前言:中文期刊网精心挑选了人工智能教育现状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。
人工智能教育现状范文1
人工智能技术是在计算机科学日新月异发展的进程中一大成果,由于其智能、高效、优化的强大功能,为许多研究者所重视。部分教育领域的研究者,将人工智能技术引入教育行业,探讨人工智能如何融入教育,促进教育深度发展。研究者们将人工智能与职业教育、继续教育、远程教育及教育技术结合,进行探讨,提出了一些很好的建议。农村远程教育虽然也属于远程教育范畴,但由于其自身具有许多特殊性,因此有必要单独将其应用于农村远程教育进行探讨。
1 我国当前农村远程教育发展面临的困境
我国农村远程教育是伴随着现代通讯技术的发展而在广大农村出现的一种新的教育模式。随着上世纪70年代末,以广播电视大学为代表的远程教育的兴起,为我国教育的发展写下了浓重的一笔,由于其不受时间、空间、学习者等要素的影响,充分体现了“时时能学、处处可学、人人皆学”的巨大优势。因此,本世纪初,国家将远程教育教学模式引入广大农村,于2003年推出了“农村党员干部现代远程教育”、“农村中小学现代远程教育工程”,于2004年依托广播电视大学体统推出了“一村一名大学生”工程,这些远程教育工程对推进农村教育起到了举足轻重的作用。但其发展也遇到了困难,具体说主要体现在以下几个方面:
1.1 师资力量短缺
由于受我国长期以来的城乡二元制经济发展模式的影响,导致城乡经济发展不均衡,直接造成了城乡教育发展失衡。在农村教育中,首先表现在教师配置上,由于农村教育经费投、教师工资水平均低于城市,造成了长期以来农村教育师资力量短缺,远程教育更是如此。据相关研究表明,现我国农村远程教育由于缺少懂计算机或网络技术的专业人才,往往用不相关专业的人才作为替代,且大都为兼职人员。这就造成了对远程教育设备的维护、远程教育资源的管理及远程教育教学辅导等方面出现问题。以广播电视大学系统为例,自2004年广播电视大学开始招收“一村一名大学生”学员,虽然学员增长速度很快,但其教学点仅延伸至县城,招收的学员往往为县城周边农村的农民,而广大较偏远地区正真渴望接受教育的农民缺少受教育机会,之所以没有延伸至乡镇及行政村,根本原因是缺少师资力量。
1.2 资源建设不足
由于农村远程教育是本世纪初才在农村兴起的一种新的教育模式,属于新生事物,因此缺少前期的积累,主要体现在教学资源的积累上。我们知道,是否拥有丰富优质的教学资源是关乎远程教育成败的关键。而长期以来,我们主要注重城市远程教育的发展,现城市远程教育已相当成熟,拥有一大批优质的教育资源,吸引了大批学习者。但由于农村远程教育与城市远程教育相比有其特殊性,广大农村学员需要掌握的不仅仅是理论知识,他们最迫切学习的是农业实用新技术及掌握能够改变自己生活现状的一技之长,而这些课程资源在城市远程教育中设计不多。因此我们没有现成的教育资源可供使用,需要另起炉灶进行建设。但由于投入农村远程教育的经费有限,用于资源建设的经费也不足。造成了现阶段农村远程教育资源依然短缺的现实。这不利于农村远程教育进一步发展。
1.3 课程设置不合理
如上所述,广大农村学员渴望学习的是改善自身生活的实用农业新技术及一技之长,同时广大农村也需要培养一批懂管理的乡村干部。因此在专业和课程设置上,客观上要求向这些方面靠拢。虽然现在农村远程教育在专业设置上慢慢转向适合农村学员的涉农专业,但在课程设置上还是不尽如人意,往往只根据自己师资情况及资源情况来设置课程,这样往往造成农民学员需要的课程没有涉及,而农民学员缺乏兴趣的理论课程所占比重过大的问题。这样会严重挫伤广大农村学员学习积极性,对农村远程教育发展极为不利。
1.4 网络教学平台存在不足
我国现阶段远程教育的网络辅导教学平台现阶段的形势往往通过QQ对话、Email邮件、BBS及一些音频、视频系统进行。这些方式当然是有效的网络教学方式,但存在问题也是十分明显的,最主要问题在于如果没有提前联系,教师就不会及时回复学生提出的问题,缺少师生互动。学生的学习效果会大打折扣。
2 人工智能应用于远程教育的优势
2.1 人工智能的概念
人工智能是计算机学科的一个分支,是一门研究计算机模拟和延伸人脑功能的综合性科学,部分研究者将其定义为:一个电脑系统具有人类的知识和行为,具有学习、推理判断来解决问题、记忆知识和了解人类自然语言的能力。人工智能的产生过程:对于人类因问题和事物而引起的刺激和反应,以及因此而引发的推理、解决问题及思考决策等过程,将这些过程分解成一些步骤,再通过程序设计,将这些人类解决问题的过程模拟化或公式化,使电脑能有一个系统的方法来设计或应付更复杂的问题,这套能够应付问题的软件系统,称之为人工智能。
