前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能課程總結主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能課程總結范文

>> 研究生人工智能系列課程教學改革 研究生人工智能課程教學探索 研究生“人工智能”課程教學改革探索 人工智能實驗課教學改革研究 人工智能課程全英文教學改革 創新型人工智能教學改革與實踐 《人工智能》碩士課程教學改革的研究與實踐 落實科學發展觀,深化“人工智能”課程的教學改革 面向人工智能的信息管理與信息系統專業教學改革 人工智能課程教學方法研究 人工智能的應用研究 日本巨資扶持人工智能研究 人工智能系列課程研究 高中人工智能教學初探 《人工智能》雙語教學初索 人工智能雙語教學建設 人工智能實驗教學探討 “人工智能”之父 人工智能 AI人工智能 常見問題解答 當前所在位置：l(美國人工智能協會)、caiac.ca/(加拿大人工智能協會)等，它們包括了學科前沿動態、討論交流及大量的代碼資源等。通過使用這些資源，學員可及時了解人工智能最新發展動態，進行人工智能程序設計的交流及對一些問題進行較為深入的探討。

2教學方法研究

研究生教學應更突出學生的主體地位，注重發揮其學習的主動性和自覺性，為此，課程組結合課程特點，在教學方法進行了如下探索。

2.1加強教學設計

教學設計就是對教學活動進行系統計劃的過程, 是教什么(課程內容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學過程中，每節課授課前，堅持集體備課的原則，由課程組集體討論選定授課內容，補充閱讀文獻，根據授課對象與課程內容特點，確定課堂組織方式，采用的授課方式以研討式教學為主，給合講授、實驗、自學等。

2.2抓好課堂教學環節

教學方法與教學手段是保證課堂教學效果的關鍵。本課程授課對象主要為碩士研究生，他們的接受能力較強，有一定的求知欲。由于學員人數較少，授課方式可靈活組織。教室有完備的多媒體設備，基本的軟件實驗環境，教學過程可采用靈活教學方法、多種教學手段，提高教學效率，保證授課質量。

1) 以研討式為主的教學方式。研究生教學應堅持學術研究為導向，發揮學員在學習過程中的主動性和自覺性。由于研究生學員有一定的學習基礎與自學能力，教員可以在課前給學員布置預習內容，學員通過查閱資料、分析整理進而形成自己的觀點，使在課堂教學中師生互動交流成為可能，改變傳統的教員講，學員聽的灌輸式教學方式。研討式教學也有力于培養學員積極思考、創新思維的習慣與能力。

2) 教學手段的信息化。人工智能原理教學一個突出矛盾是知識點多、內容抽象、理論性強，但學時較少，因此，必須發揮現代教學手段的作用，提高教學效率。為此，課程組對每節課都精心設計了教學課件，課堂教學中以課件為主，輔以板書，充分利用多媒體信息量大、直觀等優點，改善教學效果；引入教學聲像資料，便于學員課下學習；設計演示程序，使部分比較抽象、不易于理解的內容，如子句歸結、搜索策略更形象直觀，易于學習和掌握。

3注重培養學員學術研究能力

學術能力是指專門對某一學問進行系統的哲理或理論研究的能力，它不僅包括思辨的方面，還包括實踐及感性的敏感力等方面。研究生階段學習的一個突出特點是要求學習的主體――研究生必須具備研究的能力[3]。論文寫作是培養、鍛煉、提高研究生的學術能力的重要途徑，在教學實施過程中，要求每個專題學習結束后，都要提交一份格式符合期刊發表要求的總結報告，題目可自行選定，也可由教員指定；內容既可以是人工智能該專題某一算法的實現，也可以是對某一問題的進一步研究，或者是對該專題最新研究進展的綜述。教員重點在以下幾個方面予以指導。

1) 選題準確。要求選題不能過于宏大，應以小題目反映大問題，具有一定的可研究性為宜。

2) 研究內容。研究目標明確，方法恰當，能夠提出自己的見解，所提觀點正確。

3) 論文結構。結構清晰、完整，論述嚴謹，表達規范。

4) 占有文獻豐富。撰寫過程中要有意識培養學員查閱科技文獻的能力，要求查閱反映最新研究成果的權威文獻。

4加強實驗環節教學

人工智能教學在進行各種理論知識講授的同時，還應重視實踐教學，把抽象的知識轉化為形象、直觀的實驗，讓學員真正理解人工智能的概念、本質、研究目標，從而提高學員多角度思維的能力和邏輯推理能力，進一步了解信息技術、計算機技術發展的前沿，培養他們對人工智能研究的興趣，激發對人工智能技術未來的追求。為此，課程組借鑒國內外知名大學人工智能實驗教學經驗，編寫了《人工智能原理實驗指導書》，圍繞問題表示、經典邏輯推理、不確定推理、搜索策略及簡單專家系統實現等教學內容提供了7組實驗供學員選擇。

例如，在狀態空間搜索一節教學過程中，先完成理論部分的教學，使學員對狀態空間基本概念、問題表示及求解方法有一個準確的認識，然后進行實驗教學。由學員自主完成重排九宮問題求解的程序，初始狀態和目標狀態如圖1所示，調整的規則是，每次只能將與空格(左、上、下、右)相鄰的一個數字平移到空格中[4]。實驗過程重點指導學員掌握狀態空間進行問題求解的關鍵步驟：問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序實現的數據結構，基本信息有初始狀態集合、操作符集合、目標檢測及路徑費用函數，數據結構可采用向量、鏈表等形式；搜索策略可分為盲目式搜索和啟發式搜索，可按照先易后難的原則，先實現盲目搜索中的廣度優先及深度優先搜索，在此基礎上再定義估價函數實現啟發式搜索。而在啟發式搜索實現過程中，又可以通過定義不同的啟發函數：如某狀態格局與目標節點格局不相同的牌數、不在目標位置的牌距目標位置的距離之和等加以比較，準確理解啟發函數的意義。通過實驗，學員加深了對課堂講授的理論知識的理解，能夠熟練地將狀態空間法運用于實際問題的求解，提高了工程實踐能力。

實驗教學組織方式可根據具體的實驗內容特點，采用上機編程實驗、演示程序驗證、模擬平臺開發、分組討論等多種形式進行。

5適度開展雙語教學

研究生的英語基礎普遍較好，基本都通過了國家公共英語四級考試，部分學員通過了六級考試，加之在本科階段還開設了專業英語課程，因此，在培養研究生人工智能知識的同時，我們要提高學員閱讀原版英文資料、用英語進行簡單科技寫作及對外學術交流的能力，適度開展雙語教學，對此，我們可采取以下基本方式。

1) 專業術語全部用英語表示。

在教學過程中用英語表達人工智能原理中的專業術語和主要概念，如Knowledge Representation(知識表示)、Depth-First Search(深度優先搜索)、Breadth- First Search(廣度優先搜索)等。

2) 以英文原版教材為教學參考書。

選定機械工業出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書，該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點，又給出所有技術的實用指南[5]。”

3) 加強英文文獻的閱讀。

在課程論文撰寫時，要求閱讀一定數量的外文文獻；在討論課中，鼓勵學員使用英語進行討論。

經過課程學習，學員都能準確掌握人工智能學科專業詞匯，英文運用能力得到一定提高，能較自如地閱讀原版英文專業資料，為進一步用英文進行學術交流及學術論文寫作打下基礎。

6考試與成績評定改革

考核方式采用傳統的試卷與課程論文、實踐環節等三部分組成，全面考查學員對基礎理論知識掌握情況以及理論聯系實際的能力，其中試卷占70%，課程論文占10%，實踐環節占20%。課程論文題目不作限制，由學員在課程學習階段結合某一專題選定題目，課程論文以選題意義、研究內容、論文結構、參考文獻及撰寫規范等指標為評價依據；實驗成績采用實驗過程考查、實驗結果驗收和實驗報告評閱相結合的考核方法，綜合評定。這樣做不但考核了學員人工智能基本理論掌握情況，也反映了學員的學術研究能力和工程實踐能力。同時，考核結合實際教學進程，改變了單一課終總結性考核的弊端。

7結語

經過課程組近兩年的教學方法研究與教學實踐，研究生人工智能原理課程教學收到較好的效果，但仍存在一些問題，如在課堂討論環節，個別學員準備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻綜述不夠全面、準確，論文格式不夠規范等。在今后的授課中，課程組將根據授課研究生人數較少的特點，采取明確每名學員預習重點、加強課程論文交流等方式予以改進，力求取得更好的教學效果。同時，進一步充分利用便利的校園網平臺，開展“人工智能原理”網絡課程建設，購買或自主開發網絡教學資源，引導學員利用網絡資源進行個性化自主學習，增強教學過程的信息化程度。

參考文獻：

[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學出版社,2002:1.

[2] 李志厚. 國外教學設計研究現狀與發展趨勢[J]. 外國教育研究,1998(1):6-10.

[3] 肖川,胡樂樂. 論研究生學術能力的培養[J]. 學位與研究生教育,2006(9):1-5.

[4] 周金海. 人工智能學習輔導與實驗指導[M]. 北京:清華大學出版社,2008:204.

[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業出版社,2009:754.

Reform on Postgradrates Artificial Intelligence Course Teaching

TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei

(Department of Computer Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)

第2篇：人工智能課程總結范文

關鍵詞： 游戲開發 人工智能 教學方法

1．背景

隨著互聯網時代的到來，人們的生活方式發生了許多重大的變革，其中之一便是網絡游戲的盛行。如同雨后春筍般冒出來的網吧，以及快速增長的PC，使得人們接觸到互聯網的機會越來越多，這就為網絡游戲的傳播與發展創造了可能。一方面，數量龐大的網民群體中，年輕人占了絕大部分，網絡游戲豐富了社會公眾的文化娛樂生活，深受廣大年輕人喜愛，這更促進了游戲產業的蓬勃發展。另一方面，現代社會生活節奏加快，人們壓力日益增大，許多人傾向于在網游中尋求安慰，釋放壓力，因而全球市場對于網游的需求有增無減。同時，隨著科技的發展和人們對游戲越來越高的要求，游戲逐漸向真實體驗、感覺、觸覺等人性化發展，讓玩家有身臨其境的感覺，在整個游戲過程中得到享受游戲的一種特別的快樂和放松。［1］

近年來3D影像和仿真科技的不斷發展，讓游戲開發人員得以創建出更吸引人、更令人沉迷其中的游戲環境。然而要做出更能令人流連忘返的游戲就得應用人工智能（AI）。AI的應用使游戲角色能夠任意走動、角色可以走進障礙物、能夠控制非玩家角色是否按照團隊運動等，同時，AI還能延長游戲的生命周期，讓游戲更加有趣和更具有挑戰性。

AI能夠處理游戲角色的追趕、躲避、聚集、避障和尋徑問題；AI給游戲角色賦予模糊邏輯和有限狀態機等基于基本規則的推理能力；AI腳本可以擴充AI引擎，讓設計者和玩家更好地設計和玩游戲，等等。因此，將AI應用在游戲開發中以設計實現游戲角色的各種行為勢在必行，有著重要的現實意義。

2．教學內容及其特點

本系人工智能課程的教學內容主要是處理追趕、躲避、聚集、攔截和避障等問題，使用經典A*算法及其改進算法解決尋路問題，以及有限狀態機，等等。本文主要針對游戲中游戲角色的尋路問題進行探討。游戲設計中游戲角色的尋路問題是設計的關鍵，傳統的方法是應用A*算法及其改進算法等來實現游戲角色的尋路問題，目前逐漸有學者應用神經網絡、遺傳算法、粒子群算法等智能算法來實現游戲角色的尋路問題。如：迷宮尋路游戲中《幫助Bob找到回家的路》應用遺傳算法，《智能采礦》游戲中應用神經網絡，用粒子群實現坦克大戰游戲，等等。嘗試應用魚群算法、螢火蟲算法等智能算法求解游戲角色的尋路問題中，以實現游戲的更加智能化、人性化，同時，新的仿生算法的學習和應用能吸引學生的學習注意力、增強學生的學習興趣。

