人工智能技術(shù)在教育中應(yīng)用及人工智能技術(shù)和發(fā)展趨勢(shì)論文

10/29人工智能技術(shù)在教育中應(yīng)用學(xué)院專業(yè)研究方向?qū)W生姓名學(xué)號(hào)任課教師姓名任課教師職稱20年6 月24日人工智能技術(shù)在教育中應(yīng)用摘要:

人工智能（AI）以及人工智能科學(xué)從誕生起，其研究和應(yīng)用領(lǐng)域就與教育緊密相關(guān)。

人工智能就是研究讓計(jì)算機(jī)接受教育、提高智能的科學(xué)技術(shù)。AI的研究成果又反過來應(yīng)用到應(yīng)用到教育過程中，促進(jìn)教育的工作效率、產(chǎn)生新的教學(xué)模式。用人工智能技術(shù)技術(shù)支持教學(xué)(過程)的設(shè)計(jì)、互動(dòng)分析與評(píng)價(jià)，進(jìn)而支持教師及其教學(xué)，這已經(jīng)成為一個(gè)重要趨勢(shì)；本文闡述了教學(xué)設(shè)計(jì)自動(dòng)化技術(shù)、、教學(xué)自動(dòng)測(cè)評(píng)技術(shù)、專家系統(tǒng)、Agent等概念、重點(diǎn)關(guān)注的問題，以期為廣大教育技術(shù)工作者提供一點(diǎn)借鑒.

關(guān)鍵詞:人工智能;教學(xué)設(shè)計(jì)自動(dòng)化;教學(xué)自動(dòng)測(cè)評(píng),專家系統(tǒng)，Agent技術(shù)

一、教學(xué)設(shè)計(jì)自動(dòng)化技術(shù)

“教學(xué)設(shè)計(jì)自動(dòng)化”（Automated

Instructional

Design或Automating

Instructional

Design，簡(jiǎn)稱AID）是指有效利用計(jì)算機(jī)技術(shù)，為教學(xué)設(shè)計(jì)人員和其他教學(xué)產(chǎn)品開發(fā)人員在教學(xué)設(shè)計(jì)和教學(xué)產(chǎn)品開發(fā)過程中提供輔助、指導(dǎo)、咨詢、幫助或決策的過程[1]。“教學(xué)設(shè)計(jì)自動(dòng)化”更為貼切的提法應(yīng)該是“計(jì)算機(jī)輔助的教學(xué)設(shè)計(jì)”（Computer

Aided

Instructional

Design，簡(jiǎn)稱CAID）

教學(xué)設(shè)計(jì)是教育技術(shù)學(xué)最核心的內(nèi)容之一，教學(xué)設(shè)計(jì)理論的發(fā)展為教育技術(shù)學(xué)的發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。但是，教學(xué)設(shè)計(jì)仍然是少數(shù)教學(xué)設(shè)計(jì)專家的“專利”，在廣大教師中普及應(yīng)用仍然有一定的距離。其原因主要有二，首先教學(xué)設(shè)計(jì)方法需要進(jìn)一步完善和發(fā)展，包括教學(xué)設(shè)計(jì)的過程模式比較復(fù)雜、“通用”模式在各種教學(xué)情況下的不適應(yīng)等；其次“設(shè)計(jì)”的工作量過于繁雜(如內(nèi)容分析階段的ABCD方法就是一項(xiàng)復(fù)雜的“機(jī)械”勞動(dòng))。因此，若能讓計(jì)算機(jī)幫助教師完成一些“機(jī)械勞動(dòng)”，讓教師把更多的精力關(guān)注于學(xué)與教的過程和行為，具有非常重要的理論意義和現(xiàn)實(shí)意義。

從1984年梅瑞爾首次提出“教學(xué)設(shè)計(jì)自動(dòng)化”開始，教學(xué)設(shè)計(jì)自動(dòng)化吸引了很多教育技術(shù)專家、心理學(xué)家、人工智能專家和計(jì)算機(jī)專家的參與并取得了相當(dāng)多的成果[1]。目前教學(xué)設(shè)計(jì)自動(dòng)化的研究主要集中在5個(gè)方面[1]

[2]

[3]：

(1)提供集成寫作工具。如WebCT、WebCL等各大網(wǎng)絡(luò)教學(xué)支撐平臺(tái)都集成了寫作工具，充分利用網(wǎng)絡(luò)的優(yōu)勢(shì)，簡(jiǎn)化了過程。(2)提供教學(xué)設(shè)計(jì)專家系統(tǒng)。例如，梅瑞爾等人研究與開發(fā)的ID

Expert就是基于規(guī)則的專家系統(tǒng)，它可以根據(jù)教學(xué)設(shè)計(jì)人員提供的信息，提出關(guān)于課程組織、內(nèi)容結(jié)構(gòu)、教學(xué)策略等方面的建議。(3)提供教學(xué)設(shè)計(jì)咨詢服務(wù)。專家系統(tǒng)開辟了教學(xué)設(shè)計(jì)的新領(lǐng)域，但是卻抑制了教學(xué)設(shè)計(jì)開發(fā)人員創(chuàng)造性的發(fā)揮，咨詢系統(tǒng)更注重發(fā)揮教學(xué)設(shè)計(jì)人員的主觀能動(dòng)性。

(4)提供教學(xué)設(shè)計(jì)的信息管理系統(tǒng)。如學(xué)習(xí)研究協(xié)會(huì)（Institute

for

Research

on

Learning）開發(fā)的IDE（Instructional

Design

Environment）系統(tǒng)。(5)提供電子績(jī)效支持系統(tǒng)（EPSS）。如AGD績(jī)效支持系統(tǒng)等。另外，教學(xué)設(shè)計(jì)自動(dòng)化技術(shù)一個(gè)最直接的應(yīng)用是為教師提供教學(xué)設(shè)計(jì)模板。Web

Quest就是一個(gè)很好的例子，它提供了多套方便適用的教學(xué)設(shè)計(jì)模板，教學(xué)設(shè)計(jì)人員和教師只需填入相應(yīng)的內(nèi)容，就可生成WebQuest教學(xué)網(wǎng)站，大大降低了教學(xué)設(shè)計(jì)的難度。

教學(xué)設(shè)計(jì)自動(dòng)化的更進(jìn)一步發(fā)展要求它具備更高的“智能”，這需要積極借助自然語言理解和信息檢索領(lǐng)域的成果。例如，我們有理由要求教學(xué)設(shè)計(jì)自動(dòng)化系統(tǒng)能夠幫助我們抽取文章中的概念以及概念之間的關(guān)系，生成一定的可視化圖表，如概念圖、思維導(dǎo)圖等，并在人工校對(duì)后，生成可用的演示文稿。達(dá)成這一目標(biāo)的核心技術(shù)包括信息抽取領(lǐng)域的實(shí)體抽取技術(shù)和關(guān)系抽取技術(shù)。

二、教學(xué)自動(dòng)測(cè)評(píng)技術(shù)

教學(xué)自動(dòng)測(cè)評(píng)是計(jì)算機(jī)輔助評(píng)價(jià)(Computer-

Assisted

Assessment，簡(jiǎn)稱CAA)的核心內(nèi)容和研究前沿之一，其基本流程是：把問題和任務(wù)通過計(jì)算機(jī)終端傳給學(xué)生，學(xué)生通過計(jì)算機(jī)輸入設(shè)備將問題的答案輸入給計(jì)算機(jī)，計(jì)算機(jī)自動(dòng)或半自動(dòng)判斷答案并記錄分?jǐn)?shù)。CAA可在診斷性、形成性和總結(jié)性等三類評(píng)價(jià)中均可得到有效應(yīng)用；既可以用于學(xué)生的自我評(píng)價(jià)，也可以用于教師對(duì)學(xué)生的評(píng)價(jià)[4]。CAA系統(tǒng)的構(gòu)成主要包括三個(gè)方面：(1)題庫與組卷；(2)測(cè)試環(huán)境與自動(dòng)閱卷；(3)測(cè)評(píng)數(shù)據(jù)的統(tǒng)計(jì)分析：負(fù)責(zé)管理測(cè)評(píng)結(jié)果，按要求生成各種報(bào)表以及對(duì)題目進(jìn)行分析。

