对人工智能教育的建议
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篇对人工智能教育的建议范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
对人工智能教育的建议范文第1篇
一、人工智能
人工智能（Artificial Intelligence，缩写为AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它试图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。养老服务业人工智能的应用主要体现在家居扫地机器人、语音沟通服务、家庭体检、药物使用建议、家居厨师、家居智能陪伴服务。
二、养老服务人才培养“人工智能化”
人工智能上升为国家高级战略后，国家发展服务性制造和生产性制造，同时尽可能的通过服务业的再造和完善，改进我国经济产业结构，发挥技术、人才、产业的对接联动效应。人、机器、智能机器将共生共存，成为养老服务工具的新常态。未来的养老服务人才不是笨干、累干、苦干，而是实干+巧干，实现脑力劳动的智能机械化，尽可能地减少人力的倦怠感，提高服务效率、质量和速度。智能化，体现在养老服务人才应具备传播人工智能基础知识，客观了解人工智能，有效实现人与机器、智能机器的有效配对组合应用，充分发挥智能机器的保健医生、保姆、玩伴、老伴、子女多重功能，倡议自养老。
三、人工智能养老服务人才培养模式
（一）广播电视大学远程教育模式――音像媒体
配备养生、人工智能国内一流专家，发挥国家音像媒体的作用，将人工智能家居应用的途径、方式、手段通过网络微视频的形式进行普及。发挥社区教育指导中心、社区大学和社区教育学院、社区学校、社区学习站四级社区教育办学网络体系的作用，建立社会养老大学，使老年人自己会应用人工智能，减低对子女的时间依赖。
（二）公众号社会宣传普及模式――微媒体
国家、企业、社区应建立专题公众号进行微媒体培训。从国家层面，要建立人工智能养老服务应用技术发展历程方面的公众号；从企业层面，要建立人工智能机器人养老服务应用说明类的公众号；从社区层面，要基于一些鳏寡孤独建立社群委托服务型人工智能服务策略的公众号。
（三）职业技术学院培训模式――专题高端培训
目前，人工智能服务还不能完全普及，故而职业技术学院的后备人才首先要建立自我提升的潜意识，此外，职业技术学院自身要引进国内外的人工智能专家，进行家庭陪护、游戏娱乐、医疗、做饭、洗衣、洗漱、保健、锻炼等多重人工智能方面的高端培训。
（四）民政部门、老龄委联合推广模式――社会传媒
作为养老服务的主管部门，民政部门和老龄委要利用广播、电视、报纸、杂志等对人工智能的发展趋势、前景、作用、功能、效益、方式进行宣传。民政部门要侧重于养老服务的社区组织协调，老龄委要侧重于制度、规定、采购人工智能机器方面的政策优惠的制定。
（五）社会民间家政服务组织培养模式――养老院、福利院自组织模式
民间社会力量建立有养老院、福利院，这就对相关服务人员的素养提出了时代性的要求。其一，人的社会角色多，时间、精力、体力有限；其二，人工智能是趋势，必须适应并学会使用；其三，要加强前瞻性人才培养，解决劳动倦怠问题，即民间组织自己解决自己的问题，通过人工智能，减少雇员，降低劳动力雇佣成本。
四、人工智能养老服务人才培养对策
（一）广播电视大学养老服务人才培养对策
依托远程教育系统，发挥网络平台的作用，将人工智能的技能培训与社区教育、社会养老大学的建设并举；发挥广播电视大学的社会服务功能，与人工智能机器生产企业搭建战略伙伴关系；积极推进产培用一体化建设，形成网络平台特色模块；推出广播电视大学养老服务精品课教程，以优质教育品牌打开培训窗口。
（二）人工智能机器制造企业养老服务人才培养对策
基于居家养老的社会需求利益取向，把脉居家老人和其子女的时间要求，积极开发、完善人工智能机器的特殊功能，加大资金投入力度，特别加强对情感交互、图像识别、语音功能的完善；重点做好人工智能机器使用说明，要具有便捷实用性的操作指南，方便人们学习。
（三）职业技术学院养老服务人才培养对策
职业技术学院作为专职教育机构，首先，要提前与职业高中接轨，进行专职意向高中生的录取，为养老服务人才培养获取意向生。其次，要突出人才培养的实践应用性，购置高端智能机器，让学生能够迅速掌握技能，并且能够进行社会的二次培训，对购置的智能机器进行租赁和应用培训。
（四）民政部门、老龄委养老服务人才培养对策
民政部门和老龄委要培养高级管理人才，建立养老服务人才智库，积极推进国家、企业、社会的养老服务人才人工智能化联动培养；加大对家庭贫困并且有意向致力于养老服务的青年才俊的培养支持力度；对人工智能养老服务高端研发海归人才给予政策优待；建立城市养老服务专家群组，定期召开学术研讨会议，增进智慧交流。
（五）社区养老服务人才培养对策
社区要加强人工智能养老服务人才的典型宣传，利用宣传画的形式传播人工智能应用的优势；积极打造人工智能特色服务团队，开展社区公益性专题培训，并募集资金购置人工智能机器为特殊群体献爱心；努力构建人工智能养老社区，采用人工智能的形式鼓励老年人进行文体娱乐，增强体质。
总的来说，在计算机技术不断发展的现代社，人工智能技术的普及给养老服务带来了巨大的便捷。随之而来的人工智能化养老服务人才的培养成为了发挥人工智能养老服务效用的关键环节。要培养人工智能化养老服务人才，可以从远程教育、社会宣传普及、学院培训、政府推广等模式入手，实现人工智能化养老人才培养模式的多元化。同时，开展远程教育的过程中运用产品一体化模式，在满足老人需求的基础上提升人工智能设备的人性化操作，重点开展职业技术院校的人才培养方式，与民政部门开展紧密合作，积极培养人工智能化养老服务人才。社区方面强化人才的教育宣传工作，全力搭建人工智能养老社区。
对人工智能教育的建议范文第2篇
政策催化进一步加强
国内AI有望“弯道超车”
目前，各国政府都高度重视人工智能相关产业的发展。自人工智能诞生至今，各国都纷纷加大对人工智能的科研投入。美国主攻军用机器人技术，欧洲主攻服务和医疗机器人技术，日本主攻仿人和娱乐机器人。可以说，人工智能成为各国“大脑”计划的重要内容。
当下我国社会面临老龄化压力、经济转型和制造业升级，对此，国务院在印发的《中国制造2025》中明确指示，要把智能制造和高端技术创新作为重点建设工程，特别提出要发展和培育一批产值超过100亿元的人工智能核心企业。
国内市场的扶持政策频出。2015年7月，国务院印发《“互联网+”行动指导意见》，将发展人工智能提升到国家战略层面;2016年1月，科技部部长万钢提出“科技创新-2030项目”，智能制造和机器人成为重大工程之一。
在2016年3月两会召开期间，《国民经济和社会发展第十三个五年规划纲要(草案)》正式出炉，其中提到，要大力推进先进半导体、机器人、智能系统、智能交通、精准医疗、智能材料等新兴前沿领域的创新和产业化，形成一批新增长点。
政策和资金的支持、人才储备、技术的积累和突破等都为人工智能的发展提供了基础条件。科技部高技术研究发展中心研究员刘进长认为，我国人工智能与机器人技术的快速发展，一是因为国家的高度关注与政策支持，二是得益于金融界的重视与大企业的不断进入。
