首页 > 学术期刊知识库 > 人工智能论文有英文参考文献

人工智能论文有英文参考文献

发布时间:

人工智能论文有英文参考文献

这个一般是有论文没翻译的啦,自己把握

人工智能技术无论是在过去。认知心理学和人工智能。使得人工智能和心理学从最初就紧密地联系在一起。以下是我整理的人工智能的期末论文的相关资料,欢迎阅读!

摘要:人工智能技术无论是在过去。认知心理学和人工智能。使得人工智能和心理学从最初就紧密地联系在一起。

关键词:人类智能,人工智能,认知,心理学

人工智能技术无论是在过去,现在还是将来,都作为科学研究的热点问题之一。人类对自己本身的秘密充满好奇,随着生物技术的飞速发展,人类不断破译人体的生命密码。而以生物科学为基础的人工智能技术也得到了长足的发展。人们希望通过某种技术或者某些途径能够创造出模拟人思维和行为的“替代品”,帮助人们从事某些领域的工作。为了让计算机能够从事一些只有人脑才能完成的工作,解脱人的繁重的脑力劳动,人类对自身的思维和智能不断地研究探索。但是,科学技术是一柄双刃剑,人们对人工智能技术的飞速发展存在着恐慌。如果机器真的具有了人类的智能,在未来的某一天,他们会不会取代人类而成为地球的主宰者?人类智能和人工智能,谁才是未来的传奇?

1.你在和谁说话?

“先进的人工智能机器人不但拥有可以乱真的人类外表,而且还能像人类一样感知自己的存在。”这是人工智能发展到高级阶段的目标和任务。那么,我们在不久的未来能否实现这样一个目标呢?人类真的能发明出足以乱真的智能人类吗?隔着一堵墙,我们是否能分辨出正在与我们对话的是一部机器还是人类?

. 人工智能的定义

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。人工智能是相对于人的智能而言的。正是由于意识是一种特殊的物质运动形式,所以根据控制论理论,运用功能模拟的方法心理学,制造电脑模拟人脑的部分功能,把人的部分智能活动机械化,叫人工智能。人工智能的本质是对人思维的信息过程的模拟,是人的智能的物化。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。人工智能发展的过程归纳为机器不断取代人的过程。

. 人工智能技术的发展

几个世纪以来,人类依靠智慧,发明了许多机器,使人类能够从许多体力劳动中解放出来。从1956年正式提出人工智能学科算起,40多年来取得长足的发展,成为一门广泛的交叉和前沿科学。科学家发明了汽车,火车,飞机,收音机等等,它们模仿我们身体器官的功能,但是这些不能模仿人类大脑的功能。当计算机出现后,人类开始真正有了一个可以模拟人类思维的工具,在以后的岁月中,无数科学家为这个目标努力着。1997年5月,IBM公司研制的深蓝(Deep Blue)计算机战胜了国际象棋大师卡斯帕洛夫(Kasparov)。在一些地方计算机帮助人进行其它原来只属于人类的工作,计算机以它的高速和准确为人类发挥着它的作用。计算机的出现,使得人工智能有了突破性的进展。计算机不仅能代替人脑的某些功能,而且在速度和准确性上大大超过人脑,它不仅能模拟人脑部分分析和综合的功能,而且越来越显示某种意识的特性。真正成了人脑的延伸和增强。

. 人工智能的研究领域

人工智能是一种外向型的学科,也是一门多领域综合学科。它不但要求研究它的人懂得人工智能的知识,而且要求有比较扎实的数学基础,哲学和生物学基础,只有这样才可能让一台什么也不知道的机器模拟人的思维。而人工智能的最根本目的是模拟人类的思维,因此,它的研究领域与人类活动息息相关。什么地方只要有人在工作,他就可以运用到那个领域。

现阶段主要研究领域有专家系统,机器学习,模式识别,自然语言理解,自动定理证明,自动程序设计心理学,机器人学,博弈,智能决定支持系统和人工神经网络等等。

2.机器真的可以思考吗?

机器真的可以思考吗?机器的思考归根结底还是模仿人类的思维模式,正是“思考”这一人类的本质属性,使得人工智能和心理学从最初就紧密地联系在一起。心理学研究人脑中信息的输入、输出、存储和加工,并研究人脑各个部位的功能。最早的双核计算机模仿人的左右脑,在人脑不同区域主管各个不同功能这一原理的基础上,来设计负责不同功能的芯片。以此为出发点,心理学家和计算机学者进一步合作,通过研究人解决问题的方法来研究开发人工智能。随着人工智能的发展,所要求实现的职能愈加复杂,但最基本的方式还是逻辑推理和归纳,这正是心理学家和逻辑学家的专业领域。心理学家以研究探讨人类逻辑思维方式为人工智能提供了基本原理和原则。

. 人类意识的本质

意识是世界的内在规定、一般规律和组成部分,是具有客观实在性同世界的其它组成部分处在对立统一关系中的事物。意识普遍存于世界和万物之中,世界是包含意识的世界,万物是包含意识的万物。没有意识存在于其中的世界不是我们现实生活中的世界,没有意识存在于其中的万物也不是我们天天眼见手触的万物。有了意识的存在,世界和万物就有了生机和活力。

. 意识是与物质相对应的哲学范畴,与物质既相对立又相统一的精神现象。

意识是自然界长期发展的产物,由无机物的反应特性,到低等生物的刺激感应性,再到动物的感觉和心理这一生物进化过程是意识得以产生的自然条件。意识是社会的产物,人类社会的物质生产劳动在意识的产生过程中起决定的作用。辩证唯物主义在强调物质对意识起决定作用的前提下肯定意识对于物质具有能动的反作用,在意识活动中人们从感性经验抽象出事物的本质、规律形成理性认识,又运用这些认识指导自己有计划、有目的地改造客观世界。

. 从意识的起源看,意识是物质世界发展到一定阶段的产物;从意识的本质来看,意识是客观存在在人脑中的反映。

意识是人脑对客观存在的反映:第一,正确的思想意识与错误的思想意识都是客观存在在人脑中的反映;第二,无论是人的具体感觉还是人的抽象思维,都是人脑对客观事物的反映;第三,无论是人们对现状的感受与认识,还是人们对过去的思考与总结,以至人们对未来的预测,都是人脑对客观事物的反映。 意识的能动作用首先表现在,意识不仅能够正确反映事物的外部现象,而且能够正确反映事物的本质和规律;意识的能动作用还突出表现在,意识能够反作用于客观事物,以正确的思想和理论为指导心理学,通过实践促进客观事物的发展。

. 人类意识与人工智能的关系

认知心理学和人工智能,是认知科学的两个组成部分。人工智能使用了心理学的理论,心理学又借用了人工智能的成果。人类意识与人工智能两者具有以下关系:

l人工智能是研究用机器模拟和扩展人的智能的科学。它撇开了人脑的内在结构和意识的社会性,而只是把人脑作为一种信息处理的过程,包括信息的接收、记忆、分析、控制和输出五部分。现代科学技术用相应的部件来完成着五个过程,就构成了人工智能或电脑。

l人工智能可以代替人的某些脑力劳动,甚至可以超过人的部分思维能力,随着现代科学技术的发展,它发挥着越来越重要的作用。人工智能的出现不仅解放了人的智力,而且为研究人脑的意识活动提供了新的方法和途径。它说明了人的意识活动不管多么复杂,都是以客观物质过程为基础的,而不是什么神秘的超物质的东西,人们完全可以用自然科学的精确方法来加以研究和模拟,它进一步证实了辩证唯物主义意识论的科学性。

l人工智能的产生和发展,深化了我们对意识相对独立性和能动性的认识。机器思维即人工智能表明,思维形式在思维活动中对于思维内容具有相对独立性,它可从人脑中分化出来,物化为机械的、物理的运动形式,部分地代替人的思维活动。

随着科学技术的发展,人工智能将向更高水平发展,反过来推动科学技术、生产力和人类智慧向更高水平发展,对人类社会进步将起着巨大的推动作用。

3. 人工智能的未来

人工智能是为了模拟人类大脑的活动而产生的科学,人类已经可以用许多新技术新材料模拟人体的许多功能,诸如皮肤,毛发,骨骼等等,也就是说,人类可以创造出“类人体”。只要能够模拟人的大脑的功能,人就可以完成人工生命的研究工作,人创造自己,这不但在科学上,而且在哲学上都具有划时代的意义。这就是人工智能承担的历史使命。

在科学技术日新月异的今天,知识爆炸,科技的增长超出了人类承受的速度。各种新科技的出现层出不穷,随之而来的成果简直让人瞠目结舌,克隆、基因芯片、转基因等等,人类自身的秘密开始一层一层的揭开。我们人脑的复杂结构,人体的基因链也逐渐被科学技术解剖。我们希望将来的人工智能机器能将我们从繁重的体力劳动和脑力劳动中解放出来心理学,例如机器人做家务,带孩子,做司机,秘书等等一系列我们不愿意花太多精力或者有太多限制条件的工作。然而,人类由于多种“性能”都不如机器人,反而退化成为机器人的奴隶?他们会不会有一天无法忍受人类对他们的“剥削”和“压迫”,挑战人类的统治?很多的科幻作品和电影中都预言了这样的场景,未来的智能机器人和人类争夺有限的地球资源,并最终打败人类,成为新的地球统治者。这也正是绝大多数心理学家和哲学家对人工智能的发展忧心忡忡的原因。

人工智能的发展,也只能无限接近于人的智能,而不能超越人的智能。因为人工智能技术的本质,是模拟人类的思维过程,是为人类服务的。我们在进行发明创造的同时,担心被我们所发明的物质所毁灭。正如人类发明了原子能,用于取代正在逐渐消逝的矿物能源,然而当原子能用于军事领域的时候,他产生的力量也足以毁灭人类文明。科技本身并不是问题,人类如何运用自己掌握的技术,才是问题的关键。我们最大的敌人不是我们发明的技术,而是我们自己本身。

【参考文献】

1.李建国人工智能与认知心理学[J]. 西南师范大学学报 1986年4月第二期 142-146页

2.郑南宁认知过程的信息处理和新型人工智能系统[J]. 中国基础科学.科学前沿2008年 9-18页

3.蔡自兴,徐光�人工智能及其应用(第三版)[M].北京.清华大学出版社 2004年

4.(美)Sternberg,.认知心理学[M] .北京.中国轻工业出版社 2006年

5.(美)Nils 人工智能[M].北京. 机械工业出版社 2004年

下一页分享更优秀的<<<人工智能的期末论文

“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ,欢迎阅读!

