信息技术教育应用

第六章 　人工智能与教育 本章主要知识点： 人工智能技术的概念、发展史、分类 人工智能的研究领域 智能计算机辅助教育系统的设计模型

第六章 人工智能与教育 6.1 人工智能概述 6.1.1 概念：主要研究用人工的方法和技术，模仿、延伸和扩展人的智能,实现机器智能。 第六章 　人工智能与教育 6.1　 人工智能概述 6.1.1 概念：主要研究用人工的方法和技术，模仿、延伸和扩展人的智能,实现机器智能。 图灵测试 6.1.2 简史： 第一个阶段（1956年以前）：孕育时期 第二个阶段（1956－1970）形成期 第三个阶段（1970～）发展期

第六章 人工智能与教育 6.1.3 分类：符号智能、计算智能 符号智能是以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。 第六章 　人工智能与教育 6.1.3 分类：符号智能、计算智能 符号智能是以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。 计算智能是以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能。

第六章 人工智能与教育 6.1.4 IDSS(智能决策支持系统)成功实例 第六章 　人工智能与教育 6.1.4 IDSS(智能决策支持系统)成功实例 东海渔业资源评估专家系统 以 卫星遥感渔业分析技术、海洋渔业服务地理信息系统技术和渔情分析专家系统技术为支撑的海洋渔业遥 感信息与资源评估服务系统。

第六章 　人工智能与教育 2. 工商行固定资产贷款风险决策系统 本系统是一个交互式系统，即在决策过程中向用户提出一些需要以数字回答的问题，界面简洁、友好。 在人机对话过程中，系统需要用户以数值形式输入一些供决策用的参数，如企业经营者素质评估， 经济实力，资金结构，经济效益，发展前景，信用等级系数，贷款金额，等等。同时给出一些选项 供用户选择，如抵押贷款方式，保证贷款方式，信用贷款方式，以及贷款形态等。系统根据用户提供 的信息计算出全部贷款资产风险权重额，全部固定资产贷款资产风险度，并结合企业的信用等级， 给出评估图表，最后给出贷款与否的建议。

第六章 　人工智能与教育 6.2 人工智能的研究领域 6.2.1 人工智能框架图

第六章 人工智能与教育 6.2.2 问题求解 求解难题的下棋（如国际象棋）程序 第六章 　人工智能与教育 6.2.2　　问题求解 求解难题的下棋（如国际象棋）程序 把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。 有些程序甚至还能够用经验来改善其性能。

第六章 　人工智能与教育 　6.2.3 逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。 对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月 ，美国的阿佩尔（K.Appel）等人合作解决了长达124年之久的难题──四色定理。他们用3台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改 500多处。四色定理的成功证明曾轰动计算机界。

第六章 　人工智能与教育 6.2.4 自然语言理解 　　 自然语言处理是研究如何让计算机理解人类自然语言的一个研究领域。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识──世界知识和期望作用的重要性。 语言翻译 语音理解

第六章 　人工智能与教育 6.2.5 自动程序设计 程序设计是人工智能的一个重要研究领域，已经研制出能够以各种不同的目的描述（例如输入／输出对 ，高级语言描述，甚至英语描述算法）来编写计算机程序。 这方面的进展局限于少数几个完全现成的例子。对自动程序设计的研究不仅可以促进半自动软件开发系统的发展，而且也使通过修正自身数码进行学习（即修正它们的性能）的人工智能系统得到发展。

第六章 　人工智能与教育 6.2.6 专家系统 概念：一个具有大量的专门知识与经验的程序系统，它应用人工智能技术与计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 结构： 知识库 推理机 答案 专家知识 输入或提问

第六章 　人工智能与教育 专家系统可以解决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和控制等。发展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程。 在已经建立的专家咨询系统中，有能够诊断疾病的（包括中医诊断智能机），估计潜在石油等矿藏的，研究复杂有机化合物结构的以及提供使用其他计算机系统的参考意见等。

第六章 人工智能与教育 新一代专家系统的特征： 并行技术与分布处理 多专家系统协同工作 高级语言和知识语言描述 具有自学习功能 第六章 　人工智能与教育 新一代专家系统的特征： 并行技术与分布处理 多专家系统协同工作 高级语言和知识语言描述 具有自学习功能 引入新的推理机制 具有自纠错和自我完善能力 先进的智能人机接口 分布专家系统：要解决功能分布、知识分布、接口设计、系统结构和驱动方式等问题。 协同式专家系统：要解决任务的分解、公共知识的导出、“讨论”方式、裁决问题、驱动方式等问题。

第六章 人工智能与教育 6.2.7 机器学习 概念：是一门研究机器获取新知识和新技能，并识别现有知识的学问。 第六章 　人工智能与教育 6.2.7 机器学习 概念：是一门研究机器获取新知识和新技能，并识别现有知识的学问。 机器学习的策略：机械学习、通过传授学习、类比学习和通过事例学习。

第六章 人工智能与教育 6.2.8 人工神经网络 生理神经元的组成结构图 第六章 　人工智能与教育 6.2.8 人工神经网络 生理神经元的组成结构图 生理神经元的功能：时空整合功能、兴奋与抑制状态、脉冲与电位转换、神经纤维传导速度、突触延时和不应期、学习、遗忘和疲劳 人工神经元的组成：用处理单元模拟生理神经元，用有向弧模拟轴突－－突触－－树突对。有向弧的权值表示两处理单元间相互作用的强弱。 常用的人工神经网络：反向传递网（BP网）等。　

