教育领域的人工智能范文
时间：2023-11-02 17:37:13
导语：如何才能写好一篇教育领域的人工智能，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
经过比较详细研究Alphago的算法发现，它在布局阶段的前20步采用人类经验，之后开始在人类经验的基础上融入了自己学习的权重，变得更加的理性以及所谓的大局观。由于围棋的复杂性，Alphago也不能在每步都能精确地知道当前棋盘中所有下法的胜率。所以，他采用的是在可以期待的近期(20步以内)综合价值和胜率会超过50%的走法。从这几点来看，这次的机器战胜远超过国际象棋中人类被战胜的意义。Alphago的算法是一种新的适应机器的思维，发挥了机器的强项，弥补了机器的短处。这非常让人感到害怕、悲观和失望。因为，人生就是一盘棋局。如果50年后，有一个智能科技机器助手，它不能告诉你最终的未来，但是可以告诉你在几年内的未来，你该如何是好?那这是不是一种宿命论?事实上，笔者在教授数据分析课程的这几年中，一直在宿命论和未来不确定性两种相对的观点中摇摆。数据统计已经有足够的算法和可靠的实践在某些方面做出人类无法预计或预见的准确预测，只不过那些领域还很小，比如，库存的预测、销量的预测，等等。数据已经在显示其巨大的价值，而一旦数据预测技术能够输入足够多的变量，采用类似Alphago或更加高级的算法，进而对你个人、你所在组织、公司、国家的短期未来甚至是长期未来做出80%、甚至是90%的准确预测，你会怎样去接受这样的未来?!当然，不确定性仍会存在，这是一个好消息。在此，我对Alphago事件尝试做一些思考分析。
一、Alphago战胜人类的几种可能的基础
1.Deepmind公司用十年的时间磨练，修改算法，虽然在算法上没有创新，但是如何融合已有算、如何调整权重等多个方面，仍然是做了大量、艰苦的工作。
2.Google拥有超级大量的计算资源供Alphago的使用，也就是说目前机器学习的过程非常的耗费时间以及计算资源。按照以往的经验，20年内，我们使用的桌面型机器就应该能够支撑起Alphago目前所需的计算资源。从现在开始，再过30-40年，可能Alphago这个“古老”的程序只需要几天就能完成现在几个月所需的机器学习时间。
3.在硬件上CPU和GPU的协同调度，以及分布式的运算的运用，大大加快的计算的速度。这也是近几年软硬件基础发展奠定的基础。
4.Alphago 在击败欧洲冠军时进行了严格的保密，说明当时Alphago团队当时也并不是很自信能够战胜。事实上，我认为，在这次比赛开始前，他们仍然没有这个把握，仍然应该认为是一半对一半的胜率。但是，哪怕输了，也没有关系，反正继续让Alphago学习后再提升。
5.Alphago对战时采用方式近似的模拟了人脑的信息的处理方式，只不过速度更快。所以，Alphago也不能百分之百的胜率，但是随着学习的时间不断增加，最终会远远超过人类。
二、Alphago围棋人机大战事件将会产生的影响：
1.个人，组织，公司，国家间的竞争将会更加重视人工智能的策略参考。人类的思考开始依赖于机器的理性，人的决策变得更加的理性，情感的因素会不断下降，也意味着更加没有人情味。这必然会影响到人类的进化进程。
2.人与机器的关系需要重新的思考，人应该如何同机器共存。
3. IT行业的人力资源需求将大规模增长，而有些行业将大规模失业。
4.基因技术、可控核聚变、机器人技术、人工智能这些技术都将对人类产生重大意义的影响，但是如何控制好这些技术将成为一个重大的问题，否则任何一个技术都可能毁灭人类。为了控制好这些技术，需要从现在开始立即进行大量的辩论及监督审查。
5.Alphago在最终在决定某个落子的评分中，其权重为人类经验参数同左右互搏这种机器学习得来的概率参数各占50%。Alpago团队曾经调整过不同的权重，但是经过实验发现各占50%时的最终胜率最高。这一数据是否在暗示，如果要战胜人类就必须首先理解人类的思考，否则就无法做到青出于蓝而胜于蓝。但是，在理解人类思考的同时，也会无法避免地继承人类的弱点，这也是Alphago最终会有失败的一局。另外，在具体的步骤中，也不是每步都是完美的。可能这也许是人工智能能够超越人类，但是可能无法毁灭人类的重要一点。因为，如果人工智能自己最终学会思考，相信人工智能最终会参透，或许最符合人工智能自身的利益生存方式是同人类共存，而不是消灭人类。
1.Alphago算法有较强的通用性，但也有很多的限制。首先为了更加精确，需要大样本量的学习，Alphago为了加快学习进度在学习现有人类棋盘的基础上，开始自己与自己互博，加快学习的速度。这点在通用领域中实现有一定的难度。在教育领域中，目前比较适合Alphago算法快速进入的领域的是在线课程的学习。
2.在线课程的学习目前来说仅仅完成了内容的提供，如何编排现有的课程已达到最高的学习效率，这点目前还没有引入人工智能方法。如果引入，将会对教学的方法理论产生一定的影响，甚至会影响到线下课程顺序的设计安排。
3.多媒体材料的类型的挖掘，不同类型的媒体会带来不同的教学效果，人工智能在这个领域有助于通过大数据分析统计出在认知不同阶段采用何种类型的教学媒体效果最好。
4.个性化的学习，引入Alphago算法后的人工智能，会为个性化学习带来天翻地覆的变化。通过摄像头对学习者情绪的监控，结合学习过程中不间断的学习效果的评估，可以会带来真正意义上的个性化学习。
5.真正意义上的个性化学习会对分层教学产生深远的影响，因为学习的进度快慢会非常容易的将不同学习能力的学习者分类，教育会不知不觉走向过程和结果的不公平。
6.目前，已经有在线课程网站同招聘网站结合的构想，利用在线学习的记录，为雇主提供是否雇佣的参考。未来可能会更加大规模地出现该类现象，未来各级各类学校的升学也可能会更加依赖机器或网站记录的学习过程，同时造成新的学习能力歧视。但是，这样针对个体的不公平，却可以带来整个组织以及国家的利益最大化，将来如何面对这样的不公平，会成为一个重要的讨论话题。
7.Alphago通过在线教学领域的挖掘最终也会或多或少的影响到传统的教学。如在教师多媒体的选择标准、课程顺序及进度的选择。但是，在远远没有量化的教学领域，还有很长的路需要走，而一旦传统的教学领域被量化，如学生的表情、情绪、反应等，那么教师这个职业将同今天的围棋一样，不得不慎重的思考接受一个类似上帝的理性的人工智能的建议。另外，最快掌握这一技术的组织和国家，将获得先发的优势。
四、Alphago围棋事件可能对职业教育领域的产生的影响
1.大量的主要是重复性的工作，尽管需要一定的随机应变能力的工作，将会在30～50年逐步被人工智能所替代。这些职业中的低层次职员将被大量地解雇。这一点提醒职业教育的层次需要不断地上移，为符合人力资源市场的需求及保证国家的竞争力，职业教育中本科教育及研究生教育的比例将逐步加大。
2.工厂的工人将被大量的机械手臂代替，全自动化的工厂将越来越多。尽管处于迈向老龄化的社会，却并不能保证年轻人足够的就业岗位。IT产业的人力需求将越来越大，各个产业的从业者都将储存一定的人工智能的知识，以便同智能机器助手更好地共存。
3.职业教育的过程将更多地信息化，如教学资源库使用将更加类似于在线教学。通过物联网技术，教学的过程被更加地量化，实践操作的过程中实现较高精度的量化，实践教学的效率极大地提高。但是，工业领域的职业中的实践教学的比例将大幅度下降，由于机械臂的大规模采用，实践教学将被机械臂的操作实践教学大规模替代。对于人工智能分析、操作以及针对不同环境进行适应性调整的能力将成为大部分职业必修的课程。
