人工智能教育领域范文
前言：我们精心挑选了数篇优质人工智能教育领域文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。
第1篇
关键词：人工智能；大数据；交叉领域
自二战时期阿兰•图灵破解恩尼格玛密码机带来胜利的曙光之后，人工智能初见苗头，1956年“人工智能”一词首次由约翰•麦卡锡等科学家在达特茅斯研讨会上提出，时至今日，人工智能经历了60多年的浪潮和洗礼，其中有曙光、有冰封，也有期望。纵观当下，人工智能不仅仅是机器智能，在深度学习和推陈出新的算法推动下，其携手云计算、大数据、卷积神经网络等，攻破了自然语言语音处理、图像识别的瓶颈，像潘多拉的盒子一样在认知科学、机器人学、机器学习等领域全面开花，人工智能涵盖了从基础层、技术层到应用层等多个方面，为人类文明带来了翻天覆地的变化[1-2]。人工智能包罗万象，在其基础上衍生的大数据“洪流”对人类社会的方方面面进行冲击，这些数字的价值已然超越了诸如金钱、财产、黄金、石油，甚至是土地。然而，大数据技术也如同普罗米修斯盗得的圣火，一方面给人间带来温暖和光明，另一方面也有可能使自身被奴役甚至使人葬身火海[3]。因此，当我们沉迷于大数据的海洋中时，我们是否有能力像蓝鲸遨游大海一样自由掌舵，是当今大数据和人工智能时代存在的一个重大问题。是“曲径通幽”还是“会当凌绝顶”，我们如何在大数据中“浮游”，而不是一味地扩充，需要理性看待与合理评价大数据对人类生存和发展的影响。
1.人工智能和大数据与“工业革命”
2020年刚刚结束的新一轮美国总统竞选上演了各种“国家闹剧”，为何特朗普在2016年赢得大选，而4年之后却无法连任？时间推移，2016年他胜利的部分原因在于他利用了面临技术威胁的工业行业中工人们的焦虑，同时指责非法移民对美国及美国人资源和就业机会的占用[4]。但在技术浪潮的挑战中，自动化和人工智能才是占用的“根源”。早在18世纪60年代工业革命时期，机器取代人力，规模化工厂生产取代个体手工生产，即引发了人工智能数据的工业大变革。从机械结构、电气控制等模块的设计和改良，车间机器人的智能化已可以代替人完成生产作业[5]。通过智能化机器人可以减轻劳动负担，还可以用于环境检测[6]和实施救援[7]等，保护我们的人身安全。这些“机器人”在为我们减负的同时确实也引发了“失业危机”，这种现象不仅于美国，日本、韩国和德国亦是如此。我们也许可以形象一下，未来20或30年后，工厂中工伤几乎为“零”，完全实施机器人24小时作业，速度惊人，质量统一，而仅有的几个人使用简单的触摸界面对机器下达“命令”。机器的发展已超乎我们对普通机械的认知，21世纪开发的三大机器人中大狗（BigDog）解决了运动和重载运输问题，特别用于军事领域，被誉为“当前世界上最先进适应崎岖地形的机器人”；亚美尼亚（Asimo）从人类如何移动上展现了机器人仿人运动；Cog具有了人类所特有的思考，由不同处理器组成的异种机互联网络形成了“大脑”。特斯拉——其除了是电动汽车和能源公司外，还是自动驾驶汽车行业的领跑者之一。其2016年已销售具有自动驾驶、自动自制和自动停车功能的电动汽车，但出于法律和伦理层面，驾驶员还是要坐在驾驶位上，但他可以做他想做的其他事，发短信、打电话或是休息，而不再是驾驶汽车。我们可以不用担心酒驾，不用因为时间紧张而疲劳驾驶，不必为新手司机而变得脾气暴躁……汽车自动驾驶将让我们行驶得更规则、更安全和更“无聊”。自动驾驶上的智能进化，使得自驾型派送车为商业化服务成为可能，还有自驾型飞行器也在被研发，通用、宝马、谷歌等公司一直在努力开发，通过无人机在您家门口投送包裹将对电子商务世界带来更多创造性方案。“如果你够走运的话，机器可以把你当成宠物。”虽为戏谑之言，却又饱含心酸。工厂变得越来越自动化，但其仍需要人类专家，他们才知道如何监控传感器，知道在发生故障时如何进行修复，机器的运行离不开人的监控，只有人的思考才能有新产品的诞生以及高效的生产流程，我们与机器共存，是从体力中解放，但要从事脑力工作。
2.人工智能和大数据与金融的未来
“数字蝶变”席卷金融行业各个领域[8]，金融行业应用大数据、移动互联网、人工智能等先进信息技术，累积了非常多的客户信息。通过大数据的帮助，金融公司在分析数据下寻找更多的金融创新机会。在商业智能（BI）的辅助下，电信业可以对客服描述和定位及需求进行预测；保险业可以在进行风险分析的同时进行损益判断；银行业可以调整市场活动，建立信贷预警机制等等[9]。人工智能和大数据让金融业形成了“以客户为中心”的模式。与客户最密切的金融即是金钱，但是它们已经被“支付宝”和“微信”以及更多的电子支付方式取代，越来越少的人使用现金，数字金钱是否会完全取代物质金钱，我们很可能会发展为无现金社会。那么首先“下岗”的是谁呢？答案毫无疑问：银行。巴克莱银行前首席执行官安东尼•詹金斯曾预测，对于工业化国家，银行员工和其分支机构在未来10年内会消失；花旗全球视角与解决方案的一项研究预测，美国和欧洲的银行将在未来10年裁减约180万员工；甚至2016年2月的一份丹麦银行家协会新闻稿表示，银行抢劫案数量连续第5年下降。就支付领域而言，在这样的时代背景下，如何利用大数据技术对跨越式发展的支付行业进行监管，成为一个值得深入研究的课题[10]。在人工智能下，我们都有被银行自动回复或自会读取特定问题的“员工”惹恼过。沟通技巧和财务知识同样重要，因此，银行业员工的下岗只是在基础性操作上，对于“专业咨询”，需要更多受过高等教育、具有更好沟通能力的员工。目前，我国的多数银行还没建立“开放、共享、融合”的大数据体系，数据整合和部门协调等问题仍是阻碍我国金融机构将数据转化为价值的主要瓶颈。大数据的整合、跨企业的外部大数据合作不可避免地加大客户隐私信息泄露的风险。有效防范信息安全风险成为商业银行大数据应用中急需解决的问题。
3.人工智能和大数据与“专家系统”
电子病历数据、医学影像数据、用药记录等构成了医疗大数据。医疗数据不仅包括大数据的“4V”特点，即规模大（volume）、类型多样（variety）、增长快（velocity）、价值巨大（value），还包括：时序性、隐私性、不完整性和长期保存性。医疗大数据可以提供预警性，当数据发生异常时，通过一定的机制可以发出警告，从而迅速采取相应措施，及时解决问题[11]。成立于1989年的美国胸外科协会（STS）数据库，至今已经涵盖了美国95%的心脏手术，收集了500万条手术记录[12]。其中的先天性心脏手术（CHSD）数据库是STS数据库的重要组成部分，是北美最大的关注儿童先天性心脏畸形的数据库，被认为是医学专业临床结果数据库的金标准。近年来，基于CHSD数据库所进行的数据挖掘不断增加，大型数据库对提高医疗质量所起到的正向作用正在日益凸显。如Welke等基于CHSD数据库探讨小儿心脏外科病例数量和死亡率之间的复杂关系[13]；Pasquali等基于CHSD数据库探讨新生儿Blalock—taussig分流术后的死亡率[14]；Jacobs等基于CHSD数据库采用多变量分析方法来研究病人术前因素的重要性[15]；Dibardino等基于CHSD数据库采用多变量分析的方法来探讨性别和种族对进行先天性心脏手术结果的影响[16]。这些都是在医疗领域采用人工智能提供的医疗诊断，形成了“专家系统”，专家系统可以说是一种最成功的人工智能技术，它能生成全面而有效的结果。借助医疗大数据的平台，“专家系统”可以智能辅助诊疗、影像数据分析与影像智能诊断、合理用药、远程监控、精准医疗、成本与疗效分析、绩效管理、医院控费、医疗质量分析等。不仅是数据平台，“达芬奇机器人”可以看成医疗的高精尖“人工智能”，它能缩短泌尿外科手术以及术后患者恢复时间，促进患者早期下床活动，减低并发症发生率[17]。达芬奇手术机器人在消化系统肿瘤、泌尿系统肿瘤、妇科肿瘤和心胸部肿瘤等手术中均有运用[18]。正是机器人，还有其他人工智能设备，如插入手表或衣服里的传感器、植入我们皮肤下的芯片，以及智能手机中装有各种“专家系统”的远程医疗、预防医学，甚至是器官的3D打印和虚拟现实治疗等的发展，让医学发生相应的转变，并使其逐步突破人类的传统健康概念，那么是否意味着医学将成为只有科学性，毫无直觉性的学科呢？我们携带的内部传感器和外部应用程序将成为我们的医生吗？“你好，医生”被“嘿，Siri”取代吗？这不尽然。医学必然将是向精准化发展，并更具个性化、参与性、预防性和可预测性。医生不再是疾病的修理工，而是改善我们健康状况的顾问。直观当下，我们还是被“看病难”所困扰，我们提出“分级诊疗”，是在拥有家庭医生、全科医生和专科医生的基础上再加上人工智能，以实现预期的健康监测、辅助诊疗和疾病筛查。
4.人工智能和大数据与教育变革
面对各行业和各学科，教育作为传承文明和创新知识的载体，似乎被排除在人工智能之外。就目前而言，人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题[19]。我国目前更想要做到的是在教育上消除“信息鸿沟”，促进教育公平、均衡发展。因此，目前可以看到人工智能的教育多在于语言学习软件，通过虚拟技术和人工智能构建一个灵活的、可扩充的虚拟交互平台，设计多维虚拟场景和智能人工角色，实现不同场景下人机角色的交流和学习，提升学习者的口语能力和语感知识[20]。这使得教师不再是唯一的知识传播者，任何互联网搜索引擎都将提供比教师所有的更多信息，并且可以更快捷地获取。肺炎疫情暴发以来，远程网络教育成了主要教学形式，互联网教育形式其实早在小学、中学和大学中运用，虚拟现实技术在教学领域的研究和探索也在全面展开。谷歌已经开发一款VR纸板视图，并将研发的虚拟课程一起推向市场，使现实生活中在生物课上解剖一只青蛙成为一件容易且有趣的事，通过虚拟青蛙，学生们可以去除心脏和其他器官，而不再是象征性的抽象体验。虚拟现实可以像互动游戏一样，比单一的在教室听老师授课带来更多乐趣和体验，学习效果可能更好。我们的学习是知识的积累，那么教育就是我们的库，荀静等结合自身情况对西安工业大学知识库构建进行探究，认为机构知识库在保存知识资产的同时，更重要的是促进学校知识资产的传播利用和管理，提升学校影响力和学术声誉[21]。刘畅等通过对东北大学机构知识库服务的推广研究，了解到开放获取的概念和实践已经受到了广泛的认可，机构知识库不仅可以成为一个知识的存储库，也可以成为各个学科领域的学者进行在线交流的平台，提供个性化的增值服务，既有利于机构知识库的内容建设，也可以进一步促进学术交流和科研合作[22]。知识库，即大数据的有机整合和有序利用，是学术成果、视频文档、实验数据等进行收集、长期保存、传播和提供开放利用的知识资产管理与教育服务[23]。
5.人工智能和大数据应用的共性需求
人工智能和大数据时代，海量的信息来自“五湖四海”，但都通过互联网络汇聚智能终端。这些数据只会进一步增多，不仅仅是云存储，对于信息的进一步挖掘、处理、分析和利用，目标性结果才是我们最想要的信息。全球包括IBM、微软、谷歌和亚马逊等一大批知名企业纷纷掘金大数据挖掘这一市场，大家都在开拓自己大数据分析平台。数据挖掘是大数据时代孕育的产物[24]，是我们的共性需求，与传统的统计分析技术相比，数据挖掘有着自身的本质特征,数据挖掘是在没有明确假设的前提下去挖掘信息并发现知识。数据挖掘所得到的信具有先前未知、有效以及可实用三个特征[25]。数据挖掘的出现不是为了替代传统的统计分析技术,相反，它是统计分析方法学的延伸和扩展[26]。随着信息时代的到来，数据挖掘被越来越多地应用于各个领域。
6.人工智能和大数据的展望
大数据与人工智能相辅相成，在人工智能的加持下，海量的大数据输出优化的结果，使人工智能向更为智能的方向进步，大数据与人工智能的结合将在更多领域中击败人类所能够做到的极限。漫长的人类历史发展和进化，信息和人类一直“缠缠绵绵”“你追我藏”，因此，我们应该明白信息就是信息，我们需要的是“维基百科”，而不是仅仅的“维基”。走出狭隘的信息资源，管理和洞察大数据，才是对数据的有用。因为，我们早已告别了数据库放在一间房间的时代。此刻不得不提蓝鲸法则——大数据之道：了解数据懂得利用数据的“浮力”才是关键；“以简约为目标”将数据最终形成洞察及行为；可以通过“数据”“信息”“知识”流程式、组合式、直通车式各种需要的方式来获取[27]，在简约中“印象”处理繁杂的大数据，使之“为我所用”。=数据也是一门科学、一项技术，如果实验不能证明其具有可重复性和一般性，那它是没有科学依据，但是，任何一项科技，如果你坚信它必将改变社会和商业，选择从长期展望其发展并持续付出努力，那么就是一种战略选择[29]。人类社会的政治、经济、文化、思维等固有“态势”被重刷，数据思维将为我们带来一个智能全新的世界观。
第2篇
经过比较详细研究Alphago的算法发现，它在布局阶段的前20步采用人类经验，之后开始在人类经验的基础上融入了自己学习的权重，变得更加的理性以及所谓的大局观。由于围棋的复杂性，Alphago也不能在每步都能精确地知道当前棋盘中所有下法的胜率。所以，他采用的是在可以期待的近期(20步以内)综合价值和胜率会超过50%的走法。从这几点来看，这次的机器战胜远超过国际象棋中人类被战胜的意义。Alphago的算法是一种新的适应机器的思维，发挥了机器的强项，弥补了机器的短处。这非常让人感到害怕、悲观和失望。因为，人生就是一盘棋局。如果50年后，有一个智能科技机器助手，它不能告诉你最终的未来，但是可以告诉你在几年内的未来，你该如何是好?那这是不是一种宿命论?事实上，笔者在教授数据分析课程的这几年中，一直在宿命论和未来不确定性两种相对的观点中摇摆。数据统计已经有足够的算法和可靠的实践在某些方面做出人类无法预计或预见的准确预测，只不过那些领域还很小，比如，库存的预测、销量的预测，等等。数据已经在显示其巨大的价值，而一旦数据预测技术能够输入足够多的变量，采用类似Alphago或更加高级的算法，进而对你个人、你所在组织、公司、国家的短期未来甚至是长期未来做出80%、甚至是90%的准确预测，你会怎样去接受这样的未来?!当然，不确定性仍会存在，这是一个好消息。在此，我对Alphago事件尝试做一些思考分析。
