人工智能教育的目的范文

导语：如何才能写好一篇人工智能教育的目的，这就需要搜集整理更多的资料和文献，欢迎阅读由公文云整理的十篇范文，供你借鉴。

篇1

关键词:专业人才;教育;知识;能力;素质培养

随着高等工程教育改革的推进、素质教育的深化和土木工程专业口径的拓宽,近年来,社会进步和生产现场对人才的培养提出了更高的要求,以素质为基础,以能力为本位,用以培养学生的实践能力、创新能力和综合素质,面向就业岗位培养应用型、创新型人才的高等教育人才培养模式已成为共识。高等教育的改革与发展已呈现出新的局面,在追求专业能力的同时更注重人的综合素质,复合型人才越来越受到欢迎。随着国家加强基础设施建设以来,土木工程专业的就业形势近年持续走高。找到一份工作,对大多数毕业生来讲并非是难事。但是如何实现综合能力与综合素质全面提高,达到用人单位的基本要求,从目前的毕业生到现场工作实践看,严重存在着善于吃苦精神、善于学习意识、责任心、创新能力、综合素质结构缺陷等诸多问题,已成为诸多土木工程专业毕业生职业生涯中不可避免的瓶颈。在入学以来的学习及过去对土木工程专业的了解中,本科土木工程专业更是一个理论与实践紧密结合的专业,深刻体会到综合素质教育在土木工程技术人才培养中的重要地位。

一、在土木工程专业的人才培养中,在加强综合能力培养的同时应加强综合素质教育尤为必要

土木工程专业的学生进入大学校园后,对本专业还比较陌生,因此,如何加深学生对专业的印象,激发学生对专业的兴趣,是课程设置应该考虑的问题。课程的合理设置,规范的教学大纲,合理的教材,理论联系实践以及采用多媒体等是办好土木工程专业的基础。当然.我们还应该认识到我们需要做的工作还很多,还需要在实践中逐步完善;我们的教学应该和土木工程专业的发展保持同步,和应用型专门人才的培养目标相适应。专业人才的培养结果是通过社会对人才培养质量外显特征进行评价,从社会反馈回来的信息看到,当前我们的教育中还存在着如下问题:一是过窄的专业教育,二是过弱的素质教育。过窄的专业教育导致毕业生仅具备应用一定的专业知识能力,视野不宽,基础不牢,缺少创新、合作、管理等综合能力;过弱的素质教育导致具有高专业能力的人才素质培养不全面,个性发展不充分,缺少必备的文明、心理、道德等综合素质。纵观二十一世纪社会需要的工程师是能综合运用科学的方法及观点和技术手段来分析和解决各种工程问题,具备的条件应包括知识、能力、素质方面,不仅要具备基本的伦理道德、社会公德、还要具有一些特殊的职业道德,如强烈的事业心,高度的责任感,不断进取的毅力,团结协作的精神,良好的个人修养等。由于现代工程具有科学性、社会性、实践性、创新性、复杂性等特征,一个土木工程建设项目从立项批准到设计、施工、使用过程,是链式进行的,链中的每个环节都有大量的技术问题、经济问题和社会问题需要工程师妥善解决。实践表明,现代工程需要一大批能综合应用现代科学理论和技术手段,懂经济,会管理,兼备人文精神和科学精神的高素质工程技术人才。我们土木工程专业所培养出来的人才在国家的工程建设中发挥着十分突出的重要作用,各种建设工程质量和安全关系到国家的经济建设,社会的安定团结,人民的生命财产,因此,土木工程专业人才的培养是一项极其严肃而重大的工作。面临现今的土木工程市场,整体从业人员素质不高,远远的跟不上土木工程高新技术的发展需要,造成土木工程中质量通病、安全事故、浪费现象、工程腐败、豆腐渣工程屡见不鲜,现场人员缺少道德水准、目无法纪、缺少文明行为、礼仪行为、施工人员心理素质较差等等,反映出一部分土建专业人员的能力和素质问题,从教育的角度对土木工程专业人才培养提出了严峻的挑战。在土木工程专业的人才培养中,在加强综合能力培养的同时应加强综合素质教育,融传授知识、培养能力和提高素质为一体,将素质教育的思想渗透到专业教育之中,贯穿于人才培养的全过程。

二、寓素质教育于土木工程专业人才能力的培养中的途径与措施

教育的对象是“人”,教育的首要任务是“育人”,有的学生入校的分数差别不大,在校的学习成绩也不分彼此,专业性质一致,而工作几年后,差别就很大,原因何在,综合素质和能力不一样。对于人才,素质尤为重要。从国家看,国力的竞争关键是科技竞争,而科技竞争关键是人才竞争,而人才竞争关键是人才素质的竞争。素质是为人之本,现在科技的各个领域都在意识到与呼唤着“以人为本”。联合国教科文组织在1996年出版的国际21世纪教育委员会的报告《教育财富蕴藏其中》提出,教育在培养人才的过程中,必须使他们认知,学会做事,学会共同生活,工程技术人员在“做事”时,不但要回答“会不会做”(能否运用科学理论和技术手段合理的解决问题),更要回答“该不该做”(是否经济划算,是否符合政策法规、社会公德、文化传统、民族习俗的要求),也就是说,必须以做人来统帅做事。其实,我们很多教育家很早就强调过这样一个观点,我们首先是人,然后才是各领域的专业工作者、各行各业的人才,所以教育的本质,首先是教会学生做人。试想,一个人人性都丧失了,业务学得越好,能力练得越强,后果就越坏,这是人类最严重的危险。只有将素质教育与具体的专业教育相结合,才能实现人的全面发展。

篇2

关键词：人工智能；网络教育；应用；前景

中图分类号：TP18

“人工智能”一词最早是在20世纪50年代末期在Dartmouth学会上提出的。它是计算机技术的一个分支学科，但又同时包含了很多领域的不同学科，例如生物信息学、机械理论学、数理推论、语言文化等，它的研究领域非常的广泛，包括机器翻译研究、智能控制研究、专家系统学、机器人研究、语言和图像理解研究、遗传编程研究、自动程序设计研究、航天科学与应用、庞大的信息处理、储存、管理研究。此后，越来越多的科研人员开始了对人工智能技术的研究。国际上比较先进的研究机构有麻省理工学院、斯坦福大学、加州大学伯克利分校、宾夕法尼亚大学、耶鲁大学、德国人工智能研究中心、索尼公司等，中国的先进研究机构主要有清华大学、北京紫光优蓝机器人技术有限公司、中国科学院先进技术研究院、北京大学、南京理工大学、哈尔滨工业大学、中国科学技术大学、北京邮电大学等几十家机构。

目前，将人工智能应用在网络教育中是很多研究者关注的热点，在近些年的研究中取得了很大的进步，取得了一些先进的成果，但是在研究中也遇到了一些问题，需要研究人员进行解决并创新。本文首先介绍了网络教育的现状，探讨了人工智能在网络教育中的应用，通过研究提出了做好人工智能在网络教育中应用的有效措施，最后对人工智能在网络教育中的发展前景进行展望。

