前言：中文期刊网精心挑选了人工智能教育概念范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能教育概念范文1
自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.
人工智能教育概念范文2
关键词：精品课程；视频公开课；课程建设；人工智能
一、引言
中南大学的人工智能课程是国内高校最早开设的该课程之一。1987年清华大学出版社出版了我校蔡自兴和清华大学徐光编著的《人工智能及其应用》，成为国内率先出版的具有自主知识产权的人工智能教材，为人工智能课程提供了一部好教材，对人工智能在中国的传播和发展起到重大推动作用。
我校人工智能课程自开设以来已培养约30届学生，培养人数超过3000人。授课对象包括计算机、自动化专业的本科生和电子信息类等专业的研究生。2001年，我们研发的“人工智能网络课程”被评为优秀网络课程。2003年和2007年“人工智能”分别被评为首批国家精品课程和全国双语教学示范课程。同时，课程的相关网络资源和知识表示方法的课堂录像陆续上网，向全社会开放，成为学生复习和自学的有力手段和特色环境。
近年来随着国外名校的视频公开课风靡网络，建设我国自己的视频公开课已势在必行。在这种背景下，人工智能课程的等一批国家精品视频公开课应运而生。我们的“人工智能PK人类智能”的视频公开课入选国家精品视频公开课建设计划，已成为首批播出的课程之一，受到公众欢迎与好评。
二、讲授内容选定
人工智能是一门前沿交叉学科，也是一门与人类生活息息相关和公众颇感兴趣的科学。网络视频公开课是以大学生为服务主体，同时面向社会大众，是免费开放的科学与文化素质教育的网络视频课程与学术讲座。由于人工智能属于专业基课程，如何在有限的时间内讲述一个完整的专题，避免艰深的专业知识，让大多数人都能听懂并感兴趣，是安排视频课程内容时需要首先考虑的问题。为此，在内容安排上将重点放在专业史和热点研究介绍上，其目的是通过介绍学科的发展史和一些经典或热点问题的研究情况，激发大家对人工智能研究的兴趣，增进对人工智能知识的了解，认识到前沿科学其实离现实并不遥远。
在上述理念指导下，本视频课程并没有照搬平时上课的内容，而是精选了人工智能领域中一些具有代表性的内容进行介绍。首先概述人工智能的起源与发展历史，以及人工智能领域影响最大的三大流派及其认知观等。然后介绍人工智能中几种经典技术，包括推理证明技术、问题求解技术等。此外，对人工智能中公众最感兴趣的一个应用领域――机器人学进行阐述。最后，对人工智能的一些最新研究发展领域，如计算智能和群智能技术等进行讨论。具体内容安排如下：
第一讲：人工智能的诞生
长期以来人工智能充满了激烈争论，其发展过程不是一帆风顺的，在中国也历经了质疑、批评甚至打压，直至出现希望的曙光，形成今天的可喜局面，其过程可谓艰辛。该讲从不同角度对人工智能的定义进行介绍，分析其异同，介绍人工智能的起源与发展过程，特别是在中国的发展情况，让听众对什么是人工智能有个大致的了解。
第二讲：人工智能的学派
从符号主义为代表的经典人工智能到连接主义、行为主义，人工智能的研究可以说是从一家独秀走向百家争鸣。该讲介绍人工智能的主要学派，各自的理论基和认知观，并论述人工智能对社会、文化、经济等层面的影响。
第三讲：经典人工智能的推理技术
经典人工智能的有关推理技术和方法是早期人工智能研究的主要手段，用于研究基于经典逻辑的自动定理证明等问题，对人工智能学科的发展产生了深远的影响。本讲主要介绍基于数理逻辑方法的推理证明技术，尤其是定理证明方法的代表之一――消解原理。
第四讲：问题求解与搜索
问题求解技术是人工智能研究领域的一个核心问题，涉及问题表示和求解搜索两部分内容。这一讲主要介绍问题求解中的一种常用方法――状态空间法，阐述图搜索方法和求解策略，特别是引入启发式信息的启发式搜索方法。
第五讲：机器人学
机器人是人们听到人工智能时几乎第一时间联想到的事物。机器人学作为一门学科，该讲介绍机器人学的发展过程和机器人的分类，探讨机器人学与人工智能的关系，说明研究开发机器人技术的动机。
第六讲：人工智能的新领域――计算智能
经典人工智能虽在早期占有统治地位，但目前已经不再是研究热点。而计算智能则异军突起，成为智能学科中新的增长点。本讲主要介绍计算智能的几个主要分支神经计算、进化计算、模糊计算和人工生命的一些基知识。
第七讲：人工智能中的仿生学――群智能
人工智能是一门信息科学与生命科学等高度交叉的科学，不仅涉及到计算机、自动化、数学、信息学等学科，还涉及到心理学、脑科学、仿生学等各种学科。群智能就是仿生学在人工智能中应用的典型。该讲主要介绍受到蚁群和鸟群社会行为启发而构建的蚁群算法和粒群算法，将其转换为可计算模型，引入到问题优化求解中。
三、课程建设经验
由于授课对象的不同和授课时间的限制，在只有30分钟的一讲一主题情况下，要像平时上课那样详细讲解是不可能的，为此需要对视频公开课的材料进行重新组织。我们的人工智能课程作为首批国家精品课程，其教学资源还是比较丰富的，具有一定优势。
首先，使用主讲人编著的《人工智能及其应用》作为课程教材。根据教学对象不同，编撰了不同类型的教材，以适应不同层次学生的要求。2003年和2004年在清华大学出版社先后出版了《人工智能及其应用》第三版“本科生用书”和“研究生用书”。2005年在高等教育出版社出版了面向大专院校和网络课程的《人工智能基》，以及在国防科技大学出版社出版了面向管理类学生的《人工智能及其在决策系统中的应用》。2010年又出版了“十一五”规划教材《人工智能及其应用》第四版及《人工智能基》第二版，使教材与时俱进，不断创新，更好地为人工智能教学改革和人才培养服务。这些教材已为高水平课程建设和学科建设做出了重要贡献，也为视频网络课程提供了丰富的素材。
其次，教学资源丰富，知识融会沟通。课程主讲人也是国家级教学团队“智能科学基系列课程教学团队”的负责人，团队成员除承担人工智能课程教学外，还负责智能控制、机器人学等相关课程的教学。这些课程也都有对应的自编优秀教材，都可直接作为课程的参考资料。
