導(dǎo)語：如何才能寫好一篇人工智能實踐報告總結(jié)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

摘要

人工智能時代，網(wǎng)絡(luò)空間安全威脅全面泛化，如何利用人工智能思想和技術(shù)應(yīng)對各類安全威脅，是國內(nèi)外產(chǎn)業(yè)界共同努力的方向。本報告從風(fēng)險演進(jìn)和技術(shù)邏輯的角度，將網(wǎng)絡(luò)空間安全分為網(wǎng)絡(luò)系統(tǒng)安全、網(wǎng)絡(luò)內(nèi)容安全和物理網(wǎng)絡(luò)系統(tǒng)安全三大領(lǐng)域；在此基礎(chǔ)上，本報告借鑒 Gartner 公司的 ASA 自適應(yīng)安全架構(gòu)模型，從預(yù)測、防御、檢測、響應(yīng)四個維度，提出人工智能技術(shù)在網(wǎng)絡(luò)空間安全領(lǐng)域的具體應(yīng)用模式。與此同時，本報告結(jié)合國內(nèi)外企業(yè)最佳實踐，詳細(xì)闡釋人工智能賦能網(wǎng)絡(luò)空間安全（AI+安全）的最新進(jìn)展。最后，本報告提出，人工智能安全將成為人工智能產(chǎn)業(yè)發(fā)展最大藍(lán)海，人工智能的本體安全決定安全應(yīng)用的發(fā)展進(jìn)程，「人工+「智能將長期主導(dǎo)安全實踐，人工智能技術(shù)路線豐富將改善安全困境，網(wǎng)絡(luò)空間安全將驅(qū)動人工智能國際合作。

目 錄

第一章 人工智能技術(shù)的發(fā)展沿革

(一) 人工智能技術(shù)的關(guān)鍵階段

(二) 人工智能技術(shù)的驅(qū)動因素

(三) 人工智能技術(shù)的典型代表

(四) 人工智能技術(shù)的廣泛應(yīng)用

第二章 網(wǎng)絡(luò)空間安全的內(nèi)涵與態(tài)勢

(一) 網(wǎng)絡(luò)空間安全的內(nèi)涵

(二) 人工智能時代網(wǎng)絡(luò)空間安全發(fā)展態(tài)勢

1、網(wǎng)絡(luò)空間安全威脅趨向智能2、網(wǎng)絡(luò)空間安全邊界開放擴張3、網(wǎng)絡(luò)空間安全人力面臨不足4、網(wǎng)絡(luò)空間安全防御趨向主動

第三章 人工智能在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用模式

(一) AI+安全的應(yīng)用優(yōu)勢

(二) AI+安全的產(chǎn)業(yè)格局

(三) AI+安全的實現(xiàn)模式

1、人工智能應(yīng)用于網(wǎng)絡(luò)系統(tǒng)安全2、人工智能應(yīng)用于網(wǎng)絡(luò)內(nèi)容安全3、人工智能應(yīng)用于物理網(wǎng)絡(luò)系統(tǒng)安全

第四章 人工智能在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用案例

網(wǎng)絡(luò)系統(tǒng)安全篇

（一）病毒及惡意代碼檢測與防御

（二）網(wǎng)絡(luò)入侵檢測與防御

第三章 人工智能在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用模式

人工智能技術(shù)日趨成熟，人工智能在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用（簡稱 AI+安全）不僅能夠全面提高網(wǎng)絡(luò)空間各類威脅的響應(yīng)和應(yīng)對速度，而且能夠全面提高風(fēng)險防范的預(yù)見性和準(zhǔn)確性。因此，人工智能技術(shù)已經(jīng)被全面應(yīng)用于網(wǎng)絡(luò)空間安全領(lǐng)域，在應(yīng)對智能時代人類各類安全難題中發(fā)揮著巨大潛力。

（一）AI+安全的應(yīng)用優(yōu)勢

人們應(yīng)對和解決安全威脅，從感知和意識到不安全的狀態(tài)開始，通過經(jīng)驗知識加以分析，針對威脅形態(tài)做出決策，選擇最優(yōu)的行動脫離不安全狀態(tài)。類人的人工智能，正是令機器學(xué)會從認(rèn)識物理世界到自主決策的過程，其內(nèi)在邏輯是通過數(shù)據(jù)輸入理解世界，或通過傳感器感知環(huán)境，然后運用模式識別實現(xiàn)數(shù)據(jù)的分類、聚類、回歸等分析，并據(jù)此做出最優(yōu)的決策推薦。

當(dāng)人工智能運用到安全領(lǐng)域，機器自動化和機器學(xué)習(xí)技術(shù)能有效且高效地幫助人類預(yù)測、感知和識別安全風(fēng)險，快速檢測定位危險來源，分析安全問題產(chǎn)生的原因和危害方式，綜合智慧大腦的知識庫判斷并選擇最優(yōu)策略，采取緩解措施或抵抗威脅，甚至提供進(jìn)一步緩解和修復(fù)的建議。這個過程不僅將人們從繁重、耗時、復(fù)雜的任務(wù)中解放出來，且面對不斷變化的風(fēng)險環(huán)境、異常的攻擊威脅形態(tài)比人更快、更準(zhǔn)確，綜合分析的靈活性和效率也更高。

因此，人工智能的「思考和行動邏輯與安全防護(hù)的邏輯從本質(zhì)上是自洽的，網(wǎng)絡(luò)空間安全天然是人工智能技術(shù)大顯身手的領(lǐng)域。

（1）基于大數(shù)據(jù)分析的高效威脅識別：大數(shù)據(jù)為機器學(xué)習(xí)和深度學(xué)習(xí)算法提供源源動能，使人工智能保持良好的自我學(xué)習(xí)能力，升級的安全分析引擎，具有動態(tài)適應(yīng)各種不確定環(huán)境的能力，有助于更好地針對大量模糊、非線性、異構(gòu)數(shù)據(jù)做出因地制宜的聚合、分類、序列化等分析處理，甚至實現(xiàn)了對行為及動因的分析，大幅提升檢測、識別已知和未知網(wǎng)絡(luò)空間安全威脅的效率，升級精準(zhǔn)度和自動化程度。

（2）基于深度學(xué)習(xí)的精準(zhǔn)關(guān)聯(lián)分析：人工智能的深度學(xué)習(xí)算法在發(fā)掘海量數(shù)據(jù)中的復(fù)雜關(guān)聯(lián)方面表現(xiàn)突出，擅長綜合定量分析相關(guān)安全性，有助于全面感知內(nèi)外部安全威脅。人工智能技術(shù)對各種網(wǎng)絡(luò)安全要素和百千級維度的安全風(fēng)險數(shù)據(jù)進(jìn)行歸并融合、關(guān)聯(lián)分析，再經(jīng)過深度學(xué)習(xí)的綜合理解、評估后對安全威脅的發(fā)展趨勢做出預(yù)測，還能夠自主設(shè)立安全基線達(dá)到精細(xì)度量網(wǎng)絡(luò)安全性的效果，從而構(gòu)建立體、動態(tài)、精準(zhǔn)和自適應(yīng)的網(wǎng)絡(luò)安全威脅態(tài)勢感知體系。

（3）基于自主優(yōu)化的快速應(yīng)急響應(yīng)：人工智能展現(xiàn)出強大的學(xué)習(xí)、思考和進(jìn)化能力，能夠從容應(yīng)對未知、變化、激增的攻擊行為，并結(jié)合當(dāng)前威脅情報和現(xiàn)有安全策略形成適應(yīng)性極高的安全智慧，主動快速選擇調(diào)整安全防護(hù)策略，并付諸實施，最終幫助構(gòu)建全面感知、適應(yīng)協(xié)同、智能防護(hù)、優(yōu)化演進(jìn)的主動安全防御體系。

（4）基于進(jìn)化賦能的良善廣域治理：隨著網(wǎng)絡(luò)空間內(nèi)涵外延的不斷擴展，人類面臨的安全威脅無論從數(shù)量、來源、形態(tài)、程度和修復(fù)性上都在超出原本行之有效的分工和應(yīng)對能力，有可能處于失控邊緣，人工智能對人的最高智慧的極限探索，也將拓展網(wǎng)絡(luò)治理的理念和方式，實現(xiàn)安全治理的突破性創(chuàng)新。人工智能不僅能解決當(dāng)下的安全難題，而通過在安全場景的深化應(yīng)用和檢驗，發(fā)現(xiàn)人工智能的缺陷和不足，為下一階段的人工智能發(fā)展和應(yīng)用奠定基礎(chǔ)，指明方向，推動人工智能技術(shù)的持續(xù)變革及其更廣域的賦能。

（二）AI+安全的產(chǎn)業(yè)格局

人工智能以其獨特的優(yōu)勢正在各類安全場景中形成多種多樣的解決方案。從可觀察的市場指標(biāo)來看，近幾年來人工智能安全市場迅速成長， 公司在 2018 年的研究表明，在網(wǎng)絡(luò)安全中人工智能應(yīng)用場景增多，同時地域覆蓋范圍擴大，將進(jìn)一步擴大技術(shù)在安全領(lǐng)域的應(yīng)用，因此人工智能技術(shù)在安全市場內(nèi)將快速發(fā)展，預(yù)計到 2024 年，可用在安全中的人工智能技術(shù)市場規(guī)模將超過 350 億美元，在 2017-2024 年之間年復(fù)合增長率（CAGR）可達(dá) 31%。

MarketsandMarkets 公司在 2018 年 1 月的《安全市場中人工智能》報告則認(rèn)為，2016 年 AI 安全市場規(guī)模就已達(dá) 29.9 億美元、2017 年更是達(dá)到 39.2 億美元，預(yù)測在 2025 年將達(dá)到 348.1 億美元，年復(fù)合增長率為 31.38%。而愛爾蘭的 Research and Markets 公司在 2018 年 4 月份了專門的市場研究報告，認(rèn)為到 2023 年人工智能在安全領(lǐng)域應(yīng)用的市場規(guī)模將達(dá) 182 億美元，年復(fù)合增長率為 34.5%。由于機器學(xué)習(xí)對付網(wǎng)絡(luò)犯罪較為有效，因此機器學(xué)習(xí)作為單一技術(shù)將占領(lǐng)最大的一塊市場，到 2023 年其市場規(guī)模預(yù)計可達(dá) 60 億美元。

除了傳統(tǒng)安全公司致力于人工智能安全，大型互聯(lián)網(wǎng)企業(yè)也在積極開展人工智能安全實踐，如 Google、Facebook、Amazon、騰訊、阿里巴巴等均在圍繞自身業(yè)務(wù)積極布局人工智能安全應(yīng)用。

（三）AI+安全的實現(xiàn)模式

人工智能是以計算機科學(xué)為基礎(chǔ)的綜合交叉學(xué)科，涉及技術(shù)領(lǐng)域眾多、應(yīng)用范疇廣泛，其知識、技術(shù)體系實際與整個科學(xué)體系的演化和發(fā)展密切相關(guān)。因此，如何根據(jù)各類場景安全需求的變化，進(jìn)行 AI 技術(shù)的系統(tǒng)化配置尤為關(guān)鍵。

本報告采用 Gartner 公司 2014 年提出的自適應(yīng)安全架構(gòu)（ASA，Adaptive SecurityArchitecture）來分析安全場景中人工智能技術(shù)的應(yīng)用需求，此架構(gòu)重在持續(xù)監(jiān)控和行為分析，統(tǒng)合安全中預(yù)測、防御、檢測、響應(yīng)四層面，直觀的采用四象限圖來進(jìn)行安全建模。其中「預(yù)測指檢測安全威脅行動的能力；「防御表示現(xiàn)有預(yù)防攻擊的產(chǎn)品和流程；「檢測用以發(fā)現(xiàn)、監(jiān)測、確認(rèn)及遏制攻擊行為的手段；「響應(yīng)用來描述調(diào)查、修復(fù)問題的能力。

本報告將 AI+安全的實現(xiàn)模式按照階段進(jìn)行分類和總結(jié)，識別各領(lǐng)域的外在和潛在的安全需求，采用 ASA 分析應(yīng)用場景的安全需求及技術(shù)要求，結(jié)合算法和模型的多維度分析， 尋找 AI+安全實現(xiàn)模式與適應(yīng)條件，揭示技術(shù)如何響應(yīng)和滿足安全需求，促進(jìn)業(yè)務(wù)系統(tǒng)實現(xiàn)持續(xù)的自我進(jìn)化、自我調(diào)整，最終動態(tài)適應(yīng)網(wǎng)絡(luò)空間不斷變化的各類安全威脅。

1、人工智能應(yīng)用于網(wǎng)絡(luò)系統(tǒng)安全

人工智能技術(shù)較早應(yīng)用于網(wǎng)絡(luò)系統(tǒng)安全領(lǐng)域，從機器學(xué)習(xí)、專家系統(tǒng)以及過程自動化等到如今的深度學(xué)習(xí)，越來越多的人工智能技術(shù)被證實能有效增強網(wǎng)絡(luò)系統(tǒng)安全防御：

機器學(xué)習(xí) (ML， Machine Learning):在安全中使用機器學(xué)習(xí)技術(shù)可增強系統(tǒng)的預(yù)測能力，動態(tài)防御攻擊，提升安全事件響應(yīng)能力。專家系統(tǒng)（ES， Expert System）：可用于安全事件發(fā)生時為人提供決策輔助或部分自主決策。過程自動化 (AT， Automation )：在安全領(lǐng)域中應(yīng)用較為普遍，代替或協(xié)助人類進(jìn)行檢測或修復(fù)，尤其是安全事件的審計、取證，有不可替代的作用。深度學(xué)習(xí)（DL， Deep Learning）：在安全領(lǐng)域中應(yīng)用非常廣泛，如探測與防御、威脅情報感知，結(jié)合其他技術(shù)的發(fā)展取得極高的成就。

如圖 3 所示，通過分析人工智能技術(shù)應(yīng)用于網(wǎng)絡(luò)系統(tǒng)安全，在四個層面均可有效提升安全效能：

預(yù)測：基于無監(jiān)督學(xué)習(xí)、可持續(xù)訓(xùn)練的機器學(xué)習(xí)技術(shù)，可以提前研判網(wǎng)絡(luò)威脅，用專家系統(tǒng)、機器學(xué)習(xí)和過程自動化技術(shù)來進(jìn)行風(fēng)險評估并建立安全基線，可以讓系統(tǒng)固若金湯。

防御：發(fā)現(xiàn)系統(tǒng)潛在風(fēng)險或漏洞后，可采用過程自動化技術(shù)進(jìn)行加固。安全事件發(fā)生時，機器學(xué)習(xí)還能通過模擬來誘導(dǎo)攻擊者，保護(hù)更有價值的數(shù)字資產(chǎn)，避免系統(tǒng)遭受攻擊。

檢測：組合機器學(xué)習(xí)、專家系統(tǒng)等工具連續(xù)監(jiān)控流量，可以識別攻擊模式，實現(xiàn)實時、無人參與的網(wǎng)絡(luò)分析，洞察系統(tǒng)的安全態(tài)勢，動態(tài)靈活調(diào)整系統(tǒng)安全策略，讓系統(tǒng)適應(yīng)不斷變化的安全環(huán)境。

響應(yīng)：系統(tǒng)可及時將威脅分析和分類，實現(xiàn)自動或有人介入響應(yīng)，為后續(xù)恢復(fù)正常并審計事件提供幫助和指引。

因此人工智能技術(shù)應(yīng)用于網(wǎng)絡(luò)系統(tǒng)安全，正在改變當(dāng)前安全態(tài)勢，可讓系統(tǒng)彈性應(yīng)對日益細(xì)化的網(wǎng)絡(luò)攻擊。在安全領(lǐng)域使用人工智能技術(shù)也會帶來一些新問題，不僅有人工智能技術(shù)用于網(wǎng)絡(luò)攻擊等伴生問題，還有如隱私保護(hù)等道德倫理問題，因此還需要多種措施保證其合理應(yīng)用?？偠灾脵C器的智慧和力量來支持和保障網(wǎng)絡(luò)系統(tǒng)安全行之有效。

