人工智能时代需培养学生怎样能力
“未来人工智能环境下的课堂，可能是‘双师型’的课堂，人机交互、人机结合将成为主要形态。一堂课可能由一名教师和一个机器人共同来上，布置和批改作业、知识点训练、监督学习、学习情况的分析等工作可能由机器人来完成。”在日前召开的第四次全国数据驱动教育改进专题研讨会上，北京师范大学中国教育创新研究院院长刘坚这样描述人工智能时代的课堂。
人工智能不能代替学习
面对席卷而来、被称为人类“第二次零点革命”的人工智能浪潮，互联网时代的教育界，也不那么淡定了。“因为人工智能不是信息化的延续，技术对教育的影响，正在由‘革新’发展为‘革命’。”中关村学院学术委员会原负责人吕文清说，“高级阶段的人工智能具有类人脑的学习力和思考力，将来还能进化到自适应学习，在这个意义上，人工智能拓展了人的思维。人工智能改变的，不仅是教育的边界和方式，整个教育样态也将面临重塑。”
不过，科大讯飞教育研究院院长孙曙辉认为，人工智能不能代替人的思维，不能代替学习，技术也改变不了教育的本质。因此，在当前热炒人工智能概念的大背景下，一定要认清技术与教育的关系，搞清楚哪些是教育本身的问题，哪些是技术可以解决的问题。
高阶认知能力的重要性将更加凸显
在人工智能时代，学生应该具备怎样的能力，才能适应社会需求，在竞争中立于不败之地？
教育部副部长杜占元在去年12月召开的2017未来教育大会上提出，在机器能够思考的时代，教育应着重培养学生的5种能力，即自主学习能力、提出问题的能力、人际交往的能力、创新思维的能力及筹划未来的能力。
教育部科技发展中心原主任李志民说，今天我们说知识就是力量，讲的是如何学习、记忆和掌握更多的知识，讲究知识的系统性，而在人工智能时代，知识是开放的，随时随地可查找、可检索，因此，记忆知识以及知识的系统性不再像今天这样重要了，学生更需要学习如何从已有的知识中挖掘出新应用、新知识，通过已有知识学习新知识，与之对应的知识结构或学习过程就是思维的训练。
“低阶认知技能的重要性会下降，如记忆、复述、再现等初级信息加工任务将更多地被机器代替，而高阶认知能力的重要性会更加凸显，如识别问题、逻辑推理、意义建构、精致思考、自我指导能力等。”吕文清认为，人工智能时代应重点培养学生的终身学习素养、计算思维素养、设计思维素养和交互思维素养，培养学生5种能力——高阶认知能力、创新能力、联结能力、意义建构能力和元认知能力。终身学习素养，主要基于人工智能时代需要更强大和持续的学习力，强调学会学习和建构不断演进的知识框架；计算思维素养，主要基于学习和理解人工智能，强化思考的逻辑和精致。现在很火的编程课程，主要是培养计算思维；设计思维素养，主要基于人工智能时代学生执行困难任务，需要关注项目设计、任务设计和路径设计等高层次管理，重点引导学生学会选择、学会决策、学会判断；交互思维素养，主要基于人工智能时代学生交往方式的变化，需要高级信息素养、媒体素养、沟通交流和技术伦理，重点引导学生学会开源共享、参与协商、组建社区等，理解复杂的相互关系。高阶认知能力，强调独立思考、逻辑推理、信息加工等；创新能力，强调好奇心、想象力和创新思维、创新人格等；联结能力，强调学会统筹、组织资源、建立联系，特别是包括人工智能在内的多个空间的联结；意义建构能力，强调社会情感、责任意识和高感性、高概念等要素；元认知能力，强调学习自我认知、自我监控和自我指导。
“我认为，没有什么能力是贴有人工智能时代专属标签的。随着时代的发展，人类已有的知识和经验变得不重要，而培养学生的综合素质、高阶思维、创新能力等，这些要求无论在哪个时代都是需要的、共通的、不会过时的。”孙曙辉说。
未来的学习将更加个性化
未来的学习，在哪儿学、跟谁学、怎么学？原有的概念可能都会被颠覆。教育又该如何作出调整，以适应新的时代要求？吕文清认为，人工智能时代对学生的学习目标、学习内容、能力层级甚至心智模式，都提出了新的需求。在教学上，人工智能时代要以“思维教学”为主线，既强调基于认知能力的信息加工、分析综合、逻辑推理等高阶思维的培养，还要增加和突出计算思维、设计思维和交互思维的培养。具体落点上，要强调概念性知识、方法性知识和价值性知识的教学，要注重教原理、教统筹、教大观点、教元认知等不可替代的知识，也就是高阶认知和高阶学习。
