人工智能研究综述(精选8篇)

人工智能研究综述篇1

[关键词]人工智能，工程技术应用

中图分类号：TP 文献标识码：A 文章编号：1009-914X（2014）31-0221-01

首先，介绍下人工智能（Artificial Intelligence，AI）是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。 其点是让机器学会“思考”

人工智能学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。

1、20世纪80年代，专家系统技术的逐渐成熟及计算机技术的迅速发展，使得智能控制和决策的研究也取得了较大进展。计算智能是一种仿生计算方法，它从生物底层对智能行为进行模拟和研究，拓展了传统的计算模式，为复杂问题的求解提供了新的解决办法。为了提高计算智能的应用效率，本文分析了二进制遗传算法中早熟收敛的成因，指出了传统的变异算子在防止早熟收敛方面的不足，提出了一种能有效预防早熟现象的二元变异算子，并在此基础上提出了一种便于用常规逻辑门电路实现的遗传算法。鉴于参数选择对于遗传算法求解效率的影响。

2、人工智能在工程技术各行各业的应用

（1）工业过程中的智能控制。生产过程的智能控制主要包括两个方面：局部级和全局级。

（2）机械制造中的智能控制。在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。

（3）电力电子学研究领域中的智能控制。电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果 。

（4）人工智能在水利工程中应用。大坝安全监测自动化系统结构和大坝安全智能决策支持系统（DSIDSS）。

1）针对大坝安全监测系统的可靠性问题，将现场总线监测网络结构和基于现场总线的通信网络模型应用于大坝安全监测系统中，提高了系统的可靠性和系统组网的灵活性，使大坝安全监测自动化系统可根据现场条件灵活组网，增加了系统的实用性。重点研究了监控网络的系统结构、网络通讯模式和功能分布。

2）针对自动化监控系统的数据真实性和合理性检验问题，研究了大坝安全监测数据的预处理方法，应用灰色系统理论和过程突变理论建立了监测数据的在线检验模型，有效地解决了自动化系统监测数据的合理性和真实性的在线检验问题。

3）应用人工神经网络技术研究了大坝监测数据的分析方法，建立了基于自学习神经元的自学习即网络监控模型，为大坝安全监控模型的建立和预测提供了新的思路和方法。

4）针对合理处理DSIDSS中的不确定因素问题，采用模糊测度和模糊积分理论的基本思想和方法进行了处理。结合模糊集和可能性理论，提出了大坝安全等级划分和安全判据的表示方法。应用模糊测度和模糊积分理论，较好地解决了大坝安全综合评价中不确定性因素的计算机表示和处理方法。

5）探讨了DSIDSS中的知识表示和推理技术，应用知识的语义网络和模糊产生式规则表示方法，建立了大坝安全智能决策支持系统的知识库。所采用的模糊推理方法克服了传统Bayes推理方法的部分缺陷，在实际应用中表明是合理有效的一种推理模式。

人工智能的过程及在工程技术转化的顺序包含：

1、机器学习

机器学习（Machine Learning）是研究计算机怎样模拟或实现人类的学习行为，以获取新

的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。

2、模式识别

1）、 模式识别概述

模式识别（Pattern Recognition）是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。（计算机）模式识别在20世纪60年代初迅速发展并成为一门新学科。

模式识别（Pattern Recognition）是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。应用计算机对一组事件或过程进行辨识和分类，所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。

2）、模式识别的应用（1）文字识别（2）语音识别（3）图像识别（4）医学诊断

3、专家系统

1）、专家系统概述

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。

2）、发展历史

专家系统的发展已经历了3个阶段，正向第四代过渡和发展。

第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。

第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统

第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略

3、 专家系统的基本结构

专家系统的基本结构如图所示，其中箭头方向为数据流动的方向。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。

人工智能在物联网的应用

物联网智能是利用人工智能技术服务于物联网络的技术是将人工智能的理论方法和技术通过具有智能处理功能的软件部署在网络服务器中去服务于接入物联网的物品设备和人。

1、智能物联网

1）智能物联网概念

智能物联网就是对接入物联网的物品设备产生的信息能够实现自动识别和处理判断，并能将处理结果反馈给接入的物品设备，同时能根据处理结果对物品设备进行某种操作指令的下达使接入的物品设备作出某种动作响应、而整个处理过程无需人类的参与。

2）智能物联网的实现途径

要实现物联网智能化就必须让人工智能成为物联知终端、传输网络、具有人工智能的数据处理服务器。

2、物联网需要的人工智能技术

1）物联网中需要来自人工智能技术的研究成果、如问题求解、逻辑推理证明、专家系统、数据挖掘、模式识别、自动推理、机器学习、智能控制等技术。

2）物联网的智能控制

在物联网的应用中、控制将是物联网的主要环节、如何在物联网中实现智能控制将是物联网发展的关键。

3、物联网智能模型

基于对人工智能技术的认识和研究、依据人工智能模型、推演出了智能物联网智能化模型。智能物联网被分为五个层次机器感知交互层、通信层、数据层、智能处理层、人机交互层，共五层。

作者简介

人工智能研究综述篇2

关键词：机器人教育；发展综述；机器人；内容研究

中图分类号：TP2 文献标识码：A 文章编号：1673-8454（2012）12-0014-04

2003年颁布的普通高中新课程标准将“简易机器人制作”列入中小学选修内容，使得我国机器人教育在大众化、普及化层面上跃上了一个新的台阶。近年来，涌现大量机器人教育方面的研究文献，对其进行综述分析有助于了解机器人教育的现状，把握其发展趋势，为机器人教育的研究与发展提供参考。

一、文献来源

在中国知网数据库中以主题 “机器人教育”进行检索，截至2011年12月31号，共得到149条记录，剔除不相关内容后，① 得到94篇样本文章，其中，硕士学位论文24篇，其余为学术论文。通过前期分析，发现学术论文和学位论文各有侧重点，学术论文代表了此领域的最新研究动态，学位论文则从一定深度探讨了机器人教育的相关情况。

二、研究综述与分析

为了解国内机器人教育的研究重心，选取文章内容和文章篇数两个维度，运用Excel分析工具统计，结果见图1。

从研究的目的及内容上看，样本文献主要从以下八方面展开研究：理论探讨、教学模式构建与实践应用、课程与教材的设计开发、技术工具、社会效益、机器人比赛、师资培养以及综述等。

从数量比例上看，上述八类不同侧重点的文献所占比例差别很大，理论探讨、教学模式构建与实践应用、课程与教材的设计开发是本领域研究的重点。

1、发展综述类

综述类文献是了解并把握整体研究动态的有力工具。［1］从图1可以看出，目前有关机器人教育综述类的文献比例较小。舒慧东通过中国知网搜集相关文献，从文献数量、研究内容、学校类型、研究的时间阶段等方面，回顾了国内中小学机器人教育发展的历程，梳理了机器人教育研究的情况，指出机器人教育研究速度在不断加快，并开始注重研究的实用性，中小学机器人的教育逐渐向深层迈进。［2］王吉岱等从教育机器人研制的角度，论述了国内外教育机器人的发展状况。

2、理论探讨类

针对机器人教育的理论探讨方面的文章所占比例最大，占总数的33%。主要探讨了机器人教育的概念及分类、相关理论指导下的机器人教学的模式、方法以及组织策略、机器人教育与学生创新意识、创新能力、科学素养之间的关系等。

概念界定方面的文献主要从机器人教育的概念和特征出发，对其进行分类。其中，彭绍东教授的论述最为详尽，他认为“机器人教育是指学习、利用机器人, 优化教育效果及师生劳动方式的理论与实践。”［3］并指出教学机器人具有教学性、人机友好性、高智能性、自主性、知识丰富性、多功能性、多形态性、专业性和安全性。

