前言：中文期刊网精心挑选了人工智能时代的教育革命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。
人工智能时代的教育革命范文1
在业内人士看来，人工智能不是一项单一的科技产业，而是将其他行业进行融合的工具，例如将机器人和保姆结合产生的“看家机器人”，将导航和汽车结合产生的“车联网”等。在人工智能技术逐步成熟的当下，谁率先在应用上实现突破，谁就有可能在智能时代的竞争中占据优势，“人工智能”有望成为可触摸的新增长点之一。
发展迅猛
身体不舒服，想要打开手机淘宝问问医生，但是怎么样才能从几千个在线等待咨询的医生中间找到最匹配的那一个？
阿里健康已经开发并在手机淘宝上线了健康小蜜――医药健康智能问答引擎。这个类似于智能问答机器人的引擎，可以回答普通用户的一般性医药健康问题，然后根据用户的需求进行选择，将用户自动匹配给相应的医生或者药师。
事上，目前，从医疗健康的监测诊断、智能医疗设备，到教育领域的智能评测、个性化辅导、儿童陪伴，从电商零售领域的仓储物流、智能导购和客服，到应用在智能汽车的自驾技术，都能看到人工智能的身影。
人工智能等技术是助推自动驾驶发展的关键技术。例如，人工智能在帮助汽车解读传感器数据时起决策作用，通过阅读驾驶者的驾驶行为和表情，能及时提醒驾驶员在疲劳驾驶时切换至自动驾驶模式。
“人工智能”一词，通常被认为是1955年8月31日在达特茅斯（美国一所院校）会议上诞生的，61年来，人工智能的研究和实践一直处于不断增长的趋势。当今，人工智能技术的突破带来了席卷全球的技术革命风暴，创造出了一个无比广阔的市场，中国的很多公司在这股大潮中抓住机遇，表现亮眼。有观察者认为，中国的人工智能已成为一张令世界瞩目的闪亮名片。
过去的一年里，长虹、TCL、创维等中国家电企业都纷纷人工智能家电产品，希望借助人工智能打破家电行业的销售难题。
不久前，搜狗公司2016全年财报，搜狗借助人工智能技术实现了较大的业绩增长。未来会把人工智能应用到更多的产品中，让用户表达和获取信息更简单，让人工智能真正惠及人类。
全球人工智能研发的脚步正在加快，中国也不甘示弱。近年来，百度先后成立了大数据实验室、深度学习实验室和硅谷人工智能实验室，并通过架构调整全面发力人工智能。2016年百度世界大会上，“百度大脑”推出，该项目将对语音、图像、自然语言处理和用户画像、无人驾驶等领域进行重点关注和研发。
在腾讯，人工智能研究项目包括WHAT LAB（微信-香港科技大学人工智能联合实验室）、优图实验室、微信模式识别中心、智能计算与搜索实验室等多个部门。
人工智能犹如新的科技革命，为长期低迷的世界经济注入新的活力。去年诸多关键技术突飞猛进，无疑是人工智能发展史上浓墨重彩的一年。诞生半个多世纪以来，它终于走到了从科技研发到行业应用的临界点，蓄势待发。
为发展更新“发动机”
人工智能技术的重大突破必将带来新一轮科技革命和产业革命，对人类生活的方方面面将产生深远的影响。大力发展人工智能技术是中国经济转型升级的重要动力。
众多研究表明，人工智能是对传统行业商业模式、产业链和价值链的全面颠覆，将为全球经济、社会生活的方方面面带来质的变化。
发展人工智能的最大意义在于为现代化发展更换“发动机”。咨询公司埃森哲研究了美国、芬兰、英国等12个发达国家并作出预测，到2035年，人工智能将帮助这些国家的生产率提高40%左右。
对于中国而言，人工智能带来的好处将是多方面的。就经济来说，借助人工智能新技术实现自动化，将极大提高生产率，节省劳动成本；优化行业的现有产品和服务，提升其质量和劳动生产率；通过创造新市场、新就业等，将促进市场更加繁荣，开拓更广阔的市场空间。
而在产业升级方面，中国的传统制造业大而不强的问题亟待克服，人工智能恰恰为制造业转型升级提供了便利和动力，一是这些企业拥有行业海量的数据和大量资金；二是在生产力水平急需提升、传统人口红利逐渐消失的情况下，传统企业有迫切的意愿来改造升级自己的工厂、业务，提高收益，降低企业成本。因此，制造业既是人工智能可以大有作为的领域，也是中国发展人工智能的优势领域。
《全球人工智能发展报告2016》显示，中国人工智能专利申请数累计达到15745项，列世界第二；人工智能领域投资达146笔，列世界第三。
据艾瑞咨询预计，2020年全球人工智能市场规模将达到1190亿元，年复合增速约19.7%；同期中国人工智能市场规模将达91亿元，年复合增速超50%。人工智能发展前景极为广阔。
就制造业而言，“中国制造2025”计划的实现就需要很多人工智能。比如过去在技术上难以克服的问题，就可以通过深度学习，在工程上快速地取得一些新的突破。人工智能技术的发展与应用，对于有效实现“中国制造2025”目标至关重要。
面向未来长远布局
在人工智能这场科技浪潮中，中国与其他国家已经站在了同一起跑线上。针对未来产业竞争，中国政府已在多个方面对人工智能产业做出布局，“人工智能+”的发展，需要面向未来，做出长远布局。
未来5到10年，人工智能将像水和电一样无所不在，可以进入到教育、医疗、金融、交通、智慧城市等几乎所有行业。