“2014年，中国市场的工业机器人销量猛增54%，我国智能语音交互产业规模达到100亿元，指纹、人脸、虹膜识别等产业规模达100亿元。”广证恒生副首席分析师赵巧敏向《经济》记者分析称，在利好因素的促进下，我国人工智能技术攻关和产业应用发展势头良好。
在她看来，目前国际巨头在人工智能技术上还没有完全形成垄断。我国在人工智能的研究上与发达国家相比，甚至与美国相比都不算落后，这是难得的历史机遇，是提升综合国力和影响力的绝佳机会。
“我国完全有可能利用市场需求优势、用户数据优势等，抢占人工智能技术和产业的制高点，实现人工智能技术‘弯道超车’。”赵巧敏称。
人工智能大潮来袭
千亿市场规模可期
人工智能已经开始进入一个新的阶段。从Siri识别到无人驾驶，都是人工智能的实现载体，涉及到的技术和领域跨越多学科，包括深度学习、智能识别、专家系统、神经网络、智能机器人等。
未来，人工智能需求将会激增。据BBC预计，到2020年，全球人工智能市场规模将达到183亿美元，约合人民币1190亿元。
“目前人工智能的应用领域主要还是以工业制造为主，但是随着经济结构的转型，以及不断攀升的劳动力成本，未来包括机器人在内的人工智能产品的市场需求将会不断扩大。”爱建证券研究所研究员刘孙亮向《经济》记者表示，随着人均可支配收入的增加，以及人口老龄化时代的来临，人工智能家庭化的现象将会普及，届时家用助老服务机器人、医疗机器人以及家用清洁机器人的市场需求将会激增。
国内著名的咨询机构艾瑞咨询在参考人工智能行业全球市场规模后预计称：在不包括硬件产品销售收入、信息搜索、资讯分发、精准广告推送等的情况下，预计2020年中国人工智能市场规模将达到91亿元人民币。
而目前市场的关注点还只是在智慧金融、智能家居等应用领域，对于人工智能的发展空间来说，这只是冰山一角。
赵巧敏表示，由于人工智能属于基础型技术，与机器人和大数据联系紧密，其水平的提升将带来多领域的应用扩展，大幅拓宽传统产业的发展之路，造成未来5-10年的巨大颠覆性影响，产生10-100倍的溢出效应，由此将打开万亿规模的市场空间。
“仅仅以工业机器人领域为例，在智能化水平提高后，将降低固定资产投资成本近30%，降低人工成本近60%-70%，在汽车整车、零部件制造、食品工业及物流等行业产生8-10倍的产业集群带动作用，对应着800亿-1000亿元的市场规模。”赵巧敏说。
实际上，中国人工智能的商业化应用环境甚至能创造更大的市场空间。我国人工智能的商业应用水平已经十分繁荣，这一概念已经渗透了教育、金融、医疗、文体娱乐等领域，且获得了很好的市场反响。
“市场关心的IT和互联网领域几乎所有的主题和热点，例如智能硬件、O2O、机器人、无人机和工业4.0，发展突破的关键环节都是人工智能。”赵巧敏表示，人工智能的发展是必然趋势，它将成为未来30年内我国技术发展的重心，也会给互联网领域带来新的突破，给人们的生活带来翻天覆地的变化。
在人工智能应用领域，我国已经发展得较为全面，包括家居领域、安防领域、医疗领域、企业领域、金融领域和教育领域。
然而尽管目前我国自主知识产权的文字识别、工业机器人、娱乐机器人等智能科技成果已经进入大规模实际应用，但市场空间仍然很大。中泰证券首席宏观策略师罗文波向《经济》记者表示，我国机器人的“密度”只有德国、日本的1/10，行业发展空间巨大。
VC青睐人工智能
巨头加速并购
人工智能一直是硅谷大佬们疯狂追求的领域，谷歌、Facebook、IBM均重金投资人工智能，是目前AI领域的领导者。微软、谷歌和Facebook等全球科技巨头都认为2016年是AI迅速进化的关键节点。
Google希望在人工智能领域复制Android的成功，并力图打造一个机器人帝国;Facebook计划在2016年制造出能够在家务和工作上帮助自己的人工智能;苹果4天内接连收购两家人工智能初创公司……
据罗文波统计，目前全球人工智能企业已经超过了900家，大多集中在北美和西欧。这些人工智能初创企业总估值超过87亿美元。“随着日本、北美、欧洲的‘大脑’计划大规模布局人工智能，2040年全球很有可能实现广义的人工智能。”
除互联网巨头外，敏锐的资本方也在积极布局人工智能领域，近年来风投不断加大对人工智能初创企业的投资，持续布局人工智能这个重要风口。
“2014年人工智能企业融资总量首次超过10亿美元，2015年融资总量更是超过12亿美元。2016年到现在，全球在人工智能领域的投资已经超过4亿美元。”渤海证券研究所证券分析师齐艳丽向《经济》记者表示，随着科技巨头在人工智能领域的布局将提速，VC/PE在人工智能领域的投资也将随之爆发。
“反过来，资本层面的爆发也将持续带动人工智能行业加速爆发。”齐艳丽认为，虽短期看人工智能仍处于大规模投入期，较难变现，但未来人工智能应用于无人驾驶汽车、辅助诊断、刑侦监测等领域将会产生巨大的商业价值和社会价值。
在全球市场火爆的背景下，国内市场也充满了巨头和风投的博弈与布局。
出于对人工智能行业商业前景的看好，国内巨头纷纷进军人工智能领域，百度、阿里、腾讯均在人工智能领域发力。
其中，百度2014年研发投入接近70亿，同时涉足了深度学习与自动驾驶领域，并推出了“百度大脑”计划;阿里巴巴推出了国内首个人工智能平台DTPAI;腾讯推出了撰稿机器人Dream writer，开放了视觉识别平台腾讯优图，同时成立了腾讯智能计算与搜索实验室。一些具有创新性眼光的巨头公司也相应进入，让整个行业迎来了爆发的机会。
“互联网巨头公司和创业公司是我国AI技术基础研究主力军。在国家政策大力支持下，无论是科研机构还是企业都在加大人工智能研究的力度，由此也取得了较为不错的成绩。”据罗文波介绍，截至2015年底，我国人工智能领域已有近百家创业公司，约65家获得投资，共计29.1亿元。人工智能领域布局如火如荼。
巨头的基础层切入为人工智能基础领域的研究带来了巨大的资金优势和人才支持，使得部分技术达到世界一流水平。例如，我国的视觉、语音识别的技术已经处于国际领先水平。
而近两三年，风投也开始加速了在这一领域的投资步伐。2014年开始，我国人工智能领域投资金额、数量、参与投资机构数量均大幅增加，2015年更是实现了跨越式的增长。“2015年我国投资人工智能的机构数量已经高达48家，是2012年投资机构数量的6倍;投资额为14.23亿元，是2012年投资额的23倍。”赵巧敏表示。
短期看好应用开发
长期关注技术研究
二级市场一向是搜寻热点的风向标。人工智能市场的火爆也催热了资本市场的相关行业。在市场空间巨大、产业前景明朗的背景下，占据资金优势的上市公司纷纷瞄准人工智能领域，分享广阔蓝海。
随着人工智能的不断进步和发展，最先实现产业化的AI应用层将最早迎来投资机会。银河证券分析师杨华超向《经济》记者分析称，无人驾驶、工业4.0、智慧医疗等主题将成为未来中长期的热点，建议关注相关主题的优质标的。“同时，AI数据层和应用层作为准入门槛较高的环节，之前具有技术积累和数据资源的公司将优先受益，可以关注目前已经在人工智能领域已经有技术和规模优势的公司。”
