人工智能课程精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能课程主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能课程范文

关键词：林业院校；人工智能；课程教学

1背景

近年来，随着“互联网+”的快速普及，互联网跨界融合创新模式进入林业领域，利用移动互联网、物联网、大数据、云计算等技术推动信息化与林业深度融合，开启了智慧林业的大门。我国林业信息化、智能化建设逐步走上了有序、快步发展的轨道，取得了重要的进展。

2011―2013年，国家林业局先后开展了中国林业信息化体制机制研究和中国智慧林业发展规划研究，在此基础上出台了《国家林业局关于进一步加快林业信息化发展的指导意见》和《中国智慧林业发展指导意见》。2012―2013年，在深入研究的基础上，林业局编制了《中国林业物联网发展框架设计》，2016年3月正式了《“互联网+”林业行动计划》。

国家林业局制定的《中国智慧林业发展指导意见》指出，信息化、智能化在林业中的应用已经从零散的点的应用发展到融合的、全面的创新应用。随着现代信息技术的逐步应用，能实现林业资源的实时、动态监测和管理，更透彻地感知生态环境状况、遏制生态危机，更深入地监测预警事件、支撑生态行动、预防生态灾害。

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重要分支。国际上，人工智能的研究已取得长足的进展；在国内，也呈现出极好的发展势头，人工智能已得到迅速的传播与发展，并促进了其他学科的发展。我国已有数以万计的科技人员和大学师生从事不同层次的人工智能的研究与学习，人工智能已成为一个受到广泛重视并有着广阔应用潜能的庞大的、交叉的前沿学科。特别是经过近几十年的发展，智能技术及其应用已经成为各行业创新的重要生长点，其广泛的应用前景日趋明显，如智能机器人、智能化机器、智能化电器、智能化楼宇、智能化社区、智能化物流等，对人类生活的方方面面产生了重要的影响。

近年来，人工智能已经在智慧林业相关领域中得到了广泛应用，例如，在智能机器人的应用方面，已经有大量的嫁接机器人、水果采摘机器人、农药喷洒机器人、果实分检机器人等投入使用；在专家系统的应用方面，森林病虫害诊断专家系统、病虫预测预报专家系统、林产品生产管理专家系统、专家咨询和人员培训专家系统等也得到了广泛应用。

随着人工智能在智慧林业中的广泛应用，涉林企业和事业单位对智能型林业高技术人才的需求也在不断加大。为了适应市场对智能型人才的需求，自2003年起，国内诸多林业高等院校在计算机科学与技术专业本科阶段、林业相关专业的研究生阶段陆续开设人工智能课程，同时不断加大人工智能课程的比重，因此，人工智能课程教学对于林业院校显得越来越重要。

2林业院校人工智能课程教学现状

林业院校开设人工智能课程的专业不多，但有不断增加的趋势。以中南林业科技大学为例，该校计算机科学与技术本科专业自2003年起就开设了人工智能课程，所用教材一直是蔡自兴教授主编的《人工智能及其应用》；另外，面向部分专业的硕士和博士研究生开设了人工智能相关课程，如农业硕士的农业信息化领域研究生开设了人工智能技术，森林经理和森林培育两个专业的博士研究生开设了人工智能与专家系统。

针对计算机科学与技术本科专业，人工智能课程主要使用蔡自兴教授主编的《人工智能及其应用》教材施教，但由于课时数仅有32学时，关于人工智能的一些高级应用，如神经网络、专家系统、机器学习等，采用专题的形式组织教学。该专业没有设置实验学时，仅在理论课堂上演示了一些仿真软件，如BP神经网络仿真环境。

针对农业硕士的农业信息化领域研究生和森林经理及森林培育两个专业的博士研究生，教学计划安排的学时数为40学时，没有指定教材，仅给学生列了蔡自兴教授的《人工智能及其应用――研究生用书》等几本参考教材。课堂主要以专题的形式组织教学，每一讲除了相关的理论以外，还介绍一些工程实践应用的例子，让研究生能够了解这些人工智能算法如何在实际中得到具体应用。

3林业院校人工智能课程教学存在的问题

全国各高等院校的人工智能课程教学都或多或少地存在一些问题，林业院校更有区别于其他类型院校的显著特征，而且林业院校开设该课程教学相对较晚，因此林业院校的人工智能课程教学存在更多的问题。

（1）师资短缺。在林业院校，林学相关专业开设该课程往往由林学相关专业的教师主讲。这些非计算机相关专业的教师虽然曾从事过人工智能个别算法或领域研究，但不具备全面的人工智能相关专业知识，在讲授不熟悉的人工智能知识点时显得力不从心。

（2）教学内容专业性不强。人工智能是计算机科学的一个分支学科，一般的人工智能教材都比较适合计算机相关专业的学生使用，但是农业信息化、森林经理、森林培育等专业的学生不管是专业基础还是行业应用背景均与计算机类专业学生不同，如果我们仍然按普通的教材施教，教学内容就缺乏林科特色，显得专业性不强，无法吸引学生的听课兴趣。

（3）教学难度过大。林业院校涉林专业的学生一般只有计算机文化基础、C语言等简单的计算机课程基础，缺乏算法思想。而人工智能课程涉及很多高级、复杂的算法，不论从算法思想，还是从算法实现和算法应用，对非计算机类专业学生来说难度过大。因此，在教学内容和教学要求上要做一些取舍。

除此之外，还存在诸如缺少实验环节、教学手段单一、教学案例缺乏等其他普遍性问题。

4林业院校人工智能课程教学改革建议

通过分析林业院校人工智能课程教学存在的问题，结合自己近十余年来从事人工智能教学的经验，我们提出了一些改革建议。

（1）推行专题式教学，解决师资缺乏的问题。在师资缺乏的情况下，由一名教师完成整个人工智能课程教学比较困难，同时，可能有多名教师分别在人工智能的不同方面进行过深入研究。因此，可以将该课程按章节分成各个不同的模块，每一个模块设一个专题，如神经网络专题、专家系统专题、机器学习专题等，再由多名教师分别承担自己熟悉的专题进行讲授。这样既可以解决一位教师的知识不足，又可以让各位教师结合自己的科研将每一个熟悉的专题讲授得更加详细、更加有趣。

（2）教学内容与涉林专业紧密结合，解决专业性不强的问题。事实上，人工智能的各领域应用在林业行业都能找到对应的应用实例。例如，林果采摘机器人就是机器人在林业中的应用；林火识别和林木病虫害监测就是模式识别在林业中的应用；林火蔓延预测可以用到隐马尔科夫模型；PAID50专家系统平台就是专家系统在农林业中的应用典范等。因此，在教学过程中，我们可以考虑将人工智能知识与林业应用结合进行讲解，这样学生更容易接受也更乐意接受。更进一步，如果能够结合这些林业应用编写一本《人工智能及其林业应用》教材，将会更加适合涉林专业的学生学习这门课程。