目前，在驾驶领域，通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，电脑可以在无人主动操作下，自动进行操作；在个人助理领域，通过智能语音识别、自然语言处理和大数据搜索、深度学习神经网络，可以实现人机交互；在金融领域，通过分析、预测、辨别交易数据、价格走势等信息，人工智能可以为客户提供投资理财、股权投资等服务；在电商零售领域，主要是利用大数据分析技术，智能的管理仓储与物流、导购等方面，用以节省仓储物流成本、提高购物效率、简化购物程序。此外，在安防、教育、医疗健康等众多领域，人工智能都有着广泛的用途。
人工智能时代的教育革命范文2
关键词：人工智能影视教育课堂在场价值观
人工智能技术作为社会媒介化发展的特殊产物，不仅能够建构起智能媒介化的信息社会，更能深入到传媒研究领域，引导影视传媒研究朝着“互联网+教育”的方向发展。当前影视传媒教育正面临重要的转型阶段，如何通过媒介信息技术调整现有的理论学习模式和教学培养目标，已经成为影视教育进行改革创新的突破口。基于人工智能为教育信息化带来的机遇和挑战，影视教育正致力于从“刀切教育”迈向“精准教育”，从“课堂缺席”转为“课堂在场”，从人才培养模式到教育信息平台搭建，都在不断强化智能教育培养，力求为影视传媒教育的智能化改革和实践提供决策依据。
一、影视教育智能化发展的应用价值
智能化影视传媒研究是教育信息化极为重要的应用场景，人工智能技术不仅拓宽了影视传媒教育的研究方向，同时也在技术手段、渠道搭建、傳媒伦理等层面发挥着重要作用。
1.消除数据鸿沟，发挥智能传媒教育技术赋能和知识平权的双重功能。影视传媒研究是以实践为基础的理论性教学，以培养创新型和复合型人才为教育目标。教育学者是影视文化传播的驱动者，因个体间存在传播技能、信息储备和交往行为方面的差异，造成影视传媒教育具有严重的知识鸿沟。在影视研究学者步入算法教育的重要阶段，智能教育平台可通过读取人的反馈改变原有的教学模式，调整每一位受教育者的天赋类型。与此同时，教育学者能够充分利用算法技术和人工智能手段，获取定制化的影视资源和学习条件，以技术逻辑引导学习流程，用分析框架提高教学模式的理论性和可操作性，通过强化教与学的变革场景，激活文化创作的想象力和逻辑性思维，使科技创新在理性与感性、理论与实践的引导作用下，从一般的理论教学形成智能媒介化的信息教学模式，从单向传授转变为双向互动的学习教育模式。
2.拓宽学习渠道，推动教育形态从理论课堂到智能媒体教育课堂的变革。人工智能技术与影视教育教学的深度融合，正引发起一场新的教学革命。从教育手段和学习途径上来看，原有的课堂教学已无法满足理论和实践的双重需求，大数据催生出的智能化影视教育，在虚拟世界和现实世界间搭建起新的算法课堂，利用人工神经网络简化理论教学的概念，又通过具有超强运算能力和通讯能力的技术手段协助实践操作。例如，人工智能照相机作为辅助型的教学工具，被运用于智慧课堂的摄影实践教学中，借助云端技术和物联网连接远程数据中心，可以帮助不懂摄影技术的学习新手尽快了解电影拍摄的理论框架和基本技能，推动教学场景从应用性教学到智慧型课堂的氛围建构。人工智能与影视教学的跨界融合，成为智能传媒教育进行颠覆式创新的重要表现形式，教育形态正逐渐从智慧课堂过渡到智慧校园，从传统的理论范式过渡到智慧媒体的应用型范式，帮助构建起新的学科话语体系。
3.重视传媒伦理，推动智能化影视传媒教育价值观和技术性的生成。人工智能是以追求效益为初心的理性工具，在技能研发阶段尚未对伦理规范提出强制要求，技术伦理向来是人工智能难以逾越的一道鸿沟；影视传媒教育则是以培养学生的伦理观和价值观为出发点，重视以道德审美为核心的理性意识。智能化传媒教育将信息技术和影视教学进行结合，使得理性工具得以同理性意识深度融合，人文关怀建立在技术作用之上，这既是培养受教育者核心价值观的时代需要，亦是强化人工智能技术伦理的有效途径。人工智能时代，强调智能化影视传媒教育技术性和价值观的生成，与其说是建立在影视教育应用场景上的技术伦理规范，不如说是借信息技术完成对传媒伦理和受教育者价值观的理性建构，让人工智能发展紧密联系意识形态和伦理道德问题，加深技术手段和教育学习的彼此作用，从而获得传媒教学在伦理层面的共识。随着传媒影响力的逐步扩大，以内容为载体的影视教学活动意味着要担负起更重要的教学责任，学科研究核心价值观的建设必须以注重传媒伦理和技术伦理为教学基础，重新建构现有的伦理道德观念，为人工智能技术注入价值观的活的灵魂。
二、影视教育智能化发展的风险问题
人工智能技术的迅速发展，赋予影视传媒教育极大的应用价值，与此同时也面临着潜在的风险问题。
1.灌输式教育仍占据主流，智能化影视教学陷入价值认知困境。在人工智能技术出现以前，理论+实践的教学策略已经成为一种固定的形态存在于传统影视教学工作中，受教育者根据统一的培养目标规划自己的学习方式，包括影视创作及影视理论等相关课程都按照相同的培养模式进行。由于教育主体对人工智能的认知存在两极分化的现象，过往只能够通灌输式对学生进行强制教育，智能化影视教学则是处于小范围内的实践和创新。对影视教育而言，理论与实践是学习的内容，继承与创新才是研究的实质。明确人工智能教育的价值认知，从灌输教育逐步迈向定制化教育，为高校的人才培养提供重要的智力支持，应当是影视教育智能化转型发展的着力点。
