人工智能技術難點精選(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技術難點主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能技術難點范文

1人工智能技術的優勢分析

1.1具有比較強的學習推理能力

網絡環境的治理必須要依靠先進的網絡技術，這就需要人工智能技術充分發揮其自身的作用.傳統意義上，我們會認為網絡安全的保障工作主要是實現預防和控制之間的相互協調，并不會對相關措施的學習和推理能力進行關注，這雖然能解決基本的安全防御問題，但是并不能從根本上對網絡安全提供保障.基于傳統防治方式的局限性，這就會導致網絡信息處理存在較大的不確定性.但是，在應用人工智能技術后，完全可以解決這種弊端，真正意義上實現了網絡防御與理論知識的有機結合，使網絡防御手段具備了基本的學習和推理能力.同時，我國互聯網網民的數量呈現出比較快的增長速度，這也會產生大量的處理數據，增加了網絡安全防御的難度系數.人工智能技術在發揮其學習推理能力后，就能夠提高信息數據的處理效率，對維護我國的網絡環境安全具有重要作用.

1.2強大的模糊信息處理能力

眾所周知，人工智能技術在網絡安全的防御過程中扮演著重要的角色，這也就決定了人工智能技術的重要價值.人工智能技術應用后，可以充分發揮其自身所具備的模糊信息處理能力，提高傳統網絡安全防御中我們所面臨的處理不確定性和不可知的問題處理能力.我們的網絡運營環境基本都是處于比較開放的環境中，所以會使多種數據信息的傳播速率不斷加快，再加上互聯網的溝通和互聯功能，這就會使得很多信息無法確定，網絡安全的管理工作顯得格外重要，在進行對信息分析處理的工作中，運用人工智能技術將會事半功倍，結合不準確以及不確定信息來控制管理網絡資源，其信息處理能力頗為出色.

1.3網絡防御協助能力比較強

在上文中已經提到，目前所面臨的網絡環境是呈現復雜狀態的，這就是說，我們的網絡安全防御的保障工作也是復雜的，是一項系統化的工程.我國的網絡環境規模也逐漸的擴大，并且其內在的結構也是更加趨向于復雜，這無形中就給我們的網絡安全防御工作提出了更高的要求.為了有效的避免其存在的誤區，必須要加強各方面措施的協調、協同、協作，充分實現各個防御環節的共同優勢.我認為，人工智能技術應用于網路安全防御中時，需要劃分為三個不同的層次，這也就需要我們實現分層次的管理.一般來講，就是上層管理者對中層管理者實行輪詢監督，中層管理者對下層管理者實行輪詢監督，從而構建起一個完整的工作體系，這也就能夠提升網絡安全防御的質量.

1.4計算的成本比較低

傳統的網絡安全保障體系會在計算過程中耗費大量數據資源，保障的效率也就比較低，這會使整體的網絡安全防御成本比較高，不利于相關部門經濟效益和社會效益的實現.人工智能技術在網絡安全防御中應用后，就有效的規避了傳統防御方式的成本高問題，這是因為人工智能技術能夠利用大量的先進算法，實現精準的數據開發，對相關的數據進行計算，因此在很大程度上提高了各種資源的利用效率，實現了網絡數據的優化配置，這種從成本計算方面有效的降低了軟硬件系統的開發成本，為人工智能技術的深度推廣奠定了堅實的基礎.

2我國的網絡安全防御現狀分析

我國已經進入互聯網信息時代，這主要是得益于互聯網技術的迅速發展，同時，人工智能技術也得到了長足的發展，為計算機網絡信息資源的共享和配置提供了條件.在這形勢大好的基礎下，網絡信息安全出現了負面狀況，嚴重制約著安全、穩定的網絡環境的構建.根據相關部門的統計數據，網絡安全問題對世界經濟產生了比較嚴重的負面影響，它會帶來嚴重的經濟損失，數額高達七十五億美元.并且網絡安全問題一直都是我們的難點，無法從根本上對其進行治理.并且網絡安全問題的發生概率也是比較大的，平均每二十秒就會產生一件網絡安全事件，這些事件或大或小，無不對社會穩定產生負面效應.我國接入互聯網的時間并不是很長，但是發展的速度確實比較快速的.尤其是在近幾年，我國已經步入了互聯網高速發展的階段，互聯網已經融入到各行各業，形成了“互聯網+”的發展業態，這也就為人工智能技術的發展提供了條件.網絡安全問題主要是人為因素所產生的，主要表現在數據信息的泄露，嚴重破壞了網絡環境安全的穩定性和保密性.用戶信息在受到非法入侵后，其所有的信息都會被外界所監聽，并且其信息資源不能正常的進行訪問，多會被非法拒絕或者是訪問延遲.基于此，我們完全可以對我國的網絡安全現狀有一個具體的了解，那么，人工智能技術引入就是大勢所趨，也是未來的一個發展方向，我們需要利用人工智能技術將互聯網打造成一個完整且安全的網絡體系.人工智能在網絡安全領域的應用，可以顯著的提升規則化安全工作的效率，彌補專業人員人手的不足，未來不管是執行層面還是戰略層面，人工智能的應用會更加廣泛，網絡安全的防御也更加智能.

3人工智能技術在網絡安全防御中的具體表現

3.1智能防火墻在安全防御中的應用

我們經常會在電腦系統中看到防火墻的相關設置，這就是人工智能技術在網絡安全防御中的初步應用.防火墻技術是一種隔離控制技術，我們可以在一定基礎上對其進行預定義安全策略對內外網通信強制訪問控制.防火墻技術是一種比較復雜的技術，其自身包含著諸多的子技術，比如包過濾技術和狀態監測技術等.包過濾技術主要是在網絡層中對數據包進行選擇的一種技術，我們可以根據系統的個性化需求對數據包的地址就行分析，最終實現外來信息的檢查，防止負面狀況的發生.同時，狀態監測技術則是基于連接狀態下的一種監測機制，它主要是將所有的數據包當做整體數據流，在此基礎上，形成一種全新的連接狀態，有力的保障了網絡環境的安全.最后，相比于傳統的防御方法，防火墻技術具有著高度的靈活性和安全性，對網絡安全防御具有著重要的作用.

3.2垃圾郵件自動檢測技術在安全防御中的應用

得益于互聯網信息技術，我們對郵箱的使用頻率不斷的增加.在實際的工作過程中，我們經常會收到不同類型的垃圾郵件，這對我們的正常生活和工作造成了不必要的損害.郵件已經成為了我們的信息傳遞的重要溝通橋梁，也是比較正式的溝通方式.但是，在郵件的制作和發送過程中，郵件中存在的漏洞，很可能會被不法分子利用，然后傳遞不正當的信息，不僅可能會給我們造成經濟損失，還肯定給我們造成困擾.人工智能技術應用于網絡安全防御中，垃圾郵件自動檢測技術就能夠發揮其自身的優勢，采用智能化的反垃圾郵件系統，有效的避免垃圾郵件進去郵箱的內部系統，能夠起到全時段檢測的作用.這主要是利用垃圾啟發式掃描引擎，對相關的郵件信息進行分析和統計評分，智能化的對垃圾郵件進行攔截或者是刪除，這就會很大程度上避免了人為的操作，減少了我們的工作量，這也為網絡信息安全提供了保障.

3.3人工神經網絡技術在安全防御中的應用

網絡安全防御過程中，通過人工神經網絡技術就能夠對網絡安全產生積極的作用，并且能夠為網絡安全提供比較重要的保障.人工神經網絡技術具有多方面的積極意義，它的分辨能力是非常強大的，并且其自身會帶有噪音和畸變入侵的分辨模式，能夠完全適應網絡環境的個性化防御功能.人工神經網絡技術是在生物神經網絡的基礎上發展起來的，這就證明其具有重要的靈活度和創造價值，會具有一定程度的學習能力，并且還會具備強大的數據計算能力，還有對數據信息的儲存和共享能力，以上的種種優勢都展現出人工神經網絡技術的水平.它完全可以在自身基礎上建立起完整的時間序列預測模型，對計算機病毒進行有效的識別，使我們能夠得到精確的防御結果，為當前我國的網絡信息安全防御做出了重要貢獻.

結語

綜上所述，人工智能技術在網絡信息安全防御的過程中具有顯著的作用，它能夠有效的規避傳統防御方式的弊端，為新形勢下網絡信息安全保障工作做出了重要貢獻.總之，人工智能技術在網絡安全中的應用是全方位的，是一項系統工程，我們也需要運用綜合的方法，比如明確智能防火墻技術、人工神經網絡技術、垃圾郵件自動檢測技術等在網絡安全防御中的應用，為我國的網絡安全環境提供基本的理論支撐.

參考文獻：

〔1〕李澤宇.人工智能技術在網絡安全防御中的應用探析[J].信息通信,2018(1):196-197.

〔2〕吳京京.人工智能技術在網絡安全防御中的應用探析[J].計算機與網絡,2017,43(14):60-61.

