緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇人工智能在教育領域的價值范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

[DOI]10.13939/ki.zgsc.2016.36.197

1 中學教育現狀

教育乃立國之本，而中學教育乃是重中之重。一方面，中學生處于青春的成長期，各項綜合素質逐漸完善中，中學教育意義和責任重大；另一方面，中學教育仍然是應試教育為主，仍然需要面對千軍萬馬過獨木橋的“中考”“高考”，中學教育很大程度左右了學生的未來。

目前的中學教育資源，分為公共教育資源――公辦/民辦學校教育，和社會教育資源――私人家教、補習班等，有如下兩個特點。

1.1 學生得到的公共教育資源不足

學校班級結構的構成是：一名班主任教師，多名科任教師。在大多數學校中，無論是班主任教師，還是科任教師，均會承擔其他班級的教學任務。可以看出，教師資源是非常有限的，加上“中考”“高考”的上線壓力，教師往往會將有限的精力分散關注在所有的學生上，每個學生得到的公共教育資源并不多。

1.2 學生獲取的社會教育資源不公

學生若在學校無法獲取更多的教育資源，將不得不轉向社會教育資源去求助。據統計，學生參與社會教育資源的成本在200元/小時，學習費用成本過高，進一步造成普通學生的社會教育資源也無法獲取。

本文要探討的，正是通過人工智能這一現代信息化技術，構建智能輔助學習系統，使中學生能夠獲取到更多、更公平的教育資源。

2 智能輔助學習

2.1 人工智能簡介

人工智能（Artificial Intelligence）是計算機科學的一個分支，是一門研究運用計算機模擬和延伸人腦功能的綜合性學科，能夠對人的意識、思維等信息過程進行模擬。隨著計算機科學技術的發展，特別是近年來大數據技術的成功應用，人工智能在越來越多的行業展現出蓬勃的沖擊力。以谷歌圍棋機器人“阿爾法”、微軟助理機器人“小娜”等為代表的虛擬智能機器人，能像人那樣思考，也具備超過常人的智能。

在國內，人工智能在教育領域的理論研究和教學實踐表現得越來越活躍，盡管人工智能并不是為教育專門研發的，但是人工智能的不斷發展，使得其在教育中的應用也越來越廣泛，教育的智能化一直是教育界和教育技術領域的理想和目標。

2.2 智能輔助學習系統

智能輔助學習系統，其表現形式是能夠為每個學生，配備一個虛擬教師。學生能夠通過電子設備（如手機、計算機），與虛擬教師進行交流對話，咨詢虛擬教師各學科的問題，并得到有效的學習輔助。

該智能輔助學習系統，具備以下幾個特征。

2.2.1 虛擬教師跨學科能力

與傳統的教師專一某一學科不同，虛擬教師并沒有學科邊界劃分。只要學習系統研發出某一學科的學習算法，該虛擬教師就能夠獲取該門學科的能力。

2.2.2 虛擬教師深度自學習

虛擬教師的“智能”來源于三方面。一是學生基本信息檔案，該檔案涵蓋了從小學教育開始的學科成績、綜合能力、愛好特長等，虛擬教師得到學生的人物畫像。二是虛擬教師對學生的自學習，每一次雙方的溝通交流，虛擬教師都能夠不斷更新發展學生的畫像。三是虛擬教師對學校課堂內容的自學習，虛擬教師并不是獨立于學校教育存在的，而是作為學習教育資源的一個補充，虛擬教師能夠掌握課堂進展、作業部署、考試動態等信息。

2.2.3 接近自然語義的溝通

學生與虛擬教師之間，可以通過自然語義的語音和文字進行溝通，如 “今天數學作業第2題不會”“《荷塘月色》全文中心思想是什么”“Lets start a conversation”等。其他計算輔助手段為補充，如上傳某道數學題圖片，虛擬教師通過圖形識別匹配，給出該題的解題思路和講解。

2.3 優勢分析

智能輔助學習系統，有三大核心優勢。

一是“即學即問”，相比目前的學校教育和社會教育，學生在學習遇到困難時，只有有限的時間與教師交流，在智能輔助學習系統中學生將不受空間、時間限制，隨時隨地可以與虛擬教師互動，獲取充足的教育資源。

二是“定制教學”，相比目前的教育形式，課堂上教師與學生是一對多的關系，教師不可能專為某個學生定制教學方案，在智能輔助學習系統虛擬教師與學生是一對一的關系，虛擬教師能夠更了解學生，根據學生的具體情況制訂最佳學習方案。

三是“受眾廣闊”，相比目前的公共教育資源緊缺、社會教育資源費用昂貴，智能輔助學習系統一旦推廣，受眾學生可無限增加，邊際效應非常明顯。并且計算機系統設計特有的水平擴展能力，能夠隨著學生人數的增加而增加，支撐廣大的學生輔助學習。

2.4 前景預測

筆者比較看好人工智能在中學輔助教育中的落地前景，除了前文所述的人工智能技術發展，為中學教育帶來的價值外，當前國家政策和社會環境也非常有利。

第一，未來10年國家政府和教育部門會大幅增加在教育信息化產業上的投入，隨著《國家中長期教育改革和發展綱要（2010―2020年）》和《教育信息化十年發展規劃（2011―2020年）》等相關規劃相繼出臺，各級地方政府和教育部門都非常重視教育信息化產業的投入，人工智能+云計算是重中之重，人工智能技術的興起必將教育信息化推向一個新的高度。

第二，教育信息化逐漸成為風口，根據前瞻產業研究《中國在線教育市場前景與投資戰略規劃分析報告》統計，2015年在線教育市場規模大約為479億美元，而這一數字在2020年預計將增長到504億美元。這個持續迅猛增長的市場正在吸引越來越多的創意和資本，教育領域中的人工智能也很快會成為熱點，涉足其中的高科技公司也會越來越多。

3 結 論

本文通過智能輔助學習系統，探索了人工智能在中學輔助教育中的一個應用。雖然沒有介紹具體的技術實現、系統研發，但對現狀痛點、應用前景做了綜合性分析概述，相信隨著科學技術的持續發展、教育領域的融合開放，本文探索的這個應用將實現于市場，使廣大中學生能夠獲取到更多、更公平的教育資源。

參考文獻：

[1]何維貴.利用現代化教學手段打造高效課堂[J].廣西教育（中等教育），2013（6）.

篇（2）

引言

科學技術的飛速發展，使計算機網絡成為人們生活和工作的重要組成部分。在計算機應用領域，將人工智能與大數據進行融合，可有效解決計算機網絡管理中安全性的問題。然而，在大數據時代背景下，由于人工智能技術的發展仍處在探索階段，在計算機網絡技術中的應用還存在許多問題。基于此，深度探討人工智能應用優勢，并針對人工智能在計算機網絡技術中的應用提出幾點建議，具有十分重要的意義。

1大數據時代人工智能技術的含義及應用優勢

1.1大數據下的人工智能技術

人工智能作為計算機技術體系下的分支，是一門融合開發和研究為一體，主要作用于開發人類智慧所應用的科學技術。在人工智能不斷發展的歷程中，對于人工智能的探索逐漸延伸至管理學、語言學、社會學等學科，使人工智能能夠更好地接近人類大腦，完成對社會中存在各類要素和信息的采集，并模擬出人腦對圖像和聲音出現的反應。在大數據時代背景下，人工智能可借助大數據內容多和規模大的特征，替代人們完成部分工作，為人們生活和生產提供便利，以進一步增強人們的幸福感。人工智能與大數據的配合，可將人類思考習慣進行數字化處理，并完成對數據的儲存。在未來發展中，人工智能可實現對人類日常生活的復制，實現機械化的自動操作和控制。通過大數據和人工智能的相互配合，可為人類和技術的發展提供更廣闊的空間。1.2大數據時代下人工智能在計算機網絡技術中的應用優勢在大數據時代背景下，人工智能在計算機網絡技術中應用所體現的優勢，主要體現在以下幾方面：①完成對信息的預測，在計算機網絡運行中，要想提升運轉速度就要及時處理系統中存在的模糊數據，但對于這部分信息價值的辨別存在一定的難度。如依照傳統處理方法會增加系統運行成本，對系統造成影響。在大數據時代人工智能的干預，可依據模糊分析理論更有效辨別信息價值，完成對信息的預見，進而實現計算機網絡運行效率的提高。②增加網絡監管能力，計算機系統的快速發展使得計算機網絡結構日趨復雜，為網絡監管帶來難度。而人工智能的參與可實現對網絡的分類管理，不但提升管理的效果和能力，還為網絡營造更加安全的環境。③人工智能強化數據整合，在人工智能和大數據相互協作下，對于計算機網絡空間中存在的信息進行快速整合，完成對各類資源的有效配置。還可加快資源整合的速度，減少資源的消耗，降低計算機網絡的運行成本。

2大數據時代下人工智能在計算機網絡技術中的應用對策

2.1計算機網絡安全管理中人工智能的參與

①在計算機網絡網絡安全入侵檢測中應用人工智能。在大數據時代下，計算機網絡環境日趨復雜，各類病毒和木馬的入侵可對網絡造成不可逆的影響。而在計算機網絡管理中應用人工智能，可通過對以往入侵情況的分析，建立數據集成的系統，通過數據編碼將入侵特征進行編碼轉換，在系統中儲存完整的信息。一旦計算機網絡出現入侵系統的情況，對網絡安全造成威脅，系統就可依據設定對入侵類型進行辨別，并完成安全處理，保障計算機系統和網絡的安全。②數據挖掘技術在計算機網絡安全管理中的應用。數據挖掘主要是指將網絡從主機會話中分離出來，并通過對網絡控制實現計算的規范化，并將其產生的數據儲存到數據庫中，在遇到網絡風險時就能完成數據的辨別。③人工神經模擬。人工智能的模擬技術可模仿人類大腦的思考和處理邏輯，在網絡運行中，可對噪聲等要素進行識別，并通過檢測，完成對網絡的安全性檢查，提升網絡運行安全性，提升檢測的質量。④危險信息攔截和垃圾處理。在計算機網絡安全管理中，人工智能可在網絡系統中建立智能防火墻，對部分危險信息進行識別，并完成攔截。還可在系統設置訪問權限，提升安全防控的效果。同時，在垃圾處理方面，人工智能和大數據的相互配合，可實現對網絡遺留數據痕跡和垃圾的檢測，快速找到包含病毒的文件，并在人工智能處理模式下完成病毒的處理，消除網絡中存在的安全隱患。另外，人工智能可完成對系統資源的掃描，通過對信息的分析和處理，將數字化數據反饋給用戶，使用戶更加直接地了解計算機網絡的運行狀況，為進一步保障計算機網絡安全提供幫助。

2.2計算機網絡管理系統中人工智能的導入

①系統數據庫技術。在計算機網絡系統中，利用人工智能技術將計算機系統運行的內容轉化為數據，將簡單內容在變為復雜的程序，在運行中對其進行不斷的優化，找到有效的運行方式，實現對系統對有效的管理。這種人工智能和大數據的相互配合，可有效彌補傳統數據加工在內容邏輯性方面的缺陷，并通過數據庫的建立，使得計算機網絡系統在運行速度和儲存空間方面都得到提升。②智能問答技術。在計算機網絡搜索功能中，人工智能技術的參與可使得用戶利用部分有效信息就能獲得海量的資源，提升網絡資源的使用效率。這種智能問答方式主要以簡單指令為核心，通過對關鍵詞的識別在海量數據中快速篩選到相關的資料，獲取到用戶需要的內容。這種工作方式可減少搜索的時間，完成對資源的合理應用。比如，用戶在搜索欄中輸入“流行樂”，當下在音樂市場中流行的樂曲都能顯示出來，并帶出“流行樂”相關的搜索標簽，找到更多相關的信息和數據，減少搜索的時間，并提升搜索的整體質量。③智能技術。計算機網絡系統可完整記錄用戶的搜索數據，并從海量資源中挑選出相關內容，完成對用戶的精準推送，這種服務的機制，可減低用戶大量搜索的時間，并在短時間內找到更有效的相關信息，提升計算機網絡系統的應用效果，帶給人們更多的便利和幫助。

2.3計算機網絡運營系統中人工智能的支持

篇（3）

人工智能概論課程是我校智能科學與技術專業開設的一門重要的專業基礎課，它在整個專業教學體系中起到奠基的作用，如何針對其特點制定合理的教學目標與授課內容，并有效地組織課堂教學，取得良好的教學效果是非常重要的，本文將從多個角度對其進行全方位的思考與探索，為相關課程教學的改革提供新的思路。

1教學目標的精確定位

首先，人工智能概論課程在智能科學與技術專業整個教學體系中起到引導和奠基的作用，但不同于其他相關的專業基礎課，其總的特點可歸納為“少而精”，即在較少的教學授課學時中起到畫龍點睛的作用，為學生進一步的深入學習打好基礎，并激發他們對智能專業的學習興趣和愛好。基于以上特點，通常選擇一學期共32學時課程的安排計劃，并且在大三上學期開始進行授課。

其次，要研究解決同學們所反映的“虛與實”問題。人工智能是一門涉及到多個學科的課程，具有相當復雜的背景，其與哲學、數學、經濟學、神經科學、心理學、計算機工程、控制論和語言學都有著密切的聯系，并且隨著這些學科的發展而深化，不斷產生新的思路和新的問題。以上特點決定了該課程內容較為抽象，且難以把握全局，學習起來不易消化理解，從而造成了學生學習的困難，容易產生畏懼感，并且學生常常對其在實際環境中的具體應用產生疑問。

如何在這么短的授課學時里使學生產生學習興趣并且能取得良好的教學效果是一個具有挑戰性的課題，這需要對該課程的授課內容、教材選擇、講授方法和考核形式進行全方位的思考與探索，并在教學過程中落在實處。一方面讓學生了解和掌握人工智能的發展歷史和思想淵源，并指出各個分支的本質特點和整個領域的發展趨勢；另一方面有意識地穿插介紹人工智能在實際中具體應用的例子，開闊學生的眼界，打消他們的疑慮。這些將在本文的后面部分進行深入的介紹。

