人工智能在教育方面的作用精选(十四篇)

发布时间：2024-01-04 16:31:59

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇人工智能在教育方面的作用，期待它们能激发您的灵感。

人工智能在教育方面的作用

篇1

关键词：人工智能；教育变革；智慧教育

近年来大数据、云计算等信息技术飞速发展，人工智能在一些特殊领域（如图像识别、语音识别、自然语言等）不断取得突破性进展。人工智能作为新的技术驱动力正引发第四次工业革命，为医疗、教育、能源、环境等关键领域带来新的发展机遇。人工智能专家预测，人工智能在通用技术领域可能尚不能替代人类，但在一些特殊领域，人工智能将会淘汰现有的劳动力。在国外，许多国家纷纷把人工智能作为国家发展的重要竞争战略，我国学者也密切关注着人工智能的最新理论进展和实践应用，国务院于2017年7月颁布《新一代人工智能发展规划》，明确人工智能发展的重点策略。“人工智能变革教育”的潮流，引发了教育研究领域的“人工智能热”。当前全球范围内，人工智能在教育领域的大量研究和应用催发形成了教育人工智能概念。目前梳理学术上关于研究人工智能与教育的文献主要集中于：

（一）教育理念的革新。“人机一体”将成为未来新的教育方式[1]，由新技术和新手段的出现所应运而生的智慧教育[2]，将对原有教育进行改进和完善。智能技术在改变教育的手段和环境的同时，还有利于构建出系统解决教育问题的教育新体系，从而真正触及教育的根本[3]。

（二）关注技术的革新。机器深度学习、智能学习的算法、视觉识别以及智能语言识别这些基础技术的突破，为人工智能的教育应用奠定了坚实的基础[4]。

（三）探究教育的应用。人工智能在学校教育中的学业测评、交叉学科、角色变化等应用领域具有巨大潜力，教师角色内涵也将在与人工智能的协同共存中发生改变。AI监课系统能够数据化、可视化评估教师的授课情况，将人工智能技术的运用渗透到整个教学过程中，教师可以根据评分实时调整授课内容，以促进个性化学习，从而提升教学效果。教育深受技术发展的影响，新技术融入教育并促进教育方式的转变已成为必然趋势。一方面技术为教育提供了新的、更加广阔的可能性；另一方面技术具有变革人类的教育方式与学习方式的能力。然而，技术是一把“双刃剑”，如何获取或实现以人工智能为代表的新兴信息技术所拥有的特征、优势与功能，使其在教育中最大限度地发挥其应有的价值呢？人工智能技术如何继续被安全使用到教育领域？如何通过教育变革来促进新兴信息技术在教育教学中的广泛与深入应用，实现教育深层次革命等问题，是目前需要关注和探讨的主要问题。

1人工智能时代下教育变革的背景

1.1人工智能的内涵及具备的强大能力

人工智能最早由美国达特茅斯学院于1956年提出，其研究主要包括机器人、图像识别、自然语言处理、语音识别等，实质是一种自动感知、学习思考并做出判断的程序。人工智能具有自主学习、推断与革新的能力，推动了图像识别、自然语言处理等方面的技术突破。人工智能同时具有理性判断力、超强的工作力，只要电力供应不断，几乎可以无限制地工作下去，而且适应不需要情感投入的工作。它的超强能力，源于三个重要的技术：深度学习、大数据和强算力。

1.2人工智能时代的机遇和挑战

人工智能在精力、记忆力、计算力、感知力以及进化力等方面与人类相比，具有突出优势。在医药领域，人工智能的出现使普通民众可以享受更为高效、稀缺的医疗资源，解决医疗诊断领域诊断质量不均衡、医生资源不足等问题。在教育领域，人工智能促进教学质量进一步提升、教师角色多样化、学生学习能力的提升；为教育研究提供新技术和数据支撑；极大拓展了教育研究新视域；使教育在立德树人方面、教育方法创新方面、教育手段和环境方面以及教育服务供给方式方面均发生改变。然而，看到人工智能以其强大的处理能力带来机遇的同时，也需要正视人工智能带来的新挑战。在人工智能浪潮冲击下，如何借助人工智能发展的机遇推进教育的变革与创新？人工智能技术如何继续被安全使用？首先，人工智能专家大都认为，人工智能将会淘汰大量现有的依靠非脑力劳动为生的劳动力，需要培养人工智能时代的新型劳动力。而且，人工智能技术本身的不太成熟使很多人工智能技术只是应用在儿童教育领域，再者，人工智能潜在的道德伦理问题缺乏法律制度规范。除此之外，人工智能时代将对社会结构以及人的地位构成挑战。综上所述，人工智能时代所带来的机遇是大于挑战的。教育需适应人工智能技术所带来的突破和飞跃，不断调整和更新教育的方向和目标，实现育人成人的发展目标。

2人工智能与教育变革

2.1人工智能与教育目的的变革

人工智能带来的巨变不仅影响人类未来如何发展，而且极大释放了人类的生产力，这些在一定程度上使得人类需要重新思考教育是何目的。人工智能影响教育目的的变革主要表现在：第一，人工智能可能会使人类陷入精神危机。这源于两方面的结果：一方面，人工智能将取代大部分人的工作岗位，工作的丧失将会导致人的价值和尊严丧失。另一方面，人工智能技术的发展将可能导致所有基于自由主义的想法破产，转而人类所拥有的价值和尊严可能转化为一种“算法”，人工智能带来的职业替代风险在教育领域同样存在，主要是对教师角色的挑战。第二，人工智能有利于培养人的学习能力。从某种角度上讲，人工智能剥夺人的就业机会，但同时，人工智能助教机器人将协助教师实现个性化指导，从而有利于将学习的过程视为寻求自我价值和意义的过程。除此之外，人工智能有利于使教育注重培养人的精神能力，这种精神能力大致包括实践动手能力、价值追求能力以及创造能力，从而有利于学生知识以便于更好地完善自我、丰富自我，使教育跳脱“知识为本”的陷阱，发挥“立德树人”的正向作用。

2.2人工智能与学习方式的变革

第一，深度学习。深度学习也称为深度结构学习或者深度机器学习，是一类算法的集合。深度学习概念的提出，一方面尊重了教学规律，另一方面也是应对人工智能时代下的挑战。深度学习在机器学习、专家系统、信息处理等领域取得了显著成就，提倡学教并重、认知重构、反思教学过程，进而达到解决问题的目的。第二，个性化学习。个性化学习区别以往传统班级课堂授课，尊重学生的个性发展，因材施教。人工智能技术与大数据的应用有利于学生享受个性化的学习服务，可提供个性化的学习内容，可视化分析学生的学习数据，快速提高学生的学习效率。第三，自适应学习。自适应学习是指人工智能基于对个体学习进行快速反馈的基础上，根据学习者特征，为其推荐个性化的学习资源和学习路径，从而最大程度上适应学生的学习状态，是实现个性化学习的重要手段。人工智能技术有利于快捷、科学地判断学生的学习状态，进行学习反馈；持续收集学生的学习数据，其中包括学习目标、学习内容；高效地为学生提供海量的学习资源。

2.3人工智能与学习环境的变革

首先，有利于搭建灵活创新的学校环境。不仅可以使空间规划更具弹性，而且可以调节性增强物理环境。其次，人工智能时代的教育区别于以往传统教育强调的统一秩序，更注重个体的用户体验。创客空间、创新实验室等学习环境的不断增加以及人工智能技术的不断发展，个性化的空间环境与学习支持将改变目前学习的学习空间环境。除此之外，随着对话交互技术的逐渐成熟与不断普及，有利于实现虚实结合的立体化实时交互。VR、AR等技术的同步协作也有利于搭建新的学习环境，满足学习者的一系列要求。脑机互动技术的突破有利于实现将人工智能植入人脑，从而改变人类自然语言的交流方式。最后，人工智能通过即时、准确、高效的大数据分析有利于进行精准且个性的学习评价与反馈。人工智能将综合收集所有同学的学习记录，互相比对、优化，从而进行综合提升。更为重要的是，人工智能的人脸识别以及语音识别技术可以运用到教师的教学过程中，进行学生的学习情绪感知，学习状况的了解，从而促进学生学习的科学化；智慧校园、智慧图书馆等的出现，为教学环境的建设提供重要参考。

3人工智能在教育领域的应用

人工智能被认为是最有潜力和影响力的教育信息化技术，将通过人工智能数据挖掘分析、3D打印、模拟仿真等技术的应用，实现人工智能与教育的深度融合，对计算机辅助教学、个性化教育服务、教育人工智能生态环境等产生根本影响。2018年《地平线报告》（高等教育版本）指出了教育领域的信息化发展，未来一段时间内将通过人工智能与信息技术的结合，进而影响教育阶段的不同过程。具体见表1所示。

篇2

关键词人工智能网络专家系统

中图分类号：TP27 文献标识码：A

0引言

20 世纪以来，计算机的发展日新月异，不断更新换代，以最早期的机械运行方式为基础，经历了电子管时代、晶体管时代直到集成电路，时至今日已涉及到人们生活、工作和学习的各个方面，伴随着计算机的出现并逐步普及应用，人们又开始力图根据认识水平和技术条件，试图用机器来代替人的部分脑力劳动，以提高征服自然的能力。

1人工智能的概念

人工智能（Artificial Intelligence），英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。主要探讨如何运用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动，并以此解决如咨询、诊断、预测、规划等需要人类专家才能处理的复杂问题。通俗的说，人工智能可以分为两部分来理解，即“人工”和“智能”，顾名思义就是人造的智能。人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。

2人工智能和教育的关系

（1）人工智能和教育的关系。人工智能以及人工智能科学从1956年诞生起，其研究和应用领域就与教育紧密相关。人工智能就是研究让计算机接受教育、提高智能的科学技术。AI的研究成果又反过来应用到我们日常生活的各个方面，并可以改进我们的生活。比如应用到教育过程中，促进教育的工作效率（减少教师的数量和工作时间、甚至直接提高受教育者的智能）。还可以产生新的教学模式，如网上学习共同体、合作学习等。（2）人工智能在教育中的应用。人工智能原理和技术从诞生起就应用于教育，其产品通常称作智能指导系统ITS或者智能计算机辅助教学ICAI。

ICAI系统可以采用多种形式。从根本上讲，它是在保证学生和程序灵活性的方式下，应用人工智能原理和技术，组织安排教学系统的各种成分。它并不是根据预先输入的问题、预先想到的解答、预先指定的分支等进行工作，而是根据学生学习时积累的知识而工作。它的一般工作准则和标准，是依赖本身的知识结构和近期活动事件，如学生回答的历史记录。许多ICAI系统都具有这样的重要特点，即能够实现与学生的自然语言对话。

3人工智能与网络教育的融合

随着人工智能的理论与技术发展，其在教育中的应用日渐扩大，例如Internet上的web站点，其网页的组织形式，就包含智能的原理。目前人工智能在教育领域特别是网络环境下的应用主要有以下几个方面：

（1）ICAI。计算机辅助教学（CAI）是由程序教学发展而来。但是以程序教学为理论基础开发的CAI课件，在推理机制和学生模型方面存在不足，因而不能根据不同学生的实际情况进行动态调整，缺乏灵活的应变能力。

借鉴人工智能中的专家系统知识，由于专家系统中包含知识库和推理机两个基本模块，在一般专家系统中再加入一个“学生模型”模块，就构成智能计算机辅助教学（ICAI）系统的基本结构。其中推理机的作用相当于现实教学中的教师，它可以根据知识库中的内容和学生模型推断出每个学生的学习能力、认知特点和当前知识水平，根据学生的不同特点选择最适当的教学内容与教学方法，并可对学生进行有针对性的个别指导，提高教学效果。

（2）智能。在我们传统的教学过程中，最经典的教学模式是以教师为主，教师讲、学生听，它是一种单向沟通模式。这种教学模式的优点是有利于教师主导作用的发挥，便于教师组织、监控整个教学活动进程，便于师生之间的情感交流，因而有利于系统的科学知识的传授，并能充分考虑情感因素在学习过程中的重要作用。

上世纪90年代以来，随着多媒体和网络技术的迅速发展，强调以学生为中心的建构主义学习理论日益流行。这种理论强调在教师主导下以学生为中心的学习，即一种“主导――主体”教学结构。在这种教学并重的结构中，教师是教学过程的组织者、是良好情操的培养者；学生是信息加工与情感体验的主体，是知识意义的主动建构者；教学媒体既是辅助教师教的演示工具，又是促进学生自主学习的工具。

在网络远程教学中，为实现上述教学模式，把人工智能中的智能体（Agent）技术应用到网络远程教学中，并逐渐成为在教学领域实现智能化的一种主流技术。

篇3

关键词：人工智能；机器学习；教育应用

一、前言

当前的人工智能虽然还不够完善但其在人类的发展进程中起到了巨大的作用。因为其具有了超强的学习和分析的能力，在个人以及人工智能较量的过程中人工智能一直都是处在领先的地位，为此可以利用到人工智能来促进到人类社会的快速发展。

二、相关概念阐述

人工智能又称AI，是模拟物种智能应用的技术实现和科学。机器智能的科研市场领域包括各种图像和语言结构的快速识别，以及使用语言直接处理和服务机器人。它不仅相当于人类行为的智能，还可以系统地模拟物种的思维，并将在几年内超越历史上的物种。在未来，机器人不断学习，以使仿人机器人模仿人类的学习方式，在这一过程，获得新的各种知识，智能机器人的学习过程更快，可以实现对海量综合数据的深入分析。此外，人工智能机器人不仅可以获得更准确的结果，而且具有独特且更快的信号传输速率。许多科学家有能力超越人类自身。在深入思考核心问题时，实际上，很多人因为机器人是人类设计的，所以不可能超越人类的历史，但是人工智能机器人可能具有集成的学习功能，因此这种可能性将变得非常大。人工智能机器人具有继续学习技术的能力，没有人能够预测学习数据后的整体智能水平。

三、人工智能视域下机器人学习的适切性

在当前的文化和教育生活环境中，由于智能教育的兴起，大数据情境系统功能可以为学生综合分析和选择各种类型的信息，从而重用具有潜在影响的知识可以促进智能教育的发展。智能机器人继续学习，但借助计算机来分析综合数据，例如，以完全掌握规则并进行非常有效的分析和预测。可以看出，机器人正为人类智能教育而学习更有益。在教育中，信息化的进程在今天的时代，智能教育无疑已经成为吸引学生在学习过程中的重要因素。将学习与先进技术核心技术结合起来的方法有很多。人工智能机器人必然会给文化教育生态系统带来帮助。向人工智能机器人学习的方式很多，学校教师可以提高和教育的整体质量和效率，学生也可以赢得符合自身市场需求的学习服务，这有助于减轻学生和家长的负担。

