時間：2023-08-24 17:17:17
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能教育方案，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞：高職教育；人工智能；轉型發展
一、高職教育現狀
（一）客觀層面
（1）社會面。當前社會發展處于轉型關鍵期，高職教育迎來全新發展機遇，對人才培養質量不斷提高。傳統思想中，家長學生都帶著有色眼鏡看待高職教育。隨著社會給技術技能型人才提供很多高薪崗位，部分學生主動選擇高職院校進修學業，提高自身技能水平。高職院校必須以社會發展趨勢為導向，及時調整自身發展戰略。（2）政策面。在新課程改革視域下，政府高度重視高職教育的發展，出臺了多項扶持政策，如《國家職業教育改革實施方案》《職業學校專業頂崗實習標準》《關于推進高等職業教育改革創新引領職業教育科學發展的若干意見》等，極大的推動了高職教育的穩定發展。
（二）主觀層面
（1）教學理念。高職教師受傳統思想影響，往往重視成績和理論知識，亟需引進新的教學理念，并落實在實際教學中。高職院校已經意識到人工智能時代，自身轉型創新的必要性，正積極將全新的教學理念貫穿在人才培養過程中。（2）教學方式。高職教育逐漸創新教學方式，將頂崗實習、校企合作、實訓教學等應用在常規教學中，適應時展，彰顯職教特色。但在實際教學中，教師理念未發生變化，能力無法滿足新型教學方式需求，存在亟需改進優化的地方。（3）教學體系。只有完善的教學體系，才能為高職教育的改革創新提供依據參考。當前高職教育體系中含有諸多不足，如學科單一、理論與實踐比重不協調、知識內容陳舊等。高職教育要想適應新時展趨勢，應積極完善教學體系。
二、人工智能現狀
（1）國家戰略。近年來，國家高度重視人工智能發展，國務院《關于印發新一代人工智能發展規劃的通知》（國發〔2017〕35號），提出科技創新的主要方向是人工智能，提倡積極構建全新的人工智能科技創新協同機制，進一步完善人工智能教育體系，實現人才儲備和梯隊建設的目標，推動智能經濟的發展。各部委也積極頒布一系列政策，如《智能制造2025》《“互聯網+”人工智能三年行動實施方案》《機器人產業發展規劃（2016-2020）》等[2]。可見，國家為人工智能技術的發展提供了充足動力，人工智能已成為國家戰略的一部分。（2）產業發展。多年的探索，人工智能技術有了明顯提升，在問題求解、泛邏輯理論、不確定推理、拓撲學、圖像處理、模式識別、專家系統等方面有了顯著研究成果，一部分成果甚至領先世界水平。例如我國在模式識別領域的研究，文字識別、語言識別、虹膜識別都取得優異成果，被廣泛應用在生物醫藥、機器人視覺研究、衛星遙感、自主導航、軍事等領域。企業十分關注人工智能技術的發展應用，像360人工智能研究院、阿里人工智能研究院、百度人工智能研究院等。人工智能技術的深度研究，使應用和商業價值最大化。據不完全統計，2017年人工智能產業創造700億元市場價值，預計在2020年產業規模超過1600億元。
三、人工智能推動新時代高職教育轉型發展的必要性
（一）技術技能型人才的需求
高職教育發展的目的是培養適合崗位需求的技術技能型人才。人工智能時代，先進技術的廣泛應用，大部分崗位對人才的需求發生明顯變化，逐漸形成了“機器換人”的局面。企業中簡單、重復、勞動強度大的崗位，都由智能機器人予以代替。例如在京東電商的物流中，出現無人機配送方式，直接沖擊了傳統人工物流配送模式。相信在不久的將來，會有更多的智能機器人走向物流配送的工作崗位，形成全新的工作體系。此外，在生產制造的質檢環節，由于傳統人工監測方式存在諸多不足，應用人工智能的圖像識別技術，可以實現對產品質量的動態檢測。可見，人工智能時代會有大批崗位“消失”，取而代之的是智能化機器人。高職教育必須轉變以往的教育模式，順應時展趨勢，結合社會崗位對技能人才的需求，調整高職教育方向，實現高職教育價值。
（二）國家發展戰略的要求
以往的發展致力于“中國制造”，但新時代“中國制造”已無法提升綜合國力，國家必須調整發展戰略。人工智能時代將“中國制造”轉變為“中國創造”“中國智造”。這一發展戰略的轉變，能看出先進科學技術在國家發展中的重要地位。為了2025年實現“中國智造”的目標，高職院校創新人才培養模式，順應國家發展戰略的調整。同時，高職教育轉型過程中，轉變以往以理論、成績為主的思想觀念，對人才進行更加系統的培養，調整理論知識、實習實踐之間的關系比例。人工智能時代的高職教育轉變與創新，可以加大對學生創新意識的培養力度，使人才綜合素養得到更好提升，滿足“中國創造”的需求。
（三）學生自身價值實現的需求
時代的發展使高職學生的思想發生變化，傳統的高職教育雖能提高學生專業能力，但并不滿足當前企業對工作崗位的需求，學生無法實現自身價值。曾經的學生，沒有認識到自身與社會的關系，存在“得過且過”等不良思想。新時代，高職學生逐漸認清自身地位，意識到自己與國家民族是“命運共同體”，是實現偉大復興“中國夢”的主要力量。高職教育轉型創新，根據時展要求、學生需求，合理調整教學方案與計劃。
自1956年人工智能概念在達特茅斯會議提出以來, 人工智能的發展超出了人們的想象:1997年, IBM超級電腦深藍擊敗國際象棋世界冠軍卡斯帕羅夫;2016年, 由Google旗下的深度學習公司Deep Mind開發的人工智能圍棋程序Alpha Go戰勝了世界圍棋冠軍李世石, 這件事轟動了全世界[1]。隨后有關人工智能的熱點應用不斷推出, 比如無人駕駛、智能醫生、語音與人臉識別等, 讓我們認識到人工智能的應用已與生活息息相關。在教育領域, 人工智能應用也取得了重大突破, 比如2017年高考期間, 機器人艾達挑戰高考數學, 10分鐘就答完, 獲得134分, 激發了教育領域對人工智能的巨大熱情, 同時也引發了人們對教育的憂慮與反思[2]。2017年7月國務院印發了《新一代人工智能發展規劃》, 提出人工智能產業競爭力在2030年要達到國際領先水平。目前世界主要發達國家先后從國家層面人工智能政策規劃, 將人工智能作為國家經濟發展、社會變革和國際競爭的新動力[1]。
1 人工智能定義和發展階段
人工智能的英文是Artificial Intelligence, 簡稱AI, 人工智能的內容不斷豐富和發展, 至今還沒有統一的定義。比較權威的說法認為[3]:人工智能是關于人造物的智能行為, 主要包括知覺、推理、學習、交流和在復雜環境中的行為。人工智能的長期目標是發明出可以像人類一樣或能更好地完成以上行為的機器, 短期目標是理解這種智能行為是否存在于機器、人類或其他動物中, 所以它包含了科學和工程雙重目標。根據其功能強弱, 人工智能分為三類, 即弱人工智能、強人工智能還有超級人工智能。人工智能的發展大體上經歷了三個階段, 第一階段是20世紀50~60年代, 提出人工智能的概念。主要以命題邏輯、謂詞邏輯等知識表達和啟發式搜索算法為代表;第二階段是20世紀70~80年代, 提出了專家系統, 同時基于人工神經網絡的算法研究發展迅猛, 伴隨著半導體技術計算硬件能力的逐步提高, 人工智能逐漸開始突破;第三階段是自20世紀末以來, 尤其是2006年開始進入了大數據和自主學習的認知智能時代。隨著移動互聯網的快速發展, 人工智能的應用場景也開始增多, 特別是深度學習算法在語音和視覺識別上實現了巨大的突破[4,5]。人工智能的技術體系主要分為四個方面, 即機器學習、自然語言處理、圖像識別以及人機交互等。當今擊敗世界圍棋冠軍李世石的Alpha GO主要應用了機器學習中的深度學習算法。
2 人工智能應用狀況與反思
2017年, 阿里的無人超市落地杭州, 進店、挑選商品、付款支付一氣呵成, 消費者幾乎在完全自主的狀態下完成購物。與此類似, 昆山富士康公司裁員6萬名工人, 全用機器人代替。京東、淘寶引入的智能機器人替代了原來的倉庫管理、人工客服等崗位。因此有學者悲觀地斷言:在人工智能時代, 因為很多職業崗位或技能將被智能機器人所代替, 職業院校畢業生很有可能面臨畢業就失業的窘境。筆者認為, 我們不應該重蹈歷史上英國制定的限制汽車推廣使用的《紅旗法案》的悲劇。正是這個在今天看來毫無道理的, 但卻持續了三十年的法案讓德國和美國的汽車工業完全趕上來, 最終遠超英國。人工智能應用必將淘汰或替代很多現有就業崗位, 但同時又會創造新的就業崗位, 這是一個伴隨著產業智能升級的、長期的艱難過程, 對于職業教育來說, 這既是一個嚴峻的挑戰, 也是一個難得的機遇。
3 人工智能時代職業教育的發展策略
為了更積極地適應人工智能時代, 除了國家層面的統籌規劃、科學指導和政策、經費支持之外, 建議還要做好以下幾個方面的發展規劃。
3.1 解放思想, 更新理念與制度
中國工程院院士潘云鶴提出, 人工智能走向2.0階段的真正原因是世界正從原來由人類社會與物理空間構成的二元空間, 向著由物理空間、人類社會與信息空間構成的新三元空間演變[6]。因此, 職業教育在教學和管理過程中應該加入人工智能等相關理念和技術, 同時其辦學定位、人才培養方案、專業建設、課程內容、考核評價標準等方面都需要做出相應的改進。比如當前大多數職業院校非計算機類專業的課程安排中, 信息技術類課程課時偏少, 數據處理、編程類或人工智能課程幾乎沒有, 這樣的安排不利于提升學生的信息素養, 必須做出相應的調整, 同時適當減少將來可被人工智能應用替代的技能課程的課時, 比如電算會計、環境監測等。
3.2 善用人工智能, 提升教學與管理
在人工智能背景下, 教師們現有的重復性工作和大量數據積淀的教學任務, 比如批改作業或閱卷或課堂考勤都可能被人工智能取代, 因此, 教師能騰出更多的時間, 更充分地關注學生的個性差異, 從而為學習者提供更精確的個性化學習服務, 教師也能夠及時調整教學方法和手段, 優化教學評價方式, 補充教學資源, 減少備課重復性工作, 提升教學效率, 真正地做得因材施教, 同時學生們的學習方法和方式將不同程度地得到重構, 基于大數據的智能在線學習平臺大量出現, 不同的學校、學科及專業課程不再封閉, 學習時時處處都可以進行, 碎片化與個性化學習將日益普遍。教師能完整地跟蹤學生的整個學習過程, 比如學生上課是否睡覺、是否玩手機、是否在教室里與其他同學合作學習等, 都能夠根據監測數據進行智能解析, 有利于更有效、更全面地對學生進行過程性評價。大部分課程考試將全部自動化, 考生資格審查利用人臉識別、監考與閱卷都由智能機器來完成。上述人工智能給教學帶來的這些變化既需要網絡硬件設施和相關軟件系統來支撐, 更需要職業教育的教師們繼續提升信息技能、深化和加強信息素養。
3.3 深化產教融合、優化實訓筑牢就業
在人工智能時代, 職業院校應與相關行業統籌發展, 深化產教融合, 拓寬企業參與的途徑, 深化引企入教改革, 支持引導企業深度參與職業院校的教育教學改革, 多種方式參與學校專業規劃、教材開發、教學設計、課程設置、實習實訓, 促進企業需求融入人才培養環節;鼓勵以引企駐校、引校進企、校企一體等方式吸引優勢企業與學校共建共享生產性實訓基地;全面推行現代學徒制和企業新型學徒制, 推動學校就業與企業招工無縫銜接。比如職業教育將出現新師徒制, 行業領域的行家里手將通過互聯網以VR或者AR技術言傳身教的方式, 帶領規模龐大的徒弟用碎片時間進行學習與實踐。
3.4 完善終身學習的職業教育體系
隨著人工智能應用的深入推廣, 職業院校培養的技能型人才所掌握的技能如果不及時進行充電升級, 中低端的重復性強的工作將面臨被智能機器人不同程度進行替代的危險。所以對于不少技能崗位, 守著一門技術吃一輩子老本的時代將一去不復返。因此, 職業教育要繼續完善終身教育體系, 為職業教育學生的充電升級鋪就一條縱深的通道。
3.5 人文教育為道, 智能教育為用
在人工智能的幫助下, 簡單重復性的工作將被機器替代, 人們將從重復繁瑣的事務中解脫出來, 轉去從事更具有創造性、創新性或者更具有情感類的工作, 這些工作需要人與人之間的合作與溝通, 因此, 職業教育更需要注重學生思想道德水平、人文綜合素質的培養, 這是做人之道, 在此基礎之上激發學生們的學習主動性和創造力, 促進跨界思維的形成, 更好地掌握人工智能時代的相關職業崗位知識和相應的智能技能。著名理論物理學家霍金曾說:完全人工智能的研發可能意味著人類的末日。Tesla汽車和Space X公司創始人馬斯克說:我們必須非常小心人工智能。如果必須預測我們面臨的最大現實威脅, 恐怕就是人工智能了[7]。一群沒有良好道德水平的, 但掌握了智能技術或設備的人們是危險的, 所以職業教育應該從學生入學起就開始, 不斷提升學生的思想道德水平, 熱愛社會、熱愛生活、樂于助人、與人為善。只有這樣, 人工智能應用才能更好地服務人們、造福社會。
4 結論
人工智能正在快速又深刻地改變我們的教學、生活和工作方式, 也對職業教育提出了嚴峻的挑戰, 同時也是一個巨大的機遇。職業教育在面對人工智能時代的變革時, 須要從國家政策、理念與制度、教學管理、產教融合、終身學習等方面做好應對, 切實地把握人文教育之道對智能教育之用的統領原則, 培養能很好地掌控人工智能技術和應用的人才。
參考文獻
[1]謝青松.人工智能時代職業教育的轉型和發展[J].教育與職業, 2018 (8) :50-56.