目前，CAA應(yīng)用研究主要集中在三個(gè)方面[5]：(1)客觀測(cè)試：測(cè)試題的答案從預(yù)先定義好的有限個(gè)問題答案中選擇或比較，計(jì)算機(jī)對(duì)考題答案的評(píng)分不需要任何的主觀因素參與，客觀測(cè)試主要用于評(píng)估知識(shí)覆蓋型和事實(shí)記憶型為主的課程；(2)計(jì)算機(jī)自適應(yīng)測(cè)試

(CAT)：指在具有一定規(guī)模的精選試題組成的題庫支持下，按照一定的規(guī)則并根據(jù)被試的反應(yīng)選取試題，直到滿足停止條件為止；(3)基于Internet的遠(yuǎn)程考試與評(píng)價(jià)?？陀^測(cè)試和計(jì)算機(jī)化自適應(yīng)測(cè)試的相關(guān)的理論、方法與技術(shù)已相當(dāng)成熟，能比較好地解決了知識(shí)層面的評(píng)價(jià)問題。其熱點(diǎn)及前沿課題主要有兩方面：(1)主觀題的測(cè)評(píng)問題及其自動(dòng)化,例如，對(duì)自由文本答案的計(jì)算機(jī)測(cè)評(píng)的研究目前已經(jīng)取得很大的進(jìn)展；(2)技能性非客觀題的測(cè)評(píng)。

三、專家系統(tǒng)在教育中的應(yīng)用

謂專家，一般都擁有某一特定領(lǐng)域的大量知識(shí)和豐富的經(jīng)驗(yàn)。在解決問題時(shí)，專家們通常擁有一套獨(dú)特的思維方式，能較圓滿的解決一類難題，或向用戶提出一些建設(shè)性的意見。

專家系統(tǒng)（Expert

System）可視為一類具有大量專門知識(shí)的計(jì)算機(jī)智能程序系統(tǒng)[6]。它能運(yùn)用特定領(lǐng)域一位和眾多專家提供的專門知識(shí)和經(jīng)驗(yàn)，并采用人工智能中推理技術(shù)來求解和模擬通過由專家才能解決的各種復(fù)雜問題，達(dá)到與專家具有同等解決問題的能力。它可使專家的特長(zhǎng)不受時(shí)間和空間的限制。因此，專家系統(tǒng)必須包含領(lǐng)域?qū)＜业拇罅恐R(shí)，擁有類似人類專家思維的推理能力，并能用這些知識(shí)來解決實(shí)際問題。例如，一個(gè)醫(yī)學(xué)專家系統(tǒng)就能夠像真正的醫(yī)學(xué)專家一樣，診斷病人的疾病，判斷病情的嚴(yán)重性，并給出相應(yīng)的處方和治療建議等。同領(lǐng)域和不同類型的專家系統(tǒng)，其體系結(jié)構(gòu)和功能有一定的差異，但它們的組成基本不變。一個(gè)基本的專家系統(tǒng)有知識(shí)庫、數(shù)據(jù)庫、推理機(jī)、解釋器、知識(shí)獲取和用戶界面六個(gè)部分組成[6]。

專家系統(tǒng)是人工智能研究中最重要的分支之一，它實(shí)現(xiàn)了人工智能從理論研究走向?qū)嵺`應(yīng)用，從一般思維方法的探討轉(zhuǎn)入運(yùn)用專門知識(shí)求解專門問題的重大突破。目前，被大多數(shù)人認(rèn)可的專家系統(tǒng)在教育中的應(yīng)用主要有兩種：即將專家系統(tǒng)作為學(xué)習(xí)的工具和學(xué)習(xí)的對(duì)象。

專家系統(tǒng)作為學(xué)習(xí)的工具

專家系統(tǒng)作為學(xué)習(xí)的工具首先將改變現(xiàn)有的教育模式，勃朗遜(Robert

Branson)在美國(guó)的《教育技術(shù)》雜志上發(fā)表的題為《過去、現(xiàn)在和未來的教學(xué)模式》[7]一文中，描述了一個(gè)以教育技術(shù)為基礎(chǔ)的未來教育模式，該模式是由教師、專家系統(tǒng)和學(xué)生三個(gè)方面所組成的。其中的專家系統(tǒng)是一個(gè)由知識(shí)和數(shù)據(jù)庫組成的智能教學(xué)專家系統(tǒng)。以它作為學(xué)習(xí)的工具，為學(xué)習(xí)者提供像學(xué)科專家一樣的學(xué)習(xí)支持，學(xué)生通過主動(dòng)地與專家系統(tǒng)的交互來獲取知識(shí)。同時(shí)，在這一系統(tǒng)中，將教師從學(xué)科事務(wù)中解放出來，使其有更多的時(shí)間和精力來協(xié)調(diào)學(xué)習(xí)者之間、學(xué)習(xí)者與專家系統(tǒng)之間的關(guān)系，使教師的主導(dǎo)作用得以充分的發(fā)揮。這一模式的實(shí)現(xiàn)，可以使目前的“以教師為中心”、“以課堂為中心”的教學(xué)模式從根本上有所改變。

其次，專家系統(tǒng)能提供智能化的決策服務(wù)，支持服務(wù)是現(xiàn)代遠(yuǎn)程教育系統(tǒng)的重要構(gòu)成要素，其宗旨是創(chuàng)造一個(gè)優(yōu)良的學(xué)習(xí)環(huán)境，使學(xué)習(xí)者方便快捷地調(diào)用各種資源，接受關(guān)于學(xué)習(xí)的全方位服務(wù)，以獲得學(xué)習(xí)的成功。建立和維持一個(gè)高效靈活、強(qiáng)有力的支持服務(wù)子系統(tǒng)是有效地開發(fā)、管理和實(shí)施遠(yuǎn)程教育項(xiàng)目的保證，關(guān)系到現(xiàn)代遠(yuǎn)程教育的發(fā)展和生存。但當(dāng)前遠(yuǎn)程教育中的學(xué)習(xí)支持服務(wù)并不盡人意，導(dǎo)學(xué)和答疑的手段都還十分落后，服務(wù)方式也受到諸多限制（如：地域、時(shí)間、人員和設(shè)施等），缺乏主動(dòng)性、針對(duì)性和策略性。欲改變支持服務(wù)的被動(dòng)狀況，提高支持服務(wù)的質(zhì)量，其有效途徑之一就是引進(jìn)人工智能技術(shù)，實(shí)現(xiàn)服務(wù)的智能化。例如在20世紀(jì)80年代初提出來的，把決策系統(tǒng)與人工智能相結(jié)合，尤其是與專家系統(tǒng)相結(jié)合的智能決策系統(tǒng)（Intelligence

Decision

Support

System），它比傳統(tǒng)的決策支持系統(tǒng)具有更有效的輔導(dǎo)決策作用。智能決策系統(tǒng)可以實(shí)現(xiàn)以下的一些功能：

分析和識(shí)別問題；

形成候選的決策方案（目標(biāo)、規(guī)劃、方法和途徑等）；

構(gòu)造決策問題的求解模型；多方案、多準(zhǔn)則、多目標(biāo)情況下的比較和優(yōu)化；

綜合分析，包括決策結(jié)構(gòu)或方案對(duì)實(shí)際問題可能產(chǎn)生的作用和影響的分析，以及各種環(huán)境因素、變量對(duì)決策方案或結(jié)果的影響程度分析

專家系統(tǒng)作為學(xué)習(xí)的對(duì)象

教育部于2003年4月正式頒布普通高中課程標(biāo)準(zhǔn)（實(shí)驗(yàn)稿），首次在信息技術(shù)課程中設(shè)立“人工智能初步”選修模塊，從而邁出了我國(guó)高中階段開展人工智能教育的第一步。

專家系統(tǒng)在人工智能領(lǐng)域享有很高的聲譽(yù)，曾被認(rèn)為“是人工智能從幻想到實(shí)踐，再由實(shí)踐到理論的主角”。以專家系統(tǒng)作為學(xué)習(xí)對(duì)象，可以對(duì)學(xué)生的以下幾個(gè)方面產(chǎn)生積極的作用：

1、培養(yǎng)學(xué)生問題解決方法的多樣性

人們?cè)诂F(xiàn)實(shí)生活中遇到的問題按其結(jié)構(gòu)劃分，大致可以分為三類：[6]]結(jié)構(gòu)化問題（能用形式化或公式化方法描述和求解的問題）、非結(jié)構(gòu)化問題（難用確定的形式來描述，主要根據(jù)經(jīng)驗(yàn)來求解的一類問題）和半結(jié)構(gòu)化問題（介于以上兩種之間的問題）。

