時間：2024-02-06 14:45:22
導語：在人工智能和教學的撰寫旅程中，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。
【關鍵詞】 神經心理學； 量表； 輕度認知損害； 血管性認知損害； 執(zhí)行功能；病例對照研究
doi:10.3969/j.issn.1000-6729.2009.02.001
中圖分類號：R743.9，R749.13 文獻標識碼：A 文章編號：1000-6729(2009)002-0077-06
Comparison of Cognitive Functions in Patients with Amnestic Mild Cognitive Impairment and
Vascular Cognitive Impairment-no Dementia
YUAN Jing, GUO Qi-Hao@, FU Jian-Hui, HONG Zhen
Dep. Neurology of Huashan Hospital, Fudan University, Shanghai 200040
@ Corresponding author,Email: dr.省略
【Abstract】Objective: To investigate the cognitive impairment features in patients with amnestic mild cognitive impairment (aMCI) and vascular cognitive impairment-no dementia (VCI-ND).Methods:Sixteen normal elders, 10 patients with aMCI and 12 patients with VCI-ND were recruited. The normal elders wereselected from communities in Shanghai, while the aMCI and VCI-ND patients were selected from outpatient clinic. All participants ranged in age of 50~80 years, with education level of junior middle school or above, and they completed cranial CT or MRI and a series of neuropsychological tests. Results:In the three memory tests, aMCI group performed worst. The scores of both aMCI and VCI-ND groups were lower than that of the normal elders. For example, the delayed recall scores of the Rey-Osterrich complex figure test in the three groups were(18.8±9.5) (normal),(5.6±5.6)(aMCI) and(9.6±7.0)(VCI-ND)(P
【Key words】 neuropsychology; scale; amnestic mild cognitive impairment; vascular cognitive impairment-no dementia; executive function；case control study
阿爾茨海默病（Alzheimer's disease, AD）和血管性癡呆（vascular dementia, VaD）是最常見的癡呆兩大原因。近年來，越來越多的學者將重點轉移到癡呆的臨床前期階段的研究，遺忘型輕度認知損害(amnestic mild cognitive impairment, aMCI)和血管性認知障礙（vascular cognitive impairment, VCI）是基于此提出的兩大概念。2006年美國國立神經疾病和卒中研究所－加拿大卒中網聯合頒布了血管性認知障礙的統一標準［1］，重新定義了血管性認知障礙是由血管因素導致的或與之相關的認知障礙。新的統一標準極大地拓寬了概念的范圍，包括非癡呆血管性認知損害（vascular cognitive impairment-no dementia，VCI-ND）、血管性癡呆、混合性癡呆以及其他和血管因素相關的認知障礙。而主要針對癡呆前期的概念是VCI-ND。本研究旨在評價aMCI和VCI-ND在認知表現方面的相同和差異, 這對于明確血管性因素在認知障礙發(fā)生中的地位有一定的意義與價值。
1 對象與方法
1.1 對象
2006年10月至2007年3月在本院神經內科“記憶障礙”或“中風”門診選取遺忘型輕度認知損害者10人［男7人，女3人，平均年齡（67±8）歲，平均受教育年限（13±3）年］、非癡呆血管性認知損害者12人［男6人，女6人，平均年齡（65±7）歲,平均受教育年限（11±3）年］，在社區(qū)退休老人中抽取16人為正常對照組［男7人，女9人，平均年齡（65±6）歲，平均受教育年限（13±2）年］。入組條件：近一月無焦慮、抑郁等精神障礙表現，沒有嚴重軀體疾病，沒有視力和聽力障礙，對認知檢查合作，簡明精神狀態(tài)量表（MMSE）大于或等于24分。所有受試年齡在50～80歲之間，受教育程度在初中及初中以上，婚姻狀況為已婚，均為右利手。全部完成頭顱CT或核磁共振檢查及成套神經心理測驗，并應用Xe-CT技術定量測定38例對象腦不同部位的局部血流量值（rCBF）。結果aMCI組影像學檢查僅有程度不等的腦萎縮，無明確的腔隙性梗死灶或斑片狀或彌漫性白質疏松表現。三組之間年齡、性別和教育程度差異均無統計學意義(P>0.05)。
1.2 診斷標準
遺忘型輕度認知損害（aMCI）的診斷標準［2］:(1)有記憶減退主訴；(2)有記憶減退的客觀證據，表現為聽覺詞語學習測驗［3］的延遲回憶得分≤正常老人的“均數-1.5個標準差”；在本研究中為12個詞語延遲回憶得分≤4分（50~60歲）、3分（60~70歲）、2分（70~80歲）；(3) MMSE（簡易精神狀態(tài)量表，Mini-mental State Examination）總分≥24分；(4)日?；顒幽芰o顯著缺損；(5)非癡呆，不符合美國神經病學、語言障礙和卒中-老年性癡呆和相關疾病學會（NINCDS-ADRDA）McKhann等編制的有關癡呆的診斷標準［4］。
非癡呆血管性認知損害（VCI-ND）的診斷標準：目前還沒有國際公認的VCI-ND的診斷標準，本文使用的診斷標準是郭起浩教授根據文獻資料結合aMCI的診斷標準制定的：(1)有獲得性認知損害，如記憶減退或反應遲鈍，有知情者證實，且病程超過3個月；(2)神經心理測驗證實有認知功能減退，其測查分值在年齡和教育匹配對照組1.5個標準差以下，在本研究中為連線測驗B ［5］耗時數≥190秒（50~60歲）、220秒（60~70歲）、280秒（70~80歲）或Stroop色詞測驗C［6］正確數≤39個（50~60歲）、38個（60~70歲）、35個（70~80歲）；(3)MMSE［7］至少24分或Mattis癡呆評價表（DRS）［8］至少120分（在初中及以上受教育程度的情況下）；(4)工作、社交和日常生活能力不受影響或僅受輕微影響；(5)達不到血管性癡呆的診斷標準；(6)影像學表現為多個腔隙性腦梗死或大梗死灶或重要功能部位的梗死（如丘腦、基底節(jié)），或廣泛的腦白質病變，無明顯的腦萎縮；(7)排除其他可引起腦功能衰退的系統疾病。
1.3 工具
1.3.1記憶功能測試
1.3.1.1 聽覺詞語學習測驗(auditory verbal learning test，AVLT)［3］
檢查者讀出12個雙字組成的名詞性詞語，請受試聽完后立即回憶，連續(xù)學習并回憶3次。在非言詞測驗間隔約5分鐘后，回憶剛才的12個詞語（稱為“短延遲回憶”，即AVLT4），在非言詞測驗間隔約20分鐘后，對12個詞語作自由回憶（稱為“長延遲回憶”，即AVLT5），最后檢查者讀出24個詞語請受試回答是否記憶過（稱為“再認”）。分析指標為每次回憶正確數。
1.3.1.2 Rey-Osterrieth復雜圖形測驗(Rey-Osterrich complex figure test，CFT)［9］
首先要求模仿圖形（第一部分），在事先沒有提醒的情況下約20分鐘后回憶這幅圖（第二部分）?？偡譃?6分。其中第一部分反映的是視空間能力，第二部分反映的是對圖形的記憶能力。
1.3.1.3 邏輯記憶測驗(Logical memory test，LM)
選自韋氏記憶量表中文版（乙式）（WMS-RC）［10］的邏輯記憶分測驗。從邏輯記憶分測驗的3段小故事中選擇第1個小故事作為測驗內容，即刻回憶的操作同WMS-RC，增加20分鐘后的延遲記憶，評分方法為20個故事要點，每個要點得1分，共20分。
1.3.2執(zhí)行功能測試
1.3.2.1連線測驗A和B(Trail Making Test,TMT) ［5］
該項是Halstead-Reitan成套神經心理測驗中的一個分測驗，連線測驗B的原版本是要求數字和字母交替排列，我們使用的修訂版是將數字包含在正方形和圓形兩種圖形中，要求被試連接數字時兩種圖形交替進行。分別記錄完成時間、錯誤連接提醒次數、不能連接提醒次數、抬筆提醒次數，后3者組成錯誤總數。反映的是快速視覺搜索、視覺空間排序和認知定勢轉移能力。
1.3.2.2Stroop色詞測驗(Stroop Color Words Test,CWT) ［6］
該測驗由3張卡片、每張50字、4種顏色組成。卡片A讀顏色字，卡片B讀單純的顏色，卡片C要求讀字的顏色而不是字本身。記錄正確數、耗時數、立即改正數和延遲改正數。
1.3.2.3加減交替測驗(Plus Minus Supersede Test,PMST) ［11］
該測驗首先是20個數字加3，其次是要求20個數字減3，最后是要求50個數字交替加減3，記錄正確數和耗時數。
1.3.2.4 語義相似性測驗(Similatities Test,ST)
該測驗共12題，模仿韋氏成人智力測驗(WAIS)的相似性分測驗自行編制。要求被試說出兩樣物品(如“飛機”和“輪船”)間的相似性，記錄正確數［12］。
1.3.2.5 視覺推理測驗(Visual Reasoning Test,VRT)
該測驗共15題，設計原理同瑞文推理測驗，要求被試按照不同規(guī)律把四格圖填滿，記錄正確數［12］。
1.3.2.6 迷宮測驗(Maze Tracing,MT) ［11］
要求被試畫出3個由易到難的迷宮出來的路線。記錄耗時數和錯誤數（包括因錯誤返回次數、觸壁次數和抬筆提醒次數）。
1.3.2.7 諺語理解測驗(Proverbs Test,PT) ［12］
該測驗包括10個難易不同的漢語諺語，要求被試逐一解釋，無法解釋者進行選擇回答，并說出對這個諺語的熟悉程度，分別記錄自發(fā)解釋、選擇回答和熟悉性的總分。
1.3.3 視空間測驗
Rey-Osterrieth復雜圖形測驗(CFT)［9］ 第一部分反映的是視空間能力。
1.3.4 流暢性測驗
該測驗最早出現在Spreen和Benton1969年編制的失語綜合檢查法中［13］，本文要求被試分別在1分鐘內盡可能多地列舉“動物”和“超市商品”的例子。記錄正確數、錯誤數、重復數、亞類數（subcategory）、語義串聯數(cluster)和類別之間轉換數(switch)。如“蘋果、香蕉、可樂、純水、梨子、豬肉、草紙”，亞類數為4，串聯數為2，類別之間轉換次數4。
所有受試皆在經過統一培訓的華山醫(yī)院神經內科醫(yī)生一對一的指導下完成測驗內容，并對診斷檢查的合作態(tài)度良好。
1.4 統計方法
采用單因素方差分析，然后采用 LSD法進行多重比較。以α＝0.05作為檢驗水準。
2 結果
2.1三組受試者的記憶功能測試評分比較
三種記憶測驗中，aMCI組各項記憶得分均最低，aMCI組和VCI-ND組各項得分均低于正常對照組， VCI-ND組的詞語延遲回憶得分高于aMCI組（表1）。
2.2三組受試者的執(zhí)行功能測試評分比較
反應耗時數測驗VCI-ND組完成時間均最長，其次是aMCI組；反應正確數測驗VCI-ND組和aMCI組均較正常組差（表2）。
2.3三組受試者的視空間測試和流暢性測驗評分比較
Rey-Osterrieth復雜圖形測驗模仿得分三組間差異無統計學意義［（34.6±1.8），（31.2±6.2），（30.8±8.3）；F＝1.917，P>0.05］。
表3顯示：正常組列舉超市商品個數正確數得分高于aMCI組；正常組列舉動物個數正確數得分高于aMCI組和VCI-ND組，而列舉動物語義串聯數得分正常組和VCI-ND組高于aMCI組。
3 討論
