论文部分内容阅读
摘要：随着我国科学技术实力的不断增强，人工智能技术作为新兴的计算机科学出现在人们的视域中，以互联网平台、大数据技术、数据库为依托的人工智能设备不仅能为人们的生产、生活提供服务支持，还能辅助人们完成工作任务，提高工作效率。智能化是21世纪信息技术的发展趋势之一，人工智能则代表了信息技术发展的前沿领域。在信息技术新课程中，人工智能的内容除了单独设置选修模块外，还在必修课程“信息加工与表达”中给予了充分的体现。课程中既让学生通过实例演示体验人工智能的基本工作原理，又有相关前沿知识的介绍。现代科学领域下的人工智能技术呈现出数理融合形态，学习人员不但要具备较强的逻辑思维，还要具备物理探究能力，能通过实验现象发现问题，运用数理知识解决问题。
关键词：数理基础；人工智能；问题研究
1 数理基础的定义
数理基础科学专业强调打好数学和物理学的基础的同时，培养学生对数学的高度抽象思维能力，同时具有现代物理学的形象思维和实验技能，由于数理基础科学专业的学生具备较扎实的数学和物理学的专业知识。该专业主要培养能从事数学、物理等基础科学教学和科研的有发展潜力的优秀人才，尤其是在数学、物理上具有创新的能力的人才，同时也为对数理基础要求高的其它学科培养有良好的数理基础的新型人才。
2 人工智能
人工智能计算机学科的一个分支，是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
3 数理基础对人工智能学习的主要影响因素
3.1 数学基础在人工智能中的应用
数学是一门博大精深的学科，同时，他也是人工智能技术发展，必不可少的基石。虽然数学一向是被认为独立性最强的纯科学，但是在人工智能时代，数学已经咸鱼翻身。人工智能（AI）实际上是将数学，算法，工程紧密结合的一块领域。现阶段AI涉及的算法更多的是在数学的理论体系之中（如数学逻辑，概率论，统计学）。硬件技术涉及到许多门类的学科（如物理，化学，数学），而软件技术除了语言逻辑之外，很大一部分需要用到数学知识，越是高深的程序（其中环节，如逻辑思维、数据结构、算法等），就越需要各种不同的数学知识：①枚举：进行归纳推理，根据可能情况得出结论。计算机程序中是一个被命名的整型常数的集合，枚举的说明与结构和联合相似。②递归：使用有意义的方式用一个词来定义其本身，计算机程序中是一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法。③排序：选取一个衡量因素来进行比较，然后按照根据这个因素进行排列。④集合：指具有某种特定性质的具体的或抽象的对象汇总成的集体。⑤数组与矩阵：是无序的元素序列。数组又分为：一维数组、二维数组、多维数组。然后，二维与多维数组，也就是矩阵。矩阵在数学中，是指一个按照长方阵列排列的复数或实数集合。⑥基本的数值计算常识（牛顿法，二分法，线性回归和最小二乘，误差控制）。⑦基本的微积分，高维函数的微积分（尤其是微分的部分）。
⑧基本的线性代数：向量和矩阵运算，矩阵求逆，相似矩阵，矩阵的特征值和特征向量，行列式等。⑨期望，方差，协方差等基本概念。常见的概率分布，条件概率的链式法则，贝叶斯公式，极大似然估计。
⑩高维函数的微积分与线性代数的综合知识，Hessian 矩阵Jacobian 矩阵，二次型等等。
3.1.2 线性代数
线性代数不仅仅是人工智能的基础，更是现代数学和以现代数学作为主要分析方法的众多学科的基础。从量子力学到图像处理都离不开向量和矩阵的使用。线性代数的核心意义在于提供了?种看待世界的抽象视角：万事万物都可以被抽象成某些特征的组合，并在由预置规则定义的框架之下以静态和动态的方式加以观察。其本质在于将具像的事物进行抽象化数字处理，并描述其动静态特性，通过不同的表达形式来阐述在不同维度中，事物的数学特性与变化。总之，线性代数之于人工智能如同加法之于高等数学，是一个基础的工具集。
3.1.3 概率论
概率论也是人工智能研究中必备的数学基础。在数据爆炸式增长和计算力指数化增强的今天，概率论已经在机器学习中扮演了核心角色。其关注的焦点是无处不在的可能性。频率学派认为先验分布是固定的，模型参数要靠最大似然估计计算；贝叶斯学派认为先验分布是随机的，模型参数要靠后验概率最大化计算；正态分布是最重要的一种随机变量的分布。