2.2 人工智能切合了远程教育的要求
有研究者指出:人工智能是研究如何构造智能机器(智能计算机)或智能系统,使其模拟、延伸、扩展人类智能的学科。人工智能在教学领域应用的最直接结果就是诞生了智能教学系统。而所谓的智能教学系统是以计算机辅助教学为基础而兴起的,它是以学生为中心,以计算机为媒介,利用计算机模拟教学专家的思维过程而形成的开放式人机交流系统。由于它综合了知识专家、教师、学生三者的活动,因此,与之相对应,智能教学系统一般分为知识库、教学策略和学生模型三个基本模块,再加上自然语言智能接口。人工智能的这些功能和模块刚好切合了远程教育的特点及要求。我们开展的远程教育一直以来就强调以学生为中心,以学生自学为主,教师辅导为辅,教师通过计算机网络系统对学生进行实时和非实时辅导,以此来完成学生的学习过程。因此人工智能适合应用于远程教育教学过程。
2.3 人工智能能够有效加强对学生的管理,提高学习效率
长期以来远程教育为社会诟病的是,由于缺少师生间直接交流的机会,造成教师对学生的组织和管理方面的困难。如果我们仅仅依据学生登录次数、登录时间等方面来评价学生学习情况,这样往往造成对学生学习的错误评价,但对远程教育的教师来说也只能做到这些。但如果我们将人工智能引入远程教育,它可以依据自己强大的功能,通过对学生情况的数据分析,科学提供学生的学习能力、认知特点及当前的知识水平。更为重要的是,通过对这些信息的分析,它能为每位学习者制定适当的教学内容和教学方法,为学生提供个性化的学习服务,切实提高学生的学习效率,这是我们远程教育所倡导的最佳服务的效果。
2.4 人工智能可以从某方面解决农村远程教育师资力量
如上所述,由于城乡间经济差距,造成了长期以来城乡教育发展失衡,广大农村地区师资力量较为薄弱,特别是远程教育方面。这一问题解决的根本途径在于缩小城乡经济差距,但这并非一朝一夕就能解决的问题。因此农村师资力量特别是远程教育师资力量的解决,需要一个过程。而人工智能技术利用了计算机模拟教学专家的思维过程而形成的开放式人机交流系统,它集知识专家和教师于一身。广大学员可以通过自然语言系统,实现正真意义上的人机对话,完成适时的学习辅导过程,这从某种程度上解决了师资短缺的问题,为农村远程教育的发展提供了一条新的发展思路。
2.5 人工智能能够有效解决农村远程教育资源建设问题
目前我国农村远程教育在资源方面存在的问题除了数量较少,质量也不高,许多网络课程资源仅仅是课本的翻版,虽然资源制作者利用现代资源制作手段,以文字、视频及图片等手段来展现知识,但知识之间的逻辑联系性方面存在不足。这给学习者有效学习带来极大不便,影响了学习效果。而人工智能技术,能够对现有的网络课程资源进行智能加工,对知识结构进行重新构建,对知识间的层次性、逻辑性进行重新编排,为学习者展示学习重点、难点,切实提高学习效率。使资源更加优质高效。
2.6 人工智能能够提供实时交流,解决网络教学平台的不足
由于人工智能集知识专家、教师与一身,可以通过自然语言系统,开展人机对话,通过讨论解决学生遇到的问题。能改变传统网络教学平台缺乏及时交互性的问题。能够解决网络教学平台的不足。促进农村远程教育的发展。
3 结语
人工智能技术是计算机科学发展的成果之一,它具有智能、高效、优化的强大功能,许多行业都利用人工智能技术提高效率。对我国农村远程教育而言,如果能将人工智能引入,能从某种程度解决因为资金问题造成的师资力量缺乏问题;提高对远程教育学生的管理,为他们提供个性化的高效远程教育服务;能够利用它强大的功能重新编辑网络资源,让它更有利于学生学习;同时人工智能还能提供自然语言接口,打破以往网络教学平台的弊端。相信通过引入人工智能技术,我国农村远程教育会迎来新的发展。
参考文献
[1]张震,王文发.人工智能原理在人类学习中的应用[J].吉首大学学报,2006(1):39-41.
[2]武晶晶.关于人工智能教育应用的几个问题[J].教育教学论坛,2012(9):159-160.
[3]张.人工智能与教育技术[J].陕西师范大学学报(自然科学版),2005(6):228-230.
[4]张小永.陕西农村现代远程教育资源建设初探[J].陕西农业科学,2011(4):228-230.
