人工智能的發(fā)展概況及其在人力資源領(lǐng)域的應(yīng)用淺析

1、工商管理學(xué)院學(xué)年論文論文題目：人工智能的發(fā)展概況及其在人力資源領(lǐng)域的應(yīng)用淺析目錄 TOC o 1-5 h z 1人工智能概述22人工智能的發(fā)展23人工智能的研究與應(yīng)用33.1問題求解33.2專家系統(tǒng)33.3機(jī)器學(xué)習(xí)43.4神經(jīng)網(wǎng)絡(luò)43.5模式識別43.6人工生命53.7智能決策支持系統(tǒng)54人工智能在人力資源中的應(yīng)用實例 54.1基于AI的HRMIS程序設(shè)計與應(yīng)用54.2基于AI的HRMIS人機(jī)界面設(shè)計與應(yīng)用64.3 IDSS在 HRMIS模塊設(shè)計中的應(yīng)用64.3.1人力資源計劃模塊64.3.2工作分析模塊64.3.3員工招聘與配置模塊74.3.4績效考核模塊74.3.5人力資源薪酬模塊75結(jié)束

2、語7參考文獻(xiàn)71人工智能概述人工智能（Artificial Intelligence，簡稱AI），作為計算機(jī)學(xué)科的一個重要分支，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) 著名的人工智能研究中心尼爾遜（Nilson）教授這樣定義人工智能“人工智能是關(guān)于知識的學(xué)科一一 怎樣表示知識以及怎樣獲得知識并使用知識的學(xué)科”，另一名著名的美國大學(xué)MIT的Winston教授 認(rèn)為“人工智能就是研究如何使計算機(jī)去做過去只有人才能做的智能的工作”。除此之外，還有很多 關(guān)于人工智能的定義，至今尚未統(tǒng)一，但這些說法均反映了人工智能學(xué)科的

3、基本思想和基本內(nèi)容，由 此可以將人工智能概括為研究人類智能活動的規(guī)律，構(gòu)造具有一定智能行為的人工系統(tǒng)。2人工智能的發(fā)展20世紀(jì)50年代到60年代初是人工智能發(fā)展的初級階段。這一時期的研究主要集中在采用啟 發(fā)式思維和運(yùn)用領(lǐng)域知識，編寫了包括能夠和證明平面幾何定理和與國際象棋大師下棋的計算機(jī)程序。 開創(chuàng)了具有真正意義的人工智能研究是1956年McCarthy決定把Dartmouth會議用人工智能來命 名。在圖靈（AlanTuring）所著的計算機(jī)器與智能中，討論了人類智能機(jī)械化的可能性并提出了圖 靈機(jī)的理論模型，為現(xiàn)代計算機(jī)的出現(xiàn)奠定了理論基礎(chǔ)；與此同時，該文中還提出了著名的圖靈準(zhǔn)則， 現(xiàn)已成為人

4、工智能研究領(lǐng)域中最重要的智能機(jī)標(biāo)準(zhǔn)。同一時期，Warren MeCulloeli和Walter Pitts發(fā) 表了神經(jīng)活動內(nèi)在概念的邏輯演算，該文證明了一定類型的、可嚴(yán)格定義的神經(jīng)網(wǎng)絡(luò)，原則上是 能夠計算一定類型的邏輯函數(shù)的，開創(chuàng)了當(dāng)前人工智能研究的兩大類別：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)志著人工智能的又一次飛躍，如何讓計算機(jī)理解自然語言、 自動回答問題、分析圖像或圖形等便成為AI研究所追求的重要目標(biāo)，由此AI的研究進(jìn)入了第二階 段。70年代，在對人類專家的科學(xué)推理進(jìn)行了大量探索后，一批具有專家水平的程序系統(tǒng)相繼問世。 知識專家系統(tǒng)在全世界得到了迅速發(fā)展，

5、它的應(yīng)用范圍延伸到了人類各個領(lǐng)域，并產(chǎn)生了巨大的經(jīng)濟(jì) 效益。80年代，AI進(jìn)入以知識為中心的發(fā)展的階段，越來越多的人認(rèn)識到知識在模擬智能中的重要 性，圍繞知識表示、推理、機(jī)器學(xué)習(xí)，以及結(jié)合問題領(lǐng)域知識的新認(rèn)知模擬進(jìn)行了更加深入的探索。目前，人工智能技術(shù)正在向大型分布式人工智能及多專家協(xié)同系統(tǒng)、并行推理、多種專家系統(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)境下的多智能體協(xié)同系統(tǒng)等方向發(fā)展。3人工智能的研究與應(yīng)用3.1問題求解問題求解，即解決管理活動中由于意外引起的非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間的偏差。能夠求解難 題的下棋(如國際象棋)程序的出現(xiàn)，是人工智能發(fā)展的一大成就。在下棋程序中應(yīng)用

