“人工智能+”背景下的新工科教育探索与实践

杜圣东，杨 燕

（1.西南交通大学 信息科学与技术学院,四川 成都 610031；2.西南交通大学 人工智能研究院,四川 成都 610031；3.轨道交通信息工程与技术国家级实验教学示范中心，四川 成都 610031）

0 引 言

人工智能时代，AlphaGo 可以每天自我对弈数十万盘围棋[1]，Tesla 自动驾驶系统可以每天从数十万辆车的行驶轨迹中学习驾驶经验，Watson系统可以每天学习数万篇医学论文来获取深层病理特征[2]。大数据驱动的人工智能技术正在以惊人的效率解决特定领域的重大科学问题。人工智能新的技术和算法发展速度如此之快，在不断推动大数据智能领域发展的同时，智能时代的学习革命也必将对未来的教育生态和社会职业形态造成冲击。针对这一趋势，人工智能专家、创新工场董事长李开复做了很好的注解，他说：“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，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[3]。

毋庸置疑，人工智能技术正在加速变革我们的生产、生活、学习等各个领域[4]，高等教育自然不能置身事外。因此，国务院在2017 年7 月发布了《新一代人工智能发展规划》，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。教育部也在《高等学校人工智能创新行动计划》中强调，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[5]，这是因为人工智能本身是一个极具包容性的跨专业领域，涉及计算机、软件、电子、机械、自动化甚至哲学、心理学等多个专业领域及研究方向。如何从大数据中发现挑战性的科学问题，推动以数据驱动智能为基础的科学发现，促进新型交叉学科的发展，是新工科教育的关键内容；而以“人工智能+X”为核心的新工科建设，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新型教育模式和行业顶级企业AI 产品的应用普及，将对传统教育造成巨大冲击，包括专业设置、课程体系和教育方式方法。

1 人工智能时代传统教育面临的挑战

大数据时代[6-7]以深度学习为代表的数据驱动智能技术正在快速深刻地改变我们的学习方式、思维方式，也包括我们解决问题的方式[8]，人工智能技术的快速、闭环、迭代等特性已经从多个层面上对传统教育体系提出了挑战，主要表现在如下几个方面。

1）传统课程体系面临新技术泛型挑战。

新工科为什么强调学科交叉？因为传统学科设置按细分领域进行划分，在层出不穷的前沿新兴技术和问题驱动的条件下，学科领域知识的局限，如专业设置大多自成体系、过于独立，各专业领域相互关联度低，学科的交叉融合少，越发难以支撑重大科学及工程问题的解决[9-10]。以大数据智能技术体系为例（如图1 所示），DT（Data Technology）技术生态的繁荣与发展，包括数据采集、数据预处理、分布式存储、NOSQL 数据库、多模式计算（批处理、在线处理、实时流处理、内存处理）、多模态计算（图像、文本、视频、音频）、数据仓库、数据挖掘、机器学习、人工智能、深度学习、并行计算、数据可视化等各种技术范畴和不同层面[11]，仅仅人工智能就涉及计算机、软件、电子、机械、人体动力学、心理学等不同学科领域。可见DT 这种新技术泛型生态涉及学科版图十分庞杂，传统学科知识难以支撑类似领域重大科学及工程问题的解决。

图1 大数据智能技术挑战

2）传统教学方式面临快速迭代和适应性挑战。

对于教师来讲，传统教学方式的转变是一个漫长的过程，但人工智能以其迭代、闭环等特点加速了知识的增长与更新过程，如AlphaGo 每天能自我对弈数十万盘棋局，其获得知识经验的速度是难以想象的。另外，大数据时代知识的时效性也不同于往常，比如传统的教材多年才出版一次，如有错误需要数年后才能修订，如今的维基百科和慕课平台每分每秒都在进行海量教育数据的更新。人工智能技术使得知识可以快速迭代发展，而教师的教学方式、知识结构与教学理念等却难以快速迭代升级。另外，重复性的工作方式和有大量数据积累的职业，都面临被人工智能取代的危险，当前的教师职业如果不能快速升级知识结构以适应新技术发展，也会面临类似问题。

