人工智能时代的教育革命范文

导语：如何才能写好一篇人工智能时代的教育革命，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

近两年，“AlphaGo”连胜全世界的围棋名将，被媒体广泛报道。人工智能开始成为社会关注的热点，引起人们的广泛兴趣，并令人深信不疑。

在刚刚结束的2017年高考，学霸君与准星云学两家企业的“高考机器人”分别拿出了 134 分和 105 分的高考文科数学成绩。在做题方面，机器可能已经超越了不少人类。正是这样一件事，同样引发了人们的深度讨论与思考。

的确，随着理论和技术的日益成熟，人工智能开始受到产业资本的热捧，语音识别、机器视觉、智能控制、智能检索、智能互联、专家系统、自动规划等应用步伐加速。金融、电商零售、医疗健康、交通、个人助理等多个领域都可以看到人工智能的应用，人工智能已然开始取代工厂工人、客户服务等重复性工作。人工智能在教育领域同样拥有巨大的应用潜力，随着知识表示方法、机器学习与深度学习、自然语言处理、智能、情感计算等关键技术的发展，人工智能将在学校管理、校园安全、课堂管理、智能助教、自动阅卷、自适应教学等方面发挥作用。

面向未来，我们不禁要问，人工智能是否能够改变教育？人工智能在教育领域将释放怎样的潜力？本期策划，我们邀请上海海事大学魏忠，探讨人工智能视角下的未来教育，从人工智能的教育本体、对学科的影响、对教育技术的改变、对教育价值的重新定位几个方面进行了系y思考与分析。江苏师范大学智慧教育学院周宝、杨现民结合人工智能在教育中的典型应用，探讨人工智能对学校管理及教学带来的革命性影响。华东师范大学第二附属中学刘党生，从技术与教育的关系延伸到人工智能，并对非生物智能介入教育的未来趋势进行了预测；重庆市江津区聚奎小学校刘春林、重庆市聚奎中学校张渝江从教育教学实际出发，介绍了人工智能软件如何温柔地改变教育。上海市位育中学陈凯从教育哲学的角度，探讨了人工智能如何作用于思维、认知、学习，并进行了反思。

“这是最好的时代，这是最坏的时代；这是智慧的时代，这是愚蠢的时代。”人工智能时代的钟声已经敲响，我们还在工业时代的迷梦中寻找教育的未来。谁曾想到，未来来得如此之快，我们是否准备好做出改变？未来，我们需要什么样的人才？我们需要什么样的教育？我们不妨想象一下，未来10年、20年的教育将发生怎样的改变？也许一个崭新的时代并不会留给我们那么长时间去形成新的教育生态系统。

篇2

关键词：人工智能；大数据；交叉领域

自二战时期阿兰•图灵破解恩尼格玛密码机带来胜利的曙光之后，人工智能初见苗头，1956年“人工智能”一词首次由约翰•麦卡锡等科学家在达特茅斯研讨会上提出，时至今日，人工智能经历了60多年的浪潮和洗礼，其中有曙光、有冰封，也有期望。纵观当下，人工智能不仅仅是机器智能，在深度学习和推陈出新的算法推动下，其携手云计算、大数据、卷积神经网络等，攻破了自然语言语音处理、图像识别的瓶颈，像潘多拉的盒子一样在认知科学、机器人学、机器学习等领域全面开花，人工智能涵盖了从基础层、技术层到应用层等多个方面，为人类文明带来了翻天覆地的变化[1-2]。人工智能包罗万象，在其基础上衍生的大数据“洪流”对人类社会的方方面面进行冲击，这些数字的价值已然超越了诸如金钱、财产、黄金、石油，甚至是土地。然而，大数据技术也如同普罗米修斯盗得的圣火，一方面给人间带来温暖和光明，另一方面也有可能使自身被奴役甚至使人葬身火海[3]。因此，当我们沉迷于大数据的海洋中时，我们是否有能力像蓝鲸遨游大海一样自由掌舵，是当今大数据和人工智能时代存在的一个重大问题。是“曲径通幽”还是“会当凌绝顶”，我们如何在大数据中“浮游”，而不是一味地扩充，需要理性看待与合理评价大数据对人类生存和发展的影响。

1.人工智能和大数据与“工业革命”

2020年刚刚结束的新一轮美国总统竞选上演了各种“国家闹剧”，为何特朗普在2016年赢得大选，而4年之后却无法连任？时间推移，2016年他胜利的部分原因在于他利用了面临技术威胁的工业行业中工人们的焦虑，同时指责非法移民对美国及美国人资源和就业机会的占用[4]。但在技术浪潮的挑战中，自动化和人工智能才是占用的“根源”。早在18世纪60年代工业革命时期，机器取代人力，规模化工厂生产取代个体手工生产，即引发了人工智能数据的工业大变革。从机械结构、电气控制等模块的设计和改良，车间机器人的智能化已可以代替人完成生产作业[5]。通过智能化机器人可以减轻劳动负担，还可以用于环境检测[6]和实施救援[7]等，保护我们的人身安全。这些“机器人”在为我们减负的同时确实也引发了“失业危机”，这种现象不仅于美国，日本、韩国和德国亦是如此。我们也许可以形象一下，未来20或30年后，工厂中工伤几乎为“零”，完全实施机器人24小时作业，速度惊人，质量统一，而仅有的几个人使用简单的触摸界面对机器下达“命令”。机器的发展已超乎我们对普通机械的认知，21世纪开发的三大机器人中大狗（BigDog）解决了运动和重载运输问题，特别用于军事领域，被誉为“当前世界上最先进适应崎岖地形的机器人”；亚美尼亚（Asimo）从人类如何移动上展现了机器人仿人运动；Cog具有了人类所特有的思考，由不同处理器组成的异种机互联网络形成了“大脑”。特斯拉——其除了是电动汽车和能源公司外，还是自动驾驶汽车行业的领跑者之一。其2016年已销售具有自动驾驶、自动自制和自动停车功能的电动汽车，但出于法律和伦理层面，驾驶员还是要坐在驾驶位上，但他可以做他想做的其他事，发短信、打电话或是休息，而不再是驾驶汽车。我们可以不用担心酒驾，不用因为时间紧张而疲劳驾驶，不必为新手司机而变得脾气暴躁……汽车自动驾驶将让我们行驶得更规则、更安全和更“无聊”。自动驾驶上的智能进化，使得自驾型派送车为商业化服务成为可能，还有自驾型飞行器也在被研发，通用、宝马、谷歌等公司一直在努力开发，通过无人机在您家门口投送包裹将对电子商务世界带来更多创造性方案。“如果你够走运的话，机器可以把你当成宠物。”虽为戏谑之言，却又饱含心酸。工厂变得越来越自动化，但其仍需要人类专家，他们才知道如何监控传感器，知道在发生故障时如何进行修复，机器的运行离不开人的监控，只有人的思考才能有新产品的诞生以及高效的生产流程，我们与机器共存，是从体力中解放，但要从事脑力工作。

