時間：2023-08-23 16:59:10
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能對教育的價值，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
先給大家重點推薦一本期刊：中國職業技術教育
中國職業技術教育雜志征稿信息
《中國職業技術教育》雜志是由中華人民共和國教育部主管，教育部職業技術教育中心研究所、中國職業技術教育學會和高等教育出版社共同主辦的一份綜合性中文期刊，集政策指導性、學術理論性和應用服務于一身，是教育部指導全國職業教育工作的重要輿論工具，是服務各級各類職業教育機構的主要陣地。
中國職業技術教育投稿欄目：主要有職教要聞、專稿專訪、綜合管理方略、課程教材、教研與教學、師資隊伍建設、研究與探討、職業指導、職業培訓、高等職業教育等欄目。
再給大家推薦職業教育范文：人工智能背景下職業教育變革及模式建構
董文娟1，黃堯2(1.天津大學教育學院，天津300350；2.北京師范大學國家職業教育研究院，北京100875)
摘要：順應人工智能時代的浪潮，基于新興技術的職業教育變革及新模式建構勢在必行。該文從職業教育智慧化、經濟發展、政策保障、信息化生態重構四個方面，剖析了人工智能時代職業教育變革的現實訴求，并進一步分析了當前職業教育外部環境及其自身發展的困境。人工智能背景下職業教育的變革體現出融合、創新、跨界、終身化的新特征。基于此，從課程、教學、學習、環境、教師發展、評價、教育管理及組織等方面，探究職業教育的變革路徑及模式建構。最后探討了職業教育模式變革還面臨回歸教育本質、規避技術弊端等挑戰，并提出“適應—引領人工智能”的發展目標。
關鍵詞：人工智能；職業教育變革；模式建構；智慧化
“人工智能的迅速發展將深刻改變人類社會生活、改變世界。特別是在移動互聯網、超級計算等新理論、新技術及經濟社會發展強烈需求的共同驅動下，人工智能發展呈現出深度學習、跨界融合、人機協同、群智開放、自主操控等新特征。”[1]人工智能作為新一輪產業變革的核心驅動力，為我國供給側結構性改革下的“新常態”經濟發展注入新動能，使人們的思維模式和生活方式發生了深刻變革。近年來，國家高度重視與社會經濟發展聯系最為密切的職業教育，積極推進職業教育信息化，運用人工智能改革教學方法和人才培養模式，構建新型智能職教體系，提升信息技術引領職業教育創新發展的能力。
一、人工智能背景下職業教育變革的現實訴求
人工智能對傳統教育理念產生了革命性沖擊，職業教育結構不斷調整，勞動力素質與市場需求的矛盾、學習方式與自我價值實現的矛盾等促使職業教育向智慧化、智能化發展。目前，我國處于教育信息化2.0、工業4.0的新時期，全球范圍內新一輪的科技革命和產業變革正在加速進行。“一帶一路”“中國制造2025”人工智能等重大國家戰略的提出，及以新技術、新產業為特征的新興經濟模式要求教育領域，尤其是職業教育培養行業、產業急需的技術技能型、智慧型人才，具備更高的創新創業能力和跨界整合能力，促進智慧化發展，助力經濟轉型升級。
(一)職業教育智慧化訴求：職業教育信息化發展的必然選擇
“智慧教育是以物聯網，大數據等信息技術為依托，創造智慧教學環境，轉換教育方法，內容與手段，注重教育網絡化，個性化和智能化的一種教育新模式。”[2]智慧教育作為“一種由學校、區域或國家提供的高學習體驗、高內容適配性和高教學效率的教育行為(系統)”，被視為教育信息化發展的高端形態[3]。因此，職業教育的智慧化并非簡單的數字化，強調信息技術推動職業教育教學模式和方法的變革，改變思維模式，創建價值等方面共享的學習共同體，培養創新型、智慧型人才。
職業教育智慧化是職業教育信息化發展的必然選擇。目前，我國的職業教育信息化水平正在穩步提高，投入持續增加，各種智能信息技術應用于教育教學、實習實訓、測量評價等領域，并逐步成熟，正在努力打造一個信息化、智慧化的現代職業教育生態系統。新時期我國很多地區及職業院校積極提升現有信息化系統的智慧化水平，積極創建智慧校園、智慧社區等，逐步實現了組織管理的智慧化、資源環境的智慧化和服務評價的智慧化。
(二)經濟發展訴求：人工智能時代的新興經濟需要高技能智慧型人才
人工智能時代職業教育運用移動互聯網、大數據等新興技術，與經濟及其他部門跨界融合，不斷創造新產品、新業務，推動職業教育模式創新，形成了以互聯網為基礎設施、人工智能為實現手段的經濟發展新常態。人工智能時代是以現代科學技術為支撐的新時代，各行各業的運作發展和對知識技術的掌握要求達到了更高層面，相應的教育需求也有所提升，市場環境渴求勇于創新、個性化的高技能智慧型人才。職業教育要應對行業上升發展的勞動力需求問題，基于人工智能應用，提高技能培養層級，以適應新的社會勞務需求。現代企業生產依托互聯網科技，與智能化設備直接聯接，通過數據分析和應用，促進科技成果轉化為生產力。勞動密集型企業已不適應現代行業、產業發展，需升級為網絡智能型，與此同時，職業院校的課程模式、專業設置、實習實訓、師資結構等也做出相應的調整和革新，既促進了職業教育的智慧化、智能化，又推動了產業升級和工業變革。
(三)政策保障：國家從宏觀層面保障人工智能時代的職業教育發展
2016年是我國人工智能元年，2017年我國頒布了《新一代人工智能發展規劃》，提出了“將發展人工智能放在國家戰略層面進行系統謀劃和布局”，這預示著我國人工智能時代的全面到來，為我國職業教育的發展提供了良好的宏觀政策環境。人工智能給職業教育帶來了符合時代精神的新內容，積極融合信息技術，整合職業教育資源，提升公共服務水平，影響和改變了原有的教育生態。緊密依托信息共享平臺，突破時空限制，讓學習者自我選擇，更加人性化和智能化。我國很多職業院校已經開啟了智慧校園的行動計劃，一些大中城市也在積極制定實施智慧城市的發展規劃，在良好的政策保障中提升智慧化水平。
(四)信息化生態重構訴求：人工智能時代的職業教育變革是對職業教育信息化生態系統的重構
“依據《2006-2020年國家信息化發展戰略》，我國正在有序推進數字教育向智慧教育的躍遷升級和創新發展。”[4]在新興智能信息技術的催促下，技術變革帶來了職業教育系統的顛覆性創新改革，打破現有的條條框框，改革傳統教育模式，再造教育業務新流程。在職業教育領域創新應用物聯網、大數據、人工智能等先進技術，提升各科各門教育教學業務，打造各級各類智能實訓部門、培訓機構，覆蓋貫通中高職院校，整合系統內外現有資源，推進智慧教育生態有序發展，為各類用戶提供最適合、最智能的職業教育資源和服務，完成對職業教育信息化生態系統的重構。
二、當前職業教育發展的現實困境
人工智能對各行各業的影響具有革命性和顛覆性，可能帶來新的發展機遇，也可能帶來不確定性的挑戰，比如可能會改變就業結構、影響政府管理、威脅經濟安全等，還可能會沖擊法律與社會倫理，影響社會穩定乃至全球治理。當前，人工智能與“大眾創業、萬眾創新”浪潮席卷而來，職業院校既是人工智能應用的戰場，又是培養技術創新型人才的“夢工廠”[5]。人工智能時代的職業教育信息化發展迅速，影響是廣而深的，對職業教育外部環境及其本身都造成了極大的沖擊。
(一)職業教育外部環境發展困境
“據聯合國教科文組織預測，到2020年，人工智能將替代20億個工作崗位”[6]，那些技術含量低、重復性強的技能將被智能機器、數碼設備所替代，工業機器人也將大面積應用。智能設備替代行業勞動力，能夠降低勞動成本，且具有高效、易操作等競爭優勢。傳統職業教育培養模式很難適應未來行業、產業的發展需求，人工智能沖擊職業教育就業崗位，撼動其所依附的崗位基礎，對職業教育的生存與定位產生了威脅。因此，根據智能時代職業教育的崗位特征與需求，提升職業人才的知識結構和專業技能，是新形勢下職業教育的發展方向。
(二)職業教育自身發展困境
近年來，人工智能在職業教育領域內的應用和提高是目前職業教育的發展趨勢。我國重視職業教育信息化、智能化發展，各級各類職業院校在信息化基礎設施建設、校園信息化管理等方面都有了顯著提升，但信息技術與職業教育的深度融合仍不夠緊密，表現出信息化管理效率低、科學決策水平低等現象。人工智能背景下職業教育自身發展的困境表現在：
1.課程與教學困境
職業院校新課程改革提倡構建智慧課堂，制定個性化學習計劃，注重課堂實施效果。但目前的實際課程教學仍是以教師為中心，強調知識的灌輸，重視統一性和計劃性，與教育改革提倡的個性化教學相去甚遠。教學方法、教學理念更新慢，很難激發學生的內在學習動力，創新性思維弱，使得個性化教育的無法實現。近年來，中央、省、市、縣四級教育平臺逐步建立起來，課程與教學的層級設計逐步完善，但在實施的過程中，各級平臺之間存在溝通不暢等問題，各級資源內容不系統，不銜接，導致無序疊加和資源的重復浪費，“精品課程”等項目豐富了課程資源，但質量不高。在線課程與教學以傳統的科目、章節為單元，構建系統性的在線教育內容，為用戶提供專業化的知識選擇，但由于受時間條件等限制，大多數受教育者習慣于碎片化學習，連貫性和整體性差，缺乏對課程與教學體系的系統性學習。
2.認知困境
隨著人工智能時代的到來，許多職業院校將“未來教室”“智慧課堂”定位為未來發展方向，進行了多種嘗試和改革，如MOOC混合教學、翻轉課堂、多屏教學等，但“管理者和施教者對智慧教育的理解多停留在‘智慧課堂=多媒體+傳統教學的層面’，教學觀念和思維依然固化，并沒有因為新技術的參與而得到實質改變”[7]，缺乏對多媒體網絡架構和智能學習平臺的深層認識，更缺乏對管理評價和互動交流等模塊的理解與掌握，雖投入大量人力財力采購了數量巨大、設備精良的多媒體設備和智能服務設備，但沒有充分有效使用，大大限制了智慧教育的發展潛力。
3.用戶困境
傳統教學以群體教育為基本單元，教師和學習者作為學習共同體，在管理、學習的互動過程中形成強大的群體約束力，促進雙方共同進步。在信息化教育時代，學習者自由掌握學習時間和進度，遇到問題可能無法及時解決并獲得反饋，無法進行面對面交流，因此，基于人工智能網絡化學習平臺，學習者需要高自控力、高學習能力才能適應這種全新的學習方式。
4.評價困境
傳統的評價方式多依靠經驗和觀察，智慧型評價則是基于學習過程的一種發展性評價，以采集到的學習數據為客觀基礎。在人工智能、數字信息化環境下教育效果的評價實際要受到很多因素的影響和局限，在信息技術與職業教育融合的過程之中，許多智能技術應用于教育教學實踐，難以進行定性定量的智慧評價，如互動交流及深層次的學習評價等。
三、人工智能背景下職業教育變革的新特征
人工智能帶來了思維模式的創新，改變了人們認識問題、思考和解決問題的方式，越來越多地依賴人與智能網絡的協同創新。人工智能背景下的職業教育變革圍繞經濟社會發展大局，“主動服務國家重大發展戰略，加大虛擬現實、云計算等新技術應用，體現校企合作、知行合一等職教特色，以應用促融合、以融合促創新、以創新促發展。”[8]人工智能背景下職業教育的變革必將加速推進職業教育的現代化、智能化進程，表現出了融合、創新、跨界和終身化的新特征。
(一)融合
