智能科学技术导论
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇智能科学技术导论范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
智能科学技术导论范文第1篇
（大连东软信息学院电子工程系，辽宁大连116023）
摘要：智能科学与技术概论课程是智能科学与技术专业重要的必修基础课，对整个专业课程体系有概括性的引导作用，对学生深入学习后续课程有很大帮助。文章从智能科学与技术概论课程的教学实际出发，提出该课程的整体课程规划，并根据学生的学习情况验证其适用性。
关键词 ：智能科学；专业基础必修课；课程规划
基金项目：2012年辽宁省普通高等学校本科工程人才培养模式改革试点项目(G2201249)。
第一作者简介：林宝尉，男，讲师，研究方向为计算机视觉、模式识别，linbaowei@neusoft．edu．cn。
0 引言
智能科学与技术概论课程是智能科学与技术专业的必修基础课。学生通过学习基础课，能够了解整个专业的知识构成、体系结构以及发展方向，便于将来学习必修专业课，包括模式识别、人工智能、智能机器人等课程。在这个过程中，如何让学生顺利地过渡到更高层次的专业课学习中，如何提高其学习兴趣，如何帮助学生深入了解各门专业课之间的层次关系，都是该专业设置过程中需要考虑的问题。智能科学与技术概论的规划起到了承上启下的作用。虽然专业导引课也从全局对该专业的情况进行了介绍，但其内容以学生职业引导、兴趣培养为主，对专业课程的设置并无过多展开。因此，智能科学与技术概论课程的设置十分必要。
1 课程规划设置
1.1 能力指标
课程将学生的能力体系分为5个部分：技术知识与推理能力、开发式思维与创新、个人职业能力、态度与习惯、时间构思设计实现和社会贡献，与其对应的二级、三级及详细指标见表1。每个能力指标平均对应4个学时，共32个学时。
1.2 讲授方式
(1)精讲多练。通过讲解智能科学的相关内容并结合相关实验，让学生掌握智能科学的基础知识，提高其学习兴趣，为后续课程的学习打下良好基础。
(2)以项目为导向组织教学，通过案例教学，将构思、设计、实施和运行引入教学过程中。
(3)鼓励学生自主学习，加强基本职业能力的训练。教学过程中注意互动和引导，运用讲授教学、练习教学、实验教学、案例教学等多种教学方法完成教学任务。
(4)教学实施过程中，提供丰富的教学资源，如多媒体课件、案例、网络资源、优秀学生作品和外文技术资料等。
(5)对学生进行多方面考核与评价。结合课程实施过程，从知识掌握、能力水平、态度表现等方面，对学生进行全方位的考核。
1.3 讲授内容
该课程讲授内容分为3个单元，具体内容如下。
单元一：智能科学导论，主要涉及智能科学与技术的目标界定、学科分类、涉及范围、学科定位、人类认知以及学科简史等知识点。该单元将在2个学时中完成，并要求学生课外学习2个学时。
单元二：学科基础理论知识，主要涉及机器系统、视觉感知、高级语言编程等知识点。该单元主要介绍支撑学科的相关课程，并在实践课中使用高级语言编写简单系统。该单元共10个课时，其中包括4个实践课时。
单元三：专业课介绍，主要涉及数字图像处理介绍、模式识别介绍、计算机视觉介绍、智能机器人介绍等相关必修专业课的入门介绍，并在每次课程结束后配合实践编程、工具使用、机器人搭建等实践环节提高学生的学习兴趣，使其全面认识后续专业学习。该单元共20个学时，其中包括12个实践课时。
1.4 实验设置
实验课程共16个学时，包括4次实验，详细内容如下。
实验一：数字图像处理实验。使用课程中讲授的Matlab语言，实现数字图像的傅里叶变换、边缘检测功能。该实验共4个课时，配合单元一以及单元二的部分知识点，使学生基本掌握Matlab编程语言，并理解数字图像处理的基本知识。
实验二：模式识别机器学习实验。该实验利用高级程序语言，实现数据的SVM算法以及KMeans算法，让学生理解模式识别以及机器学习等知识。该实验共4个学时。
实验三：计算机视觉实验。使用图像拼接、3D场景重建等相关专业工具，实现二维图片的3D重现。该实验共4个学时。
实验四：机器人实验。学生在机器人实验室，实际动手组装博创模块化机器人，并编程实现机器人运动调试。该实验共4个学时，实验地点为模块化机器人实验室。
1.5 结课考试
在教学的各个环节，教师从出勤情况、日常表现、作业、实验、结课项目及结课报告的完成情况对学生进行全方位的考核，其中结课项目、调查报告及实验作业占最终成绩的90%。结课项目为小组项目，4个学生为一个小组完成系统的设计、编写、调试等步骤，并组织5名教师对每个小组进行答辩考核。
2 问题及改进
学校于2012年申请创办智能科学与技术专业。该专业培养学生掌握计算机基础、电子电路、控制方法、智能信息处理与识别等基本知识，使其具备信息处理、自动控制、人工智能系统开发等基本能力。智能科学与技术概论课程在大二下学期开设，共32学时，其中理论教学16学时，实践教学16学时。通过理论教学和实践教学，学生了解了智能科学的基础理论知识，掌握该专业核心专业课的关系，认识相关后续课程，并能够使用简单的算法和工具，为日后深入学习专业课打下良好基础。
2.1 教材选择
由于本专业办学时间较短，没有足够的针对智能科学与技术概论的教材可供选择。现阶段使用较多的教材为《智能科学与技术导论》以及《智能科学》。《智能科学与技术导论》是钟义信主编、北京邮电大学出版社出版的、适合智能专业大一新生使用的专业教材，对整个专业有详细的介绍，适合作为新生的专业导引课程，安排16个学时较为合适，并不适于我校智能科学与技术概论课程的要求。《智能科学》是史忠植主编、清华大学出版社出版的专业教材，该教材对整个智能专业的重要内容都有涉及，系统地介绍了智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、数理逻辑、社会思维学、系统理论、科学方法论和哲学等方面的研究成果，适合高年级学生使用，安排64个学时较为合适，也不适于我校情况。
鉴于上述原因，我们设计该课程时，前半部分理论知识介绍使用了《智能科学与技术导论》，后半部分专业课程介绍使用自制课件。经过2轮的教学实践以后，我们将根据教材使用情况编写自用的讲义教材。
2.2 内容设计
该课程内容会介绍智能专业的重要专业课，但要在32学时内完成所有专业课程的介绍，并保证该课程内容不与专业导引课以及智能信息处理导引课冲突，难度很大，因此选择最合适的讲授内容，对于该课程的授课效果非常重要。
在授课过程中我们发现，学生对简单的数字图像处理、计算机视觉的流行应用以及动手要求强的机器人课程兴趣较大，但对数学推导要求较高的模式识别、机器学习等课程接受程度较低。该课程的教学目的是让学生了解相关课程的意义、历史、发展等知识，所以，建议加大实验动手课程的课时比例，让学生多使用相关知识、算法和应用，尽量避开复杂的数学推导。
2.3 资源配置
学校的智能科学与技术专业创建于电子工程系，依托电子系的软硬件实验室，培养学生的软硬件知识储备，提高学生的实际动手能力。其中，软件算法将配合嵌入式设备进行硬件集成，并指导学生设计具有智能算法应用的硬件设备。教学过程中将使用校实验室中的模式识别嵌入式开发板、博创模块化机器人平台以及Turtlebot智能机器人平台。该课程在实际讲授时，理论课以及算法相关实验在大班进行，硬件实践课程在小班进行，能取得较好的授课效果。
3 实施效果
在该课程设计内容的指导下，智能科学与技术概论已经完成了2轮的课程教学，并在课程结束后组织学生填写调查问卷。题目分两类，第一类包括课程目标是否清晰、该课程能否提起学生对该专业课的学习兴趣、该课程的实验设计能否有效提高学生的动手能力，以及该课程的内容相关设计是否优秀。统计结果如图1所示。除极个别学生外，大多数学生都选择了符合以及完全符合，说明该课程设计可以满足教学要求。第二类问题总结学生在课程中获取的知识能力，包括编程调试、理论知识应用、信息获取、技术文档写作、自主学习、分析问题、解决问题等，为多选题。从图2可以看出，学生对各项能力的认可率均超过50%，其中信息获取、分析问题等能力的认可率接近80%，说明该课程设计基本满足教学目标。
4 结语
智能科学与技术概论对智能专业学生的深入学习起到了重要的引导作用。我们根据自身的实际情况出发，设计出适合该专业学生的课程设计安排。经过两轮的实施效果证明，该课程的设计方式比较适合学生。随着课程的持续，我们将不断解决存在的问题，并编写适合我校学生使用的教材。
参考文献：
[1]钟义信，智能科学技术导论[M]．北京：北京邮电大学出版社，2007.
