导语：如何才能写好一篇人工智能在教育方面的应用，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
这只是人工智能在教育领域的小试牛刀。虽然有专家预测在未来十年内不会看到人形机器人替代教师进入课堂，不过地平线报告2016年基础教育版和2107年高等教育版都预测未来五年内人工智能将会在教育行业普及。
教育行业已有的人工智能研究和应用
Woolf等人在2013年提出了人工智能在教育领域应努力解决“五大挑战”：①为每一个学习者提供虚拟导师：无处不在地支持用户建模、社会仿真和知识表达的整合。②解决21世纪技能：协助学习者自我定位、自我評估、团队合作等。③交互数据分析：对个人学习、社会环境、学习环境、个人兴趣等大量数据的汇集。④为全球课堂提供机会：增加全球教室的互联性与可访问性。⑤终身学习技术：让学习走出课堂，进入社会。
这些研究，基本上使用到了人工智能的每一项技术——自然语言处理、不确定性推理、规划、认知模型、案例推理、机器学习等。“智能导师系统”就是基于这些研究和技术而开发的人工智能教育应用。类似的成熟产品包括Tabtor（hellothinkster.com）、CarnegieLearning（carnegielearning.com）和FrontRow（frontrowed.com）。2014年，加拿大西蒙弗雷泽大学的一项试验发现用智能导师系统的学习者比使用其他教学方法的学习者获得的成绩更高。
人工智能在教育行业的新发展
1.人工智能批改作业
目前，人工智能批改作业已经相当接近真人教师了，除了选择题、填空题外，作文的批改能力已经大幅提高。美国斯坦福大学已经成功开发出一种机器学习程序，能够批改8～10年级的作文。随着图像识别能力的大幅提高，手写答案的识别也接近可能。就连占有美国标准化考试60%市场份额的全球最大教育企业——培生公司也认为，人工智能已经可以出现在教室并提供足够可信的评估。据培生公司近期的报告IntelligenceUnleashed推测，人工智能软件所具有的广泛的、定制的反馈能够最终淘汰传统测试。
2.人工智能实现一对一辅导
自适应学习软件已经能为学生提供个性化学习支撑。据2011年VanLehn的一项研究发现，人工智能在某些特定主题和方法上比未经训练的导师更具有效性。进一步的研究发现，人工智能导师能在学生出错的具体步骤上给予实时干预，而不是就整个问题的答案给予反馈（Corbett&Anderson，2001；Shute，2008）。
自适应学习在拉美地区正在兴起。AndréUrani市政学校的学生使用人工智能软件Geekie观看在线课程（视频和练习）。Geekie为学生提供每一步的实时反馈，并随着学习的进展来传授更为精细的课程内容。
4.人工智能改进数字出版
教科书等课程材料并非总是完美，传统印刷出版让课程的修订变得过于缓慢。这不仅是生产工艺的问题，更主要的是纸质课程材料无法快速获取使用者的反饋来识别缺陷所在。而数字化出版在人工智能的支撑下能彻底改变这一现状。
人工智能可帮助使用者快速识别课程缺陷。大规模网络开放课程Coursera的提供者已经将这一想法付诸实践。当发现大量学生的作业提交了错误的答案时，系统会提示课程材料的缺陷，进而有助于弥补课程的不足。
随着自然用户界面和自然语言处理在人工智能领域的成熟应用，课程材料的数字化出版也会有更新的形态——不再局限于书本或网页的形式，聊天机器人和虚拟导师将成为内容表达的更好的方式。
5.人工智能作为学生
多年的研究表明，教会别人才是更好的学习，即learning-by-teaching。美国斯坦福大学教育学教授DanielSchwartz正基于这一理念来开发新的人工智能产品。他联合了多个领域的专家一起开发了人工智能应用——贝蒂的大脑（Betty’sBrain），让学生来教贝蒂学习生物知识。试点研究发现，使用这一方法来学习的学生比其他学生成绩更好，且在科学推理上也更胜一筹。
类似的研究和开发还有瑞典隆德大学的TimeElf和美国卡内基梅隆大学的SimStudent，这两个人工智能产品也是基于learning-by-teaching而开发，让学生在教会机器人知识的过程中深化对知识的理解。
另外，人工智能还推动其他教育方法和技术更好实现。如让虚拟现实学习环境更具沉浸感；给学生带来更多动手实践的机会；提供基于丰富学习分析的仿真和游戏化学习场景等。
【关键字】人工智能；教育；进展
【中图分类号】G40-057【文献标识码】A【论文编号】1009―8097（2008）13―0018―03
人工智能是一门综合的交叉学科，涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能，其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看，人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破，不仅给学习科学以技术支撑，而且能反过来促使人脑的学习规律研究更加清晰，从而提供更加切实有效的方法论。[3]人工智能技术的不断发展，使人工智能不仅成为学校教育的内容之一，也为教育提供了丰富的教育资源，其研究成果已在教育领域得到应用，并取得了良好的效果，成为教育技术的重要研究内容。
人工智能的研究更多的是结合具体领域进行的，其主要研究领域有：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前，在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能，下面就这些领域进行阐述。
一专家系统
专家系统是一个具有大量专门知识与经验的程序系统，它使用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为：知识库，用于存储某领域专家系统的专门知识；综合数据库，用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息；推理机，用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作；解释器，向用户解释专家系统的行为；接口，使用户与专家系统进行对话。近几十年来，专家系统迅速发展，是人工智能中最活跃、最有成效的一个研究领域，广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。
目前，专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走，从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容，它可以制定出一个课堂大纲，写出一份教案，甚至有可能开发一堂样板课，而诊断系统是往后走，从一个给定系统陈述查找原因或对其进行分析，例如，一个诊断系统可能以一堂CBI（基于计算机的教学，computer-basedinstruction）课为例，输入学生课堂表现资料，分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发（ISD）程序的领域中最有名的是梅里尔（Merrill）的教学设计专家系统（IDExpert）。[6]
教学专家系统的任务是根据学生的特点（如知识水平、性格等），以最合适的教案和教学方法对学生进行教学和辅导。其特点为：同时具有诊断和调试等功能；具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统，我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]
目前，在教育中，专家系统的开发和应用更多的集中于远程教育，为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能：具备某学科或领域的专门知识，能生成自己的提问和应答；能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。
二机器人学
机器人学是人工智能研究是一个分支，其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段：第一代机器人是以“示教―再现”方式进行工作；第二代机器人具有一定的感觉装置，表现出低级智能；第三代机器人是具有高度适应性的自治机器人，即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响，其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。
机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人学教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。[10]在机器人竞赛的推动下，机器人教育逐渐从大学延伸到中小学，世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中，我国许多有条件的中小学也开展了机器人教育。
机器人在作为教学内容的同时，也为教育提供了有力的技术支撑，成为培养学习者创新精神和实践能力的新的载体与平台，大大丰富了教学资源。多年来，我国中小学信息技术教育的主要载体是计算机和网络，教学资源单一，缺乏前瞻性。教学机器人的引入，不仅激发了学生的学习兴趣，还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展，教学机器人种类越来越多，目前在中小学较为常用的教学机器人有：能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。
三机器学习
机器学习是要使计算机能够模仿人的学习行为，自动通过学习来获取知识和技巧，[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等，近年来，知识发现和数据挖掘是发展最快的机器学习技术。机器学习（自动获取新的事实及新的推理算法）是使计算机具有智能的根本途径，对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]
随着计算机技术的进步和机器学习研究的深入，机器学习系统的性能大大提高，各种学习算法的应用范围不断扩大，例如将连接学习用于图文识别，归纳学习、分析学习用于专家系统等，大大推动了在教育中的应用，例如在建构适应性教学系统中，用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好，有较高的准确率[13]。基于案例的推理（case-basedreasoning，CBR）是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题，在计算机辅助教育方面，已经出现了基于CBR的图形仿真教育系统，并且，针对个体特征的教育教学方法研究也有所突破。[14]另外，数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用，不仅给机器学习注入新的生机，也为机器学习在教育中的应用提供了新的前景。
四自然语言理解
自然语言理解就是研究如何让计算机理解人类的自然语言，以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务，其功能为：回答问题，计算机能正确地回答用自然语言提出的问题；文摘生成，计算机能根据输入的文本产生摘要；释义，计算机能用不同的词语和句型来复述输入的自然语言信息；翻译，计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现，因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘，深化对语言能力和思维本质的认识。[16]
自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径，例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言，进行人机对话，回答关于桌面上积木世界中的各种问题。同时，对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展，例如“希赛可”网络智能英语学习系统，这个基于网络的“人-机”语境的建立，突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制，也比建立于网络的“人-人”语境更具灵活性，可以为远程学习者提供良好的英语学习支持，在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上，在国际上也是一种创新。[17]
五人工神经网络
人工神经网络就是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能的元件（即人工神经元），按各种不同的联结方式组织起来的一个网络，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能，例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域，人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构：递归（反馈）网络和多层（前馈）网络，两种主要学习算法：有指导式学习和非指导式学习。
人工神经网络从模拟人类大脑神经网络的结构和行为出发，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，[19]这使人工神经网络具有更大的发展潜能，目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合，以此来改进教学专家系统的性能，提高智能性，使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用，例如采用误差反传算法（BP）的多层感知器已应用于高校管理之中。
六分布式人工智能(DistributedArtificialIntelligence，DAI)
分布式人工智能是分布式计算与人工智能结合的结果，研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型，主要研究问题是各Agent之间的合作与对话，包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成，每个Agent又是一个半自治系统，Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点，在资源、时空和功能上克服了单智能系统的局限性，因此获得了广泛的应用。
技术发展不断发挥着引导教育技术研究的作用，一种新兴技术的出现总是会掀起相应的研究热潮,引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25]人工智能作为一门交叉的前沿学科，虽然在基本理论和方法等方面存在着争论，但从其研究成果与应用效果来看，有着广阔的应用前景，值得进一步的开发和利用。
参考文献
[1]史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.
