人工智能教育的未来范文

导语：如何才能写好一篇人工智能教育的未来，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

近两年，“AlphaGo”连胜全世界的围棋名将，被媒体广泛报道。人工智能开始成为社会关注的热点，引起人们的广泛兴趣，并令人深信不疑。

在刚刚结束的2017年高考，学霸君与准星云学两家企业的“高考机器人”分别拿出了 134 分和 105 分的高考文科数学成绩。在做题方面，机器可能已经超越了不少人类。正是这样一件事，同样引发了人们的深度讨论与思考。

的确，随着理论和技术的日益成熟，人工智能开始受到产业资本的热捧，语音识别、机器视觉、智能控制、智能检索、智能互联、专家系统、自动规划等应用步伐加速。金融、电商零售、医疗健康、交通、个人助理等多个领域都可以看到人工智能的应用，人工智能已然开始取代工厂工人、客户服务等重复性工作。人工智能在教育领域同样拥有巨大的应用潜力，随着知识表示方法、机器学习与深度学习、自然语言处理、智能、情感计算等关键技术的发展，人工智能将在学校管理、校园安全、课堂管理、智能助教、自动阅卷、自适应教学等方面发挥作用。

面向未来，我们不禁要问，人工智能是否能够改变教育？人工智能在教育领域将释放怎样的潜力？本期策划，我们邀请上海海事大学魏忠，探讨人工智能视角下的未来教育，从人工智能的教育本体、对学科的影响、对教育技术的改变、对教育价值的重新定位几个方面进行了系y思考与分析。江苏师范大学智慧教育学院周宝、杨现民结合人工智能在教育中的典型应用，探讨人工智能对学校管理及教学带来的革命性影响。华东师范大学第二附属中学刘党生，从技术与教育的关系延伸到人工智能，并对非生物智能介入教育的未来趋势进行了预测；重庆市江津区聚奎小学校刘春林、重庆市聚奎中学校张渝江从教育教学实际出发，介绍了人工智能软件如何温柔地改变教育。上海市位育中学陈凯从教育哲学的角度，探讨了人工智能如何作用于思维、认知、学习，并进行了反思。

“这是最好的时代，这是最坏的时代；这是智慧的时代，这是愚蠢的时代。”人工智能时代的钟声已经敲响，我们还在工业时代的迷梦中寻找教育的未来。谁曾想到，未来来得如此之快，我们是否准备好做出改变？未来，我们需要什么样的人才？我们需要什么样的教育？我们不妨想象一下，未来10年、20年的教育将发生怎样的改变？也许一个崭新的时代并不会留给我们那么长时间去形成新的教育生态系统。

篇2

［关键词］人工智能；财务机器人；会计电算化；人才培养

0引言

正如会计电算化替代传统手工会计一样，随着信息化、智能化、互联网、大数据等科技元素在会计信息化中的应用，人工智能悄然到来。自2017年“会计证被取消”，到普华永道、安永、德勤等国际会计师事务所纷纷推出财务机器人，这些举动在财务圈引起了轩然大波，许多中职学校会计相关专业的学生，担心基础核算会计将被人工智能取代，对未来颇感担忧。根据世界经济论坛2016年的调研数据预测，到2020年，在全球15个主要的工业化国家中，机器人与人工智能的崛起，将导致510万个就业岗位的流失，未来20年最有可能被机器人抢走饭碗的岗位包括低端制造业的生产、会计等［1］。2017年7月，中国《新一代人工智能发展规划》，将人工智能上升为国家战略。所以笔者认为，基于人工智能背景下的中职会计电算化专业人才培养方式将面临变革，在教学中应站在未来发展的高度，适应信息化发展，及时掌握人工智能相关技术，实现由传统会计电算化专业人才培养向智能化管理会计转型。

1人工智能的概念［2］

人工智能即AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学，它是指由人工制造出来的系统表现出来的智能。目前人工智能在计算机科学领域内，受到了广泛的发挥。在机器人、经济政治决策、控制系统、仿真系统中得到应用。人工智能是信息技术发展的必然，它已悄悄地改变着人类的各行各业。人工智能在会计行业中应用，促使会计由简单核算向管理方向变革，推动了会计行业的发展，同时也促使着中职学校会计及相关专业的人才培养转变。人工智能取代传统的会计电算化操作人员是一种趋势，但也是一种转变，自我提升的机遇。

2中职学校传统会计电算化专业人才培养［3］

2．1课程偏传统基础核算类，轻参与、管理类会计课程

在多数中职学校会计电算化教学计划课程设计中，传统财务会计类课程占大多数，管理会计类课程设置单一或者没有。而财务机器人的出现，则能够替代大部分重复性、流程性基础会计核算工作。

2．2会计实操偏基础性会计技能，轻数据分析、挖掘

在实践教学及技能培养中，过于注重培养学生点钞、传票的翻打、会计书写、凭证装订，会计电算化软件操作机械性录入等。在当前大数据、人工智能背景下，可以让会计人员摆脱繁杂事务，重点放在会计数据分析与数据挖掘，为企业决策提供服务。

2．3课程偏模拟操作，轻实际操作

无论是手工核算还是会计电算化记账，大多数实操是模拟一个企业一个月的业务，学生根据教材或老师给予的信息进行会计处理，过账，做报表。一学期就是这样反反复复练习。学期结束，虽然考试合格，但仍有很多学生不明白为什么这么处理，特别在月末业务处理更加模糊不清，例如工资发放，计提税费、费用摊销、成本及费用结转等。还有绝大多数学生不知道真实环境如何计税、报税、纳税，只是理想中的学习，为了做账而做账。

