人工智能論文精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能論文主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能論文范文

第一，植物的規(guī)格要確定好，要結合植物所適應的地質條件來對各種規(guī)格的植物進行協(xié)調搭配。一般來說，中型及其以上規(guī)格的喬木作為園林的架構之一，會對整個園林所呈現出來的景觀效果起著重要作用，應當先進行安放，然后才是小型規(guī)格的植物的安放，保證在園林景觀的細節(jié)處做好處理；第二，要合理組合植物的品種類型，落葉植物和針葉常綠植物之間在園林中所占的比例應當保持一定的平衡關系，對于植物如花卉、葉叢的顏色要協(xié)調好，一般以夏東兩季的植物色彩為主色調，其他色調為輔，以保證視覺上能起到互相補充的效果。

2園林設計中人工智能應用現狀

2.1系統(tǒng)操作方面

由于園林設計既涉及藝術方法也涉及到技術手段，因此，對操作人員的綜合能力要求就比較高，也就是說，操作人員應當對建筑理論、園林綠植知識和計算機基礎三方面綜合掌握，而事實上，很多參與園林設計的人員并沒有很強的工程操作能力，要求太高，難以實現。

2.2園林可重復使用性方面

目前來說，園林的重復使用性還是太低，因為每個地方的氣候條件和地理環(huán)境都不相同，所以，針對一個地方所制作的園林設計并不能簡單地復制到另一個地方，如蘇州園林的設計不能直接用在遼寧的園林設計，原因在于北方相對南方來說，園林供水相對困難，山石種類不同，綠植花卉種類也不如南方園林的豐富，而且南北審美觀不同，北方園林設計多采用渾厚石材，綠植多為松、柏、楊、柳、榆、槐，加上三季更迭的花灌木，呈現剛健雄渾的特點，而南方則因為花木種類豐富，布局特別，注重山石與水的搭配，獨具精致淡雅的特點，由此可見，園林的可重復使用性不高。

2.3計算機輔助設計方面

計算機輔助設計即常說的CAD。目前來說，CAD并不能完全對口符合園林設計的需求，因為CAD只能呈現出單一的圖形畫面，既不利于設計者進行設計，也不利于客戶對設計者的設計的理解，導致客戶與設計者之間難免信息不對稱，造成一定的信息偏差，影響之后園林設計出來的成果。

3加強人工智能在園林設計中應用的辦法

3.1園林子系統(tǒng)的設計

作為整個園林系統(tǒng)的組成部分，園林子系統(tǒng)的設定概要應通過計算機實施建模，來對項目實施進行基本設定，在獲得項目系統(tǒng)的自動生成規(guī)則之后，在對所收集到的園林基本數進行存檔，來作為全局的運行參數，在一定程度上影響了計算機的運行結果。一般來說，存檔信息有園林的設計規(guī)模、投資情況、發(fā)展需求以及相關的環(huán)境因素等，存檔后，可能會對建筑的規(guī)模大小、選址、風格特點以及植物的搭配等造成影響。

3.2地形子系統(tǒng)的設計

地形子系統(tǒng)的設計應當是通過計算機對采集到的地質數據進行推理而后才進行的。一般來說，會采用規(guī)則引擎最為計算機的推理機，是基于專家系統(tǒng)的模式下進行推理的，工作原理是由機器來仿造人類在對事件進行考慮的思維和方法，通過進行試探性的方法來進行推理，并不斷地對推理所得出來的結果進行解釋和驗證。對地質情況進行實時實地勘查是保證園林設計圖紙正常輸出的要求，這是不能單純地依靠計算機來實現的，因為地質勘查涉及到很多復雜地形的勘查，只能依靠人工的方式。地質勘查可以分為前期階段和后期階段。前期階段主要是設定園林工程的初稿，因此，只要對地質情況進行系統(tǒng)的粗略勘察即可。后期階段主要是完成圖紙設計要求，因此，對數據準確性要求更高，并勘查人員對此進行較為細致的處理。這以后才是通過對計算機智能系統(tǒng)軟件的使用來將前期階段和后期階段所獲得的數據進行智能化處理，完成相關數據的細化以及修正，然后通過系統(tǒng)推理得到一個初步的園林模型。

3.3主干道路子系統(tǒng)的設計

對地形子系統(tǒng)進行地形數據的輸出即可得到主干道路設計，因為我們首先完成了地形的設計，因此，在接下來對道路進行設計的過程中就可以有效地避免其他的建筑和設施的干擾，這之后的設計才能按部就班地開展。推理的總體規(guī)則為：首先，由園林的建設規(guī)模、投資情況等來對道路的類型和所需費用等進行計算，得到相關數據；然后，結合之前的輸出地形圖來生成推薦道路圖，并檢查道路的密度是否符合園林的設計規(guī)范，接著根據道路建設定額表來對工程造價進行計算，看是否符合預期投資情況；最后，對道路圖進行人工的調整，并反復驗算。

3.4圖紙和圖表輸出子系統(tǒng)的設計

第2篇：人工智能論文范文

【關鍵詞】法理學/法律推理/人工智能

【正文】

一、人工智能法律系統(tǒng)的歷史

計算機先驅思想家萊布尼茲曾這樣不無浪漫地談到推理與計算的關系：“我們要造成這樣一個結果，使所有推理的錯誤都只成為計算的錯誤，這樣，當爭論發(fā)生的時候，兩個哲學家同兩個計算家一樣，用不著辯論，只要把筆拿在手里，并且在算盤面前坐下，兩個人面對面地說：讓我們來計算一下吧！”（注：轉引自肖爾茲著：《簡明邏輯史》，張家龍譯，商務印書館1977年版，第54頁。）

如果連抽象的哲學推理都能轉變?yōu)橛嬎銌栴}來解決，法律推理的定量化也許還要相對簡單一些。盡管理論上的可能性與技術可行性之間依然存在著巨大的鴻溝，但是，人工智能技術的發(fā)展速度確實令人驚嘆。從誕生至今的短短45年內，人工智能從一般問題的研究向特殊領域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序，證明了羅素《數學原理》第二章52個定理中的38個定理。塞繆爾的課題組利用對策論和啟發(fā)式探索技術開發(fā)的具有自學習能力的跳棋程序，在1959年擊敗了其設計者，1962年擊敗了州跳棋冠軍，1997年超級計算機“深藍”使世界頭號國際象棋大師卡斯帕羅夫俯首稱臣。

20世紀60年代，人工智能研究的主要課題是博弈、難題求解和智能機器人；70年代開始研究自然語言理解和專家系統(tǒng)。1971年費根鮑姆教授等人研制出“化學家系統(tǒng)”之后，“計算機數學家”、“計算機醫(yī)生”等系統(tǒng)相繼誕生。在其他領域專家系統(tǒng)研究取得突出成就的鼓舞下，一些律師提出了研制“法律診斷”系統(tǒng)和律師系統(tǒng)的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）

1970年Buchanan&Headrick發(fā)表了《關于人工智能和法律推理若干問題的考察》，一文，拉開了對法律推理進行人工智能研究的序幕。文章認為，理解、模擬法律論證或法律推理，需要在許多知識領域進行艱難的研究。首先要了解如何描述案件、規(guī)則和論證等幾種知識類型，即如何描述法律知識，其中處理開放結構的法律概念是主要難題。其次，要了解如何運用各種知識進行推理，包括分別運用規(guī)則、判例和假設的推理，以及混合運用規(guī)則和判例的推理。再次，要了解審判實踐中法律推理運用的實際過程，如審判程序的運行，規(guī)則的適用，事實的辯論等等。最后，如何將它們最終運用于編制能執(zhí)行法律推理和辯論任務的計算機程序，區(qū)別和分析不同的案件，預測并規(guī)避對手的辯護策略，建立巧妙的假設等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在這一時期主要沿著兩條途徑前進：一是基于規(guī)則模擬歸納推理，70年代初由WalterG.Popp和BernhardSchlink開發(fā)了JUDITH律師推理系統(tǒng)。二是模擬法律分析，尋求在模型與以前貯存的基礎數據之間建立實際聯(lián)系，并僅依這種關聯(lián)的相似性而得出結論。JeffreyMeld-man1977年開發(fā)了計算機輔助法律分析系統(tǒng)，它以律師推理為模擬對象，試圖識別與案件事實模型相似的其他案件?？紤]到律師分析案件既用歸納推理又用演繹推理，程序對兩者都給予了必要的關注，并且包括了各種水平的分析推理方法。

專家系統(tǒng)在法律中的第一次實際應用，是D.沃特曼和M.皮特森1981年開發(fā)的法律判決輔助系統(tǒng)(LDS)。研究者探索將其當作法律適用的實踐工具，對美國民法制度的某個方面進行檢測，運用嚴格責任、相對疏忽和損害賠償等模型，計算出責任案件的賠償價值，并論證了如何模擬法律專家意見的方法論問題。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）

我國法律專家系統(tǒng)的研制于20世紀80年代中期起步。（注：錢學森教授：《論法治系統(tǒng)工程的任務與方法》（《科技管理研究》1981年第4期）、《社會主義和法治學與現代科學技術》（《法制建設》1984年第3期）、《現代科學技術與法和法制建設》（《政法論壇》）1985年第3期）等文章，為我國法律專家系統(tǒng)的研發(fā)起了思想解放和理論奠基作用。）1986年由朱華榮、肖開權主持的《量刑綜合平衡與電腦輔助量刑專家系統(tǒng)研究》被確定為國家社科“七五”研究課題，它在建立盜竊罪量刑數學模型方面取得了成果。在法律數據庫開發(fā)方面，1993年中山大學學生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動化系統(tǒng)》。（注：楊建廣、駱梅芬編著：《法治系統(tǒng)工程》，中山大學出版社1996年版，第344-349頁。）1993年武漢大學法學院趙廷光教授主持開發(fā)了《實用刑法專家系統(tǒng)》。（注：趙廷光等著：《實用刑法專家系統(tǒng)用戶手冊》，北京新概念軟件研究所1993年版。）它由咨詢檢索系統(tǒng)、輔助定性系統(tǒng)和輔助量刑系統(tǒng)組成，具有檢索刑法知識和對刑事個案進行推理判斷的功能。

專家系統(tǒng)與以往的“通用難題求解”相比具有以下特點：(1)它要解決復雜的實際問題，而不是規(guī)則簡單的游戲或數學定理證明問題；(2)它面向更加專門的應用領域，而不是單純的原理性探索；(3)它主要根據具體的問題域，選擇合理的方法來表達和運用特殊的知識，而不強調與問題的特殊性無關的普適性推理和搜索策略。

法律專家系統(tǒng)在法規(guī)和判例的輔助檢索方面確實發(fā)揮了重要作用，解放了律師一部分腦力勞動。但絕大多數專家系統(tǒng)目前只能做法律數據的檢索工作，缺乏應有的推理功能。20世紀90年代以后，人工智能法律系統(tǒng)進入了以知識工程為主要技術手段的開發(fā)時期。知識工程是指以知識為處理對象，以能在計算機上表達和運用知識的技術為主要手段，研究知識型系統(tǒng)的設計、構造和維護的一門更加高級的人工智能技術。（注：《中國大百科全書·自動控制與系統(tǒng)工程》，中國大百科全書出版社1991年版，第579頁。）知識工程概念的提出，改變了以往人們認為幾個推理定律再加上強大的計算機就會產生專家功能的信念。以知識工程為技術手段的法律系統(tǒng)研制，如果能在法律知識的獲得、表達和應用等方面獲得突破，將會使人工智能法律系統(tǒng)的研制產生一個質的飛躍。

人工智能法律系統(tǒng)的發(fā)展源于兩種動力。其一是法律實踐自身的要求。隨著社會生活和法律關系的復雜化，法律實踐需要新的思維工具，否則，法律家（律師、檢察官和法官）將無法承受法律文獻日積月累和法律案件不斷增多的重負。其二是人工智能發(fā)展的需要。人工智能以模擬人的全部思維活動為目標，但又必須以具體思維活動一城一池的攻克為過程。它需要通過對不同思維領域的征服，來證明知識的每個領域都可以精確描述并制造出類似人類智能的機器。此外，人工智能選擇法律領域尋求突破，還有下述原因：(1)盡管法律推理十分復雜，但它有相對穩(wěn)定的對象（案件）、相對明確的前提（法律規(guī)則、法律事實）及嚴格的程序規(guī)則，且須得出確定的判決結論。這為人工智能模擬提供了極為有利的條件。(2)法律推理特別是抗辯制審判中的司法推理，以明確的規(guī)則、理性的標準、充分的辯論，為觀察思維活動的軌跡提供了可以記錄和回放的樣本。(3)法律知識長期的積累、完備的檔案，為模擬法律知識的獲得、表達和應用提供了豐富、準確的資料。(4)法律活動所特有的自我意識、自我批評精神，對法律程序和假設進行檢驗的傳統(tǒng)，為模擬法律推理提供了良好的反思條件。

二、人工智能法律系統(tǒng)的價值

人工智能法律系統(tǒng)的研制對法學理論和法律實踐的價值和意義，可以概括為以下幾點：

一是方法論啟示。P.Wahlgren說：“人工智能方法的研究可以支持和深化在創(chuàng)造性方法上的法理學反思。這個信仰反映了法理學可以被視為旨在于開發(fā)法律分析和法律推理之方法的活動。從法理學的觀點看，這種研究的最終目標是揭示方法論的潛在作用，從而有助于開展從法理學觀點所提出的解決方法的討論，而不僅僅是探討與計算機科學和人工智能有關的非常細致的技術方面?！保ㄗⅲ篜.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模擬法律推理的過程中，法學家通過與工人智能專家的密切合作，可以從其對法律推理的獨特理解中獲得有關方法論方面的啟示。例如，由于很少有兩個案件完全相似，在判例法實踐中，總有某些不相似的方面需要法律家運用假設來分析已有判例與現實案件的相關性程度。但法學家們在假設的性質問題上常常莫衷一是。然而HYPO的設計者，在無真實判例或真實判例不能充分解釋現實案件的情況下，以假設的反例來反駁對方的觀點，用補充、刪減和改變事實的機械論方法來生成假設。這種用人工智能方法來處理假設的辦法，就使復雜問題變得十分簡單：假設實際上是一個新的論證產生于一個經過修正的老的論證的過程。總之，人工智能方法可以幫助法學家跳出法理學方法的思維定勢，用其他學科的方法來重新審視法學問題，從而為法律問題的解決提供了新的途徑。

二是提供了思想實驗手段。西蒙認為，盡管我們還不知道思維在頭腦中是怎樣由生理作用完成的，“但我們知道這些處理在數字電子計算機中是由電子作用完成的。給計算機編程序使之思維，已經證明有可能為思維提供機械論解釋”。（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）童天湘先生認為：“通過編制有關思維活動的程序，就會加深對思維活動具體細節(jié)的了解，并將這種程序送進計算機運行，檢驗其正確性。這是一種思想實驗，有助于我們研究人腦思維的機理?！保ㄗⅲ恨D引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）人工智能法律系統(tǒng)研究的直接目標是使計算機能夠獲取、表達和應用法律知識，軟件工程師為模擬法律推理而編制程序，必須先對人的推理過程作出基于人工智能理論和方法的獨特解釋。人工智能以功能模擬開路，在未搞清法律家的推理結構之前，首先從功能上對法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動進行數理分析，將法理學、訴訟法學關于法律推理的研究成果模型化，以實現法律推理知識的機器表達或再現，從而為認識法律推理的過程和規(guī)律提供了一種實驗手段。法學家則可以將人工智能法律系統(tǒng)的推理過程、方法和結論與人類法律推理活動相對照，為法律推理的法理學研究所借鑒。因此，用人工智能方法模擬法律推理，深化了人們對法律推理性質、要素和過程的認識，使法學家得以借助人工智能科學的敏銳透鏡去考察法律推理的微觀機制。正是在這個意義上，BryanNiblett教授說：“一個成功的專家系統(tǒng)很可能比其他的途徑對法理學作出更多的（理論）貢獻?！保ㄗⅲ築ryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）

三是輔助司法審判。按照格雷的觀點，法律專家系統(tǒng)首先在英美判例法國家出現的直接原因在于，浩如煙海的判例案卷如果沒有計算機編纂、分類、查詢，這種法律制度簡直就無法運轉了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其實不僅是判例法，制定法制度下的律師和法官往往也要為檢索有關的法律、法規(guī)和司法解釋耗費大量的精力和時間，而且由于人腦的知識和記憶能力有限，還存在著檢索不全面、記憶不準確的問題。人工智能法律系統(tǒng)強大的記憶和檢索功能，可以彌補人類智能的某些局限性，幫助律師和法官從事相對簡單的法律檢索工作，從而極大地解放律師和法官的腦力勞動，使其能夠集中精力從事更加復雜的法律推理活動。

