引論：我們為您整理了13篇人工智能研究綜述范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。

篇1

人工智能用于異常數據檢測的方法很多，傳統的如基于統計（statistical-based）的方法、基于距離（distance-based）的方法 [1]、基于密度（density-based）的方法[2]，基于聚類的方法[3]等。但這么傳統的異常數據檢測方法仍然存在著一些缺陷與不足。基于統計的數據檢測方法要求預先知道被檢測數據的分布情況，基于距離的方法中距離函數與參數的選擇存在較大的困難，基于密度的數據檢測方法方法時間復雜度較高，這些問題極大地限制了異常數據挖掘算法在現實中的應用。本文重點論述人工智能方法用于異常數據挖掘的發展史，分析和比較各自的優缺點。

2 常用于異常數據挖掘的幾種人工智能方法的分析

2.1 神經網絡方法

神經網絡模型主要由三層結構組成，主要包括輸入層、隱含層和輸出層。第一層為輸入層，輸入層的節點代表多個預測變量，輸出層的節點代表多個目標變量，位于輸入層和輸出層之間的是隱含層，神經網絡模型的復雜度取決于隱含層的層數和節點數。每一層的節點都允許有多個。神經網絡模型主要用于解決回歸和分類兩類問題，其結構圖如下圖所示。

從上圖可得，節點X1，X2，X3作為神經元的輸入，代表多個預測變量，它可以是來自神經網絡的信息，也可以是另一個神經元的輸出；W1，W2，……，Wn是神經元的權值，表示各個神經元的連接強度。通過神經網絡模型的結構圖可知，該方法的實現過程：首先將每個訓練樣本的各屬性取值同時賦給第1層即輸入層；各屬性值再結合各自的權重賦給第2層（隱含層的第1層），第1層隱含層再結合各自的權重輸出又作為下一隱含層的輸入，最后一層的隱含層節點帶權輸出賦給輸出層單元，輸出層最終給出各個訓練樣本的預測輸出。

2.2 蟻群聚類算法

在數據挖掘中，聚類是一個活躍的研究領域，涉及的范圍較廣。許多計算機學者們通過模仿生物行為提出一系列解決問題的新穎方法。螞蟻搜索模式樣本所歸屬的聚類中心的概率計算公式如式（1）。

（1）

其中，α，β為參數，初始聚類中心為隨機選取的k個模式樣本點。τ（i，j）為樣本Xj到聚類中心mj之問的信息素i=1，2， …，n，j=1，2， …，k ；η（i，j）為啟發函數，其表達式如式（2）所示。

（2）

其中，dj為模式樣本Xj到聚類中心mj的歐氏距離為（i=1，2， …，n，j=1，2， …，k）。

螞蟻搜索整個模式樣本空間，形成一個聚類結果后，聚類中心mj各分量的值為該類Cj中模式樣本各屬性的均值，計算公式如（3）。

（3）

2.3 基于知識粒度的異常數據挖掘算法

粒計算是人工智能領域新發展起來的一個研究方向，該方法針對不確定性信息進行處理。它主要包括三種模型，分別是粗糙集模型、模糊集模型與商空間模型。該方法的基本思想是利用不同粒度上的信息進行問題求解。該理論在多個領域得到了廣泛的應用，如數據挖掘、決策支持與分析和機器學習等。知識粒度為異常數據挖掘處理不確定性數據提供一種新的解決方法。基于知識粒度的異常數據挖掘算法，該算法不需要預先知道數據的分布情況，并且采用知識粒度度量各個對象間的距離與異常度時，能有效挖掘出異常數據。

3 各方法的比較

通過以上各種方法的分析，各種方法具有各自的優點以及不足之處。基于聚類的數據挖掘方法側重與于聚類的問題，該問題極大地限制了該算法在實際生活中的應用。神經網絡方法用于數據挖掘，是人工智能中較早應用于數據挖掘領域的方法之一，能夠較好的進行異常數據的挖掘，但是該方法的層數的確定比較困難，同時該方法的時間復雜度比較高；蟻群聚類算法是在聚類算法的基礎上改進推廣而得，能夠達到異常數據檢測的目的，但該算法的收斂速度慢，而且算法存在隨機移動而延長聚類時間。

4 結束語

異常數據挖掘研究是一個有價值的研究問題，近年來引起越來越多的學者關注和研究，從而使得異常數據挖掘算法取得了新的進展，在生態系統分析、公共衛生、氣象預報、金融領域、客戶分類、網絡入侵檢測、藥物研究等方面得到了廣泛的應用。希望本論文中的方法可以給讀者提供更多異常數據挖掘方面的思路，并且能夠很好的將人工智能中的方法運用異常數據挖掘中，克服各種方法不足，讓人們能夠更好的應用。

參考文獻

[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.數據挖掘中聚類方法比較研材[D].濟南：山東師范大學管理學院，2006.

[4]魏海坤，徐嗣鑫，宋文忠.神經網絡的泛華理論和泛化方法[J].自動化學報， 2001，27（6）：806-814.

[5]龐勝利，吳瑰麗.人工神經網絡在大型橋梁健康監測系統中應用研究[J].石家莊鐵道學院學報，2002，15（2）：63-65.

[6]金微. 蟻群聚類算法分析[J].計算機光盤軟件與應用，2011，（13）：199， 202.

[7]陳玉明，吳克壽，孫金華.基于知識粒度的異常數據挖掘算法[J].計算機工程與應用，2012， 48（4）：118-121.

[8]苗奪謙，王國胤，劉清等.粒計算：過去、現在與展望[M].北京：科學出版社， 2007.

篇2

研究生教學應更突出學生的主體地位，注重發揮其學習的主動性和自覺性，為此，課程組結合課程特點，在教學方法進行了如下探索。

2.1加強教學設計

教學設計就是對教學活動進行系統計劃的過程, 是教什么(課程內容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學過程中，每節課授課前，堅持集體備課的原則，由課程組集體討論選定授課內容，補充閱讀文獻，根據授課對象與課程內容特點，確定課堂組織方式，采用的授課方式以研討式教學為主，給合講授、實驗、自學等。

2.2抓好課堂教學環節

教學方法與教學手段是保證課堂教學效果的關鍵。本課程授課對象主要為碩士研究生，他們的接受能力較強，有一定的求知欲。由于學員人數較少，授課方式可靈活組織。教室有完備的多媒體設備，基本的軟件實驗環境，教學過程可采用靈活教學方法、多種教學手段，提高教學效率，保證授課質量。

1) 以研討式為主的教學方式。研究生教學應堅持學術研究為導向，發揮學員在學習過程中的主動性和自覺性。由于研究生學員有一定的學習基礎與自學能力，教員可以在課前給學員布置預習內容，學員通過查閱資料、分析整理進而形成自己的觀點，使在課堂教學中師生互動交流成為可能，改變傳統的教員講，學員聽的灌輸式教學方式。研討式教學也有力于培養學員積極思考、創新思維的習慣與能力。

2) 教學手段的信息化。人工智能原理教學一個突出矛盾是知識點多、內容抽象、理論性強，但學時較少，因此，必須發揮現代教學手段的作用，提高教學效率。為此，課程組對每節課都精心設計了教學課件，課堂教學中以課件為主，輔以板書，充分利用多媒體信息量大、直觀等優點，改善教學效果；引入教學聲像資料，便于學員課下學習；設計演示程序，使部分比較抽象、不易于理解的內容，如子句歸結、搜索策略更形象直觀，易于學習和掌握。

3注重培養學員學術研究能力

學術能力是指專門對某一學問進行系統的哲理或理論研究的能力，它不僅包括思辨的方面，還包括實踐及感性的敏感力等方面。研究生階段學習的一個突出特點是要求學習的主體――研究生必須具備研究的能力[3]。論文寫作是培養、鍛煉、提高研究生的學術能力的重要途徑，在教學實施過程中，要求每個專題學習結束后，都要提交一份格式符合期刊發表要求的總結報告，題目可自行選定，也可由教員指定；內容既可以是人工智能該專題某一算法的實現，也可以是對某一問題的進一步研究，或者是對該專題最新研究進展的綜述。教員重點在以下幾個方面予以指導。

1) 選題準確。要求選題不能過于宏大，應以小題目反映大問題，具有一定的可研究性為宜。

2) 研究內容。研究目標明確，方法恰當，能夠提出自己的見解，所提觀點正確。

3) 論文結構。結構清晰、完整，論述嚴謹，表達規范。

4) 占有文獻豐富。撰寫過程中要有意識培養學員查閱科技文獻的能力，要求查閱反映最新研究成果的權威文獻。

4加強實驗環節教學

人工智能教學在進行各種理論知識講授的同時，還應重視實踐教學，把抽象的知識轉化為形象、直觀的實驗，讓學員真正理解人工智能的概念、本質、研究目標，從而提高學員多角度思維的能力和邏輯推理能力，進一步了解信息技術、計算機技術發展的前沿，培養他們對人工智能研究的興趣，激發對人工智能技術未來的追求。為此，課程組借鑒國內外知名大學人工智能實驗教學經驗，編寫了《人工智能原理實驗指導書》，圍繞問題表示、經典邏輯推理、不確定推理、搜索策略及簡單專家系統實現等教學內容提供了7組實驗供學員選擇。

例如，在狀態空間搜索一節教學過程中，先完成理論部分的教學，使學員對狀態空間基本概念、問題表示及求解方法有一個準確的認識，然后進行實驗教學。由學員自主完成重排九宮問題求解的程序，初始狀態和目標狀態如圖1所示，調整的規則是，每次只能將與空格(左、上、下、右)相鄰的一個數字平移到空格中[4]。實驗過程重點指導學員掌握狀態空間進行問題求解的關鍵步驟：問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序實現的數據結構，基本信息有初始狀態集合、操作符集合、目標檢測及路徑費用函數，數據結構可采用向量、鏈表等形式；搜索策略可分為盲目式搜索和啟發式搜索，可按照先易后難的原則，先實現盲目搜索中的廣度優先及深度優先搜索，在此基礎上再定義估價函數實現啟發式搜索。而在啟發式搜索實現過程中，又可以通過定義不同的啟發函數：如某狀態格局與目標節點格局不相同的牌數、不在目標位置的牌距目標位置的距離之和等加以比較，準確理解啟發函數的意義。通過實驗，學員加深了對課堂講授的理論知識的理解，能夠熟練地將狀態空間法運用于實際問題的求解，提高了工程實踐能力。

實驗教學組織方式可根據具體的實驗內容特點，采用上機編程實驗、演示程序驗證、模擬平臺開發、分組討論等多種形式進行。

5適度開展雙語教學

研究生的英語基礎普遍較好，基本都通過了國家公共英語四級考試，部分學員通過了六級考試，加之在本科階段還開設了專業英語課程，因此，在培養研究生人工智能知識的同時，我們要提高學員閱讀原版英文資料、用英語進行簡單科技寫作及對外學術交流的能力，適度開展雙語教學，對此，我們可采取以下基本方式。

1) 專業術語全部用英語表示。

在教學過程中用英語表達人工智能原理中的專業術語和主要概念，如Knowledge Representation(知識表示)、Depth-First Search(深度優先搜索)、Breadth- First Search(廣度優先搜索)等。

2) 以英文原版教材為教學參考書。

選定機械工業出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書，該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點，又給出所有技術的實用指南[5]。”

3) 加強英文文獻的閱讀。

在課程論文撰寫時，要求閱讀一定數量的外文文獻；在討論課中，鼓勵學員使用英語進行討論。

經過課程學習，學員都能準確掌握人工智能學科專業詞匯，英文運用能力得到一定提高，能較自如地閱讀原版英文專業資料，為進一步用英文進行學術交流及學術論文寫作打下基礎。

6考試與成績評定改革

考核方式采用傳統的試卷與課程論文、實踐環節等三部分組成，全面考查學員對基礎理論知識掌握情況以及理論聯系實際的能力，其中試卷占70%，課程論文占10%，實踐環節占20%。課程論文題目不作限制，由學員在課程學習階段結合某一專題選定題目，課程論文以選題意義、研究內容、論文結構、參考文獻及撰寫規范等指標為評價依據；實驗成績采用實驗過程考查、實驗結果驗收和實驗報告評閱相結合的考核方法，綜合評定。這樣做不但考核了學員人工智能基本理論掌握情況，也反映了學員的學術研究能力和工程實踐能力。同時，考核結合實際教學進程，改變了單一課終總結性考核的弊端。

7結語

經過課程組近兩年的教學方法研究與教學實踐，研究生人工智能原理課程教學收到較好的效果，但仍存在一些問題，如在課堂討論環節，個別學員準備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻綜述不夠全面、準確，論文格式不夠規范等。在今后的授課中，課程組將根據授課研究生人數較少的特點，采取明確每名學員預習重點、加強課程論文交流等方式予以改進，力求取得更好的教學效果。同時，進一步充分利用便利的校園網平臺，開展“人工智能原理”網絡課程建設，購買或自主開發網絡教學資源，引導學員利用網絡資源進行個性化自主學習，增強教學過程的信息化程度。

參考文獻：

[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學出版社,2002:1.

[2] 李志厚. 國外教學設計研究現狀與發展趨勢[J]. 外國教育研究,1998(1):6-10.

[3] 肖川,胡樂樂. 論研究生學術能力的培養[J]. 學位與研究生教育,2006(9):1-5.

[4] 周金海. 人工智能學習輔導與實驗指導[M]. 北京:清華大學出版社,2008:204.

