面向人工智能的“新工科”人才培养模式探索

来源:用户上传      作者:

　　摘 要：随着人工智能技术的快速发展，面向人工智能的新工科人才逐渐成为企业迫切需求的人才。为了改善人工智能热潮中新工科人才短缺的局面，提出与企业人才需求紧密结合的人才培养模式。对人工智能的兴起及兴起过程中对新工科人才的需求等内容进行探索与研究，从学校、企业与政府角度提出新工科人才培养面临的问题及解决办法，并以实际案例为参考对新工科人才培养模式提出建议。
　　关键词：人工智能;新工科;人才培养模式
　　DOI：10. 11907/rjdk. 191908 开放科学（资源服务）标识码（OSID）：
　　中图分类号：G434 文献标识码：A 文章编号：1672-7800（2020）005-0252-04
　　0 引言
　　随着自动驾驶、大数据、云计算等新兴产业的快速发展，高校教育也面临着机遇与挑战。目前各国政府都将与人工智能领域相关的新兴产业人才培养[1-2]，作为创新驱动发展战略与教育深化改革的核心。如2016年10月13日，美国政府发布《国家人工智能研究与发展策略规划》，提出人工智能产业发展战略;2017年10月15日，英国政府发布名为《在英国发展人工智能》的报告，对英国的人工智能发展提出4个方面的行动建议。在国内，2017年7月8日，国务院印发《新一代人工智能发展规划》，提出面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。如今企业对各种新兴产业人才也有着迫切需求，因此面向人工智能的“新工科”人才培养模式开始受到人们关注。
　　传统人才培养模式是各专业都有自己的培养计划，很少與其它相似度较低的专业联合培养人才。对于“新工科”人才培养，最重要的是打破各专业人才培养中的各自为阵。国内已有部分学者对此进行研究，并取得了一定成果。如周开发等[3]对“新工科”人才培养模式进行研究，提出采用合作学习、整合教育技术、创建虚拟学习环境、跨学科协同合作、实践互动等教学策略，但忽略了对于学生培养应因材施教;许涛等[4]提出校企联合培养的方式，解决了学生在校实验项目与实际工作需求差距大的问题，但没有根据人工智能专业提出具体案例用于参考借鉴。
　　本文根据人工智能时代对人才需求特点，对“新工科”人才培养模式进行深入研究，并以上海理工大学智能科学与技术专业自2010年开设的实验课为例，介绍如何将企业与学校项目相融合作为实验内容，才能让学生将实验课中学习到的技能迅速应用于工作实践中。
　　1 人工智能与“新工科”
　　1.1 人工智能时代
　　当2019年3月27日国际计算机学会宣布深度学习三“教父”——Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同获得2018年图灵奖后，“深度学习”开始迅速占领各个领域，新一轮人工智能热潮席卷开来。人工智能兴起最明显的证据莫过于在商业领域，在过去3年里，全球范围内对AI领域人才的需求量急剧增长。领英平台发布的《全球AI领域人才报告》指出，截至2017年一季度末，全球人工智能领域专业技术人才数量超过190万，其中美国人工智能领域专业技术人才总数超过85万，位居榜首。中国人工智能领域专业技术人才总数超过5万人，居全球第七位。这一切都标志着人工智能时代的来临。
　　1.2 “新工科”概念提出
　　新一轮技术革命在给各行业带来巨大机遇的同时，也带来了巨大挑战。人们都致力于推动这股浪潮，努力突破原有已掌握的技术，思考并创造新的理论与技术。2017年教育部在上海举行综合性高校工程教育发展战略研讨会，探讨新工科内涵特征，以及新工科建设与发展路径选择等内容，“新工科”由此进入各大高校视野[5]。
　　狭义上，“新工科”是指对传统工科专业进行改革创新，发展一批新兴工业[2]。一方面需要以促进经济高质量发展为主要导向，面向未来经济发展新形态与新业态对传统工科专业进行改革，另一方面需要增设一批以人工智能、机器人、智能制造、云计算、大数据等新兴技术为核心，面向新经济与新产业的新工科专业[6]。广义上，“新工科”是一种全新教育理念，是适应未来新技术革命与经济转型升级的未来工科教育改革方向。
　　相比传统工科人才，未来新兴产业与新经济发展需要的是工程实践能力及创新能力强、具备国际竞争力的高素质复合型“新工科人才”，其不仅需要具有“学科交叉融合”特征，还要在掌握现有知识的基础上，学习新的理论与技术以解决未来发展中可能遇到的问题，引领未来技术和产业发展。
　　2 “新工科人才”培养需求
