《人工智能》教学讲座①：智能的概念

《人工智能》教学讲座①：智能的概念（精选7篇）

篇1：《人工智能》教学讲座①：智能的概念

《人工智能》教学讲座①

智能的概念

自从1956年，提出了人工智能（Artificial Intelligence，即AI）的概念之后，人们不断地研究、发展了许的有关人工智能的理论、原理等。就是人工智能（AI）的概念，也在不断地被扩展、更新，以及重新定义。

2017年3月5日，在第12届全国人民代表大会第5次会议的政府工作报告中，指出“加快新材料、人工智能、第五代移动通信等技术研发和转化。”

一、人脑智能的表现

人的智能源于人的大脑。人脑是由大约1011～1012个神经元组成的一个复杂的、动态的系统。

人脑的奥秘，至今还未被完全揭开。因而，导致了人们对智能的模糊认识。但是，从人脑的整体功能来看，智能的表现还是可以辨识出来的。

例如：学习、发现、创造等能力，就是明显的人脑智能表现。人类制造的工具，可以分为辅助体能、辅助智能两大类。

思考问题1：

在下列的辅助工具当中，哪些是属于辅助人类体能的？又有哪些是属于辅助人类智能的？

①杠杆 ②钳子 ③洗衣板 ④算筹 ⑤算盘 ⑥计算器 辅助人类体能的，有：_________________________。辅助人类智能的，有：_________________________。

二、人类的智能

智能是指人类在认识、改造客观世界的活动中，由脑力劳动表现出来的能力，是知识和智力的总和。

⒈知识

知识是人类在改造客观世界的实践中，所获得的认识和经验的总和，是智能行为的基础。

知识包括：①概念。②事实。③规则。

①概念：是人类在长期实践过程中，形成的以区别其他事物的抽象结论。②事实：是人类所认识的客观现象。

③规则：是概念和事实之间，各种联系的描述。

这些概念、事实和规则，构成了人类的知识。并存放在人的大脑中，因此大脑实际上就相当于一个存放大量知识的“知识库”。

⒉智力

智力则是获取知识，并运用知识去求解问题的能力。

智力是智能中，最富有创造性的那一部分。

思考问题2：

①只有人类具有智能吗？其它动物（如：海豚、大猩猩、老鼠、蜜蜂、蚂蚁）是否也具有智能？

参考答案要点：

其他动物也有智能。只是和人类比起来有差距而已。如：导盲、缉毒、搜救的狗。

如：狼群的等级秩序。运用集群的能力，高效率地捕猎。动物智能的进化是逐渐加速的。

人类的科学技术变化越来越快、越来越大，与其他动物的智能差距逐渐拉大。这，也容易使一些人，忽视了其他动物的智能。

②智能和技能有什么不同？

参考答案要点：

智能是指人类在认识、改造客观世界的活动中，由脑力劳动表现出来的能力，是知识和智力的总和。技能是指生活，或从事某种工作，所需要的能力。技能可分为2种：动作技能（书写、骑车）、智力技能（演算、写作）。

知识可以通过语言文字等形式传授，如：生活常识、数理化知识等。

技能必须亲自学习，并坚持练习才能掌握其中的技巧。而一旦停止练习，技能将很快变得生疏，是一种熟能生巧的体力活，对眼手的协调能力要求很高，如：开汽车。

三、智能的特征

人类智能的基本特征表现在4个方面：①感知。②记忆与思维。③学习及自适应。④行为。

⒈感知

感知是人们通过视觉、听觉、味觉、触觉、嗅觉等感觉器官，感知外部世界的能力。

人类的大脑具备感知能力，通过感知获取外部信息。

如果没有感知，人类就无法获取前提知识，也就不可能引发各种智能行为。因此，感知是智能活动的必要条件。

视觉、听觉在人类感知中，占有主导地位。获得外界信息：约80%以上是通过视觉得到的。10%是通过听觉得到的。

因此，在目前的研究中，机器视觉和机器听觉是研究热点。

⒉记忆与思维

记忆用于存储由感觉器官感知到的外部信息，以及由思维所产生的知识。思维用于对记忆的信息进行处理，利用已有的知识对信息进行分析、计算、比较、判断、推理、联想及决策等。

⒊学习及自适应

学习是人类智能的主要标识，是指通过指导、实践等过程，来丰富自身知识和技巧的能力。

学习是人类的本能。每个人随时随地都在学习，既可能是自觉的、有意识的，也可能是不自觉、无意识的。

人人都可以通过与环境的相互作用，不断地进行学习，通过学习积累知识、增长才干，从而适应环境的变化。并根据环境的变化，不断地改变自己的行为。学习是集体活动、个人行为。由于每个个体本身都是不相同的，其学习、自适应能力也是不相同的，因此体现出不同的智能差异。

⒋行为

行为是指人们通常用语言、表情、眼神、形体等动作，对来自外界的刺激，做出的反应，传达信息。

思考问题3：

①列举反映“行为”能力的一个实例：

如：洗手时，手被热水烫到，自然快速收回。②列举反映“感知”能力的一个实例： 如：。③列举反映“思维与记忆”能力的一个实例： 如：。④列举反映“学习及自适应”能力的一个实例： 如：。

智能要体现在知识表示和知识运用上。

如果要将人类智能转移到机器的智能上，人们还需要对人类智能进行深入的、必要的了解，从而进一步地学习、研究人工智能。

四、人工智能

人工智能（AI）是计算机科学的一个分支。

从学科的角度，认识和理解的人工智能（AI）是研究、开发，用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的一门技术科学。

如今，人们认识和理解的人工智能（AI）学科研究的过程，就是将社会问题符号化，再进一步数据化（二进制数据），输入到计算机等数码设备中，进行处理。

附录1：

个体智能

生物是存在智能的。如：蝙蝠有活动（飞行）回声定位系统（声纳）。蝙蝠的声纳不仅可以确定飞行中昆虫的距离，还能探测目标大小、相对速度、方位角及仰角，甚至目标各部位的大小。它还要及时控制全身，灵巧而高效地追赶和捕捉猎物。