[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業出版社,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）自從20世紀50年代產生，經過長期發展，已經有了長足的進步，并且已經深入到社會生活的諸多領域，如語言處理、智能數據檢索系統、視覺系統、自動定理證明、智能計算、問題求解、人工智能程序語言以及自動程序設計等。隨著科學技術的不斷發展，現在的人工智能已經不再是僅僅具有簡單的模仿與邏輯思維能力，人們也越來越期待人工智能能夠幫助或者替代人類從事各種復雜的工作，加強人的思維功能、行為功能或是感知功能。這就要求人工智能具有更強的情感識別、情感表達以及情感理解能力。通俗的說，為了使得人工智能對外界的變化適應性更強，需要給它們賦予相應的情感從而能夠應對這個難以預測的世界。

在賦予人工智能“情感”的過程中，面臨著許多的問題，有科技層面上的，也有社會學層面的。本文在這里只討論其中一個比較基本的社會學問題：“人工智能情感約束問題”，即關注于如何約束賦予給人工智能的情感，不至于使其“情感泛濫”。情感指的是一種特殊的思維方式，人工智能具有了情感后的問題是：人工智能的情感是人類賦予的，人工智能自身并不會創造或者控制自己的情感。如果賦予人工智能的情感種類不合理，或者是賦予的情感程度不恰當，都有可能造成“情感泛濫”并導致一些災難性的后果。例如，當人工智能具有了情感之后，如果人類自身管理不恰當，有可能導致人工智能反過來傷害人類。盡管目前我們只能在一些科幻作品中看到這種情況發生，但誰也不能保證未來有一天會不會真的出現這種悲劇。

本文第二章對人工智能情感研究進行了概要性回顧，第三章對如何約束人工智能情感進行了嘗試性探討，最后一章對全文進行了總結。

2人工情感發展情況概述

隨著科學家對人類大腦及精神系統深入的研究，已經愈來愈肯定情感是智能的一部分。人工情感是以人類自然情感理論為基礎，結合人工智能、機器人學等學科，對人類情感過程進行建模，以期獲得用單純理性思維難以達到的智能水平和自主性的一種研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感機器識別與表達、人工情感機理等四個方面的內容。其中，尤以人工情感機理的研究困難最大，研究者也最少。

目前人工情感在很多領域得到了應用和發展，比較典型的是在教育教學、保健護理、家庭助理、服務等行業領域。在教育教學方面比較典型的例子是德國人工智能研究中心發展的三個方案：在虛擬劇場、虛擬市場和對話Agent中引入情感模型和個性特征來幫助開發兒童的想象力及創造力。在保健護理方面比較典型的是家庭保健與護理方向，如Lisetti等人研制的一個用于遠程家庭保健的智能情感界面，用多模態情感識別手段來識別病人的情感狀態，并輸入不同媒體和編碼模型進行處理，從而為醫生提供關于病人簡明而有價值的情感信息以便于進行有效的護理。服務型機器人的典型例子是卡內基梅隆大學發明的一個機器人接待員Valerie。Valerie的面孔形象的出現在一個能夠轉動方向的移動屏幕上時可以向訪問者提供一些天氣和方位方面的信息，還可以接電話、解答一些問題；并且Valerie有自己的性格和愛好，情感表達較為豐富。當然這些只是人工情感應用領域中的幾個典型的例子，人工智能情感的潛力仍然是巨大的。

盡管關于人工情感的研究已經取得了一定的成果，給我們帶來了很多驚喜和利益，但由于情緒表現出的無限紛繁以及它與行為之間的復雜聯系，人們對它的運行機理了解的還不成熟，以致使得目前人工情感的研究仍面臨著諸如評價標準、情感道德約束等多方面問題。所以必須清楚的認識到我們目前對于人工情感的計算乃至控制機制并沒有一個成熟的體系。

3對人工智能的情感約束

正如上文所述，如果放任人工智能“情感泛濫”，很有可能會造成嚴重的后果。為了使人工智能技術更好的發展，使智能與情感恰到好處的結合起來，我們有必要思考如何對賦予人工智能情感進行引導或者約束。

3.1根據級別賦予情感

可以根據人工智能級別來賦予其情感，如低級別人工智能不賦予情感、高級別人工智能賦予其適當的情感。眾所周知，人工智能是一門交叉科學科，要正確認識和掌握人工智能的相關技術的人至少必須同時懂得計算機學、心理學和哲學。首先需要樹立這樣的一個觀點：人工智能的起點不是計算機學而是人的智能本身，也就是說技術不是最重要的，在這之前必須得先解決思想問題。而人工智能由于這方面沒有一個嚴格的或是量度上的控制而容易出現問題。從哲學的角度來說，量變最終會導致質變。現在是科學技術飛速發展的時代，不能排除這個量變導致質變時代的人工智能機器人的到來，而到那個時候后果則不堪設想。因此，在現階段我們就應該對人工智能的情感賦予程度進行一個約束。

根據維納的反饋理論，人工智能可以被分成高低兩個層次。低層次的是智能型的人工智能，主要具備適應環境和自我優化的能力。高層次的是情感型的人工智能，它的輸入過程主要是模仿人的感覺方式，輸出過程則是模仿人的反應情緒。據此我們可分別將機器人分為一般用途機器人和高級用途機器人兩種。一般用途機器人是指不具有情感，只具有一般編程能力和操作功能的機器人。那么對于一般用途的機器人我們完全可以嚴格的用程序去控制它的行為而沒必要去給他賦予情感。而對于高級層面的情感機器人來說，我們就適當的賦予一些情感。但即使是這樣一部分高層次的情感機器人，在賦予人工情感仍然需要考慮到可能會帶來的某些潛在的危害，要慎之又慎。

3.2根據角色賦予情感

同樣也可以根據人工智能機器人角色的不同選擇性的賦予其不同類型的情感。人類與機器合作起來比任何一方單獨工作都更為強大。正因為如此，人類就要善于與人工智能機器合作，充分發揮人機合作的最大優勢。由于計算機硬件、無線網絡與蜂窩數據網絡的高速發展，目前的這個時代是人工智能發展的極佳時期，使人工智能機器人處理許多以前無法完成的任務，并使一些全新的應用不再禁錮于研究實驗室，可以在公共渠道上為所有人服務，人機合作也將成為一種大的趨勢，而他們會以不同的角色與我們進行合作。或作為工具、顧問、工人、寵物、伴侶亦或是其他角色。總之，我們應該和這些機器建立一種合作互助的關系，然后共同完任務。這當然是一種很理想的狀態，要做到這樣，首先需要我們人類轉變自身現有的思維模式：這些機器不再是一種工具，而是平等的服務提供人。

舉例來說，當機器人照顧老人或是小孩的時候，我們應該賦予它更多的正面情緒，而不要去賦予負面情緒，否則如果機器人的負向情緒被激發了，對于這些老人或者小孩來說危險性是極大的；但是，如果機器人是作為看門的保安，我們對這種角色的機器人就可以適當的賦予一些負向的情緒，那么對于那些不按規則的來訪者或是小偷就有一定的威懾力。總之，在我們賦予這些智能機器人情感前必須要周到的考慮這些情感的程度和種類，不要沒有顧忌的想當然的去賦予，而是按分工、作用賦予限制性的情感約束，達到安全的目的。

3.3對賦予人進行約束

對人工智能情感賦予者進行約束，提高賦予者的自身素質，并定期考核，并為每一被賦予情感的人工智能制定責任人。

縱觀人工智能技術發展史，我們可以發現很多的事故都是因為人為因素導致的。比如，首起機器人殺人案：1978年9月的一天，在日本廣島，一臺機器人正在切割鋼板，突然電腦系統出現故障，機器人伸出巨臂，把一名工人活生生地送到鋼刀下，切成肉片。

另外，某些研究者也許會因為利益的誘惑，而將人工智能運用在不正當領域，或者人工智能技術落入犯罪分子的手中，被他們用來進行反對人類和危害社會的犯罪活動。也就是用于所謂的“智能犯罪”。任何新技術的最大危險莫過于人類對它失去控制，或者是它落入那些企圖利用新技術反對人類的人的手中。

因此為了減少這些由于人而導致的悲劇，我們需要對這些研究者本身進行約束。比如通過相應的培訓或是定期的思想政治教育、或是理論知識的學習并制定定期的考核制度來保證這些專家自身的素質，又或者加強對人工智能事故的追究機制，發生問題能立即查詢到事故方等等，通過這樣一系列強有力的硬性指標達到減少由于人為因素導致悲劇的目的。

3.4制定相應的規章制度來管理人工智能情感的發展

目前世界上并未出臺任何一項通用的法律來規范人工智能的發展。不過在1939 年，出生在俄國的美籍作家阿西莫夫在他的小說中描繪了工程師們在設計和制造機器人時通過加入保險除惡裝置使機器人有效地被主人控制的情景。這就從技術上提出了預防機器人犯罪的思路。幾年后， 他又為這種技術裝置提出了倫理學準則的道德三律：（1）機器人不得傷害人類，或看到人類受到傷害而袖手旁觀；（2）在不違反第一定律的前提下，機器人必須絕對服從人類給與的任何命令；（3）在不違反第一定律和第二定律的前提下，機器人必須盡力保護自己。這一“機器人道德三律”表現了一種在道德憂思的基礎上，對如何解決人工智能中有害人類因素所提出的道德原則，雖然得到很多人的指責，但其首創性還是得到公認的。盡管這個定律只是小說家提出來的，但是也代表了很多人的心聲，也是值得借鑒的。

那么對于人工智能情感的約束呢？顯然，更加沒有相應的法律法規來規范。那么，我們就只能在賦予人工智能情感的道理上更加的小心翼翼。比如，我們可以制定一些應急方案來防止可能導致的某些后果，也即出現了問題如何及時的處理之。另外我們在操作和管理上應更加慎重的去對待。也希望隨著科學技術的發展，能夠在不久的將來出臺一部相應的規章制度來規范人工智能情感的管理，使之更加精確化、合理化。

4結束語

人工智能的情感研究目的就是探索利用情感在生物體中所扮演的一些角色、發展技術和方法來增強計算機或機器人的自治性、適應能力和社會交互的能力。但是現階段對這方面的研究雖然在技術上可能已經很成熟，但是人工智能情感畢竟是模擬人的情感，是個很復雜的過程，本文嘗試性的在人工智能發展中可能遇到的問題進行了有益的探討。但是不可否認仍然有很長的道路要走，但是對于人工智能的發展勁頭我們不可否認，將來“百分百情感機器人”的問世也許是遲早的事情。

參考文獻：

[1] 趙玉鵬，劉則淵.情感、機器、認知――斯洛曼的人工智能哲學思想探析[J].自然辯證法通訊，2009，31（2）：94-99.

[2] 王國江，王志良，楊國亮，等.人工情感研究綜述[J].計算機應用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究綜述[J].江南大學學報（自然科學版），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] 張顯峰，程宇婕.情感機器人：技術與倫理的雙重困境[N].科技日報，2009-4-21（005）.

[7] 張曉麗.跟機器人談倫理道德為時尚早[N].遼寧日報，2011-11-04（007）.

[8] Peter Norvig.人工智能：機器會“思考”[J].IT經理世界，2012（Z1）：331-332.

篇4

人工智能與電氣運動控制是集電機、電子、自動化、計算機、智能控制和知識工程為一體的新興交叉學科，其知識、技術和產品在工業、國防、交通、運輸、民用等行業應用十分廣泛。當前，電氣運動控制系統運行條件的復雜化不斷提高，同時對控制的智能化與精確化要求也越來越高，因此深入研究智能運動系統的設計、制造、運行規律，探索該方面的高層次科學研究、工程技術應用成為當務之急。

1.人工智能的概述

人工智能（Artificial Intelligence） ，英文縮寫為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，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

人工智能是一門新的技術科學，它的研究、開發是為了模擬、延伸和擴展人的智能，這是一種理論、方法、技術及應用系統。電氣自動化是研究與電氣工程有關的系統運行、自動控制、電力電子技術、信息處理等領域的一門學科。隨著現代技術的發展，為了減少運行成本，提高工作效率，把人工智能的先進研究成果與電氣自動化控制相結合，實現了技術的又一次突破。

2.電氣工程中智能控制的功能實現

（1）收集處理數據：對于所有開關量、模擬量，人工智能控制器都能對其進行實時采集，在要求明確的情況下，人工智能控制器能自動處理或存貯。（2）界面顯示：設備和系統的運行狀態都會在模擬畫面上真實的顯示出來，可從中了解到模擬量、計算量、隔離開關、斷路器等實際的狀況。有問題時，畫面上會掛牌檢修功能，還會形成對應得歷史趨勢圖。（3） 運行監視：在設備的模擬數值、開關量狀態出現問題時，智能監視就起到了很大的作用，它會自己報警，還會記錄下事件的過程。（4）人工控制：操作人員只需要通過鍵盤或鼠標就可以對斷路器及電動隔離開關進行控制，系統會對操作人員進行限制性的操作，對值班起到很大作用。（5）故障錄波：故障錄波較為詳細，包括波形、開關量和順序記錄等。（6）分析不對稱的應用，進行負序量計算等。（7）及時進行參數的設定和修改從而定值得到保護。（8）模糊控制、神經網絡控制、專家系統控制是人工智能控制的主要的三種方法。

3.電氣自動化技術中人工智能的應用分析

（1）電氣設備設計中人工智能的應用。由于電氣設備的具體設計是綜合性、復雜性、專業性的過程，其涉及的范圍也十分廣，包括了電磁場、電子技術、變壓器、電機、專業電路等領域，另一方面，這對其設計者也提出了更高的要求。通過人工智能方面的技術，能夠實現大批較難迅速解決處理的模擬過程與相關繁瑣計算，這就加強了設計過程內的工作精度和效率。當然，在電氣設備設計進行的時候還要區別不同的情況與具體算法，比如說遺傳算法會用在優化設計中，而專家系統總是用在開發性設計中。

（2）電氣控制技術中人工智能的應用。電氣自動化的控制技術可以實現強化分配、交換、流通、生產等關鍵環節，在加大財力投入的同時盡可能減少人力，以便提高電氣系統中的運作質量與效率。電氣設備控制系統里面人工智能技術的應用包含了神經網絡控制、專家系統控制與模糊控制等，而在實際的應用過程中，使用最多的則是模糊控制，這主要是源于其簡單化的控制，同時又和現實情況聯系密切。

（3）人工智能對日常操作的影響。電力系統不僅影響著電力系統建設的自動化水平，對日常的管理工作的影響也十分重大。人工智能技術應用于日常操作中，可以幫助實現以家用電腦操作進行系統操作，簡化電流調整、設備操作界面，并且可自動進行日志生成和儲存、報表自動生成等功能。電氣系統日常操作中引進人工智能技術，不僅能夠簡化各種操作、規范各種文件樣式和規格，并且能夠實現操作的簡便性和可視性。

（4）電氣故障診斷中人工智能的應用。在電氣設備的故障診斷過程中，使用最為廣泛的即是神經網絡、專家系統、模糊理論等人工智能技術，尤其是對電氣電動機、發電機進行的故障診斷。當前，電氣系統中變壓器的故障診斷通常適用方法為分析氣體和分解變壓器油中分解的氣體，借助人工智能法可以有效提高相關診斷的準確性，其中人工智能技術通過結合模糊理論與神經網絡，來完成故障診斷知識的神經網絡以及模糊性的共同診斷過程，這樣就可以從根本上提高診斷故障的全面性與準確性。

4.結束語

電氣自動化控制革新離不開人工智能的大力支持。人工智能在自動化控制方面的優勢越發的突顯。促進人工智能在電氣自動化控制中的應用以解決傳統方法不能解決的復雜系統控制問題。

在電氣自動化領域，人工智能應用集中體現于專家系統、自動程序設計、定理證明、邏輯推理、各類問題求解等方面，因此，在電氣自動化技術中充分挖掘并利用人工智能的功能與效力，這樣才能使工作更加順暢、高效。

依據國內需要及本學科在國際上的發展趨勢，今后人工智能與電氣結合的研究方向及內容是：⑴智能控制理論與技術；⑵電氣驅動自動化；⑶智能控制理論在電氣運動系統中的應用；等。

參考文獻

1.羅兵。人工智能原理及應用[M]，機械工業出版社，2011-08-01

篇5

隨著經濟的快速發展，人們生活水平得到了較好的改善。經濟的繁榮使得我國工業水平正在不斷提高。在社會主義市場經濟環境下，競爭機制不斷完善和發展，各企業要想在競爭激烈的市場環境中穩定發展，提高企業自身的工作效益非常重要，而人工智能在提高企業經濟效益上有著重要作用。隨著科學技術的不斷發展，人工智能技術不斷成熟并廣泛的應用在電氣工程自動化中，有效的提高了電氣工程自動化的效率，為企業的發展帶來了良好的經濟效益。