智能算法是解決智能計算問題的方法，已成為人工智能界一個研究的熱點領域，研究的最終目標就是為了讓計算機和集成有計算功能的各種工具及設備更加獨立、更加聰明，能夠自主思考和行動，最終成為我們工作和生活中必不可少的一部分。智能算法主要包括：人工神經網絡、進化算法、人工免疫算法、模擬退火算法、蟻群算法、粒子群算法、蜂群算法、人工魚群算法、人口遷移算法、人工螢火蟲算法等。［2］智能算法是一類仿生算法，就是向自然界學習，采用類比的方法，通過模仿自然界中動物飛行、覓食、求偶等行為以得到解決問題的一般方法，如蟻群、粒子群、蜂群、魚群、螢火蟲算法等。此外，還有很多智能算法通過模仿一些自然或物理現象和規律，如模擬退火算法通過模擬液體的結晶過程設計，免疫算法是模擬生物、植物或動物免疫系統自適應調節功能設計的，人工神經網絡是模擬人的大腦結構及信號處理過程而設計的，進化算法是基于達爾文的“優勝劣汰、適者生存”原理設計的。［3］

針對本系人工智能課程的教學內容，建議補充人工智能中幾種簡單的智能算法的知識點，選取相關人工智能教材的一些內容結合智能算法進行教學。

3．教學方法

針對人工智能課程內容，根據高校教育規律、高校學生學習的特點，采用教學、實踐相結合的教學方法，大小課結合，大課講授理論知識，小課進行課堂實驗，小課的課堂實驗中嚴格要求學生親手編寫代碼，應用大課所學理論知識完成簡單小游戲以實現理論和實踐知識的掌握。同時，借助游戲系的優勢，制作動漫，采用動漫技術來實現人工智能中各種算法的仿生機制，讓學生深刻體會每一種算法的原理和仿生機制，這樣能增強學生學習人工智能課程的興趣，可以取得更好的教學效果。

4．教學效果評價方法

人工智能這門課，最重要的是注重學生對人工智能理論及在游戲中應用的知識和能力的培養。因此，本課程學習結束后主要采用以下方式進行考查：（1）閉卷考試。主要考查對人工智能理論的理解、掌握和綜合運用能力。（2）課堂練習。要求對課堂上介紹過的算法理解、分析、應用，編程實現游戲中的某個功能，最終課程結束時能完成一個功能完整的小游戲。（3）大作業。檢查學生的動手編程能力，要求從介紹過的算法中找一種算法實現一個小游戲中游戲角色的移動、尋路等行為，形成一個演示游戲。該門課成績分配如下：成績=閉卷考試（70%）+課堂練習（10%）+大作業（20%）。

5．結語

人工智能是隨著計算機技術的飛速發展和人們對自然界的深入理解而發展起來的，人工智能的應用逐漸廣泛。游戲開發中人工智能的應用實現了游戲逐漸向真實體驗、感覺、觸覺等人性化發展，讓玩家有身臨其境的感覺。因此，在網絡游戲相關專業開設人工智能課程勢在必行，有著重要的現實意義。

參考文獻：

［1］周樂.韓國游戲產業概況..

第3篇：人工智能課程總結范文

【關鍵字】人工智能；課程改革；高中；信息技術；課程實施

【中圖分類號】G420 【文獻標識碼】A 【論文編號】1009―8097 (2008) 10―0043―04

教育部在2003年頒布的高中信息技術新課程標準中，首次把“人工智能初步”設置為選修模塊，與多媒體、網絡、程序設計、數據庫技術等一起列入信息技術課程體系[1]。此舉曾被視作信息技術課程改革的亮點之一。然而，在如今高中信息技術新課改已經全面鋪開之際，人工智能選修課程的推進仍然舉步維艱，面臨諸多困難和問題。

一 高中人工智能課程的現狀分析

自2004年我國部分省級實驗區開始推進高中新課程改革以來，信息技術課程改革已經開展了四年之久。從目前的總體情況來看，信息技術課程的基礎模塊與多媒體技術、網絡技術、算法與程序設計三個選修模塊的實施情況較好，而數據庫技術與人工智能初步兩個選修模塊的推進情況相對不佳。特別是人工智能課程，至今在全國范圍內正式開設該課程的學校寥寥可數，少數高中展開了一定的探索和實驗，而大多數學校仍持有觀望態度。以下分別從實施取向和實施層次的角度分析該課程的現狀：

（1） 課程實施的取向

由于我國長期以來實行的是全國統一的課程與教材，按照統一規定執行教學計劃，對學校和學生的評價也是按照統一標準與方式實施的，因此我國以往的課程實施基本上都采用了忠實觀的取向[2]。本次新課改中信息技術課程的實施過程難免受到這種取向的影響。然而，新課程標準中對信息技術技術各個模塊的具體實施并沒有明確而詳細的規定，從而使教師對包括人工智能模塊在內的課程實施缺乏長期慣于依賴的參照和依據，增加了課程實施的難度，造成部分模塊的課程難以開設的情況。

（2） 課程實施的層次

課程實施包括五個層面的變化，即教材的改變、組織方式的改變、角色和行為的改變、知識與理解的改變、價值的內化[3]。目前高中人工智能課程在教材改變的層面已經做出了一定的努力。在課程標準的指導下，現已出版的五套教材在體例、版面、學習活動、評價等方面進行了多樣化的設計，基本上貫徹了新課標所倡導的課程目標和理念。在組織方式的層次，少數已經開設人工智能課程的學校結合學生的興趣與學校的實際情況，有針對性地開展了課程的組織。然而，仍然有一些地區或學校不愿或不習慣打破原有的課程組織方式，而是采用硬性規定的方式，人為指定兩三門課程，將選修變為必修，限制學生的自由選擇，依然維持原有的固定班級授課的形式。教材的改變僅僅是課程實施的開始，在組織方式、角色或行為、知識與理解、價值等層次，大部分學校還未發生變化或變化還很小。

（3） 課程實施的典型個案

目前國內開展人工智能課程教學或實驗的典型學校如表1所示。總體來看，這兩所學校都地處東南沿海地區，且學校本身比較積極參與高中新課改的實踐探索，屬于“敢于吃螃蟹”的類型。考慮到課程本身的要求較高，兩所學校都選取了基礎較好的學生開展教學。到目前為止，兩所學校均已開展了三期的教學或實驗探索，任課教師及時總結教學心得體會，并在相關教學刊物或課程研修活動中與廣大一線教師分享教學經驗。

二 高中人工智能課程的影響因素

根據Snyder的研究，可以把課程實施的影響因素歸納為四個方面：課程改革自身的性質、校區的整體情況、學校的水平以及外部環境[4]。結合高中人工智能課程的現狀，本文分別從以上四個方面來探討影響該課程的主要因素。

（1） 課改自身的性質

課程改革本身的性質是影響課程實施的第一要素。它包括課程改革的必要性及其相關性、改革方案的清晰程度、改革內容的復雜性以及改革方案的質量與實用性。結合信息技術新課程改革的相關調查研究，廣大信息技術教師和教研人員對課改的必要性應該認識得比較到位，然而他們對信息技術課程中是否有必要單獨開設人工智能模塊存有疑惑。其次，不少教師對課程改革方案（課程標準）的認識并不是非常清晰。他們認為新課程標準中的教學理念、實施建議等內容相對抽象，不易把握和理解，缺乏具體的針對性，可操作性不強。再次，人工智能課程的實用性相比其他模塊并不明顯，課程內容也相對難度較高。這些因素造成課程設置的必要性不強、實施難度大、實用性不高，直接影響人工智能課程在學校的順利設置。

（2） 校區的整體情況

校區的整體情況主要包括地區的適應性、地方管理部門的支持、教學隊伍的培養、教學研討和交流等等。各地區對課程改革的需要程度會直接影響人們實施課程的積極性和主動性。我國東西部地區的學校對課程改革的需求程度不同，從而造成了課程實施的地區差別。從目前開設人工智能課程或教學實驗的學校來看，均分布于東南沿海較為發達的地區。這些學校的共同特點是基礎條件較好，對課程改革的積極性高，敢于進行教學嘗試和革新。此外，地方管理部分的支持對課程實施也有很大影響，如廣東省為了推動信息技術課程改革，專門出臺了關于課程標準的教學指導意見[5]。其中強調“要特別注意人工智能初步”，并針對人工智能課程提供了較為具體的教學建議，從而促使該省出現了全國最早正式開設人工智能課程的學校。師資隊伍也是影響課程的因素之一。目前大多數高中缺乏熟悉人工智能課程內容和教學方法的專業教師，使得學校無法開設該課程。因此，有關人工智能課程的研討和學習交流顯得尤為重要，然而目前這些方面的活動總體上相對缺乏。

（3） 學校的水平

學校水平對課程實施的影響因素包括校長的作用、教師的個人特征和教師集體的行為取向。學校是課程改革的基本單位，校長和教師是學校課程改革的動因。校長對課改理念的理解，以及對課改的支持、參與程度都會影響課程的順利實施。校長通常會根據上級主管部門的意見，結合本校的實際情況，權衡課程改革可能對學校形成的各種影響。在高考的影響下，信息技術課程在高中各科中長期存在地位“低人一等”的現象，甚至出現課時常被“侵占”的現象。如果校長對信息技術課程本身不重視，那么要求學校開設人工智能選修課無疑是一種奢望。此外，一所學校教師個人和集體的改革意識的強弱也會影響課程的實施。從人工智能課程的現狀來看，恰好印證了這一點：改革意識強的教師個人或教研組即使沒有上級的硬性指令，也能積極展開各選修模塊的教學嘗試和探索，并自覺地從教學者成長為研究者，而思想保守的學校即使具備了課程實施的基本條件，也不愿積極開設相關的選修課程，長期停留于課程的“忠實執行者”的層次。

（4） 外部環境

外部環境因素主要包括政府部門的重視、外部機構的支持以及社區與家長的協助。各國課程改革的經驗表明，教育行政部門和相關機構的態度在很大程度上影響到新課程的順利實施。特別是我國長期以來受到前蘇聯教育模式的影響，課程改革通常是自上而下的模式，新課程的實施主要依靠各級政府教育行政部門的政策和指令的推動。本次新課程改革同樣繼承了這一模式，但是整個教育體制和評價體系未能及時進行相應的調整，因此在某些方面造成各級教育部門的政策抵觸，出現“上有政策、下有對策”的情況。此外，社區與家長對新課改的認識和態度也影響到人工智能課程的實施。研究表明，社區與家長更加關心的是新課改是否有助于提高學生的學業成績，是否會給學生造成更大的負擔，而對學生能力的全面發展和個性的培養則是其次的考慮。因此，要使社區與家長認識和了解課程改革的意義和目標，引導其關心新課程、支持新課程才能更好的促進新課改的健康發展，進而才可能使得包括人工智能在內的高中各科選修模塊得以全面開設與實施。

三 高中人工智能課程的反思

通過調查訪談以及與相關授課教師的交流，筆者了解到高中人工智能課程的教學情況和教師的經驗體會。總體來說，該課程的推進情況不如預期理想，需要從課程的設計、管理、教學以及評價等方面進行反思。

（1） 課程設計

本次高中信息技術課程改革將原來的一門課程分解為1個必修模塊和5個選修模塊，從而給學生提供多樣化的選擇。“人工智能初步”選修模塊是作為智能信息技術處理專題設置的，以反映信息技術學科的發展趨勢，體現教育的時代性要求。課程設置的目的在于使學生在技術掌握與使用的過程中，逐漸領會信息技術在現代社會中的應用以及對科學技術和人類發展的深遠意義[6]。然而，以上的描述更多是該模塊的隱性價值，相比其他模塊該課程的顯性價值并不是很直觀。而一線的信息技術教師較多關注的是該課程的顯性價值：課程能給學生帶來些什么？學生的實踐能力能否有較大提高？教師們在沒有找到一個合理的價值依托之前，一般不會貿然開課。這一點值得課程設計者和教研人員的深刻思考。

