時間：2023-08-23 17:00:10
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能教育功能，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞：設計；人工智能；挑戰；機遇
一、引言
第四次工業革命的到來，人工智能作為一項主要的技術，必將鞭策整個人類社會的轉型。很多國家制訂了戰略規劃，在2017年我國也了《新一代人工智能發展規劃》和《新一代人工智能產業三年行動計劃(2018-2020)》，人工智能產業已上升為國家戰略。近年來，在人工智能涉及的領域中，藝術與技術結合，升華到與人工智能的結合且越來越受到重視。阿里智能AI“魯班”已經掌握了上百萬個設計師的創意內容，雙11期間制作1.7億張海報，沒有一張是重復的，而這些工作如果人工制作的話需要100個設計師工作300年；央視節目中“魯班”PK資深設計師取勝等等這些新聞，無不極大地震撼了整個設計行業。設計師會失業嗎？高校的設計教育面對AI的挑戰與機遇如何制定培養目標？如何在新的競爭中占領先機？未來已來，智能藝術設計的路在何方?
二、設計行業面對四大挑戰
（一）驚人的數字
馬云在一次報告中說未來30年人類只工作4個小時，大量的工作崗位會被人工智能搶走；根據白宮的人工智能報告預測，在未來10-20年間，人工智能技術有可能取代47%現有工作。麥肯錫的預測是49%，盛產勞動力的中國和印度的影響最大。Siri之父、人工智能專家溫那（Winarsky）的預測是70%的工作將被取代。不得不說，AI是人類智慧的結晶，正在高速顛覆著人們的生活。
（二）AI設計發展趨勢
AI最容易取代的是簡單設計：如LOGO、UI界面、海報招貼、網站網頁、產品造型、室內家裝、產品包裝……原本這種理想的設計工作不再能提供人生的庇護所，但凡是明確、簡單、重復標準、規則的美術設計與制作工作，未來都容易被取代，傳統設計行業將會萎縮乃至可能逐漸消失。
（三）設計環境惡劣
設計創意無法保護，設計法規沒有限定，設計競價無序，商家廠家缺乏契約精神，設計知識產權無法保護契約，新設計新技術缺乏情趣，設計同質化嚴重……（四）設計教育落后現有設計模式傳統、設計教育落后，設計知識體系缺乏更新、進化，知識性重復訓練、模仿性傳統方法制約了學生創造性情感思維的發展，設計師終身教育觀念的缺失阻礙了設計師的可持續發展，設計知識與設計人才近親繁殖、代際傳遞的情況嚴重。
三、AIDesign發展迅猛
目前傳統藝術設計已經發生智變，使設計更美更快更簡單。人工智能藝術與設計已經一定高水平，如果設計師仍停留在傳統設計水平，就會受到來自機器的“威脅”。但也不全會，除了“創意”部分讓機器無可奈何，人類設計師與機器的競合中，我們要轉變方向注重數字移動媒體策劃與設計、移動媒體用戶需求挖掘、數字移動媒體需求文檔的撰寫、數字移動媒體優化、數字移動媒體UI界面設計、H5設計、App設計、UE用戶體驗設計、虛擬移動媒體設計、信息交互設計等媒體智能設計新技術。高品質藝術、設計依賴于混合增強智能技術。AdobeMax“SneakPeeks”將迎來Adobe全家桶的諸多全新功能，如圖片變視頻、靜態變動態、一鍵設計字體、視頻扣剪、紙盒自動生成、AR呈現、AE一鍵去馬、Ru跨平臺制作（剪輯、混音、調色）、跨平臺同步改稿、人工智能排版等十大看似很科幻但已經實現了的AI功能。華為Mate20手機3D掃描防生建模與成像，以及AI手勢動作捕捉的體感游戲功能，更為我們提供了解放設計生產力的前景。同時MIT研發的工業產品AI設計系統即將面世。主要產品體現如下：
（一）AIVD人工智能視覺設計
AI集成化的成熟產品，比如Adobe系列的產品，軟件低層融入AI技術，更好更快地創作文字和圖像、影音等元素。如AdobeSensei：人工智能做設計的底層技術，集成在Adobe系列軟件中，有字體匹配方案、自動配色方案、基于線稿自動上色、自動校正手繪圖形等。
（二）AIPD人工智能產品設計
Adobe人工智能鞋包設計、IBMWatson智能設計服裝、Autodesk智能設計汽車等。
（三）AISD人工智能空間設計
Prisma智能風格化設計、Autodesk建筑智能生成設計、ZahaHadid參數化設計等產品。
四、設計人工智能教育的發展動向
未來，人工智能教育會加速發展，老師不會被AI取代，但不用AI的老師一定會被取代；未來，老師不是簡單地傳授知識，而是通過言傳身教的溝通交流，對學生進行激勵、鼓舞，成為人類靈魂的設計師；未來，AI將實現規模化和個性化間的平衡，帶來了一種學生易學、教師易教的解決方案；未來，老師作為教學過程中始終核心地位，推陳出新積極善于運用AI技術進一步提高師生教與學的體驗和教學效率。當務之急，要讓更多的老師正視人工智能的快速發展，通過學習AI技術了解人工智能的發展情況，從而改變老師的教育教學觀念和教學方法，引領高品質教育的未來。在未來教育中，教師的角色有三種觀念：1.取代說，2.不可取代說，3.人機協同說大多數觀點是：未來，教師將與人工智能協同共存。未來知識傳授功能會逐步被人工智能取代，而人類教師則應偏重于培養學生的核心素養。正如雷克利福德所言，“科技不能取代教師，但是使用科技的教師卻能取代不使用科技的教師”。如今，拋開先天財富的不同，人與人之間的差距主要來自學習能力的不同。這種差異會加劇不平等，在未來，這種趨勢將會進一步加強。應對人工智能時代，教師除更新教育教學觀念、轉變角色、改革教學模式和方法外，必須堅持終身學習，教師的終身學習，不僅要學習Python之類的AI編程技術，更需要增強對，限于時間和精力有限，分別將有關AI知識技能分為三類，以適應設計人工智能的技術更迭和“一專多能”。
五、結束語
【關鍵詞】計算機 人工智能技術 系統
人工智能（Artificial Intelligence）是研究使計算機模擬人的學習、推理、思考、規劃等思維過程和智能行為的學科，用過對計算機實現智能的原理的研究，制造出類似于人腦智能的計算機，使計算機實現更高層次的應用。隨著信息技術的發展和網絡的廣泛普及，人們教育觀念正在悄然改變，新型的教育模式正在成形，計算機網絡遠程教育迅速發展，然而由于計算機網絡遠程教育發展尚不成熟，實際應用過程中存在諸多問題，而人工智能的引入，則使計算機網絡教育水平提升到一個全新的發展臺階，并展現了其廣闊的發展前景[1]。
一、人工智能技術概況
人工智能是通過研究人的智慧機理和思維過程，利用計算機體現和模擬人的智能行為。人工智能自其正式提出至今短短幾十年內取得飛速的發展，已經成為一種成熟的工具。由于人工智能的效用堪比人的智慧，在進行信息分析處理時可以采取語音識別，實現人機對話，所以其應用范圍自其發展以來逐步向諸多領域擴展，如醫學、建筑學、地質學、機械等，而其研究課題也不斷深入，如專家系統、機器人、自然語言處理系統、博弈等。人工智能具有理解經驗并從中學習、辨別模糊或互相矛盾的信息、快速而成功地對新環境做出反應、在解決問題時使用推理進行有效的推導、能處理復雜的情況、應用知識控制環境等諸多能力。人工智能是一個知識信息系統，知識在人工智能中占據重要的地位，計算機的智能只有通過對知識的發現、儲存、學習、推理和決策才能展現出來。人工智能主要有以下優勢：首先，由于知識儲存與計算機系統中，為人們知識傳播和復制帶來了極大的便利，計算機網絡技術的發展，使知識的傳播和復制突破時間和空間的限制，為人們帶來無限的知識共享。其次，人工智能系統拓展了知識信息獲取渠道，同時在某些任務處理的質量和速度上，人工智能展現的能力驚人的能力，遠非人類所能及[2]。
二、人工智能技術在計算機網絡教育中的應用
（一）智能決策支持系統
智能決策支持系統（IntelligentDecision Support System）是由決策支持系統與人工智能結合的產物，在網絡教育領域的應用展現出廣闊的發展前景。智能決策支持系統在數字圖書館中的應用，則使得決策目標和進行問題的識別更加明確，幫助決策者建立起完善的決策模型，提供多種備選方案，同時對各種備選方案進行選擇、優化、比較、分析，從而使決策者的決策更加準確、有效[3]。
（二）智能教學專家系統
智能教學專家系統ITES（Intelligent Teaching Expert System）是傳統CAI系統轉向的主要方向，是一種開放式交互教學系統，通過智能教學專家系統利用計算機對專家教授教學思維的模擬，從而為教學提供一個良好的智能環境。一方面，學生可以通過智能專家系統獲取知識，另一方面，智能教學專家系統能根據學生的具體實際情況（包括知識儲備、能力、學習方式等）進行知識傳授，從而使教學效果大大提升。在智能教學專家系統中，智能計算機輔助教學占據重要地位，具有以下智能：首先，自動生成各種問題和練習，并在教學內容理解的基礎上，形成問題解決方案，同時還能自動生成和理解自然語言；其次，能根據學生的自身實際情況，對學生的學習內容和教學進度進行合理調整，并對教學內容具有解釋咨詢的能力；再次，能對學生的錯誤進行判斷，評價學生學習行為，并幫助學生糾正錯誤，同時使自身教學策略得到完善。
（三）智能導學系統
智能導學系統（Intelligent Induct-learning System）是現代繼續安吉網絡教育系統的重要組成部分，是實現計算機網絡教育項目的保障。通過智能導學系統，能為學生提供一個良好的學習環境，并能快速地獲取其所需要的各種資源，從而使學習者獲得學習的全方位服務，進而達到學習的成功。智能Agent技術的智能導學系統，可根據學生的具體情況制定符合學生實際的導學策略，并為學生提供個性化、針對性的服務。在這種導學策略下，系統不僅能自動生成各種問題和解決方案，并且能合理規劃、調整學習內容和進度，同時能針對信息反饋內容及時修正導學策略，使導學策略更加合理科學[4]。除了上述3各種系統在計算教學中的應用，還有智能仿真技術（Intelligent Simulation Technology）、智能硬件網絡IHN（Intelligent Hardware Network）、智能網絡組卷系統INES （Intelligent Network Examine System）、智能信息檢索引擎 （Intelligence Information Retrieval Engine）等系統在計算機網絡教學中應用，這些人工智能在計算機網絡教學中的應用，共同推進了計算機網絡教學的發展。
三、結語
計算機網絡教育中加強對人工智能技術的引入，使我國現代計算機網絡教育呈現蓬勃發展的態勢，通過多種智能系統的應用，使計算機網絡教育的學習環境得到極大的改善，計算機網絡教育的時空制約進一步突破，大大延伸了計算機網絡教育的服務領域。隨著人工智能技術在計算機網絡教育中應用的深入研究和發展，未來計算機網絡教育的個性化將會更加突出，遠程教育也將實現更好的發展。
參考文獻：
[1]潘瑞玲，余輪.具有Agent功能的遠程教育系統的設計[J]. 福州大學學報（自然科學版）. 2012（03）：105-106.
[2]何丕廉，蘇成君，郝禎亮.網上虛擬教室中筆記系統的設計與實現[J]. 計算機工程與應用. 2011（18）：239-241.