[2]蘇令.人工智能來了, 教育當未雨綢繆[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].鄭扣根, 莊越挺, 譯.北京:機械工業出版社, 2000.
[4]王璐菲.美國制定人工智能研發戰略規劃[J].防務視點, 2017 (3) :59-61.
[5]賀倩.人工智能技術在移動互聯網發展中的應用[J].電信網技術, 2017 (2) :1-4.
關鍵詞：智能；智能科學與技術；語義分析；知識體系；課程體系
中圖分類號：G642 文獻標識碼：A
1 引言
“智能科學與技術”專業教育意指將“智能科學與技術的知識體系”傳授給本科生或研究生。構建智能科學與技術的知識體系通常有兩種途徑：(1)經驗歸納法，從社會實踐和科學研究已經獲得的知識集合中選擇出若干，認為這些知識應該歸屬于“智能科學與技術”，且將其結構化與系統化。(2)概念演繹法。追問“智能科學與技術”的確切含義為何，由此聯想其涉及的主要方面，概念推演形成的軌跡即是知識體系。兩種方法的結論應是一致的。就實際操作而言，前者的主要環節是“選擇知識”和“搭建體系”，而“選擇什么”和“搭建成何樣”就與研究者的偏好相關，常出現觀點相左的情形；后者的主要環節是“明確語義”和“語義延伸”，能被稱為概念的東西總是成熟的，即已有大量的先前研究，對此人們的分歧較少，而從概念出發的語義延伸又是遵循演繹邏輯的，由此而得的知識體系就易被公認。
本文的研究采用概念演繹法，具體的討論依層次遞進展開，首先明確“智能科學與技術”的中文語義，其次討論該語義涉及的關鍵概念之內涵，進而合成這些關鍵概念的具體內容，繼之概括“智能科學與技術的知識體系”，最后設計“智能科學與技術專業教育的課程體系”。
2 “智能科學與技術”的語義
盡管有邏輯上的先后，“科學”與“技術”通常被認為是并列的兩種人類文化活動。“智能科學與技術”就應被分為“智能科學”與“智能技術”。
智能是某種行為主體所具有的能力和所表現的行為。這種具有智能的行為主體目前(也許永遠)只有兩類：生物(其中主要是人類)和機器。若以人類代表生物，智能就有兩種表現形態，人類智能(human intelligence)和人工智能(artificial intelligence)，后者是對前者的模仿與延展。
科學是為了獲得所考察對象的知識體系，技術則是依據某種原理設計制造各種人工系統。由此，“人類智能科學”、“人工智能科學”、“人工智能技術”是無歧義的，而“人類智能技術”就不成立(確切地說，是間接地通過“人工智能技術”的方式表現出來)。
基于上述分析，“智能科學與技術”的語義由三部分構成，“關于人類智能的科學”、“關于人工智能的科學”和“應用人工智能的技術”。根據慣常的教育與研究分工，前者是心理科學領域的重點所在，后二者則是信息科學領域的前沿方向。目前國內所開辦的“智能科學與技術”專業教育大多屬于理工科本科，其側重所在自然是“人工智能”。
支撐著“智能科學與技術”及其三部分構成的關鍵概念是“智能”、“科學”與“技術”，對其進行深入剖析有助于推演出“智能科學與技術的知識體系”。
3 關鍵概念的剖析
3.1 “智”對應于Intelligence
漢語中的“智”是“知”的后起字，而“知”是“出于口者疾如矢也”，意指認識的事物可以脫口而出。“知”添加了“曰”即為“智”，再清楚不過，“智，知而道出也”。智，就是人們日常口語中的“知道”。
英語中的Intelligence源于拉丁語的動詞intellegere，意思是to understand。而intellegere是inter(interl與legere(to choose)的合成詞，故它所表達的是“在推理基礎上的理解”。
可見，漢語的“智”關注知識(識，知也。《說文》)及其共享；英文的Intelligence則強調知識及其可靠來源。有所差異并不妨礙將不同文化系統中的這兩個概念對應起來。
3.2 “智”的派生詞
盡管語義十分貼切，卻不可將Intelligence直接漢譯為“智”。在現代漢語中，單字形式的名詞一般不用于表達抽象概念，因為單音節的高頻率使用在言語交流中難以通暢順口。通常都是采用雙字形式的名詞。“智”需要再添加一字。處理的辦法無非兩類，同義重復或附加意義。前者生成的是“智慧”，后者得到的是“智能”和“智力”。
智慧之“慧”，一方面與“智”同義(知或謂之慧。《方言》)，另一方面又與佛教名詞“般若”(Praina)相連，在中國的文化傳統中，佛是高深至上的，這樣，智慧的真理性就毋庸置疑。作為漢語詞匯的“智慧”固定下來之后，除了與英文的Intelligence相對應，還與英文的wisdom(wise“聰明的”+dom“性質或狀態”)相一致。更重要的是，wisdom就是希臘語的sophy，由此構成了philosophia(英文philosophy)。“智慧”連接著中國的佛教(與中國哲學相通)和西方的哲學。智慧是哲學層面的。
“智能”和“智力”都是“智的能力”的簡稱。推敲其中的意味饒是有趣。作為物理學概念的“能”和“力”，二者是一種源流關系，因而在漢語的習慣中，“能”更本質，“力”則外顯，暗含著有高下之分。這樣，智能有“智能人”、“智能機器”、“智能科學”等，智力則是“智力游戲”、“智力玩具”、“智力商數”等。層次的感覺是明顯的。智能和智力是科學層面的。
“智”的派生詞最常用的有三個：智慧、智能和智力，它們均可英譯為Intelligence，但在漢語中分別屬于三個層次，即哲學領域、科學領域(較高層次)和科學領域(較低層次)。
3.3 關鍵概念的文化比較
將與“智”相關的中文概念和與Intelligence相關的英文概念進行對比，可看出中西方文化的相通與差異，有助于更深刻明晰地理解“智能”的語義。表1是基于英語概念的文化比較。從中可見，“智能”較高于“智力”在西方文化中表現為對現在分詞的偏愛。
表2是基于漢語概念的文化比較。英語的Intelligence可以籠統地表示漢語的“智、智慧、智能、智力”。現限定“構建智能科學與技術的知識體系”是一項科學研究(即不考慮“智慧”)，再用“智能”作為“智能”和“智力”的統稱，這樣，“智能”就成為將要繼續討論的唯一概念。
3.4 智能之“能”
前已闡明，智能就是“智的能力”。這種能力究竟為何，學者們曾有過大量的討論。其中一種通俗簡潔的表述 被包含于后者之中。在人工智能中將二者分開，緣于它們的對象不同，前者針對的是自然界，后者則面向人類已有的知識積累。“推理”是生命體存在的基本前提。所以，關于人工智能的科學只有兩個分支：機器感知／發現理論(派生于人的認識論)和機器推理理論(基于人腦推理理論的討論)。
(4)應用人工智能的技術。第3.6節說明，技術就是應用手段、技能和方法設計與制造人工系統。圖4模型所示意要設計與制造的人工系統只有專家系統和機器人。所以，應用人工智能的技術主要有兩個：專家系統技術和機器人技術。
(5)基于現狀的人工智能科學與人工智能技術的內容調整。前面將“機器感知”和“知識發現”歸于科學范疇，其根據就是因為它們均是客觀存在。然而，現在的“機器感知”還非常簡單，對于諸如表情、語氣等稍微復雜的客觀現象就無能為力：“知識發現”也主要依賴于基于語法的關鍵詞匹配，而對于如何有效地理解語義特別是語用還差得很遠。鑒于如此現狀，將“機器感知”和“知識發現”歸于技術更合適一些。
(6)智能科學與技術的知識體系。集成上述的觀點可得圖5所示的知識體系。理論是概念、原理的體系(《辭海》)，本身就是知識體系。技術包括手段、技能和方法，也是知識或知識指導下的操作。所以，智能科學與技術的知識體系由兩個理論和四種技術構成。
圖5的表示是粗線條的。正是因為它沒有將與“智能”有關的科學理論和技術方法全部羅列出來，才有了一個簡潔的框架，以便在此基礎上進一步細分和添加，最終形成一個系統的圖景。
6 “智能科學與技術”專業教育的課程體系
“智能科學與技術”專業教育的使命就是將圖5所示的知識體系教授給本科生或研究生。學校教育總是以課程方式進行的。智能科學與技術的知識體系必須轉化為課程體系。基于圖5所示模型、兼顧目前大學課程設置的現狀、特別是參照國內學者的研究成果和國內率先開辦智能科學與技術專業的大學的探索性經驗，提出“智能科學與技術專業教育的課程體系”的一種方案，見表3。
如表3所示，“智能科學與技術”專業的課程設置對應于智能科學與技術知識體系的主要內容(見圖5)，共六門主干課程：
(1)“腦與認知科學”。包括“腦科學”與“認知科學”。
(2)“機器學習”。推理是學習過程中所采用的主要方法，機器學習包含機器推理，在一般意義上可以認為二者同義。目前講授機器學習的大學課程主要有：“機器學習”、“模式識別”(是實現機器學習的一種方法)、“計算智能”。后者包括“模糊計算”、“神經計算”、“進化計算”，講授一些具有前沿性的理論與方法。
(3)“機器感知”。包括“機器視覺”模仿人類的視覺、“計算機語音技術”模仿人類的聽覺、“自然語言理解”模仿人類對語言與文字的理解。
(4)“知識發現”。包括“信息檢索”和“數據挖掘”，前者在數據庫中進行關鍵字匹配、在萬維網上進行關鍵字匹配、在語義網上進行語義匹配以獲取所需要的信息，后者將信息組織到數據倉庫中以便尋求信息之間的規律性關聯即獲得知識。
(5)“專家系統”。該課程所講授的內容包括管理信息系統、專家系統、決策支持系統、多Agent系統。它們是人工智能為人類提供的實用型信息產品。
(6)“機器人”。利用機器來獲得身心的解放與擴展是人類的夢想和永遠的追求。擬人機器的設計與制造涉及諸多學科，在大學的專業教育中只能講授一些基礎概念。
可以將整個“智能科學與技術的知識體系”看作是一個對知識進行“輸入一加工一輸出”的結構。由表3可見，與知識輸入有關的是“機器感知技術”和“知識發現技術”；與知識加工有關的是“腦科學理論”和“機器推理理論”；與知識輸出有關的是“專家系統技術”和“機器人技術”。在智能科學與技術學科中，分工專門研究知識輸入、知識加工、知識輸出，就構成了其三個主要的研究方向：知識處理、智能理論與方法、智能系統與應用(如表3所示)。
7 結論
(1)智能科學與技術是人類智能科學、人工智能科學和人工智能技術的總稱。技術的標志是用于設計與制造人工系統，因而“人類智能技術”并不直接存在。
(2)“智能”是“智的能力”的統稱。中文的“智”之本義是“知而道出”，與英文的Intelligence(本義“推理基礎上的理解”)盡管側重不同，仍被認為語義相等。現代漢語不習慣單字形式的概念，“智”便有了三個常用派生名詞“智慧”、“智能”和“智力”。前者屬于哲學概念：后二者屬于科學對象，是“智的能力”的兩種不同簡稱，亦有層次高下之分。在科學領域，“智能”通常涵蓋“智能”和“智力”。
(3)智能科學是指，認知智能事實、歸納智能規律、總結智能理論。
(4)智能技術是指，設計與制造人工智能系統的手段、技能和方法。
(5)智能(intelligence)應該是“能智”。即能知、能日、能推理、能理解、能應用。
(6)智能是以知識為主線的三個環節的序貫過程。智能表現為知識在知識獲取、知識推理、知識應用三類活動中的定向流動和逐級提升。
(7)智能首先遇到的問題是知識表示。人類智能的知識表示是在文化傳承中自然實現的，而人工智能的知識表示則依賴于專門的人為規定。這樣，智能的內容就有四個部分：知識表示、知識獲取、知識推理、知識應用。
(8)智能最簡明最本質的定義是：知識+推理。人類智能的特征是，知識用自然語言表示、推理在人腦中進行；人工智能的特征是，知識用機器語言表示、推理用機器實現。
(9)人類智能的內容主要有五個：感官感知、信息檢索、人腦推理、實際問題解決方案、實際問題解決方案的執行。
(10)人工智能是對人類智能的模仿與延伸，其主要內容也相應有五個：機器感知、知識發現、機器推理、專家系統、機器人。
(11)智能科學與技術的知識體系由兩個理論和四種技術構成。智能科學與技術的知識體系涉及關于人類智能的科學、關于人工智能的科學、應用人工智能的技術，具體有腦科學理論、機器推理理論、機器感知技術、知識發現技術、專家系統技術、機器人技術。
關鍵詞：人工智能；智能化計算機輔助教學；專家系統；知識庫
中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2007)12-21667-02
The Application of Artificial Intelligence in Education
HU Ji-li,YIN Yun-xia
( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)
Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.