通過網絡問卷調查，不少教師認為人工智能課程在高中開設是有一定必要性的[7]，但并不意味著所有的學生都需要學習該課程。課程應面向對人工智能有一定興趣的學習者，且最好有一定的基礎。事實上，相對于其他選修模塊，選擇人工智能課程的學生并不是很多。因此，結合我國目前的情況，可以考慮優先在發達地區條件較好的部分學校開設，再進一步利用其示范作用，以點帶面，逐步鋪開培訓、指導、交流的規模和影響面，積極穩妥地推進高中人工智能課程的建設。

（2） 課程管理

課程的有效管理有助于提高課程實施的質量。上個世紀90年代以來，我國的中小學課程由原來的中央集權管理體制逐步轉變為國家、地方、學校的三級管理體制。國家負責課程的總體規劃，省級教育部門結合本地區實際制定課程計劃或實施方案，而學校也將有權根據學校傳統或學生興趣開發適合本校的課程。目前人工智能課程雖然已被列入國家課程標準，但在地方管理層面并未得到應有的認可。部分地區考慮到高考因素，直接將人工智能模塊排除在學生的選擇范圍之外，無疑成為阻礙該課程順利實施的一個重要原因。

目前我國高中了解熟悉人工智能教學內容、方法的教師十分缺乏，相關教育主管部門需加強該課程的師資培養，邀請教材編寫人員和相關專家，積極開展各級培訓、研討和交流活動，以務實的態度來聽取學科教師的意見，為他們提供一些明確的、可操作的指導和建議。也可以開展優秀教學案例的征集和評獎，通過公開課的觀摩和點評活動，或吸納中學教師參與有關課程改革和教學研究的課題，以此提高教師參與改革的積極性。此外，國內高等師范院校信息技術相關專業應該對新課改作出及時的反應，針對高中信息技術各選修模塊為師范生開設相關的課程，為課改的成功實施提供后備師資力量的支持。

（3） 課程教學

從已開展的人工智能課程教學或實驗情況來看，主要的教學體會包括：教學對象選取時要有針對性，不宜硬性指定，應結合學習者自己的興趣和學習基礎供其自由選擇；由于課程的理論和技術的要求較高，不宜大量采用“講授法”進行教學，應設計一些有挑戰性的活動供學生實踐；為保證教學進度有序進行，可通過課堂小測及時鞏固所學內容；應提供良好的網絡條件和計算機設備以支持課程教學和實踐的順利開展。

國外一些高校通過遠程網絡的手段與中學合作開展人工智能教學，加快了課程建設的步伐，并提高了教學質量。大學負責教學網站的建設維護，主持與中小學的討論答疑，中學則負責課程教學的具體實施。文中個案也印證了這種做法的有效性：讓一些致力于高中人工智能課程研究的高校和部分條件較好的中學建立共同體，協作推動課程的實施。一方面，高校研究人員能為中學提供教學指導建議、技術和資源的支持；另一方面，中學的教學實踐也為高校進行課程教學研究提供了材料和依據。

（4） 課程評價

研究表明，評價目前已成為影響高中信息技術新課程實施的一個重要問題[8]。從本次課改的動因來看，針對我國現行教育體制下的高考選拔制度在很多方面呈現的弊端，新課改力圖在一定程度上改變這一局面，努力使學習者能夠真正獲得全面的發展。但是，在目前情況下以高考為“指揮棒”的評價體系短期內仍然無法發生質的變化。高中新課改實施以來，部分省份相繼將信息技術課程納入了高考的范疇，以往信息技術課程不受重視的情況逐漸得到了一些改善。然而，高考是否解決信息技術課程評價問題的一劑良藥，進而為人工智能課程的實施及其評價帶來新的希望，目前仍是值得懷疑和思考的問題。特別是當前高考科目已經較多，再增加科目無疑會加重學習者的負擔，且很容易回到應試教育的老路上。

其次，雖然新課程標準中提供了關于課程評價的建議，但是其中的內容仍然比較抽象，可操作性不夠。如在信息技術課程標準的評價建議中，提倡評價主體的多元化，關注學生的個別差異，綜合應用多種過程性評價方式，適當滲透表現性評價的理念，等等。這些內容從理念上來講都是很好的，但是如何在教學實踐中加以操作實施，對一線教師而言仍是不夠明確和難以把握的問題。而且，信息技術課程的每個模塊各有特色，然而課程標準并未就此提供專門的評價建議。因此，一套科學合理、適合人工智能課程的評價體系和方法仍需要教研人員在實踐中不斷摸索總結。

參考文獻

[1] 教育部. 普通高中技術課程標準(實驗) [S].北京:人民教育出版社,2003:9.

[2] 鐘啟泉. 課程論[M].北京:教育科學出版社,2007:207-214.

[3] Fullan, M. & Pomfret, A. Research on curriculum and instruction implementation [J]. Review of education research, 1997, 47(1).

[4] Snyder J.B. & Zumwalt K. Curriculum implementation [M]. In Jackson P. W. (Ed).Handbook of Research on Curriculum. New York: Macmillan Publishing Company, 1992.

[5] 珠海教育信息網. 廣東省普通高中信息技術課程標準教學指導意見 [DB/OL].

[6] 顧建軍等.技術課程標準(實驗)解讀[M].武漢:北教育出版社,004:9.

第4篇：人工智能課程總結范文

 

一、網站的構建 

 

1.網站框架設計 

我國高中階段人工智能教育還處于起步階段，據調查，全國已開設人工智能課程的中學不超過十所。事實上，對于人工智能這一前沿學科，大部分信息技術教師還缺乏足夠的了解，因此對于該課程的開設也一直處于觀望狀態。考慮到人工智能教育的實際情況以及網站的主要對象，我們以高中信息技術選修課教材《人工智能初步》為基礎，按教學內容設置和劃分欄目，同時又圍繞“學人工智能、教人工智能、用人工智能、機器人專題”四大專題進行內容重組。當然，網站的基本架構并非一成不變，它需要在實際應用中進行檢驗與修正，最終實現網站的完美架構。依據上述思路建構的網站基本框架如圖1所示。 

2.網站的欄目設計 

 

新聞欄目以圖文的形式人工智能發展的最新情況，這是激發并維持廣大師生關注人工智能的基礎，也是師生獲取最新信息的窗口。子欄目“中國動態”“歐美動態”等分別介紹了各地區最新的人工智能信息，尤其是機器人產品的新聞。子欄目“會議論壇”，“比賽通知”為師生、參與比賽提供服務。 

論文欄目是作為資源型網站的基礎。子欄目“教學研究”主要面向從事人工智能教育的研究者和教師，探討教學方法、分析教學案例、推薦教材和參考書，為更好的開展人工智能教學提供理論依據。子欄目“學習樂園”主要面向學生，展示活動實錄、闡述學習感受，聆聽專家意見，為更好的學習人工智能提供事實參考，教師也通過“學習樂園”來了解學生的所思所感所想。子欄目“賽事規則”介紹了各個地區和各級機器人比賽的一些規則，有利于師生更好的進行人工智能的教與學。 

資源、視頻、圖庫、酷站：這四個欄目是資源型網站的核心。尤其是資源模塊中的子欄目“電子書刊”“教學課件”“人工智能軟件”分別以不同的文件格式向師生提供教與學的資源，使其能快速準確地獲取符合需求的資源，免去了在因特網上盲目搜索出現大量冗余信息的麻煩。網站整合了文本、視頻、圖片等多媒體信息，以豐富多彩的形式呈現資源，增強了網站的吸引力和信息的可閱讀性。 

愛問欄目是作為學習型網站的基礎，也是本網站的一大特色。“愛問”是采用了模仿“百度知道系統”的程序設計，更注重知識的答疑解惑。我們將此欄目劃分為“學人工智能”“教人工智能”“用人工智能”“機器人問題”四個子欄目，師生可根據各自的需要進行提問、回答問題、搜索問題等操作。同時，設立了積分制，激發師生提問和回答問題的熱情。 

用戶中心欄目是學習型網站的核心。作為一個專題網站，必然要十分強調學習的功能。子欄目“網絡書簽”的功能可以使學習者記錄自己所瀏覽過的或所感興趣的網頁，便于在下次登陸后繼續學習。在子欄目“信息”功能中，學習者可以新聞、論文、資源、愛問等信息，待管理員審核通過后即可在網站中顯示出來。另外，教師也可在教學過程中通過此模塊要求學生提交作業，便于教師隨時隨地的批改作業。 

 

二、網站的訪問數據分析 

 

人工智能教育專題網站從開設至今將近8個月的時間，已經有超過1萬的獨立訪客訪問了本站，我們選取了最近訪問的2000位獨立訪客進行研究。通過對地域、被檢索方式、受訪頁面及回頭率的分析，可為網站下一步的改進與完善提供依據，為其他人工智能教育類網站的建設，在網站的用戶類型，網站的內容選擇與更新，網站的推介宣傳等方面提供參考與借鑒。 

 

1.地域分析 

在統計到的訪問該網站的地域中，國外共有12個國家訪問了本網站。國內除西藏、澳門之外，其他省份、直轄市、特別行政區都有訪問過本網站，這為我們今后在高中普及人工智能教育提供了有力的依據。但是，通過圖2的數據我們也可看到，各個地區間的訪問量差距較大，并且訪問量靠前的幾個省份基本上是沿海地區，而中部和西部地區的訪問量比較少，所以在今后的工作中不僅要加強網站本身的建設和宣傳，更要把人工智能教育的理念推廣到中部和西部地區，使那里的中小學師生也接觸人工智能的知識，激發他們對信息技術美好前景的向往。 

2.被檢索方式分析 

搜索引擎是網絡上最常用的獲取資源的方式。掌握用戶使用搜索引擎的情況，有助于了解網站的被檢索方式。統計搜索關鍵字的次數，有助于了解網站被檢索訪問的原因。在專題網站建設完成后，向“百度”、“Google”等大型搜索引擎系統提交收錄網頁申請是極其必要的，它有利于提高網站的知名度和訪問量。而在網站中增加“人工智能”，“prolog 源程序”等文字內容，將會有利于用戶在盲目搜索時能訪問到該專題網站。 

3.受訪頁面分析 

受訪頁面是指用戶訪問該專題網站時所停留的頁面。通過對受訪頁面的統計，使我們能夠掌握用戶相對較為關注網站的哪些內容。表1數據中“學人工智能”占23.82%，“資源下載”占了16.32%，表明用戶對人工智能的知識還不是很了解，對人工智能的認識還停留在“學”的層面，遠未達到“教”的程度。人工智能教育類網站在建設中，如果能提供大量的人工智能的基礎知識以及豐富的可下載資源，將會顯著提高網站的受歡迎度以及用戶的認可度。 

4.回頭率分析 

在網站訪問統計中，通常將距離上次訪問超過12小時的再次訪問記錄為一次回頭。通過對回頭率的統計（表略）看出該專題網站的粘性不是很高，尤其是3次回訪以上的用戶還不多。通過對部分用戶訪談后了解到，網站的更新速度慢，資源較少，內容偏難是其不愿進行多次回訪的主要原因。所以，人工智能教育類網站在維護期間要注意內容的時效性、豐富性、通俗性才能保證網站訪問的可持續性。 

 

 

三、網站建設的若干思考 

 

目前國內外有關人工智能的專題網站不多，針對人工智能教育的網站更少。在可供借鑒的成熟案例較少、研究又處于剛起步階段的情況下，有必要對我們的工作進行反思總結。通過上述訪問數據的分析，以及在人工智能教育專題網站建設的準備階段，實施階段及運行階段的實踐，我們認為在建設人工智能教育類網站時應當注意以下幾個問題。 

1. 充分關注用戶信息 

訪問量是綜合類或門戶類網站的生命線，應當盡可能地拓寬訪問者的類型與層次。但人工智能作為一門新興學科，其專題網站的學科性特點甚至比普通的專題學習網站還要突出，因此單從訪問量上來說，它是無法和門戶類網站相比的。所以在建設的初期首先就要考慮的網站的對象問題，也就是要關注哪類人訪問了網站。只有準確的掌握了用戶的信息才能更好提供用戶需要的資源。 

