前言：中文期刊網精心挑選了人工智能教育的應用場景范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能教育的應用場景范文1
關鍵詞:智能科學與技術;發展;應用;高中教學場景
一、緒論
科學技術的發展幫助人類經歷了農耕社會、工業社會、信息社會，逐漸步入到當前可初步以“智能”定義的新階段?！爸悄芸茖W”正以一種全新的方式改變著我們的生活。從AlphaGo取得人機大戰的壓倒性勝利，到無人駕駛技術的火爆，以及智能音箱的入戶、語音識別人臉識別在眾多公共場景的應用。無疑，人們已開始轉向基于數據、信息和科學技術的智能工具，智能科學與技術的發展與廣泛應用必將成為智能時展的基礎與風向標。
二、智能科學與技術的概念
智能科學與技術是進入21世紀后得益于計算機技術成熟與飛速發展應運而生的全新研究領域。其綜合了信息論、計算機科學、自動化技術以及腦科學、生物智能等在內的多學科領域，借助日益發達的計算機、信息處理等技術，從而實現模擬人類思維和認知的活動，并最終在計算能力、感性認知等方面改進并代替人的能力。智能科學與技術，一方面在于研究和發現機器智能的本質和規律;另一方面，則強調通過技術升級實現對智能科學理論的應用。不難看到，智能科學與技術與信息技術、納米技術、生物基因工程等尖端科技聯系密切，并呈現引領趨勢。新一輪科技革命和產業變革，都是在智能科學的基礎下啟動的。國家科委主任宋健就曾明確指出:“人智能則國智，科技強則國強。”總之，智能科學與技術就是讓機器實現智能化，代替更多只有人類才能完成的復雜工作，從而極大提高社會生產效率。［1］
三、智能科學與技術發展現狀及應用
(一)智能科學與技術發展
智能科學與技術的發展最早可追溯至上世紀三四十年代，圖靈等計算機科學家提出的關于計算本質的思想及人工智能。此后，智能科學發展陸續經歷了1956年達特茅斯會議(第一次人工智能研討會);1969年第一次人工能聯合會議;至二十世紀末期的AI知識的實踐應用等逐漸發展壯大的歷史進程，最終進入當前的飛速發展時期。時下，智能科學與技術已經發展成為了一門多學科門類的交叉滲透的新型研究領域廣泛涉及哲學、理學、計算機科學、生物學、醫學、自然科學等多學科門類下的眾多專業。
(二)智能科學與技術在目前社會中的應用
隨著智能科學與技術不斷成熟與發展，其應用已廣泛在我們身邊開花結果:無人駕駛汽車已經完成上路試驗;CBD(計算機輔助診斷)、指紋和虹膜識別技術等已經在各類智能產品尤其是智能手機上得到廣泛的使用;一些大數據智能算法與決策系統在日常網絡瀏覽智能推薦中已經屢見不鮮?；谌四樧R別和大數據分析等的智慧城市安全網絡的建設方面我國也已經走在前列。同時在醫療領域、醫院系統中，智能科學也有了極大的發展。這些智能的應用不僅便利了我們的生活，還大大提高了安全保障和醫療手段。當前，智能科學與技術的發展中已經逐漸衍生出基于大數據的系統控制與決策、智能檢測技術與儀器、智慧農業、機器人與智能系統、電力電子與運動控制、智能交通、無人系統與自主控制、智能電網與智能制造、智慧教育、工業控制系統信息安全、智慧醫療與健康工程、人工智能與機器學習、系統生物信息技術、計算感知與模式識別、智慧城市與物聯網、流程工業智能化等諸多具體可實施的研究發展領域。［3］
四、智能科學與技術在學校教學場景中的應用構想
當前，很多學校教學過程中已經引入了一些智能化設備，計算機、信息設備在很多日常教學中已不少見。如觸屏智能黑板、校園一卡通、智能簽到系統等都在高中教學場景中有著較為廣泛的應用。但是我認為智能科學與技術在高中教學場景中的應用仍只是停留在技術層面，還未達到對智能教育以及學生智能科學理解學習的促進作用，遠不能滿足使我國2030年成為全球智能創新中心和機器人最大的制造市場［4］的迫切需要。智能教育的開展離不開手段與技術的智能化，但現在很多學校中應用的智能化設備，其重點還是在對教育過程起到支撐作用的工具進行智能化、提升其適配性，本質上是對教育環境的優化。這樣的應用場景只是停留在智能技術的硬件層面，而未曾真正應用智能科學的理念來解決問題。在現有的技術支持下，可以通過軟硬件相結合的方式，深度定制，將智能科學與技術廣泛應用于基于學習交互數據的分析、個性化學習方案、基于大數據智能教育平臺、立體化綜合教學場所等組合而成的智能校園。真正實現通過智能科學的理論基礎完整學科交互，培養信息意識、掌握信息技能、形成信息能力和運用信息方法，營造更真實的學習氛圍。
人工智能教育的應用場景范文2
在大數據的“滋養”下，AI在越來越多的領域更懂人，讓擁有深度學習能力、不斷進化的AI幫助人類探索學習規律、開拓認知潛能，已成為人不被機器淘汰的必要之舉，根據教育部的規定，2018年秋季開學后，高中生們將要開設一門新課程：《人工智能》。
互聯網教育尤其是線上K12培優項目一直是投資熱門，直播1對1模式風口過后，教育圈內最火的應該是AI項目了。據億歐智庫的報告顯示，2017年人工智能教育融資額度達42.17億元，其中超80%屬于早期投資項目，這個賽道有望誕生多個獨角獸公司。
筆者發現，當前布局人工智能的在線教育大體分為三派：
教學或題庫測評類工具產品，比如作業盒子等；
培訓機構應用AI技術，比如好未來等；
人工智能教育引擎及平臺提供商，比如高木學習等。
現在擺在AI教育創投從業者面前的問題是：到底以技術實力論英雄的AI教育的泡沫有多大？真金不怕火煉的AI教育項目的核心能力在哪里？如何才能落地？ 本文試做解讀。
一、為什么“自適應”其實并非真正的AI？一位投資人朋友曾向我這樣說道：“既懂互聯網行業又完全懂本行業的業務的管理型人才不超過十個，這是在‘互聯網+’雙創浪潮中每個垂直行業頭部項目就幾家能玩轉的原因。”而認知和技術門檻更高的“AI+”情況恐怕會更加不妙，甚至很多人把“自適應”與“AI教育”劃等號。
自適應學習（Adaptive Learning）的鼻祖是美國的Knewton公司，它通過評估不同學生對知識材料掌握度進行個性化推薦，有點類似于今日頭條的興趣引擎。 Knewton在國內的門徒眾多，目前大概有40多家項目宣布發力做“自適應”，比如“乂學教育”（學練測自適應）、“學吧課堂”（題庫自適應）、“英語 流利說”（英語口語糾正）、“一起作業”（家長、老師在線監控）等等。
嘉御基金創始人衛哲說過，“90%的人工智能項目都是偽AI”，鑒別的依據是看項目“算法速度”，如果是代數級而不是幾何級計算那就不是“真AI”，以此來考驗自適應項目，得到的結論未免讓人失望。
初級的自適應項目是人工預設指令或編程規則推薦，高級的自適應是基于知識圖譜推薦，即使是高級的自適應項目由于沒有按照既定的教學大綱和教學目標有 邏輯地展開，在具體知識學習之中并不系統。關鍵是很多自適應項目采集的是各科最優秀特級教師的能力，導致其算法本身是線性的、模擬人學習而已。
