人工ai智能教育范文

导语：如何才能写好一篇人工ai智能教育，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

[关键词] 双相I型抑郁障碍；缓解期；抑郁发作期；神经认知功能；损害

[中图分类号] R749.4 [文献标识码] A [文章编号] 1673-9701（2016）09-0013-03

[Abstract] Objective To compare the neurocognitive impairment between remission stage and depressive episode of patients with bipolar I depressive disorder. Methods Patients with bipolar I depressive disorder admitted to our hospital were randomly selected and 49 cases were assigned to the remission group and 49 assigned to the episode group. Other 45 healthy people who did physical examination at the same period were selected as the control group. The scores of Global Assessment Function（GAF）， Hamilton Depressing Rating Scale（HDRS） and overall cognitive function of the three groups were compared. Results The scores of the GAF， HRDS and overall cognitive function of patients from remission group were as follows（74.27±14.62）， （4.21±1.92） and （46.06±13.65）； the scores of patients from episode group were（58.41±15.73）， （16.53±4.48） and （41.75±13.65）； the scores of patients from control group were（91.54±4.64）， （1.75±0.33） and（49.95±14.12）. Scores of HDRS of patients from episode group were higher than patients from the other two groups and the remission group had higher HDRS scores than control group and the differences had statistic significance（P

[Key words] Bipolar I depressive disorder； Remission stage； Depressive episode； Neurocognitive function； Impairment

双相障碍（bipolar disorder，BD）是临床中由多种因素引起的疾病，又称为狂躁抑郁症，该疾病的临床症状主要有不定期出现的狂躁与抑郁[1]。同时，狂躁抑郁症反复交替出现。除以上表现，患者还有睡眠的不规律变化以及神经认知方面功能的不断改变[2]。根据调查显示，该疾病不仅包括情绪调控异常，还包括睡眠觉醒异常以及认知方面的缺陷[3]。同时，双相障碍的患者除了患有躁狂急性发作期和抑郁急性发作期外，还在一定程度上存在对认知方面的功能异常[4]。因此，病程的长短与引发疾病的多种因素有着密切关系，而且认知功能损害还有可能是导致双相障碍的一个主要原因。为了对双相障碍患者在有关神经认知方面的功能情况进行了解，本篇文章主要将我院收治的双相I型抑郁障碍患者作为研究对象，通过回顾分析，对双相I型抑郁障碍患者缓解期以及发作期时神经认知功能产生的损害进行分析与探讨，为临床预防治疗提供有效的参考依据，现报道如下。

1 资料与方法

1.1 一般资料

随机抽取2012年3月～2015年5月我院收治的双相Ⅰ型抑郁障碍患者作为研究对象，通过回顾分析，选取49例障碍缓解期患者为缓解组，49例抑郁发作期患者为发作组，再选取医院45例同期体检的健康者为对照组。缓解组男25例、女24例，年龄18～50岁，平均（29.5±6.9）岁，病程 2～20年，平均（9.67±4.75）年；发作组男30例，女19例，年龄20～55 岁，平均（32.4±4.9）岁，病程 3～18 年，平均（8.54±3.75）年；对照组男20例、女25例，年龄18～56岁，平均（34.2±5.9）岁。纳入标准：选取患者均要求符合该疾病的诊断标准，1个月以及1个月以上未进行电机治疗；无其他疾病引起的精神障碍患者、脑器质性疾病患者。以上三组患者在性别、年龄以及病情程度方面比较，差异无统计学意义（P>0.05），具有可比性。

1.2 方法

对三组实验者采用双盲法进行大体功能评定量表评分、汉密顿量表评分以及总体认知功能评分等比较[5]。其中汉密顿量表的评分主要有17项，每一项的分值在0～4分，抑郁程度越高的患者得分越高；大体功能评定量表的评分项目总共10级，每一项的分值在10分，满分为100分，患者恢复功能越高，其评分越高，参考标准为美国UCSD分校施行的对神经行为进行研究的MATRICS 研究中心，其主要研究人体的记忆力和精细动作、转换和执行功能等方面[6-8]。

1.3 评价指标

对三组实验者根据大体功能评定量表、汉密顿量表以及总体认知功能（例如：记忆力、精细动作、执行功能、转换）等进行评分，所有的评估均由一位主治医师和两位经过专业培训的评估员来完成，其中诊断结果由主治医师来诊断，评估员在同一天完成对量表评估和神经认知检查的评估，从而保证检查结果的一致性与精准性。

1.4 统计学分析

所有患者采用SPSS14.0软件进行统计学分析处理，采用（x±s）表示计量资料，计数资料采用χ2检验，采用t检验，多组间比较采用方差分析，P

2 结果

2.1 三组患者临床效果比较

发作组和缓解组大体功能评定量表评分均低于对照组（t=11.521、6.452，P均

2.2 三组患者总体认知功能比较

发作组与缓解组总体认知功能评分均显著低于对照组（t=4.292、3.965，P

3 讨论

双相情感障碍在临床中的主要特征就是认知功能障碍，具体表现为执行力、记忆力以及注意力偏弱，且与患病程度成正比的关系，如果患者的患病程度严重的话有可能导致痴呆[9-11]。通过大量数据表明，患者的认知功能障碍程度与患者发病次数、治疗次数、环境、发病的年龄都有直接关系，所以做好对患者认知功能障碍程度的判定，对患者后期的治疗和病情的控制非常重要[12-14]。

双相障碍（bipolar disorder，BD）是临床中由多种因素引起的疾病，又称为抑郁症，临床表现或者会出现间歇替等症状，例如狂躁期和抑郁症等[15]。由于该疾病的病情经常反复发作。因此，患者要注意睡眠的规律，以及神经认知功能等发生不同程度的改变。根据调查显示，该疾病不仅包括情绪调控异常，还包括睡眠觉醒异常以及认知缺陷[16]。同时，双相障碍患者不仅存在着躁狂、抑郁等急性发作期，还存在着认知功能障碍的缓解期[17]。因此，病程的长短与引发疾病的多种因素有着密切关系，而且认知功能损害还有可能是导致双相障碍的原因之一[18]。

本研究通过大体功能评定量表（GAF）、汉密顿量表（HAMD）、总体认知功能等评分对三组实验者进行评分。其中抑郁程度主要通过汉密顿量表（HAMD）来进行评分；而社会功能、心理症状以及学习功能等方面就采用大体功能评定量表（GAF）进行评分；在汉密顿量表的显示，两组患者的效果比较，发作组明显比对照组的效果显著。在汉密顿量表的评分中，发作组患者的评分明显要比缓解组的显著性高，且患者的抑郁程度明显提高。在GAF中，发作组与缓解组的患者的显著性明显低于对照组，且患者的心理症状、社会学习等方面的功能明显有所下降。然而在GAF中发作组患者的显著性要比缓解组患者低，而发作组患者的心理症状、社会、学习等功能方面就更加的低。根据蔺华利等[8]文献报道，双相障碍的患者在神经认知功能方面和对照组患者有着明显的比较差异[19]。本研究表明，在总体认知功能中，缓解组和发作组的显著性明显要比对照组低，且缓解组的总体认知功能要比发作组高，三组比较差异具有统计学意义（P

本研究将我院收治的双相I型抑郁障碍患者作为研究对象，通过回顾分析，对三组实验者进行大体功能评定量表评分、汉密顿量表评分以及总体认知功能评分等比较。结果显示，缓解组的大体功能评定量表、汉密顿量表以及总体认知功能分别为：（74.27±14.62）分、（4.21±1.92）分、（46.06±13.65）分；发作组大体功能评定量表、汉密顿量表以及总体认知功能分别为：（58.41±15.73）分、（16.53±4.48）分、（41.75±13.65）分；对照组大体功能评定量表、汉密顿量表以及总体认知功能分别为：（91.54±4.64）分、（1.75±0.33）分、（49.95±14.12）分。发作组的汉密顿量表的评分要比其他两组高，缓解组又比对照组评分高，三组实验者的评分比较差异具有统计学意义（P

综上所述，通过三组评价结果对比，得知双相Ⅰ型障碍患者的神经认知功能明显下降，与抑郁发作期组的患者相比，缓解期双相Ⅰ型障碍患者的神经认知功能要高于发作组。

[参考文献]

[1] 苏永胜，何源. 单相和双相抑郁障碍及精神分裂症患者神经认知功能的对比研究[J]. 中国临床研究，2015，35（2）：245-246.