6、的推理，如 向前看幾步，把困難的問題分成一些較容易的子問題等技術(shù)，逐漸發(fā)展成為搜索和問題歸約這類人工 智能的基本技術(shù)。搜索策略可分為無信息導(dǎo)引的盲目搜索和利用經(jīng)驗知識導(dǎo)引的啟發(fā)式搜索，它決定 著問題求解的推理步驟中，使用知識的優(yōu)先關(guān)系。另一種問題的求解程序，是把各種數(shù)學(xué)公式符號匯 編在一起，其性能已達(dá)到非常高的水平，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)驗來改善其性能。例如，1993年美國發(fā)布的一個叫做MACSYMA的軟件，它能夠進(jìn)行較復(fù)雜的 數(shù)學(xué)公式符號運(yùn)算。如前所述，尚未解決的問題包括人類棋手具有的表達(dá)的能力，如國際象棋大師們 洞察棋局的能力；另一個未解決的問題涉及問題

7、的原概念，在人工智能中叫做問題表示的選擇。人們 常常能夠找到某種思考問題的方法從而使求解變得容易而最終解決該問題。3.2專家系統(tǒng)專家系統(tǒng)ES(Expert System)是人工智能研究領(lǐng)域中另一重要分支，它將探討一般的思維方法轉(zhuǎn) 入到運(yùn)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)用的重大突破；專家系統(tǒng)可看 作一類具有專門知識的計算機(jī)智能程序系統(tǒng)，它能運(yùn)用特定領(lǐng)域中專家提供的專門知識和經(jīng)驗，并采 用人工智能中的推理技術(shù)來求解和模擬通常由專家才能解決的各種復(fù)雜問題?？偟膩碚f，專家系統(tǒng)是 一種具有智能的軟件，它求解方法是一種啟發(fā)式方法，專家系統(tǒng)所要解決的問題一般無算法解，并且 與傳統(tǒng)的計

8、算機(jī)程序上不同之處在于，它要經(jīng)常在不完全、不精確或不確定的信息基礎(chǔ)上做出結(jié)論。在近年來的專家系統(tǒng)或“知識工程”的研究中，已經(jīng)出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢， 具有有代表性的是用戶與專家系統(tǒng)進(jìn)行“咨詢對話”，如同其與專家面對面的進(jìn)行對話是一樣的：解 釋問題并建議進(jìn)行某些試驗，向?qū)＜蚁到y(tǒng)詢問以期得到有關(guān)解答等。當(dāng)前的實驗系統(tǒng)，在比如化學(xué)和 地質(zhì)數(shù)據(jù)分析、計算機(jī)系統(tǒng)結(jié)構(gòu)、建筑工程以及醫(yī)療診斷等咨詢?nèi)蝿?wù)方面，已達(dá)到很高的水平。另外， 還有很多研究主要是集中在讓專家系統(tǒng)能夠說明推理的能力，從而使咨詢更好地被用戶接受，同時還 能幫助人類發(fā)現(xiàn)系統(tǒng)推理過程中所出現(xiàn)的差錯。發(fā)展專家系統(tǒng)的關(guān)鍵在于表達(dá)和運(yùn)

9、用專家知識，即來自人類專家的且已被證明能夠解決某領(lǐng)域內(nèi) 的典型問題的有用的事實和過程。不同領(lǐng)域與不同類型的專家系統(tǒng)，它們的體系結(jié)構(gòu)和功能是有一定 的差異的，但它們的組成基本一致。一個基本的專家系統(tǒng)主要由知識庫、數(shù)據(jù)庫、推理機(jī)、解釋機(jī)制、 知識獲取和用戶界面六部分組成，如圖1所示。圖1專家系統(tǒng)的基本結(jié)構(gòu)3.3機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)(Machine Learning)是研究如何使用計算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)活動。它是繼專家 系統(tǒng)之后人工智能的又一重要應(yīng)用領(lǐng)域，是使計算機(jī)具有智能的根本途徑，也是人工智能研究的核心 課題之一，它的應(yīng)用遍及人工智能的各個領(lǐng)域。學(xué)習(xí)是人類智能的重要特征，是獲得知識的基本手段，而

