人工智能在大学校园的重要运用
近年来，随着全球经济的快速发展，计算机科学技术的迅猛进步和发展以及高校智慧管理对于科学技术应用的迫切需求，物联网应用、大数据管理、5G和云计算等前言技术都逐渐在高校智慧管理上得到了体现和普及。而人工智能技术作为当前在高校管理中最受青睐的高科技技术，已在教学研究管理、在线教育和学生校园生活优化等各个方面得到了深度应用并在取得显著成效。本文介绍人工智能现阶段在高校校园管理中的重要应用，以供参考。
1人工智能的诞生
人工智能诞生于20世纪50年代中期。1956年夏天，在美国达特茅斯(Dartmouth)大学院所举办的一次国际学术会议上，约翰麦卡锡首先提出了人工智能这一术语。在当时，希望人类不但可以利用程序使电脑完成棋类游戏，同时还能够让人类智能的各项特点以及学习的各方面都可以在机器中得以完成，也因此人工智能就成为了全球科学研究的起点。此后，由于计算机的诞生与发展，人类才进行了具有真正意义上的人工智能研发。但直到2016年春天，在韩国的一场AlphaGo和中国职业九段棋手李世石之间的人机大战，才已经将人类推向了人工智能研究与发展的新浪潮。
2人工智能的含义和运用人工智能的意义
什么是人工智能呢？人工智能是指模仿人脑的认识和思维过程，并采取人类的技术、手段，使人自身的智能和思考模式成为原型，从而完成对计算机智能的开发。通俗的讲，人工智能就是使机器具有听、说、写、学习、模拟人类思维等功能的一门学科，简称AI(ArtificialIntelligence)。人工智能的发展与使用，将人类从单纯、机器、复杂的工作解脱了过来，使人类科技技术发展迈上了一个新的台阶，更是人类历史上的一场重要的科技革命，它必将给人类社会带来方方面面的重大变革。也必将改变现代的教育方式，使教育资源的配备更完善，教育方式更灵活，促进教育更均衡发展。
3在大学校园中应用人工智能技术的意义
3.1辅助教学管理
目前，人工智能技术正在被广泛地应用于国内高校智慧校园建设，人工智能技术的应用有效地提高了学校各类服务水平，尤其是教学管理水平，促进了教学管理的科学化和教学资源配置的合理化。例如，嵌入了人工智能和大数据分析技术的教学管理系统，可以科学有效地管理不同层次不同类型的学籍档案，更全面科学地为学生提供针对性的学习服务，更加有效地跟踪学生的学习进度，并为完成学习的学生提供数字证书和学分认证，也可以实时监测到学习进度落后的学生，及时对其进行网络预警和提醒。
3.2提升学习体验
人工智能技术的应用不仅能够帮助学生深度理解抽象理论，也能够带给学生的高质量的学习体验。结合人工智能技术和虚拟现实技术研发教育类游戏，能够为学生提供身临其境的学习体验，也可以帮助学生提升发散思维能力与创新能力。例如，挪威卑尔根大学曾经使用“虚拟现实之旅2004”这款大型虚幻竞技类游戏，去帮助学生学习英语。实验结果显示，在游戏竞争机制环境引导下，学生的英语成绩得到了明显提高。同理，在高等院校教学中可以基于人工智能技术和虚拟现实技术创设以某种课程主题为背景的场景供学生进行模拟实习，以达到对课程内容的现实运用。
3.3辅助教学实施
数据挖掘和教师行为分析技术也是人工智能技术的在教师教育应用的主要方面，美国北德克萨斯大学就开发了采用复杂模式匹配计算、数据挖掘等智能技术的智能导师管理系统，它可以自主产生有意义的与教师交互，并辅助老师的教育过程。随着在线教育的快速发展和在线课程的迅速普及，在院校教学中可以充分利用教育数据挖掘技术，去改善当前院校教学资源建设中存在的重复建设、针对性不强等问题，在线上教学平台、专业领域、课程类别等多个不同层次，对院校教学资源进行重新分配和科学整合，提升教学资源分配的合理性和使用效率。同时，高等院校智慧校园的建设，也可以充分应用学生学习行为分析技术，研发适用于高等院校教学的学生学习行为分析系统，该系统主要包括：智慧教室所包含的各类传感系统，学生学习行为监控识别分析系统和学生学习数据分析系统，通过对学生的实时学习状态进行识别分析，全程跟踪，学习数据分析，可以在某种意义上实现为学生“量体裁衣”，帮助教师“有的放矢”，有效提高教学的针对性。此外，高等院校还要结合各院校的实际，对课堂教学、实习与操作三个方面对如何运用人工智能技术进行研究和阐释。