[2] Edward FC，Johan M，Soren O．重新认识工程教育：国际CDIO培养模式与方法[M]．顾佩华，沈民奋，陆小华，译．北京：高等教育出版社，2009．
智能科学技术导论范文第2篇
关键词:智能科学与技术;人才培养;课程体系;“关节点”课程
自2004年教育部批准公布北京大学设立“智能科学与技术”本科专业以来,我国到目前为止已有近20所高校设立了该专业。随着社会对智能科学技术人才需求的急剧增长,将来会有越来越多的高校申办该专业。由于该专业在我国开办的时间不长,各高校在进行人才培养时,基本上都是依托现有专业办学,因此专业特色不够明显。然而,智能科学技术专业不是现有任何其他专业,因而探索一整套区别于其他专业的本专业课程体系具有特别重要的意义。
结合“智能科学与技术专业”的特点,谷学静、王志良等对本专业课程体系的建设提出了一些有意义的建设思路,如课程衔接、课程分级等[1]。李冠宇等从智能科学与技术的内涵出发,提出了本专业的6门主干课程[2]。本文主要结合重庆邮电大学的实际情况,从课程体系建设入手,就如何凸显专业特色、优化教学资源、提高人才培养质量等问题进行分析研究。
重庆邮电大学是一所以信息技术为特色的教学研究型大学。2008年,学校向教育部申办了“智能科学与技术”本科专业并获批准,2009年,我校招收了第一批学生,并明确了“应用型人才为主,兼顾研究型人才”的培养目标。其中,应用型人才的培养主要针对社会对智能软件与系统研发工程技术人才的需求,研究型人才则结合学校在智能信息处理方面的学科优势,在培养方案中设置了“智能软件与系统”和“智能信息处理”两个专业特色方向。
课程体系建设是专业建设的重要内容之一,也是决定人才培养成败的关键因素。在2009年全国智能科学技术教育研讨会上,我们结合重庆邮电大学的学科优势和人才优势,初步探讨了本专业的培养目标、课程体系、师资队伍建设和就业前景等问题,其中关于尽快形成本专业课程体系的想法得到了与会者的赞同[3]。近1年来,我们就如何在课程体系中体现专业特色,共享相关专业优质资源,培养学生综合素质等问题进行了进一步探讨。
通过讨论,我们将课程设置分为4个层次,即通识教育、专业教育、特色教育和提升教育。然后根据这4个层次将课程分类,并从每一个层次中筛选出对人才培养起关键作用的“关节点”课程,构建以“关节点”课程为支撑的“关节骨架”课程体系。下面将对这一课程体系的建设思路及具体内容进行介绍。
基金项目:重庆市高等教育教学改革研究重大项目(09-1-004)。
作者简介:胡军(1977-),男,讲师,在读博士,研究方向为粗糙集、粒计算与知识获取;王国胤(1970-),男,教授,博士,研究方向为智能信息处理、粒计算、知识技术、神经网络、数据挖掘等;夏英(1972-),女,副教授,在读博士,研究方向为数据库与数据挖掘、时空数据处理、普适GIS应用等;瞿中(1974-),男,副教授,博士,研究方向为计算机系统结构设计、计算机图形图像处理、工业计算机层析技术(ICT)、网络多媒体等;吴渝(1970-),女,教授,博士,研究方向为计算智能、网络智能、数据挖掘、多媒体技术等。
1课程体系的4个层次
根据智能科学与技术专业的内涵和社会对本专业人才知识结构的要求,我们将该专业的知识结构分为4个层次,并基于此构建了4个层次的课程体系,它们是公共基础课程、专业核心课程、专业方向课程和专业拓展课程,如图1所示。它们是一种递进关系,前期课程是后续课程的基础,后续课程是前期课程的延续和扩展。
图1课程体系的4个层次
其中,公共基础课程主要培养学生在英语、数学、计算机等方面的基本能力,属于通识教育;专业核心课程是本专业相关的基础课程,培养学生在本专业的基本能力,属于专业教育;专业方面课程是根据本专业的方向开设的课程,培养学生在特定方向上的能力,属于特色教育;专业拓展课程是在本专业和特定方向上开设的高级课程,培养学生的拓展能力,属于提升教育。根据这四个层次的课程体系要求,我们将“智能科学与技术”专业开设的所有课程分类如下:
1) 公共基础课程。
公共基础课程包括英语、数学、物理和计算机基础等课程,如大学英语、高等数学、线性代数、概率论与数理统计、大学物理、数字电路与逻辑设计、电子电工、大学计算机基础、C语言程序设计、信号与系统、数字信号处理等。
2) 专业核心课程。
专业核心课程包括离散数学、数据结构、数据库原理、软件工程、计算机网络、计算机图形学、数字图像处理、面向对象程序设计、算法分析与设计、微机原理与接口技术、智能科学技术导论、脑与认知科学、机器智能、智能机器人等。
3) 专业方向课程。
专业方向课程体现了学校的办学特色。在设置专业方向时,我们拟定“智能软件与系统”和“智能信息处理”两个特色方向。其中,智能软件与系统方向主要面向就业,培养学生本专业系统设计与开发能力;智能信息处理主要面向研究型人才的培养,注重学生在信息处理方面基本理论知识的学习,为以后深造打下坚实基础。在学习的过程中,学生根据自己的特长和喜好选择感兴趣的专业方向课程学习。根据专业特色方向的需要,智能软件与系统方向开设了多媒体技术、机器视觉、人机交互技术等课程,智能信息处理方向开设了数据挖掘、智能计算技术等课程。
4) 专业拓展课程。
为了更好地拓展学生的专业知识,提高学生的实践和动手能力,我校按照两个专业特色方向设置了专业拓展课程。其中,智能软件与系统方向开设有模式识别、虚拟现实、智能游戏与开发、Visual C++案例开发、嵌入式系统设计等课程,智能信息处理方向开设有专家系统、商务智能、生物信息处理、智能科学新技术等课程。
2课程体系的“关节骨架”
在人才培养过程中,我们发现并不是所有的课程都具有同等重要的地位。而且,随着专业的增加和学生人数的增加,师资、实验条件等教学资源显得日益紧张。因而,不加区分地将所有教学资源平均分配到每一门课程,不能实现教学资源效用的最大化,也无法体现办学特色。
我们寻找在课程体系中对学生素质和能力培养起到关键作用的课程,将其作为“关节点”课程,并基于“关节点”课程构建“关节骨架”课程体系[4]。在人才培养过程中,通过将优势教学资源向“关节点”课程倾斜,重点保证“关节骨架”课程体系中课程的教学质量,从而最终提高人才培养质量――这即是基于“关节点”课程的“关节骨架”课程体系建设思路。这一思路最先在计算机科学与技术专业中实施,并为将该专业建成为国家级特色专业建设点起了重要作用。
根据“关节骨架”课程的建设思路,并凸显“智能软件与系统”和“智能信息处理”这两个专业特色方向,我们综合考虑本专业的培养目标、社会需求和学科优势等,分别在公共基础、专业核心、专业方向和专业拓展4层次课程体系中逐层选取“关节点”课程,具体课程如表1所示。
表1 “关节骨架”课程体系
课程层次 关节骨架课程
公共基础课程 大学英语、高等数学、线性代数、C语言程序设计、大学物理、数字电路与逻辑设计
专业核心课程 数据结构、算法分析与设计、数据库原理、软件工程、计算机网络、脑与认知科学、机器智能
专业方向课程 多媒体技术、数据挖掘
专业拓展课程 智能游戏设计与开发、商务智能
在公共基础课程中,“关节点”课程的选择注重学生在英语、数学、计算机等方面的基础能力培养,为后续专业学习提供支撑。其中大学英语强化学生的英语听、说、读、写能力,高等数学和线性代数加强学生的数学能力,大学物理和数字电路与逻辑设计为学生的硬件设计打下基础,C语言程序设计培养学生程序设计方面的基本能力。
在专业核心课程中,我们选择了体现专业特色的脑与认知科学和机器智能,其中脑与认知科学主要让学生认识自然智能的表现形式和形成机制,机器智能让学生学习人工智能的基本理论和方法。同时还选择了强化程序设计和系统开发方面的相关课程,如数据结构、算法分析与设计等。
在专业方向课程中,我们则根据智能软件与系统和智能信息处理两个专业方向的特色,分别选择了多媒体技术和数据挖掘,其中多媒体技术针对智能软件与系统,特别是智能游戏软件的设计与开发,数据挖掘则是智能系统处理中的一个典型问题。
在专业拓展课程中,我们选择了智能游戏设计与开发和商务智能两个能分别体现两个专业特色方向应用的课程。
3课程体系的运行及保障体系
