时间：2023-03-25 11:24:49
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇人工智能技术论文范例。如需获取更多原创内容，可随时联系我们的客服老师。
在飞行流量管理方面，飞行流量管理系统通过与辅助决策系统相结合，构成了人工智能辅助决策系统的飞行流量管理模块。该模块主要通过计算飞行流量来避免飞行流量的冲突，进而根据分析结果进行航班的排序。从具体的应用情况来看，首先，飞行流量的计算需要大量的原始数据，而这些数据既包含了历史数据，也包含了实时数据。同时，由于这些数据是来自于空域、机场和气象等多个方面的复杂信息，所以系统需要建立相应的飞行流量管理数据库，从而保证数据的准确性和及时性，进而保证飞行流量计算结果的可靠性。其次，在进行飞行流量计算时，系统利用了飞行动力学计算原理。根据数据库的信息，系统对飞机的四维飞行轨迹进行了计算，从而可以得知飞机的降落时间和降落地点。这样，系统就可以得出任意航段和交汇点在任意时间的飞行架次，进而列出潜在的飞行流量冲突信息。再者，在得知以上信息后，系统需要对这些信息进行分析，从而进行航班的排序，进而避免飞行流量的冲突。在排序方面，系统不仅可以实现飞行计划的过程仿真，还可以找出空域资源的“空闲”状态，进而利用该状态，进行航班和起降顺序的调整。而具体的排序原则有两个，一是优先级排序，二是全排列。其中，优先排序是按照一定的标准给这些航班拟定优先级，然后按照优先顺序进行航班的排序。而优先级的拟定标准有很多，比如飞行任务、机型、机场和时间等因素，都可以成为优先级的拟定标准。全排列原则是对冲突的航班进行全排列，从而根据每一次排列的延误损失，选择损失最小的排序方法。相比较来说，全排序法虽然较为科学，但是系统需要承担的运算量较大，因此会占用系统较多的内存资源。
2人工智能技术在飞行冲突探测与解脱管理方面的应用
人工智能技术的应用可以使空中交通管理系统具有高智能化的特征，从而满足飞行冲突与解脱管理方案自动生成的需要。具体来说，实现这一功能的模块是飞行冲突探测与解脱辅助决策模块，而该模块是由冲突探测与解脱系统和辅助决策系统组成的。该模块不但可以实现飞行冲突的预测，还可以为管制人员提供飞行冲突调配的决策方案，从而减轻管制人员的压力，帮助他们做出正确的决定。所以，该系统的应用，弥补了人类与机器各自存在的不足，从而有效的避免了因人为失误或机械故障而造成的飞行事故。从原理角度来看，系统首先通过分析飞行冲突情况来制定可能的解脱方案，然后根据航空器优先级分类方法和冲突类型判定法等多种规则，进行方案的选择和排除。在这一推理过程中，为了保证系统推理的有效性，系统需要根据大量的规则来进行方案的推理选择。而这些规则，则要被统一存入知识库系统中。这样，管制人员只要在平时做好知识库系统的更新和维护，就能够保证系统推理的有效性，从而根据系统提供的方案，来进行飞行冲突航班的排序。
3结论
人工智能是一门综合了生理学、语言学、计算机科学等的学科，具有综合性、挑战性等特点，其主要目的便是赋予机器人工智能的功能，使其能够替代人去完成一些危险性与复杂性较高的工作，进而确保人们的安全，促进工作效率的提高[1]。因此，人工智能也被称为机器智能。相比于自然智能与人类智能而言，人工智能属于一项全新智能，其通过将设备、系统等来模拟人类各项智能活动，从而完成命令。作为一项结合多门学科的应用技术，人工智能的发展与其组建学科的关系十分紧密，特别是计算机技术的发展方向，其对人工智能的应用具有决定性作用。此外，人工智能技术也极大程度上促进了计算机网络技术的发展，计算机为从单纯数据计算转变为知识处理，就离不开人工智能技术的支持。人工智能的作用与优势具体如下：其一，可处理不确定信息，实时了解系统资源表现出来的局部及全局状态，并对状态变化情况进行追踪，通过技术处理获取的信息，从而为用户实时提供所需信息护具。其二，具有较高的写作能力，可科学、有效整合获得的资源，进而将各用户之间的资源进行传输与共享，通过有机结合网络管理与众多写作分布式人工智能的思想，可充分促进网络管理相关工作效率及效益的提高。其三，其在网络智能化护理中具有显著优势，主要表现在其学习、推理能力方面。在网络管理工作中应用人工智能，可将信息处理的准确性及效率进行提升，同时，通过利用人工智能技术的记忆功能，可在存储信息过程中建立完善的信息库，并将其作为综合、解释、总结信息的平台，在产生出更为准确及科学的高级信息的基础上，实现网络管理水平的全面提升。
2计算机网络技术的问题
目前，随着计算机技术的广泛应用，人们愈发重视有关网络信息安全问题。在网络管理系统的应用过程中，用户最为关注的功能便是网络监视与网络控制，其中，为正常发挥网络监视及网络控制这两大功能，就需要对信息急性及时获取与准确处理。网络传输的数据通常是不连续、不规则的，而在早期阶段，计算机只具备逻辑化分析及处理数据的功能，难以准确判断出数据的真实性，因此，为从大量繁复的信息中，挑选出有效的信息，实现计算机网络技术的智能化具有非常重要的意义[2]。计算机的应用日益广泛与深入，这使得用户需要通过网络安全管理来为其信息安全提供保障，而网络犯罪现象的增多，使得计算机必须具备灵敏的观察能力及迅速的反应能力否则便难以对侵犯用户信息的各种违法犯罪行为进行有效遏制。为促进网络安全管理的实现，就需要将以人工智能技术为基础而建立起来的智能化管理系统作为有效手段，自动收集信息数据，及时诊断运行故障，并在线分析趋势及性能等，从而确保计算机发生网络故障时，可做出快速、准确的反应，并采取有效措施来恢复计算机的网络系统。由此可知，针对计算机网络中存在的问题，就需要应用人工智能技术，在其内部建立完善的网络管理及防御系统，从而为用户信息安全提供充分保障。
3计算机网络技术中人工智能的应用分析
