人工智能課程總結大全11篇

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篇人工智能課程總結范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

1背景

近年來，隨著“互聯網+”的快速普及，互聯網跨界融合創新模式進入林業領域，利用移動互聯網、物聯網、大數據、云計算等技術推動信息化與林業深度融合，開啟了智慧林業的大門。我國林業信息化、智能化建設逐步走上了有序、快步發展的軌道，取得了重要的進展。

2011―2013年，國家林業局先后開展了中國林業信息化體制機制研究和中國智慧林業發展規劃研究，在此基礎上出臺了《國家林業局關于進一步加快林業信息化發展的指導意見》和《中國智慧林業發展指導意見》。2012―2013年，在深入研究的基礎上，林業局編制了《中國林業物聯網發展框架設計》，2016年3月正式了《“互聯網+”林業行動計劃》。

國家林業局制定的《中國智慧林業發展指導意見》指出，信息化、智能化在林業中的應用已經從零散的點的應用發展到融合的、全面的創新應用。隨著現代信息技術的逐步應用，能實現林業資源的實時、動態監測和管理，更透徹地感知生態環境狀況、遏制生態危機，更深入地監測預警事件、支撐生態行動、預防生態災害。

人工智能是計算機科學中涉及研究、設計和應用智能機器的一個重要分支。國際上，人工智能的研究已取得長足的進展；在國內，也呈現出極好的發展勢頭，人工智能已得到迅速的傳播與發展，并促進了其他學科的發展。我國已有數以萬計的科技人員和大學師生從事不同層次的人工智能的研究與學習，人工智能已成為一個受到廣泛重視并有著廣闊應用潛能的龐大的、交叉的前沿學科。特別是經過近幾十年的發展，智能技術及其應用已經成為各行業創新的重要生長點，其廣泛的應用前景日趨明顯，如智能機器人、智能化機器、智能化電器、智能化樓宇、智能化社區、智能化物流等，對人類生活的方方面面產生了重要的影響。

近年來，人工智能已經在智慧林業相關領域中得到了廣泛應用，例如，在智能機器人的應用方面，已經有大量的嫁接機器人、水果采摘機器人、農藥噴灑機器人、果實分檢機器人等投入使用；在專家系統的應用方面，森林病蟲害診斷專家系統、病蟲預測預報專家系統、林產品生產管理專家系統、專家咨詢和人員培訓專家系統等也得到了廣泛應用。

隨著人工智能在智慧林業中的廣泛應用，涉林企業和事業單位對智能型林業高技術人才的需求也在不斷加大。為了適應市場對智能型人才的需求，自2003年起，國內諸多林業高等院校在計算機科學與技術專業本科階段、林業相關專業的研究生階段陸續開設人工智能課程，同時不斷加大人工智能課程的比重，因此，人工智能課程教學對于林業院校顯得越來越重要。

2林業院校人工智能課程教學現狀

林業院校開設人工智能課程的專業不多，但有不斷增加的趨勢。以中南林業科技大學為例，該校計算機科學與技術本科專業自2003年起就開設了人工智能課程，所用教材一直是蔡自興教授主編的《人工智能及其應用》；另外，面向部分專業的碩士和博士研究生開設了人工智能相關課程，如農業碩士的農業信息化領域研究生開設了人工智能技術，森林經理和森林培育兩個專業的博士研究生開設了人工智能與專家系統。

針對計算機科學與技術本科專業，人工智能課程主要使用蔡自興教授主編的《人工智能及其應用》教材施教，但由于課時數僅有32學時，關于人工智能的一些高級應用，如神經網絡、專家系統、機器學習等，采用專題的形式組織教學。該專業沒有設置實驗學時，僅在理論課堂上演示了一些仿真軟件，如BP神經網絡仿真環境。

針對農業碩士的農業信息化領域研究生和森林經理及森林培育兩個專業的博士研究生，教學計劃安排的學時數為40學時，沒有指定教材，僅給學生列了蔡自興教授的《人工智能及其應用――研究生用書》等幾本參考教材。課堂主要以專題的形式組織教學，每一講除了相關的理論以外，還介紹一些工程實踐應用的例子，讓研究生能夠了解這些人工智能算法如何在實際中得到具體應用。

3林業院校人工智能課程教學存在的問題

全國各高等院校的人工智能課程教學都或多或少地存在一些問題，林業院校更有區別于其他類型院校的顯著特征，而且林業院校開設該課程教學相對較晚，因此林業院校的人工智能課程教學存在更多的問題。

（1）師資短缺。在林業院校，林學相關專業開設該課程往往由林學相關專業的教師主講。這些非計算機相關專業的教師雖然曾從事過人工智能個別算法或領域研究，但不具備全面的人工智能相關專業知識，在講授不熟悉的人工智能知識點時顯得力不從心。

（2）教學內容專業性不強。人工智能是計算機科學的一個分支學科，一般的人工智能教材都比較適合計算機相關專業的學生使用，但是農業信息化、森林經理、森林培育等專業的學生不管是專業基礎還是行業應用背景均與計算機類專業學生不同，如果我們仍然按普通的教材施教，教學內容就缺乏林科特色，顯得專業性不強，無法吸引學生的聽課興趣。

（3）教學難度過大。林業院校涉林專業的學生一般只有計算機文化基礎、C語言等簡單的計算機課程基礎，缺乏算法思想。而人工智能課程涉及很多高級、復雜的算法，不論從算法思想，還是從算法實現和算法應用，對非計算機類專業學生來說難度過大。因此，在教學內容和教學要求上要做一些取舍。

除此之外，還存在諸如缺少實驗環節、教學手段單一、教學案例缺乏等其他普遍性問題。

4林業院校人工智能課程教學改革建議

通過分析林業院校人工智能課程教學存在的問題，結合自己近十余年來從事人工智能教學的經驗，我們提出了一些改革建議。

（1）推行專題式教學，解決師資缺乏的問題。在師資缺乏的情況下，由一名教師完成整個人工智能課程教學比較困難，同時，可能有多名教師分別在人工智能的不同方面進行過深入研究。因此，可以將該課程按章節分成各個不同的模塊，每一個模塊設一個專題，如神經網絡專題、專家系統專題、機器學習專題等，再由多名教師分別承擔自己熟悉的專題進行講授。這樣既可以解決一位教師的知識不足，又可以讓各位教師結合自己的科研將每一個熟悉的專題講授得更加詳細、更加有趣。

（2）教學內容與涉林專業緊密結合，解決專業性不強的問題。事實上，人工智能的各領域應用在林業行業都能找到對應的應用實例。例如，林果采摘機器人就是機器人在林業中的應用；林火識別和林木病蟲害監測就是模式識別在林業中的應用；林火蔓延預測可以用到隱馬爾科夫模型；PAID50專家系統平臺就是專家系統在農林業中的應用典范等。因此，在教學過程中，我們可以考慮將人工智能知識與林業應用結合進行講解，這樣學生更容易接受也更樂意接受。更進一步，如果能夠結合這些林業應用編寫一本《人工智能及其林業應用》教材，將會更加適合涉林專業的學生學習這門課程。

篇（2）

1人工智能在會計領域的應用特質

將德勤財務機器人、用友財務機器人等人工智能在會計領域的應用狀況進行分析，可以看到人工智能在會計領域的應用有以下特點。（1）大量規則化應用領域被人工智能取代。原始憑證審核，依托于電子票據二維碼應用，票據關鍵信息（如發票抬頭、稅號、發票內容、金額等）被人工智能識別并依照規則進行判斷；根據原始憑證相關信息依照借、貸規則選擇相應會計科目編制會計憑證，也是人工智能依照既定規則完成；根據記賬憑證完成記賬和報表編制，在會計電算化時代即已完成，對于人工智能而言，則更是“小兒科”，僅需要依照既定規則將數據庫文件以視圖形式呈現。可以看到，從原始憑證審核、記賬憑證編制再到賬簿形成、報表形成，會計明晰的規則為人工智能應用提供了切合的舞臺，而有明確規則的領域是人工智能能夠凸顯其計算能力的優勢領域。由此可見，以規則為基礎的會計核算應用領域能夠被人工智能“完美”替代。這也是德勤機器人、用友財務機器人等人工智能最先得以應用的領域。（2）經驗化應用領域將被人工智能取代。人工智能以超強的自我學習能力著稱，能夠通過大數據獲取認知上的進步，可以從大量的圖片中學習識別貓，也可以從大量的棋譜中學習對弈。會計、醫生曾經被認為“越老越值錢”，即是基于經驗的價值增加，在工作中不斷學習積累經驗，能夠借助經驗處理非常規、復雜的情形。通過學習積累經驗獲得認知進步，已經成為人工智能擅長的領域。在大數據的基礎上，人工智能可以通過案例學習獲得“經驗”，并且由于存儲記憶能力的顯著優勢超過會計、醫生的經驗。因此，經驗化應用領域將被人工智能取代。（3）人工智能應用推廣速度受到成本的影響。2017年德勤財務機器人推出，隨后用友財務機器人、浪潮財務機器人也相繼面世，一年時間之后這些財務機器人并沒有大量應用，其原因既有技術成熟度方面的原因，也有成本方面的原因。財務機器人的應用成本，不僅包括購買財務機器人的價格，還包括企業轉換成本。在ERP、財務共享中心等信息化建設之后，信息系統建設的投入大、實施風險高的特征使得企業對于系統切換心存顧慮，使用財務機器人是否又將成為投入高、見效慢的項目，成為企業應用財務機器人不得不考慮的問題。也正是由于受到應用成本的影響，財務機器人在2017年推出之后只是引起了觀念、認知上的“地震”，廣泛的應用并未看見。