人工智能教育现状范文2
2016年1月,美国佐治亚理工学院计算机学院的教授AshokGoel,借助IBM的Watson人工智能系统创建了一个在线机器人JillWatson,并将其作为课程教学助理。其目的是帮助教师回答学生通过在线论坛提出的大量课程问题。通过几个月的反复调试,JillWatson的回答已经能够达到97%的正确率。现在,机器人助教已经可以直接与学生沟通,不需要真人助教的帮助。这项人工智能在教育中的使用,解决了AshokGoel教授的助教人数不够,难以及时回答学生提问的困境,增加了学生参与在线学习的兴趣,提高了在线学习的留存率。
这只是人工智能在教育领域的小试牛刀。虽然有专家预测在未来十年内不会看到人形机器人替代教师进入课堂,不过地平线报告2016年基础教育版和2107年高等教育版都预测未来五年内人工智能将会在教育行业普及。
教育行业已有的人工智能研究和应用
Woolf等人在2013年提出了人工智能在教育领域应努力解决“五大挑战”:①为每一个学习者提供虚拟导师:无处不在地支持用户建模、社会仿真和知识表达的整合。②解决21世纪技能:协助学习者自我定位、自我評估、团队合作等。③交互数据分析:对个人学习、社会环境、学习环境、个人兴趣等大量数据的汇集。④为全球课堂提供机会:增加全球教室的互联性与可访问性。⑤终身学习技术:让学习走出课堂,进入社会。
过去十年,一些研究者对人工智能在教育领域中的应用做了大量的探索。相关的研究成果包括:①跟踪学习者的思维步骤和解决问题的潜在目标结构(Anderson等,1995);②诊断误解和评估学习者的理解域(VanLehn,1988);③提供及时的指导、反馈和解释(Shute,2008);④促进高效学习的行为,如自我调节、自我监控和自我解释(Azevedo&Hadwin,2005);⑤以合适的难度水平和最适当的内容来规划学习活动(VanLehn,2006)。
这些研究,基本上使用到了人工智能的每一项技术——自然语言处理、不确定性推理、规划、认知模型、案例推理、机器学习等。“智能导师系统”就是基于这些研究和技术而开发的人工智能教育应用。类似的成熟产品包括Tabtor(hellothinkster.com)、CarnegieLearning(carnegielearning.com)和FrontRow(frontrowed.com)。2014年,加拿大西蒙弗雷泽大学的一项试验发现用智能导师系统的学习者比使用其他教学方法的学习者获得的成绩更高。
人工智能在教育行业的新发展
教育行业的三种类型(内容、平台和评估)的服务商都在经历着一场变革。内容出版商面临纸质印刷到数字出版和开放教育内容的挑战。学习平台正试图区分自适应、个性化和数据分析的功能。评估供应商则继续探寻从多项选择题测试转向更具创新性的问题类型。人工智能将为这三种类型教育服务商带来新的发展思路和契机,同时也惠及教育生态系统中的所有利益相关者。学生通过即时反馈和指导提高学习效率,教师将获得丰富的学习分析和个性化指导经验,父母能够低成本地为孩子改进职业前景,学校能够规模化提高教育质量,政府能够提供负担得起的教育。2017年,人工智能将在以下领域发挥其效益。
1.人工智能批改作业
批改作业和试卷是一件乏味的工作,这通常会占据教师大量的时间,而这些时间本可以更多地用于与学生互动、教学设计和专业发展。
目前,人工智能批改作业已经相当接近真人教师了,除了选择题、填空题外,作文的批改能力已经大幅提高。美国斯坦福大学已经成功开发出一种机器学习程序,能够批改8~10年级的作文。随着图像识别能力的大幅提高,手写答案的识别也接近可能。就连占有美国标准化考试60%市场份额的全球最大教育企业——培生公司也认为,人工智能已经可以出现在教室并提供足够可信的评估。据培生公司近期的报告IntelligenceUnleashed推测,人工智能软件所具有的广泛的、定制的反馈能够最终淘汰传统测试。
2.人工智能实现一对一辅导
自适应学习软件已经能为学生提供个性化学习支撑。据2011年VanLehn的一项研究发现,人工智能在某些特定主题和方法上比未经训练的导师更具有效性。进一步的研究发现,人工智能导师能在学生出错的具体步骤上给予实时干预,而不是就整个问题的答案给予反馈(Corbett&Anderson,2001;Shute,2008)。
自适应学习在拉美地区正在兴起。AndréUrani市政学校的学生使用人工智能软件Geekie观看在线课程(视频和练习)。Geekie为学生提供每一步的实时反馈,并随着学习的进展来传授更为精细的课程内容。
早在1984年,本杰明·布卢姆的研究就提出一对一辅导能带来更好的学习效果。而人工智能技术可以模拟一对一辅导,以更好地跟踪、适应和支持个体学习者。这将是人工智能在教育中更高层次的个性化学习应用。例如,比尔·盖茨看好的人工智能聊天机器人或个人虚拟导师,能在学生面临挑战时提供强有力的支持,随时随地回答学生的提问;还可以为学生订制学习方案和规划职业发展路径,并引导学生走向成功。更重要的是,人工智能可以匹配聊天机器人或虚拟导师的面孔和声音来满足学生个人喜好。对比网页界面的自适应学习系统,这才是真正做到了一人一导师。
3.人工智能关注学生情感