一、Alphago战胜人类的几种可能的基础
1.Deepmind公司用十年的时间磨练，修改算法，虽然在算法上没有创新，但是如何融合已有算、如何调整权重等多个方面，仍然是做了大量、艰苦的工作。
2.Google拥有超级大量的计算资源供Alphago的使用，也就是说目前机器学习的过程非常的耗费时间以及计算资源。按照以往的经验，20年内，我们使用的桌面型机器就应该能够支撑起Alphago目前所需的计算资源。从现在开始，再过30-40年，可能Alphago这个“古老”的程序只需要几天就能完成现在几个月所需的机器学习时间。
3.在硬件上CPU和GPU的协同调度，以及分布式的运算的运用，大大加快的计算的速度。这也是近几年软硬件基础发展奠定的基础。
4.Alphago 在击败欧洲冠军时进行了严格的保密，说明当时Alphago团队当时也并不是很自信能够战胜。事实上，我认为，在这次比赛开始前，他们仍然没有这个把握，仍然应该认为是一半对一半的胜率。但是，哪怕输了，也没有关系，反正继续让Alphago学习后再提升。
5.Alphago对战时采用方式近似的模拟了人脑的信息的处理方式，只不过速度更快。所以，Alphago也不能百分之百的胜率，但是随着学习的时间不断增加，最终会远远超过人类。
二、Alphago围棋人机大战事件将会产生的影响：
1.个人，组织，公司，国家间的竞争将会更加重视人工智能的策略参考。人类的思考开始依赖于机器的理性，人的决策变得更加的理性，情感的因素会不断下降，也意味着更加没有人情味。这必然会影响到人类的进化进程。
2.人与机器的关系需要重新的思考，人应该如何同机器共存。
3. IT行业的人力资源需求将大规模增长，而有些行业将大规模失业。
4.基因技术、可控核聚变、机器人技术、人工智能这些技术都将对人类产生重大意义的影响，但是如何控制好这些技术将成为一个重大的问题，否则任何一个技术都可能毁灭人类。为了控制好这些技术，需要从现在开始立即进行大量的辩论及监督审查。
5.Alphago在最终在决定某个落子的评分中，其权重为人类经验参数同左右互搏这种机器学习得来的概率参数各占50%。Alpago团队曾经调整过不同的权重，但是经过实验发现各占50%时的最终胜率最高。这一数据是否在暗示，如果要战胜人类就必须首先理解人类的思考，否则就无法做到青出于蓝而胜于蓝。但是，在理解人类思考的同时，也会无法避免地继承人类的弱点，这也是Alphago最终会有失败的一局。另外，在具体的步骤中，也不是每步都是完美的。可能这也许是人工智能能够超越人类，但是可能无法毁灭人类的重要一点。因为，如果人工智能自己最终学会思考，相信人工智能最终会参透，或许最符合人工智能自身的利益生存方式是同人类共存，而不是消灭人类。
三、Alphago围棋事件可能对教育领域的产生的影响
1.Alphago算法有较强的通用性，但也有很多的限制。首先为了更加精确，需要大样本量的学习，Alphago为了加快学习进度在学习现有人类棋盘的基础上，开始自己与自己互博，加快学习的速度。这点在通用领域中实现有一定的难度。在教育领域中，目前比较适合Alphago算法快速进入的领域的是在线课程的学习。
2.在线课程的学习目前来说仅仅完成了内容的提供，如何编排现有的课程已达到最高的学习效率，这点目前还没有引入人工智能方法。如果引入，将会对教学的方法理论产生一定的影响，甚至会影响到线下课程顺序的设计安排。
3.多媒体材料的类型的挖掘，不同类型的媒体会带来不同的教学效果，人工智能在这个领域有助于通过大数据分析统计出在认知不同阶段采用何种类型的教学媒体效果最好。
4.个性化的学习，引入Alphago算法后的人工智能，会为个性化学习带来天翻地覆的变化。通过摄像头对学习者情绪的监控，结合学习过程中不间断的学习效果的评估，可以会带来真正意义上的个性化学习。
5.真正意义上的个性化学习会对分层教学产生深远的影响，因为学习的进度快慢会非常容易的将不同学习能力的学习者分类，教育会不知不觉走向过程和结果的不公平。
6.目前，已经有在线课程网站同招聘网站结合的构想，利用在线学习的记录，为雇主提供是否雇佣的参考。未来可能会更加大规模地出现该类现象，未来各级各类学校的升学也可能会更加依赖机器或网站记录的学习过程，同时造成新的学习能力歧视。但是，这样针对个体的不公平，却可以带来整个组织以及国家的利益最大化，将来如何面对这样的不公平，会成为一个重要的讨论话题。
7.Alphago通过在线教学领域的挖掘最终也会或多或少的影响到传统的教学。如在教师多媒体的选择标准、课程顺序及进度的选择。但是，在远远没有量化的教学领域，还有很长的路需要走，而一旦传统的教学领域被量化，如学生的表情、情绪、反应等，那么教师这个职业将同今天的围棋一样，不得不慎重的思考接受一个类似上帝的理性的人工智能的建议。另外，最快掌握这一技术的组织和国家，将获得先发的优势。
四、Alphago围棋事件可能对职业教育领域的产生的影响
1.大量的主要是重复性的工作，尽管需要一定的随机应变能力的工作，将会在30～50年逐步被人工智能所替代。这些职业中的低层次职员将被大量地解雇。这一点提醒职业教育的层次需要不断地上移，为符合人力资源市场的需求及保证国家的竞争力，职业教育中本科教育及研究生教育的比例将逐步加大。
2.工厂的工人将被大量的机械手臂代替，全自动化的工厂将越来越多。尽管处于迈向老龄化的社会，却并不能保证年轻人足够的就业岗位。IT产业的人力需求将越来越大，各个产业的从业者都将储存一定的人工智能的知识，以便同智能机器助手更好地共存。
3.职业教育的过程将更多地信息化，如教学资源库使用将更加类似于在线教学。通过物联网技术，教学的过程被更加地量化，实践操作的过程中实现较高精度的量化，实践教学的效率极大地提高。但是，工业领域的职业中的实践教学的比例将大幅度下降，由于机械臂的大规模采用，实践教学将被机械臂的操作实践教学大规模替代。对于人工智能分析、操作以及针对不同环境进行适应性调整的能力将成为大部分职业必修的课程。
4.有必要考虑培养学生的机器思维的理解能力，让学生能够理解人工智能的思维的方式，理解这种更加冷静的思维方式。同时，也要让学生明白人工智能不是万能，也会犯错，需要保持警惕，不可过分依赖人工智能。
5.在职业道德的教育中需要充分的讨论人与智能机器之间的关系，以及如何看待智能机器，应该拟物化的看待智能机器抑或是拟人化的看待?如果拟人化的看待，那么，拟人化到何种程度?如果面临险境，是否会因为情感因素去拯救智能机器而牺牲自己?等一系列的问题。
第3篇
[关键词] 乌灵胶囊；重复经颅磁刺激；认知功能；老年抑郁症
[中图分类号] R749.41 [文献标识码] A [文章编号] 1673-7210（2016）06（b）-0065-04
抑郁症是一种发病率高、病程慢、社会负担大的精神疾病，多伴随认知功能改变，尤其在老年人群中，其认知损害严重影响患者生活质量和社会功能。抑郁症目前临床常用的也是临床医生首选的治疗方法是抗抑郁药治疗，但老年患者对西药治疗的耐受性和依从性差，且治疗后很多患者仍残留认知损害。目前抑郁症的病因仍未明确，而抑郁症的认知功能损害较常见，尤其是老年期抑郁障碍，主要影响其执行功能、注意力和记忆能力，对社会功能影响较大。迄今抑郁症的主要治疗方法有西药[如选择性5-羟色胺（5-HT）再摄取抑制剂]治疗、电休克治疗及重复经颅磁刺激（repetitive transcranial magnetic stimulation，rTMS）等。各种治疗方法都被证实具有抗抑郁作用，但由于老年群体合并躯体疾病较多、耐受性差等[1]原因使得副作用增加，治疗依从性较差。
rTMS是近年新兴的物理疗法，其利用时变磁场作用于大脑皮层产生感应电流来改变皮层神经细胞的动作电位，从而影响脑内代谢和神经活动，耐受性好，安全无创[2-3]。而乌灵胶囊是国家一类新药，为纯中药制剂。临床研究显示，乌灵胶囊具有改善抑郁症患者抑郁症状及各种躯体疾病伴发的抑郁状态的作用，且安全性良好。关于乌灵胶囊对认知功能影响的研究多局限于脑卒中等器质性疾病伴发的抑郁状态。本研究即通过乌灵胶囊联合rTMS治疗的方法了解其对老年抑郁症的疗效及认知功能（主要关注执行功能）的影响。
1 资料与方法
1.1 一般资料
入组病例均为2014年10月～2016年1月在广州医科大学附属第二医院精神科门诊就诊的120例抑郁发作患者。纳入标准：①年龄≥60岁的抑郁症患者，符合精神疾病诊断与统计手册第4版（the diagnostic and statistical manual of mental disorders Ⅳ，DSM-Ⅳ）中的诊断标准。②未接受系统精神药物治疗（包括中西医抗抑郁药）或心理治疗。③签署知情同意书。排除标准：①存在自杀、严重行为紊乱等危险因素者。②存在重复经颅磁刺激药物使用禁忌证者。③合并其他重性精神疾病者，如精神分裂症等。④伴有严重躯体疾病不适合入组者。退出标准：①患者主动要求退出；②因为严重的副作用或病情恶化需要改变治疗方案者。采用随机数字表法将所有患者分为实验组和对照组。实验组60例，其中男29例，女31例；平均年龄（65.51±5.13）岁；平均病程（4.12±2.32）年；汉密尔顿抑郁量表（Hamilton rating scale for depression，HAMD）基线评分（27.48±1.35）分。对照组60例，其中男28例，女32例；平均年龄（66.45±5.66）岁；平均病程（4.33±2.05）年；HAMD基线评分（25.96±2.36）分。两组在年龄、病程、HAMD基线评分方面比较差异无统计学意义（P > 0.05），具有可比性。本研究经医院医学伦理委员会通过，患者知情同意。
1.2 方法
实验组服用乌灵胶囊（浙江佐力药业股份有限公司，生产批号20120521，每次0.99 g，每天3次，疗程8周）合并重复经颅磁刺激治疗（英国Magstim公司生产的rTMS治疗仪，每周一至周五，每天1次，强度采用80%阈值，频率10 Hz，部位左前额叶背外侧，脉冲数100，总计8周，40次）。对照组单用安慰剂胶囊（0.99 g，每天3次，服用8周）联合重复经颅磁刺激治疗（参数同实验组）。两组均不合并使用其他精神类药物，如抗精神病药、抗抑郁药、苯二氮类药物等。
1.3 观察指标及疗效判定标准
治疗前及治疗8周后分别行HAMD评定[4]和威斯康星卡片分类测验（Wisconsin card sorting test，WCST）。本研究选用中译版的HAMD-17版本进行评定，其中9个条目为0～4分的5级评分；8个条目为0～2分的3级评分[4]。由两位经过培训的经验丰富的临床主治医师在治疗前后分别进行评定。
采用计算机程序进行WCST评定[2-4]，WCST是一种单项神经心理测定方法。它所测查的是根据已往的经验进行分类、概括、工作记忆和认知转移的能力。本测验共设有13个测量指标，本研究记录总应答数、正确反应数、持续错误数、随机错误数和完成分类数来评估执行功能。
对每一治疗节点两组的测试评分进行统计分析，通过减分率来判断治疗的有效性，通过治疗前后及两组之间的评分比较来判定两种治疗方法的疗效差异及对认知功能的影响。通过治疗8周的HAMD减分率评定疗效，HAMD减分率≥75%为痊愈，50%～
1.4 统计学方法
本研究采用SPSS 16.0软件包进行统计分析。计量资料采用均数±标准差（x±s）表示，组间比较采用t检验，计数资料采用百分率表示，组间比较采用χ2检验。以P < 0.05为差异有统计学意义。
2 结果
2.1 两组临床疗效比较
治疗8周后，实验组临床痊愈17例（28.33%），显效19例（31.67%），有效17例（28.33%），无效7例（11.67%），总有效率为88.33%。对照组临床痊愈15例（25%），显效20例（33.33%），有效14例（23.33%），无效11例（18.33%），总有效率为81.67%。两组总有效率比较差异无统计学意义（χ2=1.046，P > 0.05）。
2.2 两组治疗前后HAMD评分比较
两组治疗8周后HAMD评分均较治疗前显著降低，差异均有统计学意义（P < 0.05）。两组治疗8周后HAMD评分比较差异无统计学意义（P > 0.05）。见表1。
2.3 两组治疗前后WCST测试结果比较
实验组治疗8周后WCST测试中总应答数、持续错误数、完成分类数与治疗前比较，差异有统计学意义（P < 0.05）；对照组治疗8周后总应答数、完成分类数与治疗前比较，差异有统计学意义（P < 0.05）。两组治疗8周后WCST测试结果比较差异均无统计学意义（P > 0.05）。见表2。
3 讨论
神经生化学研究发现糖皮质激素升高及5-HT、γ-氨基丁酸（GABA）功能不足在抑郁症认知功能损害中可能起一定作用[1]。神经解剖学研究发现抑郁症患者的额叶皮质、海马和杏仁核及小脑的血流灌注、体积异常等可能与其认知损害有关[5]。使用西药抗抑郁药物治疗后，抑郁症患者的认知功能可能会有所改善，但仍然会有轻度损害，特别是记忆和执行功能，使得老年抑郁症发展成进展性痴呆的可能性增大。因此，应重视抑郁症认知功能的治疗，使病程缩短，促进抑郁症状缓解及认知功能恢复更加彻底。
