人工智能的起源
原标题：人工智能的起源人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。自问世以来AI经过波波折折，但终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。不仅许多其他学科开始引入或借用AI技术，而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。
人工智能的思想萌芽可以追溯到十七世纪的帕斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德.摩尔根提出了“思维定律“，这些可谓是人工智能的开端。十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器“，它被认为是计算机硬件，也是人工智能硬件的前身。电子计算机的问世，使人工智能的研究真正成为可能。
作为一门学科，人工智能于1956年问世，是由“人工智能之父“McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth大学召开的会议上，首次提出。对人工智能的研究，由于研究角度的不同，形成了不同的研究学派。这就是：符号主义学派、连接主义学派和行为主义学派。
传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。主要工作是“通用问题求解程序“（GeneralProblemSolver,GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。
连接主义学派是从人的大脑神经系统结构出发，研究非程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。
行为主义学派是从行为心理学出发，认为智能只是在与环境的交互作用中表现出来。
人工智能的研究经历了以下几个阶段：
第一阶段：50年代人工智能的兴起和冷落
人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮
DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（InternationalJointConferencesonArtificialIntelligence即IJCAI）。
第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展
展开全文日本1982年开始了“第五代计算机研制计划“，即“知识信息处理计算机系统KIPS“，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段：80年代末，神经网络飞速发展
1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段：90年代，人工智能出现新的研究高潮
由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。
IBM公司“深蓝“电脑击败了人类的世界国际象棋冠军，美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划，基于Agent技术的Softbot(软机器人)在软件领域和网络搜索引擎中得到了充分应用，同时，美国Sandia实验室建立了国际上最庞大的“虚拟现实“实验室，拟通过数据头盔和数据手套实现更友好的人机交互，建立更好的智能用户接口。图像处理和图像识别，声音处理和声音识别取得了较好的发展，IBM公司推出了ViaVoice声音识别软件，以使声音作为重要的信息输入媒体。国际各大计算机公司又开始将“人工智能“作为其研究内容。人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。
目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对生物遗传与进化理论的模拟，揭示出人的智能进化规律）、人工生命（通过构造简单的人工生命系统（如：机器虫）并观察其行为，探讨初级智能的奥秘）、人工智能应用（如：模糊控制、智能大厦、智能人机接口、智能机器人等）等等。
人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。未来人工智能的研究方向主要有：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、知识发现与知识获取、人工智能应用基础等。返回搜狐，查看更多
责任编辑：人工智能产业发展现状与四大趋势
随着全球新一轮科技革命和产业变革孕育兴起，人工智能等数字技术加速演进，引领数字经济蓬勃发展，对各国科技、经济、社会等产生深远影响，已成为驱动新一轮科技革命和产业变革的重要力量。近年来，各国政府及相关组织持续加强人工智能战略布局，以人工智能为核心的集成化技术创新成为重点，人工智能相关技术产业化和商业化进程不断提速，正在加快与千行百业深度融合，其“头雁”效应得以充分发挥。此外，全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识。
一人工智能的内涵与产业链
（一）人工智能的内涵
