首页 > 文章中心 > 人工智能课堂

人工智能课堂范文精选

人工智能课堂

人工智能课堂范文第1篇

关键词:人工智能;会计软件开发技术;翻转课堂;知识库;会计信息化

一、引言

近年来,随着云计算、人工智能、大数据和移动计算等新技术的发展与应用,知识管理理念的日趋成熟,新兴技术对高等学校教育教学模式的改革与创新带来了良好的机遇。2012年3月13日,教育部印发的《教育信息化十年发展规划(2011-2020年)》,旨在推进信息技术与教育教学的深度融合,实现教育思想、理念、方法和手段全方位创新。2016年6月7日,教育部颁布实施的《教育信息化“十三五”规划》,以期加快推动信息技术与教学教育的融合发展。这些政策的出台为高校翻转课堂教学模式的发展提供了明确的实施导向和政策支持,也为重庆理工大学会计信息化部级精品课程之《会计软件开发技术》(AccountingSoftwareDevelopmentTechnology,以下简称为ASDT)课程实施翻转课堂教学模式改革与创新带来了良好的契机。知识库采用知识表示方式来存储、组织、管理和使用互相联系的基础学习知识、学习过程沉淀的知识和学生自我搭建的知识。基于人工智能技术的翻转课堂知识库构建与应用,不但可以调动学生的积极性和主动性,让课程教学延伸到网络平台,还能够在很大程度上提高课程的教学质量和教学效果。大数据、人工智能、知识库等技术的发展为翻转课堂教学模式的有效开展提供了良好的技术支撑,引起了教育界的广泛关注。周宇等人(2016)提出了一种面向关联数据的机构知识库构建方法,该方法能够覆盖机构知识库构建的整个过程,并支持机构知识的资源整合、语义检索、知识推理和关联数据。钟晓流等人(2013)信息化环境中基于翻转课堂理念的有效教学设计模型,对翻转课堂产生的背景与缘起、含义与特征、当前的研究进展与实践案例、相关的技术工具等进行了系统分析。曾明星等人(2014)阐述了翻转课堂的内涵、应用与研究现状,分析了软件开发类课程实施翻转课堂的可行性,探讨了软件开发类课程翻转课堂教学模型及其构成要素。刘清堂等人(2016)分析了机器教学、计算机辅助教学、智能导师系统的基本设计理念、关键技术以及代表性系统,提出以学习分析为核心的智能技术整合、融合人工智能和人类智能的自适应学习。综观上述文献,现有研究主要从翻转课堂的可行性和模型等方面去思考翻转课堂的教学模式改革问题,而利用人工智能、大数据等现代信息技术去改革与创新翻转课堂教学模式的研究文献还相对比较匮乏。基于人工智能技术的翻转课堂知识库构建与应用,通过全程记录课上和课下的教学互动过程,可以改善翻转课堂在教学方式、学生学习方式、评价体系等诸多方面的不足。鉴于此,本文基于大数据、人工智能等技术,探索改进与提升翻转课堂教学模式改革与创新的新技术与新方法。

二、基于人工智能的春秋战国翻转课堂知识的表达

人工智能(ArtificialIntelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,主要包括机器人、语言识别、图像识别、自然语言处理、智能监控、智能搜索等核心技术。ASDT课程将语音识别、语义识别、图像识别和智能搜索等人工智能技术融入翻转课堂教学改革的同时,导入春秋战国时期的七国争霸作为教学情景,将班上所有学生平均分成七个小组,分别对应齐、楚、燕、赵、韩、魏、秦等七个国家,每个小组的学生进行角色扮演,实施“春秋争霸”翻转课堂教学。在ASDT教学过程中,在讲授会计软件开发技术和会计数据业务处理流程的同时,让学生充分参与课程教学活动,强化互动学习,培养学生的团队协作能力、沟通能力、PPT制作与演讲能力、知识消化吸收及应用等能力。基于人工智能翻转课堂知识库构建的基础是将ASDT课堂的课堂教学活动和学生自主学习活动过程中形成的知识符号化的一个过程,通过对知识的映射转化为可供描述的事实和推理事实的数据结构。在构建知识库的过程中,知识的表达方式是构建知识库的关键。知识表达方式主要包括描述性、直接性、过程性等表达方式。其中,描述性的知识表达方式是客观和完整地反映相关专业领域的理论知识,具有准确性和逻辑性的特点。直接性的表达方式是以专业理论知识为基础,以图片、视频、音频和图形等方式直接表达知识的本质。过程性的知识表达方式是在教学过程中的积累和总结的经验知识。以下具体阐述在课堂教学活动和学生自主学习活动中知识的表达方式。

(一)课堂教学活动课堂教学活动由教师围绕各小组在完成作业的过程中遇到的实际问题,引导学生进行小组作品展示和组织小组间互动讨论。在课堂教学活动中,各小组通过PPT演示讲解本组作品中所涉及的知识点,运行程序进行作品展示。其他小组针对展示的作品轮流提问,小组回答问题以后,教师对作品进行综合性点评并打分。最后,教师根据知识库中的记录的学生自主学习活动中遇到的问题引导学生互动讨论,解决问题,针对学生不能解决的问题,进行重点讲解。在整个课堂教学活动中,教师对知识点的讲解、评价表现为描述性的知识,而教师和学生的角色高频切换,教师和学生评价、引导和提问不停迭代的探究式教学过程,表现为过程性的知识。通过语音识别、语义识别等人工智能技术的运用,自动识别和理解学生作品展示、各小组提问、教师综合点评等教学活动中的语言,转换为相应的文本,按照知识的表达方式自动分类,并实时传送到网络平台,更新知识库。

(二)学生自主学习活动将ASDT课程的教学目标和教学内容按主题进行任务分解,根据教学计划逐步推进,学生根据小组任务在重庆理工大学精品课程网上观看教学视频进行自主学习,小组成员合作完成小组任务。学生在学习过程中产生的疑问,可以借助智能搜索技术检索知识库,知识库推送相关知识点,帮助学生解决问题。在学生的自主学习过程中,学生在网页中通过简单检索、组配检索、限制检索等手段,进行交互式的访问,最终获得所需的知识信息,表现为过程性的知识。学生观看教学视频对相关知识点进行学习表现为直接性的知识。

三、基于人工智能的翻转课堂知识库的构建

在知识的直接性表达、描述性表达和过程性表达等多种方式下,多角度获取教学活动中的各种知识以构建知识库。基于人工智能的翻转课堂知识库包括教师编辑维护的知识库、学生自我搭建的知识库以及课堂学习过程中沉淀积累形成的知识库三部分,在教学活动中不停地进行动态更新,形成一个翻转课堂知识库的生态循环。其中,老师编辑维护的知识库是根据教学计划和教学任务按规则生成课题所需的知识点;学生自我搭建的知识库是根据学生在网络平台上提出的问题,生成的答案和解释;课堂学习过程中沉淀积累形成的知识库是自动记录和存储学生在课堂上的各种学习行为。基于人工智能的翻转课堂知识库,

(一)教师建立维护学生基础学习知识库教师首先根据教学总任务和总目标规划具体小组任务,按照教学大纲小组任务,同时在网络平台上编辑学生完成小组任务所需的基础知识和教学视频。此环节对课程的翻转和构建基础学习知识库具有重要的指导意义。建立基础学习知识库要和小组任务相匹配,并且具备合理性、科学性和可操作性,尽量涵盖完成小组任务所涉及的知识点。否则学生将无法完成小组任务,也无法有效建立基础学习知识库。学生根据小组任务和本小组实际情况,观看教学视频和学习资料,满足基础知识储备,完成小组作品。教师根据学生在自主学习过程中提出的问题不断更新维护基础学习知识库。

(二)学生自主学习形成知识库学生根据教师在网络学习平台上的任务,进行自主学习,完成小组的学习任务。当学生提出疑问时,网络平台会自动检索知识库,找到相应的知识点和教学视频对学生进行智能推送,学生解答问题。并且在人工智能技术的应用下,会自动记录学生在网络学习平台上的问题,形成并更新知识库,把学生的学习记录反馈给教师,帮助教师及时调整教学计划。

(三)课堂教学活动中形成知识库在学生的课堂学习中,小组成员进行PPT讲解和作品展示,在语音识别、语义识别和自动计分等人工智能技术下,自动记录和分析小组的作品展示情况、个人发言情况和积分情况。并且自动记录老师的总结点评和答疑,通过图像分析技术,自动归集学生个人的学习资料。同时,把课堂过程中的学生提问、教师答疑所涉及的知识,自动对接到网络平台,更新知识库。

四、知识库在翻转课堂教学活动中的具体应用

基于人工智能的知识库在翻转课堂教学活动中的具体应用主要包括自主学习、课堂教学和效果评价等三个方面。自主学习是指学生在翻转课堂的网络学习平台上进行课前的基础知识学习和基础知识自测,并且借助知识库解决疑问;课堂教学是利用基于人工智能技术构建的知识库,帮助教师和学生解决教学过程中的问题;效果评价是在翻转课堂的教学模式下,建立的适合现行教学模式下的学生评价体系,教师根据基础学习情况,在线统计问题,制定教学计划。下面将详细阐述人工智能的知识库在翻转课堂教学活动各中的具体应用,如图2所示。