在這里，人工智能教育專題網站是通過以下三種手段來獲取用戶信息的。 

第一，用戶必須注冊才能訪問網站，注冊的內容包括年齡、身份、學歷，電子郵件等內容。 

第二，在網站中設立“網站調查”欄目，可以對“你是如何知道本站的”，“你覺得本站建設的如何”等內容教學在線調查。 

第三，通過“中國站長站”等專業的數據收集程序來獲取用戶基本信息，可收集到用戶地域、受訪問頁面、用戶回頭率等信息。只有掌握了準確的用戶信息，才能更好的為用戶提供服務。 

2.與用戶攜手共建網上資源 

人工智能的子學科門類眾多，僅高中教材《人工智能初步》中就有知識及其表達、推理與專家系統、人工智能語言與問題求解等多個主題。而且我國的人工智能研究相對薄弱，很多資料都是外文的。任何一個人要很熟練的掌握人工智能的各個內容是很困難也是不現實的。我們通過一年多的實踐也體會到，僅僅依靠課題組成員很難保證網站資源庫內容的全面性和針對性。所以在網站最新一次改版中，我們增加了用戶的信息功能，使得用戶自己可以新聞、添加文章，上傳資源，只要經過管理員審核即可在網站中顯示。 

另外，在人工智能教學過程中，我們也充分利用學生的優勢，要求學生以作業的形式提交文本和視頻資源，并將作業的數量和質量作為考察學生學習效果的一個指標。這些舉措保證了網站內容更新的時效性和內容的針對性。用戶所的就是用戶所關注的，用戶所關注的就是網站所要收集的。 

3.通過多種形式充分發揮網站作用 

目前，全國高中開設了“人工智能初步”選修課的學校極少，教師手頭上可供選擇的教材也只有5套。從專題網站上統計的數據來看，雖然網站目前的用戶主要是教師，但“學人工智能”頁面訪問量卻遠多于“教人工智能”。從這些情況看，單靠幾個人工智能教育類的專題網站無法從根本上解決高中人工智能教育現階段所面臨的窘境。所以，在條件允許的情況下，可以通過研修班、會議論壇等形式組織教師進行面對面的交流。 

例如，我們就在2007年5月25日至27日在浙江師范大學舉辦了全國首屆“高中人工智能課程研修班”，來自全國十個省市的70余位信息技術教師及教研員參加了研修班的學習。在研修活動中，教師不僅學習了人工智能的知識，也對人工智能教育的現狀及發展過程中遇到的問題做了充分了探討和交流。本次研修活動結束后，人工智能教育專題網站則成了學員們交換信息、交流體會、共享資源的有效平臺。 

 

四、結束語 

 

總之，借助專題網站的平臺作用開展各種活動，不僅彌補了人工智能教育網站缺乏面對面交流和互動的缺點，也為把網站資源建設的更具針對性提供了有效幫助。 

 

參考文獻： 

[1]張劍平. 關于人工智能教育的思考[J] .電化教育研究.2003，（1）. 

[2]曹瑞敏. “中國海”學生專題學習網站應用[J] .中國電化教育.2005，（5）. 

第5篇：人工智能課程總結范文

摘要：本文從計算機學科本科的教學理念出發，提出了從計算機學科分支的角度認知人工智能，組織并實施教學的方法。

關鍵詞：人工智能；綜合學科；計算機學科分支

中圖分類號：G642

文獻標識碼：B

1引言

目前國內流行的人工智能教材都是把人工智能學科作為由計算機科學、心理學、神經生理學、控制論、信息論、語言學等多種學科相互滲透的綜合學科加以介紹。這些教材核心內容雖然相同，但作者編寫教材的思路卻有不同，有些教材以智能體(agent)的觀點論述，還有一些教材以應用為目的來論述。這些教材對于各相關領域從事人工智能科研與工程的技術人員來說，是比較適宜的。但對于我國高等院校計算機專業的本科學生來講，卻存在一些問題。不僅是由于在一門課程中涉及眾多學科的知識，使學生難以接受，而且講授的角度不能與前期所學知識緊密配合，也增加了學習的困難。

人工智能是由多種學科相互滲透的綜合學科，但它是明確屬于計算機科學分支的學科。這是因為從功能上和方法上人工智能與計算機學科是一致的。實際上，人工智能不僅使用了許多其他計算機學科分支的技術，而且在發展過程中，也開拓了許多新的方法和技術，充實了計算機學科。若按計算機處理的對象來區分計算機應用的話，則可分為三個部分：數值計算、數據處理與知識處理，人工智能就對應知識處理工作。

對于我國高等院校計算機學科的本科教學來講，人工智能課程的課時一般只有40課時左右。以什么角度組織教材內容，提高教學效果，使學生較容易地理解和掌握人工智能的原理與技術呢？通過多年的人工智能教學實踐，我們逐漸總結出了進行人工智能教學的方法：既從計算機學科本科的教學理念出發，考慮人工智能這門學科的特點，以作為計算機學科的一門分支的角度認知人工智能，組織教材的知識架構并進行教學。用計算機學科的觀點分析人工智能的基本原理與方法時，重點強調的是這些基本原理與方法與其他的計算機分支的共同點和不同點。共同點是強調計算機學科的本質，不同點是強調人工智能的本質。

2計算機學科本科的教學理念

計算機學科本科的教學理念可以歸結為：傳授知識、提高能力、培養素質(包括專業素質與品格素質，專業課以專業素質為主)。其中，原來作為教育核心的知識現被看成是教育的基礎，即把知識作為載體，用來實現能力的提高，在潛移默化中實施素質教育。高等院校對學生能力的培養主要包括：學習能力、分析問題與解決問題的能力以及創新能力。對于本科學生，重在學習能力與分析問題與解決問題的能力，對創新只是培養興趣。素質是知識和能力的升華，計算機專業素質顯示的是這一領域的水平，素質水平的提升也將通過知識的增多和能力的增加體現出來。

3以計算機分支的角度認知人工智能

什么是人工智能？目前人們普遍接受的定義是：用機器來模擬人的智能，也就是用計算機來模擬人的智能。若以計算機分支的角度也就是用計算機學科的觀點看待人工智能，我們需從兩個方面加以說明。

首先，從計算機的能力，也就是它能做什么講起。用計算機解決某種問題，需要有三個基本的條件：第一，必須把問題形式化。第二，問題是可計算的，就要有算法。第三，問題要有合理的復雜度。人的智能所能解決的問題往往不能滿足這三個條件。因此，人工智能就是對于不能滿足這些條件的問題，通過使用它的技術和方法，使問題滿足這三個條件，由計算機去解決問題。比如，一般來講不可能將自然語言全部形式化，但人工智能使用一階謂詞邏輯表示自然語言的部分句子，并用算法進行推理，解決一定范圍的問題。另外，使用啟發式搜索可降低問題的復雜度，使問題在可能的范圍內得到解決。

其次，從計算機的核心技術加以闡述。用計算機解決問題是靠程序實現的，程序是什么？一本經典的計算機教科書的名字“算法+數據結構=程序”給出了解釋，這說明在計算機學科中算法與數據結構的核心地位，一般的計算機程序也確實可分成這兩個部分。而作為典型的人工智能程序可分成三個部分，控制部分(推理機)、規則庫和數據庫。其中，控制部分和規則庫對應于算法，數據庫對應于數據結構。實際上，控制部分由搜索策略和推理機制組成，規則庫是將一般計算機程序的算法中的與實際問題有關的知識抽出來單獨組成。而數據庫往往用來存放一些基本的事實和一些中間的結果，也常常采用知識表示的方法，因此，人們也經常把規則庫和數據庫合稱為知識庫。在人工智能程序中與算法與數據結構對應的正是人工智能的兩大核心：搜索和知識表示(包括推理)。

4以計算機分支的角度組織并實施教學

人工智能為了模擬人的智能，處理的對象是知識，知識處理則需采用知識表示。又由于往往沒有確定的算法，只能使用搜索。本文的觀點是人工智能課程的教學內容應以知識為主線，以知識表示和搜索為基石進行組織。

首先，教學的第一個核心是知識表示。知識表示就是研究用計算機來表示知識的方法，這些方法需滿足兩個條件：除了計算機可接受這個條件以外還要能刻畫智能行為。這是與一般的數據結構不同的地方。什么方法適合呢？由此引出了邏輯表示方法。

形式邏輯是關于思維的形式和規律的科學，數理邏輯從邏輯上講是現代的形式邏輯，是用符號和數學的方法來研究推理規律的學科。數理邏輯一般是指命題邏輯和一階謂詞邏輯。一階謂詞邏輯比命題邏輯表達能力強，邏輯的表達方式與人類的自然語言接近，因此，用一階謂詞邏輯作為知識表示工具容易被人接受。不僅如此，由一階謂詞邏輯表示已知條件和所要證明的定理，使用歸結原理則可建立計算機程序實現自動定理證明(半可判定算法)。這一過程是在Herbrand定理的基礎上得以成立的。由于人工智能中的許多問題都可以化成類似于定理證明的問題，因此可以把與Herbrand定理有關的一系列工作看成是表示和推理的理論基礎。評價知識表示方法的性能，即要考察表示能力，又要考慮是否有效地支持知識的推理。顯然，具有充分的表示能力又有堅實的理論基礎的表示方法是最使人放心的，一階謂詞邏輯恰好滿足這一條件。

在這一部分的講授中，將通過一系列的演變過程，展現出如何將一組謂詞公式轉換成子句的集合，又如何通過使用置換與合一的手段，達到可以應用歸結推理規則，而最終得到證明的目的，而這一切又都是在有嚴格的定理保證之下完成的。這些內容的講授，對于培養學生嚴緊的邏輯思維能力是一個極好的實例。

邏輯表示與歸結推理方法是知識表示的基礎部分，用來說明人工智能系統進行推理的原理。而作為真正最實用的產生式表示法將通過Horn子句的正向推理和反向推理過程引入，產生式表示法中的帶與不帶變量的正、反向推理相當于命題邏輯和一階謂詞邏輯層面的Horn子句的正、反向推理。作為結構化表示的語義網絡和框架表示法也以一階謂詞邏輯為基礎，它們均可轉變成為等價的一階謂詞邏輯的表示形式。

在教學中，關于其他知識表示方面的內容，比如：產生式規則、語義網絡、框架，都以一階謂詞邏輯為基礎給以說明。關于產生式表示法在人工智能的心理學認知體系結構中，被看成是人的思維中因果關系的一種反映，而在本文中則看成是一種類似于Horn子句形式的一種表示。在講授時將這些內容作為一個整體，說明原理與實用方法之間的關系，根據實際問題的需要，可以降低表示的能力。而另一方面，為了解決實際問題，可以擴充表示的能力。

一階謂詞邏輯表示的能力雖然在通用的表示法中是最強的，但是知識與客觀真理不同，它總是局部的、片面的或表面的，這在常識中尤為明顯。在解題過程中還會不斷地更新，知識表示要適應這個特點，采用經典的一階謂詞邏輯表達有困難，這就需要用非單調邏輯來表達。另一方面，在人工智能處理的信息和知識中，存在大量的不準確、不完全、不一致的地方，這又需要研究關于不確定性知識的表示和推理的研究。實際上，非單調邏輯和不確定性推理部分在教學中將作為知識表示的擴展加以介紹。機器學習作為人工智能的重要組成部分，它的主要方法都是基于歸納推理，也可以看成是非經典邏輯的應用。