人工智能技術科學應用于當前職業教育，在最短的時間內整合、重組大量的知識信息，形成科學的技術技能知識體系，為職業教育資源、企業資源、產業資源、社會資源等一切有可能聯結的資源融合提供了可能。為促進職業教育的智慧化發展，在現有的合作模式、集團模式、產教融合模式等實體協作發展的基礎上，建立智能互動的智慧教育供給平臺、常態化智慧課堂和大數據化智慧教育生態系統，為我國新興經濟發展提供高技能、智慧型人才支撐。
(二)創新
信息化時代下“變”為創新立足之要點。創新時代最需要提升的就是創造智慧。“由知識的理解記憶，轉向知識的遷移、應用并最終指向創造發明”[9]，以提高學習者的學習能力和應用能力，提升其創新思維和智慧思維，不斷開拓人類社會發展的高度和寬度。智能化、信息化的時代是創新不斷的時代，是原有知識不斷被更新、技術不斷被升級的時代。人工智能促使社會化協同大規模發展，促進職業教育體系核心要素的重組與重構，創新生產關系，呈現出新的協作架構，開創了新的教育供給方式，增加了教育的選擇性，推動了教育的民主化。學習者能夠按照自己的價值觀、興趣與愛好等選擇適合自己個性發展的學習方式和學習內容，促進學習者個性化、多樣化發展，最終實現教育公平。
(三)跨界
智能科學與職業教育連接起來，搭建起兩者溝通的橋梁，跨越了人工智能虛擬教育和線下實體教育的界限，實現了兩者之間的融合。教育供給由競爭資源轉變為協同合作，直線型的中心組織管理轉向去中心化、泛化管理。通過大數據智能技術平臺、遠程教育平臺等對職業教育資源進行整合共享，跨越教育邊界，與市場、行業、企業以及職業教育培訓機構對接，提供更加便捷的智慧化服務。
(四)終身化
人工智能時代職業教育的變革堅持“以人為本”的教育理念，滿足學習者在任意時間、任意地點、以任意方式、任意步調終身學習的需求[10]。打破了地域和時間的限制，體現了教育的泛在化、個性化和終身化，與終身教育理念的發展目標不謀而合。人工智能時代社會經濟發展加快，人們追求高層次自我價值的實現，充分體現出終身學習的必要性和緊迫性。目前，我國正在積極創建泛在學習環境，致力于構建終身化學習型社會，努力創造有利條件向全民提供終身教育與學習的機會。
四、人工智能背景下職業教育發展的模式建構
人工智能背景下職業教育的變革預示著全新思維意識形態、社會發展形態的變革，重塑職業教育可持續發展的新思維，重構信息時代職業教育的價值鏈和生態系統。智能化技術科學將現代職業教育內部各要素，以及內部要素與外部環境之間，通過虛擬技術和智能化手段互聯貫通，突破傳統教育價值的鏈狀模式，使職業教育由傳統模式走向“人工智能+職業教育”模式的建構。人工智能對職業教育課程、教學、評價、管理、教師發展等方面產生系統性影響，為職業教育提高教育質量和提升服務水平提供了技術支持和現實路徑，解決不能兼顧職業教育規模和質量的矛盾問題。下面將從課程、教學、學習、環境、教師發展、評價、教育管理及組織等方面來探究職業教育的變革路徑及模式建構。
(一)人工智能背景下職業教育的課程模式
人工智能時代的信息知識、科學技術正在以前所未有的速度增長、更新和迭代，呈現出了碎片化、多元化、創新性、社會性的特征。人工智能背景下職業教育的課程模式是為學習者提供按需可隨時選擇的知識儲備智能模式，解決了傳統職業院校課程教學的滯后性，呈現的是現代職業教育的前沿信息和內容。課程革命愈演愈烈，靈活多樣的微課、慕課等形式層出不窮，在線課程將成為常態，信息傳播媒介、知識獲取方式等都發生了巨大改變，課程內容和結構的表現形態、呈現方式、實施及評價等也都進行了相應變革。智能化信息科學技術為課程的設計、架構、實施提供了快捷和便利，為學習者的個性化、終身化選擇提供了多種渠道。人工智能背景下職業教育的課程模式的建構表現為：首先，線上線下融合的大規模開放課程融入現代職業教育，課程的表現形態和實施途徑呈現出智能化、數字化、立體化的特征，成為學校常態課程的有機組成部分，為學習者提供了更多的可選擇機會，使實施個性化課程成為可能。現代職業教育的課程內容強調學術性與生活性相互融合與轉化，融入社會資源，立足于我國社會經濟的新常態和學習者的全面發展，實現社會化協同發展，共贏共創；其次，課程實施的空間得以拓展，跨越了社會組織邊界、職業院校邊界，將從班級、年級、全校擴展到網絡社區以及更大的空間。課程的整體結構從分散走向整合，以技術為媒介，形成跨學科、多學科整合的課程；最后，課程內容的組織、課程的實施逐步模塊化、碎片化、移動化與泛在化，社會化分工更加精細，教師也將承擔教學設計、技術開發、在線輔導等不同的角色。
(二)人工智能背景下職業教育的教學模式
人工智能時代將信息技術有效地融合于職業教育各學科的教學過程，從知識的傳遞轉變為認知的建構，從注重講授和內容，轉變成重視學習過程[11]，構建“以教師為主導，以學生為主體”的以數字化、智能化為特征的智慧教學模式，重視學生的主體地位，引導學生“自主、探究、合作”。人工智能背景下職業教育的教學模式的建構表現為：首先，人們的學習方法、認知方式和思維模式已經發生了巨大的轉變。信息化教學使得信息技術已成為學習者認知的必要工具，認知方式也由“從技術中學”轉型為“用技術學”。其次，信息化教學的重點從“面向內容設計”轉變到“面向學習過程設計”，更加重視學習者發現問題、分析和解決問題能力的培養，關注學習者的學習過程，以及其獲得學習活動的體驗。同時，信息化教學要將課堂內的學習知識和課堂外的實踐活動聯結互動，按照學習者的個性化需求和認知方式自主選擇學習內容。第三，智慧教學將成為課堂教學的新重點。日常教學工作形態不再是點線面的連接，而是呈現為智能化、立體化的教學空間，智慧課堂將會促進學習者的深度學習、交互學習和融合學習，智能備課、批閱以及個性化指導等也將成為教育者新的教學工作形式。從機械評價學習結果轉變成適應性評價學習結果。第四，在線教學、整合技術的學科教學法將成為新的教學形態，促進教育均衡發展，實現跨學校、跨區域的流轉。移動學習、遠程協作等信息化教學模式，能夠實現教師的“教”與學生的“學”的全面實時互動，最大限度地調動學習者的主觀能動性，提升教學質量與人才培養質量。
(三)人工智能背景下職業教育的學習模式
智能系統和互聯網絡為學習者提供了豐富多元的學習資源和環境，推進了教育教學活動與學習環境的融合發展，人工智能背景下職業教育的學習模式也逐步建立起來，具體表現為：首先，智能時代的互聯網絡全面覆蓋每一個人、每一個角落，活動空間由課堂內拓展到課堂外，學習與非正式學習正在互相補充、互相與融合，導致學習者的學習行為變化、學習方式的革新。其次，基于互聯網出現了一批創新的學習方式，借助情景感知技術及智慧信息技術，進行真實過程體驗的情境學習，促進學習者知識遷移運用的情境化和社會化。第三，借助互聯網云技術和各種應用工具，學習者可根據自身學習需求，選擇最優學習方式，也可利用數據分析技術，追蹤記錄學習路徑和學習交互過程，隨時隨地獲取個性化教學服務和量身定制的學習資源，拓寬了智慧教育視野。第四，各職業院校開始拓展校園智慧學習的時間和空間，以實現虛擬和現實相互結合的智慧校園育人環境。推進網絡學習空間建設，加強教與學全過程的數據采集和分析，“引導各地各職業院校開發基于工作過程的虛擬仿真實訓資源和個性化自主學習系統”[12]，強化優質資源在學習環境中的實際應用。
(四)人工智能背景下職業教育的環境模式
智慧教育環境是以大數據、多媒體、云計算等智能信息技術為基礎而構建的虛實融合、智能適應的均衡化生態系統。信息技術與職業教育的深度融合，為師生的全面發展提供了智慧化的成長環境，如智慧云平臺、智慧校園。人工智能背景下職業教育的環境模式的建構表現為：首先，智慧教育環境將信息技術與職業教育服務結合、面對面教學和在線學習結合，形成數字化的、虛實結合的職業教育智能服務新模式。其次，智慧教育環境將促進各種智能化、數字化信息技術融入職業院校的各個業務范圍和業務領域，與系統內的其他業務橫向互聯、縱向貫通，且信息能夠適時生成和采集，全過程實現數字化與互聯化。第三，智慧教育環境能夠感知學習者所處的學習情境，理解學習者的行為與意圖，滿足學習者的個性化需求，提供多元化的適應服務和智能感知的信息服務。互聯網應用基于智能數據分析，實現智能調節與自動監控，為學習者提供定制式的學習服務和個性化的學習環境。未來教室必將變成“虛擬+現實”的智慧課堂，在網絡空間中參與線上課程、線下活動，實現線上線下互動交流。同時，智慧校園的創建和管理，能夠對每個班級、學區進行動態管理，構建出一個以問題、任務為線索，學生實現自主學習的知識體系和促進師生互動、生生互動的智慧管理平臺。到2020年，“90%以上的職業院校建成不低于《職業院校數字校園建設規范》要求的數字校園，各地普遍建立推進職業教育信息化持續健康發展的政策機制”[13]，以學習者為中心的自主、泛在學習普遍開展，精準的智能服務能夠滿足職業教育的終身化定制。
(五)人工智能背景下職業教育的教師發展模式
人工智能背景下職業教育的變革對教師的專業發展、素質能力提出了新要求，改變了教師的能力結構和工作狀態。教育信息化大背景下，互聯網技術、多媒體手段的產生、智能化設備的使用極大提高了教師的專業發展和能力素養，以適應新課程改革與教育信息化的要求。人工智能背景下職業教育的教師發展模式的建構表現為：首先，新時代教師專業發展的內在要求和外在環境都要求教師能夠認識、了解和應用互聯網新技術工具，促使教師專業發展能力和素養的提升和豐富。其次，教師的專業發展要面向實際、情境化、網絡化的教學問題，教師需要在多變的教育情境中綜合運用核心教學技能，將信息技術知識、學科內容知識、教學法知識很好地融合并遷移運用。新時代的教師要學會掌握使用智能化設備和數字化網絡資源，積極加強與其他專家、教師的合作，或遠程工作，形成基于智慧教育技術的多元化的學習共同體。教師的工作狀態由個體的單獨工作轉變為群體的共同協作，大大提升了教師的工作效率。第三，信息化背景下教師的教學理念要發生轉變，由促進學生“接受學習”轉變為“主動建構”，由“被動適應”轉變為“主動參與”，越來越強調以學生為中心的過程體驗，從了解信息技術轉變為掌握智慧教育技術，保持學科知識，教學方法，核心技術的動態平衡，促進學生智慧學習的發生。第四，信息化教師要學會使用智能化教育技術，積極開發數字化學習資源，創設豐富多元的教學活動，鼓勵學生掌握智能信息工具，學會探究和解決問題，發展提升學生的創新思維能力和信息化學習能力。教師的信息化教學能力和素養全面提升，信息技術應用能力實現常態化。
(六)人工智能背景下職業教育的評價模式
現代教育價值趨于多元，以互聯網為基礎的智能化信息技術使教育評價在評價依據、評價內容、評價主體等多個方面實現了全面轉變。人工智能背景下職業教育的評價模式的建構表現為：首先，互聯網信息技術應用于學習過程使得伴隨式評價成為可能，更加關注學習者的個體差異和特點。強調過程評價和多元共同評價，更加客觀全面，重視評價過程的診斷與改進功能，以促進學習者的個性化發展。其次，互聯網、大數據、智能云技術的出現使得評價的技術和手段多樣化、智能化，節省人力物力財力，提高了評價的科學性、針對性。第三，以大數據為基礎的適應性評價因人而異，可獲得及時反饋，可真實地測評學習者的認知結構、能力傾向和個性特征等，從知識領域擴展到技能領域、情感、態度與價值觀，構建以學習者核心素養為導向的教育測量與評價體系，促進學習者發展。