2、人工智能應(yīng)用于網(wǎng)絡(luò)內(nèi)容安全

人工智能技術(shù)可被應(yīng)用于網(wǎng)絡(luò)內(nèi)容安全領(lǐng)域，參與網(wǎng)絡(luò)文本內(nèi)容檢測與分類、視頻和圖片內(nèi)容識別、語音內(nèi)容檢測等事務(wù)，切實高效地協(xié)助人類進(jìn)行內(nèi)容分類和管理。面對包括視頻、圖片、文字等實時海量的信息內(nèi)容，人工方式開展網(wǎng)絡(luò)內(nèi)容治理已經(jīng)捉襟見肘，人工智能技術(shù)在網(wǎng)絡(luò)內(nèi)容治理層面已然不可替代。

在網(wǎng)絡(luò)內(nèi)容安全領(lǐng)域所應(yīng)用的人工智能技術(shù)如下：

自然語言處理（NLP， Natural Language Processing）：可用于理解文字、語音等人類創(chuàng)造的內(nèi)容，在內(nèi)容安全領(lǐng)域不可或缺。圖像處理（IP， Image Processing）：對圖像進(jìn)行分析，進(jìn)行內(nèi)容的識別和分類，在內(nèi)容安全中常用于不良信息處理。視頻分析技術(shù) (VA， Video Analysis)：對目標(biāo)行為的視頻進(jìn)行分析，識別出視頻中活動的目標(biāo)及相應(yīng)的內(nèi)涵，用于不良信息識別。

如圖 4 所示，通過分析人工智能技術(shù)應(yīng)用于網(wǎng)絡(luò)內(nèi)容安全，在四個層面均可有效提升安全效能：

預(yù)防階段：內(nèi)容安全最重要的是合規(guī)性，由于各領(lǐng)域的監(jiān)管法律/政策的側(cè)重點不同而有所區(qū)別且動態(tài)變化。在預(yù)防階段，可使用深度學(xué)習(xí)和自然語言處理進(jìn)行相關(guān)法律法規(guī)條文的理解和解讀，并設(shè)定內(nèi)容安全基線，再由深度學(xué)習(xí)工具進(jìn)行場景預(yù)測和風(fēng)險評估，并及時將結(jié)果向網(wǎng)絡(luò)內(nèi)容管理人員報告。

防御階段：應(yīng)用深度學(xué)習(xí)等工具可完善系統(tǒng)，防范潛在安全事件的發(fā)生。

檢測階段：自然語言、圖像、視頻分析等智能工具能快速識別內(nèi)容，動態(tài)比對安全基線，及時將分析結(jié)果交付給人類伙伴進(jìn)行后續(xù)處置，除此之外，基于內(nèi)容分析的情感人工智能也已逐步應(yīng)用于輿情預(yù)警，取得不俗成果。

響應(yīng)階段：在后續(xù)調(diào)查或留存審計資料階段，過程自動化同樣不可或缺。

3、人工智能應(yīng)用于物理網(wǎng)絡(luò)系統(tǒng)安全

隨著物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、5G 等技術(shù)的成熟，網(wǎng)絡(luò)空間發(fā)生深刻變化，人、物、物理空間通過各類系統(tǒng)實現(xiàn)無縫連接，由于涉及的領(lǐng)域眾多同時接入的設(shè)備數(shù)量巨大，傳感器網(wǎng)絡(luò)所產(chǎn)生的數(shù)據(jù)可能是高頻低密度數(shù)據(jù)，人工已經(jīng)難以應(yīng)對，采用人工智能勢在必行。但由于應(yīng)用場景極為復(fù)雜多樣，可供應(yīng)用的人工智能技術(shù)將更加廣泛，并會驅(qū)動人工智能技術(shù)自身新發(fā)展。

情緒識別（ER， Emotion Recognition）：不僅可用圖像處理或音頻數(shù)據(jù)獲得人類的情緒狀態(tài)，還可以通過文本分析、心率、腦電波等方式感知人類的情緒狀態(tài)，在物理網(wǎng)絡(luò)中將應(yīng)用較為普遍，通過識別人類的情緒狀態(tài)從而可與周邊環(huán)境的互動更為安全。AI 建模（DT， Digital Twin/AI Modeling）：通過軟件來溝通物理系統(tǒng)與數(shù)字世界。生物特征識別 (BO， Biometrics)：可通過獲取和分析人體的生理和行為特征來實現(xiàn)人類唯一身份的智能和自動鑒別，包括人臉識別、虹膜識別、指紋識別、掌紋識別等技術(shù)。虛擬 (VA， Virtual Agents)：這類具有人類行為和思考特征的智能程序，協(xié)助人類識別安全風(fēng)險因素，讓人類在物理網(wǎng)絡(luò)世界中更安全。

篇2

關(guān)鍵詞:人工智能;研究型實驗教學(xué);民族關(guān)系

人工智能是計算機科學(xué)的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學(xué)科,對它的研究涉及控制論、信息論、系統(tǒng)論、語言學(xué)、神經(jīng)生理學(xué)、數(shù)學(xué)、哲學(xué)等諸多的學(xué)科及領(lǐng)域,是一門綜合性的交叉學(xué)科[1]。

人工智能的研究、應(yīng)用和發(fā)展,在一定程度上代表著信息技術(shù)的發(fā)展方向,同時信息技術(shù)的廣泛應(yīng)用也對人工智能技術(shù)的發(fā)展提出了迫切的需求。今天,人工智能的不少研究領(lǐng)域如自然語言理解、模式識別、機器學(xué)習(xí)、數(shù)據(jù)挖掘、智能檢索、機器人技術(shù)、人工神經(jīng)網(wǎng)絡(luò)等都走在了信息技術(shù)的前沿,有許多研究成果已經(jīng)進(jìn)入人們的生活、學(xué)習(xí)和工作中,并對人類的發(fā)展產(chǎn)生了重要影響[2]。

實踐教學(xué)環(huán)節(jié)在大學(xué)教育中是一個非常重要的教學(xué)環(huán)節(jié),是提高人才素質(zhì)與能力的重要途徑。人工智能課程除了具有較強的專業(yè)性之外,還具有突出的實踐性,為了能深入理解和掌握所學(xué)內(nèi)容,必須把講授和實踐結(jié)合起來。本文結(jié)合該課程實驗教學(xué),將研究型教學(xué)的理念引入到實驗教學(xué),并對教學(xué)過程中的經(jīng)驗和問題加以初步的總結(jié)。

1研究型教學(xué)模式背景

研究型教學(xué)是相對于以單向性知識傳授為主的傳統(tǒng)教學(xué)提出的,是指教師以課程內(nèi)容和學(xué)生的學(xué)識積累為基礎(chǔ),引導(dǎo)學(xué)生創(chuàng)造性地運用知識和能力,自主地發(fā)現(xiàn)問題、研究問題和解決問題,在研究中積累知識、培養(yǎng)能力和鍛煉思維的新型教學(xué)模式。研究性教學(xué)是對現(xiàn)有的大學(xué)課堂教學(xué)模式的突破。有利于開發(fā)大學(xué)生的創(chuàng)造潛能,提高學(xué)生適應(yīng)社會需要的創(chuàng)造性和創(chuàng)新能力,充分展現(xiàn)現(xiàn)代大學(xué)培養(yǎng)人才、發(fā)展科學(xué)、服務(wù)社會的三大基本職能[3]。

19世紀(jì)初,德國著名教育家洪堡最早提出了教學(xué)與科研相統(tǒng)一的原則,為研究型教學(xué)模式的發(fā)展奠定了基礎(chǔ)。20世紀(jì)50、60年代,美國著名教育心理學(xué)家布魯納提出了著名的“發(fā)現(xiàn)教學(xué)模式”[4],成為后來探究性學(xué)習(xí)和研究型教學(xué)的先導(dǎo)。20世紀(jì)70年代,美國研究教學(xué)專家薩奇曼正式提出了研究訓(xùn)練教學(xué)模式。他認(rèn)為學(xué)生會本能地對周圍新奇事物發(fā)生興趣,并想方設(shè)法弄清這些新奇事物背后究竟發(fā)生了什么,這是一種進(jìn)行科學(xué)研究的可貴的動力。

自此,研究型教學(xué)理念開始廣泛使用。現(xiàn)在,哈佛大學(xué)、牛津大學(xué)、劍橋大學(xué)等世界著名大學(xué),都非常注重學(xué)生能力的培養(yǎng),普遍采取了研究型教學(xué)模式。以美國高校為例,雖然美國高校83%的教師在課堂教學(xué)中主要采用講授法進(jìn)行教學(xué),但在整個教學(xué)過程中都滲透著研究型教學(xué)的方法,如積極引導(dǎo)學(xué)生參與教學(xué)過程,開設(shè)研究性課程,引導(dǎo)學(xué)生積極主動地參與科研活動等。我國自20世紀(jì)90年代初推出211工程建設(shè)以來,清華大學(xué)、北京大學(xué)、人民大學(xué)、復(fù)旦大學(xué)、浙江大學(xué)等一些重點大學(xué)都提出了建設(shè)世界一流的綜合性研究型大學(xué)的目標(biāo)。這些高校在實現(xiàn)從單向知識傳授的傳統(tǒng)型教學(xué)向關(guān)注創(chuàng)新性教育的研究型教學(xué)轉(zhuǎn)變方面進(jìn)行了許多有益的嘗試。

2研究型實驗教學(xué)

本科教學(xué)不僅要培養(yǎng)學(xué)生的應(yīng)用能力,還要培養(yǎng)學(xué)生具備基本的科研素質(zhì)。大學(xué)是培養(yǎng)未來一線創(chuàng)新人才的主要基地,必須從本科教學(xué)人手,深入探索研究型教學(xué)的手段和方法,才能滿足未來經(jīng)濟(jì)增長和社會發(fā)展的需要,才能符合建設(shè)研究型大學(xué)的需要。特別是近幾年來我國對科研的投入不斷增加,研究生招生規(guī)模逐年增大,本科高年級學(xué)生打算繼續(xù)讀研的也不在少數(shù)。而人工智能是計算機相關(guān)學(xué)科非?；钴S的研究課題,其涵蓋的分支非常廣泛,如模式識別、機器學(xué)習(xí)、數(shù)據(jù)挖掘、計算智能、統(tǒng)計學(xué)習(xí)理論等,都是目前國際和國內(nèi)熱門的研究方向。

人工智能課程在計算機專業(yè)人才培養(yǎng)方案中占據(jù)著重要的位置。在專業(yè)理論方面,它承續(xù)了離散數(shù)學(xué)中的邏輯知識;在專業(yè)方法方面,是數(shù)據(jù)結(jié)構(gòu)、算法分析與設(shè)計的繼續(xù);在專業(yè)工具方面,是面向?qū)ο蟪绦蛟O(shè)計的生動實例。并且人工智能的每一部分內(nèi)容都可以作為一個深入的研究課題,課堂上講解的內(nèi)容不可能面面俱到,學(xué)生們也不可能對人工智能的每一領(lǐng)域都做很深入的學(xué)習(xí)。并且人工智能涉及很多的數(shù)理邏輯知識,有些顯得難以理解,并且往往讓學(xué)生感到比較枯燥,學(xué)生的學(xué)習(xí)興趣就漸漸淡薄,學(xué)生往往被動“聽講”,難以獲得預(yù)期的教學(xué)效果。

針對這一特點,在人工智能教學(xué)中,如何引導(dǎo)學(xué)生系統(tǒng)學(xué)習(xí)人工智能的知識、激發(fā)學(xué)生的研究興趣,樹立目標(biāo)意識找準(zhǔn)研究方向,為未來的科研工作打下基礎(chǔ),研究型實驗教學(xué)就成為了人工智能課程教學(xué)的一個重要環(huán)節(jié)和必然選擇。

2.1實驗教學(xué)中加強學(xué)生的研究導(dǎo)向

在實驗教學(xué)中,如果照搬一些教材中的例子或習(xí)題教學(xué),一方面學(xué)生們會缺乏興趣,另一方面學(xué)生對這個領(lǐng)域的知識缺乏全面的了解。應(yīng)不斷提出一些學(xué)生們感興趣的開放性課題,比如基于支持向量機的人臉識別、基于膚色的人臉檢測,基于內(nèi)容的圖像檢索等,培養(yǎng)學(xué)生們的學(xué)習(xí)興趣,讓學(xué)生們逐漸深入的學(xué)習(xí)某一領(lǐng)域的知識。比如BP神經(jīng)網(wǎng)絡(luò),在模式識別、經(jīng)濟(jì)數(shù)據(jù)分析、生物信息學(xué)、數(shù)據(jù)挖掘等眾多領(lǐng)域都取得過成功應(yīng)用,是一種具有強大的非線性學(xué)習(xí)能力的計算智能技術(shù)。然而BP神經(jīng)網(wǎng)絡(luò)算法自身也存在著一些缺點,如會有局部最小解、解受初值影響較大、理論解釋不完善等,而支持向量機在這些方面具有顯著優(yōu)點。我們可以設(shè)計一個人臉識別的實驗,用神經(jīng)網(wǎng)絡(luò)和支持向量機分別實現(xiàn),并作以比較。讓學(xué)生們在了解人工智能新技術(shù)的同時,也培養(yǎng)學(xué)生們?nèi)绾畏治鰡栴}、解決問題的科研能力。

2.2人工智能課程實驗

該課程是一門對實驗技術(shù)有較高要求的課程,對于基本原理和方法的實現(xiàn),要求學(xué)生進(jìn)行嚴(yán)格的計算機專業(yè)技能訓(xùn)練和培養(yǎng)良好的科研工作作風(fēng)。因此對課程中的技能及技術(shù)性內(nèi)容,除單獨進(jìn)行必要的基礎(chǔ)訓(xùn)練外,還融入到綜合和研究型試驗中,通過多次反復(fù)實驗練習(xí),達(dá)到牢固掌握人工智能原理和人工智能的問題求解技術(shù)的目的。

該課程的實踐環(huán)節(jié)主要是實踐項目,由具備較強工程實踐能力的任課教師和助教負(fù)責(zé),學(xué)生可在全天候開放的專用機房完成。在實踐環(huán)節(jié)的設(shè)計上,我們嘗試把驗證性實驗和開發(fā)性實驗相結(jié)合,結(jié)合實驗教學(xué)進(jìn)度,安排相應(yīng)的開放實驗,開放性實驗以科學(xué)研究實驗為主。并在課程的教學(xué)過程中,不斷深化和擴展教學(xué)內(nèi)容,結(jié)合人工智能學(xué)科的發(fā)展趨勢和本院老師的最新研究成果,對實驗內(nèi)容進(jìn)行更新。

課程主要設(shè)置三種層次的實驗:1)基本原理和算法編程,測試?yán)O(shè)計及程序測試實驗;2)分析綜合實驗;3)研究型設(shè)計實驗。整個實驗包括課前討論、實驗操作、實驗報告、結(jié)果討論、總結(jié)提高等六個環(huán)節(jié)。對于綜合性和研究型實驗,把學(xué)生分成5個人一小組,每小組選做其中的一個。學(xué)生從指導(dǎo)老師處了解到實驗課題后,即著手查資料,研讀文獻(xiàn),鉆研有關(guān)理論。在此基礎(chǔ)上,學(xué)生先提出實驗方案,經(jīng)與老師討論后,即可開始實驗研究。

3實驗平臺的構(gòu)建

民族關(guān)系問題對被訪對象,特別對少數(shù)民族被訪對象是非常敏感的問題,對民族關(guān)系的評價又存在個體層面、群體層面、不同階層人群之間的差異,因此,僅僅以傳統(tǒng)的文獻(xiàn)分析、問卷統(tǒng)計和現(xiàn)場觀察等民族學(xué)方法來進(jìn)行調(diào)查,得到的數(shù)據(jù)會存在較多誤差。