人工智能（ArtificialIntelligence）作为一门前沿交叉学科，与数学、计算机科学、控制科学、脑与认知科学、语言学等密切相关，自1956年首次提出以来，各方对其界定一直存在不同的观点。通过梳理不同研究机构和专家学者提出的相关概念，关于“人工智能”的内涵可总结如下：人工智能是指研究、模拟人类智能的理论、方法、技术及应用系统的一门技术科学，赋予机器模拟、延伸、扩展类人智能，实现会听、会看、会说、会思考、会学习、会行动等功能，本质是对人的意识和思想过程的模拟。
图1：人工智能内涵示意图
来源：火石创造根据公开资料绘制
（二）人工智能的发展历程
从1956年“人工智能”概念在达特茅斯会议上首次被提出至今，人工智能发展已经历经60余年，经历了三次发展浪潮。当前全球人工智能正处于第三次发展浪潮之中。
第一次浪潮（1956－1980年）：训练机器逻辑推理能力。在1956年达特茅斯会议上，以“人工智能”概念被提出为标志，第一次发展浪潮正式掀起，该阶段的核心是：让计算机具备逻辑推理能力。这一时期内，开发出了计算机可以解决代数应用题、证明几何定理、学习和使用英语的程序，并且研发出第一款感知神经网络软件和聊天软件，这些初期的突破性进展让人工智能迎来发展史上的第一个高峰。但与此同时，受限于当时计算机的内存容量和处理速度，早期的人工智能大多是通过固定指令来执行特定问题，并不具备真正的学习能力。
第二次浪潮（1980－2006年）：专家系统应用推广。1980年，以“专家系统”商业化兴起为标志，第二次发展浪潮正式掀起，该阶段的核心是：总结知识，并“教授”给计算机。这一时期内，解决特定领域问题的“专家系统”AI程序开始为全世界的公司所采纳，弥补了第一次发展浪潮中“早起人工智能大多是通过固定指令来执行特定问题”，使得AI变得实用起来，知识库系统和知识工程成为了80年代AI研究的主要方向，应用领域不断拓宽。
第三次浪潮（2006年至今）：机器学习、深度学习、类脑计算提出。以2006年Hinton提出“深度学习”神经网络为标志，第三次发展浪潮正式掀起，该阶段的核心是实现从“不能用、不好用”到“可以用”的技术突破。与此前多次起落不同，第三次浪潮解决了人工智能的基础理论问题，受到互联网、云计算、5G通信、大数据等新兴技术不断崛起的影响，以及核心算法的突破、计算能力的提高和海量数据的支撑，人工智能领域的发展跨越了从科学理论与实际应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。
图2：人工智能的三次发展浪潮
来源：火石创造根据公开资料绘制
（三）人工智能的产业链
人工智能产业链分为三层：基础层、技术层以及应用层。基础层涉及数据收集与运算，这是人工智能的发展基础，包括智能芯片、智能传感器、大数据与云计算等；技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，包括机器学习、类脑智能计算、计算机视觉、自然语言处理、智能语音、生物特征识别等；应用层是将人工智能技术与行业的融合发展的应用场景，包括智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗、智能教育等。
图3：人工智能产业链
来源：火石创造根据公开资料绘制
二全球人工智能产业发展现状
（一）人工智能产业规模保持快速增长
近年来人工智能技术飞速发展，对人类社会的经济发展以及生产生活方式的变革产生重大影响。人工智能正全方位商业化，AI技术已在金融、医疗、制造、教育、安防等多个领域实现技术落地，应用场景也日益丰富。人工智能的广泛应用及商业化，加快推动了企业的数字化、产业链结构的优化以及信息利用效率的提升。全球范围内美国、欧盟、英国、日本、中国等国家和地区均大力支持人工智能产业发展，相关新兴应用不断落地。根据相关统计显示，全球人工智能产业规模已从2017年的6900亿美元增长至2021年的3万亿美元，并有望到2025年突破6万亿美元，2017－2025年有望以超30％的复合增长率快速增长。
图4：2017－2025年全球人工智能产业规模（单位：亿美元）
数据来源：火石创造根据公开资料整理
（二）全球主要经济体争相布局，中美两国占据领先位置
人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。美国处于全球人工智能领导者地位，中国紧随其后，欧洲的英国、德国、法国，亚洲的日本、韩国，北美的加拿大等国也具有较好的基础。从全球各国人工智能企业数量来看，美国人工智能企业数量在全球占比达到41％，中国占比为22％，英国为11％，以上三个国家的人工智能企业数量合计占到全球的七成以上。
图5：全球人工智能企业数量分布
数据来源：中国信通院，火石创造整理
（三）公共数据集不断丰富，关键平台逐步形成
全球数据流量持续快速增长，为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速，为企业提供海量图片、语音等数据资源和相关服务。公共数据集为创新创业和行业竞争提供优质数据，也为初创企业的发展带来必不可少的资源。优势企业例如Google、亚马逊、Facebook等都加快部署机器学习、深度学习底层平台，建立产业事实标准。目前业内已有近40个各类AI学习框架，生态竞争十分激烈。中国的代表企业如科大讯飞、商汤科技利用技术优势建设开放技术平台，为开发者提供AI开发环境，建设上层应用生态。
（四）人工智能技术飞速发展，应用持续深入
