大數據背景下高校人工智能教育探索

田青 王定成

摘 要：在當今大數據的時代背景下，越來越多的國內高校開設了人工智能相關專業。為此，本文主要就高校人工智能教育進行了分析和探討。

關鍵詞：大數據 高校 人工智能 教育

一、引言

隨著信息技術的飛速發展，每一秒鐘里，世界各地的人們因為網絡購物、網絡信息分享等通過手機、電腦等電子設備往互聯網上傳海量的文字、聲音、圖像和視頻等多種形式的數據信息──大數據！而這些“大數據”中所蘊含的規律在很大程度上反應、甚至影響了社會的發展特性。中國國務院在2015年8月31日下發了《促進大數據發展行動綱要》，明確提出了大數據的現實意義和主要任務，同時還指出大數據已成為推動經濟發展和轉型新的動力、重建國家國際競爭優勢的著力點和推動社會發展的新途徑。鑒于其重大應用價值，越來越多的企業和高校開始關注、研究大數據相關技術。通常，大數據與數據的采集、處理、挖掘、分析和決策等密不可分，而這些恰好屬于人工智能（Artificial Intelligence，AI）的研究范疇。尤其近來基于深度學習的AI技術在自然語言處理、圖像分析、智能博弈、智能推薦等領域的成功應用，更是激發了工業界（如谷歌、微軟、臉書、阿里、百度、騰訊等互聯網企業）和學術界（科研院所）對AI的大力研究和人財投入。根據教育部最新頒布的《高等學校人工智能創新行動計劃》：到2030年，高校要成為建設世界主要人工智能創新中心的核心力量和引領新一代人工智能發展的人才高地，為我國躋身創新型國家前列提供科技支撐和人才保障。在國家教育政策的指導和激勵下，更多的國內高校陸續開設了智能科學與技術、數據科學與大數據技術等AI相關專業、甚至設立了AI學院（如西安電子科技大學、中國科學院大學、南京大學）來培養AI大類人才。

二、高校人工智能教育的定位

AI是一個概念寬、內容豐富的知識領域。其研究范疇主要囊括了自然語言處理、神經網絡、數據挖掘、機器學習、模式分析、計算機視覺、知識推理等。在應用案例上，AI主要包括機器翻譯、知識理解、自動決策和推理等。就學科范疇而言，AI涉及數學、統計學、計算機科學、信息論、控制科學、心理學和神經科學等多個學科的知識內容。因此，高校的AI專業建設和人才培養方案需要統籌規劃。高校在AI教育過程中，應重視AI與數學、統計學、計算機科學、生物學、神經科學和心理學等多個學科的體系融合，構建“人工智能+”的培養模式。另外，作為課堂教育的重要補充和實踐輔助，高校還應積極探索與其他科研院所、企業等機構開展AI人才的聯合培養。高校要在行業里打造AI教育品牌、培養優秀的AI專門人才，必須結合自身實情事先做好AI教育的規劃和定位。

三、高校人工智能教育方案探索

鑒于AI橫跨多學科、對理論學習和實踐掌握均有要求的特點，高校在開設AI專業、制定AI培養方案時，應從課堂理論教育與課外實踐教育等兩個大的方面著手：

（一）課堂知識教育

常言道，理論指導實踐！要使得培養的AI人才具有好的實際問題發現、分析和解決能力，首先應該對他們進行理論知識的全副武裝。AI作為一門新興的學科專業，高校應研究、制定一套完整且合理的專業課程體系。一方面，課程體系要覆蓋AI的基礎知識，如機器學習、統計分析、模式識別、數據挖掘、知識推演、決策分析、數學建模。這是AI教育的基石，培養的是學生的AI相關“內力”──關乎所培養的AI人才在將來的AI道路上能走多遠！另一方面，課程體系還要兼顧AI的技術性知識教育，如計算機視覺、人機交互、自然語言處理、圖像分析與處理、信息對抗、智能體等。這是AI教育的實戰練兵環節，可以檢驗學生對AI知識的掌握程度和運用能力，讓學生學有所用，訓練學生的“動作套路”──有助學生對理論知識的更好理解和深入系統學習！以上兩方面，相輔相成，缺一不可。為更好地說明問題，我們舉一例子：假若一學生對AI理論知識一無所知或掌握不到位，讓其對給定的一個模型算法進行諸如目標收斂率、函數界的分析，想必是為人所難；反過來，若其具有扎實的AI基礎理論知識儲備，而從未接觸過AI實際問題場景，到頭來只會是“紙上談兵”。所以高校的AI課程教育系統既要覆蓋基礎知識教育，又要涵蓋技術知識教育。

