智能機器人是人類智慧的結晶, 它在一定程度上使人們從繁忙的工作中解脫出來。 以下是為大家整理的關于人工智能論文的文章4篇 , 歡迎大家前來參考查閱！
第1篇: 人工智能論文
《電腦人工智能日趨成熟》
電腦在二十世紀70年代末期開始廣泛普及,當時,有些專家便預計說,電腦可以改變人們的日常生活,并且使社會文化隨之改變。
現在,時間的車輪運轉到了2000年,專家們的這些預想至少已經有一部分成為現實。今天,人們已經在開始討論有關電腦會不會具有人類的某些智能。這類課題已經不是什么科學幻想,而是非常嚴肅的學術討論了。
舍科爾教授是美國麻省理工學院的社會學教授,他是電腦心理學方面的專家,曾經撰寫過關于電腦心理學的兩本具有開創性的著作。
一本書的書名是《第二自我—電腦和人類精神》,另一本書是最近出版的,書的題目是《電腦屏幕上的生活—因特網時代的特征》。舍科爾教授現在是麻省理工學院科學技術和社會項目的教授。從70年代開始到80年代初期,舍科爾教授開始研究人和電腦的關系。
舍科爾教授說:“電腦的特征在物體和非物體之間。很明顯地,電腦是物體,即使是孩子也知道電腦是一部機器。可是,在另外一方面,電腦又可以反饋,可以有行為,可以有理智,甚至有精神。
人們發現,自己和電腦之間存在著互動的關系,甚至感到電腦似乎在活著。”
舍科爾教授特別對兒童和第一代電腦,以及電子玩具之間的關系感興趣。他發現,十來歲的少年主要用電腦來探索認知的問題;而青春期以前的兒童也就是八歲到十二歲之間的兒童,他們主要試圖熟練地掌握機器和電子玩具。
舍科爾教授發現,電腦玩具對五歲到八歲之間的兒童來說,起到了激發他們的倫理性、推測性息維的能力。
舍科爾教授說:“這些電腦玩具促使我們考慮‘什么是生活’這一類的問題。電腦有生命嗎?在電腦玩具的戰斗中,搏殺者意味著什么呢?作為一種玩具,到底有什么特殊性呢?
討論電腦到底和人類有哪些區別,就無疑地是一個重要的問題。
一個十二歲的男孩對我說,將來可能會出現和人類一樣聰明的電腦。但是,人類仍然要做飯,要建立家庭,要開餐館。人類可能是地球上唯一要去教堂的生物。
換句話說,電腦為人類留下的空間是感情、感性、家庭生活。模擬思維可能在某種程度上可以算是一種思維,可是,模擬感情卻永遠不能被看作是真正的感情。當然了,模擬愛情更不能算是愛情了。”
微軟公司的視窗系統是舍科爾教授目前重點研究的課題。視窗操作系統可以允許使用者在同時執行幾個相互沒有任何關系的工作任務,并隨意在這幾個任務之間互相切換。
舍科爾教授說:“用鼠標器指一下這些長方形的圖形,你可以先做一件事情,然后再做另一件事情。例如,你可以通過電腦先跟你的母親聊會兒天,在跟你的母親說再見以后你開始寫你的論文。寫累了,你可以通過電腦看看你的銀行賬戶。
從某種意義上來說,人們可以在電腦上確定各人的位置。也就是說,使用者是電腦屏幕上所有的窗口,以及電腦所有的活動的總和。
顯然,這是一場革新,因為微軟視窗允許你同時在你的電腦上提出好幾個指令,并且在這些活動之間不斷循環往復。這已經具備了人類心理活動的某些特點。”
在80年代,人類可能通過和自己心理的比較試圖理解電腦。而今天,舍科爾教授說,人類試圖通過電腦的運行模式,來更好地理解人類的心靈。
舍科爾教授認為,現在研究電腦心理學的最熱門的領域,是假設電腦到最后會真正地有感情。你的一部電腦會對你產生“愛情”,它們需要你的關懷,需要感情的忠實。這可能是未來研究人和機器之間互動關系領域里最新的潮流了。
目前,在電腦控制的玩具方面已經出現了一些突破。例如,去年圣誕節期間,出現過一種類似貓頭鷹的玩具,這種玩具可以說幾百句話,而且具有學習功能,甚至會罵廠。
日本索尼公司制造出一種電子寵物狗,名叫“艾卜”,也是這類電子寵物玩具的代表性產品。
除了玩具以外,在智能電腦方面,電腦能夠聽懂主人說話現在已經不算稀奇了。目前,美國麻省理工學院的媒體研究室已經研制出一種具有人工智能的計算機,計算機可以對使用者發出的非語言性信號做出反應,并且據此進行某種程度的調整。