1 网络教育的现状

随着信息技术和网络技术的不断发展，人们对教育的观念以及接受教育的方式发生了巨大的改变，“网络教育文化”日趋成熟。网络的发展给传统的教育模式带来新的挑战，它除了将传统教育模式的一些显著不足进行了改变以外，同时使教学更富有吸引力和生气，吸引更多的人愿意到Internet教学中来学习自己想要的知识，他们可以不受时间、空间、身份的限制，到这个虚拟的课堂来进行“充电”。但在当前，网络教育还在初级的发展阶段，在实际的推广和应用中还存在着一些问题：

（1）在网络远程教育的过程中，支持学习的服务系统没有很好的满足学习者的要求，引导学习者学习的手段和给学习者答疑的方法都比较落后，服务的方式受到一些客观因素的限制；

（2）网络实验教学中有很的问题存在，例如空间的分散性差，时间的流动性和自主性差，除此之外，便携性也比较差等；

（3）目前，虽然网络教育中进行的考试具有开放性，但是考试的公平公正性、考试类型的科学性、出题的权威性都很难保证；

（4）目前来看，网络系统本身具有了信息查询能力，但这种查询的能力是很有限的。

2 人工智能在网络教育中的应用

2.1 智能决策支持系统

智能决策支持系统是在1980年左右由美国的研究大师波恩切克提出来的，是决策支持系统与人工智能技术相结合的产物。目前，由于智能决策支持系统的不断发展和创新，在网络教育的应用和研究方面表现出很强的发展潜力。例如，智能决策支持系统在数字和移动图书馆中的得到了广泛的应用，该系统能够为数字图书馆的管理人员提供决策和管理所需的数据、信息，帮助他们明确决策和管理的目标，通过建立决策模型并加以修改或完善，为数字图书馆正确、有效的管理和决策提供必要的支持。

2.2 智能教学系统

智能教学系统是在1970年以后迅速发展起来的，可以为学习者提供一种智能的授课环境，它将计算机的模拟功能来体现在整个教学过程中，使用人工智能技术和多媒体技术等先进的教学手段，共同形成一个交互式的开放的教学系统，在这个学习系统中，学生可以主动的获取学习知识，系统可以根据学习者的个人情况来进行合理和科学的教学，以达到最佳的、理想的教学效果。

2.3 智能导学系统

支持服务是现代计算机网络教育系统的重要构成要素。建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施计算机网络教育项目的保证。智能导学系统可以创造一个优良的学习环境，使学习者方便快捷地调用各种资源，以获得学习的成功。

2.4 智能硬件网络

智能网是20世纪80年代初期兴起的研究课题。随着网络的日益普及，通过网络进行学习，不仅要求多媒体综合化的信息处理能力，而且要求网络能够提供高级信息处理能力。就目前的状况而言，对现有的计算机教育网络赋予其一定的“智能”，从硬件性能本身加以提升是一种不乏远见的选择。

3 做好人工智能在网络教育中应用的有效措施

3.1 加大资金的支持

对于做好人工智能在网络教育中的应用工作，绝对离不开资金的支持，因此各级政府部门应该做好相关的预算，落实好国家对于支持人工智能技术的相关政策，对于在人工智能技术发展中做出突出贡献的企业和科研单位要给予一定的资金支持，支持这些企业、科研单位的研究工作，促进人工智能在网络教育中更好的发展和应用。

3.2 加快人员培训工作，建立技术研究团队

人工智能在网络教育中的应用工作具有技术性、专业性强等很多特征，因此，必须培养一批高素质的人工智能专业人才，同时还要对这些人员进行全面的业务培训，使得这些人员既要懂管理，又要精通人工智能的专业知识，通过全面的业务培训和人才引进，建立人工智能的技术研究团队，使得这些人的才能得到很好的发挥，在人工智能方面有所创新，保证人工智能在网络教育中得到更好的应用。

3.3 加强和先进研究机构的合作

在人工智能技术研究方面，美国、英国、德国等国家都走在世界的前列，而我国的人工智能技术研究的能力较低，与上述发达国家相比还存在一定的差距。因此，如何缩小这种差距，实现人工智能在网络教育中更好的应用，就需要我们的研究人员加强专业知识的学习，和这些国家的先进研究机构进行有效的沟通和联系，借鉴其先进的研究经验，根据自己的实际需要，进行一些实际的合作。

4 结束语

由于人工智能技术本身存在着巨大的优势，人工智能网络技术也会不断地进行发展而趋于成熟，这将极大地改善并且优化网络教育的学习环境，全面提升网络教育的整体教学质量，并有望增强网络教育的全面开放性。为了做好人工智能在网络教育中的应用，需要加大资金的支持，加快人员培训工作，建立技术研究团队，加强和先进研究机构的合作，使网络学习的支持服务更加人性化和拟人化，更加体现以人为本的关怀精神。

参考文献：

[1]吕生荣.浅谈人工智能在计算机辅助教学中的应用[J].科技资讯，2009（01）：198.

[2]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯，2007（34）：108-109.

[3]陆志一，吴学庆.计算机未来的发展趋势[J].黑龙江科技信息，2008（04）.

[4]张瑞.计算机科学与技术的发展趋势探析[J].制造业自动化，2010（08）.

[5]何月瑶.计算机技术发展态势分析[J].科技创业月刊，2007（05）.

篇3

苏霍姆林斯基在《教育艺术》中认为，“在人的心灵深处有一种根深蒂固的需要，就是希望自己是一个发现者、研究者、探索者。在儿童的精神世界中，这种需要特别强烈”。我们要敢于打破传统的教学模式，运用现代教育技术培养真正适应于经济社会发展的创新型和国际化人才。现代教育技术是伴随现代科技的发展，特别是电子、通讯、计算机的飞速发展而产生的，也是现代教育理论发展到一定阶段的产物。

作为新一轮科技革命的代表，人工智能（AI）技术已经或正在颠覆性地改变着许多行业和领域，而教育就是其中之一。来自谷歌的世界顶尖的人工智能专家团队将AI的智能l展划分成了三级：第一级是“弱人工智能”，只能够专注在一个特定领域，如下围棋；第二级是“强人工智能”，能够达到或超过人类水准；第三级是比人类聪明1000万倍的人工智能。

目前，“弱人工智能”已经渗透到我们生活的方方面面：搜索引擎、实时在线地图、手机语音助手、智能客服等都运用了人工智能技术。尽管人工智能要从感知、行为和认知三个维度全面模拟甚至超越人类，还有很长的路要走，但目前的AI凭借强大的计算能力、存储能力和大数据处理能力，已经改变着传统教育模式与教育形式，在破解教育资源不均、提高教育效率和教学质量、提供个性化精准化教学、优化教育评价系统等方面将发挥重要作用。