对此，罗文波则建议投资者，选择人工智能领域的标的，要分长短期来考量。“短期可关注在人工智能商业化应用有所突破的企业，长期可关注具备技术研究实力的公司。”
在他看来，具备竞争力的上市公司主要有两类，一是与机器人硬件制造相关的公司，它们一般拥有较好的智能制造业基础，在未来产业升级过程中，拥有强大的竞争优势;二是在人工智能商业化应用有所突破的公司。
对此投资逻辑，赵巧敏也表示认同，“短期看好应用开发领域，特别是基于当下较为成熟的感知智能技术如语音、视觉识别的服务、硬件产品等的应用开发将是短期的投资亮点”。
“目前下游应用领域也面临着大量需求，如人口老龄化对服务机器人的需求、定制化生产对3D打印的需求、物流配速对无人机的需求等。”赵巧敏分析称，穿戴设备、3D打印、无人驾驶、服务机器是最值得看好的应用场景。
而从长期来看，在以现有技术为基础的应用领域基本饱和之后，只有技术研究才能推动新一轮的应用创新，赵巧敏称。技术研究是长期的投资关注点，“应该关注核心技术模块提供商和数据传输、运算、存储过程所涉及的基础设施运营商”。
与此同时，在主板之外，一些新三板标的同样值得关注。从2015年起，挂牌新三板的人工智能企业数量明显增加。以机器人子行业为例，仅2015年一年就有35家机器人企业在新三板挂牌，还有10家机器人企业在待挂牌状态，20多家公司在审查待挂的状态。投资者可以有选择地关注其中较好的标的。
对人工智能教育的建议范文第3篇
关键词：人工智能；信息素养；信息技术
中图分类号：TP18文献标识码：A文章编号：1009-3044(2008)35-2417-02
Artificial Intelligence Education and Middle School Students Information Literacy
WU Wen-tie
(Mathematics and Computer Institute of Mianyang Normal University, Mianyang 621000, China)
Abstract: Information Literacy in the Information Age is a national basic literacy, artificial intelligence represents a cutting-edge information technology. Based on the analysis of information quality and substance of the definition on the basis of exploring the field of artificial intelligence research, as well as in education, put forward the theory of artificial intelligence and technology courses in secondary education should be in a more systematic, comprehensive Improve the information literacy of students.
Key words: artificial intelligence; information literacy; information technology
1 信息素养的定义及其内涵
“信息素养”一词最早产生于信息技术和信息产业发达的美国, 是随着现代信息社会的逐渐形成而对国民提出的一种兼跨人文和科学范畴的综合性个人素养要求的描述。随着研究的深入，人们对信息素养的认识也在不断深化。
1974年美国信息产业协会主席保罗・泽考斯基最先提出信息素养的概念, 他认为信息素养是“利用大量的信息工具及主要信息源使问题得到解答的技术及技能”。1992年美国图书馆协会提出：“信息素养是人能够判断何时需要信息, 并且能够对信息进行检索、评价和有效利用的能力。”同年, 道尔在《信息素养全美论坛的终结报告》中给出了一个较为全面的定义：一个具有信息素养的人, 他能够认识到精确和完整的信息是作出合理决策的基础, 他能够确定对信息的需求, 能够形成基于信息需求的问题, 能够确定潜在的信息源, 能够制定成功的检索方案, 从包括基于计算机的和其他的信息源中获取信息、评价信息、组织信息用于实际的应用, 将新的信息与原有的知识体系进行融合以及在批判性思考和问题解决过程中使用信息。
综上所述, 虽然研究人员从不同的视角界定了信息素养的定义, 但可看出, 信息素养既包括认知态度层面上的内容, 也包括技术层面、操作层面和能力层面上的内容。概括起来讲, 信息素养主要包括信息意识、信息能力和信息道德三个方面：
1) 信息意识。信息意识是信息素养的首要因素, 主要指人们对信息及其交流活动在社会中的地位、价值、功能和作用的认识, 换句话说, 就是指人们对信息的判断、捕捉的能力。信息意识的强弱将直接影响人们利用信息的程度和效果。人们只有有了信息意识,才有可能有信息的需求, 进一步去寻找信息和利用信息, 并主动学习与信息处理有关的技术。
2) 信息能力。信息能力是信息素养的重要方面, 是指人们获取信息、处理信息、利用信息、创造信息、交流信息的技术和能力。人们只有掌握一定的信息技能, 才能有效地开展各种信息活动, 有效地利用信息和创造信息, 充分发挥信息的价值, 变信息为动力和优势。
3) 信息道德。信息道德是指人们在整个信息交流活动过程中表现出来的信息道德品质。它是对信息生产者、信息加工者、信息传播者及信息使用者之间相互关系的行为进行规范的伦理准则, 是信息社会每个成员都应该自觉遵守的道德标准。
2 人工智能的研究领域
人工智能的研究领域非常广泛, 而且涉及的学科也非常多。目前,人工智能的主要研究领域包括：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在网络教育环境中常用的智能技术。
2.1 专家系统
所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统, 它能运用该领域专家多年积累的经验与知识, 模拟人类的思维过程,求解需要专家才能解决的困难问题。
2.2 机器学习
“学习”是一个有特定目的的知识获取过程, 其内在行为是获取知识、积累经验、发现规律; 外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习, 就是要使计算机能模拟人的学习行为, 自动地通过学习获取知识和技能, 不断改善性能, 实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。
2.3 模式识别
所谓模式识别,是指研究一种自动技术。计算机通过运用这种技术,就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说,模式识别研究的主要内容就是让计算机具有自动获取知识的能力,能识别文字、图形、图像、声音等。一般来说,模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。