4.有必要考虑培养学生的机器思维的理解能力，让学生能够理解人工智能的思维的方式，理解这种更加冷静的思维方式。同时，也要让学生明白人工智能不是万能，也会犯错，需要保持警惕，不可过分依赖人工智能。
5.在职业道德的教育中需要充分的讨论人与智能机器之间的关系，以及如何看待智能机器，应该拟物化的看待智能机器抑或是拟人化的看待?如果拟人化的看待，那么，拟人化到何种程度?如果面临险境，是否会因为情感因素去拯救智能机器而牺牲自己?等一系列的问题。
篇2
关键词：讯飞超脑计划；人工智能；未来生活
中图分类号：TP18 文献标识码：A 文章编号：1671-2064（2017）01-00218-01
人工智能包含三个层次：计算智能、感知智能和认知智能，讯飞超脑计划是包含模拟人脑的知识表示与推理、类人学习机制与新知识的获取、机器加载专业知识成为专门的教育领域。讯飞超脑计划是基于全球关于人工神经网络的深度学习研究，简单来说就是希望未来讯飞超脑计划能够将人工智能从只是简单地能听会说到能够深度思考相关问题的科技转变。人工智能的不断开拓创新是为了帮助人类能够更好地生活，我们应该注重人工智能的发展推进，将其广泛合理地应用到生活的实际中去。
1 讯飞超脑计划目前取得的阶段学习研究成果
1.1 讯飞超脑计划关于我国现阶段关于高中生学习教育的人工智能成果
随着近年来教育电子多媒体设备的投入普及使用，使目前的高中老师在课堂上更习惯用电子化的教学方式来替代传统的板书课本单一枯燥的教学，与此同时，现阶段高中生也同样具备使用移动互联网的条件，这样就使得科大讯飞超脑计划的教育产品可以形成以下的模式如图1所示。
采用此智能的学习模式可以使我国的高中生接受公平的最好的教育，这就需要借助人工智能的帮助来使老师提高自身的教育水平，使高中生丰富并开阔自身的视野。课堂教学包括了在线课堂、畅言交互式多媒体教学系统以及畅言智能语音等，这种新颖的课堂教学模式使原本单一的教学方式变成了思想上任意遨游的知识海洋；智能考试包含了标准考场、英语四六级网上阅卷、普通话与英语口语测试等方面，智能考试系统从字迹工整的程度、词汇量的丰富度、语法的正确性与通顺性等多个方面来评判考试试卷，加上多年来的不断改进，人工智能的评判方法跟相关专家的人工试卷评判的相似度相差无几，很大程度地增加了试卷评判的效率性与公平性；学习产品与教育评价更是覆盖到了从低到高的各个层面的产品组织结构，更有利于高中生的学习与应试教育的公平性。
1.2 讯飞超脑计划对于提高人类生活水平的成果
随着人工智能技术在经济、教育、文化、娱乐等领域的不断应用，使人们的生活质量水平得到了很大程度的提高，人工智能带来的方便快捷对于人类的发展进化与物质文化的进步产生了不可忽视的作用。随着讯飞超脑计划的推出，一方面，可以把人类从繁重的劳动中解放出来，很大程度地提高人类生产生活的效率与质量；另一方面，人工智能的进步会极大地革新人类的思维方式，使人们能够多角度地认知世界，加深对人类对自身所处的宇宙地位的思考，利于人不断地探索奥秘，进一步推进人类社会的进步。
2 讯飞超脑计划下人工智能对于未来生活的影响及其发展趋势
2.1 讯飞超脑计划下人工智能对未来生活的影响
由于讯飞超脑计划是感知智能结合认知智能的再创新，使得未来机器将会实现高水平的感知智能，具有更多的包括语音识别、手写识别以及图像识别的更多智能感知能力与实现包括智能客服、人机交互等的取代人类脑力劳动的认知智能突破。所以说讯飞超脑计划下的人工智能在未来的教育、经济、文化、社会结构等未来生活的各个方面都会产生重大影响。在教育上，人工智能的应用优化了课堂结构，使学生能够实时接受外界的新知识以及与时俱进的教育模式改革；在经济上，人工智能的高效能与高效率会明显提高经济效益，用人工智能来进行财务管理有助于缩减不必要的人工劳务开支与相关的培训费用，利于经济的变革与提高；在文化上，人工智能对于人类语言文化与图像处理上的优势日益凸显出来，可以确定的是人工智能的发展将会深入到人类生活的各个层面中去。
2.2 讯飞超脑计划下人工智能的未来发展趋势
随着人工智能的不断演进，人工智能从最初能存会算的计算智能阶段，到后来的能听会说、能看会认的感知智能阶段，最后再到讯飞超脑计划下提出的让机器能理解、会思考的认知智能阶段，未来的人工智能在语言理解、知识表达、联想推理以及自主学习等方面都将会取得很大的进展。
3 结语
人工智能对于未来生活的影响是多方面的，在未来生活的各个方面都十分显著。与此同时，讯飞超脑计划下的人工智能不断的改革创新与发展，也将更快地推动人类的发展，人工智能与人类的生活是互相影响又相互制约的。人工智能的不断发展给人类的未来生活带来了很大程度的改变，人类在不断开拓人工智能的领域时也应不断提高自身能力与素养，以适应人工智能带来的不断创新和改变。
参考文献：
[1]张妮，徐文尚，王文文.人工智能技术发展及应用研究综述[J].煤矿机械.2009，30卷（2）.
篇3
自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.
篇4
政策驱动也是重要动力，科技巨头抢先布局引发示范效应。智能化时代，各国从国家战略层面加紧人工智能布局，美国的大脑研究计划(BRAIN)、欧盟的人脑工程项目(HBP)、日本大脑研究计划(Brain/MINDS)，而我国也在“十三五”规划中把脑科学和类脑研究列入国家重大科技项目。企业布局方面，谷歌、Facebook、微软、IBM等均投入巨资，其示范效应是产业进步的先兆；国内百度、阿里、讯飞、360、华为、滴滴等也加紧布局。15年行业投资金额增长76%，投资机构数量增长71%，计算机视觉和自然语言处理占比居前。
产业链格局已现，上游技术成型、下游需求倒逼，计算机视觉产业应用最成熟。产业链初步格局已现，从基础层和底层技术，再到应用技术，最后再到行业应用，除了近年来底层核心技术的突破，下游行业需求倒逼也是人工智能应用技术发展的重要动力，诸如人机互动多元化倒逼自然语义处理、人口老龄化倒逼智能服务机器人、大数据精准营销倒逼推荐引擎及协同过滤，等等。其中计算机视觉应用技术的发展可能是最先发力的，国内不乏世界一流水平公司。
2B应用首先爆发，“人工智能+金融、安防”应用前景广阔。“人工智能+”将代替之前的“互联网+”，在各行业深化应用，安防、金融、大数据安全、无人驾驶等等。生物识别和大数据分析在安防和金融领域的应用则是目前技术最为成熟、产业化进程较快，如智能视频分析、反恐与情报分析、地铁等大流量区域的监控比对；金融领域的远程开户、刷脸支付、金融大数据采集、处理、人工智能自动交易、资产管理等。相关推荐标的：东方网力、佳都科技、川大智胜，建议关注大智慧、远方光电。
逐渐向2C端应用扩展，看好“人工智能+无人驾驶、教育”。人工智能在无人驾驶领域的应用体现在三方面：(1)环境感知环节的图像识别；(2)基于高精度地图和环境大数据的路径规划、复杂环境决策；(3)车车交互、车与环境交互下的车联网，智能交通管理。教育领域应用方面，人机交互重构更互动性的教学；大数据和深度学习的结合使得个性化教学成为现实，这也是在线教育最重要的突破点；此外包括VR在内的多载体应用和多屏互动也是发展趋势。相关推荐标的：四维图新、千方科技、东软集团、科大讯飞、长高集团、新开普。
篇5
人工智能技术及其应用的发展历史虽然只有短短的50余年，但是它作为信息技术的前沿领域，对社会经济和发展的影响却越来越大。在基础教育课程改革的大潮中，许多国家意识到基础教育领域开展人工智能教育的必要性，努力把人工智能列入技术类教育的教学内容中。作为师范类院校，教授人工智能课是有必要的。?