在计算机网络技术中应用人工智能，可极大程度满足人们对计算机提供人性化及智能化服务的需求。其中，计算机网络技术智能化服务主要指的是智能化的人机界面、信息服务、系统开发及支撑的环境这几个方面，与此同时，这些需求进一步促进了人工智能在计算机网络技术，尤其是在智能人机界面、网络安全及系统管理评价等方面的应用进程。
3.1人工智能在计算机网络安全管理中的应用。在计算机网络技术中，人工智能得到了极为广泛的应用。在计算机网络安全管理中，人工智能的应用主要表现在智能防火墙、入侵检测、智能型反垃圾邮件系统这三个方面。相比于其他防御系统，智能防火墙系统采用的是智能化识别技术，例如，通过概率、统计、记忆、决策等方法，来识别并处理有关信息数据，不但有效减少了计算机匹配检查过程中的庞大计算，而且大大提高了发现网络有害行为的效率，从而实现了限制访问及拦截有害信息的功能；此外，与传统防御软件相比，智能防火墙系统具有更高的安检效率，从而将拒绝服务共计这一普通防御软件普遍发生的问题进行有效解决，实现了高级应用的入侵及病毒传播的有效遏制[3]。作为计算机网络技术安全管理的一项重要环节，入侵检测起着保证网络安全的关键作用，同时也是防火墙技术的核心部分。计算机系统资源的保密性、完整性、安全性等均与网络系统入侵检测功能的有效发挥有着紧密联系。入侵检测技术通过采集、筛选、分类、处理信息数据，在形成最终报告的基础上，将当前计算机网络系统的安全状态及时反映给用户。现阶段，人工智能在模糊识别、专家及人工神经网络等系统入侵检测中，得到了非常广泛的应用。计算机网络安全管理中的智能型反垃圾邮件系统，是一项以人工智能技术为基础而研发出来的防护技术，其针对的对象为垃圾邮件。此项技术可在不对用户信息安全造成影响的前提下，有效监测用户的邮件，并在完成邮箱内垃圾邮件的开启式扫面后，将垃圾邮件分类信息提供给用户，提醒其对可能对自身不利或对系统造成危害的信息进行尽早处理，进而确保整个邮箱的安全性，
3.2人工智能在计算机网络系统管理及评价中的应用。计算机网络管理的智能化发展，离不开人工智能技术及电信技术的发展。除了应用在计算机网络安全管理中，人工智能技术中的问题求解技术及专家知识库等，均可促进计算机网络综合管理的实现。由于网络具有瞬变性及动态性的特点，因而给计算机网络管理工作增加了一定的难度，这同时也使得现代化网络管理工作朝着智能化的方向发展。其中，以人工智能理论为发展基础的专家级决策及支持方法，在信息系统的管理工作中得到了广泛应用。作为一项智能计算机程序，专家系统可累积尽可能多的专家经验与知识，并通过进行归纳与总结，在形成资源录入系统的基础上，利用这一汇集了多位特定领域中的专家经验的系统，对此领域中相似的其他问题进行解决。因此，对于计算机网络管理及其系统评价，可通过众多专家系统来开展计算机网络管理及系统评价等大量工作。
4结数语
关键词：人工智能技术；教学方法；编程能力
中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中国科协成立50周年新闻会在北京召开。在新闻会上，“五个10”系列评选活动，即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是：基因修饰技术；未来家庭机器人；新型电池；人工智能技术；超高速交通工具；干细胞技术；光电信息技术；可服用诊疗芯片；感冒疫苗；无线能量传输技术。
人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可以用某种智能化的机器来予以人工实现[1]。
通过《人工智能技术》课程的学习，使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握，并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究，启发学生对人工智能技术的兴趣，培养知识创新和技术创新能力，并能将人工智能技术融入到今后所开发的计算机软件之中。
《人工智能技术》是一门众多学科交叉的新兴课程，其涵盖范围广，涉及知识点多，知识更新快，内容抽象，不容易理解，理论性强，而且需要较好的数学基础和较强的逻辑思维能力，这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科，怎样将理论运用到实践中，使学生将学到的人工智能技术知识和思想运用到自己的实际课题，这也是该课程需要解决的问题之一。
因此，对《人工智能技术》课程教学来说，我们要了解课程的最新信息，把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的创新思维能力，提高学习兴趣，该文给出了《人工智能技术》课程的教学与实践的探索。
2 教学与实践的探索
2.1 教材和实验教学内容的选取
1） 人工智能技术是整个计算机科学领域发展最快，知识更新最快，最前沿的学科之一。在教材选用方面，我们采用了蔡自兴教授等主编，由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写，借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处，该书比较全面地介绍了人工智能技术的基础知识与技术，材料新，易于理解，兼顾基础及应用[2]。
此外，我们还给学生自主学习提供多种类型的学习资料，其中包括参考书目，如：Russel S， Norvig P.等编著的《Artificial Intelligence： A Modern Approach》一书，人工智能技术国内外期刊，如电子学报，计算机学报，人工智能与模式识别，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技术会议，使学生能够掌握人工智能技术的更多前沿动态，提高学习兴趣。