關鍵詞：人工智能；計算機網絡教學；現狀；運用
中圖分類號：TP393-4
所謂人工智能，就是利用人工方法在計算機上實現智能，也可以說是人工智能在計算機上的一種模擬。人工智能廣泛融合了神經學、語言學、信息論和通訊科學等眾多學科和領域。目前主要存在三條人工智能研究途徑：一是以生物學理論為支撐，掌握人類智能的本質規律；二是以計算機科學為支撐，通過人工神經網絡進行智能模擬，實現人機互動；三是以生物學理論為支撐。
1 人工智能技術的特征
智能技術主要分為兩類，人類和計算機智能，兩者存在相輔相成的關系。利用人工智能技術能夠實現人類智能向機器智能的轉化，相反，機器智能也能夠利用智能教學轉化為人類智能。
1.1 人工智能的技術特征。首先，人工智能具備非常強的搜索功能。該功能是利用相關搜索搜索技術實現對海量信息的快速檢索，滿足個性化信息需求；其次，人工智能具備很強的知識表示能力。具體來講，就是人工智能對信息的行為，能夠像人類智能一樣，對模糊的信息加以表示；最后，人工智能具有較強的語音識別和抽象功能。前者主要是為了對模糊信息加以處理。而后者主要是為了對信息重要度加以區分，以便提高信息處理效率。用戶只需要智能機器提出具體要求便可，至于復雜的解決方案就交給智能程序了。
1.2 智能多媒體技術。首先，人機對話更加靈活。傳統多媒體在人機對話方面極為欠缺，導致教學單調乏味，不能取得預期良好效果，但智能多媒體卻不然，他能夠實現人機自由對話和互動，同時還能結合學生實際對學生的問題給出不同層次的答案。其次，教學可行性更強。由于學生在認知能力和個人素養方面都存在差異，而且學習主動性也不盡相同，人工智能必須要結合學生實際學習狀況，為每一位學生設計制定個性化的學習計劃和學習目標，對學生進行針對性較強的教學，真正實現因材施教。再次，具有強大的創造性和糾錯性。前者屬于人工智能的顯著特征，而后者屬于人工智能的重要表現方面。最后，智能多媒體具有老師特征。在實際教學過程中，智能多媒體可以對教學雙方的行為進行智能評價，以便能夠及時發現教學中的薄弱點，有助于實現教學相長，全面提高教學質量和教學效果。
2 計算機網絡教育的現狀
隨著現代科學的進步，網絡信息的發達，人們的教學觀念和學習觀念都發生了前所未有的改變，網絡時代正全面到來。為了滿足現代社會對人才的實際需求，培養大量現代化優秀人才，計算機網絡教學模式業已成型并不斷完善。目前，高校正規教學模式依然是現代教學主流，盡管在系統傳授知識和規范培養人才方面具有無可比擬的優勢，但在資金投入、效益創收和時空限制等方面具有很大的弊端，靈活性不足，無法有效滿足現代教育的發展要求。
計算機網絡教學對傳統教學形成了巨大挑戰，并產生了深遠影響。它不僅有效彌補了傳統教學的時空限制缺陷，而且賦予了教學極大的樂趣性，吸引了越來越多的人積極投身到網絡教學建設中去，任何人無論何時何地都能夠通過網絡課堂去學習和提高。但目前計算機網絡教學發展仍處于探索期，在實際運用方面還存在許多問題：第一，計算機網絡教學中的學習支持服務體系尚不健全，導學手段和答疑方法還非常落后，由于各種原因，在服務方式上缺乏針對性、策略性和積極性；第二，計算機網絡實驗教學中存在著空間分散、時間流動和自主性差等問題和弊端；第三，計算機網絡的系統承載能力和信息查詢能力還十分有限；第四，如何實現計算機網絡考試的開放性，確保考試的客觀性、公正性、權威性，已經成為網絡教學發展的瓶頸；第五，計算機網絡教學中的核心支撐系統――CAI，還無法有效滿足和適應網絡教學的實際需求和發展要求。
主流CAI課件主要有兩種，一種是單機版的初級課件，包括簡單的Authorware課件、PPT幻燈片和圖文網頁等。一種是高級的網絡版課件。該類課件主要以靜態圖文和動態演示組成的網頁為主，以聊天室、電子郵件和QQ群等形式為輔，實現師生互動、網絡答疑的一種改進型課件。初級課件在實際教學中以操作容易、更新及時和維護方便著稱，但實際上就是傳統教學手段的變相挪用。還有些課件，盡管在互動性方面有著不錯的效果，但是制作繁瑣、更新較慢和維護復雜。因此，高級網絡課件是目前網絡教學中的主流課件，已經成為了計算機網絡課件的固定模板。改進型的網絡課件有效地解決了傳統多媒體在師生互動不足的問題。上述兩類課件是現在最為常見的兩種CAI課件，盡管兩者都有各自的優勢，但作為網絡教學的重要手段，仍存在許多問題和弊端：無法實現因材施教，無法開展層次教學；作為教學的一大主體，學生在個性化交互操作方面仍有很大不足；對學習過程中出現的普遍問題無法進行智能統計、分析和評價等。
3 人工智能技術在計算機網絡教學中的運用
3.1 人工智能多媒體系統。（1）知識庫。智能多媒體已經不再是用來進行紙質媒體數字轉化的工具了，它應該具備相應完善的知識庫，而知識庫里的教學內容要結合教學實際和學生現狀進行針對性、個性化設計。同時，要實現知識庫資源的高度共享，并及時加以更新和補充，如此才能充分發揮知識庫的教學服務作用。（2）教學板塊。教學板塊的設計主要是出于教學綜合性考慮的，教學方法的創新是其關注的重點內容。該模塊的實現要以掌握專業知識、教學策略和人機對話等領域的知識為前提，結合學生實際學習現狀和特點，利用智能系統的現代化技術手段對知識和相關教育措施加以高效搜索。（3）學生板塊。及時掌握學生心理動態和學習狀況是智能網絡教學的一大特征，結合學生實際狀況加以智能評判，進而加以針對性指導和個性化輔導，實現因人施教和因材施教，全面提高學習效率和學習質量。（4）用戶模塊。用戶模塊是智能系統無法忽視和省略的關鍵模塊，整個智能系統的正常運行離不開人工程序操作，用戶需要通過用戶終端將教學內容上傳到網絡教學平臺，才能順利完成教學。
3.2 人工智能多媒體教學的發展。（1）加強與網絡的結合。隨著網絡技術的成熟，智能網絡教學與網絡之間的關系日益緊密，多元化、多維度網絡空間日益成為一種趨勢。互聯網具有信息量大、更新速度快、超時空性等優勢，加強與網絡的結合是人工智能計算機網絡教學未來發展的重要方向。（2）加強智能的應用。人機對話、機器指導的教學模式將成為未來網絡教學的核心模式，傳統教師的角色將逐漸被計算機取代。最為典型的就是現代智能導航系統。（3）加強系統軟件的研發。系統軟件的更新日新月異，舊的系統軟件已經無法有效滿足網絡發展的時代要求，加強系統軟件的研發以便充分滿足網絡要求，更好地幫助學生解決實際問題，進而提高學習效率和教學質量。
4 結束語
人工智能技術在計算機網絡教學中的運用將為現代化教育提供新的發展思路，將全面改善網絡教學環境，拓展學習服務渠道，提高計算機網絡教學質量，并有可能徹底打破計算機網絡教育的時空限制，全面加強網絡教學的開放性，實現網絡學習的個性化、人性化和智能化，充分落實以學生為本的教學理念。未來CAI技術的進一步成熟將全面提高網絡教學的整體格局，我們有理由相信，智能網絡教學將迎來全新的發展春天。
參考文獻：
[1]劉廣鐘，高軍，劉，李吉彬.報文分析技術在計算機網絡教學中的應用[J].計算機教育，2014（01）.
[2]趙冉，朱西方.仿真技術在高職計算機網絡教學中的應用探討[J].河南科技，2014（01）.
關鍵詞:人工智能;理論傳授;實驗訓練;科研訓練
人工智能(Artificial Intelligence,AI)是計算機科學與技術專業的一門重要專業課程,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規劃以及問題求解等思維活動,并以此解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規劃等決策性問題[1]。人工智能是一門涉及數學、計算機、控制論、信息學、心理學、哲學等學科的交叉和綜合學科。目前,人工智能很多研究領域,如自然語言處理、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、智能計算等都走在了信息技術的前沿,有許多研究成果已經進入并影響了人們的生活。
2003年12月5日,國內第一個“智能科學與技術”本科專業在北京大學誕生[2],它標志著我國智能科學與技術本科教育的開始,對我國智能科學技術人才培養和智能科學與技術學科建設起到極大的帶動作用。目前,人工智能課程的教學存在幾個問題:首先,注重講授理論知識,實驗環節滯后,這不利于培養學生的實踐能力,更談不上實踐創新。其次,人工智能是交叉學科,內容比較繁雜,各種教材的內容不一樣,授課沒有統一的體系,學生學習時抓不住重點,不能理解人工智能的根本方法和思想。一般說來,計算機專業的其他課程,如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術,而人工智能技術則是解決非結構化、半結構化問題的有效技術。最后,人工智能科學與技術飛速發展,但目前人工智能只被視為一門專業課,課程講授和人工智能沒有作為一個研究方向結合起來,也沒有把傳授課本知識和引導啟發創新結合起來。
適應知識經濟發展的高等教育,要把培養創造精神和創新能力擺在突出的位置。創新是基礎研究的生命,而高等學校的教學只有與科研緊密結合,才能在培養學生的創新精神方面有所作為。為此,針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創新能力的研究與實踐。在教材上,我們選用了清華大學出版社出版、馬少平等編寫的《人工智能》。我們的教學研究與實踐的主要內容包括三個方面:啟發式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業論文,學校大學生科研項目資助計劃,國家大學生創新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環環相扣,是體系完整的創新型人工智能教學實踐。下面,我們就這三個方面內容展開探討。
1啟發式傳授人工智能解決問題的非結構化思想
現實世界的問題可以按照結構化程度劃分成三個層次[1]:1)結構化問題,能用形式化(或稱公式化)方法描述和求解的一類問題;2)非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;3)半結構化問題,介于上述兩者之間。一般說來,計算機專業的其他課程如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的有效技術。人工智能的教學可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題的解決過程的了解,從而達到培養學生多角度思維的目的。
我們使用的教材主要內容包括搜索和高級搜素、謂詞邏輯和歸結原理、知識表示、不確定性推理方法、機器學習等。這些主要內容也可以相應地歸結為若干個典型算法,如啟發式A*搜索算法、 剪枝算法、元啟發式算法(模擬退火,遺傳算法)、謂詞邏輯歸結算法、貝葉斯網絡、決策樹、神經網絡(BP算法、自組織網絡和Hopfield神經網絡算法)。元啟發式算法是一種啟發式的隨機算法,是用來解決非結構化問題的典型算法,其思想和傳統的決定性算法如動態規劃、分支限界完全不一樣。學生在剛一接觸到這些元啟發式算法一時難以接受和理解其機理,對算法的有效性往往半信半疑。根據非結構化、半結構化問題的特點,講解和演示算法在解決此類問題的具體步驟和詳細過程,從而讓學生掌握人工智能算法的基本思想。在講解不同的元啟發式算法的時候,學生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學習算法的時候,學生會問到底哪個分類算法最好,這時候我們可以把搜索(優化)領域和機器學習領域的“沒有免費午餐”定理進行適當的講解和解釋,從而把具體算法實現層面之上的一些人工智能的哲學思想進行傳授。