为保证“关节骨架”课程体系的实施,我们建立了相应的运行及保障体系。在课程的运行管理上,我们采取了课程群的管理模式,即根据内容将所有课程分成若干课程群。在现有课程群的设置中,与智能科学与技术专业相关的课程群有10个,如图2所示。其中,基础类课程群等8个课程群是与计算机科学与技术、网络工程、信息安全等其他相关专业共有的课程群,智能软件课程群和智能信息处理课程群是本专业独有的2个课程群,它们分别是本专业两个专业特色方向课程的教学与建设课程群。
图2课程群的设置
在课程群管理上,我们发挥团队优势,为每个课程群配置负责人,为每门课程配置课程负责人。课程群负责人负责整个课程群的运行管理,课程负责人则负责某门课程的教学管理。我们制定了课程群建设任务,例如各课程群负责的“关节点”课程以建成相应级别的精品课程为目标。为突出实践能力的培养,在课程内容的设置上,对于有实践性内容的“关节点”课程,我们要求必须设置综合实践环节,并鼓励教师采用课赛结合[5]、科教互动、校企共建等新的实践教学模式。
为了保障和激励教师做好相关课程群及课程建设工作,我们以立项建设方式予以保障和支持,同时将是否担任课程群负责人和课程负责人作为相关岗位聘任和考核的条件之一。同时,为了鼓励学生学好相关“关节点”课程,我们制定了相关激励措施,如为关节点课程提供更好的开放实验环境,加大“关节点”课程成绩在奖学金评分中的权值等。
4结语
本文对“智能科学与技术”专业的课程体系建设作了探讨,通过建立基于“关节点”课程的“关节骨架”课程体系,并建立相应的课程建设保障机制和激励机制,共享优质教学资源,保证专业人才的培养质量。由于社会对本专业人才的需求具有多样性,各高校办学层次和人才培养定位也不同,各高校课程体系的建设不可能、也没有必要完全一样。但作为一种课程体系的建设思路,我校的“关节骨架”课程体系对其他同类院校具有借鉴意义。
参考文献:
[1] 谷学静,王志良,黄晓红.“智能科学与技术”专业课程体系建设的思路[J]. 计算机教育,2009(11):108-111.
[2] 李冠宇,黄映辉. 智能科学与技术的知识体系:语义分析的结论[J]. 计算机教育,2009(11):61-67.
[3] 胡军,李伟生,王国胤,等. 重庆邮电大学“智能科学与技术”专业建设中的若干问题探讨[J].计算机教育,2009(11):57-60.
[4] 王国胤. 与通信结合的计算机特色专业建设的探索与实践[R]. 香港:第十二届全国高校计算机系主任论坛,2009.
[5] 胡军,夏英,王国胤.“赛课结合”在数据库原理实践教学中的探索[J]. 实验室研究与探索,2007(12):267-269.
Research on Skeleton Curriculum in Intelligence Science and Technology Specialty
HU Jun, WANG Guo-yin, XIA Ying, QU Zhong, WU Yu
(Department of Computer Science and Technology, Chongqing University of Posts & Telecommunications, Chongqing 400065, China)
智能科学技术导论范文第3篇
关键词：智能机器人；实验教学；仿真实验
智能科学技术的学科内容可以划分为智能科学、智能技术、智能工程3个层次[1]。智能机器人是贯穿这3个层次的一种典型智能系统，是智能科学与技术专业学习与设计的重要对象。我校智能科学与技术专业将智能机器人设为重要的专业课之一，融合了该专业教学过程中的多门专业基础课的知识。对该课程知识的理解与掌握必须实验教学的支撑，这是由于机器人本身是一种复杂的机电系统，而“智能”则是通过运行于嵌入式控制器或嵌入式处理器上的软件来实现的，只有在实践中才能真正掌握智能机器人的基本原理、信息处理以及控制与决策方法。本文将从开展机器人仿真实验的角度，探索开展智能机器人课程实验教学的新思路与新方法。
1智能机器人课程简介
在我校智能科学与技术专业的本科教学培养方案中，智能机器人是该专业高年级学生的一门重要专业课程，设置在第七学期。
智能机器人主要是指以生产、生活中的实际机械设备为载体，以计算机和嵌入式处理器/控制器为信息处理单元，能够体现一定自主性和智能特征的机器人系统。智能机器人涉及到刚体动力学、反馈控制、传感器与信号处理、执行器与电力电子、计算机接口技术以及智能信息处理和智能控制等多领域知识，是多学科的综合。机器人的种类众多，包括机械臂、移动机器人、类人机器人等不同形态的机器人。由于课程学时有限，面面俱到是不现实的，因此我专业的智能机器人课程以移动机器人作为重点讲授的对象。
课程以Siegwart和Nourbakhsh所著的《Introduction to Autonomous Mobile Robots》一书的中文版[2]为教材，以蔡自兴教授的《机器人学基础》[3]为主要参考书，讲授内容以自主移动机器人控制系统为框架，包括刚体运动学、传感器与测量、地图与定位、执行器与运动控制、路径规划与导航。其中，刚体运动学部分主要使学生掌握轮式机器人的具有非完整约束的运动学模型；传感器与测量、执行器与运动控制部分分别使学生了解移动机器人的各种传感器(里程计、超声波传感器、激光测距仪和视觉传感器)的测量原理和直流电机的PWM闭环调速机制；而地图与定位部分主要使学生掌握传感器融合的基本原理以及如何解决位姿估计问题；路径规划与导航部分主要使学生掌握局部路径规划(例如，人工势能场方法)以及全局路径规划(包括轨迹生成与跟踪控制)两种不同的导航方式。
课程的最终目的是让学生理解移动机器人的智能是如何体现的，并且让学生掌握移动机器人的系统集成技术，使其具备设计定位与导航算法并编程实现的能力。
2仿真实验教学的必要性
由于智能机器人作为一种复杂的机电系统，集成了测量、控制、计算和通信等技术，因而智能机器人课程具有多学科交叉的特征，这对学生的综合能力提出挑战，为学生真正理解智能机器人的工作原理带来困难。学生必须通过实验，亲自动手组建移动机器人并为其编程，才能将课堂教学传授的理论知识融会贯通，并做出一定程度上的创新性工作。即创新教育必须建立在动手实践的基础上。
工欲善其事，必先利其器。仿真实验教学在智能机器人课程实验教学中是关键的一环。虽然无法替代在真实机器人上的实验，但却是必要的。这是因为：智能机器人控制系统的复杂性，决定了直接在真实机器人上设计、实现一个可靠的控制系统软件不是简单易行的工作，而仿真实验能够为学生学习机器人的控制算法设计节省时间。
运行一次实验所需成本较高，而且要担负硬件随时可能损坏的风险。仿真实验能够减小设计算法初期的软件不成熟所带来的硬件损坏的几率。
移动机器人具有活动空间大的特点，改变实验场地较困难，而这在实际操作中是比较困难而且耗费精力的事情。通过仿真实验能够灵活改变智能机器人的工作空间。
总之，教师可通过仿真实验教学，形象地向学生展示移动机器人的运动机制、测量与控制原理；学生可通过仿真实验教学，加深对理论知识的理解。
3智能机器人仿真实验的工具选择
好的仿真工具不仅能够降低实验成本，而且能大大提高实验效率，灵活的配置能够自定义不同的移动机器人和工作场景，既能够使学生熟悉多种不同的移动机器人的运动学，又能够将学生的精力主要集中在控制策略的学习和算法实现上。这对于本科阶段初次接触机器人的学生而言，更利于其快速掌握智能机器人的相关知识。
目前，存在多种移动机器人仿真工具，常用的例如：Webots[4]、Microsoft Robotics Studio[5]和Player/ Stage/Gazebo(P/S/G)[6]。前两者主要运行在Windows这一商业化的操作系统中，而P/S/G运行于开源的Linux操作系统上。在高校中，仿真实验教学所用的移动机器人仿真工具应具有源码开放、灵活易用的特征，因此选择Player/Stage/Gazebo软件。
Player/Stage/Gazebo软件由美国南加州理工大学交互实验室发起，后作为开源项目转至Sourceforge上。其中，Stage是一个2D的多机器人仿真器，提供了超声、激光等多种传感器模型；Gazebo是一个3D的多机器人仿真器，能够仿真大量机器人、传感器和物体；Player是机器人设备接口，是连接控制器与被控设备(传感器、执行器)的通信中间件。用户编写的控制程序可在本地或异地通过Player获得传感器数据以及发送驱动机器人运动的控制量。Player既能够与仿真机器人连接，也能够与真实机器人连接，具有极大的灵活性。
