前言：中文期刊網精心挑選了人工智能教育的概念范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能教育的概念范文1
自1956年人工智能概念在達特茅斯會議提出以來, 人工智能的發展超出了人們的想象:1997年, IBM超級電腦深藍擊敗國際象棋世界冠軍卡斯帕羅夫;2016年, 由Google旗下的深度學習公司Deep Mind開發的人工智能圍棋程序Alpha Go戰勝了世界圍棋冠軍李世石, 這件事轟動了全世界[1]。隨后有關人工智能的熱點應用不斷推出, 比如無人駕駛、智能醫生、語音與人臉識別等, 讓我們認識到人工智能的應用已與生活息息相關。在教育領域, 人工智能應用也取得了重大突破, 比如2017年高考期間, 機器人艾達挑戰高考數學, 10分鐘就答完, 獲得134分, 激發了教育領域對人工智能的巨大熱情, 同時也引發了人們對教育的憂慮與反思[2]。2017年7月國務院印發了《新一代人工智能發展規劃》, 提出人工智能產業競爭力在2030年要達到國際領先水平。目前世界主要發達國家先后從國家層面人工智能政策規劃, 將人工智能作為國家經濟發展、社會變革和國際競爭的新動力[1]。
1 人工智能定義和發展階段
人工智能的英文是Artificial Intelligence, 簡稱AI, 人工智能的內容不斷豐富和發展, 至今還沒有統一的定義。比較權威的說法認為[3]:人工智能是關于人造物的智能行為, 主要包括知覺、推理、學習、交流和在復雜環境中的行為。人工智能的長期目標是發明出可以像人類一樣或能更好地完成以上行為的機器, 短期目標是理解這種智能行為是否存在于機器、人類或其他動物中, 所以它包含了科學和工程雙重目標。根據其功能強弱, 人工智能分為三類, 即弱人工智能、強人工智能還有超級人工智能。人工智能的發展大體上經歷了三個階段, 第一階段是20世紀50~60年代, 提出人工智能的概念。主要以命題邏輯、謂詞邏輯等知識表達和啟發式搜索算法為代表;第二階段是20世紀70~80年代, 提出了專家系統, 同時基于人工神經網絡的算法研究發展迅猛, 伴隨著半導體技術計算硬件能力的逐步提高, 人工智能逐漸開始突破;第三階段是自20世紀末以來, 尤其是2006年開始進入了大數據和自主學習的認知智能時代。隨著移動互聯網的快速發展, 人工智能的應用場景也開始增多, 特別是深度學習算法在語音和視覺識別上實現了巨大的突破[4,5]。人工智能的技術體系主要分為四個方面, 即機器學習、自然語言處理、圖像識別以及人機交互等。當今擊敗世界圍棋冠軍李世石的Alpha GO主要應用了機器學習中的深度學習算法。
2 人工智能應用狀況與反思
2017年, 阿里的無人超市落地杭州, 進店、挑選商品、付款支付一氣呵成, 消費者幾乎在完全自主的狀態下完成購物。與此類似, 昆山富士康公司裁員6萬名工人, 全用機器人代替。京東、淘寶引入的智能機器人替代了原來的倉庫管理、人工客服等崗位。因此有學者悲觀地斷言:在人工智能時代, 因為很多職業崗位或技能將被智能機器人所代替, 職業院校畢業生很有可能面臨畢業就失業的窘境。筆者認為, 我們不應該重蹈歷史上英國制定的限制汽車推廣使用的《紅旗法案》的悲劇。正是這個在今天看來毫無道理的, 但卻持續了三十年的法案讓德國和美國的汽車工業完全趕上來, 最終遠超英國。人工智能應用必將淘汰或替代很多現有就業崗位, 但同時又會創造新的就業崗位, 這是一個伴隨著產業智能升級的、長期的艱難過程, 對于職業教育來說, 這既是一個嚴峻的挑戰, 也是一個難得的機遇。
3 人工智能時代職業教育的發展策略
為了更積極地適應人工智能時代, 除了國家層面的統籌規劃、科學指導和政策、經費支持之外, 建議還要做好以下幾個方面的發展規劃。
3.1 解放思想, 更新理念與制度
中國工程院院士潘云鶴提出, 人工智能走向2.0階段的真正原因是世界正從原來由人類社會與物理空間構成的二元空間, 向著由物理空間、人類社會與信息空間構成的新三元空間演變[6]。因此, 職業教育在教學和管理過程中應該加入人工智能等相關理念和技術, 同時其辦學定位、人才培養方案、專業建設、課程內容、考核評價標準等方面都需要做出相應的改進。比如當前大多數職業院校非計算機類專業的課程安排中, 信息技術類課程課時偏少, 數據處理、編程類或人工智能課程幾乎沒有, 這樣的安排不利于提升學生的信息素養, 必須做出相應的調整, 同時適當減少將來可被人工智能應用替代的技能課程的課時, 比如電算會計、環境監測等。
3.2 善用人工智能, 提升教學與管理
在人工智能背景下, 教師們現有的重復性工作和大量數據積淀的教學任務, 比如批改作業或閱卷或課堂考勤都可能被人工智能取代, 因此, 教師能騰出更多的時間, 更充分地關注學生的個性差異, 從而為學習者提供更精確的個性化學習服務, 教師也能夠及時調整教學方法和手段, 優化教學評價方式, 補充教學資源, 減少備課重復性工作, 提升教學效率, 真正地做得因材施教, 同時學生們的學習方法和方式將不同程度地得到重構, 基于大數據的智能在線學習平臺大量出現, 不同的學校、學科及專業課程不再封閉, 學習時時處處都可以進行, 碎片化與個性化學習將日益普遍。教師能完整地跟蹤學生的整個學習過程, 比如學生上課是否睡覺、是否玩手機、是否在教室里與其他同學合作學習等, 都能夠根據監測數據進行智能解析, 有利于更有效、更全面地對學生進行過程性評價。大部分課程考試將全部自動化, 考生資格審查利用人臉識別、監考與閱卷都由智能機器來完成。上述人工智能給教學帶來的這些變化既需要網絡硬件設施和相關軟件系統來支撐, 更需要職業教育的教師們繼續提升信息技能、深化和加強信息素養。
3.3 深化產教融合、優化實訓筑牢就業
在人工智能時代, 職業院校應與相關行業統籌發展, 深化產教融合, 拓寬企業參與的途徑, 深化引企入教改革, 支持引導企業深度參與職業院校的教育教學改革, 多種方式參與學校專業規劃、教材開發、教學設計、課程設置、實習實訓, 促進企業需求融入人才培養環節;鼓勵以引企駐校、引校進企、校企一體等方式吸引優勢企業與學校共建共享生產性實訓基地;全面推行現代學徒制和企業新型學徒制, 推動學校就業與企業招工無縫銜接。比如職業教育將出現新師徒制, 行業領域的行家里手將通過互聯網以VR或者AR技術言傳身教的方式, 帶領規模龐大的徒弟用碎片時間進行學習與實踐。
3.4 完善終身學習的職業教育體系
隨著人工智能應用的深入推廣, 職業院校培養的技能型人才所掌握的技能如果不及時進行充電升級, 中低端的重復性強的工作將面臨被智能機器人不同程度進行替代的危險。所以對于不少技能崗位, 守著一門技術吃一輩子老本的時代將一去不復返。因此, 職業教育要繼續完善終身教育體系, 為職業教育學生的充電升級鋪就一條縱深的通道。
3.5 人文教育為道, 智能教育為用
在人工智能的幫助下, 簡單重復性的工作將被機器替代, 人們將從重復繁瑣的事務中解脫出來, 轉去從事更具有創造性、創新性或者更具有情感類的工作, 這些工作需要人與人之間的合作與溝通, 因此, 職業教育更需要注重學生思想道德水平、人文綜合素質的培養, 這是做人之道, 在此基礎之上激發學生們的學習主動性和創造力, 促進跨界思維的形成, 更好地掌握人工智能時代的相關職業崗位知識和相應的智能技能。著名理論物理學家霍金曾說:完全人工智能的研發可能意味著人類的末日。Tesla汽車和Space X公司創始人馬斯克說:我們必須非常小心人工智能。如果必須預測我們面臨的最大現實威脅, 恐怕就是人工智能了[7]。一群沒有良好道德水平的, 但掌握了智能技術或設備的人們是危險的, 所以職業教育應該從學生入學起就開始, 不斷提升學生的思想道德水平, 熱愛社會、熱愛生活、樂于助人、與人為善。只有這樣, 人工智能應用才能更好地服務人們、造福社會。
4 結論
人工智能正在快速又深刻地改變我們的教學、生活和工作方式, 也對職業教育提出了嚴峻的挑戰, 同時也是一個巨大的機遇。職業教育在面對人工智能時代的變革時, 須要從國家政策、理念與制度、教學管理、產教融合、終身學習等方面做好應對, 切實地把握人文教育之道對智能教育之用的統領原則, 培養能很好地掌控人工智能技術和應用的人才。
參考文獻
[1]謝青松.人工智能時代職業教育的轉型和發展[J].教育與職業, 2018 (8) :50-56.
