人工智能研究綜述匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦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，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%。臨床特點表現為逐漸出現記憶力減退、認知功能障礙、行為異常和社交障礙，最終喪失獨立生活的能力。2009年國際阿爾茨海默病協會 （ADI）報告，自2010年起，全世界將有3560萬人患有癡呆，20年后這個數字將會成倍地上升，到2030年癡呆人數估計為6570萬，到2050年將為11540萬 (World Alzheimer Report 2010, )。而這個數字在中國，印度等發展中國家將會上升得更快。輕度認知障礙(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，處于這種狀態下的患者具有記憶障礙或其他的輕度認知功能障礙，但保留日常生活功能。MCI向AD的平均年轉化率為10%-15%，遠遠高于正常老年人的年轉化率1%-2%，而其5年內的轉化率更是達到50%以上。因此MCI是進展為AD的高度危險因素。

近年來，研究者們利用神經影像學數據對阿爾茨海默病患者的結構和功能進行分析，發現AD患者不僅在局部腦區的結構和功能存在異常，在腦區之間的結構和功能連接也存在異常，表明AD是一種腦網絡失連接綜合征 [1]。靜息態功能磁共振成像 （resting-state functional magnetic resonance imaging）是通過測定腦神經元活動引發的血流動力學改變對腦功能活動進行定位的一種非常有前景的非入侵的神經影像學技術。受試者在掃描儀器中不需要完成特定的任務，處于一種清醒的休息狀態，并且不能系統的思考問題。Biswal等[2]第一次證實了靜息態下血氧水平依賴（Blood oxygenation level dependent，BOLD）信號具有低頻波動（low frequency fluctuations LFFs，f

以海馬為種子點的研究

AD病理學假說認為AD疾病的產生是因為淀粉蛋白沉積和神經元纖維纏結導致的。有研究表明神經元纏結選擇性的損害海馬區域[4]。因此，神經元的損傷可能導致海馬與其他區域的功能失連接。Wang等[5]用雙側海馬前部為種子點分析了AD患者的功能連接，他們發現AD患者右側海馬區域與內側前額葉，腹側前扣帶，楔葉，楔前葉，后扣帶和右側顳下功能連接降低。該研究發現的與海馬連接降低的區域，包括內側前額葉，腹側前扣帶和后扣帶，都是默認網絡的經典區域。因此這一結果支持了AD患者是默認網絡活動減低的觀點。AD患者降低的海馬與視覺區域的連接表明降低的海馬相關網絡的整合。該研究也發現在AD患者中左側海馬區域與右外側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的機制。2007年，Allen等[6]做了相似的研究同樣以雙側前海馬為種子點，發現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。但沒有發現海馬連接增強的區域。2012年，Kenny等[7]發現AD組左側海馬與右側腦島和頂下區域的功能連接增加，但沒有發現海馬連接降低的區域。這三篇AD的研究結果有一定的矛盾性，兩篇研究發現左側海馬有增強的功能連接，但是Allen卻僅僅發現降低的連接。這一矛盾的結果可能由于被試量的大小，被試病程的不一致性導致的。種子點的選取的不一致性也可能導致不一致的結果。有研究表明海馬是解剖非勻質的結構，可以分為不同的子區域包括海馬角，齒狀回和海馬下托復合體[8]。AD相關的研究發現不同的海馬子區域AD患者的結構和功能損傷不一致。因此，將來的大樣本的特定的AD疾病時期的海馬功能研究需要發展，不同海馬子區域的功能連接異常模式也需要更全面的研究。2011年，Wang等[9]同樣用雙側海馬為種子點研究了MCI患者的功能連接，發現雙側海馬與雙側顳葉，右側額葉和右側腦島的功能連接在MCI組降低。同時，與左側后扣帶，楔前葉，海馬，尾核以及右側枕葉的功能連接在MCI組增加。同一年，Bai等[10]人用海馬不同的子區域研究了MCI患者縱向數據的功能連接異常，發現六個縱向的海馬子區域功能連接網絡在MCI患者中呈現相似的改變模式，主要是與內側額葉，外側顳葉，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的研究

病理組織學研究，結構和功能影像學研究一致地表明后扣帶回是AD病理生理學的核心區域[11, 12]。2009年，Zhang等[13]用后扣帶為種子點發現AD組后扣帶回與左側海馬，右側丘腦，雙側視覺，腹內側前額葉和楔前葉等功能連接降低，與左側額頂區域的連接增加。Kenny等[7]以后扣帶回為種子點卻沒有發現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研究了功能連接隨著AD病程的改變，發現AD組后扣帶回與視覺區域，海馬，內側前額葉和楔前葉的連接顯著降低，且這種降低強度隨著病程進展增加。這一研究結果與Zhang的結果是一致的。2014年，Xia等[15]研究了AD患者后扣帶回不同子區域的功能連接，發現不同的子區的功能連接在AD組都有顯著地降低，且這些降低與認知功能的下降相關。2011年，Han等[16]發現MCI組后扣帶回與眶額，右側額中回，右側尾核等功能連接降低，與右側額下回，左側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，發現遺忘型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。靜息態種子點功能連接研究在阿爾茨海默病及輕度認知障礙中已經得到大量的研究。盡管如此，為了靜息態種子點功能連接研究在今后能夠應用于MCI的診斷和AD的早期識別以及治療監測中，被試的樣本量仍需要擴大，在實驗設計和方法學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，隨著現在磁共振成像技術的廣泛應用，我們需要采用大樣本量且均質的AD數據。這樣能增加結果的可信度。

2. 由于AD臨床起因依舊不是很清楚并且AD的病情呈現出進行性加重，目前仍無法根治且治療效果也不是很好，所以尋找出AD早期改變的生物學標記是進行早期診斷和及時干預的關鍵舉措，除了將AD的研究提前到MCI期以外，對AD風險人群（如APOE ε4攜帶者）的種子點功能連接的研究也是一個很重要的研究方向。

3. 種子點的選取。雖然本文回顧了與AD最為相關的區域的種子點功能連接的研究，已有的研究大多以整個腦區為種子點做功能連接研究，但現在有研究表明很多基于解剖的劃分存在腦區子區域，不同的亞區連接模式不相同[10, 15]，將來對于子區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。而且種子點功能連接的方法對于種子點的選取太過依賴，現在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看AD功能連接的變化。找到AD最敏感的種子區域。

總結

綜上所述，目前靜息態種子點功能連接的研究已經發現阿爾茨海默癥和輕度認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的被試上加以證實和解釋，另一方面還需要找到AD的病源區域并以此為種子點進行研究，或者不基于先驗的知識，全腦尋找種子點的方法找到AD最敏感的功能連接異常的網絡。

參考文獻:

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）

【關鍵詞】人工智能；發展現狀；未來展望

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

【中圖分類號】TP18 【文獻標志碼】A 【文章編號】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，近些年來人工智能發展迅速，很多人工智能產品已經開始進入人們的家中，如掃地機器人、智能保姆等，雖然它們還沒有美國大片《終結者》中所描述得那么先進，但從前遙不可及的人工智能概念正在一步步變為現實卻是不爭的事實。人工智能的現狀如何，它又將如何發展，都是學界較為關注的課題。

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，是人類智慧的產物；而智能則是指具有人工智能的計算機或其他子設備可以模擬人類的智能行為和思維方式，人工智能是計算機科學的一個分支，它的近期主要目標在于研究用機器來模仿和執行人腦的某些智能功能，并開發相關理論和技術。

2.2 人工智能的現實應用

如今的人工智能機器，可以在勝任一些復雜腦力勞動的同時，輔助人類進行記憶和邏輯運算等活動。現階段學者已經研制出了一些可以模擬人類精神活動的電子機器，經過完善升級，這些電子機器將有希望超越人類的能力，協助人類完成一些執行難度較大的工作。但是目前研制出的自動化系統或者機器人雖然可以代替部分人類勞動，卻還沒有到達可以實現人類多方面協調和自我學習升級的智能水平，要制造出一款可以完全擁有人類智慧的機器，還需進一步深入研究。還有一些人工智能產物經常應用于各種商業用途，例如單位內部的客戶信息系統，決策支持系統，以及我們在世面上可以看見的醫學顧問、法津顧問等軟件。

3 人工智能發展現狀

3.1 智能接口技術研究現狀

人工智能接口研究就是為了實現人機交流，為此學者必須從理論和實踐兩方面努力，解決計算機對文字和語言的理解與翻譯、對自我的表達等功能問題。由于智能接口技術的研究和應用，計算機技術的發展獲得了極大的推動力，在運行速率和人機交流等方面都有巨大提升。