本研究通過以記憶和執(zhí)行功能為主的認知功能評定，發(fā)現在三種記憶測驗（詞語記憶、邏輯記憶和圖形記憶）中，aMCI患者的每項記憶得分均是最低的，VCI-ND得分介于aMCI和正常之間，并且從AVLT測驗的每次回憶正確數的走勢趨勢上看，aMCI組的下降幅度是最為明顯的，VCI-ND和正常組的曲線相對平緩，說明了aMCI患者學習新事物能力下降的主要原因是學習后信息保持能力的下降，即短時記憶受損程度較瞬時記憶更明顯。而AVLT第4和5次回憶正確數在aMCI和VCI-ND兩組比較中亦呈現出統計學差異，可見，詞語延遲回憶不僅是aMCI和正常組區(qū)別的一個很好的參考指標，更可以被推廣至aMCI和VCI-ND的比較。aMCI患者出現記憶功能損害可能和它的病理改變有關。有研究指出，aMCI患者顯示海馬區(qū)域的病理變化、在新皮層區(qū)呈現彌漫性的β淀粉樣蛋白聚集形成的神經炎斑(SNPs) ［14］。另外，Sarazin等［15］人對251個aMCI患者進行了6個月到3年的隨訪，評估了包括自由回憶和線索回憶、言語流暢性、語義相似性、Stroop測驗、連線測驗等一系列神經心理測驗，結果指出自由回憶和線索回憶對早期識別aMCI轉化為AD有幫助。而AVLT的核心即是自由回憶和線索回憶。
本研究發(fā)現，在執(zhí)行功能方面，和記憶表現正好相反，無論從嚴重程度還是覆蓋的廣度，VCI-ND組的表現在三組中均是最差的，幾乎涵蓋了所有的執(zhí)行功能測驗，包括反映優(yōu)勢抑制的Stroop色詞測驗，反映定勢轉換的連線測驗A和B、加減交替測驗、迷宮測驗，反映概念形成的語義相似性測驗、諺語理解測驗和視覺推理測驗。顯然，VCI-ND的認知缺損模式中占主導地位的是執(zhí)行功能障礙。執(zhí)行功能受到損害的患者，智力、長時記憶和運動技能測驗結果可以正常，但是整合協調這三者功能的能力受損，可以表現出行為和性格的改變［12］。執(zhí)行功能主要反映的是額葉的功能。這個基于Alexander［16］和Cummings［17］等人關于皮質下－額葉回路的學說。IshiiH等［18］對497個社區(qū)老人調查發(fā)現腦血管疾病和MMSE得分無明顯相關，但在完成連線測驗B（TMT-B）的能力上有減退，并且認為執(zhí)行功能損害是建立在皮質下額葉回路受損的基礎上。O'Sullivan等［19］比較了MRI上有腔隙性梗死灶的受試者和年齡教育程度相匹配的對照組的認知測驗，結果發(fā)現兩組間有顯著差別的測驗主要是執(zhí)行功能測驗，而眾多的執(zhí)行功能測驗中最具有鑒別價值的是連線測驗和符號數字替換測驗。Marshall等［20］對16個非癡呆的社區(qū)老人進行了頭顱MRI和認知測驗的檢查，發(fā)現執(zhí)行功能測驗中的Stroop色詞測驗和皮質下損害的嚴重程度有顯著的相關性，而無論即刻和延遲回憶都不具有相關性。這些結論都和本研究相一致。但是值得一提的是，執(zhí)行功能不是一個單一的功能，它可以分成抽象推理、優(yōu)勢抑制、定勢轉換、計劃、流暢性和工作記憶等多個亞領域，正如文獻中所提到的符號數字替換測驗是反映注意能力的，本研究中尚未涉及，另外考慮樣本例數偏小，將在以后的研究中補足。
在眾多的執(zhí)行功能測驗中，能夠有效對aMCI和VCI-ND有區(qū)分作用的指標是TMT－B的耗時數。TMT反映的是快速視覺搜索、視覺空間排序和定勢轉換。既往我們的研究證實了TMT－A、B兩部分可以用來識別輕度認知功能障礙和輕度阿爾茨海默病。現在通過VCI-ND和aMCI的比較，發(fā)現兩者在TMT-B耗時數上亦有統計學意義上的差異，而TMT-A并沒有呈現出相似的意義，由此可以提示VCI-ND在認知定勢轉換上存在較aMCI更突出的障礙。另外，在平均耗時數上，Cahn等［21］曾評估238例正常老人、77例AD危險人群和45例AD患者，TMT-B的平均得分分別為123.5秒、172.7秒和228.4秒。相比較而言，我們正常組和aMCI組老人完成絕對時間都有延長。這可能是由于中國有兩種數字系統：阿拉伯數字和漢語數字，而大多數中國老年人不如西方人對阿拉伯數字敏感，也有可能方形和圓形兩種圖形較接近，受試者需要更多的時間去分辨，而不像字母與數字容易區(qū)別。
流暢性(Fluency)測驗要求被試就某一語言或非語言范疇列舉盡可能多的例子，檢測命名能力、言語生成速度、短時和長時記憶，也反映被試的語義組織和提取策略，后者反映執(zhí)行功能。用得最多的就是類別流暢性（說動物、超市物品的名稱）、字母流暢性、語音流暢性等。本研究中，從類別流暢性列舉動物和超市物品正確數的得分上看，aMCI較正常和VCI-ND個數顯著減少（P分別是0.004和0.000），進一步觀察其中的語義串連個數，也呈現出同樣的趨勢，提示了aMCI的記憶損害。另一方面，aMCI組在總數減少的情況下，類別之間轉換次數卻可以和VCI-ND組持平，提示了VCI-ND患者在類別轉換能力上其實并不如aMCI患者。而類別轉換能力是歸屬于執(zhí)行功能部分。這從另一方面證實了VCI-ND的認知損害以執(zhí)行功能損害為主。
參考文獻
［1］Hachinski V, Iadecola C, Petersen RC, et al. National Institute of Neurological Disorders and Stroke-Canadian Stroke Network vascular cognitive impairment harmonization standards［J］. Stroke, 2006,37:2220-2241.
［2］Petersen RC, Smith GE, Waring SC, et al.Mild cognitive impairment［J］.Arch Neurol, 1999, 56:303-308.
［3］郭起浩，呂傳真，洪震.聽覺詞語記憶測驗在中國老人中的試用分析［J］.中國心理衛(wèi)生雜志，2001，15（1）：13－16.
［4］McKhann G, Drachman D, Folstein M, et al. Clinical diagnosis of Alzheimer's disease: report of the NINCDS-ADRDA Work Group under the auspices of Department of Health and Human Services Task Force on Alzheimer's Disease. Neurology, 1984, 34:939-944.
［5］陸駿超，郭起浩，洪震，等.連線測驗（中文修訂版）在早期識別阿爾茨海默病中的作用［J］.中國臨床心理學雜志，2006，14（2）：118-121.
［6］郭起浩，洪震，呂傳真，等.Stroop色詞測驗在早期識別阿爾茨海默病中的作用［J］.中華神經醫(yī)學雜志，2005,4(7)：701-704.
［7］張明圓.精神科手冊［M］.上海: 上海科學技術出版社, 1999:433-439.
［8］Chan AS , Choi MK,Salmon DP. The effects of age , education ,and gender on the Mattis dementia rating scale performance of elderly Chinese and American individuals. Journal of Gerontology : Psychol Sci ,2001 , 56B(6) :356-363.
［9］郭起浩，呂傳真，洪震.Rey-Osterrieth復雜圖形測驗在中國正常老人中的應用［J］.中國臨床心理學雜志，2000，8（4）：205-207.
［10］龔耀先. 修訂韋氏記憶量表手冊［M］. 長沙:湖南醫(yī)學院,1983.
［11］Miyake A, Friedman NP, Emerson MJ, et al. The unity and diversity of executive functions and their contributions to complex "frontal lobe" tasks: A latent variable analysis［J］. Cognit Psychol, 2000, 41: 49-100.
［12］Lezak MD, Howieson DB，Loring DW. Neuropsychological assessment［M］. 4th ed. New York: Oxford University Press, 2004: 514-478.
［13］Spreen O，Benton AL. Neurosensory center comprehensive examination for aphasia［M］. Victoria: University of Victoria Neuropsychology Laboratory, 1995.
［14］Riley KP, Snowdon DA, Markesbery WR. Alzheimer's neurofibrillary pathology and the spectrum of cognitive function: findings from the Nun Study［J］. Ann Neurol, 2002, 51:567-577.
［15］Sarazin M, Berr C, De Rotrou J, et al. Amnestic syndrome of the medial temporal type identifies prodromal AD: a longitudinal study［J］. Neurology, 2007, 69(19):1859-67.
［16］Alexander GE, Delong MR，Strick PL. Parallel organization of functionally segregated circuits linking basal ganglia and cortex. ［J］. Ann Rev Neurosci, 1986, 9:357-381.
［17］Cummings JL. Vascular subcortical dementias: clinical aspects［J］. Dementia, 1994, 5:177-180.
［18］Ishii H, Meguro K, Yamaguchi S, et al. Prevalence and cognitive performances of vascular cognitive impairment no dementia in Japan: the Osaki-Tajiri Project［J］. Eur J Neurol, 2007, 14(6):609-616.
［19］O'Sullivan M, Morris RG, Markus HS. Brief cognitive assessment for patients with cerebral small vessel disease［J］. J Neurol Neurosurg Psychiatry, 2005, 76(8):1140-1145.
［20］Marshall GA, Shchelchkov E, Hendrickson R, et al. Cognitive correlates of brain MRI subcortical signal hyperintensities in non-demented elderly［J］. Neurology, 2004, 62(7):323.
關鍵詞:人工智能;創(chuàng)新性教學;精品課程;課程建設;教學改革
人工智能課程是計算機類專業(yè)的核心課程之一,也是智能科學與技術、自動化和電子信息等專業(yè)的重要課程,其知識點具有不可替代的重要作用。該課程內容廣泛,具有很強的綜合性、應用性、創(chuàng)新性和挑戰(zhàn)性[1],其開設能夠更好地培養(yǎng)學生的創(chuàng)新思維和技術創(chuàng)新能力,為學生提供了一種新的思維方法和問題求解手段。同時,本課程能夠培養(yǎng)學生對計算機前沿技術的前瞻性,提高他們的科技素質和學術水平。通過課程的學習,學生對人工智能的定義和發(fā)展、基本原理和應用有一定的了解和掌握,啟發(fā)了對人工智能的學習興趣,培養(yǎng)創(chuàng)新能力。
中南大學人工智能課程開設于20世紀80年代中期。1983年,蔡自興作為訪問學者赴美國普度大學研修人工智能,并與美國國家工程科學院院士傅京孫(K. S. Fu)教授及清華大學徐光v教授合作研究人工智能。在傅京孫院士教授的指導下,蔡自興和徐光v教授執(zhí)筆編著《人工智能及其應用》一書,并于1987年5月在清華大學出版社問世,成為國內率先出版的具有自主知識產權的人工智能教材。本教材不僅為我校人工智能課程提供了一部好教材,而且促進了國內高校普遍開設人工智能課程。此后,又陸續(xù)編著出版了《人工智能及其應用》第二版、第三版“本科生用書”和“研究生用書”、第四版等,修讀該課程的學生也與日俱增。該書第二版還獲得國家教育部科技進步一等獎。經過近20年建設,該我校人工智能課程于2003年評為國家精品課程,并在2008年評為國家雙語教學示范課程。這是至今國內唯一同時獲得國家級精品課程和雙語教學示范課程的人工智能課程。同時,我們還開發(fā)了人工智能網絡課程,具有網絡化、智能化和個性化等特色,被國家教育部評為優(yōu)秀網絡課程,供兄弟院校人工智能教學參考使用,受到普遍歡迎[2]。
