人工智能研究综述汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇人工智能研究综述范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

Disrupted resting-state functional connectivity in mild cognitive impairment and Alzheimer’s disease

Abstract: Alzheimer’s disease (AD) is the most frequent type of dementia, including an estimated 60%-80% of all dementia cases. It can be clinically characterized by impairments of memory and other high cognitive functions. Previous studies suggested that these impairments are not only associated with disrupted of brain regions structure and function but with abnormal functional connections among brain regions, leading to a disconnection notion in AD. In this review, we summarize the recent progress of seed-based functional connectivity studies in AD and mild cognitive impairment （MCI，the prodromal stage of AD）. These studies open a new window into our understanding of the pathophysiological mechanisms of AD and consider the potential to uncover imaging biomarkers for the clinical diagnosis of this disease.

Keywords:Alzheimer’sdisease；mildcognitive impairment；functional connectivity；functional magnetic resonance imaging

阿尔茨海默病（Alzheimer’s disease, AD），是老年痴呆中最常见的类型，约占所有痴呆患者的60%-80%。临床特点表现为逐渐出现记忆力减退、认知功能障碍、行为异常和社交障碍，最终丧失独立生活的能力。2009年国际阿尔茨海默病协会 （ADI）报告，自2010年起，全世界将有3560万人患有痴呆，20年后这个数字将会成倍地上升，到2030年痴呆人数估计为6570万，到2050年将为11540万 (World Alzheimer Report 2010, )。而这个数字在中国，印度等发展中国家将会上升得更快。轻度认知障碍(mild cognitive impairment，MCI)是介于正常老化与老年痴呆之间的一种临床状态，处于这种状态下的患者具有记忆障碍或其他的轻度认知功能障碍，但保留日常生活功能。MCI向AD的平均年转化率为10%-15%，远远高于正常老年人的年转化率1%-2%，而其5年内的转化率更是达到50%以上。因此MCI是进展为AD的高度危险因素。

近年来，研究者们利用神经影像学数据对阿尔茨海默病患者的结构和功能进行分析，发现AD患者不仅在局部脑区的结构和功能存在异常，在脑区之间的结构和功能连接也存在异常，表明AD是一种脑网络失连接综合征 [1]。静息态功能磁共振成像 （resting-state functional magnetic resonance imaging）是通过测定脑神经元活动引发的血流动力学改变对脑功能活动进行定位的一种非常有前景的非入侵的神经影像学技术。受试者在扫描仪器中不需要完成特定的任务，处于一种清醒的休息状态，并且不能系统的思考问题。Biswal等[2]第一次证实了静息态下血氧水平依赖（Blood oxygenation level dependent，BOLD）信号具有低频波动（low frequency fluctuations LFFs，f

以海马为种子点的研究

AD病理学假说认为AD疾病的产生是因为淀粉蛋白沉积和神经元纤维缠结导致的。有研究表明神经元缠结选择性的损害海马区域[4]。因此，神经元的损伤可能导致海马与其他区域的功能失连接。Wang等[5]用双侧海马前部为种子点分析了AD患者的功能连接，他们发现AD患者右侧海马区域与内侧前额叶，腹侧前扣带，楔叶，楔前叶，后扣带和右侧颞下功能连接降低。该研究发现的与海马连接降低的区域，包括内侧前额叶，腹侧前扣带和后扣带，都是默认网络的经典区域。因此这一结果支持了AD患者是默认网络活动减低的观点。AD患者降低的海马与视觉区域的连接表明降低的海马相关网络的整合。该研究也发现在AD患者中左侧海马区域与右外侧前额叶的功能连接增加。增加的连接提示可以为一种功能连接代偿的机制。2007年，Allen等[6]做了相似的研究同样以双侧前海马为种子点，发现AD患者有显著降低的功能连接，包括与额叶不存在直接的连接。但没有发现海马连接增强的区域。2012年，Kenny等[7]发现AD组左侧海马与右侧脑岛和顶下区域的功能连接增加，但没有发现海马连接降低的区域。这三篇AD的研究结果有一定的矛盾性，两篇研究发现左侧海马有增强的功能连接，但是Allen却仅仅发现降低的连接。这一矛盾的结果可能由于被试量的大小，被试病程的不一致性导致的。种子点的选取的不一致性也可能导致不一致的结果。有研究表明海马是解剖非匀质的结构，可以分为不同的子区域包括海马角，齿状回和海马下托复合体[8]。AD相关的研究发现不同的海马子区域AD患者的结构和功能损伤不一致。因此，将来的大样本的特定的AD疾病时期的海马功能研究需要发展，不同海马子区域的功能连接异常模式也需要更全面的研究。2011年，Wang等[9]同样用双侧海马为种子点研究了MCI患者的功能连接，发现双侧海马与双侧颞叶，右侧额叶和右侧脑岛的功能连接在MCI组降低。同时，与左侧后扣带，楔前叶，海马，尾核以及右侧枕叶的功能连接在MCI组增加。同一年，Bai等[10]人用海马不同的子区域研究了MCI患者纵向数据的功能连接异常，发现六个纵向的海马子区域功能连接网络在MCI患者中呈现相似的改变模式，主要是与内侧额叶，外侧颞叶，岛叶，后扣带回和小脑的功能连接异常。

以后扣带回为种子点的研究

病理组织学研究，结构和功能影像学研究一致地表明后扣带回是AD病理生理学的核心区域[11, 12]。2009年，Zhang等[13]用后扣带为种子点发现AD组后扣带回与左侧海马，右侧丘脑，双侧视觉，腹内侧前额叶和楔前叶等功能连接降低，与左侧额顶区域的连接增加。Kenny等[7]以后扣带回为种子点却没有发现显著地组间功能连接差异。2010年，Zhang等[14]以后扣带回为种子点研究了功能连接随着AD病程的改变，发现AD组后扣带回与视觉区域，海马，内侧前额叶和楔前叶的连接显著降低，且这种降低强度随着病程进展增加。这一研究结果与Zhang的结果是一致的。2014年，Xia等[15]研究了AD患者后扣带回不同子区域的功能连接，发现不同的子区的功能连接在AD组都有显著地降低，且这些降低与认知功能的下降相关。2011年，Han等[16]发现MCI组后扣带回与眶额，右侧额中回，右侧尾核等功能连接降低，与右侧额下回，左侧梭状回和中央前回的功能连接增加。Bai等[17]人研究了遗忘型MCI患者后扣带回的功能连接，发现遗忘型MCI患者后扣带回与颞叶的功能连接降低但是与额叶的功能连接增加。

问题和未来方向

目前。静息态种子点功能连接研究在阿尔茨海默病及轻度认知障碍中已经得到大量的研究。尽管如此，为了静息态种子点功能连接研究在今后能够应用于MCI的诊断和AD的早期识别以及治疗监测中，被试的样本量仍需要扩大，在实验设计和方法学上还存在诸多问题有待研究。

1. 已有的研究仍然用的小样本量，随着现在磁共振成像技术的广泛应用，我们需要采用大样本量且均质的AD数据。这样能增加结果的可信度。

2. 由于AD临床起因依旧不是很清楚并且AD的病情呈现出进行性加重，目前仍无法根治且治疗效果也不是很好，所以寻找出AD早期改变的生物学标记是进行早期诊断和及时干预的关键举措，除了将AD的研究提前到MCI期以外，对AD风险人群（如APOE ε4携带者）的种子点功能连接的研究也是一个很重要的研究方向。

3. 种子点的选取。虽然本文回顾了与AD最为相关的区域的种子点功能连接的研究，已有的研究大多以整个脑区为种子点做功能连接研究，但现在有研究表明很多基于解剖的划分存在脑区子区域，不同的亚区连接模式不相同[10, 15]，将来对于子区域的研究可能有助于我们更全面地查看AD异常的连接模式。而且种子点功能连接的方法对于种子点的选取太过依赖，现在AD的病源尚没有明确的定位，我们还需要探索性的用不同的种子点看AD功能连接的变化。找到AD最敏感的种子区域。

总结

综上所述，目前静息态种子点功能连接的研究已经发现阿尔茨海默症和轻度认知障碍患者在海马及后扣带回与全脑的功能连接受到损伤。今后的研究一方面需要对已有的成果在大样本均质的被试上加以证实和解释，另一方面还需要找到AD的病源区域并以此为种子点进行研究，或者不基于先验的知识，全脑寻找种子点的方法找到AD最敏感的功能连接异常的网络。

参考文献:

1. Delbeuck, X., M. Van der Linden, and F. Collette, Alzheimer's disease as a disconnection syndromeNeuropsychol Rev, 2003. 13(2): p. 79-92.

2. Biswal, B., et al., Functional Connectivity in the Motor Cortex of Resting Human Brain Using Echo-Planar Mri. Magnetic Resonance in Medicine, 1995. 34(4): p. 537-541.

3. Fox, M.D. and M.E. Raichle, Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat Rev Neurosci, 2007. 8(9): p. 700-11.

4. Hirano, A. and H.M. Zimmerman, Alzheimer's neurofibrillary changes. A topographic study. Arch Neurol, 1962. 7: p. 227-42.