这一切所需要的复杂神经计算，仅由一个樱桃般大小的脑袋，在很短时间内完成的！

尽管人们制造了世界第一的“神威〃太湖之光”计算机系统，运算峰值性达到125.436PFlops，持续性能93.015PFlops。

但是，就感觉运动协调、解决问题的综合能力而言，这个计算机系统的智能，还是远远不及1只蝙蝠！

附录2：

PFlops

PFlops：每秒所执行的浮点运算次数。是衡量一个计算机的计算能力标准。

①最前面的“P”是个“数量级单位”。

1P=1024T1T=1024G1G=1024M1M=1024k “PFlops”就是“每秒运算1千万亿（1015）次指令的浮点运算。” 即：1PFlops = 1015次指令/秒 ②最后面的“s”是“秒”的意思。附录3：

群体智能

一些动物的个体能力表现平平，但是其群体却有惊人的表现。如：蚂蚁、蜜蜂等。

白蚁作为个体，只有几个神经元，只会毫无结果地咬着小土块、木屑搬来搬去，好似“没头脑”。

但是，当白蚁的群体变大时，其智能也随之增加了。它们像是思考着的集体社会，又像是某种活的计算机。

蚁群中的蚂蚁，会像接受到命令一样，在各个阶段，寻找不同型号的细枝，建造它们的漂亮蚁丘。

人类也具有群体智能。即：除了个体大脑具有智能以外，还存在一种与群体有关的智能，两者共生。

目前，人们对人类群体智能的认识，还处于初级阶段，但是对人类群体智能的研究，给予了人们新的希望。

篇2：《人工智能》教学讲座①：智能的概念

机器智能

研究、开发人工智能的目的，就是让机器能够模拟、延伸、扩展人的智能，以实现人类脑力劳动的机械化。

所谓人工智能就是机器智能。

一、人工智能的产生

希望计算机能够代替人类，或是充当人类的代理，来做一些更为繁重、复杂的工作。人们只需要告诉计算机“做什么”，计算机就能实现想要的功能，并可以为人类的美好生活，提供各种各样的服务。

人们对日益增长的美好生活需求，促进了人工智能的产生与发展。

二、人工智能的研究 ⒈特点

人工智能具有3个基本特点：交叉性。长期性。广泛性。

①交叉性

人工智能是一门交叉学科、边缘学科，是由计算机科学、数学、哲学、脑科学、认知学、行为学、语言学、生物学、心理学等，多种学科相互渗透发展起来的新学科。

②长期性

人工智能研究的长远目标是制造出能像人那样思维、行动的智能化机器，代替人脑进行工作。③广泛性

人工智能技术的研究、应用领域非常广泛，如：教学仿真实验、商业的市场决策、农业的专家系统、企业的自动化控制等，很多应用领域。

⒉内容

人工智能的研究内容广泛，如有4个研究方向：机器感知。机器思维。机器学习。机器行为。

①机器感知

机器感知使计算机像人一样具有视觉、听觉、嗅觉、触觉、味觉的感觉。如：让计算机能够识别语言、文字、图形、图像、声音、影视、振动、冷暖、气味和质感等。

②机器思维

机器思维使机器对已获取的信息能像人那样有目的的处理。如：让计算机像人类专家一样通过推理、演绎解决各个领域的问题。

③机器学习

机器学习让计算机模仿人类的学习行为，主动获取新知识和新技能。使计算机能够识别现有的知识，不断仿效人类的学习行为，改善自身性能，实现自我完善。如：让计算机像人类棋手那样，通过博弈实践，吸取经验教训，不断提高棋艺。

④机器行为

机器行为使机器运用本身拥有的知识，对获取的信息过程处理，并做出反应。如：让参与海底打捞的智能机器人，根据海水的深度、被打捞物的形状、海底的地质状况等工作的环境状况，自主地完成打捞任务。

⒊方法

研究人工智能通常有3种方法：结构模拟。功能模拟。行为模拟。①结构模拟

结构模拟是以人脑的生理结构和工作机理为基础，对人脑的神经细胞及其构成的神经网络进行研究，采用神经计算的方法来实现学习、联想、识别、推理。

②功能模拟

功能模拟是以人脑的心理模型为基础，将问题或知识表示成某种逻辑网络，采用符号推演的方法来实现搜索、推理和学习，模拟人脑的思维。

③行为模拟

行为模拟是通过模拟人在控制过程中的智能活动和行为特性，如：自寻优、自适应、自学习、自组织等，来研究和实现人工智能。

三、人工智能的发展

人工智能的发展大致可分为3个阶段：起步阶段。发展时期。发展新阶段 ⒈起步阶段（1956～1970年）

早期的人工智能研究是从智力难题、弈棋、难度不大的定理证明等简单问题开始的。研究的目的不在于实际应用，而在于探索人的解题策略。

自然语言理解、机器视觉、智能机器人等，也是在这一阶段开始研究的。

⒉发展时期（1970～1980年）

知识工程技术的出现，使得人工智能由单纯的理论探索，开始面向实际应用。是人工智能发展史的重要转折点。

专家系统、自然语言理解系统、物景分析系统、自动程序设计系统等的相继出现，使得知识的表示和运用，成为人工智能所有领域的关键技术。

⒊发展新阶段（1980年以后）

人工智能研究成果开始商品化，出现了用于精密检测的机器视觉系统、用于装配作业的初级智能机器人系统和用于计算机的自然语言接口、各种专家系统。

人工智能向更高水平发展，进而开始研制知识型的智能机器人、知识信息处理系统或第五代智能型计算机。

四、人工智能研究领域

计算机是信息处理的主要工具。

由于计算机能够代替和延伸人类大脑的一部分功能，以至于称之为“电脑”。但是，目前的计算机只能按照人们为其编排好的程序步骤工作，难以满足人们日益增长的、越来越广泛的美好生活需求。

人工智能应用的领域

人工智能应用的领域非常广泛，如：问题求解、模式识别、符号运算、自然语言理解、智能检索、机器证明、专家系统、机器人学等方面。

⒈问题求解

人工智能的许多概念，如：归纳、推断、决策、规划等都与问题求解有关。在对弈的过程中，计算机棋手会像人类一样思考，从规则、技巧等各个方面进行判断。田忌赛马就是典型的问题求解中的博弈问题。