(一)自主学习在自主学习过程中,学生首先了解教师的小组任务,在人工智能技术的应用下,根据老师的学习任务,智能化地制定学习目标。学生根据细化的学习目标进行自主学习,明确自主学习的课程内容,并根据课程内容和自身情况选择合适的学习内容。学生通过网络平台观看教师提供的教学视频或其他形式的学习材料开展学习,对学习收获进行记录,最后在网络平台上进行知识检测。同时,应用智能监控技术可以实时监控学生在网络上的学习情况和发言情况。学生可以根据自己的预习情况,在线提出问题,网络平台会根据学生提出的问题自动检测知识库,知识库推送相关知识点和学习资源,帮助学生分析和解决问题。利用智能监控技术,可以收集学生频繁在网络平台上搜索的所有问题。同时,学生也可以将问题进行拍照或者录制成视频发送给教师,利用图像分析技术可以自动识别图片或者视频中的问题并且推送给教师,根据问题调整教学内容和教学计划。

(二)课堂教学教师根据知识库中记录的学生自主学习情况,全面系统地了解学生的基础知识学习情况。知识库汇总学生在网络平台上的发言和提问情况,教师根据汇总的问题在课堂上进行重点讲解,使课堂学习更加高效。在学生作品展示、小组互动提问、教师综合点评等教学活动中,学生和教师可以借助知识库智能推送相关知识点,帮助解决教学活动中的问题。同时可以智能推理出合适的教学计划给教师进行选择。在学生提出问题和解答问题的过程中,智能收集问题和答案,形成知识,更新知识库。

(三)效果评价效果评价包含教学质量评价和学生评价两个环节。其中,教学质量评价是全面、系统的了解学生的学习情况和知识储备情况下,合理、客观地评估教师的教学质量。学生评价是考核学生的知识掌握情况、交流与沟通能力、演讲能力、协作能力、PPT制作能力、课堂参与程度和小组展示情况等。在基于人工智能的翻转课堂教学模式下,学生评价包括课堂教学活动和学生自主学习活动两个部分。通过语音识别和语义分析技术等人工智能技术,详细记录每一位学生在课堂上的发言情况、小组展示情况和教师对作品的点评情况。通过大数据分析技术,可以全面地了解学生在课外观看教学视频的情况和自测情况。因此,这种学生评价方式更加具有合理性和精准性。

五、结论

与传统的ASDT课堂相比,基于人工智能下的翻转课堂知识库的构建促使教学逐步从静态走向了动态,实现了以学生为主题,教师为主导的课堂教学理念,是适应新时期ASDT课程教学改革的必然。在基于人工智能的翻转课堂教学模型下,一定程度上改进了翻转课堂中的课堂教学、学生自主学习和效果评价等模块,有效督促学生自主学习,帮助学生在线答疑,同时更加综合地对学生进行考评,让老师教学更加高效。人工智能技术的广泛应用对于解决翻转课堂教学当前所面临问题的是较为理想的方案,它有助于提升翻转课堂整体的教学水平,促进翻转课堂的快速发展。

参考文献:

[1]周宇、欧石燕:《面向关联数据的高校机构知识库构建方法研究》,《图书情报工作》2016年第1期。

[2]刘清堂、毛刚、杨琳等:《智能教学技术的发展与展望》,《中国电化教育》2016年第6期。

[3]曾明星、周清平、蔡国民等:《软件开发类课程翻转课堂教学模式研究》,《实验室研究与探索》2014年第2期。

[4]钟晓流、宋述强、焦丽珍:《信息化环境中基于翻转课堂理念的教学设计研究》,《开放教育研究》2013年第1期。

[5]胡立如、张宝辉:《翻转课堂与翻转学习:剖析“翻转”的有效性》,《远程教育杂志》2016年第4期。

[6]王红、赵蔚、孙立会等:《翻转课堂教学模型设计》,《现代教育技术》2013年第8期。

[7]余燕芳:《基于移动学习的O2O翻转课堂与应用研究》,《中国电化教育》2015年第10期。

人工智能课堂范文第2篇

关键词新工科;人工智能;教学模式;多元评价

1引言

为主动应对新一轮科技革命与产业变革,支撑服务创新驱动发展、“中国制造2025”等一系列国家战略,2017年以来,教育部积极推进新工科建设,先后形成了“复旦共识”、“天大行动”和“北京指南”[1]。人工智能专业是“新工科”建设的重点专业之一。人工智能课程是人工智能专业及其它相关专业的核心课程。《新一代人工智能发展规划》明确提出高校要完善人工智能教育体系[2]。《高等学校人工智能创新行动计划》强调:要加强人工智能领域专业建设,推进“新工科”建设,形成“人工智能+X”复合专业培养新模式[3]。为适应国家发展战略和新时代对人工智能人才的需求,需要对人工智能课程进行教学改革。本文以新工科建设为导向,探索人工智能课程的改革与实践。通过分析当前人工智能教学存在的问题,有针对性地对人工智能教学提出一些改革措施,以适应新一轮科技革命和产业变革的人才需求。

2存在问题

人工智能已发展成为一个高度交叉学科,但是传统的人工智能课程具有概念抽象、理论性强、实践内容相对不足等特点。传统人工智能课程教学主要存在以下问题:(1)重理论轻实践。传统的人工智能课程教学主要是基于课堂,重点讲授其基本知识、理论和算法,仅限于教师课堂讲解、演示,学生被动接受。但是对于实践,学生既没有充足的时间练习,也不知道如何把所学内容应用到实践中。(2)教学模式陈旧。由于多种原因,现有的人工智能课程教学仍然采取传统的集中授课形式。这种教学模式能在有限时间内把教学大纲规定的内容传授给学生,但学生却很难真正掌握。而且,这种模式既不能满足不同层次学生的需求,也不能有效促进学生的个性化发展,更不能体现以学生发展为中心的教育理念。(3)校企合作不足。目前,人工智能人才培养和课程教学,明显滞后于新技术的发展和社会对人工智能人才的需求。究其原因,是校企缺乏有效合作,产学研缺乏深度融合,从而导致理论与实践脱节,掌握的知识和技能不能与实际应用接轨[4]。学生不仅要具有扎实的知识和技术,更应该具备良好的团队合作、实践和自学能力[5],才能更好地适应社会需求,成为国家有用人才。(4)评价机制不完善。传统评价仍侧重于教学大纲规定的知识点的考察。人工智能课程一般考察学生对基本概念、理论和经典算法的理解和掌握。总评成绩一般由期末考试和平时成绩组成,期末考试成绩占70%;平时成绩占30%,包括作业、考勤、讨论等。这种考核很难全面真实地反映学生掌握知识、解决问题的能力和基本素养的高低,无法适应新工科背景下人工智能人才的培养要求。

3教学改革方案

(1)优化课程内容。课程是人才培养的最后一公里,其内容的合理与否对人工智能人才培养至关重要。因此,有必要对人工智能课程内容进行优化。具体内容如图1所示。(2)采用混合式教学模式。该教学模式既能克服线上教学的不足,也能克服线下教学的不足,是当今被广泛认可和接受的一种有效的教学模式。在人工智能课程教学中,按照“金课”标准,充分利用超星学习通平台,采用线上线下混合式教学模式。课前,教师在超星学习通上课程学习目标、要求、重难点等,上传授课计划、教案、微视频、PPT、实验实训项目、题库、拓展知识等课程资源;学生通过线上平台自主学习、完成在线学习、测试、参加讨论、提出问题。课中,根据学生课前自主学习情况,对课堂探究式学习进行教学设计、组织和实施,做好在探究讨论中的引导、鼓励、解惑和总结。在讨论交流中实现知识内化、能力培养和素养提升。课后,一方面,根据学生的学习情况,对授课内容进行总结,将学生的作业、实验、项目开发过程中存在的问题和解决方法上传至学习通平台,引导学生进一步消化吸收,熟悉实验和实训过程。另一方面,根据学生的需求不同,分别给予进一步的指导。如有些学生不限于课本内容,想进一步探讨深度卷积神经网络在实际中的应用,这时可把相关文献和实现代码提供给学生,并指导他们研读文献和代码,进一步培养锻炼学生的探究能力和创新能力。但在人工智能课程实施混合式教学中,也存在一些问题。首先是教学习惯、教学设计还没完全转变。教师已习惯传统的教学模式,在实施线下探讨教学时,不自觉地仍采用传统教学模式对重难点问题进行设计、讲解,仍然是教师讲、学生听。其次是部分学生对教师的依赖性较强,学习、自主学习能力相对较弱,还不能很好地适应混合式教学模式。最后是在实践环节,学生不易理解一些知识的演进过程、算法流程或应用意义。针对以上问题,需要及时研讨在这种混合式教学模式下,线下教学内容的组织、设计和实施,有目的地激发学生的学习兴趣、培养学生的自主学习能力和主动探究意识。在实践环节,要求教师课堂讲授、面对面指导,如参数的设置、算法的流程、项目设计的架构等,甚至程序代码,都要在课堂现场写出来。(3)深化校企合作。通过校企合作,实现人工智能人才培养符合社会需求、人才培养标准符合IT行业职业标准、人才培养过程符合IT行业真实的开发流程。一方面,根据社会需求,及时调整教学大纲,完善教学内容,改进教学方式。另一方面,充分利用合作企业资源,将企业真实项目引进课堂,让学生参与企业真实项目的开发,熟悉开发流程,掌握新技术。人工智能课程在“人工智能课程教学内容的改革与实践”项目(教育部产学研合作项目)的基础上,引入南京云创大数据科技股份有限公司开发的DataSense分布式数据挖掘平台和课程资源。首先,由企业工程师介绍该平台设计架构、内容、目的,演示各个功能模块;其次,教师在课堂上以该平台提供的功能模块为基础,如分类预测中的决策树、神经网络、逻辑回归等算法,实现鸢尾花数据集、ImageNet数据集的分类预测等。最后,要求学生参加“学生课堂行为识别系统”等项目的开发,真实体验数据采集、处理、算法的选择、参数的调节和结果的呈现。并用不同的算法进行比较和工具实现,找出各自的优劣和体会适用条件。(4)建立多元评价机制。结合“新工科”建设对人工智能人才知识、能力和素质的新要求,有必要建立合理的多元育人评价机制,形成过程性评价和结果性评价于一体的评价体系。在教学实施中,组织开展项目式教学,如在“学生课堂行为识别系统”项目中,不仅要考察学生完成项目情况,还要关注其在项目中的角色表现,如算法设计能力、代码调试能力、沟通表达能力、团结协作意识、文献查询能力、对待项目的态度、是否熟悉项目开发的流程、是否养成良好的开发习惯、是否遵守软件项目开发职业规范和职业道德等。为调动学生的积极性,激发他们对人工智能的兴趣,利用课余时间,组织学生开展讲人工智能的故事活动。在该项活动中,学生自由组合,根据个人特点担任不同的角色,使得每个学生都能发挥自身特长来完成相应任务。通过类似活动,可以全面锻炼培养学生的沟通协调能力、收集整理资料能力、撰写能力、表达及创新能力等。