2“基礎會計”課程核心

從目前國內高校會計專業、財務管理專業所開設“基礎會計”（會計學）課程的情況來看，該課程仍然作為專業基礎課開設，其核心內容一般包括：（1）會計核算基本方法，涉及會計要素、會計等式、復式記賬、憑證、賬簿、財務報告等內容。通過這些內容的學習，學生將掌握借貸記賬、憑證編制、賬簿登記、財務報告編制等基本方法，掌握會計核算的基本規則，理解會計的基本邏輯與方法。（2）會計核算基本操作，涉及憑證填寫與審核、賬簿登記、財務報表編制等內容。在會計基本方法學習的基礎上，學生將通過實驗等方式，掌握憑證填寫與審核的規范、賬簿登記的規范、財務報表編制規范等操作環節的要求，通過實踐體會從憑證填制與審核、賬簿登記、財務報表編制的規則與過程，并完成從理論到實踐的轉換。（3）會計視角的形成。在對會計要素、復式記賬的理解中，學生將完成對經濟活動的會計視角理解。例如，企業完成銷售活動，從經濟活動的范疇理解，更多強調客戶關系管理、合同簽訂、履行合同等節點，而從會計視角理解，則更強調伴隨銷售活動產生的資金流和成本化物流，即在收入形成的同時，根據資金支付的狀況選擇銀行存款、或者應收賬款、或者應收票據、或者預收賬款進行核算，同時在物流發生后結轉相應成本。將經濟活動的會計本質進行識別，培養和形成會計視角成為“基礎會計”課程的關鍵內容。也正是因為這個原因，“基礎會計”成為會計入門課程。

3人工智能對“基礎會計”課程的挑戰

（1）規則化應用將被人工智能取代，但修訂完善規則為會計人員留出了空間。人工智能因其超強的運算能力，能夠在既定規則的指揮下“毫無怨言”地處理原始憑證審核、記賬憑證編制、賬簿登記、報表編制等工作，并且處理效率更高。單純地規則化應用，會計人員與人工智能相比，完全不具有優勢。僅僅只有在人工智能技術應用的成本還相比人工成本更好的前提下，原始憑證審核、記賬憑證編制、賬簿登記、編表編制工作仍由會計人員完成。當人工智能技術應用成本得以降低，采用人工智能技術相比雇傭會計人員成本更低，會計人員無疑將面臨被人工智能所取代。這也是業界認為人工智能帶來會計“地震”的重要原因。雖然2017年會計人工智能出現后并沒有馬上帶來會計人員下崗潮，但這一時刻不會太遠，一旦人工智能應用成本得以降低，在人工成本逐漸上升的現實狀況下，處理原始憑證審核、記賬憑證編制、賬簿登記、編表編制的純規則化會計崗位將被人工智能取代。與此同時，我們必須意識到，人工智能以規則為基礎完成會計活動，那么誰來定義規則？戰勝棋圣的人工智能以圍棋規則為基礎開展對弈，無人駕駛以道路交通規則為基礎完成駕駛，財務機器人在完成會計活動時同樣基于既定的規則。從國家層面看，“會計準則”處于不斷的修訂完善過程中，新的經濟形式不斷出現，會計準則往往緊隨著新經濟活動而修訂完善。一旦會計準則變更，意味著完成會計活動的人工智能所依據的規則也需要變更。因此，規則變更與修訂為會計人員留出了空間。“人工制定規則，人工智能完成規則”可能成為未來會計活動的新形式！會計人員制定規則，是否需要從了解基本規則入手呢？答案無疑是肯定的。作為制定規則的會計人員，不可能完全不了解基本的借貸規則、基本的賬務處理規則，就開始著手調整規則。基于此，了解和掌握基本會計規則應當成為會計人員的必須，通過“基礎會計”課程促使會計人員了解和掌握會計基本規則也成為必要選擇。但人工智能應用會計規則的優勢，促使會計人員在學習掌握基本會計規則時必須思考，學習基本會計規則的目的是應用還是修訂完善？如果僅僅將學習會計規則的目的定位于應用，這樣的會計人員只能定義為初級會計人員，一旦其人力成本高于人工智能技術應用成本，這種崗位人員無疑是會慘遭淘汰。因此人工智能的出現逼迫會計人員將學習會計規則的目的定位于修訂會計規則的高端人才，只有在基礎規則之上，跳出規則制定規則，才可能在人工智能應用的大趨勢下贏得一席之地。（2）經驗積累將被人工智能取代，但經驗規則化為會計人員留出了空間。會計人員的經驗積累建立在大量案例處理的基礎上，在復雜經濟業務處理過程中形成隱性知識，如果這些隱性知識不能顯性化、不能總結提升為規則，這些隱性知識只能藏于人員的頭腦里，導致似乎“越老越值錢”。人工智能具有大數據處理能力，在大數據基礎上形成“經驗”從而自我學習，并且其總結的經驗將以“代碼化”的形式顯性體現，相比會計人員而言，經驗形成的能力更強、經驗顯性化的能力也更強。但從經驗到規則，人工智能還不能直接將積累的經驗形成規則，規則的形成還需要人工干預。因此，會計人員的經驗積累可以被人工智能取代，但經驗規則化為會計人員留出了空間。面臨人工智能應用，會計人員“越老越值錢”的優勢將不復存在，會計人員的價值不再建立在工作經驗的基礎上，而是建立在經驗知識化、并進一步規則化的基礎上。會計人員要完成經驗規則化過程，也需要對基本規則熟悉了解、并對經驗是否作用于規則修訂進行判斷的基礎上，因此對于基本規則的了解和掌握也是必不可少的。盡管“基礎會計”課程僅僅是會計入門知識的介紹，不能形成會計處理經驗，在經驗積累方面不存在是否課程內容是否被人工智能取代的問題，但由于會計人員需要將經驗規則化，需要熟悉了解基本規則，并對經驗是否推動規則變化做出判斷，因此通過“基礎會計”課程學習了解基本規則仍然是必要的。（3）會計視角的形成仍需通過“基礎會計”課程培養。人工智能完成了從原始憑證審核到記賬憑證編制、再到賬簿登記、報表編制的任務，使用人工智能完成這些任務得到的是憑證、賬簿、報表這些結果的呈現，對于這些結果、這些信息究竟對于會計人員意味著什么，會計人員通過這些信息怎樣從會計的視角去理解經濟業務，人工智能并未給出答案。而“基礎會計”課程則是從經濟業務到會計業務的橋梁和紐帶，通過“基礎會計”課程的學習，會計要素、會計科目等內容成為將經濟語言轉換為會計語言的工具，會計視角得以培養形成。因此，從會計視角培育需要來看，“基礎會計”課程仍然是有必要開設的。

4“基礎會計”應對人工智能應用的適應性調整

概括起來看，面對人工智能應用的大趨勢，“基礎會計”課程仍有必要開設，但應對這一趨勢，需要從課程目標、課程內容上進行適應性調整。具體包括：（1）“基礎會計”課程目標需要定位于會計基本規則體系建立而非操作能力。由于人工智能能夠以高效率的優勢完成規則應用，因此“基礎會計”課程目標不能再強調憑證編制、賬簿登記、報表編制等應用能力，應該將“基礎會計”的課程目標定位于促使學生構建會計規則體系，培育經濟業務的會計視角。學生學習“基礎會計”的目的不再是掌握原始憑證審核、記賬憑證編制、賬簿登記、報表編制操作，而是建立會計規則體系，掌握會計語言實現從會計角度理解經濟業務。（2）“基礎會計”課程內容需要強化會計要素、會計等式、借貸記賬等基本規則體系內容，弱化憑證、賬簿等操作性內容。根據前面的分析可見，“基礎會計”作為基本規則介紹的入門課程，學生需要通過該門課程的學習，掌握會計基本規則，并在此基礎上逐步培養提升規則制定的能力。以往課程中，通過實驗、實訓提高學生填寫憑證、登記賬簿的操作能力，但這些操作未來將被人工智能高效替代。在人工智能在會計規則化應用領域形成趨勢的當前，操作能力培養這部分內容需要弱化，而對于會計規則體系的理解、會計視角的培養應當強化。（3）“基礎會計”課程內容中需要適當增加有關大數據、人工智能方面的內容，介紹大數據、人工智能在會計領域的應用趨勢，以幫助學生了解會計在信息時代、人工智能時代可能發生的變革，提前應對可能發生的變化。會計不能脫離社會經濟生活而存在，人工智能時代已經對會計提出了變革要求，應對這一要求，“基礎會計”應當不回避，主動做出調整和適應。例如，對于會計總論的闡述中，介紹會計的發展趨勢，不能還停留將會計電算化作為發展前沿，電算化階段已經成為過去，大數據、人工智能才是未來的發展前沿；在會計的發展階段中，古代會計階段、現代會計階段、電算化會計階段的劃分也值得商榷，復式記賬、計算機的出現作為階段劃分的關鍵節點，但在2017年人工智能推出后，是否在電算化會計階段之后已經需要重新再切分出人工智能會計應用階段，值得學術界探討。