浙江西湖高等研究院人工智能研究室主任于长斌认为，人工智能下一步应用可能是远程教育、自我强化教育，甚至是教育领域的机器换人。从人工智能现阶段研究成果来看，机器人做数学题、英语题完全没有问题，有科学家还成功用人工智能自动生成科研和学术论文，其中有一些甚至被期刊录用。

高考机器人

在今年6月7日的“高考”中，人工智能机器人AI-Maths在数学科目的两套试题考试中分别取得了105分和100分的成绩。整个答题过程中，机器人不联网、不连接题库、无人工参与，全由机器人独立完成解答。研究人员表示，由于AI-Maths在识别自然语言时遇到了一些困难，导致部分考题失分。

AI-Maths先后解答了2017年数学科目高考的北京文科卷和全国Ⅱ卷的试题，分别用时22分钟和10分钟，北京文科卷得分105分，全国Ⅱ卷（数学）得分100分。对这台机器人来说，解答一道题目的时间最快不到一秒。此前总共做了不到500套试卷，大约12000道数学题。而一个中国学生，按照每天10道数学题估算，到高考前已经做了大约30000道数学题。

考试结果显示，这台高考解题机器人在不依赖大数据的前提下，逻辑分析能力远超人类，但在文意理解、多样性思维上要比人类逊色得多。参与阅卷的资深数学老师表示，AI-Maths相当于中等成绩水平的高中毕业生，失分主要是因为“读不懂题目”，遇到一些人类语言（而非数学语言）时，无法理解。

专家指出，这次机器人不得高分的原因较多，首先这个机器人并没有代表机器人的最高水平，其次机器人没有联网，不能够联想自己的知识，这样得低分也是理所当然的了。经过更多的训练和学习以后，未来AI-Maths会取得更好的成绩。

该机器人是由成都准星云学科技有限公司研发的一款以自动解题技术为核心的人工智能系统，诞生于2014年。该公司参与了科技部的863“超脑计划”。

同时进行的另一场机器人高考测试中，学霸君的Aidam首次与6名高考理科状元在北京同台PK，解答2017年高考文科数学试题。Aidam的成绩为134分，6名状元的平均分为135分。Aidam答题耗时9分47秒。为了展示，Aidam当天答题放慢了六倍速度，平时每道题完成时间应该在7-15秒。

从2014年开始，国内人工智能引领者科大讯飞就联合了包括北大、清华等在内的超过30家科研院校和企业，共同开启了一项隶属国家863计划的“高考机器人”项目，他们希望通过这个项目的实施，研制出能够参加高考并在2020年考上北大、清华的智能机器人。“超脑计划”汇集了国内近60%的人工智能专家，其重点就是要研究突破机器的知识表达、逻辑推理和在线学习能力。

目前，高考机器人在英语学习方面也取得阶段性成果：一是翻译，已经能够让翻译能力达到高考入门水平。二是在广东地区的英语高考、中考场景中，在发音准不准、填空题选择题，判断你懂不懂知识上，机器已经超过人工。三是口语作文实现突破。比如给学生一个题目《My Mother》，现在AI机器的评测打分已经比人类打分更精准。

有人提出了一个十分滑稽的问题，那就是人工智能要是通过高考考上大学，是不是意味着我们的教育培养出来的就是考试的机器？这个问题的逻辑不一定严密，但巧妙地折射出了现行教育体制的一些问题。如果以应试为主的教育方式不改变，智能机器取代老师几乎是必然。更可怕的是，这样的教育培养出的人也将被智能机器淘汰。

AI阅卷批改作业

面对庞大的考生规模和多种多样的考试，专家和老师阅卷成为一个独特的景观。从传统的纸笔阅卷到网上阅卷，再到今天的机器智能阅卷，AI可以轻松解决繁重复杂的阅卷难题，大大提高阅卷的效率和质量。

通过对试卷进行数字化扫描、格式化处理，转换成机器可识别的信号，机器就能按阅卷专家的评判标准，进行自动化阅卷，还可以自动检测出空白卷、异常卷，并给出最终的评阅报告及考试分析报告。原来三个月的工作，现在一周就能完成，而且更准确、公正。

中国教育部考试中心对“超脑计划”的阅卷工作进行了验证，结果是，在“与专家评分一致率、相关度”等多项指标中，机器均优于现场人工评分。

除了代替人工阅卷，人工智能还可以帮老师做批改作业、备课等重复枯燥的工作，不仅节省大量时间，还可以减少工作量。

语音识别和语义分析技术的进步，使得自动批改作业成为可能，对于简单的文义语法，机器可以自动识别纠错，甚至是提出修改意见，这将会大大提高老师的教学效率。

今年两会期间，科大讯飞董事长刘庆峰在提案中提到，科大讯飞的英语口语自动测评、手写文字识别、机器翻译、作文自动评阅技术等已通过教育部鉴定并应用于全国多个省市的高考、中考、学业水平的口语和作文自动阅卷。而基于国家“十三五”863“基于大数据的类人智能关键技术与系统”阶段性成果构建的“讯飞教育超脑”已在全国 70% 地市、1 万多所学校应用。

国外也有多个智能测评公司和实践案例。GradeScope是美国加州伯克利大学一个边缘性的产品，它旨在简化批改流程，使老师们更专注于教学反馈。目前有超过150家知名学校采用该产品。MathodiX是美国实时数学学习效果评测网站，算法会对每一步骤都进行检查、反馈。

美国教育考试服务中心（ETS）是世界上最大的私营非盈利教育考试及评估机构，已经成功将AI引入SAT和GRE论文批改，同人类一起扮演评卷人角色。

计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。

虽然人工智能可以阅卷、批改作业，但诚如《信息时报》刊发的《推广“机器人老师”可为广大教师减压》一文所言：教育需要尊重“异质思维”，同样的问题，学生会给出差异化、个性化的答案；目前“机器人老师”在阅卷、批改作业的时候会有明显的局限性，可能更适用于客观题却不适用于主观题。

不可否认，最初机器是用来辅助人工教学的，未来的趋势则是人辅助机器，而这个过程会一次次重塑考、学、教、管的服务流程。未来，当进入强人工智能和超人工智能时代，机器人更像是老甚至在许多方面超越老师。

机器人当老师

城乡、区域教育鸿沟，择校问题，学区房问题，都是教育教学资源不均衡导致的，归根到底是优秀教师的稀缺，而智能教育机器人则是解决这一问题的有力工具。“机器人老师”不仅有助于解决师资不足和师资结构不合理等难题，还能大大缓解社会矛盾，促进教育公平。

目前国内已涌现出像魔力学院这样的创业公司。几年前魔力学院创始人张海霞从北大毕业时，她的毕业论文是国内最早对人工智能教学进行研究的学术论文，同时在上大学期间，她就已经是新东方出国留学部最好的英语老师。这种雄厚的技术和教学背景，让她成为国内最早一批人工智能领域的创业者。

