人工智能课程总结
开篇：润墨网以专业的文秘视角，为您筛选了八篇人工智能课程总结范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
人工智能课程总结范文第1篇
［关键词］人工智能；会计；基础会计
1人工智能在会计领域的应用特质
将德勤财务机器人、用友财务机器人等人工智能在会计领域的应用状况进行分析，可以看到人工智能在会计领域的应用有以下特点。（1）大量规则化应用领域被人工智能取代。原始凭证审核，依托于电子票据二维码应用，票据关键信息（如发票抬头、税号、发票内容、金额等）被人工智能识别并依照规则进行判断；根据原始凭证相关信息依照借、贷规则选择相应会计科目编制会计凭证，也是人工智能依照既定规则完成；根据记账凭证完成记账和报表编制，在会计电算化时代即已完成，对于人工智能而言，则更是“小儿科”，仅需要依照既定规则将数据库文件以视图形式呈现。可以看到，从原始凭证审核、记账凭证编制再到账簿形成、报表形成，会计明晰的规则为人工智能应用提供了切合的舞台，而有明确规则的领域是人工智能能够凸显其计算能力的优势领域。由此可见，以规则为基础的会计核算应用领域能够被人工智能“完美”替代。这也是德勤机器人、用友财务机器人等人工智能最先得以应用的领域。（2）经验化应用领域将被人工智能取代。人工智能以超强的自我学习能力著称，能够通过大数据获取认知上的进步，可以从大量的图片中学习识别猫，也可以从大量的棋谱中学习对弈。会计、医生曾经被认为“越老越值钱”，即是基于经验的价值增加，在工作中不断学习积累经验，能够借助经验处理非常规、复杂的情形。通过学习积累经验获得认知进步，已经成为人工智能擅长的领域。在大数据的基础上，人工智能可以通过案例学习获得“经验”，并且由于存储记忆能力的显著优势超过会计、医生的经验。因此，经验化应用领域将被人工智能取代。（3）人工智能应用推广速度受到成本的影响。2017年德勤财务机器人推出，随后用友财务机器人、浪潮财务机器人也相继面世，一年时间之后这些财务机器人并没有大量应用，其原因既有技术成熟度方面的原因，也有成本方面的原因。财务机器人的应用成本，不仅包括购买财务机器人的价格，还包括企业转换成本。在ERP、财务共享中心等信息化建设之后，信息系统建设的投入大、实施风险高的特征使得企业对于系统切换心存顾虑，使用财务机器人是否又将成为投入高、见效慢的项目，成为企业应用财务机器人不得不考虑的问题。也正是由于受到应用成本的影响，财务机器人在2017年推出之后只是引起了观念、认知上的“地震”，广泛的应用并未看见。
2“基础会计”课程核心
从目前国内高校会计专业、财务管理专业所开设“基础会计”（会计学）课程的情况来看，该课程仍然作为专业基础课开设，其核心内容一般包括：（1）会计核算基本方法，涉及会计要素、会计等式、复式记账、凭证、账簿、财务报告等内容。通过这些内容的学习，学生将掌握借贷记账、凭证编制、账簿登记、财务报告编制等基本方法，掌握会计核算的基本规则，理解会计的基本逻辑与方法。（2）会计核算基本操作，涉及凭证填写与审核、账簿登记、财务报表编制等内容。在会计基本方法学习的基础上，学生将通过实验等方式，掌握凭证填写与审核的规范、账簿登记的规范、财务报表编制规范等操作环节的要求，通过实践体会从凭证填制与审核、账簿登记、财务报表编制的规则与过程，并完成从理论到实践的转换。（3）会计视角的形成。在对会计要素、复式记账的理解中，学生将完成对经济活动的会计视角理解。例如，企业完成销售活动，从经济活动的范畴理解，更多强调客户关系管理、合同签订、履行合同等节点，而从会计视角理解，则更强调伴随销售活动产生的资金流和成本化物流，即在收入形成的同时，根据资金支付的状况选择银行存款、或者应收账款、或者应收票据、或者预收账款进行核算，同时在物流发生后结转相应成本。将经济活动的会计本质进行识别，培养和形成会计视角成为“基础会计”课程的关键内容。也正是因为这个原因，“基础会计”成为会计入门课程。
3人工智能对“基础会计”课程的挑战
（1）规则化应用将被人工智能取代，但修订完善规则为会计人员留出了空间。人工智能因其超强的运算能力，能够在既定规则的指挥下“毫无怨言”地处理原始凭证审核、记账凭证编制、账簿登记、报表编制等工作，并且处理效率更高。单纯地规则化应用，会计人员与人工智能相比，完全不具有优势。仅仅只有在人工智能技术应用的成本还相比人工成本更好的前提下，原始凭证审核、记账凭证编制、账簿登记、编表编制工作仍由会计人员完成。当人工智能技术应用成本得以降低，采用人工智能技术相比雇佣会计人员成本更低，会计人员无疑将面临被人工智能所取代。这也是业界认为人工智能带来会计“地震”的重要原因。虽然2017年会计人工智能出现后并没有马上带来会计人员下岗潮，但这一时刻不会太远，一旦人工智能应用成本得以降低，在人工成本逐渐上升的现实状况下，处理原始凭证审核、记账凭证编制、账簿登记、编表编制的纯规则化会计岗位将被人工智能取代。与此同时，我们必须意识到，人工智能以规则为基础完成会计活动，那么谁来定义规则？战胜棋圣的人工智能以围棋规则为基础开展对弈，无人驾驶以道路交通规则为基础完成驾驶，财务机器人在完成会计活动时同样基于既定的规则。从国家层面看，“会计准则”处于不断的修订完善过程中，新的经济形式不断出现，会计准则往往紧随着新经济活动而修订完善。一旦会计准则变更，意味着完成会计活动的人工智能所依据的规则也需要变更。因此，规则变更与修订为会计人员留出了空间。“人工制定规则，人工智能完成规则”可能成为未来会计活动的新形式！会计人员制定规则，是否需要从了解基本规则入手呢？答案无疑是肯定的。作为制定规则的会计人员，不可能完全不了解基本的借贷规则、基本的账务处理规则，就开始着手调整规则。基于此，了解和掌握基本会计规则应当成为会计人员的必须，通过“基础会计”课程促使会计人员了解和掌握会计基本规则也成为必要选择。但人工智能应用会计规则的优势，促使会计人员在学习掌握基本会计规则时必须思考，学习基本会计规则的目的是应用还是修订完善？如果仅仅将学习会计规则的目的定位于应用，这样的会计人员只能定义为初级会计人员，一旦其人力成本高于人工智能技术应用成本，这种岗位人员无疑是会惨遭淘汰。因此人工智能的出现逼迫会计人员将学习会计规则的目的定位于修订会计规则的高端人才，只有在基础规则之上，跳出规则制定规则，才可能在人工智能应用的大趋势下赢得一席之地。