3.4助力师资培养
人工智能技术在教学领域的应用，也为教师自身的职业发展提供了新的契机。在疫情防控期间，传统的线下教育方式面临着极大的挑战，也为在线教育的发展打开了新的窗口期。优质师资的合理充分利用，成为了当前在线教育领域急需解决的关键性问题，而利用人工智能技术进行师资合理分配也成为了全球范围内解决该问题的新的有效手段。美国德州仪器公司多年来一直致力于将研发一线的工程师引入教学之中，以此拓展师资力量和课程资源，将前沿技术和真正的工程师带到学生面前。人工智能技术使得更多产业相关人士可以通过虚拟的方式“走入”课堂。同时，线上教育的蓬勃发展也对教师这个职业群体带来了新的机遇与挑战。一名优秀的教师，不仅要具备较强的线下教育教学能力，还需要有能力驾驭线上教学这一新的教育方式，尤其是对信息技术和在线教育平台功能的驾驭能力，也成为了衡量教师教学能力素质的重要标准。
3.5辅助教学评估
传统的教学评估主要依托教学过程中的各类信息记录，通过教学管理和教学评估人员的筛选和分析，比对前期制定的评估标准，得出最终的评估结论，并反馈到新一轮的教学实施过程中。基于大数据的人工智能分析技术的试点应用，对传统教学评估手段带来了革命性的积极影响，无论是教学评估实施过程，教学评估结论的形成，甚至于教学评估标准的制定，都会在其影响下变得更加高效、精确、科学。北京师范大学创新研发并应用了以人工智能技术为支持的教学评估工具，其中包括对学习全程的数据信息采集，学习大数据分析，学习者建模，以及多维度的评测工具，尽管这种教学评估工具与模型尚不够完善，但是人工智能技术为教学评估手段带来的变革，必然将最终替代传统的人工教学评估手段。当前院校的教学评估手段，大部分仍然是以人工教学评估为主，这种教学评估方式往往呈现出数据信息不够实时精确、人工分析工作量大、分析数据误差值高，评估标准制定不够科学规范，评估结论产生偏差等多方面的问题。积极借鉴国内高校在人工智能，尤其是大数据分析、算法设计和模型构建等方面的先进技术应用成果，研发出适用于高等院校教学的智能教学评估系统，不仅可以有效地解决传统教学评估存在的各类问题，也可以大大提升院校教学评估的科学化、信息化水平，更好地为教学服务。
4人工智能在大学校园的重要应用
4.1人工智能在校园出入管理的应用
开放式管理的高校每日都会有教师学生以及社会人员的频繁出入，而大学校园由于校园规模大往往会有多个校门允许不同人员的自由流动。若不借助智能技术的应用，校园安保人员对于安全管控的难度较大，应用人工智能技术而研发的人脸和指纹识别系统可以解决此问题。现阶段，高校校园的人脸级指纹识别系统主要应用于校门进出管理和学生公寓管理两方面。对于校园人员的进出管理，通过在各个校门设置人脸识别设备，进出校园的师生即社会人选均需进行刷脸操作，以此获得面部信息并且与系统中已录入的信息进行快速比对；若非本校人员，系统将对该人员的图像信息进行捕捉记录，并且进行对人员校园活动的全程跟踪，以提前预防外来人员对学校的潜在安全隐患，提高校园管控的安全系数和可靠性。对于宿舍学生的管理，为防止学生夜不归宿以及对学生回寝时间的记录和管理，人脸识别系统可以对每一个进出公寓的学生进行出入宿舍时间、是否携带贵重物品等关键信息进行记录，进一步提高考勤信息管理的效率，更加方便的为学校和宿舍管理人员提供学生的住宿和生活情况
