人工智能教育的背景范文
时间：2023-08-25 17:21:28
导语：如何才能写好一篇人工智能教育的背景，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
先给大家重点推荐一本期刊：中国职业技术教育
中国职业技术教育杂志征稿信息
《中国职业技术教育》杂志是由中华人民共和国教育部主管，教育部职业技术教育中心研究所、中国职业技术教育学会和高等教育出版社共同主办的一份综合性中文期刊，集政策指导性、学术理论性和应用服务于一身，是教育部指导全国职业教育工作的重要舆论工具，是服务各级各类职业教育机构的主要阵地。
中国职业技术教育投稿栏目：主要有职教要闻、专稿专访、综合管理方略、课程教材、教研与教学、师资队伍建设、研究与探讨、职业指导、职业培训、高等职业教育等栏目。
再给大家推荐职业教育范文：人工智能背景下职业教育变革及模式建构
董文娟1，黄尧2(1.天津大学教育学院，天津300350；2.北京师范大学国家职业教育研究院，北京100875)
摘要：顺应人工智能时代的浪潮，基于新兴技术的职业教育变革及新模式建构势在必行。该文从职业教育智慧化、经济发展、政策保障、信息化生态重构四个方面，剖析了人工智能时代职业教育变革的现实诉求，并进一步分析了当前职业教育外部环境及其自身发展的困境。人工智能背景下职业教育的变革体现出融合、创新、跨界、终身化的新特征。基于此，从课程、教学、学习、环境、教师发展、评价、教育管理及组织等方面，探究职业教育的变革路径及模式建构。最后探讨了职业教育模式变革还面临回归教育本质、规避技术弊端等挑战，并提出“适应—引领人工智能”的发展目标。
关键词：人工智能；职业教育变革；模式建构；智慧化
“人工智能的迅速发展将深刻改变人类社会生活、改变世界。特别是在移动互联网、超级计算等新理论、新技术及经济社会发展强烈需求的共同驱动下，人工智能发展呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。”[1]人工智能作为新一轮产业变革的核心驱动力，为我国供给侧结构性改革下的“新常态”经济发展注入新动能，使人们的思维模式和生活方式发生了深刻变革。近年来，国家高度重视与社会经济发展联系最为密切的职业教育，积极推进职业教育信息化，运用人工智能改革教学方法和人才培养模式，构建新型智能职教体系，提升信息技术引领职业教育创新发展的能力。
一、人工智能背景下职业教育变革的现实诉求
人工智能对传统教育理念产生了革命性冲击，职业教育结构不断调整，劳动力素质与市场需求的矛盾、学习方式与自我价值实现的矛盾等促使职业教育向智慧化、智能化发展。目前，我国处于教育信息化2.0、工业4.0的新时期，全球范围内新一轮的科技革命和产业变革正在加速进行。“一带一路”“中国制造2025”人工智能等重大国家战略的提出，及以新技术、新产业为特征的新兴经济模式要求教育领域，尤其是职业教育培养行业、产业急需的技术技能型、智慧型人才，具备更高的创新创业能力和跨界整合能力，促进智慧化发展，助力经济转型升级。
(一)职业教育智慧化诉求：职业教育信息化发展的必然选择
“智慧教育是以物联网，大数据等信息技术为依托，创造智慧教学环境，转换教育方法，内容与手段，注重教育网络化，个性化和智能化的一种教育新模式。”[2]智慧教育作为“一种由学校、区域或国家提供的高学习体验、高内容适配性和高教学效率的教育行为(系统)”，被视为教育信息化发展的高端形态[3]。因此，职业教育的智慧化并非简单的数字化，强调信息技术推动职业教育教学模式和方法的变革，改变思维模式，创建价值等方面共享的学习共同体，培养创新型、智慧型人才。
职业教育智慧化是职业教育信息化发展的必然选择。目前，我国的职业教育信息化水平正在稳步提高，投入持续增加，各种智能信息技术应用于教育教学、实习实训、测量评价等领域，并逐步成熟，正在努力打造一个信息化、智慧化的现代职业教育生态系统。新时期我国很多地区及职业院校积极提升现有信息化系统的智慧化水平，积极创建智慧校园、智慧社区等，逐步实现了组织管理的智慧化、资源环境的智慧化和服务评价的智慧化。
(二)经济发展诉求：人工智能时代的新兴经济需要高技能智慧型人才
人工智能时代职业教育运用移动互联网、大数据等新兴技术，与经济及其他部门跨界融合，不断创造新产品、新业务，推动职业教育模式创新，形成了以互联网为基础设施、人工智能为实现手段的经济发展新常态。人工智能时代是以现代科学技术为支撑的新时代，各行各业的运作发展和对知识技术的掌握要求达到了更高层面，相应的教育需求也有所提升，市场环境渴求勇于创新、个性化的高技能智慧型人才。职业教育要应对行业上升发展的劳动力需求问题，基于人工智能应用，提高技能培养层级，以适应新的社会劳务需求。现代企业生产依托互联网科技，与智能化设备直接联接，通过数据分析和应用，促进科技成果转化为生产力。劳动密集型企业已不适应现代行业、产业发展，需升级为网络智能型，与此同时，职业院校的课程模式、专业设置、实习实训、师资结构等也做出相应的调整和革新，既促进了职业教育的智慧化、智能化，又推动了产业升级和工业变革。
(三)政策保障：国家从宏观层面保障人工智能时代的职业教育发展
2016年是我国人工智能元年，2017年我国颁布了《新一代人工智能发展规划》，提出了“将发展人工智能放在国家战略层面进行系统谋划和布局”，这预示着我国人工智能时代的全面到来，为我国职业教育的发展提供了良好的宏观政策环境。人工智能给职业教育带来了符合时代精神的新内容，积极融合信息技术，整合职业教育资源，提升公共服务水平，影响和改变了原有的教育生态。紧密依托信息共享平台，突破时空限制，让学习者自我选择，更加人性化和智能化。我国很多职业院校已经开启了智慧校园的行动计划，一些大中城市也在积极制定实施智慧城市的发展规划，在良好的政策保障中提升智慧化水平。
(四)信息化生态重构诉求：人工智能时代的职业教育变革是对职业教育信息化生态系统的重构
“依据《2006-2020年国家信息化发展战略》，我国正在有序推进数字教育向智慧教育的跃迁升级和创新发展。”[4]在新兴智能信息技术的催促下，技术变革带来了职业教育系统的颠覆性创新改革，打破现有的条条框框，改革传统教育模式，再造教育业务新流程。在职业教育领域创新应用物联网、大数据、人工智能等先进技术，提升各科各门教育教学业务，打造各级各类智能实训部门、培训机构，覆盖贯通中高职院校，整合系统内外现有资源，推进智慧教育生态有序发展，为各类用户提供最适合、最智能的职业教育资源和服务，完成对职业教育信息化生态系统的重构。
二、当前职业教育发展的现实困境
人工智能对各行各业的影响具有革命性和颠覆性，可能带来新的发展机遇，也可能带来不确定性的挑战，比如可能会改变就业结构、影响政府管理、威胁经济安全等，还可能会冲击法律与社会伦理，影响社会稳定乃至全球治理。当前，人工智能与“大众创业、万众创新”浪潮席卷而来，职业院校既是人工智能应用的战场，又是培养技术创新型人才的“梦工厂”[5]。人工智能时代的职业教育信息化发展迅速，影响是广而深的，对职业教育外部环境及其本身都造成了极大的冲击。
(一)职业教育外部环境发展困境
“据联合国教科文组织预测，到2020年，人工智能将替代20亿个工作岗位”[6]，那些技术含量低、重复性强的技能将被智能机器、数码设备所替代，工业机器人也将大面积应用。智能设备替代行业劳动力，能够降低劳动成本，且具有高效、易操作等竞争优势。传统职业教育培养模式很难适应未来行业、产业的发展需求，人工智能冲击职业教育就业岗位，撼动其所依附的岗位基础，对职业教育的生存与定位产生了威胁。因此，根据智能时代职业教育的岗位特征与需求，提升职业人才的知识结构和专业技能，是新形势下职业教育的发展方向。
(二)职业教育自身发展困境
近年来，人工智能在职业教育领域内的应用和提高是目前职业教育的发展趋势。我国重视职业教育信息化、智能化发展，各级各类职业院校在信息化基础设施建设、校园信息化管理等方面都有了显著提升，但信息技术与职业教育的深度融合仍不够紧密，表现出信息化管理效率低、科学决策水平低等现象。人工智能背景下职业教育自身发展的困境表现在：
1.课程与教学困境
职业院校新课程改革提倡构建智慧课堂，制定个性化学习计划，注重课堂实施效果。但目前的实际课程教学仍是以教师为中心，强调知识的灌输，重视统一性和计划性，与教育改革提倡的个性化教学相去甚远。教学方法、教学理念更新慢，很难激发学生的内在学习动力，创新性思维弱，使得个性化教育的无法实现。近年来，中央、省、市、县四级教育平台逐步建立起来，课程与教学的层级设计逐步完善，但在实施的过程中，各级平台之间存在沟通不畅等问题，各级资源内容不系统，不衔接，导致无序叠加和资源的重复浪费，“精品课程”等项目丰富了课程资源，但质量不高。在线课程与教学以传统的科目、章节为单元，构建系统性的在线教育内容，为用户提供专业化的知识选择，但由于受时间条件等限制，大多数受教育者习惯于碎片化学习，连贯性和整体性差，缺乏对课程与教学体系的系统性学习。
2.认知困境
随着人工智能时代的到来，许多职业院校将“未来教室”“智慧课堂”定位为未来发展方向，进行了多种尝试和改革，如MOOC混合教学、翻转课堂、多屏教学等，但“管理者和施教者对智慧教育的理解多停留在‘智慧课堂=多媒体+传统教学的层面’，教学观念和思维依然固化，并没有因为新技术的参与而得到实质改变”[7]，缺乏对多媒体网络架构和智能学习平台的深层认识，更缺乏对管理评价和互动交流等模块的理解与掌握，虽投入大量人力财力采购了数量巨大、设备精良的多媒体设备和智能服务设备，但没有充分有效使用，大大限制了智慧教育的发展潜力。
3.用户困境
传统教学以群体教育为基本单元，教师和学习者作为学习共同体，在管理、学习的互动过程中形成强大的群体约束力，促进双方共同进步。在信息化教育时代，学习者自由掌握学习时间和进度，遇到问题可能无法及时解决并获得反馈，无法进行面对面交流，因此，基于人工智能网络化学习平台，学习者需要高自控力、高学习能力才能适应这种全新的学习方式。
4.评价困境
传统的评价方式多依靠经验和观察，智慧型评价则是基于学习过程的一种发展性评价，以采集到的学习数据为客观基础。在人工智能、数字信息化环境下教育效果的评价实际要受到很多因素的影响和局限，在信息技术与职业教育融合的过程之中，许多智能技术应用于教育教学实践，难以进行定性定量的智慧评价，如互动交流及深层次的学习评价等。
三、人工智能背景下职业教育变革的新特征
人工智能带来了思维模式的创新，改变了人们认识问题、思考和解决问题的方式，越来越多地依赖人与智能网络的协同创新。人工智能背景下的职业教育变革围绕经济社会发展大局，“主动服务国家重大发展战略，加大虚拟现实、云计算等新技术应用，体现校企合作、知行合一等职教特色，以应用促融合、以融合促创新、以创新促发展。”[8]人工智能背景下职业教育的变革必将加速推进职业教育的现代化、智能化进程，表现出了融合、创新、跨界和终身化的新特征。
(一)融合
人工智能技术科学应用于当前职业教育，在最短的时间内整合、重组大量的知识信息，形成科学的技术技能知识体系，为职业教育资源、企业资源、产业资源、社会资源等一切有可能联结的资源融合提供了可能。为促进职业教育的智慧化发展，在现有的合作模式、集团模式、产教融合模式等实体协作发展的基础上，建立智能互动的智慧教育供给平台、常态化智慧课堂和大数据化智慧教育生态系统，为我国新兴经济发展提供高技能、智慧型人才支撑。
(二)创新
信息化时代下“变”为创新立足之要点。创新时代最需要提升的就是创造智慧。“由知识的理解记忆，转向知识的迁移、应用并最终指向创造发明”[9]，以提高学习者的学习能力和应用能力，提升其创新思维和智慧思维，不断开拓人类社会发展的高度和宽度。智能化、信息化的时代是创新不断的时代，是原有知识不断被更新、技术不断被升级的时代。人工智能促使社会化协同大规模发展，促进职业教育体系核心要素的重组与重构，创新生产关系，呈现出新的协作架构，开创了新的教育供给方式，增加了教育的选择性，推动了教育的民主化。学习者能够按照自己的价值观、兴趣与爱好等选择适合自己个性发展的学习方式和学习内容，促进学习者个性化、多样化发展，最终实现教育公平。
(三)跨界
智能科学与职业教育连接起来，搭建起两者沟通的桥梁，跨越了人工智能虚拟教育和线下实体教育的界限，实现了两者之间的融合。教育供给由竞争资源转变为协同合作，直线型的中心组织管理转向去中心化、泛化管理。通过大数据智能技术平台、远程教育平台等对职业教育资源进行整合共享，跨越教育边界，与市场、行业、企业以及职业教育培训机构对接，提供更加便捷的智慧化服务。
(四)终身化
