人工智能教育政策范文

导语：如何才能写好一篇人工智能教育政策，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

关键词：高职教育；人工智能；转型发展

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

时代的发展使高职学生的思想发生变化，传统的高职教育虽能提高学生专业能力，但并不满足当前企业对工作岗位的需求，学生无法实现自身价值。曾经的学生，没有认识到自身与社会的关系，存在“得过且过”等不良思想。新时代，高职学生逐渐认清自身地位，意识到自己与国家民族是“命运共同体”，是实现伟大复兴“中国梦”的主要力量。高职教育转型创新，根据时展要求、学生需求，合理调整教学方案与计划。

篇2

要实现《中国教育现代化2035》的目标，难点和重点是在农村。面对时代挑战，解决农村教育现代化的问题，需要我们把目光投向农村，充分运用信息技术、人工智能、大数据等手段，帮助农村教师提升信息素养，帮助农村提高教育质量，促进教育公平，让农村的孩子能享有公平而有质量的教育。农村教育和城市教育有相同之处，也有各自不同的优势。在信息技术与教育融合的道路上，农村不能完全套用城市的发展思路和模式，不能盲目追求硬件设备的高大上，而要探索出与自身优势结合的发展路径，解决好人机关系的问题。

第一，始终把提高教育质量放在首位，但要避免重蹈应试教育的覆辙。在技术与教育深度融合的过程中，最重要的问题是要明确目的和手段的关系。教育的根本任务是立德树人，培养德智体美劳全面发展的社会主义建设者和接班人。技术应用到教育中的最终目的，是为了培养人。相较于城市，农村教育的基础较为薄弱，可以充分利用信息化手段，把城市优质资源输送到农村，并且使用技术提高教学效率。但要避免走入技术助长应试教育的误区，要以育人为前提，在实际教育教学中恰当融入信息技术。

第二，要进一步加强农村地区教师队伍建设，提高教师的业务水平和信息素养。免费师范生政策、特岗教师计划及乡村教师支持计划等政策的出台，解决了一些偏远农村教师“下得去、留得住”的问题。

教育部的《全国中小学教师信息技术应用能力提升工程2.0的意见》中明确指出，“信息技术应用能力是新时代高素质教师的核心素养”。要实现“教得好”的目标，可以充分发挥信息技术的优势，一方面通过网络等手段，为他们提供更多进修、培训、同行交流的机会和平台；另一方面帮助农村教师提升信息素养，借助技术手段提高教育教学质量，增强农村教师的成就感和自信心。

篇3

人工智能的教育本体：教育的变与不变

从本质上讲，人工智能技术是信息技术革命的集大成者。自从托夫勒1970年写出《未来的冲击》，信息技术革命越来越快，概念越来越多，没有停止的迹象。仅从近五年来看：大数据、数据科学、生命信息、工业4.0、物联网、新硬件时代、机器人、互联网+、人工智能，表面上概念你方唱罢我登场，但内在逻辑一直没有变：从单项技术走向全面融合，从局部应用走向全面工具化，而人工智能至少在目前看来是集大成者。硬件上物联网的成熟、软件上高可用性和动态数据库的成熟、生物学上神经科技的进展、数学上网络算法的应用、材料科技上纳米和感知材料的进展、信息科技上芯片和云技术的快速进步。从物理世界到混合世界，再到比特世界，人工智能技术刚刚开始，但人们基于过去工业革命的经验，明确感到这是临界点的来临。

STEM 成为后人工智能教育的不动点：应对科技的变化，教育的变革一直都在进行且与科技的发展互为因果。从彼得・蒂尔对教育的质疑，到创客热潮在美国教育中的掀起，事实上，STEM教育是美国对过去概念化的“实用主义”教育和“通识教育”百年争论的落锤之音。起源于杜威和哈钦斯的那场争论，恰恰是工业革命已经明确成型后的两种教育理念的争论。之所以今天的美国已经很少争论到底是实用主义还是通识教育，是因为美国的科技已经进入到一个新的阶段。教育是一个组织行为，一个围绕未来10年不变的知识、20年不变的技能、30年留存的体验的稳定的复杂社会经济形态，因此不那么容易被颠覆。恰恰是科学、技术、工程、数学（STEM）构成了工业时代（数理化）和后工业时代（文科、理工科）中的不动点，在物理学和几何学中，不动点对于系统的稳定和概念的一致性非常重要，而目前的STEM教育，不仅仅是一个概念的东西，而是旧技术时代向新技术时代过渡的“不动点”。在这个不动点体系中，新的侧重开始后，原有的教师和学科体系以及支撑可以平稳切换，不至于导致教学秩序的混乱。

元学科、应用学科和副科发生结构性的变化。由于人工智能的出现，使得复杂计算和系统计算以及简单的人机交互计算工具化全面超越人类，对技术基础这个原有概念的教育的分歧越来越大。人工智能视野下学科概念如果表述成元学科、应用学科与素质学科，那么教育学科的概念的持续性还能以最大公约数继续运行：以数学、物理、化学等元学科为代表的学科，在今后的教育中更加重要并将作为筛选人的条件。而应用科学：（生物、地理、信息、劳动）学科，将着重项目制学习、体验学习，成为培养人的目标；社会科学（历史、哲学、思想品德）将来的重点在于综合应用，批判性思维学习，更加侧重学科的来源和发展；而综合素质类（音乐、体育、美术）将从副科走向前台。@样，围绕STEM的教育，人工智能下的教育体系还是一贯的科学（元学科）、技术（应用学科）、工程（素质学科、社会学科、管理学科）、数学（逻辑、数学学科）。

人工智能技术对学科的影响：越理性，越感性

数学：传统的工业时代的数学，其训练方法是数值计算，其指向是力学计算，这种侧重至今还非常浓厚。随着知识库的普及和共享以及计算工具的进化，越来越少的人将来从事传统的工程计算行业，而正宗的工科专业越来越向着专业化和高端化演化（如学材料的将来的进入门槛很可能是博士）。但是，人工智能今后用到的大量的数学以及人与人打交道用到的计算机数学，统计学基础的数学，这方面中国数学还停留在工业时代。美国学生从高中就开始问卷处理和微积分的学习，大学数学更加有用的是方程组、统计学等。数学是一个典型的年龄相关性学科，一定要从小学，而且转向数值和算法类的学习，从偏向材料计算的高等数学方向，转向偏向矩阵计算的统计数学方向，逻辑学、几何学和统计学成为三个数学学习的支柱。

物理：有一位著名的物理学家回顾过去物理百年，发现一个有趣的现象：“力”这个概念，在物理学上看，已经不是一个原始的变量了，能量和质量才是，为什么我们的老师还在使用这个概念呢？那是因为在机械时代，“力”是最容易理解的组合概念。在工业革命前后的几百年直到今天，物理学教育的重点还是偏向传统力学计算方向，从中小学来说就是牛顿力学。然而随着工业时代的结束，人们更容易见到的力学概念不再是机械和天体，而是转向社交网络、计算机图像、信息变量、生物体和电子学以及更容易接受的能量、时间维度。数学老师们转向统计学的同时，物理老师应该考虑从牛顿力学转向量子力学和热力学甚至时空维度，这些对于孩子未来的人生更是基础，而通过物理学进行基础的科学实证的训练以及科学观测和数据处理，才是物理学最基础的作用和价值体现。不然，人生什么年龄都可以去学物理而不必非要从未成年时代去学。

元科学化学：中美物理学和化学都是选择性的，但比较中美化学教育，却发现有很大的不同。美国高中化学就允许且必须使用带有功能性计算的计算器，而中国大学生都没有这方面的训练。也就是说，随着化学和生物化学要求越来越高、知识点越来越多，设法绕过烦人的记忆而走向逻辑，是美国学习化学的方向，这点也值得我们注意。另外，化学的侧重由从偏向无机化学方向的基础化学，转向偏向生物和有机化学方向甚至与物理相结合的量子规律，是化学学科的重点。例如，很多美国的大学录取要看高中生在化学创新方面的实践，能创新的往往是生物化学。

