吳寒天

摘 要：在席卷全球的“人工智能熱潮”中，加拿大多倫多大學在安大略省政府的支持下成立了“人工智能向量學院”（Vector Institute for Artificial Intelligence），享有“人工智能教父”美譽的杰弗里·辛頓（Geoffrey Hinton）教授擔任首席科學顧問。該學院旨在整合大學、政府、互聯(lián)網(wǎng)企業(yè)三方力量，開展人工智能領域的科學研究、技術研發(fā)、人才培養(yǎng)，并扶持當?shù)貎?yōu)質(zhì)的小型創(chuàng)業(yè)企業(yè)，從而提升多倫多大學、安大略省及加拿大在該領域的綜合競爭力。該學院可被視為世界一流公立研究型大學積極應對并深度參與當前人工智能熱潮的典型案例，對我國公立研究型大學參與該領域的全球競爭具有借鑒意義。借鑒生態(tài)學中的 “r-策略”（r-strategy）與“k-策略”（k-strategy） 模型，通過人工智能向量學院這一案例揭示出公立研究型大學的最優(yōu)應對策略選擇——選擇以項目質(zhì)量和項目“成活率”為優(yōu)先考慮的“k-策略”。就高校而言，影響其人工智能研究平臺質(zhì)量與“成活率”的主要因素可被歸納為：其一，高校自身科研實力以及學科布局的合理性；其二，高校發(fā)展策略與所在國家、地區(qū)政府發(fā)展戰(zhàn)略的契合度；其三，高校與互聯(lián)網(wǎng)領軍企業(yè)的合作關系；其四，相關領域領軍科學家的參與度。

關鍵詞：人工智能；向量學院；多倫多大學；公立研究型大學

一、問題提出和案例選擇

近年來，“人工智能”在大眾心目中已成為與“可控核聚變技術”“量子計算”等比肩的前沿科技，也成為各國爭先搶占的戰(zhàn)略性科技制高點。2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出我國要在2030年成為世界主要人工智能創(chuàng)新中心這一戰(zhàn)略目標，并提出了“構建開放協(xié)同的人工智能科技創(chuàng)新體系”這一實施路徑[1]。李開復與王詠剛在《人工智能》一書中預言，人工智能熱潮所帶來的不僅是技術層面的革命，其必將伴隨著重大社會經(jīng)濟變革、教育變革、思想變革、文化變革[2]?，F(xiàn)代大學具有開展科學研究和培養(yǎng)人才的雙重使命，在人工智能領域的全球競爭中理應扮演關鍵性角色。然而，相較于計算機、互聯(lián)網(wǎng)領域的世界知名企業(yè)，公立研究型大學在應用型技術研發(fā)和社會影響力方面遠不及前者。例如，由谷歌（Google）旗下DeepMind公司基于“深度學習”（deep learning）原理研發(fā)的圍棋對弈程序AlphaGo，在過去的兩年中以其驕人的戰(zhàn)績極大地帶動了全社會對人工智能的熱情，也為DeepMind及其母公司谷歌贏得了極大的聲譽。與之相比，公立研究型大學在人工智能熱潮中的應然與實然角色之間存在一定落差。

由于計算機、互聯(lián)網(wǎng)公司在人工智能領域研發(fā)方面的極高參與度，以加拿大為代表的發(fā)達國家嘗試推動“政府-大學-公司”三方合作的模式，構筑新型的研發(fā)、教學、創(chuàng)業(yè)“孵化”平臺，提升本國在該領域的研發(fā)能力、人才培養(yǎng)能力、創(chuàng)業(yè)活力。2017年，加拿大多倫多大學（University of Toronto）在加拿大聯(lián)邦政府和安大略省政府的支持下，成立了名為“人工智能向量學院”（Vector Institute for Artificial Intelligence，下文簡稱向量學院）的獨立研究機構（平臺）。該平臺旨在整合大學、互聯(lián)網(wǎng)領軍企業(yè)、政府、本地小型創(chuàng)業(yè)公司（如深度學習基因組學技術研發(fā)商Deep Genomics）各方資源，促進加拿大在人工智能領域的科學和技術進步，力求創(chuàng)造新的經(jīng)濟增長點[3]。包括谷歌在內(nèi)的各合作方將累計投入1.5億美元（約合10億人民幣）用于人工智能領域的研究和人才培養(yǎng)[4]。向量學院以人工智能領域的重要分支“深度學習及機器學習”（deep learning and machine learning）為主要研究方向，兼顧“好奇心驅(qū)動”（curiosity-driven）的純理論前瞻性研究和具有潛在商業(yè)價值的“應用型研究”（applied research）。[5]