2） 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程，实践性教学环节对该课程尤为重要。除了完成课本上的作业之外，还注重实验教学，培养学生的创新能力、算法设计能力和编程能力。首先，每个章节设置相应的实验，而实验内容经过严格的考虑，如：五子棋游戏，产生式系统，旅行商问题，传教士和野人问题，BP神经网络实现简单的分类，遗传算法、人工生命程序等，要求学生运用所学章节的知识，独立地设计和实现实验内容。实验报告包括简述实验原理及方法，给出程序设计流程图，源程序清单，实验结果及分析等内容，通过这种方式，进一步加强学生的信息获取能力和研究能力。
2.2 教学方法和手段的改革
人工智能技术课程交叉性强，涉及面广，传统的教学方法手段单一，缺少交流，课堂气氛沉闷，激发不起学生的学习兴趣，教学效果不理想。人工智能技术这门课程内容抽象，如何激发学生的学习兴趣是本课程需要解决的主要问题，也是关系教学改革成败的关键。本课程需采用多种方法进行教学，以此来激发学生的学习兴趣。
1） 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题，主要是用计算机模拟人类的智能来解决这种问题。在教学中，有目的的提出这些问题，鼓励学生思考，提出自己的想法和解决方案，并进行分析和比较，这样强化学生的主动学习意识，提高学习积极性[3]。
2） 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别，由于他们每个人的基础不同，有的计算机知识比较匮乏，因此有必要针对每个学生的学习进度，课堂作业和实验报告情况进行及时评估，对学生提出个性化的教学。例如：在实验教学中，要求有能力和兴趣的学生可以做探究性和创新性的附加实验，从而引导学生发挥个性的空间，而对稍微吃力的学生则要求完成基本的实验，更注重基础知识的学习和夯实，这样就能达到因材施教的目的。同时对不同层次的学生进行分析，进一步提出学习建议，并进行有针对性的指导。
3） 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂，提纲挈领，便于学生理解。课堂讲授、板书与PPT手段相结合，注重课程中的关键词用英文表示，并适当指定英文参考书，使学生能够接触国外文献资料，加深对学习内容的理解，获得更宽广的知识。PPT课件运用了大量多媒体技术，如动画、声音、图像，通过动画和视频演示抽象的概念、算法和过程，使人工智能技术中抽象的知识形象化，在课件中融入了文学，历史等其他学科的相关知识，便于学生较好地理解知识难点和重点[4]。
4） 师生互动和课内外答疑。在教学中，改变了传统的老师讲，学生听的教学模式。针对人工智能技术的实用性，适当提问，收集学生学习情况，尽量使用实例进行讲解。设置了实验讲解互动课程，对于实验的讲解，学生可以提出疑问，然后在课堂上展开讨论，学生可以看到问题从提出、分析到解决的整个过程，让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题，还设有课后答疑，使学生能将所有的问题都理解透彻。
5） 理论研究与实践结合。在教学内容的安排上，注重学生的理论研究和动手能力，适当布置一些课程相关的论文和实验编程。通过课程论文，可以培养学生钻研问题的兴趣； 通过查阅科技文献使学生掌握如何查找相关文献的技能，可以培养学生撰写科技论文的能力。通过实验实践，使学生可以更加清楚地了解人工智能技术基本概念和难点，也能了解算法的设计具体运行过程，并对其进行验证，提高了学生的编程能力和和学习兴趣。
6） 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题，本课程应采用多种综合考试方法，注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩，实验实践教学成绩、提交课程论文成绩，以及最后的期末考试成绩形成一种有效的考试考核方法，促进学生主动学习，提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性，论文结构、思路是否严谨，论文内容科学性、正确性，能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。
2.3 学生学好《人工智能技术》课程的建议
《人工智能技术》是一门理论与实践相结合的应用课程，学生如何学习这么课程，也是我们应该探讨的问题。
学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代，形成于60、70年代，发展至今，人工智能技术只有短短60多年的历史，它是一门不断发展和完善的崭新学科，还有许多课题处于探索中，理论和技术还远未成熟，我们应该对它有科学的认识。
针对非计算机专业本科毕业的学生，除了课堂听讲之外，还应该课下自学该课程的先修课程，如：数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识，如：模式识别需要具有较好的概率论，数理统计知识，另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程，编程语言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神经网络，遗传算法等算法，实现这些算法要求学生具有较强的编程能力。
学生应该多读，多查阅资料，特别是国外的期刊文献和重要国际会议论文，多了解人工智能技术最前沿的信息，理论联系实际，加深对基本算法的理解，并将人工智能技术的知识运用到自己所研究的领域，以做到学以致用。
3 结论
人工智能技术在一定程度上代表着信息技术的前沿，该文对《人工智能技术》的课程教学进行了一些探讨，教学与实践效果有了显著提高，但仍然有许多方面还需要我们继续探讨和改进。
参考文献：
[1] 蔡自兴，徐光佑.人工智能技术及其应用[M].北京： 清华大学出版社，2003.
