引论：我们为您整理了13篇人工智能学科导论范文，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
1人工智能导论课程特点
人工智能导论是人工智能领域的引导性课程，介绍人工智能的基本理论、方法和技术，目的是使学生了解和掌握人工智能的基本概念和方法，为进一步学习奠定基础。人工智能是计算机科学与技术学科一门重要的基础课程，需要相关课程作支撑。离散数学、概率论与数理统计等课程是其数学基础，数据结构、程序设计基础、算法分析与设计等课程则为人工智能中知识表示、逻辑推理和问题求解提供了设计与实现手段。与其他软件课程相比，人工智能课程有鲜明的特点，主要表现在思想方法上强调启发性、算法上强调不确定性。同时，由于人工智能是一个新思想和新技术层出不穷的开拓性领域，因此其对学生的训练是鼓励创新的，具有其他课程不可替代的作用。
人工智能导论是计算机相关专业的必修课，在许多信息类相关的本科教学中也有开设，一般开设在第六或者第七学期。我国目前本科教育的定位是专才教育，培养某方面的专业人才。完成公共基础课程和部分专业基础课程的学习之后，本科高年级学生应该了解本专业的应用领域和发展前景，因此在教学过程中要注意内容的专业性和应用性。由于本科阶段学生缺乏科研意识，初步的科研训练设置在第八学期，即所有课程学习完毕之后的毕业设计，而人工智能课程强调科研性，因此教学难度较大，由此带来的最直接后果就是学生学习兴趣不高。同时，对有志于读研的学生而言，本科阶段的学业也是研究生教育的起点，在教学过程中要适时的进行科研引导，提升学生对科学研究的兴趣，为研究生阶段打下基础。可见，圆满完成人工智能导论课程这一教学任务是重要且极具挑战性的。
2教学内容安排
人工智能的研究和应用领域非常广泛，包括问题求解、机器学习、自然语言理解、专家系统、模式识别、计算机视觉、机器人学、搏弈、计算智能、人工生命自动定理证明、自动程序设计、智能控制、智能检索、智能调度与指挥、智能决策支持系统、人工神经网络、数据挖掘和知识发现等。人工智能导论旨在为这些具体领域的研究提供引导和基础保障。
人工智能导论课程涵盖内容较多，因此需要明确“精讲”和“泛讲”的内容，以使教师和学生在教学活动中都有所侧重。当然，首先应和学生说明，泛讲并不代表内容不重要，只是由于课程性质和课时的关系，暂时不作深入探讨。日后如有需要，可在此基础上进一步学习和研究。结合当前人工智能学科的发展状况，根据教学大纲和作者的教学经验，对人工智能导论课程教学内容的精讲和泛讲安排如表1所示。
3提升学生学习兴趣的教学方法
3.1穿插背景故事
为激发学习积极性，针对学生喜欢听奇闻轶事、想象力丰富的心理特点，通过讲述一些与教学内容有关的故事或者趣事来吸引其注意力，辅助思维并丰富联想，使学生在愉悦中完成学习[2]。下面列举几个我们在课程教学中用到的背景故事，通过这些故事，不但传授了知识，也活跃了课堂气氛。
1) 人类智能的计算机模拟与人机大战。
讲授人类智能的计算机模拟时，可以给学生简述一下IBM公司的超级电脑和国际象棋世界冠军卡斯帕罗夫之间的人机大战，以促进学生对人类智能和人工智能的进一步思考。北京时间1997年5月12日凌晨4点50分，在美国纽约公平大厦，当IBM公司的“深蓝”超级电脑将棋盘上的一个兵走到C4的位置上时，国际象棋世界冠军卡斯帕罗夫对“深蓝”的人机大战落下帷幕，“深蓝” 以3.5U2.5的总比分战胜卡斯帕罗夫。2003年1月26日至2月7日，卡斯帕罗夫与深蓝的升级版“小深”又进行了一场人机大战，先后进行了6局比赛，最终卡斯帕罗夫以1胜1负4平的结果和“小深”握手言和。这也表明了人工智能和人类智能之间的较量还将持续下去。
2) 问题规约法与老和尚说教。
问题规约法是从要解决的问题出发逆向推理，建立子问题以及子问题的子问题，直到最后把初始问题归约为一个本原问题集合。本原问题指不能再分解或变换且直接可解的子问题。可见，问题规约的本质是递归的思想。此时，可以给学生简述我们小时候就听说过的老和尚说教的故事，即“从前有座山，山上有座庙，庙里有个老和尚，老和尚对小和尚说，从前有座山……”。
3) 模糊理论与秃头悖论。
模糊推理是一种重要的不确定性推理方式，是指基于模糊理论进行的推理。讲授模糊理论时，可以先讲一下秃头悖论让学生讨论。一个人有10万根头发，肯定不能算秃头，不是秃头的人，掉了一头发，仍然不是秃头，按照这个道理，让一个不是秃头的人一根一根地减少头发，就得出一条结论，即没有一根头发的光头也不是秃头！秃头悖论的出现源于在严格的逻辑推理中使用了“秃头”这一模糊概念，因此需要以模糊逻辑代替传统的二值逻辑解决该问题。
3.2课堂辩论和多媒体教学
人工智能从其诞生之日起就充满争议，各种学派的争论使得人工智能的发展更趋完善，加快了其纵深发展。目前，人工智能的争论主要有两方面，即研究方法的争论和技术路线的争论。前者争论的主要问题有人工智能是否得模拟人的智能；对结构模拟和行为模拟是否可以分离研究；对感知、思维和行为是否可分离研究；对认知与学习以及逻辑思维和形象思维等问题是否可以分离研究；是否有必要建立人工智能的统一理论体系。后者争论的主要问题是沿着什么样的技术路线和策略来发展人工智能。
