HI,欢迎来到好期刊网!

人工智能和教学

时间:2024-02-06 14:45:22

导语:在人工智能和教学的撰写旅程中,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。

人工智能和教学

第1篇

【关键词】 神经心理学; 量表; 轻度认知损害; 血管性认知损害; 执行功能;病例对照研究

doi:10.3969/j.issn.1000-6729.2009.02.001

中图分类号:R743.9,R749.13 文献标识码:A 文章编号:1000-6729(2009)002-0077-06

Comparison of Cognitive Functions in Patients with Amnestic Mild Cognitive Impairment and

Vascular Cognitive Impairment-no Dementia

YUAN Jing, GUO Qi-Hao@, FU Jian-Hui, HONG Zhen

Dep. Neurology of Huashan Hospital, Fudan University, Shanghai 200040

@ Corresponding author,Email: dr.省略

【Abstract】Objective: To investigate the cognitive impairment features in patients with amnestic mild cognitive impairment (aMCI) and vascular cognitive impairment-no dementia (VCI-ND).Methods:Sixteen normal elders, 10 patients with aMCI and 12 patients with VCI-ND were recruited. The normal elders wereselected from communities in Shanghai, while the aMCI and VCI-ND patients were selected from outpatient clinic. All participants ranged in age of 50~80 years, with education level of junior middle school or above, and they completed cranial CT or MRI and a series of neuropsychological tests. Results:In the three memory tests, aMCI group performed worst. The scores of both aMCI and VCI-ND groups were lower than that of the normal elders. For example, the delayed recall scores of the Rey-Osterrich complex figure test in the three groups were(18.8±9.5) (normal),(5.6±5.6)(aMCI) and(9.6±7.0)(VCI-ND)(P

【Key words】 neuropsychology; scale; amnestic mild cognitive impairment; vascular cognitive impairment-no dementia; executive function;case control study

阿尔茨海默病(Alzheimer's disease, AD)和血管性痴呆(vascular dementia, VaD)是最常见的痴呆两大原因。近年来,越来越多的学者将重点转移到痴呆的临床前期阶段的研究,遗忘型轻度认知损害(amnestic mild cognitive impairment, aMCI)和血管性认知障碍(vascular cognitive impairment, VCI)是基于此提出的两大概念。2006年美国国立神经疾病和卒中研究所-加拿大卒中网联合颁布了血管性认知障碍的统一标准[1],重新定义了血管性认知障碍是由血管因素导致的或与之相关的认知障碍。新的统一标准极大地拓宽了概念的范围,包括非痴呆血管性认知损害(vascular cognitive impairment-no dementia,VCI-ND)、血管性痴呆、混合性痴呆以及其他和血管因素相关的认知障碍。而主要针对痴呆前期的概念是VCI-ND。本研究旨在评价aMCI和VCI-ND在认知表现方面的相同和差异, 这对于明确血管性因素在认知障碍发生中的地位有一定的意义与价值。

1 对象与方法

1.1 对象

2006年10月至2007年3月在本院神经内科“记忆障碍”或“中风”门诊选取遗忘型轻度认知损害者10人[男7人,女3人,平均年龄(67±8)岁,平均受教育年限(13±3)年]、非痴呆血管性认知损害者12人[男6人,女6人,平均年龄(65±7)岁,平均受教育年限(11±3)年],在社区退休老人中抽取16人为正常对照组[男7人,女9人,平均年龄(65±6)岁,平均受教育年限(13±2)年]。入组条件:近一月无焦虑、抑郁等精神障碍表现,没有严重躯体疾病,没有视力和听力障碍,对认知检查合作,简明精神状态量表(MMSE)大于或等于24分。所有受试年龄在50~80岁之间,受教育程度在初中及初中以上,婚姻状况为已婚,均为右利手。全部完成头颅CT或核磁共振检查及成套神经心理测验,并应用Xe-CT技术定量测定38例对象脑不同部位的局部血流量值(rCBF)。结果aMCI组影像学检查仅有程度不等的脑萎缩,无明确的腔隙性梗死灶或斑片状或弥漫性白质疏松表现。三组之间年龄、性别和教育程度差异均无统计学意义(P>0.05)。

1.2 诊断标准

遗忘型轻度认知损害(aMCI)的诊断标准[2]:(1)有记忆减退主诉;(2)有记忆减退的客观证据,表现为听觉词语学习测验[3]的延迟回忆得分≤正常老人的“均数-1.5个标准差”;在本研究中为12个词语延迟回忆得分≤4分(50~60岁)、3分(60~70岁)、2分(70~80岁);(3) MMSE(简易精神状态量表,Mini-mental State Examination)总分≥24分;(4)日常活动能力无显著缺损;(5)非痴呆,不符合美国神经病学、语言障碍和卒中-老年性痴呆和相关疾病学会(NINCDS-ADRDA)McKhann等编制的有关痴呆的诊断标准[4]。

非痴呆血管性认知损害(VCI-ND)的诊断标准:目前还没有国际公认的VCI-ND的诊断标准,本文使用的诊断标准是郭起浩教授根据文献资料结合aMCI的诊断标准制定的:(1)有获得性认知损害,如记忆减退或反应迟钝,有知情者证实,且病程超过3个月;(2)神经心理测验证实有认知功能减退,其测查分值在年龄和教育匹配对照组1.5个标准差以下,在本研究中为连线测验B [5]耗时数≥190秒(50~60岁)、220秒(60~70岁)、280秒(70~80岁)或Stroop色词测验C[6]正确数≤39个(50~60岁)、38个(60~70岁)、35个(70~80岁);(3)MMSE[7]至少24分或Mattis痴呆评价表(DRS)[8]至少120分(在初中及以上受教育程度的情况下);(4)工作、社交和日常生活能力不受影响或仅受轻微影响;(5)达不到血管性痴呆的诊断标准;(6)影像学表现为多个腔隙性脑梗死或大梗死灶或重要功能部位的梗死(如丘脑、基底节),或广泛的脑白质病变,无明显的脑萎缩;(7)排除其他可引起脑功能衰退的系统疾病。

1.3 工具

1.3.1记忆功能测试

1.3.1.1 听觉词语学习测验(auditory verbal learning test,AVLT)[3]

检查者读出12个双字组成的名词性词语,请受试听完后立即回忆,连续学习并回忆3次。在非言词测验间隔约5分钟后,回忆刚才的12个词语(称为“短延迟回忆”,即AVLT4),在非言词测验间隔约20分钟后,对12个词语作自由回忆(称为“长延迟回忆”,即AVLT5),最后检查者读出24个词语请受试回答是否记忆过(称为“再认”)。分析指标为每次回忆正确数。

1.3.1.2 Rey-Osterrieth复杂图形测验(Rey-Osterrich complex figure test,CFT)[9]

首先要求模仿图形(第一部分),在事先没有提醒的情况下约20分钟后回忆这幅图(第二部分)。总分为36分。其中第一部分反映的是视空间能力,第二部分反映的是对图形的记忆能力。

1.3.1.3 逻辑记忆测验(Logical memory test,LM)

选自韦氏记忆量表中文版(乙式)(WMS-RC)[10]的逻辑记忆分测验。从逻辑记忆分测验的3段小故事中选择第1个小故事作为测验内容,即刻回忆的操作同WMS-RC,增加20分钟后的延迟记忆,评分方法为20个故事要点,每个要点得1分,共20分。

1.3.2执行功能测试

1.3.2.1连线测验A和B(Trail Making Test,TMT) [5]

该项是Halstead-Reitan成套神经心理测验中的一个分测验,连线测验B的原版本是要求数字和字母交替排列,我们使用的修订版是将数字包含在正方形和圆形两种图形中,要求被试连接数字时两种图形交替进行。分别记录完成时间、错误连接提醒次数、不能连接提醒次数、抬笔提醒次数,后3者组成错误总数。反映的是快速视觉搜索、视觉空间排序和认知定势转移能力。

1.3.2.2Stroop色词测验(Stroop Color Words Test,CWT) [6]

该测验由3张卡片、每张50字、4种颜色组成。卡片A读颜色字,卡片B读单纯的颜色,卡片C要求读字的颜色而不是字本身。记录正确数、耗时数、立即改正数和延迟改正数。

1.3.2.3加减交替测验(Plus Minus Supersede Test,PMST) [11]

该测验首先是20个数字加3,其次是要求20个数字减3,最后是要求50个数字交替加减3,记录正确数和耗时数。

1.3.2.4 语义相似性测验(Similatities Test,ST)

该测验共12题,模仿韦氏成人智力测验(WAIS)的相似性分测验自行编制。要求被试说出两样物品(如“飞机”和“轮船”)间的相似性,记录正确数[12]。

1.3.2.5 视觉推理测验(Visual Reasoning Test,VRT)

该测验共15题,设计原理同瑞文推理测验,要求被试按照不同规律把四格图填满,记录正确数[12]。

1.3.2.6 迷宫测验(Maze Tracing,MT) [11]

要求被试画出3个由易到难的迷宫出来的路线。记录耗时数和错误数(包括因错误返回次数、触壁次数和抬笔提醒次数)。

1.3.2.7 谚语理解测验(Proverbs Test,PT) [12]

该测验包括10个难易不同的汉语谚语,要求被试逐一解释,无法解释者进行选择回答,并说出对这个谚语的熟悉程度,分别记录自发解释、选择回答和熟悉性的总分。

1.3.3 视空间测验

Rey-Osterrieth复杂图形测验(CFT)[9] 第一部分反映的是视空间能力。

1.3.4 流畅性测验

该测验最早出现在Spreen和Benton1969年编制的失语综合检查法中[13],本文要求被试分别在1分钟内尽可能多地列举“动物”和“超市商品”的例子。记录正确数、错误数、重复数、亚类数(subcategory)、语义串联数(cluster)和类别之间转换数(switch)。如“苹果、香蕉、可乐、纯水、梨子、猪肉、草纸”,亚类数为4,串联数为2,类别之间转换次数4。

