序論：寫作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來了七篇人工智能論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

    長久以來，人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數(shù)研究人員為之奉獻(xiàn)才智，從美國的麻省理工學(xué)院(mit)、卡內(nèi)基-梅隆大學(xué) (cmu)到ibm公司，再到日本的本田公司、sony公司以及國內(nèi)的清華大學(xué)、中科院等科研院所，全世界的實(shí)驗(yàn)室都在進(jìn)行著ai技術(shù)的實(shí)驗(yàn)。不久前，著 名導(dǎo)演斯蒂文·斯皮爾伯格還將這一主題搬上了銀幕，科幻片《人工智能》(a.i.)對許多人的頭腦又一次產(chǎn)生了震動，引起了一些人士了解并探索人工智能領(lǐng) 域的興趣。

    在本期技術(shù)專題中，中國科學(xué)院計(jì)算技術(shù)研究所智能信息處理開放實(shí)驗(yàn)室的幾位研究人員將引領(lǐng)我們走近人工智能這一充滿挑戰(zhàn)與機(jī)遇的領(lǐng)域。

    計(jì)算機(jī)與人工智能

    "智能"源于拉丁語legere，字面意思是采集(特別是果實(shí))、收集、匯集，并由此進(jìn)行選擇，形成一個東西。intelegere是從中進(jìn)行選擇，進(jìn)而 理解、領(lǐng)悟和認(rèn)識。正如帕梅拉·麥考達(dá)克在《機(jī)器思維》(machines who thinks,1979)中所提出的: 在復(fù)雜的機(jī)械裝置與智能之間存在長期的聯(lián)系。從幾個世紀(jì)前出現(xiàn)的神話般的巨鐘和機(jī)械自動機(jī)開始，人們已對機(jī)器操作的復(fù)雜性與自身的某些智能活動進(jìn)行直觀聯(lián) 系。經(jīng)過幾個世紀(jì)之后，新技術(shù)已使我們所建立的機(jī)器的復(fù)雜性大為提高。1936年，24歲的英國數(shù)學(xué)家圖靈(turing)提出了"自動機(jī)"理論，把研究 會思維的機(jī)器和計(jì)算機(jī)的工作大大向前推進(jìn)了一步，他也因此被稱為"人工智能之父"。

    人工智能領(lǐng)域的研究是從1956年正式開始的，這一年在達(dá)特茅斯大學(xué)召開的會議上正式使用了"人工智能"(artificial intelligence，ai)這個術(shù)語。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設(shè)計(jì)、專家系統(tǒng)、學(xué)習(xí)以 及機(jī)器人學(xué)等多個角度展開了研究，已經(jīng)建立了一些具有不同程度人工智能的計(jì)算機(jī)系統(tǒng)，例如能夠求解微分方程、設(shè)計(jì)分析集成電路、合成人類自然語言，而進(jìn)行 情報檢索，提供語音識別、手寫體識別的多模式接口，應(yīng)用于疾病診斷的專家系統(tǒng)以及控制太空飛行器和水下機(jī)器人更加貼近我們的生活。我們熟知的ibm的"深 藍(lán)"在棋盤上擊敗了國際象棋大師卡斯帕羅夫就是比較突出的例子。

    當(dāng)然，人工智能的發(fā)展也并不是一帆風(fēng)順的，也曾因計(jì)算機(jī)計(jì)算能力的限制無法模仿人腦的思考以及與實(shí)際需求的差距過遠(yuǎn)而走入低谷，但是隨著硬件和軟件的發(fā) 展，計(jì)算機(jī)的運(yùn)算能力在以指數(shù)級增長，同時網(wǎng)絡(luò)技術(shù)蓬勃興起，確保計(jì)算機(jī)已經(jīng)具備了足夠的條件來運(yùn)行一些要求更高的ai軟件，而且現(xiàn)在的ai具備了更多的 現(xiàn)實(shí)應(yīng)用的基礎(chǔ)。90年代以來，人工智能研究又出現(xiàn)了新的。

    我們有幸采訪了中國科學(xué)院計(jì)算技術(shù)研究所智能信息處理開放實(shí)驗(yàn)室史忠植研究員，請他和他的實(shí)驗(yàn)室成員引領(lǐng)我們走近人工智能這個讓普通人感到深奧卻又具有無窮魅力的領(lǐng)域。

    問: 目前人工智能研究出現(xiàn)了新的，那么現(xiàn)在有哪些新的研究熱點(diǎn)和實(shí)際應(yīng)用呢？

    答: ai研究出現(xiàn)了新的，這一方面是因?yàn)樵谌斯ぶ悄芾碚摲矫嬗辛诵碌倪M(jìn)展，另一方面也是因?yàn)橛?jì)算機(jī)硬件突飛猛進(jìn)的發(fā)展。隨著計(jì)算機(jī)速度的不斷提高、存儲容 量的不斷擴(kuò)大、價格的不斷降低以及網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，許多原來無法完成的工作現(xiàn)在已經(jīng)能夠?qū)崿F(xiàn)。目前人工智能研究的3個熱點(diǎn)是: 智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)。

    智能接口技術(shù)是研究如何使人們能夠方便自然地與計(jì)算機(jī)交流。為了實(shí)現(xiàn)這一目標(biāo)，要求計(jì)算機(jī)能夠看懂文字、聽懂語言、說話表達(dá)，甚至能夠進(jìn)行不同語言之間的 翻譯，而這些功能的實(shí)現(xiàn)又依賴于知識表示方法的研究。因此，智能接口技術(shù)的研究既有巨大的應(yīng)用價值，又有基礎(chǔ)的理論意義。目前，智能接口技術(shù)已經(jīng)取得了顯 著成果，文字識別、語音識別、語音合成、圖像識別、機(jī)器翻譯以及自然語言理解等技術(shù)已經(jīng)開始實(shí)用化。

    數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數(shù)據(jù) 挖掘和知識發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強(qiáng)大的技術(shù)支柱: 數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計(jì)。主要研究內(nèi)容包括基礎(chǔ)理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉庫、可視化技術(shù)、定性定量互換模型、知識表示方法、發(fā)現(xiàn)知識的維護(hù)和再利用、半 結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的知識發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。

    主體是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態(tài)的實(shí)體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨(dú)立地完成任務(wù)， 而且可以和環(huán)境交互，與其他主體通信，通過規(guī)劃達(dá)到目標(biāo)。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個主體之間進(jìn)行協(xié)調(diào)智能行為，最終實(shí)現(xiàn)問題求解。多 主體系統(tǒng)試圖用主體來模擬人的理性行為，主要應(yīng)用在對現(xiàn)實(shí)世界和社會的模擬、機(jī)器人以及智能機(jī)械等領(lǐng)域。目前對主體和多主體系統(tǒng)的研究主要集中在主體和多 主體理論、主體的體系結(jié)構(gòu)和組織、主體語言、主體之間的協(xié)作和協(xié)調(diào)、通信和交互技術(shù)、多主體學(xué)習(xí)以及多主體系統(tǒng)應(yīng)用等方面。

    問: 您在人工智能領(lǐng)域研究了幾十年，參與了許多國家重點(diǎn)研究課題，非常清楚國內(nèi)外目前人工智能領(lǐng)域的研究情況。您認(rèn)為目前我國人工智能的研究情況如何？

    答: 我國開始"863計(jì)劃"時，正值全世界的人工智能熱潮。"863-306"主題的名稱是"智能計(jì)算機(jī)系統(tǒng)"，其任務(wù)就是在充分發(fā)掘現(xiàn)有計(jì)算機(jī)潛力的基礎(chǔ) 上，分析現(xiàn)有計(jì)算機(jī)在應(yīng)用中的缺陷和"瓶頸"，用人工智能技術(shù)克服這些問題，建立起更為和諧的人-機(jī)環(huán)境。經(jīng)過十幾年來的努力，我們縮短了我國人工智能技 術(shù)與世界先進(jìn)水平的差距，也為未來的發(fā)展奠定了技術(shù)和人才基礎(chǔ)。

    但是也應(yīng)該看到目前我國人工智能研究中還存在一些問題，其特點(diǎn)是: 課題比較分散，應(yīng)用項(xiàng)目偏多、基礎(chǔ)研究比例略少、理論研究與實(shí)際應(yīng)用需求結(jié)合不夠緊密。選題時，容易跟著國外的選題走; 立項(xiàng)論證時，慣于考慮國外怎么做; 落實(shí)項(xiàng)目時，又往往顧及面面俱到，大而全; 再加上受研究經(jīng)費(fèi)的限制，所以很多課題既沒有取得理論上的突破，也沒有太大的實(shí)際應(yīng)用價值。

    今后，基礎(chǔ)研究的比例應(yīng)該適當(dāng)提高，同時人工智能研究一定要與應(yīng)用需求相結(jié)合。科學(xué)研究講創(chuàng)新，而創(chuàng)新必須接受應(yīng)用和市場的檢驗(yàn)。因此，我們不僅要善于找到解決問題的答案，更重要的是要發(fā)現(xiàn)最迫切需要解決的問題和最迫切需要滿足的市場需求。

     問: 請您預(yù)測一下人工智能將來會向哪些方面發(fā)展？

    答: 技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會向以下幾個方面發(fā)展: 模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。

    目前，人工智能的推理功能已獲突破，學(xué)習(xí)及聯(lián)想功能正在研究之中，下一步就是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。人工神經(jīng)網(wǎng)絡(luò)是未來 人工智能應(yīng)用的新領(lǐng)域，未來智能計(jì)算機(jī)的構(gòu)成，可能就是作為主機(jī)的馮·諾依曼型機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智能領(lǐng)域的下一個突破可能在于賦予計(jì)算機(jī)情感能力。情感能力對于計(jì)算機(jī)與人的自然交往至關(guān)重要。

