时间：2024-02-07 14:43:46
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇人工智能教育体系范文。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！
一、高职教育现状
（一）客观层面
（1）社会面。当前社会发展处于转型关键期，高职教育迎来全新发展机遇，对人才培养质量不断提高。传统思想中，家长学生都带着有色眼镜看待高职教育。随着社会给技术技能型人才提供很多高薪岗位，部分学生主动选择高职院校进修学业，提高自身技能水平。高职院校必须以社会发展趋势为导向，及时调整自身发展战略。（2）政策面。在新课程改革视域下，政府高度重视高职教育的发展，出台了多项扶持政策，如《国家职业教育改革实施方案》《职业学校专业顶岗实习标准》《关于推进高等职业教育改革创新引领职业教育科学发展的若干意见》等，极大的推动了高职教育的稳定发展。
（二）主观层面
（1）教学理念。高职教师受传统思想影响，往往重视成绩和理论知识，亟需引进新的教学理念，并落实在实际教学中。高职院校已经意识到人工智能时代，自身转型创新的必要性，正积极将全新的教学理念贯穿在人才培养过程中。（2）教学方式。高职教育逐渐创新教学方式，将顶岗实习、校企合作、实训教学等应用在常规教学中，适应时展，彰显职教特色。但在实际教学中，教师理念未发生变化，能力无法满足新型教学方式需求，存在亟需改进优化的地方。（3）教学体系。只有完善的教学体系，才能为高职教育的改革创新提供依据参考。当前高职教育体系中含有诸多不足，如学科单一、理论与实践比重不协调、知识内容陈旧等。高职教育要想适应新时展趋势，应积极完善教学体系。
二、人工智能现状
（1）国家战略。近年来，国家高度重视人工智能发展，国务院《关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号），提出科技创新的主要方向是人工智能，提倡积极构建全新的人工智能科技创新协同机制，进一步完善人工智能教育体系，实现人才储备和梯队建设的目标，推动智能经济的发展。各部委也积极颁布一系列政策，如《智能制造2025》《“互联网+”人工智能三年行动实施方案》《机器人产业发展规划（2016-2020）》等[2]。可见，国家为人工智能技术的发展提供了充足动力，人工智能已成为国家战略的一部分。（2）产业发展。多年的探索，人工智能技术有了明显提升，在问题求解、泛逻辑理论、不确定推理、拓扑学、图像处理、模式识别、专家系统等方面有了显著研究成果，一部分成果甚至领先世界水平。例如我国在模式识别领域的研究，文字识别、语言识别、虹膜识别都取得优异成果，被广泛应用在生物医药、机器人视觉研究、卫星遥感、自主导航、军事等领域。企业十分关注人工智能技术的发展应用，像360人工智能研究院、阿里人工智能研究院、百度人工智能研究院等。人工智能技术的深度研究，使应用和商业价值最大化。据不完全统计，2017年人工智能产业创造700亿元市场价值，预计在2020年产业规模超过1600亿元。
三、人工智能推动新时代高职教育转型发展的必要性
（一）技术技能型人才的需求
高职教育发展的目的是培养适合岗位需求的技术技能型人才。人工智能时代，先进技术的广泛应用，大部分岗位对人才的需求发生明显变化，逐渐形成了“机器换人”的局面。企业中简单、重复、劳动强度大的岗位，都由智能机器人予以代替。例如在京东电商的物流中，出现无人机配送方式，直接冲击了传统人工物流配送模式。相信在不久的将来，会有更多的智能机器人走向物流配送的工作岗位，形成全新的工作体系。此外，在生产制造的质检环节，由于传统人工监测方式存在诸多不足，应用人工智能的图像识别技术，可以实现对产品质量的动态检测。可见，人工智能时代会有大批岗位“消失”，取而代之的是智能化机器人。高职教育必须转变以往的教育模式，顺应时展趋势，结合社会岗位对技能人才的需求，调整高职教育方向，实现高职教育价值。
（二）国家发展战略的要求
以往的发展致力于“中国制造”，但新时代“中国制造”已无法提升综合国力，国家必须调整发展战略。人工智能时代将“中国制造”转变为“中国创造”“中国智造”。这一发展战略的转变，能看出先进科学技术在国家发展中的重要地位。为了2025年实现“中国智造”的目标，高职院校创新人才培养模式，顺应国家发展战略的调整。同时，高职教育转型过程中，转变以往以理论、成绩为主的思想观念，对人才进行更加系统的培养，调整理论知识、实习实践之间的关系比例。人工智能时代的高职教育转变与创新，可以加大对学生创新意识的培养力度，使人才综合素养得到更好提升，满足“中国创造”的需求。
（三）学生自身价值实现的需求
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
引言
人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科，是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发，人工智能技术的日趋成熟。随着AI3.0时代的到来，大数据、云计算等新技术的应用也愈发广泛，对于管理类人才来说，加强对人工智能知识的深入学习，不断将人工智能技术与管理知识结合起来，对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科，管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力，基于其覆盖面广、包容性强、应用需求空间巨大的学科特点，通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习，加强学生解决实际问题的能力，为就业打下基础。本文基于社会对于人工智能领域的人才需求，结合诸多长期从事经管类专业课程教学的老师意见，针对管理类人才的人工智能课程教学内容与方法进行探讨，以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。
1、教学现状与问题
作为一门综合性、实践性和应用性很强的理论技术学科，人工智能课程内容及内涵及其丰富，外延极其广泛。学习这门课程，需要较好的数学基础和较强的逻辑思维能力。针对管理类人才，该课程在课程教学过程中存在几个较为突出的问题。(1)课堂教学氛围枯燥目前，中国大多数大学仍采用传统的课堂教学模式，在教学过程中照本宣科，忽略与学生的互动，并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置，如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时，随着章节的知识难度不断增加，单向介绍式的枯燥教学方式无法反映人工智能学科的全貌，课堂讲解难以同时给以学生感性和理性的认知，部分学生因乏味的课堂氛围渐渐无法跟上教学进度，导致学习动力不足。(2)基础课程掌握不牢管理类专业的学生大部分都会走向更加具体化的管理岗位，具有多学科的素养，但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识，给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多，涵盖模式识别、机器学习、数据挖掘等众多内容，概念抽象，不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程，缺乏一定的关联思考和研究意识，导致课程学习难度增加，产生学时不足和教学内容难点过多的问题。(3)教学与实际应用脱节当下，人工智能广泛应用于机器视觉、智能制造等各个领域，给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。例如，在机械学科领域，人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源；在医疗领域，是医疗器械的创新生产源动力；在能动领域，是高端能源装备与新能源发展的重要驱动；在光电信息与计算机工程领域，技术的发展时刻推动着智能科学与技术核心价值的提升。然而，对于管理类专业的学生来说，现阶段的人工智能教材涵盖许多智能算法及相关理论，在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法，书本中的应用实例大多纸上谈兵，缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践，加上一些教师授课方法单一，不利于引导学生将人工智能算法应用于现实生活。另外，大学生对知识的理解能力差异很大，教师采用统一的方式教给他们，这使一些学生无法跟上和理解，教师也无法控制学生的学习状况，导致学生缺乏动力。因此，如何结合学生的现实情况，提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。
2、管理类人才的人工智能课程教学改进策略
课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言，教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化，而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题，可以从教学方法改进和教学内容设置两个方面进行课程教学改进。
2.1教学方法改进