2.人工智能和大数据与金融的未来

“数字蝶变”席卷金融行业各个领域[8]，金融行业应用大数据、移动互联网、人工智能等先进信息技术，累积了非常多的客户信息。通过大数据的帮助，金融公司在分析数据下寻找更多的金融创新机会。在商业智能（BI）的辅助下，电信业可以对客服描述和定位及需求进行预测；保险业可以在进行风险分析的同时进行损益判断；银行业可以调整市场活动，建立信贷预警机制等等[9]。人工智能和大数据让金融业形成了“以客户为中心”的模式。与客户最密切的金融即是金钱，但是它们已经被“支付宝”和“微信”以及更多的电子支付方式取代，越来越少的人使用现金，数字金钱是否会完全取代物质金钱，我们很可能会发展为无现金社会。那么首先“下岗”的是谁呢？答案毫无疑问：银行。巴克莱银行前首席执行官安东尼•詹金斯曾预测，对于工业化国家，银行员工和其分支机构在未来10年内会消失；花旗全球视角与解决方案的一项研究预测，美国和欧洲的银行将在未来10年裁减约180万员工；甚至2016年2月的一份丹麦银行家协会新闻稿表示，银行抢劫案数量连续第5年下降。就支付领域而言，在这样的时代背景下，如何利用大数据技术对跨越式发展的支付行业进行监管，成为一个值得深入研究的课题[10]。在人工智能下，我们都有被银行自动回复或自会读取特定问题的“员工”惹恼过。沟通技巧和财务知识同样重要，因此，银行业员工的下岗只是在基础性操作上，对于“专业咨询”，需要更多受过高等教育、具有更好沟通能力的员工。目前，我国的多数银行还没建立“开放、共享、融合”的大数据体系，数据整合和部门协调等问题仍是阻碍我国金融机构将数据转化为价值的主要瓶颈。大数据的整合、跨企业的外部大数据合作不可避免地加大客户隐私信息泄露的风险。有效防范信息安全风险成为商业银行大数据应用中急需解决的问题。

3.人工智能和大数据与“专家系统”

电子病历数据、医学影像数据、用药记录等构成了医疗大数据。医疗数据不仅包括大数据的“4V”特点，即规模大（volume）、类型多样（variety）、增长快（velocity）、价值巨大（value），还包括：时序性、隐私性、不完整性和长期保存性。医疗大数据可以提供预警性，当数据发生异常时，通过一定的机制可以发出警告，从而迅速采取相应措施，及时解决问题[11]。成立于1989年的美国胸外科协会（STS）数据库，至今已经涵盖了美国95%的心脏手术，收集了500万条手术记录[12]。其中的先天性心脏手术（CHSD）数据库是STS数据库的重要组成部分，是北美最大的关注儿童先天性心脏畸形的数据库，被认为是医学专业临床结果数据库的金标准。近年来，基于CHSD数据库所进行的数据挖掘不断增加，大型数据库对提高医疗质量所起到的正向作用正在日益凸显。如Welke等基于CHSD数据库探讨小儿心脏外科病例数量和死亡率之间的复杂关系[13]；Pasquali等基于CHSD数据库探讨新生儿Blalock—taussig分流术后的死亡率[14]；Jacobs等基于CHSD数据库采用多变量分析方法来研究病人术前因素的重要性[15]；Dibardino等基于CHSD数据库采用多变量分析的方法来探讨性别和种族对进行先天性心脏手术结果的影响[16]。这些都是在医疗领域采用人工智能提供的医疗诊断，形成了“专家系统”，专家系统可以说是一种最成功的人工智能技术，它能生成全面而有效的结果。借助医疗大数据的平台，“专家系统”可以智能辅助诊疗、影像数据分析与影像智能诊断、合理用药、远程监控、精准医疗、成本与疗效分析、绩效管理、医院控费、医疗质量分析等。不仅是数据平台，“达芬奇机器人”可以看成医疗的高精尖“人工智能”，它能缩短泌尿外科手术以及术后患者恢复时间，促进患者早期下床活动，减低并发症发生率[17]。达芬奇手术机器人在消化系统肿瘤、泌尿系统肿瘤、妇科肿瘤和心胸部肿瘤等手术中均有运用[18]。正是机器人，还有其他人工智能设备，如插入手表或衣服里的传感器、植入我们皮肤下的芯片，以及智能手机中装有各种“专家系统”的远程医疗、预防医学，甚至是器官的3D打印和虚拟现实治疗等的发展，让医学发生相应的转变，并使其逐步突破人类的传统健康概念，那么是否意味着医学将成为只有科学性，毫无直觉性的学科呢？我们携带的内部传感器和外部应用程序将成为我们的医生吗？“你好，医生”被“嘿，Siri”取代吗？这不尽然。医学必然将是向精准化发展，并更具个性化、参与性、预防性和可预测性。医生不再是疾病的修理工，而是改善我们健康状况的顾问。直观当下，我们还是被“看病难”所困扰，我们提出“分级诊疗”，是在拥有家庭医生、全科医生和专科医生的基础上再加上人工智能，以实现预期的健康监测、辅助诊疗和疾病筛查。

4.人工智能和大数据与教育变革

面对各行业和各学科，教育作为传承文明和创新知识的载体，似乎被排除在人工智能之外。就目前而言，人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题[19]。我国目前更想要做到的是在教育上消除“信息鸿沟”，促进教育公平、均衡发展。因此，目前可以看到人工智能的教育多在于语言学习软件，通过虚拟技术和人工智能构建一个灵活的、可扩充的虚拟交互平台，设计多维虚拟场景和智能人工角色，实现不同场景下人机角色的交流和学习，提升学习者的口语能力和语感知识[20]。这使得教师不再是唯一的知识传播者，任何互联网搜索引擎都将提供比教师所有的更多信息，并且可以更快捷地获取。肺炎疫情暴发以来，远程网络教育成了主要教学形式，互联网教育形式其实早在小学、中学和大学中运用，虚拟现实技术在教学领域的研究和探索也在全面展开。谷歌已经开发一款VR纸板视图，并将研发的虚拟课程一起推向市场，使现实生活中在生物课上解剖一只青蛙成为一件容易且有趣的事，通过虚拟青蛙，学生们可以去除心脏和其他器官，而不再是象征性的抽象体验。虚拟现实可以像互动游戏一样，比单一的在教室听老师授课带来更多乐趣和体验，学习效果可能更好。我们的学习是知识的积累，那么教育就是我们的库，荀静等结合自身情况对西安工业大学知识库构建进行探究，认为机构知识库在保存知识资产的同时，更重要的是促进学校知识资产的传播利用和管理，提升学校影响力和学术声誉[21]。刘畅等通过对东北大学机构知识库服务的推广研究，了解到开放获取的概念和实践已经受到了广泛的认可，机构知识库不仅可以成为一个知识的存储库，也可以成为各个学科领域的学者进行在线交流的平台，提供个性化的增值服务，既有利于机构知识库的内容建设，也可以进一步促进学术交流和科研合作[22]。知识库，即大数据的有机整合和有序利用，是学术成果、视频文档、实验数据等进行收集、长期保存、传播和提供开放利用的知识资产管理与教育服务[23]。

5.人工智能和大数据应用的共性需求

人工智能和大数据时代，海量的信息来自“五湖四海”，但都通过互联网络汇聚智能终端。这些数据只会进一步增多，不仅仅是云存储，对于信息的进一步挖掘、处理、分析和利用，目标性结果才是我们最想要的信息。全球包括IBM、微软、谷歌和亚马逊等一大批知名企业纷纷掘金大数据挖掘这一市场，大家都在开拓自己大数据分析平台。数据挖掘是大数据时代孕育的产物[24]，是我们的共性需求，与传统的统计分析技术相比，数据挖掘有着自身的本质特征,数据挖掘是在没有明确假设的前提下去挖掘信息并发现知识。数据挖掘所得到的信具有先前未知、有效以及可实用三个特征[25]。数据挖掘的出现不是为了替代传统的统计分析技术,相反，它是统计分析方法学的延伸和扩展[26]。随着信息时代的到来，数据挖掘被越来越多地应用于各个领域。