向量學院的首任首席科學顧問由業(yè)內(nèi)享有“人工智能教父”美譽的多倫多大學計算機科學系教授杰弗里·辛頓（Geoffrey Hinton）擔任。谷歌公司曾于2013年將辛頓教授創(chuàng)立的“神經(jīng)網(wǎng)絡”創(chuàng)業(yè)公司DNNResearch收入旗下[6]。向量學院研究團隊的成員來自多倫多大學的不同院系，包括向量學院聯(lián)合創(chuàng)始人之一、多倫多大學計算機科學系副教授、加拿大機器學習與計算機視覺首席科學家（Canada Research Chair in Machine Learning and Computer Vision）拉奎爾·烏爾塔森（Raquel Urtasun）[7]， 班廷與貝斯特醫(yī)學研究系（Banting and Best Department of Medical Research）及電子工程與計算機工程系教授布倫丹·J·弗雷（Brendan J. Frey）[8]，統(tǒng)計學系助理教授、曾在哈佛大學智能概率系統(tǒng)團隊（Harvard Intelligent Probabilistic Systems Group）從事研究的戴維·杜文多（David Duvenaud）等[9]。此外，向量學院同時吸收了多名博士后研究人員。多倫多大學計劃依托向量學院培養(yǎng)世界上“最多的從事‘深度學習研究的畢業(yè)生”[10]。多倫多大學校長格特（Meric Gertler）表示，安大略省政府和加拿大聯(lián)邦政府給予了多倫多大學及其合作伙伴極大的信任[11]。安大略省政府將陸續(xù)撥款8千萬加元（約合4億人民幣） 支持其發(fā)展。[12]

二、概念和分析框架

本研究借鑒生態(tài)學中的“r-策略”（r-strategy）和“k-策略”（k-strategy）模型，將公立研究型大學在面臨重大技術變革時所采取的應對策略歸納為兩種理想類型：一是以研究項目以及創(chuàng)業(yè)項目孵化“成活率”為優(yōu)先考慮的“k-策略”；二是以應對環(huán)境變化時的反應速度和項目數(shù)量為優(yōu)先考慮的“r-策略”。

在研究物種演化與生存競爭時，生態(tài)學將物種為適應環(huán)境變化而采取的不同策略分為“r-策略（機會選擇）”與“k-策略（均衡選擇）”[13]。采取“r-策略”的物種往往表現(xiàn)出以下特征：能對環(huán)境變化迅速做出反應，具有相對較弱的個體競爭能力及相對高效的繁殖能力和擴散能力[14][15]；采取“k-策略”的物種則與之相反，其往往具有較慢的移居能力，相對較低的繁殖能力及相對較強的個體競爭能力。[16][17]

該生態(tài)學理論已被廣泛借鑒，應用于管理科學，以分析企業(yè)在市場中的發(fā)展策略。例如，借鑒該分類法，傳統(tǒng)制造業(yè)通常被劃分為“r-策略產(chǎn)業(yè)”和“k-策略產(chǎn)業(yè)”，前者包括家具、皮革制品、服裝、鞋類、食品業(yè)等，后者包括冶金、運輸、機械、石油、化工、金屬制造、電氣工程等。與生態(tài)學中的定義類似，“r-策略型企業(yè)”通常是小規(guī)模企業(yè)，市場反應較快，具有專業(yè)化優(yōu)勢較弱、市場競爭壁壘相對較低、易于復制等特征，當“r-策略型企業(yè)”生長總量超出環(huán)境資源的承載極限時則會趨于消亡[18]；“k-策略型企業(yè)”的特征包括繁殖率相對較低，適宜在穩(wěn)定的環(huán)境中生存發(fā)展，具有獨特的核心競爭能力，企業(yè)產(chǎn)品不易被復制”等。[19]

