時間：2023-07-04 16:26:49
導語：在人工智能醫(yī)藥的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領您探索更多的創(chuàng)作可能。
DOI：10.14163/j.cnki.11-5547/r.2016.35.063
【Abstract】 Objective To research influencing effect by cognitive behavior therapy combined with drug therapy on social function， life satisfaction and quality of life in anxiety disorder patients. Methods A total of 80 patients with anxiety disorder were divided by their intentions into experimental group and control group， with 40 cases in each group. The experimental group received cognitive behavior therapy combined with drug therapy for clinical treatment， and the control group received drug therapy for clinical treatment. Comparison was made on clinical effect after 12-week treatment， global assessment of function （GAF）， generic quality of life inventory （GQOLI74） and life satisfaction scale （LSR） scores between the two groups. Results After 12 weeks of treatment， both groups had effectively relieved symptoms. The experimental group had 27 cured cases， 7 excellent cases， 4 effective cases and 2 ineffective cases， with total effective rate as 95.0%. The control group had 19 cured cases， 9 excellent cases， 4 effective cases and 8 ineffective cases， with total effective rate as 80.0%. The experimental group had obviously higher total effective rate than the control group， and the difference had statistical significance （χ2=4.114， P
【Key words】 Cognitive behavior therapy； Drug therapy； Anxiety disorder； Social function； Life satisfaction
焦慮癥屬于常見的臨床精神障礙疾病之一， 其主要癥狀， 體現(xiàn)在精神焦慮、社交焦慮障礙以及精神恐懼障礙等癥狀[1-3]。以往藥物治療的目的是要致力精神障礙癥狀都得以緩解， 而忽略了在治療一種精神障礙的同時造成另一種精神障礙病情惡化， 這也是目前臨床治療上的一個挑戰(zhàn)， 因此在藥物治療的基礎上需要接受相應的心理治療， 避免因自身心理疾病導致在治療過程中出現(xiàn)一些人文問題。同時也可避免因行為失常導致的嚴重后果和并發(fā)癥[4， 5]。本院在針對這些精神疾病的臨床治療進行總結(jié)中， 發(fā)現(xiàn)采用認知行為療法聯(lián)合藥物治療具有良好的臨床效果， 報告如下。
1 資料與方法
1. 1 一般資料 選取本院2013年10月～2014年10月接診臨床焦慮癥患者80例， 所有患者均符合中國精神病障礙疾病對焦慮癥患者的臨床評定標準， 排除了其他精神病障礙患者[3]?；颊吲c家屬簽署了病情知情通知書， 按患者意愿將其分為實驗組與對照組， 各40例。實驗組男26例， 女14例， 平均年齡（32.6±6.8）歲；對照組男27例， 女13例， 平均年齡（34.5±6.9）歲。兩組患者性別、年齡等一般資料比較， 差異無統(tǒng)計學意義（P>0.05）， 具有可比性。
1. 2 方法 對照組單獨使用藥物治療方法， 而實驗組則在藥物治療的基礎上實施認知行為療法。藥物治療：針對每1例患者在睡前口服鹽酸萬拉法新膠囊藥劑， 前3 d用量25 mg， 以后根據(jù)病情進行用藥調(diào)整， 平均每2天增加25 mg， 最終加至150 mg后停止增加， 若患者藥物反應強烈， 則應進行劑量上的減少控制。于12周后， 根據(jù)實際病情情況進行用藥劑量上的適當調(diào)整。認知行為療法：針對患者進行認知重建， 并為其提供信息思維， 結(jié)合實際的思維行為建設一個更好的認知環(huán)境。鍛煉患者的思維能力， 進行催眠放松訓練， 并讓其有充足的時間進行深呼吸運動[6， 7]。
1. 3 觀察指標及療效判定標準 通過GAF評分觀察社會功能、GQOLI74評分觀察生活質(zhì)量、LSR評分觀察生活滿意。本次的臨床療效評定以通用的評定標準進行分級[8， 9]， 痊愈：癥狀基本消失， 無消極思想。顯著：癥狀大部分消失， 無明顯消極思想。有效：癥狀部分消失， 消極思想偶爾有發(fā)生。無效：癥狀無變化， 甚至有加深。總有效率=（痊愈+顯著+有效）/總例數(shù)×100%。
1. 4 統(tǒng)計學方法 采用SPSS16.0統(tǒng)計學軟件進行統(tǒng)計分析。計量資料以均數(shù)±標準差（ x-±s）表示， 采用t檢驗；計數(shù)資料以率（%）表示， 采用χ2檢驗。P
2 結(jié)果
2. 1 兩組患者臨床療效比較 經(jīng)治療12周后， 兩組患者基本癥狀均得到了有效緩解， 實驗組痊愈27例， 顯著7例， 有效4例， 無效2例， 總有效率95.0%；對照組痊愈19例， 顯著9例， 有效4例， 無效8例， 總有效率80.0%；實驗組總有效率明顯高于對照組， 差異具有統(tǒng)計學意義（χ2=4.114， P
2. 2 兩組患者GAF、GQOLI74以及LSR評分比較 經(jīng)過治療后， 對照組GAF、GQOLI74以及LSR評分分別為（63.59±
5.20）、（58.31±2.21）、（76.20±5.20）分， 而實驗組三項評分分別為（75.30±5.60）、（62.65±4.23）、（85.60±5.60）分， 實驗組各項評分高于對照組， 差異具有統(tǒng)計學意義（P
3 討論
焦慮癥屬于較為常見的一類心理癥狀， 需要結(jié)合實際的病理情況進行有效的救治[10， 11]。而通過藥物治療， 其作用效果不甚理想， 因此近年來通過認知行為療法的出現(xiàn)， 在一定程度上， 更進一步的改善了對這一類心理情況的改善。極大的促進了對心理焦慮患者的自我康復。
一、判斷題(每題2分)
1.智慧社區(qū)包含的核心內(nèi)容是它可以起到一個重要的橋梁作用，通過信息的收集，通過大數(shù)據(jù)的分析，通過物聯(lián)網(wǎng)使服務的提供能夠和需求結(jié)合在一起，最終使人們得到更加優(yōu)質(zhì)的、更加相對便宜的、更加有效的、更加個性化的服務。
正確
錯誤
2.家庭規(guī)?？s小強化了代際支持能力。
正確
錯誤
3.中國的預期壽命排名較低。
正確
錯誤
4.從老齡研究的角度，智慧養(yǎng)老能夠解決根本性的問題。
正確
錯誤
5.社區(qū)老年服務集成平臺的預測作用包括準確得知老年人生活的種種需求。
正確
錯誤
6.對于如何高效率、低成本地解決養(yǎng)老問題只針對城市地區(qū)而言。
正確
錯誤
7.大數(shù)據(jù)的價值重在挖掘，而挖掘就是分析。
正確
錯誤
8.大數(shù)據(jù)在我們?nèi)粘Ｉ钪泻苌俳佑|到。
正確
錯誤
9.以大數(shù)據(jù)應用促進醫(yī)藥分離改革，遏制虛高藥價。
正確
錯誤
10.當前世界的四大趨勢包括“經(jīng)濟全球化”、“全球城市化”、“全球信息化”和“城市工業(yè)化”。
正確
錯誤
11.美國在人工智能方面取得了較好的成果。
正確
錯誤
12.《在英國發(fā)展人工智能》中提出了：數(shù)據(jù)、技術、研究、政策上的開放和投入四個方向。
正確
錯誤
13.1956年10月，中國科學院籌建了中科院自動化及遠距離操縱研究所（后更名為中科院自動化所）。
正確
錯誤
14.20世紀80年代初期，錢學森等主張開展人工智能研究，中國的人工智能研究進一步活躍起來。
正確
錯誤
15.人工智能在醫(yī)療領域還存在一些問題。
正確
錯誤
16.只要人類搞清楚的問題都容易被機器人所取代。
正確
錯誤
17.醫(yī)聯(lián)合體發(fā)生在基層和?？漆t(yī)院之間。
正確
錯誤
18.作為影響深遠的顛覆性技術，人工智能可能改變就業(yè)結(jié)構、沖擊法律與社會倫理、侵犯個人隱私、挑戰(zhàn)國際關系準則等，對企業(yè)管理、個人安全、社會穩(wěn)定乃至全球治理帶來挑戰(zhàn)。
正確
錯誤
19.我國新一代人工智能發(fā)展的指導思想和基本原則是要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合，培育新增長點，形成新動能。
正確
錯誤
20.2016年9月開始，微軟的技術與研發(fā)部門和人工智能(AI)研究部門相互分離，各司其職。
正確
錯誤
二、單項選擇(每題2分)
21.醫(yī)療健康數(shù)據(jù)的應用包括：藥物研究、病人行為及其相關數(shù)據(jù)、（ ）、管理醫(yī)療社保基金。
A.臨床研究 B.科學研究 C.涉密研究 D.門診診斷
22.發(fā)展網(wǎng)信事業(yè)戰(zhàn)略的目標：加強領導、統(tǒng)籌規(guī)劃和依靠（ ）緊密協(xié)同。
A.產(chǎn)、學、用 B.產(chǎn)、學、研 C.社會分工 D.產(chǎn)、學、研、用
23.基礎技術提供平臺主要是（ ）平臺，這些云平臺為人工智能實現(xiàn)大規(guī)模的實時計算提供了計算基礎。
A.云計算 B.互聯(lián)網(wǎng) C.云計算、大數(shù)據(jù) D.大數(shù)據(jù)
24.2017年谷歌無人駕駛汽車可以對不同場景進行學習，如（ ）、城市道路、過橋等。
A.泥濘路 B.平路 C.鄉(xiāng)間小路 D.山路
25.騰訊AI政務基于騰訊微信、QQ等平臺自身連接能力，提供（ ）、智能服務、智能分析和智慧應用等服務。
A.精準推送 B.實名認證 C.智能核身 D.勾勒用戶圖像
26.牢牢把握新一代人工智能發(fā)展戰(zhàn)略機遇，堅定不移地把發(fā)展人工智能放在提高社會生產(chǎn)力、提升國際競爭力、增強綜合國力、保障國家安全的戰(zhàn)略支撐的（ ）位置。
A.全局核心 B.重點突出 C.關鍵部分 D.戰(zhàn)略中心
27.微軟自然語言計算組成立于 1998年，專長于（ ）、輸入法、問答、社交、文本挖掘等。
A.翻譯 B.收集 C.處理 D.校對
28.2016年5月，美國白宮成立了（ ）和機器學習委員會，協(xié)調(diào)全美各界在人工智能領域的行動，探討制定人工智能相關政策和法律。
A.人工智能 B.制造 C.無人駕駛 D.I技術
29.歐盟的人腦計劃旨在通過計算機技術模擬大腦，建立一套（ ）的生成、分析、整合、模擬數(shù)據(jù)的信息通信技術平臺。
A.創(chuàng)新 B.全自動 C.全新的、革命性 D.智能
30.德國“工業(yè)4.0”計劃涉及到的機器感知、（ ）、決策以及人機交互等領域。
A.規(guī)劃 B.識別 C.應用 D.操作
31.2017年，日本政府制定了人工智能產(chǎn)業(yè)化路線圖，計劃分（ ）階段推進利用人工智能技術，大幅提高制造業(yè)、物流、醫(yī)療和護理行業(yè)效率。
A.4個 B.2個 C.5個 D.3個
32.人工智能的發(fā)展要素：算法+（ ）+數(shù)據(jù)。
A.編程 B.數(shù)學 C.模擬 D.計算能力
33.國家加大對人工智能關鍵技術研發(fā)的支持力度，人工智能已成為我國的戰(zhàn)略（ ）。
A.發(fā)展重點 B.中心 C.要素 D.核心
34.百度、騰訊、阿里巴巴、科大訊飛等企業(yè)積極布局人工智能領域，搶占產(chǎn)業(yè)（ ）。
A.發(fā)展制高點 B.發(fā)展先機 C.發(fā)展 D.發(fā)展機遇
35.對人工智能發(fā)展態(tài)勢的判斷中的新挑戰(zhàn)是指人工智能發(fā)展的（ ）帶來新挑戰(zhàn)。
A.不確定性 B.負面影響 C.積極性 D.不穩(wěn)定性
36.碳云智能成立于2015年10月，希望建立一個健康大數(shù)據(jù)平臺，運用人工智能技術處理這些數(shù)據(jù)，幫助人們做（ ）。
A.日常起居 B.健康管理 C.醫(yī)療檢查 D.生活管理
37.百度的Apollo（阿波羅）計劃，即百度將向汽車行業(yè)及自動駕駛領域的合作伙伴提供一個開放、完整、安全的軟件平臺，幫助他們結(jié)合車輛和硬件系統(tǒng)，快速搭建一套屬于自己的完整的（ ）系統(tǒng)。
A.自動駕駛 B.自動操作 C.智能駕駛 D.無人駕駛
38.我國新一代人工智能發(fā)展的總體部署中構建一個體系是指構建（ ）的人工智能科技創(chuàng)新體系。
A.對外開放 B.互惠互利 C.合作共贏 D.開放協(xié)同
39.互聯(lián)網(wǎng)醫(yī)院要依托于（ ）建設。
A.現(xiàn)有實體 B.信息共享 C.互聯(lián)網(wǎng) D.分級診療
40.《打造智慧社區(qū)，優(yōu)化居家養(yǎng)老（下）》認為，發(fā)展智慧養(yǎng)老服務可以帶動我國哪些經(jīng)濟領域的發(fā)展（ ）。
A.制造業(yè) B.服務業(yè) C.娛樂業(yè) D.農(nóng)業(yè)
三、多項選擇(每題2分)