思考问题1：

①田忌与齐威王，共有几种赛马策略？ ②孙膑向田忌献的是什么样的赛马策略？ ⒉模式识别

模式识别就是研究如何使机器具有感知能力。机器感知是机器获取外部信息的根本保障。

计算机识别系统就是使计算机具有模拟人类通过感官接触外界信息、识别和理解周围环境的感知能力。

模式识别技术已经逐渐在图形识别、图像识别、语音识别、机器人视觉、染色体识别等，在许多领域，获得成功的应用。

⒊符号运算

符号运算，又称代数运算，是一种智能化的计算。符号运算处理的是符号。

符号可以代表整数、有理数、实数和复数，也可以代表多项式、函数、集合等。

⒋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自然语言的领域。是指机器能够理解并执行人类所期望的某些语言功能。如：回答有关提问、生成摘要和文本释义、机器翻译等。

思考问题2：

①能否通过把语句分解为各个孤立的部分，然后在字典中查到这些孤立部分的释译，来实现两种不同语言之间的翻译？

②如果不能，在翻译的过程中，还应考虑哪些因素？ ⒌智能检索

在如今的大数据时代，各类繁多、数量巨大的科技文献，用传统的网络数据库的检索技术，远不能胜任。

智能检索的研究，已成为当代科技持续发展的重要保证。

⒍机器证明

机器证明是用计算机来完成数学命题的证明，是现代数学中一种新兴的边缘性学科，也是人工智能发展的一个重要方向。

⒎专家系统

专家系统是人工智能研究领域里，最活跃、最有成效的。研究让“计算机专家”起到人类专家的作用。

根据某个领域里，1个或多个人类专家提供的知识、经验，进行推理和判断，模拟人类专家求解问题的思维过程，以解决各种问题。

⒏机器人学

具有人工智能的机器，需要具备感知、记忆、思维、学习、行为的能力。机器人不一定做成人的外形，但是，一定要能够模拟人的思维、动作，在程序控制下，能够自动完成人类部分工作的机器。

随着科学技术的发展，人工智能各个领域之间会互相渗透，使得相互联系更加紧密，这种融合与渗透，必将促进人工智能研究的进一步发展。

附录1：

人工情感

情感在人的思维活动中占据极为重要的地位，决定和制约着人的行为活动和其它思维活动的基本框架与总体方向。

人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感。使机器具有识别、理解和表达情感的能力。

由于情感是一种特殊的、更深刻的认知，具有更高的复杂性和多变性。因此，人工情感必须建立在一定程度的人工智能的基础上。

人工情感的发展，可分为7个基本阶段：

①算术运算。②数学运算。③逻辑推理。④专家系统。⑤模式识别。⑥情感计算。⑦情感理解

（其中：前5个阶段，是人工智能的发展历程。）

情感是一种特殊的认知。意志又是一种特殊的情感。人工情感可以使计算机具有友好的、人性化的人机界面，更重要的是能够使计算机具有更高的信息处理速度与效率，具有独立的决策能力和行为控制能力，具有创造性和开拓性的思维能力。

如果人工情感全面实现了。那么，人与机器人之间，就可以实现全面的融合，没有明显的界限、本质的区别。

彼此可以相互转换、相互渗透、相互促进，也无所谓人与机器之间存在什么矛盾与冲突，这就是人工情感的最终归宿。附录2：

达特莫斯会议

1956年夏天，在美国达特莫斯大学，召开了一次影响深远的历史性会议。与会者仅仅只有10青年学者。

研究的专业包括有：数学、心理学、神经生理学、信息论和计算机科学。

在会上，分别从不同的角度探讨了人工智能的可能性。

达特莫斯会议历时长达2个多月。

学者们在充分讨论的基础上，首次提出了“人工智能”这一术语，标志着“人工智能”作为一门新兴学科正式诞生。附录2：

图灵测试

阿兰〃图灵提出：在一个房间里，由1位提问者通过计算机与另外2个回答者人和机器对话。

篇3：在概念教学中加强智能训练

关键词：概念教学,数学知识,智能训练

概念是进行思维的基本单位, 是教师和学生进行信息交流的信息单位。准确、科学地进行概念教学, 可以加强学生对所学知识内容的理解、掌握, 有效地促进学生逻辑思维能力的发展, 提高他们分析问题和解决问题的能力, 可以在有限的时间内使教师传授的知识更准确、系统, 还可以大大节约教学时间, 提高教学效率、效益。

概念教学同智能训练紧密结合, 融于一体, 这是小学数学概念教学改革的一大突破。

一、引入概念过程中进行智能训练

引入概念过程, 是一个智力活动过程, 它往往可以进行多种智能训练。

1. 实物分类—数分类—分析概括

如教学“质数与合数”, 第一步, 让学生把涂有红、黄、蓝、绿四种颜色的三角形、正方形和圆形学具分类。因为没有规定标准, 所以有的学生按颜色分为四类, 有的学生按形状分为三类。这时, 教师提出:为什么会有两种分法?从而明确分类必须有确定的标准。第二步, 让学生把1~12这12个自然数按照它们的约数个数分类。一开始学生可能分成有一个约数的、有两个约数的、有三个约数的、有四个约数的、有六个约数的五类, 于是, 第三步, 让学生观察, 分析只有两个约数的数, 看看它们的约数有什么共同的特征?以此为界, 把自然数分为质数、合数和0、1四类。

2. 观察—归纳—推演

如教学“时刻”与“时间”这一对概念。第一步, 教师提着闹钟走上讲台, 用手势让同学观察钟面, 记下什么时候上课铃声落 (比如8点10分) , 然后让学生继续观察钟面, 待到8点12分, 闹钟突然响了 (闹钟响的时间老师课前已拨好) , 接着再让学生记下老师开始讲课的时间 (比如是8点13分) 。第二步, 让学生归纳8点10分、8点12分、8点13分有何共同之处, 使学生懂得8点10分是上课铃声落的一刹那, 8点12分是闹钟响的一刹那, 8点13分是老师开始讲课的一刹那。它们共同之处都是“一刹那”。这时, 教师告诉学生, 这就叫做“时刻”。第三步, 教师提出问题, 从8点10分铃声落的时刻到8点12分闹钟响的时刻, 中间经过几分钟? (两分钟) 这两分钟你们干什么来着? (看钟) 这就是说, 你们看钟用了两分钟时间。可见, 时间是指两个不同时刻间的间隔。

