智能科学技术论文范文1
关键词：人工智能技术；教学方法；编程能力
中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中国科协成立50周年新闻会在北京召开。在新闻会上，“五个10”系列评选活动，即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是：基因修饰技术；未来家庭机器人；新型电池；人工智能技术；超高速交通工具；干细胞技术；光电信息技术；可服用诊疗芯片；感冒疫苗；无线能量传输技术。
人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可以用某种智能化的机器来予以人工实现[1]。
通过《人工智能技术》课程的学习，使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握，并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究，启发学生对人工智能技术的兴趣，培养知识创新和技术创新能力，并能将人工智能技术融入到今后所开发的计算机软件之中。
《人工智能技术》是一门众多学科交叉的新兴课程，其涵盖范围广，涉及知识点多，知识更新快，内容抽象，不容易理解，理论性强，而且需要较好的数学基础和较强的逻辑思维能力，这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科，怎样将理论运用到实践中，使学生将学到的人工智能技术知识和思想运用到自己的实际课题，这也是该课程需要解决的问题之一。
因此，对《人工智能技术》课程教学来说，我们要了解课程的最新信息，把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的创新思维能力，提高学习兴趣，该文给出了《人工智能技术》课程的教学与实践的探索。
2 教学与实践的探索
2.1 教材和实验教学内容的选取
1） 人工智能技术是整个计算机科学领域发展最快，知识更新最快，最前沿的学科之一。在教材选用方面，我们采用了蔡自兴教授等主编，由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写，借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处，该书比较全面地介绍了人工智能技术的基础知识与技术，材料新，易于理解，兼顾基础及应用[2]。
此外，我们还给学生自主学习提供多种类型的学习资料，其中包括参考书目，如：Russel S， Norvig P.等编著的《Artificial Intelligence： A Modern Approach》一书，人工智能技术国内外期刊，如电子学报，计算机学报，人工智能与模式识别，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技术会议，使学生能够掌握人工智能技术的更多前沿动态，提高学习兴趣。
2） 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程，实践性教学环节对该课程尤为重要。除了完成课本上的作业之外，还注重实验教学，培养学生的创新能力、算法设计能力和编程能力。首先，每个章节设置相应的实验，而实验内容经过严格的考虑，如：五子棋游戏，产生式系统，旅行商问题，传教士和野人问题，BP神经网络实现简单的分类，遗传算法、人工生命程序等，要求学生运用所学章节的知识，独立地设计和实现实验内容。实验报告包括简述实验原理及方法，给出程序设计流程图，源程序清单，实验结果及分析等内容，通过这种方式，进一步加强学生的信息获取能力和研究能力。
2.2 教学方法和手段的改革
人工智能技术课程交叉性强，涉及面广，传统的教学方法手段单一，缺少交流，课堂气氛沉闷，激发不起学生的学习兴趣，教学效果不理想。人工智能技术这门课程内容抽象，如何激发学生的学习兴趣是本课程需要解决的主要问题，也是关系教学改革成败的关键。本课程需采用多种方法进行教学，以此来激发学生的学习兴趣。
1） 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题，主要是用计算机模拟人类的智能来解决这种问题。在教学中，有目的的提出这些问题，鼓励学生思考，提出自己的想法和解决方案，并进行分析和比较，这样强化学生的主动学习意识，提高学习积极性[3]。
2） 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别，由于他们每个人的基础不同，有的计算机知识比较匮乏，因此有必要针对每个学生的学习进度，课堂作业和实验报告情况进行及时评估，对学生提出个性化的教学。例如：在实验教学中，要求有能力和兴趣的学生可以做探究性和创新性的附加实验，从而引导学生发挥个性的空间，而对稍微吃力的学生则要求完成基本的实验，更注重基础知识的学习和夯实，这样就能达到因材施教的目的。同时对不同层次的学生进行分析，进一步提出学习建议，并进行有针对性的指导。
3） 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂，提纲挈领，便于学生理解。课堂讲授、板书与PPT手段相结合，注重课程中的关键词用英文表示，并适当指定英文参考书，使学生能够接触国外文献资料，加深对学习内容的理解，获得更宽广的知识。PPT课件运用了大量多媒体技术，如动画、声音、图像，通过动画和视频演示抽象的概念、算法和过程，使人工智能技术中抽象的知识形象化，在课件中融入了文学，历史等其他学科的相关知识，便于学生较好地理解知识难点和重点[4]。
4） 师生互动和课内外答疑。在教学中，改变了传统的老师讲，学生听的教学模式。针对人工智能技术的实用性，适当提问，收集学生学习情况，尽量使用实例进行讲解。设置了实验讲解互动课程，对于实验的讲解，学生可以提出疑问，然后在课堂上展开讨论，学生可以看到问题从提出、分析到解决的整个过程，让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题，还设有课后答疑，使学生能将所有的问题都理解透彻。
5） 理论研究与实践结合。在教学内容的安排上，注重学生的理论研究和动手能力，适当布置一些课程相关的论文和实验编程。通过课程论文，可以培养学生钻研问题的兴趣； 通过查阅科技文献使学生掌握如何查找相关文献的技能，可以培养学生撰写科技论文的能力。通过实验实践，使学生可以更加清楚地了解人工智能技术基本概念和难点，也能了解算法的设计具体运行过程，并对其进行验证，提高了学生的编程能力和和学习兴趣。
6） 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题，本课程应采用多种综合考试方法，注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩，实验实践教学成绩、提交课程论文成绩，以及最后的期末考试成绩形成一种有效的考试考核方法，促进学生主动学习，提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性，论文结构、思路是否严谨，论文内容科学性、正确性，能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。
2.3 学生学好《人工智能技术》课程的建议
《人工智能技术》是一门理论与实践相结合的应用课程，学生如何学习这么课程，也是我们应该探讨的问题。
学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代，形成于60、70年代，发展至今，人工智能技术只有短短60多年的历史，它是一门不断发展和完善的崭新学科，还有许多课题处于探索中，理论和技术还远未成熟，我们应该对它有科学的认识。
针对非计算机专业本科毕业的学生，除了课堂听讲之外，还应该课下自学该课程的先修课程，如：数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识，如：模式识别需要具有较好的概率论，数理统计知识，另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程，编程语言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神经网络，遗传算法等算法，实现这些算法要求学生具有较强的编程能力。
学生应该多读，多查阅资料，特别是国外的期刊文献和重要国际会议论文，多了解人工智能技术最前沿的信息，理论联系实际，加深对基本算法的理解，并将人工智能技术的知识运用到自己所研究的领域，以做到学以致用。
3 结论
人工智能技术在一定程度上代表着信息技术的前沿，该文对《人工智能技术》的课程教学进行了一些探讨，教学与实践效果有了显著提高，但仍然有许多方面还需要我们继续探讨和改进。
参考文献：
[1] 蔡自兴，徐光佑.人工智能技术及其应用[M].北京： 清华大学出版社，2003.
[2] 蔡自兴，肖晓明，蒙祖强，等.树立精品意识搞好人工智能技术课程建设[J].中国大学教学，2004（1）：28-29.
