發(fā)布時間：2023-03-24 15:14:22
序言：寫作是分享個人見解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的人工智能課程論文樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。
關(guān)鍵詞：航天類專業(yè) 人工智能 教學探索
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(fā)展，現(xiàn)代軍備技術(shù)快速提升，培養(yǎng)具有專業(yè)性的高素質(zhì)航天類人才，是我國航天科技發(fā)展的戰(zhàn)略選擇，也是航天重點高校面向并有效服務航天事業(yè)的歷史責任。航天類本科生的教育形式也需要突破傳統(tǒng)的方式，著重多樣性、前沿性、工程性，因此，該專業(yè)的各門課程教育都應該結(jié)合專業(yè)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(gòu)、政府和企業(yè)的空前關(guān)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(lǐng)域和廣泛交叉的前沿學科。由于航天領(lǐng)域的特殊要求，人工智能在其發(fā)展中發(fā)揮著不可替代的重要作用，各發(fā)達國家都相繼開展了人工智能與航天技術(shù)相結(jié)合的研究，致力于實現(xiàn)可重構(gòu)的、具有容錯能力的、智能的飛行系統(tǒng)和管理系統(tǒng)。因此，“人工智能”作為航天類專業(yè)的一門特色選修課，應結(jié)合專業(yè)特點展開更具有實用性和創(chuàng)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(shù)學、心理學、認知科學等眾多領(lǐng)域，具有知識點多、涉及面廣、內(nèi)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(fā)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(guān)學科的發(fā)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(shù)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(yè)特點
首先，航天類專業(yè)具有較強的工程性。在專業(yè)的教學改革中有統(tǒng)一的特點，即強調(diào)要體現(xiàn)航天工程技術(shù)的綜合性、系統(tǒng)性， 注重培養(yǎng)復合型人才。其次，航天類專業(yè)具有一定的前沿性。因為航天飛行器作為現(xiàn)代高科技和多種學科技術(shù)綜合應用的結(jié)晶，應及時把現(xiàn)代先進科技融入到了專業(yè)基礎和專業(yè)類的課程教學中， 專業(yè)知識更新快成為又一特點；另外，航天類專業(yè)應注重實踐性教育。尊重個性和興趣，強調(diào)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(diào)對學生設計理念和創(chuàng)造能力的培養(yǎng)。最后，航天類專業(yè)應重視產(chǎn)學合作。產(chǎn)學合作的目的在于推動學校與航天產(chǎn)業(yè)的持續(xù)全面合作，造就一支科學技術(shù)研究和工程實踐兼?zhèn)涞慕處熽犖椤?/p>
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(fā)展與完善中。就目前來看，關(guān)于人工智能的定義和范圍都沒有一個統(tǒng)一的標準，不同的教材所介紹的內(nèi)容也不盡相同。在教材選用方面，需要綜合考慮專業(yè)特點和學生的知識背景。本課程主要針對航天類專業(yè)高年級本科生，該類學生具有一定的數(shù)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(jīng)驗，借鑒了國內(nèi)外其他專家和作者的最新研究成果，吸取了國內(nèi)和國外人工智能領(lǐng)域?qū)W術(shù)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(jù)人工智能學科的新發(fā)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(nèi)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(jīng)典教材。
3.2 課堂教學形式的探索
“人工智能”課程內(nèi)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(chǎn)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(jù)不同內(nèi)容采用不同的教學手段，有利于學生對課程內(nèi)容的理解與吸收。另外，考慮到航天類的專業(yè)特點，突出課程內(nèi)容的工程應用，增加研究性質(zhì)的教學內(nèi)容與形式，有利于培養(yǎng)學生的創(chuàng)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(nèi)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(diào)研和討論，來深化課程內(nèi)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(nèi)容，也利于對新內(nèi)容的理解。并且，通過對不同內(nèi)容的比較總結(jié)相似點、區(qū)分不同點，可以避免概念的混淆，清晰的掌握課程內(nèi)容。
（4）增加研究性教學。研究性教學強調(diào)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(fā)式”、“案例式”教學激發(fā)學生“自主學習”能力。
3.3 課程內(nèi)容的探索
一方面，鑒于本科生知識結(jié)構(gòu)還不夠完善，“人工智能”課程的內(nèi)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(yè)的特點，課程內(nèi)容應更注重與航天應用相結(jié)合的內(nèi)容，并且在課程中增加具體應用的介紹。具體的課程內(nèi)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(chuàng)新能力和實踐能力的培養(yǎng)，傳統(tǒng)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(xiàn)和課程報告相結(jié)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(xiàn)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(diào)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(jù)個人興趣、課程內(nèi)容、可行性、實踐難度進行合理選題，并根據(jù)所選題目進行文獻查閱和總結(jié)，完成調(diào)研報告或算法實現(xiàn)報告。結(jié)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(chuàng)新實踐能力。
4 結(jié)語
航天類專業(yè)的本科生教學需針對專業(yè)特點有的放矢，該專業(yè)的課程教育都應該趨向于前沿性、專業(yè)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(yè)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(tǒng)的教學模式，將課堂理論講解、課堂討論、課后調(diào)研、項目實踐等相結(jié)合，充分調(diào)動學生的學習興趣和積極性，提高學生的創(chuàng)新能力，有利于培養(yǎng)真正符合航天領(lǐng)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(chuàng)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(xiàn)代計算機（專業(yè)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.
[7] 張偉峰.本科高年級人工智能教學的幾點思考[J].計算機教育，2009（11）：139-141.
關(guān)鍵詞：人工智能；教育；新模式；改革；構(gòu)想
教育是著眼于未來的事業(yè)，教育的首要任務就是為未來社會培養(yǎng)相適應的合格人才。隨著人工智能的誕生和發(fā)展，我國已經(jīng)開始將人工智能應用于教育領(lǐng)域，并顯示出人工智能對于彌補當前教育存在的種種缺陷和不足，推動教學現(xiàn)代化和教育發(fā)展改革進程起著越來越重要的作用。在現(xiàn)代醫(yī)學發(fā)展中，工程科學與臨床醫(yī)學不斷融合，相互進步。近幾年，隨著人工智能技術(shù)，機器人技術(shù)，虛擬與增強現(xiàn)實技術(shù)，3D打印技術(shù)與醫(yī)學不斷的融合發(fā)展，衍生出一系列的醫(yī)學診療技術(shù)，儀器，大大推進了醫(yī)學發(fā)展。從2013年到2017年，國務院、發(fā)改委、FAD連續(xù)發(fā)文，多次提及醫(yī)療走智能化、云化的趨勢，為推動智能醫(yī)療領(lǐng)域保駕護航。智能與醫(yī)學的結(jié)合已經(jīng)是大勢所趨，因此，為培養(yǎng)大量智能醫(yī)學人才極有必要對智能醫(yī)學教育新模式進行深入研究。
一、目前醫(yī)學教育以及醫(yī)學人才培養(yǎng)狀況
智能醫(yī)學工程是一門將人工智能、傳感技術(shù)等高科技手段綜合運用于醫(yī)學領(lǐng)域的新興交叉學科，研究內(nèi)容包括智能藥物研發(fā)、醫(yī)療機器人、智能診療、智能影像識別、智能健康數(shù)據(jù)管理等。
智能醫(yī)學工程的畢業(yè)生掌握了基礎醫(yī)學、臨床醫(yī)學的基礎理論，對智慧醫(yī)院、區(qū)域醫(yī)療中心、家庭自助健康監(jiān)護三級網(wǎng)絡中的醫(yī)學現(xiàn)象、醫(yī)學問題和醫(yī)療模式有較深入的理解，能熟練地將電子技術(shù)、計算機技術(shù)、網(wǎng)絡技術(shù)、人工智能技術(shù)，應用于醫(yī)療信息大數(shù)據(jù)的智能采集、智能分析、智能診療、臨床實踐等各個環(huán)節(jié)。實驗教學正是融合型創(chuàng)新人才的最好培養(yǎng)方式。智能醫(yī)學人才的培養(yǎng)需要各學科間的相互交融更為緊密，學生的創(chuàng)新應用能力才能得到更好的培養(yǎng)。與此同時，由于絕大部分醫(yī)工結(jié)合的專業(yè)大部分歸屬與工科學院下，缺乏必要的臨床經(jīng)驗，因而學生不能很好的把握新技術(shù)的應用。
而國內(nèi)相關(guān)人才缺口還非常大，目前，國內(nèi)僅僅有生物醫(yī)學工程、醫(yī)學信息工程等工科專業(yè)培養(yǎng)醫(yī)工結(jié)合人才。但是囿于培養(yǎng)時間與培養(yǎng)模式，他們往往只能針對具體某一方向，并且目前的培養(yǎng)體系還多著重于工學技術(shù)的研究，缺乏臨床實踐。
二、智能+醫(yī)學教育的必要性探究
2.1技術(shù)進步對醫(yī)療人員的診療幫助
以癌癥的治療為例，由于針對癌癥藥物的研究何藥物數(shù)量非常巨大，對于普通醫(yī)生在短時間內(nèi)難以進行準確的判斷針對癌癥的研究和藥物數(shù)量非常巨大，具體來說，目前已有800多種藥物和疫苗用于治療癌癥。但是，這對于醫(yī)生來說卻有負面的影響，因為有太多種選擇可供選擇，使得為病人選擇合適的抗癌藥物變的更加困難。同樣，精確醫(yī)學的進步也是非常困難的，因為基因規(guī)模的知識和推理成為決定癌癥和其他復雜疾病的最終瓶頸。今天，許多受過專業(yè)訓練的醫(yī)學研究員需要數(shù)小時的時間來檢查一個病人的基因組數(shù)據(jù)并作出治療決定。
上述問題在擁有工學、醫(yī)學雙背景的醫(yī)生手中已經(jīng)不是問題，通過目前日漸成熟的AI技術(shù)，對于大量的醫(yī)療數(shù)據(jù)進行檢索，通過可靠的編程手段，通過人工智能技術(shù)，建立完備的醫(yī)療數(shù)據(jù)庫，幫助醫(yī)生進行診療。據(jù)調(diào)查，美國微軟公司已經(jīng)研制出幫助醫(yī)生治療癌癥的人工智能機器，其原理是對于所有關(guān)于癌癥的論文進行檢索，并提出對于病人治療最有效的參考方案，它可以通過機器學習來幫助醫(yī)生找到最有效，最個性化的癌癥治療方案，同時提供可視化的研究數(shù)據(jù)。
2.2智能醫(yī)學對于新時代醫(yī)生培養(yǎng)的影響
人工智能通過計算機可為學生提供圖文并茂的豐富信息和數(shù)據(jù)，一方面加強了學生的感性認識，加強了對所學知識的理解和掌握，從而提高了教學質(zhì)量。同時，人工智能可幫助教師完成繁雜的、需適應各種教學的教學課程、課件等設計，使教師將更多的精力專注于學與教的行為和過程，從而提高教學效率。正如前面所述例子，智能網(wǎng)絡模塊化學習平臺可使教學擺脫以往對于示教病例的依賴，拓展了學生們的學習空間和時間，可極大地提高醫(yī)學學習效率和教學質(zhì)量。
教育與人工智能相結(jié)合將會創(chuàng)新教育方式和理念。北京師范大學何克抗教授在《當代教育技術(shù)的研究內(nèi)容與發(fā)展趨勢》中提到當代教育技術(shù)的五大發(fā)展趨勢之一就是“愈來愈重視人工智能在教育中應用的研究”。結(jié)合上述人工結(jié)合上述人工智能在醫(yī)學教育中的創(chuàng)新作用，下面就人工智能結(jié)合醫(yī)學學教育新模式提出一些構(gòu)想。
三、交叉醫(yī)學人才的培養(yǎng)
3.1建立智能醫(yī)學人才培養(yǎng)體系的必要性
目前智能醫(yī)學的研發(fā)和臨床還存在隔閡，臨床醫(yī)生并沒有很好地理解人工智能，無法從實踐出發(fā)提出人工智能能夠解決的方向，而人工智能的產(chǎn)業(yè)界熱情高漲，卻未必能踩準點，所以產(chǎn)業(yè)界需要和臨床深度溝通融合，才能真正解決看病難、看病貴的問題，緩解醫(yī)療資源緊張。目前，國內(nèi)僅僅有生物醫(yī)學工程、醫(yī)學信息工程等工科專業(yè)培養(yǎng)醫(yī)工結(jié)合人才。
3.2醫(yī)學人才培養(yǎng)體系初步構(gòu)想
據(jù)悉，目前已經(jīng)有天津大學、南開大學等幾所院校開設了智能方向的醫(yī)學本科教育，旨在彌補上述缺口，相關(guān)院校也在積極探索新型人才培養(yǎng)方案。應當為醫(yī)學生開設人工智能課程，應當培養(yǎng)具備生命科學、電子技術(shù)、計算機技術(shù)及信息科學有關(guān)的基礎理論知識以及醫(yī)學與工程技術(shù)相結(jié)合的科學研究能力。該專業(yè)的學生主要學習生命科學、臨床醫(yī)學，電子技術(shù)、計算機技術(shù)和信息科學的基本理論和基本知識，充分進行計算機技術(shù)在醫(yī)學中的應用的訓練，具有智能醫(yī)學工程領(lǐng)域中的研究和開發(fā)的基本能力。
Abstract: Knowledge representation is one of the central topics in artificial intelligence. Conceptual Structure is a new and effective knowledge representation method and Conceptual Graph is a concrete semantic model supported Conceptual Structure thoughts. This paper discussed the relation between Conceptual Structure and Conceptual Graph, the method and features of Knowledge representation about Conceptual Graph. Finally, it elaborated the application of Conceptual Graph in Chinese information processing.
