时间：2023-08-24 17:17:17
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篇人工智能教育方案，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。
关键词：高职教育；人工智能；转型发展
一、高职教育现状
（一）客观层面
（1）社会面。当前社会发展处于转型关键期，高职教育迎来全新发展机遇，对人才培养质量不断提高。传统思想中，家长学生都带着有色眼镜看待高职教育。随着社会给技术技能型人才提供很多高薪岗位，部分学生主动选择高职院校进修学业，提高自身技能水平。高职院校必须以社会发展趋势为导向，及时调整自身发展战略。（2）政策面。在新课程改革视域下，政府高度重视高职教育的发展，出台了多项扶持政策，如《国家职业教育改革实施方案》《职业学校专业顶岗实习标准》《关于推进高等职业教育改革创新引领职业教育科学发展的若干意见》等，极大的推动了高职教育的稳定发展。
（二）主观层面
（1）教学理念。高职教师受传统思想影响，往往重视成绩和理论知识，亟需引进新的教学理念，并落实在实际教学中。高职院校已经意识到人工智能时代，自身转型创新的必要性，正积极将全新的教学理念贯穿在人才培养过程中。（2）教学方式。高职教育逐渐创新教学方式，将顶岗实习、校企合作、实训教学等应用在常规教学中，适应时展，彰显职教特色。但在实际教学中，教师理念未发生变化，能力无法满足新型教学方式需求，存在亟需改进优化的地方。（3）教学体系。只有完善的教学体系，才能为高职教育的改革创新提供依据参考。当前高职教育体系中含有诸多不足，如学科单一、理论与实践比重不协调、知识内容陈旧等。高职教育要想适应新时展趋势，应积极完善教学体系。
二、人工智能现状
（1）国家战略。近年来，国家高度重视人工智能发展，国务院《关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号），提出科技创新的主要方向是人工智能，提倡积极构建全新的人工智能科技创新协同机制，进一步完善人工智能教育体系，实现人才储备和梯队建设的目标，推动智能经济的发展。各部委也积极颁布一系列政策，如《智能制造2025》《“互联网+”人工智能三年行动实施方案》《机器人产业发展规划（2016-2020）》等[2]。可见，国家为人工智能技术的发展提供了充足动力，人工智能已成为国家战略的一部分。（2）产业发展。多年的探索，人工智能技术有了明显提升，在问题求解、泛逻辑理论、不确定推理、拓扑学、图像处理、模式识别、专家系统等方面有了显著研究成果，一部分成果甚至领先世界水平。例如我国在模式识别领域的研究，文字识别、语言识别、虹膜识别都取得优异成果，被广泛应用在生物医药、机器人视觉研究、卫星遥感、自主导航、军事等领域。企业十分关注人工智能技术的发展应用，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。人工智能技术的深度研究，使应用和商业价值最大化。据不完全统计，2017年人工智能产业创造700亿元市场价值，预计在2020年产业规模超过1600亿元。
三、人工智能推动新时代高职教育转型发展的必要性
（一）技术技能型人才的需求
高职教育发展的目的是培养适合岗位需求的技术技能型人才。人工智能时代，先进技术的广泛应用，大部分岗位对人才的需求发生明显变化，逐渐形成了“机器换人”的局面。企业中简单、重复、劳动强度大的岗位，都由智能机器人予以代替。例如在京东电商的物流中，出现无人机配送方式，直接冲击了传统人工物流配送模式。相信在不久的将来，会有更多的智能机器人走向物流配送的工作岗位，形成全新的工作体系。此外，在生产制造的质检环节，由于传统人工监测方式存在诸多不足，应用人工智能的图像识别技术，可以实现对产品质量的动态检测。可见，人工智能时代会有大批岗位“消失”，取而代之的是智能化机器人。高职教育必须转变以往的教育模式，顺应时展趋势，结合社会岗位对技能人才的需求，调整高职教育方向，实现高职教育价值。
（二）国家发展战略的要求
以往的发展致力于“中国制造”，但新时代“中国制造”已无法提升综合国力，国家必须调整发展战略。人工智能时代将“中国制造”转变为“中国创造”“中国智造”。这一发展战略的转变，能看出先进科学技术在国家发展中的重要地位。为了2025年实现“中国智造”的目标，高职院校创新人才培养模式，顺应国家发展战略的调整。同时，高职教育转型过程中，转变以往以理论、成绩为主的思想观念，对人才进行更加系统的培养，调整理论知识、实习实践之间的关系比例。人工智能时代的高职教育转变与创新，可以加大对学生创新意识的培养力度，使人才综合素养得到更好提升，满足“中国创造”的需求。
（三）学生自身价值实现的需求
时代的发展使高职学生的思想发生变化，传统的高职教育虽能提高学生专业能力，但并不满足当前企业对工作岗位的需求，学生无法实现自身价值。曾经的学生，没有认识到自身与社会的关系，存在“得过且过”等不良思想。新时代，高职学生逐渐认清自身地位，意识到自己与国家民族是“命运共同体”，是实现伟大复兴“中国梦”的主要力量。高职教育转型创新，根据时展要求、学生需求，合理调整教学方案与计划。
自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.
关键词：智能；智能科学与技术；语义分析；知识体系；课程体系
中图分类号：G642 文献标识码：A
1 引言
“智能科学与技术”专业教育意指将“智能科学与技术的知识体系”传授给本科生或研究生。构建智能科学与技术的知识体系通常有两种途径：(1)经验归纳法，从社会实践和科学研究已经获得的知识集合中选择出若干，认为这些知识应该归属于“智能科学与技术”，且将其结构化与系统化。(2)概念演绎法。追问“智能科学与技术”的确切含义为何，由此联想其涉及的主要方面，概念推演形成的轨迹即是知识体系。两种方法的结论应是一致的。就实际操作而言，前者的主要环节是“选择知识”和“搭建体系”，而“选择什么”和“搭建成何样”就与研究者的偏好相关，常出现观点相左的情形；后者的主要环节是“明确语义”和“语义延伸”，能被称为概念的东西总是成熟的，即已有大量的先前研究，对此人们的分歧较少，而从概念出发的语义延伸又是遵循演绎逻辑的，由此而得的知识体系就易被公认。
本文的研究采用概念演绎法，具体的讨论依层次递进展开，首先明确“智能科学与技术”的中文语义，其次讨论该语义涉及的关键概念之内涵，进而合成这些关键概念的具体内容，继之概括“智能科学与技术的知识体系”，最后设计“智能科学与技术专业教育的课程体系”。
2 “智能科学与技术”的语义
尽管有逻辑上的先后，“科学”与“技术”通常被认为是并列的两种人类文化活动。“智能科学与技术”就应被分为“智能科学”与“智能技术”。
智能是某种行为主体所具有的能力和所表现的行为。这种具有智能的行为主体目前(也许永远)只有两类：生物(其中主要是人类)和机器。若以人类代表生物，智能就有两种表现形态，人类智能(human intelligence)和人工智能(artificial intelligence)，后者是对前者的模仿与延展。
科学是为了获得所考察对象的知识体系，技术则是依据某种原理设计制造各种人工系统。由此，“人类智能科学”、“人工智能科学”、“人工智能技术”是无歧义的，而“人类智能技术”就不成立(确切地说，是间接地通过“人工智能技术”的方式表现出来)。
基于上述分析，“智能科学与技术”的语义由三部分构成，“关于人类智能的科学”、“关于人工智能的科学”和“应用人工智能的技术”。根据惯常的教育与研究分工，前者是心理科学领域的重点所在，后二者则是信息科学领域的前沿方向。目前国内所开办的“智能科学与技术”专业教育大多属于理工科本科，其侧重所在自然是“人工智能”。
支撑着“智能科学与技术”及其三部分构成的关键概念是“智能”、“科学”与“技术”，对其进行深入剖析有助于推演出“智能科学与技术的知识体系”。
3 关键概念的剖析
3.1 “智”对应于Intelligence
汉语中的“智”是“知”的后起字，而“知”是“出于口者疾如矢也”，意指认识的事物可以脱口而出。“知”添加了“曰”即为“智”，再清楚不过，“智，知而道出也”。智，就是人们日常口语中的“知道”。
英语中的Intelligence源于拉丁语的动词intellegere，意思是to understand。而intellegere是inter(interl与legere(to choose)的合成词，故它所表达的是“在推理基础上的理解”。
可见，汉语的“智”关注知识(识，知也。《说文》)及其共享；英文的Intelligence则强调知识及其可靠来源。有所差异并不妨碍将不同文化系统中的这两个概念对应起来。
3.2 “智”的派生词
尽管语义十分贴切，却不可将Intelligence直接汉译为“智”。在现代汉语中，单字形式的名词一般不用于表达抽象概念，因为单音节的高频率使用在言语交流中难以通畅顺口。通常都是采用双字形式的名词。“智”需要再添加一字。处理的办法无非两类，同义重复或附加意义。前者生成的是“智慧”，后者得到的是“智能”和“智力”。
智慧之“慧”，一方面与“智”同义(知或谓之慧。《方言》)，另一方面又与佛教名词“般若”(Praina)相连，在中国的文化传统中，佛是高深至上的，这样，智慧的真理性就毋庸置疑。作为汉语词汇的“智慧”固定下来之后，除了与英文的Intelligence相对应，还与英文的wisdom(wise“聪明的”+dom“性质或状态”)相一致。更重要的是，wisdom就是希腊语的sophy，由此构成了philosophia(英文philosophy)。“智慧”连接着中国的佛教(与中国哲学相通)和西方的哲学。智慧是哲学层面的。
“智能”和“智力”都是“智的能力”的简称。推敲其中的意味饶是有趣。作为物理学概念的“能”和“力”，二者是一种源流关系，因而在汉语的习惯中，“能”更本质，“力”则外显，暗含着有高下之分。这样，智能有“智能人”、“智能机器”、“智能科学”等，智力则是“智力游戏”、“智力玩具”、“智力商数”等。层次的感觉是明显的。智能和智力是科学层面的。
“智”的派生词最常用的有三个：智慧、智能和智力，它们均可英译为Intelligence，但在汉语中分别属于三个层次，即哲学领域、科学领域(较高层次)和科学领域(较低层次)。
3.3 关键概念的文化比较
将与“智”相关的中文概念和与Intelligence相关的英文概念进行对比，可看出中西方文化的相通与差异，有助于更深刻明晰地理解“智能”的语义。表1是基于英语概念的文化比较。从中可见，“智能”较高于“智力”在西方文化中表现为对现在分词的偏爱。
表2是基于汉语概念的文化比较。英语的Intelligence可以笼统地表示汉语的“智、智慧、智能、智力”。现限定“构建智能科学与技术的知识体系”是一项科学研究(即不考虑“智慧”)，再用“智能”作为“智能”和“智力”的统称，这样，“智能”就成为将要继续讨论的唯一概念。
3.4 智能之“能”
前已阐明，智能就是“智的能力”。这种能力究竟为何，学者们曾有过大量的讨论。其中一种通俗简洁的表述 被包含于后者之中。在人工智能中将二者分开，缘于它们的对象不同，前者针对的是自然界，后者则面向人类已有的知识积累。“推理”是生命体存在的基本前提。所以，关于人工智能的科学只有两个分支：机器感知／发现理论(派生于人的认识论)和机器推理理论(基于人脑推理理论的讨论)。
(4)应用人工智能的技术。第3.6节说明，技术就是应用手段、技能和方法设计与制造人工系统。图4模型所示意要设计与制造的人工系统只有专家系统和机器人。所以，应用人工智能的技术主要有两个：专家系统技术和机器人技术。
(5)基于现状的人工智能科学与人工智能技术的内容调整。前面将“机器感知”和“知识发现”归于科学范畴，其根据就是因为它们均是客观存在。然而，现在的“机器感知”还非常简单，对于诸如表情、语气等稍微复杂的客观现象就无能为力：“知识发现”也主要依赖于基于语法的关键词匹配，而对于如何有效地理解语义特别是语用还差得很远。鉴于如此现状，将“机器感知”和“知识发现”归于技术更合适一些。
(6)智能科学与技术的知识体系。集成上述的观点可得图5所示的知识体系。理论是概念、原理的体系(《辞海》)，本身就是知识体系。技术包括手段、技能和方法，也是知识或知识指导下的操作。所以，智能科学与技术的知识体系由两个理论和四种技术构成。
图5的表示是粗线条的。正是因为它没有将与“智能”有关的科学理论和技术方法全部罗列出来，才有了一个简洁的框架，以便在此基础上进一步细分和添加，最终形成一个系统的图景。
6 “智能科学与技术”专业教育的课程体系
“智能科学与技术”专业教育的使命就是将图5所示的知识体系教授给本科生或研究生。学校教育总是以课程方式进行的。智能科学与技术的知识体系必须转化为课程体系。基于图5所示模型、兼顾目前大学课程设置的现状、特别是参照国内学者的研究成果和国内率先开办智能科学与技术专业的大学的探索性经验，提出“智能科学与技术专业教育的课程体系”的一种方案，见表3。
如表3所示，“智能科学与技术”专业的课程设置对应于智能科学与技术知识体系的主要内容(见图5)，共六门主干课程：
(1)“脑与认知科学”。包括“脑科学”与“认知科学”。
(2)“机器学习”。推理是学习过程中所采用的主要方法，机器学习包含机器推理，在一般意义上可以认为二者同义。目前讲授机器学习的大学课程主要有：“机器学习”、“模式识别”(是实现机器学习的一种方法)、“计算智能”。后者包括“模糊计算”、“神经计算”、“进化计算”，讲授一些具有前沿性的理论与方法。
(3)“机器感知”。包括“机器视觉”模仿人类的视觉、“计算机语音技术”模仿人类的听觉、“自然语言理解”模仿人类对语言与文字的理解。
(4)“知识发现”。包括“信息检索”和“数据挖掘”，前者在数据库中进行关键字匹配、在万维网上进行关键字匹配、在语义网上进行语义匹配以获取所需要的信息，后者将信息组织到数据仓库中以便寻求信息之间的规律性关联即获得知识。
(5)“专家系统”。该课程所讲授的内容包括管理信息系统、专家系统、决策支持系统、多Agent系统。它们是人工智能为人类提供的实用型信息产品。
(6)“机器人”。利用机器来获得身心的解放与扩展是人类的梦想和永远的追求。拟人机器的设计与制造涉及诸多学科，在大学的专业教育中只能讲授一些基础概念。