[2] 徐贵云，林康广，饶冬萍，等. 双相Ⅰ型、双相Ⅱ型和单相抑郁障碍患者认知功能的横向与纵向比较[J]. 中华医学会精神病学分会第九次全国学术会议论文集，2011，23（11）：125-126.

[3] 刘敏，张惠实，李红丽，等. 老年期抑郁患者的认知功能[J].中国老年学杂志，2013，12（2）：145-146.

[4] 杨振东，陈定华，瞿正万，等. 老年人抑郁障碍与认知功能水平损害的关系[J]. 中国民康医学，2013，6（15）：154-157.

[5] 王中刚，魏辰，曹玉英. 双相情感障碍患者前驱期症状特点及早期干预的相关研究进展[J]. 国际精神病学杂志，2014，32（4）：654-656.

[6] 杜巧荣，王彦芳，李素萍，等. 首发抑郁障碍患者认知功能比较及症状相关研究[J]. 中华临床医师杂志（电子版），2014，11（22）：185-186.

[7] 李霞，王燕，管立群，等. 单、双相抑郁障碍认知功能损害的比较[J]. 武警医学，2015， 6（4）：225-226.

[8] 蔺华利，杨亚妮，张海艳，等. 缓解期双相障碍患者认知功能损害影响因素分析[J]. 临床精神医学杂志，2012， 13（2）：765-766.

[9] 赵贵淳，梁英，王骁，等. 抑郁障碍住院老年患者的躯体症状及治疗后转归的1年随访[J]. 中国心理卫生杂志，2015，21（3）：199-200.

[10] 沈辉，张毅，陈美娟，等. 双相情感障碍I型患者病情缓解后认知功能的1年随访研究[J]. 临床精神医学杂志，2014，15（2）：3452-3454.

[11] 栾融融，邹韶红，贾丽娜，等. 双相Ⅱ型抑郁障碍患者攻击行为与社会支持、应付方式的关系[J]. 临床精神医学杂志，2015，56（2）：345-346.

[12] 袁书田，田涛，杨艳红，等. 双相障碍Ⅰ型稳定期患者认知功能评估及相关因素分析[J]. 国际精神病学杂志，2015，10（3）：325-326.

[13] 简炜颖，刘文滔. 双相Ⅰ型障碍缓解期与抑郁发作期患者的神经认知功能比较[J]. 海南医学，2015，5（11）：155-156.

[14] 朱h，马燕桃，石川，等. 单相和双相抑郁障碍及精神分裂症患者神经认知功能的比较研究[J]. 中华精神科杂志，2013，46（6）：325-329.

[15] 李会英，张娜，张美燕，等. 首次发作晚发抑郁与轻度认知损害脑萎缩模式的比较研究[J]. 中华老年心脑血管病杂志，2011，43（7）：115-116.

[16] 牛亚杰，杨少杰，杨可冰，等. 西酞普兰合并改良电休克治疗对抑郁发作的疗效及认知功能的影响[J]. 四川精神卫生，2015，45（2）：156-157.

[17] 王彦芳，杜巧荣，李素萍，等. 伴发睡眠障碍首发抑郁症认知功能损害及影响因素分析[J]. 中国神经精神疾病杂志，2015，45（2）：166-167.

[18] 姚静，周为，涂小波，等. 双相情感障碍患者及其一级亲属的三维人格特征研究[J]. 实用医院临床杂志，2010， 34（3）：165-166.

[19] Zhang Yingli，Yang Huan. Antidepressants for bipolar disorder a meta-analysis of randomized，double-blind，controlled trials[J]. Neural RegeneratIon Research，2013， 32（31）：123-124.

篇2

关键词： 游戏开发 人工智能 教学方法

1．背景

随着互联网时代的到来，人们的生活方式发生了许多重大的变革，其中之一便是网络游戏的盛行。如同雨后春笋般冒出来的网吧，以及快速增长的PC，使得人们接触到互联网的机会越来越多，这就为网络游戏的传播与发展创造了可能。一方面，数量庞大的网民群体中，年轻人占了绝大部分，网络游戏丰富了社会公众的文化娱乐生活，深受广大年轻人喜爱，这更促进了游戏产业的蓬勃发展。另一方面，现代社会生活节奏加快，人们压力日益增大，许多人倾向于在网游中寻求安慰，释放压力，因而全球市场对于网游的需求有增无减。同时，随着科技的发展和人们对游戏越来越高的要求，游戏逐渐向真实体验、感觉、触觉等人性化发展，让玩家有身临其境的感觉，在整个游戏过程中得到享受游戏的一种特别的快乐和放松。［1］

近年来3D影像和仿真科技的不断发展，让游戏开发人员得以创建出更吸引人、更令人沉迷其中的游戏环境。然而要做出更能令人流连忘返的游戏就得应用人工智能（AI）。AI的应用使游戏角色能够任意走动、角色可以走进障碍物、能够控制非玩家角色是否按照团队运动等，同时，AI还能延长游戏的生命周期，让游戏更加有趣和更具有挑战性。

AI能够处理游戏角色的追赶、躲避、聚集、避障和寻径问题；AI给游戏角色赋予模糊逻辑和有限状态机等基于基本规则的推理能力；AI脚本可以扩充AI引擎，让设计者和玩家更好地设计和玩游戏，等等。因此，将AI应用在游戏开发中以设计实现游戏角色的各种行为势在必行，有着重要的现实意义。

2．教学内容及其特点

本系人工智能课程的教学内容主要是处理追赶、躲避、聚集、拦截和避障等问题，使用经典A*算法及其改进算法解决寻路问题，以及有限状态机，等等。本文主要针对游戏中游戏角色的寻路问题进行探讨。游戏设计中游戏角色的寻路问题是设计的关键，传统的方法是应用A*算法及其改进算法等来实现游戏角色的寻路问题，目前逐渐有学者应用神经网络、遗传算法、粒子群算法等智能算法来实现游戏角色的寻路问题。如：迷宫寻路游戏中《帮助Bob找到回家的路》应用遗传算法，《智能采矿》游戏中应用神经网络，用粒子群实现坦克大战游戏，等等。尝试应用鱼群算法、萤火虫算法等智能算法求解游戏角色的寻路问题中，以实现游戏的更加智能化、人性化，同时，新的仿生算法的学习和应用能吸引学生的学习注意力、增强学生的学习兴趣。

智能算法是解决智能计算问题的方法，已成为人工智能界一个研究的热点领域，研究的最终目标就是为了让计算机和集成有计算功能的各种工具及设备更加独立、更加聪明，能够自主思考和行动，最终成为我们工作和生活中必不可少的一部分。智能算法主要包括：人工神经网络、进化算法、人工免疫算法、模拟退火算法、蚁群算法、粒子群算法、蜂群算法、人工鱼群算法、人口迁移算法、人工萤火虫算法等。［2］智能算法是一类仿生算法，就是向自然界学习，采用类比的方法，通过模仿自然界中动物飞行、觅食、求偶等行为以得到解决问题的一般方法，如蚁群、粒子群、蜂群、鱼群、萤火虫算法等。此外，还有很多智能算法通过模仿一些自然或物理现象和规律，如模拟退火算法通过模拟液体的结晶过程设计，免疫算法是模拟生物、植物或动物免疫系统自适应调节功能设计的，人工神经网络是模拟人的大脑结构及信号处理过程而设计的，进化算法是基于达尔文的“优胜劣汰、适者生存”原理设计的。［3］

针对本系人工智能课程的教学内容，建议补充人工智能中几种简单的智能算法的知识点，选取相关人工智能教材的一些内容结合智能算法进行教学。

3．教学方法

针对人工智能课程内容，根据高校教育规律、高校学生学习的特点，采用教学、实践相结合的教学方法，大小课结合，大课讲授理论知识，小课进行课堂实验，小课的课堂实验中严格要求学生亲手编写代码，应用大课所学理论知识完成简单小游戏以实现理论和实践知识的掌握。同时，借助游戏系的优势，制作动漫，采用动漫技术来实现人工智能中各种算法的仿生机制，让学生深刻体会每一种算法的原理和仿生机制，这样能增强学生学习人工智能课程的兴趣，可以取得更好的教学效果。

4．教学效果评价方法

人工智能这门课，最重要的是注重学生对人工智能理论及在游戏中应用的知识和能力的培养。因此，本课程学习结束后主要采用以下方式进行考查：（1）闭卷考试。主要考查对人工智能理论的理解、掌握和综合运用能力。（2）课堂练习。要求对课堂上介绍过的算法理解、分析、应用，编程实现游戏中的某个功能，最终课程结束时能完成一个功能完整的小游戏。（3）大作业。检查学生的动手编程能力，要求从介绍过的算法中找一种算法实现一个小游戏中游戏角色的移动、寻路等行为，形成一个演示游戏。该门课成绩分配如下：成绩=闭卷考试（70%）+课堂练习（10%）+大作业（20%）。

5．结语

人工智能是随着计算机技术的飞速发展和人们对自然界的深入理解而发展起来的，人工智能的应用逐渐广泛。游戏开发中人工智能的应用实现了游戏逐渐向真实体验、感觉、触觉等人性化发展，让玩家有身临其境的感觉。因此，在网络游戏相关专业开设人工智能课程势在必行，有着重要的现实意义。

参考文献：

［1］周乐.韩国游戏产业概况..