在人工智能的具體教學中,采用問題教學法和參與式教學法。在問題教學法中,圍繞人工智能的知識模塊,在引導學生發現各種各樣問題的前提下,傳授知識。教學活動中,嘗試使人工智能知識圍繞實際問題而展現,使問題不僅成為激發學生求知欲的前提,也成為學生期盼、理解和吸收知識的前提,以此激發學生的創造動機和創造性思維。在參與式教學中,打破人工智能算法的枯燥、沉悶的傳統教學法,嘗試開放式教學內容;提問式講課;無標準答案的課程設計;查找文獻,分組動手實現人工智能算法等參與式教學方法,培養和發揚學生的參與意識,通過參與式教學提高學生學習的主動性、積極性和效率,培養學生的動手能力和創新能力。
2成體系的實驗訓練
獨立開展人工智能實驗課程,開發一批新型、富有創意的實驗案例庫,搭建一個創新實驗和虛擬學習社區平臺。人工智能實驗課程的特點是應用各種人工智能方法,根據問題的約束、結構、信息進行表示建模和計算機上實現,是與人工智能原理同步的實驗課程。學生必須掌握的人工智能的基本原理和計算機操作技能,它對于學生的知識、能力和綜合素質的培養與提高起著至關重要的作用,在整個教學過程中占有非常重要的地位,是計算機軟件、計算機應用、計算機網絡、軟件工程等專業的一門重要的必修專業課程。通過實驗,學生得到嚴格的訓練,能規范地掌握人工智能的基本理論和主要方法、基本問題求解技術,熟悉各種計算環境的基本使用。
在培養學生掌握實驗的基本操作、基本技能和基本知識的同時,努力培養學生的創新意識與創新能力。為實現這一目標,在課程內容安排上采用適量基本原理與方法的實驗內容為基本內容,增加一系列綜合性實驗和開放性創新實驗問題,在實驗內容方面更注重研究性實驗中的創新問題。實驗內容方面分為三個層次:基本原理的基礎性實驗、綜合實驗和研究性實驗。在后兩個層次的實驗中,部分引入人工智能課程小組團隊的最新科研成果,目的在于通過完成這些研究性實驗,培養學生獨立解決實際問題的能力,以提升學生的科研素質與創新意識。我們將這些設計實驗稱為新型實驗案例庫,它被放在人工智能課程小組網站上,以此搭建一個創新實驗和虛擬學習社區平臺。通過實驗課程的學習和訓練,學生應達到下列要求。
1) 掌握人工智能方法的優點及其在實際中的應用。
2) 學會對人工智能問題進行分析建模和應用各種計算工具實現問題求解,熟悉對實驗現象的觀察和記錄,實驗數據的獲取與設計,最佳實驗條件的判斷和選擇,實驗結果的分析和討論等一套嚴謹的實驗方法。
3) 鞏固并加深對人工智能原理課程的基本原理和概念的理解,培養學生勤奮學習,求真求實的科學品德,培養學生的動手能力、觀察能力、查閱文獻能力、思維能力、想象能力、表達能力。
4) 通過完成綜合研究性實驗,培養學生獨立解決實際問題的能力,提高學生的科研素質與創新意識。
在培養學生掌握實驗的基本操作、基本技能和基本知識的同時,進一步培養學生分析問題和解決問題的能力,培養學生的創新意識、創新精神和創新能力,為學生今后從事科研、教學或企事業單位的分析檢驗以及新技術的研發工作打下扎實的基礎。
在實驗組織方面,根據各實驗的目的和要求,學生分為5人1組,指定一個組長,每組選擇1套實驗題目。基礎實驗題目要求達到27學時、綜合性實驗題目選擇1題和研究性實驗題目選擇1題,基礎實驗題目要求在規定時間內,小組獨立完成實驗測定、數據處理,并撰寫實驗報告。實驗過程中, 要求學生勤于動手, 敏銳觀察, 細心操作, 開動腦筋, 分析鉆研問題, 準確記錄原始數據, 經教師檢查,實驗及其原始數據記錄才有效。同時,團隊作業,需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學會與他人合作,培養團隊創新能力。
3課程學習與畢業論文,科研訓練相結合
人工智能技術在一定程度上代表著信息技術的前沿和未來,通過學習和體驗人工智能的知識和技術,學生能夠在一定程度上了解信息技術發展的前沿知識,這有助學生開闊視野、培養興趣,為今后繼續深造或走向社會奠定堅實的基礎[3-4]。
人工智能的理論和方法廣泛應用于數據挖掘、機器學習、模式識別、圖像處理中,這些內容既是高年級的后續課程,又是現在熱門的研究方向。學習和深刻理解人工智能的理論、方法和應用,對后續課程學習以及今后的研究具有重要的意義。
我院規定大學三年級的學生開始聯系畢業論文指導導師,同時確定畢業論文的研究方向,提前進行科研實踐,以培養實踐能力和研究素質。人工智能課程正好是大三高年級開設的專業課,因此,我們把課程實驗及設計與同學的興趣相結合,引導學生,并提煉和形成學生的畢業選題和課外的科研方向,它是提高本科生研究創新能力的有效手段。
基于新的教學實踐,很多學生的選題都與上述歸納的人工智能若干算法相關,如算法本身的研究和改進,或是算法在各領域,如數據挖掘、圖像處理等的應用。在我們的科研能力訓練計劃中,一批項目和課題,如混合神經網絡的研究與應用、差分演化算法研究與應用、基于協同訓練的推薦系統等,分別受到國家和學校本科生科研項目立項資助。一批三四年級的本科生以第一作者身份在國內核心期刊、國際會議和期刊上發表學術論文,這激發了學生的科研興趣,使學生體會到了創新的樂趣。
總之,課程學習與畢業論文、學校大學生科研項目資助計劃、國家大學生創新性實驗計劃相對接的科研訓練,極大地提升了學生的創新能力和科研基本素質。
4結語
針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創新能力的研究與實踐。我們的教學研究與實踐主要內容包括三個方面:啟發式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業論文、學校大學生科研項目資助計劃、國家大學生創新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環環相扣,是體系完整的創新型人工智能教學實踐,新的改革和實踐在教學中取得了令人滿意效果。
參考文獻:
[1] 張劍平. 關于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.
[2] 謝昆青. 第一個智能科學技術專業[J]. 計算機教育,2009(11):16-20.
[3] 羅輝,梁艷春. 大學生畢業論文與科研能力培養及就業[J]. 吉林教育,2003(10):18.
[4] 金聰,劉金安. 人工智能教育在能力培養中的作用及改革設想[J]. 計算機時代,2006(9):66-69.
Reform and Practice of Innovative Teaching in Artificial Intelligence
WANG Jia-hai, YIN Jian, LING Ying-biao
(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)
關鍵詞：人工智能；本科高年級教學；教學改革
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與技術學科類各專業重要的基礎課程，在信息類相關的許多高年級本科和研究生都開設了人工智能課程。人工智能是一門前沿性的學科，它主要研究計算機實現智能的基本原理和基本方法，同時人工智能也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。廣義的人工智能涵蓋了模式識別、機器學習、數據挖掘、計算智能、神經網絡、統計學習理論等眾多研究方向。人工智能作為計算機學科的重要分支，已成為人類在信息社會和網絡經濟時代所必須具備的一項核心技術，并將在未來發揮更大的作用。
由于人工智能課程的學習難度較大，內容更新比較快，也繁多，使得教學有一定的難度。特別是針對本科高年級的人工智能教學，由于本科生的研究意識相對較弱，而人工智能比較強調科研性，所以如何教好本科高年級的人工智能課程是一項非常具有挑戰性的任務。
本文通過分析本科高年級的教學特點和人工智能課程的自身特點，在如何提高教學質量這一問題上提出了幾點思考。
2 本科高年級的教學特點
中國的本科教育，由于歷史和經濟發展水平等諸多原因，目前的定位還是培養某方面專業人才的專才教育。本科高年級學生在完成了低年級公共基礎課程和部分專業基礎課程的學習之后，迫切希望了解本專業的應用領域和發展前景，所以在教學過程中要注意內容的應用性和專業性。另一方面，本科高年級學生也是研究生教育的儲備人才，在教學過程中要適時的進行科研引導，這樣能夠讓畢業生保持對科學的興趣，從而為研究生階段進一步深入研究打下基礎。本科生一般于4年級的10月份開始著手畢業設計，在本科高年級的教學過程中還要注意與畢業設計的內容相結合，這樣可以讓學生提前做好準備，選擇適合自己的方向。
3 人工智能課程的學科特點
與信息類其它專業課程相比，人工智能具有應用性、研究性和發展性三個重要學科特點。首先，人工智能是一門應用性很強的學科。人工智能學科的主要目標在于研究用機器來模仿和執行人腦的某些智力功能，并開發相關理論和技術。人工智能技術廣泛應用于模式識別、數據挖掘、智能控制、信息檢索、智能機器人等領域，在日常生活中，隨處可見人工智能技術的應用實例；其次，人工智能技術具有很強的研究價值，是計算機科學領域中重要的研究方向。技術進步無止境，研究者們不斷追求開發出效率更高、更智能的人工智能技術：最后，人工智能是一門正在發展中的學科。隨著信息化、計算機網絡和Internet技術的發展，人類已步入信息社會和網絡經濟的時代，它們為人工智能提出了許多新的研究目標和研究課題，人工智能的應用領域以及技術算法都在不斷發展。
4 人工智能教學的三點思考及對策
4.1 注重應用性和介紹性
在教學實踐中，筆者發現，本科高年級學生一般比較關心各種人工智能技術的應用領域和使用方法，而對基礎性理論和技術細節不是很感興趣。他們一方面希望能學到很多較新和較實用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老師的教學主要停留在介紹性層面，不想花太多時間在復雜的理論理解上。這也比較符合本科高年級的教學特點，本科階段主要是培養具備較強應用性和基礎科研素質的專業人才。傳統的人工智能教學主要講授知識表示和搜索推理技術，大部分實例都是解答式或推證式的。由于其知識的抽象性，又加之其應用實例較少，所以往往教師感覺難講，學生在學習過程中也感覺乏味，對講授的內容大多都是死記其方法和步驟，因此影響了教學效果。針對這一問題，筆者認為，在設計人工智能教學時，要注重內容的新穎性、實用性和介紹性。除了講授那些仍然有用的和有效的基本原理和方法之外，要著重介紹一些新的和正在研究的人工智能方法和技術，特別是近期發展起來的方法和技術，如支持向量機、決策樹、模糊集、遺傳算法、蟻群算法等。這些內容的理論部分可以不必過分深究，教學重點主要放在介紹每種技術的產生背景、發展狀況、應用領域和具體實現上。此外，要注意理論與實際應用密切結合，在教學過程中加入一些與課程內容結合的、可以用計算機實現的實際應用內容。考慮到目前應用最廣泛的人工智能領域之一是模式識別，而研究模式識別的主要計算機工具是Matlab，所以筆者在教學過程中以手寫數字識別作為教學實例，針對所介紹的每一種人工智能技術，都將其應用于手寫數字識別當中，并講解了這些技術的Matlab實現方法。學生在掌握了基本理論之后，可以按照實現步驟的指導，立刻上機見到算法的實際效果，加深對算法實現思路和方法的認識。
4.2 注重科研引導性