外语：工具性的外语逐渐失去市场，形式节奏上的美学、逻辑学角度的词源学、社会学角度的语言学、心理学角度的语义学成为外语复兴的落脚点。另外，似乎从来没有人将计算机程序当作外语来教，事实上，随着工具性的外语被人工智能取代，计算机程序语言很可能成为一种外语，而很多软件人才是学外语出身的，也不断印证这个结论。

语文：可以预料的是，随着工具性的人工智能的出现，原先学习语文的工具性的方法（如语法），逐渐将退出语言学习（包括外语），而作为母语的语文之所以在工具化人工智能时代还得到重视，最重要的理由也许是仪式感的表达：回到经典、回到表达、回到应用、回到美学。

除了以上学科教育的重点随着技术经济必然发生变化外，学科学习的醒悟和内在逻辑将更加重要，学科历史、学科逻辑、学科故事将替代题库训练，因为作为计算的精确性除了特殊人才的培养外，将让位于工具和人工智能，而人要考虑体验和持续学习的兴趣和逻辑。学科学习之间还将朝着融合的方向发展，应用学科和元学科的分离意味着应用学科更加朝着整合的方向发展：地理、生物、科技等融合课程，朝着综合应用发展。

人工智能技术对教育技术的改变：从工具到空间

随着人工智能的发展，也许目前花里胡哨的信息技术将隐身后台。课堂上也许看不见信息化了，师生在课堂层面体验将会越来越好，越来越贴近自然：看不见计算机的信息化，距离教育更近而不是技术更近。

学校之所以存在是因为学校为学生模拟了一个高度抽象的比真实世界还真实的教育世界。因此，未来的校园从改变世界的信息模版角度，将更加强调与客观世界的互动、映射和高度抽象。

美国的大学录取是更接近人工智能手段的个性化录取，而学生选拔是更接近大数据角度的GPA（平均成绩点）。从培养角度，学生画像比GPA更加个性化地从个体角度描述学生的个性特征，学生的学习行为、实践行为、创新行为，在全地域、全信息、全自动、全过程的记录下，将更加全面地反映学生的全貌。智能实验室和智能校园的方向，将来是基于个体的专业学习和评价。

与学生相对应的教育行为画像，将侧重于联系社会、联系科技、联系家庭、联系团队，从重复性劳动变为创造性劳动。

而学校的管理行为将演变成支撑技术：支撑数据、支撑品牌、支撑环境。今后的教育将出现越来越专业和自由的教师，越来越职业的校长。

在教育政策上，由于全国性的数据和人工智能的使用，教育测评将更加专业化、教育本体化（而不是被测评机构和排名所左右），教育选拔将更加科学化和长期化，短视模式随着计算方法和智能评估的进展而迅速被迭代掉，衡水模式将逐渐退出历史舞台，未来应该筛选更应该上清华大学的人和更应该培养好每一个想学习的人。即使仅从功利教育目标来看，教师个体经验也逐渐让位于人工智能和大数据，教育重心从教育哲学属性逐渐走入教育科学属性；而被恐惧绑架的教育所强调的教育的筛选功能，逐渐将重心转向教育培养功能，个体成功的培养目标，逐渐转变成为未来视角的社会价值角度；教育回归人与人的本质关系和专业培育孵化的社会职能，功利性和工具性减弱，过程幸福成为教育者追求的目标。教育者由工匠逐渐转型为艺人，教师由于工具化的替代，将会越来越有尊严和个性，而不是越来越像工具。

“人创造”的价值逐渐凸显，教育的价值在于“创造人”

柯洁在被人工智能的计算机打败之后，接连战胜外国围棋高手，刷了一下存在感并表示：“与机器下棋没意思”。同样，在工具制造时代，如果从质量和精度考虑，无疑机器越来越超过人，然而手工的红木家具、手工的艺术品、手工的食品、甚至手工的衣服和汽车，比起无论从什么角度来看的机器人制造的东西，都越来越贵，人也越来越愿意采购。“人创造”的价值凸显，是体验经济产业升级的一个标志，人工智能时代也不能例外。因为，“有意思和不可复制”才是人消费的高级时代。

不同于机器代替人的重复劳动的趋势，教育与学校会替代机械的班级成为人与人关系的场所，在这个场所中，机器越来越像人来代替人的高级状态，而人越来越摆脱工具性、摆脱重复性，更具艺术性和创造性。研究教育的历史会发现一个普遍的现象，就是随着工具性的增强，反而是班级规模的缩小和师生比的扩大，这也印证了：人毕竟要与人打交道，教育是一个个性化的活动。C器代替人意味着更多的时间人会回到家庭陪同孩子，这在美国已经持续发生了50年，几乎多数的女性甚至男性在孩子成长过程回到家庭（如果他们算教师的话，教师比例更大）。在学校里未来的师生比会持续增加，教育更加不再计较投入产出，而将演变成一种创造性的职业。

杜威在研究工业化革命后的教育中，提出教育的目标更加集中地体现在教育本身之中，教育即生长（教育的目标就是让教育继续下去）。随着工具化的人工智能代替越来越多的教师的重复性劳动，教师的幸福指数越来越高，更多的和更合适的师生比使得学生得到更加专业的呵护和培养，幸福指数也得到提升。教育让生活更美好将逐渐实现，教育即生活的前提条件是教师不再是指标的工具，学生不再是考核的工具。

篇4

1936年人工智能之父提出人工智能这个概念，为人工智能乃至现代信息科技奠定了基础。

1958年，10位美国年轻的学者在一起研讨，正式提出人工智能这个概念。

人工智能经过了60年曲折的发展，有过令人兴奋激动的时刻，也有令人非常沮丧的时刻，现在到了一个新的，这是没有异议的。

特别值得一提的是，专用人工智能领域取得了突破性进展，今年，阿尔法狗是标志性之一，包括竞赛性能的不断提高，特别是在测试中已经超越人。

新版的人型机器非常的震撼人心，在地面上走，尽管歪歪扭扭，但走得还很稳；还有自动驾驶汽车，在雪地里，也可以走得很好；语音识别，这是科达讯飞一个典型的语音识别的例子，效果非常好；人脸识别，尽管还有一些挑战，但是这几年还是不错的。

专用人工智能确实取得了突破性的进展，但人工智能的研究与应用依然任重道远，要在通用人工智能方面取得巨大突破还需要尽洪荒之力，曾经有四句话描写了人工智能目前的水平，有智能没智慧，有智商没情商，会计算不会算计，有专才无通才。

另外，人工智能产业化应用也有了很好的发展，2015年全球人工智能市场规模为1270亿美元，今年预计1650亿美元，到2018年预计超过2000亿美元，发展非常之快。目前，人工智能已经上升到国家战略高度。过去一年人工智能领域的十件大事

过去的一年里，人工智能领域有很多新的变化。

第一项，阿尔法狗。

第二项，各国政府高度重视人工智能发展，包括今年5月份美国白宫举行的4场研讨会。

第三项，IBM类脑超级计算机平台，是基于前几年的芯片。

第四项，软银320亿美元收购ARM，这是很大的收购。

第五项，谷歌、facebook等开源人工智能基础平台反映了一个趋势和动向。

第六项，创建公益性的人工智能机构OpenAI。

第七项，在学术方面，Science发表Bayesian Program 论文。

第八项，微软深层残差网络夺冠2015年ImagnNet。

第九项，谷歌量子计算机取得重要突破，为人工智能计算搭建了一个平台。

第十项，剑桥大学成立了人工智能伦理研究所。

怎样通过这个标志性事件看目前人工智能发展的状态，我将其概括成十段话。

人工智能十大趋势动态

第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，都掀起了热潮。

第二，产业竞争白热化。

第三，投资并购密集化，过去一年的收购、投资，数不胜数。

第四，人工智能应用普适化，开始向各个领域渗透。

第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。

第六，基础平台开源化，包括IBM、谷歌开源的平台，是过去一年特别明显的一个新的特征。

第七，关键技术硬件化，包括IBM的类脑计算平台。

第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行，阿尔法狗里集成了很多。

第九，学科创新协同化，多学科跨界融合交叉协同创新人工智能创新途径，其中包括量子技术跟人工智能的结合。

第十，社会影响大众化。

人工智能未来发展五大思考

第一，要保持警醒。热潮下面尤其需要冷思考，阿尔法狗在围棋上的表现，确实提高了人们对人工智能的期望，但是对人工智能希望太高，如果没有实现就会非常失望。过去60年中我们有很多这样的教训，在热潮下尤其需要冷静的思考，有就一定会有低谷，这是发展的客观规律，而任何一个时段不可能一直蓬勃，所以一定要保持冷思考。引用最新的新兴技术成熟度曲线。智能机器人、认知等热门技术正处于期望膨胀期，接下来可能是幻灭期，所以需要我们冷静的思考。