2016年地平线报告高等教育版把情感计算列为教育技术发展普及的重要方向。也就是说,人工智能不仅限于模拟人类传递知识,还能通过生物监测技术(皮肤电导、面部表情、姿势、声音等)来了解学生在学习中的情绪,适时调整教育方法和策略。例如,机器人导师捕捉到学生厌烦的面部表情时,就可以立即改变教学方式努力激发他们的兴趣。这种关注情感的人机交流为学生营造一个更真实的个性化学习环境,更好地维持了学习者的动机。美国匹兹堡大学开发的AttentiveLearner智能移动学习系统就能通过手势监测学生的思想是否集中。突尼斯苏斯国家工程学院的研究人员正在研究开发基于网络的人工智能教学系统。该系统能够识别学生在任何地方开展科学实验的面部表情,以优化远程虚拟实验室的教学过程。
进一步的研究发现,人工智能还可以关注学生的心理健康。当前已经有使用人工智能来为自闭症儿童提供有效支持的案例。例如,伦敦知识实验室在Topcliffe小学开展试验,让自闭症学生与半自动虚拟男孩安迪开展互动交流,研究人员发现患有自闭症的学生在社交能力方面有进步。
4.人工智能改进数字出版
教科书等课程材料并非总是完美,传统印刷出版让课程的修订变得过于缓慢。这不仅是生产工艺的问题,更主要的是纸质课程材料无法快速获取使用者的反饋来识别缺陷所在。而数字化出版在人工智能的支撑下能彻底改变这一现状。
人工智能可帮助使用者快速识别课程缺陷。大规模网络开放课程Coursera的提供者已经将这一想法付诸实践。当发现大量学生的作业提交了错误的答案时,系统会提示课程材料的缺陷,进而有助于弥补课程的不足。
另一项人工智能在数字化出版的应用是自动化组织和编写教材。这是基于深度学习系统能模仿人类的行为进行读和写。ScottR.Parfitt博士的内容技术公司CTI就依据这项技术帮助教师定制教科书——教师导入教学大纲,CTI的人工智能引擎能自动填充教科书的核心内容。
随着自然用户界面和自然语言处理在人工智能领域的成熟应用,课程材料的数字化出版也会有更新的形态——不再局限于书本或网页的形式,聊天机器人和虚拟导师将成为内容表达的更好的方式。
5.人工智能作为学生
多年的研究表明,教会别人才是更好的学习,即learning-by-teaching。美国斯坦福大学教育学教授DanielSchwartz正基于这一理念来开发新的人工智能产品。他联合了多个领域的专家一起开发了人工智能应用——贝蒂的大脑(Betty’sBrain),让学生来教贝蒂学习生物知识。试点研究发现,使用这一方法来学习的学生比其他学生成绩更好,且在科学推理上也更胜一筹。
类似的研究和开发还有瑞典隆德大学的TimeElf和美国卡内基梅隆大学的SimStudent,这两个人工智能产品也是基于learning-by-teaching而开发,让学生在教会机器人知识的过程中深化对知识的理解。
另外,人工智能还推动其他教育方法和技术更好实现。如让虚拟现实学习环境更具沉浸感;给学生带来更多动手实践的机会;提供基于丰富学习分析的仿真和游戏化学习场景等。
人工智能教育现状范文3
1 引言
能够透彻地了解人类智能行为产生的机理并制造出可以模拟智能行为的智能机,是人类长久以来一个美好而强烈的愿望。从世界各国的古老传说到近代科学的不断尝试,都表明了人类希望征服自然进而征服自己的决心。人工智能学科的出现及迅速发展,为这一愿望的实现带来了希望的曙光。它的研究延长了人脑的功能,深化与拓展了人类的智能劳动,使科学技术革命的发展速度空前。目前,人工智能(Artifical Intelligence,简称AI)已被应用到社会生活的各个方面并已取得了令人瞩目的成就。
虽然体育实用计算机科学在短短十几年中已经取得了迅猛的发展并有力地促进了体育事业的进步,但是,我们也不得不冷静地看到,体育实用计算机技术还远远滞后于计算机科学的发展,在以“知识工程”为主的人工智能诸学科取得巨大成功的时候,体育实用计算机技术还在坚持“数据结构+算法=程序”的传统程序设计方式,显然已是大大落后于时代了。怎样在系统分析的基础上有步骤、有顺序地将计算机科学的最新发展成果应用到体育领域中来,从更大程度上挖掘计算机科学的潜能从而促进体育科学再上新台阶,就成了体育科研工作者一个重要的课题。本文分析了体育实用人工智能的现状,展望了体育实用人工智能的未来。目的是引发广大体育工作者对体育实用人工智能的兴趣,吸引更多的人参与到这项工作中来。
2 人工智能及其解题思路
人工智能是一门前沿学科,是在计算机科学、控制论、信息论、系统科学、哲学等多种学科基础上发展起来的。它的出现及所取得的成就引起了人们的高度重视,从而被称为是继第三次产业革命之后的又一次革命。尽管如此,目前还没有一个关于人工智能的确切定义。我们可以这样理解:人工智能是一门研究如何构造智能机器(智能计算机)或智能系统,使它能够模拟、延伸、扩展人类智能的学科。通俗地讲,人工智能就是要研究如何使机器具有能听、会说、会看、会写、可思维、会学习等人类思维能力的一门科学。
人工智能的研制者通过知识获取过程将专家知识变成计算机可以识别的代码(知识库),然后通过计算机程序设计使计算机模拟人类所特有的推理思维过程(挑选知识的过程),从而完成只有人类才能解决的智能问题。由于人工智能可以融合多个专家的知识并吸取了人类的直觉和经验,所以,人工智能更适合于解决现实中需要人的思维判断而难以量化的问题。对于体育领域而言,不论是运动员的选材、训练计划的安排、运动处方的制订还是运动技术的诊断,体育专家的知识和经验都有着举足轻重的作用,如果智能系统可以完成这些工作,对体育科学的发展将产生深远的影响。