（3）应用计算机仿真软件解决教学内容难度大的问题。非计算机类专业的学生计算机基础较差，编程能力不强，算法训练不足，对各种人工智能高级算法难以理解，更难以编程实现。针对这个实际问题，我们可以主动提供一些相关算法的计算机仿真软件，在课堂上通过演示这些仿真软件，让学生直观地理解算法，甚至能够通过仿真软件应用这些算法解决本专业相关的问题。例如可以开发如图1和图2所示的BP神经网络算法仿真软件，通过该仿真可以把神经网络的结构、训练时的权值偏差变化、训练过程中总误差的变化等信息完全呈现在学生面前，学生通过这个仿真过程就不难理解BP神经网络算法，甚至可以使用这个仿真软件来解决本专业相关的一些问题。

第2篇：人工智能课程范文

关键词:人工智能;专家系统;ARM;单片机

人工智能(AI)[1]是计算机科学的重要分支,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”,本课程重点阐明这些方法的一般性原理和基本思想,使得计算机更好得为人类服务。

1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,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。

人工智能的研究论题包括计算机视觉、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。

人工智能课程在我校计算机科学与工程学院是作为大三年级的一门专业选修课开设,总共学时数为: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,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,部分理论或实验设计项目可以与其他相关专业结合起来而应用。

2人工智能教学实践

50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、科学和严谨的定义也是困难的。

由于人工智能[2]是一门交叉性的学科,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、需要较好的数学基础和较强的逻辑思维能力等特点,导致了在教学过程中老师讲得吃力、学生听得吃力。尽管在多年的教学过程中积累了一些经验,但是对于如何把握这门课程的特点,提高学生的学习兴趣,帮助学生更好的理解这门课程,目前仍然有很多问题需要研究解决。

目前在整个教学过程中存在的主要问题[3]是:

1) 教学内容陈旧,部分参考书相关内容或案例都过于陈旧。在整个教学过程中,多数教学案例涉及到人工智能理论的高级应用――机器人,目前在国际及国内机器人的水平已经达到相当高的水平,但是部分教科书中仍沿用关节型机器人为例,教学内容稍显陈旧。

2) 教材难易程度不均匀,部分章节学生难以理解。由于人工智能课程的部分章节,本身就可以独立成一门课程,但由于是面向本科生的内容,因此很多内容压缩于一章来讲解,同时由于课时所限,完全不能将相关的内容讲透讲通;例如:神经计算中的神经网络,与模糊逻辑控制的相关理论与应用。

3) 教学手段单一,教学过程中缺乏师生之间的沟通与交流。经过自己的实践教学及对兄弟院校的人工智能的教学内容与教学手段的调研,同时也在学生之间进行沟通交流,发现多数同学反映,理论与应用虽然前沿,但是在学习过程中,教师教学手段单一,内容枯燥乏味,一般的教学模式,多采用“老师讲,学生听”的方法,整个教学效果并不理想。

4) 考核方法不科学,不能体现学生实际的学习情况。目前对于课程学习的考核采用闭卷考试的方式,很多考点有的同学根本不理解,完全死记硬背,考后又将内容丢弃,从学习的效果来讲,收获甚微且完全没有达到真正学习及应用的能力。

3教学方法改进

3.1注重激发学生的学习兴趣

科学家爱因斯坦曾说过:“兴趣是最好的老师。”如何在教学工作中激发和培养学生的学习兴趣,提高他们学习的主动性和积极性是当前教学改革中迫切需要解决的重要问题。

在实际的课堂教学中发现,刚开始听课由于有兴趣学生整体学习的积极性很高,但是一段时间过后发现部分学生由于教学内容抽象,难点比较多,不便于理解,兴趣日渐变少,针对此种情况,可以采用任务驱动式教学或案例教学。

例如:在讲专家系统章节时,在授课之前先通过互联网,采取案例教学法,给学生们实时在线演示一个医疗专家诊断系统,演示其中的功能,同时与学生互动,以问答式与学生互动,了解目前专家系统的具体应用、可以解决的问题、给人民生活带来的益处等。通过这种教学的形式,一方面可以激发学生的学习兴趣;另一方面也使同学们体会到人工智能与我们生活的贴近程度。第二步,采用任务驱动法,具体来说,它是指教学全过程中,以医疗专家诊断系统若干个具体任务为中心,通过完成任务的过程,介绍和学习基本知识和具体设计方法。

3.2注重教材选择

这一任务的执行者主要是由教研室主任或任课老师来完成。目前在各高校中所使用的人工智能相关教材的种类繁多,章节和内容的设置上也存在差别。笔者在订阅教材或参加教材展销的活动中,都比较重视人工智能教材的情况,通过比较发现,有的教材内容及难度太低,完全不符合高等本科院校的要求,而部分出版社的教材则是内容及章节安排内容太多太泛,有些知识点讲的又过于深奥,限于学时所限也不适合选用。在选教材方面,除了关注内容方面外,还要注重书上所讲的一些实例,注重这些例子的典型性、时效性及新颖性,例如,部分教材在自动规划这一章,选用机械手作为例子来说明积木世界的机器人规划问题,还有一些选择关节机器人,前些年这样的机器人技术确实是个难点,但是依据现在成熟的机器人技术,无论是国际还是国内都已不再是技术难点,再拿这个例子去配合理论去讲解,无论内容还是形式都稍显陈旧,目前机器人技术发展水平基本上达到尽可能高仿真状态。

3.3运用现代化的多媒体教学手段

针对人工智能课程相关内容比较抽象,公式推导比较繁琐,除了具有完善的教学大纲、合理的教学计划以及好的教材外,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,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;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,采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,同时结合农业院校的特点,在线资源有如农业专家系统或动物专家诊断系统等,这样学生可以加强对理论知识的理解,同时也体会到理论不再是抽象空洞的文字描述;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、行为举止逼近真实人的机器人来给学生讲理论,这样学生通过观看视频资源,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,不断更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热情和积极性,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接受,整个教学课堂不再那么单调枯燥呆板了,基本可以达到在娱乐中传授专业知识。