3人工智能背景下的中职会计电算化人才培养［4］

3．1由基础核算型初级人才向有思想的中级人才转变

人工智能在会计行业中的应用，会计核算软件中的基础数据录入、凭证录入与审核、记账、编制科目汇总表、材料的收发统计、报表的编制等操作很容易被财务机器人替代，但是也有一些是机器无可替代的，需要有思想的“人”来处理。例如：由于大环境变化，企业的固定资产有明显减值趋势，而财务机器人并不能分析与判断这个固定资产是否会减值或减值多少，如果财务上不及时做出处理，将可能导致企业少确认资产减值损失，虚增了企业的资产和利润，对于企业来说，这属于信息失真。在大数据时代，中级类型的会计人才储备相对较少，中职学校的会计电算化教育，需要培养的应当是此类会计人才。教学会学生不能只拘泥于看财务数据，还要学会合理利用有效的会计数据服务于企业的发展，提高企业的核心竞争力。

3．2由传统的财务会计向人工智能环境下的管理会计人才转变

财务机器人的出现，替代了传统的财会人员进行基础数据的录入，日常凭证的填制、审核、记账；凭证、账簿、报表的生成；成本结转、折旧等财务处理；纳税申报等，这不仅提高了会计工作的效率，减少了传统的会计人员繁杂的日常账务处理工作，但同时也让传统的会计人员失去工作。作为会计的教育者，如何让学生在未来立于不败之地，不被财务机器人替代，就需要学校适应时代趋势，教学重点由传统的基础核算向智能管理型会计演变。会计从事的活动，除了重复、机械、烦琐的事情外，还可以创造更多价值，比如：评估、判断、沟通、协作、建议等。管理型计人才就是通过智能机器人核算出的精确信息，对企业的未来做出评估、预判、建议等，甚至帮助企业管理者做出决策。

3．3由会计电算化软件操作员向人工智能会计系统的设计者转变

人工智能环境下的财务机器人，实质就是一种自动化运行的程序，这种程序的设计，需要设计人员既要懂计算机又要懂会计。而现在的中职学校，会计电算化专业主要培养的是会计专业人才，操作会计核算软件，而很少在计算机方面进行教学。在人工智能环境下，懂得会计专业的人才只是人工智能会计系统设计的主导者，而计算机方面人才则根据会计法及相关规则进行系统设计，自动化处理会计业务需要想到协作，融会贯通。人工智能永远是基于系统的规则和大数据，如果规则发生变化，人工智能将无法起作用。在日常教学中，哪怕我们不能完全让学生掌握编写程序，但是应当教会学生看懂和读懂程序，对机器人“思想”进行修改，也算是人工智能的掌控者，而不是被替代者。

4人工智能背景下中职学校会计电算化专业人才培养应对策略［5］

4．1更新理念与改变教学计划

笔者认为，在人工智能背景下，在中职学校，会计及电算化专业办学理念中应加入人工智能等相关技术，同时其人才培养方案、专业建设、教学计划等方面都需要做出相应的调整，培养适应于人工智能时代复合型人才。例如，中职学校会计或会计电算化专业的教学计划中，计算机方面课程开设仅有计算机应用及会计电算化软件操作课程，数据处理、编程类或人工智能课程几乎没有，这样的教学安排不利于学生对未来人工智能的应对能力培养，应当增加相应的计算机方面课程，财务管理、会计政策、法律法规等人工智能无法替代的课程，减少将来可能被财务机器人替代的会计技能课程。

4．2提高教师人工智能等相关理念和技术

要给学生一碗水，教师必须要有一桶水，虽然人工智能的出现解决了许多教育上的难题，但是教师在人工智能背景下还需要增强自身信息化能力，学习人工智能相关理念，掌握人工智能相关技术。这就需要学校给予老师多点人文关心以及人工智能方面的继续教育。

4．3关注人文综合素质培养，让人工智能为我所用

财务机器人出现，会计人员有更多时间去从事财务机器人无可替代更具有情感类的工作，这些工作需要人与人之间的沟通与交流，因此，笔者认为，中职会计电算化专业教育，不仅需要培养学生人工智能动手能力，还要关注学生思想道德、人文综合素质的培养，提升学生的思想道德水平，教会学生爱岗敬业，诚实守信、乐于助人，激发学生的学习主动性和创造性。如果没有良好职业道德水平，即使掌握了人工智能技术，也将会破坏规则，让会计信息失真。我们不能教出人工智能的“奴才”，应当让人工智能为人类所用，做人工智能的主人。

5结语

总之，人工智能正在快速又深刻地改变我们的生活和工作方式，将人工智能用于会计行业会也将会不断得到规范。对于人工智能这类新兴技术在财务行业的运用初期可能会让学生产生恐慌、彷徨，认为学校教育无用。作为专业教师，要教会学生变革思想，提高其对会计价值的认识，提高其人文综合素养，拥有过硬的专业技术，不断地完善专业胜任能力，把握机会，主动迎接挑战，那么人工智能就只是会计人员的好帮手，而不是掘墓人。