5結語

財務機器人誕生后會計崗位可能面臨失業潮，“基礎會計”課程似乎也已經沒有必要開設。通過分析人工智能的特質、“基礎會計”課程的核心，指出在人工智能應用趨勢到來的當前，規則化應用將被人工智能取代，但修訂完善規則為會計人員留出了空間；經驗積累將被人工智能取代，但經驗規則化為會計人員留出了空間；會計視角的形成仍需通過“基礎會計”課程培養。因此“基礎會計”課程仍然有必要開設，其課程目標需要定位于會計基本規則體系建立而非操作能力，其課程內容需要強化會計要素、會計等式、借貸記賬等基本規則體系內容，弱化憑證、賬簿等操作性內容，同時課程內容中需要適當增加有關大數據、人工智能方面的內容。

主要參考文獻

［1］陳婷蔚．人工智能在會計領域的應用探析———以德勤財務機器人為例［J］．商業會計，2018，5（10）：77－78．

［2］王加燦，蘇陽．人工智能與會計模式變革［J］．財會通訊，2017（22）：41－43．

［3］任世贏．人工智能技術對會計行業的影響及對策［J］．北方經貿，2018（1）：96－97．

篇（3）

中圖分類號：G64 文獻標識碼：A 文章編號：1674-098X（2014）10（b）-0155-02

面對航天科技迅猛發展，現代軍備技術快速提升，培養具有專業性的高素質航天類人才，是我國航天科技發展的戰略選擇，也是航天重點高校面向并有效服務航天事業的歷史責任。航天類本科生的教育形式也需要突破傳統的方式，著重多樣性、前沿性、工程性，因此，該專業的各門課程教育都應該結合專業特點，探索新的教學模式。

人工智能自1956年誕生50多年以來，引起眾多科研機構、政府和企業的空前關注，已成為一門具有日臻完善的理論基礎、日益廣泛的應用領域和廣泛交叉的前沿學科。由于航天領域的特殊要求，人工智能在其發展中發揮著不可替代的重要作用，各發達國家都相繼開展了人工智能與航天技術相結合的研究，致力于實現可重構的、具有容錯能力的、智能的飛行系統和管理系統。因此，“人工智能”作為航天類專業的一門特色選修課，應結合專業特點展開更具有實用性和創新性的教學。

1 人工智能課程特點

一方面，“人工智能”是一門多學科交叉的綜合學科，它涉及計算機科學、數學、心理學、認知科學等眾多領域，具有知識點多、涉及面廣、內容抽象、不易理解、理論性強等特點，使得該課程的教學具有較大的靈活度和較高的難度。另一方面，“人工智能”是一門正在發展中的學科，具有較強的前沿性，計算機科學、信息科學、生物科學等相關學科的發展不斷的提出了許多新的研究目標和研究課題，使得人工智能的技術和算法也需要不斷更新，這在很大程度上增加了“人工智能”課程的教學難度。

2 航天類專業特點

首先，航天類專業具有較強的工程性。在專業的教學改革中有統一的特點，即強調要體現航天工程技術的綜合性、系統性， 注重培養復合型人才。其次，航天類專業具有一定的前沿性。因為航天飛行器作為現代高科技和多種學科技術綜合應用的結晶，應及時把現代先進科技融入到了專業基礎和專業類的課程教學中， 專業知識更新快成為又一特點；另外，航天類專業應注重實踐性教育。尊重個性和興趣，強調動手能力，實驗室對學生開放，要求學生自主地設計完成實驗，強調對學生設計理念和創造能力的培養。最后，航天類專業應重視產學合作。產學合作的目的在于推動學校與航天產業的持續全面合作，造就一支科學技術研究和工程實踐兼備的教師隊伍。

3 教學模式的探索

3.1 教材的選擇

人工智能作為一門新興的學科，其理論與方法都還在不斷的發展與完善中。就目前來看，關于人工智能的定義和范圍都沒有一個統一的標準，不同的教材所介紹的內容也不盡相同。在教材選用方面，需要綜合考慮專業特點和學生的知識背景。本課程主要針對航天類專業高年級本科生，該類學生具有一定的數學、計算機、信息論、通信理論等基礎知識，對航天應用的基本需求有初步的了解，因此，“人工智能”課程難度應該控制在中級，可以較深入的介紹人工智能的基礎算法和應用案例。

中南大學蔡自興教授積累了多年的教學與科研經驗，借鑒了國內外其他專家和作者的最新研究成果，吸取了國內和國外人工智能領域學術書籍的長處，于1987年編寫了“人工智能及其應用”一書，該書根據人工智能學科的新發展不斷修訂，推出四個版本。本課程采用“人工智能及其應用（第4版）”，其中大部分內容適合本科生學習。另外，本課程還給學生提供其他一些參考書目，如N.J.Nilsson 的“Artificial Intelligence：A New Synthesis.Morgan Kanfmann”等經典教材。

3.2 課堂教學形式的探索

“人工智能”課程內容較抽象，概念較為繁多，若采用單一的課堂講授的方式，學生容易概念混淆、理解不透，逐漸產生厭倦情緒，導致教學效果差。本文探索不同的課堂教學手段，根據不同內容采用不同的教學手段，有利于學生對課程內容的理解與吸收。另外，考慮到航天類的專業特點，突出課程內容的工程應用，增加研究性質的教學內容與形式，有利于培養學生的創新能力和實踐能力。

（1）課件采用圖文并茂的PPT。綜合利用文字、圖像、聲音、視頻等多種媒體表示方法，在介紹原理和概念時采用精辟的文字，介紹算法流程時采用圖像，介紹算法應用時采用視頻。在PPT中適當利用不同的字體、顏色或動畫來突出重點，細化流程，引導學生的思路，便于集中注意力接受重點內容。

（2）適當增加課堂討論與練習。對于人工智能的一些基本問題，可以引導學生進行調研和討論，來深化課程內容的了解，并提高學生的學習興趣；對于重要的算法和理論，可以增加課堂練習，讓學生實際動手進行公式的推導或演算，并在練習中分析學生對問題的理解程度，有針對性的增加講解或指導。

（3）適當采用類比的講解方式。對人工智能的不同學派，不同方方法，以及方法的不同應用，廣泛的采用類比的形式進行講解，不僅可以復習已學習的內容，也利于對新內容的理解。并且，通過對不同內容的比較總結相似點、區分不同點，可以避免概念的混淆，清晰的掌握課程內容。

（4）增加研究性教學。研究性教學強調通過問題來進行學習，有必要將實際應用案例或者授課教師的科研項目融入日常的教學工作中去，用“啟發式”、“案例式”教學激發學生“自主學習”能力。

3.3 課程內容的探索

一方面，鑒于本科生知識結構還不夠完善，“人工智能”課程的內容要控制在適應本科生學科基礎的中等難度；另一方面，鑒于航天類專業的特點，課程內容應更注重與航天應用相結合的內容，并且在課程中增加具體應用的介紹。具體的課程內容如表1所示。

3.4 考核形式的改革

“人工智能”課程注重學生創新能力和實踐能力的培養，傳統的試卷形式不能全面的反應學生的學習效果，因此，應采用課堂表現和課程報告相結合的方式進行綜合考核。

一方面，重視學生提出問題、分析問題和解決問題的能力，對學生課堂討論與練習的表現進行考核評分，作為總成績的參考；另一方面，注重學生課題調研和實踐的能力，采取提交課程論文的形式進行考核。正確引導學生根據個人興趣、課程內容、可行性、實踐難度進行合理選題，并根據所選題目進行文獻查閱和總結，完成調研報告或算法實現報告。結合者兩個方面進行最終成績的評定，綜合衡量學生問題分析能力、論文寫作能力和創新實踐能力。

4 結語

航天類專業的本科生教學需針對專業特點有的放矢，該專業的課程教育都應該趨向于前沿性、專業性和實用性。本文的“人工智能”課程教學改革方案不僅考慮到該課程屬于前沿叉學科的特點，也綜合考慮了航天類專業的特點。為了使課程教學更好地服務于學生，本文提出的改革方案打破傳統的教學模式，將課堂理論講解、課堂討論、課后調研、項目實踐等相結合，充分調動學生的學習興趣和積極性，提高學生的創新能力，有利于培養真正符合航天領域所需要的綜合型高級人才。

參考文獻

[1] 王甲海，印鑒，凌應標.創新型人工智能教學改革與實踐[J].計算機教育，2010（15）：136-138，148.