四、人工智能视域下机器人学习的应用创新研究

从人工智能技术的角度来看，智能机器人学习是目前世界上最先进的技术。大数据在教育相关领域的应用具有很好的业务前景。人工智能机器人持续学习的应用可以帮助一些学生实现相关知识与数据之间的联系。

（一）机器人学习与教育之间的融合仅从当前的现象来看，大多数教师不了解核心技术，而了解该技术的人也不了解教育，这很容易导致无法在教育与核心之间形成良好的关系。因为技术研发人员不了解教育，所以不能从教育的多个角度审视开发过程，优秀的教师也不能从技术角度回应数据的全面发展。在人工智能开发领域，机器人应该深入地整合到学习和教育中。组织技术实施和教育核心领域的相关人员进行直接沟通和交流，使人工智能机器人在学习和应用过程中能够更充分地认识到技术研发和生产人员的过程。

（二）机器人学习在学习场景方面的应用人工智能在学校教育领域的应用，因其未来的发展趋势而呈现出明显的趋势。然而，随着学校教育核心领域的许多专业学科的介入，对学习人工智能机器人的要求将越来越高。当你开始学习同一个主题时，需要在同一个应用程序中逐步建立不同的场景。这对机器人来说更难在未来继续学习，但也是最值得创新的。仿人机器人普遍对大量综合数据进行深入分析，分析每个学习内容主题的特点和各部分学生的特点，并采取相应的更有针对性的基本教学方法，提高同学教育的速度和效率。

（三）机器人学习对于智慧环境创新方面的应用首先，由于文化教育市场中的数据种类繁多且缺乏正常秩序，这也增加了在大型集成数据系统中分析和处理文化和教育数据的难度。其次，在随后的数据处理过程中，随着时间的推移会遇到数据隐私问题，如何保护数据隐私是另一个需要注意的关键问题。因此，在教育的相关领域，大综合数据的后续处理以改善文化教育和质量，并确保在教育中最终数据的合理使用，必须在许多方面进行协调与合作，从而促进共享的合法性。最后，必须有效地确保可以长期保持教育中的数据情况并实现流程标准化。有可能实现最终数据的统一，这将大大降低全面数据交换的总体成本，并努力实现数据的无缝集成。数据的最终数据主要是由于目标学生的地区差异，以满足同一学生学习知识的不同需求。

篇4

关键词：人工智能；智能化计算机辅助教学；专家系统；知识库

中图分类号：TP18文献标识码：A文章编号：1009-3044(2007)12-21667-02

The Application of Artificial Intelligence in Education

HU Ji-li,YIN Yun-xia

( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)

Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.

Key words:Artificial Intelligence;CAI;expert system;knowledge base

1 引言

人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一，是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学、机器学习、计算机视觉等。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的，随着人工智能的诞生和发展，人们开始把计算机用于教学领域。同时，自七十年代以来，有教学能力的专家系统得到研制。人工智能技术与专家系统的成就，促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) ，这便是智能型计算机辅助教学(CAI)。

近几十年来，随着人工智能技术的日渐成熟，它的一些研究成果被陆续应用到教学领域，推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。

2 人工智能在教育中的作用

目前在教育技术中涉及到AI的主要有以下领域：

2.1 知识的表示与访问

基于人工智能的知识表示是以知识为对象，以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具，以哲学、心理学和逻辑学等为方法和指导，将知识表达成计算机可以直接处理的“知识库”，使用“计算机的智能”来模拟人类专家或“人类智能”，对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次，而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理，智能化的教学或创造。计算机辅助教育是其中重要的组成部分。

2.2 符号计算

符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica，当该软件在1988年第一次，对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时，商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程，从高中课程到研究生课程用它作基础。随着各种学生版的，Mathematica也已成为全世界各种不同专业学生的重要工具。

2.3 对学生错误的自动诊断

采用人工智能技术，使得教学过程中系统可以自动诊断学生的学习水平，不仅能发现学生的错误，而且能指出学生错误的根源，从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容，自动调整教学进度，自动选择教学策略与方法。

2.4 实现智能性超媒体教学系统

超媒体系统有理想的教学环境，容易激发学生的学习兴趣和学习主动性，但不能保证达到预期的学习目的，而且由于不了解所要教的对象，所以不能做到有针对性的指导，不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来，就可实现性能互补，从而研究制出新一代高性能的智能超媒体教学系统。

3 人工智能应用于教育的新方向：ICAI

3.1 传统CAI的不足

传统的CAI由于其集成性、交互性、多媒体性等特点，在教学中可以极大地激发学生的学习动机，提高教师的教学效率和学生的学习效率。但在使用过程中，CAI的一些弱点也逐渐暴露出来。主要表现有:

(1)缺乏人机交互能力

现有CAI 大多以光盘作为信息的载体，将教材中的内容以多媒体的形式展现出来，教学信息是按预置的教学流程机械式地提供给学生的，学生接受起来很被动。而且在课堂教学中，一般也只能通过教师按预定的课件流程进行操作，无论学生还是教师都不能很好地参与教与学的过程，因此人机交互没有很好地实现。

(2)缺乏教师与学生的互动

现有的CAI 课件在学生自学、进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学生的情况，学生在碰到问题时，也不能向教师求助，师生之间是互相封闭的，软件所起的积极效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI 课件是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。

(3)缺乏智能性

要想面对不同情况的学生进行不同程度的教学过程，使学生的学习变为主动，并能由系统自动地提供助学信息而有选择地学习，要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容，给予不同方式的教学模式与方法，没有智能性的CAI 课件系统，是很难实现以上目的并达到良好教学效果的。由此可见，现有的CAI 随着人们要求的提高，已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。

3.2 ICAI－人工智能与多媒体技术的结合

为了克服传统CAI的缺点，需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI)，智能计算机辅助教学(Intelligence Computer Assisted Instruction－ICAI)以认知学为理论基础。将人工智能技术应用于CAI，是智能化的CAI。在ICAI系统中，允许学生与计算机进行较自由的对话，学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度，并给予适当的反馈，而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能，模仿人类的交互方式、思维习惯及情绪流动，修饰和掩盖计算机的缺陷。

3.3 ICAI的优点

(1)将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略。

(2)通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议。

(3)通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。

(4)为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略。

(5)通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。

3.4 ICAI的标准

以现有的科学技术水平而言，短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为，只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。

(1)能自动生成各种问题与练习。

(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。

(3)在了解教学内容的基础上自动解决问题，生成解答。

(4)具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性。

(5)对教学内容有解释咨询能力。

(6)能诊断学生错误，分析原因并采取纠正措施。

(7)能评价学生的学习行为。

(8)能评价教师的教学行为。

不难看出，ICAI与传统的CAI相比，更加符合教育教学的规律，切合学生的认知习惯，具有明显的优越性。

3.5 ICAI的结构

ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。

(1)知识库

知识库是实现知识推理与专家系统的基础，而建造知识库的前提则是要解决知识的形式化，人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此，知识的表示与访问是人工智能的核心技术之一，也是将AI引入教育领域必须首先解决的一个难题。

ICAI中的资源库应该包括以下一些内容:

①多媒体素材库:包括所要呈现的知识的一些素材，包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理，便于分类、增删、修改及查询等操作。

②教学内容库:教学内容库用于存放教学内容，包括领域知识库(含辅助知识库、提示帮助库、练习题库，和测试题库)。这些教学内容，包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。

(2)学生模块

学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。

①学生登陆模块:利用该模块主要用于学生使用ICAI时登录，第一次登录时学生输人姓名、性别、年龄、学历等相关信息，然后对学生进行询问，选择合适的测验题对学生进行初测推荐学习计划。当再次登录时，系统根据保存的信息安排合适的学习内容。

②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析，可以比较确切地了解学生的具体情况，从而制定出合理的教学策略和教学过程

③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况，记录学生学习某教学单元时的参数值，并记录在学生档案中。包括:学生目前学习单元号；学习方式；正常学习、练习、提前浏览、学后复习；学习时间；学生提示问题的类型和次数；学生本次练习出错次数。

(3)专家决策模块

CAI中的专家决策系统可以看作专家系统中的推理机。专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力，从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。

成功的例子如:① DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果，对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。

ICAI根据学生模块提供的学生学习情况，通过智能系统的搜索与推理，得出智能化的教学方法与教学策略，能够较科学地评估学生的学习水平，还可以通过分析学生以往的学习兴趣和学习习惯，预测学生的知识需求和常犯错误，动态地将不同的学习内容、学习方法与不同的学生匹配，智能地分析学生错误的原因，进而有针对地提出合理的教学建议、学习建议以及改进方法，既提高了学生学习的满意度，激发了学生的学习热情，也对教师教学提供了客观的依据和科学的方法。

4 结束语

由此可见人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来，人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识，而采用“通过活动进行学习”的方式。在教学的其他方面，人工智能技术还可以建立人类推理模型学习工具等诸多的运用，展示出越来越好的实用性。随着Internet 的发展，虚拟现实技术的广泛应用， ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，使人类扩展了自己的能力，促进了教育领域方方面面的改革。

参考文献：

[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2000.

篇5

关键词：人工智能；教育；新模式；改革；构想

教育是着眼于未来的事业，教育的首要任务就是为未来社会培养相适应的合格人才。随着人工智能的诞生和发展，我国已经开始将人工智能应用于教育领域，并显示出人工智能对于弥补当前教育存在的种种缺陷和不足，推动教学现代化和教育发展改革进程起着越来越重要的作用。在现代医学发展中，工程科学与临床医学不断融合，相互进步。近几年，随着人工智能技术，机器人技术，虚拟与增强现实技术，3D打印技术与医学不断的融合发展，衍生出一系列的医学诊疗技术，仪器，大大推进了医学发展。从2013年到2017年，国务院、发改委、FAD连续发文，多次提及医疗走智能化、云化的趋势，为推动智能医疗领域保驾护航。智能与医学的结合已经是大势所趋，因此，为培养大量智能医学人才极有必要对智能医学教育新模式进行深入研究。

一、目前医学教育以及医学人才培养状况

智能医学工程是一门将人工智能、传感技术等高科技手段综合运用于医学领域的新兴交叉学科，研究内容包括智能药物研发、医疗机器人、智能诊疗、智能影像识别、智能健康数据管理等。

智能医学工程的毕业生掌握了基础医学、临床医学的基础理论，对智慧医院、区域医疗中心、家庭自助健康监护三级网络中的医学现象、医学问题和医疗模式有较深入的理解，能熟练地将电子技术、计算机技术、网络技术、人工智能技术，应用于医疗信息大数据的智能采集、智能分析、智能诊疗、临床实践等各个环节。实验教学正是融合型创新人才的最好培养方式。智能医学人才的培养需要各学科间的相互交融更为紧密，学生的创新应用能力才能得到更好的培养。与此同时，由于绝大部分医工结合的专业大部分归属与工科学院下，缺乏必要的临床经验，因而学生不能很好的把握新技术的应用。

而国内相关人才缺口还非常大，目前，国内仅仅有生物医学工程、医学信息工程等工科专业培养医工结合人才。但是囿于培养时间与培养模式，他们往往只能针对具体某一方向，并且目前的培养体系还多着重于工学技术的研究，缺乏临床实践。

二、智能+医学教育的必要性探究

2.1技术进步对医疗人员的诊疗帮助

以癌症的治疗为例，由于针对癌症药物的研究何药物数量非常巨大，对于普通医生在短时间内难以进行准确的判断针对癌症的研究和药物数量非常巨大，具体来说，目前已有800多种药物和疫苗用于治疗癌症。但是，这对于医生来说却有负面的影响，因为有太多种选择可供选择，使得为病人选择合适的抗癌药物变的更加困难。同样，精确医学的进步也是非常困难的，因为基因规模的知识和推理成为决定癌症和其他复杂疾病的最终瓶颈。今天，许多受过专业训练的医学研究员需要数小时的时间来检查一个病人的基因组数据并作出治疗决定。

上述问题在拥有工学、医学双背景的医生手中已经不是问题，通过目前日渐成熟的AI技术，对于大量的医疗数据进行检索，通过可靠的编程手段，通过人工智能技术，建立完备的医疗数据库，帮助医生进行诊疗。据调查，美国微软公司已经研制出帮助医生治疗癌症的人工智能机器，其原理是对于所有关于癌症的论文进行检索，并提出对于病人治疗最有效的参考方案，它可以通过机器学习来帮助医生找到最有效，最个性化的癌症治疗方案，同时提供可视化的研究数据。

2.2智能医学对于新时代医生培养的影响

人工智能通过计算机可为学生提供图文并茂的丰富信息和数据，一方面加强了学生的感性认识，加强了对所学知识的理解和掌握，从而提高了教学质量。同时，人工智能可帮助教师完成繁杂的、需适应各种教学的教学课程、课件等设计，使教师将更多的精力专注于学与教的行为和过程，从而提高教学效率。正如前面所述例子，智能网络模块化学习平台可使教学摆脱以往对于示教病例的依赖，拓展了学生们的学习空间和时间，可极大地提高医学学习效率和教学质量。

教育与人工智能相结合将会创新教育方式和理念。北京师范大学何克抗教授在《当代教育技术的研究内容与发展趋势》中提到当代教育技术的五大发展趋势之一就是“愈来愈重视人工智能在教育中应用的研究”。结合上述人工结合上述人工智能在医学教育中的创新作用，下面就人工智能结合医学学教育新模式提出一些构想。

三、交叉医学人才的培养

3.1建立智能医学人才培养体系的必要性

目前智能医学的研发和临床还存在隔阂，临床医生并没有很好地理解人工智能，无法从实践出发提出人工智能能够解决的方向，而人工智能的产业界热情高涨，却未必能踩准点，所以产业界需要和临床深度沟通融合，才能真正解决看病难、看病贵的问题，缓解医疗资源紧张。目前，国内仅仅有生物医学工程、醫学信息工程等工科专业培养医工结合人才。

3.2医学人才培养体系初步构想

据悉，目前已经有天津大学、南开大学等几所院校开设了智能方向的医学本科教育，旨在弥补上述缺口，相关院校也在积极探索新型人才培养方案。应当为医学生开设人工智能课程，应当培养具备生命科学、电子技术、计算机技术及信息科学有关的基础理论知识以及医学与工程技术相结合的科学研究能力。该专业的学生主要学习生命科学、临床医学，电子技术、计算机技术和信息科学的基本理论和基本知识，充分进行计算机技术在医学中的应用的训练，具有智能医学工程领域中的研究和开发的基本能力。

篇6

【关键词】大数据时代；人工智能；计算机网络技术

引言

科学技术的飞速发展，使计算机网络成为人们生活和工作的重要组成部分。在计算机应用领域，将人工智能与大数据进行融合，可有效解决计算机网络管理中安全性的问题。然而，在大数据时代背景下，由于人工智能技术的发展仍处在探索阶段，在计算机网络技术中的应用还存在许多问题。基于此，深度探讨人工智能应用优势，并针对人工智能在计算机网络技术中的应用提出几点建议，具有十分重要的意义。