41.人工智能的智能硬件其交互方式出現(xiàn)（ ）直接交互。
A.手勢 B.語音 C.體感 D.眼神
42.人工智能能夠?qū)Γ?）的安全進行防護。
A.個人 B.醫(yī)療 C.金融 D.城市
43.（ ）的融合創(chuàng)新是智能安防發(fā)展的重要切入點。
A.人工智能 B.體感 C.音頻 D.視頻
44.人工智能產(chǎn)業(yè)體系的融合產(chǎn)業(yè)有（ ）。
A.智能金融 B.智能客服 C.自動駕駛汽車 D.智能制造
45.人工智能應用類企業(yè)的切入領域有（ ）。
A.機器人 B.智能家居 C.教育培訓 D.醫(yī)療設備
46.廣泛開展人工智能科普活動，做到（ ）。
A.支持開展形式多樣的人工智能科普活動
B.鼓勵科學家參與人工智能科普
C.建設和完善人工智能科普基礎設施
D.支持開展人工智能競賽
47.智慧社區(qū)的淵源包括（ ）。
A.原始社會 B.工業(yè)社會 C.農(nóng)業(yè)社會 D.信息化社會
48.智慧社區(qū)的三級指標包括（ ）。
A.保障體系 B.便民服務 C.社區(qū)治理與公共服務 D.主題社區(qū)
49.中國人口老齡化面對的挑戰(zhàn)有（ ）。
A.人口流動頻繁，家庭養(yǎng)老能力不足
B.代際關系變化，老年居住空巢增加
C.預期壽命延長，照料需求壓力加大
D.家庭規(guī)?？s小，代際支持能力弱化
關鍵詞:新醫(yī)科;智能醫(yī)學;人才培養(yǎng)
1緒論
健康中國已上升為國家戰(zhàn)略，新醫(yī)科在我國高等教育中掀起了一陣新的改革浪潮，“智能醫(yī)學”的應用性人才培養(yǎng)模式也隨之開啟。智能醫(yī)學工程是以現(xiàn)代醫(yī)學與生物學理論為基礎，融合先進人工智能及工程技術，挖掘人的生命和疾病現(xiàn)象的本質(zhì)及其規(guī)律，探索人機協(xié)同的智能化診療方法及其臨床應用的新興交叉學科。目前，高校在進行醫(yī)工融合培養(yǎng)學生的指導過程中，存在許多問題，如醫(yī)學和工科的理論結(jié)合層面較為薄弱，多學科交叉聯(lián)合指導的機制不完善，成果轉(zhuǎn)化和臨床應用性不高。實踐層面，在現(xiàn)有的醫(yī)學教育模式下，醫(yī)學生缺乏全面的對數(shù)據(jù)進行收集、處理與分析的能力。但是在智能醫(yī)學時代，對數(shù)據(jù)的處理與分析能力會成為醫(yī)生工作的重要組成部分。面向醫(yī)療健康的智能醫(yī)學工程交叉學科人才的迫切需求，智能醫(yī)學工程交叉學科的人才培養(yǎng)的機制有待完善。2019年，一些院校如南開大學和天津大學獲得教育部的審批，已經(jīng)率先實行招收智能醫(yī)學工程專業(yè)的新生［1］。高等醫(yī)學教育對新醫(yī)科背景下智能醫(yī)學工程專業(yè)人才培養(yǎng)認知還處于探索階段，智能醫(yī)學工程如何實現(xiàn)醫(yī)工交叉學科的融合發(fā)展，如何獲取人才培養(yǎng)中的合適方法、模式、關鍵技術等的研究，協(xié)同醫(yī)學發(fā)展、社會需求的人才，還需要深入思考和進一步探索。
2新醫(yī)科背景下智能醫(yī)學人才培養(yǎng)
2．1新醫(yī)科符合醫(yī)科改革的內(nèi)在需求
隨著“健康中國2030”國家決策不斷推進，醫(yī)療健康逐漸被國家視為重要的基礎性戰(zhàn)略資源，在大數(shù)據(jù)和人工智能技術影響下，臨床應用、疾病預測與預防、公共衛(wèi)生、循證公共衛(wèi)生決策、健康管理、健康監(jiān)測與個性化醫(yī)療服務等方面的研究以及產(chǎn)業(yè)發(fā)展，將是未來整個醫(yī)療領域的提升方向，給智能醫(yī)學分析與決策賦予了新的意義和內(nèi)涵。
2．2醫(yī)工融合發(fā)展的必然趨勢
隨著精準醫(yī)療與智能醫(yī)學診療技術的深度融合，理論層面，把握新醫(yī)科背景下智能醫(yī)學工程專業(yè)復合型創(chuàng)新人才培養(yǎng)目標，以臨床應用性為導向，多學科領域知識相互滲透。調(diào)整醫(yī)工結(jié)合課程體系，既符合新醫(yī)科需求，又實現(xiàn)醫(yī)工融合課程模塊間的交叉互補，體現(xiàn)醫(yī)工結(jié)合特色的寬口徑學科結(jié)構。培養(yǎng)既懂醫(yī)藥科學、數(shù)據(jù)科學又懂人工智能應用的高級復合型人才。實踐層面，精準醫(yī)療與智能醫(yī)學工程技術緊密結(jié)合，利用臨床醫(yī)生在傳統(tǒng)醫(yī)學中積累豐富的臨床經(jīng)驗，并融入到智能醫(yī)學診療模式變化中，將徹底改變現(xiàn)有診療模式。
2．3人工智能助力智能醫(yī)學工程人才培養(yǎng)
隨著科學技術的飛速革新，人工智能核心技術推動傳統(tǒng)學科專業(yè)建設和醫(yī)工交叉融合。助力人才培養(yǎng)主要表現(xiàn)在以下三個方面。一是從智能醫(yī)學診療技術創(chuàng)新的角度，技術的革新引領人工智能與各個產(chǎn)業(yè)領域深度融合，創(chuàng)造新的產(chǎn)業(yè)或領域，計算機模擬人腦的思維過程，實現(xiàn)人機交互，提高醫(yī)療資源的利用率，推動醫(yī)療產(chǎn)業(yè)的高效運轉(zhuǎn)。智能醫(yī)學診療主要包括疾病早期診斷、臨床決策支持、正確用藥、診療方案的選擇等。如KopR和HoogendoornM等探索了醫(yī)院對病人電子病歷(EMR)數(shù)據(jù)進行分析，結(jié)合結(jié)直腸癌預測模型，更準確的預測早期直腸癌和干預治療實踐［2］;HoshyarAN和Al-JumailyA等探索了醫(yī)學影像自動診斷皮膚癌，通過數(shù)據(jù)預處理去除噪音和不必要的背景圖像，提高圖像質(zhì)量，輔助醫(yī)生進行臨床決策［3］。二是從醫(yī)療健康大數(shù)據(jù)的角度，隨著大數(shù)據(jù)、數(shù)字技術、機器學習和人工智能等信息技術在醫(yī)療領域的應用，電子健康記錄數(shù)據(jù)呈指數(shù)型增長，醫(yī)療大數(shù)據(jù)來源包括醫(yī)院記錄、患者醫(yī)療記錄、醫(yī)療檢查結(jié)果和物聯(lián)網(wǎng)設備［4］。智能醫(yī)療系統(tǒng)具有識別、篩選和決策等智能醫(yī)療輔助功能。2017年上海計算機軟件技術開發(fā)中心對醫(yī)療大數(shù)據(jù)可視化系統(tǒng)的實踐與研究［5］;2018年，阿里健康與阿里云宣布共建阿里醫(yī)療大腦2．0［6］，加強在圖像識別、生理信號識別、知識圖譜構建等能力的建設［7］;同年，騰訊推出醫(yī)療AI引擎“騰訊睿知”，具備更智能化的醫(yī)療垂直搜索功能，幫助患者精準匹配合適的醫(yī)生。三是從人才培養(yǎng)的角度，多學科交叉融合發(fā)展是大勢。人工智能將打破不同學科專業(yè)的壁壘，推進多學科交叉融合發(fā)展，形成“人工智能+”的專業(yè)新的人才培養(yǎng)模式。高校也應根據(jù)產(chǎn)業(yè)需求變化調(diào)整專業(yè)設置，構建新的專業(yè)結(jié)構。高校人工智能相關的本科專業(yè)將會蓬勃發(fā)展，形成頗具特色的“人工智能+”專業(yè)集群?！叭斯ぶ悄?”技術所衍生的新醫(yī)科、新工科專業(yè)之間的協(xié)同創(chuàng)新發(fā)展，實現(xiàn)技術創(chuàng)新與醫(yī)療應用的統(tǒng)一。以“人工智能+醫(yī)學”為契機，結(jié)合醫(yī)學產(chǎn)業(yè)發(fā)展趨勢和智能醫(yī)學工程專業(yè)的特點，研究相應的教學體系、制定科學的教學計劃，建立具有行業(yè)特色的課程群、制定合理的課程大綱，解決學生在醫(yī)學診療和工程技術兩方面協(xié)調(diào)發(fā)展的問題，全面提升醫(yī)學生的綜合素養(yǎng)以及未來的職業(yè)競爭力。綜上所述，新醫(yī)科人才培養(yǎng)在人工智能助力下，培養(yǎng)學生具備較強的創(chuàng)新意識和具有智能醫(yī)學領域科研能力，掌握關鍵理論與方法，創(chuàng)造性地將計算機科學技術、人工智能技術和方法、大數(shù)據(jù)關鍵技術與醫(yī)學應用系統(tǒng)相結(jié)合，進而創(chuàng)新性完成的醫(yī)學信息處理、行為交互和人工智能系統(tǒng)集成及應用。以上需培養(yǎng)的能力，對現(xiàn)有醫(yī)學專業(yè)的改造升級、人才培養(yǎng)模式的改變、師資隊伍的全面建設具有較高的要求。
3培養(yǎng)新醫(yī)科人才的實施路徑
3．1從醫(yī)工融合研究的視角
智能醫(yī)學工程的專業(yè)培養(yǎng)建設要體現(xiàn)醫(yī)工融合發(fā)展需求，推進智能工程、醫(yī)學與教育的深度融合，提升人工智能在醫(yī)學中的應用，滿足新醫(yī)科發(fā)展要求的卓越工程師為育人目標，強調(diào)學科交叉滲透、重視臨床應用、把握科技前沿，推動教學創(chuàng)新等。
3．2從醫(yī)工融合研究的廣度
目前我國部分高校開展了醫(yī)工融合人才培養(yǎng)模式的探索，但有區(qū)域特色的醫(yī)工融合研究還不多。針對新醫(yī)科臨床需求分析，把握智能醫(yī)學工程高等教育體系，重點聚焦區(qū)域特色，研究面向健康和重大及特殊疾病防治需求的“新醫(yī)科”對人才的需求。
3．3從醫(yī)工融合研究的深度
(1)整體設計智能醫(yī)學工程專業(yè)教學環(huán)節(jié)。建立知識能力矩陣，整體設計教學、實驗、課程設計、專業(yè)實習、畢業(yè)設計等環(huán)節(jié)，突出新醫(yī)科相關課程及實踐，加強附屬醫(yī)院和教學醫(yī)院的聯(lián)系，深化臨床實踐能力。(2)培養(yǎng)學生專業(yè)能力和科研創(chuàng)新能力。智能醫(yī)學工程專業(yè)教學與知識能力培養(yǎng)的思考是以智能醫(yī)學學科的特點為基礎，通過知識能力矩陣的智能醫(yī)學工程專業(yè)課程創(chuàng)新教學，根據(jù)智能醫(yī)學工程專業(yè)課程知識點的內(nèi)在聯(lián)系和相對獨立性，優(yōu)化核心知識模塊形成知識能力矩陣，構建課程內(nèi)容架構。通過系統(tǒng)理論知識教學、優(yōu)化課程實驗和上機安排，引導學生自主設計性學習，提高學生的學習積極性，達到有效教學效果。(3)結(jié)合學生興趣偏好，研究如何提高學生的專業(yè)興趣，探索將專業(yè)興趣轉(zhuǎn)換為“工匠精神”的教育理論及方法:廣泛調(diào)研，全面建立當前地方高校智能醫(yī)學工程專業(yè)學生與專業(yè)偏好的培養(yǎng)模式。
4結(jié)語
[關鍵詞] 鹽酸戊乙奎醚；全麻；老年；術后認知功能障礙
[中圖分類號] R614 [文獻標識碼] B [文章編號] 1673-9701（2017）06-0113-03
[Abstract] Objective To explore the effect of penehyclidine hydrochloride as general anesthesia premedication on postoperative cognitive dysfunction in elderly patients. Methods A total of 90 cases of elderly patients treated in our hospital from April 2015 to April 2016 were randomly divided into control group and observation group. 45 cases in each group， and control group was treated with atropine before operation， while the observation group was treated with penehyclidine hydrochloride. The simple intelligence mental state examination scale （MMSE） score， operation time， drug withdrawal to call open eyes time， drug withdrawal to removal of tracheal tube time， postoperative recognition of the two groups of anesthesia before and after， and the incidence of dysfunction（POCD） were compared between two groups. Results MMSE scores were lower in the two groups on day 1， day 3 after operation compared with day 1 before operation， and the difference was statistically significant（P0.05）. There was no significant difference in the time of operation， the time from drug withdrawal to calling for open eyes， the time from drug withdrawal to removal of tracheal catheterization and postoperative cognitive dysfunction incidence between the two groups（P>0.05）. Conclusion Penehyclidine hydrochloride for preoperative general anesthesia does not affect the postoperative cognitive dysfunction in elderly patients. The incidence of postoperative cognitive dysfunction will not increase.
