引论：我们为您整理了13篇人工智能研究综述范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
人工智能用于异常数据检测的方法很多，传统的如基于统计（statistical-based）的方法、基于距离（distance-based）的方法 [1]、基于密度（density-based）的方法[2]，基于聚类的方法[3]等。但这么传统的异常数据检测方法仍然存在着一些缺陷与不足。基于统计的数据检测方法要求预先知道被检测数据的分布情况，基于距离的方法中距离函数与参数的选择存在较大的困难，基于密度的数据检测方法方法时间复杂度较高，这些问题极大地限制了异常数据挖掘算法在现实中的应用。本文重点论述人工智能方法用于异常数据挖掘的发展史，分析和比较各自的优缺点。
2 常用于异常数据挖掘的几种人工智能方法的分析
2.1 神经网络方法
神经网络模型主要由三层结构组成，主要包括输入层、隐含层和输出层。第一层为输入层，输入层的节点代表多个预测变量，输出层的节点代表多个目标变量，位于输入层和输出层之间的是隐含层，神经网络模型的复杂度取决于隐含层的层数和节点数。每一层的节点都允许有多个。神经网络模型主要用于解决回归和分类两类问题，其结构图如下图所示。
从上图可得，节点X1，X2，X3作为神经元的输入，代表多个预测变量，它可以是来自神经网络的信息，也可以是另一个神经元的输出；W1，W2，……，Wn是神经元的权值，表示各个神经元的连接强度。通过神经网络模型的结构图可知，该方法的实现过程：首先将每个训练样本的各属性取值同时赋给第1层即输入层；各属性值再结合各自的权重赋给第2层（隐含层的第1层），第1层隐含层再结合各自的权重输出又作为下一隐含层的输入，最后一层的隐含层节点带权输出赋给输出层单元，输出层最终给出各个训练样本的预测输出。
2.2 蚁群聚类算法
在数据挖掘中，聚类是一个活跃的研究领域，涉及的范围较广。许多计算机学者们通过模仿生物行为提出一系列解决问题的新颖方法。蚂蚁搜索模式样本所归属的聚类中心的概率计算公式如式（1）。
（1）
其中，α，β为参数，初始聚类中心为随机选取的k个模式样本点。τ（i，j）为样本Xj到聚类中心mj之问的信息素i=1，2， …，n，j=1，2， …，k ；η（i，j）为启发函数，其表达式如式（2）所示。
（2）
其中，dj为模式样本Xj到聚类中心mj的欧氏距离为（i=1，2， …，n，j=1，2， …，k）。
蚂蚁搜索整个模式样本空间，形成一个聚类结果后，聚类中心mj各分量的值为该类Cj中模式样本各属性的均值，计算公式如（3）。
（3）
2.3 基于知识粒度的异常数据挖掘算法
粒计算是人工智能领域新发展起来的一个研究方向，该方法针对不确定性信息进行处理。它主要包括三种模型，分别是粗糙集模型、模糊集模型与商空间模型。该方法的基本思想是利用不同粒度上的信息进行问题求解。该理论在多个领域得到了广泛的应用，如数据挖掘、决策支持与分析和机器学习等。知识粒度为异常数据挖掘处理不确定性数据提供一种新的解决方法。基于知识粒度的异常数据挖掘算法，该算法不需要预先知道数据的分布情况，并且采用知识粒度度量各个对象间的距离与异常度时，能有效挖掘出异常数据。
3 各方法的比较
通过以上各种方法的分析，各种方法具有各自的优点以及不足之处。基于聚类的数据挖掘方法侧重与于聚类的问题，该问题极大地限制了该算法在实际生活中的应用。神经网络方法用于数据挖掘，是人工智能中较早应用于数据挖掘领域的方法之一，能够较好的进行异常数据的挖掘，但是该方法的层数的确定比较困难，同时该方法的时间复杂度比较高；蚁群聚类算法是在聚类算法的基础上改进推广而得，能够达到异常数据检测的目的，但该算法的收敛速度慢，而且算法存在随机移动而延长聚类时间。
4 结束语
异常数据挖掘研究是一个有价值的研究问题，近年来引起越来越多的学者关注和研究，从而使得异常数据挖掘算法取得了新的进展，在生态系统分析、公共卫生、气象预报、金融领域、客户分类、网络入侵检测、药物研究等方面得到了广泛的应用。希望本论文中的方法可以给读者提供更多异常数据挖掘方面的思路，并且能够很好的将人工智能中的方法运用异常数据挖掘中，克服各种方法不足，让人们能够更好的应用。
参考文献
[1]Knorr E. Alothms for Mining Distance based Outliers in Large Datasets[C] //Very Large Databases（VLDB’98）. New York： Proc of Int Conf， 1998： 392-403.
[2]Breunig M M， Kriegel H P. Sander， LOF： Identifying Density-Based Local Outliers[C]// ACM SIGMODC onference Proceedings. [S.I]：[s.n.]，2000.
[3]王鑫等.数据挖掘中聚类方法比较研材[D].济南：山东师范大学管理学院，2006.
[4]魏海坤，徐嗣鑫，宋文忠.神经网络的泛华理论和泛化方法[J].自动化学报， 2001，27（6）：806-814.
[5]庞胜利，吴瑰丽.人工神经网络在大型桥梁健康监测系统中应用研究[J].石家庄铁道学院学报，2002，15（2）：63-65.
[6]金微. 蚁群聚类算法分析[J].计算机光盘软件与应用，2011，（13）：199， 202.
[7]陈玉明，吴克寿，孙金华.基于知识粒度的异常数据挖掘算法[J].计算机工程与应用，2012， 48（4）：118-121.
[8]苗夺谦，王国胤，刘清等.粒计算：过去、现在与展望[M].北京：科学出版社， 2007.
篇2
研究生教学应更突出学生的主体地位，注重发挥其学习的主动性和自觉性，为此，课程组结合课程特点，在教学方法进行了如下探索。
2.1加强教学设计
教学设计就是对教学活动进行系统计划的过程, 是教什么(课程内容)及怎么教(组织、方法、策略、手段及其他传媒工具的使用等)的过程[2]。在教学过程中，每节课授课前，坚持集体备课的原则，由课程组集体讨论选定授课内容，补充阅读文献，根据授课对象与课程内容特点，确定课堂组织方式，采用的授课方式以研讨式教学为主，给合讲授、实验、自学等。
2.2抓好课堂教学环节
教学方法与教学手段是保证课堂教学效果的关键。本课程授课对象主要为硕士研究生，他们的接受能力较强，有一定的求知欲。由于学员人数较少，授课方式可灵活组织。教室有完备的多媒体设备，基本的软件实验环境，教学过程可采用灵活教学方法、多种教学手段，提高教学效率，保证授课质量。
1) 以研讨式为主的教学方式。研究生教学应坚持学术研究为导向，发挥学员在学习过程中的主动性和自觉性。由于研究生学员有一定的学习基础与自学能力，教员可以在课前给学员布置预习内容，学员通过查阅资料、分析整理进而形成自己的观点，使在课堂教学中师生互动交流成为可能，改变传统的教员讲，学员听的灌输式教学方式。研讨式教学也有力于培养学员积极思考、创新思维的习惯与能力。
2) 教学手段的信息化。人工智能原理教学一个突出矛盾是知识点多、内容抽象、理论性强，但学时较少，因此，必须发挥现代教学手段的作用，提高教学效率。为此，课程组对每节课都精心设计了教学课件，课堂教学中以课件为主，辅以板书，充分利用多媒体信息量大、直观等优点，改善教学效果；引入教学声像资料，便于学员课下学习；设计演示程序，使部分比较抽象、不易于理解的内容，如子句归结、搜索策略更形象直观，易于学习和掌握。
3注重培养学员学术研究能力
学术能力是指专门对某一学问进行系统的哲理或理论研究的能力，它不仅包括思辨的方面，还包括实践及感性的敏感力等方面。研究生阶段学习的一个突出特点是要求学习的主体――研究生必须具备研究的能力[3]。论文写作是培养、锻炼、提高研究生的学术能力的重要途径，在教学实施过程中，要求每个专题学习结束后，都要提交一份格式符合期刊发表要求的总结报告，题目可自行选定，也可由教员指定；内容既可以是人工智能该专题某一算法的实现，也可以是对某一问题的进一步研究，或者是对该专题最新研究进展的综述。教员重点在以下几个方面予以指导。
1) 选题准确。要求选题不能过于宏大，应以小题目反映大问题，具有一定的可研究性为宜。
2) 研究内容。研究目标明确，方法恰当，能够提出自己的见解，所提观点正确。
3) 论文结构。结构清晰、完整，论述严谨，表达规范。
4) 占有文献丰富。撰写过程中要有意识培养学员查阅科技文献的能力，要求查阅反映最新研究成果的权威文献。
4加强实验环节教学
人工智能教学在进行各种理论知识讲授的同时，还应重视实践教学，把抽象的知识转化为形象、直观的实验，让学员真正理解人工智能的概念、本质、研究目标，从而提高学员多角度思维的能力和逻辑推理能力，进一步了解信息技术、计算机技术发展的前沿，培养他们对人工智能研究的兴趣，激发对人工智能技术未来的追求。为此，课程组借鉴国内外知名大学人工智能实验教学经验，编写了《人工智能原理实验指导书》，围绕问题表示、经典逻辑推理、不确定推理、搜索策略及简单专家系统实现等教学内容提供了7组实验供学员选择。
例如，在状态空间搜索一节教学过程中，先完成理论部分的教学，使学员对状态空间基本概念、问题表示及求解方法有一个准确的认识，然后进行实验教学。由学员自主完成重排九宫问题求解的程序，初始状态和目标状态如图1所示，调整的规则是，每次只能将与空格(左、上、下、右)相邻的一个数字平移到空格中[4]。实验过程重点指导学员掌握状态空间进行问题求解的关键步骤：问题表示和搜索策略。问题表示就是要确定该问题的基本信息及程序实现的数据结构，基本信息有初始状态集合、操作符集合、目标检测及路径费用函数，数据结构可采用向量、链表等形式；搜索策略可分为盲目式搜索和启发式搜索，可按照先易后难的原则，先实现盲目搜索中的广度优先及深度优先搜索，在此基础上再定义估价函数实现启发式搜索。而在启发式搜索实现过程中，又可以通过定义不同的启发函数：如某状态格局与目标节点格局不相同的牌数、不在目标位置的牌距目标位置的距离之和等加以比较，准确理解启发函数的意义。通过实验，学员加深了对课堂讲授的理论知识的理解，能够熟练地将状态空间法运用于实际问题的求解，提高了工程实践能力。
实验教学组织方式可根据具体的实验内容特点，采用上机编程实验、演示程序验证、模拟平台开发、分组讨论等多种形式进行。
5适度开展双语教学
研究生的英语基础普遍较好，基本都通过了国家公共英语四级考试，部分学员通过了六级考试，加之在本科阶段还开设了专业英语课程，因此，在培养研究生人工智能知识的同时，我们要提高学员阅读原版英文资料、用英语进行简单科技写作及对外学术交流的能力，适度开展双语教学，对此，我们可采取以下基本方式。
1) 专业术语全部用英语表示。
在教学过程中用英语表达人工智能原理中的专业术语和主要概念，如Knowledge Representation(知识表示)、Depth-First Search(深度优先搜索)、Breadth- First Search(广度优先搜索)等。
2) 以英文原版教材为教学参考书。
选定机械工业出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》为参考书，该书“是人工智能课程的完美补充。它既能给读者以历史的观点，又给出所有技术的实用指南[5]。”
3) 加强英文文献的阅读。
在课程论文撰写时，要求阅读一定数量的外文文献；在讨论课中，鼓励学员使用英语进行讨论。
经过课程学习，学员都能准确掌握人工智能学科专业词汇，英文运用能力得到一定提高，能较自如地阅读原版英文专业资料，为进一步用英文进行学术交流及学术论文写作打下基础。
6考试与成绩评定改革
考核方式采用传统的试卷与课程论文、实践环节等三部分组成，全面考查学员对基础理论知识掌握情况以及理论联系实际的能力，其中试卷占70%，课程论文占10%，实践环节占20%。课程论文题目不作限制，由学员在课程学习阶段结合某一专题选定题目，课程论文以选题意义、研究内容、论文结构、参考文献及撰写规范等指标为评价依据；实验成绩采用实验过程考查、实验结果验收和实验报告评阅相结合的考核方法，综合评定。这样做不但考核了学员人工智能基本理论掌握情况，也反映了学员的学术研究能力和工程实践能力。同时，考核结合实际教学进程，改变了单一课终总结性考核的弊端。
7结语
经过课程组近两年的教学方法研究与教学实践，研究生人工智能原理课程教学收到较好的效果，但仍存在一些问题，如在课堂讨论环节，个别学员准备不充分、讨论不够深入；课程论文撰写选题随意，文献综述不够全面、准确，论文格式不够规范等。在今后的授课中，课程组将根据授课研究生人数较少的特点，采取明确每名学员预习重点、加强课程论文交流等方式予以改进，力求取得更好的教学效果。同时，进一步充分利用便利的校园网平台，开展“人工智能原理”网络课程建设，购买或自主开发网络教学资源，引导学员利用网络资源进行个性化自主学习，增强教学过程的信息化程度。
参考文献：
[1] 王永庆. 人工智能原理与方法[M]. 西安:西安交通大学出版社,2002:1.
[2] 李志厚. 国外教学设计研究现状与发展趋势[J]. 外国教育研究,1998(1):6-10.
[3] 肖川,胡乐乐. 论研究生学术能力的培养[J]. 学位与研究生教育,2006(9):1-5.
[4] 周金海. 人工智能学习辅导与实验指导[M]. 北京:清华大学出版社,2008:204.
[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:机械工业出版社,2009:754.
