人工智能研究綜述匯總十篇

序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程，我們?yōu)槟扑]十篇人工智能研究綜述范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

Disrupted resting-state functional connectivity in mild cognitive impairment and Alzheimer’s disease

Abstract: Alzheimer’s disease (AD) is the most frequent type of dementia, including an estimated 60%-80% of all dementia cases. It can be clinically characterized by impairments of memory and other high cognitive functions. Previous studies suggested that these impairments are not only associated with disrupted of brain regions structure and function but with abnormal functional connections among brain regions, leading to a disconnection notion in AD. In this review, we summarize the recent progress of seed-based functional connectivity studies in AD and mild cognitive impairment （MCI，the prodromal stage of AD）. These studies open a new window into our understanding of the pathophysiological mechanisms of AD and consider the potential to uncover imaging biomarkers for the clinical diagnosis of this disease.

Keywords:Alzheimer’sdisease；mildcognitive impairment；functional connectivity；functional magnetic resonance imaging

阿爾茨海默病（Alzheimer’s disease, AD），是老年癡呆中最常見的類型，約占所有癡呆患者的60%-80%。臨床特點(diǎn)表現(xiàn)為逐漸出現(xiàn)記憶力減退、認(rèn)知功能障礙、行為異常和社交障礙，最終喪失獨(dú)立生活的能力。2009年國際阿爾茨海默病協(xié)會(huì) （ADI）報(bào)告，自2010年起，全世界將有3560萬人患有癡呆，20年后這個(gè)數(shù)字將會(huì)成倍地上升，到2030年癡呆人數(shù)估計(jì)為6570萬，到2050年將為11540萬 (World Alzheimer Report 2010, )。而這個(gè)數(shù)字在中國，印度等發(fā)展中國家將會(huì)上升得更快。輕度認(rèn)知障礙(mild cognitive impairment，MCI)是介于正常老化與老年癡呆之間的一種臨床狀態(tài)，處于這種狀態(tài)下的患者具有記憶障礙或其他的輕度認(rèn)知功能障礙，但保留日常生活功能。MCI向AD的平均年轉(zhuǎn)化率為10%-15%，遠(yuǎn)遠(yuǎn)高于正常老年人的年轉(zhuǎn)化率1%-2%，而其5年內(nèi)的轉(zhuǎn)化率更是達(dá)到50%以上。因此MCI是進(jìn)展為AD的高度危險(xiǎn)因素。

近年來，研究者們利用神經(jīng)影像學(xué)數(shù)據(jù)對阿爾茨海默病患者的結(jié)構(gòu)和功能進(jìn)行分析，發(fā)現(xiàn)AD患者不僅在局部腦區(qū)的結(jié)構(gòu)和功能存在異常，在腦區(qū)之間的結(jié)構(gòu)和功能連接也存在異常，表明AD是一種腦網(wǎng)絡(luò)失連接綜合征 [1]。靜息態(tài)功能磁共振成像 （resting-state functional magnetic resonance imaging）是通過測定腦神經(jīng)元活動(dòng)引發(fā)的血流動(dòng)力學(xué)改變對腦功能活動(dòng)進(jìn)行定位的一種非常有前景的非入侵的神經(jīng)影像學(xué)技術(shù)。受試者在掃描儀器中不需要完成特定的任務(wù)，處于一種清醒的休息狀態(tài)，并且不能系統(tǒng)的思考問題。Biswal等[2]第一次證實(shí)了靜息態(tài)下血氧水平依賴（Blood oxygenation level dependent，BOLD）信號(hào)具有低頻波動(dòng)（low frequency fluctuations LFFs，f

以海馬為種子點(diǎn)的研究

AD病理學(xué)假說認(rèn)為AD疾病的產(chǎn)生是因?yàn)榈矸鄣鞍壮练e和神經(jīng)元纖維纏結(jié)導(dǎo)致的。有研究表明神經(jīng)元纏結(jié)選擇性的損害海馬區(qū)域[4]。因此，神經(jīng)元的損傷可能導(dǎo)致海馬與其他區(qū)域的功能失連接。Wang等[5]用雙側(cè)海馬前部為種子點(diǎn)分析了AD患者的功能連接，他們發(fā)現(xiàn)AD患者右側(cè)海馬區(qū)域與內(nèi)側(cè)前額葉，腹側(cè)前扣帶，楔葉，楔前葉，后扣帶和右側(cè)顳下功能連接降低。該研究發(fā)現(xiàn)的與海馬連接降低的區(qū)域，包括內(nèi)側(cè)前額葉，腹側(cè)前扣帶和后扣帶，都是默認(rèn)網(wǎng)絡(luò)的經(jīng)典區(qū)域。因此這一結(jié)果支持了AD患者是默認(rèn)網(wǎng)絡(luò)活動(dòng)減低的觀點(diǎn)。AD患者降低的海馬與視覺區(qū)域的連接表明降低的海馬相關(guān)網(wǎng)絡(luò)的整合。該研究也發(fā)現(xiàn)在AD患者中左側(cè)海馬區(qū)域與右外側(cè)前額葉的功能連接增加。增加的連接提示可以為一種功能連接代償?shù)臋C(jī)制。2007年，Allen等[6]做了相似的研究同樣以雙側(cè)前海馬為種子點(diǎn)，發(fā)現(xiàn)AD患者有顯著降低的功能連接，包括與額葉不存在直接的連接。但沒有發(fā)現(xiàn)海馬連接增強(qiáng)的區(qū)域。2012年，Kenny等[7]發(fā)現(xiàn)AD組左側(cè)海馬與右側(cè)腦島和頂下區(qū)域的功能連接增加，但沒有發(fā)現(xiàn)海馬連接降低的區(qū)域。這三篇AD的研究結(jié)果有一定的矛盾性，兩篇研究發(fā)現(xiàn)左側(cè)海馬有增強(qiáng)的功能連接，但是Allen卻僅僅發(fā)現(xiàn)降低的連接。這一矛盾的結(jié)果可能由于被試量的大小，被試病程的不一致性導(dǎo)致的。種子點(diǎn)的選取的不一致性也可能導(dǎo)致不一致的結(jié)果。有研究表明海馬是解剖非勻質(zhì)的結(jié)構(gòu)，可以分為不同的子區(qū)域包括海馬角，齒狀回和海馬下托復(fù)合體[8]。AD相關(guān)的研究發(fā)現(xiàn)不同的海馬子區(qū)域AD患者的結(jié)構(gòu)和功能損傷不一致。因此，將來的大樣本的特定的AD疾病時(shí)期的海馬功能研究需要發(fā)展，不同海馬子區(qū)域的功能連接異常模式也需要更全面的研究。2011年，Wang等[9]同樣用雙側(cè)海馬為種子點(diǎn)研究了MCI患者的功能連接，發(fā)現(xiàn)雙側(cè)海馬與雙側(cè)顳葉，右側(cè)額葉和右側(cè)腦島的功能連接在MCI組降低。同時(shí)，與左側(cè)后扣帶，楔前葉，海馬，尾核以及右側(cè)枕葉的功能連接在MCI組增加。同一年，Bai等[10]人用海馬不同的子區(qū)域研究了MCI患者縱向數(shù)據(jù)的功能連接異常，發(fā)現(xiàn)六個(gè)縱向的海馬子區(qū)域功能連接網(wǎng)絡(luò)在MCI患者中呈現(xiàn)相似的改變模式，主要是與內(nèi)側(cè)額葉，外側(cè)顳葉，島葉，后扣帶回和小腦的功能連接異常。

以后扣帶回為種子點(diǎn)的研究

病理組織學(xué)研究，結(jié)構(gòu)和功能影像學(xué)研究一致地表明后扣帶回是AD病理生理學(xué)的核心區(qū)域[11, 12]。2009年，Zhang等[13]用后扣帶為種子點(diǎn)發(fā)現(xiàn)AD組后扣帶回與左側(cè)海馬，右側(cè)丘腦，雙側(cè)視覺，腹內(nèi)側(cè)前額葉和楔前葉等功能連接降低，與左側(cè)額頂區(qū)域的連接增加。Kenny等[7]以后扣帶回為種子點(diǎn)卻沒有發(fā)現(xiàn)顯著地組間功能連接差異。2010年，Zhang等[14]以后扣帶回為種子點(diǎn)研究了功能連接隨著AD病程的改變，發(fā)現(xiàn)AD組后扣帶回與視覺區(qū)域，海馬，內(nèi)側(cè)前額葉和楔前葉的連接顯著降低，且這種降低強(qiáng)度隨著病程進(jìn)展增加。這一研究結(jié)果與Zhang的結(jié)果是一致的。2014年，Xia等[15]研究了AD患者后扣帶回不同子區(qū)域的功能連接，發(fā)現(xiàn)不同的子區(qū)的功能連接在AD組都有顯著地降低，且這些降低與認(rèn)知功能的下降相關(guān)。2011年，Han等[16]發(fā)現(xiàn)MCI組后扣帶回與眶額，右側(cè)額中回，右側(cè)尾核等功能連接降低，與右側(cè)額下回，左側(cè)梭狀回和中央前回的功能連接增加。Bai等[17]人研究了遺忘型MCI患者后扣帶回的功能連接，發(fā)現(xiàn)遺忘型MCI患者后扣帶回與顳葉的功能連接降低但是與額葉的功能連接增加。

問題和未來方向

目前。靜息態(tài)種子點(diǎn)功能連接研究在阿爾茨海默病及輕度認(rèn)知障礙中已經(jīng)得到大量的研究。盡管如此，為了靜息態(tài)種子點(diǎn)功能連接研究在今后能夠應(yīng)用于MCI的診斷和AD的早期識(shí)別以及治療監(jiān)測中，被試的樣本量仍需要擴(kuò)大，在實(shí)驗(yàn)設(shè)計(jì)和方法學(xué)上還存在諸多問題有待研究。

1. 已有的研究仍然用的小樣本量，隨著現(xiàn)在磁共振成像技術(shù)的廣泛應(yīng)用，我們需要采用大樣本量且均質(zhì)的AD數(shù)據(jù)。這樣能增加結(jié)果的可信度。

2. 由于AD臨床起因依舊不是很清楚并且AD的病情呈現(xiàn)出進(jìn)行性加重，目前仍無法根治且治療效果也不是很好，所以尋找出AD早期改變的生物學(xué)標(biāo)記是進(jìn)行早期診斷和及時(shí)干預(yù)的關(guān)鍵舉措，除了將AD的研究提前到MCI期以外，對AD風(fēng)險(xiǎn)人群（如APOE ε4攜帶者）的種子點(diǎn)功能連接的研究也是一個(gè)很重要的研究方向。

3. 種子點(diǎn)的選取。雖然本文回顧了與AD最為相關(guān)的區(qū)域的種子點(diǎn)功能連接的研究，已有的研究大多以整個(gè)腦區(qū)為種子點(diǎn)做功能連接研究，但現(xiàn)在有研究表明很多基于解剖的劃分存在腦區(qū)子區(qū)域，不同的亞區(qū)連接模式不相同[10, 15]，將來對于子區(qū)域的研究可能有助于我們更全面地查看AD異常的連接模式。而且種子點(diǎn)功能連接的方法對于種子點(diǎn)的選取太過依賴，現(xiàn)在AD的病源尚沒有明確的定位，我們還需要探索性的用不同的種子點(diǎn)看AD功能連接的變化。找到AD最敏感的種子區(qū)域。

總結(jié)

綜上所述，目前靜息態(tài)種子點(diǎn)功能連接的研究已經(jīng)發(fā)現(xiàn)阿爾茨海默癥和輕度認(rèn)知障礙患者在海馬及后扣帶回與全腦的功能連接受到損傷。今后的研究一方面需要對已有的成果在大樣本均質(zhì)的被試上加以證實(shí)和解釋，另一方面還需要找到AD的病源區(qū)域并以此為種子點(diǎn)進(jìn)行研究，或者不基于先驗(yàn)的知識(shí)，全腦尋找種子點(diǎn)的方法找到AD最敏感的功能連接異常的網(wǎng)絡(luò)。

參考文獻(xiàn):

1. Delbeuck, X., M. Van der Linden, and F. Collette, Alzheimer's disease as a disconnection syndromeNeuropsychol Rev, 2003. 13(2): p. 79-92.

2. Biswal, B., et al., Functional Connectivity in the Motor Cortex of Resting Human Brain Using Echo-Planar Mri. Magnetic Resonance in Medicine, 1995. 34(4): p. 537-541.

3. Fox, M.D. and M.E. Raichle, Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat Rev Neurosci, 2007. 8(9): p. 700-11.

4. Hirano, A. and H.M. Zimmerman, Alzheimer's neurofibrillary changes. A topographic study. Arch Neurol, 1962. 7: p. 227-42.

5. Wang, L., et al., Changes in hippocampal connectivity in the early stages of Alzheimer's disease: evidence from resting state fMRI. Neuroimage, 2006. 31(2): p. 496-504.

6. Allen, G., et al., Reduced hippocampal functional connectivity in Alzheimer disease. Arch Neurol, 2007. 64(10): p. 1482-7.

7. Kenny, E.R., et al., Functional connectivity in cortical regions in dementia with Lewy bodies and Alzheimer's disease. Brain, 2012. 135(Pt 2): p. 569-81.

8. Amunts, K., et al., Cytoarchitectonic mapping of the human amygdala, hippocampal region and entorhinal cortex: intersubject variability and probability maps. Anat Embryol (Berl), 2005. 210(5-6): p. 343-52.

9. Wang, Z., et al., Baseline and longitudinal patterns of hippocampal connectivity in mild cognitive impairment: evidence from resting state fMRI. J Neurol Sci, 2011. 309(1-2): p. 79-85.

10. Bai, F., et al., Aberrant hippocampal subregion networks associated with the classifications of aMCI subjects: a longitudinal resting-state study. PLoS One, 2011. 6(12): p. e29288.

11. Rowe, C.C., et al., Imaging beta-amyloid burden in aging and dementia. Neurology, 2007. 68(20): p. 1718-25.

12. Del Sole, A., et al., Individual cerebral metabolic deficits in Alzheimer's disease and amnestic mild cognitive impairment: an FDG PET study. Eur J Nucl Med Mol Imaging, 2008. 35(7): p. 1357-66.

13. Zhang, H.Y., et al., Detection of PCC functional connectivity characteristics in resting-state fMRI in mild Alzheimer's disease. Behav Brain Res, 2009. 197(1): p. 103-8.

14. Zhang, H.Y., et al., Resting brain connectivity: changes during the progress of Alzheimer disease. Radiology, 2010. 256(2): p. 598-606.

15. Xia, M., et al., Differentially disrupted functional connectivity in posteromedial cortical subregions in Alzheimer's disease. J Alzheimers Dis, 2014. 39(3): p. 527-43.

16. Han, S.D., et al., Functional connectivity variations in mild cognitive impairment: associations with cognitive function. J Int Neuropsychol Soc, 2012. 18(1): p. 39-48.