智能科学技术论文范文2
关键词：智能科学与技术；课程体系；培养管理
1背景
智能科学与技术是当前科学研究和工程实践的理论与技术发展的前沿领域，智能科学与技术专业是一个多学科交叉的跨应用领域专业Ⅲ。智能科学技术的发展将把整个信息科学技术推向“智能化”的高度，这正是当代科学技术发展的大趋势，对于这方面人才的需求也越来越迫切。智能科学与技术培养掌握坚实智能科学与技术基本理论和系统专门知识，具备作为工程师或领导者及公民的良好人文修养，具有从事科学研究、工程设计、教学工作或独立担负本专业技术工作能力，深入了解国内外智能科学与技术领域新技术和发展动向，能结合与本学科有关的实际问题进行创新研究或工程设计的高级专门人才。
高校应稳妥发展与完善智能科学与技术专业的本科生教育，夯实本科教育基础并积极创造条件，大力开展创新教学，努力培养学生的创新意识、创新精神和工程实践能力，使之成为具有系统技术基础理论、专业知识和基本技能，良好科研素质和较强创造能力的智能科学与技术工程师。
2教学计划与教学管理分析
智能科学与技术属于计算机类专业，其必修课程设计原则是使学生具备计算机科学与工程的基础理论知识，尤其是大类专业招生教学的院校，通识课程主要是数学、物理文化基础，强调扎实的自然科学基础。专业教学的特色体现在专业必修和专业选修课程，专业必修课一般分为数学基础和专业课程。计算机类专业数学基础课程一般包括线性代数、微积分、离散数学、微分方程、概率与统计、数值计算等；专业课程一般包括程序设计基础、高等程序设计、数据结构、操作系统、计算机组成与结构、数字电路与逻辑设计等。
2.1学分
本科培养计划的学分中，国内外大学学分总数趋势是逐步减少，追求少而精。国内院校一般在130～190学分之间，如北京大学为150学分，清华大学为1 70学分，东南大学与浙江大学均为160学分，还有16学时为1学分的，也有18学时为1学分的。
中国台湾的大学一般在130学分左右。台湾交通大学最低毕业学分为128学分，其中必修课程须达76学分（共同必修58学分+资工组核心须达分+（资工组副核心课程学分+另2组核心课程学分）），专业选修本系课程须达12学分，其他选修课程须达12学分，通识课程须达28学分（含外语课程必修8学分）。台湾“中央大学”为136学分，台湾“清华大学”为136学分，其中必修和必选学分126，其他与导师商量决定。
美国的大学各校差异较大。美国的学分计算有4学期制、两长一短制及两学期制，其中加州大学伯克利分校为120学分，麻省理工大学为90学分，加州大学洛杉矶分校为186学分，斯坦福大学为180学分。
2.2教学管理
在教学管理上，斯坦福大学给学生提供了非常宽松的自由发展空间。新生入校后不分专业、不分学院。除了医学院和法学院学生需要经过一定的选拔程序外，本科生可以在入学后的前一个学期适当时候随意选择专业，并且选择专业后允许更改，只要毕业时满足专业培养方案即可。
国内的浙江大学是较早实行按大类招生的学校之一，分为大类培养、专业培养和特殊培养3类，前两年不分专业，按学科分类集中培养。
台湾的大学专业也是按大类完成前期的基础课程，再分小专业完成各学程，包括基础课、核心课和进阶课。
教学分组是现在的主流课程架构，也是体现专业方向的主要形式，分组课程是体现专业特色的课程组。国内清华大学采用的是分组教学；台湾的大学基本上采用的是以教学方向分组的方式，台湾的大学教学分为课程与修业、学分学程。
2.3实验与实践教学
计算机类专业各大院校都强调课程实验与实验教学，而目前课程该如何进行教学？这不仅是实验问题，如何以工程教育专业论证为目标，怎样使教学目标达到毕业要求是关键。做中学是主流实验教学方式，尤其是美国的大学，大作业体现的是实验与理论教学的结合，是考查学生是否理解理论知识的重要途径。学生不仅能够学习扎实的数学和计算机专业知识，还进行大量的实践创新训练。麻省理工大学、加州大学伯克利分校、加州大学洛杉矶分校、斯坦福大学都属于实践创新性教学模式。例如，斯坦福大学程序设计范式课程重点比较C、C++、Java的特点和难点，每1～2周有一次大作业，针对不同的任务，要求学生用不同的语言实现，使学生加深理解各类编程语言的应用场合；麻省理工大学的课程计划是必须先修12学分的实验课程，再修3门或4门核心课程，最后选择3门方向学科和1门关于该方向的实验课、2门专业拓展课。
3智能科学与技术课程体系分析
智能科学与技术课程体系在智能基础理论研究的基础上，需要安排基础性、通用性、关键性的智能技术研究，主要包括感知技术和信息融合技术；自然语言处理与理解技术；知识处理（认识）技术，包括知识提炼、知识分类、知识表示技术等；机器学习技术，特别是统计与规则相结合的学习技术；决策技术，即知识演绎技术特别是不确定推理技术等；策略执行技术，即控制与调节技术；智能机器人技术，特别是面向专门领域的智能机器人技术；智能机器人之间的合作技术；基于自然语言理解的智能人机交互与合作技术；智能信息网络技术。
国内最早创办智能科学与技术专业的学校包括北京大学，西安电子科技大学是第2批开始培养智能专业学生的院校。北京大学的本科教学计划中，专业必修课程（2分）包括：①专业数学/理论基础（15学分）：算法分析与设计、集合论与图论、概率统计A、代数结构与组合数学、数理逻辑；②硬件与系统基础（分）：数字逻辑设计、微机原理和信号与系统；③智能基础（5学分）：脑与认知科学与人工智能基础。专业限选课程（15学分）包括信息论基础、计算方法B、数字逻辑设计实验、微机实验、数据结构与算法实习、机器感知和智能处理实验、智能多媒体信息系统实验。选修组合课程（29～32学分）：学生按照自己的兴趣，参考智能的2个专业方向推荐专业课组合，自行选择，至少选修20学分的智能专业课程。公共核心+专业方向+新技术及其他：①公共核心课程（分）：智能科学技术导论、模式识别基础、生物信息处理、智能信息处理；②专业方向课程（11～15学分）：机器感知与智能机器人方向、智能信息处理与机器学习方向、新技术及其他。
西安电子科技大学智能专业主要课程包括电路分析理论、信号与系统、数字信号处理、数字电路及逻辑设计、模拟电子技术基础、微机原理与系统设计、数据结构、软件工程、人工智能概论、算法设计与分析、最优化理论与方法、机器学习、计算智能导论、模式识别、图像理解与计算机视觉、智能传感技术、移动通信与智能技术、智能控制导论、智能数据挖掘、网络信息检索、智能系统平台专业实验等课程及30多门选修课程。