该软件不仅在国外很多高校的机器人课程中作为教学用的仿真工具，也是国际上移动机器人研究领域中使用非常广泛的工具之一。选用该工具，除了可方便学生在个人电脑上完成实验，更使学生在本科学习阶段或以后从事移动机器人研究工作时与国际接轨。
4开展智能机器人仿真实验教学的方式与内容
4.1仿真实验教学的方式
1) 课堂演示提高学生兴趣。
智能机器人所涉及的运动学、滤波与控制方法较为抽象，对于工科院校的学生而言略有难度。如果只是机械的推导公式，很容易打击学生的自信心。在课堂上，通过仿真实验的演示，现场向学生展示如何将理论化的公式转化为程序代码的形式，进而控制模拟机器人的运动，完成设定的任务。让单调的数学语言形象化，从而让学生体会到理论的真实含义，提高学习兴趣。
2) 仿真实验即为作业。
智能机器人课程被定位是一门实用性工程技术类课程，每一项关键知识点都要通过以课后作业的方式让学生练习。我们突破传统的计算题式作业的方式，通过安排课后仿真实验作业，让学生亲自动手在个人电脑上完成移动机器人的组建、定位与导航算法的设计与编程。留给学生更大的自由度去完成一个类似于项目的作业，从而激发学生的主观能动性。
3) 以学生竞赛的方式开展实践课。
在课堂教学结束后，开展综合性的实践课，借助仿真工具，设定一个有规则、有目标的机器人竞赛场景。由学生组成团队，全面利用已学过的机器人组成原理、测量与控制算法，设计移动机器人的控制系统，分组竞赛。以竞赛的机制，鼓励学生提出创新的想法和思路，并锻炼其将新想法与新思路付诸实践的能力，从而提高学生分析问题与解决问题的综合素质。
4.2仿真实验教学的内容设计
Player/Stage/Gazebo仿真软件具有很高的灵活性。在机器人仿真器中不仅能够仿真各种形态的机器人，而且能够自由建立机器人的工作环境(二维的或三维的)，也能够仿真各种传感器，例如在Stage中能够仿真超声波传感器与激光测距仪，在Gazebo中能够仿真视觉传感器。学生借助player中的接口函数，在Linux系统中使用C/C++语言编程，便能够定制自己的移动机器人控制系统，学习、验证各种智能方法。目前，智能机器人课程的仿真实验主要包括Player/ Stage/Gazebo的安装与使用方法、移动机器人的虚拟构建及工作空间设计、智能机器人控制系统基本结构的学习、基于里程计的移动机器人定位、基于超声波传感器的环境测量、VFH导航方法设计、基于人工势能场的导航方法设计、智能车的走迷宫竞赛(开放式的竞赛题目)。
5结语
智能机器人课程是一门理论与实践并重的课程，涉及到多个学科知识的交叉。仿真实验教学是真实机器人实验的有益补充，特别适合于本科生在初学机器人基本理论时进行原理性的控制系统设计与算法验证。它通过多种形式的仿真实验教学，启迪学生思想，激发主动的创新性思维，培养学生具有独立思考、乐于创新的真素质。智能机器人课程仿真实验教学的探索，丰富了这一课程的教学手段。在未来，通过对仿真工具的改造，可实现仿真实验与真实物理实验的无缝对接。
参考文献：
[1] 卢桂章. 无处不在的智能技术[J]. 计算机教育,2009(11):68-72.
[2] R. Siegwart,I. R. Nourbakhsh. 自主移动机器人导论[M]. 李人厚,译. 西安:西安交通大学出版社,2006.
[3] 蔡自兴. 机器人学基础[M]. 北京:机械工业出版社,2009.
[4] Webots[EB/OL]. [2011-07-01]. /products/webots.
[5] Microsoft Robotics Studio SDK[EB/OL]. [2011-07-01]. /robotics.
[6] Brian Gerkey,Richard T.Vaughan,Andrew Howard. The Player/Stage Project: Tools for Multi-Robot and Distributed Sensor Systems[C]//Proceedings of the 11th International Conference on Advanced Robotics,2003:317-323.
Simulated-experimental Teaching in Intelligent Robots
XING Guansheng, GAO Zhi, CHEN Haiyong, LIU Zuojun, ZHANG Lei
(School of Control Science and Engineering, Hebei University of Technology, Tianjin 300130, China)
智能科学技术导论范文第4篇
【关键词】法理学/法律推理/人工智能
【正文】
一、人工智能法律系统的历史
计算机先驱思想家莱布尼兹曾这样不无浪漫地谈到推理与计算的关系：“我们要造成这样一个结果，使所有推理的错误都只成为计算的错误，这样，当争论发生的时候，两个哲学家同两个计算家一样，用不着辩论，只要把笔拿在手里，并且在算盘面前坐下，两个人面对面地说：让我们来计算一下吧！”（注：转引自肖尔兹著：《简明逻辑史》，张家龙译，商务印书馆1977年版，第54页。）
如果连抽象的哲学推理都能转变为计算问题来解决，法律推理的定量化也许还要相对简单一些。尽管理论上的可能性与技术可行性之间依然存在着巨大的鸿沟，但是，人工智能技术的发展速度确实令人惊叹。从诞生至今的短短45年内，人工智能从一般问题的研究向特殊领域不断深入。1956年纽厄尔和西蒙教授的“逻辑理论家”程序，证明了罗素《数学原理》第二章52个定理中的38个定理。塞缪尔的课题组利用对策论和启发式探索技术开发的具有自学习能力的跳棋程序，在1959年击败了其设计者，1962年击败了州跳棋冠军，1997年超级计算机“深蓝”使世界头号国际象棋大师卡斯帕罗夫俯首称臣。
20世纪60年代，人工智能研究的主要课题是博弈、难题求解和智能机器人；70年代开始研究自然语言理解和专家系统。1971年费根鲍姆教授等人研制出“化学家系统”之后，“计算机数学家”、“计算机医生”等系统相继诞生。在其他领域专家系统研究取得突出成就的鼓舞下，一些律师提出了研制“法律诊断”系统和律师系统的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）
1970年Buchanan&Headrick发表了《关于人工智能和法律推理若干问题的考察》，一文，拉开了对法律推理进行人工智能研究的序幕。文章认为，理解、模拟法律论证或法律推理，需要在许多知识领域进行艰难的研究。首先要了解如何描述案件、规则和论证等几种知识类型，即如何描述法律知识，其中处理开放结构的法律概念是主要难题。其次，要了解如何运用各种知识进行推理，包括分别运用规则、判例和假设的推理，以及混合运用规则和判例的推理。再次，要了解审判实践中法律推理运用的实际过程，如审判程序的运行，规则的适用，事实的辩论等等。最后，如何将它们最终运用于编制能执行法律推理和辩论任务的计算机程序，区别和分析不同的案件，预测并规避对手的辩护策略，建立巧妙的假设等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在这一时期主要沿着两条途径前进：一是基于规则模拟归纳推理，70年代初由WalterG.Popp和BernhardSchlink开发了JUDITH律师推理系统。二是模拟法律分析，寻求在模型与以前贮存的基础数据之间建立实际联系，并仅依这种关联的相似性而得出结论。JeffreyMeld-man1977年开发了计算机辅助法律分析系统，它以律师推理为模拟对象，试图识别与案件事实模型相似的其他案件。考虑到律师分析案件既用归纳推理又用演绎推理，程序对两者都给予了必要的关注，并且包括了各种水平的分析推理方法。
专家系统在法律中的第一次实际应用，是D.沃特曼和M.皮特森1981年开发的法律判决辅助系统(LDS)。研究者探索将其当作法律适用的实践工具，对美国民法制度的某个方面进行检测，运用严格责任、相对疏忽和损害赔偿等模型，计算出责任案件的赔偿价值，并论证了如何模拟法律专家意见的方法论问题。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）