相关理论指导下的机器人教育的研究主要集中在STS教育理念、多元智能理论、模块化思想以及合作学习在机器人教育中的应用。以STS教育思想为架构，以中小学机器人教育为例，从教学目标、教学内容、教学策略、教学评价方面对如何在机器人教学中融入STS教育理念进行了探索与设计。［4］而胡卫俊则结合自身实际经历论述了多元智能理论对机器人教育的指导作用。王海芳等根据小学机器人教学特点，从教学目标、教学实施、教学评价三个方面进行了具体分析，指出模块化思想在小学机器人教学中的应用方式。赵加兴等通过归纳合作学习的相关概念及理论，结合机器人教学实际，提出了合作学习应用于机器人教学中的教室布置方案、优质二人组分组方式和“任务轮换—组内互教”合作学习模式。［5］

机器人教育与学生创新意识、创新能力、科学素养之间关系的研究主要探讨开展机器人教育在学生创新意识、创新能力的培养中的作用和可行性。例如，王荣良通过阐述工程思维的含义、本质特性，指出机器人教育培养中小学生开展工程思维培养的可行性和重要性。［6］

3、课程和教材设计开发类

国内机器人教育从《普通高中技术课程(实验)标准》中“通用技术”科目设立的“简易机器人制作”模块才正式开始，起步相对较晚，目前还没有形成自己的课程体系，没有统一的教材和课程标准，大多学校以机器人竞赛为背景或前提，以机器人产品说明书和编程软件为蓝本自编教材。［7］对此，一些学者进行了有针对性的研究，内容主要集中在校本课程建设、立体教材的设计开发、教学活动设计等方面。

4、模式构建与实践应用类

2007年以来机器人教学模式的构建及实践应用开始成为热点问题，此方面的文章大量涌现，关注的是机器人教育在创新人才培养方面的模式、方法、组织策略以及实践应用问题，主要集中在中小学机器人教学方面，少量涉及高职高专机器人教育的探索。

这类研究主要结合机器人教育教学的实践，针对遇到的问题或困惑提出解决策略或在相关理论指导下研究机器人教学模式和方法，并进行实践验证。例如，孙世杰结合机器人教学的实践，指出可以通过组织各种文化活动培养学生的兴趣，以任务驱动的形式开展机器人项目教学，加强机器人校本课程开发和学科整合，培养学生创新精神。齐元沂在“社会建构主义理论”、“群体动力学”、“集体智慧构建”等理论的指导下，结合Lego机器人教学，开发了适合于小学四年级学生学习的机器人教学案例，并与授课教师一起研讨教学方案，共同开展教学活动，探索小学生集体智慧的培养策略。

张存鹰则针对高职院校开展机器人教育的相关问题进行了探讨，在对高职院校开展机器人教学的可行性分析的基础上，提出了高职院校开展机器人教学的若干方案。

人工智能研究综述篇3

关键词：人工智能 机器学习 机器人情感获得 发展综述

中图分类号：TP18 文献标识码：A 文章编号：1003-9082 （2017） 04-0234-01

引言

人类自从工业革命结束之后，就已然开始了对人工智能的探索，究其本质，实际上就是对人的思维进行模仿，以此代替人类工作。人工智能的探索最早可以追溯到图灵时期，那时图灵就希望未来的智能系统能够像人一样思考。在20世纪五十年代，人工智能被首次确定为一个新兴的学科，并吸引了大批的学者投入到该领域的研究当中。经过长时间的探索和尝试，人工智能的许多重要基本理论已经形成，如模式识别、特征表示与推理、机器学习的相关理论和算法等等。进入二十一世纪以来，随着深度学习与卷积神经网络的发展，人工智能再一次成为研究热点。人工智能技术与基因过程、纳米科学并列为二十一世纪的三大尖端技术， 并且人工智能涉及的学科多，社会应用广泛，对其原理和本质的理解也更为复杂。 一、人工智能的发展历程

回顾人工智能的产生与发展过程 ，可以将其分为：初期形成阶段，综合发展阶段和高潮应用阶段。

1、初期形成阶段

人工智能这一思想最早的提出是基于对人脑神经元模型的抽象。其早期工作被认为是由美国的神经学家和控制论学者 Warren McCulloch与Walter Pitts共同完成的。在1951年，两名普林斯顿大学的研究生制造出了第一台人工神经元计算机。而其真正作为一个新的概念被提出是在1956年举行的达茅斯会议上。由麦卡锡提议并正式采用了“人工智能”（Artificial Intelligence）砻枋稣庖谎芯咳绾斡没器来模拟人类智能的新兴学科。1969年的国际人工智能联合会议标志着人工智能得到了国际的认可。至此，人工智能这一概念初步形成，也逐渐吸引了从事数学、生物、计算机、神经科学等相关学科的学者参与该领域的研究。

2、综合发展阶段

1、7 7年， 费根鲍姆在第五届国际人工智能联合会议上正式提出了“知识工程”这一概念。而后其对应的专家系统得到发展，许多智能系统纷纷被推出，并应用到了人类生活的方方面面。20世纪80年代以来，专家系统逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式， 并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等等。在专家系统的发展过程中，人工智能得到了较为系统和全面的综合发展，并能够在一些具体的任务中接近甚至超过人类专家的水平。

3、高潮应用阶段

进入二十一世纪以后，由于深度人工神经网络的提出，并在图像分类与识别的任务上远远超过了传统的方法，人工智能掀起了前所未有的高潮。2006年，由加拿大多伦多大学的Geoffery Hinton及其学生在《Science》杂志上发表文章，其中首次提到了深度学习这一思想，实现对数据的分级表达，降低了经典神经网络的训练难度。并随后提出了如深度卷积神经网络（Convolutional Neural Network， CNN），以及区域卷积神经网络（Region-based Convolutional Neural Network， R-CNN），等等新的网络训练结构，使得训练和测试的效率得到大幅提升，识别准确率也显著提高。

二、人工智能核心技术

人工智能由于其涉及的领域较多，内容复杂，因此在不同的应用场景涉及到许多核心技术，这其中如专家系统、机器学习、模式识别、人工神经网络等是最重要也是发展较为完善的几个核心技术。

1、专家系统

专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。对专家系统的研究，是人工智能中开展得较为全面、系统且已经取得广泛应用的技术。许多成熟而先进的专家系统已经被应用在如医疗诊断、地质勘测、文化教育等方面。

2、机器学习

机器学习是一个让计算机在非精确编程下进行活动的科学，也就是机器自己获取知识。起初，机器学习被大量应用在图像识别等学习任务中，后来，机器学习不再限于识别字符、图像中的某个目标，而是将其应用到机器人、基因数据的分析甚至是金融市场的预测中。在机器学习的发展过程中，先后诞生了如凸优化、核方法、支持向量机、Boosting算法等等一系列经典的机器学习方法和理论。机器学习也是人工智能研究中最为重要的核心方向。

3、模式识别

模式识别是研究如何使机器具有感知能力 ，主要研究图像和语音等的识别。其经典算法包括如k-means，主成分分析（PCA），贝叶斯分类器等等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的基于统计学习的识别方法。图形识别方面例如识别各种印刷体和某些手写体文字，识别指纹、癌细胞等技术已经进入实际应用。语音识别主要研究各种语音信号的分类，和自然语言理解等等。模式识别技术是人工智能的一大应用领域，其非常热门的如人脸识别、手势识别等等对人们的生活有着十分直接的影响。