3.2 數據挖掘技術研究現狀

數據挖掘技術主要是對各類模糊的、大量的應用數據、人未知的、潛在已經存在的數據進行整理挖掘進行細致的研究，尋找出對研究有用的數據。目前，數據庫、人工智能、數理統計已經成為數據挖掘技術的三大技術支撐，以基礎理論、發現算法、可視化技術、知識表示方法、半結構化等作為研究內容，為數據挖掘技術的發展提供理論和技術支持。

3.3 主體系統研究現狀

主體系統可以實現機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體系統。自主系統可以完成一些相對獨立、自主的任務，甚至可以通過調整自我狀態，應對環境和特殊情況的變化，進而保證自身規劃任務的完成。在多主體系統研究中，主要是從物理和邏輯思維方面對主體進行智能行為的分析研究。

4 人工智能發展中面臨的問題

4.1 識別功能的困惑

計算機識別技術研究在近些年取得了大量成果，其產品的實際應用范圍較廣，但不可否認的是，計算機識別的模式是基于一定的算法和程序設定的，其識別機制完全不同于人類的感官識別，因此，在計算機進行識別，尤其是圖形識別時，對各種印刷體、文字、指紋等清晰圖形可以快速識別，但對于相似度較高的物體，計算機識別能力相對較弱，識別失敗的情況較為普遍。語音識別主要研究各種語音信號的分類。語音識別技術近年來發展很快，但是缺點是識別極易受到干擾，發音不標準的語音較易引發識別錯誤。

4.2 GPS功能的局限性

GPS是企圖實現一種不依賴于領域知識求解人工智能問題的通用方法，但是問題內部的表達形式和領域知識是分不開的，用謂詞邏輯進行定理歸結或者人工智能通用方法GPS，都可以從分析表達能力上找出其局限性，這樣就減少了人工智能的應用范圍[1]。

5 人工智能的未來應用展望

人工智能與人生活最息息相關的應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、自動駕駛等功能的汽車也許很快就會成為現實。自動駕駛的汽車要搭載的技術并不只人工智能一種，它還需要將自動控制和視覺計算等新型技術集成應用，改變現有汽車的體系結構，賦予其自動識別、分析和控制的能力。因此，自動駕駛汽車需要實現三方面的技術突破：其一，實現利用攝像設備、雷達和激光測距機來獲得路況信息；其二，實現利用地圖進行自動的車輛導航；其三，根據已有信息數據對車輛的速度和方向進行控制。未來的自動駕駛汽車還可以通過車輛之間的信息互通和互相感應，來協調車速和方向，避免車輛碰撞，實現自動駕駛車輛的安全行進。

5.2 智能化的課堂

當前已經有一些智能化的教學軟件，教師們可以在這些軟件上把教學課件傳送給學生，并進行授課答題，學生還可以與教師彈幕互動，使課堂變得妙趣橫生，方便了教師的授課活動。對于學生而言，能夠在期末十分便捷地回顧上課的錯題，甚至能夠在幾年后翻閱學習過的課件；對于教師而言，能夠精細地知道學生對知識的掌握程度，甚至能夠發現最積極和最懈怠的學生。未來的智能課堂將更具有時間延展性，學生不僅可以在課堂學習知識，還可以利用智能電子設備進行課前預習和課后復習，從而使學生可以在更加趣味性的氛圍中進行自主學習安排。

5.3 自動化的廚房

今后的廚房將會更加智能化，當你做飯時，設定好你想要的菜譜，準備好所需的食材，烹調設備即可將飯菜制作得恰到好處。它會根據你食材的新鮮程度，為你推薦最適合的菜譜，并計算出其營養參考標準，并為你推薦其他食物，使膳食營養均衡。當你家中某樣食材不足時，物流公司便會將時下最新鮮的這一食材送至你家中[2]。

6 結語

人工智能這一概念是在1956年提出的，在當時，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逐漸照進現實，它甚至滲透進了工業、醫學、服務等多個領域，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人類創造出來的技術，人們也存在一定的擔憂，人工智能將向何方發展？人工智能發展到極致會不會脫離人類的控制？人工智能會不會超越人類的智慧？在諸多問題圍繞下，人工智能技術依然在迅猛發展，它的未來如何，讓我們拭目以待。

篇（3）

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自從20世紀50年代產生，經過長期發展，已經有了長足的進步，并且已經深入到社會生活的諸多領域，如語言處理、智能數據檢索系統、視覺系統、自動定理證明、智能計算、問題求解、人工智能程序語言以及自動程序設計等。隨著科學技術的不斷發展，現在的人工智能已經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雜的工作，加強人的思維功能、行為功能或是感知功能。這就要求人工智能具有更強的情感識別、情感表達以及情感理解能力。通俗的說，為了使得人工智能對外界的變化適應性更強，需要給它們賦予相應的情感從而能夠應對這個難以預測的世界。

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，也有社會學層面的。本文在這里只討論其中一個比較基本的社會學問題：“人工智能情感約束問題”，即關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創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，都有可能造成“情感泛濫”并導致一些災難性的后果。例如，當人工智能具有了情感之后，如果人類自身管理不恰當，有可能導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生，但誰也不能保證未來有一天會不會真的出現這種悲劇。

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

2人工情感發展情況概述

隨著科學家對人類大腦及精神系統深入的研究，已經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，結合人工智能、機器人學等學科，對人類情感過程進行建模，以期獲得用單純理性思維難以達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、自然情感機器識別與表達、人工情感機理等四個方面的內容。其中，尤以人工情感機理的研究困難最大，研究者也最少。

目前人工情感在很多領域得到了應用和發展，比較典型的是在教育教學、保健護理、家庭助理、服務等行業領域。在教育教學方面比較典型的例子是德國人工智能研究中心發展的三個方案：在虛擬劇場、虛擬市場和對話Agent中引入情感模型和個性特征來幫助開發兒童的想象力及創造力。在保健護理方面比較典型的是家庭保健與護理方向，如Lisetti等人研制的一個用于遠程家庭保健的智能情感界面，用多模態情感識別手段來識別病人的情感狀態，并輸入不同媒體和編碼模型進行處理，從而為醫生提供關于病人簡明而有價值的情感信息以便于進行有效的護理。服務型機器人的典型例子是卡內基梅隆大學發明的一個機器人接待員Valerie。Valerie的面孔形象的出現在一個能夠轉動方向的移動屏幕上時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，情感表達較為豐富。當然這些只是人工情感應用領域中的幾個典型的例子，人工智能情感的潛力仍然是巨大的。

盡管關于人工情感的研究已經取得了一定的成果，給我們帶來了很多驚喜和利益，但由于情緒表現出的無限紛繁以及它與行為之間的復雜聯系，人們對它的運行機理了解的還不成熟，以致使得目前人工情感的研究仍面臨著諸如評價標準、情感道德約束等多方面問題。所以必須清楚的認識到我們目前對于人工情感的計算乃至控制機制并沒有一個成熟的體系。

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”，很有可能會造成嚴重的后果。為了使人工智能技術更好的發展，使智能與情感恰到好處的結合起來，我們有必要思考如何對賦予人工智能情感進行引導或者約束。

3.1根據級別賦予情感

可以根據人工智能級別來賦予其情感，如低級別人工智能不賦予情感、高級別人工智能賦予其適當的情感。眾所周知，人工智能是一門交叉科學科，要正確認識和掌握人工智能的相關技術的人至少必須同時懂得計算機學、心理學和哲學。首先需要樹立這樣的一個觀點：人工智能的起點不是計算機學而是人的智能本身，也就是說技術不是最重要的，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嚴格的或是量度上的控制而容易出現問題。從哲學的角度來說，量變最終會導致質變。現在是科學技術飛速發展的時代，不能排除這個量變導致質變時代的人工智能機器人的到來，而到那個時候后果則不堪設想。因此，在現階段我們就應該對人工智能的情感賦予程度進行一個約束。

根據維納的反饋理論，人工智能可以被分成高低兩個層次。低層次的是智能型的人工智能，主要具備適應環境和自我優化的能力。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情緒。據此我們可分別將機器人分為一般用途機器人和高級用途機器人兩種。一般用途機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器人。那么對于一般用途的機器人我們完全可以嚴格的用程序去控制它的行為而沒必要去給他賦予情感。而對于高級層面的情感機器人來說，我們就適當的賦予一些情感。但即使是這樣一部分高層次的情感機器人，在賦予人工情感仍然需要考慮到可能會帶來的某些潛在的危害，要慎之又慎。