因此結(jié)合本校的民族特色和民族學(xué)領(lǐng)域獨特的研究優(yōu)勢,將信息認(rèn)知技術(shù)引入民族關(guān)系研究,運用圖像、心電和腦電數(shù)據(jù)進(jìn)行分析,將分析的結(jié)果和心理場景測試及民族學(xué)調(diào)查結(jié)果進(jìn)行相互印證和參數(shù)修正,從而獲得盡可能客觀的數(shù)據(jù),這些數(shù)據(jù)將有助于建立一個客觀、完備、科學(xué)的民族關(guān)系監(jiān)測體系,并真實全面地評估民族關(guān)系,從而使決策機構(gòu)及時做出正確的決策?；诙嘈畔⑷诤系拿褡尻P(guān)系監(jiān)測預(yù)警系統(tǒng)總體框圖如圖1所示。

目前該平臺已經(jīng)搭建,由北京市公共安全信息監(jiān)測平臺建設(shè)、北京市公共安全信息監(jiān)測平臺建設(shè)關(guān)鍵技術(shù)研究、基于多源信息融合的民族信任研究等多個重大項目支撐。在這個平臺的下面,涉及到人臉識別、表情識別,視頻監(jiān)控、認(rèn)識等領(lǐng)域,小波分析、神經(jīng)網(wǎng)絡(luò)、支持向量機、模糊數(shù)學(xué)、信息融合等人工智能知識得到了具體的應(yīng)用。學(xué)生可以根據(jù)自己的興趣愛好,自愿參加到該平臺下的某一項目,切實對自己所學(xué)知識有一個深刻的理解和掌握。

4結(jié)語

研究型實驗教學(xué)激發(fā)了學(xué)生的學(xué)習(xí)興趣,不但使學(xué)生更好地掌握了人工智能的基本概念、基本理論和基本技術(shù),也切實提高了學(xué)生的實際動手能力和編程能力。研究型實驗教學(xué)在實踐過程中還有以下問題需要改進(jìn):

1) 研究型實驗教學(xué)的理念很難普及。很多教師對研究型教學(xué)模式的內(nèi)涵未能準(zhǔn)確把握,把研究型教學(xué)模式等同于學(xué)生實習(xí)或者寫論文。

2) 研究型實驗教學(xué)的輔導(dǎo)老師素養(yǎng)需要提高。研究型實驗教學(xué)作為體現(xiàn)創(chuàng)新教育要求的現(xiàn)代教學(xué)模式,需要的不是知識傳授型的教師,而是高素質(zhì)的研究型教師。教師不僅是單一的教者,更應(yīng)該成為一個學(xué)者,教師不僅要有研究型教學(xué)的教育觀念、快速接受新知識的能力和高超的教學(xué)技能,要能夠合理地規(guī)劃和設(shè)計實驗內(nèi)容。

3) 需要建立一套合理的學(xué)生學(xué)業(yè)和教師績效的評價體系。

參考文獻(xiàn):

[1] 王萬森. 人工智能原理及其應(yīng)用[M]. 北京:電子工業(yè)出版社,2007.

[2] 蔡自興,徐光佑. 人工智能及其應(yīng)用[M]. 北京:清華大學(xué)出版社,2004.

[3] 李得偉,張超,李海鷹. 大學(xué)工科專業(yè)課程實施研究型教學(xué)的探討[J]. 高等教育研究,2009(9):74-75.

[4] 彭先桃.大學(xué)研究性教學(xué)的理念探析[J].教育導(dǎo)刊,2008(3):56-58.

Exploration and Practice of the Research Experiment on Artificial Intelligence

ZHANG Ting, YANG Guo-sheng

(College of Information Engineering, Minzu University of China, Beijing 100081, China)

篇3

關(guān)鍵詞 計算機網(wǎng)絡(luò)技術(shù)；人工智能；具體應(yīng)用

中圖分類號 TP3 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2017）181-0021-02

計算機原有系統(tǒng)中存在的一系列簡單的求和計算等功能，已在新技術(shù)的不斷帶動下開始進(jìn)行新的更新，在網(wǎng)絡(luò)計算機技術(shù)日益提升的同時，人們開始對計算機網(wǎng)絡(luò)技術(shù)中人工智能化需求等各項服務(wù)功能有一個更高的要求，來滿足自身的工作需要。但是現(xiàn)行計算機網(wǎng)絡(luò)技術(shù)在發(fā)展中還存有許多亟待解決的問題，特別是近些年來世人較為關(guān)注的網(wǎng)絡(luò)安全問題，而在計算機應(yīng)用中采用人工智能技術(shù)可以跟蹤及綁定系統(tǒng)信息，因此實現(xiàn)了對計算機網(wǎng)絡(luò)信息的安全管理。

1 計算機網(wǎng)絡(luò)技術(shù)中人工智能技術(shù)的實踐優(yōu)點

首先，計算機網(wǎng)絡(luò)技術(shù)中的人工智能實際上就是智能化機器設(shè)備，在具體應(yīng)用中可以根據(jù)人的情感意識，模擬出其較為復(fù)雜的思維、行為等信息過程，最大限度取代人工所要完成的一系列復(fù)雜的工序，進(jìn)而全面增強工作質(zhì)量及效率；其次，人工智能在實踐應(yīng)用中不僅可對較為簡單的計算機數(shù)據(jù)信息進(jìn)行充分理解后實施最大限度的模仿，同時還能針對信息內(nèi)容實行推理計算。基于計算機網(wǎng)絡(luò)系統(tǒng)中人工智能技術(shù)自身具有較強的推理識別能力，因此被廣泛應(yīng)用到網(wǎng)絡(luò)信息安全控制及管理工作之中；最后，計算機網(wǎng)絡(luò)系統(tǒng)中的人工智能在具體應(yīng)用中，其自身的內(nèi)存較小，不會出現(xiàn)占用較多系統(tǒng)資源的現(xiàn)象，同時借助計算機模糊運算法，可以在第一時間鎖定目標(biāo)，繼而提高了計算機網(wǎng)絡(luò)技術(shù)自身的運算效率。

2 新時期人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用策略分析

在信息技術(shù)時代的大背景下，當(dāng)代計算機網(wǎng)絡(luò)安全管理技術(shù)在實踐應(yīng)用中，主要展現(xiàn)出以下3種特征，分別是入侵檢測技術(shù)、智能防火墻技術(shù)以及反垃圾郵件技術(shù)。在此我們來進(jìn)行依次說明。

2.1 入侵檢測技術(shù)

在計算機網(wǎng)絡(luò)安全管理中，處于核心位置的當(dāng)屬于入侵檢測環(huán)節(jié)，同時該項環(huán)節(jié)技術(shù)也是在防火墻技術(shù)應(yīng)用中十分重要的部分之一。入侵檢測技術(shù)在實踐應(yīng)用中，通過進(jìn)行收集數(shù)據(jù)信息、數(shù)據(jù)信息篩選、數(shù)據(jù)信息處理以及系統(tǒng)自動將信息合成信息報告等一系列的環(huán)節(jié)后，再將最后的結(jié)果提交給用戶，這樣可以便于用戶能夠在較短的時間內(nèi)對網(wǎng)絡(luò)狀態(tài)進(jìn)行準(zhǔn)確掌握。當(dāng)前在對入侵檢測進(jìn)行應(yīng)用過程中會涉及到如下幾方面：

其一，Agent應(yīng)用技術(shù)。在應(yīng)用該項技術(shù)前，需要擁有較為完善的知識庫以及推力器等設(shè)備。在具體實踐操作中，在儲存及處理信息問題上借助系統(tǒng)操作流程，在對數(shù)據(jù)信息進(jìn)行識別辨認(rèn)上，充分利用相關(guān)推力器來實施。與此同時，計算機網(wǎng)絡(luò)系統(tǒng)會對通訊網(wǎng)絡(luò)進(jìn)行積極的調(diào)用，以此在Agent正在處于工作狀態(tài)的情況下，來對其進(jìn)行充分的溝通，進(jìn)而全面、有效的將任務(wù)完成好。

另外，Agent技術(shù)在人工智能上面還具備一定的自動定義特征，具體來說，可對用戶切身要求進(jìn)行系統(tǒng)化推理。以此來選擇出最貼近用戶的需求信息，并將需求信息發(fā)送到準(zhǔn)確位置上來。用戶通過不斷使用人工智能Agent技術(shù)，逐步推動用戶自身的個性化需求得到全面的完善。例如：計算機用戶在利用引擎搜索相關(guān)信息時，可促進(jìn)信息整合效率的快速增強。

其二，大數(shù)據(jù)挖掘技術(shù)。該項技術(shù)在具體應(yīng)用中實現(xiàn)網(wǎng)絡(luò)與主機之間的有效連接，并對其產(chǎn)生的對話信息所傳遞出的內(nèi)容進(jìn)行正確讀取，隨后大數(shù)據(jù)挖掘技術(shù)可以通過計算機系統(tǒng)設(shè)備中存在的入侵模式以及系統(tǒng)常規(guī)活動規(guī)律進(jìn)行研讀，使之加深印象，這樣的好處在于，當(dāng)計算機網(wǎng)絡(luò)在具體連接時一旦出現(xiàn)任何不良情況時，可以做到及時發(fā)現(xiàn)，對該計算機系統(tǒng)設(shè)備中的入侵模式進(jìn)行有效識別，因此可以說該項技術(shù)對計算機網(wǎng)絡(luò)安全管理中發(fā)揮出積極作用。

其三，人工免疫技術(shù)。該項技術(shù)是設(shè)置于計算機人體免疫系統(tǒng)設(shè)備之上，其系統(tǒng)運作機制主要由否定選擇、基因庫以及克隆選擇3方面構(gòu)成。在實踐應(yīng)用中可對傳統(tǒng)計算機入侵檢測技術(shù)設(shè)備中現(xiàn)存的未知病毒識別以及殺毒功效等自身欠缺的地方進(jìn)行有效改進(jìn)。例如：在進(jìn)行基因庫的實踐操作中高效完成基因片段突變及重組的過程，促使該項技術(shù)可以對基因庫中存在的未知病毒類型有一個大致的識別，但是當(dāng)前若想全面實現(xiàn)人工免疫技術(shù)在基因庫中的有效應(yīng)用還存在著一定的困難。

2.2 智能防火墻技術(shù)

在計算機網(wǎng)絡(luò)安全技術(shù)管理中，智能防火墻是較為重要的管理手段。該項技術(shù)在進(jìn)行數(shù)據(jù)處理及識別上面，可以提前攔截所識別出的有害信息，以此對用戶訪問實行限制，在不斷的實踐應(yīng)用中，我們可以得出該項技術(shù)針對入侵計算機系統(tǒng)當(dāng)中的病毒可以做到切斷病源，遏制其繼續(xù)傳播。同時，智能防火墻技術(shù)與計算機其他防御系統(tǒng)相比較而言，其自身在實踐中可以有效地將決策、運算、統(tǒng)計以及記憶等智能識別技術(shù)進(jìn)行數(shù)據(jù)處理，進(jìn)而可以在計算機正常運行期間，檢查出哪些設(shè)備占用資源最小，將對網(wǎng)絡(luò)系統(tǒng)產(chǎn)生出的有害設(shè)備及時清理出去，最大限度制止了病毒的入侵行為，保障了計算機網(wǎng)絡(luò)的運行安全。

2.3 智能反垃圾郵件技術(shù)

該項技術(shù)是建立在傳統(tǒng)反垃圾郵件技術(shù)的程序之上，最大程度上不影響用戶網(wǎng)絡(luò)信息安全的狀態(tài)下，充分借助于人工智能技術(shù)來對郵件系統(tǒng)中的垃圾郵件進(jìn)行阻擋和清理的一項新型技術(shù)。在進(jìn)行具體實踐操作中，智能反垃圾郵件技術(shù)不再對垃圾清理實施單一的手段，是高效借助人工智能系統(tǒng)中的處理未知問題、存儲記憶和學(xué)習(xí)功能，并對用戶郵件內(nèi)容進(jìn)行高效的監(jiān)管，將計算機系統(tǒng)中的垃圾郵件進(jìn)行系統(tǒng)化分類及清除，為此來防止因垃圾郵件自身問題而導(dǎo)致安全隱患問題的發(fā)生。

3 計算機網(wǎng)絡(luò)系統(tǒng)中的人工智能在其系統(tǒng)管理及系統(tǒng)評價中的應(yīng)用

基于計算機互聯(lián)網(wǎng)系統(tǒng)中所具有的不穩(wěn)定性及不可控性等因素特征，因此為實際的網(wǎng)絡(luò)系統(tǒng)管理帶來一定的工作難度。在此期間，人工智能技術(shù)在計算機系統(tǒng)管理中應(yīng)用最廣泛的就是通過人工智能技術(shù)所創(chuàng)造出的高效決策及其有效應(yīng)對方法。通過建立這樣一個高智能化的系統(tǒng)環(huán)境，可以對網(wǎng)絡(luò)系統(tǒng)中存在的問題進(jìn)行有效解答，進(jìn)而更好地完成計算機網(wǎng)絡(luò)系統(tǒng)中的應(yīng)用管理及評價工作。

4 結(jié)論

在計算機網(wǎng)絡(luò)中添加人工智能化及人性化服務(wù)功能，可以在具體實踐中增進(jìn)計算機人工智能技術(shù)的不斷完善。隨著計算機網(wǎng)絡(luò)科研人員們的共同研究，總結(jié)出在計算機未來的發(fā)展進(jìn)程中，人工智能技術(shù)會起到積極作用，會在計算機網(wǎng)絡(luò)管理及系統(tǒng)安全中起到重要的影響。

參考文獻(xiàn)

[1]馬越.探討人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J].計算機光盤軟件與應(yīng)用，2014（22）：43-44.