最后人工智能概論這門課程還要兼顧研究型和應用型這兩種特點的共同發展。在以前，由于人工智能授課內容的特點，常常講授時偏向研究型，往往涉及到復雜的數學推導和邏輯運算，增加了老師講授的難度和學生學習的困難。因此，針對上述問題，在教學過程中可以引入多種形式的事例說明和多媒體演示環節，以講授思想為主，具體技術為輔，這將直接反映到授課內容的選擇上。

2授課內容的選擇

人工智能概論授課內容的選擇至關重要，本著該課程“少而精”的特點，既需要讓學生在較短時間內掌握基本的思想與概念要點，又要對該課程進行全方位的介紹，并點出其發展趨勢，因而對授課教師有著非常高的要求。由于授課課時的限制，我們無法做到既面面俱到，又對每個具體方向進行詳細的講解；而且這樣也容易陷入復雜的數學推導和邏輯運算的誤區。因而，整個課程的講授內容應該以傳授思想和概念要點為主，并在講授的過程中加入有趣的事例，通過這些形象的事例說明和多媒體演示環節折射出人工智能思想的精髓和應用的廣闊前景。

人工智能概論主要涉及到知識表示、搜索推理、計算智能、專家系統、機器學習、自動規劃、Agent和自然語言理解等內容，其中以知識表示、搜索推理和計算智能為授課內容的重點，在講授的過程中需要對這些內容加以整理精簡，分清主次，合理地安排授課內容在總學時內。除了這些基本的授課知識外，還應該在教學環節引入多媒體演示，通過形象生動的視頻演示讓學生們了解人工智能的科學價值和實際應用所在。視頻可以選用世界一流大學實驗室的開放多媒體內容，例如：MIT計算機科學與人工智能實驗室的相關科研項目中間過程及結果的視頻演示，以此來開闊學生的眼界，增長他們的見識，使之了解其應用前景和未來的發展空間。

人工智能領域的發展受到多個學科的影響，這些學科在不同歷史時期都對人工智能領域起到了各種推進作用，也產生了許多不同層面的爭論，至今也是如此。如何在授課過程中形象地對人工智能歷史進行回顧，闡述這些學科對人工智能領域的影響，尤其是思想方面的影響特別重要。“回顧歷史，立足當今，展望未來”――給學生形象地描繪出人工智能發展的思想史，并以畫龍點睛之筆指出人工智能領域發展的廣闊未來，是授課教師艱巨而光榮的任務，只有這樣才能使學生把握住人工智能領域的整個發展脈絡，激發出他們的學習興趣和愛好。

以哲學家對強人工智能方向的爭論為例，向學生們介紹這些收集整理的資料對于他們思想的啟迪是非常有益的。這里值得說明的是這種思想的闡述事實上是非常不容易的，其難度甚至高于復雜的數學推導，因為它常常要求授課教師掌握思想的精髓所在，并用非常形象生動的語言對其進行說明，而這些常常是現在書本中所沒有的。例如：知識的表示、獲取、存儲和推理是人工智能領域中重要的組成部分，雖然目前已經有很多書籍詳細地介紹了這些方面，但學生仍然反映聽起來比較抽象。為什么會這樣？其原因是一些基本的問題并沒有得到圓滿的說明和闡述，如“什么是知識”，“知識能夠表示嗎”，“有統一表示各種各樣抽象、復雜知識的工具嗎”，“抽象的美學與復雜的人類情感，知識能夠表示嗎”……其中有些問題看似容易回答，卻往往涉及到一些復雜的哲學問題，目前在各種人工智能的教科書和專著里常常對這些問題避而不談，只在數學的層面上針對具體的問題來進行說明和講授。如果想在這方面有所突破的話，就需要閱讀大量的哲學書籍，如認知學、知識論和心智哲學等領域的著作，還需要大量時間的理解和參悟，這些有價值的資料也是對授課內容的極大豐富和補充。近年來，認知神經科學、心理學、生物學、語言學甚至社會學對人工智能領域有著較大的推進作用，也是將來融合發展的總體趨勢，如何在課堂上結合具體的事例對其加以說明也是授課內容的一個重要環節。

3相關教材的選擇

眾所周知，關于人工智能的國內外優秀教材有很多，例如：S.J. Russell和P. Norvig所著的《Artificial Intelligence――A Modern Approach》被全世界89個國家的900多所大學用作教材[1]，國內可以考慮使用其影印版或中文翻譯版本，大大的降低了購買國外原版教材所需的費用，并可以在此基礎上考慮實現雙語教學。此外還有蔡自興教授等編著的人工智能及其應用，詳細而恰當地介紹了人工智能領域中的各個研究方向(分別適合于本科生[2]和研究生[3])等。我們從整個教學時間安排上看，因其所占學時較少，所以人工智能概論課程的教材選擇不適用于大部頭的書籍，宜選用篇幅較小但內容較全的適合于本科生的教材。除了選擇合適的教材外，對于任課教師還要擁有大量的參考書，包括上述提到的其他領域的書籍和資料，只有這樣才能拓展所掌握的知識，為實現良好的教學效果而服務。

4講授方法和考試形式的選擇

課程講授時注意主線的選擇，著重以思想介紹為主，詳細地介紹人工智能發展的歷史以及各種學派和學說，如符號主義、連接主義和行為主義等，要重點介紹他們的特點和本質，指出它們形成的原因以及其中的不足之處，并向學生介紹新的學說，例如機制主義[4]等。整個教學過程并不涉及較為復雜的數學，要注重各個分支的思想源流，主要從其機制上做定性介紹。同時可在講授過程中穿插相關歷史問題的爭論，例如：中國屋問題[5]等，引發學生學習的興趣和愛好，開展交互式教學，使學生和老師產生互動。授課方式采用板書和多媒體交互使用方式，力爭在每節課的空閑時間里穿插加入人工智能領域的實際應用介紹，放映相關的視頻錄像，開闊學生們的眼界。在最終考試形式的選擇方面不是要學生死記硬背知識點，而是要注重學生思想的發揮，鼓勵學生提出新想法和新思路，并豐富其掌握的相關知識，為將來的進一步學習打好基礎和做準備。

5結語

我們認為在教學方式上力爭采用“啟發式”教學，能真正做到啟迪學生思想的作用，尤其要鼓勵思想創新，在高等教育階段培養學生具有獨立思考、勇于探索的能力，使之成為社會的有用之才。希望這些在人工智能概論課程教學中的思考和探索能在日常教學活動起到有益的作用，并與同行們共同交流和探索。

參考文獻：

[1] S.J. Russell, P. Norvig. Artificial Intelligence:A Modern Approach[M]. 2nd Ed. 北京:清華大學出版社,2006.

[2] 蔡自興,徐光佑. 人工智能及其應用本科生用書[M]. 3版. 北京:清華大學出版社,2003.

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

[4] 鐘義信. 機制主義方法與人工智能統一理論:人工智能的新方法與新進展[J]. 計算機教育,2010(19):7-10.

[5]J. Preston, M. Bishop. Views into the Chinese Room: New Essays on Searle and Artificial Intelligence[M]. Oxford: Oxford University Press,2002.

Teaching Reflection on Introduction to Artificial Intelligence

YANG Dedong, SUN Hexu, YANG Peng, ZHANG Lei

篇（4）

一、計算機網絡技術對人們生活的影響

（一）變革工作方式

計算機網絡等相關新興技術的出現，為社會上的各行各業都帶來了很大的變化。首先對于工商業來說，也是最早應用計算機網絡技術的行業，在當前各行各業處于快速發展的過程中，對于計算機等新興技術也有了更強的依賴性，企業借助計算機網絡技術可以提升工作效率，同時也可以改變傳統工作中存在的缺陷。在銀行中主要就是利用互聯網等技術來為客戶提供服務，同時現在的網絡購物技術以及互聯網金融的快速發展，也使得越來越多的行業都面臨著新的變革，并且人們也享受著網絡技術所帶來的便利，借助計算機網絡技術可以查詢企業的資源利用狀況，也可以為企業的發展提供一些指導性的意見[1]。計算機網絡技術等也被廣泛的應用于教育領域，在教育中借助現代化技術可以顯著提升教育質量，也可以摒棄傳統教育存在的缺陷。如果僅僅通過枯燥乏味的教學模式是無法提升學生的學習興趣的，在其中引入現代化的教育手段，可以培養學生的學習興趣，同時也可以將一些枯燥乏味的內容以更加形象的方式呈現在課堂上，這樣可以豐富課堂教學手段。比如借助PPT等形式可以將書本上的知識以圖片視頻方式呈現出來，這樣可以使得教材內容更為直觀，也可以使得學習過程更為高效。在教育界有效的引入現代化教育技術，可以顯著提升教育質量，同時也催生了遠程教育的產生，學生在家中也可以借助互聯網與老師進行溝通交流，這極大的促進了教育得推廣，也為我國所推行的素質教育奠定了基礎[2]。

（二）革新消費方式

計算機網絡技術的快速應用以及新技術的快速應用現，也在很大程度上改變了人們的生活消費與交流方式。當前相關技術的快速發展，也使得人們的購物方式發生了很大的變化，我們在生活中最為顯著的一個購物行為變化就是網購行為越來越多。尤其是很多網絡店鋪的興起，其憑借著京東、阿里巴巴等大平臺為當下用戶提供了非常便捷的購物服務，人們足不出戶便能購買到自己心儀的商品，同時在網上也可以獲取自己想要的資源。結合自己的需求立即購買產品，這種消費方式省時省力，不用出門也可以達到自己的需求。在該過程中人們的支付方式也發生了很大的變化，人們越來越多的使用網絡支付，也不會被傳統消費過程中現金支付所帶來的困擾所影響[3]。

二、計算機網絡技術革新

（一）大數據技術

當下越來越多的新興技術不斷涌現，最為顯著的便是大數據技術。大數據技術依托于計算機網絡技術能夠從當前爆炸式增長的資源中來迅速挖掘到自己需要的信息，并且借助相應的分析系統來對數據進行分類整合，這樣可以大大提升對于信息資源的獲取、處理和利用效率。普通民眾對于大數據的應用不是很多，但是對于一些互聯網企業都會借助大數據技術來為自己的業務開展提供信息，比如淘寶之類的購物網站會借助大數據技術來收集用戶的習慣喜好，并且針對性的推送一些用戶可能會購買的產品。今日頭條之類的新聞網站也會結合用戶的瀏覽規律、瀏覽喜好來向其推送一些可能被喜歡的內容，這也可以做到精準化推送，以及更加周到的服務，并且獲得更多的受眾。

（二）人工智能

人工智能技術也被廣泛的應用，雖然從整體角度來說，人工智能技術仍然不夠成熟，但是其也被廣泛的應用到科技領域以及家居領域，比如智能語音智能駕駛、智能家居服務都已經成為當下智能技術所研究的方向。人們一回到家就可以通過聲控的方式，來對家中的電器進行控制。同時在駕駛中也可以借助智能輔助系統來獲取更加舒適的體驗，也有一些廠商正在研發智能駕駛系統和AI技術，這可以為人們的生活提供更加優質的服務[4]。人工智能在計算機網絡安全管理工作中，可以更好的呈現自身的價值，首先借助人工智能等技術可以構建智能防火墻技術，這在很大程度上可以保護計算機系統免受外界的侵害。借助該技術可以防止黑客，以及更高級別的病毒入侵等活動。同時借助人工智能技術等衍生出來的智能防火墻，可以有效提高安檢效率，并且對于一些高級病毒進行篩選防護，借助人工智能技術可以提高計算機入侵檢測技術，該技術可以作為防火墻技術的核心工作，其能夠為維護網絡安全提供重要的技術支持，最大程度上確保計算機系統能夠處于安全穩定的狀態。人工智能技術也被廣泛的應用到專家知識庫的構建中。其主要就是結合其積累的相關資源，并且借助大數據技術的對其中的內涵價值等進行挖掘，對知識門類進行分類，這樣可以借助現有的計算機網絡管理經驗，并且輔以數據庫編碼等操作來為后期各項工作的開展提供基礎

（三）云技術

篇（5）

1引言

隨著人工智能技術的不斷進步，重新塑造音樂使得音樂教育的學科素養培育、審美感知、藝術表現和文化理解變得更有支持和創意。探索應用人工智能技術推進音樂教學的改革與發展有具有十分重要的意義。本文通過研究與實踐，引導學生學會用科學的方法培育計算思維創作音樂，用科學的意境欣賞音樂陶冶學生的音樂審美感，用科學的評價提升音樂課堂教學效率。通過這些措施，可以使學校音樂教育精準地開展因材施教差異化教學，彰顯音樂教育的特色。

2人工智能與音樂

人工智能技術與音樂教育有機融合，豐富了課堂教學資源，拓展了智能樂器的功能，提升了音樂教育技術手段。它支持個性化學習，可以觀察音樂課堂學習，分析音樂的旋律與節拍，有效評價教學效果，激發音樂教師運用人工智能技術創新音樂教學的熱情，發揮教師在課堂教學中的主導作用。

2.1樂器的智能化

樂器是學習音樂的重要工具。樂器植入人工智能技術，形成了智能化樂器。它能夠大量儲存多種樂器的音樂數據。尤其是在音樂鍵盤中運用，功能的提升特別突出，應用于音樂教學中引發了多種形式的教學模式。例如，圖1顯示了融合多媒體計算機、主控系統、音樂課堂教學智能評價系統將多部電子鋼琴連接起來的智能樂器實驗室。通過語音室方式授課，可以實現多種樂器的分組教學。這在傳統的音樂課堂上是無法完成的。