第二，切忌跟风。我认为跟风难有大作为，这几年风口热好像说得很多，找风口不如找关口，发展的瓶颈在哪里，突破瓶颈就可能开创一个新天地，抢占先机，大家不要再跟风。

第三，不忘初心。对于人工智能来说是不忘初心继续探索，回归人工智能的本原，是要解决什么问题，别走偏了。所以从研究的内容到研究的目的，在回归本原的过程中尤其要记着，信息科技与脑类科技的交汇，人脑智能机理的挖掘孕育着信息科技的重大变革。

第四，苦练内功。重视前沿基础理论研究，现在是家喻户晓，但是大家不要忘记不是那么火爆的时候在干什么，一直坚持，才有深度学习的今天，所以苦练内功很重要，不能被当下的热点一叶障目。深度学习不等于AI，深度学习只是人工智能领域机器学习方向的一种方法，尽管现在效果很好，确实需要思考如何克服这个瓶颈，人工智能发展的下一个关口在什么地方。深度学习的成功不是理论方法的突破，而是在大数据和大规模计算资源驱动下的基于基础理论的技术突破，其本质是通过映射对复杂函数进行逼近。

深度学习依旧存在明显的局限性，尤其在任务的切换和对环境变化自身完善、对小样本的举一反三等方面，人工智能与人类还是相差甚远。

第五，以史为鉴。丘吉尔说你能看到多远的过去，你就能看到多远的未来，你过去看的有多深，你对未来才能看得有多准，我认为是有道理的，所以这个时候就需要我们做一个思考。从浅层智能到深层智能；从专用人工智能到通用人工智能；从机器智能到混合智能；从数据驱动到数据和知识协同驱动；从线下智能到云上智能；从网下到网上。

人工智能在中国的发展

这些具体的趋势实际上都反映在整个社会化大趋势上，智能化是新一轮科技与产业革命的最显著特征。

我们国家发展有很多机遇，天时地利人和，当然也有挑战，我们的战略思维、冒险精神还不够，所以要思考这些问题，人工智能如何更好地服务社会。

如何抓住这个机会，我觉得首先应该有一个规划，因为只有通过顶层规划协调才能实现一盘棋，最终实现人工智能强国。

篇5

2017年什么概念最火？人工智能当之无愧。作为新兴热点，人工智能领域的公司很多还处于创业阶段，在A股市场中成熟的公司虽然也有或多或少涉足，但总体还处于探索阶段。

咨询公司Venture Scanner统计，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。

在这13个种类中，研究机器学习（应用）的人工智能公司数目最多，达260家，约占整个行业的30%。从区域分布情况来看，欧美等西方国家发展较为迅猛，其中美国以499家人工智能公司占据绝对主导地位，且初创公司数量众多;而以中国为首的发展中国家在人工智能领域显然仍处于起步阶段，真正布局该产业的公司较少，以传统互联网巨头进军人工智能领域为主。

目前较为成熟的感知智能技术（如语音、视觉识别的服务、硬件产品等）的应用开发所形成的新“人工智能+”将引领产业变革，成为推动社会飞跃发展的新动力。在传统产业，人工智能可以在制造业、农业教育、金融、交通、医疗、文体娱乐、公共管理等领域得到广泛应用，将不断引入新的业态和商业模式;在新兴产业，人工智能还可以带动工业机器人、无人驾驶汽车、VR、无人机等处于产业生命周期导入期的公司飞跃式发展。

从具体应用方向来看，如今十分火热的工业4.0、人脸识别、智能答题机器人、智能家居、智能安保、智能医疗、虚拟私人助理等人工智能概念是有望得到快速爆发的重点领域。目前人工智能在图像识别、语言识别和自然语言处理，以及人机交互、机器视觉、自动驾驶等方面都已经成功应用。

人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局;通用技术层是构建技术护城河的基础，需要中长期进行布局;解决方案层直戳行业痛点，变现能力最强。

基础层公司 多为传统IT转型

人工智能基础层就是我们常说的大数据、云计算、CPU等。目前国内上市公司中在人工智能基础层方面相关的公司包括久其软件、东方国信、天玑科技、浪潮信息、恒生电子、拓尔思等。

恒生电子（600570.SH）2016年成立了恒生研究院，负责人工智能、区块链、大数据等前沿技术的研发。区块链课题，恒生电子作为发起单位加入了金融区块链合作联盟（金联盟），并加入了linux基金会hyperledGEr开源项目等。

久其软件从最初的软件提供商到移动互联和大数据运营的再次验证，未来定位基于高端客户资源大数据和移动互联网变现的不断执行公司。公司创立之初以报表管理软件切入，为政府提供结构化数据分析和整理，并进一步提供完整解决方案，现已发展成集大数据、集团管控、电子政务和移动互联领域软件于一身的大数据解决方案提供商，A股稀缺。

拓尔思（300299.SZ）大数据服务领域稀缺纯正标的。公司脱胎于北京信息科技大学中文信息处理研究中心，自1985年起便开始研究中文信息检索，目前公司已拥有大数据领域非结构化数据处理技术，在大数据分析领域具有较高的技术壁垒，从底层技术、平台产品到应用产品服务技术全产业链布局。随着非结构化数据的地位在整个大数据领域中的不断上升，拓尔思有望进入高速增长期。

科大讯飞（002230.SZ）是A股人工智能龙头，公司在以“从能听会说到能理解会思考”为目标的讯飞超脑项目上，持续加大投入，在感知智能、认知智能等领域均取得显著研究成果。

技术及应用层公司 靠智能制造落地

人工智能技术层主要涵盖了框架、算法、通用技术，目前人工智能算法大体上流行12种，这12种算法包括决策树、朴素贝叶斯分类器、最小二乘法、逻辑回归、支持向量机、集成学习、聚类算法、主成分析法、SVD矩阵分解、独立成分分析、关联规则、其他方法等。

人工智能算法通过AlphaGo与柯洁的人机大战，成为当前数据分析领域中的一个热点内容。目前通用的框架层：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统。作为投资者或者普通消费者更多的会关注通用技术如：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件，毕竟通用技术与我们日常生活习习相关，如你们平时所能看到的智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。

目前，A股市场有59家公司涉足机器人产业，部分公司通过收购进入这个领域。以昆仑万维为例，公司收购美国的机器人公司WooboInc.，致力于开发人工智能技术驱动的交互式机器人;在东方网力的18.30亿元增发方案中，1.57亿元拟投入智能服务机器人项目。

人工智能目前最看好生物识别，如远方光电和佳都科技。金融科技Fintech围绕IT与金融创新展开。虚拟的网络战争已经开始，IT安全有更大的弹性。无人驾驶里有四维图新和中海达。绕着人工智能产业链有很多投资机会，大数据是产业链发展起点，作为数据采集的关键通道，传感器至关重要，如汉王科技;云计算、大数据处理技术支撑上，国内FPGA（可编程性）稀缺标的紫光国芯;人工智能应用场景上防领域佳都科技、营销领域浙江富润等相关的上市公司。

我国在人工智能领域底层的计算机体系架构、智能硬件、软件应用虽有技术积累质的进步，国内人工智能的产业发展和商业化路径划，依然需要借鉴国外的产业政策引导和企业商用成功模式。

篇6

历届峰会上，李彦宏都会与大家分享他对互联网行业的看法与思考。在今年会上，李彦宏首次使用PPT现场演示了百度的人工智能技术。他说：推动互联网下一幕发展的核心动力，不是大数据，不是云计算，而是人工智能。

日新月异的科技舞台上，第一幕是PC互联网时代，第二幕是移动互联网时代。

PC互联网经历了18年的增长周期，而移动互联网只用了大概4年就走到了现在。但是，移动互联网正面临巨大挑战，其初期发展主要得益于人口红利释放，但最近两年用户规模增速在明显下降，每个人都感受到其中巨大的压力。