    人工智能一直處于計(jì)算機(jī)技術(shù)的前沿，人工智能研究的理論和發(fā)現(xiàn)在很大程度上將決定計(jì)算機(jī)技術(shù)的發(fā)展方向。今天，已經(jīng)有很多人工智能研究的成果進(jìn)入人們的日常生活。將來，人工智能技術(shù)的發(fā)展將會給人們的生活、工作和教育等帶來更大的影響。

    什么是人工智能？

    人工智能也稱機(jī)器智能，它是計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門綜合性學(xué)科。從計(jì)算機(jī)應(yīng)用系統(tǒng)的 角度出發(fā)，人工智能是研究如何制造出人造的智能機(jī)器或智能系統(tǒng)，來模擬人類智能活動的能力，以延伸人們智能的科學(xué)。

    ai理論的實(shí)用性

    在一年一度at&t實(shí)驗(yàn)室舉行的機(jī)器人足球賽中，每支球隊(duì)的"球員"都裝備上了ai軟件和許多感應(yīng)器，它們都很清楚自己該踢什么位置，同時也明白 有些情況下不能死守崗位。盡管現(xiàn)在的ai技術(shù)只能使它們大部分時間處于個人盤帶的狀態(tài)，但它們傳接配合的能力正在以很快的速度改進(jìn)。

    這種ai機(jī)器人組隊(duì)打比賽看似無聊，但是有很強(qiáng)的現(xiàn)實(shí)意義。因?yàn)橥ㄟ^這類活動可以加強(qiáng)機(jī)器之間的協(xié)作能力。我們知道，internet是由無數(shù)臺服務(wù)器和 無數(shù)臺路由器組成的，路由器的作用就是為各自的數(shù)據(jù)選擇通道并加以傳送，如果利用一些智能化的路由器很好地協(xié)作，就能分析出傳輸數(shù)據(jù)的最佳路徑，從而可以 大大減少網(wǎng)絡(luò)堵塞。

    我國也已經(jīng)在大學(xué)中開展了機(jī)器人足球賽，有很多學(xué)校組隊(duì)參加，引起了大學(xué)生對人工智能研究的興趣。

    未來的ai產(chǎn)品

    安放于加州勞倫斯·利佛摩爾國家實(shí)驗(yàn)室的asci white電腦，是ibm制造的世界最快的超級電腦，但其智力能力也僅為人腦的千分之一。現(xiàn)在，ibm正在開發(fā)能力更為強(qiáng)大的新超級電腦--"藍(lán)色牛仔" (blue jean)。據(jù)其研究主任保羅·霍恩稱，預(yù)計(jì)于4年后誕生的"藍(lán)色牛仔"的智力水平將大致與人腦相當(dāng)。

篇(2)

一、問題的提出

隨著計(jì)算機(jī)技術(shù)與網(wǎng)絡(luò)技術(shù)的普及和發(fā)展，數(shù)字圖書館在我國高校、政府以及科研機(jī)構(gòu)都得到了有效發(fā)展。數(shù)字圖書館來源于圖書館館藏的數(shù)字化從而充分地高效地利用圖書館信息資源。現(xiàn)有的圖書館資料主要是書籍、雜志、報刊、技術(shù)報告等。人們希望利用因特網(wǎng)把所有的數(shù)字化的資源站點(diǎn)連接起來，這樣要管理的信息除了圖書館中的文本信息外，還希望管理博物館、展覽館、檔案館、學(xué)術(shù)組織以及其它Web站點(diǎn)上千差萬別的信息。

面對浩瀚無邊的數(shù)字化信息使得數(shù)字圖書館關(guān)鍵核心技術(shù)之一的文本分類成為一個日益重要的研究領(lǐng)域。文本分類技術(shù)是人工智能和信息獲取技術(shù)的結(jié)合，是基于內(nèi)容的自動信息管理的核心技術(shù)。

二、文本分類技術(shù)的基本原理

數(shù)字圖書館是一個巨大的知識寶庫。數(shù)字圖書館的服務(wù)重點(diǎn)是以人為主，而不是以館以書為主。數(shù)字圖書館的特點(diǎn)使得其服務(wù)要深入到知識的層次，通過對信息內(nèi)容的組織和加工的自動化，把資源組織成一個知識系統(tǒng)。文本的自動分類是為提高信息內(nèi)容服務(wù)的質(zhì)量而產(chǎn)生的文本處理技術(shù)。它們的出現(xiàn)使得信息內(nèi)容服務(wù)出現(xiàn)了新的局面。

文本分類是指根據(jù)文本的內(nèi)容或?qū)傩裕瑢⒋罅康奈谋練w到一個或多個類別的過程。文本分類算法是有監(jiān)督學(xué)習(xí)的算法，它需要有一個己經(jīng)手工分好類的訓(xùn)練文檔集，文檔的類別已標(biāo)識，在這個訓(xùn)練集上構(gòu)造分類器，然后對新的文檔分類。如果訓(xùn)練集的類別未標(biāo)識，就是無監(jiān)督的學(xué)習(xí)算法，無監(jiān)督學(xué)習(xí)算法從數(shù)據(jù)集中找出存在的類別或者聚集。

從數(shù)學(xué)角度來看文本分類是個映射程，它將未標(biāo)明類別的文本映射到已有的類別中，用數(shù)學(xué)公式表示如下：

f：AB其中，A為待分類的文本集合，B為分類體系中的類別集合

文本分類的映射規(guī)則是系統(tǒng)根據(jù)已經(jīng)掌握的每類若干樣本的數(shù)據(jù)信息，總結(jié)出分類的規(guī)律性而建立的判別公式和判別規(guī)則。然后在遇到新文本時，根據(jù)總結(jié)出的判別規(guī)則，確定文本相關(guān)的類別。但是由于大量的文本信息是一維的線性字符流，因此文本自動分類首先要解決的問題就是文本信息的結(jié)構(gòu)化。在模式識別領(lǐng)域里，把文本信息的結(jié)構(gòu)化稱為"特征提取"。在文本信息內(nèi)容處理領(lǐng)域，這項(xiàng)工作被稱為文本的"向量空間表示"。其基本流程如圖1所示：

系統(tǒng)使用訓(xùn)練樣本進(jìn)行特征選擇和分類器訓(xùn)練。系統(tǒng)根據(jù)選擇的特征將待分類的輸入樣本形式化，然后輸入到分類器進(jìn)行類別判定，得到輸入樣本所屬的類別。

三、文本分類技術(shù)在數(shù)字圖書館中的應(yīng)用分析

為了提高數(shù)字圖書館中分類準(zhǔn)確率，加快系統(tǒng)運(yùn)行速度，需要對文本特征進(jìn)行選擇和提取。兩者的差別在于，特征選擇的結(jié)果是初始特征項(xiàng)集合的子集，而特征提取的結(jié)果不一定是初始特征項(xiàng)集合的子集(例如初始特征項(xiàng)集合是漢字，而結(jié)果可能是漢字組成的字符串)。特征選擇、提取和賦權(quán)方法對分類結(jié)果都有明顯影響。

（一）文本特征項(xiàng)

文本的特征項(xiàng)應(yīng)該具有以下特點(diǎn):特征項(xiàng)是能夠?qū)ξ谋具M(jìn)行充分表示的語言單位;文本在特征項(xiàng)空間中的分布具有較為明顯的統(tǒng)計(jì)規(guī)律;文本映射到特征項(xiàng)空間的計(jì)算復(fù)雜度不太大。對于計(jì)算機(jī)來說，文本就是由最基本的語言符號組成的字符串。西文文本是由字母和標(biāo)點(diǎn)符號組成的字符串，中文文本就是由漢字和標(biāo)點(diǎn)符號組成的字符串。

概念也可以作為特征項(xiàng)，"計(jì)算機(jī)"和"電腦"具有同義關(guān)系，在計(jì)算文檔的相似度之前，應(yīng)該將兩個詞映射到同一個概念類，可以增加匹配的準(zhǔn)確率。但是概念的判斷和處理相對復(fù)雜，自然語言中存在同義關(guān)系(如老鼠、耗子)、近義關(guān)系(如憂郁、憂愁)、從屬關(guān)系(如房屋、房頂)和關(guān)聯(lián)關(guān)系(如老師、學(xué)生)等各種關(guān)系。如何很好地劃分概念特征項(xiàng)，確定概念類，以及概念類的數(shù)量都是需要反復(fù)嘗試和改進(jìn)的問題。

（二）特征項(xiàng)選擇

不同的特征項(xiàng)對于文檔的重要性和區(qū)分度是不同的，通常高頻特征項(xiàng)在多個類中出現(xiàn)，并且分布較為均勻，因此區(qū)分度較小;而低頻特征項(xiàng)由于對文檔向量的貢獻(xiàn)較小，因此重要性較低。

文檔頻次就是文檔集合中出現(xiàn)某個特征項(xiàng)的文檔數(shù)目在特征項(xiàng)選擇中計(jì)算每個特征項(xiàng)在訓(xùn)練集合中出現(xiàn)的頻次，根據(jù)預(yù)先設(shè)定的閩值去除那些文檔頻次特別低和特別高的特征項(xiàng)。

信息增益方法是機(jī)器學(xué)習(xí)的常用方法，在分類問題中用于度量特征項(xiàng)在某種分類下表示信息量多少，通過計(jì)算信息增益得到那些在正例樣本中出現(xiàn)頻率高而在反例樣本中出現(xiàn)頻率低的特征項(xiàng)，以及那些在反例樣本中出現(xiàn)頻率高而在正例樣本中出現(xiàn)頻率低的特征項(xiàng)。

（三）特征值的提取

在文本分類中，我們稱用來表示文檔內(nèi)容的基本單元為特征，特征可以是詞、短語。目前，大多數(shù)有關(guān)文本分類的文獻(xiàn)基本上采用詞的集合來表示文檔的內(nèi)容。采用短語來表示文檔存在兩個缺點(diǎn):第一短語的提取較困難，特別是準(zhǔn)確的提取，需要較多的自然語言處理技術(shù)，而這些技術(shù)還不夠成熟;第二采用詞組表示文檔在信息檢索和文本分類中的效果并不比基于詞的效果好，有時反而更差。