作為國內第一門人工智能精品課程,我們按照教育部精品課程標準建設《人工智能》課程,尤其是在教學內容、創(chuàng)新性教學方法和教學模式上進行不斷進行改革與探索,取得了很好的效果。本文即為我校人工智能精品課程建設與改革經驗的初步總結。
1教學內容優(yōu)化
1.1課堂教學內容優(yōu)化
教學內容的確定是課程的首要任務。如何選好教學內容,使學生既能了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件難事。教學內容除了包含基礎理論外,還應該反映人工智能領域的新發(fā)展和新動態(tài),跟上學科發(fā)展的步伐。本課程最初設定的教學內容分基礎部分和擴展應用部分。基礎部分主要包括人工智能的定義和發(fā)展、知識的表示以及推理,而擴展應用部分主要包括專家系統、機器學習、機器規(guī)劃、機器視覺等。
近年來人工智能科學的快速發(fā)展,涌現出了大批新的方法和算法,研究熱點問題也從符號計算發(fā)展到智能計算和Agent等。
學內容,既能使學生了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件難事。教學內容除了包含基礎理論外,還應該反映人工智能領域的新發(fā)展和新動態(tài),跟上學科發(fā)展的步伐。本人工智能課程最初設定的教學內容分基礎部分和擴展應用部分。基礎部分主要包括人工智能的定義和發(fā)展、知識的表示以及推理,而擴展應用部分主要包括專家系統、機器學習、機器規(guī)劃、機器視覺等。
近年來人工智能科學的快速發(fā)展,涌現出了大批新的方法和算法,研究熱點問題也從符號計算發(fā)展到智能計算和Agent等。
隨著科學技術的不斷進步,在科學研究和工程實踐中遇到的問題變得越來越復雜,傳統的計算方法無法在一定時間內獲得精確的解。為了在求解時間和求解精度上取得平衡,很多具有啟發(fā)式特征的智能計算算法應運而生。這些算法通過模擬大自然和人類的智慧來實現對問題的優(yōu)化求解。計算智能作為人工智能的一個新的分支是目前的研究熱點,它主要涉及神經計算、模糊計算、進化計算和人工生命等領域,在如模式識別、圖像處理、自動控制、通信網絡等很多領域都得到了成功應用。另一個近10年來人工智能的研究熱點是Agent和多Agent系統,其理論最早來自分布式人工智能,并隨著并行計算和分布式處理等技術的發(fā)展而逐漸成為熱點。
以上兩個內容都是人工智能的重要分支。因此,我們在《人工智能及其應用》第三第3版[3]和第四第4版教材[4]中已經順應形勢加入了這方面的內容,并將教學內容也進行了相應的擴展,加入了計算智能、分布式人工智能與Agent。由于不確定性推理和基于概率的推理方法應用也越來越廣泛,我們也將此類非經典推理方法單獨作為一章來進行教學。另外,還增加了一些新的內容,如本體論和非經典推理、粒群優(yōu)化和蟻群計算、決策樹學習和增強學習、詞法分析和語料庫語言學,以及路徑規(guī)劃和基于Web的專家系統等。圖1給出本課程的教學內容大綱。
人工智能的教學內容涉及面廣且內容較多,要在有限課時內完成教學計劃并讓學生掌握,具有一定難度。因此需要根據教學對象的需求有所取舍。中南大度。因此需要根據教學對象的需求有所取舍。中南大學在智能科學與技術、計算機、自動化三3個專業(yè)中均開設了人工智能課程,根據相關專業(yè)課程教學對象,對學時和教學內容進行適當調整。對于智能科學與技術專業(yè),人工智能課程為必修課,共48個學時含實驗8個學時。表1表示為相關專業(yè)的人工智能課程教學內容分配情況。對于計算機和自動化專業(yè),人工智能課程為選修課,共32個學時含實驗8個學時。許多兄弟院校的計算機專業(yè)都把人工智能定為必修課,課程學時也在50學時左右。因此,我們一再強烈建議我校的計算機專業(yè)把人工智能列為必修課,并適當增加學時。由于智能科學與技術專業(yè)開設有專家系統和智能計算選修課程,因此在人工智能教學內容中只將這兩部分做簡要闡述,而將重點放在知識表示和推理以及擴展應用上。對于計算機專業(yè)學生來說,除基本的知識表示和推理外,計算智能和Agent技術也是他們在軟件開發(fā)和通訊技術理論學習中需掌握的重要概念。同時,計算智能、專家系統對自動控制和電氣工程也十分重要,對自動化專業(yè)則應掌握該方面的內容。
1.2實驗實踐教學創(chuàng)新
國內人工智能課程在開設之初大多沒有安排實驗內容,僅為理論基礎和概念講授。由于理論比較抽象,很難理解,學習效果不理想,學生們對于其應用實現也十分困惑。此后,各高校也逐步在該課程中分配了實驗學時,大多數采用prolog語言和專家系統作為實驗語言和對象[5]。為了改進該課程的教學,我們也從沒有實驗到將實驗學時從零調整為設置4個學時的實驗課時,然后到現在的8個學時的實驗課時。隨著課堂教學內容的改革,實驗內容也進行了優(yōu)化和更新。
人工智能課程實驗的目的是幫助學生掌握基本理論,發(fā)揮主動性,研究探討人工智能算法和系統的運行和實現過程,提出思路并驗證自己探索的思路,從而更好的地掌握知識,培養(yǎng)研究能力和創(chuàng)新能力。因此,在實驗教學內容的設計上,實驗項目應具備研究性和綜合性。實驗項目目標明確,要求學生帶著問題和任務進行實驗,但實驗過程又要有一定的靈活性,學生可以根據自己的思考進行適當的調整。再者,充分采用虛擬實驗方式進行實驗,大大提高了學生的興趣,提供了分析和探討智能算法的很好平臺。同時,學生的實驗數據和實驗結果分析既有格式要求,又給學生報告自己的研究的過程和結果留有空間,并在評分時加以充分考慮。這些做法能夠鼓勵學生,特別是鼓勵優(yōu)秀學生進行獨立性研究,滿足他們學習的需求。
1) 人工智能課程的實驗環(huán)節(jié)不足和課時分配問題。
中南大學的人工智能課程的實驗環(huán)節(jié)經歷了從精品課程建設前沒有到開設,一直到其內容和形式上的不斷改進過程。但目前實驗還主要處于演示性和編程的實驗階段,而非設計和訓練階段。此外,由于人工智能課程涵蓋范圍廣、內容多,而課程所設置的學時有限。,如何分配好課堂教學與實驗課時也是一個需要在今后課程建設中不斷探索的問題。
對于某些專業(yè)的人工智能課程,可以考慮單獨開設人工智能實驗課程或人工智能程序設計與實驗課程。
2) 人工智能技術發(fā)展迅速情況下如何保持該精品課程持續(xù)發(fā)展的問題。
人工智能作為一門高度融合的交叉科學,其發(fā)展速度迅速,不斷有新理論、新問題涌現出來。我們的
人工智能教學既要注重基礎理論知識,又要緊跟學科發(fā)展的步伐,勢必要求對課程內容進行不斷更新,這對我們的教學資源和教師素質都提出了更高的要求。
4結語
本文介紹了中南大學的精品課程――人工智能課程教學內容和創(chuàng)新性教學方法的一些探索,已在課堂教學內容的優(yōu)化、實驗環(huán)節(jié)的改進、教學方法的創(chuàng)新的實施上取得了很好的效果,充分激勵了學生的學習積極性和主動性,多方位培養(yǎng)學生發(fā)現問題、分析問題和解決問題的能力。我們的想法和做法可供兄弟院校同行參考。不過,仍然存在一些不足之處。隨著智能科學與技術的發(fā)展和更為廣泛的應用,人工智能課程的重要地位必將更加突顯,我們也需要繼續(xù)努力,與時俱進,不斷完善人工智能精品課程的建設。
注:本文受教育部質量工程國家級精品課程人工智能(2003)、全國雙語教學示范課程人工智能(2007)項目支持。
參考文獻:
[1] 薛瑩. 創(chuàng)新教育新途徑人工智能與機器人教育:哈爾濱市教育研究院張麗華院長訪談錄[J]. 中國信息技術教育,2010(1): 20-22.
[2] 蔡自興,肖曉明,蒙祖強,等. 樹立精品意識搞好人工智能課程建設[J]. 中國大學教學,2004(1):28-29.
[3] 蔡自興,徐光佑. 人工智能及其應用[M]. 3版. 北京:清華大學出版社,2003.
[4] 蔡自興,徐光佑. 人工智能及其應用[M]. 4版. 北京:清華大學出版社,2010.
[5] 韓潔瓊,閆大順. 人工智能實驗教學探討[J]. 計算機教育,2009,(11):135-138.
[6] 劉麗玨,陳白帆,王勇,等. 精益求精建設人工智能精品課程[J]. 計算機教育,2009,(17):69-71.
Exploration of Innovative Teaching Mode of Artificial Intelligence Elabrate Course
――Construction and Reformation in Elaborate Course of Artificial Intelligence
CHEN Bai-fan, CAI Zi-xing, LIU Li-jue
(Institute of Information Science and Engineering, Centnal South University, Changsha 410083, China)
關鍵詞：人工智能；電氣信息類；教學應用
教師在電氣信息類專業(yè)教育教學中在運用人工智能技術進行教學時，要對人工智能技術的含義和特點進行深入的分析和研究，并且還要了解電氣信息類專業(yè)的育人目標和教學要求，將人工智能和電氣信息類專業(yè)教學進行有機的融合，為學生打造全新的教學課堂，從而使學生的專業(yè)素質和學習能力能夠在人工智能的運用下得到有效的提高，為學生后續(xù)的發(fā)展提供更多的可能性。
一、人工智能時代的概述
人工智能（ArtificialIntelligence，縮寫為AI）亦稱智械、機器智能，指由人制造出來的機器所表現出來的智能。通常人工智能是指通過普通計算機程序來呈現人類智能的技術。該詞也指出研究這樣的智能系統是否能夠實現，以及如何實現。人工智能于一般教材中的定義領域是“智能主體（intelligentagent）的研究與設計”，智能主體指一個可以觀察周遭環(huán)境并作出行動以達致目標的系統。約翰麥卡錫于1955年的定義是“制造智能機器的科學與工程”。安德里亞斯卡普蘭（AndreasKaplan）和邁克爾海恩萊因（MichaelHaenlein）將人工智能定義為“系統正確解釋外部數據，從這些數據中學習，并利用這些知識通過靈活適應實現特定目標和任務的能力”。人工智能的研究是高度技術性和專業(yè)的，各分支領域都是深入且各不相通的，因而涉及范圍極廣。人工智能是研究使用計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能是十分廣泛的科學，它由不同的領域組成，它是哲學、認知科學、數學、神經生理學、心理學、計算機科學、信息論、控制論、不定性論、仿生學等多種學科互相滲透而發(fā)展起來的一門綜合性學科。在人工智能時代下進行電氣信息類專業(yè)教育改革的過程中，需要對人工智能時代的含義和發(fā)展背景進行深入的分析和研究，這樣才可以給電氣信息類專業(yè)教育改革指明一個正確的方向，保證后續(xù)工作的科學性和有效性。在2016年的世界經濟報告中，人工智能被預測為第4次工業(yè)革命的主要技術代表，人工智能的發(fā)展將從宏觀到微觀的各個角度進行相互的滲透以及融合，從而符合各個領域對于智能化技術的新要求和新需求。在人工智能技術發(fā)展的過程中，產生了大量的新技術和新產品，也形成了新的產業(yè)核心的發(fā)展模式[1]。我國經濟結構在人工智能時代下發(fā)生了重大的變革，由于人工智能技術獨特的技術形式和技術模式，深刻地改變著人們的生活方式和生活模式。在一定程度上不僅可以推動我國社會生產力的提高，還有助于推動科學技術水平逐漸朝著智能化和數字化的方向而發(fā)展，從中可以看出人工智能技術的發(fā)展是時展的必然趨勢，并且發(fā)展前景是比較廣闊的。人工智能技術主要是指將多個學科技術進行有效的整合，其中涵蓋了計算機學科、語言學科和心理學科，智能化特征是比較明顯的。在實際應用的過程中，由于融合了各種尖端的技術，能夠將技術能力和技術思維進行有機的結合，模仿人的工作行為和思維，在當前時代下人工智能技術得到了蓬勃的發(fā)展，但是人工智能技術的發(fā)展也需要一定的時間和精力。首先，在實際用的過程中相關工作人員進行了機器人的研發(fā)，機器人可以在復雜的環(huán)境中對信息進行有效的替代和處理，模仿人類的思維進行日常的工作。在后續(xù)工作的過程中，相關工作人員進行了數據系統的開發(fā)，可以自動化和智能化的對計算機數據進行有效的處理以及分析，在較短時間內提取出有效的信息，完成整個工作流程[1]。隨著我國當前科學技術的不斷發(fā)展，一些工作人員紛紛加強了對人工智能技術的研發(fā)力度和開發(fā)力度，不僅可以提高計算機的使用效果，還可以及時的發(fā)現在計算機系統日常運行過程中所存在的故障。在當前時代下人工智能技術的使用范圍在不斷的擴展，并且人工智能技術的發(fā)展前景是非常廣闊的，在計算機網絡技術中發(fā)揮著獨特性的作用和決定性的重要影響的作用。