教师对学生具有引领作用，其教学方法的改进能够带动学生改进自身学习方法。(1)启发式案例教学案例教学法就是教师根据教学目标、教学内容以及教学要求，通过安排一些具体的教学案例，引导学生积极参与案例思考、分析、讨论和表达等多项活动，是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征，调动学生的学习积极性，并紧密结合人工智能领域的相关理论与方法，有效理解知识要点及其关联性，适用于管理类专业学生的教学。具体而言，高校基于其问题启发性、教学互动性以及实践有用性等特点，可以建立基于人工智能知识体系的教学案例库，虽然这项建设将极具挑战性与耗时性，但具有很强的积极效果：培养学生较强的批判性思维能力，更多地保留课程材料，更积极地参与课堂活动，对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如，通过单一案例教学，让学生掌握相关基础知识原理及应用；通过一题多解的案例使学生思考如何获取最有效的解题方法；通过综合案例的设计，启发学生全方位地探索问题的解决方案。(2)研讨互动式教学研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性，在课堂讨论的过程中对学生做出评判，从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上，通过老师与学生、学生与学生的互动，让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中，教师通过课堂讨论了解学生对于知识点的掌握情况，可以有针对性地设计教学内容，例如，对于学校积极性不强的学生，将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来，能够极大程度地提高学生学习的自主能力；对于基础知识较为薄弱的学生，可以在教师的指导下查阅相关文献资料，根据自己的理解撰写心得报告，并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望，建立起浓厚的学习氛围。(3)有效激励式教学人工智能是引领未来的战略性技术，人才需求量极大，对教师的教学水平也提出了更高要求，因此，进行有效激励极为重要。在学生激励方面，可以举办各类人工智能竞赛项目，设置相应项目奖学金，吸引学生参与实践，调动学生做研究、发论文的积极性。例如，教育部主办的中国研究生人工智能创新大赛，围绕新一代人工智能创新主题，激发学生的创新意识，提高学生的创新实践能力，为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式，在各学院乃至全校开展此类竞赛项目，激发学生的创新能力与团队合作能力，鼓舞更多学生加入到人工智能课程的学习中来，激发其学习兴趣。在教师激励方面，在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分，鼓励教师积极参与这些活动。(4)学科渗透式教学人工智能学科知识融合程度较高，学科交叉性强。基于人工智能的学科交叉性特点，增强管理类人才对学科应用的领悟，可以采取开展学科渗透式教学的方法。从2015年起，国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件，“互联网+”、“智能+”已经渗透到各个领域，人类进入数字经济时代，社会需求“技术+管理”的高端复合人才。例如，基于工业4.0和强国战略，人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识，我们请机械工程、能源动力领域的相关专家以授课或讲座的形式，进行相关领域知识和发展趋势的讲解，使学生理解更为透彻。此外，在教学实践过程中，还可以用举办人工智能知识交流会、线上人工智能论坛等形式，促进不同专业间老师、学生对于人工智能知识模块的见解，相互交流、渗透和学习，从而推动人工智能课程教学的改进。
2.2教学内容设置
张海涛：的确，2015~2016一年多的时间里，现代医学发生了转折性的变化。大数据、精准医疗、人工智能这些成为医疗领域的“爆款”词汇。智能医疗已经不是从科幻片中看到，是真实世界的真实事件。人工智能有多神，要回答这个问题，得先了解医疗的人工智能完成了哪些了不起的事。
第一是认知计算，人工智能可以24小时不间断的读取海量文献，具备最全面的基础知识和最新进展，这属于认知，很好理解。但重点在于智能要做到的不仅是录入，而是读懂，将海量外部信息转化为自身知识和结论。比如从文献中获取了他汀在某个数值下使用会减少冠心病发生，它会给出相应治疗建议，这是计算，即学习能力。人工智能能快速将患者病情的相关信息搜索一遍，通过统计运算给出最个性最优化的治疗方案。再拿现有的可穿戴设备举例，虽然它能监测人的心率运动量等，但无法给出进一步建议，未来的人工智是能根据不同患者的状况给出不同的解决方案的，告诉你食物摄入不足还是过多，运动量还需多少达标等等。
第二是深度学习，等同于人类直觉。打个比方，我们让机器人对某个物品做出鉴别，它需要根据这个物品的大小、重量及其他特定属性做出判断并得出结论。而具备深度学习的智能机器可以不需通过数据和逻辑得出结论，当它看到一位急症患者，会根据患者的痛苦面容、喘气速度、所选医院和科室等，迅速反应出他是急性左心衰。这种推测不需要输入患者信息，反应快，但不一定准确。
第三是智能数据。以前讲到的数据其实是小数据，我们对小数据进行抽样研究去寻找规律，但这种推理只能预测大概率事件，无法认识小概率事件。例如他汀输注后的横纹肌溶解是小概率事件，如果发病率为十万分之一，我们很难收据足够样本进行研究分析。相反，如果通过智能录入一千万例患者，按比例将有一百例患者，假设一百例都出现在北京，那么可认为发病与地域相关，如果其中九成是男性则可认为疾病与性别有关，如果其中又有九成是抽烟者，说明疾病与烟草有关。这对我们定位和救治小概率事件中的人群有重大意义。通过这种方式发现小概率事件的规律，可以理解为将架构师的脑袋放在大数据库中，可使我们的认识更接近真实世界。另一方面，通过大数据发现规律可以更好的预测未来。再比如，人工智能根据患者身高体重、血糖血脂以及个人生活方式进食方式等预测他在某个时间可能发生低血糖，可以在此之前提醒患者补充糖类来预防恶性事件发生。
用于心脏疾病的人工智能可以实现什么？
张海涛：现在来看至少能实现两方面的问题。我们知道心脏病患者在出院后要满足用药达标和生活方式达标，如果患者仅有高血压，用药达标是较容易实现的，如果患者在高血压基础上还合并高血脂、消化道出血，或合并前列腺问题，有阑尾手术史、脑梗史，有牙科问题等，这时需要综合各专科的知识来做决策。但人脑的知识储备是远远不足的，人工智能却可具备最全面正确的知识和诊疗标准，可以指导医生临床用药。另外，它可以连续观察患者出院后的运动状况，根据其身高体重心律血压用药状况等给予运动方式建议，并做出评估。
在6月17-19日举办的第五届中国心脏重症大会上，人工智能作为会议的亮点之一会有很多精彩的报告。可以说，心脏重症领域要正式“触电”大数据、智能医疗、精准医疗，去拥抱新思潮、新设备、新话题和新模式，非常希望届时与更多医生探讨这一话题。
人工智能可以治病，医生做什么呢？
张海涛：智能医生只能为数字人看病。什么是数字人呢？从某种意义上，人具有生物人和数字人两种基本属性，血型、身高、体重等构成数字人。人工智能可像人一样读文献，超过人的精力，24小时不间断的读录文献，具备最全面的医学基础知识和最新进展，并且具备超强的运算能力，可快速将患者信息统计运算，给出最个体优化的治疗方案，但它无法与患者进行情感交流。说到底，医学是文明的产物，医生不是修理工，我们的医疗过程会涉及到感情、文化、患者意愿等，这是机器无法复制的。未来，人工智能是医生的助手，为医生的决策提供参考，医生根据患者意愿、经济能力、依从性等综合考量并做出决定。
医生在临床决策出现冲突时怎么办？医生的权威性会受到挑战吗？
张海涛：这是个很关键的问题。首先，不但人与人工智能间会遇到决策不一致，人工智能本身也会遇到，它能录入巨大数据，其中必然有观点相悖的信息，但它比人更理性，会一遍遍学习从而得出最优建议，而人类在治疗中感性成分更多。从另外的角度想想，其实没有一种方式是非常完美的，任何一种方式都有利弊，所谓的决策的冲突和矛盾属于真实现象，是允许存在的。
医生的决策与人工智能发生冲突时呢？通常觉得，医生对同一种疾病应该有相同的诊断、相似治疗方案，实际不同医生在同一疾病的诊疗方案会相差很大，这受医生教育、利益、地域文化的影响。比如女性更年期后服用雌激素的比例在美国是28%，在中国不到7%。中国女性的观念倾向于不用，因为服用雌激素可能引发肿瘤，而美国人对生活质量的要求高，她会选择使用。医生与智能出现决策冲突并不奇怪，医生需要根据不同需求确定医嘱，无关对错。所以，医生仍需查文献、不断学习，需要综合判断，智能给出的只是参考，它只是医生的助手或患者的顾问，绝不会取代。
未来，手术也可以被机器取代吗？
张海涛：手术操作其实是创造“艺术”的过程，需要更多层面的知识和技能，而且机器在精细操作方面远不如人类手指灵活，它的优势是运算速度和自我学习能力。虽然现在达芬奇机器人下的手术在很多医院开展，但真正实现机器人做手术还很长远。
如果人工智能能可实现基本医疗任务，患者来院的刚需是什么？
互联网教育尤其是线上K12培优项目一直是投资热门，直播1对1模式风口过后，教育圈内最火的应该是AI项目了。据亿欧智库的报告显示，2017年人工智能教育融资额度达42.17亿元，其中超80%属于早期投资项目，这个赛道有望诞生多个独角兽公司。
笔者发现，当前布局人工智能的在线教育大体分为三派：
教学或题库测评类工具产品，比如作业盒子等；
培训机构应用AI技术，比如好未来等；
人工智能教育引擎及平台提供商，比如高木学习等。