人工智能教學的另一個核心是搜索問題。一般來講，用計算機求解問題，就是用已知的知識，對于給定的數據進行加工，期望得到解答，其解法則由某種程序來表述。其他的計算機分支處理的問題，往往知識比較充分，例如多數的科學計算問題，就可以在看到數據以前根據知識寫出程序，這個程序對于一切數據都是適用的。而人工智能處理的問題知識不夠充分，或程序太復雜，此時可以寫出一個元程序，對于給定的數據，它根據知識，做出一個程序專門加工這些給定的數據。這時，這個元程序可以通用于一大類知識，通常并不包含領域知識的具體細節，因此，對于這個元程序的研究就脫離了問題的具體領域，成為人工智能內部的課題，這正是搜索。

在教學中，通過掌握知識的多少來講授各種不同的搜索。搜索是由于知識不足而產生的，同時搜索與知識是相輔相成的。當知識較多時，搜索的工作量不多，可使用一些盲目的搜索策略。當知識較少時，搜索的工作量較大，則需使用一些啟發式的搜索策略。啟發式搜索是搜索方法中需重點說明的，它起到了降低被求解問題復雜度，提高搜索效率的作用，但太強的啟發信息，往往找不到最佳解。如何能減少搜索范圍，提高搜索效率，而且還保證找到最佳解，這成為搜索方法應明確的問題。A*算法是N.J.Nilsson在20世紀70年代初的研究成果，他解決了這個問題，證明了A*算法的可采納性。類似于定理證明，在教學時也將A*算法及其有關證明看成是搜索方法的理論基礎加以介紹。

在搜索部分的教學中，除了把A*算法及其有關證明作為重點，當作是搜索方法的理論基礎來講解以外，還要給出若干搜索算法。一方面，這些算法說明了各種搜索的方法，另一方面，在這些算法中經常有一些算法細節抽象的技巧，對這些內容的細致分析，將會逐漸提高學生抽象思維的能力。

在實際的知識庫系統中，回溯和與或樹的搜索算法應用較多。而當問題的有關知識較少，規模大到一定程度之后，往往采用引進了隨機因素的搜索算法，比如：模擬退火算法、遺傳算法等。現在，這些算法一般稱為高級搜索，教學時作為搜索的擴展來講授。

人工智能技術方面的研究往往涉及各應用領域的課題。反映到教學中，就是人工智能的各個分支的介紹，這包括知識庫系統、自然語言理解、規劃、機器人等。

總之，教學內容可分成兩個部分，第一部分是基礎理論和基本方法，包括：邏輯表示與歸結推理方法、搜索原理，知識表示(包括產生式系統、語義網絡、框架)、推理(包括不確定性推理、非單調推理)、機器學習。第二部分是實用技術，包括知識庫系統、高級搜索、自然語言理解。

5結束語

經過長期的人工智能教學實踐，筆者逐漸形成了以計算機學科分支的角度來講授人工智能課程的思路。從學生的接受、理解和掌握人工智能的基本原理與技術方面來看，有較好的效果。但如何把計算機學科和其他人工智能所涉及的領域更完美地結合起來，較好地在教學效果與寬廣的知識面之間找到平衡點，還需今后進一步的研究與探索。

參考文獻

[1] 賁可榮,張彥鐸. 人工智能[M]. 北京:清華大學出版社,2006.

[2] 馬少平,朱小燕. 人工智能. [M]. 北京:清華大學出版社,2004.

[3] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2004.

[4] 馬希文. 邏輯?語言?計算－馬希文文選[M]. 北京:商務印書館,2003.

[5] 高濟,朱淼良,何欽銘. 人工智能基礎[M]. 北京:高等教育出版社,2002.

[6] 中國計算機科學與技術學科教程2002研究組. 中國計算機科學與技術學科教程[M]. 北京:清華大學出版社,2002.

[7] Stuart Russell, Peter Norvig. 人工智能－一種現代方法[M]. 北京:人民郵電出版社,2002.

[8] Nils J. Nilsson. 人工智能[M]. 北京:機械工業出版社,1999.

第6篇：人工智能課程總結范文

1 引言

近年來，任務驅動教學法越來越受到信息技術教師的青睞。教育部于2003年的《普通中學信息技術課程標準》在實施建議中指出：“‘任務驅動’教學強調讓學生在密切聯系學習、生活和社會實際的有意義的‘任務’情境中，通過完成任務來學習知識、獲得技能、形成能力、內化倫理。因此要正確認識任務驅動中‘任務’的特定含義，使用中要堅持科學、適度、適當的原則，避免濫用和泛化；要注意任務的情境性、有意義性、可操作性；任務的大小要適當、要求應具體，各任務之間還要互相聯系，形成循序漸進的梯度，組成一個任務鏈，以便學生踏著任務的階梯去建構知識。”然而在教學實踐中如何設計出恰如其分的任務，如何在任務驅動中更好地落實三維目標，是要解決的問題。

“用智能工具處理信息”是湛江市第二中學許淼淼老師執教的一堂示范課，該課在2010年第六屆廣東省信息技術優質課評比活動（高中組）中獲得一等獎。本課例以“憶上海世博，探智能奧秘”為主線，進行任務設計，是一堂“任務驅動”教學法的典型課例。

2 任務驅動教學的設計

2.1 教學內容分析

教師必須以課標為依據，對教學內容進行認真細致的分析，在充分分析教學內容的基礎上，確定一個單元或一個部分要求學生掌握的知識點。“用智能工具處理信息”是粵教版必修1《信息技術基礎》第四章“信息的加工與表達（下）”第二節的內容。課標要求學生通過部分智能信息處理工具軟件的使用，體驗其工作過程，了解其實際應用價值，提高對信息智能處理內容的學習興趣，從而為選修“人工智能初步”指引方向。對于本節內容，應以體驗為主，最后在體驗的基礎上進行認知和理解。

2.2 學生學習特征分析

本課教學對象是高中一年級的學生，這個階段的學生已經具有一定的邏輯思維能力和學習的自覺性，但還需要教師及時、合理、周詳地引導。通過前面階段的信息技術課的學習，他們已初步掌握一定的操作技能，能夠根據任務的需求，利用工具軟件處理信息。但是他們在自主思考方面還不主動、合作與探究的意識和技能等方面還比較欠缺。

鑒于本節課內容的前沿性和新穎性，教師完全可以放手讓學生自己去實踐，讓學生動手動腦，培養他們自主探索、勇于實踐的能力。通過合作交流，激發學生學習的興趣，提高學習效率。

2.3 確定教學目標

教學目標是指導教學過程設計與教學效果評價的依據。根據教學內容與學生學習特征，確定當前教學內容所要達到的目標水平，這是進行教學設計的首要環節。“用智能工具處理信息”中的教學目標如下：

1）知識與技能目標：①了解信息智能處理的方式；②感受信息智能處理的基本工作過程；③初步了信息解智能處理的工作原理；④體驗信息智能工具的應用價值。

2）過程與方法目標：①掌握簡單智能信息處理工具的使用方法；②通過完成任務，體驗人工智能的獨特魅力；③掌握分析問題、呈現觀點和交流思想的方法。

3）情感、態度、價值觀目標：①感受智能信息處理的魅力，形成對人工智能這一前沿技術的探索愿望；②體驗人工智能技術的實際應用價值。

2.4 教學重點、難點

1）教學重點：體驗信息智能處理工具的應用。

2）教學難點：理解模式識別和自然語言理解的工作原理。

2.5 任務設計說明

本課中，許老師以“憶上海世博，探智能奧秘”為主題，變人工智能由抽象到具體，任務探究活動貫穿整課堂，調動學生的學習熱情，使學生能主動參與、積極探索，掌握技巧的同時培養各種能力。本課中任務的設定由探究任務、繼續探究任務和拓展任務組成，層層遞進，體現了分層任務的概念，并且環環相扣，設計巧妙。

2.6 教學設計流程圖（圖1）

3 任務驅動教學模式的實施過程

3.1 創設情境，引入課題

【情境設置】播放視頻“世博會海寶博士與楊瀾的對話”。

【教師引入】大家思考一下，海寶博士是真人么？他是如何跟主持人交流的呢？

【學生討論】海寶博士不是真人，而是機器人，它植入芯片，有語音識別系統，是一臺高級的電腦……

【教師引申】我們大家說的這些都是人工智能的范疇，今天我們就共同學習如何用智能工具處理信息。（課件展示課題“用智能工具處理信息”）。

【設計意圖】通過智能機器人的演示，創設一種人工智能的神奇氛圍，使學生對智能處理信息有一個全面的認識，還可營造課堂氛圍和激發學生對智能技術的興趣。

3.2 感知體驗，啟發探索

探究活動一：體驗機器翻譯的樂趣

【活動背景】對于英語水平不好的學生來說，翻譯句子是件非常頭疼的事情，現在出現了翻譯軟件，可以幫助人們進行翻譯，但是它翻譯得好不好呢？就讓我們來體驗一下。

【活動任務】將學生分成兩組，分別打開Google在線翻譯和雅虎在線翻譯，分別將“城市，讓生活更美好”譯成英文再譯成中文然后再譯成英文。

【活動探究】是誰在給我們翻譯？為什么兩種翻譯軟件兩次翻譯的中文和英文會有這么大的不同？這些網站又是如何進行雙向翻譯的呢？

探究活動二：體驗手寫輸入的樂趣

【活動背景】用鍵盤錄入漢字對于同學們來講已經不是什么難題，但對于電腦初學者，漢字錄入是他們感到非常頭痛的一件事情。手寫板的出現令輸入漢字不再是一般人使用計算機的關卡，語音輸入更是手疾人士應用計算機時的必需。這里我們借助“微軟拼音2003輸入板”來體驗手寫板的神奇功能。

【活動任務】打開微軟拼音2003手寫輸入板，在桌面上建立記事本文件，內容為“城市，讓生活更美好”。

【任務探究】怎樣書寫漢字可以提高識別率？導致識別率不高的原因有哪些？

3.3 層層深入，探究新知

新知一：自然語言理解

回顧活動一：體驗機器翻譯的樂趣

【教師引申】很顯然，幾秒鐘之內就給出翻譯結果，不可能是人類，給我們翻譯的應該是機器。那為什么一般的工具又不具備翻譯功能呢？

【原理探討】機器翻譯智能工具，它屬于人工智能領域中的自然語言理解，但計算機不是人類，不能理解字里行間的意思，翻譯起來比較生硬，有時候翻譯得荒謬可笑。

【得出結論】下面請大家結合自己的英語知識對“城市，讓生活更美好”進行翻譯，并根據自己翻譯的過程推測出翻譯軟件的工作過程（如圖2所示）。

【概念理解】自然語言理解主要是指研究如何使計算機能夠理解和生成自然語言的技術。自然語言的理解過程可分為3個層次：語法分析、句法分析和語義分析。

【設計意圖】通過活動一的開展，使學生感受自然語言理解技術應用的魅力和價值，激發學習興趣。在已有體驗的基礎上提出概念，加深學生的理解。

新知二：模式識別技術

回顧活動二：體驗手寫輸入的樂趣

【教師引申】在剛才的活動中，同學們體驗了手寫輸入漢字的神奇效果，但是如果我們的書寫不規范，或我們寫的字字庫里還沒有，也是不能輸入的。

【原理探討】智能手寫輸入是人工智能技術的研究領域之一，它所采用的是模式識別技術。

【牛刀小試】接下來我們玩一個游戲“掌中寫字”：兩人一組，甲閉眼伸手，乙在其手心寫字，甲猜字，然后互換角色進行。思考人腦是怎樣猜字的？經歷了怎樣的過程？

【得出結論】根據人腦猜字的過程推斷手寫輸入軟件的工作流程，如圖3所示。

【概念理解】模式識別是利用計算機對物體、圖像、語音、字符等進行自動識別的技術。它的一般過程包括：樣本采集、信息的數字化、預處理、數據特征的提取、與標準模式進行比較、分類識別等。

【設計意圖】通過游戲時猜字過程的對比，加深學生對模式識別過程的理解。

3.4 總結提升，共享交流

【共享交流】請大家就自己所實踐的活動過程及結果發表意見，并結合教材簡單分析其工作流程及原理，了解人工智能的兩個研究領域：模式識別和自然語言處理。

【總結提升】人工智能（AI，artificial intelligence）是研究、開發利用計算機來模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術學科。

