山東工商學(xué)院工商管理學(xué)院學(xué)年論文 論文題目：人工智能發(fā)展概況及其在人力資源領(lǐng)域應(yīng)用淺析目錄TOC\o"1-3"\h\u1人工智能概述 22人工智能發(fā)展 23人工智能研究與應(yīng)用 33.1問題求解 33.2教授系統(tǒng) 33.3機器學(xué)習(xí) 43.4神經(jīng)網(wǎng)絡(luò) 53.5模式識別 53.6人工生命 63.7智能決議支持系統(tǒng) 64人工智能在人力資源中應(yīng)用實例 64.1基于AIHRMIS程序設(shè)計與應(yīng)用 64.2基于AIHRMIS人機界面設(shè)計與應(yīng)用 74.3IDSS在HRMIS模塊設(shè)計中應(yīng)用 84.3.1人力資源計劃模塊 84.3.2工作分析模塊 84.3.3員工招聘與配置模塊 84.3.4績效考評模塊 94.3.5人力資源薪酬模塊 95結(jié)束語 9參考文件 101人工智能概述人工智能（ArtificialIntelligence，簡稱AI），作為計算機學(xué)科一個主要分支，是由McCarthy于1956年在Dartmouth學(xué)會上正式提出，在當(dāng)前被人們稱為世界三大尖端技術(shù)之一。美國斯坦福大學(xué)著名人工智能研究中心尼爾遜（Nilson）教授這么定義人工智能“人工智能是關(guān)于知識學(xué)科——怎樣表示知識以及怎樣取得知識并使用知識學(xué)科”，另一名著名美國大學(xué)MITWinston教授認(rèn)為“人工智能就是研究怎樣使計算機去做過去只有些人才能做智能工作”。除此之外，還有很多關(guān)于人工智能定義，至今還未統(tǒng)一，但這些說法均反應(yīng)了人工智能學(xué)科基本思想和基本內(nèi)容，由此能夠?qū)⑷斯ぶ悄芨爬檠芯咳祟愔悄芑顒右?guī)律，結(jié)構(gòu)具備一定智能行為人工系統(tǒng)。2人工智能發(fā)展20世紀(jì)50年代到60年代初是人工智能發(fā)展初級階段。這一時期研究主要集中在采取啟發(fā)式思維和利用領(lǐng)域知識，編寫了包含能夠和證實平面幾何定理和與國際象棋大師下棋計算機程序。開創(chuàng)了具備真正意義人工智能研究是1956年McCarthy決定把Dartmouth會議用人工智能來命名。在圖靈（AlanTuring）所著《計算機器與智能》中，討論了人類智能機械化可能性并提出了圖靈機理論模型，為當(dāng)代計算機出現(xiàn)奠定了理論基礎(chǔ)；與此同時，該文中還提出了著名圖靈準(zhǔn)則，現(xiàn)已成為人工智能研究領(lǐng)域中最主要智能機標(biāo)準(zhǔn)。同一時期，WarrenMeCulloeli和WalterPitts發(fā)表了《神經(jīng)活動內(nèi)在概念邏輯演算》，該文證實了一定類型、可嚴(yán)格定義神經(jīng)網(wǎng)絡(luò)，標(biāo)準(zhǔn)上是能夠計算一定類型邏輯函數(shù)，開創(chuàng)了當(dāng)前人工智能研究兩大類別：符號論和聯(lián)結(jié)論。自1963年后，人們開始嘗試使用自然語言通訊，這標(biāo)志著人工智能又一次飛躍，怎樣讓計算機了解自然語言、自動回答下列問題、分析圖像或圖形等便成為AI研究所追求主要目標(biāo)，由此AI研究進(jìn)入了第二階段。70年代，在對人類教授科學(xué)推理進(jìn)行了大量探索后，一批具備教授水平程序系統(tǒng)相繼問世。知識教授系統(tǒng)在全世界得到了快速發(fā)展，它應(yīng)用范圍延伸到了人類各個領(lǐng)域，并產(chǎn)生了巨大經(jīng)濟效益。80年代，AI進(jìn)入以知識為中心發(fā)展階段，越來越多人認(rèn)識到知識在模擬智能中主要性，圍繞知識表示、推理、機器學(xué)習(xí)，以及結(jié)合問題領(lǐng)域知識新認(rèn)知模擬進(jìn)行了愈加深入探索?，F(xiàn)在，人工智能技術(shù)正在向大型分布式人工智能及多教授協(xié)同系統(tǒng)、并行推理、多個教授系統(tǒng)開發(fā)工具，以及大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下多智能體協(xié)同系統(tǒng)等方向發(fā)展。