现在摆在AI教育创投从业者面前的问题是：到底以技术实力论英雄的AI教育的泡沫有多大？真金不怕火炼的AI教育项目的核心能力在哪里？如何才能落地？ 本文试做解读。
一、为什么“自适应”其实并非真正的AI？一位投资人朋友曾向我这样说道：“既懂互联网行业又完全懂本行业的业务的管理型人才不超过十个，这是在‘互联网+’双创浪潮中每个垂直行业头部项目就几家能玩转的原因。”而认知和技术门槛更高的“AI+”情况恐怕会更加不妙，甚至很多人把“自适应”与“AI教育”划等号。
自适应学习（Adaptive Learning）的鼻祖是美国的Knewton公司，它通过评估不同学生对知识材料掌握度进行个性化推荐，有点类似于今日头条的兴趣引擎。 Knewton在国内的门徒众多，目前大概有40多家项目宣布发力做“自适应”，比如“乂学教育”（学练测自适应）、“学吧课堂”（题库自适应）、“英语 流利说”（英语口语纠正）、“一起作业”（家长、老师在线监控）等等。
嘉御基金创始人卫哲说过，“90%的人工智能项目都是伪AI”，鉴别的依据是看项目“算法速度”，如果是代数级而不是几何级计算那就不是“真AI”，以此来考验自适应项目，得到的结论未免让人失望。
初级的自适应项目是人工预设指令或编程规则推荐，高级的自适应是基于知识图谱推荐，即使是高级的自适应项目由于没有按照既定的教学大纲和教学目标有 逻辑地展开，在具体知识学习之中并不系统。关键是很多自适应项目采集的是各科最优秀特级教师的能力，导致其算法本身是线性的、模拟人学习而已。
自适应的技术原理就好比AlphaGo是应用了人类最优秀围棋大师的能力而非是完全迥异机器深度学习和自演化模型；自动驾驶AI应用了某个人类零误 差老司机的感知能力而非是基于全网海量交通大数据做运算和决策；人工智能医生是应用了看X片最快最准的医生的经验而非是海量数据库训练；显然按这样的路径 训练出的机器并非是真正的AI。
“真正拥有充分教学大数据及算法速度的‘AI教师’是能轻松超越拥有30年教龄特级教师的，并且可以突破人类的知识局限，对算法模型进行自动演化，找到人类从未尝试过的策略。”高木学习创始人刘瞻这样描述AI教师。
刘瞻是帝国理工学院科班出身，早在2015年开启AI教育创业，他认为判断真伪AI教育项目具体有三个考察维度：
（1）自适应是基于模拟优秀老师的知识图谱推荐知识，而真正的AI教育机器人则是泡在“教学实践大数据”中做深度学习。
（2）自适应主要用作知识盲点的统计，但无法分析出知识体系之间的本质联系，用AI更重要的任务是找到行为背后的原因，比如某学生表面上二次函数是 薄弱环节，既有可能是其对二次函数的各细分知识点掌握不牢，也有可能是前置知识点一次函数、函数的思想理解不透彻，还有可能是方程求解的问题；甚至有可能 是抽象思维或计算能力的问题，AI会根据该学生数据和“知识路径矩阵”，找到问题背后的原因从而匹配出最优学习路径。
（3）人类教师的情感因素能左右学生的学习效果，AI教师也应综合考虑学生的自信心与成就感的培育与激发，从而确保学生学习过程“知”、“情”、“意”的一体化。
二、AI教育的核心：帮助每个学生找到“元认知能力”AI教育并不会改变“老师-学生”的二元结构，甚至人工智能教育还要在师生两端彻底解决互联网教育未完成的两大难题：
如何帮助学生找到学习方法、提升学习效率？在中国一个普通中学生80%的学习时间是低效的。
如何帮助老师对学生更高效的“因材施教”？目前在我国师资资源依然整体短缺并且分布不均，1对1培优成本高、小班普及率低等问题依然突出。
AI教育的优势在于通过数据化形式分析学生自己都不清楚的“症结”，即所谓的“懂我更懂教好我”，同时AI还能帮助老师实现教学效果的稳定化和可控化。AI在充分收集和处理教与学两端的大数据后，还得在具体教学场景之中个性化建模，最终实现“让学生更会学，让老师更会教”，这是人工智能教育的目的。
陶行知先生说过，“教是为了不教”，教育本质不是灌输知识，而是要启发学生思考并让学生掌握自主学习的能力。目前很多伪AI学习神器只能“授人以 鱼”但并不能“授人以渔”，我国基础教育历来缺乏方法论课程，只有极少数有天赋的学生能自主制定适合自己的学习方案，而绝大多数天资处于平均线的学生在混 沌中摸索。如果从AI的视角来看，所谓“天赋”不过是少数幸运儿自觉不自觉的分享了“元认知能力”。
当人主动设定学习计划、自我反馈、动态调整学习策略时，就接近了“元认知”，在大数据时代，这种元认知能力是能被定量化分析的，AI 教育可以为学习者提供关于反复激活元认知能力的“训练法”。根据刘瞻的解读，AI教育的“训练法”就好比给蹒跚学步的婴儿安上矫正走姿的“学步车”，具体 应用什么样“训练模型”则是由AI根据大数据进行场景化定制的，有可能是通向学习目标所需要的“云梯”，有可能是“舟楫”，或者是“拐杖”等等，这些模型 能不断调取和强化人的“元认知能力”。
尽管市面上90%项目都是着眼于知识点和解题训练的自适应，真正AI教育项目比如高木学习的AI不仅包含自适应的知识图谱大数据，而且还能不断从学 生的行为数据中演化“知识路径矩阵”即AI可根据学生对知识和能力体系的理解定制出个性化学习路径。与此同时，AI让学生在对知识的理解与记忆过程中不仅 训练知识掌握度，还不自觉地训练了元认知能力，这套“个性化学习引擎”其实是在培养学生“忘掉所有知识后”剩下的元认知能力，具有普适化的特点。
实际上，AI教育并不需要局限在某一学习阶段、某一学科的知识体系，完全可以打造一个跨学科、跨门类、跨阶段使用的“通用知识学习引擎”，也就是说，除了应用在K12领域外，AI教育还可以应用在高等教育阶段，甚至在辅导大学生时比中小学生会更为轻松，无须综合考虑学生的学习动力因素等。
反过来讲，如果市面上的人工智能教育项目只能用于某一单科或只能教K12，就不是基于大数据获取和智能化引擎的“全才”和“通才”，基本可视为基于特定领域专家总结的经验规则的“伪AI”。
三、为什么AI教育项目落地，to B模式比to C模式更容易跑通？当前AI教育项目的商业化进程走向大体分为两大派：
一派是自建场景的颠覆派，试图开发新的测试软件以抓取学生的数据，甚至引入一些把AR（增强现实）、MR（混合现实）等黑科技，其目标是以“AI教师”完全取代真人老师教学，属于“人机对抗”模式，较为典型的是乂学教育的松鼠AI。
另一派是升级现行教育体系、不另创场景的改良派，属于“人机共教”模式，较为典型的是高木学习的AI Tutor。
一般走人机对抗模式最终走的是to C模式；而“人机共教”走的是to B模式。鉴于我国当前AI教育的应用场景主要为教学机构包括全日制学校与培训机构，而非一个个分散的学生；只有让AI去辅助老师备课、上课，嵌入到学生作 业和训练，帮助学生提分和学校提升升学率，才能帮助AI更快落地并且找到盈利模式。
从“全日制学校”应用AI的实践上看， AI能让老师“心中有数（据）”，提升教学的针对性，AI教师实际上相当于真人老师的“智能助教”，可以减轻老师50%的工作负荷量，比如AI帮老师批改 作业，把数据分析的可视化呈现出来帮助老师定制教研方案。因此，在市场推广过程中，AI教育项目不需要担心基层老师的接受阻力，能让老师摆脱“汗水老师” 的局面也是基础教育机构所希望看到的。
由于全日制学校获取的大数据比培训机构更加海量、持续、高频，因此高木学习更看重AI在全国全日制学校场景中的数据价值，积极在全国推行城市合伙人制度，并计划与地方教育主管部门合作推出全国教师AI应用能力培训公益活动。
To B模式中另一大企业客户就是体制外的培训机构，他们所面对的学生付费意愿强、购买力相对旺盛，是AI教育项目获得稳健现金流的必争之地，那么当前培训机构应用AI教育项目开展“人工智能双师班”的效果如何呢？
首先，AI教练能保持教学效果稳定化输出，解决原本老师教学效果不确定的弊端。
其次，AI 提升了老师的工作效率，突破了培训机构因为名师稀缺且流动性大限制培训机构的规模化发展的瓶颈。
一、教育形态转变：关注个性化教学
美国《时代周刊》有一期封面人物是苹果公司的“I”。这是“我”的时代。学生个性越发鲜明，教师的挑战随之而来，工作形态处于转型之中。
（一）利用大数据，发现学生个性
教师工作的总体重心要从以知识传授为中心，转变为关注每个学生个性的特征。在“互联网+”时代，任何一个学习者都可以凭借网络获得丰富的信息资源和广泛的人机互动机会。这一事实促使我们对教育者自身所承担的角色进行新的思考。教师作为知识垄断者的权威地位被彻底打破，教师的工作形态发生意义深远的改变。这种改变的基本方向是面向群体的、集体化的教学转变为信息技术支持下的教学，在精确了解学生的知识结构、能力结构、学科素养结构、身体健康、心理和认知能力等一系列数据的前提下，用信息技术来实现知识的传授和迁移。
在原始社会，教育主流的形态是个性化的、小范围的教育。在孔子时代，实行私塾制，教师带徒弟。孔子门下七十二贤，个性不一。针对弟子们的不同特点，孔子实行小范围的个性化教学。工业社会以后，《大教学论》提出了班级授课制，把教学内容分成不同的学科，按照班级开设不同的课程，班级内统一进度。班级授课制大规模地提高了教育的覆盖面，但不可否认的是这种授课制无法兼顾每个学生个性的发展。随着科技的不断进步，教育大数据所呈现的优势不仅仅表现为数据量大，它更强调全样本、全过程。我们可以通过教育大数据及时地记录，利用技术采集学生学习过程中的全数据，通过建模设计出学生的知识、能力、情感以及学科素养结构，发现并增强每个学生的个体优势。
（二）摒弃“一刀切”教学，发展新型讲学