[2][11][18][19]《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.
[3]任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.
[4][21]蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.
[5][12][15][20][24]蔡自兴,徐光.人工智能及其应用(第三版)――研究生用书[M].北京:清华大学出版社,2007:12-14,19-20.
[7]任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.
[8]路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.
[9]陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.
[13]柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.
[14]杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.
[16]自然语言理解[DB/OL].
[17]贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.
[22]ErinShaw,W.LewisJohnson,andRajaramGaneshan,PedagogicalAgentsontheWeb[DB/OL].
关键词：人工智能；授课内容；讲授方法
1教学目标的精确定位
其次，要研究解决同学们所反映的“虚与实”问题。人工智能是一门涉及到多个学科的课程，具有相当复杂的背景，其与哲学、数学、经济学、神经科学、心理学、计算机工程、控制论和语言学都有着密切的联系，并且随着这些学科的发展而深化，不断产生新的思路和新的问题。以上特点决定了该课程内容较为抽象，且难以把握全局，学习起来不易消化理解，从而造成了学生学习的困难，容易产生畏惧感，并且学生常常对其在实际环境中的具体应用产生疑问。
如何在这么短的授课学时里使学生产生学习兴趣并且能取得良好的教学效果是一个具有挑战性的课题，这需要对该课程的授课内容、教材选择、讲授方法和考核形式进行全方位的思考与探索，并在教学过程中落在实处。一方面让学生了解和掌握人工智能的发展历史和思想渊源，并指出各个分支的本质特点和整个领域的发展趋势；另一方面有意识地穿插介绍人工智能在实际中具体应用的例子，开阔学生的眼界，打消他们的疑虑。这些将在本文的后面部分进行深入的介绍。
最后人工智能概论这门课程还要兼顾研究型和应用型这两种特点的共同发展。在以前，由于人工智能授课内容的特点，常常讲授时偏向研究型，往往涉及到复杂的数学推导和逻辑运算，增加了老师讲授的难度和学生学习的困难。因此，针对上述问题，在教学过程中可以引入多种形式的事例说明和多媒体演示环节，以讲授思想为主，具体技术为辅，这将直接反映到授课内容的选择上。
2授课内容的选择
人工智能领域的发展受到多个学科的影响，这些学科在不同历史时期都对人工智能领域起到了各种推进作用，也产生了许多不同层面的争论，至今也是如此。如何在授课过程中形象地对人工智能历史进行回顾，阐述这些学科对人工智能领域的影响，尤其是思想方面的影响特别重要。“回顾历史，立足当今，展望未来”――给学生形象地描绘出人工智能发展的思想史，并以画龙点睛之笔指出人工智能领域发展的广阔未来，是授课教师艰巨而光荣的任务，只有这样才能使学生把握住人工智能领域的整个发展脉络，激发出他们的学习兴趣和爱好。
4讲授方法和考试形式的选择
5结语
我们认为在教学方式上力争采用“启发式”教学，能真正做到启迪学生思想的作用，尤其要鼓励思想创新，在高等教育阶段培养学生具有独立思考、勇于探索的能力，使之成为社会的有用之才。希望这些在人工智能概论课程教学中的思考和探索能在日常教学活动起到有益的作用，并与同行们共同交流和探索。
参考文献：
[1]S.J.Russell,P.Norvig.ArtificialIntelligence:AModernApproach[M].2ndEd.北京:清华大学出版社,2006.
[2]蔡自兴,徐光佑.人工智能及其应用本科生用书[M].3版.北京:清华大学出版社,2003.
[3]蔡自兴,徐光佑.人工智能及其应用研究生用书[M].3版.北京:清华大学出版社,2004.
[4]钟义信.机制主义方法与人工智能统一理论:人工智能的新方法与新进展[J].计算机教育,2010(19):7-10.
[5]J.Preston,M.Bishop.ViewsintotheChineseRoom:NewEssaysonSearleandArtificialIntelligence[M].Oxford:OxfordUniversityPress,2002.