对于学生来讲，大数据智能时代催生的教学形式和教育资源呈多元性发展，在线、离线，课上、课下，手机、电脑、平板，图像、文本、视频等层出不穷，随着教育形式、渠道、载体的多样化，学生自行获取知识的途径和深度、广度都在急剧扩张，传统教学课件资源的单一性和重复性，难以满足学生的个性化、定制化学习需求。在这一背景下大班制教学的缺点会越来越突出，如何破解大班制教学的个性化教育需求缺失的问题，需要新的教学方式方法来支撑。

3）传统教育机构面临产业变革和人才需求挑战。

新工科所倡导的“人工智能+X”复合型专业模式，就是旨在解决产业升级和人才需求变革问题。人工智能时代，社会职业形态面临的冲击会越来越严重，只有改革我们的教育机构管理模式和育人模式，从顶层规划上进行优化设计，才能培养出新型劳动力以适应产业发展需要。例如谷歌的机器翻译系统，微软的实时口译系统已经接近英语专业人士水平，未来的英语专业何去何从？IBM 的Watson 法律助手、医生助手等系统，也在加速迭代升级。当传统专业人才与类似新经济发展互相冲突时，很多职业将来可能会消失，学校的专业设置如何为未来的职业做准备?教育机构的培养方案如何适应产业人才需求的快速变迁，这也是教育管理者需要关注的核心问题。

2 新工科教育的内涵与特征

当前，人工智能技术在逐渐融入我们的生产和生活，我们甚至很少注意到这种潜移默化的影响。Google 根据位置调整搜索结果以适应不同地域的用户需求，Amazon 根据历史购买记录做出贴心推荐，Siri 可以随时随地响应我们的信息获取需求，Watson 可以作为助教服务学生、作为医生服务病人……这类智能系统在我们的信息交互中扮演着越来越重要的角色。在过去的几十年中，基于人工智能的系统已经从根本上改变了我们与数字世界交互的方式，未来的教育也将备受影响。

2.1 新工科的兴起

数据驱动智能代表了一种新的认知范式，图灵奖得主Jim Gray 将人类科学的发展定义成为四个“范式”。未来科学的发展趋势是，随着大数据的爆炸式增长，计算机将不仅仅能做模拟仿真，还能进行深度挖掘分析，并获得新的知识。也就是说，过去由牛顿、爱因斯坦等科学家从事的工作，未来可以由计算机来做。Jim Gray 将这种科学研究的方式，称为第四范式，即数据密集型科学[7]。从物联网、云计算到大数据，再到人工智能，这种以第四范式为代表的数据密集型科学，正在冲击传统的教育模式与方法，数据密集型科学不仅仅是“科学范式”，更是一种大数据驱动智能科学及应用的“工程范式”，这也是新工科兴起的本质所在。

2.2 新工科的主要特点

从传统的以细分专业技术为中心的“技术范式”，进化为以多学科深度交叉融合、数据驱动为中心的“科学范式”与“工程范式”，新工科有其自身的特点，主要包括如下几个方面。

（1）跨学科，应用导向。当前，人工智能技术驱动的重大科学问题研究越来越普遍，从战胜人类顶尖棋手、帮助发现引力波到自动驾驶、精准医疗、安全防控等，可以说大数据驱动的人工智能技术生逢其时。不管是从人工智能技术本身，还是上述科学工程问题的解决，都需要跨学科专业技术的支撑，而且有明确的问题导向、工程导向特点。李开复评价“AlphaGo 是一套设计精密的卓越工程，达到了历史性的业界里程碑，这套工程不但有世界顶级的机器学习技术，也有非常高效的代码，并且充分发挥了谷歌在全球最宏伟的计算资源实力”。未来此类重大问题的突破对于核心技术的要求只会越来越高，新工科教育在鼓励学科交叉的同时，还需拓展学生在核心科学问题的深入研究和复杂工程研发实践方面的能力。