3.2根據角色賦予情感

同樣也可以根據人工智能機器人角色的不同選擇性的賦予其不同類型的情感。人類與機器合作起來比任何一方單獨工作都更為強大。正因為如此，人類就要善于與人工智能機器合作，充分發揮人機合作的最大優勢。由于計算機硬件、無線網絡與蜂窩數據網絡的高速發展，目前的這個時代是人工智能發展的極佳時期，使人工智能機器人處理許多以前無法完成的任務，并使一些全新的應用不再禁錮于研究實驗室，可以在公共渠道上為所有人服務，人機合作也將成為一種大的趨勢，而他們會以不同的角色與我們進行合作。或作為工具、顧問、工人、寵物、伴侶亦或是其他角色。總之，我們應該和這些機器建立一種合作互助的關系，然后共同完任務。這當然是一種很理想的狀態，要做到這樣，首先需要我們人類轉變自身現有的思維模式：這些機器不再是一種工具，而是平等的服務提供人。

舉例來說，當機器人照顧老人或是小孩的時候，我們應該賦予它更多的正面情緒，而不要去賦予負面情緒，否則如果機器人的負向情緒被激發了，對于這些老人或者小孩來說危險性是極大的；但是，如果機器人是作為看門的保安，我們對這種角色的機器人就可以適當的賦予一些負向的情緒，那么對于那些不按規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然的去賦予，而是按分工、作用賦予限制性的情感約束，達到安全的目的。

3.3對賦予人進行約束

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

縱觀人工智能技術發展史，我們可以發現很多的事故都是因為人為因素導致的。比如，首起機器人殺人案：1978年9月的一天，在日本廣島，一臺機器人正在切割鋼板，突然電腦系統出現故障，機器人伸出巨臂，把一名工人活生生地送到鋼刀下，切成肉片。

另外，某些研究者也許會因為利益的誘惑，而將人工智能運用在不正當領域，或者人工智能技術落入犯罪分子的手中，被他們用來進行反對人類和危害社會的犯罪活動。也就是用于所謂的“智能犯罪”。任何新技術的最大危險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反對人類的人的手中。

因此為了減少這些由于人而導致的悲劇，我們需要對這些研究者本身進行約束。比如通過相應的培訓或是定期的思想政治教育、或是理論知識的學習并制定定期的考核制度來保證這些專家自身的素質，又或者加強對人工智能事故的追究機制，發生問題能立即查詢到事故方等等，通過這樣一系列強有力的硬性指標達到減少由于人為因素導致悲劇的目的。

3.4制定相應的規章制度來管理人工智能情感的發展

目前世界上并未出臺任何一項通用的法律來規范人工智能的發展。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計和制造機器人時通過加入保險除惡裝置使機器人有效地被主人控制的情景。這就從技術上提出了預防機器人犯罪的思路。幾年后， 他又為這種技術裝置提出了倫理學準則的道德三律：（1）機器人不得傷害人類，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，機器人必須盡力保護自己。這一“機器人道德三律”表現了一種在道德憂思的基礎上，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，但其首創性還是得到公認的。盡管這個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，更加沒有相應的法律法規來規范。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急方案來防止可能導致的某些后果，也即出現了問題如何及時的處理之。另外我們在操作和管理上應更加慎重的去對待。也希望隨著科學技術的發展，能夠在不久的將來出臺一部相應的規章制度來規范人工智能情感的管理，使之更加精確化、合理化。

4結束語

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、發展技術和方法來增強計算機或機器人的自治性、適應能力和社會交互的能力。但是現階段對這方面的研究雖然在技術上可能已經很成熟，但是人工智能情感畢竟是模擬人的情感，是個很復雜的過程，本文嘗試性的在人工智能發展中可能遇到的問題進行了有益的探討。但是不可否認仍然有很長的道路要走，但是對于人工智能的發展勁頭我們不可否認，將來“百分百情感機器人”的問世也許是遲早的事情。

參考文獻：

[1] 趙玉鵬，劉則淵.情感、機器、認知――斯洛曼的人工智能哲學思想探析[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].計算機應用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究綜述[J].江南大學學報（自然科學版），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.情感機器人：技術與倫理的雙重困境[N].科技日報，2009-4-21（005）.

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

[8] Peter Norvig.人工智能：機器會“思考”[J].IT經理世界，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）），它是一門新的技術科學，主要用于模擬、延伸以及擴展人類的智能的方法、理論、技術以及應用系統。人工智能主要就是對人類的思維、意識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，而且也可能會超過人類的智能。總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些復雜工作。

1 人工智能的運用現狀

目前，在很多方面人工智能有著運用，其中一個主要表現就是全球人工智能公司數量在急劇的增加，專家系統在目前來看是在人工智能各領域中最為活躍，且最為有成效的一個領域。它是一類基于知識的系統，并可以解決那些一般僅有專家才能夠解決的復雜問題。我們這樣定義專家系統：專家系統是一種具有特定領域內大量知識與經驗的程序系統，它是基于程序系統依靠人工智能技術，來模擬人類專家求解復雜問題的過程，大多情況下，專家系統的水平甚至可以超過人類專家。專家系統的基本結構圖如下圖所示：

2 人工智能的影響

人工智能對經濟的影響：人工智能的的確確會影響到社會、生活、文化的方方面面，特別是對于實體經濟將來會有巨大的影響。以后，每個行業幾乎都會產生顛覆性的變化。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。一成功的專家系統可以為它的用戶帶來很明顯的經濟效益。用比較經濟的辦法執行任務而不需要具有經驗的專家，從而極大地減少開支。專家系統深入各行各業，帶來巨大的宏觀效益，促進了IT網絡工業的發展。

人工智能對文化的影響：在人工智能原理的基礎上，人們通常情況下會應用人工智能的概念來描述他們的日常狀態和求解問題的過程。人工智能可以擴大人們知識交流的概念集合，描述我們所見所聞的方法以及描述我們信念的新方法；人工智能技術為人類的文化生活提供了巨大的便利。如圖像處理技術必將會對圖形藝術和社會教育部門等產生深遠影響。比如現有的智力游戲機將會發展成具有更高智能的一種文化娛樂手段。隨著技術的進步，這種影響會越來越明顯地表現出來。當然，還有一些影響可能是我們目前難以預測的。但可以肯定，人工智能將對人類的物質文明以及精神文明產生更大的影響。

人工智能對社會的的影響：一方面，AI為人類文化生活提供了一種新的模式。現有的游戲將逐步發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用已經深入到各大游戲制造商的開發中。另一方面，人工智能能夠代替人類進行各種腦力勞動，所以，從某種意義上來講，這將會使一部分人失去發展的機遇，甚至可能失業。由于人工智能在科技以及工程中的應用，一部分人可能會失去介入信息處理活動的機會，甚至不得已而改變自己的工作方式；人工智能還可能會威脅到人類的精神。一般人們覺得人類與機器的區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器能夠思維和創作，那他們就會感到失望，甚至于感到威脅。他們會擔心：有朝一日，智能機器的人工智能可能會超過人類的自然智能，從而使人類淪為智能機器的奴隸。

3 人工智能的發展趨勢

有機構預測，2017年人工智能投資將同比增長300%以上，在技術上將會更迅猛發展，工控自動化商城的智能語音、智能圖像、自然語言以及深度學習等技術越來越成熟，就像空氣和水一樣將會逐步地滲透到我們的日常生活。行業專家關于2017年人工智能的發展方向主要有以下幾點：（1）機器學習目前正在被應用在更復雜的任務以及更多領域中，且被更多的人作為挖掘數據的方式。無監督的學習會取得更多進展，但也存在很大的挑戰，故在這一方面離人類的能力還是差得很遠的。計算機在理解和生成自然語言方面，預計最先會在聊天機器人和其他對話系統上落地。 （2）深度學習、其他的機器學習、人工智能技術的混用，是成熟技術的典型標志。將深度學習應用到醫療領域中（醫療圖像、臨床數據、基因組數據等），各種類型數據上的研究以及成果將會大大的增加。 （3）聊天機器人和自動駕駛汽車可能會取得較大的進展，預計更多人類基準將會被打破，特別是那些基于視覺以及適合卷積神經網絡的挑戰。而非視覺特征創建和時間感知方法將會變得更加頻繁、更加富有成果。

4 結論

人工智能是人類長久以來的夢想，同時也是一門富有挑戰性的學科。盡管人工智能帶來很多問題，但當人類堅持把人工智能只用于造福人類，人工智能推動人類社會文明進步將毋庸置疑。就像所有的學科一樣，人工智能也會經歷各種挫折，但只要我們有信心、 有毅力，人工智能終將成為現實，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：

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

篇（5）

中圖分類號：TP18 文獻標識碼：A 文章編號：1671-2064（2017）01-00218-01

人工智能包含三個層次：計算智能、感知智能和認知智能，訊飛超腦計劃是包含模擬人腦的知識表示與推理、類人學習機制與新知識的獲取、機器加載專業知識成為專門的教育領域。訊飛超腦計劃是基于全球關于人工神經網絡的深度學習研究，簡單來說就是希望未來訊飛超腦計劃能夠將人工智能從只是簡單地能聽會說到能夠深度思考相關問題的科技轉變。人工智能的不斷開拓創新是為了幫助人類能夠更好地生活，我們應該注重人工智能的發展推進，將其廣泛合理地應用到生活的實際中去。