所有受试皆在经过统一培训的华山医院神经内科医生一对一的指导下完成测验内容,并对诊断检查的合作态度良好。

1.4 统计方法

采用单因素方差分析,然后采用 LSD法进行多重比较。以α=0.05作为检验水准。

2 结果

2.1三组受试者的记忆功能测试评分比较

三种记忆测验中,aMCI组各项记忆得分均最低,aMCI组和VCI-ND组各项得分均低于正常对照组, VCI-ND组的词语延迟回忆得分高于aMCI组(表1)。

2.2三组受试者的执行功能测试评分比较

反应耗时数测验VCI-ND组完成时间均最长,其次是aMCI组;反应正确数测验VCI-ND组和aMCI组均较正常组差(表2)。

2.3三组受试者的视空间测试和流畅性测验评分比较

Rey-Osterrieth复杂图形测验模仿得分三组间差异无统计学意义[(34.6±1.8),(31.2±6.2),(30.8±8.3);F=1.917,P>0.05]。

表3显示:正常组列举超市商品个数正确数得分高于aMCI组;正常组列举动物个数正确数得分高于aMCI组和VCI-ND组,而列举动物语义串联数得分正常组和VCI-ND组高于aMCI组。

3 讨论

本研究通过以记忆和执行功能为主的认知功能评定,发现在三种记忆测验(词语记忆、逻辑记忆和图形记忆)中,aMCI患者的每项记忆得分均是最低的,VCI-ND得分介于aMCI和正常之间,并且从AVLT测验的每次回忆正确数的走势趋势上看,aMCI组的下降幅度是最为明显的,VCI-ND和正常组的曲线相对平缓,说明了aMCI患者学习新事物能力下降的主要原因是学习后信息保持能力的下降,即短时记忆受损程度较瞬时记忆更明显。而AVLT第4和5次回忆正确数在aMCI和VCI-ND两组比较中亦呈现出统计学差异,可见,词语延迟回忆不仅是aMCI和正常组区别的一个很好的参考指标,更可以被推广至aMCI和VCI-ND的比较。aMCI患者出现记忆功能损害可能和它的病理改变有关。有研究指出,aMCI患者显示海马区域的病理变化、在新皮层区呈现弥漫性的β淀粉样蛋白聚集形成的神经炎斑(SNPs) [14]。另外,Sarazin等[15]人对251个aMCI患者进行了6个月到3年的随访,评估了包括自由回忆和线索回忆、言语流畅性、语义相似性、Stroop测验、连线测验等一系列神经心理测验,结果指出自由回忆和线索回忆对早期识别aMCI转化为AD有帮助。而AVLT的核心即是自由回忆和线索回忆。

本研究发现,在执行功能方面,和记忆表现正好相反,无论从严重程度还是覆盖的广度,VCI-ND组的表现在三组中均是最差的,几乎涵盖了所有的执行功能测验,包括反映优势抑制的Stroop色词测验,反映定势转换的连线测验A和B、加减交替测验、迷宫测验,反映概念形成的语义相似性测验、谚语理解测验和视觉推理测验。显然,VCI-ND的认知缺损模式中占主导地位的是执行功能障碍。执行功能受到损害的患者,智力、长时记忆和运动技能测验结果可以正常,但是整合协调这三者功能的能力受损,可以表现出行为和性格的改变[12]。执行功能主要反映的是额叶的功能。这个基于Alexander[16]和Cummings[17]等人关于皮质下-额叶回路的学说。IshiiH等[18]对497个社区老人调查发现脑血管疾病和MMSE得分无明显相关,但在完成连线测验B(TMT-B)的能力上有减退,并且认为执行功能损害是建立在皮质下额叶回路受损的基础上。O'Sullivan等[19]比较了MRI上有腔隙性梗死灶的受试者和年龄教育程度相匹配的对照组的认知测验,结果发现两组间有显著差别的测验主要是执行功能测验,而众多的执行功能测验中最具有鉴别价值的是连线测验和符号数字替换测验。Marshall等[20]对16个非痴呆的社区老人进行了头颅MRI和认知测验的检查,发现执行功能测验中的Stroop色词测验和皮质下损害的严重程度有显著的相关性,而无论即刻和延迟回忆都不具有相关性。这些结论都和本研究相一致。但是值得一提的是,执行功能不是一个单一的功能,它可以分成抽象推理、优势抑制、定势转换、计划、流畅性和工作记忆等多个亚领域,正如文献中所提到的符号数字替换测验是反映注意能力的,本研究中尚未涉及,另外考虑样本例数偏小,将在以后的研究中补足。

在众多的执行功能测验中,能够有效对aMCI和VCI-ND有区分作用的指标是TMT-B的耗时数。TMT反映的是快速视觉搜索、视觉空间排序和定势转换。既往我们的研究证实了TMT-A、B两部分可以用来识别轻度认知功能障碍和轻度阿尔茨海默病。现在通过VCI-ND和aMCI的比较,发现两者在TMT-B耗时数上亦有统计学意义上的差异,而TMT-A并没有呈现出相似的意义,由此可以提示VCI-ND在认知定势转换上存在较aMCI更突出的障碍。另外,在平均耗时数上,Cahn等[21]曾评估238例正常老人、77例AD危险人群和45例AD患者,TMT-B的平均得分分别为123.5秒、172.7秒和228.4秒。相比较而言,我们正常组和aMCI组老人完成绝对时间都有延长。这可能是由于中国有两种数字系统:阿拉伯数字和汉语数字,而大多数中国老年人不如西方人对阿拉伯数字敏感,也有可能方形和圆形两种图形较接近,受试者需要更多的时间去分辨,而不像字母与数字容易区别。

流畅性(Fluency)测验要求被试就某一语言或非语言范畴列举尽可能多的例子,检测命名能力、言语生成速度、短时和长时记忆,也反映被试的语义组织和提取策略,后者反映执行功能。用得最多的就是类别流畅性(说动物、超市物品的名称)、字母流畅性、语音流畅性等。本研究中,从类别流畅性列举动物和超市物品正确数的得分上看,aMCI较正常和VCI-ND个数显著减少(P分别是0.004和0.000),进一步观察其中的语义串连个数,也呈现出同样的趋势,提示了aMCI的记忆损害。另一方面,aMCI组在总数减少的情况下,类别之间转换次数却可以和VCI-ND组持平,提示了VCI-ND患者在类别转换能力上其实并不如aMCI患者。而类别转换能力是归属于执行功能部分。这从另一方面证实了VCI-ND的认知损害以执行功能损害为主。

参考文献

[1]Hachinski V, Iadecola C, Petersen RC, et al. National Institute of Neurological Disorders and Stroke-Canadian Stroke Network vascular cognitive impairment harmonization standards[J]. Stroke, 2006,37:2220-2241.

[2]Petersen RC, Smith GE, Waring SC, et al.Mild cognitive impairment[J].Arch Neurol, 1999, 56:303-308.

[3]郭起浩,吕传真,洪震.听觉词语记忆测验在中国老人中的试用分析[J].中国心理卫生杂志,2001,15(1):13-16.

[4]McKhann G, Drachman D, Folstein M, et al. Clinical diagnosis of Alzheimer's disease: report of the NINCDS-ADRDA Work Group under the auspices of Department of Health and Human Services Task Force on Alzheimer's Disease. Neurology, 1984, 34:939-944.

[5]陆骏超,郭起浩,洪震,等.连线测验(中文修订版)在早期识别阿尔茨海默病中的作用[J].中国临床心理学杂志,2006,14(2):118-121.

[6]郭起浩,洪震,吕传真,等.Stroop色词测验在早期识别阿尔茨海默病中的作用[J].中华神经医学杂志,2005,4(7):701-704.

[7]张明圆.精神科手册[M].上海: 上海科学技术出版社, 1999:433-439.

[8]Chan AS , Choi MK,Salmon DP. The effects of age , education ,and gender on the Mattis dementia rating scale performance of elderly Chinese and American individuals. Journal of Gerontology : Psychol Sci ,2001 , 56B(6) :356-363.

[9]郭起浩,吕传真,洪震.Rey-Osterrieth复杂图形测验在中国正常老人中的应用[J].中国临床心理学杂志,2000,8(4):205-207.

[10]龚耀先. 修订韦氏记忆量表手册[M]. 长沙:湖南医学院,1983.

[11]Miyake A, Friedman NP, Emerson MJ, et al. The unity and diversity of executive functions and their contributions to complex "frontal lobe" tasks: A latent variable analysis[J]. Cognit Psychol, 2000, 41: 49-100.

[12]Lezak MD, Howieson DB,Loring DW. Neuropsychological assessment[M]. 4th ed. New York: Oxford University Press, 2004: 514-478.

[13]Spreen O,Benton AL. Neurosensory center comprehensive examination for aphasia[M]. Victoria: University of Victoria Neuropsychology Laboratory, 1995.

[14]Riley KP, Snowdon DA, Markesbery WR. Alzheimer's neurofibrillary pathology and the spectrum of cognitive function: findings from the Nun Study[J]. Ann Neurol, 2002, 51:567-577.

[15]Sarazin M, Berr C, De Rotrou J, et al. Amnestic syndrome of the medial temporal type identifies prodromal AD: a longitudinal study[J]. Neurology, 2007, 69(19):1859-67.

[16]Alexander GE, Delong MR,Strick PL. Parallel organization of functionally segregated circuits linking basal ganglia and cortex. [J]. Ann Rev Neurosci, 1986, 9:357-381.

[17]Cummings JL. Vascular subcortical dementias: clinical aspects[J]. Dementia, 1994, 5:177-180.

[18]Ishii H, Meguro K, Yamaguchi S, et al. Prevalence and cognitive performances of vascular cognitive impairment no dementia in Japan: the Osaki-Tajiri Project[J]. Eur J Neurol, 2007, 14(6):609-616.

[19]O'Sullivan M, Morris RG, Markus HS. Brief cognitive assessment for patients with cerebral small vessel disease[J]. J Neurol Neurosurg Psychiatry, 2005, 76(8):1140-1145.

[20]Marshall GA, Shchelchkov E, Hendrickson R, et al. Cognitive correlates of brain MRI subcortical signal hyperintensities in non-demented elderly[J]. Neurology, 2004, 62(7):323.