3. 测算—推想—揭示

如教学“圆周率”, 第一步, 让学生各自测量自己所找的圆形物件的周长和直径, 并且各自用自己测得的直径数去除周长数, 计算其商。第二步, 把各自求得的商写在黑板上, 让学生观察这些数据, 并展开想象。有的同学看到这些商数值近似, 想到可能应该一样, 只是由于测量的精确度不同才引出一点差异。第三步, 教师引导学生思考:如果这个数值一样, 能说明什么问题呢?它说明不论圆大圆小它的周长总是其直径的固定倍数。至此, 教师指明, 同学们的想象, 前人已经证明是正确的, 这个确定的比值叫圆周率。

4. 演示—对比—分析概括

如教学“平均数”的概念, 第一步, 教师在课桌上摆出三堆一立方寸大小的正方体木块, 第一堆三块, 第二堆四块, 第三堆五块。然后, 教师又把这些方木块混在一起, 重新平均分成三堆, 每堆四块。第二步, 提问:原来的三堆和现在的三堆有什么不同?学生不难答出:原来的三堆每堆的数量不相同, 现在的三堆每堆数量都相同。第三步, 接着提问:第二次的分法可以怎样称呼? (平均分) 第二次每堆分得的数量应该叫什么数? (平均数) 可见, 把原来的各个部分数合成一个总数, 然后按照规定的份数平均分配, 这样分得的每份数叫做平均数。这样也就揭示出“总数÷总份数=平均数”的计算规律。

二、在掌握概念本质特性过程中进行智能训练

把智能训练贯彻于掌握概念本质特性过程中, 能收到一箭双雕的效果。例如, 演示—比较—引申。如认识百分数的本质特性, 第一步, 从实例中引出若干分数, 其中含有分母为100的分数, 如7100、51100等, 演绎可知百分数是特殊的分数。第二步, 把一般意义的百分数和分数加以比较, 认识分数和百分数在计数意义上的差异, 分数既可以表示具体的量, 也可以表示两个数量之间的倍比关系, 百分数只能表示两个数量的倍比关系, 不能表示一个具体的量。第三步, 由百分数的上述特性, 引申出下列各点:

(1) 百分数既然表示两个数量的倍比关系, 那么它就有一个标准量和一个比较量;

(2) 百分数的分母都是100, 这就为采用特殊的写法提供了可能, 甚至在特定条件下 (如表格中) 可以只写分子;

(3) 百分数有统一的分母, 就为比较所占份额的大小提供了方便, 为比较的精确, 分子中允许出现小数。

三、在巩固概念的过程中进行智能训练

巩固概念离不开练习。练习可以有两种, 一种是直接性练习, 比如学了圆周率以后, 让学生用直径求周长, 用周长求直径。另一种是间接性练习, 把运用概念和训练智能结合起来。后一种练习值得提倡。现列举几例。

1. 观察—变通—应用

如教学分数概念后, 出示如下图形, 让学生回答阴影部分的面积是整个面积的几分之几。学生经过仔细观察, 发现 (1) 与 (2) 、 (3) 与 (4) 相等, 用等量代换的方法把图1转化为图2, 从而得出阴影部分面积是整个长方形面积的2/5。

2. 联想—分析—判断

比如推导出圆的面积公式之后, 提出这样的问题:“半径×半径”可以得到一个怎样的面积?学生可能由“半径”想到圆面积, 但又感到和刚刚推导出的公式不符, 继而可能想到是圆的一部分的面积, 然而又想不出是怎样的一部分。这时学生的思想可能会放大范围去寻找别的答案。有的同学可能会把正方形面积公式中的“边长×边长”与这里的“半径×半径”发生联想。如果想到正方形的边长正好等于圆的半径的情况, 问题就得到了解决。

3. 比较—联系—综合

概念与概念无不发生千丝万缕的联系, 掌握概念靠孤立地学和练习是不可能完成的, 需要把它放在相应的概念系统里作进一步的认识。比如教学“梯形”概念之后, 让学生把四边形、平行四边形、长方形、正方形、梯形等概念填入下列图中相应的圆圈里。通过这样的练习, 既可以使学生了解四边形的概念体系以及梯形在这个体系中所处的地位, 又可以培养集合能力。

篇4：《人工智能》教学讲座①：智能的概念

关键词：多元智能  大学英语  分级教学

中图分类号：H319 文献标识码：A 文章编号：1674-098X（2014）10（c）-0110-01

1 多元智能理论为大学英语分级教学提供了理论基础

在研究不同对象的脑和智能的基础上，美国发展心理学家霍华德.加德纳教授（Harvard Gardner）于1983年首次提出多元智能理论。他指出人的智能是多元而非单一的，共包含以下八种智能：语言文字智能;数理逻辑智能;视觉空间智能;身体运动智能;音乐智能;人际交往智能;自我认识智能;自然观察智能。每个人都同时拥有相对独立的八种智能，同等重要。智能并非一成不变而是可以被提升的，只要能得到适当的刺激，几乎所有智能在任何年龄段都可以发展。但由于其不同的组合形式以及受环境、教育等影响，每个人表现出不同的智能优势组合，突出其中一两种智能，由此造成个体之间千差万别。因此，教育过程中应十分留意这种差异性，因材施教，全面培养学生的多元才能。

多元智能理论所主张的智能多元化和个性化教学理念与当前大学英语分级教学实践不谋而合。近些年我国高等教育飞速发展，高校学生来自全国不同的地区，入学时即便同一班级内部英语水平差异也很大。此外，不同专业对英语的要求也不一样，这就要求大学英语在教学大纲、教学方法、教学目标上不能一刀切。对此，很多高校都实施了大学英语分级教学，改变忽视学生个体差异的传统英语教学模式，满足学生英语学习的不同需要。本文结合多元智能理论对改进当前的大学英语分级教学提出一些建议。