1 訊飛超腦計劃目前取得的階段學習研究成果

1.1 訊飛超腦計劃關于我國現階段關于高中生學習教育的人工智能成果

隨著近年來教育電子多媒體設備的投入普及使用，使目前的高中老師在課堂上更習慣用電子化的教學方式來替代傳統的板書課本單一枯燥的教學，與此同時，現階段高中生也同樣具備使用移動互聯網的條件，這樣就使得科大訊飛超腦計劃的教育產品可以形成以下的模式如圖1所示。

采用此智能的學習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。課堂教學包括了在線課堂、暢言交互式多媒體教學系統以及暢言智能語音等，這種新穎的課堂教學模式使原本單一的教學方式變成了思想上任意遨游的知識海洋；智能考試包含了標準考場、英語四六級網上閱卷、普通話與英語口語測試等方面，智能考試系統從字跡工整的程度、詞匯量的豐富度、語法的正確性與通順性等多個方面來評判考試試卷，加上多年來的不斷改進，人工智能的評判方法跟相關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；學習產品與教育評價更是覆蓋到了從低到高的各個層面的產品組織結構，更有利于高中生的學習與應試教育的公平性。

1.2 訊飛超腦計劃對于提高人類生活水平的成果

隨著人工智能技術在經濟、教育、文化、娛樂等領域的不斷應用，使人們的生活質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展進化與物質文化的進步產生了不可忽視的作用。隨著訊飛超腦計劃的推出，一方面，可以把人類從繁重的勞動中解放出來，很大程度地提高人類生產生活的效率與質量；另一方面，人工智能的進步會極大地革新人類的思維方式，使人們能夠多角度地認知世界，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，進一步推進人類社會的進步。

2 訊飛超腦計劃下人工智能對于未來生活的影響及其發展趨勢

2.1 訊飛超腦計劃下人工智能對未來生活的影響

由于訊飛超腦計劃是感知智能結合認知智能的再創新，使得未來機器將會實現高水平的感知智能，具有更多的包括語音識別、手寫識別以及圖像識別的更多智能感知能力與實現包括智能客服、人機交互等的取代人類腦力勞動的認知智能突破。所以說訊飛超腦計劃下的人工智能在未來的教育、經濟、文化、社會結構等未來生活的各個方面都會產生重大影響。在教育上，人工智能的應用優化了課堂結構，使學生能夠實時接受外界的新知識以及與時俱進的教育模式改革；在經濟上，人工智能的高效能與高效率會明顯提高經濟效益，用人工智能來進行財務管理有助于縮減不必要的人工勞務開支與相關的培訓費用，利于經濟的變革與提高；在文化上，人工智能對于人類語言文化與圖像處理上的優勢日益凸顯出來，可以確定的是人工智能的發展將會深入到人類生活的各個層面中去。

2.2 訊飛超腦計劃下人工智能的未來發展趨勢

隨著人工智能的不斷演進，人工智能從最初能存會算的計算智能階段，到后來的能聽會說、能看會認的感知智能階段，最后再到訊飛超腦計劃下提出的讓機器能理解、會思考的認知智能階段，未來的人工智能在語言理解、知識表達、聯想推理以及自主學習等方面都將會取得很大的進展。

3 結語

人工智能對于未來生活的影響是多方面的，在未來生活的各個方面都十分顯著。與此同時，訊飛超腦計劃下的人工智能不斷的改革創新與發展，也將更快地推動人類的發展，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域時也應不斷提高自身能力與素養，以適應人工智能帶來的不斷創新和改變。

參考文獻：

篇（6）

中途分類號：TP39    文獻標識碼：A     文章編號：

引言:

計算機學科的一個重要分支就是人工智能，它與基因工程、納米科學被列為二十一世紀三大尖端技術、同時人工智能是一門匯集了多種學科相互滲透發展起來的交叉學科。對于人工智能的定義，至今尚未統一，美國斯坦福大學人工智能研究中心尼爾遜教授認為：人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學；麻省理工學院的溫斯頓教授認為：人工智能就是研究如何使計算機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，但這些說法都形象地反映了人工智能學科的基本內容和核心思想，那就是：人工智能是研究如何用人工的方法在計算機上模擬、實現和擴展人類智能的一門科學與技術。

1. 人工智能技術的發展

人工智能（(Artificial Intelligence)從上世紀50年展到現在，有也有低迷的時期。研究的方法和研究的態度也有多種，不管是何觀點,它們都推動著人工智能技術的發展。今天人工智能技術已滲透到人類生活的方方面面，實實在在的影響著科學技術的發展。

2. 人工智能技術的應用

我們可以看到，當今社會很多領域的各種技術的發展都涉及到了人工智能技術。下面就人工智能的幾種典型應用做如下探討：

2.1人工智能應用之問題的求解

人工智能中的問題解求，就是如何讓機器去解決人類會遇到的問題，如何根據某一具體問題找到思考問題并解決這個問題的方法。目前，人工智能技術已經可以通過計算機程序解決了如何考慮要解決的問題，并能尋求較為準確的解決方案。

2.2人工智能應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域之一就是邏輯推理。有關定理的證明就是讓機器證明非數值性的真假。其中比較重要的是，通過找到合理、準確的方法，集中注意力在大型數據庫中的有效事實，關注可信度證明，并在出現新信息時適時修改這些證明。

2.3人工智能應用之自然語言的處理

智能的另一表現就是進行自然語言的交流，自然語言處理就是讓機器與人類進行無阻礙的溝通，這正是人工智能技術應用于實際領域的典型范例。目前此領域的主要研究內容是：如何利用計算機系統以主題和對話情境為基礎，生成和理解自然語言。

2.4人工智能應用之模式的識別

如何使機器具有感知能力也是智能的表現。模式的識別是利用人工智能技術開發智能機器的關鍵，主要是通過計算機用數學技術方法來研究模式的自動處理和判讀，讓計算機實現“看見”，“聽見”等功能。計算機模式識別的主要特點是速度快，準確率高，效率高，計算機模式識別也為人類認識自身智能提供了有利幫助。

2.5人工智能應用之智能信息的檢索技術

在科學技術飛速發展的今天，人類已進入了“知識爆炸”的時代。傳統檢索系統已經滿不足了對如今如此數量巨大以及種類繁多的文獻檢索要求。人工智能科技持續穩定發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的運用勢在必行。

2.6人工智能應用之專家系統

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

2.7人工智能應用之機器人學

機器人對我們并不陌生，已在多個領域獲得了越來越普遍的應用，諸如農業、工業、商業、旅游業、航空和海洋等。那么，機器人學所研究的問題主要包括從機器人手臂的最佳移動到實現機器人目標的動作序列的規劃方法。機器人和機器人學的研究對人工智能思想的發展都起到了促進作用。

3. 人工智能技術發展趨勢

科學技術是第一生產力，但技術的發展往往是遠遠超越我們的想象。就目前的一些前瞻性研究可以看出，未來人工智能技術的發展有如下幾大趨勢：

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中由于意外引起的非預期效應或與預期效應之間的偏差。正在逐漸發展成為搜索和問題歸約這類人工智能的基本技術；另一種問題的求解程序，是把各種數學公式符號匯編在一起。其性能已達到非常高的水平，并正在被許多工程師和科學家應用，甚至還有些程序能夠用經驗來改善其性能。

3.2機器學習

人工智能研究的核心課題之一就是機器學習。我們知道學習是人類智能的重要特征，那么機器學習就是指機器自動獲取知識的過程。機器學習是機器獲取知識的根本途徑，也是機器智能的重要標志。計算機的機器學習主要研究內容為如何讓計算機模擬或實現人類的學習能力。今后機器學習的研究主要是研究人腦思維的過程、人類學習的機理等。

3.3模式識別

用計算機實現模式(文字、聲音、人物、物體等)的自動識別，彌補計算機對外部世界感知能力低下的缺陷，使計算機能夠通過感官接受外界信息，識別和理解周圍環境。依然是人工智能技術今后研究的重要方向。因為模式識別能為人類認識自身智能提供線索，也是開發智能機器的一個最關鍵的突破口。目前計算機模式識別系統的研究熱點主要為三維景物、活動目標的識別和分析方面。傳統的用統計模式和結構模式的識別方法將會被近年來迅速發展起來的模糊數學模式、人工神經網絡模式的方法逐漸取代，特別是神經網絡方法在模式識別中取得較大進展。

3.4專家系統

專家系統是根據某領域中一個或多個專家提供的知識或經驗，進行推理和判斷，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雜問題的智能軟件，它是一個具有大量的專門知識與經驗的程序系統。目前各種專家系統已遍布各個專業領域，因此專家系統還將是人工智能應用研究最廣泛和最活躍的應用領域之一。

3.5人工神經網絡

人工神經網絡，常被簡稱為神經網絡或類神經網絡。是未來人工智能應用的新領域，人工神經網絡是指由大量處理單元（神經元）互連而成的網絡。人工神經網絡具有很強的自學習能力，主要擅長處理復雜的多維的非線 性問題，不但可以解決定量的問題，還可以解決定性的問題，同時人工神經網絡還具有大規模并行處理和分布的信息存儲能力。或許未來智能計算機的構成可能就是作為主機的馮•諾依曼型機與作為智能外圍的人工神經網絡的結合。

4. 結論語

人工智能的基本思想已經在許多領域中得到應用，對于人工智能技術未來的發展還有很多未知的可能，但無論如何發展都將推動人類在科學與生活領域的發展。

參考文獻：

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

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

[3]張妮等.人工智能技術發展及應用研究綜述[J].煤礦機械，2009，（02）：4-7.