互联网即将迎来发展的第三幕，而推动互联网第三幕发展的核心动力，不是大数据，不是云计算，而是人工智能。

现在，人工智能技术已经使百度语音识别准确率达到97%，目前百度每天的语音识别请求的PV超过1亿；现在，百度图像理解和问答系统，能实现用手机随便拍一张自然图片，系统不仅能回答图片中有什么颜色，还能实现更多轮交互；现在，百度无人驾驶汽车已经可以像正常车辆一样加速、并线、超车。3到5 年内，无人驾驶一定可以成为现实。

人工智能到底会解放人类，还是毁灭人类？李彦宏说：“我是属于比较乐观的那一类，我认为人工智能会做的是解放人类，至少在我有生之年，它毁灭不了人类。”

人工智能可以解放人类的繁琐工作，激发无限的可能性。例如，现在百度教育贷款的处理速度已经可以用秒计算，而以前，普通的处理时间要以天计算。而这些技术，百度会无偿地开放出来，供伙伴使用。很快会开放深度学习的源代码，推动人工智能迅速地渗透到各行业，改变社会。

以下为李彦宏演讲全文+PPT：

欢迎大家来到第十一次的百度联盟峰会，在去年的时候我已经基本上预告了今年要讲什么。按照惯例我们在联盟峰会上会讲产业趋势，而今年我们稍微变了变形式，以前是纯粹“讲”，今天有一个PPT，它题目叫做《下一幕》。

去年在联盟峰会上我讲了互联网的第一幕和第二幕，我们先回顾一下。从1994年开始的PC互联网，一直持续到了大约2012年，应该说是改变了整个世界、改变了人们的生活，这算是互联网的第一幕；我觉得第二幕应该算是从2012年开始，每个人都切实地感受到了移动互联网的大潮对于我们生活的改变。所以我去年就留了一个疑问：移动互联网之后是什么？今天我想和大家分享这样一个主题。

从2012年到现在，其实只有短短四年的时间，移动互联网的成长非常迅速，同时我们每一个人可能也感受到了其中的压力。这个压力是什么？中国互联网的渗透率现在已经到了50%左右，如果把老人、小孩这些都去掉，其实能上网的人大多数都已经上网了。现在，人口的红利快要没有了，该用智能手机的人都已经用上了智能手机，市场的规模也逐步趋于饱和。现在大家都说市场很大、很繁荣，各种各样的机会不断地出来。可是当我们再往前看一下的时候，我们会发现整个互联网面临着巨大的挑战。PC互联网走了18年左右的路，移动互联网走了仅仅四年，很多人就已经感觉到这当中成长的压力。

过去的PC互联网时代，比如说百度成立的时候，中国只有不到1000万网民，现在这个数字是7亿，这里一直有人口红利的迅速增长。移动互联网仅仅发展了四年时间，就基本上已经处于一个普及的状态了。在这种情况下，未来会是什么样子？

其实现在从国家政策的角度来讲，非常提倡所谓的“互联网+”行动计划，这是因为国家的经济进入了新常态，从国家政策的角度来讲，我理解新的增长动力就是希望靠“互联网+”，让互联网和每一个行业结合来提升运营的效率，从而推动经济持续地、高速地增长。但是国家靠互联网推动经济的增长，而移动互联网本身的增长我们现在已经看到瓶颈了。所以我们必须要思考互联网靠什么来保持它持续地、高速地增长。最近几年其实这两个词都是非常热的，一个是大数据，一个是云计算。所以互联网+的下一幕是不是大数据，是不是云计算？我的答案：不是。那是什么？是人工智能。

这是我本来去年就有点想讲的，后来因为要讲其他的内容，所以把它推到了今年。没有想到在过去一年当中人工智能从一个高精尖的科技变成了每一个人都可以街谈巷议的热门话题。事实上，人工智能背后的技术其实还是非常复杂的，需要投入、需要做的事情是非常多的。所以我想先给大家回顾一下人工智能的发展历程。

1950年图灵提出图灵测试，就是当你对面有一个屏幕和你交流的时候，你说一句话它回答一句话，看看回答这个话背后的究竟是一台机器还是一个人，如果你能够区别出来是机器还是人，就说明计算机还不具有智能，如果你区分不出来它是一个机器还是一个人，我们就可以说计算机具备了智能。

到1956年的夏天，MIT（麻省理工学院）一群科学家首次提出了“人工智能”这个词，Artificial intelligence。当时他们聚在一起的时候，六七个人打算用一夏天的时间，用他们这些聪明的头脑就可以解决人工智能的问题。没有想到不仅仅是一夏天解决不了，之后的半个世纪都没有能够解决人工智能的问题。我们看到70年代、80年代，一直到90年代初期，90年代是我在美国读计算机的时期，我们有人工智能的课程，我非常喜欢，但是学完了之后非常失望的发现人工智能其实没有实际的应用，在当时任何一个领域我们都看不到有价值的人工智能的应用，所以当时非常depress（失望）。

90年代以后，数据量越来越大，计算的能力也越来越强，机器学习逐渐兴起；到2006年一个叫做深度学习的模式首次能够证明它比过去所有的算法例如图像识别等都更加有效，而且是远远地超出过去图像识别的能力。深度学习其实也不是2006年提出来的，是很早就提出来了。但是2006年为什么出现了这样一个拐点，为什么大家突然觉得这个东西行了、work（起作用）了，是因为数据量越来越大，计算能力越来越强，而且越来越便宜，所以过去那些不实用的算法，到2006年以后逐步进入到了实用阶段。

这里还有一个2013年，在2013年年初，百度对外宣布成立IDL（深度学习研究院），开始大规模进入深度学习的领域。以上大致就是人工智能发展60年时间的回顾。

现在人工智能已经能够在多个领域显现出来它的威力，第一领域是语音的识别。当前百度的语音识别准确率超过了97%。目前语音识别日请求的量到了1亿以上。97%是什么概念？它比正常人的听力都要好一些了。不信我们来试一试。

展示语音识别技术：播放方言或发音不清晰的语音，请现场嘉宾判断内容。在观众表示很难听清的情况下，机器则能够准确的进行判断

深度学习这样的计算机能力在语音识别上已经相当精准，所以我有时候向朋友推荐用百度语音搜索，很多人第一反应是百度有语音搜索吗？第二反应是它能够识别我的话吗？我的话不是很标准，其实大家看到了刚刚这些不是很标准的语言都可以被很不错地识别出来了。不仅是语音方面的进展，我们可以看到在语音合成上也能做很多事情。刚才是识别，你说了它能够知道你说什么，接下来它能够学你说话，说出来跟你说话几乎是一模一样的。我给大家演示一下，模仿麦兜动画片里面的配音演员对百度联盟峰会说一段话。

展示语音合成技术：通过人工合成用麦兜的声音说出一段话

这个配音演员其实从来没有说过这些话，但是我们根据过去他说的很多很多话就可以人工合成出来一段他“讲”的话，并且听起来还是很像的，合成的准确度也会逐步地提高。

这是语音的合成，其实我们完全可以想象图像也可以合成，图像合成有什么实际用处呢？昨天晚上吃饭的时候大家聊，如果一旦实现了图像的合成，以后演员、大腕们演电影也将会被改变，只要他们同意演这个电影，不用实际去演，我们可以把他所有的动作和语言合成出来。过去一个大腕一年拍两部戏、三部戏，以后可以拍2000部戏、3000部戏，只要他同意我们就可以合成出来各种各样的动作和声音。所以这些技术一旦应用到各个领域，就能够产生出来无穷无尽的可能性。

下面我们看一下图像识别技术，先看2015年时做到的东西，这个我在当时联想的技术创新大会上演示过一遍，大家看一下。

展示2015年图像识别技术：对既有图片进行提问

大家看到这个图片是在表达什么样的东西，计算机是能够明白的。不仅如此，它还能够懂得你问话的意思，它能够理解你的自然语言。这是2015年我们已经实现的，那接下来我们看一下2016年和2015年有什么不一样？