[2] 蔡自兴，肖晓明，蒙祖强，等.树立精品意识搞好人工智能技术课程建设[J].中国大学教学，2004（1）：28-29.
论文摘要：随着计算机技术的发展和应用，制造也得发展已经离不开计算机了，计算机辅助工艺设计和人工智能应运而生，当很多非专业性人士对此概念十分模糊，本文初步解释两个概念和其应用范围。
计算机辅助工艺设计(CAPP：Computer Aided ProeessPlanning)，自1965年由挪威人Nikbel提出以来，其系统特性经历了检索式、派生式、混合式、创成式、智能化等过程，智能化CAPP是当前CAPP系统的研究热点。CAPP是现代制造业信息化的一部分，是计算机集成制造系统(CIMS：Computer IntegratedManufacturing Systems)中的桥梁和纽带。“人工智能”(Artificial Intelligence)简称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。人工智能研究如何用计算机去模拟、延伸和扩展人的智能;如何把计算机用得更聪明;如何设计和建造具有高智能水平的计算机应用系统;如何设计和制造更聪明的计算机以及智能水平更高的智能计算机等。人工智能是相对于人类智能而言的，它是采用人工的方法和技术来模拟、延伸和扩展人类智能行为的一门综合学科。
将人工智能技术(AI技术)应用到CAPP系统开发中，使CAPP系统在知识获取、知识推理等方面模拟人的思维方式，解决复杂的工艺规程设计问题，使其具有人类“智能”的特性即为智能化CAPP，是AI在CAPP中的一种应用。
CAPP系统分为专用型和工具型系统。前者可以根据用户的特定需求定制开发，针对性强，具有较好的实用性，但对系统进行功能扩展困难;后者可以由用户根据自身特定的要求进行二次开发，可以实现更多的柔性和开放性，这种系统与CAD(计算机辅助设计)、CAM(计算机辅助制造)、PDM(产品数据管理)等系统的信息共享存在缺陷。
CAPP设计理论目前研究的很少，机械产品设计理论研究的较多，有学者认为设计理论与方法由设计理论基础层、设计工具和支持技术平台层等三大部分组成。有的学者提出四理论框架，即设计过程理论、性能需求理论、知识流理论和多方利益协调理论。CAPP设计理论与机械产品设计理论既有共同性又有特殊性，特别在智能化设计方法方面有较大的差别，因此认为面向智能化的CAPP设计理论与方法体系结构由有三层组成，即基础科学层、信息技术层和智能化设计方法层。
在机械产品工艺设计中，存在大量的不确定因素，许多问题需要靠经验来解决，早期建立在单纯依赖于成组技术基础上的CAPP系统，不能很好地解决这些离散知识的获取问题，只能设计出检索式或派生式系统。近年来，人工智能技术在CAPP系统
开发中的应用，使CAPP技术得到了较大的发展，人工神经网络技术就是AI在CAPP系统中一大应用。人工神经网络(ANN： ArtificialNeuralNetwork)是按照生物神经系统原理处理真实世界的客观事物，它由大量的简单的非线性处理单元高度并联而成，具有信息的分布式存储、并行处理、自组织和自学习及联想记忆等特性;多层前馈网络误差反向传播(ErrorBack Propagation，简称BP)算法。反向传播算法(BP)是一种监督训练多层神经网络的算法，每一个训练范例在网络中经过两遍传递计算：第一遍向前推算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所需输出之差的差错矢量;第二遍向后推算，从输出层至输入层，利用差错矢量对权值进行逐层修改。
AI在CAPP中的另一应用——粗糙集技术。粗糙集(RS：Rough Set)理论是一种擅长处理含糊和不确定问题的数学工具，在理论中“知识”被认为是一种对对象的分类能力，通常采用二维决策表来描述论域的信息，其中列表示属性，行表示对象，每行表示该对象的一条信息。属性分为条件属性和决策属性，论域中的对象根据条件属性的不同，被划分到具有不同决策属性的决策类中。在CAPP系统中，可以用RS理论构建专家系统，对知识进行获取及优化，其基本思路是：将各种零件的加工特征和已知加工方法表达成条件属性和决策属性的形式，一行表示一种零件，多种零件构成一个二维表，对属性进行量化，组织决策表，再采用一定的约简算法对属性集和属性值进行约简，去掉冗余的条件属性和决策规则，得到最小化决策规则集，当输入待加工的零件加工特征时，就可得到优化的加工工艺。
遗传算法，AI在CAPP系统的又一应用。遗传算法(Genetic Algorithm)是模拟达尔文遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成，每个个体实际上是带有染色体特征的实体。因此，在一开始需要实现从表现型到基因型的映射即编码工作，如二进制编码。初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小挑选个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。
智能化CAPP系统开发中还有模糊推理、混沌理论等智能化方法，实际应用中，往往将多种智能技术相互结合，综合运用，发挥各自的特长，如人工神经网络具有知觉形象思维的特性，而模糊推理等具有逻辑思维的特性，将这些方法相互渗透和结合，可起到互补的作用，提高智能化水平。