建议各学校可以根据学院教学特色与实际需求，设计专业核心课程。北京大学偏重“信息处理”，湖南大学偏重“智能系统”，但需要强调的一个前提就是智能科学与技术专业属于大计算机类，更需要大EECS专业的基础。编程、电路、数学、数据结构、计算机系统这五大核心基础就是大EECS；其次是专业，计算机以系统结构、操作系统、网络、编译、数据库五大经典专业核心课为主，湖南大学的智能科学与技术专业强调系统，因此信号与系统、操作系统、嵌入式系统、人工智能是最基本的专业核心课，然后再分不同的分支。湖南大学智能科学与技术专业核心课程包括人工智能概论、机器学习、计算智能导论、模式识别、智能控制导论、智能数据挖掘、机器人学等；研究学位课程包括模式识别、人工智能等，主要体现为智能科学与技术基础（人工智能概论、机器学习、计算智能导论、模式识别）、核心（智能控制导论、智能数据挖掘）和应用（机器人学）。
4结语
（1）在课程计划实施过程中，教师需要遵循课程的时序图，即描述课程的进阶关系，从本科直到研究生，同时还可以实行一定的修课限制，如台湾交通大学计算机概论与程式设计和面向对象程式设计两科皆不及格者不得修数据结构与算法概论，若数据结构不及格不能修算法设计课程等。
（2）程序设计类课程用上机程序能力考试来设置合格条件，如台湾交通大学基础程式设计及格条件为通过“程式能力鉴定”，湖南大学则以CCF―CSP软件能力测试作为程序设计课程通过的考核标准。
（3）鼓励学生参与项目、竞赛等课外科技活动，如台湾“清华大学”的综合论文训练是由具有同等水平的项目训练成果或SRT（student research training）计划项目以及其他课外科技活动成果经认定后代替的。
（4）精炼的课程教学。核心课程应该精且必须加强课程实验，只有对方法和理论有正确的认识才能掌握这门课程，而动手完成实验才能真正融会贯通。麻省理工大学、加州大学伯克利分校、加州大学洛杉矶分校的学生具备扎实的数学和计算机专业知识后，都需要进行大量的实践创新训练。
智能科学技术论文范文3
【关键词】疫情；人工智能；科技期刊；出版融合
【作者单位】刘焕英，广州市第一人民医院《广州医药》编辑部。
【中图分类号】G237.5【文献标识码】A【DOI】10.16491/j.cnki.cn45-1216/g2.2020.07.006
近年来，人工智能已经进入社会生活的各个领域，我国已在战略和行动层面部署人工智能的发展目标。人工智能正加速进入出版业，其与出版系统的深度融合将成为未来发展的大趋势。在未来，人工智能对期刊出版的影响是颠覆性的，通过知识服务来实现期刊出版流程的高效化和智能化[1]。出版智能化是人工智能与出版深度融合的主要方向，因此，探讨人工智能与科技出版的融合发展问题至关重要。
不少学者对“出版+人工智能”进行了深入研究。张勇等认为，人工智能与学术期刊的深度融合，必须建立在以大数据为基础，利用现代互联网手段，形成以人工智能为核心的智能化新格局[2]。范军等认为，人工智能出版具有以人机生产协作化、出版资源集约化、产品形态多元化、知识服务交互化等特点[3]。张海生等认为，人工智能与出版以技术为物质基础，以数据为内容基础，以算法为有效服务[4]。
新冠肺炎疫情的暴发，对各行各业造成不同的冲击，但也加快了部分产业数字化，为经济社会的数字化转型带来极大的挑战。在主持召开的中央全面深化改革委员会第十二次会议上，强调要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、防控救治等方面更好发挥支撑作用。科技期刊是发表具有研究价值的学术创新成果、进行学术交流的主要载体，具有对疫情防控工作的正面引导作用。在人工智能与科技期刊出版融合的大背景下，出版人应抓紧机遇，以“人工智能+期刊出版”的理念为抗疫出一分力，充分彰显出版人的使命担当。疫情过后，科技期刊更要积极通过人工智能技术加快科技期刊的数字化转型升级，实现科技期刊出版智能化。
目前，关于人工智能与出版的研究主要从宏观统筹的角度出发，研究人工智能对期刊出版的影响，但这些研究没有涉及人工智能对科技期刊出版流程微观环节的影响及改变。本研究就人工智能与科技期刊深度融合对出版流程微观环节的影响及改变进行深入分析，为科技期刊智慧出版的发展提供思路。
一、人工智能融合科技期刊出版的优势
与传统出版模式相比，人工智能融合科技期刊出版，能适时构建一套自动化、智能化、系统化的出版流程，有利于科技期刊实现可持续发展。见图1。
1.智能选题策划
选题策划是科技期刊出版产业链的顶端，一个完整的选题策划过程涉及众多变量，如政策、作者、读者、学术发展等，而以往这些变量主要依靠编辑和编委的学识以及对该学科的预见及判断来把握，这种方式在如今信息发达的网络时代已经滞后。人工智能能降低人為因素导致的偏差，能抓取社会热点、行业信息及读者和作者信息，为科技期刊的选题策划提供全局化思维和科学化手段。如在新冠肺炎疫情下，编辑部可利用智能算法，挖掘更多的抗疫选题，对各学科相关专家就疫情的研究进行定向约稿，介绍新冠肺炎研究的新进展。这不仅能促进学科之间的互动和交流，还能有效发挥科技助力疫情防控工作。
2.人机协同内容生产
在传统期刊出版流程中，稿件由作者完成，稿件质量由作者的专业知识、对科研结果进行整合构建而成，计算机只是辅助作者进行记录。利用人工智能的协同编纂系统进行的科技论文内容生产，可以协助作者进行文献资料的整理、分析及写作。人工智能协同编纂能系统充分利用群体智能的理论和技术，能够支持作者在线撰稿、编辑在线编辑，以及二者协同编辑[5]。人工智能还可以根据科研工作者的实验方法、结果及结论，按照科技论文的写作模块进行自动编写论文，如龙源数字传媒集团的“知识树”人工智能平台，可以根据编辑定义的内容自动编辑内容。
3.智能高效的编辑加工
科技期刊的出版内容大多涉及专业的学科知识、复杂的统计学知识，在传统出版流程中，编辑或外审专家需要对稿件进行大量的审核，审核稿件内容的科学性、先进性及研究结果的可靠性，审稿周期和出版流程较长。人工智能与科技期刊出版融合后，能大幅度提高编辑加工的智能高效性。（1）编校自动化，系统可智能生成编校系统，实现数字化的内校、外校和作者校对三位一体的协同校对模式。（2）系统能识别科技论文的学术不端行为。系统不仅能对稿件进行整句或者部分段落的智能识别，还能对图片内容进行检测，检测图片真实性和合法性，有效检测稿件内容的学术不端等行为，保障出版内容的真实性和原创性[6]。如爱思唯尔的人工智能查重系统“伊威瑟”就能做到这些。（3）系统可智能发掘合适的审稿人员，完成同行评议的自动化。人工智能融合科技期刊出版后，系统能根据论文的主要研究内容，自主识别和确定审稿人，还能自动撰写和发送邮件，提醒作者审稿进度，自动发送修改文件或审稿结果通知书等。
4.精准的传播推送
