人工智能教育领域范文

导语：如何才能写好一篇人工智能教育领域，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：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。

篇2

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.

篇3

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.

篇4

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。

篇5

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)

篇6

科技巨头布局人工智能

在欧洲，“欧盟人脑计划”将通过ICT的庞大资源库，更有效地为神经科学和医疗领域提供技术支持。长远来说，该计划将为各类脑部疾病提供更好的治疗方案，以及通过探索大脑运作模式，研发更先进的ICT技术。“欧盟人脑计划”的主要研究领域可以大致划分为三大类：未来神经科学、未来医学、未来计算。旗下涵盖13个子项目，其中包括老鼠大脑战略性数据、人脑战略性数据、认知行为架构、理论型神经科学、神经信息学、大脑模拟仿真、高性能计算平台、医学信息学、神经形态计算平台、神经机器人平台、模拟应用、社会伦理研究和“欧盟人脑计划”项目管理。

作为“欧盟人脑计划”神经形态计算系统项目和SpiNNaker计划的的负责人，Steve Furber博士透露说，目前“欧盟人脑计划”的最新进展是近期将对外开放一系列欧盟人脑计划的平台系统，让更多研究者、专业人士可以使用这些先进的系统。现在谁都可以申请使用内置500，000个特制ARM处理器核心的“脉冲神经网络架构（SpiNNaker）计划”和德国海德堡的“大脑规模（BrainScaleS）计划”的设备，以及其他平台系统。我们在3月30日举行会宣布这一举措，并在4月1日正式实施对外开放。通过开放平台系统的共享，我们相信一定能够极大地促进世界范围内的大脑科学研究的发展，为每一位参与到大脑科学研究中的科学家们提供广阔的发展前景和机遇。

扎克伯格也在他的Facebook上透露，他2016年的新目标是打造一个人工智能助手。事实上，他对人工智能的布局早已开始，早在2014年，他就以个人身份入股了人工智能公司 Vicarious，因为他觉得人工智能可以提升互联网服务的智商，从而对于用户变得更有价值。

除了Facebook，另一个科技巨头谷歌也在人工智能领域动作频频，它收购了8个机器人公司和1个机器学习公司，并在许多新的业务中使用了人工智能技术，比如无人驾驶汽车。同时，谷歌还利用人工智能技术来改善其现有业务，比如安卓手机操作系统或者谷歌搜索引擎。

中国人工智能商用元年

而在国内企业中，进军人工智能的科技企业也不在少数。早在2009年，百度就提出通过推进人工智能实现国家综合国力的弯道超车。百度身体力行，2014年5月将AI最权威的学者之一、谷歌大脑项目之父吴恩达纳入麾下。眼下百度人工智能实验室搭建了作为百度人工智能核心的“百度大脑”，融合了深度学习算法、数据建模、大规模图形处理器（GPU）并行化平台等技术，拥有200亿个参数，构成了一套巨大的深度神经网络。

腾讯也不甘示弱，基于微信平台，开发了多种模式识别功能，推出了“微信智能开发平台”，将微信的图像识别能力和语音识别关键词技术向第三方开放，“扫一扫”和“语音转文字”功能就是典型应用。

从国家意志来说，2015年7月，国务院印发《“互联网+”行动指导意见》，明确人工智能为形成新产业模式的11个重点发展领域之一，将发展人工智能提升到国家战略层面，提出具体支持措施，清理阻碍发展的不合理制度。统计显示，到“十三五”末，我国机器人产业集群产值有望突破千亿元。

“十三五”规划纲要首次出现“人工智能”一词，在科技创新2030项目中，智能制造和机器人成为重大工程之一。培育人工智能、智能硬件、新型显示、移动智能终端等，被列入战略性新兴产业发展行动。种种迹象表明，2016年，不仅是“十三五”起步之年，也是我国人工智能商用元年。

而市场也普遍认为如今人工智能已经在诸如智能穿戴设备、无人机、虚拟客户服务、智慧城市、安防、基于大数据的业务分析等领域得到应用，节省了大量人工成本。随着人工成本的增长，人工智能的经济效益优势将会愈发明显。在技术突破、应用领域拓展以及相关扶持政策推动下，人工智能的大潮即将来袭，万亿元的市场规模值得期待。

