时间：2023-08-29 16:44:29
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篇人工智能教育总结，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。
一、网站的构建
1.网站框架设计
我国高中阶段人工智能教育还处于起步阶段，据调查，全国已开设人工智能课程的中学不超过十所。事实上，对于人工智能这一前沿学科，大部分信息技术教师还缺乏足够的了解，因此对于该课程的开设也一直处于观望状态。考虑到人工智能教育的实际情况以及网站的主要对象，我们以高中信息技术选修课教材《人工智能初步》为基础，按教学内容设置和划分栏目，同时又围绕“学人工智能、教人工智能、用人工智能、机器人专题”四大专题进行内容重组。当然，网站的基本架构并非一成不变，它需要在实际应用中进行检验与修正，最终实现网站的完美架构。依据上述思路建构的网站基本框架如图1所示。
2.网站的栏目设计
新闻栏目以图文的形式人工智能发展的最新情况，这是激发并维持广大师生关注人工智能的基础，也是师生获取最新信息的窗口。子栏目“中国动态”“欧美动态”等分别介绍了各地区最新的人工智能信息，尤其是机器人产品的新闻。子栏目“会议论坛”，“比赛通知”为师生、参与比赛提供服务。
论文栏目是作为资源型网站的基础。子栏目“教学研究”主要面向从事人工智能教育的研究者和教师，探讨教学方法、分析教学案例、推荐教材和参考书，为更好的开展人工智能教学提供理论依据。子栏目“学习乐园”主要面向学生，展示活动实录、阐述学习感受，聆听专家意见，为更好的学习人工智能提供事实参考，教师也通过“学习乐园”来了解学生的所思所感所想。子栏目“赛事规则”介绍了各个地区和各级机器人比赛的一些规则，有利于师生更好的进行人工智能的教与学。
资源、视频、图库、酷站：这四个栏目是资源型网站的核心。尤其是资源模块中的子栏目“电子书刊”“教学课件”“人工智能软件”分别以不同的文件格式向师生提供教与学的资源，使其能快速准确地获取符合需求的资源，免去了在因特网上盲目搜索出现大量冗余信息的麻烦。网站整合了文本、视频、图片等多媒体信息，以丰富多彩的形式呈现资源，增强了网站的吸引力和信息的可阅读性。
爱问栏目是作为学习型网站的基础，也是本网站的一大特色。“爱问”是采用了模仿“百度知道系统”的程序设计，更注重知识的答疑解惑。我们将此栏目划分为“学人工智能”“教人工智能”“用人工智能”“机器人问题”四个子栏目，师生可根据各自的需要进行提问、回答问题、搜索问题等操作。同时，设立了积分制，激发师生提问和回答问题的热情。
用户中心栏目是学习型网站的核心。作为一个专题网站，必然要十分强调学习的功能。子栏目“网络书签”的功能可以使学习者记录自己所浏览过的或所感兴趣的网页，便于在下次登陆后继续学习。在子栏目“信息”功能中，学习者可以新闻、论文、资源、爱问等信息，待管理员审核通过后即可在网站中显示出来。另外，教师也可在教学过程中通过此模块要求学生提交作业，便于教师随时随地的批改作业。
二、网站的访问数据分析
人工智能教育专题网站从开设至今将近8个月的时间，已经有超过1万的独立访客访问了本站，我们选取了最近访问的2000位独立访客进行研究。通过对地域、被检索方式、受访页面及回头率的分析，可为网站下一步的改进与完善提供依据，为其他人工智能教育类网站的建设，在网站的用户类型，网站的内容选择与更新，网站的推介宣传等方面提供参考与借鉴。
1.地域分析
在统计到的访问该网站的地域中，国外共有12个国家访问了本网站。国内除西藏、澳门之外，其他省份、直辖市、特别行政区都有访问过本网站，这为我们今后在高中普及人工智能教育提供了有力的依据。但是，通过图2的数据我们也可看到，各个地区间的访问量差距较大，并且访问量靠前的几个省份基本上是沿海地区，而中部和西部地区的访问量比较少，所以在今后的工作中不仅要加强网站本身的建设和宣传，更要把人工智能教育的理念推广到中部和西部地区，使那里的中小学师生也接触人工智能的知识，激发他们对信息技术美好前景的向往。
2.被检索方式分析
搜索引擎是网络上最常用的获取资源的方式。掌握用户使用搜索引擎的情况，有助于了解网站的被检索方式。统计搜索关键字的次数，有助于了解网站被检索访问的原因。在专题网站建设完成后，向“百度”、“Google”等大型搜索引擎系统提交收录网页申请是极其必要的，它有利于提高网站的知名度和访问量。而在网站中增加“人工智能”，“prolog 源程序”等文字内容，将会有利于用户在盲目搜索时能访问到该专题网站。
3.受访页面分析
受访页面是指用户访问该专题网站时所停留的页面。通过对受访页面的统计，使我们能够掌握用户相对较为关注网站的哪些内容。表1数据中“学人工智能”占23.82%，“资源下载”占了16.32%，表明用户对人工智能的知识还不是很了解，对人工智能的认识还停留在“学”的层面，远未达到“教”的程度。人工智能教育类网站在建设中，如果能提供大量的人工智能的基础知识以及丰富的可下载资源，将会显著提高网站的受欢迎度以及用户的认可度。
4.回头率分析
在网站访问统计中，通常将距离上次访问超过12小时的再次访问记录为一次回头。通过对回头率的统计（表略）看出该专题网站的粘性不是很高，尤其是3次回访以上的用户还不多。通过对部分用户访谈后了解到，网站的更新速度慢，资源较少，内容偏难是其不愿进行多次回访的主要原因。所以，人工智能教育类网站在维护期间要注意内容的时效性、丰富性、通俗性才能保证网站访问的可持续性。
三、网站建设的若干思考
目前国内外有关人工智能的专题网站不多，针对人工智能教育的网站更少。在可供借鉴的成熟案例较少、研究又处于刚起步阶段的情况下，有必要对我们的工作进行反思总结。通过上述访问数据的分析，以及在人工智能教育专题网站建设的准备阶段，实施阶段及运行阶段的实践，我们认为在建设人工智能教育类网站时应当注意以下几个问题。
1. 充分关注用户信息
访问量是综合类或门户类网站的生命线，应当尽可能地拓宽访问者的类型与层次。但人工智能作为一门新兴学科，其专题网站的学科性特点甚至比普通的专题学习网站还要突出，因此单从访问量上来说，它是无法和门户类网站相比的。所以在建设的初期首先就要考虑的网站的对象问题，也就是要关注哪类人访问了网站。只有准确的掌握了用户的信息才能更好提供用户需要的资源。
在这里，人工智能教育专题网站是通过以下三种手段来获取用户信息的。
第一，用户必须注册才能访问网站，注册的内容包括年龄、身份、学历，电子邮件等内容。
第二，在网站中设立“网站调查”栏目，可以对“你是如何知道本站的”，“你觉得本站建设的如何”等内容教学在线调查。
第三，通过“中国站长站”等专业的数据收集程序来获取用户基本信息，可收集到用户地域、受访问页面、用户回头率等信息。只有掌握了准确的用户信息，才能更好的为用户提供服务。
2.与用户携手共建网上资源
人工智能的子学科门类众多，仅高中教材《人工智能初步》中就有知识及其表达、推理与专家系统、人工智能语言与问题求解等多个主题。而且我国的人工智能研究相对薄弱，很多资料都是外文的。任何一个人要很熟练的掌握人工智能的各个内容是很困难也是不现实的。我们通过一年多的实践也体会到，仅仅依靠课题组成员很难保证网站资源库内容的全面性和针对性。所以在网站最新一次改版中，我们增加了用户的信息功能，使得用户自己可以新闻、添加文章，上传资源，只要经过管理员审核即可在网站中显示。
另外，在人工智能教学过程中，我们也充分利用学生的优势，要求学生以作业的形式提交文本和视频资源，并将作业的数量和质量作为考察学生学习效果的一个指标。这些举措保证了网站内容更新的时效性和内容的针对性。用户所的就是用户所关注的，用户所关注的就是网站所要收集的。
3.通过多种形式充分发挥网站作用
目前，全国高中开设了“人工智能初步”选修课的学校极少，教师手头上可供选择的教材也只有5套。从专题网站上统计的数据来看，虽然网站目前的用户主要是教师，但“学人工智能”页面访问量却远多于“教人工智能”。从这些情况看，单靠几个人工智能教育类的专题网站无法从根本上解决高中人工智能教育现阶段所面临的窘境。所以，在条件允许的情况下，可以通过研修班、会议论坛等形式组织教师进行面对面的交流。
例如，我们就在2007年5月25日至27日在浙江师范大学举办了全国首届“高中人工智能课程研修班”，来自全国十个省市的70余位信息技术教师及教研员参加了研修班的学习。在研修活动中，教师不仅学习了人工智能的知识，也对人工智能教育的现状及发展过程中遇到的问题做了充分了探讨和交流。本次研修活动结束后，人工智能教育专题网站则成了学员们交换信息、交流体会、共享资源的有效平台。
四、结束语
总之，借助专题网站的平台作用开展各种活动，不仅弥补了人工智能教育网站缺乏面对面交流和互动的缺点，也为把网站资源建设的更具针对性提供了有效帮助。
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）.
[2]曹瑞敏. “中国海”学生专题学习网站应用[J] .中国电化教育.2005，（5）.
关键词：人工智能；电气信息类；教学应用
教师在电气信息类专业教育教学中在运用人工智能技术进行教学时，要对人工智能技术的含义和特点进行深入的分析和研究，并且还要了解电气信息类专业的育人目标和教学要求，将人工智能和电气信息类专业教学进行有机的融合，为学生打造全新的教学课堂，从而使学生的专业素质和学习能力能够在人工智能的运用下得到有效的提高，为学生后续的发展提供更多的可能性。
一、人工智能时代的概述
人工智能（ArtificialIntelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。人工智能于一般教材中的定义领域是“智能主体（intelligentagent）的研究与设计”，智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。约翰麦卡锡于1955年的定义是“制造智能机器的科学与工程”。安德里亚斯卡普兰（AndreasKaplan）和迈克尔海恩莱因（MichaelHaenlein）将人工智能定义为“系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力”。人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。人工智能是研究使用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能是十分广泛的科学，它由不同的领域组成，它是哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等多种学科互相渗透而发展起来的一门综合性学科。在人工智能时代下进行电气信息类专业教育改革的过程中，需要对人工智能时代的含义和发展背景进行深入的分析和研究，这样才可以给电气信息类专业教育改革指明一个正确的方向，保证后续工作的科学性和有效性。在2016年的世界经济报告中，人工智能被预测为第4次工业革命的主要技术代表，人工智能的发展将从宏观到微观的各个角度进行相互的渗透以及融合，从而符合各个领域对于智能化技术的新要求和新需求。在人工智能技术发展的过程中，产生了大量的新技术和新产品，也形成了新的产业核心的发展模式[1]。我国经济结构在人工智能时代下发生了重大的变革，由于人工智能技术独特的技术形式和技术模式，深刻地改变着人们的生活方式和生活模式。在一定程度上不仅可以推动我国社会生产力的提高，还有助于推动科学技术水平逐渐朝着智能化和数字化的方向而发展，从中可以看出人工智能技术的发展是时展的必然趋势，并且发展前景是比较广阔的。人工智能技术主要是指将多个学科技术进行有效的整合，其中涵盖了计算机学科、语言学科和心理学科，智能化特征是比较明显的。在实际应用的过程中，由于融合了各种尖端的技术，能够将技术能力和技术思维进行有机的结合，模仿人的工作行为和思维，在当前时代下人工智能技术得到了蓬勃的发展，但是人工智能技术的发展也需要一定的时间和精力。首先，在实际用的过程中相关工作人员进行了机器人的研发，机器人可以在复杂的环境中对信息进行有效的替代和处理，模仿人类的思维进行日常的工作。在后续工作的过程中，相关工作人员进行了数据系统的开发，可以自动化和智能化的对计算机数据进行有效的处理以及分析，在较短时间内提取出有效的信息，完成整个工作流程[1]。随着我国当前科学技术的不断发展，一些工作人员纷纷加强了对人工智能技术的研发力度和开发力度，不仅可以提高计算机的使用效果，还可以及时的发现在计算机系统日常运行过程中所存在的故障。在当前时代下人工智能技术的使用范围在不断的扩展，并且人工智能技术的发展前景是非常广阔的，在计算机网络技术中发挥着独特性的作用和决定性的重要影响的作用。
