大數(shù)據(jù)[1]和人工智能[2]時(shí)代，AlphaGo每天自我對(duì)弈100萬(wàn)盤(pán)圍棋[3];Tesla每天從上100萬(wàn)輛車(chē)實(shí)際行駛路線中學(xué)習(xí)駕駛經(jīng)驗(yàn);Watson等系統(tǒng)每天學(xué)習(xí)數(shù)十萬(wàn)張醫(yī)療影像大數(shù)據(jù)的深度特征[4]…大數(shù)據(jù)驅(qū)動(dòng)的深度智能正在以驚人的效率解決特定領(lǐng)域的問(wèn)題，更高級(jí)的機(jī)器智能和深度學(xué)習(xí)算法[5,6]層出不窮，在不斷推動(dòng)人工智能領(lǐng)域的發(fā)展。而智能時(shí)代的學(xué)習(xí)革命，也必將對(duì)未來(lái)的社會(huì)勞動(dòng)形態(tài)造成沖擊，針對(duì)這一趨勢(shì)，人工智能專家、創(chuàng)新工場(chǎng)董事長(zhǎng)李開(kāi)復(fù)做了較好的注解，他說(shuō)到：“未來(lái)10 年，大部分人類(lèi)只需思考5 秒鐘以下的工作都會(huì)被人工智能取代，從比例上來(lái)說(shuō)，未來(lái)10年人類(lèi)50% 的工作都會(huì)被取代，比如助理、翻譯、前臺(tái)、護(hù)士、會(huì)計(jì)、理財(cái)師等等…只有改革我們的教育模式，才能培養(yǎng)出新型勞動(dòng)力。” 而牛津大學(xué)的一項(xiàng)職業(yè)研究也佐證了這一說(shuō)法，未來(lái)20年內(nèi)，50%左右的工作將被人工智能取代[7]。前百度首席科學(xué)家吳恩達(dá)在Coursear開(kāi)設(shè)的深度學(xué)習(xí)課程[8]，被部分企業(yè)作為獲取面試機(jī)會(huì)的前置課程，換句話說(shuō)，在校學(xué)生如果沒(méi)有學(xué)完Coursear上的相關(guān)課程，將難以獲得深度學(xué)習(xí)領(lǐng)域的就業(yè)機(jī)會(huì)。毋容置疑，AI正在加速挑戰(zhàn)我們的生產(chǎn)、生活、學(xué)習(xí)等各個(gè)領(lǐng)域，教育自然不可能置身事外。

針對(duì)這一趨勢(shì)，2017年7月，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[9]，明確提出高校要完善人工智能教育體系，建設(shè)人工智能學(xué)科。教育部在《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》中強(qiáng)調(diào)[10]，要加強(qiáng)人工智能領(lǐng)域?qū)�業(yè)建設(shè)，推進(jìn)“新工科”建設(shè)，形成“人工智能+X”復(fù)合專業(yè)培養(yǎng)新模式。人工智能正在快速深刻地改變我們的學(xué)習(xí)方式、教學(xué)方式、思維方式，包括我們解決問(wèn)題的方式，人工智能已經(jīng)從多個(gè)層面上對(duì)教育課程體系提出了深層挑戰(zhàn)。因此，教育部提出了“人工智能+X” 背景下的復(fù)合專業(yè)培養(yǎng)新目標(biāo)，將有助于升級(jí)傳統(tǒng)的教學(xué)模式，改革教學(xué)方法，創(chuàng)新教學(xué)實(shí)踐，讓教育教學(xué)跟AI深度融合并智能化高效化發(fā)展。主動(dòng)擁抱人工智能，應(yīng)用人工智能技術(shù)，構(gòu)建跨學(xué)科課程體系，鼓勵(lì)交叉融合和工程實(shí)踐學(xué)習(xí)，對(duì)與新工科建設(shè)和AI交叉學(xué)科建設(shè)，具有重要意義。那傳統(tǒng)高等教育應(yīng)該怎么變革，以適應(yīng)人工智能時(shí)代的發(fā)展需求呢?筆者認(rèn)為首先要對(duì)人工智能和新工科背景下的新興課程體系和交叉學(xué)科課程建設(shè)進(jìn)行研究規(guī)劃，明確所需專業(yè)支撐和課程內(nèi)容保障，做好人工智能+背景下的新工科跨專業(yè)課程體系及AI工程實(shí)踐平臺(tái)的頂層設(shè)計(jì)，從通識(shí)課、跨學(xué)科工程實(shí)踐平臺(tái)和專業(yè)前沿課程三個(gè)層面構(gòu)建人工智能+新工科課程體系。并研究人工智能+背景下的教學(xué)新模式、新方法，研究大數(shù)據(jù)以及人工智能輔助下的以學(xué)生為中心的新工科課程體系設(shè)置，探索人工智能背景下的混合式(在線慕課+課堂研討+實(shí)踐環(huán)境)教學(xué)方法，最終構(gòu)建人工智能+跨學(xué)科交叉融合的新工科專業(yè)實(shí)踐平臺(tái)。要實(shí)現(xiàn)上述目標(biāo)需要從如下三個(gè)方面著手：