人工智能时代职业教育的变革坚持“以人为本”的教育理念，满足学习者在任意时间、任意地点、以任意方式、任意步调终身学习的需求[10]。打破了地域和时间的限制，体现了教育的泛在化、个性化和终身化，与终身教育理念的发展目标不谋而合。人工智能时代社会经济发展加快，人们追求高层次自我价值的实现，充分体现出终身学习的必要性和紧迫性。目前，我国正在积极创建泛在学习环境，致力于构建终身化学习型社会，努力创造有利条件向全民提供终身教育与学习的机会。
四、人工智能背景下职业教育发展的模式建构
人工智能背景下职业教育的变革预示着全新思维意识形态、社会发展形态的变革，重塑职业教育可持续发展的新思维，重构信息时代职业教育的价值链和生态系统。智能化技术科学将现代职业教育内部各要素，以及内部要素与外部环境之间，通过虚拟技术和智能化手段互联贯通，突破传统教育价值的链状模式，使职业教育由传统模式走向“人工智能+职业教育”模式的建构。人工智能对职业教育课程、教学、评价、管理、教师发展等方面产生系统性影响，为职业教育提高教育质量和提升服务水平提供了技术支持和现实路径，解决不能兼顾职业教育规模和质量的矛盾问题。下面将从课程、教学、学习、环境、教师发展、评价、教育管理及组织等方面来探究职业教育的变革路径及模式建构。
(一)人工智能背景下职业教育的课程模式
人工智能时代的信息知识、科学技术正在以前所未有的速度增长、更新和迭代，呈现出了碎片化、多元化、创新性、社会性的特征。人工智能背景下职业教育的课程模式是为学习者提供按需可随时选择的知识储备智能模式，解决了传统职业院校课程教学的滞后性，呈现的是现代职业教育的前沿信息和内容。课程革命愈演愈烈，灵活多样的微课、慕课等形式层出不穷，在线课程将成为常态，信息传播媒介、知识获取方式等都发生了巨大改变，课程内容和结构的表现形态、呈现方式、实施及评价等也都进行了相应变革。智能化信息科学技术为课程的设计、架构、实施提供了快捷和便利，为学习者的个性化、终身化选择提供了多种渠道。人工智能背景下职业教育的课程模式的建构表现为：首先，线上线下融合的大规模开放课程融入现代职业教育，课程的表现形态和实施途径呈现出智能化、数字化、立体化的特征，成为学校常态课程的有机组成部分，为学习者提供了更多的可选择机会，使实施个性化课程成为可能。现代职业教育的课程内容强调学术性与生活性相互融合与转化，融入社会资源，立足于我国社会经济的新常态和学习者的全面发展，实现社会化协同发展，共赢共创；其次，课程实施的空间得以拓展，跨越了社会组织边界、职业院校边界，将从班级、年级、全校扩展到网络社区以及更大的空间。课程的整体结构从分散走向整合，以技术为媒介，形成跨学科、多学科整合的课程；最后，课程内容的组织、课程的实施逐步模块化、碎片化、移动化与泛在化，社会化分工更加精细，教师也将承担教学设计、技术开发、在线辅导等不同的角色。
(二)人工智能背景下职业教育的教学模式
人工智能时代将信息技术有效地融合于职业教育各学科的教学过程，从知识的传递转变为认知的建构，从注重讲授和内容，转变成重视学习过程[11]，构建“以教师为主导，以学生为主体”的以数字化、智能化为特征的智慧教学模式，重视学生的主体地位，引导学生“自主、探究、合作”。人工智能背景下职业教育的教学模式的建构表现为：首先，人们的学习方法、认知方式和思维模式已经发生了巨大的转变。信息化教学使得信息技术已成为学习者认知的必要工具，认知方式也由“从技术中学”转型为“用技术学”。其次，信息化教学的重点从“面向内容设计”转变到“面向学习过程设计”，更加重视学习者发现问题、分析和解决问题能力的培养，关注学习者的学习过程，以及其获得学习活动的体验。同时，信息化教学要将课堂内的学习知识和课堂外的实践活动联结互动，按照学习者的个性化需求和认知方式自主选择学习内容。第三，智慧教学将成为课堂教学的新重点。日常教学工作形态不再是点线面的连接，而是呈现为智能化、立体化的教学空间，智慧课堂将会促进学习者的深度学习、交互学习和融合学习，智能备课、批阅以及个性化指导等也将成为教育者新的教学工作形式。从机械评价学习结果转变成适应性评价学习结果。第四，在线教学、整合技术的学科教学法将成为新的教学形态，促进教育均衡发展，实现跨学校、跨区域的流转。移动学习、远程协作等信息化教学模式，能够实现教师的“教”与学生的“学”的全面实时互动，最大限度地调动学习者的主观能动性，提升教学质量与人才培养质量。
(三)人工智能背景下职业教育的学习模式
智能系统和互联网络为学习者提供了丰富多元的学习资源和环境，推进了教育教学活动与学习环境的融合发展，人工智能背景下职业教育的学习模式也逐步建立起来，具体表现为：首先，智能时代的互联网络全面覆盖每一个人、每一个角落，活动空间由课堂内拓展到课堂外，学习与非正式学习正在互相补充、互相与融合，导致学习者的学习行为变化、学习方式的革新。其次，基于互联网出现了一批创新的学习方式，借助情景感知技术及智慧信息技术，进行真实过程体验的情境学习，促进学习者知识迁移运用的情境化和社会化。第三，借助互联网云技术和各种应用工具，学习者可根据自身学习需求，选择最优学习方式，也可利用数据分析技术，追踪记录学习路径和学习交互过程，随时随地获取个性化教学服务和量身定制的学习资源，拓宽了智慧教育视野。第四，各职业院校开始拓展校园智慧学习的时间和空间，以实现虚拟和现实相互结合的智慧校园育人环境。推进网络学习空间建设，加强教与学全过程的数据采集和分析，“引导各地各职业院校开发基于工作过程的虚拟仿真实训资源和个性化自主学习系统”[12]，强化优质资源在学习环境中的实际应用。
(四)人工智能背景下职业教育的环境模式
智慧教育环境是以大数据、多媒体、云计算等智能信息技术为基础而构建的虚实融合、智能适应的均衡化生态系统。信息技术与职业教育的深度融合，为师生的全面发展提供了智慧化的成长环境，如智慧云平台、智慧校园。人工智能背景下职业教育的环境模式的建构表现为：首先，智慧教育环境将信息技术与职业教育服务结合、面对面教学和在线学习结合，形成数字化的、虚实结合的职业教育智能服务新模式。其次，智慧教育环境将促进各种智能化、数字化信息技术融入职业院校的各个业务范围和业务领域，与系统内的其他业务横向互联、纵向贯通，且信息能够适时生成和采集，全过程实现数字化与互联化。第三，智慧教育环境能够感知学习者所处的学习情境，理解学习者的行为与意图，满足学习者的个性化需求，提供多元化的适应服务和智能感知的信息服务。互联网应用基于智能数据分析，实现智能调节与自动监控，为学习者提供定制式的学习服务和个性化的学习环境。未来教室必将变成“虚拟+现实”的智慧课堂，在网络空间中参与线上课程、线下活动，实现线上线下互动交流。同时，智慧校园的创建和管理，能够对每个班级、学区进行动态管理，构建出一个以问题、任务为线索，学生实现自主学习的知识体系和促进师生互动、生生互动的智慧管理平台。到2020年，“90%以上的职业院校建成不低于《职业院校数字校园建设规范》要求的数字校园，各地普遍建立推进职业教育信息化持续健康发展的政策机制”[13]，以学习者为中心的自主、泛在学习普遍开展，精准的智能服务能够满足职业教育的终身化定制。
(五)人工智能背景下职业教育的教师发展模式
人工智能背景下职业教育的变革对教师的专业发展、素质能力提出了新要求，改变了教师的能力结构和工作状态。教育信息化大背景下，互联网技术、多媒体手段的产生、智能化设备的使用极大提高了教师的专业发展和能力素养，以适应新课程改革与教育信息化的要求。人工智能背景下职业教育的教师发展模式的建构表现为：首先，新时代教师专业发展的内在要求和外在环境都要求教师能够认识、了解和应用互联网新技术工具，促使教师专业发展能力和素养的提升和丰富。其次，教师的专业发展要面向实际、情境化、网络化的教学问题，教师需要在多变的教育情境中综合运用核心教学技能，将信息技术知识、学科内容知识、教学法知识很好地融合并迁移运用。新时代的教师要学会掌握使用智能化设备和数字化网络资源，积极加强与其他专家、教师的合作，或远程工作，形成基于智慧教育技术的多元化的学习共同体。教师的工作状态由个体的单独工作转变为群体的共同协作，大大提升了教师的工作效率。第三，信息化背景下教师的教学理念要发生转变，由促进学生“接受学习”转变为“主动建构”，由“被动适应”转变为“主动参与”，越来越强调以学生为中心的过程体验，从了解信息技术转变为掌握智慧教育技术，保持学科知识，教学方法，核心技术的动态平衡，促进学生智慧学习的发生。第四，信息化教师要学会使用智能化教育技术，积极开发数字化学习资源，创设丰富多元的教学活动，鼓励学生掌握智能信息工具，学会探究和解决问题，发展提升学生的创新思维能力和信息化学习能力。教师的信息化教学能力和素养全面提升，信息技术应用能力实现常态化。
(六)人工智能背景下职业教育的评价模式
现代教育价值趋于多元，以互联网为基础的智能化信息技术使教育评价在评价依据、评价内容、评价主体等多个方面实现了全面转变。人工智能背景下职业教育的评价模式的建构表现为：首先，互联网信息技术应用于学习过程使得伴随式评价成为可能，更加关注学习者的个体差异和特点。强调过程评价和多元共同评价，更加客观全面，重视评价过程的诊断与改进功能，以促进学习者的个性化发展。其次，互联网、大数据、智能云技术的出现使得评价的技术和手段多样化、智能化，节省人力物力财力，提高了评价的科学性、针对性。第三，以大数据为基础的适应性评价因人而异，可获得及时反馈，可真实地测评学习者的认知结构、能力倾向和个性特征等，从知识领域扩展到技能领域、情感、态度与价值观，构建以学习者核心素养为导向的教育测量与评价体系，促进学习者发展。
(七)人工智能背景下职业教育的管理模式
智能化信息技术、云计算技术、大数据技术等能够促进大规模社会化协同，拓展教育资源与服务的共享性，提高教育管理、决策与评价的智慧性，因此，基于互联网的教育管理必将逐步走向“智慧管理”模式。人工智能背景下职业教育的管理模式的建构表现为：首先，互联网将家庭、学校、社区等紧密、方便地联系在一起，拓宽了家长和社会机构参与学校管理的渠道，各利益相关者可共同参与现代职业院校的学校管理，协作育人。其次，新时代的职业院校管理模式通过可视化界面进行智能化管理，业务数据几乎全部数字化，能有效降低信息管理系统的技术门槛，使管理工作更加轻松、高效。通过深度的数据挖掘与分析，能够实现个性化、精准资源信息的智能推荐和服务，为管理人员和决策者提供及时、全面、精准的数据支持，以提高决策的科学性。第三，通过互联网信息技术可以实现全方位、随时的远程监督与指导，从督导评估转变为实时评估，可以实现大规模的实时沟通与协作，促进社会化分工，促进职业院校内部重构管理业务流程，使管理智能化、网络化、专业化。
(八)人工智能背景下职业教育的组织模式
人工智能时代信息科学技术的蓬勃发展冲击着学校内部的组织结构向智能化、网络化的方向发展，各职业院校需要合理调整内部组织结构和资源分配，通过互联网加快信息流动等方式，提高各职业院校组织管理的效率和活力。人工智能背景下职业教育的组织模式的建构表现为：首先，当今时代人工智能的产生不可能替代学校教育，但可以改变学校教育的基本业务流程。人工智能推动了学校组织结构向网络化方向发展，教学与课程是提供信息数据的重要平台，学校组织则构成了教育大数据生态系统。其次，“互联网+职业教育”的跨界融合将打破学校的围墙的阻隔，互联网将学校组织与企业、科研院所等社会机构紧密联系起来，提供优质教育资源供给，共同承担知识的传授、传播、转化等功能，促进学校组织体系核心要素的重构。第三，建设“智慧校园”，实现线上线下融合的智慧校园育人环境，实施一体化校园网络认证，推动智能化教育资源共建共享，实现职业教育信息化建设的均衡发展。
五、人工智能背景下职业教育的模式变革面临的挑战及发展目标
人工智能将推进大数据、云技术等智能信息技术深层次融入职业教育课程与教学、组织与管理、评价与反馈等领域，形成社会化多元供给，为学习者提供多样化的参与方式、自主选择的学习形式和及时获得反馈的评价途径，有利于实现职业教育的共建、共享、共治。但其全面实现，还面临着诸多挑战。
(一)挑战
首先，职业教育的新模式建构需要充足的资金支持。各职业院校积极建构智慧校园，努力实现智慧化产学研环境，打造一体化智慧城市网络等核心技术的开发，都需要资金的根本保障。政府要给予资金政策保障并加强监管，资金管理部门要合理规划，合理利用，专款专用，落到实处。其次，职业教育的新模式建构的成果表现离不开学习者对技术的理解、掌握和应用。在实际实施过程中，教育工作者既要利用信息技术优势变革职业教育，也要避免技术中心主义倾向，“避免一味追赶技术新潮而不顾学生身心健康等，技术本身是一个祸福相依的辩证法。”[14]第三，“目前的教育实践中，仍未能充分实现人机合理分工和双边优势互补。人工智能终端系统擅长逻辑性、单调重复的工作，而人类则更适合情感性、创造性和社会性的工作。”[15]现阶段，信息化技术水平还有待提高，智能机器不能完全胜任知识传播、数据处理等工作，有待于进一步开发和完善，绝对依赖互联网络和设备，还存在一定的风险。