[2]蘇令.人工智能來了, 教育當未雨綢繆[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].鄭扣根, 莊越挺, 譯.北京:機械工業出版社, 2000.
[4]王璐菲.美國制定人工智能研發戰略規劃[J].防務視點, 2017 (3) :59-61.
[5]賀倩.人工智能技術在移動互聯網發展中的應用[J].電信網技術, 2017 (2) :1-4.
人工智能教育的概念范文2
關鍵詞：精品課程；視頻公開課；課程建設；人工智能
一、引言
中南大學的人工智能課程是國內高校最早開設的該課程之一。1987年清華大學出版社出版了我校蔡自興和清華大學徐光編著的《人工智能及其應用》，成為國內率先出版的具有自主知識產權的人工智能教材，為人工智能課程提供了一部好教材，對人工智能在中國的傳播和發展起到重大推動作用。
我校人工智能課程自開設以來已培養約30屆學生，培養人數超過3000人。授課對象包括計算機、自動化專業的本科生和電子信息類等專業的研究生。2001年，我們研發的“人工智能網絡課程”被評為優秀網絡課程。2003年和2007年“人工智能”分別被評為首批國家精品課程和全國雙語教學示范課程。同時，課程的相關網絡資源和知識表示方法的課堂錄像陸續上網，向全社會開放，成為學生復習和自學的有力手段和特色環境。
近年來隨著國外名校的視頻公開課風靡網絡，建設我國自己的視頻公開課已勢在必行。在這種背景下，人工智能課程的等一批國家精品視頻公開課應運而生。我們的“人工智能PK人類智能”的視頻公開課入選國家精品視頻公開課建設計劃，已成為首批播出的課程之一，受到公眾歡迎與好評。
二、講授內容選定
人工智能是一門前沿交叉學科，也是一門與人類生活息息相關和公眾頗感興趣的科學。網絡視頻公開課是以大學生為服務主體，同時面向社會大眾，是免費開放的科學與文化素質教育的網絡視頻課程與學術講座。由于人工智能屬于專業基課程，如何在有限的時間內講述一個完整的專題，避免艱深的專業知識，讓大多數人都能聽懂并感興趣，是安排視頻課程內容時需要首先考慮的問題。為此，在內容安排上將重點放在專業史和熱點研究介紹上，其目的是通過介紹學科的發展史和一些經典或熱點問題的研究情況，激發大家對人工智能研究的興趣，增進對人工智能知識的了解，認識到前沿科學其實離現實并不遙遠。
在上述理念指導下，本視頻課程并沒有照搬平時上課的內容，而是精選了人工智能領域中一些具有代表性的內容進行介紹。首先概述人工智能的起源與發展歷史，以及人工智能領域影響最大的三大流派及其認知觀等。然后介紹人工智能中幾種經典技術，包括推理證明技術、問題求解技術等。此外，對人工智能中公眾最感興趣的一個應用領域――機器人學進行闡述。最后，對人工智能的一些最新研究發展領域，如計算智能和群智能技術等進行討論。具體內容安排如下：
第一講：人工智能的誕生
長期以來人工智能充滿了激烈爭論，其發展過程不是一帆風順的，在中國也歷經了質疑、批評甚至打壓，直至出現希望的曙光，形成今天的可喜局面，其過程可謂艱辛。該講從不同角度對人工智能的定義進行介紹，分析其異同，介紹人工智能的起源與發展過程，特別是在中國的發展情況，讓聽眾對什么是人工智能有個大致的了解。
第二講：人工智能的學派
從符號主義為代表的經典人工智能到連接主義、行為主義，人工智能的研究可以說是從一家獨秀走向百家爭鳴。該講介紹人工智能的主要學派，各自的理論基和認知觀，并論述人工智能對社會、文化、經濟等層面的影響。
第三講：經典人工智能的推理技術
經典人工智能的有關推理技術和方法是早期人工智能研究的主要手段，用于研究基于經典邏輯的自動定理證明等問題，對人工智能學科的發展產生了深遠的影響。本講主要介紹基于數理邏輯方法的推理證明技術，尤其是定理證明方法的代表之一――消解原理。
第四講：問題求解與搜索
問題求解技術是人工智能研究領域的一個核心問題，涉及問題表示和求解搜索兩部分內容。這一講主要介紹問題求解中的一種常用方法――狀態空間法，闡述圖搜索方法和求解策略，特別是引入啟發式信息的啟發式搜索方法。
第五講：機器人學
機器人是人們聽到人工智能時幾乎第一時間聯想到的事物。機器人學作為一門學科，該講介紹機器人學的發展過程和機器人的分類，探討機器人學與人工智能的關系，說明研究開發機器人技術的動機。
第六講：人工智能的新領域――計算智能
經典人工智能雖在早期占有統治地位，但目前已經不再是研究熱點。而計算智能則異軍突起，成為智能學科中新的增長點。本講主要介紹計算智能的幾個主要分支神經計算、進化計算、模糊計算和人工生命的一些基知識。
第七講：人工智能中的仿生學――群智能
人工智能是一門信息科學與生命科學等高度交叉的科學，不僅涉及到計算機、自動化、數學、信息學等學科，還涉及到心理學、腦科學、仿生學等各種學科。群智能就是仿生學在人工智能中應用的典型。該講主要介紹受到蟻群和鳥群社會行為啟發而構建的蟻群算法和粒群算法，將其轉換為可計算模型，引入到問題優化求解中。
三、課程建設經驗
由于授課對象的不同和授課時間的限制，在只有30分鐘的一講一主題情況下，要像平時上課那樣詳細講解是不可能的，為此需要對視頻公開課的材料進行重新組織。我們的人工智能課程作為首批國家精品課程，其教學資源還是比較豐富的，具有一定優勢。
首先，使用主講人編著的《人工智能及其應用》作為課程教材。根據教學對象不同，編撰了不同類型的教材，以適應不同層次學生的要求。2003年和2004年在清華大學出版社先后出版了《人工智能及其應用》第三版“本科生用書”和“研究生用書”。2005年在高等教育出版社出版了面向大專院校和網絡課程的《人工智能基》，以及在國防科技大學出版社出版了面向管理類學生的《人工智能及其在決策系統中的應用》。2010年又出版了“十一五”規劃教材《人工智能及其應用》第四版及《人工智能基》第二版，使教材與時俱進，不斷創新，更好地為人工智能教學改革和人才培養服務。這些教材已為高水平課程建設和學科建設做出了重要貢獻，也為視頻網絡課程提供了豐富的素材。
其次，教學資源豐富，知識融會溝通。課程主講人也是國家級教學團隊“智能科學基系列課程教學團隊”的負責人，團隊成員除承擔人工智能課程教學外，還負責智能控制、機器人學等相關課程的教學。這些課程也都有對應的自編優秀教材，都可直接作為課程的參考資料。
“人工智能網絡課程”具有明顯特色(網絡化、智能化和個性化)，得到專家和同行的認可和肯定，被教育部評為國家級優秀網絡課程。特別是更新后的向導學習、個性化以及算法實驗，采用了人工智能技術本身來實現人工智能網絡課程，具有顯著的特色和先進性。網站上課程的教學大綱、教案、課件、實驗指導書、課堂錄像和參考文獻一應俱全。人工智能相關的網絡資源，如網站、新聞組、BBS等，包括了大量的文獻資料、討論、本領域研究的前沿動態、人工智能課程相關的演示動畫
和實驗等。
雖然有相當豐富的教學資源，但為了適應視頻公開課的需要，在視頻公開課材料的組織上仍然花費了大量的時間和精力。本視頻公開課課程具有下列主要特色：
(1)材料翔實、圖文并茂
人工智能的發展經過幾代人的努力奮斗，其在中國的發展尤其曲折。在課程資料組織過程中，對許多重要理論與方法的提出者以及一些會議與紀念活動等介紹，基本上都配以圖片。這些圖片有的是自己的第一手資料，有些則是從網絡搜索得到。這些圖片的引入，給本來相當枯燥無味的文字和概念增加了趣味性和對觀眾的吸引力，也是視頻教學優勢的一個體現。
(2)深入淺出、直觀生動
人工智能作為一門講述前沿理論的專業基課，其復雜的技術、算法、理論是一般觀眾很難理解的。視頻課程不可能在較短時間內將這些問題講透，而是通過形象的動畫說明基本原理和概念，激發學生進一步學習的興趣，真正起到帶“入門”的作用。這也是視頻課程的優勢所在。
(3)精選題材、注重趣味