第2篇：人工智能技術難點范文

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。由于信息環境巨變與社會新需求的爆發，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，對其未來職業生涯的發展有著重要作用。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學生的技術創新思維與能力，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節設置，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，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；在醫療領域，是醫療器械的創新生產源動力；在能動領域，是高端能源裝備與新能源發展的重要驅動；在光電信息與計算機工程領域，技術的發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勢的新型教學模式。針對管理類專業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性，適用于管理類專業學生的教學。具體而言，高校基于其問題啟發性、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性與耗時性，但具有很強的積極效果：培養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節是逐漸遞進、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。互動則是在研討的基礎上，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、社會產業發展及研究現狀聯系起來，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、發論文的積極性。例如，教育部主辦的中國研究生人工智能創新大賽，圍繞新一代人工智能創新主題，激發學生的創新意識，提高學生的創新實踐能力，為人工智能領域健康發展提供人才支撐。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，激發學生的創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、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了《國務院關于積極推進“互聯網+”行動的指導意見教育》、《高等學校人工智能創新行動計劃》等文件，“互聯網+”、“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4.0和強國戰略，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，根據管理類專業偏向領域，開設關聯程度較大、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學生的微積分、線性代數、概率論等專業基礎數學課程以及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，以期培養學生的自主思考能力。

第3篇：人工智能技術難點范文

漢語自動分詞是目前中文信息處理中公認的難題，因為漢語自動分詞是自然語言理解、機器翻譯、信息檢索、語言文字研究、漢語文本自動標引、內容分析等研究領域中最基本的一個環節，也是中文信息自動處理的“瓶頸”。如果能突破這一“瓶頸”，那么中文信息的自動處理就會迎刃而解，甚至意味著中華民族文化復興的開始，因為它已經為漢語走向全世界打開了一扇方便之門。

近年來，由于計算機技術的飛速發展，漢語自動分詞研究取得了突破性進展，其應用研究也越來越受到人們的重視，應用范圍也越來越廣。內容分析就是漢語自動分詞應用研究的重要領域之一，因為漢語自動分詞是內容分析法的前提和基礎。隨著內容分析法的興起及其廣泛應用，研究漢語自動分詞在內容分析法中的應用就變得十分迫切和必要了。

1　已有的分詞方法

為了克服漢語詞計算機自動切分這一難題，許多年來，大量的學者都加入了這一領域的研究，使漢語自動分詞取得了豐碩的研究成果。歸納起來，目前國內公開報道過的漢語自動分詞系統采用的分詞方法主要有三種類型[1～8]：

(1)機械分詞法。又稱詞典式切分法。機械分詞法主要有最大匹配法（MM法）、逆向最大匹配法(RMM、OMM、IMM)、逐詞匹配法、部件詞典法、詞頻統計法、設立標志法、并行分詞法、詞庫劃分和聯想匹配法等。

(2)語義分詞法。語義分詞法引入了語義分析，對自然語言自身的語言信息進行更多的處理，如擴充轉移網絡法、知識分詞語義分析法、鄰接約束法、綜合匹配法、后綴分詞法、特征詞庫法、約束矩陣法、語法分析法等。

(3)人工智能法。又稱理解分詞法。人工智能是對信息進行智能化處理的一種模式，主要有兩種處理方式：一種是基于心理學的符號處理方法，模擬人腦的功能。像專家系統即是希望模擬人腦的功能，構造推理網絡，經過符號轉換，從而可以進行解釋性處理。一種是基于生理學的模擬方法。神經網絡旨在模擬人腦的神經系統機構的運作機制來實現一定的功能。以上兩種思路也是近年來人工智能領域研究的熱點問題，應用到分詞方法上，產生了專家系統分詞法和神經網絡分詞法[9]。

2　當前漢語自動分詞研究的重要趨勢

漢語自動分詞是一個綜合性的難題，涉及到眾多的學科和研究領域，需要多個學科的研究成果作為基礎。但是隨著科學技術的快速發展，漢語自動分詞也并非遙不可及。根據目前漢語自動分詞的研究現狀，以及相關學科的發展情況，漢語自動分詞有望在三個重大研究領域取得突破性進展。

2.1　克服漢語文本切分中的困難，繼續研究傳統文本切分的有效方法

目前，漢語自動分詞的研究重心主要集中在克服傳統文本切分中存在的困難，對傳統文本的有效切分上。在計算機科學、情報科學和語言文字研究三個領域的學者專家們的共同努力之下，傳統文本的有效切分已經取得了重大進展。

(1)漢語詞的規范研究。漢語詞的規范是漢語自動分詞的基礎。沒有統一和明確的漢語詞的定義，沒有規范的漢語分詞詞表，漢語自動分詞就無從談起。在漢語語言學家和計算機中文信息處理專家們的共同努力之下，目前，我國漢語詞的規范研究和漢語分詞規范詞表的制定已經有了較大突破。《信息處理用現代漢語分詞詞表》的制定及不斷完善，說明了我國在漢語自動分詞詞表方面取得了重大研究成果，這為漢語自動分詞的研究鋪平了道路[10～14]。

(2)漢語詞自動分詞算法研究。分詞算法研究是漢語自動分詞的重點和難點，每一次分詞算法上的突破都會使漢語自動分詞的速度和精度有較大提高。據不完全統計，目前，在漢語自動分詞方法和算法研究中，已經出現了上百種分詞方法和算法[15～19]。傳統漢語自動分詞要獲得新的突破，只能結合新的信息技術，在分詞算法上做文章，必須在現有的分詞算法和方法的基礎上找到新的分詞算法，這是今后漢語自動分詞努力的重要方向之一。

(3)漢語自動分詞歧義處理研究。漢語自動分詞的主要困難是歧義切分，而歧義在自動分詞中普遍存在。隨著自動分詞研究的突破，分詞歧義處理研究也取得了重大進展。以前的消歧方法大體可分為兩類：規則方法與統計方法[20]。由于自動分詞中存在三種歧義類型，不同類型的歧義，其產生的根源和消除的方法各不相同。因此，應針對不同的歧義類型采取不同的解決方法。對于第一類歧義，由于他們本身就是漢語言中的歧義問題，解決這類歧義需要依靠上、下文語義信息，即增加語義、語用知識的處理。這無異對自動分詞的效率有很大的影響（時間上和空間上），而且實現起來比較困難。若是在詞處理的相應階段，結合對分詞階段未解決的歧義字段進行處理，則會起到事半功倍的效果。統計表明，第一類歧義字段不到整個歧義字段總數的1/30，因此不必在分詞階段花費巨大的開銷來處理它們。目前對第二類歧義處理方法主要有以下幾種：分詞知識處理法、聯想－回溯法、基于詞頻統計的方法、鄰接約束法、基于數學期望的方法。處理第三類歧義目前主要有兩種方法：一是增加構詞知識，擴大詞典，二是增加臨時詞典。此外，還可以人工干預分詞，人工分詞與計算機自動分詞結合。在遇到計算機解決不了的歧義時，借助于人工干預來完成。為了有效地消除歧義字段，還可以在上述方法的基礎上建立分詞歧義知識庫或規則庫[21～23]。隨著計算機技術和漢語語言研究的進展，漢語詞自動切分歧義處理技術將會有更大的突破。

(4)漢語自動分詞應用研究。目前，漢語自動分詞主要在信息檢索、自動標引、自動文摘、機器翻譯、語言文字研究、搜索引擎研究、自然語言理解和中文信息處理等方面的應用取得了可喜的成績。隨著漢語自動分詞技術的進一步發展，這一研究成果將會更廣泛地應用到更多的研究領域，如詞頻統計、內容分析、概念分析、認知心理學和漢語語言學等方面[24]。

2.2　將人工智能技術與漢語自動分詞研究有機結合起來

第4篇：人工智能技術難點范文

【關鍵詞】人工智能 情景意識 人機環境系統交互 哲學

【中圖分類號】TP18 【文獻標識碼】A

【DOI】10.16619/ki.rmltxsqy.2016.07.001

前言

人工智能是人類發展到一定階段而必然產生的一門學科，它既包括人，也包括機和環境兩部分，所以也可以說是人機環境系統交互方面的一種學問。它同樣“有一個漫長的過去，但只有短暫的歷史”。它的起源可以追溯到文藝復興，接著，又在第一、二次工業革命浪潮中逐漸嶄露頭角。法國人帕斯卡爾研制了第一臺現代意義上的數字計算機，第一、二次世界大戰大大加快了該學科發展的進程，劍橋大學巴貝奇的差分機和圖靈的測試進一步把人工智能領域的研究范圍擴展到了人類學習、生活、工作等方面。到目前為止，研究人工智能的學科不但包括生理、心理、物理、數理、地理等自然科學技術領域，而且還涉及到哲理、倫理、法理、藝理、教理等人文藝術宗教領域。

1997年5月11日，名為“深藍”的電腦毫無懸念地在標準比賽時限內擊敗了國際象棋男子世界冠軍卡斯帕羅夫，從而證明了在有限的時空里電腦“計算”可以戰勝人腦“算計”，進而論證了現代人工智能的基礎條件（假設）――物理符號系統具有產生智能行為的充分必要條件（Newell and Simon，1976）是成立的。更有意思的是，2011年2月17日，一臺以IBM創始人托馬斯?沃森的名字命名的電腦在智力問答比賽中“狂虐”兩位最聰明的美國人而奪得冠軍，2016年3月9日至3月15日，“圍棋名譽九段”AlphaGo在首爾以4：1的比分戰勝了圍棋世界冠軍李世石九段，從而引發了人工智能將如何改變人類社會生活形態的話題。

人工智能是人機環境系統交互的產物

眾所周知，當前制約機器人科技發展的瓶頸是人工智能，人工智能研究的難點是對認知的解釋與建構，而認知研究的關鍵問題則是自主和情感等意識現象的破解。生命認知中沒有任何問題比弄清楚意識的本質更具挑戰性，或者說更引人入勝。這個領域是科學、哲學、人文藝術、神學等領域的交集。盡管意識問題如此重要，令人啼笑皆非的是：無論過去還是現在，一旦涉及到意識問題，大家不是緘口不提，就是敬而遠之，避之唯恐不及。究其原因，不外乎意識的變化莫測與主觀隨意等特點嚴重偏離了科學技術的邏輯實證與感覺、經驗、驗證、判斷，既然與科學技術體系相距較遠，自然就不會得到相應的認同與支持了，這好像是順理成章、理應如此的！然而，最近科技界一系列的前沿研究正悄悄地改變著這個局面：研究飄忽不定的意識固然不符合科技的尺度，那么在意識前面加上情境（或情景）二字呢？人在大時空環境下的意識是不確定的，但“格物致知”一下，在小尺度時空情境下的意識應該有跡可循吧！自古以來，人們就知道“天時地利人和”的小尺度時空情境對態勢感知及意識的影響，只是明確用現代科學的手段實現情境（或情景）意識的研究是源自1988年Mica Endsley提出的Situation Awareness（SA）概念框架：“…the perception of the elements in the environment within a volume of time and space， the comprehension of their meaning， and the projection of their status in the near future.”（在一定的時間和空間內對環境中的各組成成分的感知、理解，進而預知這些成分的隨后變化狀況）但這只是個定性分析概念模型，其機理分析與定量計算還遠遠沒有完善。