2.2智能化樂曲創作

智能樂器不僅能夠儲存樂器音色，而且還能用指令對各種音色播放進行控制，各種音色按照指令進行演奏。這種創作功能是以往其他樂器都無法比擬的[1]。例如，能唱出《月亮代表我的心》十七聲部的合唱團，很好聽，但很難。運用智能樂器按指令合成該十七聲部音樂則輕而易舉。2.2.1機器學習生成樂曲人工智能技術賦能智能樂器，使得機器學習的功能日趨進步。機器學習在音樂領域所做的事情，就是提取音樂作品的“數據”，輸入給定模型學習音樂的“特征”，再對音樂數據進行分析和編排。例如，如果輸入的是《梨園金曲》民族音樂，則機器就能學會民族音樂的曲調特征，生成掌握特征模型的民族音樂作品。2.2.2用軟件生成樂譜使用MuseScore3forMac軟件可以制作樂譜，在工具欄選擇對應時值的音符輸入音符。例如，在MuseScore3窗口輸入如圖2所示的“我和我的祖國”樂譜，再導出MP3文件進行播放。2.2.3代碼生成樂曲用Python代碼生成曲子，要借助音樂標準格式MIDI—樂器數字接口，運用Python-midi庫編寫程序，編譯MIDI文件生成音樂。例如，生成一個簡單樂譜的MIDI文件需要使用Python-midi，其中：Pattern對象表示樂譜；Track對象表示音軌，通常樂譜都有多條軌道組成，每種樂器是一個軌道；midi.NoteOnEvent表示每個音符的開端，在參數表中可以定義每個音符的音長和音高；midi.NoteOffEvent表示每個音符的結束。參考代碼如下：importmidi#定義patternpattern=midi.Pattern()#定義軌道track=midi.Track()#添加軌道到patternpattern.append(track)#音符開始，并定義位置、音量、音高on=midi.NoteOnEvent(tick=0,velocity=50,pitch=midiG_3)track.append(on)#音符結束off=midi.NoteOffEvent(tick-100,pitch=midi.G_3)track.append(off)#軌道結束eot=midi.EndOfTrackEvent(tick=1)track.append(eot)#存儲midi.write_midifile("example.mid",pattern)程序運行結果生成了如圖3所示的簡單音符：這樣如圖2的“我和我的祖國”樂譜，也可以通過Python代碼生成MIDI文件。

3AI賦能音樂課堂

在AI賦能的音樂教育環境，促使音樂教學實踐變革以及學生學習音樂方式。例如，圖4所示的集音樂創作教學及教學評價于一體的“智能化音樂課堂教學評價系統”，在教學設計的優化、教學方法的高效、教學手段的更新、教學評價的智能、教學策略的調整方面都具有借鑒意義[2]。

3.1大數據學習

大數據云計算可以將所有音樂家們音樂數據存儲在云中，運用人工智能技術為學生提供更多有價值的音樂數據。學生通過音樂云學習音樂知識，欣賞音樂魅力、體驗音樂節奏、理解音樂韻律。它使得優質音樂教學資源跨越校園，開放延伸音樂教學，遠程輻射共享資源。這樣就擴展了學生的視野，音樂知識的來源無限擴大，整個音樂云皆有學生的學習教材。特別是大數據音樂云不僅可以推送給學生更多的即興音樂和更多的音樂信息，還能指導音樂愛好者創作出雅正、健康的音樂作品。

3.2個性化學習

人工智能技術從音樂學習行為數據搜集、數據分析與運用、個性化學習評價多方位幫助學生定制個性化的學習成長路徑。推送在線音樂教育資源，指導表演建議樂器學習技巧。搭建音樂教育虛擬課堂，匹配音樂教學資源，實現因材施教的個性化學習，支持一對一的教學輔導和群組式討論。通過這些措施提高教學質量和效率。

3.3教學評價智能化

運用人工智能技術將多個音樂輔助教學設備連接的音樂創作教學系統，基于音樂課堂教學的學生學習特質分析與教學效果分析的音樂課堂教學管理系統，來實現音樂教學的全程智慧管理，使音樂學習更有效率。例如，在虛擬音樂課堂樂器教學可以變成一對多的自選教學模式，使課堂變得輕松、愉快。教師可以開啟課堂教學觀察模塊，捕捉每位學生同步練習的音準、節奏、力度數據，分析判斷將評價信息同步反饋，給出學習指導建議。3.3.1創作教學模塊“智能化音樂課堂教學評價系統”中的音樂創作教學模塊，集視、聽、練和反饋評價為一體，適時演示教師教學作品和評價學生練習作品。例如，在進行《我和我的祖國》授課時導入電影片段，欣賞“我和我的祖國”音樂的表現形式、演唱形式以及歌曲風格，可以使學生更好地體驗作品的創作意境，激發創作意識。使用MuseScore創作“我和我的祖國”三聲部習作音樂，并能儲存、刻錄，編輯等二度創作。3.3.2課堂教學評價模塊音樂課堂教學評價有著傳統音樂教學評價無法比擬的靈活性、客觀性和實用性。從大數據分析角度獲取音樂課堂教與學相關數據，對學生的音樂基本素養與學習態度進行科學分析判斷。例如，以創作《紅河谷》中的和聲與音樂作品風格內容的“編配伴奏音樂”教學過程為例。課前在“課堂教學評價模塊”上安排學生根據作品風格完成伴奏的音樂；播放制作好的《紅河谷》MIDI音樂（在第二和第六個小節缺失編配和弦）；使學生感受、探討大小三和弦的表現力，形成對大小三和弦的感知。然后要求學生試著用MuseScore為《紅河谷》缺失的兩小節選配和弦，以適合歌曲的伴奏風格。學生需要邊哼唱歌曲邊試著套用不同的伴奏風格，找到他們認為最恰當的和弦伴奏風格，說出理由并提交[3]。評價系統將學生提交的作業比照音樂要素進行評價。及時反饋學習評價的信息，并對學生的學習進程制定一個個性化的學習方案[4]。同時通過教學反饋深度優化決策模型，促進教師實時改進教學策略，提高教學效率和效果，提升教學質量。

4結語

人工智能技術在音樂教育領域中的廣泛應用，為傳統的音樂教育模式注入了活力，為音樂教師創新音樂教學理念開辟了新思路[5]，為因材施教提供了新的適合學生學習的音樂教學模式。人工智能在音樂教育模式方面的探索，不僅給音樂教育教學的發展帶來了物質技術層面的進步，還從音樂教學層面促進計算思維培育開辟新途徑。這對音樂教育理念、教學手段、教學方式和方法以及拓展學生音樂視野、學習音樂、享受音樂、創造音樂等都帶來深刻的變化和積極的影響。

參考文獻

[1]鄒孟雨.人工智能及其在音樂教育中的應用.北方音樂,2018(15):254-255

[2]郭文進.“互聯網+教育”運行模式探究.決策與信息（下旬刊）,2015(9):63

[3]段曉軍.電腦音樂系統與中小學音樂教學實踐.中國音樂教育,2006(6):26-28

篇（6）

人工智能是融合信息科學和數學、哲學、心理學等知識的一種新型科學技術，能通過感知環境做出主動反應，并且該反應能夠實現目標、獲得最大收益（蔡彬彬.人工智能在計算機網絡技術方面的應用[J].科技風,2019(13):60）。如今人工智能已經滲透到日常生活之中，例如手機里的智能助理、新聞瀏覽中的新聞推薦和機器翻譯、機器人、自動駕駛等。人工智能是全新的智能系統，其優勢主要包括：第一，模糊信息處理和協作的能力。大數據時代的計算機網絡技術發展中出現大量模糊信息，增大處理難度，而人工智能大多使用模糊邏輯的數據處理方式，無需準確描述數據模型，運用人工智能就能增強計算機網絡技術的信息處理能力。與此同時，計算機網絡技術的規模、結構等均在發生變化，增大網絡管理難度，運用人工智能的協作分布思維就能顯著提高計算機網絡協作能力。第二，非線性處理和學習的能力。計算機網絡技術催生大量數據和信息，其中有很多都處于較低的概念層次，但其背后隱藏著價值巨大的信息，需要運用人工智能進行挖掘，學習低層次信息，進行解釋和推理。人工智能還可以及時進行非線性處理，由機器人模仿人的智能。第三，運算速度快、成本低。迅速發展的計算機網絡技術使得人們對其的依賴程度越來越大，但效率和成本問題不容忽視，運用人工智能可以加強算法控制，在計算時速度較快、資源消耗較少，極大地節省計算成本。

2大數據時代人工智能在計算機網絡技術中運用的途徑

進入大數據時代以后，計算機網絡技術的發展速度越來越快，全球越來越關注網絡安全問題，計算機網絡系統的運用中最重要、人們最關注的則是網絡控制、網絡監控。由于網絡數據存在不規則、不連續的特征，計算機判斷數據真實性的難度較大，因而有必要促進計算機網絡技術的智能化發展。

2.1運用于管理

人工智能一般又被稱為人工智能Agent技術，這是一種實體軟件，其組成部分主要是各Agent之間的數據庫、知識庫、解釋推理器、通訊部分，其依據就是Agent的知識庫，通過及時分析、處理數據信息完成相關任務。人工智能的管理一般可以基于用戶自定義搜索信息，并可以向指定位置傳輸，讓用戶享受更智能化的、人性化的服務（王佳美.人工智能技術在計算機網絡領域中的應用研究[J].通訊世界,2019(04):136-137）。例如用戶利用計算機網絡技術查找所需信息時，運用人工智能就能進行管理，對信息加以分析和處理，獲得有效的信息，節省大量查找時間。同時，人工智能在人們的日常生活與工作中也有廣泛運用，包括收發郵件、安排形成、網上購物等，享受十分優質的智能化管理服務。并且人工智能技術擁有一定的學習性、自主性，對于用戶分配的任務可以自動完成，借助自主學習方式更好地推動計算機網絡技術的發展。

2.2運用于數據處理

在計算機網絡技術中運用人工智能可以極大地提升數據處理能力，即從人工智能切入，實現計算機動態模擬、科學預測，為開展計算機網絡管理工作提供可靠的技術支持，特別是開展預設性管理活動，方便對人員的行為進行管理，減少額外成本投入，夯實后續開展數據處理活動和管理活動的基礎。為更充分地體現人工智能運用于計算機網絡技術的數據處理優勢，操作人員要從實際著眼，從人工神經網絡切入，通過構建人工神經網絡機制，實行必要的網絡數據信息預測和處理。具體而言，運用人工神經網絡，基于計算機網絡技術的操作狀態，快速獲得主要的運行參數，并把所獲參數和計算機網絡標準做對比，從而輸出對比結果，直觀呈現數據處理結果。借助神經元的連接權和閾值，還可銜接輸入值、輸出值，形成最佳的擬合函數，基于人工神經網絡框架高效處理計算機網絡技術運用中的各類核心數據，特別是對計算機網絡技術所涉及設備的運行狀態、技術參數等進行閱讀，預測短時間里人工智能在管理環節暴露的問題，高速設置應對問題的方案。該操作需要大數據的支持，數據運算量也很大，所以在運用人工智能時要適當前移數據信息的加工和處理工作，組建計算機網絡技術的動態模擬和預測網絡。

2.3運用于網絡安全

人們對于計算機網絡技術的使用安全始終給予高度重視，運用人工智能有助于強化其安全防護。例如運用人工智能可以構建智能防火墻，智能防火墻和其他防御系統比起來能借助智能化的識別技術采集數據、分析數據、處理數據，對有害信息訪問進行限制、攔截，減少計算量，提升數據信息安全等級。智能防火墻也有助于防范病毒攻擊、黑客攻擊，既能阻止病毒傳播，又能有效監控并管理內部局域網，確保計算機網絡技術使用的平穩性、安全性（羅雅麗.大數據時代人工智能在計算機網絡技術中的應用[J].電腦編程技巧與維護,2019(06):120-122）。此外，智能防火墻的安全檢測效率比傳統防御軟件高很多，可以妥善解決外部攻擊問題，穩步提升計算機網絡安全工作的有效性。人工智能還可運用于計算機網絡技術的入侵檢測實踐，其主要涉及兩個模塊：一個是訓練模塊，即在計算機網絡技術的使用中通過人工智能實行網絡入侵檢測，實現正常審計已知數據、檢測異常數據的向量訓練。人工智能檢測主要借助編碼的方式對已知入侵特征向量和審計記錄做分析、比較，進而把入侵特征的向量變化識別出來。如果已知入侵向量有符合其特征的審計事件，那么計算機網絡系統就會自動報警；如果入侵向量和審計事件不符，運用人工智能就能自動實行網絡入侵檢測，形成新的審計事件。還可以調整模式長度、匹配時間，確保有效分析入侵檢測信息的特點。另一個是檢測模塊，借助預處理器實行入侵檢測，即通過數學向量的形式，以審計未知為前提實施數字處理，之后基于支持向量機、判決函數，分類數字向量，再經過決策系統分類匯總數字向量。在檢測預測模塊中也可按照現有模型的運行規律判定計算機網絡系統在今后可能會遭受的攻擊，促進模型裝置的及時更新，確保系統安全、穩定。

2.4運用于其他方面

大數據、互聯網和人工智能等技術有力推動各行各業的變革、發展，使得計算機網絡技術水平越來越高，對人們的生活與生產發揮更大的作用。第一，人工智能在教學領域的運用。教師可以在計算機網絡技術的學習中運用人工智能，提高教學準確度，并調動學生的熱情和積極性。人工智能在早教領域的運用也十分廣泛，智能機器人使早教進入新的層面，教育不再受到書本的限制，成功把互聯網帶進課堂，教師針對自己無法即刻解決的問題，可以借助計算機網絡技術搜索準確答案。第二，人工智能在企業管理領域的運用。如今很多企業的計算機網絡技術都融入了人工智能，例如自動監控系統、自動報警系統等，促使企業實現智能化管理目標，在安全的環境里降低管理成本（高塔,田雨鑫.計算機網絡技術中大數據時代的人工智能應用研究[J].中小企業管理與科技(上旬刊),2018(06):137-138）。企業在未來必然能依托人工智能實現真正的現代化和信息化、智能化管理。第三，人工智能在家居領域的運用。經濟穩步發展使智能家居進入大眾的生活，為人們的居住提供更大的便利。在計算機網絡技術中運用人工智能能很好地滿足人們的居住需求，例如自主控制燈光的明暗、窗簾的開合等，或者遠程控制家居系統，包括電飯鍋開關的遠程控制，回到家里能有更多休息時間。因此，智能家居的應用將會日益普及，讓人們享受優質的家居生活服務。