2.4 人工神经网络
人工神经网络是指模拟人脑神经系统的结构和功能, 运用大量的处理部件, 由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的,是对脑神经系统的结构和功能的模拟, 具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一, 可以根据外界环境来修改自身的行为。学习的过程即是对网络进行训练的过程和不断调整它的连接权值, 以使它适应环境变化的过程。学习可分为有教师(或称有监督)学习与无教师(无监督)学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识,开辟了另一条模拟人类智能的道路。
3 人工智能技术在教育中的应用
3.1 智能搜索引擎
随着互联网站点和页面的激增以及网络用户队伍的不断壮大,信息检索成为人们利用Internet的重要途径。但是在浩瀚的网页海洋中寻找有用的信息并不容易,需要借助有力的检索工具如搜索引擎等等。目前一些著名的搜索引擎有:GOOGLE、YAHOO、EXCITE、INFOSEEK等,他们各有特色,但仍存在不足之处,如检索到的无关信息过多以及检索结果排序较混乱。智能化信息检索是信息检索的新分支,它是人工智能和信息检索的交叉学科。它在对内容的分析理解、内容表达、知识学习等基础上实现检索的智能化,这样可以节省学习者在检索中花费的时间,帮助学习者提高检索效率。智能化信息检索所用到的人工智能技术有专家系统、自然语言处理和知识表示。
3.2 智能体(agent)
agent技术早在70年代出现在人工智能领域,通过感知、学习、推理以及行动能够基于知识库的训练模仿人类社会的行为。随着其进一步发展,它在远程教育领域发挥着越来越重要的作用。一套完整的远程教育系统中包含许多子系统,如答疑、作业、考试、交互等等子系统。这些子系统都有各自的数据库用来存储信息。为了提高整个系统的智能性,可以引入智能技术,把众多子系统的数据库链接起来,实现信息资源的共享。通过分析这些信息,智能技术可以发现学习者的个别特征(如兴趣爱好信息、点击知识点信息统计、交互日志等等),并根据这些特征量身订做出适合学习者的学习方案,也有助于教师及时掌握学习者学习过程中的动态信息。
3.3 智能CAI(ICAI)
随着计算机技术的飞速发展,计算机辅助教学(CAI)已受到教育界的重视,成为学科教学改革的一种重要手段。许多学校都在开发CAI课件,但大多数CAI课件只是机械地按照教学设计者事先设计好的教学模式和内容向学生传授知识,并没有体现出个性化学习,无法做到因材施教。
智能CAI是以人工智能技术为核心,使CAI系统能够根据学生的学习情况等因素分析学生的特征,合理安排教学内容、变化教学方法去满足个别教学的需要。使用智能CAI进行教学能够克服传统CAI的不足,显著提高教学效果,是CAI课件发展的趋势。
3.4 智能教学系统ITS
智能教学系统(intelligent tutoring system,ITS)是涉及人工智能、计算机科学、认知科学、教育学、心理学和行为科学的综合性课题,其研究的最终目标是由计算机负担起人类教育的主要责任,即赋予计算机系统以智能,由计算机系统在一定程度上代替人类教师实现最佳教学。我国ITS的研究起步较晚,但近几年随着计算机的普及和教育软件需求增大,ITS的发展较快。ITS按照功能分为四个模块:专家知识模块、学生模块、教师模块、人机接口模块。
4 人工智能教育对学生信息素养的作用
人工智能(ArtificialIntelligence,AI)是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。换言之,它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,来解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题。人工智能也是一门涉及数学、计算机科学、控制论、信息学、心理学、哲学等学科的交叉和边缘学科。与一般的信息处理技术相比,人工智能技术在求解策略和处理手段上都有其独特的风格。人工智能研究处于信息技术的前沿,它的研究、应用和发展在一定程度上决定着计算机技术的发展方向。同时,信息技术的广泛应用也对人工智能技术的发展提出了急切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响。
综上所述,作为信息技术一个不可缺少的重要组成部分,人工智能的基本内容在中学信息技术课程中是不能不专门提及的,以往某些教材中用一两页篇幅作个简单介绍的方法根本不足以反映人工智能学科的全貌。因此,十分有必要在高中阶段的信息技术课程中专门设立人工智能选修课。我们认为,高中阶段开设人工智能课程可以在以下几个方面对学生的信息素养培养产生积极作用：
1) 多种思维方式的培养和信息素养的综合锻炼。
现实世界的问题可以按照结构化程度划分成三个层次：结构化问题,是能用形式化(或称公式化)方法描述和求解的一类问题;非结构化问题,难以用确定的形式来描述,主要根据经验来求解;半结构化问题则介于上述两者之间。一般说来,中学阶段开设的传统意义上的信息技术课程中所介绍的信息技术,例如多媒体技术、网络技术、数据库技术、算法与程序设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的一类有效技术。
把人工智能课程引入我国现行的高中信息技术教育,可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题解决过程的了解,从而培养学生的多种思维方式,达到提高信息素养的目的。通过人工智能课程的学习,学生还将了解人工智能语言的基本特征,学到智能化问题求解的最为基本的策略。
2) 体验人类专家解决复杂问题的思路,提高学生的逻辑思维能力。
这里以人工智能学科中“专家系统”技术的体验、学习与应用过程为例进行说明。在专家系统的应用过程中,一个实际的专家系统不仅能够为用户给出相关领域的专家水平建议或决策,而且能够通过解释机制,以用户容易理解的方式解释专家系统的具体推理过程。学生可以向专家系统提出诸如“为什么(Why)”、“如何(How)”、“如果……会怎么样”等问题,系统接受用户的问题指令后,可以根据推理的逻辑进程,即时将答案呈现给用户,整个过程如同教师与学生在进行面对面的教学。在该过程中,学生可以充分体验人类专家的求解思路和推理风格,有助于提高他们的分析、思维与判断能力。
另一方面,在专家系统的教学过程中,可以要求学生自行构建由产生式规则组成的知识库,或进一步利用工具软件来开发简单的实用型专家系统。为了完成该项工作,学生一开始就要编制开发规划、制定知识获取策略,并具体付诸实施,这是一个不断深化的过程。学生还得明确与系统有关的所有变量或相关的因素,并且将这些变量和因素转化为问题求解,得出相应的结论。在进行一系列问题求解分析之后,运用产生式规则来表示知识,以此建立起来的专家系统还可以让其他学生去运用和体验,具有一定的实用价值。