(1)設(shè)計(jì)人工智能+背景下的新工科前沿課程體系：人工智能本身是一個(gè)高度學(xué)科交叉的方向，包括計(jì)算機(jī)、自動(dòng)化、數(shù)學(xué)、機(jī)械、哲學(xué)、心理學(xué)等多個(gè)學(xué)科方向。一般來(lái)講，需在已開(kāi)設(shè)人工智能，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，虛擬現(xiàn)實(shí)等課程基礎(chǔ)上，增設(shè)一些新的結(jié)合產(chǎn)業(yè)應(yīng)用需求的前沿信息課程，比如圖像識(shí)別、語(yǔ)音識(shí)別、文本處理、深度學(xué)習(xí)、量子計(jì)算、自動(dòng)駕駛等前沿信息課程。研究設(shè)計(jì)人工智能+智慧醫(yī)療、人工智能+智能制造、人工智能+自動(dòng)控制、人工智能+智能交通等新工科跨專業(yè)前沿課程體系，由淺入深從三個(gè)層面開(kāi)展人工智能+新工科課程體系建設(shè)：首先開(kāi)設(shè)人工智能+前沿通識(shí)課，普及智能學(xué)科知識(shí);其次構(gòu)建人工智能+跨學(xué)科工程實(shí)踐平臺(tái)，為不同專業(yè)提供大數(shù)據(jù)和人工智能實(shí)驗(yàn)平臺(tái)支撐;最后開(kāi)展人工智能+智慧醫(yī)療，人工智能+智能制造等高校優(yōu)勢(shì)方向的新工科跨學(xué)科專業(yè)前沿課程，為推進(jìn)跨學(xué)科交叉、融合的新工科課程體系建設(shè)打下基礎(chǔ)。