TeachingReflectiononIntroductiontoArtificialIntelligence
YANGDedong,SUNHexu,YANGPeng,ZHANGLei
(SchoolofControlScienceandEngineering,HebeiUniversityofTechnology,Tianjin300130,China)
据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。
随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。
2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。
如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。
第一部分人工智能行业发展概述
1.人工智能概念及发展
人工智能（ArtificialIntelligence，AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。
自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。
人工智能发展历程
2.人工智能产业链图谱
人工智能产业链可以分为基础设施层、应用技术层和行业应用层。
A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。
B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。
人工智能产业链
第二部分人工智能行业巨头布局
巨头积极寻找人工智能落地场景，B、C端全面发力。
第三部分机器视觉技术解读及行业分析
1.机器视觉技术概念
机器视觉的两个组成部分
2.发展关键要素：数据、算力和算法
数据、算力和算法是影响机器视觉行业发展的三要素。人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。
深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。
3.商业模式分析
机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。
（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口
这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。
此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。
国内外基础算法应用对比
（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口
软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。
4.投资方向
（1）前端智能化，低成本的视觉解决模块或设备
从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。
机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。
（2）深度学习解决视觉算法场景的专用芯片
以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如RGB，HSV，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过R-CNN训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。
（3）新兴服务领域的特殊应用
前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。
（4）数据是争夺要点，应用场景是着力关键
机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。
第四部分智能语言技术解读及行业分析
1.语音识别技术
（1）语音识别技术已趋成熟，全球应用持续升温
语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据GoogleTrends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。
（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流
语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。
（3）语音识别技术发展瓶颈与趋势
低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。
麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。
在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。
2.自然语言处理（NLP）发展现状
（1）多技术融合应用促进NLP技术及应用的发展
深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及AttentionModel等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。
深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domainknowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。
（2）NLP主要应用场景
问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如IBM的Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。
图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。
机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。
对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。
（3）创业公司的机遇
1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。
2)应用于垂直领域的自然语言处理技术
避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。
第五部分人工智能在金融行业的应用分析
人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。
人工智能在金融行业的典型应用情况
第六部分人工智能在医疗行业的应用分析
1.人工智能在医疗行业的应用图谱
人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。
图人工智能在医疗行业的应用图谱
2.人工智能在医疗行业的具体应用场景
医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。
药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。
第七部分智能驾驶行业分析
1.智能驾驶行业产业链
智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。
产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。
智能驾驶产业链图谱
2.智能驾驶市场分析
伴随着ADAS技术的不断更新，推断全球L1-L5智能驾驶市场的渗透率会在接下来5年内处于高速渗透期，然后伴随半无人驾驶的普及进入稳速增长期。在未来的2025年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球L4/5级别的自动驾驶车辆渗透率将达到15%，单车应用成本的显着提升之外，从L1-L4级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。
按照IHSAutomotive保守估计，全球L4/L5自动驾驶汽车产量在2025年将接近60万辆，并在2025-2035年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近7600万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。
根据独立市场调研机构StrategyEngineers的预测，L4高度自动驾驶等级下，自动驾驶零部件成本约在3100美元/车，其中硬件占比45%，软件占比30%，系统整合占比14%，车联网部分占比11%。按照全球1亿辆量产规模计算，理想假设所有车辆全部达到L4高度自动驾驶水平，那么全球自动驾驶零部件市场规模在2020年将达到3100亿美元。
第八部分中国人工智能企业画像分析
随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。
地域分布
全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。
行业分布
从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位，国内与国际差距明显，中小初创企业很难进入。
收入情况
收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。
最新估值
企业最新估值均在亿元级别，且分布较为均衡。三成企业估值超过15亿元，还有企业估值达到百亿级别，如优必
选科技、达闼科技和商汤科技等，将来或将跻身人工智能独角兽企业。(备注：分析样本量剔除一半未披露企业)
第九部分典型企业案例分析
1.Atman
企业概述
Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办，提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专家，为专业领域用户赋能，推动专业领域用户进入人工智能时代，助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品。