　　关于“新工科”建设，产业需求专业布局是“新工科”建设的重点布局之一，为此，教育部新批准设立机器人工程、数据科学与大数据、智能制造工程、智能医学工程、智能建造、大数据管理与应用等新专业群。2018年，申请设立人工智能专业的有38个院校，设立机器人工程专业的有108个院校，设立数据科学与大数据技术专业的有233个院校，设立智能科学与技术专业的有100个院校，设立网络空间安全专业的有36个院校，设立大数据管理与应用专业的有26个院校。专业发展如此迅猛，说明目前相关人才严重缺乏。整个社会对面向人工智能的“新工科”人才培养有着迫切需求，主要有以下几方面原因。
　　2.1 国际大势所趋
　　当前人类社会已经处于信息时代，与“新工科”发展密切相关的大数据、云计算、互联网等技术得到快速发展，人工智能发展也是国际高科技发展的大势所趋。中国要抓住这个千载难逢的发展机遇，就要致力于面向人工智能的“新工科”人才培养，从而在新工业革命中推动国家经济快速发展。
　　2.2 国家战略驱动
　　我国社会经济发展正面临新的机遇与挑战，劳动力红利的减少、老龄化社会的到来以及产业转型等问题，都需要通过发展新技术逐一加以解决。新兴的人工智能产业能够为解决现有经济和社会问题创造良机，中国的社会进步与经济发展迫切需要人工智能的参与，中国产业转型升级与社会发展重构也迫切需要一批优秀的面向人工智能的“新工科”人才。 　　2.3 智力资源优势
　　中国发展“新工科”具备得天独厚的智力资源优势。国际上43%的人工智能论文都是由中国人撰写的，世界排名第一。基于中国对基础数学教育的重视，中国大学生有学习人工智能理论知识所需的数学功底，从而可以大批量训练“人工智能工程师大军”。
　　正如斯坦福大学教授李飞飞所言：当下AI仍是一个非常新的领域，需要在基础教育及科研方面加大投入规模，否则不管从人才角度还是整个领域发展角度都会出现危机，只有通过企业界与学术界的共同努力，才能培养更多优秀的AI人才。因此，在人工智能时代，必须构建适应未来社会发展变革的人才培养新模式，并进行深入探索与研究。
　　3 “新工科”人才培养模式
　　“新工科”专业旨在培养人工智能时代适应新技术革命发展、符合新经济需求的人才，因此不失时机地开展以数据素养、人工智能素养为核心的数字素养教育显得尤为必要。
　　3.1 人工智能对师资力量的改变
　　在围绕“新工科”进行教育改革的过程中，师资力量是其中一个难点。由于人工智能产业发展迅猛，技术迭代更新也十分迅速，部分本科、职业院校缺乏师资积累，短期内也难以培养，在西部甚至发达沿海地区，仍存在教育资源分配不公平的情况，导致大量院校都处于难以独立、良好地完成“新工科”专业建设与人才培养的困局。
　　如今已进入互联网时代，当代大学生与过去学习者的重要区别之一在于其成长伴随着互联网、电脑和智能手机，其熟悉各种智能产品操作，而且更倾向于借助新技术认识世界，习惯在网络中寻找所需信息，并以此构建知识体系[3]。
　　在该背景下，可以引进AIED概念。AIED（Artificial Intelligence In Education，AIED）屬于教育科技，是人工智能技术对教育产业的赋能现象，本质上是人工智能对教育工作的辅助与替代，可将教师与学生从大量重复工作中解放出来。在大数据时代下，AIED产品可以收集学生学习数据，利用人工智能技术进行分析与预测，从而优化学生的学习方法[7-8]。教师可以在共享平台上发布录制的课程，学生们从中选择感兴趣的资源进行学习，甚至可以在平台上与教师展开讨论，从而加深自己对知识的理解[9]。平台通过对学生作业与学习情况的分析，为学生量身定制合适的学习方法。该方式不仅解决了各地区师资力量分配不均的问题，还解决了学生学习方法缺乏针对性的问题，从而使人才培养计划能够得到高效、公平的实施[10]。
　　3.2 人工智能文化培养
　　人们对人工智能的态度决定着人工智能未来的发展[11]。人们对于一个新诞生的技术或观念，通常会产生一定抵触心理，部分人甚至还存在人工智能将来可能取代人类的顾虑[12]。另外人们在学习新技术过程中，因为新技术相关知识是人们从前没有见过的，甚至可能颠覆以往常识，因此部分人在学习人工智能过程中，会因为其复杂性而中途放弃。
　　所以，培养面向人工智能的“新工科”人才，要充分发挥学校教育的优势。之所以会出现反对AI技术的声音，是因为人们缺少对人工智能文化的了解，或者人们对人工智能的了解只停留在浅层，认为它们做了人类的工作，就会导致大多数人失业。但当人们对人工智能有了一定了解，熟悉人工智能运作方式，理解该技术只是作为人类的辅助，甚至当人工智能文化在潜移默化中逐渐成为人们生活中的一种常见事物时[13]，该顾虑将不复存在。因此，在中小学就要开始普及人工智能文化，大力开展人工智能科普活动，如组织学生参观企业的人工智能产品等，让学生从小就对人工智能技术有充分认识，这是保障人工智能技术可持续发展与 “新工科”人才培养来源的重要手段。