Reform on Postgradrates Artificial Intelligence Course Teaching
TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei
篇3
1引言
人工智能（Artificial Intelligence，AI）自从20世纪50年代产生，经过长期发展，已经有了长足的进步，并且已经深入到社会生活的诸多领域，如语言处理、智能数据检索系统、视觉系统、自动定理证明、智能计算、问题求解、人工智能程序语言以及自动程序设计等。随着科学技术的不断发展，现在的人工智能已经不再是仅仅具有简单的模仿与逻辑思维能力，人们也越来越期待人工智能能够帮助或者替代人类从事各种复杂的工作，加强人的思维功能、行为功能或是感知功能。这就要求人工智能具有更强的情感识别、情感表达以及情感理解能力。通俗的说，为了使得人工智能对外界的变化适应性更强，需要给它们赋予相应的情感从而能够应对这个难以预测的世界。
在赋予人工智能“情感”的过程中，面临着许多的问题，有科技层面上的，也有社会学层面的。本文在这里只讨论其中一个比较基本的社会学问题：“人工智能情感约束问题”，即关注于如何约束赋予给人工智能的情感，不至于使其“情感泛滥”。情感指的是一种特殊的思维方式，人工智能具有了情感后的问题是：人工智能的情感是人类赋予的，人工智能自身并不会创造或者控制自己的情感。如果赋予人工智能的情感种类不合理，或者是赋予的情感程度不恰当，都有可能造成“情感泛滥”并导致一些灾难性的后果。例如，当人工智能具有了情感之后，如果人类自身管理不恰当，有可能导致人工智能反过来伤害人类。尽管目前我们只能在一些科幻作品中看到这种情况发生，但谁也不能保证未来有一天会不会真的出现这种悲剧。
本文第二章对人工智能情感研究进行了概要性回顾，第三章对如何约束人工智能情感进行了尝试性探讨，最后一章对全文进行了总结。
2人工情感发展情况概述
随着科学家对人类大脑及精神系统深入的研究，已经愈来愈肯定情感是智能的一部分。人工情感是以人类自然情感理论为基础，结合人工智能、机器人学等学科，对人类情感过程进行建模，以期获得用单纯理性思维难以达到的智能水平和自主性的一种研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感机器识别与表达、人工情感机理等四个方面的内容。其中，尤以人工情感机理的研究困难最大，研究者也最少。
目前人工情感在很多领域得到了应用和发展，比较典型的是在教育教学、保健护理、家庭助理、服务等行业领域。在教育教学方面比较典型的例子是德国人工智能研究中心发展的三个方案：在虚拟剧场、虚拟市场和对话Agent中引入情感模型和个性特征来帮助开发儿童的想象力及创造力。在保健护理方面比较典型的是家庭保健与护理方向，如Lisetti等人研制的一个用于远程家庭保健的智能情感界面，用多模态情感识别手段来识别病人的情感状态，并输入不同媒体和编码模型进行处理，从而为医生提供关于病人简明而有价值的情感信息以便于进行有效的护理。服务型机器人的典型例子是卡内基梅隆大学发明的一个机器人接待员Valerie。Valerie的面孔形象的出现在一个能够转动方向的移动屏幕上时可以向访问者提供一些天气和方位方面的信息，还可以接电话、解答一些问题；并且Valerie有自己的性格和爱好，情感表达较为丰富。当然这些只是人工情感应用领域中的几个典型的例子，人工智能情感的潜力仍然是巨大的。
尽管关于人工情感的研究已经取得了一定的成果，给我们带来了很多惊喜和利益，但由于情绪表现出的无限纷繁以及它与行为之间的复杂联系，人们对它的运行机理了解的还不成熟，以致使得目前人工情感的研究仍面临着诸如评价标准、情感道德约束等多方面问题。所以必须清楚的认识到我们目前对于人工情感的计算乃至控制机制并没有一个成熟的体系。
3对人工智能的情感约束
正如上文所述，如果放任人工智能“情感泛滥”，很有可能会造成严重的后果。为了使人工智能技术更好的发展，使智能与情感恰到好处的结合起来，我们有必要思考如何对赋予人工智能情感进行引导或者约束。
3.1根据级别赋予情感
可以根据人工智能级别来赋予其情感，如低级别人工智能不赋予情感、高级别人工智能赋予其适当的情感。众所周知，人工智能是一门交叉科学科，要正确认识和掌握人工智能的相关技术的人至少必须同时懂得计算机学、心理学和哲学。首先需要树立这样的一个观点：人工智能的起点不是计算机学而是人的智能本身，也就是说技术不是最重要的，在这之前必须得先解决思想问题。而人工智能由于这方面没有一个严格的或是量度上的控制而容易出现问题。从哲学的角度来说，量变最终会导致质变。现在是科学技术飞速发展的时代，不能排除这个量变导致质变时代的人工智能机器人的到来，而到那个时候后果则不堪设想。因此，在现阶段我们就应该对人工智能的情感赋予程度进行一个约束。
根据维纳的反馈理论，人工智能可以被分成高低两个层次。低层次的是智能型的人工智能，主要具备适应环境和自我优化的能力。高层次的是情感型的人工智能，它的输入过程主要是模仿人的感觉方式，输出过程则是模仿人的反应情绪。据此我们可分别将机器人分为一般用途机器人和高级用途机器人两种。一般用途机器人是指不具有情感，只具有一般编程能力和操作功能的机器人。那么对于一般用途的机器人我们完全可以严格的用程序去控制它的行为而没必要去给他赋予情感。而对于高级层面的情感机器人来说，我们就适当的赋予一些情感。但即使是这样一部分高层次的情感机器人，在赋予人工情感仍然需要考虑到可能会带来的某些潜在的危害，要慎之又慎。
3.2根据角色赋予情感
同样也可以根据人工智能机器人角色的不同选择性的赋予其不同类型的情感。人类与机器合作起来比任何一方单独工作都更为强大。正因为如此，人类就要善于与人工智能机器合作，充分发挥人机合作的最大优势。由于计算机硬件、无线网络与蜂窝数据网络的高速发展，目前的这个时代是人工智能发展的极佳时期，使人工智能机器人处理许多以前无法完成的任务，并使一些全新的应用不再禁锢于研究实验室，可以在公共渠道上为所有人服务，人机合作也将成为一种大的趋势，而他们会以不同的角色与我们进行合作。或作为工具、顾问、工人、宠物、伴侣亦或是其他角色。总之，我们应该和这些机器建立一种合作互助的关系，然后共同完任务。这当然是一种很理想的状态，要做到这样，首先需要我们人类转变自身现有的思维模式：这些机器不再是一种工具，而是平等的服务提供人。
举例来说，当机器人照顾老人或是小孩的时候，我们应该赋予它更多的正面情绪，而不要去赋予负面情绪，否则如果机器人的负向情绪被激发了，对于这些老人或者小孩来说危险性是极大的；但是，如果机器人是作为看门的保安，我们对这种角色的机器人就可以适当的赋予一些负向的情绪，那么对于那些不按规则的来访者或是小偷就有一定的威慑力。总之，在我们赋予这些智能机器人情感前必须要周到的考虑这些情感的程度和种类，不要没有顾忌的想当然的去赋予，而是按分工、作用赋予限制性的情感约束，达到安全的目的。
3.3对赋予人进行约束
对人工智能情感赋予者进行约束，提高赋予者的自身素质，并定期考核，并为每一被赋予情感的人工智能制定责任人。
纵观人工智能技术发展史，我们可以发现很多的事故都是因为人为因素导致的。比如，首起机器人杀人案：1978年9月的一天，在日本广岛，一台机器人正在切割钢板，突然电脑系统出现故障，机器人伸出巨臂，把一名工人活生生地送到钢刀下，切成肉片。
另外，某些研究者也许会因为利益的诱惑，而将人工智能运用在不正当领域，或者人工智能技术落入犯罪分子的手中，被他们用来进行反对人类和危害社会的犯罪活动。也就是用于所谓的“智能犯罪”。任何新技术的最大危险莫过于人类对它失去控制，或者是它落入那些企图利用新技术反对人类的人的手中。
因此为了减少这些由于人而导致的悲剧，我们需要对这些研究者本身进行约束。比如通过相应的培训或是定期的思想政治教育、或是理论知识的学习并制定定期的考核制度来保证这些专家自身的素质，又或者加强对人工智能事故的追究机制，发生问题能立即查询到事故方等等，通过这样一系列强有力的硬性指标达到减少由于人为因素导致悲剧的目的。
3.4制定相应的规章制度来管理人工智能情感的发展
目前世界上并未出台任何一项通用的法律来规范人工智能的发展。不过在1939 年，出生在俄国的美籍作家阿西莫夫在他的小说中描绘了工程师们在设计和制造机器人时通过加入保险除恶装置使机器人有效地被主人控制的情景。这就从技术上提出了预防机器人犯罪的思路。几年后， 他又为这种技术装置提出了伦理学准则的道德三律：（1）机器人不得伤害人类，或看到人类受到伤害而袖手旁观；（2）在不违反第一定律的前提下，机器人必须绝对服从人类给与的任何命令；（3）在不违反第一定律和第二定律的前提下，机器人必须尽力保护自己。这一“机器人道德三律”表现了一种在道德忧思的基础上，对如何解决人工智能中有害人类因素所提出的道德原则，虽然得到很多人的指责，但其首创性还是得到公认的。尽管这个定律只是小说家提出来的，但是也代表了很多人的心声，也是值得借鉴的。
那么对于人工智能情感的约束呢？显然，更加没有相应的法律法规来规范。那么，我们就只能在赋予人工智能情感的道理上更加的小心翼翼。比如，我们可以制定一些应急方案来防止可能导致的某些后果，也即出现了问题如何及时的处理之。另外我们在操作和管理上应更加慎重的去对待。也希望随着科学技术的发展，能够在不久的将来出台一部相应的规章制度来规范人工智能情感的管理，使之更加精确化、合理化。
4结束语
人工智能的情感研究目的就是探索利用情感在生物体中所扮演的一些角色、发展技术和方法来增强计算机或机器人的自治性、适应能力和社会交互的能力。但是现阶段对这方面的研究虽然在技术上可能已经很成熟，但是人工智能情感毕竟是模拟人的情感，是个很复杂的过程，本文尝试性的在人工智能发展中可能遇到的问题进行了有益的探讨。但是不可否认仍然有很长的道路要走，但是对于人工智能的发展劲头我们不可否认，将来“百分百情感机器人”的问世也许是迟早的事情。
参考文献：
[1] 赵玉鹏，刘则渊.情感、机器、认知――斯洛曼的人工智能哲学思想探析[J].自然辩证法通讯，2009，31（2）：94-99.
[2] 王国江，王志良，杨国亮，等.人工情感研究综述[J].计算机应用研究，2006，23（11）：7-11.
[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究综述[J].江南大学学报（自然科学版），2012，11（04）：497-504.
[4] Christine Lisett，i Cynthia Lerouge.Affective Computing in Tele-home Health[C].Proceedings of the 37th IEEE Hawaii International Conference on System Sciences，2004.
[5] Valerie.The Roboceptionist[EB/OL].http：//.
[6] 张显峰，程宇婕.情感机器人：技术与伦理的双重困境[N].科技日报，2009-4-21（005）.
[7] 张晓丽.跟机器人谈伦理道德为时尚早[N].辽宁日报，2011-11-04（007）.
[8] Peter Norvig.人工智能：机器会“思考”[J].IT经理世界，2012（Z1）：331-332.
篇4
人工智能与电气运动控制是集电机、电子、自动化、计算机、智能控制和知识工程为一体的新兴交叉学科，其知识、技术和产品在工业、国防、交通、运输、民用等行业应用十分广泛。当前，电气运动控制系统运行条件的复杂化不断提高，同时对控制的智能化与精确化要求也越来越高，因此深入研究智能运动系统的设计、制造、运行规律，探索该方面的高层次科学研究、工程技术应用成为当务之急。
1.人工智能的概述
人工智能（Artificial Intelligence） ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能是一门新的技术科学，它的研究、开发是为了模拟、延伸和扩展人的智能，这是一种理论、方法、技术及应用系统。电气自动化是研究与电气工程有关的系统运行、自动控制、电力电子技术、信息处理等领域的一门学科。随着现代技术的发展，为了减少运行成本，提高工作效率，把人工智能的先进研究成果与电气自动化控制相结合，实现了技术的又一次突破。
2.电气工程中智能控制的功能实现
（1）收集处理数据：对于所有开关量、模拟量，人工智能控制器都能对其进行实时采集，在要求明确的情况下，人工智能控制器能自动处理或存贮。（2）界面显示：设备和系统的运行状态都会在模拟画面上真实的显示出来，可从中了解到模拟量、计算量、隔离开关、断路器等实际的状况。有问题时，画面上会挂牌检修功能，还会形成对应得历史趋势图。（3） 运行监视：在设备的模拟数值、开关量状态出现问题时，智能监视就起到了很大的作用，它会自己报警，还会记录下事件的过程。（4）人工控制：操作人员只需要通过键盘或鼠标就可以对断路器及电动隔离开关进行控制，系统会对操作人员进行限制性的操作，对值班起到很大作用。（5）故障录波：故障录波较为详细，包括波形、开关量和顺序记录等。（6）分析不对称的应用，进行负序量计算等。（7）及时进行参数的设定和修改从而定值得到保护。（8）模糊控制、神经网络控制、专家系统控制是人工智能控制的主要的三种方法。
3.电气自动化技术中人工智能的应用分析
（1）电气设备设计中人工智能的应用。由于电气设备的具体设计是综合性、复杂性、专业性的过程，其涉及的范围也十分广，包括了电磁场、电子技术、变压器、电机、专业电路等领域，另一方面，这对其设计者也提出了更高的要求。通过人工智能方面的技术，能够实现大批较难迅速解决处理的模拟过程与相关繁琐计算，这就加强了设计过程内的工作精度和效率。当然，在电气设备设计进行的时候还要区别不同的情况与具体算法，比如说遗传算法会用在优化设计中，而专家系统总是用在开发性设计中。
（2）电气控制技术中人工智能的应用。电气自动化的控制技术可以实现强化分配、交换、流通、生产等关键环节，在加大财力投入的同时尽可能减少人力，以便提高电气系统中的运作质量与效率。电气设备控制系统里面人工智能技术的应用包含了神经网络控制、专家系统控制与模糊控制等，而在实际的应用过程中，使用最多的则是模糊控制，这主要是源于其简单化的控制，同时又和现实情况联系密切。
（3）人工智能对日常操作的影响。电力系统不仅影响着电力系统建设的自动化水平，对日常的管理工作的影响也十分重大。人工智能技术应用于日常操作中，可以帮助实现以家用电脑操作进行系统操作，简化电流调整、设备操作界面，并且可自动进行日志生成和储存、报表自动生成等功能。电气系统日常操作中引进人工智能技术，不仅能够简化各种操作、规范各种文件样式和规格，并且能够实现操作的简便性和可视性。
（4）电气故障诊断中人工智能的应用。在电气设备的故障诊断过程中，使用最为广泛的即是神经网络、专家系统、模糊理论等人工智能技术，尤其是对电气电动机、发电机进行的故障诊断。当前，电气系统中变压器的故障诊断通常适用方法为分析气体和分解变压器油中分解的气体，借助人工智能法可以有效提高相关诊断的准确性，其中人工智能技术通过结合模糊理论与神经网络，来完成故障诊断知识的神经网络以及模糊性的共同诊断过程，这样就可以从根本上提高诊断故障的全面性与准确性。
4.结束语
电气自动化控制革新离不开人工智能的大力支持。人工智能在自动化控制方面的优势越发的突显。促进人工智能在电气自动化控制中的应用以解决传统方法不能解决的复杂系统控制问题。
在电气自动化领域，人工智能应用集中体现于专家系统、自动程序设计、定理证明、逻辑推理、各类问题求解等方面，因此，在电气自动化技术中充分挖掘并利用人工智能的功能与效力，这样才能使工作更加顺畅、高效。
依据国内需要及本学科在国际上的发展趋势，今后人工智能与电气结合的研究方向及内容是：⑴智能控制理论与技术；⑵电气驱动自动化；⑶智能控制理论在电气运动系统中的应用；等。
参考文献
1.罗兵。人工智能原理及应用[M]，机械工业出版社，2011-08-01
篇5
随着经济的快速发展，人们生活水平得到了较好的改善。经济的繁荣使得我国工业水平正在不断提高。在社会主义市场经济环境下，竞争机制不断完善和发展，各企业要想在竞争激烈的市场环境中稳定发展，提高企业自身的工作效益非常重要，而人工智能在提高企业经济效益上有着重要作用。随着科学技术的不断发展，人工智能技术不断成熟并广泛的应用在电气工程自动化中，有效的提高了电气工程自动化的效率，为企业的发展带来了良好的经济效益。
1 人工智能概述
人工智能也可以称作为机器智能，是人类对自然改造做制造出来的系统所表现出来的职能，人工智能是以计算机技术为依靠的。从某种意义上将，人工智能就是沿用人工的方法和技术，以人类的智慧为模型，实现机器智能化的发展。人工智能的产生是随着科学技术的发展而发展的，是人类与计算机技术发展的产物结晶。科学技术是第一生产力，随着科学技术的不断发展，人工智能的发展已经超越了计算机这一门学科。心理学、计算机学科、哲学、物理学等众多学科都与人工智能有着密切的关系。
2 电气工程中实现人工智能控制的意义
在我国，是一个能源消耗大国，工业的发展，使得在人力上、物力上、财力上的投入不断增加，近年来，我国电气工程事业得到了飞速发展，为了满足人们日益增长的物质文化需求，适应经济快速发展的步伐，在竞争激烈的市场环境中，电气工程面临着巨大的挑战。随着科学技术的不断发展，人工智能逐渐进入到人们的视野，并且所担任的角色也来越重要。人工智能在电气工程中所扮演的角色尤为重要。当前我国电气工程很容易出现设备故障，经济效益低下，为了改变这些状况，在市场环境中长远生存下去，利用人工智能技术已经迫在眉睫了。在电气工程中，利用人工智能，可以实现智能化作业，在电气设备上实现智能化自我检修，防止出现设备故障，从而提高设备的工作效率，给电气工程事业带来经济效益[1]。
3 人工智能在电气工程自动化控制技术中的应用
在我国电气工程中，运用人工智能作业，可以有效的提高智能化作业水平，在作业过程中，可以自行的对机械设备进行检查，从而加大对电气工程自动化作业的控制，提高电气工程自动化作业水平。下面就以火力发电工程为例，来分析人工智能在工程中自动化的控制技术。