舍科爾教授認為,未來的電腦發展趨勢是生物化電腦,電腦越來越具有知性和感性,從社會學的角度上說,這將是一大飛躍,值得學者專家好好地探討。
第2篇: 人工智能論文
摘要：崔政博士的新著《科學技術知識的政治經濟學研究》以馬克思的“勞動”概念為中心，提供了一個劃定人工智能替代人類勞動的邊界框架。該書區分了重復性勞動與創造性勞動，提出創造性勞動是人類勞動的本質也是人工智能不可替代的。但需要進一步指出的是，機器學習已經在認識實踐中表現出對人類認知勞動的極大輔助作用，包括：人工智能能夠提升科學知識生產效率;人工智能擅于提取和傳遞默會知識;人工智能可以產生某種機器知識。以上原因使得我們在創造性勞動中很難將人工智能排除在外，未來可能的創造性勞動方式應當是某種人機協作或人機融合。
關鍵詞：人工智能;創造性勞動;科學知識;默會知識;機器知識
中圖分類號：TP18文獻標識碼：A文章編號：CN61-1487-（2020）01-0154-03
產業科學出現以來，科技創新對經濟增長的驅動作用已經成為全球性的共識。崔政博士的新著——《科學技術知識的政治經濟學研究》，試圖以“勞動”概念的歷史分析為切入點，討論科學技術在當代資本主義經濟中所扮演的角色，進而以一種動態的勞動價值論表明當代社會經濟運行的內在動因[1]2。該書以馬克思的“勞動”概念為核心構建了一個哲學空間，將科學知識、技術創新、資本運行納入其中，完整地闡述了科學技術對經濟社會的塑造作用。該書的敘事方式表達了兩個理論取向：第一，對科技創新的分析不同于傳統技術創新理論僅關注經濟“增長”，而是從更為基礎的社會分工出發關注經濟“發展”;第二，將科學知識的生產還原到馬克思的“科學勞動”概念，實際上已經使用了一種擴展了的“科學”概念，蘊含著當代科學知識生產所具有的實踐性、情境化、多主體等特征。
該書更為重要的貢獻在于討論了人工智能技術對于社會生產方式的挑戰和變革作用。書中提出：“人工智能的替代效應是建立在對人類勞動數據化和邏輯化的基礎上的，探索自在自然的創造性勞動是不可數據化和邏輯化的。因此，人工智能只能圍繞既有的對象進行重復性生產，替代重復性勞動;而人類則能夠探索自在自然，從而摸索新技術、建構新對象，進行創造性勞動。也就是說，機器所不能替代的人類勞動的‘硬核’是探索自在自然的勞動，是創造對象和掌握技術的‘創造性勞動’。”[1]25作者將馬克思的“勞動”概念區分為“重復性勞動”和“創造性勞動”，進而指出人工智能是對機器大工業的否定，它將替代人類勞動中可以重復、可以數據化的部分，但創造性勞動是人類勞動的本質，是人工智能所不能替代的。
作者提出：“人工智能可以在將重復性勞動數據化的基礎上，對人類勞動進行模仿，從而取代任何形式的重復性勞動。但人工智能卻不能取代人類的創造性勞動，創造性勞動是通過探索自在自然，經過反復的摸索與實驗、征服反常和偶然、掌握技術、創造對象、實現對象從無到有的過程的勞動，這是一種原生性的勞動。”[1]27作者認為，創造性勞動是對馬克思的“自在自然”的探索，“自在自然”是在人類的現有認知能力之外，卻以反常和失敗等形式向人類顯現其自身。然而，在認知實踐當中，機器學習已經可以幫助人類探索認知能力之外的“自然”，當然這種“自然”并不以反常或失敗的形式存在。作者也指出：“尤其是在大數據和云計算的背景之下，機器學習的速度遠超人類的認知極限，甚至可能在數據中找到人尚未發現的方法和規則。”[1]35因此，在認知勞動方面，我們可以在作者的概念框架下進一步區分出人工智能對人類“創造性勞動”的輔助作用，具體表現為三個方面：人工智能提高科學知識生產效率;人工智能擅于提取和傳遞默會知識;人工智能可以產生某種機器知識。
一、人工智能能夠提升科學知識生產效率