6.人工智能和大数据的展望

大数据与人工智能相辅相成，在人工智能的加持下，海量的大数据输出优化的结果，使人工智能向更为智能的方向进步，大数据与人工智能的结合将在更多领域中击败人类所能够做到的极限。漫长的人类历史发展和进化，信息和人类一直“缠缠绵绵”“你追我藏”，因此，我们应该明白信息就是信息，我们需要的是“维基百科”，而不是仅仅的“维基”。走出狭隘的信息资源，管理和洞察大数据，才是对数据的有用。因为，我们早已告别了数据库放在一间房间的时代。此刻不得不提蓝鲸法则——大数据之道：了解数据懂得利用数据的“浮力”才是关键；“以简约为目标”将数据最终形成洞察及行为；可以通过“数据”“信息”“知识”流程式、组合式、直通车式各种需要的方式来获取[27]，在简约中“印象”处理繁杂的大数据，使之“为我所用”。=数据也是一门科学、一项技术，如果实验不能证明其具有可重复性和一般性，那它是没有科学依据，但是，任何一项科技，如果你坚信它必将改变社会和商业，选择从长期展望其发展并持续付出努力，那么就是一种战略选择[29]。人类社会的政治、经济、文化、思维等固有“态势”被重刷，数据思维将为我们带来一个智能全新的世界观。

篇3

1　引言

能够透彻地了解人类智能行为产生的机理并制造出可以模拟智能行为的智能机，是人类长久以来一个美好而强烈的愿望。从世界各国的古老传说到近代科学的不断尝试，都表明了人类希望征服自然进而征服自己的决心。人工智能学科的出现及迅速发展，为这一愿望的实现带来了希望的曙光。它的研究延长了人脑的功能，深化与拓展了人类的智能劳动，使科学技术革命的发展速度空前。目前，人工智能(Artifical Intelligence，简称AI)已被应用到社会生活的各个方面并已取得了令人瞩目的成就。

虽然体育实用计算机科学在短短十几年中已经取得了迅猛的发展并有力地促进了体育事业的进步，但是，我们也不得不冷静地看到，体育实用计算机技术还远远滞后于计算机科学的发展，在以“知识工程”为主的人工智能诸学科取得巨大成功的时候，体育实用计算机技术还在坚持“数据结构＋算法＝程序”的传统程序设计方式，显然已是大大落后于时代了。怎样在系统分析的基础上有步骤、有顺序地将计算机科学的最新发展成果应用到体育领域中来，从更大程度上挖掘计算机科学的潜能从而促进体育科学再上新台阶，就成了体育科研工作者一个重要的课题。本文分析了体育实用人工智能的现状，展望了体育实用人工智能的未来。目的是引发广大体育工作者对体育实用人工智能的兴趣，吸引更多的人参与到这项工作中来。

2　人工智能及其解题思路

人工智能是一门前沿学科，是在计算机科学、控制论、信息论、系统科学、哲学等多种学科基础上发展起来的。它的出现及所取得的成就引起了人们的高度重视，从而被称为是继第三次产业革命之后的又一次革命。尽管如此，目前还没有一个关于人工智能的确切定义。我们可以这样理解：人工智能是一门研究如何构造智能机器(智能计算机)或智能系统，使它能够模拟、延伸、扩展人类智能的学科。通俗地讲，人工智能就是要研究如何使机器具有能听、会说、会看、会写、可思维、会学习等人类思维能力的一门科学。

人工智能的研制者通过知识获取过程将专家知识变成计算机可以识别的代码(知识库)，然后通过计算机程序设计使计算机模拟人类所特有的推理思维过程(挑选知识的过程)，从而完成只有人类才能解决的智能问题。由于人工智能可以融合多个专家的知识并吸取了人类的直觉和经验，所以，人工智能更适合于解决现实中需要人的思维判断而难以量化的问题。对于体育领域而言，不论是运动员的选材、训练计划的安排、运动处方的制订还是运动技术的诊断，体育专家的知识和经验都有着举足轻重的作用，如果智能系统可以完成这些工作，对体育科学的发展将产生深远的影响。

3　体育实用人工智能的现状

象所有处于发展之初的学科与研究方向一样，人工智能与体育科学的完全交汇融合还有相当长的路要走，还需要我们保持清醒的头脑，采取实事求是的系统分析方法来对待它。惟有如此，我们才会既能发现不利因素而不至于盲目乐观，又能看到有利条件而不至于悲观失望，才能有的放矢地把握体育实用人工智能的发展进程。

3.1　体育实用人工智能发展过程中的问题

1.对大多数体育工作者而言，人工智能技术还相当高深，它需要开发者不仅具备专项知识，还必须具备系统工程、软件开发等多个领域的综合素养。这些条件不仅对缺乏计算机操作能力的许多工作者来说十分苛刻，即便是具有一定计算机应用水平的科研人员，对知识工程理论与方法的缺乏也会使其成为人工智能的门外汉。智能系统的核心和基础是人类的知识和经验，要想开发智能系统，就必须从传统的以数值计算为中心的程序设计转变到以知识符号处理为中心的程序设计上来。这种思维与观念的转变显然不是轻而易举的。此外，智能系统的开发是一个复杂的、旷日持久的系统工程，不仅需要相当的技术和足够的软、硬件支持，而且需要开发人员长期、艰苦的努力。与那些更易在短期内取得成果的研究方向相比，体育实用人工智能技术的研究可能更容易被人们所忽略。

2.人工智能与体育科学两学科发展的相对独立性阻碍着两者的交汇融合。掌握人工智能技术的科研人员还没有看到其在体育领域应用的广阔天地，人工智能的应用成果还集中在工业控制领域、社会经济系统或军事决策过程——相对来说，这些领域更易取得明显的经济效益和社会效益。体育实用人工智能研究的巨大潜力还没有被挖掘出来。与此同时，相当一部分体育工作者还在沿袭着传统的以“经验技能”为主的教学、训练模式，保守的思想也使他们看不到或是轻视或是不愿接受科技发展的新成果，这就加大了体育实用人工智能普及的难度。总的来说，相互渗透、相互吸引是两者的必然趋势，但目前人工智能与体育科学仍处于若即若离的境地，两者的交叉还需要一个强有力的桥梁和纽带。

3.人工智能技术本身的不完备性。尽管自80年代以来，对机器学习、分布式人工智能、知识表示、常识推理等基础性研究取得了可喜的成果，特别是人工智能的重要分支——专家系统的应用研究成果已取得了重大突破，但是从总体上来看，人工智能距其完善还有相当长的路要走。我们不得不看到，人工智能的大部分分支，如自然语言理解、模式匹配、可视化研究等等都还不完善、不成熟，许多研究成果还仅仅停留在实验室和书面报告里，并没有转化到应用上来，即使是在专家系统中，专家知识获取这一“瓶颈”技术也阻碍了它的进一步发展。

此外，我们也不得不考虑一下计算机软、硬件和资金方面的限制。一般一个大型的智能系统的开发需要强有力的计算机软、硬件支持和足够的资金投入，基本上以个人微机为主的体育科研及捉襟见肘的体育科研经费可能会从很大程度上限制着体育实用人工智能的发展。

3.2　体育实用人工智能发展的有利条件

尽管一系列理论与实际问题阻碍了体育实用人工智能的发展，但是我们也没有理由对体育实用人工智能产生悲观情绪，更多、更有利的条件则为人工智能技术在体育领域的应用开辟了道路。

1.计算机技术在体育领域的广泛应用以及它对运动成绩的巨大推动力，已经使越来越多的人们认识到程序设计的美妙前景。显然，体育实用计算机程序的设计就是对体育工作者脑力劳动的解脱。这不仅仅是已尝到程序设计甜头的教练员和运动员的迫切要求，也是广大体育科研人员的努力方向。

2.近年来，我国的体育教育，特别是高层次的体育教育取得了很大的进展，培养出一大批年富力强、有很强科研能力的硕士和博士研究生。他们大都具有较强的计算机应用能力和学习能力，对他们来说，掌握人工智能技术也并不是遥不可及。青年体育科技工作者的不断发展与壮大，为体育实用人工智能的发展提供了必要的人才支持。