其次，隨著人工智能技術的不斷發(fā)展，人工智能技術和各行各業(yè)進行了相互的滲透以及融合。在當前電氣信息專業(yè)領域中人工智能技術得到了廣泛的應用，并在實際工作的過程中對原有的工作模式進行了有效的改進和創(chuàng)新。一些工作人員在實際工作的過程中構建了自動化的工作模式和工作平臺，將人工智能技術完美的融入電氣信息領域中，不僅為我國電氣信息領域指明了一個正確的方向，也在一定程度上提高了人工智能技術的水平。最后，人工智能技術的發(fā)展，在電氣信息領域中的影響是迅速擴大的，人工智能的使用會對電氣信息行業(yè)的各個環(huán)節(jié)產生深刻的影響，甚至是革命性的變化。人工智能的應用不僅僅停留于行業(yè)的技術層面，更加重要的是在人工智能時代下一些新的工作思維和發(fā)展理念。作為電氣信息類專業(yè)的工作人員在人工智能的時代下要提高自身的專業(yè)素質和專業(yè)水平，根據人工智能時代的特點以及發(fā)展方向，對原有的工作模式和工作理念進行深入的改革以及創(chuàng)新，并且還要掌握有關人工智能方面的新技能，從而使得電氣信息類專業(yè)影響力能夠得到有效的提高。但是從側面來看人工智能技術的發(fā)展對于電氣信息類專業(yè)2本刊特稿科學咨詢/教育科研2021年第24期(總第745期)來說是把雙刃劍，給實際工作帶來了新的挑戰(zhàn)，一些工作人員不得不提高自身的專業(yè)素養(yǎng)和專業(yè)素質，掌握更多的人工智能技術。在當前時代下這種影響和變革已經被普遍認可，因此使我國電氣信息類專業(yè)行業(yè)能夠得到良好的發(fā)展。高校要對電氣信息類專業(yè)教育進行適當的改革以及創(chuàng)新，根據當前人工智能時代的發(fā)展方向和對人才的要求，對學生的綜合素質和創(chuàng)新能力進行良好的培育，從而使學生能夠充分的發(fā)揮人工智能技術的優(yōu)勢，提高電氣信息類專業(yè)的水平和質量，再一次加深人工智能和電氣信息行業(yè)的融合力度。相關負責教師要加強對這一問題的理解，對原有人才培養(yǎng)模式和課程教育重點進行適當的改革和創(chuàng)新，根據人工智能時代和電氣信息領域融合的背景，提高課堂教學的科學性和針對性，從而使學生在畢業(yè)之后能夠獲得良好的發(fā)展。
二、人工智能對電氣信息類專業(yè)人才需求的影響分析
人工智能主要是利用計算機對人腦功能進行模擬，具備一定程度的人類認知和分析問題的能力，人工智能是人類所制造的智能化技術，也是機器智能化發(fā)展的主要載體。在人工智能發(fā)展的過程中，由于是計算機科學領域的一個分支，所以在人工智能研究的過程中，涉及有關語言識別和圖像識別方面的功能。在當前時代下，人工智能所形成的熱點效應是比較廣闊的，人工智能技術的應用，使得各行各業(yè)朝著智能化的方向而發(fā)展，對于電氣信息類專業(yè)人才需求來說，也逐漸朝著智能化的方向而發(fā)展。電氣信息類的教學，主要是為了讓學生能夠在班級學習的過程中，將理論和實踐進行有機的結合，提高學生的實踐能力和操作能力，實踐性是比較強的。在電氣信息類專業(yè)發(fā)展的過程中各種新興的技術被應用其中，擴展了電氣信息類專業(yè)的發(fā)展實力，并且人工智能和電氣信息類專業(yè)進行了有機的融合和滲透。人們在互聯網思維的影響下已經形成了互聯網思維的發(fā)展理念，隨著人工智能技術的廣泛運用再加上云技術和算法技術的普遍化，這又給電氣信息類專業(yè)的發(fā)展提供了重要的支撐。在相互融合的技術背景下，電氣信息類專業(yè)也即將進入到人工智能發(fā)展的領域中[2]。因此對于電氣信息類專業(yè)行業(yè)的工作人員來說，要了解人工智能時代下先進的信息技術，并且還要結合電氣信息類專業(yè)在人工智能背景下的新特點，樹立新的工作模式和工作理念，從而使得電氣信息類專業(yè)能夠在人工智能技術背景下得到廣泛的發(fā)展。對于人才需求方面，要求高校要對原有課堂教學模式和課程教學重點進行深入的改革和創(chuàng)新，融入人工智能方面的內容，對學生的綜合素質和專業(yè)能力進行良好的培育，高校要正確地理解人工智能對電氣信息類專業(yè)教學的影響，從而使得電氣信息類專業(yè)能夠朝著生態(tài)化和持續(xù)性的方向而發(fā)展。
三、人工智能給電氣信息類專業(yè)提供的機遇
在人工智能技術中，所涵蓋的技術內容相對來說是較為豐富的，這在一定程度上有助于提高電氣信息類專業(yè)的教學水平和教學質量。從中可以看出在當前時代下的電氣信息類專業(yè)教育教學中，教師要充分地把握人工智能技術所帶來的機遇，從而提高課堂教學的效果和質量。在人工智能技術中包含著語言識別技術和圖像辨認技術，也可以對一些語言進行有效的處理和研究。在課堂教學的過程中，教師要充分的發(fā)揮人工智能技術的優(yōu)勢，讓學生了解當前電氣信息領域的發(fā)展方向和主要的發(fā)展特點[3]。由于電氣信息類專業(yè)所涵蓋的內容是相對來說較為復雜的，學生在日常學習的過程中，需要進行多個學科知識內容的學習，這給學生日常學習和教師的課堂教學帶來了諸多的挑戰(zhàn)，教師要結合課程教學的內容，對課堂教學模式和流程進行精心的安排。在實際工作過程中，要以計算機作為主要的輔助手段兼容，并且充分利用其他專業(yè)領域的技術來開展日常的教學。在課堂教學過程中，教師要充分的利用人工智能技術，對原有課堂教學模式進行深入的改革以及研究，并且結合新一代人工智能發(fā)展規(guī)劃的這一大背景，對原有課程教育模式進行創(chuàng)新和調整，從而給學生提供更加廣闊的發(fā)展空間。首先，在實際工作的過程中，人工智能技術重新構造了電氣信息專業(yè)的課程，由于電氣信息類的實用性是比較強的，在人工智能的技術下能夠取得不一樣的教學效果。將語言識別技術和圖像辨認技術進行了有機的結合，教師可以充分發(fā)揮這些專業(yè)技術的優(yōu)勢，提高課堂教學的效果。另外在課堂教學情景中，教師可以利用人工智能技術來實現網絡化的教學，并且為學生打造智能化的工廠開展虛擬實驗室，從而對學生的專業(yè)能力和操作水平進行良好的培育。其次，在電氣信息類專業(yè)教學中人工智能技術的應用能夠對傳統課程教育模式進行有效的轉型和升級。在以往課程教學中，由于電氣信息類專業(yè)所涉及的知識學科是相對來說較為豐富的，這給教師的日常教學帶來了諸多的問題。比如在實際教學的過程中很難實現課程的有效統一，也無法為學生打造標準化的課程教育體系，在進行個性化和獨特性課程教學方面的力度還是不足的，甚至也沒有完善的教育體系進行主要的支撐，這給實際的教學工作帶來了諸多的問題。隨著人工智能技術的應用，在課程教育的過程中，教師可以充分的發(fā)揮人工智能技術的優(yōu)勢，對相關信息進行有效的總結和收集。從而為學生打造個性化的教學課堂，并且運用人工智能技術，還可以對不同學生的學習需求進行分析和研究，提高課堂教學的針對性，從而使學生可以更加積極地進行知識內容的學習，實現快樂學習的效果[4]。在專業(yè)教育中教師要充分的發(fā)揮人工智能技術的優(yōu)勢，提高人工智能技術的應用性效果，對學生的知識需求進行深入的挖掘以及研究，從而使學生的學習質量能夠得到有效的提高。與此同時，在課程教育的過程中，教師還可以進行課堂情景的構建，通過網絡化的教學為學生再現一些生活中的真實案例，為學生全面素質的提高奠定堅實的基礎。
四、人工智能技術在電氣信息類專業(yè)教育教學中的應用路徑
（一）轉變人才培養(yǎng)目標在人工智能時代下的電氣信息類專業(yè)教育中，由于原有的教育重點和人才培養(yǎng)模式已經無法順應人工智能時代的發(fā)展特點和對人才的需求了，所以在實際工作的過程中，要對電氣信息類專業(yè)教育進行有效的改革，幫助學生在畢業(yè)之后能夠獲得穩(wěn)定的發(fā)展。首先，在對電氣信息類專業(yè)教育進行改革時，要轉變人才培養(yǎng)的目標，這主要是由于人工智能技術在電氣信息類專業(yè)行業(yè)中的運用對各個環(huán)節(jié)都產生了非常深刻的影響，并且電氣信息類專業(yè)對于人才的需求發(fā)生了很大的變化。比如，對人才的知識結構和專業(yè)技能方面都和傳統發(fā)現模式有所不同，在電氣信息處理的過程中提出了諸多的要求。相關電氣信息類專業(yè)從業(yè)者不僅要具備完善的理論知識，還要具備創(chuàng)新性的思維能力，能夠面對當前變化多端的人工智能時代，具備新的技術和新的思維，靈活地運用在實際工作中所存在的問題。因此對于電氣信息類專業(yè)教育來說，要對人才培養(yǎng)目標精準定位，實現良好的變革。其次，電氣信息類專業(yè)要著眼于當前國際發(fā)展方向和新業(yè)務的特征，了解有關業(yè)態(tài)產品和專業(yè)能力方面的內容。從這些問題入手提出正確的人才培養(yǎng)目標，并且對原有課程教學進行改革和創(chuàng)新，從而促進學生能夠在課堂學習的過程中加深對人工智能技術的了解，提高學生的專業(yè)素質和創(chuàng)新能力。
（二）升級人才培養(yǎng)模式在人工智能背景下對電氣信息類專業(yè)教育進行改革時，要在原有育人模式的基礎上實現有效的升級，改變傳統的課程教學設置。當前大部分電氣信息類專業(yè)院校還是采用之前偏理論的課程來對學生進行知識內容的講授，雖然這些理論知識是學生在學校學習期間必須要掌握的內容，但是假如仍然向學生講述這些課程的話，也沒有將理論和實踐進行相互的結合，使得學生無法在人工智能時代下得到良好的發(fā)展，因此相關負責教師在實際教育工作中要對原有人才培養(yǎng)模式進行轉型和升級。電氣信息類專業(yè)教師要根據當前電氣信息行業(yè)的發(fā)展和對人才的要求，對課程教育內容進行重新的調整。首先，在實際教育的過程中要向學生全面地展示先進的人工智能技術，技術是推進電氣信息專業(yè)前進的動力之一。但是在原有的電氣信息類專業(yè)教育中，教育技術的實施和教學并沒有受到相關負責教師的重視，教師在班級教學的過程中，也沒有為學生融入當前先進的人工智能技術和運用案例，提高學生的專業(yè)素質。在人工智能時代下，人機協作是當前主要的工作模式和發(fā)展模式，因此對于電氣信息類專業(yè)教育來說，要對人才培養(yǎng)課程結構和課程重點進行有效的調整和創(chuàng)新。教師在教學中不僅要加入有關以往課程的教育內容，還要對課程進行有效的擴展，融入新媒體和人工智能技術應用相關的課程。比如教師可以立足于教材中的內容，為學生創(chuàng)設多樣化的實訓活動和實踐操作平臺，在學生實踐的過程中要融入先進的人工智能技術，這些教學模式的運用不僅可以讓學生了解人工智能技術的實際應用情況，還可以多方位的鍛煉學生的創(chuàng)新能力和實踐應用能力。所以相關高校要適當的借鑒這一教學經驗，提高課程教學的針對性。其次，在育人模式中還要加強對學生創(chuàng)新思維和操作能力的培養(yǎng)，在人工智能背景下，電氣信息的發(fā)展模式和主要的發(fā)展方向都發(fā)生了一定的改變。在當前電氣信息領域發(fā)展的過程中，為了使自身能夠在人工智能背景下得到有效的發(fā)展需要創(chuàng)新和創(chuàng)意的人才，并且要求這部分人才能夠掌握先進的人工智能技術，根據電氣信息發(fā)展的實際需求和人們對電氣信息的要求，從而生產出個性化和特色化的產品。在育人模式升級中，教師要將專業(yè)和特色進行有機的融合，構建新的教育思路，過硬的專業(yè)素質才是人才升級的重要基礎。在人工智能時代下，信息的來源和途徑逐漸朝著多樣化的方向發(fā)展，在這些繁雜的信息中既有重要的信息也有多余的信息，所以要使學生能夠對這些信息進行有效的辨別。高校在制定人才培養(yǎng)模式中，要專業(yè)性的鍛煉學生的工作能力和專業(yè)素質，從而使學生能夠在這些大量的信息中提取有用的信息，提高電氣信息類專業(yè)的有效性。
（三）引入任務驅動的實驗模式在人工智能背景下對院校電氣信息類專業(yè)進行教學時，教師要在保留原有學習項目的同時，立足于學生當前的理解能力，開發(fā)新的教學內容。在教學中教師要求學生進行獨立性的思考，并且教師還要對學生的學習思路進行適當的引導以及啟發(fā)，使學生可以運用課堂中所學到的知識內容靈活的解決實際實驗過程中所存在的問題。教師要引導學生運用不同的方法進行學習，鼓勵學生進行大膽的設計以及驗證。教師在班級教學的過程中，可以為學生引入任務驅動式的教學模式任務，驅動式的教學模式主要是以學生為中心，教師要立足于教材中的內容和課堂教學的目標為學生布置相關的學習任務，實現綜合性的學習效果。在為學生布置學習任務時，要融入當前先進的人工智能技術，讓學生充分的發(fā)揮人工智能技術的優(yōu)勢來完成教師所布置的任務。教師要在任務驅動式的教學模式中增加一些設計型和創(chuàng)新型的學習活動，讓學生直接深入到實踐學習中進行方案的設定以及驗證，并且對最終的實驗結果進行多方位的分析以及討論。在班級教學的過程中，教師要讓學生圍繞著一個教學目標來開展日常的學習，并且學生在學習和驗證的過程中，教師還要加強和學生之間的互動和交流，從而對學生的實驗方向和實驗思路進行有效的引導，使學生可以在強烈的學習興趣和學習動力的驅動下進行自主性的探索以及學習，并且也可以在班級中形成良好的互動。