3.1.4 数理统计
在人工智能的研究中，数理统计同样不可或缺。基础的统计理论有助于对机器学习的算法和数据挖掘的结果做出解释，数理统计根据观察或实验得到的数据来研究随机现象，并对研究对象的客观规律做出合理的估计和判断。当然概率论与数理统计还是存在着本质区别。两者的统计样本（随机变量特征）的分布是不同的，前者是已知，后者是未知。
3.1.5 人工智能在各行业的应用
人工智能随着大数据的发展，将智能应用发展得淋漓尽致，在各行各业都得到广泛的应用。包括智能家居，智慧金融，智能客服，智能制造，智能医疗，智能艺术创作等各大领域。
智能家居：Echo音箱，智能炒菜机器人，智能安防等等。将人工智能技术嵌入，只需要通过碰触、手势、语音识别、人脸识别即可实现各种功能。
智慧金融：通过挖掘金融市场、风险变化、用户数据规律，给用户制定个性化服务。包括智能投资顾问行业、保险行业、征信行业等等。
4 物理实验探究思维和思辨意识
物理是理工学知识体系重要的组成内容，包括理论物理、经典物理等内容，是现代科学技术发展的重要理论指导。在基础物理领域，经典物理体系及光学、电学、电磁学、热学、力学是组成物理学的组织基础，其中涉及到光学、电学、电磁学、热学和经典力学体系的实验探究思维和思辨意识是学习人工智能技术常用的方法。包括智能编程、数据管理、软件开发、架构优化与策划都需要用到实验探究思维，其中涉及到实践的理论和知识必须通过计算机模拟实验、软件测试、智能集成等方法进行优化，通过找到信息影响因子，去除影响因素来制定解决方案，优化系统。思辨意识是实验探究思维常用到的研究方法，通过从正、反两方面对比物体的形式、特征、属性、原理找尋物体所具有的特性，分析物体特性形成的原因，找到内部的组织规律。人工智能领域中思辨意识的运用是基于计算机系统和中央处理系统数据链对接的探究方法，用于判定智能系统的特性和原理。
5 结语
综上所述，数理基础是人工智能技术学习的基础，是学习者应具备的基本理论知识。只有学习者树立抽象思维、运用实验探究方法，从对比、演绎角度出发才能深入了解人工智能知识、技术和学习方法，找到学习规律，让自身形成完备的技术素养。
参考文献
[1]陈立鹏.人工智能引发的科学技术伦理问题[J].文学教育（下）.2012（08）：1-4
[2]李锦峰，滕福星.从技术伦理视角审视人机聊天[J].自然辩证法研究.2008（09）：11-14
（作者单位：天津市五十七中学）
关键词：数理基础；人工智能；问题研究
1 数理基础的定义
数理基础科学专业强调打好数学和物理学的基础的同时，培养学生对数学的高度抽象思维能力，同时具有现代物理学的形象思维和实验技能，由于数理基础科学专业的学生具备较扎实的数学和物理学的专业知识。该专业主要培养能从事数学、物理等基础科学教学和科研的有发展潜力的优秀人才，尤其是在数学、物理上具有创新的能力的人才，同时也为对数理基础要求高的其它学科培养有良好的数理基础的新型人才。
2 人工智能
人工智能计算机学科的一个分支，是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
3 数理基础对人工智能学习的主要影响因素
3.1 数学基础在人工智能中的应用
数学是一门博大精深的学科，同时，他也是人工智能技术发展，必不可少的基石。虽然数学一向是被认为独立性最强的纯科学，但是在人工智能时代，数学已经咸鱼翻身。人工智能（AI）实际上是将数学，算法，工程紧密结合的一块领域。现阶段AI涉及的算法更多的是在数学的理论体系之中（如数学逻辑，概率论，统计学）。硬件技术涉及到许多门类的学科（如物理，化学，数学），而软件技术除了语言逻辑之外，很大一部分需要用到数学知识，越是高深的程序（其中环节，如逻辑思维、数据结构、算法等），就越需要各种不同的数学知识：①枚举：进行归纳推理，根据可能情况得出结论。计算机程序中是一个被命名的整型常数的集合，枚举的说明与结构和联合相似。②递归：使用有意义的方式用一个词来定义其本身，计算机程序中是一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法。③排序：选取一个衡量因素来进行比较，然后按照根据这个因素进行排列。④集合：指具有某种特定性质的具体的或抽象的对象汇总成的集体。⑤数组与矩阵：是无序的元素序列。数组又分为：一维数组、二维数组、多维数组。然后，二维与多维数组，也就是矩阵。矩阵在数学中，是指一个按照长方阵列排列的复数或实数集合。⑥基本的数值计算常识（牛顿法，二分法，线性回归和最小二乘，误差控制）。⑦基本的微积分，高维函数的微积分（尤其是微分的部分）。