由于专家系统中的知识组织与推理过程是对人类专家思维方式的一种模拟,因此上述知识库的组织和系统的推理过程能够较好地体现学生的思维过程。在建造知识库过程中,学生需要将原来零碎的未成型的知识概念化、形式化和条理化,从而内化为学生自己的东西。所以,建造知识库的过程不但能反映学生的学习过程,而且有助于学生对该领域知识的深层思考并有利于长久记忆,同时也学会了专家系统的基本开发技术。正如美国著名的学习论专家Jonassen所指出的：那些自行设计专家系统的学生将会在这种活动中受益匪浅,因为这是一个对所学知识进行深度加工的过程。
3) 了解信息技术发展的前沿,激发对信息技术未来的追求。
人工智能技术在一定程度上代表着信息技术的前沿,通过人工智能知识、技术的学习与体验,高中学生能够对信息技术发展的前沿知识有一定程度的了解,这样有助于他们开阔视野,培养兴趣,激发对信息技术美好未来的追求,从而为今后进入大学或走向社会奠定良好的基础。
5 结束语
中学生的信息素养的培养是当前信息技术课的一个重要目标，而在现有的中学信息技术课程中，关于人工智能的知识只作了简单的介绍，学生们对于人工智能研究的广大领域不能有详细的概念，这对于中学生的信息化认识和信息素养的培养不够全面。因此在中学信息技术课中加大人工智能的知识介绍是信息技术课改革的重要内容。
参考文献：
[1] 雷晓庆.网络环境下大学生的信息素养及其培养[J].太原大学学报, 2004(2):38.
[2] 杜玉霞.美国信息素养教育与研究的启示[J].电化教育研究, 2005(10):42.
[3] 王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002,1-53.
[4] 潘瑞玲,余轮.Agent技术在远程教育系统中应用的研究[J].微型电脑应用,2002,18(4):28-30.
[5] 吴战杰，秦健.Agent技术及其在网络教育中的应用研究[J].电化教育研究，2003(3):32-36.
[6] 张剑平.关于人工智能教育的思考[J].电化教育研究，2003(1):24-28.
对人工智能教育的建议范文第4篇
【关键词】人工智能 财务决策 应用
一、财务和人工智能技术应用概述
1987年美国执业会计师协会(AICPA)发表了一份管理指导特别报告“人工智能和专家系统简介”,将人工智能引入到会计和财务管理领域。自此,西方财务和会计界对人工智能技术和专家系统在会计、审计和财务分析与管理等方面进行了广泛探索,开发出了许多实用的专家系统来解决复杂的财务分析和会计决策问题。人工智能技术通过模拟人类专家求解复杂问题的方法,建立相应计算机辅助系统,使财务和经营决策智能化,从而使得现代会计系统在实现信息化和网络化后,向智能化迈进。财务和会计专家系统分成以下四类:
1.财务分析专家系统。成功的财务分析可以确定某个公司的经营状况,如投资或信用评估风险等级。由于会计和财务业务职能的复杂性,有些财务分析专家系统同时跨越多个问题域。例如,根据专家系统的输入和相应的输出建议,解决分类问题的财务分析,专家系统同时可能又属于诊断或纠错问题。
2.合成专家系统。具体包括:(1)在相对较小搜索空间的约束条件下,配置目标集,如管理商业贷款组合计划的MAEBLE专家系统;(2)在相对较大搜索空间的约束条件下,设计目标集,如个人理财设计PLANMAN专家系统;(3)设计采取行动的规划专家系统,如审计规划EXPERTEST系统等。
3.组合专家系统。这类专家系统主要是解决复杂问题的组合分析,如:控制风险估计系统,诈骗检测系统,风险估计系统APX。
4.财会知识传授和职业教育专家系统。如国际上一些大会计公司内部使用的培训专家系统,和辅助会计专业大学生实践的专家系统。实践证明,这些系统可以让没有专业经验的人员有效获得解决某些具体问题的相关知识。
二、财务和会计专家系统基本结构
财务和会计专家系统是一种工作在专家水平上的计算机系统,应用专家的专门知识和推理能力,解决通常情况下难于处理的问题。需要人类领域专家宝贵的经验、智慧与思维方法以及相应的计算机技术的发展。到目前为止,在财务和会计领域,应用最广、最成熟的是基于规则的产生式系统。财务会计专家系统中的解释模块主要是用于推理过程的解释,回答相关财务结论是如何得到的。系统的透明性就是由解释模块来实现,而这种透明性是专家系统所必需的。有了透明的解释功能,由结论可以反过来追踪推理机调用了哪些规则,在分析推理过程中获得了哪些财务数据和特征信息。财务和会计领域的许多问题非常适合利用专家系统来求解,如审计、税务、管理会计和职业教育等。财务分析师、审计专家和金融专家在会计实务中获得许多珍贵的知识和经验,这些知识和经验有的是无法在文献中获得。如果把这些知识通过一定的方式累积、保存在专家系统的知识库中,其在职业教育和帮助非资深财务工作者解决问题的能力方面所产生的作用和意义是不言而喻的。
三、智能财务和会计系统建模步骤
在利用专家系统来描述和解决一个财务和会计问题时,其建模过程有6个步骤。下面以租赁业务为例,介绍其建模过程:(1)列出所有可能的选项。如承租人有两个租赁选择:经营性租赁和资本性租赁。(2)确定相应的规则。区别经营租赁和资本租赁的四条基本规则是:第一,所有权转移;第二,存在采购契约选项;第三,使用大于75%的资产经济寿命;第四,租赁费用的现值超过90%的资本市场公允价值。(3)确定规则应用的程序(推理机)。如租赁业务中,在租赁结束期末,将所有权转让给出租人的是资本性租赁,不管出租人在租赁期内是否使用完75%的资产使用寿命。这样第一条规则应该是判断租赁期内所有权是否转让。(4)每条规则的所有术语必须明晰定义。如租赁期不仅包括租赁初期,还包括其他各自租赁期间,在租赁期间,假设租赁延长是合理的、肯定的。(5)在一个规则应用前,首先按事实匹配,选择何种测试。如要知道租赁期间,必须知道租赁是否有何契约更新选项;计算最小租赁费用的现值时,必须知道是否确保残值,而且承租人是否了解出租人采用的贴现率。(6)用何种计算法,确定一个规则启用,例如,在应用第四个规则时必须计算现值。
四、智能财务和会计系统存在的问题和发展趋势
在开发面向财务管理和会计领域的专家系统时,最主要的问题是没有相应的专家和知识工程师以及规则的提取,在人工智能领域,这个问题称为知识获取。影响专家系统知识库质量的五个主要决定因素是:领域专家;知识工程师;知识表征方法;知识的提取;问题域。由于专家系统在判断问题时,表现出知识的不完备性、知识获取的“瓶颈”以及较差学习能力、推理能力的“脆弱性”等问题。为了克服财务管理和会计专家系统存在的问题和提高系统的智能化程度,随着专家系统研究工作的进一步深入,一方面,人们研究如何通过合理使用专家系统技术本身改善其性能。另一方面,由于专家系统中的知识类型不断增加,单一的知识类型和问题求解方法给专家系统的应用带来很大的局限性,远远不能满足复杂问题的求解要求。为使系统更加有效地工作,同时采用多个问题求解器处理一个复杂问题成为必要。
参考文献:
[1]陈文伟.智能决策技术[M].北京:电子工业出版社,1998.