3.“全民健身计划”的推广与实施，不仅使我国的群众体育走上了正规化的道路，而且吸引着越来越多的人参与到体育活动中来。这其中当然包括人工智能领域的研究人员，他们会在锻炼中逐渐认识体育、了解体育、发现体育中的问题并不断尝试用本领域的技术方法来解决它(事实上，许多行之有效的体育实用方法和技术都是非体育专业科研人员引进到体育领域中来的)。人工智能会象现在已经在体育领域得到广泛应用的灰色理论、模糊数学、系统工程一样，逐渐地被广大体育工作者所承认、理解和接受，进而逐渐渗透到训练、选材、规划、教学等日常的体育工作中。因此，“全民健身计划”的出台与推广，又为体育实用人工智能的发展创造了有利的外部环境。

此外，体育科研触角的不断伸展、体育科技投入的逐渐增加、体育科研人员素质的不断提高和人工智能技术的不断完善，都会在一定程度上加快体育实用人工智能的步伐。

4　体育实用人工智能的发展方向

就目前人工智能领域而言，人工神经网络技术与集成分布式智能系统是研究的热点。前者是以研究大脑的结构和认知模型为主，用以对智力活动进行模拟或处理海量信息。后者是一种大规模的集成环境，即把各种不同的专家系统、神经网络、数据库、数值计算软件包和图形处理程序进行有机集成，以解决复杂问题，是“大成智慧工程”。虽然这两者也可作为体育实用人工智能的研究方向，但对当前体育领域而言，应用性研究，即将各种已经成熟的智能技术应用到体育实践中来，有着更加重大的现实意义。

4.1　各种体育实用专家系统的开发与研制

专家系统是利用具有相当数量的权威性知识来解决特定领域实际问题的计算机程序系统。它根据用户提供的信息、数据或事实进行自动推理判断，最后给出结论及结论的可信度以供用户决策之用。之所以选择专家系统做为体育实用人工智能研究的突破口，是因为不论从理论上、技术上，还是从应用上，专家系统都可以算得上是人工智能最成熟的一个分支。一些成功的专家系统开发实例(包括已开发的体育实用专家系统)可以提供技术支持，各种理论研究又使开发过程有章可循。体育实用专家系统的开发，能够促使体育实用人工智能不断地从抽象走向具体，引导体育工作者循序渐进地了解和掌握智能技术，逐渐开发出智能化程度更高的智能系统来。惟有如此，才能符合事物发展的客观规律，才能保证体育实用人工智能健康、有序地发展。

4.2　体育领域自身智能技术研究人员的培养

由于受知识和技术的限制，在很长的一段时间内，体育实用人工智能的发展还必须依靠人工智能领域人员的引导。然而，只有培养出体育领域自身的智能技术研究人员，体育实用人工智能才会有光明的前途。新一代的开发人员，我们可以称其为智能工程师，应该首先是一个体育工作者，并已具有相当程度的体育专业知识和体育运动实践，再通过人工智能技术的学习和训练，就可以单独开发出自身领域高质量的智能系统。智能工程师及其工作，为人工智能技术向体育领域的渗透提供了必要的前提条件。

4.3　体育实用人工智能的基础理论研究

虽然体育实用人工智能技术和方法研究十分重要，而且往往能够在较短的时间内取得明显的效益，但是它们却根植于基础理论的研究，脱离了基础理论，技术和方法就会变成无源之水、无本之木。体育实用人工智能也只是昙花一现。知识只有形成体系，才能成为科学，一系列的技术只有被理论所串接和揉合，才会具有持久的生命力。因此，加强体育实用人工智能的基础理论研究(包括运动智能和竞技心理的形成、发展规律、技能知识的表达方式、体育专家的思维推理过程研究、技能知识的传递方式研究等)，是这一新生学科存在和发展的根基所在。

5　结束语

体育实用人工智能离成熟还有很长的距离，还存在着一系列的问题，但同时又充满着希望，为迎接这一机遇与希望共存的挑战，广大体育工作者需要沿着正确的方向做出艰苦的努力。

主要参考文献

1　刘泉宝，等.关于人工智能的哲学思考.计算机科学，1995(2)

2　石纯一，等.人工智能原理.北京：清华大学出版社，1993

3　陆汝钤.专家系统开发环境.北京：科学出版社，1994

4　王永庆.人工智能—原理*方法*应用.西安：西安交通大学出版社，1995

5　刘有才，等.模糊专家系统原理与设计.北京：北京航空航天大学出版社，1995

6　Ming Rao，等.智能工程与控制技术：历史、发展与未来.控制与决策，1994(1)

7　高扬.体育院校课表计算机辅助编排系统的开发与应用.体育数学与体育.系统工程，1995(1～2)

8　程勇民，等.射击运动员肤纹特征及计算机选材模型的研究.体育科学，1995(5)

9　邵桂华，等.体育领域专家系统外壳的开发与研制.体育科学，1997(3)

10　邵桂华，等.赛艇项目技术诊断专家系统的开发与研制.系统工程，1997(4)

篇4

作 者： 【美】马丁・福特

出版社： 中信出版社，2015年7月

一位程序员幸运地抽中了老板的大奖，他将受邀前往位于深山的豪华别墅，与老板共度假期……事实上，员工被邀请来是为了协助老板完成其所开发的智能机器人测试――图灵测试，即测试电脑是否具有“人类思维”。如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且超过30%的回答让测试者误认为是人类所答，则电脑通过测试。然而在随后的交流中，这名员工越发觉得，他所面对的似乎不是冷冰冰的机器，而更像是一个被无辜囚禁起来的少女，楚楚可怜……

这是几个月前在北美上映的电影《机械姬》的剧情。近年来，与其同一类型的影片还有很多，《超能查派》《超体》《我，机器人》……这些影片实则都表达了同一主题――当机器人足以智能，小心科技反扑。随着智能科技的发展、工业机器人的出现，人类和我们的机构已经出现无法赶上机器脚步的迹象了……

作者在本书中也表现出了这样的担忧――我们无法（也不能）阻止科技的进步、世界的发展。同样地，我们将很快迎来机器人全面崛起的时代。

传统时代，我们对机器人是乐观的，即使一些工作被淘汰，但会有更多的工作被创造出来，以满足新时代的创新。由此所带来的经济社会问题也可以通过加强医疗卫生、退休和失业保险制度，培训和教育的强化来调整。

然而，到了机器人时代，这些想法完全错了。过去很多所谓的“好工作”将会过时：律师助理、记者、药剂师、上班族，甚至电脑程序员都将被机器人和智能软件所取代。伴随着机器人技术的日渐成熟，工薪家庭和中产阶级家庭将受到进一步挤压。同时，人们的家庭还将经受生活成本上涨的冲击，尤其是教育和医疗保健成本的上涨。这一切很可能造成大范围的失业和经济状况的不平等，甚至还会造成社会固有结构的崩溃。

在本书中，福特的观察要更为深入一些，其论调也更显悲观。他提到，技术对就业的影响，对个人生活和社会整体的潜在破坏，会交互于其他主要的社会和环境挑战，比如人口老龄化、气候变化和资源枯竭等。事实上，它的可怕之处还在于，如果人们不承认或不适应技术进步带来的消极影响，全球将面临着一场“完美风暴”：不平等的剧增、技术失业以及气候变化所产生的影响将并行出现，而且在某些方面它们还会彼此放大和加强。美国从全球抢回制造业，却没显著提高就业，就是因为就业机会被机器人抢走了。

当然，这还不是最坏的消息。人类水平的人工智能被称为“强人工智能”。它能达到远高于蓝领工人的智能水平，甚至超过整个人类的智能水平。如作者所言，随着机器人从弱人工智能时代演进到强人工智能时代，人与机器之间互相加强的反馈循环将不断加快。最终将产生“智能爆炸”，然后生产出一台比任何人类都聪明十万甚至上百万倍的机器。届时，它很有可能对整个人类文明造成破坏。

