一、专家系统、人工智能(论文文献综述)
李越茂,姚枫,宋佩珂[1](2022)在《人工智能技术在电力行业的应用现状和发展趋势初探》文中提出人工智能作为一门新兴的学科,已成为当前新一轮技术革命的核心驱动力,上升为国家战略,备受各方关注。介绍了人工智能技术的在电力行业各领域的应用现状,分析了人工智能技术应用中存在的问题和不足,并对人工智能技术的发展趋势进行了展望。
周晔[2](2022)在《人工智能背景下会计行业的发展趋势研究》文中认为人工智能的快速发展使得信息技术不断颠覆传统的行业模式,也给各个行业带来了新的发展契机,会计行业作为传统行业也面临着巨大的挑战。本文首先介绍了人工智能的内涵、目前所处的人工智能阶段及现在或者未来应用于会计的人工智能技术。其次分析了人工智能将会在哪方面以何种程度影响会计行业的发展趋势。再次对现在及未来人工智能在会计领域的具体应用进行了分析。最后给会计行业相关人员应对人工智能发展所需采取的措施给出了建议。
曾毅[3](2021)在《人工智能技术在网络故障诊断中的运用》文中提出人工智能技术在多年发展中已得到不断完善与进化,是科技与时代进步的主要体现。由于网络故障会影响系统正常运作,因此对故障进行诊断十分必要。当前,为提高故障诊断效率,人工智能技术已经在故障监控、识别、原因分析等方面得到广泛运用。基于此展开研究,探讨网络故障诊断中的人工智能关键技术及其具体运用,以供参考。
马国洋[4](2021)在《论刑事诉讼中人工智能证据的审查》文中提出人工智能证据是基于人工智能分析形成的可用于证明案件事实的机器意见。作为一种新型的科学证据,人工智能证据是由机器而非人类作出的实质判断,使用时审查内容主要包括相关性和可靠性两个方面。相关性由技术相关性、数据相关性和结论相关性三个层面构成,对相关性进行审查时应遵循"适当"标准。可靠性同样包括三个层面,分别是技术可靠性、数据可靠性和结论可解释性。其中,对技术可靠性的审查应重点关注错误率;对数据可靠性的审查应着眼于数据收集阶段的可靠性和数据标注阶段的可靠性;对结论可解释性的审查应判断人类能否理解和解释具有黑箱性和复杂性的人工智能所作出的结论。为有效构建人工智能证据的审查体系,应明确人工智能证据证据种类"两步走"策略,创建人工智能证据审查规则和方法,完善人工智能证据质证机制。
钱小龙,陈瑞瑞[5](2021)在《人工智能人才培养的历史考察与发展愿景》文中指出人工智能的竞争归根到底是人才储备和质量的竞争。世界一流大学对人工智能的研究一直走在前列,对人工智能的人才培养也形成了一套成熟的模式。人工智能人才培养历史可以划分为四个主要的阶段,即萌芽期、发展期、转折期、革新期。随着历史的演进,人工智能人才培养从起初的模式单一、结构不合理逐渐发展成体系完善、理念多元、形式多样、多方共筑。当前,各高校要注重目标取向的多元化,关注人工智能本科专业建设,加强校企合作,培养优质人才。
张少杰,李娜[6](2021)在《国际社会科学领域人工智能研究演进与前沿》文中指出本文利用科学计量工具CiteSpace,对SSCI数据库中1956—2019年的3620篇相关期刊论文进行可视化分析。研究发现:国际社会科学领域人工智能研究呈指数型增长,美国引领了社会科学领域的人工智能研究,中国发文量排名第二但国际学术影响力有待提升;核心研究机构以发达国家高校为主,且各研究群体间缺乏合作与交流;高产作者与高被引作者没有重叠性,差异性较大。在人工智能技术的推动下,社会科学领域相关研究呈现出较强的波段特征,先后经历了早期以专家系统为核心的行业应用研究阶段、中期基于人工神经网络的社会科学问题预测阶段以及当代以深度学习为基础的多元化研究阶段,新需求、新问题和新技术是社会科学领域人工智能研究发展的三大驱动力。高突现关键词表明"大数据"和"互联网"是当前的研究前沿,并有可能成为未来社会科学领域人工智能研究的重要发展方向。
洪佳惠[7](2021)在《档案鉴定与人工智能:将来,如何以及是谁在言说历史》文中指出将人工智能应用于档案鉴定就是要构建一个具备机器学习能力的档案鉴定专家系统,但该人工智能系统与人脑的差异、"黑盒子"及不确定性令人们暂时无法放心地将档案鉴定工作交给它。由是,改变档案鉴定的理念或许是一条可行的进路,即依靠人工智能实现的鉴定不再掌握档案的生杀大权,只令其在系统中进行虚拟的价值鉴定,而不在物理意义上进行销毁鉴定。对于档案鉴定专家系统所依赖的全局数据库应尽数保留,对鉴定无用的档案也应一并存入全局数据库进行保存。对于档案中保存的史实,一时代有一时代之观点,一时代的人工智能亦有一时代之"偏见",只要尽可能多的全局数据被保存,人类的视域也就被最大程度地保留了下来,这可能是目前人的历史不被机器言说所取代的唯一途径。