3.1火力发电的原理
火力发电系统中主要由燃烧供给系统、给水系统、蒸汽系统、冷却系统、发电系统等主要部件构成。火力发电是指利用石油、煤和天然气等燃料燃烧时所产生的热能来加热水，使水变成高温、高压水汽，然后再由水蒸气推动发电器来发电。热电厂为火力发电厂，采用煤炭作为一次能源，利用皮带传送技术，向锅炉输送经处理过的煤粉，煤粉燃烧加热锅炉使锅炉中的水变为水蒸汽，经一次加热之后，水蒸汽进入高压缸。为了提高热效率，应对水蒸汽进行二次加热，水蒸汽进入中压缸。通过利用中压缸的蒸汽去推动汽轮发电机发电。从中压缸引出进入对称的低压缸。已经作过功的蒸汽一部分从中间段抽出供给炼油、化肥等兄弟企业，其余部分流经凝汽器水冷，成为40度左右的饱和水作为再利用水。40度左右的饱和水经过凝结水泵，经过低压加热器到除氧器中，此时为160度左右的饱和水，经过除氧器除氧，利用给水泵送入高压加热器中，其中高压加热器利用再加热蒸汽作为加热燃料，最后流入锅炉进行再次利用。以上就是一次生产流程[2]。
3.2产品设计人工智能化控制
在火力发电场中，电气设备的设计是一个非常艰难的过程，设备性能的好坏直接影响到了发电系统的整体效果，要想保障火力发电系统的正常使用，产品设计的科学性很重要。人工智能利用计算机科学技术，经过模型设计，计算出电力系统做需要产品的规格，从而提高了工作效率，缩短了设计的周期，在发电系统中便利统一指导和管理[3]。
3.3经济运行人工智能化控制
随着计算机技术的发展，在火力发电厂中，运用计算机技术实现火力发电各系统之间的监控，而人工智能集合了计算机技术与人类的智慧于一体，在火力发电厂中，利用人工智能可以计算出火力发电厂各个系统运行的功率，单位的流量。火力发电厂场中，各个分系统之间是相互联系的，利用人工智能，能够计算出会理系统所需要的燃料，蒸汽系统中的水温变化情况，已经发电成效，对火力发电系统中各个子系统都能够有效的控制起来，从而保障火力发电厂经济运行[4]。
3.4机械设备人工智能化控制
火力发电厂所需要的设备较多，所要投入的人力也较大，一般都是一个子系统由两到三个人监控，发电系统能够正常运行。通过计算机监控技术，只要一个中央控制系统就能对发电系统的各个子系统中进行人工智能操作，不仅能够节省大量的人力，还能针对设备故障进行自动化检修，保障设备运行的效率，实现人工智能化控制[5]。
4 结语
随着我国科学技术的不断发展，人工智能已经逐渐成熟起来，并且广泛应用在当前企业的经营活动中。伴随着电气工程规模不断的扩大，电气自动化技术在电气工程中的作用也越来越大。在社会主义市场经济当中，随着市场竞争越来越激烈，我国电气工程要想在市场中取得发展，不断满足现代化经济快速发展的需要，就必须提高电气工程自动化的办公效率，利用人工智能技术，对企业办公实行自动化控制，从而有效的改善电气工程运行环境，提高经济效益，促进经济发展。
【参考文献】
[1]徐志国.人工智能（AI）在电力系统中的应用[J].现代电子技术，2013，06（21）：24―25.
[2]王同文，管霖，张尧.人工智能技术在电网稳定评估中的应用综述[J].电网技术，2011，01（12）：136―137.
[3]李华勇，王诗明，王华.电网智能操作票管理系统的研制与开发[J].江西电力，2012，10（06）：104―105.
[4]毛钢元，刘志国.智能控制系统设计方法的比较研究[J].淮阴工学院学报，2010，10（05）：198―199.
篇6
引言:
计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为二十一世纪三大尖端技术、同时人工智能是一门汇集了多种学科相互渗透发展起来的交叉学科。对于人工智能的定义，至今尚未统一，美国斯坦福大学人工智能研究中心尼尔逊教授认为：人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学；麻省理工学院的温斯顿教授认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。除此之外，还有很多种不同的观点，但这些说法都形象地反映了人工智能学科的基本内容和核心思想，那就是：人工智能是研究如何用人工的方法在计算机上模拟、实现和扩展人类智能的一门科学与技术。
1. 人工智能技术的发展
人工智能（(Artificial Intelligence)从上世纪50年展到现在，有也有低迷的时期。研究的方法和研究的态度也有多种，不管是何观点,它们都推动着人工智能技术的发展。今天人工智能技术已渗透到人类生活的方方面面，实实在在的影响着科学技术的发展。
2. 人工智能技术的应用
我们可以看到，当今社会很多领域的各种技术的发展都涉及到了人工智能技术。下面就人工智能的几种典型应用做如下探讨：
2.1人工智能应用之问题的求解
人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。
2.2人工智能应用之逻辑的推理与定理的证明
人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。
2.3人工智能应用之自然语言的处理
智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。
2.4人工智能应用之模式的识别
如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。
2.5人工智能应用之智能信息的检索技术
在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。
2.6人工智能应用之专家系统
我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。
2.7人工智能应用之机器人学
机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。
3. 人工智能技术发展趋势
科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势：
3.1问题求解
问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。
3.2机器学习
人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。
3.3模式识别
用计算机实现模式(文字、声音、人物、物体等)的自动识别，弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。
3.4专家系统
专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。
3.5人工神经网络
人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线 性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许未来智能计算机的构成可能就是作为主机的冯•诺依曼型机与作为智能外围的人工神经网络的结合。
4. 结论语
人工智能的基本思想已经在许多领域中得到应用，对于人工智能技术未来的发展还有很多未知的可能，但无论如何发展都将推动人类在科学与生活领域的发展。
参考文献：
[1]胡勤.人工智能概述[J].电脑知识与技术，2010，（13）：3507-3509.
[2]朱福喜，汤怡群等.人工智能原理[M].武昌：武汉大学出版社，2002.87-91.
[3]张妮等.人工智能技术发展及应用研究综述[J].煤矿机械，2009，（02）：4-7.
[4]亓慧.议当代人工智能的应用领域和发展状况[J].福建电脑，2008，（05）：33.
[5]蔡自兴，徐光.人工智能及其应用[M].北京：清华大学出版社，2003.51-93.
篇7
Artificial Intelligence Overview
HU Qin
(Baiyun Middle School in Zongyang Country, Anqing 246728, China)
Abstract:The paper introduces current general research and hot research topic of artificial intelligence. The paper looks forward to the future development direction of artificial intelligence. In addition, the paper analyzes implication of concepts, theoretical foundation, discipline system, scientific approaches, scientific significance and application value of generalized artificial intelligence.
Key words: artificial intelligence; artificial intelligence research; generalized artificial intelligence
人工智能是计算机学科的一个分支,是一门正在发展中的综合性的前沿学科,它是研究人类智能活动的规律,并用于模拟、延伸和扩展人类智能的一门新的技术科学,是在计算机、控制论、信息论、数学、心理学等多种学科相互综合、相互渗透的基础上发展起来的一门新兴边缘学科[1]。人工智能目前已在指纹及人脸识别、专家系统、智能搜索、定理证明、博弈、自动程序设计以及航空航天领域取得了广义的应用。
1 人工智能研究概况
当20世纪40年代数字计算机研制成功时,当时的研究者就采用启发式思维,运用领域知识,编写了能够完成复杂问题求解的计算机程序,包括可以下国际象棋和证明平面几何定理的计算机程序[2]。运用计算机处理这些复杂问题的方法具有显著人类智能的特色,从而导致了人工智能的诞生。1956年,McCarthy决定把Dartmouth会议用人工智能来命名,开创了具有真正意义的人工智能的研究。
图灵(Alan Turing)所著的“计算机器与智能”[3]讨论了人类智能机械化的可能性,提出了图灵机的理论模型,为现代计算机的出现莫定了理论基础。同时该文中还提出了著名的图灵准则,在人工智能研究领域,“图灵检验”已成为最重要的智能机标准。同一时期,Warren McCullocli和Walter Pitts发表了“神经活动内在概念的逻辑演算”的开创之作[4],该文证明了:一定类型的可严格定义的神经网络,原则上能够计算一定类型的逻辑函数并开创了当前人工智能研究的两大类别:“符号论”和“联结论”。
从20世纪60年代至70年代初,人工智能领域有影响的工作是通用问题求解程序,主要包括:Robinson于1965年提出了归结原理,成为自动定理证明的基础[5] ;Feigenbaum于1968年研制成功了DENDRAL化学专家系统,是人工智能走向实用化的标志。Quillian于1968年提出了语义网络的知识表示等。20世纪70年代,人工智能研究以自然语言理解、知识表示为主。Winograd于1972年研制开发了自然语言理解系统Shrdlu,同时期Colmeraue创建了Prolog语言。Shank于1973年提出了概念从属理论。Minsky于1974年提出了框架知识表示法。1977年,Feigenbaum提出了知识工程,专家系统开始得到广泛应用。
20世纪80年代以来,以推理技术、知识获取机器视觉的研究为主。开始了不确定性推理和确定性推理方法的研究。日本计算机界推出了“第五代计算机研制计划”,该计划最终未能实现当初的目标―以非数字化方式在日常范围内全面的模仿人类行为,但该计划也为人工智能的进一步发展积累了很多经验。20世纪90年代,人工智能研究在博弈这一领域有了实质性的进展。1997年5月11日,一个名为“深蓝”的IBM计算机以2胜1负3平的成绩战胜了国际象棋世界冠军卡斯帕罗夫,这举世震惊的一步大大地振奋了整个人工智能界,而事实上“深蓝”打败卡斯帕罗夫仍是从专家系统提供的所有可能的走步中选择最优的,并未有理论上的实质性的突破。
中国人在人工智能领域的突出贡献主要有:1960年,华裔美国数理逻辑学家王浩提出了命题逻辑的机器定理证明的新算法,利用计算机证明了集合论中的300 多条定理。1977 年, 我国数学家、人工智能学家吴文俊提出了初等几何判定问题的机器定理证明方法,并进一步推广到初等微分几何、非欧几何领域,被称为“吴氏方法”。 80-90年代,我国高等院校和研究机构在智能控制与智能机器人的研究开发方面,取得了丰硕的成果。
回顾人工智能发展的历史进程,从科学方法论的角度分析,其发展有三条途径,分别是结构模拟、功能模拟和行为模拟。在学术观点上有人工神经网络、专家系统和智能机器人三大学派。
2 人工智能当前的热点研究
人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。目前人工智能研究的3个热点是: 智能接口[6]、智能信息处理[7]、主体及多主体系统[8]。
2.1 智能接口技术
智能接口技术是研究如何使人们能够方便自然地使用计算机。这一目标的实现要求计算机能够看懂文字、听懂语言,甚至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,智能接口技术的研究既有巨大的应用价值,目前,智能接口技术已经取得了显著成果,文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化,如:微软提出的云计算、百度提出的框计算都与智能接口技术有关。
2.2 智能信息处理
计算机的广泛应用是人类进入一个信息爆炸的时代,国民经济和社会信息化发展所面临的一个重要课题是如何把大量的数据转化为有用的知识,并将知识转化为智能,用于决策、管理、检索、过程控制等。智能信息处理使从海量数据中提起有用知识成为可能,当前,图形模式作为一种有效的智能数据处理手段正在引起人们的重视,图形模式具有多功能性、有效性及开放性等特征,能有效地转化数据为知识,并利用这些知识进行推理,以解决分类、聚类、预测和因果分析等问题,其有效性已在软件智能化、医疗故障诊断、金融风险分析、DNA 功能分析和 Web 采掘等方面得到验证。随着图形模式学习和基于图形模式推理等问题的解决,图形模式必将成为重要和有力的智能化数据分析与处理工具。
2.3 主体及多主体系统
主体是具有信念、愿望、意图、能力、选择等心智状态的智能性实体,而且具有一定自主性。主体试图自治地、独立地完成任务,同时又可以和环境交互,与其他主体通信,并通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为,最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
3 人工智能未来的研究方向
当前,人工智能学科已从学派分歧的、传统的、狭义的人工智能,走向多学派兼容、多层次结合现代的广义人工智能,并将发展成为人机集成的、群体协同的、未来的智能科学技术 [9]。广义人工智能学科的理论基础是广义智能信息系统论,主要包括广义智能论、智能信息论和智能系统论。
3.1 广义人工智能的概念涵义和学科体系
多学派人工智能是指模拟、延伸与扩展人的智能及其它动物智能,既研究机器智能,也开发智能机器。多层次人工智能是指不仅研究专家系统,而且研究人工神经网络、模式识别、智能机器人等。多智体人工智能研究群体的、网络的多智体、分布式人工智能。研究如何使分散的个体人工智能协调配合,形成协同的群体人工智能,模拟、延伸与扩展人的群体智能或其它动物的群体智能。
广义人工智能的研究对象是自然智能、人工智能、集成智能和协同智能,根据广义智能学的研究对象,广义人工智能学的学科体系主要包括四个方面:①自然智能学:自然智能学研究人的智能及其他生物智能的个体智能、群体智能的基本概念和特性。②人工智能学:人工智能学研究机器智能与智能机器二方面,思维、感知、行为三层次的广义人工智能的基本概念和特性,分析设计、协调协同、进化开拓、评价测度、信息处理、系统构成、管理控制的理论和方法。③集成智能学:集成智能学研究自然智能与人工智能,主要是人的智能与机器智能如何协调配合、取长补短、合理分工、智能结合,形成集成智能、构成人机和谐集成智能系统的基本理论和方法。④协同智能学:协同智能学研究智能个体如何相互协调、友好协商、分工协作,组成智能群体,组成分布式网络群体协同智能系统的基本理论和方法。
3.2 广义人工智能的科学方法
①多学科协同:广义人工智能是跨学科的综合性边缘学科,必须需要包含信息科学、生物科学、系统科学等多学科协同的科学研究方法。② 多途径结合:广义人工智能是对广义自然智能的模拟、延伸和扩展,需要采取功能模拟、结构模拟、行为模拟等定性研究与定量分析,综合集成的多途径相结合的科学方法。③多学派兼容:广义人工智能的研究应当也需要采取符号主义,联结主义,行为主义等多学派兼容的科学方法。
3.3 广义人工智能的科学意义
研究发展广义智能学具有重要科学意义和应用价值,广义人工智能协同地、综合地研究自然智能、人工智能,开发人机集成智能、群体协同智能的基础理论和方法,如:协同研究自然智能与人工智能;研究开发人机集成智能;研究开发群体协同智能;广义人工智能为研究人工智能和自热智能提供新思路和新方法,并为发展智能科学技术提供新理论。
4 结论
本文全面综述了人工智能的发展过程、研究热点和研究趋势,介绍了广义人工智能的基础理论和方法,认识到广义人工智能将为智能科学技术提供宽广、深厚的理论基础,并将有力促进智能科学技术的迅速发展与广泛应用。
参考文献:
[1] 马少平,朱小燕.人工智能[M].北京:清华大学出版社,2004.