近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能真正大范围地从实验室研究走向产业实践。以深度学习为代表的算法爆发拉开了人工智能浪潮的序幕，在计算机视觉、智能语音、自然语言处理等领域广泛应用，相继超过人类识别水平。人工智能与云计算、大数据等支撑技术的融合不断深入，围绕着数据处理、模型训练、部署运营和安全监测等各环节的工具链不断丰富。工程化能力持续增强，人工智能的落地应用和产品交付更加便捷高效。AI在医疗、制造、自动驾驶、安防、消杀等领域的应用持续深入，特别是新冠疫情以来，社会的数字化、智能化转型不断提速，进一步推动人工智能应用迈入快车道。
三全球人工智能产业发展趋势
（一）算法、算力和数据作为人工智能产业的底层支撑，仍是全球新一代人工智能产业的核心引擎
算法、算力和数据被全球公认为是人工智能发展的三驾马车，也是推动人工智能发展的重要基础。在算力层面，单点算力持续提升，算力定制化、多元化成为重要发展趋势；计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级，类脑芯片、量子计算等方向持续探索智能芯片的技术架构由通用类芯片发展为全定制化芯片，技术创新带来的蓝海市场吸引了大量的巨头企业和初创企业进入产业。在算法层面，Cafe框架?CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性，人工智能算法从RNN、LSTM到CNN过渡到GAN和BERT还有GPT－3等，不断涌现的新兴学习算法将在主流机器学习算法模型库中得到更高效的实现。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，催生了专业的技术服务，数据服务进入深度定制化阶段。
（二）全球新兴技术持续孕育涌现，以人工智能为核心的集成化技术创新成为重点
随着全球虚拟现实、超高清视频、新兴汽车电子等新技术、新产品将不断孕育涌现，并与人工智能加速交叉集成，推动生产生活方式和社会治理方式智能化变革的经济形态；与此同时，人工智能与5G、云计算、大数据、工业互联网、物联网、混合现实（MR）、量子计算、区块链、边缘计算等新一代信息技术互为支撑。这意味着以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。例如：人工智能与汽车电子领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统；人工智能与虚拟现实技术相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境等。
（三）新基建春风与场景赋能双轮驱动，全球泛在智能时代加速来临
在新冠肺炎疫情成为全球发展“新常态”背景下，全球主要经济体均面临经济社会创新发展和转型升级挑战，对人工智能的运用需求愈加迫切，纷纷推动人工智能与实体经济加速融合，助力实现新常态下产业转型升级。一方面，全球大力布局智能化基础设施建设和传统基础设施智能化升级，推动网络泛在、数据泛在和应用需求泛在的万物互联生态加速实现，为人工智能的应用场景向更多行业、更多领域、更多环节、更多层面拓展奠定基础；另一方面，AI应用场景建设成为国内外关注和紧抓的关键举措，面向医疗健康、金融、供应链交通、制造、家居、轨道交通等重点应用领域，积极构建符合本地优势和发展特点的人工智能深度应用场景，探索智能制造、智能物流、智能农业、智慧旅游、智能医疗、智慧城市等模式创新和业态创新，同时典型场景建设也吸引了全球资本市场的重点关注，泛在化智能经济发展时代即将到来。
（四）全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识
随着全球人工智能发展步入蓬勃发展阶段，人工智能深入赋能引发的挑战与风险广受关注，并在全球范围内掀起了人工治理浪潮。2019年6月，二十国集团（G20）批准了倡导人工智能使用和研发“尊重法律原则、人权和民主价值观”的《G20人工智能原则》，成为人工智能治理方面的首个政府间国际公约，发展安全可信的人工智能已经成为全球共识。此后，全球各国纷纷加速完善人工智能治理相关规则体系，聚焦自动驾驶、智慧医疗和人脸识别等重点领域出台分级分类的监管措施，推动人工治理从以“软法”为导向的社会规范体系，向以“硬法”为保障的风险防控制度体系转变。与此同时，面向人工智能治理体系建设和打造安全可信生态的相关需求，围绕着安全性、稳定性、可解释性、隐私保护、公平性等方面的可信人工智能研究持续升温，其理念逐步贯彻到人工智能的全生命周期之中，基于模糊理论的相关测试技术、AI结合隐私计算技术、引入公平决策量化指标的算法模型等新技术陆续涌现，产业实践不断丰富，已经演变为落实人工智能治理相关要求的重要方法论。
原文标题 : 全球视野下人工智能产业发展现状与四大趋势
人工智能时代ESP背景下英语的写作教学研究——机遇和挑战并存
写作教学被视为大学英语教学中一项极为重要的内容。从事写作教学实践和研究的学者认为:“写作能力是学习者语言能力的反映。写作的过程就是语言创造的过程,在这一过程中,它涉及到许许多多处理信息时的心理活动。”[1]另有学者认为:“大学阶段的英语写作过程实际上是一个复杂的心理认知过程,包含了思维创造和社会交互等相关内容。”[2]除了涉及写作者的心理认知能力和语言能力之外,写作过程还涉及对具体事务的认知能力,对写作话题相关知识的阅读和理解能力以及对社会和写作环境的认识能力。由于某项能力的欠缺或者对非母语语言应用能力的局限性,写作者往往不能在有限的时间内表达自己对事物的看法,完成作文题目的要求。