我国法律专家系统的研制于20世纪80年代中期起步。（注：钱学森教授：《论法治系统工程的任务与方法》（《科技管理研究》1981年第4期）、《社会主义和法治学与现代科学技术》（《法制建设》1984年第3期）、《现代科学技术与法和法制建设》（《政法论坛》）1985年第3期）等文章，为我国法律专家系统的研发起了思想解放和理论奠基作用。）1986年由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》被确定为国家社科“七五”研究课题，它在建立盗窃罪量刑数学模型方面取得了成果。在法律数据库开发方面，1993年中山大学学生胡钊、周宗毅、汪宏杰等人合作研制了《LOA律师办公自动化系统》。（注：杨建广、骆梅芬编著：《法治系统工程》，中山大学出版社1996年版，第344-349页。）1993年武汉大学法学院赵廷光教授主持开发了《实用刑法专家系统》。（注：赵廷光等著：《实用刑法专家系统用户手册》，北京新概念软件研究所1993年版。）它由咨询检索系统、辅助定性系统和辅助量刑系统组成，具有检索刑法知识和对刑事个案进行推理判断的功能。
专家系统与以往的“通用难题求解”相比具有以下特点：(1)它要解决复杂的实际问题，而不是规则简单的游戏或数学定理证明问题；(2)它面向更加专门的应用领域，而不是单纯的原理性探索；(3)它主要根据具体的问题域，选择合理的方法来表达和运用特殊的知识，而不强调与问题的特殊性无关的普适性推理和搜索策略。
法律专家系统在法规和判例的辅助检索方面确实发挥了重要作用，解放了律师一部分脑力劳动。但绝大多数专家系统目前只能做法律数据的检索工作，缺乏应有的推理功能。20世纪90年代以后，人工智能法律系统进入了以知识工程为主要技术手段的开发时期。知识工程是指以知识为处理对象，以能在计算机上表达和运用知识的技术为主要手段，研究知识型系统的设计、构造和维护的一门更加高级的人工智能技术。（注：《中国大百科全书·自动控制与系统工程》，中国大百科全书出版社1991年版，第579页。）知识工程概念的提出，改变了以往人们认为几个推理定律再加上强大的计算机就会产生专家功能的信念。以知识工程为技术手段的法律系统研制，如果能在法律知识的获得、表达和应用等方面获得突破，将会使人工智能法律系统的研制产生一个质的飞跃。
人工智能法律系统的发展源于两种动力。其一是法律实践自身的要求。随着社会生活和法律关系的复杂化，法律实践需要新的思维工具，否则，法律家（律师、检察官和法官）将无法承受法律文献日积月累和法律案件不断增多的重负。其二是人工智能发展的需要。人工智能以模拟人的全部思维活动为目标，但又必须以具体思维活动一城一池的攻克为过程。它需要通过对不同思维领域的征服，来证明知识的每个领域都可以精确描述并制造出类似人类智能的机器。此外，人工智能选择法律领域寻求突破，还有下述原因：(1)尽管法律推理十分复杂，但它有相对稳定的对象（案件）、相对明确的前提（法律规则、法律事实）及严格的程序规则，且须得出确定的判决结论。这为人工智能模拟提供了极为有利的条件。(2)法律推理特别是抗辩制审判中的司法推理，以明确的规则、理性的标准、充分的辩论，为观察思维活动的轨迹提供了可以记录和回放的样本。(3)法律知识长期的积累、完备的档案，为模拟法律知识的获得、表达和应用提供了丰富、准确的资料。(4)法律活动所特有的自我意识、自我批评精神，对法律程序和假设进行检验的传统，为模拟法律推理提供了良好的反思条件。
二、人工智能法律系统的价值
人工智能法律系统的研制对法学理论和法律实践的价值和意义，可以概括为以下几点：
一是方法论启示。P.Wahlgren说：“人工智能方法的研究可以支持和深化在创造性方法上的法理学反思。这个信仰反映了法理学可以被视为旨在于开发法律分析和法律推理之方法的活动。从法理学的观点看，这种研究的最终目标是揭示方法论的潜在作用，从而有助于开展从法理学观点所提出的解决方法的讨论，而不仅仅是探讨与计算机科学和人工智能有关的非常细致的技术方面。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模拟法律推理的过程中，法学家通过与工人智能专家的密切合作，可以从其对法律推理的独特理解中获得有关方法论方面的启示。例如，由于很少有两个案件完全相似，在判例法实践中，总有某些不相似的方面需要法律家运用假设来分析已有判例与现实案件的相关性程度。但法学家们在假设的性质问题上常常莫衷一是。然而HYPO的设计者，在无真实判例或真实判例不能充分解释现实案件的情况下，以假设的反例来反驳对方的观点，用补充、删减和改变事实的机械论方法来生成假设。这种用人工智能方法来处理假设的办法，就使复杂问题变得十分简单：假设实际上是一个新的论证产生于一个经过修正的老的论证的过程。总之，人工智能方法可以帮助法学家跳出法理学方法的思维定势，用其他学科的方法来重新审视法学问题，从而为法律问题的解决提供了新的途径。
二是提供了思想实验手段。西蒙认为，尽管我们还不知道思维在头脑中是怎样由生理作用完成的，“但我们知道这些处理在数字电子计算机中是由电子作用完成的。给计算机编程序使之思维，已经证明有可能为思维提供机械论解释”。（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）童天湘先生认为：“通过编制有关思维活动的程序，就会加深对思维活动具体细节的了解，并将这种程序送进计算机运行，检验其正确性。这是一种思想实验，有助于我们研究人脑思维的机理。”（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）人工智能法律系统研究的直接目标是使计算机能够获取、表达和应用法律知识，软件工程师为模拟法律推理而编制程序，必须先对人的推理过程作出基于人工智能理论和方法的独特解释。人工智能以功能模拟开路，在未搞清法律家的推理结构之前，首先从功能上对法律证成、法律检索、法律解释、法律适用等法律推理的要素和活动进行数理分析，将法理学、诉讼法学关于法律推理的研究成果模型化，以实现法律推理知识的机器表达或再现，从而为认识法律推理的过程和规律提供了一种实验手段。法学家则可以将人工智能法律系统的推理过程、方法和结论与人类法律推理活动相对照，为法律推理的法理学研究所借鉴。因此，用人工智能方法模拟法律推理，深化了人们对法律推理性质、要素和过程的认识，使法学家得以借助人工智能科学的敏锐透镜去考察法律推理的微观机制。正是在这个意义上，BryanNiblett教授说：“一个成功的专家系统很可能比其他的途径对法理学作出更多的（理论）贡献。”（注：BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）
三是辅助司法审判。按照格雷的观点，法律专家系统首先在英美判例法国家出现的直接原因在于，浩如烟海的判例案卷如果没有计算机编纂、分类、查询，这种法律制度简直就无法运转了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其实不仅是判例法，制定法制度下的律师和法官往往也要为检索有关的法律、法规和司法解释耗费大量的精力和时间，而且由于人脑的知识和记忆能力有限，还存在着检索不全面、记忆不准确的问题。人工智能法律系统强大的记忆和检索功能，可以弥补人类智能的某些局限性，帮助律师和法官从事相对简单的法律检索工作，从而极大地解放律师和法官的脑力劳动，使其能够集中精力从事更加复杂的法律推理活动。
四是促进司法公正。司法推理虽有统一的法律标准，但法官是具有主观能动性的差异个体，所以在执行统一标准时会产生一些差异的结果。司法解释所具有的建构性、辩证性和创造性的特点，进一步加剧了这种差异。如果换了钢铁之躯的机器，这种由主观原因所造成的差异性就有可能加以避免。这当然不是说让计算机完全取代法官，而是说，由于人工智能法律系统为司法审判提供了相对统一的推理标准和评价标准，从而可以辅助法官取得具有一贯性的判决。无论如何，我们必须承认，钢铁之躯的机器没有物质欲望和感情生活，可以比人更少地受到外界因素的干扰。正像计算机录取增强了高考招生的公正性、电子监视器提高了纠正行车违章的公正性一样，智能法律系统在庭审中的运用有可能减少某些现象。