篇(3)

人工智能是一門綜合了生理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)等的學(xué)科，具有綜合性、挑戰(zhàn)性等特點(diǎn)，其主要目的便是賦予機(jī)器人工智能的功能，使其能夠替代人去完成一些危險性與復(fù)雜性較高的工作，進(jìn)而確保人們的安全，促進(jìn)工作效率的提高[1]。因此，人工智能也被稱為機(jī)器智能。相比于自然智能與人類智能而言，人工智能屬于一項(xiàng)全新智能，其通過將設(shè)備、系統(tǒng)等來模擬人類各項(xiàng)智能活動，從而完成命令。作為一項(xiàng)結(jié)合多門學(xué)科的應(yīng)用技術(shù)，人工智能的發(fā)展與其組建學(xué)科的關(guān)系十分緊密，特別是計(jì)算機(jī)技術(shù)的發(fā)展方向，其對人工智能的應(yīng)用具有決定性作用。此外，人工智能技術(shù)也極大程度上促進(jìn)了計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，計(jì)算機(jī)為從單純數(shù)據(jù)計(jì)算轉(zhuǎn)變?yōu)橹R處理，就離不開人工智能技術(shù)的支持。人工智能的作用與優(yōu)勢具體如下：其一，可處理不確定信息，實(shí)時了解系統(tǒng)資源表現(xiàn)出來的局部及全局狀態(tài)，并對狀態(tài)變化情況進(jìn)行追蹤，通過技術(shù)處理獲取的信息，從而為用戶實(shí)時提供所需信息護(hù)具。其二，具有較高的寫作能力，可科學(xué)、有效整合獲得的資源，進(jìn)而將各用戶之間的資源進(jìn)行傳輸與共享，通過有機(jī)結(jié)合網(wǎng)絡(luò)管理與眾多寫作分布式人工智能的思想，可充分促進(jìn)網(wǎng)絡(luò)管理相關(guān)工作效率及效益的提高。其三，其在網(wǎng)絡(luò)智能化護(hù)理中具有顯著優(yōu)勢，主要表現(xiàn)在其學(xué)習(xí)、推理能力方面。在網(wǎng)絡(luò)管理工作中應(yīng)用人工智能，可將信息處理的準(zhǔn)確性及效率進(jìn)行提升，同時，通過利用人工智能技術(shù)的記憶功能，可在存儲信息過程中建立完善的信息庫，并將其作為綜合、解釋、總結(jié)信息的平臺，在產(chǎn)生出更為準(zhǔn)確及科學(xué)的高級信息的基礎(chǔ)上，實(shí)現(xiàn)網(wǎng)絡(luò)管理水平的全面提升。

2計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的問題

目前，隨著計(jì)算機(jī)技術(shù)的廣泛應(yīng)用，人們愈發(fā)重視有關(guān)網(wǎng)絡(luò)信息安全問題。在網(wǎng)絡(luò)管理系統(tǒng)的應(yīng)用過程中，用戶最為關(guān)注的功能便是網(wǎng)絡(luò)監(jiān)視與網(wǎng)絡(luò)控制，其中，為正常發(fā)揮網(wǎng)絡(luò)監(jiān)視及網(wǎng)絡(luò)控制這兩大功能，就需要對信息急性及時獲取與準(zhǔn)確處理。網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)通常是不連續(xù)、不規(guī)則的，而在早期階段，計(jì)算機(jī)只具備邏輯化分析及處理數(shù)據(jù)的功能，難以準(zhǔn)確判斷出數(shù)據(jù)的真實(shí)性，因此，為從大量繁復(fù)的信息中，挑選出有效的信息，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的智能化具有非常重要的意義[2]。計(jì)算機(jī)的應(yīng)用日益廣泛與深入，這使得用戶需要通過網(wǎng)絡(luò)安全管理來為其信息安全提供保障，而網(wǎng)絡(luò)犯罪現(xiàn)象的增多，使得計(jì)算機(jī)必須具備靈敏的觀察能力及迅速的反應(yīng)能力否則便難以對侵犯用戶信息的各種違法犯罪行為進(jìn)行有效遏制。為促進(jìn)網(wǎng)絡(luò)安全管理的實(shí)現(xiàn)，就需要將以人工智能技術(shù)為基礎(chǔ)而建立起來的智能化管理系統(tǒng)作為有效手段，自動收集信息數(shù)據(jù)，及時診斷運(yùn)行故障，并在線分析趨勢及性能等，從而確保計(jì)算機(jī)發(fā)生網(wǎng)絡(luò)故障時，可做出快速、準(zhǔn)確的反應(yīng)，并采取有效措施來恢復(fù)計(jì)算機(jī)的網(wǎng)絡(luò)系統(tǒng)。由此可知，針對計(jì)算機(jī)網(wǎng)絡(luò)中存在的問題，就需要應(yīng)用人工智能技術(shù)，在其內(nèi)部建立完善的網(wǎng)絡(luò)管理及防御系統(tǒng)，從而為用戶信息安全提供充分保障。

3計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中人工智能的應(yīng)用分析

在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中應(yīng)用人工智能，可極大程度滿足人們對計(jì)算機(jī)提供人性化及智能化服務(wù)的需求。其中，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)智能化服務(wù)主要指的是智能化的人機(jī)界面、信息服務(wù)、系統(tǒng)開發(fā)及支撐的環(huán)境這幾個方面，與此同時，這些需求進(jìn)一步促進(jìn)了人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，尤其是在智能人機(jī)界面、網(wǎng)絡(luò)安全及系統(tǒng)管理評價等方面的應(yīng)用進(jìn)程。

3.1人工智能在計(jì)算機(jī)網(wǎng)絡(luò)安全管理中的應(yīng)用。在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中，人工智能得到了極為廣泛的應(yīng)用。在計(jì)算機(jī)網(wǎng)絡(luò)安全管理中，人工智能的應(yīng)用主要表現(xiàn)在智能防火墻、入侵檢測、智能型反垃圾郵件系統(tǒng)這三個方面。相比于其他防御系統(tǒng)，智能防火墻系統(tǒng)采用的是智能化識別技術(shù)，例如，通過概率、統(tǒng)計(jì)、記憶、決策等方法，來識別并處理有關(guān)信息數(shù)據(jù)，不但有效減少了計(jì)算機(jī)匹配檢查過程中的龐大計(jì)算，而且大大提高了發(fā)現(xiàn)網(wǎng)絡(luò)有害行為的效率，從而實(shí)現(xiàn)了限制訪問及攔截有害信息的功能；此外，與傳統(tǒng)防御軟件相比，智能防火墻系統(tǒng)具有更高的安檢效率，從而將拒絕服務(wù)共計(jì)這一普通防御軟件普遍發(fā)生的問題進(jìn)行有效解決，實(shí)現(xiàn)了高級應(yīng)用的入侵及病毒傳播的有效遏制[3]。作為計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)安全管理的一項(xiàng)重要環(huán)節(jié)，入侵檢測起著保證網(wǎng)絡(luò)安全的關(guān)鍵作用，同時也是防火墻技術(shù)的核心部分。計(jì)算機(jī)系統(tǒng)資源的保密性、完整性、安全性等均與網(wǎng)絡(luò)系統(tǒng)入侵檢測功能的有效發(fā)揮有著緊密聯(lián)系。入侵檢測技術(shù)通過采集、篩選、分類、處理信息數(shù)據(jù)，在形成最終報告的基礎(chǔ)上，將當(dāng)前計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)的安全狀態(tài)及時反映給用戶。現(xiàn)階段，人工智能在模糊識別、專家及人工神經(jīng)網(wǎng)絡(luò)等系統(tǒng)入侵檢測中，得到了非常廣泛的應(yīng)用。計(jì)算機(jī)網(wǎng)絡(luò)安全管理中的智能型反垃圾郵件系統(tǒng)，是一項(xiàng)以人工智能技術(shù)為基礎(chǔ)而研發(fā)出來的防護(hù)技術(shù)，其針對的對象為垃圾郵件。此項(xiàng)技術(shù)可在不對用戶信息安全造成影響的前提下，有效監(jiān)測用戶的郵件，并在完成郵箱內(nèi)垃圾郵件的開啟式掃面后，將垃圾郵件分類信息提供給用戶，提醒其對可能對自身不利或?qū)ο到y(tǒng)造成危害的信息進(jìn)行盡早處理，進(jìn)而確保整個郵箱的安全性，

3.2人工智能在計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)管理及評價中的應(yīng)用。計(jì)算機(jī)網(wǎng)絡(luò)管理的智能化發(fā)展，離不開人工智能技術(shù)及電信技術(shù)的發(fā)展。除了應(yīng)用在計(jì)算機(jī)網(wǎng)絡(luò)安全管理中，人工智能技術(shù)中的問題求解技術(shù)及專家知識庫等，均可促進(jìn)計(jì)算機(jī)網(wǎng)絡(luò)綜合管理的實(shí)現(xiàn)。由于網(wǎng)絡(luò)具有瞬變性及動態(tài)性的特點(diǎn)，因而給計(jì)算機(jī)網(wǎng)絡(luò)管理工作增加了一定的難度，這同時也使得現(xiàn)代化網(wǎng)絡(luò)管理工作朝著智能化的方向發(fā)展。其中，以人工智能理論為發(fā)展基礎(chǔ)的專家級決策及支持方法，在信息系統(tǒng)的管理工作中得到了廣泛應(yīng)用。作為一項(xiàng)智能計(jì)算機(jī)程序，專家系統(tǒng)可累積盡可能多的專家經(jīng)驗(yàn)與知識，并通過進(jìn)行歸納與總結(jié)，在形成資源錄入系統(tǒng)的基礎(chǔ)上，利用這一匯集了多位特定領(lǐng)域中的專家經(jīng)驗(yàn)的系統(tǒng)，對此領(lǐng)域中相似的其他問題進(jìn)行解決。因此，對于計(jì)算機(jī)網(wǎng)絡(luò)管理及其系統(tǒng)評價，可通過眾多專家系統(tǒng)來開展計(jì)算機(jī)網(wǎng)絡(luò)管理及系統(tǒng)評價等大量工作。