一、目前大学英语写作教学存在的主要问题业内学者对目前大学英语写作教学中存在的问题提出了各自的看法。连燕华认为大学英语写作“教学目标不明确,写作方法和策略单一,课堂师生互动欠缺”[1];王沛洁认为大学英语写作教学“与实际应用脱节,不能满足学生的写作兴趣”[3];龚睿韬认为“大学英语写作教学的观念过于传统,应当适时加以改变,以符合我国对于当代大学生的培养目标和要求”[2]。复旦大学蔡基刚教授认为:“外语专业单一的外国语言文学方向似乎并不可取,坚持以能力等级量表及其对应考试为驱动的通用英语教学似乎也并不可取。”[4]蔡基刚认为外语专业和公共外语专业应根据国家的需要和各高校的办学定位及院系要求转向专门用途外语(ESP)方向,以帮助大学生了解如何用外语构建和传播医学、工程、农林和法律等学科的理论和知识。综上所述,大学英语写作教学应当明确教学目标,尝试多种手段,更重要的是应当引导学生把写作与不同专业、行业的具体语境、体裁(如简历、求职信、实验报告)联系起来,顺应时代发展,利用先进的教学技术和手段打造英语写作“金课”。
二、主要写作理论模型及其特点写作是一项复杂的认知过程,经历了较为漫长的发展历程。从20世纪初开始,写作研究者提出了一系列模型来解释写作发生的过程。对写作方法的研究在西方读写研究历史上主要经历了20世纪初的基于“成品”为中心的写作法,20世纪40年代以文本为中心的写作法,20世纪60年代初到80年代以过程为中心的写作法,20世纪80年代到21世纪初的与社会文化融为一体的写作方法以及20世纪90年代至今的融入新兴技术手段的写作方式。写作方法的发展伴随着写作理论的进步,同时也推动了英语写作教学的发展与创新。
(一)语言学模型(LinguisticModel)语言学模型在20世纪50至60年代开始流行,这种模型可以分为两类,结构语言学家(structurallinguists)使用“从下而上(bottomup)”的方式分析了写作语言。这一分析方法侧重于从句子层面分析语言。然而,在20世纪70年代,描写语言学家(descriptivelinguists)着重研究了语言性质(languageproperties)和语言在社会环境中的应用。语言学写作模型注重句法和语言在写作过程中的应用。句法、语义、音韵、词汇和对话等语言学的诸多因素都被引入写作过程。从这个意义上来讲,教授简单的语言学要素和反复使用的词汇可能会降低写作的难度。相反,教授复杂的句子结构和不常见的词汇可能会增加写作的难度。
(二)过程模型(ProcessModel)写作的过程模型源自于JanetEmig在20世纪60年代末对一群高中三年级学生的研究。之后,PeterElbow和DonaldMurray都加入了Emig对过程写作的研究。1972年,Murray在TeachWritingasaProcessnotaProduct一文中把写作分成了三个基本过程,即写作前(prewriting),写作中(writing)和重写(rewriting)[5]。这一“三过程”模型后来被修订成了:写作前(prewriting)、起草(drafting)、修改(revision)、评估(assessment)和反思(reflection)。过程模型把写作视为一种写作者探索发现的过程。这一过程鼓励学生进行构思(brainstorming),进行写作前的准备(prewriting)活动,打草稿(drafting)和修改(revision)。写作过程的非线性特征给学生提供了修改和重新写作的机会。学生可以利用他们的知识储备和对写作目的及写作对象的理解对文章进行修改。然而,过程模型的局限性在于无论写作话题和写作对象是什么,写作过程都是不变的。而且,写作者通常只注重个人意思的表达而忽略了语言的整体运用。此外,以学生为中心的自主写作和修改模式不能充分体现学生所学和未掌握的知识。教师在这一过程中所起到的作用也受到限制,他们不能有效地帮助学生提高写作过程中的元认知意识,也不能给学生提供有帮助的写作反馈。
(三)认知模型(CognitiveModel)认知模型在20世纪70年代初开始流行。这种模型主要强调智力和认知能力在写作中的作用。具有代表性的认知理论研究者LindaFlower和JohnHayes旨在研究和了解写作者在写作过程中如何做出决策。他们将写作过程视为一个非线性的、循环的过程,提出了“四步写作”流程:计划(planning)、翻译(translating)、嵌入(embedding)和审查(reviewing)[6]。这一模型强调了写作者的长时记忆在写作过程中所起的作用,同时也假设了拼写和手写速度会因为非文字记忆的消退而降低。
在1983年,CarlBereiter和MarleneScarda-malia改进了Flower和Hayes在1981年提出的模型理论,并且在此基础上提出了包含比较(compare)、诊断(diagnose)和操作(operate)的CDO模型[7]。这一模型能够更好地解释写作者在写作过程中经历计划和修改等阶段并且帮助他们在重新写作的过程中加以改进。Flower和Hayes分别在1986年和1987年与各自的研究团队改进了他们之前提出的模型,从而提出了包括两个分支阶段,即过程(processes)和知识(knowledge)的改进模型。Becker在2003年发表的文章AReviewofWritingModelResearchBasedonCognitiveProcesses中对这一改进模型做出了积极评价。Becker指出:“他们试图在写作评价和修改阶段之后加入能够代表更为具体的认知路径的模块。他们第一次把写作者的知识水平及写作意图加入写作模型。”[8]之后,Bereiter和Scardamalia在1987年提出了内容和形式相互交织的双向性模型[7]。他们假设写作新手和写作熟手在对待写作任务时具有不同的思维方式,认为写作新手在写作初期会直接从长时记忆中检索内容,而写作熟手在写作开始的时候会利用写作目标来指导全新内容的创作。鉴于写作新手在诊断问题和修改写作内容方面的能力有限,因此他们需要在这些方面接受指导。