人工智能的现实入口

在教育领域，你想象一下这样的世界，任何一个孩子都可以使用智能手机访问熟悉其学习风格的个人导师，以便提高学习成绩。

“比如遇到问题需要帮助的学生，可以将问题拍摄下来，并上传到专门应用中。机器人识别出问题，并给出相关答案。由于机器人了解提问者的学习风格，它可以引导他们解决这个问题，跳过他们已经了解的知识点，重点集中在需要帮助的方面，而非仅仅提供标准答案。由于机器人很了解你，它甚至比负责全班同学学习情况的人类教师更加胜任，因为后者需要应对不同学习风格和不同水平的学生。”Uber联合创始人、独立创业家奥斯卡. 萨拉查说。

除了教育领域，医疗领域恐怕是人工智能商业化的最主要领域了。此前研发出“深蓝”打败国际象棋世界冠军的科技巨头IBM在医疗领域耕作多年。2013年，IBM研发的认知计算系统Watson已正式向癌症“宣战”。美国Bumrungrad国际医院采用为肿瘤学而开发的Watson解决方案――已由世界一流的肿瘤医生及研究人员进行过培训，让Watson为其遍布东南亚、包含超过100万名癌症病患的庞大网络提供支持。

早在2011年Watson参加“Jeopardy！”电视问答挑战赛并获得冠军后，IBM坚信继制表计算、可编程计算之后，人类的第三个计算时代――认知计算时代，已经拉开帷幕。几年时间里，Watson已经取得了巨大进步。Watson原来只有1个 “深度问答”的API，现在已经有42个API应用于36个国家的几十个行业，内容涵盖文字图像识别、自然语言理解、专业知识学习、人类情绪分析等各个领域，并且有更多的API正在孵化当中。在医疗、教育、旅游、零售等各个行业里的成功案例已经开始有井喷之势。

据IBM大中华区全球企业咨询服务部合伙人、电子行业总经理徐闻天介绍，IBM将与Medtronic加强合作，利用IBM认知解决方案处理来自Medtronic可穿戴医疗设备及其他情景化来源的数据，并提供个性化的糖尿病管理。

篇7

关键词:人工智能;研究型实验教学;民族关系

人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。

人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。

实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。

1研究型教学模式背景

研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。

19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。

自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。

2研究型实验教学

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。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。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。

人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。

针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、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,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。

2.1实验教学中加强学生的研究导向

在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,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,是一种具有强大的非线性学习能力的计算智能技术。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,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。

2.2人工智能课程实验

该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。

该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。

课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。

3实验平台的构建

民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。

因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。

目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。

4结语

研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:

1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。

2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。

3) 需要建立一套合理的学生学业和教师绩效的评价体系。

参考文献:

[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.

[2] 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.

[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.

[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.

Exploration and Practice of the Research Experiment on Artificial Intelligence

ZHANG Ting, YANG Guo-sheng

(College of Information Engineering, Minzu University of China, Beijing 100081, China)

篇8

关键词：人工智能计算机技术

一、人工智能的定义

“人工智能”(ArtificialIntelligence)一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、开发用于模拟、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。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。

二、人工智能的应用领域

1.在管理系统中的应用

(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。

(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。

2.在工程领域的应用

(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。

(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。

3.在技术研究中的应用

(1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。

(2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。

三、人工智能的发展方向

1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。

2.智能信息检索技术的飞速发展。人工智能在网络信息检索中的应用,主要表现在:(1)如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。(2)由于网络知识信息既包括规律性的知识,如一般原理概念,也包括大量的经验知识这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素对其进行推理,需要利用人工智能的研究成果。

3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。

参考文献:

[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.

[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.

[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).

[4]周明正.人工智能在医学专家系统中的应用[J].科技信息,2007.

[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).

[6]马秀荣,王化宇.简述人工智能技术在网络安全管理中的应用[J].呼伦贝尔学院学报,2005,(4).

