人工智能教育的定义范文

时间:2023-11-24 17:17:12

导语:如何才能写好一篇人工智能教育的定义,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。

人工智能教育的定义

篇1

 

1 引言(Introduction)

 

人们越来越接受逐渐取代传统考试方式的利用计算机网络实现的远程考试系统。传统意义上的考试,操作过程极其繁琐,出错难以避免。远程教育也称为网络教育,突破了时间与空间的限制,对实现教育终生化,教育大众化、平民化有重要的意义。我国是一个十三亿人口的大国,且农业人口众多,东西部发展不平衡,教育资源尤其是高等教育资源分布不均匀,西部及偏远地区教育资源匮乏。远程教育为全民教育及终生教育提供了有效的途径。在远程教育体系中,基于计算机网络的远程考试系统有了非常重要的意义。远程考试系统尽可能保证了考试的实时、可靠及客观公平及最小程度的人为因素影响。远程考试系统亦广泛应用于政府、企业及各种机构的培训,因此,讨论远程考试系统有了非常重要的意义。

 

远程考试离不开试题库的创建。

 

采用常规数据库构成的试题库,对客观题(选择、判断、填空题)很好解决。可以将试题库的试题按不同的形式出现。原理是:每个题都有几个选项,正确的和干扰项都有若干项。当试题要单选题时,可以用算法限制,每个题抽出一个正确项和若干个干扰项。当试题需要多选题时,每个题在答题选项中任意选取,但保证正确选项大于1即可。

 

而抽卷一般都是随机在试题库抽题形成试卷。这就造成不同试卷难度可能不同,考试欠公平。处理这个问题最好的办法就是将题目在建立试题库时就给了难度系数,出题时按难度比例抽题。这样对每个参考者相对公平。这涉及到怎样确定试题难度的问题。下面将讨论用人工智能技术处理试题难度。也就是在创建试题时,让计算机自动识别试题难度。

 

2 人工智能技术在试题库建设中的应用(Application

 

of artificial intelligence techniques in building the

 

examinations bank)

 

2.1 人工智能的定义

 

著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义:“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术[1]。

 

人工智能(AI)是目前发展迅猛的计算机学科的一个分支,近代被称为三大尖端技术之一,这三大尖端技术是:基因工程、纳米科学、人工智能。人工智能经过近几十年的发展,也逐渐成为了一个比较成熟的技术应用。在实践中应用十分广泛。在许多学科中都有它的身影,也取得了巨大的成果及可观的经济效应,在理论上也日趋完善。

 

人工智能是用计算机算法来模拟人类的智能行为或思维过程。比如:逻辑推理、学习规划、计划实施等等。主要的内容包含:计算机实现算法(原理)、智能机器人制造等。人工智能涉及的学科也极为广泛。首要的是计算机技术,还有心理学、教育学、语言学等人文科学。还有控制、自动化、仿真、数理逻辑等自然学科,具有广泛的应用前景。目前,关于人工智能的研究涉及到军事、航天航空、机械制造、计算机仿真、遥控遥感、机器人、工业控制、自动化、采矿、教育培训、服务业等等。人工智能技术在当今社会中得到越来越多的关注和重视,是正在快速发展的热门学科。它起源于计算机技术,但远不止于计算机科学范畴。人工智能取得了许多成就,这些成就主要表现在: 基于知识的系统、机器学习、神经网络、机器人学、Agent技术和分布的协同工作、规划和配置、机器感知等[2]。

 

2.2 知识的定义

 

知识是人类在认识自然、改造自然过程中沉淀下来的精神产物,是人类进行创新、创造、探索等智能活动的基础。关于知识的理解,可以概括为以下几个方面:

 

(1)知识是转换后的信息。经过人类的主观理解、解释、消化、选择以及过滤,大量信息加工处理后,称其为知识。

 

(2)知识也可以理解为对特定的学科或产业的概念定义、内部关系、运作过程和应用解释。

 

(3)知识亦可以定义为:“事实”“信念”“启发式”。

 

在人工智能领域,知识是一个非常重要的处理点。大量的信息必须从知识中提取和转换来的。从其作用层次,它们分为对象级知识、元级知识两类。按性质亦可划分为三种知识:过程性、描述性、判断性。

 

2.3 知识表示

 

知识表示一直是计算机领域中非常关键的问题,在人工智能及专家系统中,知识表示是知识的符号化过程。实际上是为描述事件所做的一组约定,它的实质是将事件的事实、过程、关系、属性等特征抽象成数据结构。计算机的知识表示就是研究这些数据结构,构建数据库,使用算法将物质世界的可以处理的信息尽可能量化,过程化。人工智能也就是让计算机模拟人的思维过程。将这些海量的数字化后的信息快速处理,以获得人们需要的结果。

 

人工智能应用在构建试题库时,知识表示也成为一个非常关键的问题。

 

知识的表示与对问题的处理和解决以及解决问题的效率有很大的影响。一个正确的知识表示,可以将知识很好的转化为数字信息,从而使得计算机能够更好的处理,那么对知识表示的要求,主要从下面四个方面去处理:

 

(a)可表达性:能够正确有效的将要解决的问题所需要的知识表达出来。

 

(b)可理解性:知识表结果是容易理解的,简单明了的。

 

(c)可访问性:知识表示是可以利用的

 

(d)可扩充性:当有新增知识的时候,原来的知识表示可以扩展、补充。

 

2.4 知识库的构建

 

知识库是按照一定要求存储在计算机中的相互关联的事实知识的集合,是经过分类和组织、序化的知识集合,是构建专家系统(ES)的核心和基础[3]。

 

对知识的处理,很关键的一步是知识库的构建,即创建知识的物理结构及逻辑结构,在计算机技术及人工智能理论中,可以理解为数据结构的建立。知识库的组织方式,依赖于知识表示模式,也依赖于数据库等计算机技术。目前的数据库技术发展很快,也有很多模式可供选择。总之,知识库的组织应尽可能全面、高效、最大化利用存储空间。

 

知识库的构建模型如图1所示。

 

图1 知识库构建模型

 

Fig.1 The knowledge base model

 

2.5 知识库的管理

 

在人工智能的专家系统中,知识库会随着时间推移,越来越大,知识的尝试和广度也相应变化。知识库管理维护得好,会成为日常工作的好帮手,处理得不好,知识库就是一堆没有用甚至是有害的信息垃圾[4]。管理知识库涉及到数据存储的安全性、访问效率、多用户等等,依赖于计算机软件技术。

 

2.6 实现过程

 

(1)构造试题库数据结构表见图2。主键为“ID”。

 

图2 综合试题库表

 

Fig.2 The examination bank table

 

(2)所考知识点难度数据表结构

 

所考知识点难度数据表结构如图3所示。主键为“序号”。

 

图3 知识点难度数据结构表

 

Fig.3 Construction table of the database in difficulty

 

coefficient of knowledge point

 

(3)知识点数据分析及客观题知识点难度计算程序的算法实现

 

先将所选课程考试大纲要求的知识点按照掌握、理解、了解的要求每个知识点设置一个或两个关键字,并设置知识点难度系数数据库,考试大纲要求不是很多,所以数据量不大,可由教研室讨论每个知识点的难度系数。考试的题库却是不断增加的,每增加一个选择题时,就遍历知识点难度系统数据库,按词法匹配,如果选择题含有某知识点,即将此知识点的难度系统加到累加变量中,并将计数器加1,遍历完整个表,将累加变量值除以计数器,得到此选择题的知识点难度系统。实现算法如图4所示。

 

图4 试题库难度系数生成算法流程图

 

Fig.4 Flow chart of algorithms in the degree of

 

difficulty of examination bank

 

3 结论(Conclusion)

 

用人工智能技术,基于知识点属性建立的知识点库;试题库建库时,试题能按词法匹配,遍历知识点库,智能生成难度系数。解决了在无纸化考试中遇到的考试公平的问题,也减轻了出题者的工作量,避免了出题者主观判断题目难度导致的随意性和不准确性。

 

但系统仍存在不足:可实现是部分智能推导,知识点的堆积是一个继承过程,仍然可以继续研究。人工智能在计算机考试中仍有很多可研究的方面,如:主观题的阅卷等。这也是今后可努力的方向。

篇2

关键词:人工智能;信息素养;信息技术

中图分类号:TP18文献标识码:A文章编号:1009-3044(2008)35-2417-02

Artificial Intelligence Education and Middle School Students Information Literacy

WU Wen-tie

(Mathematics and Computer Institute of Mianyang Normal University, Mianyang 621000, China)

Abstract: Information Literacy in the Information Age is a national basic literacy, artificial intelligence represents a cutting-edge information technology. Based on the analysis of information quality and substance of the definition on the basis of exploring the field of artificial intelligence research, as well as in education, put forward the theory of artificial intelligence and technology courses in secondary education should be in a more systematic, comprehensive Improve the information literacy of students.