篇（2）

【關(guān)鍵詞】人工智能；發(fā)展現(xiàn)狀；未來展望

【Keywords】artificial intelligence； current situation of the development； future

【中圖分類號(hào)】TP18 【文獻(xiàn)標(biāo)志碼】A 【文章編號(hào)】1673-1069（2017）04-0107-02

1 引言

2016年年初，韓國圍棋國手李在石與圍棋程序Alpha Go對弈中首戰(zhàn)失利，再一次將人工智能拉入了公眾的視野，使其成為2016年度話題度最高的科技之一。不可否認(rèn)，近些年來人工智能發(fā)展迅速，很多人工智能產(chǎn)品已經(jīng)開始進(jìn)入人們的家中，如掃地機(jī)器人、智能保姆等，雖然它們還沒有美國大片《終結(jié)者》中所描述得那么先進(jìn)，但從前遙不可及的人工智能概念正在一步步變?yōu)楝F(xiàn)實(shí)卻是不爭的事實(shí)。人工智能的現(xiàn)狀如何，它又將如何發(fā)展，都是學(xué)界較為關(guān)注的課題。

2 人工智能綜述

2.1 人工智能的概念

人工智能即AI，其英文全稱為Artificial Intelligence。人工智能的概念要從人工和智能兩方面來了解，所謂人工就是指人工智能脫胎于人類的文明，是人類智慧的產(chǎn)物；而智能則是指具有人工智能的計(jì)算機(jī)或其他子設(shè)備可以模擬人類的智能行為和思維方式，人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它的近期主要目標(biāo)在于研究用機(jī)器來模仿和執(zhí)行人腦的某些智能功能，并開發(fā)相關(guān)理論和技術(shù)。

2.2 人工智能的現(xiàn)實(shí)應(yīng)用

如今的人工智能機(jī)器，可以在勝任一些復(fù)雜腦力勞動(dòng)的同時(shí)，輔助人類進(jìn)行記憶和邏輯運(yùn)算等活動(dòng)。現(xiàn)階段學(xué)者已經(jīng)研制出了一些可以模擬人類精神活動(dòng)的電子機(jī)器，經(jīng)過完善升級(jí)，這些電子機(jī)器將有希望超越人類的能力，協(xié)助人類完成一些執(zhí)行難度較大的工作。但是目前研制出的自動(dòng)化系統(tǒng)或者機(jī)器人雖然可以代替部分人類勞動(dòng)，卻還沒有到達(dá)可以實(shí)現(xiàn)人類多方面協(xié)調(diào)和自我學(xué)習(xí)升級(jí)的智能水平，要制造出一款可以完全擁有人類智慧的機(jī)器，還需進(jìn)一步深入研究。還有一些人工智能產(chǎn)物經(jīng)常應(yīng)用于各種商業(yè)用途，例如單位內(nèi)部的客戶信息系統(tǒng)，決策支持系統(tǒng)，以及我們在世面上可以看見的醫(yī)學(xué)顧問、法津顧問等軟件。

3 人工智能發(fā)展現(xiàn)狀

3.1 智能接口技術(shù)研究現(xiàn)狀

人工智能接口研究就是為了實(shí)現(xiàn)人機(jī)交流，為此學(xué)者必須從理論和實(shí)踐兩方面努力，解決計(jì)算機(jī)對文字和語言的理解與翻譯、對自我的表達(dá)等功能問題。由于智能接口技術(shù)的研究和應(yīng)用，計(jì)算機(jī)技術(shù)的發(fā)展獲得了極大的推動(dòng)力，在運(yùn)行速率和人機(jī)交流等方面都有巨大提升。

3.2 數(shù)據(jù)挖掘技術(shù)研究現(xiàn)狀

數(shù)據(jù)挖掘技術(shù)主要是對各類模糊的、大量的應(yīng)用數(shù)據(jù)、人未知的、潛在已經(jīng)存在的數(shù)據(jù)進(jìn)行整理挖掘進(jìn)行細(xì)致的研究，尋找出對研究有用的數(shù)據(jù)。目前，數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計(jì)已經(jīng)成為數(shù)據(jù)挖掘技術(shù)的三大技術(shù)支撐，以基礎(chǔ)理論、發(fā)現(xiàn)算法、可視化技術(shù)、知識(shí)表示方法、半結(jié)構(gòu)化等作為研究內(nèi)容，為數(shù)據(jù)挖掘技術(shù)的發(fā)展提供理論和技術(shù)支持。

3.3 主體系統(tǒng)研究現(xiàn)狀

主體系統(tǒng)可以實(shí)現(xiàn)機(jī)器意圖和想法的生成，是一種智能方面更接近人類的自主性實(shí)體系統(tǒng)。自主系統(tǒng)可以完成一些相對獨(dú)立、自主的任務(wù)，甚至可以通過調(diào)整自我狀態(tài)，應(yīng)對環(huán)境和特殊情況的變化，進(jìn)而保證自身規(guī)劃任務(wù)的完成。在多主體系統(tǒng)研究中，主要是從物理和邏輯思維方面對主體進(jìn)行智能行為的分析研究。

4 人工智能發(fā)展中面臨的問題

4.1 識(shí)別功能的困惑

計(jì)算機(jī)識(shí)別技術(shù)研究在近些年取得了大量成果，其產(chǎn)品的實(shí)際應(yīng)用范圍較廣，但不可否認(rèn)的是，計(jì)算機(jī)識(shí)別的模式是基于一定的算法和程序設(shè)定的，其識(shí)別機(jī)制完全不同于人類的感官識(shí)別，因此，在計(jì)算機(jī)進(jìn)行識(shí)別，尤其是圖形識(shí)別時(shí)，對各種印刷體、文字、指紋等清晰圖形可以快速識(shí)別，但對于相似度較高的物體，計(jì)算機(jī)識(shí)別能力相對較弱，識(shí)別失敗的情況較為普遍。語音識(shí)別主要研究各種語音信號(hào)的分類。語音識(shí)別技術(shù)近年來發(fā)展很快，但是缺點(diǎn)是識(shí)別極易受到干擾，發(fā)音不標(biāo)準(zhǔn)的語音較易引發(fā)識(shí)別錯(cuò)誤。

4.2 GPS功能的局限性

GPS是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí)求解人工智能問題的通用方法，但是問題內(nèi)部的表達(dá)形式和領(lǐng)域知識(shí)是分不開的，用謂詞邏輯進(jìn)行定理歸結(jié)或者人工智能通用方法GPS，都可以從分析表達(dá)能力上找出其局限性，這樣就減少了人工智能的應(yīng)用范圍[1]。

5 人工智能的未來應(yīng)用展望

人工智能與人生活最息息相關(guān)的應(yīng)用范圍就是融入人們的衣食住行和教育等方面，這也是人工智能未來最普遍的應(yīng)用方向。

5.1 無人駕駛的汽車

奔馳、豐田等很多大型汽車企業(yè)都在研究o人駕駛的汽車，像007電影中的那種擁有自主辨別路況、自動(dòng)駕駛等功能的汽車也許很快就會(huì)成為現(xiàn)實(shí)。自動(dòng)駕駛的汽車要搭載的技術(shù)并不只人工智能一種，它還需要將自動(dòng)控制和視覺計(jì)算等新型技術(shù)集成應(yīng)用，改變現(xiàn)有汽車的體系結(jié)構(gòu)，賦予其自動(dòng)識(shí)別、分析和控制的能力。因此，自動(dòng)駕駛汽車需要實(shí)現(xiàn)三方面的技術(shù)突破：其一，實(shí)現(xiàn)利用攝像設(shè)備、雷達(dá)和激光測距機(jī)來獲得路況信息；其二，實(shí)現(xiàn)利用地圖進(jìn)行自動(dòng)的車輛導(dǎo)航；其三，根據(jù)已有信息數(shù)據(jù)對車輛的速度和方向進(jìn)行控制。未來的自動(dòng)駕駛汽車還可以通過車輛之間的信息互通和互相感應(yīng)，來協(xié)調(diào)車速和方向，避免車輛碰撞，實(shí)現(xiàn)自動(dòng)駕駛車輛的安全行進(jìn)。

5.2 智能化的課堂

當(dāng)前已經(jīng)有一些智能化的教學(xué)軟件，教師們可以在這些軟件上把教學(xué)課件傳送給學(xué)生，并進(jìn)行授課答題，學(xué)生還可以與教師彈幕互動(dòng)，使課堂變得妙趣橫生，方便了教師的授課活動(dòng)。對于學(xué)生而言，能夠在期末十分便捷地回顧上課的錯(cuò)題，甚至能夠在幾年后翻閱學(xué)習(xí)過的課件；對于教師而言，能夠精細(xì)地知道學(xué)生對知識(shí)的掌握程度，甚至能夠發(fā)現(xiàn)最積極和最懈怠的學(xué)生。未來的智能課堂將更具有時(shí)間延展性，學(xué)生不僅可以在課堂學(xué)習(xí)知識(shí)，還可以利用智能電子設(shè)備進(jìn)行課前預(yù)習(xí)和課后復(fù)習(xí)，從而使學(xué)生可以在更加趣味性的氛圍中進(jìn)行自主學(xué)習(xí)安排。

5.3 自動(dòng)化的廚房

今后的廚房將會(huì)更加智能化，當(dāng)你做飯時(shí)，設(shè)定好你想要的菜譜，準(zhǔn)備好所需的食材，烹調(diào)設(shè)備即可將飯菜制作得恰到好處。它會(huì)根據(jù)你食材的新鮮程度，為你推薦最適合的菜譜，并計(jì)算出其營養(yǎng)參考標(biāo)準(zhǔn)，并為你推薦其他食物，使膳食營養(yǎng)均衡。當(dāng)你家中某樣食材不足時(shí)，物流公司便會(huì)將時(shí)下最新鮮的這一食材送至你家中[2]。

6 結(jié)語

人工智能這一概念是在1956年提出的，在當(dāng)時(shí)，人工智能還只是人們頭腦中的一種幻想，而在60年后的今天，人工智能的夢想已經(jīng)逐漸照進(jìn)現(xiàn)實(shí)，它甚至滲透進(jìn)了工業(yè)、醫(yī)學(xué)、服務(wù)等多個(gè)領(lǐng)域，可以說人工智能正在改變著我們生活的世界。但對于人工智能這個(gè)人類創(chuàng)造出來的技術(shù)，人們也存在一定的擔(dān)憂，人工智能將向何方發(fā)展？人工智能發(fā)展到極致會(huì)不會(huì)脫離人類的控制？人工智能會(huì)不會(huì)超越人類的智慧？在諸多問題圍繞下，人工智能技術(shù)依然在迅猛發(fā)展，它的未來如何，讓我們拭目以待。

篇（3）

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自從20世紀(jì)50年代產(chǎn)生，經(jīng)過長期發(fā)展，已經(jīng)有了長足的進(jìn)步，并且已經(jīng)深入到社會(huì)生活的諸多領(lǐng)域，如語言處理、智能數(shù)據(jù)檢索系統(tǒng)、視覺系統(tǒng)、自動(dòng)定理證明、智能計(jì)算、問題求解、人工智能程序語言以及自動(dòng)程序設(shè)計(jì)等。隨著科學(xué)技術(shù)的不斷發(fā)展，現(xiàn)在的人工智能已經(jīng)不再是僅僅具有簡單的模仿與邏輯思維能力，人們也越來越期待人工智能能夠幫助或者替代人類從事各種復(fù)雜的工作，加強(qiáng)人的思維功能、行為功能或是感知功能。這就要求人工智能具有更強(qiáng)的情感識(shí)別、情感表達(dá)以及情感理解能力。通俗的說，為了使得人工智能對外界的變化適應(yīng)性更強(qiáng)，需要給它們賦予相應(yīng)的情感從而能夠應(yīng)對這個(gè)難以預(yù)測的世界。

在賦予人工智能“情感”的過程中，面臨著許多的問題，有科技層面上的，也有社會(huì)學(xué)層面的。本文在這里只討論其中一個(gè)比較基本的社會(huì)學(xué)問題：“人工智能情感約束問題”，即關(guān)注于如何約束賦予給人工智能的情感，不至于使其“情感泛濫”。情感指的是一種特殊的思維方式，人工智能具有了情感后的問題是：人工智能的情感是人類賦予的，人工智能自身并不會(huì)創(chuàng)造或者控制自己的情感。如果賦予人工智能的情感種類不合理，或者是賦予的情感程度不恰當(dāng)，都有可能造成“情感泛濫”并導(dǎo)致一些災(zāi)難性的后果。例如，當(dāng)人工智能具有了情感之后，如果人類自身管理不恰當(dāng)，有可能導(dǎo)致人工智能反過來傷害人類。盡管目前我們只能在一些科幻作品中看到這種情況發(fā)生，但誰也不能保證未來有一天會(huì)不會(huì)真的出現(xiàn)這種悲劇。

本文第二章對人工智能情感研究進(jìn)行了概要性回顧，第三章對如何約束人工智能情感進(jìn)行了嘗試性探討，最后一章對全文進(jìn)行了總結(jié)。

2人工情感發(fā)展情況概述

隨著科學(xué)家對人類大腦及精神系統(tǒng)深入的研究，已經(jīng)愈來愈肯定情感是智能的一部分。人工情感是以人類自然情感理論為基礎(chǔ)，結(jié)合人工智能、機(jī)器人學(xué)等學(xué)科，對人類情感過程進(jìn)行建模，以期獲得用單純理性思維難以達(dá)到的智能水平和自主性的一種研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感機(jī)器識(shí)別與表達(dá)、人工情感機(jī)理等四個(gè)方面的內(nèi)容。其中，尤以人工情感機(jī)理的研究困難最大，研究者也最少。

目前人工情感在很多領(lǐng)域得到了應(yīng)用和發(fā)展，比較典型的是在教育教學(xué)、保健護(hù)理、家庭助理、服務(wù)等行業(yè)領(lǐng)域。在教育教學(xué)方面比較典型的例子是德國人工智能研究中心發(fā)展的三個(gè)方案：在虛擬劇場、虛擬市場和對話Agent中引入情感模型和個(gè)性特征來幫助開發(fā)兒童的想象力及創(chuàng)造力。在保健護(hù)理方面比較典型的是家庭保健與護(hù)理方向，如Lisetti等人研制的一個(gè)用于遠(yuǎn)程家庭保健的智能情感界面，用多模態(tài)情感識(shí)別手段來識(shí)別病人的情感狀態(tài)，并輸入不同媒體和編碼模型進(jìn)行處理，從而為醫(yī)生提供關(guān)于病人簡明而有價(jià)值的情感信息以便于進(jìn)行有效的護(hù)理。服務(wù)型機(jī)器人的典型例子是卡內(nèi)基梅隆大學(xué)發(fā)明的一個(gè)機(jī)器人接待員Valerie。Valerie的面孔形象的出現(xiàn)在一個(gè)能夠轉(zhuǎn)動(dòng)方向的移動(dòng)屏幕上時(shí)可以向訪問者提供一些天氣和方位方面的信息，還可以接電話、解答一些問題；并且Valerie有自己的性格和愛好，情感表達(dá)較為豐富。當(dāng)然這些只是人工情感應(yīng)用領(lǐng)域中的幾個(gè)典型的例子，人工智能情感的潛力仍然是巨大的。