學(xué)生在中學(xué)階段要求解決的大都是結(jié)構(gòu)化問題。求解結(jié)構(gòu)化問題主要途徑是：算法＋數(shù)據(jù)結(jié)構(gòu)。而專家系統(tǒng)最適合那些沒有高效算法解決的情況，即非結(jié)構(gòu)化問題和半結(jié)構(gòu)化問題。解決這類問題，推理可能是尋求較好解決方法的唯一希望。因此，求解非結(jié)構(gòu)化、半結(jié)構(gòu)化問題的主要途徑是：知識(shí)＋推理。

通過讓學(xué)生借助專家系統(tǒng)工具建造專家系統(tǒng)，包括知識(shí)庫的構(gòu)建和推理機(jī)制的設(shè)計(jì)，可以讓學(xué)生在了解專家系統(tǒng)的基本特征，體驗(yàn)、認(rèn)識(shí)專家系統(tǒng)的知識(shí)與技術(shù)的過程中獲得對(duì)非結(jié)構(gòu)化、半結(jié)構(gòu)化問題解決過程的了解，從而使學(xué)生了解計(jì)算機(jī)解決問題方法的多樣性，培養(yǎng)學(xué)生的多種思維方式，達(dá)到提高信息素養(yǎng)的目的。

2、培養(yǎng)學(xué)生人際交流的能力

為成功開發(fā)一個(gè)專家系統(tǒng)要求領(lǐng)域?qū)＜?、知識(shí)工程師和用戶的密切配合，領(lǐng)域?qū)＜姨峁┲R(shí)和求解方法，用戶提供需求，知識(shí)工程師從專家那里獲取知識(shí)，并將其轉(zhuǎn)化到計(jì)算機(jī)上。在專家系統(tǒng)的教學(xué)中，可以要求學(xué)生自行構(gòu)建由產(chǎn)生式規(guī)則組成的知識(shí)庫，學(xué)生作為知識(shí)工程師或領(lǐng)域?qū)＜?，即要能清楚地向他人表述自己意圖，又要具備從別人那里獲得對(duì)自己有用的信息的能力。通過這種角色扮演，有利于培養(yǎng)學(xué)生的人際交流的能力，提高協(xié)作意識(shí)。

3、

開發(fā)學(xué)生的元認(rèn)知能力

元認(rèn)知又稱反省認(rèn)知，即對(duì)認(rèn)知的認(rèn)知，是個(gè)人關(guān)于他自己的認(rèn)知活動(dòng)過程和結(jié)果以及與之有關(guān)的任何事項(xiàng)的認(rèn)知，其實(shí)質(zhì)是個(gè)體對(duì)自己認(rèn)知活動(dòng)的自我意識(shí)和自我調(diào)節(jié)[8]。斯騰伯格認(rèn)為，人們對(duì)自身思維過程（分析、創(chuàng)造和實(shí)踐性的問題解決、推理和決策制定等）了解和控制的元認(rèn)知能力，相比單純的認(rèn)知能力（如知覺、記憶和思維過程）更能影響到智力[9]。而我國(guó)現(xiàn)行的學(xué)習(xí)目標(biāo)大都以布盧姆的教育目標(biāo)分類學(xué)或加涅的理論為指導(dǎo)，在制定學(xué)習(xí)目標(biāo)時(shí)往往忽略元認(rèn)知能力的培養(yǎng)。

由于專家系統(tǒng)中的知識(shí)組織和推理過程是對(duì)人類專家思維方式的一種模擬與再現(xiàn)，因此學(xué)生在建造知識(shí)庫過程中，需要反省自己的思維過程，將原來零碎的未成型的知識(shí)概念化、形式化和條理化，從而內(nèi)化為學(xué)生自己的東西。通過自己實(shí)踐構(gòu)建一個(gè)小型的專家系統(tǒng)，可以為學(xué)習(xí)者提供一個(gè)反思自身思維過程的機(jī)會(huì)，有助于學(xué)生認(rèn)知水平的提高。

四、Agent技術(shù)在教育中的應(yīng)用

Agent是一個(gè)具有自治能力的實(shí)體，這個(gè)實(shí)體是一個(gè)由軟件支持下的系統(tǒng)[10]。一般以軟件為多。這種軟件能夠在目標(biāo)的驅(qū)動(dòng)下采取社會(huì)交往、學(xué)習(xí)等行為對(duì)環(huán)境的變化作出主動(dòng)的反應(yīng)，完成特定任務(wù)。Agent的特點(diǎn)主要包括自主性、進(jìn)化性、協(xié)作性、進(jìn)化性、通信性、移動(dòng)性等。

目前的網(wǎng)絡(luò)教育課程很大程度上是把傳統(tǒng)的教育課程搬到了網(wǎng)上，原有的教育體系中一些好的方面沒有被繼承和發(fā)揚(yáng)。在網(wǎng)絡(luò)教學(xué)中，教學(xué)方式單一，教學(xué)內(nèi)容沒有很好的針對(duì)性，對(duì)于學(xué)生的關(guān)心程度幾乎為零。Agent技術(shù)的引入，有望較好地解決這些存在的問題。

Agent應(yīng)用網(wǎng)絡(luò)教學(xué)中以后，主要的優(yōu)點(diǎn)有以下幾個(gè)方在面：

1、

網(wǎng)絡(luò)教育的個(gè)別化

目前的網(wǎng)絡(luò)教育中教育的個(gè)別化只是時(shí)空上的個(gè)別化，而要教學(xué)方式和教學(xué)內(nèi)容上沒有發(fā)生根本變化。網(wǎng)絡(luò)由于其自身的特點(diǎn)，個(gè)別化教育應(yīng)是其重要的一個(gè)優(yōu)點(diǎn)。但如果只是將課堂教學(xué)簡(jiǎn)單搬上網(wǎng)絡(luò)，不但沒有實(shí)現(xiàn)其個(gè)別化的特點(diǎn)，反而使傳統(tǒng)課堂教學(xué)中的優(yōu)點(diǎn)也被剝奪了。在Agent被應(yīng)用以后，利用其智能性可以針對(duì)每一個(gè)教學(xué)對(duì)象的水平、學(xué)習(xí)內(nèi)容、學(xué)習(xí)中遇到的難點(diǎn)、學(xué)習(xí)的動(dòng)機(jī)等一系列的特征，采取不同的教學(xué)方式，提供不同的教學(xué)資源，做到對(duì)每一個(gè)學(xué)習(xí)者的教學(xué)資源和過程都不盡相同。學(xué)習(xí)者的Agent組成為每一個(gè)學(xué)習(xí)者的“私人教師”。

2、人性化的交互和教學(xué)方式

Agent引入后，教學(xué)系統(tǒng)和學(xué)習(xí)者的交互方式將發(fā)生根本的變革。基于Agent的網(wǎng)絡(luò)課程的根本特點(diǎn)在于學(xué)習(xí)者的極大“關(guān)懷”。在教學(xué)的過程中學(xué)生將感到與以往完全不同的教學(xué)氣氛，計(jì)算機(jī)隨時(shí)地“傾聽”學(xué)習(xí)者的聲音，并對(duì)教學(xué)過程進(jìn)行調(diào)整。

3、強(qiáng)大的自我進(jìn)化功能

Agent本身的進(jìn)化功能在引入到教育中以后，其潛力將得到最大程度的發(fā)揮。在對(duì)每一個(gè)學(xué)生建立在一個(gè)屬于自己的Agent以后，整個(gè)Agent組處在不停的進(jìn)化過程中，通過與學(xué)習(xí)者的交互，對(duì)學(xué)習(xí)者的了解日趨深入，使整個(gè)的Agent組越來越適合學(xué)習(xí)者。資源的數(shù)量和資源的質(zhì)量（從某種意義上是指對(duì)學(xué)習(xí)者的適當(dāng)應(yīng)性）。

4、對(duì)網(wǎng)絡(luò)資源的有效利用

目前，Internet的資源極大豐富，但是資源的存在方式卻是一種無序的、雜亂的狀態(tài)，只能算是一種信息（information）或者數(shù)據(jù)（data），而學(xué)習(xí)者需要的是一種知識(shí)（knowledge）。要把這些信息和數(shù)據(jù)轉(zhuǎn)換成為有用的知識(shí)點(diǎn)是一個(gè)龐大而復(fù)雜的工具。因此在目前的狀況下，很多的學(xué)習(xí)者在利用網(wǎng)絡(luò)資源的時(shí)候，是被“溺水”而不是有效地利用了網(wǎng)絡(luò)資源。在基于Agent的網(wǎng)絡(luò)教學(xué)體系中，資源Agent將主動(dòng)地為學(xué)習(xí)者完成這一過程，網(wǎng)絡(luò)的信息（information）和數(shù)據(jù)(data)將變成學(xué)習(xí)者所需的知識(shí)（knowledge）.

