人工智能教学目的

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篇人工智能教学目的范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

人工智能教学目的范文第1篇

>> 引入深度学习的人工智能类课程 中西合璧的人工智能课程双语教学模式 可调戏的人工智能 生活中的人工智能 不断超越的人工智能 逐渐靠近的人工智能 正在落地的人工智能 2035年的人工智能 航天类专业“人工智能”课程的教学探索 林业院校人工智能课程教学的思考 人工智能导论课程的兴趣教学法 人工智能概论课程的教学思考 “人工智能”课程教学的实践与探索 游戏开发应用中的“人工智能”课程教学方法探讨 人工智能的应用研究 人工智能的日常应用 人工智能的应用和发展 浅析电气自动化控制中的人工智能应用 分析继电保护中的人工智能技术及其应用 电气自动化控制中的人工智能应用分析 常见问题解答 当前所在位置：l)。在情境创设时,教师根据学生特点提出了多种应用需求,例如化妆品销售咨询等。学生利用该工具,兴趣盎然地开发了自己的小型专家系统,不仅理解了专家系统的特点、作用、运行方式等,还具有强烈的成就感。

2.2面向研究的情境创设

苏霍姆林斯基认为,研究型教学法应该充分体现学生的主体地位,激励、引导和帮助学生去主动发现问题、分析问题和解决问题,激发学生学习的内在兴趣和成就动机[4]。人工智能课程中包含了大量的前沿问题,研究型课题比比皆是,如何平衡这些研究课题与兴趣、实用的关系,是教学设计中重点考虑的内容。

下面以“规划”中的路径规划内容为例,详细分析以研究为导向的情境创设过程。表2给出了整个教学设计。

综合几次研究课题完成情况,班级中有1/3的学生通过广泛查阅资料和多次与教师讨论,提交了质量尚可的标准格式论文,并因此获得了学院的科研学分。除此之外,教师还组织这部分具备一定科研潜力的学生参加科研项目,进一步磨练科研技能,极大提高了学生的学习兴趣和能力。

3DBR驱动的教学过程

人工智能课程各单元内容相对独立,难以形成统一的联系,怎样验证各单元的学习效果?从提出问题到任务解决,每个单元的学习通常要跨越几节课甚至几周,怎样在此期间保持学生的兴趣和关注?

DBR是情境设计、实施、评价、再设计、理论形成等环节多次迭代循环的过程,柯林斯称之为“不断进步的修正”(Progressive Refinement),以检测设计的价值。因此,评价是教学过程中非常重要的一环。本课程教学主要做好两个环节,以驱动整个教学过程的推进。

1) 实践环节。

通常的实践环节是课程结束后固定时间的实际任务,而本课程的实践却贯穿整个教学过程,是单元教学、教师、学生之间的粘合剂。实践包括应用型实践和研究型实践,一般在每个单元教学开始,提出问题后,实践任务就被布置下去,例如前面所述的“黑白棋”、“路径规划算法研究”等。学生接受任务后,带着问题搜索解决途径,在此期间需要教师提供方法指导及答疑(既可固定时间,也可通过E-mail等形式)。及时地交流,特别是针对实际问题的交流,不仅有效率,而且便于教师及时调整教学设计。

2) 教学评价。

除了课程考核以外,每个教学单元结束时都有反馈和评价环节。评价方式包括单元测试、编写软件测试、研讨会等。具体采用何种形式,要根据前一阶段的反馈信息决定。这些来自学生反馈信息包括前一阶段学习的接受情况、兴趣点、其他课业繁忙情况等。在学期的不同时间点采用合适的评价方式,有助于加强学习刺激,总结和发现教学设计中的问题,及时调整。

通过上述两个环节的推动,精心设计的教学内容得以顺利实施并被学生欣然接受。2/3的学生在整个学期教学中都保持了积极的态度和充分的关注度,确实感受到人工智能的魅力,并能够从技术角度看待人工智能,消除了未学或初学时的神秘感。

4教学实施效果分析

1) 正效果分析。

中原工学院计算机学院作为普通工科院校,以培养实用型人才为主,人工智能并非主干课程,学生重视程度不足。两年来,经过教师与学生的共同努力,教学改革成果逐步体现。人工智能类学生人数从过去的5%上升到15%,科研论文数量从1%上升到20%。有20%的学生接触过或正在从事人工智能类项目的研究与开发,考研选择人工智能科目的学生比例从0上升到15%,考研成功人数占毕业生总人数的20%。

人工智能教学中采用的应用型与研究型情境创设,不仅促进了学生理解接受知识,而且锻炼提高了学生独立分析、解决问题及开发能力。学习也不再局限于课堂,而是拓展到图书馆、互联网等更广阔的空间。学生在学习期间保持了高度的关注,充分发挥了主动性和主体意识,为持续发展奠定了良好的基础。

2) 不足分析。

DBR的方法论能够促使教师在教学过程中不断完善教学设计,融合先进的教学理论及工具,逐步加深学习的理解和设计的提升,切实提高教学效果。然而,仍然存在一些DBR无法解决或完善的问题。具体表现在:

(1) 缺乏合适的教材。目前大多数教材的示例以解答式或推证式为主,设计型或实际项目案例较少。

(2) 投入时间限制。尽管上述教学设计和教学过程都经过精心准备与实施,但是要取得好的成效,还需要教师和学生都投入大量时间交流、研究或开发。而学生课业繁忙造成了实施的瓶颈。

这些不足制约了上述教学方法的实际实施效果,需要今后不断改进。

5小结

本文针对普通工科院校学生特点,将DBR研究成果应用于人工智能课程。教学效果表明,精心设计的应用型与研究型情境有助于维持学生长时间的关注度、主动性和兴趣;强调基于评价的修正使教学过程可调节,学生的学习效果更可靠。希望本文研究能够对人工智能教学及学生培养起到一定的参考作用,下一阶段的主要工作是进行适合的教材建设。

参考文献:

[1] 杨南昌. 基于设计的研究:正在兴起的学习研究新范式[J]. 中国电化教育,2007(5):6-10.