“与大多数互联网教育领域的产品不同，魔力学院从一开始，我们要解决的问题就是用人工智能机器替代老师进行讲课。曾经有很多投资人建议我们妥协一下，暂时用真人老师讲课，后面再一步步地进化到人工智能老师，但我们从来没有妥协。”张海霞说。

直到2016年3月，魔力学院第一个商业化的版本上线，企业开始有了第一笔收入，成为全球在人工智能老师这个领域第一家产品上线的创业公司，也是第一家实现了持续收入和盈利的创业公司。至今，在人工智能老师这个领域，魔力学院的相关产品仍然是惟一能从教、学、练、测各个维度提供人工智能老师教学的公司。

目前在新东方也开始这样的实验，教室里没有人类老师上课，机器人将重要知识点经过搜集和教学设计后，用非常幽默的方式向学生传授，从课堂效果来看，“学生很愿意听”。

新东方教育集团董事长俞敏洪认为，未来10年内，教师七成教学内容一定会被机器取代。不过，缺少人类老师的教学必然不完整，因为课堂教学不光是把知识点告诉学生，更需要对学生开展知识融合、创造性思维、批判性思维等能力训练。对于这些思维方式的训练教学，机器人老师还无法胜任。“未来的课堂将是机器人智能教学、老师情感和创新能力的发挥及学生学习的三者结合。”

除了民办教育在积极引入机器人老师，我国的“福州造”教育机器人已在部分城市的学校开始“内测”，今后有望向全国中小学推广。这款教育机器人除了帮助老师朗诵课文、批改作业、课间巡视之外，还能通过功能强大的传感器灵敏地感知学生的生理反应，扮演“测谎高手”角色。一旦和“学生机”绑定，可更清楚地了解学生对各个知识点的掌握情况。

对于机器人老师，国外早有应用。2009年，日本东京理科大学小林宏教授就按照一位女大学生的模样塑造出机器人“萨亚”老师。“萨亚”皮肤白皙、面庞清秀，皮肤后藏有18台微型电机，可以使面部呈现出6种表情。她会讲大约300个短语，700个单词，可以对一些词语和问题做出回应，还可以学会讲各种语言。“萨亚”给一班10岁左右的五年级学生讲课，受到新奇兴奋的孩子们的极大欢迎。

教育是塑造灵魂的特殊职业，教师是人类灵魂的工程师，面对的都是活生生的具有不同个性情感的学生，在价值观塑造和创新思维启发方面，“机器人老师”有着明显的局限性。尽管机器人老师不知疲倦，知识渊博，能平等地对待学生，加上它的特殊身份能激发学生的学习兴趣和动力，然而机器人永远无法完全替代“真正的人类教师”。

当老师们从繁重的重复性工作中解放出来，实际上可以将更多的时间和精力花在富有创造性的工作上。比如培养学生的素质和情商，激发学生对学习的热情，鼓励学生独立思考，形成自己的价值观和思想体系，成为有美好人格和创新能力的个体。

实际上，老师充当的是一个引导者、启发者的角色，老师做的应该是“准备环境-引导孩子-观察-改进环境-再引导-退出-再观察”。极少干预和不断引导，让孩子能最大限度地拥有独立性、专注度和创造力。

机器人进课堂是大势所趋。不久的将来，人类老师将负责进行情感、心理、人品、人格上的健康教育和品德教育，以及各类知识的融会贯通、学习方法的引导、创新能力的培养。而知识教育这部分，将会以“机器换人”的形式让渡给人工智能。这将对老师提出更高的要求，因为除知识教育外的这些教学内容，需要由真正有能力的老师来传授。“老师要避免被机器取代，就要先避免自己成为机器。”

可见，教师需要快速适应现代化教学需要，熟练使用各类领先科技产品，提升综合素质，这将决定教师本人的去与留，更是教育希望与未来的关键所在。

个性化教育

因材施教在我国已有2000多年历史，但在我国应试教育大环境下，根据学生不同的认知水平、学习能力以及自身素质来制定个性化学习方案，真是说易行难。当传统思想与尖端科技相结合，因材施教的可行性有了大幅提高。人工智能介入后，个性化教育有两条实现途径。

一是构建知识图谱。构建和优化内容模型，建立知识图谱，让学生可以更容易地、更准确地发现适合自己的内容。国外这方面的典型应用是分级阅读平台，推荐给学生适宜的阅读材料，并将阅读与教学联系在一起，文后带有小测验，并生成相关阅读数据报告，老师得以随时掌握学生阅读情况。

Newsela将新闻与英语学习融为一体。通过科学算法衡量读者英语水平，抓取来自《彭博社》《华盛顿邮报》等主流媒体的内容，由专人改写成不同难度系数的版本。LightSail也是相同应用，不过它的阅读材料是出版书籍，它收集了适合K12学生阅读的来自400多个出版商的8万多本图书。

2015年底Newsela用户量超过400万，LightSail和纽约市教育局、芝加哥公立学校、丹佛公立学校等机构达成了合作，而目前我国没有如此规模、与官方达成合作的个性化阅读学习平台。

二是自适应学习。人工智能可以从大量的学生中收集数据，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。当一个学生阅读材料并回答题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。

在美国乔治计算机学院，有一门课叫“人工智能概论”。这门课是艾萨克・格尔教授创建的。他有一个教学助理叫吉尔。这个课程的特点是以问答方式授课，学生提问，老师和助教回答。第一年就有大约1000多名学生参与，提出了超过1万个问题，其中40%的问题是由助教吉尔回答的。让学生惊奇的是，吉尔竟然是一个机器人，而且教了他们整整一个学期。格尔教授采用IBM沃森界面，创建了这个AI驱动的BOT交互系统，也开发了整个课程的内容和形式。

篇4

关键词：人工智能；本科高年级教学；教学改革

中图分类号：G642　文献标识码：B

1　引言

人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。

由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。

本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。

2　本科高年级的教学特点

中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。

3　人工智能课程的学科特点

与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。

4　人工智能教学的三点思考及对策

4.1　注重应用性和介绍性

在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。

4.2　注重科研引导性

本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。

4.3　教学内容与毕业设计相结合

本科毕业设计是对本科生用所学知识来解决实际问题和进行专业研究能力的检验，是本科高年级学生将要面临的一项重要任务。由于人工智能学科具有应用性和科研性的特点，人脸识别、网页检索、经济预测、基因数据处理等应用领域都离不开人工智能技术，所以人工智能方向为学生提供了丰富的毕业设计选题。针对这一特点，在本科高年级的人工智能教学中，可以适当穿插介绍有关毕业设计的内容。告诉学生哪些应用领域是目前人工智能研究的热点方向，哪些人工智能技术可以用来解决这些问题。通过向学生介绍具有一定应用价值和研究意义的题目，然后引导他们查找阅读相关技术文献，分析问题，解决问题，最后编写代码和撰写论文。比如笔者给学生提供的选题包括：(1)基于支持向量机的上市公司信用评价；(2)正则化回归在股票预测中的应用；(3)基于肤色的人脸检测；(4)基于内容的网页图像检索等。这些题目应用性强，具有一定科研深度但是难度又不至于太大，学生选择这些题目的积极性很高。通过将教学内容与毕业设计相结合，不但加深了学生对课程的理解，又使其找到了合适的毕业设计题目，可谓一举两得。