5. Wang, L., et al., Changes in hippocampal connectivity in the early stages of Alzheimer's disease: evidence from resting state fMRI. Neuroimage, 2006. 31(2): p. 496-504.

6. Allen, G., et al., Reduced hippocampal functional connectivity in Alzheimer disease. Arch Neurol, 2007. 64(10): p. 1482-7.

7. Kenny, E.R., et al., Functional connectivity in cortical regions in dementia with Lewy bodies and Alzheimer's disease. Brain, 2012. 135(Pt 2): p. 569-81.

8. Amunts, K., et al., Cytoarchitectonic mapping of the human amygdala, hippocampal region and entorhinal cortex: intersubject variability and probability maps. Anat Embryol (Berl), 2005. 210(5-6): p. 343-52.

9. Wang, Z., et al., Baseline and longitudinal patterns of hippocampal connectivity in mild cognitive impairment: evidence from resting state fMRI. J Neurol Sci, 2011. 309(1-2): p. 79-85.

10. Bai, F., et al., Aberrant hippocampal subregion networks associated with the classifications of aMCI subjects: a longitudinal resting-state study. PLoS One, 2011. 6(12): p. e29288.

11. Rowe, C.C., et al., Imaging beta-amyloid burden in aging and dementia. Neurology, 2007. 68(20): p. 1718-25.

12. Del Sole, A., et al., Individual cerebral metabolic deficits in Alzheimer's disease and amnestic mild cognitive impairment: an FDG PET study. Eur J Nucl Med Mol Imaging, 2008. 35(7): p. 1357-66.

13. Zhang, H.Y., et al., Detection of PCC functional connectivity characteristics in resting-state fMRI in mild Alzheimer's disease. Behav Brain Res, 2009. 197(1): p. 103-8.

14. Zhang, H.Y., et al., Resting brain connectivity: changes during the progress of Alzheimer disease. Radiology, 2010. 256(2): p. 598-606.

15. Xia, M., et al., Differentially disrupted functional connectivity in posteromedial cortical subregions in Alzheimer's disease. J Alzheimers Dis, 2014. 39(3): p. 527-43.

16. Han, S.D., et al., Functional connectivity variations in mild cognitive impairment: associations with cognitive function. J Int Neuropsychol Soc, 2012. 18(1): p. 39-48.

篇（2）

【关键词】人工智能；发展现状；未来展望

【Keywords】artificial intelligence； current situation of the development； future

【中图分类号】TP18 【文献标志码】A 【文章编号】1673-1069（2017）04-0107-02

1 引言

2016年年初，韩国围棋国手李在石与围棋程序Alpha Go对弈中首战失利，再一次将人工智能拉入了公众的视野，使其成为2016年度话题度最高的科技之一。不可否认，近些年来人工智能发展迅速，很多人工智能产品已经开始进入人们的家中，如扫地机器人、智能保姆等，虽然它们还没有美国大片《终结者》中所描述得那么先进，但从前遥不可及的人工智能概念正在一步步变为现实却是不争的事实。人工智能的现状如何，它又将如何发展，都是学界较为关注的课题。

2 人工智能综述

2.1 人工智能的概念

人工智能即AI，其英文全称为Artificial Intelligence。人工智能的概念要从人工和智能两方面来了解，所谓人工就是指人工智能脱胎于人类的文明，是人类智慧的产物；而智能则是指具有人工智能的计算机或其他子设备可以模拟人类的智能行为和思维方式，人工智能是计算机科学的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。

2.2 人工智能的现实应用

如今的人工智能机器，可以在胜任一些复杂脑力劳动的同时，辅助人类进行记忆和逻辑运算等活动。现阶段学者已经研制出了一些可以模拟人类精神活动的电子机器，经过完善升级，这些电子机器将有希望超越人类的能力，协助人类完成一些执行难度较大的工作。但是目前研制出的自动化系统或者机器人虽然可以代替部分人类劳动，却还没有到达可以实现人类多方面协调和自我学习升级的智能水平，要制造出一款可以完全拥有人类智慧的机器，还需进一步深入研究。还有一些人工智能产物经常应用于各种商业用途，例如单位内部的客户信息系统，决策支持系统，以及我们在世面上可以看见的医学顾问、法津顾问等软件。

3 人工智能发展现状

3.1 智能接口技术研究现状

人工智能接口研究就是为了实现人机交流，为此学者必须从理论和实践两方面努力，解决计算机对文字和语言的理解与翻译、对自我的表达等功能问题。由于智能接口技术的研究和应用，计算机技术的发展获得了极大的推动力，在运行速率和人机交流等方面都有巨大提升。

3.2 数据挖掘技术研究现状

数据挖掘技术主要是对各类模糊的、大量的应用数据、人未知的、潜在已经存在的数据进行整理挖掘进行细致的研究，寻找出对研究有用的数据。目前，数据库、人工智能、数理统计已经成为数据挖掘技术的三大技术支撑，以基础理论、发现算法、可视化技术、知识表示方法、半结构化等作为研究内容，为数据挖掘技术的发展提供理论和技术支持。

3.3 主体系统研究现状

主体系统可以实现机器意图和想法的生成，是一种智能方面更接近人类的自主性实体系统。自主系统可以完成一些相对独立、自主的任务，甚至可以通过调整自我状态，应对环境和特殊情况的变化，进而保证自身规划任务的完成。在多主体系统研究中，主要是从物理和逻辑思维方面对主体进行智能行为的分析研究。

4 人工智能发展中面临的问题

4.1 识别功能的困惑

计算机识别技术研究在近些年取得了大量成果，其产品的实际应用范围较广，但不可否认的是，计算机识别的模式是基于一定的算法和程序设定的，其识别机制完全不同于人类的感官识别，因此，在计算机进行识别，尤其是图形识别时，对各种印刷体、文字、指纹等清晰图形可以快速识别，但对于相似度较高的物体，计算机识别能力相对较弱，识别失败的情况较为普遍。语音识别主要研究各种语音信号的分类。语音识别技术近年来发展很快，但是缺点是识别极易受到干扰，发音不标准的语音较易引发识别错误。

4.2 GPS功能的局限性

GPS是企图实现一种不依赖于领域知识求解人工智能问题的通用方法，但是问题内部的表达形式和领域知识是分不开的，用谓词逻辑进行定理归结或者人工智能通用方法GPS，都可以从分析表达能力上找出其局限性，这样就减少了人工智能的应用范围[1]。

5 人工智能的未来应用展望

人工智能与人生活最息息相关的应用范围就是融入人们的衣食住行和教育等方面，这也是人工智能未来最普遍的应用方向。

5.1 无人驾驶的汽车

奔驰、丰田等很多大型汽车企业都在研究o人驾驶的汽车，像007电影中的那种拥有自主辨别路况、自动驾驶等功能的汽车也许很快就会成为现实。自动驾驶的汽车要搭载的技术并不只人工智能一种，它还需要将自动控制和视觉计算等新型技术集成应用，改变现有汽车的体系结构，赋予其自动识别、分析和控制的能力。因此，自动驾驶汽车需要实现三方面的技术突破：其一，实现利用摄像设备、雷达和激光测距机来获得路况信息；其二，实现利用地图进行自动的车辆导航；其三，根据已有信息数据对车辆的速度和方向进行控制。未来的自动驾驶汽车还可以通过车辆之间的信息互通和互相感应，来协调车速和方向，避免车辆碰撞，实现自动驾驶车辆的安全行进。

5.2 智能化的课堂

当前已经有一些智能化的教学软件，教师们可以在这些软件上把教学课件传送给学生，并进行授课答题，学生还可以与教师弹幕互动，使课堂变得妙趣横生，方便了教师的授课活动。对于学生而言，能够在期末十分便捷地回顾上课的错题，甚至能够在几年后翻阅学习过的课件；对于教师而言，能够精细地知道学生对知识的掌握程度，甚至能够发现最积极和最懈怠的学生。未来的智能课堂将更具有时间延展性，学生不仅可以在课堂学习知识，还可以利用智能电子设备进行课前预习和课后复习，从而使学生可以在更加趣味性的氛围中进行自主学习安排。

5.3 自动化的厨房

今后的厨房将会更加智能化，当你做饭时，设定好你想要的菜谱，准备好所需的食材，烹调设备即可将饭菜制作得恰到好处。它会根据你食材的新鲜程度，为你推荐最适合的菜谱，并计算出其营养参考标准，并为你推荐其他食物，使膳食营养均衡。当你家中某样食材不足时，物流公司便会将时下最新鲜的这一食材送至你家中[2]。

6 结语

人工智能这一概念是在1956年提出的，在当时，人工智能还只是人们头脑中的一种幻想，而在60年后的今天，人工智能的梦想已经逐渐照进现实，它甚至渗透进了工业、医学、服务等多个领域，可以说人工智能正在改变着我们生活的世界。但对于人工智能这个人类创造出来的技术，人们也存在一定的担忧，人工智能将向何方发展？人工智能发展到极致会不会脱离人类的控制？人工智能会不会超越人类的智慧？在诸多问题围绕下，人工智能技术依然在迅猛发展，它的未来如何，让我们拭目以待。