4教改实践的效果

通过2年的教学改革的实践,逐步建立了由期末评价(40%)+项目评价(30%)+平时评价(30%)三部分组成的评价体系。其中,期末评价主要是知识理论评价;项目评价包括团队角色分工、项目展示、技术报告和创新能力等;平时评价包括章节测验、参与讨论情况、师生互动情况及课后思考及探讨情况等。本课程的改革在2019级计算机科学与技术专业进行了实践。结束后,在学习通上使用问卷调查方式从激发学习兴趣、提高自主学习能力和提高动手能力三个方面进行调查,全班共计120人,收回有效问卷116份。调查结果见表1。由表1可知,88.79%的学生认为该课程能激发他们的学习兴趣;82.76%的学生认为可以促进提高自主学习能力;80.17%的学生认为通过参与企业真实项目的训练,切实提升了动手能力。改革后的学生参与学科竞赛人数提高了28%,并在全国大学生数学建模竞赛、蓝桥杯软件人才大赛、河南省大学生程序设计大赛、信息安全对抗大赛等学科竞赛中的成绩也有了明显提升。

参考文献

[1]金鑫,耿娜.应用型高校开设机器人专业的必要性和初步探索.教育教学论坛,2019(4):158-159

[2]刘辰.国务院印发《新一代人工智能发展规划》:构筑我国人工智能发展先发优势.中国科技产业,2017(8):78-79

[3]陈瑞,袁璟,童莹.人工智能背景下信息工程“新工科”专业建设探索.计算机时代,2020(12):94-96

[4]张敏,方泳泽.新工科导向的人工智能教学实践.集美大学学报(教育科学版),2020(3):84-88

人工智能课堂范文第3篇

关键词:人工智能;英语教学;创新思维;教学质量

随着人工智能时代的到来,人工智能已经在多个领域中逐渐取代了传统的人工作业。人工智能与英语教学的有效结合,不仅可以提高英语教学信息化和科技化水平,而且能使英语教学迈向一个全新的阶段。面对人工智能时代的到来,高中英语课堂必将面临巨大的挑战。英语教师必须了解什么是人工智能,并在组织形式、活动设计、师生关系和技术融合等方面积极研究人工智能在英语教学中的应用,主动适应人工智能带来的教学改革,促进人工智能与英语教学的深度融合,使人工智能更好地服务于英语教学,提高英语教学质量与效率。本文从以下几方面对人工智能时代背景下的高中英语教学进行探究。

一、什么是人工智能

对于人工智能是什么,相信很多人的理解仍然处于基础阶段,普遍认为人工智能便是简单的语音识别,或者是人脸识别等技术。但人工智能实际上是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。本文中所谈论的人工智能,本质是互联网发展产生的大量数据基于互联网进行的最高运算。因此,与人工智能比记忆力、运算能力都是没用任何意义的,就如同将车与人比速度一般。人工智能是由人类创造的产物,因此人工智能并不具备人类所有的创造性思维。因此,在人工智能时代,人们应具备良好的创新能力和解决问题的能力,与人工智能合作,创造更美好的未来。

二、人工智能对英语教学的影响

人工智能时代给传统的行业带来了巨大的冲击,相应地也为这些行业带来了新的发展机遇。在当前高中英语教学中,人工智能可以为英语教学的进程提供新的契机,开创出新的教学环境。例如,教师可以在课堂上通过语音测评、语义分析,提高学生的英语学习效率。或者是在英语分级阅读中,可以使用机器或者算法来制定标准,从而使得学生可以完成自适应阅读。另外,人工智能同步翻译也在人们的工作和生活中扮演着越来越重要的角色。因此,教师应当积极探索人工智能技术在英语教学中的使用,充分体现学生英语学习的个性化特征,加强学生思维品质和人文素养的培养,丰富课堂教学活动设计,构建良好互动的师生关系,从而有效地发挥人工智能的教学作用。但是,高中英语教师也应当清晰地知道,人工智能在英语教学中并不能完全代替人,只能起到一定的辅助作用。因为英语是一门语言,而语言的背后都是一种逻辑思维的表达,这种表达承载着该语言的文化背景以及沟通表达。因此,教师应当了解到英语学习的过程不只是让学生学习到英语,而是应当让学生了解到英语这一门语言的文化以及发展过程。

三、人工智能与英语教学的整合策略

人工智能时代背景下,教师的任务已经不再是简单地教授知识了,而是要在教学中促进学生个性化和创造力的发展。具体来说,教师应从以下几方面有效整合人工智能与英语教学,使人工智能在英语教学中发挥更大的作用。

1.转变教学目标

未来,有了人工智能的辅助,教师可以不用再充当知识的传输者了,教学也会变得十分简单。因此,教师在英语教学过程中,不应当只停留在工具性的教学上,而应当使原本的教学方式可以转变为思维性教学,积极培养学生的发散性思维,将对学生的个性化思维以及创造性思维的培养作为主要的教学目标,这样才能很好地激发学生学习英语的兴趣,从而使学生形成正确的世界观、人生观、价值观。

2.提高现代教育技术水平

人工智能时代,将会有越来越多的新型教育技术应用于教学中,因此教师必须提高自己的数字化教育技能,以更好地应对教学手段的不断更新。人工智能背景下,微课、幕课、移动学习等技术的出现打破了传统课堂教学环境,一对一、一对多、多对多的互动方式成为学生学习的常态。因此,英语教师在提升现代教育技术的使用能力的同时,还要学会将新兴教学手段融入到课堂教学中,融入到课堂教学理念和文化中,借助技术创新有效地吸引学生的注意力,使学生可以更好地学习英语知识,了解英语文化,提高语言运用能力。另外,教师还要思考如何在口语、听力、阅读、写作教学中引导学生合理使用人工智能,辅助自主学习等,培养学生创新意识和实践能力,实现英语教学中的全人教育。

3.创新教学方式

传统的教育方式往往比较注重对学生知识的积累,而不是对学生的个性化思维发展培养,这就在一定程度上导致通过记忆或者是模仿培养出来的人才往往并不具备个性化以及创造性的特点,这样的教学模式会随着未来人工智能的不断普及被淘汰。在未来的教学中,学生已经不需要再单纯地进行记忆和计算了,这些内容可以通过人工智能来辅导完成。有了人工智能的辅导,学生将会有更多的时间以及精力来进行深度的学习和思考,在体验式的教学过程中获取知识,从而有效培养创新能力,促进个性化的发展。

4.培养学生的批判性思维

英语教学不仅可以培养学生使用所学语言获取信息的能力,而且能使得学生通过阅读等方式,发展跨文化理解能力,有效促进多元化思维的发展。批判性思维是一种个性化的思维,有着这种思维的人往往比较善于思考和质疑,不会被动地接受他人的暗示。当前,如何有效地培养批判性思维,受到了人们越来越多的重视。随着人工智能时代的到来,学生接受信息的渠道多样,信息量大,教师必须有效地培养学生的批判性思维,使得他们在面对如此大量的信息时,可以进行有效的选择,对这些信息进行有效的评价,并做出决策。

5.提高学生的创造力

在英语教学中,如果学生失去了创造力以及想象力,就会在学习上举步艰难。人的创造力并不是通过积累知识以及智能发展引发的,而是需要在一定的环境以及条件下进行有效的培养和引导才能形成。因此,英语教师在对学生进行创新能力培养的时候,需要注重对学生的独立思考能力进行有效的培养,让学生可以在英语学习过程中逐渐树立正确的价值观。

四、结束语

总之,随着人工智能不断普及到人们的日常生活中,人工智能必将为英语教学过程的优化带来新契机,为智能化、个性化的英语教学环境的创设提供新平台。因此,英语教师要转变角色,做学生学习的指导者、激励者、评价者和促进者,转变教学目标,提高教学资源挖掘与整合能力,提高现代教育技术水平,创新教学方式,精心设计不同层次的教学活动,培养学生的批判性思维,提高学生的创造力,充分利用人工智能提升英语教学的效率以及质量,从而有效培养学生的深层次学习探究能力,使学生成长为社会需要的复合型人才。

参考文献:

[1]徐小刚.“人工智能+教育”引领英语教学迈入教育信息化2.0时代[J].英语教师,2018(11).