自適應的技術原理就好比AlphaGo是應用了人類最優秀圍棋大師的能力而非是完全迥異機器深度學習和自演化模型；自動駕駛AI應用了某個人類零誤 差老司機的感知能力而非是基于全網海量交通大數據做運算和決策；人工智能醫生是應用了看X片最快最準的醫生的經驗而非是海量數據庫訓練；顯然按這樣的路徑 訓練出的機器并非是真正的AI。
“真正擁有充分教學大數據及算法速度的‘AI教師’是能輕松超越擁有30年教齡特級教師的，并且可以突破人類的知識局限，對算法模型進行自動演化，找到人類從未嘗試過的策略?！备吣緦W習創始人劉瞻這樣描述AI教師。
劉瞻是帝國理工學院科班出身，早在2015年開啟AI教育創業，他認為判斷真偽AI教育項目具體有三個考察維度：
（1）自適應是基于模擬優秀老師的知識圖譜推薦知識，而真正的AI教育機器人則是泡在“教學實踐大數據”中做深度學習。
（2）自適應主要用作知識盲點的統計，但無法分析出知識體系之間的本質聯系，用AI更重要的任務是找到行為背后的原因，比如某學生表面上二次函數是 薄弱環節，既有可能是其對二次函數的各細分知識點掌握不牢，也有可能是前置知識點一次函數、函數的思想理解不透徹，還有可能是方程求解的問題；甚至有可能 是抽象思維或計算能力的問題，AI會根據該學生數據和“知識路徑矩陣”，找到問題背后的原因從而匹配出最優學習路徑。
（3）人類教師的情感因素能左右學生的學習效果，AI教師也應綜合考慮學生的自信心與成就感的培育與激發，從而確保學生學習過程“知”、“情”、“意”的一體化。
二、AI教育的核心：幫助每個學生找到“元認知能力”AI教育并不會改變“老師-學生”的二元結構，甚至人工智能教育還要在師生兩端徹底解決互聯網教育未完成的兩大難題：
如何幫助學生找到學習方法、提升學習效率？在中國一個普通中學生80%的學習時間是低效的。
如何幫助老師對學生更高效的“因材施教”？目前在我國師資資源依然整體短缺并且分布不均，1對1培優成本高、小班普及率低等問題依然突出。
AI教育的優勢在于通過數據化形式分析學生自己都不清楚的“癥結”，即所謂的“懂我更懂教好我”，同時AI還能幫助老師實現教學效果的穩定化和可控化。AI在充分收集和處理教與學兩端的大數據后，還得在具體教學場景之中個性化建模，最終實現“讓學生更會學，讓老師更會教”，這是人工智能教育的目的。
陶行知先生說過，“教是為了不教”，教育本質不是灌輸知識，而是要啟發學生思考并讓學生掌握自主學習的能力。目前很多偽AI學習神器只能“授人以 魚”但并不能“授人以漁”，我國基礎教育歷來缺乏方法論課程，只有極少數有天賦的學生能自主制定適合自己的學習方案，而絕大多數天資處于平均線的學生在混 沌中摸索。如果從AI的視角來看，所謂“天賦”不過是少數幸運兒自覺不自覺的分享了“元認知能力”。
當人主動設定學習計劃、自我反饋、動態調整學習策略時，就接近了“元認知”，在大數據時代，這種元認知能力是能被定量化分析的，AI 教育可以為學習者提供關于反復激活元認知能力的“訓練法”。根據劉瞻的解讀，AI教育的“訓練法”就好比給蹣跚學步的嬰兒安上矯正走姿的“學步車”，具體 應用什么樣“訓練模型”則是由AI根據大數據進行場景化定制的，有可能是通向學習目標所需要的“云梯”，有可能是“舟楫”，或者是“拐杖”等等，這些模型 能不斷調取和強化人的“元認知能力”。
盡管市面上90%項目都是著眼于知識點和解題訓練的自適應，真正AI教育項目比如高木學習的AI不僅包含自適應的知識圖譜大數據，而且還能不斷從學 生的行為數據中演化“知識路徑矩陣”即AI可根據學生對知識和能力體系的理解定制出個性化學習路徑。與此同時，AI讓學生在對知識的理解與記憶過程中不僅 訓練知識掌握度，還不自覺地訓練了元認知能力，這套“個性化學習引擎”其實是在培養學生“忘掉所有知識后”剩下的元認知能力，具有普適化的特點。
實際上，AI教育并不需要局限在某一學習階段、某一學科的知識體系，完全可以打造一個跨學科、跨門類、跨階段使用的“通用知識學習引擎”，也就是說，除了應用在K12領域外，AI教育還可以應用在高等教育階段，甚至在輔導大學生時比中小學生會更為輕松，無須綜合考慮學生的學習動力因素等。
反過來講，如果市面上的人工智能教育項目只能用于某一單科或只能教K12，就不是基于大數據獲取和智能化引擎的“全才”和“通才”，基本可視為基于特定領域專家總結的經驗規則的“偽AI”。
三、為什么AI教育項目落地，to B模式比to C模式更容易跑通？當前AI教育項目的商業化進程走向大體分為兩大派：
一派是自建場景的顛覆派，試圖開發新的測試軟件以抓取學生的數據，甚至引入一些把AR（增強現實）、MR（混合現實）等黑科技，其目標是以“AI教師”完全取代真人老師教學，屬于“人機對抗”模式，較為典型的是乂學教育的松鼠AI。
另一派是升級現行教育體系、不另創場景的改良派，屬于“人機共教”模式，較為典型的是高木學習的AI Tutor。
一般走人機對抗模式最終走的是to C模式；而“人機共教”走的是to B模式。鑒于我國當前AI教育的應用場景主要為教學機構包括全日制學校與培訓機構，而非一個個分散的學生；只有讓AI去輔助老師備課、上課，嵌入到學生作 業和訓練，幫助學生提分和學校提升升學率，才能幫助AI更快落地并且找到盈利模式。
從“全日制學校”應用AI的實踐上看， AI能讓老師“心中有數（據）”，提升教學的針對性，AI教師實際上相當于真人老師的“智能助教”，可以減輕老師50%的工作負荷量，比如AI幫老師批改 作業，把數據分析的可視化呈現出來幫助老師定制教研方案。因此，在市場推廣過程中，AI教育項目不需要擔心基層老師的接受阻力，能讓老師擺脫“汗水老師” 的局面也是基礎教育機構所希望看到的。
由于全日制學校獲取的大數據比培訓機構更加海量、持續、高頻，因此高木學習更看重AI在全國全日制學校場景中的數據價值，積極在全國推行城市合伙人制度，并計劃與地方教育主管部門合作推出全國教師AI應用能力培訓公益活動。
To B模式中另一大企業客戶就是體制外的培訓機構，他們所面對的學生付費意愿強、購買力相對旺盛，是AI教育項目獲得穩健現金流的必爭之地，那么當前培訓機構應用AI教育項目開展“人工智能雙師班”的效果如何呢？
首先，AI教練能保持教學效果穩定化輸出，解決原本老師教學效果不確定的弊端。
其次，AI 提升了老師的工作效率，突破了培訓機構因為名師稀缺且流動性大限制培訓機構的規?；l展的瓶頸。
再次，比如高木學習的AI幫助學生發掘了“元認知能力”增強學習信心、提分效果明顯，幫助合作培訓機構提升了續費率，為招生帶來便捷。
人工智能教育的應用場景范文3