展示2016年图像识别技术：对现场拍照得到的图片进行提问

2016年和2015年有什么不一样？2015年我们用了一张静态高质量的图片，2016年我们就用手机随便拍一张很自然图片，在质量不是很高的情况下机器仍然理解的比较到位，画面里是什么样的东西，我们的提问是什么意思。所以对图像和对自然语言理解的相关技术也在迅速的提升。

其实我们人工智能的技术不仅仅在图像识别、语音识别、自然语言理解方面有非常大的推动作用，另外一个很大的推动作用实际上是百度从去年开始对外宣传的无人车。我一直在说，从本质上来讲无人车是带着轮子的电脑，这台电脑就可以像人一样，识别障碍物、识别交通灯、遵守交通规则、带着乘客到任何他想要去的地方。这里我也想给大家放一个短片，演示一下我们的无人车实际在路上跑的情况。

播放“无人车”上路测试视频

大家可以看到，视频中无人驾驶车路测的整个过程是没有人进行任何干预的。当然，无人车离使用还有一段时间。现在我们能做到的是在路况不是特别复杂、非上下班高峰期的时候，无人车不需要人工干预就可以上上下下、做各种动作，但如果路况特别复杂的话，现在我们技术还达不到。但是我们相信，三五年之内，无人驾驶一定可以成为现实。

我们认为人工智能再往下发展，其最主要的作用是会取代简单的脑力劳动。我刚才举的几个例子，比如无人车，一般人用几个月都可以学会驾车，而自动驾驶就是能够模仿人类的这种简单脑力劳动。还有一些在餐馆里的点餐员，他做的事情也是相对比较简单的，我们的人工智能也能够替代这样的功能，我们来看一下点餐的状况。

播放“度秘”入驻上海肯德基餐厅为顾客点餐视频

这是在上海的一个肯德基概念店，我们用度秘实现了点餐的功能。其实我们可以想象，未来很多这种简单、重复性的劳动都可以通过人工智能的方式来实现，代替人的作用。

当然，人工智能在很多领域都有应用，比如金融领域。依据大数据，依据我们对一个人的理解和分析，这其实也是一种人工智能、机器学习的技术，能够实现很多过去不那么方便实现的东西。比如征信，现在百度的教育贷款，基本上就是以秒为单位就可以决定是否要给一个人贷款，而在过去恐怕是要以天为单位去计时的。

在很多领域，人工智能都能够对传统产业产生改变。我觉得不需要我做更多的解释，大家只要想一想刚才展示的这些技术，无论是语音识别也好，自然语言的理解也好，还是图像识别也好，这些技术一旦应用到各种各样的产业中，都会对每一个产业产生巨大的改变。我们讲了很多年互联网对于制造业的影响，讲了很多年的物联网，我可以下这样的结论，如果没有人工智能的能力，物联网也好，互联网也好，对于制造业——大家知道中国是一个制造业大国——是不会有本质性影响的；但是有了人工智能，它对于制造业几乎每一个领域都可以产生巨大的影响。原来大家觉得一个死的东西，将来就变活了，它就会具有人类的智能。

那么问题来了，这可能是很多人比较喜欢谈论的一个话题：人工智能到底是会解放人类，还是会毁灭人类？业界其实有很多大咖都倾向于后者，他们都很担心人工智能会毁灭人类，我是属于比较乐观的那一类，我认为人工智能会做的是解放人类，至少在我有生之年，它毁灭不了人类。

其实这个道理很简单，大家想想，能够毁灭人类的东西早就出现了，比如说原子弹。现在人类拥有的原子弹可以毁灭人类很多次，但是为什么至今还没有能够毁灭人类呢？这是因为我们还拥有最终的控制权，谁能去push那个launch button（发射按钮），这个方面还是有很好的机制能够管理的。所以人工智能会越来越智能、越来越接近人类的能力，能够解放人类很多繁琐的工作，也能够激发无限的可能性。过去我们觉得不能做的事情，未来可能通过人和机器的结合，就越来越能做了，但是我不觉得人工智能会毁灭人类，因为我们有能力去控制，我们也有能力去制定相应的规则。

篇7

为推动我国幼儿教育行业进一步发展、与国际间达成贸易合作，日前，2016第九届中国（北京）国际幼教装备及用品展览会（以下简称北京幼教设备展）在中国国际展览中心举办。

本次展会由中国教育部和中国教育装备行业协会支持，由中国同源有限公司主办，为期3天。参展内容包括幼教信息化、早教加盟、儿童图书、幼教用品、幼儿园配套设施、益智玩具等。展出面积为2万平方米，展会吸引了百余家展商集中展示了幼儿教育领域的新模式、新产品、新科技，以迎合急速增长的中国幼教装备市场。

寓教于乐的幼教产品备受关注

据了解，目前与幼教相关的移动信息市场规模约有25-30亿元，随着现代技术的发展，家园互动的方式也更加多样，智能手机的普及，移动互联网时代碎片化的潮流到来，使即时性和互动性更强的APP客户端应用渐渐成为未来的发展趋势。

记者在现场看到，参展的众多展商推出了全新的幼教产品，颠覆传统的枯燥学习模式，营造将游戏与学习融为一体的学习环境。

在奇幻斑斑绘本展台，记者看到许多家长被公司新上市的AR奇幻斑斑动物欢乐岛绘本吸引。奇幻斑斑市场部经理表示，动物欢乐岛绘本是一套专为3岁以上儿童打造，具有融合学习、娱乐、艺术创造为一体的AR英语早教绘本。奇幻斑斑结合AR技术，将孩子的绘画作品变活，有声有色还原孩子作品还能及时互动。从试、听、说、触、想全方位完美启发孩子天份和创造力，配合游戏、连线勾画轮廓，动手剪纸，纯正美式英语发音，给孩子打造一个理想的寓教于乐学习环境。

ROOBO展出的布丁儿童成长陪伴智能机器人、DOMGY达萌宠物机器人，为观众带来了一抹新的欢乐色彩。在展会现场，不少童心未泯的成人观众与机器人智能趣味地互动交流。机器人呆萌的外表很容易吸引孩子的注意力。

现场工作人员告诉记者，布丁属于儿童成长陪伴智能机器人，专为儿童打造，集教育、陪伴、娱乐等功能为一体，拥有业内独创的R-KIDS儿童交互对话系统，配合人工智能、海量知识。除了陪伴孩子之外，它还兼顾家庭安全，随时自动抓拍宝宝动态，让不在家的家长能够了解宝宝在镜头前的一切动作。手机绑定布丁机器人后，布丁会向主人了解家中宝宝基本信息，以便针对不同年龄段的宝宝沟通和进行人性化的设计。在家长外出的时候，启动看家模式后，布丁内置的监控摄像头即刻启动移动侦测模式，并适时地向用户推送报警信息，可以时刻了解孩子的安全状况。

ROOBO将智能硬件、人机交互和人工智能结合在一起，在本次展会上充分展示了其在人工智能机器人系统的行业领先趋势，以儿童智能机器人作为核心的网络入口，把整个家庭网络搭建起来，为家庭生活提供各种便捷、智能的服务和功能，颠覆传统的枯燥学习模式。

家园共育是幼教发展的主流趋势

随着“互联网+”上升为国家战略，中国的互联网产业已经进入产业互联网时代，众多传统实体产业逐渐被互联网改造和升级。信息和智能终端的普及，幼教也进入了移动互联网时代，众多幼教APP和自媒体应运而生。

记者看到，在智慧树展区咨询、交流的人络绎不绝，现场氛围十分热烈。造型可爱的智慧树聪明逗得到了许多女性朋友的喜爱，智慧树APP、新型考勤机和园所直播摄像头更是得到了广大园所领导、幼教工作者及合作伙伴的高度认可。

智慧树的工作人员告诉记者，智慧树不断洞察园长、教师和家长的需求和反馈，通过大数据的方式发掘分析用户的刚性需求和潜在痛点，为不同的孩子定制个性化教育方案，同时深度整合全国的优质教育内容和行业资源，以海量的优质资源及垂直社交吸引更多的幼教专家、幼教工作者及家长加入，构建“家园互动+幼教资源传播分享”平台生态，帮助园长与老师实现智能管理、高效教学，帮助家长跨时空掌握幼儿动态，让孩子更好地成长。