（1）为部分优秀的学生将来做更深入的研究打坚实的基础。在面向知识经济的今天，研究获取、表示和使用知识的人工智能学科越来越受到人们的重视。目前人工智能研究被列为中国高技术领域的重点之一。以专家系统为代表的智能化系统在信息技术中也占有重要地位。因此在高等教育中开展人工智能教育和智能化系统的研发，不仅是计算机科学的应用，也是促进各学科服务于国民经济发展的必然趋势。为使人工智能的理论、方法和技术的研究与应用普及和深入，教育重心必须要下移，即从研究生教育向本科教育普及。开展本科层次人工智能普及教育的有效途径之一是在本科高年级开设相关选修课。开展人工智能教育，不仅能够更好地发挥高等院校的育人和科学研究功能，而且能为学生拓宽专业路径，扩大自主学习空间和发展个性创造条件，同时也为营造一个使学生不仅有宽厚、扎实的理论基础，且具综合分析和解决问题能力的环境。?
（2）为将来从教的学生积聚大量的知识。英国早在1999年，人工智能课程已经作为选修课出现在中学的信息与通讯技术（ICT）课程中。许多中小学还通过机器人竞赛活动来激发中小学生学习人工智能的兴趣，使学生不仅提高了用信息技术解决问题的能力，而且培养了多种思维方式，获得了更多的创新空间。美国现行的中学信息技术课程设置中，将人工智能的内容作为“媒体与技术”层面对12年级学生的要求。澳大利亚的部分中学开设的信息处理与技术课程，人工智能、信息系统、算法和程序设计、社会和伦理道德、计算机系统分别作为5个主题共同构成了该课程的教学内容。在该课程的大纲中规定，人工智能部分的教学内容在高中第3学期为12年级的学生开设，教学时间为10周。?
在我国，多年以来中学奥林匹克信息学竞赛中一直包含有人工智能相关的题目，涉及启发式搜索、博弈、智能程序设计等问题。2003年4月，我国教育部正式颁布《普通高中技术课程标准（实验）》，首次在信息技术科目中设立了“人工智能初步”选修模块，标志着我国高中人工智能课程的正式起步。?
我国的新课程标准颁布后，教育部评审并通过了分别由教育科学出版社、广东高教出版社、地图出版社、上海科技教育出版社和浙江教育出版社出版的5套高中《人工智能初步》教材，并开发了相应的教辅材料，包括教师用书和配套光盘等。为了配合中学人工智能课程的实施，国内也推出了一些适合中学生学习与体验的人工智能软件和网络资源。另一方面，一些高校的本科生、研究生也逐步关注中学人工智能教育的开展并将其作为毕业论文的研究选题。一些师范院校适应形势要求，已为师范生开设了与此相关的选修课程。?
2 人工智能的教育及教学条件现状?
通过对本人多年的教学过程进行总结，我校的《人工智能》课程教育现状可总结为如下几点：?
（1)理论知识充裕。但与实践相脱节，特别是在智能科学技术的教育教学方面。尽管知识面相当广泛，而人工智能理论的普及教育以及智能技术的开发与应用仍然十分滞后。?
(2)同其它普通高等院校一样，在本校，人工智能技术的研究与应用尚未普及，甚至比不上其它院校。这不利于培养学生的科研兴趣及创造精神。?
（3）缺乏配套实验教材，实验教学内容缺乏，无法培养学生的研究能力和创新能力。只有开设实验项目，才能使人工智能的相关知识具有研究性和综合性。?
（4）对中小学智能教育的深度及教学方式、教学特点缺乏研究。做为师范类院校，我认为在对学生进行基础知识教育的基础上，要紧抓中小学智能教育的特点对师范类学生进行相关的教育与培训。?
相对于教育现状，我校的《人工智能》课程教学条件现状要稍好一些，其状态如下：?
（1）教材使用国家级规划教材，此教材非常系统地介绍了人工智能的基本原理、方法和应用技术，适合本科及研究生使用。在我们的授课过程中，也会适当为学生提供相关的国内其他先进教材，如中南大学蔡自兴教授的《人工智能及其应用》等。?
（2）为了促进学生自主学习，我们准备了多种类型的扩充性学习资料，加强学生主动学习的意识，包括：课程相关杂志和书籍目录，以及部分重要的参考文献，与人工智能相关的网络资源如优秀BBS、新闻组、网址等。 它们包括了大量的文献资料、本领域研究的前沿动态等。 使用表明，学生非常乐于查阅这些资源。 使学生能通过使用这些资源进行一些人工智能程序设计，探讨一些问题，在课堂讨论中展示他们的收获。?
(3）校园网的普及与不断优化使本课程有优良的实践性教学环境，能充分满足教学需要。我们拥有较充足的多媒体教室和网络教室，为实现本课程教学提供了物质保障。在网络资源建设方面，全校办公室、教室、学生宿舍和教师宿舍都以宽带网相连，这些硬件设备对本课程教学发挥了重要作用，使本课程教学质量得以明显提高。?
3 人工智能教学方法及手段的改革?
针对我们现在所采取的教学方法，我认为存在许多不足，如教学方式比较单一，教学内容偏重理论讲解等，为此，提出以下教学方法的改革：?
（1）通过多种途径激发学生的学习兴趣。课程的学习效果，直接受到学生兴趣和参与意识的影响。一般来讲，《人工智能》作为一门前沿课程，开始学生学习兴趣很大，当开始接触到抽象理论知识及部分算法时，学生往往感到不易接受。 我们通过各种途径和方法， 激发和培养学生的学习兴趣，包括鼓励学生参与某部分知识的扩充性资料查找,预留一定时间请学生负责对此内容进行讲解，布置学生对某个基本成型的实验进行纠错及验证，降低问题解决的难度。学生因此产生兴趣从而做更深度研究。?
(2）进行启发式教学。 我们可以尝试在教学过程中不断提出问题请学生思考，启发学生求解这些问题，鼓励学生提出自己的猜想和解决方案，然后摆出教材中的解决方案，并与同学所提出的观点进行分析和比较，这足以加强学生学习的主动意识和参与意识，提高学生学习的积极性。?
(3）课堂辩论与交互式教学。 组织课堂辩论，讨论的议题可定位为譬如人工智能是否能超过人类智能等有争议的问题。学生通过对这些问题展开激烈争论，激发了学习潜能，明确了学习目标。当然师生间的交流方式还有很多，如邮件互发、QQ留言等，也可在课程网站中的互动平台进行交流。?
(4）分层次因材施教。 在授课过程中，通过对每个具体学生的学习进度、课堂作业情况进行及时评估，对学生提出进一步的学习建议和指导， 实现个性化的教学。 对优秀学生探讨，可以在教学设计和实验设计中要求其选作部分探索性、创新性的功课和实验，以发挥学生个性优势。对于有意于将来从事中小学教育的学生可以在机器人及人工智能技术发展现状等知识层面对其做问题讲解。而那些看似缺乏兴趣的学生，我们可以用多媒体手段如播放人工智能相关电影及科学小片引起其兴趣，实行逐步引导的教学过程。?
