張生瑞 楊振宇 李波
摘 要:本文先介紹了人工智能行業(yè)的發(fā)展現(xiàn)狀,提出了AI背景下高職院校計算機專業(yè)人工智能人才的培養(yǎng)和教學過程中的一些思考。
關(guān)鍵詞:AI;人工智能;人才培養(yǎng);教學
1 緒論
2016年谷歌開發(fā)的AlphaGo在對戰(zhàn)世界圍棋冠軍李世石的比賽中取得勝利,使得人工智能這一技術(shù)越來越多地暴露在了社會各界的視野之中。2016年我國公布的文件,如《“十三五”國家科技創(chuàng)新規(guī)劃》和《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》等,都對發(fā)展AI產(chǎn)業(yè)作出了戰(zhàn)略上的規(guī)劃安排。而在2017年的“兩會”上,AI也分別被寫入政府工作報告和黨的十九大報告。斯坦福大學近年的一份報告指出:人工智能將顯著影響交通、服務(wù)機器人、醫(yī)療健康、教育、低資源社區(qū)、公共安全保障、工作就業(yè)、娛樂等幾大領(lǐng)域[1]。我們看到人工智能的應(yīng)用在影響和改變著我們的生活,那么針對高職院校的計算機專業(yè),應(yīng)如何培養(yǎng)人工智能方向的人才,是我們必須思考的一個問題。
2 人工智能行業(yè)發(fā)展現(xiàn)狀
自人工智能誕生以來,人工智能的理論和技術(shù)日益成熟,它的應(yīng)用范圍也在不斷擴大,在智能搜索,組合調(diào)度問題,感知問題,模式識別,邏輯程序設(shè)計,復雜系統(tǒng)及人類思維方式等方面得到了廣泛的關(guān)注和研究。目前人工智能領(lǐng)域最廣泛的實現(xiàn)方法是通過機器學習。機器學習中最為流行和有效的是深度學習技術(shù)。它利用深度神經(jīng)網(wǎng)絡(luò)來實現(xiàn)機器學習。機器學習算法依賴大量數(shù)據(jù)來進行模型訓練、并且模型的訓練測試還需要高性能的計算能力,因此人工智能的實現(xiàn)離不開大數(shù)據(jù)技術(shù)框架下的巨量數(shù)據(jù)提供的數(shù)據(jù)樣本支撐、并行分布式計算系統(tǒng)提供的算力支撐。
作為國家未來的發(fā)展的重點方向,人工智能對于我國經(jīng)濟發(fā)展、產(chǎn)業(yè)轉(zhuǎn)型和科技進步起著至關(guān)重要的作用。而AI項目從研發(fā)到應(yīng)用離不開領(lǐng)域內(nèi)各方向的人才的配合,他們是推動人工智能發(fā)展的關(guān)鍵因素?;A(chǔ)研究型人才專注于算法理論的改進創(chuàng)新;技術(shù)研發(fā)型人才主要面向AI項目的開發(fā)與落地;應(yīng)用實踐類人才則主要指勝任人工智能帶來的新型職業(yè)要求,能滿足新型工作崗位的技能需求的應(yīng)用實踐型人才。目前中國人工智能人才存在較大缺口。根據(jù)中國教育部門測算,我國人工智能人才目前缺口超過500萬,國內(nèi)的供求比例為1∶10,供需比例嚴重失衡。不斷加強人才培養(yǎng),補齊人才短板,是我國的當務(wù)之急[2]。
3 高職院校計算機專業(yè)AI人才的培養(yǎng)與教學的分析
3.1 人才培養(yǎng)路線