（2）个性化，自适应性。未来的教育将向个性化、定制化和去中心化发展，使用人工智能系统技术的支持，学生可以随时随地从世界上任何地方学习，某些在线平台或智能APP 完全可以代替特定类型的课堂教学。通过人工智能技术驱动的个性化学习，将各种教育课程的学习内容与速度，甚至教学方法都可以针对不同学习者的需求进行优化，通过人工智能助手的闭环跟踪反馈，可以适应不同个体的学习速度和特定需求。新工科教育要做到以学习者为中心，基于人工智能的个性化、自适应学习机制至关重要，而教师更多是负责学习计划的制定、引导和交流沟通[12]。

（3）迭代式，终生学习。如何培养高素质的复合型人才，只靠学校教育是不够的，传统的理论教学过多，实践课程又缺少与产业研究类需求的对接。在这种情况下，新工科教育需帮助学习者树立终身学习的理念，做到知识结构能跟随产业技术进行迭代升级，这不仅要有传统工科的扎实基础底蕴（如具备STEM 素养，熟悉科学Science、技术Technology、工程Engineering、数学Mathematics 等学科基础知识），也要对其他学科邻域的知识有所理解和把握，从而满足和适应产业技术需求。另外，当前的职业培训教育还缺乏系统性、多样化的优质内容，适合在职人员继续教育的深度课程更是稀有，这一短板更需要新工科教育在学校阶段，融合人工智能思维，帮助学习者提升终身学习、自我学习的能力和素质。

3 新工科教育总体思路及框架

从数字化、信息化到智能化，高等教育的未来与前沿信息技术的发展有着紧密的联系，人工智能技术的突破为新工科的教学和学习方式带来了新的可能性和挑战，并会从根本上改变高等教育机构的内部治理架构。人工智能技术在高等教育中的应用是一个增强教育能力、变革教育思维并扩大教育影响力的持续迭代过程，而不能将其简化为一套应用交付系统。基于此，设计新工科教育的核心思路及总体框架（如图2 所示），以学习者为中心，以课程设置、教学方式和工程实践3 个环节为主线，从专业技术教育和AI 赋能教育两个方面，提升新工科教育在个性化学习和终身学习等方面的支持水平。

图2 新工科教育总体框架设计

1）设计面向专题式、模块式的新工科课程体系。

针对“人工智能+X”复合型专业需求目标，重点研究问题驱动学习、模块式学习、主题式学习和结合产业技术研究类需求的课程内容和学习环节设计，基于人工智能思维（数据驱动、迭代优化、终生学习等）和相关交叉学科教学内容的相互渗透、整合与优化，从科学问题与产业目标对接的角度，重新规划设计人工智能背景下的新工科课程体系，包括课程内容、实现环节及考核要求等多个方面。在学校已开设人工智能、机器学习等相关课程基础上，结合学科交叉融合需求，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、智能化的学习内容及方法，从而激发学生对专业技术及相关学科群知识的学习欲望。建议从三个层面由浅入深开展人工智能+新工科课程体系建设：首先在传统学科专业课基础上（如STEM），增设人工智能+前沿通识课，普及智能学科知识；其次构建人工智能+跨学科实验课程，为不同专业提供大数据和人工智能驱动的行业应用实验平台；最后开展“人工智能+X”的新工科跨学科专业课程内容建设，构建跨学科交叉、融合的新工科课程体系。