人工智能通过归类和分析读者访问的期刊网站，得到期刊的用户画像，精确洞察用户需求，实现信息的智能推送和智能推荐。人工智能的传播模式为“千人千面”，以用户为核心要素，用人工智能算法对读者进行准确定位，从而进行个性化的推送服务，并能及时评估传播效果，实时调整传播策略[7]。如开放科学计划（OSID）就是利用人工智能实现精准推送，在每篇科技论文中植入OSID码，通过二维码中的五项服务内容进行转发和分享，无障碍地实现作者与读者的双向交流。此服务不仅使论文的传播速度更快，还实现读者、作者的有效交流[8]。
二、人工智能融合科技期刊出版的发展瓶颈
1.技术：智能化程度不高
目前，科技期刊出版的智能化程度不高，处于弱智能阶段。所谓弱智能阶段，就是人工智能根据人类预设的算法架构线性地处理数据，从而代替人类解决某类特定问题，但不具备推理和思考的能力。由于弱智能不能归纳总结逻辑框架并自主解决问题，在人工智能不够智慧的条件下，其只能承担科技期刊出版流程中一些机械性、技术含量不高的流程。提高科技期刊出版的智能化程度，需要解决人工智能与科技期刊出版融合发展的技术问题。
2.人才：人工智能高端人才缺乏
限制科技期刊出版与人工智能融合的因素，主要就是人工智能高端人才缺乏。就目前来说，我国人工智能人才缺口较大，特别是科技期刊更是缺乏“人工智能+出版”的专业人才。人工智能高端期刊人才培养的三个关键因素是懂学科、懂出版、懂技术，但具备这三个要素的科技期刊编辑严重缺乏。人工智能技术开发的人不懂出版，科技期刊编辑不懂人工智能开发，这在很大程度上阻碍了人工智能与科技期刊出版的深度融合发展。从此次与新冠肺炎疫情相关的文献来看，大多源于医学类或者科技类的期刊出版单位，源自自然科学类的出版单位较少。面对疫情，科技期刊出版单位能够发挥自身的人才优势，提供与疫情相关的数字供应，这与其具有专业人才是息息相关的。科技期刊要加大人工智能高端人才的培养，为期刊出版的智能化打牢基础。
3.出版涉及的伦理及法律问题
人工智能可对出版技术层面和工具层面有促进作用，但其终究无法把握意识形态方面的问题，无法做出有价值的判断。人工智能出版主要靠网络爬虫技术获取用户数据，这可能会侵犯用户的隐私权。具体到新冠肺炎疫情相关问题上，人工智能为新冠肺炎病人的病情诊断提供有力支持，但患者的个人信息、病史及诊断记录保存于人工智能系统的云端，如果未经用户授权，患者信息被随意窃取进行科技论文写作，患者的隐私权会遭到侵犯。上述问题所带来的各种隐患，建议科技期刊及有关单位引起重视。
此外，人工智能出版物的著作权认定也存在争议。由机器人完成的科技论文的著作权究竟属于人工智能机器人，还是属于机器所有者或编程者？人工智能学术创作是对现有数据资源的组合利用，这一再创作过程是否构成侵权也值得商榷。人工智能作品在传播时未获得原作者的授权，是否也侵犯了原作者的信息网络传播权？这些都是当前亟须思考的问题。
三、人工智能融合科技期刊出版的发展思考
期刊界在看到科技期刊与人工智能发展融合带来诸多机遇的同时，也要注意到人工智能对科技期刊带来的挑战，应做好出版单位的事业升级等相关工作。
1.加强人工智能与科技期刊出版融合的技术研究
当下的人工智能技术尚不成熟，科技期刊要实现“人工智能+期刊出版”的智慧化出版模式，必须让期刊出版单位与编辑通力合作，解决技术匮乏问题。期刊出版单位应加强与人工智能企业或者高校的合作交流，重构“人工智能+期刊出版”的生态系统，积极探索适合自身发展的融合模式。如上海大学期刊社与上海大学计算机学院合作成立期刊融合出版实验室，通过多媒体融合出版模式，成功创办了“数字影视技术专栏”，提升科技期刊影响力。同时，编辑要主动转变传统出版思维，主动学习人工智能技术，应用人工智能技术为期刊出版服务。只有人工智能高端人才与编辑协调工作，才能有效清除人工智能与科技期刊出版融合的技术屏障。
2.加强智能出版队伍建设，提供优质学术出版内容
此次新冠肺炎疫情下，出版业生态脆弱问题暴露无遗，其中最大问题就是智能出版业务相对薄弱，这与出版单位忽视智能化队伍的培养有关。科技期刊出版单位应加快聚集人工智能高端人才，不仅要重视培养“人工智能+经济”“人工智能+社会”“人工智能+管理”“人工智能+法律”等复合型跨界编辑人才，还要加大引进对人工智能基础研究、应用研究、运行维护等方面具有深厚造诣的专业技术人才。在科技期刊智能化出版过程中，期刊出版单位除了要求编辑必须具备广泛的知识储备，如编辑学、语言学、计算机学等，还要求编辑掌握人工智能的基本原理，熟悉人工智能相关软件的使用，深谙人工智能下科技期刊出版的全流程。
智能化时代，科技期刊的原创内容与人工智能技术相结合，从技术层面突破人工智能的技术瓶颈，提高了期刊内容的传播力。编辑应利用人工智能技术，根据读者在科研平台、社交平台的关键信息，多角度完善读者的兴趣模型，进一步优化算法，把出版产品精准地传递给读者。
3.完善相关法律法规和伦理规范
智能科学技术论文范文4
自2006年以来，人工智能（Artificial Intelligence，AI）的发展迎来了第三次浪潮。谷歌、IBM、百度、腾讯等商业巨头的参与，使得人工智能方向的科学研究从学术界的沙盘模拟演变为大规模团体实战[1]。2017年是中国人工智能战略驱动的最为关键的一年。3月，人工智能首次被写入政府工作报告。7月，国务院重点指出人工智能技术和产业的发展规划，即推动新一代人工智能技术的产业化与集成应用，发展高端智能产品，提升智能制造水平[2]。10月，报告指出促进人工智能和实体经济深度融合的战略方针。12月，工信部印发促进新一代人工智能产业发展的三年行动计划，旨在加快制造强国和网络强国建设。这一系列政策与方针都将人工智能作为重要的国家科技战略规划，为人工智能的发展布局提供了明确的时间表和路线图。
人工智能在国家战略层面地位已然举足轻重。人工智能方面的人才需要掌握系统而庞大的知识体系，涉及脑科学，数学、计算机等多门学科，这已经超出当前狭义计算机专业的培养内容。为加快人工智能方向的人才储备，2018年4月，教育部要求高校在计算机科学与技术学科设置人工智能方向，形成“人工智能＋X”的复合专业培养新模式[3]。2018年，教育部正式批准35所高校首批建设本科人工智能专业，2019年9月首批人工智能专业的本科新生入学。到2020年，基本完成高校科技创新体系建设和学科体系的优化布局以适应新一代人工智能技术发展，在计算机大类专业下以人工智能为视角探讨本学科所应具备的新的内涵与外延。
目前，高校计算机专业采用的宽口径培养模式，在人工智能方面的人才培养具有相当的局限性，以至于高度浓缩到了仅仅给学生做高级科普的程度。学生难以全面深入地掌握人工智能知识技能，难以具备解决企业关键问题、适应产业发展趋势的能力。因此，在计算机大类专业下发展人工智能学科体系，独立建设人工智能专业，培养卓越的领域人才是当下人工智能战略发展的刚性需求。
二、人工智能产业发展现状