篇（3）

中图分类号：TP18 文献标识码：A 文章编号：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自从20世纪50年代产生，经过长期发展，已经有了长足的进步，并且已经深入到社会生活的诸多领域，如语言处理、智能数据检索系统、视觉系统、自动定理证明、智能计算、问题求解、人工智能程序语言以及自动程序设计等。随着科学技术的不断发展，现在的人工智能已经不再是仅仅具有简单的模仿与逻辑思维能力，人们也越来越期待人工智能能够帮助或者替代人类从事各种复杂的工作，加强人的思维功能、行为功能或是感知功能。这就要求人工智能具有更强的情感识别、情感表达以及情感理解能力。通俗的说，为了使得人工智能对外界的变化适应性更强，需要给它们赋予相应的情感从而能够应对这个难以预测的世界。

在赋予人工智能“情感”的过程中，面临着许多的问题，有科技层面上的，也有社会学层面的。本文在这里只讨论其中一个比较基本的社会学问题：“人工智能情感约束问题”，即关注于如何约束赋予给人工智能的情感，不至于使其“情感泛滥”。情感指的是一种特殊的思维方式，人工智能具有了情感后的问题是：人工智能的情感是人类赋予的，人工智能自身并不会创造或者控制自己的情感。如果赋予人工智能的情感种类不合理，或者是赋予的情感程度不恰当，都有可能造成“情感泛滥”并导致一些灾难性的后果。例如，当人工智能具有了情感之后，如果人类自身管理不恰当，有可能导致人工智能反过来伤害人类。尽管目前我们只能在一些科幻作品中看到这种情况发生，但谁也不能保证未来有一天会不会真的出现这种悲剧。

本文第二章对人工智能情感研究进行了概要性回顾，第三章对如何约束人工智能情感进行了尝试性探讨，最后一章对全文进行了总结。

2人工情感发展情况概述

随着科学家对人类大脑及精神系统深入的研究，已经愈来愈肯定情感是智能的一部分。人工情感是以人类自然情感理论为基础，结合人工智能、机器人学等学科，对人类情感过程进行建模，以期获得用单纯理性思维难以达到的智能水平和自主性的一种研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感机器识别与表达、人工情感机理等四个方面的内容。其中，尤以人工情感机理的研究困难最大，研究者也最少。

目前人工情感在很多领域得到了应用和发展，比较典型的是在教育教学、保健护理、家庭助理、服务等行业领域。在教育教学方面比较典型的例子是德国人工智能研究中心发展的三个方案：在虚拟剧场、虚拟市场和对话Agent中引入情感模型和个性特征来帮助开发儿童的想象力及创造力。在保健护理方面比较典型的是家庭保健与护理方向，如Lisetti等人研制的一个用于远程家庭保健的智能情感界面，用多模态情感识别手段来识别病人的情感状态，并输入不同媒体和编码模型进行处理，从而为医生提供关于病人简明而有价值的情感信息以便于进行有效的护理。服务型机器人的典型例子是卡内基梅隆大学发明的一个机器人接待员Valerie。Valerie的面孔形象的出现在一个能够转动方向的移动屏幕上时可以向访问者提供一些天气和方位方面的信息，还可以接电话、解答一些问题；并且Valerie有自己的性格和爱好，情感表达较为丰富。当然这些只是人工情感应用领域中的几个典型的例子，人工智能情感的潜力仍然是巨大的。

尽管关于人工情感的研究已经取得了一定的成果，给我们带来了很多惊喜和利益，但由于情绪表现出的无限纷繁以及它与行为之间的复杂联系，人们对它的运行机理了解的还不成熟，以致使得目前人工情感的研究仍面临着诸如评价标准、情感道德约束等多方面问题。所以必须清楚的认识到我们目前对于人工情感的计算乃至控制机制并没有一个成熟的体系。

3对人工智能的情感约束

正如上文所述，如果放任人工智能“情感泛滥”，很有可能会造成严重的后果。为了使人工智能技术更好的发展，使智能与情感恰到好处的结合起来，我们有必要思考如何对赋予人工智能情感进行引导或者约束。

3.1根据级别赋予情感

可以根据人工智能级别来赋予其情感，如低级别人工智能不赋予情感、高级别人工智能赋予其适当的情感。众所周知，人工智能是一门交叉科学科，要正确认识和掌握人工智能的相关技术的人至少必须同时懂得计算机学、心理学和哲学。首先需要树立这样的一个观点：人工智能的起点不是计算机学而是人的智能本身，也就是说技术不是最重要的，在这之前必须得先解决思想问题。而人工智能由于这方面没有一个严格的或是量度上的控制而容易出现问题。从哲学的角度来说，量变最终会导致质变。现在是科学技术飞速发展的时代，不能排除这个量变导致质变时代的人工智能机器人的到来，而到那个时候后果则不堪设想。因此，在现阶段我们就应该对人工智能的情感赋予程度进行一个约束。

根据维纳的反馈理论，人工智能可以被分成高低两个层次。低层次的是智能型的人工智能，主要具备适应环境和自我优化的能力。高层次的是情感型的人工智能，它的输入过程主要是模仿人的感觉方式，输出过程则是模仿人的反应情绪。据此我们可分别将机器人分为一般用途机器人和高级用途机器人两种。一般用途机器人是指不具有情感，只具有一般编程能力和操作功能的机器人。那么对于一般用途的机器人我们完全可以严格的用程序去控制它的行为而没必要去给他赋予情感。而对于高级层面的情感机器人来说，我们就适当的赋予一些情感。但即使是这样一部分高层次的情感机器人，在赋予人工情感仍然需要考虑到可能会带来的某些潜在的危害，要慎之又慎。

3.2根据角色赋予情感

同样也可以根据人工智能机器人角色的不同选择性的赋予其不同类型的情感。人类与机器合作起来比任何一方单独工作都更为强大。正因为如此，人类就要善于与人工智能机器合作，充分发挥人机合作的最大优势。由于计算机硬件、无线网络与蜂窝数据网络的高速发展，目前的这个时代是人工智能发展的极佳时期，使人工智能机器人处理许多以前无法完成的任务，并使一些全新的应用不再禁锢于研究实验室，可以在公共渠道上为所有人服务，人机合作也将成为一种大的趋势，而他们会以不同的角色与我们进行合作。或作为工具、顾问、工人、宠物、伴侣亦或是其他角色。总之，我们应该和这些机器建立一种合作互助的关系，然后共同完任务。这当然是一种很理想的状态，要做到这样，首先需要我们人类转变自身现有的思维模式：这些机器不再是一种工具，而是平等的服务提供人。

举例来说，当机器人照顾老人或是小孩的时候，我们应该赋予它更多的正面情绪，而不要去赋予负面情绪，否则如果机器人的负向情绪被激发了，对于这些老人或者小孩来说危险性是极大的；但是，如果机器人是作为看门的保安，我们对这种角色的机器人就可以适当的赋予一些负向的情绪，那么对于那些不按规则的来访者或是小偷就有一定的威慑力。总之，在我们赋予这些智能机器人情感前必须要周到的考虑这些情感的程度和种类，不要没有顾忌的想当然的去赋予，而是按分工、作用赋予限制性的情感约束，达到安全的目的。

3.3对赋予人进行约束

对人工智能情感赋予者进行约束，提高赋予者的自身素质，并定期考核，并为每一被赋予情感的人工智能制定责任人。

纵观人工智能技术发展史，我们可以发现很多的事故都是因为人为因素导致的。比如，首起机器人杀人案：1978年9月的一天，在日本广岛，一台机器人正在切割钢板，突然电脑系统出现故障，机器人伸出巨臂，把一名工人活生生地送到钢刀下，切成肉片。

另外，某些研究者也许会因为利益的诱惑，而将人工智能运用在不正当领域，或者人工智能技术落入犯罪分子的手中，被他们用来进行反对人类和危害社会的犯罪活动。也就是用于所谓的“智能犯罪”。任何新技术的最大危险莫过于人类对它失去控制，或者是它落入那些企图利用新技术反对人类的人的手中。

因此为了减少这些由于人而导致的悲剧，我们需要对这些研究者本身进行约束。比如通过相应的培训或是定期的思想政治教育、或是理论知识的学习并制定定期的考核制度来保证这些专家自身的素质，又或者加强对人工智能事故的追究机制，发生问题能立即查询到事故方等等，通过这样一系列强有力的硬性指标达到减少由于人为因素导致悲剧的目的。

3.4制定相应的规章制度来管理人工智能情感的发展

目前世界上并未出台任何一项通用的法律来规范人工智能的发展。不过在1939 年，出生在俄国的美籍作家阿西莫夫在他的小说中描绘了工程师们在设计和制造机器人时通过加入保险除恶装置使机器人有效地被主人控制的情景。这就从技术上提出了预防机器人犯罪的思路。几年后， 他又为这种技术装置提出了伦理学准则的道德三律：（1）机器人不得伤害人类，或看到人类受到伤害而袖手旁观；（2）在不违反第一定律的前提下，机器人必须绝对服从人类给与的任何命令；（3）在不违反第一定律和第二定律的前提下，机器人必须尽力保护自己。这一“机器人道德三律”表现了一种在道德忧思的基础上，对如何解决人工智能中有害人类因素所提出的道德原则，虽然得到很多人的指责，但其首创性还是得到公认的。尽管这个定律只是小说家提出来的，但是也代表了很多人的心声，也是值得借鉴的。