教育模式创新的“互联网+传统教育”模式已成为幼儿教育发展新趋势。北京泛亚力豆文创图书有限公司推出的“中国少儿数字学习馆”就是这样一个新时代教育前沿的多媒体学习平台。

据记者了解，作为一种学习媒介，“中国少儿数学学习馆”是基于儿童身心发展规律和学习特点进行开发的，具有形象、直观、生动的特点，能更快速、更准确地传递知识信息，与幼儿的认识水平和思维方式相适应，能吸引孩子学习的兴趣，以寓教于乐的游戏方式进行潜移默化的知识传递。

由于“中国少儿数字学习馆”是安装在智能装置上的APP平台，所以可以把它和幼儿园教学匹配的APP一起安装在家长的智能装置上，让家长也能有目的、有计划、有系统地同步进行儿童教育，达到亲子交流和增进情感的目的。

篇8

关键词：STEM；智能财务；人才能力框架

2017年国务院的《新一代人工智能发展规划》，将人工智能产业提到重要的战略地位。2018年教育部出台《高等学校人工智能创新行动计划》，进一步明确“人工智能+X”复合专业培养新模式。2021年财政部《会计改革与发展“十四五”规划纲要（征求意见稿）》，要求切实加快会计审计数字化转型步伐，为会计事业发展提供新引擎、构筑新优势。在国家政策及发展规划指引下，高校陆续开始智能财会本科教育改革探索。本文试图以STEM为视角，探讨智能财务专业人才能力框架及实现路径。

一、数智时代对财会人才的冲击与影响

（一）财会人才的工作环境发生深刻变化。数智时代是指在信息技术普遍应用背景下，经济活动大量依赖于平台支撑、数据驱动和智能算法等技术时代。在数智时代，各类组织通过大数据、人工智能、移动互联网、云计算、物联网、区块链等技术及会计软件应用，从业务到财务部分或全部实现线上处理，改变传统财务的业务流程和工作方式，形成具有信息化、自动化、数字化、智能化工作场景。随着财务共享和智能财务的广泛应用，传统岗位逐渐消失，而适应数智时代需求的新岗位不断崛起。（二）财会工作从核算反映型向管理型、决策型转变。信息技术和人工智能通过数字信息系统处理的应用，令复杂繁琐的会计工作变得高效简便，提高了会计信息处理效率。传统会计业务，诸如发票真伪识别、往来账务核对和报表编制等工作，现在可以由财务机器人自动完成。在数智时代，对财会人员的需求从核算反映型向管理型、决策型转变，需要更多财会人才借助智能技术进行大数据分析、智能决策、风险控制。财会智能机器人可以完成一些基础的财会工作，这使得财会人员从大量日常的基础会计工作中脱身，将精力集中于财会专业化工作。由此，财会专业人才的培养应当面向管理服务型财会岗位群和技术服务型财会岗位群。（三）会计人员工作所依赖工具与基本技能发生本质变化。会计人员需要在先进的财务管理理论、工具和方法之上，借助智能机器人和财务专家的有机合作，去完成企业复杂的财务管理活动。由于财务共享和智能机器人的普遍应用，各个信息“孤岛”被打通，业财数据实现了互联互通，大量财会人才从事数据采集、数据模型设计与计算、数据服务和应用等决策层次的工作。譬如，财会人员利用大数据技术，实时对资金运营进行动态监控，实现资金运营效益的最大化；利用神经网络技术、专家辅助决策系统在预算管理、项目可行性分析等方面发挥作用；利用射频识别技术（RFID），以实现资产的高效管理，在资产管理方面结合电子监视技术及智能机器人实现无人仓储管理。

二、基于STEM的智能财务专业人才能力框架设计

（一）基于STEM的能力框架1、STEM的能力内涵。STEM是指科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四位一体的教育理念。2019年2月，联合国教科文组织的国际教育局（IBE-UNESCO）的《探索21世纪STEM能力》对于基于STEM建立跨学科的人才培养方案有一定借鉴意义。IBE从能力发展观角度将能力定义为“在21世纪背景下，以能动性和伦理性地使用知识技能、价值观、态度和技术，实现个人有效参与体现集体和全球利益的行动并发展能力”。所谓能力，包含了“是什么”和“怎么做”两个基本部分，同时在能力实施过程中，还要体现人才本身的伦理态度和价值观，以及和团队沟通、协作能力，最终人是以一种综合能力方式参与工作。2、STEM能力框架的内容。在STEM能力框架中，以能力为本位建构人才培养方案，打破了传统学科界限，形成跨学科的知识架构。科学蕴含着不同学科的知识，构成了人们探索客观世界而形成的事实判断、概念、原理、思想等内容；技术主要包含一些程序性的和技术性方面的知识，主要是指解决问题的步骤、程序、要点和操作技能等方面内容；工程是指技术知识的规模化、产业化和流程化的特点，是推动技术性知识转化为产品的知识和技能；数学在人才培养中是基础性的知识，渗透在科学、技术和工程的方方面面。基于科学-技术-工程-数学维度，进一步分解为认知能力、数据分析能力、解决问题和工程思维、科研与探索能力、数字与计算思维、设计思维与创新能力、动手操作能力和沟通写作等8项技能。（图1）（二）基于STEM的智能财务人才能力培养框架设计。根据STEM能力框架，智能财务人才能力框架可分解和细化为：1、认知能力。智能财务人才需要洞悉数智时代给财会行业所带来的巨大影响，并准确把握智能财务系统的组织结构和系统架构，能够掌握信息技术应用的逻辑和核心场景，对未来信息技术演变有一定预见性。认知能力并不反映人才本身的知识储备，而是通过学习、观察、实践、思考等环节，以分析性、推理性和批判性思维获得认知；通过逻辑推理发现问题本质，学会在不断实践中提升认知技能。必要时借助一定工具和方法等。2、信息处理能力———数据解释和数据分析。信息处理能力包括数据获取、解释和分析，并以有效的方式显示结果。在智能财务领域，有大量的结构化和非结构化的数据，如何对这些数据进行整理、组织，并选择有效的信息进行分析，是数智时代智能财务人才所具有的基本技能。要求智能财务人才能够通过利用数据图、Excel电子表、数据库、大数据分析软件等工具，培养自身数据驱动决策能力。3、解决问题与工程思维能力。通过识别分析复杂问题、分析数据、制订解决方案、评估和实施解决方案来发现智能财务领域的问题。工程思维离不开解决问题能力这一基础，另一方面也体现系统化解决问题的能力。同时，在解决问题时，注意项目的可行性和程序化的流程设计，为系统性解决问题奠定基础；工程思维还需要考虑客户需求，考虑项目的可持续性和可靠性；设计解决方案，并进行测试，并准备可能的备选方案，最终以可视化形式展示工程结果。4、科学调查。用数据来驱动决策，前提是要获得可靠的数据来源。在智能财务领域，依赖智能技术，获得信息和数据，分析数据，验证与测试假设，探索和发现相关规律和答案，以提供财务决策的理论依据。5、计算和数字思维。在智能财务领域，计算和数字思维是指采用计算机科学的概念、算法、数据模拟等方式，进行问题求解、系统设计。计算和数字思维是有利于STEM任务的高效执行，是解决实际问题的一种重要思维训练。6、动手操作技能。在智能财务领域，技能训练包括如何依赖智能技术在财务分析、决策等领域的应用和操作。通过智能财务技能的培养，使得学生能够以智能工具解决财务问题。7、设计思维与创新能力。在智能财务领域，工程和技术是保障智能化财务产品落地的前提和基础。创新性思维还依赖于设计思维的锻炼和培养。通过头脑风暴、构思和原型设计等方法，培养学生的设计思维能力。通过创造性的战略和过程来完成产品开发和方案的设计，为学生构建一个结构化的框架。8、沟通协作技能。在智能财务领域，团队需要协作设计构建许多解决方案，在此过程中，学生的沟通和表达能力是不可或缺的技能。有效的团队协作能让团队成员在平等机会之上进行交流。在教学方案设计中，通过沟通环境设计，促进学生在团队合作中，达成共同愿景、责任担当、信息传递、相互交流和合作。（三）融入STEM态度和价值观。价值观是人们认识世界的偏好、态度、方式和方法，是解决困境、面对利益冲突确定最佳行动方案。在智能财务领域教学设计中，要培养学生对数据伦理的重视，在制订决策方案时，如何选择对社会好处最大，损害最小的方案是十分必要的。

