时间：2023-08-18 17:16:30
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能教学建议，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
中图分类号：TP18文献标识码：A文章编号：1009-3044(2007)12-21667-02
The Application of Artificial Intelligence in Education
HU Ji-li,YIN Yun-xia
( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)
Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.
Key words:Artificial Intelligence;CAI;expert system;knowledge base
1 引言
人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一，是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的。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、机器学习、计算机视觉等。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的，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、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的，随着人工智能的诞生和发展， 人们开始把计算机用于教学领域。同时， 自七十年代以来， 有教学能力的专家系统得到研制。人工智能技术与专家系统的成就， 促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) ， 这便是智能型计算机辅助教学(CAI)。
近几十年来， 随着人工智能技术的日渐成熟， 它的一些研究成果被陆续应用到教学领域， 推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。
2 人工智能在教育中的作用
目前在教育技术中涉及到AI的主要有以下领域：
2.1 知识的表示与访问
基于人工智能的知识表示是以知识为对象，以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具，以哲学、心理学和逻辑学等为方法和指导，将知识表达成计算机可以直接处理的“知识库”，使用“计算机的智能”来模拟人类专家或“人类智能”，对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次，而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理，智能化的教学或创造。计算机辅助教育是其中重要的组成部分。
2.2 符号计算
符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica，当该软件在1988年第一次，对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时，商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程，从高中课程到研究生课程用它作基础。随着各种学生版的，Mathematica也已成为全世界各种不同专业学生的重要工具。
2.3 对学生错误的自动诊断
采用人工智能技术，使得教学过程中系统可以自动诊断学生的学习水平，不仅能发现学生的错误，而且能指出学生错误的根源，从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容，自动调整教学进度，自动选择教学策略与方法。
2.4 实现智能性超媒体教学系统
超媒体系统有理想的教学环境，容易激发学生的学习兴趣和学习主动性，但不能保证达到预期的学习目的，而且由于不了解所要教的对象，所以不能做到有针对性的指导，不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来，就可实现性能互补，从而研究制出新一代高性能的智能超媒体教学系统。
3 人工智能应用于教育的新方向：ICAI
3.1 传统CAI的不足
传统的CAI由于其集成性、交互性、多媒体性等特点，在教学中可以极大地激发学生的学习动机，提高教师的教学效率和学生的学习效率。但在使用过程中，CAI的一些弱点也逐渐暴露出来。主要表现有:
(1)缺乏人机交互能力
现有CAI 大多以光盘作为信息的载体， 将教材中的内容以多媒体的形式展现出来， 教学信息是按预置的教学流程机械式地提供给学生的， 学生接受起来很被动。而且在课堂教学中， 一般也只能通过教师按预定的课件流程进行操作， 无论学生还是教师都不能很好地参与教与学的过程， 因此人机交互没有很好地实现。
(2)缺乏教师与学生的互动
现有的CAI 课件在学生自学、进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学生的情况，学生在碰到问题时，也不能向教师求助，师生之间是互相封闭的，软件所起的积极效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI 课件是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。
(3)缺乏智能性
要想面对不同情况的学生进行不同程度的教学过程， 使学生的学习变为主动， 并能由系统自动地提供助学信息而有选择地学习，要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容， 给予不同方式的教学模式与方法， 没有智能性的CAI 课件系统， 是很难实现以上目的并达到良好教学效果的。由此可见，现有的CAI 随着人们要求的提高， 已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。
3.2 ICAI－人工智能与多媒体技术的结合
为了克服传统CAI的缺点，需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI)，智能计算机辅助教学(Intelligence Computer Assisted Instruction－ICAI)以认知学为理论基础。将人工智能技术应用于CAI，是智能化的CAI。在ICAI系统中，允许学生与计算机进行较自由的对话，学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度，并给予适当的反馈，而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能，模仿人类的交互方式、思维习惯及情绪流动，修饰和掩盖计算机的缺陷。
3.3 ICAI的优点
(1)将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略。
(2)通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议。
(3)通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。
(4)为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略。
(5)通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。
3.4 ICAI的标准
以现有的科学技术水平而言，短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为，只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。
(1)能自动生成各种问题与练习。
(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。
(3)在了解教学内容的基础上自动解决问题，生成解答。
(4)具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性。
(5)对教学内容有解释咨询能力。
(6)能诊断学生错误，分析原因并采取纠正措施。
(7)能评价学生的学习行为。
(8)能评价教师的教学行为。
不难看出，ICAI与传统的CAI相比，更加符合教育教学的规律，切合学生的认知习惯，具有明显的优越性。
3.5 ICAI的结构
ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。
(1)知识库
知识库是实现知识推理与专家系统的基础，而建造知识库的前提则是要解决知识的形式化，人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此，知识的表示与访问是人工智能的核心技术之一，也是将AI引入教育领域必须首先解决的一个难题。
ICAI中的资源库应该包括以下一些内容:
①多媒体素材库:包括所要呈现的知识的一些素材，包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理，便于分类、增删、修改及查询等操作。
②教学内容库:教学内容库用于存放教学内容，包括领域知识库(含辅助知识库、提示帮助库、练习题库，和测试题库)。这些教学内容，包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。
(2)学生模块
学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。
①学生登陆模块:利用该模块主要用于学生使用ICAI时登录，第一次登录时学生输人姓名、性别、年龄、学历等相关信息，然后对学生进行询问，选择合适的测验题对学生进行初测推荐学习计划。当再次登录时，系统根据保存的信息安排合适的学习内容。
②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析，可以比较确切地了解学生的具体情况，从而制定出合理的教学策略和教学过程
③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况，记录学生学习某教学单元时的参数值，并记录在学生档案中。包括:学生目前学习单元号；学习方式；正常学习、练习、提前浏览、学后复习；学习时间；学生提示问题的类型和次数；学生本次练习出错次数。
(3)专家决策模块
CAI中的专家决策系统可以看作专家系统中的推理机。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，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力，从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。
成功的例子如:① DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果，对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。
ICAI根据学生模块提供的学生学习情况，通过智能系统的搜索与推理，得出智能化的教学方法与教学策略，能够较科学地评估学生的学习水平，还可以通过分析学生以往的学习兴趣和学习习惯，预测学生的知识需求和常犯错误，动态地将不同的学习内容、学习方法与不同的学生匹配，智能地分析学生错误的原因，进而有针对地提出合理的教学建议、学习建议以及改进方法，既提高了学生学习的满意度，激发了学生的学习热情，也对教师教学提供了客观的依据和科学的方法。
4 结束语
由此可见人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来，人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识，而采用“通过活动进行学习”的方式。在教学的其他方面，人工智能技术还可以建立人类推理模型学习工具等诸多的运用， 展示出越来越好的实用性。随着Internet 的发展，虚拟现实技术的广泛应用， ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，使人类扩展了自己的能力，促进了教育领域方方面面的改革。
参考文献：
[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2000.
关键词:人工智能;创新性教学;精品课程;课程建设;教学改革
人工智能课程是计算机类专业的核心课程之一,也是智能科学与技术、自动化和电子信息等专业的重要课程,其知识点具有不可替代的重要作用。该课程内容广泛,具有很强的综合性、应用性、创新性和挑战性[1],其开设能够更好地培养学生的创新思维和技术创新能力,为学生提供了一种新的思维方法和问题求解手段。同时,本课程能够培养学生对计算机前沿技术的前瞻性,提高他们的科技素质和学术水平。通过课程的学习,学生对人工智能的定义和发展、基本原理和应用有一定的了解和掌握,启发了对人工智能的学习兴趣,培养创新能力。
中南大学人工智能课程开设于20世纪80年代中期。1983年,蔡自兴作为访问学者赴美国普度大学研修人工智能,并与美国国家工程科学院院士傅京孙(K. S. Fu)教授及清华大学徐光v教授合作研究人工智能。在傅京孙院士教授的指导下,蔡自兴和徐光v教授执笔编著《人工智能及其应用》一书,并于1987年5月在清华大学出版社问世,成为国内率先出版的具有自主知识产权的人工智能教材。本教材不仅为我校人工智能课程提供了一部好教材,而且促进了国内高校普遍开设人工智能课程。此后,又陆续编著出版了《人工智能及其应用》第二版、第三版“本科生用书”和“研究生用书”、第四版等,修读该课程的学生也与日俱增。该书第二版还获得国家教育部科技进步一等奖。经过近20年建设,该我校人工智能课程于2003年评为国家精品课程,并在2008年评为国家双语教学示范课程。这是至今国内唯一同时获得国家级精品课程和双语教学示范课程的人工智能课程。同时,我们还开发了人工智能网络课程,具有网络化、智能化和个性化等特色,被国家教育部评为优秀网络课程,供兄弟院校人工智能教学参考使用,受到普遍欢迎[2]。
作为国内第一门人工智能精品课程,我们按照教育部精品课程标准建设《人工智能》课程,尤其是在教学内容、创新性教学方法和教学模式上进行不断进行改革与探索,取得了很好的效果。本文即为我校人工智能精品课程建设与改革经验的初步总结。
1教学内容优化
1.1课堂教学内容优化
教学内容的确定是课程的首要任务。如何选好教学内容,使学生既能了解本领域的概貌,又能适合学生的基础,便于他们在有限的时间完成学习任务,是一件难事。教学内容除了包含基础理论外,还应该反映人工智能领域的新发展和新动态,跟上学科发展的步伐。本课程最初设定的教学内容分基础部分和扩展应用部分。基础部分主要包括人工智能的定义和发展、知识的表示以及推理,而扩展应用部分主要包括专家系统、机器学习、机器规划、机器视觉等。
近年来人工智能科学的快速发展,涌现出了大批新的方法和算法,研究热点问题也从符号计算发展到智能计算和Agent等。
学内容,既能使学生了解本领域的概貌,又能适合学生的基础,便于他们在有限的时间完成学习任务,是一件难事。教学内容除了包含基础理论外,还应该反映人工智能领域的新发展和新动态,跟上学科发展的步伐。本人工智能课程最初设定的教学内容分基础部分和扩展应用部分。基础部分主要包括人工智能的定义和发展、知识的表示以及推理,而扩展应用部分主要包括专家系统、机器学习、机器规划、机器视觉等。
近年来人工智能科学的快速发展,涌现出了大批新的方法和算法,研究热点问题也从符号计算发展到智能计算和Agent等。
随着科学技术的不断进步,在科学研究和工程实践中遇到的问题变得越来越复杂,传统的计算方法无法在一定时间内获得精确的解。为了在求解时间和求解精度上取得平衡,很多具有启发式特征的智能计算算法应运而生。这些算法通过模拟大自然和人类的智慧来实现对问题的优化求解。计算智能作为人工智能的一个新的分支是目前的研究热点,它主要涉及神经计算、模糊计算、进化计算和人工生命等领域,在如模式识别、图像处理、自动控制、通信网络等很多领域都得到了成功应用。另一个近10年来人工智能的研究热点是Agent和多Agent系统,其理论最早来自分布式人工智能,并随着并行计算和分布式处理等技术的发展而逐渐成为热点。
以上两个内容都是人工智能的重要分支。因此,我们在《人工智能及其应用》第三第3版[3]和第四第4版教材[4]中已经顺应形势加入了这方面的内容,并将教学内容也进行了相应的扩展,加入了计算智能、分布式人工智能与Agent。由于不确定性推理和基于概率的推理方法应用也越来越广泛,我们也将此类非经典推理方法单独作为一章来进行教学。另外,还增加了一些新的内容,如本体论和非经典推理、粒群优化和蚁群计算、决策树学习和增强学习、词法分析和语料库语言学,以及路径规划和基于Web的专家系统等。图1给出本课程的教学内容大纲。
人工智能的教学内容涉及面广且内容较多,要在有限课时内完成教学计划并让学生掌握,具有一定难度。因此需要根据教学对象的需求有所取舍。中南大度。因此需要根据教学对象的需求有所取舍。中南大学在智能科学与技术、计算机、自动化三3个专业中均开设了人工智能课程,根据相关专业课程教学对象,对学时和教学内容进行适当调整。对于智能科学与技术专业,人工智能课程为必修课,共48个学时含实验8个学时。表1表示为相关专业的人工智能课程教学内容分配情况。对于计算机和自动化专业,人工智能课程为选修课,共32个学时含实验8个学时。许多兄弟院校的计算机专业都把人工智能定为必修课,课程学时也在50学时左右。因此,我们一再强烈建议我校的计算机专业把人工智能列为必修课,并适当增加学时。由于智能科学与技术专业开设有专家系统和智能计算选修课程,因此在人工智能教学内容中只将这两部分做简要阐述,而将重点放在知识表示和推理以及扩展应用上。对于计算机专业学生来说,除基本的知识表示和推理外,计算智能和Agent技术也是他们在软件开发和通讯技术理论学习中需掌握的重要概念。同时,计算智能、专家系统对自动控制和电气工程也十分重要,对自动化专业则应掌握该方面的内容。
1.2实验实践教学创新
国内人工智能课程在开设之初大多没有安排实验内容,仅为理论基础和概念讲授。由于理论比较抽象,很难理解,学习效果不理想,学生们对于其应用实现也十分困惑。此后,各高校也逐步在该课程中分配了实验学时,大多数采用prolog语言和专家系统作为实验语言和对象[5]。为了改进该课程的教学,我们也从没有实验到将实验学时从零调整为设置4个学时的实验课时,然后到现在的8个学时的实验课时。随着课堂教学内容的改革,实验内容也进行了优化和更新。
人工智能课程实验的目的是帮助学生掌握基本理论,发挥主动性,研究探讨人工智能算法和系统的运行和实现过程,提出思路并验证自己探索的思路,从而更好的地掌握知识,培养研究能力和创新能力。因此,在实验教学内容的设计上,实验项目应具备研究性和综合性。实验项目目标明确,要求学生带着问题和任务进行实验,但实验过程又要有一定的灵活性,学生可以根据自己的思考进行适当的调整。再者,充分采用虚拟实验方式进行实验,大大提高了学生的兴趣,提供了分析和探讨智能算法的很好平台。同时,学生的实验数据和实验结果分析既有格式要求,又给学生报告自己的研究的过程和结果留有空间,并在评分时加以充分考虑。这些做法能够鼓励学生,特别是鼓励优秀学生进行独立性研究,满足他们学习的需求。
1) 人工智能课程的实验环节不足和课时分配问题。
中南大学的人工智能课程的实验环节经历了从精品课程建设前没有到开设,一直到其内容和形式上的不断改进过程。但目前实验还主要处于演示性和编程的实验阶段,而非设计和训练阶段。此外,由于人工智能课程涵盖范围广、内容多,而课程所设置的学时有限。,如何分配好课堂教学与实验课时也是一个需要在今后课程建设中不断探索的问题。
对于某些专业的人工智能课程,可以考虑单独开设人工智能实验课程或人工智能程序设计与实验课程。
2) 人工智能技术发展迅速情况下如何保持该精品课程持续发展的问题。
人工智能作为一门高度融合的交叉科学,其发展速度迅速,不断有新理论、新问题涌现出来。我们的
人工智能教学既要注重基础理论知识,又要紧跟学科发展的步伐,势必要求对课程内容进行不断更新,这对我们的教学资源和教师素质都提出了更高的要求。
4结语
本文介绍了中南大学的精品课程――人工智能课程教学内容和创新性教学方法的一些探索,已在课堂教学内容的优化、实验环节的改进、教学方法的创新的实施上取得了很好的效果,充分激励了学生的学习积极性和主动性,多方位培养学生发现问题、分析问题和解决问题的能力。我们的想法和做法可供兄弟院校同行参考。不过,仍然存在一些不足之处。随着智能科学与技术的发展和更为广泛的应用,人工智能课程的重要地位必将更加突显,我们也需要继续努力,与时俱进,不断完善人工智能精品课程的建设。
注:本文受教育部质量工程国家级精品课程人工智能(2003)、全国双语教学示范课程人工智能(2007)项目支持。
参考文献:
[1] 薛莹. 创新教育新途径人工智能与机器人教育:哈尔滨市教育研究院张丽华院长访谈录[J]. 中国信息技术教育,2010(1): 20-22.
[2] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.
[3] 蔡自兴,徐光佑. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2003.