3.4加强对实验教学的重视

目前高校在人工智能的教学过程中,实验所占的学时比较少,有的甚至就不安排实验课学时;另外实验内容也相对比较简单,应用不到理论课堂上所学到的人工智能原理,实验效果不是很好。面向人工智能课程的程序设计语言,多采用Prolog程序设计语言,该语言是一种基于一阶谓词的逻辑程序设计语言,它在AI和知识库的实现技术方面具有十分重要的作用,具有表达力强、表示方便、便于理解、语法简单等优点。但在整个实验教学环境也遇到了如下问题:首先是目前有关人工智能的专门配套实验教程很少;其次是即使有诸如《面向人工智能程序设计Prolog》教程,则主要是侧重介绍这门自然语言的程序设计,而其中很多部分与AI实验环节关联度不大,另外教材价位也比较高。针对此种情况,笔者在24个学时的实验教学过程中,安排7个实验内容,其中最后一个专家系统的设计与实现作为一个综合性实验来设计。在进行实验教学的过程中,首先参考多本Prolog程序设计教程,选择其中与实验教学计划中相关的内容,专门编写相应的电子教程,同时也结合我校学生本身的特点[4],有侧重地体现和编写,总的目的是给学生一份完整的、系统的、规范的电子教程。这样做的目的是:一方面作为学生参考的技术文档;另一方面也可以节省学生的部分经济开支。电子教程的结构分为三个部分来完成,首先为人工智能理论及原理,Prolog语言的使用说明;其次具体的例子演示(均经过调试正常运行);最后为布置给学生具体的实验内容及相关题目,以提供给学生自己动手实践的机会。此外在实验教学过程中,同时也会给学生们自由发挥的机会,比如专家系统的设计与实现作为一个综合性实验,学生可以采用Prolog编程实现,也可以采用其他自己擅长的程序设计语言,例如有的同学选择C语言、VC++、Visual Basic、Java及网页开发设计语言ASP/JSP等,此外在实验内容方面,实验递交的专家系统涉及多个领域(有动物辨别、医疗诊断、动物养殖咨询等专家系统)、范围也颇广,实验内容重复性很小,在设计过程中,绝大部分同学均是结合自己的兴趣爱好来完成设计。

4结语

人工智能的研究成果将能够创造出更多、更高级的智能“制品”,并使之在越来越多的领域超越人类智能,同时将为发展国民经济和改善人类生活做出更大的贡献。作为一名当代的大学生有必要学好这门课程,但是根据实际教学情况,教师与学生仍然需要继续进行相应的研究与发展,只有不断地探索和提高,才能使我们的教学工作更上一层楼,才能培养出符合时代和社会需求的人才。另外人工智能与农业等方面存在很多结合应用的契机,这样计算机就可真正地服务于社会、服务于人类、服务于农业、应用于农业、发展农业。

参考文献:

[1] 蔡自兴. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2007.

[2] 陈峰,文运平. 浅谈人工智能课程的教学[J]. 消费导刊,2006(12):123.

[3] 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.

[4] 王莲芝. 高等农林院校人工智能教学的探讨[J]. 高等农业教育,2003(12):64-65

Study of the Artificial Intelligence Teaching Methods

HAN Jie-qiong1, YU Yong-quan2

(1. School of Computer Science and Engineering, Zhongkai University of Agriculture and Engineering, Guangzhou 510225, China;

2. School of Computer, Guangdong University of Technology, Guangzhou 510075, China)

第3篇：人工智能课程范文

关键词：人工智能；案例式教学；兴趣引导教学法；问题驱动教学法

中图分类号： TP309 文献标识码：A 文章编号：1009-3044（2014）03-0599-02

人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的综合性技术学科[1]，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、迅速发展且与人类生活密切相关的综合性新学科，其核心研究领域包括模式识别、自然语言处理、机器学习、数据挖掘、人工神经网络和专家系统等等[2]。

语言信息处理是语言学与计算机科学交叉形成的一门新型学科，其课程体系以语言学、计算机应用、应用数学和认知科学为主干，研究内容是自然语言的自动化信息处理技术，是人类语言活动中信息成分的发现、提取、存储、加工与传输[3]。目前该方向的主要应用领域包括机器翻译、文献检索、信息提取、自然语言的人机接口等。由此可见，为语言信息处理专业开设人工智能课程是必须的。该文针对“人工智能”课程自身特点和语言信息处理专业研究生培养目标，并结合笔者多年来的教学经验，分别从课程内容设定、教材选择、教学方法、考核方式等多个方面对该课程的教学改革进行了探索与研究。

1 以“精”“典”为基本要求的教学内容选择

“人工智能”课程的突出特点研究内容涉及面广而学时数较短（大部分高校的研究生专业安排的课程的时数在36到48学时之间）。因而授课时不能追求内容“大而全”，必须“精”，选择重点、核心基础知识进行学习，选择与专业方向最相关的“典”型应用领域进行重点详细介绍，使学生在有限的时间内学到最有用的知识。“人工智能”课程教学内容总体可以分为三大部分。

第一部分是基础理论知识，学习人工智能中知识的表示方式（谓词逻辑表示法、产生式知识表示法、框架表示法、语义网络表示法等）。语言信息处理专业学生本科专业背景不同（有文科，有理工科），所以该部分教学内容难点在于教学进度和难易程度的均衡。本部分内容可安排8～10学时。

第二部分是搜索与推理，对使用特定知识表示方式表达的知识和问题进行推导或搜索，得出相应结论或搜索结果。本部分安排10～12学时，重点在于启发式搜索。

第三部分是人工智能中的典型应用领域。对于该部分内容的选择要以学生专业为中心进行，选择与学生专业相关性较大的领域进行教学，以期能够有助于学生了解并掌握学术的主流发展趋势，从而能够更好地培养自身的科学素养和创新能力。本部分主要学习机器翻译、机器学习、自然语言处理、数据挖掘、多Agent系统等。本部分安排18～36学时。

2 选择“最合适”的教材

教材是教师教和学生学的主要凭借，教材的好坏在很大程度上决定了教师能否成功“教”与学生能否顺利“学”。教材的选择要以教学对象的特点和教学目标为依据，选择最合适的教材。在广泛研读目前比较热门的人工智能教材的基础上，结合教学目标和教学对象的特点，选则清华大学出版社出版﹑蔡自兴和徐光祐编著的《人工智能及其应用》（第4版）[1]作为教材。该教材总体也可以分为三部分：第一部分论述了人工智能的三大技术， 即知识表示；第二部分论述推理及搜索； 第三部分论述人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第三版本科生用书相比，增加了如本体论和非经典推理、决策树学习和增强学习、词法分析和语料库语言学等（非常适合笔者的教学对象）。

3 创新型人工智能课程教学方法

“人工智能”课程涉及的知识面广，既包括基础理论，也包括具体应用，即有抽象复杂的计算，也有繁杂的系统实现，为此，如何激发学生的学习兴趣并保持学生的学习兴趣是本课程教学的关键。此外，因为是研究生教学，所以更突出学生的主体地位，注重培养学生的学习兴趣、自主学习的意识和能力。为此，笔者主要采用了以下几种教学方法。

3.1 兴趣引导教学法

常言“兴趣是最好的老师”，如何培养学生对本门课程的学习兴趣，激发学生对本门课程的求知欲，是一门课程首要任务。

为了提高学生的学习兴趣，笔者在第一节课让学生观看美国科幻电影“机器人”的相关片断，通过机器人安德鲁非凡的创造能力、情感表达能力和自学习能力让学生更好地了解人工智能的目标、意义，激发学生探索人工智能的兴趣；在学习“博弈策略”及“极大极小分析法”时，笔者通过让学生来参与“一字棋”对决游戏说明博弈树的层次结构原理，通过“人机对弈”说明“α-β剪枝技术”引入的必要性；通过“啤酒与尿布”的故事说明数据挖掘技术在现实生活中的应用，让学生认识到人工智能并不是虚无抽象的学科，而与人们的生活息息相关，激发起学生用人工智能相关技术解决现实问题的兴趣。