篇9

关键词：人工智能；Prolog语言；专家系统；虚拟足球机器人 新一轮课程改革亮点之一：技术课程标准，由信息技术和通用技术组成。作为技术领域的集大成者：人工智能贯穿于整个技术领域。信息技术开设人工智能初步选修模块，通用技术也有简易机器人选修模块，面向中学生有青少年机器人大赛。经过两年准备，笔者在部分学生中开展人工智能实验教学，深受学生欢迎。下面是笔者的一些做法和感受。

一、联系实际，激发学习兴趣

信息技术必修课中“用智能工具解决问题”一节，学生已对身边的智能工具及其使用已经有一定的感性认识。但是对什么是人工智能，人工智能给人类生活带来哪些好处等问题还不是很清楚。哪里没有兴趣，哪里就没有记忆。通过生活中的一些实例，如，俄罗斯国际象棋世界冠军卡斯帕罗夫与电脑“深蓝”间“人机大战”视频，英国eliza机器人对话，灭火机器人、足球机器人等引导学生进入人工智能的多彩世界当中，也可以让学生通过百度搜索其他方面如军事等方面的应用。让学生明白人工智能技术已经渗透到人们的社会生活，在各个领域得到广泛的应用。

二、由浅入深，介绍人工智能

人工智能是计算机科学的一个重要分支，它是由计算机科学、控制论、信息论、神经生理学、哲学、语言学等多种学科相互渗透而发展起来的。其主要内容是：人工智能语言、搜索技术、知识表示、自然语言理解与机器翻译、专家系统等。要实现人工智能技术，使机器具有智能，则需要人们给它设计智能程序。因此，让学生掌握一种简单实用的人工智能语言是必要的。Prolog是一种逻辑编程语言。它建立在逻辑学的理论基础之上，最初被运用于自然语言等研究领域。现已广泛地应用在人工智能方面，利用它可以建造专家系统、自然语言理解、智能知识库等。Prolog教学主要结合“找医生看病”这个简单的实例，了解Prolog语言的谓词逻辑、事实、规则和目标，进而介绍Prolog程序的运行机理，让学生发现在Prolog程序中一般不需要告诉计算机“怎么做”，而只要告诉它“做什么”。一旦给Prolog提供必要的事实和规则之后，它就能使用内部的演绎推理机制自动求解指定的问题，而不需要在程序中列出详细的解决步骤，这也正是人工智能语言与其他计算机程序设计语言的不同之处。如果系统完善，将机器人专家引入医院，不但能大大减轻医生的工作量，而且专家就在我们身边，让看病难、就医难成为历史。

三、虚拟智能，体验人工智能

由于学校资金和条件限制，笔者利用AI-RCJ虚拟足球机器人作为教育载体。AI-RCJ是一套虚拟足球机器人的制作平台软件和竞技仿真环境。该软件以寓教于乐的方式，打破了传统教育的模式，为使用者提供了一个新颖的教育平台。整个系统由五部分组成，《初识机器人》和《足球机器人》是基础类，《进攻机器人》《守门员》《我的球队》三个模块是整个竞技仿真环境的核心部分。在这三个模块中渗透给学生计算机程序设计的基本思想、顺序结构、分支结构、循环结构；让学生了解数学平面坐标、体会不同质量的物体碰撞带来的不同效果和状态。使用者可根据自己的策略建立一个虚拟足球机器人，用户可选用图形化编辑器――机器人快车或者代码编辑器――CodeCanvas来实现机器人的策略及算法。编写好的机器人控制代码经过编译以后，就可以导入到AI-RCJ仿真竞技环境下和其他的足球机器人进行比赛。不断地在比赛中总结和改进，在竞技中品味学习人工智能的乐趣。

四、实际操作，挑战机器人设计

如果资金允许，可采购一些机器人组件，进行实际的组装和设计。以小型足球机器人为例，其硬件结构主要由6部分组成：行走机构、击球机构、带球机构、电路部分（决策，控制和通信等电路）、电源装置及辅助部分（小车底盘，外罩）。机器人小车应能准确地接收上位机指令，并根据指令要求迅速完成决策子系统的意图（带球，射门，拦截等战术动作）。决策系统是整个系统的核心部分，它主动完成知识提取并确定机器人的协同任务。机器人的通信系统特别是无线通信系统是保证从主机端到机器人底层之间的数据传送是可靠的，从而使得机器人能够比较顺利流畅地进行。