四是促進司法公正。司法推理雖有統(tǒng)一的法律標準，但法官是具有主觀能動性的差異個體，所以在執(zhí)行統(tǒng)一標準時會產生一些差異的結果。司法解釋所具有的建構性、辯證性和創(chuàng)造性的特點，進一步加劇了這種差異。如果換了鋼鐵之軀的機器，這種由主觀原因所造成的差異性就有可能加以避免。這當然不是說讓計算機完全取代法官，而是說，由于人工智能法律系統(tǒng)為司法審判提供了相對統(tǒng)一的推理標準和評價標準，從而可以輔助法官取得具有一貫性的判決。無論如何，我們必須承認，鋼鐵之軀的機器沒有物質欲望和感情生活，可以比人更少地受到外界因素的干擾。正像計算機錄取增強了高考招生的公正性、電子監(jiān)視器提高了糾正行車違章的公正性一樣，智能法律系統(tǒng)在庭審中的運用有可能減少某些現象。

五是輔助法律教育和培訓。人工智能法律系統(tǒng)凝聚了法律家的專門知識和法官群體的審判經驗，如果通過軟件系統(tǒng)或計算機網絡實現專家經驗和知識的共享，便可在法律教育和培訓中發(fā)揮多方面的作用。例如，(1)在法學院教學中發(fā)揮模擬法庭的作用，可以幫助法律專業(yè)學生鞏固自己所學知識，并將法律知識應用于模擬的審判實踐，從而較快地提高解決法律實踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識，迅速獲得判案經驗，在審判過程的跟蹤檢測和判決結論的動態(tài)校正中增長知識和才干，較快地接近或達到專家水平。(3)可使不同地區(qū)、不同層次的律師和法官及時獲得有關法律問題的咨詢建議，彌補因知識結構差異和判案經驗多寡而可能出現的失誤。(4)可以為大眾提供及時的法律咨詢，提高廣大人民群眾的法律素質，增強法律意識。

六是輔助立法活動。人工智能法律系統(tǒng)不僅對輔助司法審判有重要的意義，而且對完善立法也具有實用價值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，倫敦大學Imperial學院的邏輯程序組將1981年英國國籍法的內容形式化，幫助立法者發(fā)現了該法在預見性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法輔助系統(tǒng)如能應用于法律起草和法律草案的審議過程，有可能事先發(fā)現一些立法漏洞，避免一個法律內部各種規(guī)則之間以及新法律與現有法律制度之間的相互沖突。

三、法理學在人工智能法律系統(tǒng)研究中的作用

1.人工智能法律系統(tǒng)的法理學思想來源

關于人工智能法律系統(tǒng)之法理學思想來源的追蹤，不是對法理學與人工智能的聯(lián)系作面面俱到的考察，而旨在揭示法理學對人工智能法律系統(tǒng)的發(fā)展所產生的一些直接影響。

第一，法律形式主義為人工智能法律系統(tǒng)的產生奠定了理論基礎。18-19世紀的法律形式主義強調法律推理的形式方面，認為將法律化成簡單的幾何公式是完全可能的。這種以J·奧斯汀為代表的英國分析法學的傳統(tǒng)，主張“法律推理應該依據客觀事實、明確的規(guī)則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作，那么無論誰作裁決，法律推理都會導向同樣的裁決?！保ㄗⅲ海溃┦返傥摹·伯頓著：《法律和法律推理導論》，張志銘、解興權譯，中國政法大學出版社1998年9月版，第3頁。）換言之，機器只要遵守法律推理的邏輯，也可以得出和法官一樣的判決結果。在分析法學家看來，“所謂‘法治’就是要求結論必須是大前提與小前提邏輯必然結果?！保ㄗⅲ褐炀拔闹骶帲骸秾ξ鞣椒蓚鹘y(tǒng)的挑戰(zhàn)》，中國檢察出版社1996年2月版，第292頁。）如果法官違反三段論推理的邏輯，就會破壞法治。這種機械論的法律推理觀，反映了分析法學要求法官不以個人價值觀干擾法律推理活動的主張。但是，它同時具有忽視法官主觀能動性和法律推理靈活性的僵化的缺陷。所以，自由法學家比埃利希將法律形式主義的邏輯推理說稱為“自動售貨機”理論。然而，從人工智能就是為思維提供機械論解釋的意義上說，法律形式主義對法律推理所作的機械論解釋，恰恰為人工智能法律系統(tǒng)的開發(fā)提供了可能的前提。從人工智能法律系統(tǒng)研制的實際過程來看，在其起步階段，人工智能專家正是根據法律形式主義所提供的理論前提，首先選擇三段論演繹推理進行模擬，由WalterG.Popp和BernhardSchlink在20世紀70年代初開發(fā)了JUDITH律師推理系統(tǒng)。在這個系統(tǒng)中，作為推理大小前提的法律和事實之間的邏輯關系，被計算機以“如果A和B，那么C”的方式加以描述，使機器法律推理第一次從理論變?yōu)楝F實。

第二，法律現實主義推動智能模擬深入到主體的思維結構領域。法律形式主義忽視了推理主體的社會性。法官是生活在現實社會中的人，其所從事的法律活動不可能不受到其社會體驗和思維結構的影響。法官在實際的審判實踐中，并不是機械地遵循規(guī)則，特別是在遇到復雜案件時，往往需要作出某種價值選擇。而一旦面對價值問題，法律形式主義的邏輯決定論便立刻陷入困境，顯出其僵化性的致命弱點。法律現實主義對其僵化性進行了深刻的批判?；裟匪狗ü倜鞔_提出“法律的生命并不在于邏輯而在于經驗”（注：（美）博登海默著：《法理學——法哲學及其方法》，鄧正來、姬敬武譯，華夏出版社1987年12月版，第478頁。）的格言。這里所謂邏輯，就是指法律形式主義的三段論演繹邏輯；所謂經驗，則包括一定的道德和政治理論、公共政策及直覺知識，甚至法官的偏見。法律現實主義對法官主觀能動性和法律推理靈活性的強調，促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。人們開始考慮，如果思維結構對法官的推理活動具有定向作用，那么，人工智能法律系統(tǒng)若要達到法官水平，就應該通過建立思維結構模型來設計機器的運行結構。TAXMAN的設計就借鑒了這一思想，法律知識被計算機結構語言以語義網絡的方式組成不同的規(guī)則系統(tǒng)，解釋程序、協(xié)調程序、說明程序分別對網絡結構中的輸入和輸出信息進行動態(tài)結構調整，從而適應了知識整合的需要。大規(guī)模知識系統(tǒng)的KBS(KnowledgeBasedSystem)開發(fā)也注意了思維結構的整合作用，許多具有內在聯(lián)系的小規(guī)模KBS子系統(tǒng)，在分別模擬法律推理要素功能（證成、法律查詢、法律解釋、法律適用、法律評價、理由闡述）的基礎上，又通過聯(lián)想程序被有機聯(lián)系起來，構成了具有法律推理整體功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）

第三，“開放結構”的法律概念打開了疑難案件法律推理模擬的思路。法律形式主義忽視了疑難案件的存在。疑難案件的特征表現為法律規(guī)則和案件之間不存在單一的邏輯對應關系。有時候從一個法律規(guī)則可以推出幾種不同的結論，它們往往沒有明顯的對錯之分；有時一個案件面對著幾個相似的法律規(guī)則。在這些情況下，形式主義推理說都一籌莫展。但是，法律現實主義在批判法律形式主義時又走向另一個極端，它否認具有普遍性的一般法律規(guī)則的存在，試圖用“行動中的法律”完全代替分析法學“本本中的法律”。這種矯枉過正的做法雖然是使法律推理擺脫機械論束縛所走出的必要一步，然而，法律如果真像現實主義法學所說的那樣僅僅存在于具體判決之中，法律推理如果可以不遵循任何標準或因人而異，那么，受到挑戰(zhàn)的就不僅是法律形式主義，而且還會殃及法治要求實現規(guī)則統(tǒng)治之根本原則，并動搖人工智能法律系統(tǒng)存在的基礎。哈特在法律形式主義和法律現實主義的爭論中采取了一種折中立場，他既承認邏輯的局限性又強調其重要性；既拒斥法官完全按自己的預感來隨意判案的見解，又承認直覺的存在。這種折中立場在哈特“開放結構”的法律概念中得到了充分體現。法律概念既有“意義核心”又有“開放結構”，邏輯推理可以幫助法官發(fā)現問題的陽面，而根據社會政策、價值和后果對規(guī)則進行解釋則有助于發(fā)現問題的陰面。開放結構的法律概念，使基于規(guī)則的法律推理模擬在受到概念封閉性的限制而對疑難案件無能為力時，找到了新的立足點。在此基礎上，運用開放結構概念的疑難案件法律推理模型，通過邏輯程序工具和聯(lián)想技術而建立起來。Gardner博士就疑難案件提出兩種解決策略：一是將簡易問題從疑難問題中篩選出來，運用基于規(guī)則的技術來解決；二是將疑難問題同“開放結構”的法律概念聯(lián)系在一起，先用非范例知識如規(guī)則、控辯雙方的陳述、常識來獲得初步答案，再運用范例來澄清案件、檢查答案的正確性。

第四，目的法學促進了價值推理的人工智能研究。目的法學是指一種所謂直接實現目的之“后法治”理想。美國法學家諾內特和塞爾茲尼克把法律分為三種類型。他們認為，以法治為標志的自治型法，過分強調手段或程序的正當性，有把手段當作目的的傾向。這說明法治社會并沒有反映人類關于美好社會的最高理想，因為實質正義不是經過人們直接追求而實現的，而是通過追求形式正義而間接獲得的。因此他們提出以回應型法取代自治型法的主張。在回應型法中，“目的為評判既定的做法設立了標準，從而也就開辟了變化的途徑。同時，如果認真地對待目的，它們就能控制行政自由裁量權，從而減輕制度屈從的危險。反之，缺少目的既是僵硬的根源，又是機會主義的根源?！保ㄗⅲ海溃┲Z內特、塞爾茲尼克著：《轉變中的法律與社會》，張志銘譯，中國政法大學出版社1994年版，第60頁。）美國批判法學家昂格爾對形式主義法律推理和目的型法律推理的特點進行了比較，他認為，前者要求使用內容明確、固定的規(guī)則，無視社會現實生活中不同價值觀念的沖突，不能適應復雜情況和變化，追求形式正義；后者則要求放松對法律推理標準的嚴格限制，允許使用無固定內容的抽象標準，迫使人們在不同的價值觀念之間做出選擇，追求實質正義。與此相應，佩雷爾曼提出了新修辭學(NewRhetoric)的法律理論。他認為，形式邏輯只是根據演繹法或歸納法對問題加以說明或論證的技術，屬于手段的邏輯；新修辭學要填補形式邏輯的不足，是關于目的的辯證邏輯，可以幫助法官論證其決定和選擇，因而是進行價值判斷的邏輯。他認為，在司法三段論思想支配下，法學的任務是將全部法律系統(tǒng)化并作為闡釋法律的大前提，“明確性、一致性和完備性”就成為對法律的三個要求。而新修辭學的基本思想是價值判斷的多元論，法官必須在某種價值判斷的指示下履行義務，必須考慮哪些價值是“合理的、可接受的、社會上有效的公平的”。這些價值構成了判決的正當理由。（注：沈宗靈著：《現代西方法理學》，北京大學出版社1992年版，第443-446頁。）制造人工智能法律系統(tǒng)最終需要解決價值推理的模擬問題，否則，就難以實現為判決提供正當理由的要求。為此，P.Wahlgren提出的與人工智能相關的5種知識表達途徑中，明確地包括了以道義為基礎的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道義邏輯，或者說在機器中采用基于某種道義邏輯的推理程序，強調目的價值，也許是制造智能法律系統(tǒng)的關鍵。不過，即使把道義邏輯硬塞給計算機，鋼鐵之軀的機器沒有生理需要，也很難產生價值觀念和主觀體驗，沒辦法解決主觀選擇的問題。在這個問題上，波斯納曾以法律家有七情六欲為由對法律家對法律的機械忠誠表示了強烈懷疑，并辯證地將其視為法律發(fā)展的動力之一。只有人才能夠平衡相互沖突的利益，能夠發(fā)現對人類生存和發(fā)展至關重要的價值。因此，關于價值推理的人工智能模擬究竟能取得什么成果，恐怕還是個未知數。

2.法理學對人工智能法律系統(tǒng)研制的理論指導作用

GoldandSusskind指出：“不爭的事實是，所有的專家系統(tǒng)必須適應一些法理學理論，因為一切法律專家系統(tǒng)都需要提出關于法律和法律推理性質的假設。從更嚴格的意義上說，一切專家系統(tǒng)都必須體現一種結構理論和法律的個性，一種法律規(guī)范理論，一種描述法律科學的理論，一種法律推理理論”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系統(tǒng)的研究，不僅需要以法理學關于法律的一般理論為知識基礎，還需要從法理學獲得關于法律推理的完整理論，如法律推理實踐和理論的發(fā)展歷史，法律推理的標準、主體、過程、方法等等。人工智能對法律推理的模擬，主要是對法理學關于法律推理的知識進行人工智能方法的描述，建立數學模型并編制計算機應用程序，從而在智能機器上再現人類法律推理功能的過程。在這個過程中，人工智能專家的主要任務是研究如何吸收法理學關于法律推理的研究成果，包括法理學關于人工智能法律系統(tǒng)的研究成果。

隨著人工智能法律系統(tǒng)研究從低級向高級目標的推進，人們越來越意識到，對法律推理的微觀機制認識不足已成為人工智能模擬的嚴重障礙。P.Wahlgren指出，“許多人工智能技術在法律領域的開發(fā)項目之所以失敗，就是因為許多潛在的法理學原則沒有在系統(tǒng)開發(fā)的開始階段被遵守或給予有效的注意?！薄胺ɡ韺W對法律推理和方法論問題的關注已經有幾百年，而人工智能的誕生只是本世紀50年代中期的事情，這個事實是人工智能通過考察法理學知識來豐富自己的一個有效動機。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自動化的目標，“一方面是用人工智能（通過把計算機的應用與分析模型相結合）來支撐法律推理的可能性；另一方面是應用法理學理論來解決作為法律推理支撐系統(tǒng)的以及一般的人工智能問題?！保ㄗⅲ篜.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系統(tǒng)充當法律推理研究的思想實驗手段以及輔助司法審判的問題。后一方面，則是法律推理的法律學研究成果直接為人工智能法律系統(tǒng)的研制所應用的問題。例如，20世紀70年代法理學在真實和假設案例的推理和分析方面所取得的成果，已為幾種人工智能法律裝置借鑒而成為其設計工作的理論基礎。在運用模糊或開放結構概念的法律推理研究方面，以及在法庭辯論和法律解釋的形式化等問題上，法理學的研究成果也已為人工智能法律系統(tǒng)的研究所借鑒。

四、人工智能法律系統(tǒng)研究的難點

人工智能法律系統(tǒng)的研究盡管在很短的時間內取得了許多令人振奮的成果，但它的發(fā)展也面臨著許多困難。這些困難構成了研究工作需要進一步努力奮斗的目標。

第一，關于法律解釋的模擬。在法理學的諸多研究成果中，法律解釋的研究對人工智能法律系統(tǒng)的研制起著關鍵作用。法律知識表達的核心問題是法律解釋。法律規(guī)范在一個法律論點上的效力，是由法律家按忠實原意和適合當時案件的原則通過法律解釋予以確認的，其中包含著人類特有的價值和目的考慮，反映了法律家的知識表達具有主觀能動性。所以，德沃金將解釋過程看作是一種結合了法律知識、時代信息和思維方法而形成的，能夠應變的思維策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律專家系統(tǒng)并未以知識表達為目的來解釋法律，而是將法律整齊地“碼放”在計算機記憶系統(tǒng)中僅供一般檢索之用。然而，在法律知識工程系統(tǒng)中，法律知識必須被解釋，以滿足自動推理對法律知識進行重新建構的需要。麥卡錫說：“在開發(fā)智能信息系統(tǒng)的過程中，最關鍵的任務既不是文件的重建也不是專家意見的重建，而是建立有關法律領域的概念模型?！保ㄗⅲ篗cCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必須以法律家對某一法律概念的共識為基礎，但不同的法律家對同一法律概念往往有不同的解釋策略。凱爾森甚至說：即使在國內法領域也難以形成一個“能夠用來敘述一定法律共同體的實在法的基本概念”。（注：（奧）凱爾森著：《法與國家的一般理論》，沈宗靈譯，中國大百科全書出版社1996年版，第1頁。）盡管如此，法理學還是為法律概念模型的重建提供了一些方法。例如，德沃金認為，法官在“解釋”階段，要通過推理論證，為自己在“前解釋”階段所確定的大多數法官對模糊法律規(guī)范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過程分為兩個步驟：首先，從現存的明確法律制度中抽象出一般的法律原則，用自我建立的一般法律理論來證明這種法律原則是其中的一部分，證明現存的明確法律制度是正當的。其次，再以法律原則為依據反向推出具體的法律結論，即用一般法律理論來證明某一法律原則存在的合理性，再用該法律原則來解釋某一法律概念。TAXMAN等系統(tǒng)裝置已吸收了這種方法，法律知識被計算機結構語言以語義網絡的方式組成不同的規(guī)則系統(tǒng)，解釋程序使計算機根據案件事實來執(zhí)行某條法律規(guī)則，并在新案件事實輸入時對法律規(guī)則作出新的解釋后才加以調用。不過，法律知識表達的進展還依賴于法律解釋研究取得更多的突破。