我国的人工智能发展仍处于探索阶段。图1显示了2017年全球高科技企业AI团队的规模统计数据。从图1可以看到，谷歌，微软等国外高科技企业，在AI团队上均有千人以上的规模，相较于国内行业领军者百度或腾讯等企业，领先幅度达到数倍之多。这一现象表明，我国在人工智能人才的储备上存在着巨大缺口，如何培养高质量、高水平、高素质的人工智能方向专业人才，是我国当前互联网、信息行业教育方向中一个亟待解决的重要命题。
图1 2017年全球高科技企业AI团队规模
图2 全球AI领域高校数量分布
我国各重点大学早就展开了许多人工智能相关技术的研究，只是当时人工智能一般会放在研究生教育中，作为计算机科学、互联网信息技术等专业的一个研究方向进行具体探索。人工智能领域研究及学科建设方面都有着广泛而坚实的基础，教研成果丰富，师资力量雄厚。响应人工智能国家战略，我国各重点大学责无旁贷。
围绕人工智能专业建设，本文分析了国内外人工智能相关专业招生和就业现状，提出在计算机大类专业下建设人工智能的专业内涵，明确了人才培养目标，构建出有层次的课程体系架构。期望开拓出一条适应我国人工智能领域发展现状的人才培养模式，为人工智能学科体系布局做出贡献，有望为中国高等教育人工智能人才培养探索一条新的路径。
三、国内外人工智能相关专业招生及人才就业情况
一个领域的竞争归根结底是人才的竞争。人工智能的蓬勃发展造成了人工智能软硬件设计、算法设计、工程管理等各方面人才的稀缺。早在2016年的相关数据显示，中国人工智能的技术人才储备与市场需求之间存在着500万人的缺口。全球AI研究及直接从业者约有30万人，主要分布在高校、AI新兴企业、科技巨头以及其他领域。图2给出了截止2017年末，全球在相关人工智能相关领域高校专业的分布情况。全球主要有293所具有人工智能研究方向的高校，其中美国高校较早地开展了人工智能研究，占据全球的57.3%，一枝独秀。加拿大、中国、印度、英国等国家位于第二梯队，有着较大的提升空间。
国内外相关专业招生情况为人工智能专业的建设提供了一条认识与理解的渠道。斯坦福大学在人工智能领域居于世界领先地位，它在人工智能方面的本科教学涵盖的课程全面而前沿，包括计算生物学、语音识别、认知和机器学习等。学校授予计算机科学理学学士学位。加利福尼亚大学伯克利分校在研究生设置了计算机科学理学硕士学位，内置认知科学技术和人工智能相关的课程。卡内基梅隆大学拥有世界首屈一指的机器人技术，其计算机学院设有专门的机器学习系，包括机器学习辅修和统计机器学习专业。目前，国外高校还未直接将人工智能作为专业应用于本科学生培养。
人工智能的就业前景在当前相当广阔，人才市场需求亟大，但是大多集中于计算机视觉和语音识别等热门应用领域，造成其他领域的人才相对匮乏。国内的信息产业升级，互联网行业的转型，服务业、工业的智能研发都需要大量的人工智能专业人才。自2017年5月中国科学院大学成立人工智能技术学院以来，国内很多高校紧跟步伐，在人工智能人才培养上争相布局。清华大学计算机系从大一下学期开始，引导学有余力的学生进入智能技术与系统国家重点实验室或相关科研机构，跟随导师从事科研工作。北京大学开设的智能科学与技术专业主要建设机器感知、智能机器人、智能信息处理和机器学习等交叉学科的研究和教学。北京航空航天大学、上海交通大学和北京交通大学新设的人工智能研究院均是针对研究生集中培养。南京大学在2018年正式成立人工智能学院，由周志华教授任院长，建设机器学习与数据挖掘和智能系统与应用两个本科专业。
国内外大学本科教育阶段，都还未针对人工智能专业人才进行系统性、独立性地培养。我国每年人工智能方向的毕业生约2万人，远远不能满足市场对人才的需求。成都市人社局的报告明确指出，在成都市人工智能产业中，AI架构师、算法工程师、仿生机器人研发工程师等9类人才紧缺指数达到最高级别。本科教育阶段是学生掌握基础知识技能、形成科学思维、塑造人生价值观的黄金时期。因此，电子科技大学在本科计算机大类专业下开设人工智能专业进行优势提升和改进，直面国家战略需求，紧贴行业形势，为人工智能领域的发展增强年轻的生命力，为国家社会培养人工智能人才提供优质的平台和孵化园，为学生成材孕育强大的基础和肥沃的土壤。
四、人工智能专业建设探索
（一）把握专业建设内涵，明确人才培养目标
国家战略需求、社会人才缺口等宏观背景，是设立人工智能专业的必然因素。长久发展与传承，把握专业建设内涵和人才培养目标是教育的灵魂所在。在筹备人工智能专业的过程中，首先需要明确在计算机大类下建设人工智能专业的意义。自1956年约翰·麦卡锡等科学家正式提出人工智能学科以来，人工智能已逐渐发展成为一门广泛交叉的前沿科学。以计算机学科门类中各专业为基础，吸收生物科学、数学、哲学、文学等学科关键知识，不断促进人工智能学科的前向延伸和拓展。人工智能虽然是多学科融合发展的领域，但是它强调推理、知识、规划、学习、交流、感知，具备影像辨识、语言分析、人机对抗等计算机领域典型应用场景，与其它专业区分明显。同样的，人工智能的学科交叉特性明显不同于目前计算机大类下分的如大数据、信息安全等其他专业，应当作为计算机下独立的学科分支进行探索与研究。
aaa
图3 人工智能专业人才培养的基本要求
人工智能旨在模拟人的意识与思维过程，智能信息处理是它的主流研究和产业化应用方向。其主要的研究内容包括语言识别、图像识别、自然语言处理和专家系统等。近年来，人工智能在经济政治决策，控制系统，仿真系统等应用场景中得到了愈加广泛的重视。无论是从科学技术发展历史，还是从当今新时代新经济发展趋势来看，增设人工智能专业具有十分明显的合理性、迫切性。国内的许多高校将相关专业设置于自动化大类下，没有考虑到由于互联网、大数据等新技术领域带来的影响和冲击，难以强调并突出人工智能自身理论和技术应用，不能很好地满足工业界普遍趋势所提出的人才需求。
面向国家“创新驱动发展战略”与“新一代人工智能发展规划”的重大需求，本文详细剖析了相适应的专业人才培养的基本要求。本文创新性地提出人工智能专业人才所需的各项基本要求，如图3所示。优秀的人工智能方向专业人才应当具备个人素养，创新实践，领导才能以及专业技能四个基本方面的能力。从这四个方面出发，全方位引导与培养学生具备良好的个人素养、扎实的人工智能专业技能、突出的创新实践能力和卓越的领导才能，有效地成长为国际一流工程师、科学家和企业家，在我国人工智能产业发展中贡献力量。
（二）构建课程体系架构，明确毕业评价要求
人工智能专业规划必须清晰、目标明确。在课程设置方面，以学生素质为核心完成课程体系架构设置，构建完备的专业人才培养方案。教学任务分配层次分明地落实在课程实施上，开发严整的教学培养体系。课程体系架构有四大类模块，详细分为公共基础课程、计算机学科基础课程、人工智能专业课程和实践进阶课程。四个模块相互依赖，公共基础课程、计算机学科基础课、人工智能专业课程层层深入，筑起坚实的知识体系高墙，教学过程步步为营，培养学生从基础到专业的能力思维。公共基础课程扎实培养学生基础的人文素养和数理知识，掌握数理相关的建模、仿真、测试与评价过程，完成高中到大学的自然衔接过渡。计算机学科基础课程以硬件类、软件类与计算工具类课程为类别划分，从三个方面循序渐进地培养学生掌握计算机领域的核心知识。学科基础课程侧重于对计算机底层知识、人工智能数学基础能力、计算机原理的教学，为大二专业课程打下坚实基础。