第2篇

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)

第3篇

关键词:人工智能;电气信息类;教学应用

教师在电气信息类专业教育教学中在运用人工智能技术进行教学时,要对人工智能技术的含义和特点进行深入的分析和研究,并且还要了解电气信息类专业的育人目标和教学要求,将人工智能和电气信息类专业教学进行有机的融合,为学生打造全新的教学课堂,从而使学生的专业素质和学习能力能够在人工智能的运用下得到有效的提高,为学生后续的发展提供更多的可能性。

一、人工智能时代的概述

人工智能(ArtificialIntelligence,缩写为AI)亦称智械、机器智能,指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现,以及如何实现。人工智能于一般教材中的定义领域是“智能主体(intelligentagent)的研究与设计”,智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。约翰麦卡锡于1955年的定义是“制造智能机器的科学与工程”。安德里亚斯卡普兰(AndreasKaplan)和迈克尔海恩莱因(MichaelHaenlein)将人工智能定义为“系统正确解释外部数据,从这些数据中学习,并利用这些知识通过灵活适应实现特定目标和任务的能力”。人工智能的研究是高度技术性和专业的,各分支领域都是深入且各不相通的,因而涉及范围极广。人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。人工智能是十分广泛的科学,它由不同的领域组成,它是哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等多种学科互相渗透而发展起来的一门综合性学科。在人工智能时代下进行电气信息类专业教育改革的过程中,需要对人工智能时代的含义和发展背景进行深入的分析和研究,这样才可以给电气信息类专业教育改革指明一个正确的方向,保证后续工作的科学性和有效性。在2016年的世界经济报告中,人工智能被预测为第4次工业革命的主要技术代表,人工智能的发展将从宏观到微观的各个角度进行相互的渗透以及融合,从而符合各个领域对于智能化技术的新要求和新需求。在人工智能技术发展的过程中,产生了大量的新技术和新产品,也形成了新的产业核心的发展模式[1]。我国经济结构在人工智能时代下发生了重大的变革,由于人工智能技术独特的技术形式和技术模式,深刻地改变着人们的生活方式和生活模式。在一定程度上不仅可以推动我国社会生产力的提高,还有助于推动科学技术水平逐渐朝着智能化和数字化的方向而发展,从中可以看出人工智能技术的发展是时展的必然趋势,并且发展前景是比较广阔的。人工智能技术主要是指将多个学科技术进行有效的整合,其中涵盖了计算机学科、语言学科和心理学科,智能化特征是比较明显的。在实际应用的过程中,由于融合了各种尖端的技术,能够将技术能力和技术思维进行有机的结合,模仿人的工作行为和思维,在当前时代下人工智能技术得到了蓬勃的发展,但是人工智能技术的发展也需要一定的时间和精力。首先,在实际用的过程中相关工作人员进行了机器人的研发,机器人可以在复杂的环境中对信息进行有效的替代和处理,模仿人类的思维进行日常的工作。在后续工作的过程中,相关工作人员进行了数据系统的开发,可以自动化和智能化的对计算机数据进行有效的处理以及分析,在较短时间内提取出有效的信息,完成整个工作流程[1]。随着我国当前科学技术的不断发展,一些工作人员纷纷加强了对人工智能技术的研发力度和开发力度,不仅可以提高计算机的使用效果,还可以及时的发现在计算机系统日常运行过程中所存在的故障。在当前时代下人工智能技术的使用范围在不断的扩展,并且人工智能技术的发展前景是非常广阔的,在计算机网络技术中发挥着独特性的作用和决定性的重要影响的作用。

其次,随着人工智能技术的不断发展,人工智能技术和各行各业进行了相互的渗透以及融合。在当前电气信息专业领域中人工智能技术得到了广泛的应用,并在实际工作的过程中对原有的工作模式进行了有效的改进和创新。一些工作人员在实际工作的过程中构建了自动化的工作模式和工作平台,将人工智能技术完美的融入电气信息领域中,不仅为我国电气信息领域指明了一个正确的方向,也在一定程度上提高了人工智能技术的水平。最后,人工智能技术的发展,在电气信息领域中的影响是迅速扩大的,人工智能的使用会对电气信息行业的各个环节产生深刻的影响,甚至是革命性的变化。人工智能的应用不仅仅停留于行业的技术层面,更加重要的是在人工智能时代下一些新的工作思维和发展理念。作为电气信息类专业的工作人员在人工智能的时代下要提高自身的专业素质和专业水平,根据人工智能时代的特点以及发展方向,对原有的工作模式和工作理念进行深入的改革以及创新,并且还要掌握有关人工智能方面的新技能,从而使得电气信息类专业影响力能够得到有效的提高。但是从侧面来看人工智能技术的发展对于电气信息类专业2本刊特稿科学咨询/教育科研2021年第24期(总第745期)来说是把双刃剑,给实际工作带来了新的挑战,一些工作人员不得不提高自身的专业素养和专业素质,掌握更多的人工智能技术。在当前时代下这种影响和变革已经被普遍认可,因此使我国电气信息类专业行业能够得到良好的发展。高校要对电气信息类专业教育进行适当的改革以及创新,根据当前人工智能时代的发展方向和对人才的要求,对学生的综合素质和创新能力进行良好的培育,从而使学生能够充分的发挥人工智能技术的优势,提高电气信息类专业的水平和质量,再一次加深人工智能和电气信息行业的融合力度。相关负责教师要加强对这一问题的理解,对原有人才培养模式和课程教育重点进行适当的改革和创新,根据人工智能时代和电气信息领域融合的背景,提高课堂教学的科学性和针对性,从而使学生在毕业之后能够获得良好的发展。

二、人工智能对电气信息类专业人才需求的影响分析

人工智能主要是利用计算机对人脑功能进行模拟,具备一定程度的人类认知和分析问题的能力,人工智能是人类所制造的智能化技术,也是机器智能化发展的主要载体。在人工智能发展的过程中,由于是计算机科学领域的一个分支,所以在人工智能研究的过程中,涉及有关语言识别和图像识别方面的功能。在当前时代下,人工智能所形成的热点效应是比较广阔的,人工智能技术的应用,使得各行各业朝着智能化的方向而发展,对于电气信息类专业人才需求来说,也逐渐朝着智能化的方向而发展。电气信息类的教学,主要是为了让学生能够在班级学习的过程中,将理论和实践进行有机的结合,提高学生的实践能力和操作能力,实践性是比较强的。在电气信息类专业发展的过程中各种新兴的技术被应用其中,扩展了电气信息类专业的发展实力,并且人工智能和电气信息类专业进行了有机的融合和渗透。人们在互联网思维的影响下已经形成了互联网思维的发展理念,随着人工智能技术的广泛运用再加上云技术和算法技术的普遍化,这又给电气信息类专业的发展提供了重要的支撑。在相互融合的技术背景下,电气信息类专业也即将进入到人工智能发展的领域中[2]。因此对于电气信息类专业行业的工作人员来说,要了解人工智能时代下先进的信息技术,并且还要结合电气信息类专业在人工智能背景下的新特点,树立新的工作模式和工作理念,从而使得电气信息类专业能够在人工智能技术背景下得到广泛的发展。对于人才需求方面,要求高校要对原有课堂教学模式和课程教学重点进行深入的改革和创新,融入人工智能方面的内容,对学生的综合素质和专业能力进行良好的培育,高校要正确地理解人工智能对电气信息类专业教学的影响,从而使得电气信息类专业能够朝着生态化和持续性的方向而发展。

三、人工智能给电气信息类专业提供的机遇

在人工智能技术中,所涵盖的技术内容相对来说是较为丰富的,这在一定程度上有助于提高电气信息类专业的教学水平和教学质量。从中可以看出在当前时代下的电气信息类专业教育教学中,教师要充分地把握人工智能技术所带来的机遇,从而提高课堂教学的效果和质量。在人工智能技术中包含着语言识别技术和图像辨认技术,也可以对一些语言进行有效的处理和研究。在课堂教学的过程中,教师要充分的发挥人工智能技术的优势,让学生了解当前电气信息领域的发展方向和主要的发展特点[3]。由于电气信息类专业所涵盖的内容是相对来说较为复杂的,学生在日常学习的过程中,需要进行多个学科知识内容的学习,这给学生日常学习和教师的课堂教学带来了诸多的挑战,教师要结合课程教学的内容,对课堂教学模式和流程进行精心的安排。在实际工作过程中,要以计算机作为主要的辅助手段兼容,并且充分利用其他专业领域的技术来开展日常的教学。在课堂教学过程中,教师要充分的利用人工智能技术,对原有课堂教学模式进行深入的改革以及研究,并且结合新一代人工智能发展规划的这一大背景,对原有课程教育模式进行创新和调整,从而给学生提供更加广阔的发展空间。首先,在实际工作的过程中,人工智能技术重新构造了电气信息专业的课程,由于电气信息类的实用性是比较强的,在人工智能的技术下能够取得不一样的教学效果。将语言识别技术和图像辨认技术进行了有机的结合,教师可以充分发挥这些专业技术的优势,提高课堂教学的效果。另外在课堂教学情景中,教师可以利用人工智能技术来实现网络化的教学,并且为学生打造智能化的工厂开展虚拟实验室,从而对学生的专业能力和操作水平进行良好的培育。其次,在电气信息类专业教学中人工智能技术的应用能够对传统课程教育模式进行有效的转型和升级。在以往课程教学中,由于电气信息类专业所涉及的知识学科是相对来说较为丰富的,这给教师的日常教学带来了诸多的问题。比如在实际教学的过程中很难实现课程的有效统一,也无法为学生打造标准化的课程教育体系,在进行个性化和独特性课程教学方面的力度还是不足的,甚至也没有完善的教育体系进行主要的支撑,这给实际的教学工作带来了诸多的问题。随着人工智能技术的应用,在课程教育的过程中,教师可以充分的发挥人工智能技术的优势,对相关信息进行有效的总结和收集。从而为学生打造个性化的教学课堂,并且运用人工智能技术,还可以对不同学生的学习需求进行分析和研究,提高课堂教学的针对性,从而使学生可以更加积极地进行知识内容的学习,实现快乐学习的效果[4]。在专业教育中教师要充分的发挥人工智能技术的优势,提高人工智能技术的应用性效果,对学生的知识需求进行深入的挖掘以及研究,从而使学生的学习质量能够得到有效的提高。与此同时,在课程教育的过程中,教师还可以进行课堂情景的构建,通过网络化的教学为学生再现一些生活中的真实案例,为学生全面素质的提高奠定坚实的基础。