人工智能是一門高度交叉的科學，涉及面極廣。為了讓觀眾盡可能全面地了解這門學科，公開課著力于講授內容的精選。從人工智能的起源開始，分別介紹了經典人工智能的搜索推理技術、當前的研究熱點計算智能和群智能技術，以及人們對人工智能最直觀的印象――機器人學，形成一定的體系。在這些題材中包括了邏輯學、生物學、腦科學、神經學乃至仿生學等不同的學科交叉，力求使枯燥的科學理論變成美味的知識盛宴。
四、問題與體會
經過緊張的準備和拍攝過程，“人工智能PK人類智能”精品視頻公開課終于上網與廣大觀眾見面了。由于時間倉促和經驗不足等原因，本視頻課程仍存在一些不足之處，值得今后彌補。
(1)考慮到比較通俗易懂的要求，使沒有相關專業基的公眾也能夠基本上聽懂，因而將很大一部分內容的重點放在了專業史上，其專業深度不夠。
(2)由于每講必須在30分鐘內講完一個專題，因此難以對相關技術進行深入探討，只能簡要介紹其原理和概念，使觀眾能知其然，卻沒法知其所以然。
(3)國外的公開課基本上都是隨堂錄像，視頻課講的內容就是平時課堂講授的內容。而我國的視頻公開課課程卻強調普及性，相應的犧牲了部分專業性，在定位上仍有猶豫。這可能是我們的公開課與國外公開課的一個重要差別。
要把我國的視頻公開課建設好，不能盲目追求觀看率和點擊率。從課程性質上看，文史類課程由于受眾面廣，容易被更多的人群接受和理解，觀看的人就自然會多。理工類課程由于受限于領域基知識，受眾面相對較窄，其接受程度肯定較低。要真正建設一門好的視頻公開課，還是應該明確定位，內容貴精不貴多，完整清晰的講述好若干知識點，讓觀眾真正有所收獲就是成功的。
參考文獻：
[1]傅京孫，蔡自興，徐光，人工智能及其應用，北京：清華大學出版社，1987
[2]宋健，學科前沿的最精彩成就[C]，見蔡自興，徐光編著的人工智能及其應用(第四版)[M]，北京：清華大學出版社，2010
[3]蔡自興，徐光，人工智能及其應用(第三版)，本科生用書[M]，北京：清華大學出版社，2003
[4]蔡自興，徐光，人工智能及其應用(第三版)，研究生用書[M]，北京：清華大學出版社，2004
[5]蔡自興，蒙祖強，人工智能基[M]，北京：高等教育出版社，2005
[6]蔡自興，人工智能及其在決策系統中的應用[M]，長沙：國防科學技術大學出版社，2005
人工智能教育的概念范文3
［關鍵詞］人工智能；財務機器人；會計電算化；人才培養
0引言
正如會計電算化替代傳統手工會計一樣，隨著信息化、智能化、互聯網、大數據等科技元素在會計信息化中的應用，人工智能悄然到來。自2017年“會計證被取消”，到普華永道、安永、德勤等國際會計師事務所紛紛推出財務機器人，這些舉動在財務圈引起了軒然大波，許多中職學校會計相關專業的學生，擔心基礎核算會計將被人工智能取代，對未來頗感擔憂。根據世界經濟論壇2016年的調研數據預測，到2020年，在全球15個主要的工業化國家中，機器人與人工智能的崛起，將導致510萬個就業崗位的流失，未來20年最有可能被機器人搶走飯碗的崗位包括低端制造業的生產、會計等［1］。2017年7月，中國《新一代人工智能發展規劃》，將人工智能上升為國家戰略。所以筆者認為，基于人工智能背景下的中職會計電算化專業人才培養方式將面臨變革，在教學中應站在未來發展的高度，適應信息化發展，及時掌握人工智能相關技術，實現由傳統會計電算化專業人才培養向智能化管理會計轉型。
1人工智能的概念［2］
人工智能即AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術以及應用系統的一門新的技術科學，它是指由人工制造出來的系統表現出來的智能。目前人工智能在計算機科學領域內，受到了廣泛的發揮。在機器人、經濟政治決策、控制系統、仿真系統中得到應用。人工智能是信息技術發展的必然，它已悄悄地改變著人類的各行各業。人工智能在會計行業中應用，促使會計由簡單核算向管理方向變革，推動了會計行業的發展，同時也促使著中職學校會計及相關專業的人才培養轉變。人工智能取代傳統的會計電算化操作人員是一種趨勢，但也是一種轉變，自我提升的機遇。
2中職學校傳統會計電算化專業人才培養［3］
2．1課程偏傳統基礎核算類，輕參與、管理類會計課程
在多數中職學校會計電算化教學計劃課程設計中，傳統財務會計類課程占大多數，管理會計類課程設置單一或者沒有。而財務機器人的出現，則能夠替代大部分重復性、流程性基礎會計核算工作。
2．2會計實操偏基礎性會計技能，輕數據分析、挖掘
在實踐教學及技能培養中，過于注重培養學生點鈔、傳票的翻打、會計書寫、憑證裝訂，會計電算化軟件操作機械性錄入等。在當前大數據、人工智能背景下，可以讓會計人員擺脫繁雜事務，重點放在會計數據分析與數據挖掘，為企業決策提供服務。
2．3課程偏模擬操作，輕實際操作
無論是手工核算還是會計電算化記賬，大多數實操是模擬一個企業一個月的業務，學生根據教材或老師給予的信息進行會計處理，過賬，做報表。一學期就是這樣反反復復練習。學期結束，雖然考試合格，但仍有很多學生不明白為什么這么處理，特別在月末業務處理更加模糊不清，例如工資發放，計提稅費、費用攤銷、成本及費用結轉等。還有絕大多數學生不知道真實環境如何計稅、報稅、納稅，只是理想中的學習，為了做賬而做賬。
3人工智能背景下的中職會計電算化人才培養［4］
3．1由基礎核算型初級人才向有思想的中級人才轉變
人工智能在會計行業中的應用，會計核算軟件中的基礎數據錄入、憑證錄入與審核、記賬、編制科目匯總表、材料的收發統計、報表的編制等操作很容易被財務機器人替代，但是也有一些是機器無可替代的，需要有思想的“人”來處理。例如：由于大環境變化，企業的固定資產有明顯減值趨勢，而財務機器人并不能分析與判斷這個固定資產是否會減值或減值多少，如果財務上不及時做出處理，將可能導致企業少確認資產減值損失，虛增了企業的資產和利潤，對于企業來說，這屬于信息失真。在大數據時代，中級類型的會計人才儲備相對較少，中職學校的會計電算化教育，需要培養的應當是此類會計人才。教學會學生不能只拘泥于看財務數據，還要學會合理利用有效的會計數據服務于企業的發展，提高企業的核心競爭力。
3．2由傳統的財務會計向人工智能環境下的管理會計人才轉變
財務機器人的出現，替代了傳統的財會人員進行基礎數據的錄入，日常憑證的填制、審核、記賬；憑證、賬簿、報表的生成；成本結轉、折舊等財務處理；納稅申報等，這不僅提高了會計工作的效率，減少了傳統的會計人員繁雜的日常賬務處理工作，但同時也讓傳統的會計人員失去工作。作為會計的教育者，如何讓學生在未來立于不敗之地，不被財務機器人替代，就需要學校適應時代趨勢，教學重點由傳統的基礎核算向智能管理型會計演變。會計從事的活動，除了重復、機械、煩瑣的事情外，還可以創造更多價值，比如：評估、判斷、溝通、協作、建議等。管理型計人才就是通過智能機器人核算出的精確信息，對企業的未來做出評估、預判、建議等，甚至幫助企業管理者做出決策。
3．3由會計電算化軟件操作員向人工智能會計系統的設計者轉變
人工智能環境下的財務機器人，實質就是一種自動化運行的程序，這種程序的設計，需要設計人員既要懂計算機又要懂會計。而現在的中職學校，會計電算化專業主要培養的是會計專業人才，操作會計核算軟件，而很少在計算機方面進行教學。在人工智能環境下，懂得會計專業的人才只是人工智能會計系統設計的主導者，而計算機方面人才則根據會計法及相關規則進行系統設計，自動化處理會計業務需要想到協作，融會貫通。人工智能永遠是基于系統的規則和大數據，如果規則發生變化，人工智能將無法起作用。在日常教學中，哪怕我們不能完全讓學生掌握編寫程序，但是應當教會學生看懂和讀懂程序，對機器人“思想”進行修改，也算是人工智能的掌控者，而不是被替代者。
4人工智能背景下中職學校會計電算化專業人才培養應對策略［5］
4．1更新理念與改變教學計劃
