时间：2023-08-23 17:00:10
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能教育功能，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词：设计；人工智能；挑战；机遇
一、引言
第四次工业革命的到来，人工智能作为一项主要的技术，必将鞭策整个人类社会的转型。很多国家制订了战略规划，在2017年我国也了《新一代人工智能发展规划》和《新一代人工智能产业三年行动计划(2018-2020)》，人工智能产业已上升为国家战略。近年来，在人工智能涉及的领域中，艺术与技术结合，升华到与人工智能的结合且越来越受到重视。阿里智能AI“鲁班”已经掌握了上百万个设计师的创意内容，双11期间制作1.7亿张海报，没有一张是重复的，而这些工作如果人工制作的话需要100个设计师工作300年；央视节目中“鲁班”PK资深设计师取胜等等这些新闻，无不极大地震撼了整个设计行业。设计师会失业吗？高校的设计教育面对AI的挑战与机遇如何制定培养目标？如何在新的竞争中占领先机？未来已来，智能艺术设计的路在何方?
二、设计行业面对四大挑战
（一）惊人的数字
马云在一次报告中说未来30年人类只工作4个小时，大量的工作岗位会被人工智能抢走；根据白宫的人工智能报告预测，在未来10-20年间，人工智能技术有可能取代47%现有工作。麦肯锡的预测是49%，盛产劳动力的中国和印度的影响最大。Siri之父、人工智能专家温那（Winarsky）的预测是70%的工作将被取代。不得不说，AI是人类智慧的结晶，正在高速颠覆着人们的生活。
（二）AI设计发展趋势
AI最容易取代的是简单设计：如LOGO、UI界面、海报招贴、网站网页、产品造型、室内家装、产品包装……原本这种理想的设计工作不再能提供人生的庇护所，但凡是明确、简单、重复标准、规则的美术设计与制作工作，未来都容易被取代，传统设计行业将会萎缩乃至可能逐渐消失。
（三）设计环境恶劣
设计创意无法保护，设计法规没有限定，设计竞价无序，商家厂家缺乏契约精神，设计知识产权无法保护契约，新设计新技术缺乏情趣，设计同质化严重……（四）设计教育落后现有设计模式传统、设计教育落后，设计知识体系缺乏更新、进化，知识性重复训练、模仿性传统方法制约了学生创造性情感思维的发展，设计师终身教育观念的缺失阻碍了设计师的可持续发展，设计知识与设计人才近亲繁殖、代际传递的情况严重。
三、AIDesign发展迅猛
目前传统艺术设计已经发生智变，使设计更美更快更简单。人工智能艺术与设计已经一定高水平，如果设计师仍停留在传统设计水平，就会受到来自机器的“威胁”。但也不全会，除了“创意”部分让机器无可奈何，人类设计师与机器的竞合中，我们要转变方向注重数字移动媒体策划与设计、移动媒体用户需求挖掘、数字移动媒体需求文档的撰写、数字移动媒体优化、数字移动媒体UI界面设计、H5设计、App设计、UE用户体验设计、虚拟移动媒体设计、信息交互设计等媒体智能设计新技术。高品质艺术、设计依赖于混合增强智能技术。AdobeMax“SneakPeeks”将迎来Adobe全家桶的诸多全新功能，如图片变视频、静态变动态、一键设计字体、视频扣剪、纸盒自动生成、AR呈现、AE一键去马、Ru跨平台制作（剪辑、混音、调色）、跨平台同步改稿、人工智能排版等十大看似很科幻但已经实现了的AI功能。华为Mate20手机3D扫描防生建模与成像，以及AI手势动作捕捉的体感游戏功能，更为我们提供了解放设计生产力的前景。同时MIT研发的工业产品AI设计系统即将面世。主要产品体现如下：
（一）AIVD人工智能视觉设计
AI集成化的成熟产品，比如Adobe系列的产品，软件低层融入AI技术，更好更快地创作文字和图像、影音等元素。如AdobeSensei：人工智能做设计的底层技术，集成在Adobe系列软件中，有字体匹配方案、自动配色方案、基于线稿自动上色、自动校正手绘图形等。
（二）AIPD人工智能产品设计
Adobe人工智能鞋包设计、IBMWatson智能设计服装、Autodesk智能设计汽车等。
（三）AISD人工智能空间设计
Prisma智能风格化设计、Autodesk建筑智能生成设计、ZahaHadid参数化设计等产品。
四、设计人工智能教育的发展动向
未来，人工智能教育会加速发展，老师不会被AI取代，但不用AI的老师一定会被取代；未来，老师不是简单地传授知识，而是通过言传身教的沟通交流，对学生进行激励、鼓舞，成为人类灵魂的设计师；未来，AI将实现规模化和个性化间的平衡，带来了一种学生易学、教师易教的解决方案；未来，老师作为教学过程中始终核心地位，推陈出新积极善于运用AI技术进一步提高师生教与学的体验和教学效率。当务之急，要让更多的老师正视人工智能的快速发展，通过学习AI技术了解人工智能的发展情况，从而改变老师的教育教学观念和教学方法，引领高品质教育的未来。在未来教育中，教师的角色有三种观念：1.取代说，2.不可取代说，3.人机协同说大多数观点是：未来，教师将与人工智能协同共存。未来知识传授功能会逐步被人工智能取代，而人类教师则应偏重于培养学生的核心素养。正如雷克利福德所言，“科技不能取代教师，但是使用科技的教师却能取代不使用科技的教师”。如今，抛开先天财富的不同，人与人之间的差距主要来自学习能力的不同。这种差异会加剧不平等，在未来，这种趋势将会进一步加强。应对人工智能时代，教师除更新教育教学观念、转变角色、改革教学模式和方法外，必须坚持终身学习，教师的终身学习，不仅要学习Python之类的AI编程技术，更需要增强对，限于时间和精力有限，分别将有关AI知识技能分为三类，以适应设计人工智能的技术更迭和“一专多能”。
五、结束语
【关键词】计算机 人工智能技术 系统
人工智能（Artificial Intelligence）是研究使计算机模拟人的学习、推理、思考、规划等思维过程和智能行为的学科，用过对计算机实现智能的原理的研究，制造出类似于人脑智能的计算机，使计算机实现更高层次的应用。随着信息技术的发展和网络的广泛普及，人们教育观念正在悄然改变，新型的教育模式正在成形，计算机网络远程教育迅速发展，然而由于计算机网络远程教育发展尚不成熟，实际应用过程中存在诸多问题，而人工智能的引入，则使计算机网络教育水平提升到一个全新的发展台阶，并展现了其广阔的发展前景[1]。
一、人工智能技术概况
人工智能是通过研究人的智慧机理和思维过程，利用计算机体现和模拟人的智能行为。人工智能自其正式提出至今短短几十年内取得飞速的发展，已经成为一种成熟的工具。由于人工智能的效用堪比人的智慧，在进行信息分析处理时可以采取语音识别，实现人机对话，所以其应用范围自其发展以来逐步向诸多领域扩展，如医学、建筑学、地质学、机械等，而其研究课题也不断深入，如专家系统、机器人、自然语言处理系统、博弈等。人工智能具有理解经验并从中学习、辨别模糊或互相矛盾的信息、快速而成功地对新环境做出反应、在解决问题时使用推理进行有效的推导、能处理复杂的情况、应用知识控制环境等诸多能力。人工智能是一个知识信息系统，知识在人工智能中占据重要的地位，计算机的智能只有通过对知识的发现、储存、学习、推理和决策才能展现出来。人工智能主要有以下优势：首先，由于知识储存与计算机系统中，为人们知识传播和复制带来了极大的便利，计算机网络技术的发展，使知识的传播和复制突破时间和空间的限制，为人们带来无限的知识共享。其次，人工智能系统拓展了知识信息获取渠道，同时在某些任务处理的质量和速度上，人工智能展现的能力惊人的能力，远非人类所能及[2]。
二、人工智能技术在计算机网络教育中的应用
（一）智能决策支持系统
智能决策支持系统（IntelligentDecision Support System）是由决策支持系统与人工智能结合的产物，在网络教育领域的应用展现出广阔的发展前景。智能决策支持系统在数字图书馆中的应用，则使得决策目标和进行问题的识别更加明确，帮助决策者建立起完善的决策模型，提供多种备选方案，同时对各种备选方案进行选择、优化、比较、分析，从而使决策者的决策更加准确、有效[3]。
（二）智能教学专家系统
智能教学专家系统ITES（Intelligent Teaching Expert System）是传统CAI系统转向的主要方向，是一种开放式交互教学系统，通过智能教学专家系统利用计算机对专家教授教学思维的模拟，从而为教学提供一个良好的智能环境。一方面，学生可以通过智能专家系统获取知识，另一方面，智能教学专家系统能根据学生的具体实际情况（包括知识储备、能力、学习方式等）进行知识传授，从而使教学效果大大提升。在智能教学专家系统中，智能计算机辅助教学占据重要地位，具有以下智能：首先，自动生成各种问题和练习，并在教学内容理解的基础上，形成问题解决方案，同时还能自动生成和理解自然语言；其次，能根据学生的自身实际情况，对学生的学习内容和教学进度进行合理调整，并对教学内容具有解释咨询的能力；再次，能对学生的错误进行判断，评价学生学习行为，并帮助学生纠正错误，同时使自身教学策略得到完善。
（三）智能导学系统
智能导学系统（Intelligent Induct-learning System）是现代继续安吉网络教育系统的重要组成部分，是实现计算机网络教育项目的保障。通过智能导学系统，能为学生提供一个良好的学习环境，并能快速地获取其所需要的各种资源，从而使学习者获得学习的全方位服务，进而达到学习的成功。智能Agent技术的智能导学系统，可根据学生的具体情况制定符合学生实际的导学策略，并为学生提供个性化、针对性的服务。在这种导学策略下，系统不仅能自动生成各种问题和解决方案，并且能合理规划、调整学习内容和进度，同时能针对信息反馈内容及时修正导学策略，使导学策略更加合理科学[4]。除了上述3各种系统在计算教学中的应用，还有智能仿真技术（Intelligent Simulation Technology）、智能硬件网络IHN（Intelligent Hardware Network）、智能网络组卷系统INES （Intelligent Network Examine System）、智能信息检索引擎 （Intelligence Information Retrieval Engine）等系统在计算机网络教学中应用，这些人工智能在计算机网络教学中的应用，共同推进了计算机网络教学的发展。
三、结语
计算机网络教育中加强对人工智能技术的引入，使我国现代计算机网络教育呈现蓬勃发展的态势，通过多种智能系统的应用，使计算机网络教育的学习环境得到极大的改善，计算机网络教育的时空制约进一步突破，大大延伸了计算机网络教育的服务领域。随着人工智能技术在计算机网络教育中应用的深入研究和发展，未来计算机网络教育的个性化将会更加突出，远程教育也将实现更好的发展。
参考文献：
[1]潘瑞玲，余轮.具有Agent功能的远程教育系统的设计[J]. 福州大学学报（自然科学版）. 2012（03）：105-106.
[2]何丕廉，苏成君，郝祯亮.网上虚拟教室中笔记系统的设计与实现[J]. 计算机工程与应用. 2011（18）：239-241.
