中国人工智能的发展

人工智能北京语言大学汉语速成学院PC互联网——移动互联网(大数据/云计算)——物联网——人工智能人工智能中国新经济北京语言大学汉语速成学院

2015年9月，百度‘度秘’：声控人工智能个人助理(整合进百度移动搜索应用)2015年11月，百度DeepSpeech2：包含一个大型神经网络的语音技术，通过样本学会将声音与语词联系起来2015年12月，百度无人车：百度无人车在北京道路上完成测试，并在硅谷设立自动驾驶部门(ADU)2016年8月，百度‘DuSee’：为移动设备打造的AR平台(整合进百度搜索和地图移动应用)，在搜索广告方面有着广泛应用2016年9月，百度大脑：官方介绍，百度的人工智能平台2016年9月，PaddlePaddle：百度近期开源的深度学习工具包2016年10月，百度移动应用8.0：新升级的移动搜索应用，内含一个整合了智能搜索和个性化新闻推荐的系统，其背后采用了人工智能、自然语言处理和深度学习技术2015年7月，阿里小蜜‘阿里小秘书’：虚拟人工智能客服，据公司2016年10月报告，问题解决率已达到80%2015年8月，DTPAI：基于阿里云的服务，用来处理机器学习过程，被该公司称为是中国的第一个人工智能平台2016年6月，阿里妈妈光学字符识别：该技术获得文档分析与识别国际会议(ICDAR)RobustReading比赛第一名2016年8月，阿里云ET：一套综合的人工智能解决方案套件，包括视频、图像和语音识别技术2015年6月，优图：腾讯为开发者开放了其面部识别技术，以及优图科技的其他核心技术2015年8月，腾讯TICS实验室：2015年腾讯设立的智能计算和搜索实验室，专注于四个方面：搜索、自然语言处理、数据挖掘和人工智能2015年9月，Dreamwriter：腾讯上线中国第一个新闻报道机器人2015年11月，WHAT实验室：微信-香港科技大学人工智能联合实验室，于2015年11月26日成立实时同传hikvision海康威视2016安防十强人工智能与教育1．自动批改作业【小故事】

计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。

语音识别和语义分析使得自动批改作业成为可能，老师和助教的效率将大大提高。2．个性化学习【小故事】

McGraw-Hill教育正在开发数字课程，准备相关的课程资料，它从200万学生中收集信息，利用人工智能为每个学生创建自适应的学习体验。当一个学生阅读材料并回答问题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。大数据可以描述每个学生的学习特性。根据伦敦一家研究机构的分析，人们的学习方法可以分为70种；而某机构的机器人已经积累了1300万名学生做过的8亿道题目，为个性化教学提供了充分的依据。如果说今天课堂教学的主流方法是“从原理到应用”，那么机器人的教学方法是“从案例到原理”，并且是同时学习多个案例。事实证明，很多被原理绊脚的学生更适应于“从案例到原理”的学习方法。3.智能辅导系统（ITS）【小故事】