2.智能教育应用场景缺乏思考，其深度和广度有待进一步挖掘。当前，智慧课堂、智慧校园的出现奠定了智能传媒教育的基本雏形，依靠大数据、物联网等信息技术支撑的智能传媒教育，在平台搭建层面已出现显著性成果，但对应用场景的深度和广度挖掘还存在明显问题。影视教育智能化应当以追求个性化和定制化教育为目标，崇尚的是终身学习的教学理念，不应当将人工智能技术仅局限于传统的教学课堂，除了要从“线下”走向“线上”，还需要考虑到以人机交互为主要形态的教学应用场景，挖掘人工智能教育更多的应用情境和展现方式，从而对影视课堂的理论与实践教学价值提供合理的在场性证明。
3.专业壁垒依然存在，智能化教学成果马太效应极为明显。智能教育世界要求培养更加多元化的应用型人才，但人工智能的马太效应逐渐渗透到影视传媒教育工作中，也会导致教学成果受到出现严重的失衡现象，难以满足高校对人才培养的多元化需求。作为艺术研究的影视教学活动，其科学精神和创新实践同样重要。尤其在媒介融合背景下，要想推进受教育者从“影视学者”逐渐过渡到“影视作者”，人工智能不仅需要满足师生的定制化教学任务，还应当破除专业和行业的壁垒，对其相关联的学科和传媒领域进行合作，才能够改变当前智能化影视教育在教学模式上面临的不足，不断为社会输送更多的应用型人才。
三、影视教育智能化发展的转型实践
面对智能传媒教育的风险与挑战，影视专业更应当立足于自身的教育发展特色，从人才培养模式、应用场景建设、教育资源整合等方面，推进影视教育智能化发展的转型实践。
1.从“灌输教育”走向“精准教育”，创建新的人才培養模式。智能传媒教育范式的自主性建构，应当立足于对传统教学效率和人才培养模式的颠覆。基于当前影视传媒智能化发展在人才培养模式层面的不足，其转型实践需要从受教育者的个性化需求出发，在师生、家长和社会的通力合作下，创建新的人才培养模式，利用碎片化学习完成系统化的学习过程，逐渐从“灌输式教育”走向“精准化教育”。例如，人工智能时代对影视学生的培养更趋向于“以个人为导向的系统化学习”，通过前期对受教育者的大数据整理，对每一位同学的逻辑性、想象力、创造性和沟通能力等进行分析，从影视理论和影视创作两大方向出发对受教育者形成定制化的学生画像，并提供针对性的智慧作业，帮助教师采集学生的学习情况，从而实现规范化的信息管理。可以预见的是，智能传媒时代，“互联网+教育”学习模式的生成，在推动知识平权化等方面发挥重要价值，成为影视教育智能化追求的重要转型路径。
2.从“课堂缺席”走向“课堂在场”，打造新的传媒教育平台。人工智能不仅要改变传统的人才培养模式，同样也应当提供更加多元化的学习应用场景。过去的影视研究多局限于单一的课堂场景，采用课上理论和课下实践的方式进行授课，完成影视教学的闭环。人工智能时代，影视传媒教育应当调整原有的受教育模式，通过搭建合理的人工智能应用平台，可以巧妙地将课堂场景与智能技术结合起来，为受教育者提供更加多样性的教学应用场景，从而实现成长课堂的“在场共生”。例如，人工智能可以带动影视制作的推陈出新，通过搭建智慧超媒体系统，将电影屏幕从影院搬到校园，自动生成无穷界面。与此同时，影视传媒的智能化还可以帮助教师自动生成电影梗概，将理论性教学转变为可视化形象，使电影理论同定制化的影像人物之间建立匹配关联，让教育场景从线下逐步延伸到线上，为影视研究提供重要的云服务。
3.从“媒教分离”走向“共建合作”，实现产研学的自主对接。影视教育智能化发展的最终目的是为了寻求理论与实践的融和，帮助构建起传媒教育和传媒业界的良性生态关系。传媒教育智能化也可以全面提高受教育者的学习效率和工作效率，通过优化教育资源，带动影视内容的高质量生产、影视人才的高质量创作。因此，从“媒教分离”走向“共建合作”，引导产研学的自主对接也成为了影视教育智能化转型实践的有效探索。未来的影视传媒发展，能够抓取海量资源建构独立的影像景观模型，为机器人参加艺考创造可能性，并且也可以紧抓电影内容的智能化生产，从前期的电影脚本自动化写作到后期的虚拟演员个性化定制，系统均可以对剧本创作、电影拍摄等课程进行精准化评估，从中筛选出符合影视公司要求的作品，进入后续的市场化操作。
人工智能时代的教育革命范文3
机器和人类、现实和科幻、邪恶和美好的分界从来没有像今天这样如此模糊。眺望未来30年，智能革命的壮阔波澜，将改写人类社会对智商的理解和定义。
从AlphaGo说起：Have to win
关于这场围棋大赛，先引用一段博士老板Alan Yuille教授(美国顶级机器智能科学家，霍金理论物理学博士)的判断：
Go is a complex game but still it is finite so with enough computer power，and clever algorithm，the computers will have to win(if not this year，then next year)。(围棋是一套复杂但有内在逻辑和明确计算量的游戏，所以只要计算机遵循围棋的推演路径并拥有充裕的运算能力就必然能够赢得人类、取得胜利，AlphaGo的胜利对于计算机而言只不过是时间问题。)
AlphaGo战胜人类，美国学术界早有准备