第二，關于啟發(fā)式程序。目前的法律專家系統(tǒng)如果不能與啟發(fā)式程序接口，不能運用判斷性知識進行推理，只通過規(guī)則反饋來提供簡單解釋，就談不上真正的智能性。啟發(fā)式程序要解決智能機器如何模擬法律家推理的直覺性、經驗性以及推理結果的不確定性等問題，即人可以有效地處理錯誤的或不完全的數據，在必要時作出猜測和假設，從而使問題的解決具有靈活性。在這方面，Gardner的混合推理模型，EdwinaL.Rissland運用聯(lián)想程序對規(guī)則和判例推理的結果作集合處理的思路，以及Massachusetts大學研制的CABARET（基于判例的推理工具），在將啟發(fā)式程序應用于系統(tǒng)開發(fā)方面都進行了有益的嘗試。但是，法律問題往往沒有唯一正確的答案，這是人工智能模擬法律推理的一個難題。選擇哪一個答案，往往取決于法律推理的目的標準和推理主體的立場和價值觀念。但智能機器沒有自己的目的、利益和立場。這似乎從某種程度上劃定了機器法律推理所能解決問題的范圍。

第三，關于法律自然語言理解。在設計基于規(guī)則的程序時，設計者必須假定整套規(guī)則沒有意義不明和沖突，程序必須消滅這些問題而使規(guī)則呈現出更多的一致性。就是說，盡管人們對法律概念的含義可以爭論不休，但輸入機器的法律語言卻不能互相矛盾。機器語言具有很大的局限性，例如，LDS基于規(guī)則來模擬嚴格責任并計算實際損害時，表現出的最大弱點就是不能使用不精確的自然語言進行推理。然而，在實際的法律推理過程中，法律家對某個問題的任何一種回答都可根據上下文關系作多種解釋，而且辯論雙方總是尋求得出不同的結論。因此，智能法律專家系統(tǒng)的成功在很大程度上還依賴于自然語言理解研究工作的突破。牛津大學的一個程序組正在研究法律自然語言的理解問題，但是遇到了重重困難。原因是連法學家們自己目前也還沒有建立起一套大家一致同意的專業(yè)術語規(guī)范。所以EdwinaL.Rissland認為，常識知識、意圖和信仰類知識的模擬化，以及自然語言理解的模擬問題，迄今為止可能是人工智能面臨的最困難的任務。對于語言模擬來說，像交際短語和短語概括的有限能力可能會在較窄的語境條件下取得成果，完全的功能模擬、一般“解決問題”能力的模擬則距離非常遙遠，而像書面上訴意見的理解則是永遠的終極幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）

五、人工智能法律系統(tǒng)的開發(fā)策略和應用前景

我們能夠制造出一臺什么樣的機器，可以證明它是人工智能法律系統(tǒng)？從檢驗標準上看，這主要是法律知識在機器中再現的判定問題。根據“圖靈試驗”原理，我們可將該檢驗標準概括如下：設兩間隔開的屋子，一間坐著一位法律家，另一間“坐著”一臺智能機器。一個人（也是法律家）向法律家和機器提出同樣的法律問題，如果提問者不能從二者的回答中區(qū)分出誰是法律家、誰是機器，就不能懷疑機器具有法律知識表達的能力。

依“圖靈試驗”制定的智能法律系統(tǒng)檢驗標準，所看重的是功能。只要機器和法律家解決同樣法律問題時所表現出來的功能相同，就不再苛求哪個是鋼鐵結構、哪個是血肉之軀。人工智能立足的基礎，就是相同的功能可以通過不同的結構來實現之功能模擬理論。

從功能模擬的觀點來確定人工智能法律系統(tǒng)的研究與開發(fā)策略，可作以下考慮：

第一，擴大人工智能法律系統(tǒng)的研發(fā)主體。現有人工法律系統(tǒng)的幼稚，暴露了僅僅依靠計算機和知識工程專家從事系統(tǒng)研發(fā)工作的局限性。因此，應該確立以法律家、邏輯學家和計算機專家三結合的研發(fā)群體。在系統(tǒng)研發(fā)初期，可組成由法學家、邏輯與認知專家、計算機和知識工程專家為主體的課題組，制定系統(tǒng)研發(fā)的整體戰(zhàn)略和分階段實施的研發(fā)規(guī)劃。在系統(tǒng)研發(fā)中期，應通過網絡等手段充分吸收初級產品用戶（律師、檢察官、法官）的意見，使研發(fā)工作在理論研究與實際應用之間形成反饋，將開發(fā)精英與廣大用戶的智慧結合起來，互相啟發(fā)、群策群力，推動系統(tǒng)迅速升級。

第二，確定研究與應用相結合、以應用為主導的研發(fā)策略。目前國外人工智能法律系統(tǒng)的研究大多停留在實驗室領域，還沒有在司法實踐中加以應用。但是，任何智能系統(tǒng)包括相對簡單的軟件系統(tǒng)，如果不經過用戶的長期使用和反饋，是永遠也不可能走向成熟的。從我國的實際情況看，如果不能將初期研究成果盡快地轉化為產品，我們也難以為后續(xù)研究工作提供雄厚的資金支持。因此，人工智能法律系統(tǒng)的研究必須走產研結合的道路，堅持以應用開路，使智能法律系統(tǒng)盡快走出實驗室，同時以研究為先導，促進不斷更新升級。

第三，系統(tǒng)研發(fā)目標與初級產品功能定位。人工智能法律系統(tǒng)的研發(fā)目標是制造出能夠滿足多用戶（律師、檢察官、法官、立法者、法學家）多種需要的機型。初級產品的定位應考慮到，人的推理功能特別是價值推理的功能遠遠超過機器，但人的記憶功能、檢索速度和準確性又遠不如機器。同時還應該考慮到，我國目前有12萬律師，23萬檢察官和21萬法官，每年1.2萬法學院本科畢業(yè)生，他們對法律知識的獲取、表達和應用能力參差不齊。因此，初級產品的標準可適當降低，先研制推理功能薄弱、檢索功能強大的法律專家系統(tǒng)。可與計算機廠商合作生產具有強大數據庫功能的硬件，并確保最新法律、法規(guī)、司法解釋和判例的網上及時更新；同時編制以案件為引導的高速檢索軟件。系統(tǒng)開發(fā)的先期目標應確定為：(1)替律師起草僅供參考的書和辯護詞；(2)替法官起草僅供參考的判決書；(3)為法學院學生提供模擬法庭審判的通用系統(tǒng)軟件，以輔助學生在、辯護和審判等訴訟的不同階段鞏固所學知識、獲得審判經驗。上述軟件旨在提供一個初級平臺，先解決有無和急需，再不斷收集用戶反饋意見，逐步改進完善。

第四，實驗室研發(fā)應確定較高的起點或跟蹤戰(zhàn)略。國外以知識工程為主要技術手段的人工智能法律系統(tǒng)開發(fā)已經歷了如下發(fā)展階段：(1)主要適用于簡單案件的規(guī)則推理；(2)運用開放結構概念的推理；(3)運用判例和假設的推理；(4)運用規(guī)則和判例的混合推理。我們如確定以簡單案件的規(guī)則推理為初級市場產品，那么，實驗室中第二代產品開發(fā)就應瞄準運用開放結構概念的推理。同時，跟蹤運用假設的推理及混合推理，吸收國外先進的KBS和HYPO的設計思想，將功能子系統(tǒng)開發(fā)與聯(lián)想式控制系統(tǒng)結合。HYPO判例法推理智能裝置具有如下功能：(1)評價相關判例；(2)判定何方使用判例更加貼切；(3)分析并區(qū)分判例；(4)建立假設并用假設來推理；(5)為一種主張引用各種類型的反例；(6)建立判例的引證概要。HYPO以商業(yè)秘密法的判例推理為模擬對象，假設了完全自動化的法律推理過程中全部要素被建立起來的途徑。值得注意的是，HYPO忽略了許多要素的存在，如商業(yè)秘密法背后的政策考慮，法律概念應用于實際情況時固有的模糊性，信息是否已被公開，被告是否使用了對方設計的產品，是否簽署了讓與協(xié)議，等等。一個系統(tǒng)設計的要素列表無論多長，好律師也總能再多想出一些。同樣，律師對案件的分析，不可能僅限于商業(yè)秘密法判例，還可能援引侵權法或專利法的判例，這決定了緣由的多種可能性。Ashley還討論了判例法推理模擬的其他困難：判例并不是概念的肯定的或否定的樣本，因此，要通過要素等簡單的法律術語使模糊的法律規(guī)則得到澄清十分困難，法律原則和類推推理之間的關系還不能以令人滿意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）這說明，即使具有較高起點的實驗室基礎研究，也不宜確定過高的目標。因為，智能法律系統(tǒng)的研究不能脫離人工智能的整體發(fā)展水平。

第五，人－機系統(tǒng)解決方案。人和機器在解決法律問題時各有所長。人的優(yōu)點是能作價值推理，使法律問題的解決適應社會的變化發(fā)展，從而具有靈活性。機器的長處是記憶和檢索功能強，可以使法律問題的解決具有一貫性。人－機系統(tǒng)解決方案立足于人與機器的功能互補，目的是解放人的腦力勞動，服務于國家的法治建設。該方案的實施可以分為兩個階段：第一階段以人為主，機器為人收集信息并作初步分析，提供決策參考。律師受理案件后，可以先用機器處理大批數據，并參考機器的和辯護方案，再做更加高級的推理論證工作。法官接觸一個新案件，或新法官剛接觸審判工作，也可以先看看“機器法官”的判決建議或者審判思路，作為參考。法院的監(jiān)督部門可參照機器法官的判決，對法官的審判活動進行某種監(jiān)督，如二者的判決結果差別太大，可以審查一下法官的判決理由。這也許可以在一定程度上制約司法腐敗。在人－機系統(tǒng)開發(fā)的第二階段，會有越來越多的簡單案件的判決與電腦推理結果完全相同，因此，某些簡單案件可以機器為主進行審判，例如，美國小額法庭的一些案件，我國法庭可用簡易程序來審理的一些案件。法官可以作為“產品檢驗員”監(jiān)督和修訂機器的判決結果。這樣，法官的判案效率將大大提高，法官隊伍也可借此“消腫”，有可能大幅度提高法官薪水，吸引高素質法律人才進入法官隊伍。

未來的計算機不會完全取代律師和法官，然而，律師和法官與智能機器統(tǒng)一體的出現則可能具有無限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以預見，人工智能將為法律工作的自動化提供越來越強有力的外腦支持。電腦律師或法官將在網絡所及的范圍內承擔起諸如收債、稅務、小額犯罪訴訟等職能。自動法律推理系統(tǒng)將對訴訟活動發(fā)揮越來越多的輔助作用，例如，通過嚴密的演繹邏輯使用戶確信全部法律結論得出的正當性；在解決相互沖突的規(guī)則、判例和政策問題時提示可能出現的判決預測；等等。正如網絡的出現打破了少數人對信息的壟斷一樣，電腦法律顧問的問世，將打破法官、律師對法律知識的壟斷，極大地推動法律知識的普及，迅速提高廣大人民群眾的法律素質，使法律真正變?yōu)槿罕娛种械匿J利武器。

第3篇：人工智能論文范文

［關鍵詞］人工智能，常識推理，歸納邏輯，廣義內涵邏輯，認知邏輯，自然語言邏輯

現代邏輯創(chuàng)始于19世紀末葉和20世紀早期，其發(fā)展動力主要來自于數學中的公理化運動。當時的數學家們試圖即從少數公理根據明確給出的演繹規(guī)則推導出其他的數學定理，從而把整個數學構造成為一個嚴格的演繹大廈，然后用某種程序和方法一勞永逸地證明數學體系的可靠性。為此需要發(fā)明和鍛造嚴格、精確、適用的邏輯工具。這是現代邏輯誕生的主要動力。由此造成的后果就是20世紀邏輯研究的嚴重數學化，其表現在于：一是邏輯專注于在數學的形式化過程中提出的問題；二是邏輯采納了數學的方法論，從事邏輯研究就意味著象數學那樣用嚴格的形式證明去解決問題。由此發(fā)展出來的邏輯被恰當地稱為“數理邏輯”，它增強了邏輯研究的深度，使邏輯學的發(fā)展繼古希臘邏輯、歐洲中世紀邏輯之后進入第三個高峰期，并且對整個現代科學特別是數學、哲學、語言學和計算機科學產生了非常重要的影響。

本文所要探討的問題是：21世紀邏輯發(fā)展的主要動力將來自何處？大致說來將如何發(fā)展？我個人的看法是：計算機科學和人工智能將至少是21世紀早期邏輯學發(fā)展的主要動力源泉，并將由此決定21世紀邏輯學的另一幅面貌。由于人工智能要模擬人的智能，它的難點不在于人腦所進行的各種必然性推理（這一點在20世紀基本上已經做到了，如用計算機去進行高難度和高強度的數學證明，“深藍”通過高速、大量的計算去與世界冠軍下棋），而是最能體現人的智能特征的能動性、創(chuàng)造性思維，這種思維活動中包括學習、抉擇、嘗試、修正、推理諸因素，例如選擇性地搜集相關的經驗證據，在不充分信息的基礎上作出嘗試性的判斷或抉擇，不斷根據環(huán)境反饋調整、修正自己的行為，……由此達到實踐的成功。于是，邏輯學將不得不比較全面地研究人的思維活動，并著重研究人的思維中最能體現其能動性特征的各種不確定性推理，由此發(fā)展出的邏輯理論也將具有更強的可應用性。

實際上，在20世紀中后期，就已經開始了現代邏輯與人工智能（記為AI）之間的相互融合和滲透。例如，哲學邏輯所研究的許多課題在理論計算機和人工智能中具有重要的應用價值。AI從認知心理學、社會科學以及決策科學中獲得了許多資源，但邏輯（包括哲學邏輯）在AI中發(fā)揮了特別突出的作用。某些原因促使哲學邏輯家去發(fā)展關于非數學推理的理論；基于幾乎同樣的理由，AI研究者也在進行類似的探索，這兩方面的研究正在相互接近、相互借鑒，甚至在逐漸融合在一起。例如，AI特別關心下述課題：

·效率和資源有限的推理；

·感知；

·做計劃和計劃再認；

·關于他人的知識和信念的推理；

·各認知主體之間相互的知識；

·自然語言理解；

·知識表示；

·常識的精確處理；

·對不確定性的處理，容錯推理；

·關于時間和因果性的推理；

·解釋或說明；

·對歸納概括以及概念的學習。[①]

21世紀的邏輯學也應該關注這些問題，并對之進行研究。為了做到這一點，邏輯學家們有必要熟悉AI的要求及其相關進展，使其研究成果在AI中具有可應用性。

我認為，至少是21世紀早期，邏輯學將會重點關注下述幾個領域，并且有可能在這些領域出現具有重大意義的成果：（1）如何在邏輯中處理常識推理中的弗協(xié)調、非單調和容錯性因素？（2）如何使機器人具有人的創(chuàng)造性智能，如從經驗證據中建立用于指導以后行動的歸納判斷？（3）如何進行知識表示和知識推理，特別是基于已有的知識庫以及各認知主體相互之間的知識而進行的推理？（4）如何結合各種語境因素進行自然語言理解和推理，使智能機器人能夠用人的自然語言與人進行成功的交際？等等。