機器學習的廣泛使用可以提升科學知識生產的效率，主要表現在文獻研究和實驗室研究兩個方面。人工智能系統可以通過自然語言理解獲取、閱讀和總結所有相關文獻。例如，一個叫做Iris的人工智能系統的運行方式是：從某個研究主題的演講切入，先使用自然語言處理算法分析演講的腳本，挖掘從開放渠道獲取的研究文獻，然后將相關研究文獻分組并進行可視化，再通過人工標注文獻使機器匹配精度增加，當機器能夠理解文獻的內容和結構時，可以幫助科研人員總結出該研究主題下的所有研究問題、假設、實驗結果等，從而將前人工作完整呈現。此外，機器學習的使用還能夠加快實驗研究的進程。例如，2016年5月，澳大利亞國立大學的研究團隊使用機器學習重復了物質的玻色—愛因斯坦凝聚態的實驗室發現過程，從反復設置調整實驗設備的各種參數到產生凝聚態物質，機器學習只用了一個小時，而憑借這一發現獲得諾貝爾獎的三位科學家是在直覺的基礎上經過多年實驗才制造出了物質的凝聚態。由此可見，作為技術的人工智能的進步已經開始反向促進作為基礎研究的科學知識的生產。
二、人工智能擅于提取和傳遞默會知識
波蘭尼（MichaelPolyani）提出了默會知識（tacitknowledge）的概念，以區別于可以明述的知識（explicitknowledge），明述知識是用語言文字來表達的知識，如科學知識，默會知識則是我們知道但通常不加言述或者不能充分言述的知識[2]。默會知識具有以下幾個特點：難以用語言文字描述，不易傳播、記錄和積累;獲取默會知識主要依靠親身體驗;默會知識呈分布式存在，難以整合。這些特點導致我們很難有效運用默會知識，而機器學習的大規模運用使得人工智能系統非常擅于處理默會知識。作者敏銳地意識到了這一特點——“以往我們所說的‘默會知識’、手工技藝技巧，以及復雜程度遠超人類認知能力之外的一些潛在規則，也都不再是一個個‘黑箱’，機器可以基于將人類勞動的過程還原成物理量和數據，再通過機器學習找到其內在的規律，從而取代人類勞動。”[1]56
在當前人類社會所有已經產生的信息中，文字只占極少的比例，大量的信息以圖片和視頻方式呈現，其中蘊含了大量需要通過親身體驗才能獲取的默會知識。如果有辦法將事物狀態用圖片或視頻記錄下來，就有可能使用機器學習從中萃取出知識。很多電影公司已經使用人工智能系統觀看大量人類歷史上的影視作品，從而歸納提取出經典橋段，創作出新的配樂、臺詞和預告片以供人類借鑒。更為重要的是，由人工智能系統獲取的默會知識是以神經網絡參數集的形式存在的，這對人類而言仍然不可描述，也難以在人類之間傳遞，但卻非常易于在人工智能系統間傳播。例如，一臺掌握駕駛技能的自動駕駛汽車只要將參數集分享出來就可以快速讓所有汽車學會這項技能，而且可以實現機器間的協同行動。
三、人工智能可以產生某種機器知識
如果說默會知識還是“可意會而不可言傳”的知識，那么AlphaGoZero在圍棋上的表現已經表明人工智能系統產生了某種既無法“意會”也無法“言傳”的機器知識。AlphaGoZero在沒有人類以往的經驗或指導、不提供基本規則以外的任何領域知識的情況下，就使用機器學習在短時間內探索了大量人類從未嘗試過的走法。機器發現的知識不僅完全超出了人類的經驗，也超出了人類的理性，成為人類幾乎無法理解的知識。由此，產生了討論某種“機器認識論”的可能性，GregoryWheeler在《MachineEpistemologyandBigData》一文中提出：機器學習對事物間隱蔽的相關性的發現和掌握已經遠超人類，因此機器知識更多的是一種相關性知識。[3]321董春雨教授在《機器認識論何以可能？》一文中也指出：“人類必須正視機器在其擅長的領域，通過特殊的認識方式所獲得和積累的知識。”[4]
機器知識與科學知識或默會知識的核心差別在于：機器知識依賴數據，科學知識或默會知識依賴信息。信息是事物可觀察的表征，或者說信息是事物的外在表現。任何一個物體的信息量都非常大，要精確描述一個物體，就需要將其中所有基本粒子的形態以及它們之間的關系都描述出來，同時還要將該物體與周圍環境的關系都描述出來。而數據是已經描述出來的部分信息，關于一個物體的數據通常要比信息少得多，例如只包含它的形狀、重量、顏色和種屬關系等。只有當信息經過適當的處理，當它被用來進行比較、得出結論和建立聯系時，它才會轉化為知識。而知識可以理解為伴隨著經驗、判斷、直覺和價值的信息，作為認知主體的人在其中扮演了關鍵角色。