其次，随着人工智能技术的不断发展，人工智能技术和各行各业进行了相互的渗透以及融合。在当前电气信息专业领域中人工智能技术得到了广泛的应用，并在实际工作的过程中对原有的工作模式进行了有效的改进和创新。一些工作人员在实际工作的过程中构建了自动化的工作模式和工作平台，将人工智能技术完美的融入电气信息领域中，不仅为我国电气信息领域指明了一个正确的方向，也在一定程度上提高了人工智能技术的水平。最后，人工智能技术的发展，在电气信息领域中的影响是迅速扩大的，人工智能的使用会对电气信息行业的各个环节产生深刻的影响，甚至是革命性的变化。人工智能的应用不仅仅停留于行业的技术层面，更加重要的是在人工智能时代下一些新的工作思维和发展理念。作为电气信息类专业的工作人员在人工智能的时代下要提高自身的专业素质和专业水平，根据人工智能时代的特点以及发展方向，对原有的工作模式和工作理念进行深入的改革以及创新，并且还要掌握有关人工智能方面的新技能，从而使得电气信息类专业影响力能够得到有效的提高。但是从侧面来看人工智能技术的发展对于电气信息类专业2本刊特稿科学咨询/教育科研2021年第24期(总第745期)来说是把双刃剑，给实际工作带来了新的挑战，一些工作人员不得不提高自身的专业素养和专业素质，掌握更多的人工智能技术。在当前时代下这种影响和变革已经被普遍认可，因此使我国电气信息类专业行业能够得到良好的发展。高校要对电气信息类专业教育进行适当的改革以及创新，根据当前人工智能时代的发展方向和对人才的要求，对学生的综合素质和创新能力进行良好的培育，从而使学生能够充分的发挥人工智能技术的优势，提高电气信息类专业的水平和质量，再一次加深人工智能和电气信息行业的融合力度。相关负责教师要加强对这一问题的理解，对原有人才培养模式和课程教育重点进行适当的改革和创新，根据人工智能时代和电气信息领域融合的背景，提高课堂教学的科学性和针对性，从而使学生在毕业之后能够获得良好的发展。
二、人工智能对电气信息类专业人才需求的影响分析
人工智能主要是利用计算机对人脑功能进行模拟，具备一定程度的人类认知和分析问题的能力，人工智能是人类所制造的智能化技术，也是机器智能化发展的主要载体。在人工智能发展的过程中，由于是计算机科学领域的一个分支，所以在人工智能研究的过程中，涉及有关语言识别和图像识别方面的功能。在当前时代下，人工智能所形成的热点效应是比较广阔的，人工智能技术的应用，使得各行各业朝着智能化的方向而发展，对于电气信息类专业人才需求来说，也逐渐朝着智能化的方向而发展。电气信息类的教学，主要是为了让学生能够在班级学习的过程中，将理论和实践进行有机的结合，提高学生的实践能力和操作能力，实践性是比较强的。在电气信息类专业发展的过程中各种新兴的技术被应用其中，扩展了电气信息类专业的发展实力，并且人工智能和电气信息类专业进行了有机的融合和渗透。人们在互联网思维的影响下已经形成了互联网思维的发展理念，随着人工智能技术的广泛运用再加上云技术和算法技术的普遍化，这又给电气信息类专业的发展提供了重要的支撑。在相互融合的技术背景下，电气信息类专业也即将进入到人工智能发展的领域中[2]。因此对于电气信息类专业行业的工作人员来说，要了解人工智能时代下先进的信息技术，并且还要结合电气信息类专业在人工智能背景下的新特点，树立新的工作模式和工作理念，从而使得电气信息类专业能够在人工智能技术背景下得到广泛的发展。对于人才需求方面，要求高校要对原有课堂教学模式和课程教学重点进行深入的改革和创新，融入人工智能方面的内容，对学生的综合素质和专业能力进行良好的培育，高校要正确地理解人工智能对电气信息类专业教学的影响，从而使得电气信息类专业能够朝着生态化和持续性的方向而发展。
三、人工智能给电气信息类专业提供的机遇
在人工智能技术中，所涵盖的技术内容相对来说是较为丰富的，这在一定程度上有助于提高电气信息类专业的教学水平和教学质量。从中可以看出在当前时代下的电气信息类专业教育教学中，教师要充分地把握人工智能技术所带来的机遇，从而提高课堂教学的效果和质量。在人工智能技术中包含着语言识别技术和图像辨认技术，也可以对一些语言进行有效的处理和研究。在课堂教学的过程中，教师要充分的发挥人工智能技术的优势，让学生了解当前电气信息领域的发展方向和主要的发展特点[3]。由于电气信息类专业所涵盖的内容是相对来说较为复杂的，学生在日常学习的过程中，需要进行多个学科知识内容的学习，这给学生日常学习和教师的课堂教学带来了诸多的挑战，教师要结合课程教学的内容，对课堂教学模式和流程进行精心的安排。在实际工作过程中，要以计算机作为主要的辅助手段兼容，并且充分利用其他专业领域的技术来开展日常的教学。在课堂教学过程中，教师要充分的利用人工智能技术，对原有课堂教学模式进行深入的改革以及研究，并且结合新一代人工智能发展规划的这一大背景，对原有课程教育模式进行创新和调整，从而给学生提供更加广阔的发展空间。首先，在实际工作的过程中，人工智能技术重新构造了电气信息专业的课程，由于电气信息类的实用性是比较强的，在人工智能的技术下能够取得不一样的教学效果。将语言识别技术和图像辨认技术进行了有机的结合，教师可以充分发挥这些专业技术的优势，提高课堂教学的效果。另外在课堂教学情景中，教师可以利用人工智能技术来实现网络化的教学，并且为学生打造智能化的工厂开展虚拟实验室，从而对学生的专业能力和操作水平进行良好的培育。其次，在电气信息类专业教学中人工智能技术的应用能够对传统课程教育模式进行有效的转型和升级。在以往课程教学中，由于电气信息类专业所涉及的知识学科是相对来说较为丰富的，这给教师的日常教学带来了诸多的问题。比如在实际教学的过程中很难实现课程的有效统一，也无法为学生打造标准化的课程教育体系，在进行个性化和独特性课程教学方面的力度还是不足的，甚至也没有完善的教育体系进行主要的支撑，这给实际的教学工作带来了诸多的问题。随着人工智能技术的应用，在课程教育的过程中，教师可以充分的发挥人工智能技术的优势，对相关信息进行有效的总结和收集。从而为学生打造个性化的教学课堂，并且运用人工智能技术，还可以对不同学生的学习需求进行分析和研究，提高课堂教学的针对性，从而使学生可以更加积极地进行知识内容的学习，实现快乐学习的效果[4]。在专业教育中教师要充分的发挥人工智能技术的优势，提高人工智能技术的应用性效果，对学生的知识需求进行深入的挖掘以及研究，从而使学生的学习质量能够得到有效的提高。与此同时，在课程教育的过程中，教师还可以进行课堂情景的构建，通过网络化的教学为学生再现一些生活中的真实案例，为学生全面素质的提高奠定坚实的基础。
四、人工智能技术在电气信息类专业教育教学中的应用路径
（一）转变人才培养目标在人工智能时代下的电气信息类专业教育中，由于原有的教育重点和人才培养模式已经无法顺应人工智能时代的发展特点和对人才的需求了，所以在实际工作的过程中，要对电气信息类专业教育进行有效的改革，帮助学生在毕业之后能够获得稳定的发展。首先，在对电气信息类专业教育进行改革时，要转变人才培养的目标，这主要是由于人工智能技术在电气信息类专业行业中的运用对各个环节都产生了非常深刻的影响，并且电气信息类专业对于人才的需求发生了很大的变化。比如，对人才的知识结构和专业技能方面都和传统发现模式有所不同，在电气信息处理的过程中提出了诸多的要求。相关电气信息类专业从业者不仅要具备完善的理论知识，还要具备创新性的思维能力，能够面对当前变化多端的人工智能时代，具备新的技术和新的思维，灵活地运用在实际工作中所存在的问题。因此对于电气信息类专业教育来说，要对人才培养目标精准定位，实现良好的变革。其次，电气信息类专业要着眼于当前国际发展方向和新业务的特征，了解有关业态产品和专业能力方面的内容。从这些问题入手提出正确的人才培养目标，并且对原有课程教学进行改革和创新，从而促进学生能够在课堂学习的过程中加深对人工智能技术的了解，提高学生的专业素质和创新能力。
（二）升级人才培养模式在人工智能背景下对电气信息类专业教育进行改革时，要在原有育人模式的基础上实现有效的升级，改变传统的课程教学设置。当前大部分电气信息类专业院校还是采用之前偏理论的课程来对学生进行知识内容的讲授，虽然这些理论知识是学生在学校学习期间必须要掌握的内容，但是假如仍然向学生讲述这些课程的话，也没有将理论和实践进行相互的结合，使得学生无法在人工智能时代下得到良好的发展，因此相关负责教师在实际教育工作中要对原有人才培养模式进行转型和升级。电气信息类专业教师要根据当前电气信息行业的发展和对人才的要求，对课程教育内容进行重新的调整。首先，在实际教育的过程中要向学生全面地展示先进的人工智能技术，技术是推进电气信息专业前进的动力之一。但是在原有的电气信息类专业教育中，教育技术的实施和教学并没有受到相关负责教师的重视，教师在班级教学的过程中，也没有为学生融入当前先进的人工智能技术和运用案例，提高学生的专业素质。在人工智能时代下，人机协作是当前主要的工作模式和发展模式，因此对于电气信息类专业教育来说，要对人才培养课程结构和课程重点进行有效的调整和创新。教师在教学中不仅要加入有关以往课程的教育内容，还要对课程进行有效的扩展，融入新媒体和人工智能技术应用相关的课程。比如教师可以立足于教材中的内容，为学生创设多样化的实训活动和实践操作平台，在学生实践的过程中要融入先进的人工智能技术，这些教学模式的运用不仅可以让学生了解人工智能技术的实际应用情况，还可以多方位的锻炼学生的创新能力和实践应用能力。所以相关高校要适当的借鉴这一教学经验，提高课程教学的针对性。其次，在育人模式中还要加强对学生创新思维和操作能力的培养，在人工智能背景下，电气信息的发展模式和主要的发展方向都发生了一定的改变。在当前电气信息领域发展的过程中，为了使自身能够在人工智能背景下得到有效的发展需要创新和创意的人才，并且要求这部分人才能够掌握先进的人工智能技术，根据电气信息发展的实际需求和人们对电气信息的要求，从而生产出个性化和特色化的产品。在育人模式升级中，教师要将专业和特色进行有机的融合，构建新的教育思路，过硬的专业素质才是人才升级的重要基础。在人工智能时代下，信息的来源和途径逐渐朝着多样化的方向发展，在这些繁杂的信息中既有重要的信息也有多余的信息，所以要使学生能够对这些信息进行有效的辨别。高校在制定人才培养模式中，要专业性的锻炼学生的工作能力和专业素质，从而使学生能够在这些大量的信息中提取有用的信息，提高电气信息类专业的有效性。
（三）引入任务驱动的实验模式在人工智能背景下对院校电气信息类专业进行教学时，教师要在保留原有学习项目的同时，立足于学生当前的理解能力，开发新的教学内容。在教学中教师要求学生进行独立性的思考，并且教师还要对学生的学习思路进行适当的引导以及启发，使学生可以运用课堂中所学到的知识内容灵活的解决实际实验过程中所存在的问题。教师要引导学生运用不同的方法进行学习，鼓励学生进行大胆的设计以及验证。教师在班级教学的过程中，可以为学生引入任务驱动式的教学模式任务，驱动式的教学模式主要是以学生为中心，教师要立足于教材中的内容和课堂教学的目标为学生布置相关的学习任务，实现综合性的学习效果。在为学生布置学习任务时，要融入当前先进的人工智能技术，让学生充分的发挥人工智能技术的优势来完成教师所布置的任务。教师要在任务驱动式的教学模式中增加一些设计型和创新型的学习活动，让学生直接深入到实践学习中进行方案的设定以及验证，并且对最终的实验结果进行多方位的分析以及讨论。在班级教学的过程中，教师要让学生围绕着一个教学目标来开展日常的学习，并且学生在学习和验证的过程中，教师还要加强和学生之间的互动和交流，从而对学生的实验方向和实验思路进行有效的引导，使学生可以在强烈的学习兴趣和学习动力的驱动下进行自主性的探索以及学习，并且也可以在班级中形成良好的互动。
（四）利用人工智能技术进行辅的教学在电气信息类专业教学课堂中，教师在利用人工智能技术进行教学时，要在原有课程的基础上充分地发挥人工智能技术的优势，从而对实际教学起到一个良好的辅助作用。比如，在实际教学的过程中，教师需要将理论知识和学生的实践学习进行相互的结合，提高课堂教学的真实性和有效性，在课程内容中要围绕着各种企业的实际项目来让学生进行知识内容的学习，教师要利用人工智能技术的优势为学生展现真实的一线工作现场，让学生全面的感受工作的环境，不仅有助于提高课堂教学的效果，还可以让一些抽象的理论知识变得生动和直观，促进学生学习效率的提高。
（五）在电气设备故障诊断中的应用在电气设备故障诊断中，人工智能技术中的模糊理论、人工神经网络和专家系统的应用比较广泛。以前我们常常面临的问题是，当电气设备出现问题或故障时，总是表现出比较复杂的症状，采用传统处理手法难以对问题做出准确判断和查找，人工智能技术则很好地解决了上述问题。比如发电机的设备故障具有非线性、不确定和复杂性的特征，传统论断方法准确率非常低，而通过人工智能技术中模糊理论和专家系统的综合应用，能大大提高故障论断的准确率。
【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.
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.
