时间：2023-08-23 16:59:10
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能对教育的价值，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
先给大家重点推荐一本期刊：中国职业技术教育
中国职业技术教育杂志征稿信息
《中国职业技术教育》杂志是由中华人民共和国教育部主管，教育部职业技术教育中心研究所、中国职业技术教育学会和高等教育出版社共同主办的一份综合性中文期刊，集政策指导性、学术理论性和应用服务于一身，是教育部指导全国职业教育工作的重要舆论工具，是服务各级各类职业教育机构的主要阵地。
中国职业技术教育投稿栏目：主要有职教要闻、专稿专访、综合管理方略、课程教材、教研与教学、师资队伍建设、研究与探讨、职业指导、职业培训、高等职业教育等栏目。
再给大家推荐职业教育范文：人工智能背景下职业教育变革及模式建构
董文娟1，黄尧2(1.天津大学教育学院，天津300350；2.北京师范大学国家职业教育研究院，北京100875)
摘要：顺应人工智能时代的浪潮，基于新兴技术的职业教育变革及新模式建构势在必行。该文从职业教育智慧化、经济发展、政策保障、信息化生态重构四个方面，剖析了人工智能时代职业教育变革的现实诉求，并进一步分析了当前职业教育外部环境及其自身发展的困境。人工智能背景下职业教育的变革体现出融合、创新、跨界、终身化的新特征。基于此，从课程、教学、学习、环境、教师发展、评价、教育管理及组织等方面，探究职业教育的变革路径及模式建构。最后探讨了职业教育模式变革还面临回归教育本质、规避技术弊端等挑战，并提出“适应—引领人工智能”的发展目标。
关键词：人工智能；职业教育变革；模式建构；智慧化
“人工智能的迅速发展将深刻改变人类社会生活、改变世界。特别是在移动互联网、超级计算等新理论、新技术及经济社会发展强烈需求的共同驱动下，人工智能发展呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。”[1]人工智能作为新一轮产业变革的核心驱动力，为我国供给侧结构性改革下的“新常态”经济发展注入新动能，使人们的思维模式和生活方式发生了深刻变革。近年来，国家高度重视与社会经济发展联系最为密切的职业教育，积极推进职业教育信息化，运用人工智能改革教学方法和人才培养模式，构建新型智能职教体系，提升信息技术引领职业教育创新发展的能力。
一、人工智能背景下职业教育变革的现实诉求
人工智能对传统教育理念产生了革命性冲击，职业教育结构不断调整，劳动力素质与市场需求的矛盾、学习方式与自我价值实现的矛盾等促使职业教育向智慧化、智能化发展。目前，我国处于教育信息化2.0、工业4.0的新时期，全球范围内新一轮的科技革命和产业变革正在加速进行。“一带一路”“中国制造2025”人工智能等重大国家战略的提出，及以新技术、新产业为特征的新兴经济模式要求教育领域，尤其是职业教育培养行业、产业急需的技术技能型、智慧型人才，具备更高的创新创业能力和跨界整合能力，促进智慧化发展，助力经济转型升级。
(一)职业教育智慧化诉求：职业教育信息化发展的必然选择
“智慧教育是以物联网，大数据等信息技术为依托，创造智慧教学环境，转换教育方法，内容与手段，注重教育网络化，个性化和智能化的一种教育新模式。”[2]智慧教育作为“一种由学校、区域或国家提供的高学习体验、高内容适配性和高教学效率的教育行为(系统)”，被视为教育信息化发展的高端形态[3]。因此，职业教育的智慧化并非简单的数字化，强调信息技术推动职业教育教学模式和方法的变革，改变思维模式，创建价值等方面共享的学习共同体，培养创新型、智慧型人才。
职业教育智慧化是职业教育信息化发展的必然选择。目前，我国的职业教育信息化水平正在稳步提高，投入持续增加，各种智能信息技术应用于教育教学、实习实训、测量评价等领域，并逐步成熟，正在努力打造一个信息化、智慧化的现代职业教育生态系统。新时期我国很多地区及职业院校积极提升现有信息化系统的智慧化水平，积极创建智慧校园、智慧社区等，逐步实现了组织管理的智慧化、资源环境的智慧化和服务评价的智慧化。
(二)经济发展诉求：人工智能时代的新兴经济需要高技能智慧型人才
人工智能时代职业教育运用移动互联网、大数据等新兴技术，与经济及其他部门跨界融合，不断创造新产品、新业务，推动职业教育模式创新，形成了以互联网为基础设施、人工智能为实现手段的经济发展新常态。人工智能时代是以现代科学技术为支撑的新时代，各行各业的运作发展和对知识技术的掌握要求达到了更高层面，相应的教育需求也有所提升，市场环境渴求勇于创新、个性化的高技能智慧型人才。职业教育要应对行业上升发展的劳动力需求问题，基于人工智能应用，提高技能培养层级，以适应新的社会劳务需求。现代企业生产依托互联网科技，与智能化设备直接联接，通过数据分析和应用，促进科技成果转化为生产力。劳动密集型企业已不适应现代行业、产业发展，需升级为网络智能型，与此同时，职业院校的课程模式、专业设置、实习实训、师资结构等也做出相应的调整和革新，既促进了职业教育的智慧化、智能化，又推动了产业升级和工业变革。
(三)政策保障：国家从宏观层面保障人工智能时代的职业教育发展
2016年是我国人工智能元年，2017年我国颁布了《新一代人工智能发展规划》，提出了“将发展人工智能放在国家战略层面进行系统谋划和布局”，这预示着我国人工智能时代的全面到来，为我国职业教育的发展提供了良好的宏观政策环境。人工智能给职业教育带来了符合时代精神的新内容，积极融合信息技术，整合职业教育资源，提升公共服务水平，影响和改变了原有的教育生态。紧密依托信息共享平台，突破时空限制，让学习者自我选择，更加人性化和智能化。我国很多职业院校已经开启了智慧校园的行动计划，一些大中城市也在积极制定实施智慧城市的发展规划，在良好的政策保障中提升智慧化水平。
(四)信息化生态重构诉求：人工智能时代的职业教育变革是对职业教育信息化生态系统的重构
“依据《2006-2020年国家信息化发展战略》，我国正在有序推进数字教育向智慧教育的跃迁升级和创新发展。”[4]在新兴智能信息技术的催促下，技术变革带来了职业教育系统的颠覆性创新改革，打破现有的条条框框，改革传统教育模式，再造教育业务新流程。在职业教育领域创新应用物联网、大数据、人工智能等先进技术，提升各科各门教育教学业务，打造各级各类智能实训部门、培训机构，覆盖贯通中高职院校，整合系统内外现有资源，推进智慧教育生态有序发展，为各类用户提供最适合、最智能的职业教育资源和服务，完成对职业教育信息化生态系统的重构。
二、当前职业教育发展的现实困境
人工智能对各行各业的影响具有革命性和颠覆性，可能带来新的发展机遇，也可能带来不确定性的挑战，比如可能会改变就业结构、影响政府管理、威胁经济安全等，还可能会冲击法律与社会伦理，影响社会稳定乃至全球治理。当前，人工智能与“大众创业、万众创新”浪潮席卷而来，职业院校既是人工智能应用的战场，又是培养技术创新型人才的“梦工厂”[5]。人工智能时代的职业教育信息化发展迅速，影响是广而深的，对职业教育外部环境及其本身都造成了极大的冲击。
(一)职业教育外部环境发展困境
“据联合国教科文组织预测，到2020年，人工智能将替代20亿个工作岗位”[6]，那些技术含量低、重复性强的技能将被智能机器、数码设备所替代，工业机器人也将大面积应用。智能设备替代行业劳动力，能够降低劳动成本，且具有高效、易操作等竞争优势。传统职业教育培养模式很难适应未来行业、产业的发展需求，人工智能冲击职业教育就业岗位，撼动其所依附的岗位基础，对职业教育的生存与定位产生了威胁。因此，根据智能时代职业教育的岗位特征与需求，提升职业人才的知识结构和专业技能，是新形势下职业教育的发展方向。
(二)职业教育自身发展困境
近年来，人工智能在职业教育领域内的应用和提高是目前职业教育的发展趋势。我国重视职业教育信息化、智能化发展，各级各类职业院校在信息化基础设施建设、校园信息化管理等方面都有了显著提升，但信息技术与职业教育的深度融合仍不够紧密，表现出信息化管理效率低、科学决策水平低等现象。人工智能背景下职业教育自身发展的困境表现在：
1.课程与教学困境
职业院校新课程改革提倡构建智慧课堂，制定个性化学习计划，注重课堂实施效果。但目前的实际课程教学仍是以教师为中心，强调知识的灌输，重视统一性和计划性，与教育改革提倡的个性化教学相去甚远。教学方法、教学理念更新慢，很难激发学生的内在学习动力，创新性思维弱，使得个性化教育的无法实现。近年来，中央、省、市、县四级教育平台逐步建立起来，课程与教学的层级设计逐步完善，但在实施的过程中，各级平台之间存在沟通不畅等问题，各级资源内容不系统，不衔接，导致无序叠加和资源的重复浪费，“精品课程”等项目丰富了课程资源，但质量不高。在线课程与教学以传统的科目、章节为单元，构建系统性的在线教育内容，为用户提供专业化的知识选择，但由于受时间条件等限制，大多数受教育者习惯于碎片化学习，连贯性和整体性差，缺乏对课程与教学体系的系统性学习。
2.认知困境
随着人工智能时代的到来，许多职业院校将“未来教室”“智慧课堂”定位为未来发展方向，进行了多种尝试和改革，如MOOC混合教学、翻转课堂、多屏教学等，但“管理者和施教者对智慧教育的理解多停留在‘智慧课堂=多媒体+传统教学的层面’，教学观念和思维依然固化，并没有因为新技术的参与而得到实质改变”[7]，缺乏对多媒体网络架构和智能学习平台的深层认识，更缺乏对管理评价和互动交流等模块的理解与掌握，虽投入大量人力财力采购了数量巨大、设备精良的多媒体设备和智能服务设备，但没有充分有效使用，大大限制了智慧教育的发展潜力。
3.用户困境
传统教学以群体教育为基本单元，教师和学习者作为学习共同体，在管理、学习的互动过程中形成强大的群体约束力，促进双方共同进步。在信息化教育时代，学习者自由掌握学习时间和进度，遇到问题可能无法及时解决并获得反馈，无法进行面对面交流，因此，基于人工智能网络化学习平台，学习者需要高自控力、高学习能力才能适应这种全新的学习方式。
4.评价困境
传统的评价方式多依靠经验和观察，智慧型评价则是基于学习过程的一种发展性评价，以采集到的学习数据为客观基础。在人工智能、数字信息化环境下教育效果的评价实际要受到很多因素的影响和局限，在信息技术与职业教育融合的过程之中，许多智能技术应用于教育教学实践，难以进行定性定量的智慧评价，如互动交流及深层次的学习评价等。
三、人工智能背景下职业教育变革的新特征
人工智能带来了思维模式的创新，改变了人们认识问题、思考和解决问题的方式，越来越多地依赖人与智能网络的协同创新。人工智能背景下的职业教育变革围绕经济社会发展大局，“主动服务国家重大发展战略，加大虚拟现实、云计算等新技术应用，体现校企合作、知行合一等职教特色，以应用促融合、以融合促创新、以创新促发展。”[8]人工智能背景下职业教育的变革必将加速推进职业教育的现代化、智能化进程，表现出了融合、创新、跨界和终身化的新特征。
(一)融合
人工智能技术科学应用于当前职业教育，在最短的时间内整合、重组大量的知识信息，形成科学的技术技能知识体系，为职业教育资源、企业资源、产业资源、社会资源等一切有可能联结的资源融合提供了可能。为促进职业教育的智慧化发展，在现有的合作模式、集团模式、产教融合模式等实体协作发展的基础上，建立智能互动的智慧教育供给平台、常态化智慧课堂和大数据化智慧教育生态系统，为我国新兴经济发展提供高技能、智慧型人才支撑。
(二)创新
信息化时代下“变”为创新立足之要点。创新时代最需要提升的就是创造智慧。“由知识的理解记忆，转向知识的迁移、应用并最终指向创造发明”[9]，以提高学习者的学习能力和应用能力，提升其创新思维和智慧思维，不断开拓人类社会发展的高度和宽度。智能化、信息化的时代是创新不断的时代，是原有知识不断被更新、技术不断被升级的时代。人工智能促使社会化协同大规模发展，促进职业教育体系核心要素的重组与重构，创新生产关系，呈现出新的协作架构，开创了新的教育供给方式，增加了教育的选择性，推动了教育的民主化。学习者能够按照自己的价值观、兴趣与爱好等选择适合自己个性发展的学习方式和学习内容，促进学习者个性化、多样化发展，最终实现教育公平。
(三)跨界
智能科学与职业教育连接起来，搭建起两者沟通的桥梁，跨越了人工智能虚拟教育和线下实体教育的界限，实现了两者之间的融合。教育供给由竞争资源转变为协同合作，直线型的中心组织管理转向去中心化、泛化管理。通过大数据智能技术平台、远程教育平台等对职业教育资源进行整合共享，跨越教育边界，与市场、行业、企业以及职业教育培训机构对接，提供更加便捷的智慧化服务。
(四)终身化
人工智能时代职业教育的变革坚持“以人为本”的教育理念，满足学习者在任意时间、任意地点、以任意方式、任意步调终身学习的需求[10]。打破了地域和时间的限制，体现了教育的泛在化、个性化和终身化，与终身教育理念的发展目标不谋而合。人工智能时代社会经济发展加快，人们追求高层次自我价值的实现，充分体现出终身学习的必要性和紧迫性。目前，我国正在积极创建泛在学习环境，致力于构建终身化学习型社会，努力创造有利条件向全民提供终身教育与学习的机会。
四、人工智能背景下职业教育发展的模式建构
人工智能背景下职业教育的变革预示着全新思维意识形态、社会发展形态的变革，重塑职业教育可持续发展的新思维，重构信息时代职业教育的价值链和生态系统。智能化技术科学将现代职业教育内部各要素，以及内部要素与外部环境之间，通过虚拟技术和智能化手段互联贯通，突破传统教育价值的链状模式，使职业教育由传统模式走向“人工智能+职业教育”模式的建构。人工智能对职业教育课程、教学、评价、管理、教师发展等方面产生系统性影响，为职业教育提高教育质量和提升服务水平提供了技术支持和现实路径，解决不能兼顾职业教育规模和质量的矛盾问题。下面将从课程、教学、学习、环境、教师发展、评价、教育管理及组织等方面来探究职业教育的变革路径及模式建构。
(一)人工智能背景下职业教育的课程模式