可以将整个“智能科学与技术的知识体系”看作是一个对知识进行“输入一加工一输出”的结构。由表3可见，与知识输入有关的是“机器感知技术”和“知识发现技术”；与知识加工有关的是“脑科学理论”和“机器推理理论”；与知识输出有关的是“专家系统技术”和“机器人技术”。在智能科学与技术学科中，分工专门研究知识输入、知识加工、知识输出，就构成了其三个主要的研究方向：知识处理、智能理论与方法、智能系统与应用(如表3所示)。
7 结论
(1)智能科学与技术是人类智能科学、人工智能科学和人工智能技术的总称。技术的标志是用于设计与制造人工系统，因而“人类智能技术”并不直接存在。
(2)“智能”是“智的能力”的统称。中文的“智”之本义是“知而道出”，与英文的Intelligence(本义“推理基础上的理解”)尽管侧重不同，仍被认为语义相等。现代汉语不习惯单字形式的概念，“智”便有了三个常用派生名词“智慧”、“智能”和“智力”。前者属于哲学概念：后二者属于科学对象，是“智的能力”的两种不同简称，亦有层次高下之分。在科学领域，“智能”通常涵盖“智能”和“智力”。
(3)智能科学是指，认知智能事实、归纳智能规律、总结智能理论。
(4)智能技术是指，设计与制造人工智能系统的手段、技能和方法。
(5)智能(intelligence)应该是“能智”。即能知、能日、能推理、能理解、能应用。
(6)智能是以知识为主线的三个环节的序贯过程。智能表现为知识在知识获取、知识推理、知识应用三类活动中的定向流动和逐级提升。
(7)智能首先遇到的问题是知识表示。人类智能的知识表示是在文化传承中自然实现的，而人工智能的知识表示则依赖于专门的人为规定。这样，智能的内容就有四个部分：知识表示、知识获取、知识推理、知识应用。
(8)智能最简明最本质的定义是：知识+推理。人类智能的特征是，知识用自然语言表示、推理在人脑中进行；人工智能的特征是，知识用机器语言表示、推理用机器实现。
(9)人类智能的内容主要有五个：感官感知、信息检索、人脑推理、实际问题解决方案、实际问题解决方案的执行。
(10)人工智能是对人类智能的模仿与延伸，其主要内容也相应有五个：机器感知、知识发现、机器推理、专家系统、机器人。
(11)智能科学与技术的知识体系由两个理论和四种技术构成。智能科学与技术的知识体系涉及关于人类智能的科学、关于人工智能的科学、应用人工智能的技术，具体有脑科学理论、机器推理理论、机器感知技术、知识发现技术、专家系统技术、机器人技术。
关键词：人工智能；智能化计算机辅助教学；专家系统；知识库
中图分类号：TP18文献标识码：A文章编号：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
人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一，是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学、机器学习、计算机视觉等。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的，随着人工智能的诞生和发展， 人们开始把计算机用于教学领域。同时， 自七十年代以来， 有教学能力的专家系统得到研制。人工智能技术与专家系统的成就， 促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) ， 这便是智能型计算机辅助教学(CAI)。
近几十年来， 随着人工智能技术的日渐成熟， 它的一些研究成果被陆续应用到教学领域， 推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。
2 人工智能在教育中的作用
目前在教育技术中涉及到AI的主要有以下领域：
2.1 知识的表示与访问
基于人工智能的知识表示是以知识为对象，以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具，以哲学、心理学和逻辑学等为方法和指导，将知识表达成计算机可以直接处理的“知识库”，使用“计算机的智能”来模拟人类专家或“人类智能”，对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次，而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理，智能化的教学或创造。计算机辅助教育是其中重要的组成部分。
2.2 符号计算
符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica，当该软件在1988年第一次，对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时，商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程，从高中课程到研究生课程用它作基础。随着各种学生版的，Mathematica也已成为全世界各种不同专业学生的重要工具。
2.3 对学生错误的自动诊断
采用人工智能技术，使得教学过程中系统可以自动诊断学生的学习水平，不仅能发现学生的错误，而且能指出学生错误的根源，从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容，自动调整教学进度，自动选择教学策略与方法。
2.4 实现智能性超媒体教学系统
超媒体系统有理想的教学环境，容易激发学生的学习兴趣和学习主动性，但不能保证达到预期的学习目的，而且由于不了解所要教的对象，所以不能做到有针对性的指导，不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来，就可实现性能互补，从而研究制出新一代高性能的智能超媒体教学系统。
3 人工智能应用于教育的新方向：ICAI
3.1 传统CAI的不足
传统的CAI由于其集成性、交互性、多媒体性等特点，在教学中可以极大地激发学生的学习动机，提高教师的教学效率和学生的学习效率。但在使用过程中，CAI的一些弱点也逐渐暴露出来。主要表现有:
(1)缺乏人机交互能力
现有CAI 大多以光盘作为信息的载体， 将教材中的内容以多媒体的形式展现出来， 教学信息是按预置的教学流程机械式地提供给学生的， 学生接受起来很被动。而且在课堂教学中， 一般也只能通过教师按预定的课件流程进行操作， 无论学生还是教师都不能很好地参与教与学的过程， 因此人机交互没有很好地实现。
(2)缺乏教师与学生的互动
现有的CAI 课件在学生自学、进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学生的情况，学生在碰到问题时，也不能向教师求助，师生之间是互相封闭的，软件所起的积极效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI 课件是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。
(3)缺乏智能性
要想面对不同情况的学生进行不同程度的教学过程， 使学生的学习变为主动， 并能由系统自动地提供助学信息而有选择地学习，要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容， 给予不同方式的教学模式与方法， 没有智能性的CAI 课件系统， 是很难实现以上目的并达到良好教学效果的。由此可见，现有的CAI 随着人们要求的提高， 已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。
3.2 ICAI－人工智能与多媒体技术的结合
为了克服传统CAI的缺点，需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI)，智能计算机辅助教学(Intelligence Computer Assisted Instruction－ICAI)以认知学为理论基础。将人工智能技术应用于CAI，是智能化的CAI。在ICAI系统中，允许学生与计算机进行较自由的对话，学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度，并给予适当的反馈，而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能，模仿人类的交互方式、思维习惯及情绪流动，修饰和掩盖计算机的缺陷。
3.3 ICAI的优点
(1)将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略。
(2)通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议。
(3)通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。
(4)为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略。
(5)通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。
3.4 ICAI的标准
以现有的科学技术水平而言，短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为，只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。
(1)能自动生成各种问题与练习。
(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。
(3)在了解教学内容的基础上自动解决问题，生成解答。
(4)具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性。
(5)对教学内容有解释咨询能力。
(6)能诊断学生错误，分析原因并采取纠正措施。
(7)能评价学生的学习行为。
(8)能评价教师的教学行为。
不难看出，ICAI与传统的CAI相比，更加符合教育教学的规律，切合学生的认知习惯，具有明显的优越性。
3.5 ICAI的结构
ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。
(1)知识库
知识库是实现知识推理与专家系统的基础，而建造知识库的前提则是要解决知识的形式化，人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此，知识的表示与访问是人工智能的核心技术之一，也是将AI引入教育领域必须首先解决的一个难题。
ICAI中的资源库应该包括以下一些内容:
①多媒体素材库:包括所要呈现的知识的一些素材，包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理，便于分类、增删、修改及查询等操作。
②教学内容库:教学内容库用于存放教学内容，包括领域知识库(含辅助知识库、提示帮助库、练习题库，和测试题库)。这些教学内容，包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。
(2)学生模块
学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。
①学生登陆模块:利用该模块主要用于学生使用ICAI时登录，第一次登录时学生输人姓名、性别、年龄、学历等相关信息，然后对学生进行询问，选择合适的测验题对学生进行初测推荐学习计划。当再次登录时，系统根据保存的信息安排合适的学习内容。
②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析，可以比较确切地了解学生的具体情况，从而制定出合理的教学策略和教学过程
③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况，记录学生学习某教学单元时的参数值，并记录在学生档案中。包括:学生目前学习单元号；学习方式；正常学习、练习、提前浏览、学后复习；学习时间；学生提示问题的类型和次数；学生本次练习出错次数。
(3)专家决策模块
CAI中的专家决策系统可以看作专家系统中的推理机。专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力，从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。
成功的例子如:① DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果，对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。
ICAI根据学生模块提供的学生学习情况，通过智能系统的搜索与推理，得出智能化的教学方法与教学策略，能够较科学地评估学生的学习水平，还可以通过分析学生以往的学习兴趣和学习习惯，预测学生的知识需求和常犯错误，动态地将不同的学习内容、学习方法与不同的学生匹配，智能地分析学生错误的原因，进而有针对地提出合理的教学建议、学习建议以及改进方法，既提高了学生学习的满意度，激发了学生的学习热情，也对教师教学提供了客观的依据和科学的方法。
4 结束语
由此可见人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来，人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识，而采用“通过活动进行学习”的方式。在教学的其他方面，人工智能技术还可以建立人类推理模型学习工具等诸多的运用， 展示出越来越好的实用性。随着Internet 的发展，虚拟现实技术的广泛应用， ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，使人类扩展了自己的能力，促进了教育领域方方面面的改革。
参考文献：
[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2000.