篇3

关键词：游戏开发；AI（人工智能）技术

中图分类号：TP18

人工智能技术也被称为机器智能技术，即“Artifical Intelligence”，简称AI。AI（人工智能）技术涉及到多种学科，并将这些学科有机的结合在一起，是一门综合性较高的学科，包含了计算机科学和控制论以及信息论和神经生理学，还有心理学和语言学等多个领域的内容，并利用计算机应用系统来十分真实的模拟人类的各种智能性的活动。

1 AI（人工智能）技术与游戏开发

为了吸引着更多的玩家，在越来越大的市场竞争中占有一席之地，游戏产业内部 积极的应用各种新技术，努力发展着。而新型的游戏机和PC 平台的出现，也为整个游戏产业注入了新的活力，并为游戏的开发提供了许多有利的条件，例如记忆空间更大，CPU的速度更快，连接选项更多，视频分辨率更高等，有了这些强有力的物质保证，游戏产业便有了更好的发展基础。但再提供许多有利条件的同时，游戏产业的开发人员也面临着更多的取舍与选择。例如，在开发新游戏的时候，是要将开发的重点放在视频分辨率上，还是放在碰撞的真实程度上呢？又比如，在游戏的速度方面，通过一年甚至更长时间来开发出来的游戏，在最终上市的时候，又能够在当时的主流机上进行怎样的开发呢？还有，增氧才能够使自己开发出来的游戏更具市场竞争力，使自己的游戏优于竞争对手开发出来的新型游戏呢？而游戏人工智能（AI）技术的出现和应用则为游戏的开发带来了全新的局面，发生了翻天覆地的变化。在游戏人工智能（AI）技术的背景下，高质量的游戏AI（人工智能）不必再为提高帧率而费尽心思，而成为促进还是阻碍游戏产品最终是否畅销的一个决定条件。因此，游戏开发人员开始积极的开发研究新的AI（人工智能）技术，并以次来设计出更真实、更聪明的游戏AI（人工智能），以最大程度吸引更多的玩家，提高自身游戏产品的实际销量。许多游戏的开发人员都利用AI（人工智能）开发出了需对经典的游戏和角色，例如，经典游戏“小精灵”（pac-man）里的魔鬼，还有“Unreal”第一人称射击游戏里的虚拟队友，以及许多介于二者之间的其他游戏角色，在游戏中，这些角色都十分的真实，具有高度的拟人化特点，具有智慧生命。在这样的情况下，此类游戏也受到了市场和广大玩家的广泛欢迎。

2 现有的游戏AI（人工智能）技术

目前，在游戏产业中广泛使用的AI（人工智能）技术在实际应用的过程中存在较多的作弊问题。例如，在对一些战争进行模拟的游戏中，计算机智能控制下的玩家，可以了解到对方，即玩家真人操作的所有相关信息。但是真实的玩家却需要在游戏中通过各种手段和方式来收集多方面情报和资料，例如派出侦察兵去探察地形和收集情报等。这种情况在各种游戏中都是普遍存在的，于是，在实际的游戏过程中，计算机操控下的游戏角色与真实的玩家相比，明显具有一定的优势，也就会引发许多真实玩家的不满，对游戏的认同率也随之降低，严重影响到游戏的市场占有率。所以，在进行游戏开发设计的时候，要严格控制作弊的范围和程度，在为广大玩家提供足够挑战性的同时，也合理控制游戏的难度。除了作弊技术，常用的AI（人工智能）技术还有有限状态机（finite state machine， FSM）等。在对游戏进行开发的时候，开发人员常会在模糊状态机（f u z z ystate machine）中用到模糊逻辑（fuzzy logic），从而增加最后执行动作的预测难度，减少必须以if-then 语句大量列举条件的负担。在 游戏中，非玩家角色担任着快速地找出有效路径的任务，例如，在战争模拟类的游戏中，非玩家角色的军队要快速的通过各种地形，并巧妙的避开各种障碍物，尽快到达敌军所在的具置。而以第一人称对游戏中的各种各样的生物进行射击的时候，要能够通过各种掩体来掩护，以便顺利的躲开玩家的视线。吸引更多玩家的兴趣，为玩家提供具有挑战性的游戏环境是游戏开发的根本任务，但是，游戏的开发也要处于一个尽可能平衡的状态。让玩家觉得有难度，能吸引玩家的兴趣，但又至于让玩家受挫，知难而退。而且，游戏世界中的各种元素也可以像自然界一样发生不断的演化，适应各种变化的情况，这也是游戏AI技术的一种利用形式。

3 游戏AI（人工智能）技术的发展趋势

随着游戏AI（人工智能）技术的发展，任何一款游戏在上市之后，都不必再事先按排非玩家角色的行为。而玩家对一款游戏玩得愈久，游戏也就会在高度适应性的影响下，不断的进行演化和学习。所以说，未来的游戏AI（人工智能）技术，最重要的问题就是“学习”。通过不断的适应和学习，游戏便可以和玩家一起成长和发展，而玩家也将无法预测游戏的具体行为，这样一来，大大延长了游戏的生命周期。但是，通过AI（人工智能）技术让游戏学会不断的学习和发展演化，就会造成游戏无法预测的情况。从这个角度来看，显然会给游戏AI（人工智能）技术的相关开发工作带来较大的挑战，而相关开发人员也需要带着极大的探索精神和未知的心理去探索各种“学习”技术。但“学习”与“角色行为反应”技术需要耗费很长时间来进行开发并进行多次的测试，属于非定性AI（人工智能）技术的范围。而且，要了解AI（人工智能）技术到底会做什么难度也较大，也就给具体的调试工作带来了较大的困难。所以说，受到诸多因素的影响，“学习”AI（人工智能）技术在大力推广和广泛应用方面便出现了较多的困难。 但是，无论怎样，游戏AI（人工智能）技术依然在坚定的向着质量更高，更符合玩家的实际需求，给玩家带来更多新鲜体验的方向大踏步的向前走着。而且，随着玩家自身水平和素质的不断提高，玩家也对游戏内人工智能水平的要求越来越高，也更希望游戏能营造出更真实的环境，带给玩家更真实的感受。

4 结束语

游戏产业经过长期的发展，已经从简单程序逐渐发展到各种 复杂网络游戏状态。而对各种游戏进行设计开发的过程中，也越来越多的利用到了AI（人工智能）技术。从早期简单的按照一定的规则进行设计的（人工智能），到各种大型单机游戏中高度拟人化的队友，再到大量的网络游戏中与玩家们发生良好互动的各种角色。我们相信，在不久的未来，众多玩家所期待的，具有较高拟人化程度的游戏AI（人工智能）技术会得以实现，给我们的生活带来更多的乐趣，也必将极大的促进AI（人工智能）技术的研究和开发。

参考文献：

[1]布伟光.何中市.高静，等.遗传算法和牛顿力学在游戏开发中的应用研究[J].微处理机，2009，01（03）：12-13.

[2]刘生建.袁冠远.利用有限状态机重构XNA游戏[J].科技信息，2012，04（28）：56-57.

