人工智能视角下的自动化类应用型人才培养体系研究

辛瑞昊 张航 冯欣

摘 要：“新工科”建设是国家发展的战略新需求，也是国际竞争的新形势。随着世界范围内互联网商业模式的完善，综合国力的竞争已延伸至科技、教育、文化等方面。人工智能技术作为新世纪三大尖端技术之一，是继因特网、物联网、云计算和大数据之后的国家关注、学习和重视的热点。国家的发展离不开教育的发展和人才的培养，人工智能领域作为今后国际教育、人才竞争的关键点，如何提升应用型地方高校在人工智能领域的育人能力，引导传统自动化专业向新技术、新领域方向发展，将“人工智能+”的概念融入到自动化类专业的课程建设与人才培养体系，对培养面向交叉科学问题的技术研发新工科人才具有非常重要的意义。

关键词：自动化专业;人才培养;科学定位

1 绪论

人工智能技术是一门多领域融合发展的交叉学科，与基因工程、纳米科学并称为21世纪的三大顶尖技术。人工智能的迅速发展不仅是新工科建设的重大机遇，同时也是建设创新型国家和科技强国的重要途径[1-2]。人工智能技术在社会上占据着举足轻重的地位，其发展前景广阔，尤其体现在自动化领域的发展和应用中。社会、企业、高等教育学校对自动化类应用型的人才需求也变得更加急切。人才是国家发展的人力保障，只有不断地培养其项目实践能力，综合素质高的技术应用型人才或创新型人才才能够更好地支撑和服务社会各行各业的快速发展[3-4]。“新工科”的建设与发展满足了我国新经济产业发展的现实需求，不仅是高校深化工程教育改革的方向，更是未来赢得国际竞争的重要途径。

2 自动化类专业在人工智能背景下面临的主要挑战

我国自动化专业是随着新中国成立而发展的一门学科，距今已有近70年的历史。早在自动化专业成立的第一天，就一直是国家经济技术发展必不可少的专业之一，也一直是招生人数最多和工作单位最受欢迎的专业之一。自动化专业的发展伴随着我国工业逐步从初期的电气化走向现在的自动化。而在这个发展期间，自动化专业也在不断调整其培养内容和专业方向，从最初突出电气化的“工业企业电气化”发展为电气与自动并重的“工业电气及自动化”，如今正向“智能化”的方法发展。在自动化专业发展过程中，逐渐形成了多学科交叉、宽口径培养、外延宽广等鲜明特点，将传统的机、电、算、通信等单个概念，逐渐淡化为含有机、电、算、通信等的综合系统，将“行业性专业”转换为“跨行业专业”，打破了专业之间的壁垒，培养出能处理各行各业复杂系统问题的人才，进一步满足经济、科技、社会发展的需求[5]。但是，随着人工智能的崛起，在新时代的发展形势下，自动化专业还存在一些不适应新形势之处，主要体现在专业课程体系调整、交叉学科的建立和跨行业人才的培养。

2.1 自动化专业培养目标

新技术的快速突破和人工智能的发展，对自动化类应用型人才提出了更高的要求，自动化专业培养目标需要进行合理细化，自动化类人才类型定位应该从几方面入手，重点培养研究型人才、工程研究应用型人才、应用技术主导型人才和技术技能型人才。研究型人才主要定位是培养自动化理论、工程应用及复合型人才，为进入更高层次学位教育奠定基础;工程研究应用型人才主要是培养能够参与到实际工程研究、开发和应用的人才，在兼顾职业技能发展的同时为高层次学位教育奠定基础;应用技术主导型人才是培养具有初步解决实际工程问题能力的人才，能较好地适应社会和科技发展的需求;技术技能型人才主要是培养具有从事在公司、工厂一线的技术和管理型人才。

2.2 自动化专业面临问题

从人才培养体系角度来看，自动化专业人才培养主要存在以下的问题：（1）在培养的过程中重视理论知识、轻实践，这种模式不适合现在人才的培养，实践教学独立性，系统性不够强，主要靠理论知识，不能形成培养实践能力为主的培养体系;（2）培养体系与培养目标不合适，现在教学体系是老师向学生传授知识，学生缺少自主学习的能力，没有工程的概念;（3）教学设备与实验场地不健全，需要进行的实验多，但是试验场地与设备不够，实践脱节;（4）课程设置与社会需求偏差较大，没有根据社会需要进行一定的课程设计，导致培养的人才知识面广，但是了解的深度不够;（5）教与学之间的问题，现今人才培养更多关注的是如何教，而没有关注学生的学，正所谓一句古语，授人鱼不如授人渔，我们应该培养人才的自觉学习能力;（6）学与用之间的矛盾，学生学习了多门课程，但是在实际实践中并不一定能够很好地应用，面对工程应用问题时，学生的动手能力弱的问题就显现出来了。

3 推进改革，构建人工智能视角下自动化类人才培养新模式

3.1 优化自动化类专业课程体系，调整课程结构

根据CDIO评价标准及自动化专业“三三式”培养体系，将人工智能学科知识与传统自动化专业知识有机结合，优化自动化类专业课程培养体系，调整各科结构，以适应新时代新技术的发展需求[6]。以自动化传统课程体系结构为主体，将人工智能专业知识作用新发展方向，把理论知识、能力与素质培养和实践项目交叉编织，呈现各组织单元之间存在时间上的先后关系及内在知识体系的逻辑关系，将各种实践教学活动有机地结合，学时做到化整为零，使教学发挥深化知识和能力培养的双重效果。