伴随着摩尔定律的不断实现和几十年来人工智能的软硬件技术积累，人工智能其实已经悄然改变了我们生活中的许多方面，当我们还在感慨电影中各种AI的强大时，未来已经悄然而来，AlphaGo只是这场人工智能大浪潮中的一朵璀璨浪花。
在过去的5年里，人工智能已经在语音识别、计算机视觉、语言理解、医疗健康等领域取得了巨大进展，并在某些领域里超过了人类，比如语音识别、人脸识别等等方面。
以计算机视觉为例，人工智能已经发展出了突破肉眼精度的图像识别技术并已被广泛的应用于公安、金融、信息安全等领域，产生了巨大的价值。而这些进展之所以没有引起社会轰动，是因为社会中大部分非专业人员会通过直觉和自身感受而推论出机器识别“人脸”、识别“苹果”等图像信息是一件容易的任务，是一件不同年龄、不同教育背景、不同文化背景的人都能胜任的任务，在这其中体现不出人工智能的“智能”来。
但站在人工智能发展的角度，从围棋和图像识别的复杂性和不确定型来说，图像的变化比棋盘的变化要大得多。
围棋是有可遵循的逻辑、可衡量的计算量的游戏，对于人类大脑的难度在于庞大的计算量和对棋盘宏观形势的敏感度；而图像识别则会在信息抓取和逻辑分析层面呈现出更广泛意义上的随机性和不确定性。
通过机器学习将图像中的信息进行分类解析、最终提取有价值的结构化数据是极难的科研课题，从学术界到工业界的转化耗费了几十年的时光。
然而相比于计算机视觉、语言语音理解等其他的进步，AlphaGo的划时代意义在于它不仅仅缩短了机器与人的智能距离，还将颠覆人与人智商差异的感知。
未来人与人的智商差距不再会是不可弥补的先天差距，而将成为一种可以通过工具而后天获取的能力，这带来的会是人类自我价值评估的一次大颠覆，智商对于人的意义将会在一定程度上有所下降。这就像从前算术不好的，现在用计算器就能补上；未来下棋不好的，可能只是加个AlphaGo就能补上。“智商”这个词的定义可能会被迫从形容人和动物差异，变成由人和机器的差异所定义。
第一个十年的变化：The rich get richer(富人更富，强者更强)
从短期来看，让我们畅想一下在这场大浪潮中，谁会成为最大的受益者呢？
当我们回顾推动人工智能发展的关键因素时，有三个要素极为重要：数据、算法和计算。
AlphaGo这次在全社会范围内对人工智能进行了一场大面积的认知普及，会使得拥有成熟商业模式和海量数据优势的BAT等巨头重金投入这片市场，彼此间的互相追赶将在市场中形成像google收购deep mind一样的并购风潮。
同时伴随着计算能力的不断提升和算法的持续优化，这将带来人工智能史上的第一次大规模应用实践，各巨头的业务将因为人工智能带来的效率提升而加速拓展，他们相较其它竞争者的优势也会因此不断加大，这就正如今天的google相对于其他公司一样。
当资本成为这场竞逐游戏的驱动力时，获得先发优势的公司雪球也必将越滚越大，优势将在成长中愈发明显，The rich get richer。
未来的思考：人类将重新理解知识、智慧、人性
从远期来看，人工智能的进步将改写人类对自我、知识和教育的理解。
倘若，90%的医生、律师、教师、程序员能被机器所代替，人们将需要重新开始讨论“人”的自我定义和“知识”的新时代价值。
当旧时代下的知识已成为机器人仅需拷贝和执行的简单命令，而“为什么要学法律、学编程等”的疑问及背后对自我价值的疑惑就必将引发社会教育结构的变革。
过往人与人之间通过知识组合的不同而形成的差异将被人工智能抹平，“高考”等考试测评手段作为广义上的游戏(game)，就像围棋一样，将不再能作为准确评价智慧和学识的方式而被修正。
当在体力劳动和脑力劳动里独立的人类相对于机器都不再具备经济优势时，人的存在形态、存在价值和机器的交互融合将成为未来前沿学术研究的重要课题，这会是一次人类社会的集体迷思、也会是人类价值的再次追寻。
人类的希望？
有人曾说，机器和人的差异是艺术的创作和欣赏。但这对于人工智能而言，已经并不是什么特别难的事情，大概在10年前就已有成熟的学术成果来用计算机创作梵高风格的作品，在这背后的艺术风格提炼、学习和再造并不是什么新鲜的技术。
也有人说，机器和人的差异是情感。但我不确定现今的人类社会对情感的定义是否像对智商一样，有着广泛的共识而能成为人类独特性的特征。情感诞生于本能和动物性，只是在人身上闪烁出了更加多彩的光芒，悲欢喜乐、嬉笑怒骂，这本就是人性中最难以捉摸而妙不可言的部分。
所以，机器和人的区别最终会是什么呢？在这个恐怕哲学家也难以回答的终极问题下，我想起了最近读到的这样一句话，“如果机器认为这场战斗必败，那么机器会选择投降；如果人认为这场战斗必败，那么有人会选择义无反顾的战斗，直至战死为止。”
或许，这句话里已经轻轻道出了我们与机器的区别。
人工智能时代的教育革命范文4
关键词： 人工智能；创新驱动；发展建议
人类对于智能机器的探索活动，古已有之。不过，以“人工智能”来命名这一探索并成为一个学科领域，却发生于1956年夏季在Dartmouth举行的一次小规模学术研讨会上。因此，2016年是人工智能学科问世的60周年，在这个不同寻常的年份，世界各地的人工智能科技工作者都在密切关注人工智能的发展动向。