關(guān)鍵詞:知識表示;概念結(jié)構(gòu);概念圖;語義
Key words: knowledge representation;conceptual structure;conceptual graph;semantic
中圖分類號:TP391 文獻標識碼:A文章編號:1006-4311(2010)26-0145-02
0引言
知識是人類智能的基礎,知識的表示是人工智能學科研究的三個主要問題之一[1]。人工智能經(jīng)過半個多世紀的發(fā)展,研究出了多種知識表示方法,如一階謂詞邏輯、規(guī)則、框架、語義網(wǎng)絡等。這些方法對于描述特定領(lǐng)域的問題求解已足夠了,并已得到廣泛的應用,但傳統(tǒng)的知識表示方法就不能確切地表達語義問題。因此,傳統(tǒng)的知識表達方法能力還很有限,知識表示仍是很久以來人工智能研究的中心課題,還需要相當深入的研究。概念結(jié)構(gòu)理論的出現(xiàn)為知識表示研究帶來了一種新的思路。概念結(jié)構(gòu)(Conceptual Structure)是一種以語言學、心理學、哲學、邏輯學和數(shù)學為基礎的新的知識表示方法,是由美國的計算機科學家John F.Sowa在1984年首先提出的,己被從理論上證明了優(yōu)于其它傳統(tǒng)的知識表達方法。它擴展了人工智能的知識表達方法,對于信息時代從以數(shù)據(jù)處理為主的低級階段向以知識處理為主的高級階段的轉(zhuǎn)變和發(fā)展具有決定性的意義[2]。
概念圖(Conceptual Graph)是支持概念結(jié)構(gòu)思想的一個具體的語義模型,概念結(jié)構(gòu)理論及應用就是基于概念圖發(fā)展起來的,也就是說概念圖是概念結(jié)構(gòu)思想的載體,通過它來發(fā)展、傳播、帶動知識表示領(lǐng)域、乃至整個人工智能領(lǐng)域的研究與進步。概念圖的發(fā)展經(jīng)歷了二十幾個春秋,“Conceptual Structures: Information Processing in Mind and Machine reading”(sowa1984)揭開了概念結(jié)構(gòu)的序幕,“conceptual graphsfor a database inference”(Sowa1986)奠定了概念圖應用的基礎。隨后,IBM公司投入了大量人力和物力,潛心研究,出現(xiàn)了一個又一個的成果。國內(nèi)從90年代開始,西北大學、西北工業(yè)大學也進行了探索性研究[2]。
1概念圖的知識表示
概念圖是一種描述復雜對象結(jié)構(gòu)的知識表示工具,其思想來源于C.S.Pierce的存在圖和菲爾墨的語義網(wǎng)絡,是以圖形表示的一種有向連通圖,它包括兩種結(jié)點:概念結(jié)點和概念關(guān)系結(jié)點,弧的方向代表概念結(jié)點和概念關(guān)系結(jié)點之間的聯(lián)系。概念結(jié)點表示問題領(lǐng)域中的一個具體的或抽象的實體,概念關(guān)系結(jié)點指出一種涉及一個或多個概念結(jié)點的關(guān)系[3],如動作(AGNT: AGENT),對象(OBJ: OBJECT),材料(MATR: MATERIAL),具有(POSS: POSSESSES),地點(LOC: LOCATE),狀態(tài)(STAT: STATUS),部分(PART),方式(MANR: MANNER),工具(INST: INSTRUMENT)等。在概念圖中,概念結(jié)點用一個矩形表示,概念關(guān)系結(jié)點用橢圓表示,有向弧標出了概念關(guān)系結(jié)點所鄰接的概念結(jié)點。每個概念圖可以表示一個命題,典型的知識庫將包含大量這樣的圖。例如:A girl, Sue is eating pie fast. 其概念圖如下所示。概念圖上可以進行拷貝、限制、連接和化簡操作,產(chǎn)生新的概念圖。
概念圖是基于語義網(wǎng)絡的邏輯系統(tǒng),用它來進行知識表達不但直觀易懂,而且易于操作,通過對概念圖進行各種操作,能產(chǎn)生新的概念關(guān)聯(lián)和推理規(guī)則。此外,概念圖還能直接和自然語言建立映射關(guān)系。概念圖所具有的這些優(yōu)點使它更適合于表達概念結(jié)構(gòu)。
2概念圖的特點
概念圖使用帶標號的結(jié)點和連接這些結(jié)點間的帶標號的弧表示知識,屬于語義網(wǎng)絡的范疇,其理論建立在謂詞邏輯上,能完全與自然語言相互翻譯,表示出自然語言的語義[5]。概念圖同其他知識表示方法相比,具有更直接的同自然語言之間的映射,圖形化表示、可讀性更佳,比邏輯公式更直觀的特點。概念圖具有結(jié)構(gòu)簡單、易讀、表示范圍廣、能夠確切地表示自然語言的語義、數(shù)學基礎嚴密等優(yōu)點,代表了知識表示的發(fā)展趨勢。
概念圖與經(jīng)典的知識表示方法相比,更符合人類的思維和語言習慣,但是它只能表達一些簡單的概念關(guān)系,并不適合于表達包含復雜概念結(jié)構(gòu)的常識性知識。用概念圖進行知識表示需要分析知識的結(jié)構(gòu),所以其獲取過程要有領(lǐng)域?qū)＜业膮⑴c,還不能通過一個智能系統(tǒng)自動獲取。此外,對于一個復雜的問題求解而言,這種基于概念圖的推理容易產(chǎn)生冗余或者導致推理結(jié)果的不一致。因此,基于概念圖的智能系統(tǒng)只能進行一些簡單的問題求解,而對于包含大量的復雜概念關(guān)聯(lián)的常識性問題求解,概念圖還不能勝任。
3概念圖的應用
概念圖的理論自從被提出來后,受到很多研究者的青睞并將它應用到不同領(lǐng)域,例如知識工程、信息檢索等,在自然語言處理方面尤其語義理解方面具有廣泛的應用。不少研究者基于概念圖進行了研究與探索,并取得了一些成果。例如,殷亞玲[4]提出了一種基于概念圖的相關(guān)反饋技術(shù),采用概念圖的知識表示方式描述概念之間關(guān)系,從語義的層次上進行相似度判斷,擴展查詢式。朱海平[5]以概念圖作為語義表示,研究了基于概念圖匹配的語義檢索。楊選選[6]提出的基于語義角色和概念圖的信息抽取模型,是在語義層面上對信息抽取的嘗試。它將淺層的語義信息應用于場景識別和抽取模式兩個層次上,并通過概念圖將句子的語義形式化、可計算化。劉培奇[7]結(jié)合主觀題中簡答題的人工批改過程,提出以概念圖理論為基礎的模糊含權(quán)概念圖知識表示方法;從漢語自然語言理解的語義分析角度研究了特定課程主觀題自動閱卷問題。
4小結(jié)
人工智能領(lǐng)域中絕大多數(shù)知識表示方法都直接或間接地涉及到概念結(jié)構(gòu),概念結(jié)構(gòu)是人類認知能力的重要來源,現(xiàn)代的知識表示方法會越來越重視概念結(jié)構(gòu)。概念圖是一種有力的知識表示工具,能完全描述自然語言所表達的意思,實現(xiàn)與自然語言的互譯。我們相信對概念結(jié)構(gòu)和概念圖的深入研究必將對解決自然語言理解方面的難題產(chǎn)生重要貢獻和促進作用。
參考文獻:
[1]張仰森,黃改娟.人工智能教程[M].北京:高等教育出版社,2008.03.
[2]張蕾,李學良.概念結(jié)構(gòu)及其應用[D].西北工業(yè)大學博士論文,2001.05.
[3]賀文,危輝.概念結(jié)構(gòu)研究綜述[J].計算機應用與軟件,2010,27(1):156-159.
[4]殷亞玲,張蕾.基于概念圖的相關(guān)反饋系統(tǒng)的研究與實現(xiàn)[D].西北大學碩士論文,2006.07.
[5]朱海平,俞勇.基于概念圖匹配的語義搜索[D].上海交通大學博士論文,2006.10.
【關(guān)鍵字】人工智能；教育；進展
【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009―8097（2008）13―0018―03
人工智能是一門綜合的交叉學科，涉及計算機科學、生理學、哲學、心理學、哲學和語言學等多個領(lǐng)域。人工智能主要研究用人工的方法和技術(shù)，模仿、延伸和擴展人的智能，實現(xiàn)機器智能，其長期目標是實現(xiàn)人類水平的人工智能。[1]從腦神經(jīng)生理學的角度來看，人類智能的本質(zhì)可以說是通過后天的自適應訓練或?qū)W習而建立起來的種種錯綜復雜的條件反射神經(jīng)網(wǎng)絡回路的活動。[2]人工智能專家們面臨的最大挑戰(zhàn)之一是如何構(gòu)造一個可以模仿人腦行為的系統(tǒng)。這一研究一旦有突破，不僅給學習科學以技術(shù)支撐，而且能反過來促使人腦的學習規(guī)律研究更加清晰，從而提供更加切實有效的方法論。[3]人工智能技術(shù)的不斷發(fā)展，使人工智能不僅成為學校教育的內(nèi)容之一，也為教育提供了豐富的教育資源，其研究成果已在教育領(lǐng)域得到應用，并取得了良好的效果，成為教育技術(shù)的重要研究內(nèi)容。
人工智能的研究更多的是結(jié)合具體領(lǐng)域進行的，其主要研究領(lǐng)域有：專家系統(tǒng)、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決策支持系統(tǒng)、人工神經(jīng)網(wǎng)絡和分布式人工智能等。[4]目前，在教育中應用較為廣泛與活躍的研究領(lǐng)域主要有專家系統(tǒng)、機器人學、機器學習、自然語言理解、人工神經(jīng)網(wǎng)絡和分布式人工智能，下面就這些領(lǐng)域進行闡述。
一 專家系統(tǒng)
專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它使用人工智能技術(shù)，根據(jù)某個領(lǐng)域中一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。[5]專家系統(tǒng)主要組成部分為：知識庫，用于存儲某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識；綜合數(shù)據(jù)庫，用于存儲領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)或信息；推理機，用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作；解釋器，向用戶解釋專家系統(tǒng)的行為；接口，使用戶與專家系統(tǒng)進行對話。近幾十年來，專家系統(tǒng)迅速發(fā)展，是人工智能中最活躍、最有成效的一個研究領(lǐng)域，廣泛用于醫(yī)療診斷、地質(zhì)勘探、軍事、石油化工、文化教育等領(lǐng)域。
目前，專家系統(tǒng)在教育中的應用最為廣泛與活躍。專家系統(tǒng)的特點通常表現(xiàn)為計劃系統(tǒng)或診斷系統(tǒng)。計劃系統(tǒng)往前走，從一個給定系統(tǒng)狀態(tài)指向最終狀態(tài)。如計劃系統(tǒng)中可以輸入有關(guān)的課堂目標和學科內(nèi)容，它可以制定出一個課堂大綱，寫出一份教案，甚至有可能開發(fā)一堂樣板課，而診斷系統(tǒng)是往后走，從一個給定系統(tǒng)陳述查找原因或?qū)ζ溥M行分析，例如，一個診斷系統(tǒng)可能以一堂CBI（基于計算機的教學，computer-based instruction）課為例，輸入學生課堂表現(xiàn)資料，分析為什么課堂的某一部分效果不佳。在開發(fā)專家計劃系統(tǒng)支持教學系統(tǒng)開發(fā)（ISD）程序的領(lǐng)域中最有名的是梅里爾（Merrill）的教學設計專家系統(tǒng)（ID Expert）。[6]
教學專家系統(tǒng)的任務是根據(jù)學生的特點（如知識水平、性格等），以最合適的教案和教學方法對學生進行教學和輔導。其特點為：同時具有診斷和調(diào)試等功能；具有良好的人機界面。已經(jīng)開發(fā)和應用的教學專家系統(tǒng)有美國麻省理工學院的MACSYMA符號積分與定理證明系統(tǒng)，我國一些大學開發(fā)的計算機程序設計語言、物理智能計算機輔助教學系統(tǒng)以及聾啞人語言訓練專家系統(tǒng)等。[7]
目前，在教育中，專家系統(tǒng)的開發(fā)和應用更多的集中于遠程教育，為現(xiàn)代遠程教育的智能化提供了有力的技術(shù)支撐?；趯＜蚁到y(tǒng)構(gòu)造的智能化遠程教育系統(tǒng)具有以下幾個方面的功能：具備某學科或領(lǐng)域的專門知識，能生成自己的提問和應答； 能夠分析學生的特征，評價和記錄學生的學習情況，診斷學生學習過程中的錯誤并進行補救教學；可以選擇不同的教學方法實現(xiàn)以學生為主體的個別化教學。[8]目前應用于遠程教育的專家系統(tǒng)有智能決策專家系統(tǒng)、智能答疑專家系統(tǒng)、網(wǎng)絡教學資源專家系統(tǒng)、智能導學系統(tǒng)和智能網(wǎng)絡組卷系統(tǒng)等。
二 機器人學