陈丹妮[8](2021)在《基于E-SAM模型的中职《Python与人工智能入门》课程开发研究》文中研究说明计算思维被列为信息技术学科核心素养之一,是信息技术学科育人价值的集中体现,也是中等职业学生通过学习与运用形成的关键能力。与此同时,随着新一代信息技术的不断发展,人工智能教育和编程教学逐步进入中等教育阶段。中等职业教育是职业教育的基础,如何有效培养中职学生的计算思维、如何把人工智能教育走进中职课程、采用哪个课程开发模型适合进行中职新一代信息技术的课程开发是非常具有研究价值的。在计算思维培养、人工智能教育、Python编程的背景下,本研究对国内外相关的课程和计算思维的培养进行调查研究,发现目前人工智能入门教育和计算思维培养在中职教育有所欠缺。因此,根据中职学生的特点以及人工智能入门教育的要求,本研究首先针对SAM模型开发中职课程的不足,将PMADE模型的经验萃取环节引入到SAM模型中,并提出E-SAM模型。其次,根据E-SAM模型的课程开发流程,本研究融入计算思维培养,开发一门面向中职学生的《Python与人工智能》课程。这门课程以流行专题主线,先后介绍了简单人工智能导论、智能优化、推荐系统、机器学习四大主题,又以算法简介、算法框架、算法应用为设计思路,让中职学生体验人工智能算法以及Python编程。再次,本研究开发的课程资源已上传到超星平台,供一线教师和学生的使用。最后将该课程进行相应的教学实践,并从多角度多手段评价对课程进行评价。本研究以计算思维培养为导向,以人工智能教育为目标,以Python编程为落脚点,面向中职学生开发《Python与人工智能入门》课程。通过课程教学实施与评价,验证了本研究开发的课程可以帮助中职学生认识简单的人工智能算法,掌握初级的Python编程能力,提高计算思维水平。与此同时,在研究过程中产生了三个创新点:一是提出了一个课程开发模型,二是将海狸测试应用到中职学生的计算思维测量,三是改进了一个人工智能算法。
黄志[9](2021)在《人工智能对经济增长的影响研究》文中进行了进一步梳理纵观人类社会的演进历程,技术创新一直是推动地区乃至国家经济发展的内生动力,是各国抢占国际竞争高地的重要手段。近年来,随着互联网技术迅猛发展、计算机运算能力和运算速度大幅提升以及算法有效性取得极大突破,人工智能在世界范围内取得了突破性进展,并迅速将人类社会送入了智能时代,加速改变着人类社会生产生活的各个方面。基于此,世界各国纷纷围绕人工智能展开了新一轮角逐,美、日、德、法等国先后颁布了一系列扶持人工智能产业发展的政策措施,以期借人工智能之势在新的历史时期抢占国际竞争中的优势地位。就中国而言,人工智能作为一项引领新一轮科技革命和产业变革的战略性技术,正在受到党中央的高度关注。习近平总书记在2018年10月31日政治局第九次集体学习时强调,要推动我国新一代人工智能健康发展。在2018年12月21日中央经济工作会议上再次强调要加强人工智能等新型基础设施建设。在2019-2020年,进一步强调要积极推动人工智能与媒体、教育、社会治理以及疫情防控等领域深度融合。届此,中国的人工智能及其与经济社会深度融合踏上了新征程。人工智能作为一种技术进步,在与经济社会的深度融合过程中具体表现为各种有形(机器人)和无形(算法、系统等)的技术创新。那么,人工智能技术创新如何影响经济增长?通过什么渠道影响经济增长?“索洛悖论”是否存在?从长期而言,是否会使经济呈现指数级增长趋势?从国际层面而言,人工智能在全球范围内的加速渗透是否会进一步扩大未来南北差距?围绕人工智能的这一系列问题具有相当重要性,但目前尚未有系统性研究,甚至在一些方面仍存在研究空白。为此,论文以经济学为主,结合计算机科学、哲学、数学等多学科理论知识,综合运用历史分析与比较分析相结合、归纳与演绎相结合、理论研究与实证分析相结合、静态分析与动态分析相结合等研究方法,按照“总-分-总”的结构谋篇布局,以研究人工智能对经济增长影响效应。