Key words:Artificial Intelligence;CAI;expert system;knowledge base
1 引言
人工智能作為當今世界三大尖端技術(空間技術、能源技術和人工智能技術)之一，是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的。人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識、心理學和哲學、機器學習、計算機視覺等。總的說來，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多的是結合具體領域進行的，主要研究領域有專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決定支持系統和人工神經網絡。它總的來說是面向應用的，隨著人工智能的誕生和發展， 人們開始把計算機用于教學領域。同時， 自七十年代以來， 有教學能力的專家系統得到研制。人工智能技術與專家系統的成就， 促使人們把問題求解、知識表示這些技術引入計算機輔助教學(CAI) ， 這便是智能型計算機輔助教學(CAI)。
近幾十年來， 隨著人工智能技術的日漸成熟， 它的一些研究成果被陸續應用到教學領域， 推進了教育發展改革和教學現代化進程。人工智能在教學系統的重要性也已形成共識。
2 人工智能在教育中的作用
目前在教育技術中涉及到AI的主要有以下領域：
2.1 知識的表示與訪問
基于人工智能的知識表示是以知識為對象，以計算機的軟硬件和計算機科學及人工智能和專家系統技術為工具，以哲學、心理學和邏輯學等為方法和指導，將知識表達成計算機可以直接處理的“知識庫”，使用“計算機的智能”來模擬人類專家或“人類智能”，對知識進行快速、精確、自動、科學的處理。它不屬于通常的“數據管理或信息管理”的“數據”層次，而是屬于“知識處理”或“知識”的智能化層次。其主要內容是對于知識進行形式化的表示、自動化的推理，智能化的教學或創造。計算機輔助教育是其中重要的組成部分。
2.2 符號計算
符號計算包括數值計算、符號計算和函數作圖。其代表軟件是Mathematica，當該軟件在1988年第一次，對科技及很多其他領域的計算機使用方式產生了深刻的影響。Mathematica 1.0時，商業周報將其列入當年最重要的十大新產品名單。這標志著現代科技計算的開始。Mathematica也被大量地用于教育:有成百上千的課程，從高中課程到研究生課程用它作基礎。隨著各種學生版的，Mathematica也已成為全世界各種不同專業學生的重要工具。
2.3 對學生錯誤的自動診斷
采用人工智能技術，使得教學過程中系統可以自動診斷學生的學習水平，不僅能發現學生的錯誤，而且能指出學生錯誤的根源，從而做出有針對性的輔導或學習建議。而且根據學生的特點自動選擇教學內容，自動調整教學進度，自動選擇教學策略與方法。
2.4 實現智能性超媒體教學系統
超媒體系統有理想的教學環境，容易激發學生的學習興趣和學習主動性，但不能保證達到預期的學習目的，而且由于不了解所要教的對象，所以不能做到有針對性的指導，不能因材施教。智能輔助教學系統正好與此相反。將二者結合起來，就可實現性能互補，從而研究制出新一代高性能的智能超媒體教學系統。
3 人工智能應用于教育的新方向：ICAI
3.1 傳統CAI的不足
傳統的CAI由于其集成性、交互性、多媒體性等特點，在教學中可以極大地激發學生的學習動機，提高教師的教學效率和學生的學習效率。但在使用過程中，CAI的一些弱點也逐漸暴露出來。主要表現有:
(1)缺乏人機交互能力
現有CAI 大多以光盤作為信息的載體， 將教材中的內容以多媒體的形式展現出來， 教學信息是按預置的教學流程機械式地提供給學生的， 學生接受起來很被動。而且在課堂教學中， 一般也只能通過教師按預定的課件流程進行操作， 無論學生還是教師都不能很好地參與教與學的過程， 因此人機交互沒有很好地實現。
(2)缺乏教師與學生的互動
現有的CAI 課件在學生自學、進行操作使用時，如何學習都是學生自己的事。教師不能完全了解學生的情況，學生在碰到問題時，也不能向教師求助，師生之間是互相封閉的，軟件所起的積極效果大打折扣。同時由于缺乏網絡支持，現有的絕大多數CAI 課件是在單機環境下運行的，它們無法利用網絡的優勢使知識內容快速更新，也更無法提供便捷的學習討論空間、隨時隨地的師生交流方式以及遠程教學實現的條件。
(3)缺乏智能性
要想面對不同情況的學生進行不同程度的教學過程， 使學生的學習變為主動， 并能由系統自動地提供助學信息而有選擇地學習，要想使教師的教學能積極地參與進去并根據系統提供的信息按照學生的認知模型為其準備最適合的學習內容， 給予不同方式的教學模式與方法， 沒有智能性的CAI 課件系統， 是很難實現以上目的并達到良好教學效果的。由此可見，現有的CAI 隨著人們要求的提高， 已經不能盡如人意。因此以智能CAI 為代表的新的計算機輔助教學系統將是教師在教育技術上需要不斷探求、努力實現的發展方向索。
3.2 ICAI－人工智能與多媒體技術的結合
為了克服傳統CAI的缺點，需要在知識表示、推理方法和自然語言理解等方面應用人工智能原理。因此很多專家提出了智能計算機輔助教學(ICAI)，智能計算機輔助教學(Intelligence Computer Assisted Instruction－ICAI)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ICAI系統中，允許學生與計算機進行較自由的對話，學生的應答不限于數字或簡單的短語。系統能夠判定學生應答的正確程度，并給予適當的反饋，而不是簡單地說“對”或“錯”。ICAI的宗旨在于利用現有計算機技術實現較好的人工智能，模仿人類的交互方式、思維習慣及情緒流動，修飾和掩蓋計算機的缺陷。
3.3 ICAI的優點
(1)將教學內容與教學策略分開，根據學生的認知模型提供的信息，通過智能系統的搜索與推理，動態生成適合于個別化教學的內容與策略。
(2)通過智能診斷機制判斷學生的學習水平，分析學生產生錯誤的原因，同時向學生提出更改建議、以及進一步學習內容的建議。
(3)通過對全體學生出現的錯誤分布統計，智能診斷機制將向教師提供教學重點、方式、測試重點、題型的建議。
(4)為教師提供友好的教學內容、測試內容維護界面，無需改變軟件的結構即可調整教學策略。
(5)通過對學生認知模型、教學內容、測試結果的智能分析，向教學督導人員提供對任課教師教學業績評價的參考意見。可以說，一個理想、完美的ICAI系統就是一個自主、優秀的“教師”。
3.4 ICAI的標準
以現有的科學技術水平而言，短時期內顯然無法實現具備上述全部功能的ICAI系統。一般認為，只要具有下列一個或幾個特征的CAI系統就可以稱之為ICAI系統。
(1)能自動生成各種問題與練習。
(2)根據學生的學習水平與學習情況選擇與調整學習內容和進度。
(3)在了解教學內容的基礎上自動解決問題，生成解答。
(4)具有自然語言生成與理解能力，以便實現比較自由的教學問答系統，提高人機交互的主動性。
(5)對教學內容有解釋咨詢能力。
(6)能診斷學生錯誤，分析原因并采取糾正措施。
(7)能評價學生的學習行為。
(8)能評價教師的教學行為。
不難看出，ICAI與傳統的CAI相比，更加符合教育教學的規律，切合學生的認知習慣，具有明顯的優越性。
3.5 ICAI的結構
ICAI主要由三個模塊組成:專家系統模塊、教師模塊和學生模塊。
(1)知識庫
知識庫是實現知識推理與專家系統的基礎，而建造知識庫的前提則是要解決知識的形式化，人工智能技術在教育中的應用表示以及知識的訪問與調用問題。因此，知識的表示與訪問是人工智能的核心技術之一，也是將AI引入教育領域必須首先解決的一個難題。
ICAI中的資源庫應該包括以下一些內容:
①多媒體素材庫:包括所要呈現的知識的一些素材，包括:文本、圖像、聲音、動畫及數字影象等多媒體教學資源。這些用于多媒體數據庫管理，便于分類、增刪、修改及查詢等操作。
②教學內容庫:教學內容庫用于存放教學內容，包括領域知識庫(含輔助知識庫、提示幫助庫、練習題庫，和測試題庫)。這些教學內容，包括習題和試題分章、節、課及知識點等有序存貯。供專家決策系統調用。
(2)學生模塊
學生模塊主要包括以下三個模塊:學生登陸模塊、學生水平評價模塊和學生監督模塊。
①學生登陸模塊:利用該模塊主要用于學生使用ICAI時登錄，第一次登錄時學生輸人姓名、性別、年齡、學歷等相關信息，然后對學生進行詢問，選擇合適的測驗題對學生進行初測推薦學習計劃。當再次登錄時，系統根據保存的信息安排合適的學習內容。
②學生水平評價模塊:學生水平測試模塊用于評價某一教學單元學習完后測試成績。通過測試等因素分析，可以比較確切地了解學生的具體情況，從而制定出合理的教學策略和教學過程
③學習監測模塊:學習檢側模塊用于監測記錄學生的日常學習情況，記錄學生學習某教學單元時的參數值，并記錄在學生檔案中。包括:學生目前學習單元號；學習方式；正常學習、練習、提前瀏覽、學后復習；學習時間；學生提示問題的類型和次數；學生本次練習出錯次數。
(3)專家決策模塊
CAI中的專家決策系統可以看作專家系統中的推理機。專家系統是目前人工智能中最活躍、最有成效的一個研究領域，它是一種具有特定領域內大量知識與經驗的程序系統，它應用人工智能技術，模擬人類專家求解問題的思維過程求解領域內的各種問題，其水平可以達到甚至超過入類專家的水平。計算機中存有人類專家的知識并具有推理能力，從而可解決診斷、規劃、調度、預報、決策等要靠人類專家才能完成的任務。
成功的例子如:① DENDRL系統的性能已超過一般專家的水平，可供數百人在化學結構分析方面的使用;②MYCIN系統可以對血液傳染病的診斷治療方案提供咨詢意見經正式鑒定結果，對患有細菌血液病、腦膜炎方而的診斷和提供治療方案已超過了這方面的專家。
ICAI根據學生模塊提供的學生學習情況，通過智能系統的搜索與推理，得出智能化的教學方法與教學策略，能夠較科學地評估學生的學習水平，還可以通過分析學生以往的學習興趣和學習習慣，預測學生的知識需求和常犯錯誤，動態地將不同的學習內容、學習方法與不同的學生匹配，智能地分析學生錯誤的原因，進而有針對地提出合理的教學建議、學習建議以及改進方法，既提高了學生學習的滿意度，激發了學生的學習熱情，也對教師教學提供了客觀的依據和科學的方法。
4 結束語
由此可見人工智能技術已經逐步應用于計算機輔助教學中，與教學現代化有著密切的關系。人工智能技術的發展也必將會對ICAI 的發展起到巨大推動作用。近幾年來，人工智能的研究者們嘗試著使學生脫離“輔導學習”的過程來接受新知識，而采用“通過活動進行學習”的方式。在教學的其他方面，人工智能技術還可以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。隨著Internet 的發展，虛擬現實技術的廣泛應用， ICAI 也將得到進一步的完善。21 世紀的教育教學手段將是以智能化CAI 為主線，多學科、多方位發展的新技術的體現。這種手段產生了人機交互、人機共生等全新概念，使人類擴展了自己的能力，促進了教育領域方方面面的改革。
參考文獻：
[1]王萬森.人工智能原理及其應用[M].北京:電子工業出版社,2000.