“人工智能网络课程”具有明显特色(网络化、智能化和个性化)，得到专家和同行的认可和肯定，被教育部评为国家级优秀网络课程。特别是更新后的向导学习、个性化以及算法实验，采用了人工智能技术本身来实现人工智能网络课程，具有显著的特色和先进性。网站上课程的教学大纲、教案、课件、实验指导书、课堂录像和参考文献一应俱全。人工智能相关的网络资源，如网站、新闻组、BBS等，包括了大量的文献资料、讨论、本领域研究的前沿动态、人工智能课程相关的演示动画
和实验等。
虽然有相当丰富的教学资源，但为了适应视频公开课的需要，在视频公开课材料的组织上仍然花费了大量的时间和精力。本视频公开课课程具有下列主要特色：
(1)材料翔实、图文并茂
人工智能的发展经过几代人的努力奋斗，其在中国的发展尤其曲折。在课程资料组织过程中，对许多重要理论与方法的提出者以及一些会议与纪念活动等介绍，基本上都配以图片。这些图片有的是自己的第一手资料，有些则是从网络搜索得到。这些图片的引入，给本来相当枯燥无味的文字和概念增加了趣味性和对观众的吸引力，也是视频教学优势的一个体现。
(2)深入浅出、直观生动
人工智能作为一门讲述前沿理论的专业基课，其复杂的技术、算法、理论是一般观众很难理解的。视频课程不可能在较短时间内将这些问题讲透，而是通过形象的动画说明基本原理和概念，激发学生进一步学习的兴趣，真正起到带“入门”的作用。这也是视频课程的优势所在。
(3)精选题材、注重趣味
人工智能是一门高度交叉的科学，涉及面极广。为了让观众尽可能全面地了解这门学科，公开课着力于讲授内容的精选。从人工智能的起源开始，分别介绍了经典人工智能的搜索推理技术、当前的研究热点计算智能和群智能技术，以及人们对人工智能最直观的印象――机器人学，形成一定的体系。在这些题材中包括了逻辑学、生物学、脑科学、神经学乃至仿生学等不同的学科交叉，力求使枯燥的科学理论变成美味的知识盛宴。
四、问题与体会
经过紧张的准备和拍摄过程，“人工智能PK人类智能”精品视频公开课终于上网与广大观众见面了。由于时间仓促和经验不足等原因，本视频课程仍存在一些不足之处，值得今后弥补。
(1)考虑到比较通俗易懂的要求，使没有相关专业基的公众也能够基本上听懂，因而将很大一部分内容的重点放在了专业史上，其专业深度不够。
(2)由于每讲必须在30分钟内讲完一个专题，因此难以对相关技术进行深入探讨，只能简要介绍其原理和概念，使观众能知其然，却没法知其所以然。
(3)国外的公开课基本上都是随堂录像，视频课讲的内容就是平时课堂讲授的内容。而我国的视频公开课课程却强调普及性，相应的牺牲了部分专业性，在定位上仍有犹豫。这可能是我们的公开课与国外公开课的一个重要差别。
要把我国的视频公开课建设好，不能盲目追求观看率和点击率。从课程性质上看，文史类课程由于受众面广，容易被更多的人群接受和理解，观看的人就自然会多。理工类课程由于受限于领域基知识，受众面相对较窄，其接受程度肯定较低。要真正建设一门好的视频公开课，还是应该明确定位，内容贵精不贵多，完整清晰的讲述好若干知识点，让观众真正有所收获就是成功的。
参考文献：
[1]傅京孙，蔡自兴，徐光，人工智能及其应用，北京：清华大学出版社，1987
[2]宋健，学科前沿的最精彩成就[C]，见蔡自兴，徐光编著的人工智能及其应用(第四版)[M]，北京：清华大学出版社，2010
[3]蔡自兴，徐光，人工智能及其应用(第三版)，本科生用书[M]，北京：清华大学出版社，2003
[4]蔡自兴，徐光，人工智能及其应用(第三版)，研究生用书[M]，北京：清华大学出版社，2004
[5]蔡自兴，蒙祖强，人工智能基[M]，北京：高等教育出版社，2005
[6]蔡自兴，人工智能及其在决策系统中的应用[M]，长沙：国防科学技术大学出版社，2005
人工智能教育概念范文3
［关键词］人工智能；财务机器人；会计电算化；人才培养
0引言
正如会计电算化替代传统手工会计一样，随着信息化、智能化、互联网、大数据等科技元素在会计信息化中的应用，人工智能悄然到来。自2017年“会计证被取消”，到普华永道、安永、德勤等国际会计师事务所纷纷推出财务机器人，这些举动在财务圈引起了轩然大波，许多中职学校会计相关专业的学生，担心基础核算会计将被人工智能取代，对未来颇感担忧。根据世界经济论坛2016年的调研数据预测，到2020年，在全球15个主要的工业化国家中，机器人与人工智能的崛起，将导致510万个就业岗位的流失，未来20年最有可能被机器人抢走饭碗的岗位包括低端制造业的生产、会计等［1］。2017年7月，中国《新一代人工智能发展规划》，将人工智能上升为国家战略。所以笔者认为，基于人工智能背景下的中职会计电算化专业人才培养方式将面临变革，在教学中应站在未来发展的高度，适应信息化发展，及时掌握人工智能相关技术，实现由传统会计电算化专业人才培养向智能化管理会计转型。
1人工智能的概念［2］
人工智能即AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学，它是指由人工制造出来的系统表现出来的智能。目前人工智能在计算机科学领域内，受到了广泛的发挥。在机器人、经济政治决策、控制系统、仿真系统中得到应用。人工智能是信息技术发展的必然，它已悄悄地改变着人类的各行各业。人工智能在会计行业中应用，促使会计由简单核算向管理方向变革，推动了会计行业的发展，同时也促使着中职学校会计及相关专业的人才培养转变。人工智能取代传统的会计电算化操作人员是一种趋势，但也是一种转变，自我提升的机遇。
2中职学校传统会计电算化专业人才培养［3］
2．1课程偏传统基础核算类，轻参与、管理类会计课程
在多数中职学校会计电算化教学计划课程设计中，传统财务会计类课程占大多数，管理会计类课程设置单一或者没有。而财务机器人的出现，则能够替代大部分重复性、流程性基础会计核算工作。
2．2会计实操偏基础性会计技能，轻数据分析、挖掘
在实践教学及技能培养中，过于注重培养学生点钞、传票的翻打、会计书写、凭证装订，会计电算化软件操作机械性录入等。在当前大数据、人工智能背景下，可以让会计人员摆脱繁杂事务，重点放在会计数据分析与数据挖掘，为企业决策提供服务。