如果没有大数据的辅助，要实现大范围的个性化教学就像盲人走迷宫一样困难。在准确地了解学生的个性差异，知识掌握以及学科素养程度之后，我们可以为学生提供精准的、个性化的支持。面对一个班级的学生，统一的进度和教学内容这样“一刀切”的教学方式不再适用，教师要根据学生个体特征来讲授不同的学习内容，开展不同的学习活动，给学生制订不同的学习计划。在个性化教学体系转型的过程中，教师的关注点要从如何把一个知识点讲清楚，转变为基于大数据的个性化教学或学习方案的设计以及学习的引导。不同背景、不同能力、不同个性的学生，可能都需要学习同样的知识，但是他们经过的学习路径、参与的学习活动、接受的学习资源是不一样的。以前，教师面对一个班级四五十名学生，每节课都要统一讲解，很难兼顾每个孩子的学习特点。而在“互联网+”时代，一对一个性化教学已经有条件实现。
教师如何根据每个学生的个性特长，激发他们的学习潜能？根据学生的不同个性发展新型讲学呢？美国有一所学校正进行未来教学形态的探索，这所学校有三个特点：一是包班制教学。一个班有25名同学，由两位教师负责所有学科；二是互联网教学。教师负责提前准备好教学内容，通过互联网讲授。每个学生有一个平板，平板里有学习列表，不同的W生走不同的路径。教师通过后台数据就能知道每个学生的学习进展以及学习过程中面临的困难，然后进行定向的辅导。因此，同一个班上的学生，有的学习进度进入二年级的状态，有的则已进入五年级的状态；三是实施能力课程。学校要求教师每周带领学生到科技馆、博物馆做综合课程交叉项目。教师设计项目相关问题，学生将在平板上学到的知识迁移、运用、转化到项目中。
（三）构建生态圈，融合虚拟现实
新一代移动网络、云计算技术提供了无处不在的网络和计算空间，教育进入到一个虚实结合、虚实融合的智慧空间。在这种形态下，育人的空间不仅仅是学校的实体空间，还包括网上的虚拟空间。放眼未来学校教育，知识性的讲授一定会被互联网的工具所取代。比如，英语教学，我们给学生提供语法软件、单词软件、口语软件、阅读软件，听、说、读、写通过软件就能完成，不再需要教师的讲授。
我们需要转变学生获取知识的路径，在这个过程中，教师讲授性的功能会被电脑所取代，并不是教师的教学功能被机器取代。知识性的教学将由技术替代，教师的主要工作形态是培育学生能力。学生在教师的陪伴下，完成整个学习的流程。在学习的过程中，学生在获得知识的同时拥有自主学习、独立思考、协作协同、知识迁移和运用的机会。教师的陪伴、组织，对中小学生有非常重要的作用。未来的学习形态一定是学生线上学习，教师线下督促、管理、陪伴三位一体的形态，而不是以课堂讲授为主的单一形态。
工业时代的教育是培育人工林，而未来的教育是培育一个生态圈，在这个生态圈中有参天大树、小草，还有其他各种各样的动植物，各得其所、相互支撑。我们要抛弃一致性的教育，因为学生是多元化的，他们有的情绪感知能力比较强，有的运动能力比较强，有的社交能力比较强，有的感性思维比较强，有的理性思维比较强……所以，我们要从培育人工林到培育一个生态圈。
培育人工林很容易，把树苗统一种下，浇水就可以了。构建生态圈不一样，教师要把握每一个个体之间相互竞争、相互依赖的关系，要关注生态圈里每一个个体的需求。未来的教师要关注学生个性、培养学生个性、促进学生个性的良性发展。
二、教师职能分化：人机结合的
智能教育
（一）全能型和R敌徒淌
在大数据时代，未来教育是基于精确了解学生数据的前提下，给学生提供权威的学习支撑、精准的学习内容和学习活动，实现多元的教育服务供给。新形态个性化教育体系强调领导力、人才的多元化，对教师提出了更高的要求。
不妨预测一下，未来教师队伍会向两个方向分化。
一是全能教师。教师要对个性化的群体、生态圈提供支持，这就要求他们既要掌握学科知识，又要掌握教学知识、技术知识；既要掌握认知、脑科学发展、儿童身心健康发展相关知识，还要了解各种社会属性，具有领导力。
二是专业性教师。未来教师角色会越来越多地出现精细的、个性化的分工。让每一位教师成为全能大师是不可能的，不过部分教师可以在某一方面做到极致。未来会有专门做练习辅导的教师、专门做项目设计的教师、专门疏解学生心理问题的教师、专门授课的教师、专门做教学设计的教师等。这种分工就像拍电影，拍一个电影要有编剧、演员、导演、摄像、后期制作。今后，一门课可能由多位教师负责，有学科的专家、教学的设计师、知识的传递者、活动的设计者，有越来越多专业化的分工。互联网的万物互联改变了社会组织机构以及大规模的社会化系统，未来教师要擅于基于大规模的社会化协同来开展教育服务。
（二）人机结合的思维方式
数据、信息和知识日新月异，“互联网+”时代，呼唤着人机结合的教育技术，我们借助智能设备而生存的时代已经到来。运用人机结合的思维方式，教育才既能实现大规模的覆盖，又能实现与个人能力相匹配的个性化。我们要利用外部的工具或者智能设备将智慧发挥到极致，创造新型事物、新颖范式。人机结合的思维体系是我们未来思维方式非常重要的转变方向。一个人的能力是有限的，但如果将人的智慧与手机、电脑结合，那么我们处理信息、数据的总量，应对突发事件的能力会大幅度地提高。人与电脑的结合可以突破人类个体认知的极限，使我们能够驾驭超越个体认知极限的复杂性，处理超越个人认知能力的海量信息，应对超越个体认知能力的急速变化。
人工智能于教师有特殊意义。机器来替代机械化的工作，而智慧化的工作通过人机结合的方式完成。在教师的日常工作中，有很多烦琐、机械性的工作，比如阅卷，而智能批改技术可以把教师从重复性、机械性的事务中解放出来。人工智能，一方面会取代教师某一项单一的技能；另外一方面，人工智能技术会成为未来教师有机的组成部分。面向学生个体发展的生态圈，单靠教师个人是很难平衡的。尤其在中国大班级授课的模式下，没有技术的支撑想要了解每个学生的具体情况是不可能的。大数据时代，在全面采集、分析学生学习过程数据的基础上，可以实现基于大数据的个性化教学。
现阶段，大部分人工智能处于弱人工智能的状态，但是人工智能技术本身在快速地更新迭代，在摸索中成长、壮大，它会颠覆很多现有的行业，创造出新的秩序。我们可以推测在未来的五到十年里，人工智能的水平可以与特级教师的水平相媲美，甚至会做一些特级教师处理不了的事情。
三、综合素质评价：创新制度，
服务未来
现在中高考强调综合素质评价，要求家长、学生填写数据。在当今社会中，教师、家长、学生填的数据是没有公信力的。通过对学生学习过程数据的分析，计算机能够对学生的知识结构、能力结构、认知能力、情感态度和价值观做到相对科学的评价。比如美国医学考试中心对医生的测试，通过计算机仿真出病人的症状让学生做诊断，系统里面有各种仪器，学生可以自主选择，它是一个开放的系统。根据学生在仿真情景中做的决策，判断学生知识迁移和运用的能力，这是我们传统教育难以企及的。由此可见，在教育测评方面，大数据可以发挥非常重要的作用。
另外，在心理健康、心理问题的咨询方面，人工智能可以对学生进行有效的心理疏解，尤其是对早期现象进行干预。中科院心理所做过学生心理异常干预的研究，通过在大学校园的部分论坛网站加载数据采集程序，搜集学生的数据。研究分析发现，有心理隐患的人容易出现共有的模式，例如他们经常在半夜上网，一分钟切十几个浏览页面。通过搜集网上的数据，与常见的行为数据库匹配，再根据其他观察的数据综合判断，就可以对学生心理问题进行早期的干预预防，当然前提是要严格保护学生的隐私。
新事物的发展前途是光明的，道路是曲折的。教育制度、教师的知识结构、教师习惯、教师观念的转变是漫长的、痛苦的过程。一个新的教育体系的构建，也必然会经历很多艰辛的过程。要使人工智能发挥作用，我们就要突破原有的制度，创造出新的范式、新的流程、新的结构、新的业务形态，来为我们未来的教育服务。
当前，我国已进入互联网经济高速发展的新时期，如何打通数据“鸿沟”，让蕴藏着巨大价值的海量数据真正产生和发挥作用，让数据“活”起来已成为当务之急。在人工智能、大数据、“互联网+”的时代，在《“十三五”国家信息化规划》的带领下，我们新的教育呼唤着新的业务流程、新的制度、新的业务形态、新的教育结构，只有突破传统的制度，我们才能创造出崭新的、适应未来发展的教学。
人工智能时代的教育变革
一、人工智能驱动智慧教育
当前，以人工智能为代表的技术创新进入到一个前所未有的活跃期。当人类社会迈进信息时代的新阶段——人工智能时代，这种工业化的教育体系已经无法满足未来社会对人才的需求，时展迫切需要一场教育变革。换句话说，教育不是由外而内传递知识，而是由内而外觉悟智慧。这就要求，我们必须打破整齐划一的传统教育形态，构建与人工智能时代相适应的智慧教育体系，利用智能技术对学习环境、学习内容、教学方式、管理模式进行系统化改造，为学生提供富有选择、更有个性、更加精准的智慧教育。
二、智慧教育的理念内涵
综合已有研究，我们认为，智慧教育是指以“人的智慧成长”为导向，运用人工智能技术促进学习环境、教学方式和教育管理的智慧转型，在普及化的学校教育中提供适切的学习机会，形成精准、个性、灵活的教育服务体系，最大限度地满足学生的成长需要。只有把“人”置于教育的最高关注，发掘人的潜能，唤醒人的价值，启发人的智慧，才能从容应对人工智能时代带来的挑战。智慧教育不仅是教育基础设施的信息化、智能化，而且是教育理念与教育方式的转型升级，从注重“物”的建设向满足“人”的多样化需求和服务转变。
智慧教育包括三个组成部分：一是相互融通的学习场景，利用智能技术打通物理空间与网络空间之间的壁垒，让万物互联，让世界互通，所有学生都可以在任何地方、任何时刻获取所需的任何信息；二是灵活多元的学习方式，注重学习的社会性、参与性和实践性，打破学科之间的界限，开展面向真实情境和丰富技术支持的深度学习；三是富有弹性的组织管理，破除效率至上的发展理念，释放学校的自主办学活力，利用人工智能提高教育治理的现代化水平，让学生站在教育的正中央。
虚拟和增强现实（VR/AR）技术在教学中的应用与前景展望
一、虚拟现实和增强现实技术的起源、概念和应用领域
（一）虚拟现实和增强现实技术的起源
虚拟现实（VirtualReality，简称VR）技术描述的就是我们现在熟悉的“虚拟现实”。增强现实（Augmented Reality，简称AR）是指在真实环境之上提供信息性和娱乐性的覆盖。