篇5

这个超前的预言，会不会有些夸张？

刘庆峰正以激情昂扬的斗志，带领科大讯飞接近这个现实。

事实或许如此。人工智能诞生60年以来，从未像今天这样炙手可热。细数很多领域，都能发现人工智能所能触及并产生颠覆性影响的例子。其中，广为人们热议的，是2016年3月谷歌公司的AlphaGo（阿尔法围棋）战胜韩国名将李世石的惊人壮举，并且未来还有“好戏”。

而据刘庆峰的预测，随着万物互联时代到来，以语音为主、键盘触摸为辅的人机交互正逐渐成为刚需，人工智能产业迎来第三次发展浪潮。

今天对人工智能未来的预测是不是过于乐观？它是一个真正的产业大潮还是概念的泡沫？当人工智能产业爆发，它会怎样改变我们所生存的现实世界？我们是兴奋，还是如霍金所警示的“恐慌”？

黑科技，兴奋还是恐慌？

2016年11月23日，北京国家会议中心的一场数千人会上，演讲者在台上声情并茂地演说着，两侧的大屏幕上一行行字幕实时跳跃显现，速度和准确率远超人工速记。据《中外管理》了解，这种在业界率先实现演讲和会议场景下的语音转写技术突破的智能语音系统，现场实测识别率达95%。

它，叫“讯飞听见”。其功能是实时将语音转写成文字。更加“不可思议”的是，它在实时中文语音转写的基础上，还融合了全新的多语种翻译技术，实时将中文演讲翻译成英语、日语、韩语等同步展示在大屏幕上，引发现场强烈反响。

看起来，这项基于人工智能技术的实时机器多语种翻译技术，似乎可以直接颠覆速记和翻译的工作了！而事实上，此“神器”已实际应用于在浙江乌镇举办的第三届世界互联网大会，令使用者赞不绝口。 “让机器能会说，首先要给机器装上一个人工的嘴巴。”科大讯飞董事长刘庆峰以一个形象的比喻，来印证科大讯飞在“黑科技”上“耍”出的成果。“讯飞听见”仅仅是其中之一。此次，科大讯飞一口气的万物互联输入法、智能家居、智能车机、智能服务机器人、智慧教育、个性化语音合成等创新产品，均是基于“讯飞超脑”人工智能最新技术的产物。

并非哗众取宠。这些抢眼的黑科技产品，事实上已经让这家以智能语音技术见长的公司执着地走过了17年。早在1999年成立时，科大讯飞便坚信无论人工智能如何发展，交互和后台的理解和学习都是刚需，通过人机耦合以及迭代学习进步，人工智能会逐步替代人类简单重复的劳动。

先见之明可以引领一家公司的长远战略，但没有坚忍的投入也无法结出果实。对未来的深入洞察，使科大讯飞在创新的道路上不断突破，而连续多年的研发投入占销售收入的25%，更是少有公司能够比拟的。在人工智能的前沿技术，如语音识别、合成以及机器翻译等领域，科大讯飞在国际比赛上包揽很多项目的冠军。例如语音合成技术，能够做到将人的音色和语言要素分离出来，从而实现这些要素的重新组合。

成绩背后，是科大讯飞构建的拥有1000余研发人员的核心研发平台，以及外部1500人的联合实验室，基于人工智能和大数据技术的长期研发。

用速度战胜自己。你可以说是一种“颠覆”，但也何尝不是进步？

是什么驱动一家公司始终保持着专业与专注的文化特质，在一个垂直领域深耕十几年？刘庆峰给出的答案是：人工智能的发展不会是一蹴而就的，创业者要有坚守的心态、毅力和恒心。

“人工智能+”，颠覆还是改变？

不仅让机器能听会说，还要让它能理解会思考。实现所谓的“人机交互”。

完成这个“神奇”的使命，光靠激情和畅想肯定不行，用刘庆峰的话说，“用一种爬山的企业精神，坐十年冷板凳，然后厚积薄发。”

资料显示：人工智能概念在1956年达特莫斯会上被专家提出以后，于1970年掀起第一次浪潮，那时已经通过第一代的人工智能神经网络算法证明了《数学原理》一书的绝大部分数学原理。而第二次浪潮发生在1984年，当时霍普菲尔德网络被推出来，让人工智能的神经网络具备了历史记忆的功能。

“但是前两次的大潮，后来都破灭了，为什么？”刘庆峰描述着，是因为神经网络本身算法的局限性，同时也受到当时整个运算能力的一些限制。那么今天，以深度神经网络为基础，基于大数据、云计算运算平台，再加上移动互联网源源不断地将各种训练数据收集到后台，以目前的时间节点看，人工智能的第三次大潮已经切实到来了。”令他兴奋的是，科大讯飞17年的坚持，正在验证一个“算法”与围绕它的科技和产业界持续的创新实验。

“人工智能+”，或许可以改变更多我们头脑中的认知――尽管现在还没有清晰地为我们感知到。

但是科大讯飞的研究表明，这是我们面临的时代趋势。人工智能进入产业领域并释放它的智慧，或许更值得期待。

一个颇为有趣的例证，便是2015年科大讯飞在教育领域推出的机器阅卷技术。这一技术在2016年进一步迭代――在以往语文、英语作文学生手写文字精准识别、可靠评分基础上，应用“讯飞超脑”最新成果，又重点突破了中英文作文综合反馈和逐句精批并在多校持续打磨形成新型作文教学模式，将原来最难开展教学的作文课从月频提高到周频授课和测练。

如此“智慧”的个性化教学产品，科大讯飞目前已经推广至全国220多个地市、超过10000所学校，1500万师生受惠于此。并且在数、理、化教学的应用同样亦不逊色。

篇6

前不久，李世石不敌人工智能程序AlphaGo，人机大战以1∶4告终。自此排名世界第二的机器人AlphaGo，亦开始向立于世界围棋之巅的柯洁九段叫板。在1950年代末，IBM的电脑“思考”在和人类的国际象棋手的最初对弈中，被打得丢盔弃甲。但40年后，人工智能忽然间声誉鹊起。自此，人类在国际象棋领域和机器的对弈，就几乎没有赢过。而今天，复杂的中国围棋居然也终于落败在人工智能手中……