3.2 问题驱动教学法

在讲授基础理论时，如“不确定性推理”、“数据挖掘”等这一类型内容抽象、算法复杂的知识时，采用了问题驱动式的教学方法。

教师首先提出与内容相关的若干问题，并为学生相关的资料或向学生提供找到问题的一些线索，让学生带着问题去思考、分析和讨论等方式来查找答案，主动获取知识，应用知识，教师在必须的时候还需给予一定的引导和帮助。如在讲授产生式知识表示法时，以“动物识别系统”问题原型，给出学生系统模型，让学生编写一个能够用来进行动物识别的应用程序。

此教学法很好地培养学生解决问题的能力，形成研究的态度，提高认知能力。

3.3 实践教学法

“实践是检验真理的唯一标准”。人工智能课程中，能够动手实践的知识一定要让实践。

在讲“专家系统”的构造步骤时，用“营养专家系统”为案例进行介绍，将该专家系统分解为一个个小的具体任务（如知识库构建、规则库的构建、界面设计等），并分配给不同的学生，学生按照专家系统的一般构造步骤去完成相应的任务，最终完成一个完善的系统，从而达到掌握专家系统构建的教学目标。

实践教学法可以提高学生分析、解决问题的能力和动手能力，并可以进一步加深对理论知识的理解。

3.4 案例教学法

案例教学法是将案例讨论的方法运用到课堂教学活动中去，教师根据课堂教学目标和教学内容的需要，通过设置一个具体的案例，引导学生参与分析、讨论、表达等活动，让学生在具体问题情境中积极思考、主动探索，以提高教与学的质量和效果，培养学生认识问题、分析问题和解决问题等综合能力的一种教学方法[4]。案例教学法中教师扮演设计者和激励者的角色，鼓励学生积极参与典型案例的讨论，重点掌握教学进程，引导学生思考，组织讨论研究，进行总结、归纳，同时教师也参与到学生共同研讨。不但可以发现自己的不足，也可以从学生那里可以了解到大量感性资料。该教学法有利于调动学生学习主动性，通过生动具体的案例介绍可以促进学生对知识的理解和实际应用。

人工智能授课中，对于产生式系统和自然语言理解系统的有关概念及系统构成技术，采用了案例教学法。

在介绍产生式系统时，我们以动物识别系统为案例进行介绍。案例教学通常可以分为3个步骤，即案例引入、案例分析和案例总结。案例引入过程介绍产生式的语法和语义、产生式系统的组成及工作原理后，通过屏幕演示动物识别系统的运行过程使得学生能够获得老虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁七种动物的一些特征；案例分析阶段通过向学生展示使用Prolog编写的动物识别系统源程序，详细介绍设计思想以及实现过程。该过程是案例教学的关键，教师引导学生进行案例分析，之后由学生进行补充，师生共同讨论力求系统得以更完善；案例总结阶段由老师对学生的讨论情况进行总结，在总结讨论情况的基础上提出一些问题（例如如何进一步提高系统的效率？）。

在介绍自然语言理解系统时，以自然语言情报检索系统LUNAR[5]为例进行介绍。从LUNAR系统的词法分析、语义解释和问题回答三个阶段进行详细分析。经过案例引入、案例分析和案例总结三个阶段，使得学生对LUNAR系统的设计步骤、关键技术及设计思路有深入的了解。之后，要求学生写出案例分析书面过程，并完成课后作业“指挥机器人的自然语言理解系统SHRDLU”。

4 课程考核方式的改革

研究生教育以培养学生的能力和素质为主要目标。人工智能课程的考核方式也以此为目标，采用以考察理解应用为目的的论述题，或结课论文形式进行，同时注重平时考核。平时考核以学生查资料的能力、阅读相关文献即完成课后作业的情况为考核对象。

5 结束语

为了提高人工智能课的教学质量，根据课程及教学对象的特点，结合教学过程实际问题，采用了合适的教材，安排了合适的学时，在教学过程中综合各种教学方法的优点，并采用了适当的考核方式。教学结果表明，通过这些尝试，提高学生学习的兴趣和积极性，取得较好的教学效果，学生能够有意识地使用人工智能中的相关知识、思想来进行学术研究。

参考文献：

[1] 蔡自兴，徐光祐.人工智能及其应用——研究生用书[M]. 第3 版. 北京：清华大学出版社，2004.

[2] 廉师友.人工智能技术导论[M].西安：电子科技大学出版社， 2002.

第4篇：人工智能课程范文

署名为卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员的田渊栋在发文称，AlphaGo的两个网络是13层的人工神经网络，其结构与谷歌图片搜索引擎识别图片的结构相似。这些层能够做分类和逻辑推理，经过过滤，13个连接的神经网络层产生对它们看到的局面进行判断。

有人因此心生恐惧，猜测人工智能会不会终有一天上演科幻大片上出现的统治人类。那么，抛开过于遥远的未来，就短期来看，AlphaGo这类人工智能的下一步是不是可以在任何博弈类游戏中打败人类呢？

全球最权威的自然科学综合类学术期刊之一Science发文称，也许，人类在扑克游戏中还能和人工智能多抵抗一会儿。

一位投身于人工智能扑克软件研发的前扑克专家说，虽然计算机在一些扑克玩法中已经接近采用数学上的最优策略了，但优秀的人类扑克玩家都拥有一个额外的技能：研究并利用对手的弱点的能力。而这种人类能力是偏离数学最优策略的，计算机无法做到这一点。

不过，从原则上说，这只是深层神经网络应该能够掌握的事情。这就是说，另一个人类游戏堡垒可能也将被人工智能攻破。

国际象棋大师卡斯帕罗夫在2010年发文指出了国际象棋和扑克的区别：

国际象棋是百分之百的信息博弈――两个玩家都会同时获知相同的数据信息――与计算机敏感的计算能力相比，玩扑克牌可以隐藏自己的牌，其中有很多变量和不确定性，概率、以假象迷惑对手的心理层面因素、风险管理等在扑克牌中十分关键。

第5篇：人工智能课程范文

[关键词]认知工具 高阶能力 高阶思维能力

[中图分类号] G642.3 [文献标识码] A [文章编号] 2095-3437（2013）17-0036-02

一、有关概念的界定

高阶能力是信息时代对人才素质要求所偏重的能力，是以高阶思维为核心，解决劣构问题或复杂任务的心理特征。培养和发展学习者的高阶能力是当今素质教育所追求的目标之一，是衡量教育成败的关键因素。高阶能力的核心是高阶思维能力，许多学者对此做了大量的研究。美国耶鲁大学的心理学家斯腾伯格1985年提出三元智力理论，认为成功的智力包括三种形态的智力：分析、创新与实践的思维能力。香港《课程纲要》提出的五项基本高层次思维能力为：解决问题能力、探究能力、推理能力、传意能力和构思能力。钟志贤认为高阶能力是指问题求解、决策制定、批判性思维和创造性思维能力，是综合运用分析性、创造性和实践性思维的能力。它主要包括创新、问题求解、决策、批判性思维、信息素养、团队协作、兼容、获取隐性知识、自我管理和可持续发展十大能力。这十大高阶能力不是孤立的、弥散的，而是以高阶思维为核心的能力的整体。[1]虽然对高阶思维能力的构成，不少学者提出了自己的看法，但大多数存在不同程度的相似。综上可以看出多数包括了问题分析能力、求解思维能力、创造性思维能力、批判性思维能力等。