关键词：人工智能；计算机网络教学；现状；运用
中图分类号：TP393-4
所谓人工智能，就是利用人工方法在计算机上实现智能，也可以说是人工智能在计算机上的一种模拟。人工智能广泛融合了神经学、语言学、信息论和通讯科学等众多学科和领域。目前主要存在三条人工智能研究途径：一是以生物学理论为支撑，掌握人类智能的本质规律；二是以计算机科学为支撑，通过人工神经网络进行智能模拟，实现人机互动；三是以生物学理论为支撑。
1 人工智能技术的特征
智能技术主要分为两类，人类和计算机智能，两者存在相辅相成的关系。利用人工智能技术能够实现人类智能向机器智能的转化，相反，机器智能也能够利用智能教学转化为人类智能。
1.1 人工智能的技术特征。首先，人工智能具备非常强的搜索功能。该功能是利用相关搜索搜索技术实现对海量信息的快速检索，满足个性化信息需求；其次，人工智能具备很强的知识表示能力。具体来讲，就是人工智能对信息的行为，能够像人类智能一样，对模糊的信息加以表示；最后，人工智能具有较强的语音识别和抽象功能。前者主要是为了对模糊信息加以处理。而后者主要是为了对信息重要度加以区分，以便提高信息处理效率。用户只需要智能机器提出具体要求便可，至于复杂的解决方案就交给智能程序了。
1.2 智能多媒体技术。首先，人机对话更加灵活。传统多媒体在人机对话方面极为欠缺，导致教学单调乏味，不能取得预期良好效果，但智能多媒体却不然，他能够实现人机自由对话和互动，同时还能结合学生实际对学生的问题给出不同层次的答案。其次，教学可行性更强。由于学生在认知能力和个人素养方面都存在差异，而且学习主动性也不尽相同，人工智能必须要结合学生实际学习状况，为每一位学生设计制定个性化的学习计划和学习目标，对学生进行针对性较强的教学，真正实现因材施教。再次，具有强大的创造性和纠错性。前者属于人工智能的显著特征，而后者属于人工智能的重要表现方面。最后，智能多媒体具有老师特征。在实际教学过程中，智能多媒体可以对教学双方的行为进行智能评价，以便能够及时发现教学中的薄弱点，有助于实现教学相长，全面提高教学质量和教学效果。
2 计算机网络教育的现状
随着现代科学的进步，网络信息的发达，人们的教学观念和学习观念都发生了前所未有的改变，网络时代正全面到来。为了满足现代社会对人才的实际需求，培养大量现代化优秀人才，计算机网络教学模式业已成型并不断完善。目前，高校正规教学模式依然是现代教学主流，尽管在系统传授知识和规范培养人才方面具有无可比拟的优势，但在资金投入、效益创收和时空限制等方面具有很大的弊端，灵活性不足，无法有效满足现代教育的发展要求。
计算机网络教学对传统教学形成了巨大挑战，并产生了深远影响。它不仅有效弥补了传统教学的时空限制缺陷，而且赋予了教学极大的乐趣性，吸引了越来越多的人积极投身到网络教学建设中去，任何人无论何时何地都能够通过网络课堂去学习和提高。但目前计算机网络教学发展仍处于探索期，在实际运用方面还存在许多问题：第一，计算机网络教学中的学习支持服务体系尚不健全，导学手段和答疑方法还非常落后，由于各种原因，在服务方式上缺乏针对性、策略性和积极性；第二，计算机网络实验教学中存在着空间分散、时间流动和自主性差等问题和弊端；第三，计算机网络的系统承载能力和信息查询能力还十分有限；第四，如何实现计算机网络考试的开放性，确保考试的客观性、公正性、权威性，已经成为网络教学发展的瓶颈；第五，计算机网络教学中的核心支撑系统――CAI，还无法有效满足和适应网络教学的实际需求和发展要求。
主流CAI课件主要有两种，一种是单机版的初级课件，包括简单的Authorware课件、PPT幻灯片和图文网页等。一种是高级的网络版课件。该类课件主要以静态图文和动态演示组成的网页为主，以聊天室、电子邮件和QQ群等形式为辅，实现师生互动、网络答疑的一种改进型课件。初级课件在实际教学中以操作容易、更新及时和维护方便著称，但实际上就是传统教学手段的变相挪用。还有些课件，尽管在互动性方面有着不错的效果，但是制作繁琐、更新较慢和维护复杂。因此，高级网络课件是目前网络教学中的主流课件，已经成为了计算机网络课件的固定模板。改进型的网络课件有效地解决了传统多媒体在师生互动不足的问题。上述两类课件是现在最为常见的两种CAI课件，尽管两者都有各自的优势，但作为网络教学的重要手段，仍存在许多问题和弊端：无法实现因材施教，无法开展层次教学；作为教学的一大主体，学生在个性化交互操作方面仍有很大不足；对学习过程中出现的普遍问题无法进行智能统计、分析和评价等。
3 人工智能技术在计算机网络教学中的运用
3.1 人工智能多媒体系统。（1）知识库。智能多媒体已经不再是用来进行纸质媒体数字转化的工具了，它应该具备相应完善的知识库，而知识库里的教学内容要结合教学实际和学生现状进行针对性、个性化设计。同时，要实现知识库资源的高度共享，并及时加以更新和补充，如此才能充分发挥知识库的教学服务作用。（2）教学板块。教学板块的设计主要是出于教学综合性考虑的，教学方法的创新是其关注的重点内容。该模块的实现要以掌握专业知识、教学策略和人机对话等领域的知识为前提，结合学生实际学习现状和特点，利用智能系统的现代化技术手段对知识和相关教育措施加以高效搜索。（3）学生板块。及时掌握学生心理动态和学习状况是智能网络教学的一大特征，结合学生实际状况加以智能评判，进而加以针对性指导和个性化辅导，实现因人施教和因材施教，全面提高学习效率和学习质量。（4）用户模块。用户模块是智能系统无法忽视和省略的关键模块，整个智能系统的正常运行离不开人工程序操作，用户需要通过用户终端将教学内容上传到网络教学平台，才能顺利完成教学。
3.2 人工智能多媒体教学的发展。（1）加强与网络的结合。随着网络技术的成熟，智能网络教学与网络之间的关系日益紧密，多元化、多维度网络空间日益成为一种趋势。互联网具有信息量大、更新速度快、超时空性等优势，加强与网络的结合是人工智能计算机网络教学未来发展的重要方向。（2）加强智能的应用。人机对话、机器指导的教学模式将成为未来网络教学的核心模式，传统教师的角色将逐渐被计算机取代。最为典型的就是现代智能导航系统。（3）加强系统软件的研发。系统软件的更新日新月异，旧的系统软件已经无法有效满足网络发展的时代要求，加强系统软件的研发以便充分满足网络要求，更好地帮助学生解决实际问题，进而提高学习效率和教学质量。
4 结束语
人工智能技术在计算机网络教学中的运用将为现代化教育提供新的发展思路，将全面改善网络教学环境，拓展学习服务渠道，提高计算机网络教学质量，并有可能彻底打破计算机网络教育的时空限制，全面加强网络教学的开放性，实现网络学习的个性化、人性化和智能化，充分落实以学生为本的教学理念。未来CAI技术的进一步成熟将全面提高网络教学的整体格局，我们有理由相信，智能网络教学将迎来全新的发展春天。
参考文献：
[1]刘广钟，高军，刘，李吉彬.报文分析技术在计算机网络教学中的应用[J].计算机教育，2014（01）.
[2]赵冉，朱西方.仿真技术在高职计算机网络教学中的应用探讨[J].河南科技，2014（01）.
关键词:人工智能;理论传授;实验训练;科研训练
人工智能(Artificial Intelligence,AI)是计算机科学与技术专业的一门重要专业课程,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。它研究如何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,并以此解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题[1]。人工智能是一门涉及数学、计算机、控制论、信息学、心理学、哲学等学科的交叉和综合学科。目前,人工智能很多研究领域,如自然语言处理、模式识别、机器学习、数据挖掘、智能检索、机器人技术、智能计算等都走在了信息技术的前沿,有许多研究成果已经进入并影响了人们的生活。
2003年12月5日,国内第一个“智能科学与技术”本科专业在北京大学诞生[2],它标志着我国智能科学与技术本科教育的开始,对我国智能科学技术人才培养和智能科学与技术学科建设起到极大的带动作用。目前,人工智能课程的教学存在几个问题:首先,注重讲授理论知识,实验环节滞后,这不利于培养学生的实践能力,更谈不上实践创新。其次,人工智能是交叉学科,内容比较繁杂,各种教材的内容不一样,授课没有统一的体系,学生学习时抓不住重点,不能理解人工智能的根本方法和思想。一般说来,计算机专业的其他课程,如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术,而人工智能技术则是解决非结构化、半结构化问题的有效技术。最后,人工智能科学与技术飞速发展,但目前人工智能只被视为一门专业课,课程讲授和人工智能没有作为一个研究方向结合起来,也没有把传授课本知识和引导启发创新结合起来。
适应知识经济发展的高等教育,要把培养创造精神和创新能力摆在突出的位置。创新是基础研究的生命,而高等学校的教学只有与科研紧密结合,才能在培养学生的创新精神方面有所作为。为此,针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。在教材上,我们选用了清华大学出版社出版、马少平等编写的《人工智能》。我们的教学研究与实践的主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文,学校大学生科研项目资助计划,国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践。下面,我们就这三个方面内容展开探讨。
1启发式传授人工智能解决问题的非结构化思想
现实世界的问题可以按照结构化程度划分成三个层次[1]:1)结构化问题,能用形式化(或称公式化)方法描述和求解的一类问题;2)非结构化问题,难以用确定的形式来描述,主要根据经验来求解;3)半结构化问题,介于上述两者之间。一般说来,计算机专业的其他课程如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的有效技术。人工智能的教学可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题的解决过程的了解,从而达到培养学生多角度思维的目的。
我们使用的教材主要内容包括搜索和高级搜素、谓词逻辑和归结原理、知识表示、不确定性推理方法、机器学习等。这些主要内容也可以相应地归结为若干个典型算法,如启发式A*搜索算法、 剪枝算法、元启发式算法(模拟退火,遗传算法)、谓词逻辑归结算法、贝叶斯网络、决策树、神经网络(BP算法、自组织网络和Hopfield神经网络算法)。元启发式算法是一种启发式的随机算法,是用来解决非结构化问题的典型算法,其思想和传统的决定性算法如动态规划、分支限界完全不一样。学生在刚一接触到这些元启发式算法一时难以接受和理解其机理,对算法的有效性往往半信半疑。根据非结构化、半结构化问题的特点,讲解和演示算法在解决此类问题的具体步骤和详细过程,从而让学生掌握人工智能算法的基本思想。在讲解不同的元启发式算法的时候,学生会问,是模拟退火算法强,还是遗传算法强;在讲到机器学习算法的时候,学生会问到底哪个分类算法最好,这时候我们可以把搜索(优化)领域和机器学习领域的“没有免费午餐”定理进行适当的讲解和解释,从而把具体算法实现层面之上的一些人工智能的哲学思想进行传授。
在人工智能的具体教学中,采用问题教学法和参与式教学法。在问题教学法中,围绕人工智能的知识模块,在引导学生发现各种各样问题的前提下,传授知识。教学活动中,尝试使人工智能知识围绕实际问题而展现,使问题不仅成为激发学生求知欲的前提,也成为学生期盼、理解和吸收知识的前提,以此激发学生的创造动机和创造性思维。在参与式教学中,打破人工智能算法的枯燥、沉闷的传统教学法,尝试开放式教学内容;提问式讲课;无标准答案的课程设计;查找文献,分组动手实现人工智能算法等参与式教学方法,培养和发扬学生的参与意识,通过参与式教学提高学生学习的主动性、积极性和效率,培养学生的动手能力和创新能力。