那么对于人工智能情感的约束呢？显然，更加没有相应的法律法规来规范。那么，我们就只能在赋予人工智能情感的道理上更加的小心翼翼。比如，我们可以制定一些应急方案来防止可能导致的某些后果，也即出现了问题如何及时的处理之。另外我们在操作和管理上应更加慎重的去对待。也希望随着科学技术的发展，能够在不久的将来出台一部相应的规章制度来规范人工智能情感的管理，使之更加精确化、合理化。

4结束语

人工智能的情感研究目的就是探索利用情感在生物体中所扮演的一些角色、发展技术和方法来增强计算机或机器人的自治性、适应能力和社会交互的能力。但是现阶段对这方面的研究虽然在技术上可能已经很成熟，但是人工智能情感毕竟是模拟人的情感，是个很复杂的过程，本文尝试性的在人工智能发展中可能遇到的问题进行了有益的探讨。但是不可否认仍然有很长的道路要走，但是对于人工智能的发展劲头我们不可否认，将来“百分百情感机器人”的问世也许是迟早的事情。

参考文献：

[1] 赵玉鹏，刘则渊.情感、机器、认知――斯洛曼的人工智能哲学思想探析[J].自然辩证法通讯，2009，31（2）：94-99.

[2] 王国江，王志良，杨国亮，等.人工情感研究综述[J].计算机应用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究综述[J].江南大学学报（自然科学版），2012，11（04）：497-504.

[4] Christine Lisett，i Cynthia Lerouge.Affective Computing in Tele-home Health[C].Proceedings of the 37th IEEE Hawaii International Conference on System Sciences，2004.

[5] Valerie.The Roboceptionist[EB/OL].http：//.

[6] 张显峰，程宇婕.情感机器人：技术与伦理的双重困境[N].科技日报，2009-4-21（005）.

[7] 张晓丽.跟机器人谈伦理道德为时尚早[N].辽宁日报，2011-11-04（007）.

[8] Peter Norvig.人工智能：机器会“思考”[J].IT经理世界，2012（Z1）：331-332.

篇（4）

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.

篇（5）

中图分类号：TP18 文献标识码：A 文章编号：1671-2064（2017）01-00218-01

人工智能包含三个层次：计算智能、感知智能和认知智能，讯飞超脑计划是包含模拟人脑的知识表示与推理、类人学习机制与新知识的获取、机器加载专业知识成为专门的教育领域。讯飞超脑计划是基于全球关于人工神经网络的深度学习研究，简单来说就是希望未来讯飞超脑计划能够将人工智能从只是简单地能听会说到能够深度思考相关问题的科技转变。人工智能的不断开拓创新是为了帮助人类能够更好地生活，我们应该注重人工智能的发展推进，将其广泛合理地应用到生活的实际中去。

1 讯飞超脑计划目前取得的阶段学习研究成果

1.1 讯飞超脑计划关于我国现阶段关于高中生学习教育的人工智能成果

随着近年来教育电子多媒体设备的投入普及使用，使目前的高中老师在课堂上更习惯用电子化的教学方式来替代传统的板书课本单一枯燥的教学，与此同时，现阶段高中生也同样具备使用移动互联网的条件，这样就使得科大讯飞超脑计划的教育产品可以形成以下的模式如图1所示。

采用此智能的学习模式可以使我国的高中生接受公平的最好的教育，这就需要借助人工智能的帮助来使老师提高自身的教育水平，使高中生丰富并开阔自身的视野。课堂教学包括了在线课堂、畅言交互式多媒体教学系统以及畅言智能语音等，这种新颖的课堂教学模式使原本单一的教学方式变成了思想上任意遨游的知识海洋；智能考试包含了标准考场、英语四六级网上阅卷、普通话与英语口语测试等方面，智能考试系统从字迹工整的程度、词汇量的丰富度、语法的正确性与通顺性等多个方面来评判考试试卷，加上多年来的不断改进，人工智能的评判方法跟相关专家的人工试卷评判的相似度相差无几，很大程度地增加了试卷评判的效率性与公平性；学习产品与教育评价更是覆盖到了从低到高的各个层面的产品组织结构，更有利于高中生的学习与应试教育的公平性。

1.2 讯飞超脑计划对于提高人类生活水平的成果

随着人工智能技术在经济、教育、文化、娱乐等领域的不断应用，使人们的生活质量水平得到了很大程度的提高，人工智能带来的方便快捷对于人类的发展进化与物质文化的进步产生了不可忽视的作用。随着讯飞超脑计划的推出，一方面，可以把人类从繁重的劳动中解放出来，很大程度地提高人类生产生活的效率与质量；另一方面，人工智能的进步会极大地革新人类的思维方式，使人们能够多角度地认知世界，加深对人类对自身所处的宇宙地位的思考，利于人不断地探索奥秘，进一步推进人类社会的进步。

2 讯飞超脑计划下人工智能对于未来生活的影响及其发展趋势

2.1 讯飞超脑计划下人工智能对未来生活的影响

由于讯飞超脑计划是感知智能结合认知智能的再创新，使得未来机器将会实现高水平的感知智能，具有更多的包括语音识别、手写识别以及图像识别的更多智能感知能力与实现包括智能客服、人机交互等的取代人类脑力劳动的认知智能突破。所以说讯飞超脑计划下的人工智能在未来的教育、经济、文化、社会结构等未来生活的各个方面都会产生重大影响。在教育上，人工智能的应用优化了课堂结构，使学生能够实时接受外界的新知识以及与时俱进的教育模式改革；在经济上，人工智能的高效能与高效率会明显提高经济效益，用人工智能来进行财务管理有助于缩减不必要的人工劳务开支与相关的培训费用，利于经济的变革与提高；在文化上，人工智能对于人类语言文化与图像处理上的优势日益凸显出来，可以确定的是人工智能的发展将会深入到人类生活的各个层面中去。

2.2 讯飞超脑计划下人工智能的未来发展趋势

随着人工智能的不断演进，人工智能从最初能存会算的计算智能阶段，到后来的能听会说、能看会认的感知智能阶段，最后再到讯飞超脑计划下提出的让机器能理解、会思考的认知智能阶段，未来的人工智能在语言理解、知识表达、联想推理以及自主学习等方面都将会取得很大的进展。

3 结语

人工智能对于未来生活的影响是多方面的，在未来生活的各个方面都十分显著。与此同时，讯飞超脑计划下的人工智能不断的改革创新与发展，也将更快地推动人类的发展，人工智能与人类的生活是互相影响又相互制约的。人工智能的不断发展给人类的未来生活带来了很大程度的改变，人类在不断开拓人工智能的领域时也应不断提高自身能力与素养，以适应人工智能带来的不断创新和改变。

参考文献：

篇（6）

中途分类号：TP39    文献标识码：A     文章编号：

引言:

计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为二十一世纪三大尖端技术、同时人工智能是一门汇集了多种学科相互渗透发展起来的交叉学科。对于人工智能的定义，至今尚未统一，美国斯坦福大学人工智能研究中心尼尔逊教授认为：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；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。除此之外，还有很多种不同的观点，但这些说法都形象地反映了人工智能学科的基本内容和核心思想，那就是：人工智能是研究如何用人工的方法在计算机上模拟、实现和扩展人类智能的一门科学与技术。

1. 人工智能技术的发展

人工智能（(Artificial Intelligence)从上世纪50年展到现在，有也有低迷的时期。研究的方法和研究的态度也有多种，不管是何观点,它们都推动着人工智能技术的发展。今天人工智能技术已渗透到人类生活的方方面面，实实在在的影响着科学技术的发展。

2. 人工智能技术的应用

我们可以看到，当今社会很多领域的各种技术的发展都涉及到了人工智能技术。下面就人工智能的几种典型应用做如下探讨：

2.1人工智能应用之问题的求解

人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。

2.2人工智能应用之逻辑的推理与定理的证明

人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。

2.3人工智能应用之自然语言的处理

智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。

2.4人工智能应用之模式的识别

如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。

2.5人工智能应用之智能信息的检索技术

在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。

2.6人工智能应用之专家系统

我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。

2.7人工智能应用之机器人学

机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。

3. 人工智能技术发展趋势

科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势：

3.1问题求解

问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。

3.2机器学习

人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。

3.3模式识别

用计算机实现模式(文字、声音、人物、物体等)的自动识别，弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。

3.4专家系统

专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。

3.5人工神经网络

人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线 性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许未来智能计算机的构成可能就是作为主机的冯•诺依曼型机与作为智能外围的人工神经网络的结合。

4. 结论语

人工智能的基本思想已经在许多领域中得到应用，对于人工智能技术未来的发展还有很多未知的可能，但无论如何发展都将推动人类在科学与生活领域的发展。

参考文献：

[1]胡勤.人工智能概述[J].电脑知识与技术，2010，（13）：3507-3509.