篇（7）

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自從20世紀50年代產生，經過長期發展，已經有了長足的進步，并且已經深入到社會生活的諸多領域，如語言處理、智能數據檢索系統、視覺系統、自動定理證明、智能計算、問題求解、人工智能程序語言以及自動程序設計等。隨著科學技術的不斷發展，現在的人工智能已經不再是僅僅具有簡單的模仿與邏輯思維能力，人們也越來越期待人工智能能夠幫助或者替代人類從事各種復雜的工作，加強人的思維功能、行為功能或是感知功能。這就要求人工智能具有更強的情感識別、情感表達以及情感理解能力。通俗的說，為了使得人工智能對外界的變化適應性更強，需要給它們賦予相應的情感從而能夠應對這個難以預測的世界。

在賦予人工智能“情感”的過程中，面臨著許多的問題，有科技層面上的，也有社會學層面的。本文在這里只討論其中一個比較基本的社會學問題：“人工智能情感約束問題”，即關注于如何約束賦予給人工智能的情感，不至于使其“情感泛濫”。情感指的是一種特殊的思維方式，人工智能具有了情感后的問題是：人工智能的情感是人類賦予的，人工智能自身并不會創造或者控制自己的情感。如果賦予人工智能的情感種類不合理，或者是賦予的情感程度不恰當，都有可能造成“情感泛濫”并導致一些災難性的后果。例如，當人工智能具有了情感之后，如果人類自身管理不恰當，有可能導致人工智能反過來傷害人類。盡管目前我們只能在一些科幻作品中看到這種情況發生，但誰也不能保證未來有一天會不會真的出現這種悲劇。

本文第二章對人工智能情感研究進行了概要性回顧，第三章對如何約束人工智能情感進行了嘗試性探討，最后一章對全文進行了總結。

2人工情感發展情況概述

隨著科學家對人類大腦及精神系統深入的研究，已經愈來愈肯定情感是智能的一部分。人工情感是以人類自然情感理論為基礎，結合人工智能、機器人學等學科，對人類情感過程進行建模，以期獲得用單純理性思維難以達到的智能水平和自主性的一種研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感機器識別與表達、人工情感機理等四個方面的內容。其中，尤以人工情感機理的研究困難最大，研究者也最少。

目前人工情感在很多領域得到了應用和發展，比較典型的是在教育教學、保健護理、家庭助理、服務等行業領域。在教育教學方面比較典型的例子是德國人工智能研究中心發展的三個方案：在虛擬劇場、虛擬市場和對話Agent中引入情感模型和個性特征來幫助開發兒童的想象力及創造力。在保健護理方面比較典型的是家庭保健與護理方向，如Lisetti等人研制的一個用于遠程家庭保健的智能情感界面，用多模態情感識別手段來識別病人的情感狀態，并輸入不同媒體和編碼模型進行處理，從而為醫生提供關于病人簡明而有價值的情感信息以便于進行有效的護理。服務型機器人的典型例子是卡內基梅隆大學發明的一個機器人接待員Valerie。Valerie的面孔形象的出現在一個能夠轉動方向的移動屏幕上時可以向訪問者提供一些天氣和方位方面的信息，還可以接電話、解答一些問題；并且Valerie有自己的性格和愛好，情感表達較為豐富。當然這些只是人工情感應用領域中的幾個典型的例子，人工智能情感的潛力仍然是巨大的。

盡管關于人工情感的研究已經取得了一定的成果，給我們帶來了很多驚喜和利益，但由于情緒表現出的無限紛繁以及它與行為之間的復雜聯系，人們對它的運行機理了解的還不成熟，以致使得目前人工情感的研究仍面臨著諸如評價標準、情感道德約束等多方面問題。所以必須清楚的認識到我們目前對于人工情感的計算乃至控制機制并沒有一個成熟的體系。

3對人工智能的情感約束

正如上文所述，如果放任人工智能“情感泛濫”，很有可能會造成嚴重的后果。為了使人工智能技術更好的發展，使智能與情感恰到好處的結合起來，我們有必要思考如何對賦予人工智能情感進行引導或者約束。

3.1根據級別賦予情感

可以根據人工智能級別來賦予其情感，如低級別人工智能不賦予情感、高級別人工智能賦予其適當的情感。眾所周知，人工智能是一門交叉科學科，要正確認識和掌握人工智能的相關技術的人至少必須同時懂得計算機學、心理學和哲學。首先需要樹立這樣的一個觀點：人工智能的起點不是計算機學而是人的智能本身，也就是說技術不是最重要的，在這之前必須得先解決思想問題。而人工智能由于這方面沒有一個嚴格的或是量度上的控制而容易出現問題。從哲學的角度來說，量變最終會導致質變。現在是科學技術飛速發展的時代，不能排除這個量變導致質變時代的人工智能機器人的到來，而到那個時候后果則不堪設想。因此，在現階段我們就應該對人工智能的情感賦予程度進行一個約束。

根據維納的反饋理論，人工智能可以被分成高低兩個層次。低層次的是智能型的人工智能，主要具備適應環境和自我優化的能力。高層次的是情感型的人工智能，它的輸入過程主要是模仿人的感覺方式，輸出過程則是模仿人的反應情緒。據此我們可分別將機器人分為一般用途機器人和高級用途機器人兩種。一般用途機器人是指不具有情感，只具有一般編程能力和操作功能的機器人。那么對于一般用途的機器人我們完全可以嚴格的用程序去控制它的行為而沒必要去給他賦予情感。而對于高級層面的情感機器人來說，我們就適當的賦予一些情感。但即使是這樣一部分高層次的情感機器人，在賦予人工情感仍然需要考慮到可能會帶來的某些潛在的危害，要慎之又慎。

3.2根據角色賦予情感

同樣也可以根據人工智能機器人角色的不同選擇性的賦予其不同類型的情感。人類與機器合作起來比任何一方單獨工作都更為強大。正因為如此，人類就要善于與人工智能機器合作，充分發揮人機合作的最大優勢。由于計算機硬件、無線網絡與蜂窩數據網絡的高速發展，目前的這個時代是人工智能發展的極佳時期，使人工智能機器人處理許多以前無法完成的任務，并使一些全新的應用不再禁錮于研究實驗室，可以在公共渠道上為所有人服務，人機合作也將成為一種大的趨勢，而他們會以不同的角色與我們進行合作。或作為工具、顧問、工人、寵物、伴侶亦或是其他角色。總之，我們應該和這些機器建立一種合作互助的關系，然后共同完任務。這當然是一種很理想的狀態，要做到這樣，首先需要我們人類轉變自身現有的思維模式：這些機器不再是一種工具，而是平等的服務提供人。

舉例來說，當機器人照顧老人或是小孩的時候，我們應該賦予它更多的正面情緒，而不要去賦予負面情緒，否則如果機器人的負向情緒被激發了，對于這些老人或者小孩來說危險性是極大的；但是，如果機器人是作為看門的保安，我們對這種角色的機器人就可以適當的賦予一些負向的情緒，那么對于那些不按規則的來訪者或是小偷就有一定的威懾力。總之，在我們賦予這些智能機器人情感前必須要周到的考慮這些情感的程度和種類，不要沒有顧忌的想當然的去賦予，而是按分工、作用賦予限制性的情感約束，達到安全的目的。

3.3對賦予人進行約束

對人工智能情感賦予者進行約束，提高賦予者的自身素質，并定期考核，并為每一被賦予情感的人工智能制定責任人。

縱觀人工智能技術發展史，我們可以發現很多的事故都是因為人為因素導致的。比如，首起機器人殺人案：1978年9月的一天，在日本廣島，一臺機器人正在切割鋼板，突然電腦系統出現故障，機器人伸出巨臂，把一名工人活生生地送到鋼刀下，切成肉片。

另外，某些研究者也許會因為利益的誘惑，而將人工智能運用在不正當領域，或者人工智能技術落入犯罪分子的手中，被他們用來進行反對人類和危害社會的犯罪活動。也就是用于所謂的“智能犯罪”。任何新技術的最大危險莫過于人類對它失去控制，或者是它落入那些企圖利用新技術反對人類的人的手中。

因此為了減少這些由于人而導致的悲劇，我們需要對這些研究者本身進行約束。比如通過相應的培訓或是定期的思想政治教育、或是理論知識的學習并制定定期的考核制度來保證這些專家自身的素質，又或者加強對人工智能事故的追究機制，發生問題能立即查詢到事故方等等，通過這樣一系列強有力的硬性指標達到減少由于人為因素導致悲劇的目的。

3.4制定相應的規章制度來管理人工智能情感的發展

目前世界上并未出臺任何一項通用的法律來規范人工智能的發展。不過在1939 年，出生在俄國的美籍作家阿西莫夫在他的小說中描繪了工程師們在設計和制造機器人時通過加入保險除惡裝置使機器人有效地被主人控制的情景。這就從技術上提出了預防機器人犯罪的思路。幾年后， 他又為這種技術裝置提出了倫理學準則的道德三律：（1）機器人不得傷害人類，或看到人類受到傷害而袖手旁觀；（2）在不違反第一定律的前提下，機器人必須絕對服從人類給與的任何命令；（3）在不違反第一定律和第二定律的前提下，機器人必須盡力保護自己。這一“機器人道德三律”表現了一種在道德憂思的基礎上，對如何解決人工智能中有害人類因素所提出的道德原則，雖然得到很多人的指責，但其首創性還是得到公認的。盡管這個定律只是小說家提出來的，但是也代表了很多人的心聲，也是值得借鑒的。

那么對于人工智能情感的約束呢？顯然，更加沒有相應的法律法規來規范。那么，我們就只能在賦予人工智能情感的道理上更加的小心翼翼。比如，我們可以制定一些應急方案來防止可能導致的某些后果，也即出現了問題如何及時的處理之。另外我們在操作和管理上應更加慎重的去對待。也希望隨著科學技術的發展，能夠在不久的將來出臺一部相應的規章制度來規范人工智能情感的管理，使之更加精確化、合理化。

4結束語

人工智能的情感研究目的就是探索利用情感在生物體中所扮演的一些角色、發展技術和方法來增強計算機或機器人的自治性、適應能力和社會交互的能力。但是現階段對這方面的研究雖然在技術上可能已經很成熟，但是人工智能情感畢竟是模擬人的情感，是個很復雜的過程，本文嘗試性的在人工智能發展中可能遇到的問題進行了有益的探討。但是不可否認仍然有很長的道路要走，但是對于人工智能的發展勁頭我們不可否認，將來“百分百情感機器人”的問世也許是遲早的事情。

參考文獻：

[1] 趙玉鵬，劉則淵.情感、機器、認知――斯洛曼的人工智能哲學思想探析[J].自然辯證法通訊，2009，31（2）：94-99.

[2] 王國江，王志良，楊國亮，等.人工情感研究綜述[J].計算機應用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究綜述[J].江南大學學報（自然科學版），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] 張顯峰，程宇婕.情感機器人：技術與倫理的雙重困境[N].科技日報，2009-4-21（005）.

[7] 張曉麗.跟機器人談倫理道德為時尚早[N].遼寧日報，2011-11-04（007）.

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

篇（8）

每次基本上看100個，30個甚至以上是有技術含量的項目;而在中國，目前為止仍然是看100個，甚至可能看不到一個有技術含量的公司。不僅如此，美國十多年前就設置了人工智能專業，而中國教材二十年不變。

從量變到質變。作為一個經濟體量冉冉升起漸與美國比肩的國家，中國在產業創新的價值層面卻嚴重滯后。在中國，模式創新占到80%，而美國60%以上是技術創新。

有用即真理。當很多模式還沒走到窮盡的時候，實用主義觀念如此有效，也很正常。但即便中國企業界誕生諸如小米、微信乃至馬云這樣的現象級事件，那些在本土行之有效的技巧依然很難跨境移植，獲得更具普世意義的成功。更可怕之處在于，這些企業個體的成功，對更廣泛的企業群體幾乎毫無意義。

――為什么中國亟須一場商業思想新啟蒙？

不僅僅是因為“中國經濟面臨著一個嚴重的缺陷，即缺乏思想市場。這是中國經濟諸多弊端和險象叢生的根源”，從某種程度上說，中美經濟擁有兩套話語體系。在這個無人看管的接力區，渴望與焦慮并存。叢林規則的信徒最終將加入公共秩序。

如何打破平行世界的藩籬，讓中國企業融入全球價值鏈？

時間是技術的朋友

谷歌的阿爾法狗戰勝世界圍棋冠軍;曾經價格昂貴并只服務于政府、軍隊的基因測序，現在普通消費者只需花約1 000美金便可以采用;史上首部人工智能編劇的短片《Sunspring》入圍今年倫敦科幻電影競賽十強……

事實上，過去數十年科技創新的積累已經促進創新由量變向質變轉化，同時現在已迎來恰逢其時的市場契機，市場應用窗口已經打開，科技創新帶來的社會變革及其伴隨的蝴蝶效應正在發生。

在新興的技術領域中，具備生態和產品顛覆性的創新獲得了比較積極的商業認可。比如機器人、虛擬現實（VR）、增強現實（AR）、物聯網與智能家居等。而以人工智能、計算機視覺、生命科學為代表的技術革新，正在帶動諸多關聯性技術領域迎來爆發期。

全球科技創新的浪潮之下，美國依然是中心，但以中國為代表的新興力量正在崛起。中國的技術創新公司憑借龐大的智能設備和互聯網用戶基礎，快速獲得生長空間與商業增長，它們正嘗試通過產品與投資形式，參與全球科技公司的競爭。

全球科技創新與中國機遇，在未來很長的一段時間里，都將是以技術創新為主導的中國公司需要破解的命題。毫無疑問，前沿技術將是未來商業模式的核心驅動力，因為只有技術創新才能保住企業的基業常青。