2成体系的实验训练
独立开展人工智能实验课程,开发一批新型、富有创意的实验案例库,搭建一个创新实验和虚拟学习社区平台。人工智能实验课程的特点是应用各种人工智能方法,根据问题的约束、结构、信息进行表示建模和计算机上实现,是与人工智能原理同步的实验课程。学生必须掌握的人工智能的基本原理和计算机操作技能,它对于学生的知识、能力和综合素质的培养与提高起着至关重要的作用,在整个教学过程中占有非常重要的地位,是计算机软件、计算机应用、计算机网络、软件工程等专业的一门重要的必修专业课程。通过实验,学生得到严格的训练,能规范地掌握人工智能的基本理论和主要方法、基本问题求解技术,熟悉各种计算环境的基本使用。
在培养学生掌握实验的基本操作、基本技能和基本知识的同时,努力培养学生的创新意识与创新能力。为实现这一目标,在课程内容安排上采用适量基本原理与方法的实验内容为基本内容,增加一系列综合性实验和开放性创新实验问题,在实验内容方面更注重研究性实验中的创新问题。实验内容方面分为三个层次:基本原理的基础性实验、综合实验和研究性实验。在后两个层次的实验中,部分引入人工智能课程小组团队的最新科研成果,目的在于通过完成这些研究性实验,培养学生独立解决实际问题的能力,以提升学生的科研素质与创新意识。我们将这些设计实验称为新型实验案例库,它被放在人工智能课程小组网站上,以此搭建一个创新实验和虚拟学习社区平台。通过实验课程的学习和训练,学生应达到下列要求。
1) 掌握人工智能方法的优点及其在实际中的应用。
2) 学会对人工智能问题进行分析建模和应用各种计算工具实现问题求解,熟悉对实验现象的观察和记录,实验数据的获取与设计,最佳实验条件的判断和选择,实验结果的分析和讨论等一套严谨的实验方法。
3) 巩固并加深对人工智能原理课程的基本原理和概念的理解,培养学生勤奋学习,求真求实的科学品德,培养学生的动手能力、观察能力、查阅文献能力、思维能力、想象能力、表达能力。
4) 通过完成综合研究性实验,培养学生独立解决实际问题的能力,提高学生的科研素质与创新意识。
在培养学生掌握实验的基本操作、基本技能和基本知识的同时,进一步培养学生分析问题和解决问题的能力,培养学生的创新意识、创新精神和创新能力,为学生今后从事科研、教学或企事业单位的分析检验以及新技术的研发工作打下扎实的基础。
在实验组织方面,根据各实验的目的和要求,学生分为5人1组,指定一个组长,每组选择1套实验题目。基础实验题目要求达到27学时、综合性实验题目选择1题和研究性实验题目选择1题,基础实验题目要求在规定时间内,小组独立完成实验测定、数据处理,并撰写实验报告。实验过程中, 要求学生勤于动手, 敏锐观察, 细心操作, 开动脑筋, 分析钻研问题, 准确记录原始数据, 经教师检查,实验及其原始数据记录才有效。同时,团队作业,需要多人分工合作、相互帮助,这样可以提高人际交往和沟通能力,学会与他人合作,培养团队创新能力。
3课程学习与毕业论文,科研训练相结合
人工智能技术在一定程度上代表着信息技术的前沿和未来,通过学习和体验人工智能的知识和技术,学生能够在一定程度上了解信息技术发展的前沿知识,这有助学生开阔视野、培养兴趣,为今后继续深造或走向社会奠定坚实的基础[3-4]。
人工智能的理论和方法广泛应用于数据挖掘、机器学习、模式识别、图像处理中,这些内容既是高年级的后续课程,又是现在热门的研究方向。学习和深刻理解人工智能的理论、方法和应用,对后续课程学习以及今后的研究具有重要的意义。
我院规定大学三年级的学生开始联系毕业论文指导导师,同时确定毕业论文的研究方向,提前进行科研实践,以培养实践能力和研究素质。人工智能课程正好是大三高年级开设的专业课,因此,我们把课程实验及设计与同学的兴趣相结合,引导学生,并提炼和形成学生的毕业选题和课外的科研方向,它是提高本科生研究创新能力的有效手段。
基于新的教学实践,很多学生的选题都与上述归纳的人工智能若干算法相关,如算法本身的研究和改进,或是算法在各领域,如数据挖掘、图像处理等的应用。在我们的科研能力训练计划中,一批项目和课题,如混合神经网络的研究与应用、差分演化算法研究与应用、基于协同训练的推荐系统等,分别受到国家和学校本科生科研项目立项资助。一批三四年级的本科生以第一作者身份在国内核心期刊、国际会议和期刊上发表学术论文,这激发了学生的科研兴趣,使学生体会到了创新的乐趣。
总之,课程学习与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练,极大地提升了学生的创新能力和科研基本素质。
4结语
针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。我们的教学研究与实践主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践,新的改革和实践在教学中取得了令人满意效果。
参考文献:
[1] 张剑平. 关于人工智能教育的思考[J]. 电化教育研究,2003(1):24-28.
[2] 谢昆青. 第一个智能科学技术专业[J]. 计算机教育,2009(11):16-20.
[3] 罗辉,梁艳春. 大学生毕业论文与科研能力培养及就业[J]. 吉林教育,2003(10):18.
[4] 金聪,刘金安. 人工智能教育在能力培养中的作用及改革设想[J]. 计算机时代,2006(9):66-69.
Reform and Practice of Innovative Teaching in Artificial Intelligence
WANG Jia-hai, YIN Jian, LING Ying-biao
(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)
关键词：人工智能；本科高年级教学；教学改革
中图分类号：G642 文献标识码：B
1 引言
人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。
由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。
本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。
2 本科高年级的教学特点
中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。
3 人工智能课程的学科特点
与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。
4 人工智能教学的三点思考及对策
4.1 注重应用性和介绍性
在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。
4.2 注重科研引导性
本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。
4.3 教学内容与毕业设计相结合
本科毕业设计是对本科生用所学知识来解决实际问题和进行专业研究能力的检验，是本科高年级学生将要面临的一项重要任务。由于人工智能学科具有应用性和科研性的特点，人脸识别、网页检索、经济预测、基因数据处理等应用领域都离不开人工智能技术，所以人工智能方向为学生提供了丰富的毕业设计选题。针对这一特点，在本科高年级的人工智能教学中，可以适当穿插介绍有关毕业设计的内容。告诉学生哪些应用领域是目前人工智能研究的热点方向，哪些人工智能技术可以用来解决这些问题。通过向学生介绍具有一定应用价值和研究意义的题目，然后引导他们查找阅读相关技术文献，分析问题，解决问题，最后编写代码和撰写论文。比如笔者给学生提供的选题包括：(1)基于支持向量机的上市公司信用评价；(2)正则化回归在股票预测中的应用；(3)基于肤色的人脸检测；(4)基于内容的网页图像检索等。这些题目应用性强，具有一定科研深度但是难度又不至于太大，学生选择这些题目的积极性很高。通过将教学内容与毕业设计相结合，不但加深了学生对课程的理解，又使其找到了合适的毕业设计题目，可谓一举两得。
关键词：智能教学系统；模型；局限
中图分类号：TP315 文献标识码：A 文章编号：1673-8454(2012)03-0007-03
智能教学系统(Intelligence Tutoring System，简称ITS)是把人工智能技术引入到计算机辅助教学系统中，应用人工智能技术开发出能够因材施教的教学系统，使“计算机导师”贴近人类教师的水平，具有推理、诊断、决策的能力。能够根据每个学习者的特点制定教学计划，选择教学策略，实现因材施教。
一、智能教学系统的模型及功能
基于教育学、心理学和教学设计原理分析，智能教学系统模型应包含学生模块、教学策略模块、知识库和智能接口几个主要模块，各模块的系统结构如图所示。
学生模块记录每个学生原有的知识水平和学习能力。其依据为学生与系统之间的交互问答历史，并对每个学生的学习进步情况进行动态调整。这样，系统通过学生模型就可随时了解每个学生的情况，有的放矢地进行个别化教学。
教学策略模块根据学生模块情况和知识库做出智能化的教学决策，评判学生的学习效果，帮助学生分析错误原因。提出改进方法和意见等。
知识库存储所要教的学科领域知识和教学知识。
智能接口能够理解自然语言，实现更普遍意义上的人机对话。
智能教学系统与传统CAI相比，具备以下功能：
第一，了解学生的学习能力、学习基础和当前的知识水平，以此为依据为不同的学生做出不同的教学决策，有针对性地进行个别指导，并在学习过程中根据学生进度自动调整学习内容，具有适应能力。
第二，允许学生用自然语言与“计算机导师”进行人机对话，并能对带有学生个性特点的问题做出解答，从而具备更好的交互能力。
第三，能诊断学生学习过程中的错误，并分析错误原因和给出解决方案，在此基础上逐渐积累“经验”，从而具备纠错能力。
第四，大大拓宽了CAI的模式，例如建立虚拟教室、智能导师系统、教学模拟等。从而使CAI不再是简单的课本搬家、教室搬家，而具有更多的创造能力。
二、智能教学系统的局限性分析
智能教学系统虽然较传统CAI在诸多方面有很大改进。但就智能教学系统的工作原理以及目前的研发现状而言，应当冷静地看到，它自身也存在一些固有的局限性。
要计算机解决某个问题，有三个基本的前提：必须把问题形式化、必须有一定的算法、必须有合理的复杂度。由于人的智能活动不能完全形式化，因此，机器就不能将人脑的智力活动全部复制出来。教育是一种人类所特有的活动，基于人工智能技术的智能教学系统在教育中的应用也存在局限性。
1.智能教学系统不能实现自我更新，自我改进
智能教学系统的设计原理是把现有的专家的知识和教师的教学方法和策略集中到一个数据库中。随着现代社会知识的迅猛增长，教育理念的不断更新以及教学模式和教学方法的不断改进，智能教学系统无法像人类教师那样跟随时代的变化而实现知识库的自我更新以及教学策略模型的自我改进。还需要人从外界对整个ITS进行翻新，甚至需要从一种新的教育理念出发，重新设计ITS。智能教学系统的自我更新涉及机器学习这个难点。
2.智能教学系统适用的学习领域存在局限
以智能模拟的方法实现的人工智能应用于教育中时，并非适合所有的学习领域。人的智能活动可以分为四个领域。领域一是“刺激――反应”领域，其中包括任何形式的条件反射，与上下文环境无关的、各种形式的初级联想行为，最典型的如无意义音节的机械学习。领域二是数学思维的领域，这是比较适合于人工智能的领域。它是由概念世界而不是感知世界构成，这一领域中的问题完全形式化了，并可以计算，这一领域又可称为简单形式化领域，典型的例子如逻辑和有精确规则的游戏。领域三是复杂形式化领域，这是比较难把握的一个领域。这一领域包括原则上可形式化而实际上不易驾驭的行为，包括那些不能用穷举算法处理的。因而需要设计启发程序的系统，如围棋。领域四可称作非形式化行为领域，包括有规律但无规则支配的、我们人类世界中的一些日常活动，这一领域又称作感知思维领域。在这一领域内解决问题都是直觉的遵从，无须求助规则。包括一些规则不确定的游戏，如文字猜谜游戏。以上四个领域中前两个领域适合用数字计算机模拟，第三个领域只是部分可程序化，而第四个领域则很难驾驭。