強大的技術背景加上先發優勢，云知聲自成立起就備受關注，目前已累積融資近億美元，去年已實現營收數千萬元人民幣。創業四年，云知聲進行了哪些探索？在人工智能越來越火爆的今天，語音識別這一領域究竟有多大的想象力？
被Siri攪動的寂寞江湖
要了解云知聲的故事，先要從語音識別二十年來的發展歷程講起。在很長的一段時間里，語音識別都是一個寂寞的領域，人們認為那是只存在于實驗室的高精尖技術，與現實生活聯系不多。
這個行業也曾在上世紀90年代末期迎來短暫的繁榮：
1997年，藍色巨人IBM推出可安裝在PC機上的語音識別軟件via voice；
同年，美國公司Nuance了連續聽寫產品Dragon NaturallySpeaking，奠定了Nuance公司在此領域的巨頭地位；
2000年前后，摩托羅拉等知名手機廠商了帶有語音撥號功能的高端機。
然而，語音識別技術一直作為一個附加功能出現，應用場景和應用領域都非常有限，產業化更是遙遙無期。
2008年前后，云技術和大數據的出現攪動了沉寂許久的語音識別江湖。云的存在，使得技術人員可以用幾乎無限的計算資源，從而服務器端可以用很大的集群、最牛的算法、最復雜的手段來把性能提上去。當數據不斷地訓練引擎的時候，系統可以被訓練得很好。“以前做語音識別產品，每個語言版本的容量只有100個小時，而現在我們云知聲的平臺上每天的日調用量在1.5億～2億次，這在過去是不可想象的?！崩钕龊f道。
2007年，蘋果推出siri，識別率可以達到99%。技術的提高使語音識別的功能迅速普及，谷歌當時做了一個統計，有25%的用戶習慣用語音功能進行搜索，在中國，這個數字是10%。
技術的突破使得識別率大大提高，而智能手機的興起又催生出更多的需求場景。無論從需求端還是技術端來看，都為語音識別的爆發做好了準備。置身語音識別領域多年，云知聲創始人們都敏銳地察覺到，語音識別的時代來了。2012年6月29日，云知聲科技公司正式成立。他們并沒有一個龐大的商業計劃，盈利方式也并不清晰，只是堅信自己的兩點判斷：
第一，語音是未來人機交互的基礎，在互聯網領域、移動互聯網領域，以及此后的物聯網領域至關重要。
第二，“云”技術會產生巨大的價值。因此他們沒有像以前的語音公司那樣先做語音技術，而是從一開始就致力于語音云的研發。
2012年10月，云知聲拿到了千萬元的天使輪融資。
公司成立前兩年，一直以技術研發為主。他們選擇從語音交互和云入手，并在2012年9月，推出了語音公共云，這是第一家永久免費的語音云。
同年11月，云知聲與搜狗語音助手合作，這一項目為云知聲的公共云帶來了巨大的用戶量，技術團隊基于這些數據進行迭代，很快使語音云識別的性能有了一個巨大的飛躍。
不斷探索，確定四個垂直領域
云知聲成立之初，市場上做語音識別的創業公司并不多，基于云端的語音識別只有科大訊飛和云知聲兩家，是明顯的賣方市場。對于云知聲來說，這卻是一個喜憂參半的事情，他們可以在市場上爭取到不錯的議價權，同時也要面對一個困惑：面對來自各行各業的需求方，他們分不清哪些需求是剛需，哪些是偽需求。公司成立前兩年，云知聲開始不斷探索和嘗試。
字幕轉寫、手機App應用、輸入法應用、智能電視應用、車載、音箱、手表……他們幾乎嘗試了可以接觸到的每一個行業。經過一段時間的摸索，最終確定了四個適合語音識別技術的垂直領域：
第一，教育市場。最典型的應用場景是口語評測，未來的口語考試中，或許為你打分的是一個人工智能機器人。
第二，車載后裝市場。從公司成立之初，云知聲一直看好車載市場，并堅持認為安卓系統將是更大的市場。2014年，安卓系統在車載后裝市場的占有率約為5%，云知聲開發了“車載Siri”。到今年，安卓設備比例已經達到了90%。
第三，醫療市場。這一領域在國外已經有成熟的業務模式及產品。語音江湖老大Nuance有接近一半的收入來自醫療產業。語音識別技術可以幫助醫生做病歷錄入，大大節省了人力。今年，云知聲與協和醫院展開合作，協和成為國內第一家全院語音識別病歷的醫院。
第四，智能家居。家電智能化已成必然趨勢，超級電視，空調等的智能化改造都需要語音識別技術。在這一領域，云知聲第一個落地的項目是華帝油煙機，用戶在做飯時，不需要騰出雙手，可以用語音對油煙機進行操控。這一項目的難點在于如何降噪，云知聲使用了降噪芯片加上特有的語音算法，完美地解決了這個問題。
云、端、芯產品體系
2014年，云知聲提出AI芯、AIUI（智能交互）、AIService（智能云服務）的概念。云、端、芯三者結合，打造成為一個完整的產業閉環。
第一個層次是芯片側，叫作AI芯。李霄寒解釋道：“今后人們的生活中，芯片將無處不在，包括燈、插座等很多東西都是自帶芯片，可以聯網的。而每個家電廠商的平臺、操作系統、硬件的核都是不一樣的。我們現在做一個AI芯，直接把芯片嵌進去，通過芯片來將我們的技術應用在服務中。
李霄寒所說的AI芯片，可以理解為一個硬件Siri，它像一個翻譯，把人們的指令傳達給硬件。假設我們對空調發出“氣溫調到26度”的指令，AI芯就會給空調發指令。如今，云知聲已經與一線芯片廠商高通等達成合作。
第二層次是軟件側，叫作AIUI，這是指一整套的交互、對話、SDK邏輯。
第三個層次是端口，叫作AIService。語音識別是把語音變成了文字本身，把人們說的話變成了打印體。人工智能還要根據數據場景分析真實的意思，即語用計算。談到這里，李霄寒舉了一個生動的例子：比如“我的信用卡被貓吃了”這句話，如果語境是移動營業廳，營業員會告訴你換張卡；如果語境是寵物店，寵物醫生會告訴你如何讓貓把卡吐出來。根據不同的數據場景，人工智能會分析出話語不同的含義。
AI芯、AIUI和AIService三大解決方案構成了一個完整的生態閉環。
強大的技術背景加上先發優勢，云知聲自成立起就是資本追逐的寵兒。2013年，他們完成了億元級A輪融資，2014年12月啟動了5000萬美元B輪融資，不到一個月后又啟動了B+輪數千萬美元的融 資。
目前云知聲的合作伙伴超過兩萬家，其中不乏樂視 TV、小米、聯想、華為等一線企業。據悉，云知聲去年已實現營收數千萬人民幣，而繼續融資是想要在物聯網布更大的局。
人工智能教育的應用場景范文4
抱怨的背后正體現出中國人工智能厚積薄發，取得了一定成就，尤其是在應用層的發展達到了與美國相近的水平。如在移動支付方面，目前中國的移動支付普及率為77%，位居全球第一，在大量應用的背后，從刷臉支付到算法優化，人工智能扮演著關鍵作用。美國人免不了喝上一壺老陳醋。
事實真的如此嗎？
我們在做《中美兩國人工智能產業發展全面解讀》報告時發現：中國人工智能企業數量、人才數量都僅為美國的一半；美國布局全面，而中國無論是企業還是人才，在產業基礎層、技術層、應用層，分布不均，僅應用層略有積累。
施密特之抱怨，終究無法掩蓋中美兩國巨大的產業落差。