[2] 曾安,余永权,曾碧. 人工智能课程教学模式的探讨[J]. 江西教育学院学报:综合版,2006,27(6):40-43.

[3] 李鸣华. 案例教学法在高中人工智能课程中的运用研究[J]. 中国电化教育,2008(2):99-102.

[4] 杨种学. 研究型教学法在数据结构课程中的应用研究[J]. 计算机教育,2007(1):55-56.

DBR Utilized Teaching Method for Artificial Intelligence

WANG Lu, LU Xiao-xia

(School of Computer, Zhongyuan University of Technology, Zhengzhou 450007, China)

人工智能教学目的范文第2篇

Abstract： In view of the characteristics of artificial intelligence curriculum， including abstract content and complex algorithm， and the actual needs of undergraduate teaching， combined with teaching practice， this paper discusses and sums up the teaching reform and innovation of undergraduate artificial intelligence curriculum from the teaching system， teaching content， teaching methods and assessment methods.

P键词： 人工智能；创新；本科

Key words： artificial intelligence；innovation；undergraduate

中图分类号：G642 文献标识码：A 文章编号：1006-4311（2017）22-0230-02

0 引言

人工智能是计算机科学的一个分支，是当前科学技术中正在迅速发展、新思想、新观点、新理论、新技术不断涌现的一个学科，其属于一门边缘学科，同时也是多个学科交叉而成的一门学科，包括语言学、哲学、心理学、神经生理学、系统论、信息论、控制论、计算机科学、数学等[1]。当前人工智能已经是很多高校计算机相关专业的必修课程，它是计算机科学与技术学科类各专业重要的基础课程，其教学内容主要包括自然语言理解、计算智能技术、问题求解和搜索算法、知识表示和推理机制、专家系统和机器学习等，国内外很多大学都意识到了其重要性，纷纷对其展开了教学和研究。人工智能课程包含多个学科，具有内容抽象、理论性强、知识点多等特点，且算法复杂，但是多数高校采用的教学方式仍是传统的课堂教学方式，即“教师讲、学生听”的教学模式，这种信息单向传输教学模式以教师为主体，学生只是在被动的接收知识；存在过分重视理论教学，忽视实践活动教学的问题，导致教育内容无法和社会接轨；人工智能教材理论性过强，学生在学习过程中常常感到枯燥乏味，进而对学习该课程失去热情[2]，久而久之，不仅人工智能课程的教学质量和效果无法达到预期，甚至学生还会产生厌学心理。针对人工智能课程中现有的各项问题，本文作者结合自身丰富人工智能教学实践经验，参考人工智能课程特点和教学目标，从多个方面探讨和总结了人工智能，包括教学内容、教材选择、教学方法和考核形式等。

1 教学内容优化与更新

人工智能是一门崭新的学科。开设本课程首先是确定教学内容。通常来讲，人工智能学科的内容包括两个部分，具体：一是知识表示和推理；二是人工智能的应用。前者是人工智能的重要基础，后者主要介绍了几种人工智能应用系统，包括自动规划和机器视觉、机器学习、专家系统等。另外，课程内容中还包括了一些人工智能应用的实例，将实践和理论紧密结合起来[3]。

随着时代的发展和科技的进步，人工智能学科也取得了较大发展。基于此，人工智能学科也应该与时俱进，更新人工智能教学大纲，进一步完善其教学内容。修订后的人工智能教学大纲将人工智能分成两个部分，即基础部分和扩展应用部分。前者包括计算智能、搜索原理、知识表示等，后者包括智能机器人、智能控制、多智能体、自然语言理解、自动规划、机器学习、知识工程等。

教学内容的选择和确定应综合考虑多项因素，不仅要重视基础知识，也应注意推陈出新，随着科技的进步做到与时俱进，同时教学内容应符合现实的需求，能够与社会接轨，将理论和实践紧密结合起来，只有这样人工智能课程的教学质量和效果才能事半功倍。

2 教学策略及教学方法的改革创新

由于人工智能课程具有算法复杂、内容抽象、理论性强、 知识点多的特点，传统的教学模式已经无法满足人工智能课程的需求，教师应探索更加有效的教学模式和方法，确保人工智能课程能够取得良好的教学质量和教学效果。具体的改革和创新人工智能课程的手段和方法主要包括以下几个方面：

2.1 激发学生的学习兴趣 无论是经验还是常识都在告诉我们每个人最好的老师就是兴趣，学生只有对某门学科存在兴趣，才会更加主动积极的学习该门课程，从而获得良好的教学效果。比如，作者在课程的一开始先播放了一段著名导演斯蒂文・斯皮尔伯格的《Artificial Intelligence》的相关片段，由这个电影学生知道了世上存在人工智能的机器人，学生们随着电影情节的发展而深深感动，与此同时教师让学生思考和谈论人工智能是什么？研究人工智能的意义在哪里？实践发现，在课堂中加入电影因素，能够大大提升学生们的注意力，让学生更加专注在教学任务中，有效提高了学生探索人工智能的积极性和主动性。此外，在教学中还可以用动画、视频、图片等手段将反映人工智能最新研究和应用的成果展示出来，让学生更直观的感受人工智能的奥妙，从而投入更多热情学习人工智能课程。

2.2 面向问题的案例教学法 案例教学法是一种以案例为基础、以能力培养为核心的一种教学方法[11]。针对学校学生特点，我们采取了以下几种教学形式实施案例教学。①讲解式案例教学：这种案例通过教师的讲解，帮助学生理解抽象的理论知识点。案例的呈现有两种基本形式：一是“案例―理论”，即先给出教学案例，然后再讲解理论知识；二是“理论―案例”，即教师先讲解理论知识，再给出教学案例；通过情境体验与案例剖析激发学生认知的兴趣，引导学生对将要学习的内容产生注意，有利于教师导入新课。②讨论式案例教学：在课程初期将学生分成若干学习小组，每小组3～4人；教师将提前设计好的一题多解的教学案例以及收集的相关资料分配给每个小组，要求学生在课余时间通过自学和组内讨论的方式给出问题的不同解决方案。③辩论式案例教学：在课程后期，采取专题辩论的方式对综合应用案例进行讨论，能有效地启发学生全方位地思考和探索问题的解决方法，加深学生对人工智能的理解。