4結(jié)數(shù)語

篇(4)

關(guān)鍵詞：人工智能 電氣 自動化控制

人類智能主要要包括三個力面，即感知能力，思維能力，行為能力，而人工智能是指由人類制造出來的“機(jī)器”所表現(xiàn)出來的智能。人工智能主要包括感知能力、思維能力和行為能力。

1.人工智能應(yīng)用理論分析

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是門邊沿學(xué)科，屬于自然科學(xué)和社會科學(xué)的交叉。涉及哲學(xué)和認(rèn)知科學(xué)、數(shù)學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)、控制論、不定性論，其研究范疇為自然語言處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識獲取，感知問題，模式識別，邏輯程序設(shè)計(jì)，軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法等，應(yīng)用于智能控制，機(jī)器人學(xué)，語言和圖像理解，遺傳編程。

當(dāng)今社會，計(jì)算機(jī)技術(shù)已經(jīng)滲透到生產(chǎn)和生活的方方面面，計(jì)算機(jī)編程技術(shù)的日新月異催生自動化生產(chǎn)、運(yùn)輸、傳播的快速發(fā)展。人腦是最精密的機(jī)器，編程也不過是簡單的模仿人腦的收集、分析、交換、處理、回饋，所以模仿模擬人腦的機(jī)能將是實(shí)現(xiàn)自動化的主要途徑。電氣自動化控制是增強(qiáng)生產(chǎn)、流通、交換、分配等關(guān)鍵一環(huán)，實(shí)現(xiàn)自動化，就等于減少了人力資本投入，并提高了運(yùn)作的效率。

2.人工智能控制器的優(yōu)勢

不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢，這些優(yōu)勢如下

（1）它們的設(shè)計(jì)不需要控制對象的模型（在許多場合，很難得到實(shí)際控制對象的精確動態(tài)方程，實(shí)際控制對象的模型在控制器設(shè)計(jì)時往往有很多不確實(shí)性因素。例如：參數(shù)變化，非線性時，往往不知道。）

（2）通過適當(dāng)調(diào)整（根據(jù)響應(yīng)時間、下降時間、魯棒性能等）它們能提高性能。例如：模糊邏輯控制器的上升時間比最優(yōu)PID控制器快1.5倍，下降時間快3.5倍。

（3）它們比古典控制器的調(diào)節(jié)容易。

（4）在沒有必須專家知識時，通過響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。

（5）運(yùn)用語言和響應(yīng)信息可能設(shè)計(jì)它們。論文格式，自動化控制。

（6）它們有相當(dāng)好的一致性（當(dāng)使用一些新的未知輸入數(shù)據(jù)就能得到好的估計(jì)），與驅(qū)動器的特性無關(guān)。論文格式，自動化控制。。現(xiàn)在沒有使用人工智能的控制算法對特定對象控制效果非常好，但對其他控制對象效果就不會一致性地好，因此對具體對象必須具體設(shè)計(jì)。

3.人工智能的應(yīng)用現(xiàn)狀

（1）優(yōu)化設(shè)計(jì)電氣設(shè)備的設(shè)計(jì)是一項(xiàng)復(fù)雜的工作，它不僅要應(yīng)用電路、電磁場、電機(jī)電器等學(xué)科的知識，還要大量運(yùn)用設(shè)計(jì)中的經(jīng)驗(yàn)性知識。傳統(tǒng)的產(chǎn)品設(shè)計(jì)是采用簡單的實(shí)驗(yàn)手段和根據(jù)經(jīng)驗(yàn)用手工的方式進(jìn)行的。因此，很難獲得最優(yōu)方案。隨著計(jì)算機(jī)技術(shù)的發(fā)展，電氣產(chǎn)品的設(shè)計(jì)從手工逐漸轉(zhuǎn)向計(jì)算機(jī)輔助設(shè)計(jì)（CAD），大大縮短了產(chǎn)品開發(fā)周期。人工智能的引進(jìn)，使傳統(tǒng)的CAD技術(shù)如虎添翼，產(chǎn)品設(shè)計(jì)的效率及質(zhì)量得到全面提高。

用于優(yōu)化設(shè)計(jì)的人工智能技術(shù)主要有遺傳算法和專家系統(tǒng)。遺傳算法是一種比較先進(jìn)的優(yōu)化算法，非常適合于產(chǎn)品優(yōu)化設(shè)計(jì)，因此電氣產(chǎn)品人工智能優(yōu)化設(shè)計(jì)大部分采用此種方法或其改進(jìn)方法。

（2）智能控制的功能實(shí)現(xiàn)

①數(shù)據(jù)采集與處理：對所有開關(guān)量、模擬量的實(shí)時采集，并能按要求處理或存貯。

②畫面顯示：模擬畫面真實(shí)顯示一次設(shè)備和系統(tǒng)的運(yùn)行狀態(tài)，可實(shí)時顯示電流、電壓等所有模擬量、計(jì)算量、隔離開關(guān)、斷路器等實(shí)際開關(guān)狀態(tài)及掛牌檢修功能，能生成歷史趨勢圖。

③運(yùn)行監(jiān)視：具有對各主要設(shè)備的模擬量數(shù)值、開關(guān)量狀態(tài)的實(shí)時智能監(jiān)視，有事故報警越限和狀態(tài)變化事件報警，事件順序記錄、聲光、語音、電話圖象報警。

④操作控制：通過鍵盤或鼠標(biāo)實(shí)現(xiàn)對斷路器及電動隔離開關(guān)的控制，勵磁電流的調(diào)整。按順控程序進(jìn)行同期并網(wǎng)帶負(fù)荷或停機(jī)操作。系統(tǒng)對運(yùn)行人員的操作權(quán)限加以限制，以適應(yīng)各級運(yùn)行值班管理。

⑤故障錄波：模擬量故障錄波，波形捕捉，開關(guān)量變位，順序記錄等（包括主要輔機(jī)）。論文格式，自動化控制。。

⑥在線分析：不對稱運(yùn)行分析、負(fù)序量計(jì)算等。

⑦在線參數(shù)設(shè)定及修改：保護(hù)定值包括軟壓板的投退。

⑧運(yùn)行管理：操作票專家系統(tǒng)，運(yùn)行日志，報表的生成及存儲或打印，運(yùn)行曲線等。

人工智能控制技術(shù)在自動控制領(lǐng)域的研究與應(yīng)用已廣泛展開，但在電氣設(shè)備控制領(lǐng)域所見報道不多。可用于控制的人工智能方法主要有3種：模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制。

4.恒壓供水案例簡析

恒壓供水在工業(yè)和民用供水系統(tǒng)中已普遍使用，由于系統(tǒng)的負(fù)荷變化的不確定性，采用傳統(tǒng)的PID算法實(shí)現(xiàn)壓力控制的動態(tài)特性指標(biāo)很難收到理想的效果。在恒壓供水自動化控制系統(tǒng)的設(shè)計(jì)初期曾采用多種進(jìn)口的調(diào)節(jié)器，系統(tǒng)的動態(tài)特性指標(biāo)總是不穩(wěn)定，通過實(shí)際應(yīng)用中的對比發(fā)現(xiàn)，應(yīng)用模糊控制理論形成的控制方案在恒壓系統(tǒng)中有較好的效果。在實(shí)施過程中選用了AI 一808人工智能調(diào)節(jié)器作為主控制器，結(jié)合FXIN PLC邏輯控制功能很好地實(shí)現(xiàn)了水廠的全自動化恒壓供水。對于單獨(dú)采用PLC實(shí)現(xiàn)壓力和邏輯控制方案，由于PLC的運(yùn)算能力不足編寫一個完善的模糊控制算法比較困難，而且參數(shù)的調(diào)整也比較麻煩，所以所提出的方案具有較高的性價比。

本案例中只是一個人工智能在電氣自動化中的一個小小的應(yīng)用，也是電氣元

件生產(chǎn)供給的一個方向，實(shí)現(xiàn)機(jī)械智能化是我們努力的追求，將人工智能的先進(jìn)的最新成果應(yīng)用于電氣自動化控制的實(shí)踐是一個誘人的課題。

人工智能研究的一個主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能完成的復(fù)雜的工作，電氣自動化是研究與電氣工程有關(guān)的系統(tǒng)運(yùn)行。人工智能主要包括感知能力、思維能力和行為能力，人工智能的應(yīng)用體現(xiàn)在問題求解，邏輯推理與定理證明，自然語言理解，自動程序設(shè)計(jì)，專家系統(tǒng)，機(jī)器人學(xué)等方面。而這諸多方面都體現(xiàn)了一個自動化的特征，表達(dá)了一個共同的主題，即提高機(jī)械的人類意識能力，強(qiáng)化控制自動化。因此人工智能在電氣自動化領(lǐng)域?qū)笥凶鳛椋姎庾詣踊刂埔残枰斯ぶ悄艿膮⑴c。

參考文獻(xiàn)：

篇(5)

關(guān)鍵詞：人工智能；深度學(xué)習(xí)；教學(xué)建議

0 引言

傳統(tǒng)的人工智能課程主要包括人工智能導(dǎo)論、模式分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等。這些課程由各個院校根據(jù)專業(yè)情況不同而選擇，課程的內(nèi)容也有較大差別，但是，基本上都涉及人工神經(jīng)網(wǎng)絡(luò)的內(nèi)容。然而在人工神經(jīng)網(wǎng)絡(luò)的教學(xué)內(nèi)容上，一般只講解經(jīng)典的多層感知器和反向傳播算法，或再加入一些反饋網(wǎng)絡(luò)的內(nèi)容，這種教學(xué)內(nèi)容設(shè)計(jì)的一個不足是忽視了人工智能領(lǐng)域的最新發(fā)展——深度學(xué)習(xí)，它是近幾年人工智能領(lǐng)域最具影響力的研究主題，并在大規(guī)模語音識別、大規(guī)模圖像檢索等領(lǐng)域取得突破。