（2）经验积累将被人工智能取代，但经验规则化为会计人员留出了空间。会计人员的经验积累建立在大量案例处理的基础上，在复杂经济业务处理过程中形成隐性知识，如果这些隐性知识不能显性化、不能总结提升为规则，这些隐性知识只能藏于人员的头脑里，导致似乎“越老越值钱”。人工智能具有大数据处理能力，在大数据基础上形成“经验”从而自我学习，并且其总结的经验将以“代码化”的形式显性体现，相比会计人员而言，经验形成的能力更强、经验显性化的能力也更强。但从经验到规则，人工智能还不能直接将积累的经验形成规则，规则的形成还需要人工干预。因此，会计人员的经验积累可以被人工智能取代，但经验规则化为会计人员留出了空间。面临人工智能应用，会计人员“越老越值钱”的优势将不复存在，会计人员的价值不再建立在工作经验的基础上，而是建立在经验知识化、并进一步规则化的基础上。会计人员要完成经验规则化过程，也需要对基本规则熟悉了解、并对经验是否作用于规则修订进行判断的基础上，因此对于基本规则的了解和掌握也是必不可少的。尽管“基础会计”课程仅仅是会计入门知识的介绍，不能形成会计处理经验，在经验积累方面不存在是否课程内容是否被人工智能取代的问题，但由于会计人员需要将经验规则化，需要熟悉了解基本规则，并对经验是否推动规则变化做出判断，因此通过“基础会计”课程学习了解基本规则仍然是必要的。（3）会计视角的形成仍需通过“基础会计”课程培养。人工智能完成了从原始凭证审核到记账凭证编制、再到账簿登记、报表编制的任务，使用人工智能完成这些任务得到的是凭证、账簿、报表这些结果的呈现，对于这些结果、这些信息究竟对于会计人员意味着什么，会计人员通过这些信息怎样从会计的视角去理解经济业务，人工智能并未给出答案。而“基础会计”课程则是从经济业务到会计业务的桥梁和纽带，通过“基础会计”课程的学习，会计要素、会计科目等内容成为将经济语言转换为会计语言的工具，会计视角得以培养形成。因此，从会计视角培育需要来看，“基础会计”课程仍然是有必要开设的。
4“基础会计”应对人工智能应用的适应性调整
概括起来看，面对人工智能应用的大趋势，“基础会计”课程仍有必要开设，但应对这一趋势，需要从课程目标、课程内容上进行适应性调整。具体包括：（1）“基础会计”课程目标需要定位于会计基本规则体系建立而非操作能力。由于人工智能能够以高效率的优势完成规则应用，因此“基础会计”课程目标不能再强调凭证编制、账簿登记、报表编制等应用能力，应该将“基础会计”的课程目标定位于促使学生构建会计规则体系，培育经济业务的会计视角。学生学习“基础会计”的目的不再是掌握原始凭证审核、记账凭证编制、账簿登记、报表编制操作，而是建立会计规则体系，掌握会计语言实现从会计角度理解经济业务。（2）“基础会计”课程内容需要强化会计要素、会计等式、借贷记账等基本规则体系内容，弱化凭证、账簿等操作性内容。根据前面的分析可见，“基础会计”作为基本规则介绍的入门课程，学生需要通过该门课程的学习，掌握会计基本规则，并在此基础上逐步培养提升规则制定的能力。以往课程中，通过实验、实训提高学生填写凭证、登记账簿的操作能力，但这些操作未来将被人工智能高效替代。在人工智能在会计规则化应用领域形成趋势的当前，操作能力培养这部分内容需要弱化，而对于会计规则体系的理解、会计视角的培养应当强化。（3）“基础会计”课程内容中需要适当增加有关大数据、人工智能方面的内容，介绍大数据、人工智能在会计领域的应用趋势，以帮助学生了解会计在信息时代、人工智能时代可能发生的变革，提前应对可能发生的变化。会计不能脱离社会经济生活而存在，人工智能时代已经对会计提出了变革要求，应对这一要求，“基础会计”应当不回避，主动做出调整和适应。例如，对于会计总论的阐述中，介绍会计的发展趋势，不能还停留将会计电算化作为发展前沿，电算化阶段已经成为过去，大数据、人工智能才是未来的发展前沿；在会计的发展阶段中，古代会计阶段、现代会计阶段、电算化会计阶段的划分也值得商榷，复式记账、计算机的出现作为阶段划分的关键节点，但在2017年人工智能推出后，是否在电算化会计阶段之后已经需要重新再切分出人工智能会计应用阶段，值得学术界探讨。
5结语
财务机器人诞生后会计岗位可能面临失业潮，“基础会计”课程似乎也已经没有必要开设。通过分析人工智能的特质、“基础会计”课程的核心，指出在人工智能应用趋势到来的当前，规则化应用将被人工智能取代，但修订完善规则为会计人员留出了空间；经验积累将被人工智能取代，但经验规则化为会计人员留出了空间；会计视角的形成仍需通过“基础会计”课程培养。因此“基础会计”课程仍然有必要开设，其课程目标需要定位于会计基本规则体系建立而非操作能力，其课程内容需要强化会计要素、会计等式、借贷记账等基本规则体系内容，弱化凭证、账簿等操作性内容，同时课程内容中需要适当增加有关大数据、人工智能方面的内容。
主要参考文献
［1］陈婷蔚．人工智能在会计领域的应用探析———以德勤财务机器人为例［J］．商业会计，2018，5（10）：77－78．
［2］王加灿，苏阳．人工智能与会计模式变革［J］．财会通讯，2017（22）：41－43．
［3］任世赢．人工智能技术对会计行业的影响及对策［J］．北方经贸，2018（1）：96－97．
［4］邓文伟．人工智能时代的会计研究综述［J］．国际商务财会，2018（5）：86－88．
人工智能课程总结范文第2篇
关键词：人工智能；专家系统；Prolog；面向人工智能
中图分类号：G642 文献标识码：A
1 引言
人工智能(AI)是计算机科学的一个重要分支，同时也是计算机科学与技术专业的核心课程之一。本课程在介绍人工智能的基本概念、基本方法的基础上，主要是研究如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的“智能”，本课程重点阐述这些方法的一般性原理和基本思想，使得计算机能更好地为人类服务。
2 人工智能课程体系
人工智能主要研究传统人工智能的知识表示方法，其中包括状态空间法、问题归约法、谓词逻辑法、语义网络法、框架表示、剧本表示等；搜索推理技术主要包括盲目搜索、启发式搜索、消解原理、规则演绎算法和产生式系统等。
人工智能的研究课题主要包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
