人工智能能的利与弊
研究背景：随着现代科学技术的飞速发展，先进的技术在各个领域都得到了广泛的应用，使得生产力获得了大幅度的提高，为改善人民生活水平作出了巨大贡献。下一次生产力飞跃的突破口在哪里？目前越来越多的科学家把希望寄托于人工智能。他们认为人工智能将带来一次史无前例的技术革命。人的智能创造了世界，如今，人们人工制造了抽象的智能。人工智能实现了用机器模拟人类智能，从而为人类服务。人工智能在现实生活中已经大量存在并且发挥着重要作用。
研究意义：这种将包含感知、思维等各种智能集于一身的技术，将为并正在为人类做着巨大贡献，人类对它的研究更加透彻也将更加全面，各种还未涉及或研究并不成熟的人工智能将被开发，使人工智能技术更趋于成熟，使被赋予人工智能的机器们更趋于生命化，或者说，人类化。这些机器，拥有高等的只能，并有强大的运算能力。拥有这种机器，不仅可以替代许多人类的工作，并且可以由它们做超越人类能力的工作。
然而，万事皆有利有弊。使机器有自己的思维是否会对人类自身产生威胁，这是人们需要考虑的意见事情。电影《我与机器人》便描述了一个机器反而要消灭人类的悲剧。同时，大量人工智能的产生会造成大量的失业。由此而见，我们需要做的还有很多。但有一点事确定的，只要正确运用人工智能，它将极大程度上推动人类文明的进步。
研究方法：人工智能的研究方法主要可以分为三类：一、结构模拟，神经计算，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。结构模拟法也就是基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能。采用结构模拟，运用神经网络和神经计算的方法研究人工智能者，被称为生理学派、连接主义。二、功能模拟，符号推演，就是在当前数字计算机上，对人脑从功能上进行模拟，实现人工智能。功能模拟法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。以功能模拟和符号推演研究人工智能者，被称为心理学派、逻辑学派、符号主义。三、行为模拟，控制进化，就是模拟人在控制过程中的智能活动和行为特性。以行为模拟方法研究人工智能者，被称为行为主义、进化主义、控制论学派。
人工智能的研究方法，已从“一枝独秀”的符号主义发展到多学派的“百花争艳”，除了上面提到的三种方法，又提出了“群体模拟，仿生计算”“博采广鉴，自然计算”“原理分析，数学建模”等方法。人工智能的目标是理解包括人在内的自然智能系统及行为，而这样的系统在实在世界中是以分层进化的方式形成了一个谱系，而智能作为系统的整体属性，其表现形式又具有多样性，人工智能的谱系及其多样性的行为注定了研究的具体目标和对象的多样性。人工智能与前沿技术的结合，使人工智能的研究日趋多样化。 研究内容:下面就由我带领大家一起一起来观看我们小组在有关人工智能调查过程中所获得的的收获：
根据调查结果我们不难看出相对于对人工智能不了解的人数来看对其有一定了解的人数大约占了调查总人数的87%。根据后来跟踪采访一部分在校被调查人员得知大部分人是由于对人工智能的定义并不是很了解，所以有部分人对身边一些人工智能也缺乏判断。
通过本题调查，被调查者们发现人工智能早已进入我们
的生活，而其中人脸识别，和指纹识别更是与我们生活贴近，被广泛用于校园，企业等社会团体。而知道智能控制的人群较少，可能说明我们周围此项人工智能技术并未太过普及，也可能说明我们对人工智能概念有偏解没有将此项技术列入人工智能当中。
本题只有“有”与“没有”两种结果。由饼状图我们可以直观的
看到对比，两种结果相差并不是很大，可能是由于被调查者工作岗位不同所以有的人会感觉对人工智能接触太少，如在校师生企业高层对人工智能接触相对就较多一些而一些水果摊主或者私家手工作坊对人工智能接触就较少一些。
人工智能的研究领域:
人工智能是一种外向型的学科，它不但要求研究它的人懂得人工智能的只知识，而且要求有比较扎实的数学基础及哲学和生物学基础，只有这样才可能让一台什么也不知道的机器模拟人的思维。人工智能的研究领域非常广泛，而且涉及的学科也非常多。目前，人工智能的主要研究领域包括：问题求解、逻辑推理与定理证明、自然语言处理、智能信息检索技术、专家系统、机器学习、模式识别、人工神经网络等。1、问题求解、人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。
今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到目前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。2、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的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。对数学中臆测的题。定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。3、自然语言处理、自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。4、智能信息检索技术、信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。5、专家系统、所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统，
它能运用该领域专家多年积累的经验与知识，模拟人类的思维过程，求解需要专家才能解决的困难问题。