Key words: artificial intelligence; information literacy; information technology

1 信息素养的定义及其内涵

“信息素养”一词最早产生于信息技术和信息产业发达的美国, 是随着现代信息社会的逐渐形成而对国民提出的一种兼跨人文和科学范畴的综合性个人素养要求的描述。随着研究的深入,人们对信息素养的认识也在不断深化。

1974年美国信息产业协会主席保罗・泽考斯基最先提出信息素养的概念, 他认为信息素养是“利用大量的信息工具及主要信息源使问题得到解答的技术及技能”。1992年美国图书馆协会提出:“信息素养是人能够判断何时需要信息, 并且能够对信息进行检索、评价和有效利用的能力。”同年, 道尔在《信息素养全美论坛的终结报告》中给出了一个较为全面的定义:一个具有信息素养的人, 他能够认识到精确和完整的信息是作出合理决策的基础, 他能够确定对信息的需求, 能够形成基于信息需求的问题, 能够确定潜在的信息源, 能够制定成功的检索方案, 从包括基于计算机的和其他的信息源中获取信息、评价信息、组织信息用于实际的应用, 将新的信息与原有的知识体系进行融合以及在批判性思考和问题解决过程中使用信息。

综上所述, 虽然研究人员从不同的视角界定了信息素养的定义, 但可看出, 信息素养既包括认知态度层面上的内容, 也包括技术层面、操作层面和能力层面上的内容。概括起来讲, 信息素养主要包括信息意识、信息能力和信息道德三个方面:

1) 信息意识。信息意识是信息素养的首要因素, 主要指人们对信息及其交流活动在社会中的地位、价值、功能和作用的认识, 换句话说, 就是指人们对信息的判断、捕捉的能力。信息意识的强弱将直接影响人们利用信息的程度和效果。人们只有有了信息意识,才有可能有信息的需求, 进一步去寻找信息和利用信息, 并主动学习与信息处理有关的技术。

2) 信息能力。信息能力是信息素养的重要方面, 是指人们获取信息、处理信息、利用信息、创造信息、交流信息的技术和能力。人们只有掌握一定的信息技能, 才能有效地开展各种信息活动, 有效地利用信息和创造信息, 充分发挥信息的价值, 变信息为动力和优势。

3) 信息道德。信息道德是指人们在整个信息交流活动过程中表现出来的信息道德品质。它是对信息生产者、信息加工者、信息传播者及信息使用者之间相互关系的行为进行规范的伦理准则, 是信息社会每个成员都应该自觉遵守的道德标准。

2 人工智能的研究领域

人工智能的研究领域非常广泛, 而且涉及的学科也非常多。目前,人工智能的主要研究领域包括:专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在网络教育环境中常用的智能技术。

2.1 专家系统

所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统, 它能运用该领域专家多年积累的经验与知识, 模拟人类的思维过程,求解需要专家才能解决的困难问题。

2.2 机器学习

“学习”是一个有特定目的的知识获取过程, 其内在行为是获取知识、积累经验、发现规律; 外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习, 就是要使计算机能模拟人的学习行为, 自动地通过学习获取知识和技能, 不断改善性能, 实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。

2.3 模式识别

所谓模式识别,是指研究一种自动技术。计算机通过运用这种技术,就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说,模式识别研究的主要内容就是让计算机具有自动获取知识的能力,能识别文字、图形、图像、声音等。一般来说,模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。

2.4 人工神经网络

人工神经网络是指模拟人脑神经系统的结构和功能, 运用大量的处理部件, 由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的,是对脑神经系统的结构和功能的模拟, 具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一, 可以根据外界环境来修改自身的行为。学习的过程即是对网络进行训练的过程和不断调整它的连接权值, 以使它适应环境变化的过程。学习可分为有教师(或称有监督)学习与无教师(无监督)学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识,开辟了另一条模拟人类智能的道路。

3 人工智能技术在教育中的应用

3.1 智能搜索引擎

随着互联网站点和页面的激增以及网络用户队伍的不断壮大,信息检索成为人们利用Internet的重要途径。但是在浩瀚的网页海洋中寻找有用的信息并不容易,需要借助有力的检索工具如搜索引擎等等。目前一些著名的搜索引擎有:GOOGLE、YAHOO、EXCITE、INFOSEEK等,他们各有特色,但仍存在不足之处,如检索到的无关信息过多以及检索结果排序较混乱。智能化信息检索是信息检索的新分支,它是人工智能和信息检索的交叉学科。它在对内容的分析理解、内容表达、知识学习等基础上实现检索的智能化,这样可以节省学习者在检索中花费的时间,帮助学习者提高检索效率。智能化信息检索所用到的人工智能技术有专家系统、自然语言处理和知识表示。

3.2 智能体(agent)

agent技术早在70年代出现在人工智能领域,通过感知、学习、推理以及行动能够基于知识库的训练模仿人类社会的行为。随着其进一步发展,它在远程教育领域发挥着越来越重要的作用。一套完整的远程教育系统中包含许多子系统,如答疑、作业、考试、交互等等子系统。这些子系统都有各自的数据库用来存储信息。为了提高整个系统的智能性,可以引入智能技术,把众多子系统的数据库链接起来,实现信息资源的共享。通过分析这些信息,智能技术可以发现学习者的个别特征(如兴趣爱好信息、点击知识点信息统计、交互日志等等),并根据这些特征量身订做出适合学习者的学习方案,也有助于教师及时掌握学习者学习过程中的动态信息。

3.3 智能CAI(ICAI)

随着计算机技术的飞速发展,计算机辅助教学(CAI)已受到教育界的重视,成为学科教学改革的一种重要手段。许多学校都在开发CAI课件,但大多数CAI课件只是机械地按照教学设计者事先设计好的教学模式和内容向学生传授知识,并没有体现出个性化学习,无法做到因材施教。

智能CAI是以人工智能技术为核心,使CAI系统能够根据学生的学习情况等因素分析学生的特征,合理安排教学内容、变化教学方法去满足个别教学的需要。使用智能CAI进行教学能够克服传统CAI的不足,显著提高教学效果,是CAI课件发展的趋势。

3.4 智能教学系统ITS

智能教学系统(intelligent tutoring system,ITS)是涉及人工智能、计算机科学、认知科学、教育学、心理学和行为科学的综合性课题,其研究的最终目标是由计算机负担起人类教育的主要责任,即赋予计算机系统以智能,由计算机系统在一定程度上代替人类教师实现最佳教学。我国ITS的研究起步较晚,但近几年随着计算机的普及和教育软件需求增大,ITS的发展较快。ITS按照功能分为四个模块:专家知识模块、学生模块、教师模块、人机接口模块。

4 人工智能教育对学生信息素养的作用

人工智能(ArtificialIntelligence,AI)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。换言之,它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,来解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题。人工智能也是一门涉及数学、计算机科学、控制论、信息学、心理学、哲学等学科的交叉和边缘学科。与一般的信息处理技术相比,人工智能技术在求解策略和处理手段上都有其独特的风格。人工智能研究处于信息技术的前沿,它的研究、应用和发展在一定程度上决定着计算机技术的发展方向。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急切的需求。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。

综上所述,作为信息技术一个不可缺少的重要组成部分,人工智能的基本内容在中学信息技术课程中是不能不专门提及的,以往某些教材中用一两页篇幅作个简单介绍的方法根本不足以反映人工智能学科的全貌。因此,十分有必要在高中阶段的信息技术课程中专门设立人工智能选修课。我们认为,高中阶段开设人工智能课程可以在以下几个方面对学生的信息素养培养产生积极作用:

1) 多种思维方式的培养和信息素养的综合锻炼。

现实世界的问题可以按照结构化程度划分成三个层次:结构化问题,是能用形式化(或称公式化)方法描述和求解的一类问题;非结构化问题,难以用确定的形式来描述,主要根据经验来求解;半结构化问题则介于上述两者之间。一般说来,中学阶段开设的传统意义上的信息技术课程中所介绍的信息技术,例如多媒体技术、网络技术、数据库技术、算法与程序设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的一类有效技术。

把人工智能课程引入我国现行的高中信息技术教育,可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题解决过程的了解,从而培养学生的多种思维方式,达到提高信息素养的目的。通过人工智能课程的学习,学生还将了解人工智能语言的基本特征,学到智能化问题求解的最为基本的策略。

2) 体验人类专家解决复杂问题的思路,提高学生的逻辑思维能力。

这里以人工智能学科中“专家系统”技术的体验、学习与应用过程为例进行说明。在专家系统的应用过程中,一个实际的专家系统不仅能够为用户给出相关领域的专家水平建议或决策,而且能够通过解释机制,以用户容易理解的方式解释专家系统的具体推理过程。学生可以向专家系统提出诸如“为什么(Why)”、“如何(How)”、“如果……会怎么样”等问题,系统接受用户的问题指令后,可以根据推理的逻辑进程,即时将答案呈现给用户,整个过程如同教师与学生在进行面对面的教学。在该过程中,学生可以充分体验人类专家的求解思路和推理风格,有助于提高他们的分析、思维与判断能力。

另一方面,在专家系统的教学过程中,可以要求学生自行构建由产生式规则组成的知识库,或进一步利用工具软件来开发简单的实用型专家系统。为了完成该项工作,学生一开始就要编制开发规划、制定知识获取策略,并具体付诸实施,这是一个不断深化的过程。学生还得明确与系统有关的所有变量或相关的因素,并且将这些变量和因素转化为问题求解,得出相应的结论。在进行一系列问题求解分析之后,运用产生式规则来表示知识,以此建立起来的专家系统还可以让其他学生去运用和体验,具有一定的实用价值。

由于专家系统中的知识组织与推理过程是对人类专家思维方式的一种模拟,因此上述知识库的组织和系统的推理过程能够较好地体现学生的思维过程。在建造知识库过程中,学生需要将原来零碎的未成型的知识概念化、形式化和条理化,从而内化为学生自己的东西。所以,建造知识库的过程不但能反映学生的学习过程,而且有助于学生对该领域知识的深层思考并有利于长久记忆,同时也学会了专家系统的基本开发技术。正如美国著名的学习论专家Jonassen所指出的:那些自行设计专家系统的学生将会在这种活动中受益匪浅,因为这是一个对所学知识进行深度加工的过程。

3) 了解信息技术发展的前沿,激发对信息技术未来的追求。

人工智能技术在一定程度上代表着信息技术的前沿,通过人工智能知识、技术的学习与体验,高中学生能够对信息技术发展的前沿知识有一定程度的了解,这样有助于他们开阔视野,培养兴趣,激发对信息技术美好未来的追求,从而为今后进入大学或走向社会奠定良好的基础。

5 结束语

中学生的信息素养的培养是当前信息技术课的一个重要目标,而在现有的中学信息技术课程中,关于人工智能的知识只作了简单的介绍,学生们对于人工智能研究的广大领域不能有详细的概念,这对于中学生的信息化认识和信息素养的培养不够全面。因此在中学信息技术课中加大人工智能的知识介绍是信息技术课改革的重要内容。

参考文献:

[1] 雷晓庆.网络环境下大学生的信息素养及其培养[J].太原大学学报, 2004(2):38.

