時間：2023-09-28 15:45:11
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇人工智能辯論范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
關鍵詞：人工智能 優選教材 考核方式內容 手段 實踐
人工智能（Aritificial Intelligence，英文縮寫為AI）是一門綜合了應用數學、自動控制、模式識別、系統工程、計算機科學和心理學等多種學科交叉融合而發展起來的的一門新型學科，是21世紀三大尖端技術（基因工程、納米科學、人工智能）之一。它是研究智能機器所執行的通常與人類智能有關的職能行為，如推理、證明、感知、規劃和問題求解等思維活動，來解決人類處理的復雜問題。人工智能緊跟世界社會進步和科技發展的步伐，與時俱進，有關人工智能的許多研究成果已經廣泛應用到國防建設、工業生產、國民生活中的各個領域。在信息網絡和知識經濟時代，人工智能現已成為一個廣受重視且有著廣闊應用潛能的前沿學科，必將為推動科學技術的進步和產業的發展發揮更大的作用。因此在我國的大中專院校中開展人工智能這門課的教學與科研工作顯得十分緊迫。迄今為止，全國絕大多數工科院校中的自動控制、計算機/軟件工程、電氣工程、機械工程、應用數學等相關專業都開設了人工智能這門課程。南京郵電大學自動化學院自2005年成立至今，一直將“人工智能”列為自動化專業本科生的選修課程，到目前為止已經有八年的歷史了。由于南京郵電大學是一所以郵電、通信、電子、計算機、自動化為特色的工科院校，因此，學校所開設的許多專業都迫切需要用人工智能理論和方法解決科研中的實際問題。在問題需求的推動下，南郵人經過多年的努力工作，在人工智能科研方面取得了豐碩的成果，如物聯網學院所開發的現代智能物流系統、自動化學院所開發的城市交通流量控制與決策系統，為本課程的開設提供了典型的教學案例。我們結合近幾年的實際教學經驗，從優選教材、考核方式、教學內容調整、教學手段的改進和實踐教學等方面對人工智能課程教學方法進行了總結歸納。
一、優選教材
目前，國內有關人工智能課程的中英版教材種類非常多，遵循實用、簡單、夠用的原則，再經過授課老師和學生們的共同調研，我們選用由中南大學蔡自興教授主編的《人工智能及其應用》第三版作為南郵本課程的授課教材。本書覆蓋的人工智能知識體系比較全面，包含知識表示、搜索推理、模糊計算、專家系統等。本書主要針對計算機、自動化、電氣工程等本科專業的學生所編寫，內容基礎，難度適中。蔡教授所編寫的這本教材全面地介紹了人工智能的研究內容與應用領域，做到了內容新穎、簡單易懂、兼顧基礎和應用，受到了全國廣大師生們的一致好評，多年的教學實踐證明我們所選擇的教材是恰當的、正確的。
二、考核方式
在全國大部分高等院校，“人工智能”這門課大都選擇開卷考試的方式來進行考核。為了強化學生對人工智能這門課基礎知識的掌握，南京郵電大學自動化學院選用閉卷考試的方式來進行考核。為了打消部分學生想在期末閉卷考試中通過作弊手段來完成人工智能這門課考核的僥幸心理，我們加強了對學生平時考勤成績、課下作業成績和實驗成績的考核，從而杜絕了“一紙定成績”的現象。我們對人工智能這門課的最后期末成績是按如下權重來劃分的：平時考勤成績占10%、課下作業成績占10%、實驗成績占20%、最后的期末考試卷面成績只占60%。為了克服國家現行教育體制的弊端，避免學生“機械式”地的應對教學和考試，我們對考試題型進行了調整，不再是以往的填空、選擇、簡答等題型，而是改為以解決實際問題為導向的應用題型為主，這樣學生只需要在理解授課內容的基礎上利用自己的思維來解題就可以了，這也體現了國家目前正在提倡的應用型教學導向。
三、教學內容調整
對于本科生而言，人工智能這門課程所需要講授的內容實在太多，由于課時所限，我們必須精簡教學內容，讓學生在掌握基礎知識的同時，也能夠了解它的具體應用。因此，我們將人工智能這門課程的教學內容分為兩個部分：第一部分是基本理論和方法，包括人工智能的概述、知識表示方法、確定性推理方法等；第二部分為人工智能研究成果的具體應用，包括神經元網絡計算、模糊智能計算、專家知識庫系統、機器語言學習等。通過對教材內容的合理調整和安排，使得授課計劃能夠比較全面地覆蓋了人工智能這門課程的基本知識點，從而滿足了學生們的求知需求。
四、教學手段的改進
（一） 激發學生的學習興趣
經過長時間的教學我們發現，在選修“人工智能”這門課程時，每個學生的心中所想各有不同，這些學生在剛開始學習時興趣還比較強烈，但隨著教學內容變得越來越抽象，學生逐漸對這本課的學習失去了信心，甚至上課時間不去聽課，使授課教師對教學也漸漸失去了信心，導致惡性循環，嚴重影響了教學質量。針對這種現象，我們認為，在開課前充分激發學生的學習興趣是很有必要的。我們要結合學校的實驗條件，開課前給學生演示“機器人醫療服務”實驗，通過該實驗的演示，讓學生們看到機器人能夠給病人提供多項人性化的服務，理解人工智能技術在開發醫療服務機器人多項關鍵技術中的應用，讓學生在開課前能夠對本課程的學習產生極大的興趣，實踐證明這種方法是有效的。
（二） 借助多媒體教學
多媒體教學是現代教學過程中一種非常重要的形式，它往往根據教學目的和學生們的特點，通過合理的設計、選擇教材內容，應用公式、圖形、文字、視頻等多種媒體信息進行有機組合并通過電腦和投影機顯示出來，與傳統教學手段相結合，形成合理的教學過程結構，達到最優化的教學效果。人工智能這門課具有針對性強、內容抽象、公式繁瑣等特點，學生學習起來比較困難，為了讓學生生動、形象地學習該課程，我們在教學過程中充分利用了多媒體技術來組織教學。例如在課堂教學過程中播放南郵自動化學院梁志偉博士帶領學生所開發的“智能足球機器人”比賽片段；讓學生在線觀看北京大學工學院謝廣明博士帶領學生所開發的“自主視覺機器魚”錄像片段等。在講解某些重要的求解算法時，借助Matlab軟件和投影機，直接展現該算法的求解過程，從而改善了課程教學的形式，提高了教學質量。
（三）提倡課堂辯論
我們在教學過程中打破了傳統的“老師講課學生聽課”的教學模式，多次組織課堂辯論，辯論的主題包括人工智能研究過程中出現的技術困惑、人工智能研究成果轉化中的市場前景等。如組織了“電腦PK人腦”“電腦是否讓電視消失”“電腦的未來發展方向在哪里”等一系列辯論會。經過激烈的辯論，無論正方還是反方都感覺自己收獲很大，增長了知識，開闊了眼界。在教學過程中通過將學生由“被動聽課”角色變換為“主動參與”角色，大大地調動了學生的學習積極性，從而提高了課堂教學質量。
五、實踐教學
實踐教學是課堂教學不可缺少的重要組成部分，通過讓學生親自動手實驗來對理論知識進行檢驗和應用是目前國內外各個大學提高學生綜合素質、增強學生市場競爭力的重要手段。人工智能實驗教學的目的是讓學生通過親自動手體會授課中的各種智能控制算法，從而使學生能夠更加形象地掌握課本知識。人工智能教學計劃安排了4學時實驗課，設置了“傳教士和野人過河”“機器人路徑規劃”這兩個人工智能問題，要求學生獨立完成這2個實驗題目的編程，并書寫實驗報告。通過實驗，學生動手實踐了課堂上所掌握的理論知識，加深了對智能算法的理解。
人工智能是一門實用性較強的課程，我們總結了近幾年來的教學經驗，從優選教材、考核方式、教學內容調整、教學手段的改進和實踐教學五個方面對人工智能課程教學進行了總結。從學生的反饋來看，我們所總結的教學經驗對于指導新教師講授“人工智能”這門課程具有積極的作用，需要指出的是，我們仍有很多不足之處，需要在以后的教學過程中不斷努力完善，提高自己的教學能力，爭取更好的教學效果。
參考文獻
[1]蔡自興，徐光佑.人工智能及其應用[M].北京：清華大學出版社，2003.
[2]路小英，周桂紅，趙艷等.高等農業院校《人工智能》課程的教學研究與實踐[J].河北農業大學學報：農林教育版，2007，9（4）：66-68.
[3]馬建斌，李閱歷，高媛. 人工智能課程教學的探索與實踐[J].河北農業大學學報：農林教育版，2011，13（3）：330-332.
[4]趙海波.人工智能課程教學方法的探討[J].科技信息，2011，（7）：541.
關鍵詞：人工智能；案例教學；應用
1引言
作為計算機科學技術的全新領域即人工智能，其正在迅速成長與成熟、新方法、新理念、新技術并且不斷壯大，同樣也包含著計算機網絡、數學、信息論各類學科的交叉和邊緣學科。人工智能包含的主要內容有知識表示和推理機制、問題求解和搜索算法，自然語言理解、專家系統和機器學習等；也作為計算機科學各專業重要的基礎課程，國內外各高校都非常重視，都將人工智能作為計算機專業的必修課程。人工智能包含的學科多，知識點雜、理論性強、內容抽象，算法難度高復雜，在此情況下各高校采用傳統的“教師講、學生聽”單一教學模式，學生處于被動學習地位；課堂教學與實際操作、理論與現實應用相脫節；加上理論知識強，案例缺乏，容易使學生感覺空洞；學生易產生厭學情緒，也達不到鍛煉其分析問題、解決問題的思維能力和實踐動手能力。如何讓學生高效的學習一直是教師研究的課題，在大數據和網絡信息時代的大背景下，“互聯網+”已經廣泛應用和存在于生活、工作各個方面，其在教育教學中表現出的創新性、互動性尤為突出，并極具優勢。
2基于案例的教學研究
此方法開始于上世紀20年代左右，最早是由美國哈佛商學院所提倡的，基于當時特殊的商業管理真是背景和特殊事件，能夠有效的發展和培養學生主動性、積極性和應用能力，開展案例教學后，學生實際解決問題能力有了很大的提高。但此教學研究方法知道到上世紀80年代后期，才引起教師的重視。1986年由美國研究小組提出《準備就緒的國家：二十一世紀的教師》書中，強烈推薦此方法在實際教學的重要性，并說明今后在教學過程中將其作為一種重要的教學方法應用于各類課程中去。
3基于人工智能的案例教學研究及應用
3.1案例精選
此方法第一步是案例選取，案例的好壞是決定案例教學效果關鍵因素。案例的選取需要滿足以下要求：（1）符合現在的教學目標，明確學生需要掌握的知識點、重難點等，能夠運用所學的理論知識應用到實際中，以此提高學生分析、解決問題的能力；（2）案例要有代表性、趣味性，由于人工智能課程內容多、抽象，需要將枯燥乏味的知識點轉化為趣味生動的案例，有利于吸引學生注意力，激發學習興趣和主動性；例如，講到“知識表示”這部分內容中引入“機器人搬積木”、“野人修道士渡河”案例；（3）采用互動的形式，此為人工智能的案例教學研究重要特征，同時也是教學目標得以充分展現的必要條件。能夠調動大家的積極性，學生和學生之間、學生與教師之間的互動，調動學生的主觀能動性。
3.2案例的執行
（1）講授法。基于教學內容具體知識點設計案例；通過教師講解，幫助學生理解抽象的理論知識。案例的呈現有兩種基本形式：一是“案例—理論”,即先給出教學案例，后講解理論知識；二是“理論—案例”,即教師先講解知識，再給出教學案例；案例的呈現方式不同,會直接影響案例的功能，也會影響到學生的學習情緒、學習效果。為了使案例能更好地為教學服務,教師講解案例之前應從創設案例情境開始,通過情境體驗與案例剖析激發學生認知的興趣,引導學生對將要學習的內容產生注意,有利于教師導入新課。（2）互相討論法。大學生課余時間充沛，鑒于此，將班級學生分為若干小組，教師將事先準備好的案例分配給各組，學生采用組內互動討論的形式，設計出此案例的各種解決方法。課堂上，將本小組的解決方法用課件展現給其他小組。講解完成后，學生開始互相討論，對比各自的方法，然后由老師進行分析、對比和總結。以此來增強學生對學科知識點、應用能力的掌握。（3）相互辯證法。課后，采用相互辯證的方法，組織大家相互辯論。選擇一些綜合應用比較強的案例。與簡單的案例相比，綜合應用案例能更加高效地啟發學生全方位地思考和探索問題的解決方法。相互辯證法是一種探索新型的教學形式，學生的自主性強，能夠在辯論中充分表達自己的觀點，充分運用所學的理論知識來維護自己的觀點，還可以促使學生查閱大量資料，拓展知識面。
4結語
通過以上論述，人工智能技術開始應用于教學,與教學現代化有著密切的聯系。其發展必將對現代教育起巨大推動作用。在教學,可以基于人工智能技術建立人類推理模型學習工具等諸多的運用,展示出越來越好的實用性。
參考文獻：
[1]鄒蕾,張先鋒.人工智能及其發展應用[J].信息網絡安全，2012(02).