機器人學是人工智能研究是一個分支，其主要內(nèi)容包括機器人基礎理論與方法、機器人設計理論與技術(shù)、機器人仿生學、機器人系統(tǒng)理論與技術(shù)、機器人操作和移動理論與技術(shù)、微機器人學。[9]機器人的發(fā)展經(jīng)歷了三個階段：第一代機器人是以 “示教―再現(xiàn)”方式進行工作；第二代機器人具有一定的感覺裝置，表現(xiàn)出低級智能；第三代機器人是具有高度適應性的自治機器人，即智能機器人。目前開發(fā)和應用的機器人大多是智能機器人。機器人技術(shù)的發(fā)展對人類的生活和社會都產(chǎn)生了重要影響，其研究和應用逐漸由工業(yè)生產(chǎn)向教育、環(huán)境、社會服務、醫(yī)療等領(lǐng)域擴展。
機器人技術(shù)涉及多門科學，是一個國家科技發(fā)展水平和國民經(jīng)濟現(xiàn)代化、信息化的重要標志，因此，機器人技術(shù)是世界強國重點發(fā)展的高技術(shù)，也是世界公認的核心競爭力之一，很多國家已經(jīng)將機器人學教育列為學校的科技教育課程，在孩子中普及機器人學知識，從可持續(xù)和長遠發(fā)展的角度，為本國培養(yǎng)機器人研發(fā)人才。[10]在機器人競賽的推動下，機器人教育逐漸從大學延伸到中小學，世界發(fā)達國家例如美國、英國、法國、德國、日本等已把機器人教育納入中小學教育之中，我國許多有條件的中小學也開展了機器人教育。
機器人在作為教學內(nèi)容的同時，也為教育提供了有力的技術(shù)支撐，成為培養(yǎng)學習者創(chuàng)新精神和實踐能力的新的載體與平臺，大大豐富了教學資源。多年來，我國中小學信息技術(shù)教育的主要載體是計算機和網(wǎng)絡，教學資源單一，缺乏前瞻性。教學機器人的引入，不僅激發(fā)了學生的學習興趣，還為教學提供了豐富的、先進的教學資源。隨著機器人技術(shù)的發(fā)展，教學機器人種類越來越多，目前在中小學較為常用的教學機器人有：能力風暴機器人、通用機器人、未來之星機器人、樂高機器人、納英特機器人、中鳴機器人等。
三 機器學習
機器學習是要使計算機能夠模仿人的學習行為，自動通過學習來獲取知識和技巧，[11]其研究綜合應用了心理學、生物學、神經(jīng)生理學、邏輯學、模糊數(shù)學和計算機科學等多個學科。機器學習的方法與技術(shù)有機械學習、示教學習、類比學習、示例學習、解釋學習、歸納學習和基于神經(jīng)網(wǎng)絡的學習等，近年來，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘是發(fā)展最快的機器學習技術(shù)。機器學習（自動獲取新的事實及新的推理算法）是使計算機具有智能的根本途徑，對機器學習的研究有助于發(fā)現(xiàn)人類學習的機理和揭示人腦的奧秘。[12]
隨著計算機技術(shù)的進步和機器學習研究的深入，機器學習系統(tǒng)的性能大大提高，各種學習算法的應用范圍不斷擴大，例如將連接學習用于圖文識別，歸納學習、分析學習用于專家系統(tǒng)等，大大推動了在教育中的應用，例如在建構(gòu)適應性教學系統(tǒng)中，用機器學習與樸素的貝葉斯分類器動態(tài)了解學生的學習偏好，有較高的準確率[13]?；诎咐耐评恚╟ase-based reasoning，CBR）是一種新興的機器學習和推理方法，其核心思想是重用過去人們解決問題的經(jīng)驗解決新問題，在計算機輔助教育方面，已經(jīng)出現(xiàn)了基于CBR的圖形仿真教育系統(tǒng)，并且，針對個體特征的教育教學方法研究也有所突破。[14]另外，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)在生物醫(yī)學、金融管理、商業(yè)銷售等領(lǐng)域的成功應用，不僅給機器學習注入新的生機，也為機器學習在教育中的應用提供了新的前景。
四 自然語言理解
自然語言理解就是研究如何讓計算機理解人類的自然語言，以實現(xiàn)用自然語言與計算機之間的交流。一個能夠理解自然語言信息的計算機系統(tǒng)看起來就像一個人一樣需要有上下文知識以及根據(jù)這些上下文知識和信息用信息發(fā)生器進行推理的過程。[15]自然語言理解包括口語理解和書面理解兩大任務，其功能為：回答問題，計算機能正確地回答用自然語言提出的問題；文摘生成，計算機能根據(jù)輸入的文本產(chǎn)生摘要；釋義，計算機能用不同的詞語和句型來復述輸入的自然語言信息；翻譯，計算機能把一種語言翻譯成另外一種語言。由于創(chuàng)造和使用自然語言是人類高度智能的表現(xiàn)，因此對自然語言處理的研究也有助于揭開人類高度智能的奧秘，深化對語言能力和思維本質(zhì)的認識。[16]
自然語言理解最早的研究領(lǐng)域是機器翻譯，隨著應用研究的廣泛開展，也為機器人和專家系統(tǒng)的知識獲取提供了新的途徑，例如由MIT研制的指揮機器人的自然語言理解系統(tǒng)SHRDLU就可以接收自然語言，進行人機對話，回答關(guān)于桌面上積木世界中的各種問題。同時，對自然語言理解的研究也促進了計算機輔助語言教學和計算機語言設計等方面的發(fā)展，例如“希賽可”網(wǎng)絡智能英語學習系統(tǒng)，這個基于網(wǎng)絡的“人-機”語境的建立，突破了普通英語教師和傳統(tǒng)的單機的多媒體教學軟件所能具備能力限制，也比建立于網(wǎng)絡的“人-人”語境更具靈活性，可以為遠程學習者提供良好的英語學習支持，在國內(nèi)第一次系統(tǒng)地將用自然語言進行的人機對話系統(tǒng)應用在計算機輔助外語教學上，在國際上也是一種創(chuàng)新。[17]
五 人工神經(jīng)網(wǎng)絡
人工神經(jīng)網(wǎng)絡就是在對大腦的生理研究的基礎上，用模擬生物神經(jīng)元的某些基本功能的元件（即人工神經(jīng)元），按各種不同的聯(lián)結(jié)方式組織起來的一個網(wǎng)絡，其目的在于模擬大腦的某些機理與機制，實現(xiàn)某個方面的功能，例如可以用于模仿視覺、模式識別、聲音信號處理、控制、故障診斷等領(lǐng)域，人工神經(jīng)元是人工神經(jīng)網(wǎng)絡的基本單元。[18]人工神經(jīng)網(wǎng)絡有兩種基本結(jié)構(gòu)：遞歸（反饋）網(wǎng)絡和多層（前饋）網(wǎng)絡，兩種主要學習算法：有指導式學習和非指導式學習。
人工神經(jīng)網(wǎng)絡從模擬人類大腦神經(jīng)網(wǎng)絡的結(jié)構(gòu)和行為出發(fā)，具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學習能力，特別適合于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，[19]這使人工神經(jīng)網(wǎng)絡具有更大的發(fā)展?jié)撃埽壳耙呀?jīng)開發(fā)和應用的人工神經(jīng)網(wǎng)絡模型有30多種。人工神經(jīng)網(wǎng)絡在教育中的應用大多是與教學專家系統(tǒng)相結(jié)合，以此來改進教學專家系統(tǒng)的性能，提高智能性，使其在教學過程中對突發(fā)問題具有更好的應對能力。人工神經(jīng)網(wǎng)絡在學校管理中也得到應用，例如采用誤差反傳算法（BP）的多層感知器已應用于高校管理之中。
六 分布式人工智能(Distributed Artificial Intelligence，DAI)
分布式人工智能是分布式計算與人工智能結(jié)合的結(jié)果，研究目標是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型，主要研究問題是各Agent之間的合作與對話，包括分布式問題求解和多Agent系統(tǒng)兩個領(lǐng)域。[20]分布式人工智能系統(tǒng)一般由多個Agent組成，每個Agent又是一個半自治系統(tǒng)，Agent之間及Agent與環(huán)境之間進行并發(fā)活動并進行交互來完成問題求解。[21]由于分布式人工智能系統(tǒng)具有并行、分布、開放、協(xié)作和容錯等優(yōu)點，在資源、時空和功能上克服了單智能系統(tǒng)的局限性，因此獲得了廣泛的應用。
分布式人工智能中的Agent和多Agent技術(shù)在教學中的應用逐漸受到關(guān)注。在教學中引入Agent可以有效地提高教學系統(tǒng)的智能性，創(chuàng)造良好的學習情境，并能激發(fā)學習者的學習興趣，進行個性化教育。目前，Agent和多Agent技術(shù)多用于遠程智能教學系統(tǒng)，通過利用其分布性、自主性和社會性等特點，提高網(wǎng)絡教學系統(tǒng)的智能性，使教學資源得到充分利用，并可實現(xiàn)對學習者的學習行為進行動態(tài)跟蹤，為學習者的網(wǎng)絡學習創(chuàng)造合作性的學習環(huán)境。在網(wǎng)絡教學軟件中應用Agent技術(shù)的一個典型是美國南加利福尼亞大學（USC）開發(fā)的教學Adele（Agent for Distance Education - Light Edition） [22]。Agent技術(shù)在網(wǎng)絡教學軟件中取得的良好效果，促進了研究者對分布式人工智能在教育中的應用研究。
綜上所述，科學技術(shù)的發(fā)展將會推動人工智能技術(shù)在教育中應用的廣度和深度。從人工智能的應用趨勢來看，人工智能在教育中應用的擴展可以通過以下三個方面進行：一是人工智能與其他先進信息技術(shù)結(jié)合。人工智能已經(jīng)與多媒體技術(shù)、網(wǎng)絡技術(shù)、數(shù)據(jù)庫技術(shù)等有效的融合，為提高學習效率和效度提供了有力的技術(shù)支持，而引起教育技術(shù)界廣泛關(guān)注。[23]例如人工智能技術(shù)通過與多媒體技術(shù)相結(jié)合，可以提高智能教學系統(tǒng)的教學效果；與網(wǎng)絡通訊技術(shù)相結(jié)合，可以提高和改進遠程教育的智能性。二是人工智能應用研究領(lǐng)域間的集成。人工智能應用研究領(lǐng)域之間并不是彼此獨立，而是相互促進，相互完善，它們可以通過集成擴展彼此的功能和應用能力。例如自然語言理解與專家系統(tǒng)、機器人的集成，為專家系統(tǒng)和機器人提供了新的知識獲取途徑。三是人工智能的研究和應用出現(xiàn)了許多新的領(lǐng)域，它們是傳統(tǒng)人工智能的延伸與擴展，這些新領(lǐng)域有分布式人工智能與Agent、計算智能與進化計算、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)以及人工生命等[24]，這些發(fā)展與應用蘊藏著巨大潛能，必將對教育產(chǎn)生重要的影響。
技術(shù)發(fā)展不斷發(fā)揮著引導教育技術(shù)研究的作用，一種新興技術(shù)的出現(xiàn)總是會掀起相應的研究熱潮, 引發(fā)對技術(shù)在教育中應用的探討、評價以及與傳統(tǒng)技術(shù)的對比。[25] 人工智能作為一門交叉的前沿學科，雖然在基本理論和方法等方面存在著爭論，但從其研究成果與應用效果來看，有著廣闊的應用前景，值得進一步的開發(fā)和利用。
參考文獻
[1] 史忠植,王文杰.人工智能[M].北京:國防工業(yè)出版社,2007:1.
[2][11][18][19] 《計算機與信息科學十萬個為什么》叢書編輯委員會,計算機與信息科學十萬個為什么(8):人工智能[M].北京:清華大學出版社,1998:5,189,78-79,84.
[3] 任友群,胡航.論學習科學的本質(zhì)及其學科基礎[J].中國電化教育,2007,(5):1-5.
[4][21] 蔡瑞英,李長河.人工智能[M].武漢:武漢理工大學出版社,2003:12-13.
[5][12][15][20][24] 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,2007: 12-14,19-20.
[6] [荷]山尼•戴克斯特拉,[德]諾伯特•M. 西爾,[德]弗蘭茲•肖特,等.任友群,鄭太年主譯.教學設計的國際觀第2冊:解決教學設計問題[M].北京:教育科學出版社,2007:67.
[7] 任友群.技術(shù)支撐的教與學及其理論基礎[M].上海:上海教育出版社,2007:42-43.
[8] 路利娟.應用專家系統(tǒng)提升現(xiàn)代遠程教育的智能化[J].中國教育技術(shù)裝備,2007,(12):79-80.
[9] 陳懇,楊向東,劉莉等.機器人技術(shù)與應用[M].北京:清華大學出版社,2007:6.
[10] 關(guān)注機器人幼兒教育――訪鮑青山博士[DB/OL].
[13] 柏宏權(quán),韓慶年.機器學習在適應性教學系統(tǒng)中的應用研究[J].南京師范大學學報(工程技術(shù)版),2007,7(4):76-79.
[14] 楊健,趙秦怡.基于案例的推理技術(shù)研究進展及應用[J].計算機工程與設計,2008,29(3):710-712.
[16] 自然語言理解[DB/OL].
[17] 賈積有.人工智能技術(shù)的遠程教育應用探索――“希賽可”智能型網(wǎng)上英語學習系統(tǒng)[J].現(xiàn)代教育技術(shù),2006,16(2):26-29.
[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].