[Key words] Penehyclidine hydrochloride； General anesthesia； Elderly； Postoperative cognitive dysfunction
g后認知功能障礙作為絕大多數(shù)老年患者術后早期較為常見的問題，對老年患者術后恢復造成了較大的影響，盡管目前關于該病的發(fā)病機制尚不明確，但有研究報道指出，術后早期認知功能障礙的發(fā)生發(fā)展與中樞乙酰膽堿衰退有關[1]。臨床資料顯示，鹽酸戊乙奎醚作為一種新型的抗膽堿藥物，一方面對患者的心率及血壓造成的影響較小，同時具有較為突出的抑制腺體作用，在改善患者氣道阻力方面具有重要意義，其作為術前用藥得到了廣泛的關注[2]。本研究主要針對鹽酸戊乙奎醚作為全麻術前用藥對老年患者術后認知功能障礙的影響進行分析，現(xiàn)報道如下。
1 資料與方法
1.1 一般資料
選取我院自2015年4月～2016年4月收治的90例老年手術患者，均為非心臟手術患者，術前排除認知功能障礙、神經(jīng)或精神系統(tǒng)疾病患者，ASAⅠ～Ⅲ級，自愿簽署了關于本次試驗的知情同意書，采取隨機數(shù)字表法將患者分為對照組與觀察組，每組各45例，對照組年齡60～78歲，平均（70.3±2.7）歲，體重58～72 kg，平均（64.2±2.5）kg，觀察組年齡63～75歲，平均（71.9±2.9）歲，體重59～70 kg，平均（63.2±2.9）kg。兩組患者一般資料比較，差異無統(tǒng)計學意義（P>0.05），具有可比性。
1.2 麻醉方法
兩組患者進入手術室后連接多功能生命體征監(jiān)護儀以及Narcotrend麻醉深度監(jiān)護儀，建立開放的靜脈通道，對照組術前10 min給予靜脈注射0.5 mg阿托品（杭州民生藥業(yè)有限公司，國藥準字：H33020086），觀察組術前10 min給予靜脈注射0.5 mg鹽酸戊乙奎醚（成都力思特制藥股份有限公司，國藥準字：H2002 0606）[3]。麻醉誘導用藥：0.05 mg/kg咪達唑侖（上海羅氏制藥有限公司，國藥準字：H20010311）+0.4 μg/kg舒芬太尼（宜昌人福藥業(yè)有限責任公司，國藥準字：H20054256）+0.2 mg/kg順式阿曲庫銨（東英藥業(yè)有限公司，國藥準字：H20060927）+（0.1～0.3）mg/kg依托咪酯（江蘇恩華藥業(yè)股份有限公司，國藥準字：H32022992），成功氣管插管后給予機械通氣[4]。麻醉維持用藥：給予瑞米芬太尼+丙泊酚持續(xù)輸注，期間對血流動力學指標及Narcotrend值進行監(jiān)測。
1.3觀察指標
比較兩組麻醉前后簡易智能精神狀態(tài)檢查量表（MMSE）評分、手術時間、停藥至呼喚睜眼時間、停藥至拔除氣管導管時間。MMSE量表包括時間定向力、地點定向力、即刻記憶、注意力及計算力、延遲記憶、語言、視空間等7個方面，量表總分在0～30分之間，得分越高說明認知功能越好，得分在27分以下評為術后認知功能障礙[5]。兩組患者均在研究人員的指導幫助下完成，并統(tǒng)一回收量表，確保量表回收率為100%。
1.4 統(tǒng)計學處理
采用SPSS 18.0統(tǒng)計學軟件對本次研究所取得的數(shù)據(jù)進行分析，計數(shù)資料采用χ2檢驗，計量資料以均數(shù)±標準差（x±s）的形式表示，采用t檢驗，組內(nèi)多時點比較采用方差分析，以P
2 結(jié)果
2.1 兩組手術前后MMSE評分比較
兩組術前1 d MMSE評分比較，差異無統(tǒng)計學意義（P>0.05）。兩組術后1 d、術后3 d MMSE評分分別與術前1 d比較均較低，差異有統(tǒng)計學意義（P0.05）。見表1。
2.2兩組圍術期指標及術后認知功能障礙發(fā)生率比較
兩組手術時間、停藥至呼喚睜眼時間、停藥至拔除氣管導管時間及術后認知功能障礙發(fā)生率比較，差異均無統(tǒng)計學意義（P>0.05）。見表2。
3討論
隨著人口老齡化速度的加快，接受外科手術的老齡患者比例也呈明顯上升趨勢。由于老年患者通常伴隨不同程度的臟器功能退行性改變，因此，可同時出現(xiàn)圍術期儲備功能以及代償能力明顯降低，嚴重者還可出現(xiàn)術后認知功能下降等并發(fā)癥，嚴重影響患者的生活質(zhì)量，因此，為老年患者選擇合適的圍術期物至關重要，結(jié)合以往研究經(jīng)驗我們發(fā)現(xiàn)，老年患者物的選擇與青壯年有明顯差異[6]。有研究報道認為，術前使用小劑量苯二氮■類藥物，例如咪唑安定等一方面可明顯降低老年患者g前焦慮抑郁，另一方面可對心腦缺血性疾病產(chǎn)生有效的預防作用[7]。但在平常用藥時，需要對老年患者的具體情況作出綜合判斷，有研究發(fā)現(xiàn)給予阿托品或鹽酸戊乙奎醚作為術前麻醉用藥是安全可行的[8]。
大量臨床資料顯示，在術前使用抗膽堿類藥物的主要目的在于對唾液腺以及呼吸道腺體的分泌產(chǎn)生抑制作用，從而有效促進呼吸道通暢，降低術后肺炎等疾病的發(fā)生率，以有效促進預后[9-10]。另外有研究報道指出，術后認知功能障礙的發(fā)生可能與中樞膽堿能系統(tǒng)的作用位點相關，目前已有臨床研究證實，極低濃度的物殘余即可對患者的神經(jīng)功能作用造成影響，抗膽堿能藥物與術后認知功能障礙的發(fā)生存在密切關系[11]。鹽酸戊乙奎醚作為我國近年來研究出來的一種新型抗膽堿類藥物，其作用機制為可選擇性的作用于分布在中樞神經(jīng)系統(tǒng)的M1以及分布在平滑肌和腺體的M3受體，但對于心臟或神經(jīng)元突觸前膜上的M2受體并無明顯作用，不易增加血壓水平異常以及心動過緩等不良反應的發(fā)生，安全性較高[12-13]。藥理學研究指出，鹽酸戊乙奎醚作為麻醉前藥物使用時，能在有效抑制機體腺體分泌的同時幫助穩(wěn)定患者的血流動力學平衡，同時不增加患者的心肌耗氧量，對于保障老年患者的圍手術期安全性具有積極意義[14-15]。另一方面，鹽酸戊乙奎醚能有效拮抗乙酰膽堿能受體對患者中樞神經(jīng)系統(tǒng)的興奮作用，從而明顯延緩患者中樞膽堿能系統(tǒng)的退行性改變，在減少老年患者術后認知功能障礙的臨床治療中具有積極意義[16]。但鹽酸戊乙奎醚與阿托品一樣在術前使用時均可引起術后認知功能障礙，且在一般情況下通常無明顯差異[17-18]。
本研究結(jié)果顯示，兩組術后1 d、術后3 d MMSE分別與術前1 d比較評分均較低，差異均有統(tǒng)計學意義（P0.05）。兩組手術時間、停藥至呼喚睜眼時間、停藥至拔除氣管導管時間及術后認知功能障礙發(fā)生率比較，無明顯差異（P>0.05）。結(jié)果證實鹽酸戊乙奎醚作為全麻術前用藥與常規(guī)阿托品比較在引起術后認知功能障礙方面無劣勢，同樣具有一定的安全性[19，20]。
綜上所述，鹽酸戊乙奎醚作為全麻術前用藥未對老年患者術后認知功能障礙造成影響，未增加術后認知功能障礙發(fā)生率。由于本次試驗研究樣本量少，可能存在一定的缺陷，可通過深入研究以獲得精確的結(jié)論。
[參考文獻]
[1] 劉雅，劉學芳，谷若男，等. 術前應用鹽酸戊乙奎醚對老年患者術后早期認知功能的影響[J]. 河北醫(yī)藥，2013， 35（10）：1456-1457.
[2] Monk TG，Price CC. Postoperative cognitive disorders[J]. Curr Opin Crit Care，2011，（17）：376-381.
[3] 許宏亮，連燕虹，解康杰，等. 右美托咪定對肺癌根治術患者術后譫妄的預防作用[J]. 中華全科醫(yī)學，2014， 12（9）：1217-1219.
[4] 沈耀峰，吳鏡湘，徐美英. 丙泊酚和七氟醚麻醉對老年患者普通胸外科手術后認知功能的影響[J]. 上海交通大學學報（醫(yī)學版），2011，31（3）：322-323.
[5] 馬春，楊安波. 鹽酸戊乙奎醚對腹腔鏡下胃癌根治術圍術期胃動素和胃泌素的影響[J]. 中國醫(yī)藥導報，2014， 11（3）：12-13.
[6] 畢光焰，王世英，楊守衡. 鹽酸戊乙奎醚作為麻醉前用藥對老年硬膜外麻醉患者術后認知功能的影響[J]. 中國醫(yī)藥導刊，2012，14（1）：47-48.
[7] 李剛，韓靜，劉毅，等. 三種全麻維持方法對老年患者血流動力學和蘇醒質(zhì)量影響的比較[J]. 當代醫(yī)學，2011， 17（3）：102-103.
[8] Unlugenc H，Itegin M，Ocal I，et al. Low-dose remifentanil？infusion during ventilator weaning and tracheal extubation in postoperative intensive care unit patients sedated with propofol-remifentanil[J]. Anaesthesia and Intensive Care，2012，40（4）：656-662.
[9] Hempenius L，Slates JP，Van Asselt D，et al. Outcomes of a Geriatric Liaison Intervention to Prevent the Development of Postoperative Delirium in Frail Elderly Cancer Patients： Report on a Multcenter，Randomized，controlled Trial[J]. PLoS One，2013，8（6）：648-650.
[10] 疏樹華，柴小青，周玲，等. 不同劑量鹽酸戊乙奎醚對老年患者術后早期認知功能的影響[J]. 臨床麻醉學雜志，2013，29（1）：28-29.
[11] 孫玉川，王殿濤，于金花，等.七氟醚和丙泊酚麻醉對老年肺癌患者術后認知功能的影響[J].中國實用醫(yī)藥，2014，9（7）：5-6.
[12] 楊慧. 術前應用鹽酸戊乙奎醚對老年患者術后早期認知功能的影響[J]. 中國實用醫(yī)藥，2013，8（32）：181-182.
[13] Setacci C，Sirignano A，Ricci G，et al. A new ethical and medico-legal issue：Vascular surgery and the postoperative cognitive dysfunction[J]. Journal of Cardiovascular Surgery，2015，56（4）：607-615.
[14] 劉學慧，陳遠聲. 小劑量鹽酸戊乙奎醚滴鼻對老年經(jīng)鼻插管全麻老年患者呼吸功能及認知功能的影響[J]. 現(xiàn)代診斷與治療，2016，27（12）：2211-2212.
[15] Tzimas P，Andritsos E，Arnaoutoglou E，et al. Short-term postoperative cognitive function of elderly patients undergoing first versus repeated exposure to general anesthesia[J].Middle East Journal of Anaesthesiology，2016，23（5）：535-536.
[16] 李立芊，阮慧娟，葉秀麗. 鹽酸戊乙奎醚對婦科腹腔鏡手術患者早期認知功能的影響[J]. 中國傷殘醫(yī)學，2016， 24（3）：28-30.
[17] 劉秀，劉洪濤. 術前靜注小劑量鹽酸戊乙奎醚對全身麻醉甲狀腺手術患者圍術期認知功能的影響[J]. 山東醫(yī)藥，2015，55（7）：88-89.
[18] 胡微瀾，韓威利，楊偉，等. 低劑量鹽酸戊乙奎醚對老年食管癌根除術患者腺體分泌及早期J知影響分析[J].重慶醫(yī)學，2015，44（8）：1122-1123.
[19] Yuhong LI，Rui HE，Chen S，et al. Effect of dexmedetomidine on early postoperative cognitive dysfunction and peri-operative inflammation in elderly patients undergoing laparoscopic cholecystectomy[J]. Experimental & The-rapeutic Medicine，2015，10（5）：1635-1642.