風馬牛都相連的生意真那么好？

軟銀總裁孫正義一個月內從阿里巴巴和騰訊拿了186億美元，又借了136億美元，買了一家好多人都不認識的公司。什么公司？

2016年7月18日，日本軟銀集團宣布將以320億美元現金收購英國移動芯片公司ARM。目前，全球逾95%的智能手機配置ARM芯片，應用范圍覆蓋傳感器、智能手機及服務器。

在債務累累的情況下，軟銀斥巨資收購ARM，目的很簡單――押注物聯網的未來。

繼計算機、互聯網與移動通信網之后，物聯網被認為是新一波信息產業浪潮。在這股浪潮下，世界上的萬事萬物，只要嵌入一個微型感應芯片，就能變得智能化。據相關機構預測，到2020年，物聯網設備安裝量將達260億。未來，所有能想到的任何事物都將連接物聯網。

不只是ARM賣了一個好價錢，國內物聯網平臺Broadlink也在今年完成C輪7 000萬元融資。在資本寒冬中，Broadlink能獲得巨額融資也說明了物聯網的吸金能力。

在國內物聯網應用市場，Broadlink是鮮有在軟硬件解決方案上均取得領先的新興企業。在具體應用中，Broadlink自主研發的Wi-Fi物聯網傳輸模塊、云計算平臺和智能終端應用，可以為各類家電廠商提供成熟完整的智能家電解決方案;同時Broadlink還為用戶提供 DIY 智能插座、智能遙控、家庭空氣質量分析儀等智能家居產品。

今年3月，Broadlink了Broadlink DNA 3.0計劃。BroadLink DNA 系統是目前全球較成熟的物聯網PaaS平臺之一，能夠幫助智能家居產品實現快速無縫接入。它是家電智能化的一站式解決平臺，支持多連接協議，一次接入DNA系統后，可對接所有云平臺（京東、阿里、微信、華為、國美、蘇寧等），同時提供免費的數據SaaS服務。

目前，BroadLink已經連接服務了超過200家企業，包括家電、電工以及智能硬件行業，真實聯網設備超過8百萬臺。接下來，BroadLink將把連接廠家的數百個品類產品進行整合與場景化，落地智慧地產與物業的實際應用。

“人人基因”探索者

隨著基因組科學的發展，未來人類將進入“人人基因”時代。基因測序領域在技術突破和政策放寬的影響下，不斷迎來爆發。中國企業目前在基因測序服務及信息分析領域處于世界領先地位，華大基因、貝瑞和康等都在各自主打領域扮演著探索者角色。

從應用市場來看，癌癥檢測是目前最被消費者關注的項目，無創產前測序則是第一個落地并商業化的項目。無創產前檢測的目的是預防新生兒出生缺陷，并提供整體解決方案，這一技術的背后是一個百億元規模的龐大市場。

作為在國內無創DNA產前檢測領域市場占有率第一的公司，貝瑞和康以高通量基因測序技術為核心，將步驟繁瑣到只能在實驗室進行的檢測技術，優化成為可直接在醫院提供服務的商業化產品。

2015年3月20日，國家食品藥品監督管理總局批準了貝瑞和康基因測序儀和胎兒染色體非整倍體檢測試劑盒注冊。其中基因測序儀NextSeqCN500正是針對中國臨床需求，貝瑞和康與美國最大基因測序公司億明達合作研發出一款新型高通量的基因測序儀。貝瑞和康著力于將這款測序儀的步驟簡化，檢測流程從原來幾天的時間縮短成幾個小時。目前國內獲批無創產前基因檢測的108家試點醫院中，有60度家與貝瑞和康達成合作，其中有超過50家已進入產品模式。

更為重要的是，貝瑞和康測序儀的大批量檢測單位成本較低，醫院或第三方檢測機構的唐氏綜合征檢測價格或能直線下降，從而有望成為唐氏綜合征等染色體病的產前“普篩”手段。

除了產前基因檢測，在腫瘤基因檢測領域，貝瑞和康也在探索技術產業化的有效路徑。

事實上，基因測序行業是一個龐大的產業。很多基因檢測公司開始以孕前、產前、新生兒、青少年等完整生命周期的各階段來進行產品開發和應用。未來將有更多產品進入商業化。

從大眾創業到精英創業

在互聯網女皇瑪麗?米克爾的報告中，智能語音被認為是下一代人機交互的新范式，正在各個領域全面開花。

作為國內最大的智能語音廠商，科大訊飛目前已經將智能語音技術應用在移動應用、智能家居、機器人、車載、教育等各個領域。與BAT圍繞自身技術、用戶與基礎服務構建著差異化的人工智能競爭生態不同，科大訊飛選擇在語音識別這一單點領域進行突破，并圍繞于此建立基于語音系統的通用解決方案平臺。

依托于中文語音合成、語音識別、口語評測等多項技術研發與突破，科大訊飛以專用領域的技術解決方案為切口，研發構建了目前國內最全的語音技術平臺，并實現了語音領域最為廣泛的落地解決方案。

目前，科大訊飛推出的從大型電信級應用到小型嵌入式應用，從電信、金融等行業到企業和家庭用戶，以及從PC到手機等各種移動設備來看，其已具備能夠滿足不同應用環境的多種產品的能力。比如，在人臉和聲紋識別的演示中，科大訊飛利用聲紋識別可以將任何人說的話實時轉譯成郭德綱、林志玲等明星的聲音;在人機交互中，科大訊飛支持多輪對話和上下文理解，并且攻克了粵語、閩南語等方言識別。

在國內語音識別市場上，科大訊飛研發的語音合成產品的市場份額達到70%以上，在電信、金融、電力、社保等主流行業的份額更達 80% 以上，開發伙伴超過 10 000 家，以訊飛為核心的中文語音產業鏈已粗具規模。

科大訊飛依托市場份額的絕對占有率和構筑多年的技術門檻形成了他們在語音識別解決方案領域獨特的市場競爭力，這也為國內其他初創型人工智能企業的未來發展提供了良好的借鑒。

價值再定義，不懂就出局

我們面對的是一個商品不再作為主要價值載體的世界，商品的價值鏈與服務價值鏈相比，重要性將大不如前。

在新的全球價值鏈條下，消費升級正在帶來新的需求和新的商業服務。高端醫療、定制旅游、在線教育、文娛IP、互聯網金融、企業服務等非商品的消費重構著商業世界。在重構一切當中，消費者在價值鏈條上的作用空前強大。因此，能否為用戶創造價值，是考驗企業商業能力的第一條軍規。

重構即創新，創新即價值。今天的商業邏輯已經轉變為用戶為王，我們的商業的模式，也必須作出相應的調整和布局。從價值革命的角度來說，評判一個商業模式可以分為兩個基本維度：第一個維度是價值的創造和傳遞，能否滿足用戶新的消費需求，并把價值有效地傳遞給用戶;第二個維度是在為用戶創造價值的基礎上，如何來獲取企業的那部分價值。

因此，對于企業來說，不但要融入全球價值鏈條，還要不斷優化供給側，從而跑贏消費端升級，實現高水平的供需平衡。創造新供給，才能更好地激活新需求。在未來商業的變革中，企業只有真正創造出有高價值的產品、內容、技術，才可能得到消費者的認可。

企業服務斗法新戰場

當前，連接越來越成為未來商業的核心。由用戶思維引發“連接型商業”時代的到來，使得國內企業服務市場空間將是萬億級的新商業。

中國最大的企業通訊云服務商容聯云通訊，近日宣布完成7 000萬美元C輪融資，這是國內企業通訊領域迄今為止最大的一筆融資。

容聯是國內第一個踏足互聯網通訊的企業，通過整合運營商的網絡資源、通信資源，將專業的通訊能力打包成API接口與SDK，為企業和開發者提供通話、短信、視頻、呼叫中心、IM、流量等便捷、高效和高性價比的通訊服務和不同場景下的行業通訊解決方案。

目前容聯的平臺上已累計擁有超過20萬名開發者和5萬家企業客戶，服務的客戶包括但不限于騰訊、阿里巴巴、京東、百度、360、小米等知名企業，全面覆蓋O2O、出行、旅游、物流、房產、在線教育、互聯網醫療、政企、企業IT系統等眾多行業。

在國內，真正面向企業提供全渠道融合通信能力的企業服務市場，還只是剛剛開始。盡管容聯云通訊在呼叫中心、IM等各細分領域都有競爭對手，但從全通訊、一站式的概念來看，能夠看到的競爭對手并不多。

作為容聯C輪的領投方，紅杉資本中國基金合伙人周逵認為：容聯產品滿足了企業客戶、尤其是互聯網企業對通訊服務“便捷、高效、高性價比”的需求，以平臺為核心，從分享通訊資源到分享通訊技術再到分享企業級入口，容聯是國內企業通訊云服務的開創者。

篇（9）

0 引言

智能科學是信息科學的制高點。從物質科學演進到信息與智能科學，研究的對象發生巨變，因此研究的理念和方法也必須隨之改變，這是不言自明的道理。然而，由于科學觀與方法論的抽象性（無形性），這種不言自明的道理卻往往在實踐中被人們視而不見。

我們對信息與智能科學技術發展的歷史稍加考察就可以發現，由于科學觀與方法論具有抽象性或無形性特點以及人類的思維習慣存在惰性，數十年來信息與智能科學技術的研究依然沿用傳統的科學觀和方法論，由此導致一系列重大的學術研究失準，在客觀上延緩了信息與智能科學的發展進程。

在半個多世紀的科學研究實踐中，筆者曾經在這方面反復經歷失敗與成功，有過正反兩個方面的經驗和教訓，最終深切地感悟到：科學觀與方法論問題對于信息與智能科學領域的研究與教育具有特別重要的意義。于是，筆者常常不由自主地思考和總結信息與智能科學領域中的科學觀與方法論問題，得到一些初步的領悟，愿在此與讀者共享并歡迎批評指正。

1 傳統的科學觀與方法論

有什么樣的研究對象，就需要有與之相適應的研究方法，而方法論又源于科學觀。換言之，有什么樣的科學觀，就會形成什么樣的方法論，科學觀和方法論是指引人們從事科學研究的世界觀和方法論。

傳統自然科學的研究對象是物質系統和能量系統。物質觀和能量觀便天然地成為傳統自然科學的科學觀，而對復雜物質和能量系統實行分而治之、各個擊破、合成還原則成為傳統自然科學行之有效的方法論。

近幾百年來，面對越來越多的復雜物質系統和能量系統，傳統自然科學的科學觀和方法論指導全球研究大軍頻繁出擊，戰無不勝，攻無不克，所向披靡，為近代自然科學技術的發展與繁榮建立了歷史性的卓越功勛。

2 傳統科學觀與方法論對信息領域科學研究的誤導

傳統科學觀和方法論雖然在近代科學實踐中屢試不爽，但是在一類新的研究對象面前卻產生了一系列相當嚴重的誤導作用。這類新的研究對象就是以信息為主導特征的復雜信息系統，而智能科學就是研究這類系統的代表性學科。

2.1 誤導案例之一：探究思維奧秘

一個最為明顯的誤導例證就是關于人類大腦思維奧秘的探究。按照傳統的物質觀和能量觀，人類大腦系統是一個復雜的物質系統，也是一個復雜的能量系統；為了探索大腦思維的奧秘，。應當對它實行分而治之、各個擊破、合成還原的研究。于是，研究者對人類大腦實行各種各樣的解剖研究，試圖查明大腦各個解剖單元的物質結構和能量關系，從而解開人類大腦思維的秘密。

令研究者大失所望的是，盡管通過解剖研究可以查明大腦各個局部組織的物質結構和能量關系，但是對于大腦為什么能夠思維以及大腦怎樣進行思維這樣一些基本問題，仍然始終摸不著頭腦并且一籌莫展。

百戰百勝的傳統方法論出現了什么問題？原來，盡管大腦是復雜的物質系統，也是復雜的能量系統，但它的本質是以信息及其轉換為主導特征的復雜信息系統。研究者按照傳統科學方法論將大腦這個復雜信息系統分解為相對簡單的解剖單元（分系統）時，就丟失了各個分系統之間相互聯系和相互作用的信息，而這些相互聯系和相互作用的信息正是復雜信息系統的生命線。舍棄了生命線，當然就不可能通過各個分系統的合成還原“能夠思維”的大腦。

2.2 誤導案例之二：Shannon信息論

另一個非常基本的誤導案例是關于信息概念和理論的研究。按照正常的理解，人們處理和利用的任何信息都是形式、內容和效用的三位一體：形式只是信息的外表，效用是信息的價值，內容才是信息的內核。人們根據信息的形式感知它是否存在，根據信息的效用確定對它的取舍，根據信息的內容達成對它的理解。如果只感知信息的形式而不了解它的內容和價值，就無法據此做出正確的決策。

然而，在分而治之方法論的指導下，Shannon信息論僅僅根據通信過程的要求（而不是根據信息運動全部過程的要求），就針對信息的形式（而不考慮信息的內容和價值）建立了后人所稱的信息理論。實際上，正如Shannon自己所說，它只是通信的數學理論（mathematical theory ofcommunication），而不是完全的信息理論。

這種誤導的結果使Shannon信息論雖然在通信等統計領域發揮了巨大作用，但對于整個信息科學（特別是對于其中的智能科學）領域而言卻難以有所作為。現今人們對于信息的煩惱便是網絡上信息的魚龍混雜，良莠難分，而Shannon信息論對此卻不能提供任何有效的解決方法，原因就在于它只是關于信息形式的統計理論，完全沒有考慮信息的內容與效用。同樣，Shannon信息論對于智能科學的研究難有作為，這都是傳統科學方法論誤導信息研究所造成的結果。

2.3 誤導案例之三：智能模擬的方法

還有一個同樣基本的誤導案例是關于人類智能的機器模擬（人工智能）問題。按照分而治之的傳統科學方法論，人工智能研究者認為：人類智能系統可以分解為結構、功能、行為3個基本層面，因而可以分別從結構、功能、行為3個不同的角度對人類智能進行模擬。于是，基于結構模擬的人工神經網絡研究、基于功能模擬的物理符號系統研究、基于行為模擬的感知動作系統研究隨之出現，成為人工智能研究的3大主流方法。