智能化是今后CAPP系统发展的主要趋势，但从目前的人工智能技术水平来看，不可能使CAPP系统在智能化水平上有实质性的突破，因为目前的人工智能技术主要是模拟人的逻辑思维和逻辑推理方面的能力，不能有效地模拟人的形象思维、抽象思维和创造性思维能力，而CAPP系统不仅要有推理的功能，还要有“联想”的功能， CAPP系统开发是要解决大量的人类思维活动方面的智能问题。因此要提高CAPP系统的智能化水平，必须在人工智能技术方面有新的发展，要解决人工智能技术方面的问题，必须在一些基础
理论和基础科学方面有新的突破，如在生命科学、数学等方面要有新的突破。由此可见，在可以预见的将来，智能化CAPP系统的发展仍将是在充分发挥人的智能优势的基础上，综合应用各种人工智能技术，实现CAPP系统的智能化。
通过以上论述，相信大家对计算机辅助工艺设计与人工智能以及AI在CAPP中的应用有了一定的了解。人工智能技术的不断发展，智能化CAPP系统必将在知识获取、表达和处理的灵活性和有效性上得到进一步的发展，提高CAPP系统的智能化水平，从而提高现代制造技术水平，是我国由制造大国成为制造强国。
参考文献：
工作中存在的不足网络舆情监测工作是指网络信息工作的部门或人员在特定时期或者在特定的事件中对公众在互联网上发表的言论和意见进行监视、收集、分析、整理及预测的行为，这些言论被称为网络舆情。
当前的网络舆情监测工作平台主要是基于信息采集、整合技术和智能处理技术，通过对互联网海量信息的自动抓取、自动分类聚类、主题检测、专题聚焦，实现对用户的网络舆情监测，并由相关部门形成舆情工作报告、舆情信息简报等，为舆论引导提供可靠的分析依据。
进入大数据时代，网络舆论呈现的新特点，促使网络舆情监测工作暴露出诸多不足之处，这为网络舆情监测工作带来了诸多挑战。
网络舆论信息格局发生变化，舆情分析质量亟待提高。据人民网权威的《2016年中国互联网舆情分析报告》显示，在2016年，伴随着移动互联网应用不断向社会各层面渗透，网络舆论的格局发生了很大变化，如网民结构与社会人口结构趋同，网民产生代际更新导致网络流行议题和文化热点发生转换，微博、微信平台化，专业自媒体步入兴盛等。在这样的变局下，网络舆情监测工作面临着新的挑战。然而，有些部门的舆情信息收集工作仍然停留在报刊、门户网站、BBS、微博等开源信息的收集阶段，并未将新闻客户端、微信、直播等平台打通，难以保证舆情信息分析的全面性以及舆情热度指标的准确性。《2016年中国互联网舆情分析报告》还对近五年来参与当年最具网络关注度的20个舆情热点事件讨论的320万微博用户样本进行了分析，发现关注新闻事件和聚焦热点话题的网民发生了代际交替，在性别方面，女性的比例明显上升；在地域上，三、四线城市用户增长迅猛。受众层面发生的这些变化，也将在舆情监测工作中体现出来。然而在目前的舆情监测工作中，相关信息部门的舆情信息报送在内容上只是就事论事、停留在现象层面，对受众的成分、热点事件的社会背景以及事件背后所反映出来的社会问题没有进行细致深入的研究分析；在形式上，网络舆情监测工作的报送还停留在工作动态报告或者事件日志等形式的报送上。这样就造成了网络舆情信息的价值作用降低、服务能力减弱的问题。
热点事件话语体系不可控，舆情预警能力亟待增强。纵观近年来发生的热点公共突发事件，可以发现，在以大数据为基础的社交平台上，公众的话语体系呈现出了一些全新特征，如舆论主体的匿名性、参与渠道的多元化、生成议题的自发性、交流观点的无界性、汇集意见的实时性、发展趋势的不确定性等。这些特征与舆论话语体系在传统媒体的呈现完全不同，网络舆论热点事件话语体系的不可控性大大增强。
在社交媒体平台上，自媒体呈现出来的话语体系最为庞杂。许多舆情信息不仅包含结构化数据，还涉及大量非结构化数据，若对其准确性、真实性逐一核查，既耗费人力又耗费时间。就内容而言，较多负面、虚假舆情具有较强的隐蔽性，单纯以关键词或主题词进行搜索容易产生误判、遗漏。话语体系的不可控性增加了舆情监测工作的难度，这要求工作人员必须具备过硬的专业敏感性以及较强的网络操作技能。但是目前大多数舆情监测工作部门的信息工作人员缺乏专业化的训练，舆情信息工作水平参差不齐。就舆情监测平台系统来说，对于舆情信息的跟踪分析灵敏度较低，在有些热点事件的处理上没有按照公共突发事件的分类标准进行准确的分级，从而导致网络舆情信息的分析判断力体现不出其应有的情报价值，预警能力也随之削弱。
舆情监测的技术体系落后，人机不协调问题亟待解决。网络舆论的实时性及其发展的不确定性要求网络舆情监测必须迅速、及时，但很多单位部门的舆情监测平台的方法技术体系滞后，部分单位采用了网络监控系统、有害信息过滤系统等方式进行网络舆情监测，而有些单位为了节省舆情监测设备的成本，甚至将网络舆情监测工作依托于人工网页搜索及浏览的“人工盯梢”方式上，这成为监测工作的一大阻碍，监测工作出现疏忽错判也在所难免。排除资金、人力等客观因素，现阶段的网络舆情监测工作中技术方法体系的不足主要归因于“人机不协调”。机器与人工的协同分工模式不成熟、机器的辅助力量不够，导致人工智能技术在预测监测体系中分析情感、预测走势、检查效果等方面应用还稍显粗浅、机械，而在需要人工进行的高级维度分析、提出应对策略等层面，机器的应用又显得粗糙以及同质化。
人工智能为网络舆情监测带来的三大变革
网络舆情监测要适应大数据时代人工智能的要求，就必须顺势而为，积极进行变革，主要包括网络舆情监测技术体系的变革、网络舆情监测研究范式的变革以及网络舆情监测管理思维的变革三个方面。
网络舆情监测技术体系的变革。将人工智能技术应用于网络舆情是为了更好地对舆情进行分析研判，通过直观、简明的方式描述网络舆情信息的产生，进一步推导信息传播主体的态度倾向性、情绪感染性以及初衷、意图等，从而预测网络舆情信息的发展趋势。