2.3 个性化学习与因材施教 在开展课程教育过程中应注意对学生进行个性化教学，结合学生特点因材施教。比如，在日常教学中多观察学生情况，鼓励那些应对教学任务后仍存在余力的W生深入探索较深层次的课程及相关知识，同时友善面对学习较差的学生，分析其学习过程中面对的困难，有的放矢地采取应对措施，帮助其不断进步；在教学过程中让学生以读书报告的形式多多思考，鼓励学生发散性思考问题，鼓励优秀学生进行深一步的探讨，并且教师应帮助具有新颖思想或论点的学生将其智慧以科技论文和发表文章的形式转化为成果。

2.4 注重综合能力培养 在研究型教学中任务驱动是一种常用的教学方法，其中心导向是任务，学生在完成任务的同时也在吸收和掌握知识。通常来讲，该教学方法的步骤是：教师提出任务师生共同分析以得出完成任务的方法和步骤适当讲解或自学、协作学习完成任务交流和总结。”[3]该教学模式不仅有利于培养学生的创新能力和创新意识，还能够培养学生解决实际问题的能力，提高其综合实力。不仅如此，由于该教学模式通常是以小组协作的方式进行，教师给出研究范围，学生自愿结组并选择具体的题目，经过分析和讨论后以程序设计或者论文的形式协作完成研究。由此可知，学生是在以团队的力量解决问题，这十分考验学生的团队协作能力，对于学生团队合作精神的培养至关重要，且在完成任务的过程中学生需要查阅大量的资料，久而久之学生收集资料和创新能力势必会得到提升。

2.5 采用启发式教学 人工智能的很多问题都较为抽象，对学生理解力的要求较高，因此，在实际的教学过程中教师应有意识的就课程内容提出相关问题，让学生自己独立思考，鼓励学生提出自己的想法和解决方案。然后回归到课程上，对比分析教材上的解决方案和学生自己的解决方案，如此不仅培养了学生独立思考的能力，也增加了学生参与教学活动的意识，提高了学生的学习热情。比如，在讲到较为抽象的“遗传算法”时，先提出一个问题，即“遗传算法如何用于优化计算？”，然后从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用，之后举例分析，启发学生思考“遗传”、“变异”和“选择”的实现，最后师生一起导出遗传算法用于优化计算的基本步骤。如此既完成了教授遗传算法的目的，也锻炼了学生逻辑思维的能力，教学效果良好[4]。

3 作业和考核方式的改革创新

过去的课程作业都是单一书面习题作业，发展至今，课程作业形式已经发生了变化，更加丰富多样，包括必须交给教师评阅的书面家庭作业和不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中通过网络就可以完成上交作业，并且教师批阅作业后也可以通过网络返回给学生，实现了网络化。课程的考核方式较之以前也发生了较大变化，加强了平时思维能力的考核，更加注重学生实验能力和动手能力的培养，不再是绝对的一次考试定成绩，而是在总评成绩中加入30%的平时成绩，如此不仅减轻了学生的期末负担，也迫使学生更加重视平时的学习思考，有利于课程教学质量的提升。

4 结束语

本文是以提高教学质量为目标，结合教学实践，从教学体系、教学内容、教学方法、考核方式等方面对本科人工智能课程的教学改革进行了探讨，总结了该课程在教学和实践方面的一些教改举措。这些举措符合二十一世纪高校教学的要求，可以支持教师提高教学手段现代化的水平，同时更贴合学生的学习需求。作为该课程的授课教师应始终保持对教学内容的不断更新、教学方法的多样化，才能激发学生的学习兴趣，培养他们的思维创新和技术创新的能力，最终提高本课程的教学质量。从学生的反馈来看，作者所总结的教学实践具有明显的教学效果。但仍有许多方面做得不够，今后将继续在教学过程中不断总结成功的经验，吸取失败的教训。

参考文献：

[1]蔡自兴.人工智能及其应用[M].三版.北京：清华大学出版社，2007.

[2]谢榕，李霞.人工智能课程教学案例库建设及案例教学实践[J].计算机教育，2014（19）：92-97.

[3]蔡自兴，肖晓明，蒙祖强.树立精品意识搞好人工智能课程建设[J].中国大学教学，2004（1）：28-29.

人工智能教学目的范文第3篇

关键词：人工智能；选修课；专题讨论

中图分类号：G642.0？摇 文献标志码：A 文章编号：1674-9324（2012）12-0053-02

一、引言

《人工智能》是一门跨学科的课程，它的内涵十分丰富，包含了符号学、数理逻辑、神经网络、遗传算法、知识表示和推理、模式识别、机器学习等方面的知识，并且内容抽象，使得一般本科生望而生畏。目前在大多数院校里尤其是二本院校，《人工智能》只是作为一门选修课程。既然是作为选修课程，我们可以不拘泥于传统的教学方式，采取灵活多样的教学形式，培养学生研究这个领域的兴趣，使得学生既能掌握人工智能领域的基础理论，又能了解目前人工智能的前沿课题，扩大知识面，并为今后的研究打好基础。