目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求。
企业团队
创始人&CEO：马磊
清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师，机器学习专家、多次创业者、曾主导多项人工智能重大项目，和申请国际专利共计15+项。
Atman公司核心团队由来自微软、百度、法电等领域高端人才和资深技术人才组成，公司员工40人，其中硕士以上学历占比60%，技术开发人员占比70%，一半以上来自微软亚洲研究院和工程院。
核心技术与产品
技术方面，擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，和国际专利15项，Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT，专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器写作、知识图谱抽取构建、大数据智能挖掘等语言智能产品。
Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有部署和云端混合部署，提供包括数据隐私安全以及自学习的端到端解决方案。
机器写作可对海量数据进行快速搜索、过滤、聚类，根据行业需求自动生成专业文档，适用于所有专业写作场景，可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率。
知识图谱可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库。大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业大数据为基础的业务辅助能力。
2.黑芝麻
黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研发中心，主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台，为ADAS及自动驾驶提供完整的视觉感知方案。
目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合作，提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案。目前公司已经完成A+轮融资。
团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业，平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙大等知名高校。
创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职，工作内容覆盖了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。
核心技术和产品
在汽车领域，黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP），ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术，到面向AI的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构，包括独有的图像处理，视频压缩和计算机视觉模块，与黑芝麻视觉算法结合，采用16nm制程，设计功耗2.5w，每秒浮点计算达20T。
3.乂学教育
乂学教育，成立于2014年，是一家网络教育培训机构，采用人工智能和大数据技术，为学生提供量身定制学习解决方案和个性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司，销售团队有全国40亿toC销售额的经验。
企业自主研发了针对中国K12领域的学生智适应学习产品，其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权，能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可，并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了人工智能联合实验室。
主要产品
学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术，在模拟优秀教师的基础之上，达到超越真人教学的目的。该产品性价比高，以人工智能+真人教师的模式，做到因材施教，有效解决传统教育课时费用高，名师资源少，学习效率低等问题。
智适应学习人工智能系统
智适应学习人工智能系统模拟特级教师，采用图论、概率图模型，机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径，实现个性化教育。
业务模式
4.云从科技
云从科技成立于2015年4月，是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智能。云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表，唯一一家同时受邀制定人脸识别国家标准、行业标准的企业。2018年，云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与非洲南部第二大经济体津巴布韦政府完成签约。
云从科技奠定了行业领导地位：国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计，唯一同时制定国标、部标和行标的人工智能企业；模式创新，三大平台解决方案，科学家平台、核心技术平台和行业应用平台。
企业核心团队
创始人
周曦博士，师从四院院士、计算机视觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉研究。入选中科院“百人计划”，曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。
核心技术团队
云从科技依托美国UIUC和硅谷两个前沿实验室，中科院、上海交大两个联合实验室上海、广州、重庆、成都四个研发中心组成的三级研发架构。目前研发团队已经超过300人，80%以上拥有硕士学历。
技术优势
全方位多维智能学习模块适应不同场景要求；模块化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础。
云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、ASTAR、PASCALVOC、IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术PK实战中，85次获得第一；2018年，云从科技入选MIT全球十大突破性技术代表企业。
在跨镜追踪(ReID)技术上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三个数据同时集体刷新世界记录，Market-1501上的首位命中率达到96.6%，首次达到商用水平。
行业应用
目前国内有能力自建系统的银行约为148家。截止2018年3月15日，已经完成招标的银行约为121家，其中云从科技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作，通过公安部重大课题研发火眼人脸大数据平台等智能化系统，在民航领域，已经与中科院重庆院合作覆盖80%的枢纽机场。
5.Yi+
北京陌上花科技是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”。
旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是时尚商品搜索引擎。公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。
目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作，通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销。目前公司已经获得B轮融资。
团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国大、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企。
创始人&CEO：张默
北京大学软件工程硕士，南洋理工大学创业创新硕士。连续创业者，曾任华为算法工程师、微软WindowsMobile工程师、IBMSmarterCity架构师，北方区合作伙伴经理，主机Linux中国区负责人，中国区开源联盟负责人，年销售额数亿。2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司。
公司的核心产品主要包括视觉搜索引擎，图像视频分析引擎以及人脸识别和分析引擎：
行业解决方案
针对营销、安防、相机和电视的不同特点，推出相应解决方案。
智慧城市+AI。使用计算及视觉助力智慧城市，在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上，实时处理直播摄像头信息，算法反应敏捷，相应迅速。建立智慧园区方案模型，考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤。
电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力。
相机+AI。相机更具交互能力。用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验。准确识别人物属性特征，动态适应表情变化，可以在视频以及图像中对人脸实时检测，基于深度学习技术，进行人脸相似度检测，实现面部关键点定位、妆容图像渲染，试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等，添加AR效果，SDK支持本地检测、识别、追踪，平均检测帧率可达到25fps。