[2]陈佳.信息系统开发方法教程[M].北京:清华大学出版社,1998.
[3]Joyce Bischoff.数据仓库技术[M].北京:电子工业出版社,1998.34-38.
[4]高洪深.决策支持系统(DSS)——理论、方法、案例[M].北京:清华大学出版社,1996.
对人工智能教育的建议范文第5篇
关键词：知识表示与知识推理；教学设计；教学实践；数理逻辑；人工智能
知识表示与知识推理是智能信息处理的基础。从人工智能的角度看，知识是构成智能的基础，人类的智能行为依赖于利用已有的知识进行分析、猜测、判断和预测等。当人们希望计算机具有智能行为时，首先需要在计算机上表达人类的知识，然后再告诉计算机如何像人一样地利用这些知识。
自从人工智能领域诞生以来，知识表示与知识推理就一直是其中最为重要的子领域。经过五十多年的发展，知识表示与知识推理领域的许多研究内容、研究方法和研究成果已经深深渗入到计算机科学，进而对计算机学科的发展产生了深远的影响。例如，在C++、Java等面向对象程序设计语言中，“继承”这一最为核心的技术就来源于知识表示与知识推理。再如，在软件自动化领域，许多程序规格语言和程序验证技术都借鉴了知识表示与知识推理领域的Prolog语言等研究成果。从工程开发的角度看，专家系统、智能搜索引擎、智能控制系统、智能诊断系统、自动规划系统等具有所谓智能特征的系统都或多或少地依赖于知识表示与知识推理技术。因此，对于计算机专业的学生来说，学习知识表示与知识推理方面的课程，对于今后在相关领域从事系统开发和科学研究都大有裨益。
在ACM与IEEE-CS联合攻关组制订的计算教程CC2001(Computing Curricula 2001)中，知识表示与知识推理得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成：在其中的IS(Intelligent Systems)知识领域中，关于知识表示与知识推理的内容占据了10个知识单元中的2个，即知识单元“(Is3)知识表示与推理”以及知识单元“(IS5)高级知识表示与推理”。在ACM和IEEE-CS进一步修订后的计算机科学教程CS2008(Computer Science Curriculum 2008)中，知识表示与知识推理同样得到了高度重视。此外，在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中，上述的IS3和IS5两个知识单元被全部包括到计算机科学专业的核心课程“人工智能”中。然而，据我们了解，由于“人工智能”在许多高校仅仅作为专业任选课开设，使得计算机相关专业的许多学生无法接触到知识表示与知识推理方面的内容。与此同时，由于课时数限制及没有得到重视等因素，实际开设的“人工智能”课程(包括本科生课程和研究生课程)往往难以覆盖CC2001在知识单元IS3和IS5中列出的各个知识点。
实际上，经过五十多年的发展，知识表示与知识推理领域已经沉淀出一系列基本的方法、理论和技术；这些方法、理论和技术在CC2001的知识单元IS3和IS5中基本上都以知识点的形式列举了出来。作为计算机专业的教育工作者，我们有责任将这些体现了几代人智慧结晶的知识介绍给学生。另一方面，从研究者的角度来看，知识表示与知识推理是一个非常活跃的研究领域；尤其是随着Web技术的发展以及Web科学的出现，知识表示与知识推理将在计算机科学中扮演越来越重要的角色。面对万维网这个全球最大的分布式信息库，如何让计算机对其中海量的数据和信息进行分析、推理和管理，进而为人类提供方便的知识服务，是目前信息技术领域面临的一个重大问题。针对这个问题，国内外研究者基本上都是从人工智能的角度寻求解决思路；近年来成为研究热点的语义Web更是完全建立在知识表示与知识推理的基础上。因此，从开拓学生思维以及介绍研究与技术前沿的角度来看，也非常有必要向学生讲授知识表示与知识推理的相关内容。
基于以上认识，我们为计算机软件与理论专业和计算机应用技术专业一年级的硕士研究生开设了一门32课时的选修课程，以CC2001和CS2008列出的知识单元为核心，对知识表示与知识推理的相关内容进行教学。本文对教学设计和教学实践中遇到的主要问题进行分析，针对这些问题给出相应的解决对策，并对我们获得的经验和教训进行总结。
1 “知识表示与知识推理”知识体的教学设计
自上世纪九十年代以来，国内外许多高校就将“知识表示与知识推理”作为一门课程，面向研究生或高年级的本科生开设。其中比较著名的包括加拿大多伦多大学Hector J.Levesque教授开设的知识表示课程，美国斯坦福大学Leom Morgenstem教授开设的知识表示课程，英国曼彻斯特大学Ulrike Sattler教授等讲授的知识表示和推理课程，中山大学刘咏梅教授讲授的知识表示和推理课程等。但是，由于没有统一的课程设置标准，这些课程讲授的知识点都不尽相同。2000年，Leom Morgenstem和Richmond H.Thomason总结了开设知识表示与知识推理课程时面临的挑战，提出了相应的解决思路。其中，针对该课程缺乏统一的教学知识体的情况，他们设计了一个持续14周、每周2次课的教学大纲。在文献[5]中，Leora Morgenstem进一步修订了之前提出的教学大纲，建议在其中增加语义Web及Web本体语言OWL等内容。
尽管目前各高校开设的知识表示与知识推理课程的课程大纲仍然不尽相同，但比较可喜的是，对知识表示与知识推理的教学在CC2001计算教程中得到了高度重视。CC2001分别在“知识表示与推理”和“高级知识表示与推理”两个知识单元中列出了关于知识表示与知识推理的教学内容。知识单元“知识表示与推理”由以下知识点组成：命题逻辑和谓词逻辑回顾，归结原理与定理证明，非单调推理，概率推理，贝叶斯定理。知识单元“高级知识表示与推理”由以下知识点组成：结构化知识表示(包括对象与框架、描述逻辑和继承系统)，非单调推理(包括非经典逻辑、缺省推理、信念修正、偏好逻辑、知识源的集成、冲突信念的聚合)，对动作和变化的推理(包括情景演算、事件演算和分枝问题)，时态和空间推理，非确定性推理(包括概率推理、贝叶斯网络、粗糙集和可能性理论、决策理论)，针对诊断的知识表示与定性知识表示。在CC2001的基础上，CS2008在知识单元“知识表示与推理”中增加了合一与提升、前向链接、反向链接以及归结等知识点；在知识单元“高级知识表示与推理”中增加了本体工程和语义网络两个 知识点。