专家系统一般具有如下一些基本特征：具有专家水平的专门知识；能进行有效的推理；具有获取知识的能力；具有灵活性；具有透明性；具有交互性；具有实用性；具有一定的复杂性及难度。6、机器学习、“学习”是一个有特定目的的知识获取过程，其内在行为是获取知识、累积经验、发现规律；外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习，就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。7、模式识别、所谓模式识别，是指研究一种自动技术。计算机通过运用这种技术，就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说，模式识别研究的主要内容就是让计算机具有自动获取知识的能力，能识别文字、图形、图像、声音等。一般来说，模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。8、人工神经网络、人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的，是对脑神经系统的结构和功能的模拟，具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一，可以根据外界环境来修改自身的行为。学习的过程既是对网络进行训练的过程和不断调整它的连接权值，以使它适应环境变化的过程。学习可分为有教师（或称有监督）学习与无教师（无监督）学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识，开辟了另一条模拟人类智能的道路。
人工智能的应用领域：
总的来说人工智能是面向应用的：机器视觉——指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。未来人工智能的应用研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型，智能人机接口、多智能主体系统、只是发现与知识获取、人工智能应用基础等。当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。但是我相信，只要应用的好，人工智能一定可以造福千万人类，促进人类的进步发展，使我们拥有更加便利的生活，带给我们更加辉煌的文明。
本次实践调查的总结：
社会实践活动与马克思教学相结合，是一种十分特殊的教学方式，让我们能够亲身的从曾经一味的接受到现在可以亲自动手亲身体验一项教学活动，其中间接经验只有通过直接经验才能更好地被我们所掌握，并加以运用，从而内化为知识结构的一个组成；同时，我们在积极参与实践获取直接经验的过程也是丰富个人的情感体验的过程；增加对知识和技能的形成与发展的体验过程；以及良好意志心理品质形成与发展的过程。这些心理体验必将对我们今后的学习生活巨大影响。同时一次成功的社会实践也会让我们更直观的去认识到每一次活动的艰辛，以及认识到每一次活动所需的各种前期思想准备和物质准备的重要性，和让我们更加能够注重团队意识。
参考文献
（1）人工智能技术导论廉师友西安电子科技大学出版社 2007.8
（2）人工智能研究方法及途径熊才权 2005年第三期
（3）人工智能学派及其在理论、方法上的观点蔡自兴 1995.5
（4）人工智能研究的主要学派及特点黄伟聂东陈英俊 2001第三期
（5）人工智能研究对思维学的方法论启示尹鑫苏国辉 2002.10第四期
人工智能能的利与弊
研究背景：随着现代科学技术的飞速发展，先进的技术在各个领域都得到了广泛的应用，使得生产力获得了大幅度的提高，为改善人民生活水平作出了巨大贡献。下一次生产力飞跃的突破口在哪里？目前越来越多的科学家把希望寄托于人工智能。他们认为人工智能将带来一次史无前例的技术革命。人的智能创造了世界，如今，人们人工制造了抽象的智能。人工智能实现了用机器模拟人类智能，从而为人类服务。人工智能在现实生活中已经大量存在并且发挥着重要作用。
研究意义：这种将包含感知、思维等各种智能集于一身的技术，将为并正在为人类做着巨大贡献，人类对它的研究更加透彻也将更加全面，各种还未涉及或研究并不成熟的人工智能将被开发，使人工智能技术更趋于成熟，使被赋予人工智能的机器们更趋于生命化，或者说，人类化。这些机器，拥有高等的只能，并有强大的运算能力。拥有这种机器，不仅可以替代许多人类的工作，并且可以由它们做超越人类能力的工作。
然而，万事皆有利有弊。使机器有自己的思维是否会对人类自身产生威胁，这是人们需要考虑的意见事情。电影《我与机器人》便描述了一个机器反而要消灭人类的悲剧。同时，大量人工智能的产生会造成大量的失业。由此而见，我们需要做的还有很多。但有一点事确定的，只要正确运用人工智能，它将极大程度上推动人类文明的进步。
研究方法：人工智能的研究方法主要可以分为三类：一、结构模拟，神经计算，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。结构模拟法也就是基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能。采用结构模拟，运用神经网络和神经计算的方法研究人工智能者，被称为生理学派、连接主义。二、功能模拟，符号推演，就是在当前数字计算机上，对人脑从功能上进行模拟，实现人工智能。功能模拟法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。以功能模拟和符号推演研究人工智能者，被称为心理学派、逻辑学派、符号主义。三、行为模拟，控制进化，就是模拟人在控制过程中的智能活动和行为特性。以行为模拟方法研究人工智能者，被称为行为主义、进化主义、控制论学派。
人工智能的研究方法，已从“一枝独秀”的符号主义发展到多学派的“百花争艳”，除了上面提到的三种方法，又提出了“群体模拟，仿生计算”“博采广鉴，自然计算”“原理分析，数学建模”等方法。人工智能的目标是理解包括人在内的自然智能系统及行为，而这样的系统在实在世界中是以分层进化的方式形成了一个谱系，而智能作为系统的整体属性，其表现形式又具有多样性，人工智能的谱系及其多样性的行为注定了研究的具体目标和对象的多样性。人工智能与前沿技术的结合，使人工智能的研究日趋多样化。 研究内容:下面就由我带领大家一起一起来观看我们小组在有关人工智能调查过程中所获得的的收获：
根据调查结果我们不难看出相对于对人工智能不了解的人数来看对其有一定了解的人数大约占了调查总人数的87%。根据后来跟踪采访一部分在校被调查人员得知大部分人是由于对人工智能的定义并不是很了解，所以有部分人对身边一些人工智能也缺乏判断。