[2]梁迎丽,刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育,2018(03).

[3]华璐璐,陈琳,孙梦梦.人工智能促进英语学习变革研究[J].现代远距离教育,2017(06).

[4]万成.智能时代背景下现代英语教学的反思[J].佳木斯大学社会科学学报,2017(03).

[5]汪元媛.人工智能+大数据背景下大学英语教学变革浅议[J].海外英语,2018(15).

人工智能课堂范文第4篇

【关键词】人工智能;内分泌学;个性化教学;机器学习;教学改革;教学评价;教育

人工智能(artificialintelligence,AI)概念最早是在1956年的Dartmouth学会上提出的,随着计算机核心算法的突破、计算能力的迅速提高以及海量互联网数据的支撑,目前已被广泛地应用于各个领域[1]。AI当前最广为接受的定义是Boden阐述的“使计算机做需要人类智能才能做的事情的能力”。智能通常被定义为一组做出决定和解决问题的能力,如理解、学习和推理。AI通过一系列工具来模拟人类智能的这些方面。AI方法和技术在过去几十年里已普遍应用于医药和卫生领域[2]。在医学文献中,术语“人工智能(AI)”“ML”和“深度学习”经常被同时使用,有时也会互换使用[3]。在医学领域,AI/机器学习(machinelearning,ML)技术可以在三个方面产生重大影响:医生方面,提高诊断准确性和协助治疗及外科干预;卫生系统方面,改进工作流程和减少错误;患者方面,量身定制诊断和治疗方案,基于独特的表型和基因特征患者的精准治疗[4]。人工智能驱动的精准医疗为临床医生提供了一个机会,为每个人量身定制早期干预措施[5]。人工智能(AI)正在改变我们的现代生活,在医学上,AI有两个主要分支:虚拟和物理。物理分支包括机器人,可以帮助手术和康复。虚拟分支包括信息学,有望帮助医生进行临床诊断和治疗决策[6]。AI技术背景下,教师的角色已经有了很大的转变,不仅是定义者、阐释者、答疑者,也是提问者、引导者、辅助者[7],为了提高教学效果,教学模式和方法也要随之改变。无论是传统教学模式还是AI教学模式,教师都是课程的主导者。教师的教学方法和技巧、态度和能力都会显著影响教学效果[8]。同时AI还可以对教学效果进行评价。

1人工智能发展对医学教育的影响

人工智能时代,医学教学仍然存在着通识教学欠缺、课堂互动不足和课程建设滞后等矛盾[9]。随着医学领域知识的复杂性和数量的不断增长,医生几乎不可能在头脑中组织和保留全部知识性数据。教科书上的内容虽然都是典型病例,但有时会与临床实践不符。医学基础教育与临床实践脱节,会导致学生在课堂上学到的知识难以应用,因此有必要对现有的教学模式和方法进行改革[10]。因此,医学界应及时调整教学策略,加强以下几个方面的学习,以重新定义AI/ML时代医生的角色:(1)医学院校课程将重点从信息获取转移到知识管理和沟通技能;(2)培训医生管理和协调AI/ML应用;(3)培训医生解释AI/ML输出数据,并在临床决策中有效地利用这些结果;(4)加强培养医生之间的同理心和同情心。最终,医生和AI技术需要发展一种相互支持的关系,而不是一种竞争关系[11]。医生可以提供适当的反馈来改进AI/ML技术和工具,这些工具反过来也可以帮助医生解决不确定的临床场景。而AI/ML在内分泌领域的使用,将使内分泌疾病的诊断具有更高的准确性,可能避免不必要的检查,减少医疗支出,促进海量患者数据更好的数字存储,无论是个人病情还是流行病学研究的汇总数据,这些益处可能有一天会改变临床内分泌实践。今天,像人工胰腺这样的人工智能技术已经成为现实,同时也需要学术界和信息技术行业大力推动AI/ML技术在内分泌学的进一步发展。内分泌医生很适合在AI/ML的发展中发挥重要作用。将这些技术和方法应用到内分泌学生的教学中,让他们在使用这些技术进行诊断或研究时增加一种有力的武器[4]。

2内分泌学教学的特点

内分泌学是内科学的重要组成部分,内容涵盖人体各个系统、器官,内容庞杂,自成体系,是医学生临床学习的重点和难点学科之一。传统的授课方式分为理论课和临床实践课。理论课主要采用课堂教学形式,临床实践课需要到见习或实习阶段以分组模式进行。理论课以老师课堂上讲授为主,教学内容知识点多,课堂灵活度差,学生对课程内容印象不深。临床实践课是对理论知识进行实践,在临床通过对典型病例的诊治进一步学习相关疾病知识,前期理论知识掌握度差又会影响实践课的教学质量。由于临床实践课教学时间的限制,学生在临床实习期间接触的内分泌疾病种类有限,很大程度上降低了学生对内分泌疾病认识的广度和深度。多年来的教学实践发现上述教学模式取得的教学效果并不令人满意。近年来随着学生数量的增多,患者对自身隐私保护的需求及部分患者配合度差等因素的影响,出现了教学资源相对不足,尤其是在临床实践时,典型病例资源不足,上述教学模式的问题逐渐凸显。另外,传统的医学生教育模式单一,普遍存在教材更新滞后,交叉学科教学内容不足,未能充分发挥学生的主观能动性,难以制定个性化学习方案,实现高层次、高素质专业技术人才培养的目标。以AI为核心的新兴技术不仅有助于平衡教育资源,提高教学效率,改进学习体验,而且正在逐步实现个性化学习,因材施教的可行性有了显著提高[12]。

3人工智能在内分泌临床教学实践的优势

人工智能可以便捷的从患者的电子病历中提取重要信息。首先,这将节省时间和提高效率,而且进行充分的测试后,它也将直接指导患者管理,从而指导医学生对典型病例的学习。尽管医疗保健科学技术迅速发展,但糖尿病仍是一种无法治愈的终身疾病。根据糖尿病相关应用的目标,人工智能方法可以分为三类:探索和发现信息,学习使用信息,从信息中提取结论。搜索和设计从数据库中寻找潜在信息的算法通常被称为“数据库中的知识发现”(knowledgediscoveryindatabases,KDD)。KDD的主要目标是识别有用的和可理解的信息,它要求对感兴趣的研究领域有广泛和深入的了解。在这类研究中使用的最具代表性的技术是K-means,K-nearestneighbors(KNN)算法和分层聚类。对于知识类学习,其思想是让机器在没有人工干预或辅助的情况下自动学习,从而能够对复杂系统的未来状态做出预测,以便更好地做出决策。这一过程包括所有涉及归纳成分的方法,它们具有各自的优势,可自适应地用于不同的情况。糖尿病教育旨在提高患者的自我管理技能,是帮助患者提高代谢控制和生活质量的重要途径。人工智能技术在将现有遗传数据和临床信息转化为宝贵知识方面取得了重大进展。将人工智能技术应用于疾病教育将是非常有益的,因为人工智能技术可以根据不同个体的独特特征,促进个性化、全程的教育干预。人工智能技术在糖尿病教育各个方面的均可应用,通过收集到的信息和证据,为糖尿病管理的前瞻性、数据驱动的决策支持平台的开发提供见解和指导,重点是个性化的患者管理和终身教育干预[13]。以2型糖尿病患者诊治为例,目前,临床医生要花费大量的时间阅读门诊病历,检查血液测试结果,并从许多不相关的系统中寻找临床指南,制定出合适的治疗方案。相比之下,AI可以根据患者的临床记录自动识别出最重要的风险因素和已经采取的治疗措施,还可以自动将诊治过程中与患者的对话转换为总结性医嘱,供临床医生使用或修改。这两种应用程序都可以节省大量时间,并且可以快速实现,帮助临床医生,而不是取代医生[14],更好的指导医学生的临床实践。AI伴随着大数据分析的机器学习的最新进展做出了巨大贡献,特别是在临床成像、药代动力学、遗传学和肿瘤学领域。而且到目前为止,关于生活方式相关疾病(如T2DM)的预后预测模型和/或并发症进展的AI研究也取得了一定的进展,有望支持医学的临床判断。作者构建了一个基于64059名糖尿病患者的电子病历(EMR)库,采用人工智能技术,利用大数据机器学习处理自然语言和纵向数据,建立糖尿病肾病(diabetickidneydisease,DKD)预测模型。人工智能利用卷积自动编码器,从过去6个月提取原始特征作为参考期,并选择24个因素来寻找与6个月DKD恶化相关的时间序列模式。人工智能利用logistic回归分析构建了包含3073个特征的预测模型,预测DKD加重的准确率为71%。此外,10年以上,DKD加重组的血液透析发生率显著高于未加重组。因此新的人工智能预测模型可以检测DKD的进展,有助于更有效、准确的干预降低血液透析的发生[6]。另外,自动深度学习(DL)算法在糖尿病视网膜病变筛选中也呈现了潜在价值;但其在具有较大异质性的人群中临床应用的可行性还有待进一步研究[15]。AI/ML方法还可以准确地呈现、模拟、解释医学图像,并提供计算机辅助诊断。ML算法在早期发现肢端肥大症面部变化方面比医生的评价具有更高的敏感性、特异性以及阳性和阴性预测值,从而实现临床早期诊断[4]。通过AI,大数据技术能够对医疗数据、医学文献和临床指南进行采集与分析,建立人工智能辅助医学教学数据库,模拟患者就医场景,使学习者能反复实践,有助于培养临床思维。虚拟病历为学生提供零风险、可试错的临床学习渠道,真实病历能使学生更快适应疾病谱和治疗方法变化,缓解罕见病临床患者资源不足的困境,通过模拟患者就诊流程能有效的将理论知识转化为临床知识,充分发挥新兴技术的优势[16]。AI不仅对医疗资源充足的医学院校医学生教学有重要的意义,对于毕业后内分泌专科医师继续教育也是有效的补充。通过AI提供的学习资源,了解和认识临床上不常见的疑难病、罕见病,可以使更多学习者享有优质的教育资源。通过远程教育平台,有利于开展更广泛的交流与合作,了解国内外最新的医学进展,寻找到更丰富的信息资源[17],也有利于促进国内内分泌学人才培养和学科发展。