我国虚拟现实技术的研究起步于20 世纪90 年代初。随着计算机图形学、计算机系统工程等的高速发展，虚拟现实技术得到相当的重视。2016 年3 月17 日全国两会授权的《中华人民共和国国民经济和社会发展第十三个五年规划纲要》中指出：“大力推进先进半导体、机器人、增材制造、智能系统、新一代航空装备、空间技术综合服务系统、智能交通、精准医疗、高效储能与分布式能源系统、智能材料、高效节能环保、虚拟现实与互动影视等新兴前沿领域创新和产业化，形成一批新增长点。”
（二）虚拟现实和增强现实的概念、特征和应用领域
1. 虚拟现实技术
虚拟现实，是一种基于多媒体计算机技术、传感技术、仿真技术的沉浸式交互环境。具体地说，就是采用计算机技术生成逼真的视觉、听觉、触觉一体化的特定范围的虚拟环境，用户借助必要的设备以自然的方式与虚拟环境中的对象进行交互作用、相互影响，从而产生亲临等同真实环境的感受和体验。
虚拟现实具有特性，即沉浸性(Immersion)、交互性(Interaction)、构想性(Imagination)，是一个学科高度综合交叉的科学技术领域。虚拟现实与人工智能 (AI) 技术及其他相关领域技术结合，将会使其还具有智能(Intelligent) 和自我演进演化(Evolution) 特征。头戴式虚拟现实设备，即可观看虚拟现实视频介绍。
虚拟现实涉及门类众多的学科，整合了很多相关技术。虚拟现实是未来科技发展的方向之一，它可以从人的感觉系统上改变现有的空间感。虚拟现实现有的产业链大致可分为硬件设计开发、软件设计开发、资源设计开发和资源运营平台等几种类别。通过虚拟现实关键技术的突破以及“虚拟现实+”的带动，会产生大量行业和领域的虚拟现实应用系统，为网络与移动终端应用带来全新发展，将会推动许多行业实现升级换代式的发展。虚拟现实可以应用于国防军事、航空航天、智慧城市、装备制造、教育培训、医疗健康、商务消费、文化娱乐、公共安全、社交生活、休闲旅游、电视直播等领域中。
2. 增强现实技术
增强现实是在虚拟现实的基础上发展起来的一种新兴技术。增强现实技术基于计算机的显示与交互、网络的跟踪与定位等技术，将计算机形成的虚拟信息叠加到现实中的真实场景，以对现实世界进行补充，使人们在视觉、听觉、触觉等方面增强对现实世界的体验。
增强现实具有三大特点，即虚实结合、实时交互和三维配准。
增强现实具有三种呈现显示方式，按距离眼睛由近到远划分分别为头戴式（head-attached）、手持式（hand-held）、空间展示（spatial）。增强现实智能眼镜，扫描二维码可以观看Magic Leap 增强现实演示视频。
增强现实的应用领域非常广泛。如在教育领域增强现实可以为学生呈现全息图像、虚拟实验、虚拟环境等；在旅游业增强现实可以帮助游客自助游玩景区，以虚拟影像的形式为游客讲解景区概况、发展历史、人文景观等内容；在零售业中增强现实技术可以实现一键试穿，在网上销售中具有极大的应用空间。增强现实在工业、医疗、军事、市政、电视、游戏、展览等领域都表现出了良好的应用前景。
二、虚拟现实和增强现实技术在教学中的具体应用
虚拟现实和增强现实技术在教学中的应用潜力巨大、前景广阔，主要体现在运用虚拟现实和增强现实技术具有激发学习动机、创设学习情境、增强学习体验、感受心理沉浸、跨越时空界限、动感交互穿越和跨界知识融合等多方面的优势。虚拟现实和增强现实技术的应用，能够为教育工作者提供全新的教学工具，同时，能激发学生学习新知识的兴趣，让学生在动手体验中迸发出创新的火花。因此虚拟现实和增强现实技术应用于教育行业是教育技术发展的一个新的飞跃， 它营造了自主学习的环境，由传统的“以教促学”的学习方式演变为学生通过新型信息化环境和工具来获取知识和技能的新型学习方式，符合新一轮教学改革的教育理念，有助于学生核心素养的培养。虚拟现实和增强现实设备有多种，这里分别介绍各种设备在教学中的具体应用。
（一）头戴式虚拟现实和增强现实设备在教学中的应用
头戴式虚拟现实设备一般包含头戴式显示器、位置跟踪器、数据手套和其他设备等，分为移动虚拟现实头盔和分体式虚拟现实头盔。国外有脸谱、谷歌、微软、三星等公司的虚拟现实头盔产品，国内有微视酷、蚁视、暴风魔镜、中兴、乐视、华为、小米等100 多种虚拟现实头盔产品。结合国内外的研究报告以及目前虚拟现实教育实践情况，虚拟现实和增强现实技术在生物、物理、化学、工程技术、工艺加工、飞行驾驶、语言、历史、人文地理、文化习俗等教学中均可应用。
学生使用头戴式虚拟现实设备体验学习时具有置身真实情境的沉浸式感觉，能给学生以绝佳的真实体验， 使人如身临其境，让书本中的内容可触摸、可互动、可感知。例如地理学科讲述关于宇宙太空星际运行的课程时，在现实生活中学生无法遨游太空，如果戴上头戴式虚拟现实设备，就可以让学生从各个角度近距离观察行星、恒星和卫星的运行轨迹，观察每个星球的地表形状和内部结构，甚至能够降落在火星或月球上进行“实地” 考察、体验星际之旅等。虚拟现实头戴设备， 手机扫描二维码观可看虚拟现实效果视频。
（三）手持式虚拟现实与增强现实设备在教学中的应用
手持式增强现实设备多采用移动设备与APP 软件相结合的方式。APP 有视+AR、AR、4D 书城、幻视、视AR、尼奥照照等，另外有多种增强现实图书都有相配套的APP，如《机器人跑出来了》《实验跑出来了》《恐龙争霸赛来了》这套“科学跑出来”系列增强现实科普读物有iRobotAR、iScienceAR、恐龙争霸赛来了等多个APP，它们的原理都是采用手机摄像头获取现实世界影像，通过手机在现实世界上叠加虚拟形象的形式，实现增强现实的特殊显示效果。有的APP 中提供了丰富的教育资源，如安全教育、科普读物、识字卡片、益智游戏等，特别适合儿童教育。使用方法有两种：一种是手机APP 与相配套的纸质图书一起使用，用手机摄像头扫描图书上的图片，在手机屏幕上即可呈现出演示效果；另一种使用方法是运用APP 下载增强现实资源并与外界实景叠加即可呈现出演示效果。增强现实特效非常逼真，利用这些APP 进行学习，学习过程具有真实感、体验感、沉浸感，增强了学生学习知识的兴趣，可以达到寓教于乐的教学效果。
三、虚拟现实与增强现实技术在教学中应用的优势分析
（一）虚拟现实与增强现实技术为学生自主学习提供了有利条件
虚拟现实和增强现实教学资源存在形式多种多样， 根据采用的设备不同，可以将教学资源保存在网络运营平台、桌面式设备、移动设备和纸质图书里，学生可以在不同的地方采用不同的设备调用虚拟现实和增强现实教学资源进行随时随地的自主学习。如果学生在课堂上有些知识点未能掌握，可以重新学习一遍，增加对知识的巩固和理解，有时学生因为特殊原因未能在课堂上学习，也可以课后弥补，同时可以将虚拟现实和增强现实设备作为载体采用“翻转课堂”或“微课导学”教学模式组织教学，为学生提供自主学习条件，教师也可以从繁重的重复性讲解中解脱出来，有针对性地为学生答疑解惑，有助于传统教学方式的变革。
（二）虚拟现实与增强现实技术为学生提供更加真实的情景
在传统的教学课堂上，知识的传输主要通过文字、图片、声音、动画和视频的形式呈现。遇到比较复杂的情况，比如数学课的立体几何、地理课的天体运动、物理课的磁力线和电力线、化学课的微观粒子结构、生物课的细胞结构等，教师用语言很难把这些知识点表达得非常清晰，同时由于每个学生的理解力不同，教学效果也会因人而异，甚至初次学习这些知识的学生会得到“盲人摸象”般的感受。而采用虚拟现实和增强现实技术组织教学，三维立体效果的呈现可以弥补这样的缺憾，能够把知识立体化，把难以想象的东西直接以三维形式呈现出来，让学生直观感受到文字所表达不出来的知识，真实的情景可以帮助学生对知识的理解和记忆，使学生的想象变得更加丰富。
（三）虚拟现实和增强现实技术能提高学生的学习兴趣
由于虚拟现实和增强现实技术具有视觉、听觉和触觉一体化的感知效果，学生具有真实情境体验、跨越时空界限、动感交互穿越的感受，能身临其境般在书海里遨游，让书本中的内容可触摸、可互动、可感知。身临其境的感受和自然丰富的交互体验不仅极大地激发了学习者的学习动机，更给学习者提供了大量亲身观察、操作以及与他人合作学习的机会，促进了学生的认知加工过程及知识建构过程，有利于实现深层次理解。传统的学习方式让很多学生觉得枯燥乏味， 为了应付考试不得不去死记硬背，但很多知识学生考完之后很快会忘得一干二净，而采用虚拟现实和增强现实技术组织教学，新颖的学习方式和丰富多彩的学习内容能够极大地提升课堂教学的趣味性，生动形象的场景会加强学生的记忆，激发学生的学习兴趣。“兴趣是最好的老师”，兴趣也是学生学习新知识的不竭动力。
（四）虚拟现实和增强现实技术应用能促进优质资源均衡化
我国幅员辽阔，地区之间贫富差距较大，存在教学资源分配不均的情况。经济发达地区无论是软硬件配置， 教学师资和教学资源都非常丰富，而经济落后、地域偏远的山村学校学生连接受最基本的教育都难以实现。各级政府和教育主管部门都在大力推进教育均衡发展，加大教育投资力度，而虚拟现实和增强现实技术应用将是解决城乡教育资源不均衡问题的一把金钥匙，有利于缓解教育资源两极分化，扩大优质资源的分享范围，能让教育资源不再受限于地区和学校，让教育发达地区的名教师通过虚拟现实和增强现实课堂走进山村学校，能通过整体优化教育资源配置，来缩小城乡差距，实现教育公平，同时这也是教育扶贫的较佳途径。
四、虚拟现实和增强现实技术在教学应用中存在的问题
虽然虚拟现实和增强现实技术在教学中的应用可以改变传统的教学方式、提高学习兴趣、实现教育均衡发展，但虚拟现实和增强现实技术发展还处在初级应用阶段，在技术瓶颈、资源开发、教学内容和推广普及等方面还存在很多问题。
（一）虚拟现实设备应用中的眩晕问题