北京郵電大學(xué)計(jì)算機(jī)學(xué)院開設(shè)人工智能科學(xué)與技術(shù)的本科專業(yè)，筆者從事深度學(xué)習(xí)的研究工作，同時承擔(dān)了本科生和研究生人工智能類課程的教學(xué)工作，因此產(chǎn)生了將深度學(xué)習(xí)內(nèi)容引人人工智能類課程的想法。本文先介紹深度學(xué)習(xí)的背景，說明深度學(xué)習(xí)在人工智能發(fā)展中的地位，之后分析了將深度學(xué)習(xí)基本內(nèi)容引入人工智能類課程的必要性和可行性，最后給出了一些實(shí)施建議供探討。

1 深度學(xué)習(xí)背景

2006年，加拿大多倫多大學(xué)的GeoffreyHinton教授與Salakhutdinov博士在美國《科學(xué)》雜志發(fā)表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)的方法，并將這種具有多層結(jié)構(gòu)的學(xué)習(xí)方法命名為深度學(xué)習(xí)（Deep Learning），而這成為深度學(xué)習(xí)研究的一個導(dǎo)火索，從此深度學(xué)習(xí)的研究與應(yīng)用蓬勃發(fā)展起來。

深度學(xué)習(xí)在語音識別與生成、計(jì)算機(jī)視覺等應(yīng)用領(lǐng)域取得了突出進(jìn)展。近幾年的國際機(jī)器學(xué)會（International Conference on MachineLearning，ICML）、神經(jīng)信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計(jì)算機(jī)視覺大會（InternationalConference on Computer Vision，ICCV）、

聲學(xué)語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計(jì)算語言學(xué)大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計(jì)算機(jī)視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關(guān)的研究論文、會議教程和小組研討會（Workshop）。美國國防高級研究計(jì)劃（DARPA）也提出了關(guān)于深層學(xué)習(xí)的研究項(xiàng)目。此外，2013年6月《程序員雜志》的封面故事，采訪了周志華、李航、朱軍3位國內(nèi)的機(jī)器學(xué)習(xí)專家對于深度學(xué)習(xí)的看法，他們一致肯定了深度學(xué)習(xí)在機(jī)器學(xué)習(xí)領(lǐng)域的貢獻(xiàn)。

工業(yè)界對深度學(xué)習(xí)也寄予了很高期望。2012年6月，《紐約時報》報道了斯坦福大學(xué)計(jì)算機(jī)科學(xué)家AndrewNg和谷歌公司的系統(tǒng)專家JeffDean共同研究深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型在語音識別和圖像識別等領(lǐng)域獲得的巨大成功。2012年11月，微軟公司在天津公開演示了一個全自動的同聲傳譯系統(tǒng)，其關(guān)鍵技術(shù)也是深度學(xué)習(xí)。2013年1月，百度公司首席執(zhí)行官李彥宏先生宣布建立深度學(xué)習(xí)研究院（Institute of Deep Learning）。2013年3月，谷歌公司收購了由深度學(xué)習(xí)創(chuàng)始人Geoffrey Hinton創(chuàng)立的公司。

從學(xué)術(shù)界與工業(yè)界的研究態(tài)勢看，深度學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)與模式識別，乃至人工智能領(lǐng)域的研究熱點(diǎn)。正是在這樣一個背景下，人工神經(jīng)網(wǎng)絡(luò)重新回到人們的視野。此前人工神經(jīng)網(wǎng)絡(luò)的發(fā)展大致可以分為兩個時期，1943年，McCulloch和Pitts提出了最早的人工神經(jīng)元，這種神經(jīng)元具有學(xué)習(xí)能力，這是人工神經(jīng)網(wǎng)絡(luò)的發(fā)端，也可以被認(rèn)為是人工智能的發(fā)端（當(dāng)時還沒有人工智能這個術(shù)語）。1949年，Hebb提出了Hebbian學(xué)習(xí)算法。1957年，Rosenblatt提出了感知器的神經(jīng)網(wǎng)絡(luò)模型。1969年，Minsky和Papert分析了這種感知器神經(jīng)網(wǎng)絡(luò)模型的局限性。然而，很多研究者認(rèn)為，感知器的這種局限性對于所有的神經(jīng)網(wǎng)絡(luò)模型都適用，這使人工神經(jīng)網(wǎng)絡(luò)的研究很快暗淡下來。1980年代中期，諾貝爾獎得主John Hopfield提出了Hopfield神經(jīng)網(wǎng)絡(luò)模型，這種Recurrent神經(jīng)網(wǎng)絡(luò)具有的動態(tài)性有可能用于解決復(fù)雜的問題。同時，多層前向神經(jīng)網(wǎng)絡(luò)的后傳算法也被重新發(fā)現(xiàn)，這兩個工作使人工神經(jīng)網(wǎng)絡(luò)得到重生。這時，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能的一個重要組成部分。但是，在隨后的研究中，人們發(fā)現(xiàn)，當(dāng)學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)包含更多的隱藏層時，后傳算法并不能學(xué)到有效的網(wǎng)絡(luò)權(quán)值，這使得神經(jīng)網(wǎng)絡(luò)的研究再次陷入低潮。此次以深層神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)重新回到研究的舞臺，其中一個重要因素是Hinton提出的逐層預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)方法治愈了多層神經(jīng)網(wǎng)絡(luò)的一個致命傷。

2 必要性與可行性

深度學(xué)習(xí)的發(fā)展使得從事教學(xué)一線的教師也無法忽視這個頗具影響力的研究主題。為此，我們提出將深度學(xué)習(xí)這個主題引入到人工智能類課程中，將它作為課題教學(xué)的一部分。

2.1 必要性

將深度學(xué)習(xí)這個主題引入到人工智能類課程中的必要性主要包括如下4點(diǎn)。

1）深度學(xué)習(xí)是人工智能的前沿。

2006年以來，深度學(xué)習(xí)的研究席卷了整個人工智能，從機(jī)器學(xué)習(xí)、機(jī)器視覺、語音識別到語言處理，都不斷涌現(xiàn)出新的研究工作和突破性進(jìn)展。深度學(xué)習(xí)不僅在機(jī)器學(xué)習(xí)領(lǐng)域成為研究熱點(diǎn)，同時在多個應(yīng)用領(lǐng)域也成為有力工具，而且，在工業(yè)界的系統(tǒng)應(yīng)用中，深度學(xué)習(xí)成為其中的關(guān)鍵解決技術(shù)。

2）深度學(xué)習(xí)是人工智能的突破。

深度學(xué)習(xí)的發(fā)端是神經(jīng)網(wǎng)絡(luò)。關(guān)于神經(jīng)網(wǎng)絡(luò)的論述，在人工智能類常見教科書中還停留在多層神經(jīng)網(wǎng)絡(luò)，即神經(jīng)網(wǎng)絡(luò)的第二階段，它們大部分描述多層結(jié)構(gòu)無法訓(xùn)練的現(xiàn)象。但是，從深度學(xué)習(xí)的角度看，深層神經(jīng)網(wǎng)絡(luò)不僅可學(xué)習(xí)，而且有必要，這與第二代神經(jīng)網(wǎng)絡(luò)的觀點(diǎn)是完全不同的。深度學(xué)習(xí)突破了原有人工神經(jīng)網(wǎng)絡(luò)的認(rèn)識，超越了人工智能神經(jīng)網(wǎng)絡(luò)教科書中的原有內(nèi)容，因此，有必要將多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可學(xué)習(xí)性告知學(xué)生，從新的視角糾正原有的觀點(diǎn)。

3）深度學(xué)習(xí)是人工智能的延伸。

深度學(xué)習(xí)不僅提供了一種可以在深層神經(jīng)結(jié)構(gòu)下訓(xùn)練網(wǎng)絡(luò)的方法，也包含了不少新的內(nèi)容，是人工智能的新發(fā)展，為人工智能補(bǔ)充了新的內(nèi)容。到目前為止，深度學(xué)習(xí)至少包括：從生物神經(jīng)網(wǎng)絡(luò)與人類認(rèn)知的角度認(rèn)識深層神經(jīng)網(wǎng)絡(luò)的必要性；如何構(gòu)建和學(xué)習(xí)深層學(xué)習(xí)網(wǎng)絡(luò)；如何將深層結(jié)構(gòu)用于解決視覺、語音、語言的應(yīng)用問題；如何看待深度學(xué)習(xí)與原有的機(jī)器學(xué)習(xí)方法，如流形學(xué)習(xí)、概率圖模型、能量模型的直接關(guān)系；深度學(xué)習(xí)與其他學(xué)科的關(guān)系等。

4）深度學(xué)習(xí)是學(xué)生的潛在興趣點(diǎn)。

大學(xué)生對知識有著強(qiáng)烈的好奇心，加之當(dāng)前信息技術(shù)的發(fā)達(dá)，部分對智能感興趣的學(xué)生可以從其他途徑了解到這個學(xué)科發(fā)展的前沿。因此，順勢而為，將深度學(xué)習(xí)這個主題做具體講解，滿足學(xué)生的好奇心，培養(yǎng)他們對學(xué)科前沿與發(fā)展的認(rèn)識，是十分必要的。對高年級的學(xué)生而言，了解深度學(xué)習(xí)的基本知識，是他們?nèi)嬲J(rèn)識人工智能與發(fā)展前沿的一個途徑，而對于研究生，較多地了解和掌握深度學(xué)習(xí)的基本知識有助于他們研究工作的開展。