1．常識推理中的某些弗協(xié)調、非單調和容錯性因素

AI研究的一個目標就是用機器智能模擬人的智能，它選擇各種能反映人的智能特征的問題進行實踐，希望能做出各種具有智能特征的軟件系統(tǒng)。AI研究基于計算途徑，因此要建立具有可操作性的符號模型。一般而言，AI關于智能系統(tǒng)的符號模型可描述為：由一個知識載體（稱為知識庫KB）和一組加載在KB上的足以產生智能行為的過程（稱為問題求解器PS）構成。經過20世紀70年代包括專家系統(tǒng)的發(fā)展，AI研究者逐步取得共識，認識到知識在智能系統(tǒng)中力量，即一般的智能系統(tǒng)事實上是一種基于知識的系統(tǒng)，而知識包括專門性知識和常識性知識，前者亦可看做是某一領域內專家的常識。于是，常識問題就成為AI研究的一個核心問題，它包括兩個方面：常識表示和常識推理，即如何在人工智能中清晰地表示人類的常識，并運用這些常識去進行符合人類行為的推理。顯然，如此建立的常識知識庫可能包含矛盾，是不協(xié)調的，但這種矛盾或不協(xié)調應不至于影響到進行合理的推理行為；常識推理還是一種非單調推理，即人們基于不完全的信息推出某些結論，當人們得到更完全的信息后，可以改變甚至收回原來的結論；常識推理也是一種可能出錯的不精確的推理模式，是在容許有錯誤知識的情況下進行的推理，簡稱容錯推理。而經典邏輯拒斥任何矛盾，容許從矛盾推出一切命題；并且它是單調的，即承認如下的推理模式：如果p?r，則pùq?r；或者說，任一理論的定理屬于該理論之任一擴張的定理集。因此，在處理常識表示和常識推理時，經典邏輯應該受到限制和修正，并發(fā)展出某些非經典的邏輯，如次協(xié)調邏輯、非單調邏輯、容錯推理等。有人指出，常識推理的邏輯是次協(xié)調邏輯和非單調邏輯的某種結合物，而后者又可看做是對容錯推理的簡單且基本的情形的一種形式化。[②]

“次協(xié)調邏輯”（ParaconsistentLogic）是由普里斯特、達·科斯塔等人在對悖論的研究中發(fā)展出來的，其基本想法是：當在一個理論中發(fā)現難以克服的矛盾或悖論時，與其徒勞地想盡各種辦法去排除或防范它們，不如干脆讓它們留在理論體系內，但把它們“圈禁”起來，不讓它們任意擴散，以免使我們所創(chuàng)立或研究的理論成為“不足道”的。于是，在次協(xié)調邏輯中，能夠容納有意義、有價值的“真矛盾”，但這些矛盾并不能使系統(tǒng)推出一切，導致自毀。因此，這一新邏輯具有一種次于經典邏輯但又遠遠高于完全不協(xié)調系統(tǒng)的協(xié)調性。次協(xié)調邏輯家們認為，如果在一理論T中，一語句A及其否定?A都是定理，則T是不協(xié)調的；否則，稱T是協(xié)調的。如果T所使用的邏輯含有從互相否定的兩公式可推出一切公式的規(guī)則或推理，則不協(xié)調的T也是不足道的(trivial)。因此，通常以經典邏輯為基礎的理論，如果它是不協(xié)調的，那它一定也是不足道的。這一現象表明，經典邏輯雖可用于研究協(xié)調的理論，但不適用于研究不協(xié)調但又足道的理論。達·科斯塔在20世紀60年代構造了一系列次協(xié)調邏輯系統(tǒng)Cn（1≤n≤w），以用作不協(xié)調而又足道的理論的邏輯工具。對次協(xié)調邏輯系統(tǒng)Cn的特征性描述包括下述命題：(i)矛盾律?(Aù?A)不普遍有效；(ii)從兩個相互否定的公式A和?A推不出任意公式；即是說，矛盾不會在系統(tǒng)中任意擴散，矛盾不等于災難。(iii)應當容納與(i)和(ii)相容的大多數經典邏輯的推理模式和規(guī)則。這里，(i)和(ii)表明了對矛盾的一種相對寬容的態(tài)度，(iii)則表明次協(xié)調邏輯對于經典邏輯仍有一定的繼承性。

在任一次協(xié)調邏輯系統(tǒng)Cn(1≤n≤w)中，下述經典邏輯的定理或推理模式都不成立：

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

若以C0為經典邏輯，則系列C0,C1,C2,…Cn,…Cw使得對任正整數i有Ci弱于Ci-1，Cw是這系列中最弱的演算。已經為Cn設計出了合適的語義學，并已經證明Cn相對于此種語義是可靠的和完全的，并且次協(xié)調命題邏輯系統(tǒng)Cn還是可判定的。現在，已經有人把次協(xié)調邏輯擴展到模態(tài)邏輯、時態(tài)邏輯、道義邏輯、多值邏輯、集合論等領域的研究中，發(fā)展了這些領域內的次協(xié)調理論。顯然，次協(xié)調邏輯將會得到更進一步的發(fā)展。[③]

非單調邏輯是關于非單調推理的邏輯，它的研究開始于20世紀80年代。1980年，D·麥克多莫特和J·多伊爾初步嘗試著系統(tǒng)發(fā)展一種關于非單調推理的邏輯。他們在經典謂詞演算中引入一個算子M，表示某種“一致性”斷言，并將其看做是模態(tài)概念，通過一定程序把模態(tài)邏輯系統(tǒng)T、S4和S5翻譯成非單調邏輯。B·摩爾的論文《非單調邏輯的語義思考》（1983）據認為在非單調邏輯方面作出了令人注目的貢獻。他在“缺省推理”和“自動認知推理”之間做了區(qū)分，并把前者看作是在沒有任何相反信息和缺少證據的條件下進行推理的過程，這種推理的特征是試探性的：根據新信息，它們很可能會被撤消。自動認知推理則不是這種類型，它是與人們自身的信念或知識相關的推理，可用它模擬一個理想的具有信念的有理性的人的推理。對于在計算機和人工智能中獲得成功的應用而言，非單調邏輯尚需進一步發(fā)展。

2．歸納以及其他不確定性推理

人類智能的本質特征和最高表現是創(chuàng)造。在人類創(chuàng)造的過程中，具有必然性的演繹推理固然起重要作用，但更為重要的是具有某種不確定性的歸納、類比推理以及模糊推理等。因此，計算機要成功地模擬人的智能，真正體現出人的智能品質，就必須對各種具有不確定性的推理模式進行研究。

首先是對歸納推理和歸納邏輯的研究。這里所說的“歸納推理”是廣義的，指一切擴展性推理，它們的結論所斷定的超出了其前提所斷定的范圍，因而前提的真無法保證結論的真，整個推理因此缺乏必然性。具體說來，這種意義的“歸納”包括下述內容：簡單枚舉法；排除歸納法，指這樣一些操作：預先通過觀察或實驗列出被研究現象的可能的原因，然后有選擇地安排某些事例或實驗，根據某些標準排除不相干假設，最后得到比較可靠的結論；統(tǒng)計概括：從關于有窮數目樣本的構成的知識到關于未知總體分布構成的結論的推理；類比論證和假說演繹法，等等。盡管休謨提出著名的“歸納問題”，對歸納推理的合理性和歸納邏輯的可能性提出了深刻的質疑，但我認為，（1）歸納是在茫茫宇宙中生存的人類必須采取也只能采取的認知策略，對于人類來說具有實踐的必然性。（2）人類有理由從經驗的重復中建立某種確實性和規(guī)律性，其依據就是確信宇宙中存在某種類似于自然齊一律和客觀因果律之類的東西。這一確信是合理的，而用純邏輯的理由去懷疑一個關于世界的事實性斷言則是不合理的，除非這個斷言是邏輯矛盾。（3）人類有可能建立起局部合理的歸納邏輯和歸納方法論。并且，歸納邏輯的這種可能性正在計算機科學和人工智能的研究推動下慢慢地演變成現實。恩格斯早就指出，“社會一旦有技術上的需要，則這種需要比十所大學更能把科學推向前進。”[④]有人通過指責現有的歸納邏輯不成熟，得出“歸納邏輯不可能”的結論，他們的推理本身與歸納推理一樣，不具有演繹的必然性。（4）人類實踐的成功在一定程度上證明了相應的經驗知識的真理性，也就在一定程度上證明了歸納邏輯和歸納方法論的力量。毋庸否認，歸納邏輯目前還很不成熟。有的學者指出，為了在機器的智能模擬中克服對歸納模擬的困難而有所突破，應該將歸納邏輯等有關的基礎理論研究與機器學習、不確定推理和神經網絡學習模型與歸納學習中已有的成果結合起來。只有這樣，才能在已有的歸納學習成果上，在機器歸納和機器發(fā)現上取得新的突破和進展。[⑤]這是一個極有價值且極富挑戰(zhàn)性的課題，無疑在21世紀將得到重視并取得進展。

再談模糊邏輯?，F實世界中充滿了模糊現象，這些現象反映到人的思維中形成了模糊概念和模糊命題，如“矮個子”、“美人”、“甲地在乙地附近”、“他很年輕”等。研究模糊概念、模糊命題和模糊推理的邏輯理論叫做“模糊邏輯”。對它的研究始于20世紀20年代，其代表性人物是L·A·查德和P·N·馬林諾斯。模糊邏輯為精確邏輯（二值邏輯）解決不了的問題提供了解決的可能，它目前在醫(yī)療診斷、故障檢測、氣象預報、自動控制以及人工智能研究中獲得重要應用。顯然，它在21世紀將繼續(xù)得到更大的發(fā)展。

3．廣義內涵邏輯

經典邏輯只是對命題聯(lián)結詞、個體詞、謂詞、量詞和等詞進行了研究，但在自然語言中，除了這些語言成分之外，顯然還存在許多其他的語言成分，如各種各樣的副詞，包括模態(tài)詞“必然”、“可能”和“不可能”、時態(tài)詞“過去”、“現在”和“未來”、道義詞“應該”、“允許”、“禁止”等等，以及各種認知動詞，如“思考”、“希望”、“相信”、“判斷”、“猜測”、“考慮”、“懷疑”，這些認知動詞在邏輯和哲學文獻中被叫做“命題態(tài)度詞”。對這些副詞以及命題態(tài)度詞的邏輯研究可以歸類為“廣義內涵邏輯”。

大多數副詞以及幾乎所有命題態(tài)度詞都是內涵性的，造成內涵語境，后者與外延語境構成對照。外延語境又叫透明語境，是經典邏輯的組合性原則、等值置換規(guī)則、同一性替換規(guī)則在其中適用的語境；內涵語境又稱晦暗語境，是上述規(guī)則在其中不適用的語境。相應于外延語境和內涵語境的區(qū)別，一切語言表達式（包括自然語言的名詞、動詞、形容詞直至語句）都可以區(qū)分為外延性的和內涵性的，前者是提供外延語境的表達式，后者是提供內涵性語境的表達式。例如，殺死、見到、擁抱、吻、砍、踢、打、與…下棋等都是外延性表達式，而知道、相信、認識、必然、可能、允許、禁止、過去、現在、未來等都是內涵性表達式。在內涵語境中會出現一些復雜的情況。首先，對于個體詞項來說，關鍵性的東西是我們不僅必須考慮它們在現實世界中的外延，而且要考慮它們在其他可能世界中的外延。例如，由于“必然”是內涵性表達式，它提供內涵語境，因而下述推理是非有效的：

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

這是因為：這個推理只考慮到“晨星”和“暮星”在現實世界中的外延，并沒有考慮到它們在每一個可能世界中的外延，我們完全可以設想一個可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我們就不能利用同一性替換規(guī)則，由該推理的前提得出它的結論：“晨星必然是暮星”。其次，在內涵語境中，語言表達式不再以通常是它們的外延的東西作為外延，而以通常是它們的內涵的東西作為外延。以“達爾文相信人是從猿猴進化而來的”這個語句為例。這里，達爾文所相信的是“人是從猿猴進化而來的”所表達的思想，而不是它所指稱的真值，于是在這種情況下，“人是從猿猴進化而來的”所表達的思想（命題）就構成它的外延。再次，在內涵語境中，雖然適用于外延的函項性原則不再成立，但并不是非要拋棄不可，可以把它改述為新的形式：一復合表達式的外延是它出現于外延語境中的部分表達式的外延加上出現于內涵語境中的部分表達式的內涵的函項。這個新的組合性或函項性原則在內涵邏輯中成立。

一般而言，一個好的內涵邏輯至少應滿足兩個條件：（i）它必須能夠處理外延邏輯所能處理的問題；（ii）它還必須能夠處理外延邏輯所不能處理的難題。這就是說，它既不能與外延邏輯相矛盾，又要克服外延邏輯的局限。這樣的內涵邏輯目前正在發(fā)展中，并且已有初步輪廓。從術語上說，內涵邏輯除需要真、假、語句真值的同一和不同、集合或類、謂詞的同范圍或不同范圍等外延邏輯的術語之外，還需要同義、內涵的同一和差異、命題、屬性或概念這樣一些術語。廣而言之，可以把內涵邏輯看作是關于象“必然”、“可能”、“知道”、“相信”，“允許”、“禁止”等提供內涵語境的語句算子的一般邏輯。在這種廣義之下，模態(tài)邏輯、時態(tài)邏輯、道義邏輯、認知邏輯、問題邏輯等都是內涵邏輯。不過，還有一種狹義的內涵邏輯，它可以粗略定義如下：一個內涵邏輯是一個形式語言，其中包括（1）謂詞邏輯的算子、量詞和變元，這里的謂詞邏輯不必局限于一階謂詞邏輯，也可以是高階謂詞邏輯；（2）合式的λ—表達式，例如(λx)A，這里A是任一類型的表達式，x是任一類型的變元，(λx)A本身是一函項，它把變元x在其中取值的那種類型的對象映射到A所屬的那種類型上；（3）其他需要的模態(tài)的或內涵的算子，例如€，ù、ú。而一個內涵邏輯的解釋，則由下列要素組成：（1）一個可能世界的非空集W；（2）一個可能個體的非空集D；（3）一個賦值，它給系統(tǒng)內的表達式指派它們在每w∈W中的外延。對于任一的解釋Q和任一的世界w∈W，判定內涵邏輯系統(tǒng)中的任一表達式X相對于解釋Q在w∈W中的外延總是可能的。這樣的內涵邏輯系統(tǒng)有丘奇的LSD系統(tǒng)，R·蒙塔古的IL系統(tǒng)，以及E·N·扎爾塔的FIL系統(tǒng)等。[⑥]

在各種內涵邏輯中，認識論邏輯（epistemiclogic）具有重要意義。它有廣義和狹義之分。廣義的認識論邏輯研究與感知（perception）、知道、相信、斷定、理解、懷疑、問題和回答等相關的邏輯問題，包括問題邏輯、知道邏輯、相信邏輯、斷定邏輯等；狹義的認識論邏輯僅指知道和相信的邏輯，簡稱“認知邏輯”。馮·賴特在1951年提出了對“認知模態(tài)”的邏輯分析，這對建立認知邏輯具有極大的啟發(fā)作用。J·麥金西首先給出了一個關于“知道”的模態(tài)邏輯。A·帕普于1957年建立了一個基于6條規(guī)則的相信邏輯系統(tǒng)。J·亨迪卡于60年代出版的《知識和信念》一書是認知邏輯史上的重要著作，其中提出了一些認知邏輯的系統(tǒng)，并為其建立了基于“模型集”的語義學，后者是可能世界語義學的先導之一。當今的認知邏輯紛繁復雜，既不成熟也面臨許多難題。由于認知邏輯涉及認識論、心理學、語言學、計算機科學和人工智能等諸多領域，并且認知邏輯的應用技術，又稱關于知識的推理技術，正在成為計算機科學和人工智能的重要分支之一，因此認知邏輯在20世紀中后期成為國際邏輯學界的一個熱門研究方向。這一狀況在21世紀將得到繼續(xù)并進一步強化，在這方面有可能出現突破性的重要結果。

4．對自然語言的邏輯研究

對自然語言的邏輯研究有來自幾個不同領域的推動力。首先是計算機和人工智能的研究，人機對話和通訊、計算機的自然語言理解、知識表示和知識推理等課題，都需要對自然語言進行精細的邏輯分析，并且這種分析不能僅停留在句法層面，而且要深入到語義層面。其次是哲學特別是語言哲學，在20世紀哲學家們對語言表達式的意義問題傾注了異乎尋常的精力，發(fā)展了各種各樣的意義理論，如觀念論、指稱論、使用論、言語行為理論、真值條件論等等，以致有人說，關注意義成了20世紀哲學家的職業(yè)病。再次是語言學自身發(fā)展的需要，例如在研究自然語言的意義問題時，不能僅僅停留在脫離語境的抽象研究上面，而要結合使用語言的特定環(huán)境去研究，這導致了語義學、語用學、新修辭學等等發(fā)展。各個方面發(fā)展的成果可以總稱為“自然語言邏輯”，它力圖綜合后期維特根斯坦提倡的使用論，J·L·奧斯汀、J·L·塞爾等人發(fā)展的言語行為理論，以及P·格賴斯所創(chuàng)立的會話含義學說等成果，透過自然語言的指謂性和交際性去研究自然語言中的推理。