[2] 杜玉霞.美国信息素养教育与研究的启示[J].电化教育研究, 2005(10):42.

[3] 王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002,1-53.

[4] 潘瑞玲,余轮.Agent技术在远程教育系统中应用的研究[J].微型电脑应用,2002,18(4):28-30.

[5] 吴战杰,秦健.Agent技术及其在网络教育中的应用研究[J].电化教育研究,2003(3):32-36.

[6] 张剑平.关于人工智能教育的思考[J].电化教育研究,2003(1):24-28.

篇3

当你用谷歌搜索东西、使用地图软件、在亚马逊上购物,或者对智能手机中的语音识别软件说话,其实都在使用人工智能。当你登录到Facebook,欣赏那些可爱的婴儿照片,人工智能都在塑造你的体验。

所有这些应用的背后都使用了算法,算法本质上是形成分析过程的一组规则,能够对变量输入做出响应。如今的算法,尤其是来自亚马逊和Facebook等巨头的算法,响应速度快,还不断学习。它们事先经过编程,可采集来自用户的更准确的响应;也就是说,结果是为控制算法的那些厂商服务的。

了解和响应

当你在亚马逊上购物时,算法在后台基于一个包含众多购买模式的庞大数据库,执行异常高级的运算,之后决定将什么产品展示在你面前。它实时响应你的点击轨迹。

你可能觉得,有一个活生生的私人购物助手是最好不过的选择;她了解潮流,对你本人很了解。可是人工智能技术厂商Ayasdi的首席营销官丹尼尔・德鲁克(Daniel Druker)表示,这样的私人购物助手与亚马逊没法比。亚马逊“利用人工智能,结合你之前的购买活动,从100万件商品中推测眼下哪些商品最能吸引你的眼球。没有哪个人能做到这一点。”

在Facebook上,出现在你个人动态(feed)中的朋友不多,那是因为Facebook的人工智能算法知道:你受不了个人动态内容太多的情况。于是,Facebook使用人工智能,对你关于私人关系圈的讯号做出敏感的反应,打造你的个人动态,建立起一种更有效的情感联系。要是你以为人工智能冷若冰霜、缺乏人情味,Facebook用它来窥视你的内心(以及Facebook另外12.3亿日常用户的内心)。它威力强大,说Facebook人工智能影响了美国总统大选毫不为过。

尽管人工智能目前具有巨大的影响力,但它仍被看作是太过遥远的一项神奇技术。人工智能技术厂商Sentient Technologies的创始人兼首席科学家巴巴克・霍加特 (Babak Hodjat)说:“算法或应用有多诱人、多新潮、多强大,并不重要。我常常出去介绍这些系统时,人们总是会说‘是的,那很智能、那很酷,但这不是人工智能。’”

人们之所以会有这种怀疑,是因为“普通公众而非从业人士常常误以为人工智能是包含情感智能、创造力、自主性等一系列能力的人类级一般智能。”霍加特说,因而,人工智能“总是被认为是我们会发明的下一大技术。我认为,今后10年至15年还会是这种情况。”

他表示,在许多当前的应用中,人工智能比人类更强大。“你只要说一个方面,我可以告诉你这个方面是如何实施的、如何比人类更强大。起码,人工智能运行起来更快,所以当下人工智能的决策和行动周期要比人类响应世界的速度快得多。”

人工智能在过去几年得到了突飞猛进的发展。百度硅谷人工智能实验室主任亚当・科茨(Adam Coates)说:“这在10年前是很难实现的。当然,未来几年,我们认为在人类非常擅长处理、但计算机向来不擅长的许多问题上,人工智能会取得巨大进展。比如说,识别图像中的实体,或者理解语音、对口语做出响应,那些是深度学习和人工智能技术在未来几年会持续改进的问题。”

推动与向前

什么功能在推动这些进展?人工智能必须获得什么样的功能才能向前发展?

皮特・阿贝尔(Pieter Abbeel)是加州大学伯克利分校的计算机科学系教授,也是人工智能教育初创公司Gradescope的联合创始人。他表示,首先,人工智能系统需要能够在没有人类干预的情况下自主学习。此外,它还在被告知诸如“你从这个角度堆方块,也许效果会更好”之类的信息时,应该有沟通和理解能力。“要是它无法领会这样的信息,我们不会认为它具有真正的智能。”

人类(至少理论上)能够利用过去的经验来推断和处理新环境,在这方面机器人则差的很远。为机器人编程、以便它在有限的环境下提供辅助要容易得多。人工智能科学家们想为机器人编程,以便处理相关的变化。

阿贝尔说:“它们需要运用过去获得的经验,推广到不一样但相类似的新场景,了解这种关联性。我对于机器人如何能真正从头开始学会做事很感兴趣。”从头开始学起是人类特有的能力;如果机器人能够真正做到填补其空白,它有望成为独立的个体。

但人工智能机器人的“学习能力”可能有许多不同的方式来定义,一些是很普通的“尝试和奖励”方式,类似于教狗学新花招。比如说,人工智能强化学习可编写机器人的软件,从试错过程中学习。加州大学伯克利分校的BRETT机器人基于行动后奖励的多少来使用强化学习技术。阿贝尔说:“奖励的变化让该机器人得以分辨什么是好的,什么是不好的,进而重点采用获得奖励多的策略。”

与之相仿,人工智能科学家使用监督式学习,为计算机馈送标记输入(这些是猫,这些是狗)的许多实例,并给出明确的目标输出(这是猫还是狗?)。非监督式学习给计算机馈送非标记数据(比如说许多动物的照片),计算机进行分类,或者以其他方式为该数据定义结构模型(这些动物身上的毛比其他这些动物多得多)。科茨表示,非监督式学习是“非常重要的研究热点,因为我们知道人类所做的在很大程度上是非监督式学习。”

人工智能“学习”的核心是神经网络,它类似人类大脑。跟大脑一样,面对更多的输入,神经网络会自我调整。阿贝尔说:“你展示足够多的那些实例,神经网络就会自我调整,说‘针对那个输入,我需要那个输出’;所以,要做到这一点,唯一的途径是,我需要调整联系的部分强度,那样我才能搞好那种对应。所以,在某种意义上,你在训练神经网络时,是让计算机学习它的计算机程序,而不是将计算程序编入到里面。”

科茨解释,不过打造神经网络并非易事。“一大挑战在于,我们不是非常清楚如何仅凭一些非标记、非结构化的数据来训练神经网络。我们不知道如何量化神经网络在处理这些种类的任务中的好坏。等到我们在这方面有了发现,那将是一大进步。但我们还没有到那一步。所以,这离人类智能相差甚远。”

篇4

关键词:人工智能计算机技术

一、人工智能的定义

“人工智能”(ArtificialIntelligence)一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。

二、人工智能的应用领域

1.在管理系统中的应用

(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。

(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。

2.在工程领域的应用

(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。

(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。

3.在技术研究中的应用

(1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。

(2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。

三、人工智能的发展方向

1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。

2.智能信息检索技术的飞速发展。人工智能在网络信息检索中的应用,主要表现在:(1)如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。(2)由于网络知识信息既包括规律性的知识,如一般原理概念,也包括大量的经验知识这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素对其进行推理,需要利用人工智能的研究成果。

3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。

参考文献:

[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.

[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.

[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).

[4]周明正.人工智能在医学专家系统中的应用[J].科技信息,2007.

[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).

[6]马秀荣,王化宇.简述人工智能技术在网络安全管理中的应用[J].呼伦贝尔学院学报,2005,(4).