对《人工智能》专业选修课教学的几点体会

摘要:“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,提高《人工智能》专业选修课的教学效果,我们结合近几年的实际教学 经验 ,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。

关键词:人工智能 优选教材 考核方式内容 手段 实践

人工智能(Aritificial Intelligence,英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科,是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为,如推理、证明、感知、规划和问题求解等思维活动,来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐,与时俱进,有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代,人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科,必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止,全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今,一直将“人工智能”列为自动化专业本科生的选修课程,到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校,因此,学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下,南邮人经过多年的努力工作,在人工智能科研方面取得了丰硕的成果,如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统,为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。

一、优选教材

目前,国内有关人工智能课程的中英版教材种类非常多,遵循实用、简单、够用的原则,再经过授课老师和学生们的共同调研,我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面,包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写,内容基础,难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域,做到了内容新颖、简单易懂、兼顾基础和应用,受到了全国广大师生们的一致好评,多年的教学实践证明我们所选择的教材是恰当的、正确的。

二、考核方式

在全国大部分高等院校,“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握,南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理,我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核,从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的:平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端,避免学生“机械式”地的应对教学和考试,我们对考试题型进行了调整,不再是以往的填空、选择、简答等题型,而是改为以解决实际问题为导向的应用题型为主,这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了,这也体现了国家目前正在提倡的应用型教学导向。

三、教学内容调整

对于本科生而言,人工智能这门课程所需要讲授的内容实在太多,由于课时所限,我们必须精简教学内容,让学生在掌握基础知识的同时,也能够了解它的具体应用。因此,我们将人工智能这门课程的教学内容分为两个部分:第一部分是基本理论和方法,包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用,包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排,使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点,从而满足了学生们的求知需求。

四、教学手段的改进

(一) 激发学生的学习兴趣

经过长时间的教学我们发现,在选修“人工智能”这门课程时,每个学生的心中所想各有不同,这些学生在刚开始学习时兴趣还比较强烈,但随着教学内容变得越来越抽象,学生逐渐对这本课的学习失去了信心,甚至上课时间不去听课,使授课教师对教学也渐渐失去了信心,导致恶性循环,严重影响了教学质量。针对这种现象,我们认为,在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件,开课前给学生演示“机器人医疗服务”实验,通过该实验的演示,让学生们看到机器人能够给病人提供多项人性化的服务,理解人工智能技术在开发医疗服务机器人多项关键技术中的应用,让学生在开课前能够对本课程的学习产生极大的兴趣,实践证明这种方法是有效的。

(二) 借助多媒体教学

多媒体教学是现代教学过程中一种非常重要的形式,它往往根据教学目的和学生们的特点,通过合理的设计、选择教材内容,应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来,与传统教学手段相结合,形成合理的教学过程结构,达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点,学生学习起来比较困难,为了让学生生动、形象地学习该课程,我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时,借助Matlab软件和投影机,直接展现该算法的求解过程,从而改善了课程教学的形式,提高了教学质量。 (三)提倡课堂 辩论

我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式,多次组织课堂辩论,辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论,无论正方还是反方都感觉自己收获很大,增长了知识,开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色,大大地调动了学生的学习积极性,从而提高了课堂教学质量。

五、实践教学

实践教学是课堂教学不可缺少的重要组成部分,通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法,从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课,设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题,要求学生独立完成这2个实验题目的编程,并书写实验 报告 。通过实验,学生动手实践了课堂上所掌握的理论知识,加深了对智能算法的理解。

人工智能是一门实用性较强的课程,我们总结了近几年来的教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看,我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用,需要指出的是,我们仍有很多不足之处,需要在以后的教学过程中不断努力完善,提高自己的教学能力,争取更好的教学效果。

参考文献

[1]蔡自兴,徐光佑.人工智能及其应用[M].北京:清华大学出版社,2003.

[2]路小英,周桂红,赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报:农林教育版,2007,9(4):66-68.

[3]马建斌,李阅历,高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报:农林教育版,2011,13(3):330-332.

[4]赵海波.人工智能课程教学方法的探讨[J].科技信息,2011,(7):541.

[5]张廷,杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学,2009(11):133-134.

本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。

下一页分享更优秀的<<<人工智能结课论文

人工智能英语论文参考文献

“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ,欢迎阅读!

对《人工智能》专业选修课教学的几点体会

摘要:“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,提高《人工智能》专业选修课的教学效果,我们结合近几年的实际教学 经验 ,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。

关键词:人工智能 优选教材 考核方式内容 手段 实践

人工智能(Aritificial Intelligence,英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科,是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为,如推理、证明、感知、规划和问题求解等思维活动,来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐,与时俱进,有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代,人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科,必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止,全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今,一直将“人工智能”列为自动化专业本科生的选修课程,到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校,因此,学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下,南邮人经过多年的努力工作,在人工智能科研方面取得了丰硕的成果,如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统,为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。

一、优选教材

目前,国内有关人工智能课程的中英版教材种类非常多,遵循实用、简单、够用的原则,再经过授课老师和学生们的共同调研,我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面,包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写,内容基础,难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域,做到了内容新颖、简单易懂、兼顾基础和应用,受到了全国广大师生们的一致好评,多年的教学实践证明我们所选择的教材是恰当的、正确的。

二、考核方式

在全国大部分高等院校,“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握,南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理,我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核,从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的:平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端,避免学生“机械式”地的应对教学和考试,我们对考试题型进行了调整,不再是以往的填空、选择、简答等题型,而是改为以解决实际问题为导向的应用题型为主,这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了,这也体现了国家目前正在提倡的应用型教学导向。

三、教学内容调整

对于本科生而言,人工智能这门课程所需要讲授的内容实在太多,由于课时所限,我们必须精简教学内容,让学生在掌握基础知识的同时,也能够了解它的具体应用。因此,我们将人工智能这门课程的教学内容分为两个部分:第一部分是基本理论和方法,包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用,包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排,使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点,从而满足了学生们的求知需求。

四、教学手段的改进

(一) 激发学生的学习兴趣

经过长时间的教学我们发现,在选修“人工智能”这门课程时,每个学生的心中所想各有不同,这些学生在刚开始学习时兴趣还比较强烈,但随着教学内容变得越来越抽象,学生逐渐对这本课的学习失去了信心,甚至上课时间不去听课,使授课教师对教学也渐渐失去了信心,导致恶性循环,严重影响了教学质量。针对这种现象,我们认为,在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件,开课前给学生演示“机器人医疗服务”实验,通过该实验的演示,让学生们看到机器人能够给病人提供多项人性化的服务,理解人工智能技术在开发医疗服务机器人多项关键技术中的应用,让学生在开课前能够对本课程的学习产生极大的兴趣,实践证明这种方法是有效的。

(二) 借助多媒体教学

多媒体教学是现代教学过程中一种非常重要的形式,它往往根据教学目的和学生们的特点,通过合理的设计、选择教材内容,应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来,与传统教学手段相结合,形成合理的教学过程结构,达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点,学生学习起来比较困难,为了让学生生动、形象地学习该课程,我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时,借助Matlab软件和投影机,直接展现该算法的求解过程,从而改善了课程教学的形式,提高了教学质量。 (三)提倡课堂 辩论

我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式,多次组织课堂辩论,辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论,无论正方还是反方都感觉自己收获很大,增长了知识,开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色,大大地调动了学生的学习积极性,从而提高了课堂教学质量。

五、实践教学

实践教学是课堂教学不可缺少的重要组成部分,通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法,从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课,设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题,要求学生独立完成这2个实验题目的编程,并书写实验 报告 。通过实验,学生动手实践了课堂上所掌握的理论知识,加深了对智能算法的理解。

人工智能是一门实用性较强的课程,我们总结了近几年来的教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看,我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用,需要指出的是,我们仍有很多不足之处,需要在以后的教学过程中不断努力完善,提高自己的教学能力,争取更好的教学效果。

参考文献

[1]蔡自兴,徐光佑.人工智能及其应用[M].北京:清华大学出版社,2003.

[2]路小英,周桂红,赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报:农林教育版,2007,9(4):66-68.

[3]马建斌,李阅历,高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报:农林教育版,2011,13(3):330-332.

[4]赵海波.人工智能课程教学方法的探讨[J].科技信息,2011,(7):541.

[5]张廷,杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学,2009(11):133-134.

