時間：2023-03-25 11:24:49
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇人工智能技術論文范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
在飛行流量管理方面，飛行流量管理系統通過與輔助決策系統相結合，構成了人工智能輔助決策系統的飛行流量管理模塊。該模塊主要通過計算飛行流量來避免飛行流量的沖突，進而根據分析結果進行航班的排序。從具體的應用情況來看，首先，飛行流量的計算需要大量的原始數據，而這些數據既包含了歷史數據，也包含了實時數據。同時，由于這些數據是來自于空域、機場和氣象等多個方面的復雜信息，所以系統需要建立相應的飛行流量管理數據庫，從而保證數據的準確性和及時性，進而保證飛行流量計算結果的可靠性。其次，在進行飛行流量計算時，系統利用了飛行動力學計算原理。根據數據庫的信息，系統對飛機的四維飛行軌跡進行了計算，從而可以得知飛機的降落時間和降落地點。這樣，系統就可以得出任意航段和交匯點在任意時間的飛行架次，進而列出潛在的飛行流量沖突信息。再者，在得知以上信息后，系統需要對這些信息進行分析，從而進行航班的排序，進而避免飛行流量的沖突。在排序方面，系統不僅可以實現飛行計劃的過程仿真，還可以找出空域資源的“空閑”狀態，進而利用該狀態，進行航班和起降順序的調整。而具體的排序原則有兩個，一是優先級排序，二是全排列。其中，優先排序是按照一定的標準給這些航班擬定優先級，然后按照優先順序進行航班的排序。而優先級的擬定標準有很多，比如飛行任務、機型、機場和時間等因素，都可以成為優先級的擬定標準。全排列原則是對沖突的航班進行全排列，從而根據每一次排列的延誤損失，選擇損失最小的排序方法。相比較來說，全排序法雖然較為科學，但是系統需要承擔的運算量較大，因此會占用系統較多的內存資源。
2人工智能技術在飛行沖突探測與解脫管理方面的應用
人工智能技術的應用可以使空中交通管理系統具有高智能化的特征，從而滿足飛行沖突與解脫管理方案自動生成的需要。具體來說，實現這一功能的模塊是飛行沖突探測與解脫輔助決策模塊，而該模塊是由沖突探測與解脫系統和輔助決策系統組成的。該模塊不但可以實現飛行沖突的預測，還可以為管制人員提供飛行沖突調配的決策方案，從而減輕管制人員的壓力，幫助他們做出正確的決定。所以，該系統的應用，彌補了人類與機器各自存在的不足，從而有效的避免了因人為失誤或機械故障而造成的飛行事故。從原理角度來看，系統首先通過分析飛行沖突情況來制定可能的解脫方案，然后根據航空器優先級分類方法和沖突類型判定法等多種規則，進行方案的選擇和排除。在這一推理過程中，為了保證系統推理的有效性，系統需要根據大量的規則來進行方案的推理選擇。而這些規則，則要被統一存入知識庫系統中。這樣，管制人員只要在平時做好知識庫系統的更新和維護，就能夠保證系統推理的有效性，從而根據系統提供的方案，來進行飛行沖突航班的排序。
3結論
人工智能是一門綜合了生理學、語言學、計算機科學等的學科，具有綜合性、挑戰性等特點，其主要目的便是賦予機器人工智能的功能，使其能夠替代人去完成一些危險性與復雜性較高的工作，進而確保人們的安全，促進工作效率的提高[1]。因此，人工智能也被稱為機器智能。相比于自然智能與人類智能而言，人工智能屬于一項全新智能，其通過將設備、系統等來模擬人類各項智能活動，從而完成命令。作為一項結合多門學科的應用技術，人工智能的發展與其組建學科的關系十分緊密，特別是計算機技術的發展方向，其對人工智能的應用具有決定性作用。此外，人工智能技術也極大程度上促進了計算機網絡技術的發展，計算機為從單純數據計算轉變為知識處理，就離不開人工智能技術的支持。人工智能的作用與優勢具體如下：其一，可處理不確定信息，實時了解系統資源表現出來的局部及全局狀態，并對狀態變化情況進行追蹤，通過技術處理獲取的信息，從而為用戶實時提供所需信息護具。其二，具有較高的寫作能力，可科學、有效整合獲得的資源，進而將各用戶之間的資源進行傳輸與共享，通過有機結合網絡管理與眾多寫作分布式人工智能的思想，可充分促進網絡管理相關工作效率及效益的提高。其三，其在網絡智能化護理中具有顯著優勢，主要表現在其學習、推理能力方面。在網絡管理工作中應用人工智能，可將信息處理的準確性及效率進行提升，同時，通過利用人工智能技術的記憶功能，可在存儲信息過程中建立完善的信息庫，并將其作為綜合、解釋、總結信息的平臺，在產生出更為準確及科學的高級信息的基礎上，實現網絡管理水平的全面提升。
2計算機網絡技術的問題
目前，隨著計算機技術的廣泛應用，人們愈發重視有關網絡信息安全問題。在網絡管理系統的應用過程中，用戶最為關注的功能便是網絡監視與網絡控制，其中，為正常發揮網絡監視及網絡控制這兩大功能，就需要對信息急性及時獲取與準確處理。網絡傳輸的數據通常是不連續、不規則的，而在早期階段，計算機只具備邏輯化分析及處理數據的功能，難以準確判斷出數據的真實性，因此，為從大量繁復的信息中，挑選出有效的信息，實現計算機網絡技術的智能化具有非常重要的意義[2]。計算機的應用日益廣泛與深入，這使得用戶需要通過網絡安全管理來為其信息安全提供保障，而網絡犯罪現象的增多，使得計算機必須具備靈敏的觀察能力及迅速的反應能力否則便難以對侵犯用戶信息的各種違法犯罪行為進行有效遏制。為促進網絡安全管理的實現，就需要將以人工智能技術為基礎而建立起來的智能化管理系統作為有效手段，自動收集信息數據，及時診斷運行故障，并在線分析趨勢及性能等，從而確保計算機發生網絡故障時，可做出快速、準確的反應，并采取有效措施來恢復計算機的網絡系統。由此可知，針對計算機網絡中存在的問題，就需要應用人工智能技術，在其內部建立完善的網絡管理及防御系統，從而為用戶信息安全提供充分保障。
3計算機網絡技術中人工智能的應用分析
