时间：2023-08-24 09:28:31
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇人工智能对教育的意义范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
[中图分类号] R743.3 [文献标识码] C [文章编号] 1673-7210（2013）08（b）-0144-03
近年来随着人口老龄化，脑卒中的发病率及致残率逐年上升[1]。急性脑梗死患者治疗后50%～70%会遗留不同程度的各种后遗症，其中抑郁和焦虑症状是其中较常见，不仅可影响患者神经、运动功能及日常生活能力恢复，而且加重患者认知功能障碍，影响患者生活质量和预后，因此，对脑卒中伴有抑郁和焦虑患者予以心理干预显得十分重要[2-3]。本研究观察了综合性心理干预对脑卒中伴抑郁和焦虑患者神经和认知功能的影响，现报道如下：
1 资料与方法
1.1 一般资料
选择2011年7月～2012年6月在浙江省台州市第二人民医院、浙江省台州市恩泽医疗中心（集团）内科住院治疗脑卒中伴抑郁和焦虑患者80例。纳入标准：①均符合第4届中华医学会脑血管病会议制定的有关脑血管病诊断指南标准[3]；②符合CCMD-3器质性抑郁和焦虑发作的诊断标准[4]；③并经临床、头颅CT/MRI等检查确诊。排除标准：①伴有意识障碍、失语和失认的患者；②双向情感障碍抑郁相患者；③以往有神经、精神病史患者。采用随机数字表将患者分为观察组和对照组，每组各40例。观察组中男22例，女18例；年龄41～87岁，平均（71.9±7.6）岁；受教育年限0～15年，平均（5.7±1.9）年；病程13～42 d，平均（30.5±7.1）d；脑卒中类型：脑梗死33例，脑出血7例。对照组中男24例，女16例；年龄40～86岁，平均（71.2±7.3）岁；受教育年限0～16年，平均（5.6±1.7）年；病程11～45 d，平均（29.8±7.3）d；脑卒中类型：脑梗死31例，脑出血9例。两组患者的性别构成、年龄分布、病程时间、受教育年限和脑卒中类型等比较均无明显统计学差异（P > 0.05），具有可比性。本研究方案经浙江省台州市第二人民医院、浙江省台州市恩泽医疗中心（集团）伦理委员会批准通过，两组患者入组前均知情同意，并签署知情同意书。
1.2 治疗方法
两组患者常规予以控制颅内压、血压和血糖、营养脑细胞及改善脑循环等治疗，观察组在此基础上予以综合性心理干预治疗，两组疗效均为4周。综合性心理干预的具体内容包括：①心理护理：耐心倾听患者的不适主诉，关心和同情患者取得其信任，掌握患者的心理状态，予以积极有效的心理护理及心理疏导，消除患者的抑郁和焦虑症状，提高患者治疗的信心；②认知干预：向患者及家属介绍脑卒中及伴随抑郁及焦虑的相关知识，采用认知重建的方法，改变患者以往错误的认识，建立主动认知模式，使患者认识到心理因素在脑卒中患者康复治疗中的重要性；③康复干预：根据脑卒中患者病程的不同阶段及患者神经、肢体肌力和认知功能障碍的测定，采用针对性的早期康复训练及认知干预措施，改善患者的功能性表达和交流现状，逐渐恢复患者的神经、肢体运动及日常活动能力。观察并比较两组患者治疗前后心理状态、神经、运动和认知功能的变化。
1.3 观察指标
1.3.1 心理状态的评定[5] 采用汉密尔顿抑郁量表（HAMD）和汉密尔顿焦虑量表（HAMA）分别评定患者的抑郁和焦虑症状。
1.3.2 神经和运动的评定[6] 采用脑卒中神经功能缺损评分表（CNS）和简化Fugl-Meyer运动评分（FMA）分别评定患者神经和运动功能。
1.3.3 认知功能的评定[7] 采用简明精神状态量表（MMSE）评定患者的认知功能，其中显著改善：MMSE评分较前增加≥4分；改善：MMSE评分较前增加1～3分；无效：MMSE评分较前无明显变化或减少。除无效外均认为改善。
1.4 统计学方法
采用统计软件SPSS 17.0对实验数据进行分析，计量资料数据以均数±标准差（x±s）表示，采用t检验。计数资料以率表示，采用χ2检验。以P < 0.05为差异有统计学意义。
2 结果
2.1 两组患者治疗前后心理状态的变化
两组患者治疗前HAMD和HAMA评分比较差异无统计学意义（P > 0.05）。治疗4周后，两组患者HAMD和HAMA评分均有明显下降（对照组治疗前后，t = 2.23、2.31，P < 0.05；观察组治疗前后，t = 3.02、3.26，P < 0.01），且观察组下降值较对照组更明显（t = 2.29、2.33，P < 0.05）。见表1。
2.2 两组患者治疗前后神经和运动功能的变化
两组患者治疗前CNS评分和FMA评分比较无明显统计学差异（P > 0.05）。治疗4周后，两组患者CNS评分均有明显下降，FMA评分均有明显上升（对照组治疗前后，t = 2.21、2.29，P < 0.05；观察组治疗前后，t =3 .41、2.91，P < 0.01），且观察组下降或上升值较对照组更明显（t = 2.39、2.21，P < 0.05）。见表2。
2.3 两组患者治疗后认知功能改善情况比较
治疗4周后，观察组患者认知功能总改善率明显优于对照组（χ2=7.41，P < 0.01）。见表3。
3 讨论
脑卒中是老年患者的常见疾病，不仅可引起患者生理上残疾，而且可使患者心理受到极大创伤，常导致心理失调[8]。脑卒中伴抑郁、焦虑障碍的发病率达15%～35%，严重影响了患者的工作及生活，不利于患者神经、运动及认知功能的恢复，增加了患者的致残率和死亡率，给患者及家属带来精神及经济负担[9]。目前研究已证实脑卒中伴抑郁、焦虑障碍是生理、心理和社会等因素共同作用的结果，其中心理因素在其中起关键作用。因此，对脑卒中伴抑郁、焦虑患者予以心理干预显得尤为重要[10-11]。
近年来国内外对脑卒中伴抑郁、焦虑患者认识功能障碍的心理干预治疗进行了深入广泛的研究，并取得了较好的疗效[12-13]。田永梅等[14]研究发现对脑卒中后焦虑与抑郁障碍患者进行心理护理，可有效缓解患者焦虑、抑郁情绪，改善患者的神经、认知和社会活动功能，提高患者的生活质量和预后。赵惠宁等[15]研究发现脑梗死恢复期患者进行康复治疗能明显改善患者的生活质量，有效抑制患者的焦虑、抑郁等不良情绪。本研究结果发现治疗4周后，观察组HAMD和HAMA评分下降值较对照组更明显；观察组CNS评分下降或FMA评分上升值较对照组更明显；观察组患者认知功能改善总有效率明显优于对照组。表明综合性心理干预能明显改善脑卒中伴抑郁和焦虑患者心理状态，增强患者康复的信心，有利于患者神经和肢体运动功能的尽早恢复，促进患者认知功能障碍的有效恢复，从而提高脑卒中患者的治疗效果，使患者致残率和死亡率明显下降，提高了患者的生活质量与预后。
综上所述，综合性心理干预能明显改善脑卒中伴抑郁和焦虑患者心理状态，增强患者康复的信心，有利于患者神经和肢体运动功能的尽早恢复，促进患者认知功能障碍的有效恢复，从而提高脑卒中患者的治疗效果，使患者致残率和死亡率明显下降，提高了患者的生活质量与预后，具有临床推广价值。
[参考文献]
[1] Joubert J，Reid C，Joubert L，et al. Risk factpr management and depression post-stroke： The value of an integrated model of care[J]. J Clin Nearosci，2006，13（1）：84-90.
[2] Biernaskie J，Chernenko G，Corbett D. Efficacy of rehabilitative experience declines with time after focalis chemic brain injury[J]. J Neurosci，2004，24（5）：1245-1254.
[3] 陈清棠.全国第四届脑血管病学术会议.脑卒中患者临床神经功能缺损程度评分标准（1995）[J].中华神经科杂志，1996，29（6）：381-386.
[4] 张明园.精神科评定量表手册[M].2版.长沙：湖南科学技术出版社，1998：16：273.
[5] 龙璐，向光红，周晓璇.89例脑卒中患者焦虑及抑郁调查研究[J].中国医药导报，2011，8（2）：144-145，147.
[6] 柳兰仙，方志红.康复护理干预对脑卒中后抑郁症患者神经与运动功能的影响[J].中国药物与临床，2012，12（4）：536-538.
[7] 叶红晖，毕建忠.早期综合康复治疗对脑卒中患者认知功能的影响[J].中国卒中，2006，1（8）：553-555.
[8] 梁业飞.脑卒中后焦虑状态与抑郁状态的药物治疗[J].实用心脑肺血管病杂志，2012，20（2）：290-291.
[9] Hsieh Lp，Kao Hi. Depressive symptoms following ischemic stroke： a study of 207 patients[J]. Acta Neurol Twsiwan，2005，14（4）：187-190.
[10] Tam SF，Tsang HW，Chan YC，et al. Preliminary evidence for the basis of self-concept in Chinese with mental illness[J].Qual life Res，2004，13（2）：497-508.
[11] Fruehwald S，Gatterbauer E，Rehak P，et al，Early fluoxetine treatment of post-stroke depression： A three-month double-blind placebo-controlled study with an open-label long-term follow up[J]. J Neurol，2003，250（3）：347-351.
[12] Reed BR，Eberling JL，Mungas D，et al. Effects of white matter lesions and lacunes on cortical function[J]. Arch Neurol，2004，61（10）：1545-1550.
[13] Jaillard A，Grand S，Le Bas JF，et al. Predicting cognitive dysfunctioning in nondemented patients early after stroke[J]. Cerebrovasc Dis，2010，29（5）：415-423.