经过笔者调研发现，目前在本科高校绝大部分将“人工智能”课程性质设为专业选修课或专业必修课，而在高职院校相关专业基本上不开设此课程，但是在具体实践教学过程中发现，在其它专业课程的教学过程中也会与人工智能理论或技术相结合，比如数据库技术、信息系统安全方面等领域，当讲到相关课程，同时会结合人工智能的理论，授课过程中发现大部分同学对该课程很有兴趣。
本课程在我校计算机科学与工程学院作为一门专业选修课开设，总学时数为：60(其中理论学时为36，实验学时为24)，随着计算机技术的不断更新发展，人工智能的应用领域也变得越来越广，因此，人工智能(AI)这个学科已不再陌生，很多学生对其充满兴趣和好奇，所以在选课人数上远远超过其他选修课的人数，另外结合我校的实际情况，部分理论或实验又可以与农学、生命科学系等其它专业结合起来而应用。
3 人工智能理论教学实践
多年以来，人工智能获得很大的发展，已经引起众多学科和不同专业背景学者们的日益重视，成为一门广泛的交叉和前沿科学，但是直到目前为止人工智能至今仍尚无统一的定义，要给人工智能下一个准确、科学和严谨的定义尚有困难，其现有的一些定义多数是立足于各自的专业而定义的，存在片面性。
同时“人工智能”是一门交叉性的学科，其主要涉及到了控制论、语言学、信息论、神经生理学、心理学、数学、哲学等许多学科，所以该学科具有知识点多、涉及面广、内容抽象、不易理解、理论性强，与此同时需要学生具备较好的数学基础和较强的逻辑思维推理能力等特点，从而形成在教学实践中老师讲得吃力、学生听得吃力的局面。尽管在多年的研究和教学过程中笔者已积累了一些经验，但是对于如何把握好这门课程的特点，激发学生的学习兴趣和热情，帮助学生更好的理解和应用这门课程，目前仍然有很多问题需要研究和解决。
针对“人工智能”课程相关内容比较抽象，公式推导比较繁琐等特点，教师除了具有完善的教学大纲、合理的教学计划以及合适的教材外，还应该根据学校的实际硬件条件尽可能地选择多媒体教学手段来辅助教学，因此在实践教学中，笔者经常会配合教学内容，充分利用计算机、投影仪以及互联网的优势，结合多种教学方法与手段去组织整个教学过程。例如：在讲述搜索推理技术时，使用一些小的演示软件，将相关推理技术的理论通过动画的形式一步一步演示出来；而在讲专家系统相关理论知识时，尤其是各种类型的专家系统，利用互联网上的一些在线视频资源为例，给同学进行详细讲解，通过具体的案例来进行专项知识点的讲解及实现与应用；在自动规划这一章，给同学们选择演示发达国家目前研制的各种类型机器人，通过这些形象生动、行为举止高仿真的机器人来给学生讲理论，这样学生通过亲自观看视频资源，不仅可以拓宽知识面及视野，同时也可以及时地了解国际及国内机器人的发展水平及差距，不断纠正自己的错误观点并更新自己新的专业认识；另一个方面也可以同时激发学生们的学习兴趣热情和积极性，俗话说：“兴趣是学生最好的老师!”这一点在课堂实践教学中得到验证，得到广大同学的认可和赞同，整个教学课堂不再那么单调枯燥乏味，基本可以达到在娱乐轻松的氛围中学习专业知识，同时再整个教学过程中，师生互动机会增多，学生不再是被动地接受知识。
4 实验教学实践
4.1 客观存在问题
本校开设“人工智能”课程，主要是面向计算机专业的大学三年级的同学，同时作为一门专业选修课而设，理论课程为36学时，而实验学时24学时；与此同时经过对其它兄弟院校的调研发现，很多高校虽然也是设为专业选修课，但建议学生们都去学习这门新学科，从而为今后的专业知识及具体应用打下一定的基础；当然在调研中也发现，部分本科高校虽然开设了“人工智能”课程，但是仅是纯粹理论教学，从一定角度来讲，理论原理是前沿，但是由于太过于抽象，而且空洞、难以理解，多数同学反映学习效果并不理想，有关具体理论部分的具体实现仍然不解。
本科高校一般都严格按照培养方案进行科学设置，同时各个学校根据本校人才培养方案分配各门课程的学时。由于现在我国的教育提倡注重对学生动手能力的培养，培养综合型、应用型人才，因此笔者再结合实践教学经验及对学生的调研，发现“人工智能”课程除了要进行理论方面的讲解外，还应注重实验教学。此外，在高职院校的培养方案中，侧重加强学生的动手能力的培养，也建议将此课程列为开设的范围之内，而在实验学时上可以安排相对多的实验学时，在了解“人工智能”理论的前提基础之上，主要进行相关理论的具体应用与实现，通过这样的教学安排，可以提高学生的实践动手编程能力，例如图1，专家系统的知识库、工作存储器及界面的设计与实现。
人工智能课程总结范文第3篇
关键词：人工智能；学习兴趣；教学方法
1956年，在美国Dartmouth大学，由数学家J.McCarthy和他的三位朋友M.Minsky、N.Lochester和C.Shannon共同发起一个历时两个月的夏季学术讨论班，他们在此讨论班上第一次正式使用了人工智能(Artificial Intelligence)这一术语。人工智能是一门多学科交叉的课程，涉及计算机科学、数学、控制论、信息论、神经生理学、心理学、哲学及语言学等多个学科，是新理论和新技术不断出现的综合性学科。当前，人工智能领域加强了从人类智能与生命现象中汲取养分的趋势，加快了向分布式系统与复杂系统靠拢的步伐，智能化的应用更为深入，影响更为广泛，其发展已对人类的经济、社会、文化等方面产生了深远影响[1]。
1人工智能导论课程特点
人工智能导论是人工智能领域的引导性课程，介绍人工智能的基本理论、方法和技术，目的是使学生了解和掌握人工智能的基本概念和方法，为进一步学习奠定基础。人工智能是计算机科学与技术学科一门重要的基础课程，需要相关课程作支撑。离散数学、概率论与数理统计等课程是其数学基础，数据结构、程序设计基础、算法分析与设计等课程则为人工智能中知识表示、逻辑推理和问题求解提供了设计与实现手段。与其他软件课程相比，人工智能课程有鲜明的特点，主要表现在思想方法上强调启发性、算法上强调不确定性。同时，由于人工智能是一个新思想和新技术层出不穷的开拓性领域，因此其对学生的训练是鼓励创新的，具有其他课程不可替代的作用。
人工智能导论是计算机相关专业的必修课，在许多信息类相关的本科教学中也有开设，一般开设在第六或者第七学期。我国目前本科教育的定位是专才教育，培养某方面的专业人才。完成公共基础课程和部分专业基础课程的学习之后，本科高年级学生应该了解本专业的应用领域和发展前景，因此在教学过程中要注意内容的专业性和应用性。由于本科阶段学生缺乏科研意识，初步的科研训练设置在第八学期，即所有课程学习完毕之后的毕业设计，而人工智能课程强调科研性，因此教学难度较大，由此带来的最直接后果就是学生学习兴趣不高。同时，对有志于读研的学生而言，本科阶段的学业也是研究生教育的起点，在教学过程中要适时的进行科研引导，提升学生对科学研究的兴趣，为研究生阶段打下基础。可见，圆满完成人工智能导论课程这一教学任务是重要且极具挑战性的。