[4] 蔡自兴,徐光佑. 人工智能及其应用[M]. 4版. 北京:清华大学出版社,2010.
[5] 韩洁琼,闫大顺. 人工智能实验教学探讨[J]. 计算机教育,2009,(11):135-138.
[6] 刘丽珏,陈白帆,王勇,等. 精益求精建设人工智能精品课程[J]. 计算机教育,2009,(17):69-71.
Exploration of Innovative Teaching Mode of Artificial Intelligence Elabrate Course
――Construction and Reformation in Elaborate Course of Artificial Intelligence
CHEN Bai-fan, CAI Zi-xing, LIU Li-jue
(Institute of Information Science and Engineering, Centnal South University, Changsha 410083, China)
【关键词】互联网信息时代 人工智能 应用研究
当前，世界已全面进入以大数据共享、信息爆炸为特点的互联网信息时代。富有智能化和人性化的计算机网络技术服务成为了人们青睐和关注的焦点。人工智能作为互联网信息时代凝聚高端技术的超值网络服务，在增强互联网安全性、提高网络操作自动化等方面意义重大。现阶段，已有更多行业领域的用户在应用人工智能，体验这一技术所带来的新生活。
1 人工智能简述
人工智能，即Artificial Intelligence，是现代社会特有的综合类前沿学科，交叉云集了计算机、网络技术、控制方法论、信息论、神经生物学、语言学等多学科知识，主要用来研究机器在思考、学习、规划等行为的拟人态进化，使之解决问题的能力大幅提升。人工智能发展至今已有超过60载岁月，其成就在整个历程中熠熠生辉，代表着人类文明的不断发展与超越。人工智能经历了三个阶段的发展变革：第一阶段是以人工智能驱动机器设备，代替或辅助人类思考并解答难题；第二阶段是研发智能机器人，处理不同系统及环境信息的交互工作，如不确定性信息的处理工作；第三阶段的代表成果就是数据挖掘系统，可实现海量模糊信息采集与分析，可视化技术发展迅猛，计算机具有自主学习能力。
2 人工智能的应用领域代表成就
任何一项技术的创新与发展，都源于人类开展生产生活的实际需求，人工智能技术的研究也不例外，发展至今已经为解决不同领域的实际需求提供了众多技术应用。目前，人工智能在下列应用领域中取得了代表性成就：
2.1 专家系统
专家系统，其实是由庞大的程序组编写完成的数据系统，广泛积累不同专业的知识经验，这些知识均可事先归纳分析，可按具体模式表示，从而帮助用户凭借领域专家的固有知识进行推理解决问题。专家系统可系统化分析输入信息并结合已有知识体系进行全面推理，提出建O性的决策建议，相当于发挥行业专家的作用。
2.2 数据库智能检索
人工智能想要做到全面模拟人类思维和动作，需要建设强大的数据库资源，便于及时开展智能检索。数据库基于计算机软件开展，存储了海量专业学科知识，也称之为知识库系统，一旦有用户需要查阅解决该学科的专业问题，都可通过智能检索功能实现快速精准地检索。
2.3 程序自动设计
自动化的程序设计就是借助更高规格高标准的程序设计系统来完成指定功能的程序设计，该系统需要用户输入所设计程序的需求目标，并对整个流程和架构有更为高级的描述，系统就能自动组织对应程序完成设计。高度自动化的程序设计编写方式，也展现了人工智能系统的思考、学习、修正自身缺陷的拟人态功能。
2.4 目标模式识别
模式识别，顾名思义正是为识别不同物体的特征是否匹配目标对象而具备的功能。现代计算机加强了模式识别系统功能，能够提高机器对外界信息的感知能力，不断接受外界信息，对所处环境的特征进行识别，加强概念理解。当前，目标模式识别已由二维向三维层面升级，为研究智能机器人提供了坚实的基础。
当然，人工智能的应用领域远不止上述这些，还在机器学习、机器视觉图像处理（machine vision）、自然语言理解（Natural Language Understanding）、自然信息博弈论等方面发挥着重要的作用。
3 不同行业的人工智能技术应用实例
目前，众多企业为求发展，与内部运营管理中加强了人工智能的应用，聚力解决各项问题，为企业赢得了经济效益，推动着社会发展。
3.1 企业管理应用
将人工智能应用于企业管理中，需要人的智能和人工智能之间的辩证关系，灵活运用工智能应用平台加强对企业内部各项管理智能软件的开发工作，借助灵活的人工智能技术帮助企业实施科学决策。
3.2 水利管理应用
人工智能能够在水情控制与洪灾预报中发挥作用。如可使用人工神经网络和遗传算法等技术，模拟汛期的最大洪峰与洪水总量，研究更有针对性的抗洪模型，提高了洪灾预报精度和汛期准度，有效发挥防洪降灾、拦洪储水的重要作用。同时，人工智能还能够分析大江大河的复杂地质与环境系统，对治理河流起到良好的辅助作用。
3.3 建筑行业应用
目前，建筑行业的用地规划、给排水工程、暖通空调工程、施工管理等内容都在应用人工智能。已有企业基于神经网络算法发明了结构节点探伤法，可查探建筑结构损伤度；也可在市政工程建设中不断强化正反向混合推理的理论思想，查明城市污水处理管网故障；可构建用于分析建筑工程性能效益的系统，加强建设项目性能效益预测和实际效益分析。
3.4 机械行业应用
人工智能同样成为互联网时代下的机械行业技术中的重头戏。如：人们利用人工神经网络算法，设计出土方工程的机械调度的优化方案；多个工程都可搭建含多目标的寻优函数模型。许多大型机械装置，都配置了人工智能操作平台，可提高安全风险监控水平，增强机械操作自动化，进一步优化生产效率。
3.5 商品销售预测应用
人工智能的各种函数模型或优化算法，可在商品销售金额的预测中发挥巨大作用。如：在计算机中输入不同商品某一时间段的销售额，形成非线性系统进行分析，评估各种影响因素。采用人工神经网络，不断放大自分布处理、自组织学习、自适应与自容错等特性，体现强大的预测功能。
当然，人工智能还广泛应用到电子网络技术应用、企业财务管理、航班信息查询、教学服务、心理咨询公路建设、焊接制造、等众多方面，为更多企业带来可观的经济效益。
4 结束语
互联网信息时代的人工智能应用，将会随着科技力量的不断壮大而实现更多的应用。人们应该高度重视人工智能理论与技术的探究，从而更好地为全人类服务。
参考文献
[1]何承.计算机网络技术中人工智能的应用探讨[J].信息通信，2016（03）：180-181.
[2]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016（12）：95-95.
[3]王宇飞，孙欣.人工智能的研究与应用[J].信息与电脑，2016（05）：115-117.
作者简介
李君，男，江西省上饶市人。上海财经大学浙江学院，主要从事教学软件管理类工作。
关键词：人工智能；教学内容；教学方法
中图分类号：G642 文献标识码：A
1 引言
人工智能(AI)是二十世纪五十年代后期兴起的利用计算机模拟人类智能活动去求解问题的学科，与空间技术、原子能技术一起被誉为二十世纪三大科学技术成就，目前广泛应用于专家系统、机器翻译、语音识别、文字识别、计算机视觉、机器人、电子游戏等方面，已经成为计算机技术发展以及许多高新技术产品中的核心技术。
为了适应人工智能技术日益广泛的需要，国内外高校普遍开设了“人工智能”方面的课程，特别是作为计算机方面专业的核心课程之一。我校自从1993年开始为自动化专业本科生开设“智能控制”选修课，1996年为自动化、计算机、机械等专业本科生开设“人工智能导论”、“人工智能及其应用”课程。目前，我校软件学院、信息学院、机电学院都开设了“人工智能导论”课程，已经成为计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其目的是使学生了解人工智能的基本概念和基本原理，初步学习和掌握人工智能的基本技术和前沿内容，拓宽知识面，启发思路，为学生提供最基本的人工智能技术和有关问题的入门性知识，提高学生应用开发软件的能力和水平，为今后在相关领域的研究和应用奠定更为坚实的基础。因此，建设好“人工智能导论”课程具有重要意义和很广的受益面。
由于人工智能是交叉学科，涉及面广、内容抽象、不易理解，学生往往有望而生畏的感觉，在教学过程中，老师教、学生学都比较吃力。为了更好地实现上述教学目标，提高本课程的教学质量，协调好教与学的双边关系，使学生由望而生畏的感觉，变为有用有趣的感觉，根据已有人工智能课程在教学与实践方面的经验和方法，结合“人工智能导论”课程的近几年教学实践，对课程的教学体系、教学内容、教学方法、教学手段、考核方式等方面进行了探索总结。
2 调整与优化教学体系和教学内容
“人工智能导论”是计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其研究领域及内容十分丰富，涉及的基础面广。因此如何选好教学内容，既能使学生了解本领域的概貌，又能适合学生的基础，便于他们在有限的时间完成学习任务，是一件重要而又困难的事情。
进入21世纪以来，人工智能学科又有了新的发展。为了及时反映人工智能研究和学科的最新进展，我们修订了“人工智能导论”的教学大纲，对教学内容进一步优化和更新，极大充实了各个系统的内容。我们确定的教学内容主要分为三部分：第1部分为概论，介绍人工智能的基本概念、基本内容、主要研究领域及发展过程；第2部分是知识表示，推理和搜索技术，讨论几种常用的知识表示方法、推理技术(包括确定性推理方法和不确定推理方法)和搜索求解策略；第3部分是人工智能应用研究领域，包括专家系统、自然语言理解、机器学习、人工神经网络、遗传算法等的基本概念和方法等。其中第2部分是基础理论，是人工智能的重要基础，应该循序学习。第3部分是人工智能的应用，由于每个研究内容都相对独立、自成体系且有其专门的学术著作研究、热点，因此针对高等院校的本专科生来说，不必循序学习，而且结合专业特点可以选择其中几个研究领域。例如对自动化专业的学生来说，可以选择专家系统、人工神经网络、遗传算法等，同时可增加在自动控制领域的应用，包括专家控制、神经网络控制和进化控制等热点：而对计算机科学与技术专业来说，可以选择专家系统、自然语言理解、机器学习等，并辅以动物识别系统、语音识别系统、智能机器人等实例。总之就是要把握课程性质和教学目的，调整本课程教学体系，优化教学内容，让学生以有限的时间学到人工智能的基础知识和基本方法。
另外，在选择和确定教学内容时必须兼顾基础知识和新兴技术，注意与相关课程(如离散数学、数据结构、概率论、自动控制原理、Matlab系统仿真、面向对象的编程技术等)的链接，密切理论与实际的关系，通过课堂讲授和课外训练，注意学生能力培养，提高他们的学习效果和整体素质。
3 加强课程立体化建设和系列教材研究
在课程的立体化建设中，教材充当了地基的角色，所有的课程内容安排，无不体现出以教材为基本，以教材为模板。所以本着基础、实用的原则，我们先后编著出版了《人工智能及其应用》课程教材导论部分概括性强，引人入胜；基础部分系统全面，叙述深入浅出，循序渐进；应用部分密切理论与实际关系，典型形象。其中第二版在第一版的基础上，增加了证据理论、模糊推理、神经网络等理论的一些典型应用，使学生能够更深入地理解和应用这些理论；另一方面，又新增了自然语言理解及其应用内容，以适应目前计算机翻译、人机自然语言交互等技术日益广泛应用的需要。系列教材适应了人工智能导论新课程开设的需要，反映了人工智能学科的发展，为人工智能课程确立了基本框架，发挥了重要作用。系列教材的问世不仅解决了本校“人工智能导论”课程教学用书的问题，而且也被各兄弟院校普遍采用，促进了该课程的普遍开设，推动人工智能学科的发展。
为了配合教材第二版的教学和自学，在已有教学经验和教学成果积累的基础上，制作了高质量的教学课件和完整的教学视频录像，并刻录成光盘随书供读者使用；同时又研究与开发了网络课程(http：//)，以更好地调动学生的学习兴趣和主动性，促进本课程的教学改革。
包括主教材、电子教案、教学视频录像、网络课程及教学资料库等在内的课程立体化建设符合二十一世纪高校教学的要求，支持教师提高教学手段现代化的水平，更贴合学生的学习需求。
4 改革与创新教学模式和教学方法
在“人工智能导论”课程教学的过程中，我们积极探索教学新路，经过数年辛勤试验，结合蔡自兴教授等对人工智能课程的建设经验，对课程的教学模式和教学方法进行了如下一些的改革与创新。
(1)通过多种途径激发学生的学习兴趣
“兴趣是最好的老师”，“人工智能导论”课程的学习效果，直接受到学生兴趣和参与意识的影响。由于这是一门导论性前沿课程，一般来说，学生开始学习兴趣很大。但是，当一些学生开始接触到抽象概念和算法时，往往感到不易接受。我们通过各种途径和方法，激发和培养学生的学习兴趣。例如，鼓励学生参与课堂讨 论、布置读书报告和课外实验、以问题为导向的启发式教学、专题讨论／辩论等形式。特别，我们精心组织和准备了模糊控制技术及其应用、智能机器人技术与应用、智能交通、BCI(脑机交互接口)等专题，以及智能调度软件、语音识别系统、动物识别系统、足球机器人比赛、机器人轨迹跟踪、倒立摆的智能控制等课内演示，使学生扩大了眼界，增加了感性知识，达到提高学生学习兴趣的目的与效果。
(2)面向问题的启发式教学
人工智能中的许多问题，有的似是而非，有的引人入胜。在教学中，有意识的提出相关问题，提请学生思考，鼓励学生提出自己的猜想和解决方案。然后逐步进入教材中的解决方案，启发学生求解这些问题，并进行分析和比较，从而强化了学生学习的主动意识和参与意识，提高了学生的学习积极性。例如，在讲到比较抽象的“遗传算法”时，提出“遗传算法如何用于优化计算?”这一问题。针对该问题，先从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用；然后通过一个简单的例子，从特殊到一般地启发学生思考“遗传”、“变异”和“选择”的实现，最终让学生与教师一起导出遗传算法用于优化计算的基本步骤。这样，学生不但从中学习了遗传算法，而且得到一次逻辑思维的训练，取得很好的教学效果。
(3)课堂辩论与交互式教学
组织课堂辩论，讨论的议题包括人工智能的应用前景和其他比较等有争议的问题。学生对这些问题展开了激烈的争论，激发了学习潜能，明确了学习目标。例如，为了加深学生对智能机器人内涵的理解，我们组织了“机器智能能否超过人类智能”的辩论会。会前正反双方结合本课程内容及其相关知识，认真进行准备；辩论会上正反双方唇枪舌战，激烈争辩，气氛热烈。辩论后，学生余意未尽，讨论热情不减。无论是哪一方获胜，都达到了预期的效果。教学中我们还注意采用了多种交互式策略，如课堂上教师提问可鼓励或指定学生提问，也可由学生自由地就某个知识点进行主题发言后老师点评等。
(4)个性化学习与因材施教