随着物联网、大数据、5G及人工智能等信息技术的发展，为了应对中国产业变革及新一轮的科技革命，适应“中国制造2025”国家战略需要及产业经济创新发展，同时将国际工程教育思想本土化，“新工科”应运而生[1]。信息技术发展催生出了人工智能相关的专业，国内高校纷纷设立了智能科学与技术专业。近年来，人工智能技术的发展引领着人类社会正逐渐走进智能社会，人工智能将深刻影响人类社会。随着人工智能的进一步发展，高等教育的价值也将进一步提高[2]。因此，各高校应尽快建立与新工科相一致的智能科学与技术专业，并深入研究我国人工智能的人才培养体系、课程设置、实验平台及成果转化等方法，改革传统人工智能的教育教学方法，形成有新工科特色的智能科学与技术专业工程教育方法。由于传统的专业是按学科划分的，因此，目前的智能科学与技术专业课程体系以理论为主，强调学科知识的系统性和完备性[3]。人工智能导论作为智能科学与技术专业的核心课程，同时也是人工智能“入门性”和“引导性”的课程。但是，目前人工智能导论的课程设置上主要存在课程内容陈旧、实践课程不足、教材理论过强、教学模式老旧及实践教学与企业需求不适应等问题。尤其是人工智能导论课程，缺乏实践教学将会降低学生学习人工智能的兴趣和积极性。因此，为了解决这些问题，并使高校跟上人工智能时代的脚步，抓住高等教育发展的新机遇，进行面向新工科的人工智能导论实践教学模式探索具有重要的现实意义。
1人工智能对新工科人才的新要求
1.1具备多学科交叉知识。人工智能导论是一个多个学科交叉而成的一门课程。人工智能导论主要包括知识系统、智能搜索技术、脑科学、机器学习、神经网络、支持向量机、专家系统、智能计算及分布式智能等内容[4]。因此，一个合格人工智能专业人才需要具备多学科知识。1.2具备多领域应用能力。人工智能导论的应用领域广泛，基本包含工业、农业及社会生活的各个行业（如工业生产、通信、医疗、金融、社会治安、交通领域及服务业等）[5]。人工智能导论课程要求学生在学好理论前提下也应该掌握各行业的相关知识，只有这样才能提高人工智能技术在各领域的应用。1.3具备人工智能创新创业精神。目前，创新驱动发展成为了我国现阶段发展的重要力量，人工智能成为经济发展的新引擎[5]。在大众创业、万众创新的号角下，人工智能技术作为创新创业过程中的一个大趋势。因此，当今新形势下培养具有创新创业精神的人工智能专业人才对我国经济发展及大学毕业生创新创业具有重要意义。1.4具备人工智能人文素养。人的内在品质就是人文素养，人文科学的知识水平和研究能力是人文素养的重要组成部分，人文素养是人文科学体现出来的以人为研究对象和中心的精神[6]。人工智能对人类社会带来的是便利还是带来灾难，关键是使用者的思想道德和人文素养。因此，培养具有人文精神的人工智能专业人才具有重要的意义。
2人工智能导论课程教学现状
目前，许多高校已经认识到传统的人工智能导论课程已经不能适应社会和学生发展的需要。尤其是地方普通高校在师资、科研及学科力量薄弱情况下进行人工智能导论的实践教学。目前人工智能导论的课程设置上主要存在的问题如下：⑴本科生课程内容陈旧。近年来，随着云计算、大数据、5G等信息技术的快速发展，也带动人工智能技术发展日新月异。对于高校来说，要紧跟人工智能技术前沿，传授学生的知识也要紧跟人工智能的发展。目前，虽然也出现了不少新的人工智能导论教材，但在课堂上能够教学的新内容仍然不多，教材内容仍然集中在传统的人工智能技术（如问题求解、知识表示、归结原理及经典推理等技术）上。⑵研究生课程内容重叠。研究生的人工智能导论课程应作为本科生课程的一个延续，但部分高校对研究生人工智能导论课程的教学重视不够。很多本科生已经学过的内容在研究生阶段又进行了重复。因此，在新工科背景下培养高层次的人工智能人才，就必须要在研究生阶段加强新工科人才实践能力的培养，选择合理的人工智能导论课程，改革研究生阶段人工智能导论的教学理念和教学模式。⑶实践课程不足。实践教学是提高人工智能新工科人才能力的重要路径。目前，大多数院校的人工智能导论课程理论与实践联系不够紧密，对学生实践能力的培养不够，只知道理论，而不进行实际的实践应用就不能成为合格的人工智能新工科人才。另外，大多数地方高校的人工智能实验室建设投入不足，实验条件差，验证性的实验较多，实验课时不足，学生对人工智能新技术的接触不够。⑷人工智能导论教材理论性过强。目前，现有的人工智能导论教材以理论为主，缺乏人工智能实践内容。在课程教学过程中学生经常会感觉索然无味，当实践课程开设不足时，这种情况会非常明显。学生会渐渐的对人工智能导论课程失去兴趣和热情，最终会导致课程的教学质量和效果下降，不能达到新工科人工智能专业人才培养的预期。⑸教学模式老旧。人工智能导论是多学科交叉的课程，课程内容理论性强、抽象、多知识点是新工科的特点。然而，大多数地方高校仍然采用过去的课堂教学模式（即“教师讲、学生听”的教学模式），这种单向灌输的教学方式以教师为主，学生的主动性不够，只是在被动接收知识。学校这种重视理论不重视实践的教学模式，在一定程度上影响了新工科人才的实践能力，从而导致教学内容与企业社会需求脱节。
3人工智能导论实践教学初探
3.1人工智能导论课程实践平台建设。为了提高学生对实践教学的兴趣，南阳师范学院计算机科学与技术学院在人工智能导论授课过程中广泛应用多种计算机实验教学平台，如采用开源的PaddlePaddle百度飞桨深度学习平台，希冀一体化人工智能实践教学平台及大数据综合实验平台。教师可以在实践教学过程中方便的使用这些平台进行授课，学生也可以在课堂中跟随老师完成相关实验，并能够在课下进行相关实验练习及提交作业。3.2人工智能导论课程实验内容优化。在人工智能导论实践教学过程中，以学生兴趣为导向，开展相关应用课程实验，南阳师范学院计算机科学与技术学院对人工智能导论实验课程内容进行优化。优化后的主要实验课程包括搜索优化算法实现、智能计算实现、贝叶斯分类实验、最近邻算法实验、机器学习实验及神经网络实验。最后，通过期末课程设计进一步提高学生解决实际问题及创新创业的能力。3.3人工智能导论实践教学模式改革。⑴校企合作为使人工智能导论实践教学不与企业脱节，校企合作是关键。应积极派遣教师进企业进修，了解企业需求，并提高教师的工程能力。从2018年以来，南阳师范学院计算机科学与技术学院每年暑假期间累积派遣教师58人/次前往百度、中兴、科大讯飞、神舟数码及江苏传智播客公司等进修培训。同时已经在固定时间邀请相关企业讲师到学校进行人工智能方面的项目教学。建立起了具有地方区域特色的师资队伍及校企协调的实践教学模式，从而避免人工智能导论课程实践与企业实际脱节。⑵“双导师”负责制人工智能导论实践课程实行“双导师”制，邀请企业中实践经验丰富的人才任教或任职，校企合作建立实践教师指导团队，改革教学策略及教学方法，以项目为牵引，将人工智能导论实践课程作为第二课堂学分。还要积极制定人工智能相关的科技作品竞赛的奖励机制，积极引导学生参加各种人工智能相关的比赛，从而进一步提高学生在创新实践方面的能力。⑶采用案例教学法以案例导入进行教学，提高学生兴趣。首先，从人工智能竞赛的部分赛事中、（如百度的人工智能大赛，“2020年全国人工智能大赛”，“2020中国高校计算机大赛人工智能创意赛”等）中选取贴近实际问题的案例作为人工智能导论实践课程的案例来源。然后，采用目前主流的人工智能开发软件进行算法代码的编写，引导学生采用Python语言调用第三方接口库进行算法的实现。最后，让学生使用主流的编程语言（如C++、Java等）开发完善算法或进行系统设计与实现。
4结束语
在新工科背景下，人工智能导论作为智能科学与技术专业的基础核心课程，人工智能人才培养应注重提高学生解决问题的能力。在这种背景下，笔者结合近年来了解到的企业需求和上课的实际，对人工智能导论实践教学模式进行初探，具体如下：①校企合作，构建人工智能实践平台；②建立案例库，优化实践的内容；③校企“双导师”制，采用案例教学，从而进一步提高学生在创新实践方面的能力。
参考文献:
[1]杨晴,王晓墨,成晓北等.新工科背景下的新能源科学与工程专业——哈佛大学工科教育在学科交叉方面的启示[J].高等工程教育研究,2019.S1:23-24，33
[2]李明媚,成希,罗娟.人工智能时代的高等教育之变与不变[J].黑龙江高教研究,2020.2:41-44
[3]陈义明,刘桂波,张林峰等.智能科学与技术专业课程体系建设的理论思考[J].计算机教育,2020.309(9):103-107
[4]刘永,胡钦晓.论人工智能教育的未来发展:基于学科建设的视角[J].中国电化教育,2020.2:37-42
一、引言
人工智能的不断发展与拓展促进了我国各个领域的发展，同时对各个行业产生巨大冲击，很多需要人工机械作业的领域将会使用机器人，造成大量人员的失业。面对如此现状，今后我们高中生如何做好职业生涯规划成为当务之急，只有深刻把握社会发展趋势，加强学习方向与时代潮流的匹配性，才能迎接挑战、抓住机遇、趋利避害，做好职业选择和规划，更好地适应今后的社会发展。
二、人工智能的发展现状和趋势
（一）人工智能的发展现状
“人工智能”一词最初是在1956年Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。目前，人工智能技术在美国、欧洲和日本呈现飞速发展趋势。随着人工智能技术的快速发展，人工智能已经在各个行业得到广泛应用，其中比较典型应用主要包括符号计算、模式识别、机器翻译、机器学习、问题求解、逻辑推理和定理证明、自然语言处理、智能信息检索技术以及专家系统等，这些在计算机领域、化学领域、医学领域以及矿物勘测领域等得到广泛应用，并取得较好效果。
（二）人工智能的发展趋势
技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会综合模糊处理、并行化、神经网络和机器情感等进行全方位发展。随着全球化趋势的不断增强，今后人工智能会向着全球国际标准的方向发展。人工智能技术不断地在就业领域应用及发展，因此高中阶段就对自己的职业生涯有着规划是未来发展的必然趋势，并且美国、加拿大等先进国家早早的就把高中生职业规划教育课程安排在了高中阶段，相比之下安排职业规划教育课程的高中毕业生，甚至大学毕业生对自己的规划都有着明确的方向，我国目前某些地区高中阶段已经安排了职业规划类型的课程，相信不久高中生职业规划的课程也会出现在更多地区的校园。
（三）人工智能发展对就业的影响
随着机器眼下正在取代的首当其冲的是那些简单机械操作的劳动者，比如说我国工厂里的初级工人正在面临自动化的威胁。还有美国福特公司，不仅大量裁减蓝领工人，而且还要把工厂搬到别的州或国家去，那里税收更低、政策环境更宽松、工会更友善的，在这些地方使用机器人不仅可以提高作业效率和质量，而且能够极大的降低各种成本，能够为企业创造更多的效益。
随着人工智能的快速发展，人工智能对各个领域的就业产生了重大影响，我国也在往这个方向发展，对于IT行业，今后会大量使用机器人进行工作，制造业也在逐渐增加使用机器人。技术的进步，使得个人的生产效率得到了巨大的提升。虽然就短期而言，机器是不会一下子取代大多数人，但我们必须未雨绸缪、防患于未然。有一些机械的、长时间集中精神的、固定套路的工作，比如流水线工、司机、配药师等，机器比人还擅长，这些领域将会淘汰大量的工人，导致很多人员失业。而很多工作需要人搭配机器做才最高效，这些工作是主流的新工作，但是需要注意的是，在人和机器协作的过程中，机器一定会不断智能优化的，在单一专业的工作内容中，机器逐渐又会替代人，因此也会造成人员失业。对于人际沟通事务，由于需要人与人之间的交流，还是人比较擅长。审美是模糊的、社会性的，这个还是人比较擅长。
对于我们高中生而言，勤动脑，勤动手，不断创新，是未来立足之本。因此不仅要埋头学习知识，还要培养创新能力和实践能力，以应对迎接人工智能的挑战。
（四）高中生应该怎样规划职业生涯
面对人工智能的快速发展，今后我们高中生应当趋利避害，努力做好职业生涯规划，实现自我价值的增值，具体来说应当从以下几个方面入手：
1.增强职业规划的意识
高中生要根据自身的主观因素以及外界的环境因素，分析、归纳、选择自己的职业发展方向，并且制定相应的学习、培养计划，采取必要行动去实现目标。这种确定人生方向的规划问题应该在高中阶段每一个学生都应该对自己有着清醒的认识，并且得到自身的重视，对选考科目的选择及大学志愿的填报就不会盲目、无头绪，在高中阶段有了明确的目标会使自己的学习方向更加准确，学习积极性更加强劲，同时在就业选择上也可以尽量地少走弯路。
2.选择高水平的职业指导教师
高中生实现从学校到社会或者更高层学校的过程中职业规划具有重要的导向作用，因此在高中阶段一个好的职业规划指导教师对学生的影响有着重要的意义。首先我们选择的职业规划指导教师必须具备一定的任职条件，目前国家也一再的强调任职职业资格的严格性；其次就是指导教师要善于启发式指导学生，增强学生的独立思考能力，在教师的帮助下充分认识自己的天赋、特长、兴趣、能力、心理等方，发现和挖掘自己多方面的潜能，学会正确利用各方面条件充分发展。同时，要注意避免指导教师的思想左右了我们的思想，只有准确的认识自己，才能促使我们带着自己的职业规划继续努力进步。
3.自己的高中生涯规划
高中的三年，对一个高中生的人生有着重要的意义，因此高中阶段可以进行分阶段的自我管理培养。高一阶段：刚进入学校，通过学习了解学科特点，利用学校、教师、网络、社会了解就业动向，自我优势结合人才需求，明确选考科目，初步制定职业发展意向。高二阶段：正确处理选考科目学习与学考科目学习的关系，既突出专业知识又兼顾知识广度。高三阶段：更要处理好语文数学英语必考科目学习与选修科目深化拓展的关系，既要提高高考成绩又要深化拓展专业素养；既要强化高考复习又要重视面试培训，为参加高校自主招生考试或“三位一体”考试做好充分准备。因为近年来重点大学通过高考统一招生录取的名额正在减少，而自主招生或“三位一体”的名额大量增加，有志于就读名牌大学的学生要注意这方面的情况。同时高中生要根据自己的理想多去了解高校情况，多去了专业设置的情况，为报考适合自己的学校及专业做好信息准备。
4.积极参加选修课程，为今后的职业生涯做好基础
按照教育部有关规定，高中学校要开设选修课程。我们可以根据自己的兴趣爱好，选取自己喜欢的课程进行学习，这不仅可以及早的发现我们的喜好和特长，为我们的职业生涯做规划有着重要的参考意义，同时对我们的基础知识的培养也很重要，拓宽了我们的见识宽度，为今后的职业生涯奠定坚实的基础。
参考文献：
[1]刘界，黄冠，王冰洁.关于人工智能教育如何弥补当前教育缺陷的思考[J].内蒙古民族大学学报，2006，12（3）：50-51.