1 人工智能概述

人工智能也可以稱作為機器智能，是人類對自然改造做制造出來的系統所表現出來的職能，人工智能是以計算機技術為依靠的。從某種意義上將，人工智能就是沿用人工的方法和技術，以人類的智慧為模型，實現機器智能化的發展。人工智能的產生是隨著科學技術的發展而發展的，是人類與計算機技術發展的產物結晶。科學技術是第一生產力，隨著科學技術的不斷發展，人工智能的發展已經超越了計算機這一門學科。心理學、計算機學科、哲學、物理學等眾多學科都與人工智能有著密切的關系。

2 電氣工程中實現人工智能控制的意義

在我國，是一個能源消耗大國，工業的發展，使得在人力上、物力上、財力上的投入不斷增加，近年來，我國電氣工程事業得到了飛速發展，為了滿足人們日益增長的物質文化需求，適應經濟快速發展的步伐，在競爭激烈的市場環境中，電氣工程面臨著巨大的挑戰。隨著科學技術的不斷發展，人工智能逐漸進入到人們的視野，并且所擔任的角色也來越重要。人工智能在電氣工程中所扮演的角色尤為重要。當前我國電氣工程很容易出現設備故障，經濟效益低下，為了改變這些狀況，在市場環境中長遠生存下去，利用人工智能技術已經迫在眉睫了。在電氣工程中，利用人工智能，可以實現智能化作業，在電氣設備上實現智能化自我檢修，防止出現設備故障，從而提高設備的工作效率，給電氣工程事業帶來經濟效益[1]。

3 人工智能在電氣工程自動化控制技術中的應用

在我國電氣工程中，運用人工智能作業，可以有效的提高智能化作業水平，在作業過程中，可以自行的對機械設備進行檢查，從而加大對電氣工程自動化作業的控制，提高電氣工程自動化作業水平。下面就以火力發電工程為例，來分析人工智能在工程中自動化的控制技術。

3.1火力發電的原理

火力發電系統中主要由燃燒供給系統、給水系統、蒸汽系統、冷卻系統、發電系統等主要部件構成。火力發電是指利用石油、煤和天然氣等燃料燃燒時所產生的熱能來加熱水，使水變成高溫、高壓水汽，然后再由水蒸氣推動發電器來發電。熱電廠為火力發電廠，采用煤炭作為一次能源，利用皮帶傳送技術，向鍋爐輸送經處理過的煤粉，煤粉燃燒加熱鍋爐使鍋爐中的水變為水蒸汽，經一次加熱之后，水蒸汽進入高壓缸。為了提高熱效率，應對水蒸汽進行二次加熱，水蒸汽進入中壓缸。通過利用中壓缸的蒸汽去推動汽輪發電機發電。從中壓缸引出進入對稱的低壓缸。已經作過功的蒸汽一部分從中間段抽出供給煉油、化肥等兄弟企業，其余部分流經凝汽器水冷，成為40度左右的飽和水作為再利用水。40度左右的飽和水經過凝結水泵，經過低壓加熱器到除氧器中，此時為160度左右的飽和水，經過除氧器除氧，利用給水泵送入高壓加熱器中，其中高壓加熱器利用再加熱蒸汽作為加熱燃料，最后流入鍋爐進行再次利用。以上就是一次生產流程[2]。

3.2產品設計人工智能化控制

在火力發電場中，電氣設備的設計是一個非常艱難的過程，設備性能的好壞直接影響到了發電系統的整體效果，要想保障火力發電系統的正常使用，產品設計的科學性很重要。人工智能利用計算機科學技術，經過模型設計，計算出電力系統做需要產品的規格，從而提高了工作效率，縮短了設計的周期，在發電系統中便利統一指導和管理[3]。

3.3經濟運行人工智能化控制

隨著計算機技術的發展，在火力發電廠中，運用計算機技術實現火力發電各系統之間的監控，而人工智能集合了計算機技術與人類的智慧于一體，在火力發電廠中，利用人工智能可以計算出火力發電廠各個系統運行的功率，單位的流量。火力發電廠場中，各個分系統之間是相互聯系的，利用人工智能，能夠計算出會理系統所需要的燃料，蒸汽系統中的水溫變化情況，已經發電成效，對火力發電系統中各個子系統都能夠有效的控制起來，從而保障火力發電廠經濟運行[4]。

3.4機械設備人工智能化控制

火力發電廠所需要的設備較多，所要投入的人力也較大，一般都是一個子系統由兩到三個人監控，發電系統能夠正常運行。通過計算機監控技術，只要一個中央控制系統就能對發電系統的各個子系統中進行人工智能操作，不僅能夠節省大量的人力，還能針對設備故障進行自動化檢修，保障設備運行的效率，實現人工智能化控制[5]。

4 結語

隨著我國科學技術的不斷發展，人工智能已經逐漸成熟起來，并且廣泛應用在當前企業的經營活動中。伴隨著電氣工程規模不斷的擴大，電氣自動化技術在電氣工程中的作用也越來越大。在社會主義市場經濟當中，隨著市場競爭越來越激烈，我國電氣工程要想在市場中取得發展，不斷滿足現代化經濟快速發展的需要，就必須提高電氣工程自動化的辦公效率，利用人工智能技術，對企業辦公實行自動化控制，從而有效的改善電氣工程運行環境，提高經濟效益，促進經濟發展。

【參考文獻】

[1]徐志國.人工智能（AI）在電力系統中的應用[J].現代電子技術，2013，06（21）：24―25.

[2]王同文，管霖，張堯.人工智能技術在電網穩定評估中的應用綜述[J].電網技術，2011，01（12）：136―137.

[3]李華勇，王詩明，王華.電網智能操作票管理系統的研制與開發[J].江西電力，2012，10（06）：104―105.

[4]毛鋼元，劉志國.智能控制系統設計方法的比較研究[J].淮陰工學院學報，2010，10（05）：198―199.

篇6

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.

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

人工智能是計算機學科的一個分支,是一門正在發展中的綜合性的前沿學科,它是研究人類智能活動的規律,并用于模擬、延伸和擴展人類智能的一門新的技術科學,是在計算機、控制論、信息論、數學、心理學等多種學科相互綜合、相互滲透的基礎上發展起來的一門新興邊緣學科[1]。人工智能目前已在指紋及人臉識別、專家系統、智能搜索、定理證明、博弈、自動程序設計以及航空航天領域取得了廣義的應用。

1 人工智能研究概況

當20世紀40年代數字計算機研制成功時,當時的研究者就采用啟發式思維,運用領域知識,編寫了能夠完成復雜問題求解的計算機程序,包括可以下國際象棋和證明平面幾何定理的計算機程序[2]。運用計算機處理這些復雜問題的方法具有顯著人類智能的特色,從而導致了人工智能的誕生。1956年,McCarthy決定把Dartmouth會議用人工智能來命名,開創了具有真正意義的人工智能的研究。

圖靈(Alan Turing)所著的“計算機器與智能”[3]討論了人類智能機械化的可能性,提出了圖靈機的理論模型,為現代計算機的出現莫定了理論基礎。同時該文中還提出了著名的圖靈準則,在人工智能研究領域,“圖靈檢驗”已成為最重要的智能機標準。同一時期,Warren McCullocli和Walter Pitts發表了“神經活動內在概念的邏輯演算”的開創之作[4],該文證明了:一定類型的可嚴格定義的神經網絡,原則上能夠計算一定類型的邏輯函數并開創了當前人工智能研究的兩大類別:“符號論”和“聯結論”。

從20世紀60年代至70年代初,人工智能領域有影響的工作是通用問題求解程序,主要包括:Robinson于1965年提出了歸結原理,成為自動定理證明的基礎[5] ;Feigenbaum于1968年研制成功了DENDRAL化學專家系統,是人工智能走向實用化的標志。Quillian于1968年提出了語義網絡的知識表示等。20世紀70年代,人工智能研究以自然語言理解、知識表示為主。Winograd于1972年研制開發了自然語言理解系統Shrdlu,同時期Colmeraue創建了Prolog語言。Shank于1973年提出了概念從屬理論。Minsky于1974年提出了框架知識表示法。1977年,Feigenbaum提出了知識工程,專家系統開始得到廣泛應用。

20世紀80年代以來,以推理技術、知識獲取機器視覺的研究為主。開始了不確定性推理和確定性推理方法的研究。日本計算機界推出了“第五代計算機研制計劃”,該計劃最終未能實現當初的目標―以非數字化方式在日常范圍內全面的模仿人類行為,但該計劃也為人工智能的進一步發展積累了很多經驗。20世紀90年代,人工智能研究在博弈這一領域有了實質性的進展。1997年5月11日,一個名為“深藍”的IBM計算機以2勝1負3平的成績戰勝了國際象棋世界冠軍卡斯帕羅夫,這舉世震驚的一步大大地振奮了整個人工智能界,而事實上“深藍”打敗卡斯帕羅夫仍是從專家系統提供的所有可能的走步中選擇最優的,并未有理論上的實質性的突破。

中國人在人工智能領域的突出貢獻主要有:1960年,華裔美國數理邏輯學家王浩提出了命題邏輯的機器定理證明的新算法,利用計算機證明了集合論中的300 多條定理。1977 年, 我國數學家、人工智能學家吳文俊提出了初等幾何判定問題的機器定理證明方法,并進一步推廣到初等微分幾何、非歐幾何領域,被稱為“吳氏方法”。 80-90年代,我國高等院校和研究機構在智能控制與智能機器人的研究開發方面,取得了豐碩的成果。

回顧人工智能發展的歷史進程,從科學方法論的角度分析,其發展有三條途徑,分別是結構模擬、功能模擬和行為模擬。在學術觀點上有人工神經網絡、專家系統和智能機器人三大學派。

2 人工智能當前的熱點研究

人工智能學科研究的主要內容包括:知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。目前人工智能研究的3個熱點是: 智能接口[6]、智能信息處理[7]、主體及多主體系統[8]。

2.1 智能接口技術

智能接口技術是研究如何使人們能夠方便自然地使用計算機。這一目標的實現要求計算機能夠看懂文字、聽懂語言,甚至能夠進行不同語言之間的翻譯,而這些功能的實現又依賴于知識表示方法的研究。因此,智能接口技術的研究既有巨大的應用價值,目前,智能接口技術已經取得了顯著成果,文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經開始實用化,如:微軟提出的云計算、百度提出的框計算都與智能接口技術有關。

2.2 智能信息處理

計算機的廣泛應用是人類進入一個信息爆炸的時代,國民經濟和社會信息化發展所面臨的一個重要課題是如何把大量的數據轉化為有用的知識,并將知識轉化為智能,用于決策、管理、檢索、過程控制等。智能信息處理使從海量數據中提起有用知識成為可能,當前,圖形模式作為一種有效的智能數據處理手段正在引起人們的重視,圖形模式具有多功能性、有效性及開放性等特征,能有效地轉化數據為知識,并利用這些知識進行推理,以解決分類、聚類、預測和因果分析等問題,其有效性已在軟件智能化、醫療故障診斷、金融風險分析、DNA 功能分析和 Web 采掘等方面得到驗證。隨著圖形模式學習和基于圖形模式推理等問題的解決,圖形模式必將成為重要和有力的智能化數據分析與處理工具。

2.3 主體及多主體系統

主體是具有信念、愿望、意圖、能力、選擇等心智狀態的智能性實體,而且具有一定自主性。主體試圖自治地、獨立地完成任務,同時又可以和環境交互,與其他主體通信,并通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為,最終實現問題求解。目前對主體和多主體系統的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習以及多主體系統應用等方面。

3 人工智能未來的研究方向

當前,人工智能學科已從學派分歧的、傳統的、狹義的人工智能,走向多學派兼容、多層次結合現代的廣義人工智能,并將發展成為人機集成的、群體協同的、未來的智能科學技術 [9]。廣義人工智能學科的理論基礎是廣義智能信息系統論,主要包括廣義智能論、智能信息論和智能系統論。

3.1 廣義人工智能的概念涵義和學科體系

多學派人工智能是指模擬、延伸與擴展人的智能及其它動物智能,既研究機器智能,也開發智能機器。多層次人工智能是指不僅研究專家系統,而且研究人工神經網絡、模式識別、智能機器人等。多智體人工智能研究群體的、網絡的多智體、分布式人工智能。研究如何使分散的個體人工智能協調配合,形成協同的群體人工智能,模擬、延伸與擴展人的群體智能或其它動物的群體智能。

廣義人工智能的研究對象是自然智能、人工智能、集成智能和協同智能,根據廣義智能學的研究對象,廣義人工智能學的學科體系主要包括四個方面:①自然智能學:自然智能學研究人的智能及其他生物智能的個體智能、群體智能的基本概念和特性。②人工智能學:人工智能學研究機器智能與智能機器二方面,思維、感知、行為三層次的廣義人工智能的基本概念和特性,分析設計、協調協同、進化開拓、評價測度、信息處理、系統構成、管理控制的理論和方法。③集成智能學:集成智能學研究自然智能與人工智能,主要是人的智能與機器智能如何協調配合、取長補短、合理分工、智能結合,形成集成智能、構成人機和諧集成智能系統的基本理論和方法。④協同智能學:協同智能學研究智能個體如何相互協調、友好協商、分工協作,組成智能群體,組成分布式網絡群體協同智能系統的基本理論和方法。

3.2 廣義人工智能的科學方法

①多學科協同:廣義人工智能是跨學科的綜合性邊緣學科,必須需要包含信息科學、生物科學、系統科學等多學科協同的科學研究方法。② 多途徑結合:廣義人工智能是對廣義自然智能的模擬、延伸和擴展,需要采取功能模擬、結構模擬、行為模擬等定性研究與定量分析,綜合集成的多途徑相結合的科學方法。③多學派兼容:廣義人工智能的研究應當也需要采取符號主義,聯結主義,行為主義等多學派兼容的科學方法。

3.3 廣義人工智能的科學意義

研究發展廣義智能學具有重要科學意義和應用價值,廣義人工智能協同地、綜合地研究自然智能、人工智能,開發人機集成智能、群體協同智能的基礎理論和方法,如:協同研究自然智能與人工智能;研究開發人機集成智能;研究開發群體協同智能;廣義人工智能為研究人工智能和自熱智能提供新思路和新方法,并為發展智能科學技術提供新理論。

4 結論

本文全面綜述了人工智能的發展過程、研究熱點和研究趨勢,介紹了廣義人工智能的基礎理論和方法,認識到廣義人工智能將為智能科學技術提供寬廣、深厚的理論基礎,并將有力促進智能科學技術的迅速發展與廣泛應用。

參考文獻:

[1] 馬少平,朱小燕.人工智能[M].北京:清華大學出版社,2004.

[2] 石純一,黃呂寧,土家欽.人工智能原理[M].北京:清華大學出版社,1993.

[3] L.A. Zadeh, Fuzzy Sets[J].Information and Control,1965(8).