论文主要内容如下:总论部分在系统梳理相关文献、详细阐述理论基础以及清晰刻画人工智能影响经济增长的典型事实基础上,探析了人工智能在向经济社会渗透过程中表现出的四大经济效应:智能渗透效应、边界延展效应、知识创造效应和自我深化效应,并对影响经济增长的三大主要因素(劳动、资本和生产技术)进行分析。在此基础上,通过分析人工智能四大经济效应作用于劳动、资本和生产技术对经济增长的影响效应,提出由劳动渠道、资本渠道和生产率渠道三条渠道构成的人工智能影响经济增长的总体分析框架。分论部分将理论分析和实证检验相结合逐一探讨了人工智能影响经济增长的劳动渠道、资本渠道和生产率渠道。此外,由于数据不可得,无法通过实证分析的方式来识别人工智能对长期经济增长的影响,因此,本文基于理论层面,进一步探讨了人工智能对长期经济增长以及未来南北差距产生影响的作用机理。研究发现:第一,人工智能技术创新能够显着促进经济增长,长期经济增长甚至存在指数级增长的可能。人工智能作为新一轮技术进步最显着的技术创新,与传统技术创新相似,能够为区域乃至国家经济增长提供动力源泉,显着推动宏观经济增长。但与传统技术创新不同的是,人工智能能够通过实现自动化知识生产,为经济提供更强的增长效应,长期而言,如果智能自动化技术进步与新任务边界延展规模一致,经济将实现指数级增长。但不容忽视,人工智能与经济社会渗透融合并非一蹴而就,而是会经历导入阶段、拓展阶段和成熟阶段等阶段的积累和调整过程。因此,人工智能并非一开始就能对经济增长产生促进作用,在人工智能的导入阶段,将对经济增长产生负向效应。人工智能具有“当代与未来贯通的长期性”,经过导入阶段的积累和调整过程,对经济增长的促进作用才得以显现,长期而言,经济存在指数级增长的可能,但同时伴随着南北差距的扩大。自主创新成为缩小未来南北差距的关键,而提升欠发达国家的技术引进效率仅能够缓解南北差距扩大的趋势。第二,人工智能的发展伴随而来的是劳动力从机械化、知识创造性低的工作和既定程序的开放型脑力劳动中解放出来,而新工作岗位对劳动力的素质和技能要求不断提升,带来高技能劳动力需求扩大和实际工资水平提高,进而对经济高质量增长产生推动作用。劳动是人工智能技术创新促进经济增长的重要渠道之一,劳动渠道主要通过劳动就业路径和劳动收入路径促进经济增长。从劳动就业路径而言,人工智能能够将劳动力从繁琐的工作中解放出来,与此同时,创造新的就业需求,拉动劳动力就业,推动经济增长;从劳动收入路径而言,人工智能能够带来更高的劳动收入水平,对经济增长表现出显着的正向效应。目前,人工智能发展的同时,工作任务标准化、劳动力素质和技能提升以及智能渗透引致就业均能缩小技能收入差距,技能收入差距并未呈扩大趋势,将对经济增长产生正向效应,但不容忽视的是,目前人工智能与经济社会渗透融合尚处于拓展初期,边界延展对技能收入差距的扩大效应并未得到完全释放,未来仍然存在技能收入差距扩大的潜在风险。另外,人工智能在与经济社会渗透过程中同样潜伏着风险和挑战,尤其是在人工智能的导入阶段,会带来智能机器挤出劳动就业,降低劳动收入水平,并加剧收入不平等,进而抑制经济增长。只有经过导入阶段的调整和技术积累,人工智能的经济增长效应才能真正发挥作用。第三,人工智能在经济社会的快速渗透将吸引更多的资本积累,增加资本投资,提升资本的生产效率,对宏观经济增长产生支撑作用。资本是人工智能技术创新促进经济增长的又一渠道,而这一渠道主要通过资本积累路径和资本结构路径发挥作用。就资本积累路径来看,在人工智能的导入阶段,人工智能资本增加的同时挤出传统资本,由于增加的人工智能资本难以弥补挤出的传统资本,进而资本积累下降,抑制经济增长,但经过导入阶段的调整和技术积累,人工智能能够吸引更多的资本投资,增加资本积累,且增长幅度大于下降幅度,进而资本积累总体呈上升趋势。中国作为最大的发展中国家,资本积累尚存在较大空间,通过增加资本积累能够促进经济增长。就资本结构路径来看,受行业工作任务特征的影响,人工智能的渗透难度存在行业差异。由于产品生产部门智能渗透相对容易,将吸引大量人工智能资本和部分传统资本流入,而服务部门智能渗透难度大,该部门新增的高技能岗位将吸引大量传统资本流入。在两种资本的流动过程中,无论是产品生产部门大量采用人工智能资本替代劳动力,还是服务部门部分采用人工智能资本替代劳动力,传统资本与高技能劳动力相结合进行生产,都将提升资本的生产效率,促进经济增长。