rTMS的作用机制包括：①通过不同频率刺激改变大脑皮层神经兴奋性，双向调节大脑神经兴奋与抑制功能之间的平衡。②增加多巴胺、5-HT、谷氨酸，调节受体的敏感性。③对基因表达的影响。④对脑血流、代谢、内分泌的影响。研究认为重复经颅磁刺激治疗对抑郁症的治疗有效率达到80%以上，而对认知功能无损害，联合药物治疗能加强早期疗效，对早期改善症状，增加患者治疗的依从性有一定的意义，但未能明确对认知功能的改善作用[2-3]。
在中医理论中，老年抑郁症属于“郁症”范畴，《内经》的《灵枢》认为“人忧愁思虑即伤正”“人或恚怒，气逆上而不下，即伤肝也”，认为情志不舒、气郁不伸导致脏腑不和而出现血瘀、气滞、火郁等抑郁症的表现。老年人任脉虚，肝气衰，发病以肝肾渐虚、衰少、髓海不足为病理基础；以思虑过度、心气营血暗耗，或忧郁恼怒、气郁痰迷、阳越于上为病因；以脏腑功能失调、阴阳不交、神志失守、思绪无轨、精神抑郁为病理改变。
乌灵胶囊是以我国珍稀药用真菌乌灵菌经现代生物技术精制而成的纯中药制剂，内含腺苷、多糖、甾醇类及谷氨酸、GABA、色氨酸、赖氨酸等19种氨基酸，还含有维生素和微量元素等多种成分，具有补肾健脑、养心安神等功效[6]。动物研究显示：乌灵胶囊能够提高脑内谷氨酸活性及激活GABA受体从而发挥镇静催眠作用，促进淋巴细胞DNA合成，提高机体免疫力，提高造血功能，发挥抗疲劳作用等[7-9]。临床研究显示，乌灵胶囊具有改善抑郁症患者抑郁症状及各种躯体疾病伴发的抑郁状态的作用，且安全性良好[10-11]。
目前关于乌灵胶囊对认知功能影响的研究多局限于脑卒中等器质性疾病伴发的抑郁状态，药理研究和对脑卒中后抑郁状态的临床研究显示，乌灵胶囊主要通过以下途径发挥抗抑郁作用和脑保护作用：①通过增加血脑屏障通透性增加脑内谷氨酸和GABA浓度。②加快谷氨酸向GABA的转化。③提高GABA受体活性。通过上述作用促进脑神经功能康复[12-14]。推测乌灵胶囊对于抑郁症患者可能具有类似的神经保护作用，而目前尚未见对于老年抑郁症患者认知功能影响的相关研究报道。
本研究显示，治疗8周后，实验组总有效率为88.33%，对照组总有效率为81.67%，两组总有效率比较差异无统计学意义（P > 0.05），而据WCST测试显示治疗后实验组总应答数、持续错误数、完成分类数与治疗前比较差异有统计学意义（P < 0.05）；治疗后对照组总应答数、完成分类数与治疗前比较差异有统计学意义（P < 0.05）。表明乌灵胶囊与rTMS联用或rTMS单独使用对老年抑郁障碍的疗效确切，且对认知功能均具有一定的改善作用，这与其他类似研究结果基本一致[15-20]。而相对于西药抗抑郁药治疗以及无抽搐电休克治疗，这种治疗方式在保证疗效的基础上安全性更高，患者的依从性更好，其改善认知的作用是电休克治疗无法比拟的[21-22]。但本研究样本量较少，因门诊诊疗的特点，随访时间较短，且无法对认知功能进行全面的、长期的评估随访，因此对认知功能的研究不够全面，如未能评价对持续注意能力、记忆力等方面的影响。希望有设计更严格、更全面的长期实验进行更深入的研究。
[参考文献]
[1] 蒋慧，林海.乌灵胶囊合盐酸帕罗西汀治疗抑郁症失眠30例[J].现代中医药，2011，31（5）：32-33.
[2] 黄满丽，许毅，胡健波，等.重复经颅磁刺激联合抗抑郁药对抑郁症首次发病患者的早期疗效及认知功能的影响[J].浙江大学学报：医学版，2011，40（3）：286-290.
[3] Barrett J，Della-maggiore V，Chouinard PA，et al. Mechanisms of action underlying the effect of repetitive transcranial magnetic stimulation on mood：behavioral and brain imaging studies [J]. Neuropsychopharmacology，2004，29（29）：1172-1189.
[4] 汤疏华，张明园.汉密尔顿抑郁量表、副反应量表[J].上海精神医学杂志，1990，1（2）：38-39，63-65.
[5] Sala M，Perez J，Soloff P，et al. Stress and hippocampal abnormalities in psychiatric disorders [J]. Eur Neuropsychopharmacol，2004，14 （5）：393-405.
[6] 尹东辉，张晶，刘纯莉.乌灵胶囊的临床应用进展[J].中国新药杂志，2011，20（16）：1530-1533.
[7] 马志章，左萍萍，陈宛如，等.乌灵菌粉的镇静作用及机理研究[J].中国药学杂志，1999，34（6）：374-376.
[8] 陈文燕，吕英.乌灵胶囊合用生脉注射液治疗失眠症40例[J].临床医学，2005，14（6）：175-176.
[9] 廖名龙，郁杰.乌灵胶囊[J].中国新药杂志，2000，9（11）：797.
[10] 张宸豪，李文贵，顾芳，等.乌灵胶囊治疗脑卒中后抑郁的疗效观察[J].临床神经病学杂志，2014，27（1）：61-63.
[11] 李书剑，李燕.重复经颅磁刺激联合乌灵胶囊治疗老年卒中后抑郁对照研究[J].中国实用神经疾病杂志，2013， 12（21）：121-123.
[12] Speer AM，Wassermann EM，Benson BE，et al. Antidepressant efficacy of high and low frequency rTMS at 110% of motor threshold versus sham stimulation over left prefrontal cortex [J]. Brain Stimul，2014，7（1）：36-41.
[13] Rena J，Lia H，Palaniyappanb L，et al. Repetitive transcranial magnetic stimulation versus electroconvulsive therapy for major depression：a systematic review and meta-analysis [J]. Pro Neuropsychopharmacol Biol Psychiatry，2014，51：181-189.
[14] 李兆昌.帕罗西汀治疗帕金森病抑郁状态疗效分析[J].现代医院，2014，14（1）：35-37.
[15] 李凝，王学义，李小倩，等.重复经颅磁刺激与改良电休克治疗首发抑郁症起效时间的随机对照试验[J].中国心理卫生杂志，2015，29（9）：667-671.
[16] 徐桥，汤义平，胡敏优，等.重复经颅磁刺激对单相抑郁患者认知功能的影响[J].中国现代医生，2015，53（5）：36-38.
[17] 汪晓晖.低频重复经颅磁刺激联合心理疗法治疗脑梗死后抑郁症临床观察[J].中西医结合心脑血管病杂志，2015，13（13）：1495-1497.
[18] 张国玲，杨桂梅，柏林，等.乌灵胶囊联合氟西汀治疗脑卒中后抑郁障碍和神经功能缺损的临床疗效[J].黑龙江医学，2015，39（2）：179-180.
[19] 栾慧明，袁国桢，周振和，等.高频重复经颅磁刺激对抑郁症患者辅助治疗作用[J].中国医药导报，2014，11（35）：25-27，35.
[20] 周玉嘉，韦鹏翔，刘佳霖，等.重复经颅磁刺激结合经络电刺激治疗颅脑损伤性抑郁症的临床应用[J].中国医药导报，2014，11（15）：53-56.
[21] 张万慧.单用帕罗西汀与联合乌灵胶囊治疗产后焦虑抑郁的对照研究[J].数理医药学杂志，2015，28（3）：419-420.
第4篇
关键词：人工智能；教育；应用；问题
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2012）03-0159-02
人工智能是研究如何构造智能机器（智能计算机）或智能系统，使其模拟、延伸、扩展人类智能的学科。随着人工智能的理论与技术在社会各个领域的广泛应用，其在教育领域内的应用也越来越受到重视，并取得了一定的研究成果。
一、人工智能教育应用的主要形式
人工智能在教育领域应用的最直接结果就是诞生了智能教学系统。智能教学系统是以计算机辅助教学为基础而兴起的，它是以学生为中心，以计算机为媒介，利用计算机模拟教学专家的思维过程而形成的开放式人机交互系统。目前，智能教学系统已成为人工智能在教育中应用的主要形式。智能教学系统主要是在知识表示、推理方法和自然语言理解等方面应用了人工智能原理。由于它综合了知识专家、教师与学生三者的活动，因此，与之相对应的，智能教学系统一般分成知识库、教学策略和学生模型三个基本模块，再加上一个自然语言智能接口。智能教学系统的功能具体来说有以下几条：了解每个学生的学习能力、认知特点和当前知识水平；能根据学生的不同特点选择适当的教学内容和教学方法，并可对学生进行有针对性的个别指导；允许学生用自然语言与“计算机导师”进行人机对话。智能教学系统的设计不仅要有计算机科学的知识，还需要有教育科学的理论指导。
二、人工智能在教育中应用的局限性分析
1.阻碍人工智能发展的关键因素。在人工智能的发展中，一直存在着对“计算机是否能代替人脑甚至超过人脑”的问题的讨论，实际上，以电子计算机为主要工具模拟人的某些思维活动而产生的人工智能是有局限的。①计算机处理问题的根本原理。要计算机解决某种问题，有三个基本的前提：必须把问题形式化；问题还必须是可计算的，即要有一定的算法；问题必须有合理的复杂度，即要避免指数爆炸。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。电子计算机最终只能把握0、1这两个开关代码，遇到不能形式化、不能找到算法或不能程序化的任务，计算机则难以执行。②人和机器之间的根本区别。智能模拟利用了人和机器的共性，即两者都是一个信息转换系统，但两者之间存在着不容忽视的本质区别。智能模拟与天然智能属于两种不同的进化系统，人类的智能是人类社会实践的产物，机器的智能是机械制造的结果。大脑和电脑的组织结构也不相同，两者属于两种不同的运动过程，前者是复杂的生理--心理过程，后者是机械--物理过程。智能模拟可以在局部上超过天然智能，但是，模拟的根本方法是功能模拟法，两个系统在结构和实际过程上是不一样的。智能模拟不具有人的思维的社会性，不具有主观世界。
2.人工智能在教育中应用的局限。就目前人工智能的发展水平以及人工智能本身的特点而言，它在教育中的应用也是有其局限性的。①与学生之间无法畅通交流。教育本质上是一种“交互”活动，而智能教学系统无法实现最充分、最真实的交互。目前自然语言理解的研究成果非常有限，远不能达到人人交流的要求。此外，就态度、品德、情感等教育问题而言，机器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。②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有关学生的知识水平、认知特点和学习风格，而这些不能完全被形式化。同时，随着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，系统所应用的教学策略模块用于评估和判断学生学习过程的能力是有限的。③人工智能并非适合所有的学习领域。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。
三、人工智能教育应用的发展方向
近年来，随着计算机技术、网络技术、人工智能技术以及现代教育教学理论的发展，人工智能在教育中应用的发展呈现出以下几个趋势。
1.开始突破单一的个别化教学模式。长期以来，计算机辅助教学系统和智能教学系统都是强调个别化教学模式，这种模式在发挥学生的学习积极性、主动性和进行因人而异的指导等方面确实有许多优点。但是，随着认知学习理论研究的进展，人们发现在计算机辅助教学系统和智能教学系统中只强调个别化是不够的，在某些场合（例如问题求解）采用协作方式往往更能奏效。因此，近年来在智能教学系统中，协作型教学模式得到越来越多的重视和研究。
2.智能教学系统日益与超媒体技术相结合。超媒体系统具有良好的开发环境、灵活方便的用户界面以及图、文、声并茂的特点，而且其信息的组织方式与人类认知的联想记忆习惯相符，已成为目前一种最理想的信息载体和最有效的信息组织与信息管理技术，在许多领域尤其是教育领域有广阔的应用前景。把超媒体技术引入智能教学系统，从而发展成为智能超媒体辅助教学系统，可以大大改善计算机辅助教学系统的教学环境，激发学生的学习积极性，从而显著提高教学效果。
3.智能教学系统与网络的关系日益密切。网络的应用和普及为远程教育和终身教育提供了一个良好的空间。当前，智能教学与多媒体网络的结合成为人工智能在教育中应用的一个势不可挡的发展趋势。
4.传统人工智能与神经网络模糊决策机制相结合。传统人工智能从宏观角度开展认知模拟，可以部分地模拟人类的逻辑思维过程，而神经网络模糊决策机制从微观方面进行认知模拟，着力实现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。今后将探索一种新的智能处理模型：把神经网络的模糊决策机制和符号专家系统的推理能力结合起来，利用多重知识源、多种模型进行复合协同处理。如果上述技术能够成熟运用，那将对人工智能的发展及其在教育中的应用起到决定性的作用。
参考文献：
[1]王士同.人工智能教程[M].北京：电子工业出版社，2001.
[2]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.
[4]徐鹏，王以宁.国内人工智能教育应用研究现状与反思[J].现代远距离教育，2009，（5）：3-5.