相較之下，機器知識可以被刻畫為數據在時空中的關系，這些關系表現為某種模式，對模式的識別就是認知，識別出來的模式就是知識，用模式去預測就是知識的應用。這些數據在時空中的關系只在少數情況下才能用數學工具進行表達，而多數情況下知識表現為數據間的相關性的集合，這些相關性只有一小部分可以被人類感知和理解。這源于人類感受能力的局限性：人類只能感受部分外界信息，人類的感官經驗局限在三維的物理空間和一維的時間。因此，當數據無法被感知，它們之間的關系又無法用數學工具表達時，這些數據間的關系就超出了人類的理解能力之外而屬于機器知識。當前機器學習的主流形式——人工神經網絡的最大特點就是發現并記憶數據中的相關性，例如在看了很多汽車圖片后會發現汽車都有四個輪胎，人類對圖片這類直觀的數據間的相關性也能發現并記憶一部分，這就是默會知識。但當數據量很大且不直觀時，例如股票市場的數據或者核電站的內部數據，人類就無法應對了。而隨著人工神經網絡層級和數量的增加，人工智能系統能夠處理大規模的復雜數據，這就是機器知識。機器知識當前的主要表現形式類似于AlphaGoZero中的神經網絡的全部參數。
概言之，科學知識和默會知識多是基于信息的因果性知識，而機器知識多是基于數據的相關性知識。此外，科學知識是易于記錄、易于陳述、易于傳遞的;默會知識是難以記錄、難以陳述、可傳遞的;機器知識則是可記錄、不可陳述、易于在機器間傳遞的。
四、人工智能發展的局限性
當然，基于人工神經網絡的機器學習仍有兩個核心的局限性導致人工智能系統還不足以承擔創造性勞動。第一個局限是，人工神經網絡需要依賴特定領域的先驗知識，也就是需要特定場景下的訓練，這是因為人工神經網絡的學習本質上是對相關性的記憶，人工神經網絡將訓練數據中相關性最高的因素作為判斷標準。這個問題在自動駕駛汽車中表現的非常突出，鑒于道路交通情境的復雜性和交通標示的多樣性，自動駕駛系統難以避免很多交通事故。第二個局限是，人工神經網絡無法解釋產生某個結果的原因，這種不可解釋性在許多涉及安全和公共政策的領域顯現的比較突出，例如在智能醫療中，人工神經網絡在影像識別和輔助診斷中都對其結果缺乏醫學上的解釋性，都需要專業醫生的復核。
基于人工神經網絡的人工智能系統在記憶和識別這兩個基礎智能方面超越了人類，但在推理、想象等高級智能方面還相差較遠。與人類相比，人工智能無法承擔創造性勞動的原因還不止于以上的局限性，還包括：人工智能沒有常識和物理世界的模型;人工智能沒有自主和自發的通用語言能力;人工智能沒有想象力，需要大量常識、反事實假設和推理能力;最重要的是人工智能沒有自我意識。自我意識的缺乏導致能夠產生機器知識的人工智能系統仍然無法被視為認知主體，其知識的“創造性勞動”是一種無意識認識活動。
五、結語
人工智能系統在提升科學知識生產效率、處理默會知識以及產生機器知識方面的優勢，使得我們在創造性勞動中很難將其排除在外，未來可能的創造性勞動方式應當是某種人機協作或人機融合。腦機接口（brain-computerinterface）是當前一個重要的人機協作研究方向，而其中最激進的方式是馬斯克提出的Neuralink，即通過柔性電極對接在人腦的神經網絡上，Neuralink要解決的是人類的信號輸入與輸出，但其問題在于人類的高級思維（如邏輯推理或描述場景）必須依賴語言，而目前基于人工神經網絡的機器學習能力主要是對環境的識別能力，還遠沒有達到語言和邏輯推理，但人類智能通過語言進行溝通。這背后就隱含了人類的科學知識與人工智能系統的機器知識之間的不可通約，以上例子也表明基于人機協作的創造性勞動還有很大的技術障礙需要克服。
參考文獻：
[1]崔政.科學技術知識的政治經濟學研究[M].石家莊：河北人民出版社，2019.
[2]郁振華.當代英美認識論的困境及出路——基于默會知識維度[J].中國社會科學，2018（7）.