第四,人工智能的发展能够突破“索洛悖论”的怪圈,显着提升技术效率,最终体现为全要素生产率的增长,为经济增长提供力量源泉。生产效率是除劳动和资本外人工智能技术创新促进经济增长的又一渠道,而这一渠道包括技术进步路径和技术效率路径。但实证发现,生产率渠道主要通过技术效率路径发挥作用,技术进步路径的作用并不显着。具体而言,现阶段,人工智能技术创新对促进技术传播和扩散、科学发现与发明以及技术革新和改进等的作用并不显着,难以通过技术进步路径实现经济增长。但能够提升其他生产要素间衔接配合的契合度,补充或增强传统生产要素,带来微观主体的管理方式、社会管理方式以及经济社会组织运行的模式不断改革,改善要素质量与配置效率,进而驱动经济增长。然而,人工智能并非一开始就能提升全要素生产率,同样需要调整和技术积累的过程。人工智能在导入阶段,由于“索洛悖论”的存在,对经济增长的促进作用并不明显,但随着人工智能在行业应用的逐渐成熟,“索洛悖论”将消失,全要素生产率显着提升,且提升幅度大于前期的下降幅度,进而实现经济增长。最后对论文的研究结论进行总结,并就中国人工智能发展提出了政策建议。另外,本文可能的创新之处主要体现在以下三个方面:第一,多角度、综合系统地分析了人工智能影响经济增长的三条渠道,补充和拓展了人工智能与经济增长的相关研究。围绕人工智能与经济增长的已有研究往往直接指出人工智能对经济增长的影响方向,而缺乏作用机理分析,或者从某一方面研究人工智能对经济增长的影响,缺乏多视角、综合系统的研究。本文基于人工智能影响经济增长的典型事实,从劳动、资本和生产率等多角度出发,综合系统地分析了人工智能影响经济增长的作用渠道,在一定程度上补充和拓展了已有的相关研究:(1)劳动渠道。人工智能的发展伴随着劳动力从机械化、知识创造性低的工作和既定程序的开放型脑力劳动中解放出来,创造的新就业岗位带来高技能劳动力需求扩大和实际工资水平提高,推动经济高质量增长,与此同时,人工智能也将带来技能溢价,加剧收入不平等,进而抑制经济增长。(2)资本渠道。人工智能能够增加资本积累,带来人工智能资本和传统资本在行业流动,提升资本的生产效率,推动经济增长。(3)生产率渠道。人工智能在行业的应用过程中能够提升其他生产要素间衔接配合的契合度,补充或增强传统生产要素,带来微观主体的管理方式、社会管理方式以及经济社会组织运行模式不断改革,改善要素质量与配置效率,进而驱动经济增长。第二,考虑了人工智能对经济社会产生影响的阶段差异,从理论上科学、全面地认识了人工智能在渗透融合的不同阶段对经济社会的风险与机遇。人工智能向经济社会渗透融合并非一蹴而就,而是会经历从导入到不断成熟的过程,因此,其对经济社会的作用效应也将存在阶段差异。Hémous&Olsen(2015)、王君等(2017)等研究注意到了人工智能对劳动就业和收入差距产生影响的阶段差异,但在人工智能的其他相关研究中并未受到重视。因此,围绕人工智能与经济增长的已有研究均未考虑人工智能产生影响的阶段差异,进而忽略了人工智能对经济社会产生影响的调整过程,而调整过程往往伴随着风险与挑战。因此,缺乏这一考虑,可能导致研究结论出现偏差。本文将人工智能产生影响的阶段差异引入分析过程,分析了人工智能在与经济社会渗透融合的不同阶段通过作用于劳动、资本和生产率对经济增长的作用效应,明确了人工智能风险和机遇的阶段存在性。在一定程度上,这是对既有人工智能与经济增长相关研究的一个重要补充。第三,从行业层面出发,探索出了一种衡量人工智能发展水平的方法,弥补了目前人工智能相关研究在数据选择上的不足。受相关数据可得性的限制,国内围绕人工智能的实证研究较少,已有的实证研究主要采用工业或制造业机器人数据进行研究,并不能全面反映人工智能在整个国民经济行业的渗透情况,得到的结论存在片面性。本文采用人工智能相关专利申请量作为衡量人工智能发展水平的代理变量。基于本文对人工智能的界定,分别以“人工智能”“算法”“专家系统”“机器人”为关键词,在Patenthub专利汇全球专利数据库搜索专利数据,将重复的数据进行剔除,并将得到的人工智能专利数据根据三个层次分入我国国民经济各行业。第一个层次:按国际专利分类(IPC)主分类号归类;第二个层次:难以按IPC号分类的专利数据按照《国际专利分类与国民经济行业分类参照关系表》归类;第三个层次:剩余的专利数据按用途划分。最后形成2003-2018年19个行业人工智能专利绝对量的面板数据。这一数据清晰地反映了人工智能在不同行业的渗透情况,以及对不同行业产生的影响效应。基于此,实证检验了人工智能的经济效应,克服了人工智能与经济增长相关研究在人工智能代理变量选取上的不足。