關鍵詞：STEM；智能財務；人才能力框架
2017年國務院的《新一代人工智能發展規劃》，將人工智能產業提到重要的戰略地位。2018年教育部出臺《高等學校人工智能創新行動計劃》，進一步明確“人工智能+X”復合專業培養新模式。2021年財政部《會計改革與發展“十四五”規劃綱要（征求意見稿）》，要求切實加快會計審計數字化轉型步伐，為會計事業發展提供新引擎、構筑新優勢。在國家政策及發展規劃指引下，高校陸續開始智能財會本科教育改革探索。本文試圖以STEM為視角，探討智能財務專業人才能力框架及實現路徑。
一、數智時代對財會人才的沖擊與影響
（一）財會人才的工作環境發生深刻變化。數智時代是指在信息技術普遍應用背景下，經濟活動大量依賴于平臺支撐、數據驅動和智能算法等技術時代。在數智時代，各類組織通過大數據、人工智能、移動互聯網、云計算、物聯網、區塊鏈等技術及會計軟件應用，從業務到財務部分或全部實現線上處理，改變傳統財務的業務流程和工作方式，形成具有信息化、自動化、數字化、智能化工作場景。隨著財務共享和智能財務的廣泛應用，傳統崗位逐漸消失，而適應數智時代需求的新崗位不斷崛起。（二）財會工作從核算反映型向管理型、決策型轉變。信息技術和人工智能通過數字信息系統處理的應用，令復雜繁瑣的會計工作變得高效簡便，提高了會計信息處理效率。傳統會計業務，諸如發票真偽識別、往來賬務核對和報表編制等工作，現在可以由財務機器人自動完成。在數智時代，對財會人員的需求從核算反映型向管理型、決策型轉變，需要更多財會人才借助智能技術進行大數據分析、智能決策、風險控制。財會智能機器人可以完成一些基礎的財會工作，這使得財會人員從大量日常的基礎會計工作中脫身，將精力集中于財會專業化工作。由此，財會專業人才的培養應當面向管理服務型財會崗位群和技術服務型財會崗位群。（三）會計人員工作所依賴工具與基本技能發生本質變化。會計人員需要在先進的財務管理理論、工具和方法之上，借助智能機器人和財務專家的有機合作，去完成企業復雜的財務管理活動。由于財務共享和智能機器人的普遍應用，各個信息“孤島”被打通，業財數據實現了互聯互通，大量財會人才從事數據采集、數據模型設計與計算、數據服務和應用等決策層次的工作。譬如，財會人員利用大數據技術，實時對資金運營進行動態監控，實現資金運營效益的最大化；利用神經網絡技術、專家輔助決策系統在預算管理、項目可行性分析等方面發揮作用；利用射頻識別技術（RFID），以實現資產的高效管理，在資產管理方面結合電子監視技術及智能機器人實現無人倉儲管理。
二、基于STEM的智能財務專業人才能力框架設計
（一）基于STEM的能力框架1、STEM的能力內涵。STEM是指科學（Science）、技術（Technology）、工程（Engineering）和數學（Mathematics）四位一體的教育理念。2019年2月，聯合國教科文組織的國際教育局（IBE-UNESCO）的《探索21世紀STEM能力》對于基于STEM建立跨學科的人才培養方案有一定借鑒意義。IBE從能力發展觀角度將能力定義為“在21世紀背景下，以能動性和倫理性地使用知識技能、價值觀、態度和技術，實現個人有效參與體現集體和全球利益的行動并發展能力”。所謂能力，包含了“是什么”和“怎么做”兩個基本部分，同時在能力實施過程中，還要體現人才本身的倫理態度和價值觀，以及和團隊溝通、協作能力，最終人是以一種綜合能力方式參與工作。2、STEM能力框架的內容。在STEM能力框架中，以能力為本位建構人才培養方案，打破了傳統學科界限，形成跨學科的知識架構。科學蘊含著不同學科的知識，構成了人們探索客觀世界而形成的事實判斷、概念、原理、思想等內容；技術主要包含一些程序性的和技術性方面的知識，主要是指解決問題的步驟、程序、要點和操作技能等方面內容；工程是指技術知識的規模化、產業化和流程化的特點，是推動技術性知識轉化為產品的知識和技能；數學在人才培養中是基礎性的知識，滲透在科學、技術和工程的方方面面。基于科學-技術-工程-數學維度，進一步分解為認知能力、數據分析能力、解決問題和工程思維、科研與探索能力、數字與計算思維、設計思維與創新能力、動手操作能力和溝通寫作等8項技能。（圖1）（二）基于STEM的智能財務人才能力培養框架設計。根據STEM能力框架，智能財務人才能力框架可分解和細化為：1、認知能力。智能財務人才需要洞悉數智時代給財會行業所帶來的巨大影響，并準確把握智能財務系統的組織結構和系統架構，能夠掌握信息技術應用的邏輯和核心場景，對未來信息技術演變有一定預見性。認知能力并不反映人才本身的知識儲備，而是通過學習、觀察、實踐、思考等環節，以分析性、推理性和批判性思維獲得認知；通過邏輯推理發現問題本質，學會在不斷實踐中提升認知技能。必要時借助一定工具和方法等。2、信息處理能力———數據解釋和數據分析。信息處理能力包括數據獲取、解釋和分析，并以有效的方式顯示結果。在智能財務領域，有大量的結構化和非結構化的數據，如何對這些數據進行整理、組織，并選擇有效的信息進行分析，是數智時代智能財務人才所具有的基本技能。要求智能財務人才能夠通過利用數據圖、Excel電子表、數據庫、大數據分析軟件等工具，培養自身數據驅動決策能力。3、解決問題與工程思維能力。通過識別分析復雜問題、分析數據、制訂解決方案、評估和實施解決方案來發現智能財務領域的問題。工程思維離不開解決問題能力這一基礎，另一方面也體現系統化解決問題的能力。同時，在解決問題時，注意項目的可行性和程序化的流程設計，為系統性解決問題奠定基礎；工程思維還需要考慮客戶需求，考慮項目的可持續性和可靠性；設計解決方案，并進行測試，并準備可能的備選方案，最終以可視化形式展示工程結果。4、科學調查。用數據來驅動決策，前提是要獲得可靠的數據來源。在智能財務領域，依賴智能技術，獲得信息和數據，分析數據，驗證與測試假設，探索和發現相關規律和答案，以提供財務決策的理論依據。5、計算和數字思維。在智能財務領域，計算和數字思維是指采用計算機科學的概念、算法、數據模擬等方式，進行問題求解、系統設計。計算和數字思維是有利于STEM任務的高效執行，是解決實際問題的一種重要思維訓練。6、動手操作技能。在智能財務領域，技能訓練包括如何依賴智能技術在財務分析、決策等領域的應用和操作。通過智能財務技能的培養，使得學生能夠以智能工具解決財務問題。7、設計思維與創新能力。在智能財務領域，工程和技術是保障智能化財務產品落地的前提和基礎。創新性思維還依賴于設計思維的鍛煉和培養。通過頭腦風暴、構思和原型設計等方法，培養學生的設計思維能力。通過創造性的戰略和過程來完成產品開發和方案的設計，為學生構建一個結構化的框架。8、溝通協作技能。在智能財務領域，團隊需要協作設計構建許多解決方案，在此過程中，學生的溝通和表達能力是不可或缺的技能。有效的團隊協作能讓團隊成員在平等機會之上進行交流。在教學方案設計中，通過溝通環境設計，促進學生在團隊合作中，達成共同愿景、責任擔當、信息傳遞、相互交流和合作。（三）融入STEM態度和價值觀。價值觀是人們認識世界的偏好、態度、方式和方法，是解決困境、面對利益沖突確定最佳行動方案。在智能財務領域教學設計中，要培養學生對數據倫理的重視，在制訂決策方案時，如何選擇對社會好處最大，損害最小的方案是十分必要的。
三、基于STEM的智能財務專業人才培養方案實現路徑
（一）跨學科要素的重新融合。STEM的能力培養框架是跨理、工、文、經等多學科要素的組合。在智能財務領域，應摒棄以傳統財會專業核心課程為主干，再附加若干個計算機課程模式；而是通過跨學科要素的重新融合，將會計、業務和技術融為一體，避免“兩層皮”的情況出現。通過跨學科導師制和跨學科教學團隊的建設，培養學生跨學科的融合能力。通過整合計算機與會計學科師資的專業知識來建設跨學科的課程項目，諸如Python在財務決策領域的應用、商業決策和數據挖掘等課程開展，基于多種專業的教師隊伍協作研究跨學科課題，以項目、問題的形式來展示課程內容。除了開展跨學科課程以外，學生還可以跨專業、跨院系，或者是跨學院選修核心課程或選修專業課，或者開展不同院系或不同學院之間的專業研討會，通過選擇不同專業的導師學習各學科知識，來形成跨學科知識結構和解決實際問題的能力，并訓練學習者處理復雜問題的能力。（二）智能財務課程體系設計路徑。STEM能力框架的培養著眼于解決現實問題。智能財務領域課程設計路徑分別有以下幾個：1、傳統設計路徑。常見的傳統課程體系設計主要是“專業學科+輔助計算機課程”模式。這種模式是目前大多數院校智能財務培養的主要方式。這種模式的優點是仍舊保留原有專業的培養框架和課程體系，對師資轉型沒有太大要求，教學目標和教學步驟清晰。輔助計算機課程委托其他系老師講授。缺點是呈現“兩層皮”的情況，學生思維仍舊被固化在原有專業框架中，對于計算機在本學科的應用缺乏認識和鍛煉。2、跨學科設計路徑。跨學科智能財務的設計路徑要求學生對兩門專業學習是平行進行，同時對于計算機課程學習強調底層邏輯和計算機思維。學生從兩個或多個相互聯系的學科中學習概念和技能，課程體系設計更多增加一些應用類和設計類課程，例如，通過智能財務相關項目設計，在有效的跨學科方法中，相關學科融合在一起，避免“兩層皮”的情況。3、融合學科設計路徑。以解決真實世界問題或執行真實項目為導向。應用來自多個學科知識和技能，形成自身獨立的思維模式和操作技能。融合學科的精髓在于尋求跨越傳統學科之間的鴻溝，這樣使其比跨學科走得更加長遠。這種模式對師資和學生學習能力、資源整合能力要求都非常高。（表1）（三）以能力為本的跨學科智能財務課程體系“搭建”。基于STEM的能力框架“搭建”智能財務課程體系中，以從學生認知能力和底層邏輯思維能力培養起步，由低階到高階逐步推進，最終通過設計綜合項目訓練，達到解決智能財務領域復雜問題的能力。課程體系設計如圖2所示。（圖2）智能財務專業人才培養最終是要用所學知識解決真實世界和情境的復雜問題。需要通過思維訓練、專業能力和應用能力多個方面著手。在高階階段，教師要圍繞培養目標，通過融合類課程的構建，引導學生解決復雜問題。（四）多種形式的產學研培養路徑。在智能財務跨學科培養模式中，需要通過多種形式的產學研聯合。形成協同一致的多元利益主體。企業、社會團體、專業社團等多個利益主體參與，不僅僅依賴政府、學校的力量，建立合作機制，共同參與、聯合培養，從而形成有效合力。開發產學研聯合示范培養項目，發揮校企聯合項目示范引領作用，通過多導師制、導師負責制、跨學科導師制等方式，使學生有更多的機會將理念、知識應用于實踐，提高學生的職業能力。產學研培養路徑能夠為學生提供充分的真實或模擬的體驗，參與真實的財務方案設計活動，實現學習資源的共享、學習問題的交流和經驗分享。（五）建立能力可量化的評價機制。能力是學生通過學習所具備的技能，能力培養既是學習成果，也是學習目標。培養方案和課程體系是能力培養的載體，將能力培養與課程評價標準聯系，明確學生應該掌握什么樣的內容，掌握的程度。通過課程標準建立，能夠為學生獲得某種能力程度提供參考依據。課程標準不僅僅包括內容標準，還包括培養質量。前者描述了能力框架內學生應該知道什么和能夠做什么，后者明確學生掌握知識和獲得能力的程度。（圖3）
四、研究結論
信息科技的迅猛發展催生了新產業、新業態和新商業模式，新的要素市場結構對會計人才能力要求提出新的需求。本文以STEM為基礎，構建了智能財務人才能力框架，并探討了智能財務人才能力實現的路徑。本文分別從課程體系、教學模式和評價機制等方面對可實現路徑進行了論述。從而為開設智能財務方向、或開設智能會計專業奠定了一定理論基礎。
主要參考文獻：
［1］陳鵬，田陽，黃榮懷.基于設計思維的STEM教育創新課程研究及啟示———以斯坦福大學d.loftSTEM課程為例［J］.中國電化教育，2019（08）.
［2］許昊，陳怡斐，潘慧凡，張成.人工智能背景下會計學專業人才培養模式的創新與改革［J］.改革與開放，2018（01）.
［3］李聞一，李栗，曹菁，陳新巧.論智慧財務的概念框架和未來應用場景［J］.財會月刊，2018（05）.
［4］董澤華，卓澤林.基于項目學習的STEM整合課程內涵與實施路徑研究［J］.中國電化教育，2019（08）.
［5］董藍蔓.中國的STEM教育面臨三大瓶頸［N］.文匯報，2015-07-17（006）.