二、改革教学方法

在传统的教学模式里，教师往往就一本教材从头到尾讲授给学生，教师讲什么，学生就听什么。但是人工智能涉及太多的数理逻辑推理知识，内容抽象，讲解起来不免有点枯燥无味，学生的兴趣就会随着讲课的进程逐渐变得淡薄。另一个问题是在传统的教学模式下，学生接触不到该研究领域的前沿问题。事实上，随着科技的进步，人工智能技术也在不断发展，再加上人工智能本身的特点，即它是一门交叉学科，涉及计算机科学、信息科学、控制科学、认知学、生物学、哲学等等领域。因此当学生了解了当前国内外学者所研究的前沿课题，这样不仅能克服“枯燥无味”的问题，而且会拓宽他们的知识面，从而他们可以将自己所学专业作为人工智能的潜在应用或研究领域。基于以上分析，考虑到人工智能是适合任何专业学生学习的一门选修课，我们设立分专题讲授模式，这些专题包括：人工智能与类人思维，人工智能与机器进化，人工智能与知识表示，人工智能与决策规划等等。下面分别叙述之。

1.人工智能与类人思维。什么是人工智能？Nilsson指出：“人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中行为。人工智能的一个长期目标是发明出可以像人类一样或更好地完成以上行为的机器……”那么为了这个长远目标，我们应该深入地探讨人类大脑是如何思维的，或者说是如何思考问题的，人类是如何感知、理解以及应付外界庞杂的世界。只有深刻理解了人脑功能原理以后，人工智能才能“贡献出”相应的类人思维模型。这相当于空气动力学，人类飞行器只是根据空气动力学的原理构造的，它并不要求人类制造像鸟儿一般的飞行工具。因此在这部分教学过程中，可以先提出“大脑是如何思维的”问题，让学生自己动脑思考，相互探讨：人脑的结构是什么？人类思考问题分层次吗？什么是智力？智力的本质是什么？……课后，学生可以带着这些问题查阅资料文献，分组讨论，甚至可以写一些文章来阐述自己对思维的理解。这样既充分调动了学生学习的积极性，又培养他们的兴趣。然后，我们在课堂上进行具体讲解，讲解内容自然而然地引入了人工智能的定义，人工智能历史知识，图灵测试方法以及认知模型方法，接着再介绍目前国内外类人思维模型的研究现状。这样的教授过程，一开始就使得学生不排斥这门课，在了解人工智能基础知识外也接触到认识论方面的知识，培养了学生查阅文献和撰写科技论文的能力。

2.人工智能与机器进化。这部分专题主要给学生讲解遗传算法方面的知识，比如遗传算法的产生与发展，遗传算法的基本操作，遗传算法的应用情况。并且在教学过程中结合实例来讲述。实例可以从最基本的简单函数优化到复杂的旅行商问题。学生可以自己设计函数优化的解决方案，指出初始种群大小、进化代数、交叉率等因素对求解结果的影响，并要求学生自己编写程序来分析和理解这些问题。这些实验和设计极大地提高了学生的动手能力。

3.人工智能与知识表示。知识表示可看成是一组描述事物的约定，在人工智能里，它研究怎样把“人类知识”表示成机器能处理的数据结构。经典人工智能的主要表示方法有：一阶谓词逻辑表示方法，这是最基本的表示方法，具有严谨的公理体系；产生式规则表示方法，这是使用最广泛的表示方法；语义网络、框架、脚本表示方法，这是结构化的表示方法，等等。但是学生在学习这部分的知识时，对于逻辑推理觉得非常枯燥无味。我们的想法是在介绍这部分的知识时，不仅透彻阐述各种表示方法的精神实质，而且建议学生阅读Sowa所编著的《知识表示》一书，该书提供了知识表示方面广泛的知识，是这一领域的公认权威著作。Sowa在介绍新思想的同时捕捉到这一领域的最新成就，并且将逻辑学、哲学、语言学和计算机科学结合到知识表示，并将其转换为可计算形式。该书中还包含了大量的哲学和语言学的知识，阅读该书可以使得学生知识面得以拓宽，加上该书目前没有翻译版本，鼓励学生阅读英文原著，对学生各方面能力的提高都有所帮助。

4.人工智能与决策规划。在决策规划中，着重介绍增强学习、偏好理论等基础知识，由于我们在这个方面上做了许多工作，因此在讲解时联系自己的研究进行一些专题探讨，例如双马尔科夫过程决策模型，协同算法，超滤偏好模型，朴素描述逻辑在中医理论上的应用等等，并欢迎学生和我们共同研究这些专题，这样做无疑会增加师生之间的学术交流，促进学生的研究兴趣，形成良好学术氛围。

5.丰富多样的教学形式。除了以上的专题外，还可以开设其他的人工智能专题。事实上可以针对不同专业的学生确定专题的内容和形式。例如对于工程类的学生，可以着重讲述神经网络，进化计算等方面的内容，并且借助于Matlab提供的相关工具箱进行实验设计。因为大多数工程类的本科生都学习过Matlab语言，该语言在科学研究和工程实践中应用广泛，在教学过程中也要充分发挥这些优点。如是文科类的学生，教学方面可以着重讲述人工智能的符号学，哲学等方面的知识，这让文科学生从另一个角度去理解人工智能。课堂上，充分利用多媒体教学，采取多样的教学手段，激发学生的兴趣和好奇心。还可以播放国际机器人大赛等录像片段，增强课堂的教学效果。

三、结束语

总之，将人工智能分专题来讲授，让学生立刻能接触到当前人工智能的前沿研究问题，并且领会其中的实质。再加以多元化的教学手段，使得学生好学，乐学，更好地实现教学目标，提高教学水平。

参考文献：

[1]Nils J. Nilsson，著.人工智能[M].郑扣根，庄越挺，译.北京：机械工业出版社，2004，6.

[2]John F. Sowa.Knowledge Representation：Logical，Philosophical，and computational Foundations[M].北京：机械工业出版社，2003，6.

[3]韩丽娟，孙玉红，李圣君.《人工智能》教程改革初探[J].电脑知识与技术，2007，（13）：222-223.

[4]冯爱祥，罗雄麟.本科“人工智能”课程的教学改革探索[J].中国电力教育，2011，（10）：111-112.