盡管關(guān)于人工情感的研究已經(jīng)取得了一定的成果，給我們帶來了很多驚喜和利益，但由于情緒表現(xiàn)出的無限紛繁以及它與行為之間的復(fù)雜聯(lián)系，人們對它的運(yùn)行機(jī)理了解的還不成熟，以致使得目前人工情感的研究仍面臨著諸如評價(jià)標(biāo)準(zhǔn)、情感道德約束等多方面問題。所以必須清楚的認(rèn)識(shí)到我們目前對于人工情感的計(jì)算乃至控制機(jī)制并沒有一個(gè)成熟的體系。

3對人工智能的情感約束

正如上文所述，如果放任人工智能“情感泛濫”，很有可能會(huì)造成嚴(yán)重的后果。為了使人工智能技術(shù)更好的發(fā)展，使智能與情感恰到好處的結(jié)合起來，我們有必要思考如何對賦予人工智能情感進(jìn)行引導(dǎo)或者約束。

3.1根據(jù)級(jí)別賦予情感

可以根據(jù)人工智能級(jí)別來賦予其情感，如低級(jí)別人工智能不賦予情感、高級(jí)別人工智能賦予其適當(dāng)?shù)那楦小１娝苤斯ぶ悄苁且婚T交叉科學(xué)科，要正確認(rèn)識(shí)和掌握人工智能的相關(guān)技術(shù)的人至少必須同時(shí)懂得計(jì)算機(jī)學(xué)、心理學(xué)和哲學(xué)。首先需要樹立這樣的一個(gè)觀點(diǎn)：人工智能的起點(diǎn)不是計(jì)算機(jī)學(xué)而是人的智能本身，也就是說技術(shù)不是最重要的，在這之前必須得先解決思想問題。而人工智能由于這方面沒有一個(gè)嚴(yán)格的或是量度上的控制而容易出現(xiàn)問題。從哲學(xué)的角度來說，量變最終會(huì)導(dǎo)致質(zhì)變。現(xiàn)在是科學(xué)技術(shù)飛速發(fā)展的時(shí)代，不能排除這個(gè)量變導(dǎo)致質(zhì)變時(shí)代的人工智能機(jī)器人的到來，而到那個(gè)時(shí)候后果則不堪設(shè)想。因此，在現(xiàn)階段我們就應(yīng)該對人工智能的情感賦予程度進(jìn)行一個(gè)約束。

根據(jù)維納的反饋理論，人工智能可以被分成高低兩個(gè)層次。低層次的是智能型的人工智能，主要具備適應(yīng)環(huán)境和自我優(yōu)化的能力。高層次的是情感型的人工智能，它的輸入過程主要是模仿人的感覺方式，輸出過程則是模仿人的反應(yīng)情緒。據(jù)此我們可分別將機(jī)器人分為一般用途機(jī)器人和高級(jí)用途機(jī)器人兩種。一般用途機(jī)器人是指不具有情感，只具有一般編程能力和操作功能的機(jī)器人。那么對于一般用途的機(jī)器人我們完全可以嚴(yán)格的用程序去控制它的行為而沒必要去給他賦予情感。而對于高級(jí)層面的情感機(jī)器人來說，我們就適當(dāng)?shù)馁x予一些情感。但即使是這樣一部分高層次的情感機(jī)器人，在賦予人工情感仍然需要考慮到可能會(huì)帶來的某些潛在的危害，要慎之又慎。

3.2根據(jù)角色賦予情感

同樣也可以根據(jù)人工智能機(jī)器人角色的不同選擇性的賦予其不同類型的情感。人類與機(jī)器合作起來比任何一方單獨(dú)工作都更為強(qiáng)大。正因?yàn)槿绱耍祟惥鸵朴谂c人工智能機(jī)器合作，充分發(fā)揮人機(jī)合作的最大優(yōu)勢。由于計(jì)算機(jī)硬件、無線網(wǎng)絡(luò)與蜂窩數(shù)據(jù)網(wǎng)絡(luò)的高速發(fā)展，目前的這個(gè)時(shí)代是人工智能發(fā)展的極佳時(shí)期，使人工智能機(jī)器人處理許多以前無法完成的任務(wù)，并使一些全新的應(yīng)用不再禁錮于研究實(shí)驗(yàn)室，可以在公共渠道上為所有人服務(wù)，人機(jī)合作也將成為一種大的趨勢，而他們會(huì)以不同的角色與我們進(jìn)行合作。或作為工具、顧問、工人、寵物、伴侶亦或是其他角色。總之，我們應(yīng)該和這些機(jī)器建立一種合作互助的關(guān)系，然后共同完任務(wù)。這當(dāng)然是一種很理想的狀態(tài)，要做到這樣，首先需要我們?nèi)祟愞D(zhuǎn)變自身現(xiàn)有的思維模式：這些機(jī)器不再是一種工具，而是平等的服務(wù)提供人。

舉例來說，當(dāng)機(jī)器人照顧老人或是小孩的時(shí)候，我們應(yīng)該賦予它更多的正面情緒，而不要去賦予負(fù)面情緒，否則如果機(jī)器人的負(fù)向情緒被激發(fā)了，對于這些老人或者小孩來說危險(xiǎn)性是極大的；但是，如果機(jī)器人是作為看門的保安，我們對這種角色的機(jī)器人就可以適當(dāng)?shù)馁x予一些負(fù)向的情緒，那么對于那些不按規(guī)則的來訪者或是小偷就有一定的威懾力。總之，在我們賦予這些智能機(jī)器人情感前必須要周到的考慮這些情感的程度和種類，不要沒有顧忌的想當(dāng)然的去賦予，而是按分工、作用賦予限制性的情感約束，達(dá)到安全的目的。

3.3對賦予人進(jìn)行約束

對人工智能情感賦予者進(jìn)行約束，提高賦予者的自身素質(zhì)，并定期考核，并為每一被賦予情感的人工智能制定責(zé)任人。

縱觀人工智能技術(shù)發(fā)展史，我們可以發(fā)現(xiàn)很多的事故都是因?yàn)槿藶橐蛩貙?dǎo)致的。比如，首起機(jī)器人殺人案：1978年9月的一天，在日本廣島，一臺(tái)機(jī)器人正在切割鋼板，突然電腦系統(tǒng)出現(xiàn)故障，機(jī)器人伸出巨臂，把一名工人活生生地送到鋼刀下，切成肉片。

另外，某些研究者也許會(huì)因?yàn)槔娴恼T惑，而將人工智能運(yùn)用在不正當(dāng)領(lǐng)域，或者人工智能技術(shù)落入犯罪分子的手中，被他們用來進(jìn)行反對人類和危害社會(huì)的犯罪活動(dòng)。也就是用于所謂的“智能犯罪”。任何新技術(shù)的最大危險(xiǎn)莫過于人類對它失去控制，或者是它落入那些企圖利用新技術(shù)反對人類的人的手中。

因此為了減少這些由于人而導(dǎo)致的悲劇，我們需要對這些研究者本身進(jìn)行約束。比如通過相應(yīng)的培訓(xùn)或是定期的思想政治教育、或是理論知識(shí)的學(xué)習(xí)并制定定期的考核制度來保證這些專家自身的素質(zhì)，又或者加強(qiáng)對人工智能事故的追究機(jī)制，發(fā)生問題能立即查詢到事故方等等，通過這樣一系列強(qiáng)有力的硬性指標(biāo)達(dá)到減少由于人為因素導(dǎo)致悲劇的目的。

3.4制定相應(yīng)的規(guī)章制度來管理人工智能情感的發(fā)展

目前世界上并未出臺(tái)任何一項(xiàng)通用的法律來規(guī)范人工智能的發(fā)展。不過在1939 年，出生在俄國的美籍作家阿西莫夫在他的小說中描繪了工程師們在設(shè)計(jì)和制造機(jī)器人時(shí)通過加入保險(xiǎn)除惡裝置使機(jī)器人有效地被主人控制的情景。這就從技術(shù)上提出了預(yù)防機(jī)器人犯罪的思路。幾年后， 他又為這種技術(shù)裝置提出了倫理學(xué)準(zhǔn)則的道德三律：（1）機(jī)器人不得傷害人類，或看到人類受到傷害而袖手旁觀；（2）在不違反第一定律的前提下，機(jī)器人必須絕對服從人類給與的任何命令；（3）在不違反第一定律和第二定律的前提下，機(jī)器人必須盡力保護(hù)自己。這一“機(jī)器人道德三律”表現(xiàn)了一種在道德憂思的基礎(chǔ)上，對如何解決人工智能中有害人類因素所提出的道德原則，雖然得到很多人的指責(zé)，但其首創(chuàng)性還是得到公認(rèn)的。盡管這個(gè)定律只是小說家提出來的，但是也代表了很多人的心聲，也是值得借鑒的。

那么對于人工智能情感的約束呢？顯然，更加沒有相應(yīng)的法律法規(guī)來規(guī)范。那么，我們就只能在賦予人工智能情感的道理上更加的小心翼翼。比如，我們可以制定一些應(yīng)急方案來防止可能導(dǎo)致的某些后果，也即出現(xiàn)了問題如何及時(shí)的處理之。另外我們在操作和管理上應(yīng)更加慎重的去對待。也希望隨著科學(xué)技術(shù)的發(fā)展，能夠在不久的將來出臺(tái)一部相應(yīng)的規(guī)章制度來規(guī)范人工智能情感的管理，使之更加精確化、合理化。

4結(jié)束語

人工智能的情感研究目的就是探索利用情感在生物體中所扮演的一些角色、發(fā)展技術(shù)和方法來增強(qiáng)計(jì)算機(jī)或機(jī)器人的自治性、適應(yīng)能力和社會(huì)交互的能力。但是現(xiàn)階段對這方面的研究雖然在技術(shù)上可能已經(jīng)很成熟，但是人工智能情感畢竟是模擬人的情感，是個(gè)很復(fù)雜的過程，本文嘗試性的在人工智能發(fā)展中可能遇到的問題進(jìn)行了有益的探討。但是不可否認(rèn)仍然有很長的道路要走，但是對于人工智能的發(fā)展勁頭我們不可否認(rèn)，將來“百分百情感機(jī)器人”的問世也許是遲早的事情。

參考文獻(xiàn)：

[1] 趙玉鵬，劉則淵.情感、機(jī)器、認(rèn)知――斯洛曼的人工智能哲學(xué)思想探析[J].自然辯證法通訊，2009，31（2）：94-99.

[2] 王國江，王志良，楊國亮，等.人工情感研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究綜述[J].江南大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，11（04）：497-504.

[4] Christine Lisett，i Cynthia Lerouge.Affective Computing in Tele-home Health[C].Proceedings of the 37th IEEE Hawaii International Conference on System Sciences，2004.

[5] Valerie.The Roboceptionist[EB/OL].http：//.

[6] 張顯峰，程宇婕.情感機(jī)器人：技術(shù)與倫理的雙重困境[N].科技日報(bào)，2009-4-21（005）.

[7] 張曉麗.跟機(jī)器人談倫理道德為時(shí)尚早[N].遼寧日報(bào)，2011-11-04（007）.

[8] Peter Norvig.人工智能：機(jī)器會(huì)“思考”[J].IT經(jīng)理世界，2012（Z1）：331-332.

篇（4）

DOI：10.16640/ki.37-1222/t.2017.07.119

0 簡介

人工智能（（Artificial Intelligence）），它是一門新的技術(shù)科學(xué)，主要用于模擬、延伸以及擴(kuò)展人類的智能的方法、理論、技術(shù)以及應(yīng)用系統(tǒng)。人工智能主要就是對人類的思維、意識(shí)的信息過程的合理化的模擬。人工智能它并不是人的智能，但是，它卻能像人那樣的思考，而且也可能會(huì)超過人類的智能。總的說來，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些復(fù)雜工作。

1 人工智能的運(yùn)用現(xiàn)狀

目前，在很多方面人工智能有著運(yùn)用，其中一個(gè)主要表現(xiàn)就是全球人工智能公司數(shù)量在急劇的增加，專家系統(tǒng)在目前來看是在人工智能各領(lǐng)域中最為活躍，且最為有成效的一個(gè)領(lǐng)域。它是一類基于知識(shí)的系統(tǒng)，并可以解決那些一般僅有專家才能夠解決的復(fù)雜問題。我們這樣定義專家系統(tǒng)：專家系統(tǒng)是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它是基于程序系統(tǒng)依靠人工智能技術(shù)，來模擬人類專家求解復(fù)雜問題的過程，大多情況下，專家系統(tǒng)的水平甚至可以超過人類專家。專家系統(tǒng)的基本結(jié)構(gòu)圖如下圖所示：

2 人工智能的影響

人工智能對經(jīng)濟(jì)的影響：人工智能的的確確會(huì)影響到社會(huì)、生活、文化的方方面面，特別是對于實(shí)體經(jīng)濟(jì)將來會(huì)有巨大的影響。以后，每個(gè)行業(yè)幾乎都會(huì)產(chǎn)生顛覆性的變化。在人工智能的研究上，中國并不落后，將來的中國一定可以從中獲得非常大的收益。一成功的專家系統(tǒng)可以為它的用戶帶來很明顯的經(jīng)濟(jì)效益。用比較經(jīng)濟(jì)的辦法執(zhí)行任務(wù)而不需要具有經(jīng)驗(yàn)的專家，從而極大地減少開支。專家系統(tǒng)深入各行各業(yè)，帶來巨大的宏觀效益，促進(jìn)了IT網(wǎng)絡(luò)工業(yè)的發(fā)展。

人工智能對文化的影響：在人工智能原理的基礎(chǔ)上，人們通常情況下會(huì)應(yīng)用人工智能的概念來描述他們的日常狀態(tài)和求解問題的過程。人工智能可以擴(kuò)大人們知識(shí)交流的概念集合，描述我們所見所聞的方法以及描述我們信念的新方法；人工智能技術(shù)為人類的文化生活提供了巨大的便利。如圖像處理技術(shù)必將會(huì)對圖形藝術(shù)和社會(huì)教育部門等產(chǎn)生深遠(yuǎn)影響。比如現(xiàn)有的智力游戲機(jī)將會(huì)發(fā)展成具有更高智能的一種文化娛樂手段。隨著技術(shù)的進(jìn)步，這種影響會(huì)越來越明顯地表現(xiàn)出來。當(dāng)然，還有一些影響可能是我們目前難以預(yù)測的。但可以肯定，人工智能將對人類的物質(zhì)文明以及精神文明產(chǎn)生更大的影響。

人工智能對社會(huì)的的影響：一方面，AI為人類文化生活提供了一種新的模式。現(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開發(fā)中。另一方面，人工智能能夠代替人類進(jìn)行各種腦力勞動(dòng)，所以，從某種意義上來講，這將會(huì)使一部分人失去發(fā)展的機(jī)遇，甚至可能失業(yè)。由于人工智能在科技以及工程中的應(yīng)用，一部分人可能會(huì)失去介入信息處理活動(dòng)的機(jī)會(huì)，甚至不得已而改變自己的工作方式；人工智能還可能會(huì)威脅到人類的精神。一般人們覺得人類與機(jī)器的區(qū)別就是人類具有感知精神，但如果有一天，這些相信只有人才具有感知精神的人也開始相信機(jī)器能夠思維和創(chuàng)作，那他們就會(huì)感到失望，甚至于感到威脅。他們會(huì)擔(dān)心：有朝一日，智能機(jī)器的人工智能可能會(huì)超過人類的自然智能，從而使人類淪為智能機(jī)器的奴隸。