與其關注誰威脅誰，不如把心思放在技術創新上。這才是每一個AI企業都應該時時刻刻思考的問題，也是一個科技企業的本分。
不過，現在產業界也不夠冷靜。甚至于出現了一些讓人擔憂的跡象。回顧2017人工智能領域已經出現了三大突破，算法、政策、資金，均創里程碑，業界歡呼鼓舞，這種情形像極了1999年底網絡泡沫泛濫的情形。
展望2018，偌大一個人工智能，優秀項目不夠、頂尖人才不足、場景落地缺失，三大難題橫亙眼前，又將如何破解？
2017年的三大突破
1、算法的突破
要說在2017年把人工智能引入輿論的，就不得不提圍棋人機大戰。來自谷歌旗下的AlphaGo以3：0擊敗了世界排名第一的柯潔，隨后AlphaGo Zero又取得超過AlphaGo的實力，贏得了100場比賽的全勝，并在40天內超過了所有舊版本。
AlphaGo的前幾代版本，主要采用深度學習算法，一開始用上千盤人類棋譜進行訓練。
AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始，采用的是強化學習。該系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝利者。
強化學習其實也是機器學習的一個分支，強化學習是一種標記延遲的監督學習。它講究在一系列的情景之下，通過多步恰當的決策來達到一個目標，是一種序列多步決策的問題。
AlphaGo Zero的成果提示，AI并非只有深度學習，強化學習也很值得研究。
在過去的三十年，深度學習運動一度被認為是學術界的一個異類，Geoff Hinton和他同事的努力，使得深度學習成為主流，應用于語音識別、圖像標簽以及其他無數在線工具的用戶體驗。
有趣的是，臨近年底，深度學習之父Hinton新論文Capsule，斷然宣稱要放棄反向傳播和深度學習理論，欲自廢三十年功力再練一套新AI“功夫”。圈里圈外頓時蒙圈。
自我顛覆或醞釀著AI的另一次飛躍。李飛飛對此大為贊賞，發推特稱：沒有工具是永恒的，即使是反向傳播和深度學習。重要的是基礎研究繼續推進。
2、政策的突破
2017頂層設計已經明確昭示產業發展方向，可以預期，2018年后各地將掀起新一輪的發展。
為搶抓人工智能發展的重大戰略機遇，構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國，2017年7月，國務院印發的《新一代人工智能發展規劃》，提出三步走計劃，到2030年人工智能理論、技術與應用總體達到世界領先水平。
《規劃》旨在大力發展五大人工智能2.0技術(包括深度學習、跨界融合、人機協同、群智開放和自主操控)，用以解決技術、產業、社會和國防四大領域的問題。值得一提的是，規劃中還提到了讓中小學開設人工智能和編程課程，人工智能教育從娃娃抓起，一時間風頭無兩，蓋過規劃。
繼《規劃》后，11月15日，科技部在北京召開新一代人工智能發展規劃暨重大科技項目啟動會，宣布依托百度、阿里、騰訊和科大訊飛四家公司，成立人工智能四大平臺，標志著新一代人工智能發展規劃和重大科技項目進入全面啟動實施階段。
作為創業者和企業家，2018年發展什么樣的人工智能技術和產品、怎樣發展人工智能技術和產品？翻開《規劃》，尤其是關于“培育高端高效的智能經濟”的內容，一定可以找到一些思路：“大力發展人工智能新興產業，將技術轉換成應用，實現在智能軟硬件、智能機器人、智能運載工具(車、船、飛機、火箭等)、VR/AR、智能終端和物聯網基礎器件的創新；加快推進產業智能化升級，促進傳統企業的改造，讓制造、農業、物流、金融、商務和家居等各領域都實現人工智能規模化應用；大力發展智能企業，推動企業智能升級，推廣應用智能工場；打造人工智能創新高地，鼓勵打造建設以人才、企業、生產要素為中心的產業群、產業園。”
3、AI投融資突破
一改前兩年的低調，2017年的資本，高調的聚集到屈指可數的較成規模的AI創業項目中。
7月11日，4.1億美元！商湯科技刷新AI領域單輪融資紀錄！
10月31日，4.6億美元！曠視科技獲4.6億美元C輪融資，再次刷新了融資記錄！
2017年，一系列眼花繚亂的融資事件陸續爆發。
2017年中國AI領域投融資創出歷史新高，一年內總投融資達582億元。
在投資熱門領域方面，VC對計算機視覺與圖像、自然語言處理和智能機器人的關注持續全年，其趨勢基本符合騰訊研究院8月的《中美兩國人工智能產業發展全面解讀》和《中美人工智能創投趨勢報告》的預測。
值得一提的是，國產AI芯片獨角獸出現。長期以來，中國信息產業受制于人，在產業核心芯片方面的落后不僅僅是技術、資金的匱乏，更重要的還有產業生態意識的淡薄。AI芯片投資周期長，金額大，產出小的特點，使得很多投資商及企業對它望而卻步。而此次一億美元的融資，將用于發展國產AI芯片的產品化和市場化，有助于推動產業走向自主發展的道路。
粥多僧少，泡沫也在醞釀。由于創業公司成立數量較前兩年有所回落，2017年資金明顯偏向中后期、大多數是一些較為成熟的項目，金額相當巨大。
2018年，投資人會不會對AI初創項目表示更多熱情？
許多AI初創項目，屬于“三缺一”項目，缺少獨創技術、缺少應用場景、缺少成熟度，只有一個概念，徘徊在實驗室里，難以推開市場的大門，看起來有點懸。
2018年的三大難題
1、資金很多，項目不夠用了
當前的AI產業發展面臨泡沫化的風險，主要體現在投資供應數量大而項目供給數量少，市場對創業項目寄予很高的期望，而實際的產品體驗欠佳。
泡沫即將出現。在騰訊研究院的《中美兩國人工智能產業發展全面解讀》報告中，分析了引發行業泡沫的兩個信號：
一是資金多而項目缺。
綜合過往數據和2017年前半年的情況，今年美國新增企業數量將跌到谷底，在2017之際，美國新增企業數量范圍在25-30家之間徘徊。同時，美國的累計融資量持續快速增長，最后將穩定在1380-1500億元的區間。
2018年后，中美兩國AI企業數量增長都將有所恢復，但依然平緩。在這段時期內，創投圈將會發現，找到一個新的有潛力的項目越來越難，由于新增企業數量稀少，經常只能跟投一些項目。
到2020年，美國累計AI公司數量將會超過1200家，累計融資將達到驚人的2000億人民幣。中國AI企業增勢不明朗。根據行業發展周期來計算，中國人工智能產業將會在2018年回暖，新增公司數量會上揚到30以上，預期融資累計量將會達到900-1000億元。
二是周期長而營收難。
通俗的說，人工智能期望值被大大高估了。引領本輪AI熱潮的深度學習，起源于上世紀八九十年代的神經網絡研究。在很多情況下，前沿研究是由對已有方法的微小改動和改進組成，而這些方法在幾十年前就已經被設計出來了。
2006年，深度學習算法獲得了突破后，引起市場熱炒，但相關的AI技術和產品的成熟度仍然有限，甚至被譏笑為“人工智障”。許多項目和技術，要想獲得消費者歡迎，還需要相當長的時間。