(二)发展目标
人工智能时代职业教育变革重新架构了职业教育发展模式，完成了对资源的重新整合配置，改变了人的思维方式、学习方式和生活方式。人工智能时代下没有职业教育模式的改革，就不可能建构真正的现代化职业教育。人工智能背景下职业教育的发展目标可以概括为个三方面：
1.“智慧脑”与“智能脑”融通
随着第四次产业革命的到来，信息技术爆发式发展，造就了以电脑、互联网为基础的智能脑。职业教育智慧化发展的一个目标就是如何让学习者发挥人脑“智慧脑”与机器设备“智能脑”的“双脑”共同协作[16]。人工智能时代职业教育与信息技术的深度融合，就是要通过“智慧脑”和“智能脑”的协同作用，发挥互补优势，进行融通式学习，而不是简单地人脑与电脑的技术对接。
2.“现实世界”与“虚拟世界”结合
在人工智能时代，网络虚拟技术的发展使人类拥有了真实与虚拟两个世界，虚拟信息技术的兴起在一定程度上会影响职业教育的实体教育，实体教育的发展也需要虚拟技术的支撑。但在具体的学习实践中，还会存在利用这两个世界时顾此失彼、难以平衡的问题。目前，虚拟化教育技术在职业教育领域不断应用与推广，职业教育的发展模式不断优化，使得职业院校线上线下的边界逐渐消融，“现实世界”与“虚拟世界”更好地结合。人工智能时代职业教育的本质没有发生根本改变，学习者要学会利用这两个世界虚实融合、高度互动，充分发挥出自身的优势，更好地学习与生活。
3.职业教育“适应人工智能”发展为“引领人工智能”
人工智能为职业教育带来了强大的技术支持，为职业教育带来了便利。初始阶段的职业教育基本知识和技能被数字化和智能化，通过人工智能相关课程，云教育模式，个性化学习计划等，适应并应用人工智能，以提高职业教育的效率和质量。职业教育重在技术创新，对于行业技术发展具有一定的引领性作用。未来人工智能将成为职业院校快速发展和转型的技术支撑。“如某些职业院校基于自身优势专业与相关行业的智能自动化企业合作，实现以职业教育发展引领人工智能。”[17]目前，人工智能处于适应性大发展阶段，随着信息化技术的提高和智能化设备的普及，人工智能时代必将由专用人工智能时代步入通用人工智能时代。在通用人工智能时代，人工智能与职业教育深度融合高效协作，职业教育完全适应且完美应用于人工智能，进一步引领人工智能发展，由“人工智能+职业教育”发展为“职业教育+人工智能”的时代。
篇2
关键词：高职教育；人工智能；转型发展
一、高职教育现状
（一）客观层面
（1）社会面。当前社会发展处于转型关键期，高职教育迎来全新发展机遇，对人才培养质量不断提高。传统思想中，家长学生都带着有色眼镜看待高职教育。随着社会给技术技能型人才提供很多高薪岗位，部分学生主动选择高职院校进修学业，提高自身技能水平。高职院校必须以社会发展趋势为导向，及时调整自身发展战略。（2）政策面。在新课程改革视域下，政府高度重视高职教育的发展，出台了多项扶持政策，如《国家职业教育改革实施方案》《职业学校专业顶岗实习标准》《关于推进高等职业教育改革创新引领职业教育科学发展的若干意见》等，极大的推动了高职教育的稳定发展。
（二）主观层面
（1）教学理念。高职教师受传统思想影响，往往重视成绩和理论知识，亟需引进新的教学理念，并落实在实际教学中。高职院校已经意识到人工智能时代，自身转型创新的必要性，正积极将全新的教学理念贯穿在人才培养过程中。（2）教学方式。高职教育逐渐创新教学方式，将顶岗实习、校企合作、实训教学等应用在常规教学中，适应时展，彰显职教特色。但在实际教学中，教师理念未发生变化，能力无法满足新型教学方式需求，存在亟需改进优化的地方。（3）教学体系。只有完善的教学体系，才能为高职教育的改革创新提供依据参考。当前高职教育体系中含有诸多不足，如学科单一、理论与实践比重不协调、知识内容陈旧等。高职教育要想适应新时展趋势，应积极完善教学体系。
二、人工智能现状
（1）国家战略。近年来，国家高度重视人工智能发展，国务院《关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号），提出科技创新的主要方向是人工智能，提倡积极构建全新的人工智能科技创新协同机制，进一步完善人工智能教育体系，实现人才储备和梯队建设的目标，推动智能经济的发展。各部委也积极颁布一系列政策，如《智能制造2025》《“互联网+”人工智能三年行动实施方案》《机器人产业发展规划（2016-2020）》等[2]。可见，国家为人工智能技术的发展提供了充足动力，人工智能已成为国家战略的一部分。（2）产业发展。多年的探索，人工智能技术有了明显提升，在问题求解、泛逻辑理论、不确定推理、拓扑学、图像处理、模式识别、专家系统等方面有了显著研究成果，一部分成果甚至领先世界水平。例如我国在模式识别领域的研究，文字识别、语言识别、虹膜识别都取得优异成果，被广泛应用在生物医药、机器人视觉研究、卫星遥感、自主导航、军事等领域。企业十分关注人工智能技术的发展应用，像360人工智能研究院、阿里人工智能研究院、百度人工智能研究院等。人工智能技术的深度研究，使应用和商业价值最大化。据不完全统计，2017年人工智能产业创造700亿元市场价值，预计在2020年产业规模超过1600亿元。
三、人工智能推动新时代高职教育转型发展的必要性
（一）技术技能型人才的需求
高职教育发展的目的是培养适合岗位需求的技术技能型人才。人工智能时代，先进技术的广泛应用，大部分岗位对人才的需求发生明显变化，逐渐形成了“机器换人”的局面。企业中简单、重复、劳动强度大的岗位，都由智能机器人予以代替。例如在京东电商的物流中，出现无人机配送方式，直接冲击了传统人工物流配送模式。相信在不久的将来，会有更多的智能机器人走向物流配送的工作岗位，形成全新的工作体系。此外，在生产制造的质检环节，由于传统人工监测方式存在诸多不足，应用人工智能的图像识别技术，可以实现对产品质量的动态检测。可见，人工智能时代会有大批岗位“消失”，取而代之的是智能化机器人。高职教育必须转变以往的教育模式，顺应时展趋势，结合社会岗位对技能人才的需求，调整高职教育方向，实现高职教育价值。
（二）国家发展战略的要求
以往的发展致力于“中国制造”，但新时代“中国制造”已无法提升综合国力，国家必须调整发展战略。人工智能时代将“中国制造”转变为“中国创造”“中国智造”。这一发展战略的转变，能看出先进科学技术在国家发展中的重要地位。为了2025年实现“中国智造”的目标，高职院校创新人才培养模式，顺应国家发展战略的调整。同时，高职教育转型过程中，转变以往以理论、成绩为主的思想观念，对人才进行更加系统的培养，调整理论知识、实习实践之间的关系比例。人工智能时代的高职教育转变与创新，可以加大对学生创新意识的培养力度，使人才综合素养得到更好提升，满足“中国创造”的需求。
（三）学生自身价值实现的需求
时代的发展使高职学生的思想发生变化，传统的高职教育虽能提高学生专业能力，但并不满足当前企业对工作岗位的需求，学生无法实现自身价值。曾经的学生，没有认识到自身与社会的关系，存在“得过且过”等不良思想。新时代，高职学生逐渐认清自身地位，意识到自己与国家民族是“命运共同体”，是实现伟大复兴“中国梦”的主要力量。高职教育转型创新，根据时展要求、学生需求，合理调整教学方案与计划。
篇3
关键词：人工智能；教学改革；教学方法
引言
人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科，是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发，人工智能技术的日趋成熟。随着AI3.0时代的到来，大数据、云计算等新技术的应用也愈发广泛，对于管理类人才来说，加强对人工智能知识的深入学习，不断将人工智能技术与管理知识结合起来，对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科，管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力，基于其覆盖面广、包容性强、应用需求空间巨大的学科特点，通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习，加强学生解决实际问题的能力，为就业打下基础。本文基于社会对于人工智能领域的人才需求，结合诸多长期从事经管类专业课程教学的老师意见，针对管理类人才的人工智能课程教学内容与方法进行探讨，以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。
1、教学现状与问题
作为一门综合性、实践性和应用性很强的理论技术学科，人工智能课程内容及内涵及其丰富，外延极其广泛。学习这门课程，需要较好的数学基础和较强的逻辑思维能力。针对管理类人才，该课程在课程教学过程中存在几个较为突出的问题。(1)课堂教学氛围枯燥目前，中国大多数大学仍采用传统的课堂教学模式，在教学过程中照本宣科，忽略与学生的互动，并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置，如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时，随着章节的知识难度不断增加，单向介绍式的枯燥教学方式无法反映人工智能学科的全貌，课堂讲解难以同时给以学生感性和理性的认知，部分学生因乏味的课堂氛围渐渐无法跟上教学进度，导致学习动力不足。(2)基础课程掌握不牢管理类专业的学生大部分都会走向更加具体化的管理岗位，具有多学科的素养，但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识，给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多，涵盖模式识别、机器学习、数据挖掘等众多内容，概念抽象，不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程，缺乏一定的关联思考和研究意识，导致课程学习难度增加，产生学时不足和教学内容难点过多的问题。(3)教学与实际应用脱节当下，人工智能广泛应用于机器视觉、智能制造等各个领域，给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。例如，在机械学科领域，人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源；在医疗领域，是医疗器械的创新生产源动力；在能动领域，是高端能源装备与新能源发展的重要驱动；在光电信息与计算机工程领域，技术的发展时刻推动着智能科学与技术核心价值的提升。然而，对于管理类专业的学生来说，现阶段的人工智能教材涵盖许多智能算法及相关理论，在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法，书本中的应用实例大多纸上谈兵，缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践，加上一些教师授课方法单一，不利于引导学生将人工智能算法应用于现实生活。另外，大学生对知识的理解能力差异很大，教师采用统一的方式教给他们，这使一些学生无法跟上和理解，教师也无法控制学生的学习状况，导致学生缺乏动力。因此，如何结合学生的现实情况，提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。
2、管理类人才的人工智能课程教学改进策略
课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言，教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化，而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题，可以从教学方法改进和教学内容设置两个方面进行课程教学改进。
2.1教学方法改进