[2] 劉興林.大學本科人工智能教學改革與實踐[J].福建電腦，2010（8）：198-199.

[3] 懷麗波.32課時《人工智能基礎》課程教學的幾點思考[J].華章，2013（34）：193-194.

[4] 紀霞，李龍澍.本科人工智能教學研究[J].科教文匯（上旬刊），2013（6）：91-92.

[5] 肖春景，李建伏，楊慧.《人工智能》課程教學方法改革的探索與實踐[J].現代計算機（專業版），2013（26）：32-34.

[6] 熊德蘭，李梅蓮，鄢靖豐.人工智能中實踐教學的探討[J].宿州學院學報，2008（1）：146-148.

篇（4）

（1）為部分優秀的學生將來做更深入的研究打堅實的基礎。在面向知識經濟的今天，研究獲取、表示和使用知識的人工智能學科越來越受到人們的重視。目前人工智能研究被列為中國高技術領域的重點之一。以專家系統為代表的智能化系統在信息技術中也占有重要地位。因此在高等教育中開展人工智能教育和智能化系統的研發，不僅是計算機科學的應用，也是促進各學科服務于國民經濟發展的必然趨勢。為使人工智能的理論、方法和技術的研究與應用普及和深入，教育重心必須要下移，即從研究生教育向本科教育普及。開展本科層次人工智能普及教育的有效途徑之一是在本科高年級開設相關選修課。開展人工智能教育，不僅能夠更好地發揮高等院校的育人和科學研究功能，而且能為學生拓寬專業路徑，擴大自主學習空間和發展個性創造條件，同時也為營造一個使學生不僅有寬厚、扎實的理論基礎，且具綜合分析和解決問題能力的環境。? 

（2）為將來從教的學生積聚大量的知識。英國早在1999年，人工智能課程已經作為選修課出現在中學的信息與通訊技術（ICT）課程中。許多中小學還通過機器人競賽活動來激發中小學生學習人工智能的興趣，使學生不僅提高了用信息技術解決問題的能力，而且培養了多種思維方式，獲得了更多的創新空間。美國現行的中學信息技術課程設置中，將人工智能的內容作為“媒體與技術”層面對12年級學生的要求。澳大利亞的部分中學開設的信息處理與技術課程，人工智能、信息系統、算法和程序設計、社會和倫理道德、計算機系統分別作為5個主題共同構成了該課程的教學內容。在該課程的大綱中規定，人工智能部分的教學內容在高中第3學期為12年級的學生開設，教學時間為10周。? 

在我國，多年以來中學奧林匹克信息學競賽中一直包含有人工智能相關的題目，涉及啟發式搜索、博弈、智能程序設計等問題。2003年4月，我國教育部正式頒布《普通高中技術課程標準（實驗）》，首次在信息技術科目中設立了“人工智能初步”選修模塊，標志著我國高中人工智能課程的正式起步。? 

我國的新課程標準頒布后，教育部評審并通過了分別由教育科學出版社、廣東高教出版社、地圖出版社、上海科技教育出版社和浙江教育出版社出版的5套高中《人工智能初步》教材，并開發了相應的教輔材料，包括教師用書和配套光盤等。為了配合中學人工智能課程的實施，國內也推出了一些適合中學生學習與體驗的人工智能軟件和網絡資源。另一方面，一些高校的本科生、研究生也逐步關注中學人工智能教育的開展并將其作為畢業論文的研究選題。一些師范院校適應形勢要求，已為師范生開設了與此相關的選修課程。? 

2 人工智能的教育及教學條件現狀? 

通過對本人多年的教學過程進行總結，我校的《人工智能》課程教育現狀可總結為如下幾點：? 

（1)理論知識充裕。但與實踐相脫節，特別是在智能科學技術的教育教學方面。盡管知識面相當廣泛，而人工智能理論的普及教育以及智能技術的開發與應用仍然十分滯后。? 

(2)同其它普通高等院校一樣，在本校，人工智能技術的研究與應用尚未普及，甚至比不上其它院校。這不利于培養學生的科研興趣及創造精神。? 

（3）缺乏配套實驗教材，實驗教學內容缺乏，無法培養學生的研究能力和創新能力。只有開設實驗項目，才能使人工智能的相關知識具有研究性和綜合性。? 

（4）對中小學智能教育的深度及教學方式、教學特點缺乏研究。做為師范類院校，我認為在對學生進行基礎知識教育的基礎上，要緊抓中小學智能教育的特點對師范類學生進行相關的教育與培訓。? 

相對于教育現狀，我校的《人工智能》課程教學條件現狀要稍好一些，其狀態如下：? 

（1）教材使用國家級規劃教材，此教材非常系統地介紹了人工智能的基本原理、方法和應用技術，適合本科及研究生使用。在我們的授課過程中，也會適當為學生提供相關的國內其他先進教材，如中南大學蔡自興教授的《人工智能及其應用》等。? 

（2）為了促進學生自主學習，我們準備了多種類型的擴充性學習資料，加強學生主動學習的意識，包括：課程相關雜志和書籍目錄，以及部分重要的參考文獻，與人工智能相關的網絡資源如優秀BBS、新聞組、網址等。 它們包括了大量的文獻資料、本領域研究的前沿動態等。 使用表明，學生非常樂于查閱這些資源。 使學生能通過使用這些資源進行一些人工智能程序設計，探討一些問題，在課堂討論中展示他們的收獲。? 

(3）校園網的普及與不斷優化使本課程有優良的實踐性教學環境，能充分滿足教學需要。我們擁有較充足的多媒體教室和網絡教室，為實現本課程教學提供了物質保障。在網絡資源建設方面，全校辦公室、教室、學生宿舍和教師宿舍都以寬帶網相連，這些硬件設備對本課程教學發揮了重要作用，使本課程教學質量得以明顯提高。? 

3 人工智能教學方法及手段的改革? 

針對我們現在所采取的教學方法，我認為存在許多不足，如教學方式比較單一，教學內容偏重理論講解等，為此，提出以下教學方法的改革：? 

（1）通過多種途徑激發學生的學習興趣。課程的學習效果，直接受到學生興趣和參與意識的影響。一般來講，《人工智能》作為一門前沿課程，開始學生學習興趣很大，當開始接觸到抽象理論知識及部分算法時，學生往往感到不易接受。 我們通過各種途徑和方法， 激發和培養學生的學習興趣，包括鼓勵學生參與某部分知識的擴充性資料查找,預留一定時間請學生負責對此內容進行講解，布置學生對某個基本成型的實驗進行糾錯及驗證，降低問題解決的難度。學生因此產生興趣從而做更深度研究。? 

(2）進行啟發式教學。 我們可以嘗試在教學過程中不斷提出問題請學生思考，啟發學生求解這些問題，鼓勵學生提出自己的猜想和解決方案，然后擺出教材中的解決方案，并與同學所提出的觀點進行分析和比較，這足以加強學生學習的主動意識和參與意識，提高學生學習的積極性。? 

(3）課堂辯論與交互式教學。 組織課堂辯論，討論的議題可定位為譬如人工智能是否能超過人類智能等有爭議的問題。學生通過對這些問題展開激烈爭論，激發了學習潛能，明確了學習目標。當然師生間的交流方式還有很多，如郵件互發、QQ留言等，也可在課程網站中的互動平臺進行交流。? 

(4）分層次因材施教。 在授課過程中，通過對每個具體學生的學習進度、課堂作業情況進行及時評估，對學生提出進一步的學習建議和指導， 實現個性化的教學。 對優秀學生探討，可以在教學設計和實驗設計中要求其選作部分探索性、創新性的功課和實驗，以發揮學生個性優勢。對于有意于將來從事中小學教育的學生可以在機器人及人工智能技術發展現狀等知識層面對其做問題講解。而那些看似缺乏興趣的學生，我們可以用多媒體手段如播放人工智能相關電影及科學小片引起其興趣，實行逐步引導的教學過程。? 

另外，我們可以嘗試雙語教學。 采用中文教材和講授的同時，注重在課程中的關鍵詞同時用英文表示，并適當指定英文參考短文和英文參考書。使學生能夠接觸國外文獻資料，加深對學習內容的理解，獲得更寬廣的知識。我們也可以在教學內容安排上，注重理論聯系實際，將一些人工智能網絡上的虛擬實驗給學生進行課外上網練習，從而使學生了解算法的具體運行過程， 通過參與達到知識的理解，掌握基本方法和技術。? 

 

根據現有的條件，我們在教學中可以采用多媒體教學和網絡課程教學相結合的方法，充分利用多媒體的豐富表現形式，利用網絡課程的交互性、情景化等特點，構筑以學生為主體的《人工智能》課程現代教學模式。 對于抽象知識，可通過動畫和視頻演示，通過聲音和圖像展示人工智能的歷史、人物和前景，做到學生直接而深刻地看到知識的內涵外延。網絡課程能較好地實現交互并使學習過程情景化，通過網絡課程的課堂練習和章節練習，教師可以評價學生的學習情況，并給學生提出學習建議，從而提高學生的研究力和創新力。我們也可以給學生播放中學《人工智能》課程課堂教學錄像，以使學生看到初高中學生的知識范圍及深度；同時給學生播放現有的《人工智能》科學成果，讓學生看到理論背后的實踐；也可以播放科幻片，激發學生想象的翅膀從而有興趣把人工智能作為將來深造的方向。《人工智能》是一門較新的課程，改進教學方法和手段不僅要靠教師，也應增加硬件設備的投入。如果人工智能能采用智能輔助教學系統或機器人輔助教學過程逼真、形象，一目了然，這樣可大大提高學生的學習效率，尤其是提高學生的觀察判斷能力、發現問題和解決問題的能力。? 