關(guān)鍵詞:智能;決策系統(tǒng);教學方法
隨著信息技術(shù)的應用和普及,“智能化”成為信息化后續(xù)發(fā)展的重要內(nèi)容之一。在決策領(lǐng)域,20世紀80年代,一種以計算機為工具、應用決策科學及有關(guān)學科的理論與方法、以人機交互方式輔助決策者決策的決策支持系統(tǒng)(DSS)應運而生。但是,DSS只能輔助和支持決策者決策,其貢獻局限于對可選方案的評價,只能對有量化特性的問題使用數(shù)據(jù)模型和數(shù)值計算方法來輔助決策,不具有表示復雜決策過程的能力,因此,促使人們提出將DSS與專家系統(tǒng)(ES)相結(jié)合,以分別發(fā)揮DSS的數(shù)值分析和ES的符號處理優(yōu)勢,從而將定性分析和定量分析有機結(jié)合起來,以既能進行知識處理,又能有效地解決半結(jié)構(gòu)化和非結(jié)構(gòu)化問題,這就是智能決策支持系統(tǒng)(IDSS)的產(chǎn)生背景。
隨著人工智能和智能技術(shù)的發(fā)展,IDSS在廣泛的工程技術(shù)、經(jīng)濟、管理、醫(yī)療和農(nóng)業(yè)科學等諸多領(lǐng)域,得到廣泛應用。了解、掌握智能決策的基本知識和技術(shù)是計算機科學、智能科學類專業(yè)大學生的基本要求,因此,智能決策類課程應運而生,并逐漸發(fā)展成為計算機、自動化、管理科學與工程和智能科學技術(shù)等專業(yè)的專業(yè)課之一[1-4]。
在我校,智能決策系統(tǒng)課程作為計算機科學與技術(shù)、軟件工程、網(wǎng)絡工程和其他電子信息類專業(yè)的專業(yè)限選或選修課程。目前,該課程的教學內(nèi)容存在如下問題:一是教學內(nèi)容繁,二是技術(shù)更新快,三是涉及的專業(yè)知識深,對學生的理論基礎知識(特別是數(shù)學知識、計算機技術(shù))要求極高,教學難度大。因此,學生在學習過程中不得要領(lǐng),抓不住課程的核心,只見樹木、不見森林,從而影響學生們的學習效果。本文就是在這樣背景下,提出并開展教學研究的。
1教學內(nèi)容改革
智能決策系統(tǒng)是一門計算機科學、管理科學、人工智能和應用數(shù)學交叉的新興專業(yè)課程,其學分通常為2～2.5學分,即32～40學時,其中包括0.5學分的實驗課程(8學時)。因此,如何在有限學時中容納下本課程教學內(nèi)容,完成本課程的教學目標,就成為首要問題。
通過實踐和教學改革,我校本課程的理論教學內(nèi)容主要包括下列6個知識單元。
1) 決策理論概述。主要內(nèi)容有決策的概念、類型、基礎、流程和目標。理論課時數(shù)4學時。
2) 決策系統(tǒng)。主要內(nèi)容有決策支持系統(tǒng)的概念、結(jié)構(gòu)、功能、主要部件與設計要點。理論課時數(shù)控制在6學時。
3) 決策模型。主要內(nèi)容有數(shù)據(jù)倉庫、知識管理、數(shù)據(jù)挖掘、智能算法和數(shù)據(jù)處理。理論課時數(shù)控制在6學時。
4) 智能決策系統(tǒng)。主要內(nèi)容有計算智能基礎、專家系統(tǒng)的概念和結(jié)構(gòu)、智能決策系統(tǒng)的概念和結(jié)構(gòu)、智能決策系統(tǒng)的設計要點。理論課時數(shù)控制在8學時。
5) 群體決策系統(tǒng)。主要內(nèi)容有協(xié)同計算概述,群體決策系統(tǒng)的概念、結(jié)構(gòu)、功能、群體決策過程與建模和實現(xiàn)方法。理論課時數(shù)控制在6學時。
6)智能決策系統(tǒng)的發(fā)展。主要包括基于網(wǎng)絡的決策系統(tǒng)技術(shù)和應用,網(wǎng)絡技術(shù)與基于Agent的決策系統(tǒng),智慧地球與智能化企業(yè)。理論課時數(shù)控制在2學時。
實踐教學內(nèi)容包括4個實驗,學時總數(shù)為8學時,其教學內(nèi)容設置見本文§3。
2教學方法改革
教學方法是為完成一定的教學目的、教學任務所采取的教學途徑或教學程序,是以解決教學任務為目的、師生共同進行認識和實踐的方法體系。其方法體系主要包含多個基本要素,比如教、學、信息傳輸載體(包含文字、圖形、圖像、肢體語言、表情、感知等)和教學輔助設備等。教學過程就是要充分利用具有信息優(yōu)勢、知識優(yōu)勢的教師,將信息、知識、技能、技巧,系統(tǒng)集成地傳輸給暫時處于低信息狀態(tài)的學生。決定這個傳輸過程順利進行的至關(guān)重要因素有:教師的積極性與責任心和學生的求知欲與基礎知識及其結(jié)構(gòu)。從教育學和心理學角度看,課程教學方法改革就是圍繞這兩個因素展開[5],限于篇幅,本文的討論僅從如何調(diào)動學生的求知欲著手。
2.1探索式教學方法
經(jīng)過多年教學實踐,本文實踐了“探索式教學法”,此法強調(diào)因材施教,在教學全過程創(chuàng)設教學環(huán)境、培養(yǎng)學生創(chuàng)新精神。所謂探索式教學方法是指在教學過程中,在教師的啟發(fā)、誘導下,學生自主學習和合作討論,以學習課程知識和科學問題為探索目標,以學生熟悉和能接觸到生活原型為研究對象,為學生提供自由表達、質(zhì)疑、探索、討論問題的環(huán)境,學生通過個體、小組、團隊等多種形式完成解難、釋疑、嘗試學習活動,將學生自己所學知識應用于解決實際問題的一種教學程序。探索式教學方法重視發(fā)展學生的創(chuàng)造性思維,培養(yǎng)自學能力,力圖通過自我探索引導學生學會學習和初步掌握科學研究方法[6],培養(yǎng)學生的文獻獲取與加工能力、信息分析與加工利用能力、團隊協(xié)作與溝通能力、語言表達與寫作能力,和創(chuàng)新精神。為其終身學習和工作奠定良好基礎。
盡管探索式教學法能夠給教師的教學提供思想、理念指導,但是,針對不同教學對象和不同課程內(nèi)容,其實際應用方法也會存在差異,這就是所謂的教無定法之說。本文以智能決策系統(tǒng)課程第1知識單元課外作業(yè)為例,嘗試說明該法的具體應用方法,為保證該方法的實施效果,本文擬定了如下的教師操作流程:
1) 制定論文目標:培養(yǎng)學生綜合利用參考文獻和學會表達的能力。首先,要求學生學會獲取、理解、過濾和分析信息;其次,要求學生掌握撰寫科技論文的基本技巧;最后,要求學生在觀眾面前表達自己觀點,學習說服聽眾、推銷自己觀點的技巧。
2) 論文基本要求:①圍繞“關(guān)于信息技術(shù)對決策影響”的主題,學生自擬題目;②2周時間內(nèi),學生完成1 000字左右(2頁A4幅面)的論文,其中內(nèi)容需要包括摘要,關(guān)鍵詞,問題或觀點概述,目前發(fā)展狀況,結(jié)論或結(jié)語;③制作演示幻燈片。
3) 提供信息查閱途徑:通過網(wǎng)絡教師自己已經(jīng)掌握的文獻資源和網(wǎng)絡地址資源,指出查詢方法和基本技巧。
4) 抽查式演講:①使用幻燈片;②介紹主要內(nèi)容;③結(jié)論;④點評、提問與回答。
5) 評價標準:①文檔編制能力;②問題發(fā)現(xiàn)與分析能力;③表達與陳述能力。
在實施中,要防止出現(xiàn)如下情況:①題目太難或太容易,以免挫傷學生積極性;②提前告示和監(jiān)督,防止學生偷懶或拷貝;③靈活掌握考評手段,鼓勵創(chuàng)新,保護學生學習積極性。
2.2案例教學方法
案例教學法是在教師指導下,根據(jù)教學目標的要求,創(chuàng)設學生身臨案例場境的教學氛圍,使用案例來組織學生的學習、研究、實踐等活動的教學方法。本課程利用該方法,加強了理論與實際的結(jié)合,為學生學習提供模仿案例,提高了學生對理論知識的理解和實踐能力,培養(yǎng)學生綜合運用所學知識解決實際問題的能力。案例教學法需要掌握好2個重要環(huán)節(jié):
1) 案例選編。必須選擇學生容易理解、常見的例子,案例選編必須圍繞課程某個具體的教學目標,要適當加工,剔除與課程內(nèi)容關(guān)聯(lián)性小的內(nèi)容和技術(shù),降低難度,方便學生理解。同時,案例必須來自于實際,并且問題明確。
2) 案例講解與分析。案例本身只是對實例的某些情況描述,表面上平鋪直敘,但是,其中必須隱藏著多個問題,要引導學生積極思考、深入分析,以發(fā)現(xiàn)其中隱藏的問題,并找出問題產(chǎn)生的原因,提出解決方案。在思考和分析過程中,既要培養(yǎng)和開發(fā)學生智力,又要培養(yǎng)學生綜合運用所學理論知識的能力。案例分析不能苛求解決問題的結(jié)果如何,而應該重點強調(diào)分析過程是否正確、方法是否恰當,案例講解和分析的主要任務是培養(yǎng)學生發(fā)現(xiàn)問題、分析問題和邏輯思維等能力,通常解決問題的能力正是課程后續(xù)需要實施的教學目標。
本文在第4知識單元中,以6子棋計算機博弈系統(tǒng)為例,通過對6子棋計算機博弈平臺的仿真實驗,選擇不同的博弈策略,比如不同的估值函數(shù)、不同的搜索策略等,獲得不同的實驗結(jié)果,實現(xiàn)人-機對戰(zhàn)、機-機對戰(zhàn),讓學生切實體會到機器智能的魔力及其智能系統(tǒng)的構(gòu)造方法,有力地促進了學生對理論知識的理解,并激發(fā)了學生的學習興趣。
3實驗教學內(nèi)容
3.1實驗教學內(nèi)容的設置
實驗課是智能決策系統(tǒng)課程的重要環(huán)節(jié),由于總課時有限,實驗課時也就不多。但是,本校在專業(yè)課程中,仍然堅持設置了0.5學分的實驗,以使學生能將理論知識與實踐聯(lián)系起來,使抽象的理論不再是深奧,提高學生靈活運用知識的能力。本課程實驗學時為8學時,主要設置了表1中的3個實驗。
3.2實驗課的操作
為提高學生對課程理論知識的理解和應用設計能力,針對課程實驗教學課時少和實驗復雜特點,需要注意以下幾點。
1) 簡化平臺、降低實驗難度。實驗教學過程重在是一個訓練學生動手、動眼和動腦的過程,旨在培養(yǎng)學生好奇心和操作技能,以及觀察問題、分析問題和解決問題能力。因此,在實驗中,要盡量將實驗平臺簡化,以將學生注意力集中于實驗內(nèi)容,保證實驗效果。比如實驗2,提供給學生智能交通燈控仿真平臺,它實際上是一個軟件模擬平臺,能實現(xiàn)固定交管模式的全部功能,學生能通過標準接口建立自己設計的智能交通管理模式;又如實驗3,以FIRA機器人足球5vs5比賽項目的仿真平臺為實驗平臺,利用平臺已設置的運球、傳球、前進、后退、轉(zhuǎn)動等命令,學生能通過這些命令建立足球機器人的路徑規(guī)劃和避障策略。
2) 科學分組、培養(yǎng)協(xié)作能力。由于實驗3工作量比較大,需要多人協(xié)作完成,發(fā)揮集體智慧作用,因此,在實驗3中,按照3～5人/組,實行組長負責制。組長監(jiān)督、管理、協(xié)調(diào)本組實驗過程,每個組員都有明確的任務,并對組長負責,組長對教師負責。實驗3的課內(nèi)實驗設置4學時/2次,學時主要在課外完成實驗3,歷時1個月。
3) 設計算法、培養(yǎng)智能意識。引導學生,模仿人類智能,設計智能算法,實現(xiàn)簡單的智能決策。由于課時有限,必須注意控制算法的簡潔、實效,以使學生能在短時間內(nèi)模擬實現(xiàn)簡單的智能行為,著重引導學生分析業(yè)務行為,發(fā)現(xiàn)系統(tǒng)流程,構(gòu)造智能算法,以此培養(yǎng)學生開發(fā)信息系統(tǒng)的智能意識。
4結(jié)語
智能決策系統(tǒng)是人工智能、計算機科學、自動控制科學交叉結(jié)合的一門新興專業(yè)課程,對推動信息化向智能化方向發(fā)展具有重要意義。該課程作為在校主要面對電子信息、計算機專業(yè)學生,通過該課程學習,學生反映加深了對智能的理解,提高了對計算機技術(shù)應用的認識深度,培養(yǎng)了學生的智能化設計意識,激發(fā)了學生的求知欲望。本文的研究成果是源于智能決策系統(tǒng)課程,但是,對其他信息技術(shù)課程,也具有積極的借鑒意義。
參考文獻:
[1] 鐘義信. 智能科學技術(shù)導論[M]. 北京:北京郵電大學出版社,2006:1-38.
[2] 張彥鐸,王海暉,劉昌輝. 地方工科院校智能科學建設的若干思考[J]. 計算機教育,2009(11):39-42.
[3] 韓力群. 智能科學與技術(shù)專業(yè)培養(yǎng)規(guī)范[R]. 北京:第二屆全國智能科學與技術(shù)教育學術(shù)研討會.2004.
[4] 王萬森,鐘義信,韓力群,等. 我國智能科學技術(shù)教育的現(xiàn)狀與思考[J]. 計算機教育,2009(11):10-14.
[5] 楊德廣,謝安邦. 高等教育學[M]. 北京:高等教育出版社,2009.6:1-50.
[6] 張偉峰. 本科高年級人工智能教學的幾點思考[J]. 計算機教育,2009(11):139-141.