与此相对应的，根据加涅的学习结果分类，学习分为言语信息、智慧技能、认知策略、动作技能和态度五类。言语信息分为符号学习、事实学习和有组织的知识学习，这些属于可形式化内容，适用于智能教学系统；智慧技能分为辨别、具体概念、定义性概念、规则和高级规则，其中前四项属于可形式化内容，适用于智能教学系统，而高级规则属于复杂形式化内容，部分内容不适用于智能教学系统；动作技能和态度领域的学习。在其认知成分中可以使用智能教学系统，但情感和行为成分等非形式化内容，则难以用智能教学系统来实现。
因此，并不是所有的学习领域都适用于智能教学系统。智能教学系统在教育中应用的重点应放在认知领域中的符号学习、事实学习和有组织的知识学习、辨别、具体概念、定义性概念以及规则这些学习内容上。
3.与学生之间无法畅通交流
教育是一种交互活动，智能教学系统的交互功能虽然较传统CAI有所改进。但仍然缺乏在学生和计算机之间交换信息的自然的、畅通的途径。系统只能通过学生输入计算机的信息来判断其掌握和内化程度。而无法像人类教师通过自然状态的交流和观察来判断学生的真实情况，因此，“机器智能”很容易被蒙蔽“双眼”，无法做到像人与人之间那样自然畅通的交流。此外，系统在遇到新的学习情境时。不能理解和产生对话，这会影响智能教学系统功能的实施。
4.决策和推理机制不完善
智能教学系统的关键智能所在是其决策和推理机制，即“教学策略”模块根据不同学生的具体情况通过推理做出灵活决策，这种决策基于学生模块提供的学生的知识水平、认知特点和学习风格。智能教学系统虽然加入诊断系统并不断调整对学生学习水平的判断，但由于学习风格、认知特点等不能完全被形式化，因此，根据系统的教学策略模块中预先存入的诊断知识来评估不同学生的学习过程和理解每个学生不同的推理过程也是有局限的。
三、智能教学系统在教育中应用的建议
1.不能忽略教师的作用
虽然智能教学系统具有“智能性”。但在使用它的过程中，决不能放弃教师的主导作用。要明确教师是教学的设计者和教学过程的主导，应该把智能教学系统的应用纳入到教学设计中。教师作为教学的“主导”。要引领教学
全过程，时刻注意学生的学习状态、学习程度、情感交流，尽量照顾到每个同学。ITS不是将教师搁置了。而是把教师从ITS能做的事情中解放出来，有更多的时间去从事机器所无法替代的事情。例如，计划教学，开发教学补充材料，示范成熟的行为，启发、引导学生去克服遇到的各种困难。特别是一个优秀教师对学生的态度和道德的影响和培养，是任何智能教学机器所无法取代的。所以，在利用智能教学系统教学的过程中，不能用智能教学系统取代教师，不能忽略教师的指导作用。
2.注意教学模式的运用
作为一种教育技术的实现，ITS主要依赖于各种技术的发展，但作为一个能够实施完整教学过程的教学系统，ITS的应用效果更多地依赖于所采用的教学模式。长期以来，传统CAI在教学中的应用都以个别化教学模式为主。但随着认知心理学的发展，基于建构主义学习理论的以“学”为中心的教学模式逐渐受到青睐。这种教学模式更能满足学习者的个性化要求，也为协作学习创造了更大的可能性。目前，协作学习模式因其利于培养学生的多样化思维和合作精神而日益受到重视。同一个智能教学系统，用于个别化教学模式和用于协作学习模式就会产生截然不同的教学效果。因此。在利用智能教学系统时，要注意根据教学内容和教学目标灵活采用个别化教学模式或协作学习模式。
3.有效与网络相结合
随着多媒体技术和Internet网络的飞速发展，多媒体教育技术与Internet的进一步融合，ITS不仅仅在人工智能上单一发展。它要向多维的网络空间发展。网络化成为当今世界ITS系统的一大优势和特色。“无机不联”正是现代教育计算机使用情况的真实写照。智能教学系统应与网络相结合。借助网络的优势，完成在线学习、实时讨论、网上测试等多种教学任务。学生可以在学校或家中通过计算机登录到系统，系统按其不同的认知水平为其准备不同难度的教学内容。完成学习时，系统通过自适应的测试确定学生新的认知水平，作为其下一次登录学习时为其准备学习内容的依据，并向学生提出进一步需学习内容的建议。学生在学习过程中可以实时地与其他在线的学习者进行讨论，并可通过E-mail的形式与教师进行交流。教师可以使用自己的计算机，在教研室或家中登录到系统，检查学生的学习进度，学习情况。并依据学生的实际情况，有针对性地对教学内容、测试内容进行更新。网络与智能计算机辅助教学系统有机结合，相互补足，必将构建成一个新的系统工程。
参考文献：
[1]王士同主编.人工智能教程[M].北京：电子工业出版社，2001.
[1]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社，1998.
[3]何克抗.计算机辅助教育[M].北京：高等教育出版社，1997.
摘要：本文从计算机学科本科的教学理念出发，提出了从计算机学科分支的角度认知人工智能，组织并实施教学的方法。
关键词：人工智能；综合学科；计算机学科分支
中图分类号：G642
文献标识码：B
1引言
目前国内流行的人工智能教材都是把人工智能学科作为由计算机科学、心理学、神经生理学、控制论、信息论、语言学等多种学科相互渗透的综合学科加以介绍。这些教材核心内容虽然相同，但作者编写教材的思路却有不同，有些教材以智能体(agent)的观点论述，还有一些教材以应用为目的来论述。这些教材对于各相关领域从事人工智能科研与工程的技术人员来说，是比较适宜的。但对于我国高等院校计算机专业的本科学生来讲，却存在一些问题。不仅是由于在一门课程中涉及众多学科的知识，使学生难以接受，而且讲授的角度不能与前期所学知识紧密配合，也增加了学习的困难。
人工智能是由多种学科相互渗透的综合学科，但它是明确属于计算机科学分支的学科。这是因为从功能上和方法上人工智能与计算机学科是一致的。实际上，人工智能不仅使用了许多其他计算机学科分支的技术，而且在发展过程中，也开拓了许多新的方法和技术，充实了计算机学科。若按计算机处理的对象来区分计算机应用的话，则可分为三个部分：数值计算、数据处理与知识处理，人工智能就对应知识处理工作。
对于我国高等院校计算机学科的本科教学来讲，人工智能课程的课时一般只有40课时左右。以什么角度组织教材内容，提高教学效果，使学生较容易地理解和掌握人工智能的原理与技术呢？通过多年的人工智能教学实践，我们逐渐总结出了进行人工智能教学的方法：既从计算机学科本科的教学理念出发，考虑人工智能这门学科的特点，以作为计算机学科的一门分支的角度认知人工智能，组织教材的知识架构并进行教学。用计算机学科的观点分析人工智能的基本原理与方法时，重点强调的是这些基本原理与方法与其他的计算机分支的共同点和不同点。共同点是强调计算机学科的本质，不同点是强调人工智能的本质。
2计算机学科本科的教学理念
计算机学科本科的教学理念可以归结为：传授知识、提高能力、培养素质(包括专业素质与品格素质，专业课以专业素质为主)。其中，原来作为教育核心的知识现被看成是教育的基础，即把知识作为载体，用来实现能力的提高，在潜移默化中实施素质教育。高等院校对学生能力的培养主要包括：学习能力、分析问题与解决问题的能力以及创新能力。对于本科学生，重在学习能力与分析问题与解决问题的能力，对创新只是培养兴趣。素质是知识和能力的升华，计算机专业素质显示的是这一领域的水平，素质水平的提升也将通过知识的增多和能力的增加体现出来。
3以计算机分支的角度认知人工智能
什么是人工智能？目前人们普遍接受的定义是：用机器来模拟人的智能，也就是用计算机来模拟人的智能。若以计算机分支的角度也就是用计算机学科的观点看待人工智能，我们需从两个方面加以说明。
首先，从计算机的能力，也就是它能做什么讲起。用计算机解决某种问题，需要有三个基本的条件：第一，必须把问题形式化。第二，问题是可计算的，就要有算法。第三，问题要有合理的复杂度。人的智能所能解决的问题往往不能满足这三个条件。因此，人工智能就是对于不能满足这些条件的问题，通过使用它的技术和方法，使问题满足这三个条件，由计算机去解决问题。比如，一般来讲不可能将自然语言全部形式化，但人工智能使用一阶谓词逻辑表示自然语言的部分句子，并用算法进行推理，解决一定范围的问题。另外，使用启发式搜索可降低问题的复杂度，使问题在可能的范围内得到解决。
其次，从计算机的核心技术加以阐述。用计算机解决问题是靠程序实现的，程序是什么？一本经典的计算机教科书的名字“算法+数据结构=程序”给出了解释，这说明在计算机学科中算法与数据结构的核心地位，一般的计算机程序也确实可分成这两个部分。而作为典型的人工智能程序可分成三个部分，控制部分(推理机)、规则库和数据库。其中，控制部分和规则库对应于算法，数据库对应于数据结构。实际上，控制部分由搜索策略和推理机制组成，规则库是将一般计算机程序的算法中的与实际问题有关的知识抽出来单独组成。而数据库往往用来存放一些基本的事实和一些中间的结果，也常常采用知识表示的方法，因此，人们也经常把规则库和数据库合称为知识库。在人工智能程序中与算法与数据结构对应的正是人工智能的两大核心：搜索和知识表示(包括推理)。
4以计算机分支的角度组织并实施教学
人工智能为了模拟人的智能，处理的对象是知识，知识处理则需采用知识表示。又由于往往没有确定的算法，只能使用搜索。本文的观点是人工智能课程的教学内容应以知识为主线，以知识表示和搜索为基石进行组织。
首先，教学的第一个核心是知识表示。知识表示就是研究用计算机来表示知识的方法，这些方法需满足两个条件：除了计算机可接受这个条件以外还要能刻画智能行为。这是与一般的数据结构不同的地方。什么方法适合呢？由此引出了逻辑表示方法。
形式逻辑是关于思维的形式和规律的科学，数理逻辑从逻辑上讲是现代的形式逻辑，是用符号和数学的方法来研究推理规律的学科。数理逻辑一般是指命题逻辑和一阶谓词逻辑。一阶谓词逻辑比命题逻辑表达能力强，逻辑的表达方式与人类的自然语言接近，因此，用一阶谓词逻辑作为知识表示工具容易被人接受。不仅如此，由一阶谓词逻辑表示已知条件和所要证明的定理，使用归结原理则可建立计算机程序实现自动定理证明(半可判定算法)。这一过程是在Herbrand定理的基础上得以成立的。由于人工智能中的许多问题都可以化成类似于定理证明的问题，因此可以把与Herbrand定理有关的一系列工作看成是表示和推理的理论基础。评价知识表示方法的性能，即要考察表示能力，又要考虑是否有效地支持知识的推理。显然，具有充分的表示能力又有坚实的理论基础的表示方法是最使人放心的，一阶谓词逻辑恰好满足这一条件。
在这一部分的讲授中，将通过一系列的演变过程，展现出如何将一组谓词公式转换成子句的集合，又如何通过使用置换与合一的手段，达到可以应用归结推理规则，而最终得到证明的目的，而这一切又都是在有严格的定理保证之下完成的。这些内容的讲授，对于培养学生严紧的逻辑思维能力是一个极好的实例。
逻辑表示与归结推理方法是知识表示的基础部分，用来说明人工智能系统进行推理的原理。而作为真正最实用的产生式表示法将通过Horn子句的正向推理和反向推理过程引入，产生式表示法中的带与不带变量的正、反向推理相当于命题逻辑和一阶谓词逻辑层面的Horn子句的正、反向推理。作为结构化表示的语义网络和框架表示法也以一阶谓词逻辑为基础，它们均可转变成为等价的一阶谓词逻辑的表示形式。
在教学中，关于其他知识表示方面的内容，比如：产生式规则、语义网络、框架，都以一阶谓词逻辑为基础给以说明。关于产生式表示法在人工智能的心理学认知体系结构中，被看成是人的思维中因果关系的一种反映，而在本文中则看成是一种类似于Horn子句形式的一种表示。在讲授时将这些内容作为一个整体，说明原理与实用方法之间的关系，根据实际问题的需要，可以降低表示的能力。而另一方面，为了解决实际问题，可以扩充表示的能力。