主要参考文献

［1］彭维．浅谈人工智能时代财务的变革与转型［J］．中国管理信息化，2018（19）：39－41．

［2］巩彦哲．人工智能在会计管理中的应用微探［J］．财会学习，2018（20）：86－87．

［3］卢映芝，黄静．人工智能与会计课程实操的结合探讨———VR技术的引进［J］．现代商贸工业，2018（30）：160－162．

［4］王立法．论人工智能环境下会计人才培养所面临的挑战及见解［J］．财经界，2018（6）．

篇3

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

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

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

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

高考机器人

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

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

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

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

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

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

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

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

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

AI阅卷批改作业

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

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

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

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

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

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

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

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

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

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

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

机器人当老师

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

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

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

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

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

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

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

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

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

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

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

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

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

个性化教育

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

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

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

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

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

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

篇4

互联网上半场互连的机会已经过去，下半场就是人工智能了。

人工智能时代应运而生的过程，跟大数据的发展差不多，都是从信息获取到识别，到信息处理分析和反馈，再到最后的经验存储、格式化，以及循环的生态净化。毕竟，大数据、运算能力和产业应用都是人工智能发展的重要因素。当下人们关心的是，重大的产业机构是否会伴随着人工智能的发展同时到来？是否会同时产生聚集效应？这也是投资很重要的背后逻辑。

中国的人工智能时代，实际上就是互联网和大数据时代的产业衍生。这是因为互联网前期的高速发展，从平面互联网到一维、二维，再到后面快速智能互联网的发展，整个进程都是循序渐进的。而中国人工智能时代的基础设施和基础条件，其实也是逐渐在成熟的。云计算、智能终端、大数据、宽带、传感器等产业链逐渐成熟，也推动着人工智能的快速爆发。

滴滴出行创始人程维曾在一次演讲中表示，互联网上半场互连的机会已经过去了，下半场就是人工智能。而分享经济，是未来20年整个互联网时代最大的发展趋势。新美大CEO王兴也曾在一次工作会议中提出，未来大的互联网企业，其实重点在运营。过去是做用户、做流量，接下来的重点就是做运营。把这个点做到极致，真正使互联网企业效率提高、成本降低、用户体验提升。而这三个部分要做好，其实跟人工智能有着重大的关联。互联网上半场连接人人的风口已经基本结束，互联网下半场运营提升和人机连接的风口正在开始。

中国人工智能应用的产业发展也是逐渐在深化，人工智能的类型大致分为3种。第一是数据挖掘和优化以助于精准营销部分的应用；第二是软件、硬件控制，推动工业4.0发展；第三是人机互动，包括智能客服、服务机器人等方面的发展。相对而言，这些是目前正在快速发展的。而未来更多应用的机会将出现在在线医疗、在线教育、车联网、无人机、工业4.0等方面。

互联网的下半场属于人工智能，这已经是大家的共识。但是，资本对互联网下半场的投资逻辑又是怎样的呢？

以启赋资本为例。即使目前在机器人、无人机方面布局不多，但启赋资本在在线医疗、在线教育、互联网酒店、酒店智能化应用和工业4.0等方面都有了充分的布局。与此同时，为了获取巨大的用户基础，启赋资本还投资了大量的产业互联网平台型公司。而在人工智能方面，一些能够早期布局的机会，也是比较珍贵的。

而在这一系列的投资布局中，启赋资本其实依循着一套投资逻辑，即秉承对互联网上半场已经结束的基本判断，更加关注互联网的下半场。根据这样一个基本的逻辑，尽量去绕开BAT、关注垂直重运营、结合人工智能、推进O2O产业升级以及供给侧的共享经济优化等。当然，更多的也会结合自身在B2B领域的投资优势进行布局，例如工业链金融、企业级服务等方面的投资。

篇5

科技巨头布局人工智能

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

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

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

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

中国人工智能商用元年

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

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

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

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

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

人工智能的现实入口

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

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

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

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

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

篇6

关键词：人工智能技术；教学方法；编程能力

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）16-3865-02

1 概述

2008年11月16日，中国科协成立50周年新闻会在北京召开。在新闻会上，“五个10”系列评选活动，即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是：基因修饰技术；未来家庭机器人；新型电池；人工智能技术；超高速交通工具；干细胞技术；光电信息技术；可服用诊疗芯片；感冒疫苗；无线能量传输技术。

人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可以用某种智能化的机器来予以人工实现[1]。

通过《人工智能技术》课程的学习，使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握，并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究，启发学生对人工智能技术的兴趣，培养知识创新和技术创新能力，并能将人工智能技术融入到今后所开发的计算机软件之中。

《人工智能技术》是一门众多学科交叉的新兴课程，其涵盖范围广，涉及知识点多，知识更新快，内容抽象，不容易理解，理论性强，而且需要较好的数学基础和较强的逻辑思维能力，这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科，怎样将理论运用到实践中，使学生将学到的人工智能技术知识和思想运用到自己的实际课题，这也是该课程需要解决的问题之一。

因此，对《人工智能技术》课程教学来说，我们要了解课程的最新信息，把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的创新思维能力，提高学习兴趣，该文给出了《人工智能技术》课程的教学与实践的探索。

2 教学与实践的探索

2.1 教材和实验教学内容的选取

1） 人工智能技术是整个计算机科学领域发展最快，知识更新最快，最前沿的学科之一。在教材选用方面，我们采用了蔡自兴教授等主编，由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写，借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处，该书比较全面地介绍了人工智能技术的基础知识与技术，材料新，易于理解，兼顾基础及应用[2]。