⑧基本的线性代数：向量和矩阵运算，矩阵求逆，相似矩阵，矩阵的特征值和特征向量，行列式等。⑨期望，方差，协方差等基本概念。常见的概率分布，条件概率的链式法则，贝叶斯公式，极大似然估计。
⑩高维函数的微积分与线性代数的综合知识，Hessian 矩阵Jacobian 矩阵，二次型等等。
3.1.2 线性代数
线性代数不仅仅是人工智能的基础，更是现代数学和以现代数学作为主要分析方法的众多学科的基础。从量子力学到图像处理都离不开向量和矩阵的使用。线性代数的核心意义在于提供了?种看待世界的抽象视角：万事万物都可以被抽象成某些特征的组合，并在由预置规则定义的框架之下以静态和动态的方式加以观察。其本质在于将具像的事物进行抽象化数字处理，并描述其动静态特性，通过不同的表达形式来阐述在不同维度中，事物的数学特性与变化。总之，线性代数之于人工智能如同加法之于高等数学，是一个基础的工具集。
3.1.3 概率论
概率论也是人工智能研究中必备的数学基础。在数据爆炸式增长和计算力指数化增强的今天，概率论已经在机器学习中扮演了核心角色。其关注的焦点是无处不在的可能性。频率学派认为先验分布是固定的，模型参数要靠最大似然估计计算；贝叶斯学派认为先验分布是随机的，模型参数要靠后验概率最大化计算；正态分布是最重要的一种随机变量的分布。
3.1.4 数理统计
在人工智能的研究中，数理统计同样不可或缺。基础的统计理论有助于对机器学习的算法和数据挖掘的结果做出解释，数理统计根据观察或实验得到的数据来研究随机现象，并对研究对象的客观规律做出合理的估计和判断。当然概率论与数理统计还是存在着本质区别。两者的统计样本（随机变量特征）的分布是不同的，前者是已知，后者是未知。
3.1.5 人工智能在各行业的应用
人工智能随着大数据的发展，将智能应用发展得淋漓尽致，在各行各业都得到广泛的应用。包括智能家居，智慧金融，智能客服，智能制造，智能医疗，智能艺术创作等各大领域。
智能家居：Echo音箱，智能炒菜机器人，智能安防等等。将人工智能技术嵌入，只需要通过碰触、手势、语音识别、人脸识别即可实现各种功能。
智慧金融：通过挖掘金融市场、风险变化、用户数据规律，给用户制定个性化服务。包括智能投资顾问行业、保险行业、征信行业等等。
4 物理实验探究思维和思辨意识
物理是理工学知识体系重要的组成内容，包括理论物理、经典物理等内容，是现代科学技术发展的重要理论指导。在基础物理领域，经典物理体系及光学、电学、电磁学、热学、力学是组成物理学的组织基础，其中涉及到光学、电学、电磁学、热学和经典力学体系的实验探究思维和思辨意识是学习人工智能技术常用的方法。包括智能编程、数据管理、软件开发、架构优化与策划都需要用到实验探究思维，其中涉及到实践的理论和知识必须通过计算机模拟实验、软件测试、智能集成等方法进行优化，通过找到信息影响因子，去除影响因素来制定解决方案，优化系统。思辨意识是实验探究思维常用到的研究方法，通过从正、反两方面对比物体的形式、特征、属性、原理找尋物体所具有的特性，分析物体特性形成的原因，找到内部的组织规律。人工智能领域中思辨意识的运用是基于计算机系统和中央处理系统数据链对接的探究方法，用于判定智能系统的特性和原理。
5 结语
综上所述，数理基础是人工智能技术学习的基础，是学习者应具备的基本理论知识。只有学习者树立抽象思维、运用实验探究方法，从对比、演绎角度出发才能深入了解人工智能知识、技术和学习方法，找到学习规律，让自身形成完备的技术素养。
参考文献
[1]陈立鹏.人工智能引发的科学技术伦理问题[J].文学教育（下）.2012（08）：1-4
[2]李锦峰，滕福星.从技术伦理视角审视人机聊天[J].自然辩证法研究.2008（09）：11-14
（作者单位：天津市五十七中学）