５、討論協(xié)作學(xué)習(xí)智能化

傳統(tǒng)的網(wǎng)絡(luò)教學(xué)中，學(xué)習(xí)者的交流和協(xié)辦作者的交流和協(xié)作者是靜態(tài)的，網(wǎng)絡(luò)環(huán)境只是提供了一個(gè)交流的場(chǎng)所。而在基于Agent的網(wǎng)絡(luò)教學(xué)系統(tǒng)中，討論板塊對(duì)討論的問題有總結(jié)提煉，并能根據(jù)討論的情況組織專題性的討論，引導(dǎo)學(xué)生作更深入的研究和探討，發(fā)揮協(xié)作式學(xué)習(xí)的優(yōu)越性。

６、改善學(xué)習(xí)模式，培養(yǎng)學(xué)習(xí)者的各種能力，有益于素質(zhì)教育的開展

學(xué)習(xí)者可以提出自己的問題，或者根據(jù)已有的問，在學(xué)習(xí)系統(tǒng)的協(xié)助下受逐步求解，甚至可以對(duì)領(lǐng)域內(nèi)的某一問題作深入的研究探討?；贏gent的網(wǎng)絡(luò)學(xué)習(xí)體系將的提供開放的環(huán)境、詳盡的資源，而不是呆板的學(xué)習(xí)模式，學(xué)習(xí)者可以自主地選擇學(xué)習(xí)者重點(diǎn)、學(xué)習(xí)者的方式。在學(xué)習(xí)過程中，自身的問題得到逐步的解決，同時(shí)解決問題的各種能力出得到提高。

基于Agent的網(wǎng)絡(luò)課程出有其不足之外，主要是在實(shí)現(xiàn)方面有較高的技術(shù)要求和資金投入。但隨著Agent軟件方法可重用性的可擴(kuò)展性的提高，在不同的課程中只要改變專業(yè)知識(shí)模塊，而整體的框架可重復(fù)利用，并加以擴(kuò)展。相對(duì)于現(xiàn)在的一次性課件，從長(zhǎng)遠(yuǎn)的角度來看，投入出并不高。在技術(shù)性方面，目前已經(jīng)有不少的商用系統(tǒng)投入使用，效果良好。在教育領(lǐng)域，United

States

Army

War

College

已完成人工智能課程的學(xué)習(xí)Agent,并投入使用。

以上所談及的幾項(xiàng)技術(shù)是當(dāng)前人工智能技術(shù)在教育中的熱點(diǎn)技術(shù)，盡管一些技術(shù)還不夠完善和成熟，但是它們已經(jīng)對(duì)當(dāng)前的教育產(chǎn)生了深遠(yuǎn)的影響，它改變了教師的角色、開發(fā)了新的教學(xué)模式、極大提高了學(xué)生學(xué)習(xí)效果；隨著人工智能技術(shù)的進(jìn)一步發(fā)展和深入，這種影響將會(huì)更加持久和深遠(yuǎn)。

參考文獻(xiàn)：

[1]

馬寧,余勝泉.簡(jiǎn)述教學(xué)設(shè)計(jì)自動(dòng)化研究[DB/OL]./articledigest16/jianshu.htm.

[2]

Merrill,

M.

David.An

Integrated

Model

for

Automating

Instructional

Design

and

Delivery[A].

Michael

Spector,

Martha

C.

Polson

&Daniel

J.

Muraida.Automating

Instructional

Design:

Concepts

and

Issues[C].

Englewood

Cliffs,

NJ:

Educational

Technology

Publications,

1993.

147-190.

[3]

Kasowitz,

Abby.

Tools

for

Automating

Instructional

Design[DB/OL].

/1999-1/tools.html

.

[4]

黃榮懷，劉黃玲子，李向榮.

計(jì)算機(jī)輔助評(píng)價(jià)的發(fā)展趨勢(shì)[J].

電化教育研究，2002,(5):15-21.

[5]

黃榮懷

關(guān)于教育技術(shù)學(xué)領(lǐng)域中的若干關(guān)鍵技術(shù)

/html/20051018_198.html

[6]

王萬森編著.

人工智能原理及其應(yīng)用.

北京：電子工業(yè)出版社.

2000.9

[7]

李慧迎

章偉民

專家系統(tǒng)及其在教育中的應(yīng)用

7/lunwen/dianziban/200501/021924.htm

[8]

張劍平.

關(guān)于人工智能教育的思考[J]

電化教育研究.

2003.1，24——28

[9]

朱永祥.

小學(xué)生元認(rèn)知技能培養(yǎng)實(shí)驗(yàn)研究報(bào)告[J].

教育研究.

2000.6

[10]

吳戰(zhàn)杰，秦健Agent技術(shù)及其在網(wǎng)絡(luò)教育中的應(yīng)用研究

/articledigest20/jishu.htm

[11]

劉大有,楊鯤,陳建中.Agent研究現(xiàn)狀與發(fā)展趨勢(shì)[J].軟件學(xué)報(bào),2000,11,(2).人工智能技術(shù)和發(fā)展趨勢(shì)

摘要：人工智能，簡(jiǎn)稱AI，它是當(dāng)今最火的一門科學(xué)，是研究使計(jì)算機(jī)來完成能表現(xiàn)出人類智能的任務(wù)的學(xué)科。主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理，制造類似于人腦的智能計(jì)算機(jī)，以及使計(jì)算機(jī)更巧妙些實(shí)現(xiàn)高層次的應(yīng)用。人工智能一直是人們所追求的，所向往的一門科學(xué)，它起源于近代，在電氣時(shí)代隨著計(jì)算機(jī)科學(xué)的發(fā)展，以及生物學(xué)，腦科學(xué)等相關(guān)科學(xué)的發(fā)展，極大的推動(dòng)了人工智能的發(fā)展。人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué),數(shù)理邏輯、語言學(xué)、等多門學(xué)科。導(dǎo)致其非常復(fù)雜，所以其研究領(lǐng)域也分成許多方面，從最開始的博弈論，專家系統(tǒng)，模式識(shí)別，神經(jīng)網(wǎng)絡(luò)，機(jī)器學(xué)習(xí)到現(xiàn)在大熱的深度學(xué)習(xí)。其應(yīng)用領(lǐng)域，也非常之多，比如機(jī)器翻譯，語音交互，ORC,圖像識(shí)別，智能駕駛等等。自從谷歌的阿法狗在圍棋打敗了人類棋手，人工智能也進(jìn)入了一個(gè)新的發(fā)展階段，如今各國(guó)，各大公司都在大力發(fā)展人工智能技術(shù)，爭(zhēng)取在新時(shí)代把握先機(jī)，把握未來。人工智能即將在無人駕駛，機(jī)器翻譯，語言交互等應(yīng)用領(lǐng)域取得巨大成功。即使如此，人工智能現(xiàn)在還是處于弱人工智能階段，人工智能還面臨著許多問題和挑戰(zhàn)。向強(qiáng)人工智能發(fā)展的道路上，仍然充滿巨大的困難。關(guān)鍵詞：人工智能，機(jī)器學(xué)習(xí)，發(fā)展趨勢(shì)，神經(jīng)網(wǎng)絡(luò)，運(yùn)用