人机博弈，引起了人们空前广泛的关注甚至对人类前景的各种担忧。弱人工智能AGI（Artificial Narrow Intelligence）完胜了围棋对弈，强人工智能AGI（Artificial General Intelligence）的强势，已成定论；最后，能够自我学习完善的超人工智能（Artificial Super Intelligence），也就近在咫尺。

然而，身为一名小学生的家长，关注人机大战之际，我心中萌生的念头却是：在人工智能成熟超越人类智能的不久的将来，我们的教育会受到什么样的冲击？人工智能如此迅速的发展，对如何能够培养富有创新力的机构或者企业人才，会有何启示？

创新能力的培养，是一辈子的功课

无疑，这种前沿科技骤然而至的加速发展，已经让人们看到它们能够在更多的领域帮助到人类，从科学技术、商业，到人们的生活等领域。显而易见，个人的知识学习，也会随着人工智能的成熟，而改变定义。在一个各种机器能够替代人类学习的时代，学校的教育重点，显然不再是知识的传授。培养学生的创新能力，更突出地成为我们所谓“教育”的主要追求之一。

世界顶级创新设计事务所IDEO的前工程师Jorge Yzusqui Chessman与南美亿万富翁Carlos Rodriguez-Pastor在2015年创立的Innova学院，已迅速成为了秘鲁最大的廉价私营教育系统，正受到全球教育专家的瞩目。这所学院，彻底颠覆了老师教条地教、学生埋头学的知识灌输式或传递式的教育传统，而是将提高孩子们领导力与创造力相关的各种点拨，提到了学校的最重要日程上。其中一项重要的“点拨”方式，就是孩子们每年都要参与一个历时一周的互动式项目，学习如何创造性地处理一些实际的社区挑战。

十几年来一直在创业创新教学领域独占鳌头的美国百森商学院，也一直设置着一些类似的、为期更长的沉浸式项目，为学生提供解决问题的实践机会。例如：所有入校的大一学生们会组成“创业小组”。每个小组拿着校方提供的数千美元“启动基金”，用一学期的时间，自己寻找、选择、计划和运营一个商业项目，或经历成功或经历失败，真枪实弹地体验创新和创业的整个挑战过程。

从某种程度上来说，打开脑洞，创意地工作和生活，其实是一个人一辈子的功课。企业组织和其他社会组织对其成员创新能力的打造，完全不亚于学校的教育方式对一个人是否能释放创造力的影响。

激发创新的情境，是“叫板挑战”

虽然长期供事在机构和企业创新咨询及培训领域，我却一直不主张在机构或企业里自上而下地宣讲如何创新的金科玉律。

在许多组织里，每每出现的一个挑战和问题，其实都是培养创新能力的机会。就像好的老师为学生精心设计出来的“情境”，目的是为了让学生在情境中去沉浸体验、经历锤炼、收获感悟、积累能力。而在企业或其他社会组织中出现的问题和挑战，则是激发创新的最好不过的“情境”。人们面临问题时的专注，往往能够迸发出超越性的奇想。

美国一支南极探险队在南极首次过冬，遇到一个看似无法解决的难题。由于所携输油管的长度不够，队员们无法将船上的汽油运到基地。困境之中，队员突发奇想：能否用冰做成输油管？在这样一个泼水成冰的地方，似乎可以！但随之又出现一个问题，怎么将冰做成不容易破裂的管状？被逼得“走投无路”的队员们，终于又想出了一个好主意：船上带了很多医用绷带，用这些绷带缠在铁管子上，浇上水，等结成冰后，再拔出管子。果然，考察队做出了冰管，顺利地解决了输油问题。

在企业里，各部门的员工为了解决所遇到的问题而联手，更是操练团队创新思维、激发团队创意、甚至是培养创新领导力的开始。

篇7

在全球人工智能产业信息服务平台“机器之心”主办的全球机器智能峰会上，《人工智能：一种现代方法》的作者之一、美加州大学伯克利分校人工智能专家斯图尔特・拉塞尔举例说，AlphaGo是人工智能深度学习飞速进步的一个例子，输给AlphaGo后柯洁说，去年好像还是在跟人下棋，而今年他觉得好像是在跟“神”下棋一样。

加拿大阿尔伯塔大学教授、计算机围棋专家马丁・米勒介绍说，AlphaGo的成功源于启发式学习与深度学习相结合。有了新算法与硬件，启发式学习有望让计算机系统学会真正的人工智能，“能让我们的搜索变得更加有效，能让计算机帮助我们做出越来越好的决策”。

攻克游戏和棋类人工智能，是要为真实世界的应用铺平道路。搜狗首席执行官王小川说，识别、决策、生成是人工智能的核心应用。例如，在决策方面，人工智能可以帮助提高决策效率，提升商业效率。

“我们已经在金融、医疗和教育等方面看到这些应用。在识别和生成领域，人工智能的进展已使人机交互越来越自然，这也是我们感兴趣的领域。从历史趋势上看，机器在逐渐适应人，并已为人类分担了许多具体工作。”王小川说。

但他同时指出，目前人工智能还局限在特定的封闭领域，比如AlphaGo和搜狗的问答机器人“汪仔”在围棋和语音识别输入竞赛中分别战胜了人类，但它们只擅长各自的技能，且只能在封闭场景里通过数据学习、计算或搜索提高效率，并不能发挥创造性。今天的机器智能还需要依赖于来自人的数据，机器并不具备人工通用智能能力和解决开放型问题的能力。

香港科技大学计算机科学与工程学系系主任杨强说，从机器学习的角度看，AlphaGo尚不具备迁移学习的能力，即把已经训练好的模型参数迁移到新的模型上来帮助新模型训练数据集。王小川则认为，目前来看，迁移学习等理论离实际应用并产生效益还很远。

拉塞尔说，人工智能并不是一个新学科，20世纪40年代人们就在思考如何使用一些新工具；1950年，著名的图灵测试诞生，按照其定义，如果一台机器能通过电传设备与人类展开对话而不被辨别出机器身份，则称这台机器具有智能。

但直到2010年后，许多初创公司开始重新专注于人工智能发展，谷歌、国际商用机器公司（IBM）等大企业也投入到该领域研究中，此后人们看到了神经学的进步以及计算机资源和大数据的发展。

篇8

摘要：全球信息化的发展为教育提供了新的手段，互联网的诞生和发展为教育提供了更广泛的发展空间，将现代信息技术与教育有机结合，即在现代教育中应用人工智能技术，使学习成为了一种持续性的、终身性的过程。在各个高校中，网络化课程的建设正在兴起，如何在教学平台中体现智能化是各个网络化课程的热门课题，当前已有的智能化产品大多处于实验和理论研究阶段，其智能化程度有限，还没有达到推广应用，因此，设计一个基于网络的人工智能辅助教学系统具有十分重要的现实意义。