在真實的人機環境系統交互領域中，人的情景意識（Situation Awarensss）SA、機器的物理SA、環境的地理SA等往往同構于統一時空中（人的五種感知也應是并行的），對于人而言，人注意的切換產生了不同的主題與背景感受/體驗。在人的行為環境與機的物理環境、地理環境相互作用的過程中，人的情景意識SA被視為一個開放的系統，是一個整體，其行為特征并非由人的元素單獨所決定，而是取決于人機環境系統整體的內在特征，人的情景意識SA及其行為只不過是這個整體過程中的一部分罷了。另外，人機環境中許多個閉環系統常常是并行或嵌套的，并且特定情境下這些閉環系統的不同反饋環節信息又往往交叉融合在一起，起著或刺激或抑制的作用，不但有類似宗教情感類的柔性反饋（不妨稱之為“軟調節反饋”，人常常會延遲控制不同情感的釋放），也存在著類似法律強制類的剛性反饋（不妨稱之為“硬調節反饋”，常規意義上的自動控制反饋大都屬于這類反饋）。如何快速化繁為簡、化虛為實是衡量一個人機系統穩定性、有效性、可靠性大小的主要標志，是用數學方法的快速搜索比對還是運籌學的優化修剪計算，這是一個值得人工智能領域深究的問題。

人機環境交互系統往往是由有意志、有目的和有學習能力的人的活動構成，涉及變量眾多、關系復雜，貫穿著人的主觀因素和自覺目的，所以其中的主客體界線常常模糊，具有個別性、人為性、異質性、不確定性、價值與事實的統一性、主客相關性等特點，其中充滿了復雜的隨機因素的作用，不具備重復性。另外，人機環境交互系統有關機（裝備）、環境（自然）研究活動中的主客體則界線分明，具有較強的實證性、自在性、同質性、確定性、價值中立性、客觀性等特點。無論是在古代、中世紀還是在現代，哲學宗教早已不單純是意識形態，而且逐漸成為各個階級中的強大的政治力量，其影響不斷滲透到社會生活的各個領域，更有甚者，把哲學、政治、法律等上層建筑都置于宗教控制之下。總之，以上諸多主客觀元素的影響，進而導致了人機環境交互系統異常復雜和非常的不確定。所以對人機環境交互系統的研究不應僅僅包含科學的范式，如實驗、理論、模擬、大數據，還應涉及到人文藝術的多種方法，如直觀、揣測、思辨、風格、圖像、情境等，在許多狀況下還應與哲學宗教的多種進路相關聯，如現象、具身、分析、理解與信仰，等等。

在充滿變數的人機環境交互系統中，存在的邏輯不是主客觀的必然性和確定性，而是與各種可能性保持互動的同步性，是一種得“意”忘“形”的見招拆招和隨機應變能力。這種思維和能力可能更適合復雜的人類各種藝術過程。凡此種種，恰恰是人工智能所欠缺的地方。

人機之間的不同之處

人與機相比，人的語言或信息組塊能力強，具有有限記憶和理性；機器對于語言或信息組塊能力弱，具有無限記憶和理性，其語言（程序）運行和自我監督機制的同時實現應是保障機器可靠性的基本原則。人可以在使用母語時以不考慮語法的方式進行交流，并且在很多情境下可以感知語言、圖畫、音樂的多義性，如人的聽覺、視覺、觸覺等具有辨別性的同時還具有情感性，常常能夠知覺到只可意會不可言傳的信息或概念（如對哲學這種很難通過學習得到學問的思考）。機器盡管可以下棋、回答問題，但對跨領域情境的隨機應變能力很弱，對彼此矛盾或含糊不清的信息不能有效反應（缺少必要的競爭冒險選擇機制），主次不分，綜合辨析識別能力不足，不會使用歸納推理演繹等方法形成概念或提出新概念，更奢談產生形而上學的理論形式。

人與機器在語言及信息的處理差異方面，主要體現在能否把表面上無關之事物相關在一起的能力。盡管大數據時代可能會有所變化，但對機器而言，抽象表征的提煉亦即基于規則條件及概率統計的決策方式與基于情感感動及頓悟冥想的判斷（人類特有的）機理之間的鴻溝依然存在。

人工智能與哲學

人類文明實際上是一個認知的體現，無論是最早的美索不達米亞文明（距今6000多年），還是四大文明之后日新月異的以西方為代表的現代科技力量，其原點都可以落實到認知這個領域上。歷史學家認為：以古希臘文化為驅動力的現代西方文明來源于古巴比倫和古埃及，其本質反應的是人與物（客觀對象）之間的關系；而古印度所表征的文明中常常蘊含著人與神之間的信念；排名最后的古代中國文明是四大古文明中唯一較為完整地綿延至今的文化脈搏，其核心之道理反映的是人與人、人與環境之間的溝通交流（這也許正是中華文明之所以持續的重要原因吧）。縱觀這些人、機（物）、環境之間系統交互的過程中，認知數據的產生、流通、處理、變異、卷曲、放大、衰減、消逝無時無刻不在進行著……

有人說人工智能是哲學問題。這句話有一定的道理，因為“我們是否能在計算機上完整地實現人類智能”，這個命題是一個哲學問題。康德認為哲學需要回答三個問題：我能知道什么？我應該做什么？我可以期待什么？分別對應著認識、道德、信仰。哲學不是要追究“什么是什么”，而是追求為什么“是”和如何“是”的問題。自2013年10月回國后，筆者一直在思考人機交互的本質問題，偶然與朋友交談時聊及“共在”（Being together）一詞，頓感很是恰當，試想，當今乃至可見的未來，人機之間的關系應該不是取代而是共存吧：相互按力分配、相互取長補短，共同進步，相互激發喚醒，有科有幻，有情有義，相得益彰……非常巧合的是，2014年以來，機器學習、互聯網、機器人、人工智能等領域的發展也相當迅速，深度學習、類腦計算、情景感知一時間成了關鍵詞，成了時髦語，但細細品來，其核心實質都不過是解釋與建構的問題，形而上后竟會變成高大上的哲學問題。

其實哲學與科學、宗教一樣，都是一個人為了能夠獲得理解而必須相信（除非你相信你不應當理解）的過程，這不是盲從，而是一種先信仰后理解的先驗！比如，在科學中，物理學研究世界是什么樣的（解釋世界），計算機（數學）研究怎么造一個世界（建構世界），在這兩者之間若沒有相信、信任、信仰等先于理解而存在，恐怕是難以堅持進行下去的，畢竟在伸手不見五指的黑夜中，人是很難自行產生前進動力的（如一個沒有利潤的環境常常少見商人身影一般）。而信仰是一種贊同的思考，常常是一種非理性的激情、沖動情感，通過非理性而達到理性（通情達理），這不能不說是一個有趣的悖論！或許，這同時也是無中生有的禪理（以情化理）吧！

實際上，目前以符號表征、計算為代表的計算機虛擬建構體系是很難逼真反映以物理、生理、心理等理論解釋真實世界的（數學本身并不完備），而認知科學的及時出現不自覺地把各“理”（物理、生理、心理）解釋與各“機”（計算機、飛機、拖拉機）建構之間對立統一了起來，圍繞是（Being）、應（Should）、要（Want）、能（Can）、變（Change）等節點展開融合進而形成一套新的人機環境系統交互體系。

有時候，世界是確定的，不確定的是我們自己，面對相同的文字、音樂、視頻等情境事物，我們常常會隨心情的不同而產生不同的覺察和理解，境隨心轉。有時候，世界是不確定的，確定的反而是我們自己，面對不同的文字、音樂、視頻等情境事物，我們卻能夠處變不變而產生恒定表征，形成概念，心隨境轉。不管怎樣，世界包括我們自己是由易、不易、簡易、遷易、無易、有易、一易、多易……等諸多演化過程構成的，在這些紛繁復雜的變化中，都需要一種或多種參考框架體系協調其中的各種矛盾、悖論，而若追溯到這些框架體系的起源，應該就是人機環境之間的交互作用。或許，最好的智慧/智能真的就隱藏在這些交互的自相矛盾之中？！若果真如此，那又該如何破譯呢？

哲學意義上的“我”也許就是人類研究的坐標原點或出發點，“我是誰”“我從哪里來”“要到那里去”這些問題也許就是人工智能研究的關鍵瓶頸？！

結束語

人工智能，尤其未來的強人工智能很可能是一種集科學技術、人文藝術、哲學宗教為一體的“有機化合物”，是各種“有限理性”與“有限感性”相互疊加和往返激蕩的結果，而不僅僅是科學意義上的自然秩序之原理。它既包含了像科學技術那樣只服從理性本身而不屈從于任何權威的確定性知識（答案）的東西，又包含著諸如人文藝術以及哲學、宗教等一些迄今仍為確定性的知識所不能肯定的思考。它不但關注著人機環境系統中的大數據挖掘，而且對涉及“蝴蝶效應”的臨界小數據也極為敏感；它不但涉及計算、感知和認知等客觀過程，而且還對算計、動機與猜測等主觀過程頗為青睞；它不但與系統論、控制論和信息論等“老三論”相關，更與耗散結構論、協同論、突變論等“新三論”相聯。它是整體與局部之間開環、閉環、自上而下、自下而上交叉融合的過程，是通過無關―弱相關―相關―強相關及其逆過程的混關聯變換。