人工智能专业课程下分为核心类、技术支撑类和平台类课程，核心类课程引领学生熟悉人工智能知识基础、行业技术和核心理论。在研究人工智能的众多分支领域中，学习技术支撑类课程力助学生把握成熟的技术和模型。平台类课程基于智能机器人研究创新开发平台，进行智能制造和设计。这些理论课程锻炼学生获取知识、应用知识和创新思维能力，使之为从事人工智能理论研究、技术开发与创新实践保驾护航。
实践进阶课程可以检验学生对理论知识的掌握深度。实践课程与教学贯穿人工智能专业学习始终，以开发动手能力、发掘创新思维、塑造科研精神为目的，培养学生在理论实践、创新创业、合作领导多方面的才能。首先，人工智能专业实验全面覆盖所开设专业的课程。其次，综合素质实践、专业实习、基地实践、毕业设计等环节逐渐帮助学生将课堂知识转换为科研与工程能力。此外，鼓励大二以上的学生加入实验室参与科研，使科研与教学相互融合促进。为学生构建创新实践平台，校企合作的实践实训机制保障了学生真实地了解企业发展动态和社会需求。在人工智能理论与技术两方面都能提升学生的创新实践能力，尽早地明确未来发展方向，制定生涯规划。目前，许多高校学生为了快速迎合时代需求，对人工智能领域浅尝辄止，缺乏扎实的基本功与充分的研究成果，急于求成，在求职过程中屡屡碰壁。因此，学校应提供最大帮助与支持，让学生明确研究方向，鼓励学生在国内外继续深造，成为人工智能领域有真材实料的人才。
国家社会的需求在动态发展，学生受到的教育和训练也应有明确的规划。现阶段的专业培养，对学生的要求应当不仅局限于四年知识的系统传授，更多地要求学生锻炼综合知识，专业技能，创新实践，自我修养等几个方面的能力，使学生成为在人工智能领域独当一面的栋梁之才。
综合知识方面，培养学生具备坚实的人文社科基础知识；具有正确的道德观、社会责任感和工程职业道德；具备数学、自然科学以及人工智能相关基础学科的知识，具备在经济学、管理学等可能应用领域的基本知识，培养学生全方面、多元化的科学素养。
人工智能技能方面，培养学生具备扎实的人工智能专业基础知识，能够针对典型应用领域的复杂工程问题和需求，结合人工智能相关原理与技术，设计系统级或单元级的解决方案。了解人工智能技术前沿研究的状态及趋势，能够基于科学原理并采用科学方法对工程问题进行研究，包括建模、算法设计、程序实现及实验、进行实验收集数据、分析与解释数据以及通过信息综合得到合理有效的结论，加强学生对专业知识的深入理解，分析应用能力。
创新实践方面，借助案例分析、项目设计、科学研究、创新实践竞赛等方式，让学生掌握基本的创新方法，具有创新意识和态度，能够提出创新性的技术路线与方案，并具备较强的方案实现与分析能力。从信息产业、医学、生物学、经济学等实际应用出发，锻炼学生结合面对多样化的应用场景的理论结合、模型设计、实验分析能力。
自我修养方面，让学生对学习过程进行不断的探讨与思辨，组织学生参与知识技术的分享讨论，培养学生在知识综述、工程设计和沟通辩论的能力。通过综合性的实践项目，学生具备充分的组织管理能力、语言和文字表达能力、人际交往能力以及在团队协作能力。培养学生对学习的正确认识，不断适应发展的意识，具备国际视野、跨文化交流、竞争与合作能力，最终成长为人工智能产业的高级人才。
人工智能专业的毕业生可选择继续在人工智能领域深造，进行更深入地研究，或是于信息产业高新技术企业、科研院所、政府部门等行业就业，从事人工智能的技术研究、系统研发以及工程管理和教育等工作。成为该领域的软硬件高端工程师、交叉学科的应用架构师、创新创业家、算法研究与理论创新科学家，为国家科技进步贡献重要力量。
智能科学技术论文范文5
本报告将全方位剖析人工智能的发展历程、发展现状及未来发展趋势，分析人工智能发展带来的到底是什么。
01 人工智能的基本概念和发展历程
1. 人工智能学科的起源
2. 人工智能的基本概念
研究目的:探寻智能本质，研制出具有类人智能的智能机器
研究内容:能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统
表现形式:
会看:图像识别、文字识别、车牌识别
会听:语音识别、说话人识别、机器翻译
会说:语音合成、人机对话
会行动:机器人、自动驾驶汽车、无人机
会思考:人机对弈、定理证明、医疗诊断
会学习:机器学习、知识表示
3. 人工智能的发展历程
4. 人工智能发展历程的重要启示
尊重发展规律是推动科技健康发展的前提
基础研究是科技可持续发展的基石
应用需求是科技创新的不竭之源
学科交叉是创新突破的”捷径”
宽容失败应是支持创新的题中应有之义
实事求是设定科学目标
02 人工智能的发展现状
人工智能60余年的发展道路虽然起伏曲折，但成就可谓硕果累累。无论是基础理论创新、关健技术突破，还是规模产业应用，都是精彩纷呈，使我们每一天都享受着这门学科带来的便利。
人工智能因其十分广阔的应用前景和重大的战略意义，近年来日益得到社会各界的高度关注。
1. 专用人工智能取得突破性进展
面向特定领域的人工智能(即专用人工智能)由于应用背景需求明确、领域知识积累深厚、建模计算简单可行，因此形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。
专用人工智能成功应用
2. 统计学习成为人工智能走向实用的理论基础
2.1 技术发展
2.2 强化学习
通过奖惩机制构建智能体与环境的交互与行为策略，能够与深度学习相结合在策略类问题上达到实用。
2.3 生成对抗学习
构建生成器模型与判别器模型，通过相互博弈，达到生成器与判别器性能的协同提升。
3. 产业史:新老IT巨头抢滩布局IT生态
人工智能创新创业如火如荼:
2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
4. "智能+"成为人工智能应用的创新范式
"智能＋X"应用范式日趋成熟，AI向各行各业快速渗透融合进而重塑整个社会发展，这是人工智能驱动第四次技术革命的最主要表现方式。
5. 世界各国人工智能竞争白热化
6. 人工智能的社会影响得到广泛关注
7. 人工智能领域的误解和炒作普遍存在
机器学习≠人工智能
深度学习≠机器学习
图像识别≠人工智能
大数据≠人工智能
专家系统≠人工智能
机器人≠人工智能
专用人工智能≠通用人工智能
…….