此外，我们还给学生自主学习提供多种类型的学习资料，其中包括参考书目，如：Russel S， Norvig P.等编著的《Artificial Intelligence： A Modern Approach》一书，人工智能技术国内外期刊，如电子学报，计算机学报，人工智能与模式识别，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技术会议，使学生能够掌握人工智能技术的更多前沿动态，提高学习兴趣。

2） 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程，实践性教学环节对该课程尤为重要。除了完成课本上的作业之外，还注重实验教学，培养学生的创新能力、算法设计能力和编程能力。首先，每个章节设置相应的实验，而实验内容经过严格的考虑，如：五子棋游戏，产生式系统，旅行商问题，传教士和野人问题，BP神经网络实现简单的分类，遗传算法、人工生命程序等，要求学生运用所学章节的知识，独立地设计和实现实验内容。实验报告包括简述实验原理及方法，给出程序设计流程图，源程序清单，实验结果及分析等内容，通过这种方式，进一步加强学生的信息获取能力和研究能力。

2.2 教学方法和手段的改革

人工智能技术课程交叉性强，涉及面广，传统的教学方法手段单一，缺少交流，课堂气氛沉闷，激发不起学生的学习兴趣，教学效果不理想。人工智能技术这门课程内容抽象，如何激发学生的学习兴趣是本课程需要解决的主要问题，也是关系教学改革成败的关键。本课程需采用多种方法进行教学，以此来激发学生的学习兴趣。

1） 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题，主要是用计算机模拟人类的智能来解决这种问题。在教学中，有目的的提出这些问题，鼓励学生思考，提出自己的想法和解决方案，并进行分析和比较，这样强化学生的主动学习意识，提高学习积极性[3]。

2） 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别，由于他们每个人的基础不同，有的计算机知识比较匮乏，因此有必要针对每个学生的学习进度，课堂作业和实验报告情况进行及时评估，对学生提出个性化的教学。例如：在实验教学中，要求有能力和兴趣的学生可以做探究性和创新性的附加实验，从而引导学生发挥个性的空间，而对稍微吃力的学生则要求完成基本的实验，更注重基础知识的学习和夯实，这样就能达到因材施教的目的。同时对不同层次的学生进行分析，进一步提出学习建议，并进行有针对性的指导。

3） 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂，提纲挈领，便于学生理解。课堂讲授、板书与PPT手段相结合，注重课程中的关键词用英文表示，并适当指定英文参考书，使学生能够接触国外文献资料，加深对学习内容的理解，获得更宽广的知识。PPT课件运用了大量多媒体技术，如动画、声音、图像，通过动画和视频演示抽象的概念、算法和过程，使人工智能技术中抽象的知识形象化，在课件中融入了文学，历史等其他学科的相关知识，便于学生较好地理解知识难点和重点[4]。

4） 师生互动和课内外答疑。在教学中，改变了传统的老师讲，学生听的教学模式。针对人工智能技术的实用性，适当提问，收集学生学习情况，尽量使用实例进行讲解。设置了实验讲解互动课程，对于实验的讲解，学生可以提出疑问，然后在课堂上展开讨论，学生可以看到问题从提出、分析到解决的整个过程，让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题，还设有课后答疑，使学生能将所有的问题都理解透彻。

5） 理论研究与实践结合。在教学内容的安排上，注重学生的理论研究和动手能力，适当布置一些课程相关的论文和实验编程。通过课程论文，可以培养学生钻研问题的兴趣； 通过查阅科技文献使学生掌握如何查找相关文献的技能，可以培养学生撰写科技论文的能力。通过实验实践，使学生可以更加清楚地了解人工智能技术基本概念和难点，也能了解算法的设计具体运行过程，并对其进行验证，提高了学生的编程能力和和学习兴趣。

6） 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题，本课程应采用多种综合考试方法，注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩，实验实践教学成绩、提交课程论文成绩，以及最后的期末考试成绩形成一种有效的考试考核方法，促进学生主动学习，提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性，论文结构、思路是否严谨，论文内容科学性、正确性，能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。

2.3 学生学好《人工智能技术》课程的建议

《人工智能技术》是一门理论与实践相结合的应用课程，学生如何学习这么课程，也是我们应该探讨的问题。

学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代，形成于60、70年代，发展至今，人工智能技术只有短短60多年的历史，它是一门不断发展和完善的崭新学科，还有许多课题处于探索中，理论和技术还远未成熟，我们应该对它有科学的认识。

针对非计算机专业本科毕业的学生，除了课堂听讲之外，还应该课下自学该课程的先修课程，如：数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识，如：模式识别需要具有较好的概率论，数理统计知识，另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程，编程语言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神经网络，遗传算法等算法，实现这些算法要求学生具有较强的编程能力。

学生应该多读，多查阅资料，特别是国外的期刊文献和重要国际会议论文，多了解人工智能技术最前沿的信息，理论联系实际，加深对基本算法的理解，并将人工智能技术的知识运用到自己所研究的领域，以做到学以致用。

3 结论

人工智能技术在一定程度上代表着信息技术的前沿，该文对《人工智能技术》的课程教学进行了一些探讨，教学与实践效果有了显著提高，但仍然有许多方面还需要我们继续探讨和改进。

参考文献：

[1] 蔡自兴，徐光佑.人工智能技术及其应用[M].北京： 清华大学出版社，2003.