人工智能人工和智能含義人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識(shí)、自我、心靈（包括無意識(shí)的精神等等問題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對(duì)人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。人工智能的簡(jiǎn)介使機(jī)器具有自主能動(dòng)能力這一愿望，從古希臘甚至古埃及的神話傳說開始就一直延續(xù)至今：亞里士多德（公元前384-322年）的一個(gè)著名演繹推理——三段論代表著他對(duì)人工智能的哲學(xué)思想探索步伐；中世紀(jì)神秘主義者RamonLlull構(gòu)建了世界上第一部可以“回答”問題的機(jī)器；近代“人工智能”（ArtificialIntelligence）這個(gè)概念的提出最早是在1956年Dartmouth學(xué)會(huì)，當(dāng)時(shí)數(shù)字計(jì)算機(jī)研制成果顯著，對(duì)編寫有原始推理思想的程序有質(zhì)的幫助；今天的各國(guó)在智能研究領(lǐng)域都有了重大發(fā)展，波士頓動(dòng)力公司研制的大狗機(jī)器人bigdog。廣義來講，人工智能就是人造物的智能行為。人工智能的發(fā)展往往依靠計(jì)算機(jī)科學(xué)和認(rèn)知科學(xué)的發(fā)展，在不同的發(fā)展階段，對(duì)于人工智能有不同的理解，其概念也隨之拓展。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，是研究使計(jì)算機(jī)來完成能表現(xiàn)出人類智能的任務(wù)的學(xué)科。主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理，制造類似于人腦的智能計(jì)算機(jī)，以及使計(jì)算機(jī)更巧妙些實(shí)現(xiàn)高層次的應(yīng)用。它涉及到計(jì)算機(jī)科學(xué)，心理學(xué)，哲學(xué)和語言學(xué)學(xué)科。總的目標(biāo)是增強(qiáng)人的智能進(jìn)而我們需要了解什么是智能。智能是一種能夠認(rèn)識(shí)客觀事物和運(yùn)用知識(shí)解決問題的綜合能力。智能的四個(gè)特征：具有感知能力，具有記憶和思維能力，具有學(xué)習(xí)和自適應(yīng)的能力，具有行為能力。智能是客觀世界中解決實(shí)際問題的能力，這種能力就是各個(gè)科學(xué)領(lǐng)域中的“知識(shí)”，以及交叉學(xué)科的靈活應(yīng)用。因而，還可以認(rèn)為，人工智能的研究目標(biāo)是使機(jī)器模仿人的行為計(jì)算機(jī)模仿人腦的推理，學(xué)習(xí)，思考和規(guī)劃等思維活動(dòng)。概括而言，人工智能是研究如何讓計(jì)算機(jī)做現(xiàn)階段只有人才能做好的事情。因?yàn)椤爸悄堋笔顷P(guān)于解決問題能力的知識(shí)，所以從使用觀點(diǎn)看，人工智能是關(guān)于知識(shí)的科學(xué)，它包含三個(gè)怎樣，即怎樣表示知識(shí)，怎樣獲取知識(shí)，怎樣使用知識(shí)。人工智能發(fā)展的歷史人工人工智能學(xué)習(xí)的發(fā)展歷史是和計(jì)算機(jī)科學(xué)與技術(shù)的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。一般認(rèn)為，人工智能的思想萌芽可以追溯到德國(guó)著名數(shù)學(xué)家和哲學(xué)家萊布尼茨(Leibnitz，1646-1716)提出的"通用語言"設(shè)想。這一設(shè)想的要點(diǎn)是：建立一種通用的符號(hào)語言，用這個(gè)語言中的符號(hào)表達(dá)“思想內(nèi)容”，用符號(hào)之間的形式關(guān)系表達(dá)“思想內(nèi)容”之間的邏輯關(guān)系。于是，在“通用語言”中可以實(shí)現(xiàn)“思維的機(jī)械化”這一設(shè)想可以看成是對(duì)人工智能的最早描述。但隨著1941年以來電子計(jì)算機(jī)的發(fā)展，技術(shù)已最終可以創(chuàng)造出機(jī)器智能，“人工智能”(ArtificialIntelligence)一詞最初是在1956年Dartmouth學(xué)會(huì)上提出的，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展，在它還不長(zhǎng)的歷史中，人工智能的發(fā)展比預(yù)想的要慢，但一直在前進(jìn)，從40年前出現(xiàn)到現(xiàn)在，已經(jīng)出現(xiàn)了許多AI程序，并且它們也影響到了其它技術(shù)的發(fā)展。

雖然計(jì)算機(jī)為AI提供了必要的技術(shù)基礎(chǔ)，但直到50年代早期人們才注意到人類智能與機(jī)器之間的聯(lián)系。NorbertWiener是最早研究反饋理論的美國(guó)人之一。最熟悉的反饋控制的例子是自動(dòng)調(diào)溫器。它將收集到的房間溫度與希望的溫度比較，并做出反應(yīng)將加熱器開大或關(guān)小，從而控制環(huán)境溫度。這項(xiàng)對(duì)反饋回路的研究重要性在于:Wiener從理論上指出，所有的智能活動(dòng)都是反饋機(jī)制的結(jié)果。而反饋機(jī)制是有可能用機(jī)器模擬的。這項(xiàng)發(fā)現(xiàn)對(duì)早期AI的發(fā)展影響很大。

70年代另一個(gè)進(jìn)展是專家系統(tǒng)。專家系統(tǒng)可以預(yù)測(cè)在一定條件下某種解的概率。由于當(dāng)時(shí)計(jì)算機(jī)已有巨大容量，專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律。專家系統(tǒng)的市場(chǎng)應(yīng)用很廣。十年間，專家系統(tǒng)被用于股市預(yù)測(cè)，幫助醫(yī)生診斷疾病，以及指示礦工確定礦藏位置等。這一切都因?yàn)閷＜蚁到y(tǒng)存儲(chǔ)規(guī)律和信息的能力而成為可能。

但80年代對(duì)AI工業(yè)來說也不全是好年景。86-87年對(duì)AI系統(tǒng)的需求下降，業(yè)界損失了近5億美元。象Teknowledge和Intellicorp兩家共損失超過6百萬美元，大約占利潤(rùn)的三分之一巨大的損失迫使許多研究領(lǐng)導(dǎo)者削減經(jīng)費(fèi)。另一個(gè)另人失望的是國(guó)防部高級(jí)研究計(jì)劃署支持的所謂"智能卡車"。這個(gè)項(xiàng)目目的是研制一種能完成許多戰(zhàn)地任務(wù)的機(jī)器人。由于項(xiàng)目缺陷和成功無望，Pentagon停止了項(xiàng)目的經(jīng)費(fèi)。