筆者認為，在人工智能背景下，在中職學校，會計及電算化專業辦學理念中應加入人工智能等相關技術，同時其人才培養方案、專業建設、教學計劃等方面都需要做出相應的調整，培養適應于人工智能時代復合型人才。例如，中職學校會計或會計電算化專業的教學計劃中，計算機方面課程開設僅有計算機應用及會計電算化軟件操作課程，數據處理、編程類或人工智能課程幾乎沒有，這樣的教學安排不利于學生對未來人工智能的應對能力培養，應當增加相應的計算機方面課程，財務管理、會計政策、法律法規等人工智能無法替代的課程，減少將來可能被財務機器人替代的會計技能課程。
4．2提高教師人工智能等相關理念和技術
要給學生一碗水，教師必須要有一桶水，雖然人工智能的出現解決了許多教育上的難題，但是教師在人工智能背景下還需要增強自身信息化能力，學習人工智能相關理念，掌握人工智能相關技術。這就需要學校給予老師多點人文關心以及人工智能方面的繼續教育。
4．3關注人文綜合素質培養，讓人工智能為我所用
財務機器人出現，會計人員有更多時間去從事財務機器人無可替代更具有情感類的工作，這些工作需要人與人之間的溝通與交流，因此，筆者認為，中職會計電算化專業教育，不僅需要培養學生人工智能動手能力，還要關注學生思想道德、人文綜合素質的培養，提升學生的思想道德水平，教會學生愛崗敬業，誠實守信、樂于助人，激發學生的學習主動性和創造性。如果沒有良好職業道德水平，即使掌握了人工智能技術，也將會破壞規則，讓會計信息失真。我們不能教出人工智能的“奴才”，應當讓人工智能為人類所用，做人工智能的主人。
5結語
總之，人工智能正在快速又深刻地改變我們的生活和工作方式，將人工智能用于會計行業會也將會不斷得到規范。對于人工智能這類新興技術在財務行業的運用初期可能會讓學生產生恐慌、彷徨，認為學校教育無用。作為專業教師，要教會學生變革思想，提高其對會計價值的認識，提高其人文綜合素養，擁有過硬的專業技術，不斷地完善專業勝任能力，把握機會，主動迎接挑戰，那么人工智能就只是會計人員的好幫手，而不是掘墓人。
主要參考文獻
［1］彭維．淺談人工智能時代財務的變革與轉型［J］．中國管理信息化，2018（19）：39－41．
［2］鞏彥哲．人工智能在會計管理中的應用微探［J］．財會學習，2018（20）：86－87．
［3］盧映芝，黃靜．人工智能與會計課程實操的結合探討———VR技術的引進［J］．現代商貿工業，2018（30）：160－162．
［4］王立法．論人工智能環境下會計人才培養所面臨的挑戰及見解［J］．財經界，2018（6）．
人工智能教育的概念范文4
【關鍵詞】人工智能 計算機技術
一、人工智能的定義
“人工智能”(Artificial Intelligence)一詞最初是在1956年Dartmouth學會上提出的。人工智能是指研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支,它企圖了解智能的實質,并生產出一種新的能以人類智能相似的方式做出反應的智能機器。目前能夠用來研究人工智能的主要物質手段以及能夠實現人工智能技術的機器就是計算機,人工智能的發展歷史是和計算機科學與技術的發展史聯系在一起的。
人工智能理論進入21世紀,正醞釀著新的突破,人工智能的研究成果將能夠創造出更多更高級的智能“制品”,并使之在越來越多的領域超越人類智能,人工智能將為發展國民經濟和改善人類生活做出更大貢獻。
二、人工智能的應用領域
1.在管理系統中的應用
(1)人工智能應用于企業管理的意義主要不在于提高效率,而是用計算機實現人們非常需要做,但工業工程信息技術是靠人工卻做不了或是很難做到的事情。在《談談人工智能在企業管理中的應用》一文中劉玉然指出把人工智能應用于企業管理中,以數據管理和處理為中心,圍繞企業的核心業務和主導流程建立若干個主題數據庫,而所有的應用系統應該圍繞主題數據庫來建立和運行。換句話說,就是將企業各部門的數據進行統一集成管理,搭建人工智能的應用平臺,使之成為企業管理與決策中的關鍵因子。
(2)智能教學系統(ITS)是人工智能與教育結合的主要形式,也是今后教學系統的發展方向。信息技術的飛速發展以及新的教學系統開發模式的提出和不斷完善,推動人們綜合運用超媒體技術、網絡基礎和人工智能技術區開發新的教學系統,計算機智能教學系統就是其中的典型代表。計算機智能教學系統包含學生模塊、教師模塊,體現了教學系統開發的全部內容,擁有著不可比擬的優勢和極大的吸引力。
2.在工程領域的應用
(1)醫學專家系統是人工智能和專家系統理論和技術在醫學領域的重要應用,具有極大的科研和應用價值,它可以幫助醫生解決復雜的醫學問題,作為醫生診斷、治療的輔助工具。事實上,早在1982年,美國匹茲堡大學的Miller就發表了著名的作為內科醫生咨詢的Internist 2Ⅰ內科計算機輔助診斷系統的研究成果,由此,掀起了醫學智能系統開發與應用的。目前,醫學智能系統已通過其在醫學影像方面的重要作用,從而應用于內科、骨科等多個醫學領域中,并在不斷發展完善中。
(2)地質勘探、石油化工等領域是人工智能的主要作用發揮領地。1978年美國斯坦福國際研究所就研發制成礦藏勘探和評價專家系統“PROSPECTOR”,該系統用于勘探評價、區域資源估值和鉆井井位選擇等,是工業領域的首個人工智能專家系統,其發現了一個鉬礦沉積,價值超過1億美元。
3.在技術研究中的應用
(1)在超聲無損檢測(NDT)與無損評價(NDE)領域中,目前主要廣泛采用專家系統方法對超聲損傷(UT)中缺陷的性質、形狀和大小進行判斷和歸類;專家運用超聲無損檢測儀器,以其高精度的運算、控制和邏輯判斷力代替大量人的體力與腦力勞動,減少了任務因素造成的無擦,提高了檢測的可靠性,實現了超聲檢測和評價的自動化、智能化。
(2)人工智能在電子技術領域的應用可謂由來已久。隨著網絡的迅速發展,網絡技術的安全是我們關心的重點,因此我們必須在傳統技術的基礎上進行網絡安全技術的改進和變更,大力發展數據挖掘技術、人工免疫技術等高效的AI技術,開發更高級AI通用和專用語言,和應用環境以及開發專用機器,而與人工智能技術則為我們提供了可能性。
三、人工智能的發展方向
1.專家系統是目前人工智能中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經驗的程序系統。近年來,在“專家系統”或“知識工程”的研究中已出現了成功和有效應用人工智能技術的趨勢。人類專家由于具有豐富的知識,所以才能達到優異的解決問題的能力。那么計算機程序如果能體現和應用這些知識,也應該能解決人類專家所解決的問題,而且能幫助人類專家發現推理過程中出現的差錯,現在這一點已被證實。
2.智能信息檢索技術的飛速發展。人工智能在網絡信息檢索中的應用,主要表現在:(1)如何利用計算機軟硬件系統模仿、延伸與擴展人類智能的理論、方法和技術。(2)由于網絡知識信息既包括規律性的知識,如一般原理概念,也包括大量的經驗知識這些知識不可避免地帶有模糊性、隨機性、不可靠性等不確定性因素對其進行推理,需要利用人工智能的研究成果。
3.SOAr是一種通用智能體系結構,其始終處在人工智能研究的前沿,已顯示出強大的問題求解能力,它認為機器人的開發是人工智能應用的重要領域。在它的研究中突出4個概念:(1)所處的境遇機器人不涉及抽象的描述,而是處在直接影響系統的行為的境地。(2)具體化機器人有軀干,有直接來自周圍世界的經驗,他們的感官起作用后會有反饋。(3)智能的來源不僅僅是限于計算裝置,也是由于與周圍進行交互的動態決定。(4)浮現從系統與周圍世界的交互以及有時候系統的部件間的交互浮現出智能。目前,國內外不少學者都對機器人足球系統頗感興趣,足球機器人涉及機器人學、人工智能以及人工生命、智能控制等多個領域。足球機器人系統本身既是一個典型的多智能體系統,是一個多機器人協作自治系統,同時又為它們的理論研究和模型測試提供一個標準的實驗平臺。
參考文獻:
[1]元慧.議當代人工智能的應用領域和發展狀況[J].福建電腦,2008.
[2]劉玉然.談談人工智能在企業管理中的應用[J].價值工程,2003.
[3]焦加麟,徐良賢,戴克昌.人工智能在智能教學系統中的應用[J].計算機仿真,2003,(8).