　　同时，因人工智能技术高层次知识需要有一个公式不断推导、演算，从而得出可实现模型的过程，因此学校需要继续加强数学学科教学。学校人工智能相关专业还可以与数学专业联合，致力于让学生学会推导人工智能知识中的线性回归模型及各种神经网络模型等。只有打下扎实的数学基础，才能为人工智能及其应用的蓬勃发展与全面升级提供原动力，知识复杂的问题则不再成为困扰。
　　3.3 人工智能知识在实践中的落地
　　应用是科技创新的不竭源泉，培养面向人工智能的“新工科”人才要与实际应用相结合。在人才培养过程中，最大的难点在于理论无法应用于实践。在实际工作中，学生不知道如何将学校学习到的理论知识在实际项目中加以实现，从而使人才培养与应用实践之间出现了巨大的鸿沟。
　　因此，学校不仅肩负着让学生打牢基础的责任，还要让学生深入思考不同学科中的任务应该如何解决，学习重点是如何根据视觉、语言及大规模数据库中数据的复杂输入进行决策或增强人类的能力，从而在创建应用时得心应手[14]。学校可以为学生提供知识与应用融合方面课程作为选修课，或提供一个完整的人工智能应用项目让其在实验室完成，从而积累项目经验[15]。如上海理工大学相关专业导师可为学生申请人工智能应用项目作为学生的创新作业。
　　同时，企业需要与高校教师建立良好的合作关系[16]，如在企业网站上发布一些项目案例，通过校企联合培养，为学生从理论到实际应用的过渡提供帮助。以上海理工大学智能科学与技术专业的《智能信息处理》课程为例，实验课程中的实验案例之一就是一个合作企业的实际项目案例，从而使培养出来的人才能够更好地满足企业需求[4]。
　　3.4 “新工科”人才培养政策
　　在“新工科”人才培养，特别是面向人工智能的人才培养过程中，国家是主导。政府要全面规划高素质人工智能人才培养计划，进一步建立“新工科”人才培养制度，并将其上升为国家教育规划重点;完善人工智能领域学科布局，推动人工智能领域一级学科建设，在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额;鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”的“新工科”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合[17]，从而为中国在新技术革命发展中占据主导地位提供人才保障。 　　然而，随着企业对于人工智能人才的需求呈急剧上升趋势，目前该领域人才数量却十分有限。学校培养人才最快也需要四年，若是高端人工智能人才甚至需要更长时间，从而形成了一个巨大的人才缺口。为了解决该问题，可以采取以下措施：
　　3.4.1 高端人才引进
　　知识是无国界的，人才是可以跨国流动的。一些国家对人工智能的发展不够重视，或缺乏发展人工智能的基础设施及环境，这些国家的人工智能高端人才往往缺乏用武之地。企业可以从这些国家引进人才，甚至可以提供优厚的条件，吸引发达国家的人工智能高端人才，以解决AI人才短缺的局面。
　　3.4.2 复合人才转型
　　人工智能的快速發展吸引了许多人的目光，一些与人工智能专业领域相近的人才可以考虑转型，因为相近专业学习的课程具有相似性，转型起来相对容易。在高校中，人工智能专业还可以与其它专业联合培养人才。例如针对目前人工智能领域研究热点之一的无人驾驶，学校可以对机械专业和人工智能专业的学生进行联合培养，或者两个专业联合成立实验室，培养出来的学生即可同时掌握汽车构造及无人驾驶相关知识。再以一个比较热门的人工智能应用领域——医学为例，高校中若有医学专业，也可将一些医学课程作为智能科学与技术专业的选修课程[18]。如在上海理工大学医工交叉项目实施过程中，学生一边学习医学图像课程，一边编写相关应用对医学图像数据进行采集、分析与处理，并利用机器学习与深度学习技术分析病人病情，从而辅助医生诊断。人工智能专业与其它专业联合培养出来的人才即是适合企业需求的复合型人才[5，19-20]。
　　4 结语
　　本文根据人工智能时代社会对于人才的需求，提出面向人工智能的“新工科”人才培养模式。研究发现，人才培养最关键的在于如何提高学生的实践技能。通过结合企业需求与学生学习水平的课程实验项目，不仅能为企业培养更适合其需求的人才，还可以帮助学生在实际工作中快速进入角色 [21]。
　　国际人工智能经过60余年的发展已经取得了巨大进步，目前正呈现爆发增长之势。中国人工智能领域正在酝酿一场重大的变革与创新，而面向人工智能的“新工科”人才必将为我国的现代化建设，以及提升我国的国际竞争力作出历史性贡献。下一步研究方向是企业与学校如何进一步深入合作，从而使学校培养的人才能够更加符合社会与企业需求。
　　参考文献：
　　[1] 史静，任东峰，李学平，等. “新工科”背景下工程能力创新型人才培养模式探究[J]. 科技视界，2018（3）：41-42.