[2]朱福喜，汤怡群等.人工智能原理[M].武昌：武汉大学出版社，2002.87-91.

[3]张妮等.人工智能技术发展及应用研究综述[J].煤矿机械，2009，（02）：4-7.

[4]亓慧.议当代人工智能的应用领域和发展状况[J].福建电脑，2008，（05）：33.

[5]蔡自兴，徐光.人工智能及其应用[M].北京：清华大学出版社，2003.51-93.

篇（7）

引言

足球机器人系统是一个典型的多智能体系统和分布式人工智能系统，涉及机器人学、计算机视觉[1]、模式识别、多智能体系统[2]、人工神经网络[3]等领域，而且它为人工智能理论研究及多种技术的集成应用提供了良好的实验平台。机器人球队与人类足球一样，它的胜负不但取决于机器人本身的性能，而且取决于比赛策略，只有将可靠的硬件与先进的策略结合才能取胜。人工智能技术在足球机器人的平台上有着重要的作用。从机器人的外观到机器人最重要的核心部分——控制、决策，都无不起着重要的作用。专家系统[4]、人工神经网络在机器人的路径规划[5]上得到充分的应用。

1.人工智能研究现状

人工智能[6-8]是一门研究人类智能机理，以及如何用计算机模拟人类智能活动的学科，该领域的研究包括机器人、语言识别[9]、图像识别、自然语言处理和专家系统等，涉及数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示[10][11]、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

几乎所有的编程语言均可用于解决人工智能算法，但从编程的便捷性和运行效率考虑，最好选用“人工智能语言”[12]。常用的人工智能语言有传统的函数型语言Lisp、逻辑型语言Prolog及面向对象语言Smalltalk、VC++及VB等，Math-Works公司推出的高性能数值计算可视化软件Matlab中包含神经网络工具箱，提供了许多Matlab函数。另外，还有多种系统工具用于开发特定领域的专家系统，如INSIGHT、GURU、CLIPS、ART等。这些实用工具为开发人工智能应用程序提供了便利条件，使人工智能越来越方便地运用于各种领域。

智能机器人是信息技术和人工智能等学科的综合试验场，可以全面检验信息技术和人工智能等各领域的成果，以及它们之间的相互关系。人工智能技术中的视觉、传感融合、行为决策、知识处理等技术，需要使无线通讯、智能控制、机电仪一体化、计算机仿真等许多关键技术有机、高效地集成统一。人们在很多领域都成功地实现了人工智能：自主规划和调度、博弈、自主控制、诊断、后勤规划、机器人技术、语言理解和问题求解等。

2.人工智能主要研究领域

人工智能的研究领域非常广泛，而且涉及的学科非常多。目前，人工智能的主要研究领域包括：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在足球机器人设计、制造、控制等过程中常用的人工智能技术[13]。

2.1专家系统

专家系统是一个智能计算机程序系统，是一个具有大量专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。专家系统一般具有如下基本特征：具有专家水平的专门知识；能进行有效的推理；具有获取知识的能力；具有灵活性；具有透明性；具有交互性；具有实用性；具有一定的复杂性及难度。

2.2人工神经网络

人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织和非线性映射等优点的神经网络与其他技术的结合，以及由此而来的混合方法和混合系统，已经成为一大研究热点。由于其他方法也有优点，因此将神经网络与其他方法相结合，取长补短，可以达到更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。

2.3图像处理

图像处理是用计算机对图像进行分析，达到所需结果，又称影像处理。图像处理技术主要包括图像压缩，增强和复原，匹配、描述和识别三个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。数字图像处理中的模式识别技术，可以对人眼无法识别的图像进行分类处理，可以快速准确地检索、匹配和识别出各种东西，在日常生活各方面和军事上用途较大。

3.人工智能在足球机器人中的应用

3.1基于专家系统的足球机器人规划

路径规划或避碰问题是足球机器人比赛中的一个重要环节。根据工作环境，路径规划模型可分为基于模型的全局路径规划和基于传感器的局部路径规划。全局路径规划的主要方法有：可视图法、自由空间法、最优控制法、栅格法、拓扑法、切线图法、神经网络法等。局部路径规划的主要方法有：人工势场法、模糊逻辑算法、神经网络法、遗传算法[14]等。机器人规划专家系统是用专家系统的结构和技术建立起来的机器人规划系统。大多数成功的专家系统都是以基于规则系统的结构来模仿人类的综合机理的。它由五部分组成：知识库、控制策略、推理机、知识获取、解释与说明。随着人工智能计算智能与进化算法研究的逐步发展，遗传算法、蚁群算法等的提出，机器人路径规划问题得到了相应发展。尤其是通过遗传算法在路径规划中的应用，机器人更加智能化，其运行路径更加逼近理想的优化要求。以动态、未知环境下的机器人路径规划为研究背景，利用遗传算法采用了基于路点坐标值的可变长染色体编码方式，构造了包含障碍物排斥子函数项的代价函数，使得路径规划中的地图信息被成功引入到了遗传操作的实现过程中。同时针对路径规划问题的具体应用，改进了交叉和变异两种遗传算子，获得了较为理想的路径搜索效率，达到了较好的移动机器人路径规划效果。

3.2人工神经网络在机器人定导航中的应用

人工神经网络是一种仿效生物神经系统的信息处理方法，其优点主要体现在它可以处理难以用模型或规则描述的过程和系统；对非线性系统具有统一的描述；有较强的信息融合能力。因此在移动机器人定位与导航方面，基于神经网络的多传感器信息融合正是利用了神经网络的这些特性，将机器人外部传感器的传感数据信息作为神经网络的输入处理对象，从而获得移动机器人自身位置与对障碍物比较精确的估计，实现移动机器人的避障与自定位。

结语

随着人工智能技术的进一步研究，足球机器人竞赛水平将不断提高。但就目前情况来看，在现有的基础上扩大应用的范围，增强应用的效果，还应主要在人工智能技术上做进一步的研究。专家系统在专家知识的总结、表述及不确定的情况下推理是目前专家系统的瓶颈所在。制造生产的多变复杂性及操作的人工经验性，使人工智能的应用受到限制。此外，一些工艺参数的定量化实现也不易。随着技术的飞速发展，人工智能技术也在进一步完善，如多种方法混合技术、多专家系统技术、机器学习方法、并行分布处理技术等。随着新型人工智能技术的出现，制造业将会更加光明，性能更加优越的足球机器人也不再遥远。

参考文献：

[1]郑南宁.计算机视觉与模式识别[M].北京-国防工业出版社，1998.3.

[2]Wang Hongbing Fan Zhihua She Chundong Formal Specification of Role Assignment for Open Multi Agent System Chinese of Journal Electronics[J].2007，16（2）：212-216.

[3]LIMING ZHANG AND FANJI GU NEURAL INFORMATION PROCESSING VOLUME 1[M]Fudan University Press， 2001.

[4]Cai Zixing，King-Sun Fu. Expert-System-Based Robot Planning ？Control Theory & Applications[J] .1988（2）： 35-42.

[5]张锐，吴成东.机器人智能控制研究进展[J].沈阳建筑工程学院学报（自然科学版），2003，19（1）：61-64.

[6]蔡自兴，徐光祐.人工智能机器应用（第三版）清华大学出版社，2004.

[7]艾辉.谢康宁，谢百治.谈人工智能技术[J]中国医学教育技术，2004，18（2）：78-80.

[8]Nilsson NJ.Artificial Intelligence：A New Synthesis[M].Beijing：China Machine Press，2006：72-95.

[9]Han Jiqing Gao Wen Robust Speech Recognition Method Based on Discriminative Environment Feature Extraction Journal of Computer Science and Technology[J]. 2001；16（5）：458-464.

[10]Tang Zhijie Yang Baoan Zhang Kejing Design of Multi-attribute Knowledge Base Based on Hybrid Knowledge Representation Journal of Donghua University 2006，23（6）：62-66.

[11]Hu Xiangpei Wang Xuyin Knowledge representation and rule——based solution system for dynamic programming model Journal of Harbin Institute of Technology 2003，10（2）：190-194.

