大数据背景下高校人工智能教育探索

田青 王定成

摘 要：在当今大数据的时代背景下，越来越多的国内高校开设了人工智能相关专业。为此，本文主要就高校人工智能教育进行了分析和探讨。

关键词：大数据 高校 人工智能 教育

一、引言

随着信息技术的飞速发展，每一秒钟里，世界各地的人们因为网络购物、网络信息分享等通过手机、电脑等电子设备往互联网上传海量的文字、声音、图像和视频等多种形式的数据信息──大数据！而这些“大数据”中所蕴含的规律在很大程度上反应、甚至影响了社会的发展特性。中国国务院在2015年8月31日下发了《促进大数据发展行动纲要》，明确提出了大数据的现实意义和主要任务，同时还指出大数据已成为推动经济发展和转型新的动力、重建国家国际竞争优势的着力点和推动社会发展的新途径。鉴于其重大应用价值，越来越多的企业和高校开始关注、研究大数据相关技术。通常，大数据与数据的采集、处理、挖掘、分析和决策等密不可分，而这些恰好属于人工智能（Artificial Intelligence，AI）的研究范畴。尤其近来基于深度学习的AI技术在自然语言处理、图像分析、智能博弈、智能推荐等领域的成功应用，更是激发了工业界（如谷歌、微软、脸书、阿里、百度、腾讯等互联网企业）和学术界（科研院所）对AI的大力研究和人财投入。根据教育部最新颁布的《高等学校人工智能创新行动计划》：到2030年，高校要成为建设世界主要人工智能创新中心的核心力量和引领新一代人工智能发展的人才高地，为我国跻身创新型国家前列提供科技支撑和人才保障。在国家教育政策的指导和激励下，更多的国内高校陆续开设了智能科学与技术、数据科学与大数据技术等AI相关专业、甚至设立了AI学院（如西安电子科技大学、中国科学院大学、南京大学）来培养AI大类人才。

二、高校人工智能教育的定位

AI是一个概念宽、内容丰富的知识领域。其研究范畴主要囊括了自然语言处理、神经网络、数据挖掘、机器学习、模式分析、计算机视觉、知识推理等。在应用案例上，AI主要包括机器翻译、知识理解、自动决策和推理等。就学科范畴而言，AI涉及数学、统计学、计算机科学、信息论、控制科学、心理学和神经科学等多个学科的知识内容。因此，高校的AI专业建设和人才培养方案需要统筹规划。高校在AI教育过程中，应重视AI与数学、统计学、计算机科学、生物学、神经科学和心理学等多个学科的体系融合，构建“人工智能+”的培养模式。另外，作为课堂教育的重要补充和实践辅助，高校还应积极探索与其他科研院所、企业等机构开展AI人才的联合培养。高校要在行业里打造AI教育品牌、培养优秀的AI专门人才，必须结合自身实情事先做好AI教育的规划和定位。

三、高校人工智能教育方案探索

鉴于AI横跨多学科、对理论学习和实践掌握均有要求的特点，高校在开设AI专业、制定AI培养方案时，应从课堂理论教育与课外实践教育等两个大的方面着手：

（一）课堂知识教育

常言道，理论指导实践！要使得培养的AI人才具有好的实际问题发现、分析和解决能力，首先应该对他们进行理论知识的全副武装。AI作为一门新兴的学科专业，高校应研究、制定一套完整且合理的专业课程体系。一方面，课程体系要覆盖AI的基础知识，如机器学习、统计分析、模式识别、数据挖掘、知识推演、决策分析、数学建模。这是AI教育的基石，培养的是学生的AI相关“内力”──关乎所培养的AI人才在将来的AI道路上能走多远！另一方面，课程体系还要兼顾AI的技术性知识教育，如计算机视觉、人机交互、自然语言处理、图像分析与处理、信息对抗、智能体等。这是AI教育的实战练兵环节，可以检验学生对AI知识的掌握程度和运用能力，让学生学有所用，训练学生的“动作套路”──有助学生对理论知识的更好理解和深入系统学习！以上两方面，相辅相成，缺一不可。为更好地说明问题，我们举一例子：假若一学生对AI理论知识一无所知或掌握不到位，让其对给定的一个模型算法进行诸如目标收敛率、函数界的分析，想必是为人所难；反过来，若其具有扎实的AI基础理论知识储备，而从未接触过AI实际问题场景，到头来只会是“纸上谈兵”。所以高校的AI课程教育系统既要覆盖基础知识教育，又要涵盖技术知识教育。

（二）课外实践教育

对综合性特色明显的AI教育而言，单是课程知识教育还远不够，还应配以课堂之外的实践教育和训练，因为AI是一门实践和操作很强的学科。基于这个思路，国内新成立的AI学院纷纷与工业界联合实施AI人才培养。如南京大学AI学院联手京东、山东科技大学AI学院联手腾讯、重庆邮电大学AI学院联手科大讯飞、清华大学AI联手阿里巴巴等。高校和企业具有各自的优势：高校具有好的师资和理论教学环境，能为学生提供好的AI理论知识教育；企业具有真实案例的大数据（这些往往是高校稀缺的）、好的硬件平台（如价值上百万的并行计算工作站）以及实践经验丰富的一线科技人才，他们可有效地指导、锻炼学生对实际问题的分析和解决的实践能力。

四、高校人工智能教育的反思

尽管目前AI技术已在很多应用方面取得了顯著成效，甚至在游戏对弈（如围棋Alhpa Go、德州扑克“冷扑大师”）、机器翻译（如微软小冰）、图像处理（如ResNet深度卷积网络）等方面达到或超越人类的水平和能力，这些领域仅是AI的冰山一角，他们具有一个公共的特性──具有易被机器学习和掌握的确定规则！例如，具有强AI智能的人类大脑的工作机理目前尚未被人类探究解密；在这面前，现有的AI成就只能称为弱AI。现有的机器AI水平距离真正意义上的强AI还有很长的一段路要走。换句话说，尽管高校已在AI人才培养方面取得了初步成效，但距离培养AI全面素质人才还有很长的路要走。所以，我们应在AI的教育道路上，在培养AI人才的同时，高校（联合工业界）的科研力量还要探究发现更高级、更完善的AI知识和体系。

结语

本文在大数据的时代背景和国家对高校人工智能AI教育大力扶植的形势下，主要分析了高校开展AI教育的定位，从课堂知识教育和课外实践教育两个层面就高校的AI教育方案进行了探讨，最后对高校AI教育的现状进行了反思。总结言之，尽管高校已在AI人才培养方面取得了初步成效，但距离培养AI全面素质人才还有很长的路要走。

参考文献

[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，南京信息工程大学计算机与软件学院，讲师，研究方向：为人工智能。

[2]王定成，博士，南京信息工程大学计算机与软件学院，教授，研究方向：为群体智能与演化计算、数据挖掘。