(七)人工智能背景下職業教育的管理模式
智能化信息技術、云計算技術、大數據技術等能夠促進大規模社會化協同，拓展教育資源與服務的共享性，提高教育管理、決策與評價的智慧性，因此，基于互聯網的教育管理必將逐步走向“智慧管理”模式。人工智能背景下職業教育的管理模式的建構表現為：首先，互聯網將家庭、學校、社區等緊密、方便地聯系在一起，拓寬了家長和社會機構參與學校管理的渠道，各利益相關者可共同參與現代職業院校的學校管理，協作育人。其次，新時代的職業院校管理模式通過可視化界面進行智能化管理，業務數據幾乎全部數字化，能有效降低信息管理系統的技術門檻，使管理工作更加輕松、高效。通過深度的數據挖掘與分析，能夠實現個性化、精準資源信息的智能推薦和服務，為管理人員和決策者提供及時、全面、精準的數據支持，以提高決策的科學性。第三，通過互聯網信息技術可以實現全方位、隨時的遠程監督與指導，從督導評估轉變為實時評估，可以實現大規模的實時溝通與協作，促進社會化分工，促進職業院校內部重構管理業務流程，使管理智能化、網絡化、專業化。
(八)人工智能背景下職業教育的組織模式
人工智能時代信息科學技術的蓬勃發展沖擊著學校內部的組織結構向智能化、網絡化的方向發展，各職業院校需要合理調整內部組織結構和資源分配，通過互聯網加快信息流動等方式，提高各職業院校組織管理的效率和活力。人工智能背景下職業教育的組織模式的建構表現為：首先，當今時代人工智能的產生不可能替代學校教育，但可以改變學校教育的基本業務流程。人工智能推動了學校組織結構向網絡化方向發展，教學與課程是提供信息數據的重要平臺，學校組織則構成了教育大數據生態系統。其次，“互聯網+職業教育”的跨界融合將打破學校的圍墻的阻隔，互聯網將學校組織與企業、科研院所等社會機構緊密聯系起來，提供優質教育資源供給，共同承擔知識的傳授、傳播、轉化等功能，促進學校組織體系核心要素的重構。第三，建設“智慧校園”，實現線上線下融合的智慧校園育人環境，實施一體化校園網絡認證，推動智能化教育資源共建共享，實現職業教育信息化建設的均衡發展。
五、人工智能背景下職業教育的模式變革面臨的挑戰及發展目標
人工智能將推進大數據、云技術等智能信息技術深層次融入職業教育課程與教學、組織與管理、評價與反饋等領域，形成社會化多元供給，為學習者提供多樣化的參與方式、自主選擇的學習形式和及時獲得反饋的評價途徑，有利于實現職業教育的共建、共享、共治。但其全面實現，還面臨著諸多挑戰。
(一)挑戰
首先，職業教育的新模式建構需要充足的資金支持。各職業院校積極建構智慧校園，努力實現智慧化產學研環境，打造一體化智慧城市網絡等核心技術的開發，都需要資金的根本保障。政府要給予資金政策保障并加強監管，資金管理部門要合理規劃，合理利用，專款專用，落到實處。其次，職業教育的新模式建構的成果表現離不開學習者對技術的理解、掌握和應用。在實際實施過程中，教育工作者既要利用信息技術優勢變革職業教育，也要避免技術中心主義傾向，“避免一味追趕技術新潮而不顧學生身心健康等，技術本身是一個禍福相依的辯證法。”[14]第三，“目前的教育實踐中，仍未能充分實現人機合理分工和雙邊優勢互補。人工智能終端系統擅長邏輯性、單調重復的工作，而人類則更適合情感性、創造性和社會性的工作。”[15]現階段，信息化技術水平還有待提高，智能機器不能完全勝任知識傳播、數據處理等工作，有待于進一步開發和完善，絕對依賴互聯網絡和設備，還存在一定的風險。
(二)發展目標
人工智能時代職業教育變革重新架構了職業教育發展模式，完成了對資源的重新整合配置，改變了人的思維方式、學習方式和生活方式。人工智能時代下沒有職業教育模式的改革，就不可能建構真正的現代化職業教育。人工智能背景下職業教育的發展目標可以概括為個三方面：
1.“智慧腦”與“智能腦”融通
隨著第四次產業革命的到來，信息技術爆發式發展，造就了以電腦、互聯網為基礎的智能腦。職業教育智慧化發展的一個目標就是如何讓學習者發揮人腦“智慧腦”與機器設備“智能腦”的“雙腦”共同協作[16]。人工智能時代職業教育與信息技術的深度融合，就是要通過“智慧腦”和“智能腦”的協同作用，發揮互補優勢，進行融通式學習，而不是簡單地人腦與電腦的技術對接。
2.“現實世界”與“虛擬世界”結合
在人工智能時代，網絡虛擬技術的發展使人類擁有了真實與虛擬兩個世界，虛擬信息技術的興起在一定程度上會影響職業教育的實體教育，實體教育的發展也需要虛擬技術的支撐。但在具體的學習實踐中，還會存在利用這兩個世界時顧此失彼、難以平衡的問題。目前，虛擬化教育技術在職業教育領域不斷應用與推廣，職業教育的發展模式不斷優化，使得職業院校線上線下的邊界逐漸消融，“現實世界”與“虛擬世界”更好地結合。人工智能時代職業教育的本質沒有發生根本改變，學習者要學會利用這兩個世界虛實融合、高度互動，充分發揮出自身的優勢，更好地學習與生活。
3.職業教育“適應人工智能”發展為“引領人工智能”
人工智能為職業教育帶來了強大的技術支持，為職業教育帶來了便利。初始階段的職業教育基本知識和技能被數字化和智能化，通過人工智能相關課程，云教育模式，個性化學習計劃等，適應并應用人工智能，以提高職業教育的效率和質量。職業教育重在技術創新，對于行業技術發展具有一定的引領性作用。未來人工智能將成為職業院校快速發展和轉型的技術支撐。“如某些職業院校基于自身優勢專業與相關行業的智能自動化企業合作，實現以職業教育發展引領人工智能。”[17]目前，人工智能處于適應性大發展階段，隨著信息化技術的提高和智能化設備的普及，人工智能時代必將由專用人工智能時代步入通用人工智能時代。在通用人工智能時代，人工智能與職業教育深度融合高效協作，職業教育完全適應且完美應用于人工智能，進一步引領人工智能發展，由“人工智能+職業教育”發展為“職業教育+人工智能”的時代。
關鍵詞：人工智能；大數據；交叉領域
自二戰時期阿蘭?圖靈破解恩尼格瑪密碼機帶來勝利的曙光之后，人工智能初見苗頭，1956年“人工智能”一詞首次由約翰?麥卡錫等科學家在達特茅斯研討會上提出，時至今日，人工智能經歷了60多年的浪潮和洗禮，其中有曙光、有冰封，也有期望。縱觀當下，人工智能不僅僅是機器智能，在深度學習和推陳出新的算法推動下，其攜手云計算、大數據、卷積神經網絡等，攻破了自然語言語音處理、圖像識別的瓶頸，像潘多拉的盒子一樣在認知科學、機器人學、機器學習等領域全面開花，人工智能涵蓋了從基礎層、技術層到應用層等多個方面，為人類文明帶來了翻天覆地的變化[1-2]。人工智能包羅萬象，在其基礎上衍生的大數據“洪流”對人類社會的方方面面進行沖擊，這些數字的價值已然超越了諸如金錢、財產、黃金、石油，甚至是土地。然而，大數據技術也如同普羅米修斯盜得的圣火，一方面給人間帶來溫暖和光明，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，當我們沉迷于大數據的海洋中時，我們是否有能力像藍鯨遨游大海一樣自由掌舵，是當今大數據和人工智能時代存在的一個重大問題。是“曲徑通幽”還是“會當凌絕頂”，我們如何在大數據中“浮游”，而不是一味地擴充，需要理性看待與合理評價大數據對人類生存和發展的影響。
1.人工智能和大數據與“工業革命”
2020年剛剛結束的新一輪美國總統競選上演了各種“國家鬧劇”，為何特朗普在2016年贏得大選，而4年之后卻無法連任？時間推移，2016年他勝利的部分原因在于他利用了面臨技術威脅的工業行業中工人們的焦慮，同時指責非法移民對美國及美國人資源和就業機會的占用[4]。但在技術浪潮的挑戰中，自動化和人工智能才是占用的“根源”。早在18世紀60年代工業革命時期，機器取代人力，規模化工廠生產取代個體手工生產，即引發了人工智能數據的工業大變革。從機械結構、電氣控制等模塊的設計和改良，車間機器人的智能化已可以代替人完成生產作業[5]。通過智能化機器人可以減輕勞動負擔，還可以用于環境檢測[6]和實施救援[7]等，保護我們的人身安全。這些“機器人”在為我們減負的同時確實也引發了“失業危機”，這種現象不僅于美國，日本、韓國和德國亦是如此。我們也許可以形象一下，未來20或30年后，工廠中工傷幾乎為“零”，完全實施機器人24小時作業，速度驚人，質量統一，而僅有的幾個人使用簡單的觸摸界面對機器下達“命令”。機器的發展已超乎我們對普通機械的認知，21世紀開發的三大機器人中大狗（BigDog）解決了運動和重載運輸問題，特別用于軍事領域，被譽為“當前世界上最先進適應崎嶇地形的機器人”；亞美尼亞（Asimo）從人類如何移動上展現了機器人仿人運動；Cog具有了人類所特有的思考，由不同處理器組成的異種機互聯網絡形成了“大腦”。特斯拉——其除了是電動汽車和能源公司外，還是自動駕駛汽車行業的領跑者之一。其2016年已銷售具有自動駕駛、自動自制和自動停車功能的電動汽車，但出于法律和倫理層面，駕駛員還是要坐在駕駛位上，但他可以做他想做的其他事，發短信、打電話或是休息，而不再是駕駛汽車。我們可以不用擔心酒駕，不用因為時間緊張而疲勞駕駛，不必為新手司機而變得脾氣暴躁……汽車自動駕駛將讓我們行駛得更規則、更安全和更“無聊”。自動駕駛上的智能進化，使得自駕型派送車為商業化服務成為可能，還有自駕型飛行器也在被研發，通用、寶馬、谷歌等公司一直在努力開發，通過無人機在您家門口投送包裹將對電子商務世界帶來更多創造性方案。“如果你夠走運的話，機器可以把你當成寵物。”雖為戲謔之言，卻又飽含心酸。工廠變得越來越自動化，但其仍需要人類專家，他們才知道如何監控傳感器，知道在發生故障時如何進行修復，機器的運行離不開人的監控，只有人的思考才能有新產品的誕生以及高效的生產流程，我們與機器共存，是從體力中解放，但要從事腦力工作。
2.人工智能和大數據與金融的未來
“數字蝶變”席卷金融行業各個領域[8]，金融行業應用大數據、移動互聯網、人工智能等先進信息技術，累積了非常多的客戶信息。通過大數據的幫助，金融公司在分析數據下尋找更多的金融創新機會。在商業智能（BI）的輔助下，電信業可以對客服描述和定位及需求進行預測；保險業可以在進行風險分析的同時進行損益判斷；銀行業可以調整市場活動，建立信貸預警機制等等[9]。人工智能和大數據讓金融業形成了“以客戶為中心”的模式。與客戶最密切的金融即是金錢，但是它們已經被“支付寶”和“微信”以及更多的電子支付方式取代，越來越少的人使用現金，數字金錢是否會完全取代物質金錢，我們很可能會發展為無現金社會。那么首先“下崗”的是誰呢？答案毫無疑問：銀行。巴克萊銀行前首席執行官安東尼?詹金斯曾預測，對于工業化國家，銀行員工和其分支機構在未來10年內會消失；花旗全球視角與解決方案的一項研究預測，美國和歐洲的銀行將在未來10年裁減約180萬員工；甚至2016年2月的一份丹麥銀行家協會新聞稿表示，銀行搶劫案數量連續第5年下降。就支付領域而言，在這樣的時代背景下，如何利用大數據技術對跨越式發展的支付行業進行監管，成為一個值得深入研究的課題[10]。在人工智能下，我們都有被銀行自動回復或自會讀取特定問題的“員工”惹惱過。溝通技巧和財務知識同樣重要，因此，銀行業員工的下崗只是在基礎性操作上，對于“專業咨詢”，需要更多受過高等教育、具有更好溝通能力的員工。目前，我國的多數銀行還沒建立“開放、共享、融合”的大數據體系，數據整合和部門協調等問題仍是阻礙我國金融機構將數據轉化為價值的主要瓶頸。大數據的整合、跨企業的外部大數據合作不可避免地加大客戶隱私信息泄露的風險。有效防范信息安全風險成為商業銀行大數據應用中急需解決的問題。