【設計意圖】通過學生共同討論交流，進一步加深鞏固本節課的知識。

3.5 課外延伸，展望未來

【課后探究】利用飛信與網絡機器人“海寶博士”聊天，試圖發現網絡機器人的語言破綻。

【得出結論】機器不能完全代替人，我們不能完全依賴機器。在現實生活中，同學們應該學會舉一反三，并懂得在適當的情況下選擇合適的智能信息處理工具為自己的學習、生活和工作服務。

【展望未來】人工智能對我們的生活正起著越來越大的作用，它是人類智慧的結晶。作為一名中學生，我們還沒有足夠的知識和能力參與到人工智能的前沿研究當中，但我們可以利用學習到的初步知識，積極探索，多些創意，也許未來就有你想實現的更智能的處理工具，更好地為人類服務。（觀看世博短片《2020年老王的一家》，暢想未來生活中的智能工具。）

【設計意圖】在學生的心中埋下美好的種子，激勵他們探究未來世界的勇氣。

4 結束語

用智能工具處理信息這一課，許老師很好地發揮了“任務驅動”教學法的作用，注重學生的參與體驗，活動設計環環相扣，啟發學生自主探究并總結規律，體現了新課程以教師為主導、學生為主體的教育理念；通過設置幾個活動，層層深入帶領學生研究探討，順利實現預定的目標，同時也有效培養了學生自主學習的能力。

“任務驅動”教學法在信息技術教學中備受關注有其一定的道理，但怎樣使其發揮更大作用，還需要在實踐中繼續探討和研究。

參考文獻

第7篇：人工智能課程總結范文

關鍵詞:中西合璧;人工智能;雙語教學

雙語教學是我國高等教育適應國際化趨勢、培養富有創新精神和國際視野的復合型高素質人才的需要。作為一種全新的教學方式,它承接了中外文化的碰撞和融合[1]。各校在教學過程中都遇到了各種困難,也探索了不少經驗。自2005年秋季,我校在人工智能課程中采用雙語授課,在教學實踐中摸索出一套中西合璧的雙語教學模式,將中西方的優勢有效結合起來,比較適用于工科專業課程的雙語教學。

1中西合璧的雙語教材

教材是體現教學內容的知識載體,是教師和學生進行教學活動的基本工具。我們重點調查了MIT、Stanford和CMU等國外高校,他們均選用了Stuart J. Russell和Peter Norvig合著的《Artificial Intelligence: A Modern Approach》,該教材幾乎涵蓋了CC2001關于人工智能課程的全部內容。該書網站(aima.cs. berkeley.edu/)的統計數據顯示,目前已有100多個國家的1 100多所大學選用該書作為教材。我們對選用該教材的部分高校授課情況作了追蹤調查,結果表明絕大部分人工智能課程的實際授課內容都與該教材內容基本一致。在國內,中南大學的人工智能課程是國家級精品課程,教材是課程負責人蔡自興教授與徐光佑教授主編、清華大學出版社出版的《人工智能及其應用》(第三版)(該教材分本科生用書和研究生用書兩種版本),與其課程內容設置完全配套。

我校選用了《Artificial Intelligence: A Modern Approach(2nd)》一書,清華大學出版社出版了影印版(人民郵電出版社出版了中譯文版本),同時將Nils J. Nilsson著的《Artificial Intelligence: A New Synthesis》作為輔助教材,機械工業出版社出版了英文影印版及中譯文版本。

人工智能這一學科誕生于西方,目前該領域的諸多成果和文獻均以英文為語言載體。選用英文原版教材、推行雙語教學,為學生的后續學習和研究深造奠定了良好基礎。另外,與國內教材相比,國外教材更注重知識產生的過程、解決問題的思維方法,對提高學生的學習興趣、培養學生的創新能力極其有益。另一方面,選用原版教材的問題也顯而易見。一是原版教材內容過多,需要精心篩選、分清主次后才能使用;二是原版教材昂貴,增加了學生的經濟負擔,再購買配套中譯文版,負擔更重;三是學生英語水平參差不齊,雙語授課的課程還不成體系,前后課程缺乏銜接性和延續性,學生直接使用原版教材有一定的語言障礙,即使有配套的中譯文版,同時翻看兩本書也不方便。

我們正在逐步消化吸收英文原版教材,在無損原版教材思想精髓的前提下,自主編寫適用于雙語教學的中西合璧講義。雙語教材以英文語言為主,以中文注釋為輔,有效降低學生閱讀的難度,更趨實用。

2中西合璧的授課語言

語言是信息傳遞的載體,是教學過程中必不可少的工具。雙語教學涉及到這種信息傳遞載體的改變。

在雙語教學中,外語的使用比例要求不低于50%,這是不夠科學的。雙語教學不是語言課,教學質量依然是核心,語言僅僅是載體,引入外語教學的目的無非是為了保證知識的“原汁原味”,同時訓練學生的專業外語聽說能力,但這一切都應以學生聽懂課為前提。雙語授課進度慢已是不爭的事實,更有些雙語教師,為了兼顧上述目的,先用外語講一遍,再用漢語解釋一遍,這種做法極不可取,也是緊張的課時限制所不允許的。雙語課味同嚼蠟,引不起學生興趣,也是普遍存在的現象。

我校人工智能課程的授課對象是計算機專業的四年級本科生,學生的英語水平很不均衡,如果不考慮實際情況,大比例地采用英語講授,是難以保證教學效果的。我們把握的原則是:1)英語主要用于講解專業性內容,如專業術語、技術原理、算法等,這樣學生在學術交流中就不會對專業技術內容存在語言障礙;2)只用學生能聽懂的語言講授專業性內容,對過于生澀的專業技術內容,還要使用漢語講解,這樣學生就不會把專業技術內容學“夾生”了,在作研究時才不會有技術上的障礙;3)用母語調節課堂氣氛,適當穿插的人工智能領域人物、故事及笑話以漢語為主,把學生發散的注意力快速集中起來,把學生的學習興趣激發出來;4)中英文銜接,不重復表述,這樣就不會額外占用課時。

例如,在講解Agent技術時,對于Agent的定義、結構等核心內容,我們采用英語講解;而對于Agent涉及到的心理學、邏輯學等方面的生澀理論,則用漢語給出扼要的說明;對于為闡釋Agent的rationality概念而舉的吸塵機器人、黑足泥蜂搬運食物的例子,則主要用漢語講解,激發學生的興趣,抓住學生的注意力。

3中西合璧的教學課件

作為一種新型的教學手段,多媒體以其鮮明的圖像、生動的畫面、靈活多變的動畫及聲音效果克服了傳統教學模式的諸多不足,受到師生的認可與好評[2]。本文探討的重點不是如何設計媒體的表現形式,而是如何利用課件更好地發揮雙語教學的效果。很多雙語教學任課教師只注重追求授課過程中外語的使用比例,課件全文用外語制作,在講解過程中還要費盡周折地解釋,收效甚微。我們在制作課件時,不單純追求英語比例,而是想方設法讓課件能更好地輔助學生理解,在關鍵處均用雙語同步給出內容,或者以英文為主,給出扼要的中文注釋。這樣,學生能夠通過視覺信息更好地理解授課內容,而教師也不必再用中英文重復敘述。

此外,在課件素材的選取上,也應注意國內外結合。比如,在講解啟發式搜索技術時,國外課件(包括教材)常用的素材是八皇后、八數碼等問題,其中八皇后問題相對大多數同學來講比較陌生,而國內的重排九宮(與八數碼問題是一個問題)、華容道等問題對學生來講則更熟悉。用國內的素材入門、用國外的素材拓寬視野,也是多媒體課件的中西合璧之道。

4中西合璧的文化熏陶

文化是生活在一定地域內的人們的思想、信念及生活與行為方式的總稱。從人才培養的角度,我們一般將培養目標分為知識、能力和素質三個層面,文化屬素質培養范疇。文化的熏陶和感染在育人中具有重要作用,這一點往往容易被工科專業課教師忽略。

從歷史文化的角度看,中西方文化從萌芽、發展到現在的格局,無疑是各具特色的。雙語教學提供了開放的空間,讓學生在學習的同時廣泛吸納西方文化,但這也給中國傳統文化造成了一定的沖擊,如不注意調和,勢必造成文化失衡,對培養學生的世界觀、人生觀、價值觀都不利。尤其計算機類課程中的技術內容大部分誕生于西方,如果不在教學過程中進行一種文化平衡,往往會使學生產生一種我不如人的自卑心理或崇洋心理。

中西方文化對人與自然的基本觀點是不同的。中國文化關注的對象是人,人與人的關系自先秦時期便成為中國文化的核心與基礎問題。而西方文化較多關注的是自然,人與自然的關系是古希臘注重的中心問題,由此衍生出理智和科技。中國的哲學是一種人生哲學,在處理人與自然的關系上,中國文化講究天人合一、順天應物、道法自然。把自然人格化,追求人與自然和諧發展。從古希臘泰勒斯的自然哲學開始,探索自然奧秘,開發和利用自然資源為人類服務就成為了歐洲思想的主流。西方科學起源于對自然的探索和研究,很早就出現了畢達哥拉斯、阿基米得這樣名垂千古的科學家。在人與自然的關系上,西方文化認為人與自然處于對立的斗爭狀態。西方人也講人與人之間的關系,但首先關注的不是倫理而是競爭,因而出現了“優勝劣汰”的規律[3]。

在工科專業課堂上,涉及到文化要素的主要是兩方面內容,一是與課程技術內容有關的哲學觀點,二是本學科發展歷程中的人物、事件和形成的學派等等。在教學過程中,教師要注意穿插上述內容,對學生進行文化熏陶,要注意中西合璧。比如,介紹人工智能發展過程中的重要人物時,必然提及Turing、McCarthy、Minsky、Shannoon、Simon、Newell、Feigenbaum、Hopfield、Brooks等西方學者,但同樣也不能忽略國內的吳文俊、王守覺、蔡文等學者,他們近年分別在機器定理證明、仿生模式識別、可拓學等領域取得了開創性成果,而這些還沒有來得及寫進人工智能教科書。

5中西合璧的思維方式

對學生思維方式的培養也是教學任務之一。中西方文化的差異也將導致思維方式的不同。在技術思維方面,中國強調系統和整體,更具辯證性;而西方強調細節和局部,更注重邏輯性。西方人的思維方法更偏于二元對立,而中國文化環境則造就了中國人思維方式的連續統合特征[4]。外文教材的編寫體例與中文教材有著明顯的不同,這就是中西方思維方式不同的原因。教師首先要注意到這種思維方式的差異,并在教學活動中讓學生也逐步意識到這種差異,并進一步接納和學會西方的思維方式,將中西方的思維方式融于一身。舉例來說,在講解邏輯推理技術時,可以通過介紹邏輯學的三大起源(古希臘的形式邏輯、古印度的因明學、我國先秦時期的名辯學)向學生呈現這種思維方式的差異,在講解演繹推理、模糊推理、云推理時,也要注意體現中西方思維方式中各自的特長,以利于學生吸納。

6結語

自2005年開展雙語教學以來,我們每年授課后都進行一次教學效果的問卷調查,“接受雙語教學”的學生比例從2005年的37%逐年上升到2009年的89%,說明這套雙語教學模式已經得到了絕大多數學生的認可。

中西合璧的雙語教學模式是我們在人工智能教學過程中探索出來的,但是也可以推廣到其他工科專業課中。雙語教學中各種要素的中西合璧不是簡單相加,而是要結合專業內容進行深度融合,這需要任課教師廣泛涉獵、精心加工、用心引導。雙語教學不能停留在語言形式和技術內容層面上,還要上升到文化和思維層面。

注:本論文受到哈爾濱工程大學教學改革工程項目支持。

參考文獻:

[1] 施錦芳. 高校雙語教學模式及方法的研究與實踐[J]. 沈陽教育學院學報,2010,12(2):33-35.

[2] 周荃,胡奕. 多媒體教學:傳統教學手段的歷史性轉型[J]. 廣州市經濟管理干部學院學報,2006,8(2):69-71.