2．3课程偏模拟操作，轻实际操作
无论是手工核算还是会计电算化记账，大多数实操是模拟一个企业一个月的业务，学生根据教材或老师给予的信息进行会计处理，过账，做报表。一学期就是这样反反复复练习。学期结束，虽然考试合格，但仍有很多学生不明白为什么这么处理，特别在月末业务处理更加模糊不清，例如工资发放，计提税费、费用摊销、成本及费用结转等。还有绝大多数学生不知道真实环境如何计税、报税、纳税，只是理想中的学习，为了做账而做账。
3人工智能背景下的中职会计电算化人才培养［4］
3．1由基础核算型初级人才向有思想的中级人才转变
人工智能在会计行业中的应用，会计核算软件中的基础数据录入、凭证录入与审核、记账、编制科目汇总表、材料的收发统计、报表的编制等操作很容易被财务机器人替代，但是也有一些是机器无可替代的，需要有思想的“人”来处理。例如：由于大环境变化，企业的固定资产有明显减值趋势，而财务机器人并不能分析与判断这个固定资产是否会减值或减值多少，如果财务上不及时做出处理，将可能导致企业少确认资产减值损失，虚增了企业的资产和利润，对于企业来说，这属于信息失真。在大数据时代，中级类型的会计人才储备相对较少，中职学校的会计电算化教育，需要培养的应当是此类会计人才。教学会学生不能只拘泥于看财务数据，还要学会合理利用有效的会计数据服务于企业的发展，提高企业的核心竞争力。
3．2由传统的财务会计向人工智能环境下的管理会计人才转变
财务机器人的出现，替代了传统的财会人员进行基础数据的录入，日常凭证的填制、审核、记账；凭证、账簿、报表的生成；成本结转、折旧等财务处理；纳税申报等，这不仅提高了会计工作的效率，减少了传统的会计人员繁杂的日常账务处理工作，但同时也让传统的会计人员失去工作。作为会计的教育者，如何让学生在未来立于不败之地，不被财务机器人替代，就需要学校适应时代趋势，教学重点由传统的基础核算向智能管理型会计演变。会计从事的活动，除了重复、机械、烦琐的事情外，还可以创造更多价值，比如：评估、判断、沟通、协作、建议等。管理型计人才就是通过智能机器人核算出的精确信息，对企业的未来做出评估、预判、建议等，甚至帮助企业管理者做出决策。
3．3由会计电算化软件操作员向人工智能会计系统的设计者转变
人工智能环境下的财务机器人，实质就是一种自动化运行的程序，这种程序的设计，需要设计人员既要懂计算机又要懂会计。而现在的中职学校，会计电算化专业主要培养的是会计专业人才，操作会计核算软件，而很少在计算机方面进行教学。在人工智能环境下，懂得会计专业的人才只是人工智能会计系统设计的主导者，而计算机方面人才则根据会计法及相关规则进行系统设计，自动化处理会计业务需要想到协作，融会贯通。人工智能永远是基于系统的规则和大数据，如果规则发生变化，人工智能将无法起作用。在日常教学中，哪怕我们不能完全让学生掌握编写程序，但是应当教会学生看懂和读懂程序，对机器人“思想”进行修改，也算是人工智能的掌控者，而不是被替代者。
4人工智能背景下中职学校会计电算化专业人才培养应对策略［5］
4．1更新理念与改变教学计划
笔者认为，在人工智能背景下，在中职学校，会计及电算化专业办学理念中应加入人工智能等相关技术，同时其人才培养方案、专业建设、教学计划等方面都需要做出相应的调整，培养适应于人工智能时代复合型人才。例如，中职学校会计或会计电算化专业的教学计划中，计算机方面课程开设仅有计算机应用及会计电算化软件操作课程，数据处理、编程类或人工智能课程几乎没有，这样的教学安排不利于学生对未来人工智能的应对能力培养，应当增加相应的计算机方面课程，财务管理、会计政策、法律法规等人工智能无法替代的课程，减少将来可能被财务机器人替代的会计技能课程。
4．2提高教师人工智能等相关理念和技术
要给学生一碗水，教师必须要有一桶水，虽然人工智能的出现解决了许多教育上的难题，但是教师在人工智能背景下还需要增强自身信息化能力，学习人工智能相关理念，掌握人工智能相关技术。这就需要学校给予老师多点人文关心以及人工智能方面的继续教育。
4．3关注人文综合素质培养，让人工智能为我所用
财务机器人出现，会计人员有更多时间去从事财务机器人无可替代更具有情感类的工作，这些工作需要人与人之间的沟通与交流，因此，笔者认为，中职会计电算化专业教育，不仅需要培养学生人工智能动手能力，还要关注学生思想道德、人文综合素质的培养，提升学生的思想道德水平，教会学生爱岗敬业，诚实守信、乐于助人，激发学生的学习主动性和创造性。如果没有良好职业道德水平，即使掌握了人工智能技术，也将会破坏规则，让会计信息失真。我们不能教出人工智能的“奴才”，应当让人工智能为人类所用，做人工智能的主人。
5结语
总之，人工智能正在快速又深刻地改变我们的生活和工作方式，将人工智能用于会计行业会也将会不断得到规范。对于人工智能这类新兴技术在财务行业的运用初期可能会让学生产生恐慌、彷徨，认为学校教育无用。作为专业教师，要教会学生变革思想，提高其对会计价值的认识，提高其人文综合素养，拥有过硬的专业技术，不断地完善专业胜任能力，把握机会，主动迎接挑战，那么人工智能就只是会计人员的好帮手，而不是掘墓人。
主要参考文献
［1］彭维．浅谈人工智能时代财务的变革与转型［J］．中国管理信息化，2018（19）：39－41．
［2］巩彦哲．人工智能在会计管理中的应用微探［J］．财会学习，2018（20）：86－87．
［3］卢映芝，黄静．人工智能与会计课程实操的结合探讨———VR技术的引进［J］．现代商贸工业，2018（30）：160－162．
［4］王立法．论人工智能环境下会计人才培养所面临的挑战及见解［J］．财经界，2018（6）．
人工智能教育概念范文4
【关键词】人工智能 计算机技术
一、人工智能的定义
“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、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,它企图了解智能的实质,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。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。
