人工智能的发展概况及其在人力资源领域的应用浅析Word文档下载推荐.docx
- 文档编号:8248672
- 上传时间:2023-05-10
- 格式:DOCX
- 页数:7
- 大小:30.68KB
人工智能的发展概况及其在人力资源领域的应用浅析Word文档下载推荐.docx
《人工智能的发展概况及其在人力资源领域的应用浅析Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《人工智能的发展概况及其在人力资源领域的应用浅析Word文档下载推荐.docx(7页珍藏版)》请在冰点文库上搜索。
在图灵(AlanTuring)所著的《计算机器与智能》中,讨论了人类智能机械化的可能性并提出了图灵机的理论模型,为现代计算机的出现奠定了理论基础;
与此同时,该文中还提出了著名的图灵准则,现已成为人工智能研究领域中最重要的智能机标准。
同一时期,WarrenMeCulloeli和WalterPitts发表了《神经活动内在概念的逻辑演算》,该文证明了一定类型的、可严格定义的神经网络,原则上是能够计算一定类型的逻辑函数的,开创了当前人工智能研究的两大类别:
符号论和联结论。
自1963年后,人们开始尝试使用自然语言通讯,这标志着人工智能的又一次飞跃,如何让计算机理解自然语言、自动回答问题、分析图像或图形等便成为AI研究所追求的重要目标,由此AI的研究进入了第二阶段。
70年代,在对人类专家的科学推理进行了大量探索后,一批具有专家水平的程序系统相继问世。
知识专家系统在全世界得到了迅速发展,它的应用范围延伸到了人类各个领域,并产生了巨大的经济效益。
80年代,AI进入以知识为中心的发展的阶段,越来越多的人认识到知识在模拟智能中的重要性,围绕知识表示、推理、机器学习,以及结合问题领域知识的新认知模拟进行了更加深入的探索。
目前,人工智能技术正在向大型分布式人工智能及多专家协同系统、并行推理、多种专家系统开发工具,以及大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。
3人工智能的研究与应用
3.1问题求解
问题求解,即解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。
能够求解难题的下棋(如国际象棋)程序的出现,是人工智能发展的一大成就。
在下棋程序中应用的推理,如向前看几步,把困难的问题分成一些较容易的子问题等技术,逐渐发展成为搜索和问题归约这类人工智能的基本技术。
搜索策略可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索,它决定着问题求解的推理步骤中,使用知识的优先关系。
另一种问题的求解程序,是把各种数学公式符号汇编在一起,其性能已达到非常高的水平,并正在被许多科学家和工程师所应用,甚至有些程序还能够用经验来改善其性能。
例如,1993年美国发布的一个叫做MACSYMA的软件,它能够进行较复杂的数学公式符号运算。
如前所述,尚未解决的问题包括人类棋手具有的表达的能力,如国际象棋大师们洞察棋局的能力;
另一个未解决的问题涉及问题的原概念,在人工智能中叫做问题表示的选择。
人们常常能够找到某种思考问题的方法从而使求解变得容易而最终解决该问题。
3.2专家系统
专家系统ES(ExpertSystem)是人工智能研究领域中另一重要分支,它将探讨一般的思维方法转入到运用专门知识求解专门问题,实现了人工智能从理论研究向实际应用的重大突破;
专家系统可看作一类具有专门知识的计算机智能程序系统,它能运用特定领域中专家提供的专门知识和经验,并采用人工智能中的推理技术来求解和模拟通常由专家才能解决的各种复杂问题。
总的来说,专家系统是一种具有智能的软件,它求解方法是一种启发式方法,专家系统所要解决的问题一般无算法解,并且与传统的计算机程序上不同之处在于,它要经常在不完全、不精确或不确定的信息基础上做出结论。