一阶谓词逻辑表示的能力虽然在通用的表示法中是最强的，但是知识与客观真理不同，它总是局部的、片面的或表面的，这在常识中尤为明显。在解题过程中还会不断地更新，知识表示要适应这个特点，采用经典的一阶谓词逻辑表达有困难，这就需要用非单调逻辑来表达。另一方面，在人工智能处理的信息和知识中，存在大量的不准确、不完全、不一致的地方，这又需要研究关于不确定性知识的表示和推理的研究。实际上，非单调逻辑和不确定性推理部分在教学中将作为知识表示的扩展加以介绍。机器学习作为人工智能的重要组成部分，它的主要方法都是基于归纳推理，也可以看成是非经典逻辑的应用。
人工智能教学的另一个核心是搜索问题。一般来讲，用计算机求解问题，就是用已知的知识，对于给定的数据进行加工，期望得到解答，其解法则由某种程序来表述。其他的计算机分支处理的问题，往往知识比较充分，例如多数的科学计算问题，就可以在看到数据以前根据知识写出程序，这个程序对于一切数据都是适用的。而人工智能处理的问题知识不够充分，或程序太复杂，此时可以写出一个元程序，对于给定的数据，它根据知识，做出一个程序专门加工这些给定的数据。这时，这个元程序可以通用于一大类知识，通常并不包含领域知识的具体细节，因此，对于这个元程序的研究就脱离了问题的具体领域，成为人工智能内部的课题，这正是搜索。
在教学中，通过掌握知识的多少来讲授各种不同的搜索。搜索是由于知识不足而产生的，同时搜索与知识是相辅相成的。当知识较多时，搜索的工作量不多，可使用一些盲目的搜索策略。当知识较少时，搜索的工作量较大，则需使用一些启发式的搜索策略。启发式搜索是搜索方法中需重点说明的，它起到了降低被求解问题复杂度，提高搜索效率的作用，但太强的启发信息，往往找不到最佳解。如何能减少搜索范围，提高搜索效率，而且还保证找到最佳解，这成为搜索方法应明确的问题。A*算法是N.J.Nilsson在20世纪70年代初的研究成果，他解决了这个问题，证明了A*算法的可采纳性。类似于定理证明，在教学时也将A*算法及其有关证明看成是搜索方法的理论基础加以介绍。
在搜索部分的教学中，除了把A*算法及其有关证明作为重点，当作是搜索方法的理论基础来讲解以外，还要给出若干搜索算法。一方面，这些算法说明了各种搜索的方法，另一方面，在这些算法中经常有一些算法细节抽象的技巧，对这些内容的细致分析，将会逐渐提高学生抽象思维的能力。
在实际的知识库系统中，回溯和与或树的搜索算法应用较多。而当问题的有关知识较少，规模大到一定程度之后，往往采用引进了随机因素的搜索算法，比如：模拟退火算法、遗传算法等。现在，这些算法一般称为高级搜索，教学时作为搜索的扩展来讲授。
人工智能技术方面的研究往往涉及各应用领域的课题。反映到教学中，就是人工智能的各个分支的介绍，这包括知识库系统、自然语言理解、规划、机器人等。
总之，教学内容可分成两个部分，第一部分是基础理论和基本方法，包括：逻辑表示与归结推理方法、搜索原理，知识表示(包括产生式系统、语义网络、框架)、推理(包括不确定性推理、非单调推理)、机器学习。第二部分是实用技术，包括知识库系统、高级搜索、自然语言理解。
5结束语
经过长期的人工智能教学实践，笔者逐渐形成了以计算机学科分支的角度来讲授人工智能课程的思路。从学生的接受、理解和掌握人工智能的基本原理与技术方面来看，有较好的效果。但如何把计算机学科和其他人工智能所涉及的领域更完美地结合起来，较好地在教学效果与宽广的知识面之间找到平衡点，还需今后进一步的研究与探索。
参考文献
[1] 贲可荣,张彦铎. 人工智能[M]. 北京:清华大学出版社,2006.
[2] 马少平,朱小燕. 人工智能. [M]. 北京:清华大学出版社,2004.
[3] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.
[4] 马希文. 逻辑・语言・计算－马希文文选[M]. 北京:商务印书馆,2003.
[5] 高济,朱淼良,何钦铭. 人工智能基础[M]. 北京:高等教育出版社,2002.
[6] 中国计算机科学与技术学科教程2002研究组. 中国计算机科学与技术学科教程[M]. 北京:清华大学出版社,2002.
[7] Stuart Russell, Peter Norvig. 人工智能－一种现代方法[M]. 北京:人民邮电出版社,2002.
[8] Nils J. Nilsson. 人工智能[M]. 北京:机械工业出版社,1999.
市场层面上，随着旷视科技Face++C轮融资4.6亿美元、商汤科技B轮融资4.1亿美元、明码生物科技B轮融资2.4亿美元等多笔融资的完成，众多国内人工智能初创公司再次创下惊人的融资数。而据美国公司TechCrunch统计，今年自动驾驶领域全球融资的数额到11月初已经达到14亿美元，已经远超去年全年的6.3亿美元，全球资本市场对于人工智能在无人驾驶的发展也无疑是看好的。据易观咨询的《人工智能理财市场专题分析》报告，人工智能在金融的应用已被提至新高度，预计中国人工智能理财规模到2020年将达到5.22万亿。
今年9月，高盛在其的《中国在人工智能中崛起》报告中也提到，中国已经成为人工智能领域的主要竞争者，BAT将是中国第一批人工智能受益者。值得注意的是，离开中国大陆七年之久的谷歌已经借AI实验室成立选择回归。而以百度、阿里巴巴，腾讯为首的互联网巨头也纷纷宣布全面布局人工智能领域，并且实施了多起海外并购。晨哨集团研究部也根据并购决策方及标的在业界的影响力、并购产业链布局及并购金额等综合因素选取出人工智能领域10宗有代表性的跨境并购案例：
百度收购硅谷科技创业公司xPerception今年4月份，百度宣布收购硅谷科技创业公司xPerception，具体金额未透露。
xPerception是创立于硅谷的初创公司，是一家专注于机器视觉软硬件解决方案的科技公司，面向机器人、AR/VR、智能导盲等行业客户提供以立体惯性相机为核心的机器视觉软硬件产品，此前曾获得真格基金天使投资。
针对此次并购，百度表示，收购之后xPerception的核心团队均加入百度研究院，加速包括AR、自动驾驶和机器人在内的百度人工智能业务矩阵的产业化。
百度全资收购美国初创公司KITT.AI今年7月份，百度宣布全资收购美国初创公司KITT.AI公司，并把KITT.AI公司的语音能力和自然语言处理能力融入到百度平台中，全面免费向百度的合作伙伴赋能开放。知情人士透露，本次收购的价格也在亿元之上。
资料显示，KITT.AI成立于西雅图，是一家专注语音唤醒和自然语音交互技术的公司，曾经入选了美国知名创投研究机构CB Insights人工智能创业一百强，并获得微软联合创始人Paul Allen和亚马逊子公司Alexa投资。公司创始成员包括JHU博士姚旭晨(CEO)、JHU博士陈果果(公司CTO)等。
Kitt.AI共开发了三款产品：Snowboy(可定制的词典检测引擎)，NLU(多语言自然语言理解引擎)和ChatFlow(多圈谈话引擎)。
百度表示，收购KITT.AI是利用其强大的语音能力和自然语言处理能力用在软硬结合的过程中强化体验，而百度在AI领域的广泛布局为对于KITT.AI技术的落地应用提供了良好的现实基础。
百度、蚂蚁金服、启明创投等参投数据库人工智能平台TigerGraph3100万美元A轮融资今年11月，企业级实时图数据库人工智能平台TigerGraph在华创思享会上宣布获得3100万美元A轮融资，本轮融资来自启明创投、百度、蚂蚁金服、华创资本等公司。
资料显示，TigerGraph，是新一代企业级的实时图数据库平台，总部位于纽约，它的技术突破代表着图数据库演进的下一个里程碑——一个完整的、分布式的并行图计算平台，能够支持网络规模数据的实时分析。其技术能够支持网络规模数据的实时分析，可适用于大图——深度链接分析的最佳模型。他们能够探索、发现和预测关系，并且应用于个性化推荐，反欺诈，供应链物流优化，企业知识图谱等，其客户包括支付宝、VISA、软银、以及美国的wish等知名初创公司。
腾讯跟投人工智能创业孵化器Element AI A轮1.02亿美元融资2017年6月，加拿大人工智能咨询公司Element AI宣布获得1.02亿美元A轮融资，由Data Collective(DCVC)领投，Tencent(腾讯)Intel Capital(英特尔投资)，Microsoft Ventures(微软创投)等跟投。
资料显示，Element AI是一家人工智能创业孵化器，于2016年10月由机器学习先驱YoshuaBengio等共同创立的。Element AI宣称，为全球网络安全，金融科技，制造，物流和运输，机器人等领域的企业提供AI解决方案，已开发出了一种“独特的、非剥削性的学术合作模式”，其学习算法也已经在多家机构中被应用，并让用户能够将人工智能应用在其网络安全、金融技术、物流等产品上以获取相应数据。
腾讯、创新工场和TCL资本等参投美国儿童机器人创企奇幻工房Wonder Workshop获4100万美元C轮融资今年10月30日，美国加州儿童机器人教育科技创企奇幻工房Wonder Workshop宣布获得4100万美元的C轮融资，投资方包括腾讯、创新工场和TCL资本、CRV、Madrona Venture Group、香港Bright Success Capital等。截至目前，该公司的融资总金额已经达到了7834万美元。
资料显示，奇幻工房业务覆盖全球37个国家，其明星产品是Dash和Dot两款机器人，并且为儿童提供了可视化编程工具，让儿童通过自己编写的软件操控“达奇”和“达达”两款机器人。目前，该公司已经开放了应用程序接口，允许开发人员基于上述两款机器人构建应用程序。另一方面该公司特别针对中小学生推出了“Teach Wonder”教育项目，旨在从学校为切入口来推广机器人编程，并且在社交媒体上积极推广产品。
阿里参投美国初创公司Magic Leap 5.02亿美元D轮融资美国增强现实(AR)创业公司Magic Leap，该公司刚刚完成了一笔5.02亿美元的D轮融资，其估值已经接近60亿美元。由新加坡淡马锡控股领投，阿里巴巴、谷歌等公司参投，此轮融资正值Magic Leap的一款在现实图像上叠加虚拟影像的增强现实眼罩产品之际。
资料显示，Magic Leap成立于2011年。其创始人Rony Abovitz曾是MAKO外科手术机器人公司的创始人。而Magic Leap是一个类似微软HoloLens的增强现实平台，主要研发方向就是将三维图像投射到人的视野中，但是它的研发的技术目前依然处于绝密状态。
一份法律文件显示，Magic Leap正在开发人工智能机器人。Magic Leap已在加州北部地方法院对两名前员工提起诉讼，其中一名被告是Magic Leap前先进感知和智能高级副总裁加里·布拉德斯基(Gary Bradski)。他在机器人和人工智能领域有着丰富经验，此前在Magic Leap开发私有技术，参与了涉及机器人深度学习技术的项目和计划。
复星1336万美元投资德国初创公司NAGA复星在今年3月以1336万美元投资德国公司NAGA，NAGA是一家通过为用户提供创新性的智能投顾产品和交易服务的公司。
智能投顾(Robo advisor)凭借人工智能分析客户需求匹配金融资产的资产配置手段。它利用智能化算法，根据投资者具体情况，运用一系列投资组合优化的理论模型，为用户提供投资参考的动态资产投资配置。
资料显示，The Naga Group AG位于德国，成立于2015年8月，由Yasin Sebastian Qureshi、Christoph BrüCK、Benjamin Bilski创立，其中，Yasin Sebastian Qureshi是德国著名的金融人士。旗下应用程序是SwipeStox，是一款社交网络金融服务应用，让客户能够实时交易外汇、指数、大宗商品和差价合约。SwipeStox以游戏的形式激发股票交易兴趣，同时简化金融交易流程，并在2016年7月，与美国著名外汇经纪商福汇达成合作。
Naga，已于今年7月份在德国证券交易所完成IPO。
复星1425万美元战略投资以色列初创公司Bondit复星在10月底，宣布完成对以色列公司BondIT1425万美元战略投资，并成为BondIT的主要股东。
