首页 > 文章中心 > 人工智能对教育的意义

人工智能对教育的意义

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篇人工智能对教育的意义范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。

人工智能对教育的意义

人工智能对教育的意义范文第1篇

关键词:新工科;人工智能导论;实践教学;校企合作;案例库

随着物联网、大数据、5G及人工智能等信息技术的发展,为了应对中国产业变革及新一轮的科技革命,适应“中国制造2025”国家战略需要及产业经济创新发展,同时将国际工程教育思想本土化,“新工科”应运而生[1]。信息技术发展催生出了人工智能相关的专业,国内高校纷纷设立了智能科学与技术专业。近年来,人工智能技术的发展引领着人类社会正逐渐走进智能社会,人工智能将深刻影响人类社会。随着人工智能的进一步发展,高等教育的价值也将进一步提高[2]。因此,各高校应尽快建立与新工科相一致的智能科学与技术专业,并深入研究我国人工智能的人才培养体系、课程设置、实验平台及成果转化等方法,改革传统人工智能的教育教学方法,形成有新工科特色的智能科学与技术专业工程教育方法。由于传统的专业是按学科划分的,因此,目前的智能科学与技术专业课程体系以理论为主,强调学科知识的系统性和完备性[3]。人工智能导论作为智能科学与技术专业的核心课程,同时也是人工智能“入门性”和“引导性”的课程。但是,目前人工智能导论的课程设置上主要存在课程内容陈旧、实践课程不足、教材理论过强、教学模式老旧及实践教学与企业需求不适应等问题。尤其是人工智能导论课程,缺乏实践教学将会降低学生学习人工智能的兴趣和积极性。因此,为了解决这些问题,并使高校跟上人工智能时代的脚步,抓住高等教育发展的新机遇,进行面向新工科的人工智能导论实践教学模式探索具有重要的现实意义

1人工智能对新工科人才的新要求

1.1具备多学科交叉知识。人工智能导论是一个多个学科交叉而成的一门课程。人工智能导论主要包括知识系统、智能搜索技术、脑科学、机器学习、神经网络、支持向量机、专家系统、智能计算及分布式智能等内容[4]。因此,一个合格人工智能专业人才需要具备多学科知识。1.2具备多领域应用能力。人工智能导论的应用领域广泛,基本包含工业、农业及社会生活的各个行业(如工业生产、通信、医疗、金融、社会治安、交通领域及服务业等)[5]。人工智能导论课程要求学生在学好理论前提下也应该掌握各行业的相关知识,只有这样才能提高人工智能技术在各领域的应用。1.3具备人工智能创新创业精神。目前,创新驱动发展成为了我国现阶段发展的重要力量,人工智能成为经济发展的新引擎[5]。在大众创业、万众创新的号角下,人工智能技术作为创新创业过程中的一个大趋势。因此,当今新形势下培养具有创新创业精神的人工智能专业人才对我国经济发展及大学毕业生创新创业具有重要意义。1.4具备人工智能人文素养。人的内在品质就是人文素养,人文科学的知识水平和研究能力是人文素养的重要组成部分,人文素养是人文科学体现出来的以人为研究对象和中心的精神[6]。人工智能对人类社会带来的是便利还是带来灾难,关键是使用者的思想道德和人文素养。因此,培养具有人文精神的人工智能专业人才具有重要的意义。

2人工智能导论课程教学现状

目前,许多高校已经认识到传统的人工智能导论课程已经不能适应社会和学生发展的需要。尤其是地方普通高校在师资、科研及学科力量薄弱情况下进行人工智能导论的实践教学。目前人工智能导论的课程设置上主要存在的问题如下:⑴本科生课程内容陈旧。近年来,随着云计算、大数据、5G等信息技术的快速发展,也带动人工智能技术发展日新月异。对于高校来说,要紧跟人工智能技术前沿,传授学生的知识也要紧跟人工智能的发展。目前,虽然也出现了不少新的人工智能导论教材,但在课堂上能够教学的新内容仍然不多,教材内容仍然集中在传统的人工智能技术(如问题求解、知识表示、归结原理及经典推理等技术)上。⑵研究生课程内容重叠。研究生的人工智能导论课程应作为本科生课程的一个延续,但部分高校对研究生人工智能导论课程的教学重视不够。很多本科生已经学过的内容在研究生阶段又进行了重复。因此,在新工科背景下培养高层次的人工智能人才,就必须要在研究生阶段加强新工科人才实践能力的培养,选择合理的人工智能导论课程,改革研究生阶段人工智能导论的教学理念和教学模式。⑶实践课程不足。实践教学是提高人工智能新工科人才能力的重要路径。目前,大多数院校的人工智能导论课程理论与实践联系不够紧密,对学生实践能力的培养不够,只知道理论,而不进行实际的实践应用就不能成为合格的人工智能新工科人才。另外,大多数地方高校的人工智能实验室建设投入不足,实验条件差,验证性的实验较多,实验课时不足,学生对人工智能新技术的接触不够。⑷人工智能导论教材理论性过强。目前,现有的人工智能导论教材以理论为主,缺乏人工智能实践内容。在课程教学过程中学生经常会感觉索然无味,当实践课程开设不足时,这种情况会非常明显。学生会渐渐的对人工智能导论课程失去兴趣和热情,最终会导致课程的教学质量和效果下降,不能达到新工科人工智能专业人才培养的预期。⑸教学模式老旧。人工智能导论是多学科交叉的课程,课程内容理论性强、抽象、多知识点是新工科的特点。然而,大多数地方高校仍然采用过去的课堂教学模式(即“教师讲、学生听”的教学模式),这种单向灌输的教学方式以教师为主,学生的主动性不够,只是在被动接收知识。学校这种重视理论不重视实践的教学模式,在一定程度上影响了新工科人才的实践能力,从而导致教学内容与企业社会需求脱节。