三、基于STEM的智能财务专业人才培养方案实现路径

（一）跨学科要素的重新融合。STEM的能力培养框架是跨理、工、文、经等多学科要素的组合。在智能财务领域，应摒弃以传统财会专业核心课程为主干，再附加若干个计算机课程模式；而是通过跨学科要素的重新融合，将会计、业务和技术融为一体，避免“两层皮”的情况出现。通过跨学科导师制和跨学科教学团队的建设，培养学生跨学科的融合能力。通过整合计算机与会计学科师资的专业知识来建设跨学科的课程项目，诸如Python在财务决策领域的应用、商业决策和数据挖掘等课程开展，基于多种专业的教师队伍协作研究跨学科课题，以项目、问题的形式来展示课程内容。除了开展跨学科课程以外，学生还可以跨专业、跨院系，或者是跨学院选修核心课程或选修专业课，或者开展不同院系或不同学院之间的专业研讨会，通过选择不同专业的导师学习各学科知识，来形成跨学科知识结构和解决实际问题的能力，并训练学习者处理复杂问题的能力。（二）智能财务课程体系设计路径。STEM能力框架的培养着眼于解决现实问题。智能财务领域课程设计路径分别有以下几个：1、传统设计路径。常见的传统课程体系设计主要是“专业学科+辅助计算机课程”模式。这种模式是目前大多数院校智能财务培养的主要方式。这种模式的优点是仍旧保留原有专业的培养框架和课程体系，对师资转型没有太大要求，教学目标和教学步骤清晰。辅助计算机课程委托其他系老师讲授。缺点是呈现“两层皮”的情况，学生思维仍旧被固化在原有专业框架中，对于计算机在本学科的应用缺乏认识和锻炼。2、跨学科设计路径。跨学科智能财务的设计路径要求学生对两门专业学习是平行进行，同时对于计算机课程学习强调底层逻辑和计算机思维。学生从两个或多个相互联系的学科中学习概念和技能，课程体系设计更多增加一些应用类和设计类课程，例如，通过智能财务相关项目设计，在有效的跨学科方法中，相关学科融合在一起，避免“两层皮”的情况。3、融合学科设计路径。以解决真实世界问题或执行真实项目为导向。应用来自多个学科知识和技能，形成自身独立的思维模式和操作技能。融合学科的精髓在于寻求跨越传统学科之间的鸿沟，这样使其比跨学科走得更加长远。这种模式对师资和学生学习能力、资源整合能力要求都非常高。（表1）（三）以能力为本的跨学科智能财务课程体系“搭建”。基于STEM的能力框架“搭建”智能财务课程体系中，以从学生认知能力和底层逻辑思维能力培养起步，由低阶到高阶逐步推进，最终通过设计综合项目训练，达到解决智能财务领域复杂问题的能力。课程体系设计如图2所示。（图2）智能财务专业人才培养最终是要用所学知识解决真实世界和情境的复杂问题。需要通过思维训练、专业能力和应用能力多个方面着手。在高阶阶段，教师要围绕培养目标，通过融合类课程的构建，引导学生解决复杂问题。（四）多种形式的产学研培养路径。在智能财务跨学科培养模式中，需要通过多种形式的产学研联合。形成协同一致的多元利益主体。企业、社会团体、专业社团等多个利益主体参与，不仅仅依赖政府、学校的力量，建立合作机制，共同参与、联合培养，从而形成有效合力。开发产学研联合示范培养项目，发挥校企联合项目示范引领作用，通过多导师制、导师负责制、跨学科导师制等方式，使学生有更多的机会将理念、知识应用于实践，提高学生的职业能力。产学研培养路径能够为学生提供充分的真实或模拟的体验，参与真实的财务方案设计活动，实现学习资源的共享、学习问题的交流和经验分享。（五）建立能力可量化的评价机制。能力是学生通过学习所具备的技能，能力培养既是学习成果，也是学习目标。培养方案和课程体系是能力培养的载体，将能力培养与课程评价标准联系，明确学生应该掌握什么样的内容，掌握的程度。通过课程标准建立，能够为学生获得某种能力程度提供参考依据。课程标准不仅仅包括内容标准，还包括培养质量。前者描述了能力框架内学生应该知道什么和能够做什么，后者明确学生掌握知识和获得能力的程度。（图3）

四、研究结论

信息科技的迅猛发展催生了新产业、新业态和新商业模式，新的要素市场结构对会计人才能力要求提出新的需求。本文以STEM为基础，构建了智能财务人才能力框架，并探讨了智能财务人才能力实现的路径。本文分别从课程体系、教学模式和评价机制等方面对可实现路径进行了论述。从而为开设智能财务方向、或开设智能会计专业奠定了一定理论基础。

主要参考文献：

［1］陈鹏，田阳，黄荣怀.基于设计思维的STEM教育创新课程研究及启示———以斯坦福大学d.loftSTEM课程为例［J］.中国电化教育，2019（08）.

［2］许昊，陈怡斐，潘慧凡，张成.人工智能背景下会计学专业人才培养模式的创新与改革［J］.改革与开放，2018（01）.

［3］李闻一，李栗，曹菁，陈新巧.论智慧财务的概念框架和未来应用场景［J］.财会月刊，2018（05）.

［4］董泽华，卓泽林.基于项目学习的STEM整合课程内涵与实施路径研究［J］.中国电化教育，2019（08）.

［5］董蓝蔓.中国的STEM教育面临三大瓶颈［N］.文汇报，2015-07-17（006）.

篇9

李彦宏：人工智能成互联网第三幕核心

在2015年百度联盟峰会上，李彦宏曾指出了互联网的第一幕(PC互联网)和第二幕(移动互联网)。今年峰会上，李彦宏认为，互联网即将迎来发展的下一幕，而推动其发展的核心动力，不是大数据，也不是云计算，而是人工智能。

PC互联网经历了18年的增长周期，而移动互联网自2012年至今只用了大概4年。移动互联网初期发展主要得益于人口红利释放，但最近两年用户规模增速在明显下降，每个人都感受到其中巨大的压力，李彦宏认为，移动互联网正面临巨大挑战。

谈及人工智能最新进展，李彦宏表示，深度学习在语音上的应用已经非常精准，现在的百度语音识别准确率也已经达到了97%，每天语音识别请求的PV超过1亿；此外，今天的百度图像识别与过去一年也大不一样。李彦宏演示了百度图像理解和问答系统，用手机随便拍一张普通的自然图片，不仅能够回答图片中有什么颜色，还能实现更多轮交互，像人一样基于之前的语境接受追问。

李彦宏认为人工智能还有一大热门应用是无人驾驶，“百度无人驾驶汽车，是一台带轮子的电脑”，他在联盟峰会现场演示了百度无人车路测的实况录像。他指出，无人车已经可以像正常车辆一样加速、并线、超车。并充满信心地表示，三五年之内，无人驾驶一定可以成为现实。

现场，李彦宏针对“人工智能到底是解放人类还是毁灭人类？”这一争议也发表了个人看法：“我是乐观派，至少在我有生之年，人工智能毁灭不了人类。其实能毁灭人类的东西早就出现了，比如原子弹，但是我们有最终的控制权。人工智能可以解放人类很多繁琐的工作，激发无限的可能性。人工智能在很多的领域都有应用，比如金融的领域。我们现在百度教育贷款，基本上是以秒的时间可以决定是不是给一个人贷款，过去恐怕是以天为单位来计时的。”

向海龙：移动搜索转型已完成推百度百家号入局内容分发

百度搜索公司总裁向海龙表示，百度移动搜索流量已经大幅超越PC端，并保持持续上升态势；2016年一季度移动搜索月活跃用户达到了6.63亿。通过不断的技术创新、产品创新及自我突破，百度正在从多个维度全面打造“新搜索”。百度“新搜索”将由智能交互方式、高效内容满足、闭环服务交易、以及个性化推荐机制四个核心内涵构成。同时，百度也在积极构建服务生态和内容生态，未来的百度联盟将不仅仅是流量的联盟，更是多维度、多方位的全面合作联盟。

