高職院校人工智能技術應用專業建設存在的問題及思索

申涵

【摘要】? ? 高職院校人工智能技術應用專業人才培養的定位以及如何能夠培養滿足人工智能時代市場對人才的需求、拓寬學生的就業方向，是專業建設與發展必須解決的問題。本文從人工智能技術應用專業人才培養意義出發，深入分析專業建設現狀及存在的問題，提出分層次教學、優化課程體系、深化校企合作及教學資源庫建設等方面見解與思路。

【關鍵詞】? ? 人工智能? ? 人才培養? ? 課程體系? ? 校企合作

引言：

隨著“云物大智”時代的到來，云計算、物聯網及大數據技術不斷發展，人工智能正引發可產生鏈式反應的科學突破、催生一批顛覆性技術，加速培育經濟發展新動能、塑造新型產業體系，引領新一輪科技革命和產業變革[1]。2019年，教育部將人工智能技術應用專業列入到《〈普通高等學校高等職業教育（專科）專業目錄〉2019 年增補專業》，從而有助于更系統、更完整、多層次地培養人工智能專業人才。

一、專業人才培養的背景及意義

AlphaGo是第一個擊敗人類、戰勝圍棋世界冠軍的人工智能機器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領銜的團隊開發，其運用的主要工作原理就是“深度學習”。它象征著計算機技術已進入人工智能的新信息技術時代（新IT時代）。隨著無人駕駛、人臉識別、機器翻譯、智能客服機器人等人工智能產業應用落地，相關專業市場各層次人才需求顯著提升，而如何優化高職人工智能技術應用專業人才培養課程體系建設，從而使人才培養能夠滿足市場需求、拓寬學生就業方向、提高學生未來職業發展水平，是專業建設與發展過程中亟待解決的問題。

二、專業建設現狀及問題

人工智能技術應用專業培養目標在于培養具備智能軟件開發、數據服務、智能系統運維和人工智能產品咨詢等專門技能和創新創業精神，熟練掌握機器學習基礎、深度學學習框架、智能軟件開發技術、系統運維技術等綜合職業技能，能適應建設、生產、服務、管理等方面需要的可持續發展的高素質技術人才。就目前設置人工智能專業大多數高職院校來看，專業建設過程中還存在著一些問題有待解決。

2.1就業前景

我國人工智能產業的快速發展，各類企業對人工智能專業人才需求越來越大。但人工智能相關企業對人才的綜合性需求較強，希望員工能兼具人工智能技術、思維及產品的集成能力。單就目前市場上招聘來看（就河南省）人工智能專業相關崗位還不成熟，招聘更偏向于高層次的工程人才，如：視覺算法工程師、機器學習工程師、高級NLP算法工程師、深度算法工程師等。針對高職層次需求比較少[2]。

2.2課程設置

人工智能是計算機科學的一個分支，但研究領域卻不僅僅涉及到計算機科學，還涉及到腦科學、心理學、語言學、邏輯學、認知（思維）科學、行為科學以及信息論、控制論和系統論等眾多學科領域。人工智能在應用技術層面又可劃分為計算機視覺、機器學習、自然語言處理和機器人四塊[3]。高職院校學生在校時間較短，課程設置如果考慮到學科交叉以及技術應用多層面，就會壓縮專業課授課時間，降低教學質量;而舍棄部分課程，缺少必要理論支撐，學生的思維拓展就會受到影響，就不能全面深刻地理解專業內涵以及應用場景。

另外，大部分的高職院校都沒有完善的課程體系，甚至同質化現象嚴重，更多采用的是機器學習課程外加“智能機器人”的課程體系。有些在專業課程體系中加入了深度學習的理論知識，但是在課程設置中卻雜亂分散，甚至部分的核心課程（例如當下常用的神經網絡知識）被拆分為輔修課程。

2.3技術框架

深度學習帶動人工智能技術飛速發展，已經在語音處理、圖像處理等領域取得突破。深度學習全稱為深度神經網絡，本質上是多層次的人工神經網絡算法。機器學習的基礎性算法已經較為成熟，各大廠商紛紛發力建設算法模型工具庫，并將其封裝為軟件架包，以開源的方式提供開發者使用。

目前，市面上主流的深度學習開發框架有：谷歌開源TensorFlow計算框架，很好地支持深度學習的各種算法，可以支持多種計算平臺，系統穩定性較高;Facebook發布的機器學習計算框架Pytorch，其特點是特別靈活;對于國產的華為MindSpore是一個全場景AI計算框架，它的特性是可以顯著減少訓練時間和成本，以及百度Paddle深度學習框架等。深度學習框架對底層AI計算芯片的需求也是各有不同，在深度學習訓練環節，除了使用 CPU 或 GPU 進行運算外，還有國產華為MindSpore支持的昇騰芯片等。面對AI框架百花齊放以及各種底層芯片的相應支持，各高職院校就要綜合考慮學生學習接受程度、就業市場的普及率以及硬件的支持等多方面對AI技術框架做出選擇。

2.4 教材體系

新興領域的技術發展可謂日新月異，對于人工智能新專業建設，當前各高校都在探索之中。就目前來看，缺乏統一的教材，教材體系結構不完善、層次不均、實踐內容嚴重不足等是人工智能等新專業建設存在的問題之一。