人工智能时代的信息知识、科学技术正在以前所未有的速度增长、更新和迭代，呈现出了碎片化、多元化、创新性、社会性的特征。人工智能背景下职业教育的课程模式是为学习者提供按需可随时选择的知识储备智能模式，解决了传统职业院校课程教学的滞后性，呈现的是现代职业教育的前沿信息和内容。课程革命愈演愈烈，灵活多样的微课、慕课等形式层出不穷，在线课程将成为常态，信息传播媒介、知识获取方式等都发生了巨大改变，课程内容和结构的表现形态、呈现方式、实施及评价等也都进行了相应变革。智能化信息科学技术为课程的设计、架构、实施提供了快捷和便利，为学习者的个性化、终身化选择提供了多种渠道。人工智能背景下职业教育的课程模式的建构表现为：首先，线上线下融合的大规模开放课程融入现代职业教育，课程的表现形态和实施途径呈现出智能化、数字化、立体化的特征，成为学校常态课程的有机组成部分，为学习者提供了更多的可选择机会，使实施个性化课程成为可能。现代职业教育的课程内容强调学术性与生活性相互融合与转化，融入社会资源，立足于我国社会经济的新常态和学习者的全面发展，实现社会化协同发展，共赢共创；其次，课程实施的空间得以拓展，跨越了社会组织边界、职业院校边界，将从班级、年级、全校扩展到网络社区以及更大的空间。课程的整体结构从分散走向整合，以技术为媒介，形成跨学科、多学科整合的课程；最后，课程内容的组织、课程的实施逐步模块化、碎片化、移动化与泛在化，社会化分工更加精细，教师也将承担教学设计、技术开发、在线辅导等不同的角色。
(二)人工智能背景下职业教育的教学模式
人工智能时代将信息技术有效地融合于职业教育各学科的教学过程，从知识的传递转变为认知的建构，从注重讲授和内容，转变成重视学习过程[11]，构建“以教师为主导，以学生为主体”的以数字化、智能化为特征的智慧教学模式，重视学生的主体地位，引导学生“自主、探究、合作”。人工智能背景下职业教育的教学模式的建构表现为：首先，人们的学习方法、认知方式和思维模式已经发生了巨大的转变。信息化教学使得信息技术已成为学习者认知的必要工具，认知方式也由“从技术中学”转型为“用技术学”。其次，信息化教学的重点从“面向内容设计”转变到“面向学习过程设计”，更加重视学习者发现问题、分析和解决问题能力的培养，关注学习者的学习过程，以及其获得学习活动的体验。同时，信息化教学要将课堂内的学习知识和课堂外的实践活动联结互动，按照学习者的个性化需求和认知方式自主选择学习内容。第三，智慧教学将成为课堂教学的新重点。日常教学工作形态不再是点线面的连接，而是呈现为智能化、立体化的教学空间，智慧课堂将会促进学习者的深度学习、交互学习和融合学习，智能备课、批阅以及个性化指导等也将成为教育者新的教学工作形式。从机械评价学习结果转变成适应性评价学习结果。第四，在线教学、整合技术的学科教学法将成为新的教学形态，促进教育均衡发展，实现跨学校、跨区域的流转。移动学习、远程协作等信息化教学模式，能够实现教师的“教”与学生的“学”的全面实时互动，最大限度地调动学习者的主观能动性，提升教学质量与人才培养质量。
(三)人工智能背景下职业教育的学习模式
智能系统和互联网络为学习者提供了丰富多元的学习资源和环境，推进了教育教学活动与学习环境的融合发展，人工智能背景下职业教育的学习模式也逐步建立起来，具体表现为：首先，智能时代的互联网络全面覆盖每一个人、每一个角落，活动空间由课堂内拓展到课堂外，学习与非正式学习正在互相补充、互相与融合，导致学习者的学习行为变化、学习方式的革新。其次，基于互联网出现了一批创新的学习方式，借助情景感知技术及智慧信息技术，进行真实过程体验的情境学习，促进学习者知识迁移运用的情境化和社会化。第三，借助互联网云技术和各种应用工具，学习者可根据自身学习需求，选择最优学习方式，也可利用数据分析技术，追踪记录学习路径和学习交互过程，随时随地获取个性化教学服务和量身定制的学习资源，拓宽了智慧教育视野。第四，各职业院校开始拓展校园智慧学习的时间和空间，以实现虚拟和现实相互结合的智慧校园育人环境。推进网络学习空间建设，加强教与学全过程的数据采集和分析，“引导各地各职业院校开发基于工作过程的虚拟仿真实训资源和个性化自主学习系统”[12]，强化优质资源在学习环境中的实际应用。
(四)人工智能背景下职业教育的环境模式
智慧教育环境是以大数据、多媒体、云计算等智能信息技术为基础而构建的虚实融合、智能适应的均衡化生态系统。信息技术与职业教育的深度融合，为师生的全面发展提供了智慧化的成长环境，如智慧云平台、智慧校园。人工智能背景下职业教育的环境模式的建构表现为：首先，智慧教育环境将信息技术与职业教育服务结合、面对面教学和在线学习结合，形成数字化的、虚实结合的职业教育智能服务新模式。其次，智慧教育环境将促进各种智能化、数字化信息技术融入职业院校的各个业务范围和业务领域，与系统内的其他业务横向互联、纵向贯通，且信息能够适时生成和采集，全过程实现数字化与互联化。第三，智慧教育环境能够感知学习者所处的学习情境，理解学习者的行为与意图，满足学习者的个性化需求，提供多元化的适应服务和智能感知的信息服务。互联网应用基于智能数据分析，实现智能调节与自动监控，为学习者提供定制式的学习服务和个性化的学习环境。未来教室必将变成“虚拟+现实”的智慧课堂，在网络空间中参与线上课程、线下活动，实现线上线下互动交流。同时，智慧校园的创建和管理，能够对每个班级、学区进行动态管理，构建出一个以问题、任务为线索，学生实现自主学习的知识体系和促进师生互动、生生互动的智慧管理平台。到2020年，“90%以上的职业院校建成不低于《职业院校数字校园建设规范》要求的数字校园，各地普遍建立推进职业教育信息化持续健康发展的政策机制”[13]，以学习者为中心的自主、泛在学习普遍开展，精准的智能服务能够满足职业教育的终身化定制。
(五)人工智能背景下职业教育的教师发展模式
人工智能背景下职业教育的变革对教师的专业发展、素质能力提出了新要求，改变了教师的能力结构和工作状态。教育信息化大背景下，互联网技术、多媒体手段的产生、智能化设备的使用极大提高了教师的专业发展和能力素养，以适应新课程改革与教育信息化的要求。人工智能背景下职业教育的教师发展模式的建构表现为：首先，新时代教师专业发展的内在要求和外在环境都要求教师能够认识、了解和应用互联网新技术工具，促使教师专业发展能力和素养的提升和丰富。其次，教师的专业发展要面向实际、情境化、网络化的教学问题，教师需要在多变的教育情境中综合运用核心教学技能，将信息技术知识、学科内容知识、教学法知识很好地融合并迁移运用。新时代的教师要学会掌握使用智能化设备和数字化网络资源，积极加强与其他专家、教师的合作，或远程工作，形成基于智慧教育技术的多元化的学习共同体。教师的工作状态由个体的单独工作转变为群体的共同协作，大大提升了教师的工作效率。第三，信息化背景下教师的教学理念要发生转变，由促进学生“接受学习”转变为“主动建构”，由“被动适应”转变为“主动参与”，越来越强调以学生为中心的过程体验，从了解信息技术转变为掌握智慧教育技术，保持学科知识，教学方法，核心技术的动态平衡，促进学生智慧学习的发生。第四，信息化教师要学会使用智能化教育技术，积极开发数字化学习资源，创设丰富多元的教学活动，鼓励学生掌握智能信息工具，学会探究和解决问题，发展提升学生的创新思维能力和信息化学习能力。教师的信息化教学能力和素养全面提升，信息技术应用能力实现常态化。
(六)人工智能背景下职业教育的评价模式
现代教育价值趋于多元，以互联网为基础的智能化信息技术使教育评价在评价依据、评价内容、评价主体等多个方面实现了全面转变。人工智能背景下职业教育的评价模式的建构表现为：首先，互联网信息技术应用于学习过程使得伴随式评价成为可能，更加关注学习者的个体差异和特点。强调过程评价和多元共同评价，更加客观全面，重视评价过程的诊断与改进功能，以促进学习者的个性化发展。其次，互联网、大数据、智能云技术的出现使得评价的技术和手段多样化、智能化，节省人力物力财力，提高了评价的科学性、针对性。第三，以大数据为基础的适应性评价因人而异，可获得及时反馈，可真实地测评学习者的认知结构、能力倾向和个性特征等，从知识领域扩展到技能领域、情感、态度与价值观，构建以学习者核心素养为导向的教育测量与评价体系，促进学习者发展。
(七)人工智能背景下职业教育的管理模式
智能化信息技术、云计算技术、大数据技术等能够促进大规模社会化协同，拓展教育资源与服务的共享性，提高教育管理、决策与评价的智慧性，因此，基于互联网的教育管理必将逐步走向“智慧管理”模式。人工智能背景下职业教育的管理模式的建构表现为：首先，互联网将家庭、学校、社区等紧密、方便地联系在一起，拓宽了家长和社会机构参与学校管理的渠道，各利益相关者可共同参与现代职业院校的学校管理，协作育人。其次，新时代的职业院校管理模式通过可视化界面进行智能化管理，业务数据几乎全部数字化，能有效降低信息管理系统的技术门槛，使管理工作更加轻松、高效。通过深度的数据挖掘与分析，能够实现个性化、精准资源信息的智能推荐和服务，为管理人员和决策者提供及时、全面、精准的数据支持，以提高决策的科学性。第三，通过互联网信息技术可以实现全方位、随时的远程监督与指导，从督导评估转变为实时评估，可以实现大规模的实时沟通与协作，促进社会化分工，促进职业院校内部重构管理业务流程，使管理智能化、网络化、专业化。
(八)人工智能背景下职业教育的组织模式
人工智能时代信息科学技术的蓬勃发展冲击着学校内部的组织结构向智能化、网络化的方向发展，各职业院校需要合理调整内部组织结构和资源分配，通过互联网加快信息流动等方式，提高各职业院校组织管理的效率和活力。人工智能背景下职业教育的组织模式的建构表现为：首先，当今时代人工智能的产生不可能替代学校教育，但可以改变学校教育的基本业务流程。人工智能推动了学校组织结构向网络化方向发展，教学与课程是提供信息数据的重要平台，学校组织则构成了教育大数据生态系统。其次，“互联网+职业教育”的跨界融合将打破学校的围墙的阻隔，互联网将学校组织与企业、科研院所等社会机构紧密联系起来，提供优质教育资源供给，共同承担知识的传授、传播、转化等功能，促进学校组织体系核心要素的重构。第三，建设“智慧校园”，实现线上线下融合的智慧校园育人环境，实施一体化校园网络认证，推动智能化教育资源共建共享，实现职业教育信息化建设的均衡发展。
五、人工智能背景下职业教育的模式变革面临的挑战及发展目标
人工智能将推进大数据、云技术等智能信息技术深层次融入职业教育课程与教学、组织与管理、评价与反馈等领域，形成社会化多元供给，为学习者提供多样化的参与方式、自主选择的学习形式和及时获得反馈的评价途径，有利于实现职业教育的共建、共享、共治。但其全面实现，还面临着诸多挑战。
(一)挑战
首先，职业教育的新模式建构需要充足的资金支持。各职业院校积极建构智慧校园，努力实现智慧化产学研环境，打造一体化智慧城市网络等核心技术的开发，都需要资金的根本保障。政府要给予资金政策保障并加强监管，资金管理部门要合理规划，合理利用，专款专用，落到实处。其次，职业教育的新模式建构的成果表现离不开学习者对技术的理解、掌握和应用。在实际实施过程中，教育工作者既要利用信息技术优势变革职业教育，也要避免技术中心主义倾向，“避免一味追赶技术新潮而不顾学生身心健康等，技术本身是一个祸福相依的辩证法。”[14]第三，“目前的教育实践中，仍未能充分实现人机合理分工和双边优势互补。人工智能终端系统擅长逻辑性、单调重复的工作，而人类则更适合情感性、创造性和社会性的工作。”[15]现阶段，信息化技术水平还有待提高，智能机器不能完全胜任知识传播、数据处理等工作，有待于进一步开发和完善，绝对依赖互联网络和设备，还存在一定的风险。
(二)发展目标
人工智能时代职业教育变革重新架构了职业教育发展模式，完成了对资源的重新整合配置，改变了人的思维方式、学习方式和生活方式。人工智能时代下没有职业教育模式的改革，就不可能建构真正的现代化职业教育。人工智能背景下职业教育的发展目标可以概括为个三方面：
1.“智慧脑”与“智能脑”融通
随着第四次产业革命的到来，信息技术爆发式发展，造就了以电脑、互联网为基础的智能脑。职业教育智慧化发展的一个目标就是如何让学习者发挥人脑“智慧脑”与机器设备“智能脑”的“双脑”共同协作[16]。人工智能时代职业教育与信息技术的深度融合，就是要通过“智慧脑”和“智能脑”的协同作用，发挥互补优势，进行融通式学习，而不是简单地人脑与电脑的技术对接。
2.“现实世界”与“虚拟世界”结合
在人工智能时代，网络虚拟技术的发展使人类拥有了真实与虚拟两个世界，虚拟信息技术的兴起在一定程度上会影响职业教育的实体教育，实体教育的发展也需要虚拟技术的支撑。但在具体的学习实践中，还会存在利用这两个世界时顾此失彼、难以平衡的问题。目前，虚拟化教育技术在职业教育领域不断应用与推广，职业教育的发展模式不断优化，使得职业院校线上线下的边界逐渐消融，“现实世界”与“虚拟世界”更好地结合。人工智能时代职业教育的本质没有发生根本改变，学习者要学会利用这两个世界虚实融合、高度互动，充分发挥出自身的优势，更好地学习与生活。
3.职业教育“适应人工智能”发展为“引领人工智能”
人工智能为职业教育带来了强大的技术支持，为职业教育带来了便利。初始阶段的职业教育基本知识和技能被数字化和智能化，通过人工智能相关课程，云教育模式，个性化学习计划等，适应并应用人工智能，以提高职业教育的效率和质量。职业教育重在技术创新，对于行业技术发展具有一定的引领性作用。未来人工智能将成为职业院校快速发展和转型的技术支撑。“如某些职业院校基于自身优势专业与相关行业的智能自动化企业合作，实现以职业教育发展引领人工智能。”[17]目前，人工智能处于适应性大发展阶段，随着信息化技术的提高和智能化设备的普及，人工智能时代必将由专用人工智能时代步入通用人工智能时代。在通用人工智能时代，人工智能与职业教育深度融合高效协作，职业教育完全适应且完美应用于人工智能，进一步引领人工智能发展，由“人工智能+职业教育”发展为“职业教育+人工智能”的时代。
关键词：人工智能；大数据；交叉领域
自二战时期阿兰•图灵破解恩尼格玛密码机带来胜利的曙光之后，人工智能初见苗头，1956年“人工智能”一词首次由约翰•麦卡锡等科学家在达特茅斯研讨会上提出，时至今日，人工智能经历了60多年的浪潮和洗礼，其中有曙光、有冰封，也有期望。纵观当下，人工智能不仅仅是机器智能，在深度学习和推陈出新的算法推动下，其携手云计算、大数据、卷积神经网络等，攻破了自然语言语音处理、图像识别的瓶颈，像潘多拉的盒子一样在认知科学、机器人学、机器学习等领域全面开花，人工智能涵盖了从基础层、技术层到应用层等多个方面，为人类文明带来了翻天覆地的变化[1-2]。人工智能包罗万象，在其基础上衍生的大数据“洪流”对人类社会的方方面面进行冲击，这些数字的价值已然超越了诸如金钱、财产、黄金、石油，甚至是土地。然而，大数据技术也如同普罗米修斯盗得的圣火，一方面给人间带来温暖和光明，另一方面也有可能使自身被奴役甚至使人葬身火海[3]。因此，当我们沉迷于大数据的海洋中时，我们是否有能力像蓝鲸遨游大海一样自由掌舵，是当今大数据和人工智能时代存在的一个重大问题。是“曲径通幽”还是“会当凌绝顶”，我们如何在大数据中“浮游”，而不是一味地扩充，需要理性看待与合理评价大数据对人类生存和发展的影响。
1.人工智能和大数据与“工业革命”