3人工智能研究與應(yīng)用3.1問題求解問題求解，即處理管理活動中因為意外引發(fā)非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間偏差。能夠求解難題下棋(如國際象棋)程序出現(xiàn)，是人工智能發(fā)展一大成就。在下棋程序中應(yīng)用推理，如向前看幾步，把困難問題分成一些較輕易子問題等技術(shù)，逐步發(fā)展成為搜索和問題歸約這類人工智能基本技術(shù)。搜索策略可分為無信息導(dǎo)引盲目搜索和利用經(jīng)驗知識導(dǎo)引啟發(fā)式搜索，它決定著問題求解推理步驟中，使用知識優(yōu)先關(guān)系。另一個問題求解程序，是把各種數(shù)學(xué)公式符號匯編在一起,其性能已達(dá)成非常高水平，并正在被許多科學(xué)家和工程師所應(yīng)用，甚至有些程序還能夠用經(jīng)驗來改進(jìn)其性能。比如，1993年美國公布一個叫做MACSYMA軟件，它能夠進(jìn)行較復(fù)雜數(shù)學(xué)公式符號運算。如前所述,還未處理問題包含人類棋手具備表示能力，如國際象棋大師們洞察棋局能力；另一個未處理問題包括問題原概念，在人工智能中叫做問題表示選擇。人們經(jīng)常能夠找到某種思索問題方法從而使求解變得輕易而最終處理該問題。3.2教授系統(tǒng)教授系統(tǒng)ES（ExpertSystem）是人工智能研究領(lǐng)域中另一主要分支，它將探討通常思維方法轉(zhuǎn)入到利用專門知識求解專門問題，實現(xiàn)了人工智能從理論研究向?qū)嶋H應(yīng)用重大突破；教授系統(tǒng)可看作一類具備專門知識計算機智能程序系統(tǒng)，它能利用特定領(lǐng)域中教授提供專門知識和經(jīng)驗，并采取人工智能中推理技術(shù)來求解和模擬通常由教授才能處理各種復(fù)雜問題?？倎碚f，教授系統(tǒng)是一個具備智能軟件，它求解方法是一個啟發(fā)式方法，教授系統(tǒng)所要處理問題通常無算法解，而且與傳統(tǒng)計算機程序上不一樣之處于于，它要經(jīng)常在不完全、不精準(zhǔn)或不確定信息基礎(chǔ)上做出結(jié)論。在近年來教授系統(tǒng)或“知識工程”研究中，已經(jīng)出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)趨勢，具備有代表性是用戶與教授系統(tǒng)進(jìn)行“咨詢對話”，如同其與教授面對面進(jìn)行對話是一樣：解釋問題并提議進(jìn)行一些試驗，向教授系統(tǒng)問詢以期得到關(guān)于解答等。當(dāng)前試驗系統(tǒng)，在比如化學(xué)和地質(zhì)數(shù)據(jù)分析、計算機系統(tǒng)結(jié)構(gòu)、建筑工程以及醫(yī)療診療等咨詢?nèi)蝿?wù)方面，已達(dá)成很高水平。另外，還有很多研究主要是集中在讓教授系統(tǒng)能夠說明推理能力，從而使咨詢愈加好地被用戶接收，同時還能幫助人類發(fā)覺系統(tǒng)推理過程中所出現(xiàn)差錯。發(fā)展教授系統(tǒng)關(guān)鍵在于表示和利用教授知識，即來自人類教授且已被證實能夠處理某領(lǐng)域內(nèi)經(jīng)典問題有用事實和過程。不一樣領(lǐng)域與不一樣類型教授系統(tǒng)，它們體系結(jié)構(gòu)和功效是有一定差異，但它們組成基本一致。一個基本教授系統(tǒng)主要由知識庫、數(shù)據(jù)庫、推理機、解釋機制、知識獲取和用戶界面六部分組成，如圖1所表示。圖1教授系統(tǒng)基本結(jié)構(gòu)3.3機器學(xué)習(xí)機器學(xué)習(xí)（MachineLearning）是研究怎樣使用計算機模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動。它是繼教授系統(tǒng)之后人工智能又一主要應(yīng)用領(lǐng)域，是使計算機具備智能根本路徑，也是人工智能研究關(guān)鍵課題之一，它應(yīng)用遍布人工智能各個領(lǐng)域。