通過研究，我們是這樣看待指人工智能技術問題的：首先人工智能過程不是被動地對環境的響應，而是一種主動行為，人工智能系統在環境信息的刺激下，通過采集、過濾，改變態勢分析策略，從動態的信息流中抽取不變性，在人機環境交互作用下產生近乎知覺的操作或控制；其次，人工智能技術中的計算是動態的、非線形的（同認知技術計算相似），通常不需要一次將所有的問題都計算清楚，而是對所需要的信息加以計算；再者，人工智能技術中的計算應該是自適應的，人機系統的特性應該隨著與外界的交互而變化。因此，人工智能技術中的計算應該是外界環境、機器和人的認知感知器共同作用的結果，三者缺一不可。

研究基于人類行為特征的人工智能系統技術，即研究在不確定性動態環境中組織的感知及反應能力，對于社會系統中重大（戰爭、自然災害、金融危機等）的應急指揮和組織系統、復雜工業系統中的故障快速處理、系統重構與修復、復雜壞境中仿人機器人的設計與制造等問題的解決都有著重要的參考價值。

鑒于研究人工智能系統涉及面較廣，極易產生非線性、隨機性、不確定性等系統特征，使之系統建模研究時常面臨著較大困難。在之前的研究中，多種有價值的理論模型被提出并用于描述表征、學習、理解、自主、預測等系統行為，但這些模型在對人工智能的實質及影響因素方面考慮還不夠全面，也缺乏對模型可用性的實驗驗證，所以本文重點就是針對人機環境系統的實質及對人工智能影響因素這兩個關鍵問題進行了較深入探討，追根溯源，以期早日實現高效安全宜人可靠的強人工智能系統。

責 編M樊保玲

第5篇：人工智能技術難點范文

關鍵詞：計算機輔助教學；智能計算機輔助教學；CAI系統

隨著科學技術的發展，計算機在教學過程中占有了一席之地。計算機輔助教學（Computer Assisted Instruction――CAI）就是利用計算機輔助教師進行教學活動，通過學生與計算機間的交互從而達到教學目的。計算機輔助教學大致有兩種方式：一種是將教師在課堂上用語言和板書的形式難以表述清晰的重點、難點以課件的方式呈現給學生，這種課件一般是以課堂演示的方式使用；另一種是以電子教案的形式出現。電子教案中不僅包括學習內容及重點、難點的演示，還包括一些習題及習題的分析與解答等內容。

因為受到支撐學科及計算機水平的限制，CAI軟件的實現水平遠遠落后于CAI理論的發展。目前占主導地位的仍是基于行為主義學習理論的CAI軟件系統。眾所周知，這種軟件通常都是基于框面，采用小步驟的分支式程序設計，學生在使用這種軟件時則是被動地接受知識。現在，我國CAI軟件的總體制作水平不高，軟件的智能性和通用性不強，使得CAI軟件的局限性比較大，有的僅僅是課堂教學的改版，教學內容、教學方法一成不變，無法根據學生的具體情況向他們提供合適的學習資料，進行恰當的個性化教學，從而達到實現學生全面發展的目標。而且軟件如果需要增加新的結構相似的教學內容時，開發人員還需重新編程，這樣既給開發者增加了許多重復性勞動，又給學習者造成了諸多不便。

目前使用的CAI軟件存在著以下一些缺點：（1）網絡支持不足：現在的大多數CAI軟件是以光盤形式存在，在單機環境下運行。雖然大多具有網絡支持，但是大多的網絡支持都是針對這一版本的軟件進行的系統修補，而很少針對教學內容進行更新維護，這樣的軟件生命周期不會很長。（2）教師的參與度不足：現在的大多數CAI軟件在制作時就沒有考慮到教師的參與，這些軟件的學習和使用都是學生自主進行。通過這些軟件，教師沒有辦法了解學生的學習情況，學生在碰到問題時也沒有辦法向教師求助，師生之間不能進行交流。這樣的軟件無法實現個別化教學。（3）監督機制不完善：現在的CAI軟件之所以僅僅被視作一種教學輔助工具，而不是一種完全獨立的教學手段，在很大程度上就是因為缺少必要的監督機制，得不到教育主管部門和社會大眾的認可。

綜上所述，現有的計算機輔助教學系統存在諸多問題，這些問題使計算機輔助教學系統不能適應新的要求。因此，智能計算機輔助教學系統將成為教育技術的一個新的發展方向。

智能計算機輔助教學（Intelligent Computer Assisted Instruction――ICAI）是一種新的教育技術，它以認知科學和思維科學為理論基礎，綜合了人工智能技術、教育學、心理學等各門學科的知識，對學生進行有效的教育。

ICAI系統主要由三個部分組成：知識庫、學生模型和教師模型。知識庫包含學科知識和教學知識兩部分；學生模型提供了學生的程度：學生知道什么和不知道什么，代表了學生的智能活動；教師模型提供了教學方法，負責指導系統怎樣進行教學活動，代表了教師的智能活動。此外，ICAI系統通常還包含一個具有自然語言處理的智能人機接口。

由此可見，ICAI系統將教學內容與教學方法分開，根據學生模型提供的信息，通過系統的智能搜索與推理，動態生成適合于特定學生的教學內容與策略；通過智能診斷機制判定學生的學習水平，分析學生產生錯誤的原因，從而向學生提出針對錯誤的修改意見，下一步的學習策略；通過對所有學生的錯誤進行統計，智能診斷機制將及時向教師提供教學策略的更改建議；通過對學生模型、教學過程、教學結果的智能分析，向教學主管部門提供對教師教學工作的評價意見。可以說，一個理想、完美的ICAI系統就是一個自主、優秀的“教師”。

要開發一個好的智能計算機輔助教學系統，需要考慮以下幾個方面：

1.模擬人類將記憶與思維合一

由于計算機技術不斷地發展，計算機數據交換方式也在不停地發展，從而提升了處理器與存儲器之間的配合，這使智能計算機輔助教學系統進行模擬人類記憶與思維活動變得可能，從而可以同時應付多種不同的情況，進行多方位的綜合性思考。

2.模擬人類較好地解決不確定性問題

現實世界中的事物大多是模糊的、不確定的，人類可以又快又好地處理這樣的事物，但目前的計算機輔助教學系統無法做到這一點，為了能夠對不確定性進行正確處理，需要從軟件上彌補這一缺陷。

3.模擬人類較好地解決自主學習問題

人類具有感知能力，能通過各種感覺器官感知外部世界，從而得到所需要的有關信息，但目前的計算機輔助教學系統卻不具備這種能力，它需要人們把已經表示出來的各種信息通過一些輸入設備輸入才能進行處理。雖然目前人們已經通過各種軟件和硬件的方法能夠與計算機輔助教學系統直接交互，但是這已經限制了計算機輔助教學系統的應用。

4.與網絡技術相結合，實現深層次教學

隨著多媒體技術和網絡技術的飛速發展，智能計算機輔助教學系統不僅要在智能上有所發展，還要在多維的網絡空間中發展進步。基于網絡環境的智能計算機輔助教學系統要利用網絡的優勢，完成在線學習、實時討論、隨堂練習、網上測試等多種教學任務，實現遠程教學。

5.人工智能技術的使用

人工智能技術在智能計算機輔助教學系統中的應用，主要體現在對普通的計算機輔助教學系統中引入了知識推理機制，如，每次課程結束時，系統會根據學生的隨堂測試情況確定學生的新的認知水平，作為下次學習的起始依據，并且向學生提出新的學習建議。

6.提高虛擬學習環境的人機交互性

虛擬學習環境是由多媒體技術、仿真技術、計算機技術、網絡技術相結合而產生的一種交互式人工世界。它的最根本的目的就是要實現基于自然技能的人機交互。在智能計算機輔助教學系統中，使用這種虛擬學習環境，能夠在一般人所不能親身體驗的情景中，達到演示、操作完美統一的教學目的。

第6篇：人工智能技術難點范文

關鍵詞：人工智能；全英文教學；教學內容改革；教學模式改革

1 實施全英文教學的必要性

隨著國際學術交流的日益活躍以及國際化辦學的趨勢發展，借鑒國外著名大學的辦學理念和管理模式，利用世界優質教育資源，提升教育教學水平，造就具有國際競爭能力的復合型創新人才，正成為我國教育改革與發展的新方向。

智能化是人類社會技術發展的必然趨勢。作為計算機科學與技術專業課程體系中的核心課程之一，人工智能的地位正隨著該學科的不斷發展和其技術的廣泛應用迅速提高，而且在非計算機領域，具有不同專業背景的學者也通過這個年輕的領域發現新思想和新方法。由于人工智能課程內容涉及計算機科學以及邊緣學科的新理論、新方法與新技術，因此在該課程中開展全英文教學不僅可以讓學生充分了解人工智能日新月異的發展，還可以促進本科教學與國際接軌，在培養國際化創新人才方面具有十分積極的現實意義。

2 當前國內全英文教學存在的主要問題

筆者對當前國內高校人工智能課程全英文教學的現狀進行調查分析，調查對象為軟件工程專業本科三年級學生，調研問卷共58份。調查項目、內容及結果見表1。

從項目1和2的調查結果看，大部分學生認為開展全英文教學有必要，其在提高英語應用能力、增強自己的就業競爭力以及了解國際前沿等方面有很大幫助。然而，由于全英語教學在我國尚處于起步階段，進行全英語教學的效果并不十分理想，其教學試點與實踐尚存在一些亟待解決的問題，主要表現在如下幾個方面。

（1）對全英文教學的理解存在偏差。從項目3～5的調查結果看，教師不能正確處理好全英文教學與專業英語課教學的關系，使全英文教學變為純英語課教學或專業英語課的翻版。大部分學生還是希望教學授課語言以雙語為主或以中文為主、英文為輔，多媒體課件形式為中英文相結合。