在本课程教学过程中注意对学生因材施教和个性化教学。例如，通过组织学生进行读书报告的形式，鼓励学生从多方面、多角度考虑问题，多提新颖思想，有意识地鼓励优秀学生探讨比较深层的内容，并辅导优秀学生将其成果以科技论文和发表文章的形式转化为成果。又如，在教学设计和实验设计中，注意要求学习有余力和兴趣的学生选作部分探索性、创新性的功课和实验(选学内容，如模糊控制器的设计、进化控制等)，从而引导学生发挥个性优势，达到因材施教的目的。同时注意分析学习较差的学生的具体困难，进行有针对性的指导。
(5)多媒体与网络教学的使用
本课程在PPT演示文稿和网络课程上，采用了大量的多媒体表现形式，如视频、动画、声音和图像等。目的在于使得人工智能抽象的知识形象化，便于学生理解。例如，课内让学生在线观看涂晓媛博士的计算机动画“人工鱼”的录像片段、人工生命Floy中生命智能体在环境中不断的适应进化构成演示等，有助于加深学生对所学知识的理解，促进教学水平的提高，激发了学生对课程的兴趣，使学生创新意识得到增强。此外，随教材附赠的教学光盘和开发的网络课程(http：//)提供了学生课外自学用的高质量的电子课件、完整的教学视频录像、丰富的实验和案例资料等，以更好地调动学生的学习兴趣和主动性。
(7)理论与实践结合
在教学内容安排上，注意理论联系实际，适时布置一些人工智能实验给学生进行课外练习。设计的课外实验包括产生式系统实验，归结反演实验，主观Bayes推理网络实验，A搜索实验，以及基于Maltab工具箱的模糊控制位置跟踪系统、两车追赶模糊控制系统、神经网络模式识别仿真、遗传算法优化计算等实验。通过实践和参与，保持学习兴趣，有助于学生对人工智能基本概念和难点的理解，掌握基本方法和技术，为从事智能系统应用开发打下基础，从而达到教学目的。例如，我们组织学生参观我们的研究生综合自动化实验室，观看机器人臂取物、倒立摆控制、语音识别软件、指纹识别软件、智能调度软件等演示，密切理论与实际的关系。
我们在教学改革实践中探索的这些教学方法，有利于充分激励学生的学习积极性和主动性，有利于鼓励学生发挥独立思考和创新思维，有利于多方位培养学生学习发现问题、分析问题和解决问题的能力。
5 运用多样化的教学手段和考核方式
5.1 多样化的教学手段
采用现代信息技术进行教学，构筑“人工智能导论”课程的现代教学模式，是本课程的主要特点之一。教学过程中采用了多媒体教学课件和网络课程相结合的方法，充分利用多媒体的丰富表现形式，利用网络课程的交互性、情景化等，进行教学。采用的方法包括：
(1)抽象知识内容的多媒体表示
通过动画和视频来演示抽象的概念、算法和过程，包括机器人轨迹跟踪、机器人臂取物、足球机器人比赛、倒立摆控制、“人工鱼”等录像片段，以及智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件演示。
(2)通过PPT撰写教案
精心编制PPT，组织好课件内容，做到图文并茂，提纲挈领，便于学生理解，便于教师讲授。
(3)开发与应用网络课程
“人工智能导论”网络课程较好的实现了交互性、在一定程度上实现了学习过程的情景化。在交互性方面，通过网络课程的课堂练习和章节练习，评价学生的学习情况，并给学生提出学习建议。在情景化方面，采用了在线答疑形式，使得学习过程丰富有趣。
(4)先进实验系统的观摩与演示
利用我们的研究成果等有利条件，有针对性地对学生进行成果演示(包括智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件)，使学生知道学了有用，而且很有用，很有趣，很有意义，从而进一步诱导学生的学习兴趣，巩固了课堂所学知识，提高了教学质量。
教学效果通过上述先进的现代信息技术的应用，不仅极大地提高了学生的学习兴趣和主动性，而且也取得很好的实际教学效果，提高教学质量。
5.2 作业、考试等教改举措
(1)改革作业方式与方法
改变过去那种单纯的书面习题作业，发展成为必须交给教师评阅的书面家庭作业、不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中上交作业通过网络进行，教师批阅后的作业也通过网络返回给学生，实现了作业呈交和返回的网络化。
(2)改革考试方式与方法
如何对本课程的考试方式进行改革一直是我们探索的问题。我们综合考虑课堂出勤情况(10％)、平时正式作业成绩(20％)和期末课程考试(70％)，进行综合评分。期末考试有时采用综合试题考试，出几个大题目让学生选择其中几个进行开卷笔试，当面交卷后评分；有时采用课外开卷论文结合或口试面试。最近，我们还对部分学生结合实验或实际问题提问等进行考核。我们正进一步改革、试验和探索，使考试成为衡量与培养创新能力，促进学生学习主动性和提高课程教学质量的重要环节。
关键词：知识表示与知识推理；教学设计；教学实践；数理逻辑；人工智能
知识表示与知识推理是智能信息处理的基础。从人工智能的角度看，知识是构成智能的基础，人类的智能行为依赖于利用已有的知识进行分析、猜测、判断和预测等。当人们希望计算机具有智能行为时，首先需要在计算机上表达人类的知识，然后再告诉计算机如何像人一样地利用这些知识。
自从人工智能领域诞生以来，知识表示与知识推理就一直是其中最为重要的子领域。经过五十多年的发展，知识表示与知识推理领域的许多研究内容、研究方法和研究成果已经深深渗入到计算机科学，进而对计算机学科的发展产生了深远的影响。例如，在C++、Java等面向对象程序设计语言中，“继承”这一最为核心的技术就来源于知识表示与知识推理。再如，在软件自动化领域，许多程序规格语言和程序验证技术都借鉴了知识表示与知识推理领域的Prolog语言等研究成果。从工程开发的角度看，专家系统、智能搜索引擎、智能控制系统、智能诊断系统、自动规划系统等具有所谓智能特征的系统都或多或少地依赖于知识表示与知识推理技术。因此，对于计算机专业的学生来说，学习知识表示与知识推理方面的课程，对于今后在相关领域从事系统开发和科学研究都大有裨益。
在ACM与IEEE-CS联合攻关组制订的计算教程CC2001(Computing Curricula 2001)中，知识表示与知识推理得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成：在其中的IS(Intelligent Systems)知识领域中，关于知识表示与知识推理的内容占据了10个知识单元中的2个，即知识单元“(Is3)知识表示与推理”以及知识单元“(IS5)高级知识表示与推理”。在ACM和IEEE-CS进一步修订后的计算机科学教程CS2008(Computer Science Curriculum 2008)中，知识表示与知识推理同样得到了高度重视。此外，在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中，上述的IS3和IS5两个知识单元被全部包括到计算机科学专业的核心课程“人工智能”中。然而，据我们了解，由于“人工智能”在许多高校仅仅作为专业任选课开设，使得计算机相关专业的许多学生无法接触到知识表示与知识推理方面的内容。与此同时，由于课时数限制及没有得到重视等因素，实际开设的“人工智能”课程(包括本科生课程和研究生课程)往往难以覆盖CC2001在知识单元IS3和IS5中列出的各个知识点。
实际上，经过五十多年的发展，知识表示与知识推理领域已经沉淀出一系列基本的方法、理论和技术；这些方法、理论和技术在CC2001的知识单元IS3和IS5中基本上都以知识点的形式列举了出来。作为计算机专业的教育工作者，我们有责任将这些体现了几代人智慧结晶的知识介绍给学生。另一方面，从研究者的角度来看，知识表示与知识推理是一个非常活跃的研究领域；尤其是随着Web技术的发展以及Web科学的出现，知识表示与知识推理将在计算机科学中扮演越来越重要的角色。面对万维网这个全球最大的分布式信息库，如何让计算机对其中海量的数据和信息进行分析、推理和管理，进而为人类提供方便的知识服务，是目前信息技术领域面临的一个重大问题。针对这个问题，国内外研究者基本上都是从人工智能的角度寻求解决思路；近年来成为研究热点的语义Web更是完全建立在知识表示与知识推理的基础上。因此，从开拓学生思维以及介绍研究与技术前沿的角度来看，也非常有必要向学生讲授知识表示与知识推理的相关内容。
基于以上认识，我们为计算机软件与理论专业和计算机应用技术专业一年级的硕士研究生开设了一门32课时的选修课程，以CC2001和CS2008列出的知识单元为核心，对知识表示与知识推理的相关内容进行教学。本文对教学设计和教学实践中遇到的主要问题进行分析，针对这些问题给出相应的解决对策，并对我们获得的经验和教训进行总结。
1 “知识表示与知识推理”知识体的教学设计
自上世纪九十年代以来，国内外许多高校就将“知识表示与知识推理”作为一门课程，面向研究生或高年级的本科生开设。其中比较著名的包括加拿大多伦多大学Hector J.Levesque教授开设的知识表示课程，美国斯坦福大学Leom Morgenstem教授开设的知识表示课程，英国曼彻斯特大学Ulrike Sattler教授等讲授的知识表示和推理课程，中山大学刘咏梅教授讲授的知识表示和推理课程等。但是，由于没有统一的课程设置标准，这些课程讲授的知识点都不尽相同。2000年，Leom Morgenstem和Richmond H.Thomason总结了开设知识表示与知识推理课程时面临的挑战，提出了相应的解决思路。其中，针对该课程缺乏统一的教学知识体的情况，他们设计了一个持续14周、每周2次课的教学大纲。在文献[5]中，Leora Morgenstem进一步修订了之前提出的教学大纲，建议在其中增加语义Web及Web本体语言OWL等内容。
尽管目前各高校开设的知识表示与知识推理课程的课程大纲仍然不尽相同，但比较可喜的是，对知识表示与知识推理的教学在CC2001计算教程中得到了高度重视。CC2001分别在“知识表示与推理”和“高级知识表示与推理”两个知识单元中列出了关于知识表示与知识推理的教学内容。知识单元“知识表示与推理”由以下知识点组成：命题逻辑和谓词逻辑回顾，归结原理与定理证明，非单调推理，概率推理，贝叶斯定理。知识单元“高级知识表示与推理”由以下知识点组成：结构化知识表示(包括对象与框架、描述逻辑和继承系统)，非单调推理(包括非经典逻辑、缺省推理、信念修正、偏好逻辑、知识源的集成、冲突信念的聚合)，对动作和变化的推理(包括情景演算、事件演算和分枝问题)，时态和空间推理，非确定性推理(包括概率推理、贝叶斯网络、粗糙集和可能性理论、决策理论)，针对诊断的知识表示与定性知识表示。在CC2001的基础上，CS2008在知识单元“知识表示与推理”中增加了合一与提升、前向链接、反向链接以及归结等知识点；在知识单元“高级知识表示与推理”中增加了本体工程和语义网络两个 知识点。
以CC2001和CS2008列出的知识点为基础，在综合考察了国内外相关课程的开设情况之后，我们对“知识表示与知识推理”课程的教学内容及相应的学时分配设计如下。
1)概述(2学时)。介绍知识表示与知识推理领域的发展历史、现状和前景：讲授知识表示的基本思路和基本原理；介绍知识表示方法和技术的典型应用：列举典型的采用了知识表示技术的系统，与没有采用知识表示技术的系统进行比较分析。
2)基于一阶谓词逻辑的知识表示和推理(4学时)。讲授一阶谓词逻辑的语法、语义和语用；通过例子讲授如何应用一阶谓词逻辑进行知识表示；讲授如何应用消解原理进行知识推理；讲授如何应用Tableau算法进行知识推理；分析一阶谓词逻辑存在的局限。
3)Horn子句逻辑与产生式系统(2学时)。讲解Horn子句及其过程解释；介绍SLD归结以及分别采用反向链和正向链的推理过程；通过例子讲授如何应用Horn子句逻辑进行知识表示和推理；对Prolog语言进行简单介绍；通过例子介绍如何应用产生式系统进行知识表示和推理。
4)结构化知识表示(6学时)。介绍对象与框架，介绍基本的框架形式系统：介绍语义网络，对推理过程中的继承机制进行介绍。介绍描述逻辑家族的研究历史和发展现状；以逻辑系统ALC为例，讲解描述逻辑的语法和语义；通过例子讲授如何应用描述逻辑进行知识表示；讲授如何应用Tableau算法对描述逻辑刻画的知识进行推理。
5)非单调知识表示和推理(4学时)。介绍非单调性推理的研究历史；讲解封闭世界假设与开放世界假设；讲解缺省推理和限定推理；对自认知逻辑、偏好逻辑和真值维持系统进行介绍；对信念修正、知识源的集成以及冲突信念的聚合进行介绍。
6)非确定知识表示和推理(4学时)。对模糊逻辑进行介绍；讲授概率推理和主观贝叶斯方法；对粗糙集、可能性理论和决策理论进行介绍。
7)解释与诊断(2学时)。讲授反绎推理的基本思路，将其与演绎推理和归纳推理进行比较分析；以一个电路系统为例，讲授如何在知识表示的基础上采用反绎推理进行故障诊断。
8)动作与规划(4学时)。介绍动作与规划领域的研究历史和发展现状；讲授如何在STRIPS系统中对动作进行刻画以及如何进行规划求解：讲授如何应用情景演算和事件演算对动作进行刻画、推理、及规划求解；对框架问题、条件问题和分枝问题进行介绍；对规划语言PDDL进行介绍。
9)时态和空间推理(2学时)。对时间点／时间段、离散／连续、有限／无限、线性／分支等表示时态信息的不同方式进行介绍；对Allen的区间代数理论进行介绍；对线性时态逻辑和分支时态逻辑进行介绍；对基于点／基于区域、离散／连续、有限／无限、同维／混合维等表示空间信息的不同方式进行介绍；对区域连接演算RCC进行介绍；对时态与空间推理的结合进行简单介绍。
10)语义Web和本体工程(2学时)。介绍语义Web的基本思想、技术现状和发展趋势；讲授语义Web的层次模型以及各个层次的目标和功能；对资源描述框架RDF、Web本体语言OWL、Web规则标记语言RIF、Web查询语言SPARQL等进行介绍。对本体的构建、管理和维护进行介绍。
上述教学内容的基本特点是覆盖了CC2001和CS2008列出的关于知识表示与推理的所有知识点。此外，我们将目前作为计算机科学和人工智能领域研究热点的语义Web等内容引入了课堂教学，不仅可以将相关研究前沿展示在学生面前，而且还可以让学生更加深刻地体会学习知识表示与知识推理的价值，进一步激发他们的学习热情。另一方面，上述教学内容存在的一个缺陷是内容过多。由于受到课时数的限制，部分内容在讲授时不能充分展开，留给学生课堂练习和讨论的时间不充裕。
2 教学实践中的主要问题及对策
在围绕“知识表示与知识推理”知识体开展教学实践时，我们遇到的问题主要来自以下几个方面：教师和学生对“人工智能”课程以及其中的“知识表示与知识推理”知识体不重视，缺乏合适的教材，学生缺乏必要的基础知识。下面对这些问题进行逐一分析，对我们采取的对策进行相应介绍。
2.1 师生对“人工智能”课程不重视
许多教师和学生对“人工智能”课程不够重视，甚至存在偏见。我们觉得，这种现状很大程度上是由人工智能自身的发展历程造成的。人工智能领域刚诞生时就被赋予过高的期望；早期的研究者也过于乐观地给出了一些不切实际的承诺。由于不能在短期内实现过高的目标和兑现相应的承诺，使人工智能领域在上世纪80年代末90年代初一度跌入低谷，甚至达到了声名狼藉的地步。这一特殊的发展历程使得一部分对人工智能了解不多的教师和学生产生误解，认为人工智能是一个比较务虚的领域。这种误解甚至影响到“人工智能”课程的开设。目前，在许多高校计算机相关专业的课程设置中，“人工智能”往往只作为选修课程开设，没有得到教师和学生的普遍重视。