　　[2] 陈建国，陆慧娟，周杭霞，等. 人工智能背景下计算机专业双创人才培养模式探索[J]. 计算机教育，2019（5）：13-16.
　　[3] 周开发，曾玉珍. 新工科的核心能力与教学模式探索[J]. 重庆高教研究，2017，5（3）：22-35.
　　[4] 许涛，严骊，殷俊峰，等. 创新创业教育视角下的“人工智能+新工科”发展模式和路径研究[J]. 远程教育杂志，2018，36（1）：80-88.
　　[5] 姜晓坤，朱泓，李志义. 面向新工业革命的新工科人才素质结构及培养[J]. 中国大学教学，2017（12）：13-17.
　　[6] 邓远洋. 新工科背景下高等院校新工科人才培育研究[J]. 海峡科学，2018（12）：50-52.
　　[7] 桂秋凡，曹双双. 人工智能环境下教育情境信息模型构建研究[J]. 软件导刊，2019，18（1）：221-224.
　　[8] 方贞贞，翟翔. 创客理念与智能技术相结合的教学模式[J]. 软件导刊，2019，18（3）：196-198，203.
　　[9] 张燕，孙光灵. 新工科背景下智慧课堂教学模式研究[J]. 软件导刊，2019，18（3）：206-209.
　　[10] 洪小文. 探索AI时代教育新范式[J]. 互联网经济，2018（11）：96-99.
　　[11] 许可心，詹莉芳. 试论科幻电影中人机关系演变以及文化症候——以人工智能主题为个案[J]. 新闻传播，2018（24）：27-29.
　　[12] 高奇琦. 就业失重和社会撕裂：西方人工智能发展的超人文化及其批判[J]. 社会科学研究，2019（2）：64-73.
　　[13] 刁生富，许清柳. 大学生人工智能的态度与智能文化的培育[J]. 教书育人（高教论坛），2018（11）：36-37.
　　[14] 姚兴华，吴恒洋，方志军，等. 新工科背景下机器学习课程建设研究[J]. 软件导刊，2018，17（1）：221-223.
　　[15] 夏自由. 新工科背景下理工科专业创新创业教育与专业教育的融合研究[J]. 现代职业教育，2019（1）：40-41.
　　[16] 张银南，罗朝盛. 面向智能制造的信息类人才培养模式思考与探索[J]. 计算机教育，2019（5）：32-35.
　　[17] 吴朝晖. 交叉会聚推动人工智能人才培养和科技创新[J]. 中国大学教学，2019（2）：4-8.
　　[18] 刘永军，曲文龙，胡吉朝，等. 新工科建设中地方普通高校过程化教育研究与实践[J]. 软件导刊，2019，18（3）：214-216，220.
　　[19] 张海生. 我国高校“新工科”建设的实践探索与分类发展[J]. 重庆高教研究，2018，6（1）：41-55.
　　[20] 孙红，孟佳伟，韩震，等. 智能信息处理实验课程建设 [J]. 计算机教育，2016（10）：49-51.
　　[21] 王永雄，张孙杰. 基于模糊层次分析法的计算机教学与创新实践能力培养评价[J]. 软件导刊，2017，16（12）：225-228.
　　（责任编辑：黄 健）
转载注明来源:https://www.xzbu.com/8/view-15252156.htm