4人工智能方法在内分泌教学中的应用

人工智能课堂范文第5篇

摘要:目的:探讨人工智能(AI)在年龄相关性黄斑变性诊断中的影响因素。方法:选择2018年1月1日—2019年12月31日在我院筛查且已诊断明确的年龄相关性黄斑变性的100张眼底照相,由AI进行解读。按照位置、对焦、准确、曝光程度、睫毛伪影、中心暗影、周边暗影等对眼底图像进行质量评价,分析眼底图像质量与AI诊断准确性的影响。结果:在现实应用场景中,100例黄斑变性图像,其中拍摄位置不标准为最常见问题占30%,其次为边缘漏光,占27%,现实场景中AI诊断阳性率86%,AI诊断正确率与眼底照相周边是否有暗影具有统计学相关性(P<0.05)。结论:在现实应用场景中AI诊断正确率受眼底图像质量影响,改善眼底照相拍摄质量是提高诊断准确率的重要途径。

关键词:人工智能;黄斑变性;眼底照相;图像质量

年龄相关性黄斑变性(AMD)是发达国家年龄超过50岁人群不可逆转视力丧失的主要原因[1]。AMD疾病逐渐进展,从早期和中期,几乎没有或仅有微妙的视觉变化,最终患者会发生中心视力损伤,早诊断、早干预是防治AMD的重要手段。多种因素参与AMD的疾病进程。多项国内外研究发现,年龄、性别、种族、遗传等是AMD发生的重要影响因素[2]。目前,人工智能(ArtificialIntelligence,AI)基于医疗数据的深度学习已经在眼病领域进行了一系列探索。2016年初,GoogleDeepMind与英国国家健康体系(NHS)开发了一款用于辅助医生快速查看血液测试结果的软件,以辅助决策并提高效率。同年JAMA刊登了gulshan团队研究成果,通过深度学习,AI辅助的软件系统对眼底病检测准确率96%[3]。2018年我国张康团队在Cell刊文,开发出诊断眼病和肺炎的AI系统[4],主要对糖尿病性视网膜病变进行AI辅助诊断。AI已经被应用于老年黄斑变性的检测中,其原理是能够通过观察眼底图像所呈现的玻璃膜疣及视网膜微血管病变体征等,实现对AMD玻璃膜疣的自动检测和量化系统,能够对疾病的客观记录描述,帮助识别和分类AMD患者。目前,相关研究集中在玻璃膜疣的诊断准确率和敏感度的提升方面[5]。但AMD是一个长期、慢性进展的过程,病情复杂,现实场景中的眼底照相质量并不均一,往往受限于场地环境、设备以及受培训人员的技术水平,在真实世界实际应用场景中,获得完美的照相质量相对困难[6],从而影响人工智能辅助诊断。笔者拟通过此次研究,探索图像质量的差异与AI诊断准确率的关系,寻找影响诊断的主要因素,改善医疗技术,进一步提高AI的诊疗准确性,从而提高医疗服务质量。

1资料与方法

1.1一般资料选择2018年1月1日—2019年12月31日在我院筛查的100例年龄相关性黄斑变性患者。本研究经本院医学伦理委员会批准。

1.2仪器与方法对100例患者进行眼底照相,由AI进行解读,对诊断的正确度进行评估。按照位置、对焦、准确、曝光程度、睫毛伪影、中心暗影、周边暗影等对眼底图像进行质量评价,分析眼底图像质量与AI诊断准确性的影响。前期研究已经对社区医疗诊疗环境进行整合,保证眼底图像采集人员采集统一规范标准。对眼底图像仪器进行统一。对眼底图像进行分类,由AI进行解读,收集报告内容,对诊断的正确度进行评估。

1.3观察指标及评价标准所有纳入样本患者的影像资料均由高年资主治医师审核,并进行OCT图像的验证,确认黄斑病变,与眼底图像进行印证。对患者图像资料质量进行标准分类,包括位置的准确性、对焦是否准确、曝光过强、曝光过弱、镜头污渍、睫毛虚影、边缘漏光、黄斑区暗影、周边暗影、整体影像模糊。根据AI的判定结果分析图像质量与AI评价准确度的关系。

2结果

2.1图像效果分析100例黄斑变性图像,其中拍摄位置不标准为最常见问题占30%,其次为边缘漏光,占27%,未发现镜头污渍表现,未发现过度曝光。

2.2AI诊断正确度与图像质量的关系现实场景中AI诊断阳性率86%,AI诊断正确度与眼底照相周边是否有暗影具有统计学相关性。AI诊断阳性率85%。见表1。

3讨论

年龄相关性黄斑变性(AMD)是一种潜在进展性黄斑病变根据。临床特征可以分为早中期AMD和晚期AMD,早中期主要表现为玻璃膜疣(视网膜下由脂质和蛋白质组成的黄表1AI诊断正确度与图像质量的关系判读正常判读错误比例(%)P位置正确63770237300.114对焦不准1018514991.000曝光过强0曝光不足183216811791.000镜头污迹0睫毛伪影4158213950.537边缘漏光234276310731.000黄斑暗影1018514991.000周边暗影14620728800.032整体模糊6068014940.591总体861486色沉积物)和黄斑区色素改变,通常视力正常或接近正常。晚期则出现中心视力下降或丧失。晚期AMD又分为两型:地图样萎缩(或者称为“萎缩性”或“干性”AMD)和新生血管性AMD(或者称为“湿性”或“渗出性”AMD)。地图样萎缩是黄斑的慢性进行性变性;变性开始于视网膜色素上皮水平,在后期随着相关的视网膜神经感觉层变薄和变性,出现视网膜色素上皮丢失。脉络膜新生血管是指从眼睛血管层(脉络膜)到视网膜神经感觉层的血管异常生长。较小的玻璃膜疣(<63μm,也称为drupelet)是正常的老化改变。中等大小的玻璃膜疣(≥63μm至<125μm),不伴色素改变,则称为早期AMD。较大的玻璃膜疣(≥125μm)或至少中等大小玻璃膜疣伴色素改变,则为中期AMD。正常老化改变5年进展为晚期AMD的风险为0.5%,而中期AMD则为50%。此外,现在认为网状假性玻璃膜疣(在光感受器和视网膜色素上皮之间形成的小玻璃膜疣样沉着物)是两种晚期AMD形式的前驱病变。年龄性黄斑变性的显著诊断特征为AI辅助提供了充分条件,AI在经过足够的深度学习后,能够对这些显著特征进行区分,即能够对其进行高效识别诊断。但在实际使用中,还有更多细节优化需要注意。研究发现[7],在现实场景应用中,AI诊断正确性与图片的采集质量密切相关。

其中周边暗影是影响诊断质量的重要指标,眼底照相采集的眼底各结构位置也可能具有一定意义。眼底图像周边暗影影响了AI的判断[8]。周边区暗影因为在拍摄过程中患者瞳孔过小或者不配合导致的,往往合并位置异常及中心区暗影,影响了细节的定位及判断,导致了机器判读困难。改善这类问题导致的眼底照片判断误差,解决方法之一是发现此类问题,这需要对该类人群进行散瞳处理,执行标准化操作,另外还需要对软件进行进一步的优化分析。图片是否按照标准位置拍摄是影响AI现实应用的重要的指标,主要以视盘和黄斑区的纳入为主要指标[9]。院内检查多以散瞳对病情进行确认。但社区大规模筛查中,考虑到散瞳的风险及检查人员的培训限制,免散瞳眼底照相成为趋势。这也导致在常规操作中,很难获得一张完美的图像,尤其免散瞳眼底照相更难达到相应要求。现实场景的图片缺失或者缺损部分图像细节,AI以此进行解读,可能会干扰判断准确性。虽然本研究在统计学上并没有发现二者的相关性,但检验水平还是提示位置偏倚可能存在潜在的影响。通过培训来改善获取的图片质量,可能会有益于AI准确度的提升[10]。黄斑区暗影并未显示对AI判读准确率的影响,这体现了AI比人眼的优势,显然临床医生更关注黄斑中心区的结构变化,在肉眼不能分辨的情况下,而AI能够较好地判读,进一步给医生提供了诊疗信息,充分体现了AI的优势。