关键词： 人工智能 发展过程 研究热点 应用领域 未来发展
一、人工智能概述
人工智能（Artificial Intelligence，简称AI），也称机器智能，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。从计算机应用系统角度来看，人工智能是研究如何制造出智能机器或智能系统，实现模拟人类智能活动的能力，以延伸人们智能的科学。人工智能是一门交叉学科，是一门涉及心理学、认知科学、思维科学、信息科学、系统科学和生物科学等多学科的综合性技术学科，目前已在知识处理、模式识别、自然语言处理、博弈、自动定理证明、自动程序设计、专家系统、知识库、智能机器人等多个领域取得举世瞩目的成果，并形成了多元化的发展方向。
二、人工智能的发展过程
人工智能经历了三次飞跃阶段：第一次是实现问题求解，代替人完成部分逻辑推理工作，如机器定理证明和专家系统；第二次是智能系统能够和环境交互，从运行的环境中获取信息，代替人完成包括不确定性在内的部分思维工作，通过自身的动作，对环境施加影响，并适应环境的变化，如智能机器人；第三次是智能系统，具有类人的认知和思维能力，能够发现新的知识，去完成面临的任务，如基于数据挖掘的系统。
三、人工智能的研究热点
AI研究出现了新的，这一方面是因为在人工智能理论方面有了新的进展，另一方面是因为计算机硬件突飞猛进地发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低，以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的三个热点是：智能接口、数据挖掘、主体及多主体系统。
1.智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译及自然语言理解等技术已经开始实用化。
2.数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但是又潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱：数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现及网上数据挖掘等。
3.主体系统是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定的自主性。主体试图自治、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理，主要应用在对现实世界和社会的模拟、机器人及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习及多主体系统应用等方面。
四、人工智能的应用领域
1.专家系统
专家系统是一个具有大量专门知识与经验的程序系统，专家系统存储着某个专门领域中经过事先总结、分析并按某种模式表示的专家知识，以及拥有类似于领域专家解决实际问题的推理机制。专家系统的开发和研究是人工智能中最活跃的一个应用研究领域，涉及社会各个方面。
2.知识库系统
知识库系统也叫数据库系统，是储存某学科大量事实的计算机软件系统，它可以回答用户提出的有关该学科的各种问题。知识库系统的设计是计算机科学的一个活跃的分支。为了有效地表示、储存和检索大量事实，已经发展出了许多技术。但是在设计智能信息检索系统时还是遇到很多问题，包括对自然语言的理解，根据储存的事实演绎答案的问题、理解询问和演绎答案所需要的知识都可能超出该学科领域数据库所表示的知识。
3.物景分析
计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。视觉是感知问题之一。整个感知问题的要点是形成一个精练的表示，以表示难以处理的、极其庞大的未经加工的输入数据。最终表示的性质和质量取决于感知系统的目标。机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传送和复原、多光谱和彩色图像的处理与解释等。机器视觉已在机器人装配、卫星图像处理、工业过程监控、飞行器跟踪和制导及电视实况转播等领域获得极为广泛的应用。
4.模式识别
模式识别就是识别出给定物体所模仿的标本或标识。计算机模式识别系统能够弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。模式识别在二维的文字、图形和图像的识别方面已取得许多成果，在三维景物、活动目标的识别和分析方面是目前研究的热点，同时它还是智能计算机和智能机器人研究的十分重要的基础。此外，人工智能还在机器视觉、组合调度问题、自然语言理解、机器学习、博弈、定理证明等研究应用领域发挥着重要作用。可以说人工智能已深入各行各业，对人类社会作出了巨大的贡献。
5.机器人
机器人学所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。尽管已经建立了一些比较复杂的机器人系统，但是现在工业上运行的机器人都是一些按预先编好的程序执行某些重复作业的简单装置，大多数工业机器人是“盲人”。机器人和机器人学的研究促进了许多人工智能思想的发展。智能机器人的研究和应用体现出广泛的学科交叉，涉及众多课题。机器人已在工业、农业、商业、旅游业、空中和海洋及国防等多个领域获得越来越普遍的应用。
五、人工智能的未来发展
目前绝大多数人工智能系统都是建立在物理符号系统假设之上的。在尚未出现能与物理符号系统假设相抗衡的新的人工智能理论之前，无论从设计原理还是从已取得的实验结果来看，Soar在探讨智能行为的一般特征和人类认知的具体特征的艰难征途上都取得了有特色的进展或成就，处在人工智能研究的前沿。上世纪80年代，以NewellA为代表的研究学者总结了专家系统的成功经验，吸收了认知科学研究的最新成果，提出了作为通用智能基础的体系结构Soar。目前的Soar已经显示出强大的问题求解能力。在Soar中已实现了30多种搜索方法，实现了若干知识密集型任务（专家系统），如RI等。对于人工智能未来的发展方向，专家们通过一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展：模糊处理、并行化、神经网络及其情感。
目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域。未来智能计算机的构成，可能就是作为主机的冯・诺依曼型机与作为智能的人工神经网络的结合。研究表明：情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
根据这些前瞻性研究我们也可以通过想象模拟勾画出人工智能未来发展的三个阶段。
1.融合时期（2010―2020年）
（1）用语言操纵和控制的智能化设备十分普及，像远程医疗这样的服务也更为完善。
（2）以计算机和互联网为基础的远程教育十分普及，在家就可以上大学。
（3）在身体里植入许多不同功能的芯片已不新奇。
（4）量子计算机和DNA计算机会有更大发展，新材料不断问世。
（5）抗病毒程序可以防止各种非自然因素引发灾难。
2.自信时期（2020―2030年）
（1）智能化计算机和互联网既能自我修复，也能自行进行研究、生产产品。
（2）一些新型材料的出现，促使智能化向更高层次发展。
（3）有了高水准智能化技术的协助，人们“定居火星梦”可能性大增。
3.非神秘时期（2030―2040年）
（1）新的全息模式世界将取代原有几何模式的世界。
（2）人们对一些目前无法解释的自然现象会有更完善的解释。
（3）人工智能可以模仿人类的智能，因此会出现有关法律来规范这些行为。
人工智能作为一门课程［1］，开设时间距今只有40多年，但发展极为迅猛。人工智能课程的内容涉及计算机科学、数学、系统科学、控制科学、信息科学、心理学、电子学、生物学、语言学等等，几乎所有科学工作者都可以在人工智能中找到自己感兴趣的问题。目前，国内外已有众多高校指定人工智能为计算机科学与技术及其相关专业的主修专业基础课程，它在拓展计算机和自动控制的研究和应用领域方面有着极其诱人的学科发展前景。自2003年起，国内诸多高等院校陆续开设“智能科学与技术”本科专业，同时也有更多高校在传统信息类专业中加大了人工智能课程的课时比重，因此如何提高人工智能课程的教学质量显得尤为重要。?
本文结合人工智能课程的特点以及自己教学与研究的实践，对本课程的教学进行一些探讨，以期改进人工智能课程教学方法，达到提高本课程教学质量的目的。??
一、兼顾课程内容的统一性和差异性??
人工智能课程的核心内容主要集中在对基本概念、基本原理、基本方法和重要算法及其应用的认识和理解上，尽管各种基本概念、原理、方法和算法在一定程度上自成体系，但是它们之间又存在着许多内在联系和规律。从这一点来看，人工智能课程与其他很多计算机课程是不同的，这就要求人工智能课程的授课要具有自己的特色。?
知识表示、知识推理、知识应用是人工智能课程的三大内容，解决任何一个人工智能问题都离不开两个步骤，即知识表示和问题求解。由此，人工智能课程从总体结构上就有了一个比较清晰的脉络，即首先必然要学习各种知识表示方法，然后是利用这些知识进行推理，进而实现知识应用，最终达到问题求解的目的。问题求解又分为基本的问题求解方法和高级问题求解方法。图搜索策略、启发式搜索、消解原理以及规则演绎系统等都属于基本的问题求解方法。计算智能、专家系统、机器学习、自动规划等属于高级问题求解方法。?
同时，人工智能课程某些章节或者某些方法算法在一定程度上又自成体系。例如，各种不同的知识表示方法不管是数据结构还是表示形式都完全不相同。又例如，人工智能有许多不同的学派［2］，本课程往往同时会介绍不同学派的算法，这些学派在人工智能的基础理论和方法、技术路线等方面是完全不同的，甚至是对立的。?
这些都要求我们在教学过程中不仅要强调人工智能课程理论的统一性和完整性，又要兼顾各学派的特点，尊重甚至调动学生们对不同人工智能学派及其方法的兴趣。在编写和选用教材时也要注重这一点，我们选用的是蔡自兴教授编写的《人工智能及其应用》系列教材［1,2］，该教材以逻辑主义学派为主线，兼顾引进其他学派的精华内容，具有较强的科学性。
??二、实施分层次教学??
各高校一般同时为计算机相关专业的本科生和研究生开设了人工智能课程，甚至有的非计算机类专业也开设有人工智能课程。不同层次的学生对人工智能课程要求掌握的程度不同，我们首先明确本科生和研究生以及非计算机类专业学生的教学目的和教学内容，做到分层次设计人工智能课程教学?过程。?
本科阶段的人工智能课程课时量较少，本科层次只需要做到对大部分人工智能概念和算法了解、认识，少部分达到理解层次。本科生一般都是在高年级（三年级下期或者四年级上期）开设人工智能课程，这时已有不少学生准备继续读研或者已经被保研，因此在兼顾全体学生教学层次的同时，要注意给这部分学生足够的相关参考书目，让他们能够利用课余时间广泛深入了解人工智能相关算法，老师在课后还应和他们进行充分讨论，培养他们对人工智能的特别兴趣。?
非计算机类专业的学生往往需要学习如何利用人工智能知识解决该专业领域内的问题，因此在教学中要尽量有专业针对性地进行教学。例如针对农科类专业，在教学专家系统过程中，我们要求学生参考北京农业信息技术研究中心开发的农业专家系统开发平台（paid5?0）理解并开发与本专业领域相关的简易农业专家系统。?
给研究生开设人工智能课程要求做到概念理解，基本算法精通，即要求全面、系统地掌握人工智能的基本概念、基本原理、典型方法和若干应用实例，并且能灵活运用所学知识阐述解决实际问题的方法和途径。课程教学中要致力于培养学生分析问题与解决问题的能力，要求研究生将人工智能方法与自己的研究方向相结合，用人工智能方法解决所研究课题中的实际问题，并撰写相关的课程论文，以小型研讨会的形式进行报告交流。实践证明，我们的研究生的人工智能教学效果明显提升，成效突出。
??三、案例驱动，寓教于乐??
采用案例教学是为了充分调动学生的学习兴趣，增强学生学习的自觉性［3］。通过案例教学能把枯燥的人工智能理论知识具体化、形象化，可以使学生更加感性地理解课堂教学内容。这些案例都是以教师所从事的科研项目中的实际应用环境为背景进行阐述的，让学生能在实际环境中理解概念和知识，学会利用人工智能知识去分析和解决实际问题。在教学过程中要选择学生容易接受的案例，体现理论联系实际的特色，激发学生的兴趣。?
例如，在讲授“计算智能”内容时，我们结合黄河三门峡和小浪底水库水沙联合智能调度系统［4］进行讲解。综合三门峡水库和小浪底水库防洪运用的基本原则、历年调度方案、专家的经验、历年数据和现有的调水调沙数学模型，分别利用模糊决策、神经网络、遗传算法及综合集成方法来实现三门峡、小浪底水库水沙联合调度。?
又例如为了让学生走近机器人，我们进行了一场机器人展示课，将研究所现有的MOROCS?1（中南一号智能移动机器人）、ASR（广茂达）、AmigoBot（自主移动机器人）、CanDroid（罐头机器人）、MD?375 Rover（人控漫游车）、Fokker D7（人控飞机，1:72）、Rockit OWI?769K（声按、压控火牛机器人）、Hexapod Monster（六足爬行机器人）、Hubo（多机能歌舞机器人）等各类机器人全部拿出来给学生做了功能演示［5］。亲眼看到这么多机器人，同学们都非常兴奋，对人工智能课程的兴趣高涨。?
在进行案例教学时，引导学生带着问题和求知欲望深入理论的学习，让学生在案例中寻找问题的答案并获取知识。在讲授利用神经网络进行水库调度时，引导学生分析如何确定神经网络的输入端数据，什么是泛化能力以及如何提高神经网络的泛化能力。?
为了巩固所学内容，可以让学生组成讨论小组对教师提出的论题进行讨论，分小组阐述自己的观点，这样有助于提高学生学习的主动性，还有助于培养学生思考问题的能力和提高理论教学的效果。案例教学的关键在于引导学生利用所学到的理论知识去解释、分析和解决现实案例中的问题，以达到训练学生理论运用和深入理解理论知识的目的。?
此外，我们挑选了机器人足球、拖拉机扑克牌、中国象棋、五子棋等普遍受人喜爱的智能游戏，让学生亲手设计小型智能游戏软件，在设计的过程中掌握高深的人工智能理论知识，让学生学得会、用得上、记得牢。
??四、结语??
以上谈到的一些教学方法是我们在教学过程中总结体会比较深刻的方面，以供探讨。事实上，要进一步提高人工智能课程的教学质量，还有很多方面需要改革和加强。如不断强调人工智能教师的专业素质，要求他们在讲授好人工智能课程的同时，努力提升出自身的专业素质，给学生一个良好的专业素质导向。其次，在人工智能课程教学过程中还需要有培养实用型人才的教学理念，特别是注重培养有创新意识的实用型人才。注重培养学生的质疑能力，只有通过质疑和提出问题，学生的创新意识才能够得到不断强化，创新思维能力才能够得以不断提高。?