關鍵詞：互聯(lián)網(wǎng)；人工智能；客戶信息
一、人工智能及作用（技術）
管理信息系統(tǒng)中的三大要素：信息、技術和人。龐大的信息通過被識別、篩選過濾得到人們所需信息，然后被收集起來發(fā)揮其作用，人們利用更精確的信息做出更有效的決策，并改進當前的落后技術，創(chuàng)造更高效快捷實用的技術。而這些技術能夠更好的被人們利用起來從而服務于人。
圖1 管理信息系統(tǒng)三要素關系
人工智能（AI）是計算機科學的一個分支。它是研究運用計算機模仿人類的各種行為如推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等的技術和軟件，用以解決需要人類專家才能處理的復雜問題，如診斷、預測、分類等。企業(yè)中使用最廣泛的人工智能系統(tǒng)主要有四個類別：專家系統(tǒng)、神經(jīng)網(wǎng)絡、遺傳算法和智能。
專家系統(tǒng)（ES）作為人工智能中的一個重要分支，在財務管理、醫(yī)藥、生產(chǎn)等一些特定領域發(fā)揮了巨大作用。專家系統(tǒng)是一種智能的計算機程序，能夠獲取企業(yè)的專業(yè)知識，以便運用知識和推理能力解決問題。專家系統(tǒng)通常由知識庫及其管理系統(tǒng)、綜合數(shù)據(jù)庫、知識獲取機制、推理機、解釋器和人機交互界面六部分組成。
圖2 專家系統(tǒng)基本結(jié)構
神經(jīng)網(wǎng)絡即人工神經(jīng)網(wǎng)絡（ANN）是模擬人類分辨事物的能力，可以發(fā)現(xiàn)和辨別模式的人工智能系統(tǒng)，并且它不需要預先設定得出結(jié)論的步驟。神經(jīng)網(wǎng)絡具有自適應和自學習的特點。神經(jīng)網(wǎng)絡應用廣泛，主要方向有：識別、預測、分類等，用于字跡識別、語音識別、圖像識別、財務預測、疾病研究、檢測與評估。由于神經(jīng)網(wǎng)絡可以從大量的信息中發(fā)現(xiàn)模式，因此又常被稱為預測系統(tǒng)。
遺傳算法（GA）從字面上看，“遺傳”二字就可以表達出該系統(tǒng)的重點，它是通過模擬生物進化過程中自然選擇和適者生存規(guī)律等遺傳機理從而產(chǎn)生一個問題的逐步改進的解決方案。遺傳算法已經(jīng)成功的被應用于銷售、管理、設計、工業(yè)等領域，解決了很多問題。遺傳算法應用了三種進化概念：選擇、交叉、變異。選擇即優(yōu)勝劣汰，優(yōu)先考慮較好的結(jié)果；交叉是產(chǎn)生新個體的主要方法，將幾個好的結(jié)果組合在一起期望其產(chǎn)生更好結(jié)果；變異是產(chǎn)生新個體的輔助方法，隨機組合然后評估結(jié)果的好壞。
智能（IA）又稱為智能體，是在用戶沒有明確具體要求的情況下，根據(jù)用戶需求代替人或輔助人來執(zhí)行各種復雜的工作的軟件。其特點是智能性、主動型、協(xié)作適應性。智能在許多領域起著重要的作用，如電子商務、信息服務、教育娛樂等。
二、人工智能的應用
1.專家系統(tǒng)判別目標客戶群
互聯(lián)網(wǎng)時代，用戶需求更加細分，市場應該更關注和滿足用戶的個性化，那就要從收集客戶信息入手，首先得了解目標客戶才能掌握市場。那么，專家系統(tǒng)可以幫我們判斷客戶群體，也就是解決為誰生產(chǎn)產(chǎn)品以及生產(chǎn)的產(chǎn)品是為誰所需的問題。專家系統(tǒng)利用其處理大量信息且能匯集來自各種渠道的信息和推理能力解決診斷、指令性問題，對客戶群體進行識別，合理判斷出目標客戶群，才能為客戶提供更好的產(chǎn)品。例如寶潔公司根據(jù)對用戶群體細致的細分，發(fā)展到現(xiàn)在一共擁有五大洗發(fā)水系列品牌。海飛絲主打去屑，飄柔洗護二合一，潘婷維他命配方滋養(yǎng)修復，沙宣領導專業(yè)創(chuàng)新，伊卡璐草本環(huán)保清新自然。利用專家系統(tǒng)，通過對客戶數(shù)據(jù)的分析，針對不同需求可以向客戶推薦相應洗發(fā)水從而提高銷量。從產(chǎn)品出發(fā)尋找客戶，就是要求根據(jù)產(chǎn)品自身特性，在調(diào)查分析同類產(chǎn)品市場需求的基礎上，應用專家系統(tǒng)篩選和鎖定產(chǎn)品銷售的目標客戶群體，解決好“賣給誰”的問題。
2.神經(jīng)網(wǎng)絡做預測
企業(yè)每天都會收集到大量信息，要使得信息發(fā)揮其價值作用，接下來使用神經(jīng)網(wǎng)絡的發(fā)現(xiàn)和預測功能就可以從大量客戶信息中進行分析并預測產(chǎn)品的銷量和盈虧，包括各種商品的銷售情況、庫存、商品結(jié)構、資金占用比、客人數(shù)等多個角度進行詳細的統(tǒng)計分析與預測。美國第二大零售店塔吉特，給每位前來購物消費的顧客一個編號，每個編號里記錄該顧客的所有個人信息，包括個人信息：聯(lián)系方式、住址、郵箱等；消費信息：購物偏好、購物頻率等。塔吉特擁有一套數(shù)據(jù)預測系統(tǒng)即神經(jīng)網(wǎng)絡系統(tǒng)，它通過對消費者的消費習慣進行多次的測試和大量綜合數(shù)據(jù)分析得出結(jié)論。根據(jù)這些結(jié)論我們可以得到很多有用的信息，如：明年某產(chǎn)品的預期進貨量、預期收益和對資金的運作規(guī)劃等。
3.遺傳算法優(yōu)化服務
遺傳算法系統(tǒng)當然必不可少，它可以優(yōu)化整個系統(tǒng)并為客戶提供更好的服務。塔吉特根據(jù)顧客一段時間內(nèi)的消費記錄，利用專家系統(tǒng)識別消費群體，利用神經(jīng)網(wǎng)絡系統(tǒng)進行數(shù)據(jù)分析，將顧客購買的物品分類并考察購買頻率，找到內(nèi)在需求數(shù)據(jù)，進一步判斷消費者的身份。這時我們需要遺傳算法這個優(yōu)化系統(tǒng)根據(jù)這些數(shù)據(jù)得出一些可以用來組合營銷的產(chǎn)品，例如我們熟知的啤酒和尿布、煙和酒、玩具和學習用品等。通過遺傳算法決策者可以適時調(diào)整商品結(jié)構，增加了商品的競爭力，使商品結(jié)構與配置趨于更優(yōu)化合理的狀態(tài)。遺傳算法就可以用于解決組合優(yōu)化問題、調(diào)度問題以及物流配送問題。沃爾瑪?shù)乃拓涇囮牽梢哉f是全美最大的，車隊采用電腦進行車輛調(diào)度，遺傳算法可以為其提供最優(yōu)化的合理路線，并通過全球衛(wèi)星定位系統(tǒng)對車輛進行定位跟蹤，確保送貨的可靠性和及時性。
4.智能挖掘推廣
智能更能發(fā)揮出錦上添花的作用，智能可以用來進行目標客戶的銷售推廣。在判斷出消費者身份后，進而可以用廣告、贈送優(yōu)惠券、發(fā)郵件或信息提醒告知顧客近期的優(yōu)惠活動，其中智能系統(tǒng)發(fā)揮了巨大作用。塔吉特超市中曾出現(xiàn)過這樣一件事：一位男子怒以為超市給他17歲的女兒嬰兒尿片的優(yōu)惠券是個大烏龍，但超市的神經(jīng)網(wǎng)絡預測系統(tǒng)通過購物數(shù)據(jù)分析出她的女兒在一段時間內(nèi)的消費情況，包括購買的物品類別和購買頻率得出結(jié)論他的女兒是一位準媽媽，這才贈送了優(yōu)惠券。智能中的信息在其中無疑很重要，最知名的信息是采購者，又稱為購物機器人，它是位于網(wǎng)上的智能，可以幫助顧客盡快找到所需產(chǎn)品和服務。亞馬遜就利用這種智能技術根據(jù)消費者的消費情況在你瀏覽商品時就為你推薦你可能喜歡的商品，就像我們在用音樂播放器播放音樂時會有一個選項叫“猜你喜歡”為你推薦你可能喜歡的歌曲。網(wǎng)站通過將空間出售給別的商家進行商品銷售或者以點擊次數(shù)收費也就是為網(wǎng)頁鏈接站點付費。
三、總結(jié)
一個企業(yè)的利潤=收入-成本，從戰(zhàn)略的角度看，我們將收入看作線上部分，將成本看作線下部分。利用人工智能技術營銷客戶就是增加線上部分即增加收入來獲得更大的利潤，增加線上的方法還有推出新產(chǎn)品、提供增值服務及互補性產(chǎn)品等，減少線下部分可以采取優(yōu)化生產(chǎn)流程、降低運輸和人力成本等方法，當然線上線下兩者結(jié)合對于利潤的增加效果更突出。
總體上利用各種人工智能技術建立新型客戶關系管理系統(tǒng)，首先先了解消費者，其次為其推薦商品并滿足其需求，最后挖掘顧客的潛在需求。實現(xiàn)銷售自動化，建立起完善的客戶服務及支持系統(tǒng)，準確的分析市場營銷活動。利用人工智能技術建立競爭優(yōu)勢，如顧客忠誠計劃：使顧客成為店家的會員，辦理會員卡或者積分卡，有些商家則以顧客的手機號碼作為積分號或者會員號使會員機制更加簡便易記，用好的服務和產(chǎn)品讓顧客成為最好的產(chǎn)品宣傳者，變成產(chǎn)品的粉絲，就像我們熟知的蘋果商品的“果粉”、小米商品的“米粉”一樣。讓消費者為產(chǎn)品代言，必須要做到的就是與時俱進，利用起身邊的科技產(chǎn)品先進系統(tǒng)，完善優(yōu)化自己的客戶管理系統(tǒng)。人工智能不僅僅是人工智能，它能做到的還有很多很多?？傊?，信息為人們所收集創(chuàng)造出更先進的技術，技術又被人們應用起來收集更有用的信息為人們所服務。
參考文獻：
[1]胡勤.人工智能概述[J].電腦知識與技術，2010（5）.
[2]Stephen Haag.建援，譯.信息時代的管理信息系統(tǒng)[M].嚴機械工業(yè)出版社，2011.
[3]楊峰，邵培基.面向零售業(yè)的商務智能系統(tǒng)的應用[J].西安郵電學院學報，2009（3）.
[4]高新亞，郭清.淺談網(wǎng)絡營銷中的客戶信息管理[J].當代經(jīng)濟，2007（12）
關鍵詞：康復機器人；現(xiàn)狀；發(fā)展趨勢
1 康復機器人研究的意義及現(xiàn)狀
1.1 社會發(fā)展的必然需求
截止2014年底，我國國60歲以上老年人口已經(jīng)達到2.12億，占總?cè)丝诘?5.5%。據(jù)預測，本世紀中葉老年人口數(shù)量將達到峰值，超過4億，屆時每3人中就會有一個老年人。
民政部部長、全國老齡辦主任李立國表示，我國空巢和獨居老年人近1億人，60歲以上失能半失能老年人約3500萬人，幫扶困難老人已成為我國老齡事業(yè)的重中之重。
伴隨老齡化過程中明顯的生理衰退就是老年人四肢的靈活性不斷下降，進而對日常的生活產(chǎn)生了種種不利的影響，已嚴重影響老年人生存質(zhì)量。此外，由于疾病、自然災害、交通事故等突發(fā)事件造成的殘疾人數(shù)量也與日俱曾。截止2015年9月，我國有各類殘疾人8500萬，通過人工及現(xiàn)有的助殘設備已不能滿足患者的要求。老齡化、殘疾人這些特殊群體理應得到更多的關注，保證其生存質(zhì)量的康復和服務產(chǎn)品質(zhì)量也應有相應提高，因此，康復機器人及設備的研究和應用有著極為廣闊的發(fā)展前景。
1.2 技術發(fā)展的內(nèi)在需求
近年來，隨著計算機技術、人工智能、圖像處理、以視覺、聽覺為代表的傳感技術等電子信息技術的反戰(zhàn)，給生物醫(yī)藥工程領域的醫(yī)用康復機器人發(fā)展帶來的極大的契機。用于科學診斷、手術輔助、腦中風、帕金森綜合征后遺癥輔助康復機器人得到了廣泛應用。而將人工智能、視覺、聽覺、圖像處理等技術融入康復機器人技術成為未來康復機器人發(fā)展的內(nèi)在需求。
1.3 產(chǎn)業(yè)升級的必然趨勢
隨著我國泉州2025計劃的提出，機器人技術已成為我國未來工業(yè)產(chǎn)業(yè)升級的需要突破的核心技術。當前，我國機器人，尤其是以助殘、手術輔助為代表的康復機器人核心技術還未能突破，核心部件、主控系統(tǒng)還需進口，成本較高。國產(chǎn)康復機器人在整個市場占有率偏低?？祻蜋C器人的技術突破成為我國工業(yè)產(chǎn)業(yè)升級的關鍵節(jié)點。
2 康復機器人研究現(xiàn)狀及進展
2.1 醫(yī)療手術機器人研究現(xiàn)狀及進展
經(jīng)過半個多世紀的發(fā)展，工業(yè)機器人技術日趨成熟，并成為機器人應用市場的主流。隨著老齡化、殘疾人口的不斷的增多，康復機器人的收到各國的極大關注。微創(chuàng)外科手術機器人、介入治療機器人，上肢、下肢康復機器人、智能價值、智能輪椅、外骨骼輔助機器人、航天員運動能力恢復機器人已經(jīng)開始用于臨床，并取得了一定成果。
目前，用于輔助醫(yī)生進行手術的外科手術機器人是在外科一生的操控下，協(xié)助醫(yī)生共同完成手術過程，一般情況下，外科醫(yī)生利用一個遠程手術場景，操縱一個主輸入裝置，根據(jù)手術的要求，向放置于手術室內(nèi)的手術機器人下達手術指令。手術機器人根據(jù)該指令執(zhí)行相應的操作。與傳統(tǒng)的微創(chuàng)手術相比，手術機器人具有比醫(yī)生更高的操作靈巧性、超越人類手術動作距離的局限，易于實現(xiàn)更微笑的手術動作，手術精準性也更高。
由美國直覺外科公司制造的達芬奇手術機器人是目前手術機器人領域應用做最廣的手術機器人之一。該手術機器人融合了三維高清晰度視覺系統(tǒng)，在視覺輔助系統(tǒng)的幫助下，控制能完成精細運動的機械手，該機械手的彎曲及旋轉(zhuǎn)運動自由度均不是人類手腕可比擬。該手術機器人可提供靈巧操作、精準定位、術前規(guī)劃，手術創(chuàng)面大幅減小，患者恢復迅速。
目前，達芬奇手術機器人已經(jīng)累計銷售3000多臺，為超過250萬患者成功實施微創(chuàng)手術。由于昂貴，我國擁有數(shù)量還不足三十臺。研究適應我國國情的手術機器人以迫在眉睫。近年來，我國科研工作者和醫(yī)療衛(wèi)生部門緊密合作，積極開展手術機器人的研發(fā)工作，取得了一定成果。例如，針對腹部手術的手術機器人、利用視覺、互聯(lián)網(wǎng)技術，結(jié)合人工智能的神經(jīng)微創(chuàng)外科手術機器人，介入治療機器人、脊柱外科手術機器人均已實現(xiàn)國產(chǎn)化，進入動物試驗階段。
2.2 功能恢復性機器人研究現(xiàn)狀及進展
目前，功能性恢復機器人的研究重點集中于上肢、下肢的功能恢復、運動輔助、可穿戴設備的研究上。國內(nèi)以哈爾濱工業(yè)大學、清華大學、中科研、上海交通大學為代表的研究單位掌握功能恢復性機器人研究的技術核心。其中上海交通大學和復旦大學合作展開了“神經(jīng)的運動控制與控制信息源的研究”。其研究目的是提取神經(jīng)信息，利用神經(jīng)信息來控制電子假手.具備7個自由度的運動模擬假手以研制完成，具備很高的應用前景。
功能性恢復機器人的研究主要集中于肌肉電信號的拾取、肌肉電信號特征分析、腦電波的信號的拾取、腦電波信號的特征分析上。
3 康復機器人的發(fā)展趨勢
3.1 機械本體技術：康復器械的機械本體技術應向著智能化、集成化、輕型化、微型化、舒適化及美觀化的方向發(fā)展。以碳纖維、石墨烯、記憶合金為代表的新型材料相繼問世，且價格逐步降低，將對康復機器人的機械本體制造、研究產(chǎn)生極大的促進。此外，傳統(tǒng)的針對上、下肢的康復機器人已不能滿足當前的需要，以單關節(jié)為控制和新的額關節(jié)康復機器人、用于脊柱矯正的脊柱矯正機器人逐步出現(xiàn)，極大的拓展了康復機器人的應用領域。
3.2 人工智能技術：人工智能技術的引入，將極大的促進康復機器人的智能化水平。融入以視覺跟蹤技術、聽覺傳感器、壓力傳感器為核心的感知系統(tǒng)，融入VR虛擬技術、融入智能穿戴設備，以嵌入式控制系統(tǒng)為核心，將極大的促進人工智能技術在康復機器人領域的應用，實現(xiàn)康復機器人的高度智能化，集成化。
康復機理的研究：充分利用現(xiàn)有的醫(yī)學臨床經(jīng)驗，與醫(yī)療衛(wèi)生領域的專家緊密合作，積極開展康復機器人相關肌肉、病理研究，對康復機器人的研究提供理論支撐。
結(jié)束語
經(jīng)過多年的發(fā)展，康復機器人取得了一定的成果。但隨著社會經(jīng)濟的發(fā)展，康復機器人的研究與發(fā)展還未能有效滿足社會需求，智能化、集成度水平還有待提高。因此，開展康復機器人的研究具有廣闊的應用價值及技術價值。
參考文獻
[1]Gert K， Boudevijn K， Hermano IK. Effects of robot-assisted therapy on upper limb recovery after stroke： a systematic review.Neuro-rehabilitation and Neural Repair，2008，22：111-121.
[2]Grdienke P， Michile J A， Catherina G M， et al. Systematic reviewof the effect of robot-aided therapy on recovery of the hemipareticarm after stroke.Journal of Rehabilitation Research and Development，2006， 43：171-184.