[4] Bord M A. 人工智能哲學[M].劉西瑞,王漢琦,譯.上海:上海譯文出版社,2001.

[5] 劉敘華.基于歸結方法的自動推理[M].北京:科學出版社,1994.

[6] 顧明.基于模糊ART神經網絡的在線人臉識別模型的設計和實現[J].計算機科學,2007(8):92-94.

篇8

隨著人工智能技術的快速發展，越來越多的企業將人工智能技術應用到企業的日常生產經營活動中來。NarrativeScience和國家商業研究所的報告顯示，在2016年僅有38%的企業表示引用了人工智能技術，而到了2017年這一數字迅速增長到了61%。與此同時人工智能技術在營銷領域的應用也越來越廣泛，在零售行業，人工智能可以通過自我學習，為消費者添加標簽，描繪用戶畫像；在網絡消費場景，智能人工助理可以幫助營銷人員及時在線回答用戶問題。人工智能的應用讓消費者與企業的互動更加頻繁，這也給企業營銷活動本身帶來了如隱私泄露、過度營銷、用戶倦怠等問題。如何正確處理人工智能技術在營銷領域的應用問題，成為了學者們日益關注的重點。以往的研究已經從人工智能營銷的技術基礎、概念、隱私擔憂等方面進行了分析，本文將從人工智能營銷的內涵、趨勢、挑戰等方面進行梳理研究，希望能夠對人工智能態勢下的市場營銷有更加全面的認識，為企業應對人工智能營銷活動中的問題提供有價值的參考。

二、人工智能態勢下的市場營銷

（一）智能營銷的內涵

智能營銷，是伴隨著人工智能應用的發展而產生的一個新的營銷概念。智能營銷不等同于電子營銷，它是建立在大數據、人工智能、云計算等綜合技術基礎上的一種智能化運作模式（汪濤2014），是可以模仿營銷人員的部分行為活動的過程。隨著人工智能技術在營銷領域的應用，智能化的設備通過仿真、思考、行動等模式完成了營銷人員所需要進行的一部分工作，深刻改變了營銷思維和方式。作為智能經濟條件下的新產物，目前學者們對智能營銷還沒有形成一致的概念界定。但是隨著對人工智能的逐步深入了解，業界逐漸形成了一種共識，即它是企業借助計算機網絡、移動互聯網等智能技術來進行營銷活動的各種新思維、新方法、新工具的一種創新營銷新概念（常亞平2018），它包括智能識別、智能存儲、智能執行等多個方面。

（二）智能營銷的技術基礎

人工智能營銷的興起離不開技術的支持，根據以往文獻的研究，可以將智能營銷發展的技術基礎大致歸為三個方面：首先，移動互聯網和5G技術為智能營銷發展提供了海量數據來源的保障。智能營銷發展的重要基礎就是數據，持續可靠的數據獲取是智能營銷所需的核心技術之一。隨著移動互聯網和5G技術的發展，營銷活動借助虛擬現實技術、仿真技術、人工生物智能技術廣泛深入到消費者的工作、娛樂、生活、消費等日常行為活動中，全方位地記錄了消費者的行為數據，為智能營銷的后續分析處理工作提供了海量的數據信息來源。其次，云計算幫助智能營銷完成了復雜的數據計算和處理分析。移動互聯網時代，大數據的發展使網絡數據成幾何倍增長，如何計算和處理分析這些海量數據成為了智能營銷發展所必須解決的重要問題。云計算技術憑借強大的數據計算能力，很好地解決了人工智能技術應用過程中的海量數據處理問題，通過多維度數據的連接實現了萬物互聯，從而使消費者和智能設備的交互體驗更加完善，營銷場景也因及時準確的數據分析而更加智慧化。最后，人工智能商業化應用技術為智能營銷發展提供了網絡應用環境。德勤2019年《全球人工智能發展白皮書》顯示，當前人工智能技術已進入全方位商業化階段，并預測全球人工智能市場在未來幾年會經歷現象級增長（錢明輝2019）。我國也出臺了相應政策來支持人工智能商業化應用的發展，2019年我國從事人工智能業務企業數量居全球第二。人工智能商業化的發展環境以及人工智能商業化應用技術的支持，為智能營銷的發展創造了良好的外部網絡應用環境。

（三）人工智能在營銷中的應用體現

人工智能技術在營銷中的應用，使營銷活動體現出了新的特點，如：視覺、聽覺、觸覺等多種形態的新互動方式、個性化需求的預測等。根據營銷活動的不同過程階段，可以從四個方面來分析人工智能在營銷中的應用體現。1.營銷調查研究階段。營銷調查研究是營銷活動的起點，通過提前的調研企業可以了解市場占有情況、消費者意愿、目標消費群體需求等重要信息。大數據技術以及人工智能技術的應用，極大地提高了企業營銷活動前期的營銷調研效率。消費者在各種生活消費場景中會留下自己的痕跡和使用信息，人工智能技術會幫助企業將海量的用戶數據進行歸類，如賬戶數據、交易數據、瀏覽數據等，并利用這些數據進行用戶畫像，從而準確分析出消費者的日常消費偏好、消費方式等信息，幫助營銷人員獲取營銷調研后的第一手分類數據。2.營銷策略的制定階段。人工智能技術從全網智能抓取相關數據進行分析，并智能分析出最新熱度關注點，幫助營銷人員完成尋找吸引消費者的創新點環節，擺脫了以往只依賴于營銷人員自身經驗判斷和小范圍營銷調研結果的限制。同時借助仿真技術、生物識別等技術，人工智能技術所創造的“人工腦”可以完成營銷策略制定過程中的一部分思考工作，如創意篩選、優化等方面。3.營銷執行階段。以往的營銷推廣活動，需要營銷人員提前進行宣傳媒介的選擇并且派大量人員進行實地配合，受限于地點、經費等外部因素。而人工智能技術根據網絡熱度數據分析，自行篩選出適合企業產品宣傳的網絡平臺，并且根據用戶使用偏好數據測算出適合的營銷時間點、次數等，在用戶進行相關網絡訪問時個性化推送符合該用戶需求特征的營銷方案，如喜馬拉雅會根據用戶年齡、性別、收聽歷史記錄等自動推送相關收聽圖書資源和購買活動等。4.營銷效果的評估階段。以前的營銷活動效果評估需要事后進行監測，而人工智能技術的應用幫助企業實現了實時監測，系統自動在全網絡進行相關內容的數據抓取和分析處理，并將監測效果及時反饋給營銷人員，方便營銷人員根據消費者反應及時修改營銷方案，降低了突發事件對企業營銷活動的影響。

三、人工智能帶來的營銷管理新趨勢

人工智能技術在營銷領域的應用深刻地改變了企業的營銷思維和營銷方式，也讓營銷管理活動有了新發展，對于人工智能帶來的營銷管理新趨勢可以從下面幾個方面來理解：一是技術驅動營銷變革。智能技術將成為下一代營銷變革的新支撐。目前，仿真技術和人工生物智能技術的初步使用已經能夠幫助智能設備進行部分營銷工作中的思考問題。營銷專家智能系統可以實現專業知識的傳遞和學習，在營銷專家的訓練下智能系統會增長解決問題所需的知識，并向用戶提供解決問題的辦法。電子自動訂貨系統，會根據企業線上線下的銷售數據自動進行分析，智能識別暢銷品和滯銷品，并根據實際情況自動交換訂單信息，減少營銷人員在了解銷售狀況和消費者偏好等信息時所投入的時間成本。人工智能技術的應用帶來了營銷理念、方法、手段、工具等各個方面的改變，未來如何利用好人工智能技術來幫助企業進行營銷活動是營銷人員需要關注的重點。二是營銷方式的多元化和營銷推薦的大規模定制化。人工智能技術的應用給營銷方式帶來了巨大的變革，短視頻營銷、直播營銷等新型營銷方式使企業營銷活動不再局限于傳統線下和網絡頁面廣告等方式。這種多元化的智能營銷方式，可以更加廣泛深入地獲取消費者的各種使用數據信息，如抖音小視頻會根據用戶關注信息來自動推送相關產品宣傳視頻。智能化的營銷方式讓大規模定制化成為可能，企業可以借助智能技術和數據處理技術實現對每個用戶的精準識別與記錄，從而為其個性化推薦相關信息，實現營銷個性化的批量自動生產。三是“AI+”智慧營銷帶來的跨場景營銷。“AI+短視頻”營銷、“AI+KOL”的粉絲營銷等不同營銷策略，在人工智能技術的支持下各自發揮所長，應用到營銷活動的各個環節當中。“AI+”的使用增強了消費者的互動體驗感和真實感，如唯品會的智能試裝功能可以幫消費者實現線上虛擬體驗，大大提升了消費者從“看”到“買”的效率，縮短了購買轉化時間。在移動互聯網時代，消費場景碎片化、消費行為流動化，人工智能技術的使用可以幫助企業處理復雜的消費使用數據，系統整合消費者在不同場景的多維行為數據，從而精準識別不同消費個體在不同消費場景下的差異化需求，結合消費者的實時場景，為消費者適時提供跨場景的營銷服務，突破圈層和場景的限制，擴大營銷推廣范圍，提升企業的56品牌宣傳度。四是基于智能識別、語音互動等技術的線上線下一體化智慧營銷。根據2018年人工智能應用行業報告，目前人工智能技術已經可以應用到零售的全鏈條環節，既可以線上進行用戶畫像和精準個性化推薦，也可以線下智能物流、智能選址、優化消費者行為分析和商品運營環節等，這種線上線下一體化智慧營銷，需要完整的人工智能技術體系的支持。通過分析消費者軌跡數據、可穿戴智能設備的身體數據以及社交消費平臺數據等信息，利用線上線下信息的同步傳輸、人臉識別等技術，人工智能可以及時捕捉消費者行為及心理需求，并實現精準匹配。

四、人工智能時代市場營銷面臨的挑戰

人工智能技術在營銷領域的應用給企業和消費者都帶來了極大的便利，但是技術都是具有兩面性的，我們必須理性對待人工智能技術，正視人工智能應用過程中產生的問題。根據以往文獻的研究，可以從以下幾個方面來認識人工智能時代市場營銷面臨的挑戰。一是人工智能背景下復合型營銷人才的不足，帶來的技術和營銷的進一步對接問題。當前，智能營銷領域的一個顯著問題就是技術與營銷的進一步深度銜接問題，懂技術、懂市場的復合型人才的不足使得企業在應用人工智能過程中出現很大障礙。一些機構掌握著最新智能技術，積累了海量數據；而另一些機構則了解市場，不掌握技術，技術應用與市場營銷之間的銜接出現了隔閡。人工智能技術在營銷的應用給所有領域的營銷人員都帶來了挑戰，人才和工作需求雙向失衡。企業必須培養復合型的營銷人才，引進新技術培訓課程，提升現有營銷人員的整體技術素質，從而幫助企業解決智能技術與營銷的進一步對接問題。二是人工智能營銷過程中暴露的數據隱私保護和流量造假問題。各種數據隱私新聞案件的曝光，讓越來越多的用戶對新技術的使用保持著高度敏感。大量未經用戶本人同意的數據非法監測和解讀嚴重干擾著消費者的日常生活，一些企業甚至利用智能技術對用戶個人信息進行預測分析來以此獲取用戶隱私。而流量數據造假問題更是進一步瓦解了消費者對網絡消費活動的信任，一些企業為了短期的盈利，利用內容剪切等網絡工具打造虛假流量信息，給消費者帶來了誤導，同時也嚴重干擾了正常的市場競爭秩序。為了能夠讓企業更有效地推進人工智能技術與營銷活動的銜接，必須及時懲治非法獲取消費者隱私的企業，營造良好的網絡使用環境，同時企業也要在內部加強管理，提升營銷人員的道德素養。三是全方位人工智能營銷環境下的消費者心理倦怠問題。人工智能技術可以給消費者推薦各種個性化信息，但這種根據消費者使用痕跡來進行持續性的精準推薦很難不讓消費者產生厭倦心理。隨時隨地的廣告推薦、跨屏的無廣告攔截、用戶瀏覽記錄的跟蹤推薦等行為，在智能技術的推動下變得更加自動頻繁。雖然人工智能技術可以幫助企業精準分析用戶數據，但數據也不能完全反映消費者的內心，企業要避免對智能技術的完全盲從，以防消費者產生厭倦心理。營銷活動是對人進行的活動，因此企業也要關注營銷人員的營銷經驗，不能以技術決定一切，要將技術與人的主觀感受相結合，真正做到從消費者本身需求出發。

五、結論

人工智能在營銷領域的應用目前還處于初步發展期，企業在應用人工智能技術時必須理性看待人工智能技術。既要看到人工智能給企業營銷帶來的數據分析、精準識別等便利，也要看到人工智能應用帶來的技術陷阱、用戶隱私等問題。當然，人工智能技術在營銷領域的應用未來還將有更進一步的發展，企業也要及時進行探索研究。本文僅從理論層面梳理分析了人工智能在營銷領域應用的相關問題，未來還可以在其他方面進行深入研究：如何更好地解決人工智能應用過程中帶來的隱私泄露問題，從而提升消費者的使用體驗；人工智能的特征如何對消費者的行為產生影響；智能互動方式的改變對營銷活動的影響，等等。

參考文獻：

[1]高山行，劉嘉慧.人工智能對企業管理理論的沖擊及應對[J].科學學研究，2018(11).

[2]常亞平，王良燕，黃勁松，等.3D（大數據、數字化和發展中）背景下的營銷戰略與轉型專欄介紹[J].管理科學，2018(5):1-2.

[3]Shankarv.Howartificialintelligence（AI）isreshapingretailing[J].JournalofRetailing，2018，94(4):vi－xi.

[4]汪濤，謝志鵬.擬人化營銷研究綜述.外國經濟與管理，2014(1):38-45.

[5]Wangtao,XIEZhipeng.Areviewoftheliteratureofper-sonificationmarketing[J].ForeignEconomics,Manage-ment,2014(1):38-45.

[6]錢明輝，徐志軒.基于機器學習的消費者品牌決策偏好動態識別與效果驗證研究[J].南開管理評論，2019(3):66-76.