新零售+AI。Yi+新零售解决方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案。Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合。
6.擎创科技
企业简介
擎创科技成立于2016年，专注于将人工智能和机器学习赋予传统IT运维／企业运营管理，为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严重依赖的现状。2017年，擎创科技已实现全年2000万营收，迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初，擎创科技完成了数千万人民币的A轮融资，由火山石投资领投，晨晖创投、元璟资本及新加坡STTelemedia跟投。
核心团队
擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵，与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验。其中CEO杨辰是国内最顶级的B端销售，曾带领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方，创业前为浦发硅谷银行企业架构师，深知甲方对企业运维产品的需求。这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑，让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商。
“夏洛克AIOps”作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来，已从1.0版本升级至1.9版本，可应用在金融、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业。在2017全球运维大会上，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖。
“夏洛克AIOps”拥有多项自研算法，犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因，实现秒级排障，最大程度避免企业产生重大损失。更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习，运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源，高效预防各类黑天鹅事件的发生。
商业模式
目前，擎创科技已与多家金融和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等。针对不同客户，采用个性化的商业模式进行服务，目前主要有私有模式和SaaS模式两种，都具有较强的可复制性。
核心优势
语音技术进校园
“哪里可以买到便宜的洗漱用品？”新生小贾刚刚把行李放下，就要买必备的生活用品了。
“小助手”回答道：“学校周边步行范围内有两个超市，一个物美超市在南门外面的学府街2号，一个是学生超市在学校的二食堂边上。您是要买牙刷、牙膏和毛巾么？请选择一下吧。”这时，在智能设备的屏幕上，展现了这两个超市的地图，同时把小贾可能要买的东西在这两个超市的价格都罗列在下面。
小贾很高兴地说道：“好啊，就这几个东西吧，我想从学校里的学生超市买这几样。给我送到宿舍来吧。”
“好的，”接到了小贾的指示，“小助手”直接下了单，“东西会在30分钟之后送达。另外，今天是新学期第一天，你要不要去校园里看看呢？”
小贾问道：“去哪里看好呢？新学期学校应该有什么活动吧？”
“小助手”依次列出了今天学校所有的活动和地点：“10点到17点，北门小树林有各个社团的招新活动；10点到11点，我的朋友S博士会介绍学校的智能授课评估系统……”
“这个智能授课要去听，据说以后我们的课堂综合评分，都是由这个智能语音系统来完成的。”同宿舍的小于在旁边忍不住插嘴。
“好啊！那就帮我们订两个座位吧，我们10点去参加S博士的演讲。”小贾说。
几秒钟后，“小助手”在其上方投射出一个报告厅的全息座位图，其中有两个座位高亮显示：“定好了！你们的座位在在H21和H23。报告厅离宿舍不远，我已经把路线图推送到你们的手机上了。”
小贾和小于顺着地图的指引，刚刚来到报告厅门口，“小助手”先跳出来和“S博士”打招呼了：“S博士你好，这是新生小贾和小于，今天来学习智能授课评估系统。”
这时候，教室门口突然跳出来一个戴博士帽的大胖子博士全息图，很热情地和大家打招呼：“欢迎欢迎，今天还有另一个校区的同学，通过全息在线和我们互动。”
大家坐定之后，一个更大号的“博士帽”被投射到最前面，“S博士”开始详细地讲解如何与该系统进行良好的互动，从而争取到更好的课堂分数。
其中有一点最让小贾印象深刻：回答课堂问题时，你们只要以你最喜欢的方式说出你的想法就好了，我们的系统会全面分析你的答案，并分析你的语气和语速，从而得到最好的分数。
会议的最后，小贾和小于很好奇地问“小助手”：“S博士到底在哪个校区工作啊？”
“小助手”嘿嘿一笑说：“S博士和我一样啊，是你们的智能语音助手哦。”
看过上面的故事，有的同学也许会问：这是哪个科幻小说中的场景？如果是在几年前，这样的场景也许还是人们对于遥远未来智能社会的幻想。不过，最近智能语音领域的迅猛发展，让很多这样的“科幻”场景即将成为现实。
那么，智能语音从哪里来到哪里去？未来这方面的技术会如何改变我们的社会和生活？带着这些问题，我们采访了这个领域在中国成长起来的大咖：科大讯飞。
最早接近“人类智能”的领域
近年来，“人工智能”这四个字在各个方向“轰炸”着人们的认知。事实上，这四个字意味着语音、图像、视频、文本、日志分析等多个领域。在这些个领域里面，很多离真正的“人类智能”还有一定距离。但是，智能语音领域却有着不一样的进展。
2015年，科大讯飞最新语音转写产品“讯飞听见”将中文普通话识别和转写的实用准确率提高到了95%以上，远超过人类专业速记员的速度和准确度。这个不同寻常的与那些最新研究成果和技术实验有很大的不同，这标志着中文智能语音的技术已经可以真真实实地达到人类的水平。
“科大讯飞虽然成立18年了，但是在语音识别领域其实还是个新兵，”讯飞负责人这样告诉记者：“最早的语音识别技术可以追溯到上世纪50年代，贝尔研究所Davis等人研究成功了世界上第一个能识别10个英文数字发音的实验系统；1960年英国Denes等人研究成功第一个计算机语音识别系统。大规模的语音识别研究始于上世纪70年代以后，在小词汇量、孤立词的识别方面取得了实质性的进展。”
上世纪90年代以后，大词汇量连续语音识别得到优化，在语音识别技术的应用及产品化方面出现了很大的进展。1997年，IBMViavoice首个语音听写产品问世。
自2009年以来，借助机器学习领域深度学习研究的发展以及大数据语料的积累，语音识别技术得到突飞猛进的发展。2010年，谷歌VoiceAction支持语音操作与搜索。2011年初，微软的深度神经网络（DNN）模型在语音搜索任务上获得成功。也就在同年，苹果手机助理Siri首次亮相，人机交互掀开了新的篇章。
科大讯飞成立于1999年，相比这些巨头来说，是个不折不扣的“新兵”，刚开始难免是要坐冷板凳的。但是，在多年的e累之后，科大讯飞在智能语音领域中的贡献让人刮目相看。有些人认为中国的企业可能在中文智能语音方面积累更多一些，事实上，科大讯飞在历次的国内外语音合成评测中，各项关键指标均名列第一。2008年至今，科大讯飞连续在国际说话人、语种识别评测大赛中名列前茅。2014年，科大讯飞首次参加国际口语机器翻译评测比赛（InternationalWorkshoponSpokenLanguageTranslation）即在中英和英中互译方向中以显著优势勇获第一。2016年，国际语音识别大赛（CHiME）科大讯飞取得全部指标第一；在认知智能领域，相继获得国际认知智能测试（WinogradSchemaChallenge）全球第一、国际知识图谱构建大赛（NISTTACKnowledgeBasePopulationEntityDiscoveryandLinkingTrack）核心任务全球第一。
智能Z音技术从简单的比赛和实验室成果，到真正的实用化，甚至超过人类的智能水平，要做的工作比我们想象得要复杂得多。如果我们打开“讯飞听见”的技术链，发现其集成了包括语音转写识别技术、篇章级处理方案、自然语言处理技术、阵列解混响技术、口语化风格处理技术、声纹识别等多方面的技术，为了应对每个人之间的个体化的差异，方言语音识别、高抗噪语音识别、个性化识别等多方面的功能也是必不可少的。去年12月，“讯飞听见”的升级版本在原实时转写汉字的基础上，还可同步翻译为英、日、韩、维等多种语言。
更高阶：认知智能
智能语音领域的发展，率先将机器的“听、说、理解”能力拉升到了“感知智能”的阶段。以谷歌、微软、讯飞为代表的一批优秀的企业和机构将语音的识别、认知、合成、翻译等能力植入了机器内。同时，在教育、车载、家居、通信、硬件和城市等多个领域，产生了丰富的应用。
“现在我们要进入认知智能阶段了。”科大讯飞强调说。从最新的讯飞产品线来看，在教育评测、知识服务、智能客服、机器翻译等领域，机器已经开始具备了“能理解会思考”的能力了。“人工智能在智能语音这个领域里已经超过人类了。最近我们在做一些教育评测领域的实践。如今，机器主观题阅卷技术对语文、英文等学科的评分已达到或超过人工评分水平。”
当智能语音系统具备足够多的实践、“学习”过足够多的数据，“练习”过足够多的对话，也许它真的可以为人类“打开另一扇窗口”。
二论文集主题与作者信息
为保证论文的质量和吸引广大学者的积极参与，本次会议收录的论文被IEEE出版，并送交工程索引（EI）检索。当然，这也是前14届高质量的会议成果铸就了今天的国际认可，从这一层面也可看出主办方为促进学术繁荣所做的努力。
1按论文主题划分
本次会议收到来自大陆、台湾、香港、新加坡、日本、非洲等国家或地区的学者积极投稿，共收到论文1327篇，经过严格的评审后，录用论文414篇，录用率为31.2%。其中张贴论文73篇，大会最后还评出优秀论文22篇。论文集紧密按照大会主题进行编订。
本次会议收录论文的作者是来自全球各地的华人，笔者按照第一作者所在单位统计得表2：
分析表2的数据得知，除了中小学教师论坛，其他主题论文的作者半数以上来自大陆地区，除了地理优势外，在教育信息化背景下，大陆地区的研究者积极参与学术研究，推动教育信息化稳步发展。
三会议内容聚焦与评述
会议邀请来自于大陆、台湾、香港、新加坡、日本、非洲等地教授、学者做了四个大会主题演讲和十个专题讨论会，另外还组织参会者对杭州胜利小学进行半天的参访活动。
1大会主讲