[2]焦加麟，徐良贤，戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真，2003.20（8）.
关键词：信息化 人工智能 网络 计算机技术
1、计算机等级考试智能系统的优化
计算机等级考试的教育模式强调学生不但要有理论能力，还要有操作能力。以往的辅导教学主要靠书本，和老师讲题来实现，缺乏系统的能力评估和改进体系，不能对个人的学习状况有适时的分析及评价，所以我们需要及时调整培训方案。为顺利实施人工智能的计算机等级考试辅助系统的教育模式，需建立一种学生能够自己学习，自主练习，自主评分的专家系统，将不同的能力评价要求纳入其中，并提供一种方法对学生的做题情况进行解析，给出采分点，并在数据库中给出答案库，使学生知道自已错在哪里，并对学习情况有及时的分析与指导。
在大学的计算机等级考试辅助教学中应用人工智能技术及网络信息技术，开发辅助教学专家系统，对教学改革中面临的师资不足、教学模式单一等问题，实现教学资源共享，有效提高教学质量、减轻教师负担，加强学生自主学习能力，提高学习效率，从而提高计算机等级考试的应试能力。
2、计算机辅助教学的现状
就目前计算机辅助教学的发展来看，主要分为两类，一类偏重于学生学习，主要由各类CAI课件、专业辅助教学软件组成；另一类偏重于对学生学习情况进行评估，主要由各类考试系统组成。本系统结合这两个方面，将教学评估和自主学习相结合，加强教师和学生之间的联系和互动，更好的实现辅助教学的目的。
现在国内外有很多智能化的基于网络的教学辅助系统，但是智能化程度都不高，相对于掌握每个学生的学习情况来说，教师的一个很大任务是要了解一个群体学生的知识掌握情况而不单单是一个学生。本系统运用规则式专家系统，能对老师指定的某个群体，比如几个班、一个学院等的所有学生进行测试，从而使本系统能更好的为教学服务。
综上所述，通过对当前研究现状的分析来看，应用人工智能技术、计算机等级考试辅导的智能化教学专家系统研究还不多见。
3、智能辅助教学的系统架构
本系统以适应大学计算机国家等级二级考试的辅导教学，加强学生自主学习能力为特色，运用专家系统及网络开发技术，研究构建基于人工智能技术的计算机等级考试的辅助教学专家系统，为学生的自主学习和探索学习提供了有效平台，成为计算机等级考试教学中的强大助手。
（1）自主学习模块。自主学习模块主要实现四大功能：在线练习、诊断练习、知识点强化练习、提高练习。学生自主学习系统的主要用户对象是学生，学生登录系统后，选择练习模式进行练习或测试。在测试过程中可以进行自我诊断，通过学习模块中的适当的视频演示，使学生在没有老师的指导上，仍能正确练习，学会操作，并且能看到自己的得分情况。根据单次练习提供个性化的界面，根据历史练习结果提供学习方案，发挥学生的主观能动性，最大程度激发学生记忆潜能，提高学习效率，提高通过率。同时，学习模块会将诊断结果传送到专家系统模块，进行智能分析。（2）专家系统模块。专家系统模块主要实现三大功能：智能分析、试题库维护、知识库维护。系统将学生练习或结果传送给专家系统模块，由专家系统模块进行智能分析。可以概括为两方面，一是知识点定量分析，二是学生定量分析。知识点定量分析是指教师在上传答案后，针对某个知识点来诊断某些学生的知识点掌握情况。学生定量分析时，对学生的选取和考题的选取同时决定了分析结果。智能分析结果后专家系统一方面可以反馈给辅导教师，辅导教师在实际的教学当中对掌握不好的知识点进行加强指导与练习；同时智能分析结果将加入知识库，并反作用于试题库的维护，使知识点强化练习、提高联系等功能的选题更有针对性，从而更有效的提高学生的知识水平和操作能力。
4、智能辅助教学系统的重大作用
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）29-0151-02
在当前的社会当中，人工智能是一项应用前景十分广阔的技术，在社会各个领域中，都得到了极为广泛的应用。在人们的日常娱乐、工作、生活当中，人工智能发挥了很大的作用，例如专家系统、智能电器等。智能化科技的出现和应用，使得人们的生活得到了极大的丰富。同时，人工智能的出现，还为我国科技领域的发展进步提供了良好的方向，尤其是在计算机网络技术领域，更是得到了极大的发展和应用。
1 人工智能技术的概念
人工智能指的是对计算机进行应用，以此模仿人类的智能行为和思维过程，从而形成的一门综合性学科。在人工智能当中，涉及了哲学、语言学、心理学、计算机科学等。通过人工智能，对人类的听觉、感觉、视觉、触觉、思维等进行模拟，从而实现人工智能化的机器，帮助人们解决生活和工作中的问题，从而确保人们的安全、提高人们的效率。作为一种新型的智能技术，人工智能目前的发展速度很快[1]。利用计算机系统进行相应的编程，模拟人们的工作和生活环境，从而完成智能化、自动化的系统操作。在产生和应用人工智能的过程中，涉及很多其他的学科，其中，计算机网络技术十分重要，对人工智能的发展方向有着很大的影响。
从某一种意义上来说，计算机网络技术的发展，也是以人工智能技术为基础的。从简单的词义解释、数据运算，转变为智能化人机操作，体现出了人工智能的核心地位。在对不确定信息进行处理的过程中，人工智能具有很大的优势，它能够对系统局部的整体和局部资源状态进行详细的理解，并且对提取的信息进行及时处理，将相关信息提供给用户。此外，在人工智能当中，协作能力也比较强，通过有效的整合资源，在不同用户之间，能够交换信息和资源。在人工智能中，连接了网络管理，从而使网络管理环境得到优化，从而实现降低成本、提升效率等作用。
2 人工智能技术的优势
在计算机网络的应用中，具有实时性、瞬变性、高速性、动态性等特点，因此，应当不断提高管理技术的灵活性和多样性，从而更好地确保计算机网络的稳定性、安全性和高效性。而人工智能技术具有很多方面的优势，因而能够在计算机网络中发挥重要的作用。特别是在对不可知性、不确定性等问题中，人工智能具有较强的处理能力。
人工智能技术，例如模糊逻辑等，对于系统数学模型，无需进行详细的描述，因此，可以将模糊逻辑引入到智能化网络管理中，从而使网络管理具备模糊信息处理能力[2]。这样，能够更加良好的控制和管理这些不可知性、不确定性信息，提高网络系统的效率。协作能力也是人工智能技术中的一个重要优势，随着网络结构、网络规模的不断扩大，在网络管理中，逐渐发生了层次化的转变。上层管理者功过轮询的方式监测中层管理者，而中层管理者也通过同样的形式监测下层人员，因而带来了协作的问题。人工智能中，多的协作分布思维，能够更好的协作各个层次之间的管理。
人工智能的推理、解释、学习能力很强，能够对低层信息进行解释和学习，从而对高层概念和信息进行推理。对于推理的得出的高层概念和信息，进行网络控制和网络管理。对于非线性问题，人工智能能够进行良好的处理，通过对人类智能的模拟，从而解决这些问题。此外，在人工智能技术的应用中，不会占用很大的计算机资源。在人工智能当中，模糊控制法等算法的运算速度十分迅速，能够一次性搜索得到最优解，从而提高了计算机网络技术的处理技术。
3 人工智能技术的应用
1）网络安全管理
在计算机网络技术当中，人工智能具有很多方面的应用，尤其是在网络安全管理当中，应用更为广泛。对于计算机网络技术的安全管理来说，入侵检测具有重要的意义，对于网络安全来说有着十分重要的影响。在防火墙技术当中，入侵检测也是作为核心的部分[3]。通过人工智能技术的应用，计算机网络系统能够更好地发挥出入侵检测功能的作用，从而提高系统资源的保密性、可用性、安全性、完整性。在入侵检测技术的应用当中，主要是通过分类处理数据和筛选采集数据，形成最终的报告，并且将网络信息的安全状态向用户进行实时反馈。在当前的人工神经网络、模糊识别系统、专家系统当中，基于人工智能的入侵检测应用最为广泛。
基于人工智能对传统的防火墙进行改造，形成了智能化防火墙系统。相比于其他的防御系统，智能防火墙应用了很多智能识别技术，例如统计、决策、概率、记忆等方法来处理和识别数据，从而在计算机的运行当中，匹配检查所占用的资源更小，避免对网络有害行为的发现效率降低。这样，能够对有害信息进行更加有效的限制和拦截[4]。相比于传统的防御软件，智能防火墙的效率和作用都要更为良好，能够解决传统防御软件带来的拒绝服务共计的问题，对于病毒的入侵和传播，发挥了良好的抑制作用。
此外，智能型反垃圾邮件系统也是人工智能在计算机网络技术中的另一大应用。通过这种方式，能够有效的屏蔽垃圾邮件，不会对客户信息安全造成影响。通过有效的监测用户邮件，开启式的扫描邮箱当中的垃圾邮件。同时，将垃圾邮件分类信息提供给用户，提醒用户及早进行处理，从而更好地确保邮箱系统的整体安全性。
2）网络管理和系统评价
电信技术、人工智能等方面的发展，推动了网络管理的智能化转变，除了在计算机网络安全管理中的应用之外，人工智能当中的问题求解技术、专家知识库等也得到了充分的应用，从而实现了良好的综合性网络管理。在网络管理当中，由于网络的瞬变性、动态性等特点，产生了很大的工作难题。因此，在现代化的网络管理当中，也逐渐朝着智能化的方形发展。基于人工智能，产生了专家级决策和支持方法，在信息系统管理当中，应用十分广泛[5]。在计算机程序当中，专家系统具有较高的智能性，在某一个领域当中，积累了大量专家的经验和知识，基于此进行归纳和总结，从而形成了资源录入相关系统。通过这种方式，在某个领域当中，汇集了大量专家的经验，从而对该领域当中的相关问题进行处理。因此，在计算机网络管理和系统评价当中，运用人工智能，综合大量专家的知识和经验，建立相应的专家系统，从而在遇到相关问题的时候，能够调用其中的知识，更好地进行网络管理和系统评价工作。
4 结论
人工智能是当前一项十分先进的科学技术，这一技术的产生和应用，极大地改变了人们的娱乐、工作和生活方式。而随着人工智能的不断发展和完善，其在计算机网络技术中的应用需求越来越多，因而实际应用也将越来越广泛。运用人工智能，能够在网络安全、网络管理、系统评价等方面发挥重要作用，从而推动计算机网络技术的更大进步。
参考文献：
[1] 马义华. 人工智能在计算机网络技术中的运用分析――评《计算机网络技术及应用研究》[J]. 当代教育科学，2015（20）：9.