[5]李春贵，王萌，何春华.基于案例教学的“人工智能”教学的实践与探索[J].计算机教育，2008，（9）：53-54.

[6]曾安，余永权，曾碧.人工智能课程教学模式的探讨[J].江西教育学院学报（综合），2006，27（6）：40-43.

[7]王蓁蓁，邢汉承.拟人类思维的形式结构数学模型[J].智能系统学报，2008，3（6）：529-535.

人工智能教学目的范文第4篇

关键词：人工智能；案例式教学；兴趣引导教学法；问题驱动教学法

中图分类号： TP309 文献标识码：A 文章编号：1009-3044（2014）03-0599-02

人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的综合性技术学科[1]，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、迅速发展且与人类生活密切相关的综合性新学科，其核心研究领域包括模式识别、自然语言处理、机器学习、数据挖掘、人工神经网络和专家系统等等[2]。

语言信息处理是语言学与计算机科学交叉形成的一门新型学科，其课程体系以语言学、计算机应用、应用数学和认知科学为主干，研究内容是自然语言的自动化信息处理技术，是人类语言活动中信息成分的发现、提取、存储、加工与传输[3]。目前该方向的主要应用领域包括机器翻译、文献检索、信息提取、自然语言的人机接口等。由此可见，为语言信息处理专业开设人工智能课程是必须的。该文针对“人工智能”课程自身特点和语言信息处理专业研究生培养目标，并结合笔者多年来的教学经验，分别从课程内容设定、教材选择、教学方法、考核方式等多个方面对该课程的教学改革进行了探索与研究。

1 以“精”“典”为基本要求的教学内容选择

“人工智能”课程的突出特点研究内容涉及面广而学时数较短（大部分高校的研究生专业安排的课程的时数在36到48学时之间）。因而授课时不能追求内容“大而全”，必须“精”，选择重点、核心基础知识进行学习，选择与专业方向最相关的“典”型应用领域进行重点详细介绍，使学生在有限的时间内学到最有用的知识。“人工智能”课程教学内容总体可以分为三大部分。

第一部分是基础理论知识，学习人工智能中知识的表示方式（谓词逻辑表示法、产生式知识表示法、框架表示法、语义网络表示法等）。语言信息处理专业学生本科专业背景不同（有文科，有理工科），所以该部分教学内容难点在于教学进度和难易程度的均衡。本部分内容可安排8～10学时。

第二部分是搜索与推理，对使用特定知识表示方式表达的知识和问题进行推导或搜索，得出相应结论或搜索结果。本部分安排10～12学时，重点在于启发式搜索。

第三部分是人工智能中的典型应用领域。对于该部分内容的选择要以学生专业为中心进行，选择与学生专业相关性较大的领域进行教学，以期能够有助于学生了解并掌握学术的主流发展趋势，从而能够更好地培养自身的科学素养和创新能力。本部分主要学习机器翻译、机器学习、自然语言处理、数据挖掘、多Agent系统等。本部分安排18～36学时。

2 选择“最合适”的教材

教材是教师教和学生学的主要凭借，教材的好坏在很大程度上决定了教师能否成功“教”与学生能否顺利“学”。教材的选择要以教学对象的特点和教学目标为依据，选择最合适的教材。在广泛研读目前比较热门的人工智能教材的基础上，结合教学目标和教学对象的特点，选则清华大学出版社出版﹑蔡自兴和徐光祐编著的《人工智能及其应用》（第4版）[1]作为教材。该教材总体也可以分为三部分：第一部分论述了人工智能的三大技术， 即知识表示；第二部分论述推理及搜索； 第三部分论述人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第三版本科生用书相比，增加了如本体论和非经典推理、决策树学习和增强学习、词法分析和语料库语言学等（非常适合笔者的教学对象）。

3 创新型人工智能课程教学方法

“人工智能”课程涉及的知识面广，既包括基础理论，也包括具体应用，即有抽象复杂的计算，也有繁杂的系统实现，为此，如何激发学生的学习兴趣并保持学生的学习兴趣是本课程教学的关键。此外，因为是研究生教学，所以更突出学生的主体地位，注重培养学生的学习兴趣、自主学习的意识和能力。为此，笔者主要采用了以下几种教学方法。

3.1 兴趣引导教学法

常言“兴趣是最好的老师”，如何培养学生对本门课程的学习兴趣，激发学生对本门课程的求知欲，是一门课程首要任务。

为了提高学生的学习兴趣，笔者在第一节课让学生观看美国科幻电影“机器人”的相关片断，通过机器人安德鲁非凡的创造能力、情感表达能力和自学习能力让学生更好地了解人工智能的目标、意义，激发学生探索人工智能的兴趣；在学习“博弈策略”及“极大极小分析法”时，笔者通过让学生来参与“一字棋”对决游戏说明博弈树的层次结构原理，通过“人机对弈”说明“α-β剪枝技术”引入的必要性；通过“啤酒与尿布”的故事说明数据挖掘技术在现实生活中的应用，让学生认识到人工智能并不是虚无抽象的学科，而与人们的生活息息相关，激发起学生用人工智能相关技术解决现实问题的兴趣。

3.2 问题驱动教学法

在讲授基础理论时，如“不确定性推理”、“数据挖掘”等这一类型内容抽象、算法复杂的知识时，采用了问题驱动式的教学方法。

教师首先提出与内容相关的若干问题，并为学生相关的资料或向学生提供找到问题的一些线索，让学生带着问题去思考、分析和讨论等方式来查找答案，主动获取知识，应用知识，教师在必须的时候还需给予一定的引导和帮助。如在讲授产生式知识表示法时，以“动物识别系统”问题原型，给出学生系统模型，让学生编写一个能够用来进行动物识别的应用程序。