华中师范大学杨宗凯教授主题演讲的题目是“深化融合，支撑创新――关于教育中长期规划教育信息化问题的思考”。杨宗凯教授作为国家教育信息化十年发展规划（2011-2020年）编制专家组组长，以《国家中长期教育改革和发展规划纲要（2010-2020年）》第十九章“加快教育信息化进程”的内容及国际教育中长期规划的需求为背景，阐述了对我国教育信息化发展的思考。在报告中，杨教授指出我国的教育信息化整体上处于起步、应用阶段，并结合我国教育信息化发展现状，介绍了国家教育信息化十年发展规划编制的指导方针、工作方法、整体风格以及四部分的成果，让所有教育工作者提前学习到国家教育信息化十年发展规划。最后杨教授还欢迎大家在国家教育信息化十年发展规划的意见稿推出时给出自己的意见和思考。
华中师范大学祝智庭教授在大会最后一天下午以“中国基础教育信息化新发展：从班班通到教育云”为主题，分析了在落实《国家中长期教育改革和发展规划纲要（2010-2020年）》背景下，我国基础教育信息化现状与发展趋势，提出了班班通到教育云的发展路线。在报告中，祝教授先介绍代表国内先进水平的“绿色班班通”解决方案以及在全国各省市的推广应用状况；接着推出基于大教育装备的“绿色教育云”开发计划，介绍其核心技术及服务框架；最后就如何通过电子书包作为云端个人学习环境，介绍具有前瞻意义的电子书包系统功能建模，以及电子课本――电子书包技术标准研究进展。据了解，电子书包已经在上海、扬州的部分学校进行开发使用。祝教授的报告内容吸引了众多华人的兴趣，台湾、香港等地专家学者纷纷提问，表示对此研究的支持和认同。
2部分子会议报告综述
(1)移动学习与泛在学习
(2)教育游戏与非正式学习
(3)ICT在华文教学中的应用
(4)计算机支持的协作学习与人工智能教育应用
从论文投稿和报告数量来看，计算机支持的协作学习与人工智能教育应用是目前的一大研究热点和重点。北京师范大学蔡苏代表他的团队做了题为《基于三维交互虚拟学习环境的案例开发与探究》的报告，报告中以四个众所周知的数学案例――天体运动、牛顿第一定律、牛顿第二定律、单摆运动展现了三维交互的虚拟学习环境，最后还用增强现实技术现场展示了这四个案例，吸引了众多与会者的注意和探讨。不得不说，随着虚拟现实技术的发展，尤其增强现实技术，计算机支持的协作学习与人工智能在教育中的应用前景会更宽泛。
(5)数字化学习与企业培训
南京师范大学张义兵老师的《企业培训课程的设计与开发》是以苏宁电器的员工培训为例，介绍了他为苏宁电器设计和开发的培训课程的阶段成果。针对苏宁电器的要求，张老师对苏宁电器进行知识管理、培训教材设计、网络课程设计和e-learning策划。张老师的研究告诉我们企业培训没有通用的课程，不同的企业、不同的工作性质、不同的员工培训的内容都是不一样的。所以，要深入研究企业培训，先深入掌握企业各个岗位和员工特征。
四GCCCE促进教育技术发展
1名称问题
2011年4月20日教育部了《普通高等学校本科专业目录（修订一稿）》的意见征求稿，提出将“教育技术”更名为“教育信息技术”。对于此问题，《电化教育研究》杂志社通过新浪微博平台广泛征求了改名问题的意见和建议，众多教育技术学专业的专家参与讨论并给出自己的意见。根据微博留言可知大家意见不一，总体认为教育技术更名是必要的，但是更名为“教育信息技术”是不合理的。
众所周知，教育技术在发展过程中先后出现了多次更名的现象：教育技术起源于“视觉教育”，后来更名为“视听教育”，再到“视听传播”，发展至我国曾有学者（至今有学者）称为“电化教育”，最后到广为大家接受的“教育技术”。我们不难发现教育技术的名称变化过程中技术的发展起到了重要的作用。于是教育技术是否要更名，免不了要考虑技术是否又发展到一个新的阶段。然而，纵观此次会议中所有专家学者在报告或论文中所用到的技术发现，专家学者们都在强调计算机在教育中的应用，并没有提出新的技术，只是技术使用过程中方法的创新。鉴于此点，笔者认为教育技术更名还没有更名的必要。但是在此次会议中，许多大陆的专家学者提到教育信息化的背景，他们指出我国还处在教育信息化的起步、应用阶段，要达到教育与应用的融合发展还需要经过融合和创新阶段。另外“教育技术”的名称毕竟是从国外引进，并不具有中国特色。考虑到以上两点，笔者赞同一些专家在微博中提出的更名为“信息化教育”的说法，同时“信息化教育”说明了教育技术的重心在教育，从而避免了教育技术姓“教”还是姓“技”的争论。
2技术促进教育
此次GCCCE（2011）大会“数字化学习与企业培训”的主题会上专门安排了一场由清华大学、中国教育技术协会钟晓流教授所做的题为《关于中国教育技术行业标准研制》的报告。2010年5月12日中国教育技术协会在清华大学成立了中国教育技术协会技术标准委员会（下称“标委会”），专门从事教育技术行业标准的研究与制定工作。钟教授的报告内容是标委会提出的在2011年开展并完成《多媒体教学环境规范建设》研究与制定工作的成果。《多媒体教学环境规范建设》的研究与制定是由清华大学、北京大学、浙江大学、上海交通大学、中国科技大学、南京大学、东南大学等50所高校的65位专家和教育技术领军企业的10位专家共同参与的，并分为六个小组分别从以下六个方面进行研究与制定：供配电、网络和建筑物理环境，音频环境与扩声系统，视频环境与视频设备，智能化控制系统，语言实验室与教学资源系统，系统集成。声、光、电等技术的飞速发展和应用改变了人类的许多方面，《多媒体教学环境规范建设》的六个方面正是在声、光、电等技术的应用基础上从硬件和软件两个角度同时改善了传统的教学环境，并彻底改变了一黑板一粉笔的教学设施。
技术促进教育的最好证明就是教学环境的软硬件设施得到改善和提高，而《多媒体教学环境规范建设》研究与制定正在落实着这一点。对于整个教育技术行业来说，教学环境的建设与维护是教育技术行业的核心工作，是数字化校园建设和教育信息化建设的重要内容，是信息技术促进教育创新的重要体现。当然，教学环境的规范建设只是标委会对教育技术行业标准研制的一方面，随着技术在教育中广泛而深入的应用，其他的标准也会相继出台，每一位教育技术工作者都有责任和义务为自己的行业标准做出努力和贡献。
主持人：
倪俊杰浙江省桐乡市凤鸣高级中学
嘉宾：
刘宗凡广东省四会市四会中学
邱元阳河南省安阳县职业中专
徐卫兵浙江省缙云县教师进修学校
现实：手机遥控的时代
现如今，家用电器越来越多，电视机、空调、电风扇、电灯、空气净化器……应有尽有。在电器多了的同时，各式各样的遥控器也多了。要想打开家里的电视机可能就要用到好几个遥控器。万一某一个的电池没电了，那真是麻烦了。各位读者也可以数数看，你家里一共有多少个遥控器？你有没有想过给遥控器“减负”呢？事实上，在很多人家里，遥控器可能只需要一个，那就是手机。
倪俊杰：互联网给传统家电市场带来了强大的冲击。这些厂商也“痛定思痛”，产品理念发生了巨大改变，都开始设计和生产能上网、能遥控的家电产品了。有的还开发了手机在线遥控APP，“智能家居”的概念由此诞生。
刘宗凡：我非常赞同“智能家居”的概念，自己在家也基本上实现了手机控制，这给我的生活带来了很多便利。通过安装手机遥控APP，可以实现用手机控制电器的功能，走到哪里，只要用手机对着空调、电视机、电风扇等电器设置一下，手机就成了名副其实的遥控器，非常方便，随心所欲。
雷军立志要将小米手机打造成未来生活的入口，现在正在一步步实现。小米的万能遥控器，就是智能家居迈出的一小步。
要实现万能遥控有很多方式，如红外遥控、Wi-Fi遥控、蓝牙遥控等。当然，目前能被遥控的家电以红外为主，下面我们来看看小米万能遥控APP如何工作。
打开“小米万能遥控”，单击左上角的“+”号，可以看到，能遥控的设备还真不少（如下页图1）。这次我们添加一台风扇为例，点击“风扇”，将出现一些风扇品牌供我们选择（如图2）。然后按住如图3中的“电源键”，风扇一响应立即松开（一般是关机），这时软件就识别出了这台风扇，在图4中选中“添加桌面快捷方式”，再按“完成”，以后就可以从桌面直接启动这个风扇遥控器。
小米万能遥控APP和实际的遥控器有什么差别呢？通过在使用中的观察，我们发现万能遥控器红外版实现了普通遥控器完全一样的功能，而Wi-Fi版还多了截屏、应用、搜索等功能，特别是“应用”功能，可以直接打开小米电视（小米盒子）安装应用，非常方便。
如果我们把手机横过来，会惊喜地发现，遥控器直接映射了小米电视的界面，这可以看成是一种反向投屏，我们在手机上的操作，会直接反映在电视上。也就是说，我们间接为没有触屏功能的电视增加了触屏功能。在一些不是专门为电视设计的应用或浏览网页时，我们会发现这种遥控方式非常人性化。
通^网络，我们还能遥控家里能联网的智能设备，如空气净化器、洗衣机、高压锅、路由器、摄像头甚至窗帘等家居用品……手机通过红外、蓝牙、Wi-Fi等手段，逐渐成为智能设备的控制中心。
徐卫兵：手机之所以能够用来遥控家用电器，原因在于很多智能手机中内置了红外模块。红外线信号其实是二进制编码的，我们在手机上选择功能按键后，红外模块会将信号编码传递出一串含有二进制编码的信息，并转化为红外遥控器的红外线发射出来，电器接收到信号后就会根据指令“行动”了。此外，如果有些手机没有内置红外模块，也可以通过购买外置的红外适配器来实现遥控的功能。
邱元阳：知道了红外遥控的原理，我们完全可以自己DIY一个手机红外遥控器。最简单的手机遥控器只需要一个3.5mm的耳机插头和两只红外二极管即可，连接方法如下页图5所示。
红外二极管（940nm）可使用两只，也可使用一只，两极分别焊接到耳机接头的左右声道（使用两只的话正负极反向连接，如图5），耳机插头用三级的或四级的都行。最后下载一个“遥控精灵”或其他音频转红外软件即可使用。
需要注意的是，因为家电品牌众多，遥控精灵APP初次使用时要保持网络畅通，以匹配云端数据来生成本地遥控配置文件，灵敏度和发射功率可以在软件上做进一步设置（如下页图6）。
跨越：从遥控到投屏
倪俊杰：任何连接肯定有发射端和接收端，即本机和客户机。手机遥控实现的是信号的传输，信号是看不见摸不着的。有没有一种连接比遥控更加直观呢？自然是有了，那就是投屏。如果遥控的连接是信号传输的1.0版本，那么投屏就可以说是2.0版本了。投屏实现的是将发射端的实时画面传输给接收端，这种效果要比遥控来得更加真实和震撼。
刘宗凡：手机是我们的随身装备，已经成了生活的一部分。但手机也有一个弊端，那就是手机的屏幕比电脑、电视小。虽然手机功能强大、体积轻巧，但我们有时候也还是不满足小屏幕操作，希望能转移到更大的屏幕上来。现在投屏技术应用已经非常广泛了，如商务会议、影视欣赏、亲朋聚会等多个场合都会用得到。基本上每一款智能设备，如手机、平板、电视机、投影仪、影音播放器都支持投屏，甚至Win10系统也支持无线投影技术。应该说，从遥控到投屏是一个大的跨越。图7为某品牌手机自带的多屏互动功能。
邱元阳：以往的投屏大多是依靠数据线和设备连接实现的，现在的投屏则是通过无线局域网实现的。无线投屏依靠的是投屏协议，比较主流的协议有Miracast、DLNA、AirPlay、WIDI、WHDI、WirelessHD等。其中AirPlay是苹果IOS设备自带的，效果比较流畅，同时支持多台设备投屏。只要在接收端安装苹果录屏大师（如下页图8），置于同一个Wi-Fi下的苹果设备就能通过AirPlay镜像投影到接收端。据我所知，已经有很多老师在课堂上用这种方法进行教学展示和互动了。