[3]晋国卿.计算机游戏开发理念及方法研究[J].软件导刊，2012，02（12）：34-36.

[4]吴少军.网页游戏开发新趋势与新技术漫谈[J].当代教育理论与实践，2012，05（06）：33-34.

篇4

AI生长

人工智能新近的发展似乎显得太快，超出了人们的预期和适应能力。2014年6月7日，正好是阿兰・图灵逝世60周年纪念日，聊天程序“尤金・古斯特曼”有争议地通过了图灵测试。此后宣称通过图灵测试的计算机频频出现。人们普遍相信，计算机模仿人类谈话而不被察觉，彻底实现的一天即使现在还没有到来，也为时不远了。

神经元网络理论、控制、深度学习和大数据的进步在不同侧面加强了人工智能，使它在一些特定的任务上打败了人类。特斯拉的联合创始人、CEO马斯克说，计算机比人更适合开车，“当所有的车都知道自己该怎么开的时候，让人来操控两吨重的致命机械太危险了”。理智上我们不得不赞同他，但情感上似乎难以接受――世界的方向盘是否也和汽车的方向盘一样，从此交到了计算机的手里？计算机冷笑一声：“当然是我们来控制世界，连方向盘都不需要。”

波普（K. R. Popper）的话在耳边响起――客观知识的世界，是人类创造的，却是自主的，也会具有创造性。尽管他是在50年前（确切地说是1967年）说这番话的，此刻我们面对人工智能这一存在，“细思恐极”。

强人工智能――会自主行动的机器人，会学习、自我改进、像生物一样进化的机器人是迫在眉睫的现实吗？对人工智能的担心究竟只是精神自虐，还是伴随着符合事实与逻辑的预测？如果是前者，不需要AI恐惧的人可以松一口气，如果是后者，早早想出应对之策才行。

两种恐惧

分析起来，AI恐惧无非两种，可以称为“AI的客观后果恐惧”和“AI的主观意图恐惧”。在两种恐惧之前还有一种失落，因为机器比人能干，未来的电脑可能比人还聪明，人之为人的部分荣誉感被剥夺了。但这种失落很快就能适应，人们早有经验――起重机比人力气大，望远镜比人看得远，计算器比人算得快，飞机还会飞呢。超越人能力局限的东西很多很多，只要它们被人掌握着，就不仅仅是对人能力的超越，而且是对人能力的延伸，能力再大也不用害怕。电脑真比人聪明了，就算有点失落，只要它们为我们所用，听我们安排，总归好处多多。况且“聪明”定义模糊，解微分方程，下棋，电脑都比人厉害，是不是就比人聪明了呢？也不能简单地下结论。

在客观后果一侧，讨论的比较多的是就业问题，担心机器人或者软件把人的工作岗位一批一批地抢走。工业生产不用说，流水线工人是最先被机器人替代的，无人工厂不是什么科幻，而是既成事实。之后是服务业，有餐馆尝试用小型无人机上菜，也有机器快递小哥，各种智能机器发明出来之后，大量留给人的服务岗位就会消失。如果你现在是仓库管理员，或者坐在高速公路入口发卡，赶紧准备下一份工作吧。之后是企业中层，启用各种交流软件和自动工作流程软件，企业内部上传下达的事情少了，启用商业智能软件，辅助决策的参谋岗位也少了。之后是创造性工作，包括媒体工作，做主持人、做研究员、做建筑师，虚拟角色和软件胜任愉快，连写文章、作曲、画画、导致失业不是人工智能负面后果的全部，担心还包括健康问题、非对称战争等等。家里有了机器人服务员，人们衣来伸手饭来张口，只用当一个沙发土豆就可以了。大量无人飞机和机器士兵，改变了战场的伦理――优势一方没有面对活人敌手的心理压力，打起仗来点点鼠标，像打游戏；劣势一方面抵御机器的进攻，连敌人的面都见不着，愤怒的情绪可能导向更多恐怖极端手段，把战火引向敌方非军事人员。

这些对人工智能改变社会的推测大体合乎逻辑，但并不带来太大的困扰。人工智能造成的负面后果会被它带来的好处抵消，人们相信积极影响远远大于消极影响，毕竟危险的、繁重的和乏味的工作由机器人来承担更合适。

在主观意图一侧，AI恐惧的程度会高出几个级别。人们担心的是机器产生压迫人、奴役人、消灭人的意图和行动。尽管这种担心非常严肃，也不见得是杞人忧天，但此刻还不到真正需要恐惧的时候。就像看电影不能代替学物理一样，面对AI发抖也不能代替冷静的分析。确实没有论据证明，只有生物才能产生意识，因此假设机器可能产生意识在科学上是“合法”的，但反过来，证实机器可能产生意识这个假设的论据，现在也还没有出现。何必被一种可能性有多大都不知道的想法吓破胆呢？除非你喜欢这种恐惧感，就像喜欢看鬼片一样。

以“坏”自保

最近有三个“牛人”聊到这个话题。2016年4月，《三体》作者、科幻作家刘慈欣，百度首席科学家吴恩达，对话“未来人工智能20年”。梁冬主持对话，扮演对人工智能的发展忧心忡忡的人。按照“AI的客观后果恐惧”和“AI的主观意图恐惧”分类法梳理三个人的观点，先说主观意图一侧。吴恩达的意见用一句歌词就概括了，“一千年以后……”，他的意思是机器表现得像人一样，成为有意识的物种，还早着呢，究竟会不会也不知道，何必担心？梁冬说，模仿鸟造飞机不成功，人类造出飞行机器其实用了和生物界不同的方案，因此造出思考机器也不必了解人脑，对人脑的无知根本不是人工智能的发展障碍。吴恩达和刘慈欣都表示同意。三位一致认为，如果机器真成了物种，那也是人类的孩子，一开始会模仿父母（即人类）的行为，如果机器变成了坏孩子，人类也没别人可埋怨。刘慈欣说，他特别“相信”人的“坏”，足以防范一个机器物种伤害人类自己。

篇5

人工智能现在主要的缺陷或者不足还是在机器学习方面。神经网络是学习的一个方法，这个方法确实可以解决很多问题，但是它的问题是你不知道它是怎么解决问题的，在神经网络机器人的表达里面有很多东西是没有办法定性、解释的，这是比较难的一个问题。如果把这个问题解决掉，人工智能可能又会来一波大的浪潮。不管怎么样，怎么样做好知识处理，能够做到知其所以然，这是现在面临的一个比较大的问题。

这方面有人在做研究，围绕这个领域，做机器学习的人都在探索怎么把这个理论实用化，因为他们的理论太理论，没办法直接用，所以很多人都在探索这个问题。

人工智能的划分

现在的人工智能和未来的人工智能到底从阶段上怎么来划分？或者说我们现在做了多少事，未来还有多少事需要做？

不要认为我们解决了人工智能的所有问题，我们解决的问题还是很小一部分。是哪一部分呢？我们把这个分成四部分，包括可推理，可统计；可推理，不可统计； 不可推理，可统计；不可推理，不可统计。

第一部分是可统计，可推理的。这一部分工业界已经可以用了，拿去做机器人、去做各种各样的知识决策系统都是可以的。

第二部分是不可统计，可推理的。什么东西是这样的？要么数据不完备，要么数据里面特征的描述还没有找到更好的办法，可能里面是很稀疏的东西，表达根本没有办法统计出来，在里面是游离状态，但是是可推理的，可以写出正确的规则。这些靠大数据解决不了问题，但是只能靠传统的逻辑来做。这方面又相当脆弱，许多东西需要进一步去验证。

第三部分是可统计，不可推理的。这个意思就是我有大数据，通过大数据都能把规律统计出来，但是用语言表述出它的因果关系不行，有点复杂。当然随着时间的推移，可能也变成可推理。至今这里有相当一部分用神经元网络可以解决，但是用推理的办法还很难解决。这方面曙光有一些，但是也需要更多的沉淀。

第四部分是不可推理，不可统计的。未来机器人在这方面很难有作为。为什么？连我们自己都说不清楚。比如说人类有很多顿悟，这些顿悟通过统计能证明它产生？不可能统计出来。通过理论证明这个东西产生吗？不可能。也不知道什么人在什么环境下突然想明白一件事，这个机器做不了，没有模型和数据，所以这些东西是未来机器人不可能涉足，不可能胜过人的。我讲到这里，大家都很容易理解，将来机器人会在哪些领域可以，在哪些领域不可以替代人类。