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

篇7

过去几年里，中国的资本规模和它的潜力已经达到了世界顶尖的状态。因此，一些优质的科技资产，需要明确地看到在中国做早期投资、中期投资、成长性投资的潜力，了解到自己的技术潜能和发展，中国才是最合适自己的市场。

社交、大数据、人工智能……如果把这些当作互联网技术的延伸，那么，互联网的革命才刚刚开始。

这会是一个非常彻底的、血腥的改造，它将彻底改造行业和改变所有人类的习惯。机会主要掌握在懂得互联网和数据威力的公司手上，那些不能接受“互联网+”、“AI+”概念的公司，就会被颠覆。如今世界最有价值的20个公司里面，科技型公司占多数，未来更会如此。

作为早期投资者，需要有非常敏锐的鼻子，能够在一个风口还没有起来的时候布局。有几个蓝海领域值得关注，第一个就是人工智能。

六年前，有一个黑盒技术，可以识别、判断数据，甚至超过人类。但这不是一个标准的软件，世界上可能只有7 000个人会用它。看准这个方向之后，一个又一个的产品就推出来了，它们是能够取代人类所有需要低于5秒的工作，比如识别人脸、语音、手的字，机器会全面超过这些行业的从业者。

但是，人工智能不是取代工作，而是用更低的成本给人类创造了更高的价值。其中，无人驾驶在未来大有机会。无人驾驶发展的路径会是：人开车，机器给你提醒；人开车，机器给你辅助；机器开车，人被解放了。

改变随之而来，以后每辆车就只坐一个人了，车子的设计也会改变。原来开两辆车的道路，未来可以开4～5辆车，停车场也会消失……你可以想象未来，工业机器人、家庭机器人、陪聊机器人，它们有越来越多的方向。无人驾驶只是一个领域，当你十年以后回顾十年前的今天，会突然发现自己的整个生活方式都改变了。

第二个领域是文化娱乐。文化娱乐会被彻底颠覆，比如优质的头部内容、受年轻人喜爱的节目。随着它们的发展，有可能成为一个平台，搭配更多种类的产品。

第三个领域是在线教育。国内的教育虽然在这十年进步很大，但仍然存在很多问题。要改变已有的教育体制很困难，望子成才的家长更愿意花钱让孩子接受课外教育。十年前教育行业没有足够快的带宽和无所不在的移动平台，但是今天有四个很大的趋势在发生：第一个，企业可以通过互联网获客，虽然成本很高，但每一个获客的终生价值也很高；第二，教学的空间距离被打破。视频会议的质量提高后，大家愿意在网上上课。第三，网上的内容更有趣味性、强交互，那些优质的、有趣的老师可以让孩子快乐地学习。第四，人工智能的技术可以帮助老师用AI判断每一个学生需要学习什么内容，从而推荐合适的产品给他们。

第四个领域是B2B，即企业级的交易。“找钢网”“买好车”是两个例子。“买好车”是新车交易平台，它们的交易不是对用户，而是对接当地非4S汽车经销商，连接上了可以进口的每一辆车。而且，它的利润也很可观。

第五个是消费升级。中国的富人越来越多，他们的消费习惯会改变。这时，过去的销售模式就不合适了。比如电商，过去的就是用户上淘宝买到更便宜的用品。现在，用户愿意多花钱，用更好、更快、更美的模式，得到一些享受，同时满足自己的小资心态。

篇8

1、软件工程。软件工程专业近些年来的就业情况一直比较不错，算是计算机相关专业中的佼佼者。软件工程有三个特点，其一是注重基础知识的同时也注重学生实践能力的培养；其二是软件工程专业与IT行业的结合比较紧密；其三是紧跟技术发展趋势，从近些年来的毕业设计就能够体现出来。

2、物联网工程。随着5G标准的落地，未来物联网领域将迎来广阔的发展空间，而且物联网作为产业互联网的重要基础，所以物联网领域将陆续释放出大量的就业岗位。未来智慧城市、车联网、工业物联网、农业物联网、移动互联网、可穿戴设备等领域将有广阔的发展空间，而这些领域都需要大量的物联网专业人才。

3、大数据。当前正处在大数据时代，大数据技术目前也正处在落地应用的初期，随着大数据逐渐落地到广大的传统行业，未来大数据领域将有大量的就业岗位。从大数据未来的发展趋势来看，大数据人才的就业面还是比较广泛的，不仅可以就业到科技行业，也可以就业到金融、交通、教育等传统行业。

4、人工智能。当前人工智能是市场的热点之一，所以不少大型互联网公司都陆续开始布局人工智能领域，目前人工智能领域的人才缺口还是比较大的。虽然目前本科阶段开设人工智能专业的学校比较少，但是相信未来会有更多的高校会陆续开设人工智能专业。

（来源：文章屋网 ）

篇9

关键词：人机大战；人工智能；发展前景

中图分类号：TP391 文献标识码：A

0.引言

2016年3月15日，备受瞩目的“人机大战”终于落下帷幕，最终Google公司开发的“AlphaGo”以4∶1战胜了韩国九段棋手李世h。毫无疑问，这是人工智能历史上一个具有里程碑式的大事件。大家一致认为，人工智能已经上升到了一个新的高度。