在课堂教学中，可以充分利用人工智能中存在的争论较多这一特点，针对相关议题组织课堂辩论，如可用议题“机器的反叛――机器的智能会超越人类吗？”。让学生在图书馆或者从网上查阅相关资料，明确自己的论点并准备证据材料，并在课堂上进行辩论。这类辩论无所谓输赢，旨在通过这种活动，增进学生思考[3]。教学中，还可以充分利用多媒体教学的特点，如让学生观摩电影《终结者》系列、《人工智能》、《黑客帝国》等，增强学生对人工智能的直观感受，提高课堂教学效果[4]。
3.3应用实例分析
普遍而言，本科学生对单纯的理论讲解不太感兴趣，因此在教学过程中，适当增加一些实验和设计，提高学生分析问题的能力和实际动手能力。比如，讲解知识的产生式表示法时，给出产生式的概念和基本表示形式之后，可以通过“野人与传教士过河”问题来说明产生式表示法的具体应用过程；讲解计算智能的进化计算部分时，给出进化算法的几种具体形式和算法流程之后，可以通过中国旅行商问题(CTSP)来说明算法求解问题的过程。教师在教学过程中，可以根据需要，选择一些合适的应用实例进行分析。通过这些实例，既能加深学生对知识的理解，又能增加学习的兴趣。下面给出两个实例的简单描述。
1) 产生式表示法求解“野人与传教士过河”问题。
问题：传教士和野人各N人过河，现只有一条船，传教士和野人都会划船，船一次只能载k人，船上野人多于传教士时野人就会吃掉传教士，问如何安全过河？(不失一般性，以N=3，k=2为例求解)。
求解简述：设综合数据库中状态用三元组(m, c, b)表示，其中m、c、b分别表示传教士、野人和船的数目，则有：
0≤m, c≤3, b ∈{0, 1}
以左岸为参照点，则初始状态和目标状态分别为(3，3，1)和(0，0，0)。据此，可以给出一条产生式规则如下：
IF (m, c, 1) THEN (m-1, c, 0)
以此类推，把所有可行的规则都求出之后，就可按照规则集和控制策略得到问题的解。
2) 遗传算法求解31个城市的CTSP问题[5]。
问题：给定有限个城市的集合C={c1,c2, …,cm}及每两个城市之间的距离矩阵D＝[dij]m×m，其中m∈N，dij=d(ci, cj)∈Z+，ci、 cj∈C，1≤i、j≤m，求出满足的城市序列cπ(1)、cπ(2)、…、cπ(m)，其中π(1)，π(2)，…，π(m)是1、2、…、m的一个全排列。我们以CTSP问题为例，即求解中国31个城市之间最短巡回路线的问题。
求解简述：路径表示直接使用城市在路径中的相对位置，如有编号分别为1、2、3、4、5的5个城市的一条路径4－1－2－5－3，用路径表示方法直接可写为(4 1 2 5 3)。适应度函数值用路径的实际长度表示。交叉算子采用次序杂交，即选择父体的两杂交点，交换相应的段，其它城市则保持在父体中的相应次序。变异算子采用倒位算子，即随机选择两个位置，然后将它们之间的城市反序。通过运用遗传算法求解，可得最优解为15 404 km，对应的巡回路线为“北京―呼和浩特―太原―石家庄―郑州―西安―银川―兰州―西宁―乌鲁木齐―拉萨―成都―昆明―贵阳―南宁―海口―广州―长沙―武汉―南昌―福州―台北―杭州―上海―南京―合肥―济南―天津―沈阳―长春―哈尔滨―北京”。实例讲解完成后，可要求学生采用相同或者不同的方案自己去实现一下问题的求解过程。
4结语
人工智能是计算机科学与技术专业的一门核心课程，同时也是一门交叉学科，涉及面广，理论性强，教学难度较大，学生的学习兴趣有待提高。本文作者根据自己在人工智能导论课程中的教学实践和课程特点，明确了教学中的精讲内容和泛讲内容，总结了三种提高学生学习兴趣的教学方法，并给出相应的实例说明，旨在为本门课程的教师提供教学参考。
参考文献：
[1] 蔡自兴,徐光v. 人工智能及其应用(本科生用书)[M]. 北京:清华大学出版社,2003:288-296.
[2] 薛占熬,齐歌,杜浩翠,等. 离散数学的课堂导入法研究[J]. 计算机教育,2010(8):95-99.
[3] 徐新黎,王万良,杨旭华. “人工智能导论”课程的教学与实践改革探索[J]. 计算机教育,2009(11):129-132.
[4] 李春贵,王萌,何春华. 基于案例教学的“人工智能”教学的实践与探索[J]. 计算机教育,2008(9):53-54.
[5] 杨利英,覃征,贺升平,等. 改进的演化近似算法求解TSP问题[J]. 微电子学与计算机,2004,21(6):126-128.
Teaching Methods for Promoting Learning Interests in Introduction to Artificial Intelligence
YANG Liying
(School of Computer Science, Xidian University, Xi’An 710071, China)