人工智能时代真的要到了吗？答案可以是肯定的。比如你仅仅是期望计算机能够做的事比人做得更好，很多事情是可重复、可统计、可推理的，把这些事交给计算机去做，它一定做得比人强。

例如下围棋，尽管比较难，但是它是经验和知识积累的过程。也就是说，慢慢的，机器一定会胜过人。之前我在香港和一个教授还在讨论，以后还有没有人下围棋呢？为什么这样想呢？他说人和人下很有乐趣，和计算机下盘盘输，为什么还要下？我说为什么要和计算机下？还是要和人下，这样你还是冠军。

人工智能对经济的五个影响

这是我们对AI的看法。现在大家可能知道，2016年10月13日，美国白宫两个和人工智能有关的报告。2016年12月20日，美国白宫又了一个报告，叫做《人工智能自动化与经济》。这篇报告中说，人工智能总体来说，不管你是否接受，不管你是否看好，这件事就要发生了。我们现在要做的是，如果这件事发生了，我们怎么去应对它。

我认为这个报告出得非常及时，列出了人工智能对经济五个方面的影响。例如对总的生产率增长的影响是积极的，对就业市场的影响会发生变化，对不同层次的人变化不一样，影响分布是不均衡的，所以不同层次、部门、领域、区域的都会不一样。人工智能会导致一些工作职位的消失，也会产生一些新的类型的工作。劳动力市场将会被搅乱，一些工人短期会失业，失业的时间肯定更长，这就看政策到底怎么调整。

按照美国的判断，对每个小时40美元以上的工作影响不大，只有4%，对每小时20～40美元之间的影响是31%，但是对于低于20美元的劳动力影响非常大，达到83%。所以政府要有所应对。应对的策略包括鼓励投资开发，也包括对新的工作类型进行培训、对转型期间的工人提供帮助，让他们能够通过再学习得到就业。

下一波浪潮一定是AI

回到今天我们的主题，人工智能带来的机遇对全社会，当然也包括对于自动化领域，特别是机器人领域，机遇是非常多的。如果我们说过去这几十年比较大的浪潮，第一波是PC浪潮，给信息领域带来颠覆性的影响。紧接着是互联网浪潮，成就了一大批互联网公司，例如谷歌、百度。之后马上出了一波新的浪潮，叫移动互联网，比如说今天的苹果就是这波浪潮起来的公司。下一波是什么？一定是在AI，这一技术的研发和应用，将使得苹果、百度、华为这样的公司得到更大的发展。

是否用AI做机器人？当然可能，也有可能是做别的，所以说浪潮就在这里。

我们现在做机器人，绝大部分的行为是设计出来的，我们把它叫做Designed Robot，要前进、拐弯都是按规律设计出来的。这没有错误，但是不是AI。什么是AI机器人？或者叫学习机器人呢？就是机器人做好以后，他不知道要干什么。你训练他干什么他就干什么。就像小孩一样，小孩出生了，你说他将来是数学家、物理学家、技术工人、农民？他什么都不是，但什么都可能是，就看你教他什么。

我们以后的机器人也应该是做出来的时候什么都不是，你教他做什么他就是什么，你教他开车，他就会开车，你教他上流水线操作，他就会流水线操作。这一天一定会到来，就看谁在上面花的工夫更大，或者准备更充分。

AI带来的机遇与挑战

我们怎么样能让系统和人具有同样的知识能力和水平呢？现在大部分是软件知识，有一个系统，你会给它大数据的集合，它进行不断的训练，不断的和人聊天、对话。这些机器人开始的规则比较简单，当大数据进去之后，不断的会话调整反馈，就能慢慢抓住聊天对象的注意力，让你跟着它转。这可能是现在的一些情况。

真正到了AI阶段，就不是软件知识，而应该是开放知识。现在人类之所以一直在进步，是因为知识本身是_放的，我们得到了一些知识，然后把它教给学生，写成书给社会，社会得到这些知识之后就会不停的进步。在这个基础上，别人再去加新的知识。所以一定是开放的，如果不开放，这个社会就不能进步。这个道理一样落到机器人和AI方面。

人工智能对于教育和就业的机遇比较多，因为现在整个社会需要非常多的学习人工智能的博士，现在在美国，博士能够拿到上百万的年薪，当然在国内也一样。有时候我们开玩笑，老老实实教了一辈子书，刚毕业的学生就比我们的薪水高。需求太大就水涨船高，所以需要教育提供更多的人才。

篇6

上周，沪深300指数上涨2.60%，计算机行业上涨0.32%，行业跑输大盘2.28个百分点，其中硬件板块下跌1.19%，软件板块上涨0.56%，IT服务板块上涨1.48%。个股方面网达软件、真视通、神州易桥涨幅居前;*ST三泰、湘邮科技、华力创通跌幅居前。

国际市场

麻省理工学院开发自动驾驶技术，在无地图乡间道路上也能导航;Waymo计划年内在凤凰城正式推出无人驾驶打车服务;Uber将测试无人机送餐服务，最短只要5分钟;美国白宫成立人工智能工作组，将决定美国对AI的投资力度。

国内市场

腾讯智慧零售首家全自助化智慧餐饮门店亮相深圳;科技部成立新一代人工智能发展研究中心;京东智能音响叮咚mini2，与英特尔宣布战略合作;青海省卫计委携手腾讯共建“互联网+健康医疗”。

A股上市公司重要动态信息

达实智能:中标1.9亿元智慧医院项目;广电运通:与腾讯公司、财付通签订1883.82万元地铁云平台AFC项目;全通教育:中标3496.44万元科创集散地服务项目;麦迪科技:与安挚投资签署产业并购基金框架合作协议;世纪瑞尔:拟1000万元占比50%设立中唐瑞尔。

投资策略

篇7

2016年是世界围棋界极不寻常的一年，3月份在“阿尔法围棋”（AlphaGo，一款围棋人工智能程序）与围棋世界冠军、职业九段选手李世石之间展开的一场人机大战中，“阿尔法”的胜出震惊全球。7月份世界职业围棋排名网站公布了最新世界排名：“阿法围棋”以3612分，超越3608分的柯洁成为新的世界第一。

2016年12月29日到2017年1月4日，一个名叫 “Master”的神秘网络围棋手横扫中、韩、日围棋界。它凭借惊人的稳定性一路高唱凯歌，获胜60场，没有败绩。最终神秘的“Master”揭开了庐山真面目，宣布自己就是“阿尔法围棋”。

2017年1月，谷歌Deep Mind公司宣布推出真正2.0版本的“阿尔法围棋”，成为第一个不借助让子，在全尺寸19×19的棋盘上击败职业围棋棋手的电脑围棋程序，其特点是摈弃了人类棋谱，只靠“深度学习”的方式成长起来挑战围棋的极限。

围棋是人类最具智慧的竞技之一，而人工智能（Artificial Intelligence，简称AI）研发是人类最具挑战性的科技探索。人机大战的经典对决将被同时载入围棋史册和科技史册。它的意义已经远远超出围棋本身，人们热衷谈论“阿尔法围棋”更多是出于对AI技术的关切。从诞生到日益成熟，AI理论和技术的应用领域在不断扩大，不知不觉间渗透到人类当代生活的各个方面。AI时代，互联网、金融、医疗、教育、物流、娱乐、传媒等行业都在加速自己智能化的进程。可以想见，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 而与此同时，人类命运和机器智慧的冲突与共存，已经由人机大战开始不断升温。

“人工智能百年研究”项目

2014年秋季，美国斯坦福大学开启了“人工智能百年研究”（AI100）项目。这是一个超大型长期项目，该项目发起人――美国人工智能发展协会会长、前微软研究员埃里克・霍维茨博士表示，“我们的职责是研究人工智能在2030年前对人类社会生活方方面面所产生的影响，尤其是在北美地区”，而“研究的核心是，人类不能丧失对人工智能的控制能力”。 “人机大战”