[2]陳柯蒙，張寧.人工智能的發展探析[J].新西部(理論版)，2012(05).
[3]陳浩磊，鄒湘軍，陳燕,等.虛擬現實技術的最新發展與展望[J].中國科技論文在線，2011(01).
【關鍵詞】法理學/法律推理/人工智能
【正文】
一、人工智能法律系統的歷史
計算機先驅思想家萊布尼茲曾這樣不無浪漫地談到推理與計算的關系：“我們要造成這樣一個結果，使所有推理的錯誤都只成為計算的錯誤，這樣，當爭論發生的時候，兩個哲學家同兩個計算家一樣，用不著辯論，只要把筆拿在手里，并且在算盤面前坐下，兩個人面對面地說：讓我們來計算一下吧！”（注：轉引自肖爾茲著：《簡明邏輯史》，張家龍譯，商務印書館1977年版，第54頁。）
如果連抽象的哲學推理都能轉變為計算問題來解決，法律推理的定量化也許還要相對簡單一些。盡管理論上的可能性與技術可行性之間依然存在著巨大的鴻溝，但是，人工智能技術的發展速度確實令人驚嘆。從誕生至今的短短45年內，人工智能從一般問題的研究向特殊領域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序，證明了羅素《數學原理》第二章52個定理中的38個定理。塞繆爾的課題組利用對策論和啟發式探索技術開發的具有自學習能力的跳棋程序，在1959年擊敗了其設計者，1962年擊敗了州跳棋冠軍，1997年超級計算機“深藍”使世界頭號國際象棋大師卡斯帕羅夫俯首稱臣。
20世紀60年代，人工智能研究的主要課題是博弈、難題求解和智能機器人；70年代開始研究自然語言理解和專家系統。1971年費根鮑姆教授等人研制出“化學家系統”之后，“計算機數學家”、“計算機醫生”等系統相繼誕生。在其他領域專家系統研究取得突出成就的鼓舞下，一些律師提出了研制“法律診斷”系統和律師系統的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）
1970年Buchanan&Headrick發表了《關于人工智能和法律推理若干問題的考察》，一文，拉開了對法律推理進行人工智能研究的序幕。文章認為，理解、模擬法律論證或法律推理，需要在許多知識領域進行艱難的研究。首先要了解如何描述案件、規則和論證等幾種知識類型，即如何描述法律知識，其中處理開放結構的法律概念是主要難題。其次，要了解如何運用各種知識進行推理，包括分別運用規則、判例和假設的推理，以及混合運用規則和判例的推理。再次，要了解審判實踐中法律推理運用的實際過程，如審判程序的運行，規則的適用，事實的辯論等等。最后，如何將它們最終運用于編制能執行法律推理和辯論任務的計算機程序，區別和分析不同的案件，預測并規避對手的辯護策略，建立巧妙的假設等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在這一時期主要沿著兩條途徑前進：一是基于規則模擬歸納推理，70年代初由WalterG.Popp和BernhardSchlink開發了JUDITH律師推理系統。二是模擬法律分析，尋求在模型與以前貯存的基礎數據之間建立實際聯系，并僅依這種關聯的相似性而得出結論。JeffreyMeld-man1977年開發了計算機輔助法律分析系統，它以律師推理為模擬對象，試圖識別與案件事實模型相似的其他案件。考慮到律師分析案件既用歸納推理又用演繹推理，程序對兩者都給予了必要的關注，并且包括了各種水平的分析推理方法。
專家系統在法律中的第一次實際應用，是D.沃特曼和M.皮特森1981年開發的法律判決輔助系統(LDS)。研究者探索將其當作法律適用的實踐工具，對美國民法制度的某個方面進行檢測，運用嚴格責任、相對疏忽和損害賠償等模型，計算出責任案件的賠償價值，并論證了如何模擬法律專家意見的方法論問題。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）
我國法律專家系統的研制于20世紀80年代中期起步。（注：錢學森教授：《論法治系統工程的任務與方法》（《科技管理研究》1981年第4期）、《社會主義和法治學與現代科學技術》（《法制建設》1984年第3期）、《現代科學技術與法和法制建設》（《政法論壇》）1985年第3期）等文章，為我國法律專家系統的研發起了思想解放和理論奠基作用。）1986年由朱華榮、肖開權主持的《量刑綜合平衡與電腦輔助量刑專家系統研究》被確定為國家社科“七五”研究課題，它在建立盜竊罪量刑數學模型方面取得了成果。在法律數據庫開發方面，1993年中山大學學生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動化系統》。（注：楊建廣、駱梅芬編著：《法治系統工程》，中山大學出版社1996年版，第344-349頁。）1993年武漢大學法學院趙廷光教授主持開發了《實用刑法專家系統》。（注：趙廷光等著：《實用刑法專家系統用戶手冊》，北京新概念軟件研究所1993年版。）它由咨詢檢索系統、輔助定性系統和輔助量刑系統組成，具有檢索刑法知識和對刑事個案進行推理判斷的功能。
專家系統與以往的“通用難題求解”相比具有以下特點：(1)它要解決復雜的實際問題，而不是規則簡單的游戲或數學定理證明問題；(2)它面向更加專門的應用領域，而不是單純的原理性探索；(3)它主要根據具體的問題域，選擇合理的方法來表達和運用特殊的知識，而不強調與問題的特殊性無關的普適性推理和搜索策略。
法律專家系統在法規和判例的輔助檢索方面確實發揮了重要作用，解放了律師一部分腦力勞動。但絕大多數專家系統目前只能做法律數據的檢索工作，缺乏應有的推理功能。20世紀90年代以后，人工智能法律系統進入了以知識工程為主要技術手段的開發時期。知識工程是指以知識為處理對象，以能在計算機上表達和運用知識的技術為主要手段，研究知識型系統的設計、構造和維護的一門更加高級的人工智能技術。（注：《中國大百科全書·自動控制與系統工程》，中國大百科全書出版社1991年版，第579頁。）知識工程概念的提出，改變了以往人們認為幾個推理定律再加上強大的計算機就會產生專家功能的信念。以知識工程為技術手段的法律系統研制，如果能在法律知識的獲得、表達和應用等方面獲得突破，將會使人工智能法律系統的研制產生一個質的飛躍。
人工智能法律系統的發展源于兩種動力。其一是法律實踐自身的要求。隨著社會生活和法律關系的復雜化，法律實踐需要新的思維工具，否則，法律家（律師、檢察官和法官）將無法承受法律文獻日積月累和法律案件不斷增多的重負。其二是人工智能發展的需要。人工智能以模擬人的全部思維活動為目標，但又必須以具體思維活動一城一池的攻克為過程。它需要通過對不同思維領域的征服，來證明知識的每個領域都可以精確描述并制造出類似人類智能的機器。此外，人工智能選擇法律領域尋求突破，還有下述原因：(1)盡管法律推理十分復雜，但它有相對穩定的對象（案件）、相對明確的前提（法律規則、法律事實）及嚴格的程序規則，且須得出確定的判決結論。這為人工智能模擬提供了極為有利的條件。(2)法律推理特別是抗辯制審判中的司法推理，以明確的規則、理性的標準、充分的辯論，為觀察思維活動的軌跡提供了可以記錄和回放的樣本。(3)法律知識長期的積累、完備的檔案，為模擬法律知識的獲得、表達和應用提供了豐富、準確的資料。(4)法律活動所特有的自我意識、自我批評精神，對法律程序和假設進行檢驗的傳統，為模擬法律推理提供了良好的反思條件。
二、人工智能法律系統的價值
人工智能法律系統的研制對法學理論和法律實踐的價值和意義，可以概括為以下幾點：
一是方法論啟示。P.Wahlgren說：“人工智能方法的研究可以支持和深化在創造性方法上的法理學反思。這個信仰反映了法理學可以被視為旨在于開發法律分析和法律推理之方法的活動。從法理學的觀點看，這種研究的最終目標是揭示方法論的潛在作用，從而有助于開展從法理學觀點所提出的解決方法的討論，而不僅僅是探討與計算機科學和人工智能有關的非常細致的技術方面。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模擬法律推理的過程中，法學家通過與工人智能專家的密切合作，可以從其對法律推理的獨特理解中獲得有關方法論方面的啟示。例如，由于很少有兩個案件完全相似，在判例法實踐中，總有某些不相似的方面需要法律家運用假設來分析已有判例與現實案件的相關性程度。但法學家們在假設的性質問題上常常莫衷一是。然而HYPO的設計者，在無真實判例或真實判例不能充分解釋現實案件的情況下，以假設的反例來反駁對方的觀點，用補充、刪減和改變事實的機械論方法來生成假設。這種用人工智能方法來處理假設的辦法，就使復雜問題變得十分簡單：假設實際上是一個新的論證產生于一個經過修正的老的論證的過程。總之，人工智能方法可以幫助法學家跳出法理學方法的思維定勢，用其他學科的方法來重新審視法學問題，從而為法律問題的解決提供了新的途徑。
二是提供了思想實驗手段。西蒙認為，盡管我們還不知道思維在頭腦中是怎樣由生理作用完成的，“但我們知道這些處理在數字電子計算機中是由電子作用完成的。給計算機編程序使之思維，已經證明有可能為思維提供機械論解釋”。（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）童天湘先生認為：“通過編制有關思維活動的程序，就會加深對思維活動具體細節的了解，并將這種程序送進計算機運行，檢驗其正確性。這是一種思想實驗，有助于我們研究人腦思維的機理。”（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）人工智能法律系統研究的直接目標是使計算機能夠獲取、表達和應用法律知識，軟件工程師為模擬法律推理而編制程序，必須先對人的推理過程作出基于人工智能理論和方法的獨特解釋。人工智能以功能模擬開路，在未搞清法律家的推理結構之前，首先從功能上對法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動進行數理分析，將法理學、訴訟法學關于法律推理的研究成果模型化，以實現法律推理知識的機器表達或再現，從而為認識法律推理的過程和規律提供了一種實驗手段。法學家則可以將人工智能法律系統的推理過程、方法和結論與人類法律推理活動相對照，為法律推理的法理學研究所借鑒。因此，用人工智能方法模擬法律推理，深化了人們對法律推理性質、要素和過程的認識，使法學家得以借助人工智能科學的敏銳透鏡去考察法律推理的微觀機制。正是在這個意義上，BryanNiblett教授說：“一個成功的專家系統很可能比其他的途徑對法理學作出更多的（理論）貢獻。”（注：BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）