实际上，从信息技术发展规律的角度来看，人工智能的上述发展历程是很正常的。根据市场权威研究机构Gartner给出的“技术成熟度曲线”(hype cycle)理论，一项新的IT技术在产生之后，一般先是默默无闻地奋力发展几年，然后会由于被大家寄予很高的期望而迅速火爆起来，接着会因为没能兑现过高的承诺而跌入谷底，最后会再次崛起并由于过硬的成就而被大众普遍接受。人工智能已经经历了从默默无闻到迅速火爆再到跌入谷底的发展过程，目前正处于再次崛起的阶段，并且将通过不断取得的成就而被大众普遍接受。
人工智能的教学在CC2001和CS2008中得到了高度重视。CC2001给出的计算机科学知识体由14个知识领域组成，作为其中的知识领域之一，智能系统(即人工智能)与离散结构、程序设计、操作系统、计算机体系结构等已经得到普遍重视的知识领域具有了相同的地位。在我国高等学校计算机科学与技术教学指导委员会制定的计算机专业规范中，也将“人工智能”作为了计算机科学专业的核心课程。但是，对人工智能相关知识的传播需要一个长期的过程，仍然需要广大科研和教育工作者的不懈努力。
2.2 师生对“知识表示与知识推理”知识体不重视
即便部分教师和学生认识到人工智能知识领域的重要性，但对于其中的“知识表示与知识推理”知识体仍然不够重视，认为没有必要专门通过一门课程进行教学。
针对这个问题，我们可以对人工智能领域的发展历程作进一步考察。我们知道，人工智能领域的诞生就是从知识表示和知识推理开始的。在1956年标志着人工智能诞生的Dartmouth会议上，Herbert Simon和Allen Newell展示的“逻辑理论家”就依赖于知识表示和知识推理。在此之后的五十多年中，知识表示与知识推理就一直是人工智能中最为重要的子领域。相 应的一个佐证是，1966年到2009年期间，在获得图灵奖的56名科学家中，Marvin Minsky、John Mccarthy、Herbert Simon、Allen Newell、Edward Feigenbaum和Raj Reddy等6名科学家都在知识表示与知识推理领域取得了开创性的研究成果。
知识表示与知识推理的重要性在CC2001和CS2008中同样得到了体现。CC2001给出的“智能系统”知识领域由以下10个知识单元组成：智能系统中的基本问题、搜索与约束求解、知识表示与推理、高级搜索、高级知识表示与推理、智能主体、自然语言处理、机器学习与神经网络、人工智能规划系统、机器人；C$2008在CC200I的基础上增加了智能感知这个知识单元。其中，关于知识表示和知识推理的教学内容不仅占据了两个知识单元，而且在智能主体、人工智能规划系统、机器人等知识单元中也占据了相应的多个知识点的位置。由于32课时的人工智能选修课程通常只能对上述知识单元作一个概要性的介绍，对于想进一步深入学习的学生，在有条件的情况下，我们完全有必要开设一门关于“知识表示与知识推理”的课程。另外，从上一节给出的教学设计可以看出，如果要覆盖CC2001和CS2008给出的关于知识表示与知识推理的所有知识点，一门32课时的课程在时间上还很不够用。因此，基于以上分析，我们希望“知识表示与知识推理”的教学首先能够得到相关教师的认可和重视，然后通过课程设置等途径逐渐吸引学生的关注，并在教学过程中激发起学生的学习兴趣和热情。
2.3 缺少合适的教材
尽管CC2001和CS2008详细地列出了关于知识表示与知识推理的主要知识点，但是，据我们所知，目前还没有出现完全覆盖这些知识点的合适教材，而中文的相关教材更是缺乏。
在参考了多方面的资料之后，我们选择了Ronald Brachman和Hector Levesque撰写的《Knowledge Representation and Reasoning》作为教材。Ronald Brachman和Hector Levesque都是知识表示与知识推理领域的著名学者。其中，Ronald Brachman于1977年在哈佛大学攻读博士学位时提出了KL-ONE系统，开创了目前成为研究热点的描述逻辑领域，之后于2003年担任了美国人工智能学会的主席，目前是ACM院士、雅虎全球研究运营副总裁。Hector Levesque在知识表示领域也做出了许多开创性的研究成果，曾于2001年担任人工智能顶级会议IJCAI的主席，于2006年当选加拿大皇家学会会士。除了时态和空间推理以及本体工程这两个知识点之外，CC2001和CS2008中列出的其他关于知识表示与知识推理的知识点，在《Knowledge Representation and Reasoning》中都基本上得到了体现。另外，为了在课程中向学生介绍语义Web方面的知识，我们选择了Grigoris Antoniou和Frank van Harmelen撰写的《A Semantic Web Primer》作为参考书目。
2.4 学生缺乏必需的基础知识
知识表示与知识推理的核心思想是采用形式语言(尤其是逻辑语言)对知识进行刻画和推理，因此要求学生在学习该课程前具有扎实的数理逻辑基础知识。
尽管数理逻辑对于整个计算机学科来说具有非常重要的作用，但在目前计算机相关专业的课程设置中，数理逻辑往往只作为离散数学课程的一个部分进行教学，在课时数量上非常有限。此外，从教材的角度来看，大部分离散数学教材的数理逻辑部分主要介绍命题逻辑的相关知识，而且只介绍命题逻辑联结词、范式、等值演算、自然推理系统等最基本的内容；对一阶谓词逻辑以及命题逻辑中更为深入的内容介绍得很少，甚至不介绍。这些内容对于学习知识表示与知识推理知识体来说远远不够。例如，根据我们在讲授“知识表示与知识推理”之前的调查，许多研究生对于一阶谓词逻辑的语法与语义等基本概念都还比较模糊，对于消解原理、Tableau方法、可满足性问题等内容更是没有接触过。
针对上述问题，除了原计划关于一阶谓词逻辑知识表示的4个课时之外，我们临时增加了2个课时的课堂教学，为学生补充命题逻辑的语法和语义、公式可满足性问题、Tableau判定算法、基于消解原理的判定算法等内容。由于受到课时的限制，许多重要的结论及其证明过程无法在课堂上详细阐述。
值得一提的是，由于研究课题的需要，我们组织部分研究生一起学习了John Bell和Moshe Machover撰写的著名教材《A Course in Mathematical Logic》。在学习这本教材时，我们将研究生分为三个小组，让各个小组自学该教材，对其中的引理、定理以及问题(Problem)进行证明或求解，然后在每周一次的学习班上使用黑板讲解他们的证明或求解过程。在3个月的时间里，将这本教材中的第一章和第二章学完后，这些研究生的数理逻辑知识明显上了一个台阶。在之后学习知识表示与知识推理的过程中，这部分研究生的学习效果也明显好得多。在今后的教学中，我们希望计算机相关专业的研究生能够先学习一门数理逻辑方面的课程，然后再学习知识表示与知识推理课程。
3 结语
【关键词】高中信息技术 理论课 教学建议
【中图分类号】G 【文献标识码】A
【文章编号】0450-9889（2016）10B-0144-02
高中信息技术课的理论课是整个信息技术教学的基础，在学生的学习中具有重要的地位，是学生需要掌握的基本的信息技术理论知识。学生只有掌握了理论知识，并将其与实践操作结合起来，才能提高自身的信息技术素养，提高信息技术实践技能。然而高中信息技术理论课枯燥乏味，学生对理论学习感觉单调，提不起兴趣，教学效果不甚理想。对此，教师应分析高中信息技术理论课的特点，深度挖掘高中信息技术理论课的内容，采取多样化的教学策略，让课堂变得丰富多彩，让学生能够从中获取更多有用的信息知识，提高教学效果。
一、信息技术理论课的特点
（一）理论知识点繁多
高中信息技术理论课涉及的知识面广、点多，有基本的概念、原理，有网络基础知识，有程序设计，等等，信息技术理论课各个知识点相对独立，模块性较为突出。理论知识点看似简单，实则抽象难懂。它虽然不像别的学科那样联系紧密，但各个知识点之间也存在一定的关联性。学生学习完某一个知识点之后，也能够在原有知识的基础上学习新的知识。因此，教师要让学生掌握这些知识，在教学时就要讲究方式方法。只有这样，学生才能掌握知识并应用知识。
（二）理论知识内容抽象
在信息技术教学中，常常会遇到一些抽象的信息技术知识和概念，教师较难用言语表述出来，学生理解起来十分困难，如计算机病毒、网络协议、开放式系统互联等。学生在学习过程中，对这些概念的含义不甚理解，也不知道它们之间有什么联系与区别。这些概念、定义较为抽象，因此学生更愿意选择学习操作技术，并对此感兴趣，而不去理会相应的理论知识。
（三）学生基础不同，教学存在困难
有的教师认为，高中生已经具备了一定的信息技术基础，但实际上由于学生的基础不同，因此存在差异，如操作技能的差异、学习经历的差异、学习态度的差异等。教学时，信息技术基础较差的学生需要掌握的内容较多，一时之间难以完全接受，由此教师感到任务繁重。基础较好的学生会觉得所学内容过于浅显，有的甚至是熟悉的知识，因而学习兴趣不大。种种因素导致教师在设计教学内容、制订教学进度、确定教学重难点方面出现困难，从而影响教学效率。
二、信息技术理论课的教学原则
（一）以课标理念为指导，以考试大纲为参考
首先，课标是教师实施信息技术教学的基础，它对高中信息技术教学的性质、教学目标、教学内容做了规定，并且给出了相应的教学建议，对教师的教学活动具有一定的指向和引导作用。因此，教学信息技术理论课时，教师要依据课标的要求设计教学、实施教学、开展评价，掌握教学要求和教学目标，并有针对性地实施教学。其次，高中信息技术课程会考或等级考试的内容既有理论知识，又有实践操作，教师要以考试大纲为参考，在备课时重点把握学生考试时需要掌握的理论内容，同时结合信息技术会考或等级考试的内容、试题特点、试卷结构等，设计教学内容，进行教学评价，使学生通过考试达到毕业要求。
（二）以学生为主体，促进学生的发展
学生是教学的对象，也是学习活动的主体，因此，教学活动要体现学生的主体地位，促进学生的发展。首先，教师要依据学生的学习水平、学习特点、个性需求等，设计符合学生需求的教学内容，并对教学内容进行适当的调整，对重点内容进行精讲，多进行师生互动，引发学生学习的兴趣，培养学生的信息技术素养。其次，教学抽象难懂的知识时，可以先让学生接触与学习相关的具体形象的事物，调动学生的已有知识和经验，使新知与旧知建立起联系，从而抽象出相应的知识概念。另外，教师还要选取学生喜闻乐见的教学方式，促进学生的个性化发展。
（三）以教材为依据，拓展课程资源
教材是教学的依据，高中信息技术理论课程不仅有教材，而且还是相应的辅助教材，如教参、视听材料等。教学前，教师要熟读教材，全面掌握教材内容、结构，确定教学目标、教学重点和教学难点；教学时，要充分利用教材，必要时可对教材里的内容顺序进行调整，对教学内容进行取舍，还可以进行相应的拓展、延伸，丰富教学内容。由于信息技术教材版本多样，教师在教学中可多参考其他版本的教材、视听资料或教学网站，整合教学资源，取其精华为我所用。
三、信息技术理论课的教学建议
教学高中信息技术理论课，教师纯粹地讲解理论知识，要求学生认真倾听，未必能够收到良好的教学效果。教学时，教师必须学会分析学生的学情及信息技术理论课的特点，通过整合教学资源，以课标和考纲为依据，采取多样化的教学方法开展教学，引发学生学习的兴趣，从而提高教学效率。
【关键词】智能技术 电气自动化 控制系统
计算机科学技术的一个重要分支是智能技术，智能技术的实现是依托计算机系统，通过模拟人工智能，促使机器做出智能化反应。目前，智能技术在电气自动化控制系统中已经得到广泛使用，有效解决了传统技术难以解决的难题，电气自动化控制系统的安全性和稳定性有了极大提高。鉴于此，要在未来发展过程中积极推行智能技术，加大在电气自动化系统中的运用力度，加快我国电气行业的发展进程。
1 智能技术运用效益的评价
智能技术功能的有效发挥可以帮助人们完成远程监控，对电气自动化控制系统实现在线监测。将智能技术应用于电气自动化控制系统中，自动化体系建设资金投入大大降低，运营效率也会显著提高，并且可以接受并且完成更多不同的任务，目前，已经得到各行业的实践认可。智能技术在电气自动化系统中的应用水平，受到计算机技术的直接影响，原因在于自动化系统主要依赖智能技术完成生产过程和电气运行的在线监测。工业生产过程中如果生产问题能够被及时发现，并且提交给管理部门，这样可以从根本上帮助企业消除安全隐患，避免不必要的经济损失，进而提升企业经营效益。由此可见，智能技术应用于电气自动化控制系统中可以促进企业健康稳定发展。
2 电气自动化控制系统设计
2.1 架构设计
在电气设计的角度分析，电气自动化控制系统的设计较为复杂，需要涉及多个学科和领域的知识，这就要求程序员在掌握过硬专业技术能力的同时，还要扎实掌握专业的电气知识，设计人员工作过程中要经常与编程人员共同深入实践进行操作实验，熟练掌握操作过程，分析操作要点，预防操作不当，并且针对易引起操作不当的部分予以改进。对于电气编程，编程人员首先要学习计算机理论，掌握专业的计算机语言，才能够编写出科学的智能化控制程序。电气自动化控制系统与控制程序息息相关，自动控制可以大大减少人工控制时间，充分利用智能技术更是可以提高电气设备运行的稳定性。系统流程如图1所示。
2.2 功能设计及应用
电气自动化系统的智能数据采集技术，让人们告别了人工数据控制，数据的采集可以方便利用终端设备和控制平台实现，并且第一时间记录下采集的数据，输入到自动化设备中执行动作，自动化控制效率得到了大大提高。
电气自动化控制系统中智能监控技术和预警技术是核心技术，由于电气设备运行过程中不需要人工巡查，智能技术则成为电气设备运行期间的唯一安全保障。电气自动化设备借助于智能监控技术能够实现自动预警，确保设备始终处于安全稳定运行状态，避免发生重大安全事故。
电气自动化控制系统应用的另外一项重要技术是智能故障录波技术，电气设备运行过程中可以对设备故障录波和记录，并且能够智能捕捉波形，提高了电气自动化控制系统运行科学性，省去了繁琐的人工故障记录，提高了维护效率。
3 总结
综上所述，电气自动化系统中应用智能技术，有效提高自动化设备运行的安全性和稳定性。本文针对当前智能技术进行评价分析，然后以工业电气为研究对象，对电气自动化控制系统架构及功能应用进行分析，试图为之提供行之有效的可行性建议。实践证明，随着科学技术的进一步发展，更多新型的技术将会应用到电气自动化控制系统中，电气自动化控制系统将会向着更好的方向发展。
参考文献
[1]徐典友.浅析人工智能在电气自动化中的运用[J].信息通信，2015（01）.
[2]王海杰.论工业生产中电气自动化重要作用及趋势展望[J].科技展望，2015（03）.
[3]任铭.电气自动化控制中的人工智能技术研究[J].中国科技投资，2013（11）.
[4]潘正昊.气工程及其自动化技术下的电力系统自动化发展分析[J].科技创新与应用，2017（10）.
[5]徐建俊.基于“双证融通”的高职人才培养课程新体系的构建――电气自动化技术专业[A].第6届全国高等学校电气工程及其自动化专业教学改革研讨会论文集（上册）[C].2009.