學(xué)習(xí)是人類智能主要特征，是取得知識基本伎倆，而機器學(xué)習(xí)也是使計算機具備智能根本路徑，如香克所說“：一臺計算機若不會學(xué)習(xí)，就不能稱為具備智能?！背酥?，機器學(xué)習(xí)還有利于發(fā)覺人類學(xué)習(xí)機理和揭示人腦奧秘。學(xué)習(xí)是一個有特定目標(biāo)知識獲取過程，它內(nèi)部主要表現(xiàn)為新知識結(jié)構(gòu)不停建立和修改，外部表現(xiàn)為性能改進(jìn)。一個學(xué)習(xí)過程本質(zhì)上講，就是學(xué)習(xí)系統(tǒng)把導(dǎo)師（或教授）提供信息轉(zhuǎn)換成能被系統(tǒng)了解并應(yīng)用形式過程。按照系統(tǒng)對導(dǎo)師依賴程度可將學(xué)習(xí)方法分類為：機械式學(xué)習(xí)（Rotelearning）、講授式學(xué)習(xí)（Learningfrominstruction）、類比學(xué)習(xí)（Learningbyanalogy）、歸納學(xué)習(xí)（Learningfrominduction）、觀察發(fā)覺式學(xué)習(xí)（learningbyobservationanddiscovery）等。另外，近年來又發(fā)展了基于解釋、事例、概念、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和遺傳學(xué)習(xí)等學(xué)習(xí)方法。3.4神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（AficialNeuralNetwork），是由大量處理單元即神經(jīng)元互連而成網(wǎng)絡(luò)，也常簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一個由大量節(jié)點（或稱神經(jīng)元）和之間相互聯(lián)接組成運算模型，是對人腦或自然神經(jīng)網(wǎng)絡(luò)一些基本特征抽象和模擬，其目標(biāo)在于模擬大腦一些機理與機制，從而實現(xiàn)一些方面功效。通俗地講，人工神經(jīng)網(wǎng)絡(luò)是仿真碩士物神經(jīng)網(wǎng)絡(luò)結(jié)果。詳細(xì)地說，人工神經(jīng)網(wǎng)絡(luò)是為取得某個特定問題解，依照所掌握生物神經(jīng)網(wǎng)絡(luò)機理，按照控制工程思緒及數(shù)學(xué)描述方法，建立對應(yīng)數(shù)學(xué)模型并采取適當(dāng)算法，而有針對性地確定數(shù)學(xué)模型參數(shù)技術(shù)。神經(jīng)網(wǎng)絡(luò)信息處理是由神經(jīng)元之間相互作用實現(xiàn)：知識與信息存貯主要表現(xiàn)為網(wǎng)絡(luò)元件互連間分布式物理聯(lián)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)具備很強自學(xué)習(xí)能力，它能夠不依賴于“教授”頭腦，而自動從已經(jīng)有試驗數(shù)據(jù)中總結(jié)規(guī)律。由此，人工神經(jīng)網(wǎng)絡(luò)擅長于處理復(fù)雜多維非線性問題，不但能夠處理定性問題，也可處理定量問題，同時還具備大規(guī)模并行處理和分布信息存放能力，具備良好自適應(yīng)、自組織性以及很強學(xué)習(xí)、聯(lián)想、容錯和很好可靠性。3.5模式識別計算機人工智能所研究模式識別是指用計算機代替人類或幫助人類感知模式。其主要研究對象是計算機模式識別系統(tǒng)，也就是讓計算機系統(tǒng)能夠模擬人類經(jīng)過感覺器官對外界產(chǎn)生各種感知能力。較早模式識別研究工作集中在對文字和二維圖像識別方面，并取得了不少結(jié)果。自20世紀(jì)60年代中期起,機器視覺方面研究工作開始轉(zhuǎn)向解釋和描述復(fù)雜三維景物這一更困難課題。羅伯斯特(Robest)于1965年發(fā)表論文奠定了分析由棱柱體組成景物方向，邁出了用計算機將三維圖像解釋成三維景物一個單眼視圖第一步，即所謂積木世界。