[2] 刘健. 人工智能在网络教育中的应用探讨[J]. 计算机光盘软件与应用，2014（6）：244-246.
无所不能的机器人？
在新领军者村中有一排无所不能的机器人，在题为行动中的机器人展示区，记者看到了能够适应各种人类生活场景的机器人，包括协助老年人以及残障人士的机器人队友Ballbots、能够进行语言分析，满足人类情感交流需求的机器人伴侣以及各种生产机器人。
在论坛上，各国专家学者描绘了一幅更大的机器人应用场景。除了生活起居，从法庭判决、医疗诊断到上战场打仗，机器人都可以代替人类。“机器人比人更像人类。”一位设计者说道。
但是，这是否意味着机器人在未来将全方面替代人类呢?在论坛现场，《科学美国人》杂志主编MarietteDiChristina做了一个有趣的实验，让现场的观众举手表决，在哪些场景愿意使用机器人，哪些场景愿意使用人类。最后结果显示在需要精确性的领域如医疗手术上，大部分的人愿意使用机器人，而在法律领域，人们则更倾向使用一位人类法官。对于上战场打仗，几乎全场观众都认为应该使用机器人替代人类。
归结原因是因为一般人认为机器人更为精确，而人类相对来说比较感性。这也印证在机器人的发展上，目前工业、制造业等领域已经广泛应用机器人代替人类在完成流水线组装工作。而在家居照料方面虽然有很多研究但一直未得到普及。
卡内基梅隆大学计算机科学学院教授TomMitchell认为，人类能否大面积运用机器人主要需克服的是信任问题，即能否信任机器人帮助人类进行诊断、完成照料。
这种信任将很快建立起来，根据MarketsandMarkets公司的报告，预计全球服务型机器人市场规模在2017年将达到461.8亿美元，行业空间巨大。在未来的4年里，医疗机器会以每年19%的速度增长，2016年全球市场规模估计会增长到119亿美元。
除了服务性行业，随着无人驾驶技术的日渐成熟，交通运输业也很有可能会被人工智能所取代。
解放生产力激发创新潜能
而人工智能日渐成熟的同时，也催生了一系列问题。未来人工智能是否会完全替代人类，而如果完全替代人类，那么如何解决失业率等社会问题?
届时，人类或许会在更擅长的领域得到发展。哥伦比亚大学研究员AndrewMcLaughlin表示现在还有许多尚未探索和有待开发的领域，这些领域需要人类的创造力，机器人取代人类进行日常生产，大部分人就可以把更多的精力投放到创新性的领域研究上。“我对于人工智能取代人类，没有这么悲观。”他笑着说道。
同时，这也能激发更深入的学习研究。TomMitchell说道：“我们一生当中可能做很多工作，教育流程也将要跟随改变，不是用四年去学一个课程而可能是花费40年或者更长时间去学习。”
传统绘画艺术从地域上来说可以简单的分为中国传统绘画艺术以及西方传统绘画艺术。中国传统绘画多讲究神韵，跃然纸上的色彩和线条都颇具象征性，画家所呈现出的往往是一种意境。传统的西方绘画在文艺复兴时期达到了鼎盛的状态，从画面结构来说比中国传统绘画更注重科学与现实的结合。透视，几何，材料等概念的灵活运用使画作在画家笔下达到了一种均衡的美。无论是中西哪种绘画都需要借用笔，刀等工具，通过墨，颜料等绘画材料，在纸，木板，织物等平面工具上，通过构图、造型和颜色等表现手法，创造出可视的形象。
人工智能（Artificial Intelligence AI）是一门技术科学，主要研究用机器模仿人类的思维、感知等智能活动，用理论、方法、技术及应用系统使机器能够代替人类做复杂的智力劳动。
传统绘画与人工智能作为人类智慧活动的两个方向有着各自不同的特性，但随着科学技术的大力发展，艺术家与科学家在各自不同的领域越来越意识到两者的共同性。人工智能技术在传统绘画上的应用，把科学技术与传统绘画有机地结合在了一起，为创造和传播传统绘画艺术提供了先进的方式，大数据的支持，为传统绘画领域带来了新变革。
一、人工智能下传统绘画艺术的发展与创作
早期用来表现传统绘画的新媒体方式多采用了数字化复刻绘画，或者通过动漫、电影、摄影等方式来表F。融入人工智能技术后，传统绘画艺术就范围来说仍然属于新媒体艺术的一个组成部分，但却呈现出了多样的变化。
自1973年始，Harold Cohen（画家，San Diego加州大学教授）所编译的电脑程序“AARON”就开始了自动绘画的过程。
2013年，电脑程序“The Painting Fool”，在巴黎举办了展览会，新闻媒体竞相报道，其中部分作品花了多年时间创作。从形式上来说这就是一场传统意义上的艺术作品展。
年初Google旗下的深度学习神经网络研究小组通过算法教会计算机自主创作绘画的能力。Google称其为Deep Dream。本次绘画作品展引来了大批对科技与现代艺术感兴趣的观众。最终，由人工智能创作的绘画被一位专业的拍卖商拍下，最高单幅的价格甚至达到了八千美元。在Deep Dream的创作中主体内容包括了各种天马行空的海景，漩涡；风格奇幻的城堡以及各种拥有三头六臂的动物。从风格上看接近法国的后期印象派，有轮廓但不具体，有缤纷的色彩，但却不是客观物体原来的色彩，然而整幅画面的跃动感却似乎能表达出作者的主观情感。
此外，受众们可以利用公开的代码，编译出属于自己的Deep Dream图像，艺术家的灵感有时来源于对某一物体的想象。Deep Dream正是从这个方面折射出了人类的创造力和想象力。
人工智能创作传统绘画不得不提到两个概念，即深度学习和神经网络。2006年，杰弗里・希尔顿等人提出了深度学习的概念。深度学习是人工智能学科下的一个分支，通过编译教导计算机进行无监督学习，以此来解决深层优化的问题。深度学习概念是目前人工智能像人脑一样处理数据的关键算法。
人工神经网络，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。（百度百科）
Deep Dream中的画作即是由人工神经网络创作，也就是用软件模拟大脑神经元处理信息的方式。软件先要接受大数据训练，通过分析数百万个大数据后才能识别图像中的物体。在Deep Dream创作绘画的过程中，程序先向神经网络输入一张图片，然后由神经网络进行自我调整，软件之前已经有了数据库，神经网络要从中寻找出与数据库中物体相似的地方再进行编译，于是一幅人工智能画作就完成了。
二、人工智能下的传统绘画艺术传播的文化价值
人工智能创作的绘画在传播时呈现了两级分化的局面，一方面有人高价收购人工智能绘画，而另一方面，有人却对这样的迷幻风格难以接受。暂不论人工智能绘画的画作质量，在文化价值上，人工智能绘画是否能算是创作并且富有感染力吗？
绘画创作就其动机来说存在多种类别，有的是有感于情境而创作，作者将情感上的汇集融入绘画作品；有的是为特定目的而创作，比如早期石刻的农耕渔织狩猎图等；还有的画作则是为了宣扬宗教观念，教育宗教信徒而创作。由此可见，在这些创作动机中，既存在单纯表达情感思想的艺术，也有为传播特定信息的艺术，还有为将宗教观念具象化，通过绘画创作更直观的进行表达的艺术。在评论艺术的本质时，有感于情境而作的绘画创作更接近绘画艺术的本质，在这种绘画艺术作品中可能包含了普遍的对人类情感及相关价值观的探索。或许，人工智能下的绘画艺术应该独立成为一个门类，毕竟相较于人工智能的逻辑化、程序化。绘画艺术应是属于人类展现天赋，表达情感的领域。
传统绘画艺术诞生至今，文化价值的体现皆是因为画作中的主体性、不确定性、奇思妙想，抽象感知展现了人类灵魂深处的情感。
三、人工智能下传统绘画艺术的传播
绘画作品具有其独特的传播的功能，首先绘画是一种是具备信息承载能力和传播能力的传播介质。其次，绘画作品中的内在感染力以及受众欣赏过程中能动的二次创作也为传统绘画作品的传播提供了动因。此外，经济基础决定上层建筑，随着人们物质水平的逐年提高，越来越多的人们走进博物馆，美术馆，艺术长廊等多种艺术场所，借由这些渠道了解艺术，欣赏艺术，以此来满足精神需求的增长，由此可见，当下艺术产业领域正受到各方的重视。然而现代社会，艺术生产与艺术消费市场分离的局面，也使传统绘画作品的传播成为必然趋势。
对艺术信息产生情感反馈是人类独有的思维和能力，通过人工智能的神经网络以及大数据分析不仅能创作绘画，还能对传统的绘画艺术作品进行分析判断，继而整理出一套基于大数据分析的传播方案。这样的方案是否可行呢，在当今这个信息爆炸以及媒介去中心化的时代下，越来越多的受众通过各种方式接触到传统绘画艺术，因此当受众面临绘画艺术鉴赏时，便产生了选择障碍。
传统的绘画艺术传播是指在艺术创作和鉴赏阶段所形成的人内信息交流。它的传播模式分为人际传播，把关人推荐和群体传播等。这些传统的传播方式经过多年来的验证确实具有一定的实际意义的，但在针对个体差异上的分类推荐却不是很明显，面对庞大的信息量以及高度差异化的传播需求，如今传统的艺术传播方式，其可行性正在逐渐下降。而人工智能应用于艺术传播，通过云计算可以精确而高效地分析和处理艺术信息。并且通过庞大的大数据资源加强索引优势，速度与精度的大幅度提升正是传统的艺术传播过程中所缺失的。
τ诨婊艺术来说，千人千面，每个人都有自己独到的理解，同一件作品可能有的人喜爱，而有的人无感，在海量绘画作品中筛选出针对目标受众的艺术作品，尤其是不具备绘画专业知识的受众在面对诸多绘画作品时，往往会没有头绪，不知如何进行选择和鉴赏。
四、结语
在人工智能传播传统绘画作品时，受众并不纯粹只是受者，而是具备了双重身份，由被动的欣赏者转变为了主动的创作者。借助神经网络，每个人都具备通过绘画表达内心情感的能力。虽然当前的人工智能下传统绘画艺术的发展还存在这一定的不确定性，但是相信随着人工智能技术的高速发展，今后人工智能创作的绘画一定会在现今的绘画领域独树一帜。此外人工智能的神经网络尚不能对所有绘作品充分理解，但是在速度和精度方面却得到了很大的提升，如果再结合当下其他一些完善的学科，比如结合个体信息，设计心理学，消费学，历史学，哲学等多方位的研究。人工智能系统就能根据受众的个人信息等预测处其的欣赏层次以及需求推荐给受众相应的作品。
人工智能使传统的绘画艺术具备了无限延伸的维度空间和各种难以预料的不确定性，颠覆了传统的绘画传播体系，实现了传统绘画艺术最本质的创作与传播。
【参考文献】
[1]陈端端.艺术传播的人工智能应用需求研究[D].东南大学，2014.