盡管經(jīng)歷了這些受挫的事件，AI仍在慢慢恢復(fù)發(fā)展。新的技術(shù)在日本被開發(fā)出來，如在美國(guó)首創(chuàng)的模糊邏輯，它可以從不確定的條件作出決策;還有神經(jīng)網(wǎng)絡(luò)，被視為實(shí)現(xiàn)人工智能的可能途徑?？傊?0年代AI被引入了市場(chǎng)，并顯示出實(shí)用價(jià)值?？梢源_信，它將是通向21世紀(jì)之匙。人工智能技術(shù)接受檢驗(yàn)在"沙漠風(fēng)暴"行動(dòng)中軍方的智能設(shè)備經(jīng)受了戰(zhàn)爭(zhēng)的檢驗(yàn)。人工智能技術(shù)被用于導(dǎo)彈系統(tǒng)和預(yù)警顯示以及其它先進(jìn)武器。AI技術(shù)也進(jìn)入了家庭。智能電腦的增加吸引了公眾興趣;一些面向蘋果機(jī)和IBM兼容機(jī)的應(yīng)用軟件例如語音和文字識(shí)別已可買到;使用模糊邏輯，AI技術(shù)簡(jiǎn)化了攝像設(shè)備。對(duì)人工智能相關(guān)技術(shù)更大的需求促使新的進(jìn)步不斷出現(xiàn)。人工智能已經(jīng)并且將繼續(xù)不可避免地改變我們的生活。研究的現(xiàn)狀為了將人工智能的理論研究成果應(yīng)用于實(shí)際，人們發(fā)明了多種方法。目前大部分的人工智能應(yīng)用系統(tǒng)是在馮?諾依曼結(jié)構(gòu)的通用數(shù)字計(jì)算機(jī)或通用算機(jī)上運(yùn)行求得結(jié)果。這種用軟件實(shí)現(xiàn)的方法靈活性強(qiáng)但速度較慢。目前人工智能的研究方向已經(jīng)被分成幾個(gè)子領(lǐng)域，研究人員希望一個(gè)人工智能系統(tǒng)應(yīng)該具有某些特定能力，以下將這些能力列出并說明。演繹、推理和解決問題早期的人工智能研究人員直接模仿人類進(jìn)行逐步的推理，就像是玩棋盤游戲或進(jìn)行邏輯推理時(shí)人類的思考模式。到了1980和1990年，利用機(jī)率和經(jīng)濟(jì)學(xué)上的概念，人工智能研究還發(fā)展了非常成功的方法處理不確定或不完整的資訊。對(duì)于困難的問題，有可能需要大量的運(yùn)算資源，也就是發(fā)生了“可能組合爆增”：當(dāng)問題超過一定的規(guī)模時(shí)，電腦會(huì)需要天文數(shù)量級(jí)的記憶體或是運(yùn)算時(shí)間。尋找更有效的算法是優(yōu)先的人工智能研究項(xiàng)目。人類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識(shí)的，一步一步的推導(dǎo)，早期人工智能研究通常使用逐步推導(dǎo)的方式。人工智能研究已經(jīng)于這種“次表征性的”解決問題方法取得進(jìn)展：實(shí)體化的代理人研究強(qiáng)調(diào)感知運(yùn)動(dòng)的重要性。神經(jīng)網(wǎng)絡(luò)研究試圖以模擬人類和動(dòng)物的大腦結(jié)構(gòu)重現(xiàn)這種技能。多元智能大多數(shù)研究人員希望他們的研究最終將被納入一個(gè)具有多元智能(稱為強(qiáng)人工智能)，結(jié)合以上所有的技能并且超越大部分人類的能力。有些人認(rèn)為為了達(dá)成以上目標(biāo)，可能需要擬人化的特性，如人工意識(shí)或人工大腦。上述許多問題被認(rèn)為是人工智能完整性：為了解決其中一個(gè)問題，你必須解決全部的問題。即使一個(gè)簡(jiǎn)單和特定的任務(wù)，如機(jī)器翻譯，要求機(jī)器按照作者的論點(diǎn)(推理)，知道什么是被人談?wù)?知識(shí))，忠實(shí)地再現(xiàn)作者的意圖(情感計(jì)算)。因此，機(jī)器翻譯被認(rèn)為是具有人工智能完整性：它可能需要強(qiáng)人工智能工，就像是人類一樣。規(guī)劃智能Agent必須能夠制定目標(biāo)和實(shí)現(xiàn)這些目標(biāo)。他們需要一種方法來建立一個(gè)可預(yù)測(cè)的世界模型(將整個(gè)世界狀態(tài)用數(shù)學(xué)模型表現(xiàn)出來，并能預(yù)測(cè)它們的行為將如何改變這個(gè)世界)，這樣就可以選擇功效最大（或“值”）的行為。在傳統(tǒng)的規(guī)劃問題中，智能Agent被假定它是世界中為一具有影響力的，所以它要做出什么行為是已經(jīng)確定的。但是，如果事實(shí)并非如此，它必須定期檢查世界模型的狀態(tài)是否和自己的預(yù)測(cè)相符合。如果不符合，它必須改變它的計(jì)劃。因此智能代理必須具有在不確定結(jié)果的狀態(tài)下推理的能力。在多Agent中，多Agent規(guī)劃采用合作和競(jìng)爭(zhēng)去完成一定的目標(biāo)，使用演化算法和群體智慧可以達(dá)成一個(gè)整體的突現(xiàn)行為目標(biāo)。知覺機(jī)器感知是指能夠使用傳感器所輸入的資料(如照相機(jī)，麥克風(fēng)，聲納以及其他的特殊傳感器)然后推斷世界的狀態(tài)。計(jì)算機(jī)視覺能夠分析影像輸入。另外還有語音識(shí)別、人臉辨識(shí)和物體辨識(shí)。社交情感和社交技能對(duì)于一個(gè)智慧代理人是很重要的。首先，通過了解他們的動(dòng)機(jī)和情感狀態(tài)，代理人能夠預(yù)測(cè)別人的行動(dòng)(這涉及要素博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測(cè))。此外，為了良好的人機(jī)互動(dòng)，智慧代理人也需要表現(xiàn)出情緒來。至少它必須出現(xiàn)禮貌地和人類打交道。至少，它本身應(yīng)該有正常的情緒。創(chuàng)造力一個(gè)人工智能的子領(lǐng)域，代表了理論(從哲學(xué)和心理學(xué)的角度)和實(shí)際(通過特定的實(shí)現(xiàn)產(chǎn)生的系統(tǒng)的輸出是可以考慮的創(chuàng)意，或系統(tǒng)識(shí)別和評(píng)估創(chuàng)造力)所定義的創(chuàng)造力。相關(guān)領(lǐng)域研究的包括了人工知覺和人工想象。