王鑫悦,郑磊[10](2021)在《人工智能赋能在线实验教学行为分析》文中提出教学行为分析作是教学质量分析的重要组成部分,也是教学引导与反馈机制的重要依据。本文阐述了人工智能(AI)的含义及发展历程,重点分析总结了教学行为分析方法及AI在教学行为分析上的应用。本文以东南大学电工电子在线实验为研究平台,探索分析了AI技术在实验教学行为分析上的可行性,梳理了基于专家系统的在线实验分析系统的设计思路,充分探讨了"智能"教育在实验教学中的深刻内涵。
二、专家系统、人工智能(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、专家系统、人工智能(论文提纲范文)
(1)人工智能技术在电力行业的应用现状和发展趋势初探(论文提纲范文)
0 引言 |
1 电力行业应用现状 |
1.1 电力系统规划 |
1.2 电力市场 |
1)负荷预测 |
2)需求响应 |
3)电价预测 |
4)智慧充电 |
1.3 勘察设计 |
1)方案设计 |
2)分析计算 |
3)设计校审 |
4)设计管理 |
5)工程造价 |
6)专家系统 |
1.4 施工管理 |
1)质量管理 |
2)安全管理 |
1.5 能源供应 |
1.6 电力系统安全与控制 |
1)电力系统稳定评估 |
2)电力系统控制与优化 |
3)入侵检测 |
4)电力系统调度与能源调度 |
1.7 运维与故障诊断 |
1)在线监测 |
2)无人巡检 |
3)图像识别 |
4)智能诊断 |
2 存在的问题与不足 |
1)基础数据薄弱 |
2)数据质量不高 |
3)异常样本匮乏 |
4)数据壁垒较多 |
5)算法适应性不强 |
6)训练方式不科学 |
7)算力不足 |
8)计算稳定性不足 |
9)计算方法缺乏可解释性 |
10)小样本数据学习技术亟需突破 |
11)视觉场景识别不成熟 |
12)专家系统较薄弱 |
3 发展趋势 |
3.1 迁移学习的引入 |
3.2 类人行为机器人的研发和应用 |
3.3 衍生式设计的应用 |
3.4 新型监测手段的研究与应用 |
3.5 分布协同式专家系统的开发 |
4 结语 |
(2)人工智能背景下会计行业的发展趋势研究(论文提纲范文)
1 人工智能的概念及应用分类 |
1.1 人工智能的概念 |
1.2 人工智能的应用分类 |
2 人工智能背景下会计模式的改变 |
2.1 会计核算流程全自动化 |
2.2 会计信息的多重优化 |
2.3 提高经营预测准确性 |
2.4 强化决策支持功能 |
3 人工智能在会计领域的具体应用 |
3.1 机器视觉、机器学习自动化录入与验证 |
3.2 财务大数据分析 |
3.3 财务风险智能控制 |
3.4 智能审计系统 |
4 会计相关人员面对人工智能发展需要采取的措施 |
4.1 高校教育方面 |
4.2 财会从业人员方面 |
5 结语 |
(3)人工智能技术在网络故障诊断中的运用(论文提纲范文)
0 引言 |
1 网络故障主要表现 |
1.1 线路故障 |
1.2 路由器故障 |
1.3 主机故障 |
2 人工智能在网络故障诊断中的关键技术 |
2.1 专家系统 |
2.2 人工神经网络 |
2.3 模糊逻辑 |
2.4 遗传算法 |
3 人工智能技术在网络故障诊断中的具体运用 |
3.1 在故障监控与预警中的运用 |
3.2 在故障识别与定位中的运用 |
3.3 在故障原因分析中的运用 |
4 结语 |
(4)论刑事诉讼中人工智能证据的审查(论文提纲范文)
一、人工智能证据的基本问题 |
(一)人工智能证据的技术基础是机器学习技术 |
(二)人工智能证据是一种新型的科学证据 |
(三)人工智能证据的主要审查内容是相关性和可靠性 |
二、人工智能证据的相关性 |
(一)人工智能证据的技术相关性 |
(二)人工智能证据的数据相关性 |
(三)人工智能证据的结论相关性 |
三、人工智能证据的可靠性 |
(一)人工智能证据的技术可靠性 |
(二)人工智能证据的数据可靠性 |
1.数据收集阶段的可靠性问题 |
2.数据标注阶段的可靠性问题 |
(三)人工智能证据的结论可解释性 |