4、人工神经网络

人工神经网络是在研究人脑的结构中得到启发， 试图用大量的处理单元模仿人脑神经系统工程结构和工作机理。而近年来发展的深度卷积神经网络（Convolutional neural networks， CNNs）具有更复杂的网络结构，与经典的机器学习算法相比在大数据的训练下有着更强的特征学习和表达能力。含有多个隐含层的神经网络能够对输入原始数据有更抽象喝更本质的表述，从而有利于解决特征可视化以及分类问题。另外，通过实现“逐层初始化”这一方法，实现对输入数据的分级表达，可以有效降低神经网络的训练难度。目前的神经网络在图像识别任务中取得了十分明显的进展，基于CNN的图像识别技术也一直是学术界与工业界一致追捧的热点。

三、机器人情感获得

1、智能C器人现状

目前智能机器人的研究还主要基于智能控制技术，通过预先定义好的机器人行动规则，编程实现复杂的自动控制，完成机器人的移动过程。而人类进行动作、行为的学习主要是通过模仿及与环境的交互。从这个意义上说，目前智能机器人还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面，目前几乎所有的智能机器人都不具备类人的外周神经系统，其灵活性和自适应性与人类运动系统还具有较大差距。

2、机器人情感获得的可能性

人脑是在与外界永不停息的交互中，在高度发达的神经系统的处理下获得情感。智能机器人在不断的机器学习和大数据处理中，中枢处理系统不断地自我更新、升级，便具备了获得情感的可能性及几率。不断地更新、升级的过程类似于生物的进化历程，也就是说，智能机器人有充分的可能性获得与人类同等丰富的情感世界。

3、机器人获得情感的利弊

机器人获得情感在理论可行的情况下，伴之而来的利弊则众说纷纭。一方面，拥有丰富情感世界的机器人可以带来更多人性化的服务，人机合作也可进行地更加深入，可以为人类带来更为逼真的体验和享受。人类或可与智能机器人携手共创一个和谐世界。但是另一方面，在机器人获得情感时，机器人是否能彻底贯彻人类命令及协议的担忧也迎面而来。

4、规避机器人情感获得的风险

规避智能机器人获得情感的风险应预备强制措施。首先要设计完备的智能机器人情感协议，将威胁泯灭于未然。其次，应控制智能机器人的能源获得，以限制其自主活动的能力，杜绝其建立独立体系的可能。最后，要掌控核心武器，必要时强行停止运行、回收、甚至销毁智能机器人。

三、总结

本文梳理了人工智能的发展历程与核心技术，可以毋庸置疑地说，人工智能具有极其广阔的应用前景，但也伴随着极大的风险。回顾其发展历程，我们有理由充分相信，在未来人工智能的技术会不断完善，难题会被攻克。作为世界上最热门的领域之一，在合理有效规避其风险的同时，获得情感的智能机器人会造福人类，并极大地帮助人们的社会生活。

参考文献

[1]韩晔彤、人工智能技术发展及应用研究综述[J]、电子制作，2016，（12）：95、

[2]曾毅，刘成林，谭铁牛、类脑智能研究的回顾与展望[J]、计算机学报，2016，（01）：212-222、

[3]张越、人工智能综述：让机器像人类一样思考

人工智能研究综述篇4

中图分类号：TP18 文献标识码：A 文章编号：1009-914X（2016）03-0388-01

1 前言

1998年，美国副总统阿尔、戈尔在加利福尼亚科学中心作的演讲中提出了“数字地球”这一新概念，并对其作了比较全面和通俗的说明[1]。演讲中戈尔总统给出数字地球可能的无比广阔的应用前景，人们可以通过数字地球技术指导仿真外交，打击和监测犯罪，保护生态多样性，预测气候变化，增加作物产量等。

在数字地球中非常重要的一点是如何使海量的地理空间数据变得有意义，即让它们能过被人们所理解。但是，在面对这些海量的数据时，我们处理的手段却是有限的。而且这些数据都是由计算机来处理的，在面对大量数据中的无用数据时，计算机是很难将其识别出来的。所以我们需要让计算机具有人类一样的智慧，将这些数据进行有效的处理。如今，人工智能技术在数字地球中有着广泛的应用。通过这一技术，人们可以高效的处理和分析这些海量数据。

2人工智能的实现方式

人工智能在计算机上有两种不同的实现方式。一种是采用传统的编码技术，使系统呈现智能的效果，而不考虑所用的方法是否与人或动物机体所用的方法相同。另一种是模拟法（modeling approach），它要求实现方法也和人或动物机体所用的方法相同或相似。模拟法有两种实现的算法：遗传算法和神经网络算法。

遗传算法借鉴生物进化论，将要解决的问题模拟成一个生物体，通过复制、交叉、突变等操作产生下一代解空间[3]，并通过适应函数度来淘汰那些不良的个体，这样迭代进化几代之后就很有可能得到适应度函数值较高的个体。遗传算法通常用在求解问题最优解的情况下，如函数优化、组合优化等。

神经网络算法通过模拟人或动物的神经网络传递和处理信息的行为特征，进行分布式并行信息处理的算法数学模型[4]。使用神经网络算法使系统具有像人一样学习的特征。初始时，系统模块跟初生婴儿一样什么也不懂，而且会经常犯错，但是它可用通过学习，从错误中吸取教训，下一次运行时就可能改正。

3人工智能技术在数字地球中的应用

人工智能能够使我们的计算机具有人能解决问题的能力，使得计算机工作起来更加的高效。而且通过人工智能的学习机制，降低其出错的几率。人工智能在数字地球中可以有以下几个方面的应用：

3、1智能导航

当前我们主要使用GPS技术来做定位和导航的。但是GPS只能在室外及卫星信号不被遮挡或反射的地方才能使用。因此，在室内、茂密的树木覆盖处和高层建筑地下GPS就很难使用了[5]。

使用人工智能技术进行智能导航，当不能获得GPS卫星信号时，系统会智能的使用基于通信基站定位、互联网定位等来提供导航。同时，人工智能系统还可以实现最优路径规划，周边信息搜索等功能。

3、2智能的人机交互

数字地球的建设依赖于互联网、虚拟现实等技术，但是现在我们能做的仅仅是通过这些技术将我们所获得的海量数据展现在人们面前。而显示信息的形式主要是以浏览器、虚拟头盔等，这些工具存在着不能与人友好交互的问题。我们通常是通过人肢体来交互，而不能像现实生活中人们通过对话的形式交互。

3、3 专家系统

计算机较人强的地方在于它的计算速度快，将计算机的高运算速度和人的智慧集成起来构成专家系统。专家系统使用人类专家推理的模型来处理现实世界中需要专家作出解释的复杂问题，并得出与专家相同的结论[6]。

在气象预测中，我们要处理大量的气象数据。使用传统的计算机处理方式，我们还要对计算机的处理结果做大量的分析。但是通过专家系统，不仅给出处理的数据结果，还可以给出分析的结果，以便研究人员辅助研究使用。这样可以减少大量的人力耗费。

总结

戈尔总统所提出的数字地球，不仅仅是数字化的地球，其未来的发展跟应该是在数字化的基础之上的智慧地球，正如2008年IBM所提出的“智慧地球”。未来，电子设备将会更加智能化，人机交互将会更友好化。

同时在面对海量的地理空间数据时，使用人工智能技术可以拓宽我们队这些数据的处理能力。加快数据的处理速度、精确性等。通过智能搜索，可以快速精准的找到我们所需要的信息。就像google公司所做的智能周边搜索一样，当人们走在城市街道上的时候，系统可以搜索并显示周边我们感兴趣的一些商店、景观、饭店等信息。并且人工智能技术还能提供智能导航、人机自然语言交互、专家系统等。未来人工智能技术将在数字地球的发展中起到更大的作用。

参考文献

[1] AI Gore、 The Digital Earth： Understanding our planet in the 21st century、 Given at the California Science Center，LosAngeles，Califoenia，On January 31，1998

