“人工智能+新工科”背景下环境工程创新型人才培养模式研究

袁瑞霞 荆国林 苑丹丹 刘战剑 王 微

（东北石油大学化学化工学院 黑龙江·大庆 163318）

1 人工智能技术在环境工程中的应用

近年来，伴随着数据的指数性增长、算力的大幅提升及算法的不断发展成熟，人工智能迎来了第三次发展热潮。人工智能在推动工业发展的同时，也为环境保护领域提供了新的机遇。各种人工智能算法通过对工艺的完善和环境治理技术的提高，不断推动着环境保护事业向前进。环境保护涉及的专业非常多，不同领域排放的污染物多种多样，需要采用的标准和污染控制手段也存在很大差异，环境污染治理难度非常大。而人工智能技术的兴起，正是契合了我国环境大保护和工业大发展的时代需求。

在国内，已有多个多个城市建立了“天空地”一体化智能环境监测技术，通过传感器、遥感技术等实现立体、实时和动态监测，收集的数据经过信息处理、判读分析和野外实地验证，最终服务于环境规划、管理及应急指挥等部门的决策。

同时，人工智能技术还越来越多的应用于污水厂、垃圾填埋场、废气处理系统等传统三废处理领域。安徽省亳州市于2020年建成的城南地表水厂可以实现智能化控制，比如说，水质自动检测、自动分析、水质参数智能调整、智慧安防、还有水务智能运营等。其中，生产调度系统需要监控2000多套设备，涉及76道自动化工艺，数据量特别特别大。如果采用人工分析和判断存在时间长、误差大等问题，所以水厂结合数学仿真模型，采用了计算机辅助决策的智慧管理系统，能够对水处理设备及各个生产环节实现全过程自动监控，实现优质、低耗、高效的供水。

2 人工智能对环境工程新工科建设的影响

随着人工智能技术在环境监测、三废的处理工程及环境风险识别等诸多领域的应用，近几年环保行业对人工智能创新型人才的需求越来越强烈。而人工智能对新工科建设中学生创新能力的培养提出更高的要求：学生获得知识及能力、素养的提升途径应该是跨专业的、多元化的，学生需要熟悉人工智能交叉学科知识，具备突出的科学素养、创新能力、系统思维能力和国际视野，未来才可能在我国环保产业的智能化发展中发挥作用。

然而目前环境工程创新人才的培养存在仍存在以下问题：

2.1 重理论、轻实践

“新工科”应当构建以工程创新能力为核心的培养模式，然而目前高校的人才培养理念较为传统，过分看重理论学习，缺乏培养学生解决实际工程问题的能力，导致毕业的学生“就业难”，难以满足企业和市场需求。

2.2 人工智能未纳入创新能力培养环节

人工智能与环保行的结合，正推动新工科环保人才培养向智能化、自动化和类人化等目标转变。人工智能时代需要制订更加科学和符合时代特征的人才培养目标，调整人才培养结构，建设创新实践教育环节，以顺应经济社会发展。

创新型人才的培养是一项系统性的工程，需要在教学资源上进行优化和提高，从纯理论指导过渡到结合工程训练的实践环节中。然而，国内现行的环境工程人才培养方案中没有体现人工智能时代数据思维与创新思维结合的课程，创新实践能力的培养偏重于环境工程领域传统技术，未融合先进的人工智能理念和资源。

在“人工智能+新工科”的时代背景下重构环境工程创新人才培养模式，是促进大学生高质量创新创业的重要途径。然而，目前国内高校还未有针对人工智能环保创新性人才培养的模式和统一的课程体系。因此，本项目构建“人工智能+新工科”背景下环境工程专业大学生创新创业能力培养模式的研究与改革，将有利于对接社会需求，促进智慧环保产业的发展。

3 环境工程创新性人才培养模式改革思路

2018年，教育部发布了《高等学校人工智能创新行动计划》的通知，提出加快构建高校新一代人工智能领域人才培养体系，积极开展“新工科”研究与实践，探索“人工智能+X”的人才培养模式，重视人工智能与各学科专业的交叉融合。