第5篇
2016年1月，美国佐治亚理工学院计算机学院的教授AshokGoel，借助IBM的Watson人工智能系统创建了一个在线机器人JillWatson，并将其作为课程教学助理。其目的是帮助教师回答学生通过在线论坛提出的大量课程问题。通过几个月的反复调试，JillWatson的回答已经能够达到97%的正确率。现在，机器人助教已经可以直接与学生沟通，不需要真人助教的帮助。这项人工智能在教育中的使用，解决了AshokGoel教授的助教人数不够，难以及时回答学生提问的困境，增加了学生参与在线学习的兴趣，提高了在线学习的留存率。
这只是人工智能在教育领域的小试牛刀。虽然有专家预测在未来十年内不会看到人形机器人替代教师进入课堂，不过地平线报告2016年基础教育版和2107年高等教育版都预测未来五年内人工智能将会在教育行业普及。
教育行业已有的人工智能研究和应用
Woolf等人在2013年提出了人工智能在教育领域应努力解决“五大挑战”：①为每一个学习者提供虚拟导师：无处不在地支持用户建模、社会仿真和知识表达的整合。②解决21世纪技能：协助学习者自我定位、自我評估、团队合作等。③交互数据分析：对个人学习、社会环境、学习环境、个人兴趣等大量数据的汇集。④为全球课堂提供机会：增加全球教室的互联性与可访问性。⑤终身学习技术：让学习走出课堂，进入社会。
过去十年，一些研究者对人工智能在教育领域中的应用做了大量的探索。相关的研究成果包括：①跟踪学习者的思维步骤和解决问题的潜在目标结构（Anderson等，1995）；②诊断误解和评估学习者的理解域（VanLehn，1988）；③提供及时的指导、反馈和解释（Shute，2008）；④促进高效学习的行为，如自我调节、自我监控和自我解释（Azevedo&Hadwin，2005）；⑤以合适的难度水平和最适当的内容来规划学习活动（VanLehn，2006）。
这些研究，基本上使用到了人工智能的每一项技术——自然语言处理、不确定性推理、规划、认知模型、案例推理、机器学习等。“智能导师系统”就是基于这些研究和技术而开发的人工智能教育应用。类似的成熟产品包括Tabtor（hellothinkster.com）、CarnegieLearning（carnegielearning.com）和FrontRow（frontrowed.com）。2014年，加拿大西蒙弗雷泽大学的一项试验发现用智能导师系统的学习者比使用其他教学方法的学习者获得的成绩更高。
人工智能在教育行业的新发展
教育行业的三种类型（内容、平台和评估）的服务商都在经历着一场变革。内容出版商面临纸质印刷到数字出版和开放教育内容的挑战。学习平台正试图区分自适应、个性化和数据分析的功能。评估供应商则继续探寻从多项选择题测试转向更具创新性的问题类型。人工智能将为这三种类型教育服务商带来新的发展思路和契机，同时也惠及教育生态系统中的所有利益相关者。学生通过即时反馈和指导提高学习效率，教师将获得丰富的学习分析和个性化指导经验，父母能够低成本地为孩子改进职业前景，学校能够规模化提高教育质量，政府能够提供负担得起的教育。2017年，人工智能将在以下领域发挥其效益。
1.人工智能批改作业
批改作业和试卷是一件乏味的工作，这通常会占据教师大量的时间，而这些时间本可以更多地用于与学生互动、教学设计和专业发展。
目前，人工智能批改作业已经相当接近真人教师了，除了选择题、填空题外，作文的批改能力已经大幅提高。美国斯坦福大学已经成功开发出一种机器学习程序，能够批改8～10年级的作文。随着图像识别能力的大幅提高，手写答案的识别也接近可能。就连占有美国标准化考试60%市场份额的全球最大教育企业——培生公司也认为，人工智能已经可以出现在教室并提供足够可信的评估。据培生公司近期的报告IntelligenceUnleashed推测，人工智能软件所具有的广泛的、定制的反馈能够最终淘汰传统测试。
2.人工智能实现一对一辅导
自适应学习软件已经能为学生提供个性化学习支撑。据2011年VanLehn的一项研究发现，人工智能在某些特定主题和方法上比未经训练的导师更具有效性。进一步的研究发现，人工智能导师能在学生出错的具体步骤上给予实时干预，而不是就整个问题的答案给予反馈（Corbett&Anderson，2001；Shute，2008）。
自适应学习在拉美地区正在兴起。AndréUrani市政学校的学生使用人工智能软件Geekie观看在线课程（视频和练习）。Geekie为学生提供每一步的实时反馈，并随着学习的进展来传授更为精细的课程内容。
早在1984年，本杰明·布卢姆的研究就提出一对一辅导能带来更好的学习效果。而人工智能技术可以模拟一对一辅导，以更好地跟踪、适应和支持个体学习者。这将是人工智能在教育中更高层次的个性化学习应用。例如，比尔·盖茨看好的人工智能聊天机器人或个人虚拟导师，能在学生面临挑战时提供强有力的支持，随时随地回答学生的提问；还可以为学生订制学习方案和规划职业发展路径，并引导学生走向成功。更重要的是，人工智能可以匹配聊天机器人或虚拟导师的面孔和声音来满足学生个人喜好。对比网页界面的自适应学习系统，这才是真正做到了一人一导师。
3.人工智能关注学生情感
2016年地平线报告高等教育版把情感计算列为教育技术发展普及的重要方向。也就是说，人工智能不仅限于模拟人类传递知识，还能通过生物监测技术（皮肤电导、面部表情、姿势、声音等）来了解学生在学习中的情绪，适时调整教育方法和策略。例如，机器人导师捕捉到学生厌烦的面部表情时，就可以立即改变教学方式努力激发他们的兴趣。这种关注情感的人机交流为学生营造一个更真实的个性化学习环境，更好地维持了学习者的动机。美国匹兹堡大学开发的AttentiveLearner智能移动学习系统就能通过手势监测学生的思想是否集中。突尼斯苏斯国家工程学院的研究人员正在研究开发基于网络的人工智能教学系统。该系统能够识别学生在任何地方开展科学实验的面部表情，以优化远程虚拟实验室的教学过程。
进一步的研究发现，人工智能还可以关注学生的心理健康。当前已经有使用人工智能来为自闭症儿童提供有效支持的案例。例如，伦敦知识实验室在Topcliffe小学开展试验，让自闭症学生与半自动虚拟男孩安迪开展互动交流，研究人员发现患有自闭症的学生在社交能力方面有进步。
4.人工智能改进数字出版
教科书等课程材料并非总是完美，传统印刷出版让课程的修订变得过于缓慢。这不仅是生产工艺的问题，更主要的是纸质课程材料无法快速获取使用者的反饋来识别缺陷所在。而数字化出版在人工智能的支撑下能彻底改变这一现状。
人工智能可帮助使用者快速识别课程缺陷。大规模网络开放课程Coursera的提供者已经将这一想法付诸实践。当发现大量学生的作业提交了错误的答案时，系统会提示课程材料的缺陷，进而有助于弥补课程的不足。
另一项人工智能在数字化出版的应用是自动化组织和编写教材。这是基于深度学习系统能模仿人类的行为进行读和写。ScottR.Parfitt博士的内容技术公司CTI就依据这项技术帮助教师定制教科书——教师导入教学大纲，CTI的人工智能引擎能自动填充教科书的核心内容。
随着自然用户界面和自然语言处理在人工智能领域的成熟应用，课程材料的数字化出版也会有更新的形态——不再局限于书本或网页的形式，聊天机器人和虚拟导师将成为内容表达的更好的方式。
5.人工智能作为学生
多年的研究表明，教会别人才是更好的学习，即learning-by-teaching。美国斯坦福大学教育学教授DanielSchwartz正基于这一理念来开发新的人工智能产品。他联合了多个领域的专家一起开发了人工智能应用——贝蒂的大脑（Betty’sBrain），让学生来教贝蒂学习生物知识。试点研究发现，使用这一方法来学习的学生比其他学生成绩更好，且在科学推理上也更胜一筹。
类似的研究和开发还有瑞典隆德大学的TimeElf和美国卡内基梅隆大学的SimStudent，这两个人工智能产品也是基于learning-by-teaching而开发，让学生在教会机器人知识的过程中深化对知识的理解。
另外，人工智能还推动其他教育方法和技术更好实现。如让虚拟现实学习环境更具沉浸感；给学生带来更多动手实践的机会；提供基于丰富学习分析的仿真和游戏化学习场景等。
第6篇
关键词：人工智能；教育；新模式；改革；构想
教育是着眼于未来的事业，教育的首要任务就是为未来社会培养相适应的合格人才。随着人工智能的诞生和发展，我国已经开始将人工智能应用于教育领域，并显示出人工智能对于弥补当前教育存在的种种缺陷和不足，推动教学现代化和教育发展改革进程起着越来越重要的作用。在现代医学发展中，工程科学与临床医学不断融合，相互进步。近几年，随着人工智能技术，机器人技术，虚拟与增强现实技术，3D打印技术与医学不断的融合发展，衍生出一系列的医学诊疗技术，仪器，大大推进了医学发展。从2013年到2017年，国务院、发改委、FAD连续发文，多次提及医疗走智能化、云化的趋势，为推动智能医疗领域保驾护航。智能与医学的结合已经是大势所趋，因此，为培养大量智能医学人才极有必要对智能医学教育新模式进行深入研究。
一、目前医学教育以及医学人才培养状况
智能医学工程是一门将人工智能、传感技术等高科技手段综合运用于医学领域的新兴交叉学科，研究内容包括智能药物研发、医疗机器人、智能诊疗、智能影像识别、智能健康数据管理等。
智能医学工程的毕业生掌握了基础医学、临床医学的基础理论，对智慧医院、区域医疗中心、家庭自助健康监护三级网络中的医学现象、医学问题和医疗模式有较深入的理解，能熟练地将电子技术、计算机技术、网络技术、人工智能技术，应用于医疗信息大数据的智能采集、智能分析、智能诊疗、临床实践等各个环节。实验教学正是融合型创新人才的最好培养方式。智能医学人才的培养需要各学科间的相互交融更为紧密，学生的创新应用能力才能得到更好的培养。与此同时，由于绝大部分医工结合的专业大部分归属与工科学院下，缺乏必要的临床经验，因而学生不能很好的把握新技术的应用。
而国内相关人才缺口还非常大，目前，国内仅仅有生物医学工程、医学信息工程等工科专业培养医工结合人才。但是囿于培养时间与培养模式，他们往往只能针对具体某一方向，并且目前的培养体系还多着重于工学技术的研究，缺乏临床实践。
二、智能+医学教育的必要性探究
2.1技术进步对医疗人员的诊疗帮助
以癌症的治疗为例，由于针对癌症药物的研究何药物数量非常巨大，对于普通医生在短时间内难以进行准确的判断针对癌症的研究和药物数量非常巨大，具体来说，目前已有800多种药物和疫苗用于治疗癌症。但是，这对于医生来说却有负面的影响，因为有太多种选择可供选择，使得为病人选择合适的抗癌药物变的更加困难。同样，精确医学的进步也是非常困难的，因为基因规模的知识和推理成为决定癌症和其他复杂疾病的最终瓶颈。今天，许多受过专业训练的医学研究员需要数小时的时间来检查一个病人的基因组数据并作出治疗决定。
上述问题在拥有工学、医学双背景的医生手中已经不是问题，通过目前日渐成熟的AI技术，对于大量的医疗数据进行检索，通过可靠的编程手段，通过人工智能技术，建立完备的医疗数据库，帮助医生进行诊疗。据调查，美国微软公司已经研制出帮助医生治疗癌症的人工智能机器，其原理是对于所有关于癌症的论文进行检索，并提出对于病人治疗最有效的参考方案，它可以通过机器学习来帮助医生找到最有效，最个性化的癌症治疗方案，同时提供可视化的研究数据。
2.2智能医学对于新时代医生培养的影响
人工智能通过计算机可为学生提供图文并茂的丰富信息和数据，一方面加强了学生的感性认识，加强了对所学知识的理解和掌握，从而提高了教学质量。同时，人工智能可帮助教师完成繁杂的、需适应各种教学的教学课程、课件等设计，使教师将更多的精力专注于学与教的行为和过程，从而提高教学效率。正如前面所述例子，智能网络模块化学习平台可使教学摆脱以往对于示教病例的依赖，拓展了学生们的学习空间和时间，可极大地提高医学学习效率和教学质量。
教育与人工智能相结合将会创新教育方式和理念。北京师范大学何克抗教授在《当代教育技术的研究内容与发展趋势》中提到当代教育技术的五大发展趋势之一就是“愈来愈重视人工智能在教育中应用的研究”。结合上述人工结合上述人工智能在医学教育中的创新作用，下面就人工智能结合医学学教育新模式提出一些构想。
三、交叉医学人才的培养
3.1建立智能医学人才培养体系的必要性
目前智能医学的研发和临床还存在隔阂，临床医生并没有很好地理解人工智能，无法从实践出发提出人工智能能够解决的方向，而人工智能的产业界热情高涨，却未必能踩准点，所以产业界需要和临床深度沟通融合，才能真正解决看病难、看病贵的问题，缓解医疗资源紧张。目前，国内仅仅有生物医学工程、醫学信息工程等工科专业培养医工结合人才。
3.2医学人才培养体系初步构想
据悉，目前已经有天津大学、南开大学等几所院校开设了智能方向的医学本科教育，旨在弥补上述缺口，相关院校也在积极探索新型人才培养方案。应当为医学生开设人工智能课程，应当培养具备生命科学、电子技术、计算机技术及信息科学有关的基础理论知识以及医学与工程技术相结合的科学研究能力。该专业的学生主要学习生命科学、临床医学，电子技术、计算机技术和信息科学的基本理论和基本知识，充分进行计算机技术在医学中的应用的训练，具有智能医学工程领域中的研究和开发的基本能力。
第7篇
自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.