2 当前大学英语分级教学中出现的问题

毋庸置疑，大学英语分级教学通过对学生划分不同等级进行有针对性的教学，大大提高了教学效率。但经过调查，作者认为当前分级教学还存在以下问题。

（1）等级划分标准不够科学。当前常用的做法仅是根据学生高考英语成绩或者入校模拟考来划分等级，而且在接下来的两年大学英语学习中等级固定不变。这种一考定级别的方式没有考虑到学生个体在智能结构、学习动机等方面千差万别，缺乏能上能下的动态竞争激励机制，抑制了部分学生的学习积极性。

（2）教材教法比较单一。目前实行分级教学的高校仍选用同一教材，不同级别的差异只是学习进度上不同。分级教学后，教师准备不足，仍沿用传统的教学方法，无法满足分级教学的需要。

（3）教学评价体系不完善。当前对学生的平时考核主要由任课教师一人完成，而教师往往比较仁慈，对学生的平时成绩尽量往高打，拉不开差距，这样一来，部分本来对英语兴趣不高的同学就认为英语好混，很好过关，而班上基础好的也觉得平时努力不努力结果都差不多。显然，这种评价体系不但没有调动起学习主动性，反而助长了懈怠散漫之风。

3 运用多元智能理论改进大学英语分级教学

多元智能理论为英语教师提供了理解和区分学习者不同认知能力的科学方法，提高了对学习者个体差异的认识，因此将多元智能理论应用于大学英语分级教学将获得更好的效果。对此，作者提出以下建议。

（1）确立科学的分级标准，建立动态的激励机制。合理的编排学生班级是分级教学取得成效的前提。新生入学的分级摸底测试应科学地设计试题，尽量包括对各种智能的考查。另外，安排学生填做智能检测表格，使其明晰自己的优势和弱势智能。此外分级教学应采用动态管理模式，以学期为单位允许小范围内的班级调整。这种优胜劣汰似的竞争机制一方面可激发学生的学习热情，另一方面根据学生不断变化的学习水平和学习能力，进行有效的因材施教。

（2）基于不同的智能，进行多样化的教学。实际上，分级教学后教师面临着更大的挑战。首先应根据分级教学的不同对象和培养目标合理调整教学材料，筛选与学生关联性强的内容，既要好读有趣，又有一定的挑战性，有提升的空间。在教学的多个环节也应融合更多的智能活动，引起不同智能倾向学生的兴趣，发挥其强势智能，带动弱势智能，培养学生的多元智能发展。

（3）深挖教材，创造性调动学生多种智能。多元智能理论要求教师发挥想象，用更有意思的方式吸引学生积极参与到英语学习中，帮助学生更加全面、深刻地理解内容。例如《新视野大学英语》第二册Section A：A Test of True Love。这篇文章讲得是一位念经军官和一位素未谋面却通过书信给他力量的女孩之间的爱情故事。教师先简要分析文章，并让学生口述对真爱的理解。爱情这个话题，学生总是兴味十足。接下来，按学习小组自己编排体现“真爱考验”的英文话剧。这一活动中，学生需要组织运用语言智能、肢体运动智能、自省智能、人际交往智能等在合作中完成。对教材的这种运用，让学生觉得很新鲜，参与度极高，既可对所学内容印象深刻，又让学生有了发挥才华的机会，激发了他们的学习兴趣。

（4）建立多元化的规范评估体系。多元智能评估设计应涵盖反映所有智能类型的不同形式，采用表演、设计、课堂观察等开放式手段，对学生进行多元化的评价，更好地发挥评价的促学作用。平时成绩打分的主体不应只限于老师，可以包括自我评价、同学小组互评、专家督导团点评。

4 结语

多元智能理论指导下的分级教学可以充分发挥学生的智能优势，将课堂上的丰富多彩、有声有色，最大程度地调动学生的学习热情，提高综合英语能力。同时，多元智能理论对教师提出了更高的要求。教师必须不断学习，丰富自己的知识储备。

参考文献

[1] 霍华徳.加德纳著.多元智能[M].沈致隆译.北京：新华出版社，1999.

[2] 梁爱民.多元智能理论与多元化大学英语教学模式研究[J].山东外语教学，2006（5）：80-83.

篇5：《人工智能》教学讲座①：智能的概念

然而大多数非专业人士对智能建筑的概念并不清晰,甚至仅仅停留在知道这个名词的层次上,更不用说学生作为初学者刚刚接触到这个领域。本文将列举在智能建筑教学中所遇到的若干问题并加以分析,以期望对学习者有所帮助并获得更多的交流。

一、智能建筑的概念范围

智能建筑的概念并非局限于建筑物方面,我国对智能建筑的理解一向强调其三个自动化,即建筑设备自动化、通信自动化、办公自动化,也就是智能建筑的三大子系统,从中我们也可以看出智能建筑的内容相当广泛。除此之外还有许多名词,例如防火自动化系统、防盗自动化系统、楼宇自动化系统,这些概念有所差异,许多书籍也并未说明。

习惯上人们将智能建筑分为建筑设备自动化、通信自动化和办公自动化三大子系统,并以综合布线为基础进行系统的研究。需要注意的是建筑设备自动化系统,其概念有广义和狭义之分:广义的建筑设备自动化包括建筑设备管理系统、火灾报警自动化系统和防盗保安系统等;狭义的建筑设备自动化系统仅仅指的是建筑设备管理系统[1]。而许多书籍提到“建筑设备自动化”一词时并未作说明,其表示含义应从上下文判断。

确切来讲智能建筑范围并无边际,只要建筑物有的它都包括,因而我们将智能建筑划分成三大子系统及其它二级子系统,都是对于目前常见的功能设备,在实际应用中完全可以根据实际需求重新进行分析设计。

需要指明的是智能建筑概念是1984年伴随着第一座智能建筑的出现而出现的,而建筑设备自动化、防火自动化系统、防盗报警系统等内容在智能建筑出现之前就已存在。可以这样理解,智能建筑出现以前,智能建筑的各子系统就已经产生并各自发展着,智能建筑的出现就是要将这些基本上独立的子系统相互联结起来并形成一个有机的整体。

二、智能建筑的标准

了解智能建筑的人都知道智能建筑的概念国际上并没有统一,许多书籍上也写明了诸如美国、欧洲、日本以及中国的定义,此处不再赘述。但是我们换一个角度来问:什么样的建筑物才能算是智能建筑?也就是说现实中建筑许许多多,带有防火、防盗自动化功能的也不在少数,这些建筑物如何区分,总不至于建筑物具有一些自动化的功能,我们就称它为智能建筑。