三是輔助司法審判。按照格雷的觀點，法律專家系統首先在英美判例法國家出現的直接原因在于，浩如煙海的判例案卷如果沒有計算機編纂、分類、查詢，這種法律制度簡直就無法運轉了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其實不僅是判例法，制定法制度下的律師和法官往往也要為檢索有關的法律、法規和司法解釋耗費大量的精力和時間，而且由于人腦的知識和記憶能力有限，還存在著檢索不全面、記憶不準確的問題。人工智能法律系統強大的記憶和檢索功能，可以彌補人類智能的某些局限性，幫助律師和法官從事相對簡單的法律檢索工作，從而極大地解放律師和法官的腦力勞動，使其能夠集中精力從事更加復雜的法律推理活動。
四是促進司法公正。司法推理雖有統一的法律標準，但法官是具有主觀能動性的差異個體，所以在執行統一標準時會產生一些差異的結果。司法解釋所具有的建構性、辯證性和創造性的特點，進一步加劇了這種差異。如果換了鋼鐵之軀的機器，這種由主觀原因所造成的差異性就有可能加以避免。這當然不是說讓計算機完全取代法官，而是說，由于人工智能法律系統為司法審判提供了相對統一的推理標準和評價標準，從而可以輔助法官取得具有一貫性的判決。無論如何，我們必須承認，鋼鐵之軀的機器沒有物質欲望和感情生活，可以比人更少地受到外界因素的干擾。正像計算機錄取增強了高考招生的公正性、電子監視器提高了糾正行車違章的公正性一樣，智能法律系統在庭審中的運用有可能減少某些現象。
五是輔助法律教育和培訓。人工智能法律系統凝聚了法律家的專門知識和法官群體的審判經驗，如果通過軟件系統或計算機網絡實現專家經驗和知識的共享，便可在法律教育和培訓中發揮多方面的作用。例如，(1)在法學院教學中發揮模擬法庭的作用，可以幫助法律專業學生鞏固自己所學知識，并將法律知識應用于模擬的審判實踐，從而較快地提高解決法律實踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識，迅速獲得判案經驗，在審判過程的跟蹤檢測和判決結論的動態校正中增長知識和才干，較快地接近或達到專家水平。(3)可使不同地區、不同層次的律師和法官及時獲得有關法律問題的咨詢建議，彌補因知識結構差異和判案經驗多寡而可能出現的失誤。(4)可以為大眾提供及時的法律咨詢，提高廣大人民群眾的法律素質，增強法律意識。
六是輔助立法活動。人工智能法律系統不僅對輔助司法審判有重要的意義，而且對完善立法也具有實用價值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，倫敦大學Imperial學院的邏輯程序組將1981年英國國籍法的內容形式化，幫助立法者發現了該法在預見性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法輔助系統如能應用于法律起草和法律草案的審議過程，有可能事先發現一些立法漏洞，避免一個法律內部各種規則之間以及新法律與現有法律制度之間的相互沖突。
三、法理學在人工智能法律系統研究中的作用
1.人工智能法律系統的法理學思想來源
關于人工智能法律系統之法理學思想來源的追蹤，不是對法理學與人工智能的聯系作面面俱到的考察，而旨在揭示法理學對人工智能法律系統的發展所產生的一些直接影響。
第一，法律形式主義為人工智能法律系統的產生奠定了理論基礎。18-19世紀的法律形式主義強調法律推理的形式方面，認為將法律化成簡單的幾何公式是完全可能的。這種以J·奧斯汀為代表的英國分析法學的傳統，主張“法律推理應該依據客觀事實、明確的規則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作，那么無論誰作裁決，法律推理都會導向同樣的裁決。”（注：（美）史蒂文·J·伯頓著：《法律和法律推理導論》，張志銘、解興權譯，中國政法大學出版社1998年9月版，第3頁。）換言之，機器只要遵守法律推理的邏輯，也可以得出和法官一樣的判決結果。在分析法學家看來，“所謂‘法治’就是要求結論必須是大前提與小前提邏輯必然結果。”（注：朱景文主編：《對西方法律傳統的挑戰》，中國檢察出版社1996年2月版，第292頁。）如果法官違反三段論推理的邏輯，就會破壞法治。這種機械論的法律推理觀，反映了分析法學要求法官不以個人價值觀干擾法律推理活動的主張。但是，它同時具有忽視法官主觀能動性和法律推理靈活性的僵化的缺陷。所以，自由法學家比埃利希將法律形式主義的邏輯推理說稱為“自動售貨機”理論。然而，從人工智能就是為思維提供機械論解釋的意義上說，法律形式主義對法律推理所作的機械論解釋，恰恰為人工智能法律系統的開發提供了可能的前提。從人工智能法律系統研制的實際過程來看，在其起步階段，人工智能專家正是根據法律形式主義所提供的理論前提，首先選擇三段論演繹推理進行模擬，由WalterG.Popp和BernhardSchlink在20世紀70年代初開發了JUDITH律師推理系統。在這個系統中，作為推理大小前提的法律和事實之間的邏輯關系，被計算機以“如果A和B，那么C”的方式加以描述，使機器法律推理第一次從理論變為現實。
第二，法律現實主義推動智能模擬深入到主體的思維結構領域。法律形式主義忽視了推理主體的社會性。法官是生活在現實社會中的人，其所從事的法律活動不可能不受到其社會體驗和思維結構的影響。法官在實際的審判實踐中，并不是機械地遵循規則，特別是在遇到復雜案件時，往往需要作出某種價值選擇。而一旦面對價值問題，法律形式主義的邏輯決定論便立刻陷入困境，顯出其僵化性的致命弱點。法律現實主義對其僵化性進行了深刻的批判。霍姆斯法官明確提出“法律的生命并不在于邏輯而在于經驗”（注：（美）博登海默著：《法理學——法哲學及其方法》，鄧正來、姬敬武譯，華夏出版社1987年12月版，第478頁。）的格言。這里所謂邏輯，就是指法律形式主義的三段論演繹邏輯；所謂經驗，則包括一定的道德和政治理論、公共政策及直覺知識，甚至法官的偏見。法律現實主義對法官主觀能動性和法律推理靈活性的強調，促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。人們開始考慮，如果思維結構對法官的推理活動具有定向作用，那么，人工智能法律系統若要達到法官水平，就應該通過建立思維結構模型來設計機器的運行結構。TAXMAN的設計就借鑒了這一思想，法律知識被計算機結構語言以語義網絡的方式組成不同的規則系統，解釋程序、協調程序、說明程序分別對網絡結構中的輸入和輸出信息進行動態結構調整，從而適應了知識整合的需要。大規模知識系統的KBS(KnowledgeBasedSystem)開發也注意了思維結構的整合作用，許多具有內在聯系的小規模KBS子系統，在分別模擬法律推理要素功能（證成、法律查詢、法律解釋、法律適用、法律評價、理由闡述）的基礎上，又通過聯想程序被有機聯系起來，構成了具有法律推理整體功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）
第三，“開放結構”的法律概念打開了疑難案件法律推理模擬的思路。法律形式主義忽視了疑難案件的存在。疑難案件的特征表現為法律規則和案件之間不存在單一的邏輯對應關系。有時候從一個法律規則可以推出幾種不同的結論，它們往往沒有明顯的對錯之分；有時一個案件面對著幾個相似的法律規則。在這些情況下，形式主義推理說都一籌莫展。但是，法律現實主義在批判法律形式主義時又走向另一個極端，它否認具有普遍性的一般法律規則的存在，試圖用“行動中的法律”完全代替分析法學“本本中的法律”。這種矯枉過正的做法雖然是使法律推理擺脫機械論束縛所走出的必要一步，然而，法律如果真像現實主義法學所說的那樣僅僅存在于具體判決之中，法律推理如果可以不遵循任何標準或因人而異，那么，受到挑戰的就不僅是法律形式主義，而且還會殃及法治要求實現規則統治之根本原則，并動搖人工智能法律系統存在的基礎。哈特在法律形式主義和法律現實主義的爭論中采取了一種折中立場，他既承認邏輯的局限性又強調其重要性；既拒斥法官完全按自己的預感來隨意判案的見解，又承認直覺的存在。這種折中立場在哈特“開放結構”的法律概念中得到了充分體現。法律概念既有“意義核心”又有“開放結構”，邏輯推理可以幫助法官發現問題的陽面，而根據社會政策、價值和后果對規則進行解釋則有助于發現問題的陰面。開放結構的法律概念，使基于規則的法律推理模擬在受到概念封閉性的限制而對疑難案件無能為力時，找到了新的立足點。在此基礎上，運用開放結構概念的疑難案件法律推理模型，通過邏輯程序工具和聯想技術而建立起來。Gardner博士就疑難案件提出兩種解決策略：一是將簡易問題從疑難問題中篩選出來，運用基于規則的技術來解決；二是將疑難問題同“開放結構”的法律概念聯系在一起，先用非范例知識如規則、控辯雙方的陳述、常識來獲得初步答案，再運用范例來澄清案件、檢查答案的正確性。
第四，目的法學促進了價值推理的人工智能研究。目的法學是指一種所謂直接實現目的之“后法治”理想。美國法學家諾內特和塞爾茲尼克把法律分為三種類型。他們認為，以法治為標志的自治型法，過分強調手段或程序的正當性，有把手段當作目的的傾向。這說明法治社會并沒有反映人類關于美好社會的最高理想，因為實質正義不是經過人們直接追求而實現的，而是通過追求形式正義而間接獲得的。因此他們提出以回應型法取代自治型法的主張。在回應型法中，“目的為評判既定的做法設立了標準，從而也就開辟了變化的途徑。同時，如果認真地對待目的，它們就能控制行政自由裁量權，從而減輕制度屈從的危險。反之，缺少目的既是僵硬的根源，又是機會主義的根源。”（注：（美）諾內特、塞爾茲尼克著：《轉變中的法律與社會》，張志銘譯，中國政法大學出版社1994年版，第60頁。）美國批判法學家昂格爾對形式主義法律推理和目的型法律推理的特點進行了比較，他認為，前者要求使用內容明確、固定的規則，無視社會現實生活中不同價值觀念的沖突，不能適應復雜情況和變化，追求形式正義；后者則要求放松對法律推理標準的嚴格限制，允許使用無固定內容的抽象標準，迫使人們在不同的價值觀念之間做出選擇，追求實質正義。與此相應，佩雷爾曼提出了新修辭學(NewRhetoric)的法律理論。他認為，形式邏輯只是根據演繹法或歸納法對問題加以說明或論證的技術，屬于手段的邏輯；新修辭學要填補形式邏輯的不足，是關于目的的辯證邏輯，可以幫助法官論證其決定和選擇，因而是進行價值判斷的邏輯。他認為，在司法三段論思想支配下，法學的任務是將全部法律系統化并作為闡釋法律的大前提，“明確性、一致性和完備性”就成為對法律的三個要求。而新修辭學的基本思想是價值判斷的多元論，法官必須在某種價值判斷的指示下履行義務，必須考慮哪些價值是“合理的、可接受的、社會上有效的公平的”。這些價值構成了判決的正當理由。（注：沈宗靈著：《現代西方法理學》，北京大學出版社1992年版，第443-446頁。）制造人工智能法律系統最終需要解決價值推理的模擬問題，否則，就難以實現為判決提供正當理由的要求。為此，P.Wahlgren提出的與人工智能相關的5種知識表達途徑中，明確地包括了以道義為基礎的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道義邏輯，或者說在機器中采用基于某種道義邏輯的推理程序，強調目的價值，也許是制造智能法律系統的關鍵。不過，即使把道義邏輯硬塞給計算機，鋼鐵之軀的機器沒有生理需要，也很難產生價值觀念和主觀體驗，沒辦法解決主觀選擇的問題。在這個問題上，波斯納曾以法律家有七情六欲為由對法律家對法律的機械忠誠表示了強烈懷疑，并辯證地將其視為法律發展的動力之一。只有人才能夠平衡相互沖突的利益，能夠發現對人類生存和發展至關重要的價值。因此，關于價值推理的人工智能模擬究竟能取得什么成果，恐怕還是個未知數。
