时间:2023-10-08 15:44:12
导语:在人工智能与科学技术的撰写旅程中,学习并吸收他人佳作的精髓是一条宝贵的路径,好期刊汇集了九篇优秀范文,愿这些内容能够启发您的创作灵感,引领您探索更多的创作可能。
关键词: 人工智能;创新驱动;发展建议
人类对于智能机器的探索活动,古已有之。不过,以“人工智能”来命名这一探索并成为一个学科领域,却发生于1956年夏季在Dartmouth举行的一次小规模学术研讨会上。因此,2016年是人工智能学科问世的60周年,在这个不同寻常的年份,世界各地的人工智能科技工作者都在密切关注人工智能的发展动向。
2016年3月,DeepMind研制的人工智能围棋系统AlphaGo以4:1的战绩击败了韩国的围棋高手李世石,把世界对人工智能的关注推向了前所未有的。各种各样的议论喷涌而出。悲观者大呼:“人工智能对于人类的潜在威胁太严重,应当通过立法限制甚至禁止人工智能的研究”;乐观者高喊:“人工智能是人类的真正福音,只要把自己的思想意愿转嫁给人工智能机器,人类就可以通过机器来实现长生不老的千年梦想”。在科技界,人们则在激动着、讨论着:我们应当在什么样的热点技术上发力?是深度学习?是认知技术?还是类脑计算?
回想这些年来,互联网、云计算、大数据、物联网、移动互联、智能制造、智慧城市、人工智能、机器人一波又一波的高新技术登台亮相,中国科技界、教育界和产业界都在一个个地紧紧追赶。虽然在跟踪追赶的过程中取得了不菲的进展,但是人们不禁都在思考:对于人工智能来说,当前社会的需求是什么?什么才是有效的创新战略?怎样才可以摆脱跟踪追赶的被动局面,争取到引领创新的话语权?
发展人工智能不应当是一种孤立性、局部性的行动,而应当是能够带动和引领整个科学技术的创新和发展。
1 人工智能是当代重要交叉科学群的创新前沿
为了阐明“人工智能是当代重要交叉科学群的创新前沿”这个论断,需要逐个澄清相关的基本概念,包括:什么是人工智能?什么是当代的重要交叉科学群?以及什么是当代重要交叉科学群的创新前沿?
1.1 什么是人工智能
人工智能是一门“探索人类智能机理,创制人工智能机器,增强人类智力能力”的科学技术。从这个意义上可以理解,只要人类的智力能力得到了增强和扩展,人们从事各种科学技术以至各种经济社会活动的智力能力就会得到有效提升,从而能够有效促进各行各业的创新与发展。
那么,什么是人类智能?人类智能主要表现在人类主体为了不断改善生存发展的水平而发现问题、定义问题、解决问题的能力。其中,发现问题和定义问题的能力依赖于主体的目的、知识、直觉、理解力、想象力、灵感、顿悟、审美等内在能力,因此被称为“隐性智能”;解决问题的能力则主要依赖于获得信息,生成知识,创生策略等外显能力,因此被称为“显性智能”。
显然,隐性智能十分抽象,几近神秘,不仅研究起来甚为困难,就连理解起来也颇感玄奇,而显性智能则相对可理解,可研究。因此,人工智能研究遵循的原则是:基于人类主体给定的问题、知识、目标(这就是人类发现问题和定义问题的能力)这些前提,研究如何利用信息、生成知识、创生策略来解决问题,达到目标。也就是说,人工智能的研究遵循人类智能与人工智能相结合的原则:人类智能负责发现和定义问题,人工智能则负责在人类所给定的问题框架下解决问题。这样,人工智能机器就可以成为人类认识世界和改造世界的聪明助手。
由此可见,没有生命,没有目的,没有灵感,也没有审美能力的人工智能机器系统,原则上不具有隐性智能的能力,因而不可能独立地发现问题和定义问题,只能在人类所发现和所定义的问题框架下去解决问题。因此,人工智能超越人类的恐惧缺乏科学根据。
1.2 什么是当代重要的交叉科学群
当今的时代是信息时代,认识信息资源和利用信息资源为人类服务的信息科学是当今时代的标志性科学。具体来说,信息科学是“研究信息的性质及其运动规律的科学”,也就是以信息为研究对象,以信息的性质及其运动规律为研究内容,以信息科学方法论为研究指南,以增强和扩展人类信息功能(全部信息功能的有机整体就是人类的智力功能)为研究目标的科学。换言之,信息科学的研究目标就是扩展人类的智力功能,而研究信息的性质及其运动规律和信息科学方法论都是为了实现扩展人类智力功能这个目标服务的。
由此就可以清楚地理解:人工智能的研究是信息科W的最高目标,也是信息时代科学技术发展的基本目的;而为了使人工智能系统能够在人类发现和定义的问题框架下成功地解决问题,人工智能的研究必须从人类求解问题的能力中得到启发。这表明,人工智能的研究需要向认知科学学习,因为认知科学就是研究人类自己是如何面对问题解决问题的。另一方面,认知科学所研究的人类解决问题的机理又建立在脑科学的基础之上,因此,人工智能的研究必须理解脑科学的工作机理。再者,人类发现问题、定义问题、解决问题的能力并不是永远固定不变的,而是不断进化和发展的。因此人工智能的研究还必须学习信息生物学,后者深刻地研究和揭示了人类能力不断进化的机制。可见,脑科学、认知科学、信息科学、信息生物学、人工智能是当代最具重要意义的交叉科学群。这个科学群还包含更多的学科,恕不一一阐述。
1.3 什么是当代重要科学群的创新前沿
虽然脑科学、认知科学、信息科学、信息生物学、人工智能各有各的研究内容,但是所有这些学科共同的目标都是智能,如人类的智能(脑科学)、生物的智能(信息生物学)、人类智能的物质基础(脑科学)、人类智能和生物智能的工作机理(认知科学)、人类智能和生物智能的进化机制(认知科学与信息生物学)、人类智能的信息基础和研究方法论(信息科学)、人类智能的机器模拟和实现(人工智能)等。
所以,人类智能和人工智能是当代这一重要交叉科学群共同的创新前沿。人们对于脑科学、认知科学、信息科学、信息生物学的理解深化了,就会促进人工智能研究的发展;反之,一旦人工智能的研究取得了突破和创新,也必然能够带动脑科学、认知科学、信息科学、信息生物学的突破与创新。
2 中国人工智能发展的现状:差距与优势
中国人工智能的发展现状,大家平日都亲身感受得到,应当比较熟悉,似乎无需赘言;但是国情是我们思考问题的基础,因此不可不察。而且,我们对于中国在人工智能发展方面所存在的差距和优势的认识,确实还有必要进一步深化。
2.1 差距:显差距,隐差距
大家都意识到,中国在人工智能的发展方面确实存在不少的差距。普遍J为,由于中国缺失了工业革命这个历史阶段的洗礼,因此在工业基础和工艺水平方面天然存在明显的不足。特别是中国微电子工业领域的高性能芯片制造能力有待进一步加强,人工智能硬件系统的水平也有待进一步提高等,这些都是众所周知的显差距。
然而,更值得深思的问题是:在人工智能的科学研究方面,长期以来,中国同行普遍习惯于跟踪学习,缺乏突破创新的民族自信心,更缺乏引领国际的强烈意识。无论是互联网、物联网、语义网、云计算、大数据、移动互联这些大概念,还是深度学习、无人驾驶、类脑计算这些技术思想,都是外国学者率先提出,然后才是中国学者蜂拥而上。加上这些年滋长蔓延起来的急功近利和学术诚信缺失,往往在蜂拥而上之后的一夜之间就会冒出许多“新成果”!这是中国人工智能发展存在的隐差距。
需要指出的是,显差距正因为“显”,已经得到各有关方的高度重视,并且正在不断地被缩小;但是,隐差距则因为“隐”,不容易被察觉,至今还没有引起各方面必要的重视,因此仍然是实现突破创新和引领战略的隐患。
2.2 优势:现优势,潜优势
那么中国在人工智能研究中是否也存在什么优势呢?表面看来,似乎中国在人工智能研究领域一直处于跟踪学习状态,谈不上存在什么优势;但是仔细考察发现其实不然,中国在人工智能研究中的确存在不可忽视的优势。
中国目前虽然在整体上还处于相对落后状态,但在某些技术研究上却处于国际领先地位。例如:语音识别技术,中国已经在近期多次国际评测大赛中夺得世界冠军;在汽车自动驾驶方面,中国的研发水平也与国际上旗鼓相当;特别是在理论研究方面,中国在人工智能通用理论研究方面的机制主义人工智能理论、人工智能逻辑理论研究方面的泛逻辑学、人工智能数学方面的因素空间理论都是国际领先的成果。这些都是已经涌现出来的现优势。
更加重要的是,像人工智能这样既十分复杂又极其深刻的科学研究,势必自觉或不自觉地受到科学方法论的影响。几十年来,国际人工智能的研究形成三大学派,就是受了以分而治之为特征的机械还原方法论的影响,把复杂的人工智能研究分为结构模拟的人工神经网络学派、功能模拟的物理符号系统学派、行为模拟的感知动作系统学派,而且长久以来互不认可,不能形成人工智能研究的合力。科学论证充分表明,适于人工智能研究的科学方法论不是“机械还原论”的方法论,而应当是“信息生态论”的方法论。后者与中国历来的“整体论”和“辨证论”思维传统息息相通。因此,在人工智能的研究领域,中国握有方法论的潜在优势(潜优势),只要自觉地加以运用,这种潜在优势完全可以转化为强大的现实优势(现优势)。
3 人工智能的社会需求和发展中国人工智能的战略建议
3.1 人工智能的社会需求
中国的信息化建设全面启动于20世纪90年代,得益于现代信息技术的支持,取得了举世瞩目的辉煌成就,进入了迎接复杂问题的新时期,面临着巨大挑战。从整个经济社会发展和全面改革的大局判断,在多次讲话中也明确指出,中国的改革开放进入了攻坚克难的深水区。众所周知,人工智能技术是信息技术的高端前沿;因此,为了迎接复杂问题的挑战,为了成功走出深水区到达胜利的彼岸,中国亟需人工智能科学技术的全面支持。