本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。

下一页分享更优秀的<<<人工智能结课论文

Artificial Intelligence (AI) is the intelligence of machines and the branch of computer science which aims to create it. Textbooks define the field as "the study and design of intelligent agents,"[1] where an intelligent agent is a system that perceives its environment and takes actions which maximize its chances of success.[2] John McCarthy, who coined the term in 1956,[3] defines it as "the science and engineering of making intelligent machines."[4]The field was founded on the claim that a central property of human beings, intelligence—the sapience of Homo sapiens—can be so precisely described that it can be simulated by a machine.[5] This raises philosophical issues about the nature of the mind and limits of scientific hubris, issues which have been addressed by myth, fiction and philosophy since antiquity.[6] Artificial intelligence has been the subject of breathtaking optimism,[7] has suffered stunning setbacks[8] and, today, has become an essential part of the technology industry, providing the heavy lifting for many of the most difficult problems in computer science.[9]AI research is highly technical and specialized, deeply divided into subfields that often fail to communicate with each other.[10] Subfields have grown up around particular institutions, the work of individual researchers, the solution of specific problems, longstanding differences of opinion about how AI should be done and the application of widely differing tools. The central problems of AI include such traits as reasoning, knowledge, planning, learning, communication, perception and the ability to move and manipulate objects.[11] General intelligence (or "strong AI") is still a long-term goal of (some) research.[12]Thinking machines and artificial beings appear in Greek myths, such as Talos of Crete, the golden robots of Hephaestus and Pygmalion's Galatea.[13] Human likenesses believed to have intelligence were built in every major civilization: animated statues were worshipped in Egypt and Greece[14] and humanoid automatons were built by Yan Shi,[15] Hero of Alexandria,[16] Al-Jazari[17] and Wolfgang von Kempelen.[18] It was also widely believed that artificial beings had been created by Jābir ibn Hayyān,[19] Judah Loew[20] and Paracelsus.[21] By the 19th and 20th centuries, artificial beings had become a common feature in fiction, as in Mary Shelley's Frankenstein or Karel Čapek's . (Rossum's Universal Robots).[22] Pamela McCorduck argues that all of these are examples of an ancient urge, as she describes it, "to forge the gods".[6] Stories of these creatures and their fates discuss many of the same hopes, fears and ethical concerns that are presented by artificial problem of simulating (or creating) intelligence has been broken down into a number of specific sub-problems. These consist of particular traits or capabilities that researchers would like an intelligent system to display. The traits described below have received the most attention.[11][edit] Deduction, reasoning, problem solvingEarly AI researchers developed algorithms that imitated the step-by-step reasoning that human beings use when they solve puzzles, play board games or make logical deductions.[39] By the late 80s and 90s, AI research had also developed highly successful methods for dealing with uncertain or incomplete information, employing concepts from probability and economics.[40]For difficult problems, most of these algorithms can require enormous computational resources — most experience a "combinatorial explosion": the amount of memory or computer time required becomes astronomical when the problem goes beyond a certain size. The search for more efficient problem solving algorithms is a high priority for AI research.[41]Human beings solve most of their problems using fast, intuitive judgments rather than the conscious, step-by-step deduction that early AI research was able to model.[42] AI has made some progress at imitating this kind of "sub-symbolic" problem solving: embodied approaches emphasize the importance of sensorimotor skills to higher reasoning; neural net research attempts to simulate the structures inside human and animal brains that gives rise to this intelligenceMain articles: Strong AI and AI-completeMost researchers hope that their work will eventually be incorporated into a machine with general intelligence (known as strong AI), combining all the skills above and exceeding human abilities at most or all of them.[12] A few believe that anthropomorphic features like artificial consciousness or an artificial brain may be required for such a project.[74]Many of the problems above are considered AI-complete: to solve one problem, you must solve them all. For example, even a straightforward, specific task like machine translation requires that the machine follow the author's argument (reason), know what is being talked about (knowledge), and faithfully reproduce the author's intention (social intelligence). Machine translation, therefore, is believed to be AI-complete: it may require strong AI to be done as well as humans can do it.[75][edit] ApproachesThere is no established unifying theory or paradigm that guides AI research. Researchers disagree about many issues.[76] A few of the most long standing questions that have remained unanswered are these: should artificial intelligence simulate natural intelligence, by studying psychology or neurology? Or is human biology as irrelevant to AI research as bird biology is to aeronautical engineering?[77] Can intelligent behavior be described using simple, elegant principles (such as logic or optimization)? Or does it necessarily require solving a large number of completely unrelated problems?[78] Can intelligence be reproduced using high-level symbols, similar to words and ideas? Or does it require "sub-symbolic" processing?[79][edit] Cybernetics and brain simulationMain articles: Cybernetics and Computational neuroscience There is no consensus on how closely the brain should be the 1940s and 1950s, a number of researchers explored the connection between neurology, information theory, and cybernetics. Some of them built machines that used electronic networks to exhibit rudimentary intelligence, such as W. Grey Walter's turtles and the Johns Hopkins Beast. Many of these researchers gathered for meetings of the Teleological Society at Princeton University and the Ratio Club in England.[24] By 1960, this approach was largely abandoned, although elements of it would be revived in the can one determine if an agent is intelligent? In 1950, Alan Turing proposed a general procedure to test the intelligence of an agent now known as the Turing test. This procedure allows almost all the major problems of artificial intelligence to be tested. However, it is a very difficult challenge and at present all agents intelligence can also be evaluated on specific problems such as small problems in chemistry, hand-writing recognition and game-playing. Such tests have been termed subject matter expert Turing tests. Smaller problems provide more achievable goals and there are an ever-increasing number of positive broad classes of outcome for an AI test are:Optimal: it is not possible to perform better Strong super-human: performs better than all humans Super-human: performs better than most humans Sub-human: performs worse than most humans For example, performance at draughts is optimal,[143] performance at chess is super-human and nearing strong super-human,[144] and performance at many everyday tasks performed by humans is quite different approach is based on measuring machine intelligence through tests which are developed from mathematical definitions of intelligence. Examples of this kind of tests start in the late nineties devising intelligence tests using notions from Kolmogorov Complexity and compression [145] [146]. Similar definitions of machine intelligence have been put forward by Marcus Hutter in his book Universal Artificial Intelligence (Springer 2005), which was further developed by Legg and Hutter [147]. Mathematical definitions have, as one advantage, that they could be applied to nonhuman intelligences and in the absence of human is a common topic in both science fiction and in projections about the future of technology and society. The existence of an artificial intelligence that rivals human intelligence raises difficult ethical issues and the potential power of the technology inspires both hopes and Shelley's Frankenstein,[160] considers a key issue in the ethics of artificial intelligence: if a machine can be created that has intelligence, could it also feel? If it can feel, does it have the same rights as a human being? The idea also appears in modern science fiction: the film Artificial Intelligence: . considers a machine in the form of a small boy which has been given the ability to feel human emotions, including, tragically, the capacity to suffer. This issue, now known as "robot rights", is currently being considered by, for example, California's Institute for the Future,[161] although many critics believe that the discussion is premature.[162]Another issue explored by both science fiction writers and futurists is the impact of artificial intelligence on society. In fiction, AI has appeared as a servant (R2D2 in Star Wars), a law enforcer (. "Knight Rider"), a comrade (Lt. Commander Data in Star Trek), a conqueror (The Matrix), a dictator (With Folded Hands), an exterminator (Terminator, Battlestar Galactica), an extension to human abilities (Ghost in the Shell) and the saviour of the human race (R. Daneel Olivaw in the Foundation Series). Academic sources have considered such consequences as: a decreased demand for human labor,[163] the enhancement of human ability or experience,[164] and a need for redefinition of human identity and basic values.[165]Several futurists argue that artificial intelligence will transcend the limits of progress and fundamentally transform humanity. Ray Kurzweil has used Moore's law (which describes the relentless exponential improvement in digital technology with uncanny accuracy) to calculate that desktop computers will have the same processing power as human brains by the year 2029, and that by 2045 artificial intelligence will reach a point where it is able to improve itself at a rate that far exceeds anything conceivable in the past, a scenario that science fiction writer Vernor Vinge named the "technological singularity".[164] Edward Fredkin argues that "artificial intelligence is the next stage in evolution,"[166] an idea first proposed by Samuel Butler's "Darwin among the Machines" (1863), and expanded upon by George Dyson in his book of the same name in 1998. Several futurists and science fiction writers have predicted that human beings and machines will merge in the future into cyborgs that are more capable and powerful than either. This idea, called transhumanism, which has roots in Aldous Huxley and Robert Ettinger, is now associated with robot designer Hans Moravec, cyberneticist Kevin Warwick and inventor Ray Kurzweil.[164] Transhumanism has been illustrated in fiction as well, for example in the manga Ghost in the Shell and the science fiction series Dune. Pamela McCorduck writes that these scenarios are expressions of the ancient human desire to, as she calls it, "forge the gods."[6]