人工智能学科是一门非常年轻、又非常前沿的学科，有其自身的突出特点，人工智能课程教学必然与其他计算机专业课程教学不同，需要更多的从事人工智能教学的教师在自身的教学实践中不断积累经验，进行广泛的教学交流。
参考文献?
［1］
蔡自兴, 徐光祐. 人工智能及其应用(第三版)(研究生用书)［M］. 北京: 清华大学出版社， 2004（8）: 1-4.?
［2］蔡自兴, 徐光祐. 人工智能及其应用(第三版)(本科生用书)［M］. 北京: 清华大学出版社， 2003（8）:288-290.?
［3］雷焕贵, 段云青. 中美案例教学的比较［J］. 教育探索， 2010（6）: 150-151.?
[关键词]人工智能；国际商务课程；教学创新；能力培养
新一轮的科技革命和产业革命正在进行，大数据、云计算、人工智能等新型技术与商业模式正深刻改变人们的思维、生产、学习方式。关于人工智能对于人类社会的冲击，已有不少论著。2016年，《自然》杂志刊发谷歌的“深度心智”（Deepmind），这将会极大的扩大人的能力。2019年初，国务院《中国教育现代化2035》，提出要建设智能化校园，统筹建设一体化智能化教学、管理与服务平台。2019年8月29日，科技部新一代人工智能发展研究中心联合罗兰贝格管理咨询公司《智能教育创新应用发展报告》（以下简称《报告》）。报告显示，人工智能有望引领教育的系统性变革，推动人才培养更加多元化、更加精准化、更加个性化。世界各国纷纷制定规划，出台相应的政策措施，推动智能教育的发展。以美国、新加坡等为代表的各国相继推出面向未来的新教育改革战略，不断制定相关政策法规，设计本国智能教育的发展蓝图。
一、未来智能社会的能力预测
未来社会各种各样的颠覆性变革，全球各种组织都在做预测。世界未来研究所[1]对未来社会需要的10中技能的预测：一是意义构建，二是社交智能，三是新颖和适应性思维，四是跨文化能力，五是计算思维，六是新媒体素养，七是跨学科能力，八是设计思维，九是认知负荷管理，十是虚拟协作。十种技能分别体现在三个层面，即人际交往能力、应用知识能力与工作技能层面。引入这些技能，旨在深入探索未来技能存在的世界，以及目前教授和衡量这些技能的方式，希望这些技能能够更充分地融入高校国际商务的课程。[2]
（一）人际交往层面——团队合作精神
人际交往层面主要指与他人有效合作，有效沟通，与不同背景的伙伴有效合作的能力，即团队合作精神。数据来源：世界未来研究所第一，跨文化能力。4个主要组成部分可以用来评估一个人的跨文化竞争力:知识组成部分、情感组成部分、精神运动组成部分以及情景组成部分。第二，社交智能。尽管社交网络平台为人们提供了更多的联系，但它们培养的深厚友谊却很少。微信、Facebook等社交平台的主流化与普及鼓励人们以新的方式思考如何建立和维持人际关系。[3]第三，虚拟协作，即作为虚拟团队的一员，能够富有成效地工作，提高参与度，并展示自己的存在感。
（二）应用知识层面——逻辑性分析信息的能力
应用知识层面主要指个体可以逻辑性的分析信息的一系列能力，具体如下：第一，新颖的适应性思维。即熟练地思考和提出解决方案，而非死记硬背或默守陈规。第二，认知负荷管理。以多种形式表现的信息流丰富的世界带来了认知过载的问题，人们只有学会有效的过滤和关注重要的信息，才能把大量涌入的数据转化为优势。第三，意义构建，即确定对方所表达内容的深层含义的能力。人工智能将取代仅仅需死记硬背、日常制造业和服务业的工作，而对机器不擅长的高层次的思维技能、不能撰写为文本的需求将会越来越大。
（三）工作技能层面——解决问题和决策能力
工作技能层面主要指个体可以成为一个问题解决者和决策者，包括计划和组织，解决问题，决策商业基础等。也就是需要如下的素质：第一，新媒体素养。由于可视化在技术时挥越来越重要的作用，过去信息的静态展示正在让位于信息图表和数据的动态模拟。第二，设计思维。从本质上讲，设计思维是一种创造性解决问题的能力，它反映了发散性思维和收敛性思维的结合。第三，跨学科能力。未来十年，专业领域将比以往任何时候都更加具有重叠性，所以跨学科的研究方法将会占据世界创新的中心舞台。第四，计算思维，即将大量数据转换成抽象概念，并基于数据的推理能力。随着人类社会中数据量呈指数级的增长，越来越多的职业需要计算思维和技能才能胜任。
二、应对能力结构变化的教育创新
未来社会中，人才能力结构的变化也会对教学模式产生新的需求，课程教学需要结合不同的能力培养目标做出相应的调整与创新，世界知名高校和一些国际组织也提出了很多创新性的教学模式。如图2所示。数据来源：世界未来研究所
（一）能力结构及思维模式
世界未来研究所提出的十种技能的背后，所体现了以下一些基本的思维模式。同理心是指正确了解他人的感受和情绪，进而做到相互理解、关怀和情感上的融洽。同理心非常有助于在虚拟空间中站在对方的角度考虑问题，增加团队伙伴之间的有效沟通。元认知对于意义构建能力十分重要。元认知知识包含三方面：学习者对于自己的认知，学习者对于学习策略和使用方法的认知。成长性思维与批判性思维在认知负荷管理、新颖和适应性思维、新媒体素养以及设计思维中起到了十分重要的作用。成长性思维是相对于固定思维提出的，固定思维者把反馈当做一种批评，成长思维乐于接受反馈，也从反馈中学习，反馈最终会产生积极的成长变化。批判性思维有助于形成自己独特的世界观，他们不会妄自评价他人，而是会站在别人的立场上，并且去了解他们的世界观。跨学科一定有两种心态组成。首先，同理心。它允许人们从另一个角度来思考问题——站在别人的立场上。其次，好奇心。许多组织，包括IBM和IDEO，都开始从“T型”素质的角度来讨论这种技能，T型素质的技能组合中既有深度又有广度。但是杨壮①教授发现：现在π型人才已经在成为主流。所谓的π型人才是针对T型人才的一种升级，从字母的样式中就可以看出，π比T的下方多了一竖，所以它代表着“两专多能”，即除了你可能在高等教育阶段获得的专业能力之外，还需要有另一项专业能力。逻辑推理能力有助于培养计算思维。未来的教育课程中应该纳入计算思维技能的发展，鼓励学生通过因果推理认知、元认知和其他技能来学习解决问题。这种模式的目的是让学生分析他们在现实世界中可能遇到的真实情况，来教授计算思维能力。[6]
（二）国内外高校教育模式创新
1.“鱼缸讨论”“鱼缸讨论”，也是一种促进学生讨论的教学小技巧，不仅让讨论者积极参与，更能让其他学生积极反馈。第一步，把学生分成两组。第一组参加讨论的学生围成圆桌坐在教室中间，就像是在被第二组观看的鱼缸里一样。第二步，坐在中间的组开始时长10分钟左右的讨论，的第二组学生要听着，并且评估第一组的讨论。第三步，做出反馈。这是学生们最感兴趣的环节，学生可以从熟悉的同学那里了解到自己的优点和缺点，有了反馈确实会使得讨论变得更加激烈。2.项目式教学PBL（Problem based learning）教学法，也叫“项目式教学”，是一种通过让学生展开一段时期的调研、探究，致力于用创新的方法或方案，解决一个复杂的问题、困难或者挑战，从而在这些真实的经历和体验中习得新知识和获取新技能的教学方法。PBL旨在培养学生的创意思维、创新能力、自主学习能力及批判思维的能力。3.跨学科课程教学自21世纪以来，美国课程改革中出现了实用导向的跨学科课程，如ICT课程，环境教育和STEM课程。STEM是科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四门学科英文首字母的缩写，STEM教育的核心是将原本分散的4门学科自然组合成一个整体，以项目探究方式进行综合性问题解决学习，以形成相应的综合。
三、针对国际商务课程的创新
结合世界未来研究所的十项工作技能、世界一流大学以及国际组织在教育方面的改革，结合东北财经大学国际经济贸易学院国际商务硕士（MIB）专业硕士教学情况，国际商务课程实际教学提出以下思考和建议。[7]
（一）培养同理心和元认知的实践方法
一种方式是开展课外活动，以小组为单位的体验式学习活动有助于培养人际沟通和跨文化能力。例如：体验式学习周；商务礼仪情景剧等。另一种方式是线上项目，线上项目中，可以通过微信小程序、投票互动式的方法来增加课堂活跃度，争取让每位同学都参与到课程中。国际商务课程是一门既要求专业知识扎实，又需要具备优秀的人际交往能力的综合性课程。那么，在已有的小组活动中，可以在每次小组活动或者小组作业之后加入一个环节——组员互评与打分。一些课堂讨论的小技巧会有助于培养元认知的思维模式。一种方法是在课上开展限时讨论，讨论映射是一种将学生的实时讨论视觉化的方法，这种讨论技巧使学生能够从以下几个角度进行深入的思考。
（二）培养成长型思维和批判性思维的实践方法
在国际商务的案例分析中，引用PBL教学非常值得考虑。假设案例主题为跨国企业如何成功并购外国子公司，老师用一部分课时讲解完理论部分，提供参考资源之后，另一部分课时可以尝试组织PBL。一次PBL教学要分次给予问题，分次讨论。具体过程大致包括七个步骤：第一步，弄清不熟悉的术语；第二步，界定问题；第三步，头脑风暴（对可能的假设或解释进行集体讨论）；第四步，重新结构化问题（对问题的尝试性解决）；第五步，界定学习目标；（以上步骤为学生小组讨论）；第六步，收集信息和个人学习（学生独立学习）；第七步，共享收集到的和个人学习的信息（小组报告和讨论）。经过上述七步骤，完成一次PBL学习。在这个教学模式中，老师的角色是教学组织者、资源提供者、学生能力发展的促进者。学生从知识的被动接受者转变为自主学习者、合作者和研究者。在国际商务的课程中，有很多需要实际调研的案例报告，也有需要做营销策划的报告。创客空间则可以融入这种类型的报告中，结合导师的相关课题，最好有一定经费的支持，为学生的基于创造的策划提供完备的支撑。学生们可以就某个主题展开经验分享、头脑风暴、结合实际情况锻炼设计思维和表达能力，这种能力不仅适用于学校，而且也适用于未来工作中。
（三）培养跨学科能力和逻辑推理能力的实践方法
注重“国际商务专业+21世纪主题”的课程框架，希望通过超学科整合来弥补传统学科的缺点与不足，构建适切核心素养转化的课程框架。主题选择具有适当的弹性，为跨学科知识的联结提供空间。比如在国际商务课程授课内容中，注重添加区块链、人工智能以及中美、中欧关系等主题。在国内，“挑战杯”全国大学生课外学术科技作品大赛是大学生创新创业实践教育最普遍和最有效的形式之一，具有广泛的群众基础和旺盛的生命力。每两年举办一届，被誉为当代大学生科技创新的“奥林匹克”盛会。所以提倡创建跨学科小组参加“挑战杯”大赛，比如国际贸易学院、国际商学院以及工程管理学院组建团队参加挑战杯，成员对不同学科都有相当的专长和良好的基本知识：国际营销、国际文化视野以及数据分析基础，在这样的团队中，更可能激发出新的思维和优秀的方案。
（四）全案例情景式教学
不同于教师讲授知识，学生被动接受知识的传统教学模式，全案例情景式教学是以案例或情景为载体引导开展学生自主探究性学习, 以提高学生分析和解决实际问题的能力。[5]首先，准备阶段。针对国际商务专业硕士课程的专业特点，结合知识点和学生实际情况，选取合适的案例作为分析材料。其次，授课阶段。在该阶段，教师讲授知识点之后，就将案例发放给学生；接下来就是考验学生理论结合实际的能力。学生可以自发组成小组，根据案例内容，并结合自己能力和长处与小组分工合作进行案例讨论，而在这当中，教师主要的角色是组织和引导学生。最后，拓展阶段。在学生汇报案例内容之后，教师要对学生的探讨结果进行点评总结。学生也可以利用这个环节进行自查，发现自己是基础知识点薄弱还是实践能力欠缺。通过该阶段，教师可以发现学生的水平，学生也可以发现自己作为专业硕士能力缺失的部分，从而双方进行查缺补漏。
四、总结与展望
结合国外高校及国际组织已有的模式，针对未来社会所需十种能力的培养方式如何应用在国际商务课程中，提出了一系列的活动和思维模式培养技巧，如在线学习（以MOOC为主）、讨论映射和鱼缸式讨论、项目式学习（PBL）、案例分析和创客空间以及课上的投票互动式环节等，希望对国际商务课程的改革创新有实质性的辅助作用。要想在未来取得成功，需要成为适应性强的终身学习者。随着组织形式和技能要求的快速变化，要求每位个人都必须具备远见，重新评估自己需要的能力，并迅速整合合适的资源来培养和完善需要的能力，适应万众创新时代，并形成决胜未来的新的竞争优势，赢得人工智能时代世界高等商科教育领域中的话语权。注释：①杨壮：现任北京大学国家发展研究院BiMBA商学院联席院长、北京大学国家发展研究院管理学教授、美国福坦莫大学商学院副院长、终身教授，著名领导力专家。
【参考文献】
[1]InstitutefortheFuture.FutureWorkSkills2020[EB/OL].[2019-11-09].