第8篇
人工智能即将进入高中课堂。近日，我国第一本面向中学生的AI教材——《人工智能基础（高中版）》正式。
为什么要在中学开设人工智能课程？这本教材有什么特点？对于中学教师和学生而言，应如何准备才能应对人工智能的教与学？记者对此进行了调查。
全国已有40所学校引入教材
据了解，该教材是华东师范大学慕课中心和商汤科技合作，联合全国多所知名中学教师共同编写，由新闻出版总署批准出版并备案。目前，全国已有40所学校引入该教材作为选修课或校本课程，成为首批“人工智能教育实验基地学校”。
“与其他教材不同，该教材以‘手脑结合’为主要学习方式，不仅关注对人工智能原理的介绍，更加重视这些原理在生活中的运用。”华东师范大学教授，博士生导师陈玉琨介绍说，“作为教材的编者，我们特别希望学生能发挥独特的想象力，设计一些在高中阶段有可能完成的项目，并动手将其转化为独具特色的作品。”
记者看到，该教材共分9个章节，以基础普及性的知识为主，分别介绍了图片识别、声音识别、视频识别、计算机写作和深度学习等人工智能技术的原理和应用场景，每一页都配有彩色图表，并引入了大量科普内容和实例。此外，该教材还配套了一个教学实验平台。
香港中文大学教授林达华表示，目前，人工智能人才面临着全球性短缺，在人工智能和基础教育结合方面，各个国家都还处在探索的过程中，该教材的出版，是人工智能教育的一次重大突破，意味着人工智能将由此走出“象牙塔”，进入高中生的知识范畴。
“今天，技术更迭速度太快，谁也无法预计未来的职业选择，我很乐意让我的孩子在中学阶段就了解掌握一些人工智能方面的知识技能。”一位家长这样告诉记者。
目的在于普及原理引发兴趣
作为一门兼具学术含量和技术含量的学科，对高中学生而言，应该怎样去了解人工智能这门学科；对于高中教师而言，又该如何教学呢？
“大多数中学生的最终职业道路都不会是成为人工智能研究者或工程师，但是未来很多行业都将在不同程度上受益于人工智能的赋能。因此，该学科在中学阶段的教学目标应该定位让学生了解掌握人工智能的基本思想、基础知识以及常用算法和工具。”林达华说。
在陈玉琨看来，人工智能的教学和研究经常要用到高等数学的知识，这已经超出了高中生的知识范围，因此，在中学阶段，教师应注重对相关概念、算法、原理进行定性介绍，“定量的部分，可以留待以后再学。”
多位专家表示，教师在教学过程中，要特别重视对人工智能应用场景的介绍，这不仅会让课堂变得更加生动，学生学习的兴趣更加高涨，同时也会提升师生的思维与创造能力。
“总体而言，在中学阶段开展人工智能课程的主要目的在于普及人工智能的原理与技术，引起学生对人工智能学习的兴趣。当然，也期望能为高等学校培养人工智能领域的拔尖人才奠定相应的基础。”
“校企合作”解决人才缺口
也有专家指出，人工智能是一门新兴技术，中学教师在该领域的知识储备是不足的。
“师资是课程的基础。”上海师范大学教授岳龙表示，“开设人工智能课程对教师的知识结构也提出了新的挑战，因此组建专门的师资培训团队非常重要。”
据记者了解，为帮助教师克服知识储备不足的问题，华东师范大学慕课中心与商汤科技将联合举办多期“人工智能教师研修班”——培养一批人工智能的种子教师，在他们带领下，逐步提升我国教师总体的人工智能素养，从而改善中学教师开展人工智能教育教学面临的困难和挑战。
第9篇
关键词：人工智能；高职；技能培训
一、人工智能概述
人工智能（Anificail Intelligence）是指利用计算机软件技术与自动化处理的技术，让计算机能够模拟与扩展某些人类特定智能的学科，最近几年来发展非常迅猛，在智能接口，数据挖掘，主体系统等方面取得了丰硕的成果。智能接口技术是研究如何实现人类与机器的便利沟通，现在已经实现了文字，语音，自然语言理解等方面实用化的功能。数据挖掘则是如何从大量不完备的数据中自动生成可应用的知识的技术，在大数据时代里将会有非常广泛的应用；主体系统则是指的让计算机具备愿望，能力，选择等心智状态的实体，实现计算机的自主性。从当前的应用发展趋势来看，在未来的5～10年内，人工智能将会应用在教育，医疗，管理，生产等绝大多数的社会领域中，将推动社会的全面发展与进步。在本文中，作者将以高职技能教育为切面，分析人工智能在该领域内应用的前景，并提出建立一套基于人工智能的高等职业技术辅助教学系统的思路，方便进行人工智能应用的相关人士研究与借鉴。
二、人工智能在高职教育教学领域的典型应用及其不足
将人工智能应用到教育方面是很久以来的教育现代化的热点，从最近几年来的人工智能在教育方面的应用来看，主要有三种应用的层面：一是智能计算机辅助教学（ICAI），它是将人工智能的技术引入至CAI系统中来，实现更加智能化的教学支持，减轻教师的工作量。二是智能，即让某些特定的课程与教学的内容，由人工智能来取代教师进行授课，即时答疑，提高教学的效率；三是智能数据库，对于课程相关的网络教学资源数据库，应用人工智能的方法进行数据分析，提高数据库的访问速度与交互功能，便于快速搜索与整理数据。但是对于高等职业技能教学来说，上述的三大应用领域还有些不够契合，主要体现在如下的方面：
（1）对于学习者的活动流程的监控与记录能力不够。传统的CAI系统，侧重于对理论思维知识的辅助教学，而对于学习者的身体活动的记录能力不佳，这样无法即时准确地保存技能学习过程中与身体活动相关的数据。众所周知，技能的教学是与学习者身体的活动相关联的，行动数据的获取量不足就会导致无法对学习者的技能及其效果进行评估与纠偏。
（2）与使用者的交互功能不佳。传统的人工智能交互是文本与图像，虽然简单直观但形式单一，还无法通过生动的语音和动作与使用者进行交互。这样在教学辅助方面的效果不尽如人意。
（3）智能水平有待于提升。现代的人工智能辅助系统，虽然已经能够实现教学数据的排序、统计、汇总等简单的操作，但是离真正智能化的工作还有一定的差距。系统无法根据学生操作的具体情况做出个性化的情况统计分析，提出个性化的建议。在即时交互方面也还有很大的提升空间。
三、高职技能辅助教学系统的设计思路
针对上述教学人工智能应用的不足，结合高等职业技术学校的教学情况，特地提出一套人工智能辅助系统的设计思路：
（1）使用高级的智能接口技术实现行动数据的采集。
智能接口是为建立和谐的人机交互环境，使得人与机器之间的交流像人与人之间的交流一样自然和方便。学习者在进行练习的过程中，无法像传统的人机交互方式一样将数据录入至计算机中，而是需要智能系统通过摄像头，运动传感器等等高级的智能接口技术来感知学习者的活动，对活动进行分析与统计，并转化为大数据存放至海量数据库中。至于具体采用哪种智能接口技术，需要根据具体的学习内容而定。
（2）应用专家系统对于学习者在技能操作中产生的大数据进行分析。专家系统是目前人工智能领域最有实效的一个领域，它是利用人工智能的技术让计算机能够实现特定领域内的大量知识与经验的系统。利用它来对技能学习过程中产生的大数据进行分析和挖掘，从中提炼出具有个性化的知识体系，发现学生与老师都没有发觉到的某些特殊的学习状态，能够为进一步的学习反馈做好充分的准备。这样可以使得学习的针对性更强，效率更高。
（3）使用智能检索与生成技术对于分析结果进行输出与展示。通过使用人工智能的检索系统，可以快速地对分析的结果进行展示，可以利用网络的环境，用生动形象的方式将结果展现在学习者或教师面前，方便掌握学习的过程。
四、辅助教学系统的应用展望
通过应用了上述的基于人工智能的辅助教学系统，将对于高职院校的教学产生非常强大与积极的影响。首先，该系统可以将教师从重复机械的日常教学环境中解放出来，不再通过传统的测验，考试，交流等方式获知学生的学习状态，由系统监控学习者在技能培训过程中的一举一动，自动进行学习效果的定性与定量的分析，积极地反馈给教师，从而使得教学更具备了明确的方向。其次，该系统也会增加技能教学的趣味性，将培训的活动转化为类似于电子竞技的效果，学生在学习的过程中随时可以观察到自己的学习状态，以及与其他同学的差异，更能够培养自学的能力。第三，该系统可以与现有的高职院校校园网实现无缝的对接，将全院校的数据进行统一的智能加工与挖掘，可以更加方便高职院校的管理工作，也可以方便地扩展成为完备的高校智能管理系统。
参考文献：
[1]邱月，人工智能技术在计算机辅助教学中的应用[J].福建电脑，2007（08）.
第10篇
政策驱动也是重要动力，科技巨头抢先布局引发示范效应。智能化时代，各国从国家战略层面加紧人工智能布局，美国的大脑研究计划(BRAIN)、欧盟的人脑工程项目(HBP)、日本大脑研究计划(Brain/MINDS)，而我国也在“十三五”规划中把脑科学和类脑研究列入国家重大科技项目。企业布局方面，谷歌、Facebook、微软、IBM等均投入巨资，其示范效应是产业进步的先兆；国内百度、阿里、讯飞、360、华为、滴滴等也加紧布局。15年行业投资金额增长76%，投资机构数量增长71%，计算机视觉和自然语言处理占比居前。
产业链格局已现，上游技术成型、下游需求倒逼，计算机视觉产业应用最成熟。产业链初步格局已现，从基础层和底层技术，再到应用技术，最后再到行业应用，除了近年来底层核心技术的突破，下游行业需求倒逼也是人工智能应用技术发展的重要动力，诸如人机互动多元化倒逼自然语义处理、人口老龄化倒逼智能服务机器人、大数据精准营销倒逼推荐引擎及协同过滤，等等。其中计算机视觉应用技术的发展可能是最先发力的，国内不乏世界一流水平公司。
2B应用首先爆发，“人工智能+金融、安防”应用前景广阔。“人工智能+”将代替之前的“互联网+”，在各行业深化应用，安防、金融、大数据安全、无人驾驶等等。生物识别和大数据分析在安防和金融领域的应用则是目前技术最为成熟、产业化进程较快，如智能视频分析、反恐与情报分析、地铁等大流量区域的监控比对；金融领域的远程开户、刷脸支付、金融大数据采集、处理、人工智能自动交易、资产管理等。相关推荐标的：东方网力、佳都科技、川大智胜，建议关注大智慧、远方光电。
逐渐向2C端应用扩展，看好“人工智能+无人驾驶、教育”。人工智能在无人驾驶领域的应用体现在三方面：(1)环境感知环节的图像识别；(2)基于高精度地图和环境大数据的路径规划、复杂环境决策；(3)车车交互、车与环境交互下的车联网，智能交通管理。教育领域应用方面，人机交互重构更互动性的教学；大数据和深度学习的结合使得个性化教学成为现实，这也是在线教育最重要的突破点；此外包括VR在内的多载体应用和多屏互动也是发展趋势。相关推荐标的：四维图新、千方科技、东软集团、科大讯飞、长高集团、新开普。
第11篇
关键词：高职教育；人工智能；转型发展
一、高职教育现状
（一）客观层面
（1）社会面。当前社会发展处于转型关键期，高职教育迎来全新发展机遇，对人才培养质量不断提高。传统思想中，家长学生都带着有色眼镜看待高职教育。随着社会给技术技能型人才提供很多高薪岗位，部分学生主动选择高职院校进修学业，提高自身技能水平。高职院校必须以社会发展趋势为导向，及时调整自身发展战略。（2）政策面。在新课程改革视域下，政府高度重视高职教育的发展，出台了多项扶持政策，如《国家职业教育改革实施方案》《职业学校专业顶岗实习标准》《关于推进高等职业教育改革创新引领职业教育科学发展的若干意见》等，极大的推动了高职教育的稳定发展。
（二）主观层面
（1）教学理念。高职教师受传统思想影响，往往重视成绩和理论知识，亟需引进新的教学理念，并落实在实际教学中。高职院校已经意识到人工智能时代，自身转型创新的必要性，正积极将全新的教学理念贯穿在人才培养过程中。（2）教学方式。高职教育逐渐创新教学方式，将顶岗实习、校企合作、实训教学等应用在常规教学中，适应时展，彰显职教特色。但在实际教学中，教师理念未发生变化，能力无法满足新型教学方式需求，存在亟需改进优化的地方。（3）教学体系。只有完善的教学体系，才能为高职教育的改革创新提供依据参考。当前高职教育体系中含有诸多不足，如学科单一、理论与实践比重不协调、知识内容陈旧等。高职教育要想适应新时展趋势，应积极完善教学体系。
二、人工智能现状
（1）国家战略。近年来，国家高度重视人工智能发展，国务院《关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号），提出科技创新的主要方向是人工智能，提倡积极构建全新的人工智能科技创新协同机制，进一步完善人工智能教育体系，实现人才储备和梯队建设的目标，推动智能经济的发展。各部委也积极颁布一系列政策，如《智能制造2025》《“互联网+”人工智能三年行动实施方案》《机器人产业发展规划（2016-2020）》等[2]。可见，国家为人工智能技术的发展提供了充足动力，人工智能已成为国家战略的一部分。（2）产业发展。多年的探索，人工智能技术有了明显提升，在问题求解、泛逻辑理论、不确定推理、拓扑学、图像处理、模式识别、专家系统等方面有了显著研究成果，一部分成果甚至领先世界水平。例如我国在模式识别领域的研究，文字识别、语言识别、虹膜识别都取得优异成果，被广泛应用在生物医药、机器人视觉研究、卫星遥感、自主导航、军事等领域。企业十分关注人工智能技术的发展应用，像360人工智能研究院、阿里人工智能研究院、百度人工智能研究院等。人工智能技术的深度研究，使应用和商业价值最大化。据不完全统计，2017年人工智能产业创造700亿元市场价值，预计在2020年产业规模超过1600亿元。