本科教學不僅要培養學生的應用能力，還要培養學生具備基本的科研素質。本科教育一方面為社會培養了大批應用型人才，另一方面也要為我國的科研事業培養后備力量。特別是近幾年來我國對科研的投入不斷增加，研究生招生規模逐年增大，本科高年級學生打算繼續讀研的也不在少數。而人工智能是計算機相關學科非常活躍的研究課題，其涵蓋的分支非常廣泛，如模式識別、機器學習、數據挖掘、計算智能、統計學習理論等，都是目前國際和國內熱門的研究方向。針對這一特點，在本科高年級的人工智能教學中，還要注意對學生適時適度的科研引導。這樣可以激發學生的研究興趣，樹立目標意識，找準研究方向，為未來的科研工作打下基礎。在教學過程中，可以引導學生思考每種人工智能技術的優點是什么?缺點是什么?有沒有改進的辦法?比如BP神經網絡是計算智能中較為成熟的技術，具有強大的非線性學習能力，在模式識別、經濟數據分析、生物信息學、數據挖掘等眾多領域都取得過成功應用。然而BP神經網絡算法自身也存在著一些缺點，如會有局部最小解、解受初值影響較大、理論解釋不完善等。近十年來，研究者逐漸把目光轉移到另一種新的非線性學習工具――支持向量機上。同神經網絡相比，支持向量機具有泛化能力強、不受局部最小問題困擾、理論背景完善等顯著優點。在給學生講解BP神經網絡算法的時候，一方面可以通過手寫數字識別實驗展示其強大的非線性分類能力，另一方面也要告訴學生，BP神經網絡并不是完美的，其缺點同樣明顯。然后引導學生對這些問題進行思考，討論有沒有更好的解決辦法。此時，順勢引出支持向量機的內容，并且介紹支持向量機的研究現狀和研究方向。通過兩者的對比，學生不但了解到了較新的人工智能技術，又對人工智能研究中如何去發現問題、解決問題、人工智能技術的進化歷程有了直觀的印象。
4.3 教學內容與畢業設計相結合
本科畢業設計是對本科生用所學知識來解決實際問題和進行專業研究能力的檢驗，是本科高年級學生將要面臨的一項重要任務。由于人工智能學科具有應用性和科研性的特點，人臉識別、網頁檢索、經濟預測、基因數據處理等應用領域都離不開人工智能技術，所以人工智能方向為學生提供了豐富的畢業設計選題。針對這一特點，在本科高年級的人工智能教學中，可以適當穿插介紹有關畢業設計的內容。告訴學生哪些應用領域是目前人工智能研究的熱點方向，哪些人工智能技術可以用來解決這些問題。通過向學生介紹具有一定應用價值和研究意義的題目，然后引導他們查找閱讀相關技術文獻，分析問題，解決問題，最后編寫代碼和撰寫論文。比如筆者給學生提供的選題包括：(1)基于支持向量機的上市公司信用評價；(2)正則化回歸在股票預測中的應用；(3)基于膚色的人臉檢測；(4)基于內容的網頁圖像檢索等。這些題目應用性強，具有一定科研深度但是難度又不至于太大，學生選擇這些題目的積極性很高。通過將教學內容與畢業設計相結合，不但加深了學生對課程的理解，又使其找到了合適的畢業設計題目，可謂一舉兩得。
關鍵詞：智能教學系統；模型；局限
中圖分類號：TP315 文獻標識碼：A 文章編號：1673-8454(2012)03-0007-03
智能教學系統(Intelligence Tutoring System，簡稱ITS)是把人工智能技術引入到計算機輔助教學系統中，應用人工智能技術開發出能夠因材施教的教學系統，使“計算機導師”貼近人類教師的水平，具有推理、診斷、決策的能力。能夠根據每個學習者的特點制定教學計劃，選擇教學策略，實現因材施教。
一、智能教學系統的模型及功能
基于教育學、心理學和教學設計原理分析，智能教學系統模型應包含學生模塊、教學策略模塊、知識庫和智能接口幾個主要模塊，各模塊的系統結構如圖所示。
學生模塊記錄每個學生原有的知識水平和學習能力。其依據為學生與系統之間的交互問答歷史，并對每個學生的學習進步情況進行動態調整。這樣，系統通過學生模型就可隨時了解每個學生的情況，有的放矢地進行個別化教學。
教學策略模塊根據學生模塊情況和知識庫做出智能化的教學決策，評判學生的學習效果，幫助學生分析錯誤原因。提出改進方法和意見等。
知識庫存儲所要教的學科領域知識和教學知識。
智能接口能夠理解自然語言，實現更普遍意義上的人機對話。
智能教學系統與傳統CAI相比，具備以下功能：
第一，了解學生的學習能力、學習基礎和當前的知識水平，以此為依據為不同的學生做出不同的教學決策，有針對性地進行個別指導，并在學習過程中根據學生進度自動調整學習內容，具有適應能力。
第二，允許學生用自然語言與“計算機導師”進行人機對話，并能對帶有學生個性特點的問題做出解答，從而具備更好的交互能力。
第三，能診斷學生學習過程中的錯誤，并分析錯誤原因和給出解決方案，在此基礎上逐漸積累“經驗”，從而具備糾錯能力。
第四，大大拓寬了CAI的模式，例如建立虛擬教室、智能導師系統、教學模擬等。從而使CAI不再是簡單的課本搬家、教室搬家，而具有更多的創造能力。
二、智能教學系統的局限性分析
智能教學系統雖然較傳統CAI在諸多方面有很大改進。但就智能教學系統的工作原理以及目前的研發現狀而言，應當冷靜地看到，它自身也存在一些固有的局限性。
要計算機解決某個問題，有三個基本的前提：必須把問題形式化、必須有一定的算法、必須有合理的復雜度。由于人的智能活動不能完全形式化，因此，機器就不能將人腦的智力活動全部復制出來。教育是一種人類所特有的活動，基于人工智能技術的智能教學系統在教育中的應用也存在局限性。
1.智能教學系統不能實現自我更新，自我改進
智能教學系統的設計原理是把現有的專家的知識和教師的教學方法和策略集中到一個數據庫中。隨著現代社會知識的迅猛增長，教育理念的不斷更新以及教學模式和教學方法的不斷改進，智能教學系統無法像人類教師那樣跟隨時代的變化而實現知識庫的自我更新以及教學策略模型的自我改進。還需要人從外界對整個ITS進行翻新，甚至需要從一種新的教育理念出發，重新設計ITS。智能教學系統的自我更新涉及機器學習這個難點。
2.智能教學系統適用的學習領域存在局限
以智能模擬的方法實現的人工智能應用于教育中時，并非適合所有的學習領域。人的智能活動可以分為四個領域。領域一是“刺激――反應”領域，其中包括任何形式的條件反射，與上下文環境無關的、各種形式的初級聯想行為，最典型的如無意義音節的機械學習。領域二是數學思維的領域，這是比較適合于人工智能的領域。它是由概念世界而不是感知世界構成，這一領域中的問題完全形式化了，并可以計算，這一領域又可稱為簡單形式化領域，典型的例子如邏輯和有精確規則的游戲。領域三是復雜形式化領域，這是比較難把握的一個領域。這一領域包括原則上可形式化而實際上不易駕馭的行為，包括那些不能用窮舉算法處理的。因而需要設計啟發程序的系統，如圍棋。領域四可稱作非形式化行為領域，包括有規律但無規則支配的、我們人類世界中的一些日常活動，這一領域又稱作感知思維領域。在這一領域內解決問題都是直覺的遵從，無須求助規則。包括一些規則不確定的游戲，如文字猜謎游戲。以上四個領域中前兩個領域適合用數字計算機模擬，第三個領域只是部分可程序化，而第四個領域則很難駕馭。
與此相對應的，根據加涅的學習結果分類，學習分為言語信息、智慧技能、認知策略、動作技能和態度五類。言語信息分為符號學習、事實學習和有組織的知識學習，這些屬于可形式化內容，適用于智能教學系統；智慧技能分為辨別、具體概念、定義性概念、規則和高級規則，其中前四項屬于可形式化內容，適用于智能教學系統，而高級規則屬于復雜形式化內容，部分內容不適用于智能教學系統；動作技能和態度領域的學習。在其認知成分中可以使用智能教學系統，但情感和行為成分等非形式化內容，則難以用智能教學系統來實現。
因此，并不是所有的學習領域都適用于智能教學系統。智能教學系統在教育中應用的重點應放在認知領域中的符號學習、事實學習和有組織的知識學習、辨別、具體概念、定義性概念以及規則這些學習內容上。
3.與學生之間無法暢通交流
教育是一種交互活動，智能教學系統的交互功能雖然較傳統CAI有所改進。但仍然缺乏在學生和計算機之間交換信息的自然的、暢通的途徑。系統只能通過學生輸入計算機的信息來判斷其掌握和內化程度。而無法像人類教師通過自然狀態的交流和觀察來判斷學生的真實情況，因此，“機器智能”很容易被蒙蔽“雙眼”，無法做到像人與人之間那樣自然暢通的交流。此外，系統在遇到新的學習情境時。不能理解和產生對話，這會影響智能教學系統功能的實施。
4.決策和推理機制不完善
智能教學系統的關鍵智能所在是其決策和推理機制，即“教學策略”模塊根據不同學生的具體情況通過推理做出靈活決策，這種決策基于學生模塊提供的學生的知識水平、認知特點和學習風格。智能教學系統雖然加入診斷系統并不斷調整對學生學習水平的判斷，但由于學習風格、認知特點等不能完全被形式化，因此，根據系統的教學策略模塊中預先存入的診斷知識來評估不同學生的學習過程和理解每個學生不同的推理過程也是有局限的。
三、智能教學系統在教育中應用的建議
1.不能忽略教師的作用
雖然智能教學系統具有“智能性”。但在使用它的過程中，決不能放棄教師的主導作用。要明確教師是教學的設計者和教學過程的主導，應該把智能教學系統的應用納入到教學設計中。教師作為教學的“主導”。要引領教學
全過程，時刻注意學生的學習狀態、學習程度、情感交流，盡量照顧到每個同學。ITS不是將教師擱置了。而是把教師從ITS能做的事情中解放出來，有更多的時間去從事機器所無法替代的事情。例如，計劃教學，開發教學補充材料，示范成熟的行為，啟發、引導學生去克服遇到的各種困難。特別是一個優秀教師對學生的態度和道德的影響和培養，是任何智能教學機器所無法取代的。所以，在利用智能教學系統教學的過程中，不能用智能教學系統取代教師，不能忽略教師的指導作用。
2.注意教學模式的運用
作為一種教育技術的實現，ITS主要依賴于各種技術的發展，但作為一個能夠實施完整教學過程的教學系統，ITS的應用效果更多地依賴于所采用的教學模式。長期以來，傳統CAI在教學中的應用都以個別化教學模式為主。但隨著認知心理學的發展，基于建構主義學習理論的以“學”為中心的教學模式逐漸受到青睞。這種教學模式更能滿足學習者的個性化要求，也為協作學習創造了更大的可能性。目前，協作學習模式因其利于培養學生的多樣化思維和合作精神而日益受到重視。同一個智能教學系統，用于個別化教學模式和用于協作學習模式就會產生截然不同的教學效果。因此。在利用智能教學系統時，要注意根據教學內容和教學目標靈活采用個別化教學模式或協作學習模式。
3.有效與網絡相結合
隨著多媒體技術和Internet網絡的飛速發展，多媒體教育技術與Internet的進一步融合，ITS不僅僅在人工智能上單一發展。它要向多維的網絡空間發展。網絡化成為當今世界ITS系統的一大優勢和特色。“無機不聯”正是現代教育計算機使用情況的真實寫照。智能教學系統應與網絡相結合。借助網絡的優勢，完成在線學習、實時討論、網上測試等多種教學任務。學生可以在學校或家中通過計算機登錄到系統，系統按其不同的認知水平為其準備不同難度的教學內容。完成學習時，系統通過自適應的測試確定學生新的認知水平，作為其下一次登錄學習時為其準備學習內容的依據，并向學生提出進一步需學習內容的建議。學生在學習過程中可以實時地與其他在線的學習者進行討論，并可通過E-mail的形式與教師進行交流。教師可以使用自己的計算機，在教研室或家中登錄到系統，檢查學生的學習進度，學習情況。并依據學生的實際情況，有針對性地對教學內容、測試內容進行更新。網絡與智能計算機輔助教學系統有機結合，相互補足，必將構建成一個新的系統工程。
參考文獻：
[1]王士同主編.人工智能教程[M].北京：電子工業出版社，2001.
[1]王永慶.人工智能原理與方法[M].西安：西安交通大學出版社，1998.
[3]何克抗.計算機輔助教育[M].北京：高等教育出版社，1997.