[2]LiuJie.TheOptimizationStudyofGeneralEducationPracticeEffectinOurCountry[J].学术界,2013(12):283-290.
[3]陈妍蓓(编译).欧盟关注终身学习关键能力培养[J].世界教育信息,2019,32(10):74-75.
[4]段世飞,张伟.人工智能时代英国高等教育变革趋向研究[J].比较教育研究,2019(1):3-9.
[5]王文.案例教学法在高校市场营销教学中的应用探索[J].产业与科技论坛,2020,19(4):187-188.
[6]吴朝晖.智能增强时代的学习革命--在国际人工智能与教育大会上的发言[J].世界教育信息,2019,32(10):3-6.
关键词：信息观；系统观；生态观；机制观；信息转换方法论
0 引言
智能科学是信息科学的制高点。从物质科学演进到信息与智能科学，研究的对象发生巨变，因此研究的理念和方法也必须随之改变，这是不言自明的道理。然而，由于科学观与方法论的抽象性（无形性），这种不言自明的道理却往往在实践中被人们视而不见。
我们对信息与智能科学技术发展的历史稍加考察就可以发现，由于科学观与方法论具有抽象性或无形性特点以及人类的思维习惯存在惰性，数十年来信息与智能科学技术的研究依然沿用传统的科学观和方法论，由此导致一系列重大的学术研究失准，在客观上延缓了信息与智能科学的发展进程。
在半个多世纪的科学研究实践中，笔者曾经在这方面反复经历失败与成功，有过正反两个方面的经验和教训，最终深切地感悟到：科学观与方法论问题对于信息与智能科学领域的研究与教育具有特别重要的意义。于是，笔者常常不由自主地思考和总结信息与智能科学领域中的科学观与方法论问题，得到一些初步的领悟，愿在此与读者共享并欢迎批评指正。
1 传统的科学观与方法论
有什么样的研究对象，就需要有与之相适应的研究方法，而方法论又源于科学观。换言之，有什么样的科学观，就会形成什么样的方法论，科学观和方法论是指引人们从事科学研究的世界观和方法论。
传统自然科学的研究对象是物质系统和能量系统。物质观和能量观便天然地成为传统自然科学的科学观，而对复杂物质和能量系统实行分而治之、各个击破、合成还原则成为传统自然科学行之有效的方法论。
近几百年来，面对越来越多的复杂物质系统和能量系统，传统自然科学的科学观和方法论指导全球研究大军频繁出击，战无不胜，攻无不克，所向披靡，为近代自然科学技术的发展与繁荣建立了历史性的卓越功勋。
2 传统科学观与方法论对信息领域科学研究的误导
传统科学观和方法论虽然在近代科学实践中屡试不爽，但是在一类新的研究对象面前却产生了一系列相当严重的误导作用。这类新的研究对象就是以信息为主导特征的复杂信息系统，而智能科学就是研究这类系统的代表性学科。
2.1 误导案例之一：探究思维奥秘
一个最为明显的误导例证就是关于人类大脑思维奥秘的探究。按照传统的物质观和能量观，人类大脑系统是一个复杂的物质系统，也是一个复杂的能量系统；为了探索大脑思维的奥秘，。应当对它实行分而治之、各个击破、合成还原的研究。于是，研究者对人类大脑实行各种各样的解剖研究，试图查明大脑各个解剖单元的物质结构和能量关系，从而解开人类大脑思维的秘密。
令研究者大失所望的是，尽管通过解剖研究可以查明大脑各个局部组织的物质结构和能量关系，但是对于大脑为什么能够思维以及大脑怎样进行思维这样一些基本问题，仍然始终摸不着头脑并且一筹莫展。
百战百胜的传统方法论出现了什么问题？原来，尽管大脑是复杂的物质系统，也是复杂的能量系统，但它的本质是以信息及其转换为主导特征的复杂信息系统。研究者按照传统科学方法论将大脑这个复杂信息系统分解为相对简单的解剖单元（分系统）时，就丢失了各个分系统之间相互联系和相互作用的信息，而这些相互联系和相互作用的信息正是复杂信息系统的生命线。舍弃了生命线，当然就不可能通过各个分系统的合成还原“能够思维”的大脑。
2.2 误导案例之二：Shannon信息论
另一个非常基本的误导案例是关于信息概念和理论的研究。按照正常的理解，人们处理和利用的任何信息都是形式、内容和效用的三位一体：形式只是信息的外表，效用是信息的价值，内容才是信息的内核。人们根据信息的形式感知它是否存在，根据信息的效用确定对它的取舍，根据信息的内容达成对它的理解。如果只感知信息的形式而不了解它的内容和价值，就无法据此做出正确的决策。
然而，在分而治之方法论的指导下，Shannon信息论仅仅根据通信过程的要求（而不是根据信息运动全部过程的要求），就针对信息的形式（而不考虑信息的内容和价值）建立了后人所称的信息理论。实际上，正如Shannon自己所说，它只是通信的数学理论（mathematical theory ofcommunication），而不是完全的信息理论。
这种误导的结果使Shannon信息论虽然在通信等统计领域发挥了巨大作用，但对于整个信息科学（特别是对于其中的智能科学）领域而言却难以有所作为。现今人们对于信息的烦恼便是网络上信息的鱼龙混杂，良莠难分，而Shannon信息论对此却不能提供任何有效的解决方法，原因就在于它只是关于信息形式的统计理论，完全没有考虑信息的内容与效用。同样，Shannon信息论对于智能科学的研究难有作为，这都是传统科学方法论误导信息研究所造成的结果。
2.3 误导案例之三：智能模拟的方法
还有一个同样基本的误导案例是关于人类智能的机器模拟（人工智能）问题。按照分而治之的传统科学方法论，人工智能研究者认为：人类智能系统可以分解为结构、功能、行为3个基本层面，因而可以分别从结构、功能、行为3个不同的角度对人类智能进行模拟。于是，基于结构模拟的人工神经网络研究、基于功能模拟的物理符号系统研究、基于行为模拟的感知动作系统研究随之出现，成为人工智能研究的3大主流方法。
这样引发的问题是，虽然3种研究方法都具有相同的研究目标，即希望成功地在机器上模拟人类的智能，并且各自都取得了不少令人鼓舞的研究成果，但是人们却不知如何才能把三者集成起来并形成和谐的合力，以便更好地促进人工智能研究的进步。
事实上，长久以来，3种方法不仅没有能够形成和谐的合力，反而偶有互相否定、互相激烈抨击的事件发生，终于形成三足鼎立的不和谐局面，这种状态显然很不利于人工智能研究的整体发展，这也是分而治之方法论误导所产生的不良后果。
2.4 误导案例之四：人工智能的理论模型
更为典型的误导案例是人工智能的理论模型。常理告诉我们，意识是智能的直接基础。如果一个人连意识的能力都没有，他怎么可能具有智能呢？同样的常理告诉我们，人的智能有两个基本方面：情感与理智。如果一个人没有情感，他怎么可能具有完整的智能呢？而且，意识、情感、理智是相互联系、相互作用、密不可分的三位一体。
然而，按照分而治之的传统科学方法论，人工智能理论的研究硬是把意识和情感因素从智能的研究领域中排除出来。于是，人工智能理论一方面长期回避对意识的研究，另一方面又忽视对情感的探索，最终变成一个既不完整又不真实的人工智能理论模型。分而治之传统科学方法论导致人们不能深入和完整地理解人工智能。
总之，面对以信息及其转换为主导特征的开放复杂信息系统（智能系统是这类系统的典型代表）的研究，基于物质观和能量观的分而治之方法论不但不再有效，而且还会产生许多后果相当严重的误导。
3 开放复杂信息系统需要的科学观与方法论
正反两方面的研究实践启示我们，以智能系统为代表的开放复杂信息系统的研究，不能照搬我们原先所熟悉的传统科学观和方法论，而是迫切需要全新的科学观和方法论。经过长期的实践和探究，我们认为开放复杂信息系统的科学观包括以下4个基本观念。
1）信息观。
既然贯穿开放复杂信息系统全局的主导因素是信息和信息运动过程，那么开放复杂信息系统的研究首先就必须遵循信息观，即研究的关注点必须聚焦于系统的信息和信息运动过程，而不应当只盯着系统的物质结构和能量关系。
2）系统观。
开放复杂信息系统的研究必须遵循明确的系统观：一方面，人们所关注的信息应当是形式、内容、价值三位一体内涵完整的信息，而不是仅考虑形式因素的信息；另一方面，信息运动的时空过程必须保持完整性，人们不能只关注信息传递这样一个局部的过程，也不能只关注理智这样一个局部的方面。
3）生态观。
开放复杂信息系统应当是一种“活的系统”，因此人们必须遵循清晰的生态观，也就是说必须把开放复杂信息系统中信息运动过程的来龙（本体论信息）去脉（知识、基础意识、情感、理智、智能策略和智能行为）作为一个有序的生态过程进行一体化的研究，而不应当把信息、知识、智能看作一个各行其是的拼盘。
4）机制观。
既然开放复杂信息系统是一类生态系统，对它的研究就必须遵循机制观，即必须把关注点放在信息如何生成知识与如何生成智能的生成机制（即生长规律）上，而不应当把关注点放在系统的结构、功能和行为上。这是因为系统的结构和功能都是为实现生长机制而服务，行为则是系统机制实现的外显结果。
总之，信息观可以呈现开放复杂信息系统的生命脉络；系统观可以抓住开放复杂信息系统的信息全局特征；生态观可以把握开放复杂信息系统的有机联系；机制观可以理解开放复杂信息系统的生成规律，它们构成了开放复杂信息系统科学观的四位一体。
那么，开放复杂信息系统的科学研究方法论是什么呢？一般而言，有什么样的科学观就会形成什么样的方法论。科学观是认识所研究对象的基本观念，方法论是体现基本观念的研究方法，因此任何一种科学研究方法论都可以（而且应当）从科学观中自然引申出来。
根据这个基本原理，研究以智能系统为代表的开放复杂信息系统的科学方法论就可以表述为：遵循信息观、系统观、生态观和机制观的根本原则，考察信息资源（本体论信息）生成相关产品的生态转换规律。具体地说，就是要系统地（系统观）、联系地（生态观）、深刻地（机制观）考察本体论信息（信息观）生成认识论信息：知识和智能的规律，或者更简洁地说就是要系统地、联系地、深刻地考察信息转换的规律。：总之，信息转换是针对一切开放复杂信息系统研究都适用的科学方法论。
4 新的科学观方法论和研究成果
20世纪80年代以来，笔者逐渐领悟到信息观、系统观、生态观、机制观四位一体的科学观和信息转换方法论，并将其用于指导自己的信息科学和人工智能基础理论研究，获得了如下一些重要的创新成果。由于篇幅所限，笔者叙述从简。
4.1 全信息理论
传统方法论令Shannon信息论存在严重局限。我们根据新科学观提出语法信息、语义信息、语用信息三位一体的全信息概念，其中，语法信息用“肯定度”参数表征，用概率论和模糊集合理论描述；语义信息用“逻辑真实度”参数表征，用模糊逻辑理论描述；语用信息用“效用度”参数表征，用模糊集合理论描述。
这样，原先各自独立发展起来的信息获取（检测与识别）、信息传递（通信与存储）、信息处理（计算）、信息认知和信息决策（人工智能）、信息执行（控制）就得到了统一的描述和处理，形成了完整统一的信息科学理论。
4.2 本体论信息到全信息转换：第一类信息转换原理
根据新方法论，我们发现并阐明了图1所示
的由本体论信息到全信息的转换原理（又称第一信息转换原理），证明全信息理论不仅在理论上合理，而且在技术上可行。
图1表明，人们利用传感系统可以把本体论信息映射为相应的语法信息，利用语法信息可以从知识库检索l出（或者通过与目标进行相关运算计算出）与之相对应的语用信息，通过对语法信息和语用信息的逻辑运算可以演绎出语义信息。所有这些操作都在技术上可行。
4.3 知识的外生态学理论
知识在信息和智能科学中扮演着极其重要的角色，但是在分而治之传统方法论的影响下，知识被孤立地分割出来，在人工智能理论研究中没有得到应有的重视。在新科学观和方法论指导下，我们发现知识并不是一种孤立和静止的研究对象；恰恰相反，它是一个极其活跃的生态学系统。
一方面，知识不断由认识论信息的归纳而来；另一方面，知识又在系统目标的制导下通过演绎的方法向智能生长而去。换言之，“信息_÷知识_智能”转换是知识的外部生态系统。这一发现的意义不仅揭示了知识的生成机制，而且揭示了智能的生成机制，直接导致新的人工智能模拟方法问世。
4.4 信息一知识转换：第二类信息转换原理
知识外生态学原理表明：知识由全信息转换而来。信息是现象，知识是大量相关现象所蕴含的共同本质，因此实现由全信息到知识的转换算法，原则上是归纳型算法。由大量信息现象到知识本质的归纳过程是由量变到质变的过程，也称为“涌现”过程。这是知识外生态学提供的一项重要启发。
4.5 智能的共性核心生成机制
知识外生态学系统的发现不仅揭示了知识的生成规律（第二类信息转换原理），而且还启迪了智能的共性核心生成机制：信息知识智能的转换。具体来说就是在任何情形下，智能的核心生成机制都是由信息（关于问题的信息、关于问题求解目标的信息、关于先验知识的信息）到知识（求解问题所需要的专门知识）再到（求解问题的）智能策略的转换，显然，这是一切智能（包括人类智能和人工智能）的共性核心生成机制。
4.6 人工智能的机制模拟方法
受到智能共性核心生成机制的重要启发，我们提出人工智能的新的模拟方法，这就是机制模拟方法：信息_知识-÷智能的转换，这是区别于已有的结构模拟、功能模拟、行为模拟方法的全新方法。