人们在使用虚拟现实设备时会出现眩晕感，从硬件结构来看，由于现在的科技还无法做到高度还原真实场景，许多用户使用配置达不到要求的虚拟现实产品时会产生眩晕感；虚拟现实界面中的视觉反差较大，实际运动与大脑运动不能够正常匹配，影响大脑对所呈现影像的分析和判断，从而产生眩晕感；虚拟现实设备的内容有相当一部分资源是从PC电脑版上移植过来的，UI 界面不能很好地匹配虚拟现实设备，不同的系统处理上也无法达到协调统一，画面感光线太强或太弱都不能让用户接受；虚拟现实设备帧间延迟跟不上人的运动，会有微小的延迟感，当感官与帧率不同步时也会让使用者产生眩晕感。
（二）虚拟现实和增强现实技术在教学中资源短缺
目前虚拟现实和增强现实产业刚起步，软硬件设施不完备，开发人员技术力量不足，很多学校未配备虚拟现实和增强现实设备；中小学校的很多教师还没有接触过虚拟现实和增强现实，不知道如何在教学中应用，更谈不上如何去开发虚拟现实和增强现实教学资源。因此，针对中小学教学所开发的虚拟现实资源很少，课程资源短缺是虚拟现实和增强现实在中小学推广的最大瓶颈。但随着虚拟现实和增强现实技术的迅猛发展，将虚拟现实和增强现实技术应用于教学势在必行，未来虚拟现实和增强现实技术在教学中的应用势必带来课堂教学方式的颠覆性改变。
（三）虚拟现实和增强现实教学平台和资源的设计重形式轻内容
当前很多虚拟现实教育平台都只是在一个3D 视频或虚拟现实软件游戏的基础上构成虚拟现实教学。虽然学生在虚拟世界玩得津津有味，课堂气氛很活跃，学生互动、交流和讨论很热烈，表面上看学生得到了沉浸式的体验感，但是有些虚拟现实教育平台所提供的知识点讲解还停留在现实世界中，课本内容的单调、枯燥并没有因软件的存在而得到缓解，知识要点的讲解没有变得更加生动、有趣和有针对性，这种只重视形式而不重视内容、教与学完全脱节的虚拟现实课堂只能称为“伪虚拟现实课堂”。
（四）虚拟现实和增强现实设备价格较高和技术条件限制导致普及困难
企业的前期研发成本较高、设备销售量较少，导致多数虚拟现实和增强现实设备销售价格居高不下， 很多学校因资金问题望而却步，无力购买售价高昂的虚拟现实和增强现实设备，进而导致虚拟现实和增强现实技术在学校的推广普及步履艰难。大多数虚拟现实软件普遍存在语言专业性较强、通用性较差和易用性差等问题。受硬件局限性的影响，虚拟现实软件开发花费巨大且效果有限。另外在新型传感应用、物理建模方法、高速图形图像处理、人工智能等领域，都有很多问题亟待解决。三维建模技术也需进一步完善，大数据与人工智能技术的融合处理等都有待进一步提升。以上诸多原因的存在制约了虚拟现实和增强现实技术在中小学教学中的推广和普及。
五、虚拟现实和增强现实技术在教学应用中的前景展望
虚拟现实和增强现实技术发展对未来教学形式的影响
随着科学技术的迅猛发展，在云计算、雾计算、物联网、“互联网+”、大数据、人工智能突飞猛进的新时代背景下，虚拟现实和增强现实技术与人工智能、大数据和物联网融合，将会让虚拟现实和增强现实技术应用如虎添翼。
麻省大学计算机系成立于1964年,其研究生教育也有超过40年的发展历史。由最初的3名教授发展到现在拥有43名教授,其中包括9名ACM计算机学会(Association for Computing Machinery)院士(Fellow)、4名电子和电气工程师协会(IEEE)院士、5名人工智能学会(AAAI)院士和2名美国科学促进协会(AAAS)院士。麻省大学计算机系在人工智能、网络与分布式系统、计算理论等多个领域的研究处于世界领先水平。作为美国知名的计算机系,麻省大学计算机系的教育理念是“培养下一代能以创新的方法解决真实世界问题的计算机科学家”(cs.umass.edu/grads/msphd-requirements)。在这个核心思想的指导下,该系非常注重对博士研究生的培养,为了达到培养学生具备进行原创性科学研究(Original Research)的能力的教育宗旨,该系制定了一套非常严格的课程计划,以培养学生坚实而广博的基础知识、良好的科学研究方法和思维习惯。麻省大学计算机系每年大约会收到1000份左右来自世界各国的优秀学生的申请,攻读其博士学位,而录取的人数一般保持在30名左右。完善和严格的博士研究生培养体系、开放而先进的教育理念,使麻省大学计算机系成为全美最具有竞争力的计算机院系之一。
麻省大学计算机系招收两种形式的博士研究生:硕士/博士连读研究生和直博研究生。只有在美国其他大学获得相应计算机硕士学位,并修完麻省大学计算机系认可的相关课程的学生,才有资格申请直接攻读博士学位;否则,学生在录取后必须经过硕士/博士的连续培养才能获得博士学位。
无论哪种形式,麻省大学计算机系博士生培养大体分为两个阶段:博士生资格学习阶段和博士生研究阶段。博士生资格学习阶段主要是对学生进行基础知识培养和基本研究能力训练。学生只有在通过博士资格考试论证,成为正式博士候选(PhD Candidate)人后,才能进入下一步的博士论文研究阶段学习。以下是麻省大学计算机系对硕士/博士研究生的培养要求:
(1)Actively participate in research under the guidance of an advisor(在导师的指导下,积极参与研究)
(2)Satisfy 6 Core Requirements (完成6门核心课程的要求)
(3)Complete 42 course credits (core courses taken to satisfy core requirements are included)(完成42个课程学分,其中包括核心课程的学分)
(4)Complete a 6-credit MS Project (完成6个学分的硕士研究项目)
(5)Graduate with an M.S. Degree(申请获得硕士学位)
(6)Pass the Department Qualifying Exam- Portfolio(通过博士资格考试)
(7)Form a Committee(成立答辩委员会)
(8)Propose a Thesis(提交博士开题报告)
(9)Complete 18 Dissertation Credits (完成18个学分博士论文)
(10)Pass the Teaching Assistant Requirement(完成助教的工作要求)
(11)Pass the Residency Requirement (at least 9 credits in back-to-back semesters) (完成连续两个学期修9个学分的要求)
(12)Defend and Submit a Thesis (博士答辩和提交博士论文)
本文将以麻省大学计算机系为例,探讨美国计算机专业博士研究生培养的一个重要环节――博士研究生课程教育体系的特点,以期为提高我国的计算机专业博士生教育提供借鉴。
2掌握牢固的理论知识是培养优秀博士生的基础
美国的计算机博士教育非常注重对学生基础理论知识的培养,为了使学生掌握牢固而广博的基础知识,麻省大学计算机系要求每个硕士/博士研究生必须修完6门博士核心课程,而且成绩必须达到B+以上。这些核心课程分别属于计算机科学的三大领域:理论(Theory)、系统(Systems)和人工智能(Artificial Intelligence),课程设置具体如下:
(1) 理论核心课:计算理论(Computation Theory)、高级算法(Advanced Algorithms)
(2) 系统核心课:有三组课程,分别是:
编译技术(Compiler Techniques)、现代计算机体系结构(Modern Computer Architecture)
数据库设计和实现(Database Design and Implementation)、高级计算机网络(Advanced Computer Networking)、操作系统(Operating Systems)
高级软件工程I(Advanced Software Engineering: Synthesis and Development)、高级软件工程II(Advanced Software Engineering: Analysis and Evaluation)、程序设计语言(Programming Languages)
(3) 人工智能核心课程:高级人工智能(Artificial Intelligence)、机器人学(Robotics)、信息检索(Information Retrieval)、不确定环境下的推理(Reasoning and Acting under Uncertainty)、增强型学习(Reinforcement Learning)、机器学习(Machine Learning: Pattern Classification)
根据不同的研究方向,学生可以在六门核心课程的选择上有所不同,但为了加强理论基础和掌握知识的广度,无论哪个研究方向的学生,都必须修完两门理论核心课程和一门高级人工智能课程,同时,再根据自己的研究方向选修其他三门核心课程。例如,一个系统方向的博士研究生除了修完以上两门理论和一门人工智能课程以外,还必须修完来自于系统方向不同组的三门系统方向的课程;而一个人工智能方向的博士生则必须修完另外两门人工智能方向的核心课程和一门系统方向的核心课程。
每门核心课程由教师讲授一学期,其中每星期2次课,每次2小时,3个学分。根据内容不同,每门课程一般要安排5～8次书面作业、1次期中考试和1次期末考试。其中,对系统方向的课程来说,每个章节完成后一般还有一次课程项目设计(Course Project),主要要求学生实现相应的算法和进行性能评价。由于核心课程要求高,课程学习内容多,导师和系里会建议学生每学期选学不超过一门的核心课程,所有6门核心课程则在三年内完成。如果成绩没有达到B+,麻省大学计算机系允许学生重修该核心课;但是,如果学生在规定的博士资格考试申请时间前没有通过全部的6门核心课,则不再具备继续攻读博士的资格。