接著，機器識別由積木世界進(jìn)入識別更復(fù)雜景物和在復(fù)雜環(huán)境中尋找目標(biāo)以及室外景物分析等方面研究?，F(xiàn)在研究熱點是活動目標(biāo)(如飛行器)識別和分析，它是景物分析走向?qū)嵱没芯恳粋€標(biāo)志。語音識別技術(shù)研究始于20世紀(jì)50年代早期，發(fā)展到20世紀(jì)70年代，各種語音識別裝置相繼出現(xiàn)，性能良好能夠識別單詞聲音識別系統(tǒng)已進(jìn)入實用階段，神經(jīng)網(wǎng)絡(luò)用于語音識別也已取得成功。作為一門新興學(xué)科，模式識別在不停發(fā)展，其理論基礎(chǔ)和研究范圍也在不停發(fā)展。當(dāng)前模式識別正處于大發(fā)展階段，伴隨其應(yīng)用范圍逐步擴大及計算機科學(xué)發(fā)展，模式識別技術(shù)將在今后有更大發(fā)展，而且量子計算技術(shù)也將用于模式識別研究。3.6人工生命人工生命(ArtificialLife,簡稱AL)是由美國圣菲研究所非線性研究組計算機科學(xué)家ChristopherLangton于1987年與LosAlamosNationalLaboratory召開“生成以及模擬生命系統(tǒng)國際會議”上首先提出。它主要是經(jīng)過人工模擬生命系統(tǒng)來碩士命領(lǐng)域。AL概念主要包含兩方面內(nèi)容：1）計算機科學(xué)領(lǐng)域虛擬生命系統(tǒng)，主要包括計算機軟件工程和人工智能技術(shù)；2）基因工程技術(shù)人工改造生物工程生物系統(tǒng)，主要包括合成生物學(xué)技術(shù)。相比于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡(luò)，人工生命不論在理論上還是方法上都有很大區(qū)分。人工生命主要是經(jīng)過計算機仿真生命現(xiàn)象來表現(xiàn)自適應(yīng)機理，對相關(guān)非線性對象進(jìn)行更真實動態(tài)描述以及動態(tài)特征研究。人工生命學(xué)科主要包含仿生系統(tǒng)、人工建模與仿真、人工生命計算理論、進(jìn)化動力學(xué)、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命應(yīng)用等研究內(nèi)容。現(xiàn)階段比較經(jīng)典人工生命研究有：計算機病毒、計算機進(jìn)程、進(jìn)化機器人、自催化網(wǎng)絡(luò)、細(xì)胞自動機、人工核苷酸和人工腦等。3.7智能決議支持系統(tǒng)決議支持系統(tǒng)是屬于管理科學(xué)范圍,它與“知識-智能”有著極其親密關(guān)系。自20世紀(jì)80年代以來教授系統(tǒng)在許多方面取得成功,將人工智能中尤其是智能和知識處理技術(shù)應(yīng)用于決議支持系統(tǒng),擴大了決議支持系統(tǒng)應(yīng)用范圍,提升了系統(tǒng)處理問題能力,這就成為智能決議支持系統(tǒng)。4人工智能在人力資源中應(yīng)用實例4.1基于AIHRMIS程序設(shè)計與應(yīng)用程序開發(fā)方法在很大程度上影響著HRMIS開發(fā)與應(yīng)用效果，本文選擇了一個基于AI“過程藍(lán)圖語言”進(jìn)行程序開發(fā)。過程藍(lán)圖語言是在問題分析圖(PAD)、JamesMartin活動圖、結(jié)構(gòu)化語言、UML動作語言、程序設(shè)計語言PDL)、朱耀漢軟件藍(lán)圖設(shè)計語言以及在多個當(dāng)代文本編程語言基礎(chǔ)上演化和發(fā)展起來一個新可視化程序過程建模語言，它不是單獨某種語言和方法演化結(jié)果，而是全部這些語言和方法相融合產(chǎn)物。在設(shè)計過程藍(lán)圖時，結(jié)構(gòu)了概念、邏輯和實現(xiàn)三層視圖，并將它與JAVA，C++，VB(VisualBasic)，VFP(VisualFoxPro)，PAS－CAL這五種流行編程語言聯(lián)絡(luò)和統(tǒng)一在一起，形成一個完整過程藍(lán)圖語言組成體系，它是一個具備三層外部視圖和統(tǒng)一結(jié)果可視化行為過程分析，詳細(xì)設(shè)計和結(jié)構(gòu)建模語言。