2.法理學對人工智能法律系統研制的理論指導作用
GoldandSusskind指出：“不爭的事實是，所有的專家系統必須適應一些法理學理論，因為一切法律專家系統都需要提出關于法律和法律推理性質的假設。從更嚴格的意義上說，一切專家系統都必須體現一種結構理論和法律的個性，一種法律規范理論，一種描述法律科學的理論，一種法律推理理論”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系統的研究，不僅需要以法理學關于法律的一般理論為知識基礎，還需要從法理學獲得關于法律推理的完整理論，如法律推理實踐和理論的發展歷史，法律推理的標準、主體、過程、方法等等。人工智能對法律推理的模擬，主要是對法理學關于法律推理的知識進行人工智能方法的描述，建立數學模型并編制計算機應用程序，從而在智能機器上再現人類法律推理功能的過程。在這個過程中，人工智能專家的主要任務是研究如何吸收法理學關于法律推理的研究成果，包括法理學關于人工智能法律系統的研究成果。
隨著人工智能法律系統研究從低級向高級目標的推進，人們越來越意識到，對法律推理的微觀機制認識不足已成為人工智能模擬的嚴重障礙。P.Wahlgren指出，“許多人工智能技術在法律領域的開發項目之所以失敗，就是因為許多潛在的法理學原則沒有在系統開發的開始階段被遵守或給予有效的注意。”“法理學對法律推理和方法論問題的關注已經有幾百年，而人工智能的誕生只是本世紀50年代中期的事情，這個事實是人工智能通過考察法理學知識來豐富自己的一個有效動機。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自動化的目標，“一方面是用人工智能（通過把計算機的應用與分析模型相結合）來支撐法律推理的可能性；另一方面是應用法理學理論來解決作為法律推理支撐系統的以及一般的人工智能問題。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系統充當法律推理研究的思想實驗手段以及輔助司法審判的問題。后一方面，則是法律推理的法律學研究成果直接為人工智能法律系統的研制所應用的問題。例如，20世紀70年代法理學在真實和假設案例的推理和分析方面所取得的成果，已為幾種人工智能法律裝置借鑒而成為其設計工作的理論基礎。在運用模糊或開放結構概念的法律推理研究方面，以及在法庭辯論和法律解釋的形式化等問題上，法理學的研究成果也已為人工智能法律系統的研究所借鑒。
四、人工智能法律系統研究的難點
人工智能法律系統的研究盡管在很短的時間內取得了許多令人振奮的成果，但它的發展也面臨著許多困難。這些困難構成了研究工作需要進一步努力奮斗的目標。
第一，關于法律解釋的模擬。在法理學的諸多研究成果中，法律解釋的研究對人工智能法律系統的研制起著關鍵作用。法律知識表達的核心問題是法律解釋。法律規范在一個法律論點上的效力，是由法律家按忠實原意和適合當時案件的原則通過法律解釋予以確認的，其中包含著人類特有的價值和目的考慮，反映了法律家的知識表達具有主觀能動性。所以，德沃金將解釋過程看作是一種結合了法律知識、時代信息和思維方法而形成的，能夠應變的思維策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律專家系統并未以知識表達為目的來解釋法律，而是將法律整齊地“碼放”在計算機記憶系統中僅供一般檢索之用。然而，在法律知識工程系統中，法律知識必須被解釋，以滿足自動推理對法律知識進行重新建構的需要。麥卡錫說：“在開發智能信息系統的過程中，最關鍵的任務既不是文件的重建也不是專家意見的重建，而是建立有關法律領域的概念模型。”（注：McCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必須以法律家對某一法律概念的共識為基礎，但不同的法律家對同一法律概念往往有不同的解釋策略。凱爾森甚至說：即使在國內法領域也難以形成一個“能夠用來敘述一定法律共同體的實在法的基本概念”。（注：（奧）凱爾森著：《法與國家的一般理論》，沈宗靈譯，中國大百科全書出版社1996年版，第1頁。）盡管如此，法理學還是為法律概念模型的重建提供了一些方法。例如，德沃金認為，法官在“解釋”階段，要通過推理論證，為自己在“前解釋”階段所確定的大多數法官對模糊法律規范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過程分為兩個步驟：首先，從現存的明確法律制度中抽象出一般的法律原則，用自我建立的一般法律理論來證明這種法律原則是其中的一部分，證明現存的明確法律制度是正當的。其次，再以法律原則為依據反向推出具體的法律結論，即用一般法律理論來證明某一法律原則存在的合理性，再用該法律原則來解釋某一法律概念。TAXMAN等系統裝置已吸收了這種方法，法律知識被計算機結構語言以語義網絡的方式組成不同的規則系統，解釋程序使計算機根據案件事實來執行某條法律規則，并在新案件事實輸入時對法律規則作出新的解釋后才加以調用。不過，法律知識表達的進展還依賴于法律解釋研究取得更多的突破。
第二，關于啟發式程序。目前的法律專家系統如果不能與啟發式程序接口，不能運用判斷性知識進行推理，只通過規則反饋來提供簡單解釋，就談不上真正的智能性。啟發式程序要解決智能機器如何模擬法律家推理的直覺性、經驗性以及推理結果的不確定性等問題，即人可以有效地處理錯誤的或不完全的數據，在必要時作出猜測和假設，從而使問題的解決具有靈活性。在這方面，Gardner的混合推理模型，EdwinaL.Rissland運用聯想程序對規則和判例推理的結果作集合處理的思路，以及Massachusetts大學研制的CABARET（基于判例的推理工具），在將啟發式程序應用于系統開發方面都進行了有益的嘗試。但是，法律問題往往沒有唯一正確的答案，這是人工智能模擬法律推理的一個難題。選擇哪一個答案，往往取決于法律推理的目的標準和推理主體的立場和價值觀念。但智能機器沒有自己的目的、利益和立場。這似乎從某種程度上劃定了機器法律推理所能解決問題的范圍。
第三，關于法律自然語言理解。在設計基于規則的程序時，設計者必須假定整套規則沒有意義不明和沖突，程序必須消滅這些問題而使規則呈現出更多的一致性。就是說，盡管人們對法律概念的含義可以爭論不休，但輸入機器的法律語言卻不能互相矛盾。機器語言具有很大的局限性，例如，LDS基于規則來模擬嚴格責任并計算實際損害時，表現出的最大弱點就是不能使用不精確的自然語言進行推理。然而，在實際的法律推理過程中，法律家對某個問題的任何一種回答都可根據上下文關系作多種解釋，而且辯論雙方總是尋求得出不同的結論。因此，智能法律專家系統的成功在很大程度上還依賴于自然語言理解研究工作的突破。牛津大學的一個程序組正在研究法律自然語言的理解問題，但是遇到了重重困難。原因是連法學家們自己目前也還沒有建立起一套大家一致同意的專業術語規范。所以EdwinaL.Rissland認為，常識知識、意圖和信仰類知識的模擬化，以及自然語言理解的模擬問題，迄今為止可能是人工智能面臨的最困難的任務。對于語言模擬來說，像交際短語和短語概括的有限能力可能會在較窄的語境條件下取得成果，完全的功能模擬、一般“解決問題”能力的模擬則距離非常遙遠，而像書面上訴意見的理解則是永遠的終極幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）
五、人工智能法律系統的開發策略和應用前景
我們能夠制造出一臺什么樣的機器，可以證明它是人工智能法律系統？從檢驗標準上看，這主要是法律知識在機器中再現的判定問題。根據“圖靈試驗”原理，我們可將該檢驗標準概括如下：設兩間隔開的屋子，一間坐著一位法律家，另一間“坐著”一臺智能機器。一個人（也是法律家）向法律家和機器提出同樣的法律問題，如果提問者不能從二者的回答中區分出誰是法律家、誰是機器，就不能懷疑機器具有法律知識表達的能力。
依“圖靈試驗”制定的智能法律系統檢驗標準，所看重的是功能。只要機器和法律家解決同樣法律問題時所表現出來的功能相同，就不再苛求哪個是鋼鐵結構、哪個是血肉之軀。人工智能立足的基礎，就是相同的功能可以通過不同的結構來實現之功能模擬理論。
從功能模擬的觀點來確定人工智能法律系統的研究與開發策略，可作以下考慮：
第一，擴大人工智能法律系統的研發主體。現有人工法律系統的幼稚，暴露了僅僅依靠計算機和知識工程專家從事系統研發工作的局限性。因此，應該確立以法律家、邏輯學家和計算機專家三結合的研發群體。在系統研發初期，可組成由法學家、邏輯與認知專家、計算機和知識工程專家為主體的課題組，制定系統研發的整體戰略和分階段實施的研發規劃。在系統研發中期，應通過網絡等手段充分吸收初級產品用戶（律師、檢察官、法官）的意見，使研發工作在理論研究與實際應用之間形成反饋，將開發精英與廣大用戶的智慧結合起來，互相啟發、群策群力，推動系統迅速升級。
第二，確定研究與應用相結合、以應用為主導的研發策略。目前國外人工智能法律系統的研究大多停留在實驗室領域，還沒有在司法實踐中加以應用。但是，任何智能系統包括相對簡單的軟件系統，如果不經過用戶的長期使用和反饋，是永遠也不可能走向成熟的。從我國的實際情況看，如果不能將初期研究成果盡快地轉化為產品，我們也難以為后續研究工作提供雄厚的資金支持。因此，人工智能法律系統的研究必須走產研結合的道路，堅持以應用開路，使智能法律系統盡快走出實驗室，同時以研究為先導，促進不斷更新升級。
第三，系統研發目標與初級產品功能定位。人工智能法律系統的研發目標是制造出能夠滿足多用戶（律師、檢察官、法官、立法者、法學家）多種需要的機型。初級產品的定位應考慮到，人的推理功能特別是價值推理的功能遠遠超過機器，但人的記憶功能、檢索速度和準確性又遠不如機器。同時還應該考慮到，我國目前有12萬律師，23萬檢察官和21萬法官，每年1.2萬法學院本科畢業生，他們對法律知識的獲取、表達和應用能力參差不齊。因此，初級產品的標準可適當降低，先研制推理功能薄弱、檢索功能強大的法律專家系統。可與計算機廠商合作生產具有強大數據庫功能的硬件，并確保最新法律、法規、司法解釋和判例的網上及時更新；同時編制以案件為引導的高速檢索軟件。系統開發的先期目標應確定為：(1)替律師起草僅供參考的書和辯護詞；(2)替法官起草僅供參考的判決書；(3)為法學院學生提供模擬法庭審判的通用系統軟件，以輔助學生在、辯護和審判等訴訟的不同階段鞏固所學知識、獲得審判經驗。上述軟件旨在提供一個初級平臺，先解決有無和急需，再不斷收集用戶反饋意見，逐步改進完善。
