软件需求工程，如何应对智能化和人工智能新技术带来的新挑战
CCF会员、软工专委执行委员、形式化方法专委委员，华东师范大学软件工程学院，主要研究方向为基于环境建模的需求工程、需求形式化与验证以及IoT最终用户编程。主持并参与多项国家自然科学基金、重点研发、863、973项目及省部级项目，主要工作包括基于环境建模的功能需求建模、基于环境模型的安全需求形式化建模与验证、基于投影的问题自动分解、基于因果关系的约简与基于用户意图的IoT最终用户编程、智能系统的需求确认等，在国内外知名期刊、会议发表论文50余篇。
报告题目：从TAP规则自动生成最终用户编程的体验型原型：一种基于知识的方法
随着物联网技术的快速发展，IoT使能的系统需求呈现个性化特征。此类系统常采用最终用户编程范式，使用TAP（触发-动作编程）规则描述他们的需求。然而，TAP规则极易出错，最终用户不知道它们的实际效果，希望在部署之前进行确认。据我们所知，最终用户编程的需求确认还没有得到太多关注。我将报告一种基于知识的从TAP规则自动生成体验型原型的方法，生成的动画形式原型，可以使最终用户有身临其境的感觉，由此确定他们的意图是否满足。
面对人工智能的挑战，HR们如何应对呢
原标题：面对人工智能的挑战，HR们如何应对呢？HR会被人工智能取代吗？
现在很多工作都会被人工智能取代，又正因如此，人类反而更有空间发挥我们的人文、文化、艺术、美。人工智能是非常理智的，记忆力非常好，但他们真的不懂什么是美，什么是幽默，它不懂为什么毕卡索是伟大的艺术家，它也不懂为什么周杰伦是一个非常好的音乐家。所以，人工智能或许会让一些行业永久消失，却是人类文明的一大进步。它解放了人类的创造力。
人工智能最先代替的或许是HR工作中最被嫌弃的苦差事，那些低效率的统计、核算和筛选的工作，这也正式机器所擅长的领域。人类当然也有我们的擅长，我们的沟通、组织、鼓舞和领导力是机器无法做到的。具备这些能力的HR，在企业会承担更大的责任，扮演更重要的角色。
“创造力”就是在告诉你，必须要从这些基础的事务性工作中走出来。
HR们该如何应对呢？
充分熟悉和了解业务
站在业务的角度去做HR才会更加有的放矢。人力资源的大部分工作都是和业务有紧密联系的，仅仅是多和业务部门沟通还是不够的，要真正融入到业务中，了解业务的流程、公司的产品。
站在老板角度的做HR
一个优秀的CEO应该是一个好HR，反过来，一个优秀的HR也一定要向老板的战略眼光和高度靠拢。应该参与到公司的组织管理中来，这要求HR对公司，对组织能力有深入的思考。
做一个有人格魅力，原则性与灵活性并行的HR
《在云端》这部电影，其实就讲述了一名裁员专家在遇到下属开发的裁员系统挑战时，从容应对，用自己的专业知识与人文关怀精神保住饭碗和尊严的故事。这个故事说明：只要有人的地方存在，只要人有被“管理”的需要，HR一定不会失业，因为机器是冰冷的不懂人性。面对劳资纠纷，机器人能给你列出各项法律规章制度条款，但却不能来一场有温度和个性化的面谈。
做好自己的职业生涯规划
人力资源管理的前景其实是非常广阔的，职业生涯的道路也是很宽的，但要早做准备。不管是从内部还是外部发展，都需要HR快速的学习，并敢于实践。还要未雨绸缪，提前积累。
倘若你不去改变，就只能被社会淘汰，然后失业。所以HR不仅要低头拉车，也别忘了抬头看路。
不管科技的发展如何惊人，只要我们跟上步伐，保持学习之心，学会借助已有技术提高水平，你就永远不会出现在被淘汰的队伍里。为了迎上AI的潮流，不仅需要HR快速学习，敢于实践，还要未雨绸缪，提前积累。返回搜狐，查看更多
责任编辑：人工智能技术的发展趋势及挑战
人工智能作为一项具有代表性的颠覆性技术，逐渐改变着我们的生活方式。接下来我会从几个方面来介绍一下我对人工智能发展的看法，包含什么是人工智能，人工智能的发展，人工智能所面对的挑战等内容。
什么是人工智能。
人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”即由人设计，为人创造、制造。
而关于什么是“智能”，较有争议性。这涉及到其它诸如意识、自我、心灵，包括无意识的精神等等问题。人们唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能必要元素的了解也很有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
有上述定义所得，人工智能本质就是算法，是一类可以自己学习的算法。
接下来说人工智能的发展。