在近年来的专家系统或“知识工程”的研究中,已经出现了成功和有效应用人工智能技术的趋势,具有有代表性的是用户与专家系统进行“咨询对话”,如同其与专家面对面的进行对话是一样的:
解释问题并建议进行某些试验,向专家系统询问以期得到有关解答等。
当前的实验系统,在比如化学和地质数据分析、计算机系统结构、建筑工程以及医疗诊断等咨询任务方面,已达到很高的水平。
另外,还有很多研究主要是集中在让专家系统能够说明推理的能力,从而使咨询更好地被用户接受,同时还能帮助人类发现系统推理过程中所出现的差错。
发展专家系统的关键在于表达和运用专家知识,即来自人类专家的且已被证明能够解决某领域内的典型问题的有用的事实和过程。
不同领域与不同类型的专家系统,它们的体系结构和功能是有一定的差异的,但它们的组成基本一致。
一个基本的专家系统主要由知识库、数据库、推理机、解释机制、知识获取和用户界面六部分组成,如图1所示。
图1专家系统的基本结构
3.3机器学习
机器学习(MachineLearning)是研究如何使用计算机模拟或实现人类的学习活动。
它是继专家系统之后人工智能的又一重要应用领域,是使计算机具有智能的根本途径,也是人工智能研究的核心课题之一,它的应用遍及人工智能的各个领域。
学习是人类智能的重要特征,是获得知识的基本手段,而机器学习也是使计算机具有智能的根本途径,如香克所说“:
一台计算机若不会学习,就不能称为具有智能的。
”除此之外,机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。
学习是一个有特定目的的知识获取过程,它的内部主要表现为新知识结构的不断建立和修改,外部表现为性能的改善。
一个学习过程本质上讲,就是学习系统把导师(或专家)提供的信息转换成能被系统理解并应用的形式的过程。
按照系统对导师的依赖程度可将学习方法分类为:
机械式学习(Rotelearning)、讲授式学习(Learningfrominstruction)、类比学习(Learningbyanalogy)、归纳学习(Learningfrominduction)、观察发现式学习(learningbyobservationanddiscovery)等。
此外,近年来又发展了基于解释、事例、概念、神经网络的学习和遗传学习等学习方法。
3.4神经网络
人工神经网络(AficialNeuralNetwork),是由大量处理单元即神经元互连而成的网络,也常简称为神经网络或类神经网络。
神经网络是一种由大量的节点(或称神经元)和之间相互联接构成的运算模型,是对人脑或自然神经网络一些基本特性的抽象和模拟,其目的在于模拟大脑的某些机理与机制,从而实现某些方面的功能。
通俗地讲,人工神经网络是仿真研究生物神经网络的结果。
详细地说,人工神经网络是为获得某个特定问题的解,根据所掌握的生物神经网络机理,按照控制工程的思路及数学描述方法,建立相应的数学模型并采用适当的算法,而有针对性地确定数学模型参数的技术。
神经网络的信息处理是由神经元之间的相互作用实现的:
知识与信息的存贮主要表现为网络元件互连间分布式的物理联系。
人工神经网络具有很强的自学习能力,它可以不依赖于“专家”的头脑,而自动从已有的实验数据中总结规律。
由此,人工神经网络擅长于处理复杂多维的非线性问题,不但可以解决定性问题,也可解决定量的问题,同时还具有大规模并行处理和分布的信息存储能力,具有良好的自适应、自组织性以及很强的学习、联想、容错和较好的可靠性。
3.5模式识别
计算机人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式。
其主要的研究对象是计算机模式识别系统,也就是让计算机系统能够模拟人类通过感觉器官对外界产生的各种感知能力。
较早的模式识别研究工作集中在对文字和二维图像的识别方面,并取得了不少成果。
自20世纪60年代中期起,机器视觉方面的研究工作开始转向解释和描述复杂的三维景物这一更困难的课题。
罗伯斯特(Robest)于1965年发表的论文奠定了分析由棱柱体组成的景物的方向,迈出了用计算机将三维图像解释成三维景物的一个单眼视图的第一步,即所谓的积木世界。