[2]刘峰.传统绘画艺术的新媒体传播研究[D].山东大学，2012.
[3]李连德.一本书读懂人工智能（图解版）[M].北京：人民邮电出版社，2016.
[4]李同娟.人工智能能否创造艺术[D].中国传媒大学，2015.
核心问题
人工智能和互联网能否带来新的经济增长？
产业互联网将如何影响产业竞争的格局，其对整个经济的增长有什么样的影响？
平台型组织的演变会对社会产生多大的影响？
01
引 言
在过去的十多年时间里，全球经济面临一个比较大的挑战就是如何重塑经济增长。2005—2014年，全球最发达的经济体的增长率长期停滞不前，急需要寻找一个新的经济增长驱动力量。
互联网在中国经历了20年的快速发展之后，已经取得了世人瞩目的成就。特别是随着智能手机的普及，移动互联网在中国已经相当发达。根据中国互联网协会的数据，2016年中国境内活跃的手机上网码号数量达12.47亿。
得益于中国特殊的市场规模和移动互联网的发展，中国的消费互联网市场发展迅速，代表性的电商平台如阿里巴巴、社交及游戏公司腾讯，这两个公司以市值计均进入全球财富五百强的前十位。
当前，人们关注的热点是中国的互联网红利是否已经消失，传统产业的互联网转型是否会带来新的增长机会？
此外，人工智能最近这几年发展迅速。2017年中国的人工智能（AI）投资仅次于美国，成为投资热点，政府也不断推出鼓励和支持政策。
这种变化引发业界和学界的思考，是不是会出现新的驱动经济增长的力量？这个力量如果能够驱动经济增长，其对于整个社会的改变会有哪些影响？
1999年，美国微软的创始人盖茨有一个非常有名的论断：商业新法则就是“互联网会改变一切”。从他提出这个论断到现在已近二十年，可以看到，电影、阅读、新闻等商业模式都发生了巨大的变化。
但另一方面，还有很多东西没有发生变化，如航空发动机的数据获取，1960年和2015年的方式并没有太多的变化。很多产业，如海关报关等，也没有发生实质性的变化。在今天，一个备受关注的问题是，人工智能对于社会将有多大影响？
笔者将从产业竞争和战略的角度来讨论产业互联网和人工智能会如何重塑中国经济的问题。主要讨论三个问题：
第一，人工智能和互联网对经济增长的影响。人工智能和互联网是否有可能提高经济的长期增长水平？
第二，产业互联网将如何影响产业竞争的格局？它对整个经济的增长有什么样的影响？
第三，产业互联网和人工智能如何影响产业结构的变化？特别是产业互联网和人工智能是否会导致产业的平台化？这种平台型的组织又会对社会产生多大的影响？
分析表明：
第一，产业互联网和人工智能会大幅度提升生产力。而且产业互联网和人工智能会提升要素配置的效率，进而提升生产率。因此，可以乐观看待长期经济的增长率。
第二，平台和组件的模式会影响一切组织和经济形态。平台会影响国家的竞争、城市的演变和产业转型。一切组织都会向平台化的方向发展。
02
人工智能和经济增长
经济的长期增长，主要是来自全要素生产率的增长。全要素生产率的增长，除了科技（包括人工智能）的进步，还包括管理效率和要素错配这两个问题带来的影响。
大量的数据都表明，经济的长期增长率一直在下降。无论是20世纪80、90年代还是千禧年后，整个世界的GDP增长一直在下降。
Gordon（2016）提出，美国的长期经济增长将继续下台阶。Gordon研究了美国过去150年的经济发展史，认为美国的发展呈现倒U型的特征。美国经济大约从19世纪70年代开始起飞，到20世纪50年代达到顶点，之后逐步下降。
Gordon的一个略为意外的发现是，从20世纪70年代开始，美国经济的增长表现非常普通，特别是创新的步伐和技术进步带来的增长并没有惠及到更多人。
为什么现在大家如此关心人工智能的发展？很重要的一个原因是希望能够找到提升经济增长新的关键要素，希望找到推动经济持续增长的新动力。这是大时代的背景。
人工智能是否会推动经济增长和提升生产率，对中国同样非常重要。
一是因为目前对中国经济长期增长源泉的解读有很多误区。很多人认为中国经济的增长来自于投资的驱动，认为由于投资占比已经很高，且投资回报率逐步降低，所以中国的经济增长必然下行。
第二个原因是人工智能对组织生产活动的要素配置会有影响。如果人工智能可以提升要素配置效率，那经济增长的潜力也会提高。
Zhu（2012）的研究表明，与很多人想象的不同，中国经济的增长主要来自于效率的提升，而不是来自于投资的增加。虽然投资的增加是经济增长很重要的一部分，但最主要的增长还是来自于经济效率的提升。他的这一发现在学术界受到了越来越多的关注。
这一研究的重要性不仅在于其给出了一个与主流很不一样的观点，更重要的在于这个研究对判断经济增长的潜力有非常大的参考意义。
根据这一研究，1978—2007年，在中国经济增长的贡献中，有70%是来自于全要素生产率的增长。这一结论非常重要，意味着中国长期经济增长仍然有非常大的空间。
这是因为在经历了40年的高速增长后，中国的全要素生产率仍然只有美国的20%多。这表明通过提升全要素生产率来促进中国经济增长的空间非常大。这就是为什么人工智能和新的经济增长动力如此重要的根本原因。
由此，需要一个坚实的支持经济增长的微观理论基础来对当前的经济形势进行解释和指导。人工智能可以看作是广义的机器自动化。在经典的索罗模型中，可以借助一个简单的增长模型来讨论人工智能对经济增长的影响。
参考ZEIRA（1998）的经济增长模型，简单来说，经济增长实际上可以看成一个抽象的生产函数。一个国家的产出是由生产力、资本和劳动共同决定的。
根据这一模型，可以推导出一个重要的结论：经济的增长速度与自动化的比例正相关，即自动化的提升会增加长期的增长。此外，自动化比例的提升意味着资本在总产出中的占比提高。
这个简单的模型有两个非常重要的含义。
第一，人工智能在理论上有可能会带来经济的持续增长。人工智能比例的提升，会带来经济增速的持续提高。这实际上就是从经济学上定义的奇点。经济学家在这方面向自然科学学习了很多。这里的所谓奇点，从经济学角度来说，就是持续的超高增速。
第二，资本和劳动在产出中的占比关乎收入的分配及平等和长期的社会稳定。资本占比提升和劳动的占比越来越低意味着贫富差距会增加。资本家是成为人工智能的投资者和获益者，而普通的工人则可能成为受害者。
对于人工智能对经济增长的影响，在给出确定结论前，可以简要回顾一下历史。关于人工智能的争论其实是一个历久弥新的话题，从信息技术一出现，大家就在讨论这个问题。
20世纪90年代《经济学人》的说法是，计算机不会提升人们的生产力。Zachary（1991）认为数据过载限制了生产率的提高。而信息技术对生产率的提升是显而易见的。
但1996—1999年，美国私人部门的年均增长率达到2.8%，是1980—1995年间的2倍。这段时间可以明显看到信息技术带来的生产力的提升。
人工智能鼻祖和行为经济学鼻祖西蒙也认为计算机和自动化会推动生产力的持续提升，但可能不是加速的提升。加速就是前面提到的奇点，即人工智能应当会持续提升生产率。业界的研究也支持这一判断。
埃森哲的研究表明，美国生产率的增长受益于人工智能，到了2030年可以实现翻倍，意味着全球的经济增长可能会重新进入高速增长的环境，全球经济将进入新的增长周期。
经济增长的源泉无外乎生产率的增长、资本投入的增加或是劳动人口的增长。如何理解抽象的增长模型中人工智能会导致长期的总经济增长？
第一，从资本的角度，对人工智能的投资会产生很多不会折旧的资产，甚至还会增值，这是因为人工智能有学习能力，如阿尔法狗，它一天比一天聪明。这与传统的资本完全不同。
第二，从劳动力的角度，人工智能与劳动力之间的替代关系和互补关系同时存在。在国民经济的很多部门，人工智能会逐渐替代人工，但在其他很多部门，人工智能与劳动力之间是互补的。而且人工智能对劳动力的替代，有可能意味着人们会接受更多的教育，从而带来劳动生产率的提升。
从历史的经验来看，可以参考信息技术对生产率的影响。1996—1999年，是美国信息技术、互联网开始发展的时期。这段时期，美国全要素生产率年均增长2.8%，是1980—1995年的两倍。这一数据表明人工智能这种新的技术会使得生产力有大幅度的提升。
第一次工业革命时期，1850—1910年，蒸汽机驱动的经济增长是0.3%，而第三次工业革命也就是信息技术驱动的经济增长是0.6%。
有估算认为，人工智能驱动的经济增长在0.8%—1.4%。虽然这个数字还难以确认，但有充分的理由相信，人工智能对整个经济效率的提升有非常大的帮助。
除了人工智能直接带来的经济增长，还有两个与人工智能间接相关并会提升经济增长的原因。
第一，来自于管理和组织效率的提升，这个是在微观层面上的。
Bloom（2007）等学者的研究表明，不同国家的企业管理水平差别很大。假设企业管理水平的总分是5分，将各国企业管理水平得分排名，美国、日本、德国名列前茅，中国则仍然处在一个非常低的水平上。这一研究对于理解中国经济增长的长期潜力有非常重要的含义。
中国是在如此低的管理水平的基础上取得近四十年的高速增长的。如果中国能够借鉴国际先进的企业管理经验，提升组织管理效率，就可以大幅提升中国的经济增长水平。
第二，要素错配的问题。
要素错配对经济增长的影响近年来在学术界引起了很大的关注。提升经济增长的另外一种方式是改善要素错配。要素错配会导致经济效率的损失，如果中国能够改善经济要素的配置效率，就可以提升经济效率，进而促进经济增长。