基于以上幾點(diǎn)，筆者認(rèn)為，將深度學(xué)習(xí)這個主題引入到人工智能類課程中非常有必要。深度學(xué)習(xí)作為人工智能的前沿，既是對人工智能原有理論和技術(shù)的一個突破和補(bǔ)充。

2.2 可行性

將深度學(xué)習(xí)引入到人工智能類課程中的可行性主要包括如下3點(diǎn)。

1）深度學(xué)習(xí)與現(xiàn)有人工智能聯(lián)系密切。

深度學(xué)習(xí)并不像突兀的山峰拔地而起。而是深深植根于原有的人工智能理論與技術(shù)。深度學(xué)習(xí)是以神經(jīng)網(wǎng)絡(luò)為出發(fā)點(diǎn)，這正是深度學(xué)習(xí)教與學(xué)的切入點(diǎn)。比如，可以通過對多層感知器隱藏層的增加和后傳算法的失效來講解深度學(xué)習(xí)是如何解決這個問題的。再者，深度學(xué)習(xí)的一個核心構(gòu)建“受限波爾茲曼機(jī)（Restricted Boltzmann Machine）”，可以被認(rèn)為是一種能量模型，而這種模型與Hopfield網(wǎng)絡(luò)都可以從物理學(xué)的能量模型角度分析，RBM可以認(rèn)為是Hopfield網(wǎng)絡(luò)的隨機(jī)擴(kuò)展。總之，深度學(xué)習(xí)與現(xiàn)有人工智能的聯(lián)系，使學(xué)習(xí)深度學(xué)習(xí)變得容易。

2）深度學(xué)習(xí)的基本內(nèi)容并不深。

深度學(xué)習(xí)有個很好的名字，這個名字恰當(dāng)?shù)孛枋隽颂囟ǖ膶W(xué)習(xí)結(jié)構(gòu)。比如，深度學(xué)習(xí)的核心部件受限于波爾茲曼機(jī)RBM，其結(jié)構(gòu)非常簡單。從神經(jīng)網(wǎng)絡(luò)的角度，受限波爾茲曼機(jī)是一種隨機(jī)的雙向連接神經(jīng)網(wǎng)絡(luò)，信號可以從可見層傳遞到隱藏層，也可以從隱藏層傳遞到可見層。網(wǎng)絡(luò)中每個節(jié)點(diǎn)是具有特定結(jié)構(gòu)的神經(jīng)元，其中的神經(jīng)元具有典型的包含自身偏置的Logistic函數(shù)的隨機(jī)單元，能夠依Logistic函數(shù)計(jì)算得到的概率輸出0狀態(tài)或1狀態(tài)。概括地說，深度學(xué)習(xí)的基本內(nèi)容在高年級階段較易掌握。

3）深度學(xué)習(xí)的資料容易獲得。

當(dāng)前的信息資訊非常發(fā)達(dá)，有相當(dāng)多的資料可以通過互聯(lián)網(wǎng)等多種途徑獲得，這使學(xué)習(xí)深度學(xué)習(xí)成為可能。近期，中國計(jì)算機(jī)學(xué)會主辦了多個技術(shù)講座均涉及深度學(xué)習(xí)的部分；深度學(xué)習(xí)的創(chuàng)始人Hinton教授的主頁也有很多資料；Coursera網(wǎng)站有免費(fèi)的Hinton教授的神經(jīng)網(wǎng)絡(luò)課程；斯坦福大學(xué)的Ng教授提供了很多的在線教程；蒙特利爾大學(xué)Bengio教授發(fā)表的題為“Learning Deep Architectures for AI”的論文也是這領(lǐng)域的優(yōu)質(zhì)資料。

3 實(shí)施建議

在具體的教學(xué)過程中，筆者建議適當(dāng)安排深度學(xué)習(xí)的最基本內(nèi)容，內(nèi)容不宜過多，也不宜占用過多的學(xué)時，可以根據(jù)教學(xué)對象的不同進(jìn)行調(diào)整。比如，本科生的高年級專業(yè)課可以安排1學(xué)時的教學(xué)量，介紹層次訓(xùn)練的基本算法；也可以在高年級前沿講座中安排2學(xué)時，內(nèi)容覆蓋面盡可能廣泛。在研究生的教學(xué)中，可以根據(jù)教學(xué)的課程主題安排內(nèi)容與學(xué)時。比如，神經(jīng)網(wǎng)絡(luò)主題的課程可以安排4-6學(xué)時的教學(xué)內(nèi)容，包括波爾茲曼機(jī)及學(xué)習(xí)算法、深層信念網(wǎng)絡(luò)與學(xué)習(xí)算法、深層波爾茲曼機(jī)與學(xué)習(xí)算法卷、積神經(jīng)網(wǎng)絡(luò)、自動編碼器等。結(jié)合應(yīng)用，課程還可以包含MNIST數(shù)字識別的應(yīng)用、人臉識別的應(yīng)用、圖像檢索的應(yīng)用、語音識別中的應(yīng)用等。另外，深度學(xué)習(xí)是一個實(shí)踐性很強(qiáng)的研究，隨機(jī)性：大規(guī)模（意味著數(shù)據(jù)不宜可視化，程序運(yùn)行時間長）等多種因素混合，使深度學(xué)習(xí)在學(xué)習(xí)中不容易理解。為此，可以在條件允許的前提下，增加小規(guī)模的實(shí)驗(yàn)，輔助理解。最后，課件可以通過對優(yōu)質(zhì)資料做修改得到。

篇(6)

1989年貝爾實(shí)驗(yàn)室成功利用反向傳播算法，在多層神經(jīng)網(wǎng)絡(luò)開發(fā)了一個手寫郵編識別器。1998年Yann LeCun和Yoshua Bengio發(fā)表了手寫識別神經(jīng)網(wǎng)絡(luò)和反向傳播優(yōu)化相關(guān)的論文《Gradient-based learning applied to document recognition》，開創(chuàng)了卷積神經(jīng)網(wǎng)絡(luò)的時代。

此后，人工智能陷入了長時間的發(fā)展沉寂階段，直到1997年IBM的深藍(lán)戰(zhàn)勝國際象棋大師和2011年IBM的沃森智能系統(tǒng)在Jeopardy節(jié)目中勝出，人工智能才又一次為人們所關(guān)注。2016年Alpha Go擊敗韓國圍棋九段職業(yè)選手，則標(biāo)志著人工智能的又一波。從基礎(chǔ)算法，底層硬件，工具框架到實(shí)際應(yīng)用場景，目前人工智能已經(jīng)全面開花。 作為人工智能核心的底層硬件AI芯片，也同樣經(jīng)歷了多次的起伏和波折，

總體看來，AI芯片的發(fā)展前后經(jīng)歷了四次大的變化，其發(fā)展歷程如下圖所示。

(1)2007年以前，AI芯片產(chǎn)業(yè)一直沒有發(fā)展成為成熟的產(chǎn)業(yè)；同時由于當(dāng)時算法、數(shù)據(jù)量等因素，這個階段AI芯片并沒有特別強(qiáng)烈的市場需求，通用的CPU芯片即可滿足應(yīng)用需要。

(2)隨著高清視頻、VR、AR游戲等行業(yè)的發(fā)展，GPU產(chǎn)品取得快速的突破；同時人們發(fā)現(xiàn)GPU的并行計(jì)算特性恰好適應(yīng)人工智能算法及大數(shù)據(jù)并行計(jì)算的需求，如GPU比之前傳統(tǒng)的CPU在深度學(xué)習(xí)算法的運(yùn)算上可以提高幾十倍的效率，因此開始嘗試使用GPU進(jìn)行人工智能計(jì)算。

(3)進(jìn)入2010年后，云計(jì)算廣泛推廣，人工智能的研究人員可以通過云計(jì)算借助大量CPU和GPU進(jìn)行混合運(yùn)算，進(jìn)一步推進(jìn)了AI芯片的深入應(yīng)用，從而催生了各類AI芯片的研發(fā)與應(yīng)用。

(4)人工智能對于計(jì)算能力的要求不斷快速地提升，進(jìn)入2015年后，GPU的性能功耗比不高的特點(diǎn)使其適用場合受到很多限制，業(yè)界開始研發(fā)針對人工智能的專用芯片，通過更好的硬件和芯片架構(gòu)，在計(jì)算效率、能耗比上進(jìn)一步提升。

篇(7)

蘇霍姆林斯基在《教育藝術(shù)》中認(rèn)為，“在人的心靈深處有一種根深蒂固的需要，就是希望自己是一個發(fā)現(xiàn)者、研究者、探索者。在兒童的精神世界中，這種需要特別強(qiáng)烈”。我們要敢于打破傳統(tǒng)的教學(xué)模式，運(yùn)用現(xiàn)代教育技術(shù)培養(yǎng)真正適應(yīng)于經(jīng)濟(jì)社會發(fā)展的創(chuàng)新型和國際化人才。現(xiàn)代教育技術(shù)是伴隨現(xiàn)代科技的發(fā)展，特別是電子、通訊、計(jì)算機(jī)的飛速發(fā)展而產(chǎn)生的，也是現(xiàn)代教育理論發(fā)展到一定階段的產(chǎn)物。

作為新一輪科技革命的代表，人工智能（AI）技術(shù)已經(jīng)或正在顛覆性地改變著許多行業(yè)和領(lǐng)域，而教育就是其中之一。來自谷歌的世界頂尖的人工智能專家團(tuán)隊(duì)將AI的智能l展劃分成了三級：第一級是“弱人工智能”，只能夠?qū)Ｗ⒃谝粋€特定領(lǐng)域，如下圍棋；第二級是“強(qiáng)人工智能”，能夠達(dá)到或超過人類水準(zhǔn)；第三級是比人類聰明1000萬倍的人工智能。