在眼科学中,基于视网膜图像的自动筛查(automatedscreening)早已成为AI靶标,为眼科视网膜病变的筛查注入了新的活力[11]。但以上诊断的基础往往以完美的眼底图像进行诊断训练,并没有完美实现对现实场景的呈现。现实场景中诊断正确率受多种因素影响,本文主要针对图像质量采集进行了研究分析。本次研究主要样本量较小,这一定程度上造成了结果的偏倚。另外患者的全身情况会对图像判读产生重要影响[12],但本文中并没有涉及。研究侧重图像质量与AI判读之间的关系。对图像进行质量的分类是一个极其重要的问题,这能促进AI在实际临床应用中的准确性。这也需要专业人员投入一定的精力对实际图片进行多维度的分类,这样能更好地训练AI的临床实际应用。单一图片的判断可能并不准确,目前更多研究开始注重多重图像联合的AI研究[13]。除了AI在眼底照相图片中的应用以外,应用于OCT的卷积神经网络(ConvolutionalNeuralNetworks,CNN)能够成功地区分晚期AMD或糖尿病性黄斑水肿(DiabeticMacularEdema,DME),为多模式诊疗策略提供了可能[14]。AI目前在正常的眼底图像诊断中发挥了重要的助力,但在现实场景中,存在较多非标准图像,AI诊断的准确率不可避免地下降,这需要针对不同的情况,做好眼底照相的质量控制及AI诊断技术上的改善和调整。

作者:胡钦瑞 王丽婷 王斌 李扬 单位:福建省眼表与角膜病重点实验室 厦门大学附属厦门眼科中心

人工智能技术分析2

思想政治理论课是落实立德树人根本任务的关键课程。长期以来,高校思政教师和教育工作者为了提高思政课教学效果进行了不懈的努力,各个高校的思政课上都运用了多媒体、智慧教室等各类信息技术,但总体而言主要是教学工具的提升,而教学模式没有发生根本性的变化,多数高校仍然以插秧式排列、灌输式教学为核心途径,社会生活中各种丰富多彩的手段和模式难以运用到思政课中。近年来人工智能的飞速发展已经极大地改变着人的交流模式,高校思政课教师也应及早准备好迎接人工智能所带来的机遇和挑战,更加有效地承担起立德树人的历史重任。

1高校思想政治理论课改革的技术化路向

高校思想政治理论课效果不够好是一个长期困扰高校教师和相关部门的重要问题。多年来国家有关部门和高校教师都采取了各种方案、尝试了多种手段试图走出困境,但总体而言并未取得根本性改善,课堂效率不高的困境依然存在。在传统教育时代和信息化教育时代,高校思政课教师与思政工作者尝试了各种方法来提高思政课的实效性,取得了重大的进步。其中进步最明显、最容易被人们注意到的就是“以科技手段提高课堂效率”的方式,将各种信息化技术引进课堂,确实在一定程度上改善了教学效果。

1.1高校思政课堂改革技术化路径的形成高校课堂从科技要效率的历史来源已久:十一届三中全会后,邓小平同志就强调教育要现代化;上世纪八十年代国家就大力推进教育电教化;从上世纪九十年代末,由于计算机技术的飞速发展与大规模应用,教育部门和各类学校开始大力推进信息化;新时代以来,由于各类人工智能技术的发展与运用,高校开始推进人工智能进校园,建设智慧校园。各个高校大量应用电脑和多媒体技术,将粉笔黑板换成了投影和PPT,将语言描述较为复杂的东西转换为图片和动画,使得学生易于理解,客观上信息传递效率取得了较大的进步。但是这样的效率提升仍然是单向、基于灌输式的教学方式而言的。在这种场景下,教学效果的提升最重要的并不在于这种单向信息传输的效率如何,而是取决于学生对信息接收、理解和认同的程度。对于高校和教师而言,学生对信息的接受与处理是一个调动学生主体性因素的问题,这恰恰是他们最为费力而又难以衡量的,最为便捷易见的方式就是提高信息化手段和单向信息的传递效率。“忽视了那些能从根本上变革教育的新理念、新思想以及新技术环境下学习方式和教学方式等其他教育要素的创新”,高校思政课效果没有展现出预期的提升几乎是必然的。

1.2高校思政课堂改革技术化路径的深化近年来,不少学者提出向信息化要思想政治教育实效的口号。有人认为以信息化管理平台为载体,能够提升大学生思想政治教育的实效性。有人认为思想政治教育信息化不仅是教育手段上的变革,而且改变了信息传递的方式,从而提高了思想政治教育的实效性。也有人认为信息化技术通过提升受教育者的认识水平、个体发展和心理需求等方式实现了思想政治教育的功能。还有人认为计算机辅助教学和辅助学习很大程度上提高了上课效率,互联网时代以来的各种网络技术进一步提高了学生的参与度和融合度,从而提升了课堂效果。但是,还有不少学者认为这种以技术手段突破思政课教育困境的路径是不成功的,重教学形式创新、轻教学内容改革的方式难以改变高校思政课的困境,信息化、技术化并未从根本上改变高校思想政治理论课的传统教育模式,“以知识教育作为思想政治教育的主要内容,以规训式教育作为保证教育实施的手段”,教学仍然以教师为中心,单一的教学环境和单向的信息传播方式并未改变。甚至有学者认为信息技术并没有真正改变传统教学,反而是传统教学模式利用信息技术固化了自身。总体来看,思政课“以科技求实效”的改革路径并未取得满意的效果,那么这种路径是在人工智能时代是否还可行、人工智能能否为高校思政课带来重大的变化,这取决于人工智能的特性能否契合教育变革的要求。

2人工智能适宜于思政课教学的技术特征

2016年人工智能系统AlphaGO击败了人类围棋世界冠军李世石,极大地震动了世界,人们怀着复杂的心情迎接人工智能时代的到来。人类每次科技的迅猛发展都会不同程度上对教育产生深远影响,被视为颠覆未来社会的人工智能必将对高校思政课产生冲击。纵观人工智能60多年的曲折发展历程,实现了从“不能用”到“可以用”的跨越,但是距离“很好用”还有巨大的差距。有学者将今天的人工智能分为专用人工智能和通用人工智能,有的也分为弱人工智能、通用人工智能、超级智能和强人工智能四种类型。无论怎么分类,当前及近十年内能够实现的还是弱人工智能或者说专用人工智能。迄今为止所有的人工智能都是模拟实现人类智能中的确定性范畴,尚未真正涉及人类具有不确定性的主观活动。人工智能发展到今天,其优势和缺陷都非常明显,对高校思政课教学来说也各有利弊,总体呈现出以下特点。

2.1自主性、单一性这里的自主性是指人工智能不需要人工干预而自我决策和行动的能力。有专家认为,下一代的人工智能甚至会具有自主编程能力,意味着机器获得了自己的智力,获得了完全的自主性,这个时刻被称为“技术奇点”。但有的人工智能专家认为甚至认为“技术奇点”永远也不会到来。尽管今天的人工智能表现出一定的自主性,但仍然无法承担两个以上类型的复杂任务,这就表现出单一性,即人工智能所能完成任务类型的唯一性。当今人工智能已经应用到社会生活的诸多方面,但非常明显的是,完成这些任务的人工智能都是专用型人工智能,尚未出现能够完成多种任务的人工智能。尽管如此,高校人工智能的发展也正推动高校从数字化校园向智慧校园的转变,将对高校思政课和思政工作产生重要影响。

2.2高效性人工智能本身就是为了解放人类的体力和智力而产生的,针对特定的任务都具有操作简单的特性。“当下的人工智能,主要适用于标准化、规范统一的领域。”人工智能的优势是善于处理重复性高、单调而繁琐的任务,善于从大量类似材料中筛选符合人类需求的信息,使人类从繁重、单一的体力劳动和脑力劳动中解放出来;在某个专门的细分领域,人工智能可以整合该领域所有专家的明确知识和经验,通过海量信息的对比和筛选,呈现出比人类智能更高的效率,具有重要的辅助决策功能。另外,目前智能手机中的导航、购物和衣食住行有关的APP等大多都运用了人工智能技术,使用简便快捷,只不过人们往往对人工智能“存在一种’淡出视野’的习惯”,一旦理解了它们的自动原理,就不再将其视为人工智能,“而将之视为主流计算的一部分”,实际上它们的确是高效的弱人工智能。

2.3泛在性所谓泛在性就是“无处不在、无时不在”。人工智能发展到今天,可以说“只要有人涉足甚至只要人想涉足的地方,都会有人工智能的用武之地”。一切电子信息设备和电气化设备都是人工智能存在和利用的载体。信息时代的大学生在校园里生活时,从宿舍、食堂、图书馆到教室、超市、办公楼,都有各类电子设备记录学生的行为而产生大量数据,但是这些数据在人工智能时代以前是沉睡的冗余数据,并大多数是互相独立的“信息孤岛”,而人工智能及其所依据的大数据技术就可以唤醒这些数据,将其变成“金矿”。它可以根据这些数据来分析学生个人的生理和心理状态、生活习惯、家庭背景、个人嗜好、个性特征、思想倾向、社交倾向、群体价值倾向、甚至学生自己无法意识到的隐秘诉求。人工智能就如同一个睿智的幽灵在全天候的观察学生并进行判断,时刻为他们思考和服务。