这次胜利与1997年IBM公司的“深蓝”战胜国际象棋世界冠军卡斯帕罗不同。主要表现在两个方面：

（1）AlphaGo的胜利并非仅仅依赖强悍的计算能力和庞大的棋谱数据库取胜，而是AlphaGo已经拥有了深度学习的能力，能够学习已经对弈过的棋盘，并在练习和实战中不断学习和积累经验。

（2）围棋比国际象棋更加复杂，围棋棋盘有361个点，其分支因子无穷无尽，19×19格围棋的合法棋局数的所有可能性是幂为171的指数，这样的计算量相当巨大。英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性”。因此，进入围棋领域一直被认为是目前人工智能的最大挑战。

简而言之，AlphaGo取得胜利的一个很重要的方面就是它拥有强大的“学习”能力。深度学习是源于人工神经网络的研究，得益于大数据和互联网技术。本文就从人工智能的发展历程与现状入手，在此基础上分析了人工智能的未来发展前景。

1.人工智能的发展历程

AlphaGo的胜利表明，人工智能发展到今天，已经取得了很多卓越的成果。但是，其发展不是一帆风顺的，人工智能是一个不断进步，并且至今仍在取得不断突破的学科。回顾人工智能的发展历程，可大致分为孕育、形成、暗淡、知识应用和集成发展五大时期。

孕育期：1956年以前，数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化，奠定了数理逻辑的基础。英国数学家图灵在1936年创立了自动机理论（亦称图灵机），1950年在其著作《计算机与智能》中首次提出“机器也能思维”，被誉为“人工智能之父”。总之，这些人为人工智能的孕育和产生做出了巨大的贡献。

形成期：1956年夏季，在美国达特茅斯大学举办了长达2个多月的研讨会，热烈地讨论用机器模拟人类智能的问题。该次会议首次使用了“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生。其后的十几年是人工智能的黄金时期。在接下来的几年中，在众多科学家的努力下，人工智能取得了瞩目的突破，也在当时形成了广泛的乐观思潮。

暗淡期：20世纪70年代初，即使最杰出的AI程序也只能解决问题中最简单的部分，发展遇到瓶颈也就是说所有的AI程序都只是“玩具”，无法解决更为复杂的问题。随着AI遭遇批评，对AI提供资助的机构也逐渐停止了部分AI的资助。资金上的困难使得AI的研究方向缩窄，缺少了以往的自由探索。

知识应用期：在80年代，“专家系统”（Expect System）成为了人工智能中一个非常主流的分支。“专家系统”是一种程序，为计算机提供特定领域的专门知识和经验，计算机就能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。不同领域的专家系统基本都是由知识库、数据库、推理机、解释机制、知识获取等部分组成。

集成发展期：得益于互联网的蓬勃发展、计算机性能的突飞猛进、分布式系统的广泛应用以及人工智能多分支的协同发展，人工智能在这一阶段飞速发展。尤其是随着深度学习和人工神经网络研究的不断深入，人工智能在近几十年中取得了长足的进步，取得了令人瞩目的成就。

人工智能发展到今天，出现了很多令人瞩目的研究成果。AlphaGo的胜利就是基于这些研究成果的一个里程碑。当前人工智能的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。

2.人工智能l展现状与前景

人工智能当前有很多重要的研究领域和分支。目前，越来越多的AI项目依赖于分布式系统，而当前研究的普遍热点则集中于自然语言处理、机器学习和人工神经网络等领域。

自然语言处理：自然语言处理（Natural Language Processing，简称NLP），是语言学与人工智能的交叉学科，其主要功能就是实现让机器明白人类的语言，这需要将人类的自然语言转化为计算机能够处理的机器语言。

自然语言处理主要包括词法分析、句法分析和语义分析三大部分。词法分析的核心就是分词处理，即单词的边界处理。句法分析就是对自然语言中句子的结构、语法进行分析如辨别疑问句和感叹句等。而语义分析则注重情感分析和整个段落的上下文分析，辨别一些字词在不同的上下文定的语义和情感态度。

当前自然语言的处理主要有两大方向。一种是基于句法-语义规则的理性主义理论，该理论认为需要为计算机制定一系列的规则，计算机在规则下进行推理与判断。因此其技术路线是一系列的人为的语料建设与规则制定。第二种是基于统计学习的经验主义理论，这种理论在最近受到普遍推崇。该理论让计算机自己通过学习并进行统计推断的方式不停地从数据中“学习”语言，试图刻画真实世界的语言现象，从数据中统计语言的规律。

机器学习：机器学习（Machine Learning）是近20年来兴起的人工智能一大重要领域。其主要是指通过让计算机在数据中自动分析获得规律，从而获取“自我学习”的能力，并利用规律对未知数据进行判断和预测的方法。

机器学致可以分为有监督的学习和无监督的学习。有监督的学习是从给定的训练数据集中练出一个函数和目标，当有新的数据到来时，可以由训练得到函数预测目标。有监督的学习要求训练集同时有输入和输出，也就是所谓的特征和目标。而依据预测的结果是离散的还是连续的，将有监督的学习分为两大问题，即统计分类问题和回归分析问题。统计分类的预测结果是离散的，如肿瘤是良性还是恶性等；而回归分析问题目标是连续的，如天气、股价等的预测。

无监督学习的训练集则没有人为标注的结果，这就需要计算机去发现数据间的联系并用来分类等。一种常见的无监督学习是聚类分析（Cluster Analysis），它是将相似的对象通过静态分类的方法分成不同的组别或者是特定的子集，让同一个子集中的数据对象都有一些相似的属性，比较常用的聚类方法是简洁并快速的“K-均值”聚类算法。它基于K个中心并对距离这些中心最近的数据对象进行分类。