1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点同年，“计算机之父”阿兰·图灵提出设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。
1956年，计算机专家约翰·麦卡锡提出“人工智能”一词。这被人们看做是人工智能正式诞生的标志。麦卡锡与明斯基两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。
50年代，人工智能迎来高峰期。计算机被广泛应用于数学和自然语言领域，这让很多学者对面机器发展成人工智能充满希望。
70年代，人工智能进入低谷期。科研人员低估了人工智能的难度，美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景望而兴叹。主要技术瓶颈：计算机性能不足；处理复杂问题的能力不足；数据量严重缺失。
80年代，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。它具有完整专业知识和经验的计算机智能系统。在1986年之前能为公司每年节省下来超过四千美元经费。
1987年，苹果和IBM公司生产的台式机性超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。80年代末，美国国防先进研究项目局高层认为人工智能并不是“下一个浪潮”。至此，人工智能再一次成为浩瀚太平洋中那一抹夕阳红。
1997年，IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫；2009年，螺丝联邦理工学院发起的蓝脑计划，生成已经成功模拟了部分鼠脑；以及2016年谷歌AlphaGO战胜韩国李世石。
回顾了人工智能60余年的发展历程，科研技术人员不断突破阻碍，让我们可以看到今天人工智能所取得的辉煌成果。随着人工智能的不断发展，科学界对人工智能的看法也渐渐分成两种——悲观学派和乐观学派。
悲观学派的代表是天文物理学家史蒂芬·霍金(StephenHawking)，以及特斯拉首席执行官伊隆·马斯克(ElonMusk)。霍金认为AI对人类将来有很大的威胁，主要有以下理由：
AI会遵循科技发展的加速度理论AI可能会有自我改造创新的能力AI进步的速度远远超过人类人类会有被灭绝的危机存在乐观学派主要是Google、Facebook等AI的主要技术发展者，他们对AI持乐观看法的理由：
人类只要关掉电源就能除掉AI机器人任何的科技都会有瓶颈，“摩尔定律”到目前也遇到相当的瓶颈，AI科技也不会无限成长，依然存在许多难以克服的瓶颈。依目前的研究方向，电脑无法突变、苏醒、产生自我意志，AI也不可能具有创意与智能、同情心与审美等这方面的能力。这两种学说各有各的道理，目前很难判断那种学派是正确的。就目前的弱人工智能来说，乐观派或许是对的。但我们很难保证之后的强人工智能不会对我们的生存产生威胁。
《新一代人工智能治理原则——发展负责任的人工智能》是为促进新一代人工智能健康发展，更好协调发展与治理的关系，确保人工智能安全可靠可控，推动经济、社会及生态可持续发展，共建人类命运共同体，人工智能发展相关各方应遵循的原则。由国家新一代人工智能治理专业委员会于2019年6月17日印发实施。这份文检里明确指出了人工智能的发展应遵循的原则：和谐友好，公平公正，包容共享，尊重隐私，安全可控，共担责任，开放协作，敏捷治理。文件的主题还是“负责任”，如薛澜所说：“比如我们提出的‘和谐友好’等原则，强调无论是人工智能提供的产品还是服务，都应该是负责任的、全面的，应以增进人类共同福祉为目标，应该符合人类的价值观和伦理道德，避免误用，禁止滥用、恶用。”负责任就是以人为本，一切以服务人类为主。目前还处于弱人工智能阶段，主要需要被约束的还计算机工程师。计算机工程师要负起自己的责任，确保人工智能安全可控可靠，规避风险隐患，做到为人服务，不侵犯用户的权益和隐私。
“考虑到人工智能发展的高度复杂性和不确定性，要按照渐进性的思路推进人工智能的治理。”薛澜表示，《治理原则》是一份框架性文件，对人工智能健康发展主要发挥宏观引导作用，今后还将根据形势的变化和需要，不断进行充实和调整。在薛澜看来，人工智能的发展过程中也面临着一些基础性的工作，立法就是其中之一。“我们发布的《治理原则》，也为今后的立法工作提供了重要基础。”他认为，人工智能发展非常快，而立法的周期较长，因此也很难只用法律框架来支撑人工智能的发展，“这就需要相关的原则准则、行业规范，包括从业者的自律，来协同推进其健康发展。”