[4]周明正.人工智能在醫學專家系統中的應用[J].科技信息, 2007.
[5]張海燕,劉鎮清.人工智能及其在超聲無損檢測中的應用[J].無損檢測,2001,(8).
[6]馬秀榮,王化宇.簡述人工智能技術在網絡安全管理中的應用[J].呼倫貝爾學院學報,2005,(4).
人工智能教育的概念范文5
一、深度學習概念的提出
深度學習的概念，源于30多年來計算機科學、人工神經網絡和人工智能的研究。上世紀八九十年代，人們提出了一系列機器學習模型，應用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復雜的問題解決訓練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數空間中尋找最優解。淺層模型往往具有凸代價函數，理論分析相對簡單，訓練方法也容易掌握，應用取得了很多成功。①隨著人工智能的發展，計算機和智能網絡如何基于算法革新，模擬人腦抽象認知和思維，準確且高清晰度地進行聲音處理、圖像傳播甚至更為復雜的數據處理和問題解決等，在21世紀來臨的時候成為擺在人工智能領域的關鍵問題。
30多年來，加拿大多倫多大學計算機系辛頓教授（Hinton，G.）一直從事機器學習模型、神經網絡與人工智能等問題的相關研究，并在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。2006年，他在《Science》上發表了《利用神經網絡刻畫數據維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應用人工神經網絡刻畫數據的學習模型，首先提出了深度學習（Deep Learning）的概念和計算機深度學習模型，掀起了深度學習在人工智能領域的新。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經網絡具有優異的特征學習能力，學習到的特征對數據有更本質的刻畫，從而有利于可視化或分類；第二，深度神經網絡可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助于突破淺層學習模型。②基于深度置信網絡（DBN）提出非監督逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。③2012年，辛頓又帶領學生在目前最大的圖像數據庫ImageNet上，對分類問題取得了驚人的結果，將計算機處理圖像數據問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數據處理的準確性和清晰度，這是早先計算機僅僅依賴數學模型的表層學習和單層學習根本無法實現的水平。
在人工智能領域，深度學習其實是一種算法思維，其核心是對人腦思維深層次學習的模擬，通過模擬人腦的深喲緯橄筧現過程，實現計算機對數據的復雜運算和優化。深度學習采用的模型是深層神經網絡（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經網絡（Neural Networks，NN）。深度學習利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉化為淺層特征、中層特征、高層特征直至最終的任務目標。深度學習可以完成需要高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經網絡，多層非線性結構使其具備強大的特征表達能力和對復雜任務的建模能力。訓練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓練深層模型帶來了希望，并在多個應用領域獲得了成功。
人工智能學者們認為計算機和智能網絡的這一深層的自動編碼與解碼過程，是一個從數據刻畫、抽象認知到優選方案的深度學習的過程。由于人腦具有深度結構，認知過程是一個復雜的腦活動過程，因而計算機和人工智能網絡模擬從符號接受、符號解碼、意義建立再到優化方案的學習過程也是有結構的；同時，認知過程是逐層進行、逐步抽象的，人工智能不是純粹依賴于數學模型的產物，而是對人腦、人腦神經網絡及抽象認知和思維過程進行模擬的產物。應該說，到目前為止，深度學習是計算機和智能網絡最接近人腦的智能學習方法。近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，并取得了突破性的進展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學院技術評論》（MIT Technology Review ）雜志將深度學習列為2013年十大突破性技術之首。④深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。二十世紀八九十年代以來，隨著學習科學的不斷發展，深度學習的概念和思想不斷在教育中得到應用。
二、深度學習在教育中的興起與發展
來自腦科學、人工智能和學習科學領域的新成就，必然引起教育領域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結構和抽象認知，通過神經網絡的建立開展深度學習，那人對知識的學習過程究竟應該是怎樣的一個腦活動過程和學習過程？學生的學習有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學習過程究竟是一個怎樣的抽象認知過程？信息技術環境支持下深層次的學習如何實現？近十多年來，這些問題引起了許多教育研究者特別是教育技術學研究者的濃厚興趣，深度學習、深度教學的研究日益引起人們的重視。也正是在辛頓的“深度學習”概念明確提出后，教育學領域特別是教育技術學領域的深度學習研究日益活躍起來。
其實，早在1956年布魯姆在《教育目標分類學》里關于“認知領域目標”的探討中，對認識目標的維度劃分就蘊含了深度學習的思想，即“學習有深淺層次之分”，將教學目標分為了解、理解、應用、分析、綜合、評價六個由淺入深的層次。⑤學習者的認知水平停留在知道或領會的層次則為淺層學習，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認知水平較高的深層理解、應用、分析、綜合和評價則涉及的是理性思辨、創造性思維、問題解決等相對復雜的高階思維活動，屬于深層學習。1976年，美國學者馬頓（Marton，F.）和薩爾約（Saljo，R.）在《論學習的本質區別：結果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學習和深層學習的概念。⑥這被普遍認為是教育學領域首次明確提出深度學習的概念。他們在一項關于閱讀能力的實驗研究中，明確探討了閱讀學習的層次問題。通過讓學生閱讀文章并進行測驗，發現學生在閱讀的過程中運用了兩種截然不同的學習策略：一種是試圖記住文章的事實表達，揣測接下來的測試并記憶，即表層學習（Surface Learning）；另一種是試圖理解文章的中心思想和學術內涵，即深層學習（Deep Learning），也被譯為深度學習。深度學習的學習者追求知識的理解并且使已有的知識與特定教材的內容進行批判性互動，探尋知識的邏輯意義，使現有事實和所得出的結論建立聯系。淺層學習和深層學習在學習動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學習是一種主動的、高投入的、理解記憶的、涉及高階思維并且學習結果遷移性強的學習狀態和學習過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發展了淺層學習和深度學習的相關理論。⑦隨著信息技術的發展，近十年來，國外學者對信息技術支持下的深度學習及其在各學科領域、各類教育中的應用研究日漸廣泛。