篇4

摘 要：多媒體教學(xué)手段的引入，極大地增加了課堂的信息量，豐富了課堂教學(xué)的表現(xiàn)形式，但是同樣也暴露了教材信息量不足、多媒體教學(xué)素材匱乏等問題。本文結(jié)合作者的教學(xué)實踐介紹了在備課過程中利用Internet搜索引擎拓展多媒體教學(xué)內(nèi)容、豐富多媒體課件素材的方法。經(jīng)過32學(xué)時的“人工智能”本科生課程實踐，驗證了該方法的可行性和有效性。

關(guān)鍵詞：搜索引擎；多媒體教學(xué)；備課

中圖分類號：G434

文獻(xiàn)標(biāo)識碼：B

圖文聲像并茂、形象生動直觀是多媒體教學(xué)最基本的特點。多媒體可以在較短時間內(nèi)提供較傳統(tǒng)教學(xué)模式更多的信息，提高教學(xué)效率，這是多媒體教學(xué)最突出的優(yōu)點。此外，多媒體教學(xué)能夠充分發(fā)揮計算機網(wǎng)絡(luò)的輔助教學(xué)功能，學(xué)生可以從網(wǎng)絡(luò)上查閱教師的電子郵件和教輔資料，最大限度地節(jié)約教育資源，把教師從傳統(tǒng)的教學(xué)模式中解放出來，從而有更多的時間和精力應(yīng)用到科研、教研等創(chuàng)造性工作中去。但是在多媒體教學(xué)備課中也暴露出一些新的問題，比如信息來自哪里？多媒體課件的素材來自哪里？

Internet是一個巨大的信息資源寶庫，充分利用Internet資源可以對多媒體教學(xué)的信息和素材形成有益的補充。但是Internet信息過載和資源迷向問題又使我們面對浩如煙海的信息資源無所適從。Internet搜索引擎的誕生為我們提供了信息獲取的強有力工具，只需要輸入關(guān)鍵詞或關(guān)鍵詞的組合進(jìn)行搜索即可，高級搜索技巧也可以通過閱讀網(wǎng)站上的幫助信息來很快掌握。

下面從四個方面介紹多媒體教學(xué)在備課過程中如何利用Internet搜索引擎拓展教學(xué)內(nèi)容、豐富課件素材。

1 利用Internet搜索引擎對教學(xué)內(nèi)容追根溯源

2005年全國高等學(xué)校教學(xué)督導(dǎo)工作研討會上，哈爾濱工程大學(xué)總督學(xué)楊曜根教授在報告《讓新的教學(xué)理念進(jìn)課堂》中指出，目前在課堂教學(xué)內(nèi)容上往往是重“結(jié)論”、輕“過程”，只是注重傳授前人已解決的定理、概念、知識的現(xiàn)成結(jié)論，不注重揭示前人對這些知識的艱辛探索過程。其實，這不單純是理念問題，往往不是教師不想講過程，而是不會講，這都受著教材內(nèi)容和教師知識面的制約。

正如楊教授所言，“每門學(xué)科的發(fā)展過程，每門學(xué)科中新觀點、新原理的建立，科學(xué)技術(shù)的發(fā)現(xiàn)、發(fā)明和發(fā)展，無不是前人向傳統(tǒng)、敢于向權(quán)威挑戰(zhàn)、大膽想象、不斷創(chuàng)新的結(jié)果，充滿了前人大膽求異、創(chuàng)新的事例，展示這些在學(xué)生面前，正可以大大啟發(fā)學(xué)生的好奇心、興趣，培養(yǎng)學(xué)生逆向思維，引導(dǎo)學(xué)生不斷發(fā)問‘為什么’，培養(yǎng)學(xué)生的求索精神”。但這些過程事例很少編入現(xiàn)行教材中，傳統(tǒng)的教學(xué)手段課堂信息量有限，作為教師當(dāng)年也沒有在課堂上聽過這些過程事例，事實上這是一個盲區(qū)，需要另辟蹊徑來掃除這個盲區(qū)，而Internet搜索引擎則是“掃盲”的有力工具之一。

舉例來說明這個問題。人工智能的教材中對人工智能本身的發(fā)展歷程介紹的較多，但是邏輯演算作為人工智能課程的重要內(nèi)容，邏輯學(xué)本身的來龍去脈在教材中卻鮮有提及。備課時，當(dāng)然可以跳過邏輯學(xué)的歷史，也可以去圖書館查閱邏輯學(xué)專業(yè)書籍，但是利用Internet搜索引擎不失為一種便捷的方式。我們只需要在Google等搜索引擎中輸入“邏輯學(xué)”、“起源”、“發(fā)展”、“分支”等關(guān)鍵詞的簡單組合，就可以很容易地找到“邏輯學(xué)傳統(tǒng)上可分為古希臘的邏輯學(xué)、中國的名辯、古印度的因明學(xué)三個分支”、“現(xiàn)代邏輯學(xué)已從單一學(xué)科逐步發(fā)展成為理論嚴(yán)密、分支眾多、應(yīng)用廣泛的學(xué)科群”等，再順藤摸瓜，搜索“古希臘 邏輯”、“名辯 邏輯”、“因明學(xué) 邏輯”、“現(xiàn)代邏輯學(xué) 分支”等關(guān)鍵詞，便可向前把2000多年前印度的正理派、中國的墨子、古希臘的亞里士多德都追溯出來，向后把量子邏輯、控制論邏輯、概率邏輯、價值邏輯、法律邏輯、科學(xué)邏輯等信手拈來，經(jīng)過進(jìn)一步加工提煉，融入到課堂教學(xué)中，對拓展學(xué)生知識面、激發(fā)學(xué)生的探究欲望能起到良好的作用。

2 利用Internet搜索引擎為課堂講解旁征博引

在課堂上旁征博引，能夠豐富教學(xué)內(nèi)容，提升知識的吸引力，增強教師的表現(xiàn)力，激發(fā)學(xué)生學(xué)習(xí)興趣，同時，對同一個問題換個角度、換個說法來闡述，也易于學(xué)生理解和掌握，提高課堂教學(xué)實效。但是旁征博引對任課教師的知識面要求非常高，尤其對于青年教師，因此在備課時有針對性地利用Internet搜索引擎拓展自己的知識面是非常必要的。

還是舉例來說明這個問題。Agent是人工智能領(lǐng)域研究的熱點問題，Stanford著名人工智能學(xué)者Hayes-Roth講過“Agent是人工智能最初的目標(biāo)，也是人工智能最終的目標(biāo)”，而我校現(xiàn)行人工智能課程教學(xué)大綱中并不包含這部分內(nèi)容，為了引領(lǐng)學(xué)生走到學(xué)科前沿，我準(zhǔn)備了2個課時補充講授Agent。但目前國內(nèi)的人工智能教材中，僅有蔡自興教授的《人工智能及其應(yīng)用》一書將Agent作為一章來講解。Agent理論部分的幾個概念非常抽象，且學(xué)術(shù)界觀點不一，如果僅將一家之言介紹給學(xué)生，不但學(xué)生難于理解，而且容易片面認(rèn)識問題，因此廣泛引用和介紹學(xué)術(shù)界的觀點是非常必要的。在準(zhǔn)備這部分內(nèi)容時，Internet搜索引擎發(fā)揮了重要作用。用“agent definition”等關(guān)鍵詞在Google中搜索，并根據(jù)搜索結(jié)果不斷追溯和拓展，就可以查到Agent一詞的拉丁語起源――agere。Agent作為人工智能術(shù)語首見于Minsky的《Society of Mind》一書，以及Agent在美國傳統(tǒng)詞典中的定義，Jiming Liu & Jianbing Wu、Hayes-Roth、Smith, Cypher & Spohre、Wooldridge & Jennings、Shoham、Russel & Norvig、IBM等學(xué)者和公司從自主、智能、軟硬件、心智、實體等各個角度和立場給出的定義和討論，將這些內(nèi)容融合提煉之后呈現(xiàn)給學(xué)生，無疑會加深學(xué)生對抽象概念的理解，同時對教師本人的知識面也是一個豐富和擴展的過程。

3 利用Internet搜索引擎對教學(xué)用例舉一反三

多媒體教學(xué)用例必須遵循針對性、典型性、啟發(fā)性、科學(xué)性、思想性、簡潔性、趣味性和生動形象性等原則，才能達(dá)到較好的授課效果，提高教學(xué)質(zhì)量，但是備課時要準(zhǔn)備如此恰當(dāng)?shù)睦訁s非常困難。利用Internet搜索引擎可以開闊備課思路，對教學(xué)用例舉一反三。

例如，人工智能中著名的“猴子與香蕉”問題在蔡自興先生的《人工智能及其應(yīng)用》教材中僅舉此例用于講解狀態(tài)空間問題表示法。利用Internet搜索引擎還可以找到該問題在講解問題歸約、謂詞邏輯、產(chǎn)生式系統(tǒng)等知識表示方法時的舉例及動畫演示過程，將這些舉例貫通起來在知識表示總結(jié)時使用，并借用網(wǎng)上制作好的動畫演示，課堂效果很好，且備課效率很高。

4 利用Internet搜索引擎對課件素材錦上添花

多媒體課件是多媒體課堂教學(xué)的關(guān)鍵，是影響多媒體課堂教學(xué)效果的重要因素。課件過于簡單和粗糙，或者過于花哨，過多過濫地使用多媒體效果，會分散學(xué)生注意力，不利于學(xué)生課堂學(xué)習(xí)，致使教學(xué)效果降低。因此簡潔明了、形象生動的多媒體素材必不可少。利用Internet搜索引擎的圖片、音樂等搜索功能可以獲得很多極富表現(xiàn)力的音像資料來闡釋或演示抽象的概念和原理。

在人工智能課上講解語義網(wǎng)絡(luò)時用到這樣一個例子：用語義網(wǎng)絡(luò)法描述歌曲《軍港之夜》中“軍港的夜啊靜悄悄，海浪把戰(zhàn)艦輕輕地?fù)u”這一句的意境。準(zhǔn)備這個例子的時候，除了準(zhǔn)備解題過程，我還搜索了一首《軍港之夜》樂曲、一張軍港夜幕降臨時的照片和演唱者蘇曉明的照片，加工處理后做到多媒體課件中，并做到不喧賓奪主。在課堂教學(xué)中講這個例子時，發(fā)現(xiàn)學(xué)生隨著輕柔的音樂、美麗的畫卷一起隨著老師分析著問題，都聚精會神的。

在講解啟發(fā)式搜索算法時，我從網(wǎng)上搜到了孔子的名句“人無遠(yuǎn)慮，必有近憂”，唐代詩人盧綸的《送吉中孚校書歸楚州舊山》，其中有四句“林昏天未曙，但向云邊去，暗入無路山，心知有花處”，同時還下載了學(xué)校的平面圖，用“人無遠(yuǎn)慮，必有近憂”引出啟發(fā)式搜索利用啟發(fā)式信息的思想，利用盧綸的詩來闡釋啟發(fā)式搜索的意境，再結(jié)合學(xué)校的平面圖提問學(xué)生去附近的超市(在圖上均有標(biāo)注)購物時如何規(guī)劃路徑。就在這樣一種輕松甚至詩情畫意的氛圍中，學(xué)生便深刻領(lǐng)會了啟發(fā)式搜索的思想內(nèi)涵。

此外，利用豐富的多媒體素材還可以對學(xué)生進(jìn)行科學(xué)素養(yǎng)的熏陶。例如，在準(zhǔn)備人工智能發(fā)展史這一課內(nèi)容時，我們從網(wǎng)上搜到了Turing、McCarthy、Minsky、Shannoon、Simon、Newell、Feigenbaum、Hopfield、Brooks等在人工智能發(fā)展史上舉足輕重的學(xué)者的照片，照片中透出的大家風(fēng)范、學(xué)者目光中流露的執(zhí)著精神、表情中蘊含的嚴(yán)謹(jǐn)深邃、笑容中深藏的儒雅樂觀……無不感染著學(xué)生。

5 結(jié)論

在開展多媒體教學(xué)實踐中，利用Internet搜索引擎輔是第一步，對信息的加工處理、凝練升華是備課時一項更艱巨的任務(wù)，這個問題已有很多文獻(xiàn)探討過，本文不再贅述。

參考文獻(xiàn)

[1] 張紅霞．多媒體教學(xué)的實踐與探討[J]．吉林省教育學(xué)院學(xué)報，2006，22(6):70-71.

[2] 盧建中．有關(guān)計算機輔助教學(xué)的幾點看法[J]．西安郵電學(xué)院學(xué)報，2002(7):79-81.

[3] 張忠祿，李東俠，張永春．多媒體教學(xué)質(zhì)量研究[J]．長春工程學(xué)院學(xué)報(社會科學(xué)版)，2006，7(3):83-85，88.

[4] 范秉琪，范秉琳．高校多媒體教學(xué)的發(fā)展方向[J]．河南教育學(xué)院學(xué)報(自然科學(xué)版)，2006，15(3):70-72.

[5] 張永紅，李泳．多媒體教學(xué)的應(yīng)用與思考[J]．中國醫(yī)藥導(dǎo)報，2006，3(29):77.

[6] 楊蘭生．以多媒體為教學(xué)平臺的課堂教學(xué)的思考[J]．大連民族學(xué)院學(xué)報，2006，(5):78-80.

篇5

一、專家系統(tǒng)概述

(一)人工智能

在計算機科學(xué)領(lǐng)域，人工智能旨在研究人類的智能行為，然后模仿、擴展人的智能行為，最終用計算機代替某些人腦勞動。從20世紀(jì)50年代開始，人工智能逐漸形成了自身的學(xué)科群。其主要子學(xué)科有:工程和計算機技術(shù)方向、認(rèn)知技術(shù)方向、語音語義技術(shù)方向。基于人工智能學(xué)科群的研究，最具代表性和最重要的應(yīng)用分支就是專家系統(tǒng)。

斯坦福大學(xué)的EcKaidFegenbaum教授描述專家系統(tǒng)是“一種智能的計算機程序，它運用知識和推理過程來解決只有專家才能解決的復(fù)雜問題”以知識為基礎(chǔ)的專家系統(tǒng)使人工智能研究從理論推導(dǎo)轉(zhuǎn)向?qū)嶋H應(yīng)用、從一般程序設(shè)計轉(zhuǎn)向運用專門知識解決實際問題。

(二）專家系統(tǒng)

1.專家系統(tǒng)的發(fā)展

專家系統(tǒng)的發(fā)展大致分為4個階段。第一階段主要是針對專業(yè)化較強的人類問題求解，如DEN-DRAL化學(xué)專家系統(tǒng)）、MM1YAC數(shù)學(xué)專家系統(tǒng)）等。雖然求解專門問題能力較強，但是系統(tǒng)的完整性和可移植性較弱。第二階段主要是應(yīng)用于單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)，如FROSPECTOR(地質(zhì)學(xué)專家系統(tǒng)）、MYCN(醫(yī)學(xué)專家系統(tǒng)）等。這個階段的專家系統(tǒng)在體系結(jié)構(gòu)完整性、可移植性方面做了改進(jìn)?？梢浦残员砻鲗＜蚁到y(tǒng)外殼程序軟件與數(shù)據(jù)分離，允許系統(tǒng)把一個領(lǐng)域的知識替換成另一個領(lǐng)域的知識。第三階段主要是綜合性、跨學(xué)科的專家系統(tǒng)。系統(tǒng)采用多種人工智能語言進(jìn)行程序編寫，采用多種知識表述方法以及多種推理方法。第四階段的專家系統(tǒng)采用了大型多專家協(xié)作系統(tǒng)，利用綜合性知識庫、多種知識表述、多學(xué)科協(xié)同解題和并行推理技術(shù)來實現(xiàn)具有多主體的智能型專家系統(tǒng)，為專家系統(tǒng)的實際應(yīng)用提供了充分的技術(shù)保障。

2.專家系統(tǒng)的結(jié)構(gòu)和特點

基于規(guī)則的專家系統(tǒng)結(jié)構(gòu)與普通程序系統(tǒng)的結(jié)構(gòu)完全不同，通常專家系統(tǒng)由以下幾個部分組成:用戶界面、解釋機、知識獲取機、知識庫（規(guī)則）、推理機以及數(shù)據(jù)庫事實）。如圖1所示。

知識庫儲存相關(guān)規(guī)則;推理機決定知識庫中哪些規(guī)則滿足事實或目標(biāo)，標(biāo)明規(guī)則優(yōu)先級，執(zhí)行最高優(yōu)先級的規(guī)則進(jìn)行問題推理;數(shù)據(jù)庫是存放規(guī)則所使用的所有事實;解釋機負(fù)責(zé)把推理機得到的結(jié)論轉(zhuǎn)化為用戶可以理解的形式并顯示出來;用戶界面是用戶和系統(tǒng)相互交流的平臺。這樣，專家系統(tǒng)能夠根據(jù)用戶需求通過推理得出結(jié)論，還可以在多次反復(fù)的解決問題過程中自我學(xué)習(xí)，積累新的知識，從而更好地解決問題。

3.專家系統(tǒng)的應(yīng)用領(lǐng)域

專家系統(tǒng)是人工智能中應(yīng)用于實踐最多的分支，幾乎被應(yīng)用到每一個知識領(lǐng)域。其應(yīng)用領(lǐng)域包括:數(shù)學(xué)、物理、化學(xué)、生物、醫(yī)學(xué)、軍事、農(nóng)業(yè)、氣象、法律、管理等。專家系統(tǒng)的優(yōu)勢在于能夠獲得和存儲人類專業(yè)知識，模仿人類的判斷和推理，幫助非專業(yè)人士解決只有專家才能處理的問題。由于人類社會中專家資源比較稀有，就更能顯示出專家系統(tǒng)的可貴性。隨著專家系統(tǒng)理論和技術(shù)的不斷發(fā)展，目前已開發(fā)了幾千種應(yīng)用產(chǎn)品，其中很多產(chǎn)品在功能上已經(jīng)趕超了同領(lǐng)域中人類專家的知識水平，并產(chǎn)生了巨大的社會效益和經(jīng)濟(jì)效益。