资料显示，BondIT是一家位于以色列从事AI研究的金融科技公司，提供基于机器学习算法的固定收益投顾解决方案，产品专注于难度更高且市场相对空白的全球债券市场的固定收益领域。Bondit通过创建和优化债券组合来获取投资回报，宣称可利用数据科学和人工智能来克服在固定收益产品中经常出现的复杂性和效率低下。
复星表示，其通过海外并购智能投顾公司，借助自身完善的全球化布局，使集团能够嫁接其有海外资产配置需求的中国高净值客户，并试图在金融科技及财富管理业务上寻找各种优质并购目标。
尚珹资本跟投Petuum 9300万美元B轮融资今年10月10日，机器学习基础架构平台开发初创公司Petuum Inc，宣布完成9300万美元的B轮融资，由软银旗下投资公司领投，尚珹资本跟投。
资料显示，Petuum， Inc.是一家专注于人工智能和机器学习的解决方案研发平台，总部位于美国宾夕法尼亚州，创办人Eric Xing博士是美国卡内基美隆大学计算机科学学院机器学习系的教授兼研究副主管。据了解，作为人工智能和机器学习的研发平台，Petuum立足于对机器学习和计算方法的基础研究，为应用程序的开发和部署提供了一种跨平台、标准化的方法，从而尽量避免了现有机器学习框架和云基础架构的碎片化，使得各行各业、各种规模的公司能够获取最前沿的人工智能技术。
通过新一轮的融资， Petuum将继续扩展其技术和业务团队，并专注于把PetuumOS部署在那些有着广泛人工智能应用前景但采用率低的具体行业，如制造业和医疗保健。
尚珹资本(Advantech Capital)官网显示，其于2016年1月正式成立，是一家专注中国市场的私募股权投资基金，并侧重于以创新为驱动的成长型投资机会。
埃斯顿900万美元收购美国高科技公司Barrett30%股权，布局高端人工智能机器人领域今年4月份，埃斯顿公告，拟通过全资子公司使用900万美元收购美国高科技公司Barrett Technology30%股权，拓展基于核心功能部件的人工智能和微型伺服系统领域。
埃斯顿公司为进一步提高智能制造核心功能部件的竞争力，拓展基于核心功能部件的人工智能机器人领域，拟通过全资子公司使用900万美元对美国BarrettTechnology公司进行部分股权收购并增资，收购及增资完成后，公司通过直接和间接方式共持有Barrett Technology股权比例为30%。
近年来，随着计算机、智能终端、移动互联网、物联网、大数据等新一代信息技术的飞速发展，人工智能在自然语音识别、机器学习等细分技术领域形成一定应用成果。但人工智能作为一项系统性科学，距离真正替代人类智能为时尚早，技术产品的产业化之路依然漫长。
目前，人工智能的发展阶段呈现以下三个特点：
第一，人工智能在特定约束条件下已具备超越人脑某个方面的能力，但综合来看仅仅相当于蠕虫的智能水平。近期，谷歌研发的人工智能AlphaGo围棋程序在与世界围棋九段李世石的对局中以4：1取胜。AlphaGo采用更为优化的深度学习神经网络，在规则已知和逻辑可控的棋类竞技中实现了对人类的超越。IBM的沃森机器人能够在几秒之内筛选数十年癌症治疗史中的100多万份患者病例记录，为医生提供可供选择的循证治疗方案。但无论是AlphaGo还是沃森都需要由人类预先进行知识分类和设计上的干预，并且“智能”的高低很大程度上取决于所学习先验样本的数量和准确性。因此，通用意义上的人工智能依然是一个漫长而复杂的过程，目前能够做到的更多是特定场景下人类某项大脑能力的延伸和对人类思维决策进行辅助。
第二，人工智能发展可分为不同层次，目前部分技术分支在行业中的应用已取得突破。人工智能发展层次可分为感知智能（语音、图像识别，自然语义理解，机器翻译，机器搜索等），认知智能（神经元芯片、深度学习算法、行为规划等）和自主智能（机器推理、决策和联想等）。感知智能方面，国外的谷歌、IBM、脸书、微软和国内的百度、科大讯飞等在语音和图像识别、机器翻译、大数据搜索等细分技术领域推出了一批有显著创新性的技术产品。认知智能方面，对神经元芯片、深度学习算法的开发主要集中在IBM、高通、谷歌为首的国际巨头以及美国“类人脑芯片”（SyNAPSE）、欧洲“欧脑项目”纳入的高校和科研机构中。由IBM主导的SyNAPSE项目预计在2016年内能够完成100亿神经元规模的计算机原型，但距离通用型、成熟型产品问世尚需较长时日。
第三，我国应积极应对人工智能发展新浪潮，以产学研用协同创新打造国际竞争新优势。近年来，美欧等国家在人工智能领域不断加大投入，开展专利布局，以技术和应用为纽带构筑产业生态。我国在人工视觉、语音语义识别等细分产业领域并不落后，但从全局来看，在人工智能基础理论、核心算法和产品成熟度、产业投资和人才队伍储备等方面与国外对比还存在明显差距。国外大企业重点攻关认知智能和自主智能，我国企业目前多集中在感知智能的低级阶段。
当前阶段，人工智能技术产业化发展应当从以下四个方面着手改进：
一是加强人工智能核心技术研发和产业化。制定人工智能产业技术发展路线图，在客观分析、科学研判的基础上，找准产业未来发展的薄弱点和赶超点。加大资金投入力度，重点突破自然语音语义识别、机器学习、智能搜索等关键技术，完善核心芯片、显示器件、智能传感器、开发工具与集成环境等产业链配套。
二是有效推进人工智能行业应用示范。加快人工智能技术在家居、汽车、无人系统、安防等领域的推广应用，提升生产生活的智能化服务水平。支持在制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展人工智能应用试点示范。
三是加快制定关键技术标准规范。开展人工智能综合标准化体系研究，推动建立人工智能融合标准体系。建立并完善基础共性、互联互通、行业应用、安全服务、隐私保护等技术标准，研究建立人工智能系统的智能化水平评估标准。加强智能家居、智能汽车、智能机器人、智能可穿戴设备等热点细分领域的网络、软硬件、数据、系统等标准化工作。
四是打造高水平公共服务平台。建立集技术研发、示范应用、产品检测认证、知识产权等功能为一体的产业公共服务平台。打造人工智能创新孵化中心，促进产融对接，扶持创新创业企业。
关键词：人工智能；人类智能；思维；技术元素
1 基本概念界定
1.1 人工智能
人工智能是在20世纪中期以后产生的学科，人工智能就是用机器模拟人类的智能活动，从而用机器代替人类行使某些方面的职能。人工智能是通过探索人的感觉和思维的规律来模拟人的智能活动，电子计算机是人工智能的媒介和基础。阿伦・图灵说：“如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。”如果以此为标准来界定机器的智能，那么人工智能的发展之路仍然任重道远。
1.2 人类智能
智能简单地说就是智慧与能力，是综合、复杂的精神活动功能，是人运用自己已有的知识和经验来学习新知识、新概念并且把知识和概念转化为解决问题的能力。智能活动往往和记忆力、感知力、思维、判断、联想、意志等有密切的联系，人类的智能表现在能够进行归纳总结和逻辑演绎，人类对视觉和听觉的感知以及处理都是条件反射式的，大脑皮层的神经网络对各种情况的处理是下意识的反应。
1.3 什么是思维
思维是事物的一般属性和内在联系在人脑中的间接的、概括的反映。思维的形式包括概念、理解、判断、推理等。思维往往借助于语言来表达，由直接的感受即感性思维转化为理性，透过现象看到事物的本质，发现普适性的规律。芒福德说人类是“精神的制造者”而不仅仅是“工具的制造者”，因为人类具备思维能力。
2 基于“技术元素”视角下的人工智能
“技术元素”这一说法是凯文・凯利提出的，技术元素就是从人类意识中涌现出的一切东西，包括技术具象的工具，也包括文化、 法律、社会机构和一切智能创造物。凯文・凯利说：“科技是人类的发明，也是生命的产物。”居所是动物的技术，是动物的延伸部分，人类的延伸部分是技术元素，科技发明是我们基因创造的躯体的外延。
2.1 人工智能是技术进化的成果
凯文・凯利认为人类的延伸由思维产生，因为思维具有创造力，才促使了技术的进步，才创造出了以往没有创造出的东西，所以，“如果说科技是人类的延伸，那也与基因无关，而是思维的延伸。因此科技是观念的延伸躯体”。
技术元素伴随着语言、工具的诞生成为人类不可或缺的伙伴，从古至今，除了极少的例外，各种技术都没有消失，而是进化成不同形态的技术。人工智能作为一种科技物种，随着技术的进步而产生发展，是技术进化的成果。
2.2 人类与技术共同进步
一切生物都有天然的借助外力的本领，从钻木取火到航空航天，人类经历了漫长的发展，或者说是进化，技术作为一种手段、一种工具从来都与人类相伴相生。“技术元素”赋予技术以生命，人是技术进化的动力，而技术的进化也促进了人类社会的发展，二者是密不可分的。科技与人类正在逐渐融合，或者说人类已经成为科技最适合的载体；“技术元素”的发展虽然具有一定程度的自主性，但是它的发展轨迹从某种意义上来说也是人类意志的体现。人作为技术发展的动力之一与“技术元素”同步运动。
3 人工智能能否超越人类
对于这个问题人们有两种极端的看法：一是认为人工智能必将取代人类，不久的将来人类会沦为机器的奴隶；二是对人类的主体地位有着极度的自信，认为机器始终都是被人控制。前者的依据是人工智能的发展极其快速，超越了人类智能的进化速度，人工智能取代人类只是时间问题。后者的依据是人工智能不具有生命特征，无法融入生物圈从而和自然发生联系，只能作为人类活动的工具而存在。我更偏向于第二种观点，是基于以下几个原因：
3.1 缺乏创造性的“特长生”
人工智能开发出的机器可能是某一个领域的“特长生”却不是全才。比如AlphaGO是围棋特长生却不能唱歌，计算器是数字计算的天才却不能陪人聊天，情感机器人负责陪伴和情感安慰却不能真正懂得人类的喜怒哀乐，如此等等，它们按照既定的程序运行，各司其职、各得其所，不会偏离轨道也不懂得创造。
塞缪尔说：“机器不能输出任何未经输入的东西。”目前最先进的机器人也是依赖于软件运行，软件是通过人来完成更新升级，人工智能实际上是人类智能的外在表现。人体是一个复杂而庞大的系统，人有特定的背景和生活习惯，人脑的发育会受到所经历的事件和社会环境的影响，能够灵活运用，组合所接受的信息，具备综合分析问题的能力。人脑的控制系统复杂和精密程度远远超过智能机器人，因此，人工智能在技术上不及人类智能，它依赖人类智能而进化，能够胜任人类制定的任务，却缺乏人类智能的创造性。
3.2 不能思维的人工智能
在回答“机器能否思维”的时候，我们首先应该对思维进行界定，思维是人脑特有的功能。人脑是一个高度发达的系统，是人类意识活动的物质载体。“电脑思维”在功能上会向人脑思维不断接近，但是两者之间存在不可消除的界限，“电脑思维”是一个简单的逻辑过程，模拟人脑思维功能和思维信息过程，它在本质上区别于人类思维。人脑思维除了能够接受外部信息以外，还能对信息进行主观的加工。人们已经能制造出类人机器人，可是它不能和人一样思维吗，因为思维不仅仅是人脑的生理机能，离开社会实践和人际交往是不能产生思维的。
3.3 是辅助而非替代
人工智能简单明了地说就是人类用来改造世界的技术手段，是辅的工具，而不是对人类的替代。人工智能出现的历史并不久远，前文说到了技术和人类的共同进化，当人类有能力利用工具来处理复杂繁琐的工作时，这是人类的进化，也是工具的进化。
人工智能被用于帮助人类进行某项工作，才能解放人力，人类智能才可以更好发挥主动性和创造性。人工智能承担了人类活动中基础的、不可或缺的、复杂的工作，从而使人类智能转向更核心的科研创造以及思维和判断上来。在人与人工智能的关系上，二者是相辅相成、相互补充的，而不是互相排斥、完全替代
4 结束语
人工智能与人类智能的关系是互为补充、相互制约的，人与技术的融合是必然的。目前人工智能的更新升级必须依赖与人类智能，人类智能的进化程度关系到人工智能的先进程度“技术元素”的进化也要受到社会条件的制约。人工智能可能在某一方面出强大的功能，但是它缺乏思维和创造性，这一点是致命的缺陷，工具作为人类器官的延长，是人类智能的外化之物，被人类智能的发展程度所局限。
参考文献
[1]凯文・凯利.科技想要什么[M].熊祥译.北京：中信出版社，2011.