设计：基于投屏技术的智慧教室
倪俊杰：投屏技术能够应用于社会生活的各个场景，其中就包括教育教学。现在都在谈智慧教育、智慧教室。我们是否可以设计一间基于无线网络、移动设备、投屏技术的智慧教室？
刘宗凡：这太有意思了。这是未来教室的概念，我觉得这间教室将会是没有黑板，没有粉笔，也没有纸质书本的。教室的四周墙面上装着液晶触屏电视，窗户那一面的液晶电视是可以升降的。学生桌子的桌面其实是一台平板设备，当然，桌面是可以调节角度的，因为那是根据人体工程学专门设计的。通过投屏技术，教师能够将讲台或者手中平板的画面传送给每一位学生，学生也可以将自己的画面投屏到大屏幕或传送给其他同学。学生平时学习、做题、讨论、互动都可以在这张桌子上进行。
邱元阳：刘老师的设想给了我很大的启发，我也画了一张未来教室的平面图（如下页图9）。这间教室将覆盖足够强大的Wi-Fi，支持全班学生一起操作。而且我觉得教室的学生桌不应该是固定的，教师可以根据课堂需要设计不同的摆放位置。不过，这也带来了一个问题，学生桌需要充电该怎么办好呢？总不能在教室布满很多电线或插线板吧？
徐卫兵：其实，充电的问题也不难解决。既然是未来教室，那我们也可以脑洞大开地想，是否可以将无线充电技术应用进去呢？事实上，无线充电技术离我们很近，有很多研究团队在这方面做了努力。例如，1890年，物理学家兼电气工程师尼古拉特斯拉就已经做了无线输电试验，实现了交流发电。2007年6月，麻省理工学院的研究团队把共振运用到了电磁波的传输上并成功“抓住”了电磁波，利用铜制线圈作为电磁共振器，一团线圈附在传送电力方，另一团在接受电力方。目前，无线充电技术已经应用在手机、电脑、相机等电子产品上了，这方面以我国的中兴通讯、比亚迪、奇瑞、海尔为代表的国内企业，在全球具有领先地位。我想只要在教室里安装了无线充电装置，在学生放学的时候就可以开始充电，这样不会耽误教学。
刘宗凡：真棒，看来两位老师对倪老师提出的未来教室非常有感觉呀！我还有一个建议，即把智能家居的概念也融入到这间教室。教室里的电灯、风扇、空调、饮水机等设备都能通过远程控制。现在雾霾天比较多，这间教室还应配有空气净化系统，它能根据当时的空气情况自动净化调整，这将充分体现智能管控。
畅想：人类能否进入万物可连的时代
倪俊杰：无线投屏技术确实很酷，但也有一些限制，主要的限制是无线局域网的距离限制和O备是否具有投屏模块。但可以设想，未来依靠Iot、5G等技术，我们的世界将会是一个大型的局域网，任何电子设备都内置了投屏模块。今后不管走到哪里，只要获得相应的权限，你的设备就可以投屏到任何设备甚至物质上，当然也包括空气。
邱元阳：没有网络确实是实现无线投屏的最大阻碍，据统计，目前地球上有大约三分之二的地区还没有实现互联网接入。不过有一个好消息，Google在2013年就提出Wi-Fi热气球计划，这个项目的名称是ProjectLoon。该项目旨在利用热气球为农村、偏远山区和不发达地区提供廉价的互联网接入服务。在谷歌进行的试验中，热气球的飞行距离超过150万公里，环绕地球一圈只需要22天。热气球能向地面固定天线提供每秒22MB、向手机提供每秒5MB的互联网接入服务。据报道，斯里兰卡或将成为Wi-Fi热气球项目的第一个商用试验地区。Google可能与斯里兰卡私营企业Rama合作推广ProjectLoon，第一个热气球已经于2016年2月升空，实验效果较好。Google因此希望继续推广该项目，让斯里兰卡的城镇和乡村都能普及Wi-Fi上网。如果该项目成功，那么今后有可能全世界任何角落都可以实现网络Wi-Fi覆盖，投屏也将变得随心所欲。
徐卫兵：我马上想到了物联网，物联网的概念可以给我们一些启示。埃里克施密特（谷歌执行董事长）说：“我们所熟悉的那个互联网将成为历史，物联网将取而代之并成为生活的重要组成部分，而这将给科技公司带来巨大的机会。”小米科技董事长兼CEO雷军也曾说过：“未来没有所谓的互联网企业，每个公司都将变成物联网公司。”因此，我觉得人类进入万物可连的时代已经到来。物联网就是物物相连的互联网，这有两层意思：一是物联网的核心和基础仍然是互联网，它是在互联网基础上延伸和扩展的网络；二是其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。图10可表示三者的关系。
邱元阳：人工智能和区块链可能是物联网的两大核心，人工智能解决自动、智能问题，区块链解决设备之间的通信安全问题。我们可以设想未来的场景：某区域供电有压力，不再需要拉闸限电，所有的空调自动调低一度，在人们几乎没感觉的时候就自动解决了问题。牛奶盒子装有RFID芯片，不仅可以溯源，而且智能冰箱还可以知道你消耗牛奶的速度，定期提醒你采购。当你把牛奶盒子扔进垃圾箱时，RFID也能被感应到。
展望：从机器连接到机器连人
倪俊杰：既然机器可以投屏给机器，那么依靠生物科技技术，人的画面是否也可以投屏给机器呢？再进一步讲，机器是不是也可以投屏给人？这样一来，我们离人与人之间的“投屏式”连接也不远了。到了那个时代，人与人的交流可能不是通过文字、手势、语言，而是直接将自己脑中的画面“投屏”给任何人。
刘宗凡：网络实现了将不同的设备连接在一起。有什么办法可以将人与人连接在一起呢？现在有很多机器人已经实现了通过大脑远程控制，如墨尔本的Aubot公司就设计了Teleport机器人，使用者将集中度达到目标值之后就能控制Teleport了。
邱元阳：在科幻电影《致命指令》中，女主角米尔斯是一个植入了芯片的人，向我们展示了人脑连接电脑的科技时代。她不仅能用眼睛扫描各种对象从网络中获取相应信息，而且开发出了SAR（研究分析可自编程机器人）。虽然米尔斯能够与机器人网络连接并控制它们，但是SAR的自编程和自学习能力导致其最终脱离了人类的控制。而如今，“脑机接口”即将成为现实。
著名科技作家TimUrban在WaitButWhy上发表了近4万字的长博客，详解了ElonMusk的“脑机接口”的宏伟蓝图。他认为这项工程将使SpaceX都黯然失色，因为它是在定义未来的人类是什么。
Elon意识到具有思考能力的计算机将是伟大的创造，能使人类将最重要及最高强度的工作实现外包，于是和SamAltman创立了OpenAI，致力于研发和制订实现安全的通用人工智能的途径。
Elon将人类大脑数字三生细胞壁（tertiarylayer）比喻为巫师帽。这个概念是指全脑界面将变为如同将设备植入大脑，使大脑变为设备。巫师帽的电极阵列是一种新的大脑结构，与大脑边缘系统及大脑皮质并列，其中一个核心的目的为将其作为大脑及基于云端的定制AI系统之间的交互界面，AI系统将和大脑融合无间。
不过，由于人脑思考的速度和计算机的处理速度之间存在着巨大差距，人类的全脑界面是否足以支撑这种人机融合的实现，还需要人机通信带宽的支撑。
徐卫兵：我很认可蒲公英教育智库的李斌谈到的互联网的本质是“心联网”的观点，互联网技术为人类心与心的沟通提供了极大的便利，人们于是急切地、热烈地以难以自控的速度奔向彼此的依存和联结――于是我们知道，互联网的本质其实就是“心网”；借助这场运动，人类渴望穿越更多壁垒，解决更深层次的问题，甚至释放又一轮“人的进化与超越”……
关键词：教学评价方法；机器学习；适应性评价；评价改革
一、改善教学评价体系的原因
二、教学评价体系的意义
1.指引教学方向。我们进行教学评价活动时，首先要明确的就是教学评价指标，一旦有了明确的指标，教师在日常教学过程中就有了对比参照的依据，可见教学评价具有导向功能。在这次机器学习课程中我们可以知道机器学习不同于以往课程的学习，它的目的是使学生学习如何使机器通过识别和利用现有知识来获取。作为人工智能的一个重要的研究领域，机器学习的研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。
2.诊断教学质量。教学评价是对教师教学全过程的评价。如同体检，是对教学过程进行一次常规、科学的诊断，从而为教师指明教学改进的目标。
3.激励教学动力。科学的、合理的教学评价可以调动教师教学工作的积极性。不管评价的结果是高还是低，对教师的教学水平的提高都有促进作用，可以激励教师提高自己。
4.促进师生关系。教学评价可以增强教师与学生、教师与教师等之间的关系。在这次的机器学习教学中，合理的教学评价体系需要学生、教师、同行专家等多方面的参与，促进了师生之间的交流，教师之间的交流，使得教师能够更加了解本此课程需要讲授的重点，体现出了教学评价体系在培养人才方面的突出贡献。
三、机器学习理论
机器学习就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，这是一门涉及概率论、统计学、凸分析等多门学科的新兴学科，它主要使用归纳、综合等方法，实现自我完善。机器学习研究的就是如何使机器通过识别和利用现有知识来获取新知识和新技能。作为人工智能的一个重要的研究领域，机器学习的研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。目前的机器学习分为监督学习和半监督学习。
监督学习主要应用与分类与预测。
监督学习从给定的训练数据集中学习出一个函数h，当新的数据x∈X到来时，可以根据这个函数h预测结果为最佳的期望值或者最优分类。在这里性能被定义为对于分类错误的概率，所谓性能好也即被样本被错误分类的低。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。
四、总结
实验证明，在某些课程中，普通的评价方法有大半课程评价有误，而运用这种分析方法得出的结果，超过70%的结果与专家看法相一致。其主要是因为考试成绩并不能说明一切，而教研组、学生对教师的评分也不能起到完全的作用，对这两者取平均值更是错误的做法。这两种并不是占据相同的影响系数。
所以运用梯度下降的分析方法进行主观和客观数据分析，还考虑到了其他影响因素的存在，通过循环计算，累积结果我们得到了更加科学的分析模型。这个分析模型也仅是进行自动评价，来进行预警，对一些出现教学质量问题的概率比较大的课程进行自动的监控，但本质上不能替代教学督导的作用。
本系统进行了一种尝试，教学质量是一个相对主观的概念，使用一些客观和主观的指标去判断教学质量。在教学过程中我们发现，有一些基本框架性因素可以决定教学质量，因此对此进行建模也是有可能成功的。
[1]夏天阳.各国高等教育评估[M].上海科学技术文献出版社，1997.
[2]许传海，宋涛，张素.对教师教学质量评价的思考[J].中国高教研究，2003，（02）.
[3]杜祥培.课堂教学质量评价的探讨[J].中国大学教学，2004，（01）.
[4]张纲.教学质量评估的机器学习分析方法[J].万方数据库.