二、專家系統(tǒng)在企業(yè)管理中應(yīng)用的必要條件

把專家系統(tǒng)應(yīng)用于企業(yè)管理需要具備一定的條件，這些條件既有思想觀念方面的，也有技術(shù)要求方面的。

(一）專家系統(tǒng)要以先進(jìn)的企業(yè)管理理念為基礎(chǔ)

企業(yè)經(jīng)營歸根結(jié)底要以人為本，而專家系統(tǒng)只是用來輔助企業(yè)管理者經(jīng)營的軟件。我們應(yīng)該注重企業(yè)文化、企業(yè)的組織結(jié)構(gòu)、企業(yè)的戰(zhàn)略選擇，注重產(chǎn)品的研發(fā)、市場定位等，時刻以科學(xué)化、規(guī)范化、合理化的管理思想約束企業(yè)管理行為。在此基礎(chǔ)上，合理地應(yīng)用智能化系統(tǒng)協(xié)助企業(yè)管理人員搞好管理工作。

(二）實施專家系統(tǒng)的各種技術(shù)保障

1. 企業(yè)各部門應(yīng)用各種系統(tǒng)的技術(shù)保障

隨著信息化的普及，許多企業(yè)的內(nèi)部職能部門都有自己的應(yīng)用系統(tǒng)，如財務(wù)管理系統(tǒng)、人力資源管理系統(tǒng)、生產(chǎn)管理系統(tǒng)、銷售管理系統(tǒng)等。雖然這些應(yīng)用系統(tǒng)能夠幫助各部門進(jìn)行日常業(yè)務(wù)處理，但是各系統(tǒng)之間聯(lián)系很少并且互不兼容。

專家系統(tǒng)要求各部門的應(yīng)用系統(tǒng)具有開放性和互聯(lián)性。例如，在管理某個企業(yè)員工的薪酬問題時，專家系統(tǒng)需要調(diào)用財務(wù)管理系統(tǒng)和人力資源管理系統(tǒng)，如果員工是銷售部門的，甚至需要查詢銷售管理系統(tǒng)的相關(guān)數(shù)據(jù)。可見，企業(yè)管理專家系統(tǒng)必須建立在企業(yè)公共運行的平臺上，各個應(yīng)用系統(tǒng)的數(shù)據(jù)完全共享并且能夠自由交換。

2. 企業(yè)局域網(wǎng)方面的技術(shù)保障

企業(yè)網(wǎng)絡(luò)的安全關(guān)乎專家系統(tǒng)能否正常運行。局域網(wǎng)要有良好的穩(wěn)定性、高級別的安全性，這樣專家系統(tǒng)才能防止不法黑客的入侵，高效地為企業(yè)提供服務(wù)。

3. 企業(yè)數(shù)據(jù)庫完整性與安全性的技術(shù)保障

數(shù)據(jù)庫可以看做專家系統(tǒng)的“大后方”，大量真實可靠的數(shù)據(jù)也是企業(yè)信息化管理的基本保障之一。美國著名的管理和信息系統(tǒng)專家詹姆斯。馬丁(JmesManin)曾經(jīng)提出一系列有關(guān)企業(yè)信息系統(tǒng)建設(shè)的理論和方法。他認(rèn)為，對于一個好的企業(yè)來說，戰(zhàn)略數(shù)據(jù)規(guī)劃是構(gòu)成企業(yè)核心競爭力的重要因素，它具有非常明顯的異質(zhì)性和專有性，是企業(yè)在市場競爭中的制勝法寶。

企業(yè)管理領(lǐng)域的專家系統(tǒng)要以數(shù)據(jù)為主導(dǎo)，重視戰(zhàn)略數(shù)據(jù)規(guī)劃，應(yīng)該圍繞企業(yè)的核心管理流程和主要業(yè)務(wù)操作建立多個主題數(shù)據(jù)庫，而各個企業(yè)部門的應(yīng)用系統(tǒng)也要圍繞主題數(shù)據(jù)庫來建立和運行。這樣，專家系統(tǒng)才能準(zhǔn)確地進(jìn)行知識獲取與規(guī)則分析，產(chǎn)生正確的管理與決策行為。

(三)正確識別企業(yè)管理中結(jié)構(gòu)化和非結(jié)構(gòu)化問題

從人工智能學(xué)科的角度看，可以把軟件分為兩類:一類是智能化軟件，另一類是非智能化軟件。這兩類軟件的根本區(qū)別在于解決問題的方法不同。如果需要解決結(jié)構(gòu)化的問題，就要運用非智能化軟件;如果需要解決半結(jié)構(gòu)化或非結(jié)構(gòu)化問題，就要運用智能化軟件，最典型的智能化管理軟件就是專家系統(tǒng)。

三、專家系統(tǒng)在企業(yè)管理中的應(yīng)用及發(fā)展趨勢

(一)專家系統(tǒng)在企業(yè)管理中的應(yīng)用狀況

當(dāng)前，在我國企業(yè)管理領(lǐng)域比較流行、實用性強的專家系統(tǒng)主要有以下5種。

1. 生產(chǎn)管理領(lǐng)域的專家系統(tǒng)

在生產(chǎn)管理中，需要細(xì)致察看和精確掌握整個生產(chǎn)流程，詳盡地記錄生產(chǎn)流程中各個階段的不同活動及它們之間的聯(lián)系，這些因素數(shù)量大、關(guān)系復(fù)雜，高層管理人員往往力不從心，而專家系統(tǒng)能夠很好地解決這些問題。

2.  經(jīng)營管理領(lǐng)域的專家系統(tǒng)

在經(jīng)營管理領(lǐng)域具有代表性的專家系統(tǒng)是企業(yè)戰(zhàn)略計劃專家系統(tǒng)。它可以對產(chǎn)品成本、產(chǎn)品技術(shù)含量、外部市場情況及競爭對手等進(jìn)行數(shù)據(jù)分析和綜合評估，推算出企業(yè)產(chǎn)品的市場潛力和發(fā)展前景，以此來制訂合理的企業(yè)戰(zhàn)略計劃。

3.  銷售管理領(lǐng)域的專家系統(tǒng)

在銷售管理領(lǐng)域?qū)＜蚁到y(tǒng)可以幫助企業(yè)制定銷售決策，包括市場份額分配、廣告宣傳決策、價格決策等。

4. 財務(wù)管理領(lǐng)域的專家系統(tǒng)

財務(wù)管理專家系統(tǒng)可以用來協(xié)助工作人員處理專業(yè)的財務(wù)問題，如企業(yè)財務(wù)現(xiàn)狀分析、企業(yè)保險申報流程制定、企業(yè)流動資金管理等。

5.  企業(yè)審計專家系統(tǒng)

企業(yè)審計專家系統(tǒng)可以用來模擬企業(yè)審計過程，對相關(guān)企業(yè)數(shù)據(jù)進(jìn)行分析和推理，提出合理的審計意見，以便審計人員對某些方面進(jìn)行重點審計，幫助審計人員提高審計效率，保證審計報告的質(zhì)量。

(二）專家系統(tǒng)應(yīng)用于企業(yè)管理的發(fā)展趨勢

應(yīng)用于企業(yè)的專家系統(tǒng)集合了管理領(lǐng)域最頂尖的專家知識體系和頂尖的管理理念。系統(tǒng)可以實時解決企業(yè)管理中存在的各種問題，并給出專家級別的咨詢建議。未來的企業(yè)管理專家系統(tǒng)發(fā)展方向有如下展望。

0. 智能型發(fā)展方向

在管理領(lǐng)域?qū)＜蚁到y(tǒng)的開發(fā)過程中，蘊含著對該企業(yè)管理的更深層次認(rèn)識、研究和經(jīng)驗總結(jié)。從這個角度來看，未來的專家系統(tǒng)開發(fā)與設(shè)計要更加注重專家知識的整合、深化及擴展。發(fā)揮專家系統(tǒng)的智能性，讓企業(yè)員工感覺好像身邊隨時有一個“活”的管理專家，堅定他們搞好企業(yè)管理的信心。

1. 應(yīng)用模糊技術(shù)開闊企業(yè)管理專家系統(tǒng)的設(shè)計思路

企業(yè)發(fā)展過程中遇到的問題一般都具有綜合性和復(fù)雜性，涉及經(jīng)濟(jì)維度、社會維度甚至生態(tài)環(huán)境維度。因此，管理領(lǐng)域?qū)＜蚁到y(tǒng)也會面對大量的非確定性的決策問題，僅依靠現(xiàn)有的專家經(jīng)驗進(jìn)行邏輯推理是不夠的。應(yīng)用好模糊技術(shù)是未來專家系統(tǒng)發(fā)展的方向。

2. 加強專家系統(tǒng)的分布式共享性

目前，一些企業(yè)已經(jīng)在應(yīng)用專家系統(tǒng)來幫助解決企業(yè)面臨的各種實際問題，但是多數(shù)采用分專業(yè)、分系統(tǒng)、局部化的專家系統(tǒng)解決方案。今后，企業(yè)應(yīng)該避免各個部門子數(shù)據(jù)庫、子知識系統(tǒng)的分散問題，加強整個企業(yè)的數(shù)據(jù)共享性。建立“用得上”、“用得好”的企業(yè)管理專家系統(tǒng)，使專家系統(tǒng)整體調(diào)控得當(dāng)、局部處理精確，更有效地幫助企業(yè)決策者分析問題、解決問題。

就像智能機器人能夠打敗國際象棋大師一樣，專家系統(tǒng)在企業(yè)管理中的應(yīng)用已日漸成熟。相信在不久的將來，管理專家系統(tǒng)將大行其道，依靠其智能性和學(xué)習(xí)性，大大提高企業(yè)的管理效率，即時化、人性化和智能化必將成為未來管理專家系統(tǒng)的主要特征。

篇6

閆謙時

 

( 西安工業(yè)大學(xué)，陜西西安，710021)

摘要：專家系統(tǒng)利用知識、經(jīng)驗在推理過程中訓(xùn)中人類專家解決的難題。這個計算機智能程序的應(yīng)用是未來計算機應(yīng)用中的一個熱門探討方向，未來會在很多領(lǐng)域中發(fā)揮重要作用，在諸多領(lǐng)域中擁有非常廣闊的發(fā)展空間。使用專家系統(tǒng)時，樣品分離模式的推薦是實現(xiàn)分離的核心問題，由知識庫、數(shù)據(jù)庫提供的固定相、流動相、改性劑、檢測器的推薦，是由建立在液相色譜基礎(chǔ)理論上的高質(zhì)量知識綜合體提供的，而不是簡單的文獻(xiàn)檢索和經(jīng)驗的總結(jié)。它具有廣泛的應(yīng)用和推廣價值。分析國內(nèi)外專家研究系統(tǒng)發(fā)展現(xiàn)狀，為實踐中的工作者提供相應(yīng)的指導(dǎo)和幫助，對專家系統(tǒng)研究實踐擁有非常重要的現(xiàn)實意義。本文通過對專家系統(tǒng)概述和對可利用的計算機技術(shù)進(jìn)行簡要分析，詳細(xì)探討了專家系統(tǒng)的模塊體系。

關(guān)鍵詞：專家系統(tǒng)；農(nóng)業(yè)生產(chǎn)；經(jīng)濟(jì)

 

Expert Systems Analysis Research

Yan Qianshi

 

（Xi'an industry in Xi'an, Shaanxi,710021）

Abstract ：The use of expert system knowledge,experience training in the reasoning process of human experts to solve problems.The application of computer intelligence program is the future of a popular computer applications explore the direction of the future will be in many areas play an important role in many fields has a very broad space for development.Use of expert systems,the sample separation mode is recommended to achieve separation of the core issues,the knowledge base,database stationary phase, mobile phase modifiers,the detector's recommendation is to establish a theoretical foundation in liquid chromatography comprehensive body of knowledge provides high quality, rather than simply literature search and experience.It has a wide range of applications and promotional value. Analysis of domestic and foreign experts to study the system development status of workers for the practice to provide appropriate guidance and assistance,research and practice of the expert system has a very important practical significance. Based on the expert system overview and can take advantage of a brief analysis of computer technology, discussed in detail the expert system module system.

Keywords ：expert system;agricultural production;economic

0 引言

我國專家系統(tǒng)市場發(fā)展迅速，產(chǎn)品產(chǎn)出持續(xù)擴張，國家產(chǎn)業(yè)

政策鼓勵專家系統(tǒng)產(chǎn)業(yè)向高技術(shù)產(chǎn)品方向發(fā)展，國內(nèi)企業(yè)新增

投資項目投資逐漸增多。投資者對專家系統(tǒng)市場的關(guān)注越來越密

切，這使得專家系統(tǒng)市場越來越受到各方的關(guān)注。

本報告?zhèn)戎匦袠I(yè)宏觀發(fā)展研究分析，從行業(yè)現(xiàn)狀、產(chǎn)品市場、

技術(shù)水平、產(chǎn)業(yè)鏈運行、產(chǎn)業(yè)政策、企業(yè)競爭、產(chǎn)品進(jìn)出口、行業(yè)投

資等角度對專家系統(tǒng)市場的發(fā)展進(jìn)行細(xì)致研究。我們通過專家訪

談定性分析和統(tǒng)計數(shù)據(jù)定量分析來揭示專家系統(tǒng)市場當(dāng)前發(fā)展

的規(guī)律、特點、存在問題，在此基礎(chǔ)上提出相應(yīng)的建議。

第一時間準(zhǔn)確獲取專家系統(tǒng)市場發(fā)展深度分析研究，是領(lǐng)先

競爭對手的關(guān)鍵，通過本報告，可以使深刻洞悉本企業(yè)所處的市

場現(xiàn)狀及未來趨勢動向，通過制定先發(fā)制人的競爭戰(zhàn)略，在激烈

的市場競爭中取得優(yōu)勢。

1 專家系統(tǒng)概述

一般認(rèn)為，專家系統(tǒng)是一個或一組能在某些特定領(lǐng)域內(nèi)，應(yīng)

用大量的專家知識和推理方法求解復(fù)雜問題的一種人工智能計

算機程序。

它主要包括知識庫和推理機。其中知識庫中存放著求解問題

所需的知識，推理機負(fù)責(zé)使用知識庫中的知識去解決實際問題。

知識庫的建造需要知識工程師和領(lǐng)域?qū)＜蚁嗷ズ献靼杨I(lǐng)域?qū)＜?/p>

頭腦中的知識整理出來，并用系統(tǒng)的知識方法存放在知識庫中。

當(dāng)解決問題時，用戶為系統(tǒng)提供一些已知數(shù)據(jù)，并可從系統(tǒng)處獲

得專家水平的結(jié)論。

由此可見，專家系統(tǒng)具有相當(dāng)數(shù)量的權(quán)威性知識，能夠采取

一定的策略，運用專家知識進(jìn)行推理，解決人們在通常條件下難

以解決的問題。它克服了專家缺少，其知識昂貴，難于永久保存以

及專家在解決問題時易受心理、環(huán)境等因素影響而使臨場發(fā)揮不

好等缺點。因此，專家系統(tǒng)自從問世以來，發(fā)展非常迅速，目前專

家系統(tǒng)已經(jīng)成為人工智能應(yīng)用最活躍和最成功的領(lǐng)域。經(jīng)過20

多年的努力，其應(yīng)用范疇已遍及各個領(lǐng)域，如疾病診斷、探礦、設(shè)

計、制造、自動控制、生產(chǎn)過程監(jiān)視，取得了極大的經(jīng)濟(jì)效益，并獲得了許多新的進(jìn)展。

2 決策支持系統(tǒng)和專家系統(tǒng)的區(qū)別

決策支持系統(tǒng)和專家系統(tǒng)的區(qū)別在于：用戶在使用決策支持系統(tǒng)時，必須對所處理的問題有相當(dāng)?shù)膶I(yè)知識和專業(yè)技能，決策支持系統(tǒng)幫助用戶決策，那么用戶必須知道如何對問題進(jìn)行推理，必須知道應(yīng)該提出哪些問題，如何得到答案和如何進(jìn)行下一步。而專家系統(tǒng)自身就具有這樣的功能，用戶只需要向?qū)＜蚁到y(tǒng)提出需要解答問題的事實和表征，專家系統(tǒng)。