另外，我们可以尝试双语教学。 采用中文教材和讲授的同时，注重在课程中的关键词同时用英文表示，并适当指定英文参考短文和英文参考书。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。我们也可以在教学内容安排上，注重理论联系实际，将一些人工智能网络上的虚拟实验给学生进行课外上网练习，从而使学生了解算法的具体运行过程， 通过参与达到知识的理解，掌握基本方法和技术。?
根据现有的条件，我们在教学中可以采用多媒体教学和网络课程教学相结合的方法，充分利用多媒体的丰富表现形式，利用网络课程的交互性、情景化等特点，构筑以学生为主体的《人工智能》课程现代教学模式。 对于抽象知识，可通过动画和视频演示，通过声音和图像展示人工智能的历史、人物和前景，做到学生直接而深刻地看到知识的内涵外延。网络课程能较好地实现交互并使学习过程情景化，通过网络课程的课堂练习和章节练习，教师可以评价学生的学习情况，并给学生提出学习建议，从而提高学生的研究力和创新力。我们也可以给学生播放中学《人工智能》课程课堂教学录像，以使学生看到初高中学生的知识范围及深度；同时给学生播放现有的《人工智能》科学成果，让学生看到理论背后的实践；也可以播放科幻片，激发学生想象的翅膀从而有兴趣把人工智能作为将来深造的方向。《人工智能》是一门较新的课程，改进教学方法和手段不仅要靠教师，也应增加硬件设备的投入。如果人工智能能采用智能辅助教学系统或机器人辅助教学过程逼真、形象，一目了然，这样可大大提高学生的学习效率，尤其是提高学生的观察判断能力、发现问题和解决问题的能力。?
4 人工智能实践教学设计的探讨?
我们可以在教学过程中，适量开设一些实验和设计，提高学生的动手能力，并加深他们对理论知识的理解，降低理论的抽象度，提升理论的实用性。在近两年的教学过程中，我们会适量加入一些人工智能语言的教学过程。例如，在讲解了“野人与传教士过河”等问题后，我们可以让学生使用Visual Prolog或者C ?++?对算法进行实现；在讲解 TSP 问题的遗传算法解决案例后，指出编码方案、初始种群大小、进化代数、交叉率变异率等因素对求解结果的影响，并要求学生通过实验的方式来分析、理解这些问题，并提出“寻找更有利的解决方案”等问题。把学生的兴趣激发后，为解决这些问题，学生会在课外主动查阅相关文献、相互讨论以实现他们所设计的方案，这样既培养了学生善于钻研和勇于创新的精神又提高了学生的实践与创新能力。?
参考文献：?
［1］ 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).?
［2］ 何元烈,汪玲.“Visual C ?++?”在“人工智能”教学中的应用与探讨［J］.广东工业大学学报:社会科学版,2008(8).?
篇6
【关键词】人工智能；未来教育；未来学校；创新变革；挑战
【中图分类号】G434 【文献标识码】A
【论文编号】1671-7384（2017）07-0012-03
近年来，世界各国高度重视人工智能技术的发展，相继了相关研究报告。2016年10月，美国白宫了《为人工智能的未来做好准备》和《国家人工智能研究与发展战略计划》两份重要报告。2016年11月，英国政府《人工智能：未来决策制定的机遇与影响》报告。2017年3月，国务院总理发表2017政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，“人工智能”首次被写入政府工作报告。当前，人工智能正逐渐融入电商零售、医疗健康、交通以及个人助理等多个领域，并展现出巨大的应用空间。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，人工智能将在教育领域发挥越来越大的作用[1]。
人工智能在教育中的典型应用主要集中在智能导师辅助个性化教与学、教育机器人等智能助手、居家学习的儿童伙伴、实时跟踪与反馈的智能测评、教育数据的挖掘与智能化分析、学习分析与学习者数字肖像六大方向[1]，已经表现出巨大的应用潜力。学校作为教育活动的重要组织场所之一，人工智能将为学校的管理与教学带来变革性的影响，主要表现在四大方面：维护校园安全、辅助教师教学、变革学习范式以及优化学校管理。
维护校园安全
校园安全是顺利开展学校教育活动的基础，也是教育改革和发展的基本保障。《国家中长期教育改革和发展规划纲要（2010-2020年）》指出，要“切实维护教育系统和谐稳定，深入开展平安校园、文明校园、绿色校园、和谐校园创建活樱为师生创造安定有序、和谐融洽、充满活力的工作学习生活环境”[2]。计算机视觉与机器人技术的发展使得人工智能维护校园安全成为可能，其将在非法人员识别、消防安全预警、活动事故防护三个方面发挥重要作用。
1. 非法人员识别
部署保安机器人将是未来学校保证维护校园安全的重要措施之一。保安机器人能通过眼部的图像采集设备采集进入校园人员的面部信息，识别当前人员身份，若未检测到相关人员信息，系统则会通知学校的安保人员进行身份验证、登记等工作。同时，位于校园各处的保安机器人还将实时监控是否有陌生人通过非正规途径进入校园，检测到相关行为之后，则会通知学校安保人员进行处理。此外，位于学校门口的保安机器人还将采集学生的面部信息，与信息库中的学生信息相比对，确定学生身份，并记录学生到校与离校时间，确保学生在校期间的安全。
2. 消防安全预警
未来学校的消防安全预警系统包含了感烟探测器、感温探测器、火焰探测器、可燃气体探测器等多种感应器，同时通过摄像设备实时采集图像信息，分析画面中是否出现明火、烟雾等现象。其综合图像分析与探测器感知，判断是否有火灾现象发生。此外，系统通过实时采集校园内人员的行为数据，与数据库中消防安全危险行为做比对，分析是否有相关危险行为发生。若危险行为发生，则会通知学校安防人员。在火灾发生时，拥有智能搜救技术的消防机器人将会代替人进入火灾发生区，通过生命探测仪，自动感应、搜索、识别被困人员，将其救出火灾发生区。消防机器人的部署很大程度上避免了人员进入火灾发生区受到二次伤害现象的发生，其机动性超越了现有的消防安全系统，在很大程度上保证了校园内师生生命和财产安全。
3. 活动事故防护
目前，校园课间活动的伤害事故主要表现在拥挤踩踏伤害、追逐打闹伤害、危险游戏伤害等三个方面。基于人工智能的活动事故防护系统通过校园内的摄像设备实时采集师生行为数据，通过与数据库中活动事故危险行为模型相比对，分析判断是否有危险行为发生。若相关行为发生，系统则会将相关危险行为发生的地点、类型等发送给学校的安防人员，提醒安防人员采取相应措施。
辅助教师教学
随着图像识别、语音识别、自然语言处理等技术的发展，越来越多的人工智能工具被应用于教育领域，成为教师教学的得力助手。教育机器人和智能作业测评工具的出现大大减轻了教师的负担，提高了教师教学的效率。
1. 辅助备课