[2] 石纯一,黄吕宁,土家钦.人工智能原理[M].北京:清华大学出版社,1993.
[3] L.A. Zadeh, Fuzzy Sets[J].Information and Control,1965(8).
[4] Bord M A. 人工智能哲学[M].刘西瑞,王汉琦,译.上海:上海译文出版社,2001.
[5] 刘叙华.基于归结方法的自动推理[M].北京:科学出版社,1994.
[6] 顾明.基于模糊ART神经网络的在线人脸识别模型的设计和实现[J].计算机科学,2007(8):92-94.
篇8
随着人工智能技术的快速发展，越来越多的企业将人工智能技术应用到企业的日常生产经营活动中来。NarrativeScience和国家商业研究所的报告显示，在2016年仅有38%的企业表示引用了人工智能技术，而到了2017年这一数字迅速增长到了61%。与此同时人工智能技术在营销领域的应用也越来越广泛，在零售行业，人工智能可以通过自我学习，为消费者添加标签，描绘用户画像；在网络消费场景，智能人工助理可以帮助营销人员及时在线回答用户问题。人工智能的应用让消费者与企业的互动更加频繁，这也给企业营销活动本身带来了如隐私泄露、过度营销、用户倦怠等问题。如何正确处理人工智能技术在营销领域的应用问题，成为了学者们日益关注的重点。以往的研究已经从人工智能营销的技术基础、概念、隐私担忧等方面进行了分析，本文将从人工智能营销的内涵、趋势、挑战等方面进行梳理研究，希望能够对人工智能态势下的市场营销有更加全面的认识，为企业应对人工智能营销活动中的问题提供有价值的参考。
二、人工智能态势下的市场营销
（一）智能营销的内涵
智能营销，是伴随着人工智能应用的发展而产生的一个新的营销概念。智能营销不等同于电子营销，它是建立在大数据、人工智能、云计算等综合技术基础上的一种智能化运作模式（汪涛2014），是可以模仿营销人员的部分行为活动的过程。随着人工智能技术在营销领域的应用，智能化的设备通过仿真、思考、行动等模式完成了营销人员所需要进行的一部分工作，深刻改变了营销思维和方式。作为智能经济条件下的新产物，目前学者们对智能营销还没有形成一致的概念界定。但是随着对人工智能的逐步深入了解，业界逐渐形成了一种共识，即它是企业借助计算机网络、移动互联网等智能技术来进行营销活动的各种新思维、新方法、新工具的一种创新营销新概念（常亚平2018），它包括智能识别、智能存储、智能执行等多个方面。
（二）智能营销的技术基础
人工智能营销的兴起离不开技术的支持，根据以往文献的研究，可以将智能营销发展的技术基础大致归为三个方面：首先，移动互联网和5G技术为智能营销发展提供了海量数据来源的保障。智能营销发展的重要基础就是数据，持续可靠的数据获取是智能营销所需的核心技术之一。随着移动互联网和5G技术的发展，营销活动借助虚拟现实技术、仿真技术、人工生物智能技术广泛深入到消费者的工作、娱乐、生活、消费等日常行为活动中，全方位地记录了消费者的行为数据，为智能营销的后续分析处理工作提供了海量的数据信息来源。其次，云计算帮助智能营销完成了复杂的数据计算和处理分析。移动互联网时代，大数据的发展使网络数据成几何倍增长，如何计算和处理分析这些海量数据成为了智能营销发展所必须解决的重要问题。云计算技术凭借强大的数据计算能力，很好地解决了人工智能技术应用过程中的海量数据处理问题，通过多维度数据的连接实现了万物互联，从而使消费者和智能设备的交互体验更加完善，营销场景也因及时准确的数据分析而更加智慧化。最后，人工智能商业化应用技术为智能营销发展提供了网络应用环境。德勤2019年《全球人工智能发展白皮书》显示，当前人工智能技术已进入全方位商业化阶段，并预测全球人工智能市场在未来几年会经历现象级增长（钱明辉2019）。我国也出台了相应政策来支持人工智能商业化应用的发展，2019年我国从事人工智能业务企业数量居全球第二。人工智能商业化的发展环境以及人工智能商业化应用技术的支持，为智能营销的发展创造了良好的外部网络应用环境。
（三）人工智能在营销中的应用体现
人工智能技术在营销中的应用，使营销活动体现出了新的特点，如：视觉、听觉、触觉等多种形态的新互动方式、个性化需求的预测等。根据营销活动的不同过程阶段，可以从四个方面来分析人工智能在营销中的应用体现。1.营销调查研究阶段。营销调查研究是营销活动的起点，通过提前的调研企业可以了解市场占有情况、消费者意愿、目标消费群体需求等重要信息。大数据技术以及人工智能技术的应用，极大地提高了企业营销活动前期的营销调研效率。消费者在各种生活消费场景中会留下自己的痕迹和使用信息，人工智能技术会帮助企业将海量的用户数据进行归类，如账户数据、交易数据、浏览数据等，并利用这些数据进行用户画像，从而准确分析出消费者的日常消费偏好、消费方式等信息，帮助营销人员获取营销调研后的第一手分类数据。2.营销策略的制定阶段。人工智能技术从全网智能抓取相关数据进行分析，并智能分析出最新热度关注点，帮助营销人员完成寻找吸引消费者的创新点环节，摆脱了以往只依赖于营销人员自身经验判断和小范围营销调研结果的限制。同时借助仿真技术、生物识别等技术，人工智能技术所创造的“人工脑”可以完成营销策略制定过程中的一部分思考工作，如创意筛选、优化等方面。3.营销执行阶段。以往的营销推广活动，需要营销人员提前进行宣传媒介的选择并且派大量人员进行实地配合，受限于地点、经费等外部因素。而人工智能技术根据网络热度数据分析，自行筛选出适合企业产品宣传的网络平台，并且根据用户使用偏好数据测算出适合的营销时间点、次数等，在用户进行相关网络访问时个性化推送符合该用户需求特征的营销方案，如喜马拉雅会根据用户年龄、性别、收听历史记录等自动推送相关收听图书资源和购买活动等。4.营销效果的评估阶段。以前的营销活动效果评估需要事后进行监测，而人工智能技术的应用帮助企业实现了实时监测，系统自动在全网络进行相关内容的数据抓取和分析处理，并将监测效果及时反馈给营销人员，方便营销人员根据消费者反应及时修改营销方案，降低了突发事件对企业营销活动的影响。
三、人工智能带来的营销管理新趋势
人工智能技术在营销领域的应用深刻地改变了企业的营销思维和营销方式，也让营销管理活动有了新发展，对于人工智能带来的营销管理新趋势可以从下面几个方面来理解：一是技术驱动营销变革。智能技术将成为下一代营销变革的新支撑。目前，仿真技术和人工生物智能技术的初步使用已经能够帮助智能设备进行部分营销工作中的思考问题。营销专家智能系统可以实现专业知识的传递和学习，在营销专家的训练下智能系统会增长解决问题所需的知识，并向用户提供解决问题的办法。电子自动订货系统，会根据企业线上线下的销售数据自动进行分析，智能识别畅销品和滞销品，并根据实际情况自动交换订单信息，减少营销人员在了解销售状况和消费者偏好等信息时所投入的时间成本。人工智能技术的应用带来了营销理念、方法、手段、工具等各个方面的改变，未来如何利用好人工智能技术来帮助企业进行营销活动是营销人员需要关注的重点。二是营销方式的多元化和营销推荐的大规模定制化。人工智能技术的应用给营销方式带来了巨大的变革，短视频营销、直播营销等新型营销方式使企业营销活动不再局限于传统线下和网络页面广告等方式。这种多元化的智能营销方式，可以更加广泛深入地获取消费者的各种使用数据信息，如抖音小视频会根据用户关注信息来自动推送相关产品宣传视频。智能化的营销方式让大规模定制化成为可能，企业可以借助智能技术和数据处理技术实现对每个用户的精准识别与记录，从而为其个性化推荐相关信息，实现营销个性化的批量自动生产。三是“AI+”智慧营销带来的跨场景营销。“AI+短视频”营销、“AI+KOL”的粉丝营销等不同营销策略，在人工智能技术的支持下各自发挥所长，应用到营销活动的各个环节当中。“AI+”的使用增强了消费者的互动体验感和真实感，如唯品会的智能试装功能可以帮消费者实现线上虚拟体验，大大提升了消费者从“看”到“买”的效率，缩短了购买转化时间。在移动互联网时代，消费场景碎片化、消费行为流动化，人工智能技术的使用可以帮助企业处理复杂的消费使用数据，系统整合消费者在不同场景的多维行为数据，从而精准识别不同消费个体在不同消费场景下的差异化需求，结合消费者的实时场景，为消费者适时提供跨场景的营销服务，突破圈层和场景的限制，扩大营销推广范围，提升企业的56品牌宣传度。四是基于智能识别、语音互动等技术的线上线下一体化智慧营销。根据2018年人工智能应用行业报告，目前人工智能技术已经可以应用到零售的全链条环节，既可以线上进行用户画像和精准个性化推荐，也可以线下智能物流、智能选址、优化消费者行为分析和商品运营环节等，这种线上线下一体化智慧营销，需要完整的人工智能技术体系的支持。通过分析消费者轨迹数据、可穿戴智能设备的身体数据以及社交消费平台数据等信息，利用线上线下信息的同步传输、人脸识别等技术，人工智能可以及时捕捉消费者行为及心理需求，并实现精准匹配。
四、人工智能时代市场营销面临的挑战
人工智能技术在营销领域的应用给企业和消费者都带来了极大的便利，但是技术都是具有两面性的，我们必须理性对待人工智能技术，正视人工智能应用过程中产生的问题。根据以往文献的研究，可以从以下几个方面来认识人工智能时代市场营销面临的挑战。一是人工智能背景下复合型营销人才的不足，带来的技术和营销的进一步对接问题。当前，智能营销领域的一个显著问题就是技术与营销的进一步深度衔接问题，懂技术、懂市场的复合型人才的不足使得企业在应用人工智能过程中出现很大障碍。一些机构掌握着最新智能技术，积累了海量数据；而另一些机构则了解市场，不掌握技术，技术应用与市场营销之间的衔接出现了隔阂。人工智能技术在营销的应用给所有领域的营销人员都带来了挑战，人才和工作需求双向失衡。企业必须培养复合型的营销人才，引进新技术培训课程，提升现有营销人员的整体技术素质，从而帮助企业解决智能技术与营销的进一步对接问题。二是人工智能营销过程中暴露的数据隐私保护和流量造假问题。各种数据隐私新闻案件的曝光，让越来越多的用户对新技术的使用保持着高度敏感。大量未经用户本人同意的数据非法监测和解读严重干扰着消费者的日常生活，一些企业甚至利用智能技术对用户个人信息进行预测分析来以此获取用户隐私。而流量数据造假问题更是进一步瓦解了消费者对网络消费活动的信任，一些企业为了短期的盈利，利用内容剪切等网络工具打造虚假流量信息，给消费者带来了误导，同时也严重干扰了正常的市场竞争秩序。为了能够让企业更有效地推进人工智能技术与营销活动的衔接，必须及时惩治非法获取消费者隐私的企业，营造良好的网络使用环境，同时企业也要在内部加强管理，提升营销人员的道德素养。三是全方位人工智能营销环境下的消费者心理倦怠问题。人工智能技术可以给消费者推荐各种个性化信息，但这种根据消费者使用痕迹来进行持续性的精准推荐很难不让消费者产生厌倦心理。随时随地的广告推荐、跨屏的无广告拦截、用户浏览记录的跟踪推荐等行为，在智能技术的推动下变得更加自动频繁。虽然人工智能技术可以帮助企业精准分析用户数据，但数据也不能完全反映消费者的内心，企业要避免对智能技术的完全盲从，以防消费者产生厌倦心理。营销活动是对人进行的活动，因此企业也要关注营销人员的营销经验，不能以技术决定一切，要将技术与人的主观感受相结合，真正做到从消费者本身需求出发。
五、结论
人工智能在营销领域的应用目前还处于初步发展期，企业在应用人工智能技术时必须理性看待人工智能技术。既要看到人工智能给企业营销带来的数据分析、精准识别等便利，也要看到人工智能应用带来的技术陷阱、用户隐私等问题。当然，人工智能技术在营销领域的应用未来还将有更进一步的发展，企业也要及时进行探索研究。本文仅从理论层面梳理分析了人工智能在营销领域应用的相关问题，未来还可以在其他方面进行深入研究：如何更好地解决人工智能应用过程中带来的隐私泄露问题，从而提升消费者的使用体验；人工智能的特征如何对消费者的行为产生影响；智能互动方式的改变对营销活动的影响，等等。
参考文献：
[1]高山行，刘嘉慧.人工智能对企业管理理论的冲击及应对[J].科学学研究，2018(11).