3人工智能导论实践教学初探

3.1人工智能导论课程实践平台建设。为了提高学生对实践教学的兴趣,南阳师范学院计算机科学与技术学院在人工智能导论授课过程中广泛应用多种计算机实验教学平台,如采用开源的PaddlePaddle百度飞桨深度学习平台,希冀一体化人工智能实践教学平台及大数据综合实验平台。教师可以在实践教学过程中方便的使用这些平台进行授课,学生也可以在课堂中跟随老师完成相关实验,并能够在课下进行相关实验练习及提交作业。3.2人工智能导论课程实验内容优化。在人工智能导论实践教学过程中,以学生兴趣为导向,开展相关应用课程实验,南阳师范学院计算机科学与技术学院对人工智能导论实验课程内容进行优化。优化后的主要实验课程包括搜索优化算法实现、智能计算实现、贝叶斯分类实验、最近邻算法实验、机器学习实验及神经网络实验。最后,通过期末课程设计进一步提高学生解决实际问题及创新创业的能力。3.3人工智能导论实践教学模式改革。⑴校企合作为使人工智能导论实践教学不与企业脱节,校企合作是关键。应积极派遣教师进企业进修,了解企业需求,并提高教师的工程能力。从2018年以来,南阳师范学院计算机科学与技术学院每年暑假期间累积派遣教师58人/次前往百度、中兴、科大讯飞、神舟数码及江苏传智播客公司等进修培训。同时已经在固定时间邀请相关企业讲师到学校进行人工智能方面的项目教学。建立起了具有地方区域特色的师资队伍及校企协调的实践教学模式,从而避免人工智能导论课程实践与企业实际脱节。⑵“双导师”负责制人工智能导论实践课程实行“双导师”制,邀请企业中实践经验丰富的人才任教或任职,校企合作建立实践教师指导团队,改革教学策略及教学方法,以项目为牵引,将人工智能导论实践课程作为第二课堂学分。还要积极制定人工智能相关的科技作品竞赛的奖励机制,积极引导学生参加各种人工智能相关的比赛,从而进一步提高学生在创新实践方面的能力。⑶采用案例教学法以案例导入进行教学,提高学生兴趣。首先,从人工智能竞赛的部分赛事中、(如百度的人工智能大赛,“2020年全国人工智能大赛”,“2020中国高校计算机大赛人工智能创意赛”等)中选取贴近实际问题的案例作为人工智能导论实践课程的案例来源。然后,采用目前主流的人工智能开发软件进行算法代码的编写,引导学生采用Python语言调用第三方接口库进行算法的实现。最后,让学生使用主流的编程语言(如C++、Java等)开发完善算法或进行系统设计与实现。

4结束语

在新工科背景下,人工智能导论作为智能科学与技术专业的基础核心课程,人工智能人才培养应注重提高学生解决问题的能力。在这种背景下,笔者结合近年来了解到的企业需求和上课的实际,对人工智能导论实践教学模式进行初探,具体如下:①校企合作,构建人工智能实践平台;②建立案例库,优化实践的内容;③校企“双导师”制,采用案例教学,从而进一步提高学生在创新实践方面的能力。

参考文献:

[1]杨晴,王晓墨,成晓北等.新工科背景下的新能源科学与工程专业——哈佛大学工科教育在学科交叉方面的启示[J].高等工程教育研究,2019.S1:23-24,33

[2]李明媚,成希,罗娟.人工智能时代的高等教育之变与不变[J].黑龙江高教研究,2020.2:41-44

[3]陈义明,刘桂波,张林峰等.智能科学与技术专业课程体系建设的理论思考[J].计算机教育,2020.309(9):103-107

[4]刘永,胡钦晓.论人工智能教育的未来发展:基于学科建设的视角[J].中国电化教育,2020.2:37-42

[5]姚琳,石志国.人工智能课程体系与教学方法研究[J].中国大学教学,2019.10:19-22

人工智能对教育的意义范文第2篇

关键词:人工智能;计算机网络技术;应用

中图分类号:TP311 文献标识码:A 文章编号:1009-3044(2015)29-0151-02

在当前的社会当中,人工智能是一项应用前景十分广阔的技术,在社会各个领域中,都得到了极为广泛的应用。在人们的日常娱乐、工作、生活当中,人工智能发挥了很大的作用,例如专家系统、智能电器等。智能化科技的出现和应用,使得人们的生活得到了极大的丰富。同时,人工智能的出现,还为我国科技领域的发展进步提供了良好的方向,尤其是在计算机网络技术领域,更是得到了极大的发展和应用。