1大数据时代人工智能技术的含义及应用优势

1.1大数据下的人工智能技术

人工智能作为计算机技术体系下的分支，是一门融合开发和研究为一体，主要作用于开发人类智慧所应用的科学技术。在人工智能不断发展的历程中，对于人工智能的探索逐渐延伸至管理学、语言学、社会学等学科，使人工智能能够更好地接近人类大脑，完成对社会中存在各类要素和信息的采集，并模拟出人脑对图像和声音出现的反应。在大数据时代背景下，人工智能可借助大数据内容多和规模大的特征，替代人们完成部分工作，为人们生活和生产提供便利，以进一步增强人们的幸福感。人工智能与大数据的配合，可将人类思考习惯进行数字化处理，并完成对数据的储存。在未来发展中，人工智能可实现对人类日常生活的复制，实现机械化的自动操作和控制。通过大数据和人工智能的相互配合，可为人类和技术的发展提供更广阔的空间。1.2大数据时代下人工智能在计算机网络技术中的应用优势在大数据时代背景下，人工智能在计算机网络技术中应用所体现的优势，主要体现在以下几方面：①完成对信息的预测，在计算机网络运行中，要想提升运转速度就要及时处理系统中存在的模糊数据，但对于这部分信息价值的辨别存在一定的难度。如依照传统处理方法会增加系统运行成本，对系统造成影响。在大数据时代人工智能的干预，可依据模糊分析理论更有效辨别信息价值，完成对信息的预见，进而实现计算机网络运行效率的提高。②增加网络监管能力，计算机系统的快速发展使得计算机网络结构日趋复杂，为网络监管带来难度。而人工智能的参与可实现对网络的分类管理，不但提升管理的效果和能力，还为网络营造更加安全的环境。③人工智能强化数据整合，在人工智能和大数据相互协作下，对于计算机网络空间中存在的信息进行快速整合，完成对各类资源的有效配置。还可加快资源整合的速度，减少资源的消耗，降低计算机网络的运行成本。

2大数据时代下人工智能在计算机网络技术中的应用对策

2.1计算机网络安全管理中人工智能的参与

①在计算机网络网络安全入侵检测中应用人工智能。在大数据时代下，计算机网络环境日趋复杂，各类病毒和木马的入侵可对网络造成不可逆的影响。而在计算机网络管理中应用人工智能，可通过对以往入侵情况的分析，建立数据集成的系统，通过数据编码将入侵特征进行编码转换，在系统中储存完整的信息。一旦计算机网络出现入侵系统的情况，对网络安全造成威胁，系统就可依据设定对入侵类型进行辨别，并完成安全处理，保障计算机系统和网络的安全。②数据挖掘技术在计算机网络安全管理中的应用。数据挖掘主要是指将网络从主机会话中分离出来，并通过对网络控制实现计算的规范化，并将其产生的数据储存到数据库中，在遇到网络风险时就能完成数据的辨别。③人工神经模拟。人工智能的模拟技术可模仿人类大脑的思考和处理逻辑，在网络运行中，可对噪声等要素进行识别，并通过检测，完成对网络的安全性检查，提升网络运行安全性，提升检测的质量。④危险信息拦截和垃圾处理。在计算机网络安全管理中，人工智能可在网络系统中建立智能防火墙，对部分危险信息进行识别，并完成拦截。还可在系统设置访问权限，提升安全防控的效果。同时，在垃圾处理方面，人工智能和大数据的相互配合，可实现对网络遗留数据痕迹和垃圾的检测，快速找到包含病毒的文件，并在人工智能处理模式下完成病毒的处理，消除网络中存在的安全隐患。另外，人工智能可完成对系统资源的扫描，通过对信息的分析和处理，将数字化数据反馈给用户，使用户更加直接地了解计算机网络的运行状况，为进一步保障计算机网络安全提供帮助。

2.2计算机网络管理系统中人工智能的导入

①系统数据库技术。在计算机网络系统中，利用人工智能技术将计算机系统运行的内容转化为数据，将简单内容在变为复杂的程序，在运行中对其进行不断的优化，找到有效的运行方式，实现对系统对有效的管理。这种人工智能和大数据的相互配合，可有效弥补传统数据加工在内容逻辑性方面的缺陷，并通过数据库的建立，使得计算机网络系统在运行速度和储存空间方面都得到提升。②智能问答技术。在计算机网络搜索功能中，人工智能技术的参与可使得用户利用部分有效信息就能获得海量的资源，提升网络资源的使用效率。这种智能问答方式主要以简单指令为核心，通过对关键词的识别在海量数据中快速筛选到相关的资料，获取到用户需要的内容。这种工作方式可减少搜索的时间，完成对资源的合理应用。比如，用户在搜索栏中输入“流行乐”，当下在音乐市场中流行的乐曲都能显示出来，并带出“流行乐”相关的搜索标签，找到更多相关的信息和数据，减少搜索的时间，并提升搜索的整体质量。③智能技术。计算机网络系统可完整记录用户的搜索数据，并从海量资源中挑选出相关内容，完成对用户的精准推送，这种服务的机制，可减低用户大量搜索的时间，并在短时间内找到更有效的相关信息，提升计算机网络系统的应用效果，带给人们更多的便利和帮助。

2.3计算机网络运营系统中人工智能的支持

目前，计算机网络与行业领域的深度融合，奠定了计算机网络的发展基础。同时计算机网络所支持的各类平台，可为整体网络管理工作的开展提供对接渠道，依托于信息传输机制，可有效提高数据传输的时效性，进一步为行业的发展提供保障。（1）在企业管理方面。大多数企业在运行过程中，将产生大量的数据信息，有价值与无价值的信息将呈现出同步传输的模式，计算机网络系统的应用，则是对此类数据信息进行有效整合与分类，为管理人员提供一定的信息决策支持。人工智能的融合，对于原有的计算机网络运营系统来讲，则可有效建立起一种基于人工智能实现的运算环境，通过大数据技术的价值信息挖掘、神经网络与模糊网络的精密算法等，可有效提高数据信息的统计能力，以此来节约企业资金成本的投入。此类人工之能的导入可为企业经济管理建立一种数据运营框架，在相关信息的输入下，可按照有序性的运算模式实现数据的分析，进而提高企业自身的运营质量。（2）在教育教学方面。计算机网络与教育领域的结合，是我国教育改革的一个重要实现载体，通过网络海量资源的支持，可为学生提供更为全面的信息。例如，以人工智能技术为载体的信息分配机制，其可有效建立起一智能化数据体系，学生通过网络进行作答时，计算机系统的分配机制可依据学生作答情况，将各类信息进行精准记录。同时，平台本身还可依据学生的作答信息进行学习行为方面的预期分析，然后针对某一时间点下数据信息呈现出的异常特性来分析出学生学习行为的发展方向，并将此类信息及时反馈到系统中。通过此类信息的正确界定，可对教师的教学行为以及学生的学习行为等进行有效规范。人工智能的支持下，可令计算机网络呈现出智能化运作的特性，对于当前信息时代的发展态势来讲，智能化、自动化的运营模式在行业领域中属于一种必然导向，为此，应针对行业本身的需求，界定出技术的应用形式，以此来发挥出技术应有的价值效果。

篇7

关键词：人工智能情感约束

中图分类号：TP18 文献标识码：A 文章编号：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自从20世纪50年代产生，经过长期发展，已经有了长足的进步，并且已经深入到社会生活的诸多领域，如语言处理、智能数据检索系统、视觉系统、自动定理证明、智能计算、问题求解、人工智能程序语言以及自动程序设计等。随着科学技术的不断发展，现在的人工智能已经不再是仅仅具有简单的模仿与逻辑思维能力，人们也越来越期待人工智能能够帮助或者替代人类从事各种复杂的工作，加强人的思维功能、行为功能或是感知功能。这就要求人工智能具有更强的情感识别、情感表达以及情感理解能力。通俗的说，为了使得人工智能对外界的变化适应性更强，需要给它们赋予相应的情感从而能够应对这个难以预测的世界。

在赋予人工智能“情感”的过程中，面临着许多的问题，有科技层面上的，也有社会学层面的。本文在这里只讨论其中一个比较基本的社会学问题：“人工智能情感约束问题”，即关注于如何约束赋予给人工智能的情感，不至于使其“情感泛滥”。情感指的是一种特殊的思维方式，人工智能具有了情感后的问题是：人工智能的情感是人类赋予的，人工智能自身并不会创造或者控制自己的情感。如果赋予人工智能的情感种类不合理，或者是赋予的情感程度不恰当，都有可能造成“情感泛滥”并导致一些灾难性的后果。例如，当人工智能具有了情感之后，如果人类自身管理不恰当，有可能导致人工智能反过来伤害人类。尽管目前我们只能在一些科幻作品中看到这种情况发生，但谁也不能保证未来有一天会不会真的出现这种悲剧。

本文第二章对人工智能情感研究进行了概要性回顾，第三章对如何约束人工智能情感进行了尝试性探讨，最后一章对全文进行了总结。

2人工情感发展情况概述

随着科学家对人类大脑及精神系统深入的研究，已经愈来愈肯定情感是智能的一部分。人工情感是以人类自然情感理论为基础，结合人工智能、机器人学等学科，对人类情感过程进行建模，以期获得用单纯理性思维难以达到的智能水平和自主性的一种研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感机器识别与表达、人工情感机理等四个方面的内容。其中，尤以人工情感机理的研究困难最大，研究者也最少。

目前人工情感在很多领域得到了应用和发展，比较典型的是在教育教学、保健护理、家庭助理、服务等行业领域。在教育教学方面比较典型的例子是德国人工智能研究中心发展的三个方案：在虚拟剧场、虚拟市场和对话Agent中引入情感模型和个性特征来帮助开发儿童的想象力及创造力。在保健护理方面比较典型的是家庭保健与护理方向，如Lisetti等人研制的一个用于远程家庭保健的智能情感界面，用多模态情感识别手段来识别病人的情感状态，并输入不同媒体和编码模型进行处理，从而为医生提供关于病人简明而有价值的情感信息以便于进行有效的护理。服务型机器人的典型例子是卡内基梅隆大学发明的一个机器人接待员Valerie。Valerie的面孔形象的出现在一个能够转动方向的移动屏幕上时可以向访问者提供一些天气和方位方面的信息，还可以接电话、解答一些问题；并且Valerie有自己的性格和爱好，情感表达较为丰富。当然这些只是人工情感应用领域中的几个典型的例子，人工智能情感的潜力仍然是巨大的。

尽管关于人工情感的研究已经取得了一定的成果，给我们带来了很多惊喜和利益，但由于情绪表现出的无限纷繁以及它与行为之间的复杂联系，人们对它的运行机理了解的还不成熟，以致使得目前人工情感的研究仍面临着诸如评价标准、情感道德约束等多方面问题。所以必须清楚的认识到我们目前对于人工情感的计算乃至控制机制并没有一个成熟的体系。

3对人工智能的情感约束

正如上文所述，如果放任人工智能“情感泛滥”，很有可能会造成严重的后果。为了使人工智能技术更好的发展，使智能与情感恰到好处的结合起来，我们有必要思考如何对赋予人工智能情感进行引导或者约束。

3.1根据级别赋予情感

可以根据人工智能级别来赋予其情感，如低级别人工智能不赋予情感、高级别人工智能赋予其适当的情感。众所周知，人工智能是一门交叉科学科，要正确认识和掌握人工智能的相关技术的人至少必须同时懂得计算机学、心理学和哲学。首先需要树立这样的一个观点：人工智能的起点不是计算机学而是人的智能本身，也就是说技术不是最重要的，在这之前必须得先解决思想问题。而人工智能由于这方面没有一个严格的或是量度上的控制而容易出现问题。从哲学的角度来说，量变最终会导致质变。现在是科学技术飞速发展的时代，不能排除这个量变导致质变时代的人工智能机器人的到来，而到那个时候后果则不堪设想。因此，在现阶段我们就应该对人工智能的情感赋予程度进行一个约束。

根据维纳的反馈理论，人工智能可以被分成高低两个层次。低层次的是智能型的人工智能，主要具备适应环境和自我优化的能力。高层次的是情感型的人工智能，它的输入过程主要是模仿人的感觉方式，输出过程则是模仿人的反应情绪。据此我们可分别将机器人分为一般用途机器人和高级用途机器人两种。一般用途机器人是指不具有情感，只具有一般编程能力和操作功能的机器人。那么对于一般用途的机器人我们完全可以严格的用程序去控制它的行为而没必要去给他赋予情感。而对于高级层面的情感机器人来说，我们就适当的赋予一些情感。但即使是这样一部分高层次的情感机器人，在赋予人工情感仍然需要考虑到可能会带来的某些潜在的危害，要慎之又慎。

3.2根据角色赋予情感

同样也可以根据人工智能机器人角色的不同选择性的赋予其不同类型的情感。人类与机器合作起来比任何一方单独工作都更为强大。正因为如此，人类就要善于与人工智能机器合作，充分发挥人机合作的最大优势。由于计算机硬件、无线网络与蜂窝数据网络的高速发展，目前的这个时代是人工智能发展的极佳时期，使人工智能机器人处理许多以前无法完成的任务，并使一些全新的应用不再禁锢于研究实验室，可以在公共渠道上为所有人服务，人机合作也将成为一种大的趋势，而他们会以不同的角色与我们进行合作。或作为工具、顾问、工人、宠物、伴侣亦或是其他角色。总之，我们应该和这些机器建立一种合作互助的关系，然后共同完任务。这当然是一种很理想的状态，要做到这样，首先需要我们人类转变自身现有的思维模式：这些机器不再是一种工具，而是平等的服务提供人。

举例来说，当机器人照顾老人或是小孩的时候，我们应该赋予它更多的正面情绪，而不要去赋予负面情绪，否则如果机器人的负向情绪被激发了，对于这些老人或者小孩来说危险性是极大的；但是，如果机器人是作为看门的保安，我们对这种角色的机器人就可以适当的赋予一些负向的情绪，那么对于那些不按规则的来访者或是小偷就有一定的威慑力。总之，在我们赋予这些智能机器人情感前必须要周到的考虑这些情感的程度和种类，不要没有顾忌的想当然的去赋予，而是按分工、作用赋予限制性的情感约束，达到安全的目的。

3.3对赋予人进行约束

对人工智能情感赋予者进行约束，提高赋予者的自身素质，并定期考核，并为每一被赋予情感的人工智能制定责任人。

纵观人工智能技术发展史，我们可以发现很多的事故都是因为人为因素导致的。比如，首起机器人杀人案：1978年9月的一天，在日本广岛，一台机器人正在切割钢板，突然电脑系统出现故障，机器人伸出巨臂，把一名工人活生生地送到钢刀下，切成肉片。