借鑒“r-策略”與“k-策略”模型，公立研究型大學在面對重大技術變革所引發(fā)的宏觀環(huán)境變化時，更類似于上述“k-策略型企業(yè)”。公立研究型大學通常具有辦學歷史悠久、學術積累豐厚、單體競爭力較強等特點，但其成功經(jīng)驗往往難以被簡單復制，在面對市場、技術等環(huán)境因素變化時也較難做出快速反應。非公立高等教育機構（如我國的小型民辦高等教育機構等）則更類似于“r-策略型企業(yè)”，具有單體競爭力相對薄弱、可復制性強、對于環(huán)境因素變化易于做出快速反應等特征。例如，在應對技術革新時，非公立高等教育機構往往能在相對較短的時間內(nèi)開設新的專業(yè)項目、提供與新興技術相關的課程或培訓、建立相應的創(chuàng)業(yè)激勵機制，鼓勵畢業(yè)生選擇與新興技術相關且創(chuàng)業(yè)周期較短、創(chuàng)業(yè)門檻相對較低的項目開展創(chuàng)業(yè)。此類創(chuàng)業(yè)項目往往呈現(xiàn)“一哄而上”的態(tài)勢。例如，在互聯(lián)網(wǎng)“共享經(jīng)濟”熱潮中的共享單車項目，雖然創(chuàng)業(yè)公司數(shù)目龐大，但項目“成活率”相對較低。由此不難預見，伴隨著人工智能領域應用型技術的發(fā)展，大量與人工智能概念沾邊，但核心技術含量相對較低、市場生存能力相對較弱、核心競爭力相對有限的“短平快”創(chuàng)業(yè)項目將呈現(xiàn)井噴式增長，并且這樣的現(xiàn)象已然開始顯露端倪。

多倫多大學作為一所公立研究型高等教育機構，所面臨的機遇和挑戰(zhàn)與我國公立研究型大學相似，更類似于“k-策略型企業(yè)”。多倫多大學創(chuàng)立于1827年，在計算機、統(tǒng)計學、應用數(shù)學等領域有深厚的學術底蘊。然而，在面對外部市場、技術等環(huán)境因素變化時，囿于其龐大的體量和長久以來形成的院系結構、行政體系，難以整合自身資源，做出高效的反應。例如，自20世紀后半葉以來，伴隨著二戰(zhàn)以后西歐國家經(jīng)濟復蘇和北美經(jīng)濟的高速發(fā)展，商科教育日漸繁榮，然而多倫多大學對此做出的應對策略可概括為“各自為政”。時至今日，多倫多大學也未能對相關領域的教學及科研資源加以充分整合。除經(jīng)濟學系和成立于20世紀50年代的羅德曼商學院外，多倫多大學數(shù)學系也以“數(shù)學在經(jīng)濟學和金融學中的應用”（Mathematical Applications in Economics and Finance）為名開設經(jīng)管類專業(yè)，其招生、培養(yǎng)模式、師資等均完全獨立，大量雷同的課程重復開設。此外，冗長的專業(yè)名稱也反映出公立研究型大學在應對環(huán)境變化時的兩難境地：既要堅守長久以來所積累的學術傳統(tǒng)，又要在學生培養(yǎng)和科學研究方面采取創(chuàng)新性的舉措。

就人工智能領域的競爭而言，以多倫多大學為代表的大型公立研究型大學很難在短時間內(nèi)對現(xiàn)有的院系架構進行重大調(diào)整，即對計算機科學、數(shù)學科學、統(tǒng)計學、電子工程等院系進行拆分并重新組建“人工智能系”，在較短時間內(nèi)為本科生和研究生開設全新的專業(yè)項目。同時，作為一所在加拿大具有戰(zhàn)略性地位的公立研究型大學，為加拿大培養(yǎng)科研人員和各行業(yè)的專家是其長期以來的核心任務之一，將工作重心轉(zhuǎn)向鼓勵畢業(yè)生選擇創(chuàng)業(yè)周期較短、技術門檻較低的領域開展“短平快”式的創(chuàng)業(yè)，既不符合其定位，也不符合其學術文化傳統(tǒng)。多倫多大學雖然十分支持學生創(chuàng)業(yè)和參與技術創(chuàng)新，但其所支持的項目一般是具有核心技術競爭力的項目，如由3位多倫多大學學生完成的節(jié)能型“微燈泡”（Nanolight）研發(fā)項目[20]，而非看似與新興技術沾邊，實則技術門檻較低且缺乏實質(zhì)性創(chuàng)新的項目。