篇9

Key words： Artificial Intelligence；research status；development tendency；social force

中圖分類號：TP18 文獻標識碼：A 文章編號：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth學會后發展起來的新型學科，其有著涉及學科廣、需要技術高端、使用范圍廣等特點。在過去的50多年時間中人工智能經歷了學科發展中都會遇到的發展——否定——否定的否定階段，現在人工智能大致分成了符號主義學派、行為主義學派、聯結主義學派三大學派。其各有優勢，獨樹一幟。一直以來重大前沿科學研究都是以國家牽頭，等到時機成熟了再轉為民用。這樣無形中浪費了很多社會中的人才，比如android智能機的問世，當開發商源代碼公布后android智能機獲得了飛速的發展。這是社會資源集體作用的結果，人工智能能否通過這種方式獲得飛速的發展呢，文中給出了問題的答案。

1 人工智能的現狀

1.1 人工智能的發展過程 人工智能是由“人工”與“智能”組成。“人工”十分容易理解，也就是我們常說的人類開發研究出來的事物。“智能”則是十分復雜的一個詞匯，是指如由意識（Consciousness）、自我（Self）、思維（Mind）（包括無意識的思維（Unconscious_mind））等等組成的有機集合。通常我們所說的人工智能是指人本身的智能。總體來說人工智能（Artificial Intelligence，AI）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。關于人工智能的傳說一直可以追述到埃及，直到電子計算機的問世才使人們真正具備了發展人工智能的基本技術，而直到1956年的Dartmouth學會之后“人工智能”才逐漸地被大家所熟知接受。人工智能作為一門自然科學、社會科學、技術科學交叉的邊沿學科，涉及哲學和數學，認知科學，心理學，神經生理學，計算機科學，控制論，不定性論，信息論，社會結構學，仿生學與科學發展觀等眾多前沿學科。二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能），也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一[1]。

人工智能在其過去的50多年時間里，有了長足的發展，但并不是十分順利。目前人們大致將人工智能的發展劃分成了五個階段：

第一階段：萌芽期（1956年之前）

自古以來，人類一直在尋找能夠提高工作效率、減輕工作強度的工具。只是受限于當時的科學技術水平，人們只能制作一些簡單的物品來滿足自身的需求。而人類的歷史上卻因此留下了很多膾炙人口的傳說。傳說可以追溯到古埃及時期，人們制造出了可以自己轉動的大門，自動涌出的圣泉。我國最早的記載是在公元前900多年，出現了能歌能舞的機器人。這一時期出現了各種大家：法國十七世紀的物理學家、數學家B.Pascal、德國十八世紀數學家、哲學家Leibnitz以及二十世紀的圖靈、馮·諾伊曼等。他們為人工智能的發展做出了十分重要的貢獻。

第二階段：第一次期（1956年-1966年）

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在Dartmouth學會上引發一場歷史性事件——人工智能學科的誕生。Dartmouth會議結束后，人工智能進入了一個全新的時代。會議上誕生了幾個著名的項目組：Carnegie-RAND協作組、IBM公司工程課題研究組和MIT研究組。在眾多科學家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理證明工作中首先取得突破，開啟了以計算機程序來模擬人類思維的道路；1960年，McCarthy建立了人工智能程序設計語言LISP。此時出現的大量專家系統直到現在仍然被人使用，人工智能學科在這樣的氛圍下正在茁壯的成長。

第三階段：低谷發展期（1967年-八十年代初期）

1967年之后，人工智能在進行進一步的研究發展的時候遇到了很大的阻礙。這一時期沒有比上一時期更重要的理論誕生，人們被之前取得的成果沖昏了頭腦，低估了人工智能學科的發展難度。一時之間人工智能受到了各種責難，人工智能的發展進入到了瓶頸期。盡管如此，眾多的人工智能科學家并沒有灰心，在為下一個時期的到來積極的準備著。

第四階段：第二次期（八十年代中期-九十年代初期）

隨著其他學科的發展，第五代計算機的研制成功，人工智能獲得了進一步的發展。人工智能開始進入市場，人工智能在市場中的優秀表現使得人們意識到了人工智能的廣闊前景。由此人工智能進入到了第二次期，并且進入發展的黃金期。

第五階段：平穩發展期（九十年代之后）

國際互聯網的迅速發展使得人工智能的開發研究由之前的個體人工智能轉換為網絡環境下的分布式人工智能，之前出現的問題在這一時期得到了極大的解決。Hopfield多層神經網絡模型的提出，使人工神經網絡研究與應用再度出現了欣欣向榮的景象。人工智能已經滲入到了我們生活的方方面面。

1.2 人工智能的主要學派 人工智能發展的50多年時間里，經歷了符號主義學派、行為主義學派和聯結主義學派，三大學派各有特點，各自從不同的角度研究人工智能，為人工智能的發展做出了卓越的貢獻，在人工智能的發展史上留下了濃重的一筆。

1.2.1 符號主義學派 符號主義學派，又稱為邏輯主義、計算機學派或心理學派。符號主義學派理論基礎是物理符號系統假設和有限合理性原理，他們認為人類的認知基元是符號，認知的過程是對符號的計算與推理的過程。人與計算機均可以看做物理符號系統，因此人們可以使用計算機來模擬人的行為。符號主義學派認為人的認知基元可以通過計算機上的數學邏輯方法表示，然后通過計算機自身的邏輯運算方法模擬人類所具備的認知系統的機能和功能，進而實現人工智能[2]。

符號主義學派無視了認知基元的本質，對于所有的認知基元均使用數學邏輯方法表示。符號主義學派重點研究認知基元的邏輯表示以及計算機的推理技術，早期的眾多人工智能的研究都是在這一思想的推動下進行的。符號主義學派在歸結推理、翻譯、數學問題證明以及專家系統和知識工程做出了十分巨大的貢獻，為后期的人工智能研究打下了基礎。專家系統的出現更是將人工智能的研究推上了一個頂峰，其在礦業探究、醫療診查、教育推廣、工業設計的應用帶來了巨大的社會效益。

1.2.2 行為主義學派 行為主義又被稱作進化主義或控制論學派。行為主義學派認為智能取決于感知和行動，不需要像符號主義學派的邏輯知識以及推理。行為主義學派認為人的本質能力是行為能力、感知能力和維持生命及自我繁殖的能力，智能行為是人與現實世界環境的交互作用體現出來的。人工智能應像人類智能一樣通過逐步進化而實現，而與知識的表示和知識的推理無關[3]。行為主義學派的與傳統人工智能截然不同的觀點吸引了眾多的科學家，雖然到現在還沒有獨立完善的知識理論系統，但其在人工智能領域的獨樹一幟還是奠定了其霸主地位。該學派重點研究人類的控制行為，目前已有的機器昆蟲已經證明了行為主義學派的理論正確性。雖然大部分人認為機器昆蟲不能導致高級行為，但是行為主義學派的崛起標志著控制論在人工智能領域有著獨樹一幟的作用。

1.2.3 聯結主義學派 聯結主義學派是近年來最熱門的一個學派，又被成為仿生學派或心理學派，建立于網絡聯結基礎之上模仿人類大腦的結構和工作模式。聯結主義學派主要研究能夠進行非程序的，可適應環境變化的，類似人類大腦風格的信息處理方法的本質和能力，是基于神經網絡及網絡間的連接機制和學習算法的人工智能學派。持這種觀點的學者認為，認知的基本元素不是符號是神經細胞（神經元），認知過程是大量神經元的聯接，而大腦是一切智能活動的基礎，因而從大腦神經元及其連接機制出發進行研究，搞清楚大腦的結構以及它進行信息處理的過程和機理，就有望揭示人類智能的奧秘，從而真正實現人類智能在機器上的模擬。[4]

聯結主義學派通過模擬人類神經網絡模仿人類的認知行為，由此進行人工智能的學習記憶、模式識別。聯結主義學派構建了大量的神經網絡模型，方便在不同的情景模式下選擇相應的模型，進而快速的得出答案。聯結主義學派采用分布式存儲數據，對數據進行并行處理，這樣使得人工智能在處理問題的時候的速度有了明顯的提升，由此聯結主義學派在人工智能領域中受到大家的一致熱捧。

三大學派在人工智能的發展史上有著舉足輕重的作用，每一個學派的興起都代表人工智能的一個新高峰。三大學派各有優缺點，在人工智能領域三者相輔相成，人工智能學科在三大學派的帶領下正在茁壯成長。

2 對人工智能主要理論學派的評述

在過去的50多年時間中，人工智能獲得了巨大的發展，基本實現了從無到有的過程，構建了基本完善的理論知識體系，構建了各種模型，形成各種技術方法，但是人工智能的發展依然任重道遠，前景依然不容樂觀。三大主義學派有著自身獨到的優點，同時也有著各自的缺點，符號主義學派將人的認知基元符號用數學邏輯表示，通過計算機邏輯處理系統分析得出結果，但是在面對沒有明確結果的非確定問題時經常不能得出令人滿意的答案，它對信息要求十分精確完整，現實生活中的很多問題都不能滿足條件，因此符號主義學派的發展受到了一定的限制。行為主義學派認為智能取決于感知與行動，但是缺乏足夠的理論知識支撐學派觀點，而且缺乏足夠的成果表明理論的正確性。學派認為人工智能與知識的表達和知識推理無關，與人類認知的發展是不相符的。聯結主義學派采用仿生學的方法，模擬人腦的神經網絡，通過類似人腦的結構和運行機制模仿人類智能。這一觀點十分有吸引力，在提出之后馬上就有大量的支持者，但是人腦神經系統的復雜性遠遠超出人們的預知，現階段人們對人腦的構造以及運行機制還沒有深入的理解，在此基礎上想模擬出人腦的神經系統顯然是有些不不切實際。聯結主義學派的發展更多的受制于對人腦結構和運行機制的研究，因此其發展相對緩慢。綜上，三大學派固然有著自身的優勢，各自的成果，但是其同樣有著明顯的局限性，人工智能要想進一步發展必須要對現有的發展方式進行創新。

另一方面，人工智能在經歷了兩次期后再次回落到了平穩發展時期，社會公眾對人工智能的熱度有了明顯的降溫。人工智能的研究再次變成了國家以及一些超級公司的工作，擁有的資源有了大幅度的縮水，研究的進度也受到干擾。在此狀態下沒有重大的技術創新，人工智能恐怕很難再有重大的突破。

3 對人工智能發展的評述

3.1 對人工智能涵義的認識 同樣的詞匯在不同時期的有著不同的解釋，人工智能也不例外，大家都認可的人工智能是指在人類制造的機器工具上實現人類智能，即實現人類的認知能力、行為能力以及解決問題的能力。人類智能有著一個明確的特點，在面對未知問題時，人類智能能夠得出自身想要的答案，也就是消除答案的不確定性。符號主義學派的邏輯解決方式、行為主義學派模擬人的行為能力、聯結主義學派的神經網絡，三大主義學派各自以自身的方式實現了對問題消除或減弱不確定性。可見減弱甚至消除問題的不確定性也將是人工智能的一個研究方向。

3.2 人工智能研究模式的發展 目前人工智能領域中，符號主義學派通過數學邏輯表示人類的認知基元，對數學邏輯經過解讀分析，得到答案，進而實現智能。該學派重點運用還原思想，將人類的認知基元全部使用數學邏輯表示。行為主義學派認為人工智能取決于感知和行動，不需要學習知識與知識推理，是一步步，由低級到高級慢慢進化的。聯結主義學派是通過人工神經網絡的形式模仿人類智能，理論上講該方法是最符合人類智能的運行方式的。而在一系統中，最重要的是系統的運行機制，如何將接受到的信息轉化為我們的知識并通過表述、行為展示出來，在了解了人類智能的運行機制之后，人工智能將會更加符合人們的需求。

3.3 人工智能研究方法的發展 人工智能的目的是消除答案的不確定性，然后做出相應的反應。在消除答案不確定性的時候便有了各種方法，其中有一種便是突出解決問題的目標，在有明確目標的前提下會削弱干擾問題解決的條件，提高人工智能解決問題的效率。明確問題的目標便需要引入目標函數，在動態目標函數的引導下會減弱答案的不確定性。而在已有的人工智能基礎上設立人工智能模型，通過人工智能自身的計算結果結合目前的研究成果去優化目前的人工智能系統，則會提升人工智能的發展速度。

3.4 人工智能時期的發展 人工智能自發展到現在已經經歷了五個時期，在兩次期中人工智能均獲得了迅速的發展。然而現在人工智能的發展步入到了緩慢發展時期，如何將人工智能的發展緩慢時期加速度過同樣是十分嚴肅的問題，傳統說來需要重大的科學進步。我們往往認為人工智能屬于頂端科技只能由國家和超級公司研究，卻忽略了社會所擁有的重大的力量。小小的android智能手機在問世的短短時間內變改變了之前的市場格局，其中固然有著android智能手機的特點，但是我想他的市場策略同樣給與了莫大的助力。人工智能應該向android一樣，適當的開放出來一部分根基，放開其研究門檻，甚至鼓勵民間研究。量變引發質變，當有足夠專家在研究人工智能時，人工智能的研究會加快的。而且民間的研究成果也會作為經驗反作用于人工智能的進一步研究，實現科學與社會的雙贏。

4 結論

人工智能是人們長久以來的夢想，同時也是一門很有挑戰性的學科。像所有的學科一樣，人工智能會經歷各種各樣的挫折，但是，只要我們有信心、有毅力，我們相信人工智能終將會成為現實，融入到我們生活的方方面面，為我們的生活帶來極大的改變。

參考文獻：

[1]朱祝武.人工智能發展綜述[J].中國西部科技，2011，10（17）：8-10.

篇10

作為計算機科學技術的全新領域即人工智能，其正在迅速成長與成熟、新方法、新理念、新技術并且不斷壯大，同樣也包含著計算機網絡、數學、信息論各類學科的交叉和邊緣學科。人工智能包含的主要內容有知識表示和推理機制、問題求解和搜索算法，自然語言理解、專家系統和機器學習等；也作為計算機科學各專業重要的基礎課程，國內外各高校都非常重視，都將人工智能作為計算機專業的必修課程。人工智能包含的學科多，知識點雜、理論性強、內容抽象，算法難度高復雜，在此情況下各高校采用傳統的“教師講、學生聽”單一教學模式，學生處于被動學習地位；課堂教學與實際操作、理論與現實應用相脫節；加上理論知識強，案例缺乏，容易使學生感覺空洞；學生易產生厭學情緒，也達不到鍛煉其分析問題、解決問題的思維能力和實踐動手能力。如何讓學生高效的學習一直是教師研究的課題，在大數據和網絡信息時代的大背景下，“互聯網+”已經廣泛應用和存在于生活、工作各個方面，其在教育教學中表現出的創新性、互動性尤為突出，并極具優勢。

2基于案例的教學研究

此方法開始于上世紀20年代左右，最早是由美國哈佛商學院所提倡的，基于當時特殊的商業管理真是背景和特殊事件，能夠有效的發展和培養學生主動性、積極性和應用能力，開展案例教學后，學生實際解決問題能力有了很大的提高。但此教學研究方法知道到上世紀80年代后期，才引起教師的重視。1986年由美國研究小組提出《準備就緒的國家：二十一世紀的教師》書中，強烈推薦此方法在實際教學的重要性，并說明今后在教學過程中將其作為一種重要的教學方法應用于各類課程中去。

3基于人工智能的案例教學研究及應用

3.1案例精選

此方法第一步是案例選取，案例的好壞是決定案例教學效果關鍵因素。案例的選取需要滿足以下要求：（1）符合現在的教學目標，明確學生需要掌握的知識點、重難點等，能夠運用所學的理論知識應用到實際中，以此提高學生分析、解決問題的能力；（2）案例要有代表性、趣味性，由于人工智能課程內容多、抽象，需要將枯燥乏味的知識點轉化為趣味生動的案例，有利于吸引學生注意力，激發學習興趣和主動性；例如，講到“知識表示”這部分內容中引入“機器人搬積木”、“野人修道士渡河”案例；（3）采用互動的形式，此為人工智能的案例教學研究重要特征，同時也是教學目標得以充分展現的必要條件。能夠調動大家的積極性，學生和學生之間、學生與教師之間的互動，調動學生的主觀能動性。

3.2案例的執行

（1）講授法。基于教學內容具體知識點設計案例；通過教師講解，幫助學生理解抽象的理論知識。案例的呈現有兩種基本形式：一是“案例—理論”,即先給出教學案例，后講解理論知識；二是“理論—案例”,即教師先講解知識，再給出教學案例；案例的呈現方式不同,會直接影響案例的功能，也會影響到學生的學習情緒、學習效果。為了使案例能更好地為教學服務,教師講解案例之前應從創設案例情境開始,通過情境體驗與案例剖析激發學生認知的興趣,引導學生對將要學習的內容產生注意,有利于教師導入新課。（2）互相討論法。大學生課余時間充沛，鑒于此，將班級學生分為若干小組，教師將事先準備好的案例分配給各組，學生采用組內互動討論的形式，設計出此案例的各種解決方法。課堂上，將本小組的解決方法用課件展現給其他小組。講解完成后，學生開始互相討論，對比各自的方法，然后由老師進行分析、對比和總結。以此來增強學生對學科知識點、應用能力的掌握。（3）相互辯證法。課后，采用相互辯證的方法，組織大家相互辯論。選擇一些綜合應用比較強的案例。與簡單的案例相比，綜合應用案例能更加高效地啟發學生全方位地思考和探索問題的解決方法。相互辯證法是一種探索新型的教學形式，學生的自主性強，能夠在辯論中充分表達自己的觀點，充分運用所學的理論知識來維護自己的觀點，還可以促使學生查閱大量資料，拓展知識面。

4結語

通過以上論述，人工智能技術開始應用于教學,與教學現代化有著密切的聯系。其發展必將對現代教育起巨大推動作用。在教學,可以基于人工智能技術建立人類推理模型學習工具等諸多的運用,展示出越來越好的實用性。

參考文獻：

[1]鄒蕾,張先鋒.人工智能及其發展應用[J].信息網絡安全，2012(02).