五是辅助法律教育和培训。人工智能法律系统凝聚了法律家的专门知识和法官群体的审判经验，如果通过软件系统或计算机网络实现专家经验和知识的共享，便可在法律教育和培训中发挥多方面的作用。例如，(1)在法学院教学中发挥模拟法庭的作用，可以帮助法律专业学生巩固自己所学知识，并将法律知识应用于模拟的审判实践，从而较快地提高解决法律实践问题的能力。(2)帮助新律师和新法官全面掌握法律知识，迅速获得判案经验，在审判过程的跟踪检测和判决结论的动态校正中增长知识和才干，较快地接近或达到专家水平。(3)可使不同地区、不同层次的律师和法官及时获得有关法律问题的咨询建议，弥补因知识结构差异和判案经验多寡而可能出现的失误。(4)可以为大众提供及时的法律咨询，提高广大人民群众的法律素质，增强法律意识。
六是辅助立法活动。人工智能法律系统不仅对辅助司法审判有重要的意义，而且对完善立法也具有实用价值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，伦敦大学Imperial学院的逻辑程序组将1981年英国国籍法的内容形式化，帮助立法者发现了该法在预见性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法辅助系统如能应用于法律起草和法律草案的审议过程，有可能事先发现一些立法漏洞，避免一个法律内部各种规则之间以及新法律与现有法律制度之间的相互冲突。
三、法理学在人工智能法律系统研究中的作用
1.人工智能法律系统的法理学思想来源
关于人工智能法律系统之法理学思想来源的追踪，不是对法理学与人工智能的联系作面面俱到的考察，而旨在揭示法理学对人工智能法律系统的发展所产生的一些直接影响。
第一，法律形式主义为人工智能法律系统的产生奠定了理论基础。18-19世纪的法律形式主义强调法律推理的形式方面，认为将法律化成简单的几何公式是完全可能的。这种以J·奥斯汀为代表的英国分析法学的传统，主张“法律推理应该依据客观事实、明确的规则以及逻辑去解决一切为法律所要求的具体行为。假如法律能如此运作，那么无论谁作裁决，法律推理都会导向同样的裁决。”（注：（美）史蒂文·J·伯顿著：《法律和法律推理导论》，张志铭、解兴权译，中国政法大学出版社1998年9月版，第3页。）换言之，机器只要遵守法律推理的逻辑，也可以得出和法官一样的判决结果。在分析法学家看来，“所谓‘法治’就是要求结论必须是大前提与小前提逻辑必然结果。”（注：朱景文主编：《对西方法律传统的挑战》，中国检察出版社1996年2月版，第292页。）如果法官违反三段论推理的逻辑，就会破坏法治。这种机械论的法律推理观，反映了分析法学要求法官不以个人价值观干扰法律推理活动的主张。但是，它同时具有忽视法官主观能动性和法律推理灵活性的僵化的缺陷。所以，自由法学家比埃利希将法律形式主义的逻辑推理说称为“自动售货机”理论。然而，从人工智能就是为思维提供机械论解释的意义上说，法律形式主义对法律推理所作的机械论解释，恰恰为人工智能法律系统的开发提供了可能的前提。从人工智能法律系统研制的实际过程来看，在其起步阶段，人工智能专家正是根据法律形式主义所提供的理论前提，首先选择三段论演绎推理进行模拟，由WalterG.Popp和BernhardSchlink在20世纪70年代初开发了JUDITH律师推理系统。在这个系统中，作为推理大小前提的法律和事实之间的逻辑关系，被计算机以“如果A和B，那么C”的方式加以描述，使机器法律推理第一次从理论变为现实。
第二，法律现实主义推动智能模拟深入到主体的思维结构领域。法律形式主义忽视了推理主体的社会性。法官是生活在现实社会中的人，其所从事的法律活动不可能不受到其社会体验和思维结构的影响。法官在实际的审判实践中，并不是机械地遵循规则，特别是在遇到复杂案件时，往往需要作出某种价值选择。而一旦面对价值问题，法律形式主义的逻辑决定论便立刻陷入困境，显出其僵化性的致命弱点。法律现实主义对其僵化性进行了深刻的批判。霍姆斯法官明确提出“法律的生命并不在于逻辑而在于经验”（注：（美）博登海默著：《法理学——法哲学及其方法》，邓正来、姬敬武译，华夏出版社1987年12月版，第478页。）的格言。这里所谓逻辑，就是指法律形式主义的三段论演绎逻辑；所谓经验，则包括一定的道德和政治理论、公共政策及直觉知识，甚至法官的偏见。法律现实主义对法官主观能动性和法律推理灵活性的强调，促使人工智能研究从模拟法律推理的外在逻辑形式进一步转向探求法官的内在思维结构。人们开始考虑，如果思维结构对法官的推理活动具有定向作用，那么，人工智能法律系统若要达到法官水平，就应该通过建立思维结构模型来设计机器的运行结构。TAXMAN的设计就借鉴了这一思想，法律知识被计算机结构语言以语义网络的方式组成不同的规则系统，解释程序、协调程序、说明程序分别对网络结构中的输入和输出信息进行动态结构调整，从而适应了知识整合的需要。大规模知识系统的KBS(KnowledgeBasedSystem)开发也注意了思维结构的整合作用，许多具有内在联系的小规模KBS子系统，在分别模拟法律推理要素功能（证成、法律查询、法律解释、法律适用、法律评价、理由阐述）的基础上，又通过联想程序被有机联系起来，构成了具有法律推理整体功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）
第三，“开放结构”的法律概念打开了疑难案件法律推理模拟的思路。法律形式主义忽视了疑难案件的存在。疑难案件的特征表现为法律规则和案件之间不存在单一的逻辑对应关系。有时候从一个法律规则可以推出几种不同的结论，它们往往没有明显的对错之分；有时一个案件面对着几个相似的法律规则。在这些情况下，形式主义推理说都一筹莫展。但是，法律现实主义在批判法律形式主义时又走向另一个极端，它否认具有普遍性的一般法律规则的存在，试图用“行动中的法律”完全代替分析法学“本本中的法律”。这种矫枉过正的做法虽然是使法律推理摆脱机械论束缚所走出的必要一步，然而，法律如果真像现实主义法学所说的那样仅仅存在于具体判决之中，法律推理如果可以不遵循任何标准或因人而异，那么，受到挑战的就不仅是法律形式主义，而且还会殃及法治要求实现规则统治之根本原则，并动摇人工智能法律系统存在的基础。哈特在法律形式主义和法律现实主义的争论中采取了一种折中立场，他既承认逻辑的局限性又强调其重要性；既拒斥法官完全按自己的预感来随意判案的见解，又承认直觉的存在。这种折中立场在哈特“开放结构”的法律概念中得到了充分体现。法律概念既有“意义核心”又有“开放结构”，逻辑推理可以帮助法官发现问题的阳面，而根据社会政策、价值和后果对规则进行解释则有助于发现问题的阴面。开放结构的法律概念，使基于规则的法律推理模拟在受到概念封闭性的限制而对疑难案件无能为力时，找到了新的立足点。在此基础上，运用开放结构概念的疑难案件法律推理模型，通过逻辑程序工具和联想技术而建立起来。Gardner博士就疑难案件提出两种解决策略：一是将简易问题从疑难问题中筛选出来，运用基于规则的技术来解决；二是将疑难问题同“开放结构”的法律概念联系在一起，先用非范例知识如规则、控辩双方的陈述、常识来获得初步答案，再运用范例来澄清案件、检查答案的正确性。