2002年以來，從技術支持高等教育的深度學習、虛擬環境中的深度學習、形成性評估對深度學習的影響、學習環境對學生進行深度學習的影響、技術支持下的深度學習設計等方面研究成果日益豐富，但絕大部分是基于教育技術學視野的研究成果。2006年，辛頓教授關于深度學習的成果發表，進一步推動了深度學習在教育中的研究與應用。近十年來，在中小學深度學習研究方面最有影響的當屬加拿大西盟菲莎大學（Simon Fraser University）艾根（Egan， K.）教授領銜的“深度學習”（Learning in Depth，簡稱LID）項目組所進行的研究，其成果集中體現在《深度學習：轉變學校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學習的基本原則與方法，分析了深度學習對學生成長、教師發展和學校革新的價值與路徑，并在加拿大部分中小學進行實驗研究。其核心成果聚焦課堂學習和教學問題，即使是關于教師教育中深度學習的研究，也聚焦于教師的學習過程和學習方式。⑨艾根所開展的深度學習研究項目超越了單一教育技術學視野的研究，不僅僅是關于教學設計、學習技術和學習環境開發的研究，而是基于建立新的學習觀和知識觀，對教學活動與學習過程作出了新的闡釋。
總體上看，國內關于深度學習的研究最近十年才剛剛起步。2005年，我國學者黎加厚教授在《促進學生深度學習》一文中，率先介紹了國外關于深度學習的研究成果，同時探討了深度學習的本質。他認為深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將它們融入原有的認知結構中，能夠在眾多思想間進行聯系，能夠將已有的知識遷移到新的情境中，作出決策和解決問題的學習。⑩此文被認為是國內較早介紹并論及深度學習的研究成果，此后，關于深度學習的探討，特別是基于信息技術環境下的深度學習的相關研究論文逐漸增加。2006年10月，筆者在前期研究的基礎上，與臺灣成功大學教育研究所所長李坤崇教授聯合發起“海峽兩岸能力生根計劃”，推進能力導向的深度教學的理論研究與實驗研究，主張以價值觀、知識觀、學習觀、過程觀的重建為基礎，以發展學生的學科能力為宗旨，實施深度教學，克服課堂教學改革過于注重教學程序、教學技術、教學時間的淺層次改革和表層學習的局限性，深化課堂教學改革。2014年后，中國教育科學院院長兼教育部課程教材研究與發展中心主任田慧生研究員基于深化課程改革的需要，帶領一個團隊開始啟動深度學習的項目研究。直至今日，基于核心素養追求背景下的深度學習研究項目，如雨后春筍般涌現，“深度學習”成為教育研究中的一個熱詞。
盡管計算機、人工智能領域與教育學領域都提出了“深度學習”概念，但不難看出二者顯然具有本質差異。計算機與人工智能領域的深度學習是建立在機器模擬人腦深層結構的基礎之上的，是基于人腦結構的一種計算機算法思維和問題解決模型，是對人腦和認知結構的模擬。而教育學領域的“深度學習”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學習”兩個核心，是關于知識學習的目標和過程的問題。布魯姆在教育目標分類學認知領域的目標構設中，認為認知目標是由了解、理解、應用、分析、綜合、評價六個不斷加深的層次構成的。這一目標明顯是關于知識學習和認知過程的目標，在2001年修訂版中，這一目標被精確表述為知識學習和認知過程兩個維度。馬頓和薩爾約在關于閱讀的研究中，基于學生對文本理解的層次和理解的深度提出了“深度學習”的概念，并認為學習的本質區別在于過程而不是學習的結果，是學生對文本知識學習的深刻程度決定了其學習結果的差異性。
艾根的研究實現了從深度學習向深度教學的轉向。艾根的深度學習（Learning in Depth）研究更明確地指向了學生對知識的學習所到達的深度，以及教師通過對知識的處理引導學生逐步到達一定的學習深度。這一深度學習的過程是一個逐步深化的學習過程，要求教師在教學過程中引導學生著眼于知識的深層次理解和深度處理。該項研究表明，深度學習的研究開始從單一的學習技術研究轉向了對教學過程的關注，注重深度學習與深度教學的關聯性和一致性，深度學習的研究呈現出向深度學習與深度教學相結合的轉向。
三、深度學習的核心理念
從深度學習走向深度教學，一方面是教與學的一致性決定的，另一方面是當前中小學課堂教學普遍存在的局限性Q定的。教與學的關系既不是對立關系，也不是對應關系，而是一種具有相融性的一體化關系，離開了教無所謂學，離開了學也無所謂教。學生真正意義上的深度學習需要建立在教師深度教導、引導的基礎之上。從本質上看，教育學視野下的深度學習不同于人工智能視野下的深度學習，不是學生像機器一樣對人腦進行孤獨的模擬活動，而是學生在教師引導下，對知識進行的“層進式學習”和“沉浸式學習”?！皩舆M”是指對知識內在結構的逐層深化的學習，“沉浸”是指對學習過程的深刻參與和學習投入。離開了教師的教學和引導，學生何以“沉浸”？因此，深度學習只有走向深度教學才更具有發展性的意義和價值。同時，我國新一輪基礎教育課程改革以來，課堂教學改革依然存在著諸多表層學習、表面學習和表演學習的局限性，“學習方式的轉變”往往演變成了教學形式的改變，諸如教與學在程序上的簡單翻轉和在時間上的粗暴分配。其所體現出來的知識觀、價值觀、教學觀、過程觀依然陳舊落后，以學科知識、學科能力、學科思想和學科經驗的融合為核心的學科素養依然未能得到實質性的滲透。
深度教學的“深度”是建立在完整而深刻地處理和理解知識的基礎之上的。艾根在深度學習的研究中，首次從知識論的角度，論述了深度學習的“深度”（Depth）的涵義。他認為“學習深度”具有三個基本標準，即知識學習的充分廣度（Sufficient Breadth）、知識學習的充分深度（Sufficient Depth）和知識學習的充分關聯度（Multi-Dimensional Richness and Ties）。這三個標準，也是深度學習的核心理念。
第一，知識學習的充分廣度。充分的廣度與知識產生的背景相關，與知識對人生成的意義相關，與個體經驗相關，也與學習者的學習情境相關。如果教學把知識從其賴以存在的背景、意義和經驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學的知識還是社會科學或人文學科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產物。離開了知識的自然背景、社會背景、邏輯背景，前人創造的知識對后人而言幾乎不具有可理解性。隨著深度學習的興起，旨在以廣度促進理解的“無邊界學習”日益引起人們的重視?？梢姡R的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達成創造了可能性和廣闊性基礎。
第二，知識學習的充分深度。知識的充分深度與知識所表達的內在思想、認知方式和具體的思維邏輯相關，深度學習把通過知識理解來建立認識方式，提升思維品質，特別是發展批判性思維作為核心目標。所以說，深度學習是一種反思性學習，是注重批判性思維品質培養的學習，同時也是一種沉浸式、層進式的學習。深度學習強調學習過程是從符號理解、符號解碼到意義建構的認知過程，這一過程是逐層深化的。
第三，知R學習的充分關聯度。知識的充分關聯度，是指知識學習指向與多維度地理解知識的豐富內涵及其與文化、想象、經驗的內在聯系。知識學習不是單一的符號學習，而是對知識所承載的文化精神的學習。同時，通過與學生的想象、情感的緊密聯系，達到對知識的意義建構。從廣度，到深度，再到關聯度，學生認知的過程是逐層深化的。所謂意義建構，即從公共知識到個人知識的建立過程，都需要建立在知識學習的深度和關聯度之上。
①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.