四、人工智能证据审查体系的构建 |
(一)明确人工智能证据证据种类“两步走”策略 |
(二)创建人工智能证据审查规则和方法 |
(三)完善人工智能证据质证机制 |
五、余论 |
(5)人工智能人才培养的历史考察与发展愿景(论文提纲范文)
一、 萌芽期:人工智能人才培养学科基础初步建立 |
(一)人工智能学科的确立 |
(二) 人工智能人才培养的初步尝试 |
1.人工智能学科的形成推动人工智能人才的培养 |
2.计算机科学的发展助力人工智能人才培养 |
二、发展期:人工智能人才培养的目标和内容初步形成 |
(一)自然语言和机器人研究推动人工智能人才就业方向的形成 |
(二)人工智能课程的广泛开设推动人工智能人才培养内容的形成 |
三、 转折期:人工智能人才培养实践面临“危”与“机” |
(一) 人工智能发展遭遇 “寒冬” |
(二)人才培养面临的挑战 |
(三)人才培养面临的机遇 |
(四)人工智能人才培养在困境中探寻发展的契机 |
四、革新期:人工智能人才培养体系逐渐成熟 |
(一)时代背景 |
1.人工智能市场飞速发展 |
2.人工智能人才需求量大 |
3.人工智能上升为国家政策 |
(二)人工智能人才培养体系改革与创新 |
1.跨学科的人才培养理念 |
2.多方参与的人才培养模式 |
3.线上线下相结合的人才培养方式 |
五、人工智能人才培养发展愿景 |
(6)国际社会科学领域人工智能研究演进与前沿(论文提纲范文)
0 引言 |
1 研究方法与数据来源 |
1.1 研究方法 |
1.2 数据来源 |
2 国际社会科学领域人工智能的研究现状 |
2.1 国际发文量年份分布 |
2.2 国家分析 |
2.3 机构分析 |
2.4 作者分析 |
3 国际社会科学领域人工智能研究主题演进分析 |
3.1 早期以专家系统为核心的人工智能行业应用研究阶段 |
3.2 中期基于人工神经网络的社会科学问题预测研究阶段 |
3.3 后期基于深度学习的多元化研究阶段 |
4 社会科学领域人工智能研究前沿分析 |
5 结论与启示 |
5.1 研究结论 |
5.2 研究启示 |
(7)档案鉴定与人工智能:将来,如何以及是谁在言说历史(论文提纲范文)
1 综述 |
1.1 内涵。 |
1.2 外延。 |
2 构想 |
2.1 狭义的广义人工智能。 |
2.2 专家系统。 |
2.3 机器学习。 |
3 疑虑 |
3.1 偏差和偏见。 |
3.2 黑盒子。 |
4 结语 |
(8)基于E-SAM模型的中职《Python与人工智能入门》课程开发研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.1.1 计算思维培养 |
1.1.2 人工智能发展 |
1.1.3 Python编程语言 |
1.1.4 中职信息技术课程新标准 |
1.2 国内外研究现状 |
1.2.1 中职学生计算思维培养现状 |
1.2.2 人工智能课程内容设计现状 |
1.2.3 Python课程内容设计现状 |
1.2.4 课程开发模型研究现状 |
1.3 研究思路与方法 |
1.3.1 研究思路 |
1.3.2 研究方法 |
1.3.3 论文框架 |
1.4 研究意义及创新点 |
1.4.1 理论研究意义 |
1.4.2 实践研究意义 |
1.4.3 研究创新点 |
1.5 本章小结 |
2 相关理论 |
2.1 计算思维 |
2.1.1 计算思维定义 |
2.1.2 计算思维培养 |
2.1.3 计算思维评价 |
2.2 人工智能 |
2.2.1 人工智能定义 |
2.2.2 人工智能研究内容 |
2.2.3 人工智能热门领域 |
2.3 敏捷开发理念 |
2.3.1 敏捷开发原则 |
2.3.2 敏捷开发特点 |
2.3.3 敏捷开发与教育 |
2.4 SAM敏捷迭代课程开发模型 |
2.4.1 SAM模型简介 |
2.4.2 SAM模型优缺点 |
2.4.3 SAM模型应用 |
2.5 本章小结 |
3 Python与人工智能入门课程开发 |
3.1 课程开发分析 |
3.1.1 新课程标准出台 |
3.1.2 现存课程不足 |
3.1.3 实际学校需求 |
3.2 课程开发模型 |
3.2.1 SAM模型不足之处 |
3.2.2 PMADE模型可取之处 |
3.2.3 E-SAM智萃敏捷迭代模型 |