2007年，美国两位化学教师开始一项开创新的教学实践活动。他们使用屏幕捕捉软件录制演示文稿的播放哈讲解的声音，形成视频并上传到网上，以此帮助课堂缺席的学生补课，接下来，他们组建以学生在家看视频听讲解为基础，开辟出课堂时间啦让学生完成作业或实验，并未过程中有困难的学生提供帮助。人工智能在这个领域的应用已经有长足的进步，也展示出明显的效果。例如可汗学院（KHANACADEMY）就是一个优秀的智能辅导系统，帮助我们学习数学、科学、人文科学和计算机科学。有学者将ITS和课堂一对多教学以及一对一的老师辅导进行对比，结果是：ITS的效果比课堂教学好很多，和老师一对一辅导的效果相似！4.互动学习环境（ILE）【小故事】在华中科技大学的一堂广告创意策划课上，“弹幕教学”亮相了。在上课的过程中，学生手持平板电脑或者手机，随时可以通过网络发表疑问、提出看法，这些内容会即时显示在课件上。授课教师根据学生的反馈，随时调整授课内容和方式。这种一边听老师讲课，一边通过网络发送文字在屏幕上讨论问题的教学模式，引起了同学们的极大兴趣。互动学习环境与传统授课的区别在于四个方面：更多建设性学习（或者说学生自己决定学习课题）、学生更主动、更多个性化、学生收到更多反馈。5.通过仿真游戏学习【小故事】仿真教学近年来在我国护理医学教育被广泛应用。模拟教学是利用各种模拟手段,再现临床医学工作场景,为学习者提供一个无风险的学习临床知识和技能的条件与环境,可以最大限度地满足临床教学资源的匮乏。医学模拟教育走到今天,他们的载体己经从最初的基础解剖模型、局部功能训练模型到了后来的计算机辅助模型,尤其是目前利用的最为前沿的触觉感知技术虚拟培训系统和生理驱动型综合模拟模型。目前最成功的仿真是飞行模拟器。据了解，在模拟机上飞行和真机没有两样，只是训练更加便捷。人的能力大概分为三种：分析能力（一种在书本和课堂中能够学到的能力），实践能力（一种只能在生活中培养的能力），以及创造能力（一种上天赋予的能力）。今天，因为实践的机会减少，人们的实践能力变得越来越弱，而仿真则可以弥补实践能力。6.对教学体系进行反馈和评测【小故事】近几天，高三学生在查询“一诊”成绩时惊奇地发现，他们看到的不仅仅是一个简单的分数，还附有一份“诊断报告单”。通过这份报告，他们不但可以了解到自己学科板块知识点和能力点的掌握情况，还能看到对自己的优势、劣势的学科分析。记者从成都市教育局了解到，他们正在高三年级诊断性考试和高一、高二学生学业质量监测这几个重要考试中试点，尝试通过大数据，为学生的学力情况“画像”。据介绍，此次高中学生的学业成绩诊断报告，就是借助大数据的帮助，通过对学生学习成长过程与成效的数据统计，诊断出学生知识、能力结构和学习需求的不同，以帮助学生和教师获取真实有效的诊断数据。在市教育局看来，通过这份“诊断书”，学生可以清楚看到问题所在，学习更高效；教师也可对症下药地针对具体情况，选择不同的教学目标和内容，实施不同的教学方式，进一步提高教与学的针对性、有效性和科学性。为学校招生、学习场所和课后活动提供创新的解决方案。1.学区房择校费将成历史2.面子文化，请客送礼将成过去3.知识集成时代，卸下补课费重担现在没报5个以上补习班的孩子，应该都不好意思说自己是学生了。但是，哪一笔补课费不是家长的血汗钱！同时也是整个家庭极大的负担。为了让孩子“赢在起跑线”，家长们疲惫的面容与日渐佝偻的背脊，又有谁去心疼？但互联网时代加速了知识的整合与集成，在线教育方兴未艾的今天。人工智能无疑是教学脱离课堂的助推剂。当补习全过程都在线上完成，自然省事多了。4.全自动阅卷及作业批改未来老师，应该具备这些能力情商高的老师、人性化的老师更受欢迎有人认为，对于解决社会问题来说，人工智能会比人类做的更好。但我们需要明确，性格是我们人类所独有的，在指引我们穿越不确定的未来时，发挥着至关重要的作用。对于老师也是如此，我们老师带给孩子的关心、关怀是我们的优势所在。

拥有学习意识、开放意识、创新意识的老师更受欢迎随着信息技术的不断发展，如何利用新技术、用好新的技术形式为学生呈现出最好效果的教育必将是未来老师需要研究的课题。

未来老师，应该具备这些能力

交流、沟通能力强的老师更受欢迎虽然技术在发展，但毕竟这只是一种人机互动，所以，如何实现更好的、全方位的与学生的互动，也是我们老师的优势所在。毕竟人类的情感、细微变化还需要人类来捕捉。

以学生个性化发展为中心的老师更受欢迎新技术的发展，其实也是在实现更好地为个体学生服务的过程，以期让每个学生接受更加个性化、更有针对性的教育。人们越来越呼唤回归“人”的教育，这也值得我们老师引起足够的重视。未来老师，应该具备这些能力

视野广阔的老师更受欢迎未来世界，知识正在快速发展。如何尽快地汲取新知识、更好地为学生开拓视野是老师们必然面临的问题，只有这样才能朝着学生综合素质提升的目标发展。谢谢！演讲完毕，谢谢观看！附录资料：人工智能简介​AboutTeachingPlan基本要求：人工智能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，是目前迅速发展的一门新兴学科，新思想新方法层出不穷。其基本思想是利用机器来模仿和执行人脑的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。对于培养学生计算机技术的应用能力，开阔思路和视野，有重要意义。