相較于以快速反應和提高繁殖及擴散能力為優(yōu)先考慮的“r-策略”，以核心競爭力和項目質(zhì)量為優(yōu)先考慮的“k-策略”無疑是以多倫多大學為代表的公立研究型大學的最優(yōu)策略選擇。就設立向量學院而言，一方面在不改變原有院系架構和學科傳統(tǒng)的前提下，為隸屬于不同院系且從事人工智能領域研究的學者和學生搭建了統(tǒng)一的平臺，整合了原本分散的科研和教學資源，用以科學研究、技術研發(fā)、人才培養(yǎng)；另一方面，向量學院與以Deep Genomics為代表的當?shù)厝斯ぶ悄茴I域高質(zhì)量小型創(chuàng)業(yè)公司開展合作，助力其進一步發(fā)展，提升其在市場競爭中的“成活率”。多倫多大學向量學院項目采取的是一種“雙重孵化”模式，即大學通過與政府和企業(yè)合作，“孵化”出獨立研發(fā)與人才培養(yǎng)機構（平臺），并通過該平臺對本地小型優(yōu)質(zhì)創(chuàng)業(yè)公司進行“孵化”（見圖1）。

三、影響項目“成活率”的因素：

以向量學院為例

就其現(xiàn)狀和發(fā)展?jié)摿Χ?，向量學院可被視為公立研究型大學采取“k-策略”應對當下人工智能熱潮的典型案例。該機構的成功建立及其對包括Deep Genomics在內(nèi)的加拿大本土小型優(yōu)質(zhì)創(chuàng)業(yè)公司的成功助力得益于四重因素。

其一，多倫多大學原有相關學科布局相對合理且綜合實力較強。作為人工智能最熱門分支之一“機器學習”的發(fā)源地之一，多倫多大學在該領域具有強大的學術支撐力。多倫多大學具有完整的學科門類，其計算機科學、應用數(shù)學、統(tǒng)計學、電子工程等與人工智能直接相關的學科具有較高的科研水準。與此同時，多倫多大學在醫(yī)學科學，經(jīng)濟學、金融學等人工智能領域研究成果應用廣泛的學科領域也具有傳統(tǒng)優(yōu)勢。以醫(yī)學科學為例，多倫多大學擁有規(guī)模龐大的附屬醫(yī)院和附屬醫(yī)學研究機構網(wǎng)絡，其中包括多倫多兒童醫(yī)院（Hospital for Sick Children）、多倫多總醫(yī)院（Toronto General Hospital）、瑪格麗特公主癌癥中心（Princess Margaret Cancer Centre）等著名醫(yī)療及醫(yī)學研究機構[21]。多倫多大學的這些優(yōu)勢學科為人工智能領域的研究和技術應用提供了堅實的基礎。

其二，多倫多大學著力推進人工智能領域研究的策略與加拿大聯(lián)邦政府和安大略省政府的發(fā)展戰(zhàn)略高度契合。在過去5年中，加拿大聯(lián)邦政府投入超過1.25億美元實施“泛加拿大人工智能戰(zhàn)略”（Pan-Canadian Artificial Intelligence Strategy）[22]。該戰(zhàn)略旨在聯(lián)合學術機構、企業(yè)，以及政府部門，為將加拿大發(fā)展為人工智能領域的研發(fā)強國搭建平臺[23]。在聯(lián)邦層面宏觀戰(zhàn)略的推動下，截至2017年末，安大略省政府在承諾為向量學院撥款5千萬加元（約合2.5億元人民幣）的基礎上，再次追加撥款3千萬加元（約合1.5億元人民幣），計劃撥款總額達8千萬加元（約合4億元人民幣）用于支持其學術研究和人才培養(yǎng)。[24]

其三，多倫多大學與互聯(lián)網(wǎng)產(chǎn)業(yè)領軍企業(yè)的合作助力向量學院項目的成功實施。近年來，以谷歌為代表的互聯(lián)網(wǎng)領軍企業(yè)在人工智能領域的技術研發(fā)與應用較為突出。例如，谷歌通過在其視圖軟件中嵌入“人工智能模塊”，成功實現(xiàn)了對人臉、地標等圖像近乎精確的識別等[25]。2016-2017年，谷歌旗下的DeepMind公司所開發(fā)的AlphaGo圍棋程序取得驕人戰(zhàn)績，該程序所應用的“深度學習”方法可被視為當前與人工智能最為接近的“機器學習”方法[26]。2017年7 月11 日，谷歌宣布成立名為Gradient Ventures的風險投資基金，專門為早期人工智能初創(chuàng)企業(yè)提供資金、資源及培訓[27]。與谷歌的深度合作大大促進了“向量學院”的發(fā)展。