4.2人工智能在信息线上采集打卡的应用
为保障学生安全，方便高校对学生的管理和情况的随时跟踪定位，现阶段许多高校均使用人工智能技术来进行对学生信息的采集。信息采集系统将根据日期每日上传调查问卷，学生则在规定时间段进行对问卷的填写，并且上传自己的实时位置。若学生显示定位不在校内，信息定位系统将对学生的位置信息进行跟踪并标记；若学生在规定时间内还未返回校园，系统将对该学生的手机进行定位并且发送提示信息，从而实现对学生行踪的管控。在疫情防控期间，教职工和学生的返校行程统计和体温采集工作也离不开人工智能技术的应用。大学校园在节假日和寒暑假返校时由于人流量大、流动省份涉及较多等因素成为管理的重难点。人工智能技术可以对返校人员所在的地区以及返校途中经过的不同地区进行追踪，根据划分的地区风险等级进行排查筛选，以此实现对学生返校的错峰管理；同时，在进行每日健康信息填报时，若体温高于正常温度，系统将上报该学生信息并且对学生健康情况进行下一步的追踪，从而实现对疫情的提前防控。
4.3人工智能在网络智能教学的应用
人工智能技术目前在教学管理方面的应用主要在线上教学和个性化辅导方面。根据人工智能和大数据等技术，高校的网络教学平台系统可以根据学生对课程搜索的关键词和高频词汇进行统计和搜集，为学生提供丰富的课程资源，进而根据学生的不同需求为学生推荐不同的在线课程，有针对性的进行学生的课程辅导。同时，系统还可以根据学生对课程的完成度、掌握情况已经感兴趣程度生成学生学习的调查报告，对学生的优势科目和研究方向进行AI分析，从而可以让学生更好的对自己的学习情况进行全面把握。人工智能教学还体现在现阶段高校课程中必修且十分重要的英语课程的教学上。人工智能技术可以与许多英语学习软件结合，通过收集学生英语口语的语音信息，使用智能算法分析发音弱点，在线定位学生的口语薄弱环节并且给出专业的发音指导，从而更加高效率的对学生英语发音的语音语调进行改善；同时人工智能技术还可以根据学生的兴趣匹配不同的学习方式，从而真正意义上实现学生的个性化辅导和教育。
4.4人工智能在便利教职工生活的重要应用
人工智能的普遍应用已经嵌入在学校生活的方方面面。小型无人驾驶汽车提供的送餐服务极大的便利了校内人员的生活。通过提前在系统中设定送餐的目的地址，人工智能算法将自动计算最优路线，进而实现对送餐路线的最优决策。同时配送车可以一次性配送多数量用餐，并且在路途中对餐盒的保存更完善，解决了人工送餐时数量较少、速度较慢且容易损坏餐盒的问题。在取餐时，用户可以通过车上的摄像头进行人脸识别，匹配到正确的个人信息时允许用户取餐，进一步避免错拿外卖的情况发生。人工智能与基础设备的结合也大大提高了校园智能管理的效率。比如，学生可以对图书馆选座进行预约，自助餐厅的出现节约了不必要的人工成本，超市的自助结账机可以方便快捷的提供无人工结账功能等，人工智能技术与结合校园生活相结合，极大了便利了校园生活，同时大大降低了学校在各个方面投入的人工成本。
4.5人工智能在智慧图书馆的重要应用
随着5G时代的来临，数字化图书将成为人类读书的主要方法，纸质图书占比重也会明显下降。为了顺应时代的发展趋势，各大学图书馆也纷纷引入了数字借阅业务，并逐步地向数字化图书馆转变，开始全力推动智慧图书馆的建立。目前，多数大学图书馆仍允许学生随意进出，这就大大增加了学校图书的流失、损毁几率，从而对学校图书馆带来了极大的损失。通过智能图书馆建设，运用人工智能技术手段利用高清摄像机，对出入馆内的中小学生实施人脸识别，并运用深度学习技术完成了对学生在图书馆内运动轨迹的即时监测，精确定位学生在图书馆内的具体位置，从而有效减少了书籍流失和损毁概率。利用人工智能技术还可以对图书进行精确定位，可以便于图书馆管理者对各类图书的高效管理，也可以有效提升学生查找相关资源的效率。借助智慧图书馆的建立，还能够给学校带来大量优秀的电子图书，学校学生可以从馆内电子浏览装置处获得相应的电子图书下载资源，下载后学生可以随时查阅电子图书，从而丰富了自己的课外生活。还可利用人工智能技术，进行书籍的自主借还，学习者也可以通过扫描特定区域的条码进行借还书籍，如此就可以有效缩短借还书籍的过程，也便于学习者更有效地运用时间完成学业。