2020年刚刚结束的新一轮美国总统竞选上演了各种“国家闹剧”，为何特朗普在2016年赢得大选，而4年之后却无法连任？时间推移，2016年他胜利的部分原因在于他利用了面临技术威胁的工业行业中工人们的焦虑，同时指责非法移民对美国及美国人资源和就业机会的占用[4]。但在技术浪潮的挑战中，自动化和人工智能才是占用的“根源”。早在18世纪60年代工业革命时期，机器取代人力，规模化工厂生产取代个体手工生产，即引发了人工智能数据的工业大变革。从机械结构、电气控制等模块的设计和改良，车间机器人的智能化已可以代替人完成生产作业[5]。通过智能化机器人可以减轻劳动负担，还可以用于环境检测[6]和实施救援[7]等，保护我们的人身安全。这些“机器人”在为我们减负的同时确实也引发了“失业危机”，这种现象不仅于美国，日本、韩国和德国亦是如此。我们也许可以形象一下，未来20或30年后，工厂中工伤几乎为“零”，完全实施机器人24小时作业，速度惊人，质量统一，而仅有的几个人使用简单的触摸界面对机器下达“命令”。机器的发展已超乎我们对普通机械的认知，21世纪开发的三大机器人中大狗（BigDog）解决了运动和重载运输问题，特别用于军事领域，被誉为“当前世界上最先进适应崎岖地形的机器人”；亚美尼亚（Asimo）从人类如何移动上展现了机器人仿人运动；Cog具有了人类所特有的思考，由不同处理器组成的异种机互联网络形成了“大脑”。特斯拉——其除了是电动汽车和能源公司外，还是自动驾驶汽车行业的领跑者之一。其2016年已销售具有自动驾驶、自动自制和自动停车功能的电动汽车，但出于法律和伦理层面，驾驶员还是要坐在驾驶位上，但他可以做他想做的其他事，发短信、打电话或是休息，而不再是驾驶汽车。我们可以不用担心酒驾，不用因为时间紧张而疲劳驾驶，不必为新手司机而变得脾气暴躁……汽车自动驾驶将让我们行驶得更规则、更安全和更“无聊”。自动驾驶上的智能进化，使得自驾型派送车为商业化服务成为可能，还有自驾型飞行器也在被研发，通用、宝马、谷歌等公司一直在努力开发，通过无人机在您家门口投送包裹将对电子商务世界带来更多创造性方案。“如果你够走运的话，机器可以把你当成宠物。”虽为戏谑之言，却又饱含心酸。工厂变得越来越自动化，但其仍需要人类专家，他们才知道如何监控传感器，知道在发生故障时如何进行修复，机器的运行离不开人的监控，只有人的思考才能有新产品的诞生以及高效的生产流程，我们与机器共存，是从体力中解放，但要从事脑力工作。
2.人工智能和大数据与金融的未来
“数字蝶变”席卷金融行业各个领域[8]，金融行业应用大数据、移动互联网、人工智能等先进信息技术，累积了非常多的客户信息。通过大数据的帮助，金融公司在分析数据下寻找更多的金融创新机会。在商业智能（BI）的辅助下，电信业可以对客服描述和定位及需求进行预测；保险业可以在进行风险分析的同时进行损益判断；银行业可以调整市场活动，建立信贷预警机制等等[9]。人工智能和大数据让金融业形成了“以客户为中心”的模式。与客户最密切的金融即是金钱，但是它们已经被“支付宝”和“微信”以及更多的电子支付方式取代，越来越少的人使用现金，数字金钱是否会完全取代物质金钱，我们很可能会发展为无现金社会。那么首先“下岗”的是谁呢？答案毫无疑问：银行。巴克莱银行前首席执行官安东尼•詹金斯曾预测，对于工业化国家，银行员工和其分支机构在未来10年内会消失；花旗全球视角与解决方案的一项研究预测，美国和欧洲的银行将在未来10年裁减约180万员工；甚至2016年2月的一份丹麦银行家协会新闻稿表示，银行抢劫案数量连续第5年下降。就支付领域而言，在这样的时代背景下，如何利用大数据技术对跨越式发展的支付行业进行监管，成为一个值得深入研究的课题[10]。在人工智能下，我们都有被银行自动回复或自会读取特定问题的“员工”惹恼过。沟通技巧和财务知识同样重要，因此，银行业员工的下岗只是在基础性操作上，对于“专业咨询”，需要更多受过高等教育、具有更好沟通能力的员工。目前，我国的多数银行还没建立“开放、共享、融合”的大数据体系，数据整合和部门协调等问题仍是阻碍我国金融机构将数据转化为价值的主要瓶颈。大数据的整合、跨企业的外部大数据合作不可避免地加大客户隐私信息泄露的风险。有效防范信息安全风险成为商业银行大数据应用中急需解决的问题。
3.人工智能和大数据与“专家系统”
电子病历数据、医学影像数据、用药记录等构成了医疗大数据。医疗数据不仅包括大数据的“4V”特点，即规模大（volume）、类型多样（variety）、增长快（velocity）、价值巨大（value），还包括：时序性、隐私性、不完整性和长期保存性。医疗大数据可以提供预警性，当数据发生异常时，通过一定的机制可以发出警告，从而迅速采取相应措施，及时解决问题[11]。成立于1989年的美国胸外科协会（STS）数据库，至今已经涵盖了美国95%的心脏手术，收集了500万条手术记录[12]。其中的先天性心脏手术（CHSD）数据库是STS数据库的重要组成部分，是北美最大的关注儿童先天性心脏畸形的数据库，被认为是医学专业临床结果数据库的金标准。近年来，基于CHSD数据库所进行的数据挖掘不断增加，大型数据库对提高医疗质量所起到的正向作用正在日益凸显。如Welke等基于CHSD数据库探讨小儿心脏外科病例数量和死亡率之间的复杂关系[13]；Pasquali等基于CHSD数据库探讨新生儿Blalock—taussig分流术后的死亡率[14]；Jacobs等基于CHSD数据库采用多变量分析方法来研究病人术前因素的重要性[15]；Dibardino等基于CHSD数据库采用多变量分析的方法来探讨性别和种族对进行先天性心脏手术结果的影响[16]。这些都是在医疗领域采用人工智能提供的医疗诊断，形成了“专家系统”，专家系统可以说是一种最成功的人工智能技术，它能生成全面而有效的结果。借助医疗大数据的平台，“专家系统”可以智能辅助诊疗、影像数据分析与影像智能诊断、合理用药、远程监控、精准医疗、成本与疗效分析、绩效管理、医院控费、医疗质量分析等。不仅是数据平台，“达芬奇机器人”可以看成医疗的高精尖“人工智能”，它能缩短泌尿外科手术以及术后患者恢复时间，促进患者早期下床活动，减低并发症发生率[17]。达芬奇手术机器人在消化系统肿瘤、泌尿系统肿瘤、妇科肿瘤和心胸部肿瘤等手术中均有运用[18]。正是机器人，还有其他人工智能设备，如插入手表或衣服里的传感器、植入我们皮肤下的芯片，以及智能手机中装有各种“专家系统”的远程医疗、预防医学，甚至是器官的3D打印和虚拟现实治疗等的发展，让医学发生相应的转变，并使其逐步突破人类的传统健康概念，那么是否意味着医学将成为只有科学性，毫无直觉性的学科呢？我们携带的内部传感器和外部应用程序将成为我们的医生吗？“你好，医生”被“嘿，Siri”取代吗？这不尽然。医学必然将是向精准化发展，并更具个性化、参与性、预防性和可预测性。医生不再是疾病的修理工，而是改善我们健康状况的顾问。直观当下，我们还是被“看病难”所困扰，我们提出“分级诊疗”，是在拥有家庭医生、全科医生和专科医生的基础上再加上人工智能，以实现预期的健康监测、辅助诊疗和疾病筛查。
4.人工智能和大数据与教育变革
面对各行业和各学科，教育作为传承文明和创新知识的载体，似乎被排除在人工智能之外。就目前而言，人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题[19]。我国目前更想要做到的是在教育上消除“信息鸿沟”，促进教育公平、均衡发展。因此，目前可以看到人工智能的教育多在于语言学习软件，通过虚拟技术和人工智能构建一个灵活的、可扩充的虚拟交互平台，设计多维虚拟场景和智能人工角色，实现不同场景下人机角色的交流和学习，提升学习者的口语能力和语感知识[20]。这使得教师不再是唯一的知识传播者，任何互联网搜索引擎都将提供比教师所有的更多信息，并且可以更快捷地获取。肺炎疫情暴发以来，远程网络教育成了主要教学形式，互联网教育形式其实早在小学、中学和大学中运用，虚拟现实技术在教学领域的研究和探索也在全面展开。谷歌已经开发一款VR纸板视图，并将研发的虚拟课程一起推向市场，使现实生活中在生物课上解剖一只青蛙成为一件容易且有趣的事，通过虚拟青蛙，学生们可以去除心脏和其他器官，而不再是象征性的抽象体验。虚拟现实可以像互动游戏一样，比单一的在教室听老师授课带来更多乐趣和体验，学习效果可能更好。我们的学习是知识的积累，那么教育就是我们的库，荀静等结合自身情况对西安工业大学知识库构建进行探究，认为机构知识库在保存知识资产的同时，更重要的是促进学校知识资产的传播利用和管理，提升学校影响力和学术声誉[21]。刘畅等通过对东北大学机构知识库服务的推广研究，了解到开放获取的概念和实践已经受到了广泛的认可，机构知识库不仅可以成为一个知识的存储库，也可以成为各个学科领域的学者进行在线交流的平台，提供个性化的增值服务，既有利于机构知识库的内容建设，也可以进一步促进学术交流和科研合作[22]。知识库，即大数据的有机整合和有序利用，是学术成果、视频文档、实验数据等进行收集、长期保存、传播和提供开放利用的知识资产管理与教育服务[23]。
5.人工智能和大数据应用的共性需求
人工智能和大数据时代，海量的信息来自“五湖四海”，但都通过互联网络汇聚智能终端。这些数据只会进一步增多，不仅仅是云存储，对于信息的进一步挖掘、处理、分析和利用，目标性结果才是我们最想要的信息。全球包括IBM、微软、谷歌和亚马逊等一大批知名企业纷纷掘金大数据挖掘这一市场，大家都在开拓自己大数据分析平台。数据挖掘是大数据时代孕育的产物[24]，是我们的共性需求，与传统的统计分析技术相比，数据挖掘有着自身的本质特征,数据挖掘是在没有明确假设的前提下去挖掘信息并发现知识。数据挖掘所得到的信具有先前未知、有效以及可实用三个特征[25]。数据挖掘的出现不是为了替代传统的统计分析技术,相反，它是统计分析方法学的延伸和扩展[26]。随着信息时代的到来，数据挖掘被越来越多地应用于各个领域。
6.人工智能和大数据的展望
大数据与人工智能相辅相成，在人工智能的加持下，海量的大数据输出优化的结果，使人工智能向更为智能的方向进步，大数据与人工智能的结合将在更多领域中击败人类所能够做到的极限。漫长的人类历史发展和进化，信息和人类一直“缠缠绵绵”“你追我藏”，因此，我们应该明白信息就是信息，我们需要的是“维基百科”，而不是仅仅的“维基”。走出狭隘的信息资源，管理和洞察大数据，才是对数据的有用。因为，我们早已告别了数据库放在一间房间的时代。此刻不得不提蓝鲸法则——大数据之道：了解数据懂得利用数据的“浮力”才是关键；“以简约为目标”将数据最终形成洞察及行为；可以通过“数据”“信息”“知识”流程式、组合式、直通车式各种需要的方式来获取[27]，在简约中“印象”处理繁杂的大数据，使之“为我所用”。=数据也是一门科学、一项技术，如果实验不能证明其具有可重复性和一般性，那它是没有科学依据，但是，任何一项科技，如果你坚信它必将改变社会和商业，选择从长期展望其发展并持续付出努力，那么就是一种战略选择[29]。人类社会的政治、经济、文化、思维等固有“态势”被重刷，数据思维将为我们带来一个智能全新的世界观。
10月21日，2016英特尔中国行业峰会在珠海召开，来自医疗、金融、交通、零售、能源、教育等行业的企业代表分享了他们对于数字化变革的理解与实践。这本该是英特尔中国行业峰会的主旋律，但是实际是与会嘉宾对人工智能的话题表现出更大的热情，有点喧宾夺主的味道。
得AI者得未来
2015年底，许多机构在展望2016年度科技领域时几乎会不约而同地将人工智能列为重点方向之一。现在来看，人工智能的火爆程度让最乐观的预测者都大跌眼镜，这得归结于AlphaGo的推波助澜。
正如文章开始所说，人工智能的使命便是完成海量物联网数据的商业价值转化。根据相关预测，2021年，全球将会拥有18亿台PC，86亿台移动设备，157亿台物联网设备。而到2035年，物联网设备的数量将会超过1万亿台，相应的数据数量将会增长2400倍，从1 EB增长到2.3ZB。如何有效管理、控制和利用如此浩瀚的数据，人工智能是解决之道。
所以说，得物联网者得未来，而得人工智能者将执物联网之牛耳。只有人工智能才能为“万物互联”之后的应用问题提供最佳的解决方案。
2016英特尔中国行业峰会上，英特尔与科大讯飞公司签署合作备忘录，双方将在人工智能领域展开为期三年的基于英特尔至强处理器+英特尔至强融核处理器，以及英特尔至强处理器+FPGA为基础的机器学习/深度学习研究项目。科大讯飞联合创始人，讯飞研究院副院长王智国博士非常到位地点评了这一合作：“一直以来，我们双方都致力于人工智能技术的创新和行业的推动，一方擅长底层计算架构，一方擅长算法及应用。我们期待双方在人工智能技术上的深度合作能够推动硬件和软件的协同设计及优化，共同发现人工智能计算平台创新的解决方案，推动人工智能产业的发展，并通过这些创新的技术支持更多行业用户进行业务转型。”
作为全球最大的半导体芯片制造商，英特尔的公司定位正在悄然发生变化。如今，英特尔将自己定位为“一家致力于驱动云计算和智能互联计算的公司”。可见人工智能已经成为英特尔公司的未来战略方向之一。
人工智能对计算力资源的需求到底有多大，现在谁也无法预判，这就像是个“计算黑洞”。但有一点可以肯定，人工智能是高性能计算在现在和未来的进一步延展和进化，而这恰好是英特尔的优势所在。
对英特尔而言，进入人工智能领域是水到渠成的事情，也是技术上的自然演进。从另一个角度看，物联网和人工智能是历史摆在英特尔公司面前一次前所未有机遇，其空间和舞台远大于PC时代和互联网时代。送上门的蛋糕（要知道，当今世界90%以上的数据都是由英特尔处理器来承载的），岂能让它从嘴边溜走。
从资本到技术，从硬件到软件
基于新的公司定位，英特尔开始从资本层面进行帝国的战略布局。作为硅谷最大的企业风司，英特尔投资总裁Wendell Brooks 说“会把未来的投资聚焦于那些能够更好拓展公司业务发展的领域”，人工智能毫无疑问是重中之重。
9月宣布将收购计算机视觉创业公司Movidius，后者致力于研发低功耗的计算机视觉芯片；8月将Nervana收入囊中，后者主攻半导体、软件和AI深度学习技术；5月宣布将收购专注于计算机视觉技术开发的俄罗斯公司Itseez；4月收购意大利半导体功能性安全方案厂商Yogitech；2015年12月完成了对可编程逻辑器件厂商Altera的收购；2015年10月收购了人工智能公司Saffron Technology……
针对某一业务领域展开如此高密度地集中收购，无论是在英特尔公司历史还是整个IT行业都是十分罕见的。可见，英特尔布局人工智能的决心之大。
由于技术因素，专用领域的智能化是人工智能未来5到10年的主要应用方向，比如自动驾驶。在更远的将来，随着技术的进一步突破，通用领域的智能化有望实现。但无论是专用还是通用领域，人工智能都将围绕“基础资源-技术平台-业务应用”这三层基本架构形成生态圈。