[2]陳柯蒙，張寧.人工智能的發展探析[J].新西部(理論版)，2012(05).

篇11

0 引 言

智能電網是當今世界電力系統發展的重大變革，也是21世紀電力系統的重大科技創新和發展趨勢。2003年，美國“未來能源聯盟”首次提出智能電網的概念。同年，美國能源部了“Grid　2030”設想[1]，將美國的未來電力系統描述為一個完全自動化的電力傳輸網絡，能夠監視和控制每個用戶和電網節點，保證從電廠到終端用戶整個輸配電過程中所有節點之間的信息和電能的雙向流動。2005年，歐洲技術論壇（ETP）提出了“Smart　Grid”概念[2]，計劃通過智能電網的建設，向所有用戶提供高度可靠、經濟有效的電能，充分開發利用大型集中發電機和小型分布式電源，提高電網公司運營效率，降低電能價格，加強與客戶的互動，應對來自市場、安全和電能質量、環境等方面的壓力。

國內也高度重視智能電網建設。2010年6月7日，總書記在兩院院士大會上的講話中提出，要“構建覆蓋城鄉的智能、高效、可靠的電網體系”。國家科技部于2009年11月24日的《關于加快我國智能電網技術發展的報告》中提出了明確的目標和任務。國家電網公司于2009年5月了“堅強智能電網”愿景及建設路線圖。南方電網有限責任公司在2010年7月提出了“建設一個覆蓋城鄉的智能、高效、可靠的綠色電網”的目標。2011年2月，陜西省地方電力（集團）有限公司作為專業的配電網公司，聯合清華大學提出了建設“多指標自趨優”智能配電網的目標。

智能電網涉及能源、環境、社會、經濟和管理等多個學科，由于其具備系統工程和創新技術的特點，目前智能電網的研究趨向發散，對智能電網的認識多從企業自身出發，尚未收斂到智能電網本質的研究，影響和干擾了對智能電網發展方向的研判。本文在分析國內外智能電網相關研究的基礎上，結合實踐應用，溯源了智能電網的本質——智能，提出了智能電網分代標準，建立了智能電網分代模型，探討了智能電網分代的社會經濟意義。

1 國外智能電網分代研究狀況

分代研究在計算機和戰斗機等領域已經取得了共識。計算機按照所采用的電子元件，歷經了電子管計算機、晶體管計算機、集成電路計算機、大規模集成電路計算機，現在正在研發信息獲取、存儲、處理、通信與人工智能相結合的第五代計算機。20世紀40年代中期，以噴氣式發動機為動力的戰斗機出現后，按時代和技術水平，戰斗機歷經三代，目前正在研制第四代戰斗機。

由于智能電網尚未大規模應用，與計算機、作戰飛機等其他領域分代研究更注重“回頭看”的方法不同，智能電網分代更注重“向前看”，這個特點導致智能電網分層次、分步驟、分階段的研究異彩紛呈，莫衷一是。國外智能電網分代的相關研究綜述如下。

1.1 智能電網演進模型

2010年1月，加拿大學者Hassan　Farhangi從功能和投資回報率（ROI）兩個維度，提出了如圖1所示的智能電網的演進模型[3]。他認為，由于化石燃料的成本猛增，電力公司無法擴大發電能力以滿足用戶對電能不斷上升的需求，只有從配電網著手，加強需求側管理，才能保障電力公司擁有較高的ROI水平。模型表示，智能電網最初的投資用來滿足計量設備由機電式到單向自動抄表（AMR）的功能轉變，AMR具有節約人力以及時間成本的優勢，但是由于其只具有單向通信能力，無法支持電力公司依據從電表獲取數據采取調控措施。高級計量架構（AMI）能夠提供雙向的通信系統，旨在為電力公司提供實時的能耗數據，允許客戶以價格為基礎，對能源使用做出選擇。智能電網演進的最終目標是分布式控制與微網相結合的互聯電網。

1.2 智能電網持續發展理論

2011年7月，美國GridNet公司執行副總裁兼首席戰略官Andres　Carvallo和能源與IT行業學者John　Cooper合作出版了“The　Advanced　Smart　Grid　—　Edge　Power　Driving　Sustainability”一書，提出了智能電網持續發展理論[4]。書中認為第一代智能電網（Smart　Grid　1.0）實現了發電廠到終端計量設備的電流與信息流的傳輸，典型的第一代智能電網是美國科羅拉多州博爾德市智能電網的建設。下一代智能電網（Smart　Grid　2.0）將是一個集成的、先進的智能電網體系，從戰略上進行頂層設計，在組織、運行、系統集成與建模等多個維度進行柔性規劃，下一代智能電網的一些技術已經在美國奧斯汀市智能電網研究項目Pecan　Street中浮現。書中對第三代智能電網（Smart　Grid　3.0）進行了展望，并將其定義為一個基于互聯網絡的重新設計的能源系統。

1.3 智能電網層次理論

IBM高級電力專家Martin　Hauske認為智能電網的基本概念有3個主要元素：首先是廣泛連接資產與設備的傳感器；其次是數據的搜集與整合體系；最后是依據數據進行相關分析，以優化運行和管理的能力。與之對應，智能電網也就有三個層面的含義[5]：首先是利用傳感器對發電、輸電、配電、供電等關鍵設備的運行狀況進行實時監控；然后將獲得的數據通過網絡系統進行收集、整合；最后通過對數據的分析、挖掘，達到對整個電力系統運行的優化管理。因此，智能電網可以被認為是通過傳感器把各種設備、資產連接到一起，形成一個客戶服務總線，通過對信息進行整合分析，從而降低成本，提高效率和可靠性，促進管理和運行達到最優化。

1.4 智能電網成熟度模型

智能電網成熟度模型是IBM、美國生產力和質量中心（APQC）及全球智能電網聯盟（GIUNC）合作研究的成果[6]。智能電網的成熟度分為5個階段：第1階段，只有對智能電網的設想，主要工作是對技術的試驗和評價，以及建立業務模型；第2階段，企業在至少一個智能電網的重要業務領域進行投資和實施；第3階段，企業對智能電網的組成部分進行重新配置，實現業務領域整合或產業鏈升級；第4階段，實現企業范圍的跨業務綜合觀測及綜合控制，力爭形成新的經濟或商業模式；第5階段，企業有能力在新的業務、運行、環境等機會出現時，充分利用并發展壯大。

綜觀國外的相關研究，智能電網演進模型以計量系統為主線，沒有加入交易環節，同時忽視了人工智能在電網中的應用。智能電網持續發展理論有對智能電網分代以及各代相應功能的描述，但是缺乏對智能電網本質的分析，特別是對三代智能電網核心的描述。智能電網層次理論以傳感器為基礎，觸及到智能電網的基本，但是數據收集與整合體系等沒有體現人這一重要因素的參與，理論闡述不夠全面。智能電網成熟度模型實質上是智能電網的推進步驟。因此，上述研究都沒有涉及智能電網的本質。

2 智能電網的本質——智能

對國外智能電網的研究和實踐進行分析，能夠為國內的相關研究帶來啟示和借鑒。從人類認識事物的基本方法來看，對智能電網進行分代研究，必然要從智能電網的本質著手。智能電網可以認為是人工智能在傳統電網中的應用，而人工智能又起源于人類智能，因此，必須從人類智能出發，探求智能電網的本質——智能。

2.1 人類智能的發展階段

人類智能經歷了從初級到高級、從簡單到復雜的演化過程。這種過程只在個體的前十幾年表現得尤為突出，正是這一過程決定了每個人一生智能水平的高低，也決定了人類群體智能水平的多樣性。

1983年，美國學者Howard　Gardner提出多元智能理論，將智能分為語言智能、數學邏輯智能、空間智能、身體運動智能、音樂智能、人際智能、自我認知智能、自然認知智能等8個方面。瑞士心理學家Jean　Piaget從時間維度對人類智能演化規律做出經典總結，提出了人類智能發展理論[7]，將個體從出生到青年時期的智能發展水平分為感知運動階段、前運算階段、具體運算階段和形式運算階段。

雖然多元智能理論并不著眼于各個智能在個體層面的發展順序，但是結合Jean　Piaget的認知發展理論，同時根據Howard　Gardner對每種智能概念的描述，可以對智能的8個組成部分以發展為時序，在多元維度上進行歸類。在感知運動階段，空間智能和音樂智能是人類智能重點發展的部分；到了前運算階段，語言智能和身體運動智能在兒童身上表現較為明顯；數學邏輯能力和自我認知能力在具體運算階段得到了迅速發展；最后，從青少年階段開始，終其一生，對自然的認知，人際交往能力隨著閱歷的豐富、經驗的積累而日趨成熟。

2.2 人工智能是對人類智能的模擬、延伸和擴展

人類智能的演進規律遵循著Jean　Piaget的人類智能發展理論，這些研究成果也深刻地影響著另一個與之緊密相關的學科，即以計算機為基礎的人工智能的研究。人工智能最初被定義為“讓機器的行為看起來就像人所表現出的智能行為一樣”，到后期逐漸演變為讓機器擁有自己的思維。對比人類智能發展的歷程，人工智能的演進呈現出與之相似的路徑。

（1） 人工智能發展的初級階段是對人類智能的模擬。通過傳感器遠程傳送信號，需要操作者通過計算機終端控制機器執行動作，這類似于人類智能的感知運動階段，具體的應用如排爆機器人、勘探機器人等。

（2） 人工智能發展的中級階段是對人類智能的延伸。著眼于通過程序算法實現機器的邏輯運算和自我認知能力，類似于人類智能的前運算和具體運算階段。智能機器人通過處理器分析傳感器收集的信息，在無人操控的狀態下執行動作。有些智能機器人還能通過對人類語言的識別和模擬實現與人類的語言交流，如日本的ASIMO智能機器人，可以通過“腦—機”系統達到人類思維直接控制機器人的效果。

（3） 人工智能的更高階段，智能將成為一種系統層面的應用。人工智能體現出自我思維和機器情感等人類特有的能力，通過自我思維產生對外部環境的認識，通過機器感情與外部環境產生更為復雜的交互，這些能力使得人工智能發生了從模擬、延伸到擴展人類智能的突破。

2.3 智能電網是人工智能在傳統電網中的應用

智能電網建立在電力電子技術、傳感與測量技術、控制仿真決策技術、信息與通信技術、人工智能技術等基礎技術之上，以實現發電、儲能、輸電、配電、用電等環節的智能化為目的。其中，人工智能技術在推動智能電網發展中起著重要作用。

（1） 人工智能的應用能夠推動整個電力系統的發展。傳統電網存在大量非線性的、模糊的、不確定、不精確、不完全真值的問題，人工智能技術應用的目的就是解決上述問題。基于人工智能的電網故障檢測與診斷、具有靈活自愈功能的配電自動化等技術的應用表明，在期望能取得低代價的解決方法和魯棒性方面，人工智能的應用顯著改善了傳統電網對不確定、高度非線性環境的適應能力。

（2） 人工智能技術的應用體現了智能電網的本質。智能電網的本質是智能，現代人工智能技術是對人類智能的模擬，因而人工智能的應用是電網“智能化”的根本體現，人工智能技術應用使智能電網回歸到了它的本質——智能。從這種意義上說，人工智能技術是否應用是評價一個電網是不是智能電網的基本依據。

（3） 人工智能技術在電網中的應用程度體現了智能電網區別于傳統電網的特征。傳統電網未能完整地體現人工智能“感知、思維、行為”三要素，導致人的參與程度較低，傳統電網始終徘徊在由工業化主導的階段，在信息化與工業化融合時，遇到了重重困難。智能電網中，人工智能技術的廣泛應用將使得電網逐步具有模擬人類智能的能力，從而減少人的參與程度。

（4） 未來智能電網的發展中，人工智能是推動智能電網躍進發展的革命性力量。未來智能電網將是一個具有自預測、自診斷、自愈、自組織和自管理特性的電網。智能電網的躍進發展將主要依靠電網的自學習能力，人的干預將退居其次。人工智能的應用，使得電網的自學習成為可能。在可以預見的將來，除了人工智能技術，其他技術均無法有效增強電網的自學習能力。

3 智能電網分代原則、標準與模型

以上分析了智能電網的本質，以下在智能電網的本質基礎上提出智能電網分代的原則、標準以及智能電網分代模型。

3.1 智能電網分代原則

智能電網分代必須遵循以下原則：

（1） 惟一性原則：下一代和上一代的智能電網必須按照智能電網的本質進行劃分。

（2） 革命性原則：下一代智能電網必須在整體，而不是局部取得標志性進展和突破。

（3） 連續性原則：下一代智能電網發展的關鍵要素必須蘊含在上一代智能電網的發展過程中。

3.2 智能電網分代標準

智能電網的本質是智能。人工智能是人類智能應用于傳統電網的紐帶，人工智能將人類智能的8個方面歸納為“感知、行為、思維”3個要素，上述3個要素也是智能電網分代的標準。