教师对学生具有引领作用，其教学方法的改进能够带动学生改进自身学习方法。(1)启发式案例教学案例教学法就是教师根据教学目标、教学内容以及教学要求，通过安排一些具体的教学案例，引导学生积极参与案例思考、分析、讨论和表达等多项活动，是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征，调动学生的学习积极性，并紧密结合人工智能领域的相关理论与方法，有效理解知识要点及其关联性，适用于管理类专业学生的教学。具体而言，高校基于其问题启发性、教学互动性以及实践有用性等特点，可以建立基于人工智能知识体系的教学案例库，虽然这项建设将极具挑战性与耗时性，但具有很强的积极效果：培养学生较强的批判性思维能力，更多地保留课程材料，更积极地参与课堂活动，对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如，通过单一案例教学，让学生掌握相关基础知识原理及应用；通过一题多解的案例使学生思考如何获取最有效的解题方法；通过综合案例的设计，启发学生全方位地探索问题的解决方案。(2)研讨互动式教学研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性，在课堂讨论的过程中对学生做出评判，从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上，通过老师与学生、学生与学生的互动，让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中，教师通过课堂讨论了解学生对于知识点的掌握情况，可以有针对性地设计教学内容，例如，对于学校积极性不强的学生，将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来，能够极大程度地提高学生学习的自主能力；对于基础知识较为薄弱的学生，可以在教师的指导下查阅相关文献资料，根据自己的理解撰写心得报告，并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望，建立起浓厚的学习氛围。(3)有效激励式教学人工智能是引领未来的战略性技术，人才需求量极大，对教师的教学水平也提出了更高要求，因此，进行有效激励极为重要。在学生激励方面，可以举办各类人工智能竞赛项目，设置相应项目奖学金，吸引学生参与实践，调动学生做研究、发论文的积极性。例如，教育部主办的中国研究生人工智能创新大赛，围绕新一代人工智能创新主题，激发学生的创新意识，提高学生的创新实践能力，为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式，在各学院乃至全校开展此类竞赛项目，激发学生的创新能力与团队合作能力，鼓舞更多学生加入到人工智能课程的学习中来，激发其学习兴趣。在教师激励方面，在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分，鼓励教师积极参与这些活动。(4)学科渗透式教学人工智能学科知识融合程度较高，学科交叉性强。基于人工智能的学科交叉性特点，增强管理类人才对学科应用的领悟，可以采取开展学科渗透式教学的方法。从2015年起，国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件，“互联网+”、“智能+”已经渗透到各个领域，人类进入数字经济时代，社会需求“技术+管理”的高端复合人才。例如，基于工业4.0和强国战略，人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识，我们请机械工程、能源动力领域的相关专家以授课或讲座的形式，进行相关领域知识和发展趋势的讲解，使学生理解更为透彻。此外，在教学实践过程中，还可以用举办人工智能知识交流会、线上人工智能论坛等形式，促进不同专业间老师、学生对于人工智能知识模块的见解，相互交流、渗透和学习，从而推动人工智能课程教学的改进。
2.2教学内容设置
世界一流大学在人工智能课程内容设置根据不同国家的教育体系设置，肯定会有不同，但颇有共通之处。本文借鉴世界顶尖大学经验，针对管理类专业人工智能课程教学内容进行研究，结合中国教育体系设置，认为应从以下几方面进行改进。(1)核心内容设置为避免学生因为知识点过多而出现杂而不精的问题，势必要精化教学内容。在互联网时代，我们可以使用云计算和其他方式来实现数据信息的传输、存储和处理，通过在线收集和整合网络课程相关数据，挖掘和丰富教学资源，并在整合课程资源的基础上，进行研究方法和前沿知识的扩展。在核心内容设置方面，可以通过收集到的数据资料，选择人工智能领域具有代表性且难易程度适中的知识作为重点，使学生能够在有限的学时内掌握人工智能的知识脉络。例如，编写针对管理类人才的人工智能教材，内容涉及绪论、知识表示与推理、常用算法、机器学习、神经网络等方面的同时，重点增加相应知识点在管理上的应用案例，加强学生对知识点的理解。同时，根据管理类专业偏向领域，开设关联程度较大、应用较广泛的人工智能选修课程，以便学生根据自己的兴趣与需求选修具体方向的课程。(2)注重学生的数理及编程基础良好的数理及编程基础是学习人工智能的前提。只有具备了这些基础，才能搞清楚人工智能模型的数量关系、空间形式和优化过程等，才能将数学语言转化为程序语言，并应用于实验。管理学院人才的数理及编程基础相对薄弱，因此，在安排学生学习人工智能课程之前，建议开设面向全体管理类专业学生的微积分、线性代数、概率论等专业基础数学课程以及C语言、python等编程基础课程，使学生具备数学分析的基础与一定编程基础，为学习人工智能课程打下坚实的基础。另外，可以推进MOOC平台建设，在平台上开设人工智能网络课程，帮助学生掌握人工智能知识基础及专业技能。(3)实验建设为了加强学生对于人工智能知识点间的关联性理解，可以基于不同的应用模块，设计具有前后铺垫、上下关联的综合性实验，设计不同层次的项目要求，同时基于相同的实验课题，让学生分组对实验课题进行攻克，并设置多元化的实验评价体系，通过实验教学过程中反映出的不同进度，让教师能对学生的学习水平做出准确评判，及时进行教学反思，以便更好地开展下一步工作。例如，针对人工智能课程应用中很广的遗传算法，在某一管理规划的具体应用上设置理解－实现－参数分析－具体应用－尝试改进－深度拓展的不同层次的项目要求，在这些项目层次中规定必做项与可选项，让学生基于同一实验课题进行合作学习，然后通过个人自我评价、小组成员互相评价以及教师评价的方式进行打分，对小组整体能力以及个人能力进行综合评估，以期培养学生的自主思考能力。
篇4
关键词：航天类专业 人工智能 教学探索
中图分类号：G64 文献标识码：A 文章编号：1674-098X（2014）10（b）-0155-02
面对航天科技迅猛发展，现代军备技术快速提升，培养具有专业性的高素质航天类人才，是我国航天科技发展的战略选择，也是航天重点高校面向并有效服务航天事业的历史责任。航天类本科生的教育形式也需要突破传统的方式，着重多样性、前沿性、工程性，因此，该专业的各门课程教育都应该结合专业特点，探索新的教学模式。
人工智能自1956年诞生50多年以来，引起众多科研机构、政府和企业的空前关注，已成为一门具有日臻完善的理论基础、日益广泛的应用领域和广泛交叉的前沿学科。由于航天领域的特殊要求，人工智能在其发展中发挥着不可替代的重要作用，各发达国家都相继开展了人工智能与航天技术相结合的研究，致力于实现可重构的、具有容错能力的、智能的飞行系统和管理系统。因此，“人工智能”作为航天类专业的一门特色选修课，应结合专业特点展开更具有实用性和创新性的教学。
1 人工智能课程特点
一方面，“人工智能”是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域，具有知识点多、涉及面广、内容抽象、不易理解、理论性强等特点，使得该课程的教学具有较大的灵活度和较高的难度。另一方面，“人工智能”是一门正在发展中的学科，具有较强的前沿性，计算机科学、信息科学、生物科学等相关学科的发展不断的提出了许多新的研究目标和研究课题，使得人工智能的技术和算法也需要不断更新，这在很大程度上增加了“人工智能”课程的教学难度。
2 航天类专业特点
首先，航天类专业具有较强的工程性。在专业的教学改革中有统一的特点，即强调要体现航天工程技术的综合性、系统性， 注重培养复合型人才。其次，航天类专业具有一定的前沿性。因为航天飞行器作为现代高科技和多种学科技术综合应用的结晶，应及时把现代先进科技融入到了专业基础和专业类的课程教学中， 专业知识更新快成为又一特点；另外，航天类专业应注重实践性教育。尊重个性和兴趣，强调动手能力，实验室对学生开放，要求学生自主地设计完成实验，强调对学生设计理念和创造能力的培养。最后，航天类专业应重视产学合作。产学合作的目的在于推动学校与航天产业的持续全面合作，造就一支科学技术研究和工程实践兼备的教师队伍。
3 教学模式的探索
3.1 教材的选择
人工智能作为一门新兴的学科，其理论与方法都还在不断的发展与完善中。就目前来看，关于人工智能的定义和范围都没有一个统一的标准，不同的教材所介绍的内容也不尽相同。在教材选用方面，需要综合考虑专业特点和学生的知识背景。本课程主要针对航天类专业高年级本科生，该类学生具有一定的数学、计算机、信息论、通信理论等基础知识，对航天应用的基本需求有初步的了解，因此，“人工智能”课程难度应该控制在中级，可以较深入的介绍人工智能的基础算法和应用案例。
中南大学蔡自兴教授积累了多年的教学与科研经验，借鉴了国内外其他专家和作者的最新研究成果，吸取了国内和国外人工智能领域学术书籍的长处，于1987年编写了“人工智能及其应用”一书，该书根据人工智能学科的新发展不断修订，推出四个版本。本课程采用“人工智能及其应用（第4版）”，其中大部分内容适合本科生学习。另外，本课程还给学生提供其他一些参考书目，如N.J.Nilsson 的“Artificial Intelligence：A New Synthesis.Morgan Kanfmann”等经典教材。
3.2 课堂教学形式的探索
“人工智能”课程内容较抽象，概念较为繁多，若采用单一的课堂讲授的方式，学生容易概念混淆、理解不透，逐渐产生厌倦情绪，导致教学效果差。本文探索不同的课堂教学手段，根据不同内容采用不同的教学手段，有利于学生对课程内容的理解与吸收。另外，考虑到航天类的专业特点，突出课程内容的工程应用，增加研究性质的教学内容与形式，有利于培养学生的创新能力和实践能力。
（1）课件采用图文并茂的PPT。综合利用文字、图像、声音、视频等多种媒体表示方法，在介绍原理和概念时采用精辟的文字，介绍算法流程时采用图像，介绍算法应用时采用视频。在PPT中适当利用不同的字体、颜色或动画来突出重点，细化流程，引导学生的思路，便于集中注意力接受重点内容。
（2）适当增加课堂讨论与练习。对于人工智能的一些基本问题，可以引导学生进行调研和讨论，来深化课程内容的了解，并提高学生的学习兴趣；对于重要的算法和理论，可以增加课堂练习，让学生实际动手进行公式的推导或演算，并在练习中分析学生对问题的理解程度，有针对性的增加讲解或指导。
（3）适当采用类比的讲解方式。对人工智能的不同学派，不同方方法，以及方法的不同应用，广泛的采用类比的形式进行讲解，不仅可以复习已学习的内容，也利于对新内容的理解。并且，通过对不同内容的比较总结相似点、区分不同点，可以避免概念的混淆，清晰的掌握课程内容。
（4）增加研究性教学。研究性教学强调通过问题来进行学习，有必要将实际应用案例或者授课教师的科研项目融入日常的教学工作中去，用“启发式”、“案例式”教学激发学生“自主学习”能力。
3.3 课程内容的探索
一方面，鉴于本科生知识结构还不够完善，“人工智能”课程的内容要控制在适应本科生学科基础的中等难度；另一方面，鉴于航天类专业的特点，课程内容应更注重与航天应用相结合的内容，并且在课程中增加具体应用的介绍。具体的课程内容如表1所示。
3.4 考核形式的改革
“人工智能”课程注重学生创新能力和实践能力的培养，传统的试卷形式不能全面的反应学生的学习效果，因此，应采用课堂表现和课程报告相结合的方式进行综合考核。
一方面，重视学生提出问题、分析问题和解决问题的能力，对学生课堂讨论与练习的表现进行考核评分，作为总成绩的参考；另一方面，注重学生课题调研和实践的能力，采取提交课程论文的形式进行考核。正确引导学生根据个人兴趣、课程内容、可行性、实践难度进行合理选题，并根据所选题目进行文献查阅和总结，完成调研报告或算法实现报告。结合者两个方面进行最终成绩的评定，综合衡量学生问题分析能力、论文写作能力和创新实践能力。
4 结语
航天类专业的本科生教学需针对专业特点有的放矢，该专业的课程教育都应该趋向于前沿性、专业性和实用性。本文的“人工智能”课程教学改革方案不仅考虑到该课程属于前沿叉学科的特点，也综合考虑了航天类专业的特点。为了使课程教学更好地服务于学生，本文提出的改革方案打破传统的教学模式，将课堂理论讲解、课堂讨论、课后调研、项目实践等相结合，充分调动学生的学习兴趣和积极性，提高学生的创新能力，有利于培养真正符合航天领域所需要的综合型高级人才。
参考文献
[1] 王甲海，印鉴，凌应标.创新型人工智能教学改革与实践[J].计算机教育，2010（15）：136-138，148.