以CC2001和CS2008列出的知识点为基础，在综合考察了国内外相关课程的开设情况之后，我们对“知识表示与知识推理”课程的教学内容及相应的学时分配设计如下。
1)概述(2学时)。介绍知识表示与知识推理领域的发展历史、现状和前景：讲授知识表示的基本思路和基本原理；介绍知识表示方法和技术的典型应用：列举典型的采用了知识表示技术的系统，与没有采用知识表示技术的系统进行比较分析。
2)基于一阶谓词逻辑的知识表示和推理(4学时)。讲授一阶谓词逻辑的语法、语义和语用；通过例子讲授如何应用一阶谓词逻辑进行知识表示；讲授如何应用消解原理进行知识推理；讲授如何应用Tableau算法进行知识推理；分析一阶谓词逻辑存在的局限。
3)Horn子句逻辑与产生式系统(2学时)。讲解Horn子句及其过程解释；介绍SLD归结以及分别采用反向链和正向链的推理过程；通过例子讲授如何应用Horn子句逻辑进行知识表示和推理；对Prolog语言进行简单介绍；通过例子介绍如何应用产生式系统进行知识表示和推理。
4)结构化知识表示(6学时)。介绍对象与框架，介绍基本的框架形式系统：介绍语义网络，对推理过程中的继承机制进行介绍。介绍描述逻辑家族的研究历史和发展现状；以逻辑系统ALC为例，讲解描述逻辑的语法和语义；通过例子讲授如何应用描述逻辑进行知识表示；讲授如何应用Tableau算法对描述逻辑刻画的知识进行推理。
5)非单调知识表示和推理(4学时)。介绍非单调性推理的研究历史；讲解封闭世界假设与开放世界假设；讲解缺省推理和限定推理；对自认知逻辑、偏好逻辑和真值维持系统进行介绍；对信念修正、知识源的集成以及冲突信念的聚合进行介绍。
6)非确定知识表示和推理(4学时)。对模糊逻辑进行介绍；讲授概率推理和主观贝叶斯方法；对粗糙集、可能性理论和决策理论进行介绍。
7)解释与诊断(2学时)。讲授反绎推理的基本思路，将其与演绎推理和归纳推理进行比较分析；以一个电路系统为例，讲授如何在知识表示的基础上采用反绎推理进行故障诊断。
8)动作与规划(4学时)。介绍动作与规划领域的研究历史和发展现状；讲授如何在STRIPS系统中对动作进行刻画以及如何进行规划求解：讲授如何应用情景演算和事件演算对动作进行刻画、推理、及规划求解；对框架问题、条件问题和分枝问题进行介绍；对规划语言PDDL进行介绍。
9)时态和空间推理(2学时)。对时间点／时间段、离散／连续、有限／无限、线性／分支等表示时态信息的不同方式进行介绍；对Allen的区间代数理论进行介绍；对线性时态逻辑和分支时态逻辑进行介绍；对基于点／基于区域、离散／连续、有限／无限、同维／混合维等表示空间信息的不同方式进行介绍；对区域连接演算RCC进行介绍；对时态与空间推理的结合进行简单介绍。
10)语义Web和本体工程(2学时)。介绍语义Web的基本思想、技术现状和发展趋势；讲授语义Web的层次模型以及各个层次的目标和功能；对资源描述框架RDF、Web本体语言OWL、Web规则标记语言RIF、Web查询语言SPARQL等进行介绍。对本体的构建、管理和维护进行介绍。
上述教学内容的基本特点是覆盖了CC2001和CS2008列出的关于知识表示与推理的所有知识点。此外，我们将目前作为计算机科学和人工智能领域研究热点的语义Web等内容引入了课堂教学，不仅可以将相关研究前沿展示在学生面前，而且还可以让学生更加深刻地体会学习知识表示与知识推理的价值，进一步激发他们的学习热情。另一方面，上述教学内容存在的一个缺陷是内容过多。由于受到课时数的限制，部分内容在讲授时不能充分展开，留给学生课堂练习和讨论的时间不充裕。
2 教学实践中的主要问题及对策
在围绕“知识表示与知识推理”知识体开展教学实践时，我们遇到的问题主要来自以下几个方面：教师和学生对“人工智能”课程以及其中的“知识表示与知识推理”知识体不重视，缺乏合适的教材，学生缺乏必要的基础知识。下面对这些问题进行逐一分析，对我们采取的对策进行相应介绍。
2.1 师生对“人工智能”课程不重视
许多教师和学生对“人工智能”课程不够重视，甚至存在偏见。我们觉得，这种现状很大程度上是由人工智能自身的发展历程造成的。人工智能领域刚诞生时就被赋予过高的期望；早期的研究者也过于乐观地给出了一些不切实际的承诺。由于不能在短期内实现过高的目标和兑现相应的承诺，使人工智能领域在上世纪80年代末90年代初一度跌入低谷，甚至达到了声名狼藉的地步。这一特殊的发展历程使得一部分对人工智能了解不多的教师和学生产生误解，认为人工智能是一个比较务虚的领域。这种误解甚至影响到“人工智能”课程的开设。目前，在许多高校计算机相关专业的课程设置中，“人工智能”往往只作为选修课程开设，没有得到教师和学生的普遍重视。
实际上，从信息技术发展规律的角度来看，人工智能的上述发展历程是很正常的。根据市场权威研究机构Gartner给出的“技术成熟度曲线”(hype cycle)理论，一项新的IT技术在产生之后，一般先是默默无闻地奋力发展几年，然后会由于被大家寄予很高的期望而迅速火爆起来，接着会因为没能兑现过高的承诺而跌入谷底，最后会再次崛起并由于过硬的成就而被大众普遍接受。人工智能已经经历了从默默无闻到迅速火爆再到跌入谷底的发展过程，目前正处于再次崛起的阶段，并且将通过不断取得的成就而被大众普遍接受。
人工智能的教学在CC2001和CS2008中得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成，作为其中的知识领域之一，智能系统(即人工智能)与离散结构、程序设计、操作系统、计算机体系结构等已经得到普遍重视的知识领域具有了相同的地位。在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中，也将“人工智能”作为了计算机科学专业的核心课程。但是，对人工智能相关知识的传播需要一个长期的过程，仍然需要广大科研和教育工作者的不懈努力。