3 体育实用人工智能的现状
象所有处于发展之初的学科与研究方向一样,人工智能与体育科学的完全交汇融合还有相当长的路要走,还需要我们保持清醒的头脑,采取实事求是的系统分析方法来对待它。惟有如此,我们才会既能发现不利因素而不至于盲目乐观,又能看到有利条件而不至于悲观失望,才能有的放矢地把握体育实用人工智能的发展进程。
3.1 体育实用人工智能发展过程中的问题
1.对大多数体育工作者而言,人工智能技术还相当高深,它需要开发者不仅具备专项知识,还必须具备系统工程、软件开发等多个领域的综合素养。这些条件不仅对缺乏计算机操作能力的许多工作者来说十分苛刻,即便是具有一定计算机应用水平的科研人员,对知识工程理论与方法的缺乏也会使其成为人工智能的门外汉。智能系统的核心和基础是人类的知识和经验,要想开发智能系统,就必须从传统的以数值计算为中心的程序设计转变到以知识符号处理为中心的程序设计上来。这种思维与观念的转变显然不是轻而易举的。此外,智能系统的开发是一个复杂的、旷日持久的系统工程,不仅需要相当的技术和足够的软、硬件支持,而且需要开发人员长期、艰苦的努力。与那些更易在短期内取得成果的研究方向相比,体育实用人工智能技术的研究可能更容易被人们所忽略。
2.人工智能与体育科学两学科发展的相对独立性阻碍着两者的交汇融合。掌握人工智能技术的科研人员还没有看到其在体育领域应用的广阔天地,人工智能的应用成果还集中在工业控制领域、社会经济系统或军事决策过程——相对来说,这些领域更易取得明显的经济效益和社会效益。体育实用人工智能研究的巨大潜力还没有被挖掘出来。与此同时,相当一部分体育工作者还在沿袭着传统的以“经验技能”为主的教学、训练模式,保守的思想也使他们看不到或是轻视或是不愿接受科技发展的新成果,这就加大了体育实用人工智能普及的难度。总的来说,相互渗透、相互吸引是两者的必然趋势,但目前人工智能与体育科学仍处于若即若离的境地,两者的交叉还需要一个强有力的桥梁和纽带。
3.人工智能技术本身的不完备性。尽管自80年代以来,对机器学习、分布式人工智能、知识表示、常识推理等基础性研究取得了可喜的成果,特别是人工智能的重要分支——专家系统的应用研究成果已取得了重大突破,但是从总体上来看,人工智能距其完善还有相当长的路要走。我们不得不看到,人工智能的大部分分支,如自然语言理解、模式匹配、可视化研究等等都还不完善、不成熟,许多研究成果还仅仅停留在实验室和书面报告里,并没有转化到应用上来,即使是在专家系统中,专家知识获取这一“瓶颈”技术也阻碍了它的进一步发展。
此外,我们也不得不考虑一下计算机软、硬件和资金方面的限制。一般一个大型的智能系统的开发需要强有力的计算机软、硬件支持和足够的资金投入,基本上以个人微机为主的体育科研及捉襟见肘的体育科研经费可能会从很大程度上限制着体育实用人工智能的发展。
3.2 体育实用人工智能发展的有利条件
尽管一系列理论与实际问题阻碍了体育实用人工智能的发展,但是我们也没有理由对体育实用人工智能产生悲观情绪,更多、更有利的条件则为人工智能技术在体育领域的应用开辟了道路。
1.计算机技术在体育领域的广泛应用以及它对运动成绩的巨大推动力,已经使越来越多的人们认识到程序设计的美妙前景。显然,体育实用计算机程序的设计就是对体育工作者脑力劳动的解脱。这不仅仅是已尝到程序设计甜头的教练员和运动员的迫切要求,也是广大体育科研人员的努力方向。
2.近年来,我国的体育教育,特别是高层次的体育教育取得了很大的进展,培养出一大批年富力强、有很强科研能力的硕士和博士研究生。他们大都具有较强的计算机应用能力和学习能力,对他们来说,掌握人工智能技术也并不是遥不可及。青年体育科技工作者的不断发展与壮大,为体育实用人工智能的发展提供了必要的人才支持。
3.“全民健身计划”的推广与实施,不仅使我国的群众体育走上了正规化的道路,而且吸引着越来越多的人参与到体育活动中来。这其中当然包括人工智能领域的研究人员,他们会在锻炼中逐渐认识体育、了解体育、发现体育中的问题并不断尝试用本领域的技术方法来解决它(事实上,许多行之有效的体育实用方法和技术都是非体育专业科研人员引进到体育领域中来的)。人工智能会象现在已经在体育领域得到广泛应用的灰色理论、模糊数学、系统工程一样,逐渐地被广大体育工作者所承认、理解和接受,进而逐渐渗透到训练、选材、规划、教学等日常的体育工作中。因此,“全民健身计划”的出台与推广,又为体育实用人工智能的发展创造了有利的外部环境。
此外,体育科研触角的不断伸展、体育科技投入的逐渐增加、体育科研人员素质的不断提高和人工智能技术的不断完善,都会在一定程度上加快体育实用人工智能的步伐。
4 体育实用人工智能的发展方向
就目前人工智能领域而言,人工神经网络技术与集成分布式智能系统是研究的热点。前者是以研究大脑的结构和认知模型为主,用以对智力活动进行模拟或处理海量信息。后者是一种大规模的集成环境,即把各种不同的专家系统、神经网络、数据库、数值计算软件包和图形处理程序进行有机集成,以解决复杂问题,是“大成智慧工程”。虽然这两者也可作为体育实用人工智能的研究方向,但对当前体育领域而言,应用性研究,即将各种已经成熟的智能技术应用到体育实践中来,有着更加重大的现实意义。
4.1 各种体育实用专家系统的开发与研制