机器学习还包括如半监督学习和增强学习等类别。总而言之，机器学习是研究如何使用机器来模拟人类学习活动的一门学科，而其应用随着人工智能研究领域的深入也变得越来越广泛，如模式识别、计算机视觉、语音识别、推荐算法等领域越来越广泛地应用到了机器学习中。

人工神经网络：在脑神经科学领域，人们认为人类的意识及智能行为，都是通过巨大的神经网络传递的，每个神经细胞通过突出与其他神经细胞连接，当通过突触的信号强度超过某个阈值时，神经细胞便会进入激活状态，向所连接的神经细胞一层层传递信号。于1943年提出的基于生物神经元的M-P模型的主要思想就是将神经元抽象为一个多输入单输出的信息处理单元，并通过传递函数f对输入x1，x2…，xn进行处理并模拟神经细胞的激活模式。主要的传递函数有阶跃型、线性型和S型。

在此基础上，对神经网络算法的研究又有诸多进展。日本的福岛教授于1983年基于视觉认知模型提出了卷积神经网络计算模型。通过学习训练获取到卷积运算中所使用的卷积系数，并通过不同层次与自由度的变化，可以得到较为优化的计算结果。而AlphaGo也正是采用了这种深度卷积神经网络（DCNN）模型，提高了AlphaGo的视觉分类能力，也就是所谓的“棋感”，增强了其对全盘决策和把握的能力。

3.人工智能的发展前景

总体来看，人工智能的应用经历了博弈、感知、决策和反馈这几个里程碑。在以上4个领域中，既是纵向发展的过程，也是横向不断改进的过程。

人工智能在博弈阶段，主要是实现逻辑推理等功能，随着计算机处理能力的进步以及深度学习等算法的改进，机器拥有了越来越强的逻辑与对弈能力。在感知领域，随着自然语言处理的进步，机器已经基本能对人类的语音与语言进行感知，并且能够已经对现实世界进行视觉上的感知。基于大数据的处理和机器学习的发展，机器已经能够对周围的环境进行认知，例如微软的Kinect就能够准确的对人的肢体动作进行判断。该领域的主要实现还包括苹果的Siri，谷歌大脑以及无人驾驶汽车中的各种传感器等。在以上两个阶段的基础上，机器拥有了一定的决策和反馈的能力。无人驾驶汽车的蓬勃发展就是这两个里程碑很好的例证。Google的无人驾驶汽车通过各种传感器对周围的环境进行感知并处理人类的语言等指令，利用所收集的信息进行最后的决策，比如操作方向盘、刹车等。

人工智能已经渗透到生活中的各个领域。机器已经能识别语音、人脸以及视频内容等，从而实现各种人际交互的场景。在医学领域，人工智能可以实现自动读片和辅助诊断以及个性化t疗和基因排序等功能。在教育领域，机器也承担了越来越多的辅助教育，智能交互的功能。在交通领域，一方面无人车的发展表明无人驾驶是一个可以期待的未来，另一方面人工智能能够带来更加通畅和智能的交通。另外人工智能在安防、金融等领域也有非常广阔的发展前景。总之，人工智能在一些具有重复性的和具备简单决策的领域已经是一种非常重要的工具，用来帮助人们解决问题，创造价值。

参考文献

[1]阮晓东.从AlphaGo的胜利看人工智能的未来[J].新经济导刊，2016 （6）：69-74.

篇10

【Abstract】In recent years， with the support of highly developed electronic technology， artificial intelligence has developed rapidly， even a lot of artificial intelligence products have been put into use and walk， into people's lives. In this paper， the artificial intelligence is reviewed， and analyzed the present situation of artificial intelligence technology， points out its development problems， and the future of artificial intelligence is prospected.

【关键词】人工智能；发展现状；未来展望

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

【中图分类号】TP18 【文献标志码】A 【文章编号】1673-1069（2017）04-0107-02

1 引言

2016年年初，韩国围棋国手李在石与围棋程序Alpha Go对弈中首战失利，再一次将人工智能拉入了公众的视野，使其成为2016年度话题度最高的科技之一。不可否认，近些年来人工智能发展迅速，很多人工智能产品已经开始进入人们的家中，如扫地机器人、智能保姆等，虽然它们还没有美国大片《终结者》中所描述得那么先进，但从前遥不可及的人工智能概念正在一步步变为现实却是不争的事实。人工智能的现状如何，它又将如何发展，都是学界较为关注的课题。

2 人工智能综述

2.1 人工智能的概念

人工智能即AI，其英文全称为Artificial Intelligence。人工智能的概念要从人工和智能两方面来了解，所谓人工就是指人工智能脱胎于人类的文明，是人类智慧的产物；而智能则是指具有人工智能的计算机或其他子设备可以模拟人类的智能行为和思维方式，人工智能是计算机科学的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。

2.2 人工智能的现实应用

如今的人工智能机器，可以在胜任一些复杂脑力劳动的同时，辅助人类进行记忆和逻辑运算等活动。现阶段学者已经研制出了一些可以模拟人类精神活动的电子机器，经过完善升级，这些电子机器将有希望超越人类的能力，协助人类完成一些执行难度较大的工作。但是目前研制出的自动化系统或者机器人虽然可以代替部分人类劳动，却还没有到达可以实现人类多方面协调和自我学习升级的智能水平，要制造出一款可以完全拥有人类智慧的机器，还需进一步深入研究。还有一些人工智能产物经常应用于各种商业用途，例如单位内部的客户信息系统，决策支持系统，以及我们在世面上可以看见的医学顾问、法津顾问等软件。