1 人工智能技术的概念

人工智能指的是对计算机进行应用,以此模仿人类的智能行为和思维过程,从而形成的一门综合性学科。在人工智能当中,涉及了哲学、语言学、心理学、计算机科学等。通过人工智能,对人类的听觉、感觉、视觉、触觉、思维等进行模拟,从而实现人工智能化的机器,帮助人们解决生活和工作中的问题,从而确保人们的安全、提高人们的效率。作为一种新型的智能技术,人工智能目前的发展速度很快[1]。利用计算机系统进行相应的编程,模拟人们的工作和生活环境,从而完成智能化、自动化的系统操作。在产生和应用人工智能的过程中,涉及很多其他的学科,其中,计算机网络技术十分重要,对人工智能的发展方向有着很大的影响。

从某一种意义上来说,计算机网络技术的发展,也是以人工智能技术为基础的。从简单的词义解释、数据运算,转变为智能化人机操作,体现出了人工智能的核心地位。在对不确定信息进行处理的过程中,人工智能具有很大的优势,它能够对系统局部的整体和局部资源状态进行详细的理解,并且对提取的信息进行及时处理,将相关信息提供给用户。此外,在人工智能当中,协作能力也比较强,通过有效的整合资源,在不同用户之间,能够交换信息和资源。在人工智能中,连接了网络管理,从而使网络管理环境得到优化,从而实现降低成本、提升效率等作用。

2 人工智能技术的优势

在计算机网络的应用中,具有实时性、瞬变性、高速性、动态性等特点,因此,应当不断提高管理技术的灵活性和多样性,从而更好地确保计算机网络的稳定性、安全性和高效性。而人工智能技术具有很多方面的优势,因而能够在计算机网络中发挥重要的作用。特别是在对不可知性、不确定性等问题中,人工智能具有较强的处理能力。

人工智能技术,例如模糊逻辑等,对于系统数学模型,无需进行详细的描述,因此,可以将模糊逻辑引入到智能化网络管理中,从而使网络管理具备模糊信息处理能力[2]。这样,能够更加良好的控制和管理这些不可知性、不确定性信息,提高网络系统的效率。协作能力也是人工智能技术中的一个重要优势,随着网络结构、网络规模的不断扩大,在网络管理中,逐渐发生了层次化的转变。上层管理者功过轮询的方式监测中层管理者,而中层管理者也通过同样的形式监测下层人员,因而带来了协作的问题。人工智能中,多的协作分布思维,能够更好的协作各个层次之间的管理。

人工智能的推理、解释、学习能力很强,能够对低层信息进行解释和学习,从而对高层概念和信息进行推理。对于推理的得出的高层概念和信息,进行网络控制和网络管理。对于非线性问题,人工智能能够进行良好的处理,通过对人类智能的模拟,从而解决这些问题。此外,在人工智能技术的应用中,不会占用很大的计算机资源。在人工智能当中,模糊控制法等算法的运算速度十分迅速,能够一次性搜索得到最优解,从而提高了计算机网络技术的处理技术。

3 人工智能技术的应用

1)网络安全管理

在计算机网络技术当中,人工智能具有很多方面的应用,尤其是在网络安全管理当中,应用更为广泛。对于计算机网络技术的安全管理来说,入侵检测具有重要的意义,对于网络安全来说有着十分重要的影响。在防火墙技术当中,入侵检测也是作为核心的部分[3]。通过人工智能技术的应用,计算机网络系统能够更好地发挥出入侵检测功能的作用,从而提高系统资源的保密性、可用性、安全性、完整性。在入侵检测技术的应用当中,主要是通过分类处理数据和筛选采集数据,形成最终的报告,并且将网络信息的安全状态向用户进行实时反馈。在当前的人工神经网络、模糊识别系统、专家系统当中,基于人工智能的入侵检测应用最为广泛。

基于人工智能对传统的防火墙进行改造,形成了智能化防火墙系统。相比于其他的防御系统,智能防火墙应用了很多智能识别技术,例如统计、决策、概率、记忆等方法来处理和识别数据,从而在计算机的运行当中,匹配检查所占用的资源更小,避免对网络有害行为的发现效率降低。这样,能够对有害信息进行更加有效的限制和拦截[4]。相比于传统的防御软件,智能防火墙的效率和作用都要更为良好,能够解决传统防御软件带来的拒绝服务共计的问题,对于病毒的入侵和传播,发挥了良好的抑制作用。

此外,智能型反垃圾邮件系统也是人工智能在计算机网络技术中的另一大应用。通过这种方式,能够有效的屏蔽垃圾邮件,不会对客户信息安全造成影响。通过有效的监测用户邮件,开启式的扫描邮箱当中的垃圾邮件。同时,将垃圾邮件分类信息提供给用户,提醒用户及早进行处理,从而更好地确保邮箱系统的整体安全性。