在計算機網絡技術中應用人工智能，可極大程度滿足人們對計算機提供人性化及智能化服務的需求。其中，計算機網絡技術智能化服務主要指的是智能化的人機界面、信息服務、系統開發及支撐的環境這幾個方面，與此同時，這些需求進一步促進了人工智能在計算機網絡技術，尤其是在智能人機界面、網絡安全及系統管理評價等方面的應用進程。
3.1人工智能在計算機網絡安全管理中的應用。在計算機網絡技術中，人工智能得到了極為廣泛的應用。在計算機網絡安全管理中，人工智能的應用主要表現在智能防火墻、入侵檢測、智能型反垃圾郵件系統這三個方面。相比于其他防御系統，智能防火墻系統采用的是智能化識別技術，例如，通過概率、統計、記憶、決策等方法，來識別并處理有關信息數據，不但有效減少了計算機匹配檢查過程中的龐大計算，而且大大提高了發現網絡有害行為的效率，從而實現了限制訪問及攔截有害信息的功能；此外，與傳統防御軟件相比，智能防火墻系統具有更高的安檢效率，從而將拒絕服務共計這一普通防御軟件普遍發生的問題進行有效解決，實現了高級應用的入侵及病毒傳播的有效遏制[3]。作為計算機網絡技術安全管理的一項重要環節，入侵檢測起著保證網絡安全的關鍵作用，同時也是防火墻技術的核心部分。計算機系統資源的保密性、完整性、安全性等均與網絡系統入侵檢測功能的有效發揮有著緊密聯系。入侵檢測技術通過采集、篩選、分類、處理信息數據，在形成最終報告的基礎上，將當前計算機網絡系統的安全狀態及時反映給用戶。現階段，人工智能在模糊識別、專家及人工神經網絡等系統入侵檢測中，得到了非常廣泛的應用。計算機網絡安全管理中的智能型反垃圾郵件系統，是一項以人工智能技術為基礎而研發出來的防護技術，其針對的對象為垃圾郵件。此項技術可在不對用戶信息安全造成影響的前提下，有效監測用戶的郵件，并在完成郵箱內垃圾郵件的開啟式掃面后，將垃圾郵件分類信息提供給用戶，提醒其對可能對自身不利或對系統造成危害的信息進行盡早處理，進而確保整個郵箱的安全性，
3.2人工智能在計算機網絡系統管理及評價中的應用。計算機網絡管理的智能化發展，離不開人工智能技術及電信技術的發展。除了應用在計算機網絡安全管理中，人工智能技術中的問題求解技術及專家知識庫等，均可促進計算機網絡綜合管理的實現。由于網絡具有瞬變性及動態性的特點，因而給計算機網絡管理工作增加了一定的難度，這同時也使得現代化網絡管理工作朝著智能化的方向發展。其中，以人工智能理論為發展基礎的專家級決策及支持方法，在信息系統的管理工作中得到了廣泛應用。作為一項智能計算機程序，專家系統可累積盡可能多的專家經驗與知識，并通過進行歸納與總結，在形成資源錄入系統的基礎上，利用這一匯集了多位特定領域中的專家經驗的系統，對此領域中相似的其他問題進行解決。因此，對于計算機網絡管理及其系統評價，可通過眾多專家系統來開展計算機網絡管理及系統評價等大量工作。
4結數語
關鍵詞：人工智能技術；教學方法；編程能力
中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中國科協成立50周年新聞會在北京召開。在新聞會上，“五個10”系列評選活動，即10位傳播科技的優秀人物、10部公眾喜愛的科普作品、10個公眾關注的科技問題、10個影響中國的科技事件、10項引領未來的科學技術評選結果揭曉。10項引領未來的科學技術是：基因修飾技術；未來家庭機器人；新型電池；人工智能技術；超高速交通工具；干細胞技術；光電信息技術；可服用診療芯片；感冒疫苗；無線能量傳輸技術。
人工智能技術學科是計算機科學中涉及研究、設計和應用智能機器的一個分支。指人類的各種腦力勞動或智能行為，諸如判斷、推理、證明、判別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動，可以用某種智能化的機器來予以人工實現[1]。
通過《人工智能技術》課程的學習，使學生對人工智能技術的發展概況、基本原理和應用領域有深入了解、對主要技術及應用有一定掌握，并對現代人工智能技術發展的方向有所研究。通過人工智能技術課程的學習與研究，啟發學生對人工智能技術的興趣，培養知識創新和技術創新能力，并能將人工智能技術融入到今后所開發的計算機軟件之中。
《人工智能技術》是一門眾多學科交叉的新興課程，其涵蓋范圍廣，涉及知識點多，知識更新快，內容抽象，不容易理解，理論性強，而且需要較好的數學基礎和較強的邏輯思維能力，這給該課程的講授帶來了一定困難。《人工智能技術》也是一門應用型學科，怎樣將理論運用到實踐中，使學生將學到的人工智能技術知識和思想運用到自己的實際課題，這也是該課程需要解決的問題之一。
因此，對《人工智能技術》課程教學來說，我們要了解課程的最新信息，把握課程的特點，幫助學生找到好的學習方法，使他們能充分發揮自己的創新思維能力，提高學習興趣，該文給出了《人工智能技術》課程的教學與實踐的探索。
2 教學與實踐的探索
2.1 教材和實驗教學內容的選取
1） 人工智能技術是整個計算機科學領域發展最快，知識更新最快，最前沿的學科之一。在教材選用方面，我們采用了蔡自興教授等主編，由高等教育出版社出版的《人工智能基礎》這本教材。蔡自興教授的主要研究領域為人工智能、機器人學和智能控制等。這本教材是作者在美國國家工程院院士、普度大學教授傅京孫先生的指導和鼓勵下編寫，借鑒了國內外人工智能技術研究領域專家的最新研究成果和學術書籍的長處，該書比較全面地介紹了人工智能技術的基礎知識與技術，材料新，易于理解，兼顧基礎及應用[2]。
此外，我們還給學生自主學習提供多種類型的學習資料，其中包括參考書目，如：Russel S， Norvig P.等編著的《Artificial Intelligence： A Modern Approach》一書，人工智能技術國內外期刊，如電子學報，計算機學報，人工智能與模式識別，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技術會議，使學生能夠掌握人工智能技術的更多前沿動態，提高學習興趣。