四、人工智能技术在电气信息类专业教育教学中的应用路径

(一)转变人才培养目标在人工智能时代下的电气信息类专业教育中,由于原有的教育重点和人才培养模式已经无法顺应人工智能时代的发展特点和对人才的需求了,所以在实际工作的过程中,要对电气信息类专业教育进行有效的改革,帮助学生在毕业之后能够获得稳定的发展。首先,在对电气信息类专业教育进行改革时,要转变人才培养的目标,这主要是由于人工智能技术在电气信息类专业行业中的运用对各个环节都产生了非常深刻的影响,并且电气信息类专业对于人才的需求发生了很大的变化。比如,对人才的知识结构和专业技能方面都和传统发现模式有所不同,在电气信息处理的过程中提出了诸多的要求。相关电气信息类专业从业者不仅要具备完善的理论知识,还要具备创新性的思维能力,能够面对当前变化多端的人工智能时代,具备新的技术和新的思维,灵活地运用在实际工作中所存在的问题。因此对于电气信息类专业教育来说,要对人才培养目标精准定位,实现良好的变革。其次,电气信息类专业要着眼于当前国际发展方向和新业务的特征,了解有关业态产品和专业能力方面的内容。从这些问题入手提出正确的人才培养目标,并且对原有课程教学进行改革和创新,从而促进学生能够在课堂学习的过程中加深对人工智能技术的了解,提高学生的专业素质和创新能力。

(二)升级人才培养模式在人工智能背景下对电气信息类专业教育进行改革时,要在原有育人模式的基础上实现有效的升级,改变传统的课程教学设置。当前大部分电气信息类专业院校还是采用之前偏理论的课程来对学生进行知识内容的讲授,虽然这些理论知识是学生在学校学习期间必须要掌握的内容,但是假如仍然向学生讲述这些课程的话,也没有将理论和实践进行相互的结合,使得学生无法在人工智能时代下得到良好的发展,因此相关负责教师在实际教育工作中要对原有人才培养模式进行转型和升级。电气信息类专业教师要根据当前电气信息行业的发展和对人才的要求,对课程教育内容进行重新的调整。首先,在实际教育的过程中要向学生全面地展示先进的人工智能技术,技术是推进电气信息专业前进的动力之一。但是在原有的电气信息类专业教育中,教育技术的实施和教学并没有受到相关负责教师的重视,教师在班级教学的过程中,也没有为学生融入当前先进的人工智能技术和运用案例,提高学生的专业素质。在人工智能时代下,人机协作是当前主要的工作模式和发展模式,因此对于电气信息类专业教育来说,要对人才培养课程结构和课程重点进行有效的调整和创新。教师在教学中不仅要加入有关以往课程的教育内容,还要对课程进行有效的扩展,融入新媒体和人工智能技术应用相关的课程。比如教师可以立足于教材中的内容,为学生创设多样化的实训活动和实践操作平台,在学生实践的过程中要融入先进的人工智能技术,这些教学模式的运用不仅可以让学生了解人工智能技术的实际应用情况,还可以多方位的锻炼学生的创新能力和实践应用能力。所以相关高校要适当的借鉴这一教学经验,提高课程教学的针对性。其次,在育人模式中还要加强对学生创新思维和操作能力的培养,在人工智能背景下,电气信息的发展模式和主要的发展方向都发生了一定的改变。在当前电气信息领域发展的过程中,为了使自身能够在人工智能背景下得到有效的发展需要创新和创意的人才,并且要求这部分人才能够掌握先进的人工智能技术,根据电气信息发展的实际需求和人们对电气信息的要求,从而生产出个性化和特色化的产品。在育人模式升级中,教师要将专业和特色进行有机的融合,构建新的教育思路,过硬的专业素质才是人才升级的重要基础。在人工智能时代下,信息的来源和途径逐渐朝着多样化的方向发展,在这些繁杂的信息中既有重要的信息也有多余的信息,所以要使学生能够对这些信息进行有效的辨别。高校在制定人才培养模式中,要专业性的锻炼学生的工作能力和专业素质,从而使学生能够在这些大量的信息中提取有用的信息,提高电气信息类专业的有效性。

(三)引入任务驱动的实验模式在人工智能背景下对院校电气信息类专业进行教学时,教师要在保留原有学习项目的同时,立足于学生当前的理解能力,开发新的教学内容。在教学中教师要求学生进行独立性的思考,并且教师还要对学生的学习思路进行适当的引导以及启发,使学生可以运用课堂中所学到的知识内容灵活的解决实际实验过程中所存在的问题。教师要引导学生运用不同的方法进行学习,鼓励学生进行大胆的设计以及验证。教师在班级教学的过程中,可以为学生引入任务驱动式的教学模式任务,驱动式的教学模式主要是以学生为中心,教师要立足于教材中的内容和课堂教学的目标为学生布置相关的学习任务,实现综合性的学习效果。在为学生布置学习任务时,要融入当前先进的人工智能技术,让学生充分的发挥人工智能技术的优势来完成教师所布置的任务。教师要在任务驱动式的教学模式中增加一些设计型和创新型的学习活动,让学生直接深入到实践学习中进行方案的设定以及验证,并且对最终的实验结果进行多方位的分析以及讨论。在班级教学的过程中,教师要让学生围绕着一个教学目标来开展日常的学习,并且学生在学习和验证的过程中,教师还要加强和学生之间的互动和交流,从而对学生的实验方向和实验思路进行有效的引导,使学生可以在强烈的学习兴趣和学习动力的驱动下进行自主性的探索以及学习,并且也可以在班级中形成良好的互动。

(四)利用人工智能技术进行辅的教学在电气信息类专业教学课堂中,教师在利用人工智能技术进行教学时,要在原有课程的基础上充分地发挥人工智能技术的优势,从而对实际教学起到一个良好的辅助作用。比如,在实际教学的过程中,教师需要将理论知识和学生的实践学习进行相互的结合,提高课堂教学的真实性和有效性,在课程内容中要围绕着各种企业的实际项目来让学生进行知识内容的学习,教师要利用人工智能技术的优势为学生展现真实的一线工作现场,让学生全面的感受工作的环境,不仅有助于提高课堂教学的效果,还可以让一些抽象的理论知识变得生动和直观,促进学生学习效率的提高。

(五)在电气设备故障诊断中的应用在电气设备故障诊断中,人工智能技术中的模糊理论、人工神经网络和专家系统的应用比较广泛。以前我们常常面临的问题是,当电气设备出现问题或故障时,总是表现出比较复杂的症状,采用传统处理手法难以对问题做出准确判断和查找,人工智能技术则很好地解决了上述问题。比如发电机的设备故障具有非线性、不确定和复杂性的特征,传统论断方法准确率非常低,而通过人工智能技术中模糊理论和专家系统的综合应用,能大大提高故障论断的准确率。

第4篇

关键词 人工智能 网络 专家系统

中图分类号:TP27 文献标识码:A

0引言

20 世纪以来,计算机的发展日新月异,不断更新换代,以最早期的机械运行方式为基础,经历了电子管时代、晶体管时代直到集成电路,时至今日已涉及到人们生活、工作和学习的各个方面,伴随着计算机的出现并逐步普及应用,人们又开始力图根据认识水平和技术条件,试图用机器来代替人的部分脑力劳动,以提高征服自然的能力。

1人工智能的概念

人工智能(Artificial Intelligence),英文缩写为AI,也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。主要探讨如何运用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,并以此解决如咨询、诊断、预测、规划等需要人类专家才能处理的复杂问题。通俗的说,人工智能可以分为两部分来理解,即“人工”和“智能”,顾名思义就是人造的智能。人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力,以延伸人们智能的科学。

2人工智能和教育的关系

(1)人工智能和教育的关系。人工智能以及人工智能科学从1956年诞生起,其研究和应用领域就与教育紧密相关。人工智能就是研究让计算机接受教育、提高智能的科学技术。AI的研究成果又反过来应用到我们日常生活的各个方面,并可以改进我们的生活。比如应用到教育过程中,促进教育的工作效率(减少教师的数量和工作时间、甚至直接提高受教育者的智能)。还可以产生新的教学模式,如网上学习共同体、合作学习等。(2)人工智能在教育中的应用。人工智能原理和技术从诞生起就应用于教育,其产品通常称作智能指导系统ITS或者智能计算机辅助教学ICAI。

ICAI系统可以采用多种形式。从根本上讲,它是在保证学生和程序灵活性的方式下,应用人工智能原理和技术,组织安排教学系统的各种成分。它并不是根据预先输入的问题、预先想到的解答、预先指定的分支等进行工作,而是根据学生学习时积累的知识而工作。它的一般工作准则和标准,是依赖本身的知识结构和近期活动事件,如学生回答的历史记录。许多ICAI系统都具有这样的重要特点,即能够实现与学生的自然语言对话。

3人工智能与网络教育的融合

随着人工智能的理论与技术发展,其在教育中的应用日渐扩大,例如Internet上的web站点,其网页的组织形式,就包含智能的原理。目前人工智能在教育领域特别是网络环境下的应用主要有以下几个方面:

(1)ICAI。计算机辅助教学(CAI)是由程序教学发展而来。但是以程序教学为理论基础开发的CAI课件,在推理机制和学生模型方面存在不足,因而不能根据不同学生的实际情况进行动态调整,缺乏灵活的应变能力。

借鉴人工智能中的专家系统知识,由于专家系统中包含知识库和推理机两个基本模块,在一般专家系统中再加入一个“学生模型”模块,就构成智能计算机辅助教学(ICAI)系统的基本结构。其中推理机的作用相当于现实教学中的教师,它可以根据知识库中的内容和学生模型推断出每个学生的学习能力、认知特点和当前知识水平,根据学生的不同特点选择最适当的教学内容与教学方法,并可对学生进行有针对性的个别指导,提高教学效果。

(2)智能。在我们传统的教学过程中,最经典的教学模式是以教师为主,教师讲、学生听,它是一种单向沟通模式。这种教学模式的优点是有利于教师主导作用的发挥,便于教师组织、监控整个教学活动进程,便于师生之间的情感交流,因而有利于系统的科学知识的传授,并能充分考虑情感因素在学习过程中的重要作用。