從投融資趨勢來看，涌入人工智能領域的資金依然還會增加。
一個依據是，據不完全統計，2017年中國人工智能領域的投融資事件約353起，比2016年稍有回落。但投資金額激增，總融資金額近600億人民幣，在政府的鼓勵和行業并購中，2018年中國AI的投資將會持續大幅增加。
另一個依據是，行業并購開始加劇。根據CB Insights提供的數據顯示，自2011年以來，已有近140家人工智能初創公司被收購，而2017年的第一季度，海外就有34家人工智能初創公司被收購，為去年同期的兩倍。2018年，仍將延續這一趨勢。在資金增長的同時，中國AI企業數量卻不能同幅增長。根據行業發展周期來計算，中國人工智能產業將會在2018年呈現回暖，預期融資累計量將會達到900-1000億人民幣，而新增公司數量僅僅上揚到30家左右。
資金多而項目缺，周期長而營收難，項目卻一天比一天更加昂貴，這種情形與1999年的第一次互聯網泡沫何其相似。
2、事情很多，人不夠用了
算法大神YoshuaBengio曾表示：“深度學習現在炙手可熱，目前的困境是缺乏專家，一個博士生大概需要五年的時間培養，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺?！边@是三年前AI面臨的困境，至今依然未得到改善，甚至變得更加嚴峻。
人工智能競爭以頂級人才為根本。據說世界上深度學習領域的頂尖人才不超過50人，Andrew Ng表示深度學習領域人才匱乏的主要原因首先是數據，對于解決某些領域的問題，獲取數據并非易事；其次是計算基礎架構工具，包括計算機硬件和軟件；最后是這個領域的工程師培養時間非常長。所以科技巨頭們等紛紛通過收購初創公司來招攬人才。
作為國家未來的發展方向，AI技術對于經濟發展、產業轉型和科技進步起著至關重要的作用。而AI技術的研發，落地與推廣離不開各領域頂級人才的通力協作。在推動AI產業從興起進入快速發展的歷程中，AI頂級人才的領軍作用尤為重要，他們是推動人工智能發展的關鍵因素。
然而，中國人工智能領域人才發展極為欠缺。
據騰訊研究院的《2017全球人工智能人才白皮書》顯示，目前我國約有20所大學的研究實驗室專注于人工智能，高校教師以及在讀碩博生約7000人；產業界現存人員人數約為39000人。遠不能滿足我國市場百萬級的人才需求量。
從產業發展來看，我國人工智能領域人才分布嚴重失衡。
人工智能產業由基礎層(芯片/處理器、傳感器等)，技術層(自然語言處理，計算機視覺與圖像，機器學習/深度學習，智能機器人等)和應用層(語音識別，人臉識別)等組成，目前我國在產業層次人才上面臨兩個問題如下：
問題一，產業分布不均。中國AI產業的主要從業人員集中在應用層，基礎層和技術層人才儲備薄弱，尤其是處理器/芯片和AI技術平臺上，嚴重削弱中國在國際上競爭力。
問題二，供求嚴重失衡，人才缺口很難在短期內得到有效填補。過去三年中，我國期望在AI領域工作的求職者正以每年翻倍的速度迅猛增長，特別是偏基礎層面的AI職位，如算法工程師，供應增幅達到150%以上。盡管增長如此高速，仍然很難滿足市場需求。但是，由于合格AI人才培養所需時間和成本遠高于一般IT人才，人才缺口很難在短期內得到有效填補。
人才不足，是制約中國AI產業發展的關鍵因素。
近幾年來，Google不斷的收購AI領域的公司最主要的目的是“搶購”一批世界上最一流的專家，在一個迅速成長的人工智能領域里面，這些專家無一不是佼佼者。其他科技巨頭也相機而動。
可以推想，人才流動，還將加劇。人才引進，還需持續。2018年，無法緩解人才饑渴癥。
3、場景很多，路不好走了
如果梳理一下2017全年的AI產業大事件，人工智能技術與行業結合，九大熱門領域遍地開花。
其中，醫療、金融、無人駕駛這三大熱點中的懸疑，更是大大的吊足了公眾的胃口。
懸疑一，AI醫療的變革的信號在哪里？
作為民生領域，醫療年年改，卻次次令人無奈。風險投資也對AI+醫療有持續不斷的支持。2017年，每個月都有VC流入AI+醫療領域，國內所有醫療人工智能公司累計融資額已超過180億人民幣。
科技企業智能醫療的布局與應用已有雛形，IBM Waston已應用于臨床診斷和治療，在2016年就進入中國在多家醫院推廣；阿里健康重點打造醫學影像智能診斷平臺；騰訊在17年8月推出騰訊覓影，可輔助醫生對食管癌進行篩查。圖瑪深維11月獲投2億元，正在把深度學習引入到計算機輔助診斷系統中，晶泰科技(XtalPi)近期也融資1500萬美元，用于新一代的智能藥物研發技術，以解決藥物臨床前研究中的效率與成功率問題。
遺憾的是，盡管政府亮了綠燈，企業投了人力財力，但人工智能卻并沒有在醫療領域出現爆發。原因何在？在于人工智能需要大量共享數據，而醫院和患者的數據如同孤島。如何打破各方壁壘，保障健康的同時又保障數據安全性？這將是推動智能醫療快速發展的一個重要信號。
懸疑二，AI如何深層次的撬動金融？
與智能醫療面臨相同數據問題的還有金融領域，大量的可信度較高的數據握在各大銀行手中，AI怎么能夠撬出來這些數據以推動金融科技的創新，是創業者們絞盡腦汁思考的課題。
當前，人臉識別、指紋識別技術作為驗證客戶身份、遠程開戶、刷臉支付，解決金融安全隱患的方案，已經發展成熟正在逐步推廣。
如何利用知識圖譜挖掘潛在客戶、進一步深挖客戶潛在需求的技術也已較為成熟，而數據源的問題亟待解決。
美國的科技公司FutureAdvisor最早研制出“機器人理財顧問”。隨后，此類機器人理財顧問迅速風靡全球。
2017年智能投顧更是火燒火燎，被視為是下一個風口。但是，機器人炒股，結果賠了。
懸疑三，智能汽車究竟何時上市？
無人駕駛汽車被稱為“四輪機器人”，但其發展何時會像智能手機一般，人手一臺，徹底顛覆傳統手機進而推動整個產業變革？這答案仍然是個懸疑。
2017年，汽車行業內智能造車勢力動作不斷，其中一部分已陸續交出答卷，讓產品接受市場的檢驗，而一部分仍在溫室中培養，等待結果。之所以稱之為“溫室”，是因為各行各界都對其予以厚望，尤其是在投融資上，雖然投資事件數不多，但金額達234億人民幣。
百度宣布開放阿波羅平臺。阿里巴巴與上汽集團等傳統車企展開合作。騰訊于年初成功入股特斯拉成為第五大股東，領投蔚來汽車首款純電動產品，已正式上市。
時間正在跟我們賽跑。2017年，無人駕駛車輛走上北京五環被交警調查，12月20日，一支百度Apollo無人車車隊，在雄安新區測試開跑。2018年初，北京順義區無人駕駛試運營基地正式啟動，成為北京出臺國內首部自動駕駛新規以來，全市首個開展無人駕駛試運營的區域。2018年，誰會上路？行業和消費者都拭目以待。
回顧2000年互聯網泡沫的幻滅，很多人依然覺得不可思議。那時候的產業發展日新月異，軟件應用、網絡服務ISP，網絡內容ICP爆發，常有一日不見如隔三秋的感嘆。