2） 配套的實驗教學內容。《人工智能技術》是一門理論性和實踐性都很強的課程，實踐性教學環節對該課程尤為重要。除了完成課本上的作業之外，還注重實驗教學，培養學生的創新能力、算法設計能力和編程能力。首先，每個章節設置相應的實驗，而實驗內容經過嚴格的考慮，如：五子棋游戲，產生式系統，旅行商問題，傳教士和野人問題，BP神經網絡實現簡單的分類，遺傳算法、人工生命程序等，要求學生運用所學章節的知識，獨立地設計和實現實驗內容。實驗報告包括簡述實驗原理及方法，給出程序設計流程圖，源程序清單，實驗結果及分析等內容，通過這種方式，進一步加強學生的信息獲取能力和研究能力。
2.2 教學方法和手段的改革
人工智能技術課程交叉性強，涉及面廣，傳統的教學方法手段單一，缺少交流，課堂氣氛沉悶，激發不起學生的學習興趣，教學效果不理想。人工智能技術這門課程內容抽象，如何激發學生的學習興趣是本課程需要解決的主要問題，也是關系教學改革成敗的關鍵。本課程需采用多種方法進行教學，以此來激發學生的學習興趣。
1） 問題啟發式教學。《人工智能技術》這門課程中有很多似是而非、引人入勝的問題，主要是用計算機模擬人類的智能來解決這種問題。在教學中，有目的的提出這些問題，鼓勵學生思考，提出自己的想法和解決方案，并進行分析和比較，這樣強化學生的主動學習意識，提高學習積極性[3]。
2） 個性化學習和因材施教。學生中存在計算機專業和非計算機專業本科畢業的差別，由于他們每個人的基礎不同，有的計算機知識比較匱乏，因此有必要針對每個學生的學習進度，課堂作業和實驗報告情況進行及時評估，對學生提出個性化的教學。例如：在實驗教學中，要求有能力和興趣的學生可以做探究性和創新性的附加實驗，從而引導學生發揮個性的空間，而對稍微吃力的學生則要求完成基本的實驗，更注重基礎知識的學習和夯實，這樣就能達到因材施教的目的。同時對不同層次的學生進行分析，進一步提出學習建議，并進行有針對性的指導。
3） 多媒體使用和多學科知識的融合。本課程PPT課件圖文并茂，提綱挈領，便于學生理解。課堂講授、板書與PPT手段相結合，注重課程中的關鍵詞用英文表示，并適當指定英文參考書，使學生能夠接觸國外文獻資料，加深對學習內容的理解，獲得更寬廣的知識。PPT課件運用了大量多媒體技術，如動畫、聲音、圖像，通過動畫和視頻演示抽象的概念、算法和過程，使人工智能技術中抽象的知識形象化，在課件中融入了文學，歷史等其他學科的相關知識，便于學生較好地理解知識難點和重點[4]。
4） 師生互動和課內外答疑。在教學中，改變了傳統的老師講，學生聽的教學模式。針對人工智能技術的實用性，適當提問，收集學生學習情況，盡量使用實例進行講解。設置了實驗講解互動課程，對于實驗的講解，學生可以提出疑問，然后在課堂上展開討論，學生可以看到問題從提出、分析到解決的整個過程，讓學生自己在討論中總結結論。為了解決教學中存在的疑難問題，還設有課后答疑，使學生能將所有的問題都理解透徹。
5） 理論研究與實踐結合。在教學內容的安排上，注重學生的理論研究和動手能力，適當布置一些課程相關的論文和實驗編程。通過課程論文，可以培養學生鉆研問題的興趣； 通過查閱科技文獻使學生掌握如何查找相關文獻的技能，可以培養學生撰寫科技論文的能力。通過實驗實踐，使學生可以更加清楚地了解人工智能技術基本概念和難點，也能了解算法的設計具體運行過程，并對其進行驗證，提高了學生的編程能力和和學習興趣。
6） 考試考核方式改革。本課程的考核考試也是一個值得探討的問題，本課程應采用多種綜合考試方法，注重學生對基礎概念、知識和基本的技能的掌握以及理論聯系實際的能力。平時作業考核成績，實驗實踐教學成績、提交課程論文成績，以及最后的期末考試成績形成一種有效的考試考核方法，促進學生主動學習，提高教學質量。實驗的評價指標在于算法設計、編程的準確性和實驗結果及分析。課程論文評價指是選題是否嚴謹科學和具可研究性，論文結構、思路是否嚴謹，論文內容科學性、正確性，能否提出自己的見解。考查查閱科技文獻的能力主要通過是否查找到權威的、最新文獻以及撰寫是否規范。
2.3 學生學好《人工智能技術》課程的建議
《人工智能技術》是一門理論與實踐相結合的應用課程，學生如何學習這么課程，也是我們應該探討的問題。
學生應該正確看待《人工智能技術》這門科學的發展。人工智能技術孕育于20世紀30、40年代，形成于60、70年代，發展至今，人工智能技術只有短短60多年的歷史，它是一門不斷發展和完善的嶄新學科，還有許多課題處于探索中，理論和技術還遠未成熟，我們應該對它有科學的認識。
針對非計算機專業本科畢業的學生，除了課堂聽講之外，還應該課下自學該課程的先修課程，如：數據結構、離散數學等課程。人工智能技術中涉及到大量的數學知識，如：模式識別需要具有較好的概率論，數理統計知識，另外還會用到少量隨機過程、模糊數學的一些知識。人工智能技術是一門應用課程，編程語言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神經網絡，遺傳算法等算法，實現這些算法要求學生具有較強的編程能力。
學生應該多讀，多查閱資料，特別是國外的期刊文獻和重要國際會議論文，多了解人工智能技術最前沿的信息，理論聯系實際，加深對基本算法的理解，并將人工智能技術的知識運用到自己所研究的領域，以做到學以致用。
3 結論
人工智能技術在一定程度上代表著信息技術的前沿，該文對《人工智能技術》的課程教學進行了一些探討，教學與實踐效果有了顯著提高，但仍然有許多方面還需要我們繼續探討和改進。
參考文獻：
[1] 蔡自興，徐光佑.人工智能技術及其應用[M].北京： 清華大學出版社，2003.
