人工智能信息链视域下智慧校园建设探究

沈振兴

摘   要：近几年人工智能相关技术在各行业的应用层出不穷，智慧校园中融入人工智能技术的可行性在逐步提高。文章通过对人工智能和智慧校园的体系架构进行分析，总结出信息链对两者关联机制的纽带作用;梳理了人工智能信息链的信息产生、信息表示、智能推理、智能决策和输出执行五个环节与智慧校园总体架构的层次对应关系。在此基础上，文章对Z大学的智慧校园建设情况和实际运行的人工智能“轻量级”应用进行了分析，提出了一种人工智能信息链视域下智慧校园建设的参考体系架构，同时归纳总结了人工智能关键技术在智慧校园中的实现途径。

关键词：智慧校园;人工智能;信息链;算力

中图分类号：G647 文献标志码：A 文章编号：1673-8454（2021）13-0042-04

人工智能兴起于20世纪信息技术革命时期，是计算机应用技术与控制论、生物科技等学科互相融合形成的综合研究领域。近几年，人工智能相关技术在各行业的应用层出不穷，如自动驾驶、新型智能机器人等，AlphaGo等基于深度学习技术的智能机器人的出现，掀起了人工智能新一轮的发展浪潮。伴随人工智能相关技术和产品的日趋成熟，“教育人工智能”概念的热度持续攀升，[1]“人工智能赋能智慧教育”的诉求与日俱增。[2]英国白金汉大学学者安东尼·塞尔登等在《第四次教育革命：人工智能如何改变教育》一书中提出了一种关于未来大学的“智能校园”的设想，预测了在人工智能技术的普及过程中，智慧校园已有的“图书馆、科研和考试制度”以及 “在线研讨会、慕课”等教学、管理运行模式将会发生“翻天覆地的变化”。[3]智慧校园建设作为高校治理体系中的重要一環，其横向覆盖和纵深推进均可借助人工智能的手段，以拓宽广度和强化深度，进而促进高校教学模式、学习渠道、管理及服务方式朝着多样化、精细化和高效化等方向发展。

一、人工智能信息链

《人工智能：一种现代方法》提及：人工智能系统应当能部分地模拟人的行为，或者能进行“像人一样的理性行动”[4]，能利用具备计算能力的机器感知特定环境、模拟人的智能并获取预定的最佳结果。人工智能有三大基石——“算力、算法、数据”，算力是基础，算法是核心，数据则是人工智能发展的关键。[5]算力指的是计算机硬件的处理能力，算力是算法的基础，算法是算力的体现，而算力的发展基本遵从“摩尔定律”等市场定律，随着 “工业4.0时代”的到来，计算成本和存储成本急速降低，计算性能和单位存储密度不断提升，为近年来人工智能产业飞跃式发展提供了牢固的基础，深度学习、人机交互以及计算机视觉等人工智能相关技术在各行业的应用迎来爆发式增长时期。以深度学习技术为例，算力的革命性发展使诸如深度学习结构等大规模复杂算法的实现和广泛应用成为了可能。数据是人工智能技术取得突破性进展的关键，近年来大数据产业技术蓬勃发展，是传统机器学习向深度学习迈进的前提，如果没有充分的数据支持，人工智能关键技术就是无源之水、无本之木。人工智能技术可分为强人工智能和弱人工智能，前者是后者发展到一定阶段后的高级人工智能形式，是人工智能发展的高级阶段。而本文所提及的智慧校园建设相关的人工智能主要指弱人工智能，即基于机器学习、人机交互、机器视觉、自然语言处理以及生物特征识别等关键技术的，以语音、图像识别和处理等应用为代表的“专用人工智能”。