前不久，李世石不敵人工智能程序AlphaGo，人機大戰以1∶4告終。自此排名世界第二的機器人AlphaGo，亦開始向立于世界圍棋之巔的柯潔九段叫板。在1950年代末，IBM的電腦“思考”在和人類的國際象棋手的最初對弈中，被打得丟盔棄甲。但40年后，人工智能忽然間聲譽鵲起。自此，人類在國際象棋領域和機器的對弈，就幾乎沒有贏過。而今天，復雜的中國圍棋居然也終于落敗在人工智能手中……
人機博弈，引起了人們空前廣泛的關注甚至對人類前景的各種擔憂。弱人工智能AGI（Artificial Narrow Intelligence）完勝了圍棋對弈，強人工智能AGI（Artificial General Intelligence）的強勢，已成定論；最后，能夠自我學習完善的超人工智能（Artificial Super Intelligence），也就近在咫尺。
然而，身為一名小學生的家長，關注人機大戰之際，我心中萌生的念頭卻是：在人工智能成熟超越人類智能的不久的將來，我們的教育會受到什么樣的沖擊？人工智能如此迅速的發展，對如何能夠培養富有創新力的機構或者企業人才，會有何啟示？
創新能力的培養，是一輩子的功課
無疑，這種前沿科技驟然而至的加速發展，已經讓人們看到它們能夠在更多的領域幫助到人類，從科學技術、商業，到人們的生活等領域。顯而易見，個人的知識學習，也會隨著人工智能的成熟，而改變定義。在一個各種機器能夠替代人類學習的時代，學校的教育重點，顯然不再是知識的傳授。培養學生的創新能力，更突出地成為我們所謂“教育”的主要追求之一。
世界頂級創新設計事務所IDEO的前工程師Jorge Yzusqui Chessman與南美億萬富翁Carlos Rodriguez-Pastor在2015年創立的Innova學院，已迅速成為了秘魯最大的廉價私營教育系統，正受到全球教育專家的矚目。這所學院，徹底顛覆了老師教條地教、學生埋頭學的知識灌輸式或傳遞式的教育傳統，而是將提高孩子們領導力與創造力相關的各種點撥，提到了學校的最重要日程上。其中一項重要的“點撥”方式，就是孩子們每年都要參與一個歷時一周的互動式項目，學習如何創造性地處理一些實際的社區挑戰。
十幾年來一直在創業創新教學領域獨占鰲頭的美國百森商學院，也一直設置著一些類似的、為期更長的沉浸式項目，為學生提供解決問題的實踐機會。例如：所有入校的大一學生們會組成“創業小組”。每個小組拿著校方提供的數千美元“啟動基金”，用一學期的時間，自己尋找、選擇、計劃和運營一個商業項目，或經歷成功或經歷失敗，真槍實彈地體驗創新和創業的整個挑戰過程。
從某種程度上來說，打開腦洞，創意地工作和生活，其實是一個人一輩子的功課。企業組織和其他社會組織對其成員創新能力的打造，完全不亞于學校的教育方式對一個人是否能釋放創造力的影響。
激發創新的情境，是“叫板挑戰”
雖然長期供事在機構和企業創新咨詢及培訓領域，我卻一直不主張在機構或企業里自上而下地宣講如何創新的金科玉律。
在許多組織里，每每出現的一個挑戰和問題，其實都是培養創新能力的機會。就像好的老師為學生精心設計出來的“情境”，目的是為了讓學生在情境中去沉浸體驗、經歷錘煉、收獲感悟、積累能力。而在企業或其他社會組織中出現的問題和挑戰，則是激發創新的最好不過的“情境”。人們面臨問題時的專注，往往能夠迸發出超越性的奇想。
美國一支南極探險隊在南極首次過冬，遇到一個看似無法解決的難題。由于所攜輸油管的長度不夠，隊員們無法將船上的汽油運到基地。困境之中，隊員突發奇想：能否用冰做成輸油管？在這樣一個潑水成冰的地方，似乎可以！但隨之又出現一個問題，怎么將冰做成不容易破裂的管狀？被逼得“走投無路”的隊員們，終于又想出了一個好主意：船上帶了很多醫用繃帶，用這些繃帶纏在鐵管子上，澆上水，等結成冰后，再拔出管子。果然，考察隊做出了冰管，順利地解決了輸油問題。
在企業里，各部門的員工為了解決所遇到的問題而聯手，更是操練團隊創新思維、激發團隊創意、甚至是培養創新領導力的開始。
關鍵詞：人工智能；高中生；職業規劃；建議
一、引言
人工智能的不斷發展與拓展促進了我國各個領域的發展，同時對各個行業產生巨大沖擊，很多需要人工機械作業的領域將會使用機器人，造成大量人員的失業。面對如此現狀，今后我們高中生如何做好職業生涯規劃成為當務之急，只有深刻把握社會發展趨勢，加強學習方向與時代潮流的匹配性，才能迎接挑戰、抓住機遇、趨利避害，做好職業選擇和規劃，更好地適應今后的社會發展。
二、人工智能的發展現狀和趨勢
（一）人工智能的發展現狀
“人工智能”一詞最初是在1956年Dartmouth學會上提出的。它是計算機科學、控制論、信息論、神經生理學、心理學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統的角度出發，人工智能是研究如何制造智能機器或智能系統，來模擬人類智能活動的能力，以延伸人們智能的科學。目前，人工智能技術在美國、歐洲和日本呈現飛速發展趨勢。隨著人工智能技術的快速發展，人工智能已經在各個行業得到廣泛應用，其中比較典型應用主要包括符號計算、模式識別、機器翻譯、機器學習、問題求解、邏輯推理和定理證明、自然語言處理、智能信息檢索技術以及專家系統等，這些在計算機領域、化學領域、醫學領域以及礦物勘測領域等得到廣泛應用，并取得較好效果。
（二）人工智能的發展趨勢
技術的發展總是超乎人們的想象，要準確地預測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會綜合模糊處理、并行化、神經網絡和機器情感等進行全方位發展。隨著全球化趨勢的不斷增強，今后人工智能會向著全球國際標準的方向發展。人工智能技術不斷地在就業領域應用及發展，因此高中階段就對自己的職業生涯有著規劃是未來發展的必然趨勢，并且美國、加拿大等先進國家早早的就把高中生職業規劃教育課程安排在了高中階段，相比之下安排職業規劃教育課程的高中畢業生，甚至大學畢業生對自己的規劃都有著明確的方向，我國目前某些地區高中階段已經安排了職業規劃類型的課程，相信不久高中生職業規劃的課程也會出現在更多地區的校園。
（三）人工智能發展對就業的影響
隨著機器眼下正在取代的首當其沖的是那些簡單機械操作的勞動者，比如說我國工廠里的初級工人正在面臨自動化的威脅。還有美國福特公司，不僅大量裁減藍領工人，而且還要把工廠搬到別的州或國家去，那里稅收更低、政策環境更寬松、工會更友善的，在這些地方使用機器人不僅可以提高作業效率和質量，而且能夠極大的降低各種成本，能夠為企業創造更多的效益。
隨著人工智能的快速發展，人工智能對各個領域的就業產生了重大影響，我國也在往這個方向發展，對于IT行業，今后會大量使用機器人進行工作，制造業也在逐漸增加使用機器人。技術的進步，使得個人的生產效率得到了巨大的提升。雖然就短期而言，機器是不會一下子取代大多數人，但我們必須未雨綢繆、防患于未然。有一些機械的、長時間集中精神的、固定套路的工作，比如流水線工、司機、配藥師等，機器比人還擅長，這些領域將會淘汰大量的工人，導致很多人員失業。而很多工作需要人搭配機器做才最高效，這些工作是主流的新工作，但是需要注意的是，在人和機器協作的過程中，機器一定會不斷智能優化的，在單一專業的工作內容中，機器逐漸又會替代人，因此也會造成人員失業。對于人際溝通事務，由于需要人與人之間的交流，還是人比較擅長。審美是模糊的、社會性的，這個還是人比較擅長。
對于我們高中生而言，勤動腦，勤動手，不斷創新，是未來立足之本。因此不僅要埋頭學習知識，還要培養創新能力和實踐能力，以應對迎接人工智能的挑戰。
（四）高中生應該怎樣規劃職業生涯
面對人工智能的快速發展，今后我們高中生應當趨利避害，努力做好職業生涯規劃，實現自我價值的增值，具體來說應當從以下幾個方面入手：
1.增強職業規劃的意識
高中生要根據自身的主觀因素以及外界的環境因素，分析、歸納、選擇自己的職業發展方向，并且制定相應的學習、培養計劃，采取必要行動去實現目標。這種確定人生方向的規劃問題應該在高中階段每一個學生都應該對自己有著清醒的認識，并且得到自身的重視，對選考科目的選擇及大學志愿的填報就不會盲目、無頭緒，在高中階段有了明確的目標會使自己的學習方向更加準確，學習積極性更加強勁，同時在就業選擇上也可以盡量地少走彎路。
2.選擇高水平的職業指導教師
高中生實現從學校到社會或者更高層學校的過程中職業規劃具有重要的導向作用，因此在高中階段一個好的職業規劃指導教師對學生的影響有著重要的意義。首先我們選擇的職業規劃指導教師必須具備一定的任職條件，目前國家也一再的強調任職職業資格的嚴格性；其次就是指導教師要善于啟發式指導學生，增強學生的獨立思考能力，在教師的幫助下充分認識自己的天賦、特長、興趣、能力、心理等方，發現和挖掘自己多方面的潛能，學會正確利用各方面條件充分發展。同時，要注意避免指導教師的思想左右了我們的思想，只有準確的認識自己，才能促使我們帶著自己的職業規劃繼續努力進步。
3.自己的高中生涯規劃
高中的三年，對一個高中生的人生有著重要的意義，因此高中階段可以進行分階段的自我管理培養。高一階段：剛進入學校，通過學習了解學科特點，利用學校、教師、網絡、社會了解就業動向，自我優勢結合人才需求，明確選考科目，初步制定職業發展意向。高二階段：正確處理選考科目學習與學考科目學習的關系，既突出專業知識又兼顧知識廣度。高三階段：更要處理好語文數學英語必考科目學習與選修科目深化拓展的關系，既要提高高考成績又要深化拓展專業素養；既要強化高考復習又要重視面試培訓，為參加高校自主招生考試或“三位一體”考試做好充分準備。因為近年來重點大學通過高考統一招生錄取的名額正在減少，而自主招生或“三位一體”的名額大量增加，有志于就讀名牌大學的學生要注意這方面的情況。同時高中生要根據自己的理想多去了解高校情況，多去了專業設置的情況，為報考適合自己的學校及專業做好信息準備。
4.積極參加選修課程，為今后的職業生涯做好基礎
按照教育部有關規定，高中學校要開設選修課程。我們可以根據自己的興趣愛好，選取自己喜歡的課程進行學習，這不僅可以及早的發現我們的喜好和特長，為我們的職業生涯做規劃有著重要的參考意義，同時對我們的基礎知識的培養也很重要，拓寬了我們的見識寬度，為今后的職業生涯奠定堅實的基礎。
參考文獻：
[1]劉界，黃冠，王冰潔.關于人工智能教育如何彌補當前教育缺陷的思考[J].內蒙古民族大學學報，2006，12（3）：50-51.
[2]焦加麟，徐良賢，戴克昌.人工智能在智能教學系統中的應用[J].計算機仿真，2003.20（8）.
[3]劉春玲，張煥生，郝國芬.BP神經網絡在教學評價中的應用[J].煤炭技術，2012，31（5）：231-232.
“每個人都很愿意講話；同時往往各執己見，誰也無法說服誰。”來自英國惠靈頓公學的校長朱利安·托馬斯聳肩一笑，話鋒一轉：“要讓他們達成一致，那幾乎是奇跡。”
托馬斯口中的奇跡，卻真實地發生了。不久前，在天津惠靈頓國際學校舉辦的一場主題為“如何培養21世紀人才”的論壇上，來自中、英、韓三國知名中學的校長坐在了一起，就人才培養達成了共識：技術正在迅速地改變著這個時代，教育也必須與時俱進地變革，才能培養出未來需要的人才。
在瞬息萬變的大數據和信息時代中，在不斷融合的全球化大趨勢里，到底什么才是未來人才最重要的品質？這個話題成為與會者討論的焦點。
死記硬背的知識記憶已經過時
“我大學畢業的時候，學校只有一臺電腦，有整整一間屋子那么大。而今天，技術在突飛猛進。”托馬斯說，目前的教育和考試系統都是源自于過去的時代，當時對于大多數學習者來說，最重要的學習技能是記憶力。”但這種強調記憶力的教育僅適合過去的時代，而今天，應該是改變的時候了。
“讓每個孩子在離開學校后，保持一種非常積極的狀態，他們不僅是愿意學習的，并且對自己所做的事情很感興趣。”這是托馬斯理解的“好的教育”。
他理想中的教室，并不是鴉雀無聲、秩序井然的樣子，“在一個非常安靜的教室里，老師給學生傳授知識，這并不是最好的學習方法。”他認為，一個在未來有持續學習能力的人，首先要學會自主學習，因此課堂上老師不應是僅僅灌輸知識，而是要讓學生學會獨立學習。基于興趣的學習，能讓學習者不會淺嘗輒止，而愿意在某個領域進一步鉆研和探索，不斷深入。
托馬斯認為，教育的本質在于釋放孩子各方面的天性。在中學階段，應該給孩子們留下更多可以伴隨一生的良好品格，即積極、慎思、獨立、個性和包容這五大特質。
人工智能時代，教育能給孩子什么
“我想先跟大家講一講圍棋的事兒。”天津韓國國際學校校長姜聲奉開門見山地提到今年3月韓國棋手李世石多次敗給人工智能“阿爾法狗”的故事。顯然，這次人機大戰給教育者帶來更多思考——學生是不是可以完全依賴技術而不再學習？
姜聲奉認為，既要看到人工智能給人類帶來的巨大便利，也應該透過這場人機大戰看到人工智能代替不了的人類能力。比如李世石的拼搏精神，面對失敗尋求突破的創造力和耐心，以及帶領團隊分析的領導力，“這些能力是今后我們應該對學生培養的重點”。
他以一份對外公布的聯合國報告舉例，未來很多工作都會被人工智能取代。不僅是簡單的、初級的勞動，甚至也包括一些專業性較強的工作，比如會計、醫生等。那么，在人工智能時代，教育的方向又應該是怎樣的呢？他認為，教育應該關注的是那些不能被人工智能取代的能力。如感知能力、創造力和洞察力，以及與人合作的能力等。
天津惠靈頓國際學校校長邁克爾·希金斯舉起手機說，現在我們每個人在使用智能手機，它的計算能力都具備了上世紀六七十年代把人帶到月球的水平，甚至這種能力還在不斷增強，“那么對教育而言，除了傳統的數學、英語等必不可少的課程學習之外，我們更應關注一個人的能力和品質”。
更重要的教育在課堂之外
“考什么才學什么，一定要警惕這種功利傾向。”托馬斯舉例說，如何修理自來水管，這種跟實際生活關系很密切的技能，也是不應忽視的教育內容。
“學習不僅是上課、寫作業，還有很重要的一點是‘軟實力’的培養。”希金斯解釋說，軟技能是與人互動的能力。比如學校要準備一場足球賽，在準備的過程中首先會激發學生對足球的興趣，而過程中鍛煉學生的領導力、團隊協作力，并且學會共同承擔風險，這些都是軟實力。
天津南開中學第六任校長、天津南開翔宇學校總校長康岫巖也表示，一個在未來有競爭力的人才，首先要有國際理解力，也就是說，不僅能夠植根于本民族的文化，還能夠客觀看待、理解并尊重外國的歷史文化和歷史傳統，主動參與多元文化的交流。
不約而同的，來自三國的中學校長都提到了，要想讓教育方式徹底轉變，考試模式必須隨之變化。
托馬斯說，通過考查記憶力的方式評判一個人能否勝任某一項職業的時代已經成為歷史。應該在教育中識別出哪些是希望學生學習的內容，并通過考試體現出來，“要讓考試和教育緊密結合”。
2007年8月，幾個人工智能專家告訴IBM高級副總裁約翰?凱利（John Kelly III），他們要創建世界上第一個處理非結構化數據、可與人互動的人工智能系統。九年之后，這個系統成了IBM第四次轉型的核心。
這個人工智能認知系統，就是今天聲名大噪的Watson。命名為“Watson”，意在紀念IBM（NYSE： IBM）創始人Thomas J. Watson。