2)网络管理和系统评价

电信技术、人工智能等方面的发展,推动了网络管理的智能化转变,除了在计算机网络安全管理中的应用之外,人工智能当中的问题求解技术、专家知识库等也得到了充分的应用,从而实现了良好的综合性网络管理。在网络管理当中,由于网络的瞬变性、动态性等特点,产生了很大的工作难题。因此,在现代化的网络管理当中,也逐渐朝着智能化的方形发展。基于人工智能,产生了专家级决策和支持方法,在信息系统管理当中,应用十分广泛[5]。在计算机程序当中,专家系统具有较高的智能性,在某一个领域当中,积累了大量专家的经验和知识,基于此进行归纳和总结,从而形成了资源录入相关系统。通过这种方式,在某个领域当中,汇集了大量专家的经验,从而对该领域当中的相关问题进行处理。因此,在计算机网络管理和系统评价当中,运用人工智能,综合大量专家的知识和经验,建立相应的专家系统,从而在遇到相关问题的时候,能够调用其中的知识,更好地进行网络管理和系统评价工作。

4 结论

人工智能是当前一项十分先进的科学技术,这一技术的产生和应用,极大地改变了人们的娱乐、工作和生活方式。而随着人工智能的不断发展和完善,其在计算机网络技术中的应用需求越来越多,因而实际应用也将越来越广泛。运用人工智能,能够在网络安全、网络管理、系统评价等方面发挥重要作用,从而推动计算机网络技术的更大进步。

参考文献:

[1] 马义华. 人工智能在计算机网络技术中的运用分析――评《计算机网络技术及应用研究》[J]. 当代教育科学,2015(20):9.

[2] 刘健. 人工智能在网络教育中的应用探讨[J]. 计算机光盘软件与应用,2014(6):244-246.

[3] 黄丽萍. 人工智能技术在计算机网络教育中的应用[J]. 计算机光盘软件与应用,2014(10):236-237.

人工智能对教育的意义范文第3篇

在国家社会科学基金和互联网经济学研究联盟的支持下,《财经问题研究》编辑部特别组织了“互联网经济的理论与反垄断政策探讨”笔谈,邀请数位专家对相关问题展开讨论,相关成果发表于《财经问题研究》2018年第9期,本文为其中之一。

核心问题

人工智能和互联网能否带来新的经济增长?

产业互联网将如何影响产业竞争的格局,其对整个经济的增长有什么样的影响?

平台型组织的演变会对社会产生多大的影响?

01

引 言

在过去的十多年时间里,全球经济面临一个比较大的挑战就是如何重塑经济增长。2005—2014年,全球最发达的经济体的增长率长期停滞不前,急需要寻找一个新的经济增长驱动力量。

互联网在中国经历了20年的快速发展之后,已经取得了世人瞩目的成就。特别是随着智能手机的普及,移动互联网在中国已经相当发达。根据中国互联网协会的数据,2016年中国境内活跃的手机上网码号数量达12.47亿。

得益于中国特殊的市场规模和移动互联网的发展,中国的消费互联网市场发展迅速,代表性的电商平台如阿里巴巴、社交及游戏公司腾讯,这两个公司以市值计均进入全球财富五百强的前十位。

当前,人们关注的热点是中国的互联网红利是否已经消失,传统产业的互联网转型是否会带来新的增长机会?

此外,人工智能最近这几年发展迅速。2017年中国的人工智能(AI)投资仅次于美国,成为投资热点,政府也不断推出鼓励和支持政策。

这种变化引发业界和学界的思考,是不是会出现新的驱动经济增长的力量?这个力量如果能够驱动经济增长,其对于整个社会的改变会有哪些影响?

1999年,美国微软的创始人盖茨有一个非常有名的论断:商业新法则就是“互联网会改变一切”。从他提出这个论断到现在已近二十年,可以看到,电影、阅读、新闻等商业模式都发生了巨大的变化。

但另一方面,还有很多东西没有发生变化,如航空发动机的数据获取,1960年和2015年的方式并没有太多的变化。很多产业,如海关报关等,也没有发生实质性的变化。在今天,一个备受关注的问题是,人工智能对于社会将有多大影响?

笔者将从产业竞争和战略的角度来讨论产业互联网和人工智能会如何重塑中国经济的问题。主要讨论三个问题:

第一,人工智能和互联网对经济增长的影响。人工智能和互联网是否有可能提高经济的长期增长水平?

第二,产业互联网将如何影响产业竞争的格局?它对整个经济的增长有什么样的影响?

第三,产业互联网和人工智能如何影响产业结构的变化?特别是产业互联网和人工智能是否会导致产业的平台化?这种平台型的组织又会对社会产生多大的影响?