[2] Michael F、Goodchild、 Geographic information systems and science：today and tomorrow、 6th International Conference on Mining Science and Technology，2009

[3] 张妮，徐文尚，王文文、人工智能技术发展及应用研究综述 [J]、煤矿机械，2009，3（2）

[4] 葛继科，邱玉辉，吴春明，蒲国林、 遗传算法研究综述 [J]、计算机应用研究，2008，10（25）

人工智能研究综述篇5

关键词：人工智能；信息素养；信息技术

中图分类号：TP18文献标识码：A文章编号：1009-3044(2008)35-2417-02

Artificial Intelligence Education and Middle School Students Information Literacy

WU Wen-tie

(Mathematics and Computer Institute of Mianyang Normal University, Mianyang 621000, China)

Abstract: Information Literacy in the Information Age is a national basic literacy, artificial intelligence represents a cutting-edge information technology、 Based on the analysis of information quality and substance of the definition on the basis of exploring the field of artificial intelligence research, as well as in education, put forward the theory of artificial intelligence and technology courses in secondary education should be in a more systematic, prehensive Improve the information literacy of students、

Key words: artificial intelligence; information literacy; information technology

1 信息素养的定义及其内涵

“信息素养”一词最早产生于信息技术和信息产业发达的美国, 是随着现代信息社会的逐渐形成而对国民提出的一种兼跨人文和科学范畴的综合性个人素养要求的描述。随着研究的深入，人们对信息素养的认识也在不断深化。

1974年美国信息产业协会主席保罗・泽考斯基最先提出信息素养的概念, 他认为信息素养是“利用大量的信息工具及主要信息源使问题得到解答的技术及技能”。1992年美国图书馆协会提出：“信息素养是人能够判断何时需要信息, 并且能够对信息进行检索、评价和有效利用的能力。”同年, 道尔在《信息素养全美论坛的终结报告》中给出了一个较为全面的定义：一个具有信息素养的人, 他能够认识到精确和完整的信息是作出合理决策的基础, 他能够确定对信息的需求, 能够形成基于信息需求的问题, 能够确定潜在的信息源, 能够制定成功的检索方案, 从包括基于计算机的和其他的信息源中获取信息、评价信息、组织信息用于实际的应用, 将新的信息与原有的知识体系进行融合以及在批判性思考和问题解决过程中使用信息。

综上所述, 虽然研究人员从不同的视角界定了信息素养的定义, 但可看出, 信息素养既包括认知态度层面上的内容, 也包括技术层面、操作层面和能力层面上的内容。概括起来讲, 信息素养主要包括信息意识、信息能力和信息道德三个方面：

1) 信息意识。信息意识是信息素养的首要因素, 主要指人们对信息及其交流活动在社会中的地位、价值、功能和作用的认识, 换句话说, 就是指人们对信息的判断、捕捉的能力。信息意识的强弱将直接影响人们利用信息的程度和效果。人们只有有了信息意识,才有可能有信息的需求, 进一步去寻找信息和利用信息, 并主动学习与信息处理有关的技术。

2) 信息能力。信息能力是信息素养的重要方面, 是指人们获取信息、处理信息、利用信息、创造信息、交流信息的技术和能力。人们只有掌握一定的信息技能, 才能有效地开展各种信息活动, 有效地利用信息和创造信息, 充分发挥信息的价值, 变信息为动力和优势。

3) 信息道德。信息道德是指人们在整个信息交流活动过程中表现出来的信息道德品质。它是对信息生产者、信息加工者、信息传播者及信息使用者之间相互关系的行为进行规范的伦理准则, 是信息社会每个成员都应该自觉遵守的道德标准。

2 人工智能的研究领域

人工智能的研究领域非常广泛, 而且涉及的学科也非常多。目前,人工智能的主要研究领域包括：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在网络教育环境中常用的智能技术。

2、1 专家系统

所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统, 它能运用该领域专家多年积累的经验与知识, 模拟人类的思维过程,求解需要专家才能解决的困难问题。

2、2 机器学习

“学习”是一个有特定目的的知识获取过程, 其内在行为是获取知识、积累经验、发现规律; 外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习, 就是要使计算机能模拟人的学习行为, 自动地通过学习获取知识和技能, 不断改善性能, 实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。

2、3 模式识别

所谓模式识别,是指研究一种自动技术。计算机通过运用这种技术,就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说,模式识别研究的主要内容就是让计算机具有自动获取知识的能力,能识别文字、图形、图像、声音等。一般来说,模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。

2、4 人工神经网络

人工神经网络是指模拟人脑神经系统的结构和功能, 运用大量的处理部件, 由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的,是对脑神经系统的结构和功能的模拟, 具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一, 可以根据外界环境来修改自身的行为。学习的过程即是对网络进行训练的过程和不断调整它的连接权值, 以使它适应环境变化的过程。学习可分为有教师(或称有监督)学习与无教师(无监督)学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识,开辟了另一条模拟人类智能的道路。

3 人工智能技术在教育中的应用

3、1 智能搜索引擎

随着互联网站点和页面的激增以及网络用户队伍的不断壮大,信息检索成为人们利用Internet的重要途径。但是在浩瀚的网页海洋中寻找有用的信息并不容易,需要借助有力的检索工具如搜索引擎等等。目前一些著名的搜索引擎有:GOOGLE、YAHOO、EXCITE、INFOSEEK等,他们各有特色,但仍存在不足之处,如检索到的无关信息过多以及检索结果排序较混乱。智能化信息检索是信息检索的新分支,它是人工智能和信息检索的交叉学科。它在对内容的分析理解、内容表达、知识学习等基础上实现检索的智能化,这样可以节省学习者在检索中花费的时间,帮助学习者提高检索效率。智能化信息检索所用到的人工智能技术有专家系统、自然语言处理和知识表示。

3、2 智能体(agent)

agent技术早在70年代出现在人工智能领域,通过感知、学习、推理以及行动能够基于知识库的训练模仿人类社会的行为。随着其进一步发展,它在远程教育领域发挥着越来越重要的作用。一套完整的远程教育系统中包含许多子系统,如答疑、作业、考试、交互等等子系统。这些子系统都有各自的数据库用来存储信息。为了提高整个系统的智能性,可以引入智能技术,把众多子系统的数据库链接起来,实现信息资源的共享。通过分析这些信息,智能技术可以发现学习者的个别特征(如兴趣爱好信息、点击知识点信息统计、交互日志等等),并根据这些特征量身订做出适合学习者的学习方案,也有助于教师及时掌握学习者学习过程中的动态信息。

3、3 智能CAI(ICAI)

随着计算机技术的飞速发展,计算机辅助教学(CAI)已受到教育界的重视,成为学科教学改革的一种重要手段。许多学校都在开发CAI课件,但大多数CAI课件只是机械地按照教学设计者事先设计好的教学模式和内容向学生传授知识,并没有体现出个性化学习,无法做到因材施教。

智能CAI是以人工智能技术为核心,使CAI系统能够根据学生的学习情况等因素分析学生的特征,合理安排教学内容、变化教学方法去满足个别教学的需要。使用智能CAI进行教学能够克服传统CAI的不足,显著提高教学效果,是CAI课件发展的趋势。

3、4 智能教学系统ITS

智能教学系统(intelligent tutoring system,ITS)是涉及人工智能、计算机科学、认知科学、教育学、心理学和行为科学的综合性课题,其研究的最终目标是由计算机负担起人类教育的主要责任,即赋予计算机系统以智能,由计算机系统在一定程度上代替人类教师实现最佳教学。我国ITS的研究起步较晚,但近几年随着计算机的普及和教育软件需求增大,ITS的发展较快。ITS按照功能分为四个模块:专家知识模块、学生模块、教师模块、人机接口模块。