第四，實驗室研發應確定較高的起點或跟蹤戰略。國外以知識工程為主要技術手段的人工智能法律系統開發已經歷了如下發展階段：(1)主要適用于簡單案件的規則推理；(2)運用開放結構概念的推理；(3)運用判例和假設的推理；(4)運用規則和判例的混合推理。我們如確定以簡單案件的規則推理為初級市場產品，那么，實驗室中第二代產品開發就應瞄準運用開放結構概念的推理。同時，跟蹤運用假設的推理及混合推理，吸收國外先進的KBS和HYPO的設計思想，將功能子系統開發與聯想式控制系統結合。HYPO判例法推理智能裝置具有如下功能：(1)評價相關判例；(2)判定何方使用判例更加貼切；(3)分析并區分判例；(4)建立假設并用假設來推理；(5)為一種主張引用各種類型的反例；(6)建立判例的引證概要。HYPO以商業秘密法的判例推理為模擬對象，假設了完全自動化的法律推理過程中全部要素被建立起來的途徑。值得注意的是，HYPO忽略了許多要素的存在，如商業秘密法背后的政策考慮，法律概念應用于實際情況時固有的模糊性，信息是否已被公開，被告是否使用了對方設計的產品，是否簽署了讓與協議，等等。一個系統設計的要素列表無論多長，好律師也總能再多想出一些。同樣，律師對案件的分析，不可能僅限于商業秘密法判例，還可能援引侵權法或專利法的判例，這決定了緣由的多種可能性。Ashley還討論了判例法推理模擬的其他困難：判例并不是概念的肯定的或否定的樣本，因此，要通過要素等簡單的法律術語使模糊的法律規則得到澄清十分困難，法律原則和類推推理之間的關系還不能以令人滿意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）這說明，即使具有較高起點的實驗室基礎研究，也不宜確定過高的目標。因為，智能法律系統的研究不能脫離人工智能的整體發展水平。
第五，人－機系統解決方案。人和機器在解決法律問題時各有所長。人的優點是能作價值推理，使法律問題的解決適應社會的變化發展，從而具有靈活性。機器的長處是記憶和檢索功能強，可以使法律問題的解決具有一貫性。人－機系統解決方案立足于人與機器的功能互補，目的是解放人的腦力勞動，服務于國家的法治建設。該方案的實施可以分為兩個階段：第一階段以人為主，機器為人收集信息并作初步分析，提供決策參考。律師受理案件后，可以先用機器處理大批數據，并參考機器的和辯護方案，再做更加高級的推理論證工作。法官接觸一個新案件，或新法官剛接觸審判工作，也可以先看看“機器法官”的判決建議或者審判思路，作為參考。法院的監督部門可參照機器法官的判決，對法官的審判活動進行某種監督，如二者的判決結果差別太大，可以審查一下法官的判決理由。這也許可以在一定程度上制約司法腐敗。在人－機系統開發的第二階段，會有越來越多的簡單案件的判決與電腦推理結果完全相同，因此，某些簡單案件可以機器為主進行審判，例如，美國小額法庭的一些案件，我國法庭可用簡易程序來審理的一些案件。法官可以作為“產品檢驗員”監督和修訂機器的判決結果。這樣，法官的判案效率將大大提高，法官隊伍也可借此“消腫”，有可能大幅度提高法官薪水，吸引高素質法律人才進入法官隊伍。
未來的計算機不會完全取代律師和法官，然而，律師和法官與智能機器統一體的出現則可能具有無限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以預見，人工智能將為法律工作的自動化提供越來越強有力的外腦支持。電腦律師或法官將在網絡所及的范圍內承擔起諸如收債、稅務、小額犯罪訴訟等職能。自動法律推理系統將對訴訟活動發揮越來越多的輔助作用，例如，通過嚴密的演繹邏輯使用戶確信全部法律結論得出的正當性；在解決相互沖突的規則、判例和政策問題時提示可能出現的判決預測；等等。正如網絡的出現打破了少數人對信息的壟斷一樣，電腦法律顧問的問世，將打破法官、律師對法律知識的壟斷，極大地推動法律知識的普及，迅速提高廣大人民群眾的法律素質，使法律真正變為群眾手中的銳利武器。
“由于最近出現了很多突破性的技術，導致人工智能發展得很快，同時也引發了公眾的辯論。有一些人對人工智能感到恐懼，他們呼吁要采取緊急措施，以避免一個假想的‘反烏托邦’出現。
“但是我們對人工智能還是非常樂觀的。從技術發展的歷史可以看出，每個新技術的出現起初都會有很多懷疑和恐懼，但最終，這些新技術都改善了人類的生活。舉個例子，柯達相機出現的時候，人們認為它會破壞藝術；電力出現時有人覺得它太危險了。但是，一旦這些技術應用在數以百萬計的人手中，并且不斷開放、發展、合作，所有的恐懼都會煙消云散。人工智能革命也是如此，它能將我們從瑣碎的、重復的、盲目的工作中解脫出來。
“不要陷入恐懼之中，我們要努力工作，找到消除恐懼的解決方案。”
Speeches at a Glance
我們不是黑帽黑客，我們只是一個安全組織。我們的行為只是在告訴人們―在網絡上沒有誰是安全的。
―黑客組織OurMine的一位匿名成員在接受《連線》雜志的采訪時表示。5月以來，這一黑客組織成功攻陷Facebook CEO馬克?扎克伯格、Uber CEO特拉維斯?卡蘭尼克等多位IT公司CEO的社交網絡賬號。
目前的技術還沒為大規模生產做好準備。
―特斯拉自動駕駛汽車發生撞車事故后，寶馬CEO克魯格在慕尼黑媒體見面會上說。
盡管面臨著當前全球地緣政治的不確定性、瞬息萬變的市場和社會環境，受訪的CEO仍然以企業業務的增長為重心，通過轉型、高新技術和專業人才來增強企業的業務能力，以應對未來的挑戰。中國CEO對自身業務的增長前景充滿信心，同時也意識到創造“創新”文化和“合作”的重要性，這在中國表現得尤為突出。
―畢馬威主席John Veihmeyer說。畢馬威近日一份報告稱，企業總部設在中國的CEO把創新推動增長作為首要戰略任務，持此觀點的CEO比例高于全球其他國家和地區。
關鍵詞:智能科學基礎;系列課程;國家級教學團隊;改革;建設
在國家教育部質量工程的支持下,中南大學信息科學與工程學院對國家級精品課程人工智能[1-2]和智能控制[3]、全國雙語教學示范課程人工智能和國家級智能科學基礎系列課程教學團隊[4]等進行持之以恒的改革與建設,取得一些成果。
“智能科學基礎系列課程教學團隊”的教學隊伍是一支由國家級教學名師領銜[5],知識結構、梯隊結構和年齡結構比較合理,具有明顯的學科優勢、課程優勢、人才優勢和教學科研優勢的頗具特色與影響力的教學團隊。該團隊以中南大學智能科學研究中心為核心,主要承擔人工智能基礎、智能控制導論、機器人學、專家系統等本科基礎和專業基礎課程,碩士學位課程人工智能、智能控制和機器人控制技術以及留學生碩士學位課程Artificial Intelligence和博士生學位課程智能系統原理與應用的教學。
教學團隊在建設過程中,注重教學改革,加大課程建設和教材建設力度,不斷改進教學方法,在課程改革、教材建設、教學手段、隊伍建設以及交流合作等方面取得一些進展。本文擬就教學團隊的改革與建設的相關理念與實踐問題加以總結,談談我們的見解。
1創新教學方法
教學是教師的本職和核心工作。本教學團隊一直致力于教學方法與教學模式的改革與創新,虛心學習國內外先進教學經驗和方法,積極探索教學新路,形成了“以趣導課、以疑啟思、以法解惑、以律求知”的教學模式和教學方法[6-7]。充分激勵學生的學習積極性和主動性,發揮獨立思考和創新思維,多方位培養學生發現問題、分析問題和解決問題的能力。我們在教學過程中應用了課堂演示、課堂互動、課堂辯論、課后網絡教學、網絡實驗等一系列現代化全方位的教學新模式。此外,為提高學生的動手能力和理論水平,讓學生直接參與部分教師課題,理論聯系實際,為畢業后的工作學習打下良好基礎。具體措施如下:
1) 舉行課堂討論會,營造自由探索氛圍。
為調動學生的積極性,我們在授課過程中多次開展課堂討論會和辯論會等活動,讓學生自己查閱資料,分析整理,提出自己的觀點,使學生全方位地接觸所學課程,培養學生的研究能力,真正實現師生互動,并鼓勵學生用英語討論。學生對有些問題展開了激烈的爭論,激發了學習潛能,明確了學習目標。課程中還經常請來在科研工作中擔任主要任務的教授和博士生來給學生介紹最前沿的科學動態,激發學生們對所學知識和科學研究的興趣。在研究生教學方面,我們更進一步通過舉辦課程課堂學術研討會,讓學生在一年級就開始接觸學科前沿,自己查閱資料和動手寫科技論文,并在研討會上宣讀討論,培養獨立工作能力和從事學科前沿研究的能力,為將來的高層次研究打下基礎。
2) 倡導啟發式教學,培養學生學習能力。
注意采用面向問題的啟發式方法進行教學,啟發學生求解問題能力,強化學生的參與意識,提高他們的學習積極性。教學中還注意采用了多種交互式策略,如課堂教師提問、鼓勵或指定學生用英語提問、學生就某個知識點進行主題發言后老師點評等。此外,師生通過互聯網進行交互,方式包括Email、BBS和QQ談和交換文件等。
根據學生的興趣和創新潛力,對有專業特長的本科生,在自愿情況下,挑選2～3名參與國家級項目研究工作,進行中長期培養試點,實現本科培養過程與碩士、博士研究生培養過程的銜接。
3) 增強課程實驗教學環節,籌建智能專業實驗室。
智能科學基礎課程的概念性較強,初學者感到比較抽象,而實驗教學又是薄弱環節。因此,結合學生實際情況,我們對實踐教學環節十分重視,設計了一些新的實驗項目,探索新穎的實驗方法。新開實驗項目包括人工智能實驗、智能控制實驗、專家系統實驗、機器人學實驗、人工智能課程設計等。對相關課程的原有實驗,我們也進行了一些改革,增設了個性化的實驗,使得學生的實驗數據和實驗結果分析既有格式要求,又給學生報告自己研究的過程和結果留有空間。這些做法能夠鼓勵學生進行獨立性研究,滿足他們學習的需求。通過實驗教學,學生能夠理論聯系實際,驗證所學理論知識和概念,加深理解,充分調動了學生的學習積極性,培養了他們的創造能力。
除課堂實驗外,我們還充分發揮虛擬實驗的優點,設計了網絡虛擬實驗,讓學生在課外上網練習。通過虛擬實驗,學生可以了解算法的具體運行過程,調整參數和過程,并進行驗證以加深對知識的理解,提高學習興趣,從而達到教學目的。
結合科研,購進和自制部分新設備、新系統,計劃建設智能專業實驗室,為教學提供更多的優良實驗設備。例如,已研制“中南移動一號”和“中南移動二號”自主移動機器人共7臺,已購進RCB-1型教學機器人20套等。
教學團隊教師還指導學生參加全國大學生“飛思卡爾”杯智能汽車競賽活動、大學生創新性實驗計劃及創新教育計劃項目等,取得優秀成果。
2推進課程改革
教學改革是課程建設和學科發展的生命線。我們把國家級精品課程和全國雙語教學示范課程放在優先建設的位置,并以它們帶動其他課程建設,完善系列課程建設,同時新辦了智能科學與技術專業。
2.1搞好精品課程建設,改進雙語示范課程教學,穩步推進系列課程建設
本團隊著力搞好已有的2門國家級精品課程、1門全國雙語教學示范課程,更新精品課程網站,豐富課程內容。為了及時反映上述課程中相關科學技術的最新進展,我們調整了教學體系和教學內容,修訂了教學大綱,并對教學內容進一步優化和更新,極大充實了各課程教學內容。同時,通過校際教學活動和網上資源共享對精品課程、雙語教學示范課程進行交流和推廣,起到較好的輻射作用[8-9]。