2）改进人工智能+背景下的传统教学模式与方法。

人工智能时代，以教师为中心转向以学习者为中心的教学模式，这一趋势越来越明显。教师是专业技术教育和AI 赋能教育的关键，教师也是人工智能思维、智能技术运用于新工科专业教育的主要实践者[13]。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和高效，是人工智能+背景下的新工科建设核心目标，只有教师主动适应人工智能技术变革，改进传统教学模式与方法，践行以学习者为中心的教育理念，才能实现真正意义上的新工科教育。结合产业项目的技术攻关研究需求，基于问题导向、目标导向理念，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新内容新方法，从而使得学生将来的潜力和能力不落后于产业人工智能的发展。

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、协作式教学以及网络式、开放式教学方法的探索实践，实现线上线下教学方法的融合协同。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，以科学问题和工程需求来驱动教学内容，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。从以教学为中心向以学生为中心的主动学习、自主学习转变，使得学生主动了解学科前沿动态，并理解人工智能+专业领域核心技术的迭代性本质，提升学生的自主学习和终身学习意识，同时启发学生对未来职业的思考，培养出难以被AI淘汰的复合型人才。

3）构建人工智能+跨学科交叉融合的新工科实践平台。

研究基于项目驱动的模块式、主题式课程为每个学生提供了个性化、定制化的学习内容，但还需要智能化的学习和实践环境，通过工程实践才能真正树立学习者走向工作岗位后仍能保持的自适应学习和终生学习理念。重点构建与基于专题式、模块式学习内容相匹配的工程实践环境，借助人工智能+跨学科交叉的新工科实践平台训练，从教师将知识传授给学生向“让学生通过实践平台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技术攻关研究结合起来，让学生在工程实践过程中主动学习和建构多学科交叉的知识结构，从而培养学生自主学习人工智能+各专业领域相关新技术、新方法的能力，使得学生主动适应未来的职业发展。

根据上述新工科教育思路及框架设计，进行了初步新工科教育的实践工作。以人工智能课程为例，首先在专题式、模块式课程体系设置方面，对传统的章节式教学内容进行重新组织优化；传统的人工智能教材普遍存在覆盖面广、关键技术点深度不够、知识点零散不成体系，而且概念性和基础性内容太多。针对这一问题对教学内容进行了重新组织设计，教材只是参考，重点增加了当前人工智能前沿性和实践性内容，比如深度学习、强化学习、迁移学习和知识图谱等教材中没有的知识点，并删减过多的概念性、基础性教材内容，以每个主题构建教学模块单元。以强化学习这个教学主题为例，构建教学模块单元内容包括强化学习概念、核心原理、深度强化学习和应用设计4 个小节，覆盖从基础知识了解到原理推导理解，再到应用设计实践整个主题教学链内容。其次在改进传统教学模式方面，加大课程设计实践内容比重和分数，强调以学生为中心的学习过程，同学们可以根据自己的兴趣，自由选择一个大的专题作为课程设计实践内容，老师只给出大的课程设计提纲和目标导向框架，学生可以在大的框架下进行自由探索和深入设计，从而提升学生的主动学习能力、AI 赋能背景下的终身学生能力。最后在课程实践环境的构建方面，在实验室的基础编程环境下，结合人工智能基础框架的快速选择配置，学生可以构建符合各类企业研发需求的虚拟环境和容器级环境，这样在学习阶段就可以提前熟悉当前行业工程研发的各类框架及工具，从而进一步提升学生的工程实践能力。

4 结 语

人工智能正在加速变革我们的生产、生活和学习方式，如何切实推进“新工科”建设，形成“人工智能+X”复合专业培养新模式，推动以人工智能技术为基础的数据密集型科学发现，以支撑在重大科学问题研究与工程应用方面的产业需求，是新工科建设的关键。以学习者为中心，以课程设置、教学方式和工程实践3 个环节为主线，从专业技术教育和AI 赋能教育两个方面，提出了新工科教育思路及总体实践框架，助力新工科教育跟人工智能技术深度融合并高效迭代发展，对于新工科建设和人工智能相关学科建设，具有重要的参考价值。