人工智能与教育.pptVIP

许多的人工智能领域的研究论文中Agent都是用的英文单词，据说中文的翻译有两种:智能代理和智能主体，到底哪一种更合适，各有各的理由。这也反映了人们对于Agent的不同理解，或者说对Agent的各个特征的重要性的不同理解。 三、智能代理 有一种理解认为，Agent是一类自动程序，它能够代替人完成某些任务。例如邮件Agent可以代替人对收到的邮件进行分类并处理。这种Agent不仅能够了解企业或人对于邮件处理的规则和习惯，而且在很多情况下比人做得还要好。它的作用就像是我们在日常生活中的旅行代理、税务代理、保险代理等，能够帮助我们完成一些特定的任务。很显然，在这类Agent中，强调的是程序的自治能力和学习能力，把这类Agent翻译成智能代理是合适的。 另一种理解认为，Agent是功能单一的主体，换句话说，它只是解决某一方面的问题，但是，通过群体Agent的通信和协调，它们可以共同解决非常复杂的问题。在这类系统中，智能并不是体现在个体Agent上，而是体现在群体Agent上。从目前的研究来看，尽管第一种意义下的Agent也有广泛的应用，但是，从问题求解方法论的角度上讲，单纯的代理行为意义不大。而如果一些简单的Agent能够通过协作完成复杂的任务是我们非常希望的一种解决问题的方式，因此是Agent研究背后的真正动机 。 什么是 Agent？ 实际上并没有一个公认的定义，这也充分说明这还是一个发展中的学科。我比较认同下面的定义:Agent是为了达到某个特定的目标，在与外部环境的相互作用基础上，通过对环境状态的认识以及和其他Agent的协作，自律地推进问题解决的处理单位。从这个定义来看，Agent应具有以下四种基本特征。 (自律性): Agent拥有内部自治机制和问题解决机制，能够控制自己的行为和内部状态。无需他人的干涉即可根据自己的知识和捕捉到的信息进行判断和行为。Agent自律性的高低在很大程度上决定了其智能的高低。 （社会性）: Agent不是孤立的，而是一个相互作用的群体。Agent间可以按照某种协议或者语言进行通信和对话。从而形成一个小组来协作完成某一特定的任务。 (反应性): 指Agent具有外部环境的反射作用。能够识别外部环境的变化并作出适当反应。但是这种反应可以是简单的反射(reactive agent)，也可以是深思熟虑的反应(deliberative agent)。 (自发性): 指Agent具有对目标的能动性，为了达到目标，Agent能够自发地参加到某些处理或者协作中，表现出有目标的行为。 基于Agent的方法就是MAS方法，也就是定义多个自律Agent,通过它们的相互协作来解决复杂的问题。在这里我们不强调单个Agent的功能有多强，相反我们希望每个Agent的功能越单一越好，因为单一的功能容易确保其操作正确和可靠，在实现上也比较容易。Agent的智能不是体现在其功能的强弱上，而是体现在相互协作上。如果把重点放在单个Agent的智能上，强调它的学习能力，那么Agent就和一般的具备学习功能的AI程序没有什么区别，Agent也就仅仅是一个新名词而已，没有什么本质的意义。 第三节 人工智能教育应用 一、人工智能教育应用概述 智能辅助教学系统具有教学决策模块、学生模型模块、自然语言接口。因此有以下特点： （1）了解每个学生的学习能力、认知特点和当前知识水平； （2）因材施教，有针对性的开展个别指导； （3）实现人性化的人机对话。 二、智能计算机辅助教育（ICAI） （Intelligent Computer Assisted Instruction） 研究方向：根据学生的能力、弱点及所喜爱的学习风格编制出一套进行教学的计算机软件。 ICAI系统主要由下图所示的三个基本模块组成： 知识库。它包含学科知识（教学内容）和教学知识（教学策略）两部分内容； “学生模型”模块。它指明学生知道什么和不知道什么，代表了学生的智能活动； “教师模型”模块。它提供教学策略，负责指导系统如何向学生呈现教材，代表了教师的智能活动。 ADELE(Agent for Distance Education－Light Edition)是一个用于临床医学诊断的一个典型ICAI系统， * * * 以知识为中心的研究： 专家系统悄悄开始孕育，使得人工智能在后来出现的困难和挫折中能很快找到前进方向，迅速地再度兴起。 专家系统（Expert System，简写为 ES）是一个具有大量的专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。 专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运