三、人工智能推动新时代高职教育转型发展的必要性
（一）技术技能型人才的需求
高职教育发展的目的是培养适合岗位需求的技术技能型人才。人工智能时代，先进技术的广泛应用，大部分岗位对人才的需求发生明显变化，逐渐形成了“机器换人”的局面。企业中简单、重复、劳动强度大的岗位，都由智能机器人予以代替。例如在京东电商的物流中，出现无人机配送方式，直接冲击了传统人工物流配送模式。相信在不久的将来，会有更多的智能机器人走向物流配送的工作岗位，形成全新的工作体系。此外，在生产制造的质检环节，由于传统人工监测方式存在诸多不足，应用人工智能的图像识别技术，可以实现对产品质量的动态检测。可见，人工智能时代会有大批岗位“消失”，取而代之的是智能化机器人。高职教育必须转变以往的教育模式，顺应时展趋势，结合社会岗位对技能人才的需求，调整高职教育方向，实现高职教育价值。
（二）国家发展战略的要求
以往的发展致力于“中国制造”，但新时代“中国制造”已无法提升综合国力，国家必须调整发展战略。人工智能时代将“中国制造”转变为“中国创造”“中国智造”。这一发展战略的转变，能看出先进科学技术在国家发展中的重要地位。为了2025年实现“中国智造”的目标，高职院校创新人才培养模式，顺应国家发展战略的调整。同时，高职教育转型过程中，转变以往以理论、成绩为主的思想观念，对人才进行更加系统的培养，调整理论知识、实习实践之间的关系比例。人工智能时代的高职教育转变与创新，可以加大对学生创新意识的培养力度，使人才综合素养得到更好提升，满足“中国创造”的需求。
（三）学生自身价值实现的需求
时代的发展使高职学生的思想发生变化，传统的高职教育虽能提高学生专业能力，但并不满足当前企业对工作岗位的需求，学生无法实现自身价值。曾经的学生，没有认识到自身与社会的关系，存在“得过且过”等不良思想。新时代，高职学生逐渐认清自身地位，意识到自己与国家民族是“命运共同体”，是实现伟大复兴“中国梦”的主要力量。高职教育转型创新，根据时展要求、学生需求，合理调整教学方案与计划。
第12篇
[关键词]人工智能 信息技术 智能教育
人工智能是多种学科相互渗透而发展起来的交叉性学科，其涉及计算机科学、信息论、数学、哲学和认知科学、心理学、控制论、不定性论、神经生理学、语言学等多种学科。随着科技的飞速发展和人工智能技术应用的不断扩延，其涉及的学科领域将愈来愈多，它已和人们的学习、生活息息相关，时代和社会需要此方面的大量人才。在高中信息技术课中开设人工智能初步模块是十分必要的，本文拟从其发展现状、存在问题等几个方面对我国高中信息课程中人工智能教育做一下探讨。
一、高中开设人工智能课程的意义
（1）人工智能定义
人工智能(AI，Artificial Intelligence)是计算机科学的一个分支，己成为一门具有广泛应用的交叉学科和前沿学科。它研究如何用计算机模拟人脑所从事的推理、证明、识别、理解、设计、学习、规划以及问题求解等思维活动，来解决人类专家才能解决的复杂问题，例如咨询、探测、诊断、策划等。
（2）开设人工智能课程的意义
现实世界的问题可以按照结构化程度划分成三个层次：结构化问题，是能用形式化(或称公式化)方法描述和求解的一类问题；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；半结构化问题则介于上述两者之间。
将人工智能课程引入到我国现行的教育中，可以让学生在了解人工智能基本语言特征、理解智能化问题求解的基本策略过程中，体验、认识人工智能技术的同时获得对非结构化、半结构化问题解决过程的了解，从而使学生了解计算机解决问题方法的多样性，培养学生的多种思维方式，更好的解决现实问题。
二、高中人工智能教育现状及存在问题
目前，该学科的教育正处于摸索阶段，由于中学信息技术师资水平、学校硬软件设备等条件的制约，我国尚未在中学专门开设独立的人工智能类课程，Internet上与人工智能教育相关的中文信息资源也十分贫乏，在教学环境上大致存在以下问题：
（一）教学条件参差不齐
开设好人工智能课程，就要求安排更多的实践课程和活动来增强课程的趣味性，让广大师生切实体会到人工智能对我们生活的影响。这些活动大部分要求上机操作或利用网络资源来学习交流，这就对教学条件提出了较高的要求，尤其是一些偏远农村、条件相对落后的中学在开设人工智能课程上存在很大困难。
（1）对硬件性能的要求
人工智能课程中有较多的实践课程需要老师和学生利用网络资源，使用计算机进行操作。这就需要学校配备计算机网络教学机房，若其性能较差，会延长学生在线进行人机对话的时间，一旦遇到网络堵塞，可能连网页都打不开，这不仅浪费了仅有的上课时间，而且大大降低了学生的学习兴趣。
（2）对软件性能的要求
为了降低成本，学校可以利用互联网上提供的免费下载软件和免费在线教学网站等进行实践教学，可大大减少自研开发软件和软件维护的费用。但一旦遇到网络不通、网络拥挤或在线网站停止服务等情况，将无法使用网络资源进行教学，可见，软件的依赖性较强也存在很大的问题。
（二）对人工智能科学的认识不足
（1）学生的认识误区
提及人工智能，给大多数学生的感觉是一门神秘、遥不可及的科学。很多学生认为人工智能技术是很高深的科学，离我们现实生活有一定距离，研究和接触这门科学是少数科学家的事情，从而对该科学的关注程度不高。其实，人工智能学科是一门渐渐成长的科学，它将应用在我们生活的方方面面。我们应在教学中让学生多去体验人工智能的魅力所在，吸引更多对该学科感兴趣的人去研究和使用它。
（2）教师对人工智能学科开设存在偏见
一些从事该学科教学的教师没有接触过人工智能方面的知识，在接触过后被其中深奥难理解的知识所吓倒，认为即使开设了这门课程也不易被同学们所接受；而一些在大学接触过人工智能课程的教师则认为，其理论枯燥乏味，知识内容艰深，不适合放在高中开设。
（三）一线教师经验不足
在我国大学教育中，开展人工智能专业课程的大学为数不多，师范类院校更是少之又少。从事人工智能领域的专业人才输出少，所以，缺乏具备一定知识结构、有专业素养的教师来担任高中信息技术课中人工智能课程的教育工作。绝大多数的一线教师并没有接受过人工智能课程的专业培训，在授课内容上的着重点掌握不好，教学目标不够明确；在授课形式上也没有前人的经验可寻，这就给一线教师带来了极大的挑战。
三、解决上述问题的几点建议
（一）加强软、硬件建设
在学校条件允许的条件下，应加大硬件设施的投入，改善网络传递信息的效率，同时加强软件资源建设。鼓励师生上网搜索更多适合AI教学的网站，教师应整理出和AI相关的趣味小故事、电影、光盘等和教材相关的素材，以便更好的配合硬件教学。
（二）端正认识，增强支持
作为教师要树立对高中人工智能选修课程的正确认识。通过对课标中规定的相关内容的深入了解和学习，克服对人工智能的神秘感或恐惧感，理性而客观的看待人工智能技术及其应用，明确在高中开设该课程的目的。同时，教师也不能因为该课程的“选修”性质，从而轻视该课程的作用。
作为学生不应该仅仅看见这门课程的娱乐趣味性，应把一些重要的技术理论知识重视起来，不能过分的放松自己而偏离了我们的教学目标。家长也应该支持和赞同学生选择该课程，不能应认识不到这门课程的作用、怕耽误学生主干课的学习而反对学生积极参与。
校方领导也不应条件限制就轻易放弃这门课程的开设，应给予积极的配合。社会各界也应加强舆论与正确引导，让更多的人们认识人工智能并予以肯定。
总之，人工智能是一门逐渐成长的科学，开设好该课程需要广大教育工作者和校方领导不断努力，互相交流，共同克服困难。
参考文献：
［1］张剑平.人工智能技术与“问题解决”［J］.中小学信息技术教育，2003(10).
［2］段东辉.浅谈信息技术课程中人工智能教育［J］.新乡教育学院学报，第19卷第二期2006，6.
第13篇
关键词：人工智能；应用领域；实际应用
1. 人工智能中智能体的功能
1.1人工智能
人工智能是以知识为对象，研究知识表现、知识获取、知识挖掘等的学科。从其功能来看，人工智能即参照人类智能活动的客观规律，借助一定的智能体，模拟人类的思维执行诸如判断、推理、识别、决策、检测等活动。
1.2智能体
人工智能必须借助一定的智能体来实现，也就是说，智能体是人工智能的载体。因此，分析人工智能就要借助智能体来阐述。一个性能良好的智能体，应尽量准确捕捉用户的用意，通过对环境的感知，敏锐地获取相关信息和知识，并根据环境的数据变动适时作出调整，高效执行用户指令，完成用户指定的任务。
1.2.1单智能体的功能
依照智能体的功能，人们通常将智能体划分为思考型、反应型、混合型三种。
图1 思考型智能体的功能示意图
思考型智能体主要通过用户根据目标或任务，下达行动指令，用知识和计划指导行动，并根据行动的反应，对环境进行感知，智能体感知内部状态等对环境状态，适时对动作进行调整，实现思考型智能体的功能。
图2 反应型智能体的功能示意图
反应型智能体主要通过规则动作指导行动，并利用智能体对环境状态的感知，指导规则动作对环境作出适应性改变，实现反应型智能体的功能。
图3 混合型智能体的功能示意图
混合型智能体的功能较为复杂，它通过智能体对环境的一般、紧急情况作出反应，对环境状况建模，对环境可能发生的情况进行预测，与其它智能体进行交流，共同指导决策，指导行动的准确性。
1.2.2多智能体的功能
多智能体即通过多个智能体间的相互协调，共同配合，构成一个综合智能体，联合达成一个任务。每个成员智能体有着各自的目标和动作，可以不受其他成员的限制，自主执行自身的动作规则，利用各个智能体间的竞争与协调，化解多个智能体间的矛盾与冲突，实现多智能体的任务，体现多智能体的功能。在多智能体的综合功能下，各个智能体作为综合功能的子功能，每个智能体都具有较高的适应性，能够根据问题，进行规划和推理，判断应该采用的策略，对环境施加影响。多智能体基于简单的设计理念，具有有利于建模，可扩展性强，管理方便，能够节省构建成本，明白易懂等特点。通过多智能体，可以面向对象，实现智能体的多元化和多层次性的构架，缓解了综合系统的复杂性，也缓解了各个系统解决问题的复杂性，并通过协调与协作，提高解决问题的效率，提高整个系统行动的效率。
2. 人工智能的主要应用领域
2.1人工智能在教育的应用
2.1.1教师辅导的智能化
人工智能在教育的应用，主要表现在利用Agent技术，实现智能化教学。Agent技术是一种基于分布式的智能技术，通过智能体Agent，可以实现自主学习的功能，并根据感知自身和环境状态，采取相应的行动，达成系统规定的目标或任务。Agent具有多种优势，诸如可以自主完成行动，快速对动作做出反应，协作能力强，系统处于开放状态，通信性能好，能够随时随地进行行动等。多Agent系统由多个成员Agent组成，各个成员Agent都有既定的动作，通过成员hgent间的通信，获知相关信息，共同协调完成整个系统的复杂任务。Agent在智能化教学中的主要功能：对教学过程进行跟踪监控、教学分析、教学信息的整理、辅助学习、学习方法建议等。通过上述功能，能够适时监督学生的自主学习和教师的辅导，并能够结合学生的学习行为、学习效果等，提供有效的学习指导，实现教师辅导工作的智能化。
2.1.2教学资源的智能检索
目前，各种网络教学资源五花八门，信息量非常大且较为分散，并且各种教学资源还在不断的增长，给学生和教师利用教学资源带来相应的困难。智能检索系统的应用，能够帮助学生和教师在海量信息中，快速准确地搜索到所需信息，节省学生或教师的检索时间，提高用户检索效率。
2.1.3智能化评价
随着现代教育的发展，运用专家系统技术，通过网络考试系统，采用智能组卷算法，实现自动组织考卷。通过试题库，依照既定规则，对精选的试题进行筛选，实现自适应的试题测试功能。根据相关需要，设计自动评卷功能，对考试结果进行评价，并可根据需要对考试题型进行评价。
2.2数据挖掘技术
2.2.1数据挖掘技术
数据挖掘技术，就是通过揭示数据间的关系和数据的存在模式，对数据和数据库进行处理的技术。它是人工智能、数据库管理、仿真等多学科交叉的边缘学科。数据挖掘技术的应用，为工商、科研工作的发展提供了较多的新方法，对工商业与科学研究都具有非常重要的意义。由于数据挖掘技术蕴含着知识表现、知识获取和知识挖掘等理念，使得其与人工智能的功能如出一辙，很多人认为数据挖掘技术应该是人工智能的一支。从实际来看，虽然数据挖掘技术与人工智能有相应的交集，但它已经成为一个独立的系统，具有更为丰富的内容体系，与人工智能、机器仿真、OLAP、专家系统等都具有相关性，其规则、分类、算法等都自成体系，体现出数据挖掘技术的博大精深。
2.2.2数据库的知识发现
通过数据挖掘技术，对数据库中的知识存量进行充分的研究，从中找出潜在的规律性，从而利用数据的相关性分析，挖掘出蕴含在数据中的抽象知识，揭示数据所表现的客观世界状况，从中得出相关的本质和规律，从而自动获取知识。知识表现所概括的是数据所揭示内容的概念，比数据本身更有应用价值。
2.3智能检测技术的应用
2.3.1智能机器人研究
在智能机器人的研究中，研究者更加关注对机器人的行动进行智能控制，也就是说，研究者在给定机器人任务后，必定要根据任务设计相关的动作规则来实现任务，然后根据智能控制，使机器人的行动达到研究者的预期目的。
2.3.2对流水线的智能监控