[3]GregoryWheeler.Machineepistemologyandbigdata[A].inMcIntyre，Lee，andAlexRosenberg，eds.TheRoutledgeCompaniontoPhilosophyofSocialScience[C].Taylor&Francis，2016.
[4]董春雨，薛永紅.機器認識論何以可能？[J].自然辯證法研究，2019（8）.
第3篇: 人工智能論文
[摘要]經濟全球化形勢下，英語教學需求增長，尤其對于高校教育機構而言，傳統英語教學模式的局限性弊端已逐漸顯露，新型教學技術的引入與應用成為大勢所趨。人工智能技術作為現代科技的重要產物，于近年來開始被嘗試應用于教學工作當中，在語言類教學課堂中發揮著尤為重要的輔助作用。基于高校英語教學的現實需求，如何構建有益于提升教學實效性的教學模式，并由此實現人工智能技術在英語教學課堂中的有效利用，成為亟待解決的關鍵問題。現由人工智能視野出發，嘗試在高校英語教學中擬建混合式課堂，以期實現教學效率及質量的優化。
[關鍵詞]人工智能;高校英語;混合式教學;構建策略
從高校教育階段的英語教學目的來看，其核心主要在于語言應用能力的培養，要達成這一目標，僅僅依靠單一的課堂內教學遠遠不夠，在缺乏課外訓練的情況下容易導致學生出現語義理解、口語表達方面的短板，不利于全面應用能力的構建。因此，以“線上+線下”為特征的混合式教學模式在高校英語課堂逐漸興起，在很大程度上彌補了以往單一性教學模式的不足，也更有利于為人工智能等現代教學技術的引入與應用擴大空間。但由于長期受傳統教學模式影響，人工智能與混合式教學模式在高校英語課堂中的融合構建容易受阻，需要以科學合理的策略加以推進，現提出相應方案。
一、人工智能與混合式教學模式的相關理論概述
(一)人工智能的概念及主要功能人工智能技術是建立在計算機信息處理基礎上的一種智能化技術，能夠對人類行為邏輯、方式及習慣做出相應的解析與模仿，使機器的運作能夠在智能程序的驅使下更貼合人類的交互需求[1]。基于這一應用方向，人工智能技術主要由理論研究與工程研究兩個方面共同推進完整體系的構建，其中，理論研究工作旨在為后續工程研究的實踐奠定基礎，重點一般放在對現有技術經驗的總結探索、對相關理論體系的整合提煉等方向;工程研究工作則旨在利用現有人工智能技術獨立完成產品的開發與設計，重點一般放在人工智能系統與設備的應用、新產品的研發實驗與調整改進等。從人工智能目前的主要功能來看，大致可分為以下三類：一是通過智能系統完成信息的存儲、提取及內部處理;二是通過智能化能力完成信息的符號化處理;三是建立與人類行為邏輯相近的程序邏輯，并利用這一能力對人類提出的問題予以解答或處理[2]。從語言學習的視角來看，人工智能的功能呈現更為具體，如語言解析技術、語言識別技術、語言翻譯技術等均較為常見，隨著人工智能普及率的增長，這些技術在語言教學課堂中的利用也更為廣泛，且目前仍處于不斷升級的進程當中，為語言教育方式的革新轉變帶來了巨大的契機。
(二)混合式教學模式的應用價值結合混合式教學模式在高校英語教學中的應用現狀來看，其教學價值大致體現在以下兩個方面：一是優勢整合價值。語言學習中，傳統課堂與網絡信息課堂所能夠提供的支持效果各不相同，且各有優勢與短板。通過應用混合式教學模式能夠有效提取并整合兩種教學狀態下的主要優勢，使其相互補充、相互作用，進而發揮“1+1>2”的更優教學效果。二是范圍拓展價值。語言類科目不僅對基礎知識體系具有較高要求，同時也有著明顯的實踐需求，而單一的課堂教學模式很難將教學范圍進行有效拓展[3]。在混合式教學模式支持下，這一問題得以解決，通過利用龐大的線上資源來突破線下教學范圍的局限性，能夠達到開辟新渠道、鞏固認知結構的教學目的，有助于為學生跨文化交際能力的提升奠定基礎。三是推進教學改革。混合式教學模式的深入開展，有助于實現教學方式的多元化和豐富性。充分借助于線上教學與線下教學的優勢，綜合運用多樣化的教學手段，根據不同教學內容的要求來選擇合適的混合式教學手法，這不僅可以為學生的學習活動提供良好的支持，同時還有助于調節課堂教學氛圍，讓教學實效性得以大大增強。
二、人工智能視野下高校英語混合式教學模式的應用路徑