自然語言具有表達和交際兩種職能，其中交際職能是自然語言最重要的職能，是它的生命力之所在。而言語交際總是在一定的語言環(huán)境（簡稱語境）中進行的，語境有廣義和狹義之分。狹義的語境僅指一個語詞、一個句子出現的上下文。廣義的語境除了上下文之外，還包括該語詞或語句出現的整個社會歷史條件，如該語詞或語句出現的時間、地點、條件、講話的人（作者）、聽話的人（讀者）以及交際雙方所共同具有的背景知識，這里的背景知識包括交際雙方共同的信念和心理習慣，以及共同的知識和假定等等。這些語境因素對于自然語言的表達式（語詞、語句）的意義有著極其重要的影響，這具體表現在：（i）語境具有消除自然語言語詞的多義性、歧義性和模糊性的能力，具有嚴格規(guī)定語言表達式意義的能力。（ii）自然語言的句子常常包含指示代詞、人稱代詞、時間副詞等，要弄清楚這些句子的意義和內容，就要弄清楚這句話是誰說的、對誰說的、什么時候說的、什么地點說的、針對什么說的，等等，這只有在一定的語境中才能進行。依賴語境的其他類型的語句還有：包含著象“有些”和“每一個”這類量化表達式的句子的意義取決于依語境而定的論域，包含著象“大的”、“冷的”這類形容詞的句子的意義取決于依語境而定的相比較的對象類；模態(tài)語句和條件語句的意義取決于因語境而變化的語義決定因素，如此等等。（iii）語言表達式的意義在語境中會出現一些重要的變化，以至偏離它通常所具有的意義（抽象意義），而產生一種新的意義即語用涵義。有人認為，一個語言表達式在它的具體語境中的意義，才是它的完全的真正的意義，一旦脫離開語境，它就只具有抽象的意義。語言的抽象意義和它的具體意義的關系，正象解剖了的死人肢體與活人肢體的關系一樣。邏輯應該去研究、理解、把握自然語言的具體意義，當然不是去研究某一個（或一組）特定的語句在某個特定語境中唯一無二的意義，而是專門研究確定自然語言具體意義的普遍原則。超級秘書網

美國語言學家保羅·格賴斯把語言表達式在一定的交際語境中產生的一種不同于字面意義的特殊涵義，叫做“語用涵義”、“會話涵義”或“隱涵”（implicature），并于1975年提出了一組“交際合作原則”，包括一個總則和四組準則?？倓t的內容是：在你參與會話時，你要依據你所參與的談話交流的公認目的或方向，使你的會話貢獻符合這種需要。仿照康德把范疇區(qū)分為量、質、關系和方式四類，格賴斯提出了如下四組準則：

（1）數量準則：在交際過程中給出的信息量要適中。

a．給出所要求的信息量；

b．給出的信息量不要多于所要求的信息量。

（2）質量準則：力求講真話。

a．不說你認為假的東西，。

b．不說你缺少適當證據的東西。

（3）關聯(lián)準則：說話要與已定的交際目的相關聯(lián)。

（4）方式準則：說話要意思明確，表達清晰。

a．避免晦澀生僻的表達方式；

b．避免有歧義的表達方式；

c．說話要簡潔；

d．說話要有順序性。[⑧]

后來對這些原則提出了不和補充，例如有人還提出了交際過程中所要遵守的“禮貌原則”。只要把交際雙方遵守交際合作原則之類的語用規(guī)則作為基本前提，這些原則就可以用來確定和把握自然語言的具體意義（語用涵義）。實際上，一個語句p的語用涵義，就是聽話人在具體語境中根據語用規(guī)則由p得到的那個或那些語句。更具體地說，從說話人S說的話語p推出語用涵義q的一般過程是：

（i）S說了p；

（ii）沒有理由認為S不遵守準則，或至少S會遵守總的合作原則；

（iii）S說了p而又要遵守準則或總的合作原則，S必定想表達q；

（iv）S必然知道，談話雙方都清楚：如果S是合作的，必須假設q；

（v）S無法阻止聽話人H考慮q；

（vi）因此，S意圖讓H考慮q，并在說p時意味著q。

試舉二例：

（1）a站在熄火的汽車旁，b向a走來。a說：“我沒有汽油了?！眀說：“前面拐角處有一個修車鋪?！边@里a與b談話的目的是：a想得到汽油。根據關系準則，b說這句話是與a想得到汽油相關的，由此可知：b說這句話時隱涵著：“前面的修車鋪還在營業(yè)并且賣汽油?！?/p>

第4篇：人工智能論文范文

摘要：人工智能是在計算機科學、控制論、信息論、心理學、語言學等多種學科相互滲透的基礎發(fā)展起來的一門新興邊緣學科，主要研究用用機器（主要是計算機）來模仿和實現人類的智能行為，經過幾十年的發(fā)展，人工智能應用在不少領域得到發(fā)展，在我們的日常生活和學習當中也有許多地方得到應用本文就符號計算、模式識別、專家系統(tǒng)、機器翻譯等方面的應用作簡單介紹，籍此使讀者對我們身邊的人工智能應用有一個感性的認識。

一、符號計算

計算機最主要的用途之一就是科學計算，科學計算可分為兩類：一類是純數值的計算，例如求函數的值，方程的數值解，比如天氣預報、油藏模擬、航天等領域;另一類是符號計算，又稱代數運算，這是一種智能化的計算，處理的是符號符號可以代表整數、有理數、實數和復數，也可以代表多項式，函數，集合等長期以來，人們一直盼望有一個可以進行符號計算的計算機軟件系統(tǒng)早在50年代末，人們就開始對此研究進入80年代后，隨著計算機的普及和人工智能的發(fā)展，相繼出現了多種功能齊全的計算機代數系統(tǒng)軟件，其中Mathematica和Maple是它們的代表，由于它們都是用C語言寫成的，所以可以在絕大多數計算機上使用Mathematica是第一個將符號運算，數值計算和圖形顯示很好地結合在一起的數學軟件，用戶能夠方便地用它進行多種形式的數學處理。

計算機代數系統(tǒng)的優(yōu)越性主要在于它能夠進行大規(guī)模的代數運算通常我們用筆和紙進行代數運算只能處理符號較少的算式，當算式的符號上升到百位數后，手工計算就很困難了，這時用計算機代數系統(tǒng)進行運算就可以做到準確，快捷，有效現在符號計算軟件有一些共同的特點就是在可以進行符號運算、數值計算和圖形顯示等同時，還具有高效的可編程功能在操作界面上一般都支持交互式處理，人們通過鍵盤輸入命令，計算機處理后即顯示結果并且人機界面友好，命令輸入方便靈活，很容易尋求幫助。

盡管計算機代數系統(tǒng)在代替人繁瑣的符號運算上有著無比的優(yōu)越性，但是，計算機畢竟是機器，它只能執(zhí)行人們給它的指令，有一定的局限性首先，多數計算機代數系統(tǒng)對計算機硬件有較高的要求，在進行符號運算時，通常需要很大的內存和較長的計算時間，而精確的代數運算以時間和空間為代價的第二個問題是用計算機代數系統(tǒng)進行數值計算，雖然計算精度可以到任意位，但由于計算機代數系統(tǒng)是用軟件本身浮點運算代替硬件算術運算，所以在速度要比用Fortran語言算同樣的問題慢百倍甚至千倍另外，雖然計算機代數系統(tǒng)包含大量的數學知識，但這僅僅是數學中的一小部分，目前仍有許多數學領域未能被計算機代數系統(tǒng)涉及計算機代數系統(tǒng)仍在不斷地發(fā)展、完善之中。

二、模式識別

模式識別就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這里，我們把環(huán)境與客體統(tǒng)稱為“模式”，隨著計算機技術的發(fā)展，人類有可能研究復雜的信息處理過程用計算機實現模式（文字、聲音、人物、物體等）的自動識別，是開發(fā)智能機器的一個最關鍵的突破口，也為人類認識自身智能提供線索信息處理過程的一個重要形式是生命體對環(huán)境及客體的識別對人類來說，特別重要的是對光學信息（通過視覺器官來獲得）和聲學信息（通過聽覺器官來獲得）的識別這是模式識別的兩個重要方面市場上可見到的代表性產品有光學字符識別系統(tǒng)(OpticalCharacterRecognition，OCR)、語音識別系統(tǒng)等計算機識別的顯著特點是速度快、準確性和效率高識別過程與人類的學習過程相似以“漢字識別”為例：首先將漢字圖象進行處理，抽取主要表達特征并將其特征與漢字的代碼存在計算機中就象把老師教我們這個字叫什么、如何寫的知識記憶在大腦中這一過程叫做“訓練”識別過程就是將輸入的漢字圖像經處理后與計算機中所保存的全部漢字進行比較，找出最相近的字作為識別結果，這一過程叫做“匹配”。

語音識別就是讓計算機能聽懂人說的話，一個重要的例子就是七國語言（英、日、意、韓、法、德、中）口語自動翻譯系統(tǒng)其中，中文部分的實驗平臺設立在中國科學院自動化所的模式識別國家重點實驗室，這是口語翻譯研究跨入世界領先水平的標志該系統(tǒng)實現后，人們出國預定旅館、購買機票、在餐館對話和兌換外幣時，只要利用電話網絡和國際互聯(lián)網，就可用手機、電話等與“老外”通話。

指紋是人體的一個重要特征，具有唯一性北京大學有關專家對數字圖像的離散幾何性質進行了深入研究，建立了從指紋灰度圖像精確計算紋線局部方向、進而提取指紋特征信息的理論與算法，隨后研究成功了適于民用身份鑒定的全自動指紋鑒定系統(tǒng)，以及適于公安刑事偵破的指紋鑒定系統(tǒng)從而開創(chuàng)了我國指紋自動識別系統(tǒng)應用的先河北大指紋自動識別系統(tǒng)的推出，使我國公安干警從指紋查對的繁重人工處理中解放出來浙江省從1997年開始使用北大指紋自動識別系統(tǒng)，采取省地（市）二級建庫、省地（市）縣三級查詢的方式，形成了獨特的“浙江模式”省公安廳現已建立了100多萬人的指紋庫，是目前國內的第二大庫在100多萬人的指紋庫中，檢索一枚現場指紋僅需4分鐘左右2000年浙江省用指紋自動識別系統(tǒng)直接破案3063起，連帶破案12000多起破案率為全國第一，并遙遙領先于國內其它指紋識別系統(tǒng)，被公安部樹為指紋系統(tǒng)建設應用樣板。

這里介紹一個綜合應用的例子，一汽集團公司與國防科技大學最近合作研制成功“紅旗轎車自主駕駛系統(tǒng)”（即無人駕駛系統(tǒng)），它標志著我國研制高速智能汽車的能力已達到當今世界先進水平汽車自主駕駛技術是集模式識別、智能控制、計算機學和汽車操縱動力學等多門學科于一體的綜合性技術，代表著一個國家控制技術的水平紅旗車自主駕駛系統(tǒng)采用計算機視覺導航方式，并采用仿人控制，實現了對紅旗車的操縱控制首先，攝像機將車前方的道路和車輛行駛情況輸入到圖像處理和圖像識別系統(tǒng)該系統(tǒng)識別出道路狀況、前方車輛的相對距離和相對車速接著，路徑規(guī)劃系統(tǒng)根據這些信息規(guī)劃出一條合適路徑，即決定如何開車然后，路徑跟蹤系統(tǒng)根據需跟蹤的路徑，結合車輛行駛狀態(tài)參數和車輛駕駛動力學約束，形成控制命令，控制方向盤和油門開啟機構產生相應動作，使汽車按照規(guī)劃好的路徑前進，即按自主駕駛系統(tǒng)的規(guī)劃路徑前進。

三、專家系統(tǒng)

專家系統(tǒng)是一種模擬人類專家解決領域問題的計算機程序系統(tǒng)專家系統(tǒng)內部含有大量的某個領域的專家水平的知識與經驗，能夠運用人類專家的知識和解決問題的方法進行推理和判斷，模擬人類專家的決策過程，來解決該領域的復雜問題專家系統(tǒng)是人工智能應用研究最活躍和最廣泛的應用領域之一，涉及到社會各個方面，各種專家系統(tǒng)已遍布各個專業(yè)領域，取得很大的成功根據專家系統(tǒng)處理的問題的類型，把專家系統(tǒng)分為解釋型、診斷型、調試型、維修型、教育型、預測型、規(guī)劃型、設計型和控制型等10種類型具體應用就很多了，例如血液凝結疾病診斷系統(tǒng)、電話電纜維護專家系統(tǒng)、花布圖案設計和花布印染專家系統(tǒng)等等。

為了實現專家系統(tǒng)，必須要存儲有該專門領域中經過事先總結、分析并按某種模式表示的專家知識(組成知識庫)，以及擁有類似于領域專家解決實際問題的推理機制(構成推理機)系統(tǒng)能對輸入信息進行處理，并運用知識進行推理，做出決策和判斷，其解決問題的水平達到或接近專家的水平，因此能起到專家或專家助手的作用。

開發(fā)專家系統(tǒng)的關鍵是表示和運用專家知識，即來自領域專家的己被證明對解決有關領域內的典型問題有用的事實和過程目前，專家系統(tǒng)主要采用基于規(guī)則的知識表示和推理技術由于領域的知識更多是不精確或不確定的，因此，不確定的知識表示與知識推理是專家系統(tǒng)開發(fā)與研究的重要課題此外，專家系統(tǒng)開發(fā)工具的研制發(fā)展也很迅速，這對擴大專家系統(tǒng)的應用范圍，加快專家系統(tǒng)的開發(fā)過程，將起到積極地促進作用隨著計算機科學技術整體水平的提高，分布式專家系統(tǒng)、協(xié)同式專家系統(tǒng)等新一代專家系統(tǒng)的研究也發(fā)展很快在新一代專家系統(tǒng)中，不但采用基于規(guī)則的推理方法，而且采用了諸如人工神經網絡的方法與技術。

四、機器翻譯

機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機器翻譯系統(tǒng)幾十年來，國內外許多專家、學者為機器翻譯的研究付出了大量的心血和汗水雖然至今還沒有一個實用、全面、高質量的自動翻譯系統(tǒng)出現，不過也取得了很大的進展，特別是作為人們的輔助翻譯工具，機器翻譯已經得到大多數人的認可目前，國內的機器翻譯軟件不下百種，根據這些軟件的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯以“譯星”、“雅信譯霸”為代表的專業(yè)翻譯系統(tǒng)，是面對專業(yè)或行業(yè)用戶的翻譯軟件，但其專業(yè)翻譯的質量與人們的實用性還有不少差距，有人評價說“滿篇英文難不住，滿篇中文看不懂”，該說法雖然比較極端，但機譯譯文的質量確實卻一直是個老大難問題這里，我們不妨對現有的機譯和人譯過程作一比較，從中可以看出一些原因：

機器翻譯：

1.一句一句處理，上下文缺乏聯(lián)系；

2.對源語言的分析只是求解句法關系，完全不是意義上的理解；

3.缺乏領域知識，從計算機到醫(yī)學，從化工到法律都通用，就換專業(yè)詞典；

4.譯文轉換是基于源語言的句法結構的，受源語言的句法結構的束縛；

5.翻譯只是句法結構的和詞匯的機械對應

人工翻譯：

1.一般會先通讀全文，會前后照應；

2.對源語言是求得意義上的理解；

3.只有專業(yè)翻譯人員，而沒有萬能翻譯人員；

4.譯文是基于他對源語言的理解，不受源語言的句法結構的束縛；

5.翻譯是一個再創(chuàng)造的過程

在目前的情況下，計算機輔助翻譯應該是一個比較好的實際選擇事實上，在很多領域中，計算機輔助人類工作的方式已經得到了廣泛的應用，例如CAD軟件如果計算機輔助技術用于語言的翻譯研究，應該同樣可以起到很大的輔助作用，這就是所謂的“計算機輔助翻譯”它集機器記憶式翻譯、語法分析式翻譯和人際交互式翻譯為一體，把翻譯過程中機械、重復、瑣碎的工作交給計算機來完成這樣，翻譯者只需將精力集中在創(chuàng)造性的思考上，有利于工作效率的提高。

機器翻譯研究歸根結底是一個知識處理問題，它涉及到有關語言內的知識、語言間的知識、以及語言外的世界知識，其中包括常識和相關領域的專門知識隨著因特網的普及與發(fā)展，機器翻譯的應用前景十分廣闊作為人類探索自己智能和操作知識的機制的窗口，機器翻譯的研究與應用將更加誘人國際上有關專家分析認為機器翻譯要想達到類似人工翻譯一樣的流暢程度，至少還要經歷15年時間的持續(xù)研究，但在人類對語言研究還沒有清楚“人腦是如何進行語言的模糊識別和判斷”的情況下，機器翻譯要想達到100%的準確率是不可能的。