4 人工智能教育对学生信息素养的作用

人工智能(ArtificialIntelligence,AI)是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。换言之,它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,来解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题。人工智能也是一门涉及数学、计算机科学、控制论、信息学、心理学、哲学等学科的交叉和边缘学科。与一般的信息处理技术相比,人工智能技术在求解策略和处理手段上都有其独特的风格。人工智能研究处于信息技术的前沿,它的研究、应用和发展在一定程度上决定着计算机技术的发展方向。同时,信息技术的广泛应用也对人工智能技术的发展提出了急切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响。

综上所述,作为信息技术一个不可缺少的重要组成部分,人工智能的基本内容在中学信息技术课程中是不能不专门提及的,以往某些教材中用一两页篇幅作个简单介绍的方法根本不足以反映人工智能学科的全貌。因此,十分有必要在高中阶段的信息技术课程中专门设立人工智能选修课。我们认为,高中阶段开设人工智能课程可以在以下几个方面对学生的信息素养培养产生积极作用：

1) 多种思维方式的培养和信息素养的综合锻炼。

现实世界的问题可以按照结构化程度划分成三个层次：结构化问题,是能用形式化(或称公式化)方法描述和求解的一类问题;非结构化问题,难以用确定的形式来描述,主要根据经验来求解;半结构化问题则介于上述两者之间。一般说来,中学阶段开设的传统意义上的信息技术课程中所介绍的信息技术,例如多媒体技术、网络技术、数据库技术、算法与程序设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的一类有效技术。

把人工智能课程引入我国现行的高中信息技术教育,可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题解决过程的了解,从而培养学生的多种思维方式,达到提高信息素养的目的。通过人工智能课程的学习,学生还将了解人工智能语言的基本特征,学到智能化问题求解的最为基本的策略。

2) 体验人类专家解决复杂问题的思路,提高学生的逻辑思维能力。

这里以人工智能学科中“专家系统”技术的体验、学习与应用过程为例进行说明。在专家系统的应用过程中,一个实际的专家系统不仅能够为用户给出相关领域的专家水平建议或决策,而且能够通过解释机制,以用户容易理解的方式解释专家系统的具体推理过程。学生可以向专家系统提出诸如“为什么(Why)”、“如何(How)”、“如果……会怎么样”等问题,系统接受用户的问题指令后,可以根据推理的逻辑进程,即时将答案呈现给用户,整个过程如同教师与学生在进行面对面的教学。在该过程中,学生可以充分体验人类专家的求解思路和推理风格,有助于提高他们的分析、思维与判断能力。

另一方面,在专家系统的教学过程中,可以要求学生自行构建由产生式规则组成的知识库,或进一步利用工具软件来开发简单的实用型专家系统。为了完成该项工作,学生一开始就要编制开发规划、制定知识获取策略,并具体付诸实施,这是一个不断深化的过程。学生还得明确与系统有关的所有变量或相关的因素,并且将这些变量和因素转化为问题求解,得出相应的结论。在进行一系列问题求解分析之后,运用产生式规则来表示知识,以此建立起来的专家系统还可以让其他学生去运用和体验,具有一定的实用价值。

由于专家系统中的知识组织与推理过程是对人类专家思维方式的一种模拟,因此上述知识库的组织和系统的推理过程能够较好地体现学生的思维过程。在建造知识库过程中,学生需要将原来零碎的未成型的知识概念化、形式化和条理化,从而内化为学生自己的东西。所以,建造知识库的过程不但能反映学生的学习过程,而且有助于学生对该领域知识的深层思考并有利于长久记忆,同时也学会了专家系统的基本开发技术。正如美国著名的学习论专家Jonassen所指出的：那些自行设计专家系统的学生将会在这种活动中受益匪浅,因为这是一个对所学知识进行深度加工的过程。

3) 了解信息技术发展的前沿,激发对信息技术未来的追求。

人工智能技术在一定程度上代表着信息技术的前沿,通过人工智能知识、技术的学习与体验,高中学生能够对信息技术发展的前沿知识有一定程度的了解,这样有助于他们开阔视野,培养兴趣,激发对信息技术美好未来的追求,从而为今后进入大学或走向社会奠定良好的基础。

5 结束语

中学生的信息素养的培养是当前信息技术课的一个重要目标，而在现有的中学信息技术课程中，关于人工智能的知识只作了简单的介绍，学生们对于人工智能研究的广大领域不能有详细的概念，这对于中学生的信息化认识和信息素养的培养不够全面。因此在中学信息技术课中加大人工智能的知识介绍是信息技术课改革的重要内容。

参考文献：

[1] 雷晓庆、网络环境下大学生的信息素养及其培养[J]、太原大学学报, 2004(2):38、

[2] 杜玉霞、美国信息素养教育与研究的启示[J]、电化教育研究, 2005(10):42、

[3] 王永庆、人工智能原理与方法[M]、西安:西安交通大学出版社,2002,1-53、

[4] 潘瑞玲,余轮、Agent技术在远程教育系统中应用的研究[J]、微型电脑应用,2002,18(4):28-30、

[5] 吴战杰，秦健、Agent技术及其在网络教育中的应用研究[J]、电化教育研究，2003(3):32-36、

[6] 张剑平、关于人工智能教育的思考[J]、电化教育研究，2003(1):24-28、

人工智能研究综述篇6

关键词：智猪博弈；公理系统；高校科研

中图分类号：G640 文献标志码：A 文章编号：1673-291X（2013）09-0295-03

高校科研团队已成为国家自主创新系统中科技产出和知识创造的主力军。2003年至今，高校科研团队的发明专利授权比例一直保持在26%左右，逐步成为创新的摇篮。在高校科研能力不断被重视的今天，科研团队管理的问题也开始吸引人们的眼球，因为它不仅直接关系到团队关键成果的产出效率，而且影响着团队的健康成长和可持续发展。因此，进行管理的探索和改革，建立高效的运作机制对每一个科研团队都有着十分重要的意义，是每一支优秀科研队伍成长的必经之路。

一、目前高校科研团队管理存在的问题及研究现状

高校科研团队是指在高校中，以科研项目为依托，以科研创新为目的，由技能互补并愿意为共同目标相互承担责任的专业人员组成的创新协作组织。关于高校科研团队的研究文献有很多，综其所述，高校科研团队在研发和管理中普遍存在的问题可归结如下：（1）团队内部成员参与度不高。许多科研团队中的一大部分成员都有一种懒惰、依赖、“吃大锅饭”心理，于是繁重的研究任务就落在了个别骨干研究人员的身上。这种“搭便车”现象不仅使得骨干科研人员压力大，而且又使得整个团队的运作效率低下；（2）成员之间交流欠缺。由于该问题在科研团队中的普遍性，所以，大多数关于科研团队管理的研究都提出了知识共享的建设理念。然而，“搭便车”心理却再次成为推动共享团队建设的拦路虎，因为积极参与研究的成员往往会为了防止别人“搭便车”而封闭自己的研究成果，拒绝交流；（3）缺少对科研运作的专业管理。一个团队的科研效率和成果，除了取决于团队领导者对所要研究的课题认识的深刻程度外，还取决于带头人能否对整个研究运作提出明确的分工，以便使各个成员都能发挥其自身技能优势。如果缺乏明确的流程管理，团队中便可能会有研究重复或“搭便车”现象。 由上分析可知，“搭便车”问题已经成为科研团队高效运作的阻碍。以往大多数文献对“搭便车”问题的研究只是基于原始的智猪博弈模型，并且多流于定性描述。