4 人工智能實踐教學設計的探討? 

我們可以在教學過程中，適量開設一些實驗和設計，提高學生的動手能力，并加深他們對理論知識的理解，降低理論的抽象度，提升理論的實用性。在近兩年的教學過程中，我們會適量加入一些人工智能語言的教學過程。例如，在講解了“野人與傳教士過河”等問題后，我們可以讓學生使用Visual Prolog或者C ?++?對算法進行實現；在講解 TSP 問題的遺傳算法解決案例后，指出編碼方案、初始種群大小、進化代數、交叉率變異率等因素對求解結果的影響，并要求學生通過實驗的方式來分析、理解這些問題，并提出“尋找更有利的解決方案”等問題。把學生的興趣激發后，為解決這些問題，學生會在課外主動查閱相關文獻、相互討論以實現他們所設計的方案，這樣既培養了學生善于鉆研和勇于創新的精神又提高了學生的實踐與創新能力。? 

參考文獻：? 

［1］ 熊德蘭,李梅蓮,鄢靖豐.人工智能中實踐教學的探討［J］.宿州學院學報,2008(1).? 

篇（5）

中圖分類號：G642　文獻標識碼：A

1　引言

人工智能(AI)是計算機科學的一個重要分支，同時也是計算機科學與技術專業的核心課程之一。本課程在介紹人工智能的基本概念、基本方法的基礎上，主要是研究如何用計算機來模擬人類智能，即如何用計算機實現諸如問題求解、規劃推理、模式識別、知識工程、自然語言處理、機器學習等只有人類才具備的“智能”，本課程重點闡述這些方法的一般性原理和基本思想，使得計算機能更好地為人類服務。

2　人工智能課程體系

人工智能主要研究傳統人工智能的知識表示方法，其中包括狀態空間法、問題歸約法、謂詞邏輯法、語義網絡法、框架表示、劇本表示等；搜索推理技術主要包括盲目搜索、啟發式搜索、消解原理、規則演繹算法和產生式系統等。

人工智能的研究課題主要包括計算機視覺、規劃與行動、多Agent系統、語音識別、自動語言理解、專家系統和機器學習等。這些研究論題的基礎是通用和專用的知識表示和推理機制、問題求解和搜索算法，以及計算智能技術等。

經過筆者調研發現，目前在本科高校絕大部分將“人工智能”課程性質設為專業選修課或專業必修課，而在高職院校相關專業基本上不開設此課程，但是在具體實踐教學過程中發現，在其它專業課程的教學過程中也會與人工智能理論或技術相結合，比如數據庫技術、信息系統安全方面等領域，當講到相關課程，同時會結合人工智能的理論，授課過程中發現大部分同學對該課程很有興趣。

本課程在我校計算機科學與工程學院作為一門專業選修課開設，總學時數為：60(其中理論學時為36，實驗學時為24)，隨著計算機技術的不斷更新發展，人工智能的應用領域也變得越來越廣，因此，人工智能(AI)這個學科已不再陌生，很多學生對其充滿興趣和好奇，所以在選課人數上遠遠超過其他選修課的人數，另外結合我校的實際情況，部分理論或實驗又可以與農學、生命科學系等其它專業結合起來而應用。

3　人工智能理論教學實踐

多年以來，人工智能獲得很大的發展，已經引起眾多學科和不同專業背景學者們的日益重視，成為一門廣泛的交叉和前沿科學，但是直到目前為止人工智能至今仍尚無統一的定義，要給人工智能下一個準確、科學和嚴謹的定義尚有困難，其現有的一些定義多數是立足于各自的專業而定義的，存在片面性。

同時“人工智能”是一門交叉性的學科，其主要涉及到了控制論、語言學、信息論、神經生理學、心理學、數學、哲學等許多學科，所以該學科具有知識點多、涉及面廣、內容抽象、不易理解、理論性強，與此同時需要學生具備較好的數學基礎和較強的邏輯思維推理能力等特點，從而形成在教學實踐中老師講得吃力、學生聽得吃力的局面。盡管在多年的研究和教學過程中筆者已積累了一些經驗，但是對于如何把握好這門課程的特點，激發學生的學習興趣和熱情，幫助學生更好的理解和應用這門課程，目前仍然有很多問題需要研究和解決。

針對“人工智能”課程相關內容比較抽象，公式推導比較繁瑣等特點，教師除了具有完善的教學大綱、合理的教學計劃以及合適的教材外，還應該根據學校的實際硬件條件盡可能地選擇多媒體教學手段來輔助教學，因此在實踐教學中，筆者經常會配合教學內容，充分利用計算機、投影儀以及互聯網的優勢，結合多種教學方法與手段去組織整個教學過程。例如：在講述搜索推理技術時，使用一些小的演示軟件，將相關推理技術的理論通過動畫的形式一步一步演示出來；而在講專家系統相關理論知識時，尤其是各種類型的專家系統，利用互聯網上的一些在線視頻資源為例，給同學進行詳細講解，通過具體的案例來進行專項知識點的講解及實現與應用；在自動規劃這一章，給同學們選擇演示發達國家目前研制的各種類型機器人，通過這些形象生動、行為舉止高仿真的機器人來給學生講理論，這樣學生通過親自觀看視頻資源，不僅可以拓寬知識面及視野，同時也可以及時地了解國際及國內機器人的發展水平及差距，不斷糾正自己的錯誤觀點并更新自己新的專業認識；另一個方面也可以同時激發學生們的學習興趣熱情和積極性，俗話說：“興趣是學生最好的老師!”這一點在課堂實踐教學中得到驗證，得到廣大同學的認可和贊同，整個教學課堂不再那么單調枯燥乏味，基本可以達到在娛樂輕松的氛圍中學習專業知識，同時再整個教學過程中，師生互動機會增多，學生不再是被動地接受知識。

4　實驗教學實踐

4.1　客觀存在問題

本校開設“人工智能”課程，主要是面向計算機專業的大學三年級的同學，同時作為一門專業選修課而設，理論課程為36學時，而實驗學時24學時；與此同時經過對其它兄弟院校的調研發現，很多高校雖然也是設為專業選修課，但建議學生們都去學習這門新學科，從而為今后的專業知識及具體應用打下一定的基礎；當然在調研中也發現，部分本科高校雖然開設了“人工智能”課程，但是僅是純粹理論教學，從一定角度來講，理論原理是前沿，但是由于太過于抽象，而且空洞、難以理解，多數同學反映學習效果并不理想，有關具體理論部分的具體實現仍然不解。

篇（6）

中圖分類號：G642　文獻標識碼：B

1　引言

人工智能是計算機科學的一個重要分支，是當前科學技術發展中的一門前沿科學，它的出現及所取得的成就引起了人們的高度重視，被認為是計算機發展的一個根本目標。

人工智能課程作為計算機科學與技術專業課程體系中的核心課程之一，其地位正在隨著該技術的不斷發展和廣泛應用而得到迅速提高。目前，國內外重點大學都非常重視該門課程的教學和研究，許多重點大學都有自己獨立的人工智能研究所。

本文通過多年的人工智能教學實踐，對人工智能教學的方法進行了初步的實踐和探索。中央民族大學在人工智能課程建設和教學過程中，針對計算機學科的發展趨勢，提出擯棄傳統講、學、考模式，注重學生能力培養的措施。在教學和實踐過程中，不斷進行探索，既從計算機學科本科的教學理念出發，從人工智能這門學科特點出發，以計算機學科分支的角度認知人工智能，組織教材的知識架構并進行教學。用計算機學科的觀點分析人工智能的基本原理與方法時，重點強調的是這些基本原理與方法與其他的計算機分支的共同點和不同點。共同點是強調計算機學科的本質，不同點是強調人工智能的本質。本文就針對我校人工智能課程教學的一些基本問題加以初步總結。

2　從計算機學科分支的角度認知人工智能

人工智能屬于計算機科學分支的學科，同時又是一門涉及控制論、信息論、語言學、神經生理學、數學、哲學等多學科交叉的課程。我國高等院校計算機學科的本科教學所設置的人工智能課程一般只有40課時左右，以什么角度組織教材內容，提高教學效果，才能使學生較容易地理解和掌握人工智能的原理與技術，是我們值得探索的問題。