[2] 蔡自興，肖曉明，蒙祖強，等.樹立精品意識搞好人工智能技術課程建設[J].中國大學教學，2004（1）：28-29.
論文摘要：隨著計算機技術的發展和應用，制造也得發展已經離不開計算機了，計算機輔助工藝設計和人工智能應運而生，當很多非專業性人士對此概念十分模糊，本文初步解釋兩個概念和其應用范圍。
計算機輔助工藝設計(CAPP：Computer Aided ProeessPlanning)，自1965年由挪威人Nikbel提出以來，其系統特性經歷了檢索式、派生式、混合式、創成式、智能化等過程，智能化CAPP是當前CAPP系統的研究熱點。CAPP是現代制造業信息化的一部分，是計算機集成制造系統(CIMS：Computer IntegratedManufacturing Systems)中的橋梁和紐帶。“人工智能”(Artificial Intelligence)簡稱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、技術及應用系統的一門新的技術科學。人工智能研究如何用計算機去模擬、延伸和擴展人的智能;如何把計算機用得更聰明;如何設計和建造具有高智能水平的計算機應用系統;如何設計和制造更聰明的計算機以及智能水平更高的智能計算機等。人工智能是相對于人類智能而言的，它是采用人工的方法和技術來模擬、延伸和擴展人類智能行為的一門綜合學科。
將人工智能技術(AI技術)應用到CAPP系統開發中，使CAPP系統在知識獲取、知識推理等方面模擬人的思維方式，解決復雜的工藝規程設計問題，使其具有人類“智能”的特性即為智能化CAPP，是AI在CAPP中的一種應用。
CAPP系統分為專用型和工具型系統。前者可以根據用戶的特定需求定制開發，針對性強，具有較好的實用性，但對系統進行功能擴展困難;后者可以由用戶根據自身特定的要求進行二次開發，可以實現更多的柔性和開放性，這種系統與CAD(計算機輔助設計)、CAM(計算機輔助制造)、PDM(產品數據管理)等系統的信息共享存在缺陷。
CAPP設計理論目前研究的很少，機械產品設計理論研究的較多，有學者認為設計理論與方法由設計理論基礎層、設計工具和支持技術平臺層等三大部分組成。有的學者提出四理論框架，即設計過程理論、性能需求理論、知識流理論和多方利益協調理論。CAPP設計理論與機械產品設計理論既有共同性又有特殊性，特別在智能化設計方法方面有較大的差別，因此認為面向智能化的CAPP設計理論與方法體系結構由有三層組成，即基礎科學層、信息技術層和智能化設計方法層。
在機械產品工藝設計中，存在大量的不確定因素，許多問題需要靠經驗來解決，早期建立在單純依賴于成組技術基礎上的CAPP系統，不能很好地解決這些離散知識的獲取問題，只能設計出檢索式或派生式系統。近年來，人工智能技術在CAPP系統
開發中的應用，使CAPP技術得到了較大的發展，人工神經網絡技術就是AI在CAPP系統中一大應用。人工神經網絡(ANN： ArtificialNeuralNetwork)是按照生物神經系統原理處理真實世界的客觀事物，它由大量的簡單的非線性處理單元高度并聯而成，具有信息的分布式存儲、并行處理、自組織和自學習及聯想記憶等特性;多層前饋網絡誤差反向傳播(ErrorBack Propagation，簡稱BP)算法。反向傳播算法(BP)是一種監督訓練多層神經網絡的算法，每一個訓練范例在網絡中經過兩遍傳遞計算：第一遍向前推算，從輸入層開始，傳遞各層并經過處理后，產生一個輸出，并得到一個該實際輸出和所需輸出之差的差錯矢量;第二遍向后推算，從輸出層至輸入層，利用差錯矢量對權值進行逐層修改。
AI在CAPP中的另一應用——粗糙集技術。粗糙集(RS：Rough Set)理論是一種擅長處理含糊和不確定問題的數學工具，在理論中“知識”被認為是一種對對象的分類能力，通常采用二維決策表來描述論域的信息，其中列表示屬性，行表示對象，每行表示該對象的一條信息。屬性分為條件屬性和決策屬性，論域中的對象根據條件屬性的不同，被劃分到具有不同決策屬性的決策類中。在CAPP系統中，可以用RS理論構建專家系統，對知識進行獲取及優化，其基本思路是：將各種零件的加工特征和已知加工方法表達成條件屬性和決策屬性的形式，一行表示一種零件，多種零件構成一個二維表，對屬性進行量化，組織決策表，再采用一定的約簡算法對屬性集和屬性值進行約簡，去掉冗余的條件屬性和決策規則，得到最小化決策規則集，當輸入待加工的零件加工特征時，就可得到優化的加工工藝。
遺傳算法，AI在CAPP系統的又一應用。遺傳算法(Genetic Algorithm)是模擬達爾文遺傳選擇和自然淘汰的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。遺傳算法是從代表問題可能潛在解集的一個種群開始的，而一個種群則由經過基因編碼的一定數目的個體組成，每個個體實際上是帶有染色體特征的實體。因此，在一開始需要實現從表現型到基因型的映射即編碼工作，如二進制編碼。初代種群產生之后，按照適者生存和優勝劣汰的原理，逐代演化產生出越來越好的近似解，在每一代，根據問題域中個體的適應度大小挑選個體，并借助于自然遺傳學的遺傳算子進行組合交叉和變異，產生代表新的解集的種群。這個過程將導致種群像自然進化一樣的后生代種群比前代更加適應于環境，末代種群中的最優個體經過解碼，可以作為問題近似最優解。