人工智能对于当前的教育，不只是颠覆和冲击，也会带来促进和改良。李志民说，人工智能时代的教育管理，无论是宏观层面还是微观层面，都更容易做到精细化，对教师的评价会更加全面而科学；可以根据每个学生的智力程度和思维习惯以及学习方式进行教学，实现真正的个性化学习和因材施教。
据了解，目前许多中小学已开设编程、3D打印技术等与人工智能相关的课程，学生学习兴趣特别浓厚。一些学校还以社团和选修课的形式推进机器人、智能汽车、计算机编程等课程的开设与完善，提升学生信息化素养，促进学科知识融合。
人工智能时代，学生获得知识及能力、素养的提升途径无疑会更多元，其中互联网发挥的作用会更大。而人工智能的应用，会让教师从机械重复的工作中解放出来，去做更有价值的工作。孙曙辉认为，在中小学开设编程等人工智能相关课程，有助于训练学生的思维方式，但主要意义在于普及相关科学知识，并不能帮助学生“赢在起跑线”。目前，很多所谓人工智能的应用，包括一些针对职业人群的人工智能培训，都是炒作概念的“伪人工智能”，人工智能在短期内尚难发展到较为高级的阶段。当前市场上已经出现针对中小学生的打着“人工智能”旗号的相关培训班，家长完全没必要怕“掉队”，在现阶段，保持清醒的头脑，不盲目跟风至关重要。（本报记者汪瑞林）
人工智能和数据科学在现实生活中的最有价值应用Top5
介绍
数据科学和人工智能（AI）正在超越时代，并将其转变为最令人兴奋的领域。
对技术熟练的数据科学家的需求比以前增长得更快。人工智能的子领域有很多需求，如机器学习、深度学习、计算机视觉和自然语言处理等。据统计，人工智能领域的专家招聘在过去四年中增长了74%。数据科学被称为21世纪最“神奇”的工作。
但是你知道为什么对人工智能的需求如此之大吗？
大多数好奇学习数据科学或者缺乏经验的人也有这个疑问。为了找到答案，让我们看看数据科学和人工智能在现实生活中的一些辉煌应用。
自动补全自动补全功能是一种在用户仍在键入时预测单词其余部分的功能。在智能手机中，它被称为预测文本。
在上面的快照中，用户首先输入“whatisthecli..”，然后接收一些预测作为自然语言处理的结果。用户按tab键接受建议，或按向下箭头键选择合适的选项。通过使用Seq2Seq和注意机制，数据科学家可以获得高精度和低损失的预测。
对于自然语言处理，也存在零次学习方法和一次学习方法。对于使用嵌入式系统的其他应用程序，一次学习是实现和操作低训练能力的完美选择。通过了解用户的消息收发习惯，可以对特定用户进行个性化下一个单词预测，从而节省大量时间。此方法用于当前可用的虚拟助理。
智能面部锁人脸识别是利用人脸来验证身份的过程，人脸检测是其中的一个重要步骤。人脸检测将人脸与背景和其他障碍物区分开来，是一项比较容易的任务。
为了执行人脸检测并精确检测帧中的多个人脸，数据科学家通常使用HaarCascade分类器（一种与opencv模块一起用于读取和检测人脸的XML文件）。
深度神经网络（DNNs）也可以用于人脸识别，并且具有良好的性能。VGG-16、RESNET-50、facenet等迁移学习模型有助于构建高质量的人脸识别系统。
目前的模型具有很高的精度，可以为标记数据集提供90%以上的精度。人脸识别模型用于安全系统、监视和执法，以及更多的实际应用。
虚拟助理虚拟助手也被定义为人工智能助手，一个理解语音命令并为用户执行任务的应用程序。人工智能驱动的虚拟助理越来越普遍，正在席卷全球。
一些流行的虚拟助理示例有googleai、AppleSiri、MicrosoftAlexa和许多其他类似的虚拟助理。在这些助手的帮助下，语音命令可以被翻译并映射到自动化的实际工作中。
例如，用户可以通过简单的语音命令拨打电话、发送消息或浏览网页。用户还可以与这些虚拟助理交谈，因此他们也可以充当聊天机器人。
虚拟助理的力量不仅限于智能手机或电脑设备。它们还可以用于物联网设备和嵌入式系统，以高效地执行任务，并监控你周围的整个世界。这方面的一个例子可以是使用RaspberryPi的家庭自动化，其中一个人可以通过语音命令控制整个房子。