2011年Watson初次亮相，就打敗了美國問答游戲電視節目《危險邊緣》的連勝紀錄保持者和最高獎金得主。這是IBM歷史上繼“深藍”計算機在1997年打敗國際象棋大師卡斯帕羅夫后，又一次成功挑戰人類。賽后，IBM將Watson提升到公司級戰略地位。
2014年，IBM專門組建了Watson部門，迄今已經在這個部門投入了數十億美元，目前該部門擁有約1萬名員工。
今年初，IBM董事長兼CEO羅睿蘭（Ginni Rometty）宣布IBM正式進入這家公司歷史上的第四次轉型。轉型目標是成為一家認知解決方案云平臺公司。Watson是IBM此次征途的核心推手。
2011年IBM百年之際，英國《經濟學人》周刊曾撰文總結IBM歷史上的三次重大轉型，分別是從機械制造到計算機制造、從大型機制造到包括個人電腦在內的分布式計算機系統、從計算到服務。
羅睿蘭稱，“未來五年，我們所作的每一個決策，無論個人，或是專業機構，都將受到Watson的協助。”
第三咨詢機構Forrester首席分析師戴鯤告訴《財經》記者，Watson是IBM在人工智能領域的核心產品，也是加速其相關軟硬件及云服務在各行業采用、延續其收入增長與利潤水平的重要推動力。
如果一切順利，IBM這家百年老店將再次上演大象跳舞式的轉型。 商業化加速
10月底的Watson世界大會期間，IBM宣布了兩個重要合作。一是將與汽車制造商通用汽車公司合作，Watson將為其新版車機系統OnStar提供技術支持；此外，IBM還將與全球教育機構培生合作，Watson可以為其學生提供自然語言下的學習指導。
通用和培生都是所在領域內的標志性用戶，和它們達成合作，意味著Watson的商業化再下一城。此前數年，Watson僅在醫療等領域比較著名。今年，隨著金融、零售、時尚、教育等多個行業標志性樣本的出現，Watson的商業化版圖正在悄然擴張。
羅睿蘭曾樂觀預測，到2017年底，全球將有10億人使用到Watson的相關應用或服務。
外界亦看好Watson帶給IBM的營收提升力。IBM目前并不單獨披露Watson的財務數據，但證券研究機構瑞士銀行估計，2016年，Watson將產生5億美元的營收，并在未來幾年保持快速增長，2020年將創下60億美元的營收，而在2022年，數字更是上漲至170億美元。
事實上，Watson帶給IBM的收益將不僅限于Watson系統自身的收入，還包括Watson助推下的包括云服務業務、咨詢服務在內的多個業務板塊。
結合羅睿蘭對全球認知技術的測算，認知技術市場目前有320億美元的市場份額，這個數字在過去四年增長了16倍。智能決策的市場份額，到2025年，預計將達到2萬億美元。
這意味著，從2007年研發，經過十年布局，IBM終于要收獲Watson了。
物聯網是另一個商業增長實例。德國汽車零部件供應商舍弗勒集團（Schaeffler）正在利用Watson物聯網平臺改造其供應鏈、制造和銷售等環節。僅在三季度，Watson物聯網平臺的新客戶數量就增長了一倍。
需要強調的是，只有不斷完善Watson的能力，IBM才能夠說服客戶轉向IBM的云平臺，與其競爭對手構建起真正的差異化，開拓更多市場。
醫療健康是Watson目前最強的領域。IBM Watson團隊超過一半為醫療團隊。從最早帕金森專項治療，到利用醫學影像 “狙擊”癌癥、糖尿病、心臟病等重大疾病，Watson的計算能力和對數據的分析能力，使得醫療行業最有可能先被顛覆。
不斷吸收大量非結構化數據并學習是Watson成為全球醫療健康第一人工智能系統的秘訣所在。
2015年以來，IBM為了“喂飽”
Watson，宣布了多宗有關醫療健康領域的公司收購案，比如一家是可以查看5000萬份美國患者病例的分析公司Explorys，另一家是提供云計算軟件，可以把各種類型的健康數據進行處理，為醫生提供數據方面分析的Phytel。此外，這份收購名單上還包括醫療數據公司Truven、醫療影像與臨床系統提供商Merge Healthcare。這些公司擁有大量醫療數據，比如賬單記錄、病歷、X射線和MRI（磁共振成像）圖像等。
收購這些公司花費了IBM超過40億美元，這相當于IBM 2016年單季度凈利潤的兩倍。
IBM意圖很明顯――加強Watson在健康數據分析方面的能力。
此次Watson宣布進軍更多垂直領域，給了投資者和市場無限想象力，它所隱含的挑戰也正在于此。
Gartner分析師Tom Austin評論稱，IBM給自己設定的目標很宏大，但可能需要花費數年的時間，以及昂貴的成本。 補齊短板
Watson解決方案與以往軟件套裝的模式不同，IBM將各種功能打包成API（應用程序編輯接口），根據企業需要進行調取。
Glenn Finch表示，“這就好像是樂高玩具，中間有很多的環節，能夠組合在一起。”這意味著，在一段時間后，IBM可以支持40個不同的行業，數百個子行業的需求。
作為平臺，Watson必須不斷補充兩個核心資源――基礎數據和垂直行業領域的專業知識。
IBM正在加大這一投資。IBM已陸續收購了基礎天氣數據提供商The Weather Company、醫療與健康數據公司Truven Health Analytics、金融服務合規性方案提供商Promontory Financial Group等12家公司，投入收購資金超過50億美元，而去年同期用于收購資金僅為821萬美元。
分析師們認為，IBM會繼續對能夠產生數據的領域投入重金，并且這是一個長期行為。
對基礎數據的收購，正在幫助Watson提升分析數據的能力。Watson正在為一家面包店可以根據天氣的變化制定合理的生產策略，同時為一家化妝品公司分析下一季口紅的流行色，甚至為一家巧克力公司創造新的口味。
對行業解決方案商的收購，則幫助IBM逐步完善Watson行業分析的能力。如對Promontory的收購，IBM希望其能為Watson增加金融監管的專業知識。用新的方法幫助金融業客戶達到合規要求。
收購之外，合作也是一種路徑。IBM通過與Twitter合作，可以獲得社交網絡的數據，用于Watson的大數據分析，就是典型的例子。
社交網絡的數據正成為云計算廠商追逐的熱點，尤其是那些過去與互聯網聯系不那么密切的IT廠商。
2016年，微軟以262億美元巨資收購職場社交網絡LinkedIn；甲骨文攜手騰訊落地中國市場，看中的也是后者在社交網絡上的布局。
甲骨文中國區董事總經理李翰璋告訴《財經》記者，“騰訊有成熟的互聯網經驗，對PaaS和SaaS的發展起關鍵支撐作用。”
針對中國市場，IBM也正在尋求社交網絡的合作伙伴，騰訊和新浪微博是其兩個重要選項。
不僅如此，IBM還通過研發拓展Watson的能力。
10月26日，IBM宣布一系列新的產品策略和市場方案。一方面，利用Watson機器學習、自然語言處理等能力，豐富了數據處理、分析，以及移動化的使用場景；另一方面，在市場營銷、商務、供應鏈和人力資源等垂直領域推出Watosn認知解決方案。這些方案與近期IBM推出的金融、法規和教育等方案，構成了一系列可商業化的產品陣列。
在認知技術的幫助下，傳統產業的流程得以改造。IBM稱，一家大型制藥公司通過應用“認知預測與計劃”引擎，可以快速甄別新的機遇和風險，從而作出投資決策。其預測準確性從80%提升至99%，產生超過1億美元的增量利潤。
IBM甚至決定將Watson發展成為一個新的生態系統。未來不僅將向Watson引入更多的開發人員、大學、企業參與，擴展認知技術的應用范圍，而且在恰當的時機建設針對不同行業的專有平臺，從上到下打通數據。
補足短板后，Watson已經形成的群聚效應會更加明顯。到2017年底，Watson應用覆蓋人數將達到10億，這令Watson提升企業競爭力，進而改變行業成為可能。
Watson作為全球人工智能最高水平的代表，技術創新和商業模式創新的邊界似乎無限。
阿里云人工智能首席科學家閔萬里認為，人工智能的一大挑戰是從分析學習人類邏輯思考能力上升到情感等更加不具備邏輯性的維度，這也是Watson新的挑戰和機會所在。 轉型利器
Watson平臺孕育十年之久， 2016年1月，羅睿蘭在消費電子展上宣布，IBM將成為一家認知解決方案云平臺公司。在這個轉型目標中，Watson是核心主角。
Watson已經成為全球人工智能的主要玩家。但是，IDC預測，到2020年，全球60%的人工智能應用程序將在四個公司的平臺上運行，它們是亞馬遜、谷歌、微軟和IBM。
與亞馬遜、谷歌和微軟不同，這三大巨頭的人工智能產品與服務處于增值地位，而Watson則處于IBM的主流地位。
羅睿蘭表示，未來企業將因具有認知能力而獲得差異化競爭優勢。
IBM意識到，Watson自身的強大并不足以完成轉型。IBM需要Watson來推動增長。該公司的營收已連續18個季度出現下降。
從具體業務板塊來看，Watson、數據分析和云計算等新型業務正在增長，但這個進程還不夠快，無法完全彌補其在傳統硬件、軟件和服務上的萎縮。
IBM的今年三季度財報顯示，代表新興業務的認知解決方案部門營收同比增長5%，但作為傳統業務的硬件系統部門卻同比下滑21%。
IBM決策層對這樣的過渡階段似乎已有預期。為了保證轉型效率，羅睿蘭一面出售低利潤和虧損的業務，一面調整組織結構，增加大數據、云計算等領域的投入。IBM近年來賣出了80億美元的業務，同時收購了50多家公司。
不過，某大型國際IT公司副總裁認為，IBM將Watson放在戰略核心并非創新戰略理念，他向《財經》記者表示，“以大數據為主體的分析已經成為產業標配，無論是AI（人工智能）還是BI（商業智能）。單獨提出來更像是一種市場營銷的策略。”
但一位前IBM中國區高層評價，這些有計劃、有價值的收購，對IBM徹底轉型成為一家人工智能公司十分有益，難點是這些投資也拖累了IBM的短期業績，局面幾年后才能扭轉。
IBM需要在能夠帶來現金流的傳統業務及能夠帶來未來的認知商業中做平衡。
IBM大中華區董事長陳黎明向《財經》記者表示，IBM既要保障傳統的客戶和市場，也要向云計算和認知技術投資。擔心說得不夠明白，他又打了個比方：“既要賺到面包和黃油，又要盯著地平線方向在發生什么，那是我們的未來。”
但眼下，陳黎明亦強調，認知計算（Watson）不是一個孤立的技術，它帶給IBM的是一連串戰略上的聯動效應。
在組織和業務架構上，Watson團隊和IBM其他團隊已經融合作戰。
IBM大中華區全球企業咨詢服務部副總裁徐習明此前接受《財經》記者采訪時透露，面對一個企業客戶，IBM要確保能夠提供一個完善的、整套解決方案，這需由各個業務單元共同組成――包括前端的咨詢服務、提供基礎設施的硬件系統、大數據、云以及安全等部門協同完成。
從產品體系來說，Watson不再是單獨銷售的產品，而是作為一種API，開發者可以從云平臺上獲取其功能。
戴鯤表示，云平臺彈性伸縮的廣泛服務能力和大規模實時數據處理能力是人工智能的必要保證，基于深度學習的預測分析等技術的人工智能，提升各行業產生客戶的產業觀察、體驗和運營決策。
Watson的發展正在反哺IBM云業務。2014年，IBM基于開源項目Cloud Foundry推出了PaaS云平臺Bluemix。Watson作為特色云服務之一，與物聯網、區塊鏈等集成進入Bluemix平臺，這些成為了IBM混合云服務的核心。
IBM近兩年針對混合云的部署，重新設計和開發了集成服務器、存儲和軟件等傳統關鍵業務，并針對混合云的環境設計了多種版本的服務。
Bluemix分為本地、專屬和公眾三個版本，分別用于企業防火墻后、公共數據中心的獨立機柜，以及公有云平臺不同環境。
與此同時，一些第三方SaaS（軟件即服務）應用生態基于此生根發芽。一家名為“Wayblazer”的初創企業正借助Watson為其客戶精準定制旅行計劃；日本軟銀集團研發的機器人Pepper的大腦就是Watson；教育機構芝麻街使用Watson對學生的學習材料進行個性化甄選……
可以說，IBM現在正全力把Watson云平臺與其他企業級生態互聯互通。羅睿蘭強調，在Watson的生態圈里，IBM只是其中一員。
IBM決策層還在持續探索Watson和IBM其他業務融合的可能性。數月前的一個內部會議上，羅睿蘭問IBM區塊鏈首席技術官：“Watson和區塊鏈是否可以融合做出更多意想不到的商業應用？”
按照羅睿蘭的計劃，IBM2018年超過40%的收入將來自業務分析、云計算、網絡安全、社交網絡設計和移動技術的公司市場。
這一目標正在被快速接近。IBM今年10月公布的2016年三季度財報數據顯示，IBM第三財季營收為192.26億美元，凈利潤為28.53億美元，雖然同比依然下滑，但云業務營收同比增長74%。此前，IBM已經連續七個財季業績超出華爾街分析師預期。原因在于云業務增長強勁。
接下來，IBM和羅睿蘭需要面對的最大難題是如何停止已經超過18個季度的營收下滑。
中國的一位大型云平臺服務商創始人向《財經》記者評價，IBM并不會因為眼前的低迷而衰落。
原因有二：其一，IBM是一家矩陣式的公司，是集體自由的。它跟微軟完全不同，微軟的老板太牛了，而IBM是一家沒有老板的公司，這種公司很難死；其二，IBM的組織架構令整個公司的研發體系非常強大，研發和產品能力強大，公司CEO的職責更傾向于銷售和市場。
12月5日，“智IN中國”2017百度教育年度盛典在京召開。百度總裁張亞勤表示，依托百度云，百度教育將不斷地把百度在人工智能、大數據、云計算的最前沿技術能力向教育行業進行輸出，推動人工智能與教育教學實踐的深度融合。未來，百度教育希望能夠向全行業開放百度“AI+教育”的成果，共同打造一個開放的教育生態智能平臺，真正推動社會范圍內的教育智能化升級。
上市公司中，威創股份(002308)聯手百度利用AI技術打造“智慧幼教”，打造智慧幼教行業解決方案，助力產業升級。視覺中國(000681)與百度簽訂了戰略合作協議，將在內容正版化、人工智能領域建立 全面深入合作，將業務延伸至旅游、教育等2C端產業。
鄭商所：調整硅鐵1801合約交易保證金標準和漲跌停板幅度，自2017年12月7日結算時起，硅鐵期貨1801合約交易保證金標準由原比例調整為14%，漲跌停板幅度由原比例調整為8%。
令人震驚！中國私募基金管理資產達到10.77萬億元人民幣。據中國資產管理協會最近報告稱，隨著中國有更多財富流向理財機構，中國私募基金行業管理的財產正在迅猛增長。 這份發表于11月10日的報告稱，今年前10個月內，中國私募基金管理的資產同比增長28%，達10.77萬億元人民幣（1.63萬億美元）。中國股市缺的不是資金，缺失的是信心！
【馬化騰：醫療產業會是數千億市場 正在大量地與醫院開展合作】2017《財富》全球論壇12月6日至8日在廣州舉辦。今日下午，騰訊控股董事會主席兼首席執行官馬化騰在會議上談及未來千億產業時稱，教育領域非常廣闊，隨著經濟發展，大家對子女的教育投入會越來越高。
【上期所將全力推進黃金期權類衍生產品的研究開發】2017第十二屆中國黃金與貴金屬峰會12月6日在上海召開。作為黃金市場的重要組成部分，上海期貨交易所將堅持市場化、法治化、國際化的改革發展方向，大力拓展服務實體經濟的深度與廣度，把黃金期貨市場建設...