智能化CAPP系統開發中還有模糊推理、混沌理論等智能化方法，實際應用中，往往將多種智能技術相互結合，綜合運用，發揮各自的特長，如人工神經網絡具有知覺形象思維的特性，而模糊推理等具有邏輯思維的特性，將這些方法相互滲透和結合，可起到互補的作用，提高智能化水平。
智能化是今后CAPP系統發展的主要趨勢，但從目前的人工智能技術水平來看，不可能使CAPP系統在智能化水平上有實質性的突破，因為目前的人工智能技術主要是模擬人的邏輯思維和邏輯推理方面的能力，不能有效地模擬人的形象思維、抽象思維和創造性思維能力，而CAPP系統不僅要有推理的功能，還要有“聯想”的功能， CAPP系統開發是要解決大量的人類思維活動方面的智能問題。因此要提高CAPP系統的智能化水平，必須在人工智能技術方面有新的發展，要解決人工智能技術方面的問題，必須在一些基礎
理論和基礎科學方面有新的突破，如在生命科學、數學等方面要有新的突破。由此可見，在可以預見的將來，智能化CAPP系統的發展仍將是在充分發揮人的智能優勢的基礎上，綜合應用各種人工智能技術，實現CAPP系統的智能化。
通過以上論述，相信大家對計算機輔助工藝設計與人工智能以及AI在CAPP中的應用有了一定的了解。人工智能技術的不斷發展，智能化CAPP系統必將在知識獲取、表達和處理的靈活性和有效性上得到進一步的發展，提高CAPP系統的智能化水平，從而提高現代制造技術水平，是我國由制造大國成為制造強國。
參考文獻：
工作中存在的不足網絡輿情監測工作是指網絡信息工作的部門或人員在特定時期或者在特定的事件中對公眾在互聯網上發表的言論和意見進行監視、收集、分析、整理及預測的行為，這些言論被稱為網絡輿情。
當前的網絡輿情監測工作平臺主要是基于信息采集、整合技術和智能處理技術，通過對互聯網海量信息的自動抓取、自動分類聚類、主題檢測、專題聚焦，實現對用戶的網絡輿情監測，并由相關部門形成輿情工作報告、輿情信息簡報等，為輿論引導提供可靠的分析依據。
進入大數據時代，網絡輿論呈現的新特點，促使網絡輿情監測工作暴露出諸多不足之處，這為網絡輿情監測工作帶來了諸多挑戰。
網絡輿論信息格局發生變化，輿情分析質量亟待提高。據人民網權威的《2016年中國互聯網輿情分析報告》顯示，在2016年，伴隨著移動互聯網應用不斷向社會各層面滲透，網絡輿論的格局發生了很大變化，如網民結構與社會人口結構趨同，網民產生代際更新導致網絡流行議題和文化熱點發生轉換，微博、微信平臺化，專業自媒體步入興盛等。在這樣的變局下，網絡輿情監測工作面臨著新的挑戰。然而，有些部門的輿情信息收集工作仍然停留在報刊、門戶網站、BBS、微博等開源信息的收集階段，并未將新聞客戶端、微信、直播等平臺打通，難以保證輿情信息分析的全面性以及輿情熱度指標的準確性。《2016年中國互聯網輿情分析報告》還對近五年來參與當年最具網絡關注度的20個輿情熱點事件討論的320萬微博用戶樣本進行了分析，發現關注新聞事件和聚焦熱點話題的網民發生了代際交替，在性別方面，女性的比例明顯上升；在地域上，三、四線城市用戶增長迅猛。受眾層面發生的這些變化，也將在輿情監測工作中體現出來。然而在目前的輿情監測工作中，相關信息部門的輿情信息報送在內容上只是就事論事、停留在現象層面，對受眾的成分、熱點事件的社會背景以及事件背后所反映出來的社會問題沒有進行細致深入的研究分析；在形式上，網絡輿情監測工作的報送還停留在工作動態報告或者事件日志等形式的報送上。這樣就造成了網絡輿情信息的價值作用降低、服務能力減弱的問題。
熱點事件話語體系不可控，輿情預警能力亟待增強。縱觀近年來發生的熱點公共突發事件，可以發現，在以大數據為基礎的社交平臺上，公眾的話語體系呈現出了一些全新特征，如輿論主體的匿名性、參與渠道的多元化、生成議題的自發性、交流觀點的無界性、匯集意見的實時性、發展趨勢的不確定性等。這些特征與輿論話語體系在傳統媒體的呈現完全不同，網絡輿論熱點事件話語體系的不可控性大大增強。
在社交媒體平臺上，自媒體呈現出來的話語體系最為龐雜。許多輿情信息不僅包含結構化數據，還涉及大量非結構化數據，若對其準確性、真實性逐一核查，既耗費人力又耗費時間。就內容而言，較多負面、虛假輿情具有較強的隱蔽性，單純以關鍵詞或主題詞進行搜索容易產生誤判、遺漏。話語體系的不可控性增加了輿情監測工作的難度，這要求工作人員必須具備過硬的專業敏感性以及較強的網絡操作技能。但是目前大多數輿情監測工作部門的信息工作人員缺乏專業化的訓練，輿情信息工作水平參差不齊。就輿情監測平臺系統來說，對于輿情信息的跟蹤分析靈敏度較低，在有些熱點事件的處理上沒有按照公共突發事件的分類標準進行準確的分級，從而導致網絡輿情信息的分析判斷力體現不出其應有的情報價值，預警能力也隨之削弱。