(2)研究人工智能+背景下的教學(xué)新模式、新方法：如何提升傳統(tǒng)的教學(xué)模式，教學(xué)方法，讓教學(xué)內(nèi)容和方式更加智能化和高效化，是人工智能+背景下的新工科建設(shè)關(guān)鍵目標(biāo)，通過(guò)研究人工智能+新的教學(xué)模式方法，把教師從簡(jiǎn)單、機(jī)械繁瑣的“教學(xué)”工作中解放出來(lái)，從而能投入更多的時(shí)間和精力，創(chuàng)新理論知識(shí)和工程實(shí)踐相結(jié)合的教育內(nèi)容、改革教學(xué)方法，專注“育人”，從而使得學(xué)生將來(lái)的潛力和能力不落后于人工智能時(shí)代的發(fā)展。研究大數(shù)據(jù)以及人工智能輔助下的以學(xué)生為中心的新工科課程體系設(shè)置，為每個(gè)學(xué)生提供個(gè)性化、定制化、智能化的學(xué)習(xí)內(nèi)容、方法，從而激發(fā)學(xué)生跨學(xué)科的知識(shí)和實(shí)踐學(xué)習(xí)欲望。研究人工智能背景下的混合式(慕課+翻轉(zhuǎn)課堂+智能實(shí)驗(yàn))教學(xué)方法。研究教育模式的多樣化和智能化，借助人工智能思維開(kāi)展體驗(yàn)式教學(xué)、協(xié)作式教學(xué)以及混合式教學(xué)模式的探索實(shí)踐，實(shí)現(xiàn)線上線下教育模式的協(xié)同。并通過(guò)人工智能、大數(shù)據(jù)技術(shù)與工程教育教學(xué)實(shí)踐的深度融合，項(xiàng)目需求驅(qū)動(dòng)，問(wèn)題驅(qū)動(dòng)教學(xué)和學(xué)習(xí)內(nèi)容，提升學(xué)生的主動(dòng)學(xué)習(xí)能力、工程實(shí)踐能力和人工智能思維能力，同時(shí)啟發(fā)學(xué)生對(duì)未來(lái)智能時(shí)代職業(yè)的思考，研究教育如何培養(yǎng)未來(lái)不被淘汰的人才、工種，如何借助人工智能技術(shù)提升學(xué)生技能和自我成長(zhǎng)。

(3)構(gòu)建人工智能+跨學(xué)科交叉融合的工程實(shí)踐平臺(tái)：人工智能時(shí)代，以教師為中心必須轉(zhuǎn)向以學(xué)習(xí)者為中心的教學(xué)模式，這一趨勢(shì)越來(lái)越明顯，智能化的學(xué)習(xí)方式和學(xué)習(xí)環(huán)境，必須要能適應(yīng)和支持學(xué)習(xí)者走向工作崗位后的終生學(xué)習(xí)。舉個(gè)例子，當(dāng)前很多高校計(jì)算機(jī)專業(yè)的課程實(shí)踐環(huán)境多還是傳統(tǒng)的單機(jī)式，單技術(shù)棧模式，而B(niǎo)AT等大型企業(yè)的實(shí)際研發(fā)環(huán)境早都是云化的多技術(shù)棧環(huán)境(分布式、集群、云服務(wù)、容器等)，剛畢業(yè)的學(xué)生進(jìn)入大型企業(yè)工作還需要長(zhǎng)時(shí)間的開(kāi)發(fā)環(huán)境和生產(chǎn)環(huán)境培訓(xùn)。這就是傳統(tǒng)高等教育的一個(gè)典型問(wèn)題，重理論輕實(shí)踐!人工智能時(shí)代下的教育，應(yīng)該重點(diǎn)研究問(wèn)題驅(qū)動(dòng)式學(xué)習(xí)、模塊式學(xué)習(xí)、主題式學(xué)習(xí)和基于項(xiàng)目的學(xué)習(xí)方式，還有與產(chǎn)業(yè)需求相匹配的工程實(shí)踐環(huán)境支持。同時(shí)借助人工智能+跨學(xué)科交叉的新工科課程學(xué)習(xí)，從教師將知識(shí)傳授給學(xué)生向“讓學(xué)生自己去發(fā)現(xiàn)和創(chuàng)造知識(shí)”提升，以真實(shí)的專業(yè)領(lǐng)域工程問(wèn)題(大數(shù)據(jù)驅(qū)動(dòng)的智能化需求)為依托，將多學(xué)科交叉與產(chǎn)業(yè)需求項(xiàng)目研究結(jié)合起來(lái)，讓學(xué)生在工程實(shí)踐過(guò)程中主動(dòng)學(xué)習(xí)和建構(gòu)多學(xué)科交叉知識(shí)，從而培養(yǎng)學(xué)生的人工智能思維、實(shí)踐和知識(shí)靈活運(yùn)用的能力。開(kāi)展項(xiàng)目驅(qū)動(dòng)的主題式、模塊式學(xué)習(xí)的智能實(shí)踐平臺(tái)，在實(shí)踐平臺(tái)中的課程設(shè)計(jì)中，融合人工智能思維(數(shù)據(jù)驅(qū)動(dòng)，問(wèn)題驅(qū)動(dòng)，迭代優(yōu)化，終生學(xué)習(xí)等)和相關(guān)課程教學(xué)內(nèi)容進(jìn)行相互滲透、整合和優(yōu)化，通過(guò)智能實(shí)踐平臺(tái)建設(shè)，為人工智能背景下的新工科課程體系建設(shè)提供實(shí)踐支撐。