此教学法很好地培养学生解决问题的能力，形成研究的态度，提高认知能力。

3.3 实践教学法

“实践是检验真理的唯一标准”。人工智能课程中，能够动手实践的知识一定要让实践。

在讲“专家系统”的构造步骤时，用“营养专家系统”为案例进行介绍，将该专家系统分解为一个个小的具体任务（如知识库构建、规则库的构建、界面设计等），并分配给不同的学生，学生按照专家系统的一般构造步骤去完成相应的任务，最终完成一个完善的系统，从而达到掌握专家系统构建的教学目标。

实践教学法可以提高学生分析、解决问题的能力和动手能力，并可以进一步加深对理论知识的理解。

3.4 案例教学法

案例教学法是将案例讨论的方法运用到课堂教学活动中去，教师根据课堂教学目标和教学内容的需要，通过设置一个具体的案例，引导学生参与分析、讨论、表达等活动，让学生在具体问题情境中积极思考、主动探索，以提高教与学的质量和效果，培养学生认识问题、分析问题和解决问题等综合能力的一种教学方法[4]。案例教学法中教师扮演设计者和激励者的角色，鼓励学生积极参与典型案例的讨论，重点掌握教学进程，引导学生思考，组织讨论研究，进行总结、归纳，同时教师也参与到学生共同研讨。不但可以发现自己的不足，也可以从学生那里可以了解到大量感性资料。该教学法有利于调动学生学习主动性，通过生动具体的案例介绍可以促进学生对知识的理解和实际应用。

人工智能授课中，对于产生式系统和自然语言理解系统的有关概念及系统构成技术，采用了案例教学法。

在介绍产生式系统时，我们以动物识别系统为案例进行介绍。案例教学通常可以分为3个步骤，即案例引入、案例分析和案例总结。案例引入过程介绍产生式的语法和语义、产生式系统的组成及工作原理后，通过屏幕演示动物识别系统的运行过程使得学生能够获得老虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁七种动物的一些特征；案例分析阶段通过向学生展示使用Prolog编写的动物识别系统源程序，详细介绍设计思想以及实现过程。该过程是案例教学的关键，教师引导学生进行案例分析，之后由学生进行补充，师生共同讨论力求系统得以更完善；案例总结阶段由老师对学生的讨论情况进行总结，在总结讨论情况的基础上提出一些问题（例如如何进一步提高系统的效率？）。

在介绍自然语言理解系统时，以自然语言情报检索系统LUNAR[5]为例进行介绍。从LUNAR系统的词法分析、语义解释和问题回答三个阶段进行详细分析。经过案例引入、案例分析和案例总结三个阶段，使得学生对LUNAR系统的设计步骤、关键技术及设计思路有深入的了解。之后，要求学生写出案例分析书面过程，并完成课后作业“指挥机器人的自然语言理解系统SHRDLU”。

4 课程考核方式的改革

研究生教育以培养学生的能力和素质为主要目标。人工智能课程的考核方式也以此为目标，采用以考察理解应用为目的的论述题，或结课论文形式进行，同时注重平时考核。平时考核以学生查资料的能力、阅读相关文献即完成课后作业的情况为考核对象。

5 结束语

为了提高人工智能课的教学质量，根据课程及教学对象的特点，结合教学过程实际问题，采用了合适的教材，安排了合适的学时，在教学过程中综合各种教学方法的优点，并采用了适当的考核方式。教学结果表明，通过这些尝试，提高学生学习的兴趣和积极性，取得较好的教学效果，学生能够有意识地使用人工智能中的相关知识、思想来进行学术研究。

参考文献：

[1] 蔡自兴，徐光祐.人工智能及其应用——研究生用书[M]. 第3 版. 北京：清华大学出版社，2004.

[2] 廉师友.人工智能技术导论[M].西安：电子科技大学出版社， 2002.

人工智能教学目的范文第5篇

苏霍姆林斯基在《教育艺术》中认为，“在人的心灵深处有一种根深蒂固的需要，就是希望自己是一个发现者、研究者、探索者。在儿童的精神世界中，这种需要特别强烈”。我们要敢于打破传统的教学模式，运用现代教育技术培养真正适应于经济社会发展的创新型和国际化人才。现代教育技术是伴随现代科技的发展，特别是电子、通讯、计算机的飞速发展而产生的，也是现代教育理论发展到一定阶段的产物。

作为新一轮科技革命的代表，人工智能（AI）技术已经或正在颠覆性地改变着许多行业和领域，而教育就是其中之一。来自谷歌的世界顶尖的人工智能专家团队将AI的智能l展划分成了三级：第一级是“弱人工智能”，只能够专注在一个特定领域，如下围棋；第二级是“强人工智能”，能够达到或超过人类水准；第三级是比人类聪明1000万倍的人工智能。

目前，“弱人工智能”已经渗透到我们生活的方方面面：搜索引擎、实时在线地图、手机语音助手、智能客服等都运用了人工智能技术。尽管人工智能要从感知、行为和认知三个维度全面模拟甚至超越人类，还有很长的路要走，但目前的AI凭借强大的计算能力、存储能力和大数据处理能力，已经改变着传统教育模式与教育形式，在破解教育资源不均、提高教育效率和教学质量、提供个性化精准化教学、优化教育评价系统等方面将发挥重要作用。

浙江西湖高等研究院人工智能研究室主任于长斌认为，人工智能下一步应用可能是远程教育、自我强化教育，甚至是教育领域的机器换人。从人工智能现阶段研究成果来看，机器人做数学题、英语题完全没有问题，有科学家还成功用人工智能自动生成科研和学术论文，其中有一些甚至被期刊录用。

高考机器人

在今年6月7日的“高考”中，人工智能机器人AI-Maths在数学科目的两套试题考试中分别取得了105分和100分的成绩。整个答题过程中，机器人不联网、不连接题库、无人工参与，全由机器人独立完成解答。研究人员表示，由于AI-Maths在识别自然语言时遇到了一些困难，导致部分考题失分。