輿情監測的技術體系落后，人機不協調問題亟待解決。網絡輿論的實時性及其發展的不確定性要求網絡輿情監測必須迅速、及時，但很多單位部門的輿情監測平臺的方法技術體系滯后，部分單位采用了網絡監控系統、有害信息過濾系統等方式進行網絡輿情監測，而有些單位為了節省輿情監測設備的成本，甚至將網絡輿情監測工作依托于人工網頁搜索及瀏覽的“人工盯梢”方式上，這成為監測工作的一大阻礙，監測工作出現疏忽錯判也在所難免。排除資金、人力等客觀因素，現階段的網絡輿情監測工作中技術方法體系的不足主要歸因于“人機不協調”。機器與人工的協同分工模式不成熟、機器的輔助力量不夠，導致人工智能技術在預測監測體系中分析情感、預測走勢、檢查效果等方面應用還稍顯粗淺、機械，而在需要人工進行的高級維度分析、提出應對策略等層面，機器的應用又顯得粗糙以及同質化。
人工智能為網絡輿情監測帶來的三大變革
網絡輿情監測要適應大數據時代人工智能的要求，就必須順勢而為，積極進行變革，主要包括網絡輿情監測技術體系的變革、網絡輿情監測研究范式的變革以及網絡輿情監測管理思維的變革三個方面。
網絡輿情監測技術體系的變革。將人工智能技術應用于網絡輿情是為了更好地對輿情進行分析研判，通過直觀、簡明的方式描述網絡輿情信息的產生，進一步推導信息傳播主體的態度傾向性、情緒感染性以及初衷、意圖等，從而預測網絡輿情信息的發展趨勢。
如果說在“小數據”環境下，網絡輿情監測工作還可以依托于“人工盯梢”的方式來完成，那么在“大數據”環境下，當數據的量級達到了EB甚至ZB級別后，以人工監測來把握輿情脈絡已成為不可能完成的任務。而那些隱含在網絡輿情信息中的觀點、態度及情緒的表達，更難以從泛濫成災的信息碎片中被真正發掘出來。加之海量信息的不共享所帶來的“信息盲區”，更使得輿情信息分析不夠嚴謹，易偏離實際，而這些問題都需要依托搭建智能化的網絡輿情監管平臺來解決。在平臺上可以通過三種人工智能技術實現數據分析與人工智能研判相結合，再借助如眼動儀、腦電儀等受眾檢驗儀器對網絡輿情信息進行綜合化分析。三種主要的人工智能技術主要包括：一是Web挖掘技術，該技術把互聯網與數據挖掘技術結合起來，對網絡上結構化數據如文字言論，以及非結構化的數據如視音頻、圖像等信息進行采集，完成信息前期處理的第一步；二是語義識別技術，該技術是利用采集到的信息，通過對語句中的關鍵詞進行詞義推斷處理以及句子語法結構的分析，從而將復雜信息簡單化，這是對采集的信息數據做進一步識別推斷的過程；三是TFDF信息聚類技術，該技術主要提升數據信息的分析和分類速度，使網絡輿情監測工作的處理更加及時，反應更加靈敏，提高采取措施的時效性。
人工智能技術的介入將有利于對信息進行挖掘、采集、分類、整理，從而找尋出最核心的關鍵性數據。在此基礎上，還可以運用人工神經網絡預測模型，對網絡輿情的性質、發展趨勢進行正確描述，并提出相應的對策。
網絡輿情監測研究范式的變革。人工智能和大數據對網絡輿情監測工作及其研究產生了頗為深刻的影響，輿情監測的研究范式從多角度發生了轉向。
第一，輿情監測工作視角的轉向：從單一化到多元化。在社交媒體平臺上，受眾的角色首先發生了轉向，由信息的被動接收者轉變為信息的參與者和傳播者。這一轉向給網絡輿情監測工作帶來了新的挑戰，當受眾是單純的信息接收方時，網絡信息的可控性強，輿情監測工作形式單一，把關相對容易。而受眾角色發生變化以后，網絡信息傳播的不可控性大大增加，信息傳播速度加快，信息傳播呈現多元化特征，把關難度增加，網絡輿情監測工作也從單一轉向多元化，還需要對信息進行疏導、研判處理。
第二，研究視角的轉向：從內容研究轉向“內容+關系”研究。傳統的網絡輿情信息研究最重視的是受眾借助網絡進行的話語表達，其研究視角主要集中在內容層面。隨著人工智能技術的介入，這一單向視角將發生轉變，潛藏在內容層面背后的網絡受眾心理、行為、動機、訴求等多方面因素都將被關注到。借助人工智能技術及大數據分析技術，網絡輿情信息的研究視角將透過內容層面深入到關系層面，轉向對網絡受眾社會心理描繪、社會關系呈現、社會話語表達等多維度的研究。
第三，研究重點的轉向：由輿情監測轉向輿情預測。當前的網絡輿情監測工作主要通過對當下網絡輿情的動態信息進行隨機采樣來收集、整理、分析，更多的是關注已經發生的事件在過去及當下的動向，對未來的發展預測難以兼顧。而借助人工神經網絡預測模型，通過自然語言處理、模式識別及機器學習等人工智能技術，可以對網絡輿情的性質、發展趨勢進行正確描述，再結合大數據分析處理整群數據來實現預測功能。比如，著名的搜索引擎公司谷歌通過關注用戶搜索中的“流感”關鍵詞來預測實際流感發生的時間，往往可以提前兩三個周對流感的爆發進行預報及預防。
網絡輿情監測管理思維的變革。在以人工智能技術為支撐的網絡輿情監測平臺出現之前，相關輿情監測部門的管理者往往由一人或幾人的小團隊組成，在監測信息數據量級不大的情況下，這種小作坊式單打獨斗、面面俱到的輿情監控管理思維可以基本滿足需求。但是隨著人工智能技術的發展及大數據時代的到來，這種小作坊式的輿情監測體系面臨瓦解。當前，商業化運營的軟件監測團隊多達幾百家，這些監測軟件服務商通過開發相應的輿情監測軟件為政府部門、企業主體以及科研院所提供服務，進行簡單的輿情信息數據采集及分類處理工作。在數據開源的情況下，這些軟件服務商的競爭逐漸由粗放型、低層次化向數據處理的優化、人機互動、機器算法的精進等層面轉變。