(一)聽力訓練———應用語料庫完成自動化資源匹配及交互聽力訓練屬于英語教學中的基礎性部分，對于學生英語應用能力的構建有著決定性影響，且聽力資源的廣度及與學習需求的匹配度在很大程度上決定著學習效果。因此，在構建高校英語混合式教學模式時，可將人工智能技術作為打開聽力訓練資源廣度的關鍵渠道，借助其特有的語料庫儲備來完成自動化匹配、交互，使學生能夠快速在龐大的英語聽力素材中獲取與自身學習需求相符的聽力資料，并根據資料內容，與人工智能設備展開具有針對性的自動化練習[4]。首先，學生可在線上人工智能系統中錄入自己的年齡、學段、英語聽力基礎、重點訓練方向等基本資料，由系統根據數據資料自動篩選、匹配相應的聽力材料，從而省略手動搜集資料的繁瑣工序。另外，為進一步增強線下課堂學習與情境的交互性，還可進一步利用人工智能的自動識別功能，由學生根據學習需求，隨機選取某物體進行掃描，再由系統根據識別出的物品類別篩選出相關的聽力練習資料，使學生能夠在自動且隨機的語言場景中獲得更良好的學習體驗。例如，當學生選擇“手機”這一物品進行識別后，語料庫便可自動篩選出與“手機”有關的聽力材料，整理出類似主題：Therelevanceofmobilephonesandmodernlife，學生再根據聽力內容展開自主練習，從而規避千篇一律的重復訓練。
(二)寫作指導———應用自動批改功能完成查漏補缺英語教學中，寫作是用于鍛煉學生詞句表述水平、語法運用水平的重要環節，但傳統英語寫作教學課堂常受困于題材范圍狹窄、批改過于主觀等因素，既不利于學生創造能力的發揮，也容易導致學生對于自身英語寫作的優缺點難以客觀把握[5]。因此，在利用人工智能技術展開英語寫作指導時，同樣可由線上、線下兩個不同角度出發，分別借助框架搭建功能與自動批改功能完成的自我審視與查漏補缺，進一步夯實英語書面表述能力。線上教學中，首先可由教師向學生布置以某一話題或某一詞匯為主題的寫作任務，如“Economicglobalization”，學生根據自身思路，在人工智能技術支持下的作文系統中進行寫作，系統則由此發揮框架搭建功能，結合主題與基本思路提供大致的框架模板，以及用作參考的相關詞匯、句式，使學生能夠跟隨框架的指導，形成更為清晰的寫作邏輯鏈條，達到深化表達的訓練目的。線下教學中，首先可針對經過系統自動批改后的寫作內容與批改意見進行回顧，找出系統評測下的亮點與不足所在，梳理出寫作過程中的存疑之處，通過與他人交流和詢問教師的形式找出解決辦法，并于課堂上完成習作修改，最后由教師根據寫作主題，給出主觀意見，從而達到主客觀相結合的綜合評定目的，使反饋成果更具輔助改進意義。
(三)翻譯練習———應用云平臺技術實現重難點突破英語翻譯是以足夠的詞句積累、聽力練習為基礎的語言轉換過程，對于學習者的語法運用水平、實時解析能力、組織表達能力都具有較高要求，因此學習過程中的重、難點也相對更多，如何提高翻譯精準性成為教學過程中的重要問題[6]。人工智能支持下的云平臺應用能夠為英語翻譯教學帶來新的渠道，一方面可通過創設翻譯情境來使學生快速投入到語言環境當中，另一方面也可透過知識模塊拆分功能來理順語句間的聯系，從而使得翻譯精確性提升。首先，可在線下課堂當中借助人工智能技術來營造身臨其境的語言氛圍，如通過追蹤文本內容，自動化匹配并呈現與之相關的場景，給人以身臨其境之感，如在進行“Foratime，theweatherchangedsud-denly，heavyrainandthunder，pedestriansontheroadwerelookingforeavestoavoid.”一句的翻譯時，系統可自動提取“Thunderstorm”這一關鍵詞，并在設備中播放關于“暴雨雷鳴”的音像，將學生引入語言情境當中[7]。在情景背景下完成翻譯練習后，學生可各自將翻譯成果上傳至線上云平臺，由云平臺根據翻譯內容，出具動態的評價鏈條，對翻譯結果進行量化評定，使學生更快地從中厘清重點、難點，并結合不同的知識模塊展開針對性補充練習。