摘要：本文從計算機學科本科的教學理念出發，提出了從計算機學科分支的角度認知人工智能，組織并實施教學的方法。
關鍵詞：人工智能；綜合學科；計算機學科分支
中圖分類號：G642
文獻標識碼：B
1引言
目前國內流行的人工智能教材都是把人工智能學科作為由計算機科學、心理學、神經生理學、控制論、信息論、語言學等多種學科相互滲透的綜合學科加以介紹。這些教材核心內容雖然相同，但作者編寫教材的思路卻有不同，有些教材以智能體(agent)的觀點論述，還有一些教材以應用為目的來論述。這些教材對于各相關領域從事人工智能科研與工程的技術人員來說，是比較適宜的。但對于我國高等院校計算機專業的本科學生來講，卻存在一些問題。不僅是由于在一門課程中涉及眾多學科的知識，使學生難以接受，而且講授的角度不能與前期所學知識緊密配合，也增加了學習的困難。
人工智能是由多種學科相互滲透的綜合學科，但它是明確屬于計算機科學分支的學科。這是因為從功能上和方法上人工智能與計算機學科是一致的。實際上，人工智能不僅使用了許多其他計算機學科分支的技術，而且在發展過程中，也開拓了許多新的方法和技術，充實了計算機學科。若按計算機處理的對象來區分計算機應用的話，則可分為三個部分：數值計算、數據處理與知識處理，人工智能就對應知識處理工作。
對于我國高等院校計算機學科的本科教學來講，人工智能課程的課時一般只有40課時左右。以什么角度組織教材內容，提高教學效果，使學生較容易地理解和掌握人工智能的原理與技術呢？通過多年的人工智能教學實踐，我們逐漸總結出了進行人工智能教學的方法：既從計算機學科本科的教學理念出發，考慮人工智能這門學科的特點，以作為計算機學科的一門分支的角度認知人工智能，組織教材的知識架構并進行教學。用計算機學科的觀點分析人工智能的基本原理與方法時，重點強調的是這些基本原理與方法與其他的計算機分支的共同點和不同點。共同點是強調計算機學科的本質，不同點是強調人工智能的本質。
2計算機學科本科的教學理念
計算機學科本科的教學理念可以歸結為：傳授知識、提高能力、培養素質(包括專業素質與品格素質，專業課以專業素質為主)。其中，原來作為教育核心的知識現被看成是教育的基礎，即把知識作為載體，用來實現能力的提高，在潛移默化中實施素質教育。高等院校對學生能力的培養主要包括：學習能力、分析問題與解決問題的能力以及創新能力。對于本科學生，重在學習能力與分析問題與解決問題的能力，對創新只是培養興趣。素質是知識和能力的升華，計算機專業素質顯示的是這一領域的水平，素質水平的提升也將通過知識的增多和能力的增加體現出來。
3以計算機分支的角度認知人工智能
什么是人工智能？目前人們普遍接受的定義是：用機器來模擬人的智能，也就是用計算機來模擬人的智能。若以計算機分支的角度也就是用計算機學科的觀點看待人工智能，我們需從兩個方面加以說明。
首先，從計算機的能力，也就是它能做什么講起。用計算機解決某種問題，需要有三個基本的條件：第一，必須把問題形式化。第二，問題是可計算的，就要有算法。第三，問題要有合理的復雜度。人的智能所能解決的問題往往不能滿足這三個條件。因此，人工智能就是對于不能滿足這些條件的問題，通過使用它的技術和方法，使問題滿足這三個條件，由計算機去解決問題。比如，一般來講不可能將自然語言全部形式化，但人工智能使用一階謂詞邏輯表示自然語言的部分句子，并用算法進行推理，解決一定范圍的問題。另外，使用啟發式搜索可降低問題的復雜度，使問題在可能的范圍內得到解決。
其次，從計算機的核心技術加以闡述。用計算機解決問題是靠程序實現的，程序是什么？一本經典的計算機教科書的名字“算法+數據結構=程序”給出了解釋，這說明在計算機學科中算法與數據結構的核心地位，一般的計算機程序也確實可分成這兩個部分。而作為典型的人工智能程序可分成三個部分，控制部分(推理機)、規則庫和數據庫。其中，控制部分和規則庫對應于算法，數據庫對應于數據結構。實際上，控制部分由搜索策略和推理機制組成，規則庫是將一般計算機程序的算法中的與實際問題有關的知識抽出來單獨組成。而數據庫往往用來存放一些基本的事實和一些中間的結果，也常常采用知識表示的方法，因此，人們也經常把規則庫和數據庫合稱為知識庫。在人工智能程序中與算法與數據結構對應的正是人工智能的兩大核心：搜索和知識表示(包括推理)。
4以計算機分支的角度組織并實施教學
人工智能為了模擬人的智能，處理的對象是知識，知識處理則需采用知識表示。又由于往往沒有確定的算法，只能使用搜索。本文的觀點是人工智能課程的教學內容應以知識為主線，以知識表示和搜索為基石進行組織。
首先，教學的第一個核心是知識表示。知識表示就是研究用計算機來表示知識的方法，這些方法需滿足兩個條件：除了計算機可接受這個條件以外還要能刻畫智能行為。這是與一般的數據結構不同的地方。什么方法適合呢？由此引出了邏輯表示方法。
形式邏輯是關于思維的形式和規律的科學，數理邏輯從邏輯上講是現代的形式邏輯，是用符號和數學的方法來研究推理規律的學科。數理邏輯一般是指命題邏輯和一階謂詞邏輯。一階謂詞邏輯比命題邏輯表達能力強，邏輯的表達方式與人類的自然語言接近，因此，用一階謂詞邏輯作為知識表示工具容易被人接受。不僅如此，由一階謂詞邏輯表示已知條件和所要證明的定理，使用歸結原理則可建立計算機程序實現自動定理證明(半可判定算法)。這一過程是在Herbrand定理的基礎上得以成立的。由于人工智能中的許多問題都可以化成類似于定理證明的問題，因此可以把與Herbrand定理有關的一系列工作看成是表示和推理的理論基礎。評價知識表示方法的性能，即要考察表示能力，又要考慮是否有效地支持知識的推理。顯然，具有充分的表示能力又有堅實的理論基礎的表示方法是最使人放心的，一階謂詞邏輯恰好滿足這一條件。
在這一部分的講授中，將通過一系列的演變過程，展現出如何將一組謂詞公式轉換成子句的集合，又如何通過使用置換與合一的手段，達到可以應用歸結推理規則，而最終得到證明的目的，而這一切又都是在有嚴格的定理保證之下完成的。這些內容的講授，對于培養學生嚴緊的邏輯思維能力是一個極好的實例。
邏輯表示與歸結推理方法是知識表示的基礎部分，用來說明人工智能系統進行推理的原理。而作為真正最實用的產生式表示法將通過Horn子句的正向推理和反向推理過程引入，產生式表示法中的帶與不帶變量的正、反向推理相當于命題邏輯和一階謂詞邏輯層面的Horn子句的正、反向推理。作為結構化表示的語義網絡和框架表示法也以一階謂詞邏輯為基礎，它們均可轉變成為等價的一階謂詞邏輯的表示形式。
在教學中，關于其他知識表示方面的內容，比如：產生式規則、語義網絡、框架，都以一階謂詞邏輯為基礎給以說明。關于產生式表示法在人工智能的心理學認知體系結構中，被看成是人的思維中因果關系的一種反映，而在本文中則看成是一種類似于Horn子句形式的一種表示。在講授時將這些內容作為一個整體，說明原理與實用方法之間的關系，根據實際問題的需要，可以降低表示的能力。而另一方面，為了解決實際問題，可以擴充表示的能力。
一階謂詞邏輯表示的能力雖然在通用的表示法中是最強的，但是知識與客觀真理不同，它總是局部的、片面的或表面的，這在常識中尤為明顯。在解題過程中還會不斷地更新，知識表示要適應這個特點，采用經典的一階謂詞邏輯表達有困難，這就需要用非單調邏輯來表達。另一方面，在人工智能處理的信息和知識中，存在大量的不準確、不完全、不一致的地方，這又需要研究關于不確定性知識的表示和推理的研究。實際上，非單調邏輯和不確定性推理部分在教學中將作為知識表示的擴展加以介紹。機器學習作為人工智能的重要組成部分，它的主要方法都是基于歸納推理，也可以看成是非經典邏輯的應用。
人工智能教學的另一個核心是搜索問題。一般來講，用計算機求解問題，就是用已知的知識，對于給定的數據進行加工，期望得到解答，其解法則由某種程序來表述。其他的計算機分支處理的問題，往往知識比較充分，例如多數的科學計算問題，就可以在看到數據以前根據知識寫出程序，這個程序對于一切數據都是適用的。而人工智能處理的問題知識不夠充分，或程序太復雜，此時可以寫出一個元程序，對于給定的數據，它根據知識，做出一個程序專門加工這些給定的數據。這時，這個元程序可以通用于一大類知識，通常并不包含領域知識的具體細節，因此，對于這個元程序的研究就脫離了問題的具體領域，成為人工智能內部的課題，這正是搜索。
在教學中，通過掌握知識的多少來講授各種不同的搜索。搜索是由于知識不足而產生的，同時搜索與知識是相輔相成的。當知識較多時，搜索的工作量不多，可使用一些盲目的搜索策略。當知識較少時，搜索的工作量較大，則需使用一些啟發式的搜索策略。啟發式搜索是搜索方法中需重點說明的，它起到了降低被求解問題復雜度，提高搜索效率的作用，但太強的啟發信息，往往找不到最佳解。如何能減少搜索范圍，提高搜索效率，而且還保證找到最佳解，這成為搜索方法應明確的問題。A*算法是N.J.Nilsson在20世紀70年代初的研究成果，他解決了這個問題，證明了A*算法的可采納性。類似于定理證明，在教學時也將A*算法及其有關證明看成是搜索方法的理論基礎加以介紹。
在搜索部分的教學中，除了把A*算法及其有關證明作為重點，當作是搜索方法的理論基礎來講解以外，還要給出若干搜索算法。一方面，這些算法說明了各種搜索的方法，另一方面，在這些算法中經常有一些算法細節抽象的技巧，對這些內容的細致分析，將會逐漸提高學生抽象思維的能力。
在實際的知識庫系統中，回溯和與或樹的搜索算法應用較多。而當問題的有關知識較少，規模大到一定程度之后，往往采用引進了隨機因素的搜索算法，比如：模擬退火算法、遺傳算法等。現在，這些算法一般稱為高級搜索，教學時作為搜索的擴展來講授。
人工智能技術方面的研究往往涉及各應用領域的課題。反映到教學中，就是人工智能的各個分支的介紹，這包括知識庫系統、自然語言理解、規劃、機器人等。
總之，教學內容可分成兩個部分，第一部分是基礎理論和基本方法，包括：邏輯表示與歸結推理方法、搜索原理，知識表示(包括產生式系統、語義網絡、框架)、推理(包括不確定性推理、非單調推理)、機器學習。第二部分是實用技術，包括知識庫系統、高級搜索、自然語言理解。
5結束語
經過長期的人工智能教學實踐，筆者逐漸形成了以計算機學科分支的角度來講授人工智能課程的思路。從學生的接受、理解和掌握人工智能的基本原理與技術方面來看，有較好的效果。但如何把計算機學科和其他人工智能所涉及的領域更完美地結合起來，較好地在教學效果與寬廣的知識面之間找到平衡點，還需今后進一步的研究與探索。
參考文獻
[1] 賁可榮,張彥鐸. 人工智能[M]. 北京:清華大學出版社,2006.
[2] 馬少平,朱小燕. 人工智能. [M]. 北京:清華大學出版社,2004.
[3] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2004.
[4] 馬希文. 邏輯?語言?計算－馬希文文選[M]. 北京:商務印書館,2003.
[5] 高濟,朱淼良,何欽銘. 人工智能基礎[M]. 北京:高等教育出版社,2002.
[6] 中國計算機科學與技術學科教程2002研究組. 中國計算機科學與技術學科教程[M]. 北京:清華大學出版社,2002.
[7] Stuart Russell, Peter Norvig. 人工智能－一種現代方法[M]. 北京:人民郵電出版社,2002.
[8] Nils J. Nilsson. 人工智能[M]. 北京:機械工業出版社,1999.
市場層面上，隨著曠視科技Face++C輪融資4.6億美元、商湯科技B輪融資4.1億美元、明碼生物科技B輪融資2.4億美元等多筆融資的完成，眾多國內人工智能初創公司再次創下驚人的融資數。而據美國公司TechCrunch統計，今年自動駕駛領域全球融資的數額到11月初已經達到14億美元，已經遠超去年全年的6.3億美元，全球資本市場對于人工智能在無人駕駛的發展也無疑是看好的。據易觀咨詢的《人工智能理財市場專題分析》報告，人工智能在金融的應用已被提至新高度，預計中國人工智能理財規模到2020年將達到5.22萬億。
今年9月，高盛在其的《中國在人工智能中崛起》報告中也提到，中國已經成為人工智能領域的主要競爭者，BAT將是中國第一批人工智能受益者。值得注意的是，離開中國大陸七年之久的谷歌已經借AI實驗室成立選擇回歸。而以百度、阿里巴巴，騰訊為首的互聯網巨頭也紛紛宣布全面布局人工智能領域，并且實施了多起海外并購。晨哨集團研究部也根據并購決策方及標的在業界的影響力、并購產業鏈布局及并購金額等綜合因素選取出人工智能領域10宗有代表性的跨境并購案例：
百度收購硅谷科技創業公司xPerception今年4月份，百度宣布收購硅谷科技創業公司xPerception，具體金額未透露。