人工智能系统可关联三大功能：一是输入端功能，即能够智能地感知环境，此为信息产生的过程;二是智能运算功能，即在已有知识库或者数据集合的基础上进行智能运算并获取最佳结果，此为信息处理的过程;三是反馈功能，智能系统应当能用既定的方式对运算结果进行反馈，此为信息输出的过程。中国电子技术标准化研究院制定的《人工智能标准化白皮书》对人工智能的技术热点、发展趋势进行了梳理和分析，并制定了我国人工智能产业发展的标准化体系，该白皮书提出了一种基于信息流动机制的人工智能体系结构，并将数据和信息的产生、处理以及输出过程形成的链式逻辑结构定义为人工智能信息链。[6]人工智能信息链即数据、信息转化为知识和智慧的路径，其中数据的链式流动需历经信息产生、信息表示、智能推理、智能决策和输出执行五个环节。

二、智慧校园与人工智能

国内高校经历了数字化校园“三通两平台”的建设后，智慧校园的建设需求应时而生，数字化校园的目的是实现传统教育资源的数字化以及教育资源传输的网络化，而智慧校园的侧重点与数字化校园有所不同，其研究的是如何便捷地获取资源和服务，通过物联网、云计算以及大数据等新兴技术手段，建立起全面的校园感知体系、统一的数据衔接平台以及高效的信息化服务机制。在数字化校园的基础上，智慧校园强调更广泛的资源获取渠道、更深层次的知识传播服务。[7]智慧校园植根于数字化校园，但是其着重点不再是传统硬件设施的简单堆叠和升级，而是对高校校园全方位的“智慧感知”，并能实现信息的高效传输、快速运算和多样化反馈。诸如大数据、云计算、物联网、数据治理、一站式服务平台以及智慧教室等关键词共同构成了智慧校园的“技术生态圈”。[8]近年来人工智能技术的渗透深化了智慧校园的内涵、丰富了智慧校园的建设途径。人工智能视域下，智慧校园不仅要超越传统建设模式，更要强调整合数据资源、打通业务系统间的壁垒、推进智慧教学以及普及智能化技术应用，其建设愿景应超越“智慧感知”层次，其平台和应用应具备更友好的人机交互功能、更生动的智能信息服务体验、更精准的知识获取服务和更完善的主动治理模式。[9]

如果说工业自动化面向的是劳动密集型的流水线作业，那么产业智能化面向的则是知识密集型或者智力密集型相关行业，人工智能在教育行业的应用有着“先天优势”。受限于人员编制数量以及财政预算金额，不少高等院校面临教学、管理人手不足的困境，精准教学、精细化管理难以实现，校园安全管理也很难做到防微杜渐，人工智能技术的应用正当其时。在全球疫情形势尚不明朗的时期，如何进行更精准化的学生管理、如何开展基于智能化学习状态识别的“线上+线下”教学、如何普及无接触式和无人化的智能校园服务模式，这些都是智慧校园建设必须要重点考虑的问题，也是人工智能在智慧校园建设中的用武之地。

三、体系架构的关联机制分析

在2018年国家标准化管理委员会公布的《智慧校园总体框架》中，智慧校园建设进行了层次上的区分，从下至上分别是基础设施层、支撑平台层、应用平台层和应用终端四个层面。[10]这四个层面逐层递进，既是高校智慧校园建设和管理的框架，也是数据流和信息流的循环、迭代的链式路径。从信息的流动机制来看，智慧校园体系结构可与人工智能信息链进行层次上的逐一对应，从而可以将人工智能体系结构和智慧校园进行链式有机融合。作为人工智能相关技术应用于智慧校园的关联纽带，信息链应贯穿智慧校园体系结构的各个层次，具体实现方式如图1所示。

在智慧校园总体架构下，信息从产生、存储、处理、应用到呈现需历经基础设施到应用终端等层次，人工智能应用的融入需要各个层面的支持。基础设施层可提供支持生物特征识别、人机交互等技术的各种图像、信息感知终端;支撑平台层提供的是计算能力和数据处理能力，可以通过预处理的方式对原始数据进行初始化和归一化，预处理后的数据也是人工智能特征信息基础数据库以及训练样本数据库的来源。人工智能信息链的终点是智能执行与输出，该层面对应的是智慧校园体系结构中的应用平台层以及应用终端。此外，人工智能技术的应用应在人工智能安全和伦理的规范下进行，这一点也是智慧校园体系架构中的信息安全体系需要优先考虑的。