信息化时代，已大大地改变了教育模式。除了必须学习那些范畴内知识外，学习的过程、学习的环境和学习的方式以及学习的态度也非常重要。何克抗等论述了教学系统设计中学习环境设计，强调了技术环境设计及计算机作为认知工具的作用。[2]钟志贤将技术应用作为信息化教学模式的三大支柱之一，[1]用技术来学习，将技术作为学习工具，是信息时代的主要特征之一。

Derry 认为认知工具是支持和扩充使用者思维过程的心志模式和设备。Jonassen 认为认知工具是指各种促进批判性思维、创造性思维和综合思维能力的软件系统， 通常是可视化的智能信息处理软件，如知识库、语义网络、几何图形证明树、专家系统等。何克抗指出在现代学习环境中，认知工具主要是指与通信网络相结合的广义的计算机工具，用于帮助和促进认知过程，学习者可以利用它来进行信息与资源的获取、分析、处理、编辑、制作等，也可用来表征自己的思想，替代部分思维，并与他人通信与协作。常用的六种认知工具为：问题/任务表征工具、静态/动态知识建模工具、绩效支持工具、信息搜索工具、协同工作工具、管理与评价工具。[2]以上各位学者对认知工具的界定虽有所不同，但在信息技术环境中，我们可以认为认知工具主要是指与通信网络相结合的广义的计算机工具，借助于计算机的各种软件系统，在课程学习资源利用、情境创设与探究、发现学习、协商学习、交流讨论、知识建构与创作实践等方面发挥着重要的作用。

如何发展和提高学习者的高阶思维能力？良好的思维能力需要培养和训练，最有效的高阶能力思维发展方式，应是融合于具体的教学活动过程中，即在完成课堂学习任务，完成教学目标的同时发展高阶思维能力。在人才培养过程中，通过恰当的教学条件支持，有助于学生高阶思维能力的培养。钟志贤从理论和实践的角度论述了运用信息技术及其所构成的新型的学习模式，能有效地促进学习者高阶思维能力的发展。[1]

二、信息与计算科学专业学生认知工具的构建

信息与计算科学专业是教育部1998年颁布的一个新的数学类专业，该专业的设置顺应了“以信息技术为核心的全球经济格局”。该专业的培养目标是以信息技术与计算技术的数学基础为研究对象的理科类专业， 培养具有良好的数学基础和数学思维能力， 掌握信息与计算科学的基础理论、方法与技能， 受到科学研究的训练， 能解决信息技术和科学与工程计算中的实际问题的高级专门人才。其培养的人才应具有良好的数学基础，能运用知识去解决实际问题，具有较强的知识更新、技术跟踪与创新能力。这些能力是信息时代对人才的要求，属于高阶能力的范畴。

2003年，信息与计算科学专业教学指导委员会制订了“信息与计算科学专业教学规范”，[3]规范中明确指出课程的结构分为四大类：公共基础课、专业基础课、专业课、专业选修课。每一类包含若干门课，我们依据课程的教学目标和教学内容，将相关课程进行重新整合、归类，阐述了了解、掌握、运用与完善认知工具的过程及学生能力的发展。

（1） 基于信息技能的学习，了解认知工具

该平台主要依托于计算机概论、程序设计与算法语言、数学类工具软件等课程的学习。计算机概论介绍计算机文化、组成、网络，常用软件的操作，建立信息与资源的获取、编辑能力，发展信息技能。课程程序设计与算法语言介绍面向对象和面向过程两类程序设计方法，让学生了解、理解算法概念，掌握编程的基本方法。课程数学类工具软件通过介绍Matlab、Lingo、Spss等专有的数学软件，发展学生用工具表征数学问题、理解数学概念、从事科学计算的能力。

这些课程的学习有助于学生认识和了解认知工具，发展信息技能，建立算法概念，掌握程序设计方法，扩充和完善计算工具，为进一步学习提供认知工具平台。

（2） 依托知识的建构，掌握认知工具

该平台主要基于离散数学、数据结构等课程的学习。离散数学提供了处理离散结构的描述工具和方法，提高抽象思维和严格的逻辑推理能力。数据结构介绍了几类数据结构的特征、有关操作的算法和应用，发展学生在求解实际问题中选择合适的数据组织形式的能力，提高学生的算法设计和编写高效程序的能力。课程一方面介绍有丰富和完善的理论知识，同时也需将理论上推出的结论通过认知工具去实现。学生通过编程解决问题，从中需分析现象，获取信息，解释和组织个人知识，表达、表现和反思自己的知识，从而达到知识的建构。

这些课程为学生提供了观察和实验的学习环境，促进了学生对所学知识的理解与概括，提升了算法设计、算法分析的能力，为进一步理解和掌握认知工具提供了平台。

（3） 面向问题的解决，运用认知工具

该平台主要依托数学建模、数值分析、运筹学等课程的学习。数学建模是运用数学的语言和方法，通过抽象、简化建立能近似刻画并“解决”实际问题的一种强有力的数学手段。数值分析是研究用计算机求解科学计算问题的数值计算方法及其理论的学科。运筹学是以定量分析为主来研究经济活动或社会生活中的优化决策、科学管理等问题，应用系统的、科学的、数学分析的方法，通过建模、检验和求解数学模型而获得最优决策的科学。课程的特点是将数学、计算机有机地结合起来去解决实际问题，使学生了解利用数学理论和方法去分析和解决问题的全过程。

这些课程为学生利用认知工具，构建情境探究、发现学习、问题解决的平台。在此平台下，将问题情境化，分析建模，用认知工具求解，观察结果，分析结论，从而提升发现问题、解决问题的能力，发展了学生问题解决和批判性思维能力。

（4） 基于创新实践，完善认知工具

“信息与计算科学专业教学规范”依据不同的专业方向提供了三类专业选修课供各校选择。课程软件方法、数值并行算法、科学与工程计算的近代方法、计算智能、计算机图形学与可视化、信息工程概论等专业选修课及该专业的实习、毕业设计等实践性教学环节为学生利用认知工具创作实践，构建开发应用的平台。这些课程将会以多种形式为学生提供创作实践的任务（问题），学生不仅需要综合应用认知工具，还需发展完善认知工具。

在此平台下学生围绕信息科学与计算科学等领域中的实际问题，创造性地运用多学科知识，通过虚拟、模拟等手法，从中观察现象，获取信息，科学分析，科学决策，培养科学研究的态度和能力，掌握科学探索的方法和途径，发展学生的创造性思维和科学决策能力。

以上我们从信息与计算科学课程设置的角度，构建了基于认知工具发展高阶能力的四个平台，每个平台的构建依托着几门主要课程，但是其他课程对这些平台的构建也有着一定的影响，而且每个平台是随着课程的开设、学习的深入不断发展和完善的。教学中关注这些平台的形成，对发展学生的高阶思维能力有着积极的作用。

[ 参 考 文 献 ]

[1] 钟志贤.信息化教学模式-理论建构与实践例说[M].北京：教育科学出版社，2005：35-48.