备课是真实教学实践的预演，是应用教师知识并发展教师知识的过程。其既是确保教学质量的条件，也是教师专业发展的途径[3]，是教师教学的重要组成部分。备课机器人能够通过语音识别记录教师话语信息，利用自然语言处理技术分析整合教师话语信息，识别教师要求。备课机器人根据教师提供的教学目标、教学重难点、学生的基础知识等，在相关学科的知识库中进行资源的搜索与整合，形成电子教案。同时，根据教案内容为教师提供课堂测试习题以及上课所需课件。教师只需要根据所教班级的学生特点与自己的教学习惯，对教案、测试习题以及课件稍作调整即可应用于教学。
2. 智能作业测评
自然语言处理技术的进步使得作业自动批改成为可能。科大讯飞将“讯飞超脑”计划的阶段性研究成果“全学科阅卷”技术应用于考试，实现阅卷过程的数据化与自动化，在将教师从简单重复的阅卷工作中解放出来的同时，完成对考试数据的采集[4]。基于人工智能的作业评测系统可对作文、阅读等主观题进行语义识别并提出修改意见，根据学生的作业结果为教师自动生成详细的学情报告。智能作业评测技术的应用将有效分担教师的教学压力，显著提高教学效率，教师能够更多地专注于与学生互动、教学设计和专业发展。
3. 辅助课堂管理
在未来，教辅机器人将走进教室，辅助学生解决学习中遇到的难题。教辅机器人能够识别学生身份，读取学生当天所学课程信息以及学生在课堂的行为数据，为学生提供个性化解题方案奠定基础。教辅机器人通过语音识别获取学生问题信息，利用自然语言处理技术分析整合学生话语信息。然后，教辅机器人通过人脸识别采集学生的面部信息，综合面部表情、姿态和语调通过情感计算技术分析目前学生的情绪状态，综合学生的情绪状态和行为数据确定学生当前学习状态。教辅机器人依托优秀教师授课资源库，智能搜索相关答案，针对不同学习状态的学生采取不用的解题风格。此外，教辅机器人将收集到的学生行为数据上传到学生管理系统，辅助教师等进行学生的日常管理工作。
变革学习范式
学习范式是指特定时代的学习共同体所共有的学习理念、学习方式，并对学习者的学习态度、学习行为产生积极的引导作用，以促进学习的有效进行[5]。人工智能技术的发展使自适应学习系统真正地为教育所用，为学习所用，人工智能将使现有的学习范式走向自适应学习。
自适应学习系统在本质上是一类支持个别化学习的在线学习环境。它针对个体在学习过程中的差异性（因人、因时）而提供适合个体特征的学习支持，包括个性化的学习资源、学习过程和学习策略等[6]。基于人工智能的自适应学习系统将整合自适应内容、自适应评估和自适应序列三种工具。自适应内容通过分析学生对问题具体的回答，为学生提供个性化的内容反馈和学习资源推送。自适应序列利用一定的算法和预测性分析，基于学生的学习表现，持续收集数据。其中在数据收集阶段，自适应序列会将学习目标、学习内容与学生互动集成起来，再由模型计算引擎对数据进行处理以备使用。自适应评估可根据学生回答问题的正确与否，及时改变和调整测评的标准。
优化学校管理
学校是教育的核心单元，高效的学校管理是学校开展各项工作并得以高效运行的重要保障[7]。人工智能的融入将使未来学校的管理工作更加高效，使学校更好地服务于教师的教学与学习者的学习。其将在考务管理、教师管理、学生管理三方面发挥重要作用。
1. 考务管理
在未来的学校中，监考机器人将代替监考人员进行考务工作，很大程度上节省学校考务管理方面的人力资源。监考机器人通过内置于眼部的摄像头采集学生的面部信息，与数据库中学生信息比对，确定学生身份，自动完成签到。其通过内置于手臂端的金属探测器，扫描学生全身，z测学生是否带有作弊物品。监考机器人通过摄像头、红外感知等确定学生位置以及教室内的桌椅等位置，规划行动路径，分发和收集试卷。此外，监考机器人还将通过位于眼部的摄像头实时采集学生行为数据，与数据库中作弊行为实时对比分析，如果学生有作弊行为发生，则会立即制止，维护考场纪律。
2. 教师管理
教师管理是学校管理工作中的重要组成部分，教师评价则是教学管理中的核心部分。人工智能为教师的智能评价提供了可能。基于人工智能的教师评价系统通过教室的摄像设备实时采集教师及学生的行为数据、表情数据，通过学生的穿戴设备采集其体征数据。系统经过对教师和学生的行为数据、情绪数据和体征数据的分析（如系统与学校的学科管理系统相连通，确定教师的教学内容是否与教学大纲要求相适应，重难点是否突出，所讲述内容是否具有实用性；教师讲授知识时，根据学生的行为、情绪和体征的反应确定教师所讲授知识是否被学生理解；教师在讲授内容和组织学习活动时，语言是否规范、清晰，态度是否亲切和蔼等），最终评定教师的教学效果，并生成可视化报告，辅助学校完成对教师教学效果的评估工作。此外，系统还将通过教室的摄像设备采集教师面部信息，识别教师身份，自动记录教师的出勤情况，辅助学校的教师管理工作。
3. 学生管理
学生管理在学校管理中同样发挥着重要作用。基于人工智能的学生管理系统可通过位于学校门口以及教室的摄像设备采集学生面部信息，识别学生身份，自动记录学生的到校时间和离校时间，为学生的出勤考核提供数据支持。通过位于教室的摄像设备实时采集学生的行为数据，分析学生的课堂表现以及课余时间的同学之间的交流情况，为学生管理的班风、学风管理提供决策支持。同时，通过分析学生的学习成绩、课堂表现、课下交流情况，判断学生是否有异常行为（趋向），并及时反馈给学校管理者。此外，系统还将学生的在校情况，包括到校时间、离校时间、测试成绩、作业完成情况等反馈给学生家长，家校协同完成学生管理工作。
让机器在没有人类教师的帮助下学习，让机器像人类一样感知和理解世界，使机器具有自我意识、情感，以及反思自身处境与行为的能力，是人工智能面临的主要挑战[8]。除此之外，人工智能在教育领域中的应用目前还处于初级阶段，在学校的管理与教学应用方面仍面临着数据基础薄弱、决策和推理机制适应难、缺乏专业应用人才等挑战。
（作者单位：江苏师范大学智慧教育学院）
参考文献
闫志明，唐夏夏，秦旋等. 教育人工智能（EAI）的内涵、关键技术与应用趋势――美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J]. 远程教育杂志，2017（1）： 26-35.
程天君，李永康. 校园安全：形势、症结与政策支持[J]. 教育研究与实验，2016（1）： 15-20.
翁春敏，陈群波. 基于教师情境知识的备课研究――国外研究的视角[J]. 外国中小学教育，2015（5）： 51-57.
搜狐教育. 科大讯飞吴晓如：互联网+人工智能时代的教育变革[EB/OL]. http： // sohu. com/a/69484549_372506，2017-6-15.
George R. Boggs. What Is the Learning Paradigm？ [EB/OL]. http： //vccslitonline. cc. va. us/mrcte/learning_paradigm. html， 2017-6-13.
陈仕品，张剑平. 基于EAHAM模型的适应性学习支持系统体系结构[J]. 电化教育研究，2008（11）： 53-57+82.
