人工智能背景下的高等教育“新工科”建设探索

2018-07-12    来源:raincent

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

 

大数据[1]和人工智能[2]时代,AlphaGo每天自我对弈100万盘围棋[3];Tesla每天从上100万辆车实际行驶路线中学习驾驶经验;Watson等系统每天学习数十万张医疗影像大数据的深度特征[4]…大数据驱动的深度智能正在以惊人的效率解决特定领域的问题,更高级的机器智能和深度学习算法[5,6]层出不穷,在不断推动人工智能领域的发展。而智能时代的学习革命,也必将对未来的社会劳动形态造成冲击,针对这一趋势,人工智能专家、创新工场董事长李开复做了较好的注解,他说到:“未来10 年,大部分人类只需思考5 秒钟以下的工作都会被人工智能取代,从比例上来说,未来10年人类50% 的工作都会被取代,比如助理、翻译、前台、护士、会计、理财师等等…只有改革我们的教育模式,才能培养出新型劳动力。” 而牛津大学的一项职业研究也佐证了这一说法,未来20年内,50%左右的工作将被人工智能取代[7]。前百度首席科学家吴恩达在Coursear开设的深度学习课程[8],被部分企业作为获取面试机会的前置课程,换句话说,在校学生如果没有学完Coursear上的相关课程,将难以获得深度学习领域的就业机会。毋容置疑,AI正在加速挑战我们的生产、生活、学习等各个领域,教育自然不可能置身事外。

针对这一趋势,2017年7月,国务院印发《新一代人工智能发展规划》[9],明确提出高校要完善人工智能教育体系,建设人工智能学科。教育部在《高等学校人工智能创新行动计划》中强调[10],要加强人工智能领域专业建设,推进“新工科”建设,形成“人工智能+X”复合专业培养新模式。人工智能正在快速深刻地改变我们的学习方式、教学方式、思维方式,包括我们解决问题的方式,人工智能已经从多个层面上对教育课程体系提出了深层挑战。因此,教育部提出了“人工智能+X” 背景下的复合专业培养新目标,将有助于升级传统的教学模式,改革教学方法,创新教学实践,让教育教学跟AI深度融合并智能化高效化发展。主动拥抱人工智能,应用人工智能技术,构建跨学科课程体系,鼓励交叉融合和工程实践学习,对与新工科建设和AI交叉学科建设,具有重要意义。那传统高等教育应该怎么变革,以适应人工智能时代的发展需求呢?笔者认为首先要对人工智能和新工科背景下的新兴课程体系和交叉学科课程建设进行研究规划,明确所需专业支撑和课程内容保障,做好人工智能+背景下的新工科跨专业课程体系及AI工程实践平台的顶层设计,从通识课、跨学科工程实践平台和专业前沿课程三个层面构建人工智能+新工科课程体系。并研究人工智能+背景下的教学新模式、新方法,研究大数据以及人工智能辅助下的以学生为中心的新工科课程体系设置,探索人工智能背景下的混合式(在线慕课+课堂研讨+实践环境)教学方法,最终构建人工智能+跨学科交叉融合的新工科专业实践平台。要实现上述目标需要从如下三个方面着手:

(1)设计人工智能+背景下的新工科前沿课程体系:人工智能本身是一个高度学科交叉的方向,包括计算机、自动化、数学、机械、哲学、心理学等多个学科方向。一般来讲,需在已开设人工智能,机器学习,数据挖掘,虚拟现实等课程基础上,增设一些新的结合产业应用需求的前沿信息课程,比如图像识别、语音识别、文本处理、深度学习、量子计算、自动驾驶等前沿信息课程。研究设计人工智能+智慧医疗、人工智能+智能制造、人工智能+自动控制、人工智能+智能交通等新工科跨专业前沿课程体系,由浅入深从三个层面开展人工智能+新工科课程体系建设:首先开设人工智能+前沿通识课,普及智能学科知识;其次构建人工智能+跨学科工程实践平台,为不同专业提供大数据和人工智能实验平台支撑;最后开展人工智能+智慧医疗,人工智能+智能制造等高校优势方向的新工科跨学科专业前沿课程,为推进跨学科交叉、融合的新工科课程体系建设打下基础。