[2] 刘兴林.大学本科人工智能教学改革与实践[J].福建电脑，2010（8）：198-199.
[3] 怀丽波.32课时《人工智能基础》课程教学的几点思考[J].华章，2013（34）：193-194.
[4] 纪霞，李龙澍.本科人工智能教学研究[J].科教文汇（上旬刊），2013（6）：91-92.
[5] 肖春景，李建伏，杨慧.《人工智能》课程教学方法改革的探索与实践[J].现代计算机（专业版），2013（26）：32-34.
[6] 熊德兰，李梅莲，鄢靖丰.人工智能中实践教学的探讨[J].宿州学院学报，2008（1）：146-148.
[7] 张伟峰.本科高年级人工智能教学的几点思考[J].计算机教育，2009（11）：139-141.
篇5
关键词:人工智能;研究型实验教学;民族关系
人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。
人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。
实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。
1研究型教学模式背景
研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。
19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。
自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。
2研究型实验教学
本科教学不仅要培养学生的应用能力,还要培养学生具备基本的科研素质。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。特别是近几年来我国对科研的投入不断增加,研究生招生规模逐年增大,本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题,其涵盖的分支非常广泛,如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等,都是目前国际和国内热门的研究方向。
人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。
针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、激发学生的研究兴趣,树立目标意识找准研究方向,为未来的科研工作打下基础,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。
2.1实验教学中加强学生的研究导向
在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用,是一种具有强大的非线性学习能力的计算智能技术。然而BP神经网络算法自身也存在着一些缺点,如会有局部最小解、解受初值影响较大、理论解释不完善等,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。
2.2人工智能课程实验
该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。
该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。
课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。
3实验平台的构建
民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。
因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。
目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。
4结语
研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:
1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。
2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。
3) 需要建立一套合理的学生学业和教师绩效的评价体系。
参考文献:
[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.
[2] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.
[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.
[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.
Exploration and Practice of the Research Experiment on Artificial Intelligence
ZHANG Ting, YANG Guo-sheng
(College of Information Engineering, Minzu University of China, Beijing 100081, China)
篇6
关键词：人工智能；研究生教学；教学方法
人工智能是一门研究机器智能的学科，是在研究人类智能行为规律的基础上，利用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。在知识经济向智能经济高度发展的今天，人工智能具有重要的理论意义和社会价值。人工智能理论已经渗透到各个领域，人工智能技术也得到广泛应用，许多研究成果已经进入人们的生活。
人工智能课程是一门多学科交叉的课程，具有很强前沿性，涉及哲学、认知科学、行为科学、脑科学、生理学、心理学、语言学、逻辑学、物理学、数学等众多领域；涉及面宽，内容广泛，更新快。人工智能课程的开设能够更好地培养学生的创新思维和技术创新能力，培养学生对计算机前沿技术的前瞻性，提高他们的科技素质和学术水平[1]。
人工智能课程内容的广泛性、前沿性和应用性特点决定了授课方法的多样性。与本科生相比，研究生在教育目标和身心特征方面都有较大的区别。笔者多年从事研究生人工智能课程教学工作，现总结多年教学经验如下。
1研究生培养目标及其教学特点
研究生教育阶段的教育目标是使研究生形成具有个性化的研究品格、研究定向和研究视野，以具有独立思考并获得独创研究成果的能力[2]。从这一意义上讲，个性化是研究生教育培养目标的构成主体。尤其随着我国经济持续高速增长，社会对知识创新、新经济生长点的期望值增大，这就要求我国研究生教育在其培养目标的定位上不仅要重视人才培养的高层次性，更要重视创新能力、实践能力和创业精神的培养。并且，研究生身心发展已较成熟，具有较稳定的个性特征，思维力强，具有较高的专业性思维意识和创造力，为独立地进行专业研究活动提供了心理上和智力上的保证。而且，研究生已具备了基础理论和专业知识，特别是有一定工作经历的研究生，他们不仅有本科教育阶段的知识积累，也有应用这些知识的经验，对于扩大其专业知识领域并进行研究有着积极主动的态度。总之，从年龄构成及身心特征上讲，研究生适应高层次、跨学科知识领域的学习和研究。
研究生的特征及其教育目标决定了研究生教学不应该是由教师讲授已定论的知识，而应是以教学为基本依托，通过教学提出具有研究性、探索性、未确定性甚至是尚存争议性的课题，激励研究生独立思考和质疑，让他们在思考和质疑的过程中提出问题，培育他们发现问题、提出质疑的科学批判精神，训练并提高其创新能力、实践能力和创新精神。创新精神和创新能力主要表现在具有健全的人格、强烈的责任感、开放的心态、团结合作的精神、严谨科学的思维能力和创新思维方式。
个性是创新的源泉，研究生课程体系的设置应该具有一定的灵活性，依据研究生不同的知识基础和研究定向，设置具有弹性化的课程，使研究生的个性化得以凸显。另外，为提高研究生专业研究和创新能力，在课程教学中，也应凸显教学的研究性和专业性，重视专业领域背景知识和研究方法的讲授，开展跨学科、非专业知识的教学，教学内容应涵盖专业领域的研究热点、难点、争议问题和最新研究动态，还应包括交叉学科、边缘学科的研究趋势，以扩展学生的视野[3]。也就是说，研究生教学既要凸显研究生的个性化特点，又要凸显内容的学术性和研究的指向性。
2人工智能课程的特点
2.1多学科交叉，具有很强的前沿性
人工智能是一门多学科交叉的课程。课程内容的理解需要运用多学科知识和较强的逻辑思维能力，多学科的知识相互联系、相互交叉，融合形成新的知识，成为新的思维方法和综合能力的萌发点。通过课程学习，学生可以通过不同学科知识的融合来达到对原有知识的超越，用一种全新的思维方法来思考所遇到的问题，提出新的解决办法。这也是创造力的迸发和智能的飞跃。具有了知识的广度和深度才具有融会贯通、创新的可能，人工智能课程的开设能够更好地培养学生的创新思维和技术创新能力，为学生提供一种新的思维方法和问题求解手段。
2.2涉及面宽，内容广泛，更新快
人工智能课程是一门知识点较多的课程，它以概率统计、离散数学、数据结构、计算机编程语言、数据库原理等课程为基础，涵盖了模式识别、机器学习、数据挖掘、计算智能、自然语言理解、专家系统等众多研究方向，内容涉及面广，概念抽象，不易理解。并且，人工智能课程内容更新快，近年来人工智能科学的快速发展，涌现出了大批新方法，研究热点问题也从符号计算发展到智能计算和Agent等。其中，计算智能主要涉及神经计算、模糊计算、进化计算和人工生命等领域，在模式识别、图像处理、自动控制、通信网络等很多领域都得到了成功应用；Agent最早来自分布式人工智能，随着并行计算和分布式处理等技术的发展而逐渐成为热点。
在互联网上有大量最新的与课程内容相关的研究论文，为学生提供了很好的查阅文献的环境，使学生能够根据所学习的内容和所在课题组的研究方向阅读相应文献，提高学生的学习兴趣和独立提出问题、解决问题的能力。
2.3应用性强
人工智能理论已经渗透到科学的各个领域，当前，几乎所有的科学与技术分支都在共享着人工智能领域所提供的理论和技术。例如，自第一个专家系统DENDRAL研制成功以来，专家系统已成功地应用于数学、物理、化学、医学、地质、气象、农业、法律、教育、交通运输、军事、经济等几乎所有领域；数据挖掘技术是以一种更自动化的方式对具有大量数据的商业活动进行分析和预测，在市场营销、银行、制造业、保险业、计算机安全、医药、交通、电信等领域已有许多案例；语义Web让Web上的信息能够被机器所理解，实现Web信息的自动处理，成功地将人工智能的研究成果应用到互联网。另外，在机器视觉、自然语言理解、智能控制与智能制造等方面，人工智能技术也得到广泛的应用，有许多研究成果已经进入人们的生活。目前，从理论到技术，从产品到工程，从家庭到社会，智能无处不在，人工智能广泛的应用性给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。
人工智能课程的多学科交叉性、内容广泛性、概念抽象、不易理解以及前沿性和应用性特点决定了在该课程的讲授过程中应该采用多种授课方法。多种授课方法的采用一方面便于授课内容的理解，另一方面也能够更好地培养学生的创新思维和技术创新能力，提高他们的科技素质和学术水平。
3人工智能课程教学方法
3.1基于问题的启发式教学法
苏霍姆林斯基说：“唤起人实行自我教育，乃是一种真正的教育。”基于问题的启发式教学法是教师在深入了解学生心理特点和学习规律的基础上，设计适合教学的启发式问题，并采取灵活多样、生动活泼的启发方式，充分调动学生的学习兴趣，激发、引导学生进行科学思维，培养学生独立思考问题、提出问题和解决问题的能力。该教学方法强调的是过程，教师的主要任务是提出问题，依据举一反三的思路引导学生展开逻辑推理，通过逐层分析深入思考问题，最后综合学生观点阐述相关理论。
在课程教学中，有许多内容适合于采用启发式教学方法。例如，在知识表示方法的学习过程中，教师首先提出问题：“你是怎样进行数学定理证明的？”并在学生的回答过程中，引导学生认识到知识及其表示的重要性；随后，提出问题：“在计算机中如何表示知识？”引导学生逐步总结出不同知识表示方法在知识表达能力、推理效率、可实现性、可组织性、可维护性方面的区别。另外，在确定性推理的教学过程中，教师可以利用“某处发生盗窃案，公安局派出5个侦查员去调查，研究案情时，5个侦查员各给出了一句可信的结论，据此判断谁是盗窃犯”的问题[4]，让学生进行判断和讨论，引导学生认识到推理过程中可以使用多条规则进行推理，并且推理路线也可能存在多条，从而引出推理的两大基本问题：解决冲突消解等问题的推理策略，以及解决推理线路等问题的搜索策略。