上世纪90年代以来,随着多媒体和网络技术的迅速发展,强调以学生为中心的建构主义学习理论日益流行。这种理论强调在教师主导下以学生为中心的学习,即一种“主导――主体”教学结构。在这种教学并重的结构中,教师是教学过程的组织者、是良好情操的培养者;学生是信息加工与情感体验的主体,是知识意义的主动建构者;教学媒体既是辅助教师教的演示工具,又是促进学生自主学习的工具。

在网络远程教学中,为实现上述教学模式,把人工智能中的智能体(Agent)技术应用到网络远程教学中,并逐渐成为在教学领域实现智能化的一种主流技术。

第5篇

关键词:人工智能;教育;应用;问题

中图分类号:G642.0 文献标志码:A 文章编号:1674-9324(2012)03-0159-02

人工智能是研究如何构造智能机器(智能计算机)或智能系统,使其模拟、延伸、扩展人类智能的学科。随着人工智能的理论与技术在社会各个领域的广泛应用,其在教育领域内的应用也越来越受到重视,并取得了一定的研究成果。

一、人工智能教育应用的主要形式

人工智能在教育领域应用的最直接结果就是诞生了智能教学系统。智能教学系统是以计算机辅助教学为基础而兴起的,它是以学生为中心,以计算机为媒介,利用计算机模拟教学专家的思维过程而形成的开放式人机交互系统。目前,智能教学系统已成为人工智能在教育中应用的主要形式。智能教学系统主要是在知识表示、推理方法和自然语言理解等方面应用了人工智能原理。由于它综合了知识专家、教师与学生三者的活动,因此,与之相对应的,智能教学系统一般分成知识库、教学策略和学生模型三个基本模块,再加上一个自然语言智能接口。智能教学系统的功能具体来说有以下几条:了解每个学生的学习能力、认知特点和当前知识水平;能根据学生的不同特点选择适当的教学内容和教学方法,并可对学生进行有针对性的个别指导;允许学生用自然语言与“计算机导师”进行人机对话。智能教学系统的设计不仅要有计算机科学的知识,还需要有教育科学的理论指导。

二、人工智能在教育中应用的局限性分析

1.阻碍人工智能发展的关键因素。在人工智能的发展中,一直存在着对“计算机是否能代替人脑甚至超过人脑”的问题的讨论,实际上,以电子计算机为主要工具模拟人的某些思维活动而产生的人工智能是有局限的。①计算机处理问题的根本原理。要计算机解决某种问题,有三个基本的前提:必须把问题形式化;问题还必须是可计算的,即要有一定的算法;问题必须有合理的复杂度,即要避免指数爆炸。由于人的智能活动不能完全形式化,因此,机器就不能将人脑的智力活动全部复制出来。电子计算机最终只能把握0、1这两个开关代码,遇到不能形式化、不能找到算法或不能程序化的任务,计算机则难以执行。②人和机器之间的根本区别。智能模拟利用了人和机器的共性,即两者都是一个信息转换系统,但两者之间存在着不容忽视的本质区别。智能模拟与天然智能属于两种不同的进化系统,人类的智能是人类社会实践的产物,机器的智能是机械制造的结果。大脑和电脑的组织结构也不相同,两者属于两种不同的运动过程,前者是复杂的生理--心理过程,后者是机械--物理过程。智能模拟可以在局部上超过天然智能,但是,模拟的根本方法是功能模拟法,两个系统在结构和实际过程上是不一样的。智能模拟不具有人的思维的社会性,不具有主观世界。

2.人工智能在教育中应用的局限。就目前人工智能的发展水平以及人工智能本身的特点而言,它在教育中的应用也是有其局限性的。①与学生之间无法畅通交流。教育本质上是一种“交互”活动,而智能教学系统无法实现最充分、最真实的交互。目前自然语言理解的研究成果非常有限,远不能达到人人交流的要求。此外,就态度、品德、情感等教育问题而言,机器只能通过学生输入计算机的信息来判断其掌握和内化程度,而无法像人类教师通过自然状态的交流和观察来判断学生的真实情况,因此,“机器智能”很容易被蒙蔽“双眼”,无法做到像人与人之间那样自然畅通的交流。②决策和推理机制不完善。智能教学系统的关键智能所在是其决策和推理机制,即“教学策略”模块根据不同学生的具体情况通过推理做出灵活决策,这种决策基于学生模块提供的有关学生的知识水平、认知特点和学习风格,而这些不能完全被形式化。同时,随着教育理念的不断更新以及教学模式和教学方法的不断改进,系统所应用的教学策略模块用于评估和判断学生学习过程的能力是有限的。③人工智能并非适合所有的学习领域。根据加涅的学习结果分类,学习分为言语信息、智慧技能、认知策略、动作技能和态度五类。言语信息分为符号学习、事实学习和有组织的知识学习,这些属于可形式化内容,适用于智能教学系统;智慧技能分为辨别、具体概念、定义性概念、规则和高级规则,其中前四项属于可形式化内容,适用于智能教学系统,而高级规则属于复杂――形式化内容,部分内容不适用于智能教学系统;动作技能和态度领域的学习,在其认知成分中可以使用智能教学系统,但情感和行为成分等非形式化内容,则难以用智能教学系统来实现。因此,并不是所有的学习领域都适用于智能教学系统。智能教学系统在教育中应用的重点应放在认知领域中的符号学习、事实学习和有组织的知识学习、辨别、具体概念、定义性概念以及规则这些学习内容上。

三、人工智能教育应用的发展方向

近年来,随着计算机技术、网络技术、人工智能技术以及现代教育教学理论的发展,人工智能在教育中应用的发展呈现出以下几个趋势。

1.开始突破单一的个别化教学模式。长期以来,计算机辅助教学系统和智能教学系统都是强调个别化教学模式,这种模式在发挥学生的学习积极性、主动性和进行因人而异的指导等方面确实有许多优点。但是,随着认知学习理论研究的进展,人们发现在计算机辅助教学系统和智能教学系统中只强调个别化是不够的,在某些场合(例如问题求解)采用协作方式往往更能奏效。因此,近年来在智能教学系统中,协作型教学模式得到越来越多的重视和研究。

2.智能教学系统日益与超媒体技术相结合。超媒体系统具有良好的开发环境、灵活方便的用户界面以及图、文、声并茂的特点,而且其信息的组织方式与人类认知的联想记忆习惯相符,已成为目前一种最理想的信息载体和最有效的信息组织与信息管理技术,在许多领域尤其是教育领域有广阔的应用前景。把超媒体技术引入智能教学系统,从而发展成为智能超媒体辅助教学系统,可以大大改善计算机辅助教学系统的教学环境,激发学生的学习积极性,从而显著提高教学效果。

3.智能教学系统与网络的关系日益密切。网络的应用和普及为远程教育和终身教育提供了一个良好的空间。当前,智能教学与多媒体网络的结合成为人工智能在教育中应用的一个势不可挡的发展趋势。

4.传统人工智能与神经网络模糊决策机制相结合。传统人工智能从宏观角度开展认知模拟,可以部分地模拟人类的逻辑思维过程,而神经网络模糊决策机制从微观方面进行认知模拟,着力实现模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。今后将探索一种新的智能处理模型:把神经网络的模糊决策机制和符号专家系统的推理能力结合起来,利用多重知识源、多种模型进行复合协同处理。如果上述技术能够成熟运用,那将对人工智能的发展及其在教育中的应用起到决定性的作用。

参考文献:

[1]王士同.人工智能教程[M].北京:电子工业出版社,2001.

[2]王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,1998.

[3]何克抗.计算机辅助教育[M].北京:高等教育出版社,1997.

[4]徐鹏,王以宁.国内人工智能教育应用研究现状与反思[J].现代远距离教育,2009,(5):3-5.

第6篇

关键词:人工智能;理论传授;实验训练;科研训练

人工智能(Artificial Intelligence,AI)是计算机科学与技术专业的一门重要专业课程,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,并以此解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题[1]。人工智能是一门涉及数学、计算机、控制论、信息学、心理学、哲学等学科的交叉和综合学科。目前,人工智能很多研究领域,如自然语言处理、模式识别、机器学习、数据挖掘、智能检索、机器人技术、智能计算等都走在了信息技术的前沿,有许多研究成果已经进入并影响了人们的生活。

2003年12月5日,国内第一个“智能科学与技术”本科专业在北京大学诞生[2],它标志着我国智能科学与技术本科教育的开始,对我国智能科学技术人才培养和智能科学与技术学科建设起到极大的带动作用。目前,人工智能课程的教学存在几个问题:首先,注重讲授理论知识,实验环节滞后,这不利于培养学生的实践能力,更谈不上实践创新。其次,人工智能是交叉学科,内容比较繁杂,各种教材的内容不一样,授课没有统一的体系,学生学习时抓不住重点,不能理解人工智能的根本方法和思想。一般说来,计算机专业的其他课程,如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术,而人工智能技术则是解决非结构化、半结构化问题的有效技术。最后,人工智能科学与技术飞速发展,但目前人工智能只被视为一门专业课,课程讲授和人工智能没有作为一个研究方向结合起来,也没有把传授课本知识和引导启发创新结合起来。

适应知识经济发展的高等教育,要把培养创造精神和创新能力摆在突出的位置。创新是基础研究的生命,而高等学校的教学只有与科研紧密结合,才能在培养学生的创新精神方面有所作为。为此,针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。在教材上,我们选用了清华大学出版社出版、马少平等编写的《人工智能》。我们的教学研究与实践的主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文,学校大学生科研项目资助计划,国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践。下面,我们就这三个方面内容展开探讨。

1启发式传授人工智能解决问题的非结构化思想

现实世界的问题可以按照结构化程度划分成三个层次[1]:1)结构化问题,能用形式化(或称公式化)方法描述和求解的一类问题;2)非结构化问题,难以用确定的形式来描述,主要根据经验来求解;3)半结构化问题,介于上述两者之间。一般说来,计算机专业的其他课程如网络技术、数据库技术、算法分析与设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的有效技术。人工智能的教学可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题的解决过程的了解,从而达到培养学生多角度思维的目的。