(2)研究人工智能+背景下的教学新模式、新方法:如何提升传统的教学模式,教学方法,让教学内容和方式更加智能化和高效化,是人工智能+背景下的新工科建设关键目标,通过研究人工智能+新的教学模式方法,把教师从简单、机械繁琐的“教学”工作中解放出来,从而能投入更多的时间和精力,创新理论知识和工程实践相结合的教育内容、改革教学方法,专注“育人”,从而使得学生将来的潜力和能力不落后于人工智能时代的发展。研究大数据以及人工智能辅助下的以学生为中心的新工科课程体系设置,为每个学生提供个性化、定制化、智能化的学习内容、方法,从而激发学生跨学科的知识和实践学习欲望。研究人工智能背景下的混合式(慕课+翻转课堂+智能实验)教学方法。研究教育模式的多样化和智能化,借助人工智能思维开展体验式教学、协作式教学以及混合式教学模式的探索实践,实现线上线下教育模式的协同。并通过人工智能、大数据技术与工程教育教学实践的深度融合,项目需求驱动,问题驱动教学和学习内容,提升学生的主动学习能力、工程实践能力和人工智能思维能力,同时启发学生对未来智能时代职业的思考,研究教育如何培养未来不被淘汰的人才、工种,如何借助人工智能技术提升学生技能和自我成长。

(3)构建人工智能+跨学科交叉融合的工程实践平台:人工智能时代,以教师为中心必须转向以学习者为中心的教学模式,这一趋势越来越明显,智能化的学习方式和学习环境,必须要能适应和支持学习者走向工作岗位后的终生学习。举个例子,当前很多高校计算机专业的课程实践环境多还是传统的单机式,单技术栈模式,而BAT等大型企业的实际研发环境早都是云化的多技术栈环境(分布式、集群、云服务、容器等),刚毕业的学生进入大型企业工作还需要长时间的开发环境和生产环境培训。这就是传统高等教育的一个典型问题,重理论轻实践!人工智能时代下的教育,应该重点研究问题驱动式学习、模块式学习、主题式学习和基于项目的学习方式,还有与产业需求相匹配的工程实践环境支持。同时借助人工智能+跨学科交叉的新工科课程学习,从教师将知识传授给学生向“让学生自己去发现和创造知识”提升,以真实的专业领域工程问题(大数据驱动的智能化需求)为依托,将多学科交叉与产业需求项目研究结合起来,让学生在工程实践过程中主动学习和建构多学科交叉知识,从而培养学生的人工智能思维、实践和知识灵活运用的能力。开展项目驱动的主题式、模块式学习的智能实践平台,在实践平台中的课程设计中,融合人工智能思维(数据驱动,问题驱动,迭代优化,终生学习等)和相关课程教学内容进行相互渗透、整合和优化,通过智能实践平台建设,为人工智能背景下的新工科课程体系建设提供实践支撑。

总之,高等教育从业人士应该高度关注大数据和人工智能的发展,包括产业发展和学术、应用研究等多个方面。科学的第四范式革命,就是需要从大数据智能应用中发现挑战性的科学问题,推动以大数据智能技术为基础的产业革命和学习升级,从而促进新型交叉学科进一步融合和互相支撑,反过来学科交叉也会推进大数据和人工智能技术向更深入发展。种种迹象表明,人工智能和大数据技术将引领教育向着在线化、定量化、个性化和智能化方向发展,以大数据智能技术驱动的各种教育新模式、新方法、新平台,和产业较高级AI工程产品的应用普及,将对传统高等教育造成巨大冲击,包括高等教育的专业设置、课程体系和教育方式方法都面临挑战,如何适应这一趋势并与时俱进,值得关注。

参考文献:

[1] 维克托.迈尔-舍恩伯格, 大数据时代: 生活、工作与思维的大变革, 浙江人民出版社, 2013.

[2] 万赟. 从图灵测试到深度学习: 人工智能 60 年[J]. 科技导报, 2016, 34(7): 26-33.

[3] Silver D, Huang A, Maddison C J, et al. Mastering the game of Go with deep neural networks and tree search[J]. Nature, 2016, 529(7587): 484-489.

[4] Ferrucci D, Levas A, Bagchi S, et al. Watson: beyond jeopardy![J]. Artificial Intelligence, 2013, 199: 93-105.

[5] Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553): 436-444.

[6] Schmidhuber J. Deep learning in neural networks: An overview[J]. Neural Networks, 2015, 61: 85-117.

[7] Frey, Carl Benedikt, and Michael A. Osborne. “The future of employment: how susceptible are jobs to computerisation?.” Technological Forecasting and Social Change 114 (2017): 254-280.

[8] https://www.coursera.org/specializations/deep-learning

[9] 国务院印发《新一代人工智能发展规划》[J]. 军民两用技术与产品, 2017(15).

[10] http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html

标签: 产业发展 大数据 大数据技术 大数据时代 云服务

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:大数据技术与应用解读及案例分析

下一篇:数据质量管理的一些思考