篇7
人工智能到底神在哪里？
张海涛：的确，2015~2016一年多的时间里，现代医学发生了转折性的变化。大数据、精准医疗、人工智能这些成为医疗领域的“爆款”词汇。智能医疗已经不是从科幻片中看到，是真实世界的真实事件。人工智能有多神，要回答这个问题，得先了解医疗的人工智能完成了哪些了不起的事。
第一是认知计算，人工智能可以24小时不间断的读取海量文献，具备最全面的基础知识和最新进展，这属于认知，很好理解。但重点在于智能要做到的不仅是录入，而是读懂，将海量外部信息转化为自身知识和结论。比如从文献中获取了他汀在某个数值下使用会减少冠心病发生，它会给出相应治疗建议，这是计算，即学习能力。人工智能能快速将患者病情的相关信息搜索一遍，通过统计运算给出最个性最优化的治疗方案。再拿现有的可穿戴设备举例，虽然它能监测人的心率运动量等，但无法给出进一步建议，未来的人工智是能根据不同患者的状况给出不同的解决方案的，告诉你食物摄入不足还是过多，运动量还需多少达标等等。
第二是深度学习，等同于人类直觉。打个比方，我们让机器人对某个物品做出鉴别，它需要根据这个物品的大小、重量及其他特定属性做出判断并得出结论。而具备深度学习的智能机器可以不需通过数据和逻辑得出结论，当它看到一位急症患者，会根据患者的痛苦面容、喘气速度、所选医院和科室等，迅速反应出他是急性左心衰。这种推测不需要输入患者信息，反应快，但不一定准确。
第三是智能数据。以前讲到的数据其实是小数据，我们对小数据进行抽样研究去寻找规律，但这种推理只能预测大概率事件，无法认识小概率事件。例如他汀输注后的横纹肌溶解是小概率事件，如果发病率为十万分之一，我们很难收据足够样本进行研究分析。相反，如果通过智能录入一千万例患者，按比例将有一百例患者，假设一百例都出现在北京，那么可认为发病与地域相关，如果其中九成是男性则可认为疾病与性别有关，如果其中又有九成是抽烟者，说明疾病与烟草有关。这对我们定位和救治小概率事件中的人群有重大意义。通过这种方式发现小概率事件的规律，可以理解为将架构师的脑袋放在大数据库中，可使我们的认识更接近真实世界。另一方面，通过大数据发现规律可以更好的预测未来。再比如，人工智能根据患者身高体重、血糖血脂以及个人生活方式进食方式等预测他在某个时间可能发生低血糖，可以在此之前提醒患者补充糖类来预防恶性事件发生。
用于心脏疾病的人工智能可以实现什么？
张海涛：现在来看至少能实现两方面的问题。我们知道心脏病患者在出院后要满足用药达标和生活方式达标，如果患者仅有高血压，用药达标是较容易实现的，如果患者在高血压基础上还合并高血脂、消化道出血，或合并前列腺问题，有阑尾手术史、脑梗史，有牙科问题等，这时需要综合各专科的知识来做决策。但人脑的知识储备是远远不足的，人工智能却可具备最全面正确的知识和诊疗标准，可以指导医生临床用药。另外，它可以连续观察患者出院后的运动状况，根据其身高体重心律血压用药状况等给予运动方式建议，并做出评估。
在6月17-19日举办的第五届中国心脏重症大会上，人工智能作为会议的亮点之一会有很多精彩的报告。可以说，心脏重症领域要正式“触电”大数据、智能医疗、精准医疗，去拥抱新思潮、新设备、新话题和新模式，非常希望届时与更多医生探讨这一话题。
人工智能可以治病，医生做什么呢？
张海涛：智能医生只能为数字人看病。什么是数字人呢？从某种意义上，人具有生物人和数字人两种基本属性，血型、身高、体重等构成数字人。人工智能可像人一样读文献，超过人的精力，24小时不间断的读录文献，具备最全面的医学基础知识和最新进展，并且具备超强的运算能力，可快速将患者信息统计运算，给出最个体优化的治疗方案，但它无法与患者进行情感交流。说到底，医学是文明的产物，医生不是修理工，我们的医疗过程会涉及到感情、文化、患者意愿等，这是机器无法复制的。未来，人工智能是医生的助手，为医生的决策提供参考，医生根据患者意愿、经济能力、依从性等综合考量并做出决定。
医生在临床决策出现冲突时怎么办？医生的权威性会受到挑战吗？
张海涛：这是个很关键的问题。首先，不但人与人工智能间会遇到决策不一致，人工智能本身也会遇到，它能录入巨大数据，其中必然有观点相悖的信息，但它比人更理性，会一遍遍学习从而得出最优建议，而人类在治疗中感性成分更多。从另外的角度想想，其实没有一种方式是非常完美的，任何一种方式都有利弊，所谓的决策的冲突和矛盾属于真实现象，是允许存在的。
医生的决策与人工智能发生冲突时呢？通常觉得，医生对同一种疾病应该有相同的诊断、相似治疗方案，实际不同医生在同一疾病的诊疗方案会相差很大，这受医生教育、利益、地域文化的影响。比如女性更年期后服用雌激素的比例在美国是28%，在中国不到7%。中国女性的观念倾向于不用，因为服用雌激素可能引发肿瘤，而美国人对生活质量的要求高，她会选择使用。医生与智能出现决策冲突并不奇怪，医生需要根据不同需求确定医嘱，无关对错。所以，医生仍需查文献、不断学习，需要综合判断，智能给出的只是参考，它只是医生的助手或患者的顾问，绝不会取代。
未来，手术也可以被机器取代吗？
张海涛：手术操作其实是创造“艺术”的过程，需要更多层面的知识和技能，而且机器在精细操作方面远不如人类手指灵活，它的优势是运算速度和自我学习能力。虽然现在达芬奇机器人下的手术在很多医院开展，但真正实现机器人做手术还很长远。
如果人工智能能可实现基本医疗任务，患者来院的刚需是什么？
张海涛：患者需要医生的建议以及最终的处方权。人工智能得出的结论只是一个参考，医生可信可不信，如果它提供的数据比医生知识所涵盖的要准确，医生要考虑依从。
篇8
计划强调，要加强人工智能领域专业建设，形成“人工智能＋X”复合专业培养新模式。计划的重点任务之一，是要完善人工智能领域人才培养体系，并且推动高校人工智能领域科技成果转化与示范应用。高校在人才培养中起到了至关重要的作用，虽然人工智能尚未成为一级学科，但国内不少一流的高校已经开始通过建立合作实验室、增强人工智能分支教学等方式发展人工智能。
为了解各高校开展人工智能研究的情况，亿欧盘点了10家在设有人工智能实验室或有人工智能分支专业的高校。
清华大学：计算机科学与技术系
清华大学计算机科学与技术系（简称计算机系）成立于1958年，在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中，以总分满分100分的成绩排名第一。2017年，在 USnews 推出的世界大学学科排名 Best Global Universities for Computer Science 中，计算机科学与技术学科紧随 MIT之后位列世界第2名。在 QS 世界大学排名 （QS World University Rankings） 给出的全球计算机学科排名中为例第15名，其排名与得分逐年稳步提升。
计算机系包含了国内计算机专业最全的学科方向，设有高性能计算机与处理器、并行与分布式处理、存储系统、大数据与云计算、计算机网络、网络与信息系统安全、系统性能评价、理论计算机科学、数据工程及知识工程、软件工程、计算机与VLSI设计自动化、软件理论与系统、生物计算及量子计算、人工智能、智能控制及机器人、人机交互与普适计算、计算机图形学与可视化技术、CAD技术、计算机视觉、媒体信息处理等研究方向。
计算机系现设有高性能计算、计算机网络技术、计算机软件、人机交互与媒体集成4个研究所；智能技术与系统国家重点实验室；计算机基础与实验教学部等科研教学机构。
计算机系还设有国家级计算机实验教学示范中心，包括：计算机原理实验室、微型计算机实验室、计算机网络实验室、操作系统实验室、计算机软件实验室、计算机控制系统实验室、智能机器人实验室、计算机接口实验室、学生科技创新实验室等。此外，计算机系还与腾讯、搜狗、微软、思科等国内外著名公司建立了面向教学或研究的联合实验室。
北京大学：智能科学系
智能科学系成立于2002年7月，主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究，侧重于理论、方法以及重大领域应用上。
北大智能科学系依托于视觉听觉信息处理国家重点实验室，实验室以实现高度智能化的机器感知系统为目标，在生物特征识别研究方面处于国际领先地位。智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下，重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。以北大智能科学研究人员为技术核心的北大指纹自动识别系统，是国内唯一能与国外系统抗衡的自主知识产权，是中国第一家也是唯一的一家提供公安应用全面解决方案的系统，拥有中国指纹自动识别技术产品第一市场占有率。