(四)语篇类型模型(GenreModel)Swales在1990年出版的GenreAnalysis:EnglishinAcademicandResearchSettings一书中将语篇类型定义为“一类用于交流的事件,这些事件之间具有某种共同的交流目的”[9]。早期对语篇类型的研究出现于悉尼大学,并在20世纪70年代末被命名为悉尼语篇分析学派(SydneySchool)。这一学派被描述为系统功能语言学派(SystemicFunctionalLinguistics,SFL),他们把语言结构视为植根于社会和语篇功能并且是社会环境中不可分割的一部分。Martin和Rose在2008年出版的GenreRelations:MappingCulture一书中把语篇定义为:“反复出现的并且能够体现特定文化中社会实践价值意义的结构。”[10]系统功能语言学深受MichaelHalliday的影响,Halliday在社会文化的大环境下提出了“社会符号学”理论[11],把学习者所处的特定文化环境与他们的语言选择联系起来,认为文本是在特定的社会和文化环境中产生的。在Halliday的影响下,Martin和他的团队不断深入地研究了环境对文本创作过程的影响,他们批判了基于过程的写作方法忽视了社会和文化环境对文本的影响,并且鼓励在写作的创作中融入社会文化大环境,以便使写作内容与社会和文化相关联。
基于语篇类型理论模型创作的文本可以用来回应特定类型的观众,并且文本具有对话性。Sperling和Freedman曾指出,语篇类型写作是对话性的,因为文本是与社会文化环境交织在一起的[12]。这一模型还表明,人们有必要建立话语共同体(discoursecommunities),持有不同信仰和实践理论的写作者可以在话语共同体中进行交流和互动。基于语篇类型理论为基础的写作特点之一是写作被视为与写作者的语言知识和社会目的紧密相关。进一步而言,基于语篇类型理论的写作方法赋予了作者掌控文章的权力,更利于写作者在运用语言进行写作的时候受到尊重和肯定。
由于语篇类型被定义为一种“分阶段的、以目标为中心的社会过程”[10],因此语篇结构在写作的各个阶段容易被过度简单化。此外,一些在主宰性文化群体中占据优势地位的语篇类型将会从政治、社会及意识形态上被赋予权力,因此这些主导性的语篇类型比其他非主导性语篇类型具有更高的地位。此外,由于语篇类型与某种社会和文化环境紧密相连,一些少数和劣势群体无法接触到某些语篇类型。从这个意义上来讲,在应用语篇类型理论进行写作教学的时候,应当教会学生如何通过重要步骤,正确使用语法规则,以达到写作目的,同时教会学生如何把特定的语篇内容植入大的社会环境。
(五)新写作模型(NewModels)自20世纪90年代起,写作的重点转移到了对写作者长时记忆、内存记忆及其对写作效果影响的研究。RonaldKellogg和JohnHayes提出了一系列新的写作模型。Kellogg提出了五个写作阶段:计划阶段(formulation)、执行阶段(execution)、监控阶段(monitoring)、审读阶段(reading)和校订阶段(editing)[13]。Kellogg认为这五个阶段同时工作并且在写作过程中与写作者的大脑存储器相互配合。此外,Hayes在1996年提出了新的思维构架。这一构架解释了认知的发展如何影响写作的熟练程度和效率,他强调了阅读能力的重要性、对写作内容理解的重要性、理解任务定义的重要性和对文本进行修改的重要性[14]。他认为,熟练的写作者在对题目的阅读理解的能力和修改草稿的能力方面具有更加有效的方法。换而言之,熟练写作者的大脑存储器比新手作者的更为有效。这一观点将写作与阅读理解紧密联系起来,为写作能力较弱者创造了新的改进写作技能的机会。1994年,Breetvelt,VandenBergh和Rijlaarsdam在发表的文章“RelationsBetweenWritingProcessesandTextQuality:WhenandHow?”中提出了时间应该被视为写作中的关键因素。他们认为,把时间加入写作模型非常必要,因为时间的长短影响了写作的质量。之后,他们提出了包含三个模块的新的写作模型,这三个模块是:执行模块(executivecomponent)、监控模块(monitor)和技巧知识模块(strategicknowledge)[15]。这些不同的模块要求写作者在从事多样的写作活动时具备不同的认知能力和技巧。
(六)社会环境写作模型(SocialContextualModelofWriting)Schultz和Fecho在2000年发表的题为Society.sChild:SocialContextandWritingDevelopment的文章中把语篇类型写作理论加以延伸,并提出了在写作和写作发展过程中加入社会环境视角的理论。从社会环境的视角出发,写作被视为是植根于社会和历史环境并且反映社会和历史环境的过程[16]。同时,写作状况也反映出了教学活动和教学方法。写作实践因文化和社会环境而异,并且受到写作者社会交往活动的影响。写作被视为一种非线性的,与社会认同度密切相关的过程。通过社会环境视角,对写作的理解和研究从以往的视写作为一种个人的活动和技能转而成为视写作为一种受到广泛的社会、文化和历史影响的认知过程。同时,写作应被视为一种与日常教学紧密相关的语言学习活动。写作能够反映出作者的心理过程,并且反映出作者在具体的写作过程中所表达的心声。同时,某一特定写作过程受到当时的社会、政治及文化环境的影响。社会环境视角下的写作是一个非线性的过程,写作过程中没有模板。通常情况下,学生把自己的先验知识和语言技能作为写作资源,当今作者更擅长于把多种模态资源和社会符号语言运用到写作实践中去。总之,社会环境视角下的写作在很大程度上受到作者的社会交往、社会参与度以及与各种社会组织之间对话程度的影响。