本文根据公理化智猪博弈系统来分析高校科研团队中的博弈现象（即搭便车现象），并对形成该现象的原因进行剖析，进而给出解决该问题的对策。

二、模型假设与构建

本文引用以下参数来描述该博弈系统：q表示当有一类研究者着手研究某课题时产生的单位公共收益。c表示单位科研所需成本。h，b，l分别表示科研能力高者单独研究、合作研究及科研能力低者单独研究时，科研能力高者享受到的单位收益。uh，ul分别表示科研能力高者和科研能力低者的科研效率（例如，可以年及出版专著数量以及对应期刊级别和出版社级别等衡量）。vh，vl分别表示科研能力高者和低者单位时间内享受到的公共利益的数量。d（d>0）表示做完一项课题所需要的工作量，本文假设工作量=完成某课题的时间×科研效率U。一类公理化智猪博弈系统将传统的智猪博弈模型提炼为以下六条假设：（1）“即踏即喷假设”：一旦踏板被踏，猪食立即喷出；（2）“弱和平假设”：两猪可同槽而食；一旦喷出猪食，先到者即吃；（3）成本假设：0?cl；（5）跑速假设uh≥ul>0；（6）吃速假设：vh>vl>0。博弈支付矩阵（见下页表1）。

上述假设用于本文科研团队研究即可相应论述为：（1）当其中一类研究者做某课题后必定会实现的收益q，但该收益既可能在即刻或短期内获得，也可能在未来一段时间才能产生。对较远期的未来时刻产生的收益Q，不论是效用方面的还是可度量的经济方面的，均可以用折现的方法得到其当前价值。设某时点的折现因子wi其中将时间t分为n等分，i=1，2，……n。当前时刻到未来某时刻t所产生的公共效益为Q，则当前时刻的效益q=Q/∏n

i=1（1+wi）；（2）当其中一类研究人员做某课题时，另一类研究人员则等待别人的成果，然后做一些后续性的工作；当两人分别独立做同一课题时，就会产生竞争关系。智猪博弈中蕴含着合作、竞争兼顾的团队思想。实践也证明，无竞争机制而一味鼓励知识共享的管理方法会致使科研团队陷入效率日益低下的恶性循环，反之只有竞争却忽略合作的团队将会造成人才资源浪费，团队成员无法协作，最终也只能以低效率收场。由以上分析可知，本文中的前两个假设是符合实际行为的；（3）研究能力高者做研究时其最后的收益要至少大于研究成本；（4）科研能力低者也最终能有利益可享；（5）反映科研能力高、低者的科研效率的区别；（6）反映科研能力高、低者转化成果的能力，一般而言，科研能力高者转化能力也强。后四个假设是很容易理解的，且都符合团队中人的理性的和实际行为。由此验证了本问题满足上述六条假设。

三、模型分析

为了探索是哪些因素造成高校科研团队科研效率低下，我们首先需要得知“搭便车”现象产生所满足的条件。在进行讨论前，本文假设科研效率以及单位收益是不变的。主要原因如下：科研中应当注重的是科研质量而不是数量，不能因为时间仓促而发表一些质量不高的成果，因此，科研效率不变；而利益的分享能力是与研究员的科研成果转化能力、地位以及政策规定有关，因此，单位收益可认为短期内不会改变。

由文献[5，8]，科研能力高者在科研能力高者单独研究、合作研究、科研能力低者单独研究时所得到的单位收益矩阵为：（h，b，l）=（q，vld）1 1 1

-uh-1ul-1-uh-1ul-1。且有以下不等式：0

现改变科研工作量，令其为δd，则当-

-c

+时，博弈的纯Nash均衡集合由转移为。而促使此博弈纯Nash均衡集合转移的条件是降低单位科研成本和降低科研工作量。

当改变公共收益，令其为δq，则当满足：δ>max{1，q-1（c+vhcvl-1）+vhdul-1}时，博弈纯Nash均衡集合由转移为。由不等式可以看出，δ>1。可见，收益的改变量有一个确切的下限并且激励效果与δ成正比。收益低于此下限对科研能力低者没有明显激励作用，纯Nash均衡集合依然不发生转移。

现同时改变工作量和收益量，令其分别为δ1d，δ2q，则当满足：

δ1>max

，

，δ1≠δ2

max1

，，d

，δ1=δ2时，改变后的博弈纯Nash均衡集合变为。

四、模型评价及对策

可见，智猪博弈模型经过公理化处理后具有普遍性，并且博弈的纯Nash均衡集合是可以改变的。尽管博弈纯Nash均衡集合均衡解由向纯Nash均衡集合的转移中存在的结果，但该结果是可以控制的。这意味着团队成员，尤其是科研能力低者的积极性能得以提高，有从不做科研坐享其成到参与科研的可能。我们的目的就是通过改变一系列参数使得博弈均衡解向着具有激励效果的均衡结果转移。公理化的智猪博弈系统为我们分析科研团队“搭便车”问题的产生原因和解决方法提供了充分、科学的理论依据。针对上述三个结果，本文给出如下相应的评价和对策，以实现高校科研团队的科学化管理。

1、成本最小化。科研成本包括两部分：心理成本和经济成本。心理成本主要产生于科研压力和对“搭便车”的心理不平衡。因此，要降低心理成本，科研团队就应该大力招贤纳士，尽量赏罚分明，营造一种轻松的研究氛围；缓解研究人员压力，减少科研工作量主要是缩短科研人员完成课题的时间，为此，团队的课题领导者应对所承担课题有深入认识，同时了解其团队成员的专业特长，做到有针对性的分工，只有良好的分工才能产生真正意义上的协作。而协作未必是建立在信任与知识共享的基础之上的。科研经济成本主要包括实验设备、实验材料的获取费用和调研经费。通过降低获取成本，压缩弹性较大的调研经费可以降低一些科研的门槛，提高科研能力低者的积极性。一个科研项目整体上要达到成本最小，除了以上对策外，还应该对科研的阶段和步骤进行战略性的规划，全面优化科研流程。

2、提高公共收益。提高公共收益的措施可以有以下两方面：（1）政府资助、科研团队内部加大奖励力度。（2）减少科研成果转化为实际生产力的不必要的程序。很多科研成果要走烦琐的程序，没能在第一时间得到重视，大大降低了科技成果的应用潜力和经济价值，从而降低了收益。该下限为决策提供了科学准确的依据。

3、一般而言，当实施综合措施时，多种因素的相互交错可能使得原本单独实施的措施的有效性减弱，如果没有精确的定量标准，综合措施有可能失效。本处的结论就为综合实施两种措施提供了科学的决策依据。条件当中有一处不满足则博弈的均衡结果都不会得到有效转移。

五、结论

本文基于智猪博弈公理化系统对高校科研团队的科研效率低下、“搭便车”现象给予科学定量化的初步研究，不同于以往文献中定性的分析方法，同时本文还纠正了以往文献中对某些问题分析过程的不合理之处，虽然有些结论是相同的，但本文的分析有着合理的理论支持。若加以推广，本文的研究结论可适用于更宽的领域，即具有合作、分工的团队管理问题，焦点是“搭便车”行为，它是团队组织中最普遍的表现形式，即使在劳动分工制和绩效工资制已经得到普遍应用的如今，该类现象也很难避免。可见，精确研究该类现象造成的原因，对症下药找到能够促使团队成员博弈心理转变的机制对所有团队的建设和可持续发展都是很有意义的。