3 人工智能发展现状

3.1 智能接口技术研究现状

人工智能接口研究就是为了实现人机交流，为此学者必须从理论和实践两方面努力，解决计算机对文字和语言的理解与翻译、对自我的表达等功能问题。由于智能接口技术的研究和应用，计算机技术的发展获得了极大的推动力，在运行速率和人机交流等方面都有巨大提升。

3.2 数据挖掘技术研究现状

数据挖掘技术主要是对各类模糊的、大量的应用数据、人未知的、潜在已经存在的数据进行整理挖掘进行细致的研究，寻找出对研究有用的数据。目前，数据库、人工智能、数理统计已经成为数据挖掘技术的三大技术支撑，以基础理论、发现算法、可视化技术、知识表示方法、半结构化等作为研究内容，为数据挖掘技术的发展提供理论和技术支持。

3.3 主体系统研究现状

主体系统可以实现机器意图和想法的生成，是一种智能方面更接近人类的自主性实体系统。自主系统可以完成一些相对独立、自主的任务，甚至可以通过调整自我状态，应对环境和特殊情况的变化，进而保证自身规划任务的完成。在多主体系统研究中，主要是从物理和逻辑思维方面对主体进行智能行为的分析研究。

4 人工智能发展中面临的问题

4.1 识别功能的困惑

计算机识别技术研究在近些年取得了大量成果，其产品的实际应用范围较广，但不可否认的是，计算机识别的模式是基于一定的算法和程序设定的，其识别机制完全不同于人类的感官识别，因此，在计算机进行识别，尤其是图形识别时，对各种印刷体、文字、指纹等清晰图形可以快速识别，但对于相似度较高的物体，计算机识别能力相对较弱，识别失败的情况较为普遍。语音识别主要研究各种语音信号的分类。语音识别技术近年来发展很快，但是缺点是识别极易受到干扰，发音不标准的语音较易引发识别错误。

4.2 GPS功能的局限性

GPS是企图实现一种不依赖于领域知识求解人工智能问题的通用方法，但是问题内部的表达形式和领域知识是分不开的，用谓词逻辑进行定理归结或者人工智能通用方法GPS，都可以从分析表达能力上找出其局限性，这样就减少了人工智能的应用范围[1]。

5 人工智能的未来应用展望

人工智能与人生活最息息相关的应用范围就是融入人们的衣食住行和教育等方面，这也是人工智能未来最普遍的应用方向。

5.1 无人驾驶的汽车

奔驰、丰田等很多大型汽车企业都在研究o人驾驶的汽车，像007电影中的那种拥有自主辨别路况、自动驾驶等功能的汽车也许很快就会成为现实。自动驾驶的汽车要搭载的技术并不只人工智能一种，它还需要将自动控制和视觉计算等新型技术集成应用，改变现有汽车的体系结构，赋予其自动识别、分析和控制的能力。因此，自动驾驶汽车需要实现三方面的技术突破：其一，实现利用摄像设备、雷达和激光测距机来获得路况信息；其二，实现利用地图进行自动的车辆导航；其三，根据已有信息数据对车辆的速度和方向进行控制。未来的自动驾驶汽车还可以通过车辆之间的信息互通和互相感应，来协调车速和方向，避免车辆碰撞，实现自动驾驶车辆的安全行进。

5.2 智能化的课堂

当前已经有一些智能化的教学软件，教师们可以在这些软件上把教学课件传送给学生，并进行授课答题，学生还可以与教师弹幕互动，使课堂变得妙趣横生，方便了教师的授课活动。对于学生而言，能够在期末十分便捷地回顾上课的错题，甚至能够在几年后翻阅学习过的课件；对于教师而言，能够精细地知道学生对知识的掌握程度，甚至能够发现最积极和最懈怠的学生。未来的智能课堂将更具有时间延展性，学生不仅可以在课堂学习知识，还可以利用智能电子设备进行课前预习和课后复习，从而使学生可以在更加趣味性的氛围中进行自主学习安排。

5.3 自动化的厨房

今后的厨房将会更加智能化，当你做饭时，设定好你想要的菜谱，准备好所需的食材，烹调设备即可将饭菜制作得恰到好处。它会根据你食材的新鲜程度，为你推荐最适合的菜谱，并计算出其营养参考标准，并为你推荐其他食物，使膳食营养均衡。当你家中某样食材不足时，物流公司便会将时下最新鲜的这一食材送至你家中[2]。

6 结语

人工智能这一概念是在1956年提出的，在当时，人工智能还只是人们头脑中的一种幻想，而在60年后的今天，人工智能的梦想已经逐渐照进现实，它甚至渗透进了工业、医学、服务等多个领域，可以说人工智能正在改变着我们生活的世界。但对于人工智能这个人类创造出来的技术，人们也存在一定的担忧，人工智能将向何方发展？人工智能发展到极致会不会脱离人类的控制？人工智能会不会超越人类的智慧？在诸多问题围绕下，人工智能技术依然在迅猛发展，它的未来如何，让我们拭目以待。

【参考文献】