篇（8）

1 人工智能简介

人工智能（Aritificial Intelligence，AI）是一门综合了计算机科学、控制论、信息论、神经生理学、心理学、语言学、哲学等多种学科互相渗透而发展起来的一门交叉学科[1]，从诞生至今已有近60年的历史。人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学[2]。人工智能不在乎计算机是依靠某种算法还是真正理解人类行为，只需要其能表现出与人相似的行为，它是计算机科学中的―个分支，涉及智能机器的研究、设计和应用。人工智能的研究目标在于怎样用计算机来模仿和执行人脑的某些功能，并开发相关的技术以及产品，建立有关的理论。人工智能可分为：基本人工智能，包括知识表示、推理；高级人工智能，如模糊逻辑、神经网络、专家控制；计算智能，如遗传算法、群集智能。人工智能研究领域的三种主要观点[3]：符号主义又称为逻辑主义或计算机学派，其认为符号是人类的认识基元，同时人认识的过程即是对符号的计算与推理的过程；联结主义又被叫做仿生学派，其主要原理是人类的智能是由人脑的生理结构和工作模式所决定；行为主义又被称作进化主义、控制论学派，其主要原理是智能取决于感知和行动，它不需要知识、也不需要知识的表示与推理[4]。

2 人脸识别

人脸识别是指对输入的人脸图像或者视频，判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个主要面部器官的位置信息，并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。人脸识别的研究起源于19世纪末，其发展大致分成三个阶段[5]：第一阶段以面部特征为主要研究对象；第二阶段称为人机交互式识别阶段，分为采用几何特征参数来表示人脸正面图像和统计识别为基础的方法；第三阶段才被称为真正的自动识别阶段，人脸识别技术进入实用阶段。

3 常用的人脸识别方法

人脸识别的技术与方法一般分为：基于几何特征的方法和基于模板匹配的方法。对于基于几何特征方法而言，首先检测出眼耳口鼻等脸部主要部件的位置和大小，然后分析这些部件的总体几何分布关系以及相互之间的参数比例来识别人脸。基于模板的方法也叫做基于表象的方法，利用模板与整个人脸图像的像素值之间的自相关性进行人脸的识别[6]。通过分析常用的人脸识别方法，本文将人脸识别的方法分为基于几何特征的方法、基于模型的方法、基于统计的方法、基于神经网络的方法。

3.1 基于几何特征的方法

最早的基于几何特征的方法由Bleclsoe提出，该方法将几何特征定义为面部特征点之间的距离和比率，通过最近邻方法来识别人脸，但必须手动定位面部特征点，因此属于半自动系统。侧影识别是另一个基于几何特征的人脸识别方法，其原理是通过提取人脸的侧影轮廓线上特征点，将侧影转化为轮廓曲线，提取其中的基准点，然后识别这些点之间的几何特征。

基于几何特征的方法非常直观，能快速识别人脸，只需要较少内存，光照对特征的提取影响不大，缺点是当人脸变化时，特征的提取不精确，并且由于对图像细节信息的忽略，导致识别率较低，因此近年来少有发展。

3.2 基于模型的方法

隐马尔可夫模型（Hidden Markov Model，HMM）是一种常用的模型，基于HMM的方法被Nefian和Hayes引入到人脸识别领域，它是一组统计模型，用于描述信号统计特性。Cootes等人提出主动形状模型（Active Shape Model，ASM），对形状和局部灰度表象建模，定位新图像中易变的物体[5]。Lanitis等用该方法解释人脸图像，其原理是使用ASM找出人脸的形状，然后对人脸进行切割并归一到统一的框架，通过亮度模型解释和识别与形状无关的人脸。

主动表象模型（Active Appearance Model，AAM）通常被看作是ASM的一种扩展，一般作为通用的非线性图像编码模式，通用的人脸模型经变形处理后与输入图像进行匹配，并将控制参数作为分类的特征向量。

3.3 基于统计的方法

基于统计的方法将人脸图像视为随机向量，采用一些统计方法对人脸进行特征分析，这类方法有较为完善的统计学理论的支持，因此发展较好，研究人员也提出了一些比较成功的统计算法。

特征脸方法由Turk和Pentland提出，该方法中人脸由各个特征脸扩展的空间表示，虽然人脸信息可以有效地表示，但不能对其进行有效鉴别和区分。为取得更好的人脸识别效果，研究者又提出使用其他的线性空间来代替特征脸空间[6]。Moghaddam等人提出了贝叶斯人脸识别方法，用基于概率的方法来度量图像相似度，将人脸图像之间的差异分为类间差异和类内差异，其中类间差异表示不同对象之间的本质差异，类内差异为同一对象的不同图像之间的差异，而实际人脸图像之间的差异为两者之和。如果类内差异大于类间差异，则认为两人脸图像属于同一对象的可能性大。

奇异值分解（Singular Value Decomposition，SVD）作为一种有效的代数特征提取方法，奇异值特征具有多种重要性质，如镜像变换不变性、位移不变性、旋转不变性以及良好的稳定性等，因此人脸识别领域也引入了奇异值分解技术。

3.4 基于神经网络的方法

神经网络用于人脸识别领域也有较长的历史，Kohoncn最早将自组织映射（Self-Organizing Map，SOM）神经网络应用于人脸识别，即使当输入人脸图像有部分丢失或者具有较大噪音干扰时，也能完整的恢复出人脸。人脸识别中最具影响的神经网络方法是动态链接结构（Dynamic Link Architecture，DLA），对网络中语法关系的表达是该方法最突出的特点。

用于人脸识别的神经网络还有：时滞神经网络（Time Delay Neural Net-works，TDNN），是MLP的一种变形，径向基函数网络（Radial Basis Function Network，RBFN）以及能有效地实现低分辨率人脸的联想与识别的Hopfield网络等[6]。

与其他人脸识别方法相比，神经网络方法具有特有的优势，人脸图像的规则和特征的隐性表示可通过对神经网络的训练获得，避免了特征抽取的复杂性，有利于硬件的实现，缺点是可解释性较弱，要求训练集中有多张人脸图像，因此只适合于小型人脸库。人工智能应用在人脸识别、模式识别方面能够提高运行效率、减小计算量小、程序的代码编写更为简洁。

【参考文献】

[1]武海丽.初识人工智能[J].科技创新导报，2009，02：196.

[2]王甲海.创新型人工智能教育改革与实践[J].计算机教育，2010（08）：136.

[3]肖斌，薛丽敏，李照顺.对人工智能发展新方向的思考[J].信息技术，2009，12：166-168.

篇（9）

关键词： 人工智能；研究现状；发展趋势；社会力量

Key words： Artificial Intelligence；research status；development tendency；social force

中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth学会后发展起来的新型学科，其有着涉及学科广、需要技术高端、使用范围广等特点。在过去的50多年时间中人工智能经历了学科发展中都会遇到的发展——否定——否定的否定阶段，现在人工智能大致分成了符号主义学派、行为主义学派、联结主义学派三大学派。其各有优势，独树一帜。一直以来重大前沿科学研究都是以国家牵头，等到时机成熟了再转为民用。这样无形中浪费了很多社会中的人才，比如android智能机的问世，当开发商源代码公布后android智能机获得了飞速的发展。这是社会资源集体作用的结果，人工智能能否通过这种方式获得飞速的发展呢，文中给出了问题的答案。

1 人工智能的现状

1.1 人工智能的发展过程 人工智能是由“人工”与“智能”组成。“人工”十分容易理解，也就是我们常说的人类开发研究出来的事物。“智能”则是十分复杂的一个词汇，是指如由意识（Consciousness）、自我（Self）、思维（Mind）（包括无意识的思维（Unconscious_mind））等等组成的有机集合。通常我们所说的人工智能是指人本身的智能。总体来说人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。关于人工智能的传说一直可以追述到埃及，直到电子计算机的问世才使人们真正具备了发展人工智能的基本技术，而直到1956年的Dartmouth学会之后“人工智能”才逐渐地被大家所熟知接受。人工智能作为一门自然科学、社会科学、技术科学交叉的边沿学科，涉及哲学和数学，认知科学，心理学，神经生理学，计算机科学，控制论，不定性论，信息论，社会结构学，仿生学与科学发展观等众多前沿学科。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一[1]。

人工智能在其过去的50多年时间里，有了长足的发展，但并不是十分顺利。目前人们大致将人工智能的发展划分成了五个阶段：

第一阶段：萌芽期（1956年之前）

自古以来，人类一直在寻找能够提高工作效率、减轻工作强度的工具。只是受限于当时的科学技术水平，人们只能制作一些简单的物品来满足自身的需求。而人类的历史上却因此留下了很多脍炙人口的传说。传说可以追溯到古埃及时期，人们制造出了可以自己转动的大门，自动涌出的圣泉。我国最早的记载是在公元前900多年，出现了能歌能舞的机器人。这一时期出现了各种大家：法国十七世纪的物理学家、数学家B.Pascal、德国十八世纪数学家、哲学家Leibnitz以及二十世纪的图灵、冯·诺伊曼等。他们为人工智能的发展做出了十分重要的贡献。

第二阶段：第一次期（1956年-1966年）

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在Dartmouth学会上引发一场历史性事件——人工智能学科的诞生。Dartmouth会议结束后，人工智能进入了一个全新的时代。会议上诞生了几个著名的项目组：Carnegie-RAND协作组、IBM公司工程课题研究组和MIT研究组。在众多科学家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理证明工作中首先取得突破，开启了以计算机程序来模拟人类思维的道路；1960年，McCarthy建立了人工智能程序设计语言LISP。此时出现的大量专家系统直到现在仍然被人使用，人工智能学科在这样的氛围下正在茁壮的成长。

第三阶段：低谷发展期（1967年-八十年代初期）

1967年之后，人工智能在进行进一步的研究发展的时候遇到了很大的阻碍。这一时期没有比上一时期更重要的理论诞生，人们被之前取得的成果冲昏了头脑，低估了人工智能学科的发展难度。一时之间人工智能受到了各种责难，人工智能的发展进入到了瓶颈期。尽管如此，众多的人工智能科学家并没有灰心，在为下一个时期的到来积极的准备着。