（2）全英文教學達不到預期的教學效果。從項目6和7的調查結果看，雖然一些大學花了很大代價邀請國外一流教授專家講授課程，但由于人工智能課程理論性強、難度大，學生很難適應全英文課程教學。

（3）缺乏內容全面和難度適中的教材。從項目8和9的調查結果看，一些大學在實施人工智能課程全英語教學時直接引進原版英文教材，但這對本科生來說，原版英文教材內容偏多、難度較大，學生學習時不免有諸多畏難情緒。

（4）師資匱乏。從項目10的調查結果看，學生對承擔全英文教學教師的滿意程度普遍不高。實際上，全英文教學對承擔課程教學的教師要求很高，他們不僅需要具備專業知識，而且還要掌握英語應用技能，而現階段國內高校中能承擔全英語教學的師資仍然十分匱乏。

綜上所述，如何改革全英文教學模式，講授哪些教學內容，采用何種科學的教學方法與手段，是值得我們思考和關注的教學改革重點和難點。

針對以上這些問題，我們深入研究人工智能課程的特點，對現有教學模式、內容及方法進行全方位探索和改革，制訂全英文教學計劃，對促進教學工作、提高教學質量、培養國際創新型人才起重要作用，其重要意義具體體現在以下3個方面。

（1）探索如何將理論知識傳授、綜合能力培養與英語交流運用三者有機結合，建立全英文教學的新型模式，這將對更新教學理念和探索適合于計算機軟件人才培養的教學方法產生深遠影響。

（2）全英文課程教學能夠讓學生掌握最先進的人工智能國際前沿技術，開闊國際視野，有利于培養復合型、實用型、具有國際競爭力的高層次創新人才。

（3）全英文教學改革的探索與實踐能夠促進國內教育向國際教育邁進。

3 全英文教學內容改革

建立完善的全英語教學體系，需要有系統而完整的教學內容。我國計算機科學與技術本科專業人工智能課程課時一般只有36學時，因此我們需要考慮從什么角度組織教學內容，才能讓學生比較容易地理解、熟悉和掌握人工智能的原理、方法與技術，從而顯著提高教學效果。

與國內教學內容相比，國外教學更注重分析問題的思維方法和解決問題的應用能力，對提高學生的學習興趣以及培養學生的創新能力十分有益，但是原版內容過多，且大多以國外政治、經濟、文化、社會和生活為背景，對于我國學生來說，理解某些內容和背景比較困難。因此直接套用原版教學內容往往存在一定問題，我們需要在引進、消化和吸收國外經典教材內容的基礎上，有選擇性地挑選合適內容。國外經典教材編寫思路不盡相同，一些經典人工智能教材及主要內容見表2。

人工智能的基本思想和主要內容是研究人類智能活動規律和用于模擬人類某些智能行為的基本理論、方法和技術。從表2中可以看出它們的共同點，即人工智能應圍繞“智能”這個核心，但由于智能本身非常復雜，難以用單一的理論與方法描述，需要從不同的抽象層次刻畫智能這個主題。我們認為，人工智能的主要內容可按圖1所示劃分為不同層次并確定講授順序。

在最底層，神經網絡與演化計算（適應性原理與仿生機制等）輔助感知以及與物理世界的交互；抽象層反映知識在智能中的角色和創建以及圍繞問題求解的知識的抽象、表示和理解；更高層則提出學習、規劃、推理的模型和方式；應用層構造智能化智能體以及具有一定智能的人工系統，讓計算機實現以往需要人的智力才能完成的工作。除了將人工智能課程的教學內容劃分為這4個層次，為保證教學內容的循序漸進性，還可按照抽象層更高層最底層應用層順序安排教學內容。

4 全英文教學模式改革的實施關鍵

針對以上國內全英文教學中存在的主要問題，我們提出人工智能課程全英文教學模式改革的實施關鍵，包括全英文課堂教學模式的重定位，“二三二”模式教學方法的改革，集先進性、前沿性和實用性為一體的教學內容創新以及全專業英語教學團隊的打造。

4.1 全英文課堂教學模式的重定位

人工智能課程教學以培養學生掌握專業基礎知識、培養實踐動手與應用能力以及提高英語交流水平三者相結合為主要目標，分兩個階段進行，國內教師與國外教師共同授課。首先，國內主講教師講授人工智能課程的基礎原理、模型和方法，可采用集中授課、案例教學和課堂實踐等教學方式，使學生掌握人工智能的一般基礎知識；在此基礎上，再邀請國際知名外籍教師為學生講授人工智能國際前沿技術，包括集中授課和專題研討。經過基礎學習，學生一般已掌握人工智能基礎知識，因此對于外籍教師所講授的學科前沿等內容能夠準確理解和把握。與單純采用全英文教學或單純邀請外籍教師授課相比，該模式能收到較好的預期效果。“1+1”全英文雙課堂教學模式如圖2所示。

4.2 “二三二”模式教學方法的改革

實行全英語教學后，由于使用英文教材及中外教育背景存在差異等因素，我們在教學過程中對教學方法進行一定程度的調整和改進，包括全英文授課形式、案例教學、教學內容以及教學手段等方面；配合“1+1”全英文雙課堂教學模式，提出圖3所示的“二三二”模式教學方法，培養學生成為具有綜合能力、創新能力、國際視野和英語技能的復合型人才。

該教學方法模式包括：（1）過渡式全英文與沉浸式全英語兩大英語教學方式；（2）激勵自主式、啟發互動式、體驗學習式三大學習法，激發學生學習興趣，使學生牢固掌握人工智能基礎理論與方法；（3）參與學習式和自我展示式兩大學習法，培養學生綜合運用知識的能力和創新能力。

在全英文課堂授課過程中，我們需要注重把握英語與專業的比例。首先，不能一味地追求全英文授課的形式而忽視教學效果；其次，還需要為學生提供一個良好的語言學習環境，在實際教學中注重培養學生良好的英語思維習慣，從根本上提高學生的英語水平。

人工智能課程包含大量概念，內容抽象，算法復雜，學生往往難以理解與掌握。將案例教學方法引入課程教學能有效提高學生的學習興趣，獲得較好的預期教學效果，但要達到理想的教學目標，僅僅靠課堂教學遠遠不夠，還需要拓展第二課堂。有計劃地邀請國外人工智能專家和教授到大學進行專題講座，鼓勵學生參加相關的課外科研/科技活動，使得學生能夠體驗式地、自主地學習，更好地了解人工智能新技術，從而進一步激發學生的學習熱情。構建案例教學和課堂實踐的雙課堂教學模式，不僅能夠豐富教學內涵，而且可以充實學科前沿知識并拓寬學生的國際視野。

4.3 集先進性、前沿性和實用性為一體的教學內容創新

除了引進、消化和吸收國外經典教材內容以外，我們還需要逐步建立起具有自身特色的教學內容，以保證教學內容集先進性、前沿性和實用性為一體。

（1）先進性。我們提出教學與科研相結合，以科研帶動教學發展的新思路。教師可結合自己的人工智能及其相關領域的科研項目，將科研最新研究成果以及學科前沿知識進行梳理與優化并有機融入課程教學中，確保教學內容的先進性，有效提高教學改革的質量。

（2）前沿性。對人工智能發展較快的領域，如智能計算、數據挖掘等，還需更新和補充全英文教學內容，同時可以邀請國際知名大學教授共同研究與探討教學內容，保證課程內容具有一定的前沿性，通過實現全英語教學保證課程與國際接軌。

（3）實用性。在講授基礎理論知識的基礎上，還應注重實踐的應用，增強學生的動手操作能力，以符合素質教育必須注重實踐的要求。教師可結合教學中的基本理論知識，適當補充案例與實例，使得教學內容與實際相聯系，豐富課程內涵并提高教學效果。

4.4 全專業英語教學團隊的打造

師資力量直接影響教學效果。師資的匱乏是現階段全英語教學面臨的主要問題之一。雖然一些教師具有較扎實的人工智能學科功底，但不能熟練地運用英語進行授課，而有些教師則知識結構單一，缺少人工智能及其相關學科間的交叉與融合，因此我們需要多渠道、多層次地打造既具備專業知識，又具有學科交叉與融合能力，同時掌握英語技能的全英語教師隊伍。將科研與教學相結合，利用與國外人工智能及相關領域學術帶頭人建立的合作關系優勢加強交流與合作，爭取申請國際合作科研項目，利用科研提高教師的教學質量、專業水平和英語技能。

5 全英文教學的具體實施

我們在軟件工程專業本科三年級學生的人工智能課堂上實施全英文教學，具體實施過程如下。

（1）國際軟件學院成立教學主管部門領導小組、從事教學研究的骨干教師組成的全英文教學工作小組以及由教學督導組成的監管小組，三者之間相互配合并共同促進，保障全英文教學工作的順利推進與落實。領導小組對全英文教學的師資培訓、人才引進、多媒體網絡資源開發、實驗室建設、教材編寫等予以政策支持；教學工作小組制訂全英文教學工作規劃和年度計劃；監管小組定期對工作小組的教學完成情況進行評估。

（2）在課程教學中，打破國內常規教學方式，建立開放式全英文教學模式，教學形式多種多樣。教學方式以“1+1”雙課堂教學模式為核心，以講授與專題討論相結合的方式，圍繞基本原理、方法與技術展開教學，激發學生自主學習與創新學習的熱情。

（3）國際軟件學院在人工智能相關領域承擔并完成了一批國家與省部級科研課題，而且取得了一些有影響的研究成果，形成了自己的學科特色和優勢。2006年，國際軟件學院聘請被譽為世界“人工大腦”領域先驅的美國猶他州州立大學計算機系Hugo de Gaffs教授擔任武漢大學全職教授和學院國際人工智能研究室主任。

