人工智能技术应用专业特征解析与评价要素研究

杨 霞，王 凯

(天津渤海职业技术学院，天津 300402)

人工智能技术已经在深度学习、跨界融合、人机协同等多个领域呈现出巨大的发展空间，人工智能技术正在重塑人类社会的生活方式、经济社会的发展方式。人工智能已经成为引领和创造未来发展空间的战略性新兴产业，世界各国对于人工智能产业的发展都高度重视。构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，已经成为国家层面的发展战略。

一、人工智能产业的发展推动多层级的人才培养体系建立

追溯人工智能的发展历程，2016年是令人记忆犹新的，谷歌的AlphaGo在被认为计算机无法涉足的围棋领域，一举击败了代表国际围棋最高水平之一的人类选手李世石。这一事件将人工智能技术蕴含的强大能力瞬间展现在全世界大众的面前。其后在2017年，在人工神经网络与深度学习算法的加持下，以Master的称号与中日韩数十位围棋高手对弈，连续60局无一败绩。从此，人工智能技术一路高歌猛进，在多个领域的应用上取得了突破。尤瓦尔·赫拉利的《未来简史》一书更是认为人工智能技术的出现将对人类社会未来的发展产生重大影响，需要人类社会处理好与人工智能的关系。

我国高度重视人工智能技术推动的下一次产业革命所产生的深刻影响。2017年7月8日，国务院印发了《新一代人工智能发展规划》。人工智能作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式，引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

人工智能产业的发展是知识、人才、资源在产业链上高度汇集的结果，我国发展人工智能产业的当务之急是构建起多层次、能够覆盖全产业链的人才培养体系。从普通高校到职业院校，都需要在其所擅长的细分领域中，寻找和发现与人工智能产业链相结合的机会。职业教育更需要深入研究人工智能专业建设的特点，分析产业生态在不同的应用场景下对人才能力的需求，做出相应的评价标准，提出职业院校高水平培养应用型人才的专业建设路径。

据高盛发布的《全球人工智能产业分布》报告统计，2017年全球新兴人工智能项目中，中国占据51%。但在全球人工智能人才储备一项中，中国只有5%左右。在我国人工智能领域人才储备严重短缺的现实情况下，普通高等院校率先在人工智能专业的建设方面取得了显著的成果。职业教育也开始在人工智能领域寻求发展。根据教育部公布的“2020年高等职业教育专业设置备案和审批结果”，2020年全国共有171所高职院校获批开设“人工智能技术服务”专业，2021年专业名称调整为“人工智能技术应用”专业。这一切的规划也彰显了我国对人工智能人才的重视和对培养出专业人才的迫切需求。

二、人工智能技术应用专业能力要素分布

职业教育关注的重点领域在人工智能产业链的中、下游环节，聚焦于人工智能技术发展成果的应用，立足于人工智能技术同各个行业结合的应用场景。为此职业教育层面的人才输出，需要在各个产业领域实现高水平的人机协作、智能化应用场景的建设和智能化应用程序的开发。人工智能技术应用类专业所构建的人才培养体系，虽然能力培养的目标是多层次的，但在知识结构上全面覆盖人工智能技术的知识图谱是十分必要的。在技能的培养上可以包含多个层次，核心是突出应用层面的开发与构建应用场景的能力。

图1 人工智能技术应用类专业的知识结构

职业教育层面的人工智能技术应用专业核心的能力要素包含数学基础、计算机科学基础、机器学习算法、机器学习分类、机器学习架构、人工智能的问题领域等几个方面内容。

具体分析后，归纳为五大能力要素：

(一)能力要素一 —— 数学基础

人工智能作为一个跨学科产物，包含的内容浩如烟海，各种复杂的模型和算法更是让新手望而生畏。解决的出路在于培养学生的思维方式，数学知识蕴含着处理智能问题的基本思想与方法，是学生能够理解复杂问题的必备要素。要了解人工智能，理解人工智能，成为人工智能的主人和伙伴，首先要掌握必备的数学基础知识。具体来说包括：