第四，目的法学促进了价值推理的人工智能研究。目的法学是指一种所谓直接实现目的之“后法治”理想。美国法学家诺内特和塞尔兹尼克把法律分为三种类型。他们认为，以法治为标志的自治型法，过分强调手段或程序的正当性，有把手段当作目的的倾向。这说明法治社会并没有反映人类关于美好社会的最高理想，因为实质正义不是经过人们直接追求而实现的，而是通过追求形式正义而间接获得的。因此他们提出以回应型法取代自治型法的主张。在回应型法中，“目的为评判既定的做法设立了标准，从而也就开辟了变化的途径。同时，如果认真地对待目的，它们就能控制行政自由裁量权，从而减轻制度屈从的危险。反之，缺少目的既是僵硬的根源，又是机会主义的根源。”（注：（美）诺内特、塞尔兹尼克著：《转变中的法律与社会》，张志铭译，中国政法大学出版社1994年版，第60页。）美国批判法学家昂格尔对形式主义法律推理和目的型法律推理的特点进行了比较，他认为，前者要求使用内容明确、固定的规则，无视社会现实生活中不同价值观念的冲突，不能适应复杂情况和变化，追求形式正义；后者则要求放松对法律推理标准的严格限制，允许使用无固定内容的抽象标准，迫使人们在不同的价值观念之间做出选择，追求实质正义。与此相应，佩雷尔曼提出了新修辞学(NewRhetoric)的法律理论。他认为，形式逻辑只是根据演绎法或归纳法对问题加以说明或论证的技术，属于手段的逻辑；新修辞学要填补形式逻辑的不足，是关于目的的辩证逻辑，可以帮助法官论证其决定和选择，因而是进行价值判断的逻辑。他认为，在司法三段论思想支配下，法学的任务是将全部法律系统化并作为阐释法律的大前提，“明确性、一致性和完备性”就成为对法律的三个要求。而新修辞学的基本思想是价值判断的多元论，法官必须在某种价值判断的指示下履行义务，必须考虑哪些价值是“合理的、可接受的、社会上有效的公平的”。这些价值构成了判决的正当理由。（注：沈宗灵著：《现代西方法理学》，北京大学出版社1992年版，第443-446页。）制造人工智能法律系统最终需要解决价值推理的模拟问题，否则，就难以实现为判决提供正当理由的要求。为此，P.Wahlgren提出的与人工智能相关的5种知识表达途径中，明确地包括了以道义为基础的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道义逻辑，或者说在机器中采用基于某种道义逻辑的推理程序，强调目的价值，也许是制造智能法律系统的关键。不过，即使把道义逻辑硬塞给计算机，钢铁之躯的机器没有生理需要，也很难产生价值观念和主观体验，没办法解决主观选择的问题。在这个问题上，波斯纳曾以法律家有七情六欲为由对法律家对法律的机械忠诚表示了强烈怀疑，并辩证地将其视为法律发展的动力之一。只有人才能够平衡相互冲突的利益，能够发现对人类生存和发展至关重要的价值。因此，关于价值推理的人工智能模拟究竟能取得什么成果，恐怕还是个未知数。
2.法理学对人工智能法律系统研制的理论指导作用
GoldandSusskind指出：“不争的事实是，所有的专家系统必须适应一些法理学理论，因为一切法律专家系统都需要提出关于法律和法律推理性质的假设。从更严格的意义上说，一切专家系统都必须体现一种结构理论和法律的个性，一种法律规范理论，一种描述法律科学的理论，一种法律推理理论”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系统的研究，不仅需要以法理学关于法律的一般理论为知识基础，还需要从法理学获得关于法律推理的完整理论，如法律推理实践和理论的发展历史，法律推理的标准、主体、过程、方法等等。人工智能对法律推理的模拟，主要是对法理学关于法律推理的知识进行人工智能方法的描述，建立数学模型并编制计算机应用程序，从而在智能机器上再现人类法律推理功能的过程。在这个过程中，人工智能专家的主要任务是研究如何吸收法理学关于法律推理的研究成果，包括法理学关于人工智能法律系统的研究成果。
随着人工智能法律系统研究从低级向高级目标的推进，人们越来越意识到，对法律推理的微观机制认识不足已成为人工智能模拟的严重障碍。P.Wahlgren指出，“许多人工智能技术在法律领域的开发项目之所以失败，就是因为许多潜在的法理学原则没有在系统开发的开始阶段被遵守或给予有效的注意。”“法理学对法律推理和方法论问题的关注已经有几百年，而人工智能的诞生只是本世纪50年代中期的事情，这个事实是人工智能通过考察法理学知识来丰富自己的一个有效动机。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自动化的目标，“一方面是用人工智能（通过把计算机的应用与分析模型相结合）来支撑法律推理的可能性；另一方面是应用法理学理论来解决作为法律推理支撑系统的以及一般的人工智能问题。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系统充当法律推理研究的思想实验手段以及辅助司法审判的问题。后一方面，则是法律推理的法律学研究成果直接为人工智能法律系统的研制所应用的问题。例如，20世纪70年代法理学在真实和假设案例的推理和分析方面所取得的成果，已为几种人工智能法律装置借鉴而成为其设计工作的理论基础。在运用模糊或开放结构概念的法律推理研究方面，以及在法庭辩论和法律解释的形式化等问题上，法理学的研究成果也已为人工智能法律系统的研究所借鉴。
四、人工智能法律系统研究的难点
人工智能法律系统的研究尽管在很短的时间内取得了许多令人振奋的成果，但它的发展也面临着许多困难。这些困难构成了研究工作需要进一步努力奋斗的目标。
第一，关于法律解释的模拟。在法理学的诸多研究成果中，法律解释的研究对人工智能法律系统的研制起着关键作用。法律知识表达的核心问题是法律解释。法律规范在一个法律论点上的效力，是由法律家按忠实原意和适合当时案件的原则通过法律解释予以确认的，其中包含着人类特有的价值和目的考虑，反映了法律家的知识表达具有主观能动性。所以，德沃金将解释过程看作是一种结合了法律知识、时代信息和思维方法而形成的，能够应变的思维策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律专家系统并未以知识表达为目的来解释法律，而是将法律整齐地“码放”在计算机记忆系统中仅供一般检索之用。然而，在法律知识工程系统中，法律知识必须被解释，以满足自动推理对法律知识进行重新建构的需要。麦卡锡说：“在开发智能信息系统的过程中，最关键的任务既不是文件的重建也不是专家意见的重建，而是建立有关法律领域的概念模型。”（注：McCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必须以法律家对某一法律概念的共识为基础，但不同的法律家对同一法律概念往往有不同的解释策略。凯尔森甚至说：即使在国内法领域也难以形成一个“能够用来叙述一定法律共同体的实在法的基本概念”。（注：（奥）凯尔森著：《法与国家的一般理论》，沈宗灵译，中国大百科全书出版社1996年版，第1页。）尽管如此，法理学还是为法律概念模型的重建提供了一些方法。例如，德沃金认为，法官在“解释”阶段，要通过推理论证，为自己在“前解释”阶段所确定的大多数法官对模糊法律规范的“一致看法”提供“一些总的理由”。获取这些总的理由的过程分为两个步骤：首先，从现存的明确法律制度中抽象出一般的法律原则，用自我建立的一般法律理论来证明这种法律原则是其中的一部分，证明现存的明确法律制度是正当的。其次，再以法律原则为依据反向推出具体的法律结论，即用一般法律理论来证明某一法律原则存在的合理性，再用该法律原则来解释某一法律概念。TAXMAN等系统装置已吸收了这种方法，法律知识被计算机结构语言以语义网络的方式组成不同的规则系统，解释程序使计算机根据案件事实来执行某条法律规则，并在新案件事实输入时对法律规则作出新的解释后才加以调用。不过，法律知识表达的进展还依赖于法律解释研究取得更多的突破。
第二，关于启发式程序。目前的法律专家系统如果不能与启发式程序接口，不能运用判断性知识进行推理，只通过规则反馈来提供简单解释，就谈不上真正的智能性。启发式程序要解决智能机器如何模拟法律家推理的直觉性、经验性以及推理结果的不确定性等问题，即人可以有效地处理错误的或不完全的数据，在必要时作出猜测和假设，从而使问题的解决具有灵活性。在这方面，Gardner的混合推理模型，EdwinaL.Rissland运用联想程序对规则和判例推理的结果作集合处理的思路，以及Massachusetts大学研制的CABARET（基于判例的推理工具），在将启发式程序应用于系统开发方面都进行了有益的尝试。但是，法律问题往往没有唯一正确的答案，这是人工智能模拟法律推理的一个难题。选择哪一个答案，往往取决于法律推理的目的标准和推理主体的立场和价值观念。但智能机器没有自己的目的、利益和立场。这似乎从某种程度上划定了机器法律推理所能解决问题的范围。