另一方面,纵观当今的国际环境不难发现,一些发达国家在中国黄海、台海、东海、南海不断制造紧张局势,企图以武力遏制中国的和平崛起。他们声称要长期投资人工智能,要用人工智能武器战胜中国,对此不能不高度警惕,并采取果断措施。
3.2 加快发展中国人工智能的建议
为加快发展中国人工智能,从战略性、系统性、可操作的角度出发提出5项建议。
(1)顶层规划。
火车跑得快,全靠车头带。建议设立国家级智能科学技术发展规划与协调专家委员会,负责研究和提出中国智能科学技术发展的中长期规划,制订智能科学技术产学研发展的实施政策,协调和促进中国智能科学技术的快速有序健康发展。
(2)人才培养。
万事都紧要,人才是根本。建议国务院学位委员会把中国现有的“智能科学与技术”二级学科提升为一级学科,以形成系统完整的智能科学技术人才培养体系;同时建议教育部在中小学开设智能科学与技术基础知识课程,开展课外兴趣培育活动。
(3)创新研究。
跟踪不可废,创新更关键。在国家自然科学基金设置“智能科学技术基础理论”专门领域,大力推进智能科学基础理论的突破创新;同时在国家“十三五”规划设立智能制造、智能农业、智能服务业、智能交通、智能网络空间安全、智能教育等应用专项。
(4)产业标准。
创新是尖兵,产业是后盾。大力促进中国智能化产业的发展,并在国家标准委员会建立智能产品标准工作委员会,鼓励有条件的单位和学术团体开展各类智能技术产品的测试、评价和检验标准的研究,引导智能化产业和产品市场有序健康发展。
(5)持续发展。
计划强调,要加强人工智能领域专业建设,形成“人工智能+X”复合专业培养新模式。计划的重点任务之一,是要完善人工智能领域人才培养体系,并且推动高校人工智能领域科技成果转化与示范应用。高校在人才培养中起到了至关重要的作用,虽然人工智能尚未成为一级学科,但国内不少一流的高校已经开始通过建立合作实验室、增强人工智能分支教学等方式发展人工智能。
为了解各高校开展人工智能研究的情况,亿欧盘点了10家在设有人工智能实验室或有人工智能分支专业的高校。
清华大学:计算机科学与技术系
清华大学计算机科学与技术系(简称计算机系)成立于1958年,在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中,以总分满分100分的成绩排名第一。2017年,在 USnews 推出的世界大学学科排名 Best Global Universities for Computer Science 中,计算机科学与技术学科紧随 MIT之后位列世界第2名。在 QS 世界大学排名 (QS World University Rankings) 给出的全球计算机学科排名中为例第15名,其排名与得分逐年稳步提升。
计算机系包含了国内计算机专业最全的学科方向,设有高性能计算机与处理器、并行与分布式处理、存储系统、大数据与云计算、计算机网络、网络与信息系统安全、系统性能评价、理论计算机科学、数据工程及知识工程、软件工程、计算机与VLSI设计自动化、软件理论与系统、生物计算及量子计算、人工智能、智能控制及机器人、人机交互与普适计算、计算机图形学与可视化技术、CAD技术、计算机视觉、媒体信息处理等研究方向。
计算机系现设有高性能计算、计算机网络技术、计算机软件、人机交互与媒体集成4个研究所;智能技术与系统国家重点实验室;计算机基础与实验教学部等科研教学机构。
计算机系还设有国家级计算机实验教学示范中心,包括:计算机原理实验室、微型计算机实验室、计算机网络实验室、操作系统实验室、计算机软件实验室、计算机控制系统实验室、智能机器人实验室、计算机接口实验室、学生科技创新实验室等。此外,计算机系还与腾讯、搜狗、微软、思科等国内外著名公司建立了面向教学或研究的联合实验室。
北京大学:智能科学系
智能科学系成立于2002年7月,主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究,侧重于理论、方法以及重大领域应用上。
北大智能科学系依托于视觉听觉信息处理国家重点实验室,实验室以实现高度智能化的机器感知系统为目标,在生物特征识别研究方面处于国际领先地位。智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下,重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。以北大智能科学研究人员为技术核心的北大指纹自动识别系统,是国内唯一能与国外系统抗衡的自主知识产权,是中国第一家也是唯一的一家提供公安应用全面解决方案的系统,拥有中国指纹自动识别技术产品第一市场占有率。
人工神经网络说话人识别新方法的研究获得教育部科技进步一等奖;国家空间信息基础设施关键技术研究获得2000年中国高校科学技术二等奖,入选2000年中国高校十大科技进展。
复旦大学:类脑智能科学与技术研究院
复旦大学类脑智能科学与技术研究院于2015年3月筹建成立,是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心,成立于2008年。研究院基于复旦大学既有的数学、统计学、计算机科学、生物学、信息学、临床医学、语言学、心理学等多学科综合交叉研究优势,以计算神经科学为桥梁,着力开展大脑机制解析、脑疾病智能诊疗、类脑智能算法、类脑智能软硬件、新药智能研发、通用智能等相关领域的科学研究、技术研发和人才培养。
研究院率先探索打通国际与国内、科技与产业的全链条、全球化产学研合作机制,充分发挥高校培养和储备高端智能人才、发现和培育前沿技术的综合优势,推动产学研源头创新与合作,致力于成为推动脑科学、人工类脑智能与产业应用融合发展的重要科技创新平台。
研究院目前在建五个核心功能平台和一个国际合作研发中心,主要包括:一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台;二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台;三是依托高端医疗影像设备集群,为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台;四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台;五是集孵化加速、产业联盟、投资基金为一体,为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台;六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源,建设类脑智能国际合作节点和人才培养中心。
中国科学院:自动化研究所
中国科学院自动化研究所成立于1956年10月,是我国最早成立的国立自动化研究机构。目前设有类脑智能研究中心、智能感知与计算研究中心、脑网络组研究中心等12个科研开发部门,还有若干与国际和社会其他创新单元共建的各类联合实验室和工程中心。另有汉王科技、三博中等四十余家持股高科技公司。
近年来,自动化所共获得省部级以上奖励30余项。数量逐年增加,质量不断提高;专利申请和授权量连年攀升,多年位居北京市科研系统前十名绘制的“脑网络组图谱”第一次建立了宏观尺度上的活体全脑连接图谱;虹膜识别核心技术突破国外封锁,通过产学研用相结合走出“中国制造”之路;基于自动化所语音识别技术的“紫冬语音云”在淘宝、来往等阿里巴巴旗下移动客户端产品中得到推广;“分子影像手术导航系统”通过国家药监局医疗器械安全性及有效性检测认证并进入临床应用;“智能视频监控技术”和“人脸识别技术”分别成功应用于2008年北京奥运会、2010年上海世博会的安保工作中,为社会安全贡献自己的力量;研制的AI程序“CASIA-先知1.0”采用知识和数据混合驱动的体系架构,在2017首届全国兵棋推演大赛总决赛中7:1的悬殊比分战胜人类顶级选手,展示了人工智能技术在博弈对抗领域的强大实力……
在共建机构方面,自动化所与新加坡媒体发展管理局联合成立中新数字媒体研究院,聚焦交互式语言学习、视频和分析等领域;与瑞士洛桑联邦理工大学(EPFL)在京成立中瑞数据密集型神经科学联合实验室,在类脑智能研究方面展开合作;与澳大利亚昆士兰大学(UQ)共建中澳脑网络组联合实验室,在“计算大脑”研究方向上进行远景规划;还与香港科技大学共建智能识别联合实验室,在模式识别、无线传感器网络等领域展开合作。
厦门大学:智能科学与技术系
早在上世纪八十年代初,厦门大学就已开始从事人工智能领域的研究,相继在专家系统、自然语言处理与机器翻译等领域取得过一系列成果。为此,1988年经学校批准成立“厦门大学人工智能与计算机应用研究所”,后于2004年更名为“厦门大学人工智能研究所”。2006年12月,经国家教育部批准,厦门大学正式设立“智能科学与技术”本科专业,并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。
厦门大学智能科学与技术系现有一个本科专业(智能科学与技术),三个硕士学位授予专业(模式识别与智能系统、计算机科学与技术、智能科学与技术),两个博士学位授予专业(计算机科学与技术、智能科学与技术)。