2教学内容安排
人工智能的研究和应用领域非常广泛，包括问题求解、机器学习、自然语言理解、专家系统、模式识别、计算机视觉、机器人学、搏弈、计算智能、人工生命自动定理证明、自动程序设计、智能控制、智能检索、智能调度与指挥、智能决策支持系统、人工神经网络、数据挖掘和知识发现等。人工智能导论旨在为这些具体领域的研究提供引导和基础保障。
人工智能导论课程涵盖内容较多，因此需要明确“精讲”和“泛讲”的内容，以使教师和学生在教学活动中都有所侧重。当然，首先应和学生说明，泛讲并不代表内容不重要，只是由于课程性质和课时的关系，暂时不作深入探讨。日后如有需要，可在此基础上进一步学习和研究。结合当前人工智能学科的发展状况，根据教学大纲和作者的教学经验，对人工智能导论课程教学内容的精讲和泛讲安排如表1所示。
3提升学生学习兴趣的教学方法
3.1穿插背景故事
为激发学习积极性，针对学生喜欢听奇闻轶事、想象力丰富的心理特点，通过讲述一些与教学内容有关的故事或者趣事来吸引其注意力，辅助思维并丰富联想，使学生在愉悦中完成学习[2]。下面列举几个我们在课程教学中用到的背景故事，通过这些故事，不但传授了知识，也活跃了课堂气氛。
1) 人类智能的计算机模拟与人机大战。
讲授人类智能的计算机模拟时，可以给学生简述一下IBM公司的超级电脑和国际象棋世界冠军卡斯帕罗夫之间的人机大战，以促进学生对人类智能和人工智能的进一步思考。北京时间1997年5月12日凌晨4点50分，在美国纽约公平大厦，当IBM公司的“深蓝”超级电脑将棋盘上的一个兵走到C4的位置上时，国际象棋世界冠军卡斯帕罗夫对“深蓝”的人机大战落下帷幕，“深蓝” 以3.5U2.5的总比分战胜卡斯帕罗夫。2003年1月26日至2月7日，卡斯帕罗夫与深蓝的升级版“小深”又进行了一场人机大战，先后进行了6局比赛，最终卡斯帕罗夫以1胜1负4平的结果和“小深”握手言和。这也表明了人工智能和人类智能之间的较量还将持续下去。
2) 问题规约法与老和尚说教。
问题规约法是从要解决的问题出发逆向推理，建立子问题以及子问题的子问题，直到最后把初始问题归约为一个本原问题集合。本原问题指不能再分解或变换且直接可解的子问题。可见，问题规约的本质是递归的思想。此时，可以给学生简述我们小时候就听说过的老和尚说教的故事，即“从前有座山，山上有座庙，庙里有个老和尚，老和尚对小和尚说，从前有座山……”。
3) 模糊理论与秃头悖论。
模糊推理是一种重要的不确定性推理方式，是指基于模糊理论进行的推理。讲授模糊理论时，可以先讲一下秃头悖论让学生讨论。一个人有10万根头发，肯定不能算秃头，不是秃头的人，掉了一头发，仍然不是秃头，按照这个道理，让一个不是秃头的人一根一根地减少头发，就得出一条结论，即没有一根头发的光头也不是秃头！秃头悖论的出现源于在严格的逻辑推理中使用了“秃头”这一模糊概念，因此需要以模糊逻辑代替传统的二值逻辑解决该问题。
3.2课堂辩论和多媒体教学
人工智能从其诞生之日起就充满争议，各种学派的争论使得人工智能的发展更趋完善，加快了其纵深发展。目前，人工智能的争论主要有两方面，即研究方法的争论和技术路线的争论。前者争论的主要问题有人工智能是否得模拟人的智能；对结构模拟和行为模拟是否可以分离研究；对感知、思维和行为是否可分离研究；对认知与学习以及逻辑思维和形象思维等问题是否可以分离研究；是否有必要建立人工智能的统一理论体系。后者争论的主要问题是沿着什么样的技术路线和策略来发展人工智能。
在课堂教学中，可以充分利用人工智能中存在的争论较多这一特点，针对相关议题组织课堂辩论，如可用议题“机器的反叛――机器的智能会超越人类吗？”。让学生在图书馆或者从网上查阅相关资料，明确自己的论点并准备证据材料，并在课堂上进行辩论。这类辩论无所谓输赢，旨在通过这种活动，增进学生思考[3]。教学中，还可以充分利用多媒体教学的特点，如让学生观摩电影《终结者》系列、《人工智能》、《黑客帝国》等，增强学生对人工智能的直观感受，提高课堂教学效果[4]。
3.3应用实例分析
普遍而言，本科学生对单纯的理论讲解不太感兴趣，因此在教学过程中，适当增加一些实验和设计，提高学生分析问题的能力和实际动手能力。比如，讲解知识的产生式表示法时，给出产生式的概念和基本表示形式之后，可以通过“野人与传教士过河”问题来说明产生式表示法的具体应用过程；讲解计算智能的进化计算部分时，给出进化算法的几种具体形式和算法流程之后，可以通过中国旅行商问题(CTSP)来说明算法求解问题的过程。教师在教学过程中，可以根据需要，选择一些合适的应用实例进行分析。通过这些实例，既能加深学生对知识的理解，又能增加学习的兴趣。下面给出两个实例的简单描述。
1) 产生式表示法求解“野人与传教士过河”问题。
问题：传教士和野人各N人过河，现只有一条船，传教士和野人都会划船，船一次只能载k人，船上野人多于传教士时野人就会吃掉传教士，问如何安全过河？(不失一般性，以N=3，k=2为例求解)。
求解简述：设综合数据库中状态用三元组(m, c, b)表示，其中m、c、b分别表示传教士、野人和船的数目，则有：
0≤m, c≤3, b ∈{0, 1}
以左岸为参照点，则初始状态和目标状态分别为(3，3，1)和(0，0，0)。据此，可以给出一条产生式规则如下：
IF (m, c, 1) THEN (m-1, c, 0)
以此类推，把所有可行的规则都求出之后，就可按照规则集和控制策略得到问题的解。
2) 遗传算法求解31个城市的CTSP问题[5]。
问题：给定有限个城市的集合C={c1,c2, …,cm}及每两个城市之间的距离矩阵D＝[dij]m×m，其中m∈N，dij=d(ci, cj)∈Z+，ci、 cj∈C，1≤i、j≤m，求出满足的城市序列cπ(1)、cπ(2)、…、cπ(m)，其中π(1)，π(2)，…，π(m)是1、2、…、m的一个全排列。我们以CTSP问题为例，即求解中国31个城市之间最短巡回路线的问题。