（四）利用人工智能技術進行輔的教學在電氣信息類專業(yè)教學課堂中，教師在利用人工智能技術進行教學時，要在原有課程的基礎上充分地發(fā)揮人工智能技術的優(yōu)勢，從而對實際教學起到一個良好的輔助作用。比如，在實際教學的過程中，教師需要將理論知識和學生的實踐學習進行相互的結合，提高課堂教學的真實性和有效性，在課程內容中要圍繞著各種企業(yè)的實際項目來讓學生進行知識內容的學習，教師要利用人工智能技術的優(yōu)勢為學生展現真實的一線工作現場，讓學生全面的感受工作的環(huán)境，不僅有助于提高課堂教學的效果，還可以讓一些抽象的理論知識變得生動和直觀，促進學生學習效率的提高。
（五）在電氣設備故障診斷中的應用在電氣設備故障診斷中，人工智能技術中的模糊理論、人工神經網絡和專家系統的應用比較廣泛。以前我們常常面臨的問題是，當電氣設備出現問題或故障時，總是表現出比較復雜的癥狀，采用傳統處理手法難以對問題做出準確判斷和查找，人工智能技術則很好地解決了上述問題。比如發(fā)電機的設備故障具有非線性、不確定和復雜性的特征，傳統論斷方法準確率非常低，而通過人工智能技術中模糊理論和專家系統的綜合應用，能大大提高故障論斷的準確率。
關鍵詞 人工智能 網絡 專家系統
中圖分類號：TP27 文獻標識碼：A
0引言
20 世紀以來，計算機的發(fā)展日新月異，不斷更新換代，以最早期的機械運行方式為基礎，經歷了電子管時代、晶體管時代直到集成電路，時至今日已涉及到人們生活、工作和學習的各個方面，伴隨著計算機的出現并逐步普及應用，人們又開始力圖根據認識水平和技術條件，試圖用機器來代替人的部分腦力勞動，以提高征服自然的能力。
1人工智能的概念
人工智能（Artificial Intelligence），英文縮寫為AI，也稱機器智能?！叭斯ぶ悄堋币辉~最初是在1956年的Dartmouth學會上提出的。它是計算機科學、控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透而發(fā)展起來的一門綜合性學科。主要探討如何運用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等思維活動，并以此解決如咨詢、診斷、預測、規(guī)劃等需要人類專家才能處理的復雜問題。通俗的說，人工智能可以分為兩部分來理解，即“人工”和“智能”，顧名思義就是人造的智能。人工智能是研究如何制造智能機器或智能系統來模擬人類智能活動的能力，以延伸人們智能的科學。
2人工智能和教育的關系
（1）人工智能和教育的關系。人工智能以及人工智能科學從1956年誕生起，其研究和應用領域就與教育緊密相關。人工智能就是研究讓計算機接受教育、提高智能的科學技術。AI的研究成果又反過來應用到我們日常生活的各個方面，并可以改進我們的生活。比如應用到教育過程中，促進教育的工作效率（減少教師的數量和工作時間、甚至直接提高受教育者的智能）。還可以產生新的教學模式，如網上學習共同體、合作學習等。（2）人工智能在教育中的應用。人工智能原理和技術從誕生起就應用于教育，其產品通常稱作智能指導系統ITS或者智能計算機輔助教學ICAI。
ICAI系統可以采用多種形式。從根本上講，它是在保證學生和程序靈活性的方式下，應用人工智能原理和技術，組織安排教學系統的各種成分。它并不是根據預先輸入的問題、預先想到的解答、預先指定的分支等進行工作，而是根據學生學習時積累的知識而工作。它的一般工作準則和標準，是依賴本身的知識結構和近期活動事件，如學生回答的歷史記錄。許多ICAI系統都具有這樣的重要特點，即能夠實現與學生的自然語言對話。
3人工智能與網絡教育的融合
隨著人工智能的理論與技術發(fā)展，其在教育中的應用日漸擴大，例如Internet上的web站點，其網頁的組織形式，就包含智能的原理。目前人工智能在教育領域特別是網絡環(huán)境下的應用主要有以下幾個方面：
（1）ICAI。計算機輔助教學（CAI）是由程序教學發(fā)展而來。但是以程序教學為理論基礎開發(fā)的CAI課件，在推理機制和學生模型方面存在不足，因而不能根據不同學生的實際情況進行動態(tài)調整，缺乏靈活的應變能力。
借鑒人工智能中的專家系統知識，由于專家系統中包含知識庫和推理機兩個基本模塊，在一般專家系統中再加入一個“學生模型”模塊，就構成智能計算機輔助教學（ICAI）系統的基本結構。其中推理機的作用相當于現實教學中的教師，它可以根據知識庫中的內容和學生模型推斷出每個學生的學習能力、認知特點和當前知識水平，根據學生的不同特點選擇最適當的教學內容與教學方法，并可對學生進行有針對性的個別指導，提高教學效果。
（2）智能。在我們傳統的教學過程中，最經典的教學模式是以教師為主，教師講、學生聽，它是一種單向溝通模式。這種教學模式的優(yōu)點是有利于教師主導作用的發(fā)揮，便于教師組織、監(jiān)控整個教學活動進程，便于師生之間的情感交流，因而有利于系統的科學知識的傳授，并能充分考慮情感因素在學習過程中的重要作用。
上世紀90年代以來，隨著多媒體和網絡技術的迅速發(fā)展，強調以學生為中心的建構主義學習理論日益流行。這種理論強調在教師主導下以學生為中心的學習，即一種“主導――主體”教學結構。在這種教學并重的結構中，教師是教學過程的組織者、是良好情操的培養(yǎng)者；學生是信息加工與情感體驗的主體，是知識意義的主動建構者；教學媒體既是輔助教師教的演示工具，又是促進學生自主學習的工具。
在網絡遠程教學中，為實現上述教學模式，把人工智能中的智能體（Agent）技術應用到網絡遠程教學中，并逐漸成為在教學領域實現智能化的一種主流技術。
關鍵詞：人工智能；教育；應用；問題
中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2012）03-0159-02
人工智能是研究如何構造智能機器（智能計算機）或智能系統，使其模擬、延伸、擴展人類智能的學科。隨著人工智能的理論與技術在社會各個領域的廣泛應用，其在教育領域內的應用也越來越受到重視，并取得了一定的研究成果。
一、人工智能教育應用的主要形式
人工智能在教育領域應用的最直接結果就是誕生了智能教學系統。智能教學系統是以計算機輔助教學為基礎而興起的，它是以學生為中心，以計算機為媒介，利用計算機模擬教學專家的思維過程而形成的開放式人機交互系統。目前，智能教學系統已成為人工智能在教育中應用的主要形式。智能教學系統主要是在知識表示、推理方法和自然語言理解等方面應用了人工智能原理。由于它綜合了知識專家、教師與學生三者的活動，因此，與之相對應的，智能教學系統一般分成知識庫、教學策略和學生模型三個基本模塊，再加上一個自然語言智能接口。智能教學系統的功能具體來說有以下幾條：了解每個學生的學習能力、認知特點和當前知識水平；能根據學生的不同特點選擇適當的教學內容和教學方法，并可對學生進行有針對性的個別指導；允許學生用自然語言與“計算機導師”進行人機對話。智能教學系統的設計不僅要有計算機科學的知識，還需要有教育科學的理論指導。
二、人工智能在教育中應用的局限性分析
1.阻礙人工智能發(fā)展的關鍵因素。在人工智能的發(fā)展中，一直存在著對“計算機是否能代替人腦甚至超過人腦”的問題的討論，實際上，以電子計算機為主要工具模擬人的某些思維活動而產生的人工智能是有局限的。①計算機處理問題的根本原理。要計算機解決某種問題，有三個基本的前提：必須把問題形式化；問題還必須是可計算的，即要有一定的算法；問題必須有合理的復雜度，即要避免指數爆炸。由于人的智能活動不能完全形式化，因此，機器就不能將人腦的智力活動全部復制出來。電子計算機最終只能把握0、1這兩個開關代碼，遇到不能形式化、不能找到算法或不能程序化的任務，計算機則難以執(zhí)行。②人和機器之間的根本區(qū)別。智能模擬利用了人和機器的共性，即兩者都是一個信息轉換系統，但兩者之間存在著不容忽視的本質區(qū)別。智能模擬與天然智能屬于兩種不同的進化系統，人類的智能是人類社會實踐的產物，機器的智能是機械制造的結果。大腦和電腦的組織結構也不相同，兩者屬于兩種不同的運動過程，前者是復雜的生理--心理過程，后者是機械--物理過程。智能模擬可以在局部上超過天然智能，但是，模擬的根本方法是功能模擬法，兩個系統在結構和實際過程上是不一樣的。智能模擬不具有人的思維的社會性，不具有主觀世界。
2.人工智能在教育中應用的局限。就目前人工智能的發(fā)展水平以及人工智能本身的特點而言，它在教育中的應用也是有其局限性的。①與學生之間無法暢通交流。教育本質上是一種“交互”活動，而智能教學系統無法實現最充分、最真實的交互。目前自然語言理解的研究成果非常有限，遠不能達到人人交流的要求。此外，就態(tài)度、品德、情感等教育問題而言，機器只能通過學生輸入計算機的信息來判斷其掌握和內化程度，而無法像人類教師通過自然狀態(tài)的交流和觀察來判斷學生的真實情況，因此，“機器智能”很容易被蒙蔽“雙眼”，無法做到像人與人之間那樣自然暢通的交流。②決策和推理機制不完善。智能教學系統的關鍵智能所在是其決策和推理機制，即“教學策略”模塊根據不同學生的具體情況通過推理做出靈活決策，這種決策基于學生模塊提供的有關學生的知識水平、認知特點和學習風格，而這些不能完全被形式化。同時，隨著教育理念的不斷更新以及教學模式和教學方法的不斷改進，系統所應用的教學策略模塊用于評估和判斷學生學習過程的能力是有限的。③人工智能并非適合所有的學習領域。根據加涅的學習結果分類，學習分為言語信息、智慧技能、認知策略、動作技能和態(tài)度五類。言語信息分為符號學習、事實學習和有組織的知識學習，這些屬于可形式化內容，適用于智能教學系統；智慧技能分為辨別、具體概念、定義性概念、規(guī)則和高級規(guī)則，其中前四項屬于可形式化內容，適用于智能教學系統，而高級規(guī)則屬于復雜――形式化內容，部分內容不適用于智能教學系統；動作技能和態(tài)度領域的學習，在其認知成分中可以使用智能教學系統，但情感和行為成分等非形式化內容，則難以用智能教學系統來實現。因此，并不是所有的學習領域都適用于智能教學系統。智能教學系統在教育中應用的重點應放在認知領域中的符號學習、事實學習和有組織的知識學習、辨別、具體概念、定義性概念以及規(guī)則這些學習內容上。
三、人工智能教育應用的發(fā)展方向
近年來，隨著計算機技術、網絡技術、人工智能技術以及現代教育教學理論的發(fā)展，人工智能在教育中應用的發(fā)展呈現出以下幾個趨勢。
1.開始突破單一的個別化教學模式。長期以來，計算機輔助教學系統和智能教學系統都是強調個別化教學模式，這種模式在發(fā)揮學生的學習積極性、主動性和進行因人而異的指導等方面確實有許多優(yōu)點。但是，隨著認知學習理論研究的進展，人們發(fā)現在計算機輔助教學系統和智能教學系統中只強調個別化是不夠的，在某些場合（例如問題求解）采用協作方式往往更能奏效。因此，近年來在智能教學系統中，協作型教學模式得到越來越多的重視和研究。
2.智能教學系統日益與超媒體技術相結合。超媒體系統具有良好的開發(fā)環(huán)境、靈活方便的用戶界面以及圖、文、聲并茂的特點，而且其信息的組織方式與人類認知的聯想記憶習慣相符，已成為目前一種最理想的信息載體和最有效的信息組織與信息管理技術，在許多領域尤其是教育領域有廣闊的應用前景。把超媒體技術引入智能教學系統，從而發(fā)展成為智能超媒體輔助教學系統，可以大大改善計算機輔助教學系統的教學環(huán)境，激發(fā)學生的學習積極性，從而顯著提高教學效果。
3.智能教學系統與網絡的關系日益密切。網絡的應用和普及為遠程教育和終身教育提供了一個良好的空間。當前，智能教學與多媒體網絡的結合成為人工智能在教育中應用的一個勢不可擋的發(fā)展趨勢。
4.傳統人工智能與神經網絡模糊決策機制相結合。傳統人工智能從宏觀角度開展認知模擬，可以部分地模擬人類的邏輯思維過程，而神經網絡模糊決策機制從微觀方面進行認知模擬，著力實現模仿人類右腦的模糊處理功能和整個大腦的并行化處理功能。今后將探索一種新的智能處理模型：把神經網絡的模糊決策機制和符號專家系統的推理能力結合起來，利用多重知識源、多種模型進行復合協同處理。如果上述技術能夠成熟運用，那將對人工智能的發(fā)展及其在教育中的應用起到決定性的作用。
參考文獻：
[1]王士同.人工智能教程[M].北京：電子工業(yè)出版社，2001.
[2]王永慶.人工智能原理與方法[M].西安：西安交通大學出版社，1998.
[3]何克抗.計算機輔助教育[M].北京：高等教育出版社，1997.
[4]徐鵬，王以寧.國內人工智能教育應用研究現狀與反思[J].現代遠距離教育，2009，（5）：3-5.