體現(xiàn)形式和研究領(lǐng)域博弈博弈論，又稱對(duì)策論，是使用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)模型研究沖突對(duì)抗條件下最優(yōu)決策問題的理論。博弈思想在人工智能方面最早體現(xiàn)在計(jì)算機(jī)游戲方面，最早的計(jì)算機(jī)游戲（computergame）指的就是下棋,為了設(shè)計(jì)可以和人類競(jìng)爭(zhēng)甚至戰(zhàn)勝人類的程序，人們便開始研究如何使得計(jì)算機(jī)可以學(xué)習(xí)人類的思維模式，具備與人類一樣的博弈能力。博弈的過程包含著對(duì)問題的表示、分解、搜索和歸納這四個(gè)重要問題。計(jì)算機(jī)棋類博弈基本屬于完全信息的動(dòng)態(tài)博弈。也就是對(duì)弈雙方不僅清楚當(dāng)前的局面，了解對(duì)手以往的著數(shù)，而且了解對(duì)手接下來可能采取的著數(shù)。盡管雙方可能采取的著法數(shù)以十計(jì)、百計(jì)，但畢竟還是有限的。計(jì)算機(jī)可以通過展開一顆根在上、葉在下的龐大的博弈樹描述這一對(duì)弈過程。再利用自身在時(shí)間和空間上的強(qiáng)大能力，進(jìn)行巧妙的搜索，從而找到可行解及近優(yōu)解，亦即給出當(dāng)前的著法。顯然，計(jì)算機(jī)的搜索能力是計(jì)算機(jī)智力水平的重要體現(xiàn)。搜索算法是機(jī)器“思維”的核心。包括著法生成，博弈樹展開，各種剪枝搜索和各種啟發(fā)式搜索。顯而易見，搜索算法的設(shè)計(jì)和編寫過程處處體現(xiàn)著人工智能的思想。機(jī)器博弈是既簡(jiǎn)單方便、經(jīng)濟(jì)實(shí)用，又豐富內(nèi)涵、變化無窮的思維邏輯研究載體。個(gè)把小時(shí)就可以下一盤棋，就可以對(duì)電腦的“智能”進(jìn)行測(cè)試，而且可以悔棋、重試、復(fù)盤，可以一步步地發(fā)現(xiàn)電腦與人腦功能的差距，從而不斷提高電腦的智力水平。毫無疑問的是，機(jī)器博弈的研究可以顯著推動(dòng)人工智能的發(fā)展。專家系統(tǒng)專家系統(tǒng)是一種具有大量專門知識(shí)和經(jīng)驗(yàn)的智能程序系統(tǒng)，它能運(yùn)用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗(yàn)和專門知識(shí)，模擬領(lǐng)域?qū)＜业乃季S過程，解決該領(lǐng)域中需要專家才能解決的復(fù)雜問題。專家系統(tǒng)是目前人工智能中最活躍，最有成效的一個(gè)研究領(lǐng)域，它是一種基于知識(shí)的系統(tǒng)，它從人類專家那里獲得知識(shí)，并用來解決只有專家才能解決困難問題輔助教學(xué)系統(tǒng)。人工智能專家系統(tǒng)常由知識(shí)庫、是推理機(jī)等構(gòu)成。推理機(jī)主要決定哪些規(guī)則滿足事實(shí)或目標(biāo)，并授予規(guī)則優(yōu)先級(jí)，然后執(zhí)行最高優(yōu)先級(jí)規(guī)則來進(jìn)行邏輯推理。知識(shí)獲取機(jī)為用戶建立的一個(gè)知識(shí)自動(dòng)輸入的確定方法。匹配模塊是該人工智能專家系統(tǒng)的核心部分，匹配功能模式識(shí)別廣義地說，存在于時(shí)間和空間中可觀察的事物，如果我們可以區(qū)別他們是否相同或者是否相似，都可以稱之為模式。但需要注意的是，模式并不是指向事物本身，而是我們從事物獲得的信息。因此，模式往往表現(xiàn)為具有時(shí)間或空間分布的信息。人們?yōu)榱苏莆湛陀^事物，按事物相似的程度組成類別。模式識(shí)別的作用和目的就在于面對(duì)某一具體事物時(shí)將其正確的歸入某一類別。模式識(shí)別系統(tǒng)有兩個(gè)過程組成，即設(shè)計(jì)和實(shí)現(xiàn)。設(shè)計(jì)是指用一定數(shù)量的樣本（訓(xùn)練集或?qū)W習(xí)集）進(jìn)行分類器的設(shè)計(jì)。實(shí)現(xiàn)是指用所涉及的分類器對(duì)待識(shí)別的樣本進(jìn)行分類決策?；诮y(tǒng)計(jì)方法的模式識(shí)別系統(tǒng)主要由4個(gè)部分組成：數(shù)據(jù)獲取，預(yù)處理，特征提取和選擇，分類決策，如下圖所示概括地說，模式識(shí)別中的最基本的問題是解決模式的分類。較全面的看，是研究模式的描述、分析、分類、理解和綜合。更高層次的模式識(shí)別應(yīng)該還包括對(duì)模式的學(xué)習(xí)、判斷、自適應(yīng)、自尋優(yōu)和自動(dòng)發(fā)現(xiàn)規(guī)律等。所以，模式識(shí)別在某種意義上和人工智能中的“學(xué)習(xí)”“概念形成”相近。模式識(shí)別與及其職能的結(jié)合將開辟?gòu)V闊的應(yīng)用前景。神經(jīng)網(wǎng)絡(luò)眾所周知，人類大腦的組織結(jié)構(gòu)和運(yùn)行機(jī)制有其絕妙的特點(diǎn)，從模仿人腦智能的角度出發(fā)，來探尋新的信息表示、儲(chǔ)存和處理方式，設(shè)計(jì)全新的計(jì)算機(jī)處理結(jié)構(gòu)模型，構(gòu)建一種更接近人類智能的信息處理系統(tǒng)來解決實(shí)際工程和科學(xué)研究領(lǐng)域中難以解決的問題，一定能夠極大推動(dòng)科研進(jìn)步，這些促成了人工神經(jīng)網(wǎng)絡(luò)（ANN）的出現(xiàn)。簡(jiǎn)單的說，ANN是模仿人腦工作方式而設(shè)計(jì)的一種機(jī)器，它可用電子或光電元件實(shí)現(xiàn)，還可以用軟件在計(jì)算機(jī)上進(jìn)行仿真模擬，甚至最新的研究成果顯示人類已經(jīng)使用DNA在試管中制造出了首個(gè)人造神經(jīng)網(wǎng)絡(luò)（這個(gè)相互作用的分子組成的電路能像人腦一樣，基于不完整的模式進(jìn)行回）；人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過預(yù)先提供的一批相互對(duì)應(yīng)的輸入－輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果，這種學(xué)習(xí)分析的過程被稱為“訓(xùn)練”。自然語言自然語言理解一直是智能領(lǐng)域研究的重要課題之一，因?yàn)樽匀徽Z言本身具有獨(dú)特的魅力，其一，如果計(jì)算機(jī)能夠理解自然語言，那么人機(jī)交互將變得前所未有的暢通，那將是對(duì)計(jì)算機(jī)技術(shù)的重大突破，其二，創(chuàng)造和使用自然語言是人類幾千年智慧的結(jié)晶，研究自然語言更有助于解開人工智能的奧秘。對(duì)自然語言的理解，有以下四條準(zhǔn)則：?jiǎn)柎稹⑽恼?、釋義、翻譯。與之對(duì)應(yīng)就可以得到，自然語言理解的處理過程為：語言形式化描述、處理算法設(shè)計(jì)、處理算法實(shí)現(xiàn)和評(píng)估。其中語言形式化描述就是通過對(duì)自然語言自身規(guī)律進(jìn)行研究，進(jìn)而采用數(shù)學(xué)的方法將其描述出來，以便于計(jì)算機(jī)處理，也可認(rèn)為是對(duì)自然語言進(jìn)行數(shù)學(xué)建模。處理的算法設(shè)計(jì)就是將數(shù)學(xué)形式化描述的語言變換為計(jì)算機(jī)可操作、控制的對(duì)象。處理算法實(shí)現(xiàn)和評(píng)估就是通過程序設(shè)計(jì)語言(如C語言)將算法實(shí)現(xiàn)出來，并對(duì)其性能和功能進(jìn)行評(píng)估。機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（MachineLearning）是一門涉及統(tǒng)計(jì)學(xué)、系統(tǒng)辨識(shí)、逼近理論、神經(jīng)網(wǎng)絡(luò)、優(yōu)化理論、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科，研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能，是人工智能技術(shù)的核心?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方法之一，研究從觀測(cè)數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，利用這些規(guī)律對(duì)未來數(shù)據(jù)或無法觀測(cè)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。根據(jù)學(xué)習(xí)模式、學(xué)習(xí)方法以及算法的不同，機(jī)器學(xué)習(xí)存在不同的分類方法。人工智能的應(yīng)用人工智能應(yīng)用非常廣泛，我們現(xiàn)在的生活許多方面都設(shè)計(jì)到了人工智能，下面就介紹一些領(lǐng)域的運(yùn)用機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。幾十年來，國(guó)內(nèi)外許多專家、學(xué)者為機(jī)器翻譯的研究付出了大量的心血和汗水。雖然至今還沒有一個(gè)實(shí)用、全面、高質(zhì)量的自動(dòng)翻譯系統(tǒng)出現(xiàn)，不過也取得了很大的進(jìn)展，特別是作為人們的輔助翻譯工具，機(jī)器翻譯已經(jīng)得到大多數(shù)人的認(rèn)可。目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。語言交互語音交互是一種高效的交互方式，是人以自然語音或機(jī)器合成語音同計(jì)算機(jī)進(jìn)行交互的綜合性技術(shù)，結(jié)合了語言學(xué)、心理學(xué)、工程和計(jì)算機(jī)技術(shù)等領(lǐng)域的知識(shí)。語音交互不僅要對(duì)語音識(shí)別和語音合成進(jìn)行研究，還要對(duì)人在語音通道下的交互機(jī)理、行為方式等進(jìn)行研究。語音交互過程包括四部分：語音采集、語音識(shí)別、語義理解和語音合成。語音采集完成音頻的錄入、采樣及編碼；語音識(shí)別完成語音信息到機(jī)器可識(shí)別的文本信息的轉(zhuǎn)化；語義理解根據(jù)語音識(shí)別轉(zhuǎn)換后的文本字符或命令完成相應(yīng)的操作；語音合成完成文本信息到聲音信息的轉(zhuǎn)換。作為人類溝通和獲取信息最自然便捷的手段，語音交互比其他交互方式具備更多優(yōu)勢(shì)，能為人機(jī)交互帶來根本性變革，是大數(shù)據(jù)和認(rèn)知計(jì)算時(shí)代未來發(fā)展的制高點(diǎn)，具有廣闊的發(fā)展前景和應(yīng)用前景。