[3]杜志江，孫立寧.外科機器人技術發(fā)展現(xiàn)狀及關鍵技術分析[J].哈爾濱工業(yè)大學學報，2003，35（7）：773-777.
〔關鍵詞〕知識圖譜；專家系統(tǒng)；發(fā)展軌跡
DOI：10．3969／j．issn．1008－0821．2012．02．040
〔中圖分類號〕G250.71 〔文獻標識碼〕A 〔文章編號〕1008－0821（2012）02－0159－08
Knowledge-based Expert System Development Overview MapLiao Yi
（Political Department，National University of Defense Technology，Changsha 410073，China）
〔Abstract〕Artificial intelligence expert system is the most important and most active areas of an application,which implements the artificial intelligence research from theory to practice,turning from the general reasoning strategies of a major breakthrough in the use of expertise.This chronological order,the expert system into the 1980s before the 1980s,1990s,2000,after four stages.Articles using bibliometric methods,analysis of the expert system development process,development and trends,pointing out that the current phase is the development of expert systems,expert systems into a variety of commercial operation,need to address the knowledge acquisition bottleneck,matching conflicts and other issues for expert systems to understand and master the subject structure,evolution,development and so provide an unique perspective and knowledge.
〔Key words〕knowledge maps;expert systems;the development trajectory
專家系統(tǒng)作為人工智能的一個重要分支，發(fā)展已經(jīng)超過50年，在很多應用領域都獲得了廣泛使用，取得了豐碩成果。本文運用文獻計量這一獨特視角對專家系統(tǒng)進行了再回顧和再分析，將智能科技劃分為初創(chuàng)期、成長期、低谷期、發(fā)展期，利用詞頻分析、共引分析、作者共現(xiàn)分析等方法揭示專家系統(tǒng)的學科結(jié)構、影響程度、關鍵節(jié)點與時間點等重要而獨特的知識，為了解和掌握專家系統(tǒng)的發(fā)展與演化過程提供了獨特視角。
1 數(shù)據(jù)來源
SCI（Science Citation Index）是美國科學情報研究所ISI（Institute for Science Information）出版的期刊文獻檢索工具，所收錄的文獻覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認的自然科學領域最為重要的評價工具。本文以Web of Science中的SCI數(shù)據(jù)庫為數(shù)據(jù)來源，選用高級檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進行檢索，一共檢索到14 500篇相關文獻記錄。獲得的年度分布如圖1。所示。雖然，專家系統(tǒng)研究從20世紀五六十年代就開始了，但是從圖1可以看出直到1982年才有主題詞與專家系統(tǒng)相關的論文出現(xiàn)。圖1表明1991年左右，專家系統(tǒng)相關論文達到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇。但21世紀開始，專家系統(tǒng)相關論文又出現(xiàn)了增加的趨勢，并維持在一個穩(wěn)定的水平中。圖1 專家系統(tǒng)在SCI數(shù)據(jù)庫文獻發(fā)表年度變化情況
2012年2月第32卷第2期基于知識圖譜的專家系統(tǒng)發(fā)展綜述Feb.，2012Vol.32 No.22 專家系統(tǒng)前40年的發(fā)展
本文利用基于JAVA平臺的引文分析可視化軟件Citespace，首先設定時間跨度為1950-1991年，時間切片長度為1年，聚類方式為共被引聚類（Cited Reference），閾值選擇為（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出這些引文的時間跨度為1950－1990年，可以繪制出該時間段的專家系統(tǒng)論文時區(qū)分布圖，如圖2所示。我們以年代先后為序，將20世紀80年代以前作為第一階段，80年代至90年代作為第二階段。圖2 1950-1991年各年度專家系統(tǒng)論文之間的時區(qū)分布圖
2.1 專家系統(tǒng)起源時期
根據(jù)圖2顯示，這段時期有7個突出節(jié)點，既有7位代表人物。第一個節(jié)點代表的是“人工智能之父”――英國著名科學家阿蘭?麥席森?圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上《計算機器與智能》，提出了著名的“圖靈測試”，探討了機器智能的可能性，為后來的人工智能科學提供了開創(chuàng)性的構思［1］。
第二個節(jié)點代表的是美國工程院院士、加州大學扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發(fā)表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現(xiàn)象定量描述和分析運算的方法，從而誕生了模糊數(shù)學。1978年，扎德教授提出了“可能性理論”，將不確定性理解為可能性，為模糊集理論建立了一個實際應用上的理論框架，這也被認為是模糊數(shù)學發(fā)展的第二個里程碑。同年，國際性期刊《International Journal of Fuzzy Sets and System》誕生，這使得模糊理論得到普遍承認，理論研究高速發(fā)展，實際應用迅速推廣。
第三個節(jié)點代表的美國兩院院士、卡內(nèi)基-梅隆大學教授艾倫?紐厄爾（Allen Newell），1972年，他出版了《人怎樣解題》（Human Problem Solving)一書，書中描述了他和西蒙試圖建立一個計算機化的“通用問題求解器”的歷程：20世紀50年代，他們發(fā)現(xiàn)，人類的問題解決，在一定知識領域內(nèi)可以通過計算機實現(xiàn)，所以他們開始用計算機編程來解決問題，1956年，他們研發(fā)出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號主義人工智能學派。我們可以看出，這本書是對他以前所作工作的總結(jié)與歸納，而邏輯理論家和通用問題求解器正是專家系統(tǒng)的雛形，為專家系統(tǒng)的出現(xiàn)奠定了堅實的基礎。
但是艾倫?紐厄爾的嘗試無法解決大的實際問題，也很難把實際問題改造成適合于計算機解決的形式，并且對于解題所需的巨大搜索空間也難于處理。為此，美國國家工程院院士、斯坦福大學教授費根鮑姆（E.A.Feigenbaum）等人在總結(jié)通用問題求解系統(tǒng)成功與失敗的經(jīng)驗基礎上，結(jié)合化學領域的專門知識，于1965年研制了世界上第一個專家系統(tǒng)dendral，可以推斷化學分子結(jié)構。專家系統(tǒng)進入了初創(chuàng)期，其代表有dendral、macsyma（數(shù)學專家系統(tǒng)）等，第一代專家系統(tǒng)以高度專業(yè)化、求解專門問題的能力強為特點，向人們展示了人工智能應用的廣闊前景［2］。
第四個節(jié)點代表人物是美國麻省理工學院著名的人工智能學者明斯基（Minsky）。1975年，他在論文《表示知識的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理論，框架理論的核心是以框架這種形式來表示知識。理論提出后，在人工智能界引起了極大的反響，并成為了基于框架的專家系統(tǒng)的理論基礎，基于框架的專家系統(tǒng)適合于具有固定格式的事物、動作或事件。
第五個節(jié)點代表人物是美國普林斯頓大學教授格倫謝弗（Glenn Shafer），他在1976年出版了《數(shù)學理論的證據(jù)》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據(jù)理論）。證據(jù)理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應用于計算機科學和工程應用，是基于D-S證據(jù)理論的專家系統(tǒng)的理論基礎。
第六個重要節(jié)點代表是美國斯坦福大學愛德華?漢斯?肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數(shù)學生物科學》上發(fā)表《A model of inexact reasoning in medicine》（《在醫(yī)學模型的不精確推理》）一文，他結(jié)合自己1972－1974年研制的世界第一個醫(yī)學專家系統(tǒng)――MYCIN系統(tǒng)（用于診斷和治療血液感染及腦炎感染，是第二代專家系統(tǒng)的經(jīng)典之作），提出了確定性理論，該理論對專家系統(tǒng)的發(fā)展產(chǎn)生了重大影響。
第七個節(jié)點代表人物是美國麻省理工學院計算機科學和人工智能實驗室的戴維斯（Randall Davis）教授，他于1976年提出元知識的概念，并在專家系統(tǒng)的研制工具開發(fā)方面做出了突出貢獻――研制出知識獲取工具Teiresias，為專家系統(tǒng)獲取知識實現(xiàn)過程中知識庫的修改和添加提供了工具［3］，關Teiresias，他于1977年在《Artificial Intelligence》雜志上中進行了詳細介紹，而這也為本時期專家系統(tǒng)的快速增多和廣泛應用奠定了堅實基礎。
20世紀70年代后期，隨著專家系統(tǒng)應用領域的不斷開拓，專家系統(tǒng)研發(fā)技術逐漸走向成熟。但同時，專家系統(tǒng)本身存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一等問題也被逐漸暴露出來。人們從各種不同類型的專家系統(tǒng)和知識處理系統(tǒng)中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進行探索，并在知識的獲取、表示以及知識在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術。
2.2 專家系統(tǒng)發(fā)展的黃金時期
20世紀80年代是專家系統(tǒng)突飛猛進、迅速發(fā)展的黃金時代，根據(jù)圖2顯示，這段時期共有論文982篇，有7個突出節(jié)點。
1980年，出現(xiàn)了第一個節(jié)點代表――美國斯坦福大學計算機科學系系主任尼爾森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一書，表明了拉近理論和實踐的距離的目標，書中對基于規(guī)則的專家系統(tǒng)、機器問題解決系統(tǒng)以及結(jié)構對象的代表等都進行了具體的論述。
1981年，出現(xiàn)了第二個節(jié)點代表――英國赫特福德大學教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計算機科學界的極大興趣，并已被證明是一個重要的編程語言和人工智能系統(tǒng)的新一代基礎，是專家系統(tǒng)的重要編程語言。
1982年，出現(xiàn)了第三個節(jié)點代表――美國匹茲堡大學教授米勒（Miller RA），他在《英格蘭醫(yī)藥分冊》上發(fā)表了《基于計算機的醫(yī)學內(nèi)科實驗診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當時診斷專家系統(tǒng)的代表力作，書中介紹了著名的內(nèi)科疾病診斷咨詢系統(tǒng)INTERNIST-1，之后將其不斷完善成改進型INTERNIST-2，即后來的CADUCEUS專家系統(tǒng)，其知識庫中包含了572種疾病，約4 500種癥狀。
1983年，出現(xiàn)了第四個節(jié)點代表――美國的海斯羅斯（Hayes-Roth，F(xiàn)）教授，他于1983年發(fā)表著作《建立專家系統(tǒng)》，對專家系統(tǒng)建立的原則和要素、開發(fā)的生命周期等重要問題進行了詳細講解，為研究與開發(fā)各種類型的專家系統(tǒng)提供了理論依據(jù)。
1984年，出現(xiàn)了第五個節(jié)點代表――美國匹茲堡大學計算機科學、哲學和醫(yī)學教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發(fā)表著作《規(guī)則的專家系統(tǒng)：斯坦福啟發(fā)式編程項目Mycin實驗》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關于醫(yī)療診斷系統(tǒng)MYCIN的實驗規(guī)則庫公布?；谝?guī)則的專家系統(tǒng)MYCIN是專家系統(tǒng)開發(fā)過程中一個里程碑，研究其開發(fā)思路與方法具有非常重要的意義。
1985年，出現(xiàn)了第六個節(jié)點代表――美國人工智能專家、加州大學教授哈蒙（Harmon P），他出版了《專家系統(tǒng)：人工智能業(yè)務》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統(tǒng)如何解決問題，代表知識，并得出推論，并介紹了人工智能的具體制度，確定了專家系統(tǒng)的市場。
1986年，出現(xiàn)了第七個節(jié)點代表――著名的專家系統(tǒng)學者沃特曼（Waterman DA），他出版了《專家系統(tǒng)指南》一書，該書對專家系統(tǒng)的概念、組成、建立過程、建立工具、應用領域等做了深入淺出的系統(tǒng)介紹與論述，是當時全面介紹專家研發(fā)與應用的經(jīng)典書籍。
20世紀80年代初，醫(yī)療專家系統(tǒng)占主流，主要原因是它屬于診斷類型系統(tǒng)且容易開發(fā)。80年代中期，出現(xiàn)大量投入商業(yè)化運行的專家系統(tǒng)，為各行業(yè)帶來了顯著的經(jīng)濟效益。從80年代后期開始，大量新技術成功運用到專家系統(tǒng)之中，使得專家系統(tǒng)得到更廣泛的運用。在這期間開發(fā)的專家系統(tǒng)按處理問題的類型可以分為：解釋型、預測型、診斷型、設計型等。應用領域擴展到農(nóng)業(yè)、商業(yè)、化學、通信、醫(yī)學等多個方面，成為人們常用的解決問題的手段之一。
然而，與此同時，現(xiàn)有的專家系統(tǒng)也暴露出了自身嚴重的缺陷，使不少計算機界的知名學者對專家系統(tǒng)產(chǎn)生了懷疑，認為專家系統(tǒng)存在的問題有以下幾點：（1）專家系統(tǒng)中的知識多限于經(jīng)驗知識，極少有原理性的知識，系統(tǒng)沒有應用它們的能力；（2）知識獲取功能非常弱。為了建造專家系統(tǒng)，必須依賴于專家獲取知識， 不僅費時， 而且很難獲取完備性和一致性的知識；（3）求解問題的方法比較單一，以推理機為核心的對問題的求解尚不能反映專家從認識問題到解決問題的創(chuàng)造性過程；（4）解釋功能不強［4］。等到學者們回過頭重新審視時，20世紀90年代的專家系統(tǒng)理論危機已然爆發(fā)。
3 90年代專家系統(tǒng)向多個方向發(fā)展
由于20世紀80年代專家系統(tǒng)研究迅猛發(fā)展，商業(yè)價值被各行各業(yè)看好，導致90年代大批專家系統(tǒng)從實驗室走出來，開始了它們的工程化市場化進程。從圖1看以看出，在20世紀90年代，專家系統(tǒng)的相關論文不增反減，進入一個局部低谷期，這期間以“Expert System/Experts System”為主題詞的論文共7 547篇。本文利用Citespace軟件，設置參數(shù)為（4，4，20）（4，3，20）（4，4，20），獲取了該時期論文的引文聚類圖（如圖3所示）。圖2 專家系統(tǒng)1990－2000年的論文引文聚類圖
從圖3中我們可以看出，全圖的節(jié)點比較分散，沒有形成大的聚類，這表示該階段沒有形成重點研究方向，也沒有重大科研成果和標志性著作產(chǎn)生，專家系統(tǒng)的市場化進程嚴重牽引了研究者們的注意力，這是專家系統(tǒng)研究陷入低谷期的重要原因。