這樣引發的問題是，雖然3種研究方法都具有相同的研究目標，即希望成功地在機器上模擬人類的智能，并且各自都取得了不少令人鼓舞的研究成果，但是人們卻不知如何才能把三者集成起來并形成和諧的合力，以便更好地促進人工智能研究的進步。

事實上，長久以來，3種方法不僅沒有能夠形成和諧的合力，反而偶有互相否定、互相激烈抨擊的事件發生，終于形成三足鼎立的不和諧局面，這種狀態顯然很不利于人工智能研究的整體發展，這也是分而治之方法論誤導所產生的不良后果。

2.4 誤導案例之四：人工智能的理論模型

更為典型的誤導案例是人工智能的理論模型。常理告訴我們，意識是智能的直接基礎。如果一個人連意識的能力都沒有，他怎么可能具有智能呢？同樣的常理告訴我們，人的智能有兩個基本方面：情感與理智。如果一個人沒有情感，他怎么可能具有完整的智能呢？而且，意識、情感、理智是相互聯系、相互作用、密不可分的三位一體。

然而，按照分而治之的傳統科學方法論，人工智能理論的研究硬是把意識和情感因素從智能的研究領域中排除出來。于是，人工智能理論一方面長期回避對意識的研究，另一方面又忽視對情感的探索，最終變成一個既不完整又不真實的人工智能理論模型。分而治之傳統科學方法論導致人們不能深入和完整地理解人工智能。

總之，面對以信息及其轉換為主導特征的開放復雜信息系統（智能系統是這類系統的典型代表）的研究，基于物質觀和能量觀的分而治之方法論不但不再有效，而且還會產生許多后果相當嚴重的誤導。

3 開放復雜信息系統需要的科學觀與方法論

正反兩方面的研究實踐啟示我們，以智能系統為代表的開放復雜信息系統的研究，不能照搬我們原先所熟悉的傳統科學觀和方法論，而是迫切需要全新的科學觀和方法論。經過長期的實踐和探究，我們認為開放復雜信息系統的科學觀包括以下4個基本觀念。

1）信息觀。

既然貫穿開放復雜信息系統全局的主導因素是信息和信息運動過程，那么開放復雜信息系統的研究首先就必須遵循信息觀，即研究的關注點必須聚焦于系統的信息和信息運動過程，而不應當只盯著系統的物質結構和能量關系。

2）系統觀。

開放復雜信息系統的研究必須遵循明確的系統觀：一方面，人們所關注的信息應當是形式、內容、價值三位一體內涵完整的信息，而不是僅考慮形式因素的信息；另一方面，信息運動的時空過程必須保持完整性，人們不能只關注信息傳遞這樣一個局部的過程，也不能只關注理智這樣一個局部的方面。

3）生態觀。

開放復雜信息系統應當是一種“活的系統”，因此人們必須遵循清晰的生態觀，也就是說必須把開放復雜信息系統中信息運動過程的來龍（本體論信息）去脈（知識、基礎意識、情感、理智、智能策略和智能行為）作為一個有序的生態過程進行一體化的研究，而不應當把信息、知識、智能看作一個各行其是的拼盤。

4）機制觀。

既然開放復雜信息系統是一類生態系統，對它的研究就必須遵循機制觀，即必須把關注點放在信息如何生成知識與如何生成智能的生成機制（即生長規律）上，而不應當把關注點放在系統的結構、功能和行為上。這是因為系統的結構和功能都是為實現生長機制而服務，行為則是系統機制實現的外顯結果。

總之，信息觀可以呈現開放復雜信息系統的生命脈絡；系統觀可以抓住開放復雜信息系統的信息全局特征；生態觀可以把握開放復雜信息系統的有機聯系；機制觀可以理解開放復雜信息系統的生成規律，它們構成了開放復雜信息系統科學觀的四位一體。

那么，開放復雜信息系統的科學研究方法論是什么呢？一般而言，有什么樣的科學觀就會形成什么樣的方法論。科學觀是認識所研究對象的基本觀念，方法論是體現基本觀念的研究方法，因此任何一種科學研究方法論都可以（而且應當）從科學觀中自然引申出來。

根據這個基本原理，研究以智能系統為代表的開放復雜信息系統的科學方法論就可以表述為：遵循信息觀、系統觀、生態觀和機制觀的根本原則，考察信息資源（本體論信息）生成相關產品的生態轉換規律。具體地說，就是要系統地（系統觀）、聯系地（生態觀）、深刻地（機制觀）考察本體論信息（信息觀）生成認識論信息：知識和智能的規律，或者更簡潔地說就是要系統地、聯系地、深刻地考察信息轉換的規律。：總之，信息轉換是針對一切開放復雜信息系統研究都適用的科學方法論。

4 新的科學觀方法論和研究成果

20世紀80年代以來，筆者逐漸領悟到信息觀、系統觀、生態觀、機制觀四位一體的科學觀和信息轉換方法論，并將其用于指導自己的信息科學和人工智能基礎理論研究，獲得了如下一些重要的創新成果。由于篇幅所限，筆者敘述從簡。

4.1 全信息理論

傳統方法論令Shannon信息論存在嚴重局限。我們根據新科學觀提出語法信息、語義信息、語用信息三位一體的全信息概念，其中，語法信息用“肯定度”參數表征，用概率論和模糊集合理論描述；語義信息用“邏輯真實度”參數表征，用模糊邏輯理論描述；語用信息用“效用度”參數表征，用模糊集合理論描述。

這樣，原先各自獨立發展起來的信息獲取（檢測與識別）、信息傳遞（通信與存儲）、信息處理（計算）、信息認知和信息決策（人工智能）、信息執行（控制）就得到了統一的描述和處理，形成了完整統一的信息科學理論。

4.2 本體論信息到全信息轉換：第一類信息轉換原理

根據新方法論，我們發現并闡明了圖1所示

的由本體論信息到全信息的轉換原理（又稱第一信息轉換原理），證明全信息理論不僅在理論上合理，而且在技術上可行。

圖1表明，人們利用傳感系統可以把本體論信息映射為相應的語法信息，利用語法信息可以從知識庫檢索l出（或者通過與目標進行相關運算計算出）與之相對應的語用信息，通過對語法信息和語用信息的邏輯運算可以演繹出語義信息。所有這些操作都在技術上可行。

4.3 知識的外生態學理論

知識在信息和智能科學中扮演著極其重要的角色，但是在分而治之傳統方法論的影響下，知識被孤立地分割出來，在人工智能理論研究中沒有得到應有的重視。在新科學觀和方法論指導下，我們發現知識并不是一種孤立和靜止的研究對象；恰恰相反，它是一個極其活躍的生態學系統。

一方面，知識不斷由認識論信息的歸納而來；另一方面，知識又在系統目標的制導下通過演繹的方法向智能生長而去。換言之，“信息_÷知識_智能”轉換是知識的外部生態系統。這一發現的意義不僅揭示了知識的生成機制，而且揭示了智能的生成機制，直接導致新的人工智能模擬方法問世。

4.4 信息一知識轉換：第二類信息轉換原理

知識外生態學原理表明：知識由全信息轉換而來。信息是現象，知識是大量相關現象所蘊含的共同本質，因此實現由全信息到知識的轉換算法，原則上是歸納型算法。由大量信息現象到知識本質的歸納過程是由量變到質變的過程，也稱為“涌現”過程。這是知識外生態學提供的一項重要啟發。

4.5 智能的共性核心生成機制

知識外生態學系統的發現不僅揭示了知識的生成規律（第二類信息轉換原理），而且還啟迪了智能的共性核心生成機制：信息知識智能的轉換。具體來說就是在任何情形下，智能的核心生成機制都是由信息（關于問題的信息、關于問題求解目標的信息、關于先驗知識的信息）到知識（求解問題所需要的專門知識）再到（求解問題的）智能策略的轉換，顯然，這是一切智能（包括人類智能和人工智能）的共性核心生成機制。

4.6 人工智能的機制模擬方法

受到智能共性核心生成機制的重要啟發，我們提出人工智能的新的模擬方法，這就是機制模擬方法：信息_知識-÷智能的轉換，這是區別于已有的結構模擬、功能模擬、行為模擬方法的全新方法。

眾所周知，系統的生成機制統管系統全局，系統的結構和功能都為生成機制服務，而行為則是機制實現所產生的結果，因此人工智能的機制模擬方法比傳統的結構模擬、功能模擬、行為模擬方法具有更深刻和更本質的意義。

4.7 知識的內生態系統

運用新的科學觀和方法論，我們又發現了知識的內生態系統：知識內部不是如鐵板一樣凝固的對象，而是一個充滿活力的生態系統；認識論信息（全信息）首先生長成為欠成熟的經驗知識，接著后者通過驗證和完善生長成為成熟的規范知識，經驗知識和規范知識又進一步凝聚成為超成熟的常識知識。簡而言之，經驗知識規范知識常識知識是知識的內生態學系統。知識內生態學系統的發現直接導致人工智能3大主流方法的統一。

4.8 人工智能的統一理論

人工智能的結構模擬方法（人工神經網絡，后來發展成為計算智能）利用的是訓練得到的經驗知識；功能模擬方法（物理符號系統，后來收縮成為專家系統）利用的是人工輸入的規范知識；行為模擬方法（感知動作系統，后來發展成為機器人）利用的是人工輸入的常識知識。知識的內生態學系統表明，經驗知識、規范知識、常識知識是知識的3個相生（而不是相克）狀態，因此原先鼎足三分的人工智能3大主流方法在機制模擬方法的框架內也呈現出相生關系，達到了和諧的統一。這顯然是人工智能理論研究的重要進展。

4.9 全信息—智能轉換：第三類信息轉換原理

第一類信息轉換原理是信息內部轉換的原理，即由本體論信息到認識論信息（全信息）的轉換；第二類信息轉換原理是由全信息到知識的轉換；第三類信息轉換則是全信息向基礎意識、情感和理智的轉換。

我們運用新的科學觀和方法論后發現：基礎意識的生成機制是在全信息的激勵下啟動，在本能知識和常識知識支持下展開，在系統目標導控下實現的轉換；情感的生成機制是在全信息的激勵下啟動，在本能知識、常識知識和經驗知識支持下展開，在系統目標導控下實現的轉換；理智的生成機制是在全信息的激勵下啟動，在本能知識、常識知識、經驗知識和規范知識支持下展開，在系統目標導控下實現的轉換。與全信息一知識轉換過程類似，這些轉換也存在量變到質變（涌現）的過程。

4.10 高等人工智能原理

受到傳統方法論的影響，現有人工智能理論的智能模型是一種既不完整又不真實的模型。基于上面所述的第一、第二、第三類信息轉換原理，我們提出圖2所示的高等人工智能理論的研究模型，圖中的符號G表示系統的目標；K1表示本能知識和常識知識的集合；K2表示本能知識、常識知識和經驗知識的集合；K3表示本能知識、常識知識、經驗知識和規范知識的集合；K4表示本能知識、常識知識、經驗知識、規范知識和決策藝術知識的集合。

從圖2中可以看出，高等人工智能系統直接面向開放的外部世界，后者不斷產生各種事物的本體論信息；感知系統（而不是簡單的傳感系統）按照第一類信息轉換原理把本體論信息轉換成為認識論信息（全信息）；認知系統按照第二類信息轉換原理把全信息轉換成為知識；基礎意識、情感和理智系統則分別在知識K1、K2、K3支持并在目標G導控下完成第三類信息轉換，把全信息分別轉換成為基礎意識、情感和理智；決策系統則在知識K4支持并在目標G導控下把情感表達和理智表達綜合成為解決問題的智能策略；執行系統把智能策略轉換成為智能行為，反作用于外部世界。

如果智能行為產生的結果與目標一致或可以接受，這種策略就作為一種正確的知識補充到知識庫；如果智能行為產生的結果與目標之間存在比較明顯的誤差，那么這個誤差就成為一種新的信息反饋到感知系統，經系統后續處理，補充知識，優化策略，使新的智能行為產生更好的結果，如此循環往復，直到滿意為止。這是一個完整而真實的人工智能模型，對于人工智能未來的發展具有重要意義。

5 結語

篇（10）

知識表示與知識推理是智能信息處理的基礎。從人工智能的角度看，知識是構成智能的基礎，人類的智能行為依賴于利用已有的知識進行分析、猜測、判斷和預測等。當人們希望計算機具有智能行為時，首先需要在計算機上表達人類的知識，然后再告訴計算機如何像人一樣地利用這些知識。

自從人工智能領域誕生以來，知識表示與知識推理就一直是其中最為重要的子領域。經過五十多年的發展，知識表示與知識推理領域的許多研究內容、研究方法和研究成果已經深深滲入到計算機科學，進而對計算機學科的發展產生了深遠的影響。例如，在C++、Java等面向對象程序設計語言中，“繼承”這一最為核心的技術就來源于知識表示與知識推理。再如，在軟件自動化領域，許多程序規格語言和程序驗證技術都借鑒了知識表示與知識推理領域的Prolog語言等研究成果。從工程開發的角度看，專家系統、智能搜索引擎、智能控制系統、智能診斷系統、自動規劃系統等具有所謂智能特征的系統都或多或少地依賴于知識表示與知識推理技術。因此，對于計算機專業的學生來說，學習知識表示與知識推理方面的課程，對于今后在相關領域從事系統開發和科學研究都大有裨益。