（4）聘請與國際軟件學院有合作協議的國立首爾大學計算機科學與工程學院Bob McKay教授專職來校為本科生講授人工智能技術前沿。同時，利用國外學者來武漢大學順訪的機會，請其為學生作學術報告，使學生了解國際最新人工智能技術，如邀請曾經在麻省理工學院從事過7年博士后研究的宋森研究員進行“理解大腦與仿制大腦”的講座等。

（5）國際軟件學院在遴選教師到與學院有教學和科研合作的國外大學進修時，優先考慮給本科生授課的全英文教師，并將全英文教學能力作為選拔條件，以教師的學術進修帶動全英文教學建設，使學科和專業建設與全英語教學隊伍打造相結合，全面推進全英語教學工作的開展。

6 結語

人工智能是計算機科學與技術專業的重要課程，目前正面臨著知識更新和教學改革的緊迫任務。筆者以實施全英文教學為契機，針對目前國內全英文教學中存在的亟待解決的主要問題，提出人工智能全英文教學內容與教學模式改革的新思路。

（1）以智能為核心，從不同抽象層次刻畫智能主題，構造人工智能最底層、抽象層、更高層以及應用層4大模塊內容。

（2）突破傳統教學模式，對全英文教學模式進行重定位，提出“1+1”全英文雙課堂教學模式。

（3）提出“二三二”模式教學方法的改革方案，培養具有綜合能力、創新能力、國際視野、英語技能的復合型人才。

（4）提出教學與科研相結合，以科研帶動教學發展的新思路，進行集先進性、前沿性和實用性為一體的教學內容創新。

第7篇：人工智能技術難點范文

關鍵詞：火電廠 鍋爐 主汽溫 控制

鍋爐是火電廠極其重要的基礎設備，發揮著重要的作用。主蒸汽溫度是鍋爐最主要的輸出變量之一。主汽溫度在確保機組運行的安全性能和穩定性能方面具有極其重要的作用，因為主汽溫度具有自動調節的作用，主要是通過維持過熱器出口氣溫的范圍，以保持其在正常范圍內進行運轉。如果該溫度過高會造成一些設備的損壞，鍋爐受熱面以及蒸汽管道金屬材料的蠕變速度將會大大加快，這樣會降低設備的使用壽命。

一、引起主汽溫度變化的各種原因及其控制難點

在鍋爐正常運行過程中，會有多種因素對鍋爐的主蒸汽溫度造成影響，在這多種多樣的影響因素中主要包括：在蒸汽側有主蒸汽流量、給水溫度、減溫水溫度、減溫水流量、在煙氣側有煙氣量和燃燒器的投運方式以及受熱面的污染狀況等，其中煙氣量主要包括總風量和燃料量。最為主要的影響因素是主蒸汽流量、煙氣量和減溫水流量等因素。

由于蒸汽溫度控制的復雜性，主蒸汽溫度的控制一直是鍋爐運行過程中的難點，所以對這方面操作有相當嚴格的標準，在運行過程中要求主蒸汽溫度具有穩定性，上下值之間在5℃的范圍內浮動是正常現象。如果主蒸汽溫度控制不好，長時間的高溫運行下會導致過熱器損壞并且爆管，在汽機側還會導致汽輪機的壽命縮短，汽缸、汽閥、前幾級噴嘴和葉片、高壓缸前軸承等部件都會受到損壞。

與溫度過高相比，主蒸汽溫度過低同樣會引發機組運行的安全問題，會嚴重的影響到機組的循環熱效率降低，這將直接影響到鍋爐的使用效率。一般汽溫每降低5℃～10℃，爐的使用效率約降低1%，同時會引起葉片磨損，這主要是通過汽輪機的最后幾集蒸汽溫度增加引起的。如果汽溫變化過于劇烈，將會引起鍋爐和汽輪機等金屬管材及部件的疲勞，嚴重時還會引起汽輪機汽缸和轉子的脹差變化。溫度控制對于機組的正常運行十分必要，如果溫度控制不好則會直接影響到機組的工作效率，甚至危及機組的生產安全和人員的安全。所以對于電廠鍋爐主蒸汽溫度的變化控制是十分必要的，需要有一套科學嚴謹的控制措施，來保證鍋爐的正常運行。

二、主汽溫度的控制的主要策略和方法

1.經典控制理論基礎上的主汽溫度控制方法

常規PID控制是目前被普遍采用的一種方法，但是由于其自身存在的缺點和不足之處使其難以建立起精確的數學模型，僅僅依靠PID控制。所以，無論PID參數如何匹配，也很難使蒸汽溫度適應各種擾動的變化。

同時，在運行狀況發生較大變化的情況下，過熱汽溫對象的動態特性以及模型參數將會受到明顯影響。常規PID控制方法獲得的控制效果并不是十分讓人滿意。針對常規PID控制的固有缺點，研究人員提出了一系列的改進方法，設置了相應的相位補償，前饋補償控制，分段控制等。但是，這些措施的改進和出現，還是沒有從根本上使控制的效果達到令人滿意的效果。究其原因，它們無法對系統的內部動態參數進行直接有效地控制。

2.以現代控制理論為基礎的主汽溫度控制方法

現代控制理論的本質為時域法，它從一定程度上解決了系統的可控性、可觀測性和穩定性以及其他很多復雜的系統控制問題。但是，這種控制方法在工程實現方面還是存在一定缺陷。基于現代控制理論的主汽溫度控制方法主要包括狀態變量控制，預測控制，Smith預估控制，自適應控制等。

3.智能控制

智能控制作為新興的理論和技術，是傳統控制方法在理論和實踐上的進一步發展和探索，是傳統控制發展到高級階段的產物，具有其他控制理論所不具有的獨特優勢。它可以用來解決控制對象參數在大范圍變化的問題，而這些問題是傳統的控制方法不能夠解決的。對于主汽溫度控制來說，有應用人工智能、開發專家控制系統、人工神經網絡控制系統和模型控制系統等計算機科學的最新技術。

（1）專家控制

專家控制系統作為一種先進的計算機程序系統，有著大量的專門知識和經驗。主要通過應用人工智能技術，以一個或多個人類專家提供的特殊領域知識和經驗為基礎，進行推理和判斷，模擬人類專家做決策的方式和程序，解決那些需要專家決定的復雜問題。目前，專家系統控制器通常由控制規則庫、推理機、信息獲取器和輸出處理器等組成。

（2）人工神經網絡控制

神經網絡的優點是很明顯的，主要包括強魯棒性、容錯性、并行處理、自學習、逼近非線性關系等特點，主要的優勢是用于解決非線性和不確定系統控制方法等各方面的問題。并且，這種控制方式還對非線性的PID進行了改造，采用人工神經網絡與PID結合的控制方法，使常規的PID控制器獲得了令人滿意的性能。單神經元模型與常規PID控制器進行了科學的整合，形成了單神經元PID控制器，這種控制器具有極強的自適應能力。

（3）模糊控制

模糊控制的突出特點是具有人工智能化，不需要對對象過程的精確數學模型進行精確了解，便可以對過程參數的變化具有較高的適應性。僅僅依靠模糊規則來實現汽溫系統的控制是很難實現的，加之模糊控制有著固有的缺點，穩定性不高、精度不高，這就導致模糊控制難以消除系統的穩態誤差。混合型模糊PID系統將串級控制與模糊控制的優點有機地組合起來，較好的解決了蒸汽系統中系統小的超調量與系統快速性間的矛盾。

三、結論

面對電廠鍋爐這個復雜的控制對象，人們一直都在不停地探索更為精準和高效的控制手段，并且致力于尋找一種切實有效的方法，以保證設備的使用安全性和系統穩定性。經過實踐和總結，已經從經典控制理論發展到現代控制理論，并且又出現了智能控制方法。有許多智能的控制方法，在理論研究上所取得的效果是良好的。但是。由于工程中實際存在的問題和缺陷，并沒有在實際生產中得到廣泛的應用。所以，大部分仍處于實驗室仿真階段研究，如何使其應用到實際生產是一個重大課題。

參考文獻：

[1]王研凱.循環流化床鍋爐主汽溫度低的原因分析及處理[J].內蒙古電力技術，2009，（6）.

[2]呂朝暉，徐光寶，等.淺談提高熱工測量準確性與節能工作的關系及策略[J].華北電力技術，2009，（9）.