众所周知，系统的生成机制统管系统全局，系统的结构和功能都为生成机制服务，而行为则是机制实现所产生的结果，因此人工智能的机制模拟方法比传统的结构模拟、功能模拟、行为模拟方法具有更深刻和更本质的意义。
4.7 知识的内生态系统
运用新的科学观和方法论，我们又发现了知识的内生态系统：知识内部不是如铁板一样凝固的对象，而是一个充满活力的生态系统；认识论信息（全信息）首先生长成为欠成熟的经验知识，接着后者通过验证和完善生长成为成熟的规范知识，经验知识和规范知识又进一步凝聚成为超成熟的常识知识。简而言之，经验知识规范知识常识知识是知识的内生态学系统。知识内生态学系统的发现直接导致人工智能3大主流方法的统一。
4.8 人工智能的统一理论
人工智能的结构模拟方法（人工神经网络，后来发展成为计算智能）利用的是训练得到的经验知识；功能模拟方法（物理符号系统，后来收缩成为专家系统）利用的是人工输入的规范知识；行为模拟方法（感知动作系统，后来发展成为机器人）利用的是人工输入的常识知识。知识的内生态学系统表明，经验知识、规范知识、常识知识是知识的3个相生（而不是相克）状态，因此原先鼎足三分的人工智能3大主流方法在机制模拟方法的框架内也呈现出相生关系，达到了和谐的统一。这显然是人工智能理论研究的重要进展。
4.9 全信息—智能转换：第三类信息转换原理
第一类信息转换原理是信息内部转换的原理，即由本体论信息到认识论信息（全信息）的转换；第二类信息转换原理是由全信息到知识的转换；第三类信息转换则是全信息向基础意识、情感和理智的转换。
我们运用新的科学观和方法论后发现：基础意识的生成机制是在全信息的激励下启动，在本能知识和常识知识支持下展开，在系统目标导控下实现的转换；情感的生成机制是在全信息的激励下启动，在本能知识、常识知识和经验知识支持下展开，在系统目标导控下实现的转换；理智的生成机制是在全信息的激励下启动，在本能知识、常识知识、经验知识和规范知识支持下展开，在系统目标导控下实现的转换。与全信息一知识转换过程类似，这些转换也存在量变到质变（涌现）的过程。
4.10 高等人工智能原理
受到传统方法论的影响，现有人工智能理论的智能模型是一种既不完整又不真实的模型。基于上面所述的第一、第二、第三类信息转换原理，我们提出图2所示的高等人工智能理论的研究模型，图中的符号G表示系统的目标；K1表示本能知识和常识知识的集合；K2表示本能知识、常识知识和经验知识的集合；K3表示本能知识、常识知识、经验知识和规范知识的集合；K4表示本能知识、常识知识、经验知识、规范知识和决策艺术知识的集合。
从图2中可以看出，高等人工智能系统直接面向开放的外部世界，后者不断产生各种事物的本体论信息；感知系统（而不是简单的传感系统）按照第一类信息转换原理把本体论信息转换成为认识论信息（全信息）；认知系统按照第二类信息转换原理把全信息转换成为知识；基础意识、情感和理智系统则分别在知识K1、K2、K3支持并在目标G导控下完成第三类信息转换，把全信息分别转换成为基础意识、情感和理智；决策系统则在知识K4支持并在目标G导控下把情感表达和理智表达综合成为解决问题的智能策略；执行系统把智能策略转换成为智能行为，反作用于外部世界。
如果智能行为产生的结果与目标一致或可以接受，这种策略就作为一种正确的知识补充到知识库；如果智能行为产生的结果与目标之间存在比较明显的误差，那么这个误差就成为一种新的信息反馈到感知系统，经系统后续处理，补充知识，优化策略，使新的智能行为产生更好的结果，如此循环往复，直到满意为止。这是一个完整而真实的人工智能模型，对于人工智能未来的发展具有重要意义。
5 结语
研究不同的对象，需要有不同的科学观和方法论。基于物质观和能量观的分而治之、各个击破、合成还原方法论曾经指导人们在物质科学领域取得过历史性的辉煌成就，但是在以信息和信息转换为主导特征的开放复杂信息系统这类研究对象面前却显露出严重的缺陷。
关键词：网络教学；Agent技术；个性化
中图分类号：G250.73 文献标识码：B 文章编号：1673-8454(2012)01-0068-03
一、引 言
近几年，随着互联网的快速发展，网络教学平台的不断涌现，网络教学系统的应用普及率越来越高，个性化教学系统的研究和开发成为网络教学中的关键问题和热点。史敏军运用Web挖掘技术与协同过滤技术，建立用户兴趣模型，并搭建了基于个性化服务技术的教学平台；陈丽花根据贝叶斯网络理论设计和实现了一种基于和SQL Server数据库技术的个性化教学系统；陈智勇提出了基于XML Web Service技术的教学资源集成方案，并根据此方案利用ASP. NET编程语言构建了一个教学资源综合平台。[1-3]网络教学系统虽然在应用中取得了一定的成果，但也存在一些问题，概括起来主要有：（1）系统缺乏智能性和自适应性，并且对系统用户采用基本相同的教学策略,难以实现按需学习和因材施教；（2）单一的教学模式使得呈现内容的界面比较简单，不能实现个性化的内容传导模式。针对目前网上教学系统存在的不足与难点，以个性化相关学习理论为指导，本文研究了基于Agent的网络教学构建技术，进而分析了对现有网络教学系统进行改进的方法，指出Agent技术在应用于网络教学的优势。
二、Agent技术分析
Agent技术源自分布式人工智能（DAI），是现代计算机技术和通信技术发展的必然结果。Agent是人工智能计算机软件领域内的一个新兴技术，Agent概念可追溯至1977年Hewitt提出的并发演员（actor）模型，从上个世纪80年代开始，Agent技术从分布式人工智能领域分离出来，并与其他领域的处理方法进行融合，成为一个交叉性的学术领域，涵盖人工智能、分布式系统、专家系统、知识工程和并行计算等多个领域，到了90年代，Agent技术进入迅猛发展阶段，多Agent系统的研究成为分布式人工智能的研究热点问题。近年来，Agent发展尤为迅速，研究者在社会的各个领域如电子商务、供应链、智能决策、软件工程等对Agent理论及其应用做了大量的研究，Agent技术逐渐成为人们关注的热点问题。目前，关于Agent的研究不仅受到了人工智能研究者的关注，也引起了机器人、数据通信、人机界面设计等多个领域研究者的关注，成为一个富有生机的研究领域，且有越来越多的研究者将Agent技术应用在不同的领域。
目前，对于Agent技术的定义还没有统一的标准，不同专业的人对Agent的理解也不大相同。大家普遍认为，Agent是一种在特定的环境下能够感知环境，并且能够灵活、自主地运行来实现一系列设计目标的、自主的计算程序或实体，它能够感知环境，并且对外界的信息做出判断和推理，从而来控制自己的决策和行动，完成一定的任务。[4]
Agent具有社会能力、自主性、自适应性和移动性等许多特性，这些特性决定了Agent技术不同于以往任何一种软件开发技术，利用Agent技术开发的软件实体将更具智能性，能在一定程度上实现程序的自动化和智能化。为了完成一项复杂的任务，可创建多个相互协作的Agent，以提高系统实际解决问题的能力。多个单个的自主Agent组成的整体是一个多Agent系统，多Agent系统不仅具备一般分布式系统所具有的实时性好、易于扩充、资源共享、灵活、可靠性高等特点，并且Agent之间能够通过相互协调、协作解决大量的复杂问题，使系统具有很强的鲁棒性、可靠性及自组织能力，非常适合于个性化网络教学平台的构建。
三、Agent技术在网络教学平台中的应用
1.基于多Agent技术的协同远程教学
远程教学主要以建构主义学习理论和教学理论为基本指导，借助于互联网并运用计算机多媒体处理技术，提供网上虚拟情景课堂进行教学，支持学生在线进行个性化的学习。其特点从两个方面可以体现：一是学生是学习的主体，通过互联网虚拟的情景课堂来进行交互式的自主学习；另一方面教师是教学的主体，要通过对授课的课程进行规划与设计，采用在线专题讨论和知识点总结、创立问题情景与综合评价、激励等措施，从而激发学生的学习兴趣以及学习的主动性，提高他们理解能力和掌握知识体系的能力，培养他们的创新精神，从而能督促学生进行广泛、深入的学习。因此，怎样发现和掌握不同学习主体的认知结构，针对不同的主体，有计划地建立动态的的学习情景，促使学生的学习活动与现有的认知结构相互作用，推动现有认知框架不断分化、协作、重组和扩展，进而实现学习目标，是远程教学模型设计的重中之重。
Agent是以主动服务的方式自动完成一组操作的计算机程序。一方面主动应该包括主动适应，即在完成操作的过程中，可以自动地获取关于操作的知识以及关于用户的偏好知识与意图，而且在以后的操作中加以利用；另一方面包括主动，也就是说无需用户发出指令，只要当前的状态符合一定的条件即可代表用户执行相应的操作。
基于Agent具有的各种优良、独有的特性，将Agent技术应用于远程教学环境，能从根本上克服现阶段远程教学平台的局限性：
第一，能够最大限度地支持教学过程与内容的个性化，增加趣味性，有效提高教学质量和改善教学效果；
第二，利用Agent的社会性特征，能满足协同学习的需要，把每类学生看成一个Agent，学生之间通过Agent的协作机制来完成协同学习，从而提高学生的学习质量与学习效果，那么同样也可以把老师看成一个个Agent，通过MAS的协作性和社会性与学生Agent交互信息，有效地掌握学生的学习状态；
第三，用Agent技术来处理学生的基本信息，能够有效地动态跟踪学生的学习行为及学习效果，为更加有效地建立学生信息管理模型提供可靠的依据。[5]
利用Agent的智能化思想来分析远程教学平台的总体需求并设计一体化解决方案，充分体现Agent技术在远程教学应用中的智能性、主动性，尤其是在流行的Web技术的基础上嵌入Agent技术，无疑会极大地促进远程教学平台的个性化与智能化，充分调动学生主体的自主学习兴趣，有效地提高学生的创新能力。然而，远程教学平台它本身就是一个非常庞大又复杂、不可预测的信息系统，一般会要覆盖教学过程中的每个环节，因而，通常将其划分成若干个子问题，来构造多个具有一定功能的Agent，在由这些Agent去协作处理教学过程中相应的子问题。基于多Agent的网络在协同教学系统模型，如图所示。
2.基于Agent技术的教育资源配送
教育资源配送系统（ERPS，Education Resources Purvey System）是指在各种媒介（如Internet等）综合环境下，为资源需求用户（如学生、教师以及各种教育教学机构）提供快捷、全面的各种媒体形式需要的教育资源的一种资源配送方式，信息资源配送系统是一种计算机软件，因此，它需要一种计算机技术来实现这种新的资源配送方式，多Agent技术本身拥有的诸多特性使其可以大规模地应用于教育资源的配送模式中。（1）多Agent的主动性非常适合于配送系统中的各个用户结点，Agent技术自身能很好地满足这些结点的自主性需求。（2）多Agent之间的协作和协调能力为资源配送环境中的各个结点之间的信息交互与共享提供了技术支持。（3）Agent的反应性能可以确保系统应对各种动态的、复杂的资源配送环境的变化，Agent的反应性还可以通过“感知―行为”模式来完成，行为通过与资源配送环境的交互来实现，它的特性就是能够快速响应环境的变化。（4）Agent的社会性特征符合配送系统所要求具备全局协调配送能力的要求，Agent的社会性指Agent能与其他Agent进行交互以便协作完成任务，它克服了单Agent解决复杂性问题的不足，为Agent的整体协作解决问题创造了条件。在教育资源配送系统中，节点用户对资源的动态要求以及配送环境的动态变化，都要求系统各个Agent能够通过合理、有效的协调交互机制达到全局的合理配送。基于Agent技术建立教育资源配送系统，能改变资源配送的方式，大大提升整个配送系统的效率。
3.Agent技术在网络教学其他方面的应用
文献[6]阐述了网络教学智能化、自适应化是目前网络教学发展的趋势和提高教学效果的有效途径，结合人工智能与网络教学，提出了一种基于多Agent的自适应学习系统，利用Agent的智能性、主动性来实现教学系统的智能化、自适应化，从而使教学真正做到个性化的学习，实现因材施教。文献[7]探讨了Agent技术在网络虚拟学习社区教学活动中的应用，基于Agent技术的虚拟学习社区可以改变传统的教学方式和学习方式，使学习方式从传统的独学变为群学、使学习结构从封闭变为开放，最终使教学从知识传授转变为知识建构。文献[8]从现有网络教学系统缺乏深入了解用户兴趣的实际现状出发提出了一种基于Agent的个性化教学系统，并结合神经网络技术，以用户兴趣追踪为出发点，探讨了采用启发式算法来获取用户兴趣特征的方法，从而以最快的速度学习到最新的用户兴趣。另外Agent技术还应用在教育信息化的其他各个方面。
四、总结
目前有关将Agent技术应用于网络教学领域的研究才刚刚起步，Agent技术在未来将大有用武之地，因此更好地利用日趋成熟的Agent技术推进网络教学建设是我们未来工作的重点之一。本文列举了Agent技术在网络教学领域的应用，概要分析了Agent技术在解决网络教学方面的优势，Agent技术的诸多优点使得将Agent技术应用于网络教学领域，将大大推动网络教育的发展。
参考文献：
[1]史敏军.基于个性化服务的教学系统研究[J].中国科技信息,2009(22):239.
