人工智能在实验教学和教育科研领域的应用
收藏
打印
发给朋友
发布者：lunwenchina
热度0票 浏览217次
时间：2020年4月08日 10:26
何亚维
（上海交通大学 媒体与传播学院 上海 200000）
摘 要：人工智能（AI）在机器人、语言识别、图像识别、自然语言处理、专家系统、量化金融和传媒业等多个领域发挥重要作用。与此同时，人工智能在实验教学和教育科研领域也正在产生巨大影响，是近年来发展最为迅速的学科之一。人工智能在实验教学和教育领域主要潜在应用包括：基于增强现实的场景式教育和自适应学习。人工智能应用于医学图像处理，在早期发现疾病特征方面具有巨大的发展潜力和医疗价值。人工智能在传媒领域可以进行谣言检测、谣言定位、自然灾害事故检测和社交媒体用户爱好和性格分析。
关键词：人工智能；教学应用；科研应用
引言
人工智能被认为是第四次工业革命的最大推动力。人工智能正在各个领域发挥重要作用 [1-3] 。工智能简单来说就是使计算机模仿人类的思考方式智能地思考问题。基于人工智能和大数据技术，计算机可以帮助人类高效地完成诸如图像识别、海量数据处理、信息智能分发等工作，具有巨大的应用前景。
1.人工智能在高等教育中的应用概况
随着人工智能的快速发展，高校培养人工智能专门人才的任务越来越急迫。在此背景之下，教育部批准了上海交通大学、同济大学、浙江大学等35所高校的首批人工智能专业建设资格。人工智能在全世界都受到了高度关注。为此，国务院于2017年发布了《新一代人工智能发展规划》，紧接着教育部于2018年4月推出了《高等学校人工智能创新行动计划》，这反应了国家层面对高校人工智能教育的重视，上述文件提出支撑高校专门设置人工智能学科方向，加大人工智能人才培养力度 [4] 。人工智能在实验教学和教育领域的潜在应用主要包括：1）基于增强现实的场景式教育，可以让学生通过身临其境的环境来快速掌握专业知识；2）自适应学习，基于每个学生的学习数据情况，为其自动调整教学内容、方式和学习进度；3）课外智能辅导和支持。
2.人工智能在图像处理领域的研究现状
医学图像处理是人工智能在图像领域的重要研究分支。乳腺癌是全世界女性中最常见的恶性疾病。Robertson等人 [5] 指出，近几十年来，早期诊断和更好的辅助治疗大大改善了患者的预后。Robertson提出最近AI的突破有望从根本上改变我们在不久的将来检测和治疗乳腺癌的方式。Li等人 [6] 提出了一种实用且可自我解释的侵袭性癌症诊断解决方案。该方法以弱监督的方式挖掘正常和恶性图像之间的对比图案，并生成异常的概率图以验证其推理。Li将所提出的方法应用于公共乳腺癌图像集进行测试，通过与高级病理学家讨论，证明所提出的方法优于现有方法。
3.人工智能在传媒领域应用的研究现状
Reshi等人 [7] 认为，随着社交媒体快速进入当今世界的个人、社会和政治空间，与之相关的恶意行为和信息也找到了迅速传播的地方。一个这样的恶意行为就是通过社交网络传播谣言。Reshi等人讨论了通过机器学习和深度学习方法进行谣言检测的最新进展。
Twitter已成为增长最快的微博服务之一。休斯顿大学的Zhang等人 [8] 认为分析这种丰富且持续的用户生成内容可以揭示前所未有的宝贵知识。
Zhang首先将带地理标记的推文流划分为时间窗口。接下来，使用基于LDA的主题发现步骤将事件标识为推文中的主题。然后，为每条推文分配一个事件标签，然后采用基于密度轮廓的时空聚类方法来识别时空事件聚类。
实验结果表明，该系统不仅可以有效地检测和跟踪事件，还可以从地理标记的推文中发现有趣的模式。
结语
人工智能在机器人、语言识别、图像识别、自然语言处理、专家系统、量化金融和传媒业等多个领域发挥重要作用。与此同时，人工智能在实验教学和教育领域存在广阔应用前景。■
参考文献
[1] W. Bauer, C. Vocke, Work in the Age of Artificial Intelligence – Chal-lenges and Potentials for the Design of New Forms of Human-Machine Interac-tion, Advances in Intelligent Systems and Computing, 2020, pp. 493-501.
[2] I. Arel, D. Rose, T. Karnowski, IEEE Computational Intelligence Magazine5(4) (2010) 13-18.
[3] M.Q. Raza, A. Khosravi, Renewable and Sustainable Energy Reviews 50(2015) 1352-1372.
[4] 周.J. 中国高等教育, No.606(9) (2018) 54-55.
[5] S. Robertson, H. Azizpour, K. Smith, J. Hartman, Translational Research194 (2018) 19-35.
[6] X. Li, M. Radulovic, K. Kanjer, K.N. Plataniotis, IEEE Access 7 (2019)36433-36445.
[7] J.A. Reshi, R. Ali, Rumor proliferation and detection in Social Media: AReview, 2019 5th International Conference on Advanced Computing and Com-munication Systems, ICACCS 2019, 2019, pp. 1156-1160.
[8] Y. Zhang, C.F. Eick, International Journal of Semantic Computing 13(1)(2019) 87-110.