在人工智能上，英特尔能做些什么？仅仅是提供计算平台吗？当然不是，这从英特尔的疯狂收购中也看得出。
长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(mit)、卡内基-梅隆大学 (cmu)到ibm公司，再到日本的本田公司、sony公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着ai技术的实验。不久前，著 名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(a.i.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领 域的兴趣。
在本期技术专题中，中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这一充满挑战与机遇的领域。
计算机与人工智能
"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。intelegere是从中进行选择，进而 理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联 系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵(turing)提出了"自动机"理论，把研究 会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。
人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence，ai)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以 及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行 情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的ibm的"深 蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。
当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发 展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运行一些要求更高的ai软件，而且现在的ai具备了更多的 现实应用的基础。90年代以来，人工智能研究又出现了新的。
我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员，请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有无穷魅力的领域。
问: 目前人工智能研究出现了新的，那么现在有哪些新的研究热点和实际应用呢？
答: ai研究出现了新的，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容 量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是: 智能接口、数据挖掘、主体及多主体系统。
智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的 翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显 著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据 挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半 结构化和非结构化数据中的知识发现以及网上数据挖掘等。
主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务， 而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多 主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多 主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
问: 您在人工智能领域研究了几十年，参与了许多国家重点研究课题，非常清楚国内外目前人工智能领域的研究情况。您认为目前我国人工智能的研究情况如何？
答: 我国开始"863计划"时，正值全世界的人工智能热潮。"863-306"主题的名称是"智能计算机系统"，其任务就是在充分发掘现有计算机潜力的基础 上，分析现有计算机在应用中的缺陷和"瓶颈"，用人工智能技术克服这些问题，建立起更为和谐的人-机环境。经过十几年来的努力，我们缩短了我国人工智能技 术与世界先进水平的差距，也为未来的发展奠定了技术和人才基础。
但是也应该看到目前我国人工智能研究中还存在一些问题，其特点是: 课题比较分散，应用项目偏多、基础研究比例略少、理论研究与实际应用需求结合不够紧密。选题时，容易跟着国外的选题走; 立项论证时，惯于考虑国外怎么做; 落实项目时，又往往顾及面面俱到，大而全; 再加上受研究经费的限制，所以很多课题既没有取得理论上的突破，也没有太大的实际应用价值。
今后，基础研究的比例应该适当提高，同时人工智能研究一定要与应用需求相结合。科学研究讲创新，而创新必须接受应用和市场的检验。因此，我们不仅要善于找到解决问题的答案，更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。
问: 请您预测一下人工智能将来会向哪些方面发展？
答: 技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。
目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来 人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
什么是人工智能？
人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的 角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。
ai理论的实用性
在一年一度at&t实验室举行的机器人足球赛中，每支球队的"球员"都装备上了ai软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白 有些情况下不能死守岗位。尽管现在的ai技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。
这种ai机器人组队打比赛看似无聊，但是有很强的现实意义。因为通过这类活动可以加强机器之间的协作能力。我们知道，internet是由无数台服务器和 无数台路由器组成的，路由器的作用就是为各自的数据选择通道并加以传送，如果利用一些智能化的路由器很好地协作，就能分析出传输数据的最佳路径，从而可以 大大减少网络堵塞。
我国也已经在大学中开展了机器人足球赛，有很多学校组队参加，引起了大学生对人工智能研究的兴趣。
未来的ai产品
安放于加州劳伦斯·利佛摩尔国家实验室的asci white电脑，是ibm制造的世界最快的超级电脑，但其智力能力也仅为人脑的千分之一。现在，ibm正在开发能力更为强大的新超级电脑--"蓝色牛仔" (blue jean)。据其研究主任保罗·霍恩称，预计于4年后诞生的"蓝色牛仔"的智力水平将大致与人脑相当。
［关键词］人工智能;会计职能;财务管理
1人工智能的概念
人工智能是通过对人认知的研究，通过开发与模拟人的认知能力形成的集理论、技术于一体的科学。人工智能随着计算机的发展而不断发展，所有的人工智能几乎都有机器人的介入。
2人工智能在会计中的应用
2.1OCR的应用
会计信息处理的源头便是对原始凭证进行整理与处理。传统的会计往往通过人工录入或计算机录入，OCR技术通过光学录入，将凭证扫描为图片并向计算机输入与转换。同时，使用OCR技术完成工作还能避免错误率，提高会计信息的准确性与及时性，最大程度地降低了人工成本，提高了会计工作的效率。
2.2云会计的应用
云会计通过网络向企业提供核算需求，并向企业提供一定的会计服务与决策支持。传统的财务核算软件需要通过规定的网络或系统才能使用，云会计实现了只要有互联网，就可以接入会计系统。国内的大型软件公司已经了云会计软件，同时还将人工智能引入到会计工作当中。云会计通过使用合适的方法对会计进行处理，首先对原始数据进行收集并自动编制凭证，同时对网银进行监测，自动生成电子凭证。其次，云会计能够有效识别数据的类型化，并自动分类保存会计数据，实现数据的高效处理。最后，云会计能够实现对信息的合理分析，加强对会计信息的管理，从而为企业决策提供依据。
2.3XBRL语言技术的应用
为了应对会计核算的需要，人工智能设计了XBRL语言，对商业报告语言拓展，并在对软件的恰当结合后，为信息的使用者提供高效的服务，让财务信息具有更高的价值。
3人工智能对当代会计的影响
3.1对会计人员的影响
我国基础会计人员人数较多，因此人工智能时代的到来也将对众多的会计人员带来深远的影响。人工智能时代的到来将对会计行业造成一定的冲击，越来越多的财务岗位也会被财务机器人所取代。财务机器人具有工作效率高、计算精确等一系列优点，且能从事多个财务人员的工作。因此，未来从事基础核算的会计人员需求量将极大减少，会计的职能也从基础的财务核算转向了财务预算与财务分析等一系列高附加值的工作。会计工作现阶段面临着转型，就如同当年电算化代替手工账一样，财务机器人也必将代替传统的财务核算模式。因此会计人员需要积极应对智能化时代下的会计工作的转型，如果不实现自我的转型，那么将在未来的工作中遭受淘汰的风险。
3.2从对会计学科的影响
会计学科研究的是发生的各项经济活动的数据，对数据进行收集与整理，并进行统一的数据分析与解释，以提高经济活动的效率，是一门应用型学科。会计学的会计主体较为明确，核算程序与核算制度较为严格，核算方法也较为科学。随着人工智能的出现，以往的会计核算体系不再适用，会计核算系统将越来越具智能化趋势，且核算的流程与方法趋于规范化。随着时代的发展，未来人工智能将取代传统的会计核算模式，会计学科的研究重点也将转向对管理会计的预测与决策职能。核算会计向管理会计的转型，也将影响到会计学科的建设，使会计学科重建。
3.3从对会计工作的影响
随着互联网的发展和大数据时代的到来，会计行业对计算机技术的使用也得到了巨大的转变，从电算化代替手工记账，再到人工智能代替电算化核算，会计工作逐步变得简洁与高效，有效提高了会计工作的及时性与准确性。人工智能时代下，财务机器人自动处理会计数据是在高度发展的网络信息平台下实现的，前沿的技术也将进一步推进会计工作的改革，改善会计工作的效率，促进会计工作的标准化与流程化，会计管理将在未来成为会计工作的首要职能。
4人工智能环境下如何实现当代会计基本职能的转变与融合
4.1由核算职能向管理职能的转变
会计人员要从核算会计向管理会计转型，企业财务人员要学会根据数理统计的方法，结合主观判断，预测企业未来的财务趋势以及行业变化。对未来的前景进行预测也体现了管理会计的事先性。财务机器人只能根据程序提供各种预测数据，而对预测数据进行分析与评价需要由会计人员的主观能力进行，也需要一定的职业经验。另外，财务机器人可以对投资方案进行定量分析，但是如何择优则需要有经验的会计人员结合自身经验进行定性分析，包括对历史经验以及行业的比较来权衡各种利弊方案。同时，会计人员要学会构建完善的预算体系，实现对企业各类资源的合理配置，提升企业活动的均衡性，找出预算和绩效之间的偏差，并提出合理的优化对策，这一类会计职能是财务机器人不能完成的。
4.2提升会计人员素质适应人工智能时代
随着会计职能的转变，未来需要的基础会计人员数量将大幅减少，会计人员也需要向精英化的管理会计转型。管理会计是对公司的高层次管理，这就要求会计人员不仅明确会计预算、决策的方式，更需要有一定的大数据知识及网络技术，因此会计人员需要加强学习，适应人工智能时代的职能转变。人工智能时代的到来，会计的基本职能不再是核算与监督，而是预测与决策，管理会计将成为会计的首要职能，因此会计人员需要全面学习专业的管理会计知识，掌握与人工智能理论相关的方法，以提高职业素养。同时，在管理会计的时代下必将实现业财融合，因此会计人员不仅要对会计有一定的掌握，还需要了解企业的业务以及行业的情况，为自身的决策与分析提供依据。因此，未来需要的会计人才是复合型精英型人才，会计人员只有提高自身的专业素养与综合能力，才能适应未来的会计工作。
4.3完善会计学科的知识体系
随着人工智能时代的到来，会计学科的转变也成为了迫切的需求。会计学科体系将受到巨大的影响，未来会计学科将增加如何操作财务机器人、如何使用网络技术与大数据技术以及云计算等相关技术，如何使用计算机编程技术等。在人工智能时代，会计学科应加强会计人员的培养，建立完善的法律法规和组织体系，防止通过网络技术恶意获得会计信息，改善相应的法律体系，为人工智能在会计体系中的普及提供条件。
关键词:数据挖掘;统计学;比较
中图分类号:TP311.131文献标识码:A文章编号:1007-9599 (2010) 06-0000-01
Comparison of Data Mining and Statistical Analysis
Kong Pengxiang
(Laiwu Iron&Steel Group Co, Ltd.,Training Centre,Laiwu271104,China)
Abstract:Data mining from statistical analysis,but different from the statistical analysis.Data mining is not intended to replace the traditional statistical analysis techniques,on the contrary,statistical analysis of data mining is an expansion and extension.