另外，某些研究者也许会因为利益的诱惑，而将人工智能运用在不正当领域，或者人工智能技术落入犯罪分子的手中，被他们用来进行反对人类和危害社会的犯罪活动。也就是用于所谓的“智能犯罪”。任何新技术的最大危险莫过于人类对它失去控制，或者是它落入那些企图利用新技术反对人类的人的手中。

因此为了减少这些由于人而导致的悲剧，我们需要对这些研究者本身进行约束。比如通过相应的培训或是定期的思想政治教育、或是理论知识的学习并制定定期的考核制度来保证这些专家自身的素质，又或者加强对人工智能事故的追究机制，发生问题能立即查询到事故方等等，通过这样一系列强有力的硬性指标达到减少由于人为因素导致悲剧的目的。

3.4制定相应的规章制度来管理人工智能情感的发展

目前世界上并未出台任何一项通用的法律来规范人工智能的发展。不过在1939 年，出生在俄国的美籍作家阿西莫夫在他的小说中描绘了工程师们在设计和制造机器人时通过加入保险除恶装置使机器人有效地被主人控制的情景。这就从技术上提出了预防机器人犯罪的思路。几年后，他又为这种技术装置提出了伦理学准则的道德三律：（1）机器人不得伤害人类，或看到人类受到伤害而袖手旁观；（2）在不违反第一定律的前提下，机器人必须绝对服从人类给与的任何命令；（3）在不违反第一定律和第二定律的前提下，机器人必须尽力保护自己。这一“机器人道德三律”表现了一种在道德忧思的基础上，对如何解决人工智能中有害人类因素所提出的道德原则，虽然得到很多人的指责，但其首创性还是得到公认的。尽管这个定律只是小说家提出来的，但是也代表了很多人的心声，也是值得借鉴的。

那么对于人工智能情感的约束呢？显然，更加没有相应的法律法规来规范。那么，我们就只能在赋予人工智能情感的道理上更加的小心翼翼。比如，我们可以制定一些应急方案来防止可能导致的某些后果，也即出现了问题如何及时的处理之。另外我们在操作和管理上应更加慎重的去对待。也希望随着科学技术的发展，能够在不久的将来出台一部相应的规章制度来规范人工智能情感的管理，使之更加精确化、合理化。

4结束语

人工智能的情感研究目的就是探索利用情感在生物体中所扮演的一些角色、发展技术和方法来增强计算机或机器人的自治性、适应能力和社会交互的能力。但是现阶段对这方面的研究虽然在技术上可能已经很成熟，但是人工智能情感毕竟是模拟人的情感，是个很复杂的过程，本文尝试性的在人工智能发展中可能遇到的问题进行了有益的探讨。但是不可否认仍然有很长的道路要走，但是对于人工智能的发展劲头我们不可否认，将来“百分百情感机器人”的问世也许是迟早的事情。

参考文献：

[1] 赵玉鹏，刘则渊.情感、机器、认知――斯洛曼的人工智能哲学思想探析[J].自然辩证法通讯，2009，31（2）：94-99.

[2] 王国江，王志良，杨国亮，等.人工情感研究综述[J].计算机应用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究综述[J].江南大学学报（自然科学版），2012，11（04）：497-504.

[4] Christine Lisett，i Cynthia Lerouge.Affective Computing in Tele-home Health[C].Proceedings of the 37th IEEE Hawaii International Conference on System Sciences，2004.

[5] Valerie.The Roboceptionist[EB/OL].http：//.

[6] 张显峰，程宇婕.情感机器人：技术与伦理的双重困境[N].科技日报，2009-4-21（005）.

[7] 张晓丽.跟机器人谈伦理道德为时尚早[N].辽宁日报，2011-11-04（007）.

[8] Peter Norvig.人工智能：机器会“思考”[J].IT经理世界，2012（Z1）：331-332.

[9] McCarthy J.Ascribing Mental Qualities to Machines1A2. In Ringle M，editor，Philosophical Perspectives in Artificial Intelligence1C2，Humanities Press Atlantic Highlands，NJ，1979：161-195.

篇8

关键词:教学改革;人工智能;游戏设计;游戏编程

人工智能(Artificial Intelligence,AI)是计算机科学的一个分支,是研究、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[1]。人工智能技术研究领域包括机器人、模式识别、自然语言处理、机器学习、数据挖掘、人工神经网络和专家系统等[2],其最为广泛的应用之一就是游戏设计[3]。游戏设计虽然涉及多门学科,但其作为应用并没有形成一门单独的理论[4-5]。由于游戏存在较大的市场以及其作为人工智能的一个重要应用,国外已有多所大学开设了游戏设计课程。如卡内基梅隆大学(Carnegie Mellon University)于1999年设立了娱乐科技硕士学位,并开设了相关课程;南加州大学(The University of Southern California)设立了为期3年的互动媒体艺术(fine arts in interactive media)硕士学位课程,并于大学部设立电子游戏设计(video-game design)副修课程。该校也为美国军队创作训练士兵的电子游戏,透过战斗情境模拟来进行沙盘演练。麻省理工学院(Massachusetts Institute of Technology)提供多种电子游戏设计相关课程,并研发将电玩游戏纳入教室教学的方法。斯坦福大学(Stanford University)提供电子游戏设计史及包含最佳电子游戏竞赛奖的计算机绘图课程。华盛顿艺术学院(The Art Institute of Washington)为亚特兰大艺术学院的分校,提供授予学士学位的视觉及游戏程序设计课程。在初期的艺术与设计重点培训后,学生将学习立体动画相关技术。国内也有多所高校开设了游戏设计的相关课程,如北京邮电大学,首都师范大学等,为了适应市场许多培训机构也开设了游戏设计课程,但培训机构将课程的重点放在了实际的编辑代码中而过少的关注理论。中南大学开设人工智能课程已有20多年的历史,在教学实践中,中南大学智能系统与智能软件研究所的教师们在教学科研方面取得了许多令人振奋的成果。在良好的环境中,人工智能与游戏编程课程应运而生[6-7]。

1教学目标与要求

中南大学人工智能与游戏设计课程主要面向智能方向4年级学生,在4年级第一学期开设。学习该门课程之前需要具备人工智能以及计算机编程方面的课程知识,并且需要一定的计算机图形学的相关知识基础。

此门课程的学习使学生了解游戏设计与虚拟现实的基本概念和术语及其基本设计方法,理解人工智能在游戏中的相关应用,熟悉游戏设计中编程以及建模技术,为学生将来利用人工智能技术以及游戏设计技术奠定必要的知识基础。除此之外向学生介绍计算机游戏的基本原理和最新进展,包括计算机游戏动画的最新概况、游戏程序设计概览、2D游戏的基本编程技术、3D游戏动画的基本编程技术、3D游戏场景的组织与绘制、游戏中的高级图形技术、游戏中的音频编程、游戏中的人机界面技术、人工智能在游戏动画中的应用,纹理贴图、基于图像的绘制和加速算法等。

基于该教学目标,本课程有两个重点内容,其分别是人工智能技术如何在游戏设计中的应用,以及游戏编程的相关技术。对于人工智能技术在游戏设计中的应用这一内容,主要采用理论结合实际的理念,将学生已具备的人工智能理论知识与游戏设计的具体应用联系起来,使学生一方面能体会人工智能的基础理论,另一方面使学生能够将其所学用于实践,避免理论与实践脱节。游戏编程内容主要从设计模式入手,然后依托多媒体平台对学生进行讲授设计以及编程方面的相关知识。

围绕这个教学目标,我们安排了28个学时的课堂教学,4个学时的实验,总共32个学时的课程。接下来针对课堂教学、实验设计、考核方式这几个方面分别展开讨论。

2课堂教学设计

本课程采用培训学校模式与大学理论教育折中的方式进行讲授,本节将着重对28个学时的课堂教学内容分别介绍。

1) 游戏程序设计概论与计算机图形学基础。

该部分内容可以分为以下两部分。

(1) 计算机游戏简介与游戏设计概论(2课时)。

(2) 计算机图形学基础(2课时)。

概论部分主要介绍计算机游戏的基本概念、特点以及目前国际上该领域的研究和应用情况。图形学部分主要是介绍计算机图形学的相关理论基础,目的是让没有学过计算机图形学的学生有一定了解,由于考虑到智能专业也开设计算机图形学的相关选修课,因此,本部分内容只是对之前学习的相关知识的复习,目的是为后续的程序设计课程打好相应的理论基础。

本次课程是正门课程的开篇之讲,一方面,教师要开宗明义,让学生明确何为计算机游戏,并对计算机游戏有大致的了解,为后续课程学习起铺垫作用;另一方面,为增强学生学习兴趣,必须介绍计算机游戏的类型以及各种知识与其的关联。

2) 游戏编程技术。

如上所述,游戏编程是本门课程的一个重点内容,游戏编程可以分为如下几个部分。

(1)Windows编程基础(2课时)。

(2)DirectX编程基础(2课时)。

(3)2D游戏的基本编程(2课时)。

(4)3D游戏场景的组织和绘制(2课时)。

(5)3D动画的基本编程技术(2课时)。

(6)游戏中的人机界面技术(2课时)。

对于Windows编程基础,其主要内容是Windows操作系统的发展史、Win32程序的基本结构、消息循环与处理、Windows窗口、GDI接口、集成开发环境(IDE)。

DirectX编程[8]基础的主要内容是DirectX开发包的历史及其框架、介绍每一个组件的功能、DirectX开发包的安装以及与IDE连接的配置。

2D游戏基本编程的主要内容是游戏的基本流程和体系结构、游戏开发的基本理念及方法、游戏引擎简介、游戏的调试与测试。

3D游戏场景的组织与绘制的主要内容是3D场景的组织与管理、游戏场景的几何优化、3D场景的快速可见性判断与消隐、地形场景的绘制与漫游、3D游戏场景中的碰撞检测。

3D动画的基本编程技术的主要内容是3D动画技术概述、Direct3D开发包的使用、关键帧动画技术、基于动作捕捉的动画技术、脚本驱动的动画技术。

游戏中的人机界面技术主要内容是游戏的可玩性与人机界面、用户界面设计基础。

游戏程序设计部分内容主要是让学生了解和掌握面向Windows平台的游戏编程的技能。现在绝大部分游戏和娱乐都是基于Windows平台,因此掌握Windows平台的设计模式与编程方法是必须的。又因为DirectX软件开发包是微软公司面向Windows平台开发的一套专门应用于游戏开发的API,因此了解其原理以及掌握其技术能够提高学生的游戏开发能力。

3) 人工智能在游戏中的应用。

如今的游戏应用了大量的人工智能技术,本门课程将从以下几个方面介绍人工智能技术在游戏中的应用。

(1)遗传算法(6学时)。

(2)神经网络(6学时)。

遗传算法主要内容是遗传算法的概念及其相关研究、杂交操作、变异操作、适应性函数选择、遗传算法优化的算子、创建和处理矢量图形。

神经网络主要内容是神经网络概述、适应性函数、环境探测、有监督的学习、演化神经网络的拓扑。

该部分内容主要是介绍如何将人工智能中的理论用计算机语言实现,并介绍如何在游戏设计中应用这些理论。这部分内容是本门课程一个核心内容,通过学习学生们能够认识到人工智能在游戏设计中的重要性,并提高应用能力。

3实验设计与课程设计

由于该门课程为选修课,因此课时较少,除课堂课时之外只剩下4个学时的实验课时。我们针对这4个课时的实验进行了重点设计,其主要内容是引导学生熟悉Visual Studio .Net 2008集成开发环境、安装与配置DirectX 软件开发包、使用有限状态机设计状态驱动智能体,设计2D图形驱动引擎。

虽然课时很短,但学生能够实际动手操作,熟悉游戏编程的相关开发工具与开发包,另外,学生学习兴趣提高了,学习内容从枯燥的抽象概念、理论变成实际的事例。此外,学生还可以在课下完成任务,继续钻研新的理论应用。

我们针对本门课程实验课时少的缺点,特别设定了一个课程设计环节。课程设计并不占用实验课时,而是要求学生利用课外的时间,自由组合,以团队的模式完成相应的设计要求。

课程设计主要内容是要求学生完成一个项目设计,该项目设计主要是要求学生使用相关的集成开发环境和开发包,利用一个人工智能技术编写出一个小的游戏软件,并给出设计报告。考虑到学生的实际能力,开发与报告以小组的形式进行设计开发,设计团队由3～5人自由组合,具体分工必须在报告中体现,报告要求不少于4000字,以软件开发文档的形式提交,报告中不仅有游戏软件的需求分析文档、设计文档和测试文档,还必须包括游戏的内容设计,即游戏的情节创意或功能设计。设计题目以及游戏类型由学生自选,图形界面可以是3D也可以是2D,开发包可以使用Direct3D也可是Windows自带的GDI。

4考核方式及其安排

考核一个方面是检测学生学习的状况,另一个方面是为了通过考核方式,提高学生的实践动手能力。基于这个原因,我们将整个考核分为3个模块。

1) 期末考试(开卷),占总成绩的50%。

2) 项目设计,占总成绩的35%。

3) 实验,占总成绩的15%。

期末考试采用开卷形式,主要目的在于检测学生通过课程学习,对知识点的掌握程度,以及运用知识点解决问题的能力。其占总成绩比例的一半。虽然期末考试为开卷,但考核的知识点无法直接从教材中直接找到,需要学生实际运用能力和解题手段才能完成答题。精心设计的开卷试题,可以使学生对虚拟现实知识体系进行一个系统的回顾,同时,它也是对教学的补充。

课程设计需要学生有很强的自主性,认真完成将使学生受益匪浅,敷衍了事不仅学生没有得到锻炼,教学目的也难以达成。课程设计以小组的形式有优势也有劣势,好处在于学生可以根据自身能力对应团队中的角色,例如,某同学编程能力强,他可以作为程序设计与开发人员;另一同学数学好,或理论方面出色,他就可以担任算法设计的工作;某些同学有创意,他则可以担任游戏情节设计的工作,等等。这样做分工明确,每个人都能够根据自己的实际需求和情况得到锻炼。劣势在于,如果团队同学能力重点都一样,就会出现分工不清,而最大的问题就是团队合作会导致某些同学出现依赖思想,最终导致整个团队只有一个人完成整个项目,甚至导致项目无法完成的情况。对此,我们应当强调每一个学生都要积极主动参与到课程设计中来,发挥自己的主观能动性,协作完成项目。

5结语

本文探讨了人工智能与游戏设计教学目标与任务、课堂教学、实验设计、考核方式,希望能够给其他相关教学工作者以参考和启发,共同促进其完善与提高。

由于人工智能与游戏设计这门课程是中南大学新开的一门课程,在许多方面存在考虑不周或欠缺的情况,需要向兄弟单位多学习并且多在教学实践中摸索与提高。本门课程是以中南大学智能系统与智能软件研究所为依托,它具有很好的研究基础与良好的实验平台,并能够将这门课程融会贯通,使学生理解人工智能与游戏开发设计的基本理念,并培养学生实际应用技能。

参考文献:

[1] 杨刚,黄心渊. 虚拟现实技术课程的教学设计与讨论[J]. 计算机教育,2008(2):1-3.