我们使用的教材主要内容包括搜索和高级搜素、谓词逻辑和归结原理、知识表示、不确定性推理方法、机器学习等。这些主要内容也可以相应地归结为若干个典型算法,如启发式A*搜索算法、 剪枝算法、元启发式算法(模拟退火,遗传算法)、谓词逻辑归结算法、贝叶斯网络、决策树、神经网络(BP算法、自组织网络和Hopfield神经网络算法)。元启发式算法是一种启发式的随机算法,是用来解决非结构化问题的典型算法,其思想和传统的决定性算法如动态规划、分支限界完全不一样。学生在刚一接触到这些元启发式算法一时难以接受和理解其机理,对算法的有效性往往半信半疑。根据非结构化、半结构化问题的特点,讲解和演示算法在解决此类问题的具体步骤和详细过程,从而让学生掌握人工智能算法的基本思想。在讲解不同的元启发式算法的时候,学生会问,是模拟退火算法强,还是遗传算法强;在讲到机器学习算法的时候,学生会问到底哪个分类算法最好,这时候我们可以把搜索(优化)领域和机器学习领域的“没有免费午餐”定理进行适当的讲解和解释,从而把具体算法实现层面之上的一些人工智能的哲学思想进行传授。

在人工智能的具体教学中,采用问题教学法和参与式教学法。在问题教学法中,围绕人工智能的知识模块,在引导学生发现各种各样问题的前提下,传授知识。教学活动中,尝试使人工智能知识围绕实际问题而展现,使问题不仅成为激发学生求知欲的前提,也成为学生期盼、理解和吸收知识的前提,以此激发学生的创造动机和创造性思维。在参与式教学中,打破人工智能算法的枯燥、沉闷的传统教学法,尝试开放式教学内容;提问式讲课;无标准答案的课程设计;查找文献,分组动手实现人工智能算法等参与式教学方法,培养和发扬学生的参与意识,通过参与式教学提高学生学习的主动性、积极性和效率,培养学生的动手能力和创新能力。

2成体系的实验训练

独立开展人工智能实验课程,开发一批新型、富有创意的实验案例库,搭建一个创新实验和虚拟学习社区平台。人工智能实验课程的特点是应用各种人工智能方法,根据问题的约束、结构、信息进行表示建模和计算机上实现,是与人工智能原理同步的实验课程。学生必须掌握的人工智能的基本原理和计算机操作技能,它对于学生的知识、能力和综合素质的培养与提高起着至关重要的作用,在整个教学过程中占有非常重要的地位,是计算机软件、计算机应用、计算机网络、软件工程等专业的一门重要的必修专业课程。通过实验,学生得到严格的训练,能规范地掌握人工智能的基本理论和主要方法、基本问题求解技术,熟悉各种计算环境的基本使用。

在培养学生掌握实验的基本操作、基本技能和基本知识的同时,努力培养学生的创新意识与创新能力。为实现这一目标,在课程内容安排上采用适量基本原理与方法的实验内容为基本内容,增加一系列综合性实验和开放性创新实验问题,在实验内容方面更注重研究性实验中的创新问题。实验内容方面分为三个层次:基本原理的基础性实验、综合实验和研究性实验。在后两个层次的实验中,部分引入人工智能课程小组团队的最新科研成果,目的在于通过完成这些研究性实验,培养学生独立解决实际问题的能力,以提升学生的科研素质与创新意识。我们将这些设计实验称为新型实验案例库,它被放在人工智能课程小组网站上,以此搭建一个创新实验和虚拟学习社区平台。通过实验课程的学习和训练,学生应达到下列要求。

1) 掌握人工智能方法的优点及其在实际中的应用。

2) 学会对人工智能问题进行分析建模和应用各种计算工具实现问题求解,熟悉对实验现象的观察和记录,实验数据的获取与设计,最佳实验条件的判断和选择,实验结果的分析和讨论等一套严谨的实验方法。

3) 巩固并加深对人工智能原理课程的基本原理和概念的理解,培养学生勤奋学习,求真求实的科学品德,培养学生的动手能力、观察能力、查阅文献能力、思维能力、想象能力、表达能力。

4) 通过完成综合研究性实验,培养学生独立解决实际问题的能力,提高学生的科研素质与创新意识。

在培养学生掌握实验的基本操作、基本技能和基本知识的同时,进一步培养学生分析问题和解决问题的能力,培养学生的创新意识、创新精神和创新能力,为学生今后从事科研、教学或企事业单位的分析检验以及新技术的研发工作打下扎实的基础。

在实验组织方面,根据各实验的目的和要求,学生分为5人1组,指定一个组长,每组选择1套实验题目。基础实验题目要求达到27学时、综合性实验题目选择1题和研究性实验题目选择1题,基础实验题目要求在规定时间内,小组独立完成实验测定、数据处理,并撰写实验报告。实验过程中, 要求学生勤于动手, 敏锐观察, 细心操作, 开动脑筋, 分析钻研问题, 准确记录原始数据, 经教师检查,实验及其原始数据记录才有效。同时,团队作业,需要多人分工合作、相互帮助,这样可以提高人际交往和沟通能力,学会与他人合作,培养团队创新能力。

3课程学习与毕业论文,科研训练相结合

人工智能技术在一定程度上代表着信息技术的前沿和未来,通过学习和体验人工智能的知识和技术,学生能够在一定程度上了解信息技术发展的前沿知识,这有助学生开阔视野、培养兴趣,为今后继续深造或走向社会奠定坚实的基础[3-4]。

人工智能的理论和方法广泛应用于数据挖掘、机器学习、模式识别、图像处理中,这些内容既是高年级的后续课程,又是现在热门的研究方向。学习和深刻理解人工智能的理论、方法和应用,对后续课程学习以及今后的研究具有重要的意义。

我院规定大学三年级的学生开始联系毕业论文指导导师,同时确定毕业论文的研究方向,提前进行科研实践,以培养实践能力和研究素质。人工智能课程正好是大三高年级开设的专业课,因此,我们把课程实验及设计与同学的兴趣相结合,引导学生,并提炼和形成学生的毕业选题和课外的科研方向,它是提高本科生研究创新能力的有效手段。

基于新的教学实践,很多学生的选题都与上述归纳的人工智能若干算法相关,如算法本身的研究和改进,或是算法在各领域,如数据挖掘、图像处理等的应用。在我们的科研能力训练计划中,一批项目和课题,如混合神经网络的研究与应用、差分演化算法研究与应用、基于协同训练的推荐系统等,分别受到国家和学校本科生科研项目立项资助。一批三四年级的本科生以第一作者身份在国内核心期刊、国际会议和期刊上发表学术论文,这激发了学生的科研兴趣,使学生体会到了创新的乐趣。

总之,课程学习与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练,极大地提升了学生的创新能力和科研基本素质。

4结语

针对人工智能的课程特点,我们积极开展研究型教学、研究型学习,提高大学生的学习能力、实践能力和创新能力的研究与实践。我们的教学研究与实践主要内容包括三个方面:启发式传授人工智能解决问题的非结构化的思想;成体系的实验训练;以及与毕业论文、学校大学生科研项目资助计划、国家大学生创新性实验计划相对接的科研训练。这三个主要方面,层层递进、环环相扣,是体系完整的创新型人工智能教学实践,新的改革和实践在教学中取得了令人满意效果。

参考文献:

[1] 张剑平. 关于人工智能教育的思考[J]. 电化教育研究,2003(1):24-28.

[2] 谢昆青. 第一个智能科学技术专业[J]. 计算机教育,2009(11):16-20.

[3] 罗辉,梁艳春. 大学生毕业论文与科研能力培养及就业[J]. 吉林教育,2003(10):18.

[4] 金聪,刘金安. 人工智能教育在能力培养中的作用及改革设想[J]. 计算机时代,2006(9):66-69.

Reform and Practice of Innovative Teaching in Artificial Intelligence

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

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

第7篇

关键词:设计;人工智能;挑战;机遇

一、引言

第四次工业革命的到来,人工智能作为一项主要的技术,必将鞭策整个人类社会的转型。很多国家制订了战略规划,在2017年我国也了《新一代人工智能发展规划》和《新一代人工智能产业三年行动计划(2018-2020)》,人工智能产业已上升为国家战略。近年来,在人工智能涉及的领域中,艺术与技术结合,升华到与人工智能的结合且越来越受到重视。阿里智能AI“鲁班”已经掌握了上百万个设计师的创意内容,双11期间制作1.7亿张海报,没有一张是重复的,而这些工作如果人工制作的话需要100个设计师工作300年;央视节目中“鲁班”PK资深设计师取胜等等这些新闻,无不极大地震撼了整个设计行业。设计师会失业吗?高校的设计教育面对AI的挑战与机遇如何制定培养目标?如何在新的竞争中占领先机?未来已来,智能艺术设计的路在何方?

二、设计行业面对四大挑战

(一)惊人的数字

马云在一次报告中说未来30年人类只工作4个小时,大量的工作岗位会被人工智能抢走;根据白宫的人工智能报告预测,在未来10-20年间,人工智能技术有可能取代47%现有工作。麦肯锡的预测是49%,盛产劳动力的中国和印度的影响最大。Siri之父、人工智能专家温那(Winarsky)的预测是70%的工作将被取代。不得不说,AI是人类智慧的结晶,正在高速颠覆着人们的生活。

(二)AI设计发展趋势

AI最容易取代的是简单设计:如LOGO、UI界面、海报招贴、网站网页、产品造型、室内家装、产品包装……原本这种理想的设计工作不再能提供人生的庇护所,但凡是明确、简单、重复标准、规则的美术设计与制作工作,未来都容易被取代,传统设计行业将会萎缩乃至可能逐渐消失。

(三)设计环境恶劣

设计创意无法保护,设计法规没有限定,设计竞价无序,商家厂家缺乏契约精神,设计知识产权无法保护契约,新设计新技术缺乏情趣,设计同质化严重……(四)设计教育落后现有设计模式传统、设计教育落后,设计知识体系缺乏更新、进化,知识性重复训练、模仿性传统方法制约了学生创造性情感思维的发展,设计师终身教育观念的缺失阻碍了设计师的可持续发展,设计知识与设计人才近亲繁殖、代际传递的情况严重。