為加強精品課程建設,完善和拓展課程體系,在總結現有精品課程的建設經驗的基礎上,又建成省級精品課程1門,校級精品課程1門。
為提高學生的專業英語水平和學習興趣,使得學生能夠開拓眼界,追蹤國際前沿科學研究,本團隊長期對雙語教學進行研究和實踐。除改進人工智能雙語教學示范課程外,團隊承擔的其他課程,如智能控制、機器人學、專家系統、數據結構等也實行了雙語教學,并為該課程引進英文輔助教材。例如,對人工智能課程,我們先后采用Nilsson和Russell等編著的國外影響較大的英文原版教材作為主要教學參考書[10-11],供學生學習參考。在雙語教學中,一般以漢語講授為主,英語為輔,并對一些關鍵詞同時用漢語和英語表示。對部分章節或某個專題,采用純英語教學或以英語為主漢語為輔的教學。對PPT課件的編寫分為純漢語、純英語和英漢混合幾種方式。英語教學比例要根據教學內容和學生英語水平而定,其檢驗標準是學生的接受程度與學習效果,根據這一點來適時調整雙語教學中英語對漢語的比例。
通過教改實踐,我們承擔的智能科學基礎課程逐步形成為具有明顯特色的課程體系。我們講授的課程從智能科學的基礎課程到專業基礎課程,再到專業實踐課程,形成了配置合理、特色鮮明、循序漸進、優勢互補、協調發展的智能科學與技術學科從基礎到應用的系列課程體系。
2.2新辦智能科學與技術專業
智能科學與技術是當代科技發展的前沿學科和重要組成部分,其人才需求日益增加,超出了目前高校的培養能力[12]。我校的智能科學與技術學科方向經過近20年的發展,已形成了具有自身優勢和特點的學科,在國內具有一定的知名度和優勢。為了促進智能科學與技術學科的發展,經過多年積極準備,我們于2009年申報了智能科學與技術專業并獲得教育部批準。通過向兄弟學校學習調研,了解該專業人才需求、專業建設規劃,設定適應培養目標的教學計劃與課程設置方案。雖然我們開辦“智能科學與技術”專業較晚,但我們從2002年開始,就一直關注和積極參與國內智能科學的學科的討論與新專業籌備工作[13]。
我校于2009年申報獲準,在自動化專業增設了智能科學與技術專業方向,目前已招收2屆學生共84人。我們為選讀智能科學與技術本科專業方向的每個學生選定指導老師。每個學生都可以參加指導老師的課題,指導老師也可以利用自己的學識、經驗和責任心來更好地管理呵護學生。這一做法取得明顯效果,不僅受到同學們的普遍歡迎,也得到了學校的肯定。我們還多次召開師生見面會并通過指導老師走訪宿舍,了解每個人的情況。為了消除代溝,努力融入同學當中,學習熟悉他們的語境和思維想法。我們的目標就是不讓一個學生掉隊。
創建與建設智能科學與技術新專業,將為智能科學基礎系列課程教學建設提供一個更加寬廣的平臺,并對計算機、自動化和電子信息等學科的專業建設和課程建設提供一個新的增長點。我們將以智能科學與技術專業建設為契機,虛心學習兄弟學校的專業建設的做法和經驗,進一步規范智能科學與技術的基礎課程教學,讓智能科學基礎課程教學建設登上一個新的臺階。
3加強教材建設
教材是教學的重要工具和資源,其水平直接影響教學效果和教學質量。在教學過程中,我們與時俱進,對教學內容不斷優化與更新,精益求精地編寫反映學科發展的教材[14]。
我們對原有編寫出版的教材進行修訂,反映新世紀學科發展水平和發展趨向,以適應教改需要。把這些最新內容用于教學,使學生了解到國際前沿動態和本學科的最新成果。
以相關系列課程為平臺,注重教材配套,服務因材施教,著眼長遠教材建設。僅2007年以來我們已出版的相關教材及專著如下:
《智能控制原理與應用》,國家級精品課程配套教材,2007;《智能控制導論》,國家級精品課程配套教材,2007;《未知環境中移動機器人導航控制理論與方法》,2008;《機器人學》,第二版,國家級教學團隊配套教材,2009;《機器人學基礎》,國家級教學團隊配套教材,2009;《人工智能及其應用》,第四版,國家級“十一五”規劃教材,國家精品課程配套教材,2010;《人工智能基礎》,第二版,國家級“十一五”規劃教材,國家精品課程配套教材,2010;《移動機器人協同理論與技術》,2010。
4優化隊伍結構
師資隊伍建設是團隊建設的源頭,沒有一流的教師隊伍就沒有一流的教學團隊。在師資隊伍建設上,我們一直采取引進優秀人才和在職培養相結合的做法。對于人才的引進主要通過辦專業和辦學科點等方式吸引人才,還通過創造教學和科研條件,穩定教師隊伍,解決個人的發展問題。
采取有效措施,提高主講教師的學術積累和教學水平。一是教研組教師,特別是中青年教師積極參加重要科研項目,提高學術水平。二是派中青年教師赴國外研修訪問,了解和學習發達國家同類課程的先進教學經驗、相關課程設置情況與發展趨勢,將國外教學思想引入課程教學。
教學始終是教師的第一要務,為了提高青年教師的教學素質,我們實施并完善了一系列管理措施和制度。
1) 設立名師工作室,實現名師資源共享形成多元化的帶教制度,安排高年資的教師對年輕教師進行傳、幫、帶,可以有業務方面的指導,也可以有認識方面的交流。通過老教師對年輕教師全方位的指導,使老教師的教學理念和經驗得以繼承,加快了年輕教師的成長。
2) 有計劃地安排年輕教師虛心旁聽有經驗教師的講課。通過聽課,不僅使年輕教師進一步掌握課程的內容,更重要的是使年輕教師學到了老教師的教學方法和經驗,對其今后從事教學工作起到了積極的指導作用。
3) 對于第一次上課和第一次上某門新課程的年輕教師,團隊都要在課前組織他們試講。試講前,安排老教師進行指導,傳授教學經驗。試講時,由團隊的教師參加聽課并對其進行講評,肯定其優點,指出其不足,幫助青年教師盡快掌握課程的重點,找到更合適的講授方法。此外,我們還備課,統一基本教案,幫助年輕教師成長。
近兩年來本教學團隊獲得的主要教學獎勵就有徐特立教育獎、茅以升教學專項獎等。
5擴大交流合作
我們在做好自身團隊建設的同時,增進與全國相關高校和教學團隊的交流,學習兄弟團隊的建設經驗,在課程示范、教材推廣、網絡資源輻射等方面發揮積極作用。我們還開展校內合作,聯合不同院系進行教學和精品課程的申報與建設,在校內推廣改革成果;發表了一系列教改論文;發起籌備《全國智能科學技術課程教學研討會》;邀請企業界科技精英做本科生就業指導相關報告。
1) 增進校際交流,發揮輻射作用。
我們經常以講座報告形式在許多兄弟院校進行教學與教改交流。例如,最近一年來就應邀先后到上海交通大學、同濟大學、東華大學、東南大學、國防科技大學、中國礦業大學、北京科技大學、清華大學等校就智能科學技術課程的教學、教改和建設問題作專題報告,在兄弟院校師生中引起熱烈反響。已有數以百計的高等院校采用我們編著的教材和網絡課程進行教學,國內已有眾多的從事人工智能課程和智能控制課程教學的教師,來信來函索取我們開發的課程教案、課程演示和網絡課程相關資料等,我們一直盡力地搞好推廣和服務工作。
2) 撰寫課程改革論文,進行國內外交流。
本團隊成員僅近一年多來,就在中國教育開放資源網、中國人工智能學會13屆年會、計算機教育、高等理科教育、計算機與現代化等會議及刊物上發表10篇教改論文,在國內外進行交流,起到介紹情況,交流信息和經驗的積極作用。
3) 籌備全國相關課程教學研討會。
為了更好地交流經驗,擴大影響和輻射作用,我們發起并聯合中國人工智能學會教育工作委員會、中國計算機學會人工智能與模式識別專業委員會、中國人工智能學會智能機器人專業委員會、中國自動化學會智能自動化專業委員會、中國人工智能學會人工智能基礎專業委員會,籌備召開了首屆《全國智能科學技術課程教學研討會》[15]。圍繞各個學校在智能科學與技術本科專業的課程改革與建設、課程和專業教學計劃制定和未來發展設想等方面進行交流研討。通過交流研討,認真學習兄弟學校的經驗,并盡可能匯報我們的經驗。我們相信,在與會全體代表的共同努力下,本次課程教學研討會一定能夠取得積極的成果。
注:本研究獲得教育部國家級精品課程人工智能(2003年)和智能控制(2006年)、全國雙語教學示范課程人工智能(2007年)、國家級智能科學基礎系列課程教學團隊(2008年)等項目支持。
參考文獻:
[1] 中國高等教育學會. 中國高校國家精品課程,工學類,(上冊),2003-2007[M]. 北京:北京大學出版社,2008:433-436.
[2] CAI Zixing,LIU Xingbao,LU Weiwei,et al. Comparative Study on Artificial Intelligence Courses Between CSU and MIT[EB/OL]. [2010-5-1]. CORE (China Open Resources for Education),.cn/.
[3] 中國高等教育學會. 中國高校國家精品課程,工學類,(上冊),2003-2007[M]. 北京:北京大學出版社,2008:426-429.
[4] 國家教育部和財政部關于立項建設國家級教學團隊、國家級精品課程、全國雙語教學示范課程的通知[EB/OL]. [2010-5-1]. http///轉高等教育司.
[5] 中華人民共和國教育部高等教育司. 名師風采,第一屆高等學校教學名師獎獲獎教師集錦[M]. 北京:地質出版社,2006: 152-153.
[6] 李廣川. 丹心育桃李,妙手譜春秋[M]//名師頌.北京:教育科學出版社,2007:397-401.
[7] 及立平. 篤定平和:訪國家級教學名師蔡自興[M]//春風化雨:中南大學教師風采. 長沙:中南大學出版社,2006:119.
[8] 蔡自興,肖曉明,蒙祖強,等. 樹立精品意識,搞好人工智能課程建設[J]. 中國大學教學,2004(1):28-29.
[9] 陳愛斌,肖曉明,魏世勇,等. 智能控制的學科發展與學科教育[J]. 現代大學教育,2006(3):102-105.
[10] Nilsson N J. Artificial Intelligence:A New Synthesis[M]. New York:Morgan Kaufmann Publishers,1998.
[11] Russell S, Norvig P. Artificial Intelligence:A Modern Approach[M]. London:Prentice Hall Publishers,2005.
[12] 王萬森,鐘義信,韓力群,等. 我國智能科學技術教育的現狀與思考[J]. 計算機教育,2009(11):10-14.
[13] 蔡自興,賀漢根. 智能科學發展的若干問題[C]//中國自動化領域發展戰略高層學術研討會論文集. 自動化學報,2002, 28(增刊1):142-150.
[14] 蔡自興,謝斌,魏世勇,等.《機器人學》教材建設的體會[C]//2009年全國人工智能大會(CAAI-13). 北京:北京郵電大學出版社,2009:252-255.
[15] 2010年全國智能科學技術課程教學研討會征文通知[J]. 計算機科學,2010,37(6):封3.