在以上變化的基礎上，輿情監測的管理思維也必須轉向，組建一支人員分工明確、高度聚合集約的輿情分析團隊勢在必行。輿情管理的思維變革依托于人工智能監控系統改變團隊的組織結構及管理方式，通過智能化的輿情監測系統代替低效的人工操作，其專業性要求頗高，而最佳處理模式就是專業化團隊加人工智能技術。按照這樣的管理思維，未來輿情監測團隊的分工將更加明確，行業內部集約聚合程度將進一步提高，行業有機化程度也將逐步增強。
關鍵詞：人工智能計算機技術
一、人工智能的定義
“人工智能”(ArtificialIntelligence)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Internist2Ⅰ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).
關鍵詞：關鍵詞：人工智能；應用領域；發展趨勢
中途分類號：TP39 文獻標識碼：A 文章編號：
引言:
計算機學科的一個重要分支就是人工智能，它與基因工程、納米科學被列為二十一世紀三大尖端技術、同時人工智能是一門匯集了多種學科相互滲透發展起來的交叉學科。對于人工智能的定義，至今尚未統一，美國斯坦福大學人工智能研究中心尼爾遜教授認為：人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學；麻省理工學院的溫斯頓教授認為：人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。除此之外，還有很多種不同的觀點，但這些說法都形象地反映了人工智能學科的基本內容和核心思想，那就是：人工智能是研究如何用人工的方法在計算機上模擬、實現和擴展人類智能的一門科學與技術。
1. 人工智能技術的發展
人工智能（(Artificial Intelligence)從上世紀50年展到現在，有也有低迷的時期。研究的方法和研究的態度也有多種，不管是何觀點,它們都推動著人工智能技術的發展。今天人工智能技術已滲透到人類生活的方方面面，實實在在的影響著科學技術的發展。
2. 人工智能技術的應用
我們可以看到，當今社會很多領域的各種技術的發展都涉及到了人工智能技術。下面就人工智能的幾種典型應用做如下探討：
2.1人工智能應用之問題的求解
人工智能中的問題解求，就是如何讓機器去解決人類會遇到的問題，如何根據某一具體問題找到思考問題并解決這個問題的方法。目前，人工智能技術已經可以通過計算機程序解決了如何考慮要解決的問題，并能尋求較為準確的解決方案。
2.2人工智能應用之邏輯的推理與定理的證明
人工智能研究中最持久的探究領域之一就是邏輯推理。有關定理的證明就是讓機器證明非數值性的真假。其中比較重要的是，通過找到合理、準確的方法，集中注意力在大型數據庫中的有效事實，關注可信度證明，并在出現新信息時適時修改這些證明。
2.3人工智能應用之自然語言的處理
智能的另一表現就是進行自然語言的交流，自然語言處理就是讓機器與人類進行無阻礙的溝通，這正是人工智能技術應用于實際領域的典型范例。目前此領域的主要研究內容是：如何利用計算機系統以主題和對話情境為基礎，生成和理解自然語言。
2.4人工智能應用之模式的識別
如何使機器具有感知能力也是智能的表現。模式的識別是利用人工智能技術開發智能機器的關鍵，主要是通過計算機用數學技術方法來研究模式的自動處理和判讀，讓計算機實現“看見”，“聽見”等功能。計算機模式識別的主要特點是速度快，準確率高，效率高，計算機模式識別也為人類認識自身智能提供了有利幫助。
2.5人工智能應用之智能信息的檢索技術
在科學技術飛速發展的今天，人類已進入了“知識爆炸”的時代。傳統檢索系統已經滿不足了對如今如此數量巨大以及種類繁多的文獻檢索要求。人工智能科技持續穩定發展的重要前提就是智能檢索模塊，可以說，智能信息的檢索技術的運用勢在必行。
2.6人工智能應用之專家系統
我們常說的專家系統就是指從人類專家那里獲取的知識，并用來解決只有專家才能解決的疑難問題。這是一種基于知識的系統，從而也被稱為知識基系統。專家系統是人工智能技術中研究最活躍，最有成效的一個領域。現在的專家系統尤其特殊的模仿了專家在處理故障時的思維方式，其水平有時甚至可以超過人類專家的水平。
2.7人工智能應用之機器人學
機器人對我們并不陌生，已在多個領域獲得了越來越普遍的應用，諸如農業、工業、商業、旅游業、航空和海洋等。那么，機器人學所研究的問題主要包括從機器人手臂的最佳移動到實現機器人目標的動作序列的規劃方法。機器人和機器人學的研究對人工智能思想的發展都起到了促進作用。
3. 人工智能技術發展趨勢
科學技術是第一生產力，但技術的發展往往是遠遠超越我們的想象。就目前的一些前瞻性研究可以看出，未來人工智能技術的發展有如下幾大趨勢：
3.1問題求解
問題求解一般包括兩種，一種是指解決管理活動中由于意外引起的非預期效應或與預期效應之間的偏差。正在逐漸發展成為搜索和問題歸約這類人工智能的基本技術；另一種問題的求解程序，是把各種數學公式符號匯編在一起。其性能已達到非常高的水平，并正在被許多工程師和科學家應用，甚至還有些程序能夠用經驗來改善其性能。
3.2機器學習