严格的核心课程作业、考试制度和淘汰制度,不但使学生牢固掌握了计算机科学各领域的基础知识,培养了学生勤奋刻苦的专研精神,而且极大地丰富了学生的视野,为学生进入实际科学研究打下了坚实的基础。
3灵活而完善的博士生选修课程体系是培养创新型人才的重要途径
美国一流研究型大学博士生教育的目标是培养世界一流的科学家和拔尖创新型人才,为了实现这个目标,美国的博士生教育除了注重培养学生扎实和精深的基础知识外,还非常注重培养学生的创新思维和发现新问题的探索精神及能力。
如果核心课程体系的设置是培养优秀博士生的基础,是向学生传授学科领域的重要基本知识和原理与技术,是学生全面掌握计算机基本理论与方法的重要途径,那么,选修课的设置则是对学科基本知识的补充,是培养学生学习新的知识和了解并探索前沿研究方向,从而成为创新型人才的重要手段。
麻省大学计算机系的做法是,在博士研究阶段,除了要求学生完成18个学分(6门)的核心课程学习以外,还要求完成24个学分(8门)的非核心课程(或称为选修课)学习。这些选修课大多是关于本学科及相关专业前沿领域近3～5年的新研究方向、研究方法或新技术的相关内容的介绍,一般由教师在每学期开学前提出新的课程计划,学生则根据自己的研究兴趣和职业目标自由选课。通过课程的学习,学生能在最短的时间内了解本学科相关领域的最新研究现状,更重要的是,在课程的学习过程中,教授会将许多新出现的问题在课堂上和学生讨论,同时,通过2～3个课程项目培养学生独立(或合作)解决新问题的能力,以及教会学生各种探索问题的研究方法。
在教学模式上,可以采用由教授主讲的传统方式,也可以采用以讨论为主的方式。以教授为主讲的教学模式在此就不再赘述,以下着重描述以讨论为主的选修课教学模式。
以讨论为主的Seminar是美国计算机院系的教授最常用的选修课教学模式。Seminar的课程设置没有固定模式,但通常有以下几方面的特点。
第一,课程的选题一般是近年新出现的有代表性的前沿研究课题。
第二,课程内容的选择一般来自近年来该领域顶级国际会议的专题论文。
第三,课程内容的组织由教师完成。教师在确定题目后,一般会根据论文的情况将讨论的内容分为多个子专题,每个子问题由3～4篇论文组成。课程的开始一般是综述性的论文或在该领域出现的最早的学术论文,其目的是探讨该研究方向出现的新的应用背景需求和所带来的新的挑战。其后的每个子专题则将对具体问题和方法进行深入探讨。
第四,选课的学生人数一般在20～30人左右,而且通常是由学完了核心课程以后的高年级博士生组成。学生人数太少,论文的覆盖面可能太小;学生太多,可能导致讨论的深度不够。同时,只有学完了基本理论后,学生才有可能具备较深入分析问题的能力。在Seminar的学习讨论中,找到新的研究问题也是该课程设置的重要目的之一。
第五,课堂教学的模式基本上是教师和学生互动的教学方式。教师在第一节课引导学生对该领域的基本问题有了初步认识后,学生将对每篇论文进行评估(Review)、宣讲(Presentation)和进行课堂讨论。每篇论文的宣讲时间是25～30分钟,课堂讨论时间是10～15分钟。其中教师将引导学生对论文中所研究的问题和关键技术进行深入讨论,学生参与讨论的情况将作为课程考核的重要依据。
选择合适的题目并对教学讨论的内容(论文)进行筛选和组织对开课教师的要求非常高。为了准备一门新的Seminar课,教师一般需要预先通读该研究方向所有重要国际会议的相关论文,然后根据不同的研究问题对论文分类,并将其中有代表性的论文提炼出来,作为课程学习的论文。在课程项目的设置上,教师会事先准备一些题目,如对某些算法的实现、评估和改进,实现原形系统等,同时也非常鼓励学生在论文讨论的过程中有针对性地提出自己的见解和新的解决问题的方法。
4合理的课程学习安排是培养高质量博士生的有效保证
美国的博士教育是以博士生的最终质量为评判标准,而不是以年限来规定学生的毕业时间。在美国计算机专业,培养一个硕士/博士生一般需要至少5年时间。由于强调博士生专业知识学习的深度和广度,在整个博士学习阶段,博士生都会积极参与课程的学习,并尽可能地将研究项目中的问题和课程学习联系起来,用所学到的方法或思路来解决新问题。
以麻省大学计算机系为例,虽然学生的背景不同,但为了在保证质量的前提下帮助学生用最短的时间顺利完成博士课程要求和博士论文要求,系里建议学生按如表1所示的时间表安排整个博士阶段的学习计划。
麻省大学计算机系不但在本系有完善的研究生课程体系,学生可以根据自己的研究兴趣和职业规划来自由选课,而且也鼓励学生在其他相关院系选修本系没有开设但对研究有用的课,如数学系或电子工程系的高级课程。总之,美国博士教育的一个重要特点是强调基础知识的学习,鼓励学生以积极的态度参与到课程的学习中,同时训练学生在课程学习的过程中逐步学会发现问题和研究问题的方法。
5启示和建议
美国的博士教育强调坚实的基础理论知识、完善的知识体系和用于探索与创新的研究能力,而这些恰恰是决定博士毕业生日后发展潜力的关键。长期以来,我国计算机博士教育主要是通过参与科研项目的形式来对学生进行培养,这种“研究项目驱动型教育”在我国恢复研究生教育的初期起到了很好的推动作用,培养了大批科研人才。但随着教育本质的回归和创新型人才培养的需要,从总体来看,我国的这种单纯强调研究项目的教育模式培养的博士生,质量与国际先进水平相比还有一定的差距。由于没有严格的博士课程要求和淘汰制度,学生在学习阶段往往会忽略对基础知识的学习和对知识结构的完善。长此以往,必然会影响博士生的研究水平和发展潜力,最终将会影响国家的整体创新能力。
笔者建议,为了使学生掌握牢固的专业基础知识,同时培养学生在某一学科领域的研究兴趣和基本的研究能力,应该首先强调核心课程体系的建设,不论哪个方向的学生都必须通过一定数量的核心课程的学习,如算法、分布式操作系统、人工智能等,这些核心课程应由教师来讲授;同时,应严格课程的考核制度和课程评价体系。对于选修课,由于其主要目的是扩展学生的视野,培养学生分析问题和研究问题的能力,所以应借鉴国内外Seminar课程的成功经验,积极有效地激励教师和学生共同上好Seminar课。
过去我也一直被这个问题困扰着，不过最近发生的一件事情让我感觉或许真的到了质变的时候了。前些天，我们在四川举行一个为期两天的面向教师的游戏化教学培训项目，其中有一个环节是观课。以往都是由示范教师现场讲课，参训教师现场观课。但是这次因为示范教师有事不能参加，只能组织参训教师观看事先录制的视频课件。说实话，尽管MOOC、微课已经火遍了全世界，真到组织大家集体收看视频课件的时候，我们心里还是很忐忑的：教师们会接受这种形式的培训吗？让我们没想到的是，培训效果特别好。没有技术故障，没有口头错误，细节可以看得更清楚。老师们都在认真专心地学习。
当然，这次的视频课件是我们精心录制的高清课件。另外，考虑到观看视频课件可能存在的问题，我们将40多分钟的课件拆成了两段观看，并事先给老师们布置了问题，让大家带着问题去观看。这些措施确实提升了观看效果，不过这件事情还让我深切地感受到习惯是可以改变的。上课（至少有一些课）这个环节或许有一天真的可以用视频课件代替。其实不光视频课件，还有教材。因为人们的阅读习惯正在发生改变，学生带着电子书包去上学的那一天似乎正在临近。
0 引言
我们处于信息时代，衣食住行时刻与信息技术相关联，信息技术的发展水平从侧面反映了社会的发展进度。当前计算网络与大型数据库的广泛使用，给决策者和经营者带来了很大的压力，他们面对海量的数据而无从下手。因此智能信息处理应运而生，它能便捷快速地解决这一困境，推动社会信息化的发展。智能信息处理的最终目的是发明出能够集学习能力、理解能力和判断能力于一身的人工智能系统。其根本就是要基于部分算法来得到并提出信号中的有用信息，最终实现智能系统控制。智能信息处理技术几十年来经历了模拟数字，现在正向以“人工神经网络”为主，与模糊数学、遗传算法、小波分析、混沌理论相结合的方向发展。一些新思想、新理论、新算法、新器件也不断涌现。所有这些给未来信息科学的发展，描绘出了一副诱人的前景。
智能信息处理作为智能类专业的重要基础专业课程，为更深入地学习后续的智能类专业知识奠定了基础，同时，将所学知识融会贯通巧妙应运用于专业学习中，为日后科研打下坚实的基础，所以，如何进行教学改革，以达到培养高素质人才的目标，是我们需要认真研究的重要课题。
1 智能信息处理改革背景
智慧城市的建设基于云计算、人工智能、决策分析优化等信息技术，针对包括政务、民生、环境、公共安全、城市服务、工商活动在内的各种信息的需求，提供智能化响应和智能化决策支持的信息服务。因此，智慧城市建设的核心内容是智能信息处理。换种角度来看，将智慧注入城市之后，便有了智慧城市，若没有智能信息处理技术，传统的城市在面对海量数据时就远不能满足其主体要求，这便使得供求关系严重失衡。在这种供求矛盾激化的前提下，才使得智能信息处理技术的发展更加快速。
在智慧城市背景下的智能信息处理是在城市的建设过程中，借助互联网、物联网和智能化设备等高度发达的信息化手段，在其管辖的城市环境、公共服务、本地产业和全体公民的范围中，将城市的政治、经济、生活和文化等综合信息进行广泛地采集和动态的监控，通过充分地统计、互联和共享，将这些信息进行智慧地感知、分析、集成和应对，为城市运营和发展提供更好的决策支持和动态管控的能力，让城市管理变得更加智能，以尽可能最大化地去解放、利用和提升人自身的智慧，为城市居民提供一个更加健康、安全、和谐和幸福的生活环境。