Research on Teaching Reform of Intelligent Decision System Courses
ZHANG Xiao-chuan, CHEN Feng
(School of Computer Science, Chongqing University of Technology, Chongqing 400054, China)
關(guān)鍵詞:復雜工程問題;計算機科學與技術(shù)專業(yè);課程設計
工程教育認證要求通過認證的工程專業(yè)不僅要深入理解和把握復雜工程問題，更要按照國際實質(zhì)等效原則培養(yǎng)學生具有解決復雜工程問題的能力［1］。目前，針對計算機相關(guān)專業(yè)解決復雜工程問題能力培養(yǎng)的研究還處于探索階段。許智宏等人認為可采用半開放式項目驅(qū)動教學方法達成目標［2］;尚鳳軍提出課程群建設面向復雜工程設計的方案［3］;黃永紅等人認為可增設綜合訓練項目來達到培養(yǎng)目標［4］。劉秀平等人提出了分層實施方案，從知識、實踐、設計的維度支撐了解決復雜工程問題的能力［5］。王宏宇等人提出了以學科競賽主題為對象，遵循工程邏輯設計開發(fā)過程的課程建設改革方法［6］。許多研究成果對于分解落實解決復雜工程問題能力的培養(yǎng)缺乏深入探索，對于如何優(yōu)化課程設計體系和內(nèi)容來提高學生解決復雜工程問題的能力方面也缺乏深入研究。
1課程設計改革的意義
完備的實踐教學體系主要包括課程實驗、課程設計、實習、畢業(yè)設計(論文)等。通常，國內(nèi)高校都將畢業(yè)設計(論文)環(huán)節(jié)作為實現(xiàn)解決復雜工程問題的重要載體。但近年來，畢業(yè)設計期間應聘、考研等擠占了學生很多時間和精力，設計內(nèi)容往往弱化甚至忽略難以處理的學科交叉問題和非技術(shù)因素，且畢業(yè)設計往往采取一人一題，很難達到個人與團隊的教學指標。課程實驗往往隨理論授課逐周分散進行，受學時限制以及學生知識掌握處于積累階段等因素，一些深度型、探究型、綜合型的實驗往往很難開展。實習由于受到場地、經(jīng)費、管理難度、企業(yè)技術(shù)保密等限制，往往缺乏理論指導下的實踐。一些計算機類專業(yè)學生到實習單位后，只能接觸一些前端頁面或模塊代碼的機械性編寫，無法接觸軟件或硬件的具體設計過程，有些專業(yè)實習甚至畸變?yōu)槠髽I(yè)參觀?！队嬎銠C類專業(yè)教學質(zhì)量國家標準》要求計算機類專業(yè)學生4年的實驗當量應不少于2萬行代碼。在課程設計方面，要求至少完成兩個有一定規(guī)模和復雜度的系統(tǒng)的設計與開發(fā)。調(diào)研發(fā)現(xiàn)，實踐教學體系中提高學生解決復雜工程問題的環(huán)節(jié)應保證時間的集中性，內(nèi)容的規(guī)模和復雜度要達到國家標準中的要求，且應在理論的指導下開展，課程設計比較符合這一要求，應作為提升學生解決復雜工程問題能力培養(yǎng)的關(guān)鍵突破口。
2課程設計改革宗旨和研究方法
2.1課程設計改革宗旨
第一，以培養(yǎng)學生解決復雜工程問題能力為主線，突出工程技術(shù)應用能力的培養(yǎng)，強調(diào)自主學習和終身學習意識培養(yǎng)，全面提升學生的能力和素質(zhì)。第二，使學生能夠設計針對復雜工程問題的解決方案，在設計環(huán)節(jié)中體現(xiàn)創(chuàng)新意識，實現(xiàn)多方案分析與評價，從而全面提升實踐教學效果。第三，使學生深入掌握工程原理，結(jié)合工程實踐，體現(xiàn)綜合運用，提升解決復雜工程問題的能力。第四，分解落實解決復雜工程問題能力的培養(yǎng)，課程設計的持續(xù)改進逆向推進課程體系的整體優(yōu)化。第五，構(gòu)建計算機專業(yè)完善的實踐教學體系和課程群體系，建立各項實踐教學活動的持續(xù)改進機制。
2.2基本研究方法
第一，調(diào)研法。采取調(diào)研問卷調(diào)查和訪談的方式，對目前已畢業(yè)學生、在校生(包括計算機類專業(yè)本科生、研究生)、教師(包括教學管理、教學一線、教輔等多層面)開展調(diào)研。同時走訪和調(diào)研部分高校、IT企業(yè)和專業(yè)培訓機構(gòu)等。第二，逆向研究法。從實踐入手，逆向優(yōu)化專業(yè)類知識體系教學。第三，分析建模法。對調(diào)研數(shù)據(jù)、教學環(huán)節(jié)統(tǒng)計與考核數(shù)據(jù)、質(zhì)量保證監(jiān)控數(shù)據(jù)進行科學分析，借助人工智能手段進行建模優(yōu)化。第四，螺旋優(yōu)化、研以致用法。杜絕紙上談兵，形成的專業(yè)課程設計內(nèi)容設置實施方案(含教改方案、教學大綱、課程標準、考核標準等)，直接實施于一線教學活動，并通過實施效果的反饋螺旋優(yōu)化后續(xù)方案。
3課程設計改革實踐
課程設計計劃的實施要求指導教師明確課程設計對應于工程教育認證標準具體的畢業(yè)要求指標點，并要在課程設計過程中堅持實施。明晰課程設計對畢業(yè)要求指標點的支撐作用，為合理安排課程設計的內(nèi)容明確了指導思想。本校計算機科學與技術(shù)專業(yè)培養(yǎng)方案以工程教育專業(yè)認證為背景，共設置11門課程設計。一類課程設計在前5學期開設，涉及專業(yè)類知識課程門數(shù)相對較少，具體包括以下7門課程設計:C語言程序設計課程設計、Java程序設計課程設計、數(shù)據(jù)結(jié)構(gòu)與算法課程設計、數(shù)據(jù)庫原理課程設計、計算機網(wǎng)絡課程設計、C++程序設計課程設計、JavaEE編程技術(shù)課程設計。以上課程設計以語言開發(fā)為主，是培養(yǎng)學生計算思維、軟件工程設計規(guī)范、計算機語言開發(fā)能力的基礎。指導教師面向解決復雜工程問題培養(yǎng)，認真設定課程設計題目和內(nèi)容。以學生為中心，強調(diào)基礎性、技能性、應用性、工程性和創(chuàng)新性，采用問題驅(qū)動和求解漸進化方式不斷提升學生解決復雜工程問題的能力。每門課程設計在具體實施中，指導教師始終探索課程設計如何解決承上(課程實驗)啟下(畢業(yè)設計和實習)，并不斷思考和探索課程設計如何逆向優(yōu)化專業(yè)類知識課程的教學活動。計算機科學與技術(shù)專業(yè)另一類課程設計在第6和第7學期設置，綜合性較強(在某些高?；?qū)I(yè)有時被稱為“綜合開發(fā)實訓”或“綜合訓練項目”等，但通常拘泥于一種開發(fā)語言或技術(shù))。綜合類課程設計有4門:A.體系結(jié)構(gòu)課程設計。專業(yè)類知識課程涉及體系結(jié)構(gòu)、計算機組成原理、編譯原理、匯編與接口技術(shù)、計算機網(wǎng)絡等硬件類和系統(tǒng)類課程。B.操作系統(tǒng)課程設計。專業(yè)類知識課程涉及操作系統(tǒng)、Linux系統(tǒng)等系統(tǒng)軟件類課程和部分高級語言類課程。C.軟件開發(fā)綜合課程設計。專業(yè)類知識課程涉及各種高級語言類課程(如Java、C、C++)、軟件工程、數(shù)據(jù)結(jié)構(gòu)與算法、數(shù)據(jù)庫原理等軟件開發(fā)類課程。D.Python與人工智能課程設計。專業(yè)類知識課程涉及各種高級語言類課程(如Python、Java、C、C++)、數(shù)據(jù)結(jié)構(gòu)與算法、人工智能導論等課程。綜合類課程設計涉及大量通識類知識和學科基礎知識，具有較高的綜合性，包含多個相互關(guān)聯(lián)的子問題，體現(xiàn)問題和系統(tǒng)的規(guī)模、難度、復雜度、綜合性。課程設計更強調(diào)培養(yǎng)學生的系統(tǒng)觀，使學生能夠站在系統(tǒng)的高度，以系統(tǒng)的視角去看問題，去適應錯綜復雜的應用場景，最終實現(xiàn)問題的系統(tǒng)化、科學化求解。“軟件開發(fā)綜合課程設計”綜合了之前的.NET綜合課程設計、Java綜合課程設計等軟件開發(fā)類課程設計。根據(jù)工程教育專業(yè)認證要求，這門課程設計并不拘泥于某一種語言或技術(shù)要求，要求學生能夠針對復雜工程問題，選擇與使用恰當?shù)募夹g(shù)、資源、現(xiàn)代工程工具和信息技術(shù)工具等設計開發(fā)一套軟件系統(tǒng)，并通過對比得到有效結(jié)論。“Python與人工智能課程設計”以解決復雜工程問題入手，學生首先分析問題建立模型，然后給出解決方案和算法設計，通過Python語言及其擴展庫編程實現(xiàn)系統(tǒng)，最后通過設計方案、模型、算法、開發(fā)語言等多個角度對比分析給出所設計系統(tǒng)的客觀性評價。在2017版培養(yǎng)方案中該課程設計為“Python程序設計課程設計”，設計內(nèi)容包含了軟件開發(fā)、大數(shù)據(jù)、人工智能、深度學習等。2019版培養(yǎng)方案中，專業(yè)增設了1門48學時的人工智能導論理論課，Python程序設計和人工智能導論合并為1門2周的“Python與人工智能課程設計”?！绑w系結(jié)構(gòu)課程設計”和“操作系統(tǒng)課程設計”是專業(yè)認真研究工程教育認證標準后于2019版人才培養(yǎng)方案中新設置的2門課程設計。在學時緊張的情況下，專業(yè)仍增設了這2門綜合類課程設計，力圖保證學生硬件系統(tǒng)、組成原理、體系結(jié)構(gòu)、操作系統(tǒng)方面的綜合設計能力培養(yǎng)質(zhì)量，保證人才培養(yǎng)的系統(tǒng)性和專業(yè)性。課程設計具體實施過程中，指導教師以突破解決復雜工程問題能力培養(yǎng)為核心安排課程設計內(nèi)容，使學生的能力培養(yǎng)達到工程教育認證標準的培養(yǎng)要求，反復思考和嘗試解決以下關(guān)鍵問題:第一，課程設計內(nèi)容重點覆蓋了《華盛頓協(xié)議》7個特征中的哪些特征?課程設計的規(guī)模、難度、復雜度、綜合性是否能滿足工程教育認證背景下的解決復雜工程問題的要求?第二，課程設計中，如何運用深入的而不是淺顯的工程原理，經(jīng)過什么樣的分析，而不是直接套用原理、公式來解決設計目標?第三，課程設計中學生在哪些理論指導下進行實踐?加深對哪些原理的理解?第四，為了突出復雜工程問題的解決，與課程設計相關(guān)的一門或多門相關(guān)課程的講授環(huán)節(jié)中，將對傳統(tǒng)的授課方式、方法和內(nèi)容采取哪些變化?與課程設計相關(guān)的理論知識講授和基本實驗環(huán)節(jié)能否為學生完成課程設計奠定扎實基礎?第五，課程設計是否要引入混合式教學?如果引入，混合式教學將如何提高課程設計效果?第六，從以學生為中心的角度分析學生如何通過課程設計和相關(guān)理論的學習，實現(xiàn)從“學了”到“學會”再到“會應用”?第七，課程設計“能力培養(yǎng)”如何量化考核，“復雜度”如何評價?以產(chǎn)出為導向，如何建立持續(xù)的人才培養(yǎng)改進機制?通過指導教師的不斷思考和改革嘗試，使各門課程設計實現(xiàn)了設計理念的轉(zhuǎn)變、從簡單到綜合的轉(zhuǎn)變、從單一系統(tǒng)到增加對比分析、綜合評價等突破常規(guī)的轉(zhuǎn)變。
4課程設計改革效果
課程設計改革使計算機科學與技術(shù)專業(yè)逐步形成一套課程設計內(nèi)容設置實施方案(含教改方案、教學大綱、課程標準、形成性考核標準等)，并直接實施于現(xiàn)有教學活動。通過培訓和專家輔導講座等形式，指導教師深刻理解了工程教育認證的本質(zhì)和內(nèi)涵，改變了傳統(tǒng)的課程設計理念。以復雜工程問題的提出和解決為課程設計核心，突出產(chǎn)出導向，精心設計課程設計題目，優(yōu)化課程設計考核指標，建立了課程設計持續(xù)改進機制。課程設計改革在人才培養(yǎng)方面取得了切實效果。第一，以培養(yǎng)學生解決復雜工程問題能力為主線，突出工程技術(shù)應用能力的培養(yǎng)，增強了學生自主學習和終身學習意識培養(yǎng)，設計理念更符合學科發(fā)展趨勢。第二，使學生能夠設計針對復雜工程問題的解決方案，在設計環(huán)節(jié)中體現(xiàn)創(chuàng)新意識，養(yǎng)成了多方案分析、對比和評價的設計習慣。第三，使學生逐步掌握深入的工程原理，結(jié)合工程實踐，綜合運用，提升了解決復雜工程問題的能力。第四，以課程設計內(nèi)容設置為突破口，逆向推進課程體系設置整體優(yōu)化，使學生通過實踐逆向推動理論課學習的興趣和動力，學生的理論素質(zhì)進一步提升。課程設計改革首先在省級一流本科專業(yè)“計算機科學與技術(shù)”專業(yè)實施，并推廣至軟件工程、數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)工程三個計算機類本科專業(yè)。與信息技術(shù)密切且相關(guān)的電子商務、電子信息工程、機器人工程等專業(yè)也逐步開展了面向復雜工程問題能力培養(yǎng)的課程設計改革，取得了切實有效的實施效果。
5結(jié)語
截至2018年，計算機類專業(yè)已達3349個專業(yè)點，培養(yǎng)學生復雜工程問題的解決能力，是工程教育專業(yè)認證對工程類專業(yè)人才培養(yǎng)的核心要求，也是一流本科專業(yè)建設的核心目標之一。隨著工程教育認證的普及開展，面向OBE理念，突出解決復雜工程問題能力培養(yǎng)的課程設計改革越發(fā)迫切和必要。只有不斷改革，建立持續(xù)改進機制，才能不斷優(yōu)化計算機教育教學工作，為信息技術(shù)產(chǎn)業(yè)培養(yǎng)更多優(yōu)秀人才，推動我國信息技術(shù)產(chǎn)業(yè)的蓬勃發(fā)展。
參考文獻:
［1］林健.如何理解和解決復雜工程問題:基于《華盛頓協(xié)議》的界定和要求［J］．高等工程教育研究，2016，(05):17－26，38.
［2］許智宏，李妍，董永峰，等.半開放式項目驅(qū)動復雜工程問題能力培養(yǎng)實踐［J］．計算機教育，2019，(02):37－40.
［3］尚鳳軍.面向復雜工程問題的計算機人才創(chuàng)新能力培養(yǎng)體系研究［J］．計算機教育，2016，(09):70－73.
［4］黃永紅，蔡曉磊，劉國海，等.電氣類專業(yè)“復雜工程問題”的理解與實踐［J］．電氣電子教學學報，2018，40(06):15－18，22.
［5］劉秀平，韓麗麗，胡新煜，等.基于工程教育專業(yè)認證的自動化專業(yè)復雜工程問題實踐探索［J］．中國現(xiàn)代教育裝備，2021，(21):67－69.