10、機(jī)器學(xué)習(xí)也是使計算機(jī)具有智能的根本 途徑，如香克所說“：一臺計算機(jī)若不會學(xué)習(xí)，就不能稱為具有智能的?！背酥猓瑱C(jī)器學(xué)習(xí)還 有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。學(xué)習(xí)是一個有特定目的的知識獲取過程，它的內(nèi)部主要表現(xiàn)為新知識結(jié)構(gòu)的不斷建立和修改，外 部表現(xiàn)為性能的改善。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?qū)＜?提供的信息轉(zhuǎn)換成能 被系統(tǒng)理解并應(yīng)用的形式的過程。按照系統(tǒng)對導(dǎo)師的依賴程度可將學(xué)習(xí)方法分類為：機(jī)械式學(xué)習(xí)(Rote learning)、講授式學(xué)習(xí)(Learning from instruction)、類比學(xué)習(xí)(Learning by analogy)、歸納學(xué)習(xí)(Learnin

11、g from induction)、觀察發(fā)現(xiàn)式學(xué)習(xí)(learning by observation and discovery)等。此外，近年來又發(fā)展了基于解釋、事例、概念、神經(jīng)網(wǎng)絡(luò)的學(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)(Aficial Neural Network)，是由大量處理單元即神經(jīng)元互連而成的網(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)是一種由大量的節(jié)點(diǎn)(或稱神經(jīng)元)和之間相互聯(lián)接構(gòu)成的運(yùn)算 模型，是對人腦或自然神經(jīng)網(wǎng)絡(luò)一些基本特性的抽象和模擬，其目的在于模擬大腦的某些機(jī)理與機(jī)制， 從而實現(xiàn)某些方面的功能。通俗地講，人工神經(jīng)網(wǎng)絡(luò)是仿真研究生物神經(jīng)網(wǎng)絡(luò)的結(jié)果。詳細(xì)地

12、說，人 工神經(jīng)網(wǎng)絡(luò)是為獲得某個特定問題的解，根據(jù)所掌握的生物神經(jīng)網(wǎng)絡(luò)機(jī)理，按照控制工程的思路及數(shù) 學(xué)描述方法，建立相應(yīng)的數(shù)學(xué)模型并采用適當(dāng)?shù)乃惴?，而有針對性地確定數(shù)學(xué)模型參數(shù)的技術(shù)。神經(jīng)網(wǎng)絡(luò)的信息處理是由神經(jīng)元之間的相互作用實現(xiàn)的：知識與信息的存貯主要表現(xiàn)為網(wǎng)絡(luò)元件 互連間分布式的物理聯(lián)系。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，它可以不依賴于“專家”的頭腦， 而自動從已有的實驗數(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)雜多維的非線性問題，不但 可以解決定性問題，也可解決定量的問題，同時還具有大規(guī)模并行處理和分布的信息存儲能力，具有 良好的自適應(yīng)、自組織性以及很強(qiáng)的學(xué)習(xí)、聯(lián)想、容錯和較好的可靠性

13、。3.5模式識別計算機(jī)人工智能所研究的模式識別是指用計算機(jī)代替人類或幫助人類感知模式。其主要的研究對 象是計算機(jī)模式識別系統(tǒng)，也就是讓計算機(jī)系統(tǒng)能夠模擬人類通過感覺器官對外界產(chǎn)生的各種感知能 力。較早的模式識別研究工作集中在對文字和二維圖像的識別方面，并取得了不少成果。自20世紀(jì) 60年代中期起，機(jī)器視覺方面的研究工作開始轉(zhuǎn)向解釋和描述復(fù)雜的三維景物這一更困難的課題。 羅伯斯特（Robest ）于1965年發(fā)表的論文奠定了分析由棱柱體組成的景物的方向，邁出了用計算機(jī) 將三維圖像解釋成三維景物的一個單眼視圖的第一步，即所謂的積木世界。接著，機(jī)器識別由積木世 界進(jìn)入識別更復(fù)雜的景物和在復(fù)雜環(huán)境中尋