目前该系承担多项国家863、国家自然科学基金、福建省科技基金等项目,拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台,此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室,为培养高质量的学生提供了必要的保障。
上海交通大学:计算机科学与工程系
上海交通大学计算机科学与工程系成立于1984年。近年来,随着计算机科学与技术在人们生活中的应用不断深入,特别是随着云计算、物联网、移动互联网、大数据等技术的兴起,交通大学计算机系不断调整学科方向,形成了高可靠软件与理论、并行与分布式系统、计算机网络、智能人机交互、密码学与信息安全等研究方向。
该院系下设三个重点实验室:智能计算与智能系统重点实验室、上海市教委智能交互与认知工程重点实验室、省部共建国家重点实验室培育基地及上海市可扩展计算与系统重点实验室。其中,上海交通大学-微软智能计算与智能系统联合实验室目前是教育部-微软重点实验室,成立于2005年9月,是交通大学和微软亚洲研究院在多年良好合作的基础上,为了更好发挥各自在并发计算、算法与复杂性理论、仿脑计算、计算机视觉、机器学习、计算智能、自然语言处理、多媒体通讯以及机器人等领域的优势,实现“使未来的计算机和机器人能够看、听、学,能以自然语言的方式与人类交流”这一共同使命而成立的。实验室在科学研究、人才培养、学术交流等方面也取得了很好的成绩。实验室累积200余篇,成果发表于CVPR,ICCV,WWW等国际顶级会议上。
南京大学:计算机科学与技术系
南京大学的计算机科学研究起步于1958年,建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才,1978年在上述三个专业基础上成立了计算机科学系,1993年更名为计算机科学与技术系。
依托该系师资,先后成立了南京大学计算机软件研究所、计算机软件新技术国家重点实验室(南京大学)、南京大学计算机应用研究所、南京大学多媒体计算技术研究所、南京大学软件工程中心(江苏省软件工程研究中心)、南京大学信息安全研究所等科研机构。主要科研方向有:软件自动化与形式化、分布与并行计算及新型网络、新型程序设计与软件方法学、多媒体与信息处理、人工智能与机器学习、系统软件及信息安全等。
建系30年来,共承担国家973计划、国家863计划、国家攀登计划、国家自然科学基金、国家科技攻关等重大科技计划项目以及省、部、委科研项目和企事业委托或国际合作的研发项目300余项,科研成果获得各种奖励80余项,其中国家科技进步奖一等奖1项、二等奖4项、三等奖2项,省部委自然科学奖和科技进步奖特等奖2项,一等奖8项,二等奖37项。3000多篇,出版专著、教材50多部,申请国家发明专利33项。部分成果被转化为产品,产生了较大社会效益和经济效益。
哈尔滨工业大学:计算机科学与技术学院
哈尔滨工业大学计算机专业创建于1956年,是中国最早的计算机专业之一。在1985年,发展成为计算机科学与工程系,并建立了计算机科学技术研究所。2000年,计算机科学与技术学院成立;同年,建立了软件学院,后经国家教育部、国家计委批准为国家示范性软件学院。目前。哈工大计算机科学与技术学院拥有计算机科学与技术国家一级重点学科、7个博士点和7个硕士点、1个博士后科研流动站、一个国家级教学团队、一个国家级科技创新团队、一个国防科工委创新研究团队。
目前主要研究方向包括:智能人机交互、音视频编解码技术、语言处理、自然语言理解与中文信息处理、机器翻译、信息检索、海量数据计算、计算机网络与信息安全、传感器网与移动计算、高可靠与容错计算技术、穿戴计算机、企业计算与服务计算、智能机器人、生物计算与生物特征识别。
学院有一批研究成果达到国际先进水平,包括:国家信息安全管理系统、数字视频广播编码传输与接收系统、大规模网络特定信息获取系统、计算机机群并行数据库系统、并行数据库系统、神州号飞船数据管理分系统、穿戴计算机系统、信息安全与实时监测系统、人脸识别系统、视频编解码技术、黑龙江省CIMS应用示范工程、农业专家系统等等。
中国科学技术大学:计算机科学与技术学院
中国科技大学于1958年建校时就设置了计算机专业。根据学科发展趋势和国家中长期发展规划,面向国家和社会的重大需求,计算机科学与技术学院将科研力量凝聚在高性能计算、智能计算与应用、网络计算与可信计算、先进计算机系统四个主要的研究领域。
学院的支撑实验室有:国家高性能计算中心(合肥)、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部-微软重点实验室、中国科大超级运算中心和信息科学实验中心。
其中,多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。人机自然语音通信方面,主要研究中文信息处理、人类视听觉机理、语音语言学等。语义计算与数据挖掘方面,主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。
依托多媒体计算与通信教育部—微软重点实验室,双方联合实施了联合培养博士生计划、实习生计划、精品课程建设计划、青年教师培养计划等,取得了突出成果,探索出了一条企业和高校共同培养优秀人才的道路,为微软亚洲研究院与其他高校的合作提供了一个经典范例。
华中科技大学:自动化学院
华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。原控制科学与工程系前身是成立于1973年的华中工学院自动控制系,1998年更名为华中理工大学控制科学与工程系;原图像识别与人工智能研究所是1978年由教育部和航天部共同批准成立从事图像识别和人工智能研究的研究机构。
科学研究工作主要涉及复杂系统控制理论、决策分析与决策支持、电力电子与运动控制、智能控制与机器人、计算机集成控制与网络技术、信息检测与识别、飞行器控制与状态监测、生物信息处理、神经接口与康复技术、物流系统、国民经济动员与公共安全、多谱图像制导、目标探测的多谱信息技术、多谱信息的实时处理与系统集成技术、人工智能与思维科学、信息安全等方向。
模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止,本系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。近5年科研经费总额在8000万元以上,包括973计划,国家自然科学基金重点、面上和青年基金项目,863计划,国家重大专项、国防重点预研与基金,国家科技支撑计划,省部级科研项目,以及大型工程和企业科研合作项目等。
总结
关键词:电气工程;自动化;人工智能;应用
一、人工智能概述
人工智能是一项新兴的科学技术,其研究范围非常广泛,几乎涵盖了数学、哲学、心理学以及计算机科学等很多学科。这些学科彼此相互关联渗透,并以人工智能作为基础平台,融合形成一门综合性的学科。人工智能最早提出于1956年,经过60年的不断发展,在很多领域都取得了飞速的发展。人工智能的研究对象主要是机器的感知、思维和行为。人工智能主要体现了自动化的特点,然而,人工智能和人之间仍然有差距,并且一直要受到人的控制。传统电气工程的研究对象主要是电气化方面,但是随着计算机技术和社会经济的不断发展,电气工程已经和人们的生活密不可分。所以,人工智能进入电气工程领域是大势所趋。
二、电气工程自动化人工智能技术的应用优势
(一)抗干扰能力强。电气工程中传统的控制器常常会在构建的过程中受到很多不确定因素的影响而导致参数和数值类型的变化,而电气工程中人工智能的设计不需要精准的动态模型,对环境的抗干扰能力非常强。因此系统所设置的参数通常不会由于外界的条件而发生任何的变化,操作过程中出现的误差也大幅度降低,因此,实际值和理论值之间的差距通常比较小。
(二)自动化控制能力比较强。智能化技术有着十分强大的控制功能,可以对形式不同的数据进行多方位的分析评估与处理,并得到相比人工计算出来的数据更加的精确。人工智能化的控制系统对数据的处理有着相对一致性的特点,由于具有不同的控制对象,其具体的内容呈现出丰富的多样性变化,根据现实的问题的需要,进行智能化技术的集中精确处理,以便于合理地解决所遇到的问题。
(三)便于调节。对人工智能相关的参数进行调整能够提升智能函数的性能,和传统的控制器相比较,传统的控制器通常是操作繁琐并且容易出现故障问题,而人工智能在很大程度上改善了这点,不但操作简便,并且抗干扰能力和适应性都非常强,人工智能控制器也可以根据合理的数据来进行设定,并且能够根据实际的情况对数据进行修正和调节。
(四)精确度较高。鉴于人工智能技术受外部因素影响不是很大,有着十分强烈的抗干扰性。工程师们提前对电气系统的参数进行设定,在实际的操作中不用过多的考虑参数的变化,这些参数会划分在一个固定的范围内,不会出现差值较大的情况,在一定程度上提升了计算的精确度。工程师们在实际的电气工程控制中,借助参数模型对一些常见的故障进行简单的模拟处理,科学合理地预防故障。比如高铁故障程序的精确计算和科学预防。