關鍵詞：智能科學與技術；交叉學科；相關學科
我國智能科學與技術本科專業（簡稱智能專業）已經歷了10年的發展歷程，而且越來越多的高校經教育部批準，加入智能領域的人才培養行列中，對智能專業的教育教學已有一定的實踐經驗與成果。如今，社會已經步入信息智能化時代，如何更好地適應智能化社會的人才需求，應在已有基礎上對智能專業及相關學科的發展作進一步探討。
1 智能專業的發展基礎
人類社會從農業社會、.工業社會到信息社會，發展到今天，在越來越多的領域，人工智能工具都能夠根據不斷出現的新情況來調整自身的規則系統，需要人工的產業也越來越少，但卻苦于信息與機器無智能的問題，因此有了以信息智能化和機器智能化為目標的智能科學與技術研究領域的出現。我國也非常重視其發展，在國家863項目指南中，智能化人機交互與中文處理平臺已被列為計算機軟硬件主題的重點項目，并將智能機器人納入863計劃長期支持的重要領域；國家中長期科技發展規劃綱要（2006—2020年）強調發展認知科學、智能交通管理系統、智能信息處理技術、智能感知技術、智能服務機器人等智能科學技術。智能科學與技術將在未來國家科技發展規劃和重大科研課題中扮演重要角色，也將成為智慧地球、智慧城市和智慧生活的引導者。我國智能科學技術教育已走出了一條星光大道，爭取在我國學位體系結構中增設智能科學與技術博士和碩士學位授權一級學科，同時把我國智能科學與技術本科專業建設和人才培養推向一個更高的階段。
近年來，信息領域學科的熱門專業也開始面臨不同程度的就業壓力，作為信息領域的一支新生力量，智能專業便成為高等學校進行專業結構調整的著眼點。繼2003年北京大學首個提出并成立智能專業后，眾多高校把握先機，申請并建設了智能專業。
智能科學與技術本科專業是一門融合了電氣、計算機、傳感、通訊、控制等眾多學科領域，多學科相互合作、相互研究的跨學科專業。它涉及機器人技術、微機電系統、以新一代網絡計算為基礎的智能系統，以及與國民經濟、工業生產及日常生活密切相關的各類智能技術與系統等。
經調研，大部分高校的智能專業是基于自動化、通信與電子系統、計算機科學與技術、電氣工程、人工智能、機器視覺、數據挖掘、信息檢索及知識工程等領域發展而來，并且具有雄厚的師資力量，為智能科學與技術未來的發展做好了充足的準備。部分高校智能科學與技術專業的師資隊伍所屬學科的比例如圖1所示。
2 智能科學與技術專業學生的繼續深造方向
智能科學與技術專業涉及非常多的專業領域，就其中的一個領域而言，就可以進行更深一步的研究，成為其繼續深造學科，例如智能專業本科后可以從事控制工程與科學、計算機科學與技術、智能科學與技術等學科，本文只列舉其中幾個例子。
2.1 控制科學與工程
控制科學與工程是研究控制的理論、方法、技術及其工程應用的學科。
經調研，以湖南科技大學為例，該學科特色研究工作主要體現在群機器人協作控制技術、故障智能診斷方法研究與應用、非線性系統分析與綜合、煤礦安全監控系統應用技術等方面：其中群機器人協作控制技術借鑒昆蟲的群智能行為，利用人工智能等技術使多個個體機器人完成一系列合作任務，面對未知環境搜索定位等復雜任務；故障智能診斷方法研究與應用運用智能檢測、智能故障診斷、傳感器融合等技術研制大型機電設備與其復雜的運動控制及診斷系統，該研究成果已成功應用于“機車走行部在線故障診斷系統”。群智能、智能檢測、故障診斷等技術的運用證明了智能科學與技術在此學科中起到重要的作用。
以北京信息科技大學為例，智能科學與技術系的4位教授分別在控制科學與工程學科的控制理論與控制工程、檢測技術與自動化裝置、模式識別與智能系統、導航制導與控制二級學科指導研究生，從事的相關研究為專家系統、智能檢測系統、服務機器人、智能系統與智能導航。以其導航制導與控制二級學科為例，現設方向1——自主導航與控制，方向2——慣性儀表與慣性基組合系統，方向3——微/納機械傳感器，方向4——多自由度電動伺服定位技術。方向1在研究機器學習在導航與控制中的應用、智能伺服技術、新概念飛行器等方面，方向2在信息融合與估計理論、多模組合導航技術、新型機器人的自然感知和運動機理、自主式初始對準等方面，方向3在研究性能穩定可靠、敏感靈敏度高和準數字輸出的聲表面波慣性傳感器方面，方向4在研究基于模型和基于數據驅動的無模型自適應控制方法方面，都離不開智能理論與方法，并促進智能理論與方法的發展。
2.2 計算機科學與技術
計算機科學與技術學科主要是圍繞計算機的設計與制造，以及信息獲取、標識、存儲、處理、傳輸和利用等領域方向，下設計算機應用和計算機軟件與理論兩個二級學科，其中包括智能信息處理、人工智能與嵌入式系統等方向。信息時代的信息處理要求更高，當前信息處理技術逐漸向智能化方向轉變，以圖像、視頻、音頻等多媒體信息為研究對象，從信息的載體到信息處理的各個環節，都模擬人的智能來處理這些信息。人工智能學科與認知科學的結合，會進一步促進人類的自我了解和控制能力的發揮。目前，我國自主開發的“特定圖像內容監控系統”已通過上海移動公司的實地測試。通過研究具有認知機制的智能信息處理理論與方法，探索認知的機制，建立可實現的計算模型并發展應用，可以帶來未來信息處理技術突破性的發展。
2.3 智能科學與技術
經調研，以廈門大學為例，智能科學與技術作為碩士點一級學科包括認知邏輯學、計算語言學、智能計算方法、藝術認知與計算、腦高級功能成像這5個研究方向。其重點科研平臺之一的“智能信息技術福建省高等學校重點實驗室”的主要研究方向有中文信息處理、中醫信息處理、數字化中國人器官建模仿真及其臨床應用。在中醫信息處理中，主要圍繞著如何構建信息化中醫診斷的智能方法體系展開研究，涉及中醫診斷認知邏輯、中醫智能專家系統的構成技術、中醫海量知識的數據挖掘技術、中醫四診信息的獲取與分析技術、實用中醫信息系統的開發等。此方向的研究可賦予計算機以人的智能，從而實現對病人的癥狀診斷與治療。除此之外，智能機器人也是學習智能科學與技術的一個良好平臺，為了更好地學習智能，研究機器擬人化，FIRA世界杯于1995年被提出，其遠景目標之一是使機器人足球隊戰勝人類足球隊。此平臺大大拓寬了人工智能技術的應用領域。
3 智能科學與技術專業培養方案與專業發展前景分析
從智能專業的發展基礎分析可知，智能科學與技術專業是一個緊跟時代潮流的專業，涉及的知識面和學科領域非常廣。但是，智能專業作為一個全國普通高等學校本科專業，有其不同于其他專業的知識內核。中國人工智能學會教育工作委員會提出智能專業培養方案的核心課程應有：智能科學與技術導論、智能數學基礎、腦與認知科學基礎和機器智能，這是各高校智能專業培養方案的共性部分，是基礎模塊。其他基礎模塊、專業特色模塊，目前階段應在各高校智能專業建立和發展的專業學科基礎上設置，例如，側重控制系統的、側重計算機軟件的、側重知識工程的等。智能專業再發展一段時期后，各高校的智能專業的共性部分應越來越多，個性部分也越來越獨立于源頭專業，例如，獨立于計算機科學與技術專業、自動化專業、電子工程專業等。這樣，在智能專業上層自然就形成智能學科，從而獨立于計算機科學與技術學科。這是專業發展的必然結果。
另一方面，專業的良性發展離不開社會的就業或創業需求。智能專業的本科生，需要了解掌握計算機、電子、控制等各領域的知識和技術，而且在本科生4年課程的教學中融入相關學科的前沿知識，這使得在這個專業學習的學生不僅可以擁有較為廣闊的知識面，對專業知識的理解也有一定深度。可以說這樣一個既有廣度又有深度的專業具有廣闊的就業前景。社會中也有新生的行業，近些年來，有關智能系統開發的公司相繼出現，涉及機器人、交通、樓宇、信息系統等多方向的智能系統開發，為本科畢業生創造了更恰當更明確的就業方向與途徑。
關鍵詞：機器智能；教學方法；專題文獻調研；演講；討論；編程；學生評價
自2005年北京郵電大學在國內得到教育部批準設立智能科學與技術本科專業開始，機器智能課程就被設定為一門重要的專業基礎課。在2008年全國智能科學技術教育學術研討會上，機器智能課程被確立為第一批三門核心課程之一。作者曾在2009年全國智能科學技術教育學術研討會上對該課程內容的建設進行了探討[1]，在此基礎上，結合教學實踐工作對于該課程的教學方法也進行了一些摸索。
1相關教學方法
機器智能是新出現的課程，可供參考的國內外資料較少，我們主要對相關的人工智能課程的教學方法進行了調研和學習。陳白帆、蔡自興等的人工智能精品課程教學方法在國內最具代表性[2]，開設課程設計，學生根據自己的興趣組成小組選題。多媒體課件和網絡課程相結合，采用啟發式教學，舉行課堂討論等。王甲海[3]等探討啟發式傳授人工智能解決問題的非結構化的思想。劉興林[4]從教材選擇、教學內容和方法、考核方式等做了一系列教學改革。韓潔瓊[5]等提出注重激發學生的學習興趣、加強對實驗教學的重視。白潔[6]等提出與學科發展前沿接軌，注重培養學生的創新能力。朱紅[7]等對圖搜索內容進行有效的教學設計。王璐[8]等設計了應用型和研究型的教學情境。
國外人工智能課程建設具有更長的時間和更多的積累。很多大學在人工智能課程中圍繞游戲引入工程項目。Jeffrey等[9]引入基于Blackjack游戲的優化模型來進行人工智能課程教學。Hansen等[10]開發了Glomus教學系統，引導學生在邏輯證明游戲過程中學會重要概念。Douglas等[11]針對電腦游戲中的人工智能的課程教學提出了學生教學生的方法。Ingrid等[12]以機器學習為主題把人工智能中分散的重要概念統一到一起。
2教學實踐
2.1總體思路
在本課程教學實踐過程中，總體思路是根據教學基本要求和主要內容形成的。詳細的教學基本要求和內容參見文獻[1]。基于此，對本課程的教學實踐進行了如下分析。
1) 教學內容極其豐富多彩，如果需要詳細地講授，每一個章節都可以成為一門課程，64學時的時間是遠遠不夠的。
2) 本課程是一門成長中的新課程，其中既要包括智能領域學者們研究了幾十年的重要成果，也要涵蓋當前國內外最新研究現狀的了解和把握，才能讓學生們感受到當前時代的脈搏，了解到本專業的魅力。
3) 智能科學與技術也是一門實踐性很強的學科，其中很多技術都已經或正在社會生活中發揮著重要作用，學生們更渴望能夠在學習實踐中掌握和推進這些技術。
4) 任何教學過程，如果只是單方向的教師講、學生聽，很難達到良好的效果，必須要調動學生的主動學習興趣，讓學生真正參與到教學過程中來，才能實現教與學的雙向促進。
于是，我們采取了以點帶面的方法，抓住其中的關鍵點進行細致地講解，其余的內容則根據側重面的不同，分別采取啟發式教學的方法，如專題文獻調研、演講、討論、動手實驗、學生評價等方式推動學生主動學習相關知識和技術，實現知識拓展和興趣培養。
2.2專題文獻調研
這是我們借鑒了帶研究生做課題的經驗而提出的一種方法。每次開始講授這門課程的時候，學生們都會問：為什么我們課程的名字跟其他人工智能的課程不一樣？內容上有什么區別？我也都會給出我們的回答，但是總感覺學生并沒有完全理解。考慮到智能科學技術專業本身就是一個新鮮事物，機器智能課程也是新近提出的，目前并沒有完全定論，屬于前沿探索的問題。因此，我們提出進行專題文獻調研的方法，希望讓學生通過自己的廣泛閱讀、比較和分析，更加深入地了解本課程。
我們首先給出需要調研的問題以便引導學生的調研方向，即國內外關于智能科學與技術專業的建設情況如何？機器智能、人工智能、神經網絡及其他相關課程的建設情況如何？這些不同于學生們以前在其他課程中遇到的作業或問題，沒有固定的求解思路，沒有確切的標準答案，但卻都是學生們非常關心的問題，因此極大地激發了同學們的學習興趣。我們鼓勵大三學生自由組合，每3～4人組成一個課程小組，每組由一位組長負責組織管理，如召集小組討論，共同制定調研計劃，分配調研任務，綜合調研結果等。這種形式對于大三的學生畢竟是新的嘗試，開始的時候學生們對于如何進行文獻調研不太清楚，我們在給學生介紹文獻資源和調研方法的同時，也邀請了幾位研究生來到課堂上現身說法，學生們普遍反映非常好。