當(dāng)用戶使用專家系統(tǒng)去解決復(fù)雜樣品分析的實際問題時，通常按照以下五個步驟進(jìn)行：

①樣品分離模式的推薦，即首先選擇用于分離的柱系統(tǒng)和流動相系統(tǒng)；②樣品的預(yù)處理方法和檢測器的選擇；③色譜分離條件的最優(yōu)化；④在線色譜峰的定性和定量分析；⑤液相色譜儀和專家系統(tǒng)運行過程的自行診斷。

由此可知專家系統(tǒng)中的知識庫、譜圖庫、數(shù)據(jù)庫中的信息貯存容量和推理機的人工智能化程度直接決定了專家系統(tǒng)的工作質(zhì)量。

使用專家系統(tǒng)時，樣品分離模式的推薦是實現(xiàn)分離的核心問題，由知識庫、數(shù)據(jù)庫提供的固定相、流動相、改性劑、檢測器的推薦，是由建立在液相色譜基礎(chǔ)理論上的高質(zhì)量知識綜合體提供的，而不是簡單的文獻(xiàn)檢索和經(jīng)驗的總結(jié)。它具有廣泛的應(yīng)用和推廣價值。

當(dāng)分離模式確定后，色譜分離條件的優(yōu)化是專家系統(tǒng)的另一個重要運行環(huán)節(jié)，可以借助預(yù)設(shè)計的優(yōu)化軟件（如窗圖法、智能搜索單純形法、混合液設(shè)計實驗法、重疊分離度留法等）實現(xiàn)樣品中各個組分的優(yōu)化分離。當(dāng)實現(xiàn)優(yōu)化分離后，就可進(jìn)行樣品中各組分的定性分析和定量分析，其和常規(guī)色譜工作站的功能相當(dāng)。

應(yīng)當(dāng)指出推理機是專家系統(tǒng)中賦以人工智能的關(guān)鍵部件，涉及到對大量信息的分析、判斷、歸納、確定邏輯運行的方向與規(guī)則的匹配及推理，它起到對專家系統(tǒng)中各部分相互獨立的工作模塊的控制和協(xié)調(diào)作用。

在專家系統(tǒng)的程序設(shè)計中使用了能對大量信息進(jìn)行快速處理并具較強推理能力的,Scheme-Lisp 語言，它與用于數(shù)據(jù)計算和用于編制優(yōu)化程序的Quick Basic 語言和Pascal 語言的交界， 可通過其模塊調(diào)用功能來實現(xiàn)。

這樣在Scheme - Lip 程序中推理機做出的結(jié)論，可以通過一個文件或參數(shù)形式傳送給其他處理模塊，而其他數(shù)值計算獲得的結(jié)果同樣可以通過文件傳送給推理機，做出進(jìn)一步的推論。這樣就實現(xiàn)了規(guī)則的系統(tǒng)軟件之間的結(jié)合。

3 可利用的現(xiàn)有計算機技術(shù)

構(gòu)建專家系統(tǒng)可利用的計算機應(yīng)用技術(shù)主要有：數(shù)據(jù)庫系統(tǒng)、集成電子表格和計算機網(wǎng)絡(luò)技術(shù)。

（1）數(shù)據(jù)庫系統(tǒng)?？勺鳛闃?gòu)成專家系統(tǒng)知識庫的重要部件。數(shù)據(jù)庫是數(shù)據(jù)管理的最新技術(shù)，是計算機科學(xué)的重要的分支。由于數(shù)據(jù)庫具有數(shù)據(jù)結(jié)構(gòu)低、最低冗余度、較高的程序獨立性、易于擴充、易于編制應(yīng)用程序等優(yōu)點，較大信息系統(tǒng)都是建立在數(shù)據(jù)庫設(shè)計之上的。因此，作為數(shù)據(jù)庫復(fù)雜用戶的我們，應(yīng)該比較熟悉數(shù)據(jù)庫管理系統(tǒng)的各種功能，學(xué)會直接使用數(shù)據(jù)庫語言訪問數(shù)據(jù)庫，甚至能夠基于數(shù)據(jù)庫管理系統(tǒng)的API 編織自己的應(yīng)用程序。

（2）集成電子表格?？捎糜谳o助，編制表格、調(diào)整分錄、試算工作底稿，進(jìn)行財務(wù)與效益分析及分析性復(fù)核。同時還能進(jìn)行預(yù)測決策分析以便進(jìn)行效益，或能按指定的條件，對電算化會計系統(tǒng)的電子賬戶進(jìn)行查詢、分類、排序、匯總、統(tǒng)計等處理，對相關(guān)文件進(jìn)行核對、檢查等。集成電子表格的強大功能，尤其是一些統(tǒng)計分析功能使推理機所承擔(dān)的匯總、統(tǒng)計、核對、分析等多種職能得以實現(xiàn)，從而實現(xiàn)了的計算機人工智能化。

（3）信息網(wǎng)絡(luò)技術(shù)。信息網(wǎng)絡(luò)技術(shù), 就是在特定環(huán)境下, 對所有的專家信息系統(tǒng)及存儲在企業(yè)應(yīng)用服務(wù)器上的信息進(jìn)行保護(hù)的手段, 就是通過管理手段與技術(shù)手段的充分結(jié)合來保證專家信息系統(tǒng)的可用性、穩(wěn)定向、安全性等安全要素。信息安全防止信息受到的各種威脅，以確保業(yè)務(wù)連續(xù)性，使業(yè)務(wù)受到損害的風(fēng)險減至最小，使投資回報和業(yè)務(wù)機會最大。信息安全是通過實現(xiàn)一組合適控制獲得的?？刂瓶梢允遣呗浴T例、規(guī)程、組織結(jié)構(gòu)和軟件功能。需要建立這些控制，以確保滿足該組織的特定安全目標(biāo)。主要任務(wù)包括：

1）監(jiān)視、分析用戶及系統(tǒng)活動；

2） 對異常行為模式進(jìn)行統(tǒng)計分析，發(fā)行入侵行為規(guī)律；

3）檢查系統(tǒng)配置的正確性和安全漏洞，并提示管理員修補漏洞；

4）能夠?qū)崟r對檢測到的入侵行為進(jìn)行響應(yīng)；

5）評估系統(tǒng)關(guān)鍵資源和數(shù)據(jù)文件的完整性；

6）操作系統(tǒng)的審計跟蹤管理，并識別用戶違反安全策略的行為。

4 專家系統(tǒng)的模塊體系

專家系統(tǒng)模擬人類專家思維進(jìn)行的過程，分為初始化、實質(zhì)性測試和完善收尾三個階段，每一個階段又可細(xì)分成若干個步驟，由此組成了專家系統(tǒng)的邏輯模塊體系。所謂的“邏輯模塊體系”是與系統(tǒng)的“物理模塊體系”相對應(yīng)的，是指系統(tǒng)完成一個完整的業(yè)務(wù)所需要運用的各個功能模塊的總稱，每一個階段或步驟的功能能否有效地發(fā)揮就決定了建立專家系統(tǒng)的嘗試能否成功。而后者則是指為了完成這些功能，系統(tǒng)所需要具備的物理條件。

篇7

關(guān)鍵詞:知識關(guān)系;離散數(shù)學(xué);教學(xué);設(shè)計

離散數(shù)學(xué)是以有限或可數(shù)個元素作為研究對象,并且是以研究離散量的結(jié)構(gòu)和相互之間的關(guān)系為主要目標(biāo)[1]。計算機科學(xué)領(lǐng)域中的離散量理論問題,需要用離散數(shù)學(xué)所涉及的概念、方法和理論做出描述和深化[2]。同時,離散數(shù)學(xué)中的理論體系結(jié)構(gòu)有益于學(xué)生概括抽象能力、邏輯思維能力、歸納構(gòu)造能力的提高,有益于學(xué)生嚴(yán)謹(jǐn)、完整、規(guī)范的科學(xué)態(tài)度的培養(yǎng)[2-3]。因此,研究離散數(shù)學(xué)在計算機科學(xué)和技術(shù)專業(yè)課程中的地位,分析離散數(shù)學(xué)與計算機專業(yè)其他學(xué)科間的關(guān)系,構(gòu)建適合當(dāng)前計算機專業(yè)的離散數(shù)學(xué)教學(xué)內(nèi)容,對計算機科學(xué)與技術(shù)的發(fā)展,起著極為重要的作用。

1離散數(shù)學(xué)在計算機科學(xué)與技術(shù)專業(yè)課程中的地位

教育部高等學(xué)校計算機科學(xué)與技術(shù)教學(xué)指導(dǎo)委員會在2007年公布了計算機科學(xué)與技術(shù)(計算機科學(xué)方向)專業(yè)規(guī)范,共指定了15門核心課程,包括計算機導(dǎo)論、程序設(shè)計基礎(chǔ)、離散數(shù)學(xué)(結(jié)構(gòu))、算法與數(shù)據(jù)結(jié)構(gòu)、計算機組成基礎(chǔ)、計算機體系結(jié)構(gòu)、操作系統(tǒng)、數(shù)據(jù)庫系統(tǒng)原理、編譯原理、軟件工程、計算機圖形學(xué)、計算機網(wǎng)絡(luò)、人工智能、數(shù)字邏輯、社會與職業(yè)道德[4]。其中離散數(shù)學(xué)的教學(xué)內(nèi)容不僅涉及計算機硬件,而且和計算機軟件的研究有著更密切的關(guān)系,具有鮮明的基礎(chǔ)特點,不僅是學(xué)習(xí)算法與數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、數(shù)據(jù)庫原理、軟件工程等11門課程之前的必修內(nèi)容,同時以計算機導(dǎo)論和程序設(shè)計基礎(chǔ)作為離散數(shù)學(xué)的先導(dǎo)課程。離散數(shù)學(xué)在計算機科學(xué)與技術(shù)專業(yè)各課程的地位及其與其他課程的關(guān)系,如圖1所示。

2計算機科學(xué)與技術(shù)專業(yè)后續(xù)課程用到的離散數(shù)學(xué)知識

離散數(shù)學(xué)所包括的多個數(shù)學(xué)分支,如數(shù)理邏輯、集合論、圖論、自動機理論等,都與計算機科學(xué)與技術(shù)專業(yè)的后續(xù)課程有緊密的關(guān)系。

算法與數(shù)據(jù)結(jié)構(gòu)中將操作對象間的關(guān)系分為4類:集合、線性結(jié)構(gòu)、樹形結(jié)構(gòu)、圖狀結(jié)構(gòu)或網(wǎng)狀結(jié)構(gòu)。其中邏輯結(jié)構(gòu)和基本運算操作來源于離散數(shù)學(xué)中的離散結(jié)構(gòu)和算法思考。離散數(shù)學(xué)中的集合論、關(guān)系、圖論和樹等內(nèi)容就反映了數(shù)據(jù)結(jié)構(gòu)中四大結(jié)構(gòu)的知識[2]。

數(shù)據(jù)庫系統(tǒng)原理中的關(guān)系數(shù)據(jù)庫的邏輯結(jié)構(gòu)是一個由行和列組成的二維關(guān)系。在研究實體集中的域和域之間的關(guān)系、表結(jié)構(gòu)的確定與設(shè)計、關(guān)系操作的數(shù)據(jù)查詢和維護(hù)功能的實現(xiàn)、關(guān)系分解的無損連接性分析、連接依賴等問題時都用到離散數(shù)學(xué)的關(guān)系理論[5]。

編譯程序一般由8個模塊組成,包括詞法分析程序、語法分析程序、語義分析程序、中間代碼生成程序、代碼優(yōu)化程序、目標(biāo)代碼生成程序、錯誤檢查和處理程序、各種信息表格的管理程序[6] 。離散數(shù)學(xué)里的形式語言與自動機所包含的文法、有限狀態(tài)機和圖靈機等知識點為編譯原理的詞法分析及語法分析等內(nèi)容奠定了基礎(chǔ)。

離散數(shù)學(xué)中數(shù)學(xué)推理和布爾代數(shù)章節(jié)中的知識就為早期的人工智能研究領(lǐng)域打下了良好的數(shù)學(xué)基礎(chǔ)[7-8]。謂詞邏輯演算為人工智能學(xué)科提供了一種重要的知識表示方法和推理方法。

布爾代數(shù)已成功地用于計算機的硬件分析與設(shè)計[9-10]。

哈夫曼(Huffman)壓縮是一種無損壓縮法。這種方法在計算機體系結(jié)構(gòu)的指令系統(tǒng)設(shè)計和改進(jìn)內(nèi)容占有相當(dāng)重要的地位[11]。

鑒于篇幅所限,不再一一論述,下面列表給出計算機科學(xué)與技術(shù)專業(yè)的后續(xù)課程中所用到的主要知識點,如表1所示。

3離散數(shù)學(xué)的知識結(jié)構(gòu)設(shè)計

基于離散數(shù)學(xué)在計算機專業(yè)具有基礎(chǔ)性的地位。從離散數(shù)學(xué)后續(xù)課程所需的離散結(jié)構(gòu)基礎(chǔ)理論出發(fā),根據(jù)前后課程的知識關(guān)系來構(gòu)建離散數(shù)學(xué)的知識結(jié)構(gòu)和體系,使所設(shè)計的離散數(shù)學(xué)教學(xué)內(nèi)容適合當(dāng)前計算機科學(xué)與技術(shù)專業(yè)教學(xué)需要,能夠支撐后續(xù)課程的教學(xué)且和后續(xù)課程不相互覆蓋。本文設(shè)計的離散數(shù)學(xué)知識體系結(jié)構(gòu)如表2所示。

表2所設(shè)計的知識體系結(jié)構(gòu)共分為5個單元,分別是集合、關(guān)系與函數(shù),基本邏輯,布爾代數(shù),圖與樹,形式語言與自動機。其中,集合、關(guān)系與函數(shù)單元包括集合、鴿籠原理、基數(shù)性和可數(shù)性、關(guān)系、函數(shù)等內(nèi)容,是算法與數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫系統(tǒng)原理等課程的理論基礎(chǔ);基本邏輯單元包括命題邏輯、謂詞邏輯、假言推理、否定式推理等內(nèi)容,是計算機組成基礎(chǔ)、計算機體系結(jié)構(gòu)、軟件工程、人工智能、數(shù)字邏輯等課程的理論基礎(chǔ);布爾代數(shù)單元包括格、布爾代數(shù)等內(nèi)容,是計算機組成基礎(chǔ)、計算機體系結(jié)構(gòu)和人工智能等課程的理論基礎(chǔ);圖與樹單元包括無向圖、有向圖、樹、生成樹等內(nèi)容,是算法與數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、軟件工程、計算機圖形學(xué)、計算機網(wǎng)絡(luò)等課程的理論基礎(chǔ);形式語言與自動機單元包括文法、有限狀態(tài)機和圖靈機等內(nèi)容,是編譯原理等課程的理論基礎(chǔ)。

該設(shè)計體現(xiàn)了“實用、管用、夠用”、“易教易學(xué)”的原則,具有以下特點:

1)5個單元由淺入深、層層遞進(jìn),并具有相對的獨立性,便于學(xué)生學(xué)習(xí)和教師授課。

2) 具有針對性,能夠支撐教育部高等學(xué)校計算機科學(xué)與技術(shù)教學(xué)指導(dǎo)委員會于2007年指定的11門后續(xù)課程。

3) 符合計算機科學(xué)的發(fā)展趨勢和高等院校計算機教學(xué)改革的需要。

4) 緊扣離散數(shù)學(xué)和其他計算機專業(yè)課程的知識聯(lián)系,實用性強。

4離散數(shù)學(xué)的實驗設(shè)計

由于離散數(shù)學(xué)課程理論性強、高度抽象,學(xué)生難于理解掌握。為此,在離散數(shù)學(xué)的教學(xué)過程中引入一些實驗,既對離散數(shù)學(xué)的基本理論的很好驗證,也鞏固了先導(dǎo)課程的學(xué)習(xí)內(nèi)容,同時為后續(xù)課程的學(xué)習(xí)打下了基礎(chǔ)。不但能夠激發(fā)學(xué)生的學(xué)習(xí)積極性和主動性,也培養(yǎng)了學(xué)生的創(chuàng)新意識和創(chuàng)新能力。實驗選題既要反映理論的實質(zhì)內(nèi)容與思路(理論背景),又要與實際應(yīng)用結(jié)合,選題不宜過多,針對不同的知識點設(shè)計了如下實驗內(nèi)容:

實驗1 集合運算;

實驗2 等價關(guān)系的判定;

實驗3 用warshall算法求閉包;

實驗4 偏序集性質(zhì);

實驗5 求解范式;

實驗6 形式化證明;

實驗7 哈密爾頓圖與旅行商人問題;

實驗8 樹的遍歷、求解生成樹;

實驗9 有限自動機的運行。

實驗報告要求列出實驗?zāi)康?、實驗?nèi)容、實驗步驟、源程序和實驗結(jié)果。

對源程序的設(shè)計要做到如下兩個方面的描述,其一是描述該程序具有什么功能?其二是描述程序結(jié)構(gòu),包括函數(shù)調(diào)用格式、參數(shù)含義、返回值描述、函數(shù)功能;函數(shù)之間的調(diào)用關(guān)系圖、程序總體執(zhí)行流程圖。

對實驗結(jié)果要求記錄:出錯次數(shù)、出錯嚴(yán)重程度、錯誤的性質(zhì)、解決辦法。還要進(jìn)行簡單的實驗總結(jié):如編程時間、設(shè)計時間、上機調(diào)試時間等;遇到了哪些難題,是怎么克服的,對程序的評價?