第8篇：人工智能技術難點范文

關鍵詞：決策支持系統；人件；人件服務；軟件服務

一、 引言

隨著決策理論與方法研究的推進，計算機科學與信息技術的飛速發展，為滿足決策者決策需求內涵的豐富與提升，一種重要的決策支持工具――決策支持系統（Decision Support System，DSS）應運而生。1971年，Scott Morton和Gorry首次提出DSS的概念以支持半結構化和非結構化決策。DSS是在MIS和基于模型的信息系統基礎上發展起來的可形式化、可模型化的、層次較高的信息系統，追求的目標是有效性。自從DSS的概念被提出以來，研究者和實踐家們一直在努力構建更合理、更完善的系統體系。

二、 決策支持系統

1. DSS概念體系。

（1）理論基礎與實現依據。DSS的理論研究及實踐開發和很多學科（領域）的知識有關，其理論框架涉及到計算機科學、信息科學、管理科學、決策科學、行為科學等領域。它不斷吸收其他學科的知識并遵循其自身結構與功能特征的發展規律以完善其理論體系。

DSS支持全部決策過程，不同的研究者對決策過程模型有不同的認知和表述。DSS的研究者在很大程度上受到Simon決策過程模型的影響。它不僅用來解釋決策過程，還是DSS實現的理論依據，且被很多研究者作為區分DSS和其他信息系統（如MIS、ES等）的標志。

（2）定義。自DSS的概念提出后，很多專家與學者（如Keen，Little，Alter，Moore，Bonczek & Tuban）等對DSS的定義進行了不斷擴充與完善。

在軍事指揮決策領域，DSS往往被稱為輔助決策系統，但“決策支持輔助系統”和“輔助決策支持系統”都是不嚴謹的名稱，因“支持”和“輔助”內涵相近。DSS的術語是內容自由的表述，不同時期、不同領域、采用不同技術的人對其有不同的理解。DSS廣義的理解是指用來描述任何支持決策過程的人機系統，狹義的理解是指一種特定的技術。隨著相關理論和技術的發展，DSS的概念內涵和外延都在不斷豐富與發展之中，但理解DSS的實質需根據系統結構及其所決定的系統關鍵特征和功能。

因此，沒有一個廣為人們接受的統一的DSS定義，這也為該領域的發展留有待擴充空間，但不能忽視DSS的目的是支持和改進決策過程。

（3）基本結構。傳統DSS基本結構總的來說分為兩大類：一類是以Sprague兩庫結構為基礎的“三部件”結構，它由數據部件、模型部件和對話部件組成，如圖1所示；另一類是Bonczek（1981）提出的基于知識的“三系統”體系結構，它由語言子系統、問題處理子系統和知識子系統組成，如圖2所示。它們分別從不同的角度揭示了DSS的內部結構和功能模塊特征，都對后來DSS的結構擴充產生了很大的影響。

（4）關鍵特征和功能。因DSS沒有統一的、廣為接受的定義，故DSS的標準特征和功能也沒有統一的描述。但理想中的DSS的關鍵特征和功能如圖3所示。

（5）分類。在DSS的演化進程中，不同時期的不同研究者從不同視角、不同層次對DSS作了不同的分類。比較有代表性的是：Donovan，Madnick（1977）按能否支持重復決策，把DSS分為慣例DSS和臨時性DSS；Arnott，Pervan（2005）按DSS的應用范圍和技術特點，分為個人DSS，GDSS，談判DSS，IDSS，基于知識管理的DSS，BI和DB。

在學術界廣為接受的是Power（2007）按驅動方式將DSS分為模型驅動型DSS、數據驅動型DSS、通信驅動型DSS、文本驅動型DSS、知識驅動型DSS和基于Web的DSS等類型。近年來，基于數據倉庫（Data Warehouse，DW）、聯機在線分析（On-Line Analytical Process，OLAP）和數據挖掘（Data Mining，DM）的商業智能技術得到了迅速發展，再加上Microsoft、Oracle、IBM等數據庫廠商的大力開發與支持，使得數據驅動的DSS相對于模型驅動的DSS具有更高的標準化程度和產品成熟度。

2. 系統分析和設計方法。DSS的系統分析和EDPS、MIS等不同，主要應符合決策者對決策過程的認知、滿足DSS的設計規范和提升DSS的系統效能等方面。對DSS的系統分析通常采用一種稱之為ROMC的方法，即表述（Representation）、操作（Operation）、記憶輔助（Memory aid）和控制機構（Control Mechanism）等，其主要特征是過程獨立、依賴表達式但方法本身并沒有提供實現DSS結構的具體技術。

DSS的設計可采用結構化系統開發方法、層次模型法、面向對象法等。每種方法的著眼點不同，選擇系統設計方法時，需綜合考慮開發人員的知識結構、決策問題的結構與特征、系統的可維護性等因素。

3. 應用。在已投入使用的信息系統中均有DSS成功應用于經濟、管理、軍事等領域的實例，這大大提高了決策的科學性。目前，許多全球著名的軟件供應商，如CA、IBM、Oracle、NCR、Informix、SAS等都提供支持DSS研發的各種工具。

在國內，從事DSS研究的單位主要有中科院、南京大學、國防科大、中南大學等，它們已取得了很多理論研究與實踐應用成果。目前，國內DSS的應用主要體現在大型互聯電網、高等教育評估、軍隊指揮自動化、應急管理、物流管理等領域，其應用范疇仍在不斷擴展之中。

三、 演化進程

自DSS概念提出以來，在人工智能、數據庫、模型庫、知識管理、聯機分析、語義Web服務等新技術的不斷推動以及對決策理論與方法的深入研究，DSS呈現出了以不同技術為主要表征的多種形態并已經取得了一系列重要的進展，如：對DSS定義和基本框架的拓展和改進、面向組織和團隊的群體決策支持系統（Group Decision Support System，GDSS）、商業智能（Business Intelligence，BI）技術、決策支持中心（Decision Support Center，DSC）、綜合性決策支持系統（Intelligent，Interactive and Integrated DSS，I3DSS）、智能決策支持系統（Intelligent Decision Support System，IDSS）以及基于網絡技術而發展的分布式決策支持系統（Distributed Decision Support System，DDSS）等，目前DSS的研究主要集中在應用層面，其演化進程總結如下。

20世紀60年代：DSS的研究主要體現在Scott Morto的管理決策支持，卡內基梅隆大學（CMU）的組織決策理論研究，麻省理工學院（MIT）的有關交互式在線分析處理系統的技術研究，決策支持理論發展等方面。系統的主要特征是將交互式技術應用于管理任務。

20世紀70年代：Scott Morton和Gorry（1971）提出DSS的概念；1971年~1976年，研究主要集中在交互式的計算機系統，后把模型融入DSS；Keen和Scott Morton（1978）把DSS的應用范圍限定在對半結構化管理決策的支持；這階段具有代表性的是BrandAid，Alter，Holsapple等的研究。70年代中后期，系統主要注重有效性，而不是效率。

20世紀80年代：Sprague（1980）提出DSS的“三部件”結構，后又增加了知識庫和方法庫；Bonczek（1980）等提出DSS的“三系統”結構；1981年首屆DSS國際會議在亞特蘭大舉辦；1980年出現了GDSS的概念；Owen（1985）等人提出了DSC的概念；Kersten（1985）年開發支持談判的決策支持系統NEGO；1989年出現的群件Lotus Notes；Kraemer和King（1989）提出的協同決策系統CDSS。人工神經元網絡及機器學習等技術的研究與應用為知識的學習與獲取提供了新途徑，如專家系統和DSS結合形成IDSS。這階段有代表性的是：DSS書籍；群決策支持系統原型；基于計算機的專家系統等。20世紀80年代中后期，注重系統的柔性及應用性。1990年以前，DSS大多是模型驅動的。

20世紀90年代：1990年后，Bill Inmon和Ralph Kimball積極推崇使用關系數據庫技術建立數據驅動的DSS；1994年，開始把OLAP功能集成到數據庫中；1995年，數據倉庫和World Wide Web開始影響決策支持技術的發展，基于Web的DSS變得切實可行；Gartner Group（1996），提出BI的概念。隨著網絡、新一代數據庫、多媒體、仿真和虛擬現實等技術的發展，DSS的研究主要集中在商業智能/聯機在線分析、數據倉庫、基于Web服務的系統/門戶網站、數據挖掘等方面。系統的主要特征是網絡化、應用性、數據驅動。

21世紀至今：系統研究注重應用、注重集成及融入人的高級思維，出現了面向服務的體系結構（Service-Oriented Architecture，SOA）的一體化系統形態。重視計算機與人的知識的相互融合及有效管理，強調DSS與人的交互。特別是近幾年來，開始關注觸控界面技術。系統的主要特征是友好交互、個性化、智能化、集成化。

DSS名稱的擴展反映了決策支持技術的進步和決策者需求內涵的提升，幾種主要的DSS形態的特征對比如表1所示。

每一種系統形態都有其獨特的運用范圍，即所求解的決策問題都有一定的邊界。當然，無論是哪種形態的DSS，都需經過系統調查、可行性論證、系統規劃、系統分析、系統設計、系統實施和系統評價等各階段。

四、 面臨的問題

目前，物聯網、云計算、網絡超算、無線傳感、語義Web等新技術的出現和現有決策支持技術的發展，對個人、組織和社會的影響與日俱增。現有的DSS體系架構面臨復雜決策環境下決策者逐漸增強的參與意識時屢屢陷入困境，這引起了我們的反思，DSS的決策支持效能為什么多年來沒能提上去？

傳統DSS是進行決策任務求解的重要支持工具，主要具備基于邏輯和符號推理的理性決策能力。在實踐中常面臨以下問題：

（1）知識提取困難。信息是決策的基礎，海量（多維）信息、不完備信息，并有信息孤島的存在，如何從這些信息中提取所需知識成為嚴重影響DSS系統效能的因素。

（2）處理半結構化和非結構化決策問題的能力較弱。目前，已經應用于實踐的DSS大部分是模型或數據驅動的，面對結構化和非結構化的問題缺乏有效的解決途徑。

（3）忽視了人的參與作用。傳統DSS的發展重心在技術，主要依靠數據和模型從決策技術層面支持人的決策，忽略了不能完全模型化（定量化）的非技術因素（人的認知），人只是系統的“看客”，而單純考慮技術因素往往讓決策者認為技術不符合決策需求，作為非技術因素的人又是決策系統的一個重要組件，其參與作用如何才能被刻畫出來且無縫融入系統并獲得決策者的認可。

這些存在的問題嚴重影響了DSS的使用價值和用戶的使用熱情，以致DSS的進展不大，但這也是一種挑戰和推動力。因此，如何突破現有DSS的體系架構以提供快速決策和滿足決策者真實需求的復雜的、個性化的決策服務也就成為了研究焦點。

五、 發展趨勢

進入20世紀90年代以來，人工智能（包括遺傳算法、模糊邏輯和智能等），數據庫技術，Web Service，特別是一些專用技術如網格計算、人機交互、移動計算和啟發式搜索的算法等技術的發展，為DSS的發展提供了強大的技術支撐，擴展了系統輔助決策的深度與廣度。其發展趨勢主要有：