目前，“弱人工智能”已經(jīng)滲透到我們生活的方方面面：搜索引擎、實(shí)時在線地圖、手機(jī)語音助手、智能客服等都運(yùn)用了人工智能技術(shù)。盡管人工智能要從感知、行為和認(rèn)知三個維度全面模擬甚至超越人類，還有很長的路要走，但目前的AI憑借強(qiáng)大的計(jì)算能力、存儲能力和大數(shù)據(jù)處理能力，已經(jīng)改變著傳統(tǒng)教育模式與教育形式，在破解教育資源不均、提高教育效率和教學(xué)質(zhì)量、提供個性化精準(zhǔn)化教學(xué)、優(yōu)化教育評價系統(tǒng)等方面將發(fā)揮重要作用。

浙江西湖高等研究院人工智能研究室主任于長斌認(rèn)為，人工智能下一步應(yīng)用可能是遠(yuǎn)程教育、自我強(qiáng)化教育，甚至是教育領(lǐng)域的機(jī)器換人。從人工智能現(xiàn)階段研究成果來看，機(jī)器人做數(shù)學(xué)題、英語題完全沒有問題，有科學(xué)家還成功用人工智能自動生成科研和學(xué)術(shù)論文，其中有一些甚至被期刊錄用。

高考機(jī)器人

在今年6月7日的“高考”中，人工智能機(jī)器人AI-Maths在數(shù)學(xué)科目的兩套試題考試中分別取得了105分和100分的成績。整個答題過程中，機(jī)器人不聯(lián)網(wǎng)、不連接題庫、無人工參與，全由機(jī)器人獨(dú)立完成解答。研究人員表示，由于AI-Maths在識別自然語言時遇到了一些困難，導(dǎo)致部分考題失分。

AI-Maths先后解答了2017年數(shù)學(xué)科目高考的北京文科卷和全國Ⅱ卷的試題，分別用時22分鐘和10分鐘，北京文科卷得分105分，全國Ⅱ卷（數(shù)學(xué)）得分100分。對這臺機(jī)器人來說，解答一道題目的時間最快不到一秒。此前總共做了不到500套試卷，大約12000道數(shù)學(xué)題。而一個中國學(xué)生，按照每天10道數(shù)學(xué)題估算，到高考前已經(jīng)做了大約30000道數(shù)學(xué)題。

考試結(jié)果顯示，這臺高考解題機(jī)器人在不依賴大數(shù)據(jù)的前提下，邏輯分析能力遠(yuǎn)超人類，但在文意理解、多樣性思維上要比人類遜色得多。參與閱卷的資深數(shù)學(xué)老師表示，AI-Maths相當(dāng)于中等成績水平的高中畢業(yè)生，失分主要是因?yàn)椤白x不懂題目”，遇到一些人類語言（而非數(shù)學(xué)語言）時，無法理解。

專家指出，這次機(jī)器人不得高分的原因較多，首先這個機(jī)器人并沒有代表機(jī)器人的最高水平，其次機(jī)器人沒有聯(lián)網(wǎng)，不能夠聯(lián)想自己的知識，這樣得低分也是理所當(dāng)然的了。經(jīng)過更多的訓(xùn)練和學(xué)習(xí)以后，未來AI-Maths會取得更好的成績。

該機(jī)器人是由成都準(zhǔn)星云學(xué)科技有限公司研發(fā)的一款以自動解題技術(shù)為核心的人工智能系統(tǒng)，誕生于2014年。該公司參與了科技部的863“超腦計(jì)劃”。

同時進(jìn)行的另一場機(jī)器人高考測試中，學(xué)霸君的Aidam首次與6名高考理科狀元在北京同臺PK，解答2017年高考文科數(shù)學(xué)試題。Aidam的成績?yōu)?34分，6名狀元的平均分為135分。Aidam答題耗時9分47秒。為了展示，Aidam當(dāng)天答題放慢了六倍速度，平時每道題完成時間應(yīng)該在7-15秒。

從2014年開始，國內(nèi)人工智能引領(lǐng)者科大訊飛就聯(lián)合了包括北大、清華等在內(nèi)的超過30家科研院校和企業(yè)，共同開啟了一項(xiàng)隸屬國家863計(jì)劃的“高考機(jī)器人”項(xiàng)目，他們希望通過這個項(xiàng)目的實(shí)施，研制出能夠參加高考并在2020年考上北大、清華的智能機(jī)器人。“超腦計(jì)劃”匯集了國內(nèi)近60%的人工智能專家，其重點(diǎn)就是要研究突破機(jī)器的知識表達(dá)、邏輯推理和在線學(xué)習(xí)能力。

目前，高考機(jī)器人在英語學(xué)習(xí)方面也取得階段性成果：一是翻譯，已經(jīng)能夠讓翻譯能力達(dá)到高考入門水平。二是在廣東地區(qū)的英語高考、中考場景中，在發(fā)音準(zhǔn)不準(zhǔn)、填空題選擇題，判斷你懂不懂知識上，機(jī)器已經(jīng)超過人工。三是口語作文實(shí)現(xiàn)突破。比如給學(xué)生一個題目《My Mother》，現(xiàn)在AI機(jī)器的評測打分已經(jīng)比人類打分更精準(zhǔn)。

有人提出了一個十分滑稽的問題，那就是人工智能要是通過高考考上大學(xué)，是不是意味著我們的教育培養(yǎng)出來的就是考試的機(jī)器？這個問題的邏輯不一定嚴(yán)密，但巧妙地折射出了現(xiàn)行教育體制的一些問題。如果以應(yīng)試為主的教育方式不改變，智能機(jī)器取代老師幾乎是必然。更可怕的是，這樣的教育培養(yǎng)出的人也將被智能機(jī)器淘汰。

AI閱卷批改作業(yè)

面對龐大的考生規(guī)模和多種多樣的考試，專家和老師閱卷成為一個獨(dú)特的景觀。從傳統(tǒng)的紙筆閱卷到網(wǎng)上閱卷，再到今天的機(jī)器智能閱卷，AI可以輕松解決繁重復(fù)雜的閱卷難題，大大提高閱卷的效率和質(zhì)量。

通過對試卷進(jìn)行數(shù)字化掃描、格式化處理，轉(zhuǎn)換成機(jī)器可識別的信號，機(jī)器就能按閱卷專家的評判標(biāo)準(zhǔn)，進(jìn)行自動化閱卷，還可以自動檢測出空白卷、異常卷，并給出最終的評閱報告及考試分析報告。原來三個月的工作，現(xiàn)在一周就能完成，而且更準(zhǔn)確、公正。

中國教育部考試中心對“超腦計(jì)劃”的閱卷工作進(jìn)行了驗(yàn)證，結(jié)果是，在“與專家評分一致率、相關(guān)度”等多項(xiàng)指標(biāo)中，機(jī)器均優(yōu)于現(xiàn)場人工評分。

除了代替人工閱卷，人工智能還可以幫老師做批改作業(yè)、備課等重復(fù)枯燥的工作，不僅節(jié)省大量時間，還可以減少工作量。

語音識別和語義分析技術(shù)的進(jìn)步，使得自動批改作業(yè)成為可能，對于簡單的文義語法，機(jī)器可以自動識別糾錯，甚至是提出修改意見，這將會大大提高老師的教學(xué)效率。

今年兩會期間，科大訊飛董事長劉慶峰在提案中提到，科大訊飛的英語口語自動測評、手寫文字識別、機(jī)器翻譯、作文自動評閱技術(shù)等已通過教育部鑒定并應(yīng)用于全國多個省市的高考、中考、學(xué)業(yè)水平的口語和作文自動閱卷。而基于國家“十三五”863“基于大數(shù)據(jù)的類人智能關(guān)鍵技術(shù)與系統(tǒng)”階段性成果構(gòu)建的“訊飛教育超腦”已在全國 70% 地市、1 萬多所學(xué)校應(yīng)用。

國外也有多個智能測評公司和實(shí)踐案例。GradeScope是美國加州伯克利大學(xué)一個邊緣性的產(chǎn)品，它旨在簡化批改流程，使老師們更專注于教學(xué)反饋。目前有超過150家知名學(xué)校采用該產(chǎn)品。MathodiX是美國實(shí)時數(shù)學(xué)學(xué)習(xí)效果評測網(wǎng)站，算法會對每一步驟都進(jìn)行檢查、反饋。

美國教育考試服務(wù)中心（ETS）是世界上最大的私營非盈利教育考試及評估機(jī)構(gòu)，已經(jīng)成功將AI引入SAT和GRE論文批改，同人類一起扮演評卷人角色。

計(jì)算機(jī)科學(xué)家喬納森研發(fā)了一款可進(jìn)行英語語法糾錯的軟件，不同于其他同類型軟件的是，它能夠聯(lián)系上下文去理解全文，然后做出判斷，例如各種英語時態(tài)的主謂一致，單復(fù)數(shù)等。它將提高英語翻譯軟件或程序翻譯的準(zhǔn)確性，解決不同國家之間的交流問題。

雖然人工智能可以閱卷、批改作業(yè)，但誠如《信息時報》刊發(fā)的《推廣“機(jī)器人老師”可為廣大教師減壓》一文所言：教育需要尊重“異質(zhì)思維”，同樣的問題，學(xué)生會給出差異化、個性化的答案；目前“機(jī)器人老師”在閱卷、批改作業(yè)的時候會有明顯的局限性，可能更適用于客觀題卻不適用于主觀題。

不可否認(rèn)，最初機(jī)器是用來輔助人工教學(xué)的，未來的趨勢則是人輔助機(jī)器，而這個過程會一次次重塑考、學(xué)、教、管的服務(wù)流程。未來，當(dāng)進(jìn)入強(qiáng)人工智能和超人工智能時代，機(jī)器人更像是老甚至在許多方面超越老師。