篇5

ABC成为时代主题

百度大脑优势独显

百度总裁张亚勤在大会致辞环节分享了对于云计算、人工智能和大数据等领域未来发展的深刻思考。

张亚勤说，百度云拥有百度大脑的支持，是百度云最独特、最重要的优势。百度大脑是百度云的核心引擎，而百度云是百度大脑的云化，为前者提供了神经元和数据训练源。通过深度学习和机器学习技术，百度在语音、图像、自然语言处理等方面取得世界领先成果。

此次峰会以ABC SUMMIT为名， 即是AI，Big Data，Cloud Computing。百度通过开放共享自身领先的技术能力，让云智数成为所有企业的基础能力，推动各行各业开始进入ABC时代。

对于未来信息科技发展的趋势，张亚勤表示，由云计算和人工智能组成的ABC将成为一个时代的主题。以云计算为基础，以人工智能为中枢，以大数据为依托，ABC将深度结合并改造传统行业，真正地提升每一个企业的运营效率，释放商业潜能，创造全新机遇。

截至目前，百度云已经和超过三万家企业展开合作，也陆续渗透到物流、医疗、教育、营销、金融等关系到百姓生活的各个行业中，让服务开始真正智能化。云智数三位一体的云服务结构可以为客户提供业务可持续发展的动力引擎。

以“智”为谋天智平台

会上，百度云重磅了最新的人工智能平台――天智。天智底层为百度云计算，由感知平台、机器学习平台和深度学习平台三部分组成，为不同需求的客户提供全面的人工智能服务。这也是继“天算”、“天像”和“天工”三大平台后，百度云的第四大平台级解决方案。至此，百度云实现了人工智能、智能大数据、智能多媒体和智能物联网全方位的智能平台服务。

感知平台主要包括图像技术（文字识别和人脸识别）、语音技术（语音识别、语音合成和声纹识别）和自然语言处理（NLP Cloud），可以应用于智能客服、身份验证、内容审核等场景，应用开发者可针对特定场景的应用直接调用API。

在这些技术方面，百度均处于行业领先地位。其中百度语音识别入选2016年MIT十大突破性技术，中文识别准确率达到97%。机器学习平台是百度云端托管的机器学习服务，可以打通机器学习全流程，内置20多种高性能算法，并开放Spark MLlib；同时支持百度用户画像数据，并提供多种应用场景模版。

深度学习平台具有灵活、高效、可伸缩、开源等特点。它支持多种神经网络结构和优化算法以及自定义网络配置，对于计算、存储、架构、通信等多方面多了细致优化。它支持多核、多GPU、多机环境，其Paddle内部技术已经使用成熟，并实现对全球开发者的开放。深度学习平台适用于精通深度学习的数据科学家，针对企业或研究部门的特定项目，需要大量的客户标注数据。

交通领域变革在即

智能交通时代来临

作为一家以技术驱动为核心竞争力的公司，百度通过百度云分享自身在云计算、大数据和人工智能等领域的技术优势，通过构建可以计算、分析、处理庞大交通数据的“交通大脑”，打破海陆空以及行政区域的限制，实时抓取散落在各个路面交通、地下交通、空中航线的海量数据。

同时通过百度拥有的全球最大规模的深度神经网络、最大深度机器学习开源平台，对交通大数据的有效归类、提取、利用，实现多系统配合协调，建立起一个更安全、更高效、更准确的智能交通体系。

百度副总裁王路与太原铁路局局长赵春雷、南方航空电子商务部副总经理王景成、中国海事局曾辉共同智能交通生B联盟，这也是国内首个覆盖陆海空车的智能交通生态联盟。

借助百度云计算、人工智能和大数据技术优势，构建“交通大脑”，与合作伙伴一起促进交通运输领域的技术创新和应用，发展智能交通，推动交通运输更智能、更高效、更安全地运行和发展。目前，诸多合作已在进行中。相信随着合作的深入，必将改变交通现状，推动中国智能交通的 发展。

在与太原铁路局的合作中，双方共建国内首家集铁路、航空和公路三位一体多式联运的物流云平台。通过百度云的接入，该平台可打通货物在公路、铁路、航空的运送及仓储信息；并利用大数据进行资源调配，通过人工智能深度学习物流管理，优化调度效率可达59%。

另一方面，百度云还将与中国南方航空共同推进智能航空计划，将通过大数据实现对于航班、旅客、机票、航站楼、天气等信息的综合分析调度。同时共同推进大数据营销、新一代信息技术和百度云的推广应用、消费信贷等多方面的合作探索，为用户打造一站式的智能出行服务平台。

同样基于百度云技术，将通过与中国海事局的合作，海事港口、船舶及相关水上设施信息也将实现联通和数据的共享，加强程控，降低成本，合力提升海运管控能力。

从陆地到海洋再到空中，百度云并不满足于交通体系的立体扩张，还要创造全新的交通方式。百度目前正在推进可以感知车辆行驶、预测交通状况的智能汽车和无人汽车的发展。百度无人车已成为国内外瞩目的前沿科技代表，在去年完成了实地路测，并在今年的乌镇峰会上再次亮相。

在智能汽车的商业化方面，百度已与国内知名商用车企业福田汽车达成战略合作。未来，百度将与福田汽车在汽车大数据、智能驾驶领域深入合作，开发出更多具备智能驾驶的商用车产品。

云计算、人工智能和大数据已成为新一轮产业革命的核心驱动力，百度云将透过云生态下的“交通大脑”，依托智能交通生态联盟，加强行业合作，挖掘数据中的更多价值，推进智能交通的全面云端化，突破前所未及的高度，让智能、计算无限可能。

写在最后

2016是百度云计算的元年，基于基础云、天算、天像、天工已经有80+款产品。下一步，人工智能已经成为百度的核心战略。

百度大脑“天智”――人工智能平台也应运而生，内容包括：

首先，感知平台，包括图像技术、语音技术、自然语言处理等技术，代表着耳口心相结合的“聪”。

其次，机器学习平台，包括打通机器学习全流程、内置20多种高性能算法、支持Spark MLlib、用户画像数据、多种应用场景模板的机器学习平台。

篇6

关键词：电子信息；科学技术；未来发展

第三次科技革命是信息技术的革命，电子信息科学技术在这一阶段取得了飞跃式的发展，也成为了推动一个国家进步发展的重要因素。这种技术虽然是一种新兴技术，但是却已经成为了决定未来走向的一大重要推动力。对于这种技术，它的概念较为宽泛，据专家学者的定义，它包括了电子科学技术，规模型集成电路，信息工程，通信互联网等技术。所以，中国应该紧随时代的步伐，大力发展这一新兴技术，但也因为时间较短，全世界在这一技术的应用上仍然存在许多问题,这是一个值得探讨的话题。

一、在应用中电子信息科学技术的存在问题

电子科学技术由于是一门新兴技术，起步较晚，因此，在当代和未来，包括中国乃至整个世界在其应用上仍然存在着许多问题，但主要存在于发展中国家，发达国家由于起步较早，利用其先进的技术仍然占据着优势和主导地位。关键主要包括以下几点内容。

1、人才培养问题

人才问题可以与教育问题划分为一类，由于整体起步较晚，虽然在各大院校都开设了与这一技术所相关的专业，这些院校所培养的人才大多只能从事较为低端的技术工作。而众所周知的是，电子信息科学技术需要不断进行开拓创新，这直接导致了院校中所培养的人才不能与相关技术发展实际需要相结合。这一问题较多地存在在发展中国家。因此，发展中国家必须向发达国家吸取经验，大力创新，培养高端的技术人才。