(四)口語對話———應用人工智能機器人展開一對一對話高校教育階段，英語教學的最終訴求在于實際語言應用能力的構建，因此，口語對話練習成為貫穿教學始終的必要環節，關系著學生最終能否將課堂學習成果轉化為語言應用基礎。人工智能技術的出現，在很大程度上打破了以往英語課堂中對話組織困難的僵局，學生可通過與人工智能機器人建立起一對一的對話關系，來解決師資有限而同學指導能力不足的問題，同時取得訓練成效與查漏補缺成效。學生在進行線上自主練習時，可根據想要練習的方向設置關鍵詞或主題，再將人工智能機器人作為對話對象，圍繞主題展開聊天式對話，從而達到口語訓練目的，同時還可避免與真人對話時羞于啟齒的情況，有助于在放松狀態下激發出更良好的表達水平[8]。線下課堂教學中，同樣可利用人工智能機器人來催化練習效果，例如，在組織小組口語練習時，為避免話題匱乏、接話困難的情況，可利用智能機器人來提供一些固定的框架或句式搭配，并根據不同成員的薄弱點，對對話的層級與難度進行適當智能化調整，從而實現對話練習效果的提升。
三、人工智能視野下完善高校英語混合式教學模式的主要策略
(一)完善教學管理系統，拓寬混合式教學范圍無論是人工智能技術還是混合式教學模式的利用，都需要以完善的教學管理系統作為依托，才能夠最大限度發揮其價值與成效，真正在教育工作中起到支持作用。因此，在構建高校英語混合式教學模式的同時，還需要緊密結合內部教學需求與教學現狀，組織校內各部門共同參與到教學管理工作中來，積極發揮監督與合作職能，在尋求改革發展契機的同時進一步拓寬混合式教學的應用范圍[9]。一方面，打造以融入人工智能技術為核心的混合式教學方案，將其應用于英語教學工作當中，動態化觀察各階段教學成果，并用作后期修改教學管理方向的依據，同時積極舉辦教學比賽及教學研討會議，以便及時發現方案中的問題所在;另一方面，將混合教學范圍逐步擴大，如嘗試通過校外拓展實踐來探索人工智能的新應用渠道，同時建立綜合線上、線下兩個教學環節評價指標的教學反饋體系，以便于及時由反饋體系當中獲取新的教學動向，并由此探索更利于發展的新模式。可以說，人工智能背景下的英語混合式教學，是以完善的教學管理系統為先導的，必須要不斷地對教學管理系統進行完善，有效地拓展并延伸混合教學范圍，才能夠最大化地提升混合式英語教學的實際意義，真正促進教學質量的提升，為學生的成長和發展奠定堅實的基礎。
(二)優化課件制作體系，突出合作互動功能除混合式教學方法的應用外，英語教學課件的制作也直接影響著最終教學成效。為突出人工智能技術的教學優勢，在后期英語混合式教學課件的制作中，可進一步強調學習過程中的合作與互動，通過留置更大的交互空間來激發個體的主觀能動性，從而達到強化訓練效果的目的。一方面，高校可組建精于網課制作的教師隊伍，在分析人工智能教學數據、總結以往經驗的基礎上，盡可能地豐富素材、去粗取精，使學生在線上學習中獲得更優體驗;積極打造線上精品網課，帶給學生專業化的網絡課程內容，使之可以從中收獲知識的積累和能力的提升，此外還可以將精品網課作為范本在其他高校進行推廣，這既可以進行課程推廣還能夠實現學術交流，以此來更好地強化課件制作效果;另一方面，在線下課件的制作中，更多地增加由學生作為主導的實踐板塊，如互動對話環節、實時翻譯環節等，從根源上提高學生在混合式課堂中的參與度[10]。總而言之，在人工智能背景下，積極開展英語混合式教學，必須要以優質課件制作體系為先導，以課件優勢來促進學生對于知識的吸收，這樣有助于最大化發揮混合式英語教學的意義，強化教學實效性。
(三)重建教學評價制度，設置多元考核指標在混合式教學模式踐行基礎上，可通過重建教學評價制度、設置多元化考核指標來進一步倒逼教學質量的提升。例如，除了平時表現，期末考試成績作為基礎考核以外，可另外增加線上教學評價板塊，即將學生在線資源學習情況、線上線下課堂活躍度以及師生互動情況等都納入評價考核范圍。借助人工智能技術及網絡平臺，將學生的學習情況細化為多個考核內容，如聽、說、讀、寫能力的構建情況等，從而保證考核結果更加公正、有效，能夠真實反映學生的學習情況以及英語應用水平，并幫助學生完成針對性改進。此外，為了進一步延伸教學評價效果，可以通過線上師生互評、學生互評、小組評價、學生自我評價等方式來實施多元化評價，這樣通過多維度、多元化的混合式評價，有助于實現最真實、最客觀、最全面的教學評價，能夠全面衡量教學質量和教學效果，以便于為后續的教學改進創造基礎。
參考文獻：
[1]劉凡.高校英語教學線上+線下混合式模式的構建研究[J].吉林廣播電視大學學報，2019(9)：62-63.