专家系统是利用具有相当数量的权威性知识来解决特定领域实际问题的计算机程序系统。它根据用户提供的信息、数据或事实进行自动推理判断,最后给出结论及结论的可信度以供用户决策之用。之所以选择专家系统做为体育实用人工智能研究的突破口,是因为不论从理论上、技术上,还是从应用上,专家系统都可以算得上是人工智能最成熟的一个分支。一些成功的专家系统开发实例(包括已开发的体育实用专家系统)可以提供技术支持,各种理论研究又使开发过程有章可循。体育实用专家系统的开发,能够促使体育实用人工智能不断地从抽象走向具体,引导体育工作者循序渐进地了解和掌握智能技术,逐渐开发出智能化程度更高的智能系统来。惟有如此,才能符合事物发展的客观规律,才能保证体育实用人工智能健康、有序地发展。
4.2 体育领域自身智能技术研究人员的培养
由于受知识和技术的限制,在很长的一段时间内,体育实用人工智能的发展还必须依靠人工智能领域人员的引导。然而,只有培养出体育领域自身的智能技术研究人员,体育实用人工智能才会有光明的前途。新一代的开发人员,我们可以称其为智能工程师,应该首先是一个体育工作者,并已具有相当程度的体育专业知识和体育运动实践,再通过人工智能技术的学习和训练,就可以单独开发出自身领域高质量的智能系统。智能工程师及其工作,为人工智能技术向体育领域的渗透提供了必要的前提条件。
4.3 体育实用人工智能的基础理论研究
虽然体育实用人工智能技术和方法研究十分重要,而且往往能够在较短的时间内取得明显的效益,但是它们却根植于基础理论的研究,脱离了基础理论,技术和方法就会变成无源之水、无本之木。体育实用人工智能也只是昙花一现。知识只有形成体系,才能成为科学,一系列的技术只有被理论所串接和揉合,才会具有持久的生命力。因此,加强体育实用人工智能的基础理论研究(包括运动智能和竞技心理的形成、发展规律、技能知识的表达方式、体育专家的思维推理过程研究、技能知识的传递方式研究等),是这一新生学科存在和发展的根基所在。
5 结束语
体育实用人工智能离成熟还有很长的距离,还存在着一系列的问题,但同时又充满着希望,为迎接这一机遇与希望共存的挑战,广大体育工作者需要沿着正确的方向做出艰苦的努力。
主要参考文献
1 刘泉宝,等.关于人工智能的哲学思考.计算机科学,1995(2)
2 石纯一,等.人工智能原理.北京:清华大学出版社,1993
3 陆汝钤.专家系统开发环境.北京:科学出版社,1994
4 王永庆.人工智能—原理*方法*应用.西安:西安交通大学出版社,1995
5 刘有才,等.模糊专家系统原理与设计.北京:北京航空航天大学出版社,1995
6 Ming Rao,等.智能工程与控制技术:历史、发展与未来.控制与决策,1994(1)
7 高扬.体育院校课表计算机辅助编排系统的开发与应用.体育数学与体育.系统工程,1995(1~2)
8 程勇民,等.射击运动员肤纹特征及计算机选材模型的研究.体育科学,1995(5)
9 邵桂华,等.体育领域专家系统外壳的开发与研制.体育科学,1997(3)
10 邵桂华,等.赛艇项目技术诊断专家系统的开发与研制.系统工程,1997(4)
人工智能教育现状范文4
关键词:人工智能;计算机科学;发展方向
中图分类号:TP18
文献标识码:A
文章编号:1672-8198(2009)13-0248-02
1 人工智能的定义
人工智能(Artificial Intelligence,AI),是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。由于智能概念的不确定,人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能:“虽然现在的机器不能思维也没有“直觉的方程式”,但可以把人处理问题的方式编入智能程序,是不能思维的机器也有智能,使机器能做那些需要人的智能才能做的事,也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
2 人工智能的应用领域
2.1 人工智能在管理及教学系统中的应用
人工智能在企业管理中的应用。刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中,认为要做的工作就是搞清楚人的智能和人工智能的关系,了解人工智能的外延和内涵,搭建人工智能的应用平台,搞好企业智能化软件的开发工作,这样,人工智能就能在企业决策中起到关键的作用。
人工智能在智能教学系统中的应用。焦加麟,徐良贤,戴克昌(2003)在总结国际上相关研究成果的基础上,结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验,介绍了智能教学系统的历史、结构和主要技术,着重讨论了人工智能技术与方法在其中的应用,并指出了当今这个领域上存在的一些问题。
2.2 人工智能专家系统在工程领域的应用
人工智能专家系统在医学中的应用。国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。1982年,美国Pittsburgh大学Miller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,1977年改进为Internist 2Ⅱ,经过改进后成为现在的CAU-CEUS,1991年美国哈佛医学院Barnett等开发的DEX-PLAIN,包含有2200种疾病和8000种症状。我国研制基于人工智能的专家系统始于上世纪70年代末,但是发展很快。早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”,它是模拟著名老中医关幼波大夫对肝病诊治的程序。上世纪80年代初,福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统,并成功应用于临床。