如果说在“小数据”环境下，网络舆情监测工作还可以依托于“人工盯梢”的方式来完成，那么在“大数据”环境下，当数据的量级达到了EB甚至ZB级别后，以人工监测来把握舆情脉络已成为不可能完成的任务。而那些隐含在网络舆情信息中的观点、态度及情绪的表达，更难以从泛滥成灾的信息碎片中被真正发掘出来。加之海量信息的不共享所带来的“信息盲区”，更使得舆情信息分析不够严谨，易偏离实际，而这些问题都需要依托搭建智能化的网络舆情监管平台来解决。在平台上可以通过三种人工智能技术实现数据分析与人工智能研判相结合，再借助如眼动仪、脑电仪等受众检验仪器对网络舆情信息进行综合化分析。三种主要的人工智能技术主要包括：一是Web挖掘技术，该技术把互联网与数据挖掘技术结合起来，对网络上结构化数据如文字言论，以及非结构化的数据如视音频、图像等信息进行采集，完成信息前期处理的第一步；二是语义识别技术，该技术是利用采集到的信息，通过对语句中的关键词进行词义推断处理以及句子语法结构的分析，从而将复杂信息简单化，这是对采集的信息数据做进一步识别推断的过程；三是TFDF信息聚类技术，该技术主要提升数据信息的分析和分类速度，使网络舆情监测工作的处理更加及时，反应更加灵敏，提高采取措施的时效性。
人工智能技术的介入将有利于对信息进行挖掘、采集、分类、整理，从而找寻出最核心的关键性数据。在此基础上，还可以运用人工神经网络预测模型，对网络舆情的性质、发展趋势进行正确描述，并提出相应的对策。
网络舆情监测研究范式的变革。人工智能和大数据对网络舆情监测工作及其研究产生了颇为深刻的影响，舆情监测的研究范式从多角度发生了转向。
第一，舆情监测工作视角的转向：从单一化到多元化。在社交媒体平台上，受众的角色首先发生了转向，由信息的被动接收者转变为信息的参与者和传播者。这一转向给网络舆情监测工作带来了新的挑战，当受众是单纯的信息接收方时，网络信息的可控性强，舆情监测工作形式单一，把关相对容易。而受众角色发生变化以后，网络信息传播的不可控性大大增加，信息传播速度加快，信息传播呈现多元化特征，把关难度增加，网络舆情监测工作也从单一转向多元化，还需要对信息进行疏导、研判处理。
第二，研究视角的转向：从内容研究转向“内容+关系”研究。传统的网络舆情信息研究最重视的是受众借助网络进行的话语表达，其研究视角主要集中在内容层面。随着人工智能技术的介入，这一单向视角将发生转变，潜藏在内容层面背后的网络受众心理、行为、动机、诉求等多方面因素都将被关注到。借助人工智能技术及大数据分析技术，网络舆情信息的研究视角将透过内容层面深入到关系层面，转向对网络受众社会心理描绘、社会关系呈现、社会话语表达等多维度的研究。
第三，研究重点的转向：由舆情监测转向舆情预测。当前的网络舆情监测工作主要通过对当下网络舆情的动态信息进行随机采样来收集、整理、分析，更多的是关注已经发生的事件在过去及当下的动向，对未来的发展预测难以兼顾。而借助人工神经网络预测模型，通过自然语言处理、模式识别及机器学习等人工智能技术，可以对网络舆情的性质、发展趋势进行正确描述，再结合大数据分析处理整群数据来实现预测功能。比如，著名的搜索引擎公司谷歌通过关注用户搜索中的“流感”关键词来预测实际流感发生的时间，往往可以提前两三个周对流感的爆发进行预报及预防。
网络舆情监测管理思维的变革。在以人工智能技术为支撑的网络舆情监测平台出现之前，相关舆情监测部门的管理者往往由一人或几人的小团队组成，在监测信息数据量级不大的情况下，这种小作坊式单打独斗、面面俱到的舆情监控管理思维可以基本满足需求。但是随着人工智能技术的发展及大数据时代的到来，这种小作坊式的舆情监测体系面临瓦解。当前，商业化运营的软件监测团队多达几百家，这些监测软件服务商通过开发相应的舆情监测软件为政府部门、企业主体以及科研院所提供服务，进行简单的舆情信息数据采集及分类处理工作。在数据开源的情况下，这些软件服务商的竞争逐渐由粗放型、低层次化向数据处理的优化、人机互动、机器算法的精进等层面转变。
在以上变化的基础上，舆情监测的管理思维也必须转向，组建一支人员分工明确、高度聚合集约的舆情分析团队势在必行。舆情管理的思维变革依托于人工智能监控系统改变团队的组织结构及管理方式，通过智能化的舆情监测系统代替低效的人工操作，其专业性要求颇高，而最佳处理模式就是专业化团队加人工智能技术。按照这样的管理思维，未来舆情监测团队的分工将更加明确，行业内部集约聚合程度将进一步提高，行业有机化程度也将逐步增强。
关键词：人工智能计算机技术
一、人工智能的定义
“人工智能”(ArtificialIntelligence)一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。
二、人工智能的应用领域
1.在管理系统中的应用
(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。
(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。
2.在工程领域的应用
(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。
(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。
3.在技术研究中的应用
(1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。
(2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。
三、人工智能的发展方向
1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。