“卓越工程师教育培养计划”是《国家中长期教育改革与发展规划纲要》的重要内容，由教育部发起，目的是为了向未来的工程领域培养高品质、类型丰富的工程师后备军。其要求是高等院校需要经过转换办学理念、调整人才培养目标的定位和转换人才培养模式等途径来培养面向工业领域、面向未来、面向世界的优秀工程技术人才，从而提升我国产业的国际竞争力。卓越计划为智能化信息处理的改革指明了道路，为高等工程教育培养提出了要求。高等工程教育要遵守以德为先、能力为重、全面发展的培养规律，增强为国家、为行业和企业主动奉献的意识，持续提高大学生的竞争能力、实践能力和创新能力，最终建设出布局合理、结构优化、类型多样、主动适应经济社会发展需要的高等工程教育体系，从而加快我国向工程教育强国迈进的步伐。针对目前的人才需要，智能信息处理教学改革势不可挡。
2 原有教学方式
智能信息处理是信息处理的一种方法，将不完全的信息改变为完全的信息，同时使其具有可靠性、精确性、一致性和确定性。智能信息处理学科于当前来说是相对前沿的，同时也是新观念、新思想、新理论、新技术不断出现并迅速壮大的新兴学科。智能信息技术是多个领域的综合，其中包含了人工智能、现代信号处理、人工神经网络、模糊理论等理论。基于对智能信息处理理论和方法的分析，原有的智能信息处理的教学安排如表1所示。
原有授课方法主要是讲授法，教师通过口头语言叙述向学生传授知识的同时培养其思考能力的教育方法，在以语言传递为主的教学方法中应用最广泛，是最基础的授课方法。这种授课方式使教学内容较为单一，教学质量不稳定，无法使学生对智能信息处理这种学科有更深刻的认识。
3 改革教学方式
3.1 以竞赛的方式开展
1998年中华人民共和国颁布的高等教育法中曾提出：“高等教育的任务是培养具有创新精神和实践能力的高级专门人才”。自1990年至今，一定数量的研究型高等院校开始借鉴国外成功的教学思路，实施本科生科研训练计划。2006年教育部面向全国重点大学和部分有较强行业背景和特色的地方大学，在国家层面上开始实施大学生创新性实验计划，引起许多地方高校的重视。
围绕“智能”和“智慧城市”参加与其相关的“和利时杯”电气控制应用设计大赛、“亚控杯”组态软件应用设计大赛、全国大学生西门子杯挑战赛等面向全国高校学生的赛事，可以优化学生的知识结构，培养学生科学实践和动手能力，增强创新和竞争意识，并且能够提高学生的整体素质。通过开展竞赛式教学模式，脱离枯燥的课堂，锻炼实际操作能力，让学生体验新颖的教学方式，能调动学生的积极性，培养学生团队合作意识和竞争意识。重要的是通过竞赛，学生能深切掌握书本的理论知识，切实掌握智能信息技术的关键。竞赛的教学方式符合国家和社会对人才的需求，能在诸多方面提高学生的综合素质，推动了“卓越工程师计划”的培养进程。
3.2 以建构主义开展
建构主义教学理论是一种源于欧美的新兴教学改革理论，国外教育专家曾对建构主义理论有过较为深入的探索。建构主义强调以学生为中心，教师只对学生的意义建构起帮助和促进作用，较传统教育来讲，这使教师和学生的地位有了较大的改变。所以，自建构主义提出至今，教育专家始终不放弃对其进行分析和研究，努力建立起一整套能够与建构主义教学相适应的方法体系和设计理论。可是整个过程非常艰难，需要非常长的时间才能完成，尽管如此，建构主义教学理论的基本思想和主要原则已经取得阶段性成果，已经成功地运用于Intemet和多媒体的建构主义学习环境中。以建构主义为基础，融合智慧城市的建设需求，更深入地理解智能信息处理在智慧城市中的作用和必要性，对整体提高学生对学科的认知和应用能力起到推动作用，十分契合“卓越工程师计划”对学生素质的要求。
由于个人的基础、水平、背景等方面的原因，每个学生对知识点的理解程度参差不齐，所以，为了让更多的学生理解和提高水平，教学中就不能以教师为中心，更不能“填鸭式”教学，而要结合智能信息处理教学，以学生为中心。面向全体学生，教师在教学时不仅要通俗易懂、深入浅出，还要注意知识的广度和深度，以便适应不同学生的需要。再结合智能信息处理教学中学生应建构起自己的知识结构，教师要善于启发、诱导，帮助学生丰富和调整自己的理解。
3.3 以智慧城市案例开展
案例教学法早在20世纪20年代就已被提出。它从出现至今始终具有强大的活力和影响力，所以一直被美国企业界、学术界、教育界等高度重视。采用智慧城市案例开展智能信息处理教学类似于医学院运用病例分析来辅助教学，都是应用大批实际情况和经历的介绍材料来训练学生。这样既达到锻炼大学生思维的目的，也显示了学校先进的教育方式，这是已经被证实的显著有效的教学方式。顾名思义，案例教学法就是结合案例，让学生以自己的认知来分析和理解案例，或与集体共同讨论、实践，最终培养和提高各自实际管理工作的能力或处理解决问题的能力。“卓越工程师计划”所培养的人才以工程师的身份为智慧城市设计智能产品，满足智慧城市建设需求的同时也对人才培养起到督促作用。
1科技档案管理工作在实践中遇到的问题
1．1归档记录不详细，档案管理系统不成熟
虽然归档方和相关负责人有完整的档案接收信息，但却没有对归档后的操作流程进行详细记录，相关问题的解决进度也无法详细记载。当新旧员工交接工作时，这些历史遗留问题会因各种特殊原因而得不到及时处理，拖延时间较久，会对后来接续工作的人员在处理相关问题时产生较大阻力。档案归档会涉及很多细致庞杂的工作内容，需要档案管理者花费大量精力对相关资料的信息进行处理。随着时间的不断累计，档案数量会变得非常庞大，需要记录的信息会越来越多，工作量也随之增大。当前的档案管理系统在功能设计方面还不够全面，设计理念也不够成熟，会对归档工作造成很大困扰，费时费力，使管理效率大幅降低。档案管理在处理特殊情况时，往往面对的都是庞大的信息量，在查找与核对不确定的信息时无异于大海捞针。因此，要根据实际情况，不断对档案管理系统进行完善和升级，使操作能够更人性化，信息收集和录入能够更加准确，帮助档案管理员能够快速完成档案管理工作。
1．2档案管理成本较高，工作环境较差
档案的归档、调取和管理等工作都需要消耗大量的人力、财力，还会占用大量的存储空间，落后的档案管理技术无法降低管理成本。实体档案数量多、体积大、质量重，在整理、搬运和入库的过程中会耗费大量人力，而且大量的档案堆积还会挤占档案管理人员原有的工作空间，会对管理人员的身心健康造成不利影响。落后的管理手段对物质资源的消耗是非常大的，既增加管理支出，又不绿色环保。
1．3归档方式杂乱，管控处罚机制不完善
在归档工作强制力度不够的情况下，经常出现归档不完整和顺序杂乱等现象，会在归档时耗费大量时间对资料进行整理和修改，要反复核对档案信息，致使归档效率低下，拖慢归档速度。文件与信息归档的意义在于提高对档案的利用率，减少不规范档案占用的空间。但在归档工作的高峰时间，容易积压过量档案，若不能及时进行归档，档案遗失和内容混淆等问题就会频繁出现。对于违反信息资料归档规定和要求的单位，档案管理部门没有对其进行处罚，这对档案信息的完整保留和有效利用都埋下了隐患。
1．4无法修正档案中的错误信息，管理方式较为落后
在档案管理工作中，没有将先进的科学工具与理念应用到人才培养过程当中，管理方式较为落后。如果电子信息和实体档案中出现错误，无法及时对其进行校正。发生错误是在所难免的，要用严谨的态度和先进的技术手段将归档记录中的错误率降到最低。记录是老员工最常采用的管理方法，老员工仅通过自己多年的工作经验来进行档案管理工作，不及时更新管理理念，安于现状，无法起到传帮带的作用，这会对新人造成巨大压力，对科技档案的建立和发展毫无帮助。
2提高科技档案管理效率的有效方法
2．1建立完善的档案管理体系，接受先进的管理理念
档案管理部门要建立先进的档案管理体系，制定完善的规章制度和详细明确的政策条例，要对档案管理中存在的问题提出有针对性的解决方法。领导层要全面了解对档案管理工作的实际情况，要和管理人员工共同努力，迎难而上。档案管理人员要保持对新事物的敏感，及时接受先进的管理技术和理念，时刻保持与时代共同前行的意识，要正确认识科技档案管理工作的价值和意义。科技档案管理工作离不开好的政策引导和系统化的动态建设规划，要从强化归档制度入手，对违反规定的部门和相关负责人进行严厉处罚，责任要落实到个人，提高档案管理人员的重视程度。
2．2完善归档信息，做好流程记录
要保证归档信息、数据分类和流程记录的完整性，明确各环节和相关部门的负责人。良好的流程记录不仅可以为档案查询和利用提供便利条件，还能提高归档效率和工作质量。
2．3引进人工智能化辅助技术，减轻人力劳动负担
第一，结合档案管理工作的实际发展需求，积极吸纳前沿领域的新技术，构建全新的档案管理理念，开拓创新思维，可以引进人工智能化辅助技术，建立数据信息库，提高档案工作的自动化程度，在完善工作机制的同时，减轻人力劳动负担，节约劳动成本。第二，提高归档流程的电子化比例，实名制登录，利用互联网技术进行传输归档，人工智能的档案管理流程会对各环节进行详细记录，并自动提示相关管理人员，使工作内容更加清晰明了。第三，人工智能不仅能避免因集中归档造成的人力负担和材料积压等问题，还能减轻档案管理部门的工作压力，使归档工作变得更加科学化、便利化。第四，归档地点将不再受办公地点的限制，通过互联网登录平台即可上传资料进行归档，提高了归档速度，使归档流程变得井然有序，减少对人力的依赖程度。
2．4加强对档案人才的培养力度，重视学科发展趋势
在档案管理工作中不断总结经验和教训，将理论与实践相结合，关注档案管理专业的发展趋势，及时更新学科内容，调整学科架构，建立更科学的教育体系，提升档案管理人才的业务能力和创新意识。
3结语
目前，科技档案的应用在各企事业单位的档案管理部门已经十分普便，为档案信息的系统化、科学化运行提供了巨大帮助，是当下主要的档案管理手段。智能化是未来档案管理主要的发展方向，提高科技档案管理的智能化水平是保证档案管理工作质量的重要前提，对今后档案学的发展具有重要意义。
参考文献:
［1］王冬梅．浅谈事业单位档案管理的现状及对策研究［J］．科技视界，2014，(03):103－104．