关键词：信息化 人工智能 网络 计算机技术

1、计算机等级考试智能系统的优化

计算机等级考试的教育模式强调学生不但要有理论能力，还要有操作能力。以往的辅导教学主要靠书本，和老师讲题来实现，缺乏系统的能力评估和改进体系，不能对个人的学习状况有适时的分析及评价，所以我们需要及时调整培训方案。为顺利实施人工智能的计算机等级考试辅助系统的教育模式，需建立一种学生能够自己学习，自主练习，自主评分的专家系统，将不同的能力评价要求纳入其中，并提供一种方法对学生的做题情况进行解析，给出采分点，并在数据库中给出答案库，使学生知道自已错在哪里，并对学习情况有及时的分析与指导。

在大学的计算机等级考试辅助教学中应用人工智能技术及网络信息技术，开发辅助教学专家系统，对教学改革中面临的师资不足、教学模式单一等问题，实现教学资源共享，有效提高教学质量、减轻教师负担，加强学生自主学习能力，提高学习效率，从而提高计算机等级考试的应试能力。

2、计算机辅助教学的现状

就目前计算机辅助教学的发展来看，主要分为两类，一类偏重于学生学习，主要由各类CAI课件、专业辅助教学软件组成；另一类偏重于对学生学习情况进行评估，主要由各类考试系统组成。本系统结合这两个方面，将教学评估和自主学习相结合，加强教师和学生之间的联系和互动，更好的实现辅助教学的目的。

现在国内外有很多智能化的基于网络的教学辅助系统，但是智能化程度都不高，相对于掌握每个学生的学习情况来说，教师的一个很大任务是要了解一个群体学生的知识掌握情况而不单单是一个学生。本系统运用规则式专家系统，能对老师指定的某个群体，比如几个班、一个学院等的所有学生进行测试，从而使本系统能更好的为教学服务。

综上所述，通过对当前研究现状的分析来看，应用人工智能技术、计算机等级考试辅导的智能化教学专家系统研究还不多见。

3、智能辅助教学的系统架构

本系统以适应大学计算机国家等级二级考试的辅导教学，加强学生自主学习能力为特色，运用专家系统及网络开发技术，研究构建基于人工智能技术的计算机等级考试的辅助教学专家系统，为学生的自主学习和探索学习提供了有效平台，成为计算机等级考试教学中的强大助手。

（1）自主学习模块。自主学习模块主要实现四大功能：在线练习、诊断练习、知识点强化练习、提高练习。学生自主学习系统的主要用户对象是学生，学生登录系统后，选择练习模式进行练习或测试。在测试过程中可以进行自我诊断，通过学习模块中的适当的视频演示，使学生在没有老师的指导上，仍能正确练习，学会操作，并且能看到自己的得分情况。根据单次练习提供个性化的界面，根据历史练习结果提供学习方案，发挥学生的主观能动性，最大程度激发学生记忆潜能，提高学习效率，提高通过率。同时，学习模块会将诊断结果传送到专家系统模块，进行智能分析。（2）专家系统模块。专家系统模块主要实现三大功能：智能分析、试题库维护、知识库维护。系统将学生练习或结果传送给专家系统模块，由专家系统模块进行智能分析。可以概括为两方面，一是知识点定量分析，二是学生定量分析。知识点定量分析是指教师在上传答案后，针对某个知识点来诊断某些学生的知识点掌握情况。学生定量分析时，对学生的选取和考题的选取同时决定了分析结果。智能分析结果后专家系统一方面可以反馈给辅导教师，辅导教师在实际的教学当中对掌握不好的知识点进行加强指导与练习；同时智能分析结果将加入知识库，并反作用于试题库的维护，使知识点强化练习、提高联系等功能的选题更有针对性，从而更有效的提高学生的知识水平和操作能力。

4、智能辅助教学系统的重大作用

本系统以适应大学计算机国家等级考试的辅导教学，加强学生自主学习能力为特色，运用专家系统及网络开发技术，研究构建基于人工智能技术的计算机等级考试的辅助教学专家系统，为学生的自主学习和探索学习提供了有效平台，成为计算机等级考试教学中的强大助手。（1）实现网络自主式学习。本项目所构建的计算机国家等级考试系统能够让学生选择不同模块进行自主式学习；能够进行综合练习、自我诊断、知识点强化、提高练习等。（2）实现学习的智能评价与指导。学习模块将学生练习或结果传送给专家系统模块，由专家系统模块进行智能分析。得到智能分析结果后专家系统一方面可以反馈给辅导教师，辅导教师在实际的教学当中对掌握不好的知识点进行加强指导与练习。（3）实现智能组卷功能。智能分析结果将加入知识库，并反作用于试题库的维护，使知识点强化练习、提高联系等功能的选题更有针对性，从而更有效的提高学生的知识水平和操作能力。

篇9

关键词:教学改革;人工智能;游戏设计;游戏编程

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

1教学目标与要求

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

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

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

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

2课堂教学设计

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

1) 游戏程序设计概论与计算机图形学基础。

该部分内容可以分为以下两部分。

(1) 计算机游戏简介与游戏设计概论(2课时)。

(2) 计算机图形学基础(2课时)。

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

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

2) 游戏编程技术。

如上所述,游戏编程是本门课程的一个重点内容,游戏编程可以分为如下几个部分。

(1)Windows编程基础(2课时)。

(2)DirectX编程基础(2课时)。

(3)2D游戏的基本编程(2课时)。

(4)3D游戏场景的组织和绘制(2课时)。

(5)3D动画的基本编程技术(2课时)。

(6)游戏中的人机界面技术(2课时)。

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

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

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

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

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

游戏中的人机界面技术主要内容是游戏的可玩性与人机界面、用户界面设计基础。

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

3) 人工智能在游戏中的应用。

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

(1)遗传算法(6学时)。

(2)神经网络(6学时)。

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

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

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

3实验设计与课程设计

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

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

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

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

4考核方式及其安排

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

1) 期末考试(开卷),占总成绩的50%。

2) 项目设计,占总成绩的35%。

3) 实验,占总成绩的15%。

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

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

5结语

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

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

参考文献:

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

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

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

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

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

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

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

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

Design in Artificial Intelligent and Game Programming Courses

LI Yi

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

篇10

关键词：人工智能；数据挖掘；发展前景

当今社会已经进入了人工智能时代，人工智能的应用，大大改善了我们的生活。大数据时代已经来临，不论是从数据的使用，挖掘，处理等方面，都为人工智能的应用起到了基础和保障。