1. 注重基于認知特征的人機交互技術。系統通過人機交互技術支持決策過程，為決策過程中超越其認知極限的問題處理提供適用技術手段。近年來，基于知識的人機交互技術是目前DSS研究的主要方向。隨著信息技術的發展，人機交互技術的研究也從簡單的菜單驅動和多媒體界面發展到智能化、多模態（通道）界面，除了傳統的鍵盤輸入、觸摸屏等接觸式操控模式外，還允許語言、手勢、視覺（眼動儀）等多種非接觸式操控模式。

2. 注重人的高級思維的參與，從技術和非技術角度重建系統架構。目前，人類對信息處理規律的研究與探索已經滲透到認知領域，但人的認知特征并沒有體現在傳統DSS系統設計與操作過程中。我們認為，需從技術與非技術的角度考慮DSS的體系結構。將人的高級思維嵌入到非結構化決策問題求解之中以實現人機智能的協同與融合，以期系統在可信度、可行性、適應性、敏捷性等方面都會有所提高。當然，這勢必會引起新型決策系統架構的改變，也會帶來一系列需要解決的關鍵技術。譬如，如何將人件（參與決策活動的人）和軟件網絡賦能為人件服務和軟件服務，并納入系統進行統一管理、調度及使能驅動等。

3. 注重各種相關技術的集成應用。未來的DSS將是綜合集成的，是一個集各種決策支持技術于一身的多功能系統。它把專家群體、決策者、統計數據和信息資料與計算機軟件系統等有機結合起來，構成一個操作便利、快捷、流暢、更能反映決策者高級思維的新型決策系統，具有感性與理性、定性與定量的綜合功能。特別是將語義Web服務、認知科學與未來DSS的設計與開發相結合，已引起國內一些科研院所（校）的重視，并開展了一些基礎性研究工作，但仍有很多理論問題和技術實現難點有待深入研究。

4. 注重系統的智能化。隨著人工智能技術的不斷發展，人工智能技術在DSS中的應用己經相當廣泛。大體可分為兩類：一類是用人工智能技術去實現DSS的模型管理、模型選擇等；另一類則是利用人工智能的知識表達和推理能力直接為決策問題提供支持。如使用專家系統可提升DSS的模型和數據管理；神經計算系統或GSS能夠支持專家系統的知識獲取過程；智能技術能實現不同任務的自動化，最終代替人執行許多日常事務等。

六、 總結

闡述了DSS的產生背景、概念體系、系統分析和設計方法、應用等方面，總結了DSS的演化發展歷程。針對現有的DSS體系架構面臨復雜決策環境下決策者逐漸增強的參與意識時屢屢陷入“困境”，反思了為何多年來DSS的系統效能提不上去的原因，并分析了DSS進一步的發展趨勢。

參考文獻：

1. 吳奎.基于面向服務架構的輔助決策開發平臺若干關鍵技術研究.南京：南京理工大學博士學位論文，2010.

2. 白曉民，張伯明.大型互聯電網在線運行可靠性評估、預警和決策支持系統.北京：清華大學出版社，2010.

3. 瞿斌.高等教育評估決策支持系統.北京：中國水利水電出版社，2011.

4. 李照順，宋祥斌等.決策支持系統及其軍事應用.北京：國防工業出版社，2011.

5. 吳健宏，翁文國.應急避難場所的選址決策支持系統.清華大學學報（自然科學版），2011，51（5）：632-636.

6. 王富忠，沈祖志.物流敏捷調運決策支持系統的研究.中國管理科學，2011，19（1）：84-90.

7. 黃孝鵬，周獻中，田衛萍.基于人件服務的人機協同決策系統有關問題研究.第三屆C4ISR技術論壇，2011，（11）.

8. 黃孝鵬，周獻中，楊佩，蕭毅鴻.基于人件服務的新型決策系統關鍵技術研究.計算機應用與軟件，2012，29（2）：19-21，66.

基金項目：國家自然科學基金（項目號：71171107）；總裝重點預研基金（項目號：9140A06040510BQ***）；江蘇省普通高校研究生科研創新計劃（項目號：CXZZ11_0054）。

第9篇：人工智能技術難點范文

Abstract: Airfield lighting system as a civil airport near visual system is an important link to maintain normal airport. It is the important visual auxiliary navigation equipment to guarantee safe flight, and is an key link in the process of landing. The normal operation of the light system directly is related to the peace of aircraft landing. In view of the importance of the airport light, it must be kept in normal working condition. Along with the rapid development of civil aviation, the original light manual inspection methods can not adapt to the request. The light equipment automatic control, improving the reliability of light has become the basic requirements of the system.

關鍵詞: 助航燈光監控現狀;發展趨勢;探究

Key words: light monitoring status;development trend;explore

中圖分類號:V351.3 文獻標識碼:A文章編號:1006-4311(2010)20-0149-01

0引言

助航燈光巡檢監控系統由電腦主機及與燈位等量的故障定位器及通訊環路組成。系統的基本工作原理是,由安裝于隔離變壓器和燈具之間的故障定位器,實時檢測隔離變壓器和燈具的有關數據,將數據進行處理后,通過通訊環路傳輸,由監控系統的電腦主機接收顯示,告知燈位的正常、老化、斷芯及封裝隔離變壓器的鐵桶進水等狀態信息。

1民用助航燈光監控系統的發展現狀

我國的民用航空的助航燈光監控系統起步較晚,現在也只有太原的無宿機場、武漢的天河機場、福建的武夷山機場、西安的咸陽機場等與國內的一些研究所聯合研制助航燈光計算機監控和巡檢系統。盡管在監控方面取得一定的成就,也推動了我國助航燈光管理的現代化向前邁進了一步。但是在故障巡檢方面卻始終無法克服一些弊端,實際應用效果在機場大規模使用效果上并不理想,因此,要提高民用航空的助航燈光的可靠運行,必須對現有的助航燈光監控系統加以改進。

隨著我國民用航空業的發展,一些旅客吞吐量較大的國際機場和新建機場大都引進了國外的助航燈光監控和燈泡斷芯監測系統。其中南京祿口機場引進了英國的助航燈光監控系統;上海的浦東機場、杭州的蕭山機場先后引進了瑞典的助航燈光監控與燈泡斷芯監測系統。但是這些系統的故障檢測都只是完成燈泡的斷芯檢測,功能單一,仍然無法滿足我國機場的助航燈光監控系統的實際需求。

目前,國外很多機場都另外鋪設光纖,用于監控系統檢測數據的通訊。這種模式既高速、可靠,又沒有電磁污染,并能從根本上解決巡檢系統的難點,能實現更多的檢測功能,是非常不錯的方案。國外一般機場在建設時,都有鋪設布線管,不用進行大規模施工就能進行光纖鋪設。但是這種方案在國內有相當的難度,國內機場除了近幾年新建外,一般都沒有預埋布線管道,有些機場將供電電纜直接布在跑道的水泥里。因此,對處于運行中的機場進行如此大規模的施工并不現實,而且影響機場的正常運行。

2民用助航燈光監控系統發展趨勢

2.1 民用助航燈光監控系統網絡化計算機網絡作為信息和數據通信的工具已成為信息時代的技術支柱,使人類生產和社會生活的面貌發生了根本性變化。它不僅深刻影響著各個工業領域,而且也為各個工業領域提供了強有力的必要通信手段。這對于民用助航燈光監控系統網絡化實現也會有很大的益處的。民用助航燈光系統能夠得到的系統故障信息愈多,則對故障性質、故障位置的判斷和故障距離的檢測也就會更加準確。但要真正實現民用助航燈光監控系統運行方式和故障狀態的自適應,還必須要獲得更多的系統運行和故障信息,只有依靠實現民用助航燈光監控系統的計算機網絡化,才能做到這一點。網絡作為計算機技術、通信技術、網絡技術和微機保護相結合的產物,通過計算機網絡來實現對助航燈光監控系統功能、燈光系統線路、變壓器、開關柜實施監控。網絡監控的最大好處是數據共享,可實現本來由高頻保護、光纖保護才能實現的縱聯保護。另外,由于民用助航燈光監控系統采集了所有助航燈光設備的電流量、母線電壓量,所以很容易就可實現母線實施監控。民用助航燈光網絡監控系統是一種新型的較為成熟的監控手段,是微機監控技術發展的必然趨勢。由于助航燈光系統在整個系統運行中的重要性,故此必須采取有針對性的網絡安全控制策略,以確保網絡系統的安全。助航燈光監控系統網絡化可大大提高助航燈光系統設備運行性能和可靠性,這也是助航燈光監控系統發展的必然趨勢。

2.2 民用助航燈光監控系統綜合自動化在對民用助航燈光實現計算機化和網絡化監控的條件下,助航燈光監控系統實際上就是一臺高性能、多功能的計算機,是整個助航燈光系統上計算機網絡上的一個智能終端。它可從網絡上獲取助航燈光系統運行和故障的任何信息和技術數據,也可將它所獲得的被保護元件的任何信息和數據傳送給網絡控制中心或任一終端。不但可完成對助航燈光實施保護監控功能,而且在無故障正常運行情況下還可完成測量、控制、數據通信功能,亦即實現保護監控、控制、測量、數據通信一體化。

2.3 民用助航燈光監控系統智能化隨著計算機技術的飛速發展及計算機在民用助航燈光監控系統發展領域中的普遍應用,新的控制原理和方法不斷被應用于助航燈光計算機監控系統。近年來人工智能技術如專家系統、人工神經網絡 、遺傳算法、模糊邏輯、小波理論等在助航燈光領域應用,從而使助航燈光監控系統的研究向更高的層次發展,出現了引人注目的新趨勢。隨著人工智能技術的不斷發展,新的方法也在不斷涌現,在助航燈光監控系統中的應用范圍也在不斷擴大,為民用助航燈光監控系統的發展注入新的活力。