很多工厂的生产流水线，都需要通过过程监控，保障产品质量和系统性能。很多企业已经采用人工智能对流水线进行监控 ，确保流水线的物理参数精度，实现流水线的高效和产品的优质。例如汽车工业的模糊逻辑智能控制，轧钢厂的神经元智能控制，水泥旋窑的模糊智能控制等。
2.3.3故障的智能诊断
一般情况下，智能系统根据检测到的故障状况，对照系统存储的相关诊断数据和信息，判断系统、器官、元件等出现故障的原因，采用系统给定的信息进行故障处理，及时排除故障，提高系统的稳定性和可靠性。故障的智能诊断系统构架主要有：故障信息库、诊断信息、数据接口、数据库等。例如，飞控系统的故障诊断、雷达的专家诊断等。
2.3.4医疗领域的专家系统技术
从上世纪70年代，医疗领域已经开始广泛应用专家系统技术。例如在外科手术中，采用模糊逻辑控制，通过模糊函数与语言，准确把握病人的麻醉深度，实现对病人麻醉深度的智能控制。
3. 人工智能的实际应用
3.1机器人在教育界的应用
3.1.1模拟教学
根据教材的安排，对某些需要解释的现象进行机器人模拟演示，让学生认真观察，从中发现一定的规律，使学生加深对规律性的认识和理解。如数学教学中的抛物线轨迹演示，物理教学中的阿基米德定理演示等，都能够利用直观的演示，揭示其中的规律，使学生加深对相关知识的理解。
3.1.2人机交互的辅导方式
利用机器人辅导学生学习，可以通过人机交互，为学生提供量身定制的辅导模式，使学生的个性得到充分发展。采用微型机器人与学生的交互辅导，可利用微型机器人其体积小、重量轻，便于携带等优点，随时随地进行学习，随时为学生解决问题，提供学习指导。利用家庭机器人与学生的交互辅导，承担家庭教师的职责，有利于学生问题的适时解决，也有利于学生的学习得到及时的巩固。通过软件机器人与学生的交互辅导，可以对学生的学习情况进行分析，为学生制定专门的指导计划，提高学生的学习质量。
3.1.3仿真训练
在教学中，教师可以利用机器人，将相关内容通过机器人的演示展现给学生，减轻教师的负担，并能够通过规则的动作，使教学更为规范。例如，用机器人示范体育高难动作，可以将动作分解、定格、重复播放等，从多方位展示动作，使学生能够充分掌握动作的规范，比教师的示范更为科学，也更为有效。
3.1.4机器人远程教育
通过机器人，可以通过对学生的特征数据分析，建立学生模型库，根据学生的个性，同时对多名远程教育的学生实施个性化教学和辅导，提高远程教育的效率，实现远程教育的智能化。
3.1.5激发学生的学习兴趣
机器人为学生创设富有情趣的教学环境，根据教学任务，采用与学习相关的游戏，调动学生的学习积极性，使学生在尽可能短时间内，掌握需要了解的知识点，提高学习效率。
3.2数据挖掘技术的实际应用
数据挖掘技术的应用领域较为广泛，主要有：
（1）商业领域
商业领域是最早应用数据挖掘技术的重要领域。通过数据挖掘，对产品销售数据进行分析，对产品进行市场定位；根据消费者需求分析，对产品的销售进行预测，调整产品营销策略；根据市场销售情况，制定合理的库存，减少资金的占用；对顾客的购买行为模式进行识别，据此布置货架，适应顾客的购买习惯；通过食品的滞销、畅销分析，制定相应的促销手段和促销时间，避免商品过期积压等等，使数据挖掘技术在商业领域得到极为广泛的应用。
（2）金融业
利用金融服务的各种卡品信息，分析客户的需求，了解客户的存款和贷款信息，对存、贷款趋势作出科学预测，从而制定合理的存、贷款优惠策略；对金融交易活动进行监控，从中提取有用信息。例如，有信用卡客户对私家车感兴趣，金融机构就可以将信息告知汽车销售部门，并为客户提供量身定制的贷款服务。
（3）工业生产
在产品销售环节，工业生产企业对数据挖掘技术的应用与商业领域的应用大致无异。随着市场竞争的激烈，很多工业生产厂家已经通过数据挖掘技术对生产过程进行动态监控。
（4）网络应用
随着信息流量的增大，简单的索引与搜索系统已经很难满足网络用户的需要，有待开发高层次的搜索引擎来适应网络不断的发展，智能化的搜索引擎带给用户的是快捷、高效与易用，使其成为今后搜索引擎的应用趋势。
（5）其它方面的应用
通讯公司利用远程通信，及时了解客户信息，创新客户服务，拓展新的业务，扩大市场影响力，赢得最佳效益。高校利用数据挖掘技术，了解生源信息，将学校的专业信息发送给目标生源；对教师的情况进行分析，从中找出关联性，有针对地制定教学方案，有效提高高校的教学质量。医药公司通过对医生处方分析，了解医生的用药情况，可以制定合理的供货计划和营销策略。旅游机构对旅游团体进行分析，可以采用有效的旅游模式，吸引更多的旅游团体。利用卫星遥感技术获取的数据，提高天气预报的准确度。
3.3人工智能在检测系统的应用
人工智能在检测领域的应用非常广泛，如前面介绍流水线的监控、智能故障诊断、专家技术系统等，现对网络入侵的智能检测系统加以简要说明。
3.3.1网络入侵专家检测系统
该系统的智能化程度高，用户不用干预专家系统的推理。然而，其系统信息是建立在专家知识的基础上，必然受专家认知网络攻击模式的限制。该系统的构建基于以下几点：首先，采用安全入侵规则的描述方式，如判断树描述、图形描述等。其次，通过合理推理，参照专家库的规则，判断网络安全状况，检测是否有入侵行为发生。最后，更新专家库，调整专家规则，结合神经网络技术，利用神经网络技术的敏感性与快速反应能力，不断增强系统的自适应功能，提高系统检测能力。
3.3.2入侵统计智能检测系统
该系统主要对异常的安全问题进行检测。它通过建立正常行为模型，对照进行网络入侵检测，检测出正常行为有较大偏离，则视为异常。首先，确立门限值，统计某一事件在特定时间出现的频率，检测是否超出门限值，判断系统是否异常。其次，设定事件度量均值、度量标准偏差的置信区间，统计系统的两个参数值，判断系统是否偏离区间，检测系统异常与否。最后，根据事件的矩阵数据，对事件转移的概率进行统计分析，结果小则预示存在异常。
参考文献：
[1] 于大方.浅析人工智能及其应用领域[J].科技信息.2008(23)
[2] 张鹏.智能机器人辅助教育及其应用[J].中国电化教育2009(2)
[3] 龚成清.基于人工智能的网络入侵检测系统设计[J].南宁职业技术学院学报.2009(5)
[4] 张睿.浅论数据挖掘技术及其应用[J].成功(教育版). 2009(10)
第14篇
1 引言
能够透彻地了解人类智能行为产生的机理并制造出可以模拟智能行为的智能机，是人类长久以来一个美好而强烈的愿望。从世界各国的古老传说到近代科学的不断尝试，都表明了人类希望征服自然进而征服自己的决心。人工智能学科的出现及迅速发展，为这一愿望的实现带来了希望的曙光。它的研究延长了人脑的功能，深化与拓展了人类的智能劳动，使科学技术革命的发展速度空前。目前，人工智能(Artifical Intelligence，简称AI)已被应用到社会生活的各个方面并已取得了令人瞩目的成就。
虽然体育实用计算机科学在短短十几年中已经取得了迅猛的发展并有力地促进了体育事业的进步，但是，我们也不得不冷静地看到，体育实用计算机技术还远远滞后于计算机科学的发展，在以“知识工程”为主的人工智能诸学科取得巨大成功的时候，体育实用计算机技术还在坚持“数据结构＋算法＝程序”的传统程序设计方式，显然已是大大落后于时代了。怎样在系统分析的基础上有步骤、有顺序地将计算机科学的最新发展成果应用到体育领域中来，从更大程度上挖掘计算机科学的潜能从而促进体育科学再上新台阶，就成了体育科研工作者一个重要的课题。本文分析了体育实用人工智能的现状，展望了体育实用人工智能的未来。目的是引发广大体育工作者对体育实用人工智能的兴趣，吸引更多的人参与到这项工作中来。
2 人工智能及其解题思路
人工智能是一门前沿学科，是在计算机科学、控制论、信息论、系统科学、哲学等多种学科基础上发展起来的。它的出现及所取得的成就引起了人们的高度重视，从而被称为是继第三次产业革命之后的又一次革命。尽管如此，目前还没有一个关于人工智能的确切定义。我们可以这样理解：人工智能是一门研究如何构造智能机器(智能计算机)或智能系统，使它能够模拟、延伸、扩展人类智能的学科。通俗地讲，人工智能就是要研究如何使机器具有能听、会说、会看、会写、可思维、会学习等人类思维能力的一门科学。
人工智能的研制者通过知识获取过程将专家知识变成计算机可以识别的代码(知识库)，然后通过计算机程序设计使计算机模拟人类所特有的推理思维过程(挑选知识的过程)，从而完成只有人类才能解决的智能问题。由于人工智能可以融合多个专家的知识并吸取了人类的直觉和经验，所以，人工智能更适合于解决现实中需要人的思维判断而难以量化的问题。对于体育领域而言，不论是运动员的选材、训练计划的安排、运动处方的制订还是运动技术的诊断，体育专家的知识和经验都有着举足轻重的作用，如果智能系统可以完成这些工作，对体育科学的发展将产生深远的影响。
3 体育实用人工智能的现状
象所有处于发展之初的学科与研究方向一样，人工智能与体育科学的完全交汇融合还有相当长的路要走，还需要我们保持清醒的头脑，采取实事求是的系统分析方法来对待它。惟有如此，我们才会既能发现不利因素而不至于盲目乐观，又能看到有利条件而不至于悲观失望，才能有的放矢地把握体育实用人工智能的发展进程。
3.1 体育实用人工智能发展过程中的问题
1.对大多数体育工作者而言，人工智能技术还相当高深，它需要开发者不仅具备专项知识，还必须具备系统工程、软件开发等多个领域的综合素养。这些条件不仅对缺乏计算机操作能力的许多工作者来说十分苛刻，即便是具有一定计算机应用水平的科研人员，对知识工程理论与方法的缺乏也会使其成为人工智能的门外汉。智能系统的核心和基础是人类的知识和经验，要想开发智能系统，就必须从传统的以数值计算为中心的程序设计转变到以知识符号处理为中心的程序设计上来。这种思维与观念的转变显然不是轻而易举的。此外，智能系统的开发是一个复杂的、旷日持久的系统工程，不仅需要相当的技术和足够的软、硬件支持，而且需要开发人员长期、艰苦的努力。与那些更易在短期内取得成果的研究方向相比，体育实用人工智能技术的研究可能更容易被人们所忽略。
2.人工智能与体育科学两学科发展的相对独立性阻碍着两者的交汇融合。掌握人工智能技术的科研人员还没有看到其在体育领域应用的广阔天地，人工智能的应用成果还集中在工业控制领域、社会经济系统或军事决策过程——相对来说，这些领域更易取得明显的经济效益和社会效益。体育实用人工智能研究的巨大潜力还没有被挖掘出来。与此同时，相当一部分体育工作者还在沿袭着传统的以“经验技能”为主的教学、训练模式，保守的思想也使他们看不到或是轻视或是不愿接受科技发展的新成果，这就加大了体育实用人工智能普及的难度。总的来说，相互渗透、相互吸引是两者的必然趋势，但目前人工智能与体育科学仍处于若即若离的境地，两者的交叉还需要一个强有力的桥梁和纽带。
3.人工智能技术本身的不完备性。尽管自80年代以来，对机器学习、分布式人工智能、知识表示、常识推理等基础性研究取得了可喜的成果，特别是人工智能的重要分支——专家系统的应用研究成果已取得了重大突破，但是从总体上来看，人工智能距其完善还有相当长的路要走。我们不得不看到，人工智能的大部分分支，如自然语言理解、模式匹配、可视化研究等等都还不完善、不成熟，许多研究成果还仅仅停留在实验室和书面报告里，并没有转化到应用上来，即使是在专家系统中，专家知识获取这一“瓶颈”技术也阻碍了它的进一步发展。
此外，我们也不得不考虑一下计算机软、硬件和资金方面的限制。一般一个大型的智能系统的开发需要强有力的计算机软、硬件支持和足够的资金投入，基本上以个人微机为主的体育科研及捉襟见肘的体育科研经费可能会从很大程度上限制着体育实用人工智能的发展。
3.2 体育实用人工智能发展的有利条件
尽管一系列理论与实际问题阻碍了体育实用人工智能的发展，但是我们也没有理由对体育实用人工智能产生悲观情绪，更多、更有利的条件则为人工智能技术在体育领域的应用开辟了道路。
1.计算机技术在体育领域的广泛应用以及它对运动成绩的巨大推动力，已经使越来越多的人们认识到程序设计的美妙前景。显然，体育实用计算机程序的设计就是对体育工作者脑力劳动的解脱。这不仅仅是已尝到程序设计甜头的教练员和运动员的迫切要求，也是广大体育科研人员的努力方向。
2.近年来，我国的体育教育，特别是高层次的体育教育取得了很大的进展，培养出一大批年富力强、有很强科研能力的硕士和博士研究生。他们大都具有较强的计算机应用能力和学习能力，对他们来说，掌握人工智能技术也并不是遥不可及。青年体育科技工作者的不断发展与壮大，为体育实用人工智能的发展提供了必要的人才支持。
3.“全民健身计划”的推广与实施，不仅使我国的群众体育走上了正规化的道路，而且吸引着越来越多的人参与到体育活动中来。这其中当然包括人工智能领域的研究人员，他们会在锻炼中逐渐认识体育、了解体育、发现体育中的问题并不断尝试用本领域的技术方法来解决它(事实上，许多行之有效的体育实用方法和技术都是非体育专业科研人员引进到体育领域中来的)。人工智能会象现在已经在体育领域得到广泛应用的灰色理论、模糊数学、系统工程一样，逐渐地被广大体育工作者所承认、理解和接受，进而逐渐渗透到训练、选材、规划、教学等日常的体育工作中。因此，“全民健身计划”的出台与推广，又为体育实用人工智能的发展创造了有利的外部环境。