分析表明:

第一,产业互联网和人工智能会大幅度提升生产力。而且产业互联网和人工智能会提升要素配置的效率,进而提升生产率。因此,可以乐观看待长期经济的增长率。

第二,平台和组件的模式会影响一切组织和经济形态。平台会影响国家的竞争、城市的演变和产业转型。一切组织都会向平台化的方向发展。

02

人工智能和经济增长

经济的长期增长,主要是来自全要素生产率的增长。全要素生产率的增长,除了科技(包括人工智能)的进步,还包括管理效率和要素错配这两个问题带来的影响。

大量的数据都表明,经济的长期增长率一直在下降。无论是20世纪80、90年代还是千禧年后,整个世界的GDP增长一直在下降。

Gordon(2016)提出,美国的长期经济增长将继续下台阶。Gordon研究了美国过去150年的经济发展史,认为美国的发展呈现倒U型的特征。美国经济大约从19世纪70年代开始起飞,到20世纪50年代达到顶点,之后逐步下降。

Gordon的一个略为意外的发现是,从20世纪70年代开始,美国经济的增长表现非常普通,特别是创新的步伐和技术进步带来的增长并没有惠及到更多人。

为什么现在大家如此关心人工智能的发展?很重要的一个原因是希望能够找到提升经济增长新的关键要素,希望找到推动经济持续增长的新动力。这是大时代的背景。

人工智能是否会推动经济增长和提升生产率,对中国同样非常重要。

一是因为目前对中国经济长期增长源泉的解读有很多误区。很多人认为中国经济的增长来自于投资的驱动,认为由于投资占比已经很高,且投资回报率逐步降低,所以中国的经济增长必然下行。

第二个原因是人工智能对组织生产活动的要素配置会有影响。如果人工智能可以提升要素配置效率,那经济增长的潜力也会提高。

Zhu(2012)的研究表明,与很多人想象的不同,中国经济的增长主要来自于效率的提升,而不是来自于投资的增加。虽然投资的增加是经济增长很重要的一部分,但最主要的增长还是来自于经济效率的提升。他的这一发现在学术界受到了越来越多的关注。

这一研究的重要性不仅在于其给出了一个与主流很不一样的观点,更重要的在于这个研究对判断经济增长的潜力有非常大的参考意义。

根据这一研究,1978—2007年,在中国经济增长的贡献中,有70%是来自于全要素生产率的增长。这一结论非常重要,意味着中国长期经济增长仍然有非常大的空间。

这是因为在经历了40年的高速增长后,中国的全要素生产率仍然只有美国的20%多。这表明通过提升全要素生产率来促进中国经济增长的空间非常大。这就是为什么人工智能和新的经济增长动力如此重要的根本原因。

由此,需要一个坚实的支持经济增长的微观理论基础来对当前的经济形势进行解释和指导。人工智能可以看作是广义的机器自动化。在经典的索罗模型中,可以借助一个简单的增长模型来讨论人工智能对经济增长的影响。

参考ZEIRA(1998)的经济增长模型,简单来说,经济增长实际上可以看成一个抽象的生产函数。一个国家的产出是由生产力、资本和劳动共同决定的。

根据这一模型,可以推导出一个重要的结论:经济的增长速度与自动化的比例正相关,即自动化的提升会增加长期的增长。此外,自动化比例的提升意味着资本在总产出中的占比提高。

这个简单的模型有两个非常重要的含义。

第一,人工智能在理论上有可能会带来经济的持续增长。人工智能比例的提升,会带来经济增速的持续提高。这实际上就是从经济学上定义的奇点。经济学家在这方面向自然科学学习了很多。这里的所谓奇点,从经济学角度来说,就是持续的超高增速。

第二,资本和劳动在产出中的占比关乎收入的分配及平等和长期的社会稳定。资本占比提升和劳动的占比越来越低意味着贫富差距会增加。资本家是成为人工智能的投资者和获益者,而普通的工人则可能成为受害者。

对于人工智能对经济增长的影响,在给出确定结论前,可以简要回顾一下历史。关于人工智能的争论其实是一个历久弥新的话题,从信息技术一出现,大家就在讨论这个问题。

20世纪90年代《经济学人》的说法是,计算机不会提升人们的生产力。Zachary(1991)认为数据过载限制了生产率的提高。而信息技术对生产率的提升是显而易见的。

但1996—1999年,美国私人部门的年均增长率达到2.8%,是1980—1995年间的2倍。这段时间可以明显看到信息技术带来的生产力的提升。

人工智能鼻祖和行为经济学鼻祖西蒙也认为计算机和自动化会推动生产力的持续提升,但可能不是加速的提升。加速就是前面提到的奇点,即人工智能应当会持续提升生产率。业界的研究也支持这一判断。

埃森哲的研究表明,美国生产率的增长受益于人工智能,到了2030年可以实现翻倍,意味着全球的经济增长可能会重新进入高速增长的环境,全球经济将进入新的增长周期。

经济增长的源泉无外乎生产率的增长、资本投入的增加或是劳动人口的增长。如何理解抽象的增长模型中人工智能会导致长期的总经济增长?