xPerception是創立于硅谷的初創公司，是一家專注于機器視覺軟硬件解決方案的科技公司，面向機器人、AR/VR、智能導盲等行業客戶提供以立體慣性相機為核心的機器視覺軟硬件產品，此前曾獲得真格基金天使投資。
針對此次并購，百度表示，收購之后xPerception的核心團隊均加入百度研究院，加速包括AR、自動駕駛和機器人在內的百度人工智能業務矩陣的產業化。
百度全資收購美國初創公司KITT.AI今年7月份，百度宣布全資收購美國初創公司KITT.AI公司，并把KITT.AI公司的語音能力和自然語言處理能力融入到百度平臺中，全面免費向百度的合作伙伴賦能開放。知情人士透露，本次收購的價格也在億元之上。
資料顯示，KITT.AI成立于西雅圖，是一家專注語音喚醒和自然語音交互技術的公司，曾經入選了美國知名創投研究機構CB Insights人工智能創業一百強，并獲得微軟聯合創始人Paul Allen和亞馬遜子公司Alexa投資。公司創始成員包括JHU博士姚旭晨(CEO)、JHU博士陳果果(公司CTO)等。
Kitt.AI共開發了三款產品：Snowboy(可定制的詞典檢測引擎)，NLU(多語言自然語言理解引擎)和ChatFlow(多圈談話引擎)。
百度表示，收購KITT.AI是利用其強大的語音能力和自然語言處理能力用在軟硬結合的過程中強化體驗，而百度在AI領域的廣泛布局為對于KITT.AI技術的落地應用提供了良好的現實基礎。
百度、螞蟻金服、啟明創投等參投數據庫人工智能平臺TigerGraph3100萬美元A輪融資今年11月，企業級實時圖數據庫人工智能平臺TigerGraph在華創思享會上宣布獲得3100萬美元A輪融資，本輪融資來自啟明創投、百度、螞蟻金服、華創資本等公司。
資料顯示，TigerGraph，是新一代企業級的實時圖數據庫平臺，總部位于紐約，它的技術突破代表著圖數據庫演進的下一個里程碑——一個完整的、分布式的并行圖計算平臺，能夠支持網絡規模數據的實時分析。其技術能夠支持網絡規模數據的實時分析，可適用于大圖——深度鏈接分析的最佳模型。他們能夠探索、發現和預測關系，并且應用于個性化推薦，反欺詐，供應鏈物流優化，企業知識圖譜等，其客戶包括支付寶、VISA、軟銀、以及美國的wish等知名初創公司。
騰訊跟投人工智能創業孵化器Element AI A輪1.02億美元融資2017年6月，加拿大人工智能咨詢公司Element AI宣布獲得1.02億美元A輪融資，由Data Collective(DCVC)領投，Tencent(騰訊)Intel Capital(英特爾投資)，Microsoft Ventures(微軟創投)等跟投。
資料顯示，Element AI是一家人工智能創業孵化器，于2016年10月由機器學習先驅YoshuaBengio等共同創立的。Element AI宣稱，為全球網絡安全，金融科技，制造，物流和運輸，機器人等領域的企業提供AI解決方案，已開發出了一種“獨特的、非剝削性的學術合作模式”，其學習算法也已經在多家機構中被應用，并讓用戶能夠將人工智能應用在其網絡安全、金融技術、物流等產品上以獲取相應數據。
騰訊、創新工場和TCL資本等參投美國兒童機器人創企奇幻工房Wonder Workshop獲4100萬美元C輪融資今年10月30日，美國加州兒童機器人教育科技創企奇幻工房Wonder Workshop宣布獲得4100萬美元的C輪融資，投資方包括騰訊、創新工場和TCL資本、CRV、Madrona Venture Group、香港Bright Success Capital等。截至目前，該公司的融資總金額已經達到了7834萬美元。
資料顯示，奇幻工房業務覆蓋全球37個國家，其明星產品是Dash和Dot兩款機器人，并且為兒童提供了可視化編程工具，讓兒童通過自己編寫的軟件操控“達奇”和“達達”兩款機器人。目前，該公司已經開放了應用程序接口，允許開發人員基于上述兩款機器人構建應用程序。另一方面該公司特別針對中小學生推出了“Teach Wonder”教育項目，旨在從學校為切入口來推廣機器人編程，并且在社交媒體上積極推廣產品。
阿里參投美國初創公司Magic Leap 5.02億美元D輪融資美國增強現實(AR)創業公司Magic Leap，該公司剛剛完成了一筆5.02億美元的D輪融資，其估值已經接近60億美元。由新加坡淡馬錫控股領投，阿里巴巴、谷歌等公司參投，此輪融資正值Magic Leap的一款在現實圖像上疊加虛擬影像的增強現實眼罩產品之際。
資料顯示，Magic Leap成立于2011年。其創始人Rony Abovitz曾是MAKO外科手術機器人公司的創始人。而Magic Leap是一個類似微軟HoloLens的增強現實平臺，主要研發方向就是將三維圖像投射到人的視野中，但是它的研發的技術目前依然處于絕密狀態。
一份法律文件顯示，Magic Leap正在開發人工智能機器人。Magic Leap已在加州北部地方法院對兩名前員工提起訴訟，其中一名被告是Magic Leap前先進感知和智能高級副總裁加里·布拉德斯基(Gary Bradski)。他在機器人和人工智能領域有著豐富經驗，此前在Magic Leap開發私有技術，參與了涉及機器人深度學習技術的項目和計劃。
復星1336萬美元投資德國初創公司NAGA復星在今年3月以1336萬美元投資德國公司NAGA，NAGA是一家通過為用戶提供創新性的智能投顧產品和交易服務的公司。
智能投顧(Robo advisor)憑借人工智能分析客戶需求匹配金融資產的資產配置手段。它利用智能化算法，根據投資者具體情況，運用一系列投資組合優化的理論模型，為用戶提供投資參考的動態資產投資配置。
資料顯示，The Naga Group AG位于德國，成立于2015年8月，由Yasin Sebastian Qureshi、Christoph BrüCK、Benjamin Bilski創立，其中，Yasin Sebastian Qureshi是德國著名的金融人士。旗下應用程序是SwipeStox，是一款社交網絡金融服務應用，讓客戶能夠實時交易外匯、指數、大宗商品和差價合約。SwipeStox以游戲的形式激發股票交易興趣，同時簡化金融交易流程，并在2016年7月，與美國著名外匯經紀商福匯達成合作。
Naga，已于今年7月份在德國證券交易所完成IPO。
復星1425萬美元戰略投資以色列初創公司Bondit復星在10月底，宣布完成對以色列公司BondIT1425萬美元戰略投資，并成為BondIT的主要股東。
資料顯示，BondIT是一家位于以色列從事AI研究的金融科技公司，提供基于機器學習算法的固定收益投顧解決方案，產品專注于難度更高且市場相對空白的全球債券市場的固定收益領域。Bondit通過創建和優化債券組合來獲取投資回報，宣稱可利用數據科學和人工智能來克服在固定收益產品中經常出現的復雜性和效率低下。
復星表示，其通過海外并購智能投顧公司，借助自身完善的全球化布局，使集團能夠嫁接其有海外資產配置需求的中國高凈值客戶，并試圖在金融科技及財富管理業務上尋找各種優質并購目標。
尚珹資本跟投Petuum 9300萬美元B輪融資今年10月10日，機器學習基礎架構平臺開發初創公司Petuum Inc，宣布完成9300萬美元的B輪融資，由軟銀旗下投資公司領投，尚珹資本跟投。
資料顯示，Petuum， Inc.是一家專注于人工智能和機器學習的解決方案研發平臺，總部位于美國賓夕法尼亞州，創辦人Eric Xing博士是美國卡內基美隆大學計算機科學學院機器學習系的教授兼研究副主管。據了解，作為人工智能和機器學習的研發平臺，Petuum立足于對機器學習和計算方法的基礎研究，為應用程序的開發和部署提供了一種跨平臺、標準化的方法，從而盡量避免了現有機器學習框架和云基礎架構的碎片化，使得各行各業、各種規模的公司能夠獲取最前沿的人工智能技術。
通過新一輪的融資， Petuum將繼續擴展其技術和業務團隊，并專注于把PetuumOS部署在那些有著廣泛人工智能應用前景但采用率低的具體行業，如制造業和醫療保健。
尚珹資本(Advantech Capital)官網顯示，其于2016年1月正式成立，是一家專注中國市場的私募股權投資基金，并側重于以創新為驅動的成長型投資機會。
埃斯頓900萬美元收購美國高科技公司Barrett30%股權，布局高端人工智能機器人領域今年4月份，埃斯頓公告，擬通過全資子公司使用900萬美元收購美國高科技公司Barrett Technology30%股權，拓展基于核心功能部件的人工智能和微型伺服系統領域。
埃斯頓公司為進一步提高智能制造核心功能部件的競爭力，拓展基于核心功能部件的人工智能機器人領域，擬通過全資子公司使用900萬美元對美國BarrettTechnology公司進行部分股權收購并增資，收購及增資完成后，公司通過直接和間接方式共持有Barrett Technology股權比例為30%。
近年來，隨著計算機、智能終端、移動互聯網、物聯網、大數據等新一代信息技術的飛速發展，人工智能在自然語音識別、機器學習等細分技術領域形成一定應用成果。但人工智能作為一項系統性科學，距離真正替代人類智能為時尚早，技術產品的產業化之路依然漫長。
目前，人工智能的發展階段呈現以下三個特點：
第一，人工智能在特定約束條件下已具備超越人腦某個方面的能力，但綜合來看僅僅相當于蠕蟲的智能水平。近期，谷歌研發的人工智能AlphaGo圍棋程序在與世界圍棋九段李世石的對局中以4：1取勝。AlphaGo采用更為優化的深度學習神經網絡，在規則已知和邏輯可控的棋類競技中實現了對人類的超越。IBM的沃森機器人能夠在幾秒之內篩選數十年癌癥治療史中的100多萬份患者病例記錄，為醫生提供可供選擇的循證治療方案。但無論是AlphaGo還是沃森都需要由人類預先進行知識分類和設計上的干預，并且“智能”的高低很大程度上取決于所學習先驗樣本的數量和準確性。因此，通用意義上的人工智能依然是一個漫長而復雜的過程，目前能夠做到的更多是特定場景下人類某項大腦能力的延伸和對人類思維決策進行輔助。
第二，人工智能發展可分為不同層次，目前部分技術分支在行業中的應用已取得突破。人工智能發展層次可分為感知智能（語音、圖像識別，自然語義理解，機器翻譯，機器搜索等），認知智能（神經元芯片、深度學習算法、行為規劃等）和自主智能（機器推理、決策和聯想等）。感知智能方面，國外的谷歌、IBM、臉書、微軟和國內的百度、科大訊飛等在語音和圖像識別、機器翻譯、大數據搜索等細分技術領域推出了一批有顯著創新性的技術產品。認知智能方面，對神經元芯片、深度學習算法的開發主要集中在IBM、高通、谷歌為首的國際巨頭以及美國“類人腦芯片”（SyNAPSE）、歐洲“歐腦項目”納入的高校和科研機構中。由IBM主導的SyNAPSE項目預計在2016年內能夠完成100億神經元規模的計算機原型，但距離通用型、成熟型產品問世尚需較長時日。
第三，我國應積極應對人工智能發展新浪潮，以產學研用協同創新打造國際競爭新優勢。近年來，美歐等國家在人工智能領域不斷加大投入，開展專利布局，以技術和應用為紐帶構筑產業生態。我國在人工視覺、語音語義識別等細分產業領域并不落后，但從全局來看，在人工智能基礎理論、核心算法和產品成熟度、產業投資和人才隊伍儲備等方面與國外對比還存在明顯差距。國外大企業重點攻關認知智能和自主智能，我國企業目前多集中在感知智能的低級階段。
當前階段，人工智能技術產業化發展應當從以下四個方面著手改進：
一是加強人工智能核心技術研發和產業化。制定人工智能產業技術發展路線圖，在客觀分析、科學研判的基礎上，找準產業未來發展的薄弱點和趕超點。加大資金投入力度，重點突破自然語音語義識別、機器學習、智能搜索等關鍵技術，完善核心芯片、顯示器件、智能傳感器、開發工具與集成環境等產業鏈配套。
二是有效推進人工智能行業應用示范。加快人工智能技術在家居、汽車、無人系統、安防等領域的推廣應用，提升生產生活的智能化服務水平。支持在制造、教育、環境、交通、商業、健康醫療、網絡安全、社會治理等重要領域開展人工智能應用試點示范。
三是加快制定關鍵技術標準規范。開展人工智能綜合標準化體系研究，推動建立人工智能融合標準體系。建立并完善基礎共性、互聯互通、行業應用、安全服務、隱私保護等技術標準，研究建立人工智能系統的智能化水平評估標準。加強智能家居、智能汽車、智能機器人、智能可穿戴設備等熱點細分領域的網絡、軟硬件、數據、系統等標準化工作。
四是打造高水平公共服務平臺。建立集技術研發、示范應用、產品檢測認證、知識產權等功能為一體的產業公共服務平臺。打造人工智能創新孵化中心，促進產融對接，扶持創新創業企業。