求解简述：路径表示直接使用城市在路径中的相对位置，如有编号分别为1、2、3、4、5的5个城市的一条路径4－1－2－5－3，用路径表示方法直接可写为(4 1 2 5 3)。适应度函数值用路径的实际长度表示。交叉算子采用次序杂交，即选择父体的两杂交点，交换相应的段，其它城市则保持在父体中的相应次序。变异算子采用倒位算子，即随机选择两个位置，然后将它们之间的城市反序。通过运用遗传算法求解，可得最优解为15 404 km，对应的巡回路线为“北京―呼和浩特―太原―石家庄―郑州―西安―银川―兰州―西宁―乌鲁木齐―拉萨―成都―昆明―贵阳―南宁―海口―广州―长沙―武汉―南昌―福州―台北―杭州―上海―南京―合肥―济南―天津―沈阳―长春―哈尔滨―北京”。实例讲解完成后，可要求学生采用相同或者不同的方案自己去实现一下问题的求解过程。
4结语
人工智能是计算机科学与技术专业的一门核心课程，同时也是一门交叉学科，涉及面广，理论性强，教学难度较大，学生的学习兴趣有待提高。本文作者根据自己在人工智能导论课程中的教学实践和课程特点，明确了教学中的精讲内容和泛讲内容，总结了三种提高学生学习兴趣的教学方法，并给出相应的实例说明，旨在为本门课程的教师提供教学参考。
参考文献：
[1] 蔡自兴,徐光v. 人工智能及其应用(本科生用书)[M]. 北京:清华大学出版社,2003:288-296.
[2] 薛占熬,齐歌,杜浩翠,等. 离散数学的课堂导入法研究[J]. 计算机教育,2010(8):95-99.
[3] 徐新黎,王万良,杨旭华. “人工智能导论”课程的教学与实践改革探索[J]. 计算机教育,2009(11):129-132.
[4] 李春贵,王萌,何春华. 基于案例教学的“人工智能”教学的实践与探索[J]. 计算机教育,2008(9):53-54.
[5] 杨利英,覃征,贺升平,等. 改进的演化近似算法求解TSP问题[J]. 微电子学与计算机,2004,21(6):126-128.
Teaching Methods for Promoting Learning Interests in Introduction to Artificial Intelligence
YANG Liying
(School of Computer Science, Xidian University, Xi’An 710071, China)
Abstract: This paper presents three teaching methods for promoting learning interests based on the characteristics of Introduction to Artificial Intelligence and our teaching experience. These methods have been used in practice. The teaching practice shows that the methods proposed in this paper can promote learning interests effectively.
人工智能课程总结范文第4篇
关键词：高职教育；人工智能；课程改革
课程设置应与高职教育培养目标和方式相一致
人工智能课程主要讲授当今智能领域的理论方法及其应用，是一门涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科的课程。以普通高校高年级计算机专业学生为讲授对象，人工智能课程在教学上一般以理论讲授为主，并辅以一些应用实例加以分析。课程本身理论性强，内容较为抽象，因此对学生专业知识基础的要求高，在教学上往往强调对各种智能理论的深入讲解和分析，以此达到提高学生专业理论水平的目的。
当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。
三个改革途径
（一）引导学生阅读应用研究文献
高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。
实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。
（二）安排学生对经典算法程序进行实验
与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。
在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。
学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。
例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。
（三）启发学生引入人工智能理论方法对毕业设计加以创新
毕业设计是高职教育的重要环节，学生通过毕业设计对以往所学知识作系统性总结，通过毕业设计能进一步加强学生的技能训练，提高学生的技能应用水平。从实践教学的角度来讲，毕业设计不仅仅要求学生对已学知识和技能的简单重复运用，更重要的是强调学生能够主动独立地分析实际问题，对问题的解决方法提出新的观点并付诸实践。然而从教学的实际来看，在毕业设计中学生创新的主动性不足，往往停留在继承和模仿阶段，毕业设计作品少有突破和创新。究其原因，并非学生所学知识和技能不足，而是学生未懂得如何分析已有问题，在其基础上引入新的解决方法或提出新的应用内容。
在计算机领域中，人工智能属于研究和创新的前沿和热点，许多旧有问题利用人工智能方法都得到了新的解决途径。教师在指导学生毕业设计时，可针对某一问题恰当地启发学生引入人工智能的理论和方法，并尝试性地运用在解决当前问题之中，这样能较容易地获得新的改进和突破，对培养学生创新观念和能力很有意义。
近年来，高职教育得到了迅速发展，其社会认可度也不断提升。但是，在发展的过程中也出现了一些新的问题，其中突出的是如何对以往普通高等教育的教学方式和内容加以改革，以适应高职教育的新要求。人工智能课程作为一门重要的计算机专业课程，仍需要结合高职教育的实际要求以及学生的具体情况，在加强培养应用型、技能型人才，加强实践教学上不断进行探索和改革。
参考文献
[1]赵蔓，何千舟.面向21世纪的《人工智能》课程的教学思考[J].沈阳教育学院学报，2004，6（4）：131-132.
[2]韦芳.高等职业技术教育应注重实践教学[J].中国科技信息，2006，（5）：264.