启发式教学法的要点是设计适当的启发式问题和启发方式、安排能调动学生积极性的讨论环境、鼓励学生发表个性化观点。教师不仅用问题引发学生思考，更要鼓励学生让思维自由驰骋，主动提出问题，讨论问题，寻求问题解决方案。在探讨、研究问题中，不要以现有的结论和固定的程式束缚思想，鼓励学生的个性化观点。启发式教学是一种民主、科学的教学方法，其中包含诸多具体的教学方法，如激疑启发法、比喻启发法、类比启发法、联系启发法，等等。启发式教学在传授知识的同时，更注重的是对创新的孕育、萌芽、生成和壮大，它能促使学生自己获取知识、思考问题、提出问题、分析问题、解决问题，培养学生的自学能力。以问题为基础的启发式教学，利用问题引导学生学习，全方位深层次发展学生的创新思维和探究性学习能力。问题可以诱发出学生的求知欲，激发、唤醒了学生的主体意识；问题往往是面向生活世界的实践活动的，它使教学活动从以传授知识为中心转化为传授知识与培养能力并重，理论与实践相结合，提高了学生分析、综合、观察、想象等思维能力。
3.2基于案例的探究式教学法
基于案例的探究式教学法要求教师能够根据学生的认知水平和能力，创设引导学生进行探究活动的案例，以激发学生探究问题的兴趣，促进学生质疑、探求的创造性学习动机，通过选择与确定问题、讨论与提出设想、实践与寻求结果、验证与得出结论，发展学生的创造性思维，培养学生独立探究、研究能力和创新能力。探究式教学强调学生的积极参与，强调师生互动。对教师来说，必须转变传统的“传道”观念，以平等的心态与学生交流探讨。在课堂上，要努力营造民主、宽松、和谐的教学氛围，积极引导学生大胆设想，大胆探索。使学生树立研究型学习的观念，消除依附心理，养成勤于思考、善于思考的良好学习习惯，通过积极参与研讨培养学生自己获取新知、探求未知的能力，以及团队意识和合作精神。
我们在本课程神经网络部分的教学中，将基于BP神经网络的维吾尔文手写字母识别作为案例开展了探究式教学活动。在介绍了前馈多层感知器及标准BP算法之后，教师将科研项目中基于标准BP算法的维吾尔文手写字母识别实验及其结果详细地在课堂上进行演示，引导学生对实验提出质疑。在教学实践中，学生提出了大量问题，例如，输出层神经元个数如何确定，为什么输出层神经元个数对识别率会有影响？网络训练过程中出现震荡的原因是什么？如何解决？为什么有时误差较大，权值的调整量反而很小？等等。在教师事先准备好的实验演示的基础上，开展学生进行课堂讨论，让学生提出解决问题的各种方法，并现场通过实验进行验证，逐步让学生理解BP网络结构设计、输入输出数据的预处理、初始权值设计的必要性及其实现方法。课堂授课实践表明，这种方法极大地激发了学生的学习兴趣，使学生能够大胆设想，大胆探索，增加了学生的自信心和创新精神。本次课堂讨论结束后，教师根据学生的讨论以及实验结果演示，总结标准BP算法的局限性，例如，“易形成局部极小”，“训练次数多，学习效率低”，“训练时有学习新样本遗忘旧样本的趋势”等，并要求学生通过查资料、搜集必要的信息、积极地思索和实验验证提出解决上述问题的方法，将学生分组，让学生展开讨论，为下次讨论课作好准备。
传统教学方法是告诉学生怎么去做，在一定程度上损害了学生的积极性。而案例教学要求学生自己去思考、去创造，使得枯燥乏味的内容变得生动活泼，并且案例教学中，通过学生之间的交流既可以使学生取长补短、促进人际交流能力，也可以引导学生变注重知识为注重能力。
案例教学法的关键是案例的选择。案例是为教学目标服务的，因此它应该具有典型性，且应该与所对应的理论知识有直接的联系。案例最好是经过深入调查研究。来源于实践，不能只是一堆数据的罗列。教科书的编写应采用图片、表格、曲线等方式让学生看到算法的实验结果，启发学生思考。另外，案例应该只有情况没有结果，有激烈的矛盾冲突，没有处理办法和结论，由学生对案例提出质疑，从这个意义上讲，案例的情况越复杂，越多样性，越有价值。
案例教学法能够实现教学相长。教学中，教师不仅是教师而且也是学员。一方面，教师是整个教学的主导者，掌握着教学进程，引导学生思考、组织讨论研究，进行总结、归纳。另一方面，在教学中通过共同研讨，教师不但可以发现自己的弱点，而且从学生那里可以了解到大量感性材料。另外，案例教学法能够调动学生学习主动性。教学中，由于不断变换教学形式，学生大脑兴奋不断转移，注意力能够得到及时调节，有利于学生精神始终维持最佳状态。案例教学的最大特点是它的真实性。由于教学内容是具体的实例，加之采用是形象、直观、生动的形式，给人以身临其境之感，易于学习和理解。最后，案例教学法能够集思广益。教师在课堂上不是“独唱”，而是和大家一起讨论思考，学生在课堂上也不是忙于记笔记，而是共同探讨问题。由于调动集体的智慧和力量，容易开阔思路，收到良好的效果。
3.3加强研讨
鉴于研究生的培养目标和人工智能课程研究范畴的宽泛性、应用性、创新性和前沿性，根据我校计算机系硕士生指导教师的研究领域，我们在课堂教学中为计算智能、机器学习算法、机器视觉、自然语言理解部分增加了研讨会，要求学生上网进行文献检索、阅读和学术研讨，根据个人的研究兴趣和研究设想上台作报告。另外，我们还邀请相应专家和成果突出的各届研究生为学生做报告，介绍他们的研究实践、研究成果和心得体会。例如，在自然语言理解部分的课堂教学中，在介绍完自然语言理解的基本概念与原理之后，我们要求将来做这个领域的研究生在通过查资料了解所在研究小组工作的基础上，上台作报告。机器翻译研究组的同学在学习自然语言理解部分的内容之后，对其所在小组目前的工作及采用的技术、存在的问题做了分析，并通过阅读文献，提出了初步的解决问题的设想。与自己所在研究小组的科研相结合，开展文献检索和学术研讨，一方面让学生开阔了眼界，另一方面也提高了学生查阅文献、主动获取知识、独立思考的科研能力。
4结语
人工智能理论已经渗透到科学的各个领域，人工智能技术也得到了广泛的应用。人工智能课程具有多学科交叉、内容广泛、前沿性和应用性强等特点，课程开设能够很好地培养学生的创新思维和技术创新能力。教与学是教师与学生双方互动的过程，教学中要根据学生身心特征的实际情况采用相应的教学方法，并结合本校科研队伍的研究领域，不断地探索和提高，才能使教学工作更上一层楼，切实为国家、为社会培养具有创新能力、实践能力和创业精神的高层次人才。
参考文献：
[1] 陈白帆,蔡自兴,刘丽珏. 人工智能精品课程的创新性教学探索[J]. 计算机教育,2010(19):27-31.
[2] 谢安邦. 构建合理的研究生教育课程体系[J]. 高等教育研究,2003,24(5):68-72.
[3] 教育部研究生工作办公室,国务院学位委员会办公室. 高层次人才培养的研究与探索[M]. 北京:高等教育出版社,2000.
[4] 蔡自兴,徐光佑. 人工智能及其应用[M]. 4版. 北京:清华大学出版社,2010:113.
Exploration of Artificial Intelligence Course Teaching of Graduate Students
ZHAO Hui1, JIA Zhenhong1, WANG Weiqing2
(1.School of Information Engineering, Xinjiang University, Urumuchi 830046, China;
2.Graduate School, Xinjiang University, Urumuchi 830046, China)
篇7
关键词：人工智能；数据挖掘；发展前景
当今社会已经进入了人工智能时代，人工智能的应用，大大改善了我们的生活。大数据时代已经来临，不论是从数据的使用，挖掘，处理等方面，都为人工智能的应用起到了基础和保障。
1人工智能
1.1人工智能的定义。人工智能（ArtificialIntelligence），简称AI。属于计算机学科下的分支，顾名思义，它是一门专门研究类人化的智能机器学科，即利用现阶段科学的研究方法和技术，研制出具有模仿、延伸和扩展人类智能的机器或智能系统，从而实现利用机器模仿人类智能的一切行为。1.2人工智能的研究背景。在1956年的达特矛斯会议上，“人工智能”这一术语正式由麦卡锡提议并采用了，随后人工智能的研究取得了许多引人注目的成就。在这之后，科研人员进行了许多的研究和开发，人工智能这个话题也取得了飞速的发展。人工智能是一门极具挑战性的科学，从事这项工作的人必须了解计算机知识、心理学和哲学理念。人工智能的研究包涵广泛的科学知识，以及其他领域的知识，如机器学习、计算机视觉等。一般来说，人工智能研究的主要目标是使机器能够做一些通常需要人工智能完成复杂工作的机器。1.3人工智能的研发历程。早期研究领域：人工智能专家系统，机器学习，模式识别，自然语言理解，自动定理证明，自动编程，机器人，游戏，人工神经网络等，现在涉及以下研究领域：数据挖掘，智能决策系统，知识工程，分布式人工智能等。数据挖掘的出现使得人工智能的研究在应用领域得到广泛的发展。以下简要介绍其中的几个重要部分：（1）专家系统。所谓专家系统就是控制计算的智能化程序系统，通过研发人员总结归纳了专业学科知识和日常经验，能够知道计算机完成某个领域内的专业性活动或者解决某些专业级别的问题。人工智能技术可以合理利用已知的经验体系在复杂环境中，解决和处理复杂问题。（2）机器系统。机器系统简单说就是机器人通过人造神经系统，借助于网络或者存储系统汲取系统的知识进行开发研究。（3）感知仿生。感知仿生系统通过模拟人类的感官，感知生物学特征，通过人工智能机器的感部件对外界外部环境进行感知，识别，判断，分析的能力。能够更好的适应环境，做出判断。（4）数据重组和发掘。是指通过人工智能系统，结合当前先进的理念，对大数据的总结归纳，识别存储，调取等应用。通过数据的加工处理，能够主动做出判断和分析。（5）人工智能模式。分布式人工智能是模式之一，该系统利用系统有效的规避和克服系统资源在某段时间内的局限性，并能有效地改善因资源造成的时间和空间不均衡问题。它具备，模式自动转换，并行处理，开放启发方式，冗余且容错纠错的能力。
2数据挖掘
2.1数据挖掘的定义。数据挖掘(DataMining,DM)是揭示数据中存在的模式和数据关系的学科，强调处理大型可观察数据库。数据挖掘的出现使得人工智能的研究在应用领域得到了广泛的发展。这里包括数据挖掘和智能信息提取过程，前者从大量复杂的现实世界数据中挖掘出未知和有价值的模式或规则，后者是知识的比较，选择和总结出来的原则和规则，形成一个智能系统。2.2数据挖掘的研究现状。当前数据挖掘应用主要集中在电信、零售、农业、网络日志、银行、电力、生物、天体、化工、医药等方面。看似广泛，实际应用还远没有普及。而据Gartner的报告也指出，数据挖掘会成为未来10年内重要的技术之一。而数据挖掘，也已经开始成为一门独立的专业学科。2.3数据挖掘的研究发展。具体发展趋势和应用方向主要有：性能方面：数据挖掘设计的数据量会更大，处理的效率会更高，结果也会更精确。工具方面：挖掘工具越来越强大，算法收敛越来越多，预测算法将吸收新颖性算法（支持向量机（SVM），粗糙集，云模型，遗传算法等），并实现自动化的实现算法，选择和自动调谐参数。应用：数据挖掘的应用除了应用于大型专门问题外，还将走向嵌入式，更加智能化。例如进一步研究知识发现方法，对贝叶斯定理和Boosting方法的研究和改进，以及对商业工具软件不断的生成和改进，着重建立整体系统来解决问题，如Weka等软件。在先进理论的指导下，按照国内形态发展，至少需要20年的时间，才能改进数据挖掘的发展。
3数据挖掘与人工智能技术的联系
数据挖掘属于人工智能中独立系统。它于人工智能的存在关系属于，并存联系，且独立运行，互不从属。此设计体系一方面可以有效促进人工智能提升学习能力，增进分析能力，另一方面还对分析，统计，OLSP，以及决策支持系统模块等起到推动作用。在收挖掘应用领域，处理可以对WEB挖掘，还能够有效进行文本，数据库，知识库，不同领域不同学科的信息进行序列矩阵模式挖掘。基于数据本身的分类，辨识，关联规则，聚类算法更加博大精深。因此，独立于人工智能的数据挖掘，更加便于科研团体或者领域对数据的使用和分析。数据挖掘是人工智能领域的一部分。首先，高智能是数据挖掘和人工智能的最终目标，正是由于这个目标，人工智能和数据挖掘有很多关联。其次，数据挖掘和人工智能是各种技术的整合。数据挖掘和人工智能是许多学科的跨学科学科。最后，数据挖掘的出现逐渐发展壮大，加强了人工智能，因此可以说，它们两者是不可分割的。
4人工智能和数据挖掘技术的发展前景
在当前环境下，人工智能和数据挖掘技术具有以下发展前景:(1)在大数据互联网中的应用。将人工智能的技术应用于互联网中将会使网络技术带上智能的特性,可以为人们的生活提供智能化的帮助，给人们的生活带来便利。还可以提高网络运行效率、增加网络安全性等。(2)智能化服务的研究。人工智能和数据挖掘都很注重对智能化服务的研究,例如很多智能机器人便应运而生，它们已经能胜任许多简单的工作，可以为人们提供人性化的服务。高度的智能化是数据挖掘和人工智能研究最终追求的目标,也是二者最终合而为一的标志。(3)使知识产生经济化。在现阶段的知识经济时代，人工智能和数据挖掘势必受到经济的影响，这决定了人工智能和数据挖掘将具有经济特征。人工智能和数据挖掘技术作为无形资产可以直接带来经济效益，通过交流，教育，生产和创新的无形资产将成为知识经济时代的主要资本。可以预期未来的人工智能和数据挖掘技术将更加经济实用。(4)交叉学科的技术融合。各行各业的理论和方法都已经开始融入了人工智能和数据挖掘之中。未来的人工智能和数据挖掘技术必将是一个融合众多领的复合学科。当今，我们已经在逐渐使用人工智能与数据挖掘技术，去攻克更多难题，解决更多问题，造福人类，改善生活，近在眼前。
作者:喻正夫 单位:汉江师范学院
参考文献：
[1]万璞,王丽莎.数据挖掘与人工智能技术研究[J].无线互联科技,2016(10):113-114.