14、找目標(biāo)以及室外景物分析等方面的研究。目前研究的熱點(diǎn) 是活動目標(biāo)（如飛行器）的識別和分析，它是景物分析走向?qū)嵱没芯康囊粋€標(biāo)志。語音識別技術(shù) 的研究始于20世紀(jì)50年代初期，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 好的能夠識別單詞的聲音識別系統(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，模式識別在不斷發(fā)展，其理論基礎(chǔ)和研究范圍也在不斷發(fā)展。當(dāng)前模式識別 正處于大發(fā)展的階段，隨著其應(yīng)用范圍的逐漸擴(kuò)大及計算機(jī)科學(xué)的發(fā)展，模式識別技術(shù)將在今后有更 大的發(fā)展，并且量子計算技術(shù)也將用于模式識別的研究。3.6人工生命人工生命（Artificial Life,簡稱AL

15、）是由美國圣菲研究所非線性研究組的計算機(jī)科學(xué)家 Christopher Langton 于 1987 年與Los Alamos National Laboratory召開的“生成以及模擬生命系統(tǒng)的國際會議”上首先提出的。 它主要是通過人工模擬生命系統(tǒng)來研究生命的領(lǐng)域。AL的概念主要包括兩方面內(nèi)容：1）計算機(jī)科學(xué) 領(lǐng)域的虛擬生命系統(tǒng)，主要涉及計算機(jī)軟件工程和人工智能技術(shù)；2）基因工程技術(shù)人工改造生物的 工程生物系統(tǒng)，主要涉及合成生物學(xué)技術(shù)。相比于傳統(tǒng)的人工智能和神經(jīng)網(wǎng)絡(luò)，人工生命不論在理論上還是方法上都有很大的區(qū)別。人工生 命主要是通過計算機(jī)仿真生命現(xiàn)象來體現(xiàn)自適應(yīng)機(jī)理，對相關(guān)非線性對象進(jìn)行更真

16、實的動態(tài)描述以及 動態(tài)特征研究。人工生命學(xué)科主要包括仿生系統(tǒng)、人工建模與仿真、人工生命的計算理論、進(jìn)化動力 學(xué)、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等研究內(nèi)容。現(xiàn)階段比較典型的人工生命研究有：計算 機(jī)病毒、計算機(jī)進(jìn)程、進(jìn)化機(jī)器人、自催化網(wǎng)絡(luò)、細(xì)胞自動機(jī)、人工核苷酸和人工腦等。3.7智能決策支持系統(tǒng)決策支持系統(tǒng)是屬于管理科學(xué)的范疇，它與“知識-智能”有著極其密切的關(guān)系。自20世紀(jì)80 年代以來專家系統(tǒng)在許多方面取得成功，將人工智能中特別是智能和知識處理技術(shù)應(yīng)用于決策支持系 統(tǒng)，擴(kuò)大了決策支持系統(tǒng)的應(yīng)用范圍，提高了系統(tǒng)解決問題的能力，這就成為智能決策支持系統(tǒng)。4人工智能在人力資源中的應(yīng)用實例 4.

17、1基于AI的HRMIS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的開發(fā)與應(yīng)用效果，本文選擇了一種基于AI的“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)、James Martin的活動圖、結(jié)構(gòu)化 語言、UML動作語言、程序設(shè)計語言PDL)、朱耀漢的軟件藍(lán)圖設(shè)計語言以及在多種現(xiàn)代文本編程語 言基礎(chǔ)上演化和發(fā)展起來的一種新的可視化程序過程建模語言，它不是單獨(dú)的某種語言和方法的演化 結(jié)果，而是所有這些語言和方法相融合的產(chǎn)物。在設(shè)計過程藍(lán)圖時，構(gòu)造了概念、邏輯和實現(xiàn)三層視 圖，并將它與 JAVA，C+，VB( Visual Basic)，VFP( Visual Fox