論文摘要：根據(jù)全國控制工程領(lǐng)域工程碩士教育協(xié)作組頒布的控制工程領(lǐng)域工程碩士專業(yè)學位標準（試行），結(jié)合軍械工程學院研究生生源的特點以及培養(yǎng)要求，對控制工程領(lǐng)域工程碩士專業(yè)學位標準實施細則進行了修訂，就培養(yǎng)方案中的研究方向、課程設置等內(nèi)容進行了重點的思考，使培養(yǎng)方案在符合學科內(nèi)涵的基礎上兼顧學院行業(yè)需求，切實使培養(yǎng)的控制工程領(lǐng)域工程碩士在相應的工作崗位發(fā)揮應有的作用。
論文關(guān)鍵詞：工程碩士；培養(yǎng)方案；課程設置；教育改革
工程碩士專業(yè)學位是我國研究生教育體系中的一個重要組成部分，其設置適應了國家經(jīng)濟體制的改革，適應了在崗人員進一步提高自身能力素質(zhì)的需要。工程碩士與工學碩士相比，它們雖然處于同一層次，但由于其生源的顯著差異，其培養(yǎng)目標、知識結(jié)構(gòu)、能力結(jié)構(gòu)和培養(yǎng)模式等均有較大不同。要使工程碩士成為高層次技術(shù)和管理人才，符合未來社會發(fā)展的需要，就必須貫徹“以人為本，因材施教”的教育原則，制訂一套科學、合理的培養(yǎng)方案，并建立與之相適應的培養(yǎng)模式。
為了提高工程碩士培養(yǎng)質(zhì)量、規(guī)范培養(yǎng)模式和培養(yǎng)流程、明確評估辦法等，2005年7月召開了第二屆全國工程領(lǐng)域教育協(xié)作組組長全體會議，提出“建立規(guī)范化的工程碩士學位標準”的設想，并選擇了控制工程等五個領(lǐng)域，以課題研究的形式，率先開展工作。2007年全國控制工程領(lǐng)域工程碩士教育協(xié)作組頒布了“控制工程領(lǐng)域工程碩士專業(yè)學位標準（試行）”，對我院控制工程領(lǐng)域工程碩士的培養(yǎng)起到了很好的指導性作用?？紤]我院控制工程領(lǐng)域工程碩士的培養(yǎng)主要是面向部隊、基地等情況，在對“專業(yè)學位標準實施細則”修訂中，培養(yǎng)方案在符合學科內(nèi)涵的基礎上，要兼顧生源單位需求，在研究方向的確定、課程設置等方面突出應用性、針對性，切實使培養(yǎng)的工程碩士在相應的工作崗位上發(fā)揮應有的作用。
一、以武器控制系統(tǒng)為中心確定培養(yǎng)方案的主要研究方向
現(xiàn)代兵器裝備的特點是精確化、遠程化、智能化，以導彈、無人機、指揮系統(tǒng)等為代表的武器裝備更突出了這一特點，這些特點的基礎之一是自動化技術(shù)。根據(jù)我院生源主要分別來自武器裝備論證、武器裝備試驗、軍代表、部隊技術(shù)保障、部隊裝備管理單位等崗位特點，依托控制工程領(lǐng)域培養(yǎng)工程碩士，應該以武器裝備為大背景，在控制工程學科內(nèi)涵的基礎上緊緊以武器控制系統(tǒng)為中心，來確定相應的研究方向，因此我院控制工程領(lǐng)域工程碩士專業(yè)研究方向確定的基本思路是：涵蓋我軍武器控制系統(tǒng)分析論證、試驗優(yōu)化與質(zhì)量監(jiān)控、武器控制系統(tǒng)性能測試與故障診斷、武器控制系統(tǒng)信息化管理等方面，為軍代表系統(tǒng)、武器裝備試驗基地、部隊修理所、部隊裝備管理等單位培養(yǎng)具有我軍特色的高層次應用型、復合型工程技術(shù)和管理人才。具體如下：
1.武器控制系統(tǒng)分析論證、試驗優(yōu)化與質(zhì)量監(jiān)控
該方向以提高復雜武器控制系統(tǒng)綜合戰(zhàn)術(shù)技術(shù)性能為目標，以數(shù)學、力學、控制理論、系統(tǒng)科學、計算機技術(shù)為基礎，研究武器控制系統(tǒng)分析論證、試驗優(yōu)化與質(zhì)量監(jiān)控的方法。主要研究內(nèi)容包括：火控、指控、無人機和導彈等復雜武器控制系統(tǒng)分析論證、試驗優(yōu)化與質(zhì)量監(jiān)控的方法及武器系統(tǒng)作戰(zhàn)效能評估等。
2.武器控制系統(tǒng)性能測試與故障診斷
該方向以提高武器系統(tǒng)技術(shù)保障人員的裝備保障能力、試驗技術(shù)人員的工程實踐能力為目標，以自動測試技術(shù)、故障診斷技術(shù)、信號處理技術(shù)和計算機技術(shù)等為基礎，研究武器系統(tǒng)的性能檢測、故障診斷的技術(shù)與方法及靶場試驗中技術(shù)保障的關(guān)鍵技術(shù)。主要研究內(nèi)容包括：新標準測試總線的應用、測試系統(tǒng)模塊化設計、武器系統(tǒng)運行狀態(tài)監(jiān)測與診斷、測試診斷設備研制等。
3.武器系統(tǒng)信息化管理
該方向以提高各級裝備保障管理人員的管理自動化、信息化、智能化水平為目標，以人工智能、裝備保障理論、計算機技術(shù)、數(shù)據(jù)庫技術(shù)、多媒體技術(shù)、網(wǎng)絡技術(shù)等為基礎，研究裝備保障管理的自動化、信息化、智能化技術(shù)和系統(tǒng)。主要研究內(nèi)容包括：研究制訂適合裝備保障信息化管理的標準體系，研究建立統(tǒng)一的適合裝備保障管理信息化的數(shù)據(jù)交換代碼，基于裝備的狀態(tài)信息、故障信息、維修信息等進行研究裝備保障領(lǐng)域的全程可視化信息管理系統(tǒng)。
二、以適應培養(yǎng)方向要求為出發(fā)點確定適宜的課程體系
課程教學是工程碩士培養(yǎng)的一個重要環(huán)節(jié)，它對于構(gòu)建合理的知識結(jié)構(gòu)、打下扎實的基礎理論和系統(tǒng)的專業(yè)知識起著相當重要的作用。當今社會，科學技術(shù)迅猛發(fā)展，知識更新不斷加快，只有打下牢固的基礎，才能自如地實現(xiàn)向新領(lǐng)域的轉(zhuǎn)變，才具有可靠的應變能力的堅實后勁；只有在頭腦中存儲了大量的知識、事例和經(jīng)驗，才能運用它們來進行創(chuàng)造性思維。課程設置在整個課程教學工作中起著基石性和原本性的作用，只有合理的課程設置才有可能使研究生具有合理的知識結(jié)構(gòu)，才有可能在課程學習過程中激發(fā)研究生的創(chuàng)新意識與創(chuàng)新能力。
考慮到工程碩士的培養(yǎng)模式是“進校不離崗”，邊工作邊學習，在職攻讀學位的特點，在課程學習上，我院采取的是“兩階段”學習方式，即第一階段主要學習公共和領(lǐng)域必修課程，在學院集中學習；第二階段主要學習選修課，采取先寄發(fā)教材供學員自學，再到學院集中輔導兩次，每次為期兩周，最后集中進行考試。因此課程設置一方面要充分考慮這些特點、安排，另一方面更要考慮所設置課程應與各培養(yǎng)方向相適宜。對控制工程領(lǐng)域工程碩士研究生來說，應具備以控制論、系統(tǒng)論、信息論原理為核心的知識結(jié)構(gòu)。同時，還要具備基于與數(shù)學方法、計算機技術(shù)、網(wǎng)絡技術(shù)、通信技術(shù)、各種傳感器和執(zhí)行器等相結(jié)合的、針對具體應用方向的知識面。這些知識結(jié)構(gòu)、知識面要通過一類課程群的設置來落實。由于培養(yǎng)時間、教學時數(shù)的限制，課程的門數(shù)設置受到了約束，這樣就要求對課程的選擇必須反復斟酌，切實使選擇的課程具有較強的針對性，有利于學生建立合理的知識結(jié)構(gòu)，有利于學生進行后續(xù)的學位論文研究工作。我院工程碩士專業(yè)學位課程設置包含兩大部分。一部分是適用各個研究方向的必修課，包括公共必修課和領(lǐng)域必修課。公共必修課主要包含自然辯證法、英語、數(shù)理統(tǒng)計、科技信息檢索。領(lǐng)域必修課主要有線性系統(tǒng)理論、計算機控制系統(tǒng)、自動測試系統(tǒng)。另一部分是為不同研究方向設置的選修課。選修課設置的基本思想是在保證對一個控制工程領(lǐng)域工程碩士研究生而言，至少應掌握一個課程群的知識要求的基礎上，引入專題講座形式來開闊學生視野，增大學生知識面。根據(jù)學科培養(yǎng)方案設置的三個研究方向，結(jié)合部隊崗位需求，我們按優(yōu)化、控制類課程群、控制系統(tǒng)故障檢測與診斷課程群、信息傳輸與處理類課程群的要求設置領(lǐng)域?qū)I(yè)技術(shù)類選修課課程。
具體地講，為三個研究方向設置的選修課程分別是：
為武器控制系統(tǒng)分析論證、試驗優(yōu)化與質(zhì)量監(jiān)控研究方向設置了優(yōu)化、控制類為主的課程，包含軍事運籌分析、系統(tǒng)決策與建模、智能控制、人工神經(jīng)網(wǎng)絡、防空武器系統(tǒng)效能分析以及專題講座。
為武器控制系統(tǒng)性能測試與故障診斷研究方向設置了故障檢測與診斷為中心的課程，包含測試與接口技術(shù)、軍用電子系統(tǒng)測試、電子系統(tǒng)故障診斷、故障分析與預測、人工智能原理以及專題講座。
為武器系統(tǒng)信息化管理研究方向設置了信息傳輸與處理為中心的課程，包含數(shù)字信號處理、戰(zhàn)術(shù)互聯(lián)網(wǎng)及其應用、圖像工程、多媒體技術(shù)、人工智能原理以及專題講座。
據(jù)統(tǒng)計，2017年中國人工智能核心產(chǎn)業(yè)規(guī)模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產(chǎn)業(yè)規(guī)模將超過1600億元，年復合增長率將達31.7%。
隨著人工智能技術(shù)的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低，越來越多的創(chuàng)業(yè)公司加入人工智能的陣營。
2018年被稱為人工智能爆發(fā)的元年，人工智能技術(shù)應用所催生的商業(yè)價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產(chǎn)效率及生活品質(zhì)的大幅提升。智能紅利時代開啟！資本、巨頭和創(chuàng)業(yè)公司紛紛涌入，將人工智能拉到了信息產(chǎn)業(yè)革命的風口。
如何把握產(chǎn)業(yè)動向，抓住風口機會？創(chuàng)業(yè)邦研究中心憑借在人工智能等前言科技領(lǐng)域持續(xù)研究、洞察的能力，在對國內(nèi)人工智能創(chuàng)業(yè)公司進行系統(tǒng)調(diào)研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術(shù)、主要應用領(lǐng)域、巨頭和創(chuàng)業(yè)公司的布局、未來發(fā)展態(tài)勢和投資機會進行了深度解析。
第一部分人工智能行業(yè)發(fā)展概述
1.人工智能概念及發(fā)展
人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現(xiàn)出來的智能，即通過普通計算機程序的手段實現(xiàn)的類人智能技術(shù)。
自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經(jīng)歷了寒冬與交替的起起伏伏60多年的發(fā)展歷程。2010年以后，深度學習的發(fā)展推動語音識別、圖像識別和自然語言處理等技術(shù)取得了驚人突破，前所未有的人工智能商業(yè)化和全球化浪潮席卷而來。
人工智能發(fā)展歷程
2.人工智能產(chǎn)業(yè)鏈圖譜
人工智能產(chǎn)業(yè)鏈可以分為基礎設施層、應用技術(shù)層和行業(yè)應用層。
A基礎層，主要有基礎數(shù)據(jù)提供商、半導體芯片供應商、傳感器供應商和云服務商。
B技術(shù)層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術(shù)提供商。
C應用層，主要是把人工智能相關(guān)技術(shù)集成到自己的產(chǎn)品和服務中，然后切入特定場景。目前來看，自動駕駛、醫(yī)療、安防、金融、營銷等領(lǐng)域是業(yè)內(nèi)人士普遍比較看好方向。
人工智能產(chǎn)業(yè)鏈
資料來源：創(chuàng)業(yè)邦研究中心
第二部分人工智能行業(yè)巨頭布局
巨頭積極尋找人工智能落地場景，B、C 端全面發(fā)力。
資料來源：券商報告、互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理
第三部分機器視覺技術(shù)解讀及行業(yè)分析
1.機器視覺技術(shù)概念
機器視覺是指通過用計算機或圖像處理器及相關(guān)設備來模擬人類視覺，以讓機器獲得相關(guān)的視覺信息并加以理解，它是將圖像轉(zhuǎn)換成數(shù)字信號進行分析處理的技術(shù)。
機器視覺的兩個組成部分
資料來源：互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理
2.發(fā)展關(guān)鍵要素：數(shù)據(jù)、算力和算法
數(shù)據(jù)、算力和算法是影響機器視覺行業(yè)發(fā)展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領(lǐng)，這主要依賴高效的模型算法進行大量數(shù)據(jù)訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。
深度學習出現(xiàn)后，機器視覺的主要識別方式發(fā)生重大轉(zhuǎn)變，自學習狀態(tài)成為視覺識別主流，即機器從海量數(shù)據(jù)里自行歸納特征，然后按照該特征規(guī)律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。
3.商業(yè)模式分析
機器視覺包括軟件平臺開發(fā)和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術(shù)算法的驅(qū)動者，其商業(yè)模式應以“技術(shù)層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態(tài)構(gòu)建者，適合以“全產(chǎn)業(yè)鏈生態(tài)+場景應用”作為突破口，加速商業(yè)化。
（1）軟件服務：技術(shù)算法驅(qū)動者—“技術(shù)層+場景應用”作為突破口
這種商業(yè)模式主要是提供以工程師為主的企業(yè)級軟件服務。有海量數(shù)據(jù)支撐，構(gòu)建起功能和信息架構(gòu)較為復雜的生態(tài)系統(tǒng)，推動最末端的消費者體驗。
此類商業(yè)模式成功關(guān)鍵因素：深耕算法和通用技術(shù)，建立技術(shù)優(yōu)勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。
國內(nèi)外基礎算法應用對比
資料來源：互聯(lián)網(wǎng)公開信息，創(chuàng)業(yè)邦研究中心整理
（2）軟硬件一體化：生態(tài)構(gòu)建者—“全產(chǎn)業(yè)鏈生態(tài)+場景應用”作為突破口
軟硬一體化的商業(yè)模式是一種“終端+軟件+服務”全產(chǎn)業(yè)鏈體系。成功的因素是大量算力投入，海量優(yōu)質(zhì)數(shù)據(jù)積累，建立算法平臺、通用技術(shù)平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統(tǒng)、應用和服務一體化的生態(tài)系統(tǒng)，各部分相輔相承，銳化企業(yè)競爭力，在產(chǎn)業(yè)鏈中擁有更多話語權(quán)。
4.投資方向
（1）前端智能化，低成本的視覺解決模塊或設備
從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數(shù)據(jù)采集設備和數(shù)據(jù)處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。
機器視覺在消費領(lǐng)域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發(fā)，結(jié)合先進的算法開發(fā)模塊和產(chǎn)品，這類企業(yè)將在機器視覺領(lǐng)域擁有核心競爭力。
（2）深度學習解決視覺算法場景的專用芯片
以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統(tǒng)的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數(shù)據(jù)，得到的模型在處理帶有復雜背景及暗光環(huán)境下的手勢識別問題時，比傳統(tǒng)方案的效果好很多。
（3）新興服務領(lǐng)域的特殊應用
前沿技術(shù)帶來的新領(lǐng)域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現(xiàn)應用。服務機器人與工業(yè)機器人最大的區(qū)別就是多維空間的應用。目前國內(nèi)的機器視覺，涉及三維空間、多維空間，其技術(shù)基本上處在初始階段，未來存在較大市場增長空間。
（4）數(shù)據(jù)是爭奪要點，應用場景是著力關(guān)鍵