三、电气自动化人工智能技术的应用
(一)电气设备中的应用。电气工程中对人工智能的优化和设计对于设计人员的要求非常高,设计人员需要拥有电气知识和丰富的设计经验。在电气设备中的人工智能需要运用CAD软件来进行设计,同时,在设计的过程中需要考虑到设备可能出现的故障,并提出对故障的预见性设计,保证人工智能设备对于运行过程中的机器故障能够自行识别的同时自行检修。
(二)在电气控制过程中的应用。在电气工程自动化发展中,最为关键的便是电气控制过程,其直接关系着系统的稳定性与高效性。因此,实践中对电气控制过程有着严格的要求,但因控制过程过于烦琐,极易出现各种问题,降低其运行效率。而人工智能利用计算机技术,保证了操作精准性,通过界面化形式,简化了控制流程,同时及时、完整保存了有关信息、数据,可自动生成报表,节约了人力、物力,增强了数据查询的便捷性。现阶段,常见的控制方法为模糊控制,其优点为操作简便,此外,还包括专家系统控制、神经网络控制等。
(三)在电力系统中的应用。在电力系统自动化中,可以广泛应用人工神经网络及专家系统,前者拥有灵活的学习方法及分布式的存储方式,能够满足海量数据的处理需求,还可以对模型进行合理分类,借助季节性时间模型,有效预测电力系统短期负荷状况,全面分析可能出现故障的环节;后者作为程序系统,融入大量经验、知识及规则等,使其具有一定的复杂性,其可以分析电力系统问题,通过模拟专家决策过程,实现有关问题的有效处理。
(四)在故障诊断中的应用。传统的电气工程在运行过程中一旦出现故障,需要对设备中的各个因素进行逐个排查,无法对于故障部位进行准确的定位。但人工智能则可以实现对所有电气设备的监控,所以说,人工智能可以对发生故障后的稻萁行分析对比,实现故障的准确定位,实现设备故障诊断效率的提高,减少在电气设备的人力和物力投入。
四、结语
综上所述,人工智能与电气工程自动化的发展紧密相连,所以,加强人工智能在电气工程自动化方面的研究会在很大程度上促进电力产业更加健康全面的发展,也可以为电气工程企业创造更多的经济价值。相关企业和部门也一定要更加重视人工智能,同时加大对人工智能的投入力度。
参考文献:
关键字:机械电子工程 人工智能信息处理
中图分类号: P756.6 文献标识码: A 文章编号:
传统的机械工程一般分为两大类,包括动力和制造。制造类工程包括机械加工、毛坯制造和装配等生产工程,而动力类工程包括各式发电机。电子工程与传统的机械工程相比而言,是比较新的学科,电子工程是传统工程的革新,两者于上世纪逐渐结合在一起。随着人工智能技术的不断发展 ,机械电子工程的能量连接、动能连接逐步发展为信息连接 ,使得机械电子工程具有了一定的人工智能。这种高效的智能化技术减少了繁重的机械生产,提高产量和经济效益,使我们市场进入智能化。
一、传统机械电子工程
1、机械电子工程的发展情况
机械电子工程是由机械工程与电子工程、信息技术、智能技术、管理技术相结合而成的新的理论体系和发展领域。随着科学技术的不断发展机械电子工程也变得日益复杂。
机械电子工程的发展可以分为三个阶段 :第一阶段是以手工加工为主要生产力的萌芽阶段 ,这一时期生产力低下 ,人力资源的匮乏严重制约了生产力的发展 ,科学家们不得不穷极思变 ,引导了机械工业的发展。第二阶段则是以流水线生产为标志的标准件生产阶段 ,这种生产模式极大程度上提高了生产力 ,大批量的生产开始涌现 ,但是由于对标准件的要求较高 ,导致生产缺乏灵活性 ,不能适应不断变化的社会需求。第三阶段是现在我们常见的现代机械电子产业阶段,而以机械电子工程为核心的柔性制造系统正是这一阶段的产物。
2、机械电子工程的特点
1)设计上的不同。机械电子工程并非是一门独立学科 ,而是一种包含有各类学科精华的综合性学科。在设计时 ,以机械工程、电子工程和计算机技术为核心的机械电子工程会依据系统配置和目标的不同结合其他技术。工程师在设计时将利用自顶向下的策略使得各模块紧密结合 ,以完成设计 ;
2)产品特征不同。机械电子产品的结构相对简单 ,没有过多的运动部件或元件。它的内部结构极为复杂 ,但却缩小了物理体积 ,抛弃了传统的笨重型机械面貌 ,但却提高了产品性能。
二、 人工智能
1、 人工智能的概念分析
人工智能是一门综合了控制论、信息论、计算机科学、神经生理学、心理学、语言学、哲学等多门学科的交叉学科 ,是 21 世纪最伟大的三大学科之一。 但是至今为止,人工智能没有一个统一的定义。笔者认为 ,人工智能是研究通过计算机延伸、扩展、模拟人的智能的一门科学技术。
2、 人工智能的发展史
1)人工智能的初期阶段
17 世纪的法国科学家 B.Pascal 发明了世界上第一部能进行机械加法的计算器轰动世界 ,从此之后 ,世界各国的科学家们开始热衷于完善这一计算器 ,直到冯诺依曼发明第一台计算机。人工智能在这一时期发展缓慢 ,但是却积累了丰富的实践经验 ,为下一阶段的发展奠定了坚实的基础。
2)第一个成长阶段
在 1956 年举办的“侃谈会”上 ,美国人第一次使用了“人工智能”这一术语。这一阶段的人工智能主要以翻译、证明、博弈等为主要研究任务 , LISP 语言就是这一阶段的佼佼者。人工智能在这一阶段的飞速发展使人们相信只要通过科学研究就可以总结人类的逻辑思维方式并创造一个万能的机器进行模仿。
3)比较困难的阶段
60 年代中至 70 年代初期 ,当人们深入研究人工智能的工作机理后却发现 ,用机器模仿人类的思维是一件非常困难的事 ,许多科学发现并未逃离出简单映射的方法 ,更无逻辑思维可言。但是 整理,仍有许多科学家前赴后继的进行着科学创新 ,在自然语言理解、计算机视觉、机器人、专家系统等方面取得了卓尔有效的成就。1972 年 ,法国科学家发现了 Prolog 语言 ,成为继 LISP 语言之后的最主要的人工智能语言。
4)中期平稳阶段
以 1977 年第五届国际人工智能联合会议为转折点 ,人工智能进入到以知识为基础的发展阶段 ,知识工程很快渗透于人工智能的各个领域 ,并促使人工智能走向实际应用。不久以后,人工智能在商业化道路上取得了卓越的成就,展示出了顽强的生命力与广阔的前景。在不确定推理、分布式人工智能、常识性知识表示方式等关键性技术问题和专家系统、计算机视觉、自然语言理解、智能机器人等实际应用问题上取得了长足的发展。
5)平稳成长阶段
由于国际互联网技术的普及 ,人工智能逐渐由单个主体向分布式主体方向发展 ,直到今天 ,人工智能已经演变的复杂而实用 ,可以面向多个智能主体的多个目标进行求解。
最近五十年间 ,网络的普及给信息传递带来了新的生命 ,人类进入到了信息社会 ,而信息社会的发展离不开人工智能技术的发展。不论是模型的建立与控制 ,还是故障诊断 ,人工智能在机械电子工程当中都起着处理信息的作用。
由于机械电子系统与生俱来的不稳定性 ,描述机械电子系统的输入与输出关系就变得困难重重 ,传统上的描述方法有以下几种 :1)推导数学方程的方法 ;2)建设规则库的方法 ;3)学习并生成知识的方法。传统的解析数学的方法严密、精确 ,但是只能适用于相对简单的系统。现代社会所需求的系统日益复杂 ,经常会同时处理几种不同类型的信息。由于人工智能处理信息时的不确定性、复杂性 ,以知识为基础的人工智能信息处理方式成为解析数学方式的替代手段。
通过人工智能建立的系统一般使用两类方法 :神经网络系统和模糊推理系统。神经网络系统可以模拟人脑的结构 ,分析数字信号并给出参考数值 ;而模糊推理系统是通过模拟人脑的功能来分析语言信号。两者在处理输入输出的关系上有相同之处也有不同之处:神经网络系统物理意义不明确 ,而模糊推理系统有明确的物理意义 ;神经网络系统运用点到点的
映射方式 ,而模糊推理系统运用域到域的映射方式 ;神经网络系统以分布式的方式储存信息 ,而模糊推理系统则以规则的方式储存信息 ;神经网络系统输入时由于每个神经元之间都有固定联系 ,计算量大 ,而模糊推理系统由于连接不固定 ,计算量较小 ;神经网络系统输入输出时精度较高 ,呈光滑曲面 ,而模糊推理系统精度较低 ,呈台阶状。
随着社会的不断发展,单纯的一种人工智能方法已经不能满足日益增长的社会需要,许多科学家开始研究综合性的人工智能系统。综合性的人工智能系统采用神经网络系统与模糊推理系统相结合的方法,取长补短,以获得更全面的描述方式,模糊神经网络系统便是一成功范例。模糊神经网络系统做到了两者功能的最大融合 ,使信息在网络各层当中找到一个最适合的完全表达空间。逻辑推理规则能够对增强节点函数 ,为神经网络系统提供函数连结 ,使两者的功能达到最大化。
三、 结论
21世纪的科学技术发展的越来越快,智能化已经大范围覆盖了国际市场,不论工业中还是电子商务,都以及成为经济快速运行的动力。为国家提供高技术的便利,为其注入新的概念,使其更为广泛的应用。着实做到了作业内外一体化,数据搜集自动化,系统智能化。人工智能与机械电子相结合能够促进生产力的快速发展,把我国的相关经济产业链带动了起来。在这新兴科技的引领下,我国的经济将迈向更高的阶梯。
参考文献
[1]傅丽凌.杨平.机械专业综合型试验平台的建设[J].电子科技大学学报社科版,2005,7(增刊).
[2]陈庆霞.人工智能研究纲领的发展历程和前景[J].科技信息,2009,33.
[3]史忠植.高整理级人工智能[M].科学出版社,2006.