2016年3月，DeepMind研制的人工智能围棋系统AlphaGo以4：1的战绩击败了韩国的围棋高手李世石，把世界对人工智能的关注推向了前所未有的。各种各样的议论喷涌而出。悲观者大呼：“人工智能对于人类的潜在威胁太严重，应当通过立法限制甚至禁止人工智能的研究”；乐观者高喊：“人工智能是人类的真正福音，只要把自己的思想意愿转嫁给人工智能机器，人类就可以通过机器来实现长生不老的千年梦想”。在科技界，人们则在激动着、讨论着：我们应当在什么样的热点技术上发力？是深度学习？是认知技术？还是类脑计算？
回想这些年来，互联网、云计算、大数据、物联网、移动互联、智能制造、智慧城市、人工智能、机器人一波又一波的高新技术登台亮相，中国科技界、教育界和产业界都在一个个地紧紧追赶。虽然在跟踪追赶的过程中取得了不菲的进展，但是人们不禁都在思考：对于人工智能来说，当前社会的需求是什么？什么才是有效的创新战略？怎样才可以摆脱跟踪追赶的被动局面，争取到引领创新的话语权？
发展人工智能不应当是一种孤立性、局部性的行动，而应当是能够带动和引领整个科学技术的创新和发展。
1 人工智能是当代重要交叉科学群的创新前沿
为了阐明“人工智能是当代重要交叉科学群的创新前沿”这个论断，需要逐个澄清相关的基本概念，包括：什么是人工智能？什么是当代的重要交叉科学群？以及什么是当代重要交叉科学群的创新前沿？
1.1 什么是人工智能
人工智能是一门“探索人类智能机理，创制人工智能机器，增强人类智力能力”的科学技术。从这个意义上可以理解，只要人类的智力能力得到了增强和扩展，人们从事各种科学技术以至各种经济社会活动的智力能力就会得到有效提升，从而能够有效促进各行各业的创新与发展。
那么，什么是人类智能？人类智能主要表现在人类主体为了不断改善生存发展的水平而发现问题、定义问题、解决问题的能力。其中，发现问题和定义问题的能力依赖于主体的目的、知识、直觉、理解力、想象力、灵感、顿悟、审美等内在能力，因此被称为“隐性智能”；解决问题的能力则主要依赖于获得信息，生成知识，创生策略等外显能力，因此被称为“显性智能”。
显然，隐性智能十分抽象，几近神秘，不仅研究起来甚为困难，就连理解起来也颇感玄奇，而显性智能则相对可理解，可研究。因此，人工智能研究遵循的原则是：基于人类主体给定的问题、知识、目标（这就是人类发现问题和定义问题的能力）这些前提，研究如何利用信息、生成知识、创生策略来解决问题，达到目标。也就是说，人工智能的研究遵循人类智能与人工智能相结合的原则：人类智能负责发现和定义问题，人工智能则负责在人类所给定的问题框架下解决问题。这样，人工智能机器就可以成为人类认识世界和改造世界的聪明助手。
由此可见，没有生命，没有目的，没有灵感，也没有审美能力的人工智能机器系统，原则上不具有隐性智能的能力，因而不可能独立地发现问题和定义问题，只能在人类所发现和所定义的问题框架下去解决问题。因此，人工智能超越人类的恐惧缺乏科学根据。
1.2 什么是当代重要的交叉科学群
当今的时代是信息时代，认识信息资源和利用信息资源为人类服务的信息科学是当今时代的标志性科学。具体来说，信息科学是“研究信息的性质及其运动规律的科学”，也就是以信息为研究对象，以信息的性质及其运动规律为研究内容，以信息科学方法论为研究指南，以增强和扩展人类信息功能（全部信息功能的有机整体就是人类的智力功能）为研究目标的科学。换言之，信息科学的研究目标就是扩展人类的智力功能，而研究信息的性质及其运动规律和信息科学方法论都是为了实现扩展人类智力功能这个目标服务的。
由此就可以清楚地理解：人工智能的研究是信息科W的最高目标，也是信息时代科学技术发展的基本目的；而为了使人工智能系统能够在人类发现和定义的问题框架下成功地解决问题，人工智能的研究必须从人类求解问题的能力中得到启发。这表明，人工智能的研究需要向认知科学学习，因为认知科学就是研究人类自己是如何面对问题解决问题的。另一方面，认知科学所研究的人类解决问题的机理又建立在脑科学的基础之上，因此，人工智能的研究必须理解脑科学的工作机理。再者，人类发现问题、定义问题、解决问题的能力并不是永远固定不变的，而是不断进化和发展的。因此人工智能的研究还必须学习信息生物学，后者深刻地研究和揭示了人类能力不断进化的机制。可见，脑科学、认知科学、信息科学、信息生物学、人工智能是当代最具重要意义的交叉科学群。这个科学群还包含更多的学科，恕不一一阐述。
1.3 什么是当代重要科学群的创新前沿
虽然脑科学、认知科学、信息科学、信息生物学、人工智能各有各的研究内容，但是所有这些学科共同的目标都是智能，如人类的智能（脑科学）、生物的智能（信息生物学）、人类智能的物质基础（脑科学）、人类智能和生物智能的工作机理（认知科学）、人类智能和生物智能的进化机制（认知科学与信息生物学）、人类智能的信息基础和研究方法论（信息科学）、人类智能的机器模拟和实现（人工智能）等。
所以，人类智能和人工智能是当代这一重要交叉科学群共同的创新前沿。人们对于脑科学、认知科学、信息科学、信息生物学的理解深化了，就会促进人工智能研究的发展；反之，一旦人工智能的研究取得了突破和创新，也必然能够带动脑科学、认知科学、信息科学、信息生物学的突破与创新。
2 中国人工智能发展的现状：差距与优势