1。 Frosini A, Gori M, Priami P (1996) A neural network-based model弗罗西尼甲,普里亚米P(下1996)哥里的神经网络的M -基于模型for paper currency recognition and verification.为纸币识别和验证。 IEEE Trans Neural电机及电子学工程师联合会跨神经Network 7:1482-1490网络7:1482-14902. 2。 Kosaka T, Taketani N, Omatu S (1999) Classification of Italian小坂吨,武谷ñ,Omatu工作主任(1999年)意大利分类bills by a competitive neural network.法案通过有竞争力的神经网络。 Trans Inst Elec Eng Jpn中国科学院利安达反英Jpn119-C:948-954 119 - ç :948 - 9543. 3。 Fukunaga K (1972) Introduction to statistical pattern recognition.福永度(1972年)介绍统计模式识别。Academic, New York学术,纽约4. 4。 Tipping ME, Bishop CM (1999) Probabilistic principal component小费我,主教厘米(1999年)的主要组成部分概率analysis.分析。 J Roy Stat Soc B 61:611-622 ĵ罗伊统计芯片乙61:611-6225. 5。 Haykin S (1999) Neural networks. Haykin工作主任(1999年)神经网络。 Prentice Hall, New Jersey普伦蒂斯大厅,新泽西6. 6。 Kohonen T (1995) Self-organization maps.基于Kohonen T(下1995)自组织地图。 Springer, Berlin施普林格,柏林Heidelberg New York海德堡纽约7. 7。 Rabiner LR (1989) A tutorial on hidden Markov models and拉比娜的LR(1989)关于隐马尔可夫模型和教程selected applications in speech recognition.在语音识别选定的应用程序。 Proceedings of IEEE诉讼的IEEE77:257-286 77:257-2868. 8。 Kohavi R (1995) A study of cross-validation and bootstrap for accuracy Kohavi住宅(1995年)的交叉研究,验证和引导的准确性estimation and model selection.估计和模型选择。 Proceedings of the 14th International程序的第14届国际Joint Conference on Artificial Intelligence IJCAI,联席会议人工智能IJCAI,Montreal, Canada, pp 1137-11加拿大蒙特利尔,第1137至1111年

人工智能论文英文的参考文献

1。 Frosini A, Gori M, Priami P (1996) A neural network-based model弗罗西尼甲,普里亚米P(下1996)哥里的神经网络的M -基于模型for paper currency recognition and verification.为纸币识别和验证。 IEEE Trans Neural电机及电子学工程师联合会跨神经Network 7:1482-1490网络7:1482-14902. 2。 Kosaka T, Taketani N, Omatu S (1999) Classification of Italian小坂吨,武谷ñ,Omatu工作主任(1999年)意大利分类bills by a competitive neural network.法案通过有竞争力的神经网络。 Trans Inst Elec Eng Jpn中国科学院利安达反英Jpn119-C:948-954 119 - ç :948 - 9543. 3。 Fukunaga K (1972) Introduction to statistical pattern recognition.福永度(1972年)介绍统计模式识别。Academic, New York学术,纽约4. 4。 Tipping ME, Bishop CM (1999) Probabilistic principal component小费我,主教厘米(1999年)的主要组成部分概率analysis.分析。 J Roy Stat Soc B 61:611-622 ĵ罗伊统计芯片乙61:611-6225. 5。 Haykin S (1999) Neural networks. Haykin工作主任(1999年)神经网络。 Prentice Hall, New Jersey普伦蒂斯大厅,新泽西6. 6。 Kohonen T (1995) Self-organization maps.基于Kohonen T(下1995)自组织地图。 Springer, Berlin施普林格,柏林Heidelberg New York海德堡纽约7. 7。 Rabiner LR (1989) A tutorial on hidden Markov models and拉比娜的LR(1989)关于隐马尔可夫模型和教程selected applications in speech recognition.在语音识别选定的应用程序。 Proceedings of IEEE诉讼的IEEE77:257-286 77:257-2868. 8。 Kohavi R (1995) A study of cross-validation and bootstrap for accuracy Kohavi住宅(1995年)的交叉研究,验证和引导的准确性estimation and model selection.估计和模型选择。 Proceedings of the 14th International程序的第14届国际Joint Conference on Artificial Intelligence IJCAI,联席会议人工智能IJCAI,Montreal, Canada, pp 1137-11加拿大蒙特利尔,第1137至1111年

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。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。人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ,欢迎阅读!

对《人工智能》专业选修课教学的几点体会

摘要:“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,提高《人工智能》专业选修课的教学效果,我们结合近几年的实际教学 经验 ,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。

关键词:人工智能 优选教材 考核方式内容 手段 实践

人工智能(Aritificial Intelligence,英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科,是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为,如推理、证明、感知、规划和问题求解等思维活动,来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐,与时俱进,有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代,人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科,必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止,全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今,一直将“人工智能”列为自动化专业本科生的选修课程,到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校,因此,学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下,南邮人经过多年的努力工作,在人工智能科研方面取得了丰硕的成果,如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统,为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。

一、优选教材

目前,国内有关人工智能课程的中英版教材种类非常多,遵循实用、简单、够用的原则,再经过授课老师和学生们的共同调研,我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面,包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写,内容基础,难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域,做到了内容新颖、简单易懂、兼顾基础和应用,受到了全国广大师生们的一致好评,多年的教学实践证明我们所选择的教材是恰当的、正确的。

二、考核方式

在全国大部分高等院校,“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握,南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理,我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核,从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的:平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端,避免学生“机械式”地的应对教学和考试,我们对考试题型进行了调整,不再是以往的填空、选择、简答等题型,而是改为以解决实际问题为导向的应用题型为主,这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了,这也体现了国家目前正在提倡的应用型教学导向。

三、教学内容调整

对于本科生而言,人工智能这门课程所需要讲授的内容实在太多,由于课时所限,我们必须精简教学内容,让学生在掌握基础知识的同时,也能够了解它的具体应用。因此,我们将人工智能这门课程的教学内容分为两个部分:第一部分是基本理论和方法,包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用,包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排,使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点,从而满足了学生们的求知需求。

四、教学手段的改进

(一) 激发学生的学习兴趣

经过长时间的教学我们发现,在选修“人工智能”这门课程时,每个学生的心中所想各有不同,这些学生在刚开始学习时兴趣还比较强烈,但随着教学内容变得越来越抽象,学生逐渐对这本课的学习失去了信心,甚至上课时间不去听课,使授课教师对教学也渐渐失去了信心,导致恶性循环,严重影响了教学质量。针对这种现象,我们认为,在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件,开课前给学生演示“机器人医疗服务”实验,通过该实验的演示,让学生们看到机器人能够给病人提供多项人性化的服务,理解人工智能技术在开发医疗服务机器人多项关键技术中的应用,让学生在开课前能够对本课程的学习产生极大的兴趣,实践证明这种方法是有效的。

(二) 借助多媒体教学

多媒体教学是现代教学过程中一种非常重要的形式,它往往根据教学目的和学生们的特点,通过合理的设计、选择教材内容,应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来,与传统教学手段相结合,形成合理的教学过程结构,达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点,学生学习起来比较困难,为了让学生生动、形象地学习该课程,我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时,借助Matlab软件和投影机,直接展现该算法的求解过程,从而改善了课程教学的形式,提高了教学质量。 (三)提倡课堂 辩论

我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式,多次组织课堂辩论,辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论,无论正方还是反方都感觉自己收获很大,增长了知识,开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色,大大地调动了学生的学习积极性,从而提高了课堂教学质量。

五、实践教学

实践教学是课堂教学不可缺少的重要组成部分,通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法,从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课,设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题,要求学生独立完成这2个实验题目的编程,并书写实验 报告 。通过实验,学生动手实践了课堂上所掌握的理论知识,加深了对智能算法的理解。

人工智能是一门实用性较强的课程,我们总结了近几年来的教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看,我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用,需要指出的是,我们仍有很多不足之处,需要在以后的教学过程中不断努力完善,提高自己的教学能力,争取更好的教学效果。

参考文献

[1]蔡自兴,徐光佑.人工智能及其应用[M].北京:清华大学出版社,2003.

[2]路小英,周桂红,赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报:农林教育版,2007,9(4):66-68.

[3]马建斌,李阅历,高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报:农林教育版,2011,13(3):330-332.

[4]赵海波.人工智能课程教学方法的探讨[J].科技信息,2011,(7):541.

[5]张廷,杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学,2009(11):133-134.

本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。

下一页分享更优秀的<<<人工智能结课论文

人工智能技术无论是在过去。认知心理学和人工智能。使得人工智能和心理学从最初就紧密地联系在一起。以下是我整理的人工智能的期末论文的相关资料,欢迎阅读!

摘要:人工智能技术无论是在过去。认知心理学和人工智能。使得人工智能和心理学从最初就紧密地联系在一起。

关键词:人类智能,人工智能,认知,心理学

人工智能技术无论是在过去,现在还是将来,都作为科学研究的热点问题之一。人类对自己本身的秘密充满好奇,随着生物技术的飞速发展,人类不断破译人体的生命密码。而以生物科学为基础的人工智能技术也得到了长足的发展。人们希望通过某种技术或者某些途径能够创造出模拟人思维和行为的“替代品”,帮助人们从事某些领域的工作。为了让计算机能够从事一些只有人脑才能完成的工作,解脱人的繁重的脑力劳动,人类对自身的思维和智能不断地研究探索。但是,科学技术是一柄双刃剑,人们对人工智能技术的飞速发展存在着恐慌。如果机器真的具有了人类的智能,在未来的某一天,他们会不会取代人类而成为地球的主宰者?人类智能和人工智能,谁才是未来的传奇?

1.你在和谁说话?

“先进的人工智能机器人不但拥有可以乱真的人类外表,而且还能像人类一样感知自己的存在。”这是人工智能发展到高级阶段的目标和任务。那么,我们在不久的未来能否实现这样一个目标呢?人类真的能发明出足以乱真的智能人类吗?隔着一堵墙,我们是否能分辨出正在与我们对话的是一部机器还是人类?