3.3 课程开发准备阶段 |
3.3.1 收集信息 |
3.3.2 经验萃取 |
3.3.3 认知启动 |
3.4 课程开发迭代设计阶段 |
3.4.1 项目规划 |
3.4.2 附加设计 |
3.5 课程开发迭代开发阶段 |
3.5.1 标准设计 |
3.5.2 A版本 |
3.5.3 B版本 |
3.5.4 黄金版本 |
3.6 本章小结 |
4 课程实施与评价 |
4.1 课程分析 |
4.1.1 教学内容分析 |
4.1.2 授课对象分析 |
4.1.3 制定教学目标 |
4.2 课程实施 |
4.2.1 课前预习 |
4.2.2 课堂学习 |
4.2.3 课后考核 |
4.3 课程评价 |
4.3.1 计算思维评价 |
4.3.2 课前诊断性评价 |
4.3.3 课堂过程性评价 |
4.3.4 课后总结性评价 |
4.4 本章小结 |
5 总结与展望 |
5.1 研究总结 |
5.2 研究展望 |
参考文献 |
附录A 经验萃取环节的访谈提纲 |
附录B 课程实施阶段计算思维前测题目 |
附录C 课程实施阶段计算思维后测题目 |
附录D 教学效果调查问卷 |
附录E 课程评价环节的访谈提纲 |
致谢 |
攻读硕士学位期间取得的研究成果 |
学位论文数据集表 |
(9)人工智能对经济增长的影响研究(论文提纲范文)
摘要 |
abstract |
1 导论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 人工智能的相关研究 |
1.2.2 经济增长的相关研究 |
1.2.3 人工智能与经济增长的相关研究 |
1.2.4 研究述评 |
1.3 内容结构、研究方法及技术路线 |
1.3.1 内容结构 |
1.3.2 研究方法 |
1.3.3 研究框架 |
1.4 主要创新点与不足 |
1.4.1 主要创新点 |
1.4.2 不足之处 |
2 概念界定与理论基础 |
2.1 概念界定 |
2.1.1 技术创新 |
2.1.2 人工智能 |
2.2 相关理论 |
2.2.1 技术创新理论 |
2.2.2 经济增长理论 |
3 人工智能影响经济增长的分析框架 |
3.1 人工智能影响经济增长的典型事实 |
3.1.1 世界主要经济体人工智能的发展战略 |
3.1.2 世界主要经济体人工智能的发展现状 |
3.1.3 国内人工智能发展趋势 |
3.2 人工智能的四大经济效应 |
3.2.1 智能渗透效应 |
3.2.2 边界延展效应 |
3.2.3 知识创造效应 |
3.2.4 自我深化效应 |
3.3 经济增长的三大影响因素 |
3.3.1 劳动是经济增长不可或缺的要素投入 |
3.3.2 资本是经济增长至关重要的实现途径 |
3.3.3 生产技术是加速经济增长的动力源泉 |
3.4 人工智能影响经济增长的三大渠道 |
3.4.1 人工智能影响经济增长的劳动渠道 |
3.4.2 人工智能影响经济增长的资本渠道 |
3.4.3 人工智能影响经济增长的生产率渠道 |
3.5 本章小结 |
4 人工智能影响经济增长的劳动渠道 |
4.1 分析基础 |
4.1.1 高低技能劳动者的厘定 |
4.1.2 基本理论假设 |
4.2 人工智能影响经济增长的劳动就业路径 |
4.2.1 智能渗透对劳动就业的影响 |
4.2.2 边界延展对劳动就业的影响 |
4.2.3 就业效应下人工智能对经济增长的影响 |
4.3 人工智能影响经济增长的劳动收入路径 |
4.3.1 智能渗透对劳动收入的影响 |
4.3.2 边界延展对劳动收入的影响 |
4.3.3 收入效应下人工智能对经济增长的影响 |
4.4 劳动就业和劳动收入路径的实证检验 |
4.4.1 研究设计 |
4.4.2 人工智能影响劳动就业和劳动收入的实证检验 |
4.4.3 人工智能、劳动就业和劳动收入影响经济增长的效应分析 |
4.4.4 长期效应分析 |
4.4.5 作用渠道检验 |
4.5 结论:人工智能通过劳动就业和劳动收入影响经济增长 |
5 人工智能影响经济增长的资本渠道 |
5.1 分析基础 |
5.1.1 资本积累与资本结构的概述 |
5.1.2 智能渗透的行业差异 |
5.2 人工智能影响经济增长的资本积累路径 |
5.2.1 智能渗透对资本积累的影响 |
5.2.2 边界延展对资本积累的影响 |