[2]陈丽华.省略的个性化教学系统设计研究[J].大理学院学报,2009，8(8):22.
[3]陈智勇.基于XML WebService教学资源综合平台的设计与实现[J].中国医学教育技术,2009，23(3):267-268.
[4]王立春,陈世福等.多Agent多问题协商模型[J].软件学报,2002.13(8):1638-1639.
[5]高仲慧,林筑英等.基于多Agent的自适应远程教学系统模型[J].贵州师范大学学报（自然科学版）2009，27(3):96-97.
[6]崔惠萍,傅钢善.基于多Agent的自适应学习系统的研究[J].教育软件开发与应用,2006.
1.使教学内容直观化，缩短教学时间，提高效率
在一般的教学中，使用教育技术手段就可以使内容具体化、直观化。比如说：我校是建设类学校，有施工建设，园林栽培等等，以具体到如何挖一个基坑为例，如果直接由老师讲解的话感觉非常抽象，即使老师讲解后再实地挖坑也没有那么顺利，总会有很多问题。那么为了提高教学效率，可以先组织学生观看教学录像，老师再用课件讲解，然后再在实训基地实地自己动手挖掘，效果会好很多，这样学生就不会忘记这个学习内容了，教学内容就变得直观了。
2.改变了传统的教学模式，课堂更加开放
传统的教学内容包括很多章节，每个章节都有理论学习、练习、测验、实验等等内容，现代教育技术的发展改变了这种教学模式，课堂学习更加开放，网络的发展促进了网络课程的发展，网络学习资源越来越多，丰富的网络课程可以使学生根据自己的进度自主学习，反复观看，巩固所学知识。随着信息技术的进步也开发了很多仿真软件，一些基础的实验完全可以让学生在软件上先练习，比如电路接线实验等等，这样等学生熟悉了过程再用真实材料练习，可以节约开支，节约时间，也可以反复练习，不受实验材料和场地的限制了。
二、现代教育技术在职业教育领域的发展方向
随着科技的发展，现代教育技术的发展也是日新月异的，从目前情况来看，本人认为现代教育技术在职业教育领域的发展主要有以下三个方向：
1.高速网络化发展
目前世界各国对网络的应用都极为重视，不仅深入到社会生活的各个领域，而且早就进入各级各类学校。现在几乎每个学校都建立了教学资源库，集中各种学习资源。现在正在进行的各级精品课程及网络课程项目，就是集中各校优质资源，优秀老师进行课程讲解，可以在线教学，在线批阅作业，在线答疑，远程学习，让学生可以反复学习，认真总结，学到更多，实现资源共享。也可以不局限于普通电脑终端，可以拓展到各种移动设备比如最普遍的手机上，这样完全可以随时随地学习了，可以达到全面学习的水平。
2.虚拟现实技术
虚拟现实(VirtualReality)，简称VR，它综合利用了计算机图形学、仿真技术、多媒体技术、人工智能技术、计算机网络技术、并行处理技术和多传感器技术，模拟人的视觉、听觉、触觉等感觉器官功能，使人能够沉浸在计算机生成的虚拟境界中。虚拟现实技术在职业教育中很有应用前景，利用虚拟现实技术打造实验仿真平台让学习者“亲身体验”实验操作或动手训练，学习者不必真正面对危险的、昂贵的或不可能实地操作的实验项目或环境，这种虚拟现实环境既可满足大部分教学和训练的要求，又可大大减少经费的投入。以我校为例，我校是建设类学校，如果有多专业的仿真设备而不仅仅是仿真软件的话，就可以用这样的设备让学生先体会实际工程的建设过程，安全而且节约成本，等自己真正踏上工作岗位就很快可以投入具体工作了。
3.人工智能
关键词:中西合璧;人工智能;双语教学
双语教学是我国高等教育适应国际化趋势、培养富有创新精神和国际视野的复合型高素质人才的需要。作为一种全新的教学方式,它承接了中外文化的碰撞和融合[1]。各校在教学过程中都遇到了各种困难,也探索了不少经验。自2005年秋季,我校在人工智能课程中采用双语授课,在教学实践中摸索出一套中西合璧的双语教学模式,将中西方的优势有效结合起来,比较适用于工科专业课程的双语教学。
1中西合璧的双语教材
教材是体现教学内容的知识载体,是教师和学生进行教学活动的基本工具。我们重点调查了MIT、Stanford和CMU等国外高校,他们均选用了Stuart J. Russell和Peter Norvig合著的《Artificial Intelligence: A Modern Approach》,该教材几乎涵盖了CC2001关于人工智能课程的全部内容。该书网站(aima.cs. berkeley.edu/)的统计数据显示,目前已有100多个国家的1 100多所大学选用该书作为教材。我们对选用该教材的部分高校授课情况作了追踪调查,结果表明绝大部分人工智能课程的实际授课内容都与该教材内容基本一致。在国内,中南大学的人工智能课程是国家级精品课程,教材是课程负责人蔡自兴教授与徐光佑教授主编、清华大学出版社出版的《人工智能及其应用》(第三版)(该教材分本科生用书和研究生用书两种版本),与其课程内容设置完全配套。
我校选用了《Artificial Intelligence: A Modern Approach(2nd)》一书,清华大学出版社出版了影印版(人民邮电出版社出版了中译文版本),同时将Nils J. Nilsson著的《Artificial Intelligence: A New Synthesis》作为辅助教材,机械工业出版社出版了英文影印版及中译文版本。
人工智能这一学科诞生于西方,目前该领域的诸多成果和文献均以英文为语言载体。选用英文原版教材、推行双语教学,为学生的后续学习和研究深造奠定了良好基础。另外,与国内教材相比,国外教材更注重知识产生的过程、解决问题的思维方法,对提高学生的学习兴趣、培养学生的创新能力极其有益。另一方面,选用原版教材的问题也显而易见。一是原版教材内容过多,需要精心筛选、分清主次后才能使用;二是原版教材昂贵,增加了学生的经济负担,再购买配套中译文版,负担更重;三是学生英语水平参差不齐,双语授课的课程还不成体系,前后课程缺乏衔接性和延续性,学生直接使用原版教材有一定的语言障碍,即使有配套的中译文版,同时翻看两本书也不方便。
我们正在逐步消化吸收英文原版教材,在无损原版教材思想精髓的前提下,自主编写适用于双语教学的中西合璧讲义。双语教材以英文语言为主,以中文注释为辅,有效降低学生阅读的难度,更趋实用。
2中西合璧的授课语言
语言是信息传递的载体,是教学过程中必不可少的工具。双语教学涉及到这种信息传递载体的改变。
在双语教学中,外语的使用比例要求不低于50%,这是不够科学的。双语教学不是语言课,教学质量依然是核心,语言仅仅是载体,引入外语教学的目的无非是为了保证知识的“原汁原味”,同时训练学生的专业外语听说能力,但这一切都应以学生听懂课为前提。双语授课进度慢已是不争的事实,更有些双语教师,为了兼顾上述目的,先用外语讲一遍,再用汉语解释一遍,这种做法极不可取,也是紧张的课时限制所不允许的。双语课味同嚼蜡,引不起学生兴趣,也是普遍存在的现象。
我校人工智能课程的授课对象是计算机专业的四年级本科生,学生的英语水平很不均衡,如果不考虑实际情况,大比例地采用英语讲授,是难以保证教学效果的。我们把握的原则是:1)英语主要用于讲解专业性内容,如专业术语、技术原理、算法等,这样学生在学术交流中就不会对专业技术内容存在语言障碍;2)只用学生能听懂的语言讲授专业性内容,对过于生涩的专业技术内容,还要使用汉语讲解,这样学生就不会把专业技术内容学“夹生”了,在作研究时才不会有技术上的障碍;3)用母语调节课堂气氛,适当穿插的人工智能领域人物、故事及笑话以汉语为主,把学生发散的注意力快速集中起来,把学生的学习兴趣激发出来;4)中英文衔接,不重复表述,这样就不会额外占用课时。
例如,在讲解Agent技术时,对于Agent的定义、结构等核心内容,我们采用英语讲解;而对于Agent涉及到的心理学、逻辑学等方面的生涩理论,则用汉语给出扼要的说明;对于为阐释Agent的rationality概念而举的吸尘机器人、黑足泥蜂搬运食物的例子,则主要用汉语讲解,激发学生的兴趣,抓住学生的注意力。
3中西合璧的教学课件
作为一种新型的教学手段,多媒体以其鲜明的图像、生动的画面、灵活多变的动画及声音效果克服了传统教学模式的诸多不足,受到师生的认可与好评[2]。本文探讨的重点不是如何设计媒体的表现形式,而是如何利用课件更好地发挥双语教学的效果。很多双语教学任课教师只注重追求授课过程中外语的使用比例,课件全文用外语制作,在讲解过程中还要费尽周折地解释,收效甚微。我们在制作课件时,不单纯追求英语比例,而是想方设法让课件能更好地辅助学生理解,在关键处均用双语同步给出内容,或者以英文为主,给出扼要的中文注释。这样,学生能够通过视觉信息更好地理解授课内容,而教师也不必再用中英文重复叙述。
此外,在课件素材的选取上,也应注意国内外结合。比如,在讲解启发式搜索技术时,国外课件(包括教材)常用的素材是八皇后、八数码等问题,其中八皇后问题相对大多数同学来讲比较陌生,而国内的重排九宫(与八数码问题是一个问题)、华容道等问题对学生来讲则更熟悉。用国内的素材入门、用国外的素材拓宽视野,也是多媒体课件的中西合璧之道。
4中西合璧的文化熏陶
文化是生活在一定地域内的人们的思想、信念及生活与行为方式的总称。从人才培养的角度,我们一般将培养目标分为知识、能力和素质三个层面,文化属素质培养范畴。文化的熏陶和感染在育人中具有重要作用,这一点往往容易被工科专业课教师忽略。
从历史文化的角度看,中西方文化从萌芽、发展到现在的格局,无疑是各具特色的。双语教学提供了开放的空间,让学生在学习的同时广泛吸纳西方文化,但这也给中国传统文化造成了一定的冲击,如不注意调和,势必造成文化失衡,对培养学生的世界观、人生观、价值观都不利。尤其计算机类课程中的技术内容大部分诞生于西方,如果不在教学过程中进行一种文化平衡,往往会使学生产生一种我不如人的自卑心理或崇洋心理。
中西方文化对人与自然的基本观点是不同的。中国文化关注的对象是人,人与人的关系自先秦时期便成为中国文化的核心与基础问题。而西方文化较多关注的是自然,人与自然的关系是古希腊注重的中心问题,由此衍生出理智和科技。中国的哲学是一种人生哲学,在处理人与自然的关系上,中国文化讲究天人合一、顺天应物、道法自然。把自然人格化,追求人与自然和谐发展。从古希腊泰勒斯的自然哲学开始,探索自然奥秘,开发和利用自然资源为人类服务就成为了欧洲思想的主流。西方科学起源于对自然的探索和研究,很早就出现了毕达哥拉斯、阿基米得这样名垂千古的科学家。在人与自然的关系上,西方文化认为人与自然处于对立的斗争状态。西方人也讲人与人之间的关系,但首先关注的不是伦理而是竞争,因而出现了“优胜劣汰”的规律[3]。
在工科专业课堂上,涉及到文化要素的主要是两方面内容,一是与课程技术内容有关的哲学观点,二是本学科发展历程中的人物、事件和形成的学派等等。在教学过程中,教师要注意穿插上述内容,对学生进行文化熏陶,要注意中西合璧。比如,介绍人工智能发展过程中的重要人物时,必然提及Turing、McCarthy、Minsky、Shannoon、Simon、Newell、Feigenbaum、Hopfield、Brooks等西方学者,但同样也不能忽略国内的吴文俊、王守觉、蔡文等学者,他们近年分别在机器定理证明、仿生模式识别、可拓学等领域取得了开创性成果,而这些还没有来得及写进人工智能教科书。
5中西合璧的思维方式
对学生思维方式的培养也是教学任务之一。中西方文化的差异也将导致思维方式的不同。在技术思维方面,中国强调系统和整体,更具辩证性;而西方强调细节和局部,更注重逻辑性。西方人的思维方法更偏于二元对立,而中国文化环境则造就了中国人思维方式的连续统合特征[4]。外文教材的编写体例与中文教材有着明显的不同,这就是中西方思维方式不同的原因。教师首先要注意到这种思维方式的差异,并在教学活动中让学生也逐步意识到这种差异,并进一步接纳和学会西方的思维方式,将中西方的思维方式融于一身。举例来说,在讲解逻辑推理技术时,可以通过介绍逻辑学的三大起源(古希腊的形式逻辑、古印度的因明学、我国先秦时期的名辩学)向学生呈现这种思维方式的差异,在讲解演绎推理、模糊推理、云推理时,也要注意体现中西方思维方式中各自的特长,以利于学生吸纳。
6结语
自2005年开展双语教学以来,我们每年授课后都进行一次教学效果的问卷调查,“接受双语教学”的学生比例从2005年的37%逐年上升到2009年的89%,说明这套双语教学模式已经得到了绝大多数学生的认可。
中西合璧的双语教学模式是我们在人工智能教学过程中探索出来的,但是也可以推广到其他工科专业课中。双语教学中各种要素的中西合璧不是简单相加,而是要结合专业内容进行深度融合,这需要任课教师广泛涉猎、精心加工、用心引导。双语教学不能停留在语言形式和技术内容层面上,还要上升到文化和思维层面。
注:本论文受到哈尔滨工程大学教学改革工程项目支持。
参考文献:
[1] 施锦芳. 高校双语教学模式及方法的研究与实践[J]. 沈阳教育学院学报,2010,12(2):33-35.