[2]尹传红.当机器智能超越人类[N].中国科学报，2015，04（03）.
摘要：新时期背景下，半导体技术取得了理想的发展成绩，而机械电子工程也随之进入到各领域当中。其中，机械电子工程被广泛应用在日常生活和生产当中，向着人工智能化的方向发展。随着相关技术的全面可持续发展，新型技术和机械电子工程的有机结合，一定程度上增强了智能化水平。基于此，文章将机械电子工程与人工智能作为研究重点，阐述了两者之间的关系，以期有所帮助。
关键词：机械电子工程；人工智能；关系
所谓的机械电子工程，集中了电子技术和机械工程，属于一种新型的工程技术，因而在机械工程应用中占据关键地位。在机械电子工程的作用下，将机械工程基本功能充分发挥出来，而且通过对电子技术的运用可以高质量地完成工作任务，所以具备了多元功能。长期以来，基于社会发展，对于与操作相关的功能都提出了更为智能化的要求，必须要实现人工智能化的变革。
1机械电子工程概述
机械电子工程将传统的机械工程和电子信息技术进行有机融合，使得电子、机械以及信息间的关系更为紧密，所以机械本身的精准度和操作可靠程度也更强大，在高新技术领域被广泛应用。现阶段，通过对计算机信息传输的合理运用，能够完美连接多样化的机械，以保证所有机械都能够将自身的功能发挥出来。而控制中枢则集中于主控系统当中，与生产多元化需求相吻合，产品性能也随之提高。通过对机械电子工程模块化的设计，能够简化其内部结果，不仅可以达到多元化生产的目标，还能够节省生产成本，所以未来发展空间较大。但是，机械电子工程产品通常都是由人工控制完成生产，即便可以达到性能和多元化生产的要求，但人工操作会直接影响实际的生产效率，使得资源和市场的需求难以保持一致。在这种情况下，机械电子工程发展遇到瓶颈，且生产灵活性以及高效性仍需不断增强。
2人工智能概述
以计算机技术为基础衍生的全新技术就是人工智能，其中包含了计算机操作系统和数据信息处理，同时实现了上述功能的具体化，可以有效地控制电子设备，并实现现代机械设备操作，对于人工操作的依赖性明显降低。其中，人工智能对计算机数据处理和信息传输功能进行了合理地运用，有效控制机械设备，所以，计算机对于人工智能来讲十分重要。在计算机技术发展的过程中，人工智能控制也更加准确与迅速。在人工智能理念被提出以后，相关研究人员开始深入研制这一技术，并且在智能机器当中有效地融入人自身的惯性思维以及流程，以保证机器可以对人的思维进行模拟，积极开展简单亦或是复杂活动。但是，由于人工智能和机械的契合度不高，始终无法实现完全人工智能。在实践过程中，人工智能在高新技术中的应用相对广泛，能够完成基本工作，所以在现实生产中的功能仍然有待完善与深入研究。现阶段，新人工智能的重点将放在和机械电子工程相互融合方面，而其发展的状态也同样对机械电子工程技术的智能化发展产生了积极的影响。
3机械电子工程和人工智能关系研究
通过以上对机械电子工程和人工智能的相关研究可以发现，两者都具有自身独特的优势，但是在实践应用过程中也同样存在缺陷与不足。在这种情况下，深入探讨两者间存在的关系能够为机械电子工程和人工智能的有效融合提供有力的保障。
（1）机械电子工程应用人工智能具有依赖性。对于机械电子工程而言，引进并应用人工智能需要将电子工程的计算机网络系统作为重要基础，所以，人工智能的应用条件也更高。在这种情况下，就必须要将高新技术作为核心，在网络命令和计算机信息传输的作用下转变人工化指令，对机械生产以及运作进行正确地指导。所以，如果机械电子工程网络系统的数据不正确亦或是分析有偏差，都会直接导致机械动作的错误，甚至还会致使以人工智能为基础的机械电子工程自动化操作系统完全瘫痪，而电子机械工程功能也难以得到发挥。近年来，在科学技术发展的过程中，工业生产领域对于系统要求逐渐提高，其中涉及到诸多类型的数据处理问题，因而人工智能必须要保证系统工作正常才能够将功能充分发挥出来，所以系统的依赖性相对较强。
（2）人工智能有效补充机械电子工程。对于传统机械电子工程来讲，采用的是模块化设计方式，因而在功能方面表现出多元性、固定性以及生产方式单一性等特点，也同样对机械工程多元延伸带来了不利的影响。在这种情况下，为了实现机械电子工程综合功能的发挥，必须要对人工智能模型推理系统进行合理地运用，辅助实现目标。现阶段，机械电子工程模型推理系统自身已经具备了相对较高的智能化水平，而且基本能够完成整套生产过程操作。需要注意的是，系统对人体神经网络进行了模拟，进而在计算机内部构建出智能神经网络系统，一定程度上提高了人工智能水平，而且对于人工操作的依赖性减少，达到了机械工程自动化运作的目标，将模块控制完整功能充分发挥出来，并且在工业生产中有效连接。
（3）人工智能强化了机械电子工程的稳定程度。不管是操作系统亦或是信息传输系统，机械电子工程的稳定性都相对薄弱，而且在设计初期，控制操作稳定且不发生改变，始终根据设计程序固定，对机械设备进行控制并完成操作。由此可见，系统本身较为死板且不具备灵活性，如果计算机操作系统数据传输不正确亦或是分析出现错误，就会将错误指令发送出来，导致机械动作不正确，严重影响了模块机械功能发挥的效果。但是，若在机械电子工程中融入人工智能，通过灵活处理手段的应用与人思维惯性的模型，可以及时处理计算机操作系统不正确之处，进一步提高数据准确程度，确保所发出的操作指令是正确的，进而补偿机械电子功能缺陷。在实践过程中，人工智能可以对机械电子工程数据输入、处理以及输出等多项工作进行合理地控制，并且保证数据处理的准确性与高效性，有效提升机械电子设备的稳定性。
（4）人工智能提高了机械电子系统的精准度。对于机械电子工程模块设计而言，对数据控制主要是以精确状态存在。但是，在系统功能实现的过程中，客观数据会发生改变，所以，必须要合理调整系统功能当中的数据，只有这样才能够确保系统稳定地运作，同时增强系统精度控制的准确性。如果机械电子工程面对这一需求，难以自动处理，那么人工神经模式对于系统精度的控制将产生积极的现实意义。
4结语
综上所述，机械电子工程的智能化特征是传统机械电子工程难以比拟的，因而也逐渐成为工业制造的重要发展方向。基于科技的全面发展，各学科也随之细化与深化，学科交叉现象更加频繁，同样实现了知识的延展，进一步推动了科技的多元化发展。而智能化机械电子工程能够进一步增强实际的生产效率，尽可能节省生产制造行业人力成本。由此可见，机械电子工程和人工智能之间存在紧密的联系，相辅相成，共同进步，而深入研究两者的关系也更具现实意义。
参考文献
［1］冯哲.关于机械电子工程与人工智能关系的探讨［J］.现代交际，2013，（11）：28-28.