2016年9月1日，“人工智能百年研究”项目的第一项成果《人工智能与2030年的生活》。这是一份试图定义北美城市在未来10多年间将要面临的可以模拟人类行为的计算机和机器人系统 （即人工智能）问题的报告，涉及交通、家庭/服务、健康医疗、教育、低资源社区、公共安全与防护、就业、娱乐等关注领域，目的是推动相关政策的制定。业内人士认为，工业界和学术界目前正在联手倒逼政府出台人工智能的相关政策，希望可以获得更大力度的资金和法律扶持。

《人工智能与2030年的生活》所列举的关注领域，均面临着人工智能的影响和挑战。例如开发安全可信赖的硬件的困难（交通工具和服务机器人），获得工作信赖的困难（低资源社区和公共安防），对劳动力可能被边缘化的担忧（就业和职业），以及人际交往减少带来的社会副作用（娱乐）等等。

1.交通：自动驾驶的汽车、卡车、无人机投递将改变城市里的工作、购物和休闲娱乐模式，但需要增加可靠性、安全性和用户接受度，并根据新的交通模式改进当前的相关法规和基础设施。

2.家庭/服务机器人：现在进入家庭的扫地机器人或特种机器人能够为家庭和工作场所提供清洁和安保服务，当务之急是技术方面的挑战和机器人成本过高的问题。

3.健康医疗：个人健康监测装备与手术机器具有极大的发展潜力，人工智能软件将最终对某些疾病自动进行诊断和治疗。目前的关键是获取医疗从业者的信任。

4.教育：互动辅导系统在帮助学生进行语言、数学以及其他技能的学习方面已经发挥出作用，自然语言处理的发展将为这一领域的应用带来全新的方式。当务之急是教育资源分配不均的问题，以及教、学双方直接互动的减少会带来哪些消极影响。

5.低资源社区：投资最新技术领域有助于更充分地发挥人工智能的优势，比如避免铅污染和改进食品分配等，重要的是让公众参与进来以增强相互信任。

6.公共安全与防护：利用相机、无人机和软件进行犯罪模式分析，应用人工智能技术来降低人类判断的主观偏见，与此同时在不侵犯个人自由和尊严的情况下增强安全性。目前需注意的是如何保护隐私和避免固有偏见。

7.就业和职业：随着全球经济的快速发展，传统岗位开始被新岗位取而代之，有关人类如何适应这种新变化的相关工作需要立即展开，比如如何妥善处理劳动力下岗以及人工智能对新工作岗位不适应的问题。

8.娱乐：内容创建工具、社交网络和人工智能的结合，将开创全新的媒体内容收集、组织和分发模式。但问题是新的娱乐方式如何在个人价值和社会价值之间取得平衡。

《人工智能与2030年的生活》在回顾发展历程和展望发展趋势时指出，人类正加速在人工智能领域的研究，试图建立一个能与人高效协作的智能系统。其中最重要的是机器学习的成熟，它受到了数字经济崛起的部分影响――数字经济为机器学习提供了大量数据。此外其他影响因素包括云计算资源的崛起，以及消费者对语音识别和导航支持等技术服务的需求。研究人员认为，不管是从基本方法上还是应用领域，包括大规模的机器学习、深度学习、增强学习、机器人、计算机视觉、自然语言处理、协作系统、众包和人类计算、算法游戏理论和计算的社会选择、物联网、神经形态芯片在内的研究趋势，共同促进了人工智能研究的热潮。

这份报告试图严肃地讨论这样一个问题：如何更好地引导人工智能来丰富和服务于人类生活，同时推动和激励这一领域的创新。因为人类目前并不能清晰而完美地预测未来的人工智能技术及其影响，所以一定要对相关政策进行评估。未来几年公众在交通和医疗等领域内应用人工智能的机会日渐增多，因此必须以一种能构建信任和理解的方式将其引入，确保在尊重人权和公民权利，保护隐私和安全，维护广泛而公正的利益分配等方面措施周备。 世界经济论坛说，机器人和人工智能到2020年可以取代510万个工作岗位。

研究人员指出，传统的人工智能范式已被数据驱动型范式成功取代，对于定理证明、基于逻辑的知识表征与推理这些程序的关注度在降低。作为20世纪七八十年代人工智能研究的一根支柱，规划（ Planning ）强烈依赖于建模假设，难以在实际应用中得到满足；视觉方面基于物理的方法和机器人技术中的传统控制与制图，正让位于通过检测手边任务的动作结果来实现闭环的数据驱动型方法；还有曾颇受欢迎的贝叶斯推理和图形模式，在数据和深度学习的显著成果前也显得相形见绌。在未来15年中，针对人类意识系统开发，按照能够互动的人类特点进行建模和设计人工智能系统成为人们的兴趣点。在考虑社会和经济维度的人工智能时，物联网型的系统变得越来越受欢迎。数据驱动型产品的数量及其市场规模将会扩大。

“为机器人安装‘死亡开关’”

2017年1月，欧洲议会法律事务委员会召开会议，呼吁制定“人类与人工智能/机器人互动的全面规则”。议公布的报告对机器人可能引发的安全风险、道德问题、对人类造成的伤害等情况进行了讨论，探讨是否需要为机器人安装“死亡开关”、研究机器人抢走人类工作的应对措施等等，要求欧盟为民用机器人制订法律框架。专家认为，这或将是首个涉及管制机器人的立法草案，将有利于人类应对机器人革命带来的社会震荡。

会议认为，人工智能和机器人发动的新工业革命可能影响到所有的社会阶层。机器人可能创造无限的繁荣，与此同时将影响人类未来的就业情况。机器人取代人类在许多行业是大势所趋。在德国，每1万个雇员中就有301个是工业机器人。报告要求欧盟委员会对各国民众的就业情况进行调查，重点关注极易被机器人取而代之的职位。如果机器人成为职位“杀手”，欧盟各成员国应考虑为国民提供基本的生活保障。埃里克・希尔根多夫是一名德国法律教授，他非常认同欧洲议会讨论的这项议题。“这不仅在政治上是可取的，从法律角度也是必要的，这样我们才能及时应对机器人革命带来的社会震荡。”他指出，“即使是银行顾问、教师和记者等要求严格的职业，未来也无法在这场科技洪流中幸免。”

会议强调，因为人工智能在几十年内可能超越人类的智力，将对人类控制机器人构成挑战。随着机器人自我意识的崛起，甚至可能威胁人类的生存。近年来，机器人“杀人”的事件时有发生：2015年6月，在德国大众汽车公司，一名工人安装机器人时反被它抓起推向金属板压死；2016年6月，美国一家汽车零件生产商的一名女员工正在修理出现故障的机器人时，它突然启动，将修理女工活活压死。

报告参照美国科幻小说作家艾萨克・阿西莫夫提出的“机器人学三大法则”，将其作为立法框架，对机器人自我意识觉醒后的行为规范做出规定。“机器人学三大法则”包括： 1.机器人不得伤害人，也不得见人受到伤害而袖手旁观。2.机器人应服从人的一切命令，但不得违反第一法则。3.机器人应保护自身的安全，但不得违反第一、第二法则。由于规则无法转化为代码，欧洲议会正在着手建立一个针对机器人和人工智能研发的机构，为设计、生产和操作机器人的人员提供技术、伦理和监管方面的专门知识等。

报告还提出：1.在设计新型机器人时，设计师应该尊重人类的基本人权，事先获得道德研究委员会的批准。2.必须为机器人注册，以便在调查事故时查找涉事的机器人。3.确保机器人安装有“死亡开关”，可以随时被关闭。4.机器人不能对使用者造成“身体或心理伤害”。如果酿成事故，机器人不能逃脱责任。机器人所负担的责任应该与其接收的实际指令及其自主程度相对应：它的学习能力和自主性越高，那么人的责任就较低；倘若它“受教育”的时间越长，教它的“老师”负的责任就越大。报告还指出，机器人的生产商或拥有者将来需要购买保险，来承担机器人可能造成的损失。

人类与机器人的关系将会引起一场涉及私隐、尊严和安全的大讨论，在欧洲议会投票赞成立法之前，各成员国政府将对此做进一步的辩论和修正。

“机器人应当纳税”

英国牛津大学近期一项调查结果显示，今后数十年间，自动化改变生产线的速度将超过20世纪。在经济合作与发展组织（OECD）成员国，57%的工作岗位有被自动化取代的风险。英国中央银行英格兰银行预测，在自动化浪潮中，危在旦夕的英国工作岗位多达1500万个。美国白宫2016年预测，机器人取代时薪低于20美元以下岗位、介于20～40美元岗位和时薪40美元以上岗位的概率分别为83%、31%和4%。