18、Pro)，PAS-CAL 這五種流行編程語言聯(lián) 系和統(tǒng)一在一起，形成一個完整的過程藍(lán)圖語言構(gòu)成體系，它是一種具有三層外部視圖和統(tǒng)一結(jié)果的 可視化行為過程分析，詳細(xì)設(shè)計和構(gòu)造的建模語言。過程藍(lán)圖設(shè)計方法以一個控制中心、增量迭代的 規(guī)范開發(fā)過程來支持自上向下、逐步求精的結(jié)構(gòu)化開發(fā)方法，實現(xiàn)了過程開發(fā)各個階段的平滑過渡和 無縫連接性。圖1為過程藍(lán)圖語言構(gòu)成體系。圖1過程藍(lán)圖語言構(gòu)成體系4.2基于AI的HRMIS人機(jī)界面設(shè)計與應(yīng)用人機(jī)界面是人與系統(tǒng)連接的中間紐帶，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(jī)結(jié)合。HRMIS人機(jī)界面需實現(xiàn)的功能應(yīng)包括五點(diǎn)，一是產(chǎn)生輸入/輸出，決策者能夠正確的輸

19、入數(shù) 據(jù)和有關(guān)參數(shù)，系統(tǒng)能正確的輸出系統(tǒng)運(yùn)行的結(jié)果給決策者；二是提供HRMIS的控制機(jī)制，允許決 策者控制HRMIS運(yùn)行，控制數(shù)據(jù)庫和模型庫的工作；三是隨著環(huán)境和需求的變化，界面應(yīng)能容易擴(kuò) 充和完整；四是向決策者提供多種形式的交互形式；五是顯示反饋、幫助、提示功能。IDSS作為DSS與AI相結(jié)合的產(chǎn)物，IDSS系統(tǒng)的基本構(gòu)件為數(shù)據(jù)庫、模型庫、方法庫、人機(jī)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可以為決策者提供決 策所需的數(shù)據(jù)、信息和背景材料，幫助明確決策目標(biāo)和進(jìn)行問題的識別，建立或修改決策模型，提供 各種備選方案，并對各種方案進(jìn)行評價和選優(yōu)，通過對人機(jī)交互

20、功能進(jìn)行分析、比較和判斷，為正確、 有效的決策提供必要支持。4.3 IDSS在HRMIS模塊設(shè)計中的應(yīng)用基于AI的HRMIS結(jié)構(gòu)如圖2所示。圖2基于AI的HRMIS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，首先需運(yùn)用數(shù)據(jù)挖掘、知識發(fā)現(xiàn)(KDD)等技術(shù)，調(diào)用現(xiàn)有內(nèi)外部消息， 通過對這些信息的匯總分析得到現(xiàn)有組織中人力資源狀況的合理性，并據(jù)此對企業(yè)未來的人力資源管 理做出預(yù)測及適當(dāng)評估與調(diào)整，這就需要由IDSS系統(tǒng)的統(tǒng)計功能及對自身某些數(shù)據(jù)的修改功能來實 現(xiàn)，最終為決策者提供一份包括各種所需信息的報告。4.3.2工作分析模塊IDSS系統(tǒng)可在全面考慮人力資源管理面臨的各種問題的基礎(chǔ)上，通過

21、工作分析模塊明確員工職責(zé)， 可有效避免人力資源和物質(zhì)資源的浪費(fèi)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、重疊統(tǒng)計方法，這五種基本的描述性統(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)存的模型，而系統(tǒng)中沒有的職位分析， 則需專家系統(tǒng)借助人機(jī)交互部件獲取信息進(jìn)行相應(yīng)的數(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根據(jù)上兩個模塊的分析結(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 理最為重要，需要運(yùn)用數(shù)據(jù)倉庫進(jìn)行各種傳統(tǒng)數(shù)據(jù)的清理、抽取與轉(zhuǎn)換，并根據(jù)相應(yīng)的決策主題進(jìn)行 重新組織。數(shù)據(jù)倉庫的物理結(jié)構(gòu)一般采用星型結(jié)構(gòu)的關(guān)系數(shù)據(jù)庫，運(yùn)用OLAP聯(lián)機(jī)分析處理，從不同 角度提取有關(guān)數(shù)據(jù)。OLAP技術(shù)可根據(jù)一定的規(guī)則，實現(xiàn)系統(tǒng)數(shù)據(jù)庫的隨時修改更新，并結(jié)合招聘結(jié) 果，由系統(tǒng)根據(jù)事先規(guī)定的標(biāo)準(zhǔn)對應(yīng)聘人員進(jìn)行確定，配置相適宜的職位與薪酬。4.3.4績效考核模塊績效考評主要包括工作表現(xiàn)與工作業(yè)績考核兩種方式，IDSS系統(tǒng)可利用現(xiàn)有較成熟的科學(xué)考評方