AI-Maths先后解答了2017年数学科目高考的北京文科卷和全国Ⅱ卷的试题，分别用时22分钟和10分钟，北京文科卷得分105分，全国Ⅱ卷（数学）得分100分。对这台机器人来说，解答一道题目的时间最快不到一秒。此前总共做了不到500套试卷，大约12000道数学题。而一个中国学生，按照每天10道数学题估算，到高考前已经做了大约30000道数学题。

考试结果显示，这台高考解题机器人在不依赖大数据的前提下，逻辑分析能力远超人类，但在文意理解、多样性思维上要比人类逊色得多。参与阅卷的资深数学老师表示，AI-Maths相当于中等成绩水平的高中毕业生，失分主要是因为“读不懂题目”，遇到一些人类语言（而非数学语言）时，无法理解。

专家指出，这次机器人不得高分的原因较多，首先这个机器人并没有代表机器人的最高水平，其次机器人没有联网，不能够联想自己的知识，这样得低分也是理所当然的了。经过更多的训练和学习以后，未来AI-Maths会取得更好的成绩。

该机器人是由成都准星云学科技有限公司研发的一款以自动解题技术为核心的人工智能系统，诞生于2014年。该公司参与了科技部的863“超脑计划”。

同时进行的另一场机器人高考测试中，学霸君的Aidam首次与6名高考理科状元在北京同台PK，解答2017年高考文科数学试题。Aidam的成绩为134分，6名状元的平均分为135分。Aidam答题耗时9分47秒。为了展示，Aidam当天答题放慢了六倍速度，平时每道题完成时间应该在7-15秒。

从2014年开始，国内人工智能引领者科大讯飞就联合了包括北大、清华等在内的超过30家科研院校和企业，共同开启了一项隶属国家863计划的“高考机器人”项目，他们希望通过这个项目的实施，研制出能够参加高考并在2020年考上北大、清华的智能机器人。“超脑计划”汇集了国内近60%的人工智能专家，其重点就是要研究突破机器的知识表达、逻辑推理和在线学习能力。

目前，高考机器人在英语学习方面也取得阶段性成果：一是翻译，已经能够让翻译能力达到高考入门水平。二是在广东地区的英语高考、中考场景中，在发音准不准、填空题选择题，判断你懂不懂知识上，机器已经超过人工。三是口语作文实现突破。比如给学生一个题目《My Mother》，现在AI机器的评测打分已经比人类打分更精准。

有人提出了一个十分滑稽的问题，那就是人工智能要是通过高考考上大学，是不是意味着我们的教育培养出来的就是考试的机器？这个问题的逻辑不一定严密，但巧妙地折射出了现行教育体制的一些问题。如果以应试为主的教育方式不改变，智能机器取代老师几乎是必然。更可怕的是，这样的教育培养出的人也将被智能机器淘汰。

AI阅卷批改作业

面对庞大的考生规模和多种多样的考试，专家和老师阅卷成为一个独特的景观。从传统的纸笔阅卷到网上阅卷，再到今天的机器智能阅卷，AI可以轻松解决繁重复杂的阅卷难题，大大提高阅卷的效率和质量。

通过对试卷进行数字化扫描、格式化处理，转换成机器可识别的信号，机器就能按阅卷专家的评判标准，进行自动化阅卷，还可以自动检测出空白卷、异常卷，并给出最终的评阅报告及考试分析报告。原来三个月的工作，现在一周就能完成，而且更准确、公正。

中国教育部考试中心对“超脑计划”的阅卷工作进行了验证，结果是，在“与专家评分一致率、相关度”等多项指标中，机器均优于现场人工评分。

除了代替人工阅卷，人工智能还可以帮老师做批改作业、备课等重复枯燥的工作，不仅节省大量时间，还可以减少工作量。

语音识别和语义分析技术的进步，使得自动批改作业成为可能，对于简单的文义语法，机器可以自动识别纠错，甚至是提出修改意见，这将会大大提高老师的教学效率。

今年两会期间，科大讯飞董事长刘庆峰在提案中提到，科大讯飞的英语口语自动测评、手写文字识别、机器翻译、作文自动评阅技术等已通过教育部鉴定并应用于全国多个省市的高考、中考、学业水平的口语和作文自动阅卷。而基于国家“十三五”863“基于大数据的类人智能关键技术与系统”阶段性成果构建的“讯飞教育超脑”已在全国 70% 地市、1 万多所学校应用。

国外也有多个智能测评公司和实践案例。GradeScope是美国加州伯克利大学一个边缘性的产品，它旨在简化批改流程，使老师们更专注于教学反馈。目前有超过150家知名学校采用该产品。MathodiX是美国实时数学学习效果评测网站，算法会对每一步骤都进行检查、反馈。

美国教育考试服务中心（ETS）是世界上最大的私营非盈利教育考试及评估机构，已经成功将AI引入SAT和GRE论文批改，同人类一起扮演评卷人角色。

计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。

虽然人工智能可以阅卷、批改作业，但诚如《信息时报》刊发的《推广“机器人老师”可为广大教师减压》一文所言：教育需要尊重“异质思维”，同样的问题，学生会给出差异化、个性化的答案；目前“机器人老师”在阅卷、批改作业的时候会有明显的局限性，可能更适用于客观题却不适用于主观题。

不可否认，最初机器是用来辅助人工教学的，未来的趋势则是人辅助机器，而这个过程会一次次重塑考、学、教、管的服务流程。未来，当进入强人工智能和超人工智能时代，机器人更像是老甚至在许多方面超越老师。

机器人当老师

城乡、区域教育鸿沟，择校问题，学区房问题，都是教育教学资源不均衡导致的，归根到底是优秀教师的稀缺，而智能教育机器人则是解决这一问题的有力工具。“机器人老师”不仅有助于解决师资不足和师资结构不合理等难题，还能大大缓解社会矛盾，促进教育公平。