1人工智能

1.1人工智能的定义。人工智能（ArtificialIntelligence），简称AI。属于计算机学科下的分支，顾名思义，它是一门专门研究类人化的智能机器学科，即利用现阶段科学的研究方法和技术，研制出具有模仿、延伸和扩展人类智能的机器或智能系统，从而实现利用机器模仿人类智能的一切行为。1.2人工智能的研究背景。在1956年的达特矛斯会议上，“人工智能”这一术语正式由麦卡锡提议并采用了，随后人工智能的研究取得了许多引人注目的成就。在这之后，科研人员进行了许多的研究和开发，人工智能这个话题也取得了飞速的发展。人工智能是一门极具挑战性的科学，从事这项工作的人必须了解计算机知识、心理学和哲学理念。人工智能的研究包涵广泛的科学知识，以及其他领域的知识，如机器学习、计算机视觉等。一般来说，人工智能研究的主要目标是使机器能够做一些通常需要人工智能完成复杂工作的机器。1.3人工智能的研发历程。早期研究领域：人工智能专家系统，机器学习，模式识别，自然语言理解，自动定理证明，自动编程，机器人，游戏，人工神经网络等，现在涉及以下研究领域：数据挖掘，智能决策系统，知识工程，分布式人工智能等。数据挖掘的出现使得人工智能的研究在应用领域得到广泛的发展。以下简要介绍其中的几个重要部分：（1）专家系统。所谓专家系统就是控制计算的智能化程序系统，通过研发人员总结归纳了专业学科知识和日常经验，能够知道计算机完成某个领域内的专业性活动或者解决某些专业级别的问题。人工智能技术可以合理利用已知的经验体系在复杂环境中，解决和处理复杂问题。（2）机器系统。机器系统简单说就是机器人通过人造神经系统，借助于网络或者存储系统汲取系统的知识进行开发研究。（3）感知仿生。感知仿生系统通过模拟人类的感官，感知生物学特征，通过人工智能机器的感部件对外界外部环境进行感知，识别，判断，分析的能力。能够更好的适应环境，做出判断。（4）数据重组和发掘。是指通过人工智能系统，结合当前先进的理念，对大数据的总结归纳，识别存储，调取等应用。通过数据的加工处理，能够主动做出判断和分析。（5）人工智能模式。分布式人工智能是模式之一，该系统利用系统有效的规避和克服系统资源在某段时间内的局限性，并能有效地改善因资源造成的时间和空间不均衡问题。它具备，模式自动转换，并行处理，开放启发方式，冗余且容错纠错的能力。

2数据挖掘

2.1数据挖掘的定义。数据挖掘(DataMining,DM)是揭示数据中存在的模式和数据关系的学科，强调处理大型可观察数据库。数据挖掘的出现使得人工智能的研究在应用领域得到了广泛的发展。这里包括数据挖掘和智能信息提取过程，前者从大量复杂的现实世界数据中挖掘出未知和有价值的模式或规则，后者是知识的比较，选择和总结出来的原则和规则，形成一个智能系统。2.2数据挖掘的研究现状。当前数据挖掘应用主要集中在电信、零售、农业、网络日志、银行、电力、生物、天体、化工、医药等方面。看似广泛，实际应用还远没有普及。而据Gartner的报告也指出，数据挖掘会成为未来10年内重要的技术之一。而数据挖掘，也已经开始成为一门独立的专业学科。2.3数据挖掘的研究发展。具体发展趋势和应用方向主要有：性能方面：数据挖掘设计的数据量会更大，处理的效率会更高，结果也会更精确。工具方面：挖掘工具越来越强大，算法收敛越来越多，预测算法将吸收新颖性算法（支持向量机（SVM），粗糙集，云模型，遗传算法等），并实现自动化的实现算法，选择和自动调谐参数。应用：数据挖掘的应用除了应用于大型专门问题外，还将走向嵌入式，更加智能化。例如进一步研究知识发现方法，对贝叶斯定理和Boosting方法的研究和改进，以及对商业工具软件不断的生成和改进，着重建立整体系统来解决问题，如Weka等软件。在先进理论的指导下，按照国内形态发展，至少需要20年的时间，才能改进数据挖掘的发展。

3数据挖掘与人工智能技术的联系

数据挖掘属于人工智能中独立系统。它于人工智能的存在关系属于，并存联系，且独立运行，互不从属。此设计体系一方面可以有效促进人工智能提升学习能力，增进分析能力，另一方面还对分析，统计，OLSP，以及决策支持系统模块等起到推动作用。在收挖掘应用领域，处理可以对WEB挖掘，还能够有效进行文本，数据库，知识库，不同领域不同学科的信息进行序列矩阵模式挖掘。基于数据本身的分类，辨识，关联规则，聚类算法更加博大精深。因此，独立于人工智能的数据挖掘，更加便于科研团体或者领域对数据的使用和分析。数据挖掘是人工智能领域的一部分。首先，高智能是数据挖掘和人工智能的最终目标，正是由于这个目标，人工智能和数据挖掘有很多关联。其次，数据挖掘和人工智能是各种技术的整合。数据挖掘和人工智能是许多学科的跨学科学科。最后，数据挖掘的出现逐渐发展壮大，加强了人工智能，因此可以说，它们两者是不可分割的。

4人工智能和数据挖掘技术的发展前景

在当前环境下，人工智能和数据挖掘技术具有以下发展前景:(1)在大数据互联网中的应用。将人工智能的技术应用于互联网中将会使网络技术带上智能的特性,可以为人们的生活提供智能化的帮助，给人们的生活带来便利。还可以提高网络运行效率、增加网络安全性等。(2)智能化服务的研究。人工智能和数据挖掘都很注重对智能化服务的研究,例如很多智能机器人便应运而生，它们已经能胜任许多简单的工作，可以为人们提供人性化的服务。高度的智能化是数据挖掘和人工智能研究最终追求的目标,也是二者最终合而为一的标志。(3)使知识产生经济化。在现阶段的知识经济时代，人工智能和数据挖掘势必受到经济的影响，这决定了人工智能和数据挖掘将具有经济特征。人工智能和数据挖掘技术作为无形资产可以直接带来经济效益，通过交流，教育，生产和创新的无形资产将成为知识经济时代的主要资本。可以预期未来的人工智能和数据挖掘技术将更加经济实用。(4)交叉学科的技术融合。各行各业的理论和方法都已经开始融入了人工智能和数据挖掘之中。未来的人工智能和数据挖掘技术必将是一个融合众多领的复合学科。当今，我们已经在逐渐使用人工智能与数据挖掘技术，去攻克更多难题，解决更多问题，造福人类，改善生活，近在眼前。

作者:喻正夫 单位:汉江师范学院

参考文献：

[1]万璞,王丽莎.数据挖掘与人工智能技术研究[J].无线互联科技,2016(10):113-114.

[2]王翔.试论如何利用大数据挖掘技术推动人工智能继续发展[J/OL].科技创新报,2017,14(01).

[3]秦益文.微博数据挖掘中人工智能推理引擎的应用[J].中小企业管理与科技(中旬刊),2017(02).

[4]蒲东齐.数据挖掘在人工智能上的应用[J].信息与电脑(理论版),2016(19).

[5]李丹丹.数据挖掘技术及其发展趋势[J].电脑应用技术,2007（02）:38－40．