機器視覺的研究雖然始于學術(shù)界，但作為商業(yè)應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續(xù)不斷的優(yōu)質(zhì)場景數(shù)據(jù)，又有挖掘該數(shù)據(jù)價值的先進技術(shù)時，商業(yè)模式和數(shù)據(jù)模式上就能形成協(xié)同效應。創(chuàng)業(yè)公司要么通過自有平臺獲取數(shù)據(jù)，要么選擇與擁有數(shù)據(jù)源的公司進行合作，同時選擇一個商業(yè)落地的方向，實現(xiàn)快速的數(shù)據(jù)循環(huán)。
第四部分智能語言技術(shù)解讀及行業(yè)分析
1.語音識別技術(shù)
（1）語音識別技術(shù)已趨成熟，全球應用持續(xù)升溫
語音識別技術(shù)已趨成熟，全球應用持續(xù)升溫。語音識別技術(shù)經(jīng)歷了長達60年的發(fā)展，近年來機器學習和深度神經(jīng)網(wǎng)絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經(jīng)網(wǎng)絡逐步找到模型結(jié)構(gòu)和調(diào)參算法來替代或結(jié)合高斯混合算法和HMM算法，在識別率上取得突破。根據(jù)Google Trends統(tǒng)計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。
（2）語音識別進入巨頭崛起時代，開放平臺擴大生態(tài)圈成主流
語音識別即將進入大規(guī)模產(chǎn)業(yè)化時代。隨著亞馬遜Echo的大賣，語音交互技術(shù)催生的新商機，吸引大大小小的公司構(gòu)建自己主導的語音生態(tài)產(chǎn)業(yè)鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態(tài)系統(tǒng)。
（3）語音識別技術(shù)發(fā)展瓶頸與趨勢
低噪聲語料下的高識別率在現(xiàn)實環(huán)境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環(huán)境和特異性口音的識別是下一個階段需要解決的問題。
麥克風陣列類前端技術(shù)不僅是通過降噪和聲源定位帶來識別率的提高，帶環(huán)境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術(shù)。語音巨頭已經(jīng)在布局。
在IOT包括車載領(lǐng)域，云端識別并非通行的最優(yōu)方案，把識別引擎結(jié)合場景進行裁剪后往芯片端遷徙是工程化發(fā)展的方向。
2.自然語言處理（NLP）發(fā)展現(xiàn)狀
（1）多技術(shù)融合應用促進NLP技術(shù)及應用的發(fā)展
深度學習、算力和大數(shù)據(jù)的爆發(fā)極大促進了自然語言處理技術(shù)的發(fā)展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術(shù)研究的進展，使DL有了路徑在語義理解領(lǐng)域取得突破，并且已經(jīng)有了明顯的進展。對話、翻譯、寫作新技術(shù)成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領(lǐng)域的投資熱度劇增。
深度學習能最大程度發(fā)揮對大數(shù)據(jù)和算力資源的利用，語義理解的發(fā)展還需要深度學習、搜索算法、知識圖譜、記憶網(wǎng)絡等知識的協(xié)同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領(lǐng)域越成熟（如數(shù)據(jù)飽和度和標準性較強的行業(yè)），技術(shù)上實現(xiàn)可能性相對較低。在各種技術(shù)融合應用發(fā)展的情況下，具備獲取一定優(yōu)質(zhì)數(shù)據(jù)資源能力并可結(jié)合行業(yè)Domain knowledge構(gòu)建出技術(shù)、產(chǎn)品、用戶反饋閉環(huán)的企業(yè)會有更好的發(fā)展機會。
（2）NLP主要應用場景
問答系統(tǒng)。問答系統(tǒng)能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。
圖像檢索。同樣也是基于深度學習技術(shù)，跨模態(tài)地把文本和圖片聯(lián)系起來。
機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。
對話系統(tǒng)。對話系統(tǒng)的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統(tǒng)和對于對話目標的理解，去生成一個回復。
（3）創(chuàng)業(yè)公司的機遇
1)機器翻譯方面：經(jīng)過多年的探索，機器翻譯的水平已經(jīng)得到大幅度提升，在很多垂直領(lǐng)域已經(jīng)能夠在相當大程度上替代一部分人工，機器翻譯技術(shù)的商業(yè)化應用已經(jīng)開始進入大規(guī)模爆發(fā)的前夜。
2)應用于垂直領(lǐng)域的自然語言處理技術(shù)
避開巨頭們對語音交互入口的競爭，以某一細分行業(yè)為切入點，深耕垂直領(lǐng)域，對創(chuàng)業(yè)公司也是一個不錯的選擇。
第五部分人工智能在金融行業(yè)的應用分析
人工智能產(chǎn)業(yè)鏈包含基礎層、技術(shù)層、應用層三個層面?；A層的大數(shù)據(jù)、云計算等細分技術(shù)被應用到金融征信、保險、理財管理、支付等金融細分領(lǐng)域；技術(shù)層的機器學習、神經(jīng)網(wǎng)絡與知識圖譜應用于金融領(lǐng)域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領(lǐng)域的身份識別，語音識別及自然語言處理應用于金融領(lǐng)域的智能客服、智能投研；應用層的認知智能應用于金融領(lǐng)域的智能風控。
人工智能在金融行業(yè)的典型應用情況
資料來源：創(chuàng)業(yè)邦研究中心
第六部分人工智能在醫(yī)療行業(yè)的應用分析
1.人工智能在醫(yī)療行業(yè)的應用圖譜
人工智能在醫(yī)療行業(yè)的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫(yī)學影像、智能化器械、藥物挖掘和醫(yī)院管理等領(lǐng)域均有企業(yè)在布局，其中醫(yī)學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發(fā)展速度較快。
圖 人工智能在醫(yī)療行業(yè)的應用圖譜
資料來源：創(chuàng)業(yè)邦研究中心
2.人工智能在醫(yī)療行業(yè)的具體應用場景
醫(yī)學影像。人工智能應用于醫(yī)學影像，通過深度學習，實現(xiàn)機器對醫(yī)學影像的分析判斷，是協(xié)助醫(yī)生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫(yī)生看圖/讀圖的效率，協(xié)助發(fā)現(xiàn)隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區(qū)自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網(wǎng)篩查、腫瘤診斷和治療等。
藥物挖掘。人工智能在藥物研發(fā)上的應用可總結(jié)為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術(shù)應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩(wěn)定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優(yōu)化構(gòu)效關(guān)系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術(shù)對患者病歷進行分析，迅速篩選符合條件的被試者，監(jiān)測管理臨床試驗過程中的患者服藥依從性和數(shù)據(jù)收集過程，提高臨床試驗的準確性。
虛擬助理。醫(yī)療虛擬助理是基于醫(yī)療領(lǐng)域的知識系統(tǒng)，通過人工智能技術(shù)實現(xiàn)人機交互，從而在就醫(yī)過程中，承擔診前問詢、診中記錄等工作，成為醫(yī)務人員的合作伙伴，使醫(yī)生有更多時間可以與患者互動。醫(yī)療虛擬助理根據(jù)參與就醫(yī)過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。
第七部分智能駕駛行業(yè)分析
1.智能駕駛行業(yè)產(chǎn)業(yè)鏈
智能駕駛行業(yè)的中心業(yè)務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業(yè)務鏈中扮演至關(guān)重要的一環(huán)。
產(chǎn)業(yè)鏈上游廠商多為細分技術(shù)提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。
智能駕駛產(chǎn)業(yè)鏈圖譜
資料來源：創(chuàng)業(yè)邦研究中心
2.智能駕駛市場分析
伴隨著 ADAS 技術(shù)的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內(nèi)處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩(wěn)速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產(chǎn)業(yè)鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產(chǎn)業(yè)帶來全面的市場機會。
按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產(chǎn)量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發(fā)展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產(chǎn)業(yè)鏈衍生市場的大規(guī)模催化擴張。
根據(jù)獨立市場調(diào)研機構(gòu) Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統(tǒng)整合占比 14%，車聯(lián)網(wǎng)部分占比 11%。按照全球 1 億輛量 產(chǎn)規(guī)模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規(guī)模在 2020 年 將達到 3100 億美元。
第八部分中國人工智能企業(yè)畫像分析
隨著人工智能技術(shù)的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低。創(chuàng)新的大門吸引眾多創(chuàng)業(yè)企業(yè)進入。為了觀察行業(yè)風向，助力創(chuàng)新企業(yè)發(fā)展，創(chuàng)業(yè)邦研究中心對國內(nèi)200多家人工智能創(chuàng)業(yè)公司進行了系統(tǒng)調(diào)研，從發(fā)展能力、創(chuàng)新能力、融資能力等多維度指標，評選出“2018中國人工智能創(chuàng)新成長企業(yè)50強”。
地域分布
全國88%的人工智能企業(yè)聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業(yè)最多，占比高達39.66%;其次是上海，人工智能企業(yè)占比達21.55%;位列第三的是廣東，人工智能企業(yè)占達15.52%。北京以領(lǐng)先全國其他地區(qū)的政策環(huán)境、人才儲備、產(chǎn)業(yè)基礎、資本支持等，成為人工智能創(chuàng)業(yè)首要陣地;華東地區(qū)的上海、江蘇、浙江均有良好的經(jīng)濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產(chǎn)業(yè)園;廣東互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)達，企業(yè)對數(shù)據(jù)需求強烈，依靠大數(shù)據(jù)產(chǎn)業(yè)鏈推動人工智能產(chǎn)業(yè)發(fā)展。
行業(yè)分布
從行業(yè)大類分布來看，行業(yè)應用層的企業(yè)占比最大，為56.03%;其次是應用技術(shù)層的企業(yè)，占比達31.04%;基礎技術(shù)層的企業(yè)占比最小，僅為12.93%。隨著人工智能技術(shù)的發(fā)展，人工智能與場景深度融合，應用領(lǐng)域不斷擴展，行業(yè)應用公司比重不斷提升。在基礎層技術(shù)方面，國際IT巨頭占據(jù)行業(yè)領(lǐng)先地位， 國內(nèi)與國際差距明顯，中小初創(chuàng)企業(yè)很難進入。
從行業(yè)應用來看，智能金融企業(yè)占比最大，為16.92%;其次是機器人企業(yè)，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業(yè)的強數(shù)據(jù)導向為人工智能的落地提供了產(chǎn)業(yè)基礎，智慧金融被列入國家發(fā)展規(guī)劃中，龐大的金融市場為人工智能落地帶來了發(fā)展前景。機器人作為人工智能產(chǎn)業(yè)落地輸出， 目前市場需求較大，商業(yè)機器人占據(jù)較大份額。中國智能駕駛市場在資本推動下進入者較多，企業(yè)積極推動應用落地，百度、北汽等大型企業(yè)嘗試商業(yè)化落地智能駕駛汽車。人工智能推動教育個性化落地，相關(guān)初創(chuàng)企業(yè)涉入教育藍海，推動智慧教育的發(fā)展。
收入情況
收入分布在500-10000萬之間的企業(yè)最多，占比達49.14%;500萬以下的企業(yè)位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業(yè)，占比為17.24%。
最新估值
企業(yè)最新估值均在億元級別，且分布較為均衡。三成企業(yè)估值超過15億元，還有企業(yè)估值達到百億級別，如優(yōu)必
選科技、達闥科技和商湯科技等，將來或?qū)④Q身人工智能獨角獸企業(yè)。(備注：分析樣本量剔除一半未披露企業(yè))
第九部分典型企業(yè)案例分析
1.Atman
企業(yè)概述
Atman由來自微軟的人工智能科學家和產(chǎn)業(yè)經(jīng)驗豐富的產(chǎn)品團隊創(chuàng)辦，提供專業(yè)領(lǐng)域機器翻譯、機器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品，致力于成為醫(yī)學、新聞、法律等專業(yè)領(lǐng)域語言智能專家，為專業(yè)領(lǐng)域用戶賦能，推動專業(yè)領(lǐng)域用戶進入人工智能時代，助力專業(yè)領(lǐng)域文字智能水平實現(xiàn)跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領(lǐng)先藥企、新聞媒體、法律服務機構(gòu)開發(fā)機器翻譯、機器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產(chǎn)品。
目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。
企業(yè)團隊
創(chuàng)始人&CEO：馬磊
清華大學計算機系畢業(yè)，曾先后在微軟研究院和工程院擔任研究員和架構(gòu)師，機器學習專家、多次創(chuàng)業(yè)者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。
Atman公司核心團隊由來自微軟、百度、法電等領(lǐng)域高端人才和資深技術(shù)人才組成，公司員工40人，其中碩士以上學歷占比60%，技術(shù)開發(fā)人員占比70%，一半以上來自微軟亞洲研究院和工程院。
核心技術(shù)與產(chǎn)品
技術(shù)方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經(jīng)網(wǎng)絡機器翻譯系統(tǒng)于2016年9月首秀，早于谷歌的GNMT，專業(yè)領(lǐng)域翻譯效果在公測標準和行業(yè)客戶測試中均持續(xù)領(lǐng)先。核心產(chǎn)品為垂直領(lǐng)域機器翻譯、機器寫作、知識圖譜抽取構(gòu)建、大數(shù)據(jù)智能挖掘等語言智能產(chǎn)品。
Atman的機器翻譯產(chǎn)品可自動翻譯編輯專業(yè)文獻、報告、音視頻和網(wǎng)頁，支持私有部署和云端混合部署，提供包括數(shù)據(jù)隱私安全以及自學習的端到端解決方案。
機器寫作可對海量數(shù)據(jù)進行快速搜索、過濾、聚類，根據(jù)行業(yè)需求自動生成專業(yè)文檔，適用于所有專業(yè)寫作場景，可大幅減少專業(yè)報告寫作過程中的繁復工作，大幅提升專業(yè)領(lǐng)域?qū)懽餍省?/p>