其四，人工智能領域領軍科學家的參與度亦為影響項目質(zhì)量和“成活率”的重要因素。如前文所述的辛頓教授被譽為當今世界“人工智能三駕馬車”之一，是互聯(lián)網(wǎng)企業(yè)與大學之間強有力的紐帶。辛頓教授曾在人工智能領域作出歷史性的學術貢獻，他所提出的“反向傳播算法”和“對比散度算法”突破了馬文·明斯基 （Marvin Minsky）提出的神經(jīng)網(wǎng)絡的局限，極大推動了人工智能領域的研究[28]。辛頓教授在離開谷歌公司回到多倫多大學后，將工作重心轉(zhuǎn)向了理論研究和人才培養(yǎng)，并出任向量學院首任首席科學顧問。甚至可以說，向量學院對人工智能相關領域內(nèi)高層次人才的吸引力在相當程度上來自辛頓教授的個人影響力。

在上述四項因素的助推下，向量學院的科學家們正著力將人工智能應用于開發(fā)家用輔助技術、開展分子水平的研究、改進電動汽車、識別阿茲海默癥早期癥狀、探索癌癥患者對治療產(chǎn)生的反應等，并已取得階段性成果[29]。同時，向量學院正致力于“可解釋的人工智能系統(tǒng)”（explainable AI）這一前沿熱點的研究。[30]

四、結論與討論

隨著世界各主要國家對人工智能相關領域研究的不斷投入，該領域的各項研究不斷取得進展，相關技術的應用日趨廣泛。搶占人工智能這一科技制高點理應成為我國在科學技術領域的戰(zhàn)略目標之一。負有開展科學研究和培養(yǎng)人才雙重職能的公立研究型大學理應在這場“全球競賽”中發(fā)揮更為重要的作用?；谄渥陨硖攸c，公立研究型大學在參與人工智能領域競爭時應采用“k-策略”，重視項目的質(zhì)量、項目“成活率”和綜合競爭力，培育具有國際一流水平的研究機構（平臺），并“孵化”少量優(yōu)質(zhì)本土小型創(chuàng)業(yè)公司。

透過向量學院的案例可見，國務院《新一代人工智能發(fā)展規(guī)劃》中提出的“構建開放協(xié)同的人工智能科技創(chuàng)新體系”這一實施路徑規(guī)劃在高校層面具有顯著的適用性、必要性、緊迫性。就我國公立研究型大學而言，針對上述四個影響因素，擬應采取如下舉措應對當前人工智能熱潮中的歷史性機遇和挑戰(zhàn)。

第一，加強與人工智能相關的各學科的建設（如計算機科學、應用數(shù)學、統(tǒng)計學等），并結合自身原有學科優(yōu)勢，選擇符合自身條件的領域探索相關技術成果的應用。例如，研究型師范類高校可結合其在教育學科的優(yōu)勢，著重探索人工智能相關領域的最新研究成果在開展教學、學生測評等方面的應用前景。國內(nèi)眾多學者已對相關技術在教育領域的應用進行了大量論述[31][32][33]。第二，結合國家發(fā)展戰(zhàn)略，與高校所在地政府開展深度合作，依托人工智能領域的研究創(chuàng)造新的經(jīng)濟增長點和就業(yè)機會。第三，與具有一定研發(fā)積累的互聯(lián)網(wǎng)領軍企業(yè)開展深度合作，提升科研成果的轉(zhuǎn)換率。第四，與本地區(qū)具有創(chuàng)新活力和研發(fā)潛力的小型創(chuàng)業(yè)公司建立中長期合作關系，幫助其提升研發(fā)能力和市場競爭力。第五，為在相關領域內(nèi)已經(jīng)取得一定成果的科研領軍人物搭建類似于向量學院的跨院系平臺，整合分散在各院系的人才資源。

綜上所述，我國的大型公立研究型大學在當前的人工智能熱潮中應著眼于開展基礎性、創(chuàng)新性研究，積極搭建新型跨院系研發(fā)和人才培養(yǎng)平臺。高校則應在此基礎上助力具有一定技術競爭力的本土優(yōu)質(zhì)創(chuàng)業(yè)項目，助其在未來成長為人工智能領域的領軍企業(yè)。

參考文獻：

[1]中國政府網(wǎng). 國務院：印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J]. 廣播電視信息， 2017（8）：8.