经过两年实验教学，学生认真学习，积极性很高，都想成为机器人制作的高手，与往日的玩游戏和上QQ不可同日而语，信息技术课真正成为学生的主人。遗憾的是由于经费问题不能让每位学生亲自设计机器人，让自己的作品在绿茵场上一展英姿。但笔者相信随着国家教育投入的增加，这一难题必将迎刃而解。

篇10

文章编号：1004-4914（2017）05-148-02

一、引言

互联网金融经历了过去几年的高速发展后，带给了人们新的感受。随着2016年4月12日，国务院印发《互联网金融风险专项整治工作实施方案》以来，整个行业正在进行一次“价值回归”，P2P等平台类模式正在减少，靠着拼渠道、流量和高收益的红利时代已经过去，精细化、差异化、技术化的运营和创新将是互联网金融这个阶段的主题，人工智能将在互联网金融领域发挥越来越重要的作用。

一直以来，金融领域个性化的服务都是依赖于“人”的服务。但从2016年开始，机器正在尝试取代人在财富管理服务中的位置，随之而来的是智能投顾服务。举个例子，在美国，券商、资管纷纷开始设立互联网金融平台，以互联网财富管理类的服务为主，目的是捕获更多中小投资者，在现有的证券业务体系之外培育新的增长点。贝莱德收购Future Advisor、Fiidelity与Betterment展开战略合作、Vanguard推出自己的智能投顾服务、嘉维证券与宜信合作进入中国市场开展智能投顾服务。这样的例子还有很多，这背后是传统金融机构对技术所能产生的势能的认可。国内的智能投顾玩家也很多。其中，宜信和品钛这样的在新兴市场上已经相对成熟的公司已经推出了自己的智能投顾服务。此外，还有大量早期创业公司直接以此为方向，比如弥财、钱景财富、蓝海财富等。

二、人工智能在互联网金融领域的应用情况

（一）人工智能在互联网金融领域应用的必然性

2016年以来央行、其他部委以及最高法院都了关于互联网金融的指导意见，分别是《关于促进互联网金融健康发展的指导意见》、《非银行支付机构网络支付业务管理办法》以及《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》。这些政策性文件的出台，预示着这个行业在政策红利和边界较为模糊的情况下实现的业务的快速发展模式已经走到了尽头。随着后期监管文件的逐步下发，门槛的设立，要求的标准化，很多后来者已经丧失了最好的入局机会，而现有的稳健平台，则迎来了最好的发展机遇。对于互联网金融企业而言，要适应政府的监管，获得客户的支持，要取得自身的发展，只能依托于人工智能。长时间以来，人工智能在互联网金融领域的应用及重要性被频繁提及。近日，《中国互联网金融发展报告（2016）》新书在京，该《报告》执行主编、中科金财董事长朱烨东表示，未来互联网金融行业发展将逐渐走向正规、规范，移动支付的不可逆转，大数据、云计算在互联网金融的核心地位进一步加强，金融科技将成为未来互联网金融发展的主要趋势。

（二）人工智能极大提高了互联网金融的效率

作为百业之母的金融行业，与整个社会存在巨大的交织网络，沉淀了大量有用或者无用数据，包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等，数据级别都是海量单位。同时大量数据又是非结构化的形式存在，如客户的身份证扫描件信息，既占据宝贵的储存资源、存在重复存储浪费，又无法转成可分析数据以供分析。金融大数据的处理工作面临极大挑战。通过运用人工智能的深度学习系统，能够有足够多的数据供其进行学习，并不断完善甚至能够超过人类的知识回答能力，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。