作者简介
马逸然（1996-），山东省济南市人。大学本科学历。山东科技大学。研究方向为电气工程及其自动化。
【关键词】法理学/法律推理/人工智能
【正文】
一、人工智能法律系统的历史
计算机先驱思想家莱布尼兹曾这样不无浪漫地谈到推理与计算的关系：“我们要造成这样一个结果，使所有推理的错误都只成为计算的错误，这样，当争论发生的时候，两个哲学家同两个计算家一样，用不着辩论，只要把笔拿在手里，并且在算盘面前坐下，两个人面对面地说：让我们来计算一下吧！”（注：转引自肖尔兹著：《简明逻辑史》，张家龙译，商务印书馆1977年版，第54页。）
如果连抽象的哲学推理都能转变为计算问题来解决，法律推理的定量化也许还要相对简单一些。尽管理论上的可能性与技术可行性之间依然存在着巨大的鸿沟，但是，人工智能技术的发展速度确实令人惊叹。从诞生至今的短短45年内，人工智能从一般问题的研究向特殊领域不断深入。1956年纽厄尔和西蒙教授的“逻辑理论家”程序，证明了罗素《数学原理》第二章52个定理中的38个定理。塞缪尔的课题组利用对策论和启发式探索技术开发的具有自学习能力的跳棋程序，在1959年击败了其设计者，1962年击败了州跳棋冠军，1997年超级计算机“深蓝”使世界头号国际象棋大师卡斯帕罗夫俯首称臣。
20世纪60年代，人工智能研究的主要课题是博弈、难题求解和智能机器人；70年代开始研究自然语言理解和专家系统。1971年费根鲍姆教授等人研制出“化学家系统”之后，“计算机数学家”、“计算机医生”等系统相继诞生。在其他领域专家系统研究取得突出成就的鼓舞下，一些律师提出了研制“法律诊断”系统和律师系统的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）
1970年Buchanan&Headrick发表了《关于人工智能和法律推理若干问题的考察》，一文，拉开了对法律推理进行人工智能研究的序幕。文章认为，理解、模拟法律论证或法律推理，需要在许多知识领域进行艰难的研究。首先要了解如何描述案件、规则和论证等几种知识类型，即如何描述法律知识，其中处理开放结构的法律概念是主要难题。其次，要了解如何运用各种知识进行推理，包括分别运用规则、判例和假设的推理，以及混合运用规则和判例的推理。再次，要了解审判实践中法律推理运用的实际过程，如审判程序的运行，规则的适用，事实的辩论等等。最后，如何将它们最终运用于编制能执行法律推理和辩论任务的计算机程序，区别和分析不同的案件，预测并规避对手的辩护策略，建立巧妙的假设等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在这一时期主要沿着两条途径前进：一是基于规则模拟归纳推理，70年代初由WalterG.Popp和BernhardSchlink开发了JUDITH律师推理系统。二是模拟法律分析，寻求在模型与以前贮存的基础数据之间建立实际联系，并仅依这种关联的相似性而得出结论。JeffreyMeld-man1977年开发了计算机辅助法律分析系统，它以律师推理为模拟对象，试图识别与案件事实模型相似的其他案件。考虑到律师分析案件既用归纳推理又用演绎推理，程序对两者都给予了必要的关注，并且包括了各种水平的分析推理方法。
专家系统在法律中的第一次实际应用，是D.沃特曼和M.皮特森1981年开发的法律判决辅助系统(LDS)。研究者探索将其当作法律适用的实践工具，对美国民法制度的某个方面进行检测，运用严格责任、相对疏忽和损害赔偿等模型，计算出责任案件的赔偿价值，并论证了如何模拟法律专家意见的方法论问题。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）
我国法律专家系统的研制于20世纪80年代中期起步。（注：钱学森教授：《论法治系统工程的任务与方法》（《科技管理研究》1981年第4期）、《社会主义和法治学与现代科学技术》（《法制建设》1984年第3期）、《现代科学技术与法和法制建设》（《政法论坛》）1985年第3期）等文章，为我国法律专家系统的研发起了思想解放和理论奠基作用。）1986年由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》被确定为国家社科“七五”研究课题，它在建立盗窃罪量刑数学模型方面取得了成果。在法律数据库开发方面，1993年中山大学学生胡钊、周宗毅、汪宏杰等人合作研制了《LOA律师办公自动化系统》。（注：杨建广、骆梅芬编著：《法治系统工程》，中山大学出版社1996年版，第344-349页。）1993年武汉大学法学院赵廷光教授主持开发了《实用刑法专家系统》。（注：赵廷光等著：《实用刑法专家系统用户手册》，北京新概念软件研究所1993年版。）它由咨询检索系统、辅助定性系统和辅助量刑系统组成，具有检索刑法知识和对刑事个案进行推理判断的功能。
专家系统与以往的“通用难题求解”相比具有以下特点：(1)它要解决复杂的实际问题，而不是规则简单的游戏或数学定理证明问题；(2)它面向更加专门的应用领域，而不是单纯的原理性探索；(3)它主要根据具体的问题域，选择合理的方法来表达和运用特殊的知识，而不强调与问题的特殊性无关的普适性推理和搜索策略。
法律专家系统在法规和判例的辅助检索方面确实发挥了重要作用，解放了律师一部分脑力劳动。但绝大多数专家系统目前只能做法律数据的检索工作，缺乏应有的推理功能。20世纪90年代以后，人工智能法律系统进入了以知识工程为主要技术手段的开发时期。知识工程是指以知识为处理对象，以能在计算机上表达和运用知识的技术为主要手段，研究知识型系统的设计、构造和维护的一门更加高级的人工智能技术。（注：《中国大百科全书·自动控制与系统工程》，中国大百科全书出版社1991年版，第579页。）知识工程概念的提出，改变了以往人们认为几个推理定律再加上强大的计算机就会产生专家功能的信念。以知识工程为技术手段的法律系统研制，如果能在法律知识的获得、表达和应用等方面获得突破，将会使人工智能法律系统的研制产生一个质的飞跃。
人工智能法律系统的发展源于两种动力。其一是法律实践自身的要求。随着社会生活和法律关系的复杂化，法律实践需要新的思维工具，否则，法律家（律师、检察官和法官）将无法承受法律文献日积月累和法律案件不断增多的重负。其二是人工智能发展的需要。人工智能以模拟人的全部思维活动为目标，但又必须以具体思维活动一城一池的攻克为过程。它需要通过对不同思维领域的征服，来证明知识的每个领域都可以精确描述并制造出类似人类智能的机器。此外，人工智能选择法律领域寻求突破，还有下述原因：(1)尽管法律推理十分复杂，但它有相对稳定的对象（案件）、相对明确的前提（法律规则、法律事实）及严格的程序规则，且须得出确定的判决结论。这为人工智能模拟提供了极为有利的条件。(2)法律推理特别是抗辩制审判中的司法推理，以明确的规则、理性的标准、充分的辩论，为观察思维活动的轨迹提供了可以记录和回放的样本。(3)法律知识长期的积累、完备的档案，为模拟法律知识的获得、表达和应用提供了丰富、准确的资料。(4)法律活动所特有的自我意识、自我批评精神，对法律程序和假设进行检验的传统，为模拟法律推理提供了良好的反思条件。
二、人工智能法律系统的价值
人工智能法律系统的研制对法学理论和法律实践的价值和意义，可以概括为以下几点：
一是方法论启示。P.Wahlgren说：“人工智能方法的研究可以支持和深化在创造性方法上的法理学反思。这个信仰反映了法理学可以被视为旨在于开发法律分析和法律推理之方法的活动。从法理学的观点看，这种研究的最终目标是揭示方法论的潜在作用，从而有助于开展从法理学观点所提出的解决方法的讨论，而不仅仅是探讨与计算机科学和人工智能有关的非常细致的技术方面。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模拟法律推理的过程中，法学家通过与工人智能专家的密切合作，可以从其对法律推理的独特理解中获得有关方法论方面的启示。例如，由于很少有两个案件完全相似，在判例法实践中，总有某些不相似的方面需要法律家运用假设来分析已有判例与现实案件的相关性程度。但法学家们在假设的性质问题上常常莫衷一是。然而HYPO的设计者，在无真实判例或真实判例不能充分解释现实案件的情况下，以假设的反例来反驳对方的观点，用补充、删减和改变事实的机械论方法来生成假设。这种用人工智能方法来处理假设的办法，就使复杂问题变得十分简单：假设实际上是一个新的论证产生于一个经过修正的老的论证的过程。总之，人工智能方法可以帮助法学家跳出法理学方法的思维定势，用其他学科的方法来重新审视法学问题，从而为法律问题的解决提供了新的途径。
二是提供了思想实验手段。西蒙认为，尽管我们还不知道思维在头脑中是怎样由生理作用完成的，“但我们知道这些处理在数字电子计算机中是由电子作用完成的。给计算机编程序使之思维，已经证明有可能为思维提供机械论解释”。（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）童天湘先生认为：“通过编制有关思维活动的程序，就会加深对思维活动具体细节的了解，并将这种程序送进计算机运行，检验其正确性。这是一种思想实验，有助于我们研究人脑思维的机理。”（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）人工智能法律系统研究的直接目标是使计算机能够获取、表达和应用法律知识，软件工程师为模拟法律推理而编制程序，必须先对人的推理过程作出基于人工智能理论和方法的独特解释。人工智能以功能模拟开路，在未搞清法律家的推理结构之前，首先从功能上对法律证成、法律检索、法律解释、法律适用等法律推理的要素和活动进行数理分析，将法理学、诉讼法学关于法律推理的研究成果模型化，以实现法律推理知识的机器表达或再现，从而为认识法律推理的过程和规律提供了一种实验手段。法学家则可以将人工智能法律系统的推理过程、方法和结论与人类法律推理活动相对照，为法律推理的法理学研究所借鉴。因此，用人工智能方法模拟法律推理，深化了人们对法律推理性质、要素和过程的认识，使法学家得以借助人工智能科学的敏锐透镜去考察法律推理的微观机制。正是在这个意义上，BryanNiblett教授说：“一个成功的专家系统很可能比其他的途径对法理学作出更多的（理论）贡献。”（注：BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）
三是辅助司法审判。按照格雷的观点，法律专家系统首先在英美判例法国家出现的直接原因在于，浩如烟海的判例案卷如果没有计算机编纂、分类、查询，这种法律制度简直就无法运转了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其实不仅是判例法，制定法制度下的律师和法官往往也要为检索有关的法律、法规和司法解释耗费大量的精力和时间，而且由于人脑的知识和记忆能力有限，还存在着检索不全面、记忆不准确的问题。人工智能法律系统强大的记忆和检索功能，可以弥补人类智能的某些局限性，帮助律师和法官从事相对简单的法律检索工作，从而极大地解放律师和法官的脑力劳动，使其能够集中精力从事更加复杂的法律推理活动。
四是促进司法公正。司法推理虽有统一的法律标准，但法官是具有主观能动性的差异个体，所以在执行统一标准时会产生一些差异的结果。司法解释所具有的建构性、辩证性和创造性的特点，进一步加剧了这种差异。如果换了钢铁之躯的机器，这种由主观原因所造成的差异性就有可能加以避免。这当然不是说让计算机完全取代法官，而是说，由于人工智能法律系统为司法审判提供了相对统一的推理标准和评价标准，从而可以辅助法官取得具有一贯性的判决。无论如何，我们必须承认，钢铁之躯的机器没有物质欲望和感情生活，可以比人更少地受到外界因素的干扰。正像计算机录取增强了高考招生的公正性、电子监视器提高了纠正行车违章的公正性一样，智能法律系统在庭审中的运用有可能减少某些现象。
五是辅助法律教育和培训。人工智能法律系统凝聚了法律家的专门知识和法官群体的审判经验，如果通过软件系统或计算机网络实现专家经验和知识的共享，便可在法律教育和培训中发挥多方面的作用。例如，(1)在法学院教学中发挥模拟法庭的作用，可以帮助法律专业学生巩固自己所学知识，并将法律知识应用于模拟的审判实践，从而较快地提高解决法律实践问题的能力。(2)帮助新律师和新法官全面掌握法律知识，迅速获得判案经验，在审判过程的跟踪检测和判决结论的动态校正中增长知识和才干，较快地接近或达到专家水平。(3)可使不同地区、不同层次的律师和法官及时获得有关法律问题的咨询建议，弥补因知识结构差异和判案经验多寡而可能出现的失误。(4)可以为大众提供及时的法律咨询，提高广大人民群众的法律素质，增强法律意识。
六是辅助立法活动。人工智能法律系统不仅对辅助司法审判有重要的意义，而且对完善立法也具有实用价值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，伦敦大学Imperial学院的逻辑程序组将1981年英国国籍法的内容形式化，帮助立法者发现了该法在预见性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法辅助系统如能应用于法律起草和法律草案的审议过程，有可能事先发现一些立法漏洞，避免一个法律内部各种规则之间以及新法律与现有法律制度之间的相互冲突。
三、法理学在人工智能法律系统研究中的作用
1.人工智能法律系统的法理学思想来源
关于人工智能法律系统之法理学思想来源的追踪，不是对法理学与人工智能的联系作面面俱到的考察，而旨在揭示法理学对人工智能法律系统的发展所产生的一些直接影响。
第一，法律形式主义为人工智能法律系统的产生奠定了理论基础。18-19世纪的法律形式主义强调法律推理的形式方面，认为将法律化成简单的几何公式是完全可能的。这种以J·奥斯汀为代表的英国分析法学的传统，主张“法律推理应该依据客观事实、明确的规则以及逻辑去解决一切为法律所要求的具体行为。假如法律能如此运作，那么无论谁作裁决，法律推理都会导向同样的裁决。”（注：（美）史蒂文·J·伯顿著：《法律和法律推理导论》，张志铭、解兴权译，中国政法大学出版社1998年9月版，第3页。）换言之，机器只要遵守法律推理的逻辑，也可以得出和法官一样的判决结果。在分析法学家看来，“所谓‘法治’就是要求结论必须是大前提与小前提逻辑必然结果。”（注：朱景文主编：《对西方法律传统的挑战》，中国检察出版社1996年2月版，第292页。）如果法官违反三段论推理的逻辑，就会破坏法治。这种机械论的法律推理观，反映了分析法学要求法官不以个人价值观干扰法律推理活动的主张。但是，它同时具有忽视法官主观能动性和法律推理灵活性的僵化的缺陷。所以，自由法学家比埃利希将法律形式主义的逻辑推理说称为“自动售货机”理论。然而，从人工智能就是为思维提供机械论解释的意义上说，法律形式主义对法律推理所作的机械论解释，恰恰为人工智能法律系统的开发提供了可能的前提。从人工智能法律系统研制的实际过程来看，在其起步阶段，人工智能专家正是根据法律形式主义所提供的理论前提，首先选择三段论演绎推理进行模拟，由WalterG.Popp和BernhardSchlink在20世纪70年代初开发了JUDITH律师推理系统。在这个系统中，作为推理大小前提的法律和事实之间的逻辑关系，被计算机以“如果A和B，那么C”的方式加以描述，使机器法律推理第一次从理论变为现实。
第二，法律现实主义推动智能模拟深入到主体的思维结构领域。法律形式主义忽视了推理主体的社会性。法官是生活在现实社会中的人，其所从事的法律活动不可能不受到其社会体验和思维结构的影响。法官在实际的审判实践中，并不是机械地遵循规则，特别是在遇到复杂案件时，往往需要作出某种价值选择。而一旦面对价值问题，法律形式主义的逻辑决定论便立刻陷入困境，显出其僵化性的致命弱点。法律现实主义对其僵化性进行了深刻的批判。霍姆斯法官明确提出“法律的生命并不在于逻辑而在于经验”（注：（美）博登海默著：《法理学——法哲学及其方法》，邓正来、姬敬武译，华夏出版社1987年12月版，第478页。）的格言。这里所谓逻辑，就是指法律形式主义的三段论演绎逻辑；所谓经验，则包括一定的道德和政治理论、公共政策及直觉知识，甚至法官的偏见。法律现实主义对法官主观能动性和法律推理灵活性的强调，促使人工智能研究从模拟法律推理的外在逻辑形式进一步转向探求法官的内在思维结构。人们开始考虑，如果思维结构对法官的推理活动具有定向作用，那么，人工智能法律系统若要达到法官水平，就应该通过建立思维结构模型来设计机器的运行结构。TAXMAN的设计就借鉴了这一思想，法律知识被计算机结构语言以语义网络的方式组成不同的规则系统，解释程序、协调程序、说明程序分别对网络结构中的输入和输出信息进行动态结构调整，从而适应了知识整合的需要。大规模知识系统的KBS(KnowledgeBasedSystem)开发也注意了思维结构的整合作用，许多具有内在联系的小规模KBS子系统，在分别模拟法律推理要素功能（证成、法律查询、法律解释、法律适用、法律评价、理由阐述）的基础上，又通过联想程序被有机联系起来，构成了具有法律推理整体功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）