2、产业环境问题

这一问题主要体现在两个方面。第一，在市场经济的大环境下，市场竞争主要由市场经济这一只看不见的手所进行调节，电子信息科学技术代表着未来社会发展的方向，受到巨大利益的驱动，大量的资本和社会资源都投入到这一新兴行业的发展，这直接导致了不正当竞争的产生，也对这一行业的发展产生了诸多不利影响。第二，相关的法律法规仍然较为不健全，尤其是对知识产权的保护。一种新兴行业的发展必然伴随着相关政策和法律法规的完善，缺少了它们的保驾护航，这种行业的发展必然困难重重。

二、电子信息科学技术在未来的发展

1、物联网技术的发展

物联网又称为传感网，它的用途广泛，可用于教育、交通、生产等各个领域。随着物联网的逐步实现和发展，许多科幻电影中的场景得以实现，例如，借助一个遥控器，出行在外的人就可以控制家中的电器，环境等。因此人们的生活水平将得到巨大提高。在未来物联网将得到大规模普及，新的产业即将诞生，将会推动各个行业的更新换代。可以说，物联网技术是未来的焦点。

2、人工智能的不断发展

人工智能一直是社会的热点问题，它不仅关乎着科技，也与道德与伦理有着一定关联。但是随着社会的不断进步，人们的要求逐渐提高，人工智能也必然会走进千家万户，为人们的生活提供便利。目前，人工智能虽然已经经历了多年的发展，但依旧存在着许多技术瓶颈需要突破。计算机技术虽然发展较快，但如何实现人工智能仍然是一个难题，需要软件硬件的技术突破。近年来，我们已经享受到了人工智能技术的发展为我们带来的生活变化。智能手机，无人驾驶技术说明人工智能技术已经取得了一定的进步，在未来我们仍然任重而道远。

3、自主研发与集体合作研发相结合

集体合作研发是一种传统的研发方式，发展中国家与发达国家进行合作开发新技术。但不可否认的是，发达国家在电子信息科学技术上占据着主导地位，仍然掌握着核心技术。为了保持其优势，西方发达国家采取技术封锁的政策，在合作中也有所保留。而任何一种技术的发展又需要不断地进行开拓创新，因此，对于广大发展中国家来说，投入人力物力并大力推动技术的自主研发是十分必要的。中国作为最大的发展中国家，要利用好自身的优势，推动自主创新，只有这样才能成为科技强国，掌握主动权，在国际间的技术交流中占据主导地位，取得更大的利益。坚持自主研发，同时与其他国家保持良好的技术交流与合作，才是保障发展的正确道路。由此可见，在未来自主研发与合作研发将会成为一种新兴趋势，推动着电子信息科学技术在未来的发展。

4、互联网的进一步发展

互联网将更进一步普及到全世界各个角落，wifi实现全球覆盖。同时，网络速度和所能提供的服务进一步升级。云计算和大数据技术将得到广泛普及，无线传输将真正成为主流，互联网终端设备也将经历革命性的发展。互联网与现实将结合得更加紧密，两者互补，将极大便利人们的生活。

三、结束语

当代与未来社会是一个充满变革的社会，其中也蕴含着发展与进步的机遇和挑战。电子信息科学技术毫无疑问是人类社会进步的新的动力源泉，它的飞速发展将会带动其他领域的变革。而我们所要做的又是顺应时展的潮流，推动这一新兴技术的发展，抓住机遇并迎接挑战。在本文中，笔者分析了现在和未来这种技术所以仍然存在的问题，并在一定程度上预见了其在未来发展的趋势，希望能为这一技术的发展起到一定的推动作用。

参考文献

[1]童琛博.浅析电子信息科学技术在未来的发展[J].电子世界,2016,(20):23+31.

[2]张寿玲.电子信息科学技术的未来发展刍议[J].科技展望,2016,(29):5.

篇7

融合。信息技术在各学科中的应用已成为“新常态”。需要指出的是，融合其实已经成了时代的

关键词 ，如真实世界和虚拟世界之间的融合使得在虚拟环境中学到的知识就成了未来真实环境中解决问题的方法。

开放。互联网教育的发展，微课、MOOC、翻转课堂的流行，使得“没有围墙的校园”似乎成为可能。在技术的推动下，学校将进一步向其他学校、社会组织、企业开放。此外，个人观念上的开放更加重要。

协同。新技术的支持，开放的理念，将使协同越来越引人注意。一方面是大中小学协同发展，共同探索创新人才培养的途径，另一方面是产学研协同发展。

创新。创新首先要体现在课堂教学模式上。其次，创新也要体现在管理机制和服务机制上。

变革。要想真正促使信息技术对教育产生革命性影响，就要想办法利用信息技术促使教育流程再造，包括教师角色再造、课程模式再造、组织机构再造和管理方式再造等。

智慧。当前，随着人工智能技术的再度崛起，智慧教育又备受各界关注，许多学校提出要打造智慧校园。

“智能”是其中的核心，2015年可能会有新的突破。

篇8

接下来的潮流走向，却出乎许多人的意料。

几年过去，如先驱者余额宝这类产品，其理财属性日趋淡化，用户越来越不把它当成理财工具，而更多地只是现金管理工具；而P2P网贷平台、众筹等更刺激的模式却快速崛起，红得发烫，甚至在很多人眼中，已经成了互联网金融的代名词。

但风口过大，泥沙俱下。时不时总有某P2P公司卷款跑路，某产品提现困难、客服无法联系等新闻见诸媒体，不久前沸沸扬扬的e租宝、中晋系等理财平台的互联网金融风险事件，更是引发了行业性的信任危机。

对于互联网金融行业来说，一个重要的时间节点正在悄然来临。或者说，以野蛮生长为特点的“互联网金融1.0”时代已经结束，马太效应将会逐步凸显，那些具有先发优势、品牌优势、客户资源优势的公司将更容易在接下来的市场格局中占据主导位置。

对普通用户而言，“大理财”元年即将开启，互联网金融行业已经开始显现综合性理财的潮流，移动化、智能化、社交化和一站式的综合性理财将成长为万亿级市场。

“大理财”首先体现为大众理财。传统理财以产品为中心、以销售为导向的模式，会逐步演化成以客户为中心、以为用户创造价值为导向。

其次是智能投资顾问服务的大量引入。在很多业内人士看来，用科技的力量（比如大数据、人工智能）来做传统金融用人工所不能做的业务的智能金融是未来的发展方向。

篇9

什么是工业4.0？

“互联网+制造”就是工业4.0。“工业4.0”是德国推出的概念，美国叫“工业互联网”，我国叫“中国制造2025”（两化融合），这三者本质内容是一致的，都指向一个核心――智能制造。

工业4.0是德国政府提出的一个高科技战略计划。该项目由德国联邦教育及研究部和联邦经济技术部联合资助，投资预计达2亿欧元。旨在提升制造业的智能化水平，建立具有适应性、资源效率及人因工程学的智慧工厂，在商业流程及价值流程中整合客户及商业伙伴。其技术基础是网络实体系统及物联网。

德国所谓的工业四代（Industry4.0）是指利用物联信息系统（Cyber―PhysicalSystem简称CPS）将生产中的供应，制造，销售信息数据化、智慧化，最后达到快速，有效，个人化的产品供应。

2015年中国有几个概念非常火，第一是大众创业、万众创新，第二就是工业4.0，第三个就是“互联网+”。“互联网+”是巨大无比的概念，“互联网+”里面有“互联网+金融”叫做互联网金融、“互联网+零售”、“互联网电子商务”，而“互联网+制造”就是工业4.0。它将推动中国制造向中国创造转型，可以说，工业4.0是整个中国时代性的革命。