第四阶段：第二次期（八十年代中期-九十年代初期）

随着其他学科的发展，第五代计算机的研制成功，人工智能获得了进一步的发展。人工智能开始进入市场，人工智能在市场中的优秀表现使得人们意识到了人工智能的广阔前景。由此人工智能进入到了第二次期，并且进入发展的黄金期。

第五阶段：平稳发展期（九十年代之后）

国际互联网的迅速发展使得人工智能的开发研究由之前的个体人工智能转换为网络环境下的分布式人工智能，之前出现的问题在这一时期得到了极大的解决。Hopfield多层神经网络模型的提出，使人工神经网络研究与应用再度出现了欣欣向荣的景象。人工智能已经渗入到了我们生活的方方面面。

1.2 人工智能的主要学派 人工智能发展的50多年时间里，经历了符号主义学派、行为主义学派和联结主义学派，三大学派各有特点，各自从不同的角度研究人工智能，为人工智能的发展做出了卓越的贡献，在人工智能的发展史上留下了浓重的一笔。

1.2.1 符号主义学派 符号主义学派，又称为逻辑主义、计算机学派或心理学派。符号主义学派理论基础是物理符号系统假设和有限合理性原理，他们认为人类的认知基元是符号，认知的过程是对符号的计算与推理的过程。人与计算机均可以看做物理符号系统，因此人们可以使用计算机来模拟人的行为。符号主义学派认为人的认知基元可以通过计算机上的数学逻辑方法表示，然后通过计算机自身的逻辑运算方法模拟人类所具备的认知系统的机能和功能，进而实现人工智能[2]。

符号主义学派无视了认知基元的本质，对于所有的认知基元均使用数学逻辑方法表示。符号主义学派重点研究认知基元的逻辑表示以及计算机的推理技术，早期的众多人工智能的研究都是在这一思想的推动下进行的。符号主义学派在归结推理、翻译、数学问题证明以及专家系统和知识工程做出了十分巨大的贡献，为后期的人工智能研究打下了基础。专家系统的出现更是将人工智能的研究推上了一个顶峰，其在矿业探究、医疗诊查、教育推广、工业设计的应用带来了巨大的社会效益。

1.2.2 行为主义学派 行为主义又被称作进化主义或控制论学派。行为主义学派认为智能取决于感知和行动，不需要像符号主义学派的逻辑知识以及推理。行为主义学派认为人的本质能力是行为能力、感知能力和维持生命及自我繁殖的能力，智能行为是人与现实世界环境的交互作用体现出来的。人工智能应像人类智能一样通过逐步进化而实现，而与知识的表示和知识的推理无关[3]。行为主义学派的与传统人工智能截然不同的观点吸引了众多的科学家，虽然到现在还没有独立完善的知识理论系统，但其在人工智能领域的独树一帜还是奠定了其霸主地位。该学派重点研究人类的控制行为，目前已有的机器昆虫已经证明了行为主义学派的理论正确性。虽然大部分人认为机器昆虫不能导致高级行为，但是行为主义学派的崛起标志着控制论在人工智能领域有着独树一帜的作用。

1.2.3 联结主义学派 联结主义学派是近年来最热门的一个学派，又被成为仿生学派或心理学派，建立于网络联结基础之上模仿人类大脑的结构和工作模式。联结主义学派主要研究能够进行非程序的，可适应环境变化的，类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。持这种观点的学者认为，认知的基本元素不是符号是神经细胞（神经元），认知过程是大量神经元的联接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。[4]

联结主义学派通过模拟人类神经网络模仿人类的认知行为，由此进行人工智能的学习记忆、模式识别。联结主义学派构建了大量的神经网络模型，方便在不同的情景模式下选择相应的模型，进而快速的得出答案。联结主义学派采用分布式存储数据，对数据进行并行处理，这样使得人工智能在处理问题的时候的速度有了明显的提升，由此联结主义学派在人工智能领域中受到大家的一致热捧。

三大学派在人工智能的发展史上有着举足轻重的作用，每一个学派的兴起都代表人工智能的一个新高峰。三大学派各有优缺点，在人工智能领域三者相辅相成，人工智能学科在三大学派的带领下正在茁壮成长。

2 对人工智能主要理论学派的评述

在过去的50多年时间中，人工智能获得了巨大的发展，基本实现了从无到有的过程，构建了基本完善的理论知识体系，构建了各种模型，形成各种技术方法，但是人工智能的发展依然任重道远，前景依然不容乐观。三大主义学派有着自身独到的优点，同时也有着各自的缺点，符号主义学派将人的认知基元符号用数学逻辑表示，通过计算机逻辑处理系统分析得出结果，但是在面对没有明确结果的非确定问题时经常不能得出令人满意的答案，它对信息要求十分精确完整，现实生活中的很多问题都不能满足条件，因此符号主义学派的发展受到了一定的限制。行为主义学派认为智能取决于感知与行动，但是缺乏足够的理论知识支撑学派观点，而且缺乏足够的成果表明理论的正确性。学派认为人工智能与知识的表达和知识推理无关，与人类认知的发展是不相符的。联结主义学派采用仿生学的方法，模拟人脑的神经网络，通过类似人脑的结构和运行机制模仿人类智能。这一观点十分有吸引力，在提出之后马上就有大量的支持者，但是人脑神经系统的复杂性远远超出人们的预知，现阶段人们对人脑的构造以及运行机制还没有深入的理解，在此基础上想模拟出人脑的神经系统显然是有些不不切实际。联结主义学派的发展更多的受制于对人脑结构和运行机制的研究，因此其发展相对缓慢。综上，三大学派固然有着自身的优势，各自的成果，但是其同样有着明显的局限性，人工智能要想进一步发展必须要对现有的发展方式进行创新。

另一方面，人工智能在经历了两次期后再次回落到了平稳发展时期，社会公众对人工智能的热度有了明显的降温。人工智能的研究再次变成了国家以及一些超级公司的工作，拥有的资源有了大幅度的缩水，研究的进度也受到干扰。在此状态下没有重大的技术创新，人工智能恐怕很难再有重大的突破。

3 对人工智能发展的评述

3.1 对人工智能涵义的认识 同样的词汇在不同时期的有着不同的解释，人工智能也不例外，大家都认可的人工智能是指在人类制造的机器工具上实现人类智能，即实现人类的认知能力、行为能力以及解决问题的能力。人类智能有着一个明确的特点，在面对未知问题时，人类智能能够得出自身想要的答案，也就是消除答案的不确定性。符号主义学派的逻辑解决方式、行为主义学派模拟人的行为能力、联结主义学派的神经网络，三大主义学派各自以自身的方式实现了对问题消除或减弱不确定性。可见减弱甚至消除问题的不确定性也将是人工智能的一个研究方向。

3.2 人工智能研究模式的发展 目前人工智能领域中，符号主义学派通过数学逻辑表示人类的认知基元，对数学逻辑经过解读分析，得到答案，进而实现智能。该学派重点运用还原思想，将人类的认知基元全部使用数学逻辑表示。行为主义学派认为人工智能取决于感知和行动，不需要学习知识与知识推理，是一步步，由低级到高级慢慢进化的。联结主义学派是通过人工神经网络的形式模仿人类智能，理论上讲该方法是最符合人类智能的运行方式的。而在一系统中，最重要的是系统的运行机制，如何将接受到的信息转化为我们的知识并通过表述、行为展示出来，在了解了人类智能的运行机制之后，人工智能将会更加符合人们的需求。

3.3 人工智能研究方法的发展 人工智能的目的是消除答案的不确定性，然后做出相应的反应。在消除答案不确定性的时候便有了各种方法，其中有一种便是突出解决问题的目标，在有明确目标的前提下会削弱干扰问题解决的条件，提高人工智能解决问题的效率。明确问题的目标便需要引入目标函数，在动态目标函数的引导下会减弱答案的不确定性。而在已有的人工智能基础上设立人工智能模型，通过人工智能自身的计算结果结合目前的研究成果去优化目前的人工智能系统，则会提升人工智能的发展速度。

3.4 人工智能时期的发展 人工智能自发展到现在已经经历了五个时期，在两次期中人工智能均获得了迅速的发展。然而现在人工智能的发展步入到了缓慢发展时期，如何将人工智能的发展缓慢时期加速度过同样是十分严肃的问题，传统说来需要重大的科学进步。我们往往认为人工智能属于顶端科技只能由国家和超级公司研究，却忽略了社会所拥有的重大的力量。小小的android智能手机在问世的短短时间内变改变了之前的市场格局，其中固然有着android智能手机的特点，但是我想他的市场策略同样给与了莫大的助力。人工智能应该向android一样，适当的开放出来一部分根基，放开其研究门槛，甚至鼓励民间研究。量变引发质变，当有足够专家在研究人工智能时，人工智能的研究会加快的。而且民间的研究成果也会作为经验反作用于人工智能的进一步研究，实现科学与社会的双赢。

4 结论

人工智能是人们长久以来的梦想，同时也是一门很有挑战性的学科。像所有的学科一样，人工智能会经历各种各样的挫折，但是，只要我们有信心、有毅力，我们相信人工智能终将会成为现实，融入到我们生活的方方面面，为我们的生活带来极大的改变。

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.