2000年4月，納斯達克指數一路狂飆突進到歷史頂點，5400多點。但不幸泡沫破裂，資本市場崩盤。納斯達克指數迅速滑落。中間經歷了9.11恐怖襲擊事件，還有安然事件。寒冬持續了3年時間，才慢慢走出低谷。
如今的AI產業正蓬勃發展，與互聯網初期階段何其相似。
產業帶著耀眼的光環，肩負國家戰略的重任，高度依賴資本市場渠道，輿論高度爆炒，從業者無不都是三高社會精英。
人工智能教育的應用場景范文5
關鍵詞：人工智能；人機交互；機器學習；深度學習；數據挖掘
中圖分類號：TP27 文獻標識碼：A 文章編號：1671-2064（2017）03-0221-02
人工智能是當今科技發展中最具潛力的熱點問題之一，2016年初轟動世界的谷歌AlphaGo打敗圍棋世界冠軍李世石的經典案例更是引起了全世界廣泛的關注和熱議?！叭斯ぶ悄堋边@個概念再次被推到了風口浪尖。那么，究竟什么是人工智能呢？它會對我們的生活有什么影響？在這個背景下，我們深入探究人工智能及其相關的技術領域，對于人工智能的普及和發展有著重要意義，也希望能給予人工智能相關領域的科學研究者們提供一些參考和方向。
1 什么是人工智能
人工智能（Artificial Intelligence，AI）是一門全新的信息技術科學，是計算機科學技術的一個重要分支，是指對于模擬、拓展和延伸人類的智能的應用系統及相關的理論和技術方法的開發研究。主要通過研究及了解人類智能的本質從而開發出能給出類似人類智能反饋的智能機器，計算機系統在理解目標方向之后所取得的最大化成果是計算機實現的最大智慧。人工智能不單單是一個特定的技術，它所研究的往往是能創造智能意識的高科技機器，包括了算法和其他應用程序，處理的任務也遠遠超出了簡單計算，從學習感知規劃到推理識別控制等等。人工智能的研究方向包含語言及圖像識別技術、機器人設計、自然語言處理等，日益成熟的理論方法和技術實踐也使得應用領域范圍大規模擴張，人工智能是人類智慧的結晶，未來也可能展現出超過人類的智能。
2 人機智能的研究方向
人工智能的科學研究通常涉及到數學、邏輯學、認知科學、以及最重要的計算機科學等多學科領域，延伸出了以下幾個主要的研究方向：
2.1 邏輯推理與證明
早期的人工智能更多的解決了大量數學問題，邏輯推理是基礎也是研究時間最長最重點的領域之一。通過找到可靠的證明或者反證方法實現潛在的定理證明，根據數據庫的實例進行推導并及時更新證明結論，演繹和直覺相結合，在推理和證明中實現部分智能。
2.2 問題求解
問題求解領域的一大重要應用則是下棋程序的功能實現，化繁為簡、將困難的問題點拆分成為獨立的子問題進行求解；而另一個實例則是數學方程的求解實現，分析各種公式符號的組合意義從而為科學研究者提供強有力的基礎保障。問題求解中所運用的搜索和規約也是人工智能領域中的兩大基本技術。
2.3 自然語言處理
自然語言處理也叫自然語言理解（Natural Language Processing，NLP），是指借助計算機來處理使用人類語言作為計算對象的算法程序，并研究相關的理論方法和技術。NLP是人工智能領域的主要研究方向之一，也是發展時間較長的研究方向之一。語音識別、搜索引擎、機器翻譯等等都是NLP的重要研究內容，目前也都在人工智能領域獲得了突出的應用成果。
2.4 專家系統
專家系統是指具有大量模擬人類相關領域專家知識和經驗的智能計算機程序系統，依托于人工智能相關技術，根據專家系統所提供的數據方法進行判斷推理進一步決策，從而代替人類專家解決一部分該領域的特定問題。從知識表示技術的角度上看，專家系統可分為基于網絡語義、基于規則、基于邏輯、基于框架等幾種類別；而從任務類型及專家系統主要解決的問題類型的角度來看，專家系統也可分成解釋型（分析和闡述符號數據的意義）、調試型（根據故障制定排除方案）、預測型（根據現狀預測指定對象未來可能的結果）、維修型（針對特定故障制定并實施規劃方案）、設計型（按指定需求制作圖樣和方案）、規劃型（根據指定目標制定行動方案）等。
專家系統的建立包含以下幾個步驟：（1）初始專家知識庫的設計：包括問題、知識、概念、形式、規則等多個概念的籌建；（2）開發和試驗系y原型機；（3）改進與歸納專家知識庫等。
專家系統的實現通常建立在大量的數據統計與人類專家提供的問題解決實例上，沒有精確或統一的求解算法，因此也會造成一些局限性。在人工智能與計算機科學快速發展的今天，專家系統也逐漸更重視理論和基礎研究，除了基于經驗的理論，基于規則和模型的方法也將投入到實際運用中，未來的專家系統將更偏向協同式和分布式方向發展。
2.5 機器學習
機器學習是指計算機自動獲取新的推理算法和新的科學事實的過程，是計算機具有智能的基礎。計算機的學習能力是人工智能研究史上的突出成就與重要進展，也是人工智能初步實現的重要標志。機器學了在人工智能領域有著重要應用，對于探索人類智慧的奧秘以及學習方法和機理都有著重要意義，機器學習的時代才剛剛開始，各種理論方法也正在逐步完善中，未來精彩可期。
3 人工智能的應用
人工智能的首次提出至今已有60年的歷史，在這個循序漸進的過程中，無論是功能場景還是機器模式，都逐漸從單一到通用、從簡單到復雜，表達方法也更多種多樣。目前主要通過賦予機器產品一定的人類智能從而有效地提升機器工作效率及能力，未來的人工智能將更多的模擬人類生活環境及思維方式來設計出真正具有人類智能的高效人機系統。
3.1 人工智能在各個行業的應用
人工智能已經運用到人類生產生活的各個方面，主要包括以下幾點：（1）以智能汽車為代表的自動化交通方式。（2）種類繁多的家庭智能服務機器人。（3）用于臨床支持和病人看護中的自動化智能設備及醫療器械。（4）智能教育輔導系統、線上學習和智能輔助學習設備的普及。（5）基于圖像處理和自然語言處理的各類音樂社交軟件及VR設備的興起給互聯網娛樂時代帶來的巨大變革。（6）邏輯證明及智能分析在公共安全領域的預測及防范。（7）大量重復機械的勞動逐漸由智能機器取代，人類承擔著更多的創新及實踐工作。
3.2 人工智能生活應用實例
作為輔助人類生產生活的重要工具，日趨成熟的智能機器人已經快速走進了人們的日常生活中，下面我們介紹幾種常見的使用場景：（1）智能房屋和家居生活的構建：目前的智能停留在自動控制I域，通過用戶指令來便捷的操控比如電視、窗簾、燈具、空調等等；而未來，人工智能的發展將根據你的日常行為了解你的習慣喜好，利用傳感器和自動裝置搜集用戶的行為數據，通過機器學習和深度學習算法改造你所居住的環境。最終實現真正意義上的智能家居生活。（2）無人駕駛的智能汽車：主要通過導航和定位實現規定路線的行駛、通過激光測距、雷達感應和照相等技術，配合復雜的計算公式從而辨別和避讓各種障礙，最終脫離人類操控的環境下自動完成發動、駕駛、剎車等動作。行駛的安全性和準確性在智能機器的幫助下其實更可靠，我們完全有理由相信未來自動駕駛將成為人們出行的新方式。（3）基于神經網絡的新型翻譯方式：在線翻譯相信大多數人都不陌生，使用范圍廣普及率極高，但其準確性一直都是人們關注的焦點之一。谷歌翻譯負責人表示將在部分功能上嘗試使用深度學習技術，如果能順利實施必將使得翻譯準確性的研究取得實質性突破，而基于神經網絡的翻譯方式則將幫助計算機更好地模擬和理解人類思維，使得翻譯結果更流暢合乎規范，也方便人們更好地理解。