[2]常亚平，王良燕，黄劲松，等.3D（大数据、数字化和发展中）背景下的营销战略与转型专栏介绍[J].管理科学，2018(5):1-2.
[3]Shankarv.Howartificialintelligence（AI）isreshapingretailing[J].JournalofRetailing，2018，94(4):vi－xi.
[4]汪涛，谢志鹏.拟人化营销研究综述.外国经济与管理，2014(1):38-45.
[5]Wangtao,XIEZhipeng.Areviewoftheliteratureofper-sonificationmarketing[J].ForeignEconomics,Manage-ment,2014(1):38-45.
[6]钱明辉，徐志轩.基于机器学习的消费者品牌决策偏好动态识别与效果验证研究[J].南开管理评论，2019(3):66-76.
篇9
Key words： Artificial Intelligence；research status；development tendency；social force
中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2013）28-0005-03
0 引言
人工智能是自1956 Dartmouth学会后发展起来的新型学科，其有着涉及学科广、需要技术高端、使用范围广等特点。在过去的50多年时间中人工智能经历了学科发展中都会遇到的发展——否定——否定的否定阶段，现在人工智能大致分成了符号主义学派、行为主义学派、联结主义学派三大学派。其各有优势，独树一帜。一直以来重大前沿科学研究都是以国家牵头，等到时机成熟了再转为民用。这样无形中浪费了很多社会中的人才，比如android智能机的问世，当开发商源代码公布后android智能机获得了飞速的发展。这是社会资源集体作用的结果，人工智能能否通过这种方式获得飞速的发展呢，文中给出了问题的答案。
1 人工智能的现状
1.1 人工智能的发展过程 人工智能是由“人工”与“智能”组成。“人工”十分容易理解，也就是我们常说的人类开发研究出来的事物。“智能”则是十分复杂的一个词汇，是指如由意识（Consciousness）、自我（Self）、思维（Mind）（包括无意识的思维（Unconscious_mind））等等组成的有机集合。通常我们所说的人工智能是指人本身的智能。总体来说人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。关于人工智能的传说一直可以追述到埃及，直到电子计算机的问世才使人们真正具备了发展人工智能的基本技术，而直到1956年的Dartmouth学会之后“人工智能”才逐渐地被大家所熟知接受。人工智能作为一门自然科学、社会科学、技术科学交叉的边沿学科，涉及哲学和数学，认知科学，心理学，神经生理学，计算机科学，控制论，不定性论，信息论，社会结构学，仿生学与科学发展观等众多前沿学科。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一[1]。
人工智能在其过去的50多年时间里，有了长足的发展，但并不是十分顺利。目前人们大致将人工智能的发展划分成了五个阶段：
第一阶段：萌芽期（1956年之前）
自古以来，人类一直在寻找能够提高工作效率、减轻工作强度的工具。只是受限于当时的科学技术水平，人们只能制作一些简单的物品来满足自身的需求。而人类的历史上却因此留下了很多脍炙人口的传说。传说可以追溯到古埃及时期，人们制造出了可以自己转动的大门，自动涌出的圣泉。我国最早的记载是在公元前900多年，出现了能歌能舞的机器人。这一时期出现了各种大家：法国十七世纪的物理学家、数学家B.Pascal、德国十八世纪数学家、哲学家Leibnitz以及二十世纪的图灵、冯·诺伊曼等。他们为人工智能的发展做出了十分重要的贡献。
第二阶段：第一次期（1956年-1966年）
1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在Dartmouth学会上引发一场历史性事件——人工智能学科的诞生。Dartmouth会议结束后，人工智能进入了一个全新的时代。会议上诞生了几个著名的项目组：Carnegie-RAND协作组、IBM公司工程课题研究组和MIT研究组。在众多科学家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理证明工作中首先取得突破，开启了以计算机程序来模拟人类思维的道路；1960年，McCarthy建立了人工智能程序设计语言LISP。此时出现的大量专家系统直到现在仍然被人使用，人工智能学科在这样的氛围下正在茁壮的成长。
第三阶段：低谷发展期（1967年-八十年代初期）
1967年之后，人工智能在进行进一步的研究发展的时候遇到了很大的阻碍。这一时期没有比上一时期更重要的理论诞生，人们被之前取得的成果冲昏了头脑，低估了人工智能学科的发展难度。一时之间人工智能受到了各种责难，人工智能的发展进入到了瓶颈期。尽管如此，众多的人工智能科学家并没有灰心，在为下一个时期的到来积极的准备着。
第四阶段：第二次期（八十年代中期-九十年代初期）
随着其他学科的发展，第五代计算机的研制成功，人工智能获得了进一步的发展。人工智能开始进入市场，人工智能在市场中的优秀表现使得人们意识到了人工智能的广阔前景。由此人工智能进入到了第二次期，并且进入发展的黄金期。
第五阶段：平稳发展期（九十年代之后）
国际互联网的迅速发展使得人工智能的开发研究由之前的个体人工智能转换为网络环境下的分布式人工智能，之前出现的问题在这一时期得到了极大的解决。Hopfield多层神经网络模型的提出，使人工神经网络研究与应用再度出现了欣欣向荣的景象。人工智能已经渗入到了我们生活的方方面面。
1.2 人工智能的主要学派 人工智能发展的50多年时间里，经历了符号主义学派、行为主义学派和联结主义学派，三大学派各有特点，各自从不同的角度研究人工智能，为人工智能的发展做出了卓越的贡献，在人工智能的发展史上留下了浓重的一笔。
1.2.1 符号主义学派 符号主义学派，又称为逻辑主义、计算机学派或心理学派。符号主义学派理论基础是物理符号系统假设和有限合理性原理，他们认为人类的认知基元是符号，认知的过程是对符号的计算与推理的过程。人与计算机均可以看做物理符号系统，因此人们可以使用计算机来模拟人的行为。符号主义学派认为人的认知基元可以通过计算机上的数学逻辑方法表示，然后通过计算机自身的逻辑运算方法模拟人类所具备的认知系统的机能和功能，进而实现人工智能[2]。
符号主义学派无视了认知基元的本质，对于所有的认知基元均使用数学逻辑方法表示。符号主义学派重点研究认知基元的逻辑表示以及计算机的推理技术，早期的众多人工智能的研究都是在这一思想的推动下进行的。符号主义学派在归结推理、翻译、数学问题证明以及专家系统和知识工程做出了十分巨大的贡献，为后期的人工智能研究打下了基础。专家系统的出现更是将人工智能的研究推上了一个顶峰，其在矿业探究、医疗诊查、教育推广、工业设计的应用带来了巨大的社会效益。
1.2.2 行为主义学派 行为主义又被称作进化主义或控制论学派。行为主义学派认为智能取决于感知和行动，不需要像符号主义学派的逻辑知识以及推理。行为主义学派认为人的本质能力是行为能力、感知能力和维持生命及自我繁殖的能力，智能行为是人与现实世界环境的交互作用体现出来的。人工智能应像人类智能一样通过逐步进化而实现，而与知识的表示和知识的推理无关[3]。行为主义学派的与传统人工智能截然不同的观点吸引了众多的科学家，虽然到现在还没有独立完善的知识理论系统，但其在人工智能领域的独树一帜还是奠定了其霸主地位。该学派重点研究人类的控制行为，目前已有的机器昆虫已经证明了行为主义学派的理论正确性。虽然大部分人认为机器昆虫不能导致高级行为，但是行为主义学派的崛起标志着控制论在人工智能领域有着独树一帜的作用。
1.2.3 联结主义学派 联结主义学派是近年来最热门的一个学派，又被成为仿生学派或心理学派，建立于网络联结基础之上模仿人类大脑的结构和工作模式。联结主义学派主要研究能够进行非程序的，可适应环境变化的，类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。持这种观点的学者认为，认知的基本元素不是符号是神经细胞（神经元），认知过程是大量神经元的联接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。[4]
联结主义学派通过模拟人类神经网络模仿人类的认知行为，由此进行人工智能的学习记忆、模式识别。联结主义学派构建了大量的神经网络模型，方便在不同的情景模式下选择相应的模型，进而快速的得出答案。联结主义学派采用分布式存储数据，对数据进行并行处理，这样使得人工智能在处理问题的时候的速度有了明显的提升，由此联结主义学派在人工智能领域中受到大家的一致热捧。
三大学派在人工智能的发展史上有着举足轻重的作用，每一个学派的兴起都代表人工智能的一个新高峰。三大学派各有优缺点，在人工智能领域三者相辅相成，人工智能学科在三大学派的带领下正在茁壮成长。
2 对人工智能主要理论学派的评述
在过去的50多年时间中，人工智能获得了巨大的发展，基本实现了从无到有的过程，构建了基本完善的理论知识体系，构建了各种模型，形成各种技术方法，但是人工智能的发展依然任重道远，前景依然不容乐观。三大主义学派有着自身独到的优点，同时也有着各自的缺点，符号主义学派将人的认知基元符号用数学逻辑表示，通过计算机逻辑处理系统分析得出结果，但是在面对没有明确结果的非确定问题时经常不能得出令人满意的答案，它对信息要求十分精确完整，现实生活中的很多问题都不能满足条件，因此符号主义学派的发展受到了一定的限制。行为主义学派认为智能取决于感知与行动，但是缺乏足够的理论知识支撑学派观点，而且缺乏足够的成果表明理论的正确性。学派认为人工智能与知识的表达和知识推理无关，与人类认知的发展是不相符的。联结主义学派采用仿生学的方法，模拟人脑的神经网络，通过类似人脑的结构和运行机制模仿人类智能。这一观点十分有吸引力，在提出之后马上就有大量的支持者，但是人脑神经系统的复杂性远远超出人们的预知，现阶段人们对人脑的构造以及运行机制还没有深入的理解，在此基础上想模拟出人脑的神经系统显然是有些不不切实际。联结主义学派的发展更多的受制于对人脑结构和运行机制的研究，因此其发展相对缓慢。综上，三大学派固然有着自身的优势，各自的成果，但是其同样有着明显的局限性，人工智能要想进一步发展必须要对现有的发展方式进行创新。
另一方面，人工智能在经历了两次期后再次回落到了平稳发展时期，社会公众对人工智能的热度有了明显的降温。人工智能的研究再次变成了国家以及一些超级公司的工作，拥有的资源有了大幅度的缩水，研究的进度也受到干扰。在此状态下没有重大的技术创新，人工智能恐怕很难再有重大的突破。
3 对人工智能发展的评述
3.1 对人工智能涵义的认识 同样的词汇在不同时期的有着不同的解释，人工智能也不例外，大家都认可的人工智能是指在人类制造的机器工具上实现人类智能，即实现人类的认知能力、行为能力以及解决问题的能力。人类智能有着一个明确的特点，在面对未知问题时，人类智能能够得出自身想要的答案，也就是消除答案的不确定性。符号主义学派的逻辑解决方式、行为主义学派模拟人的行为能力、联结主义学派的神经网络，三大主义学派各自以自身的方式实现了对问题消除或减弱不确定性。可见减弱甚至消除问题的不确定性也将是人工智能的一个研究方向。
3.2 人工智能研究模式的发展 目前人工智能领域中，符号主义学派通过数学逻辑表示人类的认知基元，对数学逻辑经过解读分析，得到答案，进而实现智能。该学派重点运用还原思想，将人类的认知基元全部使用数学逻辑表示。行为主义学派认为人工智能取决于感知和行动，不需要学习知识与知识推理，是一步步，由低级到高级慢慢进化的。联结主义学派是通过人工神经网络的形式模仿人类智能，理论上讲该方法是最符合人类智能的运行方式的。而在一系统中，最重要的是系统的运行机制，如何将接受到的信息转化为我们的知识并通过表述、行为展示出来，在了解了人类智能的运行机制之后，人工智能将会更加符合人们的需求。
3.3 人工智能研究方法的发展 人工智能的目的是消除答案的不确定性，然后做出相应的反应。在消除答案不确定性的时候便有了各种方法，其中有一种便是突出解决问题的目标，在有明确目标的前提下会削弱干扰问题解决的条件，提高人工智能解决问题的效率。明确问题的目标便需要引入目标函数，在动态目标函数的引导下会减弱答案的不确定性。而在已有的人工智能基础上设立人工智能模型，通过人工智能自身的计算结果结合目前的研究成果去优化目前的人工智能系统，则会提升人工智能的发展速度。
3.4 人工智能时期的发展 人工智能自发展到现在已经经历了五个时期，在两次期中人工智能均获得了迅速的发展。然而现在人工智能的发展步入到了缓慢发展时期，如何将人工智能的发展缓慢时期加速度过同样是十分严肃的问题，传统说来需要重大的科学进步。我们往往认为人工智能属于顶端科技只能由国家和超级公司研究，却忽略了社会所拥有的重大的力量。小小的android智能手机在问世的短短时间内变改变了之前的市场格局，其中固然有着android智能手机的特点，但是我想他的市场策略同样给与了莫大的助力。人工智能应该向android一样，适当的开放出来一部分根基，放开其研究门槛，甚至鼓励民间研究。量变引发质变，当有足够专家在研究人工智能时，人工智能的研究会加快的。而且民间的研究成果也会作为经验反作用于人工智能的进一步研究，实现科学与社会的双赢。
4 结论
人工智能是人们长久以来的梦想，同时也是一门很有挑战性的学科。像所有的学科一样，人工智能会经历各种各样的挫折，但是，只要我们有信心、有毅力，我们相信人工智能终将会成为现实，融入到我们生活的方方面面，为我们的生活带来极大的改变。
参考文献：
[1]朱祝武.人工智能发展综述[J].中国西部科技，2011，10（17）：8-10.