2.智能信息检索技术的飞速发展。人工智能在网络信息检索中的应用,主要表现在:(1)如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。(2)由于网络知识信息既包括规律性的知识,如一般原理概念,也包括大量的经验知识这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素对其进行推理,需要利用人工智能的研究成果。
3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。
参考文献:
[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.
[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.
[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).
[4]周明正.人工智能在医学专家系统中的应用[J].科技信息,2007.
[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).
[6]马秀荣,王化宇.简述人工智能技术在网络安全管理中的应用[J].呼伦贝尔学院学报,2005,(4).
关键词：关键词：人工智能；应用领域；发展趋势
中途分类号：TP39 文献标识码：A 文章编号：
引言:
计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为二十一世纪三大尖端技术、同时人工智能是一门汇集了多种学科相互渗透发展起来的交叉学科。对于人工智能的定义，至今尚未统一，美国斯坦福大学人工智能研究中心尼尔逊教授认为：人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学；麻省理工学院的温斯顿教授认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。除此之外，还有很多种不同的观点，但这些说法都形象地反映了人工智能学科的基本内容和核心思想，那就是：人工智能是研究如何用人工的方法在计算机上模拟、实现和扩展人类智能的一门科学与技术。
1. 人工智能技术的发展
人工智能（(Artificial Intelligence)从上世纪50年展到现在，有也有低迷的时期。研究的方法和研究的态度也有多种，不管是何观点,它们都推动着人工智能技术的发展。今天人工智能技术已渗透到人类生活的方方面面，实实在在的影响着科学技术的发展。
2. 人工智能技术的应用
我们可以看到，当今社会很多领域的各种技术的发展都涉及到了人工智能技术。下面就人工智能的几种典型应用做如下探讨：
2.1人工智能应用之问题的求解
人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。
2.2人工智能应用之逻辑的推理与定理的证明
人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。
2.3人工智能应用之自然语言的处理
智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。
2.4人工智能应用之模式的识别
如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。
2.5人工智能应用之智能信息的检索技术
在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。
2.6人工智能应用之专家系统
我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。
2.7人工智能应用之机器人学
机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。
3. 人工智能技术发展趋势
科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势：
3.1问题求解
问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。
3.2机器学习
人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。
3.3模式识别
用计算机实现模式(文字、声音、人物、物体等)的自动识别，弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。
3.4专家系统
专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。
3.5人工神经网络
人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线 性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许未来智能计算机的构成可能就是作为主机的冯•诺依曼型机与作为智能外围的人工神经网络的结合。
4. 结论语
人工智能的基本思想已经在许多领域中得到应用，对于人工智能技术未来的发展还有很多未知的可能，但无论如何发展都将推动人类在科学与生活领域的发展。
参考文献：
[1]胡勤.人工智能概述[J].电脑知识与技术，2010，（13）：3507-3509.