關鍵詞：人工智能；人類智能；思維；技術元素
1 基本概念界定
1.1 人工智能
人工智能是在20世紀中期以后產生的學科，人工智能就是用機器模擬人類的智能活動，從而用機器代替人類行使某些方面的職能。人工智能是通過探索人的感覺和思維的規律來模擬人的智能活動，電子計算機是人工智能的媒介和基礎。阿倫?圖靈說：“如果一臺計算機能騙過人，使人相信它是人而不是機器，那么它就應當被稱作有智能。”如果以此為標準來界定機器的智能，那么人工智能的發展之路仍然任重道遠。
1.2 人類智能
智能簡單地說就是智慧與能力，是綜合、復雜的精神活動功能，是人運用自己已有的知識和經驗來學習新知識、新概念并且把知識和概念轉化為解決問題的能力。智能活動往往和記憶力、感知力、思維、判斷、聯想、意志等有密切的聯系，人類的智能表現在能夠進行歸納總結和邏輯演繹，人類對視覺和聽覺的感知以及處理都是條件反射式的，大腦皮層的神經網絡對各種情況的處理是下意識的反應。
1.3 什么是思維
思維是事物的一般屬性和內在聯系在人腦中的間接的、概括的反映。思維的形式包括概念、理解、判斷、推理等。思維往往借助于語言來表達，由直接的感受即感性思維轉化為理性，透過現象看到事物的本質，發現普適性的規律。芒福德說人類是“精神的制造者”而不僅僅是“工具的制造者”，因為人類具備思維能力。
2 基于“技術元素”視角下的人工智能
“技術元素”這一說法是凱文?凱利提出的，技術元素就是從人類意識中涌現出的一切東西，包括技術具象的工具，也包括文化、 法律、社會機構和一切智能創造物。凱文?凱利說：“科技是人類的發明，也是生命的產物。”居所是動物的技術，是動物的延伸部分，人類的延伸部分是技術元素，科技發明是我們基因創造的軀體的外延。
2.1 人工智能是技術進化的成果
凱文?凱利認為人類的延伸由思維產生，因為思維具有創造力，才促使了技術的進步，才創造出了以往沒有創造出的東西，所以，“如果說科技是人類的延伸，那也與基因無關，而是思維的延伸。因此科技是觀念的延伸軀體”。
技術元素伴隨著語言、工具的誕生成為人類不可或缺的伙伴，從古至今，除了極少的例外，各種技術都沒有消失，而是進化成不同形態的技術。人工智能作為一種科技物種，隨著技術的進步而產生發展，是技術進化的成果。
2.2 人類與技術共同進步
一切生物都有天然的借助外力的本領，從鉆木取火到航空航天，人類經歷了漫長的發展，或者說是進化，技術作為一種手段、一種工具從來都與人類相伴相生。“技術元素”賦予技術以生命，人是技術進化的動力，而技術的進化也促進了人類社會的發展，二者是密不可分的。科技與人類正在逐漸融合，或者說人類已經成為科技最適合的載體；“技術元素”的發展雖然具有一定程度的自主性，但是它的發展軌跡從某種意義上來說也是人類意志的體現。人作為技術發展的動力之一與“技術元素”同步運動。
3 人工智能能否超越人類
對于這個問題人們有兩種極端的看法：一是認為人工智能必將取代人類，不久的將來人類會淪為機器的奴隸；二是對人類的主體地位有著極度的自信，認為機器始終都是被人控制。前者的依據是人工智能的發展極其快速，超越了人類智能的進化速度，人工智能取代人類只是時間問題。后者的依據是人工智能不具有生命特征，無法融入生物圈從而和自然發生聯系，只能作為人類活動的工具而存在。我更偏向于第二種觀點，是基于以下幾個原因：
3.1 缺乏創造性的“特長生”
人工智能開發出的機器可能是某一個領域的“特長生”卻不是全才。比如AlphaGO是圍棋特長生卻不能唱歌，計算器是數字計算的天才卻不能陪人聊天，情感機器人負責陪伴和情感安慰卻不能真正懂得人類的喜怒哀樂，如此等等，它們按照既定的程序運行，各司其職、各得其所，不會偏離軌道也不懂得創造。
塞繆爾說：“機器不能輸出任何未經輸入的東西。”目前最先進的機器人也是依賴于軟件運行，軟件是通過人來完成更新升級，人工智能實際上是人類智能的外在表現。人體是一個復雜而龐大的系統，人有特定的背景和生活習慣，人腦的發育會受到所經歷的事件和社會環境的影響，能夠靈活運用，組合所接受的信息，具備綜合分析問題的能力。人腦的控制系統復雜和精密程度遠遠超過智能機器人，因此，人工智能在技術上不及人類智能，它依賴人類智能而進化，能夠勝任人類制定的任務，卻缺乏人類智能的創造性。
3.2 不能思維的人工智能
在回答“機器能否思維”的時候，我們首先應該對思維進行界定，思維是人腦特有的功能。人腦是一個高度發達的系統，是人類意識活動的物質載體。“電腦思維”在功能上會向人腦思維不斷接近，但是兩者之間存在不可消除的界限，“電腦思維”是一個簡單的邏輯過程，模擬人腦思維功能和思維信息過程，它在本質上區別于人類思維。人腦思維除了能夠接受外部信息以外，還能對信息進行主觀的加工。人們已經能制造出類人機器人，可是它不能和人一樣思維嗎，因為思維不僅僅是人腦的生理機能，離開社會實踐和人際交往是不能產生思維的。
3.3 是輔助而非替代
人工智能簡單明了地說就是人類用來改造世界的技術手段，是輔的工具，而不是對人類的替代。人工智能出現的歷史并不久遠，前文說到了技術和人類的共同進化，當人類有能力利用工具來處理復雜繁瑣的工作時，這是人類的進化，也是工具的進化。
人工智能被用于幫助人類進行某項工作，才能解放人力，人類智能才可以更好發揮主動性和創造性。人工智能承擔了人類活動中基礎的、不可或缺的、復雜的工作，從而使人類智能轉向更核心的科研創造以及思維和判斷上來。在人與人工智能的關系上，二者是相輔相成、相互補充的，而不是互相排斥、完全替代
4 結束語
人工智能與人類智能的關系是互為補充、相互制約的，人與技術的融合是必然的。目前人工智能的更新升級必須依賴與人類智能，人類智能的進化程度關系到人工智能的先進程度“技術元素”的進化也要受到社會條件的制約。人工智能可能在某一方面出強大的功能，但是它缺乏思維和創造性，這一點是致命的缺陷，工具作為人類器官的延長，是人類智能的外化之物，被人類智能的發展程度所局限。
參考文獻
[1]凱文?凱利.科技想要什么[M].熊祥譯.北京：中信出版社，2011.
[2]尹傳紅.當機器智能超越人類[N].中國科學報，2015，04（03）.
摘要：新時期背景下，半導體技術取得了理想的發展成績，而機械電子工程也隨之進入到各領域當中。其中，機械電子工程被廣泛應用在日常生活和生產當中，向著人工智能化的方向發展。隨著相關技術的全面可持續發展，新型技術和機械電子工程的有機結合，一定程度上增強了智能化水平。基于此，文章將機械電子工程與人工智能作為研究重點，闡述了兩者之間的關系，以期有所幫助。
關鍵詞：機械電子工程；人工智能；關系
所謂的機械電子工程，集中了電子技術和機械工程，屬于一種新型的工程技術，因而在機械工程應用中占據關鍵地位。在機械電子工程的作用下，將機械工程基本功能充分發揮出來，而且通過對電子技術的運用可以高質量地完成工作任務，所以具備了多元功能。長期以來，基于社會發展，對于與操作相關的功能都提出了更為智能化的要求，必須要實現人工智能化的變革。
1機械電子工程概述
機械電子工程將傳統的機械工程和電子信息技術進行有機融合，使得電子、機械以及信息間的關系更為緊密，所以機械本身的精準度和操作可靠程度也更強大，在高新技術領域被廣泛應用。現階段，通過對計算機信息傳輸的合理運用，能夠完美連接多樣化的機械，以保證所有機械都能夠將自身的功能發揮出來。而控制中樞則集中于主控系統當中，與生產多元化需求相吻合，產品性能也隨之提高。通過對機械電子工程模塊化的設計，能夠簡化其內部結果，不僅可以達到多元化生產的目標，還能夠節省生產成本，所以未來發展空間較大。但是，機械電子工程產品通常都是由人工控制完成生產，即便可以達到性能和多元化生產的要求，但人工操作會直接影響實際的生產效率，使得資源和市場的需求難以保持一致。在這種情況下，機械電子工程發展遇到瓶頸，且生產靈活性以及高效性仍需不斷增強。
2人工智能概述
以計算機技術為基礎衍生的全新技術就是人工智能，其中包含了計算機操作系統和數據信息處理，同時實現了上述功能的具體化，可以有效地控制電子設備，并實現現代機械設備操作，對于人工操作的依賴性明顯降低。其中，人工智能對計算機數據處理和信息傳輸功能進行了合理地運用，有效控制機械設備，所以，計算機對于人工智能來講十分重要。在計算機技術發展的過程中，人工智能控制也更加準確與迅速。在人工智能理念被提出以后，相關研究人員開始深入研制這一技術，并且在智能機器當中有效地融入人自身的慣性思維以及流程，以保證機器可以對人的思維進行模擬，積極開展簡單亦或是復雜活動。但是，由于人工智能和機械的契合度不高，始終無法實現完全人工智能。在實踐過程中，人工智能在高新技術中的應用相對廣泛，能夠完成基本工作，所以在現實生產中的功能仍然有待完善與深入研究。現階段，新人工智能的重點將放在和機械電子工程相互融合方面，而其發展的狀態也同樣對機械電子工程技術的智能化發展產生了積極的影響。
3機械電子工程和人工智能關系研究
通過以上對機械電子工程和人工智能的相關研究可以發現，兩者都具有自身獨特的優勢，但是在實踐應用過程中也同樣存在缺陷與不足。在這種情況下，深入探討兩者間存在的關系能夠為機械電子工程和人工智能的有效融合提供有力的保障。
（1）機械電子工程應用人工智能具有依賴性。對于機械電子工程而言，引進并應用人工智能需要將電子工程的計算機網絡系統作為重要基礎，所以，人工智能的應用條件也更高。在這種情況下，就必須要將高新技術作為核心，在網絡命令和計算機信息傳輸的作用下轉變人工化指令，對機械生產以及運作進行正確地指導。所以，如果機械電子工程網絡系統的數據不正確亦或是分析有偏差，都會直接導致機械動作的錯誤，甚至還會致使以人工智能為基礎的機械電子工程自動化操作系統完全癱瘓，而電子機械工程功能也難以得到發揮。近年來，在科學技術發展的過程中，工業生產領域對于系統要求逐漸提高，其中涉及到諸多類型的數據處理問題，因而人工智能必須要保證系統工作正常才能夠將功能充分發揮出來，所以系統的依賴性相對較強。
（2）人工智能有效補充機械電子工程。對于傳統機械電子工程來講，采用的是模塊化設計方式，因而在功能方面表現出多元性、固定性以及生產方式單一性等特點，也同樣對機械工程多元延伸帶來了不利的影響。在這種情況下，為了實現機械電子工程綜合功能的發揮，必須要對人工智能模型推理系統進行合理地運用，輔助實現目標。現階段，機械電子工程模型推理系統自身已經具備了相對較高的智能化水平，而且基本能夠完成整套生產過程操作。需要注意的是，系統對人體神經網絡進行了模擬，進而在計算機內部構建出智能神經網絡系統，一定程度上提高了人工智能水平，而且對于人工操作的依賴性減少，達到了機械工程自動化運作的目標，將模塊控制完整功能充分發揮出來，并且在工業生產中有效連接。
（3）人工智能強化了機械電子工程的穩定程度。不管是操作系統亦或是信息傳輸系統，機械電子工程的穩定性都相對薄弱，而且在設計初期，控制操作穩定且不發生改變，始終根據設計程序固定，對機械設備進行控制并完成操作。由此可見，系統本身較為死板且不具備靈活性，如果計算機操作系統數據傳輸不正確亦或是分析出現錯誤，就會將錯誤指令發送出來，導致機械動作不正確，嚴重影響了模塊機械功能發揮的效果。但是，若在機械電子工程中融入人工智能，通過靈活處理手段的應用與人思維慣性的模型，可以及時處理計算機操作系統不正確之處，進一步提高數據準確程度，確保所發出的操作指令是正確的，進而補償機械電子功能缺陷。在實踐過程中，人工智能可以對機械電子工程數據輸入、處理以及輸出等多項工作進行合理地控制，并且保證數據處理的準確性與高效性，有效提升機械電子設備的穩定性。
（4）人工智能提高了機械電子系統的精準度。對于機械電子工程模塊設計而言，對數據控制主要是以精確狀態存在。但是，在系統功能實現的過程中，客觀數據會發生改變，所以，必須要合理調整系統功能當中的數據，只有這樣才能夠確保系統穩定地運作，同時增強系統精度控制的準確性。如果機械電子工程面對這一需求，難以自動處理，那么人工神經模式對于系統精度的控制將產生積極的現實意義。
4結語
綜上所述，機械電子工程的智能化特征是傳統機械電子工程難以比擬的，因而也逐漸成為工業制造的重要發展方向。基于科技的全面發展，各學科也隨之細化與深化，學科交叉現象更加頻繁，同樣實現了知識的延展，進一步推動了科技的多元化發展。而智能化機械電子工程能夠進一步增強實際的生產效率，盡可能節省生產制造行業人力成本。由此可見，機械電子工程和人工智能之間存在緊密的聯系，相輔相成，共同進步，而深入研究兩者的關系也更具現實意義。
參考文獻
［1］馮哲.關于機械電子工程與人工智能關系的探討［J］.現代交際，2013，（11）：28-28.