4 人工智能的發展歷程
人工智能的發展歷程不算很長，但發展速度卻異常迅猛。跟所有新興的前沿學科一樣，人工智能的發展中也經歷了和低谷時期。根據不同時期代表性人物和事件的發生，我們大致可以將整個過程分為以下幾個階段：
（1）1950年，舉世聞名的“圖靈測試”（圖靈，英國數學家，1912―1954）首次發表于《計算機與智能》一文，即通過房間外的人和兩個房間內的人和機器分別對話中，是否能區分人和機器從而判斷出機器是否具有了人的智能。這是人類對于人工智能最初的概念。
（2）1956年，由香農、麥卡錫、朗徹斯特和明斯基共同發起的DARTMOUTH學會于達特茅斯大學召開，會上首次提出“人工智能”一詞，這是歷史上第一次關于人工智能領域的研討會，見證了人工智能學科研究的開端。
（3）1960年以來，生物進化領域逐漸建立起了遺傳、策略和規劃等算法。1992年計算智能由Bezdek提出，計算智能對于生物進化學的探究有著重大意義，涵蓋了模式識別、人工生命、神經網絡、進化計算等多學科集合與交叉。
（4）上世紀90年代開始，專家系統逐漸興起，對于專家知識庫的不斷改進以及基于規則和模型的協同式分布式專家系統將是未來使用的主要趨勢。
（5）從1960年神經網絡首次應用于自動控制的實施，到1965年人工智能啟發式推理規則的方法引入，再到1977年運籌學理論中概念智能控制模式的成功借鑒，人工智能的發展也順利引導了自動控制模式逐漸切換到了智能控制模式。
（6）從1956年AI概念的正式提出以來，人工智能領域已經取得了眾多突破性的成就和進展，很多天馬行空的想象也隨著科技的進步在一代代科學工作者的不斷努力下逐漸設計落實，人工智能已經從科學研究逐漸走向了人們的日常生活中，成為了當下最具潛力的多學科交叉的前沿科學。
5 人工智能的未來與發展趨勢
從人工智能的提出到逐漸走入人們生活，人工智能的概念一經問世則得到了人們的普遍關注，甚至帶動了語音識別、自然處理處理、機器學習、數據挖掘等一系列相關學科的發展和興盛。人工智能領域中的創新和蓬勃發展是趨勢也是必然，通過了解人工智能學科的發展歷程及應用領域，我們大致可以推測出關于未來人工智能的一些方向：（1）機器學習和深度學習算法指導下更聰明更多樣性更具智能的機器系統。（2）自然語言處理應用中更自然的人機互動交流。（3）機器學習時代更快速的數據處理分析策略。（4）各研發企業和機構對于人工智能先進技術更激烈的競爭和角逐。（5）超人工智能（Artificial Super Intelligence，簡稱ASI）時代下AI是否會走向失控給人們帶來的微恐懼。
6 結語
在短短60年的時間內，人工智能的快速發展已經從很大程度上改善和刷新了人們的生活方式。人工智能的深入研究和實現正在不斷幫助我們探索這個世界、幫助我們搜尋信息應對各種各樣的挑戰。人工智能在逐漸強大的同時，有機遇也存在著巨大的挑戰和技術瓶頸，距離人工智能時代的真正實現還有很長的路要走。而人工智能的不斷更迭完善，是否能取得超越人類智力和認知的智能、是否會出現違背人類價值觀的危險行為將是未來很長一段時間內需要研究的重要課題。
參考文獻
[1]李紅霞.人工智能的發展綜述[J].甘肅科技縱橫，2007，36（5）：17-18.
人工智能教育的應用場景范文6
不久前，教育部公布了2018年度普通高等學校本科專業備案和審批結果。全國高校共新增本科專業2072個，我省高校共新增66個本科專業，它們不僅體現出高校專業熱門度的起伏，更折射出社會對于人才需求的變化。
縱觀今年新增的本科專業，有幾大門類吸引目光：新文科、新農科建設風生水起，人文與科技更多的“融合”，意味著傳統意義上基礎學科和應用學科的界線開始變得模糊。數據科學與大數據技術專業繼續成為熱門，加上今年新開設相關專業的196所高校，目前，全國已有近500所學校開設此專業;35所高校首次設立人工智能專業，這意味著，高校開始體系化培養人工智能行業后備軍。與幼兒養育相關的專業繼續增設，這不僅是因為全面二孩政策的實施，更是由于人們越來越重視對下一代的培養。
“新增專業彌補了我省有關專業的布點空白，進一步優化了專業結構?！笔〗逃龔d高教處副處長王國銀介紹，此次省屬高校新增專業主要圍繞數字經濟“一號工程”、戰略性新興產業、高新技術產業和萬億產業開設，這些專業瞄準國家戰略需要和社會經濟發展急需，進行創新型、復合型、應用型人才儲備。
夯實基礎
新文科、新農科未來可期
作為近年來高等教育中最時髦的詞匯之一，新工科對于考生和家長來說已經不陌生了，但如果說起新文科、新農科，很多人可能就要打個問號。
去年10月，教育部等部門決定實施“六卓越一拔尖”計劃2.0，在基礎學科拔尖學生培養計劃中，首次增加了心理學、哲學、中國語言文學、歷史學等人文學科，“新文科”概念浮出水面。今年4月，教育部、科技部等13個部門正式聯合啟動“六卓越一拔尖”計劃2.0，全面推進新工科、新醫科、新農科、新文科建設。
新文科“新”在何處?打破舊壁壘，跨界尋方法，歸納真規律，新文科意味著對傳統基礎學科的一次重新整合。
“相對于傳統文科，新文科有兩個特色?！蹦祥_大學傳播學系主任陳鵬說。其一，新文科是問題導向的，新文科面對的是社會發展變化中的新現象、新問題、新變化，有些現象和問題是人類歷從未遇到過的，如大數據、區塊鏈、5G、人工智能等，需要突破傳統文科的框架，采用新方法、新視野去探索新理論、新規律。其二，新文科為了尋求對社會和人類自身的研究，需要通過“跨界”方式進行革新，這種“跨界”不僅僅發生在文科的各學科之間，甚至出現在文科和理科、工科、醫科等學科之間，需要多學科之間的交叉和深度融合。
當前，清華大學、中國人民大學等高校開設的人文科學實驗班，西安交通大學、華東師范大學等高校開展的學院式教學模式，都被視為我國新文科建設的重要經驗。一位資深文科研究專家表示，當前，文科與其他學科有一些結合，比如考古學和技術結合，就形成了科技考古;信息技術和藝術結合，就形成了藝術設計的網絡化等，但還遠遠無法滿足現在社會的需求。新文科就是一種有效路徑。