第三，“开放结构”的法律概念打开了疑难案件法律推理模拟的思路。法律形式主义忽视了疑难案件的存在。疑难案件的特征表现为法律规则和案件之间不存在单一的逻辑对应关系。有时候从一个法律规则可以推出几种不同的结论，它们往往没有明显的对错之分；有时一个案件面对着几个相似的法律规则。在这些情况下，形式主义推理说都一筹莫展。但是，法律现实主义在批判法律形式主义时又走向另一个极端，它否认具有普遍性的一般法律规则的存在，试图用“行动中的法律”完全代替分析法学“本本中的法律”。这种矫枉过正的做法虽然是使法律推理摆脱机械论束缚所走出的必要一步，然而，法律如果真像现实主义法学所说的那样仅仅存在于具体判决之中，法律推理如果可以不遵循任何标准或因人而异，那么，受到挑战的就不仅是法律形式主义，而且还会殃及法治要求实现规则统治之根本原则，并动摇人工智能法律系统存在的基础。哈特在法律形式主义和法律现实主义的争论中采取了一种折中立场，他既承认逻辑的局限性又强调其重要性；既拒斥法官完全按自己的预感来随意判案的见解，又承认直觉的存在。这种折中立场在哈特“开放结构”的法律概念中得到了充分体现。法律概念既有“意义核心”又有“开放结构”，逻辑推理可以帮助法官发现问题的阳面，而根据社会政策、价值和后果对规则进行解释则有助于发现问题的阴面。开放结构的法律概念，使基于规则的法律推理模拟在受到概念封闭性的限制而对疑难案件无能为力时，找到了新的立足点。在此基础上，运用开放结构概念的疑难案件法律推理模型，通过逻辑程序工具和联想技术而建立起来。Gardner博士就疑难案件提出两种解决策略：一是将简易问题从疑难问题中筛选出来，运用基于规则的技术来解决；二是将疑难问题同“开放结构”的法律概念联系在一起，先用非范例知识如规则、控辩双方的陈述、常识来获得初步答案，再运用范例来澄清案件、检查答案的正确性。
第四，目的法学促进了价值推理的人工智能研究。目的法学是指一种所谓直接实现目的之“后法治”理想。美国法学家诺内特和塞尔兹尼克把法律分为三种类型。他们认为，以法治为标志的自治型法，过分强调手段或程序的正当性，有把手段当作目的的倾向。这说明法治社会并没有反映人类关于美好社会的最高理想，因为实质正义不是经过人们直接追求而实现的，而是通过追求形式正义而间接获得的。因此他们提出以回应型法取代自治型法的主张。在回应型法中，“目的为评判既定的做法设立了标准，从而也就开辟了变化的途径。同时，如果认真地对待目的，它们就能控制行政自由裁量权，从而减轻制度屈从的危险。反之，缺少目的既是僵硬的根源，又是机会主义的根源。”（注：（美）诺内特、塞尔兹尼克著：《转变中的法律与社会》，张志铭译，中国政法大学出版社1994年版，第60页。）美国批判法学家昂格尔对形式主义法律推理和目的型法律推理的特点进行了比较，他认为，前者要求使用内容明确、固定的规则，无视社会现实生活中不同价值观念的冲突，不能适应复杂情况和变化，追求形式正义；后者则要求放松对法律推理标准的严格限制，允许使用无固定内容的抽象标准，迫使人们在不同的价值观念之间做出选择，追求实质正义。与此相应，佩雷尔曼提出了新修辞学(NewRhetoric)的法律理论。他认为，形式逻辑只是根据演绎法或归纳法对问题加以说明或论证的技术，属于手段的逻辑；新修辞学要填补形式逻辑的不足，是关于目的的辩证逻辑，可以帮助法官论证其决定和选择，因而是进行价值判断的逻辑。他认为，在司法三段论思想支配下，法学的任务是将全部法律系统化并作为阐释法律的大前提，“明确性、一致性和完备性”就成为对法律的三个要求。而新修辞学的基本思想是价值判断的多元论，法官必须在某种价值判断的指示下履行义务，必须考虑哪些价值是“合理的、可接受的、社会上有效的公平的”。这些价值构成了判决的正当理由。（注：沈宗灵著：《现代西方法理学》，北京大学出版社1992年版，第443-446页。）制造人工智能法律系统最终需要解决价值推理的模拟问题，否则，就难以实现为判决提供正当理由的要求。为此，P.Wahlgren提出的与人工智能相关的5种知识表达途径中，明确地包括了以道义为基础的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道义逻辑，或者说在机器中采用基于某种道义逻辑的推理程序，强调目的价值，也许是制造智能法律系统的关键。不过，即使把道义逻辑硬塞给计算机，钢铁之躯的机器没有生理需要，也很难产生价值观念和主观体验，没办法解决主观选择的问题。在这个问题上，波斯纳曾以法律家有七情六欲为由对法律家对法律的机械忠诚表示了强烈怀疑，并辩证地将其视为法律发展的动力之一。只有人才能够平衡相互冲突的利益，能够发现对人类生存和发展至关重要的价值。因此，关于价值推理的人工智能模拟究竟能取得什么成果，恐怕还是个未知数。
2.法理学对人工智能法律系统研制的理论指导作用
GoldandSusskind指出：“不争的事实是，所有的专家系统必须适应一些法理学理论，因为一切法律专家系统都需要提出关于法律和法律推理性质的假设。从更严格的意义上说，一切专家系统都必须体现一种结构理论和法律的个性，一种法律规范理论，一种描述法律科学的理论，一种法律推理理论”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系统的研究，不仅需要以法理学关于法律的一般理论为知识基础，还需要从法理学获得关于法律推理的完整理论，如法律推理实践和理论的发展历史，法律推理的标准、主体、过程、方法等等。人工智能对法律推理的模拟，主要是对法理学关于法律推理的知识进行人工智能方法的描述，建立数学模型并编制计算机应用程序，从而在智能机器上再现人类法律推理功能的过程。在这个过程中，人工智能专家的主要任务是研究如何吸收法理学关于法律推理的研究成果，包括法理学关于人工智能法律系统的研究成果。
随着人工智能法律系统研究从低级向高级目标的推进，人们越来越意识到，对法律推理的微观机制认识不足已成为人工智能模拟的严重障碍。P.Wahlgren指出，“许多人工智能技术在法律领域的开发项目之所以失败，就是因为许多潜在的法理学原则没有在系统开发的开始阶段被遵守或给予有效的注意。”“法理学对法律推理和方法论问题的关注已经有几百年，而人工智能的诞生只是本世纪50年代中期的事情，这个事实是人工智能通过考察法理学知识来丰富自己的一个有效动机。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自动化的目标，“一方面是用人工智能（通过把计算机的应用与分析模型相结合）来支撑法律推理的可能性；另一方面是应用法理学理论来解决作为法律推理支撑系统的以及一般的人工智能问题。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系统充当法律推理研究的思想实验手段以及辅助司法审判的问题。后一方面，则是法律推理的法律学研究成果直接为人工智能法律系统的研制所应用的问题。例如，20世纪70年代法理学在真实和假设案例的推理和分析方面所取得的成果，已为几种人工智能法律装置借鉴而成为其设计工作的理论基础。在运用模糊或开放结构概念的法律推理研究方面，以及在法庭辩论和法律解释的形式化等问题上，法理学的研究成果也已为人工智能法律系统的研究所借鉴。
四、人工智能法律系统研究的难点
人工智能法律系统的研究尽管在很短的时间内取得了许多令人振奋的成果，但它的发展也面临着许多困难。这些困难构成了研究工作需要进一步努力奋斗的目标。
第一，关于法律解释的模拟。在法理学的诸多研究成果中，法律解释的研究对人工智能法律系统的研制起着关键作用。法律知识表达的核心问题是法律解释。法律规范在一个法律论点上的效力，是由法律家按忠实原意和适合当时案件的原则通过法律解释予以确认的，其中包含着人类特有的价值和目的考虑，反映了法律家的知识表达具有主观能动性。所以，德沃金将解释过程看作是一种结合了法律知识、时代信息和思维方法而形成的，能够应变的思维策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律专家系统并未以知识表达为目的来解释法律，而是将法律整齐地“码放”在计算机记忆系统中仅供一般检索之用。然而，在法律知识工程系统中，法律知识必须被解释，以满足自动推理对法律知识进行重新建构的需要。麦卡锡说：“在开发智能信息系统的过程中，最关键的任务既不是文件的重建也不是专家意见的重建，而是建立有关法律领域的概念模型。”（注：McCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必须以法律家对某一法律概念的共识为基础，但不同的法律家对同一法律概念往往有不同的解释策略。凯尔森甚至说：即使在国内法领域也难以形成一个“能够用来叙述一定法律共同体的实在法的基本概念”。（注：（奥）凯尔森著：《法与国家的一般理论》，沈宗灵译，中国大百科全书出版社1996年版，第1页。）尽管如此，法理学还是为法律概念模型的重建提供了一些方法。例如，德沃金认为，法官在“解释”阶段，要通过推理论证，为自己在“前解释”阶段所确定的大多数法官对模糊法律规范的“一致看法”提供“一些总的理由”。获取这些总的理由的过程分为两个步骤：首先，从现存的明确法律制度中抽象出一般的法律原则，用自我建立的一般法律理论来证明这种法律原则是其中的一部分，证明现存的明确法律制度是正当的。其次，再以法律原则为依据反向推出具体的法律结论，即用一般法律理论来证明某一法律原则存在的合理性，再用该法律原则来解释某一法律概念。TAXMAN等系统装置已吸收了这种方法，法律知识被计算机结构语言以语义网络的方式组成不同的规则系统，解释程序使计算机根据案件事实来执行某条法律规则，并在新案件事实输入时对法律规则作出新的解释后才加以调用。不过，法律知识表达的进展还依赖于法律解释研究取得更多的突破。
第二，关于启发式程序。目前的法律专家系统如果不能与启发式程序接口，不能运用判断性知识进行推理，只通过规则反馈来提供简单解释，就谈不上真正的智能性。启发式程序要解决智能机器如何模拟法律家推理的直觉性、经验性以及推理结果的不确定性等问题，即人可以有效地处理错误的或不完全的数据，在必要时作出猜测和假设，从而使问题的解决具有灵活性。在这方面，Gardner的混合推理模型，EdwinaL.Rissland运用联想程序对规则和判例推理的结果作集合处理的思路，以及Massachusetts大学研制的CABARET（基于判例的推理工具），在将启发式程序应用于系统开发方面都进行了有益的尝试。但是，法律问题往往没有唯一正确的答案，这是人工智能模拟法律推理的一个难题。选择哪一个答案，往往取决于法律推理的目的标准和推理主体的立场和价值观念。但智能机器没有自己的目的、利益和立场。这似乎从某种程度上划定了机器法律推理所能解决问题的范围。
第三，关于法律自然语言理解。在设计基于规则的程序时，设计者必须假定整套规则没有意义不明和冲突，程序必须消灭这些问题而使规则呈现出更多的一致性。就是说，尽管人们对法律概念的含义可以争论不休，但输入机器的法律语言却不能互相矛盾。机器语言具有很大的局限性，例如，LDS基于规则来模拟严格责任并计算实际损害时，表现出的最大弱点就是不能使用不精确的自然语言进行推理。然而，在实际的法律推理过程中，法律家对某个问题的任何一种回答都可根据上下文关系作多种解释，而且辩论双方总是寻求得出不同的结论。因此，智能法律专家系统的成功在很大程度上还依赖于自然语言理解研究工作的突破。牛津大学的一个程序组正在研究法律自然语言的理解问题，但是遇到了重重困难。原因是连法学家们自己目前也还没有建立起一套大家一致同意的专业术语规范。所以EdwinaL.Rissland认为，常识知识、意图和信仰类知识的模拟化，以及自然语言理解的模拟问题，迄今为止可能是人工智能面临的最困难的任务。对于语言模拟来说，像交际短语和短语概括的有限能力可能会在较窄的语境条件下取得成果，完全的功能模拟、一般“解决问题”能力的模拟则距离非常遥远，而像书面上诉意见的理解则是永远的终极幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）
五、人工智能法律系统的开发策略和应用前景
我们能够制造出一台什么样的机器，可以证明它是人工智能法律系统？从检验标准上看，这主要是法律知识在机器中再现的判定问题。根据“图灵试验”原理，我们可将该检验标准概括如下：设两间隔开的屋子，一间坐着一位法律家，另一间“坐着”一台智能机器。一个人（也是法律家）向法律家和机器提出同样的法律问题，如果提问者不能从二者的回答中区分出谁是法律家、谁是机器，就不能怀疑机器具有法律知识表达的能力。
依“图灵试验”制定的智能法律系统检验标准，所看重的是功能。只要机器和法律家解决同样法律问题时所表现出来的功能相同，就不再苛求哪个是钢铁结构、哪个是血肉之躯。人工智能立足的基础，就是相同的功能可以通过不同的结构来实现之功能模拟理论。
从功能模拟的观点来确定人工智能法律系统的研究与开发策略，可作以下考虑：
第一，扩大人工智能法律系统的研发主体。现有人工法律系统的幼稚，暴露了仅仅依靠计算机和知识工程专家从事系统研发工作的局限性。因此，应该确立以法律家、逻辑学家和计算机专家三结合的研发群体。在系统研发初期，可组成由法学家、逻辑与认知专家、计算机和知识工程专家为主体的课题组，制定系统研发的整体战略和分阶段实施的研发规划。在系统研发中期，应通过网络等手段充分吸收初级产品用户（律师、检察官、法官）的意见，使研发工作在理论研究与实际应用之间形成反馈，将开发精英与广大用户的智慧结合起来，互相启发、群策群力，推动系统迅速升级。
第二，确定研究与应用相结合、以应用为主导的研发策略。目前国外人工智能法律系统的研究大多停留在实验室领域，还没有在司法实践中加以应用。但是，任何智能系统包括相对简单的软件系统，如果不经过用户的长期使用和反馈，是永远也不可能走向成熟的。从我国的实际情况看，如果不能将初期研究成果尽快地转化为产品，我们也难以为后续研究工作提供雄厚的资金支持。因此，人工智能法律系统的研究必须走产研结合的道路，坚持以应用开路，使智能法律系统尽快走出实验室，同时以研究为先导，促进不断更新升级。
第三，系统研发目标与初级产品功能定位。人工智能法律系统的研发目标是制造出能够满足多用户（律师、检察官、法官、立法者、法学家）多种需要的机型。初级产品的定位应考虑到，人的推理功能特别是价值推理的功能远远超过机器，但人的记忆功能、检索速度和准确性又远不如机器。同时还应该考虑到，我国目前有12万律师，23万检察官和21万法官，每年1.2万法学院本科毕业生，他们对法律知识的获取、表达和应用能力参差不齐。因此，初级产品的标准可适当降低，先研制推理功能薄弱、检索功能强大的法律专家系统。可与计算机厂商合作生产具有强大数据库功能的硬件，并确保最新法律、法规、司法解释和判例的网上及时更新；同时编制以案件为引导的高速检索软件。系统开发的先期目标应确定为：(1)替律师起草仅供参考的书和辩护词；(2)替法官起草仅供参考的判决书；(3)为法学院学生提供模拟法庭审判的通用系统软件，以辅助学生在、辩护和审判等诉讼的不同阶段巩固所学知识、获得审判经验。上述软件旨在提供一个初级平台，先解决有无和急需，再不断收集用户反馈意见，逐步改进完善。
第四，实验室研发应确定较高的起点或跟踪战略。国外以知识工程为主要技术手段的人工智能法律系统开发已经历了如下发展阶段：(1)主要适用于简单案件的规则推理；(2)运用开放结构概念的推理；(3)运用判例和假设的推理；(4)运用规则和判例的混合推理。我们如确定以简单案件的规则推理为初级市场产品，那么，实验室中第二代产品开发就应瞄准运用开放结构概念的推理。同时，跟踪运用假设的推理及混合推理，吸收国外先进的KBS和HYPO的设计思想，将功能子系统开发与联想式控制系统结合。HYPO判例法推理智能装置具有如下功能：(1)评价相关判例；(2)判定何方使用判例更加贴切；(3)分析并区分判例；(4)建立假设并用假设来推理；(5)为一种主张引用各种类型的反例；(6)建立判例的引证概要。HYPO以商业秘密法的判例推理为模拟对象，假设了完全自动化的法律推理过程中全部要素被建立起来的途径。值得注意的是，HYPO忽略了许多要素的存在，如商业秘密法背后的政策考虑，法律概念应用于实际情况时固有的模糊性，信息是否已被公开，被告是否使用了对方设计的产品，是否签署了让与协议，等等。一个系统设计的要素列表无论多长，好律师也总能再多想出一些。同样，律师对案件的分析，不可能仅限于商业秘密法判例，还可能援引侵权法或专利法的判例，这决定了缘由的多种可能性。Ashley还讨论了判例法推理模拟的其他困难：判例并不是概念的肯定的或否定的样本，因此，要通过要素等简单的法律术语使模糊的法律规则得到澄清十分困难，法律原则和类推推理之间的关系还不能以令人满意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）这说明，即使具有较高起点的实验室基础研究，也不宜确定过高的目标。因为，智能法律系统的研究不能脱离人工智能的整体发展水平。
