基于案例学习与目标驱动的群体观点生成框架：人工智能在GDSS中的应用

该篇论文研究了"基于案例学习和目标驱动学习的观点生成框架"，发表于1999年2月的《系统工程理论与实践》第2期。论文主要探讨了如何将人工智能技术融入到群体决策支持系统（Group Decision Support Systems, GDSS）中，以提升观点生成的效率和有效性。 作者吴建林和薛华成来自复旦大学管理学院管理科学系，他们提出了一种创新的观点生成方法论，这个框架结合了案例学习（Case-Based Learning）和目标驱动学习（Goal-Driven Learning）。案例学习是通过分析先前解决类似问题的成功或失败案例，从中提取知识和经验来指导当前决策。目标驱动学习则强调根据预先设定的目标自动调整学习策略，确保学习过程始终指向目标的实现。 在该框架中，动态问题分解机制将复杂问题分解为更小、可管理的部分，使得群体成员能够逐步理解和贡献各自的观点。多案例经验学习过程通过积累和共享多个案例，增强了决策的稳健性和准确性。而主动的目标驱动学习则鼓励系统自我调整，推动观点的改进和扩展，从而提高群体决策的共识度和效率。 为了实现这一目标，论文采用了描述性智能辅助技术，这种技术的特点在于它的易用性、灵活性和适应性。它使得观点生成不再受限于固定的规则，而是可以根据具体情境和需求进行动态调整，提高了整个系统的智能水平和响应能力。 论文的关键点包括观点生成、GDSS（群体决策支持系统）、援例推理（Case-based Reasoning）、目标驱动学习等概念，这些方法论和技术的结合为实际应用中的群体决策提供了有力的支持工具。这篇论文在理论和实践层面都为群体观点生成的研究领域做出了重要贡献，展示了人工智能技术如何优化群体决策过程，提高决策的质量和效率。