篇5

关键词:智能;智能科学与技术;语义分析;知识体系;课程体系

中图分类号:G642 文献标识码:A

1 引言

“智能科学与技术”专业教育意指将“智能科学与技术的知识体系”传授给本科生或研究生。构建智能科学与技术的知识体系通常有两种途径:(1)经验归纳法,从社会实践和科学研究已经获得的知识集合中选择出若干,认为这些知识应该归属于“智能科学与技术”,且将其结构化与系统化。(2)概念演绎法。追问“智能科学与技术”的确切含义为何,由此联想其涉及的主要方面,概念推演形成的轨迹即是知识体系。两种方法的结论应是一致的。就实际操作而言,前者的主要环节是“选择知识”和“搭建体系”,而“选择什么”和“搭建成何样”就与研究者的偏好相关,常出现观点相左的情形;后者的主要环节是“明确语义”和“语义延伸”,能被称为概念的东西总是成熟的,即已有大量的先前研究,对此人们的分歧较少,而从概念出发的语义延伸又是遵循演绎逻辑的,由此而得的知识体系就易被公认。

本文的研究采用概念演绎法,具体的讨论依层次递进展开,首先明确“智能科学与技术”的中文语义,其次讨论该语义涉及的关键概念之内涵,进而合成这些关键概念的具体内容,继之概括“智能科学与技术的知识体系”,最后设计“智能科学与技术专业教育的课程体系”。

2 “智能科学与技术”的语义

尽管有逻辑上的先后,“科学”与“技术”通常被认为是并列的两种人类文化活动。“智能科学与技术”就应被分为“智能科学”与“智能技术”。

智能是某种行为主体所具有的能力和所表现的行为。这种具有智能的行为主体目前(也许永远)只有两类:生物(其中主要是人类)和机器。若以人类代表生物,智能就有两种表现形态,人类智能(human intelligence)和人工智能(artificial intelligence),后者是对前者的模仿与延展。

科学是为了获得所考察对象的知识体系,技术则是依据某种原理设计制造各种人工系统。由此,“人类智能科学”、“人工智能科学”、“人工智能技术”是无歧义的,而“人类智能技术”就不成立(确切地说,是间接地通过“人工智能技术”的方式表现出来)。

基于上述分析,“智能科学与技术”的语义由三部分构成,“关于人类智能的科学”、“关于人工智能的科学”和“应用人工智能的技术”。根据惯常的教育与研究分工,前者是心理科学领域的重点所在,后二者则是信息科学领域的前沿方向。目前国内所开办的“智能科学与技术”专业教育大多属于理工科本科,其侧重所在自然是“人工智能”。

支撑着“智能科学与技术”及其三部分构成的关键概念是“智能”、“科学”与“技术”,对其进行深入剖析有助于推演出“智能科学与技术的知识体系”。

3 关键概念的剖析

3.1 “智”对应于Intelligence

汉语中的“智”是“知”的后起字,而“知”是“出于口者疾如矢也”,意指认识的事物可以脱口而出。“知”添加了“曰”即为“智”,再清楚不过,“智,知而道出也”。智,就是人们日常口语中的“知道”。

英语中的Intelligence源于拉丁语的动词intellegere,意思是to understand。而intellegere是inter(interl与legere(to choose)的合成词,故它所表达的是“在推理基础上的理解”。

可见,汉语的“智”关注知识(识,知也。《说文》)及其共享;英文的Intelligence则强调知识及其可靠来源。有所差异并不妨碍将不同文化系统中的这两个概念对应起来。

3.2 “智”的派生词

尽管语义十分贴切,却不可将Intelligence直接汉译为“智”。在现代汉语中,单字形式的名词一般不用于表达抽象概念,因为单音节的高频率使用在言语交流中难以通畅顺口。通常都是采用双字形式的名词。“智”需要再添加一字。处理的办法无非两类,同义重复或附加意义。前者生成的是“智慧”,后者得到的是“智能”和“智力”。

智慧之“慧”,一方面与“智”同义(知或谓之慧。《方言》),另一方面又与佛教名词“般若”(Praina)相连,在中国的文化传统中,佛是高深至上的,这样,智慧的真理性就毋庸置疑。作为汉语词汇的“智慧”固定下来之后,除了与英文的Intelligence相对应,还与英文的wisdom(wise“聪明的”+dom“性质或状态”)相一致。更重要的是,wisdom就是希腊语的sophy,由此构成了philosophia(英文philosophy)。“智慧”连接着中国的佛教(与中国哲学相通)和西方的哲学。智慧是哲学层面的。

“智能”和“智力”都是“智的能力”的简称。推敲其中的意味饶是有趣。作为物理学概念的“能”和“力”,二者是一种源流关系,因而在汉语的习惯中,“能”更本质,“力”则外显,暗含着有高下之分。这样,智能有“智能人”、“智能机器”、“智能科学”等,智力则是“智力游戏”、“智力玩具”、“智力商数”等。层次的感觉是明显的。智能和智力是科学层面的。

“智”的派生词最常用的有三个:智慧、智能和智力,它们均可英译为Intelligence,但在汉语中分别属于三个层次,即哲学领域、科学领域(较高层次)和科学领域(较低层次)。

3.3 关键概念的文化比较

将与“智”相关的中文概念和与Intelligence相关的英文概念进行对比,可看出中西方文化的相通与差异,有助于更深刻明晰地理解“智能”的语义。表1是基于英语概念的文化比较。从中可见,“智能”较高于“智力”在西方文化中表现为对现在分词的偏爱。

表2是基于汉语概念的文化比较。英语的Intelligence可以笼统地表示汉语的“智、智慧、智能、智力”。现限定“构建智能科学与技术的知识体系”是一项科学研究(即不考虑“智慧”),再用“智能”作为“智能”和“智力”的统称,这样,“智能”就成为将要继续讨论的唯一概念。

3.4 智能之“能”

前已阐明,智能就是“智的能力”。这种能力究竟为何,学者们曾有过大量的讨论。其中一种通俗简洁的表述 被包含于后者之中。在人工智能中将二者分开,缘于它们的对象不同,前者针对的是自然界,后者则面向人类已有的知识积累。“推理”是生命体存在的基本前提。所以,关于人工智能的科学只有两个分支:机器感知/发现理论(派生于人的认识论)和机器推理理论(基于人脑推理理论的讨论)。

(4)应用人工智能的技术。第3.6节说明,技术就是应用手段、技能和方法设计与制造人工系统。图4模型所示意要设计与制造的人工系统只有专家系统和机器人。所以,应用人工智能的技术主要有两个:专家系统技术和机器人技术。

(5)基于现状的人工智能科学与人工智能技术的内容调整。前面将“机器感知”和“知识发现”归于科学范畴,其根据就是因为它们均是客观存在。然而,现在的“机器感知”还非常简单,对于诸如表情、语气等稍微复杂的客观现象就无能为力:“知识发现”也主要依赖于基于语法的关键词匹配,而对于如何有效地理解语义特别是语用还差得很远。鉴于如此现状,将“机器感知”和“知识发现”归于技术更合适一些。

(6)智能科学与技术的知识体系。集成上述的观点可得图5所示的知识体系。理论是概念、原理的体系(《辞海》),本身就是知识体系。技术包括手段、技能和方法,也是知识或知识指导下的操作。所以,智能科学与技术的知识体系由两个理论和四种技术构成。

图5的表示是粗线条的。正是因为它没有将与“智能”有关的科学理论和技术方法全部罗列出来,才有了一个简洁的框架,以便在此基础上进一步细分和添加,最终形成一个系统的图景。

6 “智能科学与技术”专业教育的课程体系

“智能科学与技术”专业教育的使命就是将图5所示的知识体系教授给本科生或研究生。学校教育总是以课程方式进行的。智能科学与技术的知识体系必须转化为课程体系。基于图5所示模型、兼顾目前大学课程设置的现状、特别是参照国内学者的研究成果和国内率先开办智能科学与技术专业的大学的探索性经验,提出“智能科学与技术专业教育的课程体系”的一种方案,见表3。

如表3所示,“智能科学与技术”专业的课程设置对应于智能科学与技术知识体系的主要内容(见图5),共六门主干课程:

(1)“脑与认知科学”。包括“脑科学”与“认知科学”。

(2)“机器学习”。推理是学习过程中所采用的主要方法,机器学习包含机器推理,在一般意义上可以认为二者同义。目前讲授机器学习的大学课程主要有:“机器学习”、“模式识别”(是实现机器学习的一种方法)、“计算智能”。后者包括“模糊计算”、“神经计算”、“进化计算”,讲授一些具有前沿性的理论与方法。

(3)“机器感知”。包括“机器视觉”模仿人类的视觉、“计算机语音技术”模仿人类的听觉、“自然语言理解”模仿人类对语言与文字的理解。

(4)“知识发现”。包括“信息检索”和“数据挖掘”,前者在数据库中进行关键字匹配、在万维网上进行关键字匹配、在语义网上进行语义匹配以获取所需要的信息,后者将信息组织到数据仓库中以便寻求信息之间的规律性关联即获得知识。

(5)“专家系统”。该课程所讲授的内容包括管理信息系统、专家系统、决策支持系统、多Agent系统。它们是人工智能为人类提供的实用型信息产品。

(6)“机器人”。利用机器来获得身心的解放与扩展是人类的梦想和永远的追求。拟人机器的设计与制造涉及诸多学科,在大学的专业教育中只能讲授一些基础概念。

可以将整个“智能科学与技术的知识体系”看作是一个对知识进行“输入一加工一输出”的结构。由表3可见,与知识输入有关的是“机器感知技术”和“知识发现技术”;与知识加工有关的是“脑科学理论”和“机器推理理论”;与知识输出有关的是“专家系统技术”和“机器人技术”。在智能科学与技术学科中,分工专门研究知识输入、知识加工、知识输出,就构成了其三个主要的研究方向:知识处理、智能理论与方法、智能系统与应用(如表3所示)。