​AboutTeachingPlan因此，要求学生掌握知识表示和问题求解的几种常用方法，尤其是不确定性推理；掌握机器学习基本概念，了解几种机器学习方法尤其是神经网络学习方法；掌握专家系统的概念，了解专家系统设计方法，掌握一些智能控制方法，了解国内外人工智能研究尤其是机器人的最新进展；具有一定的人工智能编程设计能力（利用Lisp或Prolog语言）。​AboutTeachingPlan课程内容以及学时分配人工智能引论(1) 人工智能概念及与计算机的关系，研究途径、内容和应用领域概况介绍，其他最新材料。符号主义、连接主义、行为主义三大流派人工智能数学基础(1)知识表示方法（2） 状态空间法、问题归约法，谓词逻辑法、产生式表示法（动物识别系统）；CLIPS语言；语义网络法、框架法（这是结构化表示）；剧本、过程、Petri网、面向对象的表示。​AboutTeachingPlan 搜索技术和策略（3-4）状态空间法，盲目搜索和启发式搜索，A*算法；海伯伦理论、消解原理和策略；与\或形推理和搜索策略；其他求解技术。 不确定推理技术（3-4）主观Bayes理论；可信度方法和证据理论；系统组织技术；非单调推理；Rete快速算法；模糊推理技术；基于语义网络和框架不确定推理； 专家系统（2）专家系统概念、结构和知识获取；黑板模型、知识组织、管理及系统建造和开发工具；专家系统举例及编程。

人工智能程序设计（1）人工智能语言基本机制：LISP和PROLOG。​AboutTeachingPlan 模式识别导论（3）模式识别专题：概率模式识别。模式识别专题：结构模式识别 机器学习（1）：机械,解释经验,事例,归纳,概念,类比学习等；统计,结构,模糊模式识别。 专题讲座（3次） 1)神经网络基本理论和应用 (史奎凡课程：安排于人工智能理论与应用课程内)； 2)智能体（Agent）； 3)自然语言处理； 4)智能控制和机器人科学 智能控制的结构理论和研究领域，智能控制系统及应用示例；机器人规划、机器视觉和自然语言理解等。​AboutTeachingPlan 实践：1) 搜索技术和策略2) 不确定推理技术3) 专家系统：动物识别系统4) 模式识别技术5) 调研： 搜索技术和策略、不确定推理技术、统计模式识别、机器学习等四个领域进展报告。​ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是当前科学技发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科。它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。​Intelligence智能是知识与智力的总合。 知识——智能行为的基础； 智力——获取知识并运用知识求解问题的能力。智能具有以下特征：(1)具有感知能力——指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；(2)具有记忆与思维的能力——这是人脑最重要的功能，亦是人之所以有智能的根本原因；(3)具有学习能力及自适应能力；(4)具有行为能力。ArtificialIntelligence人工智能——计算机科学的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言能理解、能学习、能推理）。​2.BriefHistoryofAI (1) 孕育（1956年前）古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼茨）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数。​美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文。图灵奖。美国数学家Mauchly，1946发明了电子数字计算机ENIAC美国神经生理学家McCulloch，建立了第一个神经网络数学模型。美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，代表了“信息论”的诞生。​ (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工学院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,贝尔实验室的C.E.Shannon共同发起，邀请了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位数学家、信息学家、心理学家、神经生理学家、计算机科学家，在Dartmouth大学召开了一次关于机器智能的研讨会，会上McCarthy提议正式采用了ArtificialIntelligence（人工智能）这一术语。这次会议，标志着人工智能作为一门新兴学科正式诞生了。 McCarthy（麦卡锡）——人工智能之父。这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就.机器学习方面：塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；​在定理证明方面：王浩于1958年在IBM机上证明了《数学原理》中有关命题演算的全部定理（220条），还证明了谓词演算中150条定理85%；1965年，鲁宾逊（Robinson）提出了消解原理；在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；1965年罗伯特（Robert）编制出可辨别积木构造的程序；在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序GPS,可以用来求解11种不同类型的问题；在专家系统方面：斯坦福大学的费根鲍姆（E.A.Feigenbaum）自1965年开始进行专家系统DENDRAL（化学分析专家系统），1968年完成并投入使用；在人工智能语言方面：1960年McCarthy等人建立了人工智能程序设计语言Lisp，该语言至今仍是建造智能系统的重要工具；1969年成立了国际人工智能联合会议（InternationalJointConferencesOnArtificialIntelligence）​ (3) 发展（1970年以后）70年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。著名专家系统的有：DENDRAL化学分析专家系统（斯坦福大学1968）MACSYMA符号数学专家系统（麻省理工1971）MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）CASNET(CausalASsciationalNetwork)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；HEARSAYI和II语音理解系统（卡内基-梅隆大学）PROSPECTOR地质勘探专家系统（斯坦福大学1976）XCON计算机配置专家系统（卡内基-梅隆大学1978）​•80年代，人工智能发展达到阶段性的顶峰。•87,89年世界大会有６－７千人参加。硬件公司有上千个。并进行Lisp硬件、Lisp机的研究。•在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。•同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮。•90年代，计算机发展趋势为小型化、并行化、网络化、智能化。•人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。•日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（RealWordComputing）计划。​3.ResearchObjectsandMainContents