接着,机器识别由积木世界进入识别更复杂的景物和在复杂环境中寻找目标以及室外景物分析等方面的研究。
目前研究的热点是活动目标(如飞行器)的识别和分析,它是景物分析走向实用化研究的一个标志。
语音识别技术的研究始于20世纪50年代初期,发展到20世纪70年代,各种语音识别装置相继出现,性能良好的能够识别单词的声音识别系统已进入实用阶段,神经网络用于语音识别也已取得成功。
作为一门新兴学科,模式识别在不断发展,其理论基础和研究范围也在不断发展。
当前模式识别正处于大发展的阶段,随着其应用范围的逐渐扩大及计算机科学的发展,模式识别技术将在今后有更大的发展,并且量子计算技术也将用于模式识别的研究。
3.6人工生命
人工生命(ArtificialLife,简称AL)是由美国圣菲研究所非线性研究组的计算机科学家ChristopherLangton于1987年
与LosAlamosNationalLaboratory召开的“生成以及模拟生命系统的国际会议”上首先提出的。
它主要是通过人工模拟生命系统来研究生命的领域。
AL的概念主要包括两方面内容:
1)计算机科学领域的虚拟生命系统,主要涉及计算机软件工程和人工智能技术;
2)基因工程技术人工改造生物的工程生物系统,主要涉及合成生物学技术。
相比于传统的人工智能和神经网络,人工生命不论在理论上还是方法上都有很大的区别。
人工生命主要是通过计算机仿真生命现象来体现自适应机理,对相关非线性对象进行更真实的动态描述以及动态特征研究。
人工生命学科主要包括仿生系统、人工建模与仿真、人工生命的计算理论、进化动力学、进化与学习综合系统以及人工生命的应用等研究内容。
现阶段比较典型的人工生命研究有:
计算机病毒、计算机进程、进化机器人、自催化网络、细胞自动机、人工核苷酸和人工脑等。
3.7智能决策支持系统
决策支持系统是属于管理科学的范畴,它与“知识-智能”有着极其密切的关系。
自20世纪80年代以来专家系统在许多方面取得成功,将人工智能中特别是智能和知识处理技术应用于决策支持系统,扩大了决策支持系统的应用范围,提高了系统解决问题的能力,这就成为智能决策支持系统。
4人工智能在人力资源中的应用实例
4.1基于AI的HRMIS程序设计与应用
程序开发方法在很大程度上影响着HRMIS的开发与应用效果,本文选择了一种基于AI的“过程蓝图语言”进行程序开发。
过程蓝图语言是在问题分析图(PAD)、JamesMartin的活动图、结构化语言、UML动作语言、程序设计语言PDL)、朱耀汉的软件蓝图设计语言以及在多种现代文本编程语言基础上演化和发展起来的一种新的可视化程序过程建模语言,它不是单独的某种语言和方法的演化结果,而是所有这些语言和方法相融合的产物。
在设计过程蓝图时,构造了概念、逻辑和实现三层视图,并将它与JAVA,C++,VB(VisualBasic),VFP(VisualFoxPro),PAS-CAL这五种流行编程语言联系和统一在一起,形成一个完整的过程蓝图语言构成体系,它是一种具有三层外部视图和统一结果的可视化行为过程分析,详细设计和构造的建模语言。
过程蓝图设计方法以一个控制中心、增量迭代的规范开发过程来支持自上向下、逐步求精的结构化开发方法,实现了过程开发各个阶段的平滑过渡和无缝连接性。
图1为过程蓝图语言构成体系。
图1过程蓝图语言构成体系
4.2基于AI的HRMIS人机界面设计与应用
人机界面是人与系统连接的中间纽带,它应将用户与数据库、方法库、模型库与知识库等进行有机结合。
HRMIS人机界面需实现的功能应包括五点,一是产生输入/输出,决策者能够正确的输入数据和有关参数,系统能正确的输出系统运行的结果给决策者;
二是提供HRMIS的控制机制,允许决策者控制HRMIS运行,控制数据库和模型库的工作;
三是随着环境和需求的变化,界面应能容易扩充和完整;
四是向决策者提供多种形式的交互形式;
五是显示反馈、帮助、提示功能。
IDSS作为DSS与AI相结合的产物,IDSS系统的基本构件为数据库、模型库、方法库、人机接口及智能部件,由这些基本构件可组成四库结构和融合结构两种系统结构。