第一,从资本的角度,对人工智能的投资会产生很多不会折旧的资产,甚至还会增值,这是因为人工智能有学习能力,如阿尔法狗,它一天比一天聪明。这与传统的资本完全不同。

第二,从劳动力的角度,人工智能与劳动力之间的替代关系和互补关系同时存在。在国民经济的很多部门,人工智能会逐渐替代人工,但在其他很多部门,人工智能与劳动力之间是互补的。而且人工智能对劳动力的替代,有可能意味着人们会接受更多的教育,从而带来劳动生产率的提升。

从历史的经验来看,可以参考信息技术对生产率的影响。1996—1999年,是美国信息技术、互联网开始发展的时期。这段时期,美国全要素生产率年均增长2.8%,是1980—1995年的两倍。这一数据表明人工智能这种新的技术会使得生产力有大幅度的提升。

第一次工业革命时期,1850—1910年,蒸汽机驱动的经济增长是0.3%,而第三次工业革命也就是信息技术驱动的经济增长是0.6%。

有估算认为,人工智能驱动的经济增长在0.8%—1.4%。虽然这个数字还难以确认,但有充分的理由相信,人工智能对整个经济效率的提升有非常大的帮助。

除了人工智能直接带来的经济增长,还有两个与人工智能间接相关并会提升经济增长的原因。

第一,来自于管理和组织效率的提升,这个是在微观层面上的。

Bloom(2007)等学者的研究表明,不同国家的企业管理水平差别很大。假设企业管理水平的总分是5分,将各国企业管理水平得分排名,美国、日本、德国名列前茅,中国则仍然处在一个非常低的水平上。这一研究对于理解中国经济增长的长期潜力有非常重要的含义。

中国是在如此低的管理水平的基础上取得近四十年的高速增长的。如果中国能够借鉴国际先进的企业管理经验,提升组织管理效率,就可以大幅提升中国的经济增长水平。

第二,要素错配的问题。

要素错配对经济增长的影响近年来在学术界引起了很大的关注。提升经济增长的另外一种方式是改善要素错配。要素错配会导致经济效率的损失,如果中国能够改善经济要素的配置效率,就可以提升经济效率,进而促进经济增长。

谢长泰[6]等的研究表明,与理想状况相比,中国的全要素生产率提升可以超过100%;即使是与美国的实际水平相比,中国的全要素生产率仍然会有3%—50%的提升,这表明如果中国能够改善要素配置,经济增长的潜力就会持续提升。

总体来讲,跨部门、跨行业的生产率都存在差别。一个国家的企业生产率越集中,表示企业之间的生产效率越是接近的;越分散则表示不同企业的生产效率有差别。而中国企业的生产效率有很大的提升空间。

中国消费互联网的发展已经证明了提升要素配置促进经济增长的作用。阻碍要素配置效率方面有几个重要的调整成本,包括企业所有权和政治的联系、大量的非正式部门等。

但人工智能的发展会导致这些非正式部门的快速消失。这就是为什么产业互联网和人工智能的出现会改善要素配置效率,促进经济增长的原因。

03

产业互联网的影响

在消费互联网中,已经出现的代表性企业有美国的谷歌、苹果、脸书、亚马逊,中国的百度、阿里巴巴、腾讯。

但产业互联网还正在发展中,目前还看不到明确的巨头。美国的通用电气是在产业互联网方面转型最坚定的企业,但目前仍然没有看到非常明显的竞争优势。

什么是产业互联网?笔者的定义是,产业互联网是通过互联网来重构产业的价值链和创造新的价值。而不是简单地在互联网上加一个东西,其范围其实是非常广泛的。

需要正确理解产业互联网与通常所讲的“互联网+”或“+互联网”的区别。

以婚介市场为例,婚介市场是一个具有很大的商业价值和社会价值的大市场。简单的“互联网+”就是把婚介搬到网上去,即国内很多婚恋网站的模式。这种做法只是把线下的婚介搬到线上。其目标是尽可能多地促进互动(interaction)。但美国有一家与众不同的婚恋匹配的网站,叫做eHarmony。

中国的很多婚恋网站注册很容易,但美国这家公司却不同。如果想要成为该网站的会员,需要花四个小时做心理学专家仔细设计的250道问题。这种做法的好处在于可以剔除哪些不是严肃找婚恋对象的用户,有效提升匹配效率。

这里的核心就是进行价值链的重构。整个网站是在信任的基础上,给用户提供严肃、有效的匹配。这种做法完全改变了婚恋网站的商业模式和治理方式,这就是产业互联网与“互联网+”的区别。

产业互联网是一个巨大的市场,发展空间巨大。通用电气的估计是32万亿美元,占到了美国46%的GDP。根据思科的估计,到2020年,美国公司的利润通过产业互联网可以增长21%。

虽然目前中国市场上没有明确的产业互联网巨头,但可以期待产业互联网会为中国带来同样的巨变。

革命性的新产品或新服务一定会出现,类似于苹果创造新的市场,或是特斯拉改变世界汽车产业的方式。特斯拉的意义在于其完全颠覆了一个产业。

电动车并不是新东西,爱迪生是最早看到电动车前途的。但真正驱动汽车产业大发展的是福特的T型车和汽车能源的使用方式。

特斯拉的重要性在于其对汽车产业的两个根本性改变:自动驾驶系统和充电电池系统。这就是为什么特斯拉的市值会超过传统的汽车巨头通用汽车。需要看到的是,特斯拉试图做的是成为汽车产业的微软和英特尔的结合体。