在美国微软公司创始人比尔・盖茨看来，为暂时性减缓自动化蔓延速度，很有必要向企业为雇用机器人员工而征税，税单将是阻止机器人取代人类工作岗位的杀伤性武器。如果机器人将大范围取代人类工作岗位，那它们至少应为此买单。“目前一个人类员工在工厂中创造了5万美元的价值，这个价值会被征税。人类员工需要缴纳各种税，如所得税、社会保障税以及其他税款。如果一个机器人在工厂做与某个工人同样的事情，我们也应按同等水平向它征税。”

盖茨同时认为，尽管一些工作岗位可能被机器人取代，但人们可以在那些所需技能是机器人无法复制的领域里继续工作。世界需要抓住机遇解放劳动力，让人们从事更好的工作，例如关爱老人和帮扶特需群体。在这些领域，人类具有独特的同情心和理解力。

法国社会党总统候选人伯努瓦・阿蒙也呼吁法国对机器人征税，部分税收用于补贴全民基本收入保障。越来越多的政界人士和硅谷富翁支持推出全民基本收入保障，以化解自动化引发的大范围失业。而反对机器人税的人士则持这样的观点：自动化即使在短期也可以借助提高生产率创造新的就业岗位。

“人类需要成为‘半机器人’”

美国特斯拉汽车公司首席执行官伊隆・马斯克在2017年2月13日迪拜举行的 “世界政府峰会”上表示，未来20年，驾驶人员的工作将被人工智能所颠覆，之后全球12%～15%的劳动力将因为人工智能而失业。“从技术角度讲，最迫切的影响会来自自动驾驶汽车。它到来的速度将远快于人们的预期，当然它会为人类提供极大的方便。”

篇8

AI最先商业化的项目，应数2011年初次亮相的IBM人工智能认知系统Watson。2016年，借助商务领域的积累切入具体应用，Watson的商业模式逐渐明朗，并为IBM的第四次转型贡献了亮丽业绩。

然而还不够快。受传统业务下滑拖累，IBM 2017年一季度营收继续下滑。

拖着铅球，Watson在与未来赛跑。

百年商业帝国的第四次转型

与眼下最热的围棋AI等通用人工智能不同，IBM的“人工智能”一开始便是为解决商业问题而生，其方向是商业领域的增强人工智能（Intelligence Augmentation）。2007年8月，几个人工智能专家告诉IBM高级副总裁约翰？凯利，他们要创建世界上第一个处理非结构化数据、可与人互动的人工智能系统。2011年人工智能认知系统Watson初次亮相，就打败了美国问答游戏电视节目《危险边缘》的连胜纪录保持者和最高奖金得主。2014年，IBM专门组建Watson部门，并陆续投入数十亿美元。

2011年IBM百年之际，《经济学人》周刊曾撰文总结IBM三次重大转型：从机械制造到计算机制造、从大型机制造到包括个人电脑在内的分布式计算机系统、从计算到服务。2016年初，IBM董事长兼CEO罗睿兰宣布IBM正式进入第四次转型，目标是成为一家认知解决方案云平台公司，“未来五年，我们所作的每一个决策，无论个人或专业机构，都将受到Watson的协助。”

2017年4月，“天工开物 人机同行”2017 IBM中国论坛在北京举行，IBM展示了其作为认知解决方案和云平台公司在全球范围内的突破性进展，及与中国本地伙伴在电子、能源、教育、汽车、医药、高性能材料及相关服务等行业或领域的合作成果：

神思电子采用IBM 的Watson Explorer，在金融和医疗行业锁定“智能客服”、“实体服务机器人”和“自助设备智能升级”领域，提升服务质量与效率。与杭州认知合作，应用IBM Watson肿瘤解决方案帮助中国医生获得循证型癌症诊疗的决策支持，从而为患者提供个性化治疗方案。隆基泰和与IBM共同合作，借助Watson平台构建综合能源云平台，为工业商业企业构建完整的客户能耗视图、用能预测及能效水平的分析和洞察能力打造智慧能源服务体系。

此外，IBM为上海世外教育集团打造“儿童英语口语辨识及评价系统”帮助6-15岁学生学习英语，与禾嘉股份共同推出基于区块链的医药采购供应链金融服务平台，在精细化工行业，默克正在利用IBM IoT技术打造全新智能物流与智能工厂，而一汽大众也将采纳IBM大数据、云计算、认知计算等技术打造佛山创新中心，建立智能工厂。

除了垂直行业，IBM“商业人工智能”也在为专业人士提供增强智能，提高工作效率和业务水平。目前，Watson系统已进入法律、医疗、教育、金融，零售，服b设计等60多个职业领域示范人机协作，将专业人士从重复劳动中解放出来。论坛上，IBM大中华区董事长陈黎明表示，“我们相信，企业大规模采用人工智能技术的爆发期就在当下，并将为各行业和专业带来巨大的创新价值。”

拖着铅球赛跑

商业的残酷在于，仅凭方向正确，未必能赢得赛跑。除了亚马逊、微软、谷歌这样的外部竞争者，IBM对云计算和Watson孤注一掷，更大的压力来源于自身：新兴业务的增速能否超越传统业务下滑的速度。

4月19日，IBM2017年一季度财报，其“战略业务小组”（IBM重点发展的云计算、分析、社交、安全及移动产品）营收增长12%，至78亿美元。Watson所属的认知解决方案业务板块营收同比增长逾2%，达41亿美元；云计算业务营收增长33%至亿美元，净收入为23亿美元。

与战略业务表现亮丽形成对比的是，受传统硬件和软件业务增长停滞的拖累，IBM整体业绩依然继续在下滑：公司一季度营收同比下滑2.8%，降至181.6亿美元，低于预期的184亿美元。其公司营收连续20个季度下滑，并创下2002年一季度以来最低水平。

财报后，IBM股价下跌超过8美元，跌幅近5%。其大股东伯克希尔哈撒韦2016年报显示持有8120万股IBM，也就是说，如果巴菲特一季度没有减仓，将损失约6.5亿美元。

有趣的是，之前尽管和比尔？盖兹关系很好，巴菲特开始尝试购买科技股的时候，并没有买微软的股票，而是选择了IBM，几乎全程体验了一把IBM转型带来的缓慢复苏。

2015年，巴菲特入股IBM时正是其收入连年下滑之际，2016年初，IBM股价已跌至不足120美元。一年之后，2016年IBM财报显示，IBM云业务当年实现137亿美元营收，同比增长35%，占IBM全年总营收的17%；云业务年化营收达86亿美元，同比大幅增长63%；计入“技术支持及云平台”项目的年毛利率达41.9%；以Watson为主的IBM认知解决方案营收达182亿美元，毛利率高达81.9%。2016年，IBM股价上涨了20%。

2014-2016年，IBM犹如传统企业转型的一个缩影：借助自身在商务领域的积累，在云服务和人工智能领域大力投资，切入具体应用，商业模式逐渐明朗。

并购与合作

IBM对云服务和Watson期许甚高，Watson的十年布局也逐渐步入收获季。随着医疗、物联网、金融、零售、时尚、教育等多个行业标志性样本的出现，Watson的商业版图正在扩张。

Watson成为全球医疗健康第一人工智能系统，其秘籍是不断吸收大量非结构化数据并加以学习。为了“喂饱”Watson， IBM不断收购医疗健康领域的公司，两年间花费超40亿美元。除了加大并购，IBM为拓展商务版图同时也采用了更实际的方式：与垂直领域巨头合作，补充基础数据和垂直行业领域的专业知识。

2016年10月，IBM宣布与通用汽车合作，Watson为其新版车机系统OnStar提供技术支持；与全球教育机构培生合作，Watson为其学生提供自然语言下的学习指导。今年3月19日，IBM认知商业战略在中国正式落地一年之际，万达网络科技集团与IBM在北京签订战略合作协议。万达网络科技集团正式进军公有云业务领域，万达也将成为Watson在中国落地的重要基础设施。

