北京大学人工智能课程教学改革与实践

针对大学本科人工智能课程如何开设的问题,在细致梳理总结多年教学探索和实践的基础上,提出将人工智能课程在大学一年级开设,并以北京大学开展的教学为例,具体阐述相应的教学改革与实践。     

大学本科人工智能教学改革与实践

文章分析了当前人工智能课程教学中存在的一些主要问题,并在教学过程中针对这些问题,从教材的选择、教学内容的组织、教学方法以及考核方式等做了一系列教学改革,同时付之于实践。整个教学过程及考核结果表明,这次教学改革取得了一定的成效。     

《人工智能》课程教学改革及实践探讨

人工智能在计算机、自动化等信息类专业的本科教学中占有重要地位。结合人工智能学科建设的实践。分析了教材、文献资料、实验指导及网络环境等教学条件的发展情况。针对该课程的教学方法、教学手段以及实践环节进行了探讨,总结当前人工智能教学与实践中的不足并提出进一步的解决途径。     

人工智能课程实践教学改革探讨和研究

基于人工智能专业课程信息融合度高、算法复杂抽象的特点,探讨和研究如何适应应用型人才培养目标的问题,从实验教学方法、构建人工智能实验平台、创建开放式实验模式和建设多元实验评价体系等角度进行探讨,目的是提高学生的积极性,能深入理解人工智能专业基本概念,具备理论的创新能力。     

程序设计实践课程教学改革探索

为解决学生普遍存在的动手能力差的问题,我校开设了程序设计综合实践课程,并将项目法引入此类课程的教学中。针对以上问题,探讨程序设计课程具体的组织实施方法,改革课题设计、考核方式等关键环节,实践证明该方法行之有效。     

人工智能课程全英文教学改革

通过现状调查分析,指出当前国内高校人工智能课程全英文教学中存在的亟待解决的共性问题,提出全英文教学内容改革的思路以及教学模式改革的实施关键,包括课堂教学模式的重定位,"二三二"模式教学方法的改革,集先进性、前沿性和实用性为一体的教学内容创新,打造全专业英语教学团队。通过全英文教学的具体实践,总结人工智能课程全英文教学内容与教学模式的改革经验。     

“人工智能”课程双语教学的实践与探索

该文通过对“人工智能”课程实施双语教学的必要性和可行性进行分析,讨论了该课程双语教学的教学内容．探索性地提出了人工智能课程的双语教学实践方法。     

图像处理技术课程教学探讨与实践

分析了当前图像处理技术课程教学的不足之处,给出了课程特点和教学内容分析。从教材的选用和自主学习扩充性资料的选用、采用现代化教学模式与方法、加强实践教学、改革考核评价方式四个教学环节进行了探讨和实践,取得了良好的教学效果。提高了学生学习的兴趣和参与科研的积极性,以及解决实际问题的能力。     

研究生人工智能系列课程教学改革

从人工智能系列课程的实际特点出发,结合中南大学智能所教师授课方面的经验,总结并提出几点教学改革建议。这些教学经验在博士研究生教学改革中收到良好效果,对其他系列课程的研究性教学也有重要的指导作用。     

创新型人工智能教学改革与实践

人工智能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。探讨就3个方面内容进行: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;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。上述3个方面层层递进、环环相扣,是体系完整的创新型人工智能教学实践。     

人工智能在计算机网络技术中的应用分析

随着信息技术的快速发展,人工智能已成为引领新一轮科技革命和产业变革的战略性技术。现阶段,各个国家都在争先布局和发展人工智能,以期能在未来科技革命中抢占高点和先机。人工智能是一种模拟人脑工作的技术形式,它包含系统推荐、人工神经网络、语言处理、机器学习等方面的内容。将人工智能应用于计算机网络技术,可以节省人力资源、提升效率,可较好地弥补当前计算机网络技术在运用过程中存在的不足,进一步提升计算机网络技术水平。     

多媒体智能：当多媒体遇到人工智能

过去10年中涌现出大量新兴的多媒体应用和服务,带来了很多可以用于多媒体前沿研究的多媒体数据。多媒体研究在图像/视频内容分析、多媒体搜索和推荐、流媒体服务和多媒体内容分发等方向均取得了重要进展。与此同时,由于在深度学习领域所取得的重大突破,人工智能(artificial intelligence,AI)在20世纪50年代被正式视为一门学科之后,迎来了一次“新”的发展浪潮。因此,一个问题就自然而然地出现了：当多媒体遇到人工智能时会带来什么？为了回答这个问题,本文通过研究多媒体和人工智能之间的相互影响引入了多媒体智能的概念。从两个方面探讨多媒体与人工智能之间的相互影响：一是多媒体促使人工智能向着更具可解释性的方向发展;二是人工智能反过来为多媒体研究注入了新的思维方式。这两个方面形成了一个良性循环,多媒体和人工智能在其中不断促进彼此发展。本文对相关研究及进展进行了讨论,并围绕值得进一步探索的研究方向分享见解。希望可以对多媒体智能的未来发展带来新的研究思路。     

Notions of explainability and evaluation approaches for explainable artificial intelligence