7 结论

(1)智能科学与技术是人类智能科学、人工智能科学和人工智能技术的总称。技术的标志是用于设计与制造人工系统,因而“人类智能技术”并不直接存在。

(2)“智能”是“智的能力”的统称。中文的“智”之本义是“知而道出”,与英文的Intelligence(本义“推理基础上的理解”)尽管侧重不同,仍被认为语义相等。现代汉语不习惯单字形式的概念,“智”便有了三个常用派生名词“智慧”、“智能”和“智力”。前者属于哲学概念:后二者属于科学对象,是“智的能力”的两种不同简称,亦有层次高下之分。在科学领域,“智能”通常涵盖“智能”和“智力”。

(3)智能科学是指,认知智能事实、归纳智能规律、总结智能理论。

(4)智能技术是指,设计与制造人工智能系统的手段、技能和方法。

(5)智能(intelligence)应该是“能智”。即能知、能日、能推理、能理解、能应用。

(6)智能是以知识为主线的三个环节的序贯过程。智能表现为知识在知识获取、知识推理、知识应用三类活动中的定向流动和逐级提升。

(7)智能首先遇到的问题是知识表示。人类智能的知识表示是在文化传承中自然实现的,而人工智能的知识表示则依赖于专门的人为规定。这样,智能的内容就有四个部分:知识表示、知识获取、知识推理、知识应用。

(8)智能最简明最本质的定义是:知识+推理。人类智能的特征是,知识用自然语言表示、推理在人脑中进行;人工智能的特征是,知识用机器语言表示、推理用机器实现。

(9)人类智能的内容主要有五个:感官感知、信息检索、人脑推理、实际问题解决方案、实际问题解决方案的执行。

(10)人工智能是对人类智能的模仿与延伸,其主要内容也相应有五个:机器感知、知识发现、机器推理、专家系统、机器人。

(11)智能科学与技术的知识体系由两个理论和四种技术构成。智能科学与技术的知识体系涉及关于人类智能的科学、关于人工智能的科学、应用人工智能的技术,具体有脑科学理论、机器推理理论、机器感知技术、知识发现技术、专家系统技术、机器人技术。

篇6

摘要:本文从计算机学科本科的教学理念出发,提出了从计算机学科分支的角度认知人工智能,组织并实施教学的方法。

关键词:人工智能;综合学科;计算机学科分支

中图分类号:G642

文献标识码:B

1引言

目前国内流行的人工智能教材都是把人工智能学科作为由计算机科学、心理学、神经生理学、控制论、信息论、语言学等多种学科相互渗透的综合学科加以介绍。这些教材核心内容虽然相同,但作者编写教材的思路却有不同,有些教材以智能体(agent)的观点论述,还有一些教材以应用为目的来论述。这些教材对于各相关领域从事人工智能科研与工程的技术人员来说,是比较适宜的。但对于我国高等院校计算机专业的本科学生来讲,却存在一些问题。不仅是由于在一门课程中涉及众多学科的知识,使学生难以接受,而且讲授的角度不能与前期所学知识紧密配合,也增加了学习的困难。

人工智能是由多种学科相互渗透的综合学科,但它是明确属于计算机科学分支的学科。这是因为从功能上和方法上人工智能与计算机学科是一致的。实际上,人工智能不仅使用了许多其他计算机学科分支的技术,而且在发展过程中,也开拓了许多新的方法和技术,充实了计算机学科。若按计算机处理的对象来区分计算机应用的话,则可分为三个部分:数值计算、数据处理与知识处理,人工智能就对应知识处理工作。

对于我国高等院校计算机学科的本科教学来讲,人工智能课程的课时一般只有40课时左右。以什么角度组织教材内容,提高教学效果,使学生较容易地理解和掌握人工智能的原理与技术呢?通过多年的人工智能教学实践,我们逐渐总结出了进行人工智能教学的方法:既从计算机学科本科的教学理念出发,考虑人工智能这门学科的特点,以作为计算机学科的一门分支的角度认知人工智能,组织教材的知识架构并进行教学。用计算机学科的观点分析人工智能的基本原理与方法时,重点强调的是这些基本原理与方法与其他的计算机分支的共同点和不同点。共同点是强调计算机学科的本质,不同点是强调人工智能的本质。

2计算机学科本科的教学理念

计算机学科本科的教学理念可以归结为:传授知识、提高能力、培养素质(包括专业素质与品格素质,专业课以专业素质为主)。其中,原来作为教育核心的知识现被看成是教育的基础,即把知识作为载体,用来实现能力的提高,在潜移默化中实施素质教育。高等院校对学生能力的培养主要包括:学习能力、分析问题与解决问题的能力以及创新能力。对于本科学生,重在学习能力与分析问题与解决问题的能力,对创新只是培养兴趣。素质是知识和能力的升华,计算机专业素质显示的是这一领域的水平,素质水平的提升也将通过知识的增多和能力的增加体现出来。

3以计算机分支的角度认知人工智能

什么是人工智能?目前人们普遍接受的定义是:用机器来模拟人的智能,也就是用计算机来模拟人的智能。若以计算机分支的角度也就是用计算机学科的观点看待人工智能,我们需从两个方面加以说明。

首先,从计算机的能力,也就是它能做什么讲起。用计算机解决某种问题,需要有三个基本的条件:第一,必须把问题形式化。第二,问题是可计算的,就要有算法。第三,问题要有合理的复杂度。人的智能所能解决的问题往往不能满足这三个条件。因此,人工智能就是对于不能满足这些条件的问题,通过使用它的技术和方法,使问题满足这三个条件,由计算机去解决问题。比如,一般来讲不可能将自然语言全部形式化,但人工智能使用一阶谓词逻辑表示自然语言的部分句子,并用算法进行推理,解决一定范围的问题。另外,使用启发式搜索可降低问题的复杂度,使问题在可能的范围内得到解决。

其次,从计算机的核心技术加以阐述。用计算机解决问题是靠程序实现的,程序是什么?一本经典的计算机教科书的名字“算法+数据结构=程序”给出了解释,这说明在计算机学科中算法与数据结构的核心地位,一般的计算机程序也确实可分成这两个部分。而作为典型的人工智能程序可分成三个部分,控制部分(推理机)、规则库和数据库。其中,控制部分和规则库对应于算法,数据库对应于数据结构。实际上,控制部分由搜索策略和推理机制组成,规则库是将一般计算机程序的算法中的与实际问题有关的知识抽出来单独组成。而数据库往往用来存放一些基本的事实和一些中间的结果,也常常采用知识表示的方法,因此,人们也经常把规则库和数据库合称为知识库。在人工智能程序中与算法与数据结构对应的正是人工智能的两大核心:搜索和知识表示(包括推理)。

4以计算机分支的角度组织并实施教学

人工智能为了模拟人的智能,处理的对象是知识,知识处理则需采用知识表示。又由于往往没有确定的算法,只能使用搜索。本文的观点是人工智能课程的教学内容应以知识为主线,以知识表示和搜索为基石进行组织。

首先,教学的第一个核心是知识表示。知识表示就是研究用计算机来表示知识的方法,这些方法需满足两个条件:除了计算机可接受这个条件以外还要能刻画智能行为。这是与一般的数据结构不同的地方。什么方法适合呢?由此引出了逻辑表示方法。

形式逻辑是关于思维的形式和规律的科学,数理逻辑从逻辑上讲是现代的形式逻辑,是用符号和数学的方法来研究推理规律的学科。数理逻辑一般是指命题逻辑和一阶谓词逻辑。一阶谓词逻辑比命题逻辑表达能力强,逻辑的表达方式与人类的自然语言接近,因此,用一阶谓词逻辑作为知识表示工具容易被人接受。不仅如此,由一阶谓词逻辑表示已知条件和所要证明的定理,使用归结原理则可建立计算机程序实现自动定理证明(半可判定算法)。这一过程是在Herbrand定理的基础上得以成立的。由于人工智能中的许多问题都可以化成类似于定理证明的问题,因此可以把与Herbrand定理有关的一系列工作看成是表示和推理的理论基础。评价知识表示方法的性能,即要考察表示能力,又要考虑是否有效地支持知识的推理。显然,具有充分的表示能力又有坚实的理论基础的表示方法是最使人放心的,一阶谓词逻辑恰好满足这一条件。

在这一部分的讲授中,将通过一系列的演变过程,展现出如何将一组谓词公式转换成子句的集合,又如何通过使用置换与合一的手段,达到可以应用归结推理规则,而最终得到证明的目的,而这一切又都是在有严格的定理保证之下完成的。这些内容的讲授,对于培养学生严紧的逻辑思维能力是一个极好的实例。

逻辑表示与归结推理方法是知识表示的基础部分,用来说明人工智能系统进行推理的原理。而作为真正最实用的产生式表示法将通过Horn子句的正向推理和反向推理过程引入,产生式表示法中的带与不带变量的正、反向推理相当于命题逻辑和一阶谓词逻辑层面的Horn子句的正、反向推理。作为结构化表示的语义网络和框架表示法也以一阶谓词逻辑为基础,它们均可转变成为等价的一阶谓词逻辑的表示形式。