参考文献：

[1] 吴卫，陈雷霆、谈高校科研团队的组建与管理[J]、科技管理研究，2006，（11）：140-141、

[2] 李霞、高校创新型科研团队知识共享行为、学习行为及团队绩效研究[J]、软科学，2012，（6）：83-87、

[3] 卜祥云，唐贵伍，蔡翔、高校创新型科研团队：概念、特征及功能[J]、科技管理研究，2008，（10）：90-92、

[4] 姜殿玉、和平—强成本假设下智猪博弈的局势可能性[J]、系统科学与数学，2012，（9）：145-159、

[5] 姜殿玉、Rasunsen智猪博弈公理系统与一类技术创新博弈[J]、系统工程学报，2013，（28）、

[6] 姜殿玉、强Rasunsen智猪公理系统的最可能局势[J]、系统工程，2012，（5）：96-100、

[7] 姜殿玉、耗时技术开发背景下公理智猪博弈系统的劳动积极性[J]、运筹与管理，2013，（待发表）、

[8] 姜殿玉、带熵博弈的局势分析学与计策理论[M]、北京：科学出版社，2012、

[9] 罗志波、对高校高水平运动队的训练管理机制的博弈分析[J]、吉林体育学院学报，2006，（1）：6-8、

[10] 刘慧群、高校科研团队协作关系治理模式研究——基于社会网络分析的视角[J]、湖南师范大学自然科学学报，2010，（9）：124-128、

人工智能研究综述篇7

关键词 计算机辅助建筑设计 计算机建筑画 艺术性 综合推理

中图分类号： TP302 文献标识码：A

1 引言

计算机辅助建筑设计指的是利用计算机技术来完成建筑设计过程中所要进行的信息检索、计算、分析综合及编制工作。近年来，计算机辅助建筑设计系统的应用已经使得建筑设计人员改变了传统的图版和制图工具方式，转向以显示器为图纸以鼠标键盘为画笔的新型设计空间。这样从繁重的、反复的手工劳动中解脱出来，从而将更多的时间精力用于方案的比较和设计的创新。计算机建筑画是指利用计算机通过相关绘图软件编绘的建筑画，是计算机辅助建筑设计最优秀的应用之一，这是一次质的飞跃。计算机建筑画可以让客户在大楼未兴建之前就获得建筑完成之后的感觉，可以让客户走入室内亲身体验建筑效果能否满足需求。

2 计算机建筑画现状分析

2、1 建筑画的历史与发展

建筑画有两大类型：一类是对已建成的建筑物、园林建筑或城市风景等进行写生描绘；另一类是表现建筑师建筑创意的表现画。这两者各有各的特点，但追求空间和谐统一的旋律是相同的。目前计算机建筑画主要用于建筑创作表现画。中国古代建筑画在五代时成为独立的画种，至北宋时走向成熟。20世纪70年代后，建筑画发生了新的变化。首先体现在建筑风格上，这一时期更加强调恢复装饰；二是更加倾向于艺术性、欣赏性的方向发展；三是朝着多元化方向发展。

2、2 目前计算机建筑画的不足

2、2、1 艺术性的不足

建筑画完全区别于建筑模型。基本特征就是它具备意境的刻画和气氛烘托。这样可以进一步的反映建筑物功能与风格所营造出来的整体环境，从而加强了建筑艺术的感染力。然而现在许多计算机画往往只着意于主体建筑的细节刻画，但是对于环境等容易以程式化的方式来展现，这样一来就缺乏个性和特色。

2、2、2 智能化的不足

计算机建筑画在生成过程中的每一步都是通过建筑师的指令进行的，然而这没有智能化艺术的创新能力，这一个缺点尤其在后期制作中表现尤为突出。许多的素材只能通过图片扫描而得到，这没有最大程度上发挥计算机的效能。为了追求完美，我们必须在智能化方面有所突破。在计算机建筑画智能化的众多研究方向中，通过计算机智能化生成某些所需的要素并且符合预期的审美需要，对理论与实践都有着极其重要的意义。计算机建筑画的两个不足提出了相关图形软件亟需解决的问题，其中智能化是重点问题，也是目前需求的主要矛盾。该问题的解决可以使计算机建筑画在艺术性方面达到一个全新的境界。作为未来发展的主要目标，我们自然希望能够通过计算机技术实现计算机建筑画中建筑物与配景的智能化艺术创新。我们主要针对建筑画的需要，侧重艺术化模拟。所谓表达型，是指对手工绘制的表达技法进行模拟。

3 结合树对计算机建筑画进一步发展的探索

在手工绘制表达技法中，树分为近景、中景和远景。在建筑画中起着组织画面层次、衬托画面气氛的重要作用。建筑画中对树的绘制并不是从植物学的角度来分辨树种，而是侧重数目的形状、组成部分的线条和节奏。在建筑画中，树的手工绘制技法可以分为写实、抽象和夸张三种方式。

3、1 面向建筑画的树的表达型生成研究

分析几何是用来描述树这一类自然不规则形体的有效手段。分形具有两大特点：首先是具有比例自相似性，这样可以摆脱测量尺度的误差；另一个是其维度不一定是整数。迭代函数系统是用一个数学系统去解析、构造分形系统十分成功的方法。给定一个IFS，即确定了其中仿射变换的个数及每个仿射变换的参数，于是就可以在计算机上绘制出其直观的吸引子的形状。针对树的手工绘制的三种技法，运用随机的IFS进行模拟。从生成结果来看，关键在于仿射变换和概率的设定。

3、2 综合推理应用于树的表达型生成

推理是人工智能的一块基石。通过研究各种推理方法可以看出这样一个趋势：从严格的演绎推理出发、到开放逻辑、CASE推理、类比推理，推理的过程呈现着明显的松绑趋势。推理的松绑趋势使得推理逐步走向对思维的广泛模拟。综合推理是对推理的又一次松绑。

4 小结与展望

现如今，计算机辅助建筑设计作为建筑设计中的辅助手段这样一个初衷已经达到了，然而人们对这种简单的工作方式仍然不够满足，希望计算机辅助建筑设计除了能够支持建筑师的绘制、降低工作强度并且提高工作效率之外，还能替代建筑师的部分智能活动。然而建筑设计不同于其他的许多设计领域，这主要体现在在艺术性的追求方面。因此，智能化的计算机辅助建筑设计进展取决于人工智能在艺术创新方面的突破。

人工智能经过40年的大力发展，已经在自然语言理解、模式识别、专家系统等领域取得了非常可喜的成果，也充分展示了用机器实现智能的光明前景。然而就人工智能的研究现状来说，它所取得的成果和人们的预期目标还是有一定差距的。这一差距首先说明了人工智能的复杂性和艰巨性，另一方面也说明了人工智能现有理论有太强的局限性。建筑画是建筑设计师们对艺术性强烈追求的一种表现，本文通过对计算机建筑画的分析，运用综合推理的方式进行面向建筑画的树的艺术性表达形成研究，也是从另一个方面对人工智能计算机建筑辅助设计的探索，计算机建筑画经过长期的发展，现在已经到了向艺术性和智能化方向迈进的拐点。从艺术创作来看，是采用形象思维方式，因此结合人工形象智能的研究将取得计算机建筑画方面的新的突破，也证明了智能计算机建筑辅助设计的研究必将要结合人工形象智能的方法，这是我们正在努力的方向。

参考文献

[1] 潘云鹤、 CAD系统与方法、杭州：浙江大学出版社[M]， 20066、 1-29， 286-326、

[2] 明锦郎，王改政、“甩掉图板”后的建筑设计[J]、建筑学报，2006（12）： 34-36、

[3] 侯继尧、建筑画理论与技法[M]、北京：中国建筑工业出版社，2005、 1-8、

[4] 潘云鹤、综合推理的研究[J]、模式识别与人工智能， 200，9（3）、

人工智能研究综述篇8

关键词：人工智能；单片机原理及应用；CAI软件；自主学习

中图分类号：G642、3 文献标志码：A 文章编号：1674-9324（2016）45-0268-03

一、引言

《单片机原理及应用》是自动化、电气工程及其自动化、测控技术与仪器、等专业的核心课程。随着电子技术的飞速发展，单片机系列、型号、功能等也不断地更新换代，涌现出了许多《单片机原理及应用》方面的优秀教材和著作[1-3]，由于单片机的快速发展和广泛应用，促使许多教师在教学内容、方法及实验方面进行了大量的探讨和研究，如“微课程教学”、“MOOC教学”等应用已取得了较好的教学效果[4-8]。然而，人工智能技术应用于教育领域目前仍处于初始研究和探索阶段，其应用前景广阔，具有重要的理论研究意义和实际应用价值。