人工智能课程总结范文第5篇
关键词：人工智能；信息管理与信息系统；教学改革；课程调整；主动性
中图分类号：G64
文献标识码：A
文章编号：1009-3044（2017）10-0127-02
1.引言
随着大数据与人工智能的兴起以及美国推出“人工智能+”国际国内掀起一股人工智能的浪潮，有专家预测，下个十年必将是人工智能的十年，而人工智能不再是主流方向的时候则是机器人大规模使用，人类真正能够从繁重、简单重复性工作中解放出来的时候。而今年三月份谷歌推出的AlphaGo与韩国围棋九段李世石的世纪大战也让越来越多的人认识到未来的机器人有可能在高智力领域取代人类。面对如此紧迫的处境，人类除了进入这个行业了解机器人的思考方式外似乎别无它法。而要想了解机器人的思维方式，所需的知识储备并不多，仅仅包括相关的数学、计算机能力，具体为数学建模的能力、概率统计基础、优化模型的能力以及编程能力，表现在具体课程上为高等数学、概率统计、凸分析、数值分析、机器学习、数据挖掘、C语言（或其他任意主流编程语言）。而对于信管专业的学生而言，所学课程包括经济、管理、数学、计算机等专业入门课程，门类繁多，学生难免会找不到未来发展方向而陷入迷茫。而限于有限的精力，若干重要课程设置为“考查”科目则会让学生想当然以为这些课程“不重要”。这就造成一方面其他专业的学生因先修课程基础不足无法理解人工智能专业课程的内容，而信管专业的学生基础足够但不够扎实而迷茫。因此我们拟将人工智能相关内容融入信管专业课程中，让学生感兴趣的同时，提高就业竞争力。
2.信管专业教学中面临的主要问题
信管专业开设课程内容较多，门类复杂，我们基于本校学生实际总结了信管专业学生在学习中的主要问题。
2.1学习主动性不足
由于学习了多个学科门类的基础课程，导致学生知识面呈现扁平结构，似乎“什么都会，而又什么都不会”。而且若干重要课程开课时间安排在大三，许多学生面临实习、考研等的选择，加之课程内容较繁杂，基础知识不扎实，一些同学面对一些较难的内容时产生无力感，同时也有社会压力较大的影响，使得部分同学对本专业课程也失去了兴趣，遇到问题不主动寻求老师帮助，对课程相关的一些国际先进技术以及经典案例没有任何思考等。同时对自己前途也很迷茫，学习态度消极，进而产生了读书无用论，反过来劝说低年级学生学习不要用功学习，形成恶性循环。
2.2基础课程掌握不牢
高年级课程的先修课程一般有：高等数学、线性代数、计算机程序设计、运筹学、数据结构、数据库技术以及概率论与数理统计等课程。若干机器学习经典算法的理解需要较好的数学基础，如贝叶斯分类器需要对概率论与数理统计有较好的认识；线性回归模型需要熟练掌握线性代数中矩阵变换的方法以及运筹学中求解优化问题的思想；决策树算法需要理解熵的概念；神经网络算法需要理解激活函数以及正则函数的选择对解得影响等，而每个算法的实现都需要有较好的编程基础。在某些班级授课过程出甚至出现不知道如何求解线性方程组的情况。由于一些同学没有熟练掌握先修课程，导致学习本课程的难度增加，进而降低了学生学习的兴趣。
2.3对实践认识不足
在讲授机器学习问题涉及的算法都会详细解释每个算法的来源、步骤等细节，大部分同学能够理解，但是忽视了实践环节，课后没有自己编程实现，理解不够深刻，致使后续课程开展不顺利。在授课过程中出现过一个算法讲了三遍学生仍然停留在听懂的阶段，由于部分同学不重视实践，导致在后续学习中比较吃力。
综上所述，在讲授高年级课程的教学过程中存在许多缺陷，归根结底为学生学习主动性不够，学习兴趣不足，基础不扎实等。这种状况对学生的发展极其不利，也不适应社会对信息管理人才的要求，因此需要为学生选择一个适合的发展方向，激发学生学习本方向课程的兴趣。
3.解决方法
针对如上提出的问题，结合我校信管专业学生实际，我们从五个角度提出了解决方法。
3.1调整部分课程的课程大纲
由于本方向所需数学以及编程基础较强，本专业学生所学学科较多，针对此，需要小幅调整若干课程的授课计划。具体为：1）在运筹学中适当加入凸分析基础知识以及解法，减少线性规划以及排队论的课程；2）概率统计课程加入随机数生成课程，强调统计学部分课程，弱化经典概率知识；3）增加数值分析课程，内容强调数值计算，强化学生数值计算的能力；4）部分课程适当增加实验课程，提高学生编程能力。
3.2适当加入当前人工智能最新技术，激发学生的学习兴趣
学生对本学科课程的认识不足，部分学生觉得若干课程与考研科目无关，对课程重视不足。加入相关视频资料可以将学生的注意力吸引到课程上来，比如加入经典电影“点球成金”，让学生了解数据揭示了一些表象不能展示的事情；加入短视频“科技改变生活”，让学生了解将来的生活是什么样的，需要哪些技术，这些技术有哪些是自己能做的；加入机器人最新技术，让学生了解机器人发展现状而不被电影误导；加入AlphaGo对战李世石的比赛让学生认识到人工智能的能量；加入经典案例能够使学生对一些算法产生浓厚兴趣，比如加入“啤酒和尿片”案例，让学生了解到关联关系的重要性，认识到一些简单的算法也能够产生巨大作用。
3.3适当加入就业前景分析，激发学生学习的内在动力
当前人工智能飞速发展，让学生认识到此领域的潜在力量，了解到此领域的薪资水平以及就业创业环境，对增加学生的学习动力将有很大的影响。对比各行业的发展前景，互联网行业的目前占据在前列（这从总理对互联网+的重视程度即可看出），而机器学习方向作为互联网行业的一份子，则站在互联网的最前端，理性的学生将会看到其中巨大的汇报。
3.4以具体案例项目带动学生学习能力，确保学生考研就业时有较大优势
在学习高年级课程时将增加具体案例项目，在带动学生学习能力的同时，确保学生就业时的优势。如在介绍贝叶斯算法时鼓励学生设计垃圾邮件分类系统；在介绍人工神经网络时鼓励学生设计文本识别系统；在介绍HMM算法时鼓励学生设计自己的语音识别系统。这些项目的完成将会让学生理解算法、编程能力以及团队协作能力有极大的提升，对就业有极大的促进作用，同时也确保学生在考研面试时有极大的优势。
3.5适当加入一些专题讨论，弥补先修课程基础薄弱的不足
学生基础薄弱对学习理解专业课程若干内容影响甚大，比如某些学生对函数极值问题认识不足导致在学习最小二乘估计时给出损失函数后不知道该如何处理；某些学生对线性代数矩阵变换不熟练导致在学习线性模型时得到正则方程后不知该如何继续进行，当系数矩阵不满秩时不知道怎么解决。通过设置一些专题讨论，比如矩阵方程求解、优化问题、C语言读写 文件等弥补先修课程基础薄弱的不足。
人工智能课程总结范文第6篇
关键词：智能计算；课程特点；教学方法；教学效果
1 背景