. 人工智能的定义

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。人工智能是相对于人的智能而言的。正是由于意识是一种特殊的物质运动形式,所以根据控制论理论,运用功能模拟的方法心理学,制造电脑模拟人脑的部分功能,把人的部分智能活动机械化,叫人工智能。人工智能的本质是对人思维的信息过程的模拟,是人的智能的物化。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。人工智能发展的过程归纳为机器不断取代人的过程。

. 人工智能技术的发展

几个世纪以来,人类依靠智慧,发明了许多机器,使人类能够从许多体力劳动中解放出来。从1956年正式提出人工智能学科算起,40多年来取得长足的发展,成为一门广泛的交叉和前沿科学。科学家发明了汽车,火车,飞机,收音机等等,它们模仿我们身体器官的功能,但是这些不能模仿人类大脑的功能。当计算机出现后,人类开始真正有了一个可以模拟人类思维的工具,在以后的岁月中,无数科学家为这个目标努力着。1997年5月,IBM公司研制的深蓝(Deep Blue)计算机战胜了国际象棋大师卡斯帕洛夫(Kasparov)。在一些地方计算机帮助人进行其它原来只属于人类的工作,计算机以它的高速和准确为人类发挥着它的作用。计算机的出现,使得人工智能有了突破性的进展。计算机不仅能代替人脑的某些功能,而且在速度和准确性上大大超过人脑,它不仅能模拟人脑部分分析和综合的功能,而且越来越显示某种意识的特性。真正成了人脑的延伸和增强。

. 人工智能的研究领域

人工智能是一种外向型的学科,也是一门多领域综合学科。它不但要求研究它的人懂得人工智能的知识,而且要求有比较扎实的数学基础,哲学和生物学基础,只有这样才可能让一台什么也不知道的机器模拟人的思维。而人工智能的最根本目的是模拟人类的思维,因此,它的研究领域与人类活动息息相关。什么地方只要有人在工作,他就可以运用到那个领域。

现阶段主要研究领域有专家系统,机器学习,模式识别,自然语言理解,自动定理证明,自动程序设计心理学,机器人学,博弈,智能决定支持系统和人工神经网络等等。

2.机器真的可以思考吗?

机器真的可以思考吗?机器的思考归根结底还是模仿人类的思维模式,正是“思考”这一人类的本质属性,使得人工智能和心理学从最初就紧密地联系在一起。心理学研究人脑中信息的输入、输出、存储和加工,并研究人脑各个部位的功能。最早的双核计算机模仿人的左右脑,在人脑不同区域主管各个不同功能这一原理的基础上,来设计负责不同功能的芯片。以此为出发点,心理学家和计算机学者进一步合作,通过研究人解决问题的方法来研究开发人工智能。随着人工智能的发展,所要求实现的职能愈加复杂,但最基本的方式还是逻辑推理和归纳,这正是心理学家和逻辑学家的专业领域。心理学家以研究探讨人类逻辑思维方式为人工智能提供了基本原理和原则。

. 人类意识的本质

意识是世界的内在规定、一般规律和组成部分,是具有客观实在性同世界的其它组成部分处在对立统一关系中的事物。意识普遍存于世界和万物之中,世界是包含意识的世界,万物是包含意识的万物。没有意识存在于其中的世界不是我们现实生活中的世界,没有意识存在于其中的万物也不是我们天天眼见手触的万物。有了意识的存在,世界和万物就有了生机和活力。

. 意识是与物质相对应的哲学范畴,与物质既相对立又相统一的精神现象。

意识是自然界长期发展的产物,由无机物的反应特性,到低等生物的刺激感应性,再到动物的感觉和心理这一生物进化过程是意识得以产生的自然条件。意识是社会的产物,人类社会的物质生产劳动在意识的产生过程中起决定的作用。辩证唯物主义在强调物质对意识起决定作用的前提下肯定意识对于物质具有能动的反作用,在意识活动中人们从感性经验抽象出事物的本质、规律形成理性认识,又运用这些认识指导自己有计划、有目的地改造客观世界。

. 从意识的起源看,意识是物质世界发展到一定阶段的产物;从意识的本质来看,意识是客观存在在人脑中的反映。

意识是人脑对客观存在的反映:第一,正确的思想意识与错误的思想意识都是客观存在在人脑中的反映;第二,无论是人的具体感觉还是人的抽象思维,都是人脑对客观事物的反映;第三,无论是人们对现状的感受与认识,还是人们对过去的思考与总结,以至人们对未来的预测,都是人脑对客观事物的反映。 意识的能动作用首先表现在,意识不仅能够正确反映事物的外部现象,而且能够正确反映事物的本质和规律;意识的能动作用还突出表现在,意识能够反作用于客观事物,以正确的思想和理论为指导心理学,通过实践促进客观事物的发展。

. 人类意识与人工智能的关系

认知心理学和人工智能,是认知科学的两个组成部分。人工智能使用了心理学的理论,心理学又借用了人工智能的成果。人类意识与人工智能两者具有以下关系:

l人工智能是研究用机器模拟和扩展人的智能的科学。它撇开了人脑的内在结构和意识的社会性,而只是把人脑作为一种信息处理的过程,包括信息的接收、记忆、分析、控制和输出五部分。现代科学技术用相应的部件来完成着五个过程,就构成了人工智能或电脑。

l人工智能可以代替人的某些脑力劳动,甚至可以超过人的部分思维能力,随着现代科学技术的发展,它发挥着越来越重要的作用。人工智能的出现不仅解放了人的智力,而且为研究人脑的意识活动提供了新的方法和途径。它说明了人的意识活动不管多么复杂,都是以客观物质过程为基础的,而不是什么神秘的超物质的东西,人们完全可以用自然科学的精确方法来加以研究和模拟,它进一步证实了辩证唯物主义意识论的科学性。

l人工智能的产生和发展,深化了我们对意识相对独立性和能动性的认识。机器思维即人工智能表明,思维形式在思维活动中对于思维内容具有相对独立性,它可从人脑中分化出来,物化为机械的、物理的运动形式,部分地代替人的思维活动。

随着科学技术的发展,人工智能将向更高水平发展,反过来推动科学技术、生产力和人类智慧向更高水平发展,对人类社会进步将起着巨大的推动作用。

3. 人工智能的未来

人工智能是为了模拟人类大脑的活动而产生的科学,人类已经可以用许多新技术新材料模拟人体的许多功能,诸如皮肤,毛发,骨骼等等,也就是说,人类可以创造出“类人体”。只要能够模拟人的大脑的功能,人就可以完成人工生命的研究工作,人创造自己,这不但在科学上,而且在哲学上都具有划时代的意义。这就是人工智能承担的历史使命。

在科学技术日新月异的今天,知识爆炸,科技的增长超出了人类承受的速度。各种新科技的出现层出不穷,随之而来的成果简直让人瞠目结舌,克隆、基因芯片、转基因等等,人类自身的秘密开始一层一层的揭开。我们人脑的复杂结构,人体的基因链也逐渐被科学技术解剖。我们希望将来的人工智能机器能将我们从繁重的体力劳动和脑力劳动中解放出来心理学,例如机器人做家务,带孩子,做司机,秘书等等一系列我们不愿意花太多精力或者有太多限制条件的工作。然而,人类由于多种“性能”都不如机器人,反而退化成为机器人的奴隶?他们会不会有一天无法忍受人类对他们的“剥削”和“压迫”,挑战人类的统治?很多的科幻作品和电影中都预言了这样的场景,未来的智能机器人和人类争夺有限的地球资源,并最终打败人类,成为新的地球统治者。这也正是绝大多数心理学家和哲学家对人工智能的发展忧心忡忡的原因。

人工智能的发展,也只能无限接近于人的智能,而不能超越人的智能。因为人工智能技术的本质,是模拟人类的思维过程,是为人类服务的。我们在进行发明创造的同时,担心被我们所发明的物质所毁灭。正如人类发明了原子能,用于取代正在逐渐消逝的矿物能源,然而当原子能用于军事领域的时候,他产生的力量也足以毁灭人类文明。科技本身并不是问题,人类如何运用自己掌握的技术,才是问题的关键。我们最大的敌人不是我们发明的技术,而是我们自己本身。

【参考文献】

1.李建国人工智能与认知心理学[J]. 西南师范大学学报 1986年4月第二期 142-146页

2.郑南宁认知过程的信息处理和新型人工智能系统[J]. 中国基础科学.科学前沿2008年 9-18页

3.蔡自兴,徐光�人工智能及其应用(第三版)[M].北京.清华大学出版社 2004年

4.(美)Sternberg,.认知心理学[M] .北京.中国轻工业出版社 2006年

5.(美)Nils 人工智能[M].北京. 机械工业出版社 2004年

下一页分享更优秀的<<<人工智能的期末论文

人工智能论文带英文参考文献

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。以下是我精心整理的人工智能的利与弊论文的相关资料,希望对你有帮助!