关键词:人工智能技术;教学方法;编程能力
中图分类号:TP3 文献标识码:A 文章编号:1009-3044(2014)16-3865-02
1 概述
2008年11月16日,中国科协成立50周年新闻会在北京召开。在新闻会上,“五个10”系列评选活动,即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是:基因修饰技术;未来家庭机器人;新型电池;人工智能技术;超高速交通工具;干细胞技术;光电信息技术;可服用诊疗芯片;感冒疫苗;无线能量传输技术。
人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为,诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动,可以用某种智能化的机器来予以人工实现[1]。
通过《人工智能技术》课程的学习,使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握,并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究,启发学生对人工智能技术的兴趣,培养知识创新和技术创新能力,并能将人工智能技术融入到今后所开发的计算机软件之中。
《人工智能技术》是一门众多学科交叉的新兴课程,其涵盖范围广,涉及知识点多,知识更新快,内容抽象,不容易理解,理论性强,而且需要较好的数学基础和较强的逻辑思维能力,这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科,怎样将理论运用到实践中,使学生将学到的人工智能技术知识和思想运用到自己的实际课题,这也是该课程需要解决的问题之一。
因此,对《人工智能技术》课程教学来说,我们要了解课程的最新信息,把握课程的特点,帮助学生找到好的学习方法,使他们能充分发挥自己的创新思维能力,提高学习兴趣,该文给出了《人工智能技术》课程的教学与实践的探索。
2 教学与实践的探索
2.1 教材和实验教学内容的选取
1) 人工智能技术是整个计算机科学领域发展最快,知识更新最快,最前沿的学科之一。在教材选用方面,我们采用了蔡自兴教授等主编,由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写,借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处,该书比较全面地介绍了人工智能技术的基础知识与技术,材料新,易于理解,兼顾基础及应用[2]。
此外,我们还给学生自主学习提供多种类型的学习资料,其中包括参考书目,如:Russel S, Norvig P.等编著的《Artificial Intelligence: A Modern Approach》一书,人工智能技术国内外期刊,如电子学报,计算机学报,人工智能与模式识别,Artificial Intelligence,Journal of Artificial Intelligence Research,Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence,AAAI: American Association for AI National Conference等人工智能技术会议,使学生能够掌握人工智能技术的更多前沿动态,提高学习兴趣。
2) 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程,实践性教学环节对该课程尤为重要。除了完成课本上的作业之外,还注重实验教学,培养学生的创新能力、算法设计能力和编程能力。首先,每个章节设置相应的实验,而实验内容经过严格的考虑,如:五子棋游戏,产生式系统,旅行商问题,传教士和野人问题,BP神经网络实现简单的分类,遗传算法、人工生命程序等,要求学生运用所学章节的知识,独立地设计和实现实验内容。实验报告包括简述实验原理及方法,给出程序设计流程图,源程序清单,实验结果及分析等内容,通过这种方式,进一步加强学生的信息获取能力和研究能力。
2.2 教学方法和手段的改革
人工智能技术课程交叉性强,涉及面广,传统的教学方法手段单一,缺少交流,课堂气氛沉闷,激发不起学生的学习兴趣,教学效果不理想。人工智能技术这门课程内容抽象,如何激发学生的学习兴趣是本课程需要解决的主要问题,也是关系教学改革成败的关键。本课程需采用多种方法进行教学,以此来激发学生的学习兴趣。
1) 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题,主要是用计算机模拟人类的智能来解决这种问题。在教学中,有目的的提出这些问题,鼓励学生思考,提出自己的想法和解决方案,并进行分析和比较,这样强化学生的主动学习意识,提高学习积极性[3]。
2) 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别,由于他们每个人的基础不同,有的计算机知识比较匮乏,因此有必要针对每个学生的学习进度,课堂作业和实验报告情况进行及时评估,对学生提出个性化的教学。例如:在实验教学中,要求有能力和兴趣的学生可以做探究性和创新性的附加实验,从而引导学生发挥个性的空间,而对稍微吃力的学生则要求完成基本的实验,更注重基础知识的学习和夯实,这样就能达到因材施教的目的。同时对不同层次的学生进行分析,进一步提出学习建议,并进行有针对性的指导。
3) 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂,提纲挈领,便于学生理解。课堂讲授、板书与PPT手段相结合,注重课程中的关键词用英文表示,并适当指定英文参考书,使学生能够接触国外文献资料,加深对学习内容的理解,获得更宽广的知识。PPT课件运用了大量多媒体技术,如动画、声音、图像,通过动画和视频演示抽象的概念、算法和过程,使人工智能技术中抽象的知识形象化,在课件中融入了文学,历史等其他学科的相关知识,便于学生较好地理解知识难点和重点[4]。
4) 师生互动和课内外答疑。在教学中,改变了传统的老师讲,学生听的教学模式。针对人工智能技术的实用性,适当提问,收集学生学习情况,尽量使用实例进行讲解。设置了实验讲解互动课程,对于实验的讲解,学生可以提出疑问,然后在课堂上展开讨论,学生可以看到问题从提出、分析到解决的整个过程,让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题,还设有课后答疑,使学生能将所有的问题都理解透彻。
5) 理论研究与实践结合。在教学内容的安排上,注重学生的理论研究和动手能力,适当布置一些课程相关的论文和实验编程。通过课程论文,可以培养学生钻研问题的兴趣; 通过查阅科技文献使学生掌握如何查找相关文献的技能,可以培养学生撰写科技论文的能力。通过实验实践,使学生可以更加清楚地了解人工智能技术基本概念和难点,也能了解算法的设计具体运行过程,并对其进行验证,提高了学生的编程能力和和学习兴趣。
6) 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题,本课程应采用多种综合考试方法,注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩,实验实践教学成绩、提交课程论文成绩,以及最后的期末考试成绩形成一种有效的考试考核方法,促进学生主动学习,提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性,论文结构、思路是否严谨,论文内容科学性、正确性,能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。
2.3 学生学好《人工智能技术》课程的建议
《人工智能技术》是一门理论与实践相结合的应用课程,学生如何学习这么课程,也是我们应该探讨的问题。
学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代,形成于60、70年代,发展至今,人工智能技术只有短短60多年的历史,它是一门不断发展和完善的崭新学科,还有许多课题处于探索中,理论和技术还远未成熟,我们应该对它有科学的认识。
针对非计算机专业本科毕业的学生,除了课堂听讲之外,还应该课下自学该课程的先修课程,如:数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识,如:模式识别需要具有较好的概率论,数理统计知识,另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程,编程语言的掌握必不可少,涉及到SVM算法,粒子群算法,免疫算法神经网络,遗传算法等算法,实现这些算法要求学生具有较强的编程能力。
学生应该多读,多查阅资料,特别是国外的期刊文献和重要国际会议论文,多了解人工智能技术最前沿的信息,理论联系实际,加深对基本算法的理解,并将人工智能技术的知识运用到自己所研究的领域,以做到学以致用。
3 结论
人工智能技术在一定程度上代表着信息技术的前沿,该文对《人工智能技术》的课程教学进行了一些探讨,教学与实践效果有了显著提高,但仍然有许多方面还需要我们继续探讨和改进。
参考文献:
[1] 蔡自兴,徐光佑.人工智能技术及其应用[M].北京: 清华大学出版社,2003.
[2] 蔡自兴,肖晓明,蒙祖强,等.树立精品意识搞好人工智能技术课程建设[J].中国大学教学,2004(1):28-29.
关键词:机械电子工程;人工智能化;信息化技术
中图分类号:TH-39 文献标识码:A 文章编号:1671-2064(2017)06-0018-01
近年来,随着生产工艺的不断的迅猛发展,机械电子工程正朝着人工智能化方向发展,将更多的集成电路装在同一块机械电子工程板上的方向发展。因此使得机械电子工程板在这些需求下,会变得比原来的更小,但是却变得变原来的板子更复杂。另外一个方面,在生产电路板的时候,由于工序比较多,只要有一个工序出现了问题,这就会导致电路板的质量下降。因为上面的一系列原因,生产出一个合格的产品的成本变得多得多,在这里就需要一种很有效率的检测系统来检测,从而使得错误能够提前检测出来,来降低成本。在现在工业生产中,对机械电子工程质量检测技术提出的要求也越来越高了,传统的工艺中用肉眼对机械电子工程检测,这个容易发生漏检和误检,人工检测的方式因为人的注意力有限,成本也比较高已经逐渐被淘汰了[1]。
为了能够应对上诉所说的一系列的问题,有一种方法是用MATLAB软件来应用人工智能数字处理的技术,将这一技术应用于检测方面,对数字信号进行多步处理,从而能够通过数字信号的变换来检查出当中的错误。
1 人工智能数字处理MATLAB仿真