许多书籍并没有这方面的说明,初学者也因此对智能建筑十分迷茫,似乎许多建筑物都是智能建筑,又似乎都不是,因而我们需要对智能建筑定义一个标准。经分析,智能建筑必须具备以下四个条件:一是一套先进的楼宇设备控制系统,以营造一种温馨、回归大自然的生活环境;二是一套结构化布线系统,将整座大楼或整个小区的数据通信、语音通信、多媒体通信融为一体;三是一个现代化的通讯系统,以满足现代信息社会高效率的工作需求;四是一个对大楼的强电设备和弱电系统进行统一监视和管理的系统集成平台,为住户提供良好的物业管理和一流服务[2]。用这些标准,我们就可以对现实中的建筑物进行清晰的判断。

三、智能建筑的优越性分析

智能建筑要比普通建筑优越,这一点许多人都知道,但是要细数其优越性在哪里,恐怕还是有不少难度的。然而显而易见的是智能建筑的建设成本必然高于普通建筑,这高出的成本是否能在建筑物的管理维护中回收,这些对于初学者来说都是不小的疑问。

最初的智能建筑是在写字楼这种环境中,也就是一座建筑物中有许多比较独立的使用者。显然这种环境中以统一的智能建筑手段管理设备、集成办公通信,对于使用者和管理者来说都有莫大的好处。随着智能建筑的发展,其概念延伸至商场、医院、宾馆等诸多类型的建筑,这些环境中智能建筑更多地体现出科学管理、方便办公的特点。

总结一点,对于一座建筑物属于多个使用者的环境,智能建筑的优越性体现得十分明显;对于一座建筑物只属于一个使用者,其经济效益性相对要弱些。但无论如何,智能建筑的一个根本目的是让人们摆脱防火、防盗、停车安全等日常琐事,从而能够一心一意地投入到工作中[3]。

四、面向设备设计思想

智能建筑中面临的一个主要问题就是设备种类繁多,小到一盏灯,大到通风、空调等机电设备,所有在建筑物中出现的设备都需要我们用科学的手段进行自动化设计和管理,这显然不是容易解决的问题,智能建筑难度也由此而生。人们研究了许多方法来解决这个问题:划分子系统、模块化、结构化等,这些都是为了将复杂问题简单化;除此之外还有两个设计思想就是面向功能设计和面向设备设计[4]。

面向功能设计并无新颖之处,目前大多数书籍所介绍的都算是这种思路。而提到面向设备设计思想,我们不得不提及目前的微型计算机系统。计算机中,处理器和内存才是核心部件,被称为主机,除此之外其它所有部件,诸如键盘、显示器等,都算是外部设备,那么细数起来计算机主机要管理的设备不在少数,而且这些设备还可以扩充增加。很显然制造计算机时并没有考虑到如此多的设备功能,但这些设备却都可以在操作系统的控制下完成各自的功能,这应该说就是一种面向设备的思想。

计算机系统中每一个硬件设备都配有相应的驱动程序,这个驱动程序向下控制设备的运行,向上按照计算机系统的要求提供了统一的管理接口,于是从计算机系统的角度来看,设备之间的差异已经不存在,各设备均可正常稳定地工作。由此我们可以看出驱动程序从中起了巧妙的作用。

将这种思想引入到智能建筑设计中,不同类型的诸多设备通过驱动程序进行管理,再提供统一的标准化接口与上层管理连接,从而实现整个系统的有机结合。这种设计思想固然巧妙,但实现难度可想而知,毕竟智能建筑远不如计算机那么简单、普及。

五、建筑信息化

世界上第一座智能建筑出现于1984年美国哈特福德市,随后智能建筑一词随即而生。随着技术的发展,智能建筑日臻完善,形成了建筑设备自动化、通信自动化、办公自动化三大子系统。然而智能一词所代表的含义有所深奥,不易让人明了,就像计算机技术中的人工智能,虽然许多人都听说过,但对其中原理知之甚少;同样智能建筑一词知道的人很多,但了解其内涵的人却很少。实际上智能建筑中主要是自动化技术,以自动化的手段对建筑物内的设备进行管理,与计算机领域的高深的智能并不相干,智能一词反而有所掩饰智能建筑的本质。

目前和智能建筑相关的概念中有一个称为建筑信息化,很明显是要用计算机等相关技术整合建筑物及设备的信息,从而完成管理等工作。从这个角度来讲,建筑信息化和智能建筑这两个概念是相似的,但是其概念简单明了,显示出技术领域和发展目标,容易被大多数人理解。因此,在学习智能建筑过程中,可以适当地使用建筑信息化的概念进行补充。

六、总结

智能建筑领域涵盖内容广泛,在目前科学技术发展迅速的前提下,许多概念既有关联又有矛盾,在教学过程中很容易造成学生困惑。本文对一些基本的概念问题进行了分析,希望对教学和学习有所帮助。

参考文献

[1]王娜,王检等.智能建筑概论[M].北京:人民交通出版社.2002.

[2]什么是智能建筑(新闻解读)[N].市场报.2003年7月16日.

[3]王坚.智能建筑综合管理[M].北京:中国电力出版社.2005.