篇10
作为计算机科学技术的全新领域即人工智能，其正在迅速成长与成熟、新方法、新理念、新技术并且不断壮大，同样也包含着计算机网络、数学、信息论各类学科的交叉和边缘学科。人工智能包含的主要内容有知识表示和推理机制、问题求解和搜索算法，自然语言理解、专家系统和机器学习等；也作为计算机科学各专业重要的基础课程，国内外各高校都非常重视，都将人工智能作为计算机专业的必修课程。人工智能包含的学科多，知识点杂、理论性强、内容抽象，算法难度高复杂，在此情况下各高校采用传统的“教师讲、学生听”单一教学模式，学生处于被动学习地位；课堂教学与实际操作、理论与现实应用相脱节；加上理论知识强，案例缺乏，容易使学生感觉空洞；学生易产生厌学情绪，也达不到锻炼其分析问题、解决问题的思维能力和实践动手能力。如何让学生高效的学习一直是教师研究的课题，在大数据和网络信息时代的大背景下，“互联网+”已经广泛应用和存在于生活、工作各个方面，其在教育教学中表现出的创新性、互动性尤为突出，并极具优势。
2基于案例的教学研究
此方法开始于上世纪20年代左右，最早是由美国哈佛商学院所提倡的，基于当时特殊的商业管理真是背景和特殊事件，能够有效的发展和培养学生主动性、积极性和应用能力，开展案例教学后，学生实际解决问题能力有了很大的提高。但此教学研究方法知道到上世纪80年代后期，才引起教师的重视。1986年由美国研究小组提出《准备就绪的国家：二十一世纪的教师》书中，强烈推荐此方法在实际教学的重要性，并说明今后在教学过程中将其作为一种重要的教学方法应用于各类课程中去。
3基于人工智能的案例教学研究及应用
3.1案例精选
此方法第一步是案例选取，案例的好坏是决定案例教学效果关键因素。案例的选取需要满足以下要求：（1）符合现在的教学目标，明确学生需要掌握的知识点、重难点等，能够运用所学的理论知识应用到实际中，以此提高学生分析、解决问题的能力；（2）案例要有代表性、趣味性，由于人工智能课程内容多、抽象，需要将枯燥乏味的知识点转化为趣味生动的案例，有利于吸引学生注意力，激发学习兴趣和主动性；例如，讲到“知识表示”这部分内容中引入“机器人搬积木”、“野人修道士渡河”案例；（3）采用互动的形式，此为人工智能的案例教学研究重要特征，同时也是教学目标得以充分展现的必要条件。能够调动大家的积极性，学生和学生之间、学生与教师之间的互动，调动学生的主观能动性。
3.2案例的执行
（1）讲授法。基于教学内容具体知识点设计案例；通过教师讲解，帮助学生理解抽象的理论知识。案例的呈现有两种基本形式：一是“案例—理论”,即先给出教学案例，后讲解理论知识；二是“理论—案例”,即教师先讲解知识，再给出教学案例；案例的呈现方式不同,会直接影响案例的功能，也会影响到学生的学习情绪、学习效果。为了使案例能更好地为教学服务,教师讲解案例之前应从创设案例情境开始,通过情境体验与案例剖析激发学生认知的兴趣,引导学生对将要学习的内容产生注意,有利于教师导入新课。（2）互相讨论法。大学生课余时间充沛，鉴于此，将班级学生分为若干小组，教师将事先准备好的案例分配给各组，学生采用组内互动讨论的形式，设计出此案例的各种解决方法。课堂上，将本小组的解决方法用课件展现给其他小组。讲解完成后，学生开始互相讨论，对比各自的方法，然后由老师进行分析、对比和总结。以此来增强学生对学科知识点、应用能力的掌握。（3）相互辩证法。课后，采用相互辩证的方法，组织大家相互辩论。选择一些综合应用比较强的案例。与简单的案例相比，综合应用案例能更加高效地启发学生全方位地思考和探索问题的解决方法。相互辩证法是一种探索新型的教学形式，学生的自主性强，能够在辩论中充分表达自己的观点，充分运用所学的理论知识来维护自己的观点，还可以促使学生查阅大量资料，拓展知识面。
4结语
通过以上论述，人工智能技术开始应用于教学,与教学现代化有着密切的联系。其发展必将对现代教育起巨大推动作用。在教学,可以基于人工智能技术建立人类推理模型学习工具等诸多的运用,展示出越来越好的实用性。
参考文献：
[1]邹蕾,张先锋.人工智能及其发展应用[J].信息网络安全，2012(02).
[2]陈柯蒙，张宁.人工智能的发展探析[J].新西部(理论版)，2012(05).
篇11
0 引 言
智能电网是当今世界电力系统发展的重大变革，也是21世纪电力系统的重大科技创新和发展趋势。2003年，美国“未来能源联盟”首次提出智能电网的概念。同年，美国能源部了“Grid 2030”设想[1]，将美国的未来电力系统描述为一个完全自动化的电力传输网络，能够监视和控制每个用户和电网节点，保证从电厂到终端用户整个输配电过程中所有节点之间的信息和电能的双向流动。2005年，欧洲技术论坛（ETP）提出了“Smart Grid”概念[2]，计划通过智能电网的建设，向所有用户提供高度可靠、经济有效的电能，充分开发利用大型集中发电机和小型分布式电源，提高电网公司运营效率，降低电能价格，加强与客户的互动，应对来自市场、安全和电能质量、环境等方面的压力。
国内也高度重视智能电网建设。2010年6月7日，总书记在两院院士大会上的讲话中提出，要“构建覆盖城乡的智能、高效、可靠的电网体系”。国家科技部于2009年11月24日的《关于加快我国智能电网技术发展的报告》中提出了明确的目标和任务。国家电网公司于2009年5月了“坚强智能电网”愿景及建设路线图。南方电网有限责任公司在2010年7月提出了“建设一个覆盖城乡的智能、高效、可靠的绿色电网”的目标。2011年2月，陕西省地方电力（集团）有限公司作为专业的配电网公司，联合清华大学提出了建设“多指标自趋优”智能配电网的目标。
智能电网涉及能源、环境、社会、经济和管理等多个学科，由于其具备系统工程和创新技术的特点，目前智能电网的研究趋向发散，对智能电网的认识多从企业自身出发，尚未收敛到智能电网本质的研究，影响和干扰了对智能电网发展方向的研判。本文在分析国内外智能电网相关研究的基础上，结合实践应用，溯源了智能电网的本质——智能，提出了智能电网分代标准，建立了智能电网分代模型，探讨了智能电网分代的社会经济意义。
1 国外智能电网分代研究状况
分代研究在计算机和战斗机等领域已经取得了共识。计算机按照所采用的电子元件，历经了电子管计算机、晶体管计算机、集成电路计算机、大规模集成电路计算机，现在正在研发信息获取、存储、处理、通信与人工智能相结合的第五代计算机。20世纪40年代中期，以喷气式发动机为动力的战斗机出现后，按时代和技术水平，战斗机历经三代，目前正在研制第四代战斗机。
由于智能电网尚未大规模应用，与计算机、作战飞机等其他领域分代研究更注重“回头看”的方法不同，智能电网分代更注重“向前看”，这个特点导致智能电网分层次、分步骤、分阶段的研究异彩纷呈，莫衷一是。国外智能电网分代的相关研究综述如下。
1.1 智能电网演进模型
2010年1月，加拿大学者Hassan Farhangi从功能和投资回报率（ROI）两个维度，提出了如图1所示的智能电网的演进模型[3]。他认为，由于化石燃料的成本猛增，电力公司无法扩大发电能力以满足用户对电能不断上升的需求，只有从配电网着手，加强需求侧管理，才能保障电力公司拥有较高的ROI水平。模型表示，智能电网最初的投资用来满足计量设备由机电式到单向自动抄表（AMR）的功能转变，AMR具有节约人力以及时间成本的优势，但是由于其只具有单向通信能力，无法支持电力公司依据从电表获取数据采取调控措施。高级计量架构（AMI）能够提供双向的通信系统，旨在为电力公司提供实时的能耗数据，允许客户以价格为基础，对能源使用做出选择。智能电网演进的最终目标是分布式控制与微网相结合的互联电网。
1.2 智能电网持续发展理论
2011年7月，美国GridNet公司执行副总裁兼首席战略官Andres Carvallo和能源与IT行业学者John Cooper合作出版了“The Advanced Smart Grid — Edge Power Driving Sustainability”一书，提出了智能电网持续发展理论[4]。书中认为第一代智能电网（Smart Grid 1.0）实现了发电厂到终端计量设备的电流与信息流的传输，典型的第一代智能电网是美国科罗拉多州博尔德市智能电网的建设。下一代智能电网（Smart Grid 2.0）将是一个集成的、先进的智能电网体系，从战略上进行顶层设计，在组织、运行、系统集成与建模等多个维度进行柔性规划，下一代智能电网的一些技术已经在美国奥斯汀市智能电网研究项目Pecan Street中浮现。书中对第三代智能电网（Smart Grid 3.0）进行了展望，并将其定义为一个基于互联网络的重新设计的能源系统。
1.3 智能电网层次理论
IBM高级电力专家Martin Hauske认为智能电网的基本概念有3个主要元素：首先是广泛连接资产与设备的传感器；其次是数据的搜集与整合体系；最后是依据数据进行相关分析，以优化运行和管理的能力。与之对应，智能电网也就有三个层面的含义[5]：首先是利用传感器对发电、输电、配电、供电等关键设备的运行状况进行实时监控；然后将获得的数据通过网络系统进行收集、整合；最后通过对数据的分析、挖掘，达到对整个电力系统运行的优化管理。因此，智能电网可以被认为是通过传感器把各种设备、资产连接到一起，形成一个客户服务总线，通过对信息进行整合分析，从而降低成本，提高效率和可靠性，促进管理和运行达到最优化。
1.4 智能电网成熟度模型
智能电网成熟度模型是IBM、美国生产力和质量中心（APQC）及全球智能电网联盟（GIUNC）合作研究的成果[6]。智能电网的成熟度分为5个阶段：第1阶段，只有对智能电网的设想，主要工作是对技术的试验和评价，以及建立业务模型；第2阶段，企业在至少一个智能电网的重要业务领域进行投资和实施；第3阶段，企业对智能电网的组成部分进行重新配置，实现业务领域整合或产业链升级；第4阶段，实现企业范围的跨业务综合观测及综合控制，力争形成新的经济或商业模式；第5阶段，企业有能力在新的业务、运行、环境等机会出现时，充分利用并发展壮大。
综观国外的相关研究，智能电网演进模型以计量系统为主线，没有加入交易环节，同时忽视了人工智能在电网中的应用。智能电网持续发展理论有对智能电网分代以及各代相应功能的描述，但是缺乏对智能电网本质的分析，特别是对三代智能电网核心的描述。智能电网层次理论以传感器为基础，触及到智能电网的基本，但是数据收集与整合体系等没有体现人这一重要因素的参与，理论阐述不够全面。智能电网成熟度模型实质上是智能电网的推进步骤。因此，上述研究都没有涉及智能电网的本质。
2 智能电网的本质——智能
对国外智能电网的研究和实践进行分析，能够为国内的相关研究带来启示和借鉴。从人类认识事物的基本方法来看，对智能电网进行分代研究，必然要从智能电网的本质着手。智能电网可以认为是人工智能在传统电网中的应用，而人工智能又起源于人类智能，因此，必须从人类智能出发，探求智能电网的本质——智能。
2.1 人类智能的发展阶段
人类智能经历了从初级到高级、从简单到复杂的演化过程。这种过程只在个体的前十几年表现得尤为突出，正是这一过程决定了每个人一生智能水平的高低，也决定了人类群体智能水平的多样性。
1983年，美国学者Howard Gardner提出多元智能理论，将智能分为语言智能、数学逻辑智能、空间智能、身体运动智能、音乐智能、人际智能、自我认知智能、自然认知智能等8个方面。瑞士心理学家Jean Piaget从时间维度对人类智能演化规律做出经典总结，提出了人类智能发展理论[7]，将个体从出生到青年时期的智能发展水平分为感知运动阶段、前运算阶段、具体运算阶段和形式运算阶段。
虽然多元智能理论并不着眼于各个智能在个体层面的发展顺序，但是结合Jean Piaget的认知发展理论，同时根据Howard Gardner对每种智能概念的描述，可以对智能的8个组成部分以发展为时序，在多元维度上进行归类。在感知运动阶段，空间智能和音乐智能是人类智能重点发展的部分；到了前运算阶段，语言智能和身体运动智能在儿童身上表现较为明显；数学逻辑能力和自我认知能力在具体运算阶段得到了迅速发展；最后，从青少年阶段开始，终其一生，对自然的认知，人际交往能力随着阅历的丰富、经验的积累而日趋成熟。
2.2 人工智能是对人类智能的模拟、延伸和扩展
人类智能的演进规律遵循着Jean Piaget的人类智能发展理论，这些研究成果也深刻地影响着另一个与之紧密相关的学科，即以计算机为基础的人工智能的研究。人工智能最初被定义为“让机器的行为看起来就像人所表现出的智能行为一样”，到后期逐渐演变为让机器拥有自己的思维。对比人类智能发展的历程，人工智能的演进呈现出与之相似的路径。
（1） 人工智能发展的初级阶段是对人类智能的模拟。通过传感器远程传送信号，需要操作者通过计算机终端控制机器执行动作，这类似于人类智能的感知运动阶段，具体的应用如排爆机器人、勘探机器人等。
（2） 人工智能发展的中级阶段是对人类智能的延伸。着眼于通过程序算法实现机器的逻辑运算和自我认知能力，类似于人类智能的前运算和具体运算阶段。智能机器人通过处理器分析传感器收集的信息，在无人操控的状态下执行动作。有些智能机器人还能通过对人类语言的识别和模拟实现与人类的语言交流，如日本的ASIMO智能机器人，可以通过“脑—机”系统达到人类思维直接控制机器人的效果。
（3） 人工智能的更高阶段，智能将成为一种系统层面的应用。人工智能体现出自我思维和机器情感等人类特有的能力，通过自我思维产生对外部环境的认识，通过机器感情与外部环境产生更为复杂的交互，这些能力使得人工智能发生了从模拟、延伸到扩展人类智能的突破。
2.3 智能电网是人工智能在传统电网中的应用
智能电网建立在电力电子技术、传感与测量技术、控制仿真决策技术、信息与通信技术、人工智能技术等基础技术之上，以实现发电、储能、输电、配电、用电等环节的智能化为目的。其中，人工智能技术在推动智能电网发展中起着重要作用。
（1） 人工智能的应用能够推动整个电力系统的发展。传统电网存在大量非线性的、模糊的、不确定、不精确、不完全真值的问题，人工智能技术应用的目的就是解决上述问题。基于人工智能的电网故障检测与诊断、具有灵活自愈功能的配电自动化等技术的应用表明，在期望能取得低代价的解决方法和鲁棒性方面，人工智能的应用显著改善了传统电网对不确定、高度非线性环境的适应能力。
（2） 人工智能技术的应用体现了智能电网的本质。智能电网的本质是智能，现代人工智能技术是对人类智能的模拟，因而人工智能的应用是电网“智能化”的根本体现，人工智能技术应用使智能电网回归到了它的本质——智能。从这种意义上说，人工智能技术是否应用是评价一个电网是不是智能电网的基本依据。
（3） 人工智能技术在电网中的应用程度体现了智能电网区别于传统电网的特征。传统电网未能完整地体现人工智能“感知、思维、行为”三要素，导致人的参与程度较低，传统电网始终徘徊在由工业化主导的阶段，在信息化与工业化融合时，遇到了重重困难。智能电网中，人工智能技术的广泛应用将使得电网逐步具有模拟人类智能的能力，从而减少人的参与程度。