5結(jié)語

離散數(shù)學(xué)不僅是學(xué)習(xí)計算機科學(xué)、研究計算機科學(xué)的理論工具,也是提高學(xué)生邏輯思維能力、創(chuàng)造性思維能力以及形式化表述能力工具,在現(xiàn)代計算機科學(xué)中,對離散數(shù)學(xué)教學(xué)內(nèi)容做科學(xué)合理的設(shè)計,使離散數(shù)學(xué)更好的為計算機科學(xué)服務(wù),具有非常重要的意義。

注:河南科技學(xué)院精品課程建設(shè)項目。

參考文獻(xiàn):

[1] 王蕾,李永. 淺析離散數(shù)學(xué)在計算機科學(xué)中的應(yīng)用[J]. 平頂山師專學(xué)報,2003,18(5):63-64.

[2] 陳敏,李澤軍. 離散數(shù)學(xué)在計算機學(xué)科中的應(yīng)用[J]. 電腦知識與技術(shù),2009,5(1):251-252.

[3] 王玉紅. 離散數(shù)學(xué)在計算機教學(xué)中的作用[J]. 赤峰學(xué)院學(xué)報:自然科學(xué)版,2008,24(1):90-91.

[4] 教育部高等學(xué)校計算機科學(xué)與技術(shù)教學(xué)指導(dǎo)委員會. 高等學(xué)校計算機科學(xué)與技術(shù)發(fā)展戰(zhàn)略研究報告暨專業(yè)規(guī)范(試行)[M].北京:高等教育出版社,2006:35.

[5] Patrick O'Neil,Elizabeth O'Neil. 數(shù)據(jù)庫原理、編程與性能[M]. 周傲英,俞榮華,譯. 北京:機械工業(yè)出版社,2003:16-46,239-288.

[6] 蔣立源,康慕寧. 編譯原理[M]. 2版. 西安:西北工業(yè)大學(xué)出版社,2001:3-15.

[7] 謝晉. 試談離散數(shù)學(xué)在計算機學(xué)科中的重要性[J]. 黃石理工學(xué)院學(xué)報,2006,22(1):90-93.

[8] 蔡自興,徐光佑. 人工智能及其應(yīng)用[M]. 北京:清華大學(xué)出版社,2003:10-20.

[9] 白中英. 數(shù)字邏輯與數(shù)字系統(tǒng)[M]. 北京:科學(xué)出版社,2002:6-15.

篇8

一、智能審計國內(nèi)外研究現(xiàn)狀

智能審計是利用各種數(shù)據(jù)分析方法對審計數(shù)據(jù)進(jìn)行充分利用、充分挖掘，以獲取更多相關(guān)的審計線索。一方面可以直接提供審計證據(jù)，如明顯違反會計準(zhǔn)則和相關(guān)會計法規(guī)的行為；另一方面可以發(fā)現(xiàn)異常信息，起到“紅旗”的指向標(biāo)作用，引起審計師的注意。此外，借助智能審計技術(shù)，可部分代替審計職業(yè)判斷，減輕審計師的工作強度。智能審計是財務(wù)審計與智能技術(shù)的有機結(jié)合，是計算機審計的發(fā)展方向。自1987年美國執(zhí)業(yè)會計師協(xié)會發(fā)表了“人工智能與專家系統(tǒng)簡介”，將人工智能引入到會計審計領(lǐng)域以來，人們對智能審計技術(shù)及其應(yīng)用進(jìn)行了不懈的探索研究，并在其中的審計專家系統(tǒng)與審計數(shù)據(jù)挖掘兩方面取得了一定成果。

國外對審計專家系統(tǒng)研究成果涉及到審計專家系統(tǒng)建立與應(yīng)用的背景、作用、影響、開發(fā)設(shè)計方法、局限性、相關(guān)法律責(zé)任等方面，而且已經(jīng)從理論研究擴展到開發(fā)應(yīng)用研究。由于有其他領(lǐng)域大量成功的專家系統(tǒng)開發(fā)經(jīng)驗可供借鑒，審計專家系統(tǒng)在模型結(jié)構(gòu)、開發(fā)步驟和規(guī)則建立方式等方面比較規(guī)范而成熟，審計專家系統(tǒng)開發(fā)也由早期的以審計研究人員為主轉(zhuǎn)向研究人員與實務(wù)專家共同開發(fā)，開發(fā)與實踐結(jié)合更加密切。國內(nèi)對這方面的研究相對較少，主要集中于介紹國外研究情況、系統(tǒng)基本框架、研發(fā)應(yīng)用基本方法等方面。近年來，數(shù)據(jù)挖掘技術(shù)在審計領(lǐng)域的應(yīng)用也開始受到關(guān)注。Ningning Wu于2001年出版了專著《Audit data analysis and mining》，比較系統(tǒng)地闡述了審計數(shù)據(jù)分析與挖掘方法。易仁萍（2003）提出了基于數(shù)據(jù)挖掘的審計模型，Lampe（2002）、胡榮（2004）、呂新民（2007）等概要分析了數(shù)據(jù)挖掘技術(shù)在審計中的應(yīng)用方法，Lee W等（2002）分析了審計中應(yīng)用的主要數(shù)據(jù)挖掘算法，王忠（2006）、張炳才（2008）等分別研究了人工神經(jīng)網(wǎng)絡(luò)、歐式孤立點數(shù)據(jù)挖掘技術(shù)在審計中的應(yīng)用方法，陳丹萍（2007）對數(shù)據(jù)挖掘模式下的審計風(fēng)險決策進(jìn)行了研究。

但是目前的智能審計研究還遠(yuǎn)沒有達(dá)到人們所希望的水平。（1）審計軟件的智能化水平普遍不高。審計信息化在中國僅僅處于初級階段。計算機審計還處于計算機輔助階段，審什么、如何審基本上都是由審計人員定義的。也就是說，每一個指令都是由審計人員向計算機發(fā)出的。在審計專家系統(tǒng)的研究上，審計知識獲取與表達(dá)問題、不同審計專家之間知識沖突問題，仍然無法很好解決。尤其是國內(nèi)，尚未開發(fā)出真正意義上的審計專家系統(tǒng)。此外，數(shù)據(jù)挖掘在審計中的研究還處于起步階段，應(yīng)用研究成果數(shù)量少，也不夠全面深入。至今沒有審計數(shù)據(jù)挖掘的專用工具，審計數(shù)據(jù)挖掘?qū)Ｖ苌?，發(fā)表的論文中或者只是從某一視角進(jìn)行分析，或者點到為止。未能真正將數(shù)據(jù)挖掘技術(shù)應(yīng)用于審計中，自動發(fā)現(xiàn)審計數(shù)據(jù)中的模式和模型，如根據(jù)企業(yè)的審計數(shù)據(jù)，建立企業(yè)風(fēng)險決策系統(tǒng)，發(fā)現(xiàn)企業(yè)風(fēng)險的關(guān)鍵因素，對企業(yè)做出風(fēng)險評估、預(yù)警等。（2）審計軟件缺乏深入分析能力?，F(xiàn)代風(fēng)險導(dǎo)向?qū)徲嬆Ｊ揭灾卮箦e報風(fēng)險的評估為出發(fā)點，風(fēng)險綜合評估、分析與合理判斷占據(jù)著極其重要的地位，而這正是當(dāng)前我國審計軟件所缺乏的。我國大部分審計軟件比較多的是執(zhí)行賬簿核對和簡單的分析程序，一般是將審計程序表中的審前數(shù)與以前年度審定數(shù)作些簡單的比較，計算財務(wù)比率等，行業(yè)分析做得比較少，更談不上進(jìn)行深入的分析。（3）審計軟件需要適宜的應(yīng)用體系架構(gòu)。計算機審計的研究逐漸深入，需要的分析功能、分析能力、分析種類都在不斷變化，分析技術(shù)也在不斷進(jìn)步與增加，盡可能方便新技術(shù)、新方法嵌入的可擴展的系統(tǒng)架構(gòu)是智能審計軟件發(fā)展的基礎(chǔ)問題。（4）現(xiàn)有的軟件難以滿足越來越豐富、深入的審計需求。計算機審計需要創(chuàng)建大量的新型審計技術(shù)方法。從技術(shù)方法角度說，賬目基礎(chǔ)審計、制度基礎(chǔ)審計、風(fēng)險基礎(chǔ)審計、數(shù)據(jù)基礎(chǔ)審計之間，有著不同程度的傳承關(guān)系。前三者之間的傳承關(guān)系比較緊密，而數(shù)據(jù)基礎(chǔ)審計與前三者之間，變化卻是革命性的，需要創(chuàng)建全新的技術(shù)方法即需要形成審計中間表、結(jié)構(gòu)化查詢技術(shù)、個體分析模型方法、多維分析技術(shù)以及數(shù)據(jù)挖掘技術(shù)。

二、智能審計軟件系統(tǒng)架構(gòu)設(shè)計

在深入分析總結(jié)現(xiàn)有各種審計軟件優(yōu)缺點以及當(dāng)今計算機智能處理技術(shù)的基礎(chǔ)上，提出了如圖1所示的智能審計軟件系統(tǒng)架構(gòu)。該架構(gòu)由應(yīng)用服務(wù)層、平臺支撐層、數(shù)據(jù)資源層、數(shù)據(jù)交換中心、系統(tǒng)接口、系統(tǒng)保障機制以及基礎(chǔ)設(shè)施等部分組成。（1）應(yīng)用服務(wù)層。應(yīng)用服務(wù)實現(xiàn)財務(wù)審計業(yè)務(wù)處理功能，是系統(tǒng)建設(shè)的核心內(nèi)容。在智能財務(wù)審計系統(tǒng)的建設(shè)中，應(yīng)用服務(wù)包括審計分析、報表分析、綜合查詢以及業(yè)務(wù)管理等功能模塊。審計分析通過提供多維分析、挖掘分析、預(yù)警預(yù)測、疑點智能分析等功能實現(xiàn)對企業(yè)財務(wù)的審計。報表分析模塊完成企業(yè)報表的指標(biāo)分析、百分比分析、杜邦分析、趨勢分析、匯總分析、特征分析，對企業(yè)的財務(wù)狀況、經(jīng)營成果和現(xiàn)金流量情況等進(jìn)行綜合比較和評價，為財務(wù)會計報告使用者提供管理決策和控制依據(jù)的一項管理工作。綜合查詢提供關(guān)聯(lián)查詢、組合查詢、傻瓜查詢、智能模糊查詢等功能，可以通過圖、表等多種形式實現(xiàn)查詢結(jié)果的輸出。業(yè)務(wù)管理實現(xiàn)公司管理、指標(biāo)管理、參數(shù)管理以及報告設(shè)置等功能。（2）平臺支撐層。平臺支撐實現(xiàn)財務(wù)審計的系統(tǒng)支撐。包括審計推理、知識管理、數(shù)據(jù)管理、安全管理、搜索引擎、工作流引擎和智能處理引擎等功能模塊。審計推理實現(xiàn)案例推理、挖掘推理、規(guī)則推理以及集成推理等功能，為審計分析提供強有力的支撐。知識管理實現(xiàn)知識的獲取和存儲，完成案例管理、規(guī)則管理、模型管理以及知識推拉等功能。數(shù)據(jù)管理實現(xiàn)數(shù)據(jù)存儲、數(shù)據(jù)訪問ETL的處理以及元數(shù)據(jù)管理。安全管理保障整個系統(tǒng)的安全運行，實現(xiàn)用戶管理、安全認(rèn)證、權(quán)限管理、安全日志管理、單點登錄等功能。（3）數(shù)據(jù)資源層。數(shù)據(jù)資源層完成財務(wù)數(shù)據(jù)庫、本體庫、領(lǐng)域案例庫、模型方法庫、專家知識庫的創(chuàng)建、維護(hù)、更新、索引，元數(shù)據(jù)的建立、更新和維護(hù)，以及數(shù)據(jù)的采集、訪問和管理。（4）數(shù)據(jù)交換中心。數(shù)據(jù)交換中心實現(xiàn)內(nèi)容集成，以消除信息孤島，保證各應(yīng)用系統(tǒng)的有效協(xié)同和數(shù)據(jù)訪問。（5）系統(tǒng)接口。為用戶訪問和系統(tǒng)管理提供接口，為系統(tǒng)對外服務(wù)和展示提供窗口。（6）系統(tǒng)保障機制。包括信息安全保障體系、網(wǎng)絡(luò)安全保障體系、管理制度標(biāo)準(zhǔn)規(guī)范、數(shù)據(jù)交換規(guī)則規(guī)范和運營機制等。（7）基礎(chǔ)設(shè)施。硬件平臺作為整個系統(tǒng)的物理載體，是整個系統(tǒng)建設(shè)的一個重要組成部分，包括網(wǎng)絡(luò)系統(tǒng)、服務(wù)器群組建設(shè)等內(nèi)容。

三、智能審計軟體系統(tǒng)關(guān)鍵實現(xiàn)技術(shù)

實現(xiàn)該系統(tǒng)，需要著重解決以下兩個方面的問題：綜合運用信息處理技術(shù)，設(shè)計高效的算法，快速、準(zhǔn)確、客觀、規(guī)范審計財務(wù)業(yè)務(wù)，整合專家知識與數(shù)據(jù)挖掘技術(shù)，建立新型審計模型；根據(jù)審計數(shù)據(jù)的特點，研發(fā)相應(yīng)的數(shù)據(jù)分析方法。數(shù)據(jù)實驗表明，數(shù)據(jù)分析算法對不同的數(shù)據(jù)具有不同的敏感度。對于具體的審計分析模型，需要研發(fā)相應(yīng)的數(shù)據(jù)分析方法，并根據(jù)不同算法、不同行業(yè)數(shù)據(jù)的特性進(jìn)行數(shù)據(jù)實驗，選擇相對效果較佳的算法及參數(shù)。