2.4精准性信息时代的技术是普适性的,它不针对用户进行自我调整,也不因为用户的不同而产生数据处理方式和结果的差别。但人工智能可以自动针对用户的特性进行数据处理过程和结果的调整。它通过算法对用户数据进行处理和过滤,并将整理过的数据适配成符合使用者的个性特征的新闻、视频或其他数据资源,甚至可以主动对使用者或潜在使用者进行内容推送。人工智能这样生产出来的信息是高度个性化的甚至是唯一化的,具有高度的信息精准性。这样,人工智能时代人与人的沟通可以由于技术的先进性、数据的共享性而更加容易实现。

2.5算法歧视人工智能的本质是算法,但算法本身并非是一种完全价值中立的科学活动,而是总与特定的价值立场相关,蕴含着价值判断。当前的诸多人工智能在初始阶段往往需要自己搜索或者人类“喂”给它大量数据,尤其是对于人类辨认方便但机器辨认困难的任务需要人机协同的方式对数据进行标签,进而“教会”它如何处理此类问题。在这个过程中,算法本身的设计可能带有的潜在歧视倾向,或者是人工智能的训练数据所自带的歧视倾向都会导致算法歧视。如果人工智能性用品开发商为了更好地取悦男性而大量采集机器伴侣反馈的数据,进而加强算法的歧视性以改进机器伴侣的行为,会对两性关系和社会发展产生巨大的负面影响。

3人工智能应用于高校思政课的挑战

和历史上的任何技术变革一样,人工智能技术的大规模应用必然促进社会的巨大进步和相应的弊端,高度需要以科技化方式提升课堂效率的高校思政课势必面临着大规模运用人工智能技术的诱惑及其带来的挑战。高校思政教师和思政工作者首先要深刻认识人工智能的负面效应才能对其警惕和防范。

3.1局限性挑战人工智能的自主性和单一性也就带来它的局限性。尽管人工智能在它所擅长的领域远远超过人类的能力,但“迄今为止,所有人工智能算法和应用,都还属于弱人工智能范畴”。当前与未来一段时间内,人工智能难以胜任需要靠人的默契完成的任务,它往往涉及人的常识、灵活性和判断力。人们将具有类似人类心灵活动能力的人工智能的希望寄托在遥远的未来的通用人工智能身上。这对于高校思政课师生而言,人工智能在很长时间内只能作为师生学习的辅助手段,起到查阅资料、推送内容、匹配需求、提出可能性方案的智能助手作用。

3.2职业淘汰效应人工智能的这种高效性带来了巨大的便利、提高了社会生产力,但同时也淘汰大量的职业引发失业,最近这几年银行柜员被金融人工智能大量淘汰转岗就是这样的典型案例。有学者认为未来十年内,诸如翻译、助理、销售、客服、会计、司机、家政等工作将大部分被人工智能所取代,约50%的工作会受到人工智能的影响。2013年牛津大学的研究人员提出未来20多年内,美国将有47%的岗位受到人工智能的影响,人工智能时代的生产方式把人从具体的生产过程中解放出来,实现生产的无人化,必将对人与机器、人与人之间的关系产生深远影响。“随着人工智能技术的广泛应用,人类社会的失业现象将不再局限于体力劳动行业……几乎所有体力劳动与大部分基础智能劳动被取代,人类能发挥价值的劳动就只剩下创造性劳动了。”这种趋势会引起大学生思想和行为发生巨大变化,他们的学习兴趣也会趋于人工智能难以取代的创造性专业。今天很多大学还在大量招生的基础智能类专业和体力劳动专业会逐步失去市场而淘汰,这种情形必将反过来影响高校招生和学校建设,高校思政教学过程中也必须体现出这种创造性、前瞻性的思维建构。

3.3信息茧房效应人工智能精准的内容筛选与信息推动方便了人们对意见相似者的交流和沟通,但同时也可能因为同类个性偏见的强化而让不同群类的人们更加难以互相理解,甚至可能形成“茧房效应”———人们由于“同质性(人们偏爱与自己相类似的人)趋势导致许多人会结交或追随他们愿意相信的人,并且不愿意结交与他们观点相左的人”。在人工智能的帮助下人们筛选出符合自己偏好的、强化自身信念的信息,进而导致自身观点的僵化,结果人们类似于生活在一个“过滤器茧房”中。在人工智能条件下,思政课教师对学生运用人工智能而导致的这种助长偏见的情形进行引导和纠正就更加重要。如何协同思政工作者、学生群体和人工智能一起组成的“思想政治教育共同体”对价值观有偏颇的学生进行正确的引导和纠偏成为思政课教师在人工智能时代的重要课题。

3.4隐私危机尊重个人隐私是现代社会良好运转的重要规则之一,而人工智能的泛在性使其具有侵犯个人隐私的巨大可能,隐私保护甚至被有的学者称之为“隐私危机”。“隐私不只是人类尊严的基础,也是所有其他人权的基础,没有隐私权,其他权利就无从保证,就根本谈不上自由、民主和平等。”信息时代的隐私问题往往是如何收集、使用信息的问题,它不涉及信息主体本身的伦理,它对隐私的侵犯是主要是人对信息的使用方式。人工智能可能从隐私的直接监控、隐私获取、个人画像和隐私承载与使用等方面产生隐私危机,尤其是它本身需要采集人类行为数据的存在性需求与个人隐私保护之间就产生了尖锐冲突,采集个人数据如何获得授权和不被滥用已经成为人工智能领域非常尖锐的伦理问题。更为严重的是,新一代人工智能可以通过人的行为的大数据分析和心理生理特征(包括脑电波的读取)的读取,未来“人们任何所思所想都将完全地反映在机器中,人类的思维隐私将不复存”。高校智慧校园人工智能系统将需要对大学生上课、休息、就餐、运动、购物、社交等日常生活数据进行采集,甚至可能需要对学生的指纹、虹膜、面部数据甚至DNA数据进行采集分析,那么大学生在多大程度上允许这些数据的采集和应用将是一个非常现实的高校伦理问题。

3.5电子人格与法律主体缺陷所谓人工智能的道德主体问题就是否赋予人工智能一定或者完全“电子人格”的问题。与大学生贴近的一个伦理问题就是机器人伴侣问题。世界性用品商正努力将最先进的人工智能投入到性用品领域,青春期的男大学生邂逅外形美丽的机器人伴侣、女生购买一个帅气的男性伴侣机器人绝不是一个浪漫的未来故事,而是即将会对大学生产生重大的生理、心理和伦理的影响的现实趋势。这在男权社会背景下,将使男性对女性产生何种潜藏的精神暴力甚至人身威胁、至少是物化女性的思维已经不仅仅是一个思辨中的伦理问题,而是一个悄然成形中的现实痈疮。更为棘手的是,诸多潜藏人工智能犯罪的隐患点正大量出现,具有自我学习能力越来越强的人工智能正飞速发展,其带来的法律主体及预防犯罪问题开始对人与人工智能之间的法律关系提出了挑战,而智慧校园场景下的人工智能如何合理合法地为师生服务开始逐步成为高校思想政治工作者苦恼的来源之一。总之,人工智能是一个已经走进现实且日益飞速发展的技术,对人类社会的影响越来越显著,高校思政课教师必须对此未雨绸缪,及早应对人工智能时代的新挑战、新问题。

作者:洪巍城 周治邦 单位:桂林理工大学马克思主义学院

人工智能技术分析3

一、问题的提出

随着时代的发展和科技的进步,人工智能在近年来得到了迅猛的发展,其所涉及的范围越来越广、进入的行业也越来越多。从目前而言,人工智能在我国已经涉及到多个行业和领域,其功能在不断地进行丰富与完善。从“阿尔法围棋(AlphaGo)”战胜多名围棋高手开始,人工智能被大众所关注,到微软人工智能“小冰”生成的《或然世界:谁是人工智能画家小冰?》,已于2019年在中央美术学院美术馆举行首个个展,[1]人工智能的智能化有所提升,涉及的领域也发生了改变。人工智能从服务领域逐渐开始转向输出其创造物时,除了微软人工智能“小冰”以外,人工智能还能够谱写歌曲、绘画、生成诗篇散文等。这就带来了一个法律问题:人工智能创造物是否属于作品,能否受到著作权的保护?

