”“事”“勢”等三要素出發(fā),構(gòu)建易獲取、可量化、有含義的輿情事件演化態(tài)勢評估指標(biāo)體系;其次,基于圖卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建輿情演化趨勢評估模型,利用局部敏感 Hash算法挖掘數(shù)據(jù)的空間結(jié)構(gòu)信息,并利用圖卷積求取數(shù)據(jù)及其鄰域的混合特征;最后,針對有標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù)設(shè)計(jì)相應(yīng)的損失函數(shù),實(shí)現(xiàn)標(biāo)注數(shù)據(jù)中專家知識和無標(biāo)注數(shù)據(jù)中空間結(jié)構(gòu)信息的綜合利用.

在知識圖譜進(jìn)行有效的搜索可以為智能問答、語義檢索等智能應(yīng)用提供有效支撐.然而,當(dāng)用戶不能給出明確的查詢意圖時,一個搜索系統(tǒng)要如何精準(zhǔn)捕獲用戶的興趣并找到對應(yīng)的查詢目標(biāo)是項(xiàng)難題.王萌等作者的“人機(jī)混合的知識圖譜主動搜索”一文在知識圖譜表示學(xué)習(xí)技術(shù)的基礎(chǔ)上, 將知識圖譜的搜索任務(wù)建模成向量空間中人機(jī)混合的主動搜索任務(wù).首先,將知識圖譜和用戶的興趣偏好嵌入到同一低維向量空間.然后,機(jī)器主動向用戶提問,通過讓用戶對具體實(shí)體進(jìn)行打分的方式獲取相應(yīng)的反饋信息,進(jìn)而更新用戶偏好在向量空間中的定位.

知識圖譜中不僅有結(jié)構(gòu)信息，還包含有豐富的上下文信息和文本信息,也可被用于學(xué)習(xí)更準(zhǔn)確的嵌入表示.姚思雨等作者的“規(guī)則引導(dǎo)的知識圖譜聯(lián)合嵌入方法”一文提出了一種規(guī)則引導(dǎo)的知識圖譜聯(lián)合嵌入學(xué)習(xí)模型,基于圖卷積網(wǎng)絡(luò)將上下文信息與文本信息融合到實(shí)體與關(guān)系的嵌入表示中.針對上下文信息的卷積編碼,通過計(jì)算單條上下文信息的置信度與關(guān)聯(lián)度來度量其重要程度.

承蒙各位作者、審稿專家、編輯部各方面的全力支持，本專題得以順利出版.在審稿過程中難免出現(xiàn)不盡人意之處，希望各位作者和讀者包容諒解，同時也請各位同行不吝批評指正.期望本專題的出版能給廣大相關(guān)領(lǐng)域研究人員帶來啟發(fā)和幫助.