（4） 未来智能电网的发展中，人工智能是推动智能电网跃进发展的革命性力量。未来智能电网将是一个具有自预测、自诊断、自愈、自组织和自管理特性的电网。智能电网的跃进发展将主要依靠电网的自学习能力，人的干预将退居其次。人工智能的应用，使得电网的自学习成为可能。在可以预见的将来，除了人工智能技术，其他技术均无法有效增强电网的自学习能力。
3 智能电网分代原则、标准与模型
以上分析了智能电网的本质，以下在智能电网的本质基础上提出智能电网分代的原则、标准以及智能电网分代模型。
3.1 智能电网分代原则
智能电网分代必须遵循以下原则：
（1） 惟一性原则：下一代和上一代的智能电网必须按照智能电网的本质进行划分。
（2） 革命性原则：下一代智能电网必须在整体，而不是局部取得标志性进展和突破。
（3） 连续性原则：下一代智能电网发展的关键要素必须蕴含在上一代智能电网的发展过程中。
3.2 智能电网分代标准
智能电网的本质是智能。人工智能是人类智能应用于传统电网的纽带，人工智能将人类智能的8个方面归纳为“感知、行为、思维”3个要素，上述3个要素也是智能电网分代的标准。
感知是客观事物通过感觉器官在大脑中的直接反映。在多元智能的8个方面中，感知体现语言智能、空间智能、音乐智能。感知在人工智能技术中的体现有语音识别、机器视觉等。
行为是器官对外界刺激所产生的反应。行为体现身体运动智能，行为在人工智能技术中的体现有机器人学、智能控制等。
思维是主体处理信息及意识的活动。思维体现数学逻辑智能、人际智能、自我认知智能、自然认知智能，思维在人工智能技术中的体现有知识系统、专家系统、神经网络、进化计算等。
3.3 智能电网分代模型
智能电网发展的各阶段均须具备人工智能3个要素的全部或部分，不具备3个要素的电网属于传统电网。依据3个要素在传统电网中渗透与融合的深度和广度，建立智能电网分代模型如图2所示。
图2中将智能电网划分为具有以下特征的三代智能电网：
（1） 第一代智能电网：自感知智能电网（Self-sensing Smart Grid）。第一代智能电网在传统电网的基础上具备自主感知能力，是人工智能在电网中应用的初级阶段。智能电网关键设备能够自主感知电属性（负荷等）和电相关属性（温度等）的变化，需要人参与进行决策并采取行动，第一代智能电网只具备简单的自主决策和初级的自主行为能力。典型的自感知智能电网设备及系统如电子式及光学式互感器、智能环网柜、智能在线监测系统、智能终端等。
（2） 第二代智能电网：自适应智能电网（Adaptive Smart Grid）。第二代智能电网在第一代智能电网自主感知能力的基础上，具备一定的自主决策能力和自主行为能力，是人工智能在电网中应用的中级阶段，较少需要人参与就能根据感知结果进行决策并采取行动。这种感知、决策和行为是独立的，即只在单一设备或系统局部的感知域内进行决策并根据决策结果驱动单一设备或系统局部采取行动，以达到局部最优。典型的自适应智能电网应用系统如智能调度系统、智能自愈系统等。
（3） 第三代智能电网：自趋优智能电网（Self-approximate-optimization Smart Grid）。第三代智能电网在第二代智能电网自主决策和自主行为能力的基础上，是人工智能在电网中应用的高级阶段，更少需要或不需要人参与就能根据感知结果进行决策并采取行动。这种感知、决策和行为是系统的、全局的，即在整个系统感知域（或子集）内进行决策并根据决策结果驱动相关（部分或全部）设备采取行动，使得电网自身状态趋向最优。目前，已经提出来的自趋优智能电网如智能广域机器人（Smart Wide Area Robot，Smart-WAR）[8]。
4 智能电网分代的社会经济意义
技术创新与人类解放之间的历史发展进程表明，人的劳动方式在逐渐变化，技术创新使人在生产劳动中逐渐从事必躬亲的执行者演变成监督者、命令者，这种角色的演变，反映出技术创新在人的实践过程中所具备的强大能动作用。智能电网作为当前电网行业最重要的技术创新形式，同样发挥着着解放人类劳动的作用，亦即电网运行中人的参与程度不断减弱。
第一代智能电网通过技术创新实现自我感知，不但极大地拓展了认知的深度和广度，而且还使人的身体在一定程度上获得了解放。
第二代智能电网通过技术创新实现自我行为，将会极大地减轻人的劳动强度，甚至取代了劳动者在电网运行过程中仅有的操作、监督和控制工作，使人得以在很大程度上从体力劳动中解放出来。
第三代智能电网通过技术创新实现自我思维，“电脑”开始代替“人脑”控制电网运行，机器人劳动取代人的劳动，使人的活动逐渐从电网运行中淡出，这将使人的思维劳动强度得以极大的减轻。
以智能电网建设为标志的技术创新为电力产业提升运行管理水平，开发新产品和服务，以及延伸整个产业链奠定了坚实的技术基础。随着技术手段的革新与经营管理模式的转变，电力产业尤其是电网企业的供给可能性边界将极大扩展，不仅能够满足目前存在的潜在需求，而且还能在未来引领和创造新的需求，在供需双方良性互动的作用下，电力产业将不断优化升级，产业整体影响力和竞争力都会获得显著的提升。
5 结 语
智能电网分代是一个全新的课题，但是分代研究在计算机等其他领域并不鲜见，对这些领域进行分代的目的是通过研究“上一代是什么”来推测“下一代是什么”，因此有必要通过分代研究来预测和引导智能电网的发展方向。与其他领域分代研究更注重“回头看”的方法不同，智能电网尚未大规模应用，分代更注重“向前看”，正是人类智能与人工智能的发展规律，奠定了我们“向前看”的基础。未来，伴随智能电网的深入推进，实践应用总结出的成果和经验，将有助于深化对智能电网本质的认识，理论的可行性与实践的迫切要求，也必将对智能电网分代研究起到促进作用。
参 考 文 献
[1] US Department of Energy. Grid 2030： A national vision for electricity's second 100 years[R].USA： US Department of Energy Initiative， 2003.
[2] European Commission. European technology platform smartgrids： vision and strategy for Europe's electricity networks of the future[EB/OL]. [2012-09-20]. http：//ec.europa.eu/research/energy/pdf/smartgrids_en.pdf.
[3] FARHANGI Hassan. The path of the smart grid [J]. IEEE Power and Energy Magazine， 2010， 8（1）： 18-28.
[4] CARVALLO Andres， COOPER John. The advanced smart grid： edge power driving sustainability [M]. Boston： Artech House Publishers， 2011.
[5] IBM论坛2009. 点亮智慧的地球[EB/OL]. [2012-09-25]. http：///cn/forum2009/wisdom.shtml.
篇12
一、研究背景
HPS教育作为西方20世纪80年代盛行的理论，引入中国已有20余年。作为极其受欢迎的教育理念，凭借着自身优势在中国教育课程改革中占据了一席之地，也为中国科学教育提供了新思路。
(一)HPS的概念界定
HPS的提出源自科学内部对科学反思和科学外部人员对科学本质认识的思考。最初，HPS指的是科学史(HistoryofScience)和科学哲学(PhilosophyofScience)两大学科领域，但在20世纪90年代科学建构论流行后，科学社会学与科学知识社会学被引入科学教育，HPS逐渐演化成科学史(HistoryofScience)、科学哲学(PhilosophyofScience)和科学社会学(SociologyofScience)三者的统称［1］:科学史即研究科学(包括自然科学和社会科学)和科学知识的历史;科学哲学则是对科学本性的理性分析，以及对科学概念、科学话语的哲学思辨，比如科学这把“双刃剑”对人类社会的影响;科学社会学则讨论科学处在社会大系统中，社会种种因素在科学发展过程中的地位和作用，这包括了政治、经济、文化、技术、信仰等因素［2］。在国外，德国科学家和史学家马赫最早提倡HPS教育，突出强调哲学与历史应用至科学教学中的作用。我国HPS相关研究开始晚且研究规模较小，首都师范大学的丁邦平教授认为HPS融入科学课程与教学是培养学生理解科学本质的一个重要途径［3］。
(二)HPS教育理念融入小学科学课程的必要性
运用科学史、科学哲学等进行教学是目前国际上小学科学教育改革的一种新趋势。2017年，教育部颁布的《义务教育小学科学课程标准》标志着我国科学教育步入了新阶段，其不仅要求达成科学知识、科学探究的相应目标，也要养成相应的科学态度，思考科学、技术、社会与环境的融洽相处。该标准提出了“初步了解在科学技术的研究与应用中，需要考虑伦理和道德的价值取向，提倡热爱自然、珍爱生命，提高保护环境意识和社会责任感”。HPS教育与小学科学课程的结合是教学内容由知识到能力再到素养的过程，是小学科学教育的新维度，改变了小学科学课程的教学环境。将科学课程中融入HPS教育的内容，可以帮助学生理解科学本质，研究科学知识是如何产生的，科学对社会的多方面影响以及科学和科学方法的优、缺点等。当《小学课程标准》将科学态度和价值观视为科学教育的有机组成部分时，小学科学课程就有望成为HPS教育的天然载体，同时为小学科学课程渗透HPS教育提出了挑战。目前，我国小学科学课程虽已有部分设计融入了HPS教育理念，但该融入过程仍停留在表面，融入程度低，融入方式单一。所以，研究HPS教育理念融入小学科学课程十分有必要。
(三)HPS教育理念融入小学科学课程的可行性
纵观国内外已有的研究，将HPS教育融入小学科学课程可分为基于传统课堂模式的正式教育课程和基于科技馆、研学机构等的非正式教育课程。由皖新传媒、中国科学技术大学先进技术研究院新媒体研究院、中国科学技术大学出版社三方通力合作、联合打造的《人工智能读本》系列丛书自出版以来已发行八万套，在安徽省多个市区的小学得以应用，是青少年人工智能教育上的一次全新探索。该套丛书分三年级至六年级共四套，涵盖了16个人工智能前沿研究领域知识点，每一节课都设有场景引入、读一读、看一看、试一试4个模块。小学《人工智能读本》作为阐述新兴科技的读本，以亲切的场景对话和可爱幽默的插画等形式吸引了众多小学生的兴趣，不仅可作为学校科学课读本，也可以应用于课外场景。本文则以小学《人工智能读本》为例，对HPS教育进行初步摸索与实践，以期对小学科学教育带来教益。
二、HPS教育理念融入小学科学的典型案例
《人工智能读本》作为HPS教育理念融入小学科学实践的典型案例，侧重引导学生多维度、科学辩证地认识人工智能，内容包括机器学习、决策职能和类脑智能，以及人工智能的不同发展阶段，带领学生思考人工智能带来的伦理问题以及其他挑战，培养学生正确的世界观、人生观和价值观。本研究将以《人工智能读本》六年级第四单元“人工智能伦理与其他挑战”为例，分析HPS教育理念融入小学科学的实践。
(一)科学史:提升课程趣味性
小学科学教育作为培养具有科学素养公众的重要步骤，提升过程的趣味性则十分重要。过去传统的小学科学教育注重知识的传递而忽略了学习过程，填鸭式教学导致学生失去对科学的兴趣与探索欲，不利于公民科学素养的整体提高。而科学史作为研究科学(包括自然科学和社会科学)和科学知识的历史，已经逐渐渗透到科学教育中来。科学史常常介绍科学家的事迹，某一知识诞生所面临的困难和曲折过程，而将科学史融入课程可以带学生重回知识诞生的时刻，切身体会科学。读本作为在小学科学教育中不可或缺的工具，利用科学史内容，以叙事方式可以将科学哲学与科学社会学的思想融入教学过程中，在读本中融入历史，可以提升课程趣味性，帮助学生更加容易探求科学本质，感受科学家不懈努力、敢于质疑的精神，提升科学素养。例如《人工智能读本》六年级第四单元“人工智能伦理与其他挑战”引入部分即以时间顺序展开，介绍人工智能的发展与面临的困境。在“看一看”中机器人索菲亚是否可以结婚的故事不仅为本章节提供了丰富的内容，提升了课程的趣味性，而且还融入了科学与哲学，引发读者对于人工智能的思考。
(二)科学社会学:提升课程社会性
科学社会学是研究一切科学与社会之间的联系与影响，包含科学对社会的影响和社会对科学的影响。科学是一种社会活动，同时也受到政治、经济、文化等多方面影响，比如蒸汽机的诞生表明科学促进社会的发展。在科学教育的课堂中融入科学社会学不仅可以帮助学生理解科学问题，还可以通过介绍科学与社会之间的复杂关系，培养学生灵活、批判看待科学问题的思维能力。如六年级第四单元“人工智能伦理与其他挑战”中，在介绍个人与技术的基础上引入了政府和环境这两个要素，使学生在更宏观的背景下，获得这样一种认知:环境与技术之间有一把“双刃剑”，个人与技术、政府与技术之间是相互促进的主客体关系。《人工智能读本》并不全是说教性质的文字，在“试一试”中的辩论赛环节让同学通过亲身实践，更加了解人工智能对于社会的多方面影响。通过对于科技是一把“双刃剑”这一事实的了解，同学们可以更好地将学习知识与社会的背景联系在一起，深刻体会科学中的人文素养，增强社会责任感。
(三)科学哲学:提升课程思辨性
以往研究发现，国内学科教材中关于科学史和科学社会学内容较多而且呈显性，而对于科学哲学的融入内容不够，且不鲜明。［3］科学哲学融入科学教育无疑可以提升学生的思辨性，帮助学生建立起对于科学正确而全面的认识。例如，《人工智能读本》六年级第四单元“人工智能伦理与其他挑战”中，引入人工智能伦理，通过介绍人工智能面对的挑战、人工智能的具体应对策略，让小学生了解人工智能技术发展的同时也要重视可能引发的法律和伦理道德问题，明白人与人工智能之间的关系以及处理这些关系的准则。通过“读一读”先让学生明白伦理概念，再用一幅画让学生思考在算法的发展下，人类与机器人的关系如何定义，向学生传递树立人类与人工智能和谐共生的技术伦理观。通过这种方式，可以帮助学生逐步建立完整的科学观，全面且思辨地看待科学，提升学生思辨性，进而提升科学素养。
三、HPS教育理念融入小学科学课程的实践建议
《人工智能读本》作为一套理论与实践相结合，具有知识性与趣味性的儿童科普读物，着重引导小学生培养科学创新意识，提升人工智能素养，产生求知探索欲望。但《人工智能读本》作为HPS融入小学科学课程的初始，仍存在教育资源不充分、内容结合较浅等不足，为了将HPS教育更好融入小学科学课程，可从以下三方面加以改进。
(一)开发HPS教育资源