（二）課外實踐教育

對綜合性特色明顯的AI教育而言，單是課程知識教育還遠不夠，還應配以課堂之外的實踐教育和訓練，因為AI是一門實踐和操作很強的學科。基于這個思路，國內新成立的AI學院紛紛與工業界聯合實施AI人才培養。如南京大學AI學院聯手京東、山東科技大學AI學院聯手騰訊、重慶郵電大學AI學院聯手科大訊飛、清華大學AI聯手阿里巴巴等。高校和企業具有各自的優勢：高校具有好的師資和理論教學環境，能為學生提供好的AI理論知識教育；企業具有真實案例的大數據（這些往往是高校稀缺的）、好的硬件平臺（如價值上百萬的并行計算工作站）以及實踐經驗豐富的一線科技人才，他們可有效地指導、鍛煉學生對實際問題的分析和解決的實踐能力。

四、高校人工智能教育的反思

盡管目前AI技術已在很多應用方面取得了顯著成效，甚至在游戲對弈（如圍棋Alhpa Go、德州撲克“冷撲大師”）、機器翻譯（如微軟小冰）、圖像處理（如ResNet深度卷積網絡）等方面達到或超越人類的水平和能力，這些領域僅是AI的冰山一角，他們具有一個公共的特性──具有易被機器學習和掌握的確定規則！例如，具有強AI智能的人類大腦的工作機理目前尚未被人類探究解密；在這面前，現有的AI成就只能稱為弱AI。現有的機器AI水平距離真正意義上的強AI還有很長的一段路要走。換句話說，盡管高校已在AI人才培養方面取得了初步成效，但距離培養AI全面素質人才還有很長的路要走。所以，我們應在AI的教育道路上，在培養AI人才的同時，高校（聯合工業界）的科研力量還要探究發現更高級、更完善的AI知識和體系。

結語

本文在大數據的時代背景和國家對高校人工智能AI教育大力扶植的形勢下，主要分析了高校開展AI教育的定位，從課堂知識教育和課外實踐教育兩個層面就高校的AI教育方案進行了探討，最后對高校AI教育的現狀進行了反思。總結言之，盡管高校已在AI人才培養方面取得了初步成效，但距離培養AI全面素質人才還有很長的路要走。

參考文獻

[1]http：//www.gov.cn/gongbao/content/2015/content_ 2929345.htm.

[2]Manning C D.Foundations of statistical natural language processing[M].The MIT Press，1999.

[3]Gonzalez R，Woods R. DIGITAL IMAGE PROCESSING [M].PUBLISHING HOUSE OF ELECTRONICS INDUSTRY，2010.

[4]Baker R S J D，Corbett A T，Koedinger K R，et al.Adapting to When Students Game an Intelligent Tutoring System[M].Intelligent Tutoring Systems.Springer Berlin Heidelberg，2006：392-401.

[5]Gibert K，Sànchez-Marrè M，Codina V.Choosing the Right Data Mining Technique： Classification of Methods and Intelligent Recommendation[J].2010，165（1）：52.

[6]http：//www.gov.cn/xinwen/2018-04/15/content_528 2540.htm#1.

作者簡介

[1]田青，博士，南京信息工程大學計算機與軟件學院，講師，研究方向：為人工智能。

[2]王定成，博士，南京信息工程大學計算機與軟件學院，教授，研究方向：為群體智能與演化計算、數據挖掘。