摘要:自1956年人工智能诞生起,几十年的发展让其有了许多的进步,并广泛用于机器视觉,专家系统,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学等各大领域,并且与人类生活联系越来越紧密。在安全性没有得到确切认证的情况下广泛发展人工智能是否是可行的做法,人工智能是否会战胜人类智能,现在还存在广泛的争论。本文从人工智能的概况,应用领域与人类生活的联系等方面讨论,联系有关理论,认为人工智能的发展需要在人类智能可控的范围内进行。

关键字:人工智能 超越 人类智能 退化

一.人工智能的概况

(一)人工智能的概念

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作出反应的智能机器,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。

(二)人工智能的兴起

1956年,被认为是人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论。他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会"。从那时起,这个领域被命名为 "人工智能"。1976年Newell 和Simon提出了物理符号系统假设,认为物理符号系统是表现智能行为必要和充分的条件。 Minsky从心理学的研究出发,提出了框架知识表示方法。到80年代,Minsky认为人的智能,根本不存在统一的理论。以McCarthy和Nilsson等为代表,主张用逻辑来研究人工智能,即用形式化的方法描述客观世界。逻辑学派在人工智能研究中,强调的是概念化知识表示、模型论语义、演绎推理等。 McCarthy主张任何事物都可以用统一的逻辑框架来表示,在常识推理中以非单调逻辑为中心。传统的人工智能研究思路是“自上而下”式的,它的目标是让机器模仿人,认为人脑的思维活动可以通过一些公式和规则

来定义,因此希望通过把人类的思维方式翻译成程序语言输入机器,来使机器有朝一日产生像人类一样的思维能力。这一理论指导了早期人工智能的研究。

(三)人工智能的发展状况

1956年,Samuel研制了跳棋程序,它在1959年击败了Samuel本人

1959年美籍华人学者、洛克菲勒大学教授王浩 自动定理证明

1976年 “四色定理”的证明

1977年,曾是赫伯特·西蒙的研究生、斯坦福大学青年学者费根鲍姆

(),在第五届国际人工智能大会上提出了”知识工程”的概念 1976年美国斯坦福大学肖特列夫开发医学专家系统MYCIN

80年代,AI 被引入了市场,并显示出实用价值

1997年 “深蓝”

2011年9月,在印度古瓦哈蒂举行的电脑科技展上,一个“聪明机器(Cleverbot)”成功过近800名观众,使他们难以分辨对话出自真人还是电脑软件。当日参加聊天试验的30名志愿者被安排进行4分钟在线文字聊天,聊天的对象可能是“聪明机器人”,也可能是一个真人。他们的对话内容展示在一个

大屏幕上,1334名普通观众观看对话内容后进行投票。结果,超过的观众 把人与“聪明机器人”的对话误认成人与人之间的对话“聪明机器人”的发明 者、英国人罗洛·卡彭特很高兴地告诉记者:“过一半以上观众,你可以说聪明机器人算是通过了"图灵测试"

二.人们对人工智能的依靠

(一)人工智能主要应用领域

目前人工智能主要的应用领域在机器视觉(指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识别),专家系统,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学,语言和图像理解,遗传编程等。

(二)人们生活与人工智能的密切关系

从智能手机、自动驾驶汽车到医疗机器人,人工智能革命已经到来。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通

中推荐最畅通的线路;帮助识别信用卡„„虽然很多时候我们甚至没有意识到它的存在,但我们的生活却因它悄悄改变。

在美国硅谷,尼古拉斯·亚宁早上起来准备去上班,到公司需要40分钟车程。这位在Google工作的技术员走向他的Lexus汽车。汽车即将驶上加州拥挤的高速路,此时他的“司机”———汽车开始掌控大局。亚宁的这辆车是Google正在实验的自动驾驶汽车,安装有复杂的人工智能技术,使得他可以放松地坐在驾驶座上充当乘客。

在马萨诸塞州贝德福特的iRobot公司,一名参观者看着5英尺高的机器人爱娃小心翼翼地行走在大厅里,躲避着周围的障碍物———包括人类。今年年底它将开始自己的第一份真正工作———远程医疗助手,让数千英里之外的专家通过安装在它“头”上的视频屏幕给医院的病人看病。当医生准备看望下一位病人时,他只需点击电脑地图上的新位置。爱娃根据地图找到并赶往下一个病房,它还会自己乘坐电梯。

在华盛顿普尔曼,华盛顿州立大学的研究者们正在给“智能”房间安装上感应器,使之能够根据需要自动调节房间的光线,监控住户的一切活动,包括他们每天睡眠多少小时,锻炼多少分钟。听上去有点像是被监禁,但事实上,倡导者们认为这样的技术就像一个富有爱心的保姆:智能房屋可以帮助老年人,尤其是有身体或智力障碍的老人过上独立的生活。

从今年夏天在火星登陆的好奇号太空探测器,到仪表盘能够与人对话的汽车,再到智能手机,人工智能正在改变我们的生活———有时候以一种显而易见的方式,更多的时候,我们甚至没有意识到它的存在。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通中推荐最畅通的线路;帮助识别信用卡;告诉驾驶员什么时候越过了道路中央的分道线。

甚至连烤面包机也即将加入人工智能革命。你可以将一个面包放进去,用智能手机拍张照片,手机将把所有需要的信息传送给烤面包机,指导它如何将面包烤得恰到好处。

从某个方便说,人工智能几乎无处不在,从控制数码相机的光圈和快门速度的智能感应器,到干衣机中的温度和湿度探测器,再到汽车中的自动泊车功能。更复杂的应用还在源源不断地走出实验室。

三.人工智能的弊端

(一)关于人工智能超越人类智能的假说

人工智能只可以作为人类智能的补充,但是人工智能的发展速度远远超过人类智能的发展速度,即根据进化论来说人工智能的进化速度比人类智能进化得快许多。由于人工智能起步较低,故现在和人类智能有一定差距,但其表现出了在局部超越了人类智能的现状,让人有理由相信人工智能超越人类智能只是时间上的问题。

人工智能超越人类智能论据有:一是达尔文进化论;二是类比人类的创造性即由于人类智能的不断探索欲会把自己独有创造赋予人工智能,这会导致人工智能战胜人类智能;三是“量变质变定律”人工智能不断的在某些领域超越人类智能,最终将在质上战胜人类智能。

其代表人物有四川大学社科系教授王黔玲从世界观角度提出的“人工智能将超越人类智能”的论断。华东师范大学哲学系教授郦全民认为在好奇心的驱使下,在不前进就会落后的“象棋皇后”效应的作用下,人类不会停止对比自己先进的更高的智能系统的探索。而进化法则又不可违背,将使得进化之链朝着超越人类的方向发展。因此地球上出现超越人类的高智能物种是进化的必然。代维也大胆预测“人工智能将在不远的将来战胜人类智能,但会有自己的存在方式,不会对人类构成威胁”。约翰·麦卡锡——人工智能之父认为“没有理由相信我们不能写出一个能使电脑像人一样思考的公式。”斯蒂芬·霍金 说过“在我看来,如果非常复杂的化学分子可以在人体内活动并使人类产生智慧的话,那么太阳复杂的电子电路也可以使计算机以智能化的方式采取行动。”德国班贝克大学心理学教授德尔纳认为“有灵魂的机器是存在的。”

(二)人类退化的假说

从智能手机、自动驾驶汽车到医疗机器人,人工智能革命已经到来。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通中

第5 / 6页

推荐最畅通的线路;帮助识别信用卡等。虽然很多时候我们甚至没有意识到它的存在,但我们的生活却因它悄悄改变。人们总是趋向于安逸的生活,人工智能的出现满足了人们许多的需求,这会导致人们满足于享受当前的生活而忘记许多自己的本能。根据达尔文的进化学说,那些我们不在经常使用的本能会在生物的繁衍中逐渐的退化消失。人工智能化的发展,我们的衣食住行都可以有简单的解决方法,并且也越来越为人们所依赖。就像过去几千年我们没有电话手机,一样可以有自己的通讯方式,可是现在手机发展不过几十年,就没有几个人能离得开手机了。试想一下日益进入我们生活中的人工智能,等你习惯后还能离得开吗。如果有了人工智能,你什么都不用自己动手,那经过生物衍变,人类的未来还能剩下什么呢。经过退化衍变的人类还有什么能力呢。

四.结语

现阶段人工智能在专家系统,智能搜索,定理证明,博弈,自动程序设计,智能控制,机器人学等方面都有许多的应用,并且范围越来越广,虽然看似都是促进科学发展的,但是我们得注意其使用的度,就像克隆的应用一样,具有双面性的东西在发展时都应该慎重考虑。人工智能智能作为一种工具被人类智能限定在一定的范围里发展,才能在保证其安全的条件下最大程度的为人类发挥作用。 参考文献:

【1】史忠植. 高级人工智能(第二版). 科学出版社, 2006.

【2】玛格丽特·博登,人工智能哲学,上海译文出版社2001-11-01

【3】 Russell S., Peter Norvig,人工智能——一种现代方法(第二版)北京:人民邮电出版社, 2004 【4】史忠植. 智能主体及其应用.科学出版社,2000.

【5】 叶世伟, 史忠植 译. 神经网络原理(Simon Haykin: Neural Networks) . 机械工业出版社,2004.

【6】蔡自兴,徐光佑,人工智能及其应用(第三版). 北京:清华大学出版社,2003年

【7】卢格尔,人工智能,机械工业出版社,2009-03-01

【8】CarolynAbate,人工智能改变生活,南方都市报,2012-09-30

【9】门泽尔,机器人的未来,上海辞书出版社,2002年

【10】钱学森,关于思维科学,上海人民出版社,1986

【11】钱铁云,人工智能是否可以超越人类智能?,科学社会与辩证法,2004

【12】代维,人工智能VS人类智能。20年后谁称雄,青年探索,2002

【13】姜长阳,人类正在退化,自然辨证法研究,2000年11期

只要谈及科技对人类的意义,有一个词语出语率颇高――“双刃剑”。即科技在给人们带来便捷、舒适和高质量生活的同时,也不可避免地会带来诸多弊端。在这种种弊端中,有看得见的,如环境污染;而更多的则是看不见的,如科技对文化的冲击。

有关科技的利与弊,近年来舆论界一直争论不休,莫衷一是。这一现象也直接反映在了高考语文试题中――连续几年的高考作文都涉及到这一话题,且有逐年增多的趋势。

据统计,在近几年高考作文中讨论最多的话题是“科技对文化(尤其是传统文化)的冲击”――即科技会不会对文化构成冲击?又会构成什么样的冲击?如2012年高考湖北卷作文题就提供了这样一则材料:

语文课堂上,老师在讲到杜甫《春望》“烽火连三月,家书抵万金”时,不无感慨地说:“可惜啊,我们现在已经很难见到家书了,书信这种形式恐怕要消失了。”学生甲:“没有啊,我上大学的表哥就经常给我写信,我觉得这种交流方式是不可替代的。”学生乙:“信息技术这么发达,打电话、发短信、写邮件更便捷,谁还用笔写信啊?”学生丙:“即使不用笔写信,也不能说明书信消失了,只不过是书信的形式变了。”学生丁:“要是这样说的话,改变的又何止是书信?社会发展了,科技进步了,很多东西都在悄然改变。”……

诚然,电话、短信、邮件在带给我们方便、快捷的同时,也消减了我们生活中的诗意。可是我们不妨思量一下,“云中谁寄锦书来”或许能带给我们诗意和遐想,可在“烽火连三月”的情况下,恐怕还是一条快捷的短信更让人放心。因此,我们要充分考虑到两者的得失,对如何处理好科技与文化的关系作出深刻的反思:是为了保存传统的美好而抱残守缺,还是为了方便快捷就抛弃传统?是在传统的树干上嫁接上时尚的枝条,还是在崭新的文化中打上旧补丁?笔者想:应该思考这类问题的绝不仅仅是我们的中学生,更有我们的决策者、我们的专家,甚至我们每一个普普通通的公民。反思永远强于抱怨,只有总结反思,才能使我们的下一步走得更好,走得更稳健,从而一步步接近我们理想中的伊甸园。

与此一脉相承的是2014年高考广东卷的作文题。所不同的是广东卷的材料放弃了书信与手机,取而代之的是黑白胶片与数码技术:

黑白胶片的时代,照片很少,只记录下人生的几个瞬间,在家人一次次的翻看中,它能唤起许多永不褪色的记忆。但照片渐渐泛黄,日益模糊。数码技术的时代,照片很多,记录着日常生活的点点滴滴,可以随时上传到网络与人分享。它从不泛黄,永不模糊,但在快速浏览与频繁更新中,值得珍惜的“点滴”也可能被稀释。

黑白胶片与数码技术就像尺素与短信、马车与高铁、书法与“键谈”、远足与网游、品茗与快餐,品评它们又岂是一个“利”字或“弊”字可以概括的?这当中,掺和有科技的因素,有文化的因素,有传统的因素,有心理习惯的因素……其实,人们最希望拥有的是现代科技的便捷加上传统文化的醇香,而这恰如鱼与熊掌,兼而得之实在不易。

高考作文涉及到的又一方面的话题是“科技对传统审美观念的冲击”。如2014年高考辽宁卷作文题提供了这样一则材料:

夜晚,祖孙二人倚窗远眺。“瞧万家灯火,大街通明,霓虹闪耀,真美!”男孩说,“要是没有电,没有现代科技,没有高楼林立,上哪儿看去?”老人颔首,又沉思摇头:“可惜满天繁星没有了。沧海桑田,转眼之间啊!当年那些祖先,山洞边点燃篝火,看月亮初升,星汉灿烂,他们欣赏的也许才是美景。”

读罢这则材料,笔者觉得:如果“当年那些祖先”能够“穿越”回来,即便他们依然认为篝火、明月、星汉是大自然中最美丽的景观,但他们还乐意栖居在山洞里燃着篝火欣赏那满天繁星吗?现代科技早已潜入到了人们的灵魂深处,纵然我们会偶尔生出几许怀旧的情愫,那不过是我们在内心珍存的原始记忆陨落时的惆怅,纵然我们心向往之,也未必愿意返璞归真。在现代社会中,像陶渊明、梭罗这些真正倾心于自然的隐者已经很难寻觅了。

高考作文所涉及的有关科技的材料,还触及到了近乎于“科幻”的话题。如2014年高考天津卷的作文材料,讲的是一则带有几分科幻色彩的故事,揭示了现代科技给人带来的“荒诞感”:

也许将来有这么一天,我们发明了一种智慧芯片,有了它,任何人都能古今中外无一不知,天文地理无所不晓。比如说,你在心里默念一声“物理”,人类有史以来有关物理的一切公式、定律便纷纷浮现出来,比老师讲的还多,比书本印的还全。你逛秦淮河时,脱口一句“旧时王谢堂前燕”,旁边卖雪糕的老大娘就接茬说“飞入寻常百姓家”,还慈祥地告诉你,这首诗的作者是刘禹锡,这时一个金发碧眼的外国小女孩抢着说,诗名《乌衣巷》,出自《全唐诗》365卷4117页……这将是怎样的情形啊!

不知道是否真的有那么一天,不知道这样的情形是否真的会出现,也不知道这样的情形出现究竟是喜是悲。

平心而论,科技带给我们的永远是利大于弊,否则我们绝不会视之为“第一生产力”,也不会有那么多仁人志士为科技献身,为科技发展不遗余力了。我们现在要探究的是在发展科技的同时怎样将它的负面效应降到最低,乃至使之成为促进文化传承与发展的助力;而不是因噎废食,视科技为文化的宿敌,甚至视若洪水猛兽――而承担这一重任的主力,将会是今天走上考场的一代青年。从这一意义上看,让他们先写这样的文章真的很有价值。想必“科技”这一话题在随后的高考作文中仍会有一定的地位。

Artificial Intelligence (AI) is the intelligence of machines and the branch of computer science which aims to create it. Textbooks define the field as "the study and design of intelligent agents,"[1] where an intelligent agent is a system that perceives its environment and takes actions which maximize its chances of success.[2] John McCarthy, who coined the term in 1956,[3] defines it as "the science and engineering of making intelligent machines."[4]The field was founded on the claim that a central property of human beings, intelligence—the sapience of Homo sapiens—can be so precisely described that it can be simulated by a machine.[5] This raises philosophical issues about the nature of the mind and limits of scientific hubris, issues which have been addressed by myth, fiction and philosophy since antiquity.[6] Artificial intelligence has been the subject of breathtaking optimism,[7] has suffered stunning setbacks[8] and, today, has become an essential part of the technology industry, providing the heavy lifting for many of the most difficult problems in computer science.[9]AI research is highly technical and specialized, deeply divided into subfields that often fail to communicate with each other.[10] Subfields have grown up around particular institutions, the work of individual researchers, the solution of specific problems, longstanding differences of opinion about how AI should be done and the application of widely differing tools. The central problems of AI include such traits as reasoning, knowledge, planning, learning, communication, perception and the ability to move and manipulate objects.[11] General intelligence (or "strong AI") is still a long-term goal of (some) research.[12]Thinking machines and artificial beings appear in Greek myths, such as Talos of Crete, the golden robots of Hephaestus and Pygmalion's Galatea.[13] Human likenesses believed to have intelligence were built in every major civilization: animated statues were worshipped in Egypt and Greece[14] and humanoid automatons were built by Yan Shi,[15] Hero of Alexandria,[16] Al-Jazari[17] and Wolfgang von Kempelen.[18] It was also widely believed that artificial beings had been created by Jābir ibn Hayyān,[19] Judah Loew[20] and Paracelsus.[21] By the 19th and 20th centuries, artificial beings had become a common feature in fiction, as in Mary Shelley's Frankenstein or Karel Čapek's . (Rossum's Universal Robots).[22] Pamela McCorduck argues that all of these are examples of an ancient urge, as she describes it, "to forge the gods".[6] Stories of these creatures and their fates discuss many of the same hopes, fears and ethical concerns that are presented by artificial problem of simulating (or creating) intelligence has been broken down into a number of specific sub-problems. These consist of particular traits or capabilities that researchers would like an intelligent system to display. The traits described below have received the most attention.[11][edit] Deduction, reasoning, problem solvingEarly AI researchers developed algorithms that imitated the step-by-step reasoning that human beings use when they solve puzzles, play board games or make logical deductions.[39] By the late 80s and 90s, AI research had also developed highly successful methods for dealing with uncertain or incomplete information, employing concepts from probability and economics.[40]For difficult problems, most of these algorithms can require enormous computational resources — most experience a "combinatorial explosion": the amount of memory or computer time required becomes astronomical when the problem goes beyond a certain size. The search for more efficient problem solving algorithms is a high priority for AI research.[41]Human beings solve most of their problems using fast, intuitive judgments rather than the conscious, step-by-step deduction that early AI research was able to model.[42] AI has made some progress at imitating this kind of "sub-symbolic" problem solving: embodied approaches emphasize the importance of sensorimotor skills to higher reasoning; neural net research attempts to simulate the structures inside human and animal brains that gives rise to this intelligenceMain articles: Strong AI and AI-completeMost researchers hope that their work will eventually be incorporated into a machine with general intelligence (known as strong AI), combining all the skills above and exceeding human abilities at most or all of them.[12] A few believe that anthropomorphic features like artificial consciousness or an artificial brain may be required for such a project.[74]Many of the problems above are considered AI-complete: to solve one problem, you must solve them all. For example, even a straightforward, specific task like machine translation requires that the machine follow the author's argument (reason), know what is being talked about (knowledge), and faithfully reproduce the author's intention (social intelligence). Machine translation, therefore, is believed to be AI-complete: it may require strong AI to be done as well as humans can do it.[75][edit] ApproachesThere is no established unifying theory or paradigm that guides AI research. Researchers disagree about many issues.[76] A few of the most long standing questions that have remained unanswered are these: should artificial intelligence simulate natural intelligence, by studying psychology or neurology? Or is human biology as irrelevant to AI research as bird biology is to aeronautical engineering?[77] Can intelligent behavior be described using simple, elegant principles (such as logic or optimization)? Or does it necessarily require solving a large number of completely unrelated problems?[78] Can intelligence be reproduced using high-level symbols, similar to words and ideas? Or does it require "sub-symbolic" processing?[79][edit] Cybernetics and brain simulationMain articles: Cybernetics and Computational neuroscience There is no consensus on how closely the brain should be the 1940s and 1950s, a number of researchers explored the connection between neurology, information theory, and cybernetics. Some of them built machines that used electronic networks to exhibit rudimentary intelligence, such as W. Grey Walter's turtles and the Johns Hopkins Beast. Many of these researchers gathered for meetings of the Teleological Society at Princeton University and the Ratio Club in England.[24] By 1960, this approach was largely abandoned, although elements of it would be revived in the can one determine if an agent is intelligent? In 1950, Alan Turing proposed a general procedure to test the intelligence of an agent now known as the Turing test. This procedure allows almost all the major problems of artificial intelligence to be tested. However, it is a very difficult challenge and at present all agents intelligence can also be evaluated on specific problems such as small problems in chemistry, hand-writing recognition and game-playing. Such tests have been termed subject matter expert Turing tests. Smaller problems provide more achievable goals and there are an ever-increasing number of positive broad classes of outcome for an AI test are:Optimal: it is not possible to perform better Strong super-human: performs better than all humans Super-human: performs better than most humans Sub-human: performs worse than most humans For example, performance at draughts is optimal,[143] performance at chess is super-human and nearing strong super-human,[144] and performance at many everyday tasks performed by humans is quite different approach is based on measuring machine intelligence through tests which are developed from mathematical definitions of intelligence. Examples of this kind of tests start in the late nineties devising intelligence tests using notions from Kolmogorov Complexity and compression [145] [146]. Similar definitions of machine intelligence have been put forward by Marcus Hutter in his book Universal Artificial Intelligence (Springer 2005), which was further developed by Legg and Hutter [147]. Mathematical definitions have, as one advantage, that they could be applied to nonhuman intelligences and in the absence of human is a common topic in both science fiction and in projections about the future of technology and society. The existence of an artificial intelligence that rivals human intelligence raises difficult ethical issues and the potential power of the technology inspires both hopes and Shelley's Frankenstein,[160] considers a key issue in the ethics of artificial intelligence: if a machine can be created that has intelligence, could it also feel? If it can feel, does it have the same rights as a human being? The idea also appears in modern science fiction: the film Artificial Intelligence: . considers a machine in the form of a small boy which has been given the ability to feel human emotions, including, tragically, the capacity to suffer. This issue, now known as "robot rights", is currently being considered by, for example, California's Institute for the Future,[161] although many critics believe that the discussion is premature.[162]Another issue explored by both science fiction writers and futurists is the impact of artificial intelligence on society. In fiction, AI has appeared as a servant (R2D2 in Star Wars), a law enforcer (. "Knight Rider"), a comrade (Lt. Commander Data in Star Trek), a conqueror (The Matrix), a dictator (With Folded Hands), an exterminator (Terminator, Battlestar Galactica), an extension to human abilities (Ghost in the Shell) and the saviour of the human race (R. Daneel Olivaw in the Foundation Series). Academic sources have considered such consequences as: a decreased demand for human labor,[163] the enhancement of human ability or experience,[164] and a need for redefinition of human identity and basic values.[165]Several futurists argue that artificial intelligence will transcend the limits of progress and fundamentally transform humanity. Ray Kurzweil has used Moore's law (which describes the relentless exponential improvement in digital technology with uncanny accuracy) to calculate that desktop computers will have the same processing power as human brains by the year 2029, and that by 2045 artificial intelligence will reach a point where it is able to improve itself at a rate that far exceeds anything conceivable in the past, a scenario that science fiction writer Vernor Vinge named the "technological singularity".[164] Edward Fredkin argues that "artificial intelligence is the next stage in evolution,"[166] an idea first proposed by Samuel Butler's "Darwin among the Machines" (1863), and expanded upon by George Dyson in his book of the same name in 1998. Several futurists and science fiction writers have predicted that human beings and machines will merge in the future into cyborgs that are more capable and powerful than either. This idea, called transhumanism, which has roots in Aldous Huxley and Robert Ettinger, is now associated with robot designer Hans Moravec, cyberneticist Kevin Warwick and inventor Ray Kurzweil.[164] Transhumanism has been illustrated in fiction as well, for example in the manga Ghost in the Shell and the science fiction series Dune. Pamela McCorduck writes that these scenarios are expressions of the ancient human desire to, as she calls it, "forge the gods."[6]