在服务生态方面，百度推出了免佣金的政策，向海龙表示：“百度糯米对除餐饮之外的3600行绝大多数行业实行永久免佣金，切实减轻商家线上化的成本压力；同时，基于搜索、糯米和地图平台，推出了本地直通车等多种营销工具创新，帮助商家实现潜在顾客的精准触达；并且，通过多种核心技术打造了全流程的O2O解决方案，帮助商家实现智能化的选址、开店、运营和管理。总之，我们将多方位为商家赋能，为服务生态注入新的活力。”

而在内容生态方面，百度正在不断完善相关工具和机制。向海龙特别介绍了即将升级并全面推广的内容生态产品——百度百家号，这是百度为媒体、机构、及自媒体等内容生产者推出的强大内容平台，整合手机百度、百度搜索、百度好看、百度新闻等多个核心平台供内容和展示，并提供编辑号角色，促进优质内容在百度全平台转载和分发。百家号还推出开放推荐模式，支持内容生产者参与个性化内容推荐环节。

百度联盟公布数据：分成预计160亿

百度联盟发展部总经理邓明生会上表示，2015年百度向合作伙伴分享收益112亿元，其中移动端合作伙伴获得收益67亿元，占总体比重60%；百度联盟实现行业主流App 80%渗透率，帮助大量移动开发者找到盈利模式，渡过资本寒冬。

“大量联盟成员目前已是美股、国内A股、新三板等板块的上市公司，这一群体的总市值累计逾4000亿人民币，相当于目前创业板市值的十分之一。”邓明生介绍称，“2015年有8家联盟伙伴分成超亿元，2016年该梯队成员已增至20家。”邓明生说。

目前，百度联盟已经实现移动生态联盟向搜索内容服务生态联盟升级，通过联手百度金融升级“联盟贷”产品，推出大额贷、随时贷等产品，拿出15亿来支持联盟会员，以纾解联盟成员中大量中小企业的资金压力。百度联盟还携手百度百众，为伙伴打造股权众筹服务。

邓明生表示，2016年百度联盟分成政策将维持移动媒体100%分成，同时内容服务媒体也将实现100%分成。在“双百政策”下，2016全年联盟向合作伙伴分成目标预计为160亿，内容服务生态分享收益20%。

百度商业生态事业部总经理崔聿泓表示，百度联盟将大幅扩展流量伙伴、服务伙伴、数据伙伴和内容伙伴，以“全场景无边界”的开放姿态吸纳各路移动创业者，形成更广义的生态联盟。同时，依托百度技术、产品和平台优势，新一代联盟将向伙伴输出更多内容、服务和洞察能力，注入百度最核心的资源整合能力，搭建更强劲的营销与传播生态，给伙伴更高回报。

现场，WiFi万能钥匙联合创始人、中国区总裁李磊分享了与百度联盟创新合作时的经历，表示百度不仅仅是流量变现的接口，更是一个技术能力输出平台，为联盟伙伴提供了用户沉淀的场景，完成用户、流量、营收三者的平衡。中关村在线总裁刘小东在回顾与百度联盟合作历程表示，ZOL从07年加入百度联盟到如今成为中国较大的科技网站，其成长和百度联盟密切相关。

篇10

在现有的许多关于科技创新并且要赶超发达国家的讨论中，往往都没能走出一个致命的缺陷，就是意识不到除了一些基础科学领域，多数的发达世界的技术创新是以节约人力（劳动力）为目标的。而无视自身特点，在发达国家自身阶段特点导致的科技创新体系下亦步亦趋，那么这样建设的技术创新体系恐怕于经济于国情都未必是正效应的东西。发展经济学家、诺贝尔经济学奖得主库兹涅茨在1971年就已经讲过，“强调节省劳动力的发明和现代技术可能并不适用于劳力过剩而其他因素例如土地和水源不足的国家，”发达国家拥有的社会技术也未必能给人口背景差异很大的欠发达国家提供适用的办法。

那么根据中国目前的情况，事实上现今最大的科技缺口在哪里？显然，如果希望中华民族能够可持续的繁衍，那么最大的缺口无非是资源技术和空间技术（且不能带有侵略性）。相对于人口压力，中国是淡水资源和能源资源最缺乏的国家之一，而土地和耕地这样具有生存空间性质的物质，如果不出去占飞地、不租地不买地，未来中国的资源技术和空间技术能不能提高每个人平均（或者中位）享有的资源和空间，包括数量意义和质量意义上的享有，恐怕应该是所有人，不论热不热爱科学，需要反复思考的问题。那么，这种方向的科技创新有没有经济意义？毫无疑问，它的经济意义是无需质疑的。此外，既然控制人口数量、提高人口质量的计划生育是基本国策，那么围绕此国策的计划生殖的科技又获得了多少进步？如何让计划生殖科技更亲民、更宜人、成本更低，显然也是一个硬币中的另一面的巨大科技缺口。

上述由自身特点暴露的科技缺口，有的与发达国家的科技创新导向一致，比如资源技术，这是降低资源成本的普世需求决定的。而在空间技术和生殖科技上，饱受天赐空间资源和早已进入后工业阶段的发达国家，是不可能代替仍处在农业社会向工业社会过渡的人口大国中国引领潮流的。

举一个例子，比如被热炒的中国将成为仿人工智能产品，也就是机器人的最大市场的说法，联系到中国现在的农业工业两部门经济效率和劳动就业情况来看，这种说法就会暴露出很大的问题。仿人工智能技术除了是满足少数不适合人类劳动力工作的环境需求外，大部分的商业利用目标在于节约人力。而在中国，单看农业部门就可以暴露问题，韩俊先生最近有个陈情，表示美国的家庭农场的经营规模和管理技术可以达到经营1000亩的规模，但中国只能做100亩，这是因为国情。那么这个国情是什么？其实不是中国农业部门的生产技术、机械应用技术和管理技术达不到经营1000亩的能力，所以无法收获这样的规模效益和生产效率，而是因为人太多，剩余劳动人口太大，把规模做小、生产效率降低是为了让农业部门继续提供更多就业岗位，以及为从工业和服务业回流的剩余中年劳力留空间。中国在仿人工智能科技的发展上也许不应该落后，不过根据中国经济本质上剩余劳动力供大于求的特点，仿人工智能在中国的大规模商业化运用只会制造更大规模的失业人口、畸形的两部门经济效率和供需失衡经济结构，其经济收益和社会收益都可以被质疑。 两极分化后的科技工具

当然，如果认为分析了中国国情下的科技缺口，科技创新就会有对应的发展，那就是想当然了。就像已经有独立经济和教育研究机构通过全国实调数据，证明了只要对全国两套以上（或对应面积）的多套住房按市值征收接近2.8%的年度房产税，每年就可以平衡掉6000多亿的土地财政，而政策依然止步不前一样，所以观察者们也就可以不必多说话了。那么，我们可以从另一个视角来解析一下，在社会两极严重分化的情况下，科技和所谓的科技创新作为一种工具，将可能会怎样运用。

可以先看一下生命与医疗科技。这是一块市场应用收益非常大的科技门类。虽然不能否定很多的技术进步在普世意义上降低了生命维系和“再青春”的成本，但在两极分化、底层基数太大的条件下，这一门类的科技很可能将演变为主要服务于富人和上层统治者的工具。可能不少人看到过某些群体因穷困自愿出售器官和相关买卖市场的调查报道，但是如果看到底层社会人口被有组织的暴力强迫而失去器官的报道大概仍然会感到触目惊心。当以节约劳动为目标的科学技术应用和仿人工智能让很多人的劳动力不再有价值时，劳动者个体的医疗工具意义这时就会凸显。香港学者潘毅曾经做过工厂年轻女工的自杀行为研究，有的西方学者也做过中国农村妇女自杀率的深度调查，这些都是没有组织的、由个体来反抗奴役化的自发行为，但它是无效的。当前在中国，某些普通学童在毫不知情的情况下，成为某类“黄金大米”的生物科技商业化实验受体，这样的事情是不可能在富人和上层统治群体中发生的。而这样的例子，也仅仅暴露了科技工具和所谓科技创新体系走向的一种趋势。