3 人工智能的發(fā)展趨勢

有機(jī)構(gòu)預(yù)測，2017年人工智能投資將同比增長300%以上，在技術(shù)上將會(huì)更迅猛發(fā)展，工控自動(dòng)化商城的智能語音、智能圖像、自然語言以及深度學(xué)習(xí)等技術(shù)越來越成熟，就像空氣和水一樣將會(huì)逐步地滲透到我們的日常生活。行業(yè)專家關(guān)于2017年人工智能的發(fā)展方向主要有以下幾點(diǎn)：（1）機(jī)器學(xué)習(xí)目前正在被應(yīng)用在更復(fù)雜的任務(wù)以及更多領(lǐng)域中，且被更多的人作為挖掘數(shù)據(jù)的方式。無監(jiān)督的學(xué)習(xí)會(huì)取得更多進(jìn)展，但也存在很大的挑戰(zhàn)，故在這一方面離人類的能力還是差得很遠(yuǎn)的。計(jì)算機(jī)在理解和生成自然語言方面，預(yù)計(jì)最先會(huì)在聊天機(jī)器人和其他對話系統(tǒng)上落地。 （2）深度學(xué)習(xí)、其他的機(jī)器學(xué)習(xí)、人工智能技術(shù)的混用，是成熟技術(shù)的典型標(biāo)志。將深度學(xué)習(xí)應(yīng)用到醫(yī)療領(lǐng)域中（醫(yī)療圖像、臨床數(shù)據(jù)、基因組數(shù)據(jù)等），各種類型數(shù)據(jù)上的研究以及成果將會(huì)大大的增加。 （3）聊天機(jī)器人和自動(dòng)駕駛汽車可能會(huì)取得較大的進(jìn)展，預(yù)計(jì)更多人類基準(zhǔn)將會(huì)被打破，特別是那些基于視覺以及適合卷積神經(jīng)網(wǎng)絡(luò)的挑戰(zhàn)。而非視覺特征創(chuàng)建和時(shí)間感知方法將會(huì)變得更加頻繁、更加富有成果。

4 結(jié)論

人工智能是人類長久以來的夢想，同時(shí)也是一門富有挑戰(zhàn)性的學(xué)科。盡管人工智能帶來很多問題，但當(dāng)人類堅(jiān)持把人工智能只用于造福人類，人工智能推動(dòng)人類社會(huì)文明進(jìn)步將毋庸置疑。就像所有的學(xué)科一樣，人工智能也會(huì)經(jīng)歷各種挫折，但只要我們有信心、 有毅力，人工智能終將成為現(xiàn)實(shí)，融入到我們生活的方方面面，為我們的生活帶來更大的改變。

參考文獻(xiàn)：

[1]朱祝武.人工智能發(fā)展綜述[J].中國西部科技，2011，10（17）：8-10.

篇（5）

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2017）01-00218-01

人工智能包含三個(gè)層次：計(jì)算智能、感知智能和認(rèn)知智能，訊飛超腦計(jì)劃是包含模擬人腦的知識(shí)表示與推理、類人學(xué)習(xí)機(jī)制與新知識(shí)的獲取、機(jī)器加載專業(yè)知識(shí)成為專門的教育領(lǐng)域。訊飛超腦計(jì)劃是基于全球關(guān)于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)研究，簡單來說就是希望未來訊飛超腦計(jì)劃能夠?qū)⑷斯ぶ悄軓闹皇呛唵蔚啬苈爼?huì)說到能夠深度思考相關(guān)問題的科技轉(zhuǎn)變。人工智能的不斷開拓創(chuàng)新是為了幫助人類能夠更好地生活，我們應(yīng)該注重人工智能的發(fā)展推進(jìn)，將其廣泛合理地應(yīng)用到生活的實(shí)際中去。

1 訊飛超腦計(jì)劃目前取得的階段學(xué)習(xí)研究成果

1.1 訊飛超腦計(jì)劃關(guān)于我國現(xiàn)階段關(guān)于高中生學(xué)習(xí)教育的人工智能成果

隨著近年來教育電子多媒體設(shè)備的投入普及使用，使目前的高中老師在課堂上更習(xí)慣用電子化的教學(xué)方式來替代傳統(tǒng)的板書課本單一枯燥的教學(xué)，與此同時(shí)，現(xiàn)階段高中生也同樣具備使用移動(dòng)互聯(lián)網(wǎng)的條件，這樣就使得科大訊飛超腦計(jì)劃的教育產(chǎn)品可以形成以下的模式如圖1所示。

采用此智能的學(xué)習(xí)模式可以使我國的高中生接受公平的最好的教育，這就需要借助人工智能的幫助來使老師提高自身的教育水平，使高中生豐富并開闊自身的視野。課堂教學(xué)包括了在線課堂、暢言交互式多媒體教學(xué)系統(tǒng)以及暢言智能語音等，這種新穎的課堂教學(xué)模式使原本單一的教學(xué)方式變成了思想上任意遨游的知識(shí)海洋；智能考試包含了標(biāo)準(zhǔn)考場、英語四六級(jí)網(wǎng)上閱卷、普通話與英語口語測試等方面，智能考試系統(tǒng)從字跡工整的程度、詞匯量的豐富度、語法的正確性與通順性等多個(gè)方面來評判考試試卷，加上多年來的不斷改進(jìn)，人工智能的評判方法跟相關(guān)專家的人工試卷評判的相似度相差無幾，很大程度地增加了試卷評判的效率性與公平性；學(xué)習(xí)產(chǎn)品與教育評價(jià)更是覆蓋到了從低到高的各個(gè)層面的產(chǎn)品組織結(jié)構(gòu)，更有利于高中生的學(xué)習(xí)與應(yīng)試教育的公平性。

1.2 訊飛超腦計(jì)劃對于提高人類生活水平的成果

隨著人工智能技術(shù)在經(jīng)濟(jì)、教育、文化、娛樂等領(lǐng)域的不斷應(yīng)用，使人們的生活質(zhì)量水平得到了很大程度的提高，人工智能帶來的方便快捷對于人類的發(fā)展進(jìn)化與物質(zhì)文化的進(jìn)步產(chǎn)生了不可忽視的作用。隨著訊飛超腦計(jì)劃的推出，一方面，可以把人類從繁重的勞動(dòng)中解放出來，很大程度地提高人類生產(chǎn)生活的效率與質(zhì)量；另一方面，人工智能的進(jìn)步會(huì)極大地革新人類的思維方式，使人們能夠多角度地認(rèn)知世界，加深對人類對自身所處的宇宙地位的思考，利于人不斷地探索奧秘，進(jìn)一步推進(jìn)人類社會(huì)的進(jìn)步。

2 訊飛超腦計(jì)劃下人工智能對于未來生活的影響及其發(fā)展趨勢

2.1 訊飛超腦計(jì)劃下人工智能對未來生活的影響

由于訊飛超腦計(jì)劃是感知智能結(jié)合認(rèn)知智能的再創(chuàng)新，使得未來機(jī)器將會(huì)實(shí)現(xiàn)高水平的感知智能，具有更多的包括語音識(shí)別、手寫識(shí)別以及圖像識(shí)別的更多智能感知能力與實(shí)現(xiàn)包括智能客服、人機(jī)交互等的取代人類腦力勞動(dòng)的認(rèn)知智能突破。所以說訊飛超腦計(jì)劃下的人工智能在未來的教育、經(jīng)濟(jì)、文化、社會(huì)結(jié)構(gòu)等未來生活的各個(gè)方面都會(huì)產(chǎn)生重大影響。在教育上，人工智能的應(yīng)用優(yōu)化了課堂結(jié)構(gòu)，使學(xué)生能夠?qū)崟r(shí)接受外界的新知識(shí)以及與時(shí)俱進(jìn)的教育模式改革；在經(jīng)濟(jì)上，人工智能的高效能與高效率會(huì)明顯提高經(jīng)濟(jì)效益，用人工智能來進(jìn)行財(cái)務(wù)管理有助于縮減不必要的人工勞務(wù)開支與相關(guān)的培訓(xùn)費(fèi)用，利于經(jīng)濟(jì)的變革與提高；在文化上，人工智能對于人類語言文化與圖像處理上的優(yōu)勢日益凸顯出來，可以確定的是人工智能的發(fā)展將會(huì)深入到人類生活的各個(gè)層面中去。

2.2 訊飛超腦計(jì)劃下人工智能的未來發(fā)展趨勢

隨著人工智能的不斷演進(jìn)，人工智能從最初能存會(huì)算的計(jì)算智能階段，到后來的能聽會(huì)說、能看會(huì)認(rèn)的感知智能階段，最后再到訊飛超腦計(jì)劃下提出的讓機(jī)器能理解、會(huì)思考的認(rèn)知智能階段，未來的人工智能在語言理解、知識(shí)表達(dá)、聯(lián)想推理以及自主學(xué)習(xí)等方面都將會(huì)取得很大的進(jìn)展。

3 結(jié)語

人工智能對于未來生活的影響是多方面的，在未來生活的各個(gè)方面都十分顯著。與此同時(shí)，訊飛超腦計(jì)劃下的人工智能不斷的改革創(chuàng)新與發(fā)展，也將更快地推動(dòng)人類的發(fā)展，人工智能與人類的生活是互相影響又相互制約的。人工智能的不斷發(fā)展給人類的未來生活帶來了很大程度的改變，人類在不斷開拓人工智能的領(lǐng)域時(shí)也應(yīng)不斷提高自身能力與素養(yǎng)，以適應(yīng)人工智能帶來的不斷創(chuàng)新和改變。

參考文獻(xiàn)：

篇（6）

中途分類號(hào)：TP39    文獻(xiàn)標(biāo)識(shí)碼：A     文章編號(hào)：

引言:

計(jì)算機(jī)學(xué)科的一個(gè)重要分支就是人工智能，它與基因工程、納米科學(xué)被列為二十一世紀(jì)三大尖端技術(shù)、同時(shí)人工智能是一門匯集了多種學(xué)科相互滲透發(fā)展起來的交叉學(xué)科。對于人工智能的定義，至今尚未統(tǒng)一，美國斯坦福大學(xué)人工智能研究中心尼爾遜教授認(rèn)為：人工智能是關(guān)于知識(shí)的學(xué)科——怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)；麻省理工學(xué)院的溫斯頓教授認(rèn)為：人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作。除此之外，還有很多種不同的觀點(diǎn)，但這些說法都形象地反映了人工智能學(xué)科的基本內(nèi)容和核心思想，那就是：人工智能是研究如何用人工的方法在計(jì)算機(jī)上模擬、實(shí)現(xiàn)和擴(kuò)展人類智能的一門科學(xué)與技術(shù)。

1. 人工智能技術(shù)的發(fā)展

人工智能（(Artificial Intelligence)從上世紀(jì)50年展到現(xiàn)在，有也有低迷的時(shí)期。研究的方法和研究的態(tài)度也有多種，不管是何觀點(diǎn),它們都推動(dòng)著人工智能技術(shù)的發(fā)展。今天人工智能技術(shù)已滲透到人類生活的方方面面，實(shí)實(shí)在在的影響著科學(xué)技術(shù)的發(fā)展。

2. 人工智能技術(shù)的應(yīng)用

我們可以看到，當(dāng)今社會(huì)很多領(lǐng)域的各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)。下面就人工智能的幾種典型應(yīng)用做如下探討：

2.1人工智能應(yīng)用之問題的求解

人工智能中的問題解求，就是如何讓機(jī)器去解決人類會(huì)遇到的問題，如何根據(jù)某一具體問題找到思考問題并解決這個(gè)問題的方法。目前，人工智能技術(shù)已經(jīng)可以通過計(jì)算機(jī)程序解決了如何考慮要解決的問題，并能尋求較為準(zhǔn)確的解決方案。

2.2人工智能應(yīng)用之邏輯的推理與定理的證明

人工智能研究中最持久的探究領(lǐng)域之一就是邏輯推理。有關(guān)定理的證明就是讓機(jī)器證明非數(shù)值性的真假。其中比較重要的是，通過找到合理、準(zhǔn)確的方法，集中注意力在大型數(shù)據(jù)庫中的有效事實(shí)，關(guān)注可信度證明，并在出現(xiàn)新信息時(shí)適時(shí)修改這些證明。

2.3人工智能應(yīng)用之自然語言的處理

智能的另一表現(xiàn)就是進(jìn)行自然語言的交流，自然語言處理就是讓機(jī)器與人類進(jìn)行無阻礙的溝通，這正是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例。目前此領(lǐng)域的主要研究內(nèi)容是：如何利用計(jì)算機(jī)系統(tǒng)以主題和對話情境為基礎(chǔ)，生成和理解自然語言。

2.4人工智能應(yīng)用之模式的識(shí)別

如何使機(jī)器具有感知能力也是智能的表現(xiàn)。模式的識(shí)別是利用人工智能技術(shù)開發(fā)智能機(jī)器的關(guān)鍵，主要是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀，讓計(jì)算機(jī)實(shí)現(xiàn)“看見”，“聽見”等功能。計(jì)算機(jī)模式識(shí)別的主要特點(diǎn)是速度快，準(zhǔn)確率高，效率高，計(jì)算機(jī)模式識(shí)別也為人類認(rèn)識(shí)自身智能提供了有利幫助。

2.5人工智能應(yīng)用之智能信息的檢索技術(shù)

在科學(xué)技術(shù)飛速發(fā)展的今天，人類已進(jìn)入了“知識(shí)爆炸”的時(shí)代。傳統(tǒng)檢索系統(tǒng)已經(jīng)滿不足了對如今如此數(shù)量巨大以及種類繁多的文獻(xiàn)檢索要求。人工智能科技持續(xù)穩(wěn)定發(fā)展的重要前提就是智能檢索模塊，可以說，智能信息的檢索技術(shù)的運(yùn)用勢在必行。

2.6人工智能應(yīng)用之專家系統(tǒng)

我們常說的專家系統(tǒng)就是指從人類專家那里獲取的知識(shí)，并用來解決只有專家才能解決的疑難問題。這是一種基于知識(shí)的系統(tǒng)，從而也被稱為知識(shí)基系統(tǒng)。專家系統(tǒng)是人工智能技術(shù)中研究最活躍，最有成效的一個(gè)領(lǐng)域。現(xiàn)在的專家系統(tǒng)尤其特殊的模仿了專家在處理故障時(shí)的思維方式，其水平有時(shí)甚至可以超過人類專家的水平。

2.7人工智能應(yīng)用之機(jī)器人學(xué)

機(jī)器人對我們并不陌生，已在多個(gè)領(lǐng)域獲得了越來越普遍的應(yīng)用，諸如農(nóng)業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。那么，機(jī)器人學(xué)所研究的問題主要包括從機(jī)器人手臂的最佳移動(dòng)到實(shí)現(xiàn)機(jī)器人目標(biāo)的動(dòng)作序列的規(guī)劃方法。機(jī)器人和機(jī)器人學(xué)的研究對人工智能思想的發(fā)展都起到了促進(jìn)作用。