中国人工智能的发展现状，大家平日都亲身感受得到，应当比较熟悉，似乎无需赘言；但是国情是我们思考问题的基础，因此不可不察。而且，我们对于中国在人工智能发展方面所存在的差距和优势的认识，确实还有必要进一步深化。
2.1 差距：显差距，隐差距
大家都意识到，中国在人工智能的发展方面确实存在不少的差距。普遍J为，由于中国缺失了工业革命这个历史阶段的洗礼，因此在工业基础和工艺水平方面天然存在明显的不足。特别是中国微电子工业领域的高性能芯片制造能力有待进一步加强，人工智能硬件系统的水平也有待进一步提高等，这些都是众所周知的显差距。
然而，更值得深思的问题是：在人工智能的科学研究方面，长期以来，中国同行普遍习惯于跟踪学习，缺乏突破创新的民族自信心，更缺乏引领国际的强烈意识。无论是互联网、物联网、语义网、云计算、大数据、移动互联这些大概念，还是深度学习、无人驾驶、类脑计算这些技术思想，都是外国学者率先提出，然后才是中国学者蜂拥而上。加上这些年滋长蔓延起来的急功近利和学术诚信缺失，往往在蜂拥而上之后的一夜之间就会冒出许多“新成果”！这是中国人工智能发展存在的隐差距。
需要指出的是，显差距正因为“显”，已经得到各有关方的高度重视，并且正在不断地被缩小；但是，隐差距则因为“隐”，不容易被察觉，至今还没有引起各方面必要的重视，因此仍然是实现突破创新和引领战略的隐患。
2.2 优势：现优势，潜优势
那么中国在人工智能研究中是否也存在什么优势呢？表面看来，似乎中国在人工智能研究领域一直处于跟踪学习状态，谈不上存在什么优势；但是仔细考察发现其实不然，中国在人工智能研究中的确存在不可忽视的优势。
中国目前虽然在整体上还处于相对落后状态，但在某些技术研究上却处于国际领先地位。例如：语音识别技术，中国已经在近期多次国际评测大赛中夺得世界冠军；在汽车自动驾驶方面，中国的研发水平也与国际上旗鼓相当；特别是在理论研究方面，中国在人工智能通用理论研究方面的机制主义人工智能理论、人工智能逻辑理论研究方面的泛逻辑学、人工智能数学方面的因素空间理论都是国际领先的成果。这些都是已经涌现出来的现优势。
更加重要的是，像人工智能这样既十分复杂又极其深刻的科学研究，势必自觉或不自觉地受到科学方法论的影响。几十年来，国际人工智能的研究形成三大学派，就是受了以分而治之为特征的机械还原方法论的影响，把复杂的人工智能研究分为结构模拟的人工神经网络学派、功能模拟的物理符号系统学派、行为模拟的感知动作系统学派，而且长久以来互不认可，不能形成人工智能研究的合力。科学论证充分表明，适于人工智能研究的科学方法论不是“机械还原论”的方法论，而应当是“信息生态论”的方法论。后者与中国历来的“整体论”和“辨证论”思维传统息息相通。因此，在人工智能的研究领域，中国握有方法论的潜在优势（潜优势），只要自觉地加以运用，这种潜在优势完全可以转化为强大的现实优势（现优势）。
3 人工智能的社会需求和发展中国人工智能的战略建议
3.1 人工智能的社会需求
中国的信息化建设全面启动于20世纪90年代，得益于现代信息技术的支持，取得了举世瞩目的辉煌成就，进入了迎接复杂问题的新时期，面临着巨大挑战。从整个经济社会发展和全面改革的大局判断，在多次讲话中也明确指出，中国的改革开放进入了攻坚克难的深水区。众所周知，人工智能技术是信息技术的高端前沿；因此，为了迎接复杂问题的挑战，为了成功走出深水区到达胜利的彼岸，中国亟需人工智能科学技术的全面支持。
另一方面，纵观当今的国际环境不难发现，一些发达国家在中国黄海、台海、东海、南海不断制造紧张局势，企图以武力遏制中国的和平崛起。他们声称要长期投资人工智能，要用人工智能武器战胜中国，对此不能不高度警惕，并采取果断措施。
3.2 加快发展中国人工智能的建议
为加快发展中国人工智能，从战略性、系统性、可操作的角度出发提出5项建议。
（1）顶层规划。
火车跑得快，全靠车头带。建议设立国家级智能科学技术发展规划与协调专家委员会，负责研究和提出中国智能科学技术发展的中长期规划，制订智能科学技术产学研发展的实施政策，协调和促进中国智能科学技术的快速有序健康发展。
（2）人才培养。
万事都紧要，人才是根本。建议国务院学位委员会把中国现有的“智能科学与技术”二级学科提升为一级学科，以形成系统完整的智能科学技术人才培养体系；同时建议教育部在中小学开设智能科学与技术基础知识课程，开展课外兴趣培育活动。
（3）创新研究。
跟踪不可废，创新更关键。在国家自然科学基金设置“智能科学技术基础理论”专门领域，大力推进智能科学基础理论的突破创新；同时在国家“十三五”规划设立智能制造、智能农业、智能服务业、智能交通、智能网络空间安全、智能教育等应用专项。
（4）产业标准。
创新是尖兵，产业是后盾。大力促进中国智能化产业的发展，并在国家标准委员会建立智能产品标准工作委员会，鼓励有条件的单位和学术团体开展各类智能技术产品的测试、评价和检验标准的研究，引导智能化产业和产品市场有序健康发展。
（5）持续发展。
人工智能时代的教育革命范文5
【关键词】中国制造2025 自动化 信息技术
1 引言