[4]亓慧.議當代人工智能的應用領域和發展狀況[J].福建電腦，2008，（05）：33.

[5]蔡自興，徐光.人工智能及其應用[M].北京：清華大學出版社，2003.51-93.

篇（7）

引言

足球機器人系統是一個典型的多智能體系統和分布式人工智能系統，涉及機器人學、計算機視覺[1]、模式識別、多智能體系統[2]、人工神經網絡[3]等領域，而且它為人工智能理論研究及多種技術的集成應用提供了良好的實驗平臺。機器人球隊與人類足球一樣，它的勝負不但取決于機器人本身的性能，而且取決于比賽策略，只有將可靠的硬件與先進的策略結合才能取勝。人工智能技術在足球機器人的平臺上有著重要的作用。從機器人的外觀到機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[4]、人工神經網絡在機器人的路徑規劃[5]上得到充分的應用。

1.人工智能研究現狀

人工智能[6-8]是一門研究人類智能機理，以及如何用計算機模擬人類智能活動的學科，該領域的研究包括機器人、語言識別[9]、圖像識別、自然語言處理和專家系統等，涉及數理邏輯、語言學、醫學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示[10][11]、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

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的函數型語言Lisp、邏輯型語言Prolog及面向對象語言Smalltalk、VC++及VB等，Math-Works公司推出的高性能數值計算可視化軟件Matlab中包含神經網絡工具箱，提供了許多Matlab函數。另外，還有多種系統工具用于開發特定領域的專家系統，如INSIGHT、GURU、CLIPS、ART等。這些實用工具為開發人工智能應用程序提供了便利條件，使人工智能越來越方便地運用于各種領域。

智能機器人是信息技術和人工智能等學科的綜合試驗場，可以全面檢驗信息技術和人工智能等各領域的成果，以及它們之間的相互關系。人工智能技術中的視覺、傳感融合、行為決策、知識處理等技術，需要使無線通訊、智能控制、機電儀一體化、計算機仿真等許多關鍵技術有機、高效地集成統一。人們在很多領域都成功地實現了人工智能：自主規劃和調度、博弈、自主控制、診斷、后勤規劃、機器人技術、語言理解和問題求解等。

2.人工智能主要研究領域

人工智能的研究領域非常廣泛，而且涉及的學科非常多。目前，人工智能的主要研究領域包括：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、智能決策支持系統及人工神經網絡等。下面主要介紹在足球機器人設計、制造、控制等過程中常用的人工智能技術[13]。

2.1專家系統

專家系統是一個智能計算機程序系統，是一個具有大量專門知識與經驗的程序系統，它應用人工智能技術和計算機技術，根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，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雜問題。專家系統一般具有如下基本特征：具有專家水平的專門知識；能進行有效的推理；具有獲取知識的能力；具有靈活性；具有透明性；具有交互性；具有實用性；具有一定的復雜性及難度。

2.2人工神經網絡

人工神經網絡是由大量處理單元互聯組成的非線性、自適應信息處理系統，采用了與傳統人工智能和信息處理技術完全不同的機理，克服了傳統的基于邏輯符號的人工智能在處理直覺、非結構化信息方面的缺陷，具有自適應、自組織和實時學習的特點。神經網絡在很多領域已得到了很好的應用，但其需要研究的方面還很多。其中，具有分布存儲、并行處理、自學習、自組織和非線性映射等優點的神經網絡與其他技術的結合，以及由此而來的混合方法和混合系統，已經成為一大研究熱點。由于其他方法也有優點，因此將神經網絡與其他方法相結合，取長補短，可以達到更好的應用效果。目前這方面工作有神經網絡與模糊邏輯、專家系統、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據理論和灰色系統等的融合。

2.3圖像處理

圖像處理是用計算機對圖像進行分析，達到所需結果，又稱影像處理。圖像處理技術主要包括圖像壓縮，增強和復原，匹配、描述和識別三個部分。常見的處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。數字圖像處理中的模式識別技術，可以對人眼無法識別的圖像進行分類處理，可以快速準確地檢索、匹配和識別出各種東西，在日常生活各方面和軍事上用途較大。

3.人工智能在足球機器人中的應用

3.1基于專家系統的足球機器人規劃

路徑規劃或避碰問題是足球機器人比賽中的一個重要環節。根據工作環境，路徑規劃模型可分為基于模型的全局路徑規劃和基于傳感器的局部路徑規劃。全局路徑規劃的主要方法有：可視圖法、自由空間法、最優控制法、柵格法、拓撲法、切線圖法、神經網絡法等。局部路徑規劃的主要方法有：人工勢場法、模糊邏輯算法、神經網絡法、遺傳算法[14]等。機器人規劃專家系統是用專家系統的結構和技術建立起來的機器人規劃系統。大多數成功的專家系統都是以基于規則系統的結構來模仿人類的綜合機理的。它由五部分組成：知識庫、控制策略、推理機、知識獲取、解釋與說明。隨著人工智能計算智能與進化算法研究的逐步發展，遺傳算法、蟻群算法等的提出，機器人路徑規劃問題得到了相應發展。尤其是通過遺傳算法在路徑規劃中的應用，機器人更加智能化，其運行路徑更加逼近理想的優化要求。以動態、未知環境下的機器人路徑規劃為研究背景，利用遺傳算法采用了基于路點坐標值的可變長染色體編碼方式，構造了包含障礙物排斥子函數項的代價函數，使得路徑規劃中的地圖信息被成功引入到了遺傳操作的實現過程中。同時針對路徑規劃問題的具體應用，改進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，達到了較好的移動機器人路徑規劃效果。

3.2人工神經網絡在機器人定導航中的應用

人工神經網絡是一種仿效生物神經系統的信息處理方法，其優點主要體現在它可以處理難以用模型或規則描述的過程和系統；對非線性系統具有統一的描述；有較強的信息融合能力。因此在移動機器人定位與導航方面，基于神經網絡的多傳感器信息融合正是利用了神經網絡的這些特性，將機器人外部傳感器的傳感數據信息作為神經網絡的輸入處理對象，從而獲得移動機器人自身位置與對障礙物比較精確的估計，實現移動機器人的避障與自定位。

結語

隨著人工智能技術的進一步研究，足球機器人競賽水平將不斷提高。但就目前情況來看，在現有的基礎上擴大應用的范圍，增強應用的效果，還應主要在人工智能技術上做進一步的研究。專家系統在專家知識的總結、表述及不確定的情況下推理是目前專家系統的瓶頸所在。制造生產的多變復雜性及操作的人工經驗性，使人工智能的應用受到限制。此外，一些工藝參數的定量化實現也不易。隨著技術的飛速發展，人工智能技術也在進一步完善，如多種方法混合技術、多專家系統技術、機器學習方法、并行分布處理技術等。隨著新型人工智能技術的出現，制造業將會更加光明，性能更加優越的足球機器人也不再遙遠。

參考文獻：

[1]鄭南寧.計算機視覺與模式識別[M].北京-國防工業出版社，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.機器人智能控制研究進展[J].沈陽建筑工程學院學報（自然科學版），2003，19（1）：61-64.

[6]蔡自興，徐光祐.人工智能機器應用（第三版）清華大學出版社，2004.