金融人工智能和数据科学在金融领域的进步也是巨大的。金融公司长期以来一直使用人工神经网络系统来识别超出规范的指控或指控，并将其标记为人工调查。人工智能在银行业的应用可以追溯到1987年，当时美国安全太平洋国家银行（ussecurityPacificNationalBank）成立了一个美国欺诈预防工作组，以打击欺诈性使用借记卡的行为。
快速决策和高质量的结果，以解决复杂的实时金融和经济问题，如股票市场预测使用时间序列分析。LSTM的深度学习方法也适用于这一领域，以实现对公司未来的可靠预测。
有了人工智能技术，流程被自动化来处理诸如解释新的规则和条例或为个人生成定制的财务报告等活动。例如，IBM的Watson可以掌握具体的立法，例如金融工具指令中市场的附加报告条款和住房抵押贷款披露
有了人工智能技术，流程被自动化来处理诸如解释新的规则和条例或为个人生成定制的财务报告等活动。例如，IBM的Watson可以掌握特定的法律，例如《金融工具市场指令》和《房屋抵押信息披露法》的其他报告规定。
医疗人工智能和数据分析在医学科学中的应用是至关重要的，这一领域的进展正在大大提高。人工智能有着各种各样的应用，在医疗部门有着广泛的应用。
第一个计算机科学初学者的问题之一是解决一个预测机器学习的挑战，以分类病人是否有肿瘤。评价数据一般具有一系列输入特征，具有不同的变量和样本输出。经过准备，机器学习算法可以识别出这些输入特征和输出特征，并在训练过程中尝试找到正确的匹配项。该模型能够准确地测量和绘制其他数据集的投影，具有较高的精度。
然而，这只是一个单一的案例，在医疗行业有很多用途。深度学习和神经网络有助于在扫描和其他医学应用中取得成功。计算能力的进步加上医疗系统中产生的大量数据，使得特定的临床问题非常适合人工智能应用。
下面是两个最近实现的可靠和科学适用的算法，可以帮助病人和临床医生，使诊断更容易。
第一个是在图像检测任务中优于医生的算法的几个现有示例之一。2018年秋天，首尔国立大学医院和医学院的研究人员开发了一种名为DLAD的人工智能算法，用于检查胸部X光片，识别不规则的细胞生长，比如潜在的癌症。
第二个来自谷歌AI医疗保健公司（GoogleAIHealthcare）的研究人员，也是在2018年秋天，他们开发了一种学习算法LYNA（淋巴结助手），该算法分析组织切片染色的组织样本，从淋巴结活检中对转移性乳腺癌进行分类。这并不是人工智能首次尝试组织学检查，但值得注意的是，该算法可以对活检样本中人眼无法识别的可疑区域进行分类。
随着更多数据驱动的智能应用程序已经提供给我们，在这个不断发展的数据科学和AI领域中，未来将继续见证更多的探索。
结论这篇文章，目的是介绍人工智能和数据科学在当代先进世界中最常见的一些实际应用。在人工智能中，这些技术还有很多用途，列出所有这些不同的可能性需要很长时间。本文提供了一个使用人工智能和数据科学发现的现代生活应用程序的了解。
☆END☆
如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「mthler」，每日朋友圈更新一篇高质量博文。
↓扫描二维码添加小编↓
人工智能有什么价值和意义
人工智能有什么价值和意义，人工智能(AI)使机器可以从经验中学习，适应新的输入并执行类似人的任务。您今天听到的大多数AI示例-从下象棋的计算机到自动驾驶汽车-都严重依赖于深度学习和自然语言处理。使用这些技术，可以训练计算机通过处理大量数据并识别数据中的模式来完成特定任务。
,
一、人工智能历史
人工智能一词始创于1956年，但是由于数据量的增加，先进算法以及计算能力和存储能力的提高，人工智能在当今变得越来越流行。
1950年代早期的AI研究探索了诸如解决问题和符号方法之类的主题。1960年代，美国国防部对这种工作产生了兴趣，并开始训练计算机来模仿人类的基本推理。
这项早期工作为我们今天在计算机中看到的自动化和形式推理铺平了道路，包括可以设计为补充和增强人类能力的决策支持系统和智能搜索系统。
好莱坞的电影和科幻小说将AI描绘成占领世界的类人机器人，而AI技术的当前发展并没有那么可怕，甚至还没有那么聪明。取而代之的是，人工智能已经发展为在每个行业提供许多特定的利益。继续阅读有关医疗保健，零售等方面人工智能的现代示例。
二、为什么人工智能很重要?