五、人工智能思想的應用：在家里尋找外星人

人工智能的基本思想已經在許多領域中得到了應用，“在家里尋找外星人”（SETI@home）項目就是利用人工智能的神經網絡和網格計算思想的一個成功案例SETI@home是SearchforExtraTerrestrialIntelligenceatHome的縮寫，意為：在家里尋找外星文明該項目由美國行星學會和美國加州大學伯克利分校于1999年5月17日開始啟動，它利用特定的PC機屏幕保護程序，來調用全球上網的個人計算機的閑置能力，分析世界上最大的射電望遠鏡獲得的數據，幫助科學家探索外星生物其計算模式的實質就是網格計算：

SETI@home項目的大致流程是這樣的：

1.政府或者研究部門將一項需要巨大運算量的任務以程序和數據的形式提交給服務器

2.服務器將數據和程序代碼分成更小的部分，也稱“子任務”

3.在志愿者的PC機上安裝一種特殊的客戶程序（事實上是一個屏幕保護程序），它能自動同服務器聯(lián)絡，自動下載和處理子任務

4.子任務處理完后的結果被送回服務器然后，客戶程序下載新的子任務，繼續(xù)處理

5.一旦所有的子任務處理完畢，服務器就將各種結果匯總，生成最后的報告，并把最終結果發(fā)回提交人

第5篇：人工智能論文范文

關鍵詞:人工智能;理論傳授;實驗訓練;科研訓練

人工智能(Artificial Intelligence,AI)是計算機科學與技術專業(yè)的一門重要專業(yè)課程,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等思維活動,并以此解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規(guī)劃等決策性問題[1]。人工智能是一門涉及數學、計算機、控制論、信息學、心理學、哲學等學科的交叉和綜合學科。目前,人工智能很多研究領域,如自然語言處理、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、智能計算等都走在了信息技術的前沿,有許多研究成果已經進入并影響了人們的生活。

2003年12月5日,國內第一個“智能科學與技術”本科專業(yè)在北京大學誕生[2],它標志著我國智能科學與技術本科教育的開始,對我國智能科學技術人才培養(yǎng)和智能科學與技術學科建設起到極大的帶動作用。目前,人工智能課程的教學存在幾個問題:首先,注重講授理論知識,實驗環(huán)節(jié)滯后,這不利于培養(yǎng)學生的實踐能力,更談不上實踐創(chuàng)新。其次,人工智能是交叉學科,內容比較繁雜,各種教材的內容不一樣,授課沒有統(tǒng)一的體系,學生學習時抓不住重點,不能理解人工智能的根本方法和思想。一般說來,計算機專業(yè)的其他課程,如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術,而人工智能技術則是解決非結構化、半結構化問題的有效技術。最后,人工智能科學與技術飛速發(fā)展,但目前人工智能只被視為一門專業(yè)課,課程講授和人工智能沒有作為一個研究方向結合起來,也沒有把傳授課本知識和引導啟發(fā)創(chuàng)新結合起來。

適應知識經濟發(fā)展的高等教育,要把培養(yǎng)創(chuàng)造精神和創(chuàng)新能力擺在突出的位置。創(chuàng)新是基礎研究的生命,而高等學校的教學只有與科研緊密結合,才能在培養(yǎng)學生的創(chuàng)新精神方面有所作為。為此,針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。在教材上,我們選用了清華大學出版社出版、馬少平等編寫的《人工智能》。我們的教學研究與實踐的主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文,學校大學生科研項目資助計劃,國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐。下面,我們就這三個方面內容展開探討。

1啟發(fā)式傳授人工智能解決問題的非結構化思想

現實世界的問題可以按照結構化程度劃分成三個層次[1]:1)結構化問題,能用形式化(或稱公式化)方法描述和求解的一類問題;2)非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;3)半結構化問題,介于上述兩者之間。一般說來,計算機專業(yè)的其他課程如網絡技術、數據庫技術、算法分析與設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的有效技術。人工智能的教學可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題的解決過程的了解,從而達到培養(yǎng)學生多角度思維的目的。

我們使用的教材主要內容包括搜索和高級搜素、謂詞邏輯和歸結原理、知識表示、不確定性推理方法、機器學習等。這些主要內容也可以相應地歸結為若干個典型算法,如啟發(fā)式A*搜索算法、 剪枝算法、元啟發(fā)式算法(模擬退火,遺傳算法)、謂詞邏輯歸結算法、貝葉斯網絡、決策樹、神經網絡(BP算法、自組織網絡和Hopfield神經網絡算法)。元啟發(fā)式算法是一種啟發(fā)式的隨機算法,是用來解決非結構化問題的典型算法,其思想和傳統(tǒng)的決定性算法如動態(tài)規(guī)劃、分支限界完全不一樣。學生在剛一接觸到這些元啟發(fā)式算法一時難以接受和理解其機理,對算法的有效性往往半信半疑。根據非結構化、半結構化問題的特點,講解和演示算法在解決此類問題的具體步驟和詳細過程,從而讓學生掌握人工智能算法的基本思想。在講解不同的元啟發(fā)式算法的時候,學生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學習算法的時候,學生會問到底哪個分類算法最好,這時候我們可以把搜索(優(yōu)化)領域和機器學習領域的“沒有免費午餐”定理進行適當的講解和解釋,從而把具體算法實現層面之上的一些人工智能的哲學思想進行傳授。

在人工智能的具體教學中,采用問題教學法和參與式教學法。在問題教學法中,圍繞人工智能的知識模塊,在引導學生發(fā)現各種各樣問題的前提下,傳授知識。教學活動中,嘗試使人工智能知識圍繞實際問題而展現,使問題不僅成為激發(fā)學生求知欲的前提,也成為學生期盼、理解和吸收知識的前提,以此激發(fā)學生的創(chuàng)造動機和創(chuàng)造性思維。在參與式教學中,打破人工智能算法的枯燥、沉悶的傳統(tǒng)教學法,嘗試開放式教學內容;提問式講課;無標準答案的課程設計;查找文獻,分組動手實現人工智能算法等參與式教學方法,培養(yǎng)和發(fā)揚學生的參與意識,通過參與式教學提高學生學習的主動性、積極性和效率,培養(yǎng)學生的動手能力和創(chuàng)新能力。

2成體系的實驗訓練

獨立開展人工智能實驗課程,開發(fā)一批新型、富有創(chuàng)意的實驗案例庫,搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。人工智能實驗課程的特點是應用各種人工智能方法,根據問題的約束、結構、信息進行表示建模和計算機上實現,是與人工智能原理同步的實驗課程。學生必須掌握的人工智能的基本原理和計算機操作技能,它對于學生的知識、能力和綜合素質的培養(yǎng)與提高起著至關重要的作用,在整個教學過程中占有非常重要的地位,是計算機軟件、計算機應用、計算機網絡、軟件工程等專業(yè)的一門重要的必修專業(yè)課程。通過實驗,學生得到嚴格的訓練,能規(guī)范地掌握人工智能的基本理論和主要方法、基本問題求解技術,熟悉各種計算環(huán)境的基本使用。

在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,努力培養(yǎng)學生的創(chuàng)新意識與創(chuàng)新能力。為實現這一目標,在課程內容安排上采用適量基本原理與方法的實驗內容為基本內容,增加一系列綜合性實驗和開放性創(chuàng)新實驗問題,在實驗內容方面更注重研究性實驗中的創(chuàng)新問題。實驗內容方面分為三個層次:基本原理的基礎性實驗、綜合實驗和研究性實驗。在后兩個層次的實驗中,部分引入人工智能課程小組團隊的最新科研成果,目的在于通過完成這些研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,以提升學生的科研素質與創(chuàng)新意識。我們將這些設計實驗稱為新型實驗案例庫,它被放在人工智能課程小組網站上,以此搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。通過實驗課程的學習和訓練,學生應達到下列要求。

1) 掌握人工智能方法的優(yōu)點及其在實際中的應用。

2) 學會對人工智能問題進行分析建模和應用各種計算工具實現問題求解,熟悉對實驗現象的觀察和記錄,實驗數據的獲取與設計,最佳實驗條件的判斷和選擇,實驗結果的分析和討論等一套嚴謹的實驗方法。

3) 鞏固并加深對人工智能原理課程的基本原理和概念的理解,培養(yǎng)學生勤奮學習,求真求實的科學品德,培養(yǎng)學生的動手能力、觀察能力、查閱文獻能力、思維能力、想象能力、表達能力。

4) 通過完成綜合研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,提高學生的科研素質與創(chuàng)新意識。

在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,進一步培養(yǎng)學生分析問題和解決問題的能力,培養(yǎng)學生的創(chuàng)新意識、創(chuàng)新精神和創(chuàng)新能力,為學生今后從事科研、教學或企事業(yè)單位的分析檢驗以及新技術的研發(fā)工作打下扎實的基礎。

在實驗組織方面,根據各實驗的目的和要求,學生分為5人1組,指定一個組長,每組選擇1套實驗題目。基礎實驗題目要求達到27學時、綜合性實驗題目選擇1題和研究性實驗題目選擇1題,基礎實驗題目要求在規(guī)定時間內,小組獨立完成實驗測定、數據處理,并撰寫實驗報告。實驗過程中, 要求學生勤于動手, 敏銳觀察, 細心操作, 開動腦筋, 分析鉆研問題, 準確記錄原始數據, 經教師檢查,實驗及其原始數據記錄才有效。同時,團隊作業(yè),需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學會與他人合作,培養(yǎng)團隊創(chuàng)新能力。

3課程學習與畢業(yè)論文,科研訓練相結合

人工智能技術在一定程度上代表著信息技術的前沿和未來,通過學習和體驗人工智能的知識和技術,學生能夠在一定程度上了解信息技術發(fā)展的前沿知識,這有助學生開闊視野、培養(yǎng)興趣,為今后繼續(xù)深造或走向社會奠定堅實的基礎[3-4]。

人工智能的理論和方法廣泛應用于數據挖掘、機器學習、模式識別、圖像處理中,這些內容既是高年級的后續(xù)課程,又是現在熱門的研究方向。學習和深刻理解人工智能的理論、方法和應用,對后續(xù)課程學習以及今后的研究具有重要的意義。

我院規(guī)定大學三年級的學生開始聯(lián)系畢業(yè)論文指導導師,同時確定畢業(yè)論文的研究方向,提前進行科研實踐,以培養(yǎng)實踐能力和研究素質。人工智能課程正好是大三高年級開設的專業(yè)課,因此,我們把課程實驗及設計與同學的興趣相結合,引導學生,并提煉和形成學生的畢業(yè)選題和課外的科研方向,它是提高本科生研究創(chuàng)新能力的有效手段。

基于新的教學實踐,很多學生的選題都與上述歸納的人工智能若干算法相關,如算法本身的研究和改進,或是算法在各領域,如數據挖掘、圖像處理等的應用。在我們的科研能力訓練計劃中,一批項目和課題,如混合神經網絡的研究與應用、差分演化算法研究與應用、基于協(xié)同訓練的推薦系統(tǒng)等,分別受到國家和學校本科生科研項目立項資助。一批三四年級的本科生以第一作者身份在國內核心期刊、國際會議和期刊上發(fā)表學術論文,這激發(fā)了學生的科研興趣,使學生體會到了創(chuàng)新的樂趣。

總之,課程學習與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練,極大地提升了學生的創(chuàng)新能力和科研基本素質。

4結語

針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。我們的教學研究與實踐主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐,新的改革和實踐在教學中取得了令人滿意效果。

參考文獻:

[1] 張劍平. 關于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.

[2] 謝昆青. 第一個智能科學技術專業(yè)[J]. 計算機教育,2009(11):16-20.

[3] 羅輝,梁艷春. 大學生畢業(yè)論文與科研能力培養(yǎng)及就業(yè)[J]. 吉林教育,2003(10):18.

[4] 金聰,劉金安. 人工智能教育在能力培養(yǎng)中的作用及改革設想[J]. 計算機時代,2006(9):66-69.

Reform and Practice of Innovative Teaching in Artificial Intelligence

WANG Jia-hai, YIN Jian, LING Ying-biao

(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)

第6篇：人工智能論文范文

Abstract： In view of the characteristics of artificial intelligence curriculum， including abstract content and complex algorithm， and the actual needs of undergraduate teaching， combined with teaching practice， this paper discusses and sums up the teaching reform and innovation of undergraduate artificial intelligence curriculum from the teaching system， teaching content， teaching methods and assessment methods.

P鍵詞： 人工智能；創(chuàng)新；本科

Key words： artificial intelligence；innovation；undergraduate

中圖分類號：G642 文獻標識碼：A 文章編號：1006-4311（2017）22-0230-02

0 引言

人工智能是計算機科學的一個分支，是當前科學技術中正在迅速發(fā)展、新思想、新觀點、新理論、新技術不斷涌現的一個學科，其屬于一門邊緣學科，同時也是多個學科交叉而成的一門學科，包括語言學、哲學、心理學、神經生理學、系統(tǒng)論、信息論、控制論、計算機科學、數學等[1]。當前人工智能已經是很多高校計算機相關專業(yè)的必修課程，它是計算機科學與技術學科類各專業(yè)重要的基礎課程，其教學內容主要包括自然語言理解、計算智能技術、問題求解和搜索算法、知識表示和推理機制、專家系統(tǒng)和機器學習等，國內外很多大學都意識到了其重要性，紛紛對其展開了教學和研究。人工智能課程包含多個學科，具有內容抽象、理論性強、知識點多等特點，且算法復雜，但是多數高校采用的教學方式仍是傳統(tǒng)的課堂教學方式，即“教師講、學生聽”的教學模式，這種信息單向傳輸教學模式以教師為主體，學生只是在被動的接收知識；存在過分重視理論教學，忽視實踐活動教學的問題，導致教育內容無法和社會接軌；人工智能教材理論性過強，學生在學習過程中常常感到枯燥乏味，進而對學習該課程失去熱情[2]，久而久之，不僅人工智能課程的教學質量和效果無法達到預期，甚至學生還會產生厭學心理。針對人工智能課程中現有的各項問題，本文作者結合自身豐富人工智能教學實踐經驗，參考人工智能課程特點和教學目標，從多個方面探討和總結了人工智能，包括教學內容、教材選擇、教學方法和考核形式等。

1 教學內容優(yōu)化與更新

人工智能是一門嶄新的學科。開設本課程首先是確定教學內容。通常來講，人工智能學科的內容包括兩個部分，具體：一是知識表示和推理；二是人工智能的應用。前者是人工智能的重要基礎，后者主要介紹了幾種人工智能應用系統(tǒng)，包括自動規(guī)劃和機器視覺、機器學習、專家系統(tǒng)等。另外，課程內容中還包括了一些人工智能應用的實例，將實踐和理論緊密結合起來[3]。

隨著時代的發(fā)展和科技的進步，人工智能學科也取得了較大發(fā)展?；诖耍斯ぶ悄軐W科也應該與時俱進，更新人工智能教學大綱，進一步完善其教學內容。修訂后的人工智能教學大綱將人工智能分成兩個部分，即基礎部分和擴展應用部分。前者包括計算智能、搜索原理、知識表示等，后者包括智能機器人、智能控制、多智能體、自然語言理解、自動規(guī)劃、機器學習、知識工程等。

教學內容的選擇和確定應綜合考慮多項因素，不僅要重視基礎知識，也應注意推陳出新，隨著科技的進步做到與時俱進，同時教學內容應符合現實的需求，能夠與社會接軌，將理論和實踐緊密結合起來，只有這樣人工智能課程的教學質量和效果才能事半功倍。

2 教學策略及教學方法的改革創(chuàng)新

由于人工智能課程具有算法復雜、內容抽象、理論性強、 知識點多的特點，傳統(tǒng)的教學模式已經無法滿足人工智能課程的需求，教師應探索更加有效的教學模式和方法，確保人工智能課程能夠取得良好的教學質量和教學效果。具體的改革和創(chuàng)新人工智能課程的手段和方法主要包括以下幾個方面：

2.1 激發(fā)學生的學習興趣 無論是經驗還是常識都在告訴我們每個人最好的老師就是興趣，學生只有對某門學科存在興趣，才會更加主動積極的學習該門課程，從而獲得良好的教學效果。比如，作者在課程的一開始先播放了一段著名導演斯蒂文?斯皮爾伯格的《Artificial Intelligence》的相關片段，由這個電影學生知道了世上存在人工智能的機器人，學生們隨著電影情節(jié)的發(fā)展而深深感動，與此同時教師讓學生思考和談論人工智能是什么？研究人工智能的意義在哪里？實踐發(fā)現，在課堂中加入電影因素，能夠大大提升學生們的注意力，讓學生更加專注在教學任務中，有效提高了學生探索人工智能的積極性和主動性。此外，在教學中還可以用動畫、視頻、圖片等手段將反映人工智能最新研究和應用的成果展示出來，讓學生更直觀的感受人工智能的奧妙，從而投入更多熱情學習人工智能課程。