篇6：人工智能不是未来派概念

Pelican公司的创始人兼首席执行官帕尔特·德赛 (Parth Desai) 认为, 人工智能已是事实, 而非幻想, 银行业现如今的重中之重是在交易与支付上实现人工智能的实际应用。

根据Gartner预计, 到2020年, 人工智能将普遍存在于新产品中。帕尔特说:“现在大家都在讨论人工智能在金融服务上的潜力, 以及它将如何帮助精简程序并提高附加价值, 但我们必须从现实的角度了解哪些是具有可能性和操作性的。”

循序渐进的迭代过程

无疑, 人工智能正通过计算能力和机器学习来模仿人类的智能行为, 尤其是在军用和民用领域。尽管各行各业对它的炒作热度有增无减, 人工智能也不应被视为解决任何问题的灵丹妙药, 甚至它还有较长的一段路要走。

在帕尔特看来, 人工智能是游戏规则的改变者。金融服务业的早期采用者则认为这是一个循序渐进的迭代过程, 随着时间的推移, 人工智能将戏剧性地改变银行业的用户体验。在某些交易银行和支付合规领域, 已经可以在劳动密集型的环节中看到人工智能应用的身影, 例如最低成本的路由维修等。银行业下一步将集中在产品创新领域, 并减少市场投放时间。人工智能的应用案例几乎都证明了, 人工智能确实有助于减少甚至取代一直以来由人类劳力担任的知识密集型、单调性和重复性的工作。

但问题的关键在于, 目前人工智能仅仅提高了高水平人工环节的附加价值。人工智能技术能在先前的经验、事件和行为数据的基础上, 提供理解交互能力并智能化地挖掘这种能力, 使计算机在类似事件重复发生时能自动执行过去的行为指令。

在金融领域, 深度学习必须受到一定的控制和监督, 人工智能的见解及其行为背后的原因分析应继续安排专人审查, 以确保应用程序自动化的准确性和一致性。这样做的好处是, 一旦更好地、准确地理解了上下文和操作, 机器学习也将获得改善知识发现的新方法。在这种方式下, 人工智能的情报能力通过经验和行为的变化与调整, 获得了持续发展。

智能支付管理

金融行业迫切需要改变, 这也是智能支付管理概念出现的原因。根据对人工智能20多年来的沉浸式研究, 帕尔特认为智能支付管理有潜力改变每一个金融机构的运营方式, 并且最终所有金融机构都能开展这项业务。人工智能以深度学习、自然语言处理和基础知识系统这3个关键领域为支撑, 而智能支付管理可确保计算机精确处理每个支付环节, 并充分理解每笔模仿人类推理而达成的交易背后的目的。

据帕尔特了解, 几乎每一家银行在交易银行和支付领域采用的都是效率低下并且高度依赖人为干预的处理方式, 这也成为银行智能化的主要阻滞剂。许多银行正疲于应对这种复杂低效且扼杀创新的大环境, 这反过来严重限制了银行快速高效的业务处理能力, 难以满足日益苛刻的客户群的需求。

目前仍存在这种状况, 不少人认为, 人与机器之间的交互通过人工智能得以丰富起来, 但同时也认为人工智能基本上仍是一个未来派的概念。尽管人工智能还远远不够智能, 一个小孩子轻易能够完成的动作对机器人来说, 都几乎是难于逾越的挑战, 但在帕尔特看来, 人工智能不是一个未来派的概念。

篇7：《人工智能》教学讲座①：智能的概念

集群智能概念(Swarm intelligence),提供了解析乡土聚落演化结构的理论构建平台、模拟乡土演化的数字技术平台。“集群智能(swarm intel igence)是源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究。在自然界中,有的生物依靠其个体的智慧得以生存,有的生物却能依靠群体的力量获得优势。在这些群体生物中,单一个体没有很高的智能,但个体之间可以分工合作、相互协调,完成复杂的任务,表现出比较高的智能。它们具有高度的自组织、自适应性,并表现出非线性、涌现的系统特征。”基于集群智能概念,将聚落内不同空间组团、不同空间功能乃至不同家庭组织等,视为不同属性个体(Agent),多种个体的涌现即为“集群”,演化就是不同时间阶段、不同尺度层级下多集群的相互聚合、排斥及协同过程。演化过程由三种力作用而成——内聚力(cohesion)、分离力(separation)、协同力(alignment)。它们将不同集群整合为稳定的组构关系,即形成新的结构体系。

基于此,聚落演化包括空间肌理的显性演变和传统文化内核的隐性传承,聚落再生则是对空间结构原真性与空间内涵多义性的“句法”重构。

1.聚落空间生长轴网提炼

以时间维度解析乡土聚落的演化,是始终向前且不可逆的累积,呈现为不同时间点下、不同空间密度里的“涌现”。这种“涌现”的本质是群集智能(swarm intelligence)概念下,空间吸引点所形成的内聚效能的反应。空间吸引点,是空间向心模式在形态肌理上的内聚和场所精神上的凸显。聚落中,基于“人-活动”的主线,建构“人-家庭”的住居维度(范围1m-10m)、“人-社会”的聚居维度(范围10m-50m)、“人-自然”的地景维度(范围50m-100m)。空间吸引点,是聚落空间的内聚向心力,也是聚落空间中最富活力和辐射力的基点,以此催化空间体系的生长和血缘上的向内集聚。

静止地看,吸引点在空间形态上以“点”状形式出现,以民族文化中的事件和传统为凝聚点,形成一种向心空间的内聚力。在实际聚落中,表现为住居维度上的合院或厅堂等为代表的共享和集体空间;聚居维度上,祠堂及公共建筑;地景维度上,水岸、公共空间、码头、广场、凉亭等。动态地看,空间吸引点随时间演化的不断涌现,体现了“分形同构”机能,其实质是内聚力衍生的控制力和辐射力形成“点”,在聚落的不同层级上建构空间中心,实现同质吸引点的同层集聚和异层跃迁、异质吸引点的多层集聚和同层链接,这便形成层层嵌套且自相似的结构拓展。具体而言,当空间吸引点的空间位置和层级明确后,其所具有的向心力和辐射力便演化为各种潜在的“线”,通过有形和无形的媒介、隐形或显形的“文化线”和“功能线”等,建立空间吸引点之间的联系,编织成一个张张网,潜移默化地通过人的生活、生产和社会活动形成多层链接和跃层组构,亦如细胞成群的生长过程。

依据集群智能概念,通过群集点云(swarming point-clouds)模拟可提炼轴网原型。方法是择取一个传统村落,基于信息流的集聚(information flow aggregation),找“空间吸引点”,依据实测的人流聚集密度核定点的层级和等级,确立点的具体位置。通过对点与点之间在使用功能上的依存关系、传统惯习上的承载关系,架“线”,并总结“线”的产生规律,并提炼数理关系。最后,针对“点”与“线”的不同建构状态,进行算法研发,建构参数化模型。通过点云模拟聚落各阶段“点+线+网”变化,提炼基于不同时间点内聚力下三个维度层叠嵌套的生长轴网。