谢长泰[6]等的研究表明，与理想状况相比，中国的全要素生产率提升可以超过100%；即使是与美国的实际水平相比，中国的全要素生产率仍然会有3%—50%的提升，这表明如果中国能够改善要素配置，经济增长的潜力就会持续提升。
总体来讲，跨部门、跨行业的生产率都存在差别。一个国家的企业生产率越集中，表示企业之间的生产效率越是接近的；越分散则表示不同企业的生产效率有差别。而中国企业的生产效率有很大的提升空间。
中国消费互联网的发展已经证明了提升要素配置促进经济增长的作用。阻碍要素配置效率方面有几个重要的调整成本，包括企业所有权和政治的联系、大量的非正式部门等。
但人工智能的发展会导致这些非正式部门的快速消失。这就是为什么产业互联网和人工智能的出现会改善要素配置效率，促进经济增长的原因。
03
产业互联网的影响
在消费互联网中，已经出现的代表性企业有美国的谷歌、苹果、脸书、亚马逊，中国的百度、阿里巴巴、腾讯。
但产业互联网还正在发展中，目前还看不到明确的巨头。美国的通用电气是在产业互联网方面转型最坚定的企业，但目前仍然没有看到非常明显的竞争优势。
什么是产业互联网？笔者的定义是，产业互联网是通过互联网来重构产业的价值链和创造新的价值。而不是简单地在互联网上加一个东西，其范围其实是非常广泛的。
需要正确理解产业互联网与通常所讲的“互联网+”或“+互联网”的区别。
以婚介市场为例，婚介市场是一个具有很大的商业价值和社会价值的大市场。简单的“互联网+”就是把婚介搬到网上去，即国内很多婚恋网站的模式。这种做法只是把线下的婚介搬到线上。其目标是尽可能多地促进互动（interaction）。但美国有一家与众不同的婚恋匹配的网站，叫做eHarmony。
中国的很多婚恋网站注册很容易，但美国这家公司却不同。如果想要成为该网站的会员，需要花四个小时做心理学专家仔细设计的250道问题。这种做法的好处在于可以剔除哪些不是严肃找婚恋对象的用户，有效提升匹配效率。
这里的核心就是进行价值链的重构。整个网站是在信任的基础上，给用户提供严肃、有效的匹配。这种做法完全改变了婚恋网站的商业模式和治理方式，这就是产业互联网与“互联网+”的区别。
产业互联网是一个巨大的市场，发展空间巨大。通用电气的估计是32万亿美元，占到了美国46%的GDP。根据思科的估计，到2020年，美国公司的利润通过产业互联网可以增长21%。
虽然目前中国市场上没有明确的产业互联网巨头，但可以期待产业互联网会为中国带来同样的巨变。
革命性的新产品或新服务一定会出现，类似于苹果创造新的市场，或是特斯拉改变世界汽车产业的方式。特斯拉的意义在于其完全颠覆了一个产业。
电动车并不是新东西，爱迪生是最早看到电动车前途的。但真正驱动汽车产业大发展的是福特的T型车和汽车能源的使用方式。
特斯拉的重要性在于其对汽车产业的两个根本性改变：自动驾驶系统和充电电池系统。这就是为什么特斯拉的市值会超过传统的汽车巨头通用汽车。需要看到的是，特斯拉试图做的是成为汽车产业的微软和英特尔的结合体。
新的应用效率可能会降低成本，提升满意度和安全性。因为在整个生产、服务领域，都会有非常大的改变。
提到工业物联网，如果效率的提升会带来整个产值的增加，那么无论是航空、电力、健康、铁路，还是石油、天然气，产业互联网和人工智能对上述产业的改变都会非常大。
04
平台化组织
今天全球十大公司很多都是平台型公司，包括谷歌、苹果、腾讯、阿里巴巴等。平台经济的商业模式会影响到很多层面，包括国家层面、地方政府、城市，以及各个产业。人工智能的出现，会加剧这个过程的演变。
以PC产业的演变为例，传统计算机产业的典型代表是早期具有垂直整合结构的IBM，即计算机的所有零部件都由自己生产。但今天的计算机产业是一个非常碎片化的产业，由极少数的关键玩家主导，如芯片由因特尔主导，操作系统则由微软主导，其他的部件则由标准化配件提供商生产。
计算机产业从垂直整合结构演变为分散水平结构，意味着这个产业的利润被少数平台型公司获取，其他公司只能赚非常薄的利润。这是非常重要的演变趋势，PC产业的演变，将来有可能会在很多产业中复制。
任何一个行业，如果像PC产业一样演变，那就意味着产业里绝大部分公司只能退化成一个提供标准化组件并获取市场平均利润的普通公司，而主导产业演变的平台型公司则将领导整个产业并获取绝大部分的蛋糕，如智能手机平台苹果、搜索平台谷歌、电商平台阿里巴巴和社交平台腾讯。
平台型组织的演变会对社会产生的影响主要有三个趋势：
第一个趋势是平台化后，产业的合作和融合更加明显。
一些提供单一功能或服务的企业存在通过其独特服务渗透到其他产业进行平台覆盖的可能。产业的分散化意味着核心的主导公司可能会通过技术来颠覆传统产业。
如在汽车产业，传统的主导公司是通用、福特、奔驰等汽车制造商，但在自动驾驶和新能源时代，谷歌和特斯拉可能通过其全新的驾驶技术或充电技术颠覆传统产业。新兴的科技公司也有可能通过智能手术技能来颠覆传统的医疗产业。
第二个趋势是人工智能的基础设施能够促进增长，包括硬件、数据。庞大的数据会使大公司的优势加强。
平台的演变会影响一切经济形态和组织形态，意味着平台的模式将主导一切，平台型的国家会出现。未来，美国和中国将会成为全球经济的超级两强，其他国家则会成为全球政治和经济上的组件和配角。
人工智能会使得中美两国在资本、技术方面的优势进一步强化。而平台型城市会使得人才和资本的规模效应更强，更集中在大城市。深圳就是非常典型的平台城市。
第三个趋势是平台型产业的普遍化。
现在还没有看到人工智能这个产业里出现非常典型的突出玩家，但将来一定会有某个公司提供主导机器的操作系统。这个产业一定会产生一个领导性的企业，类似于微软的超级平台。
可以肯定的是，目前经济体量较大的国家在人工智能方面的投入会非常多，并进一步导致国家间的强弱分化。
05
结 论
本文主要讨论了三个问题：人工智能和互联网能否带来新的经济增长？产业互联网将如何影响产业竞争的格局，它对整个经济的增长有什么样的影响？平台型组织的演变会对社会产生多大的影响？
无论是历史的数据还是理论分析都表明，可以适度乐观看待产业互联网和人工智能对经济的影响。人们有理由相信产业互联网和人工智能会大幅度提升生产力，并推动长期经济增长。
新一轮的科技革命和产业革命正在进行，大数据、云计算、人工智能等新型技术与商业模式正深刻改变人们的思维、生产、学习方式。关于人工智能对于人类社会的冲击，已有不少论著。2016年，《自然》杂志刊发谷歌的“深度心智”（Deepmind），这将会极大的扩大人的能力。2019年初，国务院《中国教育现代化2035》，提出要建设智能化校园，统筹建设一体化智能化教学、管理与服务平台。2019年8月29日，科技部新一代人工智能发展研究中心联合罗兰贝格管理咨询公司《智能教育创新应用发展报告》（以下简称《报告》）。报告显示，人工智能有望引领教育的系统性变革，推动人才培养更加多元化、更加精准化、更加个性化。世界各国纷纷制定规划，出台相应的政策措施，推动智能教育的发展。以美国、新加坡等为代表的各国相继推出面向未来的新教育改革战略，不断制定相关政策法规，设计本国智能教育的发展蓝图。
一、未来智能社会的能力预测
未来社会各种各样的颠覆性变革，全球各种组织都在做预测。世界未来研究所[1]对未来社会需要的10中技能的预测：一是意义构建，二是社交智能，三是新颖和适应性思维，四是跨文化能力，五是计算思维，六是新媒体素养，七是跨学科能力，八是设计思维，九是认知负荷管理，十是虚拟协作。十种技能分别体现在三个层面，即人际交往能力、应用知识能力与工作技能层面。引入这些技能，旨在深入探索未来技能存在的世界，以及目前教授和衡量这些技能的方式，希望这些技能能够更充分地融入高校国际商务的课程。[2]
（一）人际交往层面——团队合作精神
人际交往层面主要指与他人有效合作，有效沟通，与不同背景的伙伴有效合作的能力，即团队合作精神。数据来源：世界未来研究所第一，跨文化能力。4个主要组成部分可以用来评估一个人的跨文化竞争力:知识组成部分、情感组成部分、精神运动组成部分以及情景组成部分。第二，社交智能。尽管社交网络平台为人们提供了更多的联系，但它们培养的深厚友谊却很少。微信、Facebook等社交平台的主流化与普及鼓励人们以新的方式思考如何建立和维持人际关系。[3]第三，虚拟协作，即作为虚拟团队的一员，能够富有成效地工作，提高参与度，并展示自己的存在感。
（二）应用知识层面——逻辑性分析信息的能力
应用知识层面主要指个体可以逻辑性的分析信息的一系列能力，具体如下：第一，新颖的适应性思维。即熟练地思考和提出解决方案，而非死记硬背或默守陈规。第二，认知负荷管理。以多种形式表现的信息流丰富的世界带来了认知过载的问题，人们只有学会有效的过滤和关注重要的信息，才能把大量涌入的数据转化为优势。第三，意义构建，即确定对方所表达内容的深层含义的能力。人工智能将取代仅仅需死记硬背、日常制造业和服务业的工作，而对机器不擅长的高层次的思维技能、不能撰写为文本的需求将会越来越大。
（三）工作技能层面——解决问题和决策能力
工作技能层面主要指个体可以成为一个问题解决者和决策者，包括计划和组织，解决问题，决策商业基础等。也就是需要如下的素质：第一，新媒体素养。由于可视化在技术时挥越来越重要的作用，过去信息的静态展示正在让位于信息图表和数据的动态模拟。第二，设计思维。从本质上讲，设计思维是一种创造性解决问题的能力，它反映了发散性思维和收敛性思维的结合。第三，跨学科能力。未来十年，专业领域将比以往任何时候都更加具有重叠性，所以跨学科的研究方法将会占据世界创新的中心舞台。第四，计算思维，即将大量数据转换成抽象概念，并基于数据的推理能力。随着人类社会中数据量呈指数级的增长，越来越多的职业需要计算思维和技能才能胜任。