3.人工智能和大數據與“專家系統”
電子病歷數據、醫學影像數據、用藥記錄等構成了醫療大數據。醫療數據不僅包括大數據的“4V”特點，即規模大（volume）、類型多樣（variety）、增長快（velocity）、價值巨大（value），還包括：時序性、隱私性、不完整性和長期保存性。醫療大數據可以提供預警性，當數據發生異常時，通過一定的機制可以發出警告，從而迅速采取相應措施，及時解決問題[11]。成立于1989年的美國胸外科協會（STS）數據庫，至今已經涵蓋了美國95%的心臟手術，收集了500萬條手術記錄[12]。其中的先天性心臟手術（CHSD）數據庫是STS數據庫的重要組成部分，是北美最大的關注兒童先天性心臟畸形的數據庫，被認為是醫學專業臨床結果數據庫的金標準。近年來，基于CHSD數據庫所進行的數據挖掘不斷增加，大型數據庫對提高醫療質量所起到的正向作用正在日益凸顯。如Welke等基于CHSD數據庫探討小兒心臟外科病例數量和死亡率之間的復雜關系[13]；Pasquali等基于CHSD數據庫探討新生兒Blalock—taussig分流術后的死亡率[14]；Jacobs等基于CHSD數據庫采用多變量分析方法來研究病人術前因素的重要性[15]；Dibardino等基于CHSD數據庫采用多變量分析的方法來探討性別和種族對進行先天性心臟手術結果的影響[16]。這些都是在醫療領域采用人工智能提供的醫療診斷，形成了“專家系統”，專家系統可以說是一種最成功的人工智能技術，它能生成全面而有效的結果。借助醫療大數據的平臺，“專家系統”可以智能輔助診療、影像數據分析與影像智能診斷、合理用藥、遠程監控、精準醫療、成本與療效分析、績效管理、醫院控費、醫療質量分析等。不僅是數據平臺，“達芬奇機器人”可以看成醫療的高精尖“人工智能”，它能縮短泌尿外科手術以及術后患者恢復時間，促進患者早期下床活動，減低并發癥發生率[17]。達芬奇手術機器人在消化系統腫瘤、泌尿系統腫瘤、婦科腫瘤和心胸部腫瘤等手術中均有運用[18]。正是機器人，還有其他人工智能設備，如插入手表或衣服里的傳感器、植入我們皮膚下的芯片，以及智能手機中裝有各種“專家系統”的遠程醫療、預防醫學，甚至是器官的3D打印和虛擬現實治療等的發展，讓醫學發生相應的轉變，并使其逐步突破人類的傳統健康概念，那么是否意味著醫學將成為只有科學性，毫無直覺性的學科呢？我們攜帶的內部傳感器和外部應用程序將成為我們的醫生嗎？“你好，醫生”被“嘿，Siri”取代嗎？這不盡然。醫學必然將是向精準化發展，并更具個性化、參與性、預防性和可預測性。醫生不再是疾病的修理工，而是改善我們健康狀況的顧問。直觀當下，我們還是被“看病難”所困擾，我們提出“分級診療”，是在擁有家庭醫生、全科醫生和專科醫生的基礎上再加上人工智能，以實現預期的健康監測、輔助診療和疾病篩查。
4.人工智能和大數據與教育變革
面對各行業和各學科，教育作為傳承文明和創新知識的載體，似乎被排除在人工智能之外。就目前而言，人工智能與教育深度融合發展還存在技術基礎不穩、教育數據缺陷、算法能力不足等現實問題[19]。我國目前更想要做到的是在教育上消除“信息鴻溝”，促進教育公平、均衡發展。因此，目前可以看到人工智能的教育多在于語言學習軟件，通過虛擬技術和人工智能構建一個靈活的、可擴充的虛擬交互平臺，設計多維虛擬場景和智能人工角色，實現不同場景下人機角色的交流和學習，提升學習者的口語能力和語感知識[20]。這使得教師不再是唯一的知識傳播者，任何互聯網搜索引擎都將提供比教師所有的更多信息，并且可以更快捷地獲取。肺炎疫情暴發以來，遠程網絡教育成了主要教學形式，互聯網教育形式其實早在小學、中學和大學中運用，虛擬現實技術在教學領域的研究和探索也在全面展開。谷歌已經開發一款VR紙板視圖，并將研發的虛擬課程一起推向市場，使現實生活中在生物課上解剖一只青蛙成為一件容易且有趣的事，通過虛擬青蛙，學生們可以去除心臟和其他器官，而不再是象征性的抽象體驗。虛擬現實可以像互動游戲一樣，比單一的在教室聽老師授課帶來更多樂趣和體驗，學習效果可能更好。我們的學習是知識的積累，那么教育就是我們的庫，荀靜等結合自身情況對西安工業大學知識庫構建進行探究，認為機構知識庫在保存知識資產的同時，更重要的是促進學校知識資產的傳播利用和管理，提升學校影響力和學術聲譽[21]。劉暢等通過對東北大學機構知識庫服務的推廣研究，了解到開放獲取的概念和實踐已經受到了廣泛的認可，機構知識庫不僅可以成為一個知識的存儲庫，也可以成為各個學科領域的學者進行在線交流的平臺，提供個性化的增值服務，既有利于機構知識庫的內容建設，也可以進一步促進學術交流和科研合作[22]。知識庫，即大數據的有機整合和有序利用，是學術成果、視頻文檔、實驗數據等進行收集、長期保存、傳播和提供開放利用的知識資產管理與教育服務[23]。
5.人工智能和大數據應用的共性需求
人工智能和大數據時代，海量的信息來自“五湖四海”，但都通過互聯網絡匯聚智能終端。這些數據只會進一步增多，不僅僅是云存儲，對于信息的進一步挖掘、處理、分析和利用，目標性結果才是我們最想要的信息。全球包括IBM、微軟、谷歌和亞馬遜等一大批知名企業紛紛掘金大數據挖掘這一市場，大家都在開拓自己大數據分析平臺。數據挖掘是大數據時代孕育的產物[24]，是我們的共性需求，與傳統的統計分析技術相比，數據挖掘有著自身的本質特征,數據挖掘是在沒有明確假設的前提下去挖掘信息并發現知識。數據挖掘所得到的信具有先前未知、有效以及可實用三個特征[25]。數據挖掘的出現不是為了替代傳統的統計分析技術,相反，它是統計分析方法學的延伸和擴展[26]。隨著信息時代的到來，數據挖掘被越來越多地應用于各個領域。
6.人工智能和大數據的展望
大數據與人工智能相輔相成，在人工智能的加持下，海量的大數據輸出優化的結果，使人工智能向更為智能的方向進步，大數據與人工智能的結合將在更多領域中擊敗人類所能夠做到的極限。漫長的人類歷史發展和進化，信息和人類一直“纏纏綿綿”“你追我藏”，因此，我們應該明白信息就是信息，我們需要的是“維基百科”，而不是僅僅的“維基”。走出狹隘的信息資源，管理和洞察大數據，才是對數據的有用。因為，我們早已告別了數據庫放在一間房間的時代。此刻不得不提藍鯨法則——大數據之道：了解數據懂得利用數據的“浮力”才是關鍵；“以簡約為目標”將數據最終形成洞察及行為；可以通過“數據”“信息”“知識”流程式、組合式、直通車式各種需要的方式來獲取[27]，在簡約中“印象”處理繁雜的大數據，使之“為我所用”。=數據也是一門科學、一項技術，如果實驗不能證明其具有可重復性和一般性，那它是沒有科學依據，但是，任何一項科技，如果你堅信它必將改變社會和商業，選擇從長期展望其發展并持續付出努力，那么就是一種戰略選擇[29]。人類社會的政治、經濟、文化、思維等固有“態勢”被重刷，數據思維將為我們帶來一個智能全新的世界觀。
10月21日，2016英特爾中國行業峰會在珠海召開，來自醫療、金融、交通、零售、能源、教育等行業的企業代表分享了他們對于數字化變革的理解與實踐。這本該是英特爾中國行業峰會的主旋律，但是實際是與會嘉賓對人工智能的話題表現出更大的熱情，有點喧賓奪主的味道。
得AI者得未來
2015年底，許多機構在展望2016年度科技領域時幾乎會不約而同地將人工智能列為重點方向之一。現在來看，人工智能的火爆程度讓最樂觀的預測者都大跌眼鏡，這得歸結于AlphaGo的推波助瀾。
正如文章開始所說，人工智能的使命便是完成海量物聯網數據的商業價值轉化。根據相關預測，2021年，全球將會擁有18億臺PC，86億臺移動設備，157億臺物聯網設備。而到2035年，物聯網設備的數量將會超過1萬億臺，相應的數據數量將會增長2400倍，從1 EB增長到2.3ZB。如何有效管理、控制和利用如此浩瀚的數據，人工智能是解決之道。
所以說，得物聯網者得未來，而得人工智能者將執物聯網之牛耳。只有人工智能才能為“萬物互聯”之后的應用問題提供最佳的解決方案。
2016英特爾中國行業峰會上，英特爾與科大訊飛公司簽署合作備忘錄，雙方將在人工智能領域展開為期三年的基于英特爾至強處理器+英特爾至強融核處理器，以及英特爾至強處理器+FPGA為基礎的機器學習/深度學習研究項目。科大訊飛聯合創始人，訊飛研究院副院長王智國博士非常到位地點評了這一合作：“一直以來，我們雙方都致力于人工智能技術的創新和行業的推動，一方擅長底層計算架構，一方擅長算法及應用。我們期待雙方在人工智能技術上的深度合作能夠推動硬件和軟件的協同設計及優化，共同發現人工智能計算平臺創新的解決方案，推動人工智能產業的發展，并通過這些創新的技術支持更多行業用戶進行業務轉型。”
作為全球最大的半導體芯片制造商，英特爾的公司定位正在悄然發生變化。如今，英特爾將自己定位為“一家致力于驅動云計算和智能互聯計算的公司”。可見人工智能已經成為英特爾公司的未來戰略方向之一。
人工智能對計算力資源的需求到底有多大，現在誰也無法預判，這就像是個“計算黑洞”。但有一點可以肯定，人工智能是高性能計算在現在和未來的進一步延展和進化，而這恰好是英特爾的優勢所在。
對英特爾而言，進入人工智能領域是水到渠成的事情，也是技術上的自然演進。從另一個角度看，物聯網和人工智能是歷史擺在英特爾公司面前一次前所未有機遇，其空間和舞臺遠大于PC時代和互聯網時代。送上門的蛋糕（要知道，當今世界90%以上的數據都是由英特爾處理器來承載的），豈能讓它從嘴邊溜走。
從資本到技術，從硬件到軟件
基于新的公司定位，英特爾開始從資本層面進行帝國的戰略布局。作為硅谷最大的企業風司，英特爾投資總裁Wendell Brooks 說“會把未來的投資聚焦于那些能夠更好拓展公司業務發展的領域”，人工智能毫無疑問是重中之重。
9月宣布將收購計算機視覺創業公司Movidius，后者致力于研發低功耗的計算機視覺芯片；8月將Nervana收入囊中，后者主攻半導體、軟件和AI深度學習技術；5月宣布將收購專注于計算機視覺技術開發的俄羅斯公司Itseez；4月收購意大利半導體功能性安全方案廠商Yogitech；2015年12月完成了對可編程邏輯器件廠商Altera的收購；2015年10月收購了人工智能公司Saffron Technology……
針對某一業務領域展開如此高密度地集中收購，無論是在英特爾公司歷史還是整個IT行業都是十分罕見的。可見，英特爾布局人工智能的決心之大。