[2]朱福喜，汤怡群等.人工智能原理[M].武昌：武汉大学出版社，2002.87-91.
[3]张妮等.人工智能技术发展及应用研究综述[J].煤矿机械，2009，（02）：4-7.
[4]亓慧.议当代人工智能的应用领域和发展状况[J].福建电脑，2008，（05）：33.
[5]蔡自兴，徐光.人工智能及其应用[M].北京：清华大学出版社，2003.51-93.
[6]王鸿斌，张立毅等.人工神经网络理论及其应用[J].山西电子技术，2006，（02）：41-43.
关键词：人工智能；本科高年级教学；教学改革
中图分类号：G642 文献标识码：B
1 引言
人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。
由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。
本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。
2 本科高年级的教学特点
中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。
3 人工智能课程的学科特点
与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。
4 人工智能教学的三点思考及对策
4.1 注重应用性和介绍性
在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。
4.2 注重科研引导性
本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。
4.3 教学内容与毕业设计相结合
本科毕业设计是对本科生用所学知识来解决实际问题和进行专业研究能力的检验，是本科高年级学生将要面临的一项重要任务。由于人工智能学科具有应用性和科研性的特点，人脸识别、网页检索、经济预测、基因数据处理等应用领域都离不开人工智能技术，所以人工智能方向为学生提供了丰富的毕业设计选题。针对这一特点，在本科高年级的人工智能教学中，可以适当穿插介绍有关毕业设计的内容。告诉学生哪些应用领域是目前人工智能研究的热点方向，哪些人工智能技术可以用来解决这些问题。通过向学生介绍具有一定应用价值和研究意义的题目，然后引导他们查找阅读相关技术文献，分析问题，解决问题，最后编写代码和撰写论文。比如笔者给学生提供的选题包括：(1)基于支持向量机的上市公司信用评价；(2)正则化回归在股票预测中的应用；(3)基于肤色的人脸检测；(4)基于内容的网页图像检索等。这些题目应用性强，具有一定科研深度但是难度又不至于太大，学生选择这些题目的积极性很高。通过将教学内容与毕业设计相结合，不但加深了学生对课程的理解，又使其找到了合适的毕业设计题目，可谓一举两得。
Jeffrey J.P.Tsai University of Illinois,
Chicago, USA(Eds.)
Machine Learning
Applications in Software
Engineering
Series on Software Engineering and Knowledge Engineering Vol. 16
2005,355Ppp.
ISBN 9789812560940
软件工程中的
机器学习应用
D张JJP特赛编
本书是《软件工程与知识工程》丛书的第16卷。Brooks在其经典的论文“无银弹”中对于在变化的环境中开发和维护大量软件系统的挑战已经做出了具有说服力的阐述。复杂性、一致性、可变性和隐形性，这些都是在开发大型软件中固有的基本困难。
人们提出了许多演化或者递增改进的办法，每一种改进办法都试图致力于改进这些基本困难的某些方面。人工智能技术对软件工程的应用产生了某些令人振奋的结果。这些成功的人工智能技术包括了基于知识的方法，自动推理、专家系统、启发式搜索策略、时态逻辑、规划及模式识别。为了最终克服这些基本的困难，人工智能技术能够发挥重要的作用。而作为人工智能的一个子领域，机器学习涉及一个问题，即如何建立一个计算机程序，该程序通过经验能够改进它们在执行某些任务时的性能。
机器学习专门致力于创造并且编译可验证的知识，而这些知识与人工制品的设计与构建相关。机器学习领域包括了监督学习、无监督学习和增强学习，它已经被证明在许多的应用领域中具有极大的实用价值。软件工程领域已成为一块沃土，在那里许多软件开发和维护的任务可以系统地阐述为学习问题和依据学习算法的方法。本书涉及了在软件工程中的机器应用这个主题，它提供了对机器学习的综述，总结了这个领域中的最新实践，给出了对现有工作的分类，提供了某些应用准则。书中还包括了在该研究领域中先前发表的论文集合。
本书由9章组成。第1章机器学习与软件工程介绍；第2章预测和估计中的机器学习应用；第3章属性与模型发现中的机器学习应用；第4章变换中的机器学习应用；第5章生成与合成中的机器学习应用；第6章重复使用中的机器学习应用；第7章需求获取中的机器学习应用；第8章开发知识管理中的机器学习应用；第9章准则与结论。
本书可供软件工程以及机器学习专业的研究人员和研究生阅读参考。也可供从事软件开发工作的人员阅读。
胡光华，高级软件工程师
(原中国科学院物理学研究所)