知識圖譜可實現(xiàn)海量數(shù)據(jù)的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數(shù)據(jù)智能采集挖掘系統(tǒng)為專業(yè)領(lǐng)域用戶提供智能數(shù)據(jù)源管理、海量專業(yè)數(shù)據(jù)獲取和非結(jié)構(gòu)化數(shù)據(jù)自動解析并結(jié)合知識圖譜提供auto-screening、知識重構(gòu)、專業(yè)決策輔助，幫助用戶建立強大的以專業(yè)大數(shù)據(jù)為基礎的業(yè)務輔助能力。
2.黑芝麻
企業(yè)概述
黑芝麻智能科技有限公司是一家視覺感知核心技術(shù)與應用軟件開發(fā)企業(yè)，2016年分別在美國硅谷和上海成立研發(fā)中心，主攻領(lǐng)域為嵌入式圖像、計算機視覺，公司核心業(yè)務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。
目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創(chuàng)達、車聯(lián)天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領(lǐng)域布局為智能終端提供視覺解決方案。目前公司已經(jīng)完成A+輪融資。
企業(yè)團隊
團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業(yè)，平均擁有超過15年以上的產(chǎn)業(yè)經(jīng)驗，畢業(yè)于清華、交大、中科大和浙大等知名高校。
創(chuàng)始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術(shù)副總裁一職，工作內(nèi)容覆蓋了圖像傳感器研發(fā)和設計、圖像處理算法研發(fā)和圖像處理芯片設計。
核心技術(shù)和產(chǎn)品
在汽車領(lǐng)域，黑芝麻可提供車內(nèi)監(jiān)控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術(shù)，到面向AI的圖像處理技術(shù)出發(fā)來提高成像質(zhì)量，以及應用深度神經(jīng)網(wǎng)絡訓練，結(jié)合視頻處理和壓縮技術(shù)，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經(jīng)網(wǎng)絡架構(gòu)，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結(jié)合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。
3.乂學教育
企業(yè)概述
乂學教育，成立于2014年，是一家網(wǎng)絡教育培訓機構(gòu)，采用人工智能和大數(shù)據(jù)技術(shù)，為學生提供量身定制學習解決方案和個性化學習內(nèi)容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經(jīng)驗。
企業(yè)自主研發(fā)了針對中國K12領(lǐng)域的學生智適應學習產(chǎn)品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產(chǎn)品擁有完整自主知識產(chǎn)權(quán)，能夠模擬真實特級教師教學。企業(yè)發(fā)表的學術(shù)論文得到了全球國際學術(shù)會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯(lián)合實驗室。
主要產(chǎn)品
學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術(shù)，在模擬優(yōu)秀教師的基礎之上，達到超越真人教學的目的。該產(chǎn)品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統(tǒng)教育課時費用高，名師資源少，學習效率低等問題。
智適應學習人工智能系統(tǒng)
智適應學習人工智能系統(tǒng)模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經(jīng)網(wǎng)絡、邏輯斯蒂回歸和遺傳算法為學生實時動態(tài)推薦最佳學習路徑，實現(xiàn)個性化教育。
業(yè)務模式
線上與線下，2B和2C相結(jié)合。以松鼠AI智適應系統(tǒng)教學為主，真人教師輔助，學生通過互聯(lián)網(wǎng)在線上學習課程。開創(chuàng)教育新零售模式，授權(quán)線下合作學校，已在全國100多個城市開設500多家學校。
4.云從科技
企業(yè)概述
云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業(yè)，專注于計算機視覺與人工智 能。云從科技是人工智能行業(yè)國家隊，是中科院戰(zhàn)略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業(yè)標準的企業(yè)。2018年，云從科技成為祖國“一帶一路”戰(zhàn)略實行路上的人工智能先鋒，與 非洲南部第二大經(jīng)濟體津巴布韋政府完成簽約。
云從科技奠定了行業(yè)領(lǐng)導地位： 國家肯定，國家發(fā)改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業(yè)；模式創(chuàng)新，三大平臺解決方案，科學家平臺、核心技術(shù)平臺和行業(yè)應用平臺。
企業(yè)核心團隊
創(chuàng)始人
周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領(lǐng)域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術(shù)研究中心主任。
周曦博士帶領(lǐng)團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰(zhàn)賽中7次奪冠;在國際頂級會議、雜志 上發(fā)表60余篇文章，被引用上千次。
核心技術(shù)團隊
云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯(lián)合實驗室上海、廣州、重慶、成都四 個研發(fā)中心組成的三級研發(fā)架構(gòu)。目前研發(fā)團隊已經(jīng)超過300人，80%以上擁有碩士學歷。
技術(shù)優(yōu)勢
全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業(yè)視覺、醫(yī)學影像、自動駕駛AR等領(lǐng)域擴展打下良好基礎。
云從科技具有高技術(shù)壁壘：世界智能識別挑戰(zhàn)賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰(zhàn)賽上共計奪得7次世界冠軍;在銀行、公安等行業(yè)智能識別技術(shù) PK實戰(zhàn)中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術(shù)代表企業(yè)。
在跨鏡追蹤(ReID)技術(shù)上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數(shù)據(jù)同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。
正式在國內(nèi)“3D結(jié)構(gòu)光人臉識別技術(shù)”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術(shù)，3D結(jié)構(gòu)光人臉識別技術(shù)擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環(huán)境光線強弱的影響等諸多優(yōu)點，受到國際巨頭公司的關(guān)注。
行業(yè)應用
目前國內(nèi)有能力自建系統(tǒng)的銀行約為148家。截止2018年3月15日，已經(jīng)完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領(lǐng)域推動中科院與公安部全面合作，通過公安部重大課題研發(fā)火眼人臉大數(shù)據(jù)平臺等智能化系統(tǒng)，在民航領(lǐng)域，已經(jīng)與中科院重慶院合作覆蓋80%的樞紐機場。
5.Yi+
企業(yè)概述
北京陌上花科技是領(lǐng)先的計算機視覺引擎服務商，為企業(yè)提供視覺內(nèi)容智能化和商業(yè)化解決方案。致力于“發(fā)現(xiàn)視覺信息的價值”。
旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領(lǐng)先水平。
目前公司和阿里巴巴、愛奇藝、優(yōu)酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數(shù)十家頂級機構(gòu)/產(chǎn)品深度合作，通過提供邊看邊買引擎、圖像視頻內(nèi)容分析引擎、人臉識別引擎等基于視覺識別技術(shù)的數(shù)據(jù)結(jié)構(gòu)化產(chǎn)品服務于海量用戶，同時幫助政府機構(gòu)、廣電系統(tǒng)、內(nèi)容媒體、零售商、電商、視聽設備等行業(yè)實現(xiàn)智能分析、智能互動與場景營銷。目前公司已經(jīng)獲得B輪融資。
企業(yè)團隊
團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。
創(chuàng)始人&CEO：張默
北京大學軟件工程碩士， 南洋理工大學創(chuàng)業(yè)創(chuàng)新碩士。連續(xù)創(chuàng)業(yè)者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構(gòu)師，北方區(qū)合作伙伴經(jīng)理，主機Linux中國區(qū)負責人，中國區(qū)開源聯(lián)盟負責人，年銷售額數(shù)億。 2013年創(chuàng)業(yè)于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。
核心技術(shù)與產(chǎn)品
技術(shù)方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數(shù)據(jù)協(xié)議。 Yi+的系統(tǒng)由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數(shù)據(jù)集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數(shù)據(jù)集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優(yōu)異成績。
公司的核心產(chǎn)品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：
行業(yè)解決方案
針對營銷、安防、相機和電視的不同特點，推出相應解決方案。
營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態(tài)貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內(nèi)容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業(yè)。
智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區(qū)等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區(qū)方案模型，考慮擴展性&靈活性、數(shù)據(jù)管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術(shù)方案要素，從業(yè)務和技術(shù)兩方面整合解決方案實現(xiàn)步驟。
電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。
相機+AI。相機更具交互能力。用戶通過搜索關(guān)鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態(tài)適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術(shù)，進行人臉相似度檢測，實現(xiàn)面部關(guān)鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現(xiàn)的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。
新零售+AI。Yi+新零售解決方案是基于公司自主研發(fā)的人臉識別、商品識別和其他圖像識別算法技術(shù)為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數(shù)據(jù)采集、算法模型說明和部署方案三部分，其中數(shù)據(jù)采集包括人臉數(shù)據(jù)采集、商品數(shù)據(jù)采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結(jié)合。
6.擎創(chuàng)科技
企業(yè)簡介
擎創(chuàng)科技成立于2016年，專注于將人工智能和機器學習賦予傳統(tǒng)IT運維／企業(yè)運營管理，為企業(yè)客戶提供智能運維大數(shù)據(jù)分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現(xiàn)狀。2017年，擎創(chuàng)科技已實現(xiàn)全年2000萬營收，迅速成為國內(nèi)AIOps領(lǐng)域的領(lǐng)跑者和中流砥柱。2018年初，擎創(chuàng)科技完成了數(shù)千萬人民幣的A輪融資，由火山石投資領(lǐng)投，晨暉創(chuàng)投、元璟資本及新加坡STTelemedia跟投。
核心團隊
擎創(chuàng)團隊的核心成員主要由BMC、微軟等美國企業(yè)服務上市公司的運維老兵，與新浪、餓了么等知名互聯(lián)網(wǎng)公司的大數(shù)據(jù)、算法專家組成，核心團隊成員至少擁有10年以上的行業(yè)經(jīng)驗。其中CEO楊辰是國內(nèi)最頂級的B端銷售，曾帶領(lǐng)團隊獲得10倍的業(yè)績增長；CTO葛曉波擁有長達15年的企業(yè)級軟件開發(fā)和運維經(jīng)驗；而產(chǎn)品總監(jiān)屈中泠則來自甲方，創(chuàng)業(yè)前為浦發(fā)硅谷銀行企業(yè)架構(gòu)師，深知甲方對企業(yè)運維產(chǎn)品的需求。這個曾經(jīng)深耕于運維企業(yè)服務市場的團隊，如今在智能運維企業(yè)服務賽道繼續(xù)領(lǐng)跑，讓擎創(chuàng)科技成為最懂企業(yè)的客戶，最值得企業(yè)客戶信賴的軟件廠商。
主要產(chǎn)品
“夏洛克AIOps” 作為擎創(chuàng)自主研發(fā)的大數(shù)據(jù)智能運維主打產(chǎn)品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業(yè)、鐵路民航、能源電力等涉及國家發(fā)展和民生問題的多種行業(yè)。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區(qū)聯(lián)合頒發(fā)的“年度最具影響力AIOps產(chǎn)品”獎。
“夏洛克AIOps”充分利用自研算法輔助客戶實現(xiàn)IT運維價值，結(jié)合客戶的現(xiàn)有情況，規(guī)劃從傳統(tǒng)ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數(shù)據(jù)孤島，建立統(tǒng)一的大數(shù)據(jù)智能分析平臺，實現(xiàn)以人工智能為核心，驅(qū)動傳統(tǒng)IT運維監(jiān)、管、控三個層面，并將相關(guān)運維數(shù)據(jù)及業(yè)務數(shù)據(jù)實時展現(xiàn)。
“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發(fā)現(xiàn)并定位運維問題的根因，實現(xiàn)秒級排障，最大程度避免企業(yè)產(chǎn)生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數(shù)據(jù)積累和機器學習，運用新型深度神經(jīng)網(wǎng)絡算法對企業(yè)的業(yè)務數(shù)據(jù)進行預測，幫助企業(yè)提前規(guī)劃IT資源，高效預防各類黑天鵝事件的發(fā)生。
商業(yè)模式
目前，擎創(chuàng)科技已與多家金融和制造行業(yè)標桿客戶形成穩(wěn)定的合作關(guān)系，包括浦發(fā)銀行、浦發(fā)硅谷銀行、國家開發(fā)銀行、上海鐵路局、銀聯(lián)、海爾、浙江能源等。針對不同客戶，采用個性化的商業(yè)模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。
核心優(yōu)勢