经过若干期的校园信息化建设，越来越多的高校在智慧校园的建设方面取得了一定的成果，如在基础设施层建设有支持高速率传输、多业务承载、多样化接入以及多运营商出口等特点的信息化基础设施，并建设有高性能、高可靠的标准数据中心机房;在支撑平台层建设有覆盖了教学、学工、人事、财务以及卡务等的一系列数据库，并能够基于大数据相关技术开发多种适用于教学、管理的相关应用。扎实的信息化基础设施是智慧校园中融入人工智能应用的必要条件，但两者的深度融合则要求智慧校园基础设施层具备智能感知的能力、支撑平台层具备自适应能力和自调节能力，还要求智慧校园具备更智能化、个性化的应用平台和应用终端。

1.支持智能感知的基础设施层

基础设施层可提供人工智能应用所需要的智能信息感知设备，如传感器、智能芯片等，这些是智慧校园中人工智能信息链的起点和所需数据的源头。就智慧校园引入智能化应用而言，基础设施层是原始数据的来源，决定了智慧校园环境中智能“数据”质量的好坏。这些数据不仅包括需要识别的对象，还包括深度学习等人工智能关键技术所需要的海量样本库。具备智能感知功能的基础设施层是智慧校园中广泛融入人工智能技术的基础条件，人工智能应用所需要的数据主要有图像、视频、语音以及文本等，另外还有物联网终端和传感器产生的温度、湿度以及位移数据。例如在深度学习的识别环境中，高清晰度的图片和视频流、高码率的语音流以及无传输损耗的传输网络能产生更准确的模式识别结果。随着硬件技术的发展以及硬件成本的持续降低，国内高校智慧校园基础设施层的建设正朝着“数据高质量、传输高速率”等目标迈进，这能有效降低人工智能信息链各层面的数据传输、平台响应的延迟，使人工智能的落地能够水到渠成。

2.支持多种人工智能关键技术的支撑平台层

支撑平台层的主要功能是对数据进行处理、交换并提供数据共享和安全服务，人工智能的校园应用场景可分为教学类应用场景、管理类应用场景以及服务类应用场景，其对应的关键技术主要是计算机视觉、机器学习、生物特征识别、自然语言处理、人机交互以及机器人相关技术，这些技术无不依赖强大的云计算能力以及大数据存储和处理技术，即所谓的“算力”，人工智能对算力的要求是没有上限的，其相关算法的精确度和复杂度越高，训练模型的频次越多，其衍生应用的识别精度和判断能力就越高。传统数字化校园、智慧校园的计算能力往往立足于高校数据中心，参考云计算基础架构，面向系统运行、数据存储和信息安全等业务，针对单个、小范围的人工智能应用尚能满足需求，而对于大型人工智能计算平台的建设需求必然会显得捉襟见肘。因此，高校在推广人工智能应用的过程中，必须要重视计算能力的改善，可通过优化传统计算基础架构、引入边缘计算以及采用异构型人工智能专用服务器等方式提升算力。[11]

3.更智能化的应用平台和应用终端

人工智能产业链逐渐完善，其终端产品千差万别，教育类应用和教育终端产品的种类也在稳步增长。教育机器人产业初露苗头，AI问答的应用方兴未艾，国内不少高校已尝试推出不同类型的人工智能应用终端，智能终端方面的产品有人脸识别终端、健康监测终端以及智能机器人等;在智能应用方面的产品有AI问答、失联预警以及智能预警等。这些应用及终端的出现，使教学手段更为多样化、校园治理更加人性化、校园安全管理更加精细化。目前市面上出现了丰富多样的教育类人工智能产品，其中具备代表性的，已部署应用于高校教学、管理实际工作的产品如表1所示。