[2] 蔡自兴,徐光v. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2003.

[3] 刘锴. 应用型院校的虚拟现实技术课程教学探讨[J]. 电脑知识与技术,2009,23(5):6486-6487.

[4] 刘明昆. 三维游戏设计师宝典:Virtools开发工具篇[M]. 成都:四川出版集团,2005.

[5] 王一剑. 人工智能在游戏开发中的应用[M]. 上海:同济大学软件学院,2008.

[6] 于金霞,汤永利. 人工智能课程教学改革及实践探讨[J]. 教学园地,2009(5):91-118.

[7] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.

[8] Microsoft. DirectX Software Development Kit[EB/OL]. [2010-7-20]. /downloads/details.aspx.

Design in Artificial Intelligent and Game Programming Courses

LI Yi

(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)

篇9

【关键字】人工智能；课程改革；高中；信息技术；课程实施

【中图分类号】G420 【文献标识码】A 【论文编号】1009―8097 (2008) 10―0043―04

教育部在2003年颁布的高中信息技术新课程标准中，首次把“人工智能初步”设置为选修模块，与多媒体、网络、程序设计、数据库技术等一起列入信息技术课程体系[1]。此举曾被视作信息技术课程改革的亮点之一。然而，在如今高中信息技术新课改已经全面铺开之际，人工智能选修课程的推进仍然举步维艰，面临诸多困难和问题。

一高中人工智能课程的现状分析

自2004年我国部分省级实验区开始推进高中新课程改革以来，信息技术课程改革已经开展了四年之久。从目前的总体情况来看，信息技术课程的基础模块与多媒体技术、网络技术、算法与程序设计三个选修模块的实施情况较好，而数据库技术与人工智能初步两个选修模块的推进情况相对不佳。特别是人工智能课程，至今在全国范围内正式开设该课程的学校寥寥可数，少数高中展开了一定的探索和实验，而大多数学校仍持有观望态度。以下分别从实施取向和实施层次的角度分析该课程的现状：

（1）课程实施的取向

由于我国长期以来实行的是全国统一的课程与教材，按照统一规定执行教学计划，对学校和学生的评价也是按照统一标准与方式实施的，因此我国以往的课程实施基本上都采用了忠实观的取向[2]。本次新课改中信息技术课程的实施过程难免受到这种取向的影响。然而，新课程标准中对信息技术技术各个模块的具体实施并没有明确而详细的规定，从而使教师对包括人工智能模块在内的课程实施缺乏长期惯于依赖的参照和依据，增加了课程实施的难度，造成部分模块的课程难以开设的情况。

（2）课程实施的层次

课程实施包括五个层面的变化，即教材的改变、组织方式的改变、角色和行为的改变、知识与理解的改变、价值的内化[3]。目前高中人工智能课程在教材改变的层面已经做出了一定的努力。在课程标准的指导下，现已出版的五套教材在体例、版面、学习活动、评价等方面进行了多样化的设计，基本上贯彻了新课标所倡导的课程目标和理念。在组织方式的层次，少数已经开设人工智能课程的学校结合学生的兴趣与学校的实际情况，有针对性地开展了课程的组织。然而，仍然有一些地区或学校不愿或不习惯打破原有的课程组织方式，而是采用硬性规定的方式，人为指定两三门课程，将选修变为必修，限制学生的自由选择，依然维持原有的固定班级授课的形式。教材的改变仅仅是课程实施的开始，在组织方式、角色或行为、知识与理解、价值等层次，大部分学校还未发生变化或变化还很小。

（3）课程实施的典型个案

目前国内开展人工智能课程教学或实验的典型学校如表1所示。总体来看，这两所学校都地处东南沿海地区，且学校本身比较积极参与高中新课改的实践探索，属于“敢于吃螃蟹”的类型。考虑到课程本身的要求较高，两所学校都选取了基础较好的学生开展教学。到目前为止，两所学校均已开展了三期的教学或实验探索，任课教师及时总结教学心得体会，并在相关教学刊物或课程研修活动中与广大一线教师分享教学经验。

二高中人工智能课程的影响因素

根据Snyder的研究，可以把课程实施的影响因素归纳为四个方面：课程改革自身的性质、校区的整体情况、学校的水平以及外部环境[4]。结合高中人工智能课程的现状，本文分别从以上四个方面来探讨影响该课程的主要因素。

（1）课改自身的性质

课程改革本身的性质是影响课程实施的第一要素。它包括课程改革的必要性及其相关性、改革方案的清晰程度、改革内容的复杂性以及改革方案的质量与实用性。结合信息技术新课程改革的相关调查研究，广大信息技术教师和教研人员对课改的必要性应该认识得比较到位，然而他们对信息技术课程中是否有必要单独开设人工智能模块存有疑惑。其次，不少教师对课程改革方案（课程标准）的认识并不是非常清晰。他们认为新课程标准中的教学理念、实施建议等内容相对抽象，不易把握和理解，缺乏具体的针对性，可操作性不强。再次，人工智能课程的实用性相比其他模块并不明显，课程内容也相对难度较高。这些因素造成课程设置的必要性不强、实施难度大、实用性不高，直接影响人工智能课程在学校的顺利设置。

（2）校区的整体情况

校区的整体情况主要包括地区的适应性、地方管理部门的支持、教学队伍的培养、教学研讨和交流等等。各地区对课程改革的需要程度会直接影响人们实施课程的积极性和主动性。我国东西部地区的学校对课程改革的需求程度不同，从而造成了课程实施的地区差别。从目前开设人工智能课程或教学实验的学校来看，均分布于东南沿海较为发达的地区。这些学校的共同特点是基础条件较好，对课程改革的积极性高，敢于进行教学尝试和革新。此外，地方管理部分的支持对课程实施也有很大影响，如广东省为了推动信息技术课程改革，专门出台了关于课程标准的教学指导意见[5]。其中强调“要特别注意人工智能初步”，并针对人工智能课程提供了较为具体的教学建议，从而促使该省出现了全国最早正式开设人工智能课程的学校。师资队伍也是影响课程的因素之一。目前大多数高中缺乏熟悉人工智能课程内容和教学方法的专业教师，使得学校无法开设该课程。因此，有关人工智能课程的研讨和学习交流显得尤为重要，然而目前这些方面的活动总体上相对缺乏。

（3）学校的水平

学校水平对课程实施的影响因素包括校长的作用、教师的个人特征和教师集体的行为取向。学校是课程改革的基本单位，校长和教师是学校课程改革的动因。校长对课改理念的理解，以及对课改的支持、参与程度都会影响课程的顺利实施。校长通常会根据上级主管部门的意见，结合本校的实际情况，权衡课程改革可能对学校形成的各种影响。在高考的影响下，信息技术课程在高中各科中长期存在地位“低人一等”的现象，甚至出现课时常被“侵占”的现象。如果校长对信息技术课程本身不重视，那么要求学校开设人工智能选修课无疑是一种奢望。此外，一所学校教师个人和集体的改革意识的强弱也会影响课程的实施。从人工智能课程的现状来看，恰好印证了这一点：改革意识强的教师个人或教研组即使没有上级的硬性指令，也能积极展开各选修模块的教学尝试和探索，并自觉地从教学者成长为研究者，而思想保守的学校即使具备了课程实施的基本条件，也不愿积极开设相关的选修课程，长期停留于课程的“忠实执行者”的层次。

（4）外部环境

外部环境因素主要包括政府部门的重视、外部机构的支持以及社区与家长的协助。各国课程改革的经验表明，教育行政部门和相关机构的态度在很大程度上影响到新课程的顺利实施。特别是我国长期以来受到前苏联教育模式的影响，课程改革通常是自上而下的模式，新课程的实施主要依靠各级政府教育行政部门的政策和指令的推动。本次新课程改革同样继承了这一模式，但是整个教育体制和评价体系未能及时进行相应的调整，因此在某些方面造成各级教育部门的政策抵触，出现“上有政策、下有对策”的情况。此外，社区与家长对新课改的认识和态度也影响到人工智能课程的实施。研究表明，社区与家长更加关心的是新课改是否有助于提高学生的学业成绩，是否会给学生造成更大的负担，而对学生能力的全面发展和个性的培养则是其次的考虑。因此，要使社区与家长认识和了解课程改革的意义和目标，引导其关心新课程、支持新课程才能更好的促进新课改的健康发展，进而才可能使得包括人工智能在内的高中各科选修模块得以全面开设与实施。

三高中人工智能课程的反思

通过调查访谈以及与相关授课教师的交流，笔者了解到高中人工智能课程的教学情况和教师的经验体会。总体来说，该课程的推进情况不如预期理想，需要从课程的设计、管理、教学以及评价等方面进行反思。

（1）课程设计

本次高中信息技术课程改革将原来的一门课程分解为1个必修模块和5个选修模块，从而给学生提供多样化的选择。“人工智能初步”选修模块是作为智能信息技术处理专题设置的，以反映信息技术学科的发展趋势，体现教育的时代性要求。课程设置的目的在于使学生在技术掌握与使用的过程中，逐渐领会信息技术在现代社会中的应用以及对科学技术和人类发展的深远意义[6]。然而，以上的描述更多是该模块的隐性价值，相比其他模块该课程的显性价值并不是很直观。而一线的信息技术教师较多关注的是该课程的显性价值：课程能给学生带来些什么？学生的实践能力能否有较大提高？教师们在没有找到一个合理的价值依托之前，一般不会贸然开课。这一点值得课程设计者和教研人员的深刻思考。

通过网络问卷调查，不少教师认为人工智能课程在高中开设是有一定必要性的[7]，但并不意味着所有的学生都需要学习该课程。课程应面向对人工智能有一定兴趣的学习者，且最好有一定的基础。事实上，相对于其他选修模块，选择人工智能课程的学生并不是很多。因此，结合我国目前的情况，可以考虑优先在发达地区条件较好的部分学校开设，再进一步利用其示范作用，以点带面，逐步铺开培训、指导、交流的规模和影响面，积极稳妥地推进高中人工智能课程的建设。

（2）课程管理

课程的有效管理有助于提高课程实施的质量。上个世纪90年代以来，我国的中小学课程由原来的中央集权管理体制逐步转变为国家、地方、学校的三级管理体制。国家负责课程的总体规划，省级教育部门结合本地区实际制定课程计划或实施方案，而学校也将有权根据学校传统或学生兴趣开发适合本校的课程。目前人工智能课程虽然已被列入国家课程标准，但在地方管理层面并未得到应有的认可。部分地区考虑到高考因素，直接将人工智能模块排除在学生的选择范围之外，无疑成为阻碍该课程顺利实施的一个重要原因。

目前我国高中了解熟悉人工智能教学内容、方法的教师十分缺乏，相关教育主管部门需加强该课程的师资培养，邀请教材编写人员和相关专家，积极开展各级培训、研讨和交流活动，以务实的态度来听取学科教师的意见，为他们提供一些明确的、可操作的指导和建议。也可以开展优秀教学案例的征集和评奖，通过公开课的观摩和点评活动，或吸纳中学教师参与有关课程改革和教学研究的课题，以此提高教师参与改革的积极性。此外，国内高等师范院校信息技术相关专业应该对新课改作出及时的反应，针对高中信息技术各选修模块为师范生开设相关的课程，为课改的成功实施提供后备师资力量的支持。

（3）课程教学

从已开展的人工智能课程教学或实验情况来看，主要的教学体会包括：教学对象选取时要有针对性，不宜硬性指定，应结合学习者自己的兴趣和学习基础供其自由选择；由于课程的理论和技术的要求较高，不宜大量采用“讲授法”进行教学，应设计一些有挑战性的活动供学生实践；为保证教学进度有序进行，可通过课堂小测及时巩固所学内容；应提供良好的网络条件和计算机设备以支持课程教学和实践的顺利开展。

国外一些高校通过远程网络的手段与中学合作开展人工智能教学，加快了课程建设的步伐，并提高了教学质量。大学负责教学网站的建设维护，主持与中小学的讨论答疑，中学则负责课程教学的具体实施。文中个案也印证了这种做法的有效性：让一些致力于高中人工智能课程研究的高校和部分条件较好的中学建立共同体，协作推动课程的实施。一方面，高校研究人员能为中学提供教学指导建议、技术和资源的支持；另一方面，中学的教学实践也为高校进行课程教学研究提供了材料和依据。

（4）课程评价

研究表明，评价目前已成为影响高中信息技术新课程实施的一个重要问题[8]。从本次课改的动因来看，针对我国现行教育体制下的高考选拔制度在很多方面呈现的弊端，新课改力图在一定程度上改变这一局面，努力使学习者能够真正获得全面的发展。但是，在目前情况下以高考为“指挥棒”的评价体系短期内仍然无法发生质的变化。高中新课改实施以来，部分省份相继将信息技术课程纳入了高考的范畴，以往信息技术课程不受重视的情况逐渐得到了一些改善。然而，高考是否解决信息技术课程评价问题的一剂良药，进而为人工智能课程的实施及其评价带来新的希望，目前仍是值得怀疑和思考的问题。特别是当前高考科目已经较多，再增加科目无疑会加重学习者的负担，且很容易回到应试教育的老路上。

其次，虽然新课程标准中提供了关于课程评价的建议，但是其中的内容仍然比较抽象，可操作性不够。如在信息技术课程标准的评价建议中，提倡评价主体的多元化，关注学生的个别差异，综合应用多种过程性评价方式，适当渗透表现性评价的理念，等等。这些内容从理念上来讲都是很好的，但是如何在教学实践中加以操作实施，对一线教师而言仍是不够明确和难以把握的问题。而且，信息技术课程的每个模块各有特色，然而课程标准并未就此提供专门的评价建议。因此，一套科学合理、适合人工智能课程的评价体系和方法仍需要教研人员在实践中不断摸索总结。

参考文献

[1] 教育部. 普通高中技术课程标准(实验) [S].北京:人民教育出版社,2003:9.

[2] 钟启泉. 课程论[M].北京:教育科学出版社,2007:207-214.

[3] Fullan, M. & Pomfret, A. Research on curriculum and instruction implementation [J]. Review of education research, 1997, 47(1).

[4] Snyder J.B. & Zumwalt K. Curriculum implementation [M]. In Jackson P. W. (Ed).Handbook of Research on Curriculum. New York: Macmillan Publishing Company, 1992.

[5] 珠海教育信息网. 广东省普通高中信息技术课程标准教学指导意见 [DB/OL].

[6] 顾建军等.技术课程标准(实验)解读[M].武汉:北教育出版社,004:9.