人工智能研究的核心課題之一就是機器學習。我們知道學習是人類智能的重要特征，那么機器學習就是指機器自動獲取知識的過程。機器學習是機器獲取知識的根本途徑，也是機器智能的重要標志。計算機的機器學習主要研究內容為如何讓計算機模擬或實現人類的學習能力。今后機器學習的研究主要是研究人腦思維的過程、人類學習的機理等。
3.3模式識別
用計算機實現模式(文字、聲音、人物、物體等)的自動識別，彌補計算機對外部世界感知能力低下的缺陷，使計算機能夠通過感官接受外界信息，識別和理解周圍環境。依然是人工智能技術今后研究的重要方向。因為模式識別能為人類認識自身智能提供線索，也是開發智能機器的一個最關鍵的突破口。目前計算機模式識別系統的研究熱點主要為三維景物、活動目標的識別和分析方面。傳統的用統計模式和結構模式的識別方法將會被近年來迅速發展起來的模糊數學模式、人工神經網絡模式的方法逐漸取代，特別是神經網絡方法在模式識別中取得較大進展。
3.4專家系統
專家系統是根據某領域中一個或多個專家提供的知識或經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題的智能軟件，它是一個具有大量的專門知識與經驗的程序系統。目前各種專家系統已遍布各個專業領域，因此專家系統還將是人工智能應用研究最廣泛和最活躍的應用領域之一。
3.5人工神經網絡
人工神經網絡，常被簡稱為神經網絡或類神經網絡。是未來人工智能應用的新領域，人工神經網絡是指由大量處理單元（神經元）互連而成的網絡。人工神經網絡具有很強的自學習能力，主要擅長處理復雜的多維的非線 性問題，不但可以解決定量的問題，還可以解決定性的問題，同時人工神經網絡還具有大規模并行處理和分布的信息存儲能力。或許未來智能計算機的構成可能就是作為主機的馮•諾依曼型機與作為智能外圍的人工神經網絡的結合。
4. 結論語
人工智能的基本思想已經在許多領域中得到應用，對于人工智能技術未來的發展還有很多未知的可能，但無論如何發展都將推動人類在科學與生活領域的發展。
參考文獻：
[1]胡勤.人工智能概述[J].電腦知識與技術，2010，（13）：3507-3509.
[2]朱福喜，湯怡群等.人工智能原理[M].武昌：武漢大學出版社，2002.87-91.
[3]張妮等.人工智能技術發展及應用研究綜述[J].煤礦機械，2009，（02）：4-7.
[4]亓慧.議當代人工智能的應用領域和發展狀況[J].福建電腦，2008，（05）：33.
[5]蔡自興，徐光.人工智能及其應用[M].北京：清華大學出版社，2003.51-93.
[6]王鴻斌，張立毅等.人工神經網絡理論及其應用[J].山西電子技術，2006，（02）：41-43.
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。
Jeffrey J.P.Tsai University of Illinois,
Chicago, USA(Eds.)
Machine Learning
Applications in Software
Engineering
Series on Software Engineering and Knowledge Engineering Vol. 16
2005,355Ppp.
ISBN 9789812560940
軟件工程中的
機器學習應用
D張JJP特賽編
本書是《軟件工程與知識工程》叢書的第16卷。Brooks在其經典的論文“無銀彈”中對于在變化的環境中開發和維護大量軟件系統的挑戰已經做出了具有說服力的闡述。復雜性、一致性、可變性和隱形性，這些都是在開發大型軟件中固有的基本困難。
人們提出了許多演化或者遞增改進的辦法，每一種改進辦法都試圖致力于改進這些基本困難的某些方面。人工智能技術對軟件工程的應用產生了某些令人振奮的結果。這些成功的人工智能技術包括了基于知識的方法，自動推理、專家系統、啟發式搜索策略、時態邏輯、規劃及模式識別。為了最終克服這些基本的困難，人工智能技術能夠發揮重要的作用。而作為人工智能的一個子領域，機器學習涉及一個問題，即如何建立一個計算機程序，該程序通過經驗能夠改進它們在執行某些任務時的性能。
機器學習專門致力于創造并且編譯可驗證的知識，而這些知識與人工制品的設計與構建相關。機器學習領域包括了監督學習、無監督學習和增強學習，它已經被證明在許多的應用領域中具有極大的實用價值。軟件工程領域已成為一塊沃土，在那里許多軟件開發和維護的任務可以系統地闡述為學習問題和依據學習算法的方法。本書涉及了在軟件工程中的機器應用這個主題，它提供了對機器學習的綜述，總結了這個領域中的最新實踐，給出了對現有工作的分類，提供了某些應用準則。書中還包括了在該研究領域中先前發表的論文集合。
本書由9章組成。第1章機器學習與軟件工程介紹；第2章預測和估計中的機器學習應用；第3章屬性與模型發現中的機器學習應用；第4章變換中的機器學習應用；第5章生成與合成中的機器學習應用；第6章重復使用中的機器學習應用；第7章需求獲取中的機器學習應用；第8章開發知識管理中的機器學習應用；第9章準則與結論。
本書可供軟件工程以及機器學習專業的研究人員和研究生閱讀參考。也可供從事軟件開發工作的人員閱讀。
胡光華，高級軟件工程師
(原中國科學院物理學研究所)