關鍵詞:人工智能;理論傳授;實驗訓練;科研訓練
人工智能(Artificial Intelligence,AI)是計算機科學與技術專業(yè)的一門重要專業(yè)課程,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等思維活動,并以此解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規(guī)劃等決策性問題[1]。人工智能是一門涉及數學、計算機、控制論、信息學、心理學、哲學等學科的交叉和綜合學科。目前,人工智能很多研究領域,如自然語言處理、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、智能計算等都走在了信息技術的前沿,有許多研究成果已經進入并影響了人們的生活。
2003年12月5日,國內第一個“智能科學與技術”本科專業(yè)在北京大學誕生[2],它標志著我國智能科學與技術本科教育的開始,對我國智能科學技術人才培養(yǎng)和智能科學與技術學科建設起到極大的帶動作用。目前,人工智能課程的教學存在幾個問題:首先,注重講授理論知識,實驗環(huán)節(jié)滯后,這不利于培養(yǎng)學生的實踐能力,更談不上實踐創(chuàng)新。其次,人工智能是交叉學科,內容比較繁雜,各種教材的內容不一樣,授課沒有統一的體系,學生學習時抓不住重點,不能理解人工智能的根本方法和思想。一般說來,計算機專業(yè)的其他課程,如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術,而人工智能技術則是解決非結構化、半結構化問題的有效技術。最后,人工智能科學與技術飛速發(fā)展,但目前人工智能只被視為一門專業(yè)課,課程講授和人工智能沒有作為一個研究方向結合起來,也沒有把傳授課本知識和引導啟發(fā)創(chuàng)新結合起來。
適應知識經濟發(fā)展的高等教育,要把培養(yǎng)創(chuàng)造精神和創(chuàng)新能力擺在突出的位置。創(chuàng)新是基礎研究的生命,而高等學校的教學只有與科研緊密結合,才能在培養(yǎng)學生的創(chuàng)新精神方面有所作為。為此,針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。在教材上,我們選用了清華大學出版社出版、馬少平等編寫的《人工智能》。我們的教學研究與實踐的主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文,學校大學生科研項目資助計劃,國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐。下面,我們就這三個方面內容展開探討。
1啟發(fā)式傳授人工智能解決問題的非結構化思想
現實世界的問題可以按照結構化程度劃分成三個層次[1]:1)結構化問題,能用形式化(或稱公式化)方法描述和求解的一類問題;2)非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;3)半結構化問題,介于上述兩者之間。一般說來,計算機專業(yè)的其他課程如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的有效技術。人工智能的教學可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題的解決過程的了解,從而達到培養(yǎng)學生多角度思維的目的。
我們使用的教材主要內容包括搜索和高級搜素、謂詞邏輯和歸結原理、知識表示、不確定性推理方法、機器學習等。這些主要內容也可以相應地歸結為若干個典型算法,如啟發(fā)式A*搜索算法、 剪枝算法、元啟發(fā)式算法(模擬退火,遺傳算法)、謂詞邏輯歸結算法、貝葉斯網絡、決策樹、神經網絡(BP算法、自組織網絡和Hopfield神經網絡算法)。元啟發(fā)式算法是一種啟發(fā)式的隨機算法,是用來解決非結構化問題的典型算法,其思想和傳統的決定性算法如動態(tài)規(guī)劃、分支限界完全不一樣。學生在剛一接觸到這些元啟發(fā)式算法一時難以接受和理解其機理,對算法的有效性往往半信半疑。根據非結構化、半結構化問題的特點,講解和演示算法在解決此類問題的具體步驟和詳細過程,從而讓學生掌握人工智能算法的基本思想。在講解不同的元啟發(fā)式算法的時候,學生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學習算法的時候,學生會問到底哪個分類算法最好,這時候我們可以把搜索(優(yōu)化)領域和機器學習領域的“沒有免費午餐”定理進行適當的講解和解釋,從而把具體算法實現層面之上的一些人工智能的哲學思想進行傳授。
在人工智能的具體教學中,采用問題教學法和參與式教學法。在問題教學法中,圍繞人工智能的知識模塊,在引導學生發(fā)現各種各樣問題的前提下,傳授知識。教學活動中,嘗試使人工智能知識圍繞實際問題而展現,使問題不僅成為激發(fā)學生求知欲的前提,也成為學生期盼、理解和吸收知識的前提,以此激發(fā)學生的創(chuàng)造動機和創(chuàng)造性思維。在參與式教學中,打破人工智能算法的枯燥、沉悶的傳統教學法,嘗試開放式教學內容;提問式講課;無標準答案的課程設計;查找文獻,分組動手實現人工智能算法等參與式教學方法,培養(yǎng)和發(fā)揚學生的參與意識,通過參與式教學提高學生學習的主動性、積極性和效率,培養(yǎng)學生的動手能力和創(chuàng)新能力。
2成體系的實驗訓練
獨立開展人工智能實驗課程,開發(fā)一批新型、富有創(chuàng)意的實驗案例庫,搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。人工智能實驗課程的特點是應用各種人工智能方法,根據問題的約束、結構、信息進行表示建模和計算機上實現,是與人工智能原理同步的實驗課程。學生必須掌握的人工智能的基本原理和計算機操作技能,它對于學生的知識、能力和綜合素質的培養(yǎng)與提高起著至關重要的作用,在整個教學過程中占有非常重要的地位,是計算機軟件、計算機應用、計算機網絡、軟件工程等專業(yè)的一門重要的必修專業(yè)課程。通過實驗,學生得到嚴格的訓練,能規(guī)范地掌握人工智能的基本理論和主要方法、基本問題求解技術,熟悉各種計算環(huán)境的基本使用。
在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,努力培養(yǎng)學生的創(chuàng)新意識與創(chuàng)新能力。為實現這一目標,在課程內容安排上采用適量基本原理與方法的實驗內容為基本內容,增加一系列綜合性實驗和開放性創(chuàng)新實驗問題,在實驗內容方面更注重研究性實驗中的創(chuàng)新問題。實驗內容方面分為三個層次:基本原理的基礎性實驗、綜合實驗和研究性實驗。在后兩個層次的實驗中,部分引入人工智能課程小組團隊的最新科研成果,目的在于通過完成這些研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,以提升學生的科研素質與創(chuàng)新意識。我們將這些設計實驗稱為新型實驗案例庫,它被放在人工智能課程小組網站上,以此搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。通過實驗課程的學習和訓練,學生應達到下列要求。
1) 掌握人工智能方法的優(yōu)點及其在實際中的應用。
2) 學會對人工智能問題進行分析建模和應用各種計算工具實現問題求解,熟悉對實驗現象的觀察和記錄,實驗數據的獲取與設計,最佳實驗條件的判斷和選擇,實驗結果的分析和討論等一套嚴謹的實驗方法。
3) 鞏固并加深對人工智能原理課程的基本原理和概念的理解,培養(yǎng)學生勤奮學習,求真求實的科學品德,培養(yǎng)學生的動手能力、觀察能力、查閱文獻能力、思維能力、想象能力、表達能力。
4) 通過完成綜合研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,提高學生的科研素質與創(chuàng)新意識。
在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,進一步培養(yǎng)學生分析問題和解決問題的能力,培養(yǎng)學生的創(chuàng)新意識、創(chuàng)新精神和創(chuàng)新能力,為學生今后從事科研、教學或企事業(yè)單位的分析檢驗以及新技術的研發(fā)工作打下扎實的基礎。
在實驗組織方面,根據各實驗的目的和要求,學生分為5人1組,指定一個組長,每組選擇1套實驗題目?；A實驗題目要求達到27學時、綜合性實驗題目選擇1題和研究性實驗題目選擇1題,基礎實驗題目要求在規(guī)定時間內,小組獨立完成實驗測定、數據處理,并撰寫實驗報告。實驗過程中, 要求學生勤于動手, 敏銳觀察, 細心操作, 開動腦筋, 分析鉆研問題, 準確記錄原始數據, 經教師檢查,實驗及其原始數據記錄才有效。同時,團隊作業(yè),需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學會與他人合作,培養(yǎng)團隊創(chuàng)新能力。
3課程學習與畢業(yè)論文,科研訓練相結合
人工智能技術在一定程度上代表著信息技術的前沿和未來,通過學習和體驗人工智能的知識和技術,學生能夠在一定程度上了解信息技術發(fā)展的前沿知識,這有助學生開闊視野、培養(yǎng)興趣,為今后繼續(xù)深造或走向社會奠定堅實的基礎[3-4]。
人工智能的理論和方法廣泛應用于數據挖掘、機器學習、模式識別、圖像處理中,這些內容既是高年級的后續(xù)課程,又是現在熱門的研究方向。學習和深刻理解人工智能的理論、方法和應用,對后續(xù)課程學習以及今后的研究具有重要的意義。
我院規(guī)定大學三年級的學生開始聯系畢業(yè)論文指導導師,同時確定畢業(yè)論文的研究方向,提前進行科研實踐,以培養(yǎng)實踐能力和研究素質。人工智能課程正好是大三高年級開設的專業(yè)課,因此,我們把課程實驗及設計與同學的興趣相結合,引導學生,并提煉和形成學生的畢業(yè)選題和課外的科研方向,它是提高本科生研究創(chuàng)新能力的有效手段。
基于新的教學實踐,很多學生的選題都與上述歸納的人工智能若干算法相關,如算法本身的研究和改進,或是算法在各領域,如數據挖掘、圖像處理等的應用。在我們的科研能力訓練計劃中,一批項目和課題,如混合神經網絡的研究與應用、差分演化算法研究與應用、基于協同訓練的推薦系統等,分別受到國家和學校本科生科研項目立項資助。一批三四年級的本科生以第一作者身份在國內核心期刊、國際會議和期刊上發(fā)表學術論文,這激發(fā)了學生的科研興趣,使學生體會到了創(chuàng)新的樂趣。
總之,課程學習與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練,極大地提升了學生的創(chuàng)新能力和科研基本素質。
4結語
針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。我們的教學研究與實踐主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐,新的改革和實踐在教學中取得了令人滿意效果。
參考文獻:
[1] 張劍平. 關于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.
[2] 謝昆青. 第一個智能科學技術專業(yè)[J]. 計算機教育,2009(11):16-20.
[3] 羅輝,梁艷春. 大學生畢業(yè)論文與科研能力培養(yǎng)及就業(yè)[J]. 吉林教育,2003(10):18.
[4] 金聰,劉金安. 人工智能教育在能力培養(yǎng)中的作用及改革設想[J]. 計算機時代,2006(9):66-69.
Reform and Practice of Innovative Teaching in Artificial Intelligence
WANG Jia-hai, YIN Jian, LING Ying-biao
(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)
關鍵詞：設計；人工智能；挑戰(zhàn)；機遇
一、引言
第四次工業(yè)革命的到來，人工智能作為一項主要的技術，必將鞭策整個人類社會的轉型。很多國家制訂了戰(zhàn)略規(guī)劃，在2017年我國也了《新一代人工智能發(fā)展規(guī)劃》和《新一代人工智能產業(yè)三年行動計劃(2018-2020)》，人工智能產業(yè)已上升為國家戰(zhàn)略。近年來，在人工智能涉及的領域中，藝術與技術結合，升華到與人工智能的結合且越來越受到重視。阿里智能AI“魯班”已經掌握了上百萬個設計師的創(chuàng)意內容，雙11期間制作1.7億張海報，沒有一張是重復的，而這些工作如果人工制作的話需要100個設計師工作300年；央視節(jié)目中“魯班”PK資深設計師取勝等等這些新聞，無不極大地震撼了整個設計行業(yè)。設計師會失業(yè)嗎？高校的設計教育面對AI的挑戰(zhàn)與機遇如何制定培養(yǎng)目標？如何在新的競爭中占領先機？未來已來，智能藝術設計的路在何方?