Keywords:Data mining;Statistical analysis;Comparison
随着科学技术的发展,利用数据库技术来存储管理数据,利用机器学习的方法来分析数据,从而挖掘出大量的隐藏在数据背后的知识。这种思想的结合形成了现在深受人们关注的非常热门的研究领域:数据库中的知识发现――KDD(Knowledge Discovery in Databases),其中,数据挖掘技术便是KDD中的一个最为关键的环节。
一、数据挖掘简介
(一)数据挖掘的含义和功能
数据挖掘―DM(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科,它汇聚了数据库、人工智能、统计学、可视化、并行计算等不同学科和领域,近年来受到各界的广泛关注。
一般说来,数据挖掘是一个利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程,这些模型和关系可以用来做出决策和预测。它强调对大量观测到的数据库的处理。它是涉及数据库管理、人工智能、机器学习、模式识别、及数据可视化等学科的边缘学科。
作为一门处理数据的新兴技术,数据挖掘有许多的新特征。首先,数据挖掘面对的是海量的数据,这也是数据挖掘产生的原因。其次,数据可能是不完全的、有噪声的、随机的,有复杂的数据结构,维数大。最后,数据挖掘所采用的技术涉及到:数据库、人工智能、统计学、可视化、并行计算等不同学科和领域。
二、统计学的含义
统计学最初是作为一门实质性科学建立起来的,它从数量上研究某类具体的现象(如社会经济发展)的规律,但是,随着统计学研究范围的不断扩大以及统计方法在社会领域和自然领域内的有效应用,加之统计方法体系本身的不断发展和完善,使得统计学的研究对象也发生了变化。统计学已从实质性科学中分离出来,转而研究统计方法,成为一门方法论的科学。即统计学是研究如何搜集数据、整理数据和分析数据的一门方法论科学。
从本质上看,统计工作的核心就是数据(或者信息)的采集、分析和处理,正如权威的不列颠百科全书将统计定义为“statistics:the science of collecting,analyzing,presenting,and interpreting data”即“统计:收集、分析、表述和解释数据”
三、数据挖掘与统计学的比较
数据挖掘来源于统计分析,而又不同于统计分析。数据挖掘不是为了替代传统的统计分析技术,相反,数据挖掘是统计分析方法的扩展和延伸。大多数的统计分析技术都基于完善的数学理论和高超的技巧,其预测的准确程度还是令人满意的,但对于使用者的知识要求比较高。而随着计算机能力的不断发展,数据挖掘可以利用相对简单和固定程序完成同样的功能。新的计算算法的产生如神经网络、决策树使人们不需了解到其内部复杂的原理也可以通过这些方法获得良好的分析和预测效果。
由于数据挖掘和统计分析根深蒂固的联系,通常的数据挖掘工具都能够通过可选件或自身提供统计分析功能。这些功能对于数据挖掘的前期数据探索和数据挖掘之后对数据进行总结和分析都是十分必要的。统计分析所提供的诸如方差分析、假设检验、相关性分析、线性预测、时间序列分析等功能都有助于数据挖掘前期对数据进行探索,发现数据挖掘的题目、找出数据挖掘的目标、确定数据挖掘所需涉及的变量、对数据源进行抽样等等。所有这些前期工作对数据挖掘的效果产生重大影响。而数据挖掘的结果也需要统计分析的描述功能(最大值、最小值、平均值、方差、四分位、个数、概率分配)进行具体描述,使数据挖掘的结果能够被用户了解。因此,统计分析和数据挖掘是相辅相成的过程,两者的合理配合是数据挖掘成功的重要条件。
四、小结
数据挖掘理论与技术的产生,促进了统计学发展的同时,也提出了更多的挑战。如何更好地使用数据挖掘和统计为解决社会实际问题做出贡献,是统计学家和数据挖掘研究者共同关心的话题。数据挖掘和统计学应该相互学习和渗透,各自分工,协同工作,共同为挖掘隐藏在复杂现象背后的有价值的知识贡献力量。
参考文献:
[1]Jiawei Han,Micheline Kambr.数据挖掘――概念与技术(影印版)[M].北京:高等教育出版社,2001
[2]韩明.数据挖掘及其对统计学的挑战[J].统计研究,2001,8
关键词：对弈机器人；五子棋；图像识别；PLC；实验教学
中图分类号：TP242.6 文献标识码：A
Abstract：This paper designed and developed a robot system can real-time game Gobang with people.The chess robot identifies chessboard information with the camera，then make up the decision with the strategy system，and then execute action through the mechanical arm.This paper introduced the software and hardware design，implementation and debugging of each function module of the system.It has been testified that the robot achieved human-computer interaction at low cost，and played a promoting role in the experimental teaching of computer control device，artificial intelligence，software technology curriculum.
Keywords：chess robot；Gobang；image recognition；PLC；experiment teaching
1 引言（Introduction）
“人工智能之父”图灵在1950年曾说：“下棋是很抽象的活动，是机器可以和人竞争的纯智能领域之一[1]。”随着1997年“深蓝”战胜人类国际象棋冠军卡斯帕罗夫，人机对弈成为一种人工智能的代表应用形式，被普通民众所熟知。
随着计算机软件技术的普及，人机对弈类型的应用软件层出不穷[2-4]，丰富了人们的休闲娱乐生活。随着机器人技术的快速发展，娱乐机器人成为机器人领域中一支极具前景的新生力量[5]，新的技术也对人机对弈平台在人机交互方式[6]和真实用户体验方面提出了新的需求。国内的人机对弈系统一般针对中国象棋或五子棋[3-7]，其中五子棋尤其具有现代休闲“短、平、快”的特征[2]。本文设计制作了一个实时交互的五子棋人机对弈系统，旨在提供一个具有真实用户体验，服务于相关课程实验教学的人机对弈实验平台。
2 系统总体设计（System design）
五子棋人机对弈系统主要包括视觉系统、策略系统和机械臂系统三大功能模块，系统总体结构如图1所示。视觉系统对棋盘进行图像采集，通过特定的图像识别算法对双方棋子进行识别和定位，得到当前的棋盘布局。策略系统对当前棋盘布局进行分析，调用智能对弈算法计算出最优落子位置坐标，并换算成为执行器的动作量，通过串行数据线发送至机械臂系统，由其完成取子、移动、落子等运动控制。从而在真实的棋盘上实现人机对弈。策略系统提供可视化的人机界面，能将视觉系统得到的棋盘布局图形化显示，实现对弈过程中界面与棋盘信息的同步。此外，用户亦可通过人机界面与策略系统进行纯软件的虚拟对弈，增强了趣味性，丰富了实验内容。
3 视觉系统（Vision system）
视觉子系统是机器人的眼睛，由摄像头与图像处理算法组成，系统结构如图2所示。摄像头采集棋盘图像，通过USB传至装有图像处理程序的计算机，再经过色块分割、识别和定位得到双方棋子的布局情况，上传至策略系统。摄像头型号为PHILIPS SPC900NC，USB接口，最高帧速率为90幅/s，安装于棋盘正上方。图像处理算法通过C++语言实现，开发平台为Visio Studio 2010，程序流程如图3所示。
图像识别[8，9]的步骤为：色块分割、棋子识别、棋子定位。首先根据颜色特征来区分双方棋子。将摄像头获取图像转换为YUV颜色空间信息，分别定义双方棋子颜色的阈值范围，即可将图像分成不同颜色的色块。综合考虑图像噪声等因素的影响，根据色块面积、形状等特征严格地判断是否为待识别目标。为了辅助定位，在棋盘的四个角上用不同于棋子的颜色作为标记，因此实际的目标识别还包括对四角标志点的识别。识别出标志点后，根据棋子和标志点的图像坐标的关系，即可获得具体的位置信息，识别效果如图4所示。
4 策略系统（Strategy system）
策略系统是机器人的大脑，系统结构如图5所示。它接收来自视觉系统的棋盘位置信息，判断当前的胜负关系，计算出下一步落子点坐标，再经过机械臂控制执行换算得到输出动作量，通过串行口发送至机械臂系统。策略系统通过计算机软件编程实现，包括智能决策算法与人机界面两部分。智能决策算法采用C++语言开发，界面采用C#语言开发，开发平台为Visio Studio 2010。
4.1 智能决策算法
智能决策算法主要包括最优落子点的计算，胜负判定和控制执行换算三部分，程序流程如图6所示。计算最优落子点采用最直接也是最有效的遍历搜索法。预设棋盘布局为10格×10格，计算可得双方均分别有192种取胜的状态。首先对取胜缓冲标识区以及双方的搜索空间分别进行初始化；随着双方对弈的深入，棋子的增长与局势的变化，系统通过判断对方所有符合条件的取胜状态及其威胁性，按照一定的加分规则来更新搜索空间的评价值，以数值最大的点为下一步的最佳落子点，如此往复循环。对于结果的判断比较简单，取胜的条件为五子连线；平局的条件为棋子布满棋盘。
在真实对弈的过程中，机器人的落子行为通过机械臂系统来执行，机械臂控制执行换算实现最优落子点坐标与机械臂动作量之间的数值转换。根据机械手爪的位置与目标落子点的坐标，规划出最优的移动路径；再结合机械臂各个自由度上的机械参数，计算得到各执行电机的输出动作量。
4.2 人机界面
人机界面是棋盘之外的辅助人机交互接口，具有参数设置、信息可视化和软件模拟的功能。人机界面如图7所示，设计有黑、白方的选择按钮，启动、停止、重启比赛按钮，串口参数设置以及计时器等功能模块；与实际对弈竞赛一样，人/机双方在落子之后还需点击相应的“落子确认”按钮。由于系统具有真实和虚拟两种人机对弈模式，在真实对弈过程中，界面能实时显示当前的棋盘布局；在虚拟对弈过程中，用户直接通过界面与智能对弈算法进行较量。
5 机械臂系统（The mechanical arm system）
机械臂系统是机器人的手臂，系统结构如图8所示，它通过RS-232接收来自策略系统的电机输出动作量，经可编程控制器（PLC）转换为相应的脉冲信号，由开关量输出（DO）端口传送至驱动器，控制电机和电磁阀带动转盘、丝杆及汽缸动作。结合开关量输入（DI）端口接收到的位置传感器反馈信号，完成在立体空间中抓取、移动和放置棋子的动作。
机械臂系统选用亚龙公司YL-SJ-Z型工业机械臂实训台，由全金属架构搭建而成（长×宽×高：1200mm×780mm×840mm）。通过垂直、水平和底盘旋转三个自由度的活动环节，实现机械手爪在一定三维空间区域内活动定位，即使用了坐标式架构。底盘旋转通过直流减速电机与光电码盘配合实现精确定位；垂直与水平移动分别由两个步进电机带滚珠动丝杆旋进，行程终点装有限位开关，保证电机安全运行；机械手爪采用高精度气动式手爪，配备电磁位置开关及两位三通电磁阀，实现快速准确的抓取和放开动作。
实训台的主控制器为欧姆龙CP1H-XA40DT-D型PLC，CP1H-XA40DT-D是一款紧凑型一体化高性能PLC，具有24路DI和16路DO，直流24V供电，能通过USB与RS-232/485等多种方式与计算机通讯。PLC程序采用梯形图编程语言编写，开发软件为CX-programmer7.0。程序流程如图9所示，可分为抓取棋子，接收串口数据，产生并发送控制信号，移动至落子位置，放置棋子，返回起点几个步骤。
6 结论（Conclusion）
将各功能模块联机调试，挑选学生志愿者与机器人进行对弈测试，实验结果表明，真实对弈与虚拟对弈都较好地实现了预期目标，尤其是真实对弈模式在一定区域内很好地实现了棋子的识别，机械手取子、移动、落子等动作，给用户沉浸式的操作体验。实际测试效果如图10所示。系统各功能模块都具有通用的软硬件接口，供学生探索研究和继续开发，已经应用于计算机控制装置、人工智能、软件技术等课程的实验教学，收到良好的效果。
对弈机器人利用硬件设备将人机交互实物化，更加符合传统对弈的形式，在教学研究、科技展示、家庭娱乐等方面具有相当的应用价值。通用的硬件配置，个性化的软件设计，既降低了开发成本，也使系统具有较强的可移植性。
参考文献（References）
[1] 魏宁.人机对弈体现了机器具有智能吗[J].中国信息技术教育，2008（10）： 33-34.
[2] 吴四光.人机对弈的设计及实现[J].电子测试，2013（9）：35-36.
[3] 张佳佳.五子棋对战平台的设计与实现[J].电脑知识与技术，2012，22（8）：5409-5411.
[4] 周玮，等.一个智能算法对弈平台的研制[J].实验室研究与探索，2005（24）：331-333.
[5] 徐丽丽，等.基于Mega128的象棋机器人对弈系统的研究[J].传感器世界，2013（12）：31-34.
[6] 黄立波，等.实时环境下的对弈机器人控制系统设计与分析[J].机械，2004，31（6）：50-52.
[7] 黄双，等.智能型实物棋盘人机对弈象棋机器人的制作[J].大学物理实验，2014，27（1）：42-46.