由于技術因素，專用領域的智能化是人工智能未來5到10年的主要應用方向，比如自動駕駛。在更遠的將來，隨著技術的進一步突破，通用領域的智能化有望實現。但無論是專用還是通用領域，人工智能都將圍繞“基礎資源-技術平臺-業務應用”這三層基本架構形成生態圈。
在人工智能上，英特爾能做些什么？僅僅是提供計算平臺嗎？當然不是，這從英特爾的瘋狂收購中也看得出。
長久以來，人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數研究人員為之奉獻才智，從美國的麻省理工學院(mit)、卡內基-梅隆大學 (cmu)到ibm公司，再到日本的本田公司、sony公司以及國內的清華大學、中科院等科研院所，全世界的實驗室都在進行著ai技術的實驗。不久前，著 名導演斯蒂文·斯皮爾伯格還將這一主題搬上了銀幕，科幻片《人工智能》(a.i.)對許多人的頭腦又一次產生了震動，引起了一些人士了解并探索人工智能領 域的興趣。
在本期技術專題中，中國科學院計算技術研究所智能信息處理開放實驗室的幾位研究人員將引領我們走近人工智能這一充滿挑戰與機遇的領域。
計算機與人工智能
"智能"源于拉丁語legere，字面意思是采集(特別是果實)、收集、匯集，并由此進行選擇，形成一個東西。intelegere是從中進行選擇，進而 理解、領悟和認識。正如帕梅拉·麥考達克在《機器思維》(machines who thinks,1979)中所提出的: 在復雜的機械裝置與智能之間存在長期的聯系。從幾個世紀前出現的神話般的巨鐘和機械自動機開始，人們已對機器操作的復雜性與自身的某些智能活動進行直觀聯 系。經過幾個世紀之后，新技術已使我們所建立的機器的復雜性大為提高。1936年，24歲的英國數學家圖靈(turing)提出了"自動機"理論，把研究 會思維的機器和計算機的工作大大向前推進了一步，他也因此被稱為"人工智能之父"。
人工智能領域的研究是從1956年正式開始的，這一年在達特茅斯大學召開的會議上正式使用了"人工智能"(artificial intelligence，ai)這個術語。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設計、專家系統、學習以 及機器人學等多個角度展開了研究，已經建立了一些具有不同程度人工智能的計算機系統，例如能夠求解微分方程、設計分析集成電路、合成人類自然語言，而進行 情報檢索，提供語音識別、手寫體識別的多模式接口，應用于疾病診斷的專家系統以及控制太空飛行器和水下機器人更加貼近我們的生活。我們熟知的ibm的"深 藍"在棋盤上擊敗了國際象棋大師卡斯帕羅夫就是比較突出的例子。
當然，人工智能的發展也并不是一帆風順的，也曾因計算機計算能力的限制無法模仿人腦的思考以及與實際需求的差距過遠而走入低谷，但是隨著硬件和軟件的發 展，計算機的運算能力在以指數級增長，同時網絡技術蓬勃興起，確保計算機已經具備了足夠的條件來運行一些要求更高的ai軟件，而且現在的ai具備了更多的 現實應用的基礎。90年代以來，人工智能研究又出現了新的。
我們有幸采訪了中國科學院計算技術研究所智能信息處理開放實驗室史忠植研究員，請他和他的實驗室成員引領我們走近人工智能這個讓普通人感到深奧卻又具有無窮魅力的領域。
問: 目前人工智能研究出現了新的，那么現在有哪些新的研究熱點和實際應用呢？
答: ai研究出現了新的，這一方面是因為在人工智能理論方面有了新的進展，另一方面也是因為計算機硬件突飛猛進的發展。隨著計算機速度的不斷提高、存儲容 量的不斷擴大、價格的不斷降低以及網絡技術的不斷發展，許多原來無法完成的工作現在已經能夠實現。目前人工智能研究的3個熱點是: 智能接口、數據挖掘、主體及多主體系統。
智能接口技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的 翻譯，而這些功能的實現又依賴于知識表示方法的研究。因此，智能接口技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能接口技術已經取得了顯 著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經開始實用化。
數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據 挖掘和知識發現的研究目前已經形成了三根強大的技術支柱: 數據庫、人工智能和數理統計。主要研究內容包括基礎理論、發現算法、數據倉庫、可視化技術、定性定量互換模型、知識表示方法、發現知識的維護和再利用、半 結構化和非結構化數據中的知識發現以及網上數據挖掘等。
主體是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態的實體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務， 而且可以和環境交互，與其他主體通信，通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為，最終實現問題求解。多 主體系統試圖用主體來模擬人的理性行為，主要應用在對現實世界和社會的模擬、機器人以及智能機械等領域。目前對主體和多主體系統的研究主要集中在主體和多 主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習以及多主體系統應用等方面。
問: 您在人工智能領域研究了幾十年，參與了許多國家重點研究課題，非常清楚國內外目前人工智能領域的研究情況。您認為目前我國人工智能的研究情況如何？
答: 我國開始"863計劃"時，正值全世界的人工智能熱潮。"863-306"主題的名稱是"智能計算機系統"，其任務就是在充分發掘現有計算機潛力的基礎 上，分析現有計算機在應用中的缺陷和"瓶頸"，用人工智能技術克服這些問題，建立起更為和諧的人-機環境。經過十幾年來的努力，我們縮短了我國人工智能技 術與世界先進水平的差距，也為未來的發展奠定了技術和人才基礎。
但是也應該看到目前我國人工智能研究中還存在一些問題，其特點是: 課題比較分散，應用項目偏多、基礎研究比例略少、理論研究與實際應用需求結合不夠緊密。選題時，容易跟著國外的選題走; 立項論證時，慣于考慮國外怎么做; 落實項目時，又往往顧及面面俱到，大而全; 再加上受研究經費的限制，所以很多課題既沒有取得理論上的突破，也沒有太大的實際應用價值。
今后，基礎研究的比例應該適當提高，同時人工智能研究一定要與應用需求相結合。科學研究講創新，而創新必須接受應用和市場的檢驗。因此，我們不僅要善于找到解決問題的答案，更重要的是要發現最迫切需要解決的問題和最迫切需要滿足的市場需求。
問: 請您預測一下人工智能將來會向哪些方面發展？
答: 技術的發展總是超乎人們的想象，要準確地預測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會向以下幾個方面發展: 模糊處理、并行化、神經網絡和機器情感。
目前，人工智能的推理功能已獲突破，學習及聯想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的并行化處理功能。人工神經網絡是未來 人工智能應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼型機與作為智能外圍的人工神經網絡的結合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關重要。
人工智能一直處于計算機技術的前沿，人工智能研究的理論和發現在很大程度上將決定計算機技術的發展方向。今天，已經有很多人工智能研究的成果進入人們的日常生活。將來，人工智能技術的發展將會給人們的生活、工作和教育等帶來更大的影響。
什么是人工智能？
人工智能也稱機器智能，它是計算機科學、控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統的 角度出發，人工智能是研究如何制造出人造的智能機器或智能系統，來模擬人類智能活動的能力，以延伸人們智能的科學。
ai理論的實用性
在一年一度at&t實驗室舉行的機器人足球賽中，每支球隊的"球員"都裝備上了ai軟件和許多感應器，它們都很清楚自己該踢什么位置，同時也明白 有些情況下不能死守崗位。盡管現在的ai技術只能使它們大部分時間處于個人盤帶的狀態，但它們傳接配合的能力正在以很快的速度改進。
這種ai機器人組隊打比賽看似無聊，但是有很強的現實意義。因為通過這類活動可以加強機器之間的協作能力。我們知道，internet是由無數臺服務器和 無數臺路由器組成的，路由器的作用就是為各自的數據選擇通道并加以傳送，如果利用一些智能化的路由器很好地協作，就能分析出傳輸數據的最佳路徑，從而可以 大大減少網絡堵塞。
我國也已經在大學中開展了機器人足球賽，有很多學校組隊參加，引起了大學生對人工智能研究的興趣。
未來的ai產品
安放于加州勞倫斯·利佛摩爾國家實驗室的asci white電腦，是ibm制造的世界最快的超級電腦，但其智力能力也僅為人腦的千分之一。現在，ibm正在開發能力更為強大的新超級電腦--"藍色牛仔" (blue jean)。據其研究主任保羅·霍恩稱，預計于4年后誕生的"藍色牛仔"的智力水平將大致與人腦相當。
［關鍵詞］人工智能;會計職能;財務管理
1人工智能的概念
人工智能是通過對人認知的研究，通過開發與模擬人的認知能力形成的集理論、技術于一體的科學。人工智能隨著計算機的發展而不斷發展，所有的人工智能幾乎都有機器人的介入。
2人工智能在會計中的應用
2.1OCR的應用
會計信息處理的源頭便是對原始憑證進行整理與處理。傳統的會計往往通過人工錄入或計算機錄入，OCR技術通過光學錄入，將憑證掃描為圖片并向計算機輸入與轉換。同時，使用OCR技術完成工作還能避免錯誤率，提高會計信息的準確性與及時性，最大程度地降低了人工成本，提高了會計工作的效率。
2.2云會計的應用
云會計通過網絡向企業提供核算需求，并向企業提供一定的會計服務與決策支持。傳統的財務核算軟件需要通過規定的網絡或系統才能使用，云會計實現了只要有互聯網，就可以接入會計系統。國內的大型軟件公司已經了云會計軟件，同時還將人工智能引入到會計工作當中。云會計通過使用合適的方法對會計進行處理，首先對原始數據進行收集并自動編制憑證，同時對網銀進行監測，自動生成電子憑證。其次，云會計能夠有效識別數據的類型化，并自動分類保存會計數據，實現數據的高效處理。最后，云會計能夠實現對信息的合理分析，加強對會計信息的管理，從而為企業決策提供依據。
2.3XBRL語言技術的應用
為了應對會計核算的需要，人工智能設計了XBRL語言，對商業報告語言拓展，并在對軟件的恰當結合后，為信息的使用者提供高效的服務，讓財務信息具有更高的價值。