二、設計行業(yè)面對四大挑戰(zhàn)
（一）驚人的數字
馬云在一次報告中說未來30年人類只工作4個小時，大量的工作崗位會被人工智能搶走；根據白宮的人工智能報告預測，在未來10-20年間，人工智能技術有可能取代47%現有工作。麥肯錫的預測是49%，盛產勞動力的中國和印度的影響最大。Siri之父、人工智能專家溫那（Winarsky）的預測是70%的工作將被取代。不得不說，AI是人類智慧的結晶，正在高速顛覆著人們的生活。
（二）AI設計發(fā)展趨勢
AI最容易取代的是簡單設計：如LOGO、UI界面、海報招貼、網站網頁、產品造型、室內家裝、產品包裝……原本這種理想的設計工作不再能提供人生的庇護所，但凡是明確、簡單、重復標準、規(guī)則的美術設計與制作工作，未來都容易被取代，傳統設計行業(yè)將會萎縮乃至可能逐漸消失。
（三）設計環(huán)境惡劣
設計創(chuàng)意無法保護，設計法規(guī)沒有限定，設計競價無序，商家廠家缺乏契約精神，設計知識產權無法保護契約，新設計新技術缺乏情趣，設計同質化嚴重……（四）設計教育落后現有設計模式傳統、設計教育落后，設計知識體系缺乏更新、進化，知識性重復訓練、模仿性傳統方法制約了學生創(chuàng)造性情感思維的發(fā)展，設計師終身教育觀念的缺失阻礙了設計師的可持續(xù)發(fā)展，設計知識與設計人才近親繁殖、代際傳遞的情況嚴重。
三、AIDesign發(fā)展迅猛
目前傳統藝術設計已經發(fā)生智變，使設計更美更快更簡單。人工智能藝術與設計已經一定高水平，如果設計師仍停留在傳統設計水平，就會受到來自機器的“威脅”。但也不全會，除了“創(chuàng)意”部分讓機器無可奈何，人類設計師與機器的競合中，我們要轉變方向注重數字移動媒體策劃與設計、移動媒體用戶需求挖掘、數字移動媒體需求文檔的撰寫、數字移動媒體優(yōu)化、數字移動媒體UI界面設計、H5設計、App設計、UE用戶體驗設計、虛擬移動媒體設計、信息交互設計等媒體智能設計新技術。高品質藝術、設計依賴于混合增強智能技術。AdobeMax“SneakPeeks”將迎來Adobe全家桶的諸多全新功能，如圖片變視頻、靜態(tài)變動態(tài)、一鍵設計字體、視頻扣剪、紙盒自動生成、AR呈現、AE一鍵去馬、Ru跨平臺制作（剪輯、混音、調色）、跨平臺同步改稿、人工智能排版等十大看似很科幻但已經實現了的AI功能。華為Mate20手機3D掃描防生建模與成像，以及AI手勢動作捕捉的體感游戲功能，更為我們提供了解放設計生產力的前景。同時MIT研發(fā)的工業(yè)產品AI設計系統即將面世。主要產品體現如下：
（一）AIVD人工智能視覺設計
AI集成化的成熟產品，比如Adobe系列的產品，軟件低層融入AI技術，更好更快地創(chuàng)作文字和圖像、影音等元素。如AdobeSensei：人工智能做設計的底層技術，集成在Adobe系列軟件中，有字體匹配方案、自動配色方案、基于線稿自動上色、自動校正手繪圖形等。
（二）AIPD人工智能產品設計
Adobe人工智能鞋包設計、IBMWatson智能設計服裝、Autodesk智能設計汽車等。
（三）AISD人工智能空間設計
Prisma智能風格化設計、Autodesk建筑智能生成設計、ZahaHadid參數化設計等產品。
四、設計人工智能教育的發(fā)展動向
未來，人工智能教育會加速發(fā)展，老師不會被AI取代，但不用AI的老師一定會被取代；未來，老師不是簡單地傳授知識，而是通過言傳身教的溝通交流，對學生進行激勵、鼓舞，成為人類靈魂的設計師；未來，AI將實現規(guī)?；蛡€性化間的平衡，帶來了一種學生易學、教師易教的解決方案；未來，老師作為教學過程中始終核心地位，推陳出新積極善于運用AI技術進一步提高師生教與學的體驗和教學效率。當務之急，要讓更多的老師正視人工智能的快速發(fā)展，通過學習AI技術了解人工智能的發(fā)展情況，從而改變老師的教育教學觀念和教學方法，引領高品質教育的未來。在未來教育中，教師的角色有三種觀念：1.取代說，2.不可取代說，3.人機協同說大多數觀點是：未來，教師將與人工智能協同共存。未來知識傳授功能會逐步被人工智能取代，而人類教師則應偏重于培養(yǎng)學生的核心素養(yǎng)。正如雷克利福德所言，“科技不能取代教師，但是使用科技的教師卻能取代不使用科技的教師”。如今，拋開先天財富的不同，人與人之間的差距主要來自學習能力的不同。這種差異會加劇不平等，在未來，這種趨勢將會進一步加強。應對人工智能時代，教師除更新教育教學觀念、轉變角色、改革教學模式和方法外，必須堅持終身學習，教師的終身學習，不僅要學習Python之類的AI編程技術，更需要增強對，限于時間和精力有限，分別將有關AI知識技能分為三類，以適應設計人工智能的技術更迭和“一專多能”。
五、結束語
2016年1月，美國佐治亞理工學院計算機學院的教授AshokGoel，借助IBM的Watson人工智能系統創(chuàng)建了一個在線機器人JillWatson，并將其作為課程教學助理。其目的是幫助教師回答學生通過在線論壇提出的大量課程問題。通過幾個月的反復調試，JillWatson的回答已經能夠達到97%的正確率?，F在，機器人助教已經可以直接與學生溝通，不需要真人助教的幫助。這項人工智能在教育中的使用，解決了AshokGoel教授的助教人數不夠，難以及時回答學生提問的困境，增加了學生參與在線學習的興趣，提高了在線學習的留存率。
這只是人工智能在教育領域的小試牛刀。雖然有專家預測在未來十年內不會看到人形機器人替代教師進入課堂，不過地平線報告2016年基礎教育版和2107年高等教育版都預測未來五年內人工智能將會在教育行業(yè)普及。
教育行業(yè)已有的人工智能研究和應用
Woolf等人在2013年提出了人工智能在教育領域應努力解決“五大挑戰(zhàn)”：①為每一個學習者提供虛擬導師：無處不在地支持用戶建模、社會仿真和知識表達的整合。②解決21世紀技能：協助學習者自我定位、自我評估、團隊合作等。③交互數據分析：對個人學習、社會環(huán)境、學習環(huán)境、個人興趣等大量數據的匯集。④為全球課堂提供機會：增加全球教室的互聯性與可訪問性。⑤終身學習技術：讓學習走出課堂，進入社會。
過去十年，一些研究者對人工智能在教育領域中的應用做了大量的探索。相關的研究成果包括：①跟蹤學習者的思維步驟和解決問題的潛在目標結構（Anderson等，1995）；②診斷誤解和評估學習者的理解域（VanLehn，1988）；③提供及時的指導、反饋和解釋（Shute，2008）；④促進高效學習的行為，如自我調節(jié)、自我監(jiān)控和自我解釋（Azevedo&Hadwin，2005）；⑤以合適的難度水平和最適當的內容來規(guī)劃學習活動（VanLehn，2006）。
這些研究，基本上使用到了人工智能的每一項技術——自然語言處理、不確定性推理、規(guī)劃、認知模型、案例推理、機器學習等?！爸悄軐熛到y”就是基于這些研究和技術而開發(fā)的人工智能教育應用。類似的成熟產品包括Tabtor（hellothinkster.com）、CarnegieLearning（carnegielearning.com）和FrontRow（frontrowed.com）。2014年，加拿大西蒙弗雷澤大學的一項試驗發(fā)現用智能導師系統的學習者比使用其他教學方法的學習者獲得的成績更高。
人工智能在教育行業(yè)的新發(fā)展
教育行業(yè)的三種類型（內容、平臺和評估）的服務商都在經歷著一場變革。內容出版商面臨紙質印刷到數字出版和開放教育內容的挑戰(zhàn)。學習平臺正試圖區(qū)分自適應、個性化和數據分析的功能。評估供應商則繼續(xù)探尋從多項選擇題測試轉向更具創(chuàng)新性的問題類型。人工智能將為這三種類型教育服務商帶來新的發(fā)展思路和契機，同時也惠及教育生態(tài)系統中的所有利益相關者。學生通過即時反饋和指導提高學習效率，教師將獲得豐富的學習分析和個性化指導經驗，父母能夠低成本地為孩子改進職業(yè)前景，學校能夠規(guī)?；岣呓逃|量，政府能夠提供負擔得起的教育。2017年，人工智能將在以下領域發(fā)揮其效益。
1.人工智能批改作業(yè)
批改作業(yè)和試卷是一件乏味的工作，這通常會占據教師大量的時間，而這些時間本可以更多地用于與學生互動、教學設計和專業(yè)發(fā)展。
目前，人工智能批改作業(yè)已經相當接近真人教師了，除了選擇題、填空題外，作文的批改能力已經大幅提高。美國斯坦福大學已經成功開發(fā)出一種機器學習程序，能夠批改8～10年級的作文。隨著圖像識別能力的大幅提高，手寫答案的識別也接近可能。就連占有美國標準化考試60%市場份額的全球最大教育企業(yè)——培生公司也認為，人工智能已經可以出現在教室并提供足夠可信的評估。據培生公司近期的報告IntelligenceUnleashed推測，人工智能軟件所具有的廣泛的、定制的反饋能夠最終淘汰傳統測試。
2.人工智能實現一對一輔導
自適應學習軟件已經能為學生提供個性化學習支撐。據2011年VanLehn的一項研究發(fā)現，人工智能在某些特定主題和方法上比未經訓練的導師更具有效性。進一步的研究發(fā)現，人工智能導師能在學生出錯的具體步驟上給予實時干預，而不是就整個問題的答案給予反饋（Corbett&Anderson，2001；Shute，2008）。
自適應學習在拉美地區(qū)正在興起。AndréUrani市政學校的學生使用人工智能軟件Geekie觀看在線課程（視頻和練習）。Geekie為學生提供每一步的實時反饋，并隨著學習的進展來傳授更為精細的課程內容。
早在1984年，本杰明·布盧姆的研究就提出一對一輔導能帶來更好的學習效果。而人工智能技術可以模擬一對一輔導，以更好地跟蹤、適應和支持個體學習者。這將是人工智能在教育中更高層次的個性化學習應用。例如，比爾·蓋茨看好的人工智能聊天機器人或個人虛擬導師，能在學生面臨挑戰(zhàn)時提供強有力的支持，隨時隨地回答學生的提問；還可以為學生訂制學習方案和規(guī)劃職業(yè)發(fā)展路徑，并引導學生走向成功。更重要的是，人工智能可以匹配聊天機器人或虛擬導師的面孔和聲音來滿足學生個人喜好。對比網頁界面的自適應學習系統，這才是真正做到了一人一導師。
3.人工智能關注學生情感
2016年地平線報告高等教育版把情感計算列為教育技術發(fā)展普及的重要方向。也就是說，人工智能不僅限于模擬人類傳遞知識，還能通過生物監(jiān)測技術（皮膚電導、面部表情、姿勢、聲音等）來了解學生在學習中的情緒，適時調整教育方法和策略。例如，機器人導師捕捉到學生厭煩的面部表情時，就可以立即改變教學方式努力激發(fā)他們的興趣。這種關注情感的人機交流為學生營造一個更真實的個性化學習環(huán)境，更好地維持了學習者的動機。美國匹茲堡大學開發(fā)的AttentiveLearner智能移動學習系統就能通過手勢監(jiān)測學生的思想是否集中。突尼斯蘇斯國家工程學院的研究人員正在研究開發(fā)基于網絡的人工智能教學系統。該系統能夠識別學生在任何地方開展科學實驗的面部表情，以優(yōu)化遠程虛擬實驗室的教學過程。
進一步的研究發(fā)現，人工智能還可以關注學生的心理健康。當前已經有使用人工智能來為自閉癥兒童提供有效支持的案例。例如，倫敦知識實驗室在Topcliffe小學開展試驗，讓自閉癥學生與半自動虛擬男孩安迪開展互動交流，研究人員發(fā)現患有自閉癥的學生在社交能力方面有進步。
4.人工智能改進數字出版
教科書等課程材料并非總是完美，傳統印刷出版讓課程的修訂變得過于緩慢。這不僅是生產工藝的問題，更主要的是紙質課程材料無法快速獲取使用者的反饋來識別缺陷所在。而數字化出版在人工智能的支撐下能徹底改變這一現狀。
人工智能可幫助使用者快速識別課程缺陷。大規(guī)模網絡開放課程Coursera的提供者已經將這一想法付諸實踐。當發(fā)現大量學生的作業(yè)提交了錯誤的答案時，系統會提示課程材料的缺陷，進而有助于彌補課程的不足。
另一項人工智能在數字化出版的應用是自動化組織和編寫教材。這是基于深度學習系統能模仿人類的行為進行讀和寫。ScottR.Parfitt博士的內容技術公司CTI就依據這項技術幫助教師定制教科書——教師導入教學大綱，CTI的人工智能引擎能自動填充教科書的核心內容。
隨著自然用戶界面和自然語言處理在人工智能領域的成熟應用，課程材料的數字化出版也會有更新的形態(tài)——不再局限于書本或網頁的形式，聊天機器人和虛擬導師將成為內容表達的更好的方式。
5.人工智能作為學生
多年的研究表明，教會別人才是更好的學習，即learning-by-teaching。美國斯坦福大學教育學教授DanielSchwartz正基于這一理念來開發(fā)新的人工智能產品。他聯合了多個領域的專家一起開發(fā)了人工智能應用——貝蒂的大腦（Betty’sBrain），讓學生來教貝蒂學習生物知識。試點研究發(fā)現，使用這一方法來學習的學生比其他學生成績更好，且在科學推理上也更勝一籌。
類似的研究和開發(fā)還有瑞典隆德大學的TimeElf和美國卡內基梅隆大學的SimStudent，這兩個人工智能產品也是基于learning-by-teaching而開發(fā)，讓學生在教會機器人知識的過程中深化對知識的理解。
另外，人工智能還推動其他教育方法和技術更好實現。如讓虛擬現實學習環(huán)境更具沉浸感；給學生帶來更多動手實踐的機會；提供基于豐富學習分析的仿真和游戲化學習場景等。
【關鍵字】人工智能；教育；進展
【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009―8097（2008）13―0018―03
人工智能是一門綜合的交叉學科，涉及計算機科學、生理學、哲學、心理學、哲學和語言學等多個領域。人工智能主要研究用人工的方法和技術，模仿、延伸和擴展人的智能，實現機器智能，其長期目標是實現人類水平的人工智能。[1]從腦神經生理學的角度來看，人類智能的本質可以說是通過后天的自適應訓練或學習而建立起來的種種錯綜復雜的條件反射神經網絡回路的活動。[2]人工智能專家們面臨的最大挑戰(zhàn)之一是如何構造一個可以模仿人腦行為的系統。這一研究一旦有突破，不僅給學習科學以技術支撐，而且能反過來促使人腦的學習規(guī)律研究更加清晰，從而提供更加切實有效的方法論。[3]人工智能技術的不斷發(fā)展，使人工智能不僅成為學校教育的內容之一，也為教育提供了豐富的教育資源，其研究成果已在教育領域得到應用，并取得了良好的效果，成為教育技術的重要研究內容。