IDSS可以为决策者提供决策所需的数据、信息和背景材料,帮助明确决策目标和进行问题的识别,建立或修改决策模型,提供各种备选方案,并对各种方案进行评价和选优,通过对人机交互功能进行分析、比较和判断,为正确、有效的决策提供必要支持。
4.3IDSS在HRMIS模块设计中的应用
基于AI的HRMIS结构如图2所示。
图2基于AI的HRMIS结构
4.3.1人力资源计划模块
在人力资源计划设计中,首先需运用数据挖掘、知识发现(KDD)等技术,调用现有内外部消息,通过对这些信息的汇总分析得到现有组织中人力资源状况的合理性,并据此对企业未来的人力资源管理做出预测及适当评估与调整,这就需要由IDSS系统的统计功能及对自身某些数据的修改功能来实现,最终为决策者提供一份包括各种所需信息的报告。
4.3.2工作分析模块
IDSS系统可在全面考虑人力资源管理面临的各种问题的基础上,通过工作分析模块明确员工职责,可有效避免人力资源和物质资源的浪费与重复建设。
如百分比和百分比分布、集中趋势分析、离散程度分析、关系分析、重叠统计方法,这五种基本的描述性统计方法只需程序化后,便可在IDSS系统中发挥作用了。
对于现有工作分析结果,只需系统输出模型库现存的模型,而系统中没有的职位分析,则需专家系统借助人机交互部件获取信息进行相应的数据库、知识库及模型库分析。
4.3.3员工招聘与配置模块
我们可根据上两个模块的分析结果进行员工招聘与配置,并进行成本预算。
该模块中,数据库管理最为重要,需要运用数据仓库进行各种传统数据的清理、抽取与转换,并根据相应的决策主题进行重新组织。
数据仓库的物理结构一般采用星型结构的关系数据库,运用OLAP联机分析处理,从不同角度提取有关数据。
OLAP技术可根据一定的规则,实现系统数据库的随时修改更新,并结合招聘结果,由系统根据事先规定的标准对应聘人员进行确定,配置相适宜的职位与薪酬。
4.3.4绩效考核模块
绩效考评主要包括工作表现与工作业绩考核两种方式,IDSS系统可利用现有较成熟的科学考评方法,如360度绩效考评方法等。
组织相关专家对可行的考评方法进行程序化处理,便可实现计算机处理过程,如卡特尔16因素个性问卷、艾森克个性问卷等已经存在现成软件,只需将其移植到IDSS系统便可。
4.3.5人力资源薪酬模块
薪酬是员工从事劳动的物质报酬,具有保障和激励双重作用。
由于现代企业竞争的加剧及员工素质的不断提升,基本工资、奖金等这类薪酬对员工的激励效果在逐步减弱,而福利(包括保险、红利等)则更受员工关注。
因此,要想吸引和留住员工,IDSS系统就要根据上述人力资源计划、工作分析、职位配置及绩效考核等结合形成一个公平的薪酬评价体系,具体的薪酬管理数据流程如图3所示。
图3薪酬管理数据流程图
5结束语
人工智能(AI)技术目前已经在电力、教育及商业、医疗等多个领域发挥了重要作用,但在人力资源管理中的应用研究还相对较少。
本文主要以IDSS系统的应用为例,对HRMIS程序设计、人机交互界面及具体功能模块设计进行研究,在信息网络和知识经济时代,人工智能技术正受到越来越广泛的重视,必将为推动科技进步和产业的发展发挥更大的作用。
参考文献
[1]李东,李翠玲.人工智能发展概述和应用.2006年
[2]张妮,徐文尚,王文文.人工智能技术发展及应用研究综述.2009年.
[3]李德毅.网络时代人工智能研究与发展.2009年.
[4]张凯斐.人工智能的应用领域及其未来展望.2010年.
[5]龙彦君.人工智能(AI)技术在人力资源管理信息系统的应用.2016年.
[6]黄爱兰.“E+”时代企业战略人力资源管理新模式.2016年.
[7]李敏.论人工智能产业化与人力资本的关系.1998年.
[8]熊立文.人工智能、哲学与逻辑.2003年.
[9]张威.人工智能对会计行业人力资源的影响.2016年.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 发展 概况 及其 人力资源 领域 应用 浅析