第六章 人工智能与教育 6.2.9 机器人学 这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。 第六章 　人工智能与教育 6.2.9 机器人学 这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。 智能机器人 的研究和应用 体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。

第六章 人工智能与教育 6.2.10 模式识别 “模式”（Pattern）：指供模仿的标本。 模式识别就是指识别出给定物体所模仿的标本。 第六章 　人工智能与教育 6.2.10 模式识别 “模式”（Pattern）：指供模仿的标本。 模式识别就是指识别出给定物体所模仿的标本。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。 在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。

第六章 　人工智能与教育 6.2.11 机器视觉 在人工智能中研究的感知过程通常包含一组操作。例如，可见的景物由传感器编码，并被表示为一个灰度数值的矩阵。这些灰度数值由检测器加以处理。检测器搜索主要图像的成分，如线段、简单曲线和角度等。这些成分又被处理，以便根据景物的表面和形状来推断有关景物的三维特性信息。 机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传输和复原、多光谱和彩色图象的处理与解释等。机器视觉已在机器人装配、卫星图像处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛的应用。

第六章 人工智能与教育 6.2.12 智能控制 智能控制是驱动智能机器自主地实现其目标的过程。 第六章 　人工智能与教育 6.2.12 智能控制 智能控制是驱动智能机器自主地实现其目标的过程。 智能控制的核心在高层控制，即组织级控制。其任务在于对实际环境或过程进行组织，即决策和规划，以实现广义问题求解。 已经提出的用以构造智能控制系统的理论和技术有分级递阶控制理论、分级控制器设计的熵方法、智能逐级增高而精度逐级降低原理、专家控制系统、学习控制系统和基于NN的控制系统等。 目前研究得较多的是以下６个方面：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。

第六章 人工智能与教育 6.2.13 智能检索 搜索方式 : 搜索策略： 第六章 　人工智能与教育 6.2.13 智能检索 搜索方式 : (是否使用启发式信息) 启发式搜索 、盲目搜索 (问题的表示方式) 状态空间搜索 、与/或树搜索 搜索策略： 宽度优先搜索：沿着树的宽度遍历树的节点，如果发现目标，则算法中止。属于盲目搜索。 深度优先搜索：沿着树的最大深度方向生成节点并与目标节点进行比较，只有当上次访问的节点不是目标节点，而且没有其他节点可以生成的时候，才转到上次访问节点的父节点，然后搜索该节点的其他子节点。因此深度优先搜索也称为回溯搜索。它既不是完备的，也不是最优的。

第六章 　人工智能与教育 迭代加深搜索：对深度优先搜索进行了一定改进，对搜索树的深度进行控制，即有界深度优先搜索。 但是深度限制值d的选取是一个问题，因此试图尝试所有可能的深度限制，即在找到目标之前，通过迭代不断增大d以保证完备性和最优性。 启发式OR图搜索算法 AND-OR图启发式搜索 约束满足搜索

第六章 人工智能与教育 6.2.14 智能代理 概念：代表用户或其他程序以主动服务的方式完成一组操作的机动计算实体。 第六章 　人工智能与教育 6.2.14 智能代理 概念：代表用户或其他程序以主动服务的方式完成一组操作的机动计算实体。 特性：自治性、社会性、反应性、能动性 多Agent系统：Agent之间的协作、对环境的适应 基于MAS的信息检索系统：自动搜索引擎可自动发现新信息并对其进行自动分类、自动索引和自动摘要，并能进行模糊检索、概念检索等。

第六章 人工智能与教育 6.3 人工智能教育应用 6.3.1 人工智能应用概述 第六章 　人工智能与教育 6.3　 人工智能教育应用 6.3.1 人工智能应用概述 智能辅助教学系统的组成部分：具有教学决策模块、学生模型模块和自然语言接口 功能： 了解学生的学习能力、认知特点和当前知识水平 能根据学生的不同特点选择最适当的教学内容和教学方法，并可对学生进行有针对性的个别指导。 允许学生用自然语言与“计算机导师”进行人机对话。 教育技术中涉及人工智能的领域：知识的表示和访问、对学生错误的自动诊断、实现智能超媒体教学系统。

第六章 　人工智能与教育 6.3.2 智能计算机辅助教育 ICAI设计模型： 学生记录模块 专家系统模块 教学模块 人机接口界面 用户

第六章 　人工智能与教育 ICAI与CAI的区别：将教学策略从被教授的课程知识中分离，但是从教育计划中分离课程领域知识，需要一种数据结构来组织那些能表达各类问题的特征和各课程间相互关系的专业知识。 智能导师系统：人工智能在教育领域的最初应用，结合虚拟现实技术，现在在人机界面方面有了很多改进，同时借助于多代理系统的优势，在教学策略方面也有了许多变化。

第六章 人工智能与教育 智能导师系统实例 ADELE智能导师 第六章 　人工智能与教育 智能导师系统实例 ADELE智能导师 南加利福尼亚大学信息科学学院的一研究中心开发，可通过远距离网络对学习者予以指导，主查关于医学方面的教学，它采用一个模拟的环境促使学生在该环境中解决问题。 组成部分：解释引擎、运行在独立窗口的逼真角色、会话管理器。

第六章 　人工智能与教育 计算机多媒体实验室 北卡罗莱纳州州立大学计算机科学系多媒体实验室主持开发。创设了以智能代理技术为基础的基于知识的多媒体学习环境和问题解决式环境。他们开发了两个智能导师系统－－Design-A-Plant和The Internet Advisor(Cosmo)。

作业 查找一个ITS的实例，看看利用ITS、传统教学、非智能计算机教学在教学方法、策略、效果等方面有什么异同。