[2]安琦.民族高校英語專業課程混合式教學模式初探———以內蒙古民族大學為例[J].民族高等教育研究，2019，7(5)：90-92.
[3]郭璽平.混合式教學模式下的高校英語演講課程設計與實踐———以內蒙古師范大學為例[J].內蒙古師范大學學報(教育科學版)，2018，31(3)：87-90.
[4]陳潔.混合式教學法在高校英語專業《基礎英語》課程中的應用[J].黑河學院學報，2020，11(2)：107-109.
[5]賀紅艷.混合式教學模式下課堂評價體系改革對高校英語教師評價素養的挑戰[J].國際公關，2020(5)：41-42.
[6]毛為慧,余慶澤.基于AI語音識別平臺的英語混合式教學模式探討[J].河南教育(職成教),2020(3):28-30.
[7]王艷紅.人工智能背景下英語寫作教學中混合式教學模式的應用[J].西部素質教育,2020,6(12):122-123.
[8]闞常娟.多模態視域下的英語教學云平臺建設研究[J].江西電力職業技術學院學報,2020,33(3):37-38.
[9]王璐.淺議人工智能背景下的大學英語口語教學與評價[C].外語教育與翻譯發展創新研究(第九卷).四川西部文獻編譯研究中心,2020:44-46.
[10]季燕.5G+人工智能視角下的英語教學創新探索[J].創新創業理論研究與實踐,2020,3(7):67-68.
作者：王欣 單位：陜西警官職業學院
第4篇: 人工智能論文
人臉識別考勤、GPS定位、無現金支付……近日，一款智能校服被曝出正在西南地區十余所中小學試用。廠商介紹，在校服兩側肩部置入芯片后，這款智能校服兼具了無感考勤、教務管理、家校溝通等功能，旨在打造智慧校園。但另一方面，“監測限制越來越多，侵犯學生隱私”“收集的敏感數據將如何使用”的質疑也隨之而來。
（2月17日《經濟日報》）
@武岡市龍田中心小學劉雪婷根據官方提供的信息，在學生遇到意外時可拍打或敲擊這款校服的特定部位，向校園安保人員和家長發出求救信號。試問，這難道不正是家長和老師期待的效果么？此外，就現有信息看來，智能校服結合人臉識別、攝像頭等組合應用后，學校可以適時了解學生是否遲到、早退，是否按時進入宿舍，上課是否在打瞌睡等。而家長則可以及時掌握學生在校情況、實時位置與動態軌跡等。可以說，智能校服讓學生處于學校、家長全方位、動態化的監控之中，對學生的管理有著諸多便利。
@麻陽二中張圣霖智能校服粗看似乎有創意，但其最大的問題是與“以人為本”的教育理念背道而馳。智能校服記錄學生一切行動軌跡，學生仿佛時刻被一雙看不見的眼睛窺視著，這種做法涉嫌侵犯個人隱私。未成年人長期在這種環境下生活，心理承受的壓力恐怕難以估量，還談什么自由快樂健康的成長呢？假如學生不知情的話，這種做法無異于一個現實版的《楚門的世界》。再則智能校服收集的相關數據并不能確保不被泄露。如果未成年人的消費、位置等信息被有意無意泄露，將會給違法犯罪分子提供可乘之機，讓拐騙、性侵等犯罪行為更加防不勝防。
@邵陽學院劉運喜科技是一把雙刃劍，在給我們帶來一系列利好的同時，也讓我們成了全透明的“玻璃人”，電子監控無處不在，幾乎毫無隱私可言。這是十分可怕的，也是很危險的。在互聯網時代，推進智慧校園建設是人心所向、大勢所趨，是完全必要的，也是確實必須的。然而，我們不能借口智慧校園建設，完全無視學生的合理訴求，肆意侵犯學生的隱私權。所謂智慧校服具有無感考勤、教務管理、家校溝通等功能，其實只是商家的一種營銷策略，實際并沒有那么神乎其神，更沒有那么重要。