三、AIDesign发展迅猛

目前传统艺术设计已经发生智变,使设计更美更快更简单。人工智能艺术与设计已经一定高水平,如果设计师仍停留在传统设计水平,就会受到来自机器的“威胁”。但也不全会,除了“创意”部分让机器无可奈何,人类设计师与机器的竞合中,我们要转变方向注重数字移动媒体策划与设计、移动媒体用户需求挖掘、数字移动媒体需求文档的撰写、数字移动媒体优化、数字移动媒体UI界面设计、H5设计、App设计、UE用户体验设计、虚拟移动媒体设计、信息交互设计等媒体智能设计新技术。高品质艺术、设计依赖于混合增强智能技术。AdobeMax“SneakPeeks”将迎来Adobe全家桶的诸多全新功能,如图片变视频、静态变动态、一键设计字体、视频扣剪、纸盒自动生成、AR呈现、AE一键去马、Ru跨平台制作(剪辑、混音、调色)、跨平台同步改稿、人工智能排版等十大看似很科幻但已经实现了的AI功能。华为Mate20手机3D扫描防生建模与成像,以及AI手势动作捕捉的体感游戏功能,更为我们提供了解放设计生产力的前景。同时MIT研发的工业产品AI设计系统即将面世。主要产品体现如下:

(一)AIVD人工智能视觉设计

AI集成化的成熟产品,比如Adobe系列的产品,软件低层融入AI技术,更好更快地创作文字和图像、影音等元素。如AdobeSensei:人工智能做设计的底层技术,集成在Adobe系列软件中,有字体匹配方案、自动配色方案、基于线稿自动上色、自动校正手绘图形等。

(二)AIPD人工智能产品设计

Adobe人工智能鞋包设计、IBMWatson智能设计服装、Autodesk智能设计汽车等。

(三)AISD人工智能空间设计

Prisma智能风格化设计、Autodesk建筑智能生成设计、ZahaHadid参数化设计等产品。

四、设计人工智能教育的发展动向

未来,人工智能教育会加速发展,老师不会被AI取代,但不用AI的老师一定会被取代;未来,老师不是简单地传授知识,而是通过言传身教的沟通交流,对学生进行激励、鼓舞,成为人类灵魂的设计师;未来,AI将实现规模化和个性化间的平衡,带来了一种学生易学、教师易教的解决方案;未来,老师作为教学过程中始终核心地位,推陈出新积极善于运用AI技术进一步提高师生教与学的体验和教学效率。当务之急,要让更多的老师正视人工智能的快速发展,通过学习AI技术了解人工智能的发展情况,从而改变老师的教育教学观念和教学方法,引领高品质教育的未来。在未来教育中,教师的角色有三种观念:1.取代说,2.不可取代说,3.人机协同说大多数观点是:未来,教师将与人工智能协同共存。未来知识传授功能会逐步被人工智能取代,而人类教师则应偏重于培养学生的核心素养。正如雷克利福德所言,“科技不能取代教师,但是使用科技的教师却能取代不使用科技的教师”。如今,抛开先天财富的不同,人与人之间的差距主要来自学习能力的不同。这种差异会加剧不平等,在未来,这种趋势将会进一步加强。应对人工智能时代,教师除更新教育教学观念、转变角色、改革教学模式和方法外,必须坚持终身学习,教师的终身学习,不仅要学习Python之类的AI编程技术,更需要增强对,限于时间和精力有限,分别将有关AI知识技能分为三类,以适应设计人工智能的技术更迭和“一专多能”。

五、结束语

第8篇

2016年1月,美国佐治亚理工学院计算机学院的教授AshokGoel,借助IBM的Watson人工智能系统创建了一个在线机器人JillWatson,并将其作为课程教学助理。其目的是帮助教师回答学生通过在线论坛提出的大量课程问题。通过几个月的反复调试,JillWatson的回答已经能够达到97%的正确率。现在,机器人助教已经可以直接与学生沟通,不需要真人助教的帮助。这项人工智能在教育中的使用,解决了AshokGoel教授的助教人数不够,难以及时回答学生提问的困境,增加了学生参与在线学习的兴趣,提高了在线学习的留存率。

这只是人工智能在教育领域的小试牛刀。虽然有专家预测在未来十年内不会看到人形机器人替代教师进入课堂,不过地平线报告2016年基础教育版和2107年高等教育版都预测未来五年内人工智能将会在教育行业普及。

教育行业已有的人工智能研究和应用

Woolf等人在2013年提出了人工智能在教育领域应努力解决“五大挑战”:①为每一个学习者提供虚拟导师:无处不在地支持用户建模、社会仿真和知识表达的整合。②解决21世纪技能:协助学习者自我定位、自我評估、团队合作等。③交互数据分析:对个人学习、社会环境、学习环境、个人兴趣等大量数据的汇集。④为全球课堂提供机会:增加全球教室的互联性与可访问性。⑤终身学习技术:让学习走出课堂,进入社会。

过去十年,一些研究者对人工智能在教育领域中的应用做了大量的探索。相关的研究成果包括:①跟踪学习者的思维步骤和解决问题的潜在目标结构(Anderson等,1995);②诊断误解和评估学习者的理解域(VanLehn,1988);③提供及时的指导、反馈和解释(Shute,2008);④促进高效学习的行为,如自我调节、自我监控和自我解释(Azevedo&Hadwin,2005);⑤以合适的难度水平和最适当的内容来规划学习活动(VanLehn,2006)。

这些研究,基本上使用到了人工智能的每一项技术——自然语言处理、不确定性推理、规划、认知模型、案例推理、机器学习等。“智能导师系统”就是基于这些研究和技术而开发的人工智能教育应用。类似的成熟产品包括Tabtor(hellothinkster.com)、CarnegieLearning(carnegielearning.com)和FrontRow(frontrowed.com)。2014年,加拿大西蒙弗雷泽大学的一项试验发现用智能导师系统的学习者比使用其他教学方法的学习者获得的成绩更高。

人工智能在教育行业的新发展

教育行业的三种类型(内容、平台和评估)的服务商都在经历着一场变革。内容出版商面临纸质印刷到数字出版和开放教育内容的挑战。学习平台正试图区分自适应、个性化和数据分析的功能。评估供应商则继续探寻从多项选择题测试转向更具创新性的问题类型。人工智能将为这三种类型教育服务商带来新的发展思路和契机,同时也惠及教育生态系统中的所有利益相关者。学生通过即时反馈和指导提高学习效率,教师将获得丰富的学习分析和个性化指导经验,父母能够低成本地为孩子改进职业前景,学校能够规模化提高教育质量,政府能够提供负担得起的教育。2017年,人工智能将在以下领域发挥其效益。

1.人工智能批改作业

批改作业和试卷是一件乏味的工作,这通常会占据教师大量的时间,而这些时间本可以更多地用于与学生互动、教学设计和专业发展。

目前,人工智能批改作业已经相当接近真人教师了,除了选择题、填空题外,作文的批改能力已经大幅提高。美国斯坦福大学已经成功开发出一种机器学习程序,能够批改8~10年级的作文。随着图像识别能力的大幅提高,手写答案的识别也接近可能。就连占有美国标准化考试60%市场份额的全球最大教育企业——培生公司也认为,人工智能已经可以出现在教室并提供足够可信的评估。据培生公司近期的报告IntelligenceUnleashed推测,人工智能软件所具有的广泛的、定制的反馈能够最终淘汰传统测试。

2.人工智能实现一对一辅导

自适应学习软件已经能为学生提供个性化学习支撑。据2011年VanLehn的一项研究发现,人工智能在某些特定主题和方法上比未经训练的导师更具有效性。进一步的研究发现,人工智能导师能在学生出错的具体步骤上给予实时干预,而不是就整个问题的答案给予反馈(Corbett&Anderson,2001;Shute,2008)。

自适应学习在拉美地区正在兴起。AndréUrani市政学校的学生使用人工智能软件Geekie观看在线课程(视频和练习)。Geekie为学生提供每一步的实时反馈,并随着学习的进展来传授更为精细的课程内容。

早在1984年,本杰明·布卢姆的研究就提出一对一辅导能带来更好的学习效果。而人工智能技术可以模拟一对一辅导,以更好地跟踪、适应和支持个体学习者。这将是人工智能在教育中更高层次的个性化学习应用。例如,比尔·盖茨看好的人工智能聊天机器人或个人虚拟导师,能在学生面临挑战时提供强有力的支持,随时随地回答学生的提问;还可以为学生订制学习方案和规划职业发展路径,并引导学生走向成功。更重要的是,人工智能可以匹配聊天机器人或虚拟导师的面孔和声音来满足学生个人喜好。对比网页界面的自适应学习系统,这才是真正做到了一人一导师。

3.人工智能关注学生情感

2016年地平线报告高等教育版把情感计算列为教育技术发展普及的重要方向。也就是说,人工智能不仅限于模拟人类传递知识,还能通过生物监测技术(皮肤电导、面部表情、姿势、声音等)来了解学生在学习中的情绪,适时调整教育方法和策略。例如,机器人导师捕捉到学生厌烦的面部表情时,就可以立即改变教学方式努力激发他们的兴趣。这种关注情感的人机交流为学生营造一个更真实的个性化学习环境,更好地维持了学习者的动机。美国匹兹堡大学开发的AttentiveLearner智能移动学习系统就能通过手势监测学生的思想是否集中。突尼斯苏斯国家工程学院的研究人员正在研究开发基于网络的人工智能教学系统。该系统能够识别学生在任何地方开展科学实验的面部表情,以优化远程虚拟实验室的教学过程。

进一步的研究发现,人工智能还可以关注学生的心理健康。当前已经有使用人工智能来为自闭症儿童提供有效支持的案例。例如,伦敦知识实验室在Topcliffe小学开展试验,让自闭症学生与半自动虚拟男孩安迪开展互动交流,研究人员发现患有自闭症的学生在社交能力方面有进步。

4.人工智能改进数字出版

教科书等课程材料并非总是完美,传统印刷出版让课程的修订变得过于缓慢。这不仅是生产工艺的问题,更主要的是纸质课程材料无法快速获取使用者的反饋来识别缺陷所在。而数字化出版在人工智能的支撑下能彻底改变这一现状。

人工智能可帮助使用者快速识别课程缺陷。大规模网络开放课程Coursera的提供者已经将这一想法付诸实践。当发现大量学生的作业提交了错误的答案时,系统会提示课程材料的缺陷,进而有助于弥补课程的不足。

另一项人工智能在数字化出版的应用是自动化组织和编写教材。这是基于深度学习系统能模仿人类的行为进行读和写。ScottR.Parfitt博士的内容技术公司CTI就依据这项技术帮助教师定制教科书——教师导入教学大纲,CTI的人工智能引擎能自动填充教科书的核心内容。