人工神经网络说话人识别新方法的研究获得教育部科技进步一等奖；国家空间信息基础设施关键技术研究获得2000年中国高校科学技术二等奖，入选2000年中国高校十大科技进展。
复旦大学：类脑智能科学与技术研究院
复旦大学类脑智能科学与技术研究院于2015年3月筹建成立，是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心，成立于2008年。研究院基于复旦大学既有的数学、统计学、计算机科学、生物学、信息学、临床医学、语言学、心理学等多学科综合交叉研究优势，以计算神经科学为桥梁，着力开展大脑机制解析、脑疾病智能诊疗、类脑智能算法、类脑智能软硬件、新药智能研发、通用智能等相关领域的科学研究、技术研发和人才培养。
研究院率先探索打通国际与国内、科技与产业的全链条、全球化产学研合作机制，充分发挥高校培养和储备高端智能人才、发现和培育前沿技术的综合优势，推动产学研源头创新与合作，致力于成为推动脑科学、人工类脑智能与产业应用融合发展的重要科技创新平台。
研究院目前在建五个核心功能平台和一个国际合作研发中心，主要包括：一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台；二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台；三是依托高端医疗影像设备集群，为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台；四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台；五是集孵化加速、产业联盟、投资基金为一体，为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台；六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源，建设类脑智能国际合作节点和人才培养中心。
中国科学院：自动化研究所
中国科学院自动化研究所成立于1956年10月，是我国最早成立的国立自动化研究机构。目前设有类脑智能研究中心、智能感知与计算研究中心、脑网络组研究中心等12个科研开发部门，还有若干与国际和社会其他创新单元共建的各类联合实验室和工程中心。另有汉王科技、三博中等四十余家持股高科技公司。
近年来，自动化所共获得省部级以上奖励30余项。数量逐年增加，质量不断提高；专利申请和授权量连年攀升，多年位居北京市科研系统前十名绘制的“脑网络组图谱”第一次建立了宏观尺度上的活体全脑连接图谱；虹膜识别核心技术突破国外封锁，通过产学研用相结合走出“中国制造”之路；基于自动化所语音识别技术的“紫冬语音云”在淘宝、来往等阿里巴巴旗下移动客户端产品中得到推广；“分子影像手术导航系统”通过国家药监局医疗器械安全性及有效性检测认证并进入临床应用；“智能视频监控技术”和“人脸识别技术”分别成功应用于2008年北京奥运会、2010年上海世博会的安保工作中，为社会安全贡献自己的力量；研制的AI程序“CASIA－先知1．0”采用知识和数据混合驱动的体系架构，在2017首届全国兵棋推演大赛总决赛中7：1的悬殊比分战胜人类顶级选手，展示了人工智能技术在博弈对抗领域的强大实力……
在共建机构方面，自动化所与新加坡媒体发展管理局联合成立中新数字媒体研究院，聚焦交互式语言学习、视频和分析等领域；与瑞士洛桑联邦理工大学（EPFL）在京成立中瑞数据密集型神经科学联合实验室，在类脑智能研究方面展开合作；与澳大利亚昆士兰大学（UQ）共建中澳脑网络组联合实验室，在“计算大脑”研究方向上进行远景规划；还与香港科技大学共建智能识别联合实验室，在模式识别、无线传感器网络等领域展开合作。
厦门大学：智能科学与技术系
早在上世纪八十年代初，厦门大学就已开始从事人工智能领域的研究，相继在专家系统、自然语言处理与机器翻译等领域取得过一系列成果。为此，1988年经学校批准成立“厦门大学人工智能与计算机应用研究所”，后于2004年更名为“厦门大学人工智能研究所”。2006年12月，经国家教育部批准，厦门大学正式设立“智能科学与技术”本科专业，并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。
厦门大学智能科学与技术系现有一个本科专业（智能科学与技术），三个硕士学位授予专业（模式识别与智能系统、计算机科学与技术、智能科学与技术），两个博士学位授予专业（计算机科学与技术、智能科学与技术）。
目前该系承担多项国家863、国家自然科学基金、福建省科技基金等项目，拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台，此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室，为培养高质量的学生提供了必要的保障。
上海交通大学：计算机科学与工程系
上海交通大学计算机科学与工程系成立于1984年。近年来，随着计算机科学与技术在人们生活中的应用不断深入，特别是随着云计算、物联网、移动互联网、大数据等技术的兴起，交通大学计算机系不断调整学科方向，形成了高可靠软件与理论、并行与分布式系统、计算机网络、智能人机交互、密码学与信息安全等研究方向。
该院系下设三个重点实验室：智能计算与智能系统重点实验室、上海市教委智能交互与认知工程重点实验室、省部共建国家重点实验室培育基地及上海市可扩展计算与系统重点实验室。其中，上海交通大学－微软智能计算与智能系统联合实验室目前是教育部－微软重点实验室，成立于2005年9月，是交通大学和微软亚洲研究院在多年良好合作的基础上，为了更好发挥各自在并发计算、算法与复杂性理论、仿脑计算、计算机视觉、机器学习、计算智能、自然语言处理、多媒体通讯以及机器人等领域的优势，实现“使未来的计算机和机器人能够看、听、学，能以自然语言的方式与人类交流”这一共同使命而成立的。实验室在科学研究、人才培养、学术交流等方面也取得了很好的成绩。实验室累积200余篇，成果发表于CVPR，ICCV，WWW等国际顶级会议上。
南京大学：计算机科学与技术系
南京大学的计算机科学研究起步于1958年，建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才，1978年在上述三个专业基础上成立了计算机科学系，1993年更名为计算机科学与技术系。
依托该系师资，先后成立了南京大学计算机软件研究所、计算机软件新技术国家重点实验室（南京大学）、南京大学计算机应用研究所、南京大学多媒体计算技术研究所、南京大学软件工程中心（江苏省软件工程研究中心）、南京大学信息安全研究所等科研机构。主要科研方向有：软件自动化与形式化、分布与并行计算及新型网络、新型程序设计与软件方法学、多媒体与信息处理、人工智能与机器学习、系统软件及信息安全等。
建系30年来，共承担国家973计划、国家863计划、国家攀登计划、国家自然科学基金、国家科技攻关等重大科技计划项目以及省、部、委科研项目和企事业委托或国际合作的研发项目300余项，科研成果获得各种奖励80余项，其中国家科技进步奖一等奖1项、二等奖4项、三等奖2项，省部委自然科学奖和科技进步奖特等奖2项，一等奖8项，二等奖37项。3000多篇，出版专著、教材50多部，申请国家发明专利33项。部分成果被转化为产品，产生了较大社会效益和经济效益。
哈尔滨工业大学：计算机科学与技术学院
哈尔滨工业大学计算机专业创建于1956年，是中国最早的计算机专业之一。在1985年，发展成为计算机科学与工程系，并建立了计算机科学技术研究所。2000年，计算机科学与技术学院成立；同年，建立了软件学院，后经国家教育部、国家计委批准为国家示范性软件学院。目前。哈工大计算机科学与技术学院拥有计算机科学与技术国家一级重点学科、7个博士点和7个硕士点、1个博士后科研流动站、一个国家级教学团队、一个国家级科技创新团队、一个国防科工委创新研究团队。
目前主要研究方向包括：智能人机交互、音视频编解码技术、语言处理、自然语言理解与中文信息处理、机器翻译、信息检索、海量数据计算、计算机网络与信息安全、传感器网与移动计算、高可靠与容错计算技术、穿戴计算机、企业计算与服务计算、智能机器人、生物计算与生物特征识别。