新的应用效率可能会降低成本,提升满意度和安全性。因为在整个生产、服务领域,都会有非常大的改变。

提到工业物联网,如果效率的提升会带来整个产值的增加,那么无论是航空、电力、健康、铁路,还是石油、天然气,产业互联网和人工智能对上述产业的改变都会非常大。

04

平台化组织

今天全球十大公司很多都是平台型公司,包括谷歌、苹果、腾讯、阿里巴巴等。平台经济的商业模式会影响到很多层面,包括国家层面、地方政府、城市,以及各个产业。人工智能的出现,会加剧这个过程的演变。

以PC产业的演变为例,传统计算机产业的典型代表是早期具有垂直整合结构的IBM,即计算机的所有零部件都由自己生产。但今天的计算机产业是一个非常碎片化的产业,由极少数的关键玩家主导,如芯片由因特尔主导,操作系统则由微软主导,其他的部件则由标准化配件提供商生产。

计算机产业从垂直整合结构演变为分散水平结构,意味着这个产业的利润被少数平台型公司获取,其他公司只能赚非常薄的利润。这是非常重要的演变趋势,PC产业的演变,将来有可能会在很多产业中复制。

任何一个行业,如果像PC产业一样演变,那就意味着产业里绝大部分公司只能退化成一个提供标准化组件并获取市场平均利润的普通公司,而主导产业演变的平台型公司则将领导整个产业并获取绝大部分的蛋糕,如智能手机平台苹果、搜索平台谷歌、电商平台阿里巴巴和社交平台腾讯。

平台型组织的演变会对社会产生的影响主要有三个趋势:

第一个趋势是平台化后,产业的合作和融合更加明显。

一些提供单一功能或服务的企业存在通过其独特服务渗透到其他产业进行平台覆盖的可能。产业的分散化意味着核心的主导公司可能会通过技术来颠覆传统产业。

如在汽车产业,传统的主导公司是通用、福特、奔驰等汽车制造商,但在自动驾驶和新能源时代,谷歌和特斯拉可能通过其全新的驾驶技术或充电技术颠覆传统产业。新兴的科技公司也有可能通过智能手术技能来颠覆传统的医疗产业。

第二个趋势是人工智能的基础设施能够促进增长,包括硬件、数据。庞大的数据会使大公司的优势加强。

平台的演变会影响一切经济形态和组织形态,意味着平台的模式将主导一切,平台型的国家会出现。未来,美国和中国将会成为全球经济的超级两强,其他国家则会成为全球政治和经济上的组件和配角。

人工智能会使得中美两国在资本、技术方面的优势进一步强化。而平台型城市会使得人才和资本的规模效应更强,更集中在大城市。深圳就是非常典型的平台城市。

第三个趋势是平台型产业的普遍化。

现在还没有看到人工智能这个产业里出现非常典型的突出玩家,但将来一定会有某个公司提供主导机器的操作系统。这个产业一定会产生一个领导性的企业,类似于微软的超级平台。

可以肯定的是,目前经济体量较大的国家在人工智能方面的投入会非常多,并进一步导致国家间的强弱分化。

05

结 论

本文主要讨论了三个问题:人工智能和互联网能否带来新的经济增长?产业互联网将如何影响产业竞争的格局,它对整个经济的增长有什么样的影响?平台型组织的演变会对社会产生多大的影响?

无论是历史的数据还是理论分析都表明,可以适度乐观看待产业互联网和人工智能对经济的影响。人们有理由相信产业互联网和人工智能会大幅度提升生产力,并推动长期经济增长。

同时,笔者认为,平台加组件的模式会横扫一切组织形态,包括国家、城市和产业,整个社会都会全面向平台化发展。

人工智能对教育的意义范文第4篇

    长久以来,人工智能对于普通人来说是那样的可望而不可及,然而它却吸引了无数研究人员为之奉献才智,从美国的麻省理工学院(mit)、卡内基-梅隆大学 (cmu)到ibm公司,再到日本的本田公司、sony公司以及国内的清华大学、中科院等科研院所,全世界的实验室都在进行着ai技术的实验。不久前,著 名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕,科幻片《人工智能》(a.i.)对许多人的头脑又一次产生了震动,引起了一些人士了解并探索人工智能领 域的兴趣。

    在本期技术专题中,中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这一充满挑战与机遇的领域。

    计算机与人工智能

    "智能"源于拉丁语legere,字面意思是采集(特别是果实)、收集、汇集,并由此进行选择,形成一个东西。intelegere是从中进行选择,进而 理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始,人们已对机器操作的复杂性与自身的某些智能活动进行直观联 系。经过几个世纪之后,新技术已使我们所建立的机器的复杂性大为提高。1936年,24岁的英国数学家图灵(turing)提出了"自动机"理论,把研究 会思维的机器和计算机的工作大大向前推进了一步,他也因此被称为"人工智能之父"。