3人工智能對當代會計的影響
3.1對會計人員的影響
我國基礎會計人員人數較多，因此人工智能時代的到來也將對眾多的會計人員帶來深遠的影響。人工智能時代的到來將對會計行業造成一定的沖擊，越來越多的財務崗位也會被財務機器人所取代。財務機器人具有工作效率高、計算精確等一系列優點，且能從事多個財務人員的工作。因此，未來從事基礎核算的會計人員需求量將極大減少，會計的職能也從基礎的財務核算轉向了財務預算與財務分析等一系列高附加值的工作。會計工作現階段面臨著轉型，就如同當年電算化代替手工賬一樣，財務機器人也必將代替傳統的財務核算模式。因此會計人員需要積極應對智能化時代下的會計工作的轉型，如果不實現自我的轉型，那么將在未來的工作中遭受淘汰的風險。
3.2從對會計學科的影響
會計學科研究的是發生的各項經濟活動的數據，對數據進行收集與整理，并進行統一的數據分析與解釋，以提高經濟活動的效率，是一門應用型學科。會計學的會計主體較為明確，核算程序與核算制度較為嚴格，核算方法也較為科學。隨著人工智能的出現，以往的會計核算體系不再適用，會計核算系統將越來越具智能化趨勢，且核算的流程與方法趨于規范化。隨著時代的發展，未來人工智能將取代傳統的會計核算模式，會計學科的研究重點也將轉向對管理會計的預測與決策職能。核算會計向管理會計的轉型，也將影響到會計學科的建設，使會計學科重建。
3.3從對會計工作的影響
隨著互聯網的發展和大數據時代的到來，會計行業對計算機技術的使用也得到了巨大的轉變，從電算化代替手工記賬，再到人工智能代替電算化核算，會計工作逐步變得簡潔與高效，有效提高了會計工作的及時性與準確性。人工智能時代下，財務機器人自動處理會計數據是在高度發展的網絡信息平臺下實現的，前沿的技術也將進一步推進會計工作的改革，改善會計工作的效率，促進會計工作的標準化與流程化，會計管理將在未來成為會計工作的首要職能。
4人工智能環境下如何實現當代會計基本職能的轉變與融合
4.1由核算職能向管理職能的轉變
會計人員要從核算會計向管理會計轉型，企業財務人員要學會根據數理統計的方法，結合主觀判斷，預測企業未來的財務趨勢以及行業變化。對未來的前景進行預測也體現了管理會計的事先性。財務機器人只能根據程序提供各種預測數據，而對預測數據進行分析與評價需要由會計人員的主觀能力進行，也需要一定的職業經驗。另外，財務機器人可以對投資方案進行定量分析，但是如何擇優則需要有經驗的會計人員結合自身經驗進行定性分析，包括對歷史經驗以及行業的比較來權衡各種利弊方案。同時，會計人員要學會構建完善的預算體系，實現對企業各類資源的合理配置，提升企業活動的均衡性，找出預算和績效之間的偏差，并提出合理的優化對策，這一類會計職能是財務機器人不能完成的。
4.2提升會計人員素質適應人工智能時代
隨著會計職能的轉變，未來需要的基礎會計人員數量將大幅減少，會計人員也需要向精英化的管理會計轉型。管理會計是對公司的高層次管理，這就要求會計人員不僅明確會計預算、決策的方式，更需要有一定的大數據知識及網絡技術，因此會計人員需要加強學習，適應人工智能時代的職能轉變。人工智能時代的到來，會計的基本職能不再是核算與監督，而是預測與決策，管理會計將成為會計的首要職能，因此會計人員需要全面學習專業的管理會計知識，掌握與人工智能理論相關的方法，以提高職業素養。同時，在管理會計的時代下必將實現業財融合，因此會計人員不僅要對會計有一定的掌握，還需要了解企業的業務以及行業的情況，為自身的決策與分析提供依據。因此，未來需要的會計人才是復合型精英型人才，會計人員只有提高自身的專業素養與綜合能力，才能適應未來的會計工作。
4.3完善會計學科的知識體系
隨著人工智能時代的到來，會計學科的轉變也成為了迫切的需求。會計學科體系將受到巨大的影響，未來會計學科將增加如何操作財務機器人、如何使用網絡技術與大數據技術以及云計算等相關技術，如何使用計算機編程技術等。在人工智能時代，會計學科應加強會計人員的培養，建立完善的法律法規和組織體系，防止通過網絡技術惡意獲得會計信息，改善相應的法律體系，為人工智能在會計體系中的普及提供條件。
關鍵詞:數據挖掘;統計學;比較
中圖分類號:TP311.131文獻標識碼:A文章編號:1007-9599 (2010) 06-0000-01
Comparison of Data Mining and Statistical Analysis
Kong Pengxiang
(Laiwu Iron&Steel Group Co, Ltd.,Training Centre,Laiwu271104,China)
Abstract:Data mining from statistical analysis,but different from the statistical analysis.Data mining is not intended to replace the traditional statistical analysis techniques,on the contrary,statistical analysis of data mining is an expansion and extension.
Keywords:Data mining;Statistical analysis;Comparison
隨著科學技術的發展,利用數據庫技術來存儲管理數據,利用機器學習的方法來分析數據,從而挖掘出大量的隱藏在數據背后的知識。這種思想的結合形成了現在深受人們關注的非常熱門的研究領域:數據庫中的知識發現――KDD(Knowledge Discovery in Databases),其中,數據挖掘技術便是KDD中的一個最為關鍵的環節。
一、數據挖掘簡介
(一)數據挖掘的含義和功能
數據挖掘―DM(Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘是一門交叉學科,它匯聚了數據庫、人工智能、統計學、可視化、并行計算等不同學科和領域,近年來受到各界的廣泛關注。
一般說來,數據挖掘是一個利用各種分析方法和分析工具在大規模海量數據中建立模型和發現數據間關系的過程,這些模型和關系可以用來做出決策和預測。它強調對大量觀測到的數據庫的處理。它是涉及數據庫管理、人工智能、機器學習、模式識別、及數據可視化等學科的邊緣學科。
作為一門處理數據的新興技術,數據挖掘有許多的新特征。首先,數據挖掘面對的是海量的數據,這也是數據挖掘產生的原因。其次,數據可能是不完全的、有噪聲的、隨機的,有復雜的數據結構,維數大。最后,數據挖掘所采用的技術涉及到:數據庫、人工智能、統計學、可視化、并行計算等不同學科和領域。
二、統計學的含義
統計學最初是作為一門實質性科學建立起來的,它從數量上研究某類具體的現象(如社會經濟發展)的規律,但是,隨著統計學研究范圍的不斷擴大以及統計方法在社會領域和自然領域內的有效應用,加之統計方法體系本身的不斷發展和完善,使得統計學的研究對象也發生了變化。統計學已從實質性科學中分離出來,轉而研究統計方法,成為一門方法論的科學。即統計學是研究如何搜集數據、整理數據和分析數據的一門方法論科學。
從本質上看,統計工作的核心就是數據(或者信息)的采集、分析和處理,正如權威的不列顛百科全書將統計定義為“statistics:the science of collecting,analyzing,presenting,and interpreting data”即“統計:收集、分析、表述和解釋數據”
三、數據挖掘與統計學的比較
數據挖掘來源于統計分析,而又不同于統計分析。數據挖掘不是為了替代傳統的統計分析技術,相反,數據挖掘是統計分析方法的擴展和延伸。大多數的統計分析技術都基于完善的數學理論和高超的技巧,其預測的準確程度還是令人滿意的,但對于使用者的知識要求比較高。而隨著計算機能力的不斷發展,數據挖掘可以利用相對簡單和固定程序完成同樣的功能。新的計算算法的產生如神經網絡、決策樹使人們不需了解到其內部復雜的原理也可以通過這些方法獲得良好的分析和預測效果。
由于數據挖掘和統計分析根深蒂固的聯系,通常的數據挖掘工具都能夠通過可選件或自身提供統計分析功能。這些功能對于數據挖掘的前期數據探索和數據挖掘之后對數據進行總結和分析都是十分必要的。統計分析所提供的諸如方差分析、假設檢驗、相關性分析、線性預測、時間序列分析等功能都有助于數據挖掘前期對數據進行探索,發現數據挖掘的題目、找出數據挖掘的目標、確定數據挖掘所需涉及的變量、對數據源進行抽樣等等。所有這些前期工作對數據挖掘的效果產生重大影響。而數據挖掘的結果也需要統計分析的描述功能(最大值、最小值、平均值、方差、四分位、個數、概率分配)進行具體描述,使數據挖掘的結果能夠被用戶了解。因此,統計分析和數據挖掘是相輔相成的過程,兩者的合理配合是數據挖掘成功的重要條件。
四、小結
數據挖掘理論與技術的產生,促進了統計學發展的同時,也提出了更多的挑戰。如何更好地使用數據挖掘和統計為解決社會實際問題做出貢獻,是統計學家和數據挖掘研究者共同關心的話題。數據挖掘和統計學應該相互學習和滲透,各自分工,協同工作,共同為挖掘隱藏在復雜現象背后的有價值的知識貢獻力量。
參考文獻:
[1]Jiawei Han,Micheline Kambr.數據挖掘――概念與技術(影印版)[M].北京:高等教育出版社,2001
[2]韓明.數據挖掘及其對統計學的挑戰[J].統計研究,2001,8
關鍵詞：對弈機器人；五子棋；圖像識別；PLC；實驗教學
中圖分類號：TP242.6 文獻標識碼：A
Abstract：This paper designed and developed a robot system can real-time game Gobang with people.The chess robot identifies chessboard information with the camera，then make up the decision with the strategy system，and then execute action through the mechanical arm.This paper introduced the software and hardware design，implementation and debugging of each function module of the system.It has been testified that the robot achieved human-computer interaction at low cost，and played a promoting role in the experimental teaching of computer control device，artificial intelligence，software technology curriculum.