[3] 鄧紹建. 中西方文化差異研究[J]. 價值工程,2010(5):220-221.

[4] 馬麗,滕修攀. 中西方思維方式的文化差異研究:二元對立與連續統合的視角[J]. 社會心理科學,2010,25(2):13-17.

Sino-west Style Bilingual Teaching Mode for Artificial Intelligence

LIU Hai-bo, SHEN Jing, ZHANG Guo-yin, LIU Jie

(College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China)

第8篇：人工智能課程總結范文

關鍵詞：智慧；智能；人類智能；人工智能

0引言

不久前剛結束的圍棋人機大戰，使人工智能受到人們空前廣泛的關注。它一方面表明智能科學與技術的發展極為迅速，同時也激起了社會對智能科學技術及其人才培養十分強烈的期待。人們對“中國大腦”計劃的熱議達到了前所未有的程度，“中國制造2025”計劃正在快速推進，我國自主研制的智能服務機器人正在走向服務領域的許多行業，國內許多企業自發興起的“機器換人”浪潮正高歌猛進。國務院政府工作報告中提出的“互聯網+”雖然被人們解釋為互聯網向各領域的強勢滲透，但是更多的有識之士卻把“+”理解為“升級”，即“計算機互聯網絡”向“人工智能互聯網絡”的升級，而這正好與“中國大腦”計劃相呼應！

為了適應這種發展的需要，努力辦好“智能科學與技術”專業，北京郵電大學智能科學與技術研究中心曾經對設置了本專業的全國各主要高校做了一次普遍性的專業調查，結果發現，各校對于“智能科學與技術”專業的理解差異非常巨大。最狹義的理解，是把本專業看做是“計算機科學與技術的一個分支”；最廣義的理解，是把它看做是“從理工到人文和社會幾乎無所不包的綜合學科”。

從科學研究和長遠發展的觀點來看，這樣發散的理解會有利于人們解放思想，激勵創新，把本學科的研究做深做透做到位。不過，從當前的本學科教育教學來說，這樣分散的理解可能使“智能科學與技術”學科的人才培養工作迷失方向。

1基本模型

為了準確理解“智能科學與技術”學科，首先需要建立“智能科學與技術”學科的基本模型，這樣才能從學科整體上厘清它的基本概念、基本原理和基本規律，規制過于寬泛和過于狹窄的偏差。圖1就是為此而設計的基本模型。

在圖1中，底部的橢圓代表外部環境的客體事物，也就是需要研究的“問題”；其上的整個部分代表主體及其與客體相互作用的過程：主體接受來自客體所產生的“本體論信息”，經過主體思考之后產生與客體交互的“智能行為”反作用于客體，解決問題。就在這個主客相互作用的過程中，主體充分展現了自己的智慧能力。其中的主體可以是人類個體，也可以是人類群體。因此，這是研究“智能科學與技術”的基本模型。

不斷提升自己生存與發展的水平，這既是人類與生俱來的目標，也是人類永不枯竭的動力。為了實現這個目標，人類就要運用自己的智慧和知識不斷去發現應當解決而且可能解決的問題，在此基礎上努力去解決所發現的問題，不斷前進。

人類的這種智慧能力包含兩個相互聯系相互作用相輔相成的部分：其一是根據人類所追求的目標和現有的知識去發現問題、定義問題和預設問題求解目標的能力，這是人類在長期實踐過程中積累起來的一種內隱性的智慧能力，所以稱為隱性智慧；其二是在隱性智慧所確定的工作框架內，在求解目標的引導下，運用相關信息和知識去生成解決問題的策略，成功解決問題實現求解目標的能力，這是一種外顯性和操作性的智慧能力，所以稱為顯性智慧。

在圖1的模型中，隱性智慧具體表現為“主體所定義的問題、主體的知識庫里已經擁有的知識、主體為求解問題所預設的求解目標（也存在知識庫內）”，這三者就構成了主體為求解問題所設置的初始工作框架。顯性智慧則具體表現為圖1中的“感知、認知、基礎意識、情感生成、理智生成、綜合決策、策略執行、效果檢驗以及反饋學習優化”所代表的問題求解過程。

由于隱性智慧是人類內隱性的智慧，需要明確的目標、足夠的知識、很強的直覺能力、豐富的想象能力、甚至需要靈感和頓悟能力，才能創造性地發現值得解決的問題，所以，隱性智慧難以用人造機器去模擬。然而，由于顯性智慧具有外顯性和操作性特征，主要具備獲取信息、生成知識、生成和執行策略的能力，因此，顯性智慧有可能被人造機器所模擬。在約定俗成的學術語匯中，“智慧”比較抽象，帶有形而上的色彩；而“智能”則比較具體，帶有形而下的特點。于是，人類的顯性智慧也常常被稱為“人類智能”。

鑒于人類顯性智慧與隱性智慧之間存在不可分割的深刻內在聯系，人們就把研究和探索“人類隱性智慧和顯性智慧奧秘”的科學技術稱為“智能科學技術”，而把其中著重研究和模擬“人類顯性智慧（人類智能）能力”的科學技術稱為“人工智能”科學技術，或者就簡稱為“人工智能”。換言之，人工智能是“智能科學與技術”的一部分。

圖1的基本模型及其相關解釋啟示我們：“智能科學與技術”的內涵既具有極強的基礎性，涉及與物質資源同樣基礎的信息資源；又具有極強的深刻性，涉及人類創造性智慧的深邃奧秘；還具有極強的應用性，涉及極其廣泛的應用領域。

因此，為了研究與學習“智能科學與技術”，人們應當具備人文社會科學、基礎自然科學和應用技術科學的知識與能力，應當自覺遵循“文理交互，理工融通”的交叉科學理念。雖然我國高校仍有文科、理科、工科之分，但是，為了培養有發展能力和創新能力的人才，還是要在發揮各校特色的同時努力貫徹“文理交互，理工融通”的方針。這是智能科學與技術學科的鮮明特點，需要引起教學與研究人員的高度關注。

2基本方法

概念是學科的基石。從圖1的基本模型可以看出，“智能科學與技術”包含了許多重要的新概念。除了上面已經討論過的隱性智慧和顯性智慧的基礎概念之外，還有信息（包括本體論信息和認識論信息，特別是其中的語法信息、語義信息和語用信息）、知識（包括本能性知識、經驗性知識、規范性知識、常識性知識、知識的內部生態系統和外部生態系統）、基礎意識、情感、理智、智能策略、智能行為等一系列基本概念。

考慮到本文篇幅的限制，同時也考慮到讀者可以很容易從現有文獻中詳細了解到這些概念，因此，這里只予以列舉，而不準備展開具體的討論。有需要的讀者可以參閱相關文獻。

這里需要特別關注的，是研究和學習“智能科學與技術”所需要確立的新的科學觀和方法論問題。只有掌握了這些新的科學觀和方法論，才能準確地理解“智能科學與技術”的基本概念、基本內容和基本規律。

有比較才能有鑒別，事物總是相比較而存在。了解“智能科學與技術”所需要的科學觀和方法論的便捷方法之一，就是把它們同讀者已經熟悉的“物質科學與技術”的科學觀和方法論進行對比。眾所周知，智能系統是一類開放的復雜信息系統，因此，這里的比較對象也要選擇相對比較復雜的物質系統。表1就是這種比較的一些結果。

由表1可知，“物質科學技術”所采用的科學觀包括（1）物質觀：認為研究的對象是物質的；（2）結構觀：認為研究的關注點應當是物質的結構；（3）孤立觀：認為所研究的物質對象是與其它對象沒有關聯的；（4）靜止觀：認為所研究的物質對象是靜止的，至少在研究期內是靜止的。

基于這樣的科學觀，在處理比較復雜的物質對象的時候，物質科學技術所采用的方法論就是“分解一分析”，更具體地說就是“分而治之，各個擊破，直接還原”。也就是人們所熟悉的“還原論”。

和“物質科學與技術”的情形不同，“智能科學與技術”的科學觀包括（1）信息觀：認為所研究的對象是信息；（2）系統觀：認為研究的關注點應當是系統化的信息，即必須同時關注信息的形式、內容和價值；（3）生態觀：認為信息不是孤立的或靜止的，而是生長發展的；（4）機制觀：認為信息的生長發展必然存在一定的機制。

基于這樣的科學觀，“智能科學與技術”所采用的方法論就是“轉換―創生”。更具體一些說，就是“智能科學與技術”基本模型（圖1）所展示的“信息轉換與智能創生定律”。其中，“信息轉換”是手段，“智能創生”是目的。

十分清楚，“物質科學與技術”的“分而治之”方法論體現了它的“物質觀、結構觀、孤立觀和靜止觀”；“智能科學與技術”的“轉換創生”方法論體現了它的“信息觀、系統觀、生態觀和機制觀”。

這個對比告訴我們，由于研究對象不同，導致學科的性質也不相同，我們不能把自己所熟悉的“物質科學與技術”的科學觀和方法論統統照搬到“智能科學與技術”學科領域。雖然在研究局部細節問題的時候，這兩種科學觀和方法論的差異表現的不是很明顯，但是在研究系統全局問題的時候，這種差別就會變得十分顯著。這也是值得“智能科學與技術”的研究者和學習者特別關注的特點。

事實上，“人工智能”的研究就經歷了一場方法論的變革。按照“分解―分析”的方法論思想，人工智能被分解為結構模擬（人工神經網絡）、功能模擬（物理符號系統）和行為模擬（感知動作系統）三大學派，結果長期不能互相融通。20世紀末和21世紀初，一些研究人員提出“新的集成”和“現代方方法”試圖找到三者融通的具體方法，但是都沒有取得成功。2007年，本文作者按照“轉換―創生”方法論思想提出了機制模擬的智能生成方法，結果發現：結構模擬（人工神經網絡）、功能模擬（物理符號系統）和行為模擬（感知動作系統）分別是機制模擬的A、B、C型，從而實現了人工智能模擬方法的統一，見表2。

由此可見，以往人們把人工神經網絡課程、物理符號系統課程（即普遍流行的人工智能和專家系統課程）、感知動作系統課程（即智能機器人或智能體課程）分開講授或者只講授其中一門或兩門課程的做法是不合理的。

同時，我們一直把圖1的模型稱為“智能科學與技術的基本模型”。不過，如果注意到“智能科學與技術”的科學觀一信息觀，系統觀，生態觀和機制觀，那么，我們也可以把圖1稱為“生態意義上的信息科學與技術基本模型”。這是因為，雖然在經典意義上的信息科學與技術基本模型只能覆蓋到圖1模型中的信息層次，但在生態學意義上，知識和智能都是信息的生態學產物，因此生態學意義上的信息科學與技術基本模型就覆蓋了圖1模型的全體。在生態學的意義上，“智能科學與技術”基本模型與“信息科學與技術”基本模型就合二為一：自頂向下觀察，圖1就是“智能科學與技術”的基本模型；自底向上觀察，圖1就是“信息科學與技術”的基本模型。于是有：

智能科學與技術=生態學意義的信息科學與技術

如果把“智能科學與技術”模型中的“由信息轉換為知識”和“由信息、知識和目標轉換為智能”這兩個核心部分命名為“核心智能科學與技術”，把非生態學意義上的信息科學與技術命名為“常規信息科學與技術”，那么，也可以有：

智能科學與技術=核心智能科學與技術+常規信息科學與技術

在我國教育部的學科目錄中，“智能科學與技術”其實就是“核心智能科學與技術”，目錄中的“信息科學與技術”其實就是“常規（非生態學意義的）信息科學與技術”，后者又被劃分成“通信”、“計算”、“自動化”、“物聯網”、“信息安全”這樣一些更加狹窄而且相互交疊的二級學科，顯然有待進一步合理化。