②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.
③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.
④余凱等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，9.
⑤安德森.布盧姆教育目標分類學（修訂版）[M]. 北京：外語教學與研究出版社，2009：78-80.
⑥Marton，F. and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.
⑦安富海.促進深度學習的課堂教學策略研究[J].課程?教材?教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
人工智能教育的概念范文6
【關鍵詞】大規模開放在線課程；人工智能課程；翻轉教學法
0 引言
近年社會對計算機專業人才能力的要求越來越高，而學生所學與實際需求存在不少差距，高校計算機專業課程教學因而遭遇詬病。依托信息與網絡技術支撐的大規模網絡開放課程（massive online open course，MOOC）較好貫徹了以學為中心的理念，其翻轉教學模式與靈活有效的交互極大提升了學習興趣[1]。搭建MOOC平臺的計算機技術既是技術基礎，也是熱門MOOC課程。在此浪潮下傳統高校計算機專業的教學首當其沖受到沖擊，遇到前所未有的挑戰?？v觀國際三大MOOC巨頭的課程建設均始于計算機類專業課程，同時也是所占比例較大的課程系列，其中人工智能（Artificial Intelligence，AI）課程在Coursera、Udacity[1]兩個平臺上均是最早開設的課程之一。采用何種教學模式更適應社會對人才的需求呢？這是應對挑戰的關鍵問題。
1 人工智能課程的課堂教學困境
人工智能是研究模擬、延伸和擴展人類智能的理論、方法、技術及應用的前沿交叉學科，涉及面廣、研究性強，還不斷產生新的理論和方法。課程難度大理論強實踐難，也是公認難講的課程之一，該課程具有如下特點：
1.1 先導課多，知識抽象，涉及面廣，更新快
前期知識包括：數據結構、離散數學、程序設計、圖像處理等。如果前期知識不扎實，很難理解內容并融會貫通。傳統內容包括：知識表示和推理、搜索策略、模糊理論、神經網絡、機器學習、專家系統、遺傳算法等，涉及大量抽象理論和復雜算法。教材普遍特點是：內容滯后，枯燥深奧的理論和解決現實問題的實踐聯系不緊密。
1.2 研究性強
該領域很多內容仍是科研熱點，并不斷涌現出新的研究方向、新內容、新方法、新技術和新應用。
1.3 教學方式單調
技術和管理的局限也制約了教學方式，教學方式基本以教為中心，停留在講授、問答等簡單互動上，教學方法單一。很少能提供學生自學、討論、合作和實踐的一整套互動實踐機會，難以真正體現以學為中心的理念。
1.4 學生缺乏興趣
一方面，課程本身特點使得課程容易陷入枯燥的紙上談兵的尷尬。另一方面，即將畢業的高年級本科生對未來規劃明確，抽象的人工智能課程無論從職業發展還是繼續深造對學生并沒有立竿見影的效果，進一步拉低興趣。此外，教材滯后，教學方法單一等也會影響興趣。
如火如荼發展的MOOC的課程，尤其Udacity的課程設計之初就立足于解決實際問題的導向，做法上的獨特之處成功吸引了大批學生。課堂教學中借鑒在MOOC上被證明有效的教學模式和方法，不啻為一種嘗試，以期擺脫教學困境，提高學習興趣，最終提升教學質量。
2 MOOC的教學模式
MOOC的教學模式分為三種：cMOOC、xMOOC 和 tMOOC[2]。早期的cMOOC的教學模式特點是學習者完全做主，但復雜的網絡互動產生龐大而混雜的知識網，缺乏識別主次和歸納總結能力學生常因信息過載陷入茫然無措的境地。2011年Udacity 創始人之一在網上開設的“人工智能導論”課程改變了表現風格，把互聯網作為教學媒體的呈現潛力發揮到極致，按知識點分割內容成短小視頻，其間插入現場對問題的解決，突出了Udacity有別于傳統教育機構及其先行者的地方：注重發現并解決問題。這就是xMOOC的教學模式，沿襲并創新了熟悉的學習風格，使得MOOC如魚得水漸漸發展壯大。隨著MOOC逐步成熟，為了適合具有專業基礎的職業技能培訓，發展培養針對具體任務的探究學習教學模式，即tMOOC模式，這是Udacity網站課程的另一個設計目標。表1顯示了MOOC的三種模式的對比。
以Udacity的人工智能導論課程為例，只要高中畢業具有概率論和數理統計基礎的學生就可以學習，該課程適合入門，但難度較低，內容較少。清華大學的馬少平編寫的人工智能教材是很多大學，包括我院人工智能課程的教材，清華大學的人工智能課程經過多年發展已經形成了一個系列教學資源庫，包括教材、課程視頻、教學課件、作業及答案和實驗設計等。根據Udacity網站的人工智能導論課程的展示，表2從幾方面對比了Udacity人工智能課程與清華大學馬少平版的人工智能課程情況：
從表2可以發現Udacity的人工智能視頻采用了按知識塊分割成短小視頻，在期間和完畢之后都準備了測試，細節上體現了以學為主的理念。縱觀類似人工智能的國家精品課程[3]，學習資源多為文本類，重用難，對教學重難點沒有拓展和轉化。這種以內容共享為中心的呈現模式，缺乏與學習者充分交互，難以體現以學為中心的教學理念。
在MOOC的教學設計中，調動學習者極大熱情的是翻轉課堂，在學習環境中引入了自主協作[4-5]，在交流機制中融入了多元互動，給學習者帶來積極、主動、高效的學習，翻轉課堂和傳統課堂的區別如表3所示：
3 MOOC的教學模式對人工智能課堂教學的啟示
3.1 教學內容的優化與調整
MOOC的教學通過把理論抽象的知識點分割成小段錄制的微課視頻，時長不超過15分鐘，內容銜接處具有一定交互性，講解形象化，提供給學生反復觀看，這種用技術處理分解知識點和把難點從抽象變成具象的過程降低了理解難度。
課堂教學也可以通過分而治之的方式對教學內容優化調整。人工智能涉及內容與范圍多而雜，作為入門課程并不要面面俱到，根據學生層次，可以區分重點掌握和一般介紹的內容，以點帶面鋪開，因此，根據學生特點，把成熟的基礎理論和這些理論的實際應用整合，輔以其他新技術的穿插介紹，主要分三塊：