(七)多模态写作(MultimodalComposing)多模态写作受到社会符号学(socialsemiotics)的影响,利用多种社会符号(socialsymbols)和多种模态(multiplemodes)来表达意思,它包括但不局限于文本模式、视觉模式、音频模式、肢体模式和空间模式。社会文化研究者认为,所有的语言和读写活动都是多模态的。Kress,vanLeeuwen和NewLondonGroup都认为所有的文本都是由语言学模式、视觉模式或者空间模式来表达或者体现意思的[17-18]。换言之,为了表达意思,作者通常使用多种模态资源来设计和展示他们的思维方式。在当今智能和数字化时代,以文字为中心的交流方式已经被以图像为中心和以其他模态为中心的方式所取代。Jewitt把多模态定义为“通过图像、肢体、声音、文字、音乐及语言”[19]来表达意思。这意味着,尽管语言被视为交流的首要渠道,其他诸如肢体语言、图像、声音等模式同样可以表达重要意思[20-21]。从此意义上来讲,作者在进行文本创作时可以利用多种模态资源,并通过多种模态资源表达意思或与读者进行交流。多模态文本创作是对传统写作的延伸,也使写作朝着更加多元化、多模态化的方向发展。
三、英语写作教学在AI时代ESP背景下面临的机遇和挑战人工智能(AI)时代的到来使语音识别、图像识别、机器翻译、人机对话、大数据智能分析等成为了现实。教育目标、教育活动以及教学手段都受到了AI的冲击而不得不随之改变。在机器会思考、能考试、能下棋、能踢球并且可以代替人类完成特定任务的时代,如何做好英语写作教学成为值得思考的问题,同时对英语写作教师提出了挑战。
专门用途英语ESP(EnglishforSpecificPurposes)主要研究如何帮助学习者运用外语知识和技能,帮助其进行具体专业的学习、研究和工作[22]。由此可见,专门用途英语可以被看作是与不同学科、专业间的交叉。在AI时代和ESP背景下,英语写作教学的机遇和挑战并存。
英语写作教学存在的挑战主要表现在以下几个方面:第一,当前普通高校的英语写作教学是按照教育部下发的教学标准来进行的,大学英语写作课程的讲授主要以提高语言基本技能为目的。基于ESP教学理论背景下的大学英语写作教学的政策性指导和理论性研究还有待进一步明确和加强[23]。第二,ESP课程的师资应由专业教师担任还是大学英语教师承担?这两种类型的教师各有其优势和不足之处。相比而言,专业教师对业内知识掌握较全面,但是对语言知识、运用技巧及其应用特点方面的知识储备存在不足;相反,大学英语教师虽然在语言运用知识和技巧方面具备优势,但是对学科专业知识、学术文本和语言功能的把握不足。第三,ESP写作教材的编写、课程的设置、课程目标的设立、课程的建设与推广需要来自权威教育部门更多的支持。第四,ESP写作课程应为何种专业的学生开设?在哪个学习阶段开设?在目前全学分制改革的趋势背景下如何有效地实现?这些问题都有待进一步思考并得以解决。
然而,英语写作教学在面临一系列挑战的同时也存在诸多机遇。当机器人屡屡打败围棋高手,当网络上各种翻译网站、软件在不断提高翻译的准确率,逐步取代人工翻译,当手机APP对中、外文文本材料进行扫描即可在瞬间获得翻译后的目标语言文本,英语写作在AI时代实现机器取代人类进行构思、谋篇、布局及产出将指日可待。笔者在某次参观文化馆的亲历中见证了虚拟光影人物现场即兴回答问题的过程,不禁对智能时代科技的进步及其对人类生活产生的影响而感叹。同时,这一经历也引发了笔者对未来文本输入和输出方式的思考。当机器最终取代人类进行作文的设想得以实现,人类可能只需以语言、书面文字或者图像等方式中的一种向机器输入作文题目和指令,即可在瞬间获得所需形式的文本输出。
四、结束语对不同写作模型和模式的研究推动了英语写作教学的发展,也把写作从一种个人语言的输出能力和对事物的认知能力延伸到了与社会、文化及写作环境密切相关的,可以利用多种技术手段实现的多模态文本输出形式。对基于不同写作理论模型的写作方法的探讨,旨在为从事大学英语写作教学的教师和教育工作者提供写作策略方面的参考,以期在AI时代探索、开辟写作教学的新视域、新路径,解决目前大学英语写作教学中出现的问题。
与此同时,AI和新教育技术的应用已经成为当代高校教学改革的趋势,也已成为学生学习、生活的重要组成部分。在ESP背景下,大学英语写作教学的目标不仅要求学生在多种时间、空间和社会文化环境中创作单一模态的纯文字文本,而且要求学生创作出包含图像、声音及多种模态资源进行意思表达和信息交流的多模态文本。21世纪的写作教学与社会密不可分,写作植根于社会并且受到语言、文化、作者身份及社会环境的影响。因此,写作教学源于生活,要求能够解决社会生活中的实际问题。当前英语写作教学应当乘着人工智能之风,转变教学模式和教学理念,利用现代教学技术和手段,逐步打造出适合社会需求和科技发展,产学有机融合的课程教学体系。
人工智能时代是什么时代?