3基本課程

北京郵電大學智能科學與技術研究中心最近實施的全國高校智能科學與技術專業教學計劃調查表明，我國多數學校的教學計劃確實體現了“計算機科學與技術的一個分支學科”的特點，很少學校的教學計劃能夠表現“文理相交，理工融通”的交叉科學精神。這就提出了一個尖銳的問題，如果真的把“智能科學與技術學科”辦成“計算機科學與技術學科”的一個分支學科，那么，這樣的“智能科學與技術學科”還有存在的理由嗎？

由以上分析的“智能科學與技術”的基本模型和基本方法可以知道，為了學習、理解和掌握“智能科學與技術”學科，人們的知識結構必須包含社會科學、人文科學、基礎科學、應用技術的基礎知識與綜合能力。

為此，由中國人工智能學會教育工作委員會和清華大學出版社計算機分社共同組建的“全國高校智能科學與技術專業系列教材規劃與編審委員會”（以下簡稱編委會）提出了如下的本學科核心課程和相應的核心教材。

（1）一年級第一學期的課程智能科學與技術導論是一個引導型課程，旨在以準確而通俗的概念、全面而淺近的思路、親切而富有感染力的語言，引導剛剛踏入校門的新生了解：什么是“智能科學與技術”？為什么要學習“智能科學與技術”？怎樣才能學好“智能科學與技術”？

（2）二年級第一學期的課程腦與認知科學基礎是本學科特需的自然科學基礎（腦科學）和社會科學基礎（認知科學），旨在為學生提供關于人類智能的腦科學基礎知識和人類認知能力的科學知識，特別是關于“腦結構如何產生認知能力（物質如何生成精神）”的科學機理。

（3）二年級第二學期的課程不確定性數學引論是本學科特需的數學基礎知識課程，旨在為學生提供關于“智能科學與技術”領域必然涉及到的各種不確定性（包括隨機不確定性、模糊不確定性、粗糙不確定性以及非線性引起的混沌不確定性）的描述與處理知識，特別要闡明這些不確定性的根源、相互關系、描述和處理方法。

（4）三年級第一學期的課程機器智能是本學科的專業基礎課程，旨在用“智能科學與技術”的方法論闡述人類智能的各種模擬方法（包括結構模擬、功能模擬、行為模擬和機制模擬），以及這些不同模擬方法之間的相互關系和統一的途徑，為學生學習機器（人造系統）智能奠定理論和方法的基礎。

（5）四年級第一學期的課程《科技史與方法論》，由于智能科學技術本身富有科學觀和方法論的特色，因此這是一門具有本學科特色的總結性課程，旨在為學生提供關于科學技術發展史（特別是智能科學技術發展史）所展現的科學觀和方法論知識，使學生能夠從“智能科學與技術”的學科知識基礎上站立起來，具有縱觀和把握智能科學技術發展規律的能力，使學生的學術眼界能夠“形成于課堂，而又遠遠超越課堂”。

編委會認為，這些核心課程的綜合（加上各個學校的人文社會科學通識課程和各有特色的專業課程），將為學習者提供必要的“文理相交，理工融通”的交叉學科思維素質和能力。無論是理科型學校還是工科型學校，都要在保證上述核心課程優質教學的基礎上努力發揮自己的特色，而不應當削弱這些核心課程的教學質量。

5結語

第9篇：人工智能課程總結范文

據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。

2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。

如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。

第一部分人工智能行業發展概述

1.人工智能概念及發展

人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。

自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。

人工智能發展歷程

2.人工智能產業鏈圖譜

人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。

A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。

人工智能產業鏈

資料來源：創業邦研究中心

第二部分人工智能行業巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發力。

資料來源：券商報告、互聯網公開信息，創業邦研究中心整理

第三部分機器視覺技術解讀及行業分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯網公開信息，創業邦研究中心整理

2.發展關鍵要素：數據、算力和算法

數據、算力和算法是影響機器視覺行業發展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業模式分析

機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。

（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口

這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。

此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內外基礎算法應用對比

資料來源：互聯網公開信息，創業邦研究中心整理

（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口

軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數據是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。

第四部分智能語言技術解讀及行業分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續升溫

語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流

語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。

（3）語音識別技術發展瓶頸與趨勢

低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。

2.自然語言處理（NLP）發展現狀

（1）多技術融合應用促進NLP技術及應用的發展

深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。

（2）NLP主要應用場景

問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。

（3）創業公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。

2)應用于垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。

第五部分人工智能在金融行業的應用分析

人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。

人工智能在金融行業的典型應用情況

資料來源：創業邦研究中心

第六部分人工智能在醫療行業的應用分析

1.人工智能在醫療行業的應用圖譜

人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。

圖 人工智能在醫療行業的應用圖譜

資料來源：創業邦研究中心

2.人工智能在醫療行業的具體應用場景

醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。

虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業分析

1.智能駕駛行業產業鏈

智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。

產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。

智能駕駛產業鏈圖譜

資料來源：創業邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。

根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量 產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年 將達到 3100 億美元。

第八部分中國人工智能企業畫像分析

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。

地域分布

全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。

行業分布

從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位， 國內與國際差距明顯，中小初創企業很難進入。

從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出， 目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。

收入情況

收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。

最新估值

企業最新估值均在億元級別，且分布較為均衡。三成企業估值超過15億元，還有企業估值達到百億級別，如優必

選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業。(備注：分析樣本量剔除一半未披露企業)

第九部分典型企業案例分析

1.Atman

企業概述

Atman由來自微軟的人工智能科學家和產業經驗豐富的產品團隊創辦，提供專業領域機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品，致力于成為醫學、新聞、法律等專業領域語言智能專家，為專業領域用戶賦能，推動專業領域用戶進入人工智能時代，助力專業領域文字智能水平實現跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發機器翻譯、機器寫作、知識圖譜、大數據智能采集挖掘等語言智能產品。

目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。

企業團隊

創始人&CEO：馬磊

清華大學計算機系畢業，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創業者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。

Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發人員占比70%，一半以上來自微軟亞洲研究院和工程院。

核心技術與產品

技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統于2016年9月首秀，早于谷歌的GNMT，專業領域翻譯效果在公測標準和行業客戶測試中均持續領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數據智能挖掘等語言智能產品。

Atman的機器翻譯產品可自動翻譯編輯專業文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數據隱私安全以及自學習的端到端解決方案。

機器寫作可對海量數據進行快速搜索、過濾、聚類，根據行業需求自動生成專業文檔，適用于所有專業寫作場景，可大幅減少專業報告寫作過程中的繁復工作，大幅提升專業領域寫作效率。

知識圖譜可實現海量數據的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數據智能采集挖掘系統為專業領域用戶提供智能數據源管理、海量專業數據獲取和非結構化數據自動解析并結合知識圖譜提供auto-screening、知識重構、專業決策輔助，幫助用戶建立強大的以專業大數據為基礎的業務輔助能力。

2.黑芝麻

企業概述

黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發企業，2016年分別在美國硅谷和上海成立研發中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創達、車聯天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。

企業團隊

團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業，平均擁有超過15年以上的產業經驗，畢業于清華、交大、中科大和浙大等知名高校。

創始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發和設計、圖像處理算法研發和圖像處理芯片設計。

核心技術和產品

在汽車領域，黑芝麻可提供車內監控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。

3.乂學教育

企業概述

乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數據技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。

企業自主研發了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業發表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯合實驗室。

主要產品

學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統教育課時費用高，名師資源少，學習效率低等問題。

智適應學習人工智能系統

智適應學習人工智能系統模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態推薦最佳學習路徑，實現個性化教育。

業務模式

線上與線下，2B和2C相結合。以松鼠AI智適應系統教學為主，真人教師輔助，學生通過互聯網在線上學習課程。開創教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。

4.云從科技

企業概述

云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業，專注于計算機視覺與人工智 能。云從科技是人工智能行業國家隊，是中科院戰略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業標準的企業。2018年，云從科技成為祖國“一帶一路”戰略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。

云從科技奠定了行業領導地位： 國家肯定，國家發改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業；模式創新，三大平臺解決方案，科學家平臺、核心技術平臺和行業應用平臺。

企業核心團隊

創始人

周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。

周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰賽中7次奪冠;在國際頂級會議、雜志 上發表60余篇文章，被引用上千次。

核心技術團隊

云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯合實驗室上海、廣州、重慶、成都四 個研發中心組成的三級研發架構。目前研發團隊已經超過300人，80%以上擁有碩士學歷。

技術優勢

全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業視覺、醫學影像、自動駕駛AR等領域擴展打下良好基礎。

云從科技具有高技術壁壘：世界智能識別挑戰賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰賽上共計奪得7次世界冠軍;在銀行、公安等行業智能識別技術 PK實戰中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業。

在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數據同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。

正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環境光線強弱的影響等諸多優點，受到國際巨頭公司的關注。

行業應用

目前國內有能力自建系統的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發火眼人臉大數據平臺等智能化系統，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。

5.Yi+

企業概述

北京陌上花科技是領先的計算機視覺引擎服務商，為企業提供視覺內容智能化和商業化解決方案。致力于“發現視覺信息的價值”。

旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。

目前公司和阿里巴巴、愛奇藝、優酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數據結構化產品服務于海量用戶，同時幫助政府機構、廣電系統、內容媒體、零售商、電商、視聽設備等行業實現智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。

企業團隊

團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創始人&CEO：張默

北京大學軟件工程碩士， 南洋理工大學創業創新碩士。連續創業者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區合作伙伴經理，主機Linux中國區負責人，中國區開源聯盟負責人，年銷售額數億。 2013年創業于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。

核心技術與產品

技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數據協議。 Yi+的系統由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數據集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數據集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優異成績。

公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：

行業解決方案

針對營銷、安防、相機和電視的不同特點，推出相應解決方案。

營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業。

智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區方案模型，考慮擴展性&靈活性、數據管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業務和技術兩方面整合解決方案實現步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。

相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。

新零售+AI。Yi+新零售解決方案是基于公司自主研發的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數據采集、算法模型說明和部署方案三部分，其中數據采集包括人臉數據采集、商品數據采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。

6.擎創科技

企業簡介

擎創科技成立于2016年，專注于將人工智能和機器學習賦予傳統IT運維／企業運營管理，為企業客戶提供智能運維大數據分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現狀。2017年，擎創科技已實現全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創科技完成了數千萬人民幣的A輪融資，由火山石投資領投，晨暉創投、元璟資本及新加坡STTelemedia跟投。

核心團隊

擎創團隊的核心成員主要由BMC、微軟等美國企業服務上市公司的運維老兵，與新浪、餓了么等知名互聯網公司的大數據、算法專家組成，核心團隊成員至少擁有10年以上的行業經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業績增長；CTO葛曉波擁有長達15年的企業級軟件開發和運維經驗；而產品總監屈中泠則來自甲方，創業前為浦發硅谷銀行企業架構師，深知甲方對企業運維產品的需求。這個曾經深耕于運維企業服務市場的團隊，如今在智能運維企業服務賽道繼續領跑，讓擎創科技成為最懂企業的客戶，最值得企業客戶信賴的軟件廠商。

主要產品

“夏洛克AIOps” 作為擎創自主研發的大數據智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業、鐵路民航、能源電力等涉及國家發展和民生問題的多種行業。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區聯合頒發的“年度最具影響力AIOps產品”獎。

“夏洛克AIOps”充分利用自研算法輔助客戶實現IT運維價值，結合客戶的現有情況，規劃從傳統ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數據孤島，建立統一的大數據智能分析平臺，實現以人工智能為核心，驅動傳統IT運維監、管、控三個層面，并將相關運維數據及業務數據實時展現。

“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發現并定位運維問題的根因，實現秒級排障，最大程度避免企業產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數據積累和機器學習，運用新型深度神經網絡算法對企業的業務數據進行預測，幫助企業提前規劃IT資源，高效預防各類黑天鵝事件的發生。

商業模式

目前，擎創科技已與多家金融和制造行業標桿客戶形成穩定的合作關系，包括浦發銀行、浦發硅谷銀行、國家開發銀行、上海鐵路局、銀聯、海爾、浙江能源等。針對不同客戶，采用個性化的商業模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。

核心優勢