人工智能是由具有智力和行为能力的人创建的计算机程序，它使机器能够自动执行感知外部事物，学习新事物和新知识，使用知识系统精于思考问题，找到解决问题的正确方法并将其付诸实践。几十年来，人工智能迅速发展，不仅影响社会生活，而且也影响税收征管。随着经济的多元化，社会分工的进一步完善和互联网技术的成熟，纳税人的业务范围越来越广，越来越复杂，经济形式越来越多、越来越复杂。显然，仅依靠传统的税收征管模式和方法无法跟上税收征管科学化的步伐。科学管理以及精细管理的情境需求无法满足纳税人日益增长的个人和多样化涉税需求。因此，需要一种智能、高效、便捷的税收征管方法，以提高税收征管效率，满足纳税人的涉税需求。人工智能赋能税收征管成已成为未来的重要发展趋势。高质量推进税收现代化，离不开人工智能的支撑，因而利用人工智能提高税收征管能力是当务之急，重中之重。
一、人工智能应用于税收征管的必要性分析
1.优化办税体验，提高纳税遵从度。税务部门的纳税服务有网络和办税服务厅两种方式。利用人工智能技术，可以智能地分析纳税人输入的信息，精准纳税信息的推送，提高个性化咨询的针对性，服务好PC端和移动端，使纳税人无需离开住宅即可完成一般的税收申报。对于某些纳税人条件有限或无法在线解决的问题，实体服务机构仍可以使用人工智能系统。自2016年以来，江苏、广东、上海等地陆续推出了采集纳税人人脸图像、身份信息和电话号码的“旺宝”、“小贤”等税务服务机器人提供自助税收服务、发票申请等，它不仅减轻了工作人员的负担，而且提高了税务处理的效率。人工智能的友好、耐心、准确和高效的服务，也受到了公众的好评。2.实现税收信息共享，确保信息对称。目前，“金税”项目的第三阶段已逐步在全国范围内建立了信息收集系统。政府应建立基于“金税”项目的综合电子税务办公系统，运用人工智能技术分析大数据，连接各税务机关的信息，整合分散的资源并重新开发一套用于税收信息收集和管理的操作方法，以增强税收信息收集和管理的相关性，确保信息的对称。3.创新检查手段，兼顾公平速度质量。对于税收征管检查工作分为两部分，计算机选择选案，然后由稽查人员负责后续的稽查工作。人工智能的选择不仅有助于确保公平性和准确性，还可以提高速度，使税务人员更好地投入于跟踪工作。人类与人工智能各司其职，这是流程再造理论下税收征管改革的必然趋势。4.加强风险防范，打击涉税违法。电子商务的兴起，纳税人收入来源的不明确和生产模式的多样化催生了一系列偷税和逃税行为。税务部门应依靠人工智能技术，建立税收风险的预防和控制系统，对评估有疑问的纳税人，由人工智能系统过滤后，发送给不同的部门进行监控和定期检查，从而遏制不法行为发生。5.节省人力时间，降低税收成本。人工智能的优势在于能够利用风险评估和税源管理机制来减少税收管理资源的投入，日常工作效率得到有效提高。人工智能还可以对热点税收问题进行智能分析和评论。还可以应用于税务审批事务。通过智能的机检，可提高工作效率，从而降低税收成本。
二、基于人工智能应用税收征管的障碍因素
1.人工智能技术的发展不够完善。首先，税收信息与人民生活息息相关，但税收人工智能技术还存在技术方面的不足，容易受到黑客攻击。目前，税收信息的保护是有限的。其次，人工智能系统的专家系统。计算机经过的智能程序的学习，除了原有的程序思维，也导入了另一个思维，有了双思维，这就是人性化的专家思维，使税收征管中解决复杂问题能力上了一个台阶，计算机程序通过税务专业知识+税务专家经验两个思维去思考和分析面对的税收征管难题。事实上由于缺乏专家系统的技术支撑，人工智能应用会大打折扣。2.缺乏人工智能复合的高端人才。首先，税收征管需要兼通IT和税收的人才。但如今，税务专业中基本上没有人工智能的本科教育，人工智能与税收学科的交叉和融合无法实现。另外，在税收征管领域，人工智能广泛应用之后，普通税收专业人员的数量将减少。简单的咨询辅导工作，发票业务等可以辅以人工智能系统。而高端管理人才缺乏，是阻碍税收人工智能发展的重要成因。3.适应智能办税能力尚显不足。在税收实际工作中，由于纳税人的水平不一，接受新事物新技术的能力不一，也就不能很好地掌握智能办税中的各种操作要求和智能处理。4.缺乏人工智能应用和数据的保护。政府对个人信息的收集，分析和比较，确实提高了政府部门的管理能力，并在一定程度上有助于改善政府管理手段。但是，公权力无限收集信息超出必要程度可能会侵犯私人权利。目前，我国还没有关于“人工智能数据的应用和保护”的规定。建议从法律条文上体现对公民的隐私保护。
三、完善人工智能应用税收征管的对策
1.在人工智能应用框架内，完善税收征管法。第一，为了将人工智能的概念应用到《税收征管法》中，无论涉及纳税人的税收活动还是税收服务的税收行为，法律都必须阐明人工智能的可用性。第二，在《税收征管法》中增加人工智能的一般规定。第三，除一般规则作出的一般规定外，人工智能的应用还应在各种税收征管程序中加以规定。例如，在纳税申报程序中，纳税人可以使用人工智能进行纳税申报或咨询，并在程序中使用人工智能、税务机关进行税务确认和税务审核等这些应用方法，也应在相关的特定程序中明确定义。2.完善法律确保人工智能税收信息的安全。收集大量各种各样的相关数据，是税务部门日管工作中一项基本工作，目的是通过系统内收集到税收数据，与通过政府部门之间的合作，从其他机构收集数据进行比较分析以找到管理风险点。为此，要加快法律体系的建立和完善，以确保人工智能信息的安全性，明确政府收集相关数据的程度，使用限制和标准化安全性，在发生泄露时为公民澄清个人救援渠道，严格限制数据用户，防止泄露公民的隐私，并确保数据使用的规范和安全。在信息获取，收集和使用方面，应首先阐明信息收集的方法，类型和范围。其次，要确保税务部门之间税收信息传递渠道的安全性和流动性。信息的使用，根据税收信息的重要性和机密性级别，确定相应的权限，担任不同职务和职位的人，具有访问税收信息的不同权力。对税收信息不恰当使用，或泄漏隐私的行为，要与《刑法》中规定的法律责任相衔接。有关税务信息公开，应该明确披露信息的渠道和时限。在纳税人权利和税收减免方面，可以在咨询热线12366，微信税务的公共账号等中提供特殊评论和投诉建议渠道。税务机关对其应及时进行核实处理，以最大程度地减少纳税人的损失。同时，必须提高税务管理人员的法律意识，并保护纳税人的权利和合法利益不受任何侵犯。3.改善税收征管人工智能的应用条件。一是法规数字化。为了使人工智能系统成为税务事务处理的专家，必须完善并准确描述适用的条件、实施标准以及落实税收政策和法规的程序。需要逐字量化和存储税收政策和法规，并在满足相应条件的基础上，将其转换为不同类型的可理解和计算机可执行的判断条件和执行方法。此一系列的过程可以称之为“数字化”过程。二是执行拓扑化。建设拓扑结构三层服务体系。在数据层中，通过连接不同部门的数据库，可以最大程度地实现数据共享。在业务层级，构建税收人工智能的主思维的结构，通过三个网络矩阵实现执行思维的结果。由感知系统分析工作任务、专家系统作出分析研判下达指令，无论是大数据分析还是云计算，都是此系统分析和处理的主要方法和手段。然后由执行系统执行任务或指令，完成工作。三是决策专业化。判断是否是成熟的人工智能专家系统，有两个标准:一是要熟悉税法，二是有专家思维。专家决策系统中只有具备学习能力才能引入人性化的工作思维，从而去熟悉税法，最终以人的思维开展评估，选择执行效果，并独立选择最佳执行计划。四是服务多元化。建立基于人工智能的统一税收服务平台，该平台可以在多个平台和系统上运行，并以多种形式，多种渠道扩展用户访问方式以及通过互联网的多种设备，例如税务门户，智能手机，可视电话和企业ERP系统，ARM自助税收处理设备等，只要有网络，用户就可以随时随地使用任何信息终端获得人性化同质服务。五是税收制度完整化。税收人工智能的发展与税收法律的保护密不可分。新技术解决问题的同时，也可能会造成新的法律漏洞。税收管理部门在遵循税法基本原则的前提下，必须预估新技术和新技术对税收制度的影响，并提出积极建议，为制定法律提供参考。六是培训日常化。加大人工智能的推广力度，提高税务人员的学习能力。为了防止无知和不遵守行为妨碍人工智能在税收征收和管理中的应用，税务机关应加强对人工智能税收制度的推广，使用微信，微博等在线平台进行知识解释，并定期线下组织各行业的相关人员智能系统应用的培训，以最大程度地提高人工智能采集的效率和税收征管的效用。4.运用人工智能技术推动税收征管改革。首先，自助纳税服务咨询实现智能功能。如语音识别功能，针对纳税人的语音咨询，能自动识别出纳税人的身份和具备税务相关的权限，解答纳税申报等日常税务事宜，发出纳税和行政审查之类的指令。减少甚至消除了对文本输入的需求，并且智能税务还可以识别税收文件（例如文本和支票），并会对文本拼写是否存在人为错误，纳税申报表数据关系是否存在逻辑错误等自动检查核对，提高纳税申报质量。其次，税收信息识别分类实现智能功能。大量税务的智能设备如摄像机系统可以具备支持识别固定资产信息，信息实时识别数据实时传输。人工智能税务针对不同信息分类标准比较出是否是垃圾邮件，可以自动分类进行比较。但随着不断发现对错误进行标记，纠正错误，使自动更正系统智能分类变得精确。再次，税务复核判断决策实现智能功能。例如，当纳税人要求减免税、行政复核等时，智能税务可以根据现有的税收信息和纳税人的信誉来判断接受还是支持。智能税收运作的原理与智能银行类似。第四，欺诈判断风险实现智能功能。先进的高级智能税务可以分析所有内部和外部信息，例如国民收入、审计时间表、管辖权、法律和政策问题、对税收指标的反映的问题判断和分析税收欺诈，实时模拟识别出纳税人税收风险，监控税收来源，避税策略等，防范税收风险。5.加大科研经费投入，促进智能技术发展。新一代人工智能作为前沿引领技术，在税收征管中应用中税收信息的安全性当是重中之重，为此税务部门要加大突出关键共性技术研发，建立一套税务特色的高安全性能的人工智能系统，要建立税务研发人工智能投入机制。加强人工智能系统的安全监控，及时发现并修复漏洞，以防止黑客和网络病毒利用。同时，国家应向有关部门拨款，组织力量成立专门研究税收征管专家团队，致力于税收征管的智能技术前瞻性探索，以便充分发挥人工智能在税收征管中的作用。6.引入第三方以加速人工智能平台建设。近年来税务部门借力人工智能技术，与税收征管进行的深入应用和融合，税收信息建设的需求持续增长。税收服务受其自身技术能力，人员配置和其他因素的限制，一段时间以来，信息技术水平很难满足人工智能时代的需求，迫切需要第三方社会力量的技术加入。2015年9月，国家税务总局重视智能税收工作，在全国税务系统中全面实施了“互联网+税收”行动计划（以下简称“计划”）。倡导税务机关使用互联网和大数据。但是，就人工智能而言，该平台的构建仍处于起步阶段。虽然不同省市的税务局相继推出了个性化的“互联网+税务”服务，例如“电子税务局”和“网上办税系统”，但仍然不能满足人工智能时代的需求。一些税务人员的认识限于将人工智能等同于无纸化和电子税务工作，并且并没有真正应用在税收收集和管理中收集的数据。考虑到人工智能已经渗透到国家治理和社会生活的各个方面，只有通过加速建立人工智能平台，才能够更好地适应人工智能时代的需求，最大程度地减少与征税有关的税收风险，并进行税收现代化征管。7.为人工智能的发展提供人才保障。当前，科学技术的创新是人才的竞争。加强高端人才建设，培养高素质的税收管理队伍是人工智能应用的保障。目前，税务部门兼有“IT+税收”双学科的人才相对较少，而人工智能的应用恰恰需要这些人才，因此，税务部门要大力培养复合型人才，鼓励技术型人才向管理型人才转化，建立一支高素质的税收征管团队，提高人工智能的应用水平。2013年，全国税务领军人才培养规划已经培养了一批技术过硬的人才，但是面对新时代的挑战，仍然远远不够。因此，对“人工智能+税收”人才的培训，可以参考税务领军人才培训方案。择优选择税务系统内外税法、综合管理和计算机科学的优异人员，通过集中培训、实践培训，培养出一大批的复合型人才。
作者:程辉