Keywords：chess robot；Gobang；image recognition；PLC；experiment teaching
1 引言（Introduction）
“人工智能之父”圖靈在1950年曾說：“下棋是很抽象的活動，是機器可以和人競爭的純智能領域之一[1]。”隨著1997年“深藍”戰勝人類國際象棋冠軍卡斯帕羅夫，人機對弈成為一種人工智能的代表應用形式，被普通民眾所熟知。
隨著計算機軟件技術的普及，人機對弈類型的應用軟件層出不窮[2-4]，豐富了人們的休閑娛樂生活。隨著機器人技術的快速發展，娛樂機器人成為機器人領域中一支極具前景的新生力量[5]，新的技術也對人機對弈平臺在人機交互方式[6]和真實用戶體驗方面提出了新的需求。國內的人機對弈系統一般針對中國象棋或五子棋[3-7]，其中五子棋尤其具有現代休閑“短、平、快”的特征[2]。本文設計制作了一個實時交互的五子棋人機對弈系統，旨在提供一個具有真實用戶體驗，服務于相關課程實驗教學的人機對弈實驗平臺。
2 系統總體設計（System design）
五子棋人機對弈系統主要包括視覺系統、策略系統和機械臂系統三大功能模塊，系統總體結構如圖1所示。視覺系統對棋盤進行圖像采集，通過特定的圖像識別算法對雙方棋子進行識別和定位，得到當前的棋盤布局。策略系統對當前棋盤布局進行分析，調用智能對弈算法計算出最優落子位置坐標，并換算成為執行器的動作量，通過串行數據線發送至機械臂系統，由其完成取子、移動、落子等運動控制。從而在真實的棋盤上實現人機對弈。策略系統提供可視化的人機界面，能將視覺系統得到的棋盤布局圖形化顯示，實現對弈過程中界面與棋盤信息的同步。此外，用戶亦可通過人機界面與策略系統進行純軟件的虛擬對弈，增強了趣味性，豐富了實驗內容。
3 視覺系統（Vision system）
視覺子系統是機器人的眼睛，由攝像頭與圖像處理算法組成，系統結構如圖2所示。攝像頭采集棋盤圖像，通過USB傳至裝有圖像處理程序的計算機，再經過色塊分割、識別和定位得到雙方棋子的布局情況，上傳至策略系統。攝像頭型號為PHILIPS SPC900NC，USB接口，最高幀速率為90幅/s，安裝于棋盤正上方。圖像處理算法通過C++語言實現，開發平臺為Visio Studio 2010，程序流程如圖3所示。
圖像識別[8，9]的步驟為：色塊分割、棋子識別、棋子定位。首先根據顏色特征來區分雙方棋子。將攝像頭獲取圖像轉換為YUV顏色空間信息，分別定義雙方棋子顏色的閾值范圍，即可將圖像分成不同顏色的色塊。綜合考慮圖像噪聲等因素的影響，根據色塊面積、形狀等特征嚴格地判斷是否為待識別目標。為了輔助定位，在棋盤的四個角上用不同于棋子的顏色作為標記，因此實際的目標識別還包括對四角標志點的識別。識別出標志點后，根據棋子和標志點的圖像坐標的關系，即可獲得具體的位置信息，識別效果如圖4所示。
4 策略系統（Strategy system）
策略系統是機器人的大腦，系統結構如圖5所示。它接收來自視覺系統的棋盤位置信息，判斷當前的勝負關系，計算出下一步落子點坐標，再經過機械臂控制執行換算得到輸出動作量，通過串行口發送至機械臂系統。策略系統通過計算機軟件編程實現，包括智能決策算法與人機界面兩部分。智能決策算法采用C++語言開發，界面采用C#語言開發，開發平臺為Visio Studio 2010。
4.1 智能決策算法
智能決策算法主要包括最優落子點的計算，勝負判定和控制執行換算三部分，程序流程如圖6所示。計算最優落子點采用最直接也是最有效的遍歷搜索法。預設棋盤布局為10格×10格，計算可得雙方均分別有192種取勝的狀態。首先對取勝緩沖標識區以及雙方的搜索空間分別進行初始化；隨著雙方對弈的深入，棋子的增長與局勢的變化，系統通過判斷對方所有符合條件的取勝狀態及其威脅性，按照一定的加分規則來更新搜索空間的評價值，以數值最大的點為下一步的最佳落子點，如此往復循環。對于結果的判斷比較簡單，取勝的條件為五子連線；平局的條件為棋子布滿棋盤。
在真實對弈的過程中，機器人的落子行為通過機械臂系統來執行，機械臂控制執行換算實現最優落子點坐標與機械臂動作量之間的數值轉換。根據機械手爪的位置與目標落子點的坐標，規劃出最優的移動路徑；再結合機械臂各個自由度上的機械參數，計算得到各執行電機的輸出動作量。
4.2 人機界面
人機界面是棋盤之外的輔助人機交互接口，具有參數設置、信息可視化和軟件模擬的功能。人機界面如圖7所示，設計有黑、白方的選擇按鈕，啟動、停止、重啟比賽按鈕，串口參數設置以及計時器等功能模塊；與實際對弈競賽一樣，人/機雙方在落子之后還需點擊相應的“落子確認”按鈕。由于系統具有真實和虛擬兩種人機對弈模式，在真實對弈過程中，界面能實時顯示當前的棋盤布局；在虛擬對弈過程中，用戶直接通過界面與智能對弈算法進行較量。
5 機械臂系統（The mechanical arm system）
機械臂系統是機器人的手臂，系統結構如圖8所示，它通過RS-232接收來自策略系統的電機輸出動作量，經可編程控制器（PLC）轉換為相應的脈沖信號，由開關量輸出（DO）端口傳送至驅動器，控制電機和電磁閥帶動轉盤、絲桿及汽缸動作。結合開關量輸入（DI）端口接收到的位置傳感器反饋信號，完成在立體空間中抓取、移動和放置棋子的動作。
機械臂系統選用亞龍公司YL-SJ-Z型工業機械臂實訓臺，由全金屬架構搭建而成（長×寬×高：1200mm×780mm×840mm）。通過垂直、水平和底盤旋轉三個自由度的活動環節，實現機械手爪在一定三維空間區域內活動定位，即使用了坐標式架構。底盤旋轉通過直流減速電機與光電碼盤配合實現精確定位；垂直與水平移動分別由兩個步進電機帶滾珠動絲桿旋進，行程終點裝有限位開關，保證電機安全運行；機械手爪采用高精度氣動式手爪，配備電磁位置開關及兩位三通電磁閥，實現快速準確的抓取和放開動作。
實訓臺的主控制器為歐姆龍CP1H-XA40DT-D型PLC，CP1H-XA40DT-D是一款緊湊型一體化高性能PLC，具有24路DI和16路DO，直流24V供電，能通過USB與RS-232/485等多種方式與計算機通訊。PLC程序采用梯形圖編程語言編寫，開發軟件為CX-programmer7.0。程序流程如圖9所示，可分為抓取棋子，接收串口數據，產生并發送控制信號，移動至落子位置，放置棋子，返回起點幾個步驟。
6 結論（Conclusion）
將各功能模塊聯機調試，挑選學生志愿者與機器人進行對弈測試，實驗結果表明，真實對弈與虛擬對弈都較好地實現了預期目標，尤其是真實對弈模式在一定區域內很好地實現了棋子的識別，機械手取子、移動、落子等動作，給用戶沉浸式的操作體驗。實際測試效果如圖10所示。系統各功能模塊都具有通用的軟硬件接口，供學生探索研究和繼續開發，已經應用于計算機控制裝置、人工智能、軟件技術等課程的實驗教學，收到良好的效果。
對弈機器人利用硬件設備將人機交互實物化，更加符合傳統對弈的形式，在教學研究、科技展示、家庭娛樂等方面具有相當的應用價值。通用的硬件配置，個性化的軟件設計，既降低了開發成本，也使系統具有較強的可移植性。
參考文獻（References）
[1] 魏寧.人機對弈體現了機器具有智能嗎[J].中國信息技術教育，2008（10）： 33-34.
[2] 吳四光.人機對弈的設計及實現[J].電子測試，2013（9）：35-36.
[3] 張佳佳.五子棋對戰平臺的設計與實現[J].電腦知識與技術，2012，22（8）：5409-5411.
[4] 周瑋，等.一個智能算法對弈平臺的研制[J].實驗室研究與探索，2005（24）：331-333.
[5] 徐麗麗，等.基于Mega128的象棋機器人對弈系統的研究[J].傳感器世界，2013（12）：31-34.
[6] 黃立波，等.實時環境下的對弈機器人控制系統設計與分析[J].機械，2004，31（6）：50-52.
[7] 黃雙，等.智能型實物棋盤人機對弈象棋機器人的制作[J].大學物理實驗，2014，27（1）：42-46.
[8] 任俠，廖建平.基于敏感圖像識別預防水利災害關鍵技術研究[J].軟件工程師，2013（6）：38-42.
[9] 張旭，等.基于圖像識別的停車場智能管理系統的設計與實現[J].軟件工程師，2013（8）：25-26.