说到人工智能，不得不提的一定是AlphaGO，但是在互联网金融领域，有一个比AlphaGO更加强势的公司，这家公司的名字叫Kensho。这是以前高盛出来的分析师团队，把整个高盛的经验模拟，通过机器取代现在大量的人工，进行相应的投资、分析、决策。而且在信息，在互联网传播非常快的时候，他们去除掉了大量的噪声，回归到这个事情的本质。很快高盛发现了这家公司的发展速度和未来价值，直接把它私有化，直接变成第一大股东，因为发现这中间带来的差别是这个企业的核心竞争力。

Kensho公司的核心技术就是能在两分钟之内做出一份一份简明的概览，随后是13份基于以往类似就业报告对投资情况的预测。而你根本就不需要去检查这些数据分析，因为这些分析是基于来自十个数据库的成千上万条数据。如果没有这些人工智能，分析师们可能要花上几天的功夫收集梳理这些数据，而等他们分析完成后，市场的行情早瞬息万变。

可见，人工智能的引入对于互联网金融领域的效率提高是呈几何式的，你很难想象也不敢相信这么一个事实：未来的投资大师们可能是一堆机器。

（三）人工智能将互联网金融带入智能金融时代

互联网金融发展至今一共经历了两个阶段：第一个阶段是网络金融，把现有的金融产品搬到互联网上，互联网上面现在卖基金、卖理财、卖信托、卖保险。第二个阶段是大数据金融阶段，通过数据重新去定义相应的金融产品和相应的金融服务。第三个阶段正在萌芽，就是人工智能+互联网金融的阶段，网络上有人称之为智能金融时代。

从目前宁波当地的互联网金融企业发展来看，目前还停留在“互联网+金融”的模式：在传统金融服务上进行叠加，将互联网式思维、互联网式管理、互联网式数据融合进传统金融服务，而这正是现在大部分互联网金融服务提供商正在做的事情。“互联网+金融”的模式也正在让金融进入“普惠金融”的阶段，通过互联网金融对传统金融机构进行补充，让更多的人平等的享受到金融服务。但是，“互联网+金融”的模式下，信息安全、投资风控、资产调节等方面问题仍然存在，一定程度上说，互联网增加了信息风险，也正是如此，摸索期的互联网金融行业才会出现P2P跑路的现象，仅2015年，宁波当地的P2P公司跑路就多达9家之多。

人工智能是大趋势，从阿尔法狗的表现以及人工智能在互联网金融领域的运用来看，互联网金融在人工智能的改造下将不再局限于“互联网+金融”，而是逐渐向“互联网+金融+大数据+人工智能”转变。人工智能起到串联起互联网、金融、大数据，实现更加智能的精确计算的作用，实现大脑一般的思考，解决“互+金”模式下的诸多痛点。

从理财顾问、征信助手、智能风控系统、防范性金融系统这四个层面来看，整个互联网金融领域正在朝着越来越“技术范儿”的方向上前进，金融智能化成为大势所趋。智能金融的机器学习功能，让产品背后的逻辑系统可以快速适应场景数据，建立合适的评分规则、决策体系，真正给现在的互联网金融带来颠覆性的变化。无论是消费金融领域还是风控层面上，互联网金融在人工智能的配合下正在呈现出无与伦比的崭新打法。这也正是阿尔法狗打败李世石之后，给金融智能化带来的全新想象。

（四）人工智能将颠覆互联网金融时代的风控体系

汇总整个互联网金融本质，其实存在两个层次风险，一是道德风险，二是经营性风险。面对2016年不断有“跑路”等负面消息萦绕的互联网金融，去伪存真或成为首要任务。一些企业资金并没有进入到实体业务，而是进入庞氏骗局，而去年出台的监管意见征求稿，监管层管理方向还是较为清晰的，希望通过资金的有效监控，将企业资金与个人用户之间的资金进行分离，规避风险。然而人力毕竟有限，不可能时刻紧盯住所有互联网金融机构，这时引入人工智能监管就十分必要。

人工智能已经在无人驾驶、图像处理、语音识别方面取得了突破性的应用，那互联网金融领域呢？李开复老师曾谈及人工智能应用的三个要素：数据、处理数据的能力和商业变现的场景。人工智能解决金融界问题的过程，很好的对应了这三个要素。也许，金融领域是人工智能最合适不过的颠覆场景。