目前，智能计算已成为人工智能界一个研究的热点领域，研究的最终目标就是为了实现真正意义的人工智能图景，为了让计算机和集成有计算功能的各种工具及设备更加独立、更加聪明、能够自主思考和行动，最终成为我们工作和生活中必不可少的得力助手。特别，物联网作为信息产业第三次浪潮，从物联网的概念中，我们不难看出它与计算，特别是智能计算的密切联系，现在的互联网上各种终端之间、它们与服务器端和存储系统之间的沟通与互相响应，其实都是有人在后面操作和控制的，但是在未来的物联网里，物与物、物与人以及物与计算机设备之间的协作则要实现智能化和自动化，不需要人们花费太多的时间去介入、控制和管理。
举例来说，一个物联网时代的超市，其物流完全可以实现全自动化的管理。例如它可以通过设置在货架和仓库中的RFID标签读取设备了解存货信息，一旦要出现缺货现象时，它就会立即将信息发送给超市的服务器系统，并由它自动联系行驶在路上的众多送货车辆里的计算机系统，查找哪辆货车中有足够的相应商品，最后才会通知相关的司机，让他将车驶向缺货的超市，而此前的一切计算和通信的过程，都无需人工介入。
通过这个例子可以了解到，即时了解外界的环境和需求变化，并就变化进行智能化、自动化的信息处理和通信就是物联网的核心技术。而这一技术，其实就是智能计算技术。智能计算的理论与方法已成功应用于几乎所有的科学与工程领域，特别是非线性系统辨识与控制、模式识别与智能系统、复杂系统建模与预测、计算材料学、生物医学图像处理、生物信息学与系统生物学等。因此，学习和研究智能计算技术，推动智能科学技术专业教育，培养高层次智能计算技术人才，有着极为重要的现实意义。
在国外，开设智能计算课程的大学已非常普遍。在国内，近几年开设智能计算课程的中国大学越来越多，如清华大学、北京大学、哈尔滨工业大学、中国科技大学、西安电子科技大学等。另外，在计算机、电子、自动化、系统和控制、材料等有关的国际会议上，均有智能计算相关的研究主题。智能计算相关的国际杂志和协会近几年也越来越多，如：Spring出版的Swarm Intelligence，IEEE出版的IEEE Transactions on Evolutionary Computation，IEEE／ACM Transactions 0nComputationalBiology andBioinformatics等学术刊物。随着计算机技术及相关前沿学科的发展，智能计算已经成为计算机、信息技术等专业开设的必修课之一，国内外有关智能计算的教学内容基本上大同小异。我校从2005年开始，在计算机应用技术、计算数学硕士点开设智能计算必修课程，笔者主讲该课程，以下结合自己的教学实践，谈谈研究生智能计算课程的一些教学方法和经验，并提出自己对该课程建设的一些看法和建议。
2 教学内容及课程特点
智能计算课程的主要内容包括：人工神经网络、进化算法、模糊系统、人工免疫系统、群体智能(模拟退火、蚁群、粒子群、蜂群、鱼群、人口迁移、萤火虫算法等)、量子计算、DNA计算等。智能计算不同于其他课程特点，它是一个交叉学科，主要特点有以下几方面。
1)仿生法：仿生是智能计算一个非常重要的研究方法，它强调向自然界学习，采用类比的方法，通过模仿其中的原理规律以得到解决问题的一般方法。如蚁群、粒子群、蜂群、鱼群、萤火虫算法等，无不体现了仿生这一研究方法。此外，还有很多群智能算法通过模仿一些自然或物理现象和规律，如模拟退火算法通过模拟液体的结晶过程设计；免疫算法是模拟生物、植物或动物免疫系统自适应调节功能设计的；量子、分子计算模拟量子论原理而设计；人工神经网络是模拟人的大脑结构及信号处理过程而设计的；进化算法是基于达尔文的“优胜劣汰、适者生存”原理设计的。
2)实验法：智能计算源自于计算机技术的发展及人们对自然界的深入思考，其中的算法有着合理的仿生背景，要彻底说清楚算法为什么行之有效，目前大多算法都缺乏严格的数学理论证明，从数学的角度分析算法的性能是比较困难的。因此，只能通过计算机仿真实验去分析算法的性能，通过实验分析提高对算法机理的认识，然后，寻求理论上的严格证明，改进算法的性能。
3)融合策略：大量复杂问题的存在使得没有一个算法是通用的，同样，智能计算中的方法各有有点，也都有不足之处。算法的融合策略是取长补短，将不同的算法有机地结合起来，以提高算法的整体性能，提高算法的求解能力。融合策略通常将待融合的算法采用“串联”、“并联”、“包含”等模型来融合，其中待融合的算法考虑将智能算法和传统的算法结合起来。这一方面，人们己作了大量的工作，取得了良好的效果。
4)系统理论：智能计算是为了解决复杂问题而发展起来的，系统理论主要包括协同论、突变论和耗散结构等内容，这些对于指导算法设计、改进算法和理解算法的复杂行为方面有指导意义。
3 教学方法及教材建设
针对智能计算课程内容及其研究内容，根据研究生教育规律、研究生学习的特点，笔者采用的教学方法是“课堂讲授、问题讨论、课外研读”相结合的教学方法，借助于多媒体教学手段，采用动漫技术来实现智能算法的仿生机制，从源头上让学生体会每一种智能算法的仿生机制或一些自然或物理现象和规律，归纳起来有以下几点：
1)结合智能计算课程的特点，确立“以大自然、社会等为学习对象，善于观察其仿生机制或一些自然或物理现象和规律”作为理解智能计算课程概念、原理的关键点。
2)启发学生在理解仿生机制或一些自然或物理现象和规律的基础上，抽象出模拟进化计算的一般框架。
3)讲解计算智能的有关理论和算法，课程中穿插了大量的研究案例，告诉研究生如何使用计算智能方法解决各个工程领域的具体问题。
4)要求学生通过具体的研究项目，亲自编写自己的算法程序源代码，培养研究生独立解决问题的能力。总之，随着计算智能的快速发展，每年我们的教，学内容和课件都在更新，以包括最新的研究内容，尤其是我们自己的研究内容，扩大研究生的知识范围。
近几年，我们使用过国内出版的多种有关智能计算教材，如高等教育出版社的《计算智能(第一分册)》、科学出版社的《计算智能中的仿生学：理论与算法》、《计算智能――理论、技术与应用》等教材，但很快发现其中很多地方不适用，因此，我们在教学的过程中，对目前国内出版有关智能计算教材，结合我们课题的研究，针对性选取一些内容来制作课件和讲义进行教学。因此，建议智能计算相关专业的协会或出版社尽快组织教学经验教师编写适合于研究生教学的智能计算教材。
4 教学效果评价方法
智能计算理论与应用这门具体课程来说，最重要的是注重学生的交叉学科知识和能力的培养。因此，本课程学习结束考察方式主要采用：1)闭卷考试。主要考察对智能算法原理的理解和综合运用能力。2)小作业。要求对介绍过群智能算法总结、分析、对比等，形成一个简要总结报告，对介绍过多种智能算法的概念、原理、方法、应用等方面进行总结。3)大作业。检查学生的动手编程能力，要求对介绍过群智能算法的源代码集成，形成一个演示系统。该门课成绩分配如下：成绩=闭卷考试(50％)+小作业(30％)+大作业(20％)。