3. 人工智能技術(shù)發(fā)展趨勢

科學(xué)技術(shù)是第一生產(chǎn)力，但技術(shù)的發(fā)展往往是遠(yuǎn)遠(yuǎn)超越我們的想象。就目前的一些前瞻性研究可以看出，未來人工智能技術(shù)的發(fā)展有如下幾大趨勢：

3.1問題求解

問題求解一般包括兩種，一種是指解決管理活動(dòng)中由于意外引起的非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間的偏差。正在逐漸發(fā)展成為搜索和問題歸約這類人工智能的基本技術(shù)；另一種問題的求解程序，是把各種數(shù)學(xué)公式符號(hào)匯編在一起。其性能已達(dá)到非常高的水平，并正在被許多工程師和科學(xué)家應(yīng)用，甚至還有些程序能夠用經(jīng)驗(yàn)來改善其性能。

3.2機(jī)器學(xué)習(xí)

人工智能研究的核心課題之一就是機(jī)器學(xué)習(xí)。我們知道學(xué)習(xí)是人類智能的重要特征，那么機(jī)器學(xué)習(xí)就是指機(jī)器自動(dòng)獲取知識(shí)的過程。機(jī)器學(xué)習(xí)是機(jī)器獲取知識(shí)的根本途徑，也是機(jī)器智能的重要標(biāo)志。計(jì)算機(jī)的機(jī)器學(xué)習(xí)主要研究內(nèi)容為如何讓計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)能力。今后機(jī)器學(xué)習(xí)的研究主要是研究人腦思維的過程、人類學(xué)習(xí)的機(jī)理等。

3.3模式識(shí)別

用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動(dòng)識(shí)別，彌補(bǔ)計(jì)算機(jī)對外部世界感知能力低下的缺陷，使計(jì)算機(jī)能夠通過感官接受外界信息，識(shí)別和理解周圍環(huán)境。依然是人工智能技術(shù)今后研究的重要方向。因?yàn)槟Ｊ阶R(shí)別能為人類認(rèn)識(shí)自身智能提供線索，也是開發(fā)智能機(jī)器的一個(gè)最關(guān)鍵的突破口。目前計(jì)算機(jī)模式識(shí)別系統(tǒng)的研究熱點(diǎn)主要為三維景物、活動(dòng)目標(biāo)的識(shí)別和分析方面。傳統(tǒng)的用統(tǒng)計(jì)模式和結(jié)構(gòu)模式的識(shí)別方法將會(huì)被近年來迅速發(fā)展起來的模糊數(shù)學(xué)模式、人工神經(jīng)網(wǎng)絡(luò)模式的方法逐漸取代，特別是神經(jīng)網(wǎng)絡(luò)方法在模式識(shí)別中取得較大進(jìn)展。

3.4專家系統(tǒng)

專家系統(tǒng)是根據(jù)某領(lǐng)域中一個(gè)或多個(gè)專家提供的知識(shí)或經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題的智能軟件，它是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。目前各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域，因此專家系統(tǒng)還將是人工智能應(yīng)用研究最廣泛和最活躍的應(yīng)用領(lǐng)域之一。

3.5人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)，常被簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。是未來人工智能應(yīng)用的新領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)是指由大量處理單元（神經(jīng)元）互連而成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，主要擅長處理復(fù)雜的多維的非線 性問題，不但可以解決定量的問題，還可以解決定性的問題，同時(shí)人工神經(jīng)網(wǎng)絡(luò)還具有大規(guī)模并行處理和分布的信息存儲(chǔ)能力。或許未來智能計(jì)算機(jī)的構(gòu)成可能就是作為主機(jī)的馮•諾依曼型機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。

4. 結(jié)論語

人工智能的基本思想已經(jīng)在許多領(lǐng)域中得到應(yīng)用，對于人工智能技術(shù)未來的發(fā)展還有很多未知的可能，但無論如何發(fā)展都將推動(dòng)人類在科學(xué)與生活領(lǐng)域的發(fā)展。

參考文獻(xiàn)：

[1]胡勤.人工智能概述[J].電腦知識(shí)與技術(shù)，2010，（13）：3507-3509.

[2]朱福喜，湯怡群等.人工智能原理[M].武昌：武漢大學(xué)出版社，2002.87-91.

[3]張妮等.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].煤礦機(jī)械，2009，（02）：4-7.

[4]亓慧.議當(dāng)代人工智能的應(yīng)用領(lǐng)域和發(fā)展?fàn)顩r[J].福建電腦，2008，（05）：33.

[5]蔡自興，徐光.人工智能及其應(yīng)用[M].北京：清華大學(xué)出版社，2003.51-93.

篇（7）

引言

足球機(jī)器人系統(tǒng)是一個(gè)典型的多智能體系統(tǒng)和分布式人工智能系統(tǒng)，涉及機(jī)器人學(xué)、計(jì)算機(jī)視覺[1]、模式識(shí)別、多智能體系統(tǒng)[2]、人工神經(jīng)網(wǎng)絡(luò)[3]等領(lǐng)域，而且它為人工智能理論研究及多種技術(shù)的集成應(yīng)用提供了良好的實(shí)驗(yàn)平臺(tái)。機(jī)器人球隊(duì)與人類足球一樣，它的勝負(fù)不但取決于機(jī)器人本身的性能，而且取決于比賽策略，只有將可靠的硬件與先進(jìn)的策略結(jié)合才能取勝。人工智能技術(shù)在足球機(jī)器人的平臺(tái)上有著重要的作用。從機(jī)器人的外觀到機(jī)器人最重要的核心部分——控制、決策，都無不起著重要的作用。專家系統(tǒng)[4]、人工神經(jīng)網(wǎng)絡(luò)在機(jī)器人的路徑規(guī)劃[5]上得到充分的應(yīng)用。

1.人工智能研究現(xiàn)狀

人工智能[6-8]是一門研究人類智能機(jī)理，以及如何用計(jì)算機(jī)模擬人類智能活動(dòng)的學(xué)科，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別[9]、圖像識(shí)別、自然語言處理和專家系統(tǒng)等，涉及數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示[10][11]、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。

幾乎所有的編程語言均可用于解決人工智能算法，但從編程的便捷性和運(yùn)行效率考慮，最好選用“人工智能語言”[12]。常用的人工智能語言有傳統(tǒng)的函數(shù)型語言Lisp、邏輯型語言Prolog及面向?qū)ο笳Z言Smalltalk、VC++及VB等，Math-Works公司推出的高性能數(shù)值計(jì)算可視化軟件Matlab中包含神經(jīng)網(wǎng)絡(luò)工具箱，提供了許多Matlab函數(shù)。另外，還有多種系統(tǒng)工具用于開發(fā)特定領(lǐng)域的專家系統(tǒng)，如INSIGHT、GURU、CLIPS、ART等。這些實(shí)用工具為開發(fā)人工智能應(yīng)用程序提供了便利條件，使人工智能越來越方便地運(yùn)用于各種領(lǐng)域。

智能機(jī)器人是信息技術(shù)和人工智能等學(xué)科的綜合試驗(yàn)場，可以全面檢驗(yàn)信息技術(shù)和人工智能等各領(lǐng)域的成果，以及它們之間的相互關(guān)系。人工智能技術(shù)中的視覺、傳感融合、行為決策、知識(shí)處理等技術(shù)，需要使無線通訊、智能控制、機(jī)電儀一體化、計(jì)算機(jī)仿真等許多關(guān)鍵技術(shù)有機(jī)、高效地集成統(tǒng)一。人們在很多領(lǐng)域都成功地實(shí)現(xiàn)了人工智能：自主規(guī)劃和調(diào)度、博弈、自主控制、診斷、后勤規(guī)劃、機(jī)器人技術(shù)、語言理解和問題求解等。

2.人工智能主要研究領(lǐng)域

人工智能的研究領(lǐng)域非常廣泛，而且涉及的學(xué)科非常多。目前，人工智能的主要研究領(lǐng)域包括：專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識(shí)別、自然語言理解、自動(dòng)定理證明、自動(dòng)程序設(shè)計(jì)、機(jī)器人學(xué)、智能決策支持系統(tǒng)及人工神經(jīng)網(wǎng)絡(luò)等。下面主要介紹在足球機(jī)器人設(shè)計(jì)、制造、控制等過程中常用的人工智能技術(shù)[13]。

2.1專家系統(tǒng)

專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。專家系統(tǒng)一般具有如下基本特征：具有專家水平的專門知識(shí)；能進(jìn)行有效的推理；具有獲取知識(shí)的能力；具有靈活性；具有透明性；具有交互性；具有實(shí)用性；具有一定的復(fù)雜性及難度。

2.2人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)，采用了與傳統(tǒng)人工智能和信息處理技術(shù)完全不同的機(jī)理，克服了傳統(tǒng)的基于邏輯符號(hào)的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域已得到了很好的應(yīng)用，但其需要研究的方面還很多。其中，具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織和非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合，以及由此而來的混合方法和混合系統(tǒng)，已經(jīng)成為一大研究熱點(diǎn)。由于其他方法也有優(yōu)點(diǎn)，因此將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合，取長補(bǔ)短，可以達(dá)到更好的應(yīng)用效果。目前這方面工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。

2.3圖像處理

圖像處理是用計(jì)算機(jī)對圖像進(jìn)行分析，達(dá)到所需結(jié)果，又稱影像處理。圖像處理技術(shù)主要包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識(shí)別三個(gè)部分。常見的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、圖像復(fù)原、圖像分割和圖像分析等。數(shù)字圖像處理中的模式識(shí)別技術(shù)，可以對人眼無法識(shí)別的圖像進(jìn)行分類處理，可以快速準(zhǔn)確地檢索、匹配和識(shí)別出各種東西，在日常生活各方面和軍事上用途較大。

3.人工智能在足球機(jī)器人中的應(yīng)用

3.1基于專家系統(tǒng)的足球機(jī)器人規(guī)劃

路徑規(guī)劃或避碰問題是足球機(jī)器人比賽中的一個(gè)重要環(huán)節(jié)。根據(jù)工作環(huán)境，路徑規(guī)劃模型可分為基于模型的全局路徑規(guī)劃和基于傳感器的局部路徑規(guī)劃。全局路徑規(guī)劃的主要方法有：可視圖法、自由空間法、最優(yōu)控制法、柵格法、拓?fù)浞ā⑶芯€圖法、神經(jīng)網(wǎng)絡(luò)法等。局部路徑規(guī)劃的主要方法有：人工勢場法、模糊邏輯算法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法[14]等。機(jī)器人規(guī)劃專家系統(tǒng)是用專家系統(tǒng)的結(jié)構(gòu)和技術(shù)建立起來的機(jī)器人規(guī)劃系統(tǒng)。大多數(shù)成功的專家系統(tǒng)都是以基于規(guī)則系統(tǒng)的結(jié)構(gòu)來模仿人類的綜合機(jī)理的。它由五部分組成：知識(shí)庫、控制策略、推理機(jī)、知識(shí)獲取、解釋與說明。隨著人工智能計(jì)算智能與進(jìn)化算法研究的逐步發(fā)展，遺傳算法、蟻群算法等的提出，機(jī)器人路徑規(guī)劃問題得到了相應(yīng)發(fā)展。尤其是通過遺傳算法在路徑規(guī)劃中的應(yīng)用，機(jī)器人更加智能化，其運(yùn)行路徑更加逼近理想的優(yōu)化要求。以動(dòng)態(tài)、未知環(huán)境下的機(jī)器人路徑規(guī)劃為研究背景，利用遺傳算法采用了基于路點(diǎn)坐標(biāo)值的可變長染色體編碼方式，構(gòu)造了包含障礙物排斥子函數(shù)項(xiàng)的代價(jià)函數(shù)，使得路徑規(guī)劃中的地圖信息被成功引入到了遺傳操作的實(shí)現(xiàn)過程中。同時(shí)針對路徑規(guī)劃問題的具體應(yīng)用，改進(jìn)了交叉和變異兩種遺傳算子，獲得了較為理想的路徑搜索效率，達(dá)到了較好的移動(dòng)機(jī)器人路徑規(guī)劃效果。

3.2人工神經(jīng)網(wǎng)絡(luò)在機(jī)器人定導(dǎo)航中的應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)是一種仿效生物神經(jīng)系統(tǒng)的信息處理方法，其優(yōu)點(diǎn)主要體現(xiàn)在它可以處理難以用模型或規(guī)則描述的過程和系統(tǒng)；對非線性系統(tǒng)具有統(tǒng)一的描述；有較強(qiáng)的信息融合能力。因此在移動(dòng)機(jī)器人定位與導(dǎo)航方面，基于神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合正是利用了神經(jīng)網(wǎng)絡(luò)的這些特性，將機(jī)器人外部傳感器的傳感數(shù)據(jù)信息作為神經(jīng)網(wǎng)絡(luò)的輸入處理對象，從而獲得移動(dòng)機(jī)器人自身位置與對障礙物比較精確的估計(jì)，實(shí)現(xiàn)移動(dòng)機(jī)器人的避障與自定位。

結(jié)語

隨著人工智能技術(shù)的進(jìn)一步研究，足球機(jī)器人競賽水平將不斷提高。但就目前情況來看，在現(xiàn)有的基礎(chǔ)上擴(kuò)大應(yīng)用的范圍，增強(qiáng)應(yīng)用的效果，還應(yīng)主要在人工智能技術(shù)上做進(jìn)一步的研究。專家系統(tǒng)在專家知識(shí)的總結(jié)、表述及不確定的情況下推理是目前專家系統(tǒng)的瓶頸所在。制造生產(chǎn)的多變復(fù)雜性及操作的人工經(jīng)驗(yàn)性，使人工智能的應(yīng)用受到限制。此外，一些工藝參數(shù)的定量化實(shí)現(xiàn)也不易。隨著技術(shù)的飛速發(fā)展，人工智能技術(shù)也在進(jìn)一步完善，如多種方法混合技術(shù)、多專家系統(tǒng)技術(shù)、機(jī)器學(xué)習(xí)方法、并行分布處理技術(shù)等。隨著新型人工智能技術(shù)的出現(xiàn)，制造業(yè)將會(huì)更加光明，性能更加優(yōu)越的足球機(jī)器人也不再遙遠(yuǎn)。

參考文獻(xiàn)：

[1]鄭南寧.計(jì)算機(jī)視覺與模式識(shí)別[M].北京-國防工業(yè)出版社，1998.3.

[2]Wang Hongbing Fan Zhihua She Chundong Formal Specification of Role Assignment for Open Multi Agent System Chinese of Journal Electronics[J].2007，16（2）：212-216.

[3]LIMING ZHANG AND FANJI GU NEURAL INFORMATION PROCESSING VOLUME 1[M]Fudan University Press， 2001.

[4]Cai Zixing，King-Sun Fu. Expert-System-Based Robot Planning ？Control Theory & Applications[J] .1988（2）： 35-42.

[5]張銳，吳成東.機(jī)器人智能控制研究進(jìn)展[J].沈陽建筑工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2003，19（1）：61-64.

[6]蔡自興，徐光祐.人工智能機(jī)器應(yīng)用（第三版）清華大學(xué)出版社，2004.