人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。
二、人工智能的应用领域
1.在管理系统中的应用
(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。
(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。
2.在工程领域的应用
(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist 2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。
(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。
3.在技术研究中的应用
(1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。
(2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。
三、人工智能的发展方向
1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。
2.智能信息检索技术的飞速发展。人工智能在网络信息检索中的应用,主要表现在:(1)如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。(2)由于网络知识信息既包括规律性的知识,如一般原理概念,也包括大量的经验知识这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素对其进行推理,需要利用人工智能的研究成果。
3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。
参考文献:
[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.
[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.
[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).
[4]周明正.人工智能在医学专家系统中的应用[J].科技信息, 2007.
[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).
[6]马秀荣,王化宇.简述人工智能技术在网络安全管理中的应用[J].呼伦贝尔学院学报,2005,(4).
人工智能教育概念范文5
一、深度学习概念的提出
深度学习的概念，源于30多年来计算机科学、人工神经网络和人工智能的研究。上世纪八九十年代，人们提出了一系列机器学习模型，应用最为广泛的包括支持向量机（Support Vector Machine，SVM）和逻辑回归（Logistic Regression，LR），这两种模型分别可以看作包含1个隐藏层和没有隐藏层的浅层模型。计算机面对较为复杂的问题解决训练时，可以利用反向传播算法计算梯度，再用梯度下降方法在参数空间中寻找最优解。浅层模型往往具有凸代价函数，理论分析相对简单，训练方法也容易掌握，应用取得了很多成功。①随着人工智能的发展，计算机和智能网络如何基于算法革新，模拟人脑抽象认知和思维，准确且高清晰度地进行声音处理、图像传播甚至更为复杂的数据处理和问题解决等，在21世纪来临的时候成为摆在人工智能领域的关键问题。
30多年来，加拿大多伦多大学计算机系辛顿教授（Hinton，G.）一直从事机器学习模型、神经网络与人工智能等问题的相关研究，并在机器学习模型特别是突破浅层学习模型，实现计算机抽象认知方面取得了突破性的进展。2006年，他在《Science》上发表了《利用神经网络刻画数据维度》（Reducing the Dimensionality of Data with Neural Networks）一文，探讨了应用人工神经网络刻画数据的学习模型，首先提出了深度学习（Deep Learning）的概念和计算机深度学习模型，掀起了深度学习在人工智能领域的新。这篇文章的两个主要观点是：第一，多隐藏层的人工神经网络具有优异的特征学习能力，学习到的特征对数据有更本质的刻画，从而有利于可视化或分类；第二，深度神经网络可以通过“逐层初始化”（Layer-wise Pre-training）来有效克服训练和优解的难度，无监督的逐层初始化方法有助于突破浅层学习模型。②基于深度置信网络（DBN）提出非监督逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。③2012年，辛顿又带领学生在目前最大的图像数据库ImageNet上，对分类问题取得了惊人的结果，将计算机处理图像数据问题时排名前五的错误率（即Top5错误率），由最高26%大幅降低至15%，大大提高了人工智能图像数据处理的准确性和清晰度，这是早先计算机仅仅依赖数学模型的表层学习和单层学习根本无法实现的水平。
在人工智能领域，深度学习其实是一种算法思维，其核心是对人脑思维深层次学习的模拟，通过模拟人脑的深哟纬橄笕现过程，实现计算机对数据的复杂运算和优化。深度学习采用的模型是深层神经网络（Deep Neural Networks，DNN）模型，即包含多个隐藏层（Hidden Layer，也称隐含层）的神经网络（Neural Networks，NN）。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征、中层特征、高层特征直至最终的任务目标。深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。训练深层模型是长期以来的难题，近年来以层次化、逐层初始化为代表的一系列方法的提出，为训练深层模型带来了希望，并在多个应用领域获得了成功。