    人工智能领域的研究是从1956年正式开始的,这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence,ai)这个术语。随后的几十年中,人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以 及机器人学等多个角度展开了研究,已经建立了一些具有不同程度人工智能的计算机系统,例如能够求解微分方程、设计分析集成电路、合成人类自然语言,而进行 情报检索,提供语音识别、手写体识别的多模式接口,应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的ibm的"深 蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

    当然,人工智能的发展也并不是一帆风顺的,也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷,但是随着硬件和软件的发 展,计算机的运算能力在以指数级增长,同时网络技术蓬勃兴起,确保计算机已经具备了足够的条件来运行一些要求更高的ai软件,而且现在的ai具备了更多的 现实应用的基础。90年代以来,人工智能研究又出现了新的。

    我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员,请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有无穷魅力的领域。

    问: 目前人工智能研究出现了新的,那么现在有哪些新的研究热点和实际应用呢?

    答: ai研究出现了新的,这一方面是因为在人工智能理论方面有了新的进展,另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容 量的不断扩大、价格的不断降低以及网络技术的不断发展,许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是: 智能接口、数据挖掘、主体及多主体系统。

    智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标,要求计算机能够看懂文字、听懂语言、说话表达,甚至能够进行不同语言之间的 翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,智能接口技术的研究既有巨大的应用价值,又有基础的理论意义。目前,智能接口技术已经取得了显 著成果,文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。

    数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据 挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半 结构化和非结构化数据中的知识发现以及网上数据挖掘等。

    主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体,比对象的粒度更大,智能性更高,而且具有一定自主性。主体试图自治地、独立地完成任务, 而且可以和环境交互,与其他主体通信,通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为,最终实现问题求解。多 主体系统试图用主体来模拟人的理性行为,主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多 主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。

    问: 您在人工智能领域研究了几十年,参与了许多国家重点研究课题,非常清楚国内外目前人工智能领域的研究情况。您认为目前我国人工智能的研究情况如何?

    答: 我国开始"863计划"时,正值全世界的人工智能热潮。"863-306"主题的名称是"智能计算机系统",其任务就是在充分发掘现有计算机潜力的基础 上,分析现有计算机在应用中的缺陷和"瓶颈",用人工智能技术克服这些问题,建立起更为和谐的人-机环境。经过十几年来的努力,我们缩短了我国人工智能技 术与世界先进水平的差距,也为未来的发展奠定了技术和人才基础。

    但是也应该看到目前我国人工智能研究中还存在一些问题,其特点是: 课题比较分散,应用项目偏多、基础研究比例略少、理论研究与实际应用需求结合不够紧密。选题时,容易跟着国外的选题走; 立项论证时,惯于考虑国外怎么做; 落实项目时,又往往顾及面面俱到,大而全; 再加上受研究经费的限制,所以很多课题既没有取得理论上的突破,也没有太大的实际应用价值。

    今后,基础研究的比例应该适当提高,同时人工智能研究一定要与应用需求相结合。科学研究讲创新,而创新必须接受应用和市场的检验。因此,我们不仅要善于找到解决问题的答案,更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。

     问: 请您预测一下人工智能将来会向哪些方面发展?

    答: 技术的发展总是超乎人们的想象,要准确地预测人工智能的未来是不可能的。但是,从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。

    目前,人工智能的推理功能已获突破,学习及联想功能正在研究之中,下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来 人工智能应用的新领域,未来智能计算机的构成,可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分,而不是与智能相分离的,因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。

    人工智能一直处于计算机技术的前沿,人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天,已经有很多人工智能研究的成果进入人们的日常生活。将来,人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

    什么是人工智能?

    人工智能也称机器智能,它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的 角度出发,人工智能是研究如何制造出人造的智能机器或智能系统,来模拟人类智能活动的能力,以延伸人们智能的科学。

    ai理论的实用性

    在一年一度at&t实验室举行的机器人足球赛中,每支球队的"球员"都装备上了ai软件和许多感应器,它们都很清楚自己该踢什么位置,同时也明白 有些情况下不能死守岗位。尽管现在的ai技术只能使它们大部分时间处于个人盘带的状态,但它们传接配合的能力正在以很快的速度改进。

    这种ai机器人组队打比赛看似无聊,但是有很强的现实意义。因为通过这类活动可以加强机器之间的协作能力。我们知道,internet是由无数台服务器和 无数台路由器组成的,路由器的作用就是为各自的数据选择通道并加以传送,如果利用一些智能化的路由器很好地协作,就能分析出传输数据的最佳路径,从而可以 大大减少网络堵塞。

    我国也已经在大学中开展了机器人足球赛,有很多学校组队参加,引起了大学生对人工智能研究的兴趣。

    未来的ai产品

    安放于加州劳伦斯·利佛摩尔国家实验室的asci white电脑,是ibm制造的世界最快的超级电脑,但其智力能力也仅为人脑的千分之一。现在,ibm正在开发能力更为强大的新超级电脑--"蓝色牛仔" (blue jean)。据其研究主任保罗·霍恩称,预计于4年后诞生的"蓝色牛仔"的智力水平将大致与人脑相当。

人工智能对教育的意义范文第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