[7]艾輝.謝康寧，謝百治.談人工智能技術(shù)[J]中國醫(yī)學(xué)教育技術(shù)，2004，18（2）：78-80.

[8]Nilsson NJ.Artificial Intelligence：A New Synthesis[M].Beijing：China Machine Press，2006：72-95.

[9]Han Jiqing Gao Wen Robust Speech Recognition Method Based on Discriminative Environment Feature Extraction Journal of Computer Science and Technology[J]. 2001；16（5）：458-464.

[10]Tang Zhijie Yang Baoan Zhang Kejing Design of Multi-attribute Knowledge Base Based on Hybrid Knowledge Representation Journal of Donghua University 2006，23（6）：62-66.

[11]Hu Xiangpei Wang Xuyin Knowledge representation and rule——based solution system for dynamic programming model Journal of Harbin Institute of Technology 2003，10（2）：190-194.

篇（8）

1 人工智能簡介

人工智能（Aritificial Intelligence，AI）是一門綜合了計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)、哲學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門交叉學(xué)科[1]，從誕生至今已有近60年的歷史。人工智能是研究如何制造智能機(jī)器或智能系統(tǒng)，來模擬人類智能活動(dòng)的能力，以延伸人們智能的科學(xué)[2]。人工智能不在乎計(jì)算機(jī)是依靠某種算法還是真正理解人類行為，只需要其能表現(xiàn)出與人相似的行為，它是計(jì)算機(jī)科學(xué)中的―個(gè)分支，涉及智能機(jī)器的研究、設(shè)計(jì)和應(yīng)用。人工智能的研究目標(biāo)在于怎樣用計(jì)算機(jī)來模仿和執(zhí)行人腦的某些功能，并開發(fā)相關(guān)的技術(shù)以及產(chǎn)品，建立有關(guān)的理論。人工智能可分為：基本人工智能，包括知識(shí)表示、推理；高級(jí)人工智能，如模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家控制；計(jì)算智能，如遺傳算法、群集智能。人工智能研究領(lǐng)域的三種主要觀點(diǎn)[3]：符號(hào)主義又稱為邏輯主義或計(jì)算機(jī)學(xué)派，其認(rèn)為符號(hào)是人類的認(rèn)識(shí)基元，同時(shí)人認(rèn)識(shí)的過程即是對符號(hào)的計(jì)算與推理的過程；聯(lián)結(jié)主義又被叫做仿生學(xué)派，其主要原理是人類的智能是由人腦的生理結(jié)構(gòu)和工作模式所決定；行為主義又被稱作進(jìn)化主義、控制論學(xué)派，其主要原理是智能取決于感知和行動(dòng)，它不需要知識(shí)、也不需要知識(shí)的表示與推理[4]。

2 人臉識(shí)別

人臉識(shí)別是指對輸入的人臉圖像或者視頻，判斷其中是否存在人臉，如果存在人臉，則進(jìn)一步給出每張人臉的位置、大小和各個(gè)主要面部器官的位置信息，并且依據(jù)這些信息，進(jìn)一步提取每張人臉蘊(yùn)含的身份特征，并將其與已知人臉庫中的人臉進(jìn)行對比，從而識(shí)別每張人臉的身份。人臉識(shí)別的研究起源于19世紀(jì)末，其發(fā)展大致分成三個(gè)階段[5]：第一階段以面部特征為主要研究對象；第二階段稱為人機(jī)交互式識(shí)別階段，分為采用幾何特征參數(shù)來表示人臉正面圖像和統(tǒng)計(jì)識(shí)別為基礎(chǔ)的方法；第三階段才被稱為真正的自動(dòng)識(shí)別階段，人臉識(shí)別技術(shù)進(jìn)入實(shí)用階段。

3 常用的人臉識(shí)別方法

人臉識(shí)別的技術(shù)與方法一般分為：基于幾何特征的方法和基于模板匹配的方法。對于基于幾何特征方法而言，首先檢測出眼耳口鼻等臉部主要部件的位置和大小，然后分析這些部件的總體幾何分布關(guān)系以及相互之間的參數(shù)比例來識(shí)別人臉。基于模板的方法也叫做基于表象的方法，利用模板與整個(gè)人臉圖像的像素值之間的自相關(guān)性進(jìn)行人臉的識(shí)別[6]。通過分析常用的人臉識(shí)別方法，本文將人臉識(shí)別的方法分為基于幾何特征的方法、基于模型的方法、基于統(tǒng)計(jì)的方法、基于神經(jīng)網(wǎng)絡(luò)的方法。

3.1 基于幾何特征的方法

最早的基于幾何特征的方法由Bleclsoe提出，該方法將幾何特征定義為面部特征點(diǎn)之間的距離和比率，通過最近鄰方法來識(shí)別人臉，但必須手動(dòng)定位面部特征點(diǎn)，因此屬于半自動(dòng)系統(tǒng)。側(cè)影識(shí)別是另一個(gè)基于幾何特征的人臉識(shí)別方法，其原理是通過提取人臉的側(cè)影輪廓線上特征點(diǎn)，將側(cè)影轉(zhuǎn)化為輪廓曲線，提取其中的基準(zhǔn)點(diǎn)，然后識(shí)別這些點(diǎn)之間的幾何特征。

基于幾何特征的方法非常直觀，能快速識(shí)別人臉，只需要較少內(nèi)存，光照對特征的提取影響不大，缺點(diǎn)是當(dāng)人臉變化時(shí)，特征的提取不精確，并且由于對圖像細(xì)節(jié)信息的忽略，導(dǎo)致識(shí)別率較低，因此近年來少有發(fā)展。

3.2 基于模型的方法

隱馬爾可夫模型（Hidden Markov Model，HMM）是一種常用的模型，基于HMM的方法被Nefian和Hayes引入到人臉識(shí)別領(lǐng)域，它是一組統(tǒng)計(jì)模型，用于描述信號(hào)統(tǒng)計(jì)特性。Cootes等人提出主動(dòng)形狀模型（Active Shape Model，ASM），對形狀和局部灰度表象建模，定位新圖像中易變的物體[5]。Lanitis等用該方法解釋人臉圖像，其原理是使用ASM找出人臉的形狀，然后對人臉進(jìn)行切割并歸一到統(tǒng)一的框架，通過亮度模型解釋和識(shí)別與形狀無關(guān)的人臉。

主動(dòng)表象模型（Active Appearance Model，AAM）通常被看作是ASM的一種擴(kuò)展，一般作為通用的非線性圖像編碼模式，通用的人臉模型經(jīng)變形處理后與輸入圖像進(jìn)行匹配，并將控制參數(shù)作為分類的特征向量。

3.3 基于統(tǒng)計(jì)的方法

基于統(tǒng)計(jì)的方法將人臉圖像視為隨機(jī)向量，采用一些統(tǒng)計(jì)方法對人臉進(jìn)行特征分析，這類方法有較為完善的統(tǒng)計(jì)學(xué)理論的支持，因此發(fā)展較好，研究人員也提出了一些比較成功的統(tǒng)計(jì)算法。

特征臉方法由Turk和Pentland提出，該方法中人臉由各個(gè)特征臉擴(kuò)展的空間表示，雖然人臉信息可以有效地表示，但不能對其進(jìn)行有效鑒別和區(qū)分。為取得更好的人臉識(shí)別效果，研究者又提出使用其他的線性空間來代替特征臉空間[6]。Moghaddam等人提出了貝葉斯人臉識(shí)別方法，用基于概率的方法來度量圖像相似度，將人臉圖像之間的差異分為類間差異和類內(nèi)差異，其中類間差異表示不同對象之間的本質(zhì)差異，類內(nèi)差異為同一對象的不同圖像之間的差異，而實(shí)際人臉圖像之間的差異為兩者之和。如果類內(nèi)差異大于類間差異，則認(rèn)為兩人臉圖像屬于同一對象的可能性大。

奇異值分解（Singular Value Decomposition，SVD）作為一種有效的代數(shù)特征提取方法，奇異值特征具有多種重要性質(zhì)，如鏡像變換不變性、位移不變性、旋轉(zhuǎn)不變性以及良好的穩(wěn)定性等，因此人臉識(shí)別領(lǐng)域也引入了奇異值分解技術(shù)。

3.4 基于神經(jīng)網(wǎng)絡(luò)的方法

神經(jīng)網(wǎng)絡(luò)用于人臉識(shí)別領(lǐng)域也有較長的歷史，Kohoncn最早將自組織映射（Self-Organizing Map，SOM）神經(jīng)網(wǎng)絡(luò)應(yīng)用于人臉識(shí)別，即使當(dāng)輸入人臉圖像有部分丟失或者具有較大噪音干擾時(shí)，也能完整的恢復(fù)出人臉。人臉識(shí)別中最具影響的神經(jīng)網(wǎng)絡(luò)方法是動(dòng)態(tài)鏈接結(jié)構(gòu)（Dynamic Link Architecture，DLA），對網(wǎng)絡(luò)中語法關(guān)系的表達(dá)是該方法最突出的特點(diǎn)。

用于人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)還有：時(shí)滯神經(jīng)網(wǎng)絡(luò)（Time Delay Neural Net-works，TDNN），是MLP的一種變形，徑向基函數(shù)網(wǎng)絡(luò)（Radial Basis Function Network，RBFN）以及能有效地實(shí)現(xiàn)低分辨率人臉的聯(lián)想與識(shí)別的Hopfield網(wǎng)絡(luò)等[6]。

與其他人臉識(shí)別方法相比，神經(jīng)網(wǎng)絡(luò)方法具有特有的優(yōu)勢，人臉圖像的規(guī)則和特征的隱性表示可通過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練獲得，避免了特征抽取的復(fù)雜性，有利于硬件的實(shí)現(xiàn)，缺點(diǎn)是可解釋性較弱，要求訓(xùn)練集中有多張人臉圖像，因此只適合于小型人臉庫。人工智能應(yīng)用在人臉識(shí)別、模式識(shí)別方面能夠提高運(yùn)行效率、減小計(jì)算量小、程序的代碼編寫更為簡潔。

【參考文獻(xiàn)】

[1]武海麗.初識(shí)人工智能[J].科技創(chuàng)新導(dǎo)報(bào)，2009，02：196.

[2]王甲海.創(chuàng)新型人工智能教育改革與實(shí)踐[J].計(jì)算機(jī)教育，2010（08）：136.

[3]肖斌，薛麗敏，李照順.對人工智能發(fā)展新方向的思考[J].信息技術(shù)，2009，12：166-168.

篇（9）

關(guān)鍵詞： 人工智能；研究現(xiàn)狀；發(fā)展趨勢；社會(huì)力量

Key words： Artificial Intelligence；research status；development tendency；social force

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth學(xué)會(huì)后發(fā)展起來的新型學(xué)科，其有著涉及學(xué)科廣、需要技術(shù)高端、使用范圍廣等特點(diǎn)。在過去的50多年時(shí)間中人工智能經(jīng)歷了學(xué)科發(fā)展中都會(huì)遇到的發(fā)展——否定——否定的否定階段，現(xiàn)在人工智能大致分成了符號(hào)主義學(xué)派、行為主義學(xué)派、聯(lián)結(jié)主義學(xué)派三大學(xué)派。其各有優(yōu)勢，獨(dú)樹一幟。一直以來重大前沿科學(xué)研究都是以國家牽頭，等到時(shí)機(jī)成熟了再轉(zhuǎn)為民用。這樣無形中浪費(fèi)了很多社會(huì)中的人才，比如android智能機(jī)的問世，當(dāng)開發(fā)商源代碼公布后android智能機(jī)獲得了飛速的發(fā)展。這是社會(huì)資源集體作用的結(jié)果，人工智能能否通過這種方式獲得飛速的發(fā)展呢，文中給出了問題的答案。

1 人工智能的現(xiàn)狀

1.1 人工智能的發(fā)展過程 人工智能是由“人工”與“智能”組成。“人工”十分容易理解，也就是我們常說的人類開發(fā)研究出來的事物。“智能”則是十分復(fù)雜的一個(gè)詞匯，是指如由意識(shí)（Consciousness）、自我（Self）、思維（Mind）（包括無意識(shí)的思維（Unconscious_mind））等等組成的有機(jī)集合。通常我們所說的人工智能是指人本身的智能。總體來說人工智能（Artificial Intelligence，AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。關(guān)于人工智能的傳說一直可以追述到埃及，直到電子計(jì)算機(jī)的問世才使人們真正具備了發(fā)展人工智能的基本技術(shù)，而直到1956年的Dartmouth學(xué)會(huì)之后“人工智能”才逐漸地被大家所熟知接受。人工智能作為一門自然科學(xué)、社會(huì)科學(xué)、技術(shù)科學(xué)交叉的邊沿學(xué)科，涉及哲學(xué)和數(shù)學(xué)，認(rèn)知科學(xué)，心理學(xué)，神經(jīng)生理學(xué)，計(jì)算機(jī)科學(xué)，控制論，不定性論，信息論，社會(huì)結(jié)構(gòu)學(xué)，仿生學(xué)與科學(xué)發(fā)展觀等眾多前沿學(xué)科。二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能），也被認(rèn)為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一[1]。

人工智能在其過去的50多年時(shí)間里，有了長足的發(fā)展，但并不是十分順利。目前人們大致將人工智能的發(fā)展劃分成了五個(gè)階段：

第一階段：萌芽期（1956年之前）

自古以來，人類一直在尋找能夠提高工作效率、減輕工作強(qiáng)度的工具。只是受限于當(dāng)時(shí)的科學(xué)技術(shù)水平，人們只能制作一些簡單的物品來滿足自身的需求。而人類的歷史上卻因此留下了很多膾炙人口的傳說。傳說可以追溯到古埃及時(shí)期，人們制造出了可以自己轉(zhuǎn)動(dòng)的大門，自動(dòng)涌出的圣泉。我國最早的記載是在公元前900多年，出現(xiàn)了能歌能舞的機(jī)器人。這一時(shí)期出現(xiàn)了各種大家：法國十七世紀(jì)的物理學(xué)家、數(shù)學(xué)家B.Pascal、德國十八世紀(jì)數(shù)學(xué)家、哲學(xué)家Leibnitz以及二十世紀(jì)的圖靈、馮·諾伊曼等。他們?yōu)槿斯ぶ悄艿陌l(fā)展做出了十分重要的貢獻(xiàn)。

第二階段：第一次期（1956年-1966年）

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見卓識(shí)的年輕科學(xué)家在Dartmouth學(xué)會(huì)上引發(fā)一場歷史性事件——人工智能學(xué)科的誕生。Dartmouth會(huì)議結(jié)束后，人工智能進(jìn)入了一個(gè)全新的時(shí)代。會(huì)議上誕生了幾個(gè)著名的項(xiàng)目組：Carnegie-RAND協(xié)作組、IBM公司工程課題研究組和MIT研究組。在眾多科學(xué)家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理證明工作中首先取得突破，開啟了以計(jì)算機(jī)程序來模擬人類思維的道路；1960年，McCarthy建立了人工智能程序設(shè)計(jì)語言LISP。此時(shí)出現(xiàn)的大量專家系統(tǒng)直到現(xiàn)在仍然被人使用，人工智能學(xué)科在這樣的氛圍下正在茁壯的成長。