二、人工智能创造物著作权之否定

(一)主体适格性分析

1.人工智能仍未超越“工具”角色从思维能力角度看,人工智能的地位超越了物的概念,但从工具论角度,人工智能依然未能摆脱为人类服务的“工具”角色。[2]尽管人工智能所涉及到的行业和领域在不断扩大,其对人们日常生活的影响越来越深入,但是从本质上来说,为人类服务仍然是创造人工智能的目的与角色定位,并未脱离这一角色,而处于一个与人类平等的地位。随着科技的发展进步,人工智能的智能程度不断提升,具有了相较以往而言更强的学习能力,但这并不能直接推断出其创造物属于作品。人工智能归根结底还是一个为人类所利用的工具,人工智能能够通过对大量数据进行分析,从而寻找到事物的规律。这种性能在数据处理方面非常占优势,但其背后所依赖的仍然是人类所设定的程序。尽管人工智能能够进行创造,但是其创造也是根据人所设定的程序,究其根本仍然是人类的“工具”,人工智能本身是不具有自主意识的。除此之外,人工智能是由人类所创造的,其从产生之日起就具备人造性,这一属性就意味着人工智能要受到人类的制约,其所创造之物只能看作是人类意识的衍生,而非其创作。

2.人工智能不具备创作意图著作权法确定对象保护体系须以一定的价值基础来构建。构成作品并不以表现形式为唯一依据,还要结合内在价值判断,否则作品的范围将过于宽泛。创作意图是创作过程中能够体现人类智力的核心要素,其是将特定思想转化为与之对应的具体表达的一种主观意愿。在这一过程中,具有创作意图之人,需要对具体表达性内容有具体的预期。如果某一主体对形成的表达没有预先的认识,则不能称其为具有创作意图。创作意图是著作权中的一个重要因素,尽管这一内容没有被明确规定于《著作权法》当中,但是可以从条文中得到印证。但从司法实践来看,证明创作意图是存在一定的困难的,作者的内心真意难以通过作品得到直观的表现,但这并不影响创作意图在著作权认定中的地位。根据智能化的程度不同,人工智能可以分为弱人工智能和强人工智能,但无论是哪一类人工智能,其都未曾拥有自主意识和自主能力。人工智能依靠其强大的数据处理能力,能够在更短的时间内处理更多的信息,并根据数据作出最优的处理结果。从人工智能的运作模式就可以看出,其主要追求的是以最优路径生成有关内容,而人类创作更倾向于展现丰富多彩的内心思想,二者存在根本性的差异。

3.人工智能不符合现有法律框架我国《著作权法》在立法基本理念上趋近于作者权法系,因此判断独创性时还要考虑相关内容是否属于人类完成的智力成果。将法人、非法人组织纳入著作权客体有以下两方面的原因:一是社会发展对著作权主体提出了新的需要,且法人、非法人组织财产独立,可以独自承担相应的责任;二是法人、非法人组织从根本上看还是自然人的延伸。人工智能要想被纳入著作权主体,首先需要解决的就是财产独立的问题。正如上文所论述的,人工智能不具备自主意识和自由意志,也就是说,人工智能是没有独立的财产用以承担责任的。从这个层面看,人工智能是无法被纳入著作权主体的。再从另一个角度进行分析,法人、非法人组织从根本上可以看作是自然人的延伸,而人工智能则与自然人的关联没有那么密切,其在被创造出来以后就与自然人失去了联系。除此之外,从责任追究角度分析,在对法人、非法人组织进行追责时,最终责任会落实到自然人。人工智能从本质上看属于数据代码,在对其进行追责时可能会产生一些问题。就现有的知识产权法律框架而言,人工智能运行的基础是人类输入的代码或者算法,因此难以将人工智能的客体身份进行转化,无法将其认定为著作权主体。[3]

(二)法律及市场角度分析

1.法具有稳定性人工智能创造物是新兴事物,其出现引发了法律方面的讨论,但并不意味着所有新兴事物都需要新的法律来对其进行规制。从法的稳定性的角度来看,当现有的法律体系能够解决新兴事物所带来的法律问题时,就没有必要为其专门设定新的法律。人工智能创造物所带来的著作权方面的问题能够被现有的法律体系所容纳,其原因主要在于对人工智能创造物进行著作权保护,归根结底是保护人工智能背后的人的利益,这一利益能够得到现有法律良好的保护,对其进行额外规定缺少必要性。有学者主张人工智能虽然现在还不具备创作的能力,但是其发展非常迅速,未来可能会具备著作权主体资格,法律应当将其考虑在内。法学研究的目的是解决现实问题,可以进行前瞻性的研究,但是这种研究必须要在现实可能性的基础上,否则这一研究就是一种空谈。[4]人工智能究其根本还只是人类工作、生活中的工具,不能够独立创作,也不能将其归为著作权主体。目前没有依据能够确定人工智能未来的发展情况及发展方向,法律提前进行规定是没有必要的,同时这样制定出的规则也缺少应用的现实基础,失去了法律本身的意义。

2.市场稳定运行的需要还有学者主张,人工智能纳入著作权主体能够激励创作,促进创作领域的发展壮大。从市场经济运行规律来看,社会必要劳动时间决定了商品的价值链,当所有生产者的社会必要劳动时间处于同一水平线时,能够以更短时间产出更多商品的人将会获得更多的利润,从而在市场中生存下去。人工智能与人类相比,其最大的优势在于创作速度快、创作成本低。人工智能可以凭借良好的算法快速地进行“创作”,且在成本消耗方面远低于人类创作。如果人工智能能够作为著作权主体进入创作市场,那就意味着有大量作品的涌入,且在价格方面还具备优势,这对创作市场是一种巨大的冲击。当作者消耗大量精力创作的作品市场被人工智能创造物所抢占时,必然会影响作者创作的积极性,从而影响到创作市场的正常运作,并不能起到鼓励创作、促进创作市场发展的预期目的。

三、人工智能创造物作品的独创性否定

(一)作品独创性的认定标准

有一部分学者指出,现有著作权制度始终将人类视为独创性的唯一主体,以人为关注点的判断标准没有真正从客观角度出发认定独创性,固有的标准难以应对人工智能创作物带来的法律争议,从主观主义出发制定的标准已经难以适应新传播途径带来的各类冲突,长此以往将不利于激发社会的创新潜力和创造能力。笔者对这一观点持反对态度,独创性的评判并不仅仅是从主观角度进行,主观分析只是对其进行评判的一个方面。随着新兴事物的不断涌现,司法实践中确实存在独创性认定标准不一和认定困难的问题,但人工智能创造物与游戏直播、电影解说等存在差异,其主体属于人工智能,而人工智能现在还处于弱人工智能时代,不具备独立的意识和独立的财产,与人或者法人存在根本性的差异。如果仅从客观主义的角度对作品进行评判,作品独创性的认定标准将过于简单,从而导致作品泛滥,甚至于动物所拍照片、动物的画作等都可被认定为作品,这将对著作权的保护和作者的合法权益产生极大的影响。[5]

(二)对人工智能创造物的独创性之否定

1.内容的独创性人工智能可以根据需要对素材进行自由的选择与提炼,通过多种途径对搜集到的素材进行加工整理,最终形成其创造物。仅从内容的角度来看,人工智能创造物确实具有与其他作品相区别之处,可以从内容上认定为具有独创性。但是对于作者独立创作完成作品这一要求,笔者持否定态度。迄今为止的人工智能只能按照人类预先设定的算法、规则和模板进行计算并生成内容。[6]人工智能能够产生创造物,究其根本,仍然是有赖于已经设置好的编码,其行为最终要归属于人的行为,人工智能的创造行为能否被认定为独立完成还有待商榷。因此,难以认定人工智能创造物具有独创性。2.作者的个性表达有学者以人工智能生成的小说未被评委发现的事实推论出人工智能创造物的智力创造水平达到《著作权法》中“最低限度的创造性”标准。[7]这一观点是存在问题的,且不论以这一事实进行推论是否具有逻辑上的可行性,对作品独创性的认定是一个综合性的过程,并不是仅仅考虑是否达到了《著作权法》中的“最低限度的创造性”。同时,创造性更多考虑的是作者的个性表达,从事实层面看,人工智能创造的作品确实具有独创性,但是人工智能作为机器,从目前而言,其无法进行情感与个性的表达。除此之外,通过读者阅读人工智能创造物而产生的情感体会来反证人工智能具备个性表达能力的推论是站不住脚的,读者的情感体会是人类阅读时产生的情感,与人工智能是否具备个性表达能力无关。[8]

四、结语

人是宇宙的精华,万物的灵长,人的创造性思维是创作过程中必不可少的要素。人工智能的智能程度与学习能力虽然有了较大的进步,但其终究还是没有获取自主意识和自由意志,更重要的是,人工智能无法依靠创造性思维进行创作,其所依赖的不过是由人类设定好的程序。这也就说明了:保护人工智能创造物的目的不是保护冷冰冰的机器,而是保护机器背后付出了智力劳动的鲜活的人。[9]人工智能创造物的商业价值并不符合著作权法本身的价值预设。而根据表现形式将人工智能创造物看作作品,一方面无视了人工智能作为著作权主体的不适格,另一方面则是没有认识到著作权保护对象体系。在看待人工智能创造物时,应当在把握规则的前提下,从整体的角度出发。只有这样才能看到问题的本质,从而得出正确的结论。

参考文献

[1]蒋肖斌.人工智能办画展,你们人类颤抖了吗[N].中国青年报,2019-07-16(8).

[2]易继明.人工智能创作物是作品吗?[J].法律科学(西北政法大学学报),2017,35(5):137-147.

[3]梁志文.论人工智能创造物的法律保护[J].法律科学(西北政法大学学报),2017,35(5):156-165.

[4]王迁.如何研究新技术对法律制度提出的问题?——以研究人工智能对知识产权制度的影响为例[J].东方法学,2019(5):20-27.

友情链接