[7]艾輝.謝康寧，謝百治.談人工智能技術[J]中國醫學教育技術，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）是一門綜合了計算機科學、控制論、信息論、神經生理學、心理學、語言學、哲學等多種學科互相滲透而發展起來的一門交叉學科[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器或智能系統，來模擬人類智能活動的能力，以延伸人們智能的科學[2]。人工智能不在乎計算機是依靠某種算法還是真正理解人類行為，只需要其能表現出與人相似的行為，它是計算機科學中的―個分支，涉及智能機器的研究、設計和應用。人工智能的研究目標在于怎樣用計算機來模仿和執行人腦的某些功能，并開發相關的技術以及產品，建立有關的理論。人工智能可分為：基本人工智能，包括知識表示、推理；高級人工智能，如模糊邏輯、神經網絡、專家控制；計算智能，如遺傳算法、群集智能。人工智能研究領域的三種主要觀點[3]：符號主義又稱為邏輯主義或計算機學派，其認為符號是人類的認識基元，同時人認識的過程即是對符號的計算與推理的過程；聯結主義又被叫做仿生學派，其主要原理是人類的智能是由人腦的生理結構和工作模式所決定；行為主義又被稱作進化主義、控制論學派，其主要原理是智能取決于感知和行動，它不需要知識、也不需要知識的表示與推理[4]。

2 人臉識別

人臉識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，則進一步給出每張人臉的位置、大小和各個主要面部器官的位置信息，并且依據這些信息，進一步提取每張人臉蘊含的身份特征，并將其與已知人臉庫中的人臉進行對比，從而識別每張人臉的身份。人臉識別的研究起源于19世紀末，其發展大致分成三個階段[5]：第一階段以面部特征為主要研究對象；第二階段稱為人機交互式識別階段，分為采用幾何特征參數來表示人臉正面圖像和統計識別為基礎的方法；第三階段才被稱為真正的自動識別階段，人臉識別技術進入實用階段。

3 常用的人臉識別方法

人臉識別的技術與方法一般分為：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系以及相互之間的參數比例來識別人臉。基于模板的方法也叫做基于表象的方法，利用模板與整個人臉圖像的像素值之間的自相關性進行人臉的識別[6]。通過分析常用的人臉識別方法，本文將人臉識別的方法分為基于幾何特征的方法、基于模型的方法、基于統計的方法、基于神經網絡的方法。

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之間的距離和比率，通過最近鄰方法來識別人臉，但必須手動定位面部特征點，因此屬于半自動系統。側影識別是另一個基于幾何特征的人臉識別方法，其原理是通過提取人臉的側影輪廓線上特征點，將側影轉化為輪廓曲線，提取其中的基準點，然后識別這些點之間的幾何特征。

基于幾何特征的方法非常直觀，能快速識別人臉，只需要較少內存，光照對特征的提取影響不大，缺點是當人臉變化時，特征的提取不精確，并且由于對圖像細節信息的忽略，導致識別率較低，因此近年來少有發展。

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引入到人臉識別領域，它是一組統計模型，用于描述信號統計特性。Cootes等人提出主動形狀模型（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，然后對人臉進行切割并歸一到統一的框架，通過亮度模型解釋和識別與形狀無關的人臉。

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

3.3 基于統計的方法

基于統計的方法將人臉圖像視為隨機向量，采用一些統計方法對人臉進行特征分析，這類方法有較為完善的統計學理論的支持，因此發展較好，研究人員也提出了一些比較成功的統計算法。

特征臉方法由Turk和Pentland提出，該方法中人臉由各個特征臉擴展的空間表示，雖然人臉信息可以有效地表示，但不能對其進行有效鑒別和區分。為取得更好的人臉識別效果，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差異，其中類間差異表示不同對象之間的本質差異，類內差異為同一對象的不同圖像之間的差異，而實際人臉圖像之間的差異為兩者之和。如果類內差異大于類間差異，則認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特征提取方法，奇異值特征具有多種重要性質，如鏡像變換不變性、位移不變性、旋轉不變性以及良好的穩定性等，因此人臉識別領域也引入了奇異值分解技術。

3.4 基于神經網絡的方法

神經網絡用于人臉識別領域也有較長的歷史，Kohoncn最早將自組織映射（Self-Organizing Map，SOM）神經網絡應用于人臉識別，即使當輸入人臉圖像有部分丟失或者具有較大噪音干擾時，也能完整的恢復出人臉。人臉識別中最具影響的神經網絡方法是動態鏈接結構（Dynamic Link Architecture，DLA），對網絡中語法關系的表達是該方法最突出的特點。

用于人臉識別的神經網絡還有：時滯神經網絡（Time Delay Neural Net-works，TDNN），是MLP的一種變形，徑向基函數網絡（Radial Basis Function Network，RBFN）以及能有效地實現低分辨率人臉的聯想與識別的Hopfield網絡等[6]。

與其他人臉識別方法相比，神經網絡方法具有特有的優勢，人臉圖像的規則和特征的隱性表示可通過對神經網絡的訓練獲得，避免了特征抽取的復雜性，有利于硬件的實現，缺點是可解釋性較弱，要求訓練集中有多張人臉圖像，因此只適合于小型人臉庫。人工智能應用在人臉識別、模式識別方面能夠提高運行效率、減小計算量小、程序的代碼編寫更為簡潔。

【參考文獻】

[1]武海麗.初識人工智能[J].科技創新導報，2009，02：196.

[2]王甲海.創新型人工智能教育改革與實踐[J].計算機教育，2010（08）：136.

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

篇（9）

關鍵詞： 人工智能；研究現狀；發展趨勢；社會力量

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

中圖分類號：TP18 文獻標識碼：A 文章編號：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth學會后發展起來的新型學科，其有著涉及學科廣、需要技術高端、使用范圍廣等特點。在過去的50多年時間中人工智能經歷了學科發展中都會遇到的發展——否定——否定的否定階段，現在人工智能大致分成了符號主義學派、行為主義學派、聯結主義學派三大學派。其各有優勢，獨樹一幟。一直以來重大前沿科學研究都是以國家牽頭，等到時機成熟了再轉為民用。這樣無形中浪費了很多社會中的人才，比如android智能機的問世，當開發商源代碼公布后android智能機獲得了飛速的發展。這是社會資源集體作用的結果，人工智能能否通過這種方式獲得飛速的發展呢，文中給出了問題的答案。

1 人工智能的現狀

1.1 人工智能的發展過程 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研究出來的事物。“智能”則是十分復雜的一個詞匯，是指如由意識（Consciousness）、自我（Self）、思維（Mind）（包括無意識的思維（Unconscious_mind））等等組成的有機集合。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、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。關于人工智能的傳說一直可以追述到埃及，直到電子計算機的問世才使人們真正具備了發展人工智能的基本技術，而直到1956年的Dartmouth學會之后“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、社會科學、技術科學交叉的邊沿學科，涉及哲學和數學，認知科學，心理學，神經生理學，計算機科學，控制論，不定性論，信息論，社會結構學，仿生學與科學發展觀等眾多前沿學科。二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能），也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一[1]。

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

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、減輕工作強度的工具。只是受限于當時的科學技術水平，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期，人們制造出了可以自己轉動的大門，自動涌出的圣泉。我國最早的記載是在公元前900多年，出現了能歌能舞的機器人。這一時期出現了各種大家：法國十七世紀的物理學家、數學家B.Pascal、德國十八世紀數學家、哲學家Leibnitz以及二十世紀的圖靈、馮·諾伊曼等。他們為人工智能的發展做出了十分重要的貢獻。

第二階段：第一次期（1956年-1966年）

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在Dartmouth學會上引發一場歷史性事件——人工智能學科的誕生。Dartmouth會議結束后，人工智能進入了一個全新的時代。會議上誕生了幾個著名的項目組：Carnegie-RAND協作組、IBM公司工程課題研究組和MIT研究組。在眾多科學家的努力下，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，開啟了以計算機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計語言LISP。此時出現的大量專家系統直到現在仍然被人使用，人工智能學科在這樣的氛圍下正在茁壯的成長。

第三階段：低谷發展期（1967年-八十年代初期）

1967年之后，人工智能在進行進一步的研究發展的時候遇到了很大的阻礙。這一時期沒有比上一時期更重要的理論誕生，人們被之前取得的成果沖昏了頭腦，低估了人工智能學科的發展難度。一時之間人工智能受到了各種責難，人工智能的發展進入到了瓶頸期。盡管如此，眾多的人工智能科學家并沒有灰心，在為下一個時期的到來積極的準備著。

第四階段：第二次期（八十年代中期-九十年代初期）

隨著其他學科的發展，第五代計算機的研制成功，人工智能獲得了進一步的發展。人工智能開始進入市場，人工智能在市場中的優秀表現使得人們意識到了人工智能的廣闊前景。由此人工智能進入到了第二次期，并且進入發展的黃金期。

第五階段：平穩發展期（九十年代之后）

國際互聯網的迅速發展使得人工智能的開發研究由之前的個體人工智能轉換為網絡環境下的分布式人工智能，之前出現的問題在這一時期得到了極大的解決。Hopfield多層神經網絡模型的提出，使人工神經網絡研究與應用再度出現了欣欣向榮的景象。人工智能已經滲入到了我們生活的方方面面。