2018年4月，浙江大學召開文科大會，提出面向2035年發展目標和“文科十條”，進一步推進文科發展強主流、上一流。省內其他高校也紛紛積極為新文科創建搭建平臺。浙江工商大學整合資源打造文科綜合實驗教學中心，打造跨學科綜合性實驗教學平臺;浙江農林大學推出新文科求真實驗班，幫助學生打牢知識儲備金字塔的穩固塔基，再漸次進入專業學習，形成堅實塔身和更高聳的塔尖……
在浙江大學傳播研究所教授、博士生導師邵培仁看來，建設新文科，其實也是對傳統文科的反思。他指出，新文科有利于構建立足中國文化土壤、具有中國特色，具備整體性、包容性、互動性、共享性特質的面向全球、面向全人類的大文科。
不難看出，未來新文科相關專業或將成為熱門。不僅如此，使用文文互鑒、文理交叉、文工融合的思維方法解決問題，還將為高校人才培養和評價體系帶來新變革。
除了新文科，新技術的出現也讓一些專業被賦予了新的內涵，比如新農科。
當前，隨著生態文明建設的持續推進，生態學、環境科學等專業畢業生越來越受歡迎。今年，杭州師范大學就新增了生態學專業。該專業相關老師介紹，隨著國家對生態學專業人才的需求增多，生態學專業人才培養規模逐漸加大，未來掌握生態學及植物學、動物學、微生物學、地理學等基礎知識、分析方法和應用技能的人才會很搶手。
“浙江是‘兩山’理論誕生地，‘農’字頭的專業發展空間很大?！闭憬r林大學主要負責人表示，“新農科”建設是鄉村振興實踐、高等教育改革、人才需求變化和社會經濟進步的必然選擇，原先注重高度專業化、技術化的教育教學方式和人才培養模式已無法適應新時代農林高等教育的新需求，亟需探索實現農科學生全面發展的“新農科”建設之路。
順應趨勢
大數據、人工智能紛紛開班
順應當下人工智能行業的熱潮，今年新增的熱門本科專業，均與大數據、人工智能、機器人等信息技術關鍵詞相關。
梳理發現，數據科學與大數據技術專業在短短三四年間，從無到有，并一躍成為熱門專業。2015年度的審批結果中，北京大學、對外經濟貿易大學、中南大學3所高校成為首批獲批設立該專業的高校;2016年度又有32所高校設立該專業;到了2017年度，獲批設立這一專業的高校數量達到250所;加上2018年度新增的196所，目前，共有481所高校開設這個專業。
今年，我省有湖州師范學院、寧波工程學院、寧波財經學院、浙江大學城市學院等9所高校新增備案數據科學與大數據技術專業。一位專業課老師表示，社會在不斷發展進步，現在的一些“新專業”也許尚無足夠的辦學經驗，但可能恰恰是未來社會發展的需求所在。
在新增專業中，人工智能專業的熱度也在逐年遞增。繼去年杭州電子科技大學、浙江理工大學成為我省首批開設智能科學與技術專業的高校后，今年，我省又有一批高校在人工智能人才培養上“摩拳擦掌”，積極增設相關“硬核”專業，改進人才培養思路。
浙江大學今年新增機器人工程和人工智能兩個專業，還將在竺可楨學院新設圖靈班。入選圖靈班的學生可以在計算機科學與技術、人工智能、信息安全三個專業中確認專業。從入學開始，每位學生可從學院的優選導師庫中選擇一名學業導師，還將有國外頂尖大學的教學大師和科研領軍人物到浙大給圖靈班學生單獨授課。
除了浙大以外，省內其他高校也在結合各自特色專業，構建人工智能專業的課程體系。比如，浙理工把專業發展方向和學校的優勢結合起來，重點在智能穿戴等領域取得突破，還專門成立紡織工業人工智能研究院;浙工大結合了安防產業、智慧交通、“城市大腦”等浙江省的優勢領域，與企業合作，開拓專業方向。
“打造新專業特色成了各高校的當務之急和立足之道。”杭州電子科技大學人工智能學院副院長呂強說，針對人工智能人才培養帶來的新挑戰，杭電人工智能學院提出了多方協同育人的理念，并將其作為教學改革項目進行探索，“人工智能對數理基礎要求較高，我們在數學課程中增加了矩陣論、離散數學等原來研究生學習階段才會有的課程內容，努力幫學生打好基礎，在暑假，我們還計劃舉辦夏令營，邀請企業名師進校園培訓，共同開發專業課程等?！眳螐娬f。
值得關注的是，人工智能已經從獨立的專業教育，擴展到更廣的層面。今年，浙江財經大學向非計算機類專業學生推出了人工智能“微專業”，其中包括了Python程序設計、高級數據庫、機器人編程與實踐等課程?！叭斯ぶ悄茉谛畔⒔鹑?、金融科技等領域有非常多的應用場景。財經類專業學生的數理基礎比較好，這些知識將為他們的未來打下更好的基礎。”浙財大教務處副處長石向榮說，可以預見的是，未來社會需要大量具有具體專業背景，同時又掌握人工智能相關知識的復合型人才。
緊盯兒童
醫教類專業持續擴招
當下，伴隨著“全面二孩”政策施行，各大醫院產科分娩量走高，目前助產人才無論從數量上還是質量上都難以滿足社會需求，臨床急需本科層次助產人才。助產學專業于2016年首次開設，當時僅有4所高校獲批開辦此專業，2017年有20多所高校新增此專業。
近兩年，我省先后有浙江中醫藥大學、溫州醫科大學、杭州醫學院等3所高校新增了助產學專業。溫州醫科大學的助產學專業設在護理學院，目標是培養掌握護理學和助產學的基礎理論和護理技能，具有基本的臨床護理和臨床助產能力，在各類醫療衛生保健機構中能夠從事臨床助產、圍產期護理，以及母嬰保健工作的高級助產人才。今年，臺州學院、溫州醫科大學仁濟學院也開設了助產學專業。
一位從事醫學教育多年的教授表示，當前社會大眾對醫療的需求，不僅體現在量上，更體現在質上。雖然現在醫療行業整體水平保持著上升態勢，但人們對優質醫療的需求增長更快，所以仍然感覺醫療資源緊缺。
不久前，由中國工程院院士鄭樹森擔任院長的浙江樹人大學樹蘭國際醫學院揭牌成立。作為樹蘭國際醫學院首個設置的重點專業，臨床醫學專業面向全國招生100人。學院擁有國際醫學專家、博士生導師等組成的高水平師資隊伍，以及一批高水平的基礎醫學與臨床醫學實驗平臺。
同樣，面對強烈的社會需求，溫州醫科大學今年增加了普通本科計劃數。臨床醫學(定向培養)從30人增加到60人，面向蕭山區等30個縣(市、區)招生;麻醉學專業從61人增加到93人，其中省內普招增加16人。
值得一提的是，今年，浙江中醫藥大學新增食品衛生與營養學專業，這也是我省開辦該專業的高校(不含獨立學院)。該校招生辦相關負責人介紹，食品衛生與營養學作為一門綜合性的交叉學科，涉及預防醫學、食品科學、營養學等多個學科，在提升健康素養，保障食品安全，促進疾病的營養學防治完善健康保障方面大有作為。
縱觀今年我省的新增專業，從撫養、就醫，再到教育，與幼兒養育相關的專業成為熱門，除了新增兒科學、中醫兒科學、助產學等專業外，學前教育、小學教育等師范類專業的報考也很火爆。
今年，杭州師范大學增加小學全科教師、中學緊缺學科教師定向培養招生計劃。杭師大教務處副處長、招生辦副主任顧海春介紹，今年，學校將繼續面向杭州、寧波、溫州、紹興、金華、衢州、麗水、臺州、舟山等地區定向招生255名，提前錄取，補學費，包就業。同時，復建音樂學院，增加音樂學(師范)、舞蹈學(師范)專業招生計劃。