在ACM與IEEE-CS聯合攻關組制訂的計算教程CC2001(Computing Curricula 2001)中，知識表示與知識推理得到了高度重視。CC2001給出的計算機科學知識體由14個知識領域組成：在其中的IS(Intelligent Systems)知識領域中，關于知識表示與知識推理的內容占據了10個知識單元中的2個，即知識單元“(Is3)知識表示與推理”以及知識單元“(IS5)高級知識表示與推理”。在ACM和IEEE-CS進一步修訂后的計算機科學教程CS2008(Computer Science Curriculum 2008)中，知識表示與知識推理同樣得到了高度重視。此外，在我國高等學校計算機科學與技術教學指導委員會制定的計算機專業規范中，上述的IS3和IS5兩個知識單元被全部包括到計算機科學專業的核心課程“人工智能”中。然而，據我們了解，由于“人工智能”在許多高校僅僅作為專業任選課開設，使得計算機相關專業的許多學生無法接觸到知識表示與知識推理方面的內容。與此同時，由于課時數限制及沒有得到重視等因素，實際開設的“人工智能”課程(包括本科生課程和研究生課程)往往難以覆蓋CC2001在知識單元IS3和IS5中列出的各個知識點。

實際上，經過五十多年的發展，知識表示與知識推理領域已經沉淀出一系列基本的方法、理論和技術；這些方法、理論和技術在CC2001的知識單元IS3和IS5中基本上都以知識點的形式列舉了出來。作為計算機專業的教育工作者，我們有責任將這些體現了幾代人智慧結晶的知識介紹給學生。另一方面，從研究者的角度來看，知識表示與知識推理是一個非常活躍的研究領域；尤其是隨著Web技術的發展以及Web科學的出現，知識表示與知識推理將在計算機科學中扮演越來越重要的角色。面對萬維網這個全球最大的分布式信息庫，如何讓計算機對其中海量的數據和信息進行分析、推理和管理，進而為人類提供方便的知識服務，是目前信息技術領域面臨的一個重大問題。針對這個問題，國內外研究者基本上都是從人工智能的角度尋求解決思路；近年來成為研究熱點的語義Web更是完全建立在知識表示與知識推理的基礎上。因此，從開拓學生思維以及介紹研究與技術前沿的角度來看，也非常有必要向學生講授知識表示與知識推理的相關內容。

基于以上認識，我們為計算機軟件與理論專業和計算機應用技術專業一年級的碩士研究生開設了一門32課時的選修課程，以CC2001和CS2008列出的知識單元為核心，對知識表示與知識推理的相關內容進行教學。本文對教學設計和教學實踐中遇到的主要問題進行分析，針對這些問題給出相應的解決對策，并對我們獲得的經驗和教訓進行總結。

1　“知識表示與知識推理”知識體的教學設計

自上世紀九十年代以來，國內外許多高校就將“知識表示與知識推理”作為一門課程，面向研究生或高年級的本科生開設。其中比較著名的包括加拿大多倫多大學Hector J.Levesque教授開設的知識表示課程，美國斯坦福大學Leom Morgenstem教授開設的知識表示課程，英國曼徹斯特大學Ulrike Sattler教授等講授的知識表示和推理課程，中山大學劉詠梅教授講授的知識表示和推理課程等。但是，由于沒有統一的課程設置標準，這些課程講授的知識點都不盡相同。2000年，Leom Morgenstem和Richmond H.Thomason總結了開設知識表示與知識推理課程時面臨的挑戰，提出了相應的解決思路。其中，針對該課程缺乏統一的教學知識體的情況，他們設計了一個持續14周、每周2次課的教學大綱。在文獻[5]中，Leora Morgenstem進一步修訂了之前提出的教學大綱，建議在其中增加語義Web及Web本體語言OWL等內容。

盡管目前各高校開設的知識表示與知識推理課程的課程大綱仍然不盡相同，但比較可喜的是，對知識表示與知識推理的教學在CC2001計算教程中得到了高度重視。CC2001分別在“知識表示與推理”和“高級知識表示與推理”兩個知識單元中列出了關于知識表示與知識推理的教學內容。知識單元“知識表示與推理”由以下知識點組成：命題邏輯和謂詞邏輯回顧，歸結原理與定理證明，非單調推理，概率推理，貝葉斯定理。知識單元“高級知識表示與推理”由以下知識點組成：結構化知識表示(包括對象與框架、描述邏輯和繼承系統)，非單調推理(包括非經典邏輯、缺省推理、信念修正、偏好邏輯、知識源的集成、沖突信念的聚合)，對動作和變化的推理(包括情景演算、事件演算和分枝問題)，時態和空間推理，非確定性推理(包括概率推理、貝葉斯網絡、粗糙集和可能性理論、決策理論)，針對診斷的知識表示與定性知識表示。在CC2001的基礎上，CS2008在知識單元“知識表示與推理”中增加了合一與提升、前向鏈接、反向鏈接以及歸結等知識點；在知識單元“高級知識表示與推理”中增加了本體工程和語義網絡兩個 知識點。

以CC2001和CS2008列出的知識點為基礎，在綜合考察了國內外相關課程的開設情況之后，我們對“知識表示與知識推理”課程的教學內容及相應的學時分配設計如下。

1)概述(2學時)。介紹知識表示與知識推理領域的發展歷史、現狀和前景：講授知識表示的基本思路和基本原理；介紹知識表示方法和技術的典型應用：列舉典型的采用了知識表示技術的系統，與沒有采用知識表示技術的系統進行比較分析。

2)基于一階謂詞邏輯的知識表示和推理(4學時)。講授一階謂詞邏輯的語法、語義和語用；通過例子講授如何應用一階謂詞邏輯進行知識表示；講授如何應用消解原理進行知識推理；講授如何應用Tableau算法進行知識推理；分析一階謂詞邏輯存在的局限。

3)Horn子句邏輯與產生式系統(2學時)。講解Horn子句及其過程解釋；介紹SLD歸結以及分別采用反向鏈和正向鏈的推理過程；通過例子講授如何應用Horn子句邏輯進行知識表示和推理；對Prolog語言進行簡單介紹；通過例子介紹如何應用產生式系統進行知識表示和推理。

4)結構化知識表示(6學時)。介紹對象與框架，介紹基本的框架形式系統：介紹語義網絡，對推理過程中的繼承機制進行介紹。介紹描述邏輯家族的研究歷史和發展現狀；以邏輯系統ALC為例，講解描述邏輯的語法和語義；通過例子講授如何應用描述邏輯進行知識表示；講授如何應用Tableau算法對描述邏輯刻畫的知識進行推理。

5)非單調知識表示和推理(4學時)。介紹非單調性推理的研究歷史；講解封閉世界假設與開放世界假設；講解缺省推理和限定推理；對自認知邏輯、偏好邏輯和真值維持系統進行介紹；對信念修正、知識源的集成以及沖突信念的聚合進行介紹。

6)非確定知識表示和推理(4學時)。對模糊邏輯進行介紹；講授概率推理和主觀貝葉斯方法；對粗糙集、可能性理論和決策理論進行介紹。

7)解釋與診斷(2學時)。講授反繹推理的基本思路，將其與演繹推理和歸納推理進行比較分析；以一個電路系統為例，講授如何在知識表示的基礎上采用反繹推理進行故障診斷。

8)動作與規劃(4學時)。介紹動作與規劃領域的研究歷史和發展現狀；講授如何在STRIPS系統中對動作進行刻畫以及如何進行規劃求解：講授如何應用情景演算和事件演算對動作進行刻畫、推理、及規劃求解；對框架問題、條件問題和分枝問題進行介紹；對規劃語言PDDL進行介紹。

9)時態和空間推理(2學時)。對時間點／時間段、離散／連續、有限／無限、線性／分支等表示時態信息的不同方式進行介紹；對Allen的區間代數理論進行介紹；對線性時態邏輯和分支時態邏輯進行介紹；對基于點／基于區域、離散／連續、有限／無限、同維／混合維等表示空間信息的不同方式進行介紹；對區域連接演算RCC進行介紹；對時態與空間推理的結合進行簡單介紹。

10)語義Web和本體工程(2學時)。介紹語義Web的基本思想、技術現狀和發展趨勢；講授語義Web的層次模型以及各個層次的目標和功能；對資源描述框架RDF、Web本體語言OWL、Web規則標記語言RIF、Web查詢語言SPARQL等進行介紹。對本體的構建、管理和維護進行介紹。

上述教學內容的基本特點是覆蓋了CC2001和CS2008列出的關于知識表示與推理的所有知識點。此外，我們將目前作為計算機科學和人工智能領域研究熱點的語義Web等內容引入了課堂教學，不僅可以將相關研究前沿展示在學生面前，而且還可以讓學生更加深刻地體會學習知識表示與知識推理的價值，進一步激發他們的學習熱情。另一方面，上述教學內容存在的一個缺陷是內容過多。由于受到課時數的限制，部分內容在講授時不能充分展開，留給學生課堂練習和討論的時間不充裕。

2　教學實踐中的主要問題及對策

在圍繞“知識表示與知識推理”知識體開展教學實踐時，我們遇到的問題主要來自以下幾個方面：教師和學生對“人工智能”課程以及其中的“知識表示與知識推理”知識體不重視，缺乏合適的教材，學生缺乏必要的基礎知識。下面對這些問題進行逐一分析，對我們采取的對策進行相應介紹。

2.1　師生對“人工智能”課程不重視

許多教師和學生對“人工智能”課程不夠重視，甚至存在偏見。我們覺得，這種現狀很大程度上是由人工智能自身的發展歷程造成的。人工智能領域剛誕生時就被賦予過高的期望；早期的研究者也過于樂觀地給出了一些不切實際的承諾。由于不能在短期內實現過高的目標和兌現相應的承諾，使人工智能領域在上世紀80年代末90年代初一度跌入低谷，甚至達到了聲名狼藉的地步。這一特殊的發展歷程使得一部分對人工智能了解不多的教師和學生產生誤解，認為人工智能是一個比較務虛的領域。這種誤解甚至影響到“人工智能”課程的開設。目前，在許多高校計算機相關專業的課程設置中，“人工智能”往往只作為選修課程開設，沒有得到教師和學生的普遍重視。

實際上，從信息技術發展規律的角度來看，人工智能的上述發展歷程是很正常的。根據市場權威研究機構Gartner給出的“技術成熟度曲線”(hype cycle)理論，一項新的IT技術在產生之后，一般先是默默無聞地奮力發展幾年，然后會由于被大家寄予很高的期望而迅速火爆起來，接著會因為沒能兌現過高的承諾而跌入谷底，最后會再次崛起并由于過硬的成就而被大眾普遍接受。人工智能已經經歷了從默默無聞到迅速火爆再到跌入谷底的發展過程，目前正處于再次崛起的階段，并且將通過不斷取得的成就而被大眾普遍接受。

人工智能的教學在CC2001和CS2008中得到了高度重視。CC2001給出的計算機科學知識體由14個知識領域組成，作為其中的知識領域之一，智能系統(即人工智能)與離散結構、程序設計、操作系統、計算機體系結構等已經得到普遍重視的知識領域具有了相同的地位。在我國高等學校計算機科學與技術教學指導委員會制定的計算機專業規范中，也將“人工智能”作為了計算機科學專業的核心課程。但是，對人工智能相關知識的傳播需要一個長期的過程，仍然需要廣大科研和教育工作者的不懈努力。

2.2　師生對“知識表示與知識推理”知識體不重視

即便部分教師和學生認識到人工智能知識領域的重要性，但對于其中的“知識表示與知識推理”知識體仍然不夠重視，認為沒有必要專門通過一門課程進行教學。

針對這個問題，我們可以對人工智能領域的發展歷程作進一步考察。我們知道，人工智能領域的誕生就是從知識表示和知識推理開始的。在1956年標志著人工智能誕生的Dartmouth會議上，Herbert Simon和Allen Newell展示的“邏輯理論家”就依賴于知識表示和知識推理。在此之后的五十多年中，知識表示與知識推理就一直是人工智能中最為重要的子領域。相 應的一個佐證是，1966年到2009年期間，在獲得圖靈獎的56名科學家中，Marvin Minsky、John Mccarthy、Herbert Simon、Allen Newell、Edward Feigenbaum和Raj Reddy等6名科學家都在知識表示與知識推理領域取得了開創性的研究成果。

知識表示與知識推理的重要性在CC2001和CS2008中同樣得到了體現。CC2001給出的“智能系統”知識領域由以下10個知識單元組成：智能系統中的基本問題、搜索與約束求解、知識表示與推理、高級搜索、高級知識表示與推理、智能主體、自然語言處理、機器學習與神經網絡、人工智能規劃系統、機器人；C$2008在CC200I的基礎上增加了智能感知這個知識單元。其中，關于知識表示和知識推理的教學內容不僅占據了兩個知識單元，而且在智能主體、人工智能規劃系統、機器人等知識單元中也占據了相應的多個知識點的位置。由于32課時的人工智能選修課程通常只能對上述知識單元作一個概要性的介紹，對于想進一步深入學習的學生，在有條件的情況下，我們完全有必要開設一門關于“知識表示與知識推理”的課程。另外，從上一節給出的教學設計可以看出，如果要覆蓋CC2001和CS2008給出的關于知識表示與知識推理的所有知識點，一門32課時的課程在時間上還很不夠用。因此，基于以上分析，我們希望“知識表示與知識推理”的教學首先能夠得到相關教師的認可和重視，然后通過課程設置等途徑逐漸吸引學生的關注，并在教學過程中激發起學生的學習興趣和熱情。

2.3　缺少合適的教材

盡管CC2001和CS2008詳細地列出了關于知識表示與知識推理的主要知識點，但是，據我們所知，目前還沒有出現完全覆蓋這些知識點的合適教材，而中文的相關教材更是缺乏。

在參考了多方面的資料之后，我們選擇了Ronald Brachman和Hector Levesque撰寫的《Knowledge Representation and Reasoning》作為教材。Ronald Brachman和Hector Levesque都是知識表示與知識推理領域的著名學者。其中，Ronald Brachman于1977年在哈佛大學攻讀博士學位時提出了KL-ONE系統，開創了目前成為研究熱點的描述邏輯領域，之后于2003年擔任了美國人工智能學會的主席，目前是ACM院士、雅虎全球研究運營副總裁。Hector Levesque在知識表示領域也做出了許多開創性的研究成果，曾于2001年擔任人工智能頂級會議IJCAI的主席，于2006年當選加拿大皇家學會會士。除了時態和空間推理以及本體工程這兩個知識點之外，CC2001和CS2008中列出的其他關于知識表示與知識推理的知識點，在《Knowledge Representation and Reasoning》中都基本上得到了體現。另外，為了在課程中向學生介紹語義Web方面的知識，我們選擇了Grigoris Antoniou和Frank van Harmelen撰寫的《A Semantic Web Primer》作為參考書目。