[2]王翔.试论如何利用大数据挖掘技术推动人工智能继续发展[J/OL].科技创新报,2017,14(01).
[3]秦益文.微博数据挖掘中人工智能推理引擎的应用[J].中小企业管理与科技(中旬刊),2017(02).
[4]蒲东齐.数据挖掘在人工智能上的应用[J].信息与电脑(理论版),2016(19).
[5]李丹丹.数据挖掘技术及其发展趋势[J].电脑应用技术,2007（02）:38－40．
篇8
[关键词]互联网金融；高等金融教育；SWOT；教学改革
[中图分类号] G642 [文献标识码] A [文章编号] 2095-3437（2017）10-0008-03
2013年以来，互联网金融快速崛起并深刻影响着金融学子的学习生活、社会实践和思维观念。一系列互联网金融的新概念进入高等金融教育的视线：“大数据”、“云计算”、“社会征信”、“共享经济”、“数字货币”、“机器学习”、“人工智能”等，让金融专业的师生既兴奋又备感压力。互联网金融相对于传统金融的思维观念已经改变，经济和金融明显可分的界限被打破。当前，互联网“经济”、互联网“金融”和互联网下的“大数据”高度融合，浑然一体，不可分割。一切资金支付活动均通过移动终端进行，几乎不需要现实货币参与，点对点的资金流动使得“金融脱媒”趋势来得异常凛冽，基于大数据的分析解决了信息不对称的难题。受此影响，复合型人才和跨界发展不再是空洞的口号，传统金融教育的专才培养模式不再可行。互联网金融是新生事物，其实践远远走在了当前高等金融教育的前面，对传统高等金融教育产生强烈冲击，但也带来了变革和发展的机遇。因此，强化对互联网金融教育的研究，通过互联网金融思维重塑和再造高等金融教育势在必行。
一、互联网金融的优势和特点
（一）大数据优势
互联网金融首先是从“草根金融”兴起的，在民间金融“野蛮生长”和“乱象丛生”的时代中逐渐走向成熟，对传统正规金融形成强大压力。实际上，历史上非正规金融发展缓慢的根源在于一系列困境的桎梏：信息不对称导致严重的逆向选择和道德风险、社会征信缺失、无足值抵押等。互联网金融的出现，较好克服了这些顽疾，信息不对称可以依靠大数据技术有效缓解，移动终端的广泛使用结合人工智能使社会征信和债务催收都不再成为问题，在此基础上进一步催生了众筹、共享经济等变革创业方式、生活方式的全新业态。
（二）人工智能优势
与传统金融相比，人工智能效率高，错误率低，模型不断进行自主训练和优化，大大提高了适应性，在量化投资、决策咨询和风险控制等方面逐步取得优势。人工智能的核心是机器学习，互联网金融下每日新增的海量用戶数据，以及公司之间的数据共享使得感知机、决策树、随机森林、支持向量机、Logistic回归、BP神经网络等一系列机器学习的核心算法和模型不断“学习成长”，在实践中取代了传统基于人工授信、核查和对客户分类的工作模式。在不远的将来，这种开放、大维度、多渠道的人工智能下的“智能”金融，必然取得对银行依赖中央银行建立的封闭客户数据系统的优势。
（三）“互联网+”的后发优势
“互联网+”是一种全新的思维，智能化、去中心化、脱媒化、信息化以及便捷快速的推广模式催生了各类体量巨大的新兴业态，作为这些业态的基础和共同体，互联网金融拥有显著的后发优势，领先于传统产业成为近年创新创业的最大落脚点。
（四）规模优势
2008年以来，互联网金融的交易规模迅速扩大，经营上的规模优势日益明显，各项交易成本明显下降。与传统金融业态不同，互联网金融由一系列的产业链构成：征信、借贷、催收和服务等环节可分散于不同的公司，在业务模式上可以灵活分散也可有效整合，每一环节聚焦其优势业务，可将规模优势带来的低成本优势发挥到极致。
（五）双创优势
2013年以来，互联网金融的交易成本低，可有效缓解信息不对称问题，交易效率高等的优势愈发明显，不断与其他行业形成跨界融合发展，催生创新，推动创业，极具双创优势。一是依托互联网的移动支付业务的快速发展，不仅远程支付场景不断完善，近场支付也在爆发；二是支付产业链的受理端及其延伸的综合金融增值服务——海量支付数据以及数据驱动的增值服务，为互联网金融企业带来了新的发展；三是区块链技术的融合运用引爆了“跨境支付”的探索热潮；四是在P2P等典型的互联网金融业务模式上，从以往只提供信息中介服务平台的模式创新发展出了引导P2P平台与担保机构合作、整合线上与线下服务以及增加债权转让等服务的新型模式；五是利用大数据、云计算和人工智能等技术帮助互联网金融公司开展客户的理财或量化投资业务；六是基于互联网的共享经济大大便利了人们的生活体验和观念。
二、当前高校金融教育应对互联网金融冲击的SWOT分析
表1是高校金融教育应对互联网金融冲击的SWOT分析矩阵，在理论和实践两个层面为当前高校金融教育如何应对互联网金融的影响提供了分析思路和依据。
（一）优势
首先，传统金融教育具有雄厚的人才基础和优势。自20世纪80年代我国建立高等金融教育事业以来，到目前为止高等金融教育已取得质的突破，金融专业的品牌认可、高考招分、学生素质、国际化程度、毕业后的薪资水平、社会评价等各项指标均处于各行业的前列。同时，国内金融领域在国际一流期刊发表的论文数量也在整个社会科学领域处于领先地位。其次，当前高校金融专业的培养方案和课程设置一般采取模块化搭建的思路，从公共基础、学科基础、专业培养、素质教育和实践实习等方面进行模块化管理，具有良好的可拓展性，互联网金融的相关课程可根据不同专业需要，进行优化组合，体现功能性。第三，互联网经济和互联网金融给高校师生带来了良好体验和观感，高校师生有充分的积极性迎接新专业的建设和发展。
（二）劣势
传统金融教育是单一化的金融专才培养模式，一般分为货币经济、金融市场、投资、金融工程、银行经营与管理、公司金融、家庭金融等方向，注重对货币、投资、资产定价、股票、债券和财务等“纯金融”知识的讲授，对大数据、人工智能和机器学习等涉及计算机与统计学习等跨领域的知识鲜有涉及。在互联网金融的冲击到来之后，我们发现业界需要复合型的跨界人才，单一聚焦金融领域的教学思维和模式开始变得落后和陈旧，金融教育需要“混业发展”。另一方面，教材建设相对滞后。目前，比较缺乏互联网金融的专业教材：一是自编教材的质量令人担忧；二是优秀的互联网金融的国外教材引用较少；三是互联网金融跟风开设课程的现象比较突出，没有因地适宜，教学内容和难度都过犹不及，影响了教学效果。 （三）机遇
互联网金融是朝阳产业，带来了巨大的发展机遇。当前，互联网金融行业的人才极度缺乏，不得不采取“挖墙脚”的无奈之举，导致银行业人才流失严重。限于人才奇缺，互联网金融目前的进入门槛较低，人员素质和水平良莠不齐，原因在于高校对互联网金融人才的培养处于摸索阶段，传统金融教育毕业的学生青睐于在正规金融行业就业，对以民营企业为主的互联网金融行业心存疑虑甚至偏见，人才供给严重不足。显然，传统金融教育向互联网金融教育转型发展的机遇巨大。不仅如此，互联网金融还在科研立项、论文选题、学生的实习实践、就业创业、高校金融教育的学科点申报、专业建设和师资培养等方面开拓了广阔空间，前景可期。另一方面，相对于传统的金融业而言，互联网金融是典型的跨界金融，从一开始就在进行业务模式的细分和产品之间进行内部整合。互联网金融也正在逐步通过用户、大数据和场景的互动来实现对银行、证券、保险、基金和资产管理等传统金融机构进行强有力的整合运作。互联网金融的跨界整合实现了不同行业功能的有机结合，推动了我国区域经济在空间和深度上的拓展。互联网金融需要既懂得信息技术又懂得金融业务、营销和管理知识的跨界复合型人才，这就对高等金融教育提出了更高的要求。但是从高等金融教育实践来看，金融、计算机及营销和管理类专业的教育还是各自为政，独立培养，忽略了跨界知识的构建，导致学生难以适应社会对复合型人才的需求。
（四）挑战
首先，传统金融教育“分业培养”的理念和当前互联网金融“混业发展”的现实需求严重冲突，需要解决“并轨”发展问题。其次，传统高等金融教育的课程设置和培养体系相对成熟，然而，互联网金融的实践远远走到了学校教育的前面。再次，互联网金融教育强调“长尾性”。与传统金融的“二八定律”正好相反，互聯网金融的优势在于服务80%的小微客户，推广的是普惠金融的理念。但在传统金融教育中关于普惠金融、微型金融的相关课程几乎从不开设。消除“教育偏见”达到在正规金融和非正规金融之间的教育平衡，更加注重“长尾性”仍然任重道远。
三、结语
高等金融教育承担着为金融行业输送急需人才的重任，也是社会和家长的关切所在。互联网金融是未来金融行业的制高点，需要高校金融教育培养复合型人才，要求他们具备金融学知识，理解金融业务的原理，掌握信息化技术并能对大数据进行分析，还要具有一定的营销和管理能力。因此，主要的启示有如下几点：（1）注重学科交叉，优化课程设置，培养复合型人才。（2）加强师资建设，促进传统金融教育向互联网金融转型发展。（3）加强互联网金融的“产学研”的合作，树立“干中学”的务实求真精神。对此，高校金融教育是有优势的，要秉持开放理念加强彼此合作，使研究向应用转化。（4）加强对大数据和人工智能的关注，引入相关课程。此外，在互联网金融风险高发的背景下，高等金融教育也要积极承担社会责任，适时向社会进行互联网金融知识的推广和普及，提高民众规避风险的能力，达到普及金融教育的目的。
[ 参 考 文 献 ]
[1] 刘小铭.浅析互联网金融现状及风险[J].经营管理者，2016（23）：313.
[2] 杨竹清，张超林.互联网金融对我国高等教育金融的启示[J].金融教育研究，2016（5）：82-88.
[3] 刘源.论技术经济学课程的分阶段培养模式[J].中国市场，2016（48）：167-169.
[4] 谢水园.企业的业务骨干参与大学课堂教学常态化研究——以《国际贸易实务》为例[J].亚太教育，2016（30）：89.
[5] 谢水园.论外贸通关实务课程中多种教学方式的运用[J]. 中国市场，2014（22）：149-150.
[6] 胡烨丹，潘锡泉.互联网金融语境下的金融职业教育模式创新[J].中国职业技术教育，2015（34）：93-95.
[7] 刘变叶.互联网时代金融学专业人才培养面临的挑战及应对措施[J].工业和信息化教育，2015（5）：1-5.