篇10

《财经天下》周刊=EW

胡郁=HY

EW：科大讯飞的业务布局情况现在是怎样的？

HY：科大讯飞现在的业务布局主要是两部分：第一是通过人工智能技术和平台级业务，将语音识别、自然语言处理能力授权给第三方，或者与其他公司合作。目前科大讯飞重点关注的领域是移动互联网、智能家居、电信运营商智能语音服务、智能车载系统和政府便民工程。我们与第三方合作是通过科大讯飞云平台实现的，这是我们的语音能力向各个行业输出的一种方式。通过这个方式，我们很容易发现平台上面的各种应用的优缺点，我们能够获得很多有价值的数据。第二，科大讯飞正在将自己的技术与产业结合，目前我们在教育行业做得还不错。我们现在还有一个“讯飞超脑”的项目，这是科大讯飞面向人工智能领域开展的重大技术攻关项目，目标是帮助科大讯飞从机器“能听会说”到“能理解会预测”。

EW：创业初期遇到过哪些突出的问题？

HY：我们是1999年底成立的，到2004年才实现盈亏平衡，在这期间确实遇到了很多问题。主要是两个方面：首先，那时候技术并不成熟。在2000年的时候，国内有很多语音技术创业公司，科大讯飞是唯一一家生存下来并且发展壮大的，因为我们当时选择的路径还算成功，语音合成在当时是相对成熟点的技术，虽然让机器说话也说不太好。那些选择做语音识别的公司，很多没有成功，就是因为当时这个技术太不成熟。

另外，在中国做生意，比较容易成功的商人，可能是比较懂人际关系的，有一定市场经验的，但我们那时候都是一群学生出来创业，包括董事长刘庆峰，1998年还在读博士，1999年出来，对商业模式、公司管理等方面没有什么概念，经历了很长的一段摸索期。

在中国，做产品和市场的人，比做技术的人更容易成功，这是一个普遍规律。在中国做技术，很多都是在国家体制内，像研究院这样的地方或者国营企业;如果要民营的话，那么在中国的环境下寻找到合适的商业模式并且做大其实是很难的一件事情，所以中国民营的科技创新公司不多。

EW：发展到现在，经历过哪些关键时刻？

HY：我觉得有这样几个关键时刻：第一个是在2000年的时候，我们第一次能够把我们的语音合成技术卖给大客户，就是华为。那时我们的软件还很不稳定，经常崩溃，华为的团队说我们把他们当成测试员了。然后我们的创始人团队，三天三夜没睡觉，把软件做稳定了，就是为了能够通过华为的测试。

第二个关键时刻是，我们在2004年实现了盈亏平衡。当时我们找到了一种可行的商业模式――为一些大的客户提供服务，比如说呼叫中心、银行、电信等，赚到了一些钱。而同时期的很多同样的公司要么没活下来，要么就发展得很小。

第三个关键时刻就是我们2008年上市，这标志着我们在资本市场上开始有一个很好的渠道，我们可以更快地发展。

还有一个关键时刻就是，在2009年的时候，我们注意到，移动互联网来得很快，手机输入这块将会有需求，我们就做了一个讯飞语音输入法，现在是国内第二大输入法，第一是搜狗。另外，我们做了一个语音云开放平台，现在已有16万开发者连接到我们平台上，连接的设备超过了8个亿。这两者让我们在移动互联网时代能够占据一席之地，也让我们在消费者业务层面有了很大的一个突破。

最后一个关键时刻就是，我们在2009年的时候，开始在教育业务上有了突破。我们做到了可以用机器评价学生发音的准确程度，还可以评价英语口语的表达水平。另外，我们可以让机器识别出手写的卷子，实现自动批改。我们现在要攻克的是提高机器的理解能力，让机器人能够参加高考。目前机器人参加高考勉强能及格，我们原来的计划是10年内让机器考上一本，现在改成3年内考上一本。人和机器其实是相反的：人0到6岁学常识，这对人是比较容易的，人培养理解能力很容易，但是学习知识很难;而机器能够装下很多知识，但是它不懂常识，所以有人说机器达到了6岁小孩的水平，那是用人的成长阶段去衡量，其实是错的。

EW：为什么科大讯飞会选择教育这个领域？

HY：一方面，就是我们想为国家做点贡献，我们的技术能够帮助教育行业更先进;另一方面，就是我们觉得教育有比较广阔的商业前景。我们有的是政府采购给学校，也有直接卖给家长和学生的产品。我们是希望能够成为国内教育方面的人工智能的最大参与者。

我们进入教育行业，首先是从普通话水平测试开始，然后是英语口语水平测试，后来我们进入英语教学的课堂，提供一些智能设备和软件，然后我们又参与了考试，实现自动批改。学校里面会有很多智能化的系统，我们把这些东西综合起来，提供一个整体的方案。现在我们是国内教育领域用人工智能提供整体解决方案的最大厂商。

EW：这些年来，科大讯飞有哪些事情是具有开拓性意义的？

HY：第一个我觉得是把语音合成能够做到实用化，这是公司成立的基石;第二就是把语音识别做到了可用化――我们不是最早做语音识别的，但我们是把技术做得最成熟的;第三个就是我们将语音测评带进学校，开创了一个新局面，这是我们商业模式上的创新，我们现在还在努力寻找其他新的商业模式。

EW：相较时下众多创业企业，你认为科大讯飞最为显著的特色是什么？它和别的互联网技术公司有什么差别？对于创业17年来公司营收仍主要依靠政府补贴这一颇受争议的商业模式，科大讯飞轮值总裁胡郁直言，这与以技术为核心的中国初创企业的特殊性有关，如果早期没有政府扶持，这类企业将难于生存。

HY：科大讯飞本质上是一个科技创新型公司，科技创新型公司的标准，不是看它赚了多少钱，而是看它的技术是不是世界上最先进的。我们最突出的特点是，我们一直在做核心技术创新和原始创新，不是在别的技术基础上进行微创新，而是在做核心技术的突破性创新。

我觉得我们和别的互联网技术公司最大的差别是，我们比较沉得住气，方向很明确。很多公司什么方向热就做什么，比较浮躁，我们相对来说比较执着于自己原来确定的方向。

很多人对我们的评价是，做了十分才说七分。这是优点也是缺点：优点是大家对我们的印象是比较扎实的，缺点是影响力方面可能宣传不够。

EW：有人说你们在风格上更像一家硅谷公司。你认同这种观点吗？

HY：硅谷技术创新型公司的最大特点是，它不仅仅技术领先于全球，它的商业模式也是领先于全球的，而且美国公司有个很重要的特点，它们是全球化的公司。中国虽然现在有很多互联网企业，但在全球化方面还是不够。科大讯飞现在在语音技术方面，无论是合成还是识别，都能够在中文领域做到最先进，但我们也有需要突破的地方。很多人觉得我们低调，其实我觉得有一个原因是，我们的商业模式不能够跟当前世界上最主流的商业模式吻合，所以这也是科大讯飞面临的最大的挑战。

EW：能否在商业模式上稍作展开？

HY：我们原来的商业模式是To B的，就是售卖技术，用技术跟别人合作。现在我们的目标是，用技术引起一个产业的突破，从而建造新的产业生态系统。我们现在探索的新的商业模式是，更靠近消费者，就是要着重To C。这不一定得直接面对消费者，我们可以用更靠近消费者的业务来达到这个目标，比如我们和汽车厂商合作，汽车内的语音业务就是直接面对消费者的。

EW：国内语音市场这些年在你看来有哪些重要变化？

HY：2000年以前，语音并不被大家关注，那时还没有什么大的语音公司，主要是国外一些大企业像摩托罗拉、IBM等在中国做研究。那么在2000年到2010年之间，以科大讯飞为代表的国内公司逐步把语音合成和语音识别市场抢了回来，现在来看，外国公司在中国的语音业务已经很少了。

近几年有两个新的变化：一个是以BAT为代表的互联网公司已开始进入语音市场，并且投入了很大力量。但他们做语音是为自己的生态服务的，并不是想从这上面赚钱，实际上也赚不到什么钱。现在专业做语音的最大的公司应该是科大讯飞。另外一个就是，很多小的创业公司也开始进入这个市场，但做得都不是太好，技术很重要。

EW：巨头的进入会给你们带来压力吗？

HY：当然。压力不是来自于技术，我们的技术是最先进的，压力来自于商业模式。这个没办法去模仿哪家公司，都要靠自己慢慢去摸索。一个公司如果想要长期保持领先，不仅仅是技术能力，商业模式上一定要走出自己的道路并建立起自己的生态。

我们原来做的是To B ，现在To B 的公司很多，如果想要成为一个生态的话，只有这个肯定不够。我们一定要让生态里有C端用户，这就会有很多变现方式，只要我们提供的服务是用户需要的，并且是高质量的，我们就可以从用户手里赚到钱。

现在我们还是免费的服务，我们通过这种方式收集用户数据，根据这些数据来优化产品，当产品体验足够好时，用户会愿意付费。当然我们也可以有其他收费方式，提供给用户的产品可以是全程免费的，在用户和我们的机器交互时，机器会记住用户的喜好和需求，这时智能终端可以给用户推荐产品，我们可以向产品提供商收取费用，类似于广告费。当然，交互是最重要的，将来在车上、电视上、音箱上甚至玩具上都能够实现人机交互。我们现在的语音合成技术已经很成熟了，机器可以发出明星的声音，我们要不断增加语音交互中的用户体验。

EW：语音市场的竞争还不算太激烈吧？

HY：在发展的过程中，如果大家朝着一个方向的话，自然而然就会有竞争。但是现在的问题在于，我们并不知道将来的物联网时代会发展成什么样，谁也没有一个准确的方向。在一个新的时代里，观察过程会有三个阶段：第一阶段是混沌期，就是大家都不知道将来会发生什么;第二阶段叫形成期，就是大家已经有方向、有规划地发展了;第三阶段叫决胜期，就是各家开始激烈竞争赛跑，像滴滴和快的当时一样。语音市场现在处于混沌期到形成期的过渡阶段，大家都不知道怎么干，还在互相观望，互相挖点技术人才，摸索摸索方向。

EW：科大讯飞会是第一个找到方向的吗？

HY：我们一定是，但是做出来怎么样，还不知道，谋事在人，成事在天。我们现在的方向是，软硬一体化、云端一体化、技术服务一体化，我们不能做一个纯技术的公司，要把技术和内容和服务结合。比如说语音合成，我们就一定要和明星名人资源结合，我们现在可以达到让罗振宇给你读文章的水平。语言是柄双刃剑，在挡住外国产品进入中国的同时，自己的产品进入其他国家也很难。胡郁介绍称，科大讯飞英语产品做得还不错，但西班牙语、法语、德语等其他语言产品还不行。

EW：科大讯飞得到过一些负面评价吗？

HY：讯飞的体量在去年的时候只有二十多亿，今年也就四五十个亿。现在市盈率已达到150倍。我们的市盈率不太稳定，因为大家看好一个东西，但这个东西一直没出来，所以就会不稳定。很多人说我们都在靠政府补贴，其实是这样，一个以技术为核心的公司，在中国如果不依赖政府，肯定成长不起来，但过度依赖政府，将来的空间会少一点。我们一开始的确就是依赖政府补贴，否则一下子进入市场，是养活不了自己的，只有在跨过一定的技术门槛后，我们才能靠市场养活自己。我们现在已经在找更合适的商业模式，以减少对政府的依赖。我们现在看到很多人工智能公司，他们已经找到了赚钱的方法，但这对我们来说仍然是个挑战。

EW：其实现在很多人在怀疑你们的盈利能力。

HY：这种怀疑是对的，我们虽然说在很多测评上面取得了不错的成绩，但是并没有达到让大家信服的程度。事情还没成之前，你说你是英雄，谁信？武松打虎，得把老虎打死了，结果出来了，大家才把他看成英雄，现在我说我能打死老虎，谁信呢？我们现在就是在努力证明自己。

EW：相较北上广深，合肥的商业环境是不是差了一点？为什么一直留在合肥？

HY：坦白讲，合肥这个地方很适合做研究，但商业氛围和商业创新环境确实和北上广深杭相比是有巨大差距的。但我们还是一直留在合肥，如果我们不是在合肥，我们的人早已经被挖了七八遍了，在我们这边拿50万年薪的人，腾讯可以给150万。我们为什么能在核心技术上持续深入，并且取得领先世界的水平，就是因为在合肥能够真正静下心来做研究。在北京给他100万的薪水，马上就会有人拿200万来挖，工作一有变动，研究就会停滞下来。北上广太浮躁了，这些地方房价那么高，让人怎么安心做研究？我们现在在京津冀，上海广州深圳杭州都有分部，但我觉得做研究的人，还是来合肥好，一线城市安不下心来。

EW：如果你们工资比其他公司低的话，用什么来吸引人才？

HY：追求。世界上还是有一批有追求的人，就是在中国用人工智能改变世界。

EW：资本对于你们是一个什么作用？

HY：我觉得一个公司一定要借助资本的力量，资本是最重要的。我们不能只靠追求来生活，我们要给这些做出巨大成绩和贡献的人体面的生活。有了资本，我才能真正吸引到优秀的人，解决他们的后顾之忧，他们想要去旅游的时候就能够去世界上任何一个国家去旅游，我们要给他们与能力匹配的薪资。

EW：除了受到资本的青睐外，你们自己也有投资。你们在投资上的构想是怎样的？

HY：战略投资是围绕着我们的战略布局来投。我们现在有三大战略板块，教育、智慧城市，还有消费者业务。

EW：科大讯飞的生态能描述一下吗？

HY：我们现在首先要在教育这个方向做成一个核心技术支撑的开放平台，大家有什么内容都可以放上来，可以对接到学校;在智慧城市方面，我们希望能够通过大数据和人工智能，为交通、社会信息化管理、医疗等提供智能服务;最后在消费者业务上，我们要建立生态入口，让用户用语音的方式与机器进行交互，让机器越来越了解用户的需要。

EW：现在每年研发投入有多大？

HY：收入的25%。主要用于几个方面，核心技术、云计算和各个领域应用的开发。我们现在还有很多需要突破的，像核心技术现在其实还没有达到我们想要的水准，我们还要持续努力，因为技术爆炸是一个持续的过程，不是说一瞬间的，而是在一点点改进中获得的。

EW：作为科大讯飞重点攻坚的领域，目前人工智能在你看来处于什么阶段？

HY：现在业界谈人工智能分成三个阶段，计算智能、感知智能和认知智能。人工智能目前处于感知阶段。人在计算智能上比机器人差，感知智能上好一点，认知智能上会更好，所以说，我们现在的切入点叫语音和语言为入口的认知革命。人类最早成为世界的统治者是因为人类发生了认知革命而不是农业革命。机器人也需要认知革命，机器人认知革命的第一i就是先理解语言，我们现在的使命是要让机器能听会说，能理解会思考。接下来我们把这个技术跟很多行业，如医疗、卫生、法律等结合起来。