此外，体育科研触角的不断伸展、体育科技投入的逐渐增加、体育科研人员素质的不断提高和人工智能技术的不断完善，都会在一定程度上加快体育实用人工智能的步伐。
4 体育实用人工智能的发展方向
就目前人工智能领域而言，人工神经网络技术与集成分布式智能系统是研究的热点。前者是以研究大脑的结构和认知模型为主，用以对智力活动进行模拟或处理海量信息。后者是一种大规模的集成环境，即把各种不同的专家系统、神经网络、数据库、数值计算软件包和图形处理程序进行有机集成，以解决复杂问题，是“大成智慧工程”。虽然这两者也可作为体育实用人工智能的研究方向，但对当前体育领域而言，应用性研究，即将各种已经成熟的智能技术应用到体育实践中来，有着更加重大的现实意义。
4.1 各种体育实用专家系统的开发与研制
专家系统是利用具有相当数量的权威性知识来解决特定领域实际问题的计算机程序系统。它根据用户提供的信息、数据或事实进行自动推理判断，最后给出结论及结论的可信度以供用户决策之用。之所以选择专家系统做为体育实用人工智能研究的突破口，是因为不论从理论上、技术上，还是从应用上，专家系统都可以算得上是人工智能最成熟的一个分支。一些成功的专家系统开发实例(包括已开发的体育实用专家系统)可以提供技术支持，各种理论研究又使开发过程有章可循。体育实用专家系统的开发，能够促使体育实用人工智能不断地从抽象走向具体，引导体育工作者循序渐进地了解和掌握智能技术，逐渐开发出智能化程度更高的智能系统来。惟有如此，才能符合事物发展的客观规律，才能保证体育实用人工智能健康、有序地发展。
4.2 体育领域自身智能技术研究人员的培养
由于受知识和技术的限制，在很长的一段时间内，体育实用人工智能的发展还必须依靠人工智能领域人员的引导。然而，只有培养出体育领域自身的智能技术研究人员，体育实用人工智能才会有光明的前途。新一代的开发人员，我们可以称其为智能工程师，应该首先是一个体育工作者，并已具有相当程度的体育专业知识和体育运动实践，再通过人工智能技术的学习和训练，就可以单独开发出自身领域高质量的智能系统。智能工程师及其工作，为人工智能技术向体育领域的渗透提供了必要的前提条件。
4.3 体育实用人工智能的基础理论研究
虽然体育实用人工智能技术和方法研究十分重要，而且往往能够在较短的时间内取得明显的效益，但是它们却根植于基础理论的研究，脱离了基础理论，技术和方法就会变成无源之水、无本之木。体育实用人工智能也只是昙花一现。知识只有形成体系，才能成为科学，一系列的技术只有被理论所串接和揉合，才会具有持久的生命力。因此，加强体育实用人工智能的基础理论研究(包括运动智能和竞技心理的形成、发展规律、技能知识的表达方式、体育专家的思维推理过程研究、技能知识的传递方式研究等)，是这一新生学科存在和发展的根基所在。
5 结束语
体育实用人工智能离成熟还有很长的距离，还存在着一系列的问题，但同时又充满着希望，为迎接这一机遇与希望共存的挑战，广大体育工作者需要沿着正确的方向做出艰苦的努力。
主要参考文献
1 刘泉宝，等.关于人工智能的哲学思考.计算机科学，1995(2)
2 石纯一，等.人工智能原理.北京：清华大学出版社，1993
3 陆汝钤.专家系统开发环境.北京：科学出版社，1994
4 王永庆.人工智能—原理*方法*应用.西安：西安交通大学出版社，1995
5 刘有才，等.模糊专家系统原理与设计.北京：北京航空航天大学出版社，1995
6 Ming Rao，等.智能工程与控制技术：历史、发展与未来.控制与决策，1994(1)
7 高扬.体育院校课表计算机辅助编排系统的开发与应用.体育数学与体育.系统工程，1995(1～2)
8 程勇民，等.射击运动员肤纹特征及计算机选材模型的研究.体育科学，1995(5)
9 邵桂华，等.体育领域专家系统外壳的开发与研制.体育科学，1997(3)
10 邵桂华，等.赛艇项目技术诊断专家系统的开发与研制.系统工程，1997(4)
第15篇
关键词：智能科学与技术；知识结构；应用型人才；人才培养；知识型能力本位教育
中图分类号：G64文献标识码：A
文章编号：1009-3044（2020）25-0153-03
1引言
智能科学与技术主要包含智能科学和智能技术两部分内容[1]：智能科学是以人如何认知和学习为研究对象，探索智能机器的实现机理和方法；智能技术则是将这种方法应用于人造系统，使之具有一定的智能或学习能力，让机器系统为人类工作。目前，在本科专业目录中，智能科学与技术专业是计算机类之下的特设专业，在现有的人工智能专业群中，除了新设的人工智能专业外（2019年全国共有35所高校获首批人工智能新专业建设资格），智能科学与技术专业与全球范围大力推进与快速发展的人工智能关系最密切，契合度最高。一方面，智能科学与技术的专业发展和人才培养将为人工智能技术提供理论支撑、技术推进和人才支持，另一方面，人工智能产业现状和未来发展趋势直接影响着智能科学与技术的专业发展和人才需求。
2人工智能时代对人才的需求
站在国家战略的高度来看，人工智能将成为新一轮产业变革的核心驱动力，可以实现社会生产力的整体跃升，因此人工智能将成为引领未来的战略性技术，世界主要发达国家都把发展人工智能作为提升国家竞争力、维护国家安全的重大战略。
随着人工智能时代的到来，许多企业对具有智能科学与技术专业背景的人才有着巨大的需求。首先，IT企业纷纷涉足智能科学领域，提高产品智能水平；其次，许多传统制造业也在转型，从劳动密集型到知识密集型，进一步提升到智能制造型，并逐渐具备高精尖装备制造能力；此外，医疗、通讯、交通等行业也对智能科技人才有着迫切的需要。人工智能对各行各业的影响，充分体现了智能科技的高速发展，对人才数量和素质要求也越来越高。
从人才的金字塔型分布来看，智能科学与技术领域不仅需要高端学术型人才，更需要接地气、重实践的应用型人才。随着“中国智造”的不断推进，智能科学与技术领域已由顶层设计和关键技术突破向生产、应用、装配、服务等环节延伸，迫切需求大批专业技术精、实践能力强、操作流程熟的应用型人才。2019年，人力资源和社会保障部、国家市场监管总局、国家统计局向社会了13个新职业信息，包括人工智能工程技术人员、物联网工程技术人员、大数据工程技术人员等，这也从另外一个侧面说明人工智能等技术推动了产业结构的升级，催生了相关专业技术类新职业，可形成相对稳定的从业人群。
3应用型人才培养模式分析
《中国制造2025》以推进智能制造为主攻方向，强调健全多层次人才培养体系，提到强化职业教育和技能培训，引导一批普通本科高等学校向应用技术类高等学校转型，建立一批实训基地，开展现代学徒制试点示范，形成一支门类齐全、技艺精湛的技术技能人才队伍。
通常而言，人才类型分为三类[2]：学术型人才、应用型人才、技能型人才。实际上从现代职业教育的发展和社会需求来看，应用型人才和技能型人才的界限相对模糊，可统称为应用型人才，即把成熟的技术和理论应用到实际的生产、生活中的技术技能型人才。从国家的层面来看，为了适应人工智能时展，人才需求数量基数最多、缺口最大的就是应用型人才，这也对众多高校培养人才的导向产生重大影响。这里我们重点讨论智能科学与技术应用型本科人才的培养，可从职能、知识结构、能力结构、行业（产业）导向四个方面来分析。
3.1职能
智能科学与技术应用型人才是培养面向各类智能科学与技术的工程设计、开发及应用，掌握各类现代智能系统设计、研发、集成应用、检测与维修、运行与管理等技术，具有扎实理论基础、较强工程实践和创新能力的高素质应用型工程技术人才。
3.2知识结构
智能科学与技术专业充分体现了跨学科的特点，其知识结构包含了三个并行的基础领域：电子信息、控制工程、计算机，也蕴含了电子信息工程、控制科学与工程、计算机科学与技术等学科的交叉和融合，体现了智能感知与模式识别、智能系统设计与制造、智能信息处理三个方面的专业内涵。
（1）智能感知与模式识别
属于电子信息与计算机交叉领域，主要定位在机器视觉与模式识别。包括三维建模与仿真、图像处理与分析、图像理解与识别、机器视觉、模式识别、神经网络、深度学习等。主要课程包括：电子技术基础、信号系统与数字信号处理、数字图像处理、模式识别等。
（2）智能系统设计与制造
属于控制工程领域，包括自动控制、无人系统与工程、精密传感器设计与应用等。主要课程包括：机械基础、工程力学、自动控制原理、传感器与测试技术、计算机控制技术、机电系统分析与设计等。
（3）智能信息处理
属于计算机领域，包括交通大数据、汽车与道路安全大数据等的分析与处理、信息处理与知识挖掘、信息可视化等。主要课程包括：智能科学技术导论、计算机程序设计、微机原理与接口技术、数据结构与算法、嵌入式系统设计等。
3.3能力结构
智能科学与技术应用型人才培养着眼于人工智能工程应用，要求学生具有运用计算机及相关软硬件工具进行大数据的采集、存储、处理、分析、应用的能力；具备智能系统的设计、开发、集成、运行与管理的能力；注重培养学生综合运用所学的智能科学与技术专业的基础理论和知识，分析并解决工程实际问题的能力，其能力结构可以借鉴能力本位教育（CompetencyBasedEducation，简称CBE）模式[3]。
CBE是国际上较流行的一种应用型人才培养模式，主要代表国家为加拿大和美国。该模式以能力为人才培养的目标和评价标准，一切教学活动均围绕综合职业能力的培养展开，CBE人才培养模式主要有以下三方面的特色：能力导向的教学目标；模块化的课程结构；能力为基准的目标评价体系。该模式所培养的本科应用型人才具有较强的专业综合能力和职业能力[4]，在一定时期得到社会的广泛认可，但是单纯的CBE模式并不能完全适应人工智能时代对人才培养的需求，这是由于目前许多职业岗位在人工智能的冲击下，其形式和内容均会产生动态变化，要求现阶段的人才培养具有延伸性和前瞻性，既要兼顾眼前，也要考虑应对智能化浪潮，打好基础，提高自学习能力。因此，智能科学与技术应用型人才培养有一定岗位针对性，但并不是完全固化岗位内容及层次、固化知识属性，必须强化自我学习能力，才能实现能力可持续增长，岗位的向上流动性以及知识和经验的进化，才能真正适应人工智能时展的需求。
自我学习能力的形成与提高往往源于知识结构的构建[5]。为了塑造更合适的能力结构，需要CBE模式与知识结构的相辅相成，有鉴于此，将这种新型人才培养模式称之为知识型能力本位教育（Knowledge&CompetencyBasedEducation，简称KCBE）模式，这也意味着在人才培养过程中，将知识结构与能力结构放在并重的地位，既着眼于预期能力的培养，也必须让学生筑牢学科专业基础，在走向社会以后，在知识引擎的作用下，通过自我学习，具备并提升适应未来的、新的智能化岗位需求的能力。
3.4行业（产业）导向
从智能科学与技术专业的角度，培养的应用型人才以“智能化应用”为就业大方向，具体而言，包括：
（1）智能感知与模式识别领域
主要从事电子信息的获取、传输、处理、分析、应用等领域的研究、设计及应用，包括图像处理、机器视觉、工业视频检测与识别、视频监控、传感器设计及应用等。
（2）智能系统设计与制造领域
主要从事智能装备、智能制造、智能管理、智能服务等领域的设计、制造及应用，包括智能工厂、智能车间、智能生产线、智能物流、以及智能运营与服务等。
（3）智能信息处理领域
主要从事计算机数据处理、分析、理解、管理、以及服务等领域的研究、设计及应用，包括数据存储与管理、数据分析与预测、交通大数据分析应用、道路与汽车安全大数据分析、智能交通、智能电力、智能家居、智慧城市等。
涉及的产业领域主要包括智能制造，如工业互联网系统集成应用，研发智能产品及智能互联产品等。其他的领域还包括智能农业、智能物流、智能金融、智能商务等。
产业需求带动人才培养，人才培养在满足产业需求的同时推动技术进步，而技术进步又引燃了新的产业需求。产业需求与人才培养的相互作用，呈现出螺旋式上升的发展态势，这在人工智能相关产业与智能科学与技术应用型本科人才培养之间表现的得尤为突出。
4KCBE模式人才培养的主要措施和途径
智能科学与技术专业应用型本科人才的培养模式一定是和人才需求、学校定位相適应的。培养应用型人才，应注重学生实践能力，从教学体系建设体现“应用”二字，其核心环节是实践教学。结合上述的KCBE培养模式，知识结构在能力培养过程中也占有非常重要的地位，因此在能力培养方面，知识和实践作为两大要素，不能偏废任何一方，必须齐头并进，既要固基础，也要重实践。
（1）筑牢智能科学与技术专业知识基础，构建与智能化应用相关的知识体系
在本科的低年级阶段，应注重公共基础课，特别是数学和力学课程，还应充分了解智能科学与技术专业的内涵，让学生对所学专业有一个比较全面的认识。在本科中高年级阶段，重点强化专业基础，包括电子技术基础、自动控制原理、传感器与测试技术、微机原理与接口技术、数据结构与算法等。归纳地说，应该筑牢数理基础、计算机基础、机电基础和控制基础，因此对原理课程需要强化，这样对很多工作机理、来龙去脉的理解才能深刻。
（2）增强智能科学与技术专业的实践环节，构建以能力培养为重心的教学体系
按照KCBE模式，校企合作是强化实践的一种重要形式[6]。学校根据人工智能企业实际情况灵活设置实践课程内容，根据企业发展趋势及时调整课程体系以避免教学内容与企业需求相脱离。人工智能企业还可以参与学校教学目标和教学计划的制定，并为学校实践教学提供各方面支持，从而提高人才培养的针对性。