关键词：STEM；智能财务；人才能力框架
2017年国务院的《新一代人工智能发展规划》，将人工智能产业提到重要的战略地位。2018年教育部出台《高等学校人工智能创新行动计划》，进一步明确“人工智能+X”复合专业培养新模式。2021年财政部《会计改革与发展“十四五”规划纲要（征求意见稿）》，要求切实加快会计审计数字化转型步伐，为会计事业发展提供新引擎、构筑新优势。在国家政策及发展规划指引下，高校陆续开始智能财会本科教育改革探索。本文试图以STEM为视角，探讨智能财务专业人才能力框架及实现路径。
一、数智时代对财会人才的冲击与影响
（一）财会人才的工作环境发生深刻变化。数智时代是指在信息技术普遍应用背景下，经济活动大量依赖于平台支撑、数据驱动和智能算法等技术时代。在数智时代，各类组织通过大数据、人工智能、移动互联网、云计算、物联网、区块链等技术及会计软件应用，从业务到财务部分或全部实现线上处理，改变传统财务的业务流程和工作方式，形成具有信息化、自动化、数字化、智能化工作场景。随着财务共享和智能财务的广泛应用，传统岗位逐渐消失，而适应数智时代需求的新岗位不断崛起。（二）财会工作从核算反映型向管理型、决策型转变。信息技术和人工智能通过数字信息系统处理的应用，令复杂繁琐的会计工作变得高效简便，提高了会计信息处理效率。传统会计业务，诸如发票真伪识别、往来账务核对和报表编制等工作，现在可以由财务机器人自动完成。在数智时代，对财会人员的需求从核算反映型向管理型、决策型转变，需要更多财会人才借助智能技术进行大数据分析、智能决策、风险控制。财会智能机器人可以完成一些基础的财会工作，这使得财会人员从大量日常的基础会计工作中脱身，将精力集中于财会专业化工作。由此，财会专业人才的培养应当面向管理服务型财会岗位群和技术服务型财会岗位群。（三）会计人员工作所依赖工具与基本技能发生本质变化。会计人员需要在先进的财务管理理论、工具和方法之上，借助智能机器人和财务专家的有机合作，去完成企业复杂的财务管理活动。由于财务共享和智能机器人的普遍应用，各个信息“孤岛”被打通，业财数据实现了互联互通，大量财会人才从事数据采集、数据模型设计与计算、数据服务和应用等决策层次的工作。譬如，财会人员利用大数据技术，实时对资金运营进行动态监控，实现资金运营效益的最大化；利用神经网络技术、专家辅助决策系统在预算管理、项目可行性分析等方面发挥作用；利用射频识别技术（RFID），以实现资产的高效管理，在资产管理方面结合电子监视技术及智能机器人实现无人仓储管理。
二、基于STEM的智能财务专业人才能力框架设计
（一）基于STEM的能力框架1、STEM的能力内涵。STEM是指科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四位一体的教育理念。2019年2月，联合国教科文组织的国际教育局（IBE-UNESCO）的《探索21世纪STEM能力》对于基于STEM建立跨学科的人才培养方案有一定借鉴意义。IBE从能力发展观角度将能力定义为“在21世纪背景下，以能动性和伦理性地使用知识技能、价值观、态度和技术，实现个人有效参与体现集体和全球利益的行动并发展能力”。所谓能力，包含了“是什么”和“怎么做”两个基本部分，同时在能力实施过程中，还要体现人才本身的伦理态度和价值观，以及和团队沟通、协作能力，最终人是以一种综合能力方式参与工作。2、STEM能力框架的内容。在STEM能力框架中，以能力为本位建构人才培养方案，打破了传统学科界限，形成跨学科的知识架构。科学蕴含着不同学科的知识，构成了人们探索客观世界而形成的事实判断、概念、原理、思想等内容；技术主要包含一些程序性的和技术性方面的知识，主要是指解决问题的步骤、程序、要点和操作技能等方面内容；工程是指技术知识的规模化、产业化和流程化的特点，是推动技术性知识转化为产品的知识和技能；数学在人才培养中是基础性的知识，渗透在科学、技术和工程的方方面面。基于科学-技术-工程-数学维度，进一步分解为认知能力、数据分析能力、解决问题和工程思维、科研与探索能力、数字与计算思维、设计思维与创新能力、动手操作能力和沟通写作等8项技能。（图1）（二）基于STEM的智能财务人才能力培养框架设计。根据STEM能力框架，智能财务人才能力框架可分解和细化为：1、认知能力。智能财务人才需要洞悉数智时代给财会行业所带来的巨大影响，并准确把握智能财务系统的组织结构和系统架构，能够掌握信息技术应用的逻辑和核心场景，对未来信息技术演变有一定预见性。认知能力并不反映人才本身的知识储备，而是通过学习、观察、实践、思考等环节，以分析性、推理性和批判性思维获得认知；通过逻辑推理发现问题本质，学会在不断实践中提升认知技能。必要时借助一定工具和方法等。2、信息处理能力———数据解释和数据分析。信息处理能力包括数据获取、解释和分析，并以有效的方式显示结果。在智能财务领域，有大量的结构化和非结构化的数据，如何对这些数据进行整理、组织，并选择有效的信息进行分析，是数智时代智能财务人才所具有的基本技能。要求智能财务人才能够通过利用数据图、Excel电子表、数据库、大数据分析软件等工具，培养自身数据驱动决策能力。3、解决问题与工程思维能力。通过识别分析复杂问题、分析数据、制订解决方案、评估和实施解决方案来发现智能财务领域的问题。工程思维离不开解决问题能力这一基础，另一方面也体现系统化解决问题的能力。同时，在解决问题时，注意项目的可行性和程序化的流程设计，为系统性解决问题奠定基础；工程思维还需要考虑客户需求，考虑项目的可持续性和可靠性；设计解决方案，并进行测试，并准备可能的备选方案，最终以可视化形式展示工程结果。4、科学调查。用数据来驱动决策，前提是要获得可靠的数据来源。在智能财务领域，依赖智能技术，获得信息和数据，分析数据，验证与测试假设，探索和发现相关规律和答案，以提供财务决策的理论依据。5、计算和数字思维。在智能财务领域，计算和数字思维是指采用计算机科学的概念、算法、数据模拟等方式，进行问题求解、系统设计。计算和数字思维是有利于STEM任务的高效执行，是解决实际问题的一种重要思维训练。6、动手操作技能。在智能财务领域，技能训练包括如何依赖智能技术在财务分析、决策等领域的应用和操作。通过智能财务技能的培养，使得学生能够以智能工具解决财务问题。7、设计思维与创新能力。在智能财务领域，工程和技术是保障智能化财务产品落地的前提和基础。创新性思维还依赖于设计思维的锻炼和培养。通过头脑风暴、构思和原型设计等方法，培养学生的设计思维能力。通过创造性的战略和过程来完成产品开发和方案的设计，为学生构建一个结构化的框架。8、沟通协作技能。在智能财务领域，团队需要协作设计构建许多解决方案，在此过程中，学生的沟通和表达能力是不可或缺的技能。有效的团队协作能让团队成员在平等机会之上进行交流。在教学方案设计中，通过沟通环境设计，促进学生在团队合作中，达成共同愿景、责任担当、信息传递、相互交流和合作。（三）融入STEM态度和价值观。价值观是人们认识世界的偏好、态度、方式和方法，是解决困境、面对利益冲突确定最佳行动方案。在智能财务领域教学设计中，要培养学生对数据伦理的重视，在制订决策方案时，如何选择对社会好处最大，损害最小的方案是十分必要的。
三、基于STEM的智能财务专业人才培养方案实现路径
（一）跨学科要素的重新融合。STEM的能力培养框架是跨理、工、文、经等多学科要素的组合。在智能财务领域，应摒弃以传统财会专业核心课程为主干，再附加若干个计算机课程模式；而是通过跨学科要素的重新融合，将会计、业务和技术融为一体，避免“两层皮”的情况出现。通过跨学科导师制和跨学科教学团队的建设，培养学生跨学科的融合能力。通过整合计算机与会计学科师资的专业知识来建设跨学科的课程项目，诸如Python在财务决策领域的应用、商业决策和数据挖掘等课程开展，基于多种专业的教师队伍协作研究跨学科课题，以项目、问题的形式来展示课程内容。除了开展跨学科课程以外，学生还可以跨专业、跨院系，或者是跨学院选修核心课程或选修专业课，或者开展不同院系或不同学院之间的专业研讨会，通过选择不同专业的导师学习各学科知识，来形成跨学科知识结构和解决实际问题的能力，并训练学习者处理复杂问题的能力。（二）智能财务课程体系设计路径。STEM能力框架的培养着眼于解决现实问题。智能财务领域课程设计路径分别有以下几个：1、传统设计路径。常见的传统课程体系设计主要是“专业学科+辅助计算机课程”模式。这种模式是目前大多数院校智能财务培养的主要方式。这种模式的优点是仍旧保留原有专业的培养框架和课程体系，对师资转型没有太大要求，教学目标和教学步骤清晰。辅助计算机课程委托其他系老师讲授。缺点是呈现“两层皮”的情况，学生思维仍旧被固化在原有专业框架中，对于计算机在本学科的应用缺乏认识和锻炼。2、跨学科设计路径。跨学科智能财务的设计路径要求学生对两门专业学习是平行进行，同时对于计算机课程学习强调底层逻辑和计算机思维。学生从两个或多个相互联系的学科中学习概念和技能，课程体系设计更多增加一些应用类和设计类课程，例如，通过智能财务相关项目设计，在有效的跨学科方法中，相关学科融合在一起，避免“两层皮”的情况。3、融合学科设计路径。以解决真实世界问题或执行真实项目为导向。应用来自多个学科知识和技能，形成自身独立的思维模式和操作技能。融合学科的精髓在于寻求跨越传统学科之间的鸿沟，这样使其比跨学科走得更加长远。这种模式对师资和学生学习能力、资源整合能力要求都非常高。（表1）（三）以能力为本的跨学科智能财务课程体系“搭建”。基于STEM的能力框架“搭建”智能财务课程体系中，以从学生认知能力和底层逻辑思维能力培养起步，由低阶到高阶逐步推进，最终通过设计综合项目训练，达到解决智能财务领域复杂问题的能力。课程体系设计如图2所示。（图2）智能财务专业人才培养最终是要用所学知识解决真实世界和情境的复杂问题。需要通过思维训练、专业能力和应用能力多个方面着手。在高阶阶段，教师要围绕培养目标，通过融合类课程的构建，引导学生解决复杂问题。（四）多种形式的产学研培养路径。在智能财务跨学科培养模式中，需要通过多种形式的产学研联合。形成协同一致的多元利益主体。企业、社会团体、专业社团等多个利益主体参与，不仅仅依赖政府、学校的力量，建立合作机制，共同参与、联合培养，从而形成有效合力。开发产学研联合示范培养项目，发挥校企联合项目示范引领作用，通过多导师制、导师负责制、跨学科导师制等方式，使学生有更多的机会将理念、知识应用于实践，提高学生的职业能力。产学研培养路径能够为学生提供充分的真实或模拟的体验，参与真实的财务方案设计活动，实现学习资源的共享、学习问题的交流和经验分享。（五）建立能力可量化的评价机制。能力是学生通过学习所具备的技能，能力培养既是学习成果，也是学习目标。培养方案和课程体系是能力培养的载体，将能力培养与课程评价标准联系，明确学生应该掌握什么样的内容，掌握的程度。通过课程标准建立，能够为学生获得某种能力程度提供参考依据。课程标准不仅仅包括内容标准，还包括培养质量。前者描述了能力框架内学生应该知道什么和能够做什么，后者明确学生掌握知识和获得能力的程度。（图3）
四、研究结论
信息科技的迅猛发展催生了新产业、新业态和新商业模式，新的要素市场结构对会计人才能力要求提出新的需求。本文以STEM为基础，构建了智能财务人才能力框架，并探讨了智能财务人才能力实现的路径。本文分别从课程体系、教学模式和评价机制等方面对可实现路径进行了论述。从而为开设智能财务方向、或开设智能会计专业奠定了一定理论基础。
主要参考文献：
［1］陈鹏，田阳，黄荣怀.基于设计思维的STEM教育创新课程研究及启示———以斯坦福大学d.loftSTEM课程为例［J］.中国电化教育，2019（08）.