第6篇：人工智能课程范文

关键词 智能建筑;工程实践;赛课结合

中图分类号：G652 文献标识码：B

文章编号：1671-489X（2014）24-0103-02

Practice of Intelligent Building Engineering Talent Cultivation by Race Course Combining//WU Yinbo， SHI Jinhong

Abstract The way of race course combined education， has a significant effect in the aspects of cultivating students’ practical ability， especially electronic design courses. Several years education practice show that， it also has a good effect in the intelligent building engineering capability. Through the concept of education， making the students intelligent building engineering capability is greatly improved， the students get social recognition and praise.

Key words intelligent building; engineering practice; race course combining

明确提出赛课结合理念进行实践教学改革的是清华大学，针对电子设计竞赛的特点，在学生中开设电子系统设计综合实践选修课。该课程在教学组织、教学形式、考核方式等方面与传统课程有很大不同，能够有效激发学生的创新意识、团队协作意识和动手能力[1]。通过赛课结合的具体实践，清华大学在全国大学生电子等相关赛事中成绩非常突出。

广东技术师范学院也是较早实行赛课结合教学的院校之一，但早期的做法不够成熟。近年来随着行业赛事的增多，加之学校对实践能力培养的重视，在赛课结合方面也取得了喜人的成绩。本文主要介绍在智能建筑工程竞赛中，赛课结合的具体做法以及取得的成绩。

1 智能建筑工程实践培养背景

智能建筑是现代建筑与信息技术完美结合的产物。智能化技术为智能大厦提供全方位的计算机、电信、照明、保安、消防、电梯控制和进出大楼的监控等服务。随着我国智能建筑行业的快速发展，造成高级工程人才稀缺的局面。为解决该制约行业发展的问题，教育部在2005年设立了建筑电气与智能化本科专业。该专业为智能建筑产业培养高级专门人才，对学生的工程实践能力有很高要求，广东技术师范学院是广东省第一个开设该专业的高校。

住建部也非常重视工程实践能力的培养，和有关企业联合，举办全国性的赛事。“亚龙杯”全国大学生智能建筑工程实践技能竞赛（后文简称亚龙杯竞赛）是住建部高等学校土建学科建筑电气与智能化学科专业指导委员会主办的唯一赛事，是以提高智能建筑相关专业的教育教学质量、加强实践性教学环节建设、增强大学生的创新精神和实践能力，推动产学研合作的一项重要的全国性大学生课外科技竞赛，迄今已连续举办五届，愈来愈受到各高等学校与行业的重视。

亚龙杯竞赛具有突出的工程性，整个竞赛过程和内容能够全年考核参赛学生的设计能力、安装调试能力以及软件操作能力。从器件安装、接线到程序设计调试，从功能组态到信息集成及监控，涉及知识面广，是智能建筑工程设计的一个典型缩影。学生通过参赛，可体验一个较完整的建筑弱电工程的建设步骤。竞赛还锻炼学生的应变能力、故障排查与解决的能力，能检验出参赛者的综合设计能力及团队协作精神，而这些正是从事工程设计人员必须具备的素养。

2 赛课结合与工程能力培养

改革传统的教育教学理念与方法，将理论与实践有机结合，有效推进素质教育和高水平人才培养，一直是高等教育面临的重要课题。不同阶段，不同学科，其做法也有很大的区别。而与相关竞赛结合，对课程进行改革或者创新的做法都可以称作赛课结合。文献[2]介绍了清华大学计算机相关专业人才培养中赛课结合方式的具体做法，文献[3]介绍了赛课结合在嵌入式课程教学中的做法及经验。

赛课结合理念 赛课结合的本质是将课程教学与专业竞赛有机结合，通过一系列的教改措施，以快速提高学生的综合能力。课程在内容上针对性强，以实践能力培养为主。赛课结合的优势主要体现在：1）能有效促进成员的团队合作精神和自主创新精神;2）增强成员的沟通和交流技巧，包括队内、师生、院系甚至不同学校之间的交流;3）加强了设计与实践的结合、课程与竞赛的结合。

实践表明，赛课结合的做法行之有效，且培养效果明显。近年来各类各级学科竞赛受到企业和高校的广泛关注和支持，学生的综合能力有了明显的提升。

广东技术师范学院针对所开设的本科专业情况，有针对性地强化赛课结合的培养方式。历年来在飞思卡尔智能车竞赛、各类机器人竞赛、电子设计大赛、智能建筑工程实践竞赛等赛事中取得优异的成绩。实验中心为竞赛提供设备、场地、耗材等全方位的支持，为各项赛事顺利开展奠定坚实基础。以竞赛为契机，促进一些专业课程理论教学、实验及实训教学的改革。在实验室的建设和维护上，也大胆创新，吸纳优秀的学生志愿者参与到实验室的日常管理和维护中，部分特别突出的学生还可以参与到实验室项目的建设中来。

工程实践能力培养 在传统工科专业实验教学中，大部分实验为基础性、验证性及演示性实验，真正设计性的实验比例十分有限，因而学生的实际能力与工程需求存在脱节现象，必须实行传统实验的工程化。文献[4]对材料成型及控制工程专业的工程实践能力与创新能力的培养做了较全面的介绍，可供相近专业参考。

广东技术师范学院对智能建筑工程实践能力培养，主要通过综合实训、工程现场参观实习等途径。目前拥有智能建筑综合实训室一间，其他相关实训室10余间，可开展中央空调、供配电及照明、防盗报警、视频监控、门禁及可视对讲等相关系统的实验和实训。实训室的特色是所有设备均为由专业教师和学生志愿者共同组成的团队自制及组装而成，在安装上尽量与工程现场一致。其中视频监控系统更是根据监控需求，选择枪机类型及安装位置。

在综合实训中，要求学生先熟悉设备原理及接线要求，然后根据所设计系统功能，合理选择设备，自制连接线，最后进行安装及调试。从系统设计、设备选型到安装和调试，基本涵盖了工程设计的大部分环节。