工业4.0有哪些特点？

互联：互联工业4.0的核心是连接，要把设备、生产线、工厂、供应商、产品和客户紧密地联系在一起。

数据：工业4.0的核心就是数据。企业数据分析就像汽车的后视镜，开车没有后视镜就没有安全感，但更重要的是车的前挡风玻璃――对实时数据的精准分析。

集成：工业4.0将无处不在的传感器、嵌入式终端系统、智能控制系统、通信设施通过CPS形成一个智能网络，使人与人、人与机器、机器与机器以及服务与服务之间能够互联，从而实现横向、纵向和端对端的高度集成。集成是德国工业4.0的关键词，也是长期以来中国推动两化融合的关键词。

创新：工业4.0的实施过程是制造业创新发展的过程，制造技术、产品、模式、业态、组织等方面的创新，将会层出不穷，从技术创新到产品创新，到模式创新，再到液态创新，最后到组织创新。

转型：对于中国的传统制造业而言，转型实际上是从传统的工厂，从2.0、3.0的工厂转型到4.0的工厂，整个生产形态上，从大规模生产，转向个性化定制。实际上整个生产的过程更加柔性化、个性化、定制化。这是工业4.0一个非常重要的特征。

工业4.0有哪些技术支柱？

工业4.0九大技术支柱包括工业物联网、云计算、工业大数据、工业机器人、3D打印、知识工作自动化、工业网络安全、虚拟现实和人工智能。这九大支柱中会产生无数的商机和上市公司。

哪类公司最有前景？

结合中国工业现状来看，未来十年，中国工业4.0领域将有充足发展的三类公司有：

第一类是智能工厂，分为两种，第一种是传统的工厂转型成智能工厂，第二种是一出生就是智能工厂。

第二类是解决方案公司，为制造业公司提供智能工厂顶层设计、转型路径图、软硬件一体化实施的工业4.0解决方案公司。

第三类是技术供应商，包括工业物联网、工业网络安全、工业大数据、云计算平台、MES系统。

除这三类以外，虚拟现实、人工智能、知识工作自动化等技术供应商也会面临巨大的发展前景。

这是一次巨大的产业革命，错过了工业4.0也就错过了这个时代！谁最终赢得第四次工业革命主导权？第四次工业革命以2013年德国汉诺威为标志，宣布这一轮工作革命以智能制造为核心。

中国为什么选择德国标准？

第一，中国政府认为，德国路径比美国路径更容易实现;第二，美国的工业空心化严重。IT公司出现工业4.0挑战大，缺少基础设施的落地，德国工业技术雄厚，是生产制造基地，生产设备供应商加IT业务解决方案提供商。在第四次工业革命的战略选择上，中国政府的策略是，紧盯新一轮产业发展的潮流，选择工业4.0，推出中国版的中国制造2025，寻找机会弯道超车，后发先制。

工业4.0是一个全新的时代，一期刚刚开始，预计要30到50年的时间发展引进，按照国家工信部部长所说：德国是从工业3.0串联到工业4.0，中国是2.0、3.0一起并联到4.0。

工信部和中国工程院把中国版的工业4.0的核心目标定义为智能制造，这个词表述非常准确。由智能制造再延伸到具体的工厂而言，就是智能工厂。智能制造、智能工厂是工业4.0的两大目标。

篇10

［关键词］高职学生；高质量就业；就业价值取向；就业岗位

一、引言

全球新一轮科技革命和产业变革正在加速拓展，社会的生产方式、组织形态、商业模式、管理模式都发生了巨变，大数据、人工智能、区块链、共享经济等数字新技术的发展诞生新商业、新职业，使我国就业形态、就业结构、就业稳定性以及劳动技能需求都发生了变化。高等职业教育由规模扩张转入内涵发展和高质量发展的新阶段，高质量就业已经成为新时代经济发展的追求目标。高职院校在人才培养过程中要面向产业需求，在追求高就业率的同时应更关注学生就业质量，为劳动力市场输送与用人单位需求相匹配的人才。当前，我国进入以创新为核心、以发展服务型经济为重心的新一轮经济结构调整的关键时期，经济发展呈现出速度变化、方式转变、结构调整、动力转换的态势。新经济、新业态、新产业的发展为高职院校毕业生提供了更多的就业机会，人工智能、大数据等新兴产业人才供不应求、跨专业人才优势明显。新就业形态是经济业态发展、市场竞争与技术进步相互作用的结果，不断改变着传统的就业方式和就业观念。无论从就业的政策导向还是从大学生的现实需求看，需要在深刻认识高等职业教育发展规律的基础上，推动教育质量与职业需求紧密结合，优化劳动力结构，提升高职院校毕业生就业质量，以应对诸多复杂挑战，实现经济高质量发展。

二、高职学生就业的困境

1.劳动力供求的结构性失衡日益凸显，人力资本与产业结构不匹配矛盾突出。改革开放四十多年来，我国经济持续快速发展。随着我国劳动力供求的结构性失衡日益凸显，劳动力供给质量亟待提升。2019年全年城镇新增就业1352万人，比上年少增9万人。新一轮科技革命和产业变革方兴未艾，正在深刻影响着我国产业结构和就业结构的变化。一方面，产业转型升级创造高质量就业岗位的速度远远低于毕业生数量的增速；另一方面，随着技术进步加快和产业结构优化升级，技能人才短缺问题将更加突出。相对于产业和技术的快速变化，人的变化是一种慢变量，实现职业转换需要一定的教育培训，转变就业观念需要更长的时间。新就业形态对已有的劳动、就业、培训、社保等政策和体制机制，以及与之相适应的服务体系提出了巨大挑战。我国经济已从高速增长阶段转向高质量发展阶段，以大数据、人工智能业态等为代表的数字经济已经成为推动实体经济转型创新的新引擎，对高素质技术技能人才的需求不断增加。但是，职业教育人才培养滞后于新产业技术变革，不能满足社会经济发展需求。2.就业矛盾从就业规模能否扩张向就业质量能否提升转变。一直以来，我们更多地关注就业数量，而忽视了就业质量。技术进步对就业挤出效应和替代效应在一定时期和条件下显现。党的报告指出，促进我国产业迈向全球价值链中高端，培育若干世界级先进制造业集群。近年来，企业加快推进机器换人，受教育程度、技能要求相对较低的岗位被“机器人”替代，影响的就业岗位数量会持续增加，岗位结构发生了深刻变化，部分劳动者不可避免地要面临下岗失业。由于从人力资本投资到形成有效劳动供给通常会滞后于岗位需求，高职院校主动对接产业的意识不强，人才培养和社会需求存在一定程度的脱节。3.大学生就业价值取向发生了明显的变化，呈现出功利化、多元化等特点。薪金待遇、就业岗位、行业发展和职业空间仍然是当前大学毕业生最关注的因素。大学生找一份工作谋生并不难，但谋求优质岗位和高质量就业岗位的难度系数比较大。高等职业教育在发展过程中陷入了“工具理性”与“价值理性”的困顿之中，忽略了“以人为本”的教育理念。麦可思研究院的《2019年中国大学生就业报告》（就业蓝皮书）显示，我国2018届高职高专毕业生就业率为92.0%，就业满意度为65%，2018届大学毕业生“慢就业”的比例达6.99%，对就业不满意的主要原因是“收入低”和“发展空间不够”。2018届高职高专毕业生毕业半年内的离职率为42%，远远高于本科毕业生的23%，高职院校毕业生就业不稳定性逐步增大。近年来，大学生就业价值取向呈现出新的特点，逐利性与求稳性并存、就业目标偏高与期望个人价值实现并存。大学生就业观念和就业选择趋向多元化，选择自主创业和灵活就业的人员数量不断提升。以互联网、大数据、人工智能为代表的新一代信息技术与产业深度融合，引起了整个社会就业方式、岗位结构的变革。互联网公司已成为目前大学生就业的新兴高地。