5结论
总之，人工智能技术的应用在校园生活的应用使得校园管理效率大大提高，同时实现了学生的个性化分析教学。未来人工智能将进一步在教学应用思路上进行拓宽，并且在促进教学改革、教育教学的智能化发展上不断进步。
作者：马唯一张冬梅单位：山东理工大学
人工智能的十个里程碑事件，你知道几个
本文系网易智能工作室（公众号smartman163）出品。聚焦AI，读懂下一个大时代！
【网易智能讯9月27日消息】人工智能是一个非常重要和复杂的领域。关于人工智能的里程碑式事件，这里我们盘点了你应该知道的十个。
将人工智能（AI）压缩到10个“需要记忆的时刻”并不容易。在数以百计的研究实验室和数千名计算机科学家的帮助下，编制一份每一项具有里程碑意义的成就的清单，都将是一份智能算法的工作。然而，我们已经仔细研究了历史书籍，为你带来了人工智能历史上最重要的10个里程碑式的发展。
一、神经网络的诞生
你可能已经听说过神经网络，在当今最先进的人工智能背后，是大脑激发的人工智能工具。你可能已经听说过神经网络，这是一种当今前沿人工智能背后受大脑启发的人工智能工具。虽然像深度学习这样的概念是比较新的，但它们背后的理论体系可以追溯到1943年的一个数学理论。
WarrenMcCulloch和WalterPitts的《神经活动内在想法的逻辑演算》可能听起来非常的普通，但它与计算机科学一样重要（甚至超过计算机科学）。其中，《PageRank引文排名》一文，催生了谷歌的诞生。在在《逻辑微积分》中，McCulloch和Pitts描述了如何让人造神经元网络实现逻辑功能。至此，AI的大门正式打开。
二、人工智能的名字由来
如果要提到人工智能的真正开端，那就要追溯到1955年8月31日。当时，研究人员JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提交了一份《2个月，10个人的人工智能研究》的提案，第一次提出了“人工智能”的概念。而其中JohnMcCarthy被后人尊称为“人工智能之父”。
1956年，会议在达特茅斯学院占地269英亩的庄园举行。不幸的是，他们对于人工智能的发展有点过于乐观了。他们写到：“我们认为，如果一个精心挑选的科学家团队努力工作一个夏天，那我们就能取得重大进展。”然而事实证明，时间花得远比想象中的要多很多。
三、反向传播算法（BACKPROP）的出现
反向传播（英语：Backpropagation，缩写为BP），有时缩写为“BP”，是机器学习历史上最重要的算法之一。尽管该算法成为机器学习的主流算法是在20世纪80年代，但该算法第一次被提出是在1969年。这是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法计算对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。
反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督网络（如自动编码器）中。它是多层前馈网络的Delta规则的推广，可以用链式法则对每层迭代计算梯度。反向传播要求人工神经元（或“节点”）的激励函数可微。简而言之，这意味着创作者可以通过在犯错时纠正错误来训练他们的网络。完成后，道具会修改神经网络中的不同连接，确保下次遇到同样问题时能得到正确的答案。