人工智能学者们认为计算机和智能网络的这一深层的自动编码与解码过程，是一个从数据刻画、抽象认知到优选方案的深度学习的过程。由于人脑具有深度结构，认知过程是一个复杂的脑活动过程，因而计算机和人工智能网络模拟从符号接受、符号解码、意义建立再到优化方案的学习过程也是有结构的；同时，认知过程是逐层进行、逐步抽象的，人工智能不是纯粹依赖于数学模型的产物，而是对人脑、人脑神经网络及抽象认知和思维过程进行模拟的产物。应该说，到目前为止，深度学习是计算机和智能网络最接近人脑的智能学习方法。近几年来，深度学习进一步尝试直接解决抽象认知的难题，并取得了突破性的进展，AlphaGo的问世，便是明证。2013年4月，《麻省理工学院技术评论》（MIT Technology Review ）杂志将深度学习列为2013年十大突破性技术之首。④深度学习引爆的这场革命，将人工智能带上了一个新的台阶，不仅学术意义巨大，而且实用性很强，工业界也开始了大规模的投入，一大批产品将从中获益。二十世纪八九十年代以来，随着学习科学的不断发展，深度学习的概念和思想不断在教育中得到应用。
二、深度学习在教育中的兴起与发展
来自脑科学、人工智能和学习科学领域的新成就，必然引起教育领域研究者的深刻反省。计算机、人工智能尚且能够模拟人脑的深层结构和抽象认知，通过神经网络的建立开展深度学习，那人对知识的学习过程究竟应该是怎样的一个脑活动过程和学习过程？学生的学习有表层和深层等层次之分吗？从作为符号的公共知识到作为个人意义的个人知识究竟是怎样建立起来的？知识学习过程究竟是一个怎样的抽象认知过程？信息技术环境支持下深层次的学习如何实现？近十多年来，这些问题引起了许多教育研究者特别是教育技术学研究者的浓厚兴趣，深度学习、深度教学的研究日益引起人们的重视。也正是在辛顿的“深度学习”概念明确提出后，教育学领域特别是教育技术学领域的深度学习研究日益活跃起来。
其实，早在1956年布鲁姆在《教育目标分类学》里关于“认知领域目标”的探讨中，对认识目标的维度划分就蕴含了深度学习的思想，即“学习有深浅层次之分”，将教学目标分为了解、理解、应用、分析、综合、评价六个由浅入深的层次。⑤学习者的认知水平停留在知道或领会的层次则为浅层学习，涉及的是简单提取、机械记忆符号表征或浅层了解逻辑背景等低阶思维活动；而认知水平较高的深层理解、应用、分析、综合和评价则涉及的是理性思辨、创造性思维、问题解决等相对复杂的高阶思维活动，属于深层学习。1976年，美国学者马顿（Marton，F.）和萨尔约（Saljo，R.）在《论学习的本质区别：结果和过程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明确提出了表层学习和深层学习的概念。⑥这被普遍认为是教育学领域首次明确提出深度学习的概念。他们在一项关于阅读能力的实验研究中，明确探讨了阅读学习的层次问题。通过让学生阅读文章并进行测验，发现学生在阅读的过程中运用了两种截然不同的学习策略：一种是试图记住文章的事实表达，揣测接下来的测试并记忆，即表层学习（Surface Learning）；另一种是试图理解文章的中心思想和学术内涵，即深层学习（Deep Learning），也被译为深度学习。深度学习的学习者追求知识的理解并且使已有的知识与特定教材的内容进行批判性互动，探寻知识的逻辑意义，使现有事实和所得出的结论建立联系。浅层学习和深层学习在学习动机、投入程度、记忆方式、思维层次和迁移能力上有明显的差异。深度学习是一种主动的、高投入的、理解记忆的、涉及高阶思维并且学习结果迁移性强的学习状态和学习过程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人发展了浅层学习和深度学习的相关理论。⑦随着信息技术的发展，近十年来，国外学者对信息技术支持下的深度学习及其在各学科领域、各类教育中的应用研究日渐广泛。
2002年以来，从技术支持高等教育的深度学习、虚拟环境中的深度学习、形成性评估对深度学习的影响、学习环境对学生进行深度学习的影响、技术支持下的深度学习设计等方面研究成果日益丰富，但绝大部分是基于教育技术学视野的研究成果。2006年，辛顿教授关于深度学习的成果发表，进一步推动了深度学习在教育中的研究与应用。近十年来，在中小学深度学习研究方面最有影响的当属加拿大西盟菲莎大学（Simon Fraser University）艾根（Egan， K.）教授领衔的“深度学习”（Learning in Depth，简称LID）项目组所进行的研究，其成果集中体现在《深度学习：转变学校教育的一个革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧该研究探讨了深度学习的基本原则与方法，分析了深度学习对学生成长、教师发展和学校革新的价值与路径，并在加拿大部分中小学进行实验研究。其核心成果聚焦课堂学习和教学问题，即使是关于教师教育中深度学习的研究，也聚焦于教师的学习过程和学习方式。⑨艾根所开展的深度学习研究项目超越了单一教育技术学视野的研究，不仅仅是关于教学设计、学习技术和学习环境开发的研究，而是基于建立新的学习观和知识观，对教学活动与学习过程作出了新的阐释。
总体上看，国内关于深度学习的研究最近十年才刚刚起步。2005年，我国学者黎加厚教授在《促进学生深度学习》一文中，率先介绍了国外关于深度学习的研究成果，同时探讨了深度学习的本质。他认为深度学习是指在理解学习的基础上，学习者能够批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，能够将已有的知识迁移到新的情境中，作出决策和解决问题的学习。⑩此文被认为是国内较早介绍并论及深度学习的研究成果，此后，关于深度学习的探讨，特别是基于信息技术环境下的深度学习的相关研究论文逐渐增加。2006年10月，笔者在前期研究的基础上，与台湾成功大学教育研究所所长李坤崇教授联合发起“海峡两岸能力生根计划”，推进能力导向的深度教学的理论研究与实验研究，主张以价值观、知识观、学习观、过程观的重建为基础，以发展学生的学科能力为宗旨，实施深度教学，克服课堂教学改革过于注重教学程序、教学技术、教学时间的浅层次改革和表层学习的局限性，深化课堂教学改革。2014年后，中国教育科学院院长兼教育部课程教材研究与发展中心主任田慧生研究员基于深化课程改革的需要，带领一个团队开始启动深度学习的项目研究。直至今日，基于核心素养追求背景下的深度学习研究项目，如雨后春笋般涌现，“深度学习”成为教育研究中的一个热词。