5.2.3 资本积累效应下人工智能对经济增长的影响 |
5.3 人工智能影响经济增长的资本结构路径 |
5.3.1 智能渗透对资本结构的影响 |
5.3.2 边界延展对资本结构的影响 |
5.3.3 资本结构效应下人工智能对经济增长的影响 |
5.4 资本积累和资本结构路径的实证检验 |
5.4.1 研究设计 |
5.4.2 人工智能影响资本积累和资本结构的实证检验 |
5.4.3 人工智能、资本积累和资本结构影响经济增长的效应分析 |
5.4.4 长期效应分析 |
5.4.5 作用渠道检验 |
5.5 结论:人工智能通过资本积累和资本结构影响经济增长 |
6 人工智能影响经济增长的生产率渠道 |
6.1 分析基础 |
6.1.1 全要素生产率的解构 |
6.1.2 基于“生产率悖论”的争议 |
6.2 人工智能影响经济增长的技术进步路径 |
6.2.1 智能渗透对技术进步的影响 |
6.2.2 知识生产对技术进步的影响 |
6.2.3 自我深化对技术进步的影响 |
6.2.4 技术进步效应下人工智能对经济增长的影响 |
6.3 人工智能影响经济增长的技术效率路径 |
6.3.1 智能渗透对技术效率的影响 |
6.3.2 边界延展对技术效率的影响 |
6.3.3 自我深化对技术效率的影响 |
6.3.4 技术效率效应下人工智能对经济增长的影响 |
6.4 技术进步和技术效率路径的实证检验 |
6.4.1 研究设计 |
6.4.2 人工智能影响全要素生产率的实证分析 |
6.4.3 人工智能、全要素生产率影响经济增长的效应分析 |
6.4.4 长期效应分析 |
6.4.5 作用渠道检验 |
6.5 结论:人工智能通过技术进步和技术效率影响经济增长 |
7 进一步分析——人工智能、长期经济增长与未来南北差距 |
7.1 分析基础 |
7.1.1 技术创新与长期经济增长的变化路径 |
7.1.2 基本理论假设 |
7.2 人工智能与长期经济增长 |
7.2.1 基本模型构建 |
7.2.2 模型分析 |
7.2.3 分析结论 |
7.3 人工智能发展与未来南北差距 |
7.3.1 基本模型构建 |
7.3.2 领先国家 |
7.3.3 追随国家 |
7.3.4 模型分析与结论 |
7.4 本章小结 |
8 结论及政策建议 |
8.1 基本结论 |
8.2 政策建议 |
8.3 研究展望 |
参考文献 |
作者在读期间科研成果 |
致谢 |
(10)人工智能赋能在线实验教学行为分析(论文提纲范文)
0 引言 |
1 人工智能概述 |
2 教学行为分析综述 |
2.1 基于量表分析的教学行为分析 |
2.2 基于信息技术的教学行为分析 |
2.3 基于大数据的教学行为分析 |
2.4 基于人工智能的教学行为分析 |
1)基于规则的教学分析 |
2)基于机器学习的教学分析 |
3 在线实验教学行为分析研究 |
3.1 在线实验教学行为的特点 |
3.2 教学行为分析系统构建思路 |
1)研究目标 |
2)研究内容 |
3)研究方法 |
3 结语 |
四、专家系统、人工智能(论文参考文献)
- [1]人工智能技术在电力行业的应用现状和发展趋势初探[J]. 李越茂,姚枫,宋佩珂. 电力勘测设计, 2022(02)
- [2]人工智能背景下会计行业的发展趋势研究[J]. 周晔. 中国商论, 2022(01)
- [3]人工智能技术在网络故障诊断中的运用[J]. 曾毅. 信息与电脑(理论版), 2021(21)
- [4]论刑事诉讼中人工智能证据的审查[J]. 马国洋. 中国刑事法杂志, 2021(05)
- [5]人工智能人才培养的历史考察与发展愿景[J]. 钱小龙,陈瑞瑞. 教育评论, 2021(09)
- [6]国际社会科学领域人工智能研究演进与前沿[J]. 张少杰,李娜. 中国科技论坛, 2021(08)
- [7]档案鉴定与人工智能:将来,如何以及是谁在言说历史[J]. 洪佳惠. 档案管理, 2021(04)
- [8]基于E-SAM模型的中职《Python与人工智能入门》课程开发研究[D]. 陈丹妮. 广东技术师范大学, 2021
- [9]人工智能对经济增长的影响研究[D]. 黄志. 四川大学, 2021(12)
- [10]人工智能赋能在线实验教学行为分析[J]. 王鑫悦,郑磊. 电气电子教学学报, 2021(03)