［2］许昊，陈怡斐，潘慧凡，张成.人工智能背景下会计学专业人才培养模式的创新与改革［J］.改革与开放，2018（01）.
［3］李闻一，李栗，曹菁，陈新巧.论智慧财务的概念框架和未来应用场景［J］.财会月刊，2018（05）.
［4］董泽华，卓泽林.基于项目学习的STEM整合课程内涵与实施路径研究［J］.中国电化教育，2019（08）.
［5］董蓝蔓.中国的STEM教育面临三大瓶颈［N］.文汇报，2015-07-17（006）.
前不久，李世石不敌人工智能程序AlphaGo，人机大战以1∶4告终。自此排名世界第二的机器人AlphaGo，亦开始向立于世界围棋之巅的柯洁九段叫板。在1950年代末，IBM的电脑“思考”在和人类的国际象棋手的最初对弈中，被打得丢盔弃甲。但40年后，人工智能忽然间声誉鹊起。自此，人类在国际象棋领域和机器的对弈，就几乎没有赢过。而今天，复杂的中国围棋居然也终于落败在人工智能手中……
人机博弈，引起了人们空前广泛的关注甚至对人类前景的各种担忧。弱人工智能AGI（Artificial Narrow Intelligence）完胜了围棋对弈，强人工智能AGI（Artificial General Intelligence）的强势，已成定论；最后，能够自我学习完善的超人工智能（Artificial Super Intelligence），也就近在咫尺。
然而，身为一名小学生的家长，关注人机大战之际，我心中萌生的念头却是：在人工智能成熟超越人类智能的不久的将来，我们的教育会受到什么样的冲击？人工智能如此迅速的发展，对如何能够培养富有创新力的机构或者企业人才，会有何启示？
创新能力的培养，是一辈子的功课
无疑，这种前沿科技骤然而至的加速发展，已经让人们看到它们能够在更多的领域帮助到人类，从科学技术、商业，到人们的生活等领域。显而易见，个人的知识学习，也会随着人工智能的成熟，而改变定义。在一个各种机器能够替代人类学习的时代，学校的教育重点，显然不再是知识的传授。培养学生的创新能力，更突出地成为我们所谓“教育”的主要追求之一。
世界顶级创新设计事务所IDEO的前工程师Jorge Yzusqui Chessman与南美亿万富翁Carlos Rodriguez-Pastor在2015年创立的Innova学院，已迅速成为了秘鲁最大的廉价私营教育系统，正受到全球教育专家的瞩目。这所学院，彻底颠覆了老师教条地教、学生埋头学的知识灌输式或传递式的教育传统，而是将提高孩子们领导力与创造力相关的各种点拨，提到了学校的最重要日程上。其中一项重要的“点拨”方式，就是孩子们每年都要参与一个历时一周的互动式项目，学习如何创造性地处理一些实际的社区挑战。
十几年来一直在创业创新教学领域独占鳌头的美国百森商学院，也一直设置着一些类似的、为期更长的沉浸式项目，为学生提供解决问题的实践机会。例如：所有入校的大一学生们会组成“创业小组”。每个小组拿着校方提供的数千美元“启动基金”，用一学期的时间，自己寻找、选择、计划和运营一个商业项目，或经历成功或经历失败，真枪实弹地体验创新和创业的整个挑战过程。
从某种程度上来说，打开脑洞，创意地工作和生活，其实是一个人一辈子的功课。企业组织和其他社会组织对其成员创新能力的打造，完全不亚于学校的教育方式对一个人是否能释放创造力的影响。
激发创新的情境，是“叫板挑战”
虽然长期供事在机构和企业创新咨询及培训领域，我却一直不主张在机构或企业里自上而下地宣讲如何创新的金科玉律。
在许多组织里，每每出现的一个挑战和问题，其实都是培养创新能力的机会。就像好的老师为学生精心设计出来的“情境”，目的是为了让学生在情境中去沉浸体验、经历锤炼、收获感悟、积累能力。而在企业或其他社会组织中出现的问题和挑战，则是激发创新的最好不过的“情境”。人们面临问题时的专注，往往能够迸发出超越性的奇想。
美国一支南极探险队在南极首次过冬，遇到一个看似无法解决的难题。由于所携输油管的长度不够，队员们无法将船上的汽油运到基地。困境之中，队员突发奇想：能否用冰做成输油管？在这样一个泼水成冰的地方，似乎可以！但随之又出现一个问题，怎么将冰做成不容易破裂的管状？被逼得“走投无路”的队员们，终于又想出了一个好主意：船上带了很多医用绷带，用这些绷带缠在铁管子上，浇上水，等结成冰后，再拔出管子。果然，考察队做出了冰管，顺利地解决了输油问题。
在企业里，各部门的员工为了解决所遇到的问题而联手，更是操练团队创新思维、激发团队创意、甚至是培养创新领导力的开始。
关键词：人工智能；高中生；职业规划；建议
一、引言
人工智能的不断发展与拓展促进了我国各个领域的发展，同时对各个行业产生巨大冲击，很多需要人工机械作业的领域将会使用机器人，造成大量人员的失业。面对如此现状，今后我们高中生如何做好职业生涯规划成为当务之急，只有深刻把握社会发展趋势，加强学习方向与时代潮流的匹配性，才能迎接挑战、抓住机遇、趋利避害，做好职业选择和规划，更好地适应今后的社会发展。
二、人工智能的发展现状和趋势
（一）人工智能的发展现状
“人工智能”一词最初是在1956年Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理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。目前，人工智能技术在美国、欧洲和日本呈现飞速发展趋势。随着人工智能技术的快速发展，人工智能已经在各个行业得到广泛应用，其中比较典型应用主要包括符号计算、模式识别、机器翻译、机器学习、问题求解、逻辑推理和定理证明、自然语言处理、智能信息检索技术以及专家系统等，这些在计算机领域、化学领域、医学领域以及矿物勘测领域等得到广泛应用，并取得较好效果。
（二）人工智能的发展趋势
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综合模糊处理、并行化、神经网络和机器情感等进行全方位发展。随着全球化趋势的不断增强，今后人工智能会向着全球国际标准的方向发展。人工智能技术不断地在就业领域应用及发展，因此高中阶段就对自己的职业生涯有着规划是未来发展的必然趋势，并且美国、加拿大等先进国家早早的就把高中生职业规划教育课程安排在了高中阶段，相比之下安排职业规划教育课程的高中毕业生，甚至大学毕业生对自己的规划都有着明确的方向，我国目前某些地区高中阶段已经安排了职业规划类型的课程，相信不久高中生职业规划的课程也会出现在更多地区的校园。
（三）人工智能发展对就业的影响
随着机器眼下正在取代的首当其冲的是那些简单机械操作的劳动者，比如说我国工厂里的初级工人正在面临自动化的威胁。还有美国福特公司，不仅大量裁减蓝领工人，而且还要把工厂搬到别的州或国家去，那里税收更低、政策环境更宽松、工会更友善的，在这些地方使用机器人不仅可以提高作业效率和质量，而且能够极大的降低各种成本，能够为企业创造更多的效益。
随着人工智能的快速发展，人工智能对各个领域的就业产生了重大影响，我国也在往这个方向发展，对于IT行业，今后会大量使用机器人进行工作，制造业也在逐渐增加使用机器人。技术的进步，使得个人的生产效率得到了巨大的提升。虽然就短期而言，机器是不会一下子取代大多数人，但我们必须未雨绸缪、防患于未然。有一些机械的、长时间集中精神的、固定套路的工作，比如流水线工、司机、配药师等，机器比人还擅长，这些领域将会淘汰大量的工人，导致很多人员失业。而很多工作需要人搭配机器做才最高效，这些工作是主流的新工作，但是需要注意的是，在人和机器协作的过程中，机器一定会不断智能优化的，在单一专业的工作内容中，机器逐渐又会替代人，因此也会造成人员失业。对于人际沟通事务，由于需要人与人之间的交流，还是人比较擅长。审美是模糊的、社会性的，这个还是人比较擅长。
对于我们高中生而言，勤动脑，勤动手，不断创新，是未来立足之本。因此不仅要埋头学习知识，还要培养创新能力和实践能力，以应对迎接人工智能的挑战。
（四）高中生应该怎样规划职业生涯
面对人工智能的快速发展，今后我们高中生应当趋利避害，努力做好职业生涯规划，实现自我价值的增值，具体来说应当从以下几个方面入手：
1.增强职业规划的意识
高中生要根据自身的主观因素以及外界的环境因素，分析、归纳、选择自己的职业发展方向，并且制定相应的学习、培养计划，采取必要行动去实现目标。这种确定人生方向的规划问题应该在高中阶段每一个学生都应该对自己有着清醒的认识，并且得到自身的重视，对选考科目的选择及大学志愿的填报就不会盲目、无头绪，在高中阶段有了明确的目标会使自己的学习方向更加准确，学习积极性更加强劲，同时在就业选择上也可以尽量地少走弯路。
2.选择高水平的职业指导教师
高中生实现从学校到社会或者更高层学校的过程中职业规划具有重要的导向作用，因此在高中阶段一个好的职业规划指导教师对学生的影响有着重要的意义。首先我们选择的职业规划指导教师必须具备一定的任职条件，目前国家也一再的强调任职职业资格的严格性；其次就是指导教师要善于启发式指导学生，增强学生的独立思考能力，在教师的帮助下充分认识自己的天赋、特长、兴趣、能力、心理等方，发现和挖掘自己多方面的潜能，学会正确利用各方面条件充分发展。同时，要注意避免指导教师的思想左右了我们的思想，只有准确的认识自己，才能促使我们带着自己的职业规划继续努力进步。
3.自己的高中生涯规划
高中的三年，对一个高中生的人生有着重要的意义，因此高中阶段可以进行分阶段的自我管理培养。高一阶段：刚进入学校，通过学习了解学科特点，利用学校、教师、网络、社会了解就业动向，自我优势结合人才需求，明确选考科目，初步制定职业发展意向。高二阶段：正确处理选考科目学习与学考科目学习的关系，既突出专业知识又兼顾知识广度。高三阶段：更要处理好语文数学英语必考科目学习与选修科目深化拓展的关系，既要提高高考成绩又要深化拓展专业素养；既要强化高考复习又要重视面试培训，为参加高校自主招生考试或“三位一体”考试做好充分准备。因为近年来重点大学通过高考统一招生录取的名额正在减少，而自主招生或“三位一体”的名额大量增加，有志于就读名牌大学的学生要注意这方面的情况。同时高中生要根据自己的理想多去了解高校情况，多去了专业设置的情况，为报考适合自己的学校及专业做好信息准备。
4.积极参加选修课程，为今后的职业生涯做好基础
按照教育部有关规定，高中学校要开设选修课程。我们可以根据自己的兴趣爱好，选取自己喜欢的课程进行学习，这不仅可以及早的发现我们的喜好和特长，为我们的职业生涯做规划有着重要的参考意义，同时对我们的基础知识的培养也很重要，拓宽了我们的见识宽度，为今后的职业生涯奠定坚实的基础。
参考文献：
[1]刘界，黄冠，王冰洁.关于人工智能教育如何弥补当前教育缺陷的思考[J].内蒙古民族大学学报，2006，12（3）：50-51.