人工智能的研究更多的是結合具體領域進行的，其主要研究領域有：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決策支持系統、人工神經網絡和分布式人工智能等。[4]目前，在教育中應用較為廣泛與活躍的研究領域主要有專家系統、機器人學、機器學習、自然語言理解、人工神經網絡和分布式人工智能，下面就這些領域進行闡述。
一 專家系統
專家系統是一個具有大量專門知識與經驗的程序系統，它使用人工智能技術，根據某個領域中一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。[5]專家系統主要組成部分為：知識庫，用于存儲某領域專家系統的專門知識；綜合數據庫，用于存儲領域或問題的初始數據和推理過程中得到的中間數據或信息；推理機，用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統能夠以邏輯方式協調地工作；解釋器，向用戶解釋專家系統的行為；接口，使用戶與專家系統進行對話。近幾十年來，專家系統迅速發(fā)展，是人工智能中最活躍、最有成效的一個研究領域，廣泛用于醫(yī)療診斷、地質勘探、軍事、石油化工、文化教育等領域。
目前，專家系統在教育中的應用最為廣泛與活躍。專家系統的特點通常表現為計劃系統或診斷系統。計劃系統往前走，從一個給定系統狀態(tài)指向最終狀態(tài)。如計劃系統中可以輸入有關的課堂目標和學科內容，它可以制定出一個課堂大綱，寫出一份教案，甚至有可能開發(fā)一堂樣板課，而診斷系統是往后走，從一個給定系統陳述查找原因或對其進行分析，例如，一個診斷系統可能以一堂CBI（基于計算機的教學，computer-based instruction）課為例，輸入學生課堂表現資料，分析為什么課堂的某一部分效果不佳。在開發(fā)專家計劃系統支持教學系統開發(fā)（ISD）程序的領域中最有名的是梅里爾（Merrill）的教學設計專家系統（ID Expert）。[6]
教學專家系統的任務是根據學生的特點（如知識水平、性格等），以最合適的教案和教學方法對學生進行教學和輔導。其特點為：同時具有診斷和調試等功能；具有良好的人機界面。已經開發(fā)和應用的教學專家系統有美國麻省理工學院的MACSYMA符號積分與定理證明系統，我國一些大學開發(fā)的計算機程序設計語言、物理智能計算機輔助教學系統以及聾啞人語言訓練專家系統等。[7]
目前，在教育中，專家系統的開發(fā)和應用更多的集中于遠程教育，為現代遠程教育的智能化提供了有力的技術支撐?；趯＜蚁到y構造的智能化遠程教育系統具有以下幾個方面的功能：具備某學科或領域的專門知識，能生成自己的提問和應答； 能夠分析學生的特征，評價和記錄學生的學習情況，診斷學生學習過程中的錯誤并進行補救教學；可以選擇不同的教學方法實現以學生為主體的個別化教學。[8]目前應用于遠程教育的專家系統有智能決策專家系統、智能答疑專家系統、網絡教學資源專家系統、智能導學系統和智能網絡組卷系統等。
二 機器人學
機器人學是人工智能研究是一個分支，其主要內容包括機器人基礎理論與方法、機器人設計理論與技術、機器人仿生學、機器人系統理論與技術、機器人操作和移動理論與技術、微機器人學。[9]機器人的發(fā)展經歷了三個階段：第一代機器人是以 “示教―再現”方式進行工作；第二代機器人具有一定的感覺裝置，表現出低級智能；第三代機器人是具有高度適應性的自治機器人，即智能機器人。目前開發(fā)和應用的機器人大多是智能機器人。機器人技術的發(fā)展對人類的生活和社會都產生了重要影響，其研究和應用逐漸由工業(yè)生產向教育、環(huán)境、社會服務、醫(yī)療等領域擴展。
機器人技術涉及多門科學，是一個國家科技發(fā)展水平和國民經濟現代化、信息化的重要標志，因此，機器人技術是世界強國重點發(fā)展的高技術，也是世界公認的核心競爭力之一，很多國家已經將機器人學教育列為學校的科技教育課程，在孩子中普及機器人學知識，從可持續(xù)和長遠發(fā)展的角度，為本國培養(yǎng)機器人研發(fā)人才。[10]在機器人競賽的推動下，機器人教育逐漸從大學延伸到中小學，世界發(fā)達國家例如美國、英國、法國、德國、日本等已把機器人教育納入中小學教育之中，我國許多有條件的中小學也開展了機器人教育。
機器人在作為教學內容的同時，也為教育提供了有力的技術支撐，成為培養(yǎng)學習者創(chuàng)新精神和實踐能力的新的載體與平臺，大大豐富了教學資源。多年來，我國中小學信息技術教育的主要載體是計算機和網絡，教學資源單一，缺乏前瞻性。教學機器人的引入，不僅激發(fā)了學生的學習興趣，還為教學提供了豐富的、先進的教學資源。隨著機器人技術的發(fā)展，教學機器人種類越來越多，目前在中小學較為常用的教學機器人有：能力風暴機器人、通用機器人、未來之星機器人、樂高機器人、納英特機器人、中鳴機器人等。
三 機器學習
機器學習是要使計算機能夠模仿人的學習行為，自動通過學習來獲取知識和技巧，[11]其研究綜合應用了心理學、生物學、神經生理學、邏輯學、模糊數學和計算機科學等多個學科。機器學習的方法與技術有機械學習、示教學習、類比學習、示例學習、解釋學習、歸納學習和基于神經網絡的學習等，近年來，知識發(fā)現和數據挖掘是發(fā)展最快的機器學習技術。機器學習（自動獲取新的事實及新的推理算法）是使計算機具有智能的根本途徑，對機器學習的研究有助于發(fā)現人類學習的機理和揭示人腦的奧秘。[12]
隨著計算機技術的進步和機器學習研究的深入，機器學習系統的性能大大提高，各種學習算法的應用范圍不斷擴大，例如將連接學習用于圖文識別，歸納學習、分析學習用于專家系統等，大大推動了在教育中的應用，例如在建構適應性教學系統中，用機器學習與樸素的貝葉斯分類器動態(tài)了解學生的學習偏好，有較高的準確率[13]。基于案例的推理（case-based reasoning，CBR）是一種新興的機器學習和推理方法，其核心思想是重用過去人們解決問題的經驗解決新問題，在計算機輔助教育方面，已經出現了基于CBR的圖形仿真教育系統，并且，針對個體特征的教育教學方法研究也有所突破。[14]另外，數據挖掘和知識發(fā)現在生物醫(yī)學、金融管理、商業(yè)銷售等領域的成功應用，不僅給機器學習注入新的生機，也為機器學習在教育中的應用提供了新的前景。
四 自然語言理解
自然語言理解就是研究如何讓計算機理解人類的自然語言，以實現用自然語言與計算機之間的交流。一個能夠理解自然語言信息的計算機系統看起來就像一個人一樣需要有上下文知識以及根據這些上下文知識和信息用信息發(fā)生器進行推理的過程。[15]自然語言理解包括口語理解和書面理解兩大任務，其功能為：回答問題，計算機能正確地回答用自然語言提出的問題；文摘生成，計算機能根據輸入的文本產生摘要；釋義，計算機能用不同的詞語和句型來復述輸入的自然語言信息；翻譯，計算機能把一種語言翻譯成另外一種語言。由于創(chuàng)造和使用自然語言是人類高度智能的表現，因此對自然語言處理的研究也有助于揭開人類高度智能的奧秘，深化對語言能力和思維本質的認識。[16]
自然語言理解最早的研究領域是機器翻譯，隨著應用研究的廣泛開展，也為機器人和專家系統的知識獲取提供了新的途徑，例如由MIT研制的指揮機器人的自然語言理解系統SHRDLU就可以接收自然語言，進行人機對話，回答關于桌面上積木世界中的各種問題。同時，對自然語言理解的研究也促進了計算機輔助語言教學和計算機語言設計等方面的發(fā)展，例如“希賽可”網絡智能英語學習系統，這個基于網絡的“人-機”語境的建立，突破了普通英語教師和傳統的單機的多媒體教學軟件所能具備能力限制，也比建立于網絡的“人-人”語境更具靈活性，可以為遠程學習者提供良好的英語學習支持，在國內第一次系統地將用自然語言進行的人機對話系統應用在計算機輔助外語教學上，在國際上也是一種創(chuàng)新。[17]
五 人工神經網絡
人工神經網絡就是在對大腦的生理研究的基礎上，用模擬生物神經元的某些基本功能的元件（即人工神經元），按各種不同的聯結方式組織起來的一個網絡，其目的在于模擬大腦的某些機理與機制，實現某個方面的功能，例如可以用于模仿視覺、模式識別、聲音信號處理、控制、故障診斷等領域，人工神經元是人工神經網絡的基本單元。[18]人工神經網絡有兩種基本結構：遞歸（反饋）網絡和多層（前饋）網絡，兩種主要學習算法：有指導式學習和非指導式學習。
人工神經網絡從模擬人類大腦神經網絡的結構和行為出發(fā)，具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學習能力，特別適合于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，[19]這使人工神經網絡具有更大的發(fā)展?jié)撃?，目前已經開發(fā)和應用的人工神經網絡模型有30多種。人工神經網絡在教育中的應用大多是與教學專家系統相結合，以此來改進教學專家系統的性能，提高智能性，使其在教學過程中對突發(fā)問題具有更好的應對能力。人工神經網絡在學校管理中也得到應用，例如采用誤差反傳算法（BP）的多層感知器已應用于高校管理之中。
六 分布式人工智能(Distributed Artificial Intelligence，DAI)
分布式人工智能是分布式計算與人工智能結合的結果，研究目標是要創(chuàng)建一種能夠描述自然系統和社會系統的精確概念模型，主要研究問題是各Agent之間的合作與對話，包括分布式問題求解和多Agent系統兩個領域。[20]分布式人工智能系統一般由多個Agent組成，每個Agent又是一個半自治系統，Agent之間及Agent與環(huán)境之間進行并發(fā)活動并進行交互來完成問題求解。[21]由于分布式人工智能系統具有并行、分布、開放、協作和容錯等優(yōu)點，在資源、時空和功能上克服了單智能系統的局限性，因此獲得了廣泛的應用。
分布式人工智能中的Agent和多Agent技術在教學中的應用逐漸受到關注。在教學中引入Agent可以有效地提高教學系統的智能性，創(chuàng)造良好的學習情境，并能激發(fā)學習者的學習興趣，進行個性化教育。目前，Agent和多Agent技術多用于遠程智能教學系統，通過利用其分布性、自主性和社會性等特點，提高網絡教學系統的智能性，使教學資源得到充分利用，并可實現對學習者的學習行為進行動態(tài)跟蹤，為學習者的網絡學習創(chuàng)造合作性的學習環(huán)境。在網絡教學軟件中應用Agent技術的一個典型是美國南加利福尼亞大學（USC）開發(fā)的教學Adele（Agent for Distance Education - Light Edition） [22]。Agent技術在網絡教學軟件中取得的良好效果，促進了研究者對分布式人工智能在教育中的應用研究。
綜上所述，科學技術的發(fā)展將會推動人工智能技術在教育中應用的廣度和深度。從人工智能的應用趨勢來看，人工智能在教育中應用的擴展可以通過以下三個方面進行：一是人工智能與其他先進信息技術結合。人工智能已經與多媒體技術、網絡技術、數據庫技術等有效的融合，為提高學習效率和效度提供了有力的技術支持，而引起教育技術界廣泛關注。[23]例如人工智能技術通過與多媒體技術相結合，可以提高智能教學系統的教學效果；與網絡通訊技術相結合，可以提高和改進遠程教育的智能性。二是人工智能應用研究領域間的集成。人工智能應用研究領域之間并不是彼此獨立，而是相互促進，相互完善，它們可以通過集成擴展彼此的功能和應用能力。例如自然語言理解與專家系統、機器人的集成，為專家系統和機器人提供了新的知識獲取途徑。三是人工智能的研究和應用出現了許多新的領域，它們是傳統人工智能的延伸與擴展，這些新領域有分布式人工智能與Agent、計算智能與進化計算、數據挖掘與知識發(fā)現以及人工生命等[24]，這些發(fā)展與應用蘊藏著巨大潛能，必將對教育產生重要的影響。
技術發(fā)展不斷發(fā)揮著引導教育技術研究的作用，一種新興技術的出現總是會掀起相應的研究熱潮, 引發(fā)對技術在教育中應用的探討、評價以及與傳統技術的對比。[25] 人工智能作為一門交叉的前沿學科，雖然在基本理論和方法等方面存在著爭論，但從其研究成果與應用效果來看，有著廣闊的應用前景，值得進一步的開發(fā)和利用。
參考文獻
[1] 史忠植,王文杰.人工智能[M].北京:國防工業(yè)出版社,2007:1.
[2][11][18][19] 《計算機與信息科學十萬個為什么》叢書編輯委員會,計算機與信息科學十萬個為什么(8):人工智能[M].北京:清華大學出版社,1998:5,189,78-79,84.
[3] 任友群,胡航.論學習科學的本質及其學科基礎[J].中國電化教育,2007,(5):1-5.
[4][21] 蔡瑞英,李長河.人工智能[M].武漢:武漢理工大學出版社,2003:12-13.
[5][12][15][20][24] 蔡自興,徐光.人工智能及其應用(第三版)――研究生用書[M].北京:清華大學出版社,2007: 12-14,19-20.
[6] [荷]山尼•戴克斯特拉,[德]諾伯特•M. 西爾,[德]弗蘭茲•肖特,等.任友群,鄭太年主譯.教學設計的國際觀第2冊:解決教學設計問題[M].北京:教育科學出版社,2007:67.
[7] 任友群.技術支撐的教與學及其理論基礎[M].上海:上海教育出版社,2007:42-43.
[8] 路利娟.應用專家系統提升現代遠程教育的智能化[J].中國教育技術裝備,2007,(12):79-80.
[9] 陳懇,楊向東,劉莉等.機器人技術與應用[M].北京:清華大學出版社,2007:6.
[10] 關注機器人幼兒教育――訪鮑青山博士[DB/OL].
[13] 柏宏權,韓慶年.機器學習在適應性教學系統中的應用研究[J].南京師范大學學報(工程技術版),2007,7(4):76-79.
[14] 楊健,趙秦怡.基于案例的推理技術研究進展及應用[J].計算機工程與設計,2008,29(3):710-712.
[16] 自然語言理解[DB/OL].
[17] 賈積有.人工智能技術的遠程教育應用探索――“希賽可”智能型網上英語學習系統[J].現代教育技術,2006,16(2):26-29.
[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].