在历史的长河中，人类经历了三次重大的工业变革，它们代表了三个重要的工业革命时代，分别是蒸汽机时代、电气化时代以及信息化时代。随着信息化技术的完善，人类正在经历着第四个重要时期，它是可以促进产业变革的智能化时代]。现如今，有很多人们指的关注的信息，其中最为重要的几个信息是：2011年由美国倡导的先进制造伙伴计划；2012年美国总统奥巴马在任期间提出了一个新颖的创新网络，这个网络用于建设国家的制造行业；2014年，德国的汉诺威举办了工业博览会，在会上，基于信息物理融合系统的智能化概念再一次成为人们热议的焦点；在2015年的5月18日，我国提出了“中国制造2025”的口号。发达国家关于工业化改革的行动给了我们一个强烈的信息，那就是工业化改革即将迎来大的突破、大的技术变革，每个国家都想在制造业上有所突破、有所作为。面对此种情况，我国的高等教育即将面临新的挑战，培养高素质的自动化专业人才是被迫切需求的。
2 满足“中国制造2025”要求的自动化专业人才
2015年，在只能制造国际会议上，工信部苗圩部长提出“中国制造2015”的主攻方向是智能制造。实现智能制造就是要实现信息化与工业化的融合以及互联网与传统制造业的融合。目前，在我国创新型与专业型人才较为短缺，与世界上一些发达国家还存在着不小的差距，培养我国自己的自动化专业人才迫在眉睫。“中国制造2025”需求四个方面的自动化专业人才。
2.1 中国制造2025”的自动化信息技术需要人才
2025中国制造需要的是高端智能人才，智能人才者是信息技术的执行者，自动化的对设备、工程机械及技术参数进行数据重组。只能这些自动化信息技术应用于生产，才标志着我国自动化技术的智能实现。
2.2 需要人工智能技术人才
完善的人工智能技术可以提供有效的解决方法去处理以及分析生产过程中的数据与信息。在生产实践活动中，如果遇到复杂繁琐，甚至是人类难以解决的问题时，人工智能技术就会凸显出它的自身优势。此种技术如果应用在制造业中必将促进制造业的快速发展。
2.3 需要软件类人才
智能化制造是一个全方位的概念，从最初的产品开发、设计、外包、生产、最后到达交付环节，这些都有它的身影。智能化工厂的重要基础就是软件，优异的软件性能是决定制造业可否实现智能化的关键，软件性能的好坏取决于多方面因素，例如：操作接口是否人性化、运算平台连接是否有高的效率、云端运算是否为跨网络模式等等。
2.4 中国制造2025需要多学科的综合性技术人才
现阶段，网络技术已经在我国的各类自动化信息技术中广泛应用，在这种大环境下，制造业中的自动化技术将成为一项复合性的专业技术领域。传统的单一性专业人才已经不适合未来制造业的发展需求，未来制造业需要的是一专多精、多专多精的复合型专业人才。
3 自动化专业人才培养模式的改革
要想以“中国制造2025”对自动化技术提出的新要求为基准，培养出高素质的自动化专业人才，改革自动化专业人才的培养模式是势在必行的。首先我们要在培养模式的改革上达成共识，对需要改变的内容、需要革新的内容以及需要增加的内容，都应该深思熟虑，形成共识，最后付诸于实践，并在实践中及时发现问题及时完善改革后的内容。
最近几年，很多试点院校已经对自动化专业人才培养模式进行了改革，共同的特点有三个：
（1）使学生们拥有扎实的自动化专业相关的理论知识，为此开设了多门课程，例如：优化理论、自动控制、系统辨识、智能控制理论等等；
（2）加强学生掌握网络技术的能力。网络技术、控制系统仿真原理、嵌入式系统等课程被开设；
（3）具有针对性地补充学生们自动化技术相关领域的专业知识，楼宇自动化、机器人技术等课程都应该被引入日常教学中。虽然这些方式对自动化人才专业的培养模式起到了一定的改革作用，但是并不能满足未来制造业对人才的需求，因为这些改革项目改变的仅仅是基础知识的传授，缺少技术实践层面的改变，所以我们要对自动化专业教学内容体系进行深入的探讨。
“中国制造2025”的出现对很多技术领域都提出了更高的要求，例如：在设计技术方面，国家提出在未来我国的先进设计技术要以绿色环保、智能化、协同性为发展目标。再比如，国家也提出了制造过程的智能化应该被快速实现。在某些重点领域的试点单位，已经建立了智能化车间，在生产过程中，工业机器人、智能物流管理等智能化技术已经得到了应用。面对未来更加快速的技术革新，当前我国高校的自动化专业培养模式还无法培养出高素质的人才去满足制造业新技术的要求。根据现有形势，应该调整教学内容，需要在日常的培养模式中加入智能感知技术、智能规划技术、集成电路原理、物联网技术以及虚拟化技术等等。
4 结束语
科学技术的发展带动了知识的快速革新，在校期间，学生们需要学习的专业知识越来越多，只有通过合理的培养模式以及高效的教学方法才能实现培养高素质自动化专业人才的目标。在我国近500所高校设有自动化专业，如果这些高校都可以找到适合本校的自动化专业人才培养模式，就可以为“中国制造2025”输送更多自动化专业人才。
参考文献
[1]国务院关于印发“中国制造”的通知[J].中华人民共和国国务院公报，2015（16）.
[2]余东华，新工业革命背景下$中国制造的技术创新路径和产业选择研究[J].天津社会科学，2015（04）.
[3]黄群慧，贺俊.中国制造业的核心能力功能定位与发展鹇[J].中国工业经济，2015（06）.
[4]教育部发展规划司.中国教育统计年鉴[M].北京：人民教育出版社.2011.