“人工智能+新工科”的特征是前沿引领性、学科交融性和创新性。人工智能时代依靠记忆学习的低阶认知技能将逐渐被机器所取代，而高阶认知能力会更加凸显，需要重点培养学生的终身学习素养、计算思维素养、设计思维素养和交互思维素养。因此在教育改革中，将人工智能融入专业创新教育是创新人才培养的关键途径。

环境工程创新性人才培养涉及环保专业能力、人工智能教育和“人工智能+环保”创新实践三大模块。基于工程认证理念，以成果为导向，为培养出适应新时代要求的创新性环保人才，这三大教学模块应进行相应的改革。

3.1 环保专业能力教育改革

环保专业能力模块包括水污染控制工程、大气污染控制工程、固废废物处理与处置、环境监测、环境影响评价、环境法学等环境专业核心课程。由于近几年人工智能技术发展太快，传统的教材很少或未融入人工智能技术在环保相关领域的应用。例如，水污染控制工程课程主要还集中于物理法、化学法和生物法处理污水的原理及工艺，大气污染控制工程主要讲授除尘器、气体污染物吸收/吸附法等的原理及设备等。然而，人工智能在环保领域的应用是系统性的工程，涉及环境监测、污染物处理、环境执法等多门课程内容。

为应对人工智能发展过快的挑战，可以根据环保领域发展现状及前景，适时的、动态的在原有专业核心理论课程中加入人工智能技术应用成果，拓宽学生的视野，培养学生的学习兴趣，继而提高学生学习的积极性。教学模式建议采用案例法，增强学生对人智能的系统认知。同时，还可邀请相关人工智能领域的专家进课堂，增强学生对相关领域前沿研究的了解。

3.2 人工智能教育

虽然目前各高校在人才信息化培养方面大多设置了计算机基础、C语言程序设计等计算机类课程，但是难以满足环保领域对人工智能技术的需求。人工智能教育模块应该涵盖人工智能基础、Python程序设计、工业机器人技术、现代测试技术、大数据技术基础等教学资源的搭建，重点培养学生的数据思维和计算思维。

人工智能是一门多学科综合、高度复杂的学科，从结构上来看，人工智能是以脑认知科学为基础，内容涵盖知识表示、知识推理、机器感知、机器学习、智能系统构建等。对于非计算机专业的学生来说，全面系统掌握人工智能知识与能力从学时分配和学习难度方面都不具备可行性。因此，应将理清行业发展脉络，了解行业需求，开发环保应用场景式教学模式，通过实例教学，使学生掌握人工智能技术原理及应用方法。

3.3 “人工智能+环保”创新实践教育

“人工智能+环保”创新实践教育应深度耦合环境工程专业核心课程、人工智能相关元素。采用项目驱动式实践教学方法，能够更好地提升学生的计算思维素养、设计思维素养、交互思维素养和终身学习素养。

“人工智能+环保”创新实践教育改革内容主要包括创新实践项目资源的建设、教学模式、学生学习产出评价制度与系统等，重点强化学生人工智能创新技术的实际应用能力。

通过创新实践项目的实施，最终形成环保专业能力、人工智能技术、创新能力三大教育环节相互互补、紧密联系、主线清晰的一体化实践教学体系。培养学生的创新能力、联结能力、元认知能力、意义建构能力和高阶认知能力等人工智能时代需要的5种高阶能力，显著提升学生从事环保领域人工智能相关岗位的能力。

创新实践项目的选题尤其重要，指导教师需要引导学生挖掘生活及环保产业发展的痛点，引导学生基于人工智能技术进行环保实践项目的选题。

4 总结

将人工智能教育、新工科教育与环境工程专业教育相融合，有助于满足工业4.0时代国家和地方环保人才培养的迫切需求。通过环保专业能力模块、人工智能教育模块和“人工智能+环保”创新实践模块教学资源的重建和培养模式的研究，有望实现适应人工智能时代环保创新型人才的培养。