1.2 人工智能的主要學派 人工智能發展的50多年時間里，經歷了符號主義學派、行為主義學派和聯結主義學派，三大學派各有特點，各自從不同的角度研究人工智能，為人工智能的發展做出了卓越的貢獻，在人工智能的發展史上留下了濃重的一筆。

1.2.1 符號主義學派 符號主義學派，又稱為邏輯主義、計算機學派或心理學派。符號主義學派理論基礎是物理符號系統假設和有限合理性原理，他們認為人類的認知基元是符號，認知的過程是對符號的計算與推理的過程。人與計算機均可以看做物理符號系統，因此人們可以使用計算機來模擬人的行為。符號主義學派認為人的認知基元可以通過計算機上的數學邏輯方法表示，然后通過計算機自身的邏輯運算方法模擬人類所具備的認知系統的機能和功能，進而實現人工智能[2]。

符號主義學派無視了認知基元的本質，對于所有的認知基元均使用數學邏輯方法表示。符號主義學派重點研究認知基元的邏輯表示以及計算機的推理技術，早期的眾多人工智能的研究都是在這一思想的推動下進行的。符號主義學派在歸結推理、翻譯、數學問題證明以及專家系統和知識工程做出了十分巨大的貢獻，為后期的人工智能研究打下了基礎。專家系統的出現更是將人工智能的研究推上了一個頂峰，其在礦業探究、醫療診查、教育推廣、工業設計的應用帶來了巨大的社會效益。

1.2.2 行為主義學派 行為主義又被稱作進化主義或控制論學派。行為主義學派認為智能取決于感知和行動，不需要像符號主義學派的邏輯知識以及推理。行為主義學派認為人的本質能力是行為能力、感知能力和維持生命及自我繁殖的能力，智能行為是人與現實世界環境的交互作用體現出來的。人工智能應像人類智能一樣通過逐步進化而實現，而與知識的表示和知識的推理無關[3]。行為主義學派的與傳統人工智能截然不同的觀點吸引了眾多的科學家，雖然到現在還沒有獨立完善的知識理論系統，但其在人工智能領域的獨樹一幟還是奠定了其霸主地位。該學派重點研究人類的控制行為，目前已有的機器昆蟲已經證明了行為主義學派的理論正確性。雖然大部分人認為機器昆蟲不能導致高級行為，但是行為主義學派的崛起標志著控制論在人工智能領域有著獨樹一幟的作用。

1.2.3 聯結主義學派 聯結主義學派是近年來最熱門的一個學派，又被成為仿生學派或心理學派，建立于網絡聯結基礎之上模仿人類大腦的結構和工作模式。聯結主義學派主要研究能夠進行非程序的，可適應環境變化的，類似人類大腦風格的信息處理方法的本質和能力，是基于神經網絡及網絡間的連接機制和學習算法的人工智能學派。持這種觀點的學者認為，認知的基本元素不是符號是神經細胞（神經元），認知過程是大量神經元的聯接，而大腦是一切智能活動的基礎，因而從大腦神經元及其連接機制出發進行研究，搞清楚大腦的結構以及它進行信息處理的過程和機理，就有望揭示人類智能的奧秘，從而真正實現人類智能在機器上的模擬。[4]

聯結主義學派通過模擬人類神經網絡模仿人類的認知行為，由此進行人工智能的學習記憶、模式識別。聯結主義學派構建了大量的神經網絡模型，方便在不同的情景模式下選擇相應的模型，進而快速的得出答案。聯結主義學派采用分布式存儲數據，對數據進行并行處理，這樣使得人工智能在處理問題的時候的速度有了明顯的提升，由此聯結主義學派在人工智能領域中受到大家的一致熱捧。

三大學派在人工智能的發展史上有著舉足輕重的作用，每一個學派的興起都代表人工智能的一個新高峰。三大學派各有優缺點，在人工智能領域三者相輔相成，人工智能學科在三大學派的帶領下正在茁壯成長。

2 對人工智能主要理論學派的評述

在過去的50多年時間中，人工智能獲得了巨大的發展，基本實現了從無到有的過程，構建了基本完善的理論知識體系，構建了各種模型，形成各種技術方法，但是人工智能的發展依然任重道遠，前景依然不容樂觀。三大主義學派有著自身獨到的優點，同時也有著各自的缺點，符號主義學派將人的認知基元符號用數學邏輯表示，通過計算機邏輯處理系統分析得出結果，但是在面對沒有明確結果的非確定問題時經常不能得出令人滿意的答案，它對信息要求十分精確完整，現實生活中的很多問題都不能滿足條件，因此符號主義學派的發展受到了一定的限制。行為主義學派認為智能取決于感知與行動，但是缺乏足夠的理論知識支撐學派觀點，而且缺乏足夠的成果表明理論的正確性。學派認為人工智能與知識的表達和知識推理無關，與人類認知的發展是不相符的。聯結主義學派采用仿生學的方法，模擬人腦的神經網絡，通過類似人腦的結構和運行機制模仿人類智能。這一觀點十分有吸引力，在提出之后馬上就有大量的支持者，但是人腦神經系統的復雜性遠遠超出人們的預知，現階段人們對人腦的構造以及運行機制還沒有深入的理解，在此基礎上想模擬出人腦的神經系統顯然是有些不不切實際。聯結主義學派的發展更多的受制于對人腦結構和運行機制的研究，因此其發展相對緩慢。綜上，三大學派固然有著自身的優勢，各自的成果，但是其同樣有著明顯的局限性，人工智能要想進一步發展必須要對現有的發展方式進行創新。

另一方面，人工智能在經歷了兩次期后再次回落到了平穩發展時期，社會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公司的工作，擁有的資源有了大幅度的縮水，研究的進度也受到干擾。在此狀態下沒有重大的技術創新，人工智能恐怕很難再有重大的突破。

3 對人工智能發展的評述

3.1 對人工智能涵義的認識 同樣的詞匯在不同時期的有著不同的解釋，人工智能也不例外，大家都認可的人工智能是指在人類制造的機器工具上實現人類智能，即實現人類的認知能力、行為能力以及解決問題的能力。人類智能有著一個明確的特點，在面對未知問題時，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。符號主義學派的邏輯解決方式、行為主義學派模擬人的行為能力、聯結主義學派的神經網絡，三大主義學派各自以自身的方式實現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研究方向。

3.2 人工智能研究模式的發展 目前人工智能領域中，符號主義學派通過數學邏輯表示人類的認知基元，對數學邏輯經過解讀分析，得到答案，進而實現智能。該學派重點運用還原思想，將人類的認知基元全部使用數學邏輯表示。行為主義學派認為人工智能取決于感知和行動，不需要學習知識與知識推理，是一步步，由低級到高級慢慢進化的。聯結主義學派是通過人工神經網絡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行方式的。而在一系統中，最重要的是系統的運行機制，如何將接受到的信息轉化為我們的知識并通過表述、行為展示出來，在了解了人類智能的運行機制之后，人工智能將會更加符合人們的需求。

3.3 人工智能研究方法的發展 人工智能的目的是消除答案的不確定性，然后做出相應的反應。在消除答案不確定性的時候便有了各種方法，其中有一種便是突出解決問題的目標，在有明確目標的前提下會削弱干擾問題解決的條件，提高人工智能解決問題的效率。明確問題的目標便需要引入目標函數，在動態目標函數的引導下會減弱答案的不確定性。而在已有的人工智能基礎上設立人工智能模型，通過人工智能自身的計算結果結合目前的研究成果去優化目前的人工智能系統，則會提升人工智能的發展速度。

3.4 人工智能時期的發展 人工智能自發展到現在已經經歷了五個時期，在兩次期中人工智能均獲得了迅速的發展。然而現在人工智能的發展步入到了緩慢發展時期，如何將人工智能的發展緩慢時期加速度過同樣是十分嚴肅的問題，傳統說來需要重大的科學進步。我們往往認為人工智能屬于頂端科技只能由國家和超級公司研究，卻忽略了社會所擁有的重大的力量。小小的android智能手機在問世的短短時間內變改變了之前的市場格局，其中固然有著android智能手機的特點，但是我想他的市場策略同樣給與了莫大的助力。人工智能應該向android一樣，適當的開放出來一部分根基，放開其研究門檻，甚至鼓勵民間研究。量變引發質變，當有足夠專家在研究人工智能時，人工智能的研究會加快的。而且民間的研究成果也會作為經驗反作用于人工智能的進一步研究，實現科學與社會的雙贏。