篇9
关键词：人工智能 财务决策 应用
一、财务和人工智能技术应用概述
1987年美国执业会计师协会（AICPA）发表了一份管理指导特别报告“人工智能和专家系统简介”，将人工智能引入到会计和财务管理领域。自此，西方财务和会计界对人工智能技术和专家系统在会计、审计和财务分析与管理等方面进行了广泛探索，开发出了许多实用的专家系统来解决复杂的财务分析和会计决策问题。人工智能技术通过模拟人类专家求解复杂问题的方法，建立相应计算机辅助系统，使财务和经营决策智能化，从而使得现代会计系统在实现信息化和网络化后，向智能化迈进。财务和会计专家系统分成以下四类：
1.财务分析专家系统。成功的财务分析可以确定某个公司的经营状况，如投资或信用评估风险等级。由于会计和财务业务职能的复杂性，有些财务分析专家系统同时跨越多个问题域。例如，根据专家系统的输入和相应的输出建议，解决分类问题的财务分析，专家系统同时可能又属于诊断或纠错问题。
2.合成专家系统。具体包括：（1）在相对较小搜索空间的约束条件下，配置目标集，如管理商业贷款组合计划的MAEBLE专家系统；（2）在相对较大搜索空间的约束条件下，设计目标集，如个人理财设计PLANMAN专家系统；（3）设计采取行动的规划专家系统，如审计规划EXPERTEST系统等。
3.组合专家系统。这类专家系统主要是解决复杂问题的组合分析，如：控制风险估计系统，诈骗检测系统，风险估计系统APX。
4．财会知识传授和职业教育专家系统。如国际上一些大会计公司内部使用的培训专家系统，和辅助会计专业大学生实践的专家系统。实践证明，这些系统可以让没有专业经验的人员有效获得解决某些具体问题的相关知识。
二、财务和会计专家系统基本结构
财务和会计专家系统是一种工作在专家水平上的计算机系统，应用专家的专门知识和推理能力，解决通常情况下难于处理的问题。需要人类领域专家宝贵的经验、智慧与思维方法以及相应的计算机技术的发展。到目前为止，在财务和会计领域，应用最广、最成熟的是基于规则的产生式系统。财务会计专家系统中的解释模块主要是用于推理过程的解释，回答相关财务结论是如何得到的。系统的透明性就是由解释模块来实现，而这种透明性是专家系统所必需的。有了透明的解释功能，由结论可以反过来追踪推理机调用了哪些规则，在分析推理过程中获得了哪些财务数据和特征信息。财务和会计领域的许多问题非常适合利用专家系统来求解，如审计、税务、管理会计和职业教育等。财务分析师、审计专家和金融专家在会计实务中获得许多珍贵的知识和经验，这些知识和经验有的是无法在文献中获得。如果把这些知识通过一定的方式累积、保存在专家系统的知识库中，其在职业教育和帮助非资深财务工作者解决问题的能力方面所产生的作用和意义是不言而喻的。
三、智能财务和会计系统建模步骤
在利用专家系统来描述和解决一个财务和会计问题时，其建模过程有6个步骤。下面以租赁业务为例，介绍其建模过程：（1）列出所有可能的选项。如承租人有两个租赁选择：经营性租赁和资本性租赁。（2）确定相应的规则。区别经营租赁和资本租赁的四条基本规则是：第一，所有权转移；第二，存在采购契约选项；第三，使用大于75%的资产经济寿命；第四，租赁费用的现值超过90%的资本市场公允价值。（3）确定规则应用的程序（推理机）。如租赁业务中，在租赁结束期末，将所有权转让给出租人的是资本性租赁，不管出租人在租赁期内是否使用完75%的资产使用寿命。这样第一条规则应该是判断租赁期内所有权是否转让。（4）每条规则的所有术语必须明晰定义。如租赁期不仅包括租赁初期，还包括其他各自租赁期间，在租赁期间，假设租赁延长是合理的、肯定的。（5）在一个规则应用前，首先按事实匹配，选择何种测试。如要知道租赁期间，必须知道租赁是否有何契约更新选项；计算最小租赁费用的现值时，必须知道是否确保残值，而且承租人是否了解出租人采用的贴现率。（6）用何种计算法，确定一个规则启用，例如，在应用第四个规则时必须计算现值。
四、智能财务和会计系统存在的问题和发展趋势
在开发面向财务管理和会计领域的专家系统时，最主要的问题是没有相应的专家和知识工程师以及规则的提取，在人工智能领域，这个问题称为知识获取。影响专家系统知识库质量的五个主要决定因素是：领域专家；知识工程师；知识表征方法；知识的提取；问题域。由于专家系统在判断问题时，表现出知识的不完备性、知识获取的“瓶颈”以及较差学习能力、推理能力的“脆弱性”等问题。为了克服财务管理和会计专家系统存在的问题和提高系统的智能化程度，随着专家系统研究工作的进一步深入，一方面，人们研究如何通过合理使用专家系统技术本身改善其性能。另一方面，由于专家系统中的知识类型不断增加，单一的知识类型和问题求解方法给专家系统的应用带来很大的局限性，远远不能满足复杂问题的求解要求。为使系统更加有效地工作，同时采用多个问题求解器处理一个复杂问题成为必要。
参考文献：
[1]陈文伟.智能决策技术[M].北京：电子工业出版社，1998.
[2]陈佳.信息系统开发方法教程[M].北京：清华大学出版社，1998.
[3]Joyce Bischoff.数据仓库技术[M].北京：电子工业出版社，1998.34-38.
[4]高洪深.决策支持系统（DSS）——理论、方法、案例[M].北京：清华大学出版社，1996.
篇10
关键词：计算机网络技术；人工智能；应用
人工智能作为新型的科学产业，其被广泛应用在社会生活的方方面面，对社会生活产生了极大的影响。目前，计算机网络技术的普及与应用，极大改变了人们的生产生活方式，为人们的工作、学习和生活提供了便利，但是在实际应用过程中，不可避免产生一些安全问题，影响生活的正常进行[1]。基于这种情况，将人工智能应用在计算机网络技术中，能够有效解决这些问题，丰富人们的生活，提高工作的质量和效率，为人们提供优质高效服务，实现社会的健康稳定发展。
1人工智能概述
（1）含义：人工智能涉及较广的学科，如语言学、生理学、心理学和计算机科学等，其主要目的是使机械具备人工智能的功能，从而代替人来进行危险和复杂的工作，有效保证工作人员的生命安全，促进工作效率的提升。对于人工智能而言，其能够将自然智能和人类智能加以区别，并利用系统设备模拟人类活动，有效完成操作人员的指令，能够指导计算机科学技术的发展，因此计算机可将其作为核心技术，从而将问题求解和数值计算转变化知识处理。
（2）特点：人工智能主要是以网络技术为甚础加以发展，能够有效保证网络系统运行环境的安全性和稳定性。一般而言，人工智能的特点主要表现在以下几个方面：一是对不确定的信息加以处理。利用网络分析模糊处理方式来打破固定程序的限制，对人类的智能活动加以模拟，有效处理不确定的信息，并对系统资源的全局或局部情况加以实时追踪和了解，为用户提供所需信息。二是便于网络智能化管理。将人工智能应用在网络管理工作中，能够给提高信息处理的效率和准确性，并利用其记忆功能来建立健全的信息库，便于信息的存储。同时将信息库作为信息总结、解释和综合的有效平台，保证高级信息的科学性和正确性，有效提高网络管理的水平[2]。三是写作能力强。人工智能能够对资源进行优化整合，传输和共享各个用户之间的资源，有机整合写作方式与网络管理，提高网络管理工作的效益与效率。
2计算机网络技术中人工智能的应用
2.1必要性
随着计算机技术和网络技术的快速发展，网络信息安全问题越来越突出，人们越来越关注网络系统管理中的网络控制和网络监控功能，以便及时处理信息，保证网络信息的安全性。在早期阶段应用计算机网络技术来分析数据时，往往难以保证数据的规则性和连续性，影响数据的真实性与有效性，因此将人工智能应用在计算机网络技术中，具有十分重要的意义。目前，随着计算机的广泛应用，用户对网络安全管理提出了更高的要求，以便保证网络信息的安全性。由于网络犯罪现象逐渐增多，要想保证网络信息的安全，必须要强化计算机的反应力和观察力，合理应用人工智能技术，建立优化与智能化的管理系统。这样能够对网络故障进行及时诊断，自动收集信息，便于采用有效措施来解决网站故障问题，及时遏制网络犯罪活动，保证信息的安全，促进网络系统的稳定运行[3]。人工智能技术能够有效推动计算机技术的发展，而计算机技术的发展又对人工智能的运用具有决定性作用。人工智能技术能够对不确定的信息进行技术处理，动态追中信息，为用户提供安全可靠的信息，促进网络管理工作质量和效率的提高。总体而言，将人工智能应用在计算机网络管理中，能够促进网络管理水平的提升。
2.2具体应用
将人工智能应用在计算机网络技术中，其具体表现在以下几个方面：一是系统评价和网络管理中的应用；二是人工智能Agent技术的应用；三是网络安全管理中的应用。
（1）系统评价和网络管理。对于计算机网络管理而言，其要想实现智能化发展，必须要以人工智能技术和电信技术的发展为基础。人工智能不仅能够在网络的安全管理中发挥重要作用，还能够利用其问题求解技术和专家知识库来建立综合管理系统，确保网络的综合管理。由于网络具有一定的瞬变性和动态性，这在一定程度上增加了网络管理工作的难度，需要实现网络的智能化管理。而专家系统作为人工智能技术中的重要内容，其主要是总结某一领域中专家的经验和知识，并将其录入相关的信息系统中，从而有效处理该领域内的相关问题。对于计算机网络的系统评价和网络管理而言，能够利用网络管理中的专家系统来开展评价和管理工作，促进网络管理水平的提升。
（2）人工智能Agent技术。人工智能Agent技术又称之为人工智能技术，其作为一种软件实体，主要是由各Agent间的通讯部分、解释推理器、数据库和知识域库构成，以每个Agent的知识域库为依据，对新信息数据进行处理和沟通，有效完成相关的任务。一般而言，人工智能Agent技术能够在用户自定义的基础上自动搜索信息，并将其传输至指定位置，为用户提供智能化和人性化的服务[4]。例如用户在利用计算机对信息进行查找时，人工智能Agent技术可分析和处理信息，并向用户传递有效的信息，从而促进用户查找时间的节省。此外，人工智能Agent技术在人们日常生活中得到了广泛的应用，如邮件的收发、会议的安排、日程的安排以及网上购物等，能够为人们提供优质服务。同时，该技术具有一定的学习性和自主性，能够使计算机对用户分配的任务进行自动完成，促进计算机技术和网络技术的有序发展。
（3）网络安全管理。人工智能在网络安全管理中的应用，其主要可从三个方面加以分析。首先是入侵检测方面。对于计算机网络安全管理而言，入侵检测不仅是其重要内容，也是防火墙技术的核心部分，能够有效保证网络的安全性和可靠性。入侵监测功能在计算机网络监控中的有效发挥，能够保证系统资源的可用性、完整性、保密性和安全性。入侵检测技术主要是分类处理和综合分析网络数据，对可疑数据加以过滤，将检测的最终报告及时反馈给用户，从而保证当前数据的安全性[5]。入侵检测能够实时监测网络的运行状态，不影响网络性能，为操作失误、外部与内部攻击提供保护。目前，在人工神经网络系统、模糊识别系统和专家系统等入侵检测中开始广泛应用人工智能。其次是智能防火墙方面。相较于其他的防御系统而言，智能防火墙系统与其存在明显的差异性，其能够利用智能化的识别技术来分析、识别与处理数据，如决策、概率、统计和记忆等方式，从而降低计算量，及时拦截和限制无效与有害信息的访问，保证数据信息的安全。同时，智能防火墙的应用能够避免病毒攻击和黑客攻击，阻止病毒的恶意传播，有效管理和监控内部的局域网，从而保证网络系统的可靠运行[6]。此外，对于智能防火墙系统而言，其安检效率比传统防御软件要高，能够对拒绝服务共计问题加以有效解决，避免高级应用入侵系统，保证网络安全管理的有效性。最后是智能反垃圾邮件方面。智能反垃圾邮件系统主要是利用人工智能技术对用户邮箱加以有效监测，自动扫描和识别垃圾邮件，保证用户信息的安全。当邮件进入到邮箱后，该系统能够为用户发送相关垃圾邮箱的分类信息，便于用户及时处理垃圾邮件，保证邮箱系统的安全。
3结语
随着人工智能技术的不断更新与发展，人们对计算机网络技术的需求量也随之增加，促使人工智能技术进一步朝着纵深方向发展。人工智能在计算机网络技术中的应用，主要表现在系统评价和网络管理、人工智能Agent技术、入侵检测、智能防火墙和智能反垃圾邮件等方面，能够有效提高信息数据的安全性，保证网络系统的安全稳定运行。同时人工智能技术的应用能够为人们提供智能化和人性化服务，提高工作效率，促进网络管理水平的提升，实现计算机网络行业的可持续发展。
参考文献：
[1]熊英.人工智能及其在计算机网络技术中的应用[J].技术与市场,2011,02:20
[2]吴振宇.试析人工智能在计算机网络技术中的运用问题[J].网络安全技术与应用,2015,01:70+74
[3]邱建平.计算机网络技术对人工智能的应用[J].电子制作,2015,14:25
[4]贾国福,贺树猛.人工智能及其在计算机网络技术中的应用[J].数字技术与应用,2015,07:100
[5]马义华.人工智能在计算机网络技术中的运用分析——评《计算机网络技术及应用研究》[J].当代教育科学,2015,20:77