二、应对能力结构变化的教育创新
未来社会中，人才能力结构的变化也会对教学模式产生新的需求，课程教学需要结合不同的能力培养目标做出相应的调整与创新，世界知名高校和一些国际组织也提出了很多创新性的教学模式。如图2所示。数据来源：世界未来研究所
（一）能力结构及思维模式
世界未来研究所提出的十种技能的背后，所体现了以下一些基本的思维模式。同理心是指正确了解他人的感受和情绪，进而做到相互理解、关怀和情感上的融洽。同理心非常有助于在虚拟空间中站在对方的角度考虑问题，增加团队伙伴之间的有效沟通。元认知对于意义构建能力十分重要。元认知知识包含三方面：学习者对于自己的认知，学习者对于学习策略和使用方法的认知。成长性思维与批判性思维在认知负荷管理、新颖和适应性思维、新媒体素养以及设计思维中起到了十分重要的作用。成长性思维是相对于固定思维提出的，固定思维者把反馈当做一种批评，成长思维乐于接受反馈，也从反馈中学习，反馈最终会产生积极的成长变化。批判性思维有助于形成自己独特的世界观，他们不会妄自评价他人，而是会站在别人的立场上，并且去了解他们的世界观。跨学科一定有两种心态组成。首先，同理心。它允许人们从另一个角度来思考问题——站在别人的立场上。其次，好奇心。许多组织，包括IBM和IDEO，都开始从“T型”素质的角度来讨论这种技能，T型素质的技能组合中既有深度又有广度。但是杨壮①教授发现：现在π型人才已经在成为主流。所谓的π型人才是针对T型人才的一种升级，从字母的样式中就可以看出，π比T的下方多了一竖，所以它代表着“两专多能”，即除了你可能在高等教育阶段获得的专业能力之外，还需要有另一项专业能力。逻辑推理能力有助于培养计算思维。未来的教育课程中应该纳入计算思维技能的发展，鼓励学生通过因果推理认知、元认知和其他技能来学习解决问题。这种模式的目的是让学生分析他们在现实世界中可能遇到的真实情况，来教授计算思维能力。[6]
（二）国内外高校教育模式创新
1.“鱼缸讨论”“鱼缸讨论”，也是一种促进学生讨论的教学小技巧，不仅让讨论者积极参与，更能让其他学生积极反馈。第一步，把学生分成两组。第一组参加讨论的学生围成圆桌坐在教室中间，就像是在被第二组观看的鱼缸里一样。第二步，坐在中间的组开始时长10分钟左右的讨论，的第二组学生要听着，并且评估第一组的讨论。第三步，做出反馈。这是学生们最感兴趣的环节，学生可以从熟悉的同学那里了解到自己的优点和缺点，有了反馈确实会使得讨论变得更加激烈。2.项目式教学PBL（Problem based learning）教学法，也叫“项目式教学”，是一种通过让学生展开一段时期的调研、探究，致力于用创新的方法或方案，解决一个复杂的问题、困难或者挑战，从而在这些真实的经历和体验中习得新知识和获取新技能的教学方法。PBL旨在培养学生的创意思维、创新能力、自主学习能力及批判思维的能力。3.跨学科课程教学自21世纪以来，美国课程改革中出现了实用导向的跨学科课程，如ICT课程，环境教育和STEM课程。STEM是科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四门学科英文首字母的缩写，STEM教育的核心是将原本分散的4门学科自然组合成一个整体，以项目探究方式进行综合性问题解决学习，以形成相应的综合。
三、针对国际商务课程的创新
结合世界未来研究所的十项工作技能、世界一流大学以及国际组织在教育方面的改革，结合东北财经大学国际经济贸易学院国际商务硕士（MIB）专业硕士教学情况，国际商务课程实际教学提出以下思考和建议。[7]
（一）培养同理心和元认知的实践方法
一种方式是开展课外活动，以小组为单位的体验式学习活动有助于培养人际沟通和跨文化能力。例如：体验式学习周；商务礼仪情景剧等。另一种方式是线上项目，线上项目中，可以通过微信小程序、投票互动式的方法来增加课堂活跃度，争取让每位同学都参与到课程中。国际商务课程是一门既要求专业知识扎实，又需要具备优秀的人际交往能力的综合性课程。那么，在已有的小组活动中，可以在每次小组活动或者小组作业之后加入一个环节——组员互评与打分。一些课堂讨论的小技巧会有助于培养元认知的思维模式。一种方法是在课上开展限时讨论，讨论映射是一种将学生的实时讨论视觉化的方法，这种讨论技巧使学生能够从以下几个角度进行深入的思考。
（二）培养成长型思维和批判性思维的实践方法
在国际商务的案例分析中，引用PBL教学非常值得考虑。假设案例主题为跨国企业如何成功并购外国子公司，老师用一部分课时讲解完理论部分，提供参考资源之后，另一部分课时可以尝试组织PBL。一次PBL教学要分次给予问题，分次讨论。具体过程大致包括七个步骤：第一步，弄清不熟悉的术语；第二步，界定问题；第三步，头脑风暴（对可能的假设或解释进行集体讨论）；第四步，重新结构化问题（对问题的尝试性解决）；第五步，界定学习目标；（以上步骤为学生小组讨论）；第六步，收集信息和个人学习（学生独立学习）；第七步，共享收集到的和个人学习的信息（小组报告和讨论）。经过上述七步骤，完成一次PBL学习。在这个教学模式中，老师的角色是教学组织者、资源提供者、学生能力发展的促进者。学生从知识的被动接受者转变为自主学习者、合作者和研究者。在国际商务的课程中，有很多需要实际调研的案例报告，也有需要做营销策划的报告。创客空间则可以融入这种类型的报告中，结合导师的相关课题，最好有一定经费的支持，为学生的基于创造的策划提供完备的支撑。学生们可以就某个主题展开经验分享、头脑风暴、结合实际情况锻炼设计思维和表达能力，这种能力不仅适用于学校，而且也适用于未来工作中。
（三）培养跨学科能力和逻辑推理能力的实践方法
注重“国际商务专业+21世纪主题”的课程框架，希望通过超学科整合来弥补传统学科的缺点与不足，构建适切核心素养转化的课程框架。主题选择具有适当的弹性，为跨学科知识的联结提供空间。比如在国际商务课程授课内容中，注重添加区块链、人工智能以及中美、中欧关系等主题。在国内，“挑战杯”全国大学生课外学术科技作品大赛是大学生创新创业实践教育最普遍和最有效的形式之一，具有广泛的群众基础和旺盛的生命力。每两年举办一届，被誉为当代大学生科技创新的“奥林匹克”盛会。所以提倡创建跨学科小组参加“挑战杯”大赛，比如国际贸易学院、国际商学院以及工程管理学院组建团队参加挑战杯，成员对不同学科都有相当的专长和良好的基本知识：国际营销、国际文化视野以及数据分析基础，在这样的团队中，更可能激发出新的思维和优秀的方案。
（四）全案例情景式教学
不同于教师讲授知识，学生被动接受知识的传统教学模式，全案例情景式教学是以案例或情景为载体引导开展学生自主探究性学习, 以提高学生分析和解决实际问题的能力。[5]首先，准备阶段。针对国际商务专业硕士课程的专业特点，结合知识点和学生实际情况，选取合适的案例作为分析材料。其次，授课阶段。在该阶段，教师讲授知识点之后，就将案例发放给学生；接下来就是考验学生理论结合实际的能力。学生可以自发组成小组，根据案例内容，并结合自己能力和长处与小组分工合作进行案例讨论，而在这当中，教师主要的角色是组织和引导学生。最后，拓展阶段。在学生汇报案例内容之后，教师要对学生的探讨结果进行点评总结。学生也可以利用这个环节进行自查，发现自己是基础知识点薄弱还是实践能力欠缺。通过该阶段，教师可以发现学生的水平，学生也可以发现自己作为专业硕士能力缺失的部分，从而双方进行查缺补漏。
四、总结与展望
结合国外高校及国际组织已有的模式，针对未来社会所需十种能力的培养方式如何应用在国际商务课程中，提出了一系列的活动和思维模式培养技巧，如在线学习（以MOOC为主）、讨论映射和鱼缸式讨论、项目式学习（PBL）、案例分析和创客空间以及课上的投票互动式环节等，希望对国际商务课程的改革创新有实质性的辅助作用。要想在未来取得成功，需要成为适应性强的终身学习者。随着组织形式和技能要求的快速变化，要求每位个人都必须具备远见，重新评估自己需要的能力，并迅速整合合适的资源来培养和完善需要的能力，适应万众创新时代，并形成决胜未来的新的竞争优势，赢得人工智能时代世界高等商科教育领域中的话语权。注释：①杨壮：现任北京大学国家发展研究院BiMBA商学院联席院长、北京大学国家发展研究院管理学教授、美国福坦莫大学商学院副院长、终身教授，著名领导力专家。
【参考文献】
[1]InstitutefortheFuture.FutureWorkSkills2020[EB/OL].[2019-11-09].
[2]LiuJie.TheOptimizationStudyofGeneralEducationPracticeEffectinOurCountry[J].学术界,2013(12):283-290.
[3]陈妍蓓(编译).欧盟关注终身学习关键能力培养[J].世界教育信息,2019,32(10):74-75.
[4]段世飞,张伟.人工智能时代英国高等教育变革趋向研究[J].比较教育研究,2019(1):3-9.
[5]王文.案例教学法在高校市场营销教学中的应用探索[J].产业与科技论坛,2020,19(4):187-188.