與研究型的高校相比,職業(yè)院校的人工智能人才培養(yǎng)方向應(yīng)該更貼近實踐和技能應(yīng)用的層面。從學習的難易程度來看,人工智能的學習可劃分為三個階段。入門應(yīng)圍繞大數(shù)據(jù)的Hadoop框架開始,使學生逐步掌握數(shù)據(jù)收集、處理、存儲、分析的一些技術(shù),包括數(shù)據(jù)庫的一些知識。在這個基礎(chǔ)的階段,同時也會對分布式計算框架MapReaduce、Spark等數(shù)據(jù)處理思路有更深的理解。下一階段則主要學習python爬蟲、數(shù)據(jù)分析、操作和可視化等。在熟練掌握上一階段的數(shù)據(jù)操作、并對數(shù)據(jù)分析有了一定的了解之后,就可以進入最后一階段,機器學習以及深度學習。在最后一個階段,學生將對機器學習所解決的問題、機器學習的整體流程、模型選擇及訓練的方法有所掌握。
由于職業(yè)院校學生的有效的在校學習時間只有2年,在進入AI方向之前還需學習如C語言、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫等計算機通用專業(yè)課程及其他課程,因此上述培養(yǎng)路線在實際操作時,可根據(jù)學生基礎(chǔ)以及專業(yè)定位作適度的側(cè)重和取舍。例如學生數(shù)學知識比較薄弱、對相關(guān)的算法理解吃力,則可將教學重心放在大數(shù)據(jù)收集及處理、python數(shù)據(jù)操作、可視化等偏向技能類的教學上。
3.2 教學模式的思考與改進
目前高校內(nèi)人工智能專業(yè)的教育也存在一些問題。首先是在教育體系內(nèi),能夠有效實施人工智能教育的教師數(shù)量無法滿足需求;其次學生學習時間有限,難以覆蓋大而全的人工智能領(lǐng)域;最后則是校園教學環(huán)境與實際生產(chǎn)環(huán)境存在區(qū)別,容易出現(xiàn)“紙上談兵”的問題。針對這些問題,筆者有以下的思考:
(1) 深化校企合作,聘請企業(yè)講師授課,結(jié)合企業(yè)有經(jīng)驗的從業(yè)者的技能知識優(yōu)勢和學校方教學與學生管理的優(yōu)勢,彌補校內(nèi)相關(guān)專業(yè)教師缺乏的現(xiàn)象;同時在校企合作的同時,利用企業(yè)資源實現(xiàn)高校教師的技能提升,防止學校過度依賴企業(yè)講師的現(xiàn)象出現(xiàn)。
(2) 優(yōu)化學生課程體系,一方面考慮削減部分課程。如AI方向本身因為大數(shù)據(jù)和數(shù)據(jù)分析的學習需求,本身就需要學習Java和Python編程語言,那么計算機入門程序設(shè)計語言是否可以由C語言替換為Java或Python呢?另一方面,可考慮結(jié)合校企合作,將學習課程拆分為學生在校學習和在企業(yè)實訓兩個部分。如在校期間針對AI的基礎(chǔ)Hadoop、Python數(shù)據(jù)操作、數(shù)據(jù)分析等進行學習,而在企業(yè)實訓時則側(cè)重拔高并加深到機器學習、深度學習的內(nèi)容,最終完成AI的教學任務(wù)。同時,學生在企業(yè)實訓和實踐時,能夠接觸到真實的生產(chǎn)開發(fā)環(huán)境,這對于學生學習AI的應(yīng)用會有更符合實際的理解。
參考文獻:
[1]Stone P,Brooks R,Brynjolfsson E,et al.Artificial intelligence and life in 2030[J].One Hundred Year Study on Artificial Intelligence:Report of the 2015-2016 Study Panel,2016:4.
[2]姚凱.缺口超500萬中國如何補齊人工智能人才短板[N].第一財經(jīng)日報,2019-07-10(A11版).
作者簡介:張生瑞(1966-),男,內(nèi)蒙古鄂爾多斯人,理學學士,副教授,研究方向:數(shù)學和計算機應(yīng)用研究。
*通訊作者:楊振宇(1994-),男,內(nèi)蒙古鄂爾多斯人,碩士,助教,研究方向:計算機應(yīng)用和軟件工程。