在MATLAB中,存在很多的数据元素,在这些数据元素中,矩阵是当中相对于比较基本的。这就让MATLAB在对很多计算方面的问题进行解答的时候,变得非常的方便,其中最容易的时候,便是解答关于矩阵方面的问题。除此之外,还会出现别的情况,这时候MATLAB可以调用使用C这类非交互语言编写的程序。MATLAB代表“矩阵实验室”。MATLAB原本写成容易访问的矩阵和线性代数软件,但是在以前一般都需要编写FORTRAN程序才能使用。现在,MATLAB融合了现代的数值计算软件,并具有针对性地对现代的处理器和存储器结构进行了高度优化。
现在在很多的学校中,像信息专业这方面的学生,他们中有很多的人会在毕业设计中运用到MATLAB,因为MATLAB作为一个计算工具,在很多处理方面都会被用到。
2 人工智能数字处理原理
数字数字信号处理是通过一些方法来获取图片,然后将这个图片转换成人工智能数字,在这里我们为了能够把原来的人工智能数字来进行转换,将这个数字信号变成另外一种具有别的意义的数字信号。这时候我们就得学会对数字信号进行相对应的处理,当然根据不同的要求我们就得对数字信号进行不同方面的处理。
首先把生活中的数字信号成像,然后通过电子系统转换成模拟信号,再通过转换将它变成人工智能数字信号。如同在生活中做一件事一样,第一步永远是最重要的一部,只有有了一个好的起点,在后面的处理中才能更加的方便。数字信号的获取作为数字信号处理的第一步,也是非常重要的,在采集数字信号的过程中,为了能够让后面处理数字信号变得轻松,一开始的数字信号采集的质量越高才会越好处理。虽然前期采集数字信号的时候存在的缺陷可以在后期通过数字信号处理的软硬件来取得一定的弥补,但是,还有一个不可忽视的问题,就是要保证原始数字信号的信噪比和保真度高[2]。
在数字信号处理中有很多种方法,在这里,我们可以利用函数来对数字信号进行表示。当然用函数来对数字信号进行表示,会使得数字信号的处理变得更加的方便,但是我们在这处理的过程中,我们在很多方面不能够掉以轻心,在这里需要关注的是,在有限的元素当中,这些元素都有自己代表的位置和数值,通过这些元素的组成而形成了人工智能数字。在对人工智能数字元素进行定义的时候,在其中有很多种名称,在当中运用的最广泛的便是像素。
3 人工智能数字处理平台
在MATLAB中,为了能够更好地对数字信号进行处理,这里就需要用到数字信号处理工具箱,在数字信号处理工具箱中,里面有很全套的数字信号处理工具,而且还有各种算法,这就使得在数字信号处理分析方面变得更加的方便容易。除此之外,这个工具箱还有许多的功能,并且这些功能还能支持多线程,这就使得这个工具箱能够发挥出计算机的一些功能,从而体现了数字信号处理工具箱功能的强大。
在MATLAB中的这些数字信号处理工具箱的帮助下,我们可以通过这些工具箱的强大的数据处理能力,从而能够很大程度上的使我们得工作效率得到提高,因此能够在算法研究上花更多的精力。
4 Y语
科学技术的不断发展让我们的机械电子工程技术与人工智能化技术高度结合,利用数字处理技术让各个学科交叉综合在一起,最终实现了多种技术的完美结合,在这个全新的技术领域当中,随着技术的不断更新并将引领世界向前更快的发展。
参考文献
2016年是世界围棋界极不寻常的一年,3月份在“阿尔法围棋”(AlphaGo,一款围棋人工智能程序)与围棋世界冠军、职业九段选手李世石之间展开的一场人机大战中,“阿尔法”的胜出震惊全球。7月份世界职业围棋排名网站公布了最新世界排名:“阿法围棋”以3612分,超越3608分的柯洁成为新的世界第一。
2016年12月29日到2017年1月4日,一个名叫 “Master”的神秘网络围棋手横扫中、韩、日围棋界。它凭借惊人的稳定性一路高唱凯歌,获胜60场,没有败绩。最终神秘的“Master”揭开了庐山真面目,宣布自己就是“阿尔法围棋”。
2017年1月,谷歌Deep Mind公司宣布推出真正2.0版本的“阿尔法围棋”,成为第一个不借助让子,在全尺寸19×19的棋盘上击败职业围棋棋手的电脑围棋程序,其特点是摈弃了人类棋谱,只靠“深度学习”的方式成长起来挑战围棋的极限。
围棋是人类最具智慧的竞技之一,而人工智能(Artificial Intelligence,简称AI)研发是人类最具挑战性的科技探索。人机大战的经典对决将被同时载入围棋史册和科技史册。它的意义已经远远超出围棋本身,人们热衷谈论“阿尔法围棋”更多是出于对AI技术的关切。从诞生到日益成熟,AI理论和技术的应用领域在不断扩大,不知不觉间渗透到人类当代生活的各个方面。AI时代,互联网、金融、医疗、教育、物流、娱乐、传媒等行业都在加速自己智能化的进程。可以想见,未来人工智能带来的科技产品,将会是人类智慧的“容器”。 而与此同时,人类命运和机器智慧的冲突与共存,已经由人机大战开始不断升温。
“人工智能百年研究”项目
2014年秋季,美国斯坦福大学开启了“人工智能百年研究”(AI100)项目。这是一个超大型长期项目,该项目发起人――美国人工智能发展协会会长、前微软研究员埃里克・霍维茨博士表示,“我们的职责是研究人工智能在2030年前对人类社会生活方方面面所产生的影响,尤其是在北美地区”,而“研究的核心是,人类不能丧失对人工智能的控制能力”。 “人机大战”
2016年9月1日,“人工智能百年研究”项目的第一项成果《人工智能与2030年的生活》。这是一份试图定义北美城市在未来10多年间将要面临的可以模拟人类行为的计算机和机器人系统 (即人工智能)问题的报告,涉及交通、家庭/服务、健康医疗、教育、低资源社区、公共安全与防护、就业、娱乐等关注领域,目的是推动相关政策的制定。业内人士认为,工业界和学术界目前正在联手倒逼政府出台人工智能的相关政策,希望可以获得更大力度的资金和法律扶持。
《人工智能与2030年的生活》所列举的关注领域,均面临着人工智能的影响和挑战。例如开发安全可信赖的硬件的困难(交通工具和服务机器人),获得工作信赖的困难(低资源社区和公共安防),对劳动力可能被边缘化的担忧(就业和职业),以及人际交往减少带来的社会副作用(娱乐)等等。
1.交通:自动驾驶的汽车、卡车、无人机投递将改变城市里的工作、购物和休闲娱乐模式,但需要增加可靠性、安全性和用户接受度,并根据新的交通模式改进当前的相关法规和基础设施。
2.家庭/服务机器人:现在进入家庭的扫地机器人或特种机器人能够为家庭和工作场所提供清洁和安保服务,当务之急是技术方面的挑战和机器人成本过高的问题。
3.健康医疗:个人健康监测装备与手术机器具有极大的发展潜力,人工智能软件将最终对某些疾病自动进行诊断和治疗。目前的关键是获取医疗从业者的信任。
4.教育:互动辅导系统在帮助学生进行语言、数学以及其他技能的学习方面已经发挥出作用,自然语言处理的发展将为这一领域的应用带来全新的方式。当务之急是教育资源分配不均的问题,以及教、学双方直接互动的减少会带来哪些消极影响。
5.低资源社区:投资最新技术领域有助于更充分地发挥人工智能的优势,比如避免铅污染和改进食品分配等,重要的是让公众参与进来以增强相互信任。
6.公共安全与防护:利用相机、无人机和软件进行犯罪模式分析,应用人工智能技术来降低人类判断的主观偏见,与此同时在不侵犯个人自由和尊严的情况下增强安全性。目前需注意的是如何保护隐私和避免固有偏见。
7.就业和职业:随着全球经济的快速发展,传统岗位开始被新岗位取而代之,有关人类如何适应这种新变化的相关工作需要立即展开,比如如何妥善处理劳动力下岗以及人工智能对新工作岗位不适应的问题。
8.娱乐:内容创建工具、社交网络和人工智能的结合,将开创全新的媒体内容收集、组织和分发模式。但问题是新的娱乐方式如何在个人价值和社会价值之间取得平衡。
《人工智能与2030年的生活》在回顾发展历程和展望发展趋势时指出,人类正加速在人工智能领域的研究,试图建立一个能与人高效协作的智能系统。其中最重要的是机器学习的成熟,它受到了数字经济崛起的部分影响――数字经济为机器学习提供了大量数据。此外其他影响因素包括云计算资源的崛起,以及消费者对语音识别和导航支持等技术服务的需求。研究人员认为,不管是从基本方法上还是应用领域,包括大规模的机器学习、深度学习、增强学习、机器人、计算机视觉、自然语言处理、协作系统、众包和人类计算、算法游戏理论和计算的社会选择、物联网、神经形态芯片在内的研究趋势,共同促进了人工智能研究的热潮。
这份报告试图严肃地讨论这样一个问题:如何更好地引导人工智能来丰富和服务于人类生活,同时推动和激励这一领域的创新。因为人类目前并不能清晰而完美地预测未来的人工智能技术及其影响,所以一定要对相关政策进行评估。未来几年公众在交通和医疗等领域内应用人工智能的机会日渐增多,因此必须以一种能构建信任和理解的方式将其引入,确保在尊重人权和公民权利,保护隐私和安全,维护广泛而公正的利益分配等方面措施周备。 世界经济论坛说,机器人和人工智能到2020年可以取代510万个工作岗位。
研究人员指出,传统的人工智能范式已被数据驱动型范式成功取代,对于定理证明、基于逻辑的知识表征与推理这些程序的关注度在降低。作为20世纪七八十年代人工智能研究的一根支柱,规划( Planning )强烈依赖于建模假设,难以在实际应用中得到满足;视觉方面基于物理的方法和机器人技术中的传统控制与制图,正让位于通过检测手边任务的动作结果来实现闭环的数据驱动型方法;还有曾颇受欢迎的贝叶斯推理和图形模式,在数据和深度学习的显著成果前也显得相形见绌。在未来15年中,针对人类意识系统开发,按照能够互动的人类特点进行建模和设计人工智能系统成为人们的兴趣点。在考虑社会和经济维度的人工智能时,物联网型的系统变得越来越受欢迎。数据驱动型产品的数量及其市场规模将会扩大。
“为机器人安装‘死亡开关’”
2017年1月,欧洲议会法律事务委员会召开会议,呼吁制定“人类与人工智能/机器人互动的全面规则”。议公布的报告对机器人可能引发的安全风险、道德问题、对人类造成的伤害等情况进行了讨论,探讨是否需要为机器人安装“死亡开关”、研究机器人抢走人类工作的应对措施等等,要求欧盟为民用机器人制订法律框架。专家认为,这或将是首个涉及管制机器人的立法草案,将有利于人类应对机器人革命带来的社会震荡。
会议认为,人工智能和机器人发动的新工业革命可能影响到所有的社会阶层。机器人可能创造无限的繁荣,与此同时将影响人类未来的就业情况。机器人取代人类在许多行业是大势所趋。在德国,每1万个雇员中就有301个是工业机器人。报告要求欧盟委员会对各国民众的就业情况进行调查,重点关注极易被机器人取而代之的职位。如果机器人成为职位“杀手”,欧盟各成员国应考虑为国民提供基本的生活保障。埃里克・希尔根多夫是一名德国法律教授,他非常认同欧洲议会讨论的这项议题。“这不仅在政治上是可取的,从法律角度也是必要的,这样我们才能及时应对机器人革命带来的社会震荡。”他指出,“即使是银行顾问、教师和记者等要求严格的职业,未来也无法在这场科技洪流中幸免。”