1)AI通过数据实现重复学习和发现的自动化。但是，人工智能不同于硬件驱动的机器人自动化。AI不是自动执行手动任务，而是可靠，无疲劳地执行频繁，大量的计算机化任务。对于这种类型的自动化，人工询问对于设置系统并提出正确的问题仍然至关重要。
2)人工智能为现有产品增加了智能。在大多数情况下，不会将AI单独出售。而是，您已经使用的产品将通过AI功能得到改善，就像将Siri作为新一代Apple产品的功能添加一样。自动化，对话平台，机器人和智能机可以与大量数据结合使用，以改善从安全智能到投资分析的各种家庭和工作场所技术。
3)AI通过渐进式学习算法进行调整，以使数据进行编程。人工智能发现数据的结构和规律性，从而使该算法获得技能：该算法成为分类器或预测器。因此，就像该算法可以教自己如何下棋一样，它可以教自己下一个在线推荐什么产品。当给定新数据时，模型会适应。反向传播是一种AI技术，允许在第一个答案不太正确时通过训练和添加数据来调整模型。
4)AI使用具有许多隐藏层的神经网络分析更多和更深的数据。几年前几乎不可能构建具有五个隐藏层的欺诈检测系统。不可思议的计算机功能和大数据改变了这一切。您需要大量数据来训练深度学习模型，因为它们直接从数据中学习。您可以提供的数据越多，它们变得越准确。
5)人工智能通过深度神经网络实现了令人难以置信的准确性，这在以前是不可能的。例如，Alexa，百度搜索和百度相册的交互都是基于深度学习的，并且随着我们使用它们的不断增加，它们将变得越来越准确。在医学领域，来自深度学习，图像分类和对象识别的AI技术现在可以用于以与训练有素的放射科医生相同的准确性在MRI上发现癌症。
6)AI充分利用数据。当算法是自学时，数据本身可以成为知识产权。答案在数据中。您只需要应用AI即可将其淘汰。由于数据的作用现在比以往任何时候都重要，因此可以创造竞争优势。如果您在竞争激烈的行业中拥有最好的数据，即使每个人都在应用类似的技术，那么最好的数据也会取胜。
三、如何使用人工智能
每个行业对AI功能的需求都很高，尤其是可以用于法律援助，专利检索，风险通知和医学研究的问答系统。AI的其他用途包括：
卫生保健
AI应用程序可以提供个性化的医学和X射线读数。私人保健助理可以充当生活教练，提醒您吃药，锻炼身体或保持健康饮食。
零售
AI提供了虚拟购物功能，可提供个性化的建议并与消费者讨论购买选项。人工智能还将改善库存管理和站点布局技术。
制造业
AI可以使用循环网络(一种与序列数据一起使用的特定类型的深度学习网络)，分析工厂IoT数据，使其从连接的设备流向预测预期的负载和需求。
银行业
人工智能提高了人类工作的速度，准确性和有效性。在金融机构中，人工智能技术可用于识别哪些交易可能是欺诈性的，采用快速准确的信用评分以及自动执行手动密集型数据管理任务。
四、人类与AI合作
人工智能不能代替我们。它增强了我们的能力，使我们的工作做得更好。由于AI算法的学习方式与人类不同，因此他们对事物的看法也有所不同。他们可以看到逃避我们的关系和模式。这种人类之间的AI合作关系提供了许多机会。它可以：
1)将分析引入当前未充分利用的行业和领域。
2)改善现有分析技术的性能，例如计算机视觉和时间序列分析。
3)打破经济障碍，包括语言和翻译障碍。
4)增强现有能力，使我们的工作做得更好。
5)给我们更好的视野，更好的理解，更好的记忆力等等。
五、使用人工智能有哪些挑战?