第五，人－机系统解决方案。人和机器在解决法律问题时各有所长。人的优点是能作价值推理，使法律问题的解决适应社会的变化发展，从而具有灵活性。机器的长处是记忆和检索功能强，可以使法律问题的解决具有一贯性。人－机系统解决方案立足于人与机器的功能互补，目的是解放人的脑力劳动，服务于国家的法治建设。该方案的实施可以分为两个阶段：第一阶段以人为主，机器为人收集信息并作初步分析，提供决策参考。律师受理案件后，可以先用机器处理大批数据，并参考机器的和辩护方案，再做更加高级的推理论证工作。法官接触一个新案件，或新法官刚接触审判工作，也可以先看看“机器法官”的判决建议或者审判思路，作为参考。法院的监督部门可参照机器法官的判决，对法官的审判活动进行某种监督，如二者的判决结果差别太大，可以审查一下法官的判决理由。这也许可以在一定程度上制约司法腐败。在人－机系统开发的第二阶段，会有越来越多的简单案件的判决与电脑推理结果完全相同，因此，某些简单案件可以机器为主进行审判，例如，美国小额法庭的一些案件，我国法庭可用简易程序来审理的一些案件。法官可以作为“产品检验员”监督和修订机器的判决结果。这样，法官的判案效率将大大提高，法官队伍也可借此“消肿”，有可能大幅度提高法官薪水，吸引高素质法律人才进入法官队伍。
未来的计算机不会完全取代律师和法官，然而，律师和法官与智能机器统一体的出现则可能具有无限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以预见，人工智能将为法律工作的自动化提供越来越强有力的外脑支持。电脑律师或法官将在网络所及的范围内承担起诸如收债、税务、小额犯罪诉讼等职能。自动法律推理系统将对诉讼活动发挥越来越多的辅助作用，例如，通过严密的演绎逻辑使用户确信全部法律结论得出的正当性；在解决相互冲突的规则、判例和政策问题时提示可能出现的判决预测；等等。正如网络的出现打破了少数人对信息的垄断一样，电脑法律顾问的问世，将打破法官、律师对法律知识的垄断，极大地推动法律知识的普及，迅速提高广大人民群众的法律素质，使法律真正变为群众手中的锐利武器。
1通识教育
通识教育(general education，也可译为普通教育、博雅教育)按照性质、目的和内容三方面可以有三种不同的界定。就性质而言，通识教育是高等教育的组成部分，是所有大学生都应接受的非专业性教育；就目的而言，通识教育意在培养积极参与社会生活的、有社会责任感的、全面发展的社会人和国家的公民；就内容而言，通识教育是一种广泛的、非专业性的、非功利性的基本知识、技能和态度的教育。
通识教育是对近代高等教育有重大影响的一种教育思想与实践。研究它，既为认识高等教育发展历程与规律所要求，更对今后的高等教育改革有重要的意义。
我国高等教育发展已进入大众化阶段，目前的重心已经转移到调整结构、提高质量的轨道上来，提高人才培养质量是顺应时代需求、符合人们意志的重大战略选择。然而，我国高校目前存在专业教育过窄，人文修养过弱，创新能力不强等问题不适于全球化背景下我国经济社会发展对人才规格的要求，通识也远离了大学教育的本质。通识教育人才培养模式是我国进入高等教育大众化阶段后重新审视人才培养理念的重要选择，提高对通识教育的认识，对于深化我国高等教育改革有着重要的意义。
通识教育是培养创新型人才的有效途径。通识教育的目标不是培养通才，而是在于通“识”，在于让受教育者形成开阔的视野。有许多事例可以证明，真正具有创造力的大师级人物，大多具有多个领域的身后修养和造诣。爱因斯坦不仅是一个伟大的科学家，同时也是一个非常出色的小提琴家。复旦的老校长苏步青的古典诗词和书法造诣也独树一帜，受到多方推崇。李政道先生、杨振宁先生都有着很好的文化修养和艺术修养，他们在很多大学讲授的科学与艺术方面的课程。通识教育在增强学生的知识、能力的综合性，提高人文素养，促进人的全面发展方面起着十分重要的作用。把通识教育与专业教育加以融合，实现在通识教育课程设计上的统一和渗透，无疑是实施通识教育培养创新型人才的最佳途径。
2逻辑学现状
中国是逻辑学的三大发源地之一，但由于历史的原因，我们在中世纪和近代大大落后于西方的发展。进入改革开放的新时期，我们终于认识到这种差距，并经历了约20年从引进学习到全面追赶的发展，到20世纪末，我们在很多领域实现了与西方的同步发展，在一些领域还取得了具有领先性的研究成果。
在新世纪，逻辑学的发展面临新的机遇与挑战。作为发展机遇，逻辑学在对人类精神世界的研究方面显示出越来越重要的作用。一方面，逻辑学与哲学、语言学、计算机科学与技术、人工智能的交叉生长，继续推动哲学逻辑、语言逻辑、人工智能逻辑等新兴学科的发展。另一方面，在认知科学等现代科学新兴领域的研究中，逻辑学、语言学、心理学，以及生理学、脑科学、神经生物学、计算机科学与人工智能互相融合，出现了多学科交叉的倾向，产生了很多崭新的、具有发展前景的研究领域。
但是，我们也应该清醒地本文由收集整理看到，目前我国逻辑学发展整体水平不高，对很多新的领域我们并不了解，有些人基于陈旧的逻辑学观念，甚至将这些新的领域拒之门外。在我们的很多所大学中，还在开设陈旧的逻辑学课程。而旧的学科体制一旦固定下来，要改变它非常困难。所有这些又都是我国逻辑学面临的挑战。
3逻辑学的学科建设
我国逻辑学的发展受到两个方面因素的制约：科学的和学科的。
在科学研究方面。逻辑学有三大发源地：中国、印度和古希腊，但中国和印度的逻辑学从中世纪以后衰落了，唯有古希腊亚里士多德的逻辑经过中世纪和近代欧洲的发展，特别是现、当代的发展，成为一棵挺立在现代科学园地里的枝叶繁茂的大树。因此，在逻辑学的研究中，我们仍然需要向西方学习，特别要在哲学逻辑、语言逻辑、计算机与人工智能的逻辑等前沿领域向西方学习。在这方面，我们与西方主要是英美等国的差距仍然很大。此文前面对西方现代逻辑发展的分析已经说明了这一点。遗憾的是国内一些学者似乎不愿意承认哥德尔以后西方逻辑的发展。一种观点是“逻辑学等于数理逻辑”，这种观点认为，逻辑学就是数理逻辑，数理逻辑之外的都不是逻辑；另一种逻辑观似乎宽容一些，这种观点承认数理逻辑、模态逻辑、多值逻辑等是逻辑，此外的都不是逻辑。这样就把哲学逻辑、语言逻辑、计算机和人工智能的逻辑、认知逻辑等当代逻辑最新的发展领域统统排斥在逻辑学之外。显而易见，这些逻辑观都是不正确的，也是不利于我国逻辑学发展的。在逻辑学的研究方面，我们不仅应该学习西方，而且应该争取经过若干年的努力，逐步形成中国学派，并争取在某些领域超越西方的学者，这是一个更高的目标。有着悠久传统和具有聪明才智的中国人，应该有决心做到这一点。与此相适应，在学科建设方面，应该按照国际规范建立我国逻辑学的学科体制和教学体制。
逻辑学是现代科学的基础学科，已经证明现代数学的基础是集合论，而集合论的基础是逻辑。因此，联合国教科文组织和主要的发达国家都将逻辑学作为一级学科，列于各学科之首。按照联合国教科文组织的学科分类，逻辑学是列在“知识总论”下的一级学科。联合国教科文组织的“科学技术领域的国际标准命名法建议”中，更将逻辑列于众学科之首。美、英、德、日等国家的学科划分都遵照这一标准。教育部人文社会科学科研管理部门遵循国际标准，已将逻辑学列为一级学科。但是，在国务院学位委员会和全国哲学社会科学规划办公室的学科分类中，逻辑学长期以来一直被作为“哲学”下面的二级学科。这样，在20世纪初发展起来并引起“第三次数学危机”、“语言学革命”和“哲学的语言转向”的数理逻辑，以及其后发展起来的语言逻辑、哲学逻辑，在我国的学科目录中，通通是“不知所终”，用一句有中国特色的话来说，叫做“没有户口”。如果一门学科没有户口，那可是悲哀之极。例如研究生招生、重点学科评审、学科基地建设，通通把逻辑学排斥在外，因为这些重大的学科建设举措都是照二级学科来设置的。与此同时，在教学课程设置、教材编写出版、申请各类基金项目的申请中，没有户口的学科也是难上加难。面对这种情况，从事这方面科学研究的学者只有两种选择，要么放弃，要么甘受冷遇和白眼。如果说学者遭受的冷遇是不足道的，那么，科学遭受的冷遇就不能不足道，因为科学遭受损失对任何一个国家和民族都是一种真正的悲哀。
关键词：Agent；协作；交互；网上教学系统模型
中图分类号：TP393文献标识码：A文章编号：1009-3044(2008)16-21362-03
The Research of Network Learning Model Based on Multi-agent
WANG Hui1, WANG Chun-xi1, ZHANG Cui-yu2
(1．College of Computer and Information engineering, Henan University,Kaifeng 475001,China;2．The bureau of science and technology of shangqiu , Shangqiu 476100,China)
Abstract: Intelligent Agent is the rising technology of Artificial Intelligence and software.Nowadays. The development of Agent is becoming more and more quickly. The writerproposed an multi-agent architecture based on network teaching model. The model afford virture learning environment for teachers and students.so as to carry out cooperative learning each other.
Key words: Agent; Cooperate; Interaction; Network teaching model
计算机网络和Internet技术的飞速发展正在改变着世界，Internet已被连接到世界的几乎所有的国家和地区，把不同的行业、不同的领域、不同的组织的人连接到世界上几乎所有的国家和地区，把不同行业、不同领域、不同组织的人连接起来，打破了时间和空间的限制。教育信息化是以高新信息技术支持为显著特征的新的教育形态，是教育适应信息社会发展的必然结果。传统的教学手段已经难以适应现代教育发展的需要，因此开展网上教学已成为教育改革和发展的重要趋势。它借助网络和信息技术为课程学习者提供网上学习环境和学习资源，可实现一种全新的课程教学模式，突破了时空的限制，将教学活动带到每一个角落。然而，传统的网络教学系统多以呈现教学内容为主，缺乏互动手段；缺乏智能性，学生只是被动的接受教学内容，不能按照自己的基础、自己的兴趣选择教学，很难做到因材施教，最大地发挥学生的主观能动性；缺乏推理机制和学生模型的支持，不能确定学生的知识水平和认知特点，不能根据学生的意愿和理解能力提供适合学生的教学内容并做出针对性的指导；对学生学习心理及情感因素没有考虑；不能实现学生之间的协作学习。针对以上网络教学中存在的问题，本文提出了一个多agent的网上教学系统模型，力图提高学生自主学习的兴趣、充分体现学生的个性、监控学生的情绪、学生之间以及学生和教师之间的协作学习，进而实现学生的协作学习和教师的因材施教。
1 智能技术
智能是人工智能研究和网络技术发展的必然结果。它赋予软件系统一定的智能，使之能够代表用户或者其他自主地执行任务，并以合适的方式与周围环境相互作用。它是一个自适应性和智能性的软件试题，能代表用户和其他程序，以主动服务的方式来完成一项工作。，还具备一些人类特有的知识(knowledge)、信念(belief)、愿望(desire)、意图(intention)、协调(coordinate)、合作(cooperate)等因素。Agent主要具备如下特征[1]：
(1)智能性(Intelligent)。具有推理判断和计算能力，能比较准确的理解用户的需求，能将用户的需求任务、行为进行分解、分析，有针对性提供服务，具有解决问题所需的丰富知识、策略和相关数据。
(2)性(Agent)。引导并代替用户对资源进行访问，成为到达资源的枢纽和中介。
(3)自主性(Autonomy)。一个智能应该是一个独立自主的计算实体。它应能在无法事先建模的、动态变化的信息环境中，独立规划复杂的操作步骤，解决实际问题,在用户不参与的情况下，独立发现和索取符合用户需求的可利用资源与服务。
单个Agent的智能是有限的，我们通过适当的体系结构把Agent组织起来形成多Agent的系统
（Multi-Agent System）, 与单Agent相比，多Agent有如下特点：
(1)社会性：Agent处于由多个Agent构成的社会环境中，通过某种Agent语言与其他Agent实施灵活多样的交互和通讯，实现与其他Agent的合作、协同、协商、竞争等。
(2)自制性：在多Agent系统中一个Agent发出请求后，其他Agent只有同时具备提供此服务的能力与兴趣时才能接受动作委托，即一个Agent不能强制另一个Agent提供某种服务。这一特点最适用于学习者特征的获取。
(3)协作性：在多Agent系统中，具有不同目标的各个Agent必须相互协作、协同、协商对未完成问题的求解。
针对以上Agent 的特点将Agent技术应用于网上教学, 能有效克服现阶段网上教学教育系统的局限和不足。使用Agent技术可以增加教学内容的趣味性和人性化色彩, 改善教学效果, 提高教学质量；利用Agent管理学习者的信息, 能动态跟踪学习者的学习行为, 为建立学生模型提供更加可靠的依据；Agent的社会性能够满足建构主义协同学习的需要,可以把每个学习者看成一个Agent,学习者之间通过Agent的协同机制完成协同学习；教师也可以理解成一个Agent, 同样可以和学生交流信息,随时掌握学生的学习状态。利用Agent 思想分析远程教育系统的总体需求和设计解决方案,可充分体现教学的智能性与主动性。
2 基于多Agent技术的网络教学模型
在传统的教学中，教师是主体，学生只是被动的接受教学内容，不能很好地发挥学生的主观能动性，调动学习的兴趣，因此要采取一种实现学生之间协作学习的网上教学系统。基于以上原因本文提出一种基于多Agent的网上教学模型，其模型如图1所示。
图1
这个体系结构包括教师Agent，学生Agent，信息Agent，挖掘Agent，推荐Agent和交互Agent。交互Agent来促进学生之间进行协同学习，交互Agent与用户之间通过自然语言进行通信。可以给学生提供合适的学习任务，并且推荐合适的辅导者，用数据挖掘机制来搜集个体行为和交互的类型，信息Agent与挖掘Agent和推荐Agent相互结合，来确定合适的学生辅导者，并且提供帮助。所有的Agent通过环境，使用特定的通信协议进行通信。学生代表每一个学生，可以相互之间进行通信。
2.1 教师Agent
教师Agent：负责教师，包括:备课Agent 和授课Agent 两部分。备课Agent帮助教师完成日常备课,它不仅给教师提供一个能方便地把教学内容变成Web页和课件到教学网站的平台,更重要的是利用Agent的心智和社会功能智能地为教师提出备课建议。另外,备课Agent 还可以与学生Agent交互信息,了解学生比较感兴趣的教学组织形式、教学媒体等信息,调整备课的方式。授课Agent主要处理实时授课和答疑,由于教师和学生地理位置的分布,它在网上教学系统中非常重要。授课Agent除了能模拟面对面的实时授课外,它还可以与学生Agent交换信息,了解学习者的学习状况和疑难问题,从而动态地、有针对性地选择授课对象。
2.2 信息Agent
信息Agent的主要目的是收集关于学生之间交互的数据，为挖掘提供信息，数据的收集主要通过一些同步的机制来实现，学习者在协作学习的过程中通过电子邮件、留言板、聊天室、等形式进行观点的交换、获得反馈信息，学习的过程也就是学习者之间相互协作交流的过程。