過程藍(lán)圖設(shè)計方法以一個控制中心、增量迭代規(guī)范開發(fā)過程來支持自上向下、逐步求精結(jié)構(gòu)化開發(fā)方法，實現(xiàn)了過程開發(fā)各個階段平滑過渡和無縫連接性。圖1為過程藍(lán)圖語言組成體系。圖1 過程藍(lán)圖語言組成體系4.2基于AIHRMIS人機界面設(shè)計與應(yīng)用人機界面是人與系統(tǒng)連接中間紐帶，它應(yīng)將用戶與數(shù)據(jù)庫、方法庫、模型庫與知識庫等進(jìn)行有機結(jié)合。HRMIS人機界面需實現(xiàn)功效應(yīng)包含五點，一是產(chǎn)生輸入/輸出，決議者能夠正確輸入數(shù)據(jù)和關(guān)于參數(shù)，系統(tǒng)能正確輸出系統(tǒng)運行結(jié)果給決議者;二是提供HRMIS控制機制，允許決議者控制HRMIS運行，控制數(shù)據(jù)庫和模型庫工作;三是伴隨環(huán)境和需求改變，界面應(yīng)能輕易擴充和完整;四是向決議者提供多個形式交互形式;五是顯示反饋、幫助、提醒功效。IDSS作為DSS與AI相結(jié)合產(chǎn)物，IDSS系統(tǒng)基本構(gòu)件為數(shù)據(jù)庫、模型庫、方法庫、人機接口及智能部件，由這些基本構(gòu)件可組成四庫結(jié)構(gòu)和融合結(jié)構(gòu)兩種系統(tǒng)結(jié)構(gòu)。IDSS能夠為決議者提供決議所需數(shù)據(jù)、信息和背景材料，幫助明確決議目標(biāo)和進(jìn)行問題識別，建立或修改決議模型，提供各種備選方案，并對各種方案進(jìn)行評價和選優(yōu)，經(jīng)過對人機交互功效進(jìn)行分析、比較和判斷，為正確、有效決議提供必要支持。4.3IDSS在HRMIS模塊設(shè)計中應(yīng)用基于AIHRMIS結(jié)構(gòu)如圖2所表示。圖2基于AIHRMIS結(jié)構(gòu)4.3.1人力資源計劃模塊在人力資源計劃設(shè)計中，首先需利用數(shù)據(jù)挖掘、知識發(fā)覺(KDD)等技術(shù)，調(diào)用現(xiàn)有內(nèi)外部消息，經(jīng)過對這些信息匯總分析得到現(xiàn)有組織中人力資源情況合理性，并據(jù)此對企業(yè)未來人力資源管理做出預(yù)測及適當(dāng)評定與調(diào)整，這就需要由IDSS系統(tǒng)統(tǒng)計功效及對本身一些數(shù)據(jù)修改功效來實現(xiàn)，最終為決議者提供一份包含各種所需信息匯報。4.3.2工作分析模塊IDSS系統(tǒng)可在全方面考慮人力資源管理面臨各種問題基礎(chǔ)上，經(jīng)過工作分析模塊明確員工職責(zé)，可有效防止人力資源和物質(zhì)資源浪費與重復(fù)建設(shè)。如百分比和百分比分布、集中趨勢分析、離散程度分析、關(guān)系分析、重合統(tǒng)計方法，這五種基本描述性統(tǒng)計方法只需程序化后，便可在IDSS系統(tǒng)中發(fā)揮作用了。對于現(xiàn)有工作分析結(jié)果，只需系統(tǒng)輸出模型庫現(xiàn)存模型，而系統(tǒng)中沒有職位分析，則需教授系統(tǒng)借助人機交互部件獲取信息進(jìn)行對應(yīng)數(shù)據(jù)庫、知識庫及模型庫分析。4.3.3員工招聘與配置模塊我們可依照上兩個模塊分析結(jié)果進(jìn)行員工招聘與配置，并進(jìn)行成本預(yù)算。該模塊中，數(shù)據(jù)庫管理最為主要，需要利用數(shù)據(jù)倉庫進(jìn)行各種傳統(tǒng)數(shù)據(jù)清理、抽取與轉(zhuǎn)換，并依攝影應(yīng)決議主題進(jìn)行重新組織。數(shù)據(jù)倉庫物理結(jié)構(gòu)通常采取星型結(jié)構(gòu)關(guān)系數(shù)據(jù)庫，利用OLAP聯(lián)機分析處理，從不一樣角度提取關(guān)于數(shù)據(jù)。OLAP技術(shù)可依照一定規(guī)則，實現(xiàn)系統(tǒng)數(shù)據(jù)庫隨時修改更新，并結(jié)