会议强调,因为人工智能在几十年内可能超越人类的智力,将对人类控制机器人构成挑战。随着机器人自我意识的崛起,甚至可能威胁人类的生存。近年来,机器人“杀人”的事件时有发生:2015年6月,在德国大众汽车公司,一名工人安装机器人时反被它抓起推向金属板压死;2016年6月,美国一家汽车零件生产商的一名女员工正在修理出现故障的机器人时,它突然启动,将修理女工活活压死。
报告参照美国科幻小说作家艾萨克・阿西莫夫提出的“机器人学三大法则”,将其作为立法框架,对机器人自我意识觉醒后的行为规范做出规定。“机器人学三大法则”包括: 1.机器人不得伤害人,也不得见人受到伤害而袖手旁观。2.机器人应服从人的一切命令,但不得违反第一法则。3.机器人应保护自身的安全,但不得违反第一、第二法则。由于规则无法转化为代码,欧洲议会正在着手建立一个针对机器人和人工智能研发的机构,为设计、生产和操作机器人的人员提供技术、伦理和监管方面的专门知识等。
报告还提出:1.在设计新型机器人时,设计师应该尊重人类的基本人权,事先获得道德研究委员会的批准。2.必须为机器人注册,以便在调查事故时查找涉事的机器人。3.确保机器人安装有“死亡开关”,可以随时被关闭。4.机器人不能对使用者造成“身体或心理伤害”。如果酿成事故,机器人不能逃脱责任。机器人所负担的责任应该与其接收的实际指令及其自主程度相对应:它的学习能力和自主性越高,那么人的责任就较低;倘若它“受教育”的时间越长,教它的“老师”负的责任就越大。报告还指出,机器人的生产商或拥有者将来需要购买保险,来承担机器人可能造成的损失。
人类与机器人的关系将会引起一场涉及私隐、尊严和安全的大讨论,在欧洲议会投票赞成立法之前,各成员国政府将对此做进一步的辩论和修正。
“机器人应当纳税”
英国牛津大学近期一项调查结果显示,今后数十年间,自动化改变生产线的速度将超过20世纪。在经济合作与发展组织(OECD)成员国,57%的工作岗位有被自动化取代的风险。英国中央银行英格兰银行预测,在自动化浪潮中,危在旦夕的英国工作岗位多达1500万个。美国白宫2016年预测,机器人取代时薪低于20美元以下岗位、介于20~40美元岗位和时薪40美元以上岗位的概率分别为83%、31%和4%。
在美国微软公司创始人比尔・盖茨看来,为暂时性减缓自动化蔓延速度,很有必要向企业为雇用机器人员工而征税,税单将是阻止机器人取代人类工作岗位的杀伤性武器。如果机器人将大范围取代人类工作岗位,那它们至少应为此买单。“目前一个人类员工在工厂中创造了5万美元的价值,这个价值会被征税。人类员工需要缴纳各种税,如所得税、社会保障税以及其他税款。如果一个机器人在工厂做与某个工人同样的事情,我们也应按同等水平向它征税。”
盖茨同时认为,尽管一些工作岗位可能被机器人取代,但人们可以在那些所需技能是机器人无法复制的领域里继续工作。世界需要抓住机遇解放劳动力,让人们从事更好的工作,例如关爱老人和帮扶特需群体。在这些领域,人类具有独特的同情心和理解力。
法国社会党总统候选人伯努瓦・阿蒙也呼吁法国对机器人征税,部分税收用于补贴全民基本收入保障。越来越多的政界人士和硅谷富翁支持推出全民基本收入保障,以化解自动化引发的大范围失业。而反对机器人税的人士则持这样的观点:自动化即使在短期也可以借助提高生产率创造新的就业岗位。
“人类需要成为‘半机器人’”
美国特斯拉汽车公司首席执行官伊隆・马斯克在2017年2月13日迪拜举行的 “世界政府峰会”上表示,未来20年,驾驶人员的工作将被人工智能所颠覆,之后全球12%~15%的劳动力将因为人工智能而失业。“从技术角度讲,最迫切的影响会来自自动驾驶汽车。它到来的速度将远快于人们的预期,当然它会为人类提供极大的方便。”
关键词:人工智能;犯罪;刑法;立法构建
一、人工智能时代刑法构建的必要性
(一)刑事立法可以防控人工智能技术带来的风险
人工智能与现实社会的联系日益紧密,已经成为法律无法回避的领域,互联网时代的发展推动了人工智能时代的到来,互联网技术中的信息与数据是孕育人工智能的土壤。当今社会,人工智能技术已经渗透到生活的各个方面,我们的医疗、军事、交通、城市建设等方面,处处都有人工智能的身影。当我们享受着先进技术带来的好处时,也不能忽略其潜在的法律风险。因为这样紧密的联系就决定了人工智能会高频率地参与人类社会的活动,那么当其参与的行为涉及刑法时,就需要立法来规制。
(二)刑事立法可以及时应对这一新生事物对于现行刑法的挑战
不可否认,法律具有滞后性,新技术带来的犯罪无法被现行的刑法及时规制,甚至会产生冲击。只有通过立法及时修补法律的空白之处,解决刑法对于人工智能类犯罪的适用等问题,才可以保证这一技术的健康发展和合理使用。[1 ]
二、现行刑法规制人工智能犯罪的困境
(一)从刑事责任主体角度
在我国现行刑法中可以规制的人工智能类犯罪极其有限,仅限于行为人直接将人工智能当作工具进行生产、利用的情形,换言之,人工智能此时执行的一切操作仅为犯罪者的意志和行为的延伸,这种情形下的刑事责任主体为利用人。例如,绍兴市破获的全国首例利用人工智能侵犯公民个人信息案,犯罪团伙利用人工智能技术盗取数据,识别图片,进行诈骗,窃取公民个人信息进行犯罪。在这个案件中,人工智能被当作工具直接被犯罪分子支配利用,可以根据刑法第二百五十三条之一侵犯公民个人信息罪对犯罪分子进行定罪。当然,即便如此,这样的定罪依然存在瑕疵,后文第(二)节将从另一角度阐述。然而,真正棘手的问题是,当人工智能在无自然人利用、操纵时,或者违背利用者的初衷,自行发生了犯罪行为(如无人驾驶汽车涉及交通事故罪,手术机器人涉及医疗事故罪等),其刑事责任主体又该如何确定,是人工智能本身,还是其用户,又或者是发明者,由于现行刑法刑事责任主体认定的局限性,这种情形下刑事责任主体的确定存在争议。
(二)从罪名角度
不可否认,人工智能时代的到来产生了许多前所未有的行为方式,所以,针对以下三种情形,即便行为主体符合我国现行刑法对于刑事责任主体的认定(自然人、单位),因为缺乏与之相对应的罪名,也无法直接且有效的规制:首先,是犯罪主体滥用人工智能学习技术训练其进行犯罪的情形。正如前文所述的,绍兴市破获的全国首例利用人工智能侵犯公民个人信息案,我们可以按照侵犯公民个人信息罪对犯罪分子进行定罪,但是其非法滥用人工智能技术的行为是无法规制的。其次,是由于人工智能的生产者、发明者在程序编写等技术方面的问题,导致人工智能运行时发生危害社会安全的犯罪行为的情形。比如,2018 年3 月发生在亚利桑那州坦佩市的Uber无人驾驶汽车意外撞死一名行人的案例,[2 ]经后续调查给出的技术解释是,由于技术限制,其识别系统会在恶劣环境下发生识别有误,甚至无法识别的情况,Uber公司对其人工智能的某一算法设置上存在纰漏,但最终的审判结果却是Uber公司不负刑事责任。这虽然是国外的案例,但也对我国刑事立法提供了思考的方向,或许有观点认为,在我国发生类似案例,可以直接按照刑法第一百四十六条的相关规定按照生产、销售不符合安全标准的产品罪来定罪。但笔者认为,人工智能本就属于新兴技术,其发展必然存在不成熟的因素,但也不能忽视其进步性,所以,在一定限度内,我们应该对人工智能产品所带来的风险有一定程度上的容许,如此才有利于行业的发展,而这就需要设立新的罪名来解决。
三、人工智能刑事立法构建策略
(一)关于刑事责任主体认定
针对上文提出的,人工智能在无自然人利用、操纵时,或者违背利用者的初衷,自行发生的犯罪行为的责任主体认定问题,我们可以分为两类讨论:首先,是弱人工智能发生的犯罪行为。所谓“弱人工智能”是指没有自主意识,缺乏创造性、遵循机械规律的人工智能。此类人工智能在无自然人利用、操纵时,或者违背利用者的初衷,自行发生的犯罪行为,多半是程序等技术的瑕疵造成的。此时,此类人工智能无法满足犯罪主客观一致的要求,不具有承担刑事责任的能力,所以应该认定其发明者为刑事责任主体,因为发明者在发明此类弱人工智能时,可以且应当预见到人工智能的行为和潜在的风险,发明者此时具有确保其发明物不会危及公共安全和人身安全的义务。当然,也有例外情况,如果是由于他人(黑客等)恶意入侵的行为造成的犯罪,应当认定该介入因素切断了原先的因果关系,应该认定入侵者为刑事责任主体。其次,是强人工智能发生的犯罪行为。所谓“强人工智能”是指具有独立意识,有思考能力,通过学习可建立对于周围环境的认识、判断的自主运行的人工智能。这类人工智能的犯罪能够符合客观方面(危害行为、危害结果、因果关系、犯罪的时间、地点、方法)的要求,也能够符合主观方面(如意识因素、意志因素)的要求,应当认定其为刑事责任主体,独立承担刑事责任。首先,这类人工智能具有更强的学习能力,思考能力,它们可以通过学习和思考产生自主意志和是非判断能力,已经不再是使用者意志和行为的延伸;其次,强人工智能在自主意识和判断力的基础上,完全有能力获取其研发人未编入其程序的知识,而这些知识极有可能具有人身危害性,但这些内容是很难被及时预见并立刻删除的;最后,基于前两点的内容,我们完全有理由认为,强人工智能是具有可罚性的,此时的人工智能已经具有了自然人的伦理属性,可以被当作“机械犯罪人”。我们可以对其执行删除数据并且将该人工智能销毁的刑罚。故针对强人工智能的犯罪,我们不必设立新的罪名,但需要出台相关的司法解释来调整、明确刑事责任主体的认定。比如,针对现行刑法的某些犯罪(如公共安全类犯罪、除外侵犯人身权利的犯罪、侵犯财产类型的犯罪等等)出台司法解释,增加强人工智能本体为刑事责任主体,并补充强人工智能的刑罚执行制度,只有完善了司法解释,才不会使上述策略成为空中楼阁。
(二)关于新罪名的设立
1 .设立滥用人工智能技术罪随着技术的发展,人类对于人工智能技术的依赖性会越来越大,这已是大势所趋,但这势必会引起该技术滥用的行为。就如全国首例利用人工智能侵犯公民个人信息案,犯罪分子利用人工智能,可以使传统的犯罪行为更加快速,更加低成本,低风险。所以我们有必要设立滥用人工智能技术罪,在规制犯罪分子基本犯罪行为的基础上,[3 ]该罪名应该纳入刑法分则第六章妨害社会管理秩序罪中进行明确规定。2 .设立人工智能重大责任事故罪针对人工智能的生产者、发明者在程序编写等技术方面的问题(主要针对弱人工智能),导致人工智能自行运行时发生危害社会安全的犯罪行为的情形,应该成立人工智能重大责任事故罪,规制发明者、生产者在发明、设计、生产环节中未完全按照行业标准和国家标准履行义务的行为。但是,结合前文所述对于新兴技术发展的支持态度,应该对其中的生产方采取严格责任制,即如果生产商有足够证据证明自己的生产过程是严格遵守现有的相关标准的,则可以免于承担刑事责任。该罪名应该纳入刑法第二章危害公共安全罪中进行明确规定。
四、结语
人工智能时代的到来既给我们以便利,同时也会给我们带来法律的困扰,甚至对传统的刑法带来冲击,相关的刑事立法可能会改变长久以来的传统的刑事责任定义,这正是新兴技术的发展对于刑事立法的挑战,所以我们既要制裁人工智能类的犯罪,又不能阻碍该行业的发展,只有这样,才是成功应对我国当下人工智能犯罪的刑法困境。
参考文献
[1 ]李振林.人工智能刑事立法图景[J].华南师范大学学报(社会科学版),2018 (6 ):125-133+191 .