工业4.0是2013年的汉诺威工业博览会上德国为提升工业竞争力而提出的一个概念。基于工业发展的不同阶段划分出4个时代，即工业1.0蒸汽机时代、工业2.0电气化时代、工业3.0信息化时代和工业4.0智能化时代。显然，这种划分只表示了工业革命以来工业领域的时代变迁。如果说“蒸汽机”、“电气化”可以表示工业革命内涵，那么“信息化”、“智能化”就远远超出了工业领域。把人工智能时代称为第4次工业革命时代显然是错误的。
在“第4次工业革命”这一错误概念的影响下，对人工智能时代性的理解出现了许多混乱。仅从工业生产力变迁的角度来看，划分成蒸汽机工业革命、电气化工业革命、信息化工业革命、智能化工业革命时代，的确具有一定道理，但是，如果把它泛化，认为人工智能的智能化是第4次工业革命时代，甚至由此衍生出第5次工业革命、第6次科技革命、第N次工业革命的提法，显然模糊了人工智能的知识革命与工业革命的本质差异。我们可以从以下5个方面看看人工智能时代与工业革命时代的本质差异:
(1)社会生产力结构的本质差异
工业革命后形成了资本整合下的社会化大生产，其社会生产力结构是“劳动者+机械化工具”，劳动者在知识基础上驾驭工具；人工智能时代，在半导体微处理基础上诞生了智能化工具，智能化工具超越了生产领域、经济领域，全面影响人类社会生活，并且具有独立的财富生产能力，其生产力结构变成了“管理者+智能化工具”。
(2)生产工具的本质差异
机械化工具与智能化工具有本质差异，前者无自主能力，必须由劳动者驾驭，后者有自主能力，可以在无人介入下自主式工作。工业革命后期虽然出现过可以自主运行的自动化工具，但不具有智能行为，它们与计算机软件控制的智能化工具有本质不同。
(3)体力劳动与脑力劳动替代的本质差异
工业革命后，机械化工具以蒸汽机械(以及后来的内燃机械、电动机械)代替劳动者的体力劳动，而人工智能时代，智能化工具普遍代替了人类的脑力劳动。
(4)知识相关性的本质差异
工业革命时代，“知识就是力量”是著名的时代口号，因为驾驭机械化工具都需要相应的知识，工人、技师、工程师形成了严格的知识与技术等级；在人工智能时代，智能化工具具有智力行为能力，使用者不需要有相应的知识。知识与知识行为分离，成为人工智能时代的重要特点。
(5)从经济变革到社会变革的本质差异
工业革命的主要变革是经济基础；人工智能变革后的数字化社会、区块链的无偏见人工智能、诚信体制建设等，从经济基础延伸至上层建筑。同时，从资本时代到金融时代、从贸易全球化到经济全球化、从两种文化到第3种文化，都表明人工智能时代从经济基础到上层建筑的延伸效应。
3人工智能时代是第3次浪潮时代
最早揭示人工智能时代与工业革命时代具有本质差异的是著名的未来学者阿尔文·托夫勒。1980年，阿尔文·托夫勒推出了《第三次浪潮》一书，该书将人类现代文明史划分为3个浪潮时代。阿尔文·托夫勒在书中写道:“到目前为止，人类经历了两次重大的变化浪潮，每一次都抹杀了早期的文化和文明，以前人不能想象的生活方式取而代之。第1次浪潮—农业革命—经历了几千年才结束。第2次浪潮—工业文明的崛起—只有300年的寿命。今天的历史速度更快，很可能第3次浪潮将横扫历史，在几十年内结束。”他十分明确地将“今天的历史”与工业革命时期相分割。26年之后，他在2006年出版的《财富的革命》一书中，将“今天的历史”定义为“知识经济”时代，即一个知识创造财富的时代。
阿尔文·托夫勒首先清醒地、科学地认识到“今天的历史”的时代特征与时代本质，它与“机器”创造财富的工业文明完全不同，是一个用“知识”创造财富的时代。托夫勒还天才地描绘了人类现代文明发展史，几千年农业文明、几百年工业文明、几十年知识经济文明演化速度的倍增现象。所有这些都集中反映人工智能时代托夫勒的知识革命观。必须从知识的本源出发，用知识的创新原理来探索人工智能时代的奥秘。不幸的是，托夫勒未能揭示知识革命的奥秘，对“知识”充满了无奈与绝望。
4人工智能时代是知识革命时代
托夫勒敏锐地认识到，人工智能时代是知识创造财富的知识革命时代，但是，对“知识经济”的定义以及“知识创造财富”的知识革命论述却显得苍白无力。在后来《财富的革命》一书中，他充满了悲观与无奈。托夫勒说:“尽管对新兴的知识经济有着数千种分析和研究，但是，知识对创造财富的影响却一直被低估了，而且现在仍然在被低估。”他充分认识到知识经济时代的知识主导作用、知识探索的重要性，书中也描述了人们对“知识”的无知、漠视与无奈，他在书中写道:知“识已经成为我们经济和社会环境中变化最快的组成部分之一。”“自从‘知识经济’开始半个世纪以来，关于知识经济背后的‘知识’我们却了解得很少，简直少得让我们感到尴尬。托”夫勒虽然界定了今天的时代是与工业革命完全不同的知识创造财富的时代，但是并没有回答知识如何创造财富。这是人工智能时代知识革命必须回答的问题。