这个一般是有论文没翻译的啦,自己把握

人工智能论文文献英文

由于要涉及到专业方面的词汇,一般的翻译网站和软件很难翻译好,建议找些专业论文阅读,熟悉词汇,然后自己翻译。

只找到了一篇pdf英文,50多页呢,肯定够。没有汉语翻译,双语的不好找的。给钱的话我给你翻译。pdf在这里:

“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ,欢迎阅读!

对《人工智能》专业选修课教学的几点体会

摘要:“人工智能”是大学本科自动化专业所开设的一门专业选修课,为了能够调动自动化专业的学生对本课程学习的积极性,提高《人工智能》专业选修课的教学效果,我们结合近几年的实际教学 经验 ,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。

关键词:人工智能 优选教材 考核方式内容 手段 实践

人工智能(Aritificial Intelligence,英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科,是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为,如推理、证明、感知、规划和问题求解等思维活动,来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐,与时俱进,有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代,人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科,必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止,全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今,一直将“人工智能”列为自动化专业本科生的选修课程,到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校,因此,学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下,南邮人经过多年的努力工作,在人工智能科研方面取得了丰硕的成果,如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统,为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。

一、优选教材

目前,国内有关人工智能课程的中英版教材种类非常多,遵循实用、简单、够用的原则,再经过授课老师和学生们的共同调研,我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面,包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写,内容基础,难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域,做到了内容新颖、简单易懂、兼顾基础和应用,受到了全国广大师生们的一致好评,多年的教学实践证明我们所选择的教材是恰当的、正确的。

二、考核方式

在全国大部分高等院校,“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握,南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理,我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核,从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的:平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端,避免学生“机械式”地的应对教学和考试,我们对考试题型进行了调整,不再是以往的填空、选择、简答等题型,而是改为以解决实际问题为导向的应用题型为主,这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了,这也体现了国家目前正在提倡的应用型教学导向。

三、教学内容调整

对于本科生而言,人工智能这门课程所需要讲授的内容实在太多,由于课时所限,我们必须精简教学内容,让学生在掌握基础知识的同时,也能够了解它的具体应用。因此,我们将人工智能这门课程的教学内容分为两个部分:第一部分是基本理论和方法,包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用,包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排,使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点,从而满足了学生们的求知需求。

四、教学手段的改进

(一) 激发学生的学习兴趣

经过长时间的教学我们发现,在选修“人工智能”这门课程时,每个学生的心中所想各有不同,这些学生在刚开始学习时兴趣还比较强烈,但随着教学内容变得越来越抽象,学生逐渐对这本课的学习失去了信心,甚至上课时间不去听课,使授课教师对教学也渐渐失去了信心,导致恶性循环,严重影响了教学质量。针对这种现象,我们认为,在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件,开课前给学生演示“机器人医疗服务”实验,通过该实验的演示,让学生们看到机器人能够给病人提供多项人性化的服务,理解人工智能技术在开发医疗服务机器人多项关键技术中的应用,让学生在开课前能够对本课程的学习产生极大的兴趣,实践证明这种方法是有效的。

(二) 借助多媒体教学

多媒体教学是现代教学过程中一种非常重要的形式,它往往根据教学目的和学生们的特点,通过合理的设计、选择教材内容,应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来,与传统教学手段相结合,形成合理的教学过程结构,达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点,学生学习起来比较困难,为了让学生生动、形象地学习该课程,我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时,借助Matlab软件和投影机,直接展现该算法的求解过程,从而改善了课程教学的形式,提高了教学质量。 (三)提倡课堂 辩论

我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式,多次组织课堂辩论,辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论,无论正方还是反方都感觉自己收获很大,增长了知识,开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色,大大地调动了学生的学习积极性,从而提高了课堂教学质量。

五、实践教学

实践教学是课堂教学不可缺少的重要组成部分,通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法,从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课,设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题,要求学生独立完成这2个实验题目的编程,并书写实验 报告 。通过实验,学生动手实践了课堂上所掌握的理论知识,加深了对智能算法的理解。

人工智能是一门实用性较强的课程,我们总结了近几年来的教学经验,从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看,我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用,需要指出的是,我们仍有很多不足之处,需要在以后的教学过程中不断努力完善,提高自己的教学能力,争取更好的教学效果。

参考文献

[1]蔡自兴,徐光佑.人工智能及其应用[M].北京:清华大学出版社,2003.

[2]路小英,周桂红,赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报:农林教育版,2007,9(4):66-68.

[3]马建斌,李阅历,高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报:农林教育版,2011,13(3):330-332.

[4]赵海波.人工智能课程教学方法的探讨[J].科技信息,2011,(7):541.

[5]张廷,杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学,2009(11):133-134.

本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。

下一页分享更优秀的<<<人工智能结课论文

你是想先写中文的大数据与人工智能的论文,然后再翻译成英文投稿国际会议对吧。这个方法不对,一般情况下是先写英文再翻译成中文的,很少说会先写中文再翻译成英文,这样难度大,而且耗费双倍时间。此外,学术类的资料翻译是没有捷径可走的,用翻译软件翻译出来的简直不能看,建议你直接写英文再翻译成中文。

  • 索引序列
  • 人工智能论文有英文参考文献
  • 人工智能英语论文参考文献
  • 人工智能论文英文的参考文献
  • 人工智能论文带英文参考文献
  • 人工智能论文文献英文
  • 返回顶部