2.2 面向問題的案例教學法 案例教學法是一種以案例為基礎、以能力培養(yǎng)為核心的一種教學方法[11]。針對學校學生特點，我們采取了以下幾種教學形式實施案例教學。①講解式案例教學：這種案例通過教師的講解，幫助學生理解抽象的理論知識點。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，然后再講解理論知識；二是“理論―案例”，即教師先講解理論知識，再給出教學案例；通過情境體驗與案例剖析激發(fā)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討論式案例教學：在課程初期將學生分成若干學習小組，每小組3～4人；教師將提前設計好的一題多解的教學案例以及收集的相關資料分配給每個小組，要求學生在課余時間通過自學和組內討論的方式給出問題的不同解決方案。③辯論式案例教學：在課程后期，采取專題辯論的方式對綜合應用案例進行討論，能有效地啟發(fā)學生全方位地思考和探索問題的解決方法，加深學生對人工智能的理解。

2.3 個性化學習與因材施教 在開展課程教育過程中應注意對學生進行個性化教學，結合學生特點因材施教。比如，在日常教學中多觀察學生情況，鼓勵那些應對教學任務后仍存在余力的W生深入探索較深層次的課程及相關知識，同時友善面對學習較差的學生，分析其學習過程中面對的困難，有的放矢地采取應對措施，幫助其不斷進步；在教學過程中讓學生以讀書報告的形式多多思考，鼓勵學生發(fā)散性思考問題，鼓勵優(yōu)秀學生進行深一步的探討，并且教師應幫助具有新穎思想或論點的學生將其智慧以科技論文和發(fā)表文章的形式轉化為成果。

2.4 注重綜合能力培養(yǎng) 在研究型教學中任務驅動是一種常用的教學方法，其中心導向是任務，學生在完成任務的同時也在吸收和掌握知識。通常來講，該教學方法的步驟是：教師提出任務師生共同分析以得出完成任務的方法和步驟適當講解或自學、協(xié)作學習完成任務交流和總結?！盵3]該教學模式不僅有利于培養(yǎng)學生的創(chuàng)新能力和創(chuàng)新意識，還能夠培養(yǎng)學生解決實際問題的能力，提高其綜合實力。不僅如此，由于該教學模式通常是以小組協(xié)作的方式進行，教師給出研究范圍，學生自愿結組并選擇具體的題目，經過分析和討論后以程序設計或者論文的形式協(xié)作完成研究。由此可知，學生是在以團隊的力量解決問題，這十分考驗學生的團隊協(xié)作能力，對于學生團隊合作精神的培養(yǎng)至關重要，且在完成任務的過程中學生需要查閱大量的資料，久而久之學生收集資料和創(chuàng)新能力勢必會得到提升。

2.5 采用啟發(fā)式教學 人工智能的很多問題都較為抽象，對學生理解力的要求較高，因此，在實際的教學過程中教師應有意識的就課程內容提出相關問題，讓學生自己獨立思考，鼓勵學生提出自己的想法和解決方案。然后回歸到課程上，對比分析教材上的解決方案和學生自己的解決方案，如此不僅培養(yǎng)了學生獨立思考的能力，也增加了學生參與教學活動的意識，提高了學生的學習熱情。比如，在講到較為抽象的“遺傳算法”時，先提出一個問題，即“遺傳算法如何用于優(yōu)化計算？”，然后從“達爾文的生物進化論”入手，討論“遺傳”、“變異”和“選擇”作用，之后舉例分析，啟發(fā)學生思考“遺傳”、“變異”和“選擇”的實現，最后師生一起導出遺傳算法用于優(yōu)化計算的基本步驟。如此既完成了教授遺傳算法的目的，也鍛煉了學生邏輯思維的能力，教學效果良好[4]。

3 作業(yè)和考核方式的改革創(chuàng)新

過去的課程作業(yè)都是單一書面習題作業(yè)，發(fā)展至今，課程作業(yè)形式已經發(fā)生了變化，更加豐富多樣，包括必須交給教師評閱的書面家庭作業(yè)和不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業(yè)等。其中通過網絡就可以完成上交作業(yè)，并且教師批閱作業(yè)后也可以通過網絡返回給學生，實現了網絡化。課程的考核方式較之以前也發(fā)生了較大變化，加強了平時思維能力的考核，更加注重學生實驗能力和動手能力的培養(yǎng)，不再是絕對的一次考試定成績，而是在總評成績中加入30%的平時成績，如此不僅減輕了學生的期末負擔，也迫使學生更加重視平時的學習思考，有利于課程教學質量的提升。

4 結束語

本文是以提高教學質量為目標，結合教學實踐，從教學體系、教學內容、教學方法、考核方式等方面對本科人工智能課程的教學改革進行了探討，總結了該課程在教學和實踐方面的一些教改舉措。這些舉措符合二十一世紀高校教學的要求，可以支持教師提高教學手段現代化的水平，同時更貼合學生的學習需求。作為該課程的授課教師應始終保持對教學內容的不斷更新、教學方法的多樣化，才能激發(fā)學生的學習興趣，培養(yǎng)他們的思維創(chuàng)新和技術創(chuàng)新的能力，最終提高本課程的教學質量。從學生的反饋來看，作者所總結的教學實踐具有明顯的教學效果。但仍有許多方面做得不夠，今后將繼續(xù)在教學過程中不斷總結成功的經驗，吸取失敗的教訓。

參考文獻：

[1]蔡自興.人工智能及其應用[M].三版.北京：清華大學出版社，2007.

[2]謝榕，李霞.人工智能課程教學案例庫建設及案例教學實踐[J].計算機教育，2014（19）：92-97.

[3]蔡自興，肖曉明，蒙祖強.樹立精品意識搞好人工智能課程建設[J].中國大學教學，2004（1）：28-29.

第7篇：人工智能論文范文

關鍵詞:科技期刊;媒體融合;知識服務;精準傳播

近年來，隨著計算機技術的進步，科技期刊出版正在經歷著前所未有的巨大變革。目前，信息技術已呈現出“人-機-物”三元融合的態(tài)勢，數據分析工具和基于云計算的數據資源成為期刊出版的重要特征［1］，期刊出版的數字化和集群化發(fā)展成為當下期刊發(fā)展的主流趨勢，人工智能也將在學術期刊的出版、存取、質量評價等多個環(huán)節(jié)上得到廣泛應用，并推動科技期刊出版方式的變革［2］。目前，在科技期刊界，學者們就如何促進科技期刊媒體融合發(fā)展開展了大量的研究，既包括理論層面的探討，又包括從實踐和案例的角度開展的應用研究［3-6］。與此同時，我們注意到，全球的科學產出以極快的速度增長，從第二次世界大戰(zhàn)結束以來，全球的科學產出相當于每9年就會翻1番［7］，讀者也更容易被無用的信息轟炸，難以在期刊論文的海洋中高效準確地找到自己需要的內容，科技期刊要想擴大自身的影響力也愈來愈難。信息爆炸時代，科技期刊關注讀者“需要什么”比“提供了什么”更重要。在智能技術變革的時展潮流中，科技期刊應如何順應時展趨勢，利用智能技術整合資源，更好地滿足讀者的需求，擴大期刊的影響力，創(chuàng)造科技期刊人、出版商、作者、讀者的共贏局面?本文從以上問題切入，嘗試從擴展學術搜索的路徑、構建個性化的精準推送平臺和多元化的傳播模式、向用戶提供有針對性的服務方面探索在媒體融合形勢下如何提升科技期刊的精準傳播能力，以期為我國科技期刊媒體融合建設增瓦添磚。

1借助人工智能，擴展學術搜索的路徑

互聯(lián)網時代改變了人們獲取信息的方式，搜索引擎在促進科技期刊的傳播、提高影響力等方面的功能逐漸凸顯。雖然現有的一些搜索門戶網站諸如Webofscience、PubMed、谷歌學術、各圖書館網站、中國知網、萬方數據知識服務平臺等搜索引擎可以幫助讀者檢索科技論文，但是仍不能滿足用戶多樣化的檢索需求。Tancheva等［8］針對康奈爾大學圖書館開展的一項調查研究發(fā)現受訪者“往往既對搜索方法的效率感到滿意，同時又對搜索的棘手和費力感到不滿……當研究人員無法完成一個特定的搜索任務，他們很可能放棄現有的方法(或工具或技術)，而不是找出如何使它工作”。為了解決這一問題，需要開發(fā)新的模式解決學術出版的過量負載，利用智能技術優(yōu)化搜索引擎的現有功能。目前很多科技公司都在探索開發(fā)基于人工智能的學術搜索引擎和知識服務。例如Springer網絡平臺不斷對其功能進行集成，并提供個性化服務功能;Elsevier等出版商為用戶等提供搜索引擎培訓課程;微軟學術(MicrosoftAcademic)通過在實體之間建立有意義的關聯(lián)，自動生成可視化的知識圖譜，引導學者閱讀［2］;2014年，Wiley線上圖書館為用戶提供了增強型HTML文章服務(AnywhereArticle)，它將可讀性、交互性和可移植性設為用戶體驗的核心，使讀者能夠在頁面中快速找到最重要的信息［9］。一些關于科學出版的新模式和平臺被相繼開發(fā)，如Chorus［10］通過集成服務和開放APIs，優(yōu)化了科技論文被搜索的路徑，并為政府機構、出版商、研究人員、圖書館員和作者提供可持續(xù)的解決方案。目前我國已經形成一些專業(yè)的期刊集群，一部分學術期刊數據庫平臺也開始進行語義出版形式的探索，對科技期刊內容進行深度加工和挖掘。不同的科技期刊具有不同的特點，在學術期刊的數據庫平臺建設過程中需要平臺開發(fā)團隊與期刊編輯充分交流［11］，發(fā)揮編輯的優(yōu)勢和主導作用，凸顯本學科的學科特色。

2利用智能算法，構建個性化的精準推送平臺

技術是科技期刊創(chuàng)新發(fā)展的重要推手，技術應用能力也成為科技期刊發(fā)展的競爭資源，充分利用技術強化科技期刊的知識服務和加工能力，創(chuàng)新出版和傳播模式，滿足數字化時代的讀者需求，對于科技期刊的精準傳播和融合發(fā)展非常重要。在人工智能背景下，可以借助于算法實現科技期刊出版的智能化。算法的設計程序與設計者的思維密不可分，設計者選擇數據樣本、賦予數據意義、設計模型與算法，擁有數據并設定算法的智能化平臺具有很強的主導性［12］，因此設計者需要盡可能考慮并消除算法偏見和利益沖突對精準傳播帶來的負面影響。日前，騰訊研究院和騰訊AILab聯(lián)合的人工智能倫理報告指出“人工智能等新技術需要價值引導，做到可用、可靠、可知、可控”［13］。目前“智能算法+學術期刊”已成為創(chuàng)新趨勢，學術期刊可構建信息數據基礎環(huán)境，進一步完成動態(tài)精準信息推薦，最后以傳受關系交互實現長期有效的黏性連接［14］。一方面可以通過算法整合資源，實現大量科技期刊的數字資源的聚合;另一方面可以通過算法分析用戶的閱讀興趣、研究領域，基于用戶的需求建立相關用戶數據信息，從而進一步將數字資源和用戶數據相匹配，實現科技期刊的智能化精準傳播。如中國知網推出的“CNKI全球學術快報”整合全球文獻和超星集團推出的“域出版”超星學習通學術平臺［15］，用戶不僅可以在其App上進行文獻檢索、分版閱讀、專題閱讀等，還可以與作者進行互動交流。此外，還可以利用智能算法設計追蹤用戶的信息反饋，通過學術平臺進一步增加用戶的體驗感，提升科技期刊的精準傳播能力。

3創(chuàng)新知識加工，構建多元化的傳播模式

在人工智能和融媒體時代，除了運用智能技術構建個性化的知識服務平臺，科技期刊也需要充分發(fā)揮社交媒體的作用，通過加強期刊網站建設、建立App客戶端、微信、微博等新媒體傳播平臺，可以根據各自領域的特點，對科技論文進行多次加工和編輯，構建個性化的傳播方式。如論文編輯平臺Kudos為作者提供了一種利用社交媒體使他們的論文更易下載和傳播的工具，通過為作者已發(fā)表的文章創(chuàng)建介紹并添加簡短的標題、易懂的摘要和補充內容，可以使他們的文章對讀者更具吸引力［16］，學術出版平臺也可以通過建立二維碼，為讀者提供開放增值服務，使讀者進一步了解論文的數據、圖片等資料，實現與用戶的精準對接。如中國煤炭行業(yè)知識服務平臺為該平臺上的每篇論文制作了二維碼，用戶閱讀紙刊論文時，通過掃描其中的二維碼可以免費下載PDF、HTML文件，此外讀者還可以通過掃描二維碼向作者提問或向責任編輯反饋意見［17］。目前，郵件推送也正在成為科技期刊提升精準傳播能力的一個重要手段，國內一些期刊在這方面做了大膽的嘗試。例如:《計算機工程》基于語義分析和智能分詞等技術，設計了一套期刊內容精準推送系統(tǒng)，將讀者—文章—標準關鍵詞進行匹配，通過郵件為潛在讀者推送與其研究方向相關的最新研究論文［18］;《應用生態(tài)學報》通過運用大數據和數理統(tǒng)計方法，構建了科技期刊論文單篇推送客體指標體系，通過郵件對讀者進行單篇精準推送，取得了較好的傳播效果［19］。此外，利用音頻、視頻、科學可視化等多媒體技術可以在短時間內表達豐富的科學信息，增加科技論文的廣泛傳播。如虛擬現實/增強現實(VR/AR)為讀者提供沉浸式的閱讀環(huán)境，提升讀者的體驗感，從而吸引了更多讀者的關注。中國科學技術大學王國燕博士及其團隊開展的前沿科學可視化研究和設計，使科技論文通過圖像的形式向讀者展現，提高了科技論文的交流和傳播，她通過對頂級科技期刊《Nature》《Science》《Cell》的一項實證研究發(fā)現，科技期刊封面故事和封面圖像的使用可以提高論文的引用率［20］。《上海大學學報(自然科學版)》借助第三方AR展示平臺實現了學術期刊的多模式AR融合出版，取得了很好的效果［21］。

4滿足用戶需求，提供有針對性的服務

第8篇：人工智能論文范文

關鍵詞：人工智能；教學改革；教學方法

引言

人工智能(ArtificialIntelligence)是一門研究和模擬人類智能的跨領域學科，是模擬、延伸和擴展人的智能的一門新技術。由于信息環(huán)境巨變與社會新需求的爆發(fā)，人工智能技術的日趨成熟。隨著AI3.0時代的到來，大數據、云計算等新技術的應用也愈發(fā)廣泛，對于管理類人才來說，加強對人工智能知識的深入學習，不斷將人工智能技術與管理知識結合起來，對其未來職業(yè)生涯的發(fā)展有著重要作用。人工智能是一門前沿學科，管理學院開設人工智能課程的目的是為了更好地培養(yǎng)學生的技術創(chuàng)新思維與能力，基于其覆蓋面廣、包容性強、應用需求空間巨大的學科特點，通過概率統(tǒng)計、數據結構、計算機編程語言、數據庫原理等基礎課程的學習，加強學生解決實際問題的能力，為就業(yè)打下基礎。本文基于社會對于人工智能領域的人才需求，結合諸多長期從事經管類專業(yè)課程教學的老師意見，針對管理類人才的人工智能課程教學內容與方法進行探討，以期對中國高校人工智能課程教學改革研究提供幫助與借鑒。