①人工智能的概念和發展，熟悉人工智能的研究和應用領域；
②人工智能的基本技術，包括知識表示，邏輯推理、搜索策略、模糊理論等；
③涉及現實應用，如：機器學習，模式識別，自然語言理解，智能控制等。
為了反映人工智能領域最新進展，教師還可以收集學生感興趣的最新成果專題信息，及時更新、調整教學內容，通過與實際更緊密的融合接軌，對課堂上沒時間介紹而又較熱點的新知識，通過提供方向和資料解決，注重提高興趣的同時，也展示出課程學科特點、主流技術及發展趨勢。
3.2 緊密結合實際
Udacity的開設之初的目的就是學習為了解決現實問題，其人工智能課程設計也不例外，包含有實際遇到問題的解決，這種立竿見影的好處就是極大激發了興趣。
考慮到高年級學生對解決實際問題技術的興趣遠遠大于技術理論等細節，不想花太多時間去理解復雜而難以看到實踐效果的理論上，更想通過實際體驗解決問題增強成就感。教學內容的設計尤其緊密結合實際運用。
傳統人工智能講授通過實例解答或推證式講述理論，如知識表示和搜索推理技術，該部分理論強，應用實例少，往往學生感覺枯燥乏味，教師也感覺晦澀抽象，學生對所講內容基本靠死記方法和步驟，這種僵化的教與學影響了教學效果。
因此，設計教學時尤其注重內容的實用性。除了講授至今仍沿用和有效的基本原理和方法外，引入近年發展起來的方法和技術，如智能算法等，對這些內容重點在技術的具體實現上，強調與實際的融合貫通。教學過程中加入與課程內容對應又可以用計算機實現的試用內容。如模式識別應用于手寫數字識別，通過仿真軟件模擬實現算法，獲得立竿見影的效果體驗，加深對算法的認識，引起學生濃厚的興趣。同時也對某些很有發展前景的技術興趣導入，如目前人工智能研究側重人類理性邏輯功能的模擬，而如果把情感智能考慮進去，才更有人性化的智能決策。這就是經過了將近20年發展的情感計算，隨著可穿戴技術漸漸滲透進生活，引起更多關注，這些接地氣的內容提升了興趣。
3.3 實踐能力的培養
Udacity 創始人史蒂芬斯博士的說過，“即使是最好的大學，其計算機課程所傳授的技能也是浮于理論的”。學習的目的是為了解決實際問題，帶著問題學習和思考，有利于主動學習的激發。這些方面，可以參考Udacity人工智能課程的實驗內容修正。強調學習是為了解決實際問題服務的目標。
3.4 教學模式及教學方法的變化
3.4.1 實例教學法
人工智能內容的抽象性決定了知識點的難度，Udacity人工智能課程教學中盡量把難懂的知識點結合現實中有趣實例，通過感性體驗提高理性理解，讓學生容易接受。筆者進行了一些化難為易的嘗試：如利用漢諾塔問題講解狀態空間的知識表示，通過野人過河的游戲程序步步領會理論精髓；結合下棋軟件體驗模擬人腦思考的計算機博弈的極大極小搜索思路，這些實例教學激起了興趣，擴展了學生思路，拓寬了視野。
3.4.2 翻轉教學法
整門課程錄制課程小視頻還有一定難度，作為嘗試，選擇少量知識點錄制視頻進行翻轉教學。如抽象的理論部分，借鑒網上已有視頻資源融入教學過程，分解知識點破解難點，形象化與短時間的重復講解，增加學生對抽象內容的理解，期間穿插核查對理解內容的核查，并留出思考時間，強化學習效果。
3.4.3 交互環境的營造，輔助教學過程完善
1）基于聯通主義的學習交互[6-7]
在MOOC課程中，提供在線交流論壇，學習者建立課程組，學習組等方式交流，這種教與學、學與學的交互不但是網狀進行的，而且是即時的。學生將互動產生的內容作為學習的中心，通過學習者不同認識的交互，建立新的認知結構，拓寬了視野，更有利于問題的有效解決。這種互動交流分成三種形式：
①教師對統一回答提問集中且意義較大的疑難問題；
②學習者分享學習感悟；
③學生間交流帶來不同認知的碰撞。
以上三種情況的互動在課堂教學中也可以運用于課堂教學：及時分析整理共同問題，集中回復；課堂教學的互動除了課堂上及時了解學生反饋的互動，還有對解決問題的互動。課下互動可以利用學者網建立課程組，提供了較好的師生交流形式與效果，同時利用學習組在小組中分享互助，小組成員的交流引起認知碰撞，這種實際參與的體驗加深了理解，并鞏固學到內容，這些資料的逐漸積累還可以復用。
2）基于行為主義的學習反饋[8]
MOOC 遵循了程序教學的一般原則，尤其注重學生反饋，像游戲一樣關卡設置讓整個過程充滿挑戰性，一些機器評分實現了及時學習反饋，擺脫了單向提供課程資源的弊端。課堂教學可以借鑒這種借助技術手段互動了解學生學習的情況，促使有意義學習的發生。
4 教學改革的實施
利用以上措施在《人工智能》課程的教學中實踐，通過在xMOOC教學模式中部分適當內容引入翻轉教學法與利用學者網的課程交互，探索提高興趣，促進理論與實踐的融合，促進有意義學習的發生，提高學生實踐能力的途徑。通過觀察，調查與訪談等方式，了解學生在該教學模式中興趣與能力改善狀況，同時研究教師教學法轉變與教學水平變化的關系，根據追蹤研究效果，發現這種改善調動了學習興趣，促進了教學效果。實踐中通過建立實驗組（班）與對照組（班）、評價教學模式和教學效果等因素，不斷總結、修正和完善，期望建立適應當前形勢與環境的有效的該課程的教學模式與教學方法。
5 結束語
筆者結合人工智能課程的教學實踐，針對本科高年級的教學特點和人工智能課程學科特點，提出在設計人工智能教學時，通過MOOC的教學模式和教學方法完善課堂教學，注重內容的實用性和新穎性，適當穿插新方向的內容，目標是將難學、枯燥、難理解的問題，變得易學、有趣、易理解。從學生反饋來看，這些方法起到了積極的實際效果，有效地提高了學習積極性。
【參考文獻】
[1]udacity的人工智能導論課程網[EB/OL].https：///course/cs271.
[2]王萍.大規模在線開放課程的新發展與應用：從cMOOC 到xMOOC[J].現代遠程教育研究，2013（03）：13-19.
[3]國家精品課程資源網[DB/OL].[2013-04-22].http：//.
[4]徐明，龍軍.基于 MOOC 理念的網絡信息安全系列課程教學改革[J].高等教育研究學報，2013，36（03）.
[5]王文禮.MOOC 的發展及其對高等教育的影響[J].江蘇高教，2013（2）：53-57.
[6]李青，王濤.MOOC：一種基于連通主義的巨型開放課程模式[J].中國遠程教育，2012（3）：30-36.