總之，高等教育從業(yè)人士應(yīng)該高度關(guān)注大數(shù)據(jù)和人工智能的發(fā)展，包括產(chǎn)業(yè)發(fā)展和學(xué)術(shù)、應(yīng)用研究等多個(gè)方面�？茖W(xué)的第四范式革命，就是需要從大數(shù)據(jù)智能應(yīng)用中發(fā)現(xiàn)挑戰(zhàn)性的科學(xué)問(wèn)題，推動(dòng)以大數(shù)據(jù)智能技術(shù)為基礎(chǔ)的產(chǎn)業(yè)革命和學(xué)習(xí)升級(jí)，從而促進(jìn)新型交叉學(xué)科進(jìn)一步融合和互相支撐，反過(guò)來(lái)學(xué)科交叉也會(huì)推進(jìn)大數(shù)據(jù)和人工智能技術(shù)向更深入發(fā)展。種種跡象表明，人工智能和大數(shù)據(jù)技術(shù)將引領(lǐng)教育向著在線化、定量化、個(gè)性化和智能化方向發(fā)展，以大數(shù)據(jù)智能技術(shù)驅(qū)動(dòng)的各種教育新模式、新方法、新平臺(tái)，和產(chǎn)業(yè)較高級(jí)AI工程產(chǎn)品的應(yīng)用普及，將對(duì)傳統(tǒng)高等教育造成巨大沖擊，包括高等教育的專業(yè)設(shè)置、課程體系和教育方式方法都面臨挑戰(zhàn)，如何適應(yīng)這一趨勢(shì)并與時(shí)俱進(jìn)，值得關(guān)注。

參考文獻(xiàn)：

[1] 維克托.邁爾-舍恩伯格, 大數(shù)據(jù)時(shí)代: 生活、工作與思維的大變革, 浙江人民出版社, 2013.

[2] 萬(wàn)赟. 從圖靈測(cè)試到深度學(xué)習(xí): 人工智能 60 年[J]. 科技導(dǎo)報(bào), 2016, 34(7): 26-33.

[3] Silver D, Huang A, Maddison C J, et al. Mastering the game of Go with deep neural networks and tree search[J]. Nature, 2016, 529(7587): 484-489.

[4] Ferrucci D, Levas A, Bagchi S, et al. Watson: beyond jeopardy![J]. Artificial Intelligence, 2013, 199: 93-105.

[5] Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553): 436-444.

[6] Schmidhuber J. Deep learning in neural networks: An overview[J]. Neural Networks, 2015, 61: 85-117.

[7] Frey, Carl Benedikt, and Michael A. Osborne. “The future of employment: how susceptible are jobs to computerisation?.” Technological Forecasting and Social Change 114 (2017): 254-280.

[8] https://www.coursera.org/specializations/deep-learning

[9] 國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J]. 軍民兩用技術(shù)與產(chǎn)品, 2017(15).

[10] http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html

標(biāo)簽： 產(chǎn)業(yè)發(fā)展 大數(shù)據(jù) 大數(shù)據(jù)技術(shù) 大數(shù)據(jù)時(shí)代 云服務(wù)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。