8. 人工智能总体发展水平仍处于起步阶段
通用人工智能研究与应用依然任重道远。
现有人工智能的局限性:
9. 人工智能发展的瓶颈问题
10.人工智能的未来发展趋势
03 人工智能有望引领新一轮科技革命
人工智能将是未来十年最具变革性的技术，无处不在的人工智能将成为趋势。
1. 从专用智能到通用智能
如何实现从专用智能到通用智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的挑战问题。
2. 从机器智能到人机混合智能
人工智能(或机器智能)和人类智能各有所长．因此需要取长补短，融合多种智能模式的智能技术将在未来有广阔的应用前景。"人＋机器"的组合将是人工智能研究的主流方向，"人机共存"将是人类社会的新常态。
3. 从"人工+智能"到自主智能系统
4. 学科交叉将成为人工智能创新源泉
5. 人工智能产业将蓬勃发展
6. 人工智能的法律法规将更为健全
7. 人工智能将成为更多国家的战略选择
8. 人工智能教育将会全面普及
结语
人工智能经过60多年的发展已取得了重大进展，但总体上还处于初级阶段。
人工智能既具有巨大的理论与技术创新空间，也具有广阔的应用前景。
高科技本身没有天使和魔鬼之分，人工智能亦是如此。人工智能这把双刃剑是天使还是魔鬼取决于人类自身。
我们应未雨绸缪，形成合力，确保人工智能的正面效应，确保人工智能造福于人类。
11月25日，模式识别与人工智能学科前沿研讨会在自动化所召开。会上，谭铁牛院士做“人工智能新动态”报告，回顾了近代以来历次科技革命及其广泛影响，并根据科学技术发展的客观规律解释了当前人工智能备受关注的深层原因。报告深入分析了其当前存在的局限性和面临的瓶颈问题，整理并列举了2017年人工智能的十件大事，全方位、多维度展示了人工智能所取得的最新进展。基于对这些事件的深入分析，报告总结了人工智能未来的发展趋势和值得关注的研究方向。
在科学研究中，从方法论上来讲都应先见森林，再见树木。为了更好地带领大家认识人工智能的发展趋势，报告回顾了近代世界科技发展的历史进程，主要包括从16世纪到现在，世界上发生的两次科学革命与三次技术革命。
报告指出，这五次科技革命对人类文明进程带来了根本性的变革，也影响了整个国际格局的调整，伴随着大国兴衰。过去的五次科技革命，我们国家都没有占据主导地位甚至严重缺席，因此我们国家的GDP从曾经占全球的三分之一以上下滑到新中国建立前仅占全球大约百分之几，我们应该从这惨痛的经历中吸取教训。
最近的一次科技革命是一次技术革命，其开始于上世纪四十年代，以1946年计算机的出现为标志，距今已有六十多年。这六七十年中科学技术没有大的突破与进展，没有取得能够与上个世纪上半叶相提并论的科学与技术成果，谭老师将这段时间称为科技革命的空窗期。
智能科学技术论文范文6
关键词:人工智能;理论传授;实验训练;科研训练
人工智能(Artificial Intelligence,AI)是计算机科学与技术专业的一门重要专业课程,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,并以此解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题[1]。人工智能是一门涉及数学、计算机、控制论、信息学、心理学、哲学等学科的交叉和综合学科。目前,人工智能很多研究领域,如自然语言处理、模式识别、机器学习、数据挖掘、智能检索、机器人技术、智能计算等都走在了信息技术的前沿,有许多研究成果已经进入并影响了人们的生活。
2003年12月5日,国内第一个“智能科学与技术”本科专业在北京大学诞生[2],它标志着我国智能科学与技术本科教育的开始,对我国智能科学技术人才培养和智能科学与技术学科建设起到极大的带动作用。目前,人工智能课程的教学存在几个问题:首先,注重讲授理论知识,实验环节滞后,这不利于培养学生的实践能力,更谈不上实践创新。其次,人工智能是交叉学科,内容比较繁杂,各种教材的内容不一样,授课没有统一的体系,学生学习时抓不住重点,不能理解人工智能的根本方法和思想。一般说来,计算机专业的其他课程,如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术,而人工智能技术则是解决非结构化、半结构化问题的有效技术。最后,人工智能科学与技术飞速发展,但目前人工智能只被视为一门专业课,课程讲授和人工智能没有作为一个研究方向结合起来,也没有把传授课本知识和引导启发创新结合起来。
适应知识经济发展的高等教育,要把培养创造精神和创新能力摆在突出的位置。创新是基础研究的生命,而高等学校的教学只有与科研紧密结合,才能在培养学生的创新精神方面有所作为。为此,针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。在教材上,我们选用了清华大学出版社出版、马少平等编写的《人工智能》。我们的教学研究与实践的主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文,学校大学生科研项目资助计划,国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践。下面,我们就这三个方面内容展开探讨。
1启发式传授人工智能解决问题的非结构化思想
现实世界的问题可以按照结构化程度划分成三个层次[1]:1)结构化问题,能用形式化(或称公式化)方法描述和求解的一类问题;2)非结构化问题,难以用确定的形式来描述,主要根据经验来求解;3)半结构化问题,介于上述两者之间。一般说来,计算机专业的其他课程如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的有效技术。人工智能的教学可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题的解决过程的了解,从而达到培养学生多角度思维的目的。
我们使用的教材主要内容包括搜索和高级搜素、谓词逻辑和归结原理、知识表示、不确定性推理方法、机器学习等。这些主要内容也可以相应地归结为若干个典型算法,如启发式A*搜索算法、 剪枝算法、元启发式算法(模拟退火,遗传算法)、谓词逻辑归结算法、贝叶斯网络、决策树、神经网络(BP算法、自组织网络和Hopfield神经网络算法)。元启发式算法是一种启发式的随机算法,是用来解决非结构化问题的典型算法,其思想和传统的决定性算法如动态规划、分支限界完全不一样。学生在刚一接触到这些元启发式算法一时难以接受和理解其机理,对算法的有效性往往半信半疑。根据非结构化、半结构化问题的特点,讲解和演示算法在解决此类问题的具体步骤和详细过程,从而让学生掌握人工智能算法的基本思想。在讲解不同的元启发式算法的时候,学生会问,是模拟退火算法强,还是遗传算法强;在讲到机器学习算法的时候,学生会问到底哪个分类算法最好,这时候我们可以把搜索(优化)领域和机器学习领域的“没有免费午餐”定理进行适当的讲解和解释,从而把具体算法实现层面之上的一些人工智能的哲学思想进行传授。