“知识创造财富”贯穿于人类的全部历史进程中。在原始社会，人类在知识基础上打造工具、使用工具，开创了“人+工具”的社会生产力的基本结构。其后，一直延续到农业社会、工业社会以及人工智能社会。只是人工智能社会之前的生产力结构是“(人+知识)+工具”，即劳动者在知识基础上驾驭工具；人工智能的社会生产力结构变成了“人+(知识+工具)，”即人类将知识成果转移到智能化工具中，劳动者傻瓜化地使用智能化工具，出现了知识从“人”到“工具”的根本性转移。这就是人工智能时代知识创造财富的本质与知识革命的核心所在。
人们普遍意识到知识在社会生产力中的重要作用，因为没有知识，人类就不会使用工具，也不可能创造工具。然而在经济学家、社会学家、历史学家的视野中，“知识”消失了。他们用“劳动者、劳动资料、劳动对象”的生产力结构观来诠释人类社会发展史。
人类对知识的无知，经济学家对知识的忽视，托夫勒对知识的无奈与无助是有道理的。因为，尽管人类对知识的研究远早于自然科学、社会科学，然而，在自然科学、社会科学充分发展的今天，人类对知识的研究一直停留在两千年前坐而论道的“认识论”、“知识论”的哲学陷阱之中。因为，传统概念中的知识一直是虚无缥缈、捉摸不定、隐含在事物之中的东西。只有到了知识从量变到质变的人工智能时代，知识才走到前台，人们才得以从学科视角重新研究“知识”的本质，它的诞生、发展、演化、基本规律，以及它在人工智能时代的财富革命与知识力量变迁。从人工智能的实践中探索知识革命的奥秘，寻找人类知识起源，演化发展的本质与基本规律，创建科学的“知识学”。
人工智能时代的“知识学原理”走出了“认识论”、知“识论”的陷阱，成为指导实践的新兴科学。不但能有效地诠释人工智能的智能生成机理，还将人们对人工智能的认识从“是什么”的低级阶段提升到“为什么”的高级阶段。由于知识的普遍性，”知识学原理”还将全面诠释人类起源、人类演化的生态体系、工具中的第3种知识、从第2种文化到第3种文化，人类工具起源与智能化工具智能生成机理等众多未解之谜。
5人工智能知识革命的时代特征
人工智能时代，是继农业革命、工业革命后，人类现代社会的第3次浪潮时代。正如托夫勒所说，“很可能第3次浪潮将会横扫历史，生存在这个爆炸性时刻的我们会感受到第3次浪潮对这个时代的全面影响。因”此，了解人工智能的时代特征具有重要意义。
(1)人工智能时代是一个动荡的时代
人类历史呈非线性发展特征，百万年的原始社会、万年的农业社会、几百年的工业社会，以及不到百年的人工智能时代。百万年的原始社会是凝固的，万年的农业社会是缓慢的，几百年的工业社会有了显著的变化，不到百年的人工智能时代则是一个激烈动荡的时代，人们会普遍感受到生存环境与社会生活的全面动荡。
(2)人工智能时代是一个人类体力劳动、脑力劳动全面解放的时代
工业革命的动力机械代替了人类的体力劳动、智力革命的智能化工具代替人类脑力劳动，未来，机器人将养活人类，人类社会将进入一个在少数精英引领下的傻瓜化时代。体现群体智力的人工智能远远超越人类个体智力，人们寄希望于人类智慧驾驭人工智能。
(3)人工智能时代是自然人类的终结时代
不到百年的人工智能时代，众多新兴科技(生物科技、生命科技、基因工程、人工生殖、脑科学、脑机工程等)与强人工智能相结合，必将导致自然人类的终结，人们最终将迎来一个非自然人类的新时代。
(4)人工智能时代是生产力结构彻底革命的时代
人类社会生产力结构一般表达形式是“人+工具”，知识隐含其中，成为社会财富生产能力的基础因素。原始社会、农业社会，人类使用简单工具，财富生产能力的“知识重心”在原始人类；工业社会，机械化工具代替了人类体力劳动，财富生产能力的“知识重心”向工具转移；智力革命时代，智能化工具独立的行为能力，将财富生产能力的“知识重心”彻底转移到工具中，实现了生产力结构彻底变革。
(5)人工智能时代是上层建筑革命的时代
农业革命、工业革命是经济领域的革命。人工智能时代，第3种文化以科技文化对人文文化的全面入侵方式彻底改变了人文文化属性，文化艺术领域不再有纯文化、纯艺术；互联网从信息网、物联网到资源网(区块链)的诚信体系建设、去中心化的智能合约、无偏见的人工智能等，表明人工智能进入到伦理时代，从而掀起了上层建筑的全面革命热潮。
人工智能时代的知识革命改变了一切，因为人类社会的一切事物都与知识相关。
从本质上讲，我们这个时代，是人类在外部以人工方式将“知识”变革到“知识行为能力”(即智力)的革命时代。但迄今为止，我们没能用知识的基本原理准确地诠释人工智能时代，对这个时代的认识尚处于模糊阶段。人们需要从不同视角来阐述我们这个时代。（此文发表在《单片机与嵌入式系统应用》2020年第4期学习园地）
6.嵌入式系统中AI和ML的实际应用
免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。返回搜狐，查看更多