1、教學現狀與問題

作為一門綜合性、實踐性和應用性很強的理論技術學科，人工智能課程內容及內涵及其豐富，外延極其廣泛。學習這門課程，需要較好的數學基礎和較強的邏輯思維能力。針對管理類人才，該課程在課程教學過程中存在幾個較為突出的問題。(1)課堂教學氛圍枯燥目前，中國大多數大學仍采用傳統(tǒng)的課堂教學模式，在教學過程中照本宣科，忽略與學生的互動，并且缺乏能夠有效引起學生學習興趣與加深知識理解的教學環(huán)節(jié)設置，如此一來大大降低了學生自主思考的能力。在進行人工智能相關課程知識講解時，隨著章節(jié)的知識難度不斷增加，單向介紹式的枯燥教學方式無法反映人工智能學科的全貌，課堂講解難以同時給以學生感性和理性的認知，部分學生因乏味的課堂氛圍漸漸無法跟上教學進度，導致學習動力不足。(2)基礎課程掌握不牢管理類專業(yè)的學生大部分都會走向更加具體化的管理崗位，具有多學科的素養(yǎng)，但這也導致很多學生所學知識雜而不精。學生在基礎不夯實的情況下去學習更高層面的知識，給學生學習與老師教學都造成了很大困擾。人工智能課程知識點較多，涵蓋模式識別、機器學習、數據挖掘等眾多內容，概念抽象，不易學習。一些管理類專業(yè)的學生未能熟練掌握高等數學、運籌學、數據結構、數據庫技術等先修課程，缺乏一定的關聯(lián)思考和研究意識，導致課程學習難度增加，產生學時不足和教學內容難點過多的問題。(3)教學與實際應用脫節(jié)當下，人工智能廣泛應用于機器視覺、智能制造等各個領域，給學生提供了大量的現實案例，使得人工智能不再是高深莫測的理論，而是現實中可以觸及的內容。例如，在機械學科領域，人工智能技術是電氣工程、機械設計制造、車輛工程等方向的重要技術來源；在醫(yī)療領域，是醫(yī)療器械的創(chuàng)新生產源動力；在能動領域，是高端能源裝備與新能源發(fā)展的重要驅動；在光電信息與計算機工程領域，技術的發(fā)展時刻推動著智能科學與技術核心價值的提升。然而，對于管理類專業(yè)的學生來說，現階段的人工智能教材涵蓋許多智能算法及相關理論，在教學過程中常常涉及到很多從未接觸過的抽象理論和復雜算法，書本中的應用實例大多紙上談兵，缺乏專門適用于管理類專業(yè)知識與人工智能技術相結合的教學實踐，加上一些教師授課方法單一，不利于引導學生將人工智能算法應用于現實生活。另外，大學生對知識的理解能力差異很大，教師采用統(tǒng)一的方式教給他們，這使一些學生無法跟上和理解，教師也無法控制學生的學習狀況，導致學生缺乏動力。因此，如何結合學生的現實情況，提高他們的動手能力和實踐經驗也是人工智能課程教學要考慮的問題。

2、管理類人才的人工智能課程教學改進策略

課程教學改革是一項提高大學教學效果和人才培養(yǎng)質量的重要手段。如何在時代背景下應用新技術和新思想進行實施課程教學改革是高校亟待解決的問題。對于高校的教學工作而言，教學目標、教學內容和教學方式的變化不再是課程資源的簡單數字化和信息化，而是充分利用時代信息資源優(yōu)勢的新型教學模式。針對管理類專業(yè)人工智能課程教學過程中存在的問題，可以從教學方法改進和教學內容設置兩個方面進行課程教學改進。

2.1教學方法改進

教師對學生具有引領作用，其教學方法的改進能夠帶動學生改進自身學習方法。(1)啟發(fā)式案例教學案例教學法就是教師根據教學目標、教學內容以及教學要求，通過安排一些具體的教學案例，引導學生積極參與案例思考、分析、討論和表達等多項活動，是一種培養(yǎng)學生認知問題、分析和解決問題等綜合能力的行之有效的教學方法。啟發(fā)式案例教學以自主、合作、探究為主要特征，調動學生的學習積極性，并緊密結合人工智能領域的相關理論與方法，有效理解知識要點及其關聯(lián)性，適用于管理類專業(yè)學生的教學。具體而言，高校基于其問題啟發(fā)性、教學互動性以及實踐有用性等特點，可以建立基于人工智能知識體系的教學案例庫，雖然這項建設將極具挑戰(zhàn)性與耗時性，但具有很強的積極效果：培養(yǎng)學生較強的批判性思維能力，更多地保留課程材料，更積極地參與課堂活動，對提高教學質量、培養(yǎng)具有人工智能背景的管理類人才具有重要意義。例如，通過單一案例教學，讓學生掌握相關基礎知識原理及應用；通過一題多解的案例使學生思考如何獲取最有效的解題方法；通過綜合案例的設計，啟發(fā)學生全方位地探索問題的解決方案。(2)研討互動式教學研討互動式的各個教學環(huán)節(jié)是逐漸遞進、有機結合的。研討是基于學生個體的差異性，在課堂討論的過程中對學生做出評判，從而對不同類型的學生開展針對性的教學?；觿t是在研討的基礎上，通過老師與學生、學生與學生的互動，讓學生主動參與到課堂教學的過程中來。在人工智能課程教學過程中，教師通過課堂討論了解學生對于知識點的掌握情況，可以有針對性地設計教學內容，例如，對于學校積極性不強的學生，將人工智能理論內容與學生個人興趣范疇、社會產業(yè)發(fā)展及研究現狀聯(lián)系起來，能夠極大程度地提高學生學習的自主能力；對于基礎知識較為薄弱的學生，可以在教師的指導下查閱相關文獻資料，根據自己的理解撰寫心得報告，并在課堂或課外進行師生互動。像這樣研討與互動相結合的模式。有助于增強學生的探索和求知欲望，建立起濃厚的學習氛圍。(3)有效激勵式教學人工智能是引領未來的戰(zhàn)略性技術，人才需求量極大，對教師的教學水平也提出了更高要求，因此，進行有效激勵極為重要。在學生激勵方面，可以舉辦各類人工智能競賽項目，設置相應項目獎學金，吸引學生參與實踐，調動學生做研究、發(fā)論文的積極性。例如，教育部主辦的中國研究生人工智能創(chuàng)新大賽，圍繞新一代人工智能創(chuàng)新主題，激發(fā)學生的創(chuàng)新意識，提高學生的創(chuàng)新實踐能力，為人工智能領域健康發(fā)展提供人才支撐。高校也可以借鑒這種模式，在各學院乃至全校開展此類競賽項目，激發(fā)學生的創(chuàng)新能力與團隊合作能力，鼓舞更多學生加入到人工智能課程的學習中來，激發(fā)其學習興趣。在教師激勵方面，在教師聘任和提升過程中把參加學生課程制定、課堂與課外作業(yè)、課程項目和論文指導等看作教學任務的一部分，鼓勵教師積極參與這些活動。(4)學科滲透式教學人工智能學科知識融合程度較高，學科交叉性強。基于人工智能的學科交叉性特點，增強管理類人才對學科應用的領悟，可以采取開展學科滲透式教學的方法。從2015年起，國務院和教育部先后印發(fā)了《國務院關于積極推進“互聯(lián)網+”行動的指導意見教育》、《高等學校人工智能創(chuàng)新行動計劃》等文件，“互聯(lián)網+”、“智能+”已經滲透到各個領域，人類進入數字經濟時代，社會需求“技術+管理”的高端復合人才。例如，基于工業(yè)4.0和強國戰(zhàn)略，人工智能技術在智能制造的應用極為廣泛。上海理工大學非常重視少數民族預科班的教育質量。為增強少數民族管理類人才對該領域應用的認識，我們請機械工程、能源動力領域的相關專家以授課或講座的形式，進行相關領域知識和發(fā)展趨勢的講解，使學生理解更為透徹。此外，在教學實踐過程中，還可以用舉辦人工智能知識交流會、線上人工智能論壇等形式，促進不同專業(yè)間老師、學生對于人工智能知識模塊的見解，相互交流、滲透和學習，從而推動人工智能課程教學的改進。

2.2教學內容設置

世界一流大學在人工智能課程內容設置根據不同國家的教育體系設置，肯定會有不同，但頗有共通之處。本文借鑒世界頂尖大學經驗，針對管理類專業(yè)人工智能課程教學內容進行研究，結合中國教育體系設置，認為應從以下幾方面進行改進。(1)核心內容設置為避免學生因為知識點過多而出現雜而不精的問題，勢必要精化教學內容。在互聯(lián)網時代，我們可以使用云計算和其他方式來實現數據信息的傳輸、存儲和處理，通過在線收集和整合網絡課程相關數據，挖掘和豐富教學資源，并在整合課程資源的基礎上，進行研究方法和前沿知識的擴展。在核心內容設置方面，可以通過收集到的數據資料，選擇人工智能領域具有代表性且難易程度適中的知識作為重點，使學生能夠在有限的學時內掌握人工智能的知識脈絡。例如，編寫針對管理類人才的人工智能教材，內容涉及緒論、知識表示與推理、常用算法、機器學習、神經網絡等方面的同時，重點增加相應知識點在管理上的應用案例，加強學生對知識點的理解。同時，根據管理類專業(yè)偏向領域，開設關聯(lián)程度較大、應用較廣泛的人工智能選修課程，以便學生根據自己的興趣與需求選修具體方向的課程。(2)注重學生的數理及編程基礎良好的數理及編程基礎是學習人工智能的前提。只有具備了這些基礎，才能搞清楚人工智能模型的數量關系、空間形式和優(yōu)化過程等，才能將數學語言轉化為程序語言，并應用于實驗。管理學院人才的數理及編程基礎相對薄弱，因此，在安排學生學習人工智能課程之前，建議開設面向全體管理類專業(yè)學生的微積分、線性代數、概率論等專業(yè)基礎數學課程以及C語言、python等編程基礎課程，使學生具備數學分析的基礎與一定編程基礎，為學習人工智能課程打下堅實的基礎。另外，可以推進MOOC平臺建設，在平臺上開設人工智能網絡課程，幫助學生掌握人工智能知識基礎及專業(yè)技能。(3)實驗建設為了加強學生對于人工智能知識點間的關聯(lián)性理解，可以基于不同的應用模塊，設計具有前后鋪墊、上下關聯(lián)的綜合性實驗，設計不同層次的項目要求，同時基于相同的實驗課題，讓學生分組對實驗課題進行攻克，并設置多元化的實驗評價體系，通過實驗教學過程中反映出的不同進度，讓教師能對學生的學習水平做出準確評判，及時進行教學反思，以便更好地開展下一步工作。例如，針對人工智能課程應用中很廣的遺傳算法，在某一管理規(guī)劃的具體應用上設置理解－實現－參數分析－具體應用－嘗試改進－深度拓展的不同層次的項目要求，在這些項目層次中規(guī)定必做項與可選項，讓學生基于同一實驗課題進行合作學習，然后通過個人自我評價、小組成員互相評價以及教師評價的方式進行打分，對小組整體能力以及個人能力進行綜合評估，以期培養(yǎng)學生的自主思考能力。

第9篇：人工智能論文范文

論文關鍵詞：人工智能技術,電氣自動化,自動化控制,策略

智能化技術是技術領域的一種革新，使得各個行業(yè)都實現了全面發(fā)展。在電氣自動化控制中應用人工智能技術，可以使得電氣設備的系統(tǒng)運行更加簡單智能，對系統(tǒng)可以進行優(yōu)化處理。與此同時，人工智能技術的應用也為電氣自動化控制提供了技術保障和安全保障，減少了各種電氣設備操作對人員帶來的傷害，在節(jié)省人力和物力的基礎上提高了工作質量。在電氣行業(yè)的發(fā)展過程中，自動化發(fā)展就必須要利用人工智能技術。

1 人工智能技術概述

1.1 人工智能技術的定義

人工智能技術指的是借助計算機技術對人腦進行模擬，并且發(fā)出類似人類的行為指令，從而對各種操作進行完成的過程。人工技能技術是多個領域的研究結果的融合，比如傳統(tǒng)的數學和計算機，同時還結合了人文學科、自然和社會學科的知識，在很多領域中都有十分廣泛的應用。計算機技術可以實現對人腦的有效模擬，因此使得工作的效率更高，系統(tǒng)的運行更加靈活也更加穩(wěn)定，能夠增強各種設備的自動化處理水平。

1.2 人工智能技術在電氣自動化應用中的功能

第一，實現數據的采集和處理。人工智能技術在電氣自動化控制中進行應用的時候，可以實現對設備中的一些數據進行采集，根據功能的不斷完善，還能對一些數據進行存儲。

第二，監(jiān)視運行系統(tǒng)，并及時發(fā)出報警。人工智能技術可以對電氣設備在使用過程中出現的一些問題進行有效地監(jiān)控，而且還能對電氣系統(tǒng)進行有效地模擬，對設備的開關量進行監(jiān)視，防止出現異常情況，一旦出現了異常情況，要自動啟動報警裝置，同時還能對一些電氣設備進行切斷，從而使得電氣設備處于安全狀態(tài)。

第三，對電氣設備的操作進行控制。電氣自動化過程中，人工智能技術的應用，可以使得電氣設備的操作過程變得更加簡單，通過鼠標和鍵盤可以實現對斷路器和電動隔離開關的控制，還可以對勵磁電流進行調整。通過這種技術的應用，就可以極大地減少工作人員的工作量，降低勞動強度。

2 人工智能技術在電氣自動化過程中的應用

2.1 在電氣設備中的應用

電氣設備的設計要符合自動化操作的要求，在進行設計的過程中，也應該要加強對人工智能技術的應用。由于電氣設備的系統(tǒng)比較復雜，包含了很多方面的知識和技能，因此在進行設計的時候，有的系統(tǒng)設計也可以借助人工智能技術來完成，比如可以通過計算機設置一些算法，對電氣設備系統(tǒng)設計中的一些參數進行計算，從而便于電氣設備控制系統(tǒng)的設計，極大程度地提高設備的工作速率與質量。

2.2 在電氣控制工作中的應用

在電氣領域內，對電氣設備進行控制是一個十分重要的部分，自動化設備是當前電氣行業(yè)的主要發(fā)展方向，在設備的控制上，也要逐漸實現智能化，可以極大程度增強工作效率，縮減資金成本，并且降低從業(yè)者的勞動強度。比如人工智能技術中的模糊控制、神經網絡控制、專家系統(tǒng)等，都是比較先進的控制技術，可以實現對各種設備的有效控制，韓劇熱的反思而且控制的效果很好，產生的誤差較小。比如在模糊控制中，較為常用的模糊控制方法有Sugeno與Mamdani兩種技術，后者主要是應用在對設備的速度調節(jié)的控制上，模糊控制的方法能夠以一種更高的效率來處理交流傳動控制的相關問題，從而使得電氣設備的工作質量和工作效率有很大的提升。

2.3 在電氣設備的日常操作過程中的應用

電氣行業(yè)與民眾的日常生活與工作都存在緊密的關聯(lián)，各種電網十分復雜、電氣設備繁多，日常的控制工作也十分繁瑣。傳統(tǒng)的日常操作比較復雜，而且也會增加電氣系統(tǒng)控制的時間，降低控制效率。對此，要積極加強對人工智能技術的應用，在日常工作過程中，可以通過人工智能技術設置一些基本的控制算法，應用在日常系統(tǒng)操作期間，能夠將復雜的操作流程變得簡潔，而且僅僅需要電腦就可以實現對各種操作的控制，最重要的是，通過人工智能技術的深化，還能實現遠程控制，可以將操作界面進行簡化，及時處理并保存相關重要數據，為將來的查找與應用提供方便。在日常操作過程中，對于很多數據都要進行記錄，比如電氣設備的損耗情況、電量等，如果采用人工記錄，則會有巨大的工作量，還容易出錯，但是應用人工智能技術編制相應的表格和數據采集系統(tǒng)，則可以實現對數據的采集和有效保存，降低了工作強度，同時提高了工作效率。

2.4 在故障診斷過程中的應用

在電氣運行過程中，無論是客觀因素還是其他的主觀因素，都會造成電氣設備的故障以及事故，如果對于這些故障沒有及時進行處理，找不到相應的原因，則很有可能造成更嚴重的危害，會有較大的經濟損失。電氣自動化過程中，對設備的使用性能、故障等方面的診斷也要逐漸實現自動化，而人工智能技術的應用，將使得故障診斷過程變得更加簡單。神經網絡、模糊理論及專家系統(tǒng)是人工智能技術在電氣診斷過程中應用的三種方式，這三種方法在故障的診斷以及事故的發(fā)生過程中發(fā)揮了十分重要的作用。借助智能技術，將神經網路、模糊理論等系統(tǒng)的結合在一起，就能夠處理電氣故障檢測耗費時間長、等待結果時間長等問題，可以對各種故障進行精準的判斷，并且為后續(xù)的故障處理提供更多充足的時間和依據。

2.5 在簡化自控流程中的應用

電氣領域的自動化控制是一個十分復雜的過程，對于各個步驟的要求都比較嚴格，一旦某個環(huán)節(jié)出現了紕漏，則會造成嚴重的后果，引發(fā)較大的經濟損失。人工智能技術的應用可以對各種設備使用情況、故障情況等進行分析，進而設計出合理的故障處理方法，盡可能確保電氣自控工作的質量。而且這種技術的應用，還可以實現遠程維修，簡化了過程。

3 結語

綜上所述，人工智能技術在電氣自動化過程中的應用包括多方面內容，比如電氣設備的操作、故障的診斷、自動控制流程的簡化等，都可以借助人工智能技術，使得各個過程變得簡單、快捷，促進電氣設備的自動化水平不斷提升。

【參考文獻】

[1]胡燕來.淺談電氣自動化控制中的人工智能技術[J].建筑·建材·裝飾，2015（03）.