第三階段：低谷發(fā)展期（1967年-八十年代初期）

1967年之后，人工智能在進(jìn)行進(jìn)一步的研究發(fā)展的時(shí)候遇到了很大的阻礙。這一時(shí)期沒有比上一時(shí)期更重要的理論誕生，人們被之前取得的成果沖昏了頭腦，低估了人工智能學(xué)科的發(fā)展難度。一時(shí)之間人工智能受到了各種責(zé)難，人工智能的發(fā)展進(jìn)入到了瓶頸期。盡管如此，眾多的人工智能科學(xué)家并沒有灰心，在為下一個(gè)時(shí)期的到來積極的準(zhǔn)備著。

第四階段：第二次期（八十年代中期-九十年代初期）

隨著其他學(xué)科的發(fā)展，第五代計(jì)算機(jī)的研制成功，人工智能獲得了進(jìn)一步的發(fā)展。人工智能開始進(jìn)入市場，人工智能在市場中的優(yōu)秀表現(xiàn)使得人們意識(shí)到了人工智能的廣闊前景。由此人工智能進(jìn)入到了第二次期，并且進(jìn)入發(fā)展的黃金期。

第五階段：平穩(wěn)發(fā)展期（九十年代之后）

國際互聯(lián)網(wǎng)的迅速發(fā)展使得人工智能的開發(fā)研究由之前的個(gè)體人工智能轉(zhuǎn)換為網(wǎng)絡(luò)環(huán)境下的分布式人工智能，之前出現(xiàn)的問題在這一時(shí)期得到了極大的解決。Hopfield多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用再度出現(xiàn)了欣欣向榮的景象。人工智能已經(jīng)滲入到了我們生活的方方面面。

1.2 人工智能的主要學(xué)派 人工智能發(fā)展的50多年時(shí)間里，經(jīng)歷了符號(hào)主義學(xué)派、行為主義學(xué)派和聯(lián)結(jié)主義學(xué)派，三大學(xué)派各有特點(diǎn)，各自從不同的角度研究人工智能，為人工智能的發(fā)展做出了卓越的貢獻(xiàn)，在人工智能的發(fā)展史上留下了濃重的一筆。

1.2.1 符號(hào)主義學(xué)派 符號(hào)主義學(xué)派，又稱為邏輯主義、計(jì)算機(jī)學(xué)派或心理學(xué)派。符號(hào)主義學(xué)派理論基礎(chǔ)是物理符號(hào)系統(tǒng)假設(shè)和有限合理性原理，他們認(rèn)為人類的認(rèn)知基元是符號(hào)，認(rèn)知的過程是對符號(hào)的計(jì)算與推理的過程。人與計(jì)算機(jī)均可以看做物理符號(hào)系統(tǒng)，因此人們可以使用計(jì)算機(jī)來模擬人的行為。符號(hào)主義學(xué)派認(rèn)為人的認(rèn)知基元可以通過計(jì)算機(jī)上的數(shù)學(xué)邏輯方法表示，然后通過計(jì)算機(jī)自身的邏輯運(yùn)算方法模擬人類所具備的認(rèn)知系統(tǒng)的機(jī)能和功能，進(jìn)而實(shí)現(xiàn)人工智能[2]。

符號(hào)主義學(xué)派無視了認(rèn)知基元的本質(zhì)，對于所有的認(rèn)知基元均使用數(shù)學(xué)邏輯方法表示。符號(hào)主義學(xué)派重點(diǎn)研究認(rèn)知基元的邏輯表示以及計(jì)算機(jī)的推理技術(shù)，早期的眾多人工智能的研究都是在這一思想的推動(dòng)下進(jìn)行的。符號(hào)主義學(xué)派在歸結(jié)推理、翻譯、數(shù)學(xué)問題證明以及專家系統(tǒng)和知識(shí)工程做出了十分巨大的貢獻(xiàn)，為后期的人工智能研究打下了基礎(chǔ)。專家系統(tǒng)的出現(xiàn)更是將人工智能的研究推上了一個(gè)頂峰，其在礦業(yè)探究、醫(yī)療診查、教育推廣、工業(yè)設(shè)計(jì)的應(yīng)用帶來了巨大的社會(huì)效益。

1.2.2 行為主義學(xué)派 行為主義又被稱作進(jìn)化主義或控制論學(xué)派。行為主義學(xué)派認(rèn)為智能取決于感知和行動(dòng)，不需要像符號(hào)主義學(xué)派的邏輯知識(shí)以及推理。行為主義學(xué)派認(rèn)為人的本質(zhì)能力是行為能力、感知能力和維持生命及自我繁殖的能力，智能行為是人與現(xiàn)實(shí)世界環(huán)境的交互作用體現(xiàn)出來的。人工智能應(yīng)像人類智能一樣通過逐步進(jìn)化而實(shí)現(xiàn)，而與知識(shí)的表示和知識(shí)的推理無關(guān)[3]。行為主義學(xué)派的與傳統(tǒng)人工智能截然不同的觀點(diǎn)吸引了眾多的科學(xué)家，雖然到現(xiàn)在還沒有獨(dú)立完善的知識(shí)理論系統(tǒng)，但其在人工智能領(lǐng)域的獨(dú)樹一幟還是奠定了其霸主地位。該學(xué)派重點(diǎn)研究人類的控制行為，目前已有的機(jī)器昆蟲已經(jīng)證明了行為主義學(xué)派的理論正確性。雖然大部分人認(rèn)為機(jī)器昆蟲不能導(dǎo)致高級(jí)行為，但是行為主義學(xué)派的崛起標(biāo)志著控制論在人工智能領(lǐng)域有著獨(dú)樹一幟的作用。

1.2.3 聯(lián)結(jié)主義學(xué)派 聯(lián)結(jié)主義學(xué)派是近年來最熱門的一個(gè)學(xué)派，又被成為仿生學(xué)派或心理學(xué)派，建立于網(wǎng)絡(luò)聯(lián)結(jié)基礎(chǔ)之上模仿人類大腦的結(jié)構(gòu)和工作模式。聯(lián)結(jié)主義學(xué)派主要研究能夠進(jìn)行非程序的，可適應(yīng)環(huán)境變化的，類似人類大腦風(fēng)格的信息處理方法的本質(zhì)和能力，是基于神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)間的連接機(jī)制和學(xué)習(xí)算法的人工智能學(xué)派。持這種觀點(diǎn)的學(xué)者認(rèn)為，認(rèn)知的基本元素不是符號(hào)是神經(jīng)細(xì)胞（神經(jīng)元），認(rèn)知過程是大量神經(jīng)元的聯(lián)接，而大腦是一切智能活動(dòng)的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機(jī)制出發(fā)進(jìn)行研究，搞清楚大腦的結(jié)構(gòu)以及它進(jìn)行信息處理的過程和機(jī)理，就有望揭示人類智能的奧秘，從而真正實(shí)現(xiàn)人類智能在機(jī)器上的模擬。[4]

聯(lián)結(jié)主義學(xué)派通過模擬人類神經(jīng)網(wǎng)絡(luò)模仿人類的認(rèn)知行為，由此進(jìn)行人工智能的學(xué)習(xí)記憶、模式識(shí)別。聯(lián)結(jié)主義學(xué)派構(gòu)建了大量的神經(jīng)網(wǎng)絡(luò)模型，方便在不同的情景模式下選擇相應(yīng)的模型，進(jìn)而快速的得出答案。聯(lián)結(jié)主義學(xué)派采用分布式存儲(chǔ)數(shù)據(jù)，對數(shù)據(jù)進(jìn)行并行處理，這樣使得人工智能在處理問題的時(shí)候的速度有了明顯的提升，由此聯(lián)結(jié)主義學(xué)派在人工智能領(lǐng)域中受到大家的一致熱捧。

三大學(xué)派在人工智能的發(fā)展史上有著舉足輕重的作用，每一個(gè)學(xué)派的興起都代表人工智能的一個(gè)新高峰。三大學(xué)派各有優(yōu)缺點(diǎn)，在人工智能領(lǐng)域三者相輔相成，人工智能學(xué)科在三大學(xué)派的帶領(lǐng)下正在茁壯成長。

2 對人工智能主要理論學(xué)派的評述

在過去的50多年時(shí)間中，人工智能獲得了巨大的發(fā)展，基本實(shí)現(xiàn)了從無到有的過程，構(gòu)建了基本完善的理論知識(shí)體系，構(gòu)建了各種模型，形成各種技術(shù)方法，但是人工智能的發(fā)展依然任重道遠(yuǎn)，前景依然不容樂觀。三大主義學(xué)派有著自身獨(dú)到的優(yōu)點(diǎn)，同時(shí)也有著各自的缺點(diǎn)，符號(hào)主義學(xué)派將人的認(rèn)知基元符號(hào)用數(shù)學(xué)邏輯表示，通過計(jì)算機(jī)邏輯處理系統(tǒng)分析得出結(jié)果，但是在面對沒有明確結(jié)果的非確定問題時(shí)經(jīng)常不能得出令人滿意的答案，它對信息要求十分精確完整，現(xiàn)實(shí)生活中的很多問題都不能滿足條件，因此符號(hào)主義學(xué)派的發(fā)展受到了一定的限制。行為主義學(xué)派認(rèn)為智能取決于感知與行動(dòng)，但是缺乏足夠的理論知識(shí)支撐學(xué)派觀點(diǎn)，而且缺乏足夠的成果表明理論的正確性。學(xué)派認(rèn)為人工智能與知識(shí)的表達(dá)和知識(shí)推理無關(guān)，與人類認(rèn)知的發(fā)展是不相符的。聯(lián)結(jié)主義學(xué)派采用仿生學(xué)的方法，模擬人腦的神經(jīng)網(wǎng)絡(luò)，通過類似人腦的結(jié)構(gòu)和運(yùn)行機(jī)制模仿人類智能。這一觀點(diǎn)十分有吸引力，在提出之后馬上就有大量的支持者，但是人腦神經(jīng)系統(tǒng)的復(fù)雜性遠(yuǎn)遠(yuǎn)超出人們的預(yù)知，現(xiàn)階段人們對人腦的構(gòu)造以及運(yùn)行機(jī)制還沒有深入的理解，在此基礎(chǔ)上想模擬出人腦的神經(jīng)系統(tǒng)顯然是有些不不切實(shí)際。聯(lián)結(jié)主義學(xué)派的發(fā)展更多的受制于對人腦結(jié)構(gòu)和運(yùn)行機(jī)制的研究，因此其發(fā)展相對緩慢。綜上，三大學(xué)派固然有著自身的優(yōu)勢，各自的成果，但是其同樣有著明顯的局限性，人工智能要想進(jìn)一步發(fā)展必須要對現(xiàn)有的發(fā)展方式進(jìn)行創(chuàng)新。

另一方面，人工智能在經(jīng)歷了兩次期后再次回落到了平穩(wěn)發(fā)展時(shí)期，社會(huì)公眾對人工智能的熱度有了明顯的降溫。人工智能的研究再次變成了國家以及一些超級(jí)公司的工作，擁有的資源有了大幅度的縮水，研究的進(jìn)度也受到干擾。在此狀態(tài)下沒有重大的技術(shù)創(chuàng)新，人工智能恐怕很難再有重大的突破。

3 對人工智能發(fā)展的評述

3.1 對人工智能涵義的認(rèn)識(shí) 同樣的詞匯在不同時(shí)期的有著不同的解釋，人工智能也不例外，大家都認(rèn)可的人工智能是指在人類制造的機(jī)器工具上實(shí)現(xiàn)人類智能，即實(shí)現(xiàn)人類的認(rèn)知能力、行為能力以及解決問題的能力。人類智能有著一個(gè)明確的特點(diǎn)，在面對未知問題時(shí)，人類智能能夠得出自身想要的答案，也就是消除答案的不確定性。符號(hào)主義學(xué)派的邏輯解決方式、行為主義學(xué)派模擬人的行為能力、聯(lián)結(jié)主義學(xué)派的神經(jīng)網(wǎng)絡(luò)，三大主義學(xué)派各自以自身的方式實(shí)現(xiàn)了對問題消除或減弱不確定性。可見減弱甚至消除問題的不確定性也將是人工智能的一個(gè)研究方向。

3.2 人工智能研究模式的發(fā)展 目前人工智能領(lǐng)域中，符號(hào)主義學(xué)派通過數(shù)學(xué)邏輯表示人類的認(rèn)知基元，對數(shù)學(xué)邏輯經(jīng)過解讀分析，得到答案，進(jìn)而實(shí)現(xiàn)智能。該學(xué)派重點(diǎn)運(yùn)用還原思想，將人類的認(rèn)知基元全部使用數(shù)學(xué)邏輯表示。行為主義學(xué)派認(rèn)為人工智能取決于感知和行動(dòng)，不需要學(xué)習(xí)知識(shí)與知識(shí)推理，是一步步，由低級(jí)到高級(jí)慢慢進(jìn)化的。聯(lián)結(jié)主義學(xué)派是通過人工神經(jīng)網(wǎng)絡(luò)的形式模仿人類智能，理論上講該方法是最符合人類智能的運(yùn)行方式的。而在一系統(tǒng)中，最重要的是系統(tǒng)的運(yùn)行機(jī)制，如何將接受到的信息轉(zhuǎn)化為我們的知識(shí)并通過表述、行為展示出來，在了解了人類智能的運(yùn)行機(jī)制之后，人工智能將會(huì)更加符合人們的需求。

3.3 人工智能研究方法的發(fā)展 人工智能的目的是消除答案的不確定性，然后做出相應(yīng)的反應(yīng)。在消除答案不確定性的時(shí)候便有了各種方法，其中有一種便是突出解決問題的目標(biāo)，在有明確目標(biāo)的前提下會(huì)削弱干擾問題解決的條件，提高人工智能解決問題的效率。明確問題的目標(biāo)便需要引入目標(biāo)函數(shù)，在動(dòng)態(tài)目標(biāo)函數(shù)的引導(dǎo)下會(huì)減弱答案的不確定性。而在已有的人工智能基礎(chǔ)上設(shè)立人工智能模型，通過人工智能自身的計(jì)算結(jié)果結(jié)合目前的研究成果去優(yōu)化目前的人工智能系統(tǒng)，則會(huì)提升人工智能的發(fā)展速度。

3.4 人工智能時(shí)期的發(fā)展 人工智能自發(fā)展到現(xiàn)在已經(jīng)經(jīng)歷了五個(gè)時(shí)期，在兩次期中人工智能均獲得了迅速的發(fā)展。然而現(xiàn)在人工智能的發(fā)展步入到了緩慢發(fā)展時(shí)期，如何將人工智能的發(fā)展緩慢時(shí)期加速度過同樣是十分嚴(yán)肅的問題，傳統(tǒng)說來需要重大的科學(xué)進(jìn)步。我們往往認(rèn)為人工智能屬于頂端科技只能由國家和超級(jí)公司研究，卻忽略了社會(huì)所擁有的重大的力量。小小的android智能手機(jī)在問世的短短時(shí)間內(nèi)變改變了之前的市場格局，其中固然有著android智能手機(jī)的特點(diǎn)，但是我想他的市場策略同樣給與了莫大的助力。人工智能應(yīng)該向android一樣，適當(dāng)?shù)拈_放出來一部分根基，放開其研究門檻，甚至鼓勵(lì)民間研究。量變引發(fā)質(zhì)變，當(dāng)有足夠?qū)＜以谘芯咳斯ぶ悄軙r(shí)，人工智能的研究會(huì)加快的。而且民間的研究成果也會(huì)作為經(jīng)驗(yàn)反作用于人工智能的進(jìn)一步研究，實(shí)現(xiàn)科學(xué)與社會(huì)的雙贏。

4 結(jié)論

人工智能是人們長久以來的夢想，同時(shí)也是一門很有挑戰(zhàn)性的學(xué)科。像所有的學(xué)科一樣，人工智能會(huì)經(jīng)歷各種各樣的挫折，但是，只要我們有信心、有毅力，我們相信人工智能終將會(huì)成為現(xiàn)實(shí)，融入到我們生活的方方面面，為我們的生活帶來極大的改變。

參考文獻(xiàn)：

[1]朱祝武.人工智能發(fā)展綜述[J].中國西部科技，2011，10（17）：8-10.