从另一方面来看，万达选择IBM，很大程度上是由于IBM这部分业务的体量。IBM云业务在2016年实现137亿美元营收。亚马逊AWS 2016年营收122亿美元；微软未透露Azure云业务的实际营收，摩根大通分析师估算约26亿美元；谷歌也未披露云计算业务营收，外界估算在10亿美元左右。从总体营收规模来看，IBM云计算业务其实并不输于AWS、微软云和谷歌云。

篇9

人工智能即将进入高中课堂。近日，我国第一本面向中学生的AI教材——《人工智能基础（高中版）》正式。

为什么要在中学开设人工智能课程？这本教材有什么特点？对于中学教师和学生而言，应如何准备才能应对人工智能的教与学？记者对此进行了调查。

全国已有40所学校引入教材

据了解，该教材是华东师范大学慕课中心和商汤科技合作，联合全国多所知名中学教师共同编写，由新闻出版总署批准出版并备案。目前，全国已有40所学校引入该教材作为选修课或校本课程，成为首批“人工智能教育实验基地学校”。

“与其他教材不同，该教材以‘手脑结合’为主要学习方式，不仅关注对人工智能原理的介绍，更加重视这些原理在生活中的运用。”华东师范大学教授，博士生导师陈玉琨介绍说，“作为教材的编者，我们特别希望学生能发挥独特的想象力，设计一些在高中阶段有可能完成的项目，并动手将其转化为独具特色的作品。”

记者看到，该教材共分9个章节，以基础普及性的知识为主，分别介绍了图片识别、声音识别、视频识别、计算机写作和深度学习等人工智能技术的原理和应用场景，每一页都配有彩色图表，并引入了大量科普内容和实例。此外，该教材还配套了一个教学实验平台。

香港中文大学教授林达华表示，目前，人工智能人才面临着全球性短缺，在人工智能和基础教育结合方面，各个国家都还处在探索的过程中，该教材的出版，是人工智能教育的一次重大突破，意味着人工智能将由此走出“象牙塔”，进入高中生的知识范畴。

“今天，技术更迭速度太快，谁也无法预计未来的职业选择，我很乐意让我的孩子在中学阶段就了解掌握一些人工智能方面的知识技能。”一位家长这样告诉记者。

目的在于普及原理引发兴趣

作为一门兼具学术含量和技术含量的学科，对高中学生而言，应该怎样去了解人工智能这门学科；对于高中教师而言，又该如何教学呢？

“大多数中学生的最终职业道路都不会是成为人工智能研究者或工程师，但是未来很多行业都将在不同程度上受益于人工智能的赋能。因此，该学科在中学阶段的教学目标应该定位让学生了解掌握人工智能的基本思想、基础知识以及常用算法和工具。”林达华说。

在陈玉琨看来，人工智能的教学和研究经常要用到高等数学的知识，这已经超出了高中生的知识范围，因此，在中学阶段，教师应注重对相关概念、算法、原理进行定性介绍，“定量的部分，可以留待以后再学。”

多位专家表示，教师在教学过程中，要特别重视对人工智能应用场景的介绍，这不仅会让课堂变得更加生动，学生学习的兴趣更加高涨，同时也会提升师生的思维与创造能力。

“总体而言，在中学阶段开展人工智能课程的主要目的在于普及人工智能的原理与技术，引起学生对人工智能学习的兴趣。当然，也期望能为高等学校培养人工智能领域的拔尖人才奠定相应的基础。”

“校企合作”解决人才缺口

也有专家指出，人工智能是一门新兴技术，中学教师在该领域的知识储备是不足的。

“师资是课程的基础。”上海师范大学教授岳龙表示，“开设人工智能课程对教师的知识结构也提出了新的挑战，因此组建专门的师资培训团队非常重要。”

据记者了解，为帮助教师克服知识储备不足的问题，华东师范大学慕课中心与商汤科技将联合举办多期“人工智能教师研修班”——培养一批人工智能的种子教师，在他们带领下，逐步提升我国教师总体的人工智能素养，从而改善中学教师开展人工智能教育教学面临的困难和挑战。

篇10

关键词：人工智能；机器学习；教育应用

一、前言

当前的人工智能虽然还不够完善但其在人类的发展进程中起到了巨大的作用。因为其具有了超强的学习和分析的能力，在个人以及人工智能较量的过程中人工智能一直都是处在领先的地位，为此可以利用到人工智能来促进到人类社会的快速发展。

二、相关概念阐述

人工智能又称AI，是模拟物种智能应用的技术实现和科学。机器智能的科研市场领域包括各种图像和语言结构的快速识别，以及使用语言直接处理和服务机器人。它不仅相当于人类行为的智能，还可以系统地模拟物种的思维，并将在几年内超越历史上的物种。在未来，机器人不断学习，以使仿人机器人模仿人类的学习方式，在这一过程，获得新的各种知识，智能机器人的学习过程更快，可以实现对海量综合数据的深入分析。此外，人工智能机器人不仅可以获得更准确的结果，而且具有独特且更快的信号传输速率。许多科学家有能力超越人类自身。在深入思考核心问题时，实际上，很多人因为机器人是人类设计的，所以不可能超越人类的历史，但是人工智能机器人可能具有集成的学习功能，因此这种可能性将变得非常大。人工智能机器人具有继续学习技术的能力，没有人能够预测学习数据后的整体智能水平。

三、人工智能视域下机器人学习的适切性

在当前的文化和教育生活环境中，由于智能教育的兴起，大数据情境系统功能可以为学生综合分析和选择各种类型的信息，从而重用具有潜在影响的知识可以促进智能教育的发展。智能机器人继续学习，但借助计算机来分析综合数据，例如，以完全掌握规则并进行非常有效的分析和预测。可以看出，机器人正为人类智能教育而学习更有益。在教育中，信息化的进程在今天的时代，智能教育无疑已经成为吸引学生在学习过程中的重要因素。将学习与先进技术核心技术结合起来的方法有很多。人工智能机器人必然会给文化教育生态系统带来帮助。向人工智能机器人学习的方式很多，学校教师可以提高和教育的整体质量和效率，学生也可以赢得符合自身市场需求的学习服务，这有助于减轻学生和家长的负担。

四、人工智能视域下机器人学习的应用创新研究

从人工智能技术的角度来看，智能机器人学习是目前世界上最先进的技术。大数据在教育相关领域的应用具有很好的业务前景。人工智能机器人持续学习的应用可以帮助一些学生实现相关知识与数据之间的联系。

（一）机器人学习与教育之间的融合仅从当前的现象来看，大多数教师不了解核心技术，而了解该技术的人也不了解教育，这很容易导致无法在教育与核心之间形成良好的关系。因为技术研发人员不了解教育，所以不能从教育的多个角度审视开发过程，优秀的教师也不能从技术角度回应数据的全面发展。在人工智能开发领域，机器人应该深入地整合到学习和教育中。组织技术实施和教育核心领域的相关人员进行直接沟通和交流，使人工智能机器人在学习和应用过程中能够更充分地认识到技术研发和生产人员的过程。

（二）机器人学习在学习场景方面的应用人工智能在学校教育领域的应用，因其未来的发展趋势而呈现出明显的趋势。然而，随着学校教育核心领域的许多专业学科的介入，对学习人工智能机器人的要求将越来越高。当你开始学习同一个主题时，需要在同一个应用程序中逐步建立不同的场景。这对机器人来说更难在未来继续学习，但也是最值得创新的。仿人机器人普遍对大量综合数据进行深入分析，分析每个学习内容主题的特点和各部分学生的特点，并采取相应的更有针对性的基本教学方法，提高同学教育的速度和效率。

（三）机器人学习对于智慧环境创新方面的应用首先，由于文化教育市场中的数据种类繁多且缺乏正常秩序，这也增加了在大型集成数据系统中分析和处理文化和教育数据的难度。其次，在随后的数据处理过程中，随着时间的推移会遇到数据隐私问题，如何保护数据隐私是另一个需要注意的关键问题。因此，在教育的相关领域，大综合数据的后续处理以改善文化教育和质量，并确保在教育中最终数据的合理使用，必须在许多方面进行协调与合作，从而促进共享的合法性。最后，必须有效地确保可以长期保持教育中的数据情况并实现流程标准化。有可能实现最终数据的统一，这将大大降低全面数据交换的总体成本，并努力实现数据的无缝集成。数据的最终数据主要是由于目标学生的地区差异，以满足同一学生学习知识的不同需求。