人工智能處理的對象是知識，知識處理則需采用知識表示。因此，若以計算機分支的角度也就是用計算機學科的觀點看待人工智能，人工智能課程的教學內容應以知識為主線，以知識表示和搜索為基石進行組織。反映到實際教學中，就是人工智能的各個分支的介紹，這包括知識庫系統、自然語言理解、規劃、機器人等。總之，教學內容可分成兩個部分，第一部分是基礎理論和基本方法，包括：邏輯表示與歸結推理方法、搜索原理，知識表示(包括產生式系統、語義網絡、框架)、推理(包括不確定性推理、非單調推理)、機器學習。第二部分是實用技術，包括知識庫系統、高級搜索、自然語言理解。

3　優化和更新教學內容、加強雙語教學

人工智能作為一門新學科，在1988年前，國內外均未見有教學大綱和教材，開設本課程面臨的首要問題就是確定教學內容，包括人工智能的知識表示和推理以及人工智能的應用兩個部分。前者是人工智能的重要基礎，后者討論幾種人工智能應用系統，包括專家系統、機器學習、自動規劃和機器視覺等系統。這些內容只是給出了人工智能課程的初步框架。

隨著人工智能研究的進一步深入， 到20世紀90年代中期，人工智能也從符號(邏輯)主義一枝獨秀發展到符號主義、連接主義和行為主義多家爭鳴的新局面， 模糊計算和神經計算作為新內容列入到人工智能課程，充實了人工智能課程的內容。進入21世紀以來，人工智能學科又有了新的發展。為了及時反映人工智能研究和學科的最新進展，我們及時對教學內容進一步優化和更新：把人工智能分為基礎部分和擴展應用部分。

在教學和實踐過程中，考慮到本課程的多學科交叉性以及相關信息學科的快速發展， 在目前高校提倡雙語教學的環境下，將《人工智能》教材逐步改為全英語教材，這樣可以更快地掌握學科的發展動態， 掌握最先進的技術， 與國際發展趨勢接軌。Nils J.Nilsson教授所著的《人工智能》教材是美國Stanford大學計算機系本科教材，該教材體系比較符合學生的認知規律，便于學生接受、理解、掌握和鞏固所學知識；同時這本書內容豐富、取材新穎，適合作為該課程的英文教材。

4　注重案例教學、改革教學方法

案例教學首創于哈佛大學商學院，在經貿、管理、法學等學科領域的相關專業得到應用并取得顯著績效，然而目前工科專業還較少運用案例教學方法。人工智能的每一部分內容均包含大量概念，內容抽象，算法復雜，學生往往被動“聽講”；并且涉及很多的數理邏輯知識，有些顯得難以理解，并且往往讓學生感到比較枯燥，學生的學習興趣就漸漸淡薄，難以獲得預期的教學效果。鑒于這一現實問題，我們將案例教學方法引入到該課程的教學之中。

例如在邏輯推理技術和搜索技術這兩方面的教學過程中，我們使用參考教材《人工智能：一種現代方法》，并利用其中基于JAVA的教學開發工具包AIMA進行案例設計和實驗教學，在教學過程中結合AIMA中的案例來講解，使比較枯燥的知識以有效、實用和具體的形式表現出來，做到理論與實踐相結合。在講解搜索技術時，以“八皇后”問題為案例，結合AIMA中的設計實現，以講解和討論相結合的方式，學習盲目搜索、啟發式搜索等算法，使學生不僅能理解狀態空間的產生方法，而且能設計算法、實現算法，提高了學生的學習興趣和實踐能力。在學習神經網絡、模糊邏輯、進化計算等方面的內容時，我們主要借助于Matlab提供的相關工具箱。

5　加強教學隊伍建設、改革考核方法

建立一支愛崗敬業、富有戰斗力的教學隊伍是出色完成教學任務和提高課程教學質量的根本保證。教學人才資源是教學的第一資源。在學校有關部門的領導和學院的支持下，我們組成一支知識結構和年齡比較合理的教師隊伍。

篇（7）

1人工智能及大數據的概念

1.1人工智能

人工智能是一門利用計算機程序模擬人類智能的科學,其應用領域十分廣泛,例如機器人、模式識別及專家系統等。人工智能的高科技產品,不僅實現了對人類思維的模擬,在某些方面還超過了人類。

1.2大數據

大數據是指海量信息的集合,一般用常規軟件工具無法對其進行有效的采集、存儲和處理,需要借助具有超強洞察力的大數據技術對其進行有效的采集、存儲、處理、分析和共享。大數據技術能夠有效地進行超大規模的并行處理,能夠有效地處理結構化及半結構化的數據,具有較強的數據挖掘能力及分析決策能力。

2人工智能及大數據對軟件技術專業人才的需求特點

2.1知識更新能力

人工智能及大數據技術日新月異,需要軟件專業技術專業人才具有較強的知識更新能力,較強的自主學習能力,以及較高的技術應用能力。但目前相當一部分軟件技術專業的大學生的自主學習能力不高,知識更新能力不強,亟需針對人工智能及大數據對軟件技術專業人才的需求特點改進培養方案,增加相關課程,培養學生對新知識的理解和掌握尤為重要。

2.2創新思維能力

人工智能及大數據時代下,需要軟件技術專業人才具備較強的適應創新能力,較強的開拓思維能力,以及較強的團隊協作能力。但目前相當一部分軟件技術專業的大學生的創新思維能力較差,新知識更新缺乏主動性,迫切行,學習意識不強。亟需針對人工智能及大數據對軟件技術專業人才的需求特點創新改革培養方案,確定切實可行培養策略是學科發展的需要和任務。

2.3大數據分析能力

人工智能及大數據對人才的大數據分析能力要求較高,主要包括數據采集、數據整理、數據描述、數據統計分析和深度學習等諸多方面的能力。但目前相當一部分軟件技術專業的大學生的大數據分析能力不夠,不能很好地進行數據采集、存儲、整理、描述、統計分析和歸納總結,亟需針對人工智能及大數據對軟件技術專業人才的需求特點創新培養體系。

2.4軟件開發及測試能力

人工智能及大數據對人才的軟件開發及測試能力要求較高,主要包括軟件分析、軟件設計、軟件實現和軟件測試等方面的能力。但目前相當一部分軟件技術專業的大學生的軟件開發及測試能力較差,不能夠有效地開展軟件的規劃、分析、設計、實現與測試等環節,亟需針對人工智能及大數據對軟件技術專業人才的需求特點提升學生的軟件開發與測試的實踐能力。

3建設策略

3.1轉變教學理念,順應人工智能及大數據時展要求

傳統的教學理念已經不能適應人工智能及大數據時代的要求,亟需轉變教學理念,從而適應人工智能及大數據時代的要求,進而提升軟件技術專業人才的培養質量。在人工智能及大數據背景下,學校應深入分析人工智能及大數據對軟件技術專業人才的需求特點,從而有針對性的制定培養目標、培養任務和培養方案。在制定培養目標時,應著重考慮軟件技術專業人才在人工智能及大數據時代應具備的能力素質。在制定培養任務時,應著重參考人工智能及大數據相關崗位的崗位要求。在制定培養方案時,應堅持以學生為主體,以學生為本,突出知識更新能力、自主學習能力、開拓創新能力、團隊協作能力、大數據分析能力和軟件開發及測試能力的培養。

3.2引導學生利用現代化、智能化的網絡平臺進行自主學習

為了更好地適應人工智能及大數據對軟件技術專業人才的需求,應引導學生利用現代化、網絡化和智能化的Web平臺進行自主學習,從而提升學生的知識更新能力、開拓創新能力、解決問題的能力和團隊協作能力。首先,在人工智能及大數據背景下,網絡上涌現了大量的人工智能及大數據相關的學習資源,但這些網絡資源存在良莠不齊的現象,因此教師應該引導學生如何搜索、鑒別和使用這些網絡學習資源。然后,教師可以引導學生自由分組開展人工智能及大數據相關的學習,通過興趣小組的方式激發學生對人工智能及大數據的學習熱情,提升學生的自主學習能力,提升在線學習的效率。最后,教師可以自建教學網站,對網絡資源進行篩選和優化,使學生能夠更好地進行網絡學習。

3.3構建大數據分析課程體系,提升學生的大數據分析能力

篇（8）

1956年，在美國Dartmouth大學，由數學家J.McCarthy和他的三位朋友M.Minsky、N.Lochester和C.Shannon共同發起一個歷時兩個月的夏季學術討論班，他們在此討論班上第一次正式使用了人工智能(Artificial Intelligence)這一術語。人工智能是一門多學科交叉的課程，涉及計算機科學、數學、控制論、信息論、神經生理學、心理學、哲學及語言學等多個學科，是新理論和新技術不斷出現的綜合性學科。當前，人工智能領域加強了從人類智能與生命現象中汲取養分的趨勢，加快了向分布式系統與復雜系統靠攏的步伐，智能化的應用更為深入，影響更為廣泛，其發展已對人類的經濟、社會、文化等方面產生了深遠影響[1]。