这些数据被存储在知识库中，被挖掘Agent读取，用来确定个人行为类型[2]。
2.3 挖掘Agent
挖掘的目的是从收集的数据中抽取特征值，把它们存在知识描述机制中，我们把这种机制称为项描述符。这些描述符描述了个体交互的特征值，可能会影响学生之间协作学习的能力，哪个个体能辅导别的个体，在描述符中个体的特征可以分为[3]：
个体：用来表述个体的数据，例如：年龄、性别、职业、地址。
行为：用来描述具有的辅导和社交能力、学习的类型。
创建用户信息时，这两种类型的数据信息很重要，可以推断用户的需要，个体特征信息用属性值组来描述，行为信息通过用户实施的行为来表示。情感状态和社会行为都可以在问卷调查中明确地表示出来。
用来定义个性特征的属性值是典型的单一值，而行为特征通常是多值的。两种类型的信息在我们的模型中是用相同的方式描述的。
描述符列举了相关的每项，我们用信任水平作为相关元素来决定信息的相关度。这就像计算条件概率P(dj|e)，描述符通过对实际记录的分析可以得到。对每一个我们要定义的推荐策略，由项产生的描述符定义为对象，然后，对象和其它存在的个体特征和行为特征之间的信任度就能计算出来，这个过程一直持续到所有的描述符产生。对于推荐合适的辅导者来说，建立描述符为了显示辅导者的特征。
2.4 推荐Agent
列出所有可能的学生辅导者U={u1, u2,..., um},推荐的过程开始于对每个个体个性特征和行为特征信息的收集开始。然后,对每个用户数据的收集要和描述符dj相匹配，描述符dj依据存储在描述符中的项T={t1,t2,...,tk},列出好的指导者的最重要的特征。这个系统为每个学生计算分数，范围从不同（0）到完全相同（1），分数由下面公式算出：
Score(dj)=1-∏ijk(Noise(tp))
其中，Score(dj)是描述符dj;的最后的分数，Noise(tp)是项tp的噪音参数值，一个用在噪音和概率模型中的概念，其值可由1CP(dj | tp)算出。分数最高的个体被选来帮助需要帮助的个体。这个表达式假定不同tp的独立性，系统的设计者应该完成对每一项的选择。这种方法假定每一项和用户的项相匹配，就能增加描述符所提供的最合适的推荐策略的信任度。
2.5 交互Agent
交互Agent的目的是通过一种自然语言机制和用户之间进行通信，来确定何时给需要帮助的用户推荐学生指导者，同时启动推荐过程，交互Agent通过人工智能标记语言(AIML)来表示其交互知识，人工智能标记语言的(AIML)最重要的标识是[4]：
：表示文件的开始。
：标记知识库的单元。
：表示匹配模式，通过和用户之间的通信交流。
：包含用户输出的可能的答案。
交互Agent也可以选出那些在学习的过程中有困难的学生，这时交互通过向推荐发消息来寻找合适的辅导者，当比较合适的辅导者登录时，交互Agent会告诉有困难的个体，别的个体会帮助他进行学习。从而完成个体之间的协作学习[5]。
3 基于多Agent网上教学系统模型的特点
(1)以学生为中心，学生学习的初衷和学习的最终目的是完成对当前知识的建构，协作式学习就是在一定的情境下通过协作成员（教师和同学）的帮助，凭借自己已有的知识、经验和认知水平，来建构新知识。
(2)该模型以建构主义理论为指导，以计算机网络为依托，创设和谐、方便、灵活的协作环境。
(3)模型中的各个要素之间相互联系、相互交叉，对软件系统的评价和调整、改进，渗透到软件分析、设计、开发和使用的每一环节。
4 基于多Agent网上教学系统的结构分析
整个系统采用B/ A/ S 模式,即浏览器Browser/ Agent/ 数据服务器Server ,它是一种“瘦客户”模式,有助于加快访问速度,而且客户端利用浏览器上网,不再需要为不同的客户端安装不同的客户程序,这能够为复杂的分布式应用提供统一的环境。系统采用分层的软件体系结构,可分为用户层、Agent 层和数据服务器层。教师登录后,系统会自动生成一个教师Agent ,它一方面负责教师与系统的交互,另一方面负责对学生进行指导,并将新的指导送往教学策略库; 学生登录后,系统在自动生成一个学生Agent。学习者自学习开始, 系统就会自动创建一个个体Agent来记录学生的个人特征参数以及学习状态参数, 如原有学习水平、知识接受能力、思维倾向方式、认知风格等, 并将这些信息录入相应参数库。系统根据记录的参数, 对学生进行分类, 建构学生的个体模型, 以为将来协作小组的划分、学习内容的选择以及学习进度的控制提供参考的依据。同时, 随着学习者学习的不断深入, 学生学习能力、学习水平、思维倾向性等积累到一定域值的变化, 个体Agent中的参数也将随之更新。因此, 利用智能Agent可以实现对学生学习情况的动态跟踪。同时，交互通过和用户之间的交互来鼓励学生之间进行协作化学习，按照一定的原则，比如学习者的学习成绩、学习成绩、学习能力、学习水平、思维方式的倾向性等等，用数据挖掘算法来确定可以充当辅导者的学生，把它们推荐给需要帮助的学生。辅导者的推荐机制通过对学生情感和个人行为的分析来决定。
5 多Agent网上教学系统的优点
(1)智能性较高
学生能根据学生当时的实际情况, 对他们的学习内容和方向以适当的指导, 这就增加了学习情境的人性化色彩, 对提高学生的学习兴趣, 改善教学效果有重要的意义。而且学生在学生的学习过程中不断得到锻炼, 即通过学生学习过程中的实际情况来修正自身, 使自身能够更加确切地反映学生的真实情况。学生登录学习的次数越多, 则其与其实际情况就越贴切。
(2)协作性较好
系统的设计有助于增强学习者的合作意识，培养学习者共同学习、共同进步的协作精神。利用计算机网络来构建虚拟的学习环境，使得相识的或不相识的教师,学生和学习者们完成协作学习，这就要求系统设计者创建虚拟的学习情景，创建感知的和自然的学习氛围，实现以学生为主导地位的学习。
(3)强调因材施教
智能性的记录分析学生的学习情况, 根据他们的认知水平, 调整课程难度，水平高者, 课程难度适当增加或者加快课程，进度水平低的, 则适当降低难度或减慢进度。这样能最大限度地挖掘每个学习者的潜力, 改变传统教育的“ 一视同仁” , 实施个性化的教育。
6 结束语
网络的出现，Internet的发展极大的改变着人们的学习方法和方式，为教育的发展带来了很大的契机。基于网络的教育，尤其是基于Internet的网上教学，是一种新的教学方式，它价格低廉、形式多样、普及性广、灵活性强，有着极大的生命力，是实现终身教育和个性化教育的理想手段。本文提出的基于多Multi - agent 网上教学系统为教师与学生提供了一个良好的协同式共享教学环境,支持学生之间协同化的工作方式,可大大提高教师和学生在完成教学任务过程中相互合作和信息交换的质量.
参考文献：
[1] 金聪,戴上平,郭京蕾.张维.人工智能教程[M].北京：清华大学出版社，2007.1.
[2] 申瑞民,许彦青,张同珍,等.基于多的智能型远程教学环境研究[J].计算机工程与应用, 2002(4):253-256.
[3] 陈登科,胡翠华.数据挖掘技术在远程教育中的应用[J].情报科学，2003.4.
[4] Wallace, R. (2003). "The Elements of AIML Style ", ALICE A. I.Foundation.
未来，“黑科技”会取代医生吗？患者可以不用再去医院吗？
虚拟现实：
复杂的人体能一览无余吗
2016年被称为虚拟现实技术的元年，虚拟现实打破了个人的时空局限，在游戏、购物、房产、旅游等各行业掀起了应用热潮。虚拟现实技术是不是也可以让错综复杂的人体一览无余？
不久前，在广州的中山大学孙逸仙纪念医院精准肿瘤外科治疗中心，医生利用三维可视化系统，为一个7岁小女孩成功切除了一个巨大的肝母细胞瘤。
因肿瘤与周围脏器紧密纠缠，手术的难度非常大。“切多了，孩子很可能大出血，下不了手术台；切少了，短期内肿瘤就会复发。”中心副主任陈亚进说，现有的电子计算机断层扫描（CT）和核磁共振（MR）扫描技术，都只能表达某一界面的解剖信息，医生们只能凭经验由多幅二维图像去“构想”病灶与其周围组织的三维几何关系。全息投影和虚拟现实技术有助于医生完整切除病灶，病人也从中获得更多信息。最后，陈亚进为这名女童切下了一个直径为15厘米、重达1.4公斤的肿瘤，出血少于200毫升，达到精准微创的效果。
2016年9月在北京召开的虚拟现实产业联盟成立大会上，中国工程院赵沁平院士提出，虚拟人体将成为开展医学行为的基础。鉴于人体的复杂性，虚拟人体应是虚拟现实的终极目标。
2016年11月30日，广州发起了“虚拟现实（VR）医院计划”。据“虚拟现实医院计划”首席科学家、中国工程院院士钟世镇介绍，中国的“数字化虚拟人”将分三个阶段实施：第一阶段是高质量人体几何图像采集和计算机三维重构，完成基本形态学基础上的几何数字化虚拟人，目前我国已经分别成功构建了男女解剖虚拟人数据集。第二阶段是物理虚拟人，即在几何虚拟人基础上附加人体各种组织的物理学信息，比如强度、抗拉伸系数等。第三阶段是生理虚拟人，这是数字虚拟人研究的最终目标，可以反映生长发育、新陈代谢、重现生理病理的有关规律性演变。
我国有望在不久的将来实现局部器官的生理虚拟。钟世镇举例说，在虚拟心脏平台上，既可以模拟各种心脏手术，又可以模拟各种药物对心脏的作用，从中筛选最佳手术方式和最佳用药剂量等。
人工智能：
机器深度学习之后
电影《超能陆战队》里萌萌的“大白”，是不是让你很动心？随着医学与人工智能的结合，医疗机器人未来也许可以成为人人拥有的实时健康管家。
在位于广州市海珠区的“广东省网络医院”内，研发中的医疗聊天机器人，正与一位模拟“头部病痛”的女性患者对话。
“一般来说，超过39摄氏度为高热，发热是自我保护和抵御感染的一种反应。您的情况是否符合上面的描述？”“你是否有下列症状中的几种？”“情况紧急，请马上去看急诊。这些症状可能是急性脑膜炎的表现……”
这样的科研性医疗场景，未来将成为现实。人工智能的作用不仅限于帮助诊断，还能提供治疗方案。据IBM“沃森肿瘤专家”中国运营服务商公司首席运营官王泰峰介绍，随着“沃森肿瘤专家”认知计算能力不断提升，其将成为帮助医生临床决策并给出治疗方案建议的有力帮手。
2015年发表在全球高等级期刊的医学文献中，仅以肿瘤为主题的就有4.4万篇。如果一名肿瘤医生想全面学习这些最新治疗手段，那么就算他全年365天，每天24小时不休息，每小时也需要研读5篇论文。王泰峰说：“这是人类不可能做到的，但恰恰是人工智能机器人的强项。”
未来，机器人通过不断深度学习，可以给出人类大多数疾病的诊疗方案。但是，沃森的定位并不是取代医生。“因为它没有办法创造知识。”王泰峰说，“就算人工智能给出一个独辟蹊径的治疗建议，如果没有经过大规模的临床试验，仍然没有实际临床意义。”
回到现实，令人期待的人工智能医疗机器人仍然是一个嗷嗷待哺的“婴儿”。广东省网络医院院长周其如说，这个“婴儿”成长需要“吃”更多的东西，也就是深度学习。首先是医学教科书，针对临床路径明确的病种；第二，大量的循证医学数据资料；第三，大量的前沿医学论文数据，这相当于全球专家的会诊；第四，教学医院的病例。“干净的数据很重要，必须经过严格筛选。不能是过度医疗的病例，还要遮挡患者的隐私。”
更“稳”更“准”的机器人：
做手术可以完全交给它吗
在“真刀实枪”的手术领域，机器人正在展现一定的前景。中山大学孙逸仙纪念医院泌尿外科主任黄健使用手术机器人做过大量膀胱手术。他说，医疗机器人在我国发展迅猛，截至10月28日，某知名品牌手术机器人全国共装机59台，完成手术35273例，其中泌尿外科手术超过五分之二。
与传统开放及腹腔镜手术相比，使用机器人进行手术更加精准、微创。机器臂模仿人的手腕动作，甚至比人手更灵活、稳定。它可以做非常复杂的微创型手术，触及一些很难到达的身体部位，还可滤除人手的自然颤动。“熟练的操作者可以用它撕开葡萄皮，然后精准完好缝合。”黄健举例说。
但是，手术完全交给机器人，你放心吗？现在的手术机器人大多是一个机器臂，没有思考能力，无法判断某项操作对人体的伤害。黄健说：“手术中不仅要考虑创伤最少，还要考虑会否带出癌细胞以致癌细胞在其他地方种植。相比医生，机器人难以整合信息进行判断。”
此外，机器人并不适合一切手术。一些简单的手术，用机器人来做是“杀鸡用牛刀”，手术方式须视病情需要而定。
医务界希望新一代的手术机器人能达到“有思维、看得透、摸得着、体形小、手脚多”，具有人的思维和记忆能力，可以制订手术方案，在手术过程中对危险操作发出提醒，真正做到灵活、灵敏、微创和智能。
可穿戴设备：
能否实现精确的远程“视触叩听”
三甲医院的排队和拥挤，相信让很多患者发怵。随着远程医疗的进一步发展，不少人幻想，可以不去医院，直接在家看医生吗？
这大概是中国医疗史上距离最远的一次远程医疗实例：在不久前的“神舟十一号任务”中，新华社太空特约记者、航天员陈冬在天宫二号进行的失重心血管研究实验（CDS）中，测量了自己的心率、血压、呼吸、皮肤上细小血管的微循环，并给自己做了超声波检测。随后，这一系列珍贵的数据被传送到地面，由医务人员进一步分析航天员的身体在失重情况下的细微变化。
目前，我们理解的远程医疗仍是“医生对医生”的远程会诊。比如基层医院遇到了某个疑难杂症，于是通过互联网连线千里之外的大医院专家进行视频会诊，一起寻找解决方案。
在可预见的未来，随着可穿戴设备、虚拟现实技术、云医院技术的发展，远程医疗将更深入人们的生活，实现“医生对患者”的直接交流。
“虚拟现实医院计划”执行总监、广州市正骨医院博士后万磊认为：“‘医生和患者可以不见面’是一个方向。可穿戴设备和传感器随着技术发展，将具有视觉、触觉、嗅觉等人的一切感知功能。未来的手术中，医生可以在虚拟病人环境下操作，远程控制机器人给病人做手术的动作。”
但实现起来并不容易。周其如认为，首先要解决的问题是可穿戴设备技术的完善，让医生在另一端实现真正意义上的远程“视触叩听”。
数据传输速度的要求相应增高。万磊说，尤其是远程手术对互联网数据传输带宽有很高要求，不能有任何网络延时。
＼[作者简介＼]
周笑然（1
>> 视频公开课录播教室的设计及建设 视频公开课中视觉注意引导信息的图文重构 公开课“语言得体”教学设计 高校视频公开课应用状况实证研究 “英语演讲与辩论”精品视频公开课的理念与设计 基于“翻转课堂”共享网络视频公开课的设计实践 中国大学视频公开课应用现状的调查研究 视频公开课在“金属工艺学”教学中的应用研究 视频公开课在通识课教学中的应用模式研究 从开放课件到视频公开课：开放教育资源的发展及研究综述 浅析高校精品视频公开课建设中的问题及建议 人工智能视频公开课建设的体会 基于i理念视频公开课制作的实践 数学视频公开课建设的实践与思考 电子材料视频公开课建设的体会 视频公开课开发中的技术环节 精品视频公开课建设的探索与实践 精品视频公开课建设的思考 视频公开课：历史教学的新变革 浅谈视频公开课录制的个人体会 常见问题解答 当前所在位置：l.
＼[5＼] 杨改学.艺术基础・美术＼[M＼].北京：高等教育出版社，1996：9497.
＼[6＼] 乔洪信.电视节目中听觉形象的开掘＼[J＼].当代电视，2001，（15）：5556.
＼[7＼] 陶青卢，俊勇论.教师教学的“表演性”＼[J＼].中国教育学刊，2010，（8）：4748.
＼[8＼] 梁伯龙，李月.戏剧表演基础＼[M＼].北京：中国戏剧出版社，2009：34.
Application and effect of audiovisual language in video open class
ZHOU Xiaoran
（Network Information & Education Technology Center，Beijing Language and Culture University，Beijing100083，China）
Abstract
Application of video as a newmedia method in teaching and promoting cultural transimission is attached great value in teaching revolution.Based on discussion about the importance of video open class in college，audiovisual problems of current open class video was analyzed from the standpoint of a videomaker，the advice on making and post production of video was given as well.