2.聚落功能组构逻辑提纯

沿着空间轴线展开的聚落演化,是空间肌理的演变及文化场域的变迁。以集群概念理解,分离力(separation)如胞分裂般,展现出从聚落初始单一的生存需求到多种复杂生活功能的孕育。在聚落原住民与自然的初始生存对话中,形成农业耕种、狩猎放牧、打渔结网等大地景观,生存方式渐趋多元;随社会文化发展,人与人的关系网愈加繁琐,生产关系走向复合,经济商贸、交通组织、传统文化、宗教信仰、政治管理等功能分化日益清晰;聚落在多重关联中,建立以家庭为核心的基本单元,从“家庭-族群-街坊-住区-聚落”层层放大、逐步拓展的叠套中,生活需求所引发的聚落功能组织关系逐步复杂。

基于集群智能概念,理解聚落功能组构逻辑的变迁,依据分离力原则,厘清三种功能组构形式:共生性组构,是聚落同一功能演化出不同新功能的孕育关系。依存性组构,是不同功能互为补充和互为限定的并行关系。互补性组构,是功能属性互为限定,但空间形态却模糊包容的涵纳关系。三种组构形式在聚落日常生活中演化出“循环互生”的机能:以单一空间功能为基础,因分离力衍生所产生的功能供求力和配置力,将单一空间组合为组团,再通过多种功能组合形成更高一层次循环,最终实现整个聚落功能体系的供需闭合。空间肌理上以“面”的组合实现“体”的组织,实现基于三种组合模式的功能逻辑序列。序列如同编码,在功能的组合与被组合、拆分与被拆分的过程中,实现编码的组织和转译。

依据集群智能概念,通过拓扑空间形(topology awareness-spacegraph)模拟,首先针对某一具体形态的村落,拆分其不同功能,分析功能之间存在的共生、互补、依存关系,进行功能组合原型归类;同时,利用信息技术,针对上一阶段绘制出的三个层级的空间吸引点的所在,分别依据功能使用关系进行连线,便可建构不同层级及不同层级之间的多种“面”,当然这种面既是对使用理解抽象,也是对关联的直观图解。其次,构“体”,通过不同功能面的组合形成“体”,当体的配置得当,便构成一个小的循环的实现“系”。最后,针对演化中“面”与“体”的不同状态进行算法研发及建构参数化模型。并通过拓扑空间形模拟聚落各阶段“面+体+形”变化,提纯功能类型组构逻辑。

3.聚落场域情境秩序提取

沿着人的行为轴线展开的聚落演化,是多主体、多行为的混沌且有序的发生。以集群概念的协同力(alignment)来理解,表现为不同行为范围下的情境叠加。将聚落原住民依据年龄、性别、职业、家庭归属、社会分工等进行分类,每一个时刻、每一个主体都有自身的生活轨迹,以“人-渔猎”为潜在的协同力,图解他们的轨迹,以时间列表、以路线绘图,轨迹串联起聚落的不同功能、不同领域、不同场所。这种从人的行为模式出发图解聚落空间,是多种行为模式串联下的环境生存场域、社会行为场域、家庭生活场域的轨迹叠合和秩序复合。生活情境下的空间秩序,是以“人-家庭”行为模式为基点;社会情境下的空间秩序,是以“人-社会”行为模式为基点;生存情境下的空间秩序,是“人-自然”行为模式为基点。虽然,不同主体的行为模式和路径轨是唯一的,但在“协同力”作用下通过活动串联起不同的空间范围和场所领域,变现为“契合协作”机能。以此,通过行为模式所构建的协同力,塑造场域、延续文脉,传统随聚落空间结构拓展而共同衍生。

依据集群智能概念,通过轨迹溯源(trace and root)技术,建构场域情境秩序。首先,基于聚落人群同向、异向的流动(information flow cocurrent)数据,限定不同“场”的所在,聚集的场或分流的场等。其次,将不同主体活动轨迹进行叠合,测量重合的范围大小,限定三种维度下的场域基本单元,设定参数。最后,延“脉”和拟“境”。溯源不同场域及单元之间存在的隐性秩序,因生活而产生的承载活动的场域、因事件而沿袭的仪式性场域等,体现群体密度与场域大小以及事件等级之间的关联,形成数理性的规律分析;拟“境”,通过轨迹溯源参数,建构场域单元的参数化模型。真正让场域“活”起来、“动”起来,直接体现人群集聚与流动对场域的影响,以及场域的失去和变化对活动的改变。以此,通过轨迹溯源模拟聚落各阶段“场+脉+境”变化,提取场域情境空间秩序。

4.结语

“集群智能”概念提供了解读聚落演化机理的交叉理论。内聚力,展现了时间轴线下的乡土。聚落在时间的过往中展现不甚清晰的生长轨迹,依据空间吸引点原理,挖掘“分形同构”机理,提取聚落空间生长轴网。分离力,展现了空间轴线下的乡土,聚落在空间的变迁中展现混沌繁杂的沧桑面孔,依据独立分离裂变原理,挖掘“循环互生”机理,提纯聚落功能组构逻辑。协同力,是在原住民生活的五味杂陈中融糅传统文化、掺杂生活百态、凝练物质文明的乡土,使承载着惯习、记忆、故事、情感以及现实的空间,饱含、意象及含义,挖掘“契合协作”机能,提取聚落空间情境秩序。“集群智能”,搭建了模拟聚落演变过程的数理平台。在信息流技术下,将聚落原住民的集聚、分异及流动进行数据化的抽象提取和数理化的规律找寻,在群集点云、拓扑空间形、轨迹溯源技术支持下,聚落空间呈现为“点+线+网”“面+体+形”“场+脉+境”的结构体系。

乡土聚落的昨天,曾经是故土难离,写满生命的故事;乡土聚落的今日,依然是漂泊异乡人蓦然回首的文化乡愁,乡土聚落的明天,也将会是现代性语境下地域性、原真性和原生性的求索与回归。

参考文献

[1]朱莹,张向宁,原生的“乡土”——传统乡土聚落空间构成与演化结构解析,城市建筑,2016(7):118-121

[2]朱莹,张向宁,演进的“乡土”——基于自组织理论的传统乡土聚落空间更新设计研究,建筑与文化,2016(3):108-110