[8] 任侠，廖建平.基于敏感图像识别预防水利灾害关键技术研究[J].软件工程师，2013（6）：38-42.
[9] 张旭，等.基于图像识别的停车场智能管理系统的设计与实现[J].软件工程师，2013（8）：25-26.
伴随着科学技术的不断进步和优化，各行业技术结构和发展进程都更加深入，很多方面技术水平有所升级。正是基于此，将机械电子技术和信息化融合在一起，形成多样化管理模型和控制机制，创新改进和发展的同时，也能实现管理效果的全面升级，充分发挥信息化技术的优势。本文对机械电子技术发展历程进行了简要分析，并集中阐释了机械电子技术和信息化融合后的应用模型，最后对项目的未来发展趋势进行了预估，旨在为研究人员提供更加系统化的建议。
关键词:
机械电子技术；信息化融合；应用；趋势
1机械电子技术发展历程
正是基于科学技术的不断发展，在技术管理机制建立和应用过程中，要结合市场需求进行技术融合，实现更加智能化的发展目标。在机械电子技术发展的进程中，相较于传统技术模型，在生产指标参数操控管理模型中，机械电子技术实现了全面升级。无论是生产过程还是整体管理机制，在强化机械原理以及管理层级机制的同时，对技术模型和控制系统展开深度调研和集中整合。在现行市场条件和管理模型中，要对相关参数调整进行整体控制。制造工业在实际应用机制中，结合信息化技术就是实现一体化技术模型，不仅仅是应用模糊控机制，也实现了变结构控制，其中，对PID控制进行全面分析，从而提高整体控制效果和处理实效性。另外，在机械电子技术应用和运行过程中，要结合控制过程对精密合理化处理机制展开深度分析，能在适应生产需求的基础上，保证变量结构和管理效果的稳定性，在对变量管理体系和控制系统进行深度分析的同时，实现技术结构的综合性优化[1]。
2机械电子技术和信息化融合应用模型
2.1农业中应用机械电子技术和信息化融合体系
将机械电子技术和信息化融合项目融合在一起，形成有效的处理机制和管控措施，辅助农业发展进程的全面升级，提高处理效果和性能，能保证农业机械管理项目全面升级，且整体终端管控系统也能实现综合性升级和有效优化。在农业中应用机械电子技术能实现人机交互，保证操作流程的完整性，也能对相关信息进行集中提取和综合性管理，确保相关信息处理机制和控制措施之间能建立有效的桥梁，为满足不同需求进行信息内容的获取和分析。只有对图形和影像信息进行综合性对比，才能保证分析数据和整合后的信息层级结构满足实际需求。借助指令的管理提高整体农业操作行为的效果，保证在提高工作效率的基础上，优化工作质量。值得一提的是，在农业中应用新技术，能在提高控制系统操作水平的基础上，保证机械智能化系统和自动化农业活动的全面升级。
2.2自动售货设备应用机械电子技术和信息化融合体系
近几年，自动售货设备应用范围越来越广泛，在应用体系中，买家只需要将货币投入到机器内，机器借助内置的光传感器对其进行集中识别，将具体面额和输入程序相对应，从而利用内部设备对数码管进行集中展示，从而建立有效的判断，保证处理效果和识别工作的完整性。其中，自动售票机、自动售水机等都是利用相同的原理进行统筹分析。在识别机制结束后，能利用系统内带动机制，集中完成商品传动，保证商品传送到出货货口。自动售货设备的机械结构能有效提高整体处理效果，确保应用模型符合标准，也能在提高运行体系实际效率的同时，满足实际要求[2]。
2.3工业机器人应用机械电子技术和信息化融合体系
目前，工业机器人的应用领域在不断扩展，整体技术结构和系统管理框架也在升级。工业机器人作为一项操作系统组成的机械构造体系，能应用在非常多的领域内，保证处理效果和控制应用效率得以全面提升。应用工业机器人能实现针对性的反复编程，提高实用性效率，并且能在一定程度上展示较大的自由度，提升工作时效性价值，由于性能相对较好，且整体功能较为多样化，在实际管理工作体系中，将被广泛应用[3]。另外，在工业机器人应用过程中，由于其工作模型较为单一化，需要重复性的工作以保证工作完整度，因此，其工作步骤和操作行为较为简单，能有效减少人工的工作压力，并且一定程度上提高劳动环境的稳定性。利用工业机器人会一定程度上提高生产操作的效率，减少人力资源管理的成本，保证产品性能和质量能实现全面优化。正是基于此，工业机器人将工业环境转变为一体化管理措施，相应技术融合体系也趋于大众化和多样化，正是顺应时展趋势的必然选择。
2.4电脑横机应用机械电子技术和信息化融合体系
在机械电子技术和信息化融合体系中，横机操作符合应用标准，需要借助手工完成相关操作模型，并且优化提高操作完整性，满足生产需求的同时，升级性能的处理效果[4]。在生产需求不断增加的背景下，设备对于颜色和数量有了更加直观化的需求，正是基于此，横机操作能满足相关需求，实现整体技术模型和应用效果的全面升级和优化。借助电脑，能实现多样化设计需求，并且在高端软件应用体系中，要对相关设计操作展开深度分析和集中处理，确保设计模型和管理措施的稳定性，提升多样化设计应用效果的基础上，满足实际需求和整体控制机制，保证机械操作效果和管理体系的有效性。值得一提的是，在横机操作中应用机械电子技术，能在完成弯沙以及脱圈操作的基础上，保证自动化完成垫沙操作，确保整体工作效率和工作流程的全面升级[5]。将机械电子技术和信息化项目融合在一起，形成机电一体化管理机制，提高柔性制造系统的工作效率和工作稳定性，保证处理机制和应用体系的完整性，也是提高整体技术运行效率的重要路径。在技术结构和系统建立的过程中，要结合生产系统优化的管理目标，保证编程操作和控制体系的完整性，也使得具体操作流程符合预期，提升技术针对性的基础上，保证系统得以全面改善，也为管控机制的综合性优化奠定坚实基础。
3机械电子技术和信息化融合应用的发展趋势
伴随着科学技术的不断进步，机械电子技术和信息化技术的融合深度将不断延伸，两者形成的技术模型和应用性能也将越来越好，将其应用在工业、农业等领域内是顺应时展的必然趋势[6]。将在原有动力系统基础上，进行功能研发的多样化处理机制，融合更加新型的技术参数和管理理念，确保一体化技术模型更加的全面和完整。新技术的研发和管理将融合更加系统化的处理机制以及管控措施，在节约人力资源的同时，保证工作质量和生活环境更好。
4结论
总而言之，在研究机械电子技术和信息化的过程中，要对技术模型和性能进行综合性分析，确保技术运行过程和应用模型的稳定性，也为管理机制和控制措施的全面性升级奠定坚实基础。在计算机技术不断发展的背景下，要保证性能，就要对技术融合机制和管理措施进行统筹分析和综合性管控，推动工业生产效率，实现整体管理模型的全面进步，也为实现自动化生产机制提供保障。
参考文献
[1]莫顺文.试分析浅谈机械电子工程与人工智能的关系[J].建筑工程技术与设计，2016，55（30）：166-167.
[2]程栋.关于机械电子工程与人工智能整合思路构建的研究[J].时代农机，2016，43（4）：49-50.
[3]冯哲.关于机械电子工程与人工智能关系的探讨[J].现代交际，2013，18（11）：27-28.
[4]赖智威.剖析机械电子工程和人工智能的整合思路构建[J].科技展望，2015，25（35）：66-67.
[5]张长弓.浅谈机械电子工程与人工智能的整合思路构建[J].神州（下旬刊），2014，23（1）：40-41.
关键词：产业数字化；数字化产业；产教融合；市场营销
一、研究背景
根据中国信通院的《2021年中国数字经济发展白皮书》显示，2020年我国数字产业化规模达到7．5万亿元，占数字经济比重的19．1%，占GDP比重的7．3%。产业数字化规模达31．7万亿元，占数字经济比重的80．9%，占GDP比重的31．2%。数字经济内部结构呈现“二八”比例分布。2020年，三次产业加速数字化转型，农业、工业、服务业数字经济渗透率分别为8．9%、21．0%、40．7%，同比分别增长0．7、1．6和2．9个百分点。数字时代下，培养新一代国家建设人才已迫在眉睫［1］。数字化产业的发展，是产业数字化转型的重要保障。工业互联网平台、大数据中心、人工智能算法、云计算服务、区块链、数据安全、数字消费等各种数字化技术所用的新基建和数字化设备，使数字产业快速发展并得以应用。这些数字化企业的成长和壮大是支撑起产业数字转型的砥柱。2017年12月国务院办公厅印发《关于深化产教融合的若干意见》提出要深化产教融合。5G等新一代通讯技术的变革和应用，席卷行政服务系统、教育系统、金融系统、医疗系统等所有领域。高校传统专业教育已不能满足产业数字化新需求，唯有顺应时代和产业的变化不断更迭，才能培养出适合企业需求的新技能型人才。
二、数字经济新业态产教融合现状
美国能诞生如此众多的互联网巨头，与其职业教育的“合作教育”模式密不可分。“合作教育”模式是将专业人才培养学校理论学习与企业实践训练相结合的一种高等教育策略。2009年，美国将“合作教育”模式更名为合作与实践教育（CEED）。该策略由于较好实现了企业、学校、学生等多方共赢，得到了美国相关政府机构、教育界、企业界的高度重视。［2］自英国脱欧以来，欧盟经济支柱主要来自德国和法国。德国作为老牌工业强国，虽然数字经济发展相对较为缓慢，但是，其成功的职业教育产教融合模式——“双元制”，却值得学习和借鉴。［3］我国数字经济新业态正处于刚起步阶段，相比欧美等西方国家，我国亟需探索出适合我国“两化融合”的工业互联网平台发展模式。近些年“数字”成为助力数字经济发展的重要技术。但是，由于我国数字化人才较为缺失，暴露出高职技术型人才培养工作存在诸多缺陷。目前，关于高职产教融合人才培养模式的成果并不多，尤其是关于“互联网+”背景下的产教融合成果更是比较少。通过研究目前关于数字经济新业态产教融合的研究主要集中在以下方面：一是关于产教融合实施过程中遇到的困境及解决的方法。产教融合存在的困境与解决对策是当前研究的主要热点；二是如何依托校企合作，促进产教融合。例如，钮雪林结合苏州数字经济发展现状，分析了专业建设中所存在的问题，提出专业建设必须要以协同化对接、数字化改造以及融合化转型等方面入手，提升专业建设水平；三是关于国内外不同育人模式的比较与实证分析。
三、“数字化转型”下的产教融合新挑战
（一）目标企业选择难题
合作企业的选择，需经过慎重甄选。企业规模较小的中小企业，软硬实力都不及大型优质企业，在承担校企合作的教学育人中，人力、培训、设备、场地、技术、管理、运营等各方面的成本和投入会成为其主要制约因素。同时，产业数字化也使得行业“洗牌”加剧，涌现出一批顺应数字化转型的优质企业，这批优质企业在产教融合中对人才培养方向更能把握时代脉搏。在目标企业的选择问题上，需要高校对目标企业进行有效评估和谨慎甄选。
（二）企业课程与传统教学内容不相符
在产教融合课程设置方面，存在企业课程与传统教学内容不一致的问题，以及传统企业数字化转型水平低导致课程内容陈旧两大问题。首先，在产业数字化转型的形势下，高校人才培养目标、教学内容和教学方法，仍然存在沿用陈旧人才培养方案和原有知识体系的情况，教材和教法，都没有融入最新数字信息技术，专业建设停滞不前。课程负责老师不愿与企业深度融合，改革课程内容，导致最新的企业标准、企业操作规范、理实一体化课程及企业实训实践类课程无法顺利推进。其次，当目标企业选择不当，或企业发展速度大大低于产业变革，导致企业开发课程内容较为陈旧，尤其是在产业数字化转型的转折点，企业需要最新的工业互联网技术和数字化技术做支撑，才能在产教融合中开发和融入产业最新数字化技术内容。因此，新时代下的产教融合和产业人才培养，不仅对教师、教法、教材提出了新的要求，也对合作企业提出了更高的要求。
（三）企业投资巨大，回报不稳定
首先，从课程的开发来说，需要校企的共同参与，针对学生群体，在现有教学内容的基础上，开发一套既囊括现有知识体系，又符合企业标准的教材和课程。对于企业来说，需要企业上层战略决策的支持和大力投入，需要有经验的专职人员与课程负责老师积极双向沟通，因此，人力成本的投入必不可少。其次，从实训基地建设来看，校企双方前期投入大量人力物力建设实训室、实践基地、教学设备、网络设施等，合作期间产生的水电、培训、师资等一系列费用，以及后期对实训基地和设备的维护保养等成本，一旦由于种种原因使得校企合作不稳定，合作最终不了了之，企业投入将无法收回，也会造成高校国有资产流失。最后，从人才培养过程来看，校企达成产教融合意向，设置校企合作课程，开发校企合作教材，开设各类实践实训项目，最终完成学业，培养出符合产业需求的高素质技能型人才，期间会存在人才培养的时效性，就业双向选择的不确定性等问题，并且对于企业来说人才培养周期大大加长，难以满足企业短期人才紧缺的需求。