尽管计算机、人工智能领域与教育学领域都提出了“深度学习”概念，但不难看出二者显然具有本质差异。计算机与人工智能领域的深度学习是建立在机器模拟人脑深层结构的基础之上的，是基于人脑结构的一种计算机算法思维和问题解决模型，是对人脑和认知结构的模拟。而教育学领域的“深度学习”概念，无论是布鲁姆还是马顿和萨尔约，都指向了“知识”和“学习”两个核心，是关于知识学习的目标和过程的问题。布鲁姆在教育目标分类学认知领域的目标构设中，认为认知目标是由了解、理解、应用、分析、综合、评价六个不断加深的层次构成的。这一目标明显是关于知识学习和认知过程的目标，在2001年修订版中，这一目标被精确表述为知识学习和认知过程两个维度。马顿和萨尔约在关于阅读的研究中，基于学生对文本理解的层次和理解的深度提出了“深度学习”的概念，并认为学习的本质区别在于过程而不是学习的结果，是学生对文本知识学习的深刻程度决定了其学习结果的差异性。
艾根的研究实现了从深度学习向深度教学的转向。艾根的深度学习（Learning in Depth）研究更明确地指向了学生对知识的学习所到达的深度，以及教师通过对知识的处理引导学生逐步到达一定的学习深度。这一深度学习的过程是一个逐步深化的学习过程，要求教师在教学过程中引导学生着眼于知识的深层次理解和深度处理。该项研究表明，深度学习的研究开始从单一的学习技术研究转向了对教学过程的关注，注重深度学习与深度教学的关联性和一致性，深度学习的研究呈现出向深度学习与深度教学相结合的转向。
三、深度学习的核心理念
从深度学习走向深度教学，一方面是教与学的一致性决定的，另一方面是当前中小学课堂教学普遍存在的局限性Q定的。教与学的关系既不是对立关系，也不是对应关系，而是一种具有相融性的一体化关系，离开了教无所谓学，离开了学也无所谓教。学生真正意义上的深度学习需要建立在教师深度教导、引导的基础之上。从本质上看，教育学视野下的深度学习不同于人工智能视野下的深度学习，不是学生像机器一样对人脑进行孤独的模拟活动，而是学生在教师引导下，对知识进行的“层进式学习”和“沉浸式学习”。“层进”是指对知识内在结构的逐层深化的学习，“沉浸”是指对学习过程的深刻参与和学习投入。离开了教师的教学和引导，学生何以“沉浸”？因此，深度学习只有走向深度教学才更具有发展性的意义和价值。同时，我国新一轮基础教育课程改革以来，课堂教学改革依然存在着诸多表层学习、表面学习和表演学习的局限性，“学习方式的转变”往往演变成了教学形式的改变，诸如教与学在程序上的简单翻转和在时间上的粗暴分配。其所体现出来的知识观、价值观、教学观、过程观依然陈旧落后，以学科知识、学科能力、学科思想和学科经验的融合为核心的学科素养依然未能得到实质性的渗透。
深度教学的“深度”是建立在完整而深刻地处理和理解知识的基础之上的。艾根在深度学习的研究中，首次从知识论的角度，论述了深度学习的“深度”（Depth）的涵义。他认为“学习深度”具有三个基本标准，即知识学习的充分广度（Sufficient Breadth）、知识学习的充分深度（Sufficient Depth）和知识学习的充分关联度（Multi-Dimensional Richness and Ties）。这三个标准，也是深度学习的核心理念。
第一，知识学习的充分广度。充分的广度与知识产生的背景相关，与知识对人生成的意义相关，与个体经验相关，也与学习者的学习情境相关。如果教学把知识从其赖以存在的背景、意义和经验中剥离出来，成为纯粹的符号，便成为无意义的符号、无根基的概念知识。知识具有强烈的依存性，无论是自然科学的知识还是社会科学或人文学科的知识，都是特定的社会背景、文化背景、历史背景及其特定的思维方式的产物。离开了知识的自然背景、社会背景、逻辑背景，前人创造的知识对后人而言几乎不具有可理解性。随着深度学习的兴起，旨在以广度促进理解的“无边界学习”日益引起人们的重视。可见，知识的充分广度，其实是为理解提供多样性的支架，为知识的意义达成创造了可能性和广阔性基础。
第二，知识学习的充分深度。知识的充分深度与知识所表达的内在思想、认知方式和具体的思维逻辑相关，深度学习把通过知识理解来建立认识方式，提升思维品质，特别是发展批判性思维作为核心目标。所以说，深度学习是一种反思性学习，是注重批判性思维品质培养的学习，同时也是一种沉浸式、层进式的学习。深度学习强调学习过程是从符号理解、符号解码到意义建构的认知过程，这一过程是逐层深化的。
第三，知R学习的充分关联度。知识的充分关联度，是指知识学习指向与多维度地理解知识的丰富内涵及其与文化、想象、经验的内在联系。知识学习不是单一的符号学习，而是对知识所承载的文化精神的学习。同时，通过与学生的想象、情感的紧密联系，达到对知识的意义建构。从广度，到深度，再到关联度，学生认知的过程是逐层深化的。所谓意义建构，即从公共知识到个人知识的建立过程，都需要建立在知识学习的深度和关联度之上。
①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.
②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.
③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.
④余凯等.深度学习的昨天、今天和明天[J].计算机研究与发展，2013，9.
⑤安德森.布卢姆教育目标分类学（修订版）[M]. 北京：外语教学与研究出版社，2009：78-80.
⑥Marton，F. and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.