感知是客觀事物通過感覺器官在大腦中的直接反映。在多元智能的8個方面中，感知體現語言智能、空間智能、音樂智能。感知在人工智能技術中的體現有語音識別、機器視覺等。

行為是器官對外界刺激所產生的反應。行為體現身體運動智能，行為在人工智能技術中的體現有機器人學、智能控制等。

思維是主體處理信息及意識的活動。思維體現數學邏輯智能、人際智能、自我認知智能、自然認知智能，思維在人工智能技術中的體現有知識系統、專家系統、神經網絡、進化計算等。

3.3 智能電網分代模型

智能電網發展的各階段均須具備人工智能3個要素的全部或部分，不具備3個要素的電網屬于傳統電網。依據3個要素在傳統電網中滲透與融合的深度和廣度，建立智能電網分代模型如圖2所示。

圖2中將智能電網劃分為具有以下特征的三代智能電網：

（1） 第一代智能電網：自感知智能電網（Self-sensing　Smart　Grid）。第一代智能電網在傳統電網的基礎上具備自主感知能力，是人工智能在電網中應用的初級階段。智能電網關鍵設備能夠自主感知電屬性（負荷等）和電相關屬性（溫度等）的變化，需要人參與進行決策并采取行動，第一代智能電網只具備簡單的自主決策和初級的自主行為能力。典型的自感知智能電網設備及系統如電子式及光學式互感器、智能環網柜、智能在線監測系統、智能終端等。

（2） 第二代智能電網：自適應智能電網（Adaptive　Smart　Grid）。第二代智能電網在第一代智能電網自主感知能力的基礎上，具備一定的自主決策能力和自主行為能力，是人工智能在電網中應用的中級階段，較少需要人參與就能根據感知結果進行決策并采取行動。這種感知、決策和行為是獨立的，即只在單一設備或系統局部的感知域內進行決策并根據決策結果驅動單一設備或系統局部采取行動，以達到局部最優。典型的自適應智能電網應用系統如智能調度系統、智能自愈系統等。

（3） 第三代智能電網：自趨優智能電網（Self-approximate-optimization　Smart　Grid）。第三代智能電網在第二代智能電網自主決策和自主行為能力的基礎上，是人工智能在電網中應用的高級階段，更少需要或不需要人參與就能根據感知結果進行決策并采取行動。這種感知、決策和行為是系統的、全局的，即在整個系統感知域（或子集）內進行決策并根據決策結果驅動相關（部分或全部）設備采取行動，使得電網自身狀態趨向最優。目前，已經提出來的自趨優智能電網如智能廣域機器人（Smart　Wide　Area　Robot，Smart-WAR）[8]。

4 智能電網分代的社會經濟意義

技術創新與人類解放之間的歷史發展進程表明，人的勞動方式在逐漸變化，技術創新使人在生產勞動中逐漸從事必躬親的執行者演變成監督者、命令者，這種角色的演變，反映出技術創新在人的實踐過程中所具備的強大能動作用。智能電網作為當前電網行業最重要的技術創新形式，同樣發揮著著解放人類勞動的作用，亦即電網運行中人的參與程度不斷減弱。

第一代智能電網通過技術創新實現自我感知，不但極大地拓展了認知的深度和廣度，而且還使人的身體在一定程度上獲得了解放。

第二代智能電網通過技術創新實現自我行為，將會極大地減輕人的勞動強度，甚至取代了勞動者在電網運行過程中僅有的操作、監督和控制工作，使人得以在很大程度上從體力勞動中解放出來。

第三代智能電網通過技術創新實現自我思維，“電腦”開始代替“人腦”控制電網運行，機器人勞動取代人的勞動，使人的活動逐漸從電網運行中淡出，這將使人的思維勞動強度得以極大的減輕。

以智能電網建設為標志的技術創新為電力產業提升運行管理水平，開發新產品和服務，以及延伸整個產業鏈奠定了堅實的技術基礎。隨著技術手段的革新與經營管理模式的轉變，電力產業尤其是電網企業的供給可能性邊界將極大擴展，不僅能夠滿足目前存在的潛在需求，而且還能在未來引領和創造新的需求，在供需雙方良性互動的作用下，電力產業將不斷優化升級，產業整體影響力和競爭力都會獲得顯著的提升。

5 結 語

智能電網分代是一個全新的課題，但是分代研究在計算機等其他領域并不鮮見，對這些領域進行分代的目的是通過研究“上一代是什么”來推測“下一代是什么”，因此有必要通過分代研究來預測和引導智能電網的發展方向。與其他領域分代研究更注重“回頭看”的方法不同，智能電網尚未大規模應用，分代更注重“向前看”，正是人類智能與人工智能的發展規律，奠定了我們“向前看”的基礎。未來，伴隨智能電網的深入推進，實踐應用總結出的成果和經驗，將有助于深化對智能電網本質的認識，理論的可行性與實踐的迫切要求，也必將對智能電網分代研究起到促進作用。

參 考 文 獻

[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論壇2009.　點亮智慧的地球[EB/OL].　[2012-09-25].　http：///cn/forum2009/wisdom.shtml.

篇12

一、研究背景

HPS教育作為西方20世紀80年代盛行的理論，引入中國已有20余年。作為極其受歡迎的教育理念，憑借著自身優勢在中國教育課程改革中占據了一席之地，也為中國科學教育提供了新思路。

(一)HPS的概念界定

HPS的提出源自科學內部對科學反思和科學外部人員對科學本質認識的思考。最初，HPS指的是科學史(HistoryofScience)和科學哲學(PhilosophyofScience)兩大學科領域，但在20世紀90年代科學建構論流行后，科學社會學與科學知識社會學被引入科學教育，HPS逐漸演化成科學史(HistoryofScience)、科學哲學(PhilosophyofScience)和科學社會學(SociologyofScience)三者的統稱［1］:科學史即研究科學(包括自然科學和社會科學)和科學知識的歷史;科學哲學則是對科學本性的理性分析，以及對科學概念、科學話語的哲學思辨，比如科學這把“雙刃劍”對人類社會的影響;科學社會學則討論科學處在社會大系統中，社會種種因素在科學發展過程中的地位和作用，這包括了政治、經濟、文化、技術、信仰等因素［2］。在國外，德國科學家和史學家馬赫最早提倡HPS教育，突出強調哲學與歷史應用至科學教學中的作用。我國HPS相關研究開始晚且研究規模較小，首都師范大學的丁邦平教授認為HPS融入科學課程與教學是培養學生理解科學本質的一個重要途徑［3］。

(二)HPS教育理念融入小學科學課程的必要性

運用科學史、科學哲學等進行教學是目前國際上小學科學教育改革的一種新趨勢。2017年，教育部頒布的《義務教育小學科學課程標準》標志著我國科學教育步入了新階段，其不僅要求達成科學知識、科學探究的相應目標，也要養成相應的科學態度，思考科學、技術、社會與環境的融洽相處。該標準提出了“初步了解在科學技術的研究與應用中，需要考慮倫理和道德的價值取向，提倡熱愛自然、珍愛生命，提高保護環境意識和社會責任感”。HPS教育與小學科學課程的結合是教學內容由知識到能力再到素養的過程，是小學科學教育的新維度，改變了小學科學課程的教學環境。將科學課程中融入HPS教育的內容，可以幫助學生理解科學本質，研究科學知識是如何產生的，科學對社會的多方面影響以及科學和科學方法的優、缺點等。當《小學課程標準》將科學態度和價值觀視為科學教育的有機組成部分時，小學科學課程就有望成為HPS教育的天然載體，同時為小學科學課程滲透HPS教育提出了挑戰。目前，我國小學科學課程雖已有部分設計融入了HPS教育理念，但該融入過程仍停留在表面，融入程度低，融入方式單一。所以，研究HPS教育理念融入小學科學課程十分有必要。

(三)HPS教育理念融入小學科學課程的可行性

縱觀國內外已有的研究，將HPS教育融入小學科學課程可分為基于傳統課堂模式的正式教育課程和基于科技館、研學機構等的非正式教育課程。由皖新傳媒、中國科學技術大學先進技術研究院新媒體研究院、中國科學技術大學出版社三方通力合作、聯合打造的《人工智能讀本》系列叢書自出版以來已發行八萬套，在安徽省多個市區的小學得以應用，是青少年人工智能教育上的一次全新探索。該套叢書分三年級至六年級共四套，涵蓋了16個人工智能前沿研究領域知識點，每一節課都設有場景引入、讀一讀、看一看、試一試4個模塊。小學《人工智能讀本》作為闡述新興科技的讀本，以親切的場景對話和可愛幽默的插畫等形式吸引了眾多小學生的興趣，不僅可作為學校科學課讀本，也可以應用于課外場景。本文則以小學《人工智能讀本》為例，對HPS教育進行初步摸索與實踐，以期對小學科學教育帶來教益。

二、HPS教育理念融入小學科學的典型案例

《人工智能讀本》作為HPS教育理念融入小學科學實踐的典型案例，側重引導學生多維度、科學辯證地認識人工智能，內容包括機器學習、決策職能和類腦智能，以及人工智能的不同發展階段，帶領學生思考人工智能帶來的倫理問題以及其他挑戰，培養學生正確的世界觀、人生觀和價值觀。本研究將以《人工智能讀本》六年級第四單元“人工智能倫理與其他挑戰”為例，分析HPS教育理念融入小學科學的實踐。

(一)科學史:提升課程趣味性

小學科學教育作為培養具有科學素養公眾的重要步驟，提升過程的趣味性則十分重要。過去傳統的小學科學教育注重知識的傳遞而忽略了學習過程，填鴨式教學導致學生失去對科學的興趣與探索欲，不利于公民科學素養的整體提高。而科學史作為研究科學(包括自然科學和社會科學)和科學知識的歷史，已經逐漸滲透到科學教育中來。科學史常常介紹科學家的事跡，某一知識誕生所面臨的困難和曲折過程，而將科學史融入課程可以帶學生重回知識誕生的時刻，切身體會科學。讀本作為在小學科學教育中不可或缺的工具，利用科學史內容，以敘事方式可以將科學哲學與科學社會學的思想融入教學過程中，在讀本中融入歷史，可以提升課程趣味性，幫助學生更加容易探求科學本質，感受科學家不懈努力、敢于質疑的精神，提升科學素養。例如《人工智能讀本》六年級第四單元“人工智能倫理與其他挑戰”引入部分即以時間順序展開，介紹人工智能的發展與面臨的困境。在“看一看”中機器人索菲亞是否可以結婚的故事不僅為本章節提供了豐富的內容，提升了課程的趣味性，而且還融入了科學與哲學，引發讀者對于人工智能的思考。

(二)科學社會學:提升課程社會性

科學社會學是研究一切科學與社會之間的聯系與影響，包含科學對社會的影響和社會對科學的影響。科學是一種社會活動，同時也受到政治、經濟、文化等多方面影響，比如蒸汽機的誕生表明科學促進社會的發展。在科學教育的課堂中融入科學社會學不僅可以幫助學生理解科學問題，還可以通過介紹科學與社會之間的復雜關系，培養學生靈活、批判看待科學問題的思維能力。如六年級第四單元“人工智能倫理與其他挑戰”中，在介紹個人與技術的基礎上引入了政府和環境這兩個要素，使學生在更宏觀的背景下，獲得這樣一種認知:環境與技術之間有一把“雙刃劍”，個人與技術、政府與技術之間是相互促進的主客體關系。《人工智能讀本》并不全是說教性質的文字，在“試一試”中的辯論賽環節讓同學通過親身實踐，更加了解人工智能對于社會的多方面影響。通過對于科技是一把“雙刃劍”這一事實的了解，同學們可以更好地將學習知識與社會的背景聯系在一起，深刻體會科學中的人文素養，增強社會責任感。

(三)科學哲學:提升課程思辨性

以往研究發現，國內學科教材中關于科學史和科學社會學內容較多而且呈顯性，而對于科學哲學的融入內容不夠，且不鮮明。［3］科學哲學融入科學教育無疑可以提升學生的思辨性，幫助學生建立起對于科學正確而全面的認識。例如，《人工智能讀本》六年級第四單元“人工智能倫理與其他挑戰”中，引入人工智能倫理，通過介紹人工智能面對的挑戰、人工智能的具體應對策略，讓小學生了解人工智能技術發展的同時也要重視可能引發的法律和倫理道德問題，明白人與人工智能之間的關系以及處理這些關系的準則。通過“讀一讀”先讓學生明白倫理概念，再用一幅畫讓學生思考在算法的發展下，人類與機器人的關系如何定義，向學生傳遞樹立人類與人工智能和諧共生的技術倫理觀。通過這種方式，可以幫助學生逐步建立完整的科學觀，全面且思辨地看待科學，提升學生思辨性，進而提升科學素養。

三、HPS教育理念融入小學科學課程的實踐建議

《人工智能讀本》作為一套理論與實踐相結合，具有知識性與趣味性的兒童科普讀物，著重引導小學生培養科學創新意識，提升人工智能素養，產生求知探索欲望。但《人工智能讀本》作為HPS融入小學科學課程的初始，仍存在教育資源不充分、內容結合較淺等不足，為了將HPS教育更好融入小學科學課程，可從以下三方面加以改進。

(一)開發HPS教育資源

HPS教育需要教育資源的支撐。HPS教育資源來源廣泛，無論是學生的現實生活，還是歷史資料，都可以提供契機和靈感。《人工智能讀本》中收集了大量與人工智能相關的故事和現實案例，都可以作為教育資源，從各個角度達到科普的目的。在新媒體時代，進行HPS教育資源開發時，應當注意借助最新的信息與通信技術增強資源的互動性，如互動多媒體技術、虛擬現實技術、增強現實技術、科學可視化技術等。在傳統的科學課堂教學中，主要是通過圖片文字講解，實驗演示及互動來開展。這種形式對于現實中能接觸到的實驗內容，如常見的動植物、可操作的物理化學實驗等，比較容易開展。而對于地球與宇宙科學領域的知識，或者一些已經不存在的動植物，則只能通過圖片視頻進行展示，不容易進行實驗展示。通過虛擬現實技術、增強現實技術等，則可以虛擬出世界萬物，如不易操作的物理化學實驗、已消失的動植物等都可以通過虛擬現實的手段得以呈現。這些技術或能使教學內容變得生動形象，或通過營造沉浸感以使學生有更佳的情境體驗，或讓學生與教學資源進行交互從而自定義內容，服務于學生科學素養提升的終極目的。

(二)對小學科學教師進行培訓

HPS教育的關鍵是從社會、歷史、哲學等角度對自然科學內容進行重新編排，并不是將大量的內容或學科知識簡單相加，這對教師能力也提出了更高要求。目前，人工智能教學領域常常出現“學生不會學、老師不會教”的狀況，《人工智能讀本》作為內容翔實有趣的讀本可以彌補一部分缺失。但與此同時，也需要提升教師的教學能力與知識儲備。HPS教育理念不僅僅針對歷史中的科學人物，所有的學生主體也是歷史中的主體，他們也身處于社會中，并且對于生活中的各種科學現象有著自己的思考。所以教師身為引導者，需要注意到學生的思考，深入挖掘，鼓勵他們對所思內容進行反思并付諸實踐。科學史和科學哲學應當成為科學教師教育項目中的一部分，這能讓科學教師更好地理解他們的社會責任。為此，對職業科學教師進行HPS培訓便是必要的。