四、基于“数字”的市场营销专业产教融合探索
基于以上分析，产教融合过程中叠加产业数字化转型，给校企合作带来了新的挑战，下文将以市场营销专业建设为例，研究和探索基于“数字”的产教融合新模式。
（一）“数字”发展背景
2015年阿里巴巴首次提出概念，随着大数据技术在社会中的广泛应用，数字发展呈现快速发展趋势。例如，2018年我国数字规模为22．2亿元，预计2022年将达到179．4亿元。由此可见数字将成为企业数字化转型的加速引擎。“数字”是企业级的业务能力和数据共享服务平台，其通过对业务、数据以及技术的抽象化，将业务按照领域进行拆分，以服务化的形式输出共享能力。数字具有较高的应用价值：在数据层面上，数字有效解决了企业系统间数据孤岛的问题，有效解决了数据“汇管用”的问题；在业务层面通过对各业务线的模块去除，让前台业务走向市场，提升了企业的市场响应力；在技术层面，具有可扩展性，能够让整个网络架构更加开放，避免了重复开发［4］。
（二）“数字”+产教融合模式“数字”产教融合模式，使市场营销专业建设的教学广度和教学深度都得到了大大提高，契合了高校培养高素质技能型人才的人才培养目标。将企业数字服务于教学，实现深度产教融合，如图1所示。数字对企业数字化、智能化的转型升级起到核心关键作用，在产业数字化的过程中，涉及从生产制造、采购物流、仓储运输等生产制造环节，到客户服务、数字营销、门店调配等流通环节，再到结算中心、供应链管理、人资管理等企业运营管理环节。从人才培养角度出发，教育教学的视域更开阔，理念更趋全局化，对于市场营销专业来说，教学广度随着数据的延伸，不仅涉及数字化营销，而且延伸到了生产制造、经营管理、门店运营、成本控制等多个领域，教学广度得到了大大提升。从教学深度来看，从课本的理论知识为主，营销策划实践为辅的传统模式，转变为更深层次的基于数据的数据采集清洗、可视化报表制作、公（私）域运营、大数据品牌营销、内容营销、算法和AI提升人效等基础上的营销战略和营销策划，教学深度增加，专业深度增加，更适合数字时代人才培养需求。
1．数据采集
如图1所示，产教融合部分包含两大内容和一大条件。根据上文数据来源分类，企业数据分为内部数据和外部数据两大类，数据的采集过程主要从离线采集与实时采集两方面进行。首先，内部数据是指在根据企业内部经营情况，进行数据采集和数据筛选，主要包括不涉及商业机密的企业以往数据：营业额达标率、客单价、人效、毛利、进销、损耗等数据。具体数据包括日（月）营业额、日（月）营业指标、日（月）完成率、客单数、客单价、人效、每日（月）同比、每日（月）增长率、客单增长率、采购、销售、毛利（率）、陈列（样品）报损、报损率、日销前十等。其次，外部数据是指通过网络爬虫获取的互联网数据、第三方接口数据等产生的相关数据。最后，对于上述用于教育教学的数据，其数据量相当庞大。在互联网环境下，客户数据来源比较广泛，既包括客户办理各项业务的数据。例如，客户的基础信息数据、客户消费数据、订单业务数据等等，还包括客户位置移动范围数据等。基于日益繁琐的数据，需要系统要具备数据收集和储存的系统作为支撑。因此，基于数字将数据进行整合，并通过全过程的数据采集才能获取动态全面的数据，并最终筛选有效数据用于市场营销专业产教融合。
2．数据应用
数据应用是“数字”平台建设的核心，传统的数据系统只是简单地存放或者展示难以有效发挥数据的潜在价值，不能达到数字资产的应用价值。基于数字产业的发展，构建产教融合必须要将所有的数据纳入到同一套系统中，建立以客户为中心的“DNA”数据视图，整合系统的所有资源，让平台系统内的成员都可以使用数据资产，以此达到支撑整个智慧运营体系的数据要求［5］。市场营销专业课程的数据应用，主要是利用智慧运营体系中数据采集到的数据，进行客户精准画像、企业科学决策、AI（算法）预测、制定营销战略、撰写营销策划方案、个性化学习等，通过校企产教融合，将数据应用环节共同开发成各类数字营销实践课程。
3．基础工具及条件
在数据采集和数据应用的过程中，校企共建实训场地提供软硬件保障，硬件设施包括本地机房、互联网设备，物联网、互联网等，软件设施包括数据采集分析工具（python、excel）、云平台、数据共享数据等。通过云平台和数据共享数据，服务器将操作实践内容共享至学校机房，同时物联网实现万物互联，校企指导老师在线指导和评估，前置课程中可加入一些基础的工具课，或在实训课中加入有针对性的工具操作模块。数据是领先行业的共同选择，构建了企业进行应用开发的新一代平台型基座，通过数字赋能变革成为企业转型发展的重要选择。本文秉承科学性和先进性原则，兼顾时展特征，以市场营销专业为例，对基于数字产教融合模式进行了一系列理论探索，希望能对高校实现新时代数字营销人才的培养目标有所帮助，希望能对各专业建设改革有一定的参考价值，也希望能对地方经济的建设发展有一定的启发。
参考文献
［1］刘常春，张晓丹．职业教育中的产教融合模式分析［J］．电子技术，2021（12）：200-201．
［2］汪福俊．美国应用型高校的合作教育机制——以德雷塞尔大学为例［J］．教育学术月刊，2018（12）：57-67．
［3］陈保荣．职业教育产教融合的国际比较研究［J］．职教论坛，2018（5）：40-46．
［4］胡翰林，沈书生．基于技术的教育大数据应用研究［J］．现代教育技术，2021（9）：78-86．
关键词：机械自动化；核心技术；发展趋势
前言
随着科技的发展和电子技术的成熟和广泛应用，机械自动化产品在国民经济建设、企业的技术改造和电子产品的更新换代方面发挥着越来越重要的作用。
1.机械自动化的重要性
机械自动化是指在机构得主功能、动力功能、信息处理功能和控制功能上引进电子技术，将机械装置与电子化设计及软件结合起来所构成的系统的总称。机械自动化发展至今也已成为一门有着自身体系的新型学科，机械自动化是从系统的观点出发，综合运用机械技术、微电子技术、自动控制技术、计算机技术、信息技术、传感测控技术、电力电子技术、接口技术、信息变换技术以及软件编程技术等群体技术，根据系统功能目标和优化组织目标，合理配置与布局各功能单元，由此而产生的功能系统，则成为一个机械自动化系统或机械自动化产品。
2.机械自动化的核心技术
2.1数控技术
现在的制造系统中，数控是核心的制造技术，要想实现自动化就要用计算机开发相关的软件。数控技术是一项复杂的，涉及范围广泛的技术。它集微电子，计算机，信息处理，自动检测，自动控制等高新技术于一体，具有高精度，高效率，柔性自动化等特点。现有的机械制造自动化对专业水平要求很高，它综合了多领域，多学科的专业水平。例如计算机的基本操作，C语言程序编写，机械运动原理，机械制图等学科都是属于它的范畴。不但要求对这些有一个最初的认识，还要求能熟练掌握，这样才能在实现自动化的开发和操作时提高效率。制造行业都离不开制图，在实行自动化之前都要先绘出初步设想运动图示，所以绘图技术也体现了机械类的技术。在图纸上，要能明了的反映其运动过程，要能让专业人员看到后就能了解其要表达的含义。
2.2网络化技术
网络化技术主要体现在利用计算机终端进行自动化控制，原有机械制造工艺中，都是采用人工加工机械流程，不但延迟了机械加工的制造效率，并且制造出的机械设备工艺差。随着现代科学技术的不断发展，利用计算机远程控制技术掌控远端设备的制作流程，传输的数据信息能够及时传输至终端复用设备，使其在有效时间内处理终端传输的数据信息，保证自动化设备数据信息的完整性。采用的网络技术遵循TCP/IP传输模式，将网络层面划分为七层，分别为：物理层、数据链路层、网络层、传输层、会话层、表示层以及应用层。在物理层面上主要是将传输的数据信息进行打包，在数据链路层进行封装，在网络层进行解封，最后在传输层信道内进行数据信息的传输，传输的比特速率为16Mbit/s。原有网络数据信息传输速率只能达到2Mbit/s，造成数据终端处理系统处理的数据信息不能有效地传输至终端复用器，使其数据信息大幅度地丢失。而现在传输的数据信息不但能够在有效时间内传输至终端设备，并且还能对传输的数据信息进行全方位跟踪。
2.3模糊控制技术
模糊控制技术能够定期调整机械设备内的运行参数，原有机械设备在运行过程中，由于运行功率较大，积聚了较多的热量，不能使其完全的散失，出现机械设备损坏的现象。但现有自动化控制技术能够自动调整设备内的运行参数，保证设备运行功率不会超过额定功率。其次也能调节设备钻头运转速率，当设备在切割时，便会加大钻头的运转速度，使其在短时间内切削钢件结构的表层。当机械设备的刀具在剔除钢件结构表层毛刺时，便会降低其运行速率，减少设备的无用功。
3.机械自动化的发展趋势
3.1.绿色化
工业的发达给人们生活带来了巨大变化。一方面，物质丰富，生活舒适；另一方面，资源减少，生态环境受到严重污染。于是，人们呼吁保护环境资源，回归自然。绿色产品概念在这种呼声下应运而生，绿色化是时代的趋势。绿色产品在其设计、制造、使用和销毁的生命过程中，符合特定的环境保护和人类健康的要求，对生态环境无害或危害极少，资源利用率极高。机械自动化产品的绿色化主要是指使用时不污染生态环境，报废后能回收利用。工业的发展使得资源减少，生态环境受到严重污染。绿色化成了时代的趋势，产品的绿色化更成了适应未来发展的一大特色。
3.2.智能化
人工智能系统是一个知识处理系统，它包括知识表示、知识利用和知识获取三个基本问题，其最终的目标是模拟人的问题求解、推理、学习。人工智能在机械自动化建设中的研究日益得到重视，机器人与数控机床的智能化就是重要应用。例如在CNC 数控机床上增加人机对话功能，设置智能I/O 接口和智能工艺数据库，会给使用、操作和维护带来极大的方便。随着模糊控制、神经网络、灰色理论、小波理论、混沌与分岔等人工智能技术的进步与发展，为机械自动化技术发展开辟了广阔天地。
3.3.网络化
网络技术的兴起和飞速发展给科学技术、工业生产、政治、军事、教育等人们日常生活都带来了巨大的变革，同样也给机械自动化技术带来了重大影响，例如通过网络对机械自动化设备进行远程控制。各种网络将全球经济、生产连成一片，企业间的竞争也将全球化。机械自动化新产品一旦研制出来，只要其功能独到，质量可靠，很快就会畅销全球。由于网络的普及，基于网络的各种远程控制和监视技术方兴未艾，而远程控制的终端设备本身就是机械自动化产品。现场总线和局域网技术是家用电器网络化已成大势，利用家庭网络（home net）将各种家用电器连接成以计算机为中心的计算机集成家电系统，使人们在家里分享各种高技术带来的便利与快乐。因此机械自动化产品无疑朝着网络化方向发展。
3.4.各行业普及化
我国人口中很多，每个人的正常生活都需要各行各业的支持，但好多行业因为工作条件，工作性质，工作环境以及工作薪酬的限制导致从业人员非常少。所以自动化的发展前景非常可观，只要能把自动化普及到各行各业，就能避免由于这些因素造成的麻烦。在现在科幻片中，我们都会看到自动化的身影，它能实现无人驾驶，实时监控以及各种智能化自动化的操作。这些都不是梦幻，我相信通过我们不断的的努力，这些都可以在我们的身边变成现实。
3.5.引领世界
随着人们受教育程度的不断提高，高素质的专业人才也不断增加。国际化之间的交流的日益增强也为行业技术发展带来新的契机，一些行业人员可以进行相关技术的交流和学习，促使他们能积极地去对自动化做深一步的探究，去发掘它潜在的价值。这样，随着国家的发展，及动画的水平也会不断提升，终将普及到我们的日常生活中，为人类造福。
4结束语
创造技术不仅是衡量一个国家科技发展水平的重要标志，更是国际间科技竞争的重点。机械自动化的发展更是能体现一个国家的综合水平。我国是一个生产大国，这就需要在自动化层面不断创新和提升，缩短与发达国家的差距，跟上不断发展的世界潮流，将自动化技术运用到生产、生活的层面，真正把我国建设成一个文明、民主、富强的科技强国，保证我国能与世界接轨。
参考文献：
[1] 芮延年.机电一体化系统设计[M].北京：机械工业出版社，2004.