人工智能在矿业中的应用。与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR,用于勘探评价、区域资源估值和钻井井位选择等。20世纪80年代以来,美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统;弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim;阿拉斯加大学编写了地下煤矿采矿方法选择专家系统。
2.3 人工智能在技术研究中的应用
人工智能在超声无损检测中的应用。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;专家在传统超声无损检测与智能超声无损检测之间架起了一座桥梁,它能把一般的探伤人员变成技术熟练。经验丰富的专家。所以在实际应用中这种智能超声无损检测有很大的价值。
人工智能在电子技术方面的应用。沈显庆认为可以把人工智能和仿真技术相结合,以单片机硬件电路为专家系统的知识来源,建立单片机硬件配置专家系统,进行故障诊断,以提高纠错能力。人工智能技术也被引入到了计算机网络领域,计算机网络安全管理的常用技术是防火墙技术,而防火墙的核心部分就是入侵检测技术。随着网络的迅速发展,各种入侵手段也在层出不穷,单凭传统的防范手段已远远不能满足现实的需要,把人工智能技术应用到网络安全管理领域,大大提高了它的安全性。马秀荣等在《简述人工智能技术在网络安全管理中的应用》一文中具体介绍了如何把人工智能技术应用于计算机网络安全管理中,起到了很好的安全防范作用。
3 人工智能的发展方向
3.1 人工智能的发展现状
国外发展现状。目前,AI技术在美国、欧洲和日本发展很快。在AI技术领域十分活跃的IBM公司。已经为加州劳伦斯・利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCII White”电脑,而且正在开发的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“蓝色牛仔”的智力水平将大致与人脑相当。麻省理工学院的AI实验室进行一个的代号为cog的项目。cog计划意图赋予机器人以人类的行为,该实验的一个项目是让机器人捕捉眼睛的移动和面部表情,另一个项目是让机器人抓住从它眼前经过的东西,还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。由于人工智能有着广大的发展前景,巨大的发展市场被各国和各公司所看好。除了IBM等公司继续在AI技术上大量投入,以保证其领先地位外,其他公司在人工智能的分支研究方面,也保持着一定的投入比例。微软公司总裁比尔・盖茨在美国华盛顿召开的AI(人工智能)国际会议上进行了主题演讲,称微软研究院目前正致力于AI的基础技术与应用技术的研究,其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。
我国人工智能的研究现状。很长一段时间以来,机械
和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。中国国际科技大学在国家863计划和自然科学基金支持下,一直从事两足步行机器人、类人性机器人的研究开发,在1990年成功研制出我国第一台两足步行机器人的基础上,经过科研10年攻关,于2000年11月,又成功研制成我国第一台类人性机器人。它有人一样的身躯、四肢、头颈、眼睛,并具备了一定的语言功能。它的行走频率从过去的每六秒一步,加快到每秒两步;从只能平静地静态不行,到能快速自如的动态步行;从只能在已知的环境中步行,到可在小偏差、不确定环境中行走,取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。
3.2 人工智能发展方向
在信息检索中的应用。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,包括机器感知、机器思维、机器行为,即知识获取、知识处理、知识利用的过程。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。
基于专家系统的入侵检测方法。入侵检测中的专家系统是网络安全专家对可疑行为的分析后得到的一套推理规则。一个基于规则的专家系统能够在专家的指导下,随着经验的积累而利用自学习能力进行规则的扩充和修正,专家系统对历史记录的依赖性相对于统计方法较小,因此适应性较强,可以较灵活地适应广普的安全策略和检测要求。这是人工智能发展的一个主要方向。