EW：人工智能为什么这两年这么火？过几年它还会这么热吗？

HY：人工智能能火起来，主要是因为核心算法、数据量和应用模式三个方面成熟了，因此它在技术上可以大规模应用于产业。科大讯飞在核心技术方面还比较有优势，在数据的收集上，现在的“讯飞语音云”用户超过8亿，开放云平台的应用项目8万多个，我们正在尝试各个场景的应用。人工智能过几年是不是还能这么火还很难说，现在大数据已经不那么热了，就是大家接受了这个概念以后就没人天天喊了。

EW：现在你们的挑战主要来自哪些方面？

HY：一个就是核心技术还需要时间来突破;另一个就是我们要寻找到合适的商业模式;第三就是我们需要很多综合性人才，不仅仅是技术人员，还需要会市场的、懂产品的、懂宣传的、会做品牌传播的人。坦白讲，我们原来是一个To B的公司，在品牌宣传方面没什么经验，现在需要更多这样的人。

EW：在产品出口方面，有没有遇到一些问题？

HY：问题很大。我们的产品在国际上还没有产生什么效益。我们最大的问题是，语言是个双刃剑，我们可以挡住外国产品进入中国，但是我们进入别的国家也很难。我们现在英语做得不错，但在西班牙语、法语、德语等其他语言国家，我们就不行。

篇11

据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。

如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。

人工智能发展历程

2.人工智能产业链图谱

人工智能产业链可以分为基础设施层、应用技术层和行业应用层。

A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。

人工智能产业链

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力。

资料来源：券商报告、互联网公开信息，创业邦研究中心整理

第三部分机器视觉技术解读及行业分析

1.机器视觉技术概念

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素。人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。

深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。

3.商业模式分析

机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。

（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息，创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。

4.投资方向

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学习解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。

第四部分智能语言技术解读及行业分析

1.语音识别技术

（1）语音识别技术已趋成熟，全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。

（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。

在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。

图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。

机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。

对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。

（3）创业公司的机遇

1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。

第五部分人工智能在金融行业的应用分析

人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。

人工智能在金融行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医疗行业的应用图谱

人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。

图人工智能在医疗行业的应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。

虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。

智能驾驶产业链图谱

资料来源：创业邦研究中心

2.智能驾驶市场分析

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。

地域分布

全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。

行业分布

从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位，国内与国际差距明显，中小初创企业很难进入。

从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出，目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。

收入情况

收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。

篇12

关键词：智能信息处理；智慧城市；卓越工程师计划

0 引言

我们处于信息时代，衣食住行时刻与信息技术相关联，信息技术的发展水平从侧面反映了社会的发展进度。当前计算网络与大型数据库的广泛使用，给决策者和经营者带来了很大的压力，他们面对海量的数据而无从下手。因此智能信息处理应运而生，它能便捷快速地解决这一困境，推动社会信息化的发展。智能信息处理的最终目的是发明出能够集学习能力、理解能力和判断能力于一身的人工智能系统。其根本就是要基于部分算法来得到并提出信号中的有用信息，最终实现智能系统控制。智能信息处理技术几十年来经历了模拟数字，现在正向以“人工神经网络”为主，与模糊数学、遗传算法、小波分析、混沌理论相结合的方向发展。一些新思想、新理论、新算法、新器件也不断涌现。所有这些给未来信息科学的发展，描绘出了一副诱人的前景。

智能信息处理作为智能类专业的重要基础专业课程，为更深入地学习后续的智能类专业知识奠定了基础，同时，将所学知识融会贯通巧妙应运用于专业学习中，为日后科研打下坚实的基础，所以，如何进行教学改革，以达到培养高素质人才的目标，是我们需要认真研究的重要课题。

1 智能信息处理改革背景

智慧城市的建设基于云计算、人工智能、决策分析优化等信息技术，针对包括政务、民生、环境、公共安全、城市服务、工商活动在内的各种信息的需求，提供智能化响应和智能化决策支持的信息服务。因此，智慧城市建设的核心内容是智能信息处理。换种角度来看，将智慧注入城市之后，便有了智慧城市，若没有智能信息处理技术，传统的城市在面对海量数据时就远不能满足其主体要求，这便使得供求关系严重失衡。在这种供求矛盾激化的前提下，才使得智能信息处理技术的发展更加快速。

在智慧城市背景下的智能信息处理是在城市的建设过程中，借助互联网、物联网和智能化设备等高度发达的信息化手段，在其管辖的城市环境、公共服务、本地产业和全体公民的范围中，将城市的政治、经济、生活和文化等综合信息进行广泛地采集和动态的监控，通过充分地统计、互联和共享，将这些信息进行智慧地感知、分析、集成和应对，为城市运营和发展提供更好的决策支持和动态管控的能力，让城市管理变得更加智能，以尽可能最大化地去解放、利用和提升人自身的智慧，为城市居民提供一个更加健康、安全、和谐和幸福的生活环境。

“卓越工程师教育培养计划”是《国家中长期教育改革与发展规划纲要》的重要内容，由教育部发起，目的是为了向未来的工程领域培养高品质、类型丰富的工程师后备军。其要求是高等院校需要经过转换办学理念、调整人才培养目标的定位和转换人才培养模式等途径来培养面向工业领域、面向未来、面向世界的优秀工程技术人才，从而提升我国产业的国际竞争力。卓越计划为智能化信息处理的改革指明了道路，为高等工程教育培养提出了要求。高等工程教育要遵守以德为先、能力为重、全面发展的培养规律，增强为国家、为行业和企业主动奉献的意识，持续提高大学生的竞争能力、实践能力和创新能力，最终建设出布局合理、结构优化、类型多样、主动适应经济社会发展需要的高等工程教育体系，从而加快我国向工程教育强国迈进的步伐。针对目前的人才需要，智能信息处理教学改革势不可挡。

2 原有教学方式

智能信息处理是信息处理的一种方法，将不完全的信息改变为完全的信息，同时使其具有可靠性、精确性、一致性和确定性。智能信息处理学科于当前来说是相对前沿的，同时也是新观念、新思想、新理论、新技术不断出现并迅速壮大的新兴学科。智能信息技术是多个领域的综合，其中包含了人工智能、现代信号处理、人工神经网络、模糊理论等理论。基于对智能信息处理理论和方法的分析，原有的智能信息处理的教学安排如表1所示。

原有授课方法主要是讲授法，教师通过口头语言叙述向学生传授知识的同时培养其思考能力的教育方法，在以语言传递为主的教学方法中应用最广泛，是最基础的授课方法。这种授课方式使教学内容较为单一，教学质量不稳定，无法使学生对智能信息处理这种学科有更深刻的认识。

3 改革教学方式

3.1 以竞赛的方式开展

1998年中华人民共和国颁布的高等教育法中曾提出：“高等教育的任务是培养具有创新精神和实践能力的高级专门人才”。自1990年至今，一定数量的研究型高等院校开始借鉴国外成功的教学思路，实施本科生科研训练计划。2006年教育部面向全国重点大学和部分有较强行业背景和特色的地方大学，在国家层面上开始实施大学生创新性实验计划，引起许多地方高校的重视。

围绕“智能”和“智慧城市”参加与其相关的“和利时杯”电气控制应用设计大赛、“亚控杯”组态软件应用设计大赛、全国大学生西门子杯挑战赛等面向全国高校学生的赛事，可以优化学生的知识结构，培养学生科学实践和动手能力，增强创新和竞争意识，并且能够提高学生的整体素质。通过开展竞赛式教学模式，脱离枯燥的课堂，锻炼实际操作能力，让学生体验新颖的教学方式，能调动学生的积极性，培养学生团队合作意识和竞争意识。重要的是通过竞赛，学生能深切掌握书本的理论知识，切实掌握智能信息技术的关键。竞赛的教学方式符合国家和社会对人才的需求，能在诸多方面提高学生的综合素质，推动了“卓越工程师计划”的培养进程。

3.2 以建构主义开展

建构主义教学理论是一种源于欧美的新兴教学改革理论，国外教育专家曾对建构主义理论有过较为深入的探索。建构主义强调以学生为中心，教师只对学生的意义建构起帮助和促进作用，较传统教育来讲，这使教师和学生的地位有了较大的改变。所以，自建构主义提出至今，教育专家始终不放弃对其进行分析和研究，努力建立起一整套能够与建构主义教学相适应的方法体系和设计理论。可是整个过程非常艰难，需要非常长的时间才能完成，尽管如此，建构主义教学理论的基本思想和主要原则已经取得阶段性成果，已经成功地运用于Intemet和多媒体的建构主义学习环境中。以建构主义为基础，融合智慧城市的建设需求，更深入地理解智能信息处理在智慧城市中的作用和必要性，对整体提高学生对学科的认知和应用能力起到推动作用，十分契合“卓越工程师计划”对学生素质的要求。

由于个人的基础、水平、背景等方面的原因，每个学生对知识点的理解程度参差不齐，所以，为了让更多的学生理解和提高水平，教学中就不能以教师为中心，更不能“填鸭式”教学，而要结合智能信息处理教学，以学生为中心。面向全体学生，教师在教学时不仅要通俗易懂、深入浅出，还要注意知识的广度和深度，以便适应不同学生的需要。再结合智能信息处理教学中学生应建构起自己的知识结构，教师要善于启发、诱导，帮助学生丰富和调整自己的理解。

3.3 以智慧城市案例开展

案例教学法早在20世纪20年代就已被提出。它从出现至今始终具有强大的活力和影响力，所以一直被美国企业界、学术界、教育界等高度重视。采用智慧城市案例开展智能信息处理教学类似于医学院运用病例分析来辅助教学，都是应用大批实际情况和经历的介绍材料来训练学生。这样既达到锻炼大学生思维的目的，也显示了学校先进的教育方式，这是已经被证实的显著有效的教学方式。顾名思义，案例教学法就是结合案例，让学生以自己的认知来分析和理解案例，或与集体共同讨论、实践，最终培养和提高各自实际管理工作的能力或处理解决问题的能力。“卓越工程师计划”所培养的人才以工程师的身份为智慧城市设计智能产品，满足智慧城市建设需求的同时也对人才培养起到督促作用。

在智能信息处理教学改革中以智慧城市的案例开展教学活动，能让学生在模拟的智慧城市情景中对实际问题进行分析，使学生能在非实践的情况下对实际情况进行分析从而巩固学习的理论知识，同时能够发展学生解决实际问题的能力，使知识得到内化，增强学生的表达能力和自信心，其主要教学流程如图1所示。

篇13

【关键字】Agent；教育资源；信息分析

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097（2008）13―0125―03

引言

教育资源是网络教育的基础，美国在教育资源建设起步早，建立了美国教育资源信息中心ERIC（Educational Resources Information Center），教育资源搜索联盟GEM（The Gateway to Educational Materials）等系统，提供了丰富的教育资源，包括教学研究，教学计划、课件、网络课程、教师求职等信息。中国的国家基础教育资源网和广东省基础教育信息资源中心也提供“教学素材类资源、主题学习性资源和网络课程资源”。这些资源、服务的分布性和异构性使得教育资源共享在实施阶段往往走向混乱。将人工智能技术应用于教育资源信息管理可以实现教育资源的智能化和网络化。国家已经加大涵盖各级各类教育的信息资源开发的力度，北京，上海，广东等地已经投入了大量资金进行基础教育资源库的建设。如何将开发好的教育资源方便有效的利用成为了教育资源管理的一个研究热点。现代教育资源系统是一个复杂开放的分布式系统，Multi－Agent是分布式人工智能的新技术，能使逻辑上和物理上分散的系统并列、协调地运行得以解决。将Multi－Agent技术应用于教育资源管理中，使得教育资源的共享方式从个人，单个单位共享发展到网络的智能化共享阶段。

一般认为，Agent 是一种处于一定环境下包装的计算机系统，为实现设计的目的它能在那种环境下灵活地、自主地活动[1]。从建造Agent 的角度出发，单个Agent 的结构通常分为思考型Agent、反应型Agent 和混合型Agent。MAS （Multi- Agent System）即多Agent 系统产生的最直接的原因是， MAS 的协作求解问题的能力超过单个Agent，并且MAS 与已有系统或软件的互操作、求解数据和控制具有分布特性的特点以及提高系统的效率和鲁棒性等。多Agent技术是人工智能的一个重要成果，它由分布在网络上的多个自治的Agent通过相互作用组成的智能体系统，具有自治性、交互性、协调性、适应性等特点，非常适合处理分布异构的动态问题[2]。

在教育资源信息采集中，采用多Agent技术具有重要意义。本文将多Agent技术应用于教育信息采集系统，使得基于资源的学习成为可能。学生通过对教育资源信息进行筛选、分析、综合，并将其应用实际问题的解决中，达到对知识的深层建构，形成信息加工和解决问题的能力。

一系统架构

1 系统框架结构

教育资源信息采集系统从互联网、数据库以及各类文档等信息载体获取相应的信息，并将其存储在系统信息库中，并与特定的教育任务相结合解决实际问题。本文提出了基于Multi－Agent教育资源采集系统模型如（图1）所示，包括教育资源信息采集Agent、教育资源信息分析Agent、教育资源信息管理Agent、系统管理Agent和教育资源信息库组成[3]。

系统管理Agent是整个系统的入口，各类用户通过它访问和管理教育资源信息。

信息采集Agent是系统关键所在。只有采集到了足够的而且是有用的信息，用户才能够对这些信息作出适当的处理来完成任务。教育信息资源是动态变化的，存放教育资源的不同数据库是异构，信息采集Agent对特定的任务进行采集提高了信息采集的导引能力[4]。

教育资源信息分析Agent一方面根据规则库分析库内信息，对教育资源信息进行规范化处理。另一方面根据网络用户对资源的评价对资源设置等级，并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。

信息管理Agent根据系统管理Agent的要求，将用户任务分解成子任务分配给不同的信息采集Agent和信息分析Agent，并将处理结果返还系统管理Agent[5]。

教育资源信息库出于对知识产权方面考虑，信息库内不保存资源本身。教育资源信息库按照教育资源类型分类存储，按照素材分为文本、图形、音频、动画、视频五个数据表，这样搜索起来效率就很高。每一类别的资源有其属性，如素材编号、类型、学科（专业）、适用对象、适用的年级，来源、URL、内容简介、关键词、素材编写时间、素材编著者、素材长度。不同类型的资源属性也不尽相同，比如图像素材的属性还包括分辨率、扫描分辨率、颜色数等，而视频素材包括数据量、帧数、关键帧、帧规格、情感类型、播放时间、采样频率等方面属性。

2 系统工作流程

用户通过系统管理Agent请求执行特定的教育任务，系统管理Agent将用户需求任务交给信息管理Agent。信息管理Agent接收系统管理Agent的指令，将任务分解成子任务，分配给相应的信息采集agent。信息采集Agent完成单一采集点的信息采集任务，从信息管理agent处接收采集指令，首先从信息库中提取数据，并按照实现定义好的协议格式将数据打包，并将数据传送到系统管理Agent，再交由信息管理Agent处理。如果本地信息库中没有相应的信息，则与系统中其他采集Agent通信，协作完成采集任务，并将采集回来的信息经过信息分析Agent整理存入信息库中。