在教学中,关于其他知识表示方面的内容,比如:产生式规则、语义网络、框架,都以一阶谓词逻辑为基础给以说明。关于产生式表示法在人工智能的心理学认知体系结构中,被看成是人的思维中因果关系的一种反映,而在本文中则看成是一种类似于Horn子句形式的一种表示。在讲授时将这些内容作为一个整体,说明原理与实用方法之间的关系,根据实际问题的需要,可以降低表示的能力。而另一方面,为了解决实际问题,可以扩充表示的能力。

一阶谓词逻辑表示的能力虽然在通用的表示法中是最强的,但是知识与客观真理不同,它总是局部的、片面的或表面的,这在常识中尤为明显。在解题过程中还会不断地更新,知识表示要适应这个特点,采用经典的一阶谓词逻辑表达有困难,这就需要用非单调逻辑来表达。另一方面,在人工智能处理的信息和知识中,存在大量的不准确、不完全、不一致的地方,这又需要研究关于不确定性知识的表示和推理的研究。实际上,非单调逻辑和不确定性推理部分在教学中将作为知识表示的扩展加以介绍。机器学习作为人工智能的重要组成部分,它的主要方法都是基于归纳推理,也可以看成是非经典逻辑的应用。

人工智能教学的另一个核心是搜索问题。一般来讲,用计算机求解问题,就是用已知的知识,对于给定的数据进行加工,期望得到解答,其解法则由某种程序来表述。其他的计算机分支处理的问题,往往知识比较充分,例如多数的科学计算问题,就可以在看到数据以前根据知识写出程序,这个程序对于一切数据都是适用的。而人工智能处理的问题知识不够充分,或程序太复杂,此时可以写出一个元程序,对于给定的数据,它根据知识,做出一个程序专门加工这些给定的数据。这时,这个元程序可以通用于一大类知识,通常并不包含领域知识的具体细节,因此,对于这个元程序的研究就脱离了问题的具体领域,成为人工智能内部的课题,这正是搜索。

在教学中,通过掌握知识的多少来讲授各种不同的搜索。搜索是由于知识不足而产生的,同时搜索与知识是相辅相成的。当知识较多时,搜索的工作量不多,可使用一些盲目的搜索策略。当知识较少时,搜索的工作量较大,则需使用一些启发式的搜索策略。启发式搜索是搜索方法中需重点说明的,它起到了降低被求解问题复杂度,提高搜索效率的作用,但太强的启发信息,往往找不到最佳解。如何能减少搜索范围,提高搜索效率,而且还保证找到最佳解,这成为搜索方法应明确的问题。A*算法是N.J.Nilsson在20世纪70年代初的研究成果,他解决了这个问题,证明了A*算法的可采纳性。类似于定理证明,在教学时也将A*算法及其有关证明看成是搜索方法的理论基础加以介绍。

在搜索部分的教学中,除了把A*算法及其有关证明作为重点,当作是搜索方法的理论基础来讲解以外,还要给出若干搜索算法。一方面,这些算法说明了各种搜索的方法,另一方面,在这些算法中经常有一些算法细节抽象的技巧,对这些内容的细致分析,将会逐渐提高学生抽象思维的能力。

在实际的知识库系统中,回溯和与或树的搜索算法应用较多。而当问题的有关知识较少,规模大到一定程度之后,往往采用引进了随机因素的搜索算法,比如:模拟退火算法、遗传算法等。现在,这些算法一般称为高级搜索,教学时作为搜索的扩展来讲授。

人工智能技术方面的研究往往涉及各应用领域的课题。反映到教学中,就是人工智能的各个分支的介绍,这包括知识库系统、自然语言理解、规划、机器人等。

总之,教学内容可分成两个部分,第一部分是基础理论和基本方法,包括:逻辑表示与归结推理方法、搜索原理,知识表示(包括产生式系统、语义网络、框架)、推理(包括不确定性推理、非单调推理)、机器学习。第二部分是实用技术,包括知识库系统、高级搜索、自然语言理解。

5结束语

经过长期的人工智能教学实践,笔者逐渐形成了以计算机学科分支的角度来讲授人工智能课程的思路。从学生的接受、理解和掌握人工智能的基本原理与技术方面来看,有较好的效果。但如何把计算机学科和其他人工智能所涉及的领域更完美地结合起来,较好地在教学效果与宽广的知识面之间找到平衡点,还需今后进一步的研究与探索。

参考文献

[1] 贲可荣,张彦铎. 人工智能[M]. 北京:清华大学出版社,2006.

[2] 马少平,朱小燕. 人工智能. [M]. 北京:清华大学出版社,2004.

[3] 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.

[4] 马希文. 逻辑・语言・计算-马希文文选[M]. 北京:商务印书馆,2003.

[5] 高济,朱淼良,何钦铭. 人工智能基础[M]. 北京:高等教育出版社,2002.

[6] 中国计算机科学与技术学科教程2002研究组. 中国计算机科学与技术学科教程[M]. 北京:清华大学出版社,2002.

[7] Stuart Russell, Peter Norvig. 人工智能-一种现代方法[M]. 北京:人民邮电出版社,2002.

[8] Nils J. Nilsson. 人工智能[M]. 北京:机械工业出版社,1999.

篇7

[关键词]物联网;嵌入式系统;

中图分类号:C94 文献标识码:A 文章编号:1009-914X(2013)33-0143-01

一、物联网与嵌入式的定义与主要技术

物联网是一门融合多门学科的技术,通过信息传感设备,按照设定的通信协议,为网络中的物体建立连接,物体之间能够进行信息交换和通信,最终实现对物体的智能化识别、定位、监控和管理等目标。物联网的主要关键技术是传感器技术、RFID、人工智能技术、标准化技术四种技术。

嵌入式系统是将先进的计算机技术、半导体技术和电子技术与各行业的具体应用相结合后的产物。根据不同的应用,嵌入式系统也会用到许多其他的技术,如通信技术、传感器技术、智能信息处理技术、自动控制技术等。

从两者的定义来看,物联网强调的是物联网中设备具有感知、计算、执行、协同工作和通信能力及能提供的服务; 嵌入式系统强调的是嵌入到宿主对象的专用计算系统,其功能或能提供的服务也比较单一。嵌入式系统具有的功能是物联网设备的功能的一个子集,但是它们之间的差异将越来越小。简单的嵌入式系统与物联网定义中的设备或者物有较大的区别,具有的功能不如物联网中的设备或者物,但是随着嵌入式系统不断发展,目前出现的一些复杂嵌入式系统(如智能移动电话)基本上达到了物联网的定义中设备或物的要求。

在技术角度上,嵌入式技术在物联网行业发展中始终处于核心、基础的地位。嵌入式系统是计算机应用的一种最直接最有效的形式,只有把计算机嵌入到物体中去,物体才有大脑,它才具备思考、智能的能力;要想实现物与物互联、人机互联,必须赋予物体嵌入式CPU的智能部件为前提;从专业角度讲,物联网是嵌入式智能终端的网络化形式,或者是智能化的形式。

二、嵌入式在物联网环境下的应用

物联网与嵌入式系统都是多学科相互融合的综合性应用技术,而且物联网技术的关键技术传感器技术、RFID、人工智能技术主要是由嵌入式系统技术实现。

1)嵌入式系统实现传感器技术

物联网首先要对客观的事物信息的采集,所以需要传感器实现。嵌入式智能传感器是物联网技术的支柱,也正是嵌入式技术的发展和应用,它是一种带嵌入式微处理器的传感器,是将嵌入式微处理器、智能理论和传感器相结合而成的产物,具有检测、计算、判断、网络、通信和信息处理等功能。嵌入式智能传感器最重要的是它具有数据通信功能,能与互联网络、2G\3G 网络进行通信,能与现有的网络传送数据实现全球监测,实现远程控制。

2)嵌入式系统实现RFID技术

物联网中采集完信息之后,需要对信息进行识别,嵌入式RFID主要实现的该技术,把RFID读写器嵌入在物体中,使得该物体具有RFID读写功能。嵌入式RFID还被广泛应用于交通控制、工业监测、安全防伪等物联网应用领域;嵌入式RFID在自动识别、物品物流管理得到了广阔的应用前景。

3)嵌入式系统实现人工智能技术

信息使用RFID技术能够识别、区分,然后就要对信息进行处理,人工智能技术实现了信息的处理。嵌入式智能技术能够大大提高信息处理的速度,使得事物的处理具备根据外部环境的变化具有反应的能力。

三、嵌入式与物联网的发展

嵌入式需要发展也离不开物联网,所以说物联网为嵌入式提供一个广阔平台,嵌入式扩展了物联网的应用范围,推动了发展进步。在应用领域方面它们几乎是相同的,当前物联网涉足的领域,嵌入式系统都已经在其中被使用了。综上所述,物联网与嵌入式系统关系非常紧密,物联网的发展离不开嵌入式系统的支持,而物联网又给嵌入式系统带来了新的发展机遇和挑战。目前嵌入式突出的问题是两个方面:嵌入式数据库应用和嵌入式网络安全问题,也是物联网的最为关注,构建嵌入式系统的安全性和数据库已成为物联网在使用中考虑的重要因素。

总结:

物联网的发展引领一次新的信息革命,在未来的生活中将占有重要的地位,而在技术角度上嵌入式是物联网核心,所以物联网的发展与嵌入式系统息息相关,甚至主导着物联网的未来发展,所以一定对嵌入式的研究要加大力度。

参考文献

[1] 邬明罡.物联网技术体系初步成熟[N].人民邮电报,2010-07-29(007).