計(jì)算機(jī)視覺計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科，其主要研究目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。目前，計(jì)算機(jī)視覺已在人類社會(huì)的許多領(lǐng)域得到成功應(yīng)用。例如，在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等；在航天與軍事方面有衛(wèi)星圖像處理、飛行器跟蹤、成像精確制導(dǎo)、景物識(shí)別、目標(biāo)檢測(cè)等；在醫(yī)學(xué)方面有圖像的臟器重建、醫(yī)學(xué)圖像分析等；在工業(yè)方面有各種監(jiān)測(cè)系統(tǒng)和生產(chǎn)過程監(jiān)控系統(tǒng)等生物特征識(shí)別生物特征識(shí)別技術(shù)是指通過個(gè)體生理特征或行為特征對(duì)個(gè)體身份進(jìn)行識(shí)別認(rèn)證的技術(shù)。從應(yīng)用流程看，生物特征識(shí)別通常分為注冊(cè)和識(shí)別兩個(gè)階段。注冊(cè)階段通過傳感器對(duì)人體的生物表征信息進(jìn)行采集，如利用圖像傳感器對(duì)指紋和人臉等光學(xué)信息、麥克風(fēng)對(duì)說話聲等聲學(xué)信息進(jìn)行采集，利用數(shù)據(jù)預(yù)處理以及特征提取技術(shù)對(duì)采集的數(shù)據(jù)進(jìn)行處理，得到相應(yīng)的特征進(jìn)行存儲(chǔ)。識(shí)別過程采用與注冊(cè)過程一致的信息采集方式對(duì)待識(shí)別人進(jìn)行信息采集、數(shù)據(jù)預(yù)處理和特征提取，然后將提取的特征與存儲(chǔ)的特征進(jìn)行比對(duì)分析，完成識(shí)別。從應(yīng)用任務(wù)看，生物特征識(shí)別一般分為辨認(rèn)與確認(rèn)兩種任務(wù)，辨認(rèn)是指從存儲(chǔ)庫中確定待識(shí)別人身份的過程，是一對(duì)多的問題；確認(rèn)是指將待識(shí)別人信息與存儲(chǔ)庫中特定單人信息進(jìn)行比對(duì)，確定身份的過程，是一對(duì)一的問題。生物特征識(shí)別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態(tài)等多種生物特征，其識(shí)別過程涉及到圖像處理、計(jì)算機(jī)視覺、語音識(shí)別、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù)。目前生物特征識(shí)別作為重要的智能化身份認(rèn)證技術(shù)，在金融、公共安全、教育、交通等領(lǐng)域得到廣泛的應(yīng)用。下面將對(duì)指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別、指靜脈識(shí)別、聲紋識(shí)別以及步態(tài)識(shí)別等技術(shù)進(jìn)行介紹。人工智能面臨的困難計(jì)算機(jī)博弈的困難博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對(duì)自然界事物的對(duì)策或智力競(jìng)爭(zhēng)上。博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競(jìng)爭(zhēng)之中。盡管西洋跳棋和國(guó)際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平,然而計(jì)算機(jī)博弈依然面臨著巨大的困難。這主要表現(xiàn)在以下兩個(gè)方面的問題：其一是組合爆炸問題,狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹來表示狀態(tài)空間,對(duì)于幾種常見的棋類,其狀態(tài)空間都大得驚人,例如,西洋跳棋為10的40次方,國(guó)際象棋為10的120次方,圍棋則是10的700次方。如此巨大的狀態(tài)空間,現(xiàn)有計(jì)算機(jī)是很難忍受的。其二是現(xiàn)在的博弈程序往往是針對(duì)二人對(duì)弈、棋局公開、有確定走步的一類棋類進(jìn)行研制的。而對(duì)于多人對(duì)弈、隨機(jī)性的博弈這類問題,至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。機(jī)器翻譯所面臨的問題在計(jì)算機(jī)誕生的初期,有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器翻譯所面臨的問題仍然是1964年語言學(xué)家黑列爾所說的構(gòu)成句子的單詞和歧義性問題。歧義性問題一直是自然語言理解(NLU)中的一大難關(guān)。同樣一個(gè)句子在不同的場(chǎng)合使用,其含義的差異是司空見慣的。因此,要消除歧義性就要對(duì)原文的每一個(gè)句子及其上下文進(jìn)行分析理解,尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意義。然而,計(jì)算機(jī)卻往往孤立地將句子作為理解單位。另外,即使對(duì)原文有了一定的理解,理解的意義如何有效地在計(jì)算機(jī)里表示出來也存在問題。目前的NLU系統(tǒng)幾乎不能隨著時(shí)間的增長(zhǎng)而增強(qiáng)理解力,系統(tǒng)的理解大都局限于表層上,沒有深層的推敲,沒有學(xué)習(xí),沒有記憶,更沒有歸納。導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)和研究方法的問題。現(xiàn)在NLU的研究方法很不成熟,大多數(shù)研究局限在語言這一單獨(dú)的領(lǐng)域,而沒有對(duì)人們是如何理解語言這個(gè)問題做深入有效的探討。自動(dòng)定理證明和GPS的局限自動(dòng)定理證明和GPS的局限自動(dòng)定理證明的代表性工作是1965年魯賓遜提出的歸結(jié)原理。歸結(jié)原理雖然簡(jiǎn)單易行,但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的?；跉w結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合,從而喪失了其固有的邏輯蘊(yùn)含語義。前面曾提到過的GPS是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí)求解人工智能問題的通用方法。GPS想擺脫對(duì)問題內(nèi)部表達(dá)形式的依賴,但是問題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理,還是求解人工智能問題的通用方法GPS,都可以從中分析出表達(dá)能力的局限性,而這種局限性使得它們縮小了其自身的應(yīng)用范圍。人工智能的發(fā)展趨勢(shì)技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出，未來人工智能可能會(huì)向以下幾個(gè)方面發(fā)展:語言，圖像，社交等等。自動(dòng)推理自動(dòng)推理是人工智能最經(jīng)典的研究分支,其基本理論是人工智能其它分支的共同基礎(chǔ)。一直以來自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一,其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn),很有可能取得大的突破語言運(yùn)用自然語言處理是AI技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過AI研究人員的艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。許多產(chǎn)品已經(jīng)進(jìn)入了眾多領(lǐng)域。智能信息檢索技術(shù)在Internet技術(shù)的影響下,近年來迅猛發(fā)展,已經(jīng)成為了AI的一個(gè)獨(dú)立研究分支。由于信息獲取與精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將AI技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向應(yīng)用的契機(jī)與突破口。從近年的人工智能發(fā)展來看,這方面的研究已取得了可喜的進(jìn)展。機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)的研究取得長(zhǎng)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問世并獲得了成功的應(yīng)用,如增強(qiáng)學(xué)習(xí)算法、reinforcementlearning等。也應(yīng)看到,現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效,尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題,相信不久會(huì)在這些方面取得突破。人工智能的未來與挑戰(zhàn)人工智能研究的主要目標(biāo),就是希望用現(xiàn)代科學(xué)技術(shù)的手段來擴(kuò)展人類智能系統(tǒng)的能力[3],那么人工智能未來的發(fā)展方向有哪些更值得關(guān)注的呢?本文從四方面進(jìn)行了闡述:人工智能技術(shù)與生物技術(shù)、電子技術(shù)結(jié)合研究生物電子體,與腦科學(xué)、信息處理技術(shù)結(jié)合研究大腦信息處理模型,與網(wǎng)絡(luò)技術(shù)、軟件技術(shù)結(jié)合研究網(wǎng)絡(luò)智能軟件,與通訊技術(shù)、控制技術(shù)結(jié)合研究家庭機(jī)器人生物電子生物電子體是生物細(xì)胞與電腦微芯片有效協(xié)作的共存體,可以實(shí)現(xiàn)部分或全部生物的智能,既研究把模擬生物體的電腦微芯片植入生物體,與生物體形成協(xié)作共存體,又研究從生物體中提取出細(xì)胞組織與模擬生物體的微芯片接合為協(xié)作共存體。麻省理工大學(xué)貝爾實(shí)驗(yàn)室和神經(jīng)信息學(xué)研究所的科學(xué)家們已經(jīng)成功實(shí)現(xiàn)了將模擬人類神經(jīng)系統(tǒng)的電腦微芯片植入大腦,對(duì)人體神經(jīng)進(jìn)行了有效修復(fù)[4]。日本東京大學(xué)的Shimoyama教授領(lǐng)導(dǎo)的課題組研究蟑螂的控制技術(shù),即把蟑螂頭上的探須和翅膀切除,插入電極和微處理器以及紅外傳感器,通過遙控信號(hào)產(chǎn)生電刺激,使蟑螂向特定方向前進(jìn)。美國(guó)紐約州立大學(xué)通過在老鼠體內(nèi)植入微控制器,成功實(shí)現(xiàn)對(duì)老鼠的轉(zhuǎn)彎、前進(jìn)、爬樹和跳躍等動(dòng)作的人工制導(dǎo)，試想研究生物電子體,有效控制爬行動(dòng)物的行為,使其為人