3 建筑工程赛课结合实践

广东技术师范学院在智能建筑工程赛课结合方面一直非常重视，自从2009年住建部高等学校土建学科建筑电气与智能化学科专业指导委员会主办第一届“亚龙杯”全国大学生智能建筑工程实践技能竞赛以来，每年都组队参加比赛，累计取得全国一等奖一项，二等奖两项，三等奖两项，成绩一直稳定处在参赛队伍的中上游，这与较完善的竞赛选拔及赛前培训机制密不可分。该竞赛也得到了学校的大力支持，建筑电气与智能化专业的学生对该竞赛也非常积极。由于赛制设置的特点，每年报名参赛的学生人数都高于实际需求数。考虑到学生的受益面和竞赛特点，形成稳定的赛前培训及竞赛选拔机制。

竞赛选拔 竞赛在学生选拔上层层把关，综合考虑学生自身特点、优势以及成员之间协作意识等因素。该比赛要求每所学校只能选拔一支队伍参赛，每支队伍由两名学生组成。有意参赛的学生自由组队，然后一同和当年要参赛的队伍一起参加培训。

指导教师综合各备选队伍培训期间的表现、学习成绩、特长、动手能力等因素，从中挑选最优秀的一支作为下一届比赛的参赛队伍。为了防止一些突发因素，可选1～2名学生作为预备队员。

竞赛培训 赛前培训主要分三个阶段。

1）学习阶段。该阶段由指导教师介绍比赛的性质、赛规和赛制，就竞赛的的得分点、具体要求等内容做具体分析。当年参赛队员必须参加，下届比赛所有报名队伍均可参加，大约安排两次，四学时左右。

2）实践阶段。在实训室按照比赛要求，制作导线、安装器件并调试。通过实际训练，按照比赛得分点要求，训练速度及成功率。

3）企业培训阶段。由于实训室的设备为自制系统，与竞赛指定设备存在区别，在赛前一个月左右，竞赛承办方都会组织一些线上及线下的培训，教师和参赛队伍会克服各种困难，确保队员能够参加该阶段的所有培训。

工程现场参观 由于建筑电气与智能化具有鲜明的行业属性，学校与诸多企业建立了合作关系。学生除了在实验室进行学习和训练外，还可以去校外的实践教学基地、企业工程现场进行参观和学习。学生通过对实际工程的参观和学习，结合理论、实训知识，能够对工程竞赛的内容和形式有更深刻的理解和认识，可更好地进行参赛准备工作。

4 结束语

建筑电气与智能化专业属于新兴的应用型本科专业，就业单位对毕业生的实践能力有较高要求。通过赛课结合，可以显著提高学生的工程实践能力，学生受益面较广。而具有特色的自制实训系统、灵活的实验室开放机制，以及较完善的培训指导队伍，为赛课结合的有效开展提供了良好的基础及保障。但目前该培养方式推广起来仍有不少困难，主要体现在对实验教学人员、实验教学投入等方面，还需要一定的机制来提供可持续的支持与激励。

参考文献

[1]任勇.赛课结合的大学实践教育[EB/OL].[2014-09-18].http：//.cn/event/action/sch-com/.

[2]王宏，吴文虎.清华实践教学“赛课结合”新思路[J].计算机教育，2006（7）：10-12.

[3]董雷刚，崔晓微，张丹.以竞促教、竞教结合的嵌入式课程实践教学[J].计算机教育，2014（9）：105-108.

[4]常云龙，李荣德，袁晓光，等.强化工程实践能力与创新能力的培养[J].高等工程教育研究，2011（4）：101-104.

第7篇：人工智能课程范文

［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．

第8篇：人工智能课程范文

关键词：人工智能；本科高年级教学；教学改革

中图分类号：G642　文献标识码：B

1　引言

人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。

由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。

本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。

2　本科高年级的教学特点

中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。

3　人工智能课程的学科特点

与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。

4　人工智能教学的三点思考及对策

4.1　注重应用性和介绍性

在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。

4.2　注重科研引导性

本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。

4.3　教学内容与毕业设计相结合

本科毕业设计是对本科生用所学知识来解决实际问题和进行专业研究能力的检验，是本科高年级学生将要面临的一项重要任务。由于人工智能学科具有应用性和科研性的特点，人脸识别、网页检索、经济预测、基因数据处理等应用领域都离不开人工智能技术，所以人工智能方向为学生提供了丰富的毕业设计选题。针对这一特点，在本科高年级的人工智能教学中，可以适当穿插介绍有关毕业设计的内容。告诉学生哪些应用领域是目前人工智能研究的热点方向，哪些人工智能技术可以用来解决这些问题。通过向学生介绍具有一定应用价值和研究意义的题目，然后引导他们查找阅读相关技术文献，分析问题，解决问题，最后编写代码和撰写论文。比如笔者给学生提供的选题包括：(1)基于支持向量机的上市公司信用评价；(2)正则化回归在股票预测中的应用；(3)基于肤色的人脸检测；(4)基于内容的网页图像检索等。这些题目应用性强，具有一定科研深度但是难度又不至于太大，学生选择这些题目的积极性很高。通过将教学内容与毕业设计相结合，不但加深了学生对课程的理解，又使其找到了合适的毕业设计题目，可谓一举两得。

第9篇：人工智能课程范文

关键词:双语教学;人工智能;体系结构

根据《朗曼应用语言学词典》中的定义,双语教学(Bilingual Teaching)指的是用两种语言作为教学媒介语,通过学习学科知识来达到掌握第二语言的目的。双语教学作为学科教学延伸,不是简单的母语加第二语言,而是将第二种语言融进学科知识,通过学习学科专业知识提高学生第二语言的听、说、读、写综合能力,培养学生用第二语言思考、解决问题的能力,培养适应社会发展需求的高素质、复合型人才,以适应信息时代我国经济和社会发展的需要。人工智能的主要目标是让机器具有应用符号逻辑的方法模拟人的问题求解、推理、学习等方面的能力,能够在各类环境中自主地或交互地执行各种任务,比如水下作业、输油管道、森林救火等。人工智能的发展,不仅代表计算机等科学技术的发展水平,也是一个国家工业化水平的重要标志。这对高校的教育提出了新的挑战。因此,选择人工智能课程的双语教学模式是非常必要的。

1人工智能课程分析

人工智能是一门多学科交叉的课程,特别涉及控制论、信息论、语言学、神经生理学、数学、哲学等多种学科[1-2]。学习该课程需要具有较好的数学基础和较强的逻辑思维能力,大多教师、学生在教、学的过程中都显得比较吃力。如何结合课程的特点,帮助学生找到好的学习方法,使他们能充分发挥自己的能力,提高学习兴趣成为教学研究过程中的首要目标。在目前高校提倡双语教学的环境下,我校已将人工智能立项为双语教学示范课程。人工智能课程具有如下特点:

(1) 是一门非常前沿的学科。

计算机最初是用来做科学计算的,但随着计算机科技的迅猛发展,人们开始考虑计算机还可以做些什么,能不能像人一样学习、思考,然后解决问题?这就是基于人的知识和经验,用符号推理的办法让计算机来做事情,是人工智能最早的研究成果。但是,知识并不都能用符号表示为规则,智能也不都是基于知识的。人们相信,自然智能的物质机构――神经网络的智能是基于结构演化的。因此,20世纪80年代在人工智能理论发展出现停顿时,人工神经网络理论出现新的突破,基于结构演化的人工智能迅速成为人工智能研究的新方向。事实上,智能问题无论从广度还是深度,都远比人们想象的要复杂得多。因此,我们一刻也不能放弃钻研,并且要时刻关注该领域发展的最新动态。在高校开展人工智能课程的双语教学,可以促使学生了解该领域以及相关领域,如模式识别、机器视觉、智能检索、人工生命等发展的最新动态,掌握大量的专业词汇,锻炼理解问题、解决问题、了解领域文化等实际能力,对培养国际化、工程化、实用化的复合型人才等具有重要的现实意义。

(2) 涉及面宽、难度大。

人工智能是一门多学科交叉的、极富挑战性的前沿学科,它几乎涉及于社会科学和自然科学的每个领域。人工智能课程是一门理论性非常强、知识点比较分散、知识更新快的课程,它以编程语言、数据库原理、概率统计、数据结构、离散数学以及编译原理等前趋课程为基础,还涉及到控制论、信息论、通信原理、图像处理、模式识别等课程。因此,人工智能课程的知识点难度较大。通过该课程的双语教学过程,学生不但学习了课程的专业知识,而且还学习了相关理论课程的第二语言表示方法及应用情况,对于培养具有个性化的多层次人才具有重要的价值。

人工智能课程的特点决定了它的双语教学也具有很大的难度。根据普通高校的实际情况,我们组织了人工智能的双语教学体系结构,教学实践表明,该模式行之有效。

2人工智能双语教学体系结构

要达到双语教学的目的,就必须将传统的“注入式”教学模式改变为新型的“以学生为中心”的教学模式。然而,这种“以学生为中心”的双语教学模式是多样化的,其教学过程是复杂的,在我国还处于探索阶段[3-5]。在人工智能课程的教学过程中,根据学生的实际情况,我们采用课堂教学多样化、基于CDIO理念的实践教学,不断地探索研究,形成高校人工智能双语教学体系结构,如图1所示。

计算机双语教学的正常开展,必须依托优秀的计算机专业外语教科书和教学参考用书。根据学生的实际情况,我们采用了Nils J.Nilsson教授编著的《Artificial Intelligence A New Synthesis》,该教材是美国斯坦福大学计算机系本科教材,不仅内容丰富、取材新颖,更重要的是内容组织结构比较符合学生的认知规律,便于学生学习、理解。参考书主要选用了蔡自兴、徐光v老师的《人工智能》。

3双语教学方法

由于人工智能是一门非常前沿、涉及知识面宽、应用范围广的学科,因而在教学的具体过程中,我们多种教学手段并用,主要采取理论联系实际的案例驱动讲授、CDIO实践模式、综合考证等讲授方法。

3.1理论教学

(1) 修改教学大纲和课程设计的实验大纲。参考吸收国外先进教材中的内容,结合普通高校的实际情况,形成有针对性的、合理的教学体系。

(2) 采用多种教学方法和手段。设计和制作简洁、易懂的英文电子教学课件,采用多媒体教学手段,丰富教学内容。建设课程网站,电子课件在网上公开,帮助学生预习专业词汇、了解教师讲解线索和重点内容,降低学习难度。

(3) 课堂提问。提问一些重要内容,鼓励学生积极思考,既能加深学生对所学课程知识的理解,也有利于其英文表达能力的提高。

(4) 案例驱动法。将有意义的案例贯穿在教学过程中,培养学生的兴趣,提高学生分析问题、解决问题的能力;

(5) 课后小组讨论。每6～8位同学分为一组,实行小组长负责制,组织学生讨论和解决学习中遇到的问题,交流学习心得,一方面起到温故而知新的作用,同时培养团队协作精神。

3.2实践教学

由于学生的英语水平、专业基础知识以及知识面都有差别,因此教师必须因材施教,培养学生的兴趣。实践课题来源于实际工程,将CDIO理念贯穿于实践教学过程中,提高学生综合创新能力与团体协作精神。

(1) 实验题目多样化。学生可以选择,也可以根据老师的要求自己构思,以培养学生的兴趣与查阅资料的能力。

(2) 分工与合作。来源于工程实践的题目,学生通常很难在短时间内独立完成,因而需要分工合作,培养学生的协作精神。

(3) 整体设计方案的灵活性。学生领会题目本意,自主设计解决方案,培养学生分析问题、解决问题的综合创新能力。

(4) 编程实现。培养学生的编程能力,形成科学的编程风格。

3.3考核方式

(1) 多种形式的平时测试(30%)。主要包括平时测验、讨论、作业等。主要考察学生对基本知识的掌握,英文表达能力以及知识面的拓宽等。

(2) 实践教学(30%)。主要考察学生对实践题目的理解、整体方案的设计、团队间的协作精神以及实现结果等。

(3) 期末考试(50%)。试题全部用英文形式出现,鼓励学生用英文作答。

人工智能课程采用双语教学,可以使学生最准确地理解专业知识,又可以使英语和专业课的学习相互促进。

4教学效果分析

课程结束后,我们对学生进行了教学效果讨论与调查,结果如表1所示。

从本课程讨论和调查的结果以及其他普通高等院校的双语教学调查结果可以看出,双语教学效果基本上达到了要求。但也存在一些值得思考的问题:不适应的人数比例偏高,专业知识的学习效果一般,甚至有学生因为跟不上进度放弃专业课的学习。为此,提出以下的建议:

(1) 加强学生认识。学生必须从思想上认识到人工智能双语教学的重要性,克服教学过程中的种种困难、持之以恒,主动与同学、老师进行讨论,密切关注学科发展动态。

(2) 提高实施条件。双语教学过程中,学生是主体,教师是关键。因此,要求老师要有较高的专业知识和英语水平,学生要有较好英语基础。

(3) 完善教学体系结构。双语教学在我国还处在探索阶段,因而必须在教学实践过程中不断地改进完善双语教学的体系结构。

只有解决好这些问题,才能培养出更高素质的复合型人才,适应国内外科学与经济发展的需要。

参考文献:

[1] Nils J Nilsson. Artificial Intelligence A New Synthesis[M]. 北京:机械工业出版,2002.

[2] 蔡自兴,徐光v. 人工智能[M]. 北京:清华大学出版社,2003.

[3] 贺志荣. 双语教学的实践与思考[J]. 黑龙江教育:高教研究与评估版,2008,62(10):45-46.

[4] 王树根,姜昕. 我国双语教学的历史发展阶段综述[C]. 安徽黄山,2007年全国测绘学科教学改革研讨会,2007.

[5] 汤东. 中外高校双语教学模式的比较研究[J]. 黑龙江教育:高教研究与评估版,2008,62(11):69-70.

Exploration and Practice on Bilingual Teaching Architecture for Artificial Intelligence Course

LI Zhu-lin, HAO Ji-sheng, MA Le-rong

(Department of Computer Science, Yan’an University, Yan’an 716000,China)