系统管理Agent代替了传统的用户和数据库直接交互。它不仅有友好的用户界面接受来自用户的请求，并且能将用户的请求转化为Agent能够识别的命令，并通过学习适应用户的习惯、偏好，在适当的时候给用户某些必要的提示，启发其顺利高效地使用系统。根据用户的信息需求，系统Agent将教育资源的URL、类型、学科（专业）、内容简介、关键词、适用对象、来源等属性以网页的形式及时反馈给用户。信息管理Agent的功能是对教育资源信息库进行添加、删除、修改、排序和查询等管理。教育资源信息管理Agent把教育资源信息采集Agent采集到的信息写入教育资源信息库，之后通知教育资源信息分析Agent对其进行分析，教育资源信息分析Agent根据规则库进行分析，并将分析结果通知信息管理Agent。信息管理Agent起到了教育资源采集Agent、分析Agent和教育资源信息库之间的桥梁作用。

本系统作为智能化的教育资源信息采集系统，相对于传统教育资源站点有自身的特点。信息采集Agent是系统关键所在。只有采集到了足够的而且是有用的信息，用户才能够对这些信息作出适当的处理来完成任务。教育信息资源是动态变化的，存放教育资源的不同数据库是异构，信息采集Agent对特定的任务进行采集提高了信息采集的导引能力；信息分析Agent对采集信息进行处理，一方面根据规则库分析库内信息，对教育资源信息进行规范化处理。另一方面根据网络用户对资源的评价对资源设置等级，并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。

二关键技术

1 教育资源信息采集Agent

（1）教育资源信息采集Agent

教育资源信息采集Agent它可自动采集Internet上的文本、图象、声音、视频、动画等有关教育资源属性及其评价的相关信息，并定期自动更新。它为后继的教育资源信息分析Agent提供丰富的教育资源信息库。教育资源信息采集Agent具有自动探测前进功能。Agent探测前进是指发现有和知识模块内容相同的信息通过链接来搜索未知站点，假设Internet是一个有向图，那么Internet上的每一站点内的每一网页就是图中的一个结点，网页中的连接就是有向图的边。教育资源信息采集Agent起始抓取页面看作是该图的根结点，利用图的广度优先遍历算法采集站点。

（2）教育资源信息采集Agent的工作原理

信息采集Agent的基本模型由采集器、目标模块、知识模块、效应器、通信机制和信息处理器组成（如图2）。教育资源信息采集Agent是思考性Agent，当Agent根据目标模块的任务被激活时，采集器开始探测和接收外部信息流，信息处理器根据接收到的通讯原语、知识模块信息、效应器决定是否接受任务，并激活相应的部件。目标模块以任务表的形式来表示，初始由用户静态建立。知识模块存放有关教育资源方面的关键字，如媒体素材、题库、网络课件、案例等。信息处理器根据采集器探测到的链接和知识模块的信息比较，发现了有符合的链接，信息处理器通过通讯机制把相关的信息通知教育资源信息管理Agent写入教育资源信息库，同时修改目标模块。效应器根据信息处理器的控制命令执行具体的事务处理。比如信息处理器在进行一项任务的同时又接收到新任务，可先把任务放在表中，然后根据优先级进行处理。

2 教育资源信息分析Agent

（1）分析Agent

目前常用的信息过滤方法有如下4种：基于关键词向量的信息过滤方法;基于文章集的信息过滤方法;多Agent过滤方法和进化式信息过滤方法。教育资源信息分析Agent属于混合型Agent，它是由感知器、效应器、通信机制、信息库、规则库组成。它既能够快速地响应外来信息和感知环境的变化，又可以对信息进行筛选，并将处理的信息排序。

（2）教育资源信息分析Agent

教育资源信息是以Web文档形式存在，通常采用VSM（Vector Space Model）作为其特征的表示方法，将信息组织划分为文档集合、文档、标引词三个级别。教育资源信息分析Agent信息库是资源类型划分的文档集合经过处理后被设置成为特征值或特殊符号的集合，具体是把文档集合（Document）={文本信息，图像信息，音频信息，视频信息，动画信息}，按照教育资源建设规范的要求把文档集合中每一类文档的属性值看作是标引词，教育资源信息的标引词（Key）＝｛标题（Title）、创建者（Creator）、主题（Subject）、描述（Description）、出版者（Publisher）、贡献人（Contributor）、日期（Date）、类型（Type）、格式（Format）、标识符（Identifier）、源信息（Source）、语言（Language）、关联（Relation）、覆盖范围（Coverage）、权限（Rights）｝。这样就把教育资源信息设置成为一个二维表资源信息文档（Infor_EDU_Res）＝｛DocKeyi，j｝，i=0，1，，，4，j＝0，1，，，14。Agent信息库还包括一个资源信息评价表，表内包括四个健值评价总数，好的个数，中的个数，差的个数，信息评价表（Infor_Evalu）＝｛Evalu_Sum， Evalu_Good， Evalu_Nor， Evalu_Bad｝。教育资源信息分析Agent的规则库是把教育资源信息采集Agent所采集到的信息和资源信息文档（Infor_EDU_Res）比较并把得到的健值与教育资源信息分析Agent信息库的健值进行相似度计算，这样就可以把同一类型的资源信息放在同一个数据表里，便于用户的查询。然后通过对采集到的信息的评价设置成特征值对采集到的教育资源信息进行排序。

（3）教育资源信息分析Agent的作用

教育资源信息分析Agent的作用有两个方面，一方面教育资源信息分析Agent根据规则库分析库内信息，对教育资源信息进行规范化处理。另一方面教育资源信息分析Agent根据网络用户对资源的评价对资源设置等级，并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。

三小结

基于Multi-Agent的教育资源信息采集分析系统充分发挥了Agent的智能性，具体说明了各个Agent 的作用以及整个系统模型的运行过程，在教育资源信息采集Agent我们采用了探测前进，在教育资源信息分析Agent中我们探究了规则库的建构。从这个教育资源信息采集分析过程中也可以看得出，采集和分析的智能化得到了很大的提高，减少了人工的参与，采集的效率也得到了很大的改善，分析的明确性与有效性也在很大程度上得到了提高。

参考文献

[1] Hidehiko Wada, Shuhei Okada. An Autonomous Agent Approach for Manufacturing Execution Control Systems Control System [J].Integrated Computer-Aided Engineering.

[2] KRAUS S.Automated Negotiation and decision making in Multi-agent Environments [A].Lecture Notes in Artificial Intelligence2086[C ].Berlin: Springer-Verlag Press,2001,150 172.

[3] 段培俊,周东岱,程晓春.基于Multi - Agent 技术的教学资源个性化服务模型研究[ J ].北师大学报,2006,38(2):31-35.

篇14

关键词：教育技术；学前教育；信息化

一、现代教育技术的发展对学校和教师提出更高的要求

现代教育技术发展的动力是科学技术，利用信息技术改革创新教学模式和教学方法是现代教育技术发展的目标。随着“互联网+”、大数据、新一代人工智能应用到教育方面，现代教育技术逐渐由传统的课堂多媒体教学、微格教学、使用网络进行资料查询、利用即时通信软件如QQ或者电子邮件对学生指导或答疑等方式向全网络多媒体教学、网络微格教学、移动APP建立学习社区、数字化资源的建设及应用等方向转变。特别是MOOC、创客课程、STEAM课程、数字化教材以及虚拟仿真资源等数字化教育资源的推广，使得教育技术对学生学习的影响更加深刻。新形势下的大学课堂，为了适应现代教育技术的新发展必须进行升级与改造，如：配置全网络化的多媒体教室，在教室范围内，教师的电脑、学生的电脑以及教师与学生的手机，都能自如地加入网络，进行文件交换与课件演示；为了适应小组化学习的需要，建设智慧课堂，打破原有的课堂布局，以小组为单位组织学习，每一个小组都能有自己的学习、研究、讨论和展示单元；搭建更加灵活的教学服务器，为每一个学生建立自己的学习空间；配置能够全时全方位录播的高清录播室，录制更多的、有代表性的学习片段，充实课堂教学资源，为教学研究提供方便。教学方式的改变、教育技术的提升，对教师提出了新的要求。长期以来，在使用现代教育技术手段进行教学方面，教师更多的是将黑板换成投影幕，将随身携带的存储设备换成在网上存储，在课件上链接几个网址，让学生利用网络上交作业，这样就显得自己多媒体化、网络化了。这些做法，并没有使学生因教育技术发展而获得收益，其原因，是教师并没有使用新技术新方法，或者说教师没有掌握这些新技术新方法。为了让教师能熟悉运用新技术，就要对教师的引导和培训同步进行，特别是有关利用移动APP学习社区指导学生的方法、MOOC、创客课程、STEAM课程的学习，数字化教材、虚拟仿真资源使用等内容的培训。

二、运用现代教育技术，强化学前教育专业毕业生的信息素养

利用现代教育技术对在校大学生能力的提升，先要立足于提升学前教育专业毕业生的信息素养。早期的信息素养，着重于对教学资源的查询与利用，1989年，美国图书馆学会(ALA)认为，信息素养是能够判断什么时候需要信息，懂得如何获取信息，以及如何评价和有效利用所需信息。而在当前，利用电脑与手机查询教学资源，协助学习已经是大学生的一种本能。但随着“互联网+”以及大数据时代的到来，面对信息过载的环境，如何有效地运用、处理和评价信息已成为当前大学生面临的一个巨大挑战。为了解决这个问题，以信息管理为核心的信息素养被提出并得到广泛关注：第一，信息意识：对信息的判断力和辩证思维，能及时感知到信息的价值。第二，信息处理技能：与信息相关的基本知识和操作技能，包括信息检索、存储、处理等方面的能力，对信息进行挖掘和分析的能力。第三，信息应用：从对信息的分析处理中得出正确结论，解决实际问题的能力。第四，信息伦理与道德：在信息获取、与使用过程中遵守法律，不违反道德规范。信息素养的提升，先是要在学校层面制订一个培养大学生网络信息能力的规划，提出明确的目标和要求。然后，要完善课程体系，如开设“互联网+”、大数据、新一代人工智能等现代信息技术课程，丰富大学生的信息素养内涵。接着是培养大学生良好的网络信息意识，特别是对信息的分析、判断和吸收的能力。最后还要加强信息道德与法治观念的教育。

三、运用现代教育技术，全面强化学前教育专业毕业生的核心竞争力

（一）转变教学方式，加强学生的理论学习

教育理论必须与实践相结合，才能被学生理解和掌握。理论学习一直是学生学习的薄弱环节，对比其他课程，理论学习相对枯燥，不能激发学生的学习热情。但理论学习如此重要，我们无法减少任何教育理论方面的课程，这就造成了一个很现实的矛盾，学生总是不能理解为什么要学习这么多看起来没有用又难以理解的理论知识。对此，现代教育技术引入理论学习的传统做法就是将多媒体引入课堂，增加课堂学习的趣味性，但实践证明效果并不是很明显。新形势下，现代教育技术在教学方面有了很大的转变，微课、仿真、翻转课堂的出现使得学生的学习发生了根本性的转变，由教师主导教学、教师引导教学全面转向为学生自主学习、学生协作学习。结合理论知识，利用取自现实教学场景的片断和过程向学生提出问题，使学生能够使用理论知识理解问题和分析问题，从而掌握理论知识。

（二）利用现代科技，强化学生的专业技能

学前教育的专业技能，直接体现毕业生的工作能力，很多学前教育专业毕业生直到工作一两年后才能胜任。大学校园内缺乏学生实践的场所，为了解决这个问题，普遍使用的方法是增加教育实习时间。这里存在两个较大的问题：第一，教育实习会扰乱幼儿园教学秩序，很多幼儿园，特别是比较有名的大型幼儿园并不是很欢迎实习生，这个问题普遍存在。第二，教育实习过程中，学生得到的指导相对较少，很多学生无法知道自己在教学过程中有什么问题，以及如何解决。学校的微格教学课和其他的实践类教学课程虽然能够在这个方面对学生的能力进行提升，但在很多时候，由于任课教师并不是幼儿园老师，幼儿教育的实践经验远远没有理论强，很多时候对学生的教导流于形式。那么，利用互联网的优势可以在这方面有所作为，微格教学与幼儿园进行远程关联，聘请一部分幼儿园优秀教师远程评价微格教学片段，提出改正意见，对学生的变化进行评估，使得学生能够修正错误。同时，可以对幼儿园课堂进行远程连接，在约定的时间内进行课堂直播，让学生远程观摩幼儿园优秀教师的教学活动，使学生能够得到第一手教学资源，通过指导教师的分析，获得最直观的教学经验。

（三）建立虚拟环境，提升学前教育专业毕业生的沟通能力

教育专家有这样的观点：一个人在18岁之前的成长过程，家庭教育的影响占比超过60%，学校教育占30%，还有10%的影响来自社会教育。这说明，学校与家庭的联系非常重要。而在校学前教育专业大学生就算是参加实习，也很少有与家长打交道的机会。但与幼儿家长的沟通如此重要，学生必须掌握这项能力。运用现代教育技术的手段，我们可以将幼儿园老师与家长沟通的问题总结归纳并且虚拟一个幼儿园的家校环境，在这个虚拟的家校环境中，可以由老师、同学或者同学家长扮演幼儿家长，这样就可以锻炼学前教育专业学生与幼儿园学生家长远程交流的能力，提高学前教育专业学生与幼儿园学生家长沟通的能力。

（四）充分利用“互联网+”，提升学前教育专业毕业生就业的能力

当前，大学生就业难问题严重，但并不是说大学生找不到工作，而是找工作容易，但找自己想要的工作难。数据显示，中国幼儿园数量每年保持5.0%以上的扩张速度，2017年幼儿园数量突破25万所，2018年幼儿园数量将超过27万所。所以，近几年来学前教育专业毕业生一直供不应求。但如何找到一所自己满意的幼儿园呢？这不仅要求学生有合格的专业知识和技能，还有一个重要的问题就是如何应对面试。为了解决面试问题，我们可以做两方面的工作：第一是经用人单位同意，录制大量的面试实况录像，供学生观摩。第二是建立计算机远程虚拟面试环境，外聘一些单位的人力部门主管，对学生进行远程虚拟面试的实战练习，让学生熟悉幼儿园人事招聘的要求、流程，提高面试能力，同时也能让学生及时发现自己的不足，增加学生在应聘过程中的自信心。

其它优质范文

友情链接

人工智能在教育方面的作用精选(十四篇)

篇1

篇2

篇3

篇4

篇5

篇6

篇7

篇8

篇9

篇10

篇11

篇12

篇13

篇14

其它优质范文

人工智能的类比推理研究

对人工智能非法律主体地位的探析

人工智能技术在自动驾驶领域的应用

推荐阅读

推荐期刊

E动时尚

计算机应用文摘

中国科学探险

远东经济画报