[2]李開復， 王詠剛. 人工智能[M]. 文化發(fā)展出版社， 2017：146-149.

[3]Vector Institute. About.[EB/OL]. http：//vectorinstitute.ai/#about，2018-02-01.

[4][5]Sam Shead. Google and Mark Zuckerbergs Investment Fund Are Backing a $150 Million AI Institute in Toronto[EB/OL]. http：//www.businessinsider.com/google-is-backing-a-150-million-artificial-intelligence-institute-in-toronto-2017-3？r=UK&IR;=T，2018-02-01.

[6]Homepage of Geoffrey E. Hinton[EB/OL]. http：//www.cs.toronto.edu/～hinton/，2018-02-01.

[7]Raquel Urtasun Home Page[EB/OL]. http：//www.cs.toronto.edu/～urtasun/，2018-02-01.

[8]Brendan J. Frey Home Page [EB/OL]. http：//genes.toronto.edu/～frey/，2018-02-01.

[9]David Kristjanson Duvenaud Home Page [EB/OL].http：//www.cs.toronto.edu/～duvenaud/，2018-02-01.

[10][11]Jennifer Robinson. Torontos Vector Institute Officially Launched[EB/OL].https：//www.utoronto.ca/news/toronto-s-vector-institute-officially-launched，2018-02-01.

[12][24]Jessica Galang. Ontario Govt Investing $30 Million in Vector Institute as Part of Amazon HQ Bid[EB/OL]. https：//betakit.com/ontario-govt-investing-30-million-in-vector-institute-as-part-of-amazon-hq-bid/，2018-02-01.

[13][14][16]S. G. Pemberton， J. A.MacEachern， M. J.Ranger. Ichnology and Event Stratigraphy： The Use of Trace Fossils in Recognizing Tempestites[M]// Applications of Ichnology to Petroleum Exploration， Society of Economic Palaeontologists and Mineralogists： A Core Workshop. SEPM Society for Sedimentary Geology， 1992： 85-117.

[15][17] S.G.Pemberton， 周志澄， J.MacEachern. 機會（r-選擇）和均衡（K-選擇）遺跡化石的現(xiàn)代生態(tài)學解釋[J]. 古生物學報， 2001（1）：134-142.

[18][19]許簫迪， 王子龍. 企業(yè)生態(tài)位K-r選擇策略研究[J]. 管理評論， 2006（10）：35-40.

[20]中國教育和科研計算機網(wǎng).多倫多大學新發(fā)明：世界最節(jié)能的電燈泡“微燈泡”[EB/OL].http：//www.edu.cn/zui_jin_geng_xin_1169/20130210/t20130210_902067.shtml，2018-02-01.

[21]Faculty of Medicine， University of Toronto. Fully-affiliated Hospitals/Research Institutes[EB/OL].https：//medicine.utoronto.ca/about-faculty-medicine/fully-affiliated-hospitalsresearch-institutes，2018-02-01.

[22][23]Michael Smith. How Canada Has Emerged as a Leader in Artificial Intelligence[EB/OL]. https：//www.universityaffairs.ca/features/feature-article/canada-emerged-leader-artificial-intelligence/，2018-02-01.

[25][26][28]鄧洲. 深度學習： 人工智能進入應用階段[N]. 上海證券報， 2017-03-31.

[27]張歡. 谷歌成立新基金主投AI 公司[N]. 中國信息化周報， 2017-07-17.

[29][30]Gibson， G. Celebrating Vectors First Year in the AI Ecosystem[EB/OL].https：//vectorinstitute.ai/2018/03/29/garth-gibson-celebrating-vectors-first-year-in-the-ai-ecosystem/ ， 2018-04-13.

[31]張紅軍. 人工智能與教育技術[J]. 陜西師范大學學報（自科版）， 2005（s1）：238-240.

[32]許亞鋒，高紅英.面向人工智能時代的學習空間變革研究[J].遠程教育雜志，2018（1）：48-60.

[33]姜皓文.人工智能技術在教育領域中的應用[J].電子技術與軟件工程，2018（5）：255.

編輯 呂伊雯 校對 徐玲玲