中图分类号：TP391 文献标识码：A
0.引言
2016年3月15日，备受瞩目的“人机大战”终于落下帷幕，最终Google公司开发的“AlphaGo”以4∶1战胜了韩国九段棋手李世h。毫无疑问，这是人工智能历史上一个具有里程碑式的大事件。大家一致认为，人工智能已经上升到了一个新的高度。
这次胜利与1997年IBM公司的“深蓝”战胜国际象棋世界冠军卡斯帕罗不同。主要表现在两个方面：
（1）AlphaGo的胜利并非仅仅依赖强悍的计算能力和庞大的棋谱数据库取胜，而是AlphaGo已经拥有了深度学习的能力，能够学习已经对弈过的棋盘，并在练习和实战中不断学习和积累经验。
（2）围棋比国际象棋更加复杂，围棋棋盘有361个点，其分支因子无穷无尽，19×19格围棋的合法棋局数的所有可能性是幂为171的指数，这样的计算量相当巨大。英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性”。因此，进入围棋领域一直被认为是目前人工智能的最大挑战。
简而言之，AlphaGo取得胜利的一个很重要的方面就是它拥有强大的“学习”能力。深度学习是源于人工神经网络的研究，得益于大数据和互联网技术。本文就从人工智能的发展历程与现状入手，在此基础上分析了人工智能的未来发展前景。
1.人工智能的发展历程
AlphaGo的胜利表明，人工智能发展到今天，已经取得了很多卓越的成果。但是，其发展不是一帆风顺的，人工智能是一个不断进步，并且至今仍在取得不断突破的学科。回顾人工智能的发展历程，可大致分为孕育、形成、暗淡、知识应用和集成发展五大时期。
孕育期：1956年以前，数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化，奠定了数理逻辑的基础。英国数学家图灵在1936年创立了自动机理论（亦称图灵机），1950年在其著作《计算机与智能》中首次提出“机器也能思维”，被誉为“人工智能之父”。总之，这些人为人工智能的孕育和产生做出了巨大的贡献。
形成期：1956年夏季，在美国达特茅斯大学举办了长达2个多月的研讨会，热烈地讨论用机器模拟人类智能的问题。该次会议首次使用了“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生。其后的十几年是人工智能的黄金时期。在接下来的几年中，在众多科学家的努力下，人工智能取得了瞩目的突破，也在当时形成了广泛的乐观思潮。
暗淡期：20世纪70年代初，即使最杰出的AI程序也只能解决问题中最简单的部分，发展遇到瓶颈也就是说所有的AI程序都只是“玩具”，无法解决更为复杂的问题。随着AI遭遇批评，对AI提供资助的机构也逐渐停止了部分AI的资助。资金上的困难使得AI的研究方向缩窄，缺少了以往的自由探索。
知识应用期：在80年代，“专家系统”（Expect System）成为了人工智能中一个非常主流的分支。“专家系统”是一种程序，为计算机提供特定领域的专门知识和经验，计算机就能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。不同领域的专家系统基本都是由知识库、数据库、推理机、解释机制、知识获取等部分组成。
集成发展期：得益于互联网的蓬勃发展、计算机性能的突飞猛进、分布式系统的广泛应用以及人工智能多分支的协同发展，人工智能在这一阶段飞速发展。尤其是随着深度学习和人工神经网络研究的不断深入，人工智能在近几十年中取得了长足的进步，取得了令人瞩目的成就。
人工智能发展到今天，出现了很多令人瞩目的研究成果。AlphaGo的胜利就是基于这些研究成果的一个里程碑。当前人工智能的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。
2.人工智能l展现状与前景
人工智能当前有很多重要的研究领域和分支。目前，越来越多的AI项目依赖于分布式系统，而当前研究的普遍热点则集中于自然语言处理、机器学习和人工神经网络等领域。
自然语言处理：自然语言处理（Natural Language Processing，简称NLP），是语言学与人工智能的交叉学科，其主要功能就是实现让机器明白人类的语言，这需要将人类的自然语言转化为计算机能够处理的机器语言。
自然语言处理主要包括词法分析、句法分析和语义分析三大部分。词法分析的核心就是分词处理，即单词的边界处理。句法分析就是对自然语言中句子的结构、语法进行分析如辨别疑问句和感叹句等。而语义分析则注重情感分析和整个段落的上下文分析，辨别一些字词在不同的上下文定的语义和情感态度。
当前自然语言的处理主要有两大方向。一种是基于句法-语义规则的理性主义理论，该理论认为需要为计算机制定一系列的规则，计算机在规则下进行推理与判断。因此其技术路线是一系列的人为的语料建设与规则制定。第二种是基于统计学习的经验主义理论，这种理论在最近受到普遍推崇。该理论让计算机自己通过学习并进行统计推断的方式不停地从数据中“学习”语言，试图刻画真实世界的语言现象，从数据中统计语言的规律。
机器学习：机器学习（Machine Learning）是近20年来兴起的人工智能一大重要领域。其主要是指通过让计算机在数据中自动分析获得规律，从而获取“自我学习”的能力，并利用规律对未知数据进行判断和预测的方法。
机器学致可以分为有监督的学习和无监督的学习。有监督的学习是从给定的训练数据集中练出一个函数和目标，当有新的数据到来时，可以由训练得到函数预测目标。有监督的学习要求训练集同时有输入和输出，也就是所谓的特征和目标。而依据预测的结果是离散的还是连续的，将有监督的学习分为两大问题，即统计分类问题和回归分析问题。统计分类的预测结果是离散的，如肿瘤是良性还是恶性等；而回归分析问题目标是连续的，如天气、股价等的预测。
无监督学习的训练集则没有人为标注的结果，这就需要计算机去发现数据间的联系并用来分类等。一种常见的无监督学习是聚类分析（Cluster Analysis），它是将相似的对象通过静态分类的方法分成不同的组别或者是特定的子集，让同一个子集中的数据对象都有一些相似的属性，比较常用的聚类方法是简洁并快速的“K-均值”聚类算法。它基于K个中心并对距离这些中心最近的数据对象进行分类。
机器学习还包括如半监督学习和增强学习等类别。总而言之，机器学习是研究如何使用机器来模拟人类学习活动的一门学科，而其应用随着人工智能研究领域的深入也变得越来越广泛，如模式识别、计算机视觉、语音识别、推荐算法等领域越来越广泛地应用到了机器学习中。
人工神经网络：在脑神经科学领域，人们认为人类的意识及智能行为，都是通过巨大的神经网络传递的，每个神经细胞通过突出与其他神经细胞连接，当通过突触的信号强度超过某个阈值时，神经细胞便会进入激活状态，向所连接的神经细胞一层层传递信号。于1943年提出的基于生物神经元的M-P模型的主要思想就是将神经元抽象为一个多输入单输出的信息处理单元，并通过传递函数f对输入x1，x2…，xn进行处理并模拟神经细胞的激活模式。主要的传递函数有阶跃型、线性型和S型。
在此基础上，对神经网络算法的研究又有诸多进展。日本的福岛教授于1983年基于视觉认知模型提出了卷积神经网络计算模型。通过学习训练获取到卷积运算中所使用的卷积系数，并通过不同层次与自由度的变化，可以得到较为优化的计算结果。而AlphaGo也正是采用了这种深度卷积神经网络（DCNN）模型，提高了AlphaGo的视觉分类能力，也就是所谓的“棋感”，增强了其对全盘决策和把握的能力。
3.人工智能的发展前景
总体来看，人工智能的应用经历了博弈、感知、决策和反馈这几个里程碑。在以上4个领域中，既是纵向发展的过程，也是横向不断改进的过程。
人工智能在博弈阶段，主要是实现逻辑推理等功能，随着计算机处理能力的进步以及深度学习等算法的改进，机器拥有了越来越强的逻辑与对弈能力。在感知领域，随着自然语言处理的进步，机器已经基本能对人类的语音与语言进行感知，并且能够已经对现实世界进行视觉上的感知。基于大数据的处理和机器学习的发展，机器已经能够对周围的环境进行认知，例如微软的Kinect就能够准确的对人的肢体动作进行判断。该领域的主要实现还包括苹果的Siri，谷歌大脑以及无人驾驶汽车中的各种传感器等。在以上两个阶段的基础上，机器拥有了一定的决策和反馈的能力。无人驾驶汽车的蓬勃发展就是这两个里程碑很好的例证。Google的无人驾驶汽车通过各种传感器对周围的环境进行感知并处理人类的语言等指令，利用所收集的信息进行最后的决策，比如操作方向盘、刹车等。
人工智能已经渗透到生活中的各个领域。机器已经能识别语音、人脸以及视频内容等，从而实现各种人际交互的场景。在医学领域，人工智能可以实现自动读片和辅助诊断以及个性化t疗和基因排序等功能。在教育领域，机器也承担了越来越多的辅助教育，智能交互的功能。在交通领域，一方面无人车的发展表明无人驾驶是一个可以期待的未来，另一方面人工智能能够带来更加通畅和智能的交通。另外人工智能在安防、金融等领域也有非常广阔的发展前景。总之，人工智能在一些具有重复性的和具备简单决策的领域已经是一种非常重要的工具，用来帮助人们解决问题，创造价值。
参考文献
在本期技术专题中，中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这一充满挑战与机遇的领域。
计算机与人工智能
"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。intelegere是从中进行选择，进而 理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联 系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵(turing)提出了"自动机"理论，把研究 会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。
人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence，ai)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以 及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行 情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的ibm的"深 蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。
当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发 展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运行一些要求更高的ai软件，而且现在的ai具备了更多的 现实应用的基础。90年代以来，人工智能研究又出现了新的。
我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员，请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有无穷魅力的领域。
问: 目前人工智能研究出现了新的，那么现在有哪些新的研究热点和实际应用呢？
答: ai研究出现了新的，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容 量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是: 智能接口、数据挖掘、主体及多主体系统。
智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的 翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显 著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据 挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半 结构化和非结构化数据中的知识发现以及网上数据挖掘等。
主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务， 而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多 主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多 主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
问: 您在人工智能领域研究了几十年，参与了许多国家重点研究课题，非常清楚国内外目前人工智能领域的研究情况。您认为目前我国人工智能的研究情况如何？
答: 我国开始"863计划"时，正值全世界的人工智能热潮。"863-306"主题的名称是"智能计算机系统"，其任务就是在充分发掘现有计算机潜力的基础 上，分析现有计算机在应用中的缺陷和"瓶颈"，用人工智能技术克服这些问题，建立起更为和谐的人-机环境。经过十几年来的努力，我们缩短了我国人工智能技 术与世界先进水平的差距，也为未来的发展奠定了技术和人才基础。
但是也应该看到目前我国人工智能研究中还存在一些问题，其特点是: 课题比较分散，应用项目偏多、基础研究比例略少、理论研究与实际应用需求结合不够紧密。选题时，容易跟着国外的选题走; 立项论证时，惯于考虑国外怎么做; 落实项目时，又往往顾及面面俱到，大而全; 再加上受研究经费的限制，所以很多课题既没有取得理论上的突破，也没有太大的实际应用价值。
今后，基础研究的比例应该适当提高，同时人工智能研究一定要与应用需求相结合。科学研究讲创新，而创新必须接受应用和市场的检验。因此，我们不仅要善于找到解决问题的答案，更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。
问: 请您预测一下人工智能将来会向哪些方面发展？
答: 技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。
目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来 人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
什么是人工智能？
人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的 角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。
ai理论的实用性
在一年一度at&t实验室举行的机器人足球赛中，每支球队的"球员"都装备上了ai软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白 有些情况下不能死守岗位。尽管现在的ai技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。
这种ai机器人组队打比赛看似无聊，但是有很强的现实意义。因为通过这类活动可以加强机器之间的协作能力。我们知道，internet是由无数台服务器和 无数台路由器组成的，路由器的作用就是为各自的数据选择通道并加以传送，如果利用一些智能化的路由器很好地协作，就能分析出传输数据的最佳路径，从而可以 大大减少网络堵塞。
我国也已经在大学中开展了机器人足球赛，有很多学校组队参加，引起了大学生对人工智能研究的兴趣。
未来的ai产品