具体培养方法可以从以下几方面开展：

（1）將基础课程、专业课程进行有机结合，以“点—线—面”的形式构建课程体系结构，如在公共基础课（高等数学、概率论与数理统计、线性代数）为基础上，构建自动化专业基础课（C语言程序设计、自动控制原理、信号与系统），再在专业基础课上构建专业方向课程（智能控制与机器人、智能感知、智能制造系统），使理论学习与专业实践齐头并进。

（2）以培养“自动化技术+人工智能技术”应用型人才为目标，将人文社科基础课、自然科学基础课、工程专业基础课、专业方向课、基础课程实践、工程实践有机结合，以奖学资助为激励手段，培养能竞赛、能研究的人才。

（3）以人工智能方向人才需求为契机，培养本科生对智能系统的认知能力，使其掌握机器学习、数据挖掘、机器人技术、智能制造等专业知识，并能熟练使用Python、MATLAB、PLC、DCS等开发系统及语言。

3.2 建立人工智能学科，培养人工智能人才

人工智能技术的诞生是自动化技术发展的必然趋势，计算机技术水平是人工智能技术发展的关键技术。目前，随着人工智能技术的崛起，相对成熟成系统的专业教程有限，因此，对自动化类专业人才培养的课程体系需要不断进行调整。相对而言，自动化专业经过不断的发展，自动化专业已有完善的课程体系，这就决定了“人工智能+自动化”专业的培养模式，而为了适应自动化类专业学生的发展和社会的需求，就需要推进“研究型教学”，根据学情开展“大班授课+小组谈论”进行教学研究。围绕“人工智能+自动化”专业培养目标，自动化专业本科人才，除了英语、政治类、体育类等公共课程之外，还要加强数理基础教育，特别是高等数学教育，使学生具备坚实的基础理论知识和技能。在专业特色上重点强调人工智能和自动化结合教育（包括模式识别、数值计算方法、信号与系统、人工神经网络等），并在机器感知与机器人、智能信息处理与机器学习若干方向上进行特色知识扩展，同时在机器人、数据挖掘、互联网+及工业4.0等领域进行有选择性的专业拓展。

3.3 汇聚人工智能相关学科人才，建立“人工智能研究中心”

随着人工智能技术研究和应用的不断深入，人工智能技术对传统行业已产生了巨大的推动作用，形成了“人工智能+”的产业格局，目前，人工智能在军事、安防、制造、航空、医疗、交通、家居等多个领域都有广泛的应用。当前社会需要大量复合型人工智能技术人才。为了适应人工智能领域人才的培养，需要建设以服务教学为目的，以培养学生从事智能系统的设计、开发、控制、分析、评价和管理等综合技能为核心，遵循“虚实结合，能实不虚”的要求的“人工智能研究中心”，采用半监督和自监督学习模式，利用前沿讲座、实际案例等鼓励学生进行深度学习，课程考核方面采用专题报告、课题探讨、作品展示等方式推动教学活动。“人工智能+自动化”专业类应用型人才培养可以从以下几方面入手：

（1）充分发挥自动化专业特色优势，利用人工智能学科跨专业的特点，組建跨专业、跨学院的科研教学团队，鼓励学生进行跨专业和学科的交流学习，培养学生面对复杂工程、交叉学科的解决问题能力。

（2）严格按照学分制进行课程学习，特别注重开展“人工智能工程训练”“生产实习”“创新创业教育”“硬件课程设计”“软件程序开发”等培养专业综合能力的课程。

（3）创建本科生二专业制，鼓励学生在本专业基础上额外辅修一门专业，为学有余力和有上进心的同学，提供专业学习机会和平台配套设施，提高知识面的广度和深度，培养复合型专业人才。

（4）通过建立的研究中心，加深与企业的合作，瞄准企业与市场的需求，建立校企实训基地，培养定向的复合型应用人才。

参考文献：

[1]王少青.人工智能应用型人才培养课程体系构建[J].计算机时代，2020（7）.

[2]符阔，李丽，莫夫.人工智能2.0背景下应用型人才培养模式探讨[J].花炮科技与市场，2018，97（04）：243.

[3]李玲纯，高来鑫.“成果导向”教育理念下自动化专业应用型人才培养模式探索[J].科技资讯，2018，16（33）：200-201.

[4]吴迎年，苏中，曹荣敏，等.自动化特色建设专业的工程应用型人才培养体系研究[C].中国自动化学会，2011.

[5]胡学芝，南光群.“自动化”专业技术应用型人才培养教学体系研究[J].黄石理工学院学报，2011.

[6]李占英，张海传，王延平，等.智能时代基于CDIO的自动化专业人才培养研究[J].中国现代教育装备，2019，305（01）：104-107.

项目支持：吉林省教学科学“十三五”规划课题“人工智能视角下的自动化类应用型人才培养体系研究”（编号：ZD19057）

通讯作者：冯欣（1989— ），女，工学博士，讲师，主要从事大数据分析、先进控制理论及应用等方面研究。