人工智能在机器人中的应用。机器人足球系统是目前进行人工智能体系统研究的热点,其即高科技和娱乐性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球比赛过程中机器人之间的协作和机器人运动规划问题,在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用,随着人工智能理论的进一步发展,将使机器人足球有长足的发展。
人工智能教育现状范文5
关键词:发展趋势;研究应用;人工智能
DOI:10.16640/ki.37-1222/t.2017.07.119
0 简介
人工智能((Artificial Intelligence)),它是一门新的技术科学,主要用于模拟、延伸以及扩展人类的智能的方法、理论、技术以及应用系统。人工智能主要就是对人类的思维、意识的信息过程的合理化的模拟。人工智能它并不是人的智能,但是,它却能像人那样的思考,而且也可能会超过人类的智能。总的说来,人工智能研究的一个主要目标是使机器能够胜任一些复杂工作。
1 人工智能的运用现状
目前,在很多方面人工智能有着运用,其中一个主要表现就是全球人工智能公司数量在急剧的增加,专家系统在目前来看是在人工智能各领域中最为活跃,且最为有成效的一个领域。它是一类基于知识的系统,并可以解决那些一般仅有专家才能够解决的复杂问题。我们这样定义专家系统:专家系统是一种具有特定领域内大量知识与经验的程序系统,它是基于程序系统依靠人工智能技术,来模拟人类专家求解复杂问题的过程,大多情况下,专家系统的水平甚至可以超过人类专家。专家系统的基本结构图如下图所示:
2 人工智能的影响
人工智能对经济的影响:人工智能的的确确会影响到社会、生活、文化的方方面面,特别是对于实体经济将来会有巨大的影响。以后,每个行业几乎都会产生颠覆性的变化。在人工智能的研究上,中国并不落后,将来的中国一定可以从中获得非常大的收益。一成功的专家系统可以为它的用户带来很明显的经济效益。用比较经济的办法执行任务而不需要具有经验的专家,从而极大地减少开支。专家系统深入各行各业,带来巨大的宏观效益,促进了IT网络工业的发展。
人工智能对文化的影响:在人工智能原理的基础上,人们通常情况下会应用人工智能的概念来描述他们的日常状态和求解问题的过程。人工智能可以扩大人们知识交流的概念集合,描述我们所见所闻的方法以及描述我们信念的新方法;人工智能技术为人类的文化生活提供了巨大的便利。如图像处理技术必将会对图形艺术和社会教育部门等产生深远影响。比如现有的智力游戏机将会发展成具有更高智能的一种文化娱乐手段。随着技术的进步,这种影响会越来越明显地表现出来。当然,还有一些影响可能是我们目前难以预测的。但可以肯定,人工智能将对人类的物质文明以及精神文明产生更大的影响。
人工智能对社会的的影响:一方面,AI为人类文化生活提供了一种新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段,今天,游戏中的人工智能应用已经深入到各大游戏制造商的开发中。另一方面,人工智能能够代替人类进行各种脑力劳动,所以,从某种意义上来讲,这将会使一部分人失去发展的机遇,甚至可能失业。由于人工智能在科技以及工程中的应用,一部分人可能会失去介入信息处理活动的机会,甚至不得已而改变自己的工作方式;人工智能还可能会威胁到人类的精神。一般人们觉得人类与机器的区别就是人类具有感知精神,但如果有一天,这些相信只有人才具有感知精神的人也开始相信机器能够思维和创作,那他们就会感到失望,甚至于感到威胁。他们会担心:有朝一日,智能机器的人工智能可能会超过人类的自然智能,从而使人类沦为智能机器的奴隶。
3 人工智能的发展趋势
有机构预测,2017年人工智能投资将同比增长300%以上,在技术上将会更迅猛发展,工控自动化商城的智能语音、智能图像、自然语言以及深度学习等技术越来越成熟,就像空气和水一样将会逐步地渗透到我们的日常生活。行业专家关于2017年人工智能的发展方向主要有以下几点:(1)机器学习目前正在被应用在更复杂的任务以及更多领域中,且被更多的人作为挖掘数据的方式。无监督的学习会取得更多进展,但也存在很大的挑战,故在这一方面离人类的能力还是差得很远的。计算机在理解和生成自然语言方面,预计最先会在聊天机器人和其他对话系统上落地。 (2)深度学习、其他的机器学习、人工智能技术的混用,是成熟技术的典型标志。将深度学习应用到医疗领域中(医疗图像、临床数据、基因组数据等),各种类型数据上的研究以及成果将会大大的增加。 (3)聊天机器人和自动驾驶汽车可能会取得较大的进展,预计更多人类基准将会被打破,特别是那些基于视觉以及适合卷积神经网络的挑战。而非视觉特征创建和时间感知方法将会变得更加频繁、更加富有成果。
4 结论
人工智能是人类长久以来的梦想,同时也是一门富有挑战性的学科。尽管人工智能带来很多问题,但当人类坚持把人工智能只用于造福人类,人工智能推动人类社会文明进步将毋庸置疑。就像所有的学科一样,人工智能也会经历各种挫折,但只要我们有信心、 有毅力,人工智能终将成为现实,融入到我们生活的方方面面,为我们的生活带来更大的改变。
参考文献:
[1]朱祝武.人工智能发展综述[J].中国西部科技,2011,10(17):8-10.
[2]肖斌.对人工智能发展新方向的思考[J].信息技术,2009,37(12):166-169.
人工智能教育现状范文6
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