壹范文档
这份蓝皮书主要结合教育部计算机领域本科教育教学改革试点工作计划（简称“101计划”）中《人工智能引论》课程建设阶段性结果，对人工智能教与学的知识点历史发展和建设思路进行思考，包括人工智能诞生、新一代人工智能发展、人工智能人才培养体系、计算机专业课程体系知识点演变、ACM和IEEE-CS制定的新版人工智能知识点、101计划中人工智能知识点、K12教育中的人工智能等核心内容。
《蓝皮书》认为，认知是人类智能的重要表现，其基石和燃料是规范化的知识（如概念、属性和关系等），基于规范化知识就可形成对学习对象的理解和分类。如13世纪末雷蒙·卢尔提出的“知识树”和莱布尼兹提出的“人类知识字母表”就是对知识进行规范的一种努力。对人工智能所涵盖内容分类越细致周全，明晰不同内容之间的边界和联系，对人工智能的理解就越清晰。为此，需要对人工智能不同知识概念有序组织起来，形成规范化的图景，由此由点到线、由线到面、由面到体，明晰人工智能宏大复杂的知识网络，《蓝皮书》即为实现这一目标的重要尝试，对人工智能知识点全景化凝练。
《蓝皮书》回顾了人工智能于1956年在达特茅斯启航后，因为英国政府20世纪70年代发布“莱特希尔（Lighthill）报告”和20世纪80年代神经网络模型能力受限，使得当时人们对人工智能研究产生了质疑，人工智能发展随即两次先后坠入了低谷。人工智能两次进入发展冬天的本质原因在于人们对人工智能期望过大以及对新生事物的未来发展前景难以预测，当时人工智能理论和方法未能产生所承诺的重大影响又进一步影响了人工智能的研究环境。
回顾这些发展历程中的主要挫折，不难发现，当与信息环境的变化趋势不符时，往往就会导致失败。促使人工智能变化的动力既有来自人工智能研究的内部驱动力，也有来自信息环境与社会目标的外部驱动力，两者都很重要，但相比之下，往往后者的动力更加强大。
作为一种使能技术，人工智能天然具有与其他学科研究进行交叉的秉性，从这个意义而言，人工智能可谓“至小有内涵，至大可交叉”。 因此，人工智能研究本身以及人工智能人才培养需要融合来自神经科学、脑科学、物理学、数学、电子工程、生物学、语言学、认知学等方面的知识，从而使得研究本身能够解决更复杂问题、所培养人才能够应对复杂问题挑战。
此外，《蓝皮书》还对计算机课程体系发展中人工智能知识点演变脉络进行了梳理，展示了人工智能知识体系从强调程序设计、到算法研究以及功能实现的变化过程。
微信支付10元后自动下载