目前国内已涌现出像魔力学院这样的创业公司。几年前魔力学院创始人张海霞从北大毕业时，她的毕业论文是国内最早对人工智能教学进行研究的学术论文，同时在上大学期间，她就已经是新东方出国留学部最好的英语老师。这种雄厚的技术和教学背景，让她成为国内最早一批人工智能领域的创业者。

“与大多数互联网教育领域的产品不同，魔力学院从一开始，我们要解决的问题就是用人工智能机器替代老师进行讲课。曾经有很多投资人建议我们妥协一下，暂时用真人老师讲课，后面再一步步地进化到人工智能老师，但我们从来没有妥协。”张海霞说。

直到2016年3月，魔力学院第一个商业化的版本上线，企业开始有了第一笔收入，成为全球在人工智能老师这个领域第一家产品上线的创业公司，也是第一家实现了持续收入和盈利的创业公司。至今，在人工智能老师这个领域，魔力学院的相关产品仍然是惟一能从教、学、练、测各个维度提供人工智能老师教学的公司。

目前在新东方也开始这样的实验，教室里没有人类老师上课，机器人将重要知识点经过搜集和教学设计后，用非常幽默的方式向学生传授，从课堂效果来看，“学生很愿意听”。

新东方教育集团董事长俞敏洪认为，未来10年内，教师七成教学内容一定会被机器取代。不过，缺少人类老师的教学必然不完整，因为课堂教学不光是把知识点告诉学生，更需要对学生开展知识融合、创造性思维、批判性思维等能力训练。对于这些思维方式的训练教学，机器人老师还无法胜任。“未来的课堂将是机器人智能教学、老师情感和创新能力的发挥及学生学习的三者结合。”

除了民办教育在积极引入机器人老师，我国的“福州造”教育机器人已在部分城市的学校开始“内测”，今后有望向全国中小学推广。这款教育机器人除了帮助老师朗诵课文、批改作业、课间巡视之外，还能通过功能强大的传感器灵敏地感知学生的生理反应，扮演“测谎高手”角色。一旦和“学生机”绑定，可更清楚地了解学生对各个知识点的掌握情况。

对于机器人老师，国外早有应用。2009年，日本东京理科大学小林宏教授就按照一位女大学生的模样塑造出机器人“萨亚”老师。“萨亚”皮肤白皙、面庞清秀，皮肤后藏有18台微型电机，可以使面部呈现出6种表情。她会讲大约300个短语，700个单词，可以对一些词语和问题做出回应，还可以学会讲各种语言。“萨亚”给一班10岁左右的五年级学生讲课，受到新奇兴奋的孩子们的极大欢迎。

教育是塑造灵魂的特殊职业，教师是人类灵魂的工程师，面对的都是活生生的具有不同个性情感的学生，在价值观塑造和创新思维启发方面，“机器人老师”有着明显的局限性。尽管机器人老师不知疲倦，知识渊博，能平等地对待学生，加上它的特殊身份能激发学生的学习兴趣和动力，然而机器人永远无法完全替代“真正的人类教师”。

当老师们从繁重的重复性工作中解放出来，实际上可以将更多的时间和精力花在富有创造性的工作上。比如培养学生的素质和情商，激发学生对学习的热情，鼓励学生独立思考，形成自己的价值观和思想体系，成为有美好人格和创新能力的个体。

实际上，老师充当的是一个引导者、启发者的角色，老师做的应该是“准备环境-引导孩子-观察-改进环境-再引导-退出-再观察”。极少干预和不断引导，让孩子能最大限度地拥有独立性、专注度和创造力。

机器人进课堂是大势所趋。不久的将来，人类老师将负责进行情感、心理、人品、人格上的健康教育和品德教育，以及各类知识的融会贯通、学习方法的引导、创新能力的培养。而知识教育这部分，将会以“机器换人”的形式让渡给人工智能。这将对老师提出更高的要求，因为除知识教育外的这些教学内容，需要由真正有能力的老师来传授。“老师要避免被机器取代，就要先避免自己成为机器。”

可见，教师需要快速适应现代化教学需要，熟练使用各类领先科技产品，提升综合素质，这将决定教师本人的去与留，更是教育希望与未来的关键所在。

个性化教育

因材施教在我国已有2000多年历史，但在我国应试教育大环境下，根据学生不同的认知水平、学习能力以及自身素质来制定个性化学习方案，真是说易行难。当传统思想与尖端科技相结合，因材施教的可行性有了大幅提高。人工智能介入后，个性化教育有两条实现途径。

一是构建知识图谱。构建和优化内容模型，建立知识图谱，让学生可以更容易地、更准确地发现适合自己的内容。国外这方面的典型应用是分级阅读平台，推荐给学生适宜的阅读材料，并将阅读与教学联系在一起，文后带有小测验，并生成相关阅读数据报告，老师得以随时掌握学生阅读情况。

Newsela将新闻与英语学习融为一体。通过科学算法衡量读者英语水平，抓取来自《彭博社》《华盛顿邮报》等主流媒体的内容，由专人改写成不同难度系数的版本。LightSail也是相同应用，不过它的阅读材料是出版书籍，它收集了适合K12学生阅读的来自400多个出版商的8万多本图书。

2015年底Newsela用户量超过400万，LightSail和纽约市教育局、芝加哥公立学校、丹佛公立学校等机构达成了合作，而目前我国没有如此规模、与官方达成合作的个性化阅读学习平台。

二是自适应学习。人工智能可以从大量的学生中收集数据，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。当一个学生阅读材料并回答题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。

在美国乔治计算机学院，有一门课叫“人工智能概论”。这门课是艾萨克・格尔教授创建的。他有一个教学助理叫吉尔。这个课程的特点是以问答方式授课，学生提问，老师和助教回答。第一年就有大约1000多名学生参与，提出了超过1万个问题，其中40%的问题是由助教吉尔回答的。让学生惊奇的是，吉尔竟然是一个机器人，而且教了他们整整一个学期。格尔教授采用IBM沃森界面，创建了这个AI驱动的BOT交互系统，也开发了整个课程的内容和形式。