[2] 刘晓慧.物联网与嵌入式技术[J].电脑学习,2011,4(2):27-28.

[3] 何克丽.物联网时代下的嵌入式系统[J].信息技术学报,2010,12:12-26.

课题信息:黑龙江省教育厅科学技术研究项目

篇8

关键词:在线学习 ; Agent ; B/S ; J2EE

引言

随着计算机技术和网络技术的飞速发展,多媒体教学在教育领域的应用越来越广泛,网络在线学习则成为教育发展的一个新方向,教育功能向着更加重视学生的自主性和创造性发展,更加重视学生的自学能力和自我开发能力。

现有的在线学习系统主要包括以下的一些缺点:

(1)动态交互功能不强,大多是教学材料的堆砌。学生只是被动地接受教学内容,不能实际地参与到系统中进行发现式、创造式的主动学习,很难达到预想的学习效果。

(2)系统的智能性较低。一是不能根据学生的当前情况提供合适的、智能化的交互界面,调动学生的兴趣。二是仍然束缚在传统素质教育的模式中,不能根据学生的水平和学习情况提供相应的指导,实现因“才”施教。

(3)系统的测试和评价功能不强。现有的网上测试系统多是在固定的Web页面上放一些固定的试题,不能根据学生的要求和学习情况自动选题组卷、变换题目,灵活性较差,不能根据学生的当前薄弱项发现学生知识体系中其他相关弱点,而且难度级别比较粗略,评价不够准确。

现有的在线学习系统只限于学生硬性学习,没有交互,对知识理解的对与错也无从考证,完全是单项的行为,如果将Agent技术用于在线学习系统,

那么,这种学习方式将变得更加灵活,更加容易被人接受。因此,建立基于Internet的远程在线学习系统,不仅可以提供给学生一个更高效、更多样化、更容易使人接受、也更廉价的学习方式,还可以为我国当前教育资源短缺和教育需求日益扩大之间的矛盾提供一个有效的缓解,它必将带动深层次的教育方式和学习方式的改革。

1、Agent技术

目前,Agent技术的研究领域非常广泛,包括Mobile code(移动代码)、Intelligent routers(智能路由器)、Web search tools(网络搜索工具)、Robots(机器人)、Interface(接口技术),因此,Agent的概念有很多版本。’Wooldridge和Jennings在l995年提出了目前较权威的Agent定义,获得了计算机领域专家的普遍认同。此定义包括2个子定义:

1)弱定义Agent是一个基于软件(在较多的情况下)或硬件的计算机系统,它拥有自治性、社会性、反应性和能动性特性;

2、基于Agent在线学习系统中的关键技术

2.1传统的在线学习系统模型

2.2 基于Agent技术支持的在线学习系统的模型

第一层是基于浏览器的表示层。Web浏览器作为客户端,提供图形用户界面,负责与用户进行交互。在这层中包含系统的显示逻辑,通过该层可以实现多媒体知识的输入、输出,用户信息和行为的获取,任务的接受,处理结果的反馈等。

第二层是中问层,这些可以分为3类:① 是用户Agent:学生Agent,专家Agent,监听Agent;。②是管理Agent;③是任务:浏览学习Agent,历史记录Agent,考试Agent,答疑Agent。

在整个学习过程中,管理Agent一直在监控学生的学习情况,并及时提出议,同时管理Agent还起到在各个Agent间协调的作用。

3、基于Agent线学习系统的实现

3.1 J2EE技术

4、结束语

Agent技术在在线学习中的应用将极大地优化和改善远程学习环境,延伸和拓宽学习服务领域,提升和监控在线学习质量,全方位增强在线学习的开放性,使在线学习的支持服务更加人性化。作者已经利用Agent技术开发了《c语言程序设计》在线学习系统,很多中山火炬职业技术学院的师生开始习惯利用这个系统进行学习。

参考文献

[l]潘瑞玲,余轮.具有Agent功能的远程教育系统的设计、 [J].福州大学学报,2002(6):317―318.

[2]李力.关于采用Agent技术构建远程教学智能导学系统的研究[J].电化教育研究,2001(5):80-84.

[3]莫赞,冯珊,唐超.智能教学系统的发展与前瞻[J]计算机工程与应用,2002(6):7.

[4]纪莉莉.人工智能教学系统地探讨[J].福建电脑,2005(7);

篇9

关键词:计算机 人工智能 应用分析 

中图分类号:TP393 文献标识码:A 文章编号:1007-9416(2016)01-0000-00 

目前由于人工智能的不断成熟,人们在生活方面以及工作的过程中,智能化产品随处可见。这不仅对人们在工作中的效率进行提高,同时还对其生活质量进行加强。所以人工智能的发展在一定程度上离不开计算机网络技术,只有对计算机网络技术进行相应的依靠,才能够让人工智能研究出更多的成果。 

1 计算网络技术应用人工智能所具有的重要意义 

由于计算机技术的快速发展,网络信息安全问题在一定程度上是人们目前比较关注的一个重要问题。在网络管理系统应用中,其网络监控以及网络控制是其比较重要的功能,信息能够及时有效的获取以及正确的处理对其起着决定性作用。所以,对计算机技术智能化进行实现是比较必要的。 

由于计算机得到了不断的深入以及管广泛的运用,在一定程度上导致用户对网络安全在管理方面的需求比较高,对自身的信息安全进行有效的保证。目前网络犯罪现象比较多,计算机只有在具备较快的反应力和灵敏观察力的状况下,才能够对用户信息进行侵犯的违法活动进行及时遏制。充分的利用人工智能技术,建立起相对较系统化的管理,让其不仅对信息进行自动的收集,同时还能够对网络出现的故障进行及时诊断,对网络故障及时遏制,运用有效的措施对计算机网络系统进行及时的恢复,保证用户信息的安全。 

计算机技术在发展的过程中对人工智能应用起着决定性作用,人工智能技术也在一定程度上对计算机技术的发展起着促进作用。不断的跟踪动态化信息,为用户提供准确的信息资源。总的来说,计算机网络在管理的过程中有效的运用人工智能,对网络管理水平进行不断的提高。 

2 应用分析 

2.1安全管理应用 

网络安全所具有的漏洞相对比较多,用户在网络中自身的资料信息安全是现阶段人们比较关注以及重视的主要问题。在对网络安全进行管理时,可以对人工智能技术进行充分的运用,在一定程度上能够对用户自身的隐身进行有效的保护。主要表现为:一是,智能防火墙的应用;二是,智能反应垃圾邮件方面;三是,入侵检测方面等。 

智能防护墙主要应用的就是智能化识别技术,通过概率以及统计方式、决策方法和计算等对信息数据不仅进行有效的识别,同时还能对其相应的处理,对匹配检查过程中需要的计算进行消除,充分认识网络行为特征值,访问可以直接进行控制,把存在的网络及时发现,拦截以及阻止有害信息的弹出。智能防火墙能够在一定程度上避免网络站点受到黑客的攻击,遏制病毒传播,对相关局域网进行相应的管理和控制,反之就会导致病毒以及木马的传播。在智能防火墙中,比较重要的就是入侵检测,它属于防护墙后的第二安全闸门,在对网络安全保证方面起着重要的作用。针对入侵检测技术而言,主要能够在一定程度上对网络中的数据进行有效的分析,并且对其进行及时的处理,把部分数据过滤出去,数据检测后的报告分析报告给用户。入侵检测在对网络性能不产生影响的前提下监测网络,为操作上的失误以及内外部攻击提供一定的保护。 

针对智能型反垃圾而言,其自身的邮件系统能够对用户邮箱进行有效的监测,对邮箱进行相应识别,把邮箱中存在的垃圾充分的筛选出来。如果邮件进入邮箱后,就会进行扫描邮箱,在一定程度上把垃圾邮箱的分类信息发给用户,提醒用户要对其进行及时的处理,避免给邮箱安全带来影响。 

2.2人工智能Agent技术应用分析 

针对人工智能Agent技术而言,它属于人工智能的一种技术,属于不同部分所组成的软件实体,包括:一是,知识域库;二是数据库;三是解释推理器;四是各个Agent之间的通讯部分等。人工智能Agent技术通过任何一个Agent域库对新数据的相关信息进行处理,并且沟通以至完成任务。人工智能Agent技术能够在一定程度上通过用户自定义对信息获得自动搜索,然后将其发送到指定位置。人们通过Agent技术得到人性化服务。例如:用户在用电脑查相关信息时,该技术不仅能对信息进行处理,同时还能够进行有效的分析,最后把有用的信息出题给用户,充分节省用户的时间。Agent技术为用户在日常生活中提供相应的服务,例如:在网上进行购物以及会议等方面的安排。它不仅自主性以及学习性,让计算机对用户所分配的任务自动完成,进一步推动机计算机网络技术的发展。 

2.3在网络系统管理以及评价过程中的应用分析 

针对网络管理系统来说,其智能化在一定程度上需要人工技能的不断发展。在对网络综合管理系统进行建立的过程中,不仅可以对人工智能中的专家知识库进行充分的利用,同时还能够对存在的技术问题进行有效的解决和处理。网络存在着动态以及变化性,所以,网络在管理的过程中会面临着困难,这就需要对网络管理技术人工智能化进行实现。在人工智能技术中,其专家知识库主要指的就是把各个相关领域专家的知识以及经验进行相应的结语出来,录入系统中,只有这样才能形成比较完善的知识库系统,促进智能计算机程序的发展和提高。如果遇到某个领域问题的过程中,要充分利用专家经验程序对其进行及时的处理。专家知识经验系统促进计算机网络管理得到顺利开展的同时,对系统评价相关进行工作不断的提高和加强。 

3 结语 

科学技术在发展的同时,也促进人工智能技术的提高,计算机在网络技术中得到了比较多的需求,在一定程度上提高其应用范围和领域,因此可以看出,人工智能其应用发展前景是比较广泛的,人类对人工智能技术的进一步研究,会在未来开创出更多的应用领域。 

参考文献 

[1]周晶.面向产品全生命周期的网络化技术服务研究[D].东北大学,2009.12(08):123-124. 