三、高职学生实现高质量就业的路径

大学生高质量就业是一个系统工程，应充分发挥政府、高校、行业企业和大学生的协同作用。高等职业教育需主动回应技术创新和社会变革，在对接新产业、新职业的基础上，通过产教深度融合和跨界协同创新，实现政府、高职院校、行业企业知识共享、资源优化配置、行动最优同步和系统高水平匹配，培养出具有较高竞争力的高素质技术技能人才。1.创造高质量的就业岗位，增强经济增长对就业的拉动作用。随着我国经济结构调整深入推进和产业转型升级速度加快，对高素质技术技能人才的需求日益增多。大学生在求职时希望随着经济不断发展，社会保障更加完善、薪酬待遇持续提高、工作条件不断改善、职业发展空间更加广阔。实现高质量就业首先要有高质量的就业岗位，而高质量的就业岗位来自高质量的经济结构和产业体系。经济发展的提质增效、产业结构的转型升级，必将推动高质量就业岗位的持续增加和提供更多的优质就业机会，形成新的就业增长点。政府要强化宏观管理职能，为高职学生营造公平就业环境。具体来说：政府正确发挥管理和服务职能，做好产业引导和企业帮扶，促进教育链、人才链与产业链、创新链有机衔接，统筹优化人力资源供给与改善劳动力市场需求；强化就业政策与经济政策、产业政策、社会政策之间的协同联动，将就业与创新创业紧密结合，营造良好的创新创业环境；增强经济发展创造就业岗位的能力，运用好“互联网+”推进就业转型，发展新就业形态，拓展就业新空间，为高职学生提供充分的就业机会；完善法律法规体系，保护从事新就业形态的劳动者权益，不断优化就业创业环境，推动高质量增长与高质量就业同步实现，让产业结构优化、就业结构转化与就业质量提升并行不悖，增强经济增长对就业质量的带动作用。2.人才培养与产业发展深度融合，实现技术创新与就业增长的协同发展。随着创新驱动发展战略的深入实施，数字经济、新技术发展催生了新的就业需求。新产业能够提供更加广阔的就业渠道和更加优质的工作岗位，企业需要具有吸收问题、转换问题能力的人才，高职院校需要培养适应新产业的高素质技术技能人才。在高质量就业目标的引导下，高职院校培养的人才与劳动力市场需求的匹配必然以质量为前提。高职院校应立足于我国产业发展战略需求，与行业企业、研究院所、政府部门等不同社会主体建立协同机制，推进校政协同、校地合作、校产联合、校企对接，建成教育部门、高职院校、行业企业、学生联动的“互联网+就业”跨专业协同创新平台，为大学生高质量就业提供线上精准对接、线下高效服务。高职院校应根据企业优势和产业发展需求，牢牢把握产教融合、校企合作路径，吸引更多的企业专家、技能大师走进课堂，促进学校教学与企业用人的无缝对接。打破高职院校与社会、行业企业间的体制壁垒，在人才培养过程中结合学校的师资特点和学校的区域影响力、区域产业特征和区域供应链以及企业资源，探索具有中国特色的高层次现代学徒制，让企业的人才培养前置化。整合政府、高职院校、行业企业等各主体的资源，不断完善职业教育集团、产学研创联盟等教学模式，使各主体的人才、专业群、地理空间等优势充分发挥出来，增强人才培养对新兴就业领域、新就业形态的适应性和契合度。根据大学生的就业需求，实施高等职业教育供给侧结构性改革，建立企业需求侧与教育供给侧资源要素融合的平台和机制，更多地把人才培养与产业对接，实现从量的扩张到质的提升。构建“政府、高校、家庭、学生”等多元主体参与的“就业生态共同体”，适应新就业形态的劳动用工和社保政策，不断提升人才结构与产业结构的匹配度，促进公平就业和大学生社会性流动。充分利用人工智能技术和大数据分析，对行业企业用人需求和新的就业特点进行科学研判，完善毕业生就业跟踪调查反馈机制，将就业大数据多向精准反馈至招生、人才培养和就业等各环节。以精准就业为导向推进高职院校人才培养改革，提升就业大数据对人才培养改革的决策咨询功能，形成招生、人才培养和就业一体化的精准就业指导工作格局。3.遵循大学生的认知规律，探索教育新范式。当前，“三新”经济已经以标志性的智能、个性化服务、社会化共享、跨界融合等多维特征涉足三大产业的方方面面，创造新需求，形成增长新动能，产生新就业模式和新职业岗位。高等职业教育应主动回应技术创新，关注社会发展变迁，遵循大学生的认知规律，探索教育新范式。高职院校应推动特色发展、差异化发展和高质量发展，把职业道德、技术技能水平、就业质量和创新创业能力作为衡量人才培养质量的重要内容。高职院校应根据新经济、新技术、新业态、新职业设置专业，与产业发展、行业需求和技术进步相适应，对专业的内涵与外延进行重新设计和精准界定；加大部门间的协同配合力度，构建基于产业链、融入新知识和新技术技能的专业课程体系；坚持“以学习者为中心”的教学模式，将知识转化为“知势”，培养学生的终身学习能力。4.注重就业价值取向的引导作用，提升大学生高质量就业能力。马克思在中学毕业论文《青年在选择职业时的考虑》中指出，青年在选择职业时首先应当考虑的是为人类的幸福服务，不能选择那些脱离实际的职业，需要把理想与现实、思想与行动结合起来。高等职业教育要坚持“以人为本”的教育理念，把就业价值观教育摆在重要位置。高职院校要全面落实立德树人的根本任务，把大学生就业能力培养融入人才培养全过程，强化职业素质和职业操守教育，注重专业基础能力、跨领域协同能力、实践能力与创新创业能力的培养，缩小大学生就业力与实际需求之间的差距。面对新的就业形势，高职院校要高度重视学生就业价值取向中“个人本位”与“社会本位”的统一、现实关切与理想追求的统一，由就业指导教育转向职业生涯教育。高职院校要采用学生喜闻乐见的形式，针对生源特点，实施全程化、全员化、全方位的职业生涯教育，做好学生求职状态跟进、企业招聘状态更新，不断提升学生的职业认知能力，引导学生在职业发展道路上正确处理个人利益与国家利益、集体利益的关系，树立正确的职业价值观。高职院校要改变大学生就业“从众”选择的行为，使大学生积极面对职业多元性选择的挑战，将“高起点就业”观念转到“先就业后择业”“先就业后发展”的“灵活就业”“动态就业”观念上来，找准自身发展与社会需求之间的结合点。

［参考文献］

［1］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］.数量经济技术经济研究，2019（5）：3-22.

［2］罗筑华，王汉青.新时代下大学生就业质量提升中的现实审视与路径分析［J］.黑龙江高教研究，2019（10）：134-138.

［3］麦可思研究院.2019年中国高职高专生就业报告（就业蓝皮书）［M］.北京：社会科学文献出版社，2019.

［4］苏丽锋，赖德胜.高质量就业的现实逻辑与政策选择［J］.中国特色社会主义究，2018（2）：32-38.

［5］杨礼雕.以“互联网+”模式推进大学生精准就业［N］.光明日报，2019-03-31（15）.

［6］马廷奇.高职院校扩招与高职教育高质量发展［J］.中国职业技术教育，2019（33）：25-30.

［7］任雪园.变革与转型：智能化时代高等职业教育人才培养模式的再审思［J］.职业技术教育，2019（28）：12-17.

［8］张纪南.推动实现更高质量和更充分就业［J］.求是，2018（12）：24-26.

［9］王霆.大学生高质量就业的影响机制研究：人力资本与社会资本的视角［J］.高教探索，2020（2）：108-114