[2]焦加麟，徐良贤，戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真，2003.20（8）.
[3]刘春玲，张焕生，郝国芬.BP神经网络在教学评价中的应用[J].煤炭技术，2012，31（5）：231-232.
“每个人都很愿意讲话；同时往往各执己见，谁也无法说服谁。”来自英国惠灵顿公学的校长朱利安·托马斯耸肩一笑，话锋一转：“要让他们达成一致，那几乎是奇迹。”
托马斯口中的奇迹，却真实地发生了。不久前，在天津惠灵顿国际学校举办的一场主题为“如何培养21世纪人才”的论坛上，来自中、英、韩三国知名中学的校长坐在了一起，就人才培养达成了共识：技术正在迅速地改变着这个时代，教育也必须与时俱进地变革，才能培养出未来需要的人才。
在瞬息万变的大数据和信息时代中，在不断融合的全球化大趋势里，到底什么才是未来人才最重要的品质？这个话题成为与会者讨论的焦点。
死记硬背的知识记忆已经过时
“我大学毕业的时候，学校只有一台电脑，有整整一间屋子那么大。而今天，技术在突飞猛进。”托马斯说，目前的教育和考试系统都是源自于过去的时代，当时对于大多数学习者来说，最重要的学习技能是记忆力。”但这种强调记忆力的教育仅适合过去的时代，而今天，应该是改变的时候了。
“让每个孩子在离开学校后，保持一种非常积极的状态，他们不仅是愿意学习的，并且对自己所做的事情很感兴趣。”这是托马斯理解的“好的教育”。
他理想中的教室，并不是鸦雀无声、秩序井然的样子，“在一个非常安静的教室里，老师给学生传授知识，这并不是最好的学习方法。”他认为，一个在未来有持续学习能力的人，首先要学会自主学习，因此课堂上老师不应是仅仅灌输知识，而是要让学生学会独立学习。基于兴趣的学习，能让学习者不会浅尝辄止，而愿意在某个领域进一步钻研和探索，不断深入。
托马斯认为，教育的本质在于释放孩子各方面的天性。在中学阶段，应该给孩子们留下更多可以伴随一生的良好品格，即积极、慎思、独立、个性和包容这五大特质。
人工智能时代，教育能给孩子什么
“我想先跟大家讲一讲围棋的事儿。”天津韩国国际学校校长姜聲奉开门见山地提到今年3月韩国棋手李世石多次败给人工智能“阿尔法狗”的故事。显然，这次人机大战给教育者带来更多思考——学生是不是可以完全依赖技术而不再学习？
姜聲奉认为，既要看到人工智能给人类带来的巨大便利，也应该透过这场人机大战看到人工智能代替不了的人类能力。比如李世石的拼搏精神，面对失败寻求突破的创造力和耐心，以及带领团队分析的领导力，“这些能力是今后我们应该对学生培养的重点”。
他以一份对外公布的联合国报告举例，未来很多工作都会被人工智能取代。不仅是简单的、初级的劳动，甚至也包括一些专业性较强的工作，比如会计、医生等。那么，在人工智能时代，教育的方向又应该是怎样的呢？他认为，教育应该关注的是那些不能被人工智能取代的能力。如感知能力、创造力和洞察力，以及与人合作的能力等。
天津惠灵顿国际学校校长迈克尔·希金斯举起手机说，现在我们每个人在使用智能手机，它的计算能力都具备了上世纪六七十年代把人带到月球的水平，甚至这种能力还在不断增强，“那么对教育而言，除了传统的数学、英语等必不可少的课程学习之外，我们更应关注一个人的能力和品质”。
更重要的教育在课堂之外
“考什么才学什么，一定要警惕这种功利倾向。”托马斯举例说，如何修理自来水管，这种跟实际生活关系很密切的技能，也是不应忽视的教育内容。
“学习不仅是上课、写作业，还有很重要的一点是‘软实力’的培养。”希金斯解释说，软技能是与人互动的能力。比如学校要准备一场足球赛，在准备的过程中首先会激发学生对足球的兴趣，而过程中锻炼学生的领导力、团队协作力，并且学会共同承担风险，这些都是软实力。
天津南开中学第六任校长、天津南开翔宇学校总校长康岫岩也表示，一个在未来有竞争力的人才，首先要有国际理解力，也就是说，不仅能够植根于本民族的文化，还能够客观看待、理解并尊重外国的历史文化和历史传统，主动参与多元文化的交流。
不约而同的，来自三国的中学校长都提到了，要想让教育方式彻底转变，考试模式必须随之变化。
托马斯说，通过考查记忆力的方式评判一个人能否胜任某一项职业的时代已经成为历史。应该在教育中识别出哪些是希望学生学习的内容，并通过考试体现出来，“要让考试和教育紧密结合”。
2007年8月，几个人工智能专家告诉IBM高级副总裁约翰・凯利（John Kelly III），他们要创建世界上第一个处理非结构化数据、可与人互动的人工智能系统。九年之后，这个系统成了IBM第四次转型的核心。
这个人工智能认知系统，就是今天声名大噪的Watson。命名为“Watson”，意在纪念IBM（NYSE： IBM）创始人Thomas J. Watson。
2011年Watson初次亮相，就打败了美国问答游戏电视节目《危险边缘》的连胜纪录保持者和最高奖金得主。这是IBM历史上继“深蓝”计算机在1997年打败国际象棋大师卡斯帕罗夫后，又一次成功挑战人类。赛后，IBM将Watson提升到公司级战略地位。
2014年，IBM专门组建了Watson部门，迄今已经在这个部门投入了数十亿美元，目前该部门拥有约1万名员工。
今年初，IBM董事长兼CEO罗睿兰（Ginni Rometty）宣布IBM正式进入这家公司历史上的第四次转型。转型目标是成为一家认知解决方案云平台公司。Watson是IBM此次征途的核心推手。
2011年IBM百年之际，英国《经济学人》周刊曾撰文总结IBM历史上的三次重大转型，分别是从机械制造到计算机制造、从大型机制造到包括个人电脑在内的分布式计算机系统、从计算到服务。
罗睿兰称，“未来五年，我们所作的每一个决策，无论个人，或是专业机构，都将受到Watson的协助。”
第三咨询机构Forrester首席分析师戴鲲告诉《财经》记者，Watson是IBM在人工智能领域的核心产品，也是加速其相关软硬件及云服务在各行业采用、延续其收入增长与利润水平的重要推动力。
如果一切顺利，IBM这家百年老店将再次上演大象跳舞式的转型。 商业化加速
10月底的Watson世界大会期间，IBM宣布了两个重要合作。一是将与汽车制造商通用汽车公司合作，Watson将为其新版车机系统OnStar提供技术支持；此外，IBM还将与全球教育机构培生合作，Watson可以为其学生提供自然语言下的学习指导。
通用和培生都是所在领域内的标志性用户，和它们达成合作，意味着Watson的商业化再下一城。此前数年，Watson仅在医疗等领域比较著名。今年，随着金融、零售、时尚、教育等多个行业标志性样本的出现，Watson的商业化版图正在悄然扩张。
罗睿兰曾乐观预测，到2017年底，全球将有10亿人使用到Watson的相关应用或服务。
外界亦看好Watson带给IBM的营收提升力。IBM目前并不单独披露Watson的财务数据，但证券研究机构瑞士银行估计，2016年，Watson将产生5亿美元的营收，并在未来几年保持快速增长，2020年将创下60亿美元的营收，而在2022年，数字更是上涨至170亿美元。
事实上，Watson带给IBM的收益将不仅限于Watson系统自身的收入，还包括Watson助推下的包括云服务业务、咨询服务在内的多个业务板块。
结合罗睿兰对全球认知技术的测算，认知技术市场目前有320亿美元的市场份额，这个数字在过去四年增长了16倍。智能决策的市场份额，到2025年，预计将达到2万亿美元。
这意味着，从2007年研发，经过十年布局，IBM终于要收获Watson了。
物联网是另一个商业增长实例。德国汽车零部件供应商舍弗勒集团（Schaeffler）正在利用Watson物联网平台改造其供应链、制造和销售等环节。仅在三季度，Watson物联网平台的新客户数量就增长了一倍。
需要强调的是，只有不断完善Watson的能力，IBM才能够说服客户转向IBM的云平台，与其竞争对手构建起真正的差异化，开拓更多市场。
医疗健康是Watson目前最强的领域。IBM Watson团队超过一半为医疗团队。从最早帕金森专项治疗，到利用医学影像 “狙击”癌症、糖尿病、心脏病等重大疾病，Watson的计算能力和对数据的分析能力，使得医疗行业最有可能先被颠覆。
不断吸收大量非结构化数据并学习是Watson成为全球医疗健康第一人工智能系统的秘诀所在。
2015年以来，IBM为了“喂饱”
Watson，宣布了多宗有关医疗健康领域的公司收购案，比如一家是可以查看5000万份美国患者病例的分析公司Explorys，另一家是提供云计算软件，可以把各种类型的健康数据进行处理，为医生提供数据方面分析的Phytel。此外，这份收购名单上还包括医疗数据公司Truven、医疗影像与临床系统提供商Merge Healthcare。这些公司拥有大量医疗数据，比如账单记录、病历、X射线和MRI（磁共振成像）图像等。
收购这些公司花费了IBM超过40亿美元，这相当于IBM 2016年单季度净利润的两倍。
IBM意图很明显――加强Watson在健康数据分析方面的能力。
此次Watson宣布进军更多垂直领域，给了投资者和市场无限想象力，它所隐含的挑战也正在于此。
Gartner分析师Tom Austin评论称，IBM给自己设定的目标很宏大，但可能需要花费数年的时间，以及昂贵的成本。 补齐短板
Watson解决方案与以往软件套装的模式不同，IBM将各种功能打包成API（应用程序编辑接口），根据企业需要进行调取。
Glenn Finch表示，“这就好像是乐高玩具，中间有很多的环节，能够组合在一起。”这意味着，在一段时间后，IBM可以支持40个不同的行业，数百个子行业的需求。
作为平台，Watson必须不断补充两个核心资源――基础数据和垂直行业领域的专业知识。
IBM正在加大这一投资。IBM已陆续收购了基础天气数据提供商The Weather Company、医疗与健康数据公司Truven Health Analytics、金融服务合规性方案提供商Promontory Financial Group等12家公司，投入收购资金超过50亿美元，而去年同期用于收购资金仅为821万美元。