HPS教育需要教育资源的支撑。HPS教育资源来源广泛，无论是学生的现实生活，还是历史资料，都可以提供契机和灵感。《人工智能读本》中收集了大量与人工智能相关的故事和现实案例，都可以作为教育资源，从各个角度达到科普的目的。在新媒体时代，进行HPS教育资源开发时，应当注意借助最新的信息与通信技术增强资源的互动性，如互动多媒体技术、虚拟现实技术、增强现实技术、科学可视化技术等。在传统的科学课堂教学中，主要是通过图片文字讲解，实验演示及互动来开展。这种形式对于现实中能接触到的实验内容，如常见的动植物、可操作的物理化学实验等，比较容易开展。而对于地球与宇宙科学领域的知识，或者一些已经不存在的动植物，则只能通过图片视频进行展示，不容易进行实验展示。通过虚拟现实技术、增强现实技术等，则可以虚拟出世界万物，如不易操作的物理化学实验、已消失的动植物等都可以通过虚拟现实的手段得以呈现。这些技术或能使教学内容变得生动形象，或通过营造沉浸感以使学生有更佳的情境体验，或让学生与教学资源进行交互从而自定义内容，服务于学生科学素养提升的终极目的。
(二)对小学科学教师进行培训
HPS教育的关键是从社会、历史、哲学等角度对自然科学内容进行重新编排，并不是将大量的内容或学科知识简单相加，这对教师能力也提出了更高要求。目前，人工智能教学领域常常出现“学生不会学、老师不会教”的状况，《人工智能读本》作为内容翔实有趣的读本可以弥补一部分缺失。但与此同时，也需要提升教师的教学能力与知识储备。HPS教育理念不仅仅针对历史中的科学人物，所有的学生主体也是历史中的主体，他们也身处于社会中，并且对于生活中的各种科学现象有着自己的思考。所以教师身为引导者，需要注意到学生的思考，深入挖掘，鼓励他们对所思内容进行反思并付诸实践。科学史和科学哲学应当成为科学教师教育项目中的一部分，这能让科学教师更好地理解他们的社会责任。为此，对职业科学教师进行HPS培训便是必要的。
(三)多场景开展小学科学教育
科学素养不是空洞的，它来自学生的认识体验，并从中获得生动、具体的理解和收获。《人工智能读本》作为方便携带的读本，不仅可以在小学科学课堂中作为教材使用，也可以应用在其他场景，如研学旅行、科技馆等场所。课堂学习只是小学科学教育中的一个环节，家庭、科技馆等也可以进行科学教育。例如，科技馆与博物馆可以以科学家和历史科学仪器为主题举办展览，展览中融入HPS教育理念，学生在参观和学习过程中学习有关科学内容。一些历史上大型的科学实验，学校教室或实验室无法满足条件，但在大型的场馆中可以实现。例如，研学旅行作为目前科学教育中最受欢迎的方式之一，已被纳入学校教育教学计划，列为中小学生的“必修课”，正逐渐成为学生获得科学知识的另一个途径。研学旅行作为一种集知识性、教育性、趣味性和娱乐性为一体的旅游形式，通常伴随着知识教育的过程，包括科学知识的普及，所以也是开展小学科学教育的重要场所。在该场景下，运用《人工智能读本》等新兴手段进行科学教育往往取得事半功倍的效果。
结语
目前，HPS教育理念已经积极尝试运用到小学科学教育中，包括学校内的正式学习以及学校外如科技馆、博物馆、研学旅游中的非正式学习之中。其中，科技史以时间维度为线索创造丰富资源的同时也可以提升课程趣味性;科学社会学以科学与社会之间的相互关系帮助学生理解科学本质，提升科学素养;科学哲学则以哲学的视域审视科学的诞生提升学生思辨能力。未来，HPS教育结合小学科学则需要更深入，在资源开发、教师培训以及应用场景等方面加以改进，为提升国民科学素养做出努力。
参考文献:
［1］袁维新．国外科学史融入科学课程的研究综述［J］．比较教育研究，2005，26(10):62-67．
［2］张晶．HPS(科学史，科学哲学与科学社会学):一种新的科学教育范式［J］．自然辩证法研究，2008，24(9):83-87．
篇13
将德勤财务机器人、用友财务机器人等人工智能在会计领域的应用状况进行分析，可以看到人工智能在会计领域的应用有以下特点。（1）大量规则化应用领域被人工智能取代。原始凭证审核，依托于电子票据二维码应用，票据关键信息（如发票抬头、税号、发票内容、金额等）被人工智能识别并依照规则进行判断；根据原始凭证相关信息依照借、贷规则选择相应会计科目编制会计凭证，也是人工智能依照既定规则完成；根据记账凭证完成记账和报表编制，在会计电算化时代即已完成，对于人工智能而言，则更是“小儿科”，仅需要依照既定规则将数据库文件以视图形式呈现。可以看到，从原始凭证审核、记账凭证编制再到账簿形成、报表形成，会计明晰的规则为人工智能应用提供了切合的舞台，而有明确规则的领域是人工智能能够凸显其计算能力的优势领域。由此可见，以规则为基础的会计核算应用领域能够被人工智能“完美”替代。这也是德勤机器人、用友财务机器人等人工智能最先得以应用的领域。（2）经验化应用领域将被人工智能取代。人工智能以超强的自我学习能力著称，能够通过大数据获取认知上的进步，可以从大量的图片中学习识别猫，也可以从大量的棋谱中学习对弈。会计、医生曾经被认为“越老越值钱”，即是基于经验的价值增加，在工作中不断学习积累经验，能够借助经验处理非常规、复杂的情形。通过学习积累经验获得认知进步，已经成为人工智能擅长的领域。在大数据的基础上，人工智能可以通过案例学习获得“经验”，并且由于存储记忆能力的显著优势超过会计、医生的经验。因此，经验化应用领域将被人工智能取代。（3）人工智能应用推广速度受到成本的影响。2017年德勤财务机器人推出，随后用友财务机器人、浪潮财务机器人也相继面世，一年时间之后这些财务机器人并没有大量应用，其原因既有技术成熟度方面的原因，也有成本方面的原因。财务机器人的应用成本，不仅包括购买财务机器人的价格，还包括企业转换成本。在ERP、财务共享中心等信息化建设之后，信息系统建设的投入大、实施风险高的特征使得企业对于系统切换心存顾虑，使用财务机器人是否又将成为投入高、见效慢的项目，成为企业应用财务机器人不得不考虑的问题。也正是由于受到应用成本的影响，财务机器人在2017年推出之后只是引起了观念、认知上的“地震”，广泛的应用并未看见。
2“基础会计”课程核心
从目前国内高校会计专业、财务管理专业所开设“基础会计”（会计学）课程的情况来看，该课程仍然作为专业基础课开设，其核心内容一般包括：（1）会计核算基本方法，涉及会计要素、会计等式、复式记账、凭证、账簿、财务报告等内容。通过这些内容的学习，学生将掌握借贷记账、凭证编制、账簿登记、财务报告编制等基本方法，掌握会计核算的基本规则，理解会计的基本逻辑与方法。（2）会计核算基本操作，涉及凭证填写与审核、账簿登记、财务报表编制等内容。在会计基本方法学习的基础上，学生将通过实验等方式，掌握凭证填写与审核的规范、账簿登记的规范、财务报表编制规范等操作环节的要求，通过实践体会从凭证填制与审核、账簿登记、财务报表编制的规则与过程，并完成从理论到实践的转换。（3）会计视角的形成。在对会计要素、复式记账的理解中，学生将完成对经济活动的会计视角理解。例如，企业完成销售活动，从经济活动的范畴理解，更多强调客户关系管理、合同签订、履行合同等节点，而从会计视角理解，则更强调伴随销售活动产生的资金流和成本化物流，即在收入形成的同时，根据资金支付的状况选择银行存款、或者应收账款、或者应收票据、或者预收账款进行核算，同时在物流发生后结转相应成本。将经济活动的会计本质进行识别，培养和形成会计视角成为“基础会计”课程的关键内容。也正是因为这个原因，“基础会计”成为会计入门课程。
3人工智能对“基础会计”课程的挑战
（1）规则化应用将被人工智能取代，但修订完善规则为会计人员留出了空间。人工智能因其超强的运算能力，能够在既定规则的指挥下“毫无怨言”地处理原始凭证审核、记账凭证编制、账簿登记、报表编制等工作，并且处理效率更高。单纯地规则化应用，会计人员与人工智能相比，完全不具有优势。仅仅只有在人工智能技术应用的成本还相比人工成本更好的前提下，原始凭证审核、记账凭证编制、账簿登记、编表编制工作仍由会计人员完成。当人工智能技术应用成本得以降低，采用人工智能技术相比雇佣会计人员成本更低，会计人员无疑将面临被人工智能所取代。这也是业界认为人工智能带来会计“地震”的重要原因。虽然2017年会计人工智能出现后并没有马上带来会计人员下岗潮，但这一时刻不会太远，一旦人工智能应用成本得以降低，在人工成本逐渐上升的现实状况下，处理原始凭证审核、记账凭证编制、账簿登记、编表编制的纯规则化会计岗位将被人工智能取代。与此同时，我们必须意识到，人工智能以规则为基础完成会计活动，那么谁来定义规则？战胜棋圣的人工智能以围棋规则为基础开展对弈，无人驾驶以道路交通规则为基础完成驾驶，财务机器人在完成会计活动时同样基于既定的规则。从国家层面看，“会计准则”处于不断的修订完善过程中，新的经济形式不断出现，会计准则往往紧随着新经济活动而修订完善。一旦会计准则变更，意味着完成会计活动的人工智能所依据的规则也需要变更。因此，规则变更与修订为会计人员留出了空间。“人工制定规则，人工智能完成规则”可能成为未来会计活动的新形式！会计人员制定规则，是否需要从了解基本规则入手呢？答案无疑是肯定的。作为制定规则的会计人员，不可能完全不了解基本的借贷规则、基本的账务处理规则，就开始着手调整规则。基于此，了解和掌握基本会计规则应当成为会计人员的必须，通过“基础会计”课程促使会计人员了解和掌握会计基本规则也成为必要选择。但人工智能应用会计规则的优势，促使会计人员在学习掌握基本会计规则时必须思考，学习基本会计规则的目的是应用还是修订完善？如果仅仅将学习会计规则的目的定位于应用，这样的会计人员只能定义为初级会计人员，一旦其人力成本高于人工智能技术应用成本，这种岗位人员无疑是会惨遭淘汰。因此人工智能的出现逼迫会计人员将学习会计规则的目的定位于修订会计规则的高端人才，只有在基础规则之上，跳出规则制定规则，才可能在人工智能应用的大趋势下赢得一席之地。（2）经验积累将被人工智能取代，但经验规则化为会计人员留出了空间。会计人员的经验积累建立在大量案例处理的基础上，在复杂经济业务处理过程中形成隐性知识，如果这些隐性知识不能显性化、不能总结提升为规则，这些隐性知识只能藏于人员的头脑里，导致似乎“越老越值钱”。人工智能具有大数据处理能力，在大数据基础上形成“经验”从而自我学习，并且其总结的经验将以“代码化”的形式显性体现，相比会计人员而言，经验形成的能力更强、经验显性化的能力也更强。但从经验到规则，人工智能还不能直接将积累的经验形成规则，规则的形成还需要人工干预。因此，会计人员的经验积累可以被人工智能取代，但经验规则化为会计人员留出了空间。面临人工智能应用，会计人员“越老越值钱”的优势将不复存在，会计人员的价值不再建立在工作经验的基础上，而是建立在经验知识化、并进一步规则化的基础上。会计人员要完成经验规则化过程，也需要对基本规则熟悉了解、并对经验是否作用于规则修订进行判断的基础上，因此对于基本规则的了解和掌握也是必不可少的。尽管“基础会计”课程仅仅是会计入门知识的介绍，不能形成会计处理经验，在经验积累方面不存在是否课程内容是否被人工智能取代的问题，但由于会计人员需要将经验规则化，需要熟悉了解基本规则，并对经验是否推动规则变化做出判断，因此通过“基础会计”课程学习了解基本规则仍然是必要的。（3）会计视角的形成仍需通过“基础会计”课程培养。人工智能完成了从原始凭证审核到记账凭证编制、再到账簿登记、报表编制的任务，使用人工智能完成这些任务得到的是凭证、账簿、报表这些结果的呈现，对于这些结果、这些信息究竟对于会计人员意味着什么，会计人员通过这些信息怎样从会计的视角去理解经济业务，人工智能并未给出答案。而“基础会计”课程则是从经济业务到会计业务的桥梁和纽带，通过“基础会计”课程的学习，会计要素、会计科目等内容成为将经济语言转换为会计语言的工具，会计视角得以培养形成。因此，从会计视角培育需要来看，“基础会计”课程仍然是有必要开设的。
4“基础会计”应对人工智能应用的适应性调整
概括起来看，面对人工智能应用的大趋势，“基础会计”课程仍有必要开设，但应对这一趋势，需要从课程目标、课程内容上进行适应性调整。具体包括：（1）“基础会计”课程目标需要定位于会计基本规则体系建立而非操作能力。由于人工智能能够以高效率的优势完成规则应用，因此“基础会计”课程目标不能再强调凭证编制、账簿登记、报表编制等应用能力，应该将“基础会计”的课程目标定位于促使学生构建会计规则体系，培育经济业务的会计视角。学生学习“基础会计”的目的不再是掌握原始凭证审核、记账凭证编制、账簿登记、报表编制操作，而是建立会计规则体系，掌握会计语言实现从会计角度理解经济业务。（2）“基础会计”课程内容需要强化会计要素、会计等式、借贷记账等基本规则体系内容，弱化凭证、账簿等操作性内容。根据前面的分析可见，“基础会计”作为基本规则介绍的入门课程，学生需要通过该门课程的学习，掌握会计基本规则，并在此基础上逐步培养提升规则制定的能力。以往课程中，通过实验、实训提高学生填写凭证、登记账簿的操作能力，但这些操作未来将被人工智能高效替代。在人工智能在会计规则化应用领域形成趋势的当前，操作能力培养这部分内容需要弱化，而对于会计规则体系的理解、会计视角的培养应当强化。（3）“基础会计”课程内容中需要适当增加有关大数据、人工智能方面的内容，介绍大数据、人工智能在会计领域的应用趋势，以帮助学生了解会计在信息时代、人工智能时代可能发生的变革，提前应对可能发生的变化。会计不能脱离社会经济生活而存在，人工智能时代已经对会计提出了变革要求，应对这一要求，“基础会计”应当不回避，主动做出调整和适应。例如，对于会计总论的阐述中，介绍会计的发展趋势，不能还停留将会计电算化作为发展前沿，电算化阶段已经成为过去，大数据、人工智能才是未来的发展前沿；在会计的发展阶段中，古代会计阶段、现代会计阶段、电算化会计阶段的划分也值得商榷，复式记账、计算机的出现作为阶段划分的关键节点，但在2017年人工智能推出后，是否在电算化会计阶段之后已经需要重新再切分出人工智能会计应用阶段，值得学术界探讨。
5结语
财务机器人诞生后会计岗位可能面临失业潮，“基础会计”课程似乎也已经没有必要开设。通过分析人工智能的特质、“基础会计”课程的核心，指出在人工智能应用趋势到来的当前，规则化应用将被人工智能取代，但修订完善规则为会计人员留出了空间；经验积累将被人工智能取代，但经验规则化为会计人员留出了空间；会计视角的形成仍需通过“基础会计”课程培养。因此“基础会计”课程仍然有必要开设，其课程目标需要定位于会计基本规则体系建立而非操作能力，其课程内容需要强化会计要素、会计等式、借贷记账等基本规则体系内容，弱化凭证、账簿等操作性内容，同时课程内容中需要适当增加有关大数据、人工智能方面的内容。
主要参考文献
［1］陈婷蔚．人工智能在会计领域的应用探析———以德勤财务机器人为例［J］．商业会计，2018，5（10）：77－78．
［2］王加灿，苏阳．人工智能与会计模式变革［J］．财会通讯，2017（22）：41－43．
［3］任世赢．人工智能技术对会计行业的影响及对策［J］．北方经贸，2018（1）：96－97．