1.线性代数：如何将研究对象形式化

2.概率论：如何描述统计规律

3.数理统计：如何以小见大

4.最优化理论：如何找到最优解

(二)能力要素二 —— 计算机科学基础

人工智能的技术框架始终没有脱离现有的计算机科学技术体系，人工智能算法始终需要依靠通用型的处理器芯片和各类人工智能专用芯片来完成。算法的表述与应用程序的开发需要现有的各类操作系统(Windows、Linux、Android)作为底层，采用适合的程序设计语言(Python、Java、C++)来加以实现。

学生具有必要的数学基础和计算机科学基础知识的储备后，才能够形成一定程度的数学思维和计算机思维模式，从而进入人工智能学习领域。在此，教师也需要根据学生知识储备与学习能力，为不同层级的学生提供多样化的学习路径，帮助学生在人工智能产业链中发现适合自己的职业规划。

(三)能力要素三 —— 熟悉机器学习算法，解决现实问题的能力

根据应用场景需要，进行应用层面的开发是专业人才培养的能力目标。熟悉机器学习算法(线形模型、逻辑回归、决策树模型、支持向量机、贝叶斯分类器、神经网络、聚类算法)的数学原理，能够根据应用场景的需要选择合适的模型，是支持人工智能技术应用的基本条件。

模型训练和数据处理是人工智能行业的重要业务领域，掌握模型的训练方法也是实现应用目标的根本途径。学生需要掌握从应用场景获取数据和管理数据的能力，从数据中发掘解决问题的模型。学会使用数据解决现实问题，是学生必备的能力要素。

(四)能力要素四 —— 使用人工智能应用开发成果的能力

人工智能技术应用领域最主要的几类问题包括语言识别、字符识别、机器视觉、自然语言处理、自然语言理解、知识推理、自动控制、数据挖掘、游戏人机对弈等领域，很多科技企业都在一些关键领域取得了令人瞩目的成就，如科大讯飞就在语言识别、自然语言处理等方面有着大量的成果。

对于人工智能技术应用专业的学生而言，熟悉这些关键领域的技术发展成果是非常重要的，大多数的人工智能应用场景都需要采用这些成熟的发展成果并善加利用，以加快应用开发的周期，降低开发的难度和风险。

(五)能力要素五 —— 搭建人工智能技术平台的能力

针对人工智能应用的具体需求，在基础硬件和软件的基础上搭建用于人工智能系统开发或实施应用的技术平台，也是从事人工智能应用领域学生的能力培养方向之一。尤其是在云计算的环境下构建人工智能平台的能力，也是应对未来在各个领域迎接数字智能化转型的关键能力之一。

三、人工智能技术应用专业评价要素

(一)职业院校与普通高校在发展人工智能类专业上存在的差异

中国在人工智能产业链的发展上，人才储备不足是一个亟待解决的问题。职业院校与普通高校在人工智能领域的人才培养上各有侧重，在不同的平台上分别发挥着各自的作用。具体分析差别有什么呢？观察职业院校的生源素养，不难看到，在数学基础、计算机科学基础、思维模式和方法论上与普通高校存在巨大差异。即使通过系统的课程学习，职业院校的学生也无法在上述的领域内取得足够高的预期成果。直接结果是，学生对于机器学习算法的理解、模型设计开发、模型训练和优化等方面存在一个较难逾越的屏障，这种屏障从根本上讲还是数学基础与思维模式的问题。

因此，在人工智能类专业的发展上，职业院校和普通高校聚焦的问题领域必然不同。普通高校的焦点集中在人工智能产业链的上游，他们更擅长于解决核心算法、计算架构等重大问题，抑或是解决制约某一行业领域的数字智能化发展的重点问题，比如国家重点发展的健康、医疗、能源、交通等领域，推动人工智能产业向高端领域发展。