随着自然用户界面和自然语言处理在人工智能领域的成熟应用,课程材料的数字化出版也会有更新的形态——不再局限于书本或网页的形式,聊天机器人和虚拟导师将成为内容表达的更好的方式。

5.人工智能作为学生

多年的研究表明,教会别人才是更好的学习,即learning-by-teaching。美国斯坦福大学教育学教授DanielSchwartz正基于这一理念来开发新的人工智能产品。他联合了多个领域的专家一起开发了人工智能应用——贝蒂的大脑(Betty’sBrain),让学生来教贝蒂学习生物知识。试点研究发现,使用这一方法来学习的学生比其他学生成绩更好,且在科学推理上也更胜一筹。

类似的研究和开发还有瑞典隆德大学的TimeElf和美国卡内基梅隆大学的SimStudent,这两个人工智能产品也是基于learning-by-teaching而开发,让学生在教会机器人知识的过程中深化对知识的理解。

另外,人工智能还推动其他教育方法和技术更好实现。如让虚拟现实学习环境更具沉浸感;给学生带来更多动手实践的机会;提供基于丰富学习分析的仿真和游戏化学习场景等。

第9篇

【关键字】人工智能;教育;进展

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097(2008)13―0018―03

人工智能是一门综合的交叉学科,涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术,模仿、延伸和扩展人的智能,实现机器智能,其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看,人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破,不仅给学习科学以技术支撑,而且能反过来促使人脑的学习规律研究更加清晰,从而提供更加切实有效的方法论。[3]人工智能技术的不断发展,使人工智能不仅成为学校教育的内容之一,也为教育提供了丰富的教育资源,其研究成果已在教育领域得到应用,并取得了良好的效果,成为教育技术的重要研究内容。

人工智能的研究更多的是结合具体领域进行的,其主要研究领域有: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、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前,在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能,下面就这些领域进行阐述。

一 专家系统

专家系统是一个具有大量专门知识与经验的程序系统,它使用人工智能技术,根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断,模拟人类专家的决策过程,以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为:知识库,用于存储某领域专家系统的专门知识;综合数据库,用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息;推理机,用于记忆所采用的规则和控制策略的程序,使整个专家系统能够以逻辑方式协调地工作;解释器,向用户解释专家系统的行为;接口,使用户与专家系统进行对话。近几十年来,专家系统迅速发展,是人工智能中最活跃、最有成效的一个研究领域,广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。

目前,专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走,从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容,它可以制定出一个课堂大纲,写出一份教案,甚至有可能开发一堂样板课,而诊断系统是往后走,从一个给定系统陈述查找原因或对其进行分析,例如,一个诊断系统可能以一堂CBI(基于计算机的教学,computer-based instruction)课为例,输入学生课堂表现资料,分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发(ISD)程序的领域中最有名的是梅里尔(Merrill)的教学设计专家系统(ID Expert)。[6]

教学专家系统的任务是根据学生的特点(如知识水平、性格等),以最合适的教案和教学方法对学生进行教学和辅导。其特点为:同时具有诊断和调试等功能;具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统,我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]

目前,在教育中,专家系统的开发和应用更多的集中于远程教育,为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能:具备某学科或领域的专门知识,能生成自己的提问和应答; 能够分析学生的特征,评价和记录学生的学习情况,诊断学生学习过程中的错误并进行补救教学;可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。

二 机器人学

机器人学是人工智能研究是一个分支,其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段:第一代机器人是以 “示教―再现”方式进行工作;第二代机器人具有一定的感觉装置,表现出低级智能;第三代机器人是具有高度适应性的自治机器人,即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响,其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。

机器人技术涉及多门科学,是一个国家科技发展水平和国民经济现代化、信息化的重要标志,因此,机器人技术是世界强国重点发展的高技术,也是世界公认的核心竞争力之一,很多国家已经将机器人学教育列为学校的科技教育课程,在孩子中普及机器人学知识,从可持续和长远发展的角度,为本国培养机器人研发人才。[10]在机器人竞赛的推动下,机器人教育逐渐从大学延伸到中小学,世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中,我国许多有条件的中小学也开展了机器人教育。

机器人在作为教学内容的同时,也为教育提供了有力的技术支撑,成为培养学习者创新精神和实践能力的新的载体与平台,大大丰富了教学资源。多年来,我国中小学信息技术教育的主要载体是计算机和网络,教学资源单一,缺乏前瞻性。教学机器人的引入,不仅激发了学生的学习兴趣,还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展,教学机器人种类越来越多,目前在中小学较为常用的教学机器人有:能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。

三 机器学习

机器学习是要使计算机能够模仿人的学习行为,自动通过学习来获取知识和技巧,[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等,近年来,知识发现和数据挖掘是发展最快的机器学习技术。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径,对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]

随着计算机技术的进步和机器学习研究的深入,机器学习系统的性能大大提高,各种学习算法的应用范围不断扩大,例如将连接学习用于图文识别,归纳学习、分析学习用于专家系统等,大大推动了在教育中的应用,例如在建构适应性教学系统中,用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好,有较高的准确率[13]。基于案例的推理(case-based reasoning,CBR)是一种新兴的机器学习和推理方法,其核心思想是重用过去人们解决问题的经验解决新问题,在计算机辅助教育方面,已经出现了基于CBR的图形仿真教育系统,并且,针对个体特征的教育教学方法研究也有所突破。[14]另外,数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用,不仅给机器学习注入新的生机,也为机器学习在教育中的应用提供了新的前景。

四 自然语言理解

自然语言理解就是研究如何让计算机理解人类的自然语言,以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务,其功能为:回答问题,计算机能正确地回答用自然语言提出的问题;文摘生成,计算机能根据输入的文本产生摘要;释义,计算机能用不同的词语和句型来复述输入的自然语言信息;翻译,计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现,因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘,深化对语言能力和思维本质的认识。[16]

自然语言理解最早的研究领域是机器翻译,随着应用研究的广泛开展,也为机器人和专家系统的知识获取提供了新的途径,例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言,进行人机对话,回答关于桌面上积木世界中的各种问题。同时,对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展,例如“希赛可”网络智能英语学习系统,这个基于网络的“人-机”语境的建立,突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制,也比建立于网络的“人-人”语境更具灵活性,可以为远程学习者提供良好的英语学习支持,在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上,在国际上也是一种创新。[17]

五 人工神经网络

人工神经网络就是在对大脑的生理研究的基础上,用模拟生物神经元的某些基本功能的元件(即人工神经元),按各种不同的联结方式组织起来的一个网络,其目的在于模拟大脑的某些机理与机制,实现某个方面的功能,例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域,人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构:递归(反馈)网络和多层(前馈)网络,两种主要学习算法:有指导式学习和非指导式学习。

人工神经网络从模拟人类大脑神经网络的结构和行为出发,具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力,特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题,[19]这使人工神经网络具有更大的发展潜能,目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合,以此来改进教学专家系统的性能,提高智能性,使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用,例如采用误差反传算法(BP)的多层感知器已应用于高校管理之中。

六 分布式人工智能(Distributed Artificial Intelligence,DAI)

分布式人工智能是分布式计算与人工智能结合的结果,研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型,主要研究问题是各Agent之间的合作与对话,包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成,每个Agent又是一个半自治系统,Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点,在资源、时空和功能上克服了单智能系统的局限性,因此获得了广泛的应用。

分布式人工智能中的Agent和多Agent技术在教学中的应用逐渐受到关注。在教学中引入Agent可以有效地提高教学系统的智能性,创造良好的学习情境,并能激发学习者的学习兴趣,进行个性化教育。目前,Agent和多Agent技术多用于远程智能教学系统,通过利用其分布性、自主性和社会性等特点,提高网络教学系统的智能性,使教学资源得到充分利用,并可实现对学习者的学习行为进行动态跟踪,为学习者的网络学习创造合作性的学习环境。在网络教学软件中应用Agent技术的一个典型是美国南加利福尼亚大学(USC)开发的教学Adele(Agent for Distance Education - Light Edition) [22]。Agent技术在网络教学软件中取得的良好效果,促进了研究者对分布式人工智能在教育中的应用研究。

综上所述,科学技术的发展将会推动人工智能技术在教育中应用的广度和深度。从人工智能的应用趋势来看,人工智能在教育中应用的扩展可以通过以下三个方面进行:一是人工智能与其他先进信息技术结合。人工智能已经与多媒体技术、网络技术、数据库技术等有效的融合,为提高学习效率和效度提供了有力的技术支持,而引起教育技术界广泛关注。[23]例如人工智能技术通过与多媒体技术相结合,可以提高智能教学系统的教学效果;与网络通讯技术相结合,可以提高和改进远程教育的智能性。二是人工智能应用研究领域间的集成。人工智能应用研究领域之间并不是彼此独立,而是相互促进,相互完善,它们可以通过集成扩展彼此的功能和应用能力。例如自然语言理解与专家系统、机器人的集成,为专家系统和机器人提供了新的知识获取途径。三是人工智能的研究和应用出现了许多新的领域,它们是传统人工智能的延伸与扩展,这些新领域有分布式人工智能与Agent、计算智能与进化计算、数据挖掘与知识发现以及人工生命等[24],这些发展与应用蕴藏着巨大潜能,必将对教育产生重要的影响。

技术发展不断发挥着引导教育技术研究的作用,一种新兴技术的出现总是会掀起相应的研究热潮, 引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25] 人工智能作为一门交叉的前沿学科,虽然在基本理论和方法等方面存在着争论,但从其研究成果与应用效果来看,有着广阔的应用前景,值得进一步的开发和利用。

参考文献

[1] 史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.

[2][11][18][19] 《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.

[5][12][15][20][24] 蔡自兴,徐光.人工智能及其应用(第三版)――研究生用书[M].北京:清华大学出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]诺伯特•M. 西尔,[德]弗兰兹•肖特,等.任友群,郑太年主译.教学设计的国际观第2册:解决教学设计问题[M].北京:教育科学出版社,2007:67.

[7] 任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.

[9] 陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.

[10] 关注机器人幼儿教育――访鲍青山博士[DB/OL].

[13] 柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.

[14] 杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.

[16] 自然语言理解[DB/OL].

[17] 贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.

[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].