1人工智能導論課程特點

人工智能導論是人工智能領域的引導性課程，介紹人工智能的基本理論、方法和技術，目的是使學生了解和掌握人工智能的基本概念和方法，為進一步學習奠定基礎。人工智能是計算機科學與技術學科一門重要的基礎課程，需要相關課程作支撐。離散數學、概率論與數理統計等課程是其數學基礎，數據結構、程序設計基礎、算法分析與設計等課程則為人工智能中知識表示、邏輯推理和問題求解提供了設計與實現手段。與其他軟件課程相比，人工智能課程有鮮明的特點，主要表現在思想方法上強調啟發性、算法上強調不確定性。同時，由于人工智能是一個新思想和新技術層出不窮的開拓性領域，因此其對學生的訓練是鼓勵創新的，具有其他課程不可替代的作用。

人工智能導論是計算機相關專業的必修課，在許多信息類相關的本科教學中也有開設，一般開設在第六或者第七學期。我國目前本科教育的定位是專才教育，培養某方面的專業人才。完成公共基礎課程和部分專業基礎課程的學習之后，本科高年級學生應該了解本專業的應用領域和發展前景，因此在教學過程中要注意內容的專業性和應用性。由于本科階段學生缺乏科研意識，初步的科研訓練設置在第八學期，即所有課程學習完畢之后的畢業設計，而人工智能課程強調科研性，因此教學難度較大，由此帶來的最直接后果就是學生學習興趣不高。同時，對有志于讀研的學生而言，本科階段的學業也是研究生教育的起點，在教學過程中要適時的進行科研引導，提升學生對科學研究的興趣，為研究生階段打下基礎。可見，圓滿完成人工智能導論課程這一教學任務是重要且極具挑戰性的。

2教學內容安排

人工智能的研究和應用領域非常廣泛，包括問題求解、機器學習、自然語言理解、專家系統、模式識別、計算機視覺、機器人學、搏弈、計算智能、人工生命自動定理證明、自動程序設計、智能控制、智能檢索、智能調度與指揮、智能決策支持系統、人工神經網絡、數據挖掘和知識發現等。人工智能導論旨在為這些具體領域的研究提供引導和基礎保障。

人工智能導論課程涵蓋內容較多，因此需要明確“精講”和“泛講”的內容，以使教師和學生在教學活動中都有所側重。當然，首先應和學生說明，泛講并不代表內容不重要，只是由于課程性質和課時的關系，暫時不作深入探討。日后如有需要，可在此基礎上進一步學習和研究。結合當前人工智能學科的發展狀況，根據教學大綱和作者的教學經驗，對人工智能導論課程教學內容的精講和泛講安排如表1所示。

3提升學生學習興趣的教學方法

3.1穿插背景故事

為激發學習積極性，針對學生喜歡聽奇聞軼事、想象力豐富的心理特點，通過講述一些與教學內容有關的故事或者趣事來吸引其注意力，輔助思維并豐富聯想，使學生在愉悅中完成學習[2]。下面列舉幾個我們在課程教學中用到的背景故事，通過這些故事，不但傳授了知識，也活躍了課堂氣氛。

1) 人類智能的計算機模擬與人機大戰。

講授人類智能的計算機模擬時，可以給學生簡述一下IBM公司的超級電腦和國際象棋世界冠軍卡斯帕羅夫之間的人機大戰，以促進學生對人類智能和人工智能的進一步思考。北京時間1997年5月12日凌晨4點50分，在美國紐約公平大廈，當IBM公司的“深藍”超級電腦將棋盤上的一個兵走到C4的位置上時，國際象棋世界冠軍卡斯帕羅夫對“深藍”的人機大戰落下帷幕，“深藍” 以3.5U2.5的總比分戰勝卡斯帕羅夫。2003年1月26日至2月7日，卡斯帕羅夫與深藍的升級版“小深”又進行了一場人機大戰，先后進行了6局比賽，最終卡斯帕羅夫以1勝1負4平的結果和“小深”握手言和。這也表明了人工智能和人類智能之間的較量還將持續下去。

2) 問題規約法與老和尚說教。

問題規約法是從要解決的問題出發逆向推理，建立子問題以及子問題的子問題，直到最后把初始問題歸約為一個本原問題集合。本原問題指不能再分解或變換且直接可解的子問題。可見，問題規約的本質是遞歸的思想。此時，可以給學生簡述我們小時候就聽說過的老和尚說教的故事，即“從前有座山，山上有座廟，廟里有個老和尚，老和尚對小和尚說，從前有座山……”。

3) 模糊理論與禿頭悖論。

模糊推理是一種重要的不確定性推理方式，是指基于模糊理論進行的推理。講授模糊理論時，可以先講一下禿頭悖論讓學生討論。一個人有10萬根頭發，肯定不能算禿頭，不是禿頭的人，掉了一頭發，仍然不是禿頭，按照這個道理，讓一個不是禿頭的人一根一根地減少頭發，就得出一條結論，即沒有一根頭發的光頭也不是禿頭！禿頭悖論的出現源于在嚴格的邏輯推理中使用了“禿頭”這一模糊概念，因此需要以模糊邏輯代替傳統的二值邏輯解決該問題。

3.2課堂辯論和多媒體教學

人工智能從其誕生之日起就充滿爭議，各種學派的爭論使得人工智能的發展更趨完善，加快了其縱深發展。目前，人工智能的爭論主要有兩方面，即研究方法的爭論和技術路線的爭論。前者爭論的主要問題有人工智能是否得模擬人的智能；對結構模擬和行為模擬是否可以分離研究；對感知、思維和行為是否可分離研究；對認知與學習以及邏輯思維和形象思維等問題是否可以分離研究；是否有必要建立人工智能的統一理論體系。后者爭論的主要問題是沿著什么樣的技術路線和策略來發展人工智能。

在課堂教學中，可以充分利用人工智能中存在的爭論較多這一特點，針對相關議題組織課堂辯論，如可用議題“機器的反叛――機器的智能會超越人類嗎？”。讓學生在圖書館或者從網上查閱相關資料，明確自己的論點并準備證據材料，并在課堂上進行辯論。這類辯論無所謂輸贏，旨在通過這種活動，增進學生思考[3]。教學中，還可以充分利用多媒體教學的特點，如讓學生觀摩電影《終結者》系列、《人工智能》、《黑客帝國》等，增強學生對人工智能的直觀感受，提高課堂教學效果[4]。

3.3應用實例分析

普遍而言，本科學生對單純的理論講解不太感興趣，因此在教學過程中，適當增加一些實驗和設計，提高學生分析問題的能力和實際動手能力。比如，講解知識的產生式表示法時，給出產生式的概念和基本表示形式之后，可以通過“野人與傳教士過河”問題來說明產生式表示法的具體應用過程；講解計算智能的進化計算部分時，給出進化算法的幾種具體形式和算法流程之后，可以通過中國旅行商問題(CTSP)來說明算法求解問題的過程。教師在教學過程中，可以根據需要，選擇一些合適的應用實例進行分析。通過這些實例，既能加深學生對知識的理解，又能增加學習的興趣。下面給出兩個實例的簡單描述。

1) 產生式表示法求解“野人與傳教士過河”問題。

問題：傳教士和野人各N人過河，現只有一條船，傳教士和野人都會劃船，船一次只能載k人，船上野人多于傳教士時野人就會吃掉傳教士，問如何安全過河？(不失一般性，以N=3，k=2為例求解)。

求解簡述：設綜合數據庫中狀態用三元組(m, c, b)表示，其中m、c、b分別表示傳教士、野人和船的數目，則有：

0≤m, c≤3, b ∈{0, 1}

以左岸為參照點，則初始狀態和目標狀態分別為(3，3，1)和(0，0，0)。據此，可以給出一條產生式規則如下：

IF (m, c, 1) THEN (m-1, c, 0)

以此類推，把所有可行的規則都求出之后，就可按照規則集和控制策略得到問題的解。

2) 遺傳算法求解31個城市的CTSP問題[5]。

問題：給定有限個城市的集合C={c1,c2, …,cm}及每兩個城市之間的距離矩陣D＝[dij]m×m，其中m∈N，dij=d(ci, cj)∈Z+，ci、 cj∈C，1≤i、j≤m，求出滿足的城市序列cπ(1)、cπ(2)、…、cπ(m)，其中π(1)，π(2)，…，π(m)是1、2、…、m的一個全排列。我們以CTSP問題為例，即求解中國31個城市之間最短巡回路線的問題。

求解簡述：路徑表示直接使用城市在路徑中的相對位置，如有編號分別為1、2、3、4、5的5個城市的一條路徑4－1－2－5－3，用路徑表示方法直接可寫為(4 1 2 5 3)。適應度函數值用路徑的實際長度表示。交叉算子采用次序雜交，即選擇父體的兩雜交點，交換相應的段，其它城市則保持在父體中的相應次序。變異算子采用倒位算子，即隨機選擇兩個位置，然后將它們之間的城市反序。通過運用遺傳算法求解，可得最優解為15 404 km，對應的巡回路線為“北京―呼和浩特―太原―石家莊―鄭州―西安―銀川―蘭州―西寧―烏魯木齊―拉薩―成都―昆明―貴陽―南寧―海口―廣州―長沙―武漢―南昌―福州―臺北―杭州―上海―南京―合肥―濟南―天津―沈陽―長春―哈爾濱―北京”。實例講解完成后，可要求學生采用相同或者不同的方案自己去實現一下問題的求解過程。

4結語

人工智能是計算機科學與技術專業的一門核心課程，同時也是一門交叉學科，涉及面廣，理論性強，教學難度較大，學生的學習興趣有待提高。本文作者根據自己在人工智能導論課程中的教學實踐和課程特點，明確了教學中的精講內容和泛講內容，總結了三種提高學生學習興趣的教學方法，并給出相應的實例說明，旨在為本門課程的教師提供教學參考。

參考文獻：

[1] 蔡自興,徐光v. 人工智能及其應用(本科生用書)[M]. 北京:清華大學出版社,2003:288-296.