這段時間專家系統(tǒng)的研究工作大致分以下幾個方面：第一個研究方向依舊是建立在扎德（LA.Zadeh）教授模糊理論上的模糊專家系統(tǒng)，它同樣是該年代專家系統(tǒng)研究的重點方向。
第二個研究方向是骨架專家系統(tǒng)，代表人物有美國斯坦福大學的愛德華?漢斯?肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統(tǒng)基本建成后，MYCIN的設計者們就想到用其它領域的知識替換關于感染病學的知識，可能會得到一個新的專家系統(tǒng)，這種想法導致了EMYCIN骨架系統(tǒng)的產(chǎn)生。EMYCIN的出現(xiàn)大大縮短了專家系統(tǒng)的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統(tǒng)應運而生，它們在20世紀90年代專家系統(tǒng)的研究進程中，發(fā)揮著重要作用。
第三個研究方向是故障診斷專家系統(tǒng)，代表人物有美國麻省理工學院的蘭德爾?戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發(fā)表了《基于結(jié)構和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個利用知識結(jié)構和行為，在電子電路領域進行故障診斷排除的專家系統(tǒng)。之后，故障診斷專家系統(tǒng)在電路與數(shù)字電子設備、機電設備等各個領域已取得了令人矚目的成就，已成為當今世界研究的熱點之一。
第四個研究方向是基于規(guī)則的專家系統(tǒng)，布魯斯?布坎南（Bruce G.Buchanan）的著作對基于規(guī)則的專家系統(tǒng)在這個時期的發(fā)展仍有著積極的指導作用。多種基于規(guī)則的專家系統(tǒng)進入了試驗階段。傳統(tǒng)基于規(guī)則的專家系統(tǒng)只是簡單的聲明性知識，而目前，規(guī)則的形式開始向產(chǎn)生式規(guī)則轉(zhuǎn)變，并趨向于提供較完善的知識庫建立和管理功能。
第五個研究方向是知識工程在專家系統(tǒng)中的運用。代表人物是美國斯坦福大學的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發(fā)表了重要論文《啟發(fā)式分類》（《Heuristis classification》），啟發(fā)式分類即對未知領域情況的類的識別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統(tǒng)中可常用啟發(fā)式設計計算機程序，模擬人類解決問題的思維活動。
第六個研究方向是機器學習在專家系統(tǒng)中的運用。代表人物是機器學習領域前輩、澳洲悉尼大學著名教授John Ross Quinlan。他于1986年在《機器學習》（《Mach.Learn》）雜志上發(fā)表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細描述了決策樹算法的代表――ID3算法。之后，有大量學者圍繞該算法進行了廣泛的研究，并提出多種改進算法，由于決策樹的各類算法各有優(yōu)缺點，在專家系統(tǒng)的實際應用中，必須根據(jù)數(shù)據(jù)類型的特點及數(shù)據(jù)集的大小，選擇合適的算法。
第七個研究方向是神經(jīng)網(wǎng)絡專家系統(tǒng)，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業(yè)大學教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發(fā)表了《連接主義專家系統(tǒng)》（《Connectionist expert systems》）一文，文中講述Gallant 設計了一個連接主義專家系統(tǒng)（Connectionist expert system），其知識庫是由一個神經(jīng)網(wǎng)絡實現(xiàn)的（即神經(jīng)網(wǎng)絡知識獲?。?，開創(chuàng)了神經(jīng)網(wǎng)絡與專家系統(tǒng)相結(jié)合的先例。
第八個研究方向是遺傳算法在專家系統(tǒng)中的運用。代表人物是遺傳算法領域著名學者、美國伊利諾伊大學David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優(yōu)化和機器學習中的遺傳算法》，該書系統(tǒng)總結(jié)了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應用；1991年，Davis編輯出版了《遺傳算法手冊》，書中包含了遺傳算法在科學計算、工程技術和社會經(jīng)濟中的大量應用實例，該書為推廣和普及遺傳算法的應用起到了重要的指導作用。這些都推動了基于遺傳算法的專家系統(tǒng)的研發(fā)推廣。
第九個研究方向是決策支持系統(tǒng)在專家系統(tǒng)中的運用，代表人物是美國加利福尼亞大學伯克利分校教授埃弗雷姆?特班（Efraim Turban）。他于1990年出版了《決策支持和專家系統(tǒng)的管理支持系統(tǒng)》（《Decision support and expert systems:management support systems》）一書。20世紀80年代末90年代初，決策支持系統(tǒng)開始與專家系統(tǒng)相結(jié)合，形成智能決策支持系統(tǒng)，該系統(tǒng)充分做到了定性分析和定量分析的有機結(jié)合，將解決問題的范圍和能力提高到一個新的層次。
第十個研究方向是各種理論知識在專家系統(tǒng)中的綜合運用，代表人物是美國加利福尼業(yè)大學教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H。卡斯科（Kosko）于1992年出版《神經(jīng)網(wǎng)絡和模糊系統(tǒng)：一個擁有機器智能的動力系統(tǒng)方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經(jīng)網(wǎng)絡和模糊系統(tǒng)結(jié)合起來的讀本，也是神經(jīng)網(wǎng)絡與模糊理論綜合應用于專家系統(tǒng)建設的經(jīng)典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協(xié)會的《電力系統(tǒng)及自動化》（《Transactions on Power Systems》）會議刊上發(fā)表了《人工智能模糊無功負荷的最優(yōu)VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個解決無功功率（VAR）控制問題，這個方法包含了專家系統(tǒng)、模糊集理論和人工神經(jīng)網(wǎng)絡的重要知識。
雖然專家系統(tǒng)大量建造，但投入實際運行的專家系統(tǒng)并不多，且效率較低，問題求解能力有待進一步提高。原因之一就是專家系統(tǒng)主要是模擬某一領域中求解特定問題的專家的能力，而在模擬人類專家協(xié)作求解方面很少或幾乎沒有做什么工作。然而在現(xiàn)實世界中，協(xié)作求解具有普遍性，針對特定領域、特定問題的求解僅僅具有特殊性，專家系統(tǒng)雖然在模擬人類專家某一特定領域知識方面取得了成功，但它仍然不能或難以解決現(xiàn)實世界中的問題。其次，開發(fā)的專家系統(tǒng)的規(guī)模越來越大，并且十分復雜。這樣就要求將大型專家系統(tǒng)的開發(fā)變成若干小的、相對獨立的專家系統(tǒng)來開發(fā)，而且需要將許多不同領域的專家系統(tǒng)聯(lián)合起來進行協(xié)作求解。然而，與此相關的分布式人工智能理論和實用技術尚處在科研階段。只有分布式系統(tǒng)協(xié)作求解問題得以解決，才能克服由于單個專家系統(tǒng)知識的有限性和問題求解方法的單一性等導致系統(tǒng)的“脆弱性”，也才能提高系統(tǒng)的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。
4 21世紀專家系統(tǒng)進入穩(wěn)定發(fā)展時期
進入21世紀，專家系統(tǒng)開始緩慢發(fā)展，這期間以“Expert System/Experts System”為主題詞的論文共5 964篇。本文利用Citespace軟件，設置參數(shù)為（6，6，20）（5，5，20）（5，5，20），獲取了該時期論文的引文聚類圖（如圖4所示）。圖4 專家系統(tǒng)2000－2010年的論文引文聚類圖
這個時期專家系統(tǒng)有3個主要研究方向：第一個是研究方向是節(jié)點明顯的基于模糊邏輯的專家系統(tǒng)研究方向。90年代以來，模糊控制與專家系統(tǒng)技術相結(jié)合，進一步提高了模糊控制器的智能水平?；谀：壿嫷膶＜蚁到y(tǒng)有以下優(yōu)點：一是具有專家水平的專門知識，能表現(xiàn)專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進行有效的推理，能夠運用人類專家的經(jīng)驗和知識進行啟發(fā)性的搜索和試探性的推理；三是具有靈活性和透明性。
第二個是研究方向是Rete模式匹配算法在專家系統(tǒng)中的應用，代表人物是美國卡內(nèi)基―梅隆大學計算機科學系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統(tǒng)工具中一個核心部分是推理機，Rete算法能利用推理機的“時間冗余”特性和規(guī)則結(jié)構的相似性，并通過保存中間運算結(jié)果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發(fā)表《Rete算法：許多模式／多對象的模式匹配問題的一個快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，該文解釋了基本算法的概念，介紹了詳細的算法，描述了模式和適當?shù)膶ο蠼簧嫠惴?，并說明了模式匹配的執(zhí)行操作。
第三個是研究方向是專家系統(tǒng)在電力系統(tǒng)中的運用。世界各國的專家們開始熱衷于在電力生產(chǎn)的各個環(huán)節(jié)使用專家系統(tǒng)，代表人物有日本的福井賢、T.Sakaguchi、印度的Srinivasan D、美國伊利諾伊州研究所的Abdul-Rahman K.H、希臘雅典國立技術大學的Protopapas C.A、和中國的羅旭，他們在美國電氣和電子工程師協(xié)會的《電力傳輸》（《IEEE transactions on power delivery）會議刊及《電源設備系統(tǒng)》會議刊（《On Power Apparatus and Systems》）上發(fā)表了多篇有影響力的論文，內(nèi)容涉及系統(tǒng)恢復、電力需求預測、變電站故障診斷和報警處理等多方面。
這十年間，專家系統(tǒng)的研究不再滿足于用現(xiàn)有各種模型與專家系統(tǒng)進行簡單結(jié)合，形成基于某種模型的專家系統(tǒng)的固有模式。研究者們不斷探索更方便、更有效的方法，來解決困擾專家系統(tǒng)的知識獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動了研究不斷向深層次、新方向發(fā)展。但是，由于專家系統(tǒng)應用的時間長、領域廣，他們遭遇的瓶頸問題一時得不到有效解決，導致了這一時期末，專家系統(tǒng)研究呈現(xiàn)出暫時的下滑現(xiàn)象。
5 專家系統(tǒng)發(fā)展趨勢分析
圖一發(fā)展曲線上第二個時間節(jié)點是1992年，從該年起專家系統(tǒng)相關論文呈下降趨勢，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標志著專家系統(tǒng)研究在布滿荊棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年為一個單位，統(tǒng)計了1990－2009年20年期間專家系統(tǒng)相關論文中高頻詞的變化情況，如表1所示，從該表可以獲得這個時期專家系統(tǒng)研究的一些特點。
（1）在1990-1999年期間，人工智能出現(xiàn)新的研究，由于網(wǎng)絡技術特別是國際互連網(wǎng)技術發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡環(huán)境下的分布式人工智能研究，使人工智能更加實用，這給專家系統(tǒng)帶來了發(fā)展的希望。正因為如此，我們從詞頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統(tǒng)研究中處于主導地位，而與其相關的知識表示（knowledge representation）、知識獲取(knowledge acquisition)等，也成為了學者們研究的重點方向。
（2）該時期的第二個特點是神經(jīng)網(wǎng)絡研究的復蘇。神經(jīng)網(wǎng)絡是通過模擬人腦的結(jié)構和工作模式，使機器具有類似人類的智能，如機器學習、知識獲取、專家系統(tǒng)等。我們從詞頻上可以看出神經(jīng)網(wǎng)絡（neural network）一詞得以快速增長，1995年時位列第一，進入21世紀也是穩(wěn)居第二位，神經(jīng)網(wǎng)絡很好地解決了專家系統(tǒng)中知識獲取的瓶頸問題，能使專家系統(tǒng)具有自學習能力，它的出現(xiàn)為專家系統(tǒng)提供了一種新的解決途徑［6］，同時也顯示出他獨有的生機與活力。
（3）該時期是模糊邏輯的發(fā)展時期。模糊理論發(fā)展至今已接近三十余年，應用范圍非常廣泛，它與專家系統(tǒng)相結(jié)合，在故障診斷、自然語言處理、自動翻譯、地震預測、工業(yè)設計等方面取得了眾多成果。我們從詞頻上可以看出，模糊邏輯（fuzzy logic）一詞，除在1990－1994年期間位居第六位外，之后都位居前三甲，2000-2004年期間更是位列第一。模糊控制與專家系統(tǒng)技術相結(jié)合，進一步提高了模糊控制器智能水平，這種控制方法既保持了基于規(guī)則的方法的價值和用模糊集處理帶來的靈活性，同時把專家系統(tǒng)技術的表達與利用知識的長處結(jié)合起來，能處理更廣泛的控制問題。
（4）故障診斷成為專家系統(tǒng)研究與應用的又一重要領域。故障診斷專家系統(tǒng)的發(fā)展起始于20世紀70年代末,雖然時間不長,但在電路與數(shù)字電子設備、機電設備等各個領域已取得了令人矚目的成就,已成為當今世界研究的熱點之一。這從高頻詞分布可以開出，故障診斷（fault diagnosis）從1995-1999年間的最后一位攀升至2005-2009年間的第一位，足見其強大的生命力。在專家系統(tǒng)己有較深厚基礎的國家中，機械、電子設備的故障診斷專家系統(tǒng)已基本完成了研究和試驗的階段，開始進入廣泛應用。
（5）遺傳算法的應用逐漸增多。20世紀90年代，遺傳算法迎來了發(fā)展時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是遺傳算法的應用研究顯得格外活躍，不但應用領域擴大，而且利用遺傳算法進行優(yōu)化和規(guī)則學習的能力也顯著提高。進入21世紀，遺傳算法的應用研究已從初期的組合優(yōu)化求解擴展到了許多更新、更工程化的應用方面。這在高頻詞分布中可以看出，以2000作為臨界點，遺傳算法（genetic algorithms）從20世紀90年代的10名之后，到位于高頻詞前六強之中，充分反映出它發(fā)展的良好勢頭。
6 小 結(jié)
專家系統(tǒng)是20世紀下半葉發(fā)展起來的重大技術之一，它不僅是高技術的標志，而且有著重大的經(jīng)濟效益?！爸R工程之父”E.Feignbaum在對世界許多國家和地區(qū)的專家系統(tǒng)應用情況進行調(diào)查后指出：幾乎所有的ES都至少將人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。
專家系統(tǒng)技術能夠使專家的專長不受時間和空間的限制，以便推廣稀缺的專家知識和經(jīng)驗；同時，專家系統(tǒng)能促進各領域的發(fā)展，是各領域?qū)＜覍I(yè)知識和經(jīng)驗的總結(jié)和提煉。
專家系統(tǒng)發(fā)展的近期目標，是建造能用于代替人類高級腦力勞動的專家系統(tǒng)；遠期目標是探究人類智能和機器智能的基本原理，研究用自動機模擬人類的思維過程和智能行為，這幾乎涉及自然科學和社會科學的所有學科，遠遠超出了計算機科學的范疇。
隨著人工智能應用方法的日漸成熟，專家系統(tǒng)的應用領域也不斷擴大。有人類活動的地方，必將有智能技術包括專家系統(tǒng)的應用，專家系統(tǒng)將成為21世紀人類進行智能管理與決策的工具與助手。
參考文獻
［1］百度百科［EB］.http:∥baike.省略/view/2130.htm．
［2］黃可鳴.專家系統(tǒng)二十年［J］.計算機科學，1986，（4）：26-37.