四、语言助手的诞生
提及亚马逊的Alexa、谷歌助手和苹果的Siri大家一定都不陌生。早在20世纪60年代中期，麻省理工学院的一名研究人员就发明了一个名为ELIZA的计算机心理治疗师，可以实现与用户之间的“智能”对话。在当时，ELIZA的发明者就指出，用户如此愿意以这种方式与机器交谈，这让他们感到非常惊讶。
五、科技奇点的提出
1993年，作家兼计算机科学家VernorVinge发表了一篇文章，这篇文章首次提到了人工智能的“奇点”。而这里所指的“奇点”并不是广义上的，而是指未来某一天机器将变得比人类更聪明，甚至会取代人类，主宰人类世界。但在1993年，作家兼计算机科学家VernorVinge发表了一篇文章，这篇文章推广了这个想法。
被称为“即将到来的技术奇点”，Vinge预测，在未来30年内，人类将拥有创造超级人工智能的能力。他写到：“不久之后，人类时代就会结束。”这是一个警告，和现如今特斯拉CEO马斯克所担心的一样。
六、第一辆自动驾驶汽车诞生
你认为谷歌开发了世界上第一辆自动驾驶汽车吗？错！早在1986年，德国联邦国防军大学的研究人员就在一辆奔驰面包车上安装了摄像头和智能传感器，成功地在空无一人的街道上行驶。
几年后，一位名叫DeanPomerleau的卡内基梅隆大学的研究人员建造了一辆自动驾驶的庞蒂克运输小货车，并沿海岸线从宾夕法尼亚州的匹兹堡到加州的圣地亚哥,共行驶了2797英里。相较于当今的自动驾驶技术，当时的这项技术像是小儿科，但是至少它证明了无人驾驶是可以实现的。
七、IBM“深蓝”战胜国际象棋冠军
对于人工智能来说，1997年是一个标志性的年份，IBM的“深蓝”超级计算机在一场人机大战中战胜国际象棋冠军GarryKasparov。尽管毫无疑问，深蓝的处理信息比人类更快，但真正的问题是，它是否更有策略地思考。事实证明这是可以的！
这一结果可能并没有证明人工智能有能力在有明确规则的问题上表现得异常出色，它仍然是人工智能领域的巨大飞跃。
八、IBM“沃森”在智力竞赛节目中大获全胜
就像深蓝与GarryKasparov的比赛一样，IBM的人工智能在2011年面临着另一个巨大的挑战——沃森人工智能在著名的智力竞赛节目“Jeopardy”中击败了对手布拉德·拉特和肯·詹宁斯，成功赢取了100万美元的大奖。比赛结束后，肯·詹尼斯打趣道：“欢迎我们的新机器人霸主。”人工智能的再次胜利，又一次向世界证明了人工智能比人脑更快。
九、AI也爱猫？通过深度学习算法识别猫科动物
2012年6月，谷歌研究人员JeffDean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练了一个由16,000个电脑处理器组成的庞大神经网络。尽管没有给出有关它们的识别信息，但人工智能还是能够通过深度学习算法来识别猫科动物的照片。
事实证明，就像我们一样，即使是令人印象深刻的智能AI，也喜欢看视频，而且尤其喜欢猫科动物。
十、谷歌AlphaGo战胜世界围棋冠军李世石
2016年3月，继IBM深蓝之后，谷歌DeepMind的AlphaGo在四场比赛中击败了国际围棋世界冠军李世石，而这场激烈的人机大战吸引了来自世界各地的6000万人的观看。同样，2017年的升级版AlphaGo再次击败了国际围棋大师柯洁，引发了全世界的关注。（选自：digitaltrends翻译：网易见外智能编译平台审校：抹茶）
关注网易智能公众号（smartman163），获取人工智能行业最新报告。
人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]