四、实例分析与参考框架

以Z大学为例，目前该校已经开始筹备并实施智慧校园建设，并尝试在智慧校园建设中引入人工智能相关的“轻量级”应用，用以丰富教学手段、提高教学效率、提升校园治理水平。该校智慧校园建设的总体目标任务是：建成智能化的平台，该服务平台具备教学辅助、科学研究以及教育管理和服务等一体化功能;建成大数据管理中心，全面实行数据共享、数据库共建机制;在大数据管理中心的基础上构建智能校园安防、智能应急处理以及智能校务治理平台。按照该校智慧校园的建设现状和规划，参考该校以往的教学、管理人工智能相关应用的建设经验，笔者总结出人工智能信息链视域下智慧校园建设的参考框架，如图2所示。

该校在智慧校园规划的实施过程中已经完成若干人工智能应用的建设工作，如人脸识别相关应用、异常轨迹分析系统以及智慧运维平台等。目前正在探索的应用领域有应用于智慧教室的步态和表情识别、智能用电管理平台、智能安监以及AI問答等。在已有的信息化基础设施的条件下，不同的人工智能应用需对智慧校园的相应层次进行针对性改造。以人脸识别技术为例，为实现其相关应用，该高校对基础设施层、支撑平台层进行了一定程度的改造，在基础设施层面，扩充了符合人脸识别应用所必需的终端设施，并将接入网升级为全千兆、将主干网升级为全万兆以上，以满足高清视频、图像数据传输的需要;在支撑平台层面，优化数据结构，统一数据接口，并打通了各类系统之间的数据壁垒，以满足智能系统进行信息搜索、匹配和判定的需求。

五、结语

智能化校园应用是以发展成熟的智慧校园为前提的，脱离了高度完善的校园信息化基础，人工智能的应用就是华而不实的空中楼阁。高校在稳步推进智慧校园建设的过程中，应当遵循新技术演进的客观规律，循序渐进地融入人工智能相关技术。高校在智慧校园实施过程中，可参考人工智能信息链的联结机制和纽带作用，扩展智慧校园基础设施建设，优化信息中心的算力结构，在高性能、多样化的校园信息化基础设施上实现信息与数据的综合采集、快速传输和分类处理。在此基础上，高校可进一步对原有的教学、管理、财务等数据库进行梳理和扩充，将物联网、云计算等优势技术与人工智能技术体系进行深度融合，进而可培育出课堂教学辅助、课堂智能评教、学习状态分析、智能安监和智能网监等深度融合人工智能相关技术的平台和应用。

参考文献：

[1]李振，周东岱，刘娜，等.人工智能应用背景下的教育人工智能研究[J].现代教育技术，2018（9）：19-25.

[2]严晓梅，高博俊，万青青，等.智能技术变革教育的发展趋势——第四届中美智慧教育大会综述[J].中国电化教育，2019（7）：31-37.

[3]安东尼·塞尔登，等.第四次教育革命：人工智能如何改变教育[M].北京：机械工业出版社，2019：169-193.

[4]Peter Norvig，Stuart Russell.Artificial Intelligence：A Modern Approach [M].Pearson Education Inc，2009：2-4.

[5]谭铁牛.人工智能的趋势与思考[J].中国报业，2019（7）：52-53.

[6]中国电子技术标准化研究院.人工智能标准化白皮书（2018版）[EB/OL]. http：//www.cesi.cn/201801/3545.html.

[7]宋苏轩，杨现民，宋子强.教育信息化2.0背景下新一代高校智慧校园基础平台建设研究[J].现代教育技术，2019（8）：18-24.

[8]杨萍，姚宇翔，史贝贝，等.智慧校园建设研究综述[J].现代教育技术，2019（1）：18-24.

[9]吴晓如，王政.人工智能教育应用的发展趋势与实践案例[J].现代教育技术，2018（2）：5-11.

[10]全国信息技术标准化技术委员会.智慧校园总体框架：GB/T 36342—2018[S].北京：中国标准出版社，2018：3-5.

[11]IDC公司，浪潮集团.2019—2020中国人工智能计算力发展评估报告[R/OL]. http：//www.199it.com/archives/932823.html.

[12]杨文建，邓李君.人工智能与智慧图书館空间变革[J].图书馆工作与研究，2020（8）：5-12.

[13]赵帅，李岩.探索教育机器人在未来教育中的应用[J].教育与装备研究，2020（4）：31-34.

（编辑：王天鹏）