课程的内容及目标
1.课程内容
“互动媒体”是“媒体”的一个数字化分支，是一种具有特殊信息传播功能的媒介。互动媒体技术的核心内容是传感器技术、单片机技术、编程技术和通讯技术，涵盖了机械学、电子学、工程学、自动控制、计算机和人工智能等领域。《互动媒体技术》课程通过设计单片机控制电路，结合编程语言，参照科技展厅中的互动媒体作品，通过一系列的互动媒体实验，指导学生把新奇创意变为现实，从而培养学生的技术素养。
2.课程目标
（1）了解常见的传感器和数字电路的基础知识，能正确连接传感器、LED和电机等模块；了解计算机串口、并口编程的原理及方法。
（2）通过完整地经历提出设想、规划设计、制作与实施、调试与反馈等规范化设计过程，初步掌握综合设计的方法和技术。
（3）感受新技术对人类社会的重要性，激发对技术的学习兴趣；培养问题意识和设计思想，从而全面并富有个性地发展。
3.教学资源
课程的实施
2011年开始，我实施了三轮《互动媒体技术》课程教学，共有60多名学生修习了这一课程。在三轮的课程实施过程中，课程方案几经修改，课程体系逐步完善，同时也积累了大量教学资源，课程日益成熟。目前，课程不仅拥有了一系列配套的支持软件，还设计并购买了教学套件。该教学套件由Scratch传感器板、ArduinoUno控制板、系列传感器、LED灯和舵机等组成。
1.教学案例
教学环节一：复习导入
教师演示一个简单的互动作品，学生讨论其不足之处和解决方案，得出Scratch传感器板支持的传感器类型太少的结论，从而引出S4A和Arduino。
教学环节二：教学新课
认识S4A和Arduino，介绍S4A和Arduino的安装以及常见传感器类型和接口。教师演示传感器和Arduino的连接，以及在S4A中显示传感器的数值。
教学环节三：技术试验
学生安装S4A和Arduino驱动，正确连接传感器，并在S4A上成功显示传感器数值，然后选择学习套件中的2～3个传感器，分别研究它们在不同状态时的数值变化，然后选择其中一个传感器的试验结果填写试验报告单。
教学环节四：作品创作
教师演示温度测量仪的编写，重点介绍如何将传感器信息存储在变量中，并演示将传感器信息可视化的思路。然后学生任选套件中的一个传感器进行程序编写，利用传感器返回的数值，让传感器的数值可视化、形象化。
教学环节五：反馈和提升
教师选择1～2个学生作品，展示并进行评价。然后提问：数字传感器能不能接到模拟接口？同样，模拟传感器能不能接到数字接口？让学生开展讨论。
教学环节六：总结和作业
通过网络，了解Arduino支持的传感器类型，了解这些传感器的适用范围以及淘宝网上的价格。
2.学生作品
《互动媒体技术》课程主要采用作品评价法。课程分为9个专题，每个专题都要完成一个小作品，最终要完成一个互动作品的设计。在教学中，教师主要工作是引导学生学会如何去设计一个有创意的互动媒体作品，在设计的过程中不断学习，不断完善作品。学生可以模仿一些展览馆中的互动媒体作品，以低成本的方式呈现出来。
反思与启示
《互动媒体技术》课程已经实施了一年。从选课情况上看，课程深受学生欢迎，在所有的选修课程中，都是最早“爆满”。从教学效果看，学生设计制作的作品新奇有趣。这些都让我进一步认识到，在中小学中开设类似课程是非常有必要的。
1.是探索创新人才培养的途径
综合就是创新。因为互动媒体技术是一门跨学科的综合性的科学技术。它涉及自动控制、计算机和网络技术、传感器、人工智能、微电子技术和机械工程等多个学科领域。北京航空航天大学宗光华教授认为：“只有基于项目的工程课程，才可以塑造多学科知识交叉和综合运用环境，将零碎知识与机械过程提升为探究世界各侧面相互联系的过程。”
信息时代，无论是高素质劳动者、专门人才，还是拔尖创新人才，技术素养和创新思维都是不可或缺的基本要素。互动媒体技术引入到中小学教学活动，有利于培养青少年从小对科技产生积极兴趣，并激发创新思维和创造意识，而Scratch和Arduino大大降低了技术门槛，使中小学的学生实现“有技术含量的创新”成为可能。
2.可纳入中小学信息技术教育内容
3.是承载STEM教育的平台
[1]赵中建.为了创新而教育[N].中国教育报.第7版.2012.6.15.
[2]吴俊杰，梁森山.LedongScratch互动教学平台的应用与研究（七）——基于自制光敏扫描仪谈STEM教育[J].教学仪器与实验，27卷，9-11.
[3]汪文斌.新媒体新世博新生活.人民网.RetrievedNovember2，2010，from.
关键词：虚拟现实技术；实训；教育教学
前言
目前，虚拟现实技术已广泛应用于航空航天、医学实习、军事训练、建筑设计、教育培训等众多领域。以计算机仿真和数控加工技术为基础，利用计算机来模仿真实的数控设备工作环境，形成了虚拟数控技术，如将其应用于实训教学上，必将对整个教学产生深远的影响。
1.虚拟现实技术简述
虚拟现实技术，简单地说，就是借助于计算机技术及硬件设备，实现一种人们可以通过视、听、触、嗅等手段所感受到的虚拟幻境。虚拟现实作为一项尖端科技，它集成了计算机图形技术、计算机仿真技术、人工智能、传感技术、显示技术、网络并行处理等技术的最新发展成果，由计算机图形构成三维数字模型，并编制到计算机中去生成一个以视觉感受为主，也包括听觉、触觉的综合可感知的人工环境，提供给人们通过计算机对复杂数据进行可视化操作与交互的一种全新方式。虚拟现实的最大特点是用户可以用自然方式与虚拟环境进行交互操作，改变了过去人类除了亲身经历，就只能间接了解环境的模式，从而有效地扩展了人们的认知手段和领域。
2.我校虚拟现实技术发展现状
2008年完成基于VR(虚拟现实技术)的汽车发动机模拟训练系统。2009年完成基于VR(虚拟现实技术)的精雕数控机床模拟训练系统。两套系统目前已应用到实际教学当中。极大地提高了专业课的教学效果，受到了师生的一致好评。
3.虚拟现实技术在教育教学中的现实意义
3.2虚拟现实技术提供了崭新的教学手段――构建实物虚化、虚物实化的方法
通过虚拟现实、多媒体、网络等技术的综合应用，可在课堂和实验室中展现在传统的教学模式中无法实现的教学过程。虚拟现实技术可以对学生学习过程中所提出的各种假设模型进行虚拟和虚物实化，通过虚拟系统便可直观地观察到这一假设所产生的结果或效果。虚拟现实系统可以进行实物虚化，虚拟各种人物，创建虚拟课堂，在虚拟的课堂气氛中，学生可以与虚拟的教师、学生一起交流讨论，开展启发式教学。运用虚拟现实技术，还可以使学生通过在虚拟场景的身临其境和自主控制的人机交互，由视、听、触、觉获取外界的反应，通过学生自我组织，制定并执行学习计划，进行自我评价，开展适应式学习。还可通过小组或团队的形式，组织学生进行学习，成员间共享成果，开展协作式教学。
3.3虚拟现实技术变革了传统实训方式
3.4虚拟现实技术丰富了课堂教学内容
利用虚拟现实技术，可丰富教学内容，将实验、实训等技能训练搬到课堂中进行，由于这些虚拟的训练系统无任何危险，学生可以反复练习，直至掌握操作技能为止。应用虚拟现实技术，还可恰如其分地演示一些复杂的、抽象的、不宜直接观察的自然过程和现象，全方位、多角度地展示教学内容。利用计算机多媒体技术，制作各种仿真课件，创设所需要的某种虚拟情景，让学生进行模拟实验，从而极大丰富课堂的教学内容。
3.5虚拟现实技术节约了有限的教育成本――开展虚拟实验、进行虚拟生产
虚拟各种实验设备、实训环境和操作过程，使大多数课程可以在虚拟实验室中进行，大多数的技能可以在虚拟实训车间中进行训练，从而不必购置昂贵的实验实训设备。可以在节约大量昂贵的仪器设备费用的前提下，解决在教学中，因为实验设备、实验场地、教学经费等方面的原因而无法进行的教学实验，虚拟训练又可避免实验实训设备的损坏、训练材料的消耗等问题，从而有效节约教育成本。
4.虚拟现实技术在教育应用中存在的问题及展望
可以预测，随着经济和技术的不断发展，虚拟现实技术将日益广泛地应用于教育教学领域。但目前的虚拟现实技术还存在一定的问题，主要表现在：
4.1虚拟环境与真实生产的差异
学生在虚拟的环境中学习，与在真实的生产中训练毕竟不同，因为如果仅考虑交互的真实性，那么无论如何身临其境，真正动手操作机器的效果要强于任何媒体教学。因此，虚拟现实技术不能完全代替具体真实的操作，它只能在一定程度上代替某些实验，而不能完全代替实践教学，尤其不能代替有创造性目的的试验。