篇（10）

根據(jù)《朗曼應(yīng)用語言學(xué)詞典》中的定義,雙語教學(xué)(Bilingual Teaching)指的是用兩種語言作為教學(xué)媒介語,通過學(xué)習(xí)學(xué)科知識(shí)來達(dá)到掌握第二語言的目的。雙語教學(xué)作為學(xué)科教學(xué)延伸,不是簡單的母語加第二語言,而是將第二種語言融進(jìn)學(xué)科知識(shí),通過學(xué)習(xí)學(xué)科專業(yè)知識(shí)提高學(xué)生第二語言的聽、說、讀、寫綜合能力,培養(yǎng)學(xué)生用第二語言思考、解決問題的能力,培養(yǎng)適應(yīng)社會(huì)發(fā)展需求的高素質(zhì)、復(fù)合型人才,以適應(yīng)信息時(shí)代我國經(jīng)濟(jì)和社會(huì)發(fā)展的需要。人工智能的主要目標(biāo)是讓機(jī)器具有應(yīng)用符號(hào)邏輯的方法模擬人的問題求解、推理、學(xué)習(xí)等方面的能力,能夠在各類環(huán)境中自主地或交互地執(zhí)行各種任務(wù),比如水下作業(yè)、輸油管道、森林救火等。人工智能的發(fā)展,不僅代表計(jì)算機(jī)等科學(xué)技術(shù)的發(fā)展水平,也是一個(gè)國家工業(yè)化水平的重要標(biāo)志。這對高校的教育提出了新的挑戰(zhàn)。因此,選擇人工智能課程的雙語教學(xué)模式是非常必要的。

1人工智能課程分析

人工智能是一門多學(xué)科交叉的課程,特別涉及控制論、信息論、語言學(xué)、神經(jīng)生理學(xué)、數(shù)學(xué)、哲學(xué)等多種學(xué)科[1-2]。學(xué)習(xí)該課程需要具有較好的數(shù)學(xué)基礎(chǔ)和較強(qiáng)的邏輯思維能力,大多教師、學(xué)生在教、學(xué)的過程中都顯得比較吃力。如何結(jié)合課程的特點(diǎn),幫助學(xué)生找到好的學(xué)習(xí)方法,使他們能充分發(fā)揮自己的能力,提高學(xué)習(xí)興趣成為教學(xué)研究過程中的首要目標(biāo)。在目前高校提倡雙語教學(xué)的環(huán)境下,我校已將人工智能立項(xiàng)為雙語教學(xué)示范課程。人工智能課程具有如下特點(diǎn):

(1) 是一門非常前沿的學(xué)科。

計(jì)算機(jī)最初是用來做科學(xué)計(jì)算的,但隨著計(jì)算機(jī)科技的迅猛發(fā)展,人們開始考慮計(jì)算機(jī)還可以做些什么,能不能像人一樣學(xué)習(xí)、思考,然后解決問題?這就是基于人的知識(shí)和經(jīng)驗(yàn),用符號(hào)推理的辦法讓計(jì)算機(jī)來做事情,是人工智能最早的研究成果。但是,知識(shí)并不都能用符號(hào)表示為規(guī)則,智能也不都是基于知識(shí)的。人們相信,自然智能的物質(zhì)機(jī)構(gòu)――神經(jīng)網(wǎng)絡(luò)的智能是基于結(jié)構(gòu)演化的。因此,20世紀(jì)80年代在人工智能理論發(fā)展出現(xiàn)停頓時(shí),人工神經(jīng)網(wǎng)絡(luò)理論出現(xiàn)新的突破,基于結(jié)構(gòu)演化的人工智能迅速成為人工智能研究的新方向。事實(shí)上,智能問題無論從廣度還是深度,都遠(yuǎn)比人們想象的要復(fù)雜得多。因此,我們一刻也不能放棄鉆研,并且要時(shí)刻關(guān)注該領(lǐng)域發(fā)展的最新動(dòng)態(tài)。在高校開展人工智能課程的雙語教學(xué),可以促使學(xué)生了解該領(lǐng)域以及相關(guān)領(lǐng)域,如模式識(shí)別、機(jī)器視覺、智能檢索、人工生命等發(fā)展的最新動(dòng)態(tài),掌握大量的專業(yè)詞匯,鍛煉理解問題、解決問題、了解領(lǐng)域文化等實(shí)際能力,對培養(yǎng)國際化、工程化、實(shí)用化的復(fù)合型人才等具有重要的現(xiàn)實(shí)意義。

(2) 涉及面寬、難度大。

人工智能是一門多學(xué)科交叉的、極富挑戰(zhàn)性的前沿學(xué)科,它幾乎涉及于社會(huì)科學(xué)和自然科學(xué)的每個(gè)領(lǐng)域。人工智能課程是一門理論性非常強(qiáng)、知識(shí)點(diǎn)比較分散、知識(shí)更新快的課程,它以編程語言、數(shù)據(jù)庫原理、概率統(tǒng)計(jì)、數(shù)據(jù)結(jié)構(gòu)、離散數(shù)學(xué)以及編譯原理等前趨課程為基礎(chǔ),還涉及到控制論、信息論、通信原理、圖像處理、模式識(shí)別等課程。因此,人工智能課程的知識(shí)點(diǎn)難度較大。通過該課程的雙語教學(xué)過程,學(xué)生不但學(xué)習(xí)了課程的專業(yè)知識(shí),而且還學(xué)習(xí)了相關(guān)理論課程的第二語言表示方法及應(yīng)用情況,對于培養(yǎng)具有個(gè)性化的多層次人才具有重要的價(jià)值。

人工智能課程的特點(diǎn)決定了它的雙語教學(xué)也具有很大的難度。根據(jù)普通高校的實(shí)際情況,我們組織了人工智能的雙語教學(xué)體系結(jié)構(gòu),教學(xué)實(shí)踐表明,該模式行之有效。

2人工智能雙語教學(xué)體系結(jié)構(gòu)

要達(dá)到雙語教學(xué)的目的,就必須將傳統(tǒng)的“注入式”教學(xué)模式改變?yōu)樾滦偷摹耙詫W(xué)生為中心”的教學(xué)模式。然而,這種“以學(xué)生為中心”的雙語教學(xué)模式是多樣化的,其教學(xué)過程是復(fù)雜的,在我國還處于探索階段[3-5]。在人工智能課程的教學(xué)過程中,根據(jù)學(xué)生的實(shí)際情況,我們采用課堂教學(xué)多樣化、基于CDIO理念的實(shí)踐教學(xué),不斷地探索研究,形成高校人工智能雙語教學(xué)體系結(jié)構(gòu),如圖1所示。

計(jì)算機(jī)雙語教學(xué)的正常開展,必須依托優(yōu)秀的計(jì)算機(jī)專業(yè)外語教科書和教學(xué)參考用書。根據(jù)學(xué)生的實(shí)際情況,我們采用了Nils J.Nilsson教授編著的《Artificial Intelligence A New Synthesis》,該教材是美國斯坦福大學(xué)計(jì)算機(jī)系本科教材,不僅內(nèi)容豐富、取材新穎,更重要的是內(nèi)容組織結(jié)構(gòu)比較符合學(xué)生的認(rèn)知規(guī)律,便于學(xué)生學(xué)習(xí)、理解。參考書主要選用了蔡自興、徐光v老師的《人工智能》。

3雙語教學(xué)方法

由于人工智能是一門非常前沿、涉及知識(shí)面寬、應(yīng)用范圍廣的學(xué)科,因而在教學(xué)的具體過程中,我們多種教學(xué)手段并用,主要采取理論聯(lián)系實(shí)際的案例驅(qū)動(dòng)講授、CDIO實(shí)踐模式、綜合考證等講授方法。

3.1理論教學(xué)

(1) 修改教學(xué)大綱和課程設(shè)計(jì)的實(shí)驗(yàn)大綱。參考吸收國外先進(jìn)教材中的內(nèi)容,結(jié)合普通高校的實(shí)際情況,形成有針對性的、合理的教學(xué)體系。

(2) 采用多種教學(xué)方法和手段。設(shè)計(jì)和制作簡潔、易懂的英文電子教學(xué)課件,采用多媒體教學(xué)手段,豐富教學(xué)內(nèi)容。建設(shè)課程網(wǎng)站,電子課件在網(wǎng)上公開,幫助學(xué)生預(yù)習(xí)專業(yè)詞匯、了解教師講解線索和重點(diǎn)內(nèi)容,降低學(xué)習(xí)難度。

(3) 課堂提問。提問一些重要內(nèi)容,鼓勵(lì)學(xué)生積極思考,既能加深學(xué)生對所學(xué)課程知識(shí)的理解,也有利于其英文表達(dá)能力的提高。

(4) 案例驅(qū)動(dòng)法。將有意義的案例貫穿在教學(xué)過程中,培養(yǎng)學(xué)生的興趣,提高學(xué)生分析問題、解決問題的能力;

(5) 課后小組討論。每6～8位同學(xué)分為一組,實(shí)行小組長負(fù)責(zé)制,組織學(xué)生討論和解決學(xué)習(xí)中遇到的問題,交流學(xué)習(xí)心得,一方面起到溫故而知新的作用,同時(shí)培養(yǎng)團(tuán)隊(duì)協(xié)作精神。

3.2實(shí)踐教學(xué)

由于學(xué)生的英語水平、專業(yè)基礎(chǔ)知識(shí)以及知識(shí)面都有差別,因此教師必須因材施教,培養(yǎng)學(xué)生的興趣。實(shí)踐課題來源于實(shí)際工程,將CDIO理念貫穿于實(shí)踐教學(xué)過程中,提高學(xué)生綜合創(chuàng)新能力與團(tuán)體協(xié)作精神。

(1) 實(shí)驗(yàn)題目多樣化。學(xué)生可以選擇,也可以根據(jù)老師的要求自己構(gòu)思,以培養(yǎng)學(xué)生的興趣與查閱資料的能力。

(2) 分工與合作。來源于工程實(shí)踐的題目,學(xué)生通常很難在短時(shí)間內(nèi)獨(dú)立完成,因而需要分工合作,培養(yǎng)學(xué)生的協(xié)作精神。

(3) 整體設(shè)計(jì)方案的靈活性。學(xué)生領(lǐng)會(huì)題目本意,自主設(shè)計(jì)解決方案,培養(yǎng)學(xué)生分析問題、解決問題的綜合創(chuàng)新能力。

(4) 編程實(shí)現(xiàn)。培養(yǎng)學(xué)生的編程能力,形成科學(xué)的編程風(fēng)格。

3.3考核方式

(1) 多種形式的平時(shí)測試(30%)。主要包括平時(shí)測驗(yàn)、討論、作業(yè)等。主要考察學(xué)生對基本知識(shí)的掌握,英文表達(dá)能力以及知識(shí)面的拓寬等。

(2) 實(shí)踐教學(xué)(30%)。主要考察學(xué)生對實(shí)踐題目的理解、整體方案的設(shè)計(jì)、團(tuán)隊(duì)間的協(xié)作精神以及實(shí)現(xiàn)結(jié)果等。

(3) 期末考試(50%)。試題全部用英文形式出現(xiàn),鼓勵(lì)學(xué)生用英文作答。

人工智能課程采用雙語教學(xué),可以使學(xué)生最準(zhǔn)確地理解專業(yè)知識(shí),又可以使英語和專業(yè)課的學(xué)習(xí)相互促進(jìn)。

4教學(xué)效果分析

課程結(jié)束后,我們對學(xué)生進(jìn)行了教學(xué)效果討論與調(diào)查,結(jié)果如表1所示。

從本課程討論和調(diào)查的結(jié)果以及其他普通高等院校的雙語教學(xué)調(diào)查結(jié)果可以看出,雙語教學(xué)效果基本上達(dá)到了要求。但也存在一些值得思考的問題:不適應(yīng)的人數(shù)比例偏高,專業(yè)知識(shí)的學(xué)習(xí)效果一般,甚至有學(xué)生因?yàn)楦簧线M(jìn)度放棄專業(yè)課的學(xué)習(xí)。為此,提出以下的建議:

(1) 加強(qiáng)學(xué)生認(rèn)識(shí)。學(xué)生必須從思想上認(rèn)識(shí)到人工智能雙語教學(xué)的重要性,克服教學(xué)過程中的種種困難、持之以恒,主動(dòng)與同學(xué)、老師進(jìn)行討論,密切關(guān)注學(xué)科發(fā)展動(dòng)態(tài)。

(2) 提高實(shí)施條件。雙語教學(xué)過程中,學(xué)生是主體,教師是關(guān)鍵。因此,要求老師要有較高的專業(yè)知識(shí)和英語水平,學(xué)生要有較好英語基礎(chǔ)。

(3) 完善教學(xué)體系結(jié)構(gòu)。雙語教學(xué)在我國還處在探索階段,因而必須在教學(xué)實(shí)踐過程中不斷地改進(jìn)完善雙語教學(xué)的體系結(jié)構(gòu)。

只有解決好這些問題,才能培養(yǎng)出更高素質(zhì)的復(fù)合型人才,適應(yīng)國內(nèi)外科學(xué)與經(jīng)濟(jì)發(fā)展的需要。

參考文獻(xiàn):

[1] Nils J Nilsson. Artificial Intelligence A New Synthesis[M]. 北京:機(jī)械工業(yè)出版,2002.

[2] 蔡自興,徐光v. 人工智能[M]. 北京:清華大學(xué)出版社,2003.

[3] 賀志榮. 雙語教學(xué)的實(shí)踐與思考[J]. 黑龍江教育:高教研究與評估版,2008,62(10):45-46.

[4] 王樹根,姜昕. 我國雙語教學(xué)的歷史發(fā)展階段綜述[C]. 安徽黃山,2007年全國測繪學(xué)科教學(xué)改革研討會(huì),2007.

[5] 湯東. 中外高校雙語教學(xué)模式的比較研究[J]. 黑龍江教育:高教研究與評估版,2008,62(11):69-70.

Exploration and Practice on Bilingual Teaching Architecture for Artificial Intelligence Course

LI Zhu-lin, HAO Ji-sheng, MA Le-rong