我国科学技术发展的总体目标是自主创新能力显著增强,科技促进经济社会发展和保障国家安全的能力显著增强,为全面建设小康社会提供强有力的支撑;基础科学和前沿技术研究综合实力显著增强,取得一批在世界具有重大影响的科学技术成果,进入创新型国家行列,为在本世纪中叶成为世界科技强国奠定基础[1]。
广大高校教师对当前科技研究及发展方向有深刻理解,在整个国家人才类型需求与人才培养之间扮演着纽带角色,不但有科研能力还有教书育人的能力,因此在国家科技发展过程中的地位举足轻重。国家需要的人才是由高校教师来培养,教师对学生的培养应以国家需要为依据,而学校应以国家对人才的需求而制定相应的教学大纲和教学内容,以保证国家需要的人才与学校及教育机构培养的人才一致。国家、科技项目、教师和学生这4个环节只有保持协调一致,才能使国家科技稳步快速的向前发展。
智能科学技术是信息科学技术的核心和现代科学技术的前沿和制高点,涉及自然科学的深层奥秘,触及哲学的基本命题。智能科学技术的研究将对国民经济、社会进步、国家安全生产产生深刻而巨大的影响,并将为智力革命、知识革命和信息革命建立理论基础,为智能系统的研制提供新概念、新思想、新途径。
1国家科技项目中与智能相关的内容
国家每年会颁布一些科研项目指南,如863、973、国家科技重大专项、国家科技支撑计划和国家重大科学研究计划等。这些项目指南中均包含大量与智能相关的内容。下面以国家科技重大专项和973计划为例加以说明:
1) 国家科技重大专项。
2011年国家科技重大专项中包含2项有关智能方面的项目,其中“核心电子器件、高端通用芯片及基础软件产品”重大专项中包含一个“智能海量数据资源中心”课题;“新一代宽带无线移动通信网”重大专项中包含2个有关智能的课题:“移动互联网及业务应用研发”和“物联网及泛在网”。
2)973计划。
据不完全统计,在2008年到2011年的973计划指南中关于“智能”一词的出现频率如表1所示。
从上述统计数字可以看出,“智能”一词的出现次数由1次增加到12次;出现在一级标题的次数由1个增加到3个,出现在二级标题的次数由空白增加到4个。由此不难分析出,智能科学技术在973计划中的比例逐年增加,其重要性不言而喻。
这些项目的前期研究以及后续成果的产业化,不可避免地需要更多的智能方面的专业人才。在设立智能科学与技术一级学科的建议书中提到,智能科技人才的社会需求占整个信息领域人才需求的1/6左右,而且将不断增长。高校需要培养这方面的人才,满足国家和社会的需要。
2河北省和天津市科技项目与智能相关内容
河北工业大学隶属于河北省,坐落于天津市,形成了立足天津面向河北的发展战略,为河北省和天津市提供有力的技术支撑。
河北省当前正在实施转变经济发展方式的战略部署,充分发挥科技创新在推进传统产业技术进步和培育战略性新兴产业中的重要作用,并于2010年3月启动了光伏、风电装备、钢铁节能减排等8个支柱产业的技术路线图的编制工作,河北工业大学承担了其中“河北省风电装备产业技术路线图”的绘制工作,该路线图为全国首个关于风电的路线图,对我国风电产业的健康发展将起到积极的推动作用。
以2011年天津市科技支撑计划重点项目指南为例,该计划以促进产业技术升级和结构调整为主攻方向,以提高原始创新、集成创新和消化吸收再创新为目标,通过关键技术的突破、引进技术的消化吸收再创新、高新技术的应用及产业化,为天津市产业结构调整、社会可持续发展和提高人民生活质量提供技术支撑。2011年共安排25个专项,与“智能”相关的内容有软件专项中的创意产业关键技术和数据挖掘与信息检索技术;数字技术专项中的智能检测、监控技术研发及应用;可再生能源及能源存储转换专项中的智能电网等。
由上面的分析,可以看出智能科学技术在河北省和天津市的科技项目布局中占有重要的地位,这也对高校提出了培养高素质人才的要求。
3河北工业大学智能科学与技术专业现状
据教育部统计,自2004年北京大学自主设置“智能科学与技术”本科专业通过备案以来,先后有北京邮电大学、南开大学、西安电子科技大学、北京信息科技大学、首都师范大学、武汉工程大学、西安邮电学院、北京科技大学、湖南大学、厦门大学、河北工业大学、桂林电子科技大学、重庆邮电大学、大连海事大学、中南大学和上海理工大学共17所高校建立了智能科学技术本科专业。
河北工业大学在结合自身优势和借鉴兄弟院校办学经验的基础上,智能科学与技术专业的教学体系和课程内容逐步合理化;紧跟科技发展新趋势,突出智能科学与技术专业的特色,注重学生实践能力的培养,在智能化电器、智能化楼宇、智能机器人、智能化机器、智能化物流等方面培养社会急需的特色人才;在控制科学与工程一级学科硕士点下设立“智能科学与技术”的相关研究方向,加强该专业的学术梯队建设和人才培养,促进控制科学与工程学院整体教学科研的和谐发展。
我们努力使学生德、智、体、美全面发展,具有坚实的数学、电子、计算机、自动控制和信息处理的基础知识,系统地掌握智能科学的基础理论、基础知识和基本技能与方法,受到良好的科学思维、科学实验及初步科学研究的训练,使其具有分析问题和解决问题的能力,知识自我更新和不断创新的能力。在个人素质方面,要求学生具有全面的文化素质、良好的知识结构和较强的适应新环境、新群体的能力,并具有良好的语言和计算机运用能力。
4教学内容的思考
目前智能科学与技术专业隶属于控制科学与工程学院,本学院包括自动化、风能与动力工程和智能科学与技术3个本科专业。自动化专业作为一个成熟专业,有稳定的社会认可度,其近年的发展受到了无行业背景的限制;风能与动力工程专业是一个新兴专业,为了满足国家风力发电的强势发展需求而设立的,具有显著的行业背景,从目前情况看,学生就业前景很好;智能科学与技术专业作为新兴专业,没有固定的行业背景,因此有必要根据学校的实际情况确定1~2个背景,体现个1~2个特色,以使学生的学习落在实处。
我校的智能科学与技术专业拟将智能网络和风力发电机组控制系统作为本科生的学习指向,在相关课程的讲授中以它们作为实例讲解,筹建智能网络的平台,以及利用风能与动力工程专业的实验平台进行相关内容的操作和演示,在课外科技活动中以它们作为选题方向,激发学生的学习兴趣。
我校作为地方工科院校,结合自身特点和优势,对智能科学与技术专业的特色定位于工业过程和实际工程中的智能控制与智能决策,相对应的核心课程包括智能控制、智能信息处理、复杂系统建模、智能系统、智能机器人和智能工程。我们希望通过这些课程教学内容的规划,使培养的学生“考研考得上,分配分得出”。
1) 智能控制课程在介绍控制理论的同时,通过课内实验和单独学时的课程设计使学生对智能网络、风力发电机组等在内的实际系统先进控制方案/方法的实现有较深入了解,并侧重于硬件实现。
2) 智能信息处理课程主要介绍经典人工智能、计算智能和其他智能理论,通过方法的介绍和推导,培养学生理论素养,并通过将具体方法代码化提高学生的编程能力,其中可以将风电场数据作为研究对象。
3) 复杂系统建模课程在介绍复杂系统基本概念、理论基础以及与建模相关问题的同时,着重以复杂网络和风力发电机组为着力点,对这两大类系统的模型进行建立和分析。
4) 智能系统课程在介绍人工智能技术如何具体应用于某些领域的同时,侧重分析如何应用于智能网络特别是物联网领域,以及如何应用于风力发电领域。
5) 智能机器人课程在介绍机器人基本工作原理以及控制方法的同时,加强与实际工程的结合,如自动化仓库等领域。
6) 智能工程课程在介绍人工智能技术如何具体应用于某个实际工程的同时,着重考虑目前国家急待发展的工程方向。
通过上述课程的学习,并基于软硬件的结合与课内课外的配合,学生可对目前体现前沿科技的行业有所熟悉,为进一步的深造和就业打下坚实基础。
5结语
前沿性、时代性是大学课程的一大特点。20世纪以来,现代科学技术的快速发展,使知识的更新周期越来越短,大大丰富了大学的课程及其内容,也改变了课程设置的技术与方法。
通过对前沿科技和人才培养的需求进行分析,可以总结出学校的教学应针对国家对人才类型的需求而制定,使人才得到相应的供应,保持供求平衡。