分析师们认为，IBM会继续对能够产生数据的领域投入重金，并且这是一个长期行为。
对基础数据的收购，正在帮助Watson提升分析数据的能力。Watson正在为一家面包店可以根据天气的变化制定合理的生产策略，同时为一家化妆品公司分析下一季口红的流行色，甚至为一家巧克力公司创造新的口味。
对行业解决方案商的收购，则帮助IBM逐步完善Watson行业分析的能力。如对Promontory的收购，IBM希望其能为Watson增加金融监管的专业知识。用新的方法帮助金融业客户达到合规要求。
收购之外，合作也是一种路径。IBM通过与Twitter合作，可以获得社交网络的数据，用于Watson的大数据分析，就是典型的例子。
社交网络的数据正成为云计算厂商追逐的热点，尤其是那些过去与互联网联系不那么密切的IT厂商。
2016年，微软以262亿美元巨资收购职场社交网络LinkedIn；甲骨文携手腾讯落地中国市场，看中的也是后者在社交网络上的布局。
甲骨文中国区董事总经理李翰璋告诉《财经》记者，“腾讯有成熟的互联网经验，对PaaS和SaaS的发展起关键支撑作用。”
针对中国市场，IBM也正在寻求社交网络的合作伙伴，腾讯和新浪微博是其两个重要选项。
不仅如此，IBM还通过研发拓展Watson的能力。
10月26日，IBM宣布一系列新的产品策略和市场方案。一方面，利用Watson机器学习、自然语言处理等能力，丰富了数据处理、分析，以及移动化的使用场景；另一方面，在市场营销、商务、供应链和人力资源等垂直领域推出Watosn认知解决方案。这些方案与近期IBM推出的金融、法规和教育等方案，构成了一系列可商业化的产品阵列。
在认知技术的帮助下，传统产业的流程得以改造。IBM称，一家大型制药公司通过应用“认知预测与计划”引擎，可以快速甄别新的机遇和风险，从而作出投资决策。其预测准确性从80%提升至99%，产生超过1亿美元的增量利润。
IBM甚至决定将Watson发展成为一个新的生态系统。未来不仅将向Watson引入更多的开发人员、大学、企业参与，扩展认知技术的应用范围，而且在恰当的时机建设针对不同行业的专有平台，从上到下打通数据。
补足短板后，Watson已经形成的群聚效应会更加明显。到2017年底，Watson应用覆盖人数将达到10亿，这令Watson提升企业竞争力，进而改变行业成为可能。
Watson作为全球人工智能最高水平的代表，技术创新和商业模式创新的边界似乎无限。
阿里云人工智能首席科学家闵万里认为，人工智能的一大挑战是从分析学习人类逻辑思考能力上升到情感等更加不具备逻辑性的维度，这也是Watson新的挑战和机会所在。 转型利器
Watson平台孕育十年之久， 2016年1月，罗睿兰在消费电子展上宣布，IBM将成为一家认知解决方案云平台公司。在这个转型目标中，Watson是核心主角。
Watson已经成为全球人工智能的主要玩家。但是，IDC预测，到2020年，全球60%的人工智能应用程序将在四个公司的平台上运行，它们是亚马逊、谷歌、微软和IBM。
与亚马逊、谷歌和微软不同，这三大巨头的人工智能产品与服务处于增值地位，而Watson则处于IBM的主流地位。
罗睿兰表示，未来企业将因具有认知能力而获得差异化竞争优势。
IBM意识到，Watson自身的强大并不足以完成转型。IBM需要Watson来推动增长。该公司的营收已连续18个季度出现下降。
从具体业务板块来看，Watson、数据分析和云计算等新型业务正在增长，但这个进程还不够快，无法完全弥补其在传统硬件、软件和服务上的萎缩。
IBM的今年三季度财报显示，代表新兴业务的认知解决方案部门营收同比增长5%，但作为传统业务的硬件系统部门却同比下滑21%。
IBM决策层对这样的过渡阶段似乎已有预期。为了保证转型效率，罗睿兰一面出售低利润和亏损的业务，一面调整组织结构，增加大数据、云计算等领域的投入。IBM近年来卖出了80亿美元的业务，同时收购了50多家公司。
不过，某大型国际IT公司副总裁认为，IBM将Watson放在战略核心并非创新战略理念，他向《财经》记者表示，“以大数据为主体的分析已经成为产业标配，无论是AI（人工智能）还是BI（商业智能）。单独提出来更像是一种市场营销的策略。”
但一位前IBM中国区高层评价，这些有计划、有价值的收购，对IBM彻底转型成为一家人工智能公司十分有益，难点是这些投资也拖累了IBM的短期业绩，局面几年后才能扭转。
IBM需要在能够带来现金流的传统业务及能够带来未来的认知商业中做平衡。
IBM大中华区董事长陈黎明向《财经》记者表示，IBM既要保障传统的客户和市场，也要向云计算和认知技术投资。担心说得不够明白，他又打了个比方：“既要赚到面包和黄油，又要盯着地平线方向在发生什么，那是我们的未来。”
但眼下，陈黎明亦强调，认知计算（Watson）不是一个孤立的技术，它带给IBM的是一连串战略上的联动效应。
在组织和业务架构上，Watson团队和IBM其他团队已经融合作战。
IBM大中华区全球企业咨询服务部副总裁徐习明此前接受《财经》记者采访时透露，面对一个企业客户，IBM要确保能够提供一个完善的、整套解决方案，这需由各个业务单元共同组成――包括前端的咨询服务、提供基础设施的硬件系统、大数据、云以及安全等部门协同完成。
从产品体系来说，Watson不再是单独销售的产品，而是作为一种API，开发者可以从云平台上获取其功能。
戴鲲表示，云平台弹性伸缩的广泛服务能力和大规模实时数据处理能力是人工智能的必要保证，基于深度学习的预测分析等技术的人工智能，提升各行业产生客户的产业观察、体验和运营决策。
Watson的发展正在反哺IBM云业务。2014年，IBM基于开源项目Cloud Foundry推出了PaaS云平台Bluemix。Watson作为特色云服务之一，与物联网、区块链等集成进入Bluemix平台，这些成为了IBM混合云服务的核心。
IBM近两年针对混合云的部署，重新设计和开发了集成服务器、存储和软件等传统关键业务，并针对混合云的环境设计了多种版本的服务。
Bluemix分为本地、专属和公众三个版本，分别用于企业防火墙后、公共数据中心的独立机柜，以及公有云平台不同环境。
与此同时，一些第三方SaaS（软件即服务）应用生态基于此生根发芽。一家名为“Wayblazer”的初创企业正借助Watson为其客户精准定制旅行计划；日本软银集团研发的机器人Pepper的大脑就是Watson；教育机构芝麻街使用Watson对学生的学习材料进行个性化甄选……
可以说，IBM现在正全力把Watson云平台与其他企业级生态互联互通。罗睿兰强调，在Watson的生态圈里，IBM只是其中一员。
IBM决策层还在持续探索Watson和IBM其他业务融合的可能性。数月前的一个内部会议上，罗睿兰问IBM区块链首席技术官：“Watson和区块链是否可以融合做出更多意想不到的商业应用？”
按照罗睿兰的计划，IBM2018年超过40%的收入将来自业务分析、云计算、网络安全、社交网络设计和移动技术的公司市场。
这一目标正在被快速接近。IBM今年10月公布的2016年三季度财报数据显示，IBM第三财季营收为192.26亿美元，净利润为28.53亿美元，虽然同比依然下滑，但云业务营收同比增长74%。此前，IBM已经连续七个财季业绩超出华尔街分析师预期。原因在于云业务增长强劲。
接下来，IBM和罗睿兰需要面对的最大难题是如何停止已经超过18个季度的营收下滑。
中国的一位大型云平台服务商创始人向《财经》记者评价，IBM并不会因为眼前的低迷而衰落。
原因有二：其一，IBM是一家矩阵式的公司，是集体自由的。它跟微软完全不同，微软的老板太牛了，而IBM是一家没有老板的公司，这种公司很难死；其二，IBM的组织架构令整个公司的研发体系非常强大，研发和产品能力强大，公司CEO的职责更倾向于销售和市场。
12月5日，“智IN中国”2017百度教育年度盛典在京召开。百度总裁张亚勤表示，依托百度云，百度教育将不断地把百度在人工智能、大数据、云计算的最前沿技术能力向教育行业进行输出，推动人工智能与教育教学实践的深度融合。未来，百度教育希望能够向全行业开放百度“AI+教育”的成果，共同打造一个开放的教育生态智能平台，真正推动社会范围内的教育智能化升级。
上市公司中，威创股份(002308)联手百度利用AI技术打造“智慧幼教”，打造智慧幼教行业解决方案，助力产业升级。视觉中国(000681)与百度签订了战略合作协议，将在内容正版化、人工智能领域建立 全面深入合作，将业务延伸至旅游、教育等2C端产业。
郑商所：调整硅铁1801合约交易保证金标准和涨跌停板幅度，自2017年12月7日结算时起，硅铁期货1801合约交易保证金标准由原比例调整为14%，涨跌停板幅度由原比例调整为8%。
令人震惊！中国私募基金管理资产达到10.77万亿元人民币。据中国资产管理协会最近报告称，随着中国有更多财富流向理财机构，中国私募基金行业管理的财产正在迅猛增长。 这份发表于11月10日的报告称，今年前10个月内，中国私募基金管理的资产同比增长28%，达10.77万亿元人民币（1.63万亿美元）。中国股市缺的不是资金，缺失的是信心！
【马化腾：医疗产业会是数千亿市场 正在大量地与医院开展合作】2017《财富》全球论坛12月6日至8日在广州举办。今日下午，腾讯控股董事会主席兼首席执行官马化腾在会议上谈及未来千亿产业时称，教育领域非常广阔，随着经济发展，大家对子女的教育投入会越来越高。
【上期所将全力推进黄金期权类衍生产品的研究开发】2017第十二届中国黄金与贵金属峰会12月6日在上海召开。作为黄金市场的重要组成部分，上海期货交易所将坚持市场化、法治化、国际化的改革发展方向，大力拓展服务实体经济的深度与广度，把黄金期货市场建设...