Explainable Artificial Intelligence (XAI) has experienced a significant growth over the last few years. This is due to the widespread application of machine learning, particularly deep learning, that has led to the development of highly accurate models that lack explainability and interpretability. A plethora of methods to tackle this problem have been proposed, developed and tested, coupled with several studies attempting to define the concept of explainability and its evaluation. This systematic review contributes to the body of knowledge by clustering all the scientific studies via a hierarchical system that classifies theories and notions related to the concept of explainability and the evaluation approaches for XAI methods. The structure of this hierarchy builds on top of an exhaustive analysis of existing taxonomies and peer-reviewed scientific material. Findings suggest that scholars have identified numerous notions and requirements that an explanation should meet in order to be easily understandable by end-users and to provide actionable information that can inform decision making. They have also suggested various approaches to assess to what degree machine-generated explanations meet these demands. Overall, these approaches can be clustered into human-centred evaluations and evaluations with more objective metrics. However, despite the vast body of knowledge developed around the concept of explainability, there is not a general consensus among scholars on how an explanation should be defined, and how its validity and reliability assessed. Eventually, this review concludes by critically discussing these gaps and limitations, and it defines future research directions with explainability as the starting component of any artificial intelligent system.     

大数据网络安全防御中人工智能技术的应用分析

如今,人工智能技术在各行各业中都得到了广泛的应用。而在大数据网络中,信息安全问题也一直是人们关注的重点。在大数据网络安全防御中采用人工智能技术,可以自动配置网络安全防御策略,提高网络安全的稳定性与可靠性。文章通过对人工智能技术在大数据网络安全防御中架构设计进行分析,探讨了人工智能技术在大数据网络安全防御中的应用部署﹑架构等。     

人工智能技术在矿山智能化建设中的应用初探

介绍了人工智能技术的相关概念、发展概述及其在煤炭行业发展中的应用,指出目前人工智能技术在矿山应用只是点状结合和浅度结合,没有实现人工智能技术和矿山某个生产或管理系统层面的深度融合。概述了智能矿山的发展历程,指出智能矿山是人工智能技术、大数据技术、物联网技术和矿山实体的深度融合体,利用智能通信、智能控制和智能计算技术实现数字化矿山的计算、处理,构建数字孪生矿山,通过数字孪生矿山和物理矿山的智能交互演化,达到对煤矿安全、高效、绿色的生产控制。构建了将人工智能技术和矿山深度融合的包括设备层、智能层、应用层的智能矿山三层构架:应用层处于智能矿山的最高层,其中的数字孪生矿山子层相当于“数字大脑”,实现矿山最高层次的智能控制;智能层中的智能体要求子系统不仅仅是应用人工智能技术处理子系统所产生的数据,而是从架构上就要将智能计算、智能通信、智能控制融为一体。展望了智能矿山建设的发展趋势:智能化矿山需要加强人工智能技术和矿山融合度的深入研究,将现有的基于人工智能的故障检测、诊断及超前干预技术应用到机器人系统中,智能计算、智能通信、智能控制融合的巡检机器人将是最早能推广的井下智能体之一;智能化矿山需要进一步加强复杂巨系统建模技术的研究,只有建立了矿山的复杂巨系统模型,才能实现采矿活动和环境的协同互动,实现采煤活动的精准控制,复杂巨系统模型的缺乏将是未来智能矿山建设亟需解决的问题。     

有关行为主义人工智能研究综述

通过与传统人工智能的比较，介绍了基于行为的智能模拟技术的发展及现状，并详细评述了行为主义人工智能的研究方向以及在研究过程中涉及到的前沿技术，最后给出了基于行为主义人工智能构建智能主体系统的设计原则。     

关于人工智能的浅析

人工智能从诞生之日起就备受社会各界的广泛关注,经过50多年的发展,现在已经成为一门综合性的前沿学科.从上世纪七八十年代以来,就被誉为是具有与空间技术和能源技术同等地位的世界三大尖端技术之一,到了二十一世纪又与基因工程、纳米科学同被誉为三大尖端技术.本文主要对人工智能的概念进行解读,而后概述了人工智能的发展历程,并且探析了人工智能的应用,最后分析了人工智能研究中存在的问题.     

大数据时代下人工智能在计算机网络技术中的应用

现阶段,我国人工智能技术研究不断深入,促进了计算机网络技术的不断革新。在此背景下,人们的生活变得更加便捷和智能化。人工智能作为现阶段高科技发展的产物,对计算机网络技术的发展起到了一定引领作用。人工智能技术是当前备受关注的高新科技,其发展不仅加快了我国社会的智能化进程,而且提高了计算机的技术水平,能够促进计算机网络技术更好地为社会服务。     

Biological and artificial intelligence

The paper discusses the characteristics of Biological Intelligence (BI) and its differences with artificial intelligence. In particular the plasticity of the nervous system is considered in the different forms with special attention to deterministic and localizationist views of the brain vs holistic approaches. When memory and learning are considered the localizationist views do not offer a possible solution to a number of problems while memory may be better conceptualized in terms of categorization procedures and generalizing strategies. Finally, the problem of individual variability, an important feature in terms of BI, is considered. The legitimacy of analogies between BI and AI is discussed and the necessity for an innovative approach to the field of AI is stressed.