作者简介
刘桂涛（1972-），男，湖北省云梦县人。硕士学位。现为湖北工程学院计算机与信息科学学院副教授。主要研究方向为控制与电气节能。
人工智能时代的教育革命范文6
1936年人工智能之父提出人工智能这个概念，为人工智能乃至现代信息科技奠定了基础。
1958年，10位美国年轻的学者在一起研讨，正式提出人工智能这个概念。
人工智能经过了60年曲折的发展，有过令人兴奋激动的时刻，也有令人非常沮丧的时刻，现在到了一个新的，这是没有异议的。
特别值得一提的是，专用人工智能领域取得了突破性进展，今年，阿尔法狗是标志性之一，包括竞赛性能的不断提高，特别是在测试中已经超越人。
新版的人型机器非常的震撼人心，在地面上走，尽管歪歪扭扭，但走得还很稳；还有自动驾驶汽车，在雪地里，也可以走得很好；语音识别，这是科达讯飞一个典型的语音识别的例子，效果非常好；人脸识别，尽管还有一些挑战，但是这几年还是不错的。
专用人工智能确实取得了突破性的进展，但人工智能的研究与应用依然任重道远，要在通用人工智能方面取得巨大突破还需要尽洪荒之力，曾经有四句话描写了人工智能目前的水平，有智能没智慧，有智商没情商，会计算不会算计，有专才无通才。
另外，人工智能产业化应用也有了很好的发展，2015年全球人工智能市场规模为1270亿美元，今年预计1650亿美元，到2018年预计超过2000亿美元，发展非常之快。目前，人工智能已经上升到国家战略高度。过去一年人工智能领域的十件大事
过去的一年里，人工智能领域有很多新的变化。
第一项，阿尔法狗。
第二项，各国政府高度重视人工智能发展，包括今年5月份美国白宫举行的4场研讨会。
第三项，IBM类脑超级计算机平台，是基于前几年的芯片。
第四项，软银320亿美元收购ARM，这是很大的收购。
第五项，谷歌、facebook等开源人工智能基础平台反映了一个趋势和动向。
第六项，创建公益性的人工智能机构OpenAI。
第七项，在学术方面，Science发表Bayesian Program 论文。
第八项，微软深层残差网络夺冠2015年ImagnNet。
第九项，谷歌量子计算机取得重要突破，为人工智能计算搭建了一个平台。
第十项，剑桥大学成立了人工智能伦理研究所。
怎样通过这个标志性事件看目前人工智能发展的状态，我将其概括成十段话。
人工智能十大趋势动态
第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，都掀起了热潮。
第二，产业竞争白热化。
第三，投资并购密集化，过去一年的收购、投资，数不胜数。
第四，人工智能应用普适化，开始向各个领域渗透。
第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。
第六，基础平台开源化，包括IBM、谷歌开源的平台，是过去一年特别明显的一个新的特征。
第七，关键技术硬件化，包括IBM的类脑计算平台。
第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行，阿尔法狗里集成了很多。
第九，学科创新协同化，多学科跨界融合交叉协同创新人工智能创新途径，其中包括量子技术跟人工智能的结合。
第十，社会影响大众化。
人工智能未来发展五大思考
第一，要保持警醒。热潮下面尤其需要冷思考，阿尔法狗在围棋上的表现，确实提高了人们对人工智能的期望，但是对人工智能希望太高，如果没有实现就会非常失望。过去60年中我们有很多这样的教训，在热潮下尤其需要冷静的思考，有就一定会有低谷，这是发展的客观规律，而任何一个时段不可能一直蓬勃，所以一定要保持冷思考。引用最新的新兴技术成熟度曲线。智能机器人、认知等热门技术正处于期望膨胀期，接下来可能是幻灭期，所以需要我们冷静的思考。
第二，切忌跟风。我认为跟风难有大作为，这几年风口热好像说得很多，找风口不如找关口，发展的瓶颈在哪里，突破瓶颈就可能开创一个新天地，抢占先机，大家不要再跟风。
第三，不忘初心。对于人工智能来说是不忘初心继续探索，回归人工智能的本原，是要解决什么问题，别走偏了。所以从研究的内容到研究的目的，在回归本原的过程中尤其要记着，信息科技与脑类科技的交汇，人脑智能机理的挖掘孕育着信息科技的重大变革。
第四，苦练内功。重视前沿基础理论研究，现在是家喻户晓，但是大家不要忘记不是那么火爆的时候在干什么，一直坚持，才有深度学习的今天，所以苦练内功很重要，不能被当下的热点一叶障目。深度学习不等于AI，深度学习只是人工智能领域机器学习方向的一种方法，尽管现在效果很好，确实需要思考如何克服这个瓶颈，人工智能发展的下一个关口在什么地方。深度学习的成功不是理论方法的突破，而是在大数据和大规模计算资源驱动下的基于基础理论的技术突破，其本质是通过映射对复杂函数进行逼近。
深度学习依旧存在明显的局限性，尤其在任务的切换和对环境变化自身完善、对小样本的举一反三等方面，人工智能与人类还是相差甚远。
第五，以史为鉴。丘吉尔说你能看到多远的过去，你就能看到多远的未来，你过去看的有多深，你对未来才能看得有多准，我认为是有道理的，所以这个时候就需要我们做一个思考。从浅层智能到深层智能；从专用人工智能到通用人工智能；从机器智能到混合智能；从数据驱动到数据和知识协同驱动；从线下智能到云上智能；从网下到网上。
人工智能在中国的发展
这些具体的趋势实际上都反映在整个社会化大趋势上，智能化是新一轮科技与产业革命的最显著特征。
我们国家发展有很多机遇，天时地利人和，当然也有挑战，我们的战略思维、冒险精神还不够，所以要思考这些问题，人工智能如何更好地服务社会。
如何抓住这个机会，我觉得首先应该有一个规划，因为只有通过顶层规划协调才能实现一盘棋，最终实现人工智能强国。