⑦安富海.促进深度学习的课堂教学策略研究[J].课程・教材・教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
人工智能教育概念范文6
【关键词】大规模开放在线课程；人工智能课程；翻转教学法
0 引言
近年社会对计算机专业人才能力的要求越来越高，而学生所学与实际需求存在不少差距，高校计算机专业课程教学因而遭遇诟病。依托信息与网络技术支撑的大规模网络开放课程（massive online open course，MOOC）较好贯彻了以学为中心的理念，其翻转教学模式与灵活有效的交互极大提升了学习兴趣[1]。搭建MOOC平台的计算机技术既是技术基础，也是热门MOOC课程。在此浪潮下传统高校计算机专业的教学首当其冲受到冲击，遇到前所未有的挑战。纵观国际三大MOOC巨头的课程建设均始于计算机类专业课程，同时也是所占比例较大的课程系列，其中人工智能（Artificial Intelligence，AI）课程在Coursera、Udacity[1]两个平台上均是最早开设的课程之一。采用何种教学模式更适应社会对人才的需求呢？这是应对挑战的关键问题。
1 人工智能课程的课堂教学困境
人工智能是研究模拟、延伸和扩展人类智能的理论、方法、技术及应用的前沿交叉学科，涉及面广、研究性强，还不断产生新的理论和方法。课程难度大理论强实践难，也是公认难讲的课程之一，该课程具有如下特点：
1.1 先导课多，知识抽象，涉及面广，更新快
前期知识包括：数据结构、离散数学、程序设计、图像处理等。如果前期知识不扎实，很难理解内容并融会贯通。传统内容包括：知识表示和推理、搜索策略、模糊理论、神经网络、机器学习、专家系统、遗传算法等，涉及大量抽象理论和复杂算法。教材普遍特点是：内容滞后，枯燥深奥的理论和解决现实问题的实践联系不紧密。
1.2 研究性强
该领域很多内容仍是科研热点，并不断涌现出新的研究方向、新内容、新方法、新技术和新应用。
1.3 教学方式单调
技术和管理的局限也制约了教学方式，教学方式基本以教为中心，停留在讲授、问答等简单互动上，教学方法单一。很少能提供学生自学、讨论、合作和实践的一整套互动实践机会，难以真正体现以学为中心的理念。
1.4 学生缺乏兴趣
一方面，课程本身特点使得课程容易陷入枯燥的纸上谈兵的尴尬。另一方面，即将毕业的高年级本科生对未来规划明确，抽象的人工智能课程无论从职业发展还是继续深造对学生并没有立竿见影的效果，进一步拉低兴趣。此外，教材滞后，教学方法单一等也会影响兴趣。
如火如荼发展的MOOC的课程，尤其Udacity的课程设计之初就立足于解决实际问题的导向，做法上的独特之处成功吸引了大批学生。课堂教学中借鉴在MOOC上被证明有效的教学模式和方法，不啻为一种尝试，以期摆脱教学困境，提高学习兴趣，最终提升教学质量。
2 MOOC的教学模式
MOOC的教学模式分为三种：cMOOC、xMOOC 和 tMOOC[2]。早期的cMOOC的教学模式特点是学习者完全做主，但复杂的网络互动产生庞大而混杂的知识网，缺乏识别主次和归纳总结能力学生常因信息过载陷入茫然无措的境地。2011年Udacity 创始人之一在网上开设的“人工智能导论”课程改变了表现风格，把互联网作为教学媒体的呈现潜力发挥到极致，按知识点分割内容成短小视频，其间插入现场对问题的解决，突出了Udacity有别于传统教育机构及其先行者的地方：注重发现并解决问题。这就是xMOOC的教学模式，沿袭并创新了熟悉的学习风格，使得MOOC如鱼得水渐渐发展壮大。随着MOOC逐步成熟，为了适合具有专业基础的职业技能培训，发展培养针对具体任务的探究学习教学模式，即tMOOC模式，这是Udacity网站课程的另一个设计目标。表1显示了MOOC的三种模式的对比。
以Udacity的人工智能导论课程为例，只要高中毕业具有概率论和数理统计基础的学生就可以学习，该课程适合入门，但难度较低，内容较少。清华大学的马少平编写的人工智能教材是很多大学，包括我院人工智能课程的教材，清华大学的人工智能课程经过多年发展已经形成了一个系列教学资源库，包括教材、课程视频、教学课件、作业及答案和实验设计等。根据Udacity网站的人工智能导论课程的展示，表2从几方面对比了Udacity人工智能课程与清华大学马少平版的人工智能课程情况：
从表2可以发现Udacity的人工智能视频采用了按知识块分割成短小视频，在期间和完毕之后都准备了测试，细节上体现了以学为主的理念。纵观类似人工智能的国家精品课程[3]，学习资源多为文本类，重用难，对教学重难点没有拓展和转化。这种以内容共享为中心的呈现模式，缺乏与学习者充分交互，难以体现以学为中心的教学理念。
在MOOC的教学设计中，调动学习者极大热情的是翻转课堂，在学习环境中引入了自主协作[4-5]，在交流机制中融入了多元互动，给学习者带来积极、主动、高效的学习，翻转课堂和传统课堂的区别如表3所示：
3 MOOC的教学模式对人工智能课堂教学的启示
3.1 教学内容的优化与调整
MOOC的教学通过把理论抽象的知识点分割成小段录制的微课视频，时长不超过15分钟，内容衔接处具有一定交互性，讲解形象化，提供给学生反复观看，这种用技术处理分解知识点和把难点从抽象变成具象的过程降低了理解难度。
课堂教学也可以通过分而治之的方式对教学内容优化调整。人工智能涉及内容与范围多而杂，作为入门课程并不要面面俱到，根据学生层次，可以区分重点掌握和一般介绍的内容，以点带面铺开，因此，根据学生特点，把成熟的基础理论和这些理论的实际应用整合，辅以其他新技术的穿插介绍，主要分三块：
①人工智能的概念和发展，熟悉人工智能的研究和应用领域；
②人工智能的基本技术，包括知识表示，逻辑推理、搜索策略、模糊理论等；
③涉及现实应用，如：机器学习，模式识别，自然语言理解，智能控制等。