关键词：智能科学与技术；交叉学科；相关学科
我国智能科学与技术本科专业（简称智能专业）已经历了10年的发展历程，而且越来越多的高校经教育部批准，加入智能领域的人才培养行列中，对智能专业的教育教学已有一定的实践经验与成果。如今，社会已经步入信息智能化时代，如何更好地适应智能化社会的人才需求，应在已有基础上对智能专业及相关学科的发展作进一步探讨。
1 智能专业的发展基础
人类社会从农业社会、.工业社会到信息社会，发展到今天，在越来越多的领域，人工智能工具都能够根据不断出现的新情况来调整自身的规则系统，需要人工的产业也越来越少，但却苦于信息与机器无智能的问题，因此有了以信息智能化和机器智能化为目标的智能科学与技术研究领域的出现。我国也非常重视其发展，在国家863项目指南中，智能化人机交互与中文处理平台已被列为计算机软硬件主题的重点项目，并将智能机器人纳入863计划长期支持的重要领域；国家中长期科技发展规划纲要（2006—2020年）强调发展认知科学、智能交通管理系统、智能信息处理技术、智能感知技术、智能服务机器人等智能科学技术。智能科学与技术将在未来国家科技发展规划和重大科研课题中扮演重要角色，也将成为智慧地球、智慧城市和智慧生活的引导者。我国智能科学技术教育已走出了一条星光大道，争取在我国学位体系结构中增设智能科学与技术博士和硕士学位授权一级学科，同时把我国智能科学与技术本科专业建设和人才培养推向一个更高的阶段。
近年来，信息领域学科的热门专业也开始面临不同程度的就业压力，作为信息领域的一支新生力量，智能专业便成为高等学校进行专业结构调整的着眼点。继2003年北京大学首个提出并成立智能专业后，众多高校把握先机，申请并建设了智能专业。
智能科学与技术本科专业是一门融合了电气、计算机、传感、通讯、控制等众多学科领域，多学科相互合作、相互研究的跨学科专业。它涉及机器人技术、微机电系统、以新一代网络计算为基础的智能系统，以及与国民经济、工业生产及日常生活密切相关的各类智能技术与系统等。
经调研，大部分高校的智能专业是基于自动化、通信与电子系统、计算机科学与技术、电气工程、人工智能、机器视觉、数据挖掘、信息检索及知识工程等领域发展而来，并且具有雄厚的师资力量，为智能科学与技术未来的发展做好了充足的准备。部分高校智能科学与技术专业的师资队伍所属学科的比例如图1所示。
2 智能科学与技术专业学生的继续深造方向
智能科学与技术专业涉及非常多的专业领域，就其中的一个领域而言，就可以进行更深一步的研究，成为其继续深造学科，例如智能专业本科后可以从事控制工程与科学、计算机科学与技术、智能科学与技术等学科，本文只列举其中几个例子。
2.1 控制科学与工程
控制科学与工程是研究控制的理论、方法、技术及其工程应用的学科。
经调研，以湖南科技大学为例，该学科特色研究工作主要体现在群机器人协作控制技术、故障智能诊断方法研究与应用、非线性系统分析与综合、煤矿安全监控系统应用技术等方面：其中群机器人协作控制技术借鉴昆虫的群智能行为，利用人工智能等技术使多个个体机器人完成一系列合作任务，面对未知环境搜索定位等复杂任务；故障智能诊断方法研究与应用运用智能检测、智能故障诊断、传感器融合等技术研制大型机电设备与其复杂的运动控制及诊断系统，该研究成果已成功应用于“机车走行部在线故障诊断系统”。群智能、智能检测、故障诊断等技术的运用证明了智能科学与技术在此学科中起到重要的作用。
以北京信息科技大学为例，智能科学与技术系的4位教授分别在控制科学与工程学科的控制理论与控制工程、检测技术与自动化装置、模式识别与智能系统、导航制导与控制二级学科指导研究生，从事的相关研究为专家系统、智能检测系统、服务机器人、智能系统与智能导航。以其导航制导与控制二级学科为例，现设方向1——自主导航与控制，方向2——惯性仪表与惯性基组合系统，方向3——微/纳机械传感器，方向4——多自由度电动伺服定位技术。方向1在研究机器学习在导航与控制中的应用、智能伺服技术、新概念飞行器等方面，方向2在信息融合与估计理论、多模组合导航技术、新型机器人的自然感知和运动机理、自主式初始对准等方面，方向3在研究性能稳定可靠、敏感灵敏度高和准数字输出的声表面波惯性传感器方面，方向4在研究基于模型和基于数据驱动的无模型自适应控制方法方面，都离不开智能理论与方法，并促进智能理论与方法的发展。
2.2 计算机科学与技术
计算机科学与技术学科主要是围绕计算机的设计与制造，以及信息获取、标识、存储、处理、传输和利用等领域方向，下设计算机应用和计算机软件与理论两个二级学科，其中包括智能信息处理、人工智能与嵌入式系统等方向。信息时代的信息处理要求更高，当前信息处理技术逐渐向智能化方向转变，以图像、视频、音频等多媒体信息为研究对象，从信息的载体到信息处理的各个环节，都模拟人的智能来处理这些信息。人工智能学科与认知科学的结合，会进一步促进人类的自我了解和控制能力的发挥。目前，我国自主开发的“特定图像内容监控系统”已通过上海移动公司的实地测试。通过研究具有认知机制的智能信息处理理论与方法，探索认知的机制，建立可实现的计算模型并发展应用，可以带来未来信息处理技术突破性的发展。
2.3 智能科学与技术
经调研，以厦门大学为例，智能科学与技术作为硕士点一级学科包括认知逻辑学、计算语言学、智能计算方法、艺术认知与计算、脑高级功能成像这5个研究方向。其重点科研平台之一的“智能信息技术福建省高等学校重点实验室”的主要研究方向有中文信息处理、中医信息处理、数字化中国人器官建模仿真及其临床应用。在中医信息处理中，主要围绕着如何构建信息化中医诊断的智能方法体系展开研究，涉及中医诊断认知逻辑、中医智能专家系统的构成技术、中医海量知识的数据挖掘技术、中医四诊信息的获取与分析技术、实用中医信息系统的开发等。此方向的研究可赋予计算机以人的智能，从而实现对病人的症状诊断与治疗。除此之外，智能机器人也是学习智能科学与技术的一个良好平台，为了更好地学习智能，研究机器拟人化，FIRA世界杯于1995年被提出，其远景目标之一是使机器人足球队战胜人类足球队。此平台大大拓宽了人工智能技术的应用领域。
3 智能科学与技术专业培养方案与专业发展前景分析
从智能专业的发展基础分析可知，智能科学与技术专业是一个紧跟时代潮流的专业，涉及的知识面和学科领域非常广。但是，智能专业作为一个全国普通高等学校本科专业，有其不同于其他专业的知识内核。中国人工智能学会教育工作委员会提出智能专业培养方案的核心课程应有：智能科学与技术导论、智能数学基础、脑与认知科学基础和机器智能，这是各高校智能专业培养方案的共性部分，是基础模块。其他基础模块、专业特色模块，目前阶段应在各高校智能专业建立和发展的专业学科基础上设置，例如，侧重控制系统的、侧重计算机软件的、侧重知识工程的等。智能专业再发展一段时期后，各高校的智能专业的共性部分应越来越多，个性部分也越来越独立于源头专业，例如，独立于计算机科学与技术专业、自动化专业、电子工程专业等。这样，在智能专业上层自然就形成智能学科，从而独立于计算机科学与技术学科。这是专业发展的必然结果。
另一方面，专业的良性发展离不开社会的就业或创业需求。智能专业的本科生，需要了解掌握计算机、电子、控制等各领域的知识和技术，而且在本科生4年课程的教学中融入相关学科的前沿知识，这使得在这个专业学习的学生不仅可以拥有较为广阔的知识面，对专业知识的理解也有一定深度。可以说这样一个既有广度又有深度的专业具有广阔的就业前景。社会中也有新生的行业，近些年来，有关智能系统开发的公司相继出现，涉及机器人、交通、楼宇、信息系统等多方向的智能系统开发，为本科毕业生创造了更恰当更明确的就业方向与途径。
关键词：机器智能；教学方法；专题文献调研；演讲；讨论；编程；学生评价
自2005年北京邮电大学在国内得到教育部批准设立智能科学与技术本科专业开始，机器智能课程就被设定为一门重要的专业基础课。在2008年全国智能科学技术教育学术研讨会上，机器智能课程被确立为第一批三门核心课程之一。作者曾在2009年全国智能科学技术教育学术研讨会上对该课程内容的建设进行了探讨[1]，在此基础上，结合教学实践工作对于该课程的教学方法也进行了一些摸索。
1相关教学方法
机器智能是新出现的课程，可供参考的国内外资料较少，我们主要对相关的人工智能课程的教学方法进行了调研和学习。陈白帆、蔡自兴等的人工智能精品课程教学方法在国内最具代表性[2]，开设课程设计，学生根据自己的兴趣组成小组选题。多媒体课件和网络课程相结合，采用启发式教学，举行课堂讨论等。王甲海[3]等探讨启发式传授人工智能解决问题的非结构化的思想。刘兴林[4]从教材选择、教学内容和方法、考核方式等做了一系列教学改革。韩洁琼[5]等提出注重激发学生的学习兴趣、加强对实验教学的重视。白洁[6]等提出与学科发展前沿接轨，注重培养学生的创新能力。朱红[7]等对图搜索内容进行有效的教学设计。王璐[8]等设计了应用型和研究型的教学情境。
国外人工智能课程建设具有更长的时间和更多的积累。很多大学在人工智能课程中围绕游戏引入工程项目。Jeffrey等[9]引入基于Blackjack游戏的优化模型来进行人工智能课程教学。Hansen等[10]开发了Glomus教学系统，引导学生在逻辑证明游戏过程中学会重要概念。Douglas等[11]针对电脑游戏中的人工智能的课程教学提出了学生教学生的方法。Ingrid等[12]以机器学习为主题把人工智能中分散的重要概念统一到一起。
2教学实践
2.1总体思路
在本课程教学实践过程中，总体思路是根据教学基本要求和主要内容形成的。详细的教学基本要求和内容参见文献[1]。基于此，对本课程的教学实践进行了如下分析。
1) 教学内容极其丰富多彩，如果需要详细地讲授，每一个章节都可以成为一门课程，64学时的时间是远远不够的。
2) 本课程是一门成长中的新课程，其中既要包括智能领域学者们研究了几十年的重要成果，也要涵盖当前国内外最新研究现状的了解和把握，才能让学生们感受到当前时代的脉搏，了解到本专业的魅力。
3) 智能科学与技术也是一门实践性很强的学科，其中很多技术都已经或正在社会生活中发挥着重要作用，学生们更渴望能够在学习实践中掌握和推进这些技术。
4) 任何教学过程，如果只是单方向的教师讲、学生听，很难达到良好的效果，必须要调动学生的主动学习兴趣，让学生真正参与到教学过程中来，才能实现教与学的双向促进。
于是，我们采取了以点带面的方法，抓住其中的关键点进行细致地讲解，其余的内容则根据侧重面的不同，分别采取启发式教学的方法，如专题文献调研、演讲、讨论、动手实验、学生评价等方式推动学生主动学习相关知识和技术，实现知识拓展和兴趣培养。