人工智能将改变每个行业，但我们必须了解其局限性。
AI的原则局限性在于它从数据中学习。没有其他可以合并知识的方式。这意味着数据中的任何错误都会反映在结果中。并且必须单独添加任何其他预测或分析层。
如今的AI系统已经过培训，可以完成明确定义的任务。玩扑克的系统不能玩单人纸牌或国际象棋。检测欺诈的系统无法驾驶汽车或向您提供法律建议。实际上，检测医疗保健欺诈的AI系统无法准确检测税收欺诈或保修索赔欺诈。
换句话说，这些系统非常非常专业。他们只专注于一项任务，而且行为举止远不及人类。
同样，自学系统也不是自主系统。您在电影和电视中看到的想象中的AI技术仍然是科幻小说。但是可以探测复杂数据以学习并完成特定任务的计算机变得非常普遍。
六、人工智能如何运作
AI通过将大量数据与快速，迭代的处理和智能算法结合在一起来工作，从而使该软件可以自动从数据的模式或特征中学习。人工智能是一个广泛的研究领域，包括许多理论，方法和技术，以及以下主要子领域：
1)机器学习使分析模型构建自动化。它使用来自神经网络，统计学，运筹学和物理学的方法来查找数据中的隐藏见解，而无需明确地为在哪里寻找或得出的结论进行编程。
2)神经网络是一种由相互连接的单元(如神经元)组成的机器学习，该单元通过响应外部输入，在每个单元之间中继信息来处理信息。该过程需要对数据进行多次遍历才能找到连接并从未定义的数据中获取含义。
3)深度学习使用具有多层处理单元的巨大神经网络，利用计算能力的进步和改进的训练技术来学习大量数据中的复杂模式。常见的应用包括图像和语音识别。
4)认知计算是AI的一个子领域，它致力于与机器进行自然的，类似于人的交互。使用AI和认知计算，最终目标是使机器能够通过解释图像和语音的能力来模拟人类过程，然后做出连贯的回应。
5)计算机视觉依赖于模式识别和深度学习来识别图片或视频中的内容。当机器可以处理，分析和理解图像时，它们可以实时捕获图像或视频并解释其周围环境。
6)自然语言处理(NLP)是计算机分析，理解和生成人类语言(包括语音)的能力。NLP的下一个阶段是自然语言交互，它允许人类使用日常的日常语言与计算机进行通信以执行任务。
此外，多种技术可以启用和支持AI：
1)图形处理单元是AI的关键，因为它们提供了迭代处理所需的强大计算能力。训练神经网络需要大数据和计算能力。
2)物联网从连接的设备生成大量数据，其中大部分未经分析。使用AI自动化模型将使我们能够使用更多模型。
3)正在开发先进算法并以新方式进行组合，以更快地，在多个级别上分析更多数据。这种智能处理是识别和预测罕见事件，了解复杂系统并优化独特方案的关键。
4)API或应用程序编程接口，是代码的可移植性软件包使其能够AI功能添加到现有的产品和软件包。他们可以将图像识别功能添加到家庭安全系统中，并可以使用Q&A功能来描述数据，创建标题和标题或在数据中标注出有趣的模式和见解。
总之，AI的目标是提供可以根据输入进行推理并根据输出进行解释的软件。人工智能将提供与人类类似的软件交互，并为特定任务提供决策支持，但它不能替代人类，而且不会很快出现。
摘自：https://www.aaa-cg.com.cn/data/2830.html