关键词：新媒体时代；新闻编辑；媒介素养
云端处理、云计算、大数据以及人工智能等技术不断发展，改变了人们的生活、工作以及学习模式，受众对信息的获取也趋于互动化、便捷化、实时化、安全化，以往的媒体传播模式已无法满足当代居民的需求。新媒体的诞生不仅对传统媒体造成冲击，也为其带来了改革和创新的机。媒体融合成为传媒行业发展的大势。在此背景下，提升新闻编辑的媒介素养、业务技能，以更好的适应媒体融合不断加快的时代步伐成为传媒行业亟待解决的重要课题。
1新媒体语境下新闻传播的特点
1.1即时性
随着移动网络和智能手机高度普及，新媒体成为新闻信息传播的重要渠道，不论是记者采写新闻还是受众获取信息都更加方便快捷，新闻事件从发生到传播的时间大大缩短，甚至实现了新闻事件发生与新闻报道同步进行。新闻报道的即时性极为鲜明。
1.2多元化
首先，以往的新闻信息获取和传播途径都相对单一，随着新媒体的发展，新闻编辑可以充分利用网络途径及时获取社会中发生的大事小情，突破了以往固化的新闻信息获取方式。其次，新媒体可以将单一的新闻资源转变为共享资源，通过互联网的高效性和便捷性，将新闻信息传递给受众；同时受众也可以利用各种电子终端设备和互联网平台分享发生在自己身边的新闻事件，为新闻编辑获取素材提供了巨大便利。最后，新媒体改变了以往的报道和采访模式，促使新闻资源趋于普遍化和大众化，利用互联网的传播性和系统性完成新闻信息的获取和传播。新闻传播途径更加多元化。
1.3互动性
当代受众的自主意识更强，在阅读新闻信息中渴望表达自己的观点和看法。新媒体的出现从技术上满足了受众的这个需要。在新媒体背景下，受众也可以成为新闻信息的传播者、制造者、生产者，新闻编辑与受众之间的互动更加频繁，通过互动不仅可以促使新闻编辑掌握受众的心理变化和思维观点，还可以提升新闻信息的针对性和实效性，以贴近受众的方式进行信息传播。
2新媒体时代新闻编辑媒介素养培养策略
2.1做好自身定位
传统媒体时期供方传播模式下，受众主要通过报纸、广播或者电视获取信息，新闻编辑是信息传播者，受众被动地获取知识和信息，新闻编辑与受众的沟通互动是滞后的。而新媒体时代，信息传播和受众反馈的间隔大大缩减，甚至趋于同步。受众利用新媒体及时发表自己的看法、建议和观点，或者分享发生在自身身边的新闻事件，受众不仅是信息接受者，更是新闻的制造者和传播者。这种新的传播模式要求新闻编辑重新做好自身定位。首先突破以往的固化框架制约，对受众和自己的关系形成清晰认知。要对当代受众的心理特点进行分析，基于受众的感受做好舆论引导，调整以及创新思维。其次，新闻编辑作为连接政府和群众的纽带，要将党和国家的政策方针及时传递给受众，发挥的作用，并且将受众的心声及时反馈给政府。最后，迎合当代受众的需求，对新闻内容进行深加工，秉承公正、客观的职业操守，提升新闻信息的社会价值，对自身职能定位形成正确认知。
2.2提升信息解读能力
随着改革开放政策持续深入，大量西方思潮涌入，对当代受众的价值理念、理想信念以及思维观念带来了巨大的冲击和影响，社会文化逐渐呈现多元化。尤其在新媒体的兴起使得信息传播更加自由快速，也为虚假和负面信息迅速流传进而对受众形成负面误导提供了机会。作为现代新闻编辑，需要提升自身的信息解读能力，用客观公正的视角解读新闻事件，促使受众对新闻事件形成正确认知，消除社会负面消息。首先，新闻编辑要具有较强的新闻解读能力和判断能力，分析新闻事件的内涵和价值，并且对新闻进行深度解读，提升新闻的社会影响力、教育性、可观性。其次，在播报新闻信息时，要给予受众以正确的舆论引导，避免发生舆论压力和网络暴力事件，以社会主义核心价值观作为播报新闻的重要原则，突出新闻的社会教育价值。最后，在信息时代，新闻信息以极高的速度海量传播，新闻编辑在开展日常工作中，需要对各种新闻信息进行筛选和判断，整合出具有教育价值和引领价值的新闻信息，并且对新闻事件进行深度剖析和判断，为受众呈现具有价值的新闻信息。
2.3网络交流能力
新媒体具有很强的交流性和互动性，受众可以利用新媒体平台及时表达自己的观点和看法，因此新闻编辑需要具备较强的网络交流能力，及时掌握受众对新闻事件的看法和心理动态，跟进后续报道。首先，新闻编辑的网络交流不局限于采访活动和新闻直播，还要对网友留言进行分析并及时回应，通过各种网络渠道与受众沟通，听取其对新闻事件和节目的看法，进而调整后续报道。其次，新闻编辑要善于通过与受众的交流传递正能量，引导社会舆论，消除负面消息对社会稳定的影响。在与网友交流中，注重观点的正确性和严谨性，不能对受众造成误导。最后，新闻编辑要对资讯信息的质量进行把关，并且结合受众需求适当取舍新闻内容，在发表个人观点中也要考虑社会主流和受众需求，不能出现偏激言论，避免在社会中造成不良影响。
2.4提升创新能力
在新媒体的冲击下，当代受众更加追求新鲜元素，新闻编辑要注重加强创新，提升自身的创新意识和创新能力。首先，新闻报道的形式表达要独特新颖，保持个性和张力，吸引更多受众关注和收看。其次，以创新的视角对新闻素材进行深入挖掘，提升新闻内容的独特性和趣味性，吸引更多年轻受众阅读。最后，对新闻传播方式进行创新，充分利用微信、微博等新媒体进行新闻传播，与受众进行沟通交流，扩大新闻节目的社会影响力。
［关键词］互联网+;临床医学;本科教育;形成性评价
一、引言
健康中国战略离不开健康人才的培养。近年来，大数据、人工智能、移动互联等新技术应运而生，信息传播方式和反馈机制随之发生了改变，基于“互联网+”模式开展在线学习及评价得到了广泛应用，更引发了教学评价内容、方法和形式的深刻变革［1］。“互联网+”模式视阈下的新型教育评价体系亟待开发，特别是临床医学本科教育，临床医学本科教育评价效能影响着医学生培养质量和临床实践能力。
二、评价体系发展历程
(一)第一阶段:总结性评价。以“公平公正”为原则的总结性评价(又称结果性评价，或终结性评价)，被广泛应用于选拔性考试。而在医学高等教育实践中，以分数为导向、专注学习结果的评价方式弊端逐渐暴露，主要表现为:一方面制约学生综合素质发展。侧重基础知识考察，无法对学生整体素质作出评价，易导致学生被动“沉浸”于应试教育，抑制创造性思维发展，阻碍学生综合素质持续提升。另一方面限制教师知识讲授范围。教师以考试结果为教学目标，重视应试技巧，授课内容局限于教材，花费大量时间反复强调考点知识，不利于学生对所学课程知识结构的系统性掌握。(二)第二阶段:传统形成性评价。1967年，M．Scriven率先对形成性评价作出明确定义:在教育活动开展过程中和完成后，查找并评议教育活动暴露出的问题，并及时向授课教师进行反馈，帮助授课教师精准聚焦教学不足之处，从而提高教学水平和教育活动质量［2］。随后在《HandbookonFormativeandSummativeEvaluationofStudentLearning》一书中布鲁姆(B．S．Bloom)提出:监测学生学习过程，并根据所获取的信息来修正教学计划，为学生制定个性化方案，以实现学生个人学习目标［3］。如今“形成性评价能够提高教学质量”这一观点已成为全球教育工作者的共识，并被认为是目前有效提高教学水平的手段之一。(三)第三阶段:“互联网+”教育评价。大数据、人工智能、移动互联等新技术应运而生，为加快推进教育现代化提供强有力的技术支撑。基于“互联网+”模式开展在线学习及评价得到了广泛应用，引发了教学评价内容、方法和形式的深刻变革。1．无纸化。传统形成性评价采用现场提问、作业提交、阶段测试、学习档案等方式，均需要投入大量的人力成本、物力成本、时间成本。如今基于题库技术实施的形成性评价，不仅节约了纸张和油墨等材料，还将教师和相关工作人员从原来繁重的排版、印刷、搬运、批改工作中解放出来。2．时效化。特别是我国临床本科教育，因医学卫生人才的紧缺和社会教育资源不足而形成的大班教学模式。以前，课后作业“布置—提交—批改”周期较长，课堂提问只能对个别学生进行，样本量太少，无法全面、及时了解授课学生的实际掌握情况。如今，移动互联技术引领教育评价时效化变革，帮助教师对学生进行即时评价，也打破学生自评互评的时间和地点限制。3．多元化。互联网技术的发展让原本只能局限于单一维度的评价活动呈现多元化发展趋势，如虚拟仿真实验使实验操作可以被多次重复，针对每个学生建立过程档案，记录学生实验操作全程［4］。此外，学习者的注意力保持等方面的学习相关素养可以通过行为数据进行观测，有效助推教育评价科学多元化发展。
三、我国临床医学本科教育评价体系存在的问题
(一)主题理论研究匮乏，无法引领教育评价创新发展。我国形成性评价研究源于20世纪九十年代末，相关研究起步较晚。笔者通过中国知网数据库检索CSSCI来源期刊相关主题论文，截止2019年4月25日，仅检索出35篇相关文献，将广告、病案、循证、绩效等与教学评价无关的文献人工剔除后，仅有3篇研究“互联网+”背景下的医学本科教育评价［5－7］，我国医学本科教育评价的相关理论研究极度匮乏。基于大数据和“互联网+”背景下形成性评价理论研究基础同样不容乐观，无法支撑和引领教育评价创新发展。(二)过度强调形式化，评价效度、信度、深度、广度不够理想。1．效度。国内形成性评价往往被当作平时成绩的组成部分，或是单纯作为期末成绩的补充。另外对于自我学习评价、伙伴互评、教师评价等含有明显主观意愿的评价方式效度较低。2．信度。由于被评价样本过少，不能代表整体的实际情况，反馈信息常常与实际情况完全相反。由于附加有相应处罚，或者据此发放物质奖励。这些往往会干扰评价结果，让被评价者因为奖励和处罚，而采取舞弊行为，导致反馈信息与实际情况不符［8］。3．广度。认知能力、自我能力以及人际能力为21世纪学生应该具有的三大核心素养。但是目前我国高校形成性评价重心依然局限于认知能力的评价，仅有少量关于人际交流能力的评价，多数相关研究往往忽略学生综合素养和能力的考察和评价［9］。4．深度。知识迁移能力作为深度学习的重要基础，通过对已经学会的知识发散和类比，用以学习新知识或解决类似情境下的其他问题，需要学生对已经学习的知识进行深加工，但我国高校目前所开展的教育评价更注重知识记忆层度。(三)资源配置不平衡、不充分，阻碍形成性评价创新发展。一是，由于我国现有教育资源和教学条件限制，阻碍形成性评价的开展。二是，教育资源的配置更加倾向于总结性评价结果，导致形成性评价与外部认可还存在割裂。三是，目前多数高校形成性评价管理效能较低，主要原因在于专业管理制度体系混乱，人才队伍建设水平较低，无法充分发挥教学管理人力资源核心竞争力。
四、“互联网+”模式下临床医学本科教育形成性评价完善路径
(一)加强本科教育评估基础理论研究，发挥理论对实践的引领作用。一方面，应从思想上对形成性评价给予高度重视。《中国教育现代化2035》指出:“构建教育质量评估监测机制，建立更加科学公正的考试评价制度，建立全过程、全方位人才培养质量反馈监控体系。”临床医学本科教育评价体系，就是全面提高临床医学人才培养质量的关键所在，也是实现发展中国特色世界先进水平的优质教育的重要保障。另一方面，强化形成性评价理论研究与创新驱动。移动互联网技术和大数据等信息技术的出现，未来基于“互联网+”模式下的教育教学相关研究也必然会成为未来教育改革的重要阵地。教育评价也应该成为未来教育改革的最终落脚点，为教学改革的实施提供真实可信的数据支撑。(二)构建四位一体监测体系，保障形成性评价科学有序。1．效度。高效的形成性评价需要拓展评价主体，形成完整统一的评价体系。如此得到的数据才能相互支撑，不会受到评价主体的主观意愿所影响。同时将个体素养、经历、情感具体化，借助具体任务，准确完整记录任务中的表现，并转化为可观察的外显行为和表现。2．信度。必须要坚持重点知识全覆盖，课堂内学生全覆盖，以确保形成性评价的反馈结果并非来自于极少数积极参与课堂互动的优等生，避免教师对掌握程度产生片面性误判，不能真正达到根据反馈结果修正教学的目的。3．广度。评价的学生大量详实的在线活动数据和基于移动互联终端的数据反馈，客观真实地记录学生浏览相关内容的停留时长和个人活动空间，可以客观数据为基础分析了解学生的兴趣爱好、价值观取向、未来职业规划、还能观察学生学习状态下的注意力保持情况。4．深度。现代信息技术的发展，人类知识记忆负担大大降低，应该深入到高阶思维能力层面。巴尼特认为，高等教育需要训练学生的批判性思维，这也是高等教育本质和取向所在［10］。高等教育注重培养和训练学生知识迁移能力、批判思维和问题解决能力，帮助其应对未来生活和工作的困难和挑战，这也是21世纪核心素养尤为强调的［11］。(三)打破传统思维，优化资源配置，激发形成性评价内生动力。一是，打破传统思维定势，破除体制机制障碍，统筹形成性评价和结果性评价，建立以增加知识价值为导向的分配制度。二是，强化人力资源配置，打造形成性评价人才团队。教师及时转变教学理念，更加关注评价反馈，更加重视个性化和多元化的教学模式。三是，教师职业培训和继续教育至关重要，高校教学管理部门、人事部门及相关院系应形成合力，强化师资队伍建设，提高形成性评价水平。
五、结语
评价的关键在于希望，根本目标是创造未来，鉴于临床医学本科教育评价对医疗卫生人才培养质量的重要影响，文章立足我国“健康中国”和“互联网+”两大战略实施的时代背景，坚持“服务需求，提高质量”为主线，既要兜住底线、保障合格，又要追求学生的多元化个性化发展，满足新形势下社会对各层次人才的需求，精准聚焦临床医学本科教育形成性评价理论研究盲区与实践发展中存在的问题，结合新时期高等教育面临的机遇与挑战，基于四位一体提出了“互联网+”模式下临床医学本科教育形成性评价监测体系及完善路径，为临床医学本科教育质量提升提供强有力保障，为医学专业人才培养奠定坚实基础。
［参考文献］
［1］胡星．开放教育网络学习测评的实践探索与研究［J］．中国远程教育，2017(7):69－76．
［2］ScrivenM．TheMethodologyofEvaluation［M］//TylerRW，etal．PerspectivesinEvaluation．Chicago，IL:RandMcNally，1967:39－83．
［3］BLOOMBS，etal．HandbookonFormativeandSummativeEvaluationofStudentLearning［M］．NewYork:McGraw-Hill，1971:1．
［4］文孟飞，刘伟荣，叶征．基于自动聚类和集成学习的网络教学形成性评价方法［J］．中国电化教育，2018(3):74－82．
［5］朱小康，伍叶，章志红，等．高校网络教学TQM质量监控体系应用研究———以南昌大学抚州医学院网络教学管理为例［J］．电化教育研究，2016，37(6):35－42．
［6］吕晓燕，刘继斌，吴燕萍．网络教学资源库建设研究———以山西医科大学为例［J］．教育理论与实践，2014，34(21):48－49．
［7］张其鹏，罗德刚，暴海燕．基于网络的医学内容服务平台———医学教育考试网的设计与开发［J］．科技与出版，2009(1):47－49．
［8］杨金来．基于网络的多元形成性评价研究［J］．远程教育杂志，2011，29(3):72－77．
［9］孙妍妍，祝智庭．以深度学习培养21世纪技能———美国《为了生活和工作的学习:在21世纪发展可迁移的知识与技能》的启示［J］．现代远程教育研究，2018(3):9－18．
［10］罗纳德·巴尼特．高等教育理念［M］．北京:北京大学出版社，2012:译序1－12．