(三)多場景開展小學科學教育

科學素養不是空洞的，它來自學生的認識體驗，并從中獲得生動、具體的理解和收獲。《人工智能讀本》作為方便攜帶的讀本，不僅可以在小學科學課堂中作為教材使用，也可以應用在其他場景，如研學旅行、科技館等場所。課堂學習只是小學科學教育中的一個環節，家庭、科技館等也可以進行科學教育。例如，科技館與博物館可以以科學家和歷史科學儀器為主題舉辦展覽，展覽中融入HPS教育理念，學生在參觀和學習過程中學習有關科學內容。一些歷史上大型的科學實驗，學校教室或實驗室無法滿足條件，但在大型的場館中可以實現。例如，研學旅行作為目前科學教育中最受歡迎的方式之一，已被納入學校教育教學計劃，列為中小學生的“必修課”，正逐漸成為學生獲得科學知識的另一個途徑。研學旅行作為一種集知識性、教育性、趣味性和娛樂性為一體的旅游形式，通常伴隨著知識教育的過程，包括科學知識的普及，所以也是開展小學科學教育的重要場所。在該場景下，運用《人工智能讀本》等新興手段進行科學教育往往取得事半功倍的效果。

結語

目前，HPS教育理念已經積極嘗試運用到小學科學教育中，包括學校內的正式學習以及學校外如科技館、博物館、研學旅游中的非正式學習之中。其中，科技史以時間維度為線索創造豐富資源的同時也可以提升課程趣味性;科學社會學以科學與社會之間的相互關系幫助學生理解科學本質，提升科學素養;科學哲學則以哲學的視域審視科學的誕生提升學生思辨能力。未來，HPS教育結合小學科學則需要更深入，在資源開發、教師培訓以及應用場景等方面加以改進，為提升國民科學素養做出努力。

參考文獻:

［1］袁維新．國外科學史融入科學課程的研究綜述［J］．比較教育研究，2005，26(10):62-67．

［2］張晶．HPS(科學史，科學哲學與科學社會學):一種新的科學教育范式［J］．自然辯證法研究，2008，24(9):83-87．

篇13

將德勤財務機器人、用友財務機器人等人工智能在會計領域的應用狀況進行分析，可以看到人工智能在會計領域的應用有以下特點。（1）大量規則化應用領域被人工智能取代。原始憑證審核，依托于電子票據二維碼應用，票據關鍵信息（如發票抬頭、稅號、發票內容、金額等）被人工智能識別并依照規則進行判斷；根據原始憑證相關信息依照借、貸規則選擇相應會計科目編制會計憑證，也是人工智能依照既定規則完成；根據記賬憑證完成記賬和報表編制，在會計電算化時代即已完成，對于人工智能而言，則更是“小兒科”，僅需要依照既定規則將數據庫文件以視圖形式呈現。可以看到，從原始憑證審核、記賬憑證編制再到賬簿形成、報表形成，會計明晰的規則為人工智能應用提供了切合的舞臺，而有明確規則的領域是人工智能能夠凸顯其計算能力的優勢領域。由此可見，以規則為基礎的會計核算應用領域能夠被人工智能“完美”替代。這也是德勤機器人、用友財務機器人等人工智能最先得以應用的領域。（2）經驗化應用領域將被人工智能取代。人工智能以超強的自我學習能力著稱，能夠通過大數據獲取認知上的進步，可以從大量的圖片中學習識別貓，也可以從大量的棋譜中學習對弈。會計、醫生曾經被認為“越老越值錢”，即是基于經驗的價值增加，在工作中不斷學習積累經驗，能夠借助經驗處理非常規、復雜的情形。通過學習積累經驗獲得認知進步，已經成為人工智能擅長的領域。在大數據的基礎上，人工智能可以通過案例學習獲得“經驗”，并且由于存儲記憶能力的顯著優勢超過會計、醫生的經驗。因此，經驗化應用領域將被人工智能取代。（3）人工智能應用推廣速度受到成本的影響。2017年德勤財務機器人推出，隨后用友財務機器人、浪潮財務機器人也相繼面世，一年時間之后這些財務機器人并沒有大量應用，其原因既有技術成熟度方面的原因，也有成本方面的原因。財務機器人的應用成本，不僅包括購買財務機器人的價格，還包括企業轉換成本。在ERP、財務共享中心等信息化建設之后，信息系統建設的投入大、實施風險高的特征使得企業對于系統切換心存顧慮，使用財務機器人是否又將成為投入高、見效慢的項目，成為企業應用財務機器人不得不考慮的問題。也正是由于受到應用成本的影響，財務機器人在2017年推出之后只是引起了觀念、認知上的“地震”，廣泛的應用并未看見。

2“基礎會計”課程核心

從目前國內高校會計專業、財務管理專業所開設“基礎會計”（會計學）課程的情況來看，該課程仍然作為專業基礎課開設，其核心內容一般包括：（1）會計核算基本方法，涉及會計要素、會計等式、復式記賬、憑證、賬簿、財務報告等內容。通過這些內容的學習，學生將掌握借貸記賬、憑證編制、賬簿登記、財務報告編制等基本方法，掌握會計核算的基本規則，理解會計的基本邏輯與方法。（2）會計核算基本操作，涉及憑證填寫與審核、賬簿登記、財務報表編制等內容。在會計基本方法學習的基礎上，學生將通過實驗等方式，掌握憑證填寫與審核的規范、賬簿登記的規范、財務報表編制規范等操作環節的要求，通過實踐體會從憑證填制與審核、賬簿登記、財務報表編制的規則與過程，并完成從理論到實踐的轉換。（3）會計視角的形成。在對會計要素、復式記賬的理解中，學生將完成對經濟活動的會計視角理解。例如，企業完成銷售活動，從經濟活動的范疇理解，更多強調客戶關系管理、合同簽訂、履行合同等節點，而從會計視角理解，則更強調伴隨銷售活動產生的資金流和成本化物流，即在收入形成的同時，根據資金支付的狀況選擇銀行存款、或者應收賬款、或者應收票據、或者預收賬款進行核算，同時在物流發生后結轉相應成本。將經濟活動的會計本質進行識別，培養和形成會計視角成為“基礎會計”課程的關鍵內容。也正是因為這個原因，“基礎會計”成為會計入門課程。

3人工智能對“基礎會計”課程的挑戰

（1）規則化應用將被人工智能取代，但修訂完善規則為會計人員留出了空間。人工智能因其超強的運算能力，能夠在既定規則的指揮下“毫無怨言”地處理原始憑證審核、記賬憑證編制、賬簿登記、報表編制等工作，并且處理效率更高。單純地規則化應用，會計人員與人工智能相比，完全不具有優勢。僅僅只有在人工智能技術應用的成本還相比人工成本更好的前提下，原始憑證審核、記賬憑證編制、賬簿登記、編表編制工作仍由會計人員完成。當人工智能技術應用成本得以降低，采用人工智能技術相比雇傭會計人員成本更低，會計人員無疑將面臨被人工智能所取代。這也是業界認為人工智能帶來會計“地震”的重要原因。雖然2017年會計人工智能出現后并沒有馬上帶來會計人員下崗潮，但這一時刻不會太遠，一旦人工智能應用成本得以降低，在人工成本逐漸上升的現實狀況下，處理原始憑證審核、記賬憑證編制、賬簿登記、編表編制的純規則化會計崗位將被人工智能取代。與此同時，我們必須意識到，人工智能以規則為基礎完成會計活動，那么誰來定義規則？戰勝棋圣的人工智能以圍棋規則為基礎開展對弈，無人駕駛以道路交通規則為基礎完成駕駛，財務機器人在完成會計活動時同樣基于既定的規則。從國家層面看，“會計準則”處于不斷的修訂完善過程中，新的經濟形式不斷出現，會計準則往往緊隨著新經濟活動而修訂完善。一旦會計準則變更，意味著完成會計活動的人工智能所依據的規則也需要變更。因此，規則變更與修訂為會計人員留出了空間。“人工制定規則，人工智能完成規則”可能成為未來會計活動的新形式！會計人員制定規則，是否需要從了解基本規則入手呢？答案無疑是肯定的。作為制定規則的會計人員，不可能完全不了解基本的借貸規則、基本的賬務處理規則，就開始著手調整規則。基于此，了解和掌握基本會計規則應當成為會計人員的必須，通過“基礎會計”課程促使會計人員了解和掌握會計基本規則也成為必要選擇。但人工智能應用會計規則的優勢，促使會計人員在學習掌握基本會計規則時必須思考，學習基本會計規則的目的是應用還是修訂完善？如果僅僅將學習會計規則的目的定位于應用，這樣的會計人員只能定義為初級會計人員，一旦其人力成本高于人工智能技術應用成本，這種崗位人員無疑是會慘遭淘汰。因此人工智能的出現逼迫會計人員將學習會計規則的目的定位于修訂會計規則的高端人才，只有在基礎規則之上，跳出規則制定規則，才可能在人工智能應用的大趨勢下贏得一席之地。（2）經驗積累將被人工智能取代，但經驗規則化為會計人員留出了空間。會計人員的經驗積累建立在大量案例處理的基礎上，在復雜經濟業務處理過程中形成隱性知識，如果這些隱性知識不能顯性化、不能總結提升為規則，這些隱性知識只能藏于人員的頭腦里，導致似乎“越老越值錢”。人工智能具有大數據處理能力，在大數據基礎上形成“經驗”從而自我學習，并且其總結的經驗將以“代碼化”的形式顯性體現，相比會計人員而言，經驗形成的能力更強、經驗顯性化的能力也更強。但從經驗到規則，人工智能還不能直接將積累的經驗形成規則，規則的形成還需要人工干預。因此，會計人員的經驗積累可以被人工智能取代，但經驗規則化為會計人員留出了空間。面臨人工智能應用，會計人員“越老越值錢”的優勢將不復存在，會計人員的價值不再建立在工作經驗的基礎上，而是建立在經驗知識化、并進一步規則化的基礎上。會計人員要完成經驗規則化過程，也需要對基本規則熟悉了解、并對經驗是否作用于規則修訂進行判斷的基礎上，因此對于基本規則的了解和掌握也是必不可少的。盡管“基礎會計”課程僅僅是會計入門知識的介紹，不能形成會計處理經驗，在經驗積累方面不存在是否課程內容是否被人工智能取代的問題，但由于會計人員需要將經驗規則化，需要熟悉了解基本規則，并對經驗是否推動規則變化做出判斷，因此通過“基礎會計”課程學習了解基本規則仍然是必要的。（3）會計視角的形成仍需通過“基礎會計”課程培養。人工智能完成了從原始憑證審核到記賬憑證編制、再到賬簿登記、報表編制的任務，使用人工智能完成這些任務得到的是憑證、賬簿、報表這些結果的呈現，對于這些結果、這些信息究竟對于會計人員意味著什么，會計人員通過這些信息怎樣從會計的視角去理解經濟業務，人工智能并未給出答案。而“基礎會計”課程則是從經濟業務到會計業務的橋梁和紐帶，通過“基礎會計”課程的學習，會計要素、會計科目等內容成為將經濟語言轉換為會計語言的工具，會計視角得以培養形成。因此，從會計視角培育需要來看，“基礎會計”課程仍然是有必要開設的。

4“基礎會計”應對人工智能應用的適應性調整

概括起來看，面對人工智能應用的大趨勢，“基礎會計”課程仍有必要開設，但應對這一趨勢，需要從課程目標、課程內容上進行適應性調整。具體包括：（1）“基礎會計”課程目標需要定位于會計基本規則體系建立而非操作能力。由于人工智能能夠以高效率的優勢完成規則應用，因此“基礎會計”課程目標不能再強調憑證編制、賬簿登記、報表編制等應用能力，應該將“基礎會計”的課程目標定位于促使學生構建會計規則體系，培育經濟業務的會計視角。學生學習“基礎會計”的目的不再是掌握原始憑證審核、記賬憑證編制、賬簿登記、報表編制操作，而是建立會計規則體系，掌握會計語言實現從會計角度理解經濟業務。（2）“基礎會計”課程內容需要強化會計要素、會計等式、借貸記賬等基本規則體系內容，弱化憑證、賬簿等操作性內容。根據前面的分析可見，“基礎會計”作為基本規則介紹的入門課程，學生需要通過該門課程的學習，掌握會計基本規則，并在此基礎上逐步培養提升規則制定的能力。以往課程中，通過實驗、實訓提高學生填寫憑證、登記賬簿的操作能力，但這些操作未來將被人工智能高效替代。在人工智能在會計規則化應用領域形成趨勢的當前，操作能力培養這部分內容需要弱化，而對于會計規則體系的理解、會計視角的培養應當強化。（3）“基礎會計”課程內容中需要適當增加有關大數據、人工智能方面的內容，介紹大數據、人工智能在會計領域的應用趨勢，以幫助學生了解會計在信息時代、人工智能時代可能發生的變革，提前應對可能發生的變化。會計不能脫離社會經濟生活而存在，人工智能時代已經對會計提出了變革要求，應對這一要求，“基礎會計”應當不回避，主動做出調整和適應。例如，對于會計總論的闡述中，介紹會計的發展趨勢，不能還停留將會計電算化作為發展前沿，電算化階段已經成為過去，大數據、人工智能才是未來的發展前沿；在會計的發展階段中，古代會計階段、現代會計階段、電算化會計階段的劃分也值得商榷，復式記賬、計算機的出現作為階段劃分的關鍵節點，但在2017年人工智能推出后，是否在電算化會計階段之后已經需要重新再切分出人工智能會計應用階段，值得學術界探討。

5結語

財務機器人誕生后會計崗位可能面臨失業潮，“基礎會計”課程似乎也已經沒有必要開設。通過分析人工智能的特質、“基礎會計”課程的核心，指出在人工智能應用趨勢到來的當前，規則化應用將被人工智能取代，但修訂完善規則為會計人員留出了空間；經驗積累將被人工智能取代，但經驗規則化為會計人員留出了空間；會計視角的形成仍需通過“基礎會計”課程培養。因此“基礎會計”課程仍然有必要開設，其課程目標需要定位于會計基本規則體系建立而非操作能力，其課程內容需要強化會計要素、會計等式、借貸記賬等基本規則體系內容，弱化憑證、賬簿等操作性內容，同時課程內容中需要適當增加有關大數據、人工智能方面的內容。

主要參考文獻

［1］陳婷蔚．人工智能在會計領域的應用探析———以德勤財務機器人為例［J］．商業會計，2018，5（10）：77－78．

［2］王加燦，蘇陽．人工智能與會計模式變革［J］．財會通訊，2017（22）：41－43．

［3］任世贏．人工智能技術對會計行業的影響及對策［J］．北方經貿，2018（1）：96－97．