2.4　學生缺乏必需的基礎知識

知識表示與知識推理的核心思想是采用形式語言(尤其是邏輯語言)對知識進行刻畫和推理，因此要求學生在學習該課程前具有扎實的數理邏輯基礎知識。

盡管數理邏輯對于整個計算機學科來說具有非常重要的作用，但在目前計算機相關專業的課程設置中，數理邏輯往往只作為離散數學課程的一個部分進行教學，在課時數量上非常有限。此外，從教材的角度來看，大部分離散數學教材的數理邏輯部分主要介紹命題邏輯的相關知識，而且只介紹命題邏輯聯結詞、范式、等值演算、自然推理系統等最基本的內容；對一階謂詞邏輯以及命題邏輯中更為深入的內容介紹得很少，甚至不介紹。這些內容對于學習知識表示與知識推理知識體來說遠遠不夠。例如，根據我們在講授“知識表示與知識推理”之前的調查，許多研究生對于一階謂詞邏輯的語法與語義等基本概念都還比較模糊，對于消解原理、Tableau方法、可滿足性問題等內容更是沒有接觸過。

針對上述問題，除了原計劃關于一階謂詞邏輯知識表示的4個課時之外，我們臨時增加了2個課時的課堂教學，為學生補充命題邏輯的語法和語義、公式可滿足性問題、Tableau判定算法、基于消解原理的判定算法等內容。由于受到課時的限制，許多重要的結論及其證明過程無法在課堂上詳細闡述。

值得一提的是，由于研究課題的需要，我們組織部分研究生一起學習了John Bell和Moshe Machover撰寫的著名教材《A Course in Mathematical Logic》。在學習這本教材時，我們將研究生分為三個小組，讓各個小組自學該教材，對其中的引理、定理以及問題(Problem)進行證明或求解，然后在每周一次的學習班上使用黑板講解他們的證明或求解過程。在3個月的時間里，將這本教材中的第一章和第二章學完后，這些研究生的數理邏輯知識明顯上了一個臺階。在之后學習知識表示與知識推理的過程中，這部分研究生的學習效果也明顯好得多。在今后的教學中，我們希望計算機相關專業的研究生能夠先學習一門數理邏輯方面的課程，然后再學習知識表示與知識推理課程。

篇（11）

技術與教育之間的關系，我們以為是一個不等式：1+1≠2。

一方面，整個世界對教育的抱怨不斷強化，如諾貝爾物理學獎獲得者中村修二批評整個東亞教育體系“浪費了太多生命”。美國投資家查理?芒格演講指出：“光靠已有的知識，你走不了多遠”……另一方面，僅以聯合國教科文組織為例，繼1972年出版了研究報告《學為生存：教育世界的今天和明天》和1996年出版了研究報告《教育：內在的財富》之后，2016年又公開出版了一份新的研究報告《反思教育：向“全球共同利益”的理念轉變？》。聯合國教科文組織總干事伊琳娜?博科娃在這一報告的《序言》中指出：“社會無處不在經歷著深刻變革，這種形勢呼吁新的教育形式，培養當今及今后社會和經濟所需要的能力……我們必須高瞻遠矚，在不斷變化的世界中重新審視教育。”

一方面，微軟創始人比爾?蓋茨2013年在出席美國德克薩斯州奧斯汀市舉辦的SXSW互動大會教育分會上明確表示：過去十幾年間教育領域的技術發展陷入了停滯，研發投入也遠遠不夠……到了2016年，比?蓋茨在ASU-GSV峰會上所做演講圍繞“科技革命如何引導教育進入下一階段”的主題時謹慎明確表示：“我們的基金會已經在美國教育上花費了幾十億美元，不過在此之前，我們首先需要搞清楚現在這些學生是什么樣的，以及我們怎么才能很好地服務于他們。”另一方面，2017 年 6 月召開的聯合國國際電信聯盟（ITU）等聯合國機構和 XPRIZE 基金會共同組織了人工智能造福人類峰會（AI for Global Good Summit），旨在討論讓人工智能符合可持續發展的目標（SDG）強調的 17 個可持續發展目標中，“質量教育（Quality Education）：用個性化教學變革教育”赫然在目。

以上兩組看似對立，實則呼應的案例，揭示了當前教育變革的痛點、癢點和奇點，都與時展、科技進步等外在因素間架構起諸多交集，而由此派生出來的諸如學習模式、思維特質、個性潛質和行為科學、腦科學等新興教育邊緣學科之間形成了新的認知和有了新的應對之策。曾經幾時，教育陸續地迎來了許多新技術。從最初的廣播錄音到電影電視，再到后來的互聯網……然而，技術到底能否改變教育呢？如果我們只是試圖用顛覆性革命視角去看待技術的教育價值，那么無疑會得到悲觀的結果，而在現實中，技術對于教育的改變是溫水煮青蛙式的改變：第一，技術改變了知識觀念，對知識的定義不再拘泥于總結性結論信息的汲取，而更重視可持續發展，乃至未來趨勢性的元素預判。第二，技術改變了教育界限，學校正在成為學生生命中重要成長階段的孵化器，進而要求教師承擔起多元智慧導引的新使命。第三，技術改變了學習，關注正式學習形式、拓展和延伸學習的內涵等深度學習要素排序急劇上升。

反觀本段落的不等式，答案應該是：教育因技術而成長，技術因教育而迭代。

教育技術的內涵與外延該不該重構

教育變維時代，應該能達成學習變頻的交集。

“變維”一詞最形象的揭示出現在《三體》，而最精準的學術定義傾向于“谷歌學術”；限于篇幅，這里只羅列一組相關概念延伸：降維、升維、高維、低維、眾維、分維……簡單理解就是一句話“升維思考，降維執行（打擊）”。在教育視域下，看似高維的技術攀升，并不一定只有操作升維才能響應，事實上，反倒是在契合時代進步的同時，不忘初心，更顯得適切教育本元。教育裝備，教育技術，教育工程，教育生態……這一路走來，教育技術的內涵與外延重構的核心概念大可歸結為一個詞：“跨界迭代”。唯一需要闡明的一點就是，在不被傳統教學范式捆綁的同時，也實在沒必要刻意追求技術條件與裝備環境的高大上先行；高解構與低結構之間是完全有可能達成平衡的。依我們的經驗，通過八項保障性學能資源體系的建構，同樣可以在確實有需要的境況下，達成類似的目的（這八項實驗生態改革是：在既有學科實驗室的基礎上，第一做到突破教材實驗底線要求，實現學科成長實驗貫通；第二是要求學科間實驗室實現交叉實驗項目的開放響應；第三是鼓勵創建基于學科拓展的特色實驗室；第四是引進學校區位環境內的社會博物館科技館資源課程；第五是尋求駐在學校所在城市的大專院校實驗室向中小學生有條件開放；第六是說服社會高新企業研發級實驗室為中小學生研究提供方便；第七是建立基于實驗項目可行性論證之后的中科院系所研發環境的支撐；最后，是建立與海外科研機構、高校資源鏈接的離岸實驗系統）。

在教育的執行層面，比如學科、學校、課堂、學教……介入因子的能動變化確實稍顯被動，即便是前進也亦步亦趨，鮮少主動因應。究其原因，還是觀念過于固守，思維定式影響力過于強大，加之教育界內外求全責備、又自我混亂的評議生態的干擾，就使得自我變革的欲望不斷被內耗，自我探究的勇氣不斷被質疑，自我實驗的冗余度環境不甚理想……即便如此，我們依然有可能在“變頻”中收獲堅守。大家熟知的（基于興趣，而非成績）“走班制”“學習廣場”“學術假期”不再多言，除此之外，還有一些做法可以借鑒。比如“STEM”課程，同樣以“機器人教育”為抓手，有很多學校都群起效之，但真能做到學科融合、學能一體的經驗實在還不夠多；這里，貢獻一己設計，期待拋磚引玉：“使命召喚――卓越成長支撐共同體”。由“學能生態孵化環境”（可選項包括學科成長促進機制、國家課程貫通重構、團隊協作課程開發、校內微型實驗基地群落地等）；“未來生涯導引系統”（可選項包括潛質檢測分析、個性特質跟蹤及行為科學介入訓練、對接國際能力檔案的第三方多元評價響應、職業導向輔導等）；“資源輔佐響應體系”（可選項包括八級實驗環境支撐、預現未來的深度學習同頻、遠程異地交流后臺建設等）；“訪學成長基地布局”（可選項包括世界高端學術觀摩、跨學段課程先修、學生境內學術假制度和離岸訪學基地建設）；注重品牌內涵附加值提升的外聯共享特色（可選項包括結合區位環境的聯盟校個性課程生態再設計、高端課程資源社群、校際聯動課程眾籌協調機構、學生專利世界等）五部分協調響應（可漸次推進）。

教育技術有哪些引領教改的發力點

技術只是工具，外在環境可以改變一部分人，而不是全體。從教育的視角，有兩個理由可以佐證。

其一，“天生我材必有用”名言的支撐點在于“不拘一格降人才”；當下教育變革中，一個最大的困惑就在于，我們總是在尋求一種能夠幫到所有學生齊步向前的“萬全之策”。事實上，這只能是一種善良卻不科學（更不理性）的愿望而已。一旦我們對教育的認知有了如此這般的修正，那么，技術對教育的影響力才有可能真正釋放出來。

其二，我們都已經熟知一個詞“STEM”，我們也都不同程度地了解人類發展經歷了漫長時期的同時，最重要的進化，是學會使用工具，有了“技術”。單從字母排序上，“技術（Technology）”位列第二，但這之后的工程（Engineering）和數學（Mathematics），與前面的科學、技術之間，難道沒有發現一種內在的教育規律么？在教育的金字塔結構中，“科學”承載著所有，但“工程”卻引領著技術！而最終穩坐桂冠的永遠都是“數學”（哲學境界的象征）。所以，理性的解讀應該是教育工程既傳承了科學，也弘揚時代未來，更實踐著科學發展。

因此，技術影響力延后對教育領域的波及，乃在于教育期待技術的支撐而不是替代；由此延伸，也就順帶著回答了另一個問題：為什么以總結性經驗（知識）為主要表征的教育方法論，千百年來卻又一直承擔起建構未來的重任。

下面的舉證，都是為了以上推演的成立。

首先，最新技術，尤其是到了智能時代的技術爆炸階段，技術不再以效仿人類為己任。比如，機器人不再止步于減輕人的勞動付出，而是向著無人境界遠行；再比如，深藍和阿法狗選擇了挑戰人類引以為傲的高智慧尊嚴；再來看看權威機構的預判，全球數百位頂尖科學家，耗費漫長時間，搭建了一個復雜數學模型，通過類似摩爾定律的多重推演，得到一個最終結論：人工智能或將在2040年，達到普通人智能水平，并引發智力爆炸。這一時刻，距今還有23年……面對這樣的發展趨勢，來自教育的回答是“教育不教知識和技能，卻能讓人勝任任何學科和職業”（理查德?萊文（Richard Charles Levin），耶魯大學校長）。

其次，比23年期限更可怕的是，到達節點后，人工智能或將實現瞬間飛躍。對AI的最新定義是“非生物智能”！人工智能專家普遍認同，非生物智能不可能鎖死在人類自己能夠展望的水平上。它將超越人類，變成我們無法理解的智慧物種。這里，就給教育以警示，我們必須提早介入到幫助所有學生認清情勢，并提前因應的綢繆之中，@里的教育重點，或將越來越多地從“技術中心論”調適為“生存中心論”。

再次，教育將優先關注那些有效的個性化學習產品。比如，“Big History Project”（這個產品重新定義了小孩學習科學的方式）；比如，NewClassrooms和ThinkCERCA就分別為K12學生學習數學、掌握讀寫能力提供了全新的學習體驗……

最后，要清醒地認清，就教育的支點而言（畢竟美國正式推出STEM是以“國家戰略”的名義的），教育技術與獲得技術支撐的教育之間的關系，是一種目與綱的關系。與此同時，亟待建立證據基礎來評判產品是否有效，比如LEAP Innovations這個組織就在做這件事情，它針對個性化學習產品提供了行之有效的評估方法。

我們布局最新教育技術應用的設計

著眼于未來辦教育，這是教育的初心，更是教育不遺余力追求的本元。但樣本肯定不是唯一的，甚至在現階段，只能存在掛一漏萬的實驗設計。

我們現在正在開發的“未來學校”模式，就其契合技術這個視角而言，大抵做了四個方面的響應。

第一，“同頻時代”。不單是指學校的基礎設施將得到極大提升，教室會變得很不一樣。不僅是說跟進了一些最尖端的智能設備，而是學習（是的，不再是教育教學）的整個布局都會變得個性化。在這方面，我們持續了整整十年的摸索，上文提及的“八級學習資源系統”將多快好省地保證深度學習模式的有效實施，而不必再糾結于經費、師資、教材等的制約。

第二，“同步世界”。我們重點試驗了兩大系統，一個是Summit Public Schools和Facebook聯合開發的一種在線教育工具――PLP（個性化學習平臺）。這一軟件能將整個學年的課程放在一起，形成視覺化的項目圖，而學生可以在日程表上安排自己的學習進度、選擇學習材料并參加考試。通過PLP，教師也可以評估學生的學習情況，并與學生配合，共同確定新課程計劃。另一個是Wolfram Alpha（也稱為WolframAlpha或Wolfram|Alpha，縮寫WA），是由Wolfram Research公司推出的一款在線自動問答系統，在美國 Popular Science 雜志的投票評選中獲得2009年度最偉大的科技創新產品的榮譽）；Wolfram|alpha就像從一個巨大的電子大腦（electric brain）搜索答案，它能針對廣泛的問題提供詳盡的答案，即使這些問題以不同的方式詢問，它也能應對自如。