Construction of State Teaching Group of Series Course for Intelligence Science Basis in CSU
CAI Zi-xing, CHEN Bai-fan, LIU Li-jue
(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)
根據張亞勤透露，微軟正在進行多個人工智能研究項目，“小冰”則是云計算、機器學習、深度神經網絡等課題的階段性成果。不久的將來，機器就可以對主人察言觀色。
如果人工智能研究不以解決具體問題，如診斷疾病、模態識別，而以超過人類為目標，那就應當先搞清兩大根本性問題。
第一，搞清人類的思維方式。張亞勤承認“人類可能永遠都不會知道大腦詳細的構成和工作原理，也無法完全模仿大腦的運算，”但是他認為“由于海量數據、大量計算，以及結合合理的算法所達到的結果甚至是可能超越人腦的。”張亞勤的觀點很有代表性，弊病是目標不明、路徑不清。
目標不明，試圖超越自己不能理解的東西，難免會出現顏回遇到的情況“仰之彌高，鉆之彌堅，瞻之在前，忽焉在后。”
路徑不清，沿二進制邏輯運算之路難以超越人類智慧。現有人工智能大廈是建立在二進制邏輯運算之上的。計算機歸根結底只能認別0和1，就象小朋友，把電影里的角色分為“好人”和“壞人”。假如某星球的“世界杯”，每場比賽有三支球隊同時上場，那里的生物一定比地球人更智慧。人類的思維是生化反應，不會象電腦一樣只有“高電位”和“低電位”兩種狀態。生物芯片取代半導體硅片的生物計算機和量子計算或許能夠超過人類，但希望不一定屬于是微軟、谷歌這些今日的巨頭。
第二，決定賦予還是預先阻止機器獲得“求生本能”。所謂求生本能就是對自己生命的愛，從這種愛可以衍生出貪婪、恐懼等情感。從小小孩童的好奇心到太空探索，根本的驅動力就是人類的求生本能。
關鍵詞： 智能； 教學系統； 模型
智能輔助教學系統的開發是涉及人工智能、計算機科學、教育學、心理學和行為科學的綜合性任務，其研究的最終目的是由計算機系統擔負起教育、教學的相關責任，即賦予計算機系統以智能，由計算機系統在一定程度上代替教師實現最佳教學。
一、智能輔助教學系統的發展歷程
智能輔助教學系統興起于上世紀七十年代，Bolt Neranek Newman公司開發了Scholar系統，它被認為是最早出現的智能輔助教學系統。當時應用人工智能技術在計算機輔助教學系統中添加了學生的學習行為、能力以及訓練策略。同時人工智能技術還被用于建立學習顧問之中，即存放所要教授課程的問題和技能，控制訓練策略并給出適合學生的學習內容，使之產生根據學生的能力、弱點以及所喜愛的學習風格進行教學的軟件系統。
隨后又出現了Why 、Sophie、West、 Buggy、Neomycin等系統，并將知識表示、專家系統、問題求解、推理方法等人工智能技術用于智能輔助教學系統，取得了豐碩的成果。
我國智能輔助教學系統的研究起步較晚，開始的研究工作主要集中在少數大學和研究機構里斷續進行，且多為研究和演示用的系統，經過嚴格評測的系統很少。最近幾年則發展較快，一些計算機公司也投入其中，伴隨著智能輔助教學系統的迅猛發展，必將對我國的教育改革起到積極的推動作用。
二、智能輔助教學系統的模型構建
智能輔助教學系統是以認知學為理論基礎，將人工智能技術應用于CAI，是智能化的CAI。在智能輔助教學系統中，學生的學習也可以借助于智能化的推理機制對大量知識進行選擇、判斷與處理，使學習內容更有針對性，從而提高學習效果。
一般，智能輔助教學系統模型的構建包括以下幾個模塊：
1．知識庫
作為智能輔助教學系統的重要組成部分，知識庫主要提供一個指導性的、自適應的、開放的、可操作的框架和服務設施。為各個學科知識提供規范的知識輸入和組織，其它教學資源，如題庫、課件、素材等，均依據它來組織管理，這將使用戶可以建立適用于自己的知識體系，使各類知識應用能夠有一個好的開發和集成基礎。另外，核心的教學領域知識將被分解為相互聯系的知識點，形成知識樹，提供可視化的、操作性好的知識樹編輯界面，方便教師將教學領域的知識輸入到知識庫。
例如，有的智能輔助教學系統中的知識庫，是從知識表示入手，在SC文法知識表示體系和知識樹映射方法的基礎上，提出了一個動態、實時、自適應、交互式知識庫模型。模型包括基于SC文法的知識點表示方法、知識樹結構、知識樹映射、知識點學習循環等內容， 模型在智能輔助教學系統中經過實例化設計和運用，可以表現出動態教/學、領域無關、人機交互、自適應、個別化、可擴展等智能特點。
2．學生模型
學生模型就是用于表示學生實際認知狀況，并通過解釋學生的活動得出他對領域知識和技能的掌握情況。系統中每個學生有唯一的ID標識，建立唯一的學習資源、學習信息和特征數據庫，系統智能功能的實現在于如何動態地、正確地提取學生的主題特征。
一般，系統可以采用領域知識樹模型來表示學生對領域知識的掌握情況。例如，可以設學習中的整個領域知識樹為DKT；學生已學習過的知識樹為SKT，未學過的知識樹為SNKT；學生已掌握的知識樹為GKT，未掌握的知識樹為GNKT。則{SNKT}={DKT}-{SKT}、{GNKT}={SKT}-{GKT}，如果SNKT和GNKT皆為空時，則表示學生達到了學習的要求。其中，如果GNKT不為空，則學生不能進入下一階段的學習，只能進行重復學習和補充練習，直到GNKT為空時，才進入下一階段的學習。
3．專家決策機制
該模塊可以看作智能輔助教學系統中的推理機，它一般采用兩級推理相結合的方法，即基于語義網絡的推理和基于產生式規則的推理，其中基于語義網絡的推理用于確定教學內容，而基于產生式規則的推理用于確定教學策略。
也有觀點認為基于規則的推理是容易健忘的，即基于規則的推理對于每一個問題的求解都是從頭開始，而不管類似的問題以前是否遇到過。但日常的智力行為則不同，人們往往迅速地把事件或問題同以前的經驗相聯系。與基于規則的推理不同，基于范例的推理被認為是基于以前經驗的推理。因此，在有的智能輔助教學系統中采用的是基于范例的推理。
基于范例推理的工作過程為：分析輸入，確定范例的索引，根據索引從范例庫中取出相近的范例，改善范例的問題求解方法并使之適應于需要求解的新問題。如果成功，則創建索引、形成新范例并存儲；若不成功，則首先分析失敗的原因，修正解法，重新測試，或轉至重新指定索引進行范例檢索。
4．智能接口模塊
該模塊實際上是作為系統與用戶交互作用的部件，它除了提供學生信息的輸入與注冊外，還實現了學生與系統之間的通信功能。與之相關的技術有自然語言處理、人機對話內部處理、知識庫系統化維護、學生模型初始化、教師模型自適應調整等。該模塊為實現協商、辯論、會話等教學形式的應用提供了一個良好的環境。
三、智能輔助教學系統的未來趨勢
智能輔助教學系統的發展不是孤立、單一的，它的發展要涉及計算機科學、教育學、認知科學和人工智能等多門學科，就目前而言，其表現為以下幾方面的發展趨勢。
1．智能技術的應用
智能技術是能自動執行用戶委托任務的計算實體，從技術的角度來看，智能技術應當是由各種技術支撐著的，許多實用的應用特性的集合，開發者正是使用這些應用特性來擴展應用的功能和價值， 從而達到能自動執行用戶委托任務的目的。在智能輔助教學系統中，學生可以使用智能技術進行搜索、導引來查詢有效知識。由于它具備學習的功能，能夠主動、高效地從網絡信息空間中發現和收集用戶所需要的信息，因此有助于解決使用單一關鍵字匹配查詢、搜索引擎引起的大量無關信息的涌現、信息檢索的精確度較低等問題，使得教師和學生在教與學的過程中，提高知識選取效率，加強交互學習和自主能動性學習。
2．自然語言處理技術的應用
自然語言處理屬于高技術學科，是知識信息處理中的核心課題。長期以來人們對計算機理解自然語言頗感興趣，計算機專家采用人工智能的理論和技術，將設定的自然語言機理用計算機程序表達出來，構造能夠理解自然語言的系統。他們從系統功能的角度出發，把輸出對輸入文本的反映作為衡量計算機理解語言的判別標準。在智能輔助教學系統的研究開發中，特別是智能人機接口方面，可以結合運用多種自然語言處理技術的研究成果，提高系統的智能。例如，通過自然語言人機接口，可以實現更加方便的人機交互功能；利用語義網絡技術，可以充分實現知識點之間的層次關系和語義聯系；通過智能模糊查詢技術，可以實現系統知識庫的知識查找和知識利用；利用機器翻譯技術，可以開展跨語言的知識學習。
3．虛擬現實技術的應用
虛擬現實技術是由多媒體技術、仿真技術以及計算機技術相結合而生成的一種交互式人工世界，它的根本目標就是達到真實體驗和基于自然技能的人機交互。而教學是一個傳授知識的過程，通過親身經歷能加速這一過程和鞏固所傳授的知識，在智能輔助教學系統中，使用創建的虛擬環境，可以在一般人所不能親身體驗的情景中，達到演示、操作的教學目的。它允許學生與現有的各種信息發生交互作用，學生可以在仿真過程中經歷不同的時間和空間，可以與各種仿真物體接觸，還可以與虛擬境界的各個部分接觸，為增強學生的學習實踐提供了方便的途徑。
4．現代學習理論的應用
現代學習理論認為，學習不是一個被動地記錄外界信息的過程，而是一個主動建構的過程。它要求學生由外部刺激的被動接受者和知識的灌輸對象轉變為信息加工的主體、知識意義的主動建構者。學生在學習過程中，主動地選擇一些信息，忽視一些信息，并運用原有的經驗和具體情況去理解新的信息。現代學習理論在智能輔助教學系統中的應用，能為學生建構知識提供充足的信息，容易激發學生的學習興趣和學習主動性，更能滿足學生的個性化要求。
在當今教育改革的大環境下，智能輔助教學系統將顯示出越來越重要的作用。目前，我國在這方面的成果還不多，真正能投入教學實踐的系統則更少，這個有著誘人發展前景的領域，值得我們進一步研究和設計。
參考文獻：
[1]莫贊等．智能教學系統的發展與前瞻[J]．計算機工程與應用，2002，（6）：7-8．
[2]肖雯．人工智能技術在計算機輔助教學中應用 [J]．南京工程學院學報，2002，（6）：56．
[3]楊國才等．一個智能教學系統的設計模型 [J]．計算機應用，1998.（10）：18．
[4]閉應洲等．基于校園網的智能教學系統的研究和設計[J]．廣西師范學院學報， 2002.（12）：61．
在這場庭審辯論過程中提及的快播公司的Qvod播放器，實際上采用的是一種P2P視頻點播技術，通過點對點的傳輸和強大的網絡協議，能夠穿透防火墻將個人或者緩存服務器上的視頻文件通過互聯網或者傳播，為網絡用戶提供視頻播放服務。
P2P在之前已經受到業內關注，但只是在一些發燒友和愛好者中間流傳，和后來形成的廣泛影響不可同日而語。由于這種技術具備可以實現多點傳輸、傳輸速率高、兼容多種媒體格式的優勢，在新媒體行業逐漸成為一項顛覆性科技，并將一些視頻軟件逐漸淘汰，在網民數量上擁有絕對優勢。