2.2 师生对“知识表示与知识推理”知识体不重视
即便部分教师和学生认识到人工智能知识领域的重要性，但对于其中的“知识表示与知识推理”知识体仍然不够重视，认为没有必要专门通过一门课程进行教学。
针对这个问题，我们可以对人工智能领域的发展历程作进一步考察。我们知道，人工智能领域的诞生就是从知识表示和知识推理开始的。在1956年标志着人工智能诞生的Dartmouth会议上，Herbert Simon和Allen Newell展示的“逻辑理论家”就依赖于知识表示和知识推理。在此之后的五十多年中，知识表示与知识推理就一直是人工智能中最为重要的子领域。相 应的一个佐证是，1966年到2009年期间，在获得图灵奖的56名科学家中，Marvin Minsky、John Mccarthy、Herbert Simon、Allen Newell、Edward Feigenbaum和Raj Reddy等6名科学家都在知识表示与知识推理领域取得了开创性的研究成果。
知识表示与知识推理的重要性在CC2001和CS2008中同样得到了体现。CC2001给出的“智能系统”知识领域由以下10个知识单元组成：智能系统中的基本问题、搜索与约束求解、知识表示与推理、高级搜索、高级知识表示与推理、智能主体、自然语言处理、机器学习与神经网络、人工智能规划系统、机器人；C$2008在CC200I的基础上增加了智能感知这个知识单元。其中，关于知识表示和知识推理的教学内容不仅占据了两个知识单元，而且在智能主体、人工智能规划系统、机器人等知识单元中也占据了相应的多个知识点的位置。由于32课时的人工智能选修课程通常只能对上述知识单元作一个概要性的介绍，对于想进一步深入学习的学生，在有条件的情况下，我们完全有必要开设一门关于“知识表示与知识推理”的课程。另外，从上一节给出的教学设计可以看出，如果要覆盖CC2001和CS2008给出的关于知识表示与知识推理的所有知识点，一门32课时的课程在时间上还很不够用。因此，基于以上分析，我们希望“知识表示与知识推理”的教学首先能够得到相关教师的认可和重视，然后通过课程设置等途径逐渐吸引学生的关注，并在教学过程中激发起学生的学习兴趣和热情。
2.3 缺少合适的教材
尽管CC2001和CS2008详细地列出了关于知识表示与知识推理的主要知识点，但是，据我们所知，目前还没有出现完全覆盖这些知识点的合适教材，而中文的相关教材更是缺乏。
在参考了多方面的资料之后，我们选择了Ronald Brachman和Hector Levesque撰写的《Knowledge Representation and Reasoning》作为教材。Ronald Brachman和Hector Levesque都是知识表示与知识推理领域的著名学者。其中，Ronald Brachman于1977年在哈佛大学攻读博士学位时提出了KL-ONE系统，开创了目前成为研究热点的描述逻辑领域，之后于2003年担任了美国人工智能学会的主席，目前是ACM院士、雅虎全球研究运营副总裁。Hector Levesque在知识表示领域也做出了许多开创性的研究成果，曾于2001年担任人工智能顶级会议IJCAI的主席，于2006年当选加拿大皇家学会会士。除了时态和空间推理以及本体工程这两个知识点之外，CC2001和CS2008中列出的其他关于知识表示与知识推理的知识点，在《Knowledge Representation and Reasoning》中都基本上得到了体现。另外，为了在课程中向学生介绍语义Web方面的知识，我们选择了Grigoris Antoniou和Frank van Harmelen撰写的《A Semantic Web Primer》作为参考书目。
2.4 学生缺乏必需的基础知识
知识表示与知识推理的核心思想是采用形式语言(尤其是逻辑语言)对知识进行刻画和推理，因此要求学生在学习该课程前具有扎实的数理逻辑基础知识。
尽管数理逻辑对于整个计算机学科来说具有非常重要的作用，但在目前计算机相关专业的课程设置中，数理逻辑往往只作为离散数学课程的一个部分进行教学，在课时数量上非常有限。此外，从教材的角度来看，大部分离散数学教材的数理逻辑部分主要介绍命题逻辑的相关知识，而且只介绍命题逻辑联结词、范式、等值演算、自然推理系统等最基本的内容；对一阶谓词逻辑以及命题逻辑中更为深入的内容介绍得很少，甚至不介绍。这些内容对于学习知识表示与知识推理知识体来说远远不够。例如，根据我们在讲授“知识表示与知识推理”之前的调查，许多研究生对于一阶谓词逻辑的语法与语义等基本概念都还比较模糊，对于消解原理、Tableau方法、可满足性问题等内容更是没有接触过。
针对上述问题，除了原计划关于一阶谓词逻辑知识表示的4个课时之外，我们临时增加了2个课时的课堂教学，为学生补充命题逻辑的语法和语义、公式可满足性问题、Tableau判定算法、基于消解原理的判定算法等内容。由于受到课时的限制，许多重要的结论及其证明过程无法在课堂上详细阐述。
值得一提的是，由于研究课题的需要，我们组织部分研究生一起学习了John Bell和Moshe Machover撰写的著名教材《A Course in Mathematical Logic》。在学习这本教材时，我们将研究生分为三个小组，让各个小组自学该教材，对其中的引理、定理以及问题(Problem)进行证明或求解，然后在每周一次的学习班上使用黑板讲解他们的证明或求解过程。在3个月的时间里，将这本教材中的第一章和第二章学完后，这些研究生的数理逻辑知识明显上了一个台阶。在之后学习知识表示与知识推理的过程中，这部分研究生的学习效果也明显好得多。在今后的教学中，我们希望计算机相关专业的研究生能够先学习一门数理逻辑方面的课程，然后再学习知识表示与知识推理课程。
3 结语