4 結論

人工智能是人們長久以來的夢想，同時也是一門很有挑戰性的學科。像所有的學科一樣，人工智能會經歷各種各樣的挫折，但是，只要我們有信心、有毅力，我們相信人工智能終將會成為現實，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：

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

篇（10）

根據《朗曼應用語言學詞典》中的定義,雙語教學(Bilingual Teaching)指的是用兩種語言作為教學媒介語,通過學習學科知識來達到掌握第二語言的目的。雙語教學作為學科教學延伸,不是簡單的母語加第二語言,而是將第二種語言融進學科知識,通過學習學科專業知識提高學生第二語言的聽、說、讀、寫綜合能力,培養學生用第二語言思考、解決問題的能力,培養適應社會發展需求的高素質、復合型人才,以適應信息時代我國經濟和社會發展的需要。人工智能的主要目標是讓機器具有應用符號邏輯的方法模擬人的問題求解、推理、學習等方面的能力,能夠在各類環境中自主地或交互地執行各種任務,比如水下作業、輸油管道、森林救火等。人工智能的發展,不僅代表計算機等科學技術的發展水平,也是一個國家工業化水平的重要標志。這對高校的教育提出了新的挑戰。因此,選擇人工智能課程的雙語教學模式是非常必要的。

1人工智能課程分析

人工智能是一門多學科交叉的課程,特別涉及控制論、信息論、語言學、神經生理學、數學、哲學等多種學科[1-2]。學習該課程需要具有較好的數學基礎和較強的邏輯思維能力,大多教師、學生在教、學的過程中都顯得比較吃力。如何結合課程的特點,幫助學生找到好的學習方法,使他們能充分發揮自己的能力,提高學習興趣成為教學研究過程中的首要目標。在目前高校提倡雙語教學的環境下,我校已將人工智能立項為雙語教學示范課程。人工智能課程具有如下特點:

(1) 是一門非常前沿的學科。

計算機最初是用來做科學計算的,但隨著計算機科技的迅猛發展,人們開始考慮計算機還可以做些什么,能不能像人一樣學習、思考,然后解決問題?這就是基于人的知識和經驗,用符號推理的辦法讓計算機來做事情,是人工智能最早的研究成果。但是,知識并不都能用符號表示為規則,智能也不都是基于知識的。人們相信,自然智能的物質機構――神經網絡的智能是基于結構演化的。因此,20世紀80年代在人工智能理論發展出現停頓時,人工神經網絡理論出現新的突破,基于結構演化的人工智能迅速成為人工智能研究的新方向。事實上,智能問題無論從廣度還是深度,都遠比人們想象的要復雜得多。因此,我們一刻也不能放棄鉆研,并且要時刻關注該領域發展的最新動態。在高校開展人工智能課程的雙語教學,可以促使學生了解該領域以及相關領域,如模式識別、機器視覺、智能檢索、人工生命等發展的最新動態,掌握大量的專業詞匯,鍛煉理解問題、解決問題、了解領域文化等實際能力,對培養國際化、工程化、實用化的復合型人才等具有重要的現實意義。

(2) 涉及面寬、難度大。

人工智能是一門多學科交叉的、極富挑戰性的前沿學科,它幾乎涉及于社會科學和自然科學的每個領域。人工智能課程是一門理論性非常強、知識點比較分散、知識更新快的課程,它以編程語言、數據庫原理、概率統計、數據結構、離散數學以及編譯原理等前趨課程為基礎,還涉及到控制論、信息論、通信原理、圖像處理、模式識別等課程。因此,人工智能課程的知識點難度較大。通過該課程的雙語教學過程,學生不但學習了課程的專業知識,而且還學習了相關理論課程的第二語言表示方法及應用情況,對于培養具有個性化的多層次人才具有重要的價值。

人工智能課程的特點決定了它的雙語教學也具有很大的難度。根據普通高校的實際情況,我們組織了人工智能的雙語教學體系結構,教學實踐表明,該模式行之有效。

2人工智能雙語教學體系結構

要達到雙語教學的目的,就必須將傳統的“注入式”教學模式改變為新型的“以學生為中心”的教學模式。然而,這種“以學生為中心”的雙語教學模式是多樣化的,其教學過程是復雜的,在我國還處于探索階段[3-5]。在人工智能課程的教學過程中,根據學生的實際情況,我們采用課堂教學多樣化、基于CDIO理念的實踐教學,不斷地探索研究,形成高校人工智能雙語教學體系結構,如圖1所示。

計算機雙語教學的正常開展,必須依托優秀的計算機專業外語教科書和教學參考用書。根據學生的實際情況,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計算機系本科教材,不僅內容豐富、取材新穎,更重要的是內容組織結構比較符合學生的認知規律,便于學生學習、理解。參考書主要選用了蔡自興、徐光v老師的《人工智能》。

3雙語教學方法

由于人工智能是一門非常前沿、涉及知識面寬、應用范圍廣的學科,因而在教學的具體過程中,我們多種教學手段并用,主要采取理論聯系實際的案例驅動講授、CDIO實踐模式、綜合考證等講授方法。

3.1理論教學

(1) 修改教學大綱和課程設計的實驗大綱。參考吸收國外先進教材中的內容,結合普通高校的實際情況,形成有針對性的、合理的教學體系。

(2) 采用多種教學方法和手段。設計和制作簡潔、易懂的英文電子教學課件,采用多媒體教學手段,豐富教學內容。建設課程網站,電子課件在網上公開,幫助學生預習專業詞匯、了解教師講解線索和重點內容,降低學習難度。

(3) 課堂提問。提問一些重要內容,鼓勵學生積極思考,既能加深學生對所學課程知識的理解,也有利于其英文表達能力的提高。

(4) 案例驅動法。將有意義的案例貫穿在教學過程中,培養學生的興趣,提高學生分析問題、解決問題的能力;

(5) 課后小組討論。每6～8位同學分為一組,實行小組長負責制,組織學生討論和解決學習中遇到的問題,交流學習心得,一方面起到溫故而知新的作用,同時培養團隊協作精神。

3.2實踐教學

由于學生的英語水平、專業基礎知識以及知識面都有差別,因此教師必須因材施教,培養學生的興趣。實踐課題來源于實際工程,將CDIO理念貫穿于實踐教學過程中,提高學生綜合創新能力與團體協作精神。

(1) 實驗題目多樣化。學生可以選擇,也可以根據老師的要求自己構思,以培養學生的興趣與查閱資料的能力。

(2) 分工與合作。來源于工程實踐的題目,學生通常很難在短時間內獨立完成,因而需要分工合作,培養學生的協作精神。

(3) 整體設計方案的靈活性。學生領會題目本意,自主設計解決方案,培養學生分析問題、解決問題的綜合創新能力。

(4) 編程實現。培養學生的編程能力,形成科學的編程風格。

3.3考核方式

(1) 多種形式的平時測試(30%)。主要包括平時測驗、討論、作業等。主要考察學生對基本知識的掌握,英文表達能力以及知識面的拓寬等。

(2) 實踐教學(30%)。主要考察學生對實踐題目的理解、整體方案的設計、團隊間的協作精神以及實現結果等。

(3) 期末考試(50%)。試題全部用英文形式出現,鼓勵學生用英文作答。

人工智能課程采用雙語教學,可以使學生最準確地理解專業知識,又可以使英語和專業課的學習相互促進。

4教學效果分析

課程結束后,我們對學生進行了教學效果討論與調查,結果如表1所示。

從本課程討論和調查的結果以及其他普通高等院校的雙語教學調查結果可以看出,雙語教學效果基本上達到了要求。但也存在一些值得思考的問題:不適應的人數比例偏高,專業知識的學習效果一般,甚至有學生因為跟不上進度放棄專業課的學習。為此,提出以下的建議:

(1) 加強學生認識。學生必須從思想上認識到人工智能雙語教學的重要性,克服教學過程中的種種困難、持之以恒,主動與同學、老師進行討論,密切關注學科發展動態。

(2) 提高實施條件。雙語教學過程中,學生是主體,教師是關鍵。因此,要求老師要有較高的專業知識和英語水平,學生要有較好英語基礎。

(3) 完善教學體系結構。雙語教學在我國還處在探索階段,因而必須在教學實踐過程中不斷地改進完善雙語教學的體系結構。

只有解決好這些問題,才能培養出更高素質的復合型人才,適應國內外科學與經濟發展的需要。

參考文獻:

[1] Nils J Nilsson. Artificial Intelligence A New Synthesis[M]. 北京:機械工業出版,2002.

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

[3] 賀志榮. 雙語教學的實踐與思考[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. 我國雙語教學的歷史發展階段綜述[C]. 安徽黃山,2007年全國測繪學科教學改革研討會,2007.

[5] 湯東. 中外高校雙語教學模式的比較研究[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