(1)人工智能的研究目标

人工智能的长期研究目标：构造智能计算机。

人工智能的近期研究目标：使现有的电子计算机更聪明，更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。​(2)人工智能研究的基本内容

1.机器感知以机器视觉与机器听觉为主。机器感知是机器获取外部信息的基本途径，是使机器具有智能不可或缺的组成部分，对此人工智能中已形成两个专门的研究领域——

模式识别和自然语言理解。2.机器思维指通过感知的外部信息及机器内部的各种工作信息进行有目的的处理。主要开展以下几方面的研究：(1)知识表示(2)知识的组织，累计，管理技术(3)知识的推理(4)各种启发式搜索及控制策略(5)神经网络，人脑的结构及其工作原理​3.机器学习

使计算能自动获取知识，能直接向书本学习，能通过与人谈话学习，能通过对环境的观察学习，并能在实践中自我完善。4.机器行为机器行为主要指计算机的表达能力，即“说”、“写”、“画”等，对智能机器人，还应该有人的四肢功能，即能走路，能取物，能操作等。5.智能系统及智能计算机的构造技术​4.ResearchObjectsandMainContents人工智能面世以来，其研究途径存在两种不同的观点：以符号处理为核心的方法——主张通过运用计算机科学的方法进行研究，实现人工智能在计算机的模拟。以网络连接为主的连接机制方法——主张用生物学的方法进行研究，搞清楚人类智能的本质。(1)以符号处理为核心的方法该方法起源于纽厄尔等人的通用问题求解系统（GPS），用于模拟人类求解问题的心理过程，逐渐形成为物理符号系统，这种方法认为： 人类研究的目标是实现机器智能，而计算机自身具有符号处理能力，这种能力本身就蕴含着演绎推理的内涵，因而可通过运行相应的程序来体现某种基于逻辑思维的智能行为，达到模拟人类智能活动的效果。目前人工智能的大部分研究成果都是基于这种方法实现的。​

该方法的主要特征是：

•立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题；

•知识可用显式的符号表示；

•便于模块化；•能与传统的符号数据库链接；•可对推理结论做出解释，便于对各种可能性进行选择。

但该方法不适合于形象思维；而且在用符号表示概念时其有效性在很大程度上取决于符号表示的正确性，且对带噪声的信息及不完整的信息难以处理。(2)以网络连接为主的连接机制方法该方法是在人脑神经元及其相互连接而成网络的启示下，试图通过多人工神经元间的并行协同作用来实现对人类智能的模拟。该方法认为：大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着手进行研究，搞清楚大脑的结构及它进行信息处理的过程及机理，可望揭示人类智能的奥秘，从而真正实现人类智慧在机器上的模拟。​该方法的主要特征：•通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性、动态性、全局性；•通过神经元间分布式的物理联系存储知识和信息，因而可以实现联想功能，对于带有噪声、缺损、变形的信息能进行有效地处理。近期的一些研究表明，该方法在模式识别、图像信息压缩等方面取得了一些研究成果；•通过神经元间连接强度的动态调整来实现对人类学习、分类等的模拟；•适合于模拟人类的形象思维过程；•求解问题时，可以比较快地球的一个近似解。该方法不适合于模拟人的逻辑思维过程，而且就目前神经网络的研究现状来看，由固定的体系结构与组成方案所构成的系统还达不到开发多种多样知识的要求。​(3)系统集成

•符号方法善于模拟人的逻辑思维过程，求解问题时，如果问题有解，它可以准确地求出最优解；但求解过程的运算量将随问题的复杂性的增加成指数性增长，另外其知识和信息的符号化过程需要由人来完成，它自身不具备这种功能。•连接机制方法善于模拟人的形象思维过程，求解问题时，由于它的并行处理能力，可以较快地得到问题的解，但解一般是近似的，次优的；另外，该方法求解问题的过程是隐式的，难以对求解过程以显式解释。

•将两个方法结合起来，取长补短。

通过形象思维得到一个直觉的解或给出一种假设，然后用逻辑思维进行仔细