在人工智能的具体教学中,采用问题教学法和参与式教学法。在问题教学法中,围绕人工智能的知识模块,在引导学生发现各种各样问题的前提下,传授知识。教学活动中,尝试使人工智能知识围绕实际问题而展现,使问题不仅成为激发学生求知欲的前提,也成为学生期盼、理解和吸收知识的前提,以此激发学生的创造动机和创造性思维。在参与式教学中,打破人工智能算法的枯燥、沉闷的传统教学法,尝试开放式教学内容;提问式讲课;无标准答案的课程设计;查找文献,分组动手实现人工智能算法等参与式教学方法,培养和发扬学生的参与意识,通过参与式教学提高学生学习的主动性、积极性和效率,培养学生的动手能力和创新能力。
2成体系的实验训练
独立开展人工智能实验课程,开发一批新型、富有创意的实验案例库,搭建一个创新实验和虚拟学习社区平台。人工智能实验课程的特点是应用各种人工智能方法,根据问题的约束、结构、信息进行表示建模和计算机上实现,是与人工智能原理同步的实验课程。学生必须掌握的人工智能的基本原理和计算机操作技能,它对于学生的知识、能力和综合素质的培养与提高起着至关重要的作用,在整个教学过程中占有非常重要的地位,是计算机软件、计算机应用、计算机网络、软件工程等专业的一门重要的必修专业课程。通过实验,学生得到严格的训练,能规范地掌握人工智能的基本理论和主要方法、基本问题求解技术,熟悉各种计算环境的基本使用。
在培养学生掌握实验的基本操作、基本技能和基本知识的同时,努力培养学生的创新意识与创新能力。为实现这一目标,在课程内容安排上采用适量基本原理与方法的实验内容为基本内容,增加一系列综合性实验和开放性创新实验问题,在实验内容方面更注重研究性实验中的创新问题。实验内容方面分为三个层次:基本原理的基础性实验、综合实验和研究性实验。在后两个层次的实验中,部分引入人工智能课程小组团队的最新科研成果,目的在于通过完成这些研究性实验,培养学生独立解决实际问题的能力,以提升学生的科研素质与创新意识。我们将这些设计实验称为新型实验案例库,它被放在人工智能课程小组网站上,以此搭建一个创新实验和虚拟学习社区平台。通过实验课程的学习和训练,学生应达到下列要求。
1) 掌握人工智能方法的优点及其在实际中的应用。
2) 学会对人工智能问题进行分析建模和应用各种计算工具实现问题求解,熟悉对实验现象的观察和记录,实验数据的获取与设计,最佳实验条件的判断和选择,实验结果的分析和讨论等一套严谨的实验方法。
3) 巩固并加深对人工智能原理课程的基本原理和概念的理解,培养学生勤奋学习,求真求实的科学品德,培养学生的动手能力、观察能力、查阅文献能力、思维能力、想象能力、表达能力。
4) 通过完成综合研究性实验,培养学生独立解决实际问题的能力,提高学生的科研素质与创新意识。
在培养学生掌握实验的基本操作、基本技能和基本知识的同时,进一步培养学生分析问题和解决问题的能力,培养学生的创新意识、创新精神和创新能力,为学生今后从事科研、教学或企事业单位的分析检验以及新技术的研发工作打下扎实的基础。
在实验组织方面,根据各实验的目的和要求,学生分为5人1组,指定一个组长,每组选择1套实验题目。基础实验题目要求达到27学时、综合性实验题目选择1题和研究性实验题目选择1题,基础实验题目要求在规定时间内,小组独立完成实验测定、数据处理,并撰写实验报告。实验过程中, 要求学生勤于动手, 敏锐观察, 细心操作, 开动脑筋, 分析钻研问题, 准确记录原始数据, 经教师检查,实验及其原始数据记录才有效。同时,团队作业,需要多人分工合作、相互帮助,这样可以提高人际交往和沟通能力,学会与他人合作,培养团队创新能力。
3课程学习与毕业论文,科研训练相结合
人工智能技术在一定程度上代表着信息技术的前沿和未来,通过学习和体验人工智能的知识和技术,学生能够在一定程度上了解信息技术发展的前沿知识,这有助学生开阔视野、培养兴趣,为今后继续深造或走向社会奠定坚实的基础[3-4]。
人工智能的理论和方法广泛应用于数据挖掘、机器学习、模式识别、图像处理中,这些内容既是高年级的后续课程,又是现在热门的研究方向。学习和深刻理解人工智能的理论、方法和应用,对后续课程学习以及今后的研究具有重要的意义。
我院规定大学三年级的学生开始联系毕业论文指导导师,同时确定毕业论文的研究方向,提前进行科研实践,以培养实践能力和研究素质。人工智能课程正好是大三高年级开设的专业课,因此,我们把课程实验及设计与同学的兴趣相结合,引导学生,并提炼和形成学生的毕业选题和课外的科研方向,它是提高本科生研究创新能力的有效手段。
基于新的教学实践,很多学生的选题都与上述归纳的人工智能若干算法相关,如算法本身的研究和改进,或是算法在各领域,如数据挖掘、图像处理等的应用。在我们的科研能力训练计划中,一批项目和课题,如混合神经网络的研究与应用、差分演化算法研究与应用、基于协同训练的推荐系统等,分别受到国家和学校本科生科研项目立项资助。一批三四年级的本科生以第一作者身份在国内核心期刊、国际会议和期刊上发表学术论文,这激发了学生的科研兴趣,使学生体会到了创新的乐趣。
总之,课程学习与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练,极大地提升了学生的创新能力和科研基本素质。
4结语
针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。我们的教学研究与实践主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践,新的改革和实践在教学中取得了令人满意效果。
参考文献:
[1] 张剑平. 关于人工智能教育的思考[J]. 电化教育研究,2003(1):24-28.
[2] 谢昆青. 第一个智能科学技术专业[J]. 计算机教育,2009(11):16-20.
[3] 罗辉,梁艳春. 大学生毕业论文与科研能力培养及就业[J]. 吉林教育,2003(10):18.
[4] 金聪,刘金安. 人工智能教育在能力培养中的作用及改革设想[J]. 计算机时代,2006(9):66-69.
Reform and Practice of Innovative Teaching in Artificial Intelligence
WANG Jia-hai, YIN Jian, LING Ying-biao
(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)