防范风险隐患，发扬科技之善，人工智能发展迅速，它只会不断渗透进我们生活，计算机工程师要从八项原则出发，规范自己的道德标准，遵守法律法规，做好应对人工智能“觉醒”的准备，以人为本的发展人工智能，让人工智能为人民服务，才能更好地，健康地发展人工智能。
人工智能未来的挑战
所谓的人工智能在更大程度上都是在模拟人的感觉和思维，让一种更像人的思维机器能够诞生。著名的图灵测试，也是在是否能够像人一样思考的标准上进行的。图灵测试的目的，仍然在检验人工智能是否更像人类。但是，问题在于，机器思维在作出自己的判断时，是否需要人的思维这个中介？也就是说，机器是否需要先绕一个弯路，即将自己的思维装扮得像一个人类，再去作出判断？显然，对于人工智能来说，答案是否定的，因为如果人工智能是用来解决某些实际问题，它们根本不需要让自己经过人类思维这个中介，再去思考和解决问题。人类的思维具有一定的定势和短板，强制性地模拟人类大脑思维的方式，并不是人工智能发展的良好选择。
所以，人工智能的发展走向了另一个方向，即智能增强（简称IA）上。如果模拟真实的人的大脑和思维的方向不再重要，那么，人工智能是否能发展出一种纯粹机器的学习和思维方式？倘若机器能够思维，是否能以机器本身的方式来进行。这就出现了机器学习的概念。机器学习的概念，实际上已经成为发展出属于机器本身的学习方式，通过海量的信息和数据收集，让机器从这些信息中提出自己的抽象观念，这个时候，很难说机器自己抽象出来的猫的概念，与人类自己理解的猫的概念之间是否存在着差别。不过，最关键的是，一旦机器提炼出属于自己的概念和观念之后，这些抽象的概念和观念将会成为机器自身的思考方式的基础，这些机器自己抽象出来的概念就会形成一种不依赖于人的思考模式网络。当我们讨论打败李世石的阿尔法狗时，我们已经看到了这种机器式思维的凌厉之处，这种机器学习的思维已经让通常意义上的围棋定势丧失了威力，从而让习惯于人类思维的棋手瞬间崩溃。一个不再像人一样思维的机器，或许对于人类来说，会带来更大的恐慌。毕竟，模拟人类大脑和思维的人工智能，尚具有一定的可控性，但基于机器思维的人工智能，我们显然不能作出上述简单的结论，因为，根据与人工智能对弈之后的棋手来说，甚至在多次复盘之后，他们仍然无法理解像阿尔法狗这样的人工智能如何走出下一步棋。
不过，说智能增强技术是对人类的取代，似乎也言之尚早，至少第一个提出“智能增强”的工程师恩格尔巴特并不这么认为。对于恩格尔巴特来说，麦卡锡和明斯基的方向旨在建立机器和人类的同质性，这种同质性思维模式的建立，反而与人类处于一种竞争关系之中，这就像《西部世界》中那些总是将自己当成人类的机器人一样，他们谋求与人类平起平坐的关系。智能增强技术的目的则完全不是这样，它更关心的是人与智能机器之间的互补性，如何利用智能机器来弥补人类思维上的不足。比如自动驾驶技术就是一种典型的智能增强技术，自动驾驶技术的实现，不仅是在汽车上安装了自动驾驶的程序，更关键地还需要采集大量的地图地貌信息，还需要自动驾驶的程序能够在影像资料上判断一些移动的偶然性因素，如突然穿过马路的人。自动驾驶技术能够取代容易疲劳和分心的驾驶员，让人类从繁重的驾驶任务中解放出来。同样，在分拣快递、在汽车工厂里自动组装的机器人也属于智能增强类性质的智能，它们不关心如何更像人类，而是关心如何用自己的方式来解决问题。
处理好人工智能思维和人类思维的关系，是人工智能发展的最大挑战。模仿人类思维，会显得有局限性；发展机器思维，又会不可控，这两者的平衡如何把握，就看以后的计算机工程师怎么选择了吧。
软件需求工程，如何应对智能化和人工智能新技术带来的新挑战
CCF会员、软工专委执行委员、形式化方法专委委员，华东师范大学软件工程学院，主要研究方向为基于环境建模的需求工程、需求形式化与验证以及IoT最终用户编程。主持并参与多项国家自然科学基金、重点研发、863、973项目及省部级项目，主要工作包括基于环境建模的功能需求建模、基于环境模型的安全需求形式化建模与验证、基于投影的问题自动分解、基于因果关系的约简与基于用户意图的IoT最终用户编程、智能系统的需求确认等，在国内外知名期刊、会议发表论文50余篇。
报告题目：从TAP规则自动生成最终用户编程的体验型原型：一种基于知识的方法
随着物联网技术的快速发展，IoT使能的系统需求呈现个性化特征。此类系统常采用最终用户编程范式，使用TAP（触发-动作编程）规则描述他们的需求。然而，TAP规则极易出错，最终用户不知道它们的实际效果，希望在部署之前进行确认。据我们所知，最终用户编程的需求确认还没有得到太多关注。我将报告一种基于知识的从TAP规则自动生成体验型原型的方法，生成的动画形式原型，可以使最终用户有身临其境的感觉，由此确定他们的意图是否满足。