充分整合領(lǐng)域?qū)＜抑R，綜合利用專家系統(tǒng)、數(shù)據(jù)挖掘、知識處理等智能技術(shù)，構(gòu)建智能審計模型，建設(shè)智能審計系統(tǒng)，提高審計智能化水平和效率、降低審計成本和風(fēng)險，促進(jìn)金融市場健康穩(wěn)定發(fā)展是當(dāng)前審計發(fā)展的方向。在深入分析總結(jié)現(xiàn)有各種審計軟件優(yōu)缺點以及當(dāng)今計算機智能處理技術(shù)的基礎(chǔ)上，提出了智能審計軟件系統(tǒng)的系統(tǒng)架構(gòu)。下一步需更加深入地研究該系統(tǒng)中各個關(guān)鍵技術(shù)，并設(shè)計切實可行的解決方案，實現(xiàn)智能化審計軟件系統(tǒng)。

［本文系上海市教育委員會科研創(chuàng)新基金資助項目（10YZ192，09YZ426）、上海市市本級財政部門預(yù)算項目（1138IA0005）階段性研究成果］

參考文獻(xiàn)：

［1］周杭：《審計專家系統(tǒng)的發(fā)展及其啟示》，《中國注冊會計師》2005年第3期。

［2］易仁萍等：《基于數(shù)據(jù)挖掘的審計模型框架》，《中國審計》2003年第3期。

［3］胡榮等：《數(shù)據(jù)挖掘——現(xiàn)代審計處理數(shù)據(jù)的新方法》，《中國審計》2004年第7期。

［4］王忠等：《基于人工神經(jīng)網(wǎng)絡(luò)的金融審計模型》，《計算機工程》2006年第4期。

［5］陳丹萍：《數(shù)據(jù)挖掘模式下的審計風(fēng)險決策研究》，中國社會出版社2007年版。

篇9

1.大數(shù)據(jù)的概念和特征

對于大數(shù)據(jù)時代，目前通常認(rèn)為有下述四大特征，稱為“四V”特征：第一，數(shù)據(jù)體量巨大（VolumeBig）：數(shù)據(jù)量級已從TB（1TB=210GB）發(fā)展至PB（1PB=210TB）乃至ZB（1ZB=220PB），可稱海量、巨量乃至超量；第二，數(shù)據(jù)類型繁多：越來越多的為視頻、位置信息、圖像與圖片等半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)信息；第三，價值密度低，商業(yè)價值高：以視頻為例，連續(xù)不間斷監(jiān)控過程中有價值的數(shù)據(jù)可能僅為一兩秒的數(shù)據(jù)流；第四，處理速度快，處理工具演進(jìn)快：數(shù)據(jù)流往往為高速實時數(shù)據(jù)流，而且往往需要快速、持續(xù)的實時處理。[2，3]

2.大數(shù)據(jù)時代對人才的需求

2013年3月，IDC數(shù)字宇宙報告《大數(shù)據(jù)，更大的數(shù)字身影，最大增長在遠(yuǎn)東》預(yù)計到2020年數(shù)字宇宙規(guī)模將達(dá)到40ZB。這意味著需要大量的人力和技術(shù)對如此龐大的數(shù)據(jù)進(jìn)行處理、分析和管理。在此情況下，對于大數(shù)據(jù)環(huán)境下新型人才的培養(yǎng)問題在近年逐漸受到重視。未來對具有大數(shù)據(jù)管理和分析能力的人才需求將快速增長，這些人員除了具備相應(yīng)的技術(shù)能力、管理能力、社交能力、系統(tǒng)分析和開發(fā)的能力外，還需要具備深度分析數(shù)據(jù)的能力。同時，一些和大數(shù)據(jù)相關(guān)的職位也會應(yīng)運而生，例如數(shù)據(jù)分析師、數(shù)據(jù)架構(gòu)師等。2011年麥肯錫全球研究所給出的一份報告預(yù)測，美國到2018年對具有良好信息素養(yǎng)的經(jīng)理人才的需求量大約在150萬人，此外，還需要14萬～19萬數(shù)據(jù)分析方面的資深專家。[4]在我國，互聯(lián)網(wǎng)企業(yè)、電子商務(wù)、金融機構(gòu)、醫(yī)療衛(wèi)生、零售、保險等行業(yè)及政府?dāng)?shù)據(jù)中心對大數(shù)據(jù)專業(yè)人才的需求量都很大。

二、大數(shù)據(jù)時代下山東理工大學(xué)信管專業(yè)培養(yǎng)模式

大數(shù)據(jù)時代產(chǎn)生對相關(guān)人才的巨大需求，因此，山東理工大學(xué)（以后簡稱“我校”）信管專業(yè)提出了新的培養(yǎng)標(biāo)準(zhǔn)和課程設(shè)置體系，培養(yǎng)具有我校特色的信息管理專業(yè)人才。

1.培養(yǎng)目標(biāo)和培養(yǎng)標(biāo)準(zhǔn)

在大數(shù)據(jù)環(huán)境下，重新定位信管專業(yè)的培養(yǎng)目標(biāo)和標(biāo)準(zhǔn)，以適應(yīng)“大數(shù)據(jù)”對專業(yè)人才提出的新要求，是信管專業(yè)建設(shè)的首要議題。我校信管專業(yè)突破國內(nèi)高校信息管理專業(yè)人才培養(yǎng)的三種主要模式（一是強調(diào)IT技術(shù)，弱化了現(xiàn)代管理理論與方法；二是強調(diào)管理又過于弱化了IT技術(shù)；三是IT技術(shù)與管理相融合，但實際效果不理想），[5]強調(diào)學(xué)生不但要掌握現(xiàn)代信息系統(tǒng)的規(guī)劃、分析、設(shè)計、實施和運維等方面的方法與技術(shù)，更要具有現(xiàn)代管理科學(xué)思想和較強的信息系統(tǒng)開發(fā)利用以及數(shù)據(jù)分析處理能力。我校信管專業(yè)還制定了全新的培養(yǎng)標(biāo)準(zhǔn)矩陣（如表1所示），從五大方面28個小方面更為詳實地闡述了信管專業(yè)學(xué)生需具備的技能和能力，并為課程的設(shè)置提供了依據(jù)。

2.課程設(shè)置體系

為了滿足大數(shù)據(jù)時代對人才提出的新要求，我校信管專業(yè)課程設(shè)置圍繞主干學(xué)科（管理學(xué)、經(jīng)濟(jì)學(xué)、計算機科學(xué)與技術(shù)、管理科學(xué)與工程）不僅設(shè)置了國內(nèi)高校信管專業(yè)常設(shè)的管理學(xué)、統(tǒng)計學(xué)、管理信息系統(tǒng)、數(shù)據(jù)庫原理與應(yīng)用、數(shù)據(jù)結(jié)構(gòu)與算法分析、計算機網(wǎng)絡(luò)基礎(chǔ)與應(yīng)用、Java程序設(shè)計、電子商務(wù)等課程外，還設(shè)置了數(shù)據(jù)倉庫與數(shù)據(jù)挖掘、商務(wù)智能與人工智能等相關(guān)課程，使學(xué)生在理解新興數(shù)據(jù)處理模式的同時，智能化數(shù)據(jù)分析處理及決策支持能力得到訓(xùn)練。與此同時，還設(shè)置了基于移動終端的APP開發(fā)、企業(yè)信息系統(tǒng)構(gòu)建與仿真、電子商務(wù)平臺架構(gòu)設(shè)計等課程，使信管專業(yè)的學(xué)生成為擁有合理知識結(jié)構(gòu)的復(fù)合型人才。大數(shù)據(jù)時代下新型的信息管理與信息系統(tǒng)專業(yè)人才的培養(yǎng)既要高度重視理論知識的學(xué)習(xí)，又要加強實踐能力的培養(yǎng)。為此，我校信管專業(yè)還設(shè)置了工程實訓(xùn)、軟件實習(xí)等實踐項目，以及為期10周的IM&IS應(yīng)用實踐環(huán)節(jié)，為學(xué)生搭建實踐平臺，拓寬實踐渠道。通過3年在校學(xué)習(xí)及總計約1年的實踐鍛煉（如圖1所示），我校信管畢業(yè)生不僅具有良好的管理知識基礎(chǔ)、信息技術(shù)應(yīng)用能力，現(xiàn)代信息系統(tǒng)的開發(fā)利用的能力，還具備智能數(shù)據(jù)分析處理工具的操作能力以及綜合數(shù)據(jù)分析處理能力。

3.特色

大數(shù)據(jù)時代下，我校信管專業(yè)制定了具有自身特色的培養(yǎng)模式，即：培養(yǎng)目標(biāo)和標(biāo)準(zhǔn)與行業(yè)發(fā)展結(jié)合，適應(yīng)大數(shù)據(jù)對人才能力需求的變化；培養(yǎng)具有綜合分析和管理能力，強調(diào)動手能力的新型信管人才。

三、總結(jié)

篇10

【關(guān)鍵詞】信息技術(shù)；理論課；創(chuàng)造性教學(xué)；理論聯(lián)系實際

對于學(xué)生來說，信息技術(shù)教學(xué)中的理論課與上機操作課相比顯得較枯燥、乏味，他們不適應(yīng)，不喜歡，甚至不想學(xué)。他們想當(dāng)然地認(rèn)為信息技術(shù)課就是到電腦室進(jìn)行操作，課堂教學(xué)也難取得什么好的教學(xué)效果，然而信息技術(shù)理論知識是信息技術(shù)實踐課的基礎(chǔ)，實踐是理論的延伸，沒有理論知識支持的實踐，注定是無根之木。不能掌握信息技術(shù)的理論知識，也就無法真正提高學(xué)生信息素養(yǎng)。那么教師們怎樣上好信息技術(shù)理論課？能不能把理論課也變得富有創(chuàng)造性，讓學(xué)生學(xué)得有趣，能積極主動地投入學(xué)習(xí)中呢？現(xiàn)在談?wù)勛约旱慕虒W(xué)實踐和經(jīng)驗:

一、借助多媒體課件來輔助教學(xué)，使理論課堂生動、有趣

多媒體輔助教學(xué)已經(jīng)在各個學(xué)科中得到廣泛的應(yīng)用，當(dāng)然作為信息技術(shù)課更應(yīng)該充分利用好這個利劍。在我們信息技術(shù)理論課教學(xué)中，恰當(dāng)?shù)氖褂枚嗝襟w技術(shù)來輔助教學(xué)，有時能起到事半功倍的效果。

在“課前導(dǎo)入部分”，如在《人工智能》這節(jié)課中，教師就用課件播放某大學(xué)為了防止學(xué)生逃課采用指紋機進(jìn)行課前簽到的報告，這樣的導(dǎo)入，既讓學(xué)生有新鮮感、好奇感又引入本節(jié)課的課題——人工智能技術(shù)中的模式識別技術(shù)。這樣的導(dǎo)入還有很多。

在“教學(xué)過程”中，如《文件及其類型》一課中，文件的圖標(biāo)、擴展名和它的類型無疑是這節(jié)課的重、難點，對學(xué)生而言，這部分知識過于枯燥、繁多、難記?？紤]到學(xué)生平時愛玩游戲的特點，可把文件的圖標(biāo)、擴展名和類型做成連連看的游戲，這樣學(xué)生可以在玩中學(xué)，反復(fù)玩都不會反感，很快就掌握了這部分知識。

在“自主探究”環(huán)節(jié)，如《網(wǎng)絡(luò)知識》這一課中，教師用課件準(zhǔn)備了很多的拓展知識——雙絞線的制作等錄制成視頻，方便學(xué)生自主探究、自主學(xué)習(xí)。

在“課堂總結(jié)”這個環(huán)節(jié)，多媒體課件同樣起到了舉足輕重的作用，多媒體課件可以展示整節(jié)課的知識結(jié)構(gòu)，讓學(xué)生一目了然本節(jié)課學(xué)到了什么，幫助學(xué)生回憶歸納。同樣可以給出一些練習(xí)題來鞏固本節(jié)課的知識，讓學(xué)生在課上就消化了知識。

二、讓信息技術(shù)理論知識生動化、形象化

在信息技術(shù)中，一些專業(yè)術(shù)語和名稱是非?？菰锏?，如果教師照本宣科，那么學(xué)生就不容易理解，而且非常反感。教師巧用形象比喻將枯燥難懂的理論知識生活化、形象化，會吸引學(xué)生的注意力。教師巧用形象的比喻，可以把高深莫測變成通俗易懂，且記憶深刻。如果教師的語言幽默風(fēng)趣，富有感染力，那么能使學(xué)生在愉快的課堂氣氛中不知不覺增長了知識。

在《算法描述與設(shè)計》一課中，什么是算法？一句話：解決問題的方法和步驟。在每年的教學(xué)中都發(fā)現(xiàn)學(xué)生對這句話無法理解。我在這里引用了“三個牧師，三個野人的過河問題”，讓學(xué)生自己想出解決問題的方法并到黑板上寫出具體的實施步驟。通過這個例子引出：解決問題的方法和步驟在我們ⅤB語言中叫“算法”，學(xué)生就很難忘記了。

再比如在Flash和Photoshop軟件中有很多概念很難理解，在Flash中，把“庫”比喻成上舞臺前演員休息的后臺，庫里的“元件”比喻成“演員”。學(xué)生就很容易理解了。在Photoshop中，把“圖層”比喻成透明的紙，每張紙上寫上一個字的一筆，多張紙重合在一起就能看見一個完整的字。這樣圖層的理解就簡單得多。

三、理論要聯(lián)系生活實際，讓學(xué)生自主構(gòu)建知識

信息技術(shù)是一門實踐性和技術(shù)性學(xué)科，它在現(xiàn)代社會生活中有著密切而廣泛的應(yīng)用，這就為理論課教學(xué)時融入學(xué)生的生活元素提供了豐富的資源。教師將理論與實踐相結(jié)合，激發(fā)學(xué)生學(xué)習(xí)的濃厚興趣，理論課教學(xué)就會事半功倍。課堂內(nèi)容貼近學(xué)生生活實際，枯燥的理論知識將變得有趣，學(xué)生會學(xué)得更加有勁。

例如《信息以及特征》這課，到底什么是信息呢？提出問題引發(fā)學(xué)生思考。教師授課，同學(xué)聊天，打手勢，聞到飯菜香味，摔倒后的感受等等，由這些每天都會發(fā)現(xiàn)的事情引出我們無時無刻都在接受著信息，再由學(xué)生根據(jù)自己的了解總結(jié)定義。提供素材：老黃歷看不得(信息的時效性)，蕭伯納名言(信息的共享性)，空城計(信息的真?zhèn)涡?，好事不出門壞事傳千里(信息的傳遞性)，最后，請同學(xué)們總結(jié)，教師點撥，完成本節(jié)理論課的學(xué)習(xí)，達(dá)到課堂氣氛活躍、理解透徹的效果。

《信息技術(shù)基礎(chǔ)》書中出現(xiàn)了四處關(guān)于“過程”先后順序的問題，信息獲取的一般過程、計算機信息加工的一般過程、信息編程加工的一般過程、信息集成的一般過程。關(guān)于這些問題如果強行讓學(xué)生記憶會非常困難，而且真的很枯燥，但如果融入生活信息里面，記憶起來就容易得多。比如講解信息獲取的一般過程，就可以借助學(xué)生經(jīng)常做的事“出黑板報”為例子來引導(dǎo)學(xué)生思考：平時是如何出黑板報的？學(xué)生回答：先確定每期的題目，再收集資料(上網(wǎng)、買書、自創(chuàng))，進(jìn)行篩選之后就制作板報，但這個過程是在不斷的修正中逐步完善的。根據(jù)學(xué)生的回答構(gòu)建出信息獲取的一般過程：確定信息需求——選擇獲取信息的來源——確定信息獲取方法來獲取信息——評價信息。讓學(xué)生借助自己熟悉的事來幫助他們理解新知，這樣學(xué)生既不感覺枯燥，掌握起來也容易得多。