2.2专题文献调研
这是我们借鉴了带研究生做课题的经验而提出的一种方法。每次开始讲授这门课程的时候，学生们都会问：为什么我们课程的名字跟其他人工智能的课程不一样？内容上有什么区别？我也都会给出我们的回答，但是总感觉学生并没有完全理解。考虑到智能科学技术专业本身就是一个新鲜事物，机器智能课程也是新近提出的，目前并没有完全定论，属于前沿探索的问题。因此，我们提出进行专题文献调研的方法，希望让学生通过自己的广泛阅读、比较和分析，更加深入地了解本课程。
我们首先给出需要调研的问题以便引导学生的调研方向，即国内外关于智能科学与技术专业的建设情况如何？机器智能、人工智能、神经网络及其他相关课程的建设情况如何？这些不同于学生们以前在其他课程中遇到的作业或问题，没有固定的求解思路，没有确切的标准答案，但却都是学生们非常关心的问题，因此极大地激发了同学们的学习兴趣。我们鼓励大三学生自由组合，每3～4人组成一个课程小组，每组由一位组长负责组织管理，如召集小组讨论，共同制定调研计划，分配调研任务，综合调研结果等。这种形式对于大三的学生毕竟是新的尝试，开始的时候学生们对于如何进行文献调研不太清楚，我们在给学生介绍文献资源和调研方法的同时，也邀请了几位研究生来到课堂上现身说法，学生们普遍反映非常好。
经过1～2周的文献调研，学生们交上来的作业令人非常满意。内容涵盖了人工智能、机器智能、计算智能的概念，国内设置本科智能科学与技术专业的高等学校及其专业定位、培养方案、主干课程、实验课程、毕业生去向，美国、英国大学人工智能专业研究生排名，国内外著名大学的人工智能、神经网络相关课程教学内容、实践设计、参考教材等等。各组调研内容之间有一些交叉，证实了本领域的一些共同特点，如人工智能课程的知识表达与推理、搜索、专家系统、自然语言处理等经典内容；各组的调研结果更有很大的不同，既反映了学生们思考问题的角度是多样性的，也反映了智能科学技术专业建设和机器智能相关课程的教学是多样性的。经过比较和分析，学生们对本课程的理解清晰多了，学习态度非常积极，希望探索智能奥秘的热情极为高涨，为后面的教学打下了良好的基础。
2.3动手实验
实践出真知，我们在理论教学的同时也特别注重实验环节的设计，学生通过动手实验加深对理论知识的理解和运用。对于本课程的重点模块内容，如BP算法、启发式搜索，我们都给学生布置了以组为单位的实验作业。为了激发学生的主动性和创造性，还对每个作业给出了扩展性的要求。以BP算法的实验为例，我们要求各组在充分理解BP算法原理的基础上，编程实现手写数字0～9的训练和识别功能。我们也给出了扩展性要求：可以通过自己查阅文献，寻找提高BP基本算法性能的方法和技术；可以不限于手写数字0～9的识别，自主选择感兴趣的其他模式信息进行实验，如语音信息、手写英文字母、手写汉字等。
学生们开始面对这个作业的时候非常迷茫，不知从何处下手，我们一方面鼓励学生要有信心，不要有畏难情绪，一方面就相关内容安排课堂重点讨论，首先要正确理解和掌握经典BP算法的基本原理，包括其数学推导的全过程，然后从如何构造单一神经元和激励函数开始，进而讨论如何实现一层神经元和相邻层神经元的计算，以及如何进行误差计算和反向权值调整。学生们逐渐对实验作业有了深刻的理解，开始动手设计自己的神经网络，随着一个个步骤的实现，学生们之前的很多疑惑都豁然开朗，对BP算法充满了兴趣。很多组的同学对测试的识别率不太满意，都主动去图书馆查阅相关资料，尝试了一些改进方法和技术，如改变多种神经元激励函数、加入动量项微调权值修正量、自适应变步长算法等。
有一个组的作业给我印象极其深刻，因为他们勇于挑战了BP神经网络实现语音信息0～9的识别，不但很好地掌握了BP基本算法及其改进：变步长法和引入动量项法，还自学了录音、音频信号分帧、加窗、MFCC特征提取等。他们对待本课程的热情，还有他们表现出来的巨大的潜力都让我感动，让我对我们的专业和课程建设的未来充满了信心和希望。
正是应对了“理论与实践相结合”的经典理念，半年里64个学时完成后，从学生们的直接反馈中发现，他们理解掌握最为深刻的内容恰恰是他们曾经动手进行程序开发的内容。这充分表明了在本课程的教学过程中注重动手实践能力的训练和培养的重要性。
2.4演讲、讨论与评价
这也是我们在教学过程中探索出来的方法。专题文献调研和动手实践的作业极大地调动了学生们的积极性，效果也非常好，但作为一门课程，还是要有一个分数的评价。以往都是学生把作业交上来，老师统一评分。现在面对如此多样性的作业，老师个人的评价显得并不充分，我们认为学生们相互之间做的工作类似，能够理解各组作业的特色和工作量大小，在评价上更有发言权。因此，我们提出了一种同学参与评分的方案，即演讲+讨论+评价。
首先是演讲。为了使评分过程做到公开、公正、公平，我们在各组完成一次文献调研或者动手实验之后，都要求各组准备好演讲的文件和相关材料，包括ppt文件制作、程序演示、功能测试等，专门抽一次上课时间用来进行各组的集中演讲，展开实践经验的深入交流。每组派出一位代表来演讲，介绍本组作业的详细情况并演示。介绍完毕，就进入提问和讨论环节，老师和同学都可以就其中的任何问题提问，也可以进行程序功能的现场检测。这一方面活跃了课堂气氛，使得学生们大大增强了对于重点内容的理解和掌握，另一方面，各组之间可以相互学习，拓展视野，开阔思路。同时，这也很好地锻炼了学生的组织和演讲能力。最后是评价，也是各组选派一名代表，就像各类比赛中的评分专家一样，根据各组的演讲、提问、回答、演示等，综合给出一个评分。这种形式对于学生们也是很新奇的，大家都很认真地对待，基本上每次评分都能很好地反映出各组的水平。同时，这也激发了学生们的主动性和创造性，因为只有真正的努力和过硬的成绩才能获得各组同学的一致好评。
2.5创新性研究
我们鼓励对本课程相关领域具有浓厚兴趣、能力较强的同学自发组成小组，基于课程所学内容进行深入分析思考，提出创新性的课题展开研究，并在合适的时机鼓励学生们利用课程相关的知识积极参加各种竞赛，从今年开始中国人工智能学会主办的全国大学生智能设计大赛将是今后我们努力的主要方向。2010年，我们选择了三星公司面向大学生的bada应用开发试点活动作为第一次尝试。学生们经过三个多月的努力，获得两个三等奖和两个优秀奖。经过竞赛锻炼，学生们不仅加强了对于课程相关知识的理解和掌握，增强了研究开发能力和自信心，更加深了对于本专业的浓厚兴趣，为本专业和本课程的建设提供了强有力的支撑。
2.6专家讲座
我们先后邀请到了国内外的专家学者来给学生进行专题讲座。国际计算语言学会主席、美国南加州大学信息科学研究所Prof. Eduard Hovy关于什么是智能的讲座，首都师范大学人工智能领域著名教育专家王万森教授关于模糊逻辑与推理的讲座，都让学生们感受到了大家的风范，灵活生动的讲课风格受到了学生的高度赞扬。
3教学反馈
在北京邮电大学组织的2010年学生评教工作中，本课程得到了97.46的高分(满分100)。以下是我们收到的一些学生的反馈意见。
1) 实践时间充裕，在解决问题的过程中培养了一种能力。作业不死板，给出一个框架思路，同学可以自由发挥。还地锻炼了大家的团队合作精神，专注于自己擅长的领域才能做的更好。让同学们自己放开去做，在出错时及时交流纠正是一种很自由、很开放的学习模式，这样的氛围可能不会培养高的分数，但会收获高的能力。
2) 教学形式较为新颖，不是采用以往讲授知识的方式，而是采用了更为贴近实际的方式，在开学初就分组，抛弃了笔上作业，改用实际的编程、查找资料等方法，更能调动大家的学习积极性。验收作业也不是以往老师收上去批改后发下来这种千年不变的形式，而是让同学互相打分，这种方式更为客观而且可见，更加公平。最后感谢李老师一学期以来的教学与帮助，也感谢实验室所有老师和助教的帮助，也相信咱们智能科学与技术专业，机器智能这门课程会越来越完善、成熟。
3) 感觉比较实用、有意义。从大学开始接触的都是纯理论的课，这门课上需要做实践编程作业，我学习了机制与算法实现，更重要的是能让我们在解决实际问题中提供一些从未有过的思路。比如我在百度俱乐部参加一个如何构建购物网站的工作，需要垂直搜索技术，把各大购物网站的价格列出来，可是有些网站，如京东商城是采用图片形式显示价格的，很多研究生也没做出来，我用了机器智能中的BP算法解决了这个问题，当然需要一些图像处理技术。总之，试验后我们得到的是一种解决问题的思路，所以我觉得在提供知识的基础上使用实验技术加深对知识的理解效果很好，实验就是最好的作业。
4) 随着我们步入大三，越来越感受到智能领域的广博精深。就像老师教学的课件一样，每个知识点的扩充都能组成新的一章。本学期感触最深的除了三星竞赛此外还有两点：一是李老师上课讲的内容充实，从神经网络到机器情感，从BP到A*，几乎把智能领域经典的模型算法都覆盖了。第二点就是本学期李老师请来了很多professor(巨开心哈)。我觉得看看别的学校甚至别的国度的“大牛们”都在研究什么，有利于我们拓宽眼界，开阔思路。希望李老师以后也辛苦联系他们，让学弟学妹们也享受这种待遇。
4结语
本文对机器智能课程的教学方法进行了探讨，针对不同模块的教学内容，提出并实践了专题文献调研、演讲、讨论、动手实验、学生评价、创新性研究、专家讲座等教学方式，收到了较好的效果。今后还要紧跟智能科学与技术的发展进一步丰富本课程教学的前沿性和创新性，在力图编一本比较好的教材的同时，着手研究多种资源和手段的运用。
参考文献：
[1] 李蕾,王婵,王小捷,等.“机器智能”课程建设初探[J]. 计算机教育,2009(6):86-92.
[2] 陈白帆,蔡自兴,刘丽珏. 人工智能精品课程的创新性教学探索[J].计算机教育,2010(19):27-31.
[3] 王甲海,印鉴. 人工智能教学与计算思维培养[J]. 计算机教育,2010(19):68-70.
[4] 刘兴林. 大学本科人工智能教学改革与实践[J]. 福建电脑,2010(8):198-199.
[5] 韩洁琼,余永权. 人工智能课程教学方法研究[J]. 计算机教育,2010(19):71-73.
[6] 白洁,毕季明,李伟. 人工智能课程教学改革初探[J]. 中国教育技术装备,2010(36):43-44.
[7] 朱红,李果. 人工智能问题求解策略的教学研究[J]. 中国信息界,2011(2):70-71.
[8] 王璐,陆筱霞. 应用DBR的人工智能课程教学[J]. 计算机教育,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)