在金融业务的前端，已经有不少传统银行将人工智能用于为客户定制服务，开发理财产品的应用。例如巴克莱银行和花旗银行等。国内银行中走在科技前列的招商银行，也开始试用全新的人工智能业务模式。未来人工智能和机器学习技术在金融业前端会有更多的便捷精准服务提供给客户。

那么金融应用领域的后端呢？信息安全、投资风控、资产管理等方面的问题成了新问题，对于躲在触屏手机背后的客户，缺失了央行数据的客户，银行没有办法通过一双双眼睛去看到用户是谦谦君子还是骗子流氓。这个时候，金融后端，传统金融风控手段覆盖不到和难以触及的，那么“互联网+金融”业务就要结合更广泛的互联网数据和人工智能手段，来处理更广泛的金融客户问题。

（五）人工智能技术在金融领域应用案例

Google、IBM等国际巨头公司已经将人工智能技术渗透在各种产品的方方面面，总体上看，国内金融行业也逐步开始应用人工智能技术，随着国内双创政策的推动和对人工智能产业的投资拉动，预计广泛应用节点即将到来。

1.阿里巴巴旗下的蚂蚁金服下设一个特殊的科学家团队，专门从事机器学习与深度学习等人工智能领域的前沿研究，并在蚂蚁金服的业务场景下进行一系列的创新和应用，包括互联网小贷、保险、征信、智能投顾、客户服务等多个领域。根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30%的通过率。以智能客服为例，2016年“双11”期间，蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成，同时实现了100%的自动语音识别。当用户通过支付宝客户端进入“我的客服”后，人工智能开始发挥作用，“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择，这里一部分是所有用户常见的问题，更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点；在交流中，则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升，在花呗等业务上，机器人问答准确率从67%提升到超过80%。

2.2015年，交通银行推出智能网点机器人，并引发了金融银行界的广泛关注。它为实体机器人，采用语音识别和人脸识别技术，可以人机进行语音交流，还可以识别熟悉客户，在网点进行客户指引、介绍银行的各类业务等。在语言交流过程中，它能回答客户的各种问题，缓解等待办理业务的银行客户潜在情绪，分担大堂经理的工作，分流客户，节省客户办理时间。

3.百度教育信贷实现“秒批”。“人工智能对于金融也会产生变革性影响，可以真正做到让征信升级”。6月8日，在2016百度联盟峰会上，百度董事长兼首席执行官李彦宏特别提到人工智能正在重构包括金融在内的传统产业。他特别强调，“现在百度的教育贷款，基本上是以‘秒’的时间可以决定是不是给一个人贷款。”李彦宏讲到的百度教育信贷的“秒批”，其具体的操作程序非常简单，用户想要获取百度消费信贷服务，只需在百度钱包APP“教育贷款”板块上传身份证，系统就能自动比对、确认用户身份信息，并根据信用记录判定用户所需的服务类型或额度，不仅能实现远程审批，审批时间更可缩短至“秒批”级别。秒批依靠的是百度以大数据和人工智能为基础的严谨风控体系。借助“大数据+人工智能”技术，百度风控部门为有信贷需求的群体绘制用户画像，建立信用体系，加上图像识别等人工智能技术的实际应用，构成了秒批的技术基础。

4.宁波聚元集团旗下超人贷平台自2014年上线以来，发展迅速，以高效风控、低成本控制、低坏账率享誉业内，平台注册会员超过1万人，线上累计交易金额已突破2亿元，稳定健康的发展道路使得平台处于整个大市行业中领先地位，并受到CCTV2、CCTV7央视正面报道，成为浙江地区首批在央视上榜的互联网金融品牌。超人贷平台除了将资金交由第三方商业银行或有资质的资金托管机构进行托管，建立信息披露制度，充分披露融资项目、经营管理等信息外，最重要一个突出优势就是采用先进的人工智能对每一笔交易?M行实时监控，监控信息还可面向公众开放。自创立以来发展稳健，越来越受到客户青睐。