为了反映人工智能领域最新进展，教师还可以收集学生感兴趣的最新成果专题信息，及时更新、调整教学内容，通过与实际更紧密的融合接轨，对课堂上没时间介绍而又较热点的新知识，通过提供方向和资料解决，注重提高兴趣的同时，也展示出课程学科特点、主流技术及发展趋势。
3.2 紧密结合实际
Udacity的开设之初的目的就是学习为了解决现实问题，其人工智能课程设计也不例外，包含有实际遇到问题的解决，这种立竿见影的好处就是极大激发了兴趣。
考虑到高年级学生对解决实际问题技术的兴趣远远大于技术理论等细节，不想花太多时间去理解复杂而难以看到实践效果的理论上，更想通过实际体验解决问题增强成就感。教学内容的设计尤其紧密结合实际运用。
传统人工智能讲授通过实例解答或推证式讲述理论，如知识表示和搜索推理技术，该部分理论强，应用实例少，往往学生感觉枯燥乏味，教师也感觉晦涩抽象，学生对所讲内容基本靠死记方法和步骤，这种僵化的教与学影响了教学效果。
因此，设计教学时尤其注重内容的实用性。除了讲授至今仍沿用和有效的基本原理和方法外，引入近年发展起来的方法和技术，如智能算法等，对这些内容重点在技术的具体实现上，强调与实际的融合贯通。教学过程中加入与课程内容对应又可以用计算机实现的试用内容。如模式识别应用于手写数字识别，通过仿真软件模拟实现算法，获得立竿见影的效果体验，加深对算法的认识，引起学生浓厚的兴趣。同时也对某些很有发展前景的技术兴趣导入，如目前人工智能研究侧重人类理性逻辑功能的模拟，而如果把情感智能考虑进去，才更有人性化的智能决策。这就是经过了将近20年发展的情感计算，随着可穿戴技术渐渐渗透进生活，引起更多关注，这些接地气的内容提升了兴趣。
3.3 实践能力的培养
Udacity 创始人史蒂芬斯博士的说过，“即使是最好的大学，其计算机课程所传授的技能也是浮于理论的”。学习的目的是为了解决实际问题，带着问题学习和思考，有利于主动学习的激发。这些方面，可以参考Udacity人工智能课程的实验内容修正。强调学习是为了解决实际问题服务的目标。
3.4 教学模式及教学方法的变化
3.4.1 实例教学法
人工智能内容的抽象性决定了知识点的难度，Udacity人工智能课程教学中尽量把难懂的知识点结合现实中有趣实例，通过感性体验提高理性理解，让学生容易接受。笔者进行了一些化难为易的尝试：如利用汉诺塔问题讲解状态空间的知识表示，通过野人过河的游戏程序步步领会理论精髓；结合下棋软件体验模拟人脑思考的计算机博弈的极大极小搜索思路，这些实例教学激起了兴趣，扩展了学生思路，拓宽了视野。
3.4.2 翻转教学法
整门课程录制课程小视频还有一定难度，作为尝试，选择少量知识点录制视频进行翻转教学。如抽象的理论部分，借鉴网上已有视频资源融入教学过程，分解知识点破解难点，形象化与短时间的重复讲解，增加学生对抽象内容的理解，期间穿插核查对理解内容的核查，并留出思考时间，强化学习效果。
3.4.3 交互环境的营造，辅助教学过程完善
1）基于联通主义的学习交互[6-7]
在MOOC课程中，提供在线交流论坛，学习者建立课程组，学习组等方式交流，这种教与学、学与学的交互不但是网状进行的，而且是即时的。学生将互动产生的内容作为学习的中心，通过学习者不同认识的交互，建立新的认知结构，拓宽了视野，更有利于问题的有效解决。这种互动交流分成三种形式：
①教师对统一回答提问集中且意义较大的疑难问题；
②学习者分享学习感悟；
③学生间交流带来不同认知的碰撞。
以上三种情况的互动在课堂教学中也可以运用于课堂教学：及时分析整理共同问题，集中回复；课堂教学的互动除了课堂上及时了解学生反馈的互动，还有对解决问题的互动。课下互动可以利用学者网建立课程组，提供了较好的师生交流形式与效果，同时利用学习组在小组中分享互助，小组成员的交流引起认知碰撞，这种实际参与的体验加深了理解，并巩固学到内容，这些资料的逐渐积累还可以复用。
2）基于行为主义的学习反馈[8]
MOOC 遵循了程序教学的一般原则，尤其注重学生反馈，像游戏一样关卡设置让整个过程充满挑战性，一些机器评分实现了及时学习反馈，摆脱了单向提供课程资源的弊端。课堂教学可以借鉴这种借助技术手段互动了解学生学习的情况，促使有意义学习的发生。
4 教学改革的实施
利用以上措施在《人工智能》课程的教学中实践，通过在xMOOC教学模式中部分适当内容引入翻转教学法与利用学者网的课程交互，探索提高兴趣，促进理论与实践的融合，促进有意义学习的发生，提高学生实践能力的途径。通过观察，调查与访谈等方式，了解学生在该教学模式中兴趣与能力改善状况，同时研究教师教学法转变与教学水平变化的关系，根据追踪研究效果，发现这种改善调动了学习兴趣，促进了教学效果。实践中通过建立实验组（班）与对照组（班）、评价教学模式和教学效果等因素，不断总结、修正和完善，期望建立适应当前形势与环境的有效的该课程的教学模式与教学方法。
5 结束语
笔者结合人工智能课程的教学实践，针对本科高年级的教学特点和人工智能课程学科特点，提出在设计人工智能教学时，通过MOOC的教学模式和教学方法完善课堂教学，注重内容的实用性和新颖性，适当穿插新方向的内容，目标是将难学、枯燥、难理解的问题，变得易学、有趣、易理解。从学生反馈来看，这些方法起到了积极的实际效果，有效地提高了学习积极性。
【参考文献】
[1]udacity的人工智能导论课程网[EB/OL].https：///course/cs271.
[2]王萍.大规模在线开放课程的新发展与应用：从cMOOC 到xMOOC[J].现代远程教育研究，2013（03）：13-19.
[3]国家精品课程资源网[DB/OL].[2013-04-22].http：//.
[4]徐明，龙军.基于 MOOC 理念的网络信息安全系列课程教学改革[J].高等教育研究学报，2013，36（03）.
[5]王文礼.MOOC 的发展及其对高等教育的影响[J].江苏高教，2013（2）：53-57.
[6]李青，王涛.MOOC：一种基于连通主义的巨型开放课程模式[J].中国远程教育，2012（3）：30-36.