經過1～2周的文獻調研，學生們交上來的作業令人非常滿意。內容涵蓋了人工智能、機器智能、計算智能的概念，國內設置本科智能科學與技術專業的高等學校及其專業定位、培養方案、主干課程、實驗課程、畢業生去向，美國、英國大學人工智能專業研究生排名，國內外著名大學的人工智能、神經網絡相關課程教學內容、實踐設計、參考教材等等。各組調研內容之間有一些交叉，證實了本領域的一些共同特點，如人工智能課程的知識表達與推理、搜索、專家系統、自然語言處理等經典內容；各組的調研結果更有很大的不同，既反映了學生們思考問題的角度是多樣性的，也反映了智能科學技術專業建設和機器智能相關課程的教學是多樣性的。經過比較和分析，學生們對本課程的理解清晰多了，學習態度非常積極，希望探索智能奧秘的熱情極為高漲，為后面的教學打下了良好的基礎。
2.3動手實驗
實踐出真知，我們在理論教學的同時也特別注重實驗環節的設計，學生通過動手實驗加深對理論知識的理解和運用。對于本課程的重點模塊內容，如BP算法、啟發式搜索，我們都給學生布置了以組為單位的實驗作業。為了激發學生的主動性和創造性，還對每個作業給出了擴展性的要求。以BP算法的實驗為例，我們要求各組在充分理解BP算法原理的基礎上，編程實現手寫數字0～9的訓練和識別功能。我們也給出了擴展性要求：可以通過自己查閱文獻，尋找提高BP基本算法性能的方法和技術；可以不限于手寫數字0～9的識別，自主選擇感興趣的其他模式信息進行實驗，如語音信息、手寫英文字母、手寫漢字等。
學生們開始面對這個作業的時候非常迷茫，不知從何處下手，我們一方面鼓勵學生要有信心，不要有畏難情緒，一方面就相關內容安排課堂重點討論，首先要正確理解和掌握經典BP算法的基本原理，包括其數學推導的全過程，然后從如何構造單一神經元和激勵函數開始，進而討論如何實現一層神經元和相鄰層神經元的計算，以及如何進行誤差計算和反向權值調整。學生們逐漸對實驗作業有了深刻的理解，開始動手設計自己的神經網絡，隨著一個個步驟的實現，學生們之前的很多疑惑都豁然開朗，對BP算法充滿了興趣。很多組的同學對測試的識別率不太滿意，都主動去圖書館查閱相關資料，嘗試了一些改進方法和技術，如改變多種神經元激勵函數、加入動量項微調權值修正量、自適應變步長算法等。
有一個組的作業給我印象極其深刻，因為他們勇于挑戰了BP神經網絡實現語音信息0～9的識別，不但很好地掌握了BP基本算法及其改進：變步長法和引入動量項法，還自學了錄音、音頻信號分幀、加窗、MFCC特征提取等。他們對待本課程的熱情，還有他們表現出來的巨大的潛力都讓我感動，讓我對我們的專業和課程建設的未來充滿了信心和希望。
正是應對了“理論與實踐相結合”的經典理念，半年里64個學時完成后，從學生們的直接反饋中發現，他們理解掌握最為深刻的內容恰恰是他們曾經動手進行程序開發的內容。這充分表明了在本課程的教學過程中注重動手實踐能力的訓練和培養的重要性。
2.4演講、討論與評價
這也是我們在教學過程中探索出來的方法。專題文獻調研和動手實踐的作業極大地調動了學生們的積極性，效果也非常好，但作為一門課程，還是要有一個分數的評價。以往都是學生把作業交上來，老師統一評分。現在面對如此多樣性的作業，老師個人的評價顯得并不充分，我們認為學生們相互之間做的工作類似，能夠理解各組作業的特色和工作量大小，在評價上更有發言權。因此，我們提出了一種同學參與評分的方案，即演講+討論+評價。
首先是演講。為了使評分過程做到公開、公正、公平，我們在各組完成一次文獻調研或者動手實驗之后，都要求各組準備好演講的文件和相關材料，包括ppt文件制作、程序演示、功能測試等，專門抽一次上課時間用來進行各組的集中演講，展開實踐經驗的深入交流。每組派出一位代表來演講，介紹本組作業的詳細情況并演示。介紹完畢，就進入提問和討論環節，老師和同學都可以就其中的任何問題提問，也可以進行程序功能的現場檢測。這一方面活躍了課堂氣氛，使得學生們大大增強了對于重點內容的理解和掌握，另一方面，各組之間可以相互學習，拓展視野，開闊思路。同時，這也很好地鍛煉了學生的組織和演講能力。最后是評價，也是各組選派一名代表，就像各類比賽中的評分專家一樣，根據各組的演講、提問、回答、演示等，綜合給出一個評分。這種形式對于學生們也是很新奇的，大家都很認真地對待，基本上每次評分都能很好地反映出各組的水平。同時，這也激發了學生們的主動性和創造性，因為只有真正的努力和過硬的成績才能獲得各組同學的一致好評。
2.5創新性研究
我們鼓勵對本課程相關領域具有濃厚興趣、能力較強的同學自發組成小組，基于課程所學內容進行深入分析思考，提出創新性的課題展開研究，并在合適的時機鼓勵學生們利用課程相關的知識積極參加各種競賽，從今年開始中國人工智能學會主辦的全國大學生智能設計大賽將是今后我們努力的主要方向。2010年，我們選擇了三星公司面向大學生的bada應用開發試點活動作為第一次嘗試。學生們經過三個多月的努力，獲得兩個三等獎和兩個優秀獎。經過競賽鍛煉，學生們不僅加強了對于課程相關知識的理解和掌握，增強了研究開發能力和自信心，更加深了對于本專業的濃厚興趣，為本專業和本課程的建設提供了強有力的支撐。
2.6專家講座
我們先后邀請到了國內外的專家學者來給學生進行專題講座。國際計算語言學會主席、美國南加州大學信息科學研究所Prof. Eduard Hovy關于什么是智能的講座，首都師范大學人工智能領域著名教育專家王萬森教授關于模糊邏輯與推理的講座，都讓學生們感受到了大家的風范，靈活生動的講課風格受到了學生的高度贊揚。
3教學反饋
在北京郵電大學組織的2010年學生評教工作中，本課程得到了97.46的高分(滿分100)。以下是我們收到的一些學生的反饋意見。
1) 實踐時間充裕，在解決問題的過程中培養了一種能力。作業不死板，給出一個框架思路，同學可以自由發揮。還地鍛煉了大家的團隊合作精神，專注于自己擅長的領域才能做的更好。讓同學們自己放開去做，在出錯時及時交流糾正是一種很自由、很開放的學習模式，這樣的氛圍可能不會培養高的分數，但會收獲高的能力。
2) 教學形式較為新穎，不是采用以往講授知識的方式，而是采用了更為貼近實際的方式，在開學初就分組，拋棄了筆上作業，改用實際的編程、查找資料等方法，更能調動大家的學習積極性。驗收作業也不是以往老師收上去批改后發下來這種千年不變的形式，而是讓同學互相打分，這種方式更為客觀而且可見，更加公平。最后感謝李老師一學期以來的教學與幫助，也感謝實驗室所有老師和助教的幫助，也相信咱們智能科學與技術專業，機器智能這門課程會越來越完善、成熟。
3) 感覺比較實用、有意義。從大學開始接觸的都是純理論的課，這門課上需要做實踐編程作業，我學習了機制與算法實現，更重要的是能讓我們在解決實際問題中提供一些從未有過的思路。比如我在百度俱樂部參加一個如何構建購物網站的工作，需要垂直搜索技術，把各大購物網站的價格列出來，可是有些網站，如京東商城是采用圖片形式顯示價格的，很多研究生也沒做出來，我用了機器智能中的BP算法解決了這個問題，當然需要一些圖像處理技術。總之，試驗后我們得到的是一種解決問題的思路，所以我覺得在提供知識的基礎上使用實驗技術加深對知識的理解效果很好，實驗就是最好的作業。
4) 隨著我們步入大三，越來越感受到智能領域的廣博精深。就像老師教學的課件一樣，每個知識點的擴充都能組成新的一章。本學期感觸最深的除了三星競賽此外還有兩點：一是李老師上課講的內容充實，從神經網絡到機器情感，從BP到A*，幾乎把智能領域經典的模型算法都覆蓋了。第二點就是本學期李老師請來了很多professor(巨開心哈)。我覺得看看別的學校甚至別的國度的“大牛們”都在研究什么，有利于我們拓寬眼界，開闊思路。希望李老師以后也辛苦聯系他們，讓學弟學妹們也享受這種待遇。
4結語
本文對機器智能課程的教學方法進行了探討，針對不同模塊的教學內容，提出并實踐了專題文獻調研、演講、討論、動手實驗、學生評價、創新性研究、專家講座等教學方式，收到了較好的效果。今后還要緊跟智能科學與技術的發展進一步豐富本課程教學的前沿性和創新性，在力圖編一本比較好的教材的同時，著手研究多種資源和手段的運用。
參考文獻：
[1] 李蕾,王嬋,王小捷,等.“機器智能”課程建設初探[J]. 計算機教育,2009(6):86-92.
[2] 陳白帆,蔡自興,劉麗玨. 人工智能精品課程的創新性教學探索[J].計算機教育,2010(19):27-31.
[3] 王甲海,印鑒. 人工智能教學與計算思維培養[J]. 計算機教育,2010(19):68-70.
[4] 劉興林. 大學本科人工智能教學改革與實踐[J]. 福建電腦,2010(8):198-199.
[5] 韓潔瓊,余永權. 人工智能課程教學方法研究[J]. 計算機教育,2010(19):71-73.
[6] 白潔,畢季明,李偉. 人工智能課程教學改革初探[J]. 中國教育技術裝備,2010(36):43-44.
[7] 朱紅,李果. 人工智能問題求解策略的教學研究[J]. 中國信息界,2011(2):70-71.
[8] 王璐,陸筱霞. 應用DBR的人工智能課程教學[J]. 計算機教育,2010(19):64-67.
[9] Jeffrey L. Popyack. Blackjack-playing agents in an advanced AI course[C]//ITiCSE '09,New York:ACM Press,2009:208-212.
[10] PDavid M. Hansen, Joseph Bruce, PDavid Harrison. Give students a clue: a course-project for undergraduate artificial intelligence[J]. ACM Newsletter,2007:44-48.
[11] Douglas D. Dankel, Jonathan Ohlrich. Students teaching students: incorporating presentations into a course[C]// ACM Special Interest Group on Computer Science Education,New York:ACM Press,2007:96-99.
[12] Ingrid Russell, Zdravko Markov, Todd Neller et al. MLeXAI: A Project-Based Application-Oriented Model[J]. ACM Transactions on Computing Education,2010(1):1-36.
Teaching Practice of Machine Intelligence
LI Lei, LIU Pingan, WANG Xiaojie, ZHONG Yixin
(Department of Intelligence Science, Beijing University of Posts & Telecommunications, Beijing 100876, China)