篇（10）

根据《朗曼应用语言学词典》中的定义,双语教学(Bilingual Teaching)指的是用两种语言作为教学媒介语,通过学习学科知识来达到掌握第二语言的目的。双语教学作为学科教学延伸,不是简单的母语加第二语言,而是将第二种语言融进学科知识,通过学习学科专业知识提高学生第二语言的听、说、读、写综合能力,培养学生用第二语言思考、解决问题的能力,培养适应社会发展需求的高素质、复合型人才,以适应信息时代我国经济和社会发展的需要。人工智能的主要目标是让机器具有应用符号逻辑的方法模拟人的问题求解、推理、学习等方面的能力,能够在各类环境中自主地或交互地执行各种任务,比如水下作业、输油管道、森林救火等。人工智能的发展,不仅代表计算机等科学技术的发展水平,也是一个国家工业化水平的重要标志。这对高校的教育提出了新的挑战。因此,选择人工智能课程的双语教学模式是非常必要的。

1人工智能课程分析

人工智能是一门多学科交叉的课程,特别涉及控制论、信息论、语言学、神经生理学、数学、哲学等多种学科[1-2]。学习该课程需要具有较好的数学基础和较强的逻辑思维能力,大多教师、学生在教、学的过程中都显得比较吃力。如何结合课程的特点,帮助学生找到好的学习方法,使他们能充分发挥自己的能力,提高学习兴趣成为教学研究过程中的首要目标。在目前高校提倡双语教学的环境下,我校已将人工智能立项为双语教学示范课程。人工智能课程具有如下特点:

(1) 是一门非常前沿的学科。

计算机最初是用来做科学计算的,但随着计算机科技的迅猛发展,人们开始考虑计算机还可以做些什么,能不能像人一样学习、思考,然后解决问题?这就是基于人的知识和经验,用符号推理的办法让计算机来做事情,是人工智能最早的研究成果。但是,知识并不都能用符号表示为规则,智能也不都是基于知识的。人们相信,自然智能的物质机构――神经网络的智能是基于结构演化的。因此,20世纪80年代在人工智能理论发展出现停顿时,人工神经网络理论出现新的突破,基于结构演化的人工智能迅速成为人工智能研究的新方向。事实上,智能问题无论从广度还是深度,都远比人们想象的要复杂得多。因此,我们一刻也不能放弃钻研,并且要时刻关注该领域发展的最新动态。在高校开展人工智能课程的双语教学,可以促使学生了解该领域以及相关领域,如模式识别、机器视觉、智能检索、人工生命等发展的最新动态,掌握大量的专业词汇,锻炼理解问题、解决问题、了解领域文化等实际能力,对培养国际化、工程化、实用化的复合型人才等具有重要的现实意义。

(2) 涉及面宽、难度大。

人工智能是一门多学科交叉的、极富挑战性的前沿学科,它几乎涉及于社会科学和自然科学的每个领域。人工智能课程是一门理论性非常强、知识点比较分散、知识更新快的课程,它以编程语言、数据库原理、概率统计、数据结构、离散数学以及编译原理等前趋课程为基础,还涉及到控制论、信息论、通信原理、图像处理、模式识别等课程。因此,人工智能课程的知识点难度较大。通过该课程的双语教学过程,学生不但学习了课程的专业知识,而且还学习了相关理论课程的第二语言表示方法及应用情况,对于培养具有个性化的多层次人才具有重要的价值。

人工智能课程的特点决定了它的双语教学也具有很大的难度。根据普通高校的实际情况,我们组织了人工智能的双语教学体系结构,教学实践表明,该模式行之有效。

2人工智能双语教学体系结构

要达到双语教学的目的,就必须将传统的“注入式”教学模式改变为新型的“以学生为中心”的教学模式。然而,这种“以学生为中心”的双语教学模式是多样化的,其教学过程是复杂的,在我国还处于探索阶段[3-5]。在人工智能课程的教学过程中,根据学生的实际情况,我们采用课堂教学多样化、基于CDIO理念的实践教学,不断地探索研究,形成高校人工智能双语教学体系结构,如图1所示。

计算机双语教学的正常开展,必须依托优秀的计算机专业外语教科书和教学参考用书。根据学生的实际情况,我们采用了Nils J.Nilsson教授编著的《Artificial Intelligence A New Synthesis》,该教材是美国斯坦福大学计算机系本科教材,不仅内容丰富、取材新颖,更重要的是内容组织结构比较符合学生的认知规律,便于学生学习、理解。参考书主要选用了蔡自兴、徐光v老师的《人工智能》。

3双语教学方法

由于人工智能是一门非常前沿、涉及知识面宽、应用范围广的学科,因而在教学的具体过程中,我们多种教学手段并用,主要采取理论联系实际的案例驱动讲授、CDIO实践模式、综合考证等讲授方法。

3.1理论教学

(1) 修改教学大纲和课程设计的实验大纲。参考吸收国外先进教材中的内容,结合普通高校的实际情况,形成有针对性的、合理的教学体系。

(2) 采用多种教学方法和手段。设计和制作简洁、易懂的英文电子教学课件,采用多媒体教学手段,丰富教学内容。建设课程网站,电子课件在网上公开,帮助学生预习专业词汇、了解教师讲解线索和重点内容,降低学习难度。

(3) 课堂提问。提问一些重要内容,鼓励学生积极思考,既能加深学生对所学课程知识的理解,也有利于其英文表达能力的提高。

(4) 案例驱动法。将有意义的案例贯穿在教学过程中,培养学生的兴趣,提高学生分析问题、解决问题的能力;

(5) 课后小组讨论。每6～8位同学分为一组,实行小组长负责制,组织学生讨论和解决学习中遇到的问题,交流学习心得,一方面起到温故而知新的作用,同时培养团队协作精神。

3.2实践教学

由于学生的英语水平、专业基础知识以及知识面都有差别,因此教师必须因材施教,培养学生的兴趣。实践课题来源于实际工程,将CDIO理念贯穿于实践教学过程中,提高学生综合创新能力与团体协作精神。

(1) 实验题目多样化。学生可以选择,也可以根据老师的要求自己构思,以培养学生的兴趣与查阅资料的能力。

(2) 分工与合作。来源于工程实践的题目,学生通常很难在短时间内独立完成,因而需要分工合作,培养学生的协作精神。

(3) 整体设计方案的灵活性。学生领会题目本意,自主设计解决方案,培养学生分析问题、解决问题的综合创新能力。

(4) 编程实现。培养学生的编程能力,形成科学的编程风格。

3.3考核方式

(1) 多种形式的平时测试(30%)。主要包括平时测验、讨论、作业等。主要考察学生对基本知识的掌握,英文表达能力以及知识面的拓宽等。

(2) 实践教学(30%)。主要考察学生对实践题目的理解、整体方案的设计、团队间的协作精神以及实现结果等。

(3) 期末考试(50%)。试题全部用英文形式出现,鼓励学生用英文作答。

人工智能课程采用双语教学,可以使学生最准确地理解专业知识,又可以使英语和专业课的学习相互促进。

4教学效果分析

课程结束后,我们对学生进行了教学效果讨论与调查,结果如表1所示。

从本课程讨论和调查的结果以及其他普通高等院校的双语教学调查结果可以看出,双语教学效果基本上达到了要求。但也存在一些值得思考的问题:不适应的人数比例偏高,专业知识的学习效果一般,甚至有学生因为跟不上进度放弃专业课的学习。为此,提出以下的建议:

(1) 加强学生认识。学生必须从思想上认识到人工智能双语教学的重要性,克服教学过程中的种种困难、持之以恒,主动与同学、老师进行讨论,密切关注学科发展动态。

(2) 提高实施条件。双语教学过程中,学生是主体,教师是关键。因此,要求老师要有较高的专业知识和英语水平,学生要有较好英语基础。

(3) 完善教学体系结构。双语教学在我国还处在探索阶段,因而必须在教学实践过程中不断地改进完善双语教学的体系结构。

只有解决好这些问题,才能培养出更高素质的复合型人才,适应国内外科学与经济发展的需要。

参考文献:

[1] Nils J Nilsson. Artificial Intelligence A New Synthesis[M]. 北京:机械工业出版,2002.

[2] 蔡自兴,徐光v. 人工智能[M]. 北京:清华大学出版社,2003.

[3] 贺志荣. 双语教学的实践与思考[J]. 黑龙江教育:高教研究与评估版,2008,62(10):45-46.

[4] 王树根,姜昕. 我国双语教学的历史发展阶段综述[C]. 安徽黄山,2007年全国测绘学科教学改革研讨会,2007.

[5] 汤东. 中外高校双语教学模式的比较研究[J]. 黑龙江教育:高教研究与评估版,2008,62(11):69-70.

Exploration and Practice on Bilingual Teaching Architecture for Artificial Intelligence Course

LI Zhu-lin, HAO Ji-sheng, MA Le-rong