［3］路耀華.思維模擬與知識工程［M］.北京：清華大學出版社，1997．
［4］趙致琢.專家系統(tǒng)研究［J］.貴州大學學報：自然科學版，1990，（6）：40-48.
［5］鄒光宇.專家系統(tǒng)發(fā)展現(xiàn)狀及其應用前景［J］.電力勘測，1994，（3）：21-26.
1 CAD技術的應用
1.1 CAD技術在制造業(yè)中的應用。CAD技術已經(jīng)廣泛應用于制造業(yè)的各個領域。其中，以機床、汽車、飛機、船舶、航天器等應用最為廣泛。一個產(chǎn)品的設計過程要經(jīng)過概念設計、詳細設計、結(jié)構分析和優(yōu)化、仿真模擬等幾個階段。概念設計主要解決產(chǎn)品的造型外觀，在滿足功能的前提條件下，使產(chǎn)品外觀精致美觀。在現(xiàn)代化設計過程中還需要考慮的因素很多，如要考慮機械產(chǎn)品對環(huán)境的影響，考慮產(chǎn)品的整體結(jié)構、材料及實現(xiàn)主要功能的機構；詳細設計是要確定產(chǎn)品的結(jié)構，各個零部件的結(jié)構設計，所以又稱為部件設計，包括各零件的尺寸、形狀和結(jié)構；結(jié)構分析主要包括有限元分析，將對各部件及產(chǎn)品整體的結(jié)構進行力學性能、熱學性能的分析；仿真模擬則主要是產(chǎn)品進行裝配模擬，運動機構模擬，進行干涉、碰撞分析等等。當前先進的CAD應用系統(tǒng)已經(jīng)將設計、繪圖、分析、仿真、加工等一系列功能集成于一個系統(tǒng)內(nèi)。
1.2 CAD技術在工程設計中的應用。CAD在工程領域中的應用有以下幾個方面。建筑：方案設計、三維造型、建筑渲染圖即概念設計、平面布景、建筑構造設計、小區(qū)規(guī)劃、日照分析、室內(nèi)裝潢、包括室內(nèi)分隔、家具、環(huán)境裝修等；結(jié)構：有限元分析、結(jié)構平面設計、框和排架結(jié)構計算和分析、高層結(jié)構分析、地基的基礎設計，鋼結(jié)構設計與加工；設備：水、電、暖各種設備及管道設計；市政管線：自來水、污水排放、煤氣、電力、暖氣、通信等；市政建筑：城市規(guī)劃、城市交通、道路高架、輕軌、地鐵；交通工程：公路、橋梁、鐵路、航空、機場、港口、碼頭；水利工程：大壩、水渠、河海工程。房地產(chǎn)開發(fā)及物業(yè)管理、工程概預算、施工過程控制與管理、風景、旅游景點設計與布置、智能大廈設計等。
1.3 CAD技術在其他領域的應用。CAD技術除了在制造業(yè)和工程設計領域中的應用外，在輕工、紡織、家電、服裝、制鞋、醫(yī)療和醫(yī)藥乃至文化娛樂和體育方面都會用到CAD技術。輕工中，輕工機械的設計、化妝、洗滌用品、盛器、三維造型、模具設計及包裝平面設計。各種小商品的造型設計；紡織行業(yè)中印花提花設計、服裝CAD及排料、裁剪：制鞋業(yè)中造型以及配合人體足部骨骼肌腱的人體工學設計；醫(yī)藥中的分子鍵結(jié)構分析、醫(yī)療器械以及輔助醫(yī)療手術、家電產(chǎn)品的造型和模具技術，在文化娛樂上已大量利用計算機造型仿真的原始動物和外星人，并將動物畫和實際背景以及演員的表演天衣無縫地合在一起，在電影制作技術上大放異彩，拍制出一部部激動人心的巨片。
2 CAD技術發(fā)展趨勢
2.1 標準化。除了CAD支撐軟件逐步實現(xiàn)IS0標準和工業(yè)標準外，面向應用的標準構件（零部件庫）、標準化方法也已成為CAD系統(tǒng)中的必備內(nèi)容，且向著合理化工程設計的應用方向發(fā)展。傳統(tǒng)形式的手畫工程圖已經(jīng)有了成熟的國際標準，相互都能理解。而存儲在磁盤、光盤上形形的CAD二進制數(shù)字記錄，要想實現(xiàn)標準化就復雜、困難得多。由于STEP標準涉及的面非常寬，眾口難調(diào)，標準的制定過程十分緩慢，存在問題很多。CAD軟件一般應集成在一個異構的工作平臺之上，為了支持異構跨平臺的環(huán)境，就要求它應是一個開放的系統(tǒng)，這里主要是靠標準化技術來解決這個問題。
目前標準有兩大類：一是公用標準，主要來自國家或國際標準制定單位；另一是市場標準，或行業(yè)標準，屬私有性質(zhì)。前者注重標準的開放性和所采用技術的先進性，而后者以市場為導向，注重考慮有效性和經(jīng)濟利益。后者容易導致壟斷和無謂的標準戰(zhàn)。因此要提出應對傳統(tǒng)的標準化工作進行革新。有專家建議標準革新的目標是公用標準應變成工業(yè)標準，也就是說革新后仍應以公用標準為基礎，不過要從工業(yè)標準中吸收其注重經(jīng)濟利益和效率的優(yōu)點。
2.2 開放性。CAD系統(tǒng)目前廣泛建立在開放式操作系統(tǒng)窗口95／98／NT和UNIX平臺上，在Java LINUX平臺上也有CAD產(chǎn)品，此外CAD系統(tǒng)都為最終用戶提供二次開發(fā)環(huán)境，甚至這類環(huán)境可開發(fā)其內(nèi)核源碼，使用戶可定制自已的CAD系統(tǒng)。
為深入貫徹網(wǎng)絡強國、數(shù)字中國、智慧社會戰(zhàn)略，落實《數(shù)字青島發(fā)展規(guī)劃（2019—2022年）》規(guī)劃部署，持續(xù)建設協(xié)同高效的數(shù)字政府、富有活力的數(shù)字經(jīng)濟、智慧便民的數(shù)字社會、智能融合的數(shù)字基礎設施，以數(shù)字化、網(wǎng)絡化、智能化技術全面推動城市數(shù)字化轉(zhuǎn)型，制定本行動方案。
一、加快協(xié)同高效的數(shù)字政府建設
（一）構建智慧管用的城市云腦“智能化”體系
1.一體化綜合指揮。建設城市應急指揮中心、社會治理指揮中心、城市云腦大數(shù)據(jù)中心等一體化城市運行中心，滿足應急協(xié)同聯(lián)動、城市運行狀態(tài)監(jiān)測和數(shù)字即墨管理服務等工作需要。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、應急局、社會治理指揮中心、住房城鄉(xiāng)建設局、綜合執(zhí)法局）
2.全域感知體系。建設完善基礎地理信息服務、物聯(lián)感知接入、視頻監(jiān)控資源共享三大基礎支撐平臺，推動全區(qū)基礎地理信息服務一張圖、動態(tài)感知數(shù)據(jù)分級分類接入、全域視頻資源共享共用。（責任單位：區(qū)自然資源局、公安分局、大數(shù)據(jù)發(fā)展管理局）
3.數(shù)據(jù)業(yè)務中臺。打造城市云腦場景應用集群，推動公安、城管、應急、交通、水利、生態(tài)環(huán)境、科技創(chuàng)新、經(jīng)濟運行等重點領域應用上線，至少3個場景一屏接入城市云腦?；窘ǔ沙鞘性颇X區(qū)（市）中樞，構建城市云腦一體化應用體系。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、住房城鄉(xiāng)建設局、綜合執(zhí)法局、公安分局、應急局、交通運輸局、水利局、生態(tài)環(huán)境分局、科技局、統(tǒng)計局、區(qū)政府有關部門，各鎮(zhèn)街，各功能區(qū)）
（二）打造便捷滿意的公共服務“數(shù)字化”體系
4.一碼通城。實施“碼上即墨”行動，推動政務服務、交通出行、醫(yī)藥衛(wèi)生、文化旅游、體育健身和智慧校園等公共服務領域統(tǒng)一身份認證、多碼融合和社?？ǘ囝I域應用。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、公安分局、行政審批局、交通運輸局、人力資源社會保障局、衛(wèi)生健康局、醫(yī)保局、文化和旅游局、教育體育局、區(qū)政府有關部門，各鎮(zhèn)街，各功能區(qū)）
5.一網(wǎng)通辦。實施網(wǎng)上政務服務能力提升工程，深化完善“愛山東·青e辦”即墨分廳掌上辦事平臺功能，建成便民利企服務專區(qū)不少于1個，接入亮點應用不少于10項。全面推行“一事全辦”主題式服務，豐富應用場景，拓展可辦主題至200個，實現(xiàn)更多事務“一次辦好”。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、行政審批局、區(qū)政府有關部門，各鎮(zhèn)街，各功能區(qū)）按照上級部門統(tǒng)一部署，以公民身份號碼或法人和其他組織統(tǒng)一社會信用代碼為唯一標識的電子證照可用率超過85%。（責任單位：區(qū)行政審批局）
（三）構建數(shù)智融合的政府決策“協(xié)同化”體系
6.政府決策數(shù)字化。深化數(shù)據(jù)匯聚共享，重點圍繞營商環(huán)境和重點領域應用場景需求，強化數(shù)據(jù)治理，提升數(shù)據(jù)質(zhì)量。充分利用社會數(shù)據(jù)資源強化政府決策支撐，加強政企合作，鼓勵多方參與，形成數(shù)據(jù)來源廣泛、多方數(shù)據(jù)比對、數(shù)據(jù)時效性強的政府決策數(shù)據(jù)支撐體系。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、區(qū)政府有關部門，各鎮(zhèn)街，各功能區(qū)）
（四）形成精準高效的城市治理“現(xiàn)代化”體系
7.城市治理一網(wǎng)統(tǒng)管。整合各級各部門指揮調(diào)度、綜合運行和輔助決策類系統(tǒng)及相關數(shù)據(jù)資源，建設“上下貫通、左右銜接、全區(qū)一體、高度集成”的一體化綜合指揮平臺。（責任單位：區(qū)委政法委，區(qū)應急局、公安分局、衛(wèi)生健康局、綜合執(zhí)法局、生態(tài)環(huán)境分局、交通運輸局、水利局、大數(shù)據(jù)發(fā)展管理局）建設社會治理綜合信息平臺、智慧公安、城市綜合管理服務平臺、突發(fā)事件預警信息系統(tǒng)等，更好地支撐以網(wǎng)絡化運行、海量化參與、社會化協(xié)同為特征的社會治理需求，提高數(shù)據(jù)匯聚、事中監(jiān)管、趨勢研判、協(xié)同聯(lián)動等能力。（責任單位：區(qū)委政法委，區(qū)公安分局、綜合執(zhí)法局、氣象局、住房城鄉(xiāng)建設局）
8.一部手機游即墨。依托“一部手機游青島”平臺，整合全區(qū)范圍內(nèi)“食、住、行、游、購、娛”等資源，為游客提供全方位文旅公共服務。（責任單位：區(qū)文化和旅游局）
9.智慧社區(qū)和智慧街區(qū)。加快智慧社區(qū)和智慧街區(qū)建設，推動城市治理和服務向基層延伸。智慧社區(qū)建設總數(shù)達到25個，其中示范點達到12個；智慧街區(qū)建設總數(shù)達到11個，其中示范點達到2個。推動建立社區(qū)綜合服務平臺，鼓勵發(fā)展光影街區(qū)、數(shù)碼地標、車路協(xié)同、車充響應等應用場景示范。（責任單位：各鎮(zhèn)街，各功能區(qū)，區(qū)民政局、住房城鄉(xiāng)建設局、綜合執(zhí)法局、公安分局、大數(shù)據(jù)發(fā)展管理局）
二、推動智慧便民的數(shù)字社會建設
（五）提升教育數(shù)字化水平
10.智慧教育。整合部、省、市、區(qū)、校5級教育信息系統(tǒng)、數(shù)據(jù)資源以及各類教育服務，為全區(qū)教師、學生、家長和教育管理者提供一站式服務。開展智慧校園新裝備、新技術試點，提升智慧校園建設應用水平，智慧校園覆蓋率達到99%。推動青島市智慧體育平臺應用，統(tǒng)籌全區(qū)各類體育資源，推行全民健身網(wǎng)上查詢、網(wǎng)上預約、網(wǎng)上指導。（責任單位：區(qū)教育體育局）
11.人工智能教育。構建“課程教學、內(nèi)容創(chuàng)作、開源創(chuàng)新”一體化的人工智能教育服務平臺，打造集“課程教學、應用實踐、互動體驗”綜合性人工智能實驗室，推進全區(qū)人工智能教育快速發(fā)展。（責任單位：區(qū)教育體育局）
（六）提升醫(yī)療數(shù)字化水平
12.智慧醫(yī)療。積極配合青島市級全民健康信息平臺升級改造，提高醫(yī)療數(shù)據(jù)互聯(lián)互通效率，提升醫(yī)院信息互聯(lián)互通標準化成熟度，推進醫(yī)院智慧服務分級評估，建成1家以上互聯(lián)網(wǎng)醫(yī)院。參照《醫(yī)院智慧服務分級評估標準體系（試行）》（國衛(wèi)辦醫(yī)函〔2019〕236號），2022年智慧服務達到3級以上的醫(yī)院數(shù)量不少于1家。利用大數(shù)據(jù)、人工智能等新技術輔助開展流行病學和溯源調(diào)查。進一步推動電子健康檔案動態(tài)利用，居民電子健康檔案動態(tài)使用率達到75%。（責任單位：區(qū)衛(wèi)生健康局）
13.智慧醫(yī)保。進一步落實健康中國戰(zhàn)略，建設智慧醫(yī)保信息化平臺。推動醫(yī)保電子憑證在定點醫(yī)藥機構應用，逐步實現(xiàn)預約、掛號、就診、支付以及查閱報告等場景亮碼、刷臉服務。（責任單位：區(qū)醫(yī)保局、衛(wèi)生健康局）
（七）提升交通數(shù)字化水平
14.智慧停車。利用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、便捷支付、全景導航等技術實現(xiàn)全域停車資源的“智能感知、智能調(diào)度、智能服務”，建立全區(qū)停車管理、運營、服務一體化體系，打造智慧停車模式。（責任單位：區(qū)城市管理委員會辦公室，區(qū)住房城鄉(xiāng)建設局、自然資源局、交通運輸局、公安分局、大數(shù)據(jù)發(fā)展管理局、綜合執(zhí)法局，各鎮(zhèn)街，各功能區(qū)）