1.針對高職人工智能核心專業教材五花八門。直接拿本科教材，由任課教師根據學生水平增減內容，系統性的傳授基礎理論知識，只注重內容上的增減變化，沒有從實際的應用技能來教學;許多出版社在高職教材的開發與編寫中，對專業教材的研究與編寫力不從心，通常是東抄西湊。2.各門課程教材缺乏溝通銜接。例如，有些專業核心課程機器學習、數據采集處理分析中教材中都會使用大量篇幅講解Python基礎知識、Numpy數值計算、pandas數據處理以及Matplotlib數據繪圖等知識，一方面導致由于知識內容重復講述，造成時間上的浪費，另一方面專業教師因各自理解的角度與層次不同，產生表述上的不一致，增加學生學習的難度。3.教材內容與“1+X”職業技能等級證書缺乏有效銜接。“1+X”職業技能等級證書是高職教育的特色所在，不僅要求學生獲得學歷證書，而且還要取得相應的職業技能等級證書。即要求高職學生具有必備專業知識的基礎，還要求重點掌握從事人工智能專業領域實際工作基本技能。目前，高職人工智能專業教材的編寫與頒發的職業技能等級證書或技能鑒定標準缺乏有效銜接，所僅有“1+X”智能系統開發也只是在華為鯤鵬體系下，技術層面上缺少普遍性、適用性。

2.5師資隊伍

人工智能已成為計算機技術發展的高級階段，會深層次促進教育教學改革與創新發展，從而給教師專業發展帶來極大挑戰。高職院校人工智能專業師資團隊組建也是人工智能技術應用專業建設的核心問題之一。人工智能產業應用對技能人才的知識、技能和能力均提出了新的要求，學生習得一杯水的知識，教師則需要具備至少一桶水的知識儲備。教學過程還要對人工智能技術在各個行業應用中的典型案例給予剖析，才能使學生領會人工智能技術應用的方向和意義，而高職院校教師目前正是卻少實踐經驗[5]。

三、專業建設思索

針對以上人工智能技術應用專業建設現狀及存在的問題，本人做了如下思考：

3.1分層次教學

以市場需求為導向，以學科競賽為抓手，從兩個維度做好分層次教學及課程體系規劃。普通班學生專業核心課設置為Web前端技術基礎、Python數據采集與處理、機器學習實戰、智能系統開發及運維、軟件系統測試技術;高級班，則在原有基礎上適當開設人工智能應用方向課程，比如計算機視覺技術（以OpenCV圖像處理為主）、自然語言處理技術等。

3.2深化校企合作

堅持“互惠互利，合作共贏”原則，與行業企業深度合作，注重發揮校企合作的雙向功能。教學實踐上，合作建設實訓中心，邀請行業專家指導技能大賽、創業大賽等實踐活動，培養學生參與實踐的積極性;實現專業課教師和企業技術人員雙向交流、互通互用，探索專兼結合師資隊伍建設機制;邀請企業專家、教育專家，建立院校層面的專業建設指導委員會。在校外實踐上，要探索如何與企業共建實習實訓基地，合作組建產學研聯合體;了解企業需求，大力開展“工學交替”、“跟崗實習”、“頂崗實習”、“訂單培養”。

3.3教學資源庫建設

人工智能教學資源庫建設能夠帶動專業群教學資源開發，推動專業教學改革，有效引領高職院校人工智能專業建設，為專業教師提供教學資源，提升其課程及資源開發能力。建設內容可以從以下多方面進行考慮：1.專業資源：根據人工智能技術應用專業人才需求調研結果，對職業教育專業標準、職業標準、人才培養方案等進行規劃和建設。參考崗位需求，聯合合作企業，開發專業教學標準，注重融入1+x智能計算平臺應用開發技能證書考試內容。2.課程資源：網絡在線課程，微課（理論）、演示操作視頻、動畫演示視頻、教學電子課件、立體化教材、習題庫、試卷庫、思政案例資源庫等;對接1+x證書培訓課程，1+x證書培訓培訓授課視頻、培訓電子課件、上機測試案例庫、模擬題庫、模擬考試試卷庫;知識資源庫，CNKI中國知網全文數據庫、移動圖書館、超星電子書、博看電子期刊、百度文庫等各類國內優秀的數據庫資源。3.實訓平臺：人工智能實訓平臺可支撐人工智能專業相關課程的實驗教學，是“AI+X”人才培養的關鍵載體。人工智能實驗平臺，平臺滿足管理端、教師端和學生端的統一入口，管理端可對平臺內基礎數據、教學課程與實驗資源進行集中管理;人工智能實驗資源，人工智能實驗資源需支撐人工智能教學相關的課程設計與配套實驗;人工智能核心能力平臺，包括圖像識別、語音轉寫、語義解析、語音合成等。4.教師團隊：“雙師型”師資隊伍，構建校企合作的教師培養平臺，為校企合作做對接，鼓勵校企雙方共同參與專業建設。制定教師到企業掛職鍛煉等方式進行校內外培訓考核方案，聘任一些有著深厚學術背景的專業技術人員在校內開展實踐課程教學工作。“科研型”師資隊伍，鼓勵教師積極投身于人工智能方面科學研究，探索建立和形成推動“科研型”師資隊伍建設需要的師資考核激勵機制以及完善自身發展的用人和激勵制度，調動教師的積極性。

參? 考? 文? 獻

[1]教育部.《高等學校人工智能創新行動計劃》[EB/OL].[2018-04-03] http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.

[2]黃翀鵬，胡麗丹，史熒中.高職人工智能類專業人才需求調研[J].當代教育實踐與教學研究，2020（09）：170-171.

[3]劉永，胡欽曉.論人工智能教育的未來發展：基于學科建設的視角[J]. 中國電化教育，2020（2）：37-42.

[4]周惠巍，林曉惠.新工科建設中人工智能課程教學模式探究 [J].計算機教育 2019[11]：45-48.

[5]方兵，胡仁東.我國高校人工智能學院：現狀、問題及發展方向[J]. 現代遠距離教育，2019（3）：90-96.