职业教育更关注于产业链中、下游的应用环节，聚焦于比较细小而又具体的问题，更倾向于将成熟的技术发展成果应用于具体的应用场景。职业院校的特点在于较强的动手能力和实践能力，职业院校更擅长于在应用层面，将人工智能平台和物联网、互联网、嵌入式等技术平台结合，解决人工智能产业落地、推广普及的问题。

(二)职业院校推进人工智能技术应用专业发展的路径选择

立足职业教育的基础条件，职业院校在人工智能专业的发展路径上存在两个方向的选择。

其一，向应用型本科转变，积极改善职业教育层面存在的基础薄弱问题，对人工智能技术应用专业的办学基础进行全面提升，强化数学基础、计算机科学和思维方法。着力于人工智能产业链中的应用型开发环节，以培养善于同行业结合，具备较强应用开发能力的实用型人才为目标。

其二，在现有高等职业教育的基础上，关注产业链中下游领域具体问题，突出发挥动手实践能力，培养学生对人工智能技术产品使用、服务外围应用领域的能力。以形成跨领域发展的能力体系建设为目标，重点关注人工智能技术平台与物联网、移动互联网、前端计算等技术平台的结合。

(三)人工智能技术应用专业的评价体系建设

人工智能技术应用专业的教学评价体系要从专业建设方向出发，针对从事技术开发还是技术应用两个不同的方向，找准正确学习的轨道，做出相应评价体系才更合理。

基于对职业教育的理解，评价过程本身不是为了给学生贴上是否合格的标签。教学过程本质上是对应用型人才的筛选和分类的过程，教师要为学生提供适合自身个性的多种发展路径，提供多个可供选择的发展平台。专业需要基于一个最核心的能力要素，对学生可预期的能力水平进行评价，从应用开发、深度应用、基本应用和外围应用这几个不同的层面为学生提供学习和发展的路径，围绕人工智能产业生态的发展，在产业链的各个环节为学生提供参与的机会。

四、职业教育需要对人工智能技术应用领域进行重新定义

针对职业教育的特点，沿用本科院校的办学路径来发展职业教育层面的人工智能技术应用专业是难以取得理想效果的。为此在人工智能应用领域，职业教育需要联合中国的人工智能产业集群，重新进行定义，以适应人工智能产业未来发展的需要。总结了五个具体的要点：

第一个关键词：技术下沉

职业教育要与人工智能产业的核心企业合作，使产业多年以来的发展成果下沉，降低技术应用的难度，使大多数职业院校的学生能够接受，并且能够参与；下沉的另一个角度是要关注行业下游的应用推广环节。

第二个关键词：应用场景

职业教育在推动人工智能专业发展时，应用场景是核心。找准与专业群结合的应用场景，将人工智能、物联网、云计算、大数据等技术模块与应用场景结合，构建数字化时代的专业群实训环境、教学资源、课程集群与科研平台。

第三个关键词：注重体验

职业教育的学生虽然在基础上与普通高校有差距，但两者的学习方式是各有侧重的，职业院校的学生需要以体验为主，因为职业教育更注重学生的体验。围绕应用场景而构建的教学环节，能够帮助学生更有效地学习。

第四个关键词：认知体系

学生在参与应用场景的搭建并完成人工智能应用系统的部署以后，并不算完成了全部的教学目标。最终的目标是通过老师引导帮助学生在有限的基础条件下，通过学生对人工智能应用场景的体验与不断的探索，形成一个比较正确的认知体系，减小认知谬误带来的认知偏差，为学生在未来的学习和能力发展上打下坚实的基础。

五、结束语

人工智能发展前景巨大，职业院校应对接我国《新一代人工智能发展规划》，加快培养人工智能高端人才，建设人工智能学科，形成“人工智能+X”复合专业培养新模式，将传统职业教育进行转型发展，在新形势下重新定义人工智能型职业教学，改变思路，改变评价标准，树立终身学习理念，构建符合职业教育的专业体系，课程体系，培养优质师资队伍，与科研院所、行业企业合作，探索符合本学院专业特色的建设方案，服务区域发展，培养高素质高技能的应用型人才。