15.智慧交通。利用新技術新方法進一步提升對交通態(tài)勢的精確感知控制能力，建設智能化、可統(tǒng)一調(diào)度的交通信號燈系統(tǒng)，實現(xiàn)對道路信號實時調(diào)整。開展5G交通網(wǎng)示范工程建設，推進即墨區(qū)巡游出租車車載智能終端安裝項目。公共汽電車來車實時預報率達到100%；交通路口實時信號配時系統(tǒng)比例超過80%、電子警察監(jiān)控點覆蓋率達到100%，不斷提高公交電子站牌覆蓋率。（責任單位：區(qū)住房城鄉(xiāng)建設局、自然資源局、交通運輸局、公安分局）
（八）提升人社和養(yǎng)老服務數(shù)字化水平
16.養(yǎng)老服務“靜默辦理”。深化養(yǎng)老服務綜合監(jiān)管信息平臺應用，實現(xiàn)全區(qū)老年人戶籍、健康、就診、養(yǎng)老金、醫(yī)保等信息共享共用。推動養(yǎng)老服務時間銀行平臺與個人信用平臺互聯(lián)互通，鼓勵更多的志愿者參與養(yǎng)老服務。推廣應用智慧養(yǎng)老設施設備，推進醫(yī)療健康監(jiān)測設備、智能安防設備、可穿戴設備、養(yǎng)老服務機器人等智能化設備在養(yǎng)老中的廣泛應用，為全區(qū)居家失智老人發(fā)放智能手環(huán)。構建養(yǎng)老服務機構行政審批、民政備案、食品安全、消防安全等養(yǎng)老服務質(zhì)量綜合監(jiān)管的聯(lián)動機制。優(yōu)化老年人服務事項“靜默辦理”，養(yǎng)老機構和養(yǎng)老床位實現(xiàn)在線預約、簽約，養(yǎng)老保險待遇資格認證、津貼補貼領取等涉及老年人高頻使用的政務服務事項基本實現(xiàn)由系統(tǒng)自動辦理。按上級部署，試點推行門診慢特病部分病種“零材料辦理”。（責任單位：區(qū)民政局、衛(wèi)生健康局、醫(yī)保局、人力資源社會保障局、行政審批局、公安分局）
三、培育富有活力的數(shù)字經(jīng)濟生態(tài)
（九）推動特色產(chǎn)業(yè)發(fā)展
17.海洋大數(shù)據(jù)產(chǎn)業(yè)。發(fā)揮海洋試點國家實驗室、國家深海基地等海洋科技重大平臺集聚優(yōu)勢，持續(xù)引進涉海研發(fā)機構和產(chǎn)業(yè)項目。推進科研成果轉(zhuǎn)化，發(fā)揮國家海洋技術轉(zhuǎn)移中心作用，布局建設一批特色鮮明的專業(yè)產(chǎn)業(yè)園，暢通科研成果轉(zhuǎn)化路徑，加速藍谷科研成果在當?shù)禺a(chǎn)業(yè)轉(zhuǎn)化。依托鰲山灣未來城做好藍谷科研成果及產(chǎn)業(yè)轉(zhuǎn)化承接，助推海洋經(jīng)濟融合發(fā)展。依托海洋試點國家實驗室，建設國際領先的超算和海洋大數(shù)據(jù)公共服務平臺，建立集數(shù)據(jù)采集、存儲、更新、處理、分析、共享、應用等為一體的海洋大數(shù)據(jù)綜合發(fā)展體系，支撐海洋科學研究、海洋科技發(fā)展和成果轉(zhuǎn)化，推動海洋特色創(chuàng)客發(fā)展。推進華錄山東總部基地與國家海洋大數(shù)據(jù)產(chǎn)業(yè)孵化基地建設，融合超算、云計算、人工智能等新興技術，開發(fā)海洋信息資訊服務產(chǎn)品，打造以光磁一體存儲設備為核心的新一代大數(shù)據(jù)設施。（責任單位：區(qū)工業(yè)和信息化局、科技局、自然資源局，各鎮(zhèn)街，各功能區(qū)）
（十）推動數(shù)字產(chǎn)業(yè)化發(fā)展
18.數(shù)據(jù)要素市場化配置。積極探索數(shù)據(jù)要素市場培育，規(guī)范數(shù)據(jù)交易主體行為，支持青島大數(shù)據(jù)交易中心等市場主體探索數(shù)據(jù)交易新模式。支持更多銀行和有關機構進駐數(shù)據(jù)中臺開展信用貸等業(yè)務，以數(shù)據(jù)資源賦能全區(qū)實體經(jīng)濟發(fā)展。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局）
19.數(shù)字經(jīng)濟園區(qū)。支持加快數(shù)字經(jīng)濟領域重點項目建設，推動華為科技產(chǎn)業(yè)城、金蝶軟件園、華錄山東總部基地、金口智能制造及大數(shù)據(jù)發(fā)展示范基地等建設。（責任單位：經(jīng)濟開發(fā)區(qū)管委、鰲山衛(wèi)街道辦事處、金口鎮(zhèn)政府，區(qū)工業(yè)和信息化局、大數(shù)據(jù)發(fā)展管理局）
（十一）提升產(chǎn)業(yè)數(shù)字化水平
20.農(nóng)業(yè)數(shù)字化轉(zhuǎn)型。加快智慧農(nóng)業(yè)發(fā)展，推動互聯(lián)網(wǎng)與現(xiàn)代農(nóng)業(yè)線上線下“雙融合”，構建共創(chuàng)、共享、共贏的數(shù)字農(nóng)業(yè)生態(tài)圈，為鄉(xiāng)村振興和農(nóng)業(yè)農(nóng)村現(xiàn)代化提供新動能。實施信息進村入戶工程，加快‘益農(nóng)信息社’建設，提高農(nóng)村現(xiàn)代信息技術應用水平。引進精準農(nóng)業(yè)與智慧農(nóng)機示范系統(tǒng)，建設衛(wèi)星導航差分定位基站、農(nóng)用遠程氣象監(jiān)測站，加快推進現(xiàn)代農(nóng)業(yè)生產(chǎn)的精準化、智能化。加快農(nóng)村電商公共服務體系建設，持續(xù)推動淘寶村、鎮(zhèn)創(chuàng)建，提升農(nóng)村電商公共服務軟實力。（責任單位：區(qū)農(nóng)業(yè)農(nóng)村局、商務局）
21.工業(yè)數(shù)字化轉(zhuǎn)型。通過實施工業(yè)互聯(lián)網(wǎng)賦能行動，推動傳統(tǒng)制造業(yè)向數(shù)字化、網(wǎng)絡化、智能化升級，有序推進區(qū)內(nèi)企業(yè)實施工業(yè)互聯(lián)網(wǎng)改造，重點培育紡織服裝、汽車及零部件兩大特色產(chǎn)業(yè)，打造酷特智能“數(shù)字驅(qū)動的C2M大規(guī)模定制模式”、即發(fā)集團“織染縫一體柔性化制造模式”、森麒麟輪胎“基于精益制造的智慧工廠模式”等。完善工業(yè)互聯(lián)網(wǎng)行業(yè)標識解析體系，工信部備案的工業(yè)互聯(lián)網(wǎng)標識解析二級節(jié)點數(shù)量不少于1家。加快工業(yè)互聯(lián)網(wǎng)安全保障體系建設，打造工業(yè)互聯(lián)網(wǎng)安全信息共享、監(jiān)測預警、攻防演練等平臺，提升工業(yè)互聯(lián)網(wǎng)安全公共服務能力。（責任單位：區(qū)工業(yè)和信息化局）
22.服務業(yè)數(shù)字化轉(zhuǎn)型。發(fā)展智慧物流，推進國際陸港、綜合保稅區(qū)等重點物流園區(qū)數(shù)字化升級改造，建設智慧物流園區(qū)。發(fā)展網(wǎng)絡貨運等新業(yè)態(tài)新模式，形成智慧物流典型示范應用。（責任單位：區(qū)交通運輸局，國際陸港管委、藍谷高新區(qū)管委）推進商業(yè)實體向線上銷售轉(zhuǎn)型，鼓勵發(fā)展平臺經(jīng)濟，支持直播電商、社交電商、新零售等新業(yè)態(tài)發(fā)展。（責任單位：區(qū)商務局）發(fā)展金融科技，推動大數(shù)據(jù)、人工智能、區(qū)塊鏈技術在金融服務中的創(chuàng)新應用，加強金融風險防控，改善金融市場環(huán)境，提升金融服務效率。（責任單位：區(qū)地方金融監(jiān)管局）推進自然人、企業(yè)法人、非企業(yè)法人公共信用數(shù)據(jù)庫建設，推動信用信息的深度融合與協(xié)同使用，構建守信聯(lián)合激勵和失信聯(lián)合懲戒機制，增強社會誠信和自治能力。（責任單位：區(qū)發(fā)展改革局、大數(shù)據(jù)發(fā)展管理局）發(fā)展智慧文旅服務，組織有條件的景區(qū)與互聯(lián)網(wǎng)企業(yè)進行合作，推進數(shù)字圖書館、數(shù)字博物館、數(shù)字文化館建設。（責任單位：區(qū)文化和旅游局）
四、構建智能融合的數(shù)字基礎設施
（十二）加快新型基礎設施建設
23.多功能一體桿。以場景建設為牽引，結(jié)合道路建設、老舊路燈改造，整合路燈桿、信號桿、公交站臺等市政設施，加快物聯(lián)網(wǎng)設施部署，加速多功能桿、柱、樁等新型智能感知設施建設。（責任單位：區(qū)住房城鄉(xiāng)建設局、公安分局、交通運輸局）
24.“雙千兆”城市。加快推進“雙千兆”城市建設，推動移動通信網(wǎng)絡、固定寬帶網(wǎng)絡接入能力逐步達到1000Mbps。全面部署IPv6，統(tǒng)籌推進全區(qū)骨干網(wǎng)、城域網(wǎng)、接入網(wǎng)IPv6升級。加快推進5G基礎設施建設，支持運營商以共建共享共用新模式開展5G基站建設，城區(qū)重點公共區(qū)域5G網(wǎng)絡覆蓋率達到80%以上。高質(zhì)量建設5G網(wǎng)絡，全面推進5G網(wǎng)絡試點和規(guī)模組網(wǎng)，推動5G與重點垂直行業(yè)深度融合。（責任單位：區(qū)工業(yè)和信息化局）
五、加強數(shù)字化轉(zhuǎn)型支撐保障
（十三）完善數(shù)據(jù)資源服務體系。統(tǒng)籌全區(qū)基礎數(shù)據(jù)資源建設，整合各類信息平臺、信息系統(tǒng)和數(shù)據(jù)中心資源，健全基礎數(shù)據(jù)資源動態(tài)管理體系，探索建立城市數(shù)據(jù)資源服務體系。加強社會、產(chǎn)業(yè)、互聯(lián)網(wǎng)等領域數(shù)據(jù)匯聚。加強數(shù)據(jù)治理，提升數(shù)據(jù)質(zhì)量，確保數(shù)據(jù)完整性、規(guī)范性和準確性，為風險防控、應急調(diào)度、公共決策、協(xié)同治理提供大數(shù)據(jù)支撐，依法依規(guī)推進公共數(shù)據(jù)開放。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局，區(qū)政府有關部門）
（十四）構筑防護有力的網(wǎng)絡安全體系。推動網(wǎng)絡安全態(tài)勢感知系統(tǒng)建設，實現(xiàn)政務網(wǎng)絡和政務云中心平穩(wěn)運行。采用流量監(jiān)測、人工智能、大數(shù)據(jù)分析等技術，進一步提升網(wǎng)絡安全防護能力，及時發(fā)現(xiàn)、處置網(wǎng)絡安全問題，化解潛在風險，保障政務網(wǎng)絡和政務云中心平穩(wěn)運行。推動網(wǎng)絡安全規(guī)范化管理。擬定即墨區(qū)網(wǎng)絡安全管理辦法，明確各部門職責，夯實主體責任?？茖W研究制定安全策略，組建網(wǎng)絡安全專家技術團隊，加強智力支撐，提高政務網(wǎng)絡和政務云中心安全防護水平。組織開展安全知識培訓和應急演練，提高人員安全意識和應急處置能力。持續(xù)強化數(shù)據(jù)安全保障。統(tǒng)籌推進安全保障體系建設，明確數(shù)據(jù)采集、傳輸、存儲、使用、開放等各環(huán)節(jié)保障網(wǎng)絡安全的范圍邊界、責任主體和具體要求，加強安全風險評估、審查和監(jiān)督，提升安全監(jiān)測和預警能力。（責任單位：區(qū)委網(wǎng)信辦，區(qū)公安分局、大數(shù)據(jù)發(fā)展管理局）
（十五）優(yōu)化數(shù)字即墨發(fā)展環(huán)境。積極推動數(shù)字即墨建設資金納入年度地方財政預算，加快完善專項資金申請發(fā)放、績效管理、調(diào)度激勵等制度。（責任單位：區(qū)財政局）加強對數(shù)字即墨建設工作的組織領導、推進落實，對責任單位年度完成情況進行考核、督導。破除行業(yè)壁壘，推動各行業(yè)領域在技術、標準、成果轉(zhuǎn)化等方面充分對接，規(guī)范事中事后監(jiān)管，進一步優(yōu)化數(shù)字經(jīng)濟發(fā)展環(huán)境。（責任單位：區(qū)政府辦公室、市場監(jiān)管局）深化重點領域政務公開，重大建設項目、公共資源配置、社會公益事業(yè)建設領域政府信息公開內(nèi)容更加豐富、渠道更加多樣。（責任單位：區(qū)政府辦公室）配合青島完善政務信息資源共享、公共信息資源開放、數(shù)據(jù)流通交易、個人信息保護等領域標準體系、管理制度等。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、區(qū)委網(wǎng)信辦）加大數(shù)字即墨建設宣傳力度，及時推介數(shù)字政府建設發(fā)展的新成果、新成績、新成就，積極營造重視數(shù)字即墨建設的輿論氛圍。（責任單位：區(qū)大數(shù)據(jù)發(fā)展管理局、工業(yè)和信息化局）
抄送：區(qū)委各部委，區(qū)人大常委會辦公室，區(qū)政協(xié)辦公室，區(qū)監(jiān)委，區(qū)人武部，區(qū)法院，區(qū)檢察院，省、青島駐即單位，各派，人民團體。
青島市即墨區(qū)人民政府辦公室 2021年7月1日印發(fā)