通过本题调查，被调查者们发现人工智能早已进入我们
的生活，而其中人脸识别，和指纹识别更是与我们生活贴近，被广泛用于校园，企业等社会团体。而知道智能控制的人群较少，可能说明我们周围此项人工智能技术并未太过普及，也可能说明我们对人工智能概念有偏解没有将此项技术列入人工智能当中。
本题只有“有”与“没有”两种结果。由饼状图我们可以直观的
看到对比，两种结果相差并不是很大，可能是由于被调查者工作岗位不同所以有的人会感觉对人工智能接触太少，如在校师生企业高层对人工智能接触相对就较多一些而一些水果摊主或者私家手工作坊对人工智能接触就较少一些。
人工智能的研究领域:
人工智能是一种外向型的学科，它不但要求研究它的人懂得人工智能的只知识，而且要求有比较扎实的数学基础及哲学和生物学基础，只有这样才可能让一台什么也不知道的机器模拟人的思维。人工智能的研究领域非常广泛，而且涉及的学科也非常多。目前，人工智能的主要研究领域包括：问题求解、逻辑推理与定理证明、自然语言处理、智能信息检索技术、专家系统、机器学习、模式识别、人工神经网络等。1、问题求解、人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。
今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到目前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。2、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的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。对数学中臆测的题。定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。3、自然语言处理、自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。4、智能信息检索技术、信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。5、专家系统、所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统，
它能运用该领域专家多年积累的经验与知识，模拟人类的思维过程，求解需要专家才能解决的困难问题。
专家系统一般具有如下一些基本特征：具有专家水平的专门知识；能进行有效的推理；具有获取知识的能力；具有灵活性；具有透明性；具有交互性；具有实用性；具有一定的复杂性及难度。6、机器学习、“学习”是一个有特定目的的知识获取过程，其内在行为是获取知识、累积经验、发现规律；外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习，就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。7、模式识别、所谓模式识别，是指研究一种自动技术。计算机通过运用这种技术，就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说，模式识别研究的主要内容就是让计算机具有自动获取知识的能力，能识别文字、图形、图像、声音等。一般来说，模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。8、人工神经网络、人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的处理部件，由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的，是对脑神经系统的结构和功能的模拟，具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一，可以根据外界环境来修改自身的行为。学习的过程既是对网络进行训练的过程和不断调整它的连接权值，以使它适应环境变化的过程。学习可分为有教师（或称有监督）学习与无教师（无监督）学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识，开辟了另一条模拟人类智能的道路。
人工智能的应用领域：
总的来说人工智能是面向应用的：机器视觉——指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。未来人工智能的应用研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型，智能人机接口、多智能主体系统、只是发现与知识获取、人工智能应用基础等。当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。但是我相信，只要应用的好，人工智能一定可以造福千万人类，促进人类的进步发展，使我们拥有更加便利的生活，带给我们更加辉煌的文明。
本次实践调查的总结：
社会实践活动与马克思教学相结合，是一种十分特殊的教学方式，让我们能够亲身的从曾经一味的接受到现在可以亲自动手亲身体验一项教学活动，其中间接经验只有通过直接经验才能更好地被我们所掌握，并加以运用，从而内化为知识结构的一个组成；同时，我们在积极参与实践获取直接经验的过程也是丰富个人的情感体验的过程；增加对知识和技能的形成与发展的体验过程；以及良好意志心理品质形成与发展的过程。这些心理体验必将对我们今后的学习生活巨大影响。同时一次成功的社会实践也会让我们更直观的去认识到每一次活动的艰辛，以及认识到每一次活动所需的各种前期思想准备和物质准备的重要性，和让我们更加能够注重团队意识。
参考文献
（1）人工智能技术导论廉师友西安电子科技大学出版社 2007.8
（2）人工智能研究方法及途径熊才权 2005年第三期
（3）人工智能学派及其在理论、方法上的观点蔡自兴 1995.5
（4）人工智能研究的主要学派及特点黄伟聂东陈英俊 2001第三期
（5）人工智能研究对思维学的方法论启示尹鑫苏国辉 2002.10第四期