[2] 薛占熬,齊歌,杜浩翠,等. 離散數學的課堂導入法研究[J]. 計算機教育,2010(8):95-99.

[3] 徐新黎,王萬良,楊旭華. “人工智能導論”課程的教學與實踐改革探索[J]. 計算機教育,2009(11):129-132.

[4] 李春貴,王萌,何春華. 基于案例教學的“人工智能”教學的實踐與探索[J]. 計算機教育,2008(9):53-54.

[5] 楊利英,覃征,賀升平,等. 改進的演化近似算法求解TSP問題[J]. 微電子學與計算機,2004,21(6):126-128.

Teaching Methods for Promoting Learning Interests in Introduction to Artificial Intelligence

YANG Liying

(School of Computer Science, Xidian University, Xi’An 710071, China)

篇（9）

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（10）

人工智能l展將經歷三個階段：第一個階段是邏輯智能。該階段智能以模擬人的邏輯思維為主，可憑借強大的記憶力、存儲力在完全信息下執行單一領域的任務并達到頂尖水平。阿爾法狗（AlphaGo）就是典型的例子；第二階段是抽象智能，該階段智能以模擬人的抽象思維為主，具備經驗推理能力和歸納總結能力，在已知領域里，即使信息不完備，也能做出正確判斷或最優決策；第三階段是靈感智慧，該階段智能以模擬人的靈感思維為主，盡管在未知領域，仍可以觸類旁通，瞬間直抵事物本質或產生新思想。可見，人工智能對腦力勞動的替代逐級深入，對產業的沖擊也將逐級增強。即便如此，現階段產業發展的核心仍然是人才，面對人工智能的逐級替代，產業發展更需要重新審視人才培養的邏輯與重心，塑造以高階智力為主導的人才核心競爭力。

一是培養向機器學習的能力。目前人工智能已在第一階段取得突破性進展，未來會呈現人機協作、各有所長的局面。人機溝通將是日常生產所需的基本技能。不僅如此，機器的計算、記憶、搜索、識別等功能遠遠超過人類，人們需要設法向機器學習，高效歸納人工智能的計算結果，并嘗試利用人工智能的計算結果開發全新的思維方式，重新思考產業發展的模式和規律。

篇（11）

課程設置應與高職教育培養目標和方式相一致

人工智能課程主要講授當今智能領域的理論方法及其應用，是一門涉及哲學、邏輯學、語言學、控制論、生物神經學等多個學科的課程。以普通高校高年級計算機專業學生為講授對象，人工智能課程在教學上一般以理論講授為主，并輔以一些應用實例加以分析。課程本身理論性強，內容較為抽象，因此對學生專業知識基礎的要求高，在教學上往往強調對各種智能理論的深入講解和分析，以此達到提高學生專業理論水平的目的。

當前高職教育中為計算機專業學生所開設的人工智能課程很大程度上沿用了普通高等教育環境下的教學方式和內容，這顯然與高職教育本身培養人才的目標和方式不一致。高職教育的最終目標是要培養適應生產需要的技能型、應用型人才，而高職教育在教學方式上應更為注重實踐教學，包括各種實驗、實訓、實習和設計。因此，人工智能課程中單純的理論講授并不能有效地適應高職教育的實際教學環境要求，有必要對人工智能課程在教學內容和方式上加以改革。

三個改革途徑

（一）引導學生閱讀應用研究文獻

高職教育強調培養學生的知識應用技能，其中重要的一點是要培養學生把理論知識應用到實際生產中的能力。然而在教學實踐過程中，學生普遍反映由于人工智能課程理論性強，難于從課本理論聯系到實際的專業應用上，這樣對激發學生的學習興趣，提高技能應用水平是不利的。

實際上，人工智能涉及的應用領域極為廣泛，其中在專家系統、模式識別、智能控制、數據挖掘、自然語言理解等方面尤為突出，每一種應用都能夠很好地體現出人工智能學科的基本理論方法特點。因此，在課程學習的開始階段，應讓學生按照個人興趣自行選定某個應用領域，在一定的提示和引導下通過檢索有關文獻，訪問相關的科研院校網站等方式獲取資料，了解當前該領域的發展現狀和具體產品的開發和使用情況，最后在課程的結束階段以學習報告的形式在課堂上加以演示和共同討論，這樣可以大大激發學生學習人工智能課程的主觀能動性，開闊學生的知識視野。資料的收集閱讀與思考是知識應用的首要環節，對于培養應用型人才的知識應用技能很有幫助。

（二）安排學生對經典算法程序進行實驗

與普通高等教育相比，高職教育更加強調實踐教學的重要性。從實踐中學習和理解理論知識，并且把所學知識運用到實踐中，這是高職教育的重要特點。人工智能課程內容抽象而概念性強，單純的理論講解學生難以從中得到啟發，也難以體現出高職教育突出實踐教學的特點，為此需要安排學生動手實驗，從實踐中理解人工智能科學的理論原理和應用途徑。

在人工智能科學的發展過程中，先后提出了一些經典的優秀算法程序，如A*算法、遺傳算法、神經網絡的BP學習算法等，在科研和工程實際中得到了廣泛的應用，在實踐教學中同樣有著重要價值。根據教學要求和實際情況，學生并不需要自行設計關于這些算法的具體程序，在提倡開放和共享源代碼的今天，通過網絡能夠獲得大量相關的程序代碼資源。同時，一些軟件平臺也集成了一些工具箱，如遺傳算法工具箱、神經網絡工具箱等，只需設定相關輸入參數和數據，便可通過調用工具箱函數實現算法，極為簡便而易于理解。

學生應通過對這些程序作驗證性實驗來理解所學內容。為安排學生有效地進行實驗，教師應結合當前階段所講授的內容準備相應的算法程序，當該部分內容結束后在課堂上講解和演示算法程序的運行方法。學生獲得該算法程序以及具體的實驗任務后在課后完成實驗并提交實驗報告。

例如，在講授啟發式搜索時，可向學生提供A*算法求解八數碼難題的算法程序，并對某個學生給定某個初始棋盤狀態，要求學生動手運行程序并記錄由算法擴展所得的每個棋盤狀態的估價函數計算結果，以及相應的OPEN表和CLOSED表的變化情況，從中理解A*算法的原理特點。又如，在講授BP學習算法時，可根據學生的實際情況對內容進行調整，強調BP神經網絡的實際工程應用價值，而對BP算法的基本原理只作簡單介紹。向學生提供利用BP神經網絡學習特定目標函數的MATLAB程序代碼后，要求學生動手運行該程序，并且記錄和對比神經網絡在訓練前后對目標函數的逼近效果。

（三）啟發學生引入人工智能理論方法對畢業設計加以創新

畢業設計是高職教育的重要環節，學生通過畢業設計對以往所學知識作系統性總結，通過畢業設計能進一步加強學生的技能訓練，提高學生的技能應用水平。從實踐教學的角度來講，畢業設計不僅僅要求學生對已學知識和技能的簡單重復運用，更重要的是強調學生能夠主動獨立地分析實際問題，對問題的解決方法提出新的觀點并付諸實踐。然而從教學的實際來看，在畢業設計中學生創新的主動性不足，往往停留在繼承和模仿階段，畢業設計作品少有突破和創新。究其原因，并非學生所學知識和技能不足，而是學生未懂得如何分析已有問題，在其基礎上引入新的解決方法或提出新的應用內容。

在計算機領域中，人工智能屬于研究和創新的前沿和熱點，許多舊有問題利用人工智能方法都得到了新的解決途徑。教師在指導學生畢業設計時，可針對某一問題恰當地啟發學生引入人工智能的理論和方法，并嘗試性地運用在解決當前問題之中，這樣能較容易地獲得新的改進和突破，對培養學生創新觀念和能力很有意義。

近年來，高職教育得到了迅速發展，其社會認可度也不斷提升。但是，在發展的過程中也出現了一些新的問題，其中突出的是如何對以往普通高等教育的教學方式和內容加以改革，以適應高職教育的新要求。人工智能課程作為一門重要的計算機專業課程，仍需要結合高職教育的實際要求以及學生的具體情況，在加強培養應用型、技能型人才，加強實踐教學上不斷進行探索和改革。

參考文獻

[1]趙蔓，何千舟.面向21世紀的《人工智能》課程的教學思考[J].沈陽教育學院學報，2004，6（4）：131-132.