学术研究与学习借鉴

教育部前副部长鲁昕：人工智能对技术人才培养提出五大挑战

由全国工业和信息化职业教育指导委员会、中国机电一体化技术应用协会主办，深圳职业技术学院、深圳市越疆科技有限公司承办的2019年人工智能及智能机器人技术暨专业群建设研讨会在深圳职业技术学院举行，全国政协委员、教育部原副部长、中国职业技术教育学会会长鲁昕在发言中指出，加快发展新一代人工智能是我国赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。

“教育必须与科技发展同步。”魯昕认为，人工智能对技术人才教育提出了五大挑战：首先，是技术人才培养体系的挑战。纵向看，从学前到大学到终身还没有形成一套系统;横向看，从各学科、各专业到从事人工智能各领域、各岗位，也没有形成学科交叉、产教融合的系统体系。其次，是技术人才知识体系的挑战。人工智能领域高端人才需要知识结构的全面重塑，高端人才要具备强大的复合专业背景。第三，是技术人才总量供给的挑战。国内人工智能人才需求总量显著上升，2017年总需求为2016年的两倍、2015年的5.3倍，总量缺口为500万人。第四，是技术人才结构优化的挑战。人工智能技术人才队伍是一个梯次结构的人才队伍，至少包括四个梯次：一线操作技术技能人才、转化成国行业应用人才、科技成果转化人才、高端研究型人才，因此中国人工智能人才结构急需优化。第五，是技术人才终身学习的挑战，要建立和完善提供终身学习的学校体系、培训体系、课程体系、能力再造体系。“人工智能领域最缺的是什么？不是政策、不是市场，而是人才。”鲁昕认为，针对五个挑战，要建立技术人才培养体系，构建技术人才知识体系，加快增加技术人才总量，构建人才队伍科学结构，创造人才终身学习环境。

（来源：南方报业传媒集团，南方+客户端，2019-1-10）

刘进，吕文晶：人工智能创新与中国高等教育应对

《高等工程教育研究》杂志在2019年第1期刊发了刘进和吕文晶的题为“人工智能创新与中国高等教育应对”的文章。文章从创新视角展开人工智能研究，旨在回答两方面问题：一是人工智能创新的基本原理，二是面向人工智能创新的高等教育应对。阐述限于篇幅分为上、下，上篇重点关注人工智能创新的基本原理问题。本研究采用深度访谈方法。访谈对象分为人工智能创新研究群体（学术界）和人工智能创新实践群体（产业界）两大类。学术界访谈对象包含大学教师、科研院所研究人员两类人群;产业界则包含人工智能资深、初创两类企业的中高层从业人员或技术管理人员。在人工智能创新的基本原理中，阐述了人工智能创新的四方面原理：（1）人工智能创新的学科原理。认为：人工智能创新在技术领域的学科基础相对集中，但正出现不断扩大趋势;人工智能创新正实现对传统学科的突破，面向“大文大理”的全学科融合将成为可能;人工智能创新正形成研究与应用的“模糊边界”，研究机构与应用机构正重新定位各自职能。（2）人工智能创新的技术原理。深度学习算法实现了人工智能创新的方法论突破;数据驱动的基本原理实现了人工智能创新的思维方式转变;“暴力式”特征实现了人工智能创新的具体路径转变;“人工智能+”与“互联网+”的本质不同在于生产力与生产关系的差异;深度学习算法不能包打天下，人工智能创新呼唤重大突破。（3）人工智能创新的协作原理。技术创新与制度创新并行，反映出刚性人工智能创新与柔性人工智能创新的协同发展;人工智能创新更多体现其开放性特征，人工智能创新的开放程度显著好于历史上绝大多数的技术创新活动。（4）人工智能创新的产业原理。创新创业主体多样，人工智能技术与具体行业充分融合发展，推动行业转型或新产业生成;寡头与中小企业并存，开放与垄断交织，释放出大量创新创业活力;技术创新与应用场景创新融合，技术专业与行业专家协同推进。在中国人工智能创新的现状与问题中，阐述了六方面的问题：人工智能创新的认知与实际脱节，赋予人工智能创新太多不切实际的幻想，存在创新“泡沫”风险;人工智能基础创新不足，创新方向不明确，通用智能创新缺乏可靠根基;人工智能技术创新与实践创新鸿沟依然存在，创新转化仍存现实困难;人工智能创新从模型训练到实际应用周期较长、难度较大、风险较高;人工智能的“过程黑箱”、解释性风险、反人工智能等为创新留下隐患;中国仍需要实现人工智能领域的基础创新，借以抢抓本轮人工智能创新战略机遇。在人工智能创新的理论模型中，对人工智能创新过程中的技术推动力、市场拉动力和环境驱动力进行了分析，建构了人工智能技术推动-市场拉动-环境驱动的人工智能创新过程。认为，人工智能的创新来源自技术推动力与市场拉动力的共同作用，同时，也不能忽视环境要素在创新过程中的影响。

（来源：高等工程教育研究，2019年1期）

编辑 周泓