5 结语
智能计算是随着计算机技术的飞速发展和人们对自然界的深入理解而发展起来，它强调对人类和其他生物、植物等智能行为的模拟，注重向自然界学习，汲取其中有益的规律和原理。与传统的方法相比，智能计算具有自适应、并行性、全局搜索等能力，尤其可解决一些大规模复杂问题。智能计算是人们研究自然以及人类社会自身的一种非常有效的手段，其应用前景非常广泛，目前已经成为人工智能界研究的热点领域。因此，在计算机科学与技术、人工智能等相关专业开设智能计算课程是势在必行，这有着重要的现实意义。
参考文献：
[1]徐宗本.计算智能(第一分册)：模拟进化计算[M]，北京：高等教育出版社，2004：124－132。
[2]徐宗本，张讲社，郑亚林.计算智能中的仿生学：理论与算法[M].北京：科学出版社，200 3：1－9。
人工智能课程总结范文第7篇
关键词：机器人大脑；双培计划；联合培养
1高水平人才交叉培养计划实施背景
《北京市教育委员会关于印发北京高等学校高水平人才交叉培养计划的通知》（京教高[2015]1号）提出共建高校双方要根据经济社会发展急需人才所应具有的知识、能力与素质，联合相关行业企业，共同制订专业和方向的培养目标、培养标准，构建与之相匹配的专业培养计划，包括专业核心课程体系、实践能力培养体系和素质提升体系，培养基础扎实、专业过硬、能力突出的高素质人才。
北京科技大学、北京信息科技大学智能科学与技术专业“机器人大脑方向”双培项目于2015年开始正式实施。目前主要采用“3+1”培养模式，即前3年在北京科技大学自动化学院智能科学与技术专业学习，第4年在北京信息科技大学自动化学院智能科学与技术专业学习并完成毕业论文。
2“机器人大脑方向”双培方案的构建
北京科技大学是教育部直属的985、211大学，其智能科学与技术专业在京为一本招生，而北京信息科技大学为北京市属学校，其智能科学与技术专业在京为二本招生。两校要交叉联合培养学生，需要充分考虑两校的生源情况，在充分论证的基础上制订出相应的培养方案。
2015年4―5月，北京信息科技大学与北京科技大学相关负责人先后进行两次会谈，就两校智能科学与技术专业的建设情况、双培计划的基本情况，“机器人大脑方向”教学计划和培养方案交换了意见，形成了双培计划培养方案制订的初步设想。两校的智能科学与技术专业具有相似的历史渊源和专业方向，因此，在充分讨论的基础上，决定以两校现有的教学计划为基础，按市教委双培的要求修订“机器人大脑方向”教学计划和培养方案。两校分工实施课程教学、实践教学、学生指导、质量评价、组织学生科技创新、学科竞赛等工作。
2.1专业培养目标
具有坚实的数理基础、信息技术的基础知识以及脑科学与认知科学的基础知识，系统地掌握智能科学技术的基础理论、基础知识和基本技能与方法，受到初步科学研究和工程实现的训练，具备智能系统集成、智能技术应用方面研究和开发的基本能力。同时具有全面的文化素质、良好的知识结构和较强的新环境适应能力、自主学习能力和创新意识，并具有良好的语言和计算机运用能力。本科毕业后能够在研发部门、学科交叉研究机构以及高校从事与智能科技相关领域的科研、开发、管理或教学工作，并可继续攻读智能科学与技术专业以及相关学科和交叉学科的硕士和博士学位。
2.2专业课程体系
智能科学技术是一门研究智能现象的本质与机理、智能模拟的方法与技术以及智能机器与智能系统应用的新兴学科，由脑科学、认知科学、人工智能、信息科学技术等学科综合交叉而成。图1给出的智能科学与技术专业的知识体系，确定了课程设计的基本原则：智能应用的过程中需要有信息学科中的计算机、通信、控制和检测等方面技术的支撑；建立以计算机、通信、控制和检测技术为工具，以智能机器人为载体，结合信息科学和智能科学理论基础的课程体系。
为体现“机器人大脑”的专业方向与特色，课程体系中加强了脑科学与认知科学、脑机接口、软件开发与应用、虚拟现实技术等内容。表1给出了智能科学与技术“机器人大脑方向”的专业课程体系，其课程体系模块设计为计算机基础、电路基础、信息与控制基础、机器智能、智能系统五大模块。
“机器人大脑方向”专业核心课程确定为：电路分析基础、模拟电子技术、数字电子技术、信息论与编码、信号处理、控制工程基础、嵌入式系统、微机原理与应用、脑科学与认知科学、人工智能基础、机器人组成原理、计算智能基础、智能机器人、机器学习等。
2.3专业实践体系
按照工程认证相关标准要求，建立了包括金工实习、电子工艺实习、各类课程设计与综合实验、工程认识实习、专业实习（实践）在内的、完备的、面向工程需要的实践教学体系，如图2所示。
3“机器人大脑方向”双培方案的实施
“机器人大脑方向”双培计划是北京地区高等教育综合改革的试点，其目的在于推进北京地区高校之间的合作和优质教育资源的共享，提升北京高校办学水平和人才培养质量。为此，两校通力合作进行了有益的探索与实践。
3.1学风建设
北京信息科技大学为双培学生配备了辅导员和班导师，班导师由学院主管教学的副院长承担。在新生入学的第一个学期，班导师就从中学生到大学生的过渡、适应大学高强度的学习、学习方式方法、班委改选、期中考试后的总结等方面对学生进行指导。学院组织学生集中晚自习，由班导师、辅导员检查。同时班导师、辅导员经常走访宿舍，与同学谈心，使他们明确目标并养成良好的学习习惯。
同时，学校通过微信，不定期与共建高校的教师、学生沟通，随时掌握双培学生的学习生活状况，如自动化学院开通的心动传媒公众号，成为双培学生母校情节的有效纽带。
3.2学生活动情况
北京信息科技大学和北京科技大学充分利用本校的资源，要求双培学生积极参加两校的各类活动，以达到市属学校和央属学校联合培养学生的目的。例如，北京信息科技大学2015年4月邀请双培学生开展了师生党建活动“奔跑的人工智能”研讨会，组织专业引领型学科竞赛――新生R Auto杯智能小车竞速比赛。
由于北京信息科技大学智能科学与技术专业在北京市为二本招生，而北京科技大学智能科学与技术专业为一本招生，导致参加双培计划的同学与北京科技大学的同学在录取分数匕就存在差异，如北京生源的平均分数相差88分，部分同学不适应高强度的学习。经过在北京科技大学半年的学习，虽然双培计划的学生入校时基础较弱，但只要管理严格，也能跟上大部分一本学生的脚步。
人工智能课程总结范文第8篇
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