第三，关于法律自然语言理解。在设计基于规则的程序时，设计者必须假定整套规则没有意义不明和冲突，程序必须消灭这些问题而使规则呈现出更多的一致性。就是说，尽管人们对法律概念的含义可以争论不休，但输入机器的法律语言却不能互相矛盾。机器语言具有很大的局限性，例如，LDS基于规则来模拟严格责任并计算实际损害时，表现出的最大弱点就是不能使用不精确的自然语言进行推理。然而，在实际的法律推理过程中，法律家对某个问题的任何一种回答都可根据上下文关系作多种解释，而且辩论双方总是寻求得出不同的结论。因此，智能法律专家系统的成功在很大程度上还依赖于自然语言理解研究工作的突破。牛津大学的一个程序组正在研究法律自然语言的理解问题，但是遇到了重重困难。原因是连法学家们自己目前也还没有建立起一套大家一致同意的专业术语规范。所以EdwinaL.Rissland认为，常识知识、意图和信仰类知识的模拟化，以及自然语言理解的模拟问题，迄今为止可能是人工智能面临的最困难的任务。对于语言模拟来说，像交际短语和短语概括的有限能力可能会在较窄的语境条件下取得成果，完全的功能模拟、一般“解决问题”能力的模拟则距离非常遥远，而像书面上诉意见的理解则是永远的终极幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）
五、人工智能法律系统的开发策略和应用前景
我们能够制造出一台什么样的机器，可以证明它是人工智能法律系统？从检验标准上看，这主要是法律知识在机器中再现的判定问题。根据“图灵试验”原理，我们可将该检验标准概括如下：设两间隔开的屋子，一间坐着一位法律家，另一间“坐着”一台智能机器。一个人（也是法律家）向法律家和机器提出同样的法律问题，如果提问者不能从二者的回答中区分出谁是法律家、谁是机器，就不能怀疑机器具有法律知识表达的能力。
依“图灵试验”制定的智能法律系统检验标准，所看重的是功能。只要机器和法律家解决同样法律问题时所表现出来的功能相同，就不再苛求哪个是钢铁结构、哪个是血肉之躯。人工智能立足的基础，就是相同的功能可以通过不同的结构来实现之功能模拟理论。
从功能模拟的观点来确定人工智能法律系统的研究与开发策略，可作以下考虑：
第一，扩大人工智能法律系统的研发主体。现有人工法律系统的幼稚，暴露了仅仅依靠计算机和知识工程专家从事系统研发工作的局限性。因此，应该确立以法律家、逻辑学家和计算机专家三结合的研发群体。在系统研发初期，可组成由法学家、逻辑与认知专家、计算机和知识工程专家为主体的课题组，制定系统研发的整体战略和分阶段实施的研发规划。在系统研发中期，应通过网络等手段充分吸收初级产品用户（律师、检察官、法官）的意见，使研发工作在理论研究与实际应用之间形成反馈，将开发精英与广大用户的智慧结合起来，互相启发、群策群力，推动系统迅速升级。
第二，确定研究与应用相结合、以应用为主导的研发策略。目前国外人工智能法律系统的研究大多停留在实验室领域，还没有在司法实践中加以应用。但是，任何智能系统包括相对简单的软件系统，如果不经过用户的长期使用和反馈，是永远也不可能走向成熟的。从我国的实际情况看，如果不能将初期研究成果尽快地转化为产品，我们也难以为后续研究工作提供雄厚的资金支持。因此，人工智能法律系统的研究必须走产研结合的道路，坚持以应用开路，使智能法律系统尽快走出实验室，同时以研究为先导，促进不断更新升级。
第三，系统研发目标与初级产品功能定位。人工智能法律系统的研发目标是制造出能够满足多用户（律师、检察官、法官、立法者、法学家）多种需要的机型。初级产品的定位应考虑到，人的推理功能特别是价值推理的功能远远超过机器，但人的记忆功能、检索速度和准确性又远不如机器。同时还应该考虑到，我国目前有12万律师，23万检察官和21万法官，每年1.2万法学院本科毕业生，他们对法律知识的获取、表达和应用能力参差不齐。因此，初级产品的标准可适当降低，先研制推理功能薄弱、检索功能强大的法律专家系统。可与计算机厂商合作生产具有强大数据库功能的硬件，并确保最新法律、法规、司法解释和判例的网上及时更新；同时编制以案件为引导的高速检索软件。系统开发的先期目标应确定为：(1)替律师起草仅供参考的书和辩护词；(2)替法官起草仅供参考的判决书；(3)为法学院学生提供模拟法庭审判的通用系统软件，以辅助学生在、辩护和审判等诉讼的不同阶段巩固所学知识、获得审判经验。上述软件旨在提供一个初级平台，先解决有无和急需，再不断收集用户反馈意见，逐步改进完善。
第四，实验室研发应确定较高的起点或跟踪战略。国外以知识工程为主要技术手段的人工智能法律系统开发已经历了如下发展阶段：(1)主要适用于简单案件的规则推理；(2)运用开放结构概念的推理；(3)运用判例和假设的推理；(4)运用规则和判例的混合推理。我们如确定以简单案件的规则推理为初级市场产品，那么，实验室中第二代产品开发就应瞄准运用开放结构概念的推理。同时，跟踪运用假设的推理及混合推理，吸收国外先进的KBS和HYPO的设计思想，将功能子系统开发与联想式控制系统结合。HYPO判例法推理智能装置具有如下功能：(1)评价相关判例；(2)判定何方使用判例更加贴切；(3)分析并区分判例；(4)建立假设并用假设来推理；(5)为一种主张引用各种类型的反例；(6)建立判例的引证概要。HYPO以商业秘密法的判例推理为模拟对象，假设了完全自动化的法律推理过程中全部要素被建立起来的途径。值得注意的是，HYPO忽略了许多要素的存在，如商业秘密法背后的政策考虑，法律概念应用于实际情况时固有的模糊性，信息是否已被公开，被告是否使用了对方设计的产品，是否签署了让与协议，等等。一个系统设计的要素列表无论多长，好律师也总能再多想出一些。同样，律师对案件的分析，不可能仅限于商业秘密法判例，还可能援引侵权法或专利法的判例，这决定了缘由的多种可能性。Ashley还讨论了判例法推理模拟的其他困难：判例并不是概念的肯定的或否定的样本，因此，要通过要素等简单的法律术语使模糊的法律规则得到澄清十分困难，法律原则和类推推理之间的关系还不能以令人满意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）这说明，即使具有较高起点的实验室基础研究，也不宜确定过高的目标。因为，智能法律系统的研究不能脱离人工智能的整体发展水平。
第五，人－机系统解决方案。人和机器在解决法律问题时各有所长。人的优点是能作价值推理，使法律问题的解决适应社会的变化发展，从而具有灵活性。机器的长处是记忆和检索功能强，可以使法律问题的解决具有一贯性。人－机系统解决方案立足于人与机器的功能互补，目的是解放人的脑力劳动，服务于国家的法治建设。该方案的实施可以分为两个阶段：第一阶段以人为主，机器为人收集信息并作初步分析，提供决策参考。律师受理案件后，可以先用机器处理大批数据，并参考机器的和辩护方案，再做更加高级的推理论证工作。法官接触一个新案件，或新法官刚接触审判工作，也可以先看看“机器法官”的判决建议或者审判思路，作为参考。法院的监督部门可参照机器法官的判决，对法官的审判活动进行某种监督，如二者的判决结果差别太大，可以审查一下法官的判决理由。这也许可以在一定程度上制约司法腐败。在人－机系统开发的第二阶段，会有越来越多的简单案件的判决与电脑推理结果完全相同，因此，某些简单案件可以机器为主进行审判，例如，美国小额法庭的一些案件，我国法庭可用简易程序来审理的一些案件。法官可以作为“产品检验员”监督和修订机器的判决结果。这样，法官的判案效率将大大提高，法官队伍也可借此“消肿”，有可能大幅度提高法官薪水，吸引高素质法律人才进入法官队伍。
未来的计算机不会完全取代律师和法官，然而，律师和法官与智能机器统一体的出现则可能具有无限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以预见，人工智能将为法律工作的自动化提供越来越强有力的外脑支持。电脑律师或法官将在网络所及的范围内承担起诸如收债、税务、小额犯罪诉讼等职能。自动法律推理系统将对诉讼活动发挥越来越多的辅助作用，例如，通过严密的演绎逻辑使用户确信全部法律结论得出的正当性；在解决相互冲突的规则、判例和政策问题时提示可能出现的判决预测；等等。正如网络的出现打破了少数人对信息的垄断一样，电脑法律顾问的问世，将打破法官、律师对法律知识的垄断，极大地推动法律知识的普及，迅速提高广大人民群众的法律素质，使法律真正变为群众手中的锐利武器。