[2] 周荃,胡奕. 多媒体教学:传统教学手段的历史性转型[J]. 广州市经济管理干部学院学报,2006,8(2):69-71.
[3] 邓绍建. 中西方文化差异研究[J]. 价值工程,2010(5):220-221.
[4] 马丽,滕修攀. 中西方思维方式的文化差异研究:二元对立与连续统合的视角[J]. 社会心理科学,2010,25(2):13-17.
Sino-west Style Bilingual Teaching Mode for Artificial Intelligence
LIU Hai-bo, SHEN Jing, ZHANG Guo-yin, LIU Jie
(College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China)
钟老师，您已经研究了几十年的信息科学。《信息科学原理》一书已经重印到第五版。您能否给读者们讲一讲，信息科学是什么？有什么特点？
钟义信：简要地说，信息科学就是研究信息及其运动规律的科学。具体地说，信息科学是“以信息为研究对象、以信息运动规律为研究内容、以信息科学方法为研究指南、以扩展人的智力能力（它是信息能力的有机整体）为研究目标”的一门新兴横断科学。
武健：从概念、定义来看，信息科学与计算机科学并不完全一样。因为信息科学是以信息运动规律为研究内容的，研究内容既不专指计算，也不是专指计算机。从这个角度思考，信息科技课程与计算机课程的内容将有很大的区别。这对于一线信息技术教师来说，了解信息科学就更加重要了。您能否给我们讲一讲信息科学的核心内容是什么？它对于整个社会能发挥什么作用？
钟义信：信息科学的概念（定义）也可以通过它的基本模型来表现（见下页图1）。
这个模型也可以简化为以下更直观一些的模型（见下页图2）。
考察信息科学的定义和它的基本模型（以及简化模型）可以知道：
信息科学最大的特点是研究“信息”（而不是物质和能量）。
它的核心内容就是研究“信息运动规律，即信息-知识-智能转换的规律”。
世间一切物质的运动都会产生信息。人类正是通过研究信息，才能认识世界（包括自然和社会）。因此，信息科学的研究目标，就是“扩展人类的智力能力，也就是扩展人类认识世界和改造世界的能力”。这就是信息科学对于整个社会的作用所在。
武健：我记得您曾经讲过信息分成主客体关系，那么我们理解基本模型与简化模型也是一步步地发展出来的。从简到繁是否可以这样理解？（如下页图3）
从信息定义的基本模型中，还可以看到信息科学在特别关注着策略，尤其是人的策略。从这个角度来看，信息科技课程中会有着一批以前没有的教学内容。技术课中的学习计算机操作的教学目标是学会操作。而信息科技框架下的课程则需要以应用技术，挖掘其中的问题解决策略，了解信息科学概念与原理为主要目标了。
每个学科都会有一批本学科的科学家，像牛顿对于物理，哈勃对于天文，欧姆对于电学……信息科学是一门新兴的横断科学，那么您认为这门学科中有代表性的信息科学家有哪些人？
钟义信：横断科学，是在概括和综合多门学科的基础上形成的一类学科。它不是以客观世界的某种物质结构及其运动形式为研究对象，而是从许多物质结构及其运动形式中抽出某一特定的共同方面作为研究对象，其研究对象横贯多个领域甚至一切领域。所以，信息科学家、信息技术专家会有自己的领域，但会在共同的信息方向有突出贡献。
如香农（Shannon）在1948年发表了论文“通信的数学理论”，奠定了“通信信息论”;维纳（Wiener）在1948年出版了著作《控制论》，奠定了随机控制理论，贝塔朗菲（Bertalanffy）在20世纪60年代出版了《一般系统论》，建立了系统论。西蒙（Simon）对功能模拟的人工智能理论做出了奠基性的贡献，费根鲍姆（Feigenbaum）是人工智能专家系统的开拓者，闵斯基（Minsky）对人工神经网络和认知理论有突出的贡献，查德（Zadeh）创建了支持信息科学研究的模糊集合和模糊逻辑， 柯尔莫戈洛夫（Kolmogorov）对信息理论和控制理论都有杰出贡献，等等。这些人都在信息科学领域有过不同方面的重要建树，都可以称之为信息科学家。
由于我国只有各种信息技术的学术机构而没有专门的信息科学的学术机构，很少纯粹信息科学方面的交流机会，因此很难确定谁是信息科学家。不过，由于我国信息化建设的迅猛发展，确实出现了不少在信息科学技术方面做出重要贡献的人员。
武健：信息科学是一门新兴的学科。既然是“新兴”，那么它一定在发展，甚至是快速发展。您认为信息科学主要研究的方向与进展如何？现阶段出现了什么样的困难？
钟义信：相对而言，信息科学是一门非常年轻的学科。因此，它的主要研究方向应当是信息科学的基础理论，研究信息的基本运动规律。其中包括信息理论、知识理论、智能理论，特别是信息、知识、智能之间的转换理论（一体化理论）。
经过半个多世纪的研究和探索，我们在这些基础研究方面取得了可喜的进展，具体表现在：建立了超越与拓展传统信息论的“全信息理论”，发现了“知识的生态学规律”，创建了“机制模拟的人工智能理论”，实现了“结构主义、功能主义、行为主义人工智能理论”的统一，还创建了“基础意识―情感―理智三位一体的高等人工智能”，特别值得提到的是，发现了意义重大的“信息转换与智能创生定律”。
在取得这些进展的过程中，发现物质科学（代表性科学是物理科学）的科学观（还原论）和方法论（分而治之）不适用于信息科学（和智能科学）研究，总结并提出了适用于信息科学研究的新的科学观和方法论。
面临的主要困难是：由于信息科学和智能理论的研究对象多数是非常复杂的问题，因此现有的数学工具不敷应用，特别是其中的逻辑理论还相当单薄，不足以支持这些复杂问题的创新研究。这是当前信息科学发展中的“瓶颈”。
武健：信息科学关系到的方法论可以分成信息科学研究的方法论和信息技术应用的方法论。根据这样的观点，在信息科技课程中，需要以完整的信息综合活动展开教学，而不适合片面地学习信息获取、信息处理某一个片段。因为信息科学方法论更强调从整体到局部，不建议从信息运动中的某一细节去理解典型的信息过程。
信息科技的方法论分成理论研究层级和技术应用层级。您认为在信息科学研究中，常用的方法与手段有哪些？
钟义信：与物理科学研究方法最大的不同，是不再采用“分而治之，各个击破”这种流行了数百年之久而且一直行之有效的传统科学研究方法论，而是改为运用全新的“信息转换与智能创生”方法论。
原因是：“分而治之”方法论在把系统分解为若干子系统的时候，必定会丢失各个子系统之间相互联系相互作用的信息，而这些信息正是复杂信息系统的生命线。就像研究人脑思维奥秘的时候，如果采用“分而治之”的方法把人脑分解为若干部分进行研究，即使把每个部分都研究好了，也无法揭示人脑思维的奥秘，因为分解之后的这些人脑部分根本无法复原为活的人脑。
“信息转换与智能创生”方法认为，信息系统是一个生态系统：由信息生成知识进而生成智能（策略），从而按照策略解决问题。它强调信息、知识、智能（策略）之间的相互联系和相互作用，强调信息、知识、智能（策略）之间的生态联系，根据外部世界客体的信息和认识主体的目的，可以通过学习创生解决问题的智能策略。
至于具体的研究工具，基本也是硬件试验和软件仿真（包括虚拟现实）。
武健：在信息科学体系中，您认为这个领域中最基本的概念和原理是什么？
钟义信：信息科学最基本的概念包括信息、知识、智能。人们往往把信息科学技术仅仅局限在“信息”范畴，这其实是对信息科学技术严重的。经过这样的信息科学技术的作用，就大大被削弱了。
信息科学最基本的原理则是：信息―知识―智能转换原理。正确运用这个基本原理，人们就可以在具体的环境中求出解决问题、而且保证实现“主客双赢”的智能策略，从而满意地解决问题。
武健：一般人都知道，现代科学与技术有着不可分割的密切关系。一方面，很多人还不知道什么是信息科学，另一方面，还不能想象信息科学与信息技术之间有什么关系。您认为两者有什么样的区别与联系？
钟义信：信息科学与信息技术是一对孪生的概念，信息科学是信息技术的理论基础，信息技术是信息科学理论的具体实现。两者相互联系，相互促进。
武健：很多人认为信息技术就是计算机技术加上网络技术，信息技术就是能够用计算机上网。这部分人觉得，信息技术就是信息技术，不是什么“关于信息的技术”。关于这些观点您是怎么看的？从信息科学的角度来看信息技术应当包含什么内容？
钟义信：只要对照信息科学的简化模型，就可以很明确地回答：信息技术不等于计算机技术和网络技术，因为这个说法很不全面，忽略了传感技术，忽略了控制技术，特别是忽略了人工智能技术。
实际上，在以往，关于“信息技术”的概念，确实曾经流行过很多各不相同的说法。其中比较出名的包括：
1C说――认为“信息技术就是Communication技术”，理由是：信息论就是通信论;也有一些人认为“信息技术就是Computer技术”，理由是：计算机就是用来处理信息的技术。
2C说――认为“信息技术就是Computer+ Communication技术”。
3C说――认为“信息技术就是Computer+ Communication + Control技术”。
但是，对照信息科学的简化模型就可以明白，这些说法都属于“以偏概全”的认识，都是不全面的认识。
从信息科学的简化模型可以非常清晰地了解到具体的信息技术内容，包括实现信息获取功能的“传感技术”，实现信息传递和策略传递功能的“通信技术”，实现信息预处理功能的“计算机技术和存储技术”，实现信息认知功能和智能决策功能的“人工智能技术”，实现策略执行功能的“控制技术”，以及实现反馈学习和策略优化的“信息系统自组织技术”等。
武健：您认为未来20～30年，信息科技最有意思的发展可能是什么？
钟义信：根据“科学技术拟人律”，未来20～30年，信息科学技术最有意义的发展将是人工智能技术。
对照信息科学简化模型就知道，扩展感觉器官功能的传感技术、扩展传导神经系统的通信技术、扩展思维器官预处理功能的计算机技术以及扩展效应器官功能的控制技术都是相对而言的技术，扩展思维器官认知功能和决策功能的人工智能技术才是核心技术。目前信息技术已经得到长足的发展（未来当然还会继续发展），这就为核心信息技术的发展打好了基础，也产生了需求。因此，未来20～30年间，人工智能科学技术必然成为发展的主导潮流。
武健：您认为学习信息科技的知识对于中小学生来说有何意义？有没有哪一部分内容需要在现阶段特别强调的？
钟义信：中小学生绝对应当学习基本的信息科学知识，掌握信息技术的基本能力。当今的时代是信息时代，不学习信息科学技术，就会成为落伍的一代，被淘汰的一代。这是非常危险的。
当然，中小学生学习信息科学技术应当遵循“循序渐进”的认知规律和“兴趣引导”的教学方法。事实上，信息科学技术本身的发展就是循序渐进的，如图4所示。
武健：您对中小学的信息科学与技术课程（不等同于计算机课程）有何期望与要求？
钟义信：根据“信息科学技术”的定义，“计算机科学技术”只是“信息科学技术”的一个组成部分。部分不等于全体，部分不能代替全体。所以，不能用“计算机”课程代替“信息科学技术”课程。
中小学的信息科学技术教育是一个极其重要的问题，又是一个十分复杂的问题。我们不能就事论事孤立地讨论中小学的信息科学技术课程，而应当把它作为“国家信息科学技术教育系统工程”来统筹考虑：小学阶段学什么？中学阶段学什么？大学阶段学什么？硕士研究生阶段学什么？博士研究生阶段学什么？等等。
按照“信息科学技术教育系统工程”的思路，中小学生应当通过“学习最为基础的信息科学概念”和“掌握最为基本的信息技术能力”形成“最浅层（然而又是准确的）的信息科学技术观念和浓厚的兴趣”。其中，“观念和兴趣”是最重要的，而“概念和能力”则是支撑这种“观念和兴趣”的支柱。
武健：钟老师，感谢您的指导。您认为2010年后，学科基本研究才逐步成熟起来。一门学科从成熟到走进基础教育往往需要十多年的工作，而信息科技课程的发展将是长期的。希望您以后能够经常关注基础教育中的信息科技课程发展，给我们更多指导。
附录：