[2]李功新.基于可拓推演方法的调控一体防误操作系统研究与应用[D].武汉大学,2014.13(08):145-146. 

[3]任巍.人工智能技术在计算机游戏软件中的应用[D].西安电子科技大学,2006.13(07):145-147. 

[4]黄丽萍.人工智能技术在计算机网络教育中的应用[J].计算机光盘软件与应用,2014,10(12):134-135. 

篇10

关键词:智能制造;智能科学与技术;人工智能技术;机器人;实验平台建设

智能制造是基于新一代信息技术,贯穿设计、生产、管理、服务等制造活动各个环节。具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。是信息技术和智能技术在装备制造过程技术的深度融合与集成。加快推进智能制造,是我国在全球新一轮产业变革竞争背景下出台的《中国制造2025》的主攻方向。广东省作为国内制造大省和全球重要制造基地,也对接印发了《广东省智能制造发展规划(2015-2025年)》。针对广东省制造业的创新能力、产业结构、信息化水平的缺乏竞争力的问题,大力实施创新驱动发展战略,推动智能制造核心技术攻关和关键零部件研发,推进制造过程智能化升级改造,实现“制造大省”向“制造强省”转变。创新驱动,智能化升级改造需要国际领先水平人才的引进和高等院校实战型工程技术人才培养。我院智能科学与技术专业就是面向广东智能产业的深度融合设置的。其专业实验平台的建设需要针对广东省高端装备、制造过程、工业产品智能化等领域的薄弱环节,以“机器智能”为方向,完善实验教学体系、整合实验教学资源,开设综合性、创新性的实验项目,培养学生实践能力和创新意识。紧密联系企业,针对智能制造关键技术协同创新。培养具有智能系统开发与设计、智能装备的应用与工程管理能力;能在智能装备、智能机器人、智能家居等领域从事智能系统的是开发与设计、应用于维护、运营与管理的“厚基础、强应用、能创新”的高素质工程应用型人才。

1专业实验平台建设思路

面向智能制造专业实验平台的建设,依据《广东省智能制造发展规划(2015-2025年)》中发展智能装备与系统,工业产品、制造流程智能化升级改造的任务,从智能科学与技术知识体系中提取专业发展方向的课程,建立完善专业实践教学体系。以“机器智能”为方向建设人工智能与机器人实验室为核心,以项目、科技竞赛、紧密对接企业协同创新为手段,培养学生能够运用工程基础知识和专业理论知识设计工程实验,分析实际问题的能力,培养学生查询检索资料文献获取知识的能力,培养学生能够综合运用自然科学知识、专业理论知识和技术手段设计系统和过程解决实际问题的能力。通过科技竞赛等活动,培养学生在团队里具有工程组织管理能力、表达能力和人际交往能力。通过与企业的合作,掌握基本创新方法,并让学生具有追求创新的态度和意识,以培养学生的综合素质和能力为重点。立足华软学院电子系电子信息工程嵌入式专业、自动化专业、通信工程专业现有的平台优势,按照“整合、集成、共享、提升”的基本思路,完善支撑体系,优化验教学资源配置,建设一个能够与广东智能产业深度融合的阶梯形层次化实验平台。

2实验平台建设内容

智能科学与技术专业实验实践平台的建设要依据实验教学体系的构建,突出面向智能制造工程实践为特色,按照学生的成长需要,建立阶段化、层次化、模块化的实验教学体系。

2.1专业实践课程体系建设

面向智能制造的智能科学与技术专业定位是以工程应用型人才培养为目标的,是在通识教育基础上的特色专业教育。专业课程体系的建设首先还是以培养学生具有扎实自然科学基础知识,人文社会科学知识和外语应用能力为基础,其次是智能科学与技术专业技术基础课程,如数字系统与逻辑设计、数字信号处理基础、信号与系统、电路分析与电子电路;c语言程序设计与算法分析、数据结构、数据库与操作系统、微机原理与接口、传感器与检测技术等。最后是专业方向类课程,也是专业的核心课程,如制造业基础软件中的嵌入式软件、工业控制系统软件,工业机器人中人工智能技术应用和智能控制技术。主要有知识获取模式识别;数据通信与网络;嵌入式系统移植和驱动开发;嵌入式应用开发;人工智能与神经网络;智能控制技术;机器人学等课程。培养学生具备计算机技术、自动控制技术、智能系统方法、传感信息处理等技术,完成系统集成,并配合专业实践课程体系如图1,完成电子工艺实习、技术基础课程、核心课程的课程设计和综合项目实验,并在工程应用中实施的能力。

2.2实践教学体系建设

依据专业实践课程体系,构建主要包括计算机基础、电路基础、信息与控制基础、嵌入式技术、机器智能系统五大模块开展不同学习阶段层次化的实验教学体系。主要包括基础类、专业实训类、综合创新类。

1)基础类实验注重开设与课堂教学中基本理论相结合的精品实验项目,并逐步提升基础实验课时的比例。从实践中启发引导学生牢固掌握基础理论知识。除此之外,还要注重工作方法和学习方法的能力培养,如收集信息查找资料、制定工作计划步骤、从基础理论到解决实际问题的思路以及独立学习新技术的方法和评估工作结果的方法。培养学生厚实的专业基础知识和能力。

2)专业实训类实验主要以项目教学、案例教学、情景教学方式培养学生利用专业知识及方法独立解决行业领域内的任务和问题并能够评价结果的能力。如智能传感应用项目,人工智能技术实验项目,知识表示与推理项目,计算智能项目,专家系统,多智能体系统;机器人项目,如最小机电系统组成,如何完成对电机的控制;利用单轴或双轴控制平台实现基本搬运装配作业。

3)综合创新类实验注重培养学生从理解问题域开始,获取数据和知识、开发原型智能系统、开发完整智能系统、评估并修订智能系统、到整合和维护智能系统六个阶段构建智能系统。如开展人工智能技术在智能制造中的应用包括产品设计加工、智能生产调度、智能工艺规划、智能机器人、智能测量等;直角坐标机器人实现码垛搬运、多关节串联机器人、弧焊机器人实训等。

4)科技竞赛、与企业协同创新,通过观察记录待智能化升级的工厂生产过程,发现定义问题、提出假设、搜集证据检验假设、发表结果、建构理论等实验过程设计的能力。培养学生掌握基本创新的方法,团队协作管理能力、表达沟通能力等。如嵌入式设计大赛、机器人大赛等科技竞赛;以及针对自动化生产线的嵌入式工业控制系统设计;针对原材料制造企业的集散控制、制造绦屑成应用;针对装备制造企业的敏捷制造、虚拟制造应用;工业机器人在汽车、电子电气、机械加工、船舶制造、食品加工、纺织制造、轻工家电、医药制造等行业的应用。

2实验教学保障

智能科学与技术实验平台建设以人工智能与机器人实验室建设为核心,结合目前学院嵌入式系统实验室、自动控制实验室、传感器技术实验室、通信原理实验室资源,仪器设备共享共建的原则,系统化筹备购置。人工智能机器人实验室主要针对智能系统设计开发和机器人应用,基于计算机系统的人工智能技术学习应用包括人工智能技术在智能制造应用和工业机器人仿真软件ABB Robot Studio。基于“探索者”机器人系统控制实训箱Rino-MRZ02(包含履带机器人、双轮自平衡机器人、5自由度机械臂、6自由度机械臂等)

可以开展的项目有:利用启发式算法、遗传算法、蚁群算法等模糊数学理论对工业产品设计进行性能模拟、运动分析、功能仿真与评价;利用人工神经网络自学习、自组织构造产品加工过程新能参数预测模型。利用模式识别、机器学习、专家系统、多智能体系统进行感知、并对环境的改变进行解读、动作进行规划和决策;利用专家系统、遗传算法、模糊逻辑集中式解决生产调度多目标性、不确定性和高度复杂性的问题,寻求最优规则,提高调度的速度;利用蚁群算法、遗传算法分布式多智能体系统进行问题分解、彼此协商、任务指派、解决冲突。

履带机器人可开展电机控制实验;运动控制实验;HD轨迹控制实验;无线通信实验。双轮自平衡机器人呢可开展自平衡模块实验;倒立摆算法实验;双轮载具运动实验。6自由度双足机器人可开展双足运动控制实验;步态规划实验;双足平衡实验;机构改装实验。5自由度机械臂可开展机械臂运动控制实验;颜色分拣实验。可扩展为8自由度双足机器人、轮腿式机器人等技能提高类课程设计。

通过ABB公司的机器人仿真软件RobotStudio进行工业机器人的基本操作、功能设置、二次开发、在线监控与编程、方案设计和验证的学习。