学院有一批研究成果达到国际先进水平，包括：国家信息安全管理系统、数字视频广播编码传输与接收系统、大规模网络特定信息获取系统、计算机机群并行数据库系统、并行数据库系统、神州号飞船数据管理分系统、穿戴计算机系统、信息安全与实时监测系统、人脸识别系统、视频编解码技术、黑龙江省CIMS应用示范工程、农业专家系统等等。
中国科学技术大学：计算机科学与技术学院
中国科技大学于1958年建校时就设置了计算机专业。根据学科发展趋势和国家中长期发展规划，面向国家和社会的重大需求，计算机科学与技术学院将科研力量凝聚在高性能计算、智能计算与应用、网络计算与可信计算、先进计算机系统四个主要的研究领域。
学院的支撑实验室有：国家高性能计算中心（合肥）、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部－微软重点实验室、中国科大超级运算中心和信息科学实验中心。
其中，多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。人机自然语音通信方面，主要研究中文信息处理、人类视听觉机理、语音语言学等。语义计算与数据挖掘方面，主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。
依托多媒体计算与通信教育部—微软重点实验室，双方联合实施了联合培养博士生计划、实习生计划、精品课程建设计划、青年教师培养计划等，取得了突出成果，探索出了一条企业和高校共同培养优秀人才的道路，为微软亚洲研究院与其他高校的合作提供了一个经典范例。
华中科技大学：自动化学院
华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。原控制科学与工程系前身是成立于1973年的华中工学院自动控制系，1998年更名为华中理工大学控制科学与工程系；原图像识别与人工智能研究所是1978年由教育部和航天部共同批准成立从事图像识别和人工智能研究的研究机构。
科学研究工作主要涉及复杂系统控制理论、决策分析与决策支持、电力电子与运动控制、智能控制与机器人、计算机集成控制与网络技术、信息检测与识别、飞行器控制与状态监测、生物信息处理、神经接口与康复技术、物流系统、国民经济动员与公共安全、多谱图像制导、目标探测的多谱信息技术、多谱信息的实时处理与系统集成技术、人工智能与思维科学、信息安全等方向。
模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止，本系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。近5年科研经费总额在8000万元以上，包括973计划，国家自然科学基金重点、面上和青年基金项目，863计划，国家重大专项、国防重点预研与基金，国家科技支撑计划，省部级科研项目，以及大型工程和企业科研合作项目等。
总结
篇9
在全球人工智能产业信息服务平台“机器之心”主办的全球机器智能峰会上，《人工智能：一种现代方法》的作者之一、美加州大学伯克利分校人工智能专家斯图尔特・拉塞尔举例说，AlphaGo是人工智能深度学习飞速进步的一个例子，输给AlphaGo后柯洁说，去年好像还是在跟人下棋，而今年他觉得好像是在跟“神”下棋一样。
加拿大阿尔伯塔大学教授、计算机围棋专家马丁・米勒介绍说，AlphaGo的成功源于启发式学习与深度学习相结合。有了新算法与硬件，启发式学习有望让计算机系统学会真正的人工智能，“能让我们的搜索变得更加有效，能让计算机帮助我们做出越来越好的决策”。
攻克游戏和棋类人工智能，是要为真实世界的应用铺平道路。搜狗首席执行官王小川说，识别、决策、生成是人工智能的核心应用。例如，在决策方面，人工智能可以帮助提高决策效率，提升商业效率。
“我们已经在金融、医疗和教育等方面看到这些应用。在识别和生成领域，人工智能的进展已使人机交互越来越自然，这也是我们感兴趣的领域。从历史趋势上看，机器在逐渐适应人，并已为人类分担了许多具体工作。”王小川说。
但他同时指出，目前人工智能还局限在特定的封闭领域，比如AlphaGo和搜狗的问答机器人“汪仔”在围棋和语音识别输入竞赛中分别战胜了人类，但它们只擅长各自的技能，且只能在封闭场景里通过数据学习、计算或搜索提高效率，并不能发挥创造性。今天的机器智能还需要依赖于来自人的数据，机器并不具备人工通用智能能力和解决开放型问题的能力。
香港科技大学计算机科学与工程学系系主任杨强说，从机器学习的角度看，AlphaGo尚不具备迁移学习的能力，即把已经训练好的模型参数迁移到新的模型上来帮助新模型训练数据集。王小川则认为，目前来看，迁移学习等理论离实际应用并产生效益还很远。
拉塞尔说，人工智能并不是一个新学科，20世纪40年代人们就在思考如何使用一些新工具；1950年，著名的图灵测试诞生，按照其定义，如果一台机器能通过电传设备与人类展开对话而不被辨别出机器身份，则称这台机器具有智能。
但直到2010年后，许多初创公司开始重新专注于人工智能发展，谷歌、国际商用机器公司（IBM）等大企业也投入到该领域研究中，此后人们看到了神经学的进步以及计算机资源和大数据的发展。
篇10
关键词：人工智能 科学技术 伦理问题
一.人工智能的背景
人工智能是计算机科学的分支，它企图了解智能的实质，并研制出一种新型的以人类思维相似的方式做出相应反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能的思想萌芽最早可以追溯到十七世纪的巴斯卡和莱布尼茨。十九世纪，英国数学家布尔和摩尔根提出了“思维定律”，这些可谓是人工智能的开端。（1）50年代至70年代，人工智能相继出现了一批显著的成果，这一阶段的特点是重视问题求解的方法，忽视知识重要性。（2）随着第五代计算机的研制进入了80年代，人工智能得到迅猛发展。它的研制形成了一股研究人工智能的热潮。（3）90年代，由于国际互连网的技术发展，将人工智能更面向实用。研究人工智能出现新的。
二.人工智能的发展给人类带来伦理问题
（1）人工智能的情感问题。情感问题是千百年来人们一直在谈论的话题。明斯基认为，通过把我们的身体部分看做是大脑可以使用的资源，就可以改变它们的精神状态。因此，现在人工智能界的一种观点认为情感是一种特别的思维方式，我们可以利用它来增加我们的机智。智能机器人毕竟是一个赋予一种人类情感程序的机器，实质上还是没有人类的意识，只有固定的程序。
（2）人工智能机器的责任问题。人类不断向前发展，社会不断进步，人类把人工智能机器研制出来，赋予一定的程序，帮助老人，照顾小孩等；爱，不仅是男女之间的爱，也有父母对子女，这种爱是相互的。人们要面对智能机器的情感控制，我们不能把它视为一台机器，应该视为人类其中的一员，他们是一个种族，我们要对研制出来的人工智能机器负责。智能机器赋予人类的情感，我们也要给予同等的情感。我们不仅要研制智能机器，我们也要爱护和保护他们。
三.人工智能的问题对策
（1）人工智能情感问题研究。我们可以看出人工智能的机器情感是一个极其复杂的问题，这不仅涉及到人工智能的技术层面，同时情感是一种特殊的思维方式，机器是同样可以具有情感的。人类可能赋予人工智能一定的情感程序，我们要把人工智能的看成一类种族，让人工智能与我们共同创建美好的大家庭。
（2）人工智能的责任问题研究。随着人类社会的不断发展和进步，人工智能技术研究将成为人类不可避免，人类研究人工智能不仅会给人类带来帮助，也会给人们的带来一些困惑。我们在研究人工智能机器要考虑到，智能机器发展到一定程度的时，智能机器可以自己转变程序，人类要研究一种机器人的法律规范，也要赋予研究机器人的科学家一定的法律法规。
四.人工智能的影响
（1）人工智能带来负面影响。随着现代科学技术的发展，人工智能给人类带来帮助，也给人们带来了一些问题，像气候变暖，生物物种的灭绝，新型细菌的出现等。
（2）研究人工智能涉及的学科领域。人工智能是研究使计算机来模拟人的某些思维过程的智能行为学科，主要包括如下领域：专家系统、机器学习能力、模式识别、人工神经网络。在智能领域里最关键的问题之一，就是机器学习的问题。一旦机器有了学习能力，人类的未来发展难以预料！
（3）人工智能的积极影响及美好前景。人工智能的发展还没有到达一定水平，人工智能机器就可以和人做朋友，可以作为家里的一份子出现，进入人们的生活。我们在未来要研究人工智能的发展，也要研究人工智能出现以后所带来的问题，把人工智能的优势发挥的更好，给人类带来更美好的未来。
结束语：