基于“人工智能”中的“专家系统技术”，研究设计《单片机原理及应用》课程新型教学平台的总体构架，研究课程知识的表述模型和知识获取的推理算法，建立知识表述规则集和构建专家系统知识库，以实现：

（1）学生可以自主学习，基于知识树规则方便地获取该课程的全部知识点，学生随时提出的问题，均可及时获取答案；学生可及时获取单片机发展的新知识以及新的应用领域成果；

（2）教师高效处理、分析和制作课程知识点信息，并将其进行规则表述，同时可对知识库进行不断的更新；随时可对课程的知识点进行增添、删除和修改，基于互联网技术获取新型单片机原理及相应的应用知识，不断更换新课程的教学内容；

（3）基于互联网技术实现教师与学生之间的互动教学和学生与学生之间的协同学习；基于教堂教学、电子课件、动画、视频等多媒体手段，以创造大规模、大数据、跨时空的学习模式。

目前，在教育领域，基于人工智能研究的知识模块化表述和推理机制构成的专家系统是人工智能的代表之一，基于人工智能-专家系统在高密度、大规模的知识数据库上模拟人类的信息处理和决策过程，因此智能化的专家系统具备了教育功能、自学习功能、咨询功能及自适应功能等，将其应用于教育领域潜力巨大、用途广泛、快速高效。

本文研究了《单片机原理及应用》CAI软件的研制方法，采用MS Visual Studio 2012作为开发环境，结合人工智能技术，实现了智能搜索算法，达到了自主学习与自动答疑的目的。

二、《单片机原理及应用》CAI系统设计

为了提高本科生的教学质量，基于人工智能-专家系统技术研究《单片机原理及应用》课程的教学内容和教学方法改革措施，并可将其研究成果推广应用于自动化类专业相关课程建设；培养学生掌握本课程的基本原理和应用知识，引导其自主学习以提高分析问题能力、解决问题的能力及创新能力，实现学生与老师之间的互动，实现教学内容的不断更新和教学方法的不断完善。

（一）《单片机原理及应用》课程总体设计

分析目前本课程的教学内容和方法的局限性，提出《单片机原理及应用》课程教学内容和教学方法改革的总体方案。目前，普通高校《单片机原理及应用》课程所用教材的目录大致如图1中的实线部分所示。虚线表示可即时修改其中的相关内容。

（二）课程知识本体的表达模型

知识的表示对专家系统来说至关重要。知识本体的表述包括事物、个体和对象等，研究其规则、过程和函数，构成应用程序所表述的知识内容，可以作用于表述各种对象类，具有普遍性和通用性。其表达方式如图2所示。

（三）基于人工智能技术的课程教学内容和教学方法结构设计

专家系统结构一般有六部分：知识库（Knowledge Base）、数据库（Data Base）、推理机（Inference Engine）、解释子系统（Explanatory System）、人机接口（Man-machine Interface）和知识获取子系统（Knowledge Acquisition）。教学专家系统的基本结构如图3中的实线部分所示。

①知识厍：用于存储专家系统知识。主要用于收集和存储某领域教师、专家的经验，知识及书本知识、基本常识等。包括事物的表达方式，可行操作、事实和规则等；

②综合数据库：综合数据库又称总体数据库或全局数据库，主要用于存放有关问题求解的假设、初始数据、目标、求解状态、中间结果以及最终结果；

③推理机：推理机是专家系统的核心部分，用于模拟专家的思维过程、控制、协调整个专家系统的工作，它根据用户所提供的初始数据和问题求解要求，运用知识库中的事实和规则，按照一定的推理方法和控制策略对问题进行推理求解，并将产生的结果输出给学生；

④知识获取子系统：在构建和维护知识库时作为专家系统和教师、领域专家、工程师等的接口；

⑤解释子系统：解释机构由一组计算机程序组成，它对推理给出必要的解释，并根据学生问题的要求做出相应的回应，最后把结果通过人机接口输出给学生；

⑥人机接口：学生、专家系统和教师、领域专家、工程师之间沟通的媒介，它把相互之间的交互信息转换成彼此都能够理解的形式，由一组程序及相应的硬件组成，用于完成I/O工作。

三、CAI软件实现过程举例

《单片机原理及应用》课程CAI系统主界面如图4所示。点击“进入系统”之后，将出现“课程内容学习”和“知识点概述游览”两部分。

（1）“课程内容学习”部分包括“教材知识学习”、“课堂PPT内容讲解”以及“实验教学内容”等，例如目前常用的单片机的类型如图5所示。本课程的主要设计和创新实验如图6所示。

（2）“知识点概述游览”部分包括：

①知识点获取方式：即通过引导操作可得到关联性强的知识点解释、关联性中等的知识点解释以及关联性弱的知识点解释；

②问题解答方式：学生可根据自己的学习情况查询问题的基本答案（即对问题的解释），若基于专家知识库无法解释所提的问题，则可将该问题提交给任课教师，任课教师会尽快对该问题给出解答；

③专家库知识更新方式：随着单片机类型、结构、接口技术以及开发方式等的不断发展，本课程的知识结构和内容的更新也要求同步进行。因此，专家知识库信息的更新工作可由任课教师来完成，但是更新信息可来源于文献资料查阅、企业行业应用领域调研以及实践实验教学过程总结等。

课程教材与上课PPT和实验内容具有相关性，在实际教学中也要求其具有一致性，如图1中虚线部分表示可即时修改相关的内容。

四、结论

本文将人工智能-专家系统技术应用于《单片机原理及应用》课程的教学内容和教学方法的改革方案，构建新型教学平台。采用《单片机原理及应用》课程知识的综合表达方式，并研究课程知识的推理机制。基于文献资料查阅、企业行业应用领域调研以及实践实验教学过程总结，实现《单片机原理及应用》课程教学内容快速更新，实现该课程的智能化和网络化教学。

在教学过程中，实现学生与老师之间的互动，实现学生和老师之间知识的共享，达到学生能够自主学习和老师能够及时了解学生学习情况修改补充教学内容的目的。针对“知识库”、“综合数据库”以及“推理机制”实现在线综合更新方法。《单片机原理及应用》是自动化、电气工程及其自动化、测控技术与仪器、等专业的核心课程，目前，将人工智能-专家系统技术应用于高等学校该课程的教学，对于提高教学质量，激发学生的学习积极性和增强学生自主学习的能力具有重要的理论研究意义和很好实际应用价值。

参考文献：

[1]何立民、MCS-51系列单片机应用系统设计[M]、北京：北京航天航空大学出版社，1995、

[2]李华，孙晓民，李红青、MCS-51系列单片机实用接口技术[M]、北京航天航空大学出版社，1995、

[3]张毅刚，彭喜元，彭宇、单片机原理及应用（第2版）[M]、北京：高等教育出版社，2010、

[4]周冠玲，冯占英，李战、“单片机原理及应用”课程教学改革的探讨[J]、中国电化教学，2012，（6）：105-107、

[5]赵月静，陈继荣，张永弟、单片机原理及应用课程创新实践教学改革[J]、实验技术与管理，2013，30（1）：176-179、

[6]李冰、单片机原理及应用课程的项目化教学改革与探索[J]、教学研究，2015，38（1）：70-73，82、