機(jī)器人當(dāng)老師

城鄉(xiāng)、區(qū)域教育鴻溝，擇校問題，學(xué)區(qū)房問題，都是教育教學(xué)資源不均衡導(dǎo)致的，歸根到底是優(yōu)秀教師的稀缺，而智能教育機(jī)器人則是解決這一問題的有力工具。“機(jī)器人老師”不僅有助于解決師資不足和師資結(jié)構(gòu)不合理等難題，還能大大緩解社會矛盾，促進(jìn)教育公平。

目前國內(nèi)已涌現(xiàn)出像魔力學(xué)院這樣的創(chuàng)業(yè)公司。幾年前魔力學(xué)院創(chuàng)始人張海霞從北大畢業(yè)時，她的畢業(yè)論文是國內(nèi)最早對人工智能教學(xué)進(jìn)行研究的學(xué)術(shù)論文，同時在上大學(xué)期間，她就已經(jīng)是新東方出國留學(xué)部最好的英語老師。這種雄厚的技術(shù)和教學(xué)背景，讓她成為國內(nèi)最早一批人工智能領(lǐng)域的創(chuàng)業(yè)者。

“與大多數(shù)互聯(lián)網(wǎng)教育領(lǐng)域的產(chǎn)品不同，魔力學(xué)院從一開始，我們要解決的問題就是用人工智能機(jī)器替代老師進(jìn)行講課。曾經(jīng)有很多投資人建議我們妥協(xié)一下，暫時用真人老師講課，后面再一步步地進(jìn)化到人工智能老師，但我們從來沒有妥協(xié)。”張海霞說。

直到2016年3月，魔力學(xué)院第一個商業(yè)化的版本上線，企業(yè)開始有了第一筆收入，成為全球在人工智能老師這個領(lǐng)域第一家產(chǎn)品上線的創(chuàng)業(yè)公司，也是第一家實(shí)現(xiàn)了持續(xù)收入和盈利的創(chuàng)業(yè)公司。至今，在人工智能老師這個領(lǐng)域，魔力學(xué)院的相關(guān)產(chǎn)品仍然是惟一能從教、學(xué)、練、測各個維度提供人工智能老師教學(xué)的公司。

目前在新東方也開始這樣的實(shí)驗(yàn)，教室里沒有人類老師上課，機(jī)器人將重要知識點(diǎn)經(jīng)過搜集和教學(xué)設(shè)計(jì)后，用非常幽默的方式向?qū)W生傳授，從課堂效果來看，“學(xué)生很愿意聽”。

新東方教育集團(tuán)董事長俞敏洪認(rèn)為，未來10年內(nèi)，教師七成教學(xué)內(nèi)容一定會被機(jī)器取代。不過，缺少人類老師的教學(xué)必然不完整，因?yàn)檎n堂教學(xué)不光是把知識點(diǎn)告訴學(xué)生，更需要對學(xué)生開展知識融合、創(chuàng)造性思維、批判性思維等能力訓(xùn)練。對于這些思維方式的訓(xùn)練教學(xué)，機(jī)器人老師還無法勝任。“未來的課堂將是機(jī)器人智能教學(xué)、老師情感和創(chuàng)新能力的發(fā)揮及學(xué)生學(xué)習(xí)的三者結(jié)合。”

除了民辦教育在積極引入機(jī)器人老師，我國的“福州造”教育機(jī)器人已在部分城市的學(xué)校開始“內(nèi)測”，今后有望向全國中小學(xué)推廣。這款教育機(jī)器人除了幫助老師朗誦課文、批改作業(yè)、課間巡視之外，還能通過功能強(qiáng)大的傳感器靈敏地感知學(xué)生的生理反應(yīng)，扮演“測謊高手”角色。一旦和“學(xué)生機(jī)”綁定，可更清楚地了解學(xué)生對各個知識點(diǎn)的掌握情況。

對于機(jī)器人老師，國外早有應(yīng)用。2009年，日本東京理科大學(xué)小林宏教授就按照一位女大學(xué)生的模樣塑造出機(jī)器人“薩亞”老師。“薩亞”皮膚白皙、面龐清秀，皮膚后藏有18臺微型電機(jī)，可以使面部呈現(xiàn)出6種表情。她會講大約300個短語，700個單詞，可以對一些詞語和問題做出回應(yīng)，還可以學(xué)會講各種語言。“薩亞”給一班10歲左右的五年級學(xué)生講課，受到新奇興奮的孩子們的極大歡迎。

教育是塑造靈魂的特殊職業(yè)，教師是人類靈魂的工程師，面對的都是活生生的具有不同個性情感的學(xué)生，在價值觀塑造和創(chuàng)新思維啟發(fā)方面，“機(jī)器人老師”有著明顯的局限性。盡管機(jī)器人老師不知疲倦，知識淵博，能平等地對待學(xué)生，加上它的特殊身份能激發(fā)學(xué)生的學(xué)習(xí)興趣和動力，然而機(jī)器人永遠(yuǎn)無法完全替代“真正的人類教師”。

當(dāng)老師們從繁重的重復(fù)性工作中解放出來，實(shí)際上可以將更多的時間和精力花在富有創(chuàng)造性的工作上。比如培養(yǎng)學(xué)生的素質(zhì)和情商，激發(fā)學(xué)生對學(xué)習(xí)的熱情，鼓勵學(xué)生獨(dú)立思考，形成自己的價值觀和思想體系，成為有美好人格和創(chuàng)新能力的個體。

實(shí)際上，老師充當(dāng)?shù)氖且粋€引導(dǎo)者、啟發(fā)者的角色，老師做的應(yīng)該是“準(zhǔn)備環(huán)境-引導(dǎo)孩子-觀察-改進(jìn)環(huán)境-再引導(dǎo)-退出-再觀察”。極少干預(yù)和不斷引導(dǎo)，讓孩子能最大限度地?fù)碛歇?dú)立性、專注度和創(chuàng)造力。

機(jī)器人進(jìn)課堂是大勢所趨。不久的將來，人類老師將負(fù)責(zé)進(jìn)行情感、心理、人品、人格上的健康教育和品德教育，以及各類知識的融會貫通、學(xué)習(xí)方法的引導(dǎo)、創(chuàng)新能力的培養(yǎng)。而知識教育這部分，將會以“機(jī)器換人”的形式讓渡給人工智能。這將對老師提出更高的要求，因?yàn)槌R教育外的這些教學(xué)內(nèi)容，需要由真正有能力的老師來傳授。“老師要避免被機(jī)器取代，就要先避免自己成為機(jī)器。”

可見，教師需要快速適應(yīng)現(xiàn)代化教學(xué)需要，熟練使用各類領(lǐng)先科技產(chǎn)品，提升綜合素質(zhì)，這將決定教師本人的去與留，更是教育希望與未來的關(guān)鍵所在。

個性化教育

因材施教在我國已有2000多年歷史，但在我國應(yīng)試教育大環(huán)境下，根據(jù)學(xué)生不同的認(rèn)知水平、學(xué)習(xí)能力以及自身素質(zhì)來制定個性化學(xué)習(xí)方案，真是說易行難。當(dāng)傳統(tǒng)思想與尖端科技相結(jié)合，因材施教的可行性有了大幅提高。人工智能介入后，個性化教育有兩條實(shí)現(xiàn)途徑。

一是構(gòu)建知識圖譜。構(gòu)建和優(yōu)化內(nèi)容模型，建立知識圖譜，讓學(xué)生可以更容易地、更準(zhǔn)確地發(fā)現(xiàn)適合自己的內(nèi)容。國外這方面的典型應(yīng)用是分級閱讀平臺，推薦給學(xué)生適宜的閱讀材料，并將閱讀與教學(xué)聯(lián)系在一起，文后帶有小測驗(yàn)，并生成相關(guān)閱讀數(shù)據(jù)報告，老師得以隨時掌握學(xué)生閱讀情況。

Newsela將新聞與英語學(xué)習(xí)融為一體。通過科學(xué)算法衡量讀者英語水平，抓取來自《彭博社》《華盛頓郵報》等主流媒體的內(nèi)容，由專人改寫成不同難度系數(shù)的版本。LightSail也是相同應(yīng)用，不過它的閱讀材料是出版書籍，它收集了適合K12學(xué)生閱讀的來自400多個出版商的8萬多本圖書。

2015年底Newsela用戶量超過400萬，LightSail和紐約市教育局、芝加哥公立學(xué)校、丹佛公立學(xué)校等機(jī)構(gòu)達(dá)成了合作，而目前我國沒有如此規(guī)模、與官方達(dá)成合作的個性化閱讀學(xué)習(xí)平臺。

二是自適應(yīng)學(xué)習(xí)。人工智能可以從大量的學(xué)生中收集數(shù)據(jù)，預(yù)測學(xué)生未來表現(xiàn)，智能化推薦最適合學(xué)生的內(nèi)容，最終高效、顯著地提升學(xué)習(xí)效果。當(dāng)一個學(xué)生閱讀材料并回答題時，系統(tǒng)會根據(jù)學(xué)生對知識的掌握情況給出相關(guān)資料。系統(tǒng)知道應(yīng)該考學(xué)生什么問題，什么樣的方式學(xué)生更容易接受。系統(tǒng)還會在盡可能長的時間內(nèi)保留學(xué)生信息，以便未來能給學(xué)生帶來更多的幫助。

在美國喬治計(jì)算機(jī)學(xué)院，有一門課叫“人工智能概論”。這門課是艾薩克?格爾教授創(chuàng)建的。他有一個教學(xué)助理叫吉爾。這個課程的特點(diǎn)是以問答方式授課，學(xué)生提問，老師和助教回答。第一年就有大約1000多名學(xué)生參與，提出了超過1萬個問題，其中40%的問題是由助教吉爾回答的。讓學(xué)生驚奇的是，吉爾竟然是一個機(jī)器人，而且教了他們整整一個學(xué)期。格爾教授采用IBM沃森界面，創(chuàng)建了這個AI驅(qū)動的BOT交互系統(tǒng)，也開發(fā)了整個課程的內(nèi)容和形式。