人工智能是由具有智力和行為能力的人創建的計算機程序，它使機器能夠自動執行感知外部事物，學習新事物和新知識，使用知識系統精于思考問題，找到解決問題的正確方法并將其付諸實踐。幾十年來，人工智能迅速發展，不僅影響社會生活，而且也影響稅收征管。隨著經濟的多元化，社會分工的進一步完善和互聯網技術的成熟，納稅人的業務范圍越來越廣，越來越復雜，經濟形式越來越多、越來越復雜。顯然，僅依靠傳統的稅收征管模式和方法無法跟上稅收征管科學化的步伐。科學管理以及精細管理的情境需求無法滿足納稅人日益增長的個人和多樣化涉稅需求。因此，需要一種智能、高效、便捷的稅收征管方法，以提高稅收征管效率，滿足納稅人的涉稅需求。人工智能賦能稅收征管成已成為未來的重要發展趨勢。高質量推進稅收現代化，離不開人工智能的支撐，因而利用人工智能提高稅收征管能力是當務之急，重中之重。
一、人工智能應用于稅收征管的必要性分析
1.優化辦稅體驗，提高納稅遵從度。稅務部門的納稅服務有網絡和辦稅服務廳兩種方式。利用人工智能技術，可以智能地分析納稅人輸入的信息，精準納稅信息的推送，提高個性化咨詢的針對性，服務好PC端和移動端，使納稅人無需離開住宅即可完成一般的稅收申報。對于某些納稅人條件有限或無法在線解決的問題，實體服務機構仍可以使用人工智能系統。自2016年以來，江蘇、廣東、上海等地陸續推出了采集納稅人人臉圖像、身份信息和電話號碼的“旺寶”、“小賢”等稅務服務機器人提供自助稅收服務、發票申請等，它不僅減輕了工作人員的負擔，而且提高了稅務處理的效率。人工智能的友好、耐心、準確和高效的服務，也受到了公眾的好評。2.實現稅收信息共享，確保信息對稱。目前，“金稅”項目的第三階段已逐步在全國范圍內建立了信息收集系統。政府應建立基于“金稅”項目的綜合電子稅務辦公系統，運用人工智能技術分析大數據，連接各稅務機關的信息，整合分散的資源并重新開發一套用于稅收信息收集和管理的操作方法，以增強稅收信息收集和管理的相關性，確保信息的對稱。3.創新檢查手段，兼顧公平速度質量。對于稅收征管檢查工作分為兩部分，計算機選擇選案，然后由稽查人員負責后續的稽查工作。人工智能的選擇不僅有助于確保公平性和準確性，還可以提高速度，使稅務人員更好地投入于跟蹤工作。人類與人工智能各司其職，這是流程再造理論下稅收征管改革的必然趨勢。4.加強風險防范，打擊涉稅違法。電子商務的興起，納稅人收入來源的不明確和生產模式的多樣化催生了一系列偷稅和逃稅行為。稅務部門應依靠人工智能技術，建立稅收風險的預防和控制系統，對評估有疑問的納稅人，由人工智能系統過濾后，發送給不同的部門進行監控和定期檢查，從而遏制不法行為發生。5.節省人力時間，降低稅收成本。人工智能的優勢在于能夠利用風險評估和稅源管理機制來減少稅收管理資源的投入，日常工作效率得到有效提高。人工智能還可以對熱點稅收問題進行智能分析和評論。還可以應用于稅務審批事務。通過智能的機檢，可提高工作效率，從而降低稅收成本。
二、基于人工智能應用稅收征管的障礙因素
1.人工智能技術的發展不夠完善。首先，稅收信息與人民生活息息相關，但稅收人工智能技術還存在技術方面的不足，容易受到黑客攻擊。目前，稅收信息的保護是有限的。其次，人工智能系統的專家系統。計算機經過的智能程序的學習，除了原有的程序思維，也導入了另一個思維，有了雙思維，這就是人性化的專家思維，使稅收征管中解決復雜問題能力上了一個臺階，計算機程序通過稅務專業知識+稅務專家經驗兩個思維去思考和分析面對的稅收征管難題。事實上由于缺乏專家系統的技術支撐，人工智能應用會大打折扣。2.缺乏人工智能復合的高端人才。首先，稅收征管需要兼通IT和稅收的人才。但如今，稅務專業中基本上沒有人工智能的本科教育，人工智能與稅收學科的交叉和融合無法實現。另外，在稅收征管領域，人工智能廣泛應用之后，普通稅收專業人員的數量將減少。簡單的咨詢輔導工作，發票業務等可以輔以人工智能系統。而高端管理人才缺乏，是阻礙稅收人工智能發展的重要成因。3.適應智能辦稅能力尚顯不足。在稅收實際工作中，由于納稅人的水平不一，接受新事物新技術的能力不一，也就不能很好地掌握智能辦稅中的各種操作要求和智能處理。4.缺乏人工智能應用和數據的保護。政府對個人信息的收集，分析和比較，確實提高了政府部門的管理能力，并在一定程度上有助于改善政府管理手段。但是，公權力無限收集信息超出必要程度可能會侵犯私人權利。目前，我國還沒有關于“人工智能數據的應用和保護”的規定。建議從法律條文上體現對公民的隱私保護。
三、完善人工智能應用稅收征管的對策
1.在人工智能應用框架內，完善稅收征管法。第一，為了將人工智能的概念應用到《稅收征管法》中，無論涉及納稅人的稅收活動還是稅收服務的稅收行為，法律都必須闡明人工智能的可用性。第二，在《稅收征管法》中增加人工智能的一般規定。第三，除一般規則作出的一般規定外，人工智能的應用還應在各種稅收征管程序中加以規定。例如，在納稅申報程序中，納稅人可以使用人工智能進行納稅申報或咨詢，并在程序中使用人工智能、稅務機關進行稅務確認和稅務審核等這些應用方法，也應在相關的特定程序中明確定義。2.完善法律確保人工智能稅收信息的安全。收集大量各種各樣的相關數據，是稅務部門日管工作中一項基本工作，目的是通過系統內收集到稅收數據，與通過政府部門之間的合作，從其他機構收集數據進行比較分析以找到管理風險點。為此，要加快法律體系的建立和完善，以確保人工智能信息的安全性，明確政府收集相關數據的程度，使用限制和標準化安全性，在發生泄露時為公民澄清個人救援渠道，嚴格限制數據用戶，防止泄露公民的隱私，并確保數據使用的規范和安全。在信息獲取，收集和使用方面，應首先闡明信息收集的方法，類型和范圍。其次，要確保稅務部門之間稅收信息傳遞渠道的安全性和流動性。信息的使用，根據稅收信息的重要性和機密性級別，確定相應的權限，擔任不同職務和職位的人，具有訪問稅收信息的不同權力。對稅收信息不恰當使用，或泄漏隱私的行為，要與《刑法》中規定的法律責任相銜接。有關稅務信息公開，應該明確披露信息的渠道和時限。在納稅人權利和稅收減免方面，可以在咨詢熱線12366，微信稅務的公共賬號等中提供特殊評論和投訴建議渠道。稅務機關對其應及時進行核實處理，以最大程度地減少納稅人的損失。同時，必須提高稅務管理人員的法律意識，并保護納稅人的權利和合法利益不受任何侵犯。3.改善稅收征管人工智能的應用條件。一是法規數字化。為了使人工智能系統成為稅務事務處理的專家，必須完善并準確描述適用的條件、實施標準以及落實稅收政策和法規的程序。需要逐字量化和存儲稅收政策和法規，并在滿足相應條件的基礎上，將其轉換為不同類型的可理解和計算機可執行的判斷條件和執行方法。此一系列的過程可以稱之為“數字化”過程。二是執行拓撲化。建設拓撲結構三層服務體系。在數據層中，通過連接不同部門的數據庫，可以最大程度地實現數據共享。在業務層級，構建稅收人工智能的主思維的結構，通過三個網絡矩陣實現執行思維的結果。由感知系統分析工作任務、專家系統作出分析研判下達指令，無論是大數據分析還是云計算，都是此系統分析和處理的主要方法和手段。然后由執行系統執行任務或指令，完成工作。三是決策專業化。判斷是否是成熟的人工智能專家系統，有兩個標準:一是要熟悉稅法，二是有專家思維。專家決策系統中只有具備學習能力才能引入人性化的工作思維，從而去熟悉稅法，最終以人的思維開展評估，選擇執行效果，并獨立選擇最佳執行計劃。四是服務多元化。建立基于人工智能的統一稅收服務平臺，該平臺可以在多個平臺和系統上運行，并以多種形式，多種渠道擴展用戶訪問方式以及通過互聯網的多種設備，例如稅務門戶，智能手機，可視電話和企業ERP系統，ARM自助稅收處理設備等，只要有網絡，用戶就可以隨時隨地使用任何信息終端獲得人性化同質服務。五是稅收制度完整化。稅收人工智能的發展與稅收法律的保護密不可分。新技術解決問題的同時，也可能會造成新的法律漏洞。稅收管理部門在遵循稅法基本原則的前提下，必須預估新技術和新技術對稅收制度的影響，并提出積極建議，為制定法律提供參考。六是培訓日常化。加大人工智能的推廣力度，提高稅務人員的學習能力。為了防止無知和不遵守行為妨礙人工智能在稅收征收和管理中的應用，稅務機關應加強對人工智能稅收制度的推廣，使用微信，微博等在線平臺進行知識解釋，并定期線下組織各行業的相關人員智能系統應用的培訓，以最大程度地提高人工智能采集的效率和稅收征管的效用。4.運用人工智能技術推動稅收征管改革。首先，自助納稅服務咨詢實現智能功能。如語音識別功能，針對納稅人的語音咨詢，能自動識別出納稅人的身份和具備稅務相關的權限，解答納稅申報等日常稅務事宜，發出納稅和行政審查之類的指令。減少甚至消除了對文本輸入的需求，并且智能稅務還可以識別稅收文件（例如文本和支票），并會對文本拼寫是否存在人為錯誤，納稅申報表數據關系是否存在邏輯錯誤等自動檢查核對，提高納稅申報質量。其次，稅收信息識別分類實現智能功能。大量稅務的智能設備如攝像機系統可以具備支持識別固定資產信息，信息實時識別數據實時傳輸。人工智能稅務針對不同信息分類標準比較出是否是垃圾郵件，可以自動分類進行比較。但隨著不斷發現對錯誤進行標記，糾正錯誤，使自動更正系統智能分類變得精確。再次，稅務復核判斷決策實現智能功能。例如，當納稅人要求減免稅、行政復核等時，智能稅務可以根據現有的稅收信息和納稅人的信譽來判斷接受還是支持。智能稅收運作的原理與智能銀行類似。第四，欺詐判斷風險實現智能功能。先進的高級智能稅務可以分析所有內部和外部信息，例如國民收入、審計時間表、管轄權、法律和政策問題、對稅收指標的反映的問題判斷和分析稅收欺詐，實時模擬識別出納稅人稅收風險，監控稅收來源，避稅策略等，防范稅收風險。5.加大科研經費投入，促進智能技術發展。新一代人工智能作為前沿引領技術，在稅收征管中應用中稅收信息的安全性當是重中之重，為此稅務部門要加大突出關鍵共性技術研發，建立一套稅務特色的高安全性能的人工智能系統，要建立稅務研發人工智能投入機制。加強人工智能系統的安全監控，及時發現并修復漏洞，以防止黑客和網絡病毒利用。同時，國家應向有關部門撥款，組織力量成立專門研究稅收征管專家團隊，致力于稅收征管的智能技術前瞻性探索，以便充分發揮人工智能在稅收征管中的作用。6.引入第三方以加速人工智能平臺建設。近年來稅務部門借力人工智能技術，與稅收征管進行的深入應用和融合，稅收信息建設的需求持續增長。稅收服務受其自身技術能力，人員配置和其他因素的限制，一段時間以來，信息技術水平很難滿足人工智能時代的需求，迫切需要第三方社會力量的技術加入。2015年9月，國家稅務總局重視智能稅收工作，在全國稅務系統中全面實施了“互聯網+稅收”行動計劃（以下簡稱“計劃”）。倡導稅務機關使用互聯網和大數據。但是，就人工智能而言，該平臺的構建仍處于起步階段。雖然不同省市的稅務局相繼推出了個性化的“互聯網+稅務”服務，例如“電子稅務局”和“網上辦稅系統”，但仍然不能滿足人工智能時代的需求。一些稅務人員的認識限于將人工智能等同于無紙化和電子稅務工作，并且并沒有真正應用在稅收收集和管理中收集的數據。考慮到人工智能已經滲透到國家治理和社會生活的各個方面，只有通過加速建立人工智能平臺，才能夠更好地適應人工智能時代的需求，最大程度地減少與征稅有關的稅收風險，并進行稅收現代化征管。7.為人工智能的發展提供人才保障。當前，科學技術的創新是人才的競爭。加強高端人才建設，培養高素質的稅收管理隊伍是人工智能應用的保障。目前，稅務部門兼有“IT+稅收”雙學科的人才相對較少，而人工智能的應用恰恰需要這些人才，因此，稅務部門要大力培養復合型人才，鼓勵技術型人才向管理型人才轉化，建立一支高素質的稅收征管團隊，提高人工智能的應用水平。2013年，全國稅務領軍人才培養規劃已經培養了一批技術過硬的人才，但是面對新時代的挑戰，仍然遠遠不夠。因此，對“人工智能+稅收”人才的培訓，可以參考稅務領軍人才培訓方案。擇優選擇稅務系統內外稅法、綜合管理和計算機科學的優異人員，通過集中培訓、實踐培訓，培養出一大批的復合型人才。
作者:程輝