作為一項黑科技（指的是一項可以產生顛覆性創新的科技發明或技術），P2P的技術優勢很明顯，但在內容版權、產業化等方面存在先天缺陷，因此一些視頻領域的巨頭大佬對此不屑一顧，而之前一些專注于P2P領域創業的互聯網公司也逐漸銷聲匿跡。就這樣，黑科技變成了壞科技，直到快播軟件的出現，將P2P引向了萬劫不復的深淵。
在人類的發展歷史上，不乏明星般的黑科技。蒸汽機、汽車、火藥的發明，都屬此類。隨著信息時代的來臨，大型計算機、磁盤機為代表的信息產品逐漸被刀片服務器、一體機、智能手機等替代，而過去的單機時代也被互聯網、移動互聯網接管，出現了今天以云計算、大數據、物聯網、人工智能為代表的網絡新時代。
僅在2015年，全世界的信息技術創新層出不窮。在人機交互方面，微軟了全息眼鏡“Hololens”；麻省理工學院教授用一種人體腸道中的細菌發明了一系列基本的計算機元件，為精準醫療的明天提供了技術支撐；同樣，IBM在芯片制造方面完成了首個完整集成的單片硅光子芯片，并宣布研制出首個7nm制程的測試芯片，其計算能力超過當前最強芯片的4倍，突破了半導體行業的瓶頸。
一方面，信息技術有助于提升律師職業的市場競爭力。對于律師業而言，其市場競爭力的體現主要有以下三個要素：一是本所律師的職業水平，即迅速發現爭議焦點、尋求解決路徑并尋找證據和法律支持的能力；二是律師事務所的行政管理水平，即是否能保證律師事務所工作有條不紊地進行、是否有能力篩選出優秀的年輕律師、是否能夠合理地實施獎懲制度；三是招攬客戶的能力，即是否能夠對客戶進行合理定位、是否能夠滿足客戶個性化的需求。而上述三個要素的提升與發展，都在很大程度上有賴于信息技術的提高。就律師的職業水平而言，各類數據庫的建立能夠幫助律師更好地檢索法條與案例，從而提供更多樣的論證方式和更充實的論證內容；就律師事務所的管理水平而言，人才庫和案例庫能幫助律師事務所建立更完善的人才管理制度和案例規整制度；從招攬客戶的角度而言，人工智能的運用、新型服務方式的推出能夠幫助律師事務所更及時地了解客戶的動態和想法，并為客戶提供更多個性化的服務。另一方面，信息技術的發展也會對傳統律師職業的組織形式和行為模式產生沖擊。
由此，當下，信息技術正在改變著律師職業的方方面面；未來，信息技術將會對法律服務業產生更為深遠的影響。
智能法律檢索系統
智能法律檢索系統包括法律、法規的檢索、案例的檢索及法學期刊的檢索，相比傳統的檢索模式，智能法律檢索系統能夠幫助律師在最短的時間內檢索到較為完善的資料。
法律、法規的智能檢索主要表現為通過對關鍵詞的搜索在數據庫中檢索相關法律法規，并由此了解其相關條文內容。無論對于訴訟律師還是非訴訟律師而言，法律檢索都是其從業的基本功。運用數據庫查詢法律法規的方式在律師從業過程中十分常見，例如，通過北大法寶的法律、法規檢索數據庫，律師不僅能夠迅速、準確、清晰地定位到其所需要的條文，還能在頁面中查詢到該條文的有效性、起廢止時間、頒布機關、法律解釋甚至是其在相關判決中的適用等內容。而通過對Westlaw的搜索，律師可以更加方便快捷地了解域外法律。
案例的檢索主要表現為通過關鍵詞對生效裁判文書進行檢索，以了解相關法院對于類似案件的解讀及法律條文在司法實踐中的理解與適用。例如，律師可以在中國司法裁判文書網中輸入案由、審級、審判時間、適用法律等關鍵詞，對已經生效的裁判文書進行檢索，從而了解審判機關對于類似案件的論證邏輯，并以此為基礎制訂最佳的辯護策略。而LexisNexis在美國甚至已經做到了對訴訟過程的實時記錄，從案件的前期討論到法庭記錄，再到最終案件的調解、和解都能得到追蹤，對訴訟策略和非訴訟業務模式都帶來了巨大的改變。
法學期刊的檢索主要表現于通過關鍵詞對法學期刊中的學術論文進行檢索，其主要適用于審判機關對于案件理解差異較大，或者審判機關未就類似案件作出過判決，或者理論界對于現有司法適用方式存在批判，而這種批判意見對于律師而言更為有利的情形。當然，其同樣可以適用于律師用于自我充電的情形。例如，通過對于中國知網、萬方、維普等期刊數據庫的搜索，律師可以迅速地了解到國內學者甚至是一些司法實踐人員對于法律適用、法律解釋等問題的深入觀點及論證方式。而通過HeinOnline，律師可以了解國外學者對于某些法學觀點的具體闡述。盡管法學家的論述并非為我國的正式法源，但實踐中，其仍對于審判機關具有重要的參照意義。
在未來的律師執業中，隨著業務量的增大和律師工作飽和度的上升，法律檢索的功能將會進一步智能化，其使用頻率將會進一步增加，而律師將通過這種方式更有效地提升工作效率。
在線法律指導
在線法律指導是指通過網絡獲取法律咨詢、法律實踐甚至是法律建議，其主要表現為課程指導和業務指導兩種方式。
在線課程指導主要表現為律師通過遠程教育的方式對法律課知識進行再學習，從而有助于形成一個體系化的知識架構。一般而言，各大高校的法學院、法學研究會甚至部分律師事務所都會依托網絡平臺開展一些面對公眾的課程活動或演講活動。例如，在Coursera平臺上，包括賓夕法尼亞大學、倫敦大學、北京大學等國內外知名大學的法學院均有自己的法學課程平臺，用戶可以通過網上注冊參與課程學習，并通過聽課、回答課后問題、提交作業、完成測試的方式獲得學分。
在線業務指導是指通過在線咨詢的方式詢問其從業過程中所遇到的具體業務問題，并獲得專業指導機構的解答，從而提高其工作效率和準確性。例如，美國的Legalzoom公司，其主營業務就是為難以支付高昂律師費用的中小企業提供法律文書服務，這項業務的收入占到了公司總收入的78%。2012年該公司已在紐交所上市，成為最受矚目的法律服務公司之一，而根據此成功經驗，相信未來，類似的法律服務電商將會有更廣闊的發展空間。
在線法律指導對于未來律師職業而言是一把雙刃劍：一方面，律師自身可以通過在線法律指導更快捷地獲取專業知識，提高業務水平，這也是近年來，律所將在線學習納入律師培養體系的原因之一；另一方面，客戶也能夠通過在線法律指導獲取法律知識，從而減少其在法律服務上的開支，而這對于初級法律服務提供者而言，是極具沖擊性的。
電子化的法律服務市場評價體系
電子化的法律市場法律服務市場評價體系是客戶通過網絡化的方式對律所進行評價的公示平臺。客戶在獲得律師或律師事務所的法律服務后，可以對其服務質量進行量化的考量，包括對其服務進行評分或者作出具體的評價，而這種評價將被以電子化的形式記錄并公開，以作為其他客戶在選擇律師或律師事務所時的重要參考標準。
這種技術的實現極具可行性，事實上，類似的評價體系業已出現在對于餐飲行業的評價中，例如我國的大眾點評網、美國的Yelp等。而在目前的法律領域，除去個別法律類論壇對于律所的討論專題和一些官方機構或社會團體組織對律所或律師的排名活動外，似乎并未形成一個成形的評價體系。但這種評價體系的存在確有必要性，因為對于客戶而言，篩選律師或者律所是一件十分耗費成本且具有風險的事情。這是因為，律所數量眾多，且側重領域不同，而對于客戶而言，在短時間內了解一家律所的業務能力并不現實。而電子化的法律服務市場評價體系的建立，能夠使客戶迅速地對律所進行分類定位，并通過同類客戶的歷史評價對律所進行篩選。
而對未來的律師職業而言，電子化法律服務市場的建立無疑對律師提出了更高的要求。這是因為，對于客戶而言，縱然業務能力的高低、法律素養的好壞應當是其評價律所的標準之一，但缺乏法律知識的客戶對于這一點恰恰欠缺鑒別能力。因此，其更關注于是否幫其解決了實際問題，解決問題的速度是否迅速，回答問題的態度是否良好等多個方面，并以此作為對于律師的評價標準。由此，一旦這種評價體系建立，未來律師不僅需要提升自己的業務能力，更需要提高自身的溝通能力和交際能力。
封閉性的法律社群
所謂封閉性的法律社群是指部分興趣相同或專業領域相同的律師在一個封閉的社交群內進行專業性的業務交流，以促進業務能力的增長。目前，律師參與法律社群的情形在國內外都較為常見。
其中，最為典型的是LinkedIn，這是一個作為“舶來品”的社群，國外的一些律師或律師事務所都習慣于建立個人主頁，以為同行業人員和潛在客戶提供一個了解其發展動態的平臺。此外，還有Quora的平臺，這是一個問答類的社交平臺，律師能夠通過這個平臺在網絡上就其所關注的問題進行發問和回答。另一個較為成功的例子是Legal OnRamp，這是一個促進企業律師間交流合作的平臺，目前已成功吸引了四十多個來自不同國家的律師。企業律師可以通過這個平臺分享學術論文、法律文件、會議紀要等文件，并借此獲得更多的專業知識。事實上，法律社群對于從事非訴訟業務的企業律師而言更具有吸引力。這是因為，相較訴訟律師面臨的紛繁復雜的個案，非訴訟律師所面對的事務更加程序化和模板化，因此，書面文件的分享對其而言也更有實際意義。
對于未來的律師職業而言，法律社群的出現不僅為律師提供了一個同類服務的比價平臺，也增進了律所間相互合作的可能性，這也給了中小律所一個通過聯合的方式與大型律所爭奪市場的機會。
人工智能的運用
人工智能是對人的意識、思維的信息過程的模擬，通過人工智能技術的運用，律師事務所能夠更快捷地判斷客戶所遇到的法律問題，或者，能夠直接通過人工智能的方式對客戶常見問題進行一個初步的解答。
事實上在產品領域，人工智能的運用已經較為成熟。典型的例子如蘋果產品網站，其會根據其產品的性能、外觀、容量等參數設計一系列的問題對使用者進行發問，并通過使用者的回答為客戶挑選合適的產品。而人工智能在法律領域的應用卻受到了行業內許多人的懷疑，這種懷疑大抵是因為具體案件的復雜性并非計算機語言所能處理。但事實上，通過大數據的支持和對自然語言中關鍵詞的提取，現有的人工智能技術已經能夠做到將客戶的自然語言轉化為計算機語言并進一步轉換為法律語言，從而對案件類型作出一個基本的劃分，方便客戶選擇相關領域的律師為其提供法律服務。這一技術的實現將在極大程度上減少客戶篩選律師的時間和成本。
當然，也有人認為，當人工智能發展到一定程度，其能夠具備解決一些初級法律問題的能力。例如，提供合同模板、提供相關法律條文等，由此，初級律師市場將受到極大的沖擊，我們對于法律程序的普遍認知也將被改變。
電子化辦公及人才庫建設
高效的工作流程涉及有利于律師事務所工作的良好發展，而合理的人才管理及人才培養機制有利于律師事務所更好地建立其律師隊伍，以提高其核心競爭力。
在工作流程方面，盡管目前律師大多還習慣于依賴紙質文件，但高效、快捷且更易保存的無紙化工作流程應當會是未來律師事務所發展的趨勢。具體而言：首先，由初級律師對案件所涉爭議點及相關條文進行梳理，形成初步的意見書并抄送同組律師；其次，由高級律師對案件的辯論邏輯提出建設性建議，并將該意見與同組律師共享；最后，在案件完成后，對所有的案件材料進行電子歸檔以便日后查詢。這種技術的實現能夠促進律師工作的規范化，而共享、公開的工作方式則更能夠促進律師在工作中的謹言慎行。
就人才管理而言，人才庫的建設應當是未來律師事務所人才管理的重點。通過這一技術的實現，律所將為每一個參與過該所考核、實習、工作過的法律人建立人才檔案，其中包括筆試成績、面試表現、性格特征、合伙人評價等內容，以便律所合伙人能夠更快地了解有意于服務于本所的法律工作者，并更有針對性地對其進行個性化輔導。事實上，人才庫的建設在部分大型律所已經得到了實現。