伴隨著科學技術的不斷進步和優化，各行業技術結構和發展進程都更加深入，很多方面技術水平有所升級。正是基于此，將機械電子技術和信息化融合在一起，形成多樣化管理模型和控制機制，創新改進和發展的同時，也能實現管理效果的全面升級，充分發揮信息化技術的優勢。本文對機械電子技術發展歷程進行了簡要分析，并集中闡釋了機械電子技術和信息化融合后的應用模型，最后對項目的未來發展趨勢進行了預估，旨在為研究人員提供更加系統化的建議。
關鍵詞:
機械電子技術；信息化融合；應用；趨勢
1機械電子技術發展歷程
正是基于科學技術的不斷發展，在技術管理機制建立和應用過程中，要結合市場需求進行技術融合，實現更加智能化的發展目標。在機械電子技術發展的進程中，相較于傳統技術模型，在生產指標參數操控管理模型中，機械電子技術實現了全面升級。無論是生產過程還是整體管理機制，在強化機械原理以及管理層級機制的同時，對技術模型和控制系統展開深度調研和集中整合。在現行市場條件和管理模型中，要對相關參數調整進行整體控制。制造工業在實際應用機制中，結合信息化技術就是實現一體化技術模型，不僅僅是應用模糊控機制，也實現了變結構控制，其中，對PID控制進行全面分析，從而提高整體控制效果和處理實效性。另外，在機械電子技術應用和運行過程中，要結合控制過程對精密合理化處理機制展開深度分析，能在適應生產需求的基礎上，保證變量結構和管理效果的穩定性，在對變量管理體系和控制系統進行深度分析的同時，實現技術結構的綜合性優化[1]。
2機械電子技術和信息化融合應用模型
2.1農業中應用機械電子技術和信息化融合體系
將機械電子技術和信息化融合項目融合在一起，形成有效的處理機制和管控措施，輔助農業發展進程的全面升級，提高處理效果和性能，能保證農業機械管理項目全面升級，且整體終端管控系統也能實現綜合性升級和有效優化。在農業中應用機械電子技術能實現人機交互，保證操作流程的完整性，也能對相關信息進行集中提取和綜合性管理，確保相關信息處理機制和控制措施之間能建立有效的橋梁，為滿足不同需求進行信息內容的獲取和分析。只有對圖形和影像信息進行綜合性對比，才能保證分析數據和整合后的信息層級結構滿足實際需求。借助指令的管理提高整體農業操作行為的效果，保證在提高工作效率的基礎上，優化工作質量。值得一提的是，在農業中應用新技術，能在提高控制系統操作水平的基礎上，保證機械智能化系統和自動化農業活動的全面升級。
2.2自動售貨設備應用機械電子技術和信息化融合體系
近幾年，自動售貨設備應用范圍越來越廣泛，在應用體系中，買家只需要將貨幣投入到機器內，機器借助內置的光傳感器對其進行集中識別，將具體面額和輸入程序相對應，從而利用內部設備對數碼管進行集中展示，從而建立有效的判斷，保證處理效果和識別工作的完整性。其中，自動售票機、自動售水機等都是利用相同的原理進行統籌分析。在識別機制結束后，能利用系統內帶動機制，集中完成商品傳動，保證商品傳送到出貨貨口。自動售貨設備的機械結構能有效提高整體處理效果，確保應用模型符合標準，也能在提高運行體系實際效率的同時，滿足實際要求[2]。
2.3工業機器人應用機械電子技術和信息化融合體系
目前，工業機器人的應用領域在不斷擴展，整體技術結構和系統管理框架也在升級。工業機器人作為一項操作系統組成的機械構造體系，能應用在非常多的領域內，保證處理效果和控制應用效率得以全面提升。應用工業機器人能實現針對性的反復編程，提高實用性效率，并且能在一定程度上展示較大的自由度，提升工作時效性價值，由于性能相對較好，且整體功能較為多樣化，在實際管理工作體系中，將被廣泛應用[3]。另外，在工業機器人應用過程中，由于其工作模型較為單一化，需要重復性的工作以保證工作完整度，因此，其工作步驟和操作行為較為簡單，能有效減少人工的工作壓力，并且一定程度上提高勞動環境的穩定性。利用工業機器人會一定程度上提高生產操作的效率，減少人力資源管理的成本，保證產品性能和質量能實現全面優化。正是基于此，工業機器人將工業環境轉變為一體化管理措施，相應技術融合體系也趨于大眾化和多樣化，正是順應時展趨勢的必然選擇。
2.4電腦橫機應用機械電子技術和信息化融合體系
在機械電子技術和信息化融合體系中，橫機操作符合應用標準，需要借助手工完成相關操作模型，并且優化提高操作完整性，滿足生產需求的同時，升級性能的處理效果[4]。在生產需求不斷增加的背景下，設備對于顏色和數量有了更加直觀化的需求，正是基于此，橫機操作能滿足相關需求，實現整體技術模型和應用效果的全面升級和優化。借助電腦，能實現多樣化設計需求，并且在高端軟件應用體系中，要對相關設計操作展開深度分析和集中處理，確保設計模型和管理措施的穩定性，提升多樣化設計應用效果的基礎上，滿足實際需求和整體控制機制，保證機械操作效果和管理體系的有效性。值得一提的是，在橫機操作中應用機械電子技術，能在完成彎沙以及脫圈操作的基礎上，保證自動化完成墊沙操作，確保整體工作效率和工作流程的全面升級[5]。將機械電子技術和信息化項目融合在一起，形成機電一體化管理機制，提高柔性制造系統的工作效率和工作穩定性，保證處理機制和應用體系的完整性，也是提高整體技術運行效率的重要路徑。在技術結構和系統建立的過程中，要結合生產系統優化的管理目標，保證編程操作和控制體系的完整性，也使得具體操作流程符合預期，提升技術針對性的基礎上，保證系統得以全面改善，也為管控機制的綜合性優化奠定堅實基礎。
3機械電子技術和信息化融合應用的發展趨勢
伴隨著科學技術的不斷進步，機械電子技術和信息化技術的融合深度將不斷延伸，兩者形成的技術模型和應用性能也將越來越好，將其應用在工業、農業等領域內是順應時展的必然趨勢[6]。將在原有動力系統基礎上，進行功能研發的多樣化處理機制，融合更加新型的技術參數和管理理念，確保一體化技術模型更加的全面和完整。新技術的研發和管理將融合更加系統化的處理機制以及管控措施，在節約人力資源的同時，保證工作質量和生活環境更好。
4結論
總而言之，在研究機械電子技術和信息化的過程中，要對技術模型和性能進行綜合性分析，確保技術運行過程和應用模型的穩定性，也為管理機制和控制措施的全面性升級奠定堅實基礎。在計算機技術不斷發展的背景下，要保證性能，就要對技術融合機制和管理措施進行統籌分析和綜合性管控，推動工業生產效率，實現整體管理模型的全面進步，也為實現自動化生產機制提供保障。
參考文獻
[1]莫順文.試分析淺談機械電子工程與人工智能的關系[J].建筑工程技術與設計，2016，55（30）：166-167.
[2]程棟.關于機械電子工程與人工智能整合思路構建的研究[J].時代農機，2016，43（4）：49-50.
[3]馮哲.關于機械電子工程與人工智能關系的探討[J].現代交際，2013，18（11）：27-28.
[4]賴智威.剖析機械電子工程和人工智能的整合思路構建[J].科技展望，2015，25（35）：66-67.
[5]張長弓.淺談機械電子工程與人工智能的整合思路構建[J].神州（下旬刊），2014，23（1）：40-41.
關鍵詞：產業數字化；數字化產業；產教融合；市場營銷
一、研究背景
根據中國信通院的《2021年中國數字經濟發展白皮書》顯示，2020年我國數字產業化規模達到7．5萬億元，占數字經濟比重的19．1%，占GDP比重的7．3%。產業數字化規模達31．7萬億元，占數字經濟比重的80．9%，占GDP比重的31．2%。數字經濟內部結構呈現“二八”比例分布。2020年，三次產業加速數字化轉型，農業、工業、服務業數字經濟滲透率分別為8．9%、21．0%、40．7%，同比分別增長0．7、1．6和2．9個百分點。數字時代下，培養新一代國家建設人才已迫在眉睫［1］。數字化產業的發展，是產業數字化轉型的重要保障。工業互聯網平臺、大數據中心、人工智能算法、云計算服務、區塊鏈、數據安全、數字消費等各種數字化技術所用的新基建和數字化設備，使數字產業快速發展并得以應用。這些數字化企業的成長和壯大是支撐起產業數字轉型的砥柱。2017年12月國務院辦公廳印發《關于深化產教融合的若干意見》提出要深化產教融合。5G等新一代通訊技術的變革和應用，席卷行政服務系統、教育系統、金融系統、醫療系統等所有領域。高校傳統專業教育已不能滿足產業數字化新需求，唯有順應時代和產業的變化不斷更迭，才能培養出適合企業需求的新技能型人才。
二、數字經濟新業態產教融合現狀
美國能誕生如此眾多的互聯網巨頭，與其職業教育的“合作教育”模式密不可分。“合作教育”模式是將專業人才培養學校理論學習與企業實踐訓練相結合的一種高等教育策略。2009年，美國將“合作教育”模式更名為合作與實踐教育（CEED）。該策略由于較好實現了企業、學校、學生等多方共贏，得到了美國相關政府機構、教育界、企業界的高度重視。［2］自英國脫歐以來，歐盟經濟支柱主要來自德國和法國。德國作為老牌工業強國，雖然數字經濟發展相對較為緩慢，但是，其成功的職業教育產教融合模式——“雙元制”，卻值得學習和借鑒。［3］我國數字經濟新業態正處于剛起步階段，相比歐美等西方國家，我國亟需探索出適合我國“兩化融合”的工業互聯網平臺發展模式。近些年“數字”成為助力數字經濟發展的重要技術。但是，由于我國數字化人才較為缺失，暴露出高職技術型人才培養工作存在諸多缺陷。目前，關于高職產教融合人才培養模式的成果并不多，尤其是關于“互聯網+”背景下的產教融合成果更是比較少。通過研究目前關于數字經濟新業態產教融合的研究主要集中在以下方面：一是關于產教融合實施過程中遇到的困境及解決的方法。產教融合存在的困境與解決對策是當前研究的主要熱點；二是如何依托校企合作，促進產教融合。例如，鈕雪林結合蘇州數字經濟發展現狀，分析了專業建設中所存在的問題，提出專業建設必須要以協同化對接、數字化改造以及融合化轉型等方面入手，提升專業建設水平；三是關于國內外不同育人模式的比較與實證分析。
三、“數字化轉型”下的產教融合新挑戰
（一）目標企業選擇難題
合作企業的選擇，需經過慎重甄選。企業規模較小的中小企業，軟硬實力都不及大型優質企業，在承擔校企合作的教學育人中，人力、培訓、設備、場地、技術、管理、運營等各方面的成本和投入會成為其主要制約因素。同時，產業數字化也使得行業“洗牌”加劇，涌現出一批順應數字化轉型的優質企業，這批優質企業在產教融合中對人才培養方向更能把握時代脈搏。在目標企業的選擇問題上，需要高校對目標企業進行有效評估和謹慎甄選。
（二）企業課程與傳統教學內容不相符
在產教融合課程設置方面，存在企業課程與傳統教學內容不一致的問題，以及傳統企業數字化轉型水平低導致課程內容陳舊兩大問題。首先，在產業數字化轉型的形勢下，高校人才培養目標、教學內容和教學方法，仍然存在沿用陳舊人才培養方案和原有知識體系的情況，教材和教法，都沒有融入最新數字信息技術，專業建設停滯不前。課程負責老師不愿與企業深度融合，改革課程內容，導致最新的企業標準、企業操作規范、理實一體化課程及企業實訓實踐類課程無法順利推進。其次，當目標企業選擇不當，或企業發展速度大大低于產業變革，導致企業開發課程內容較為陳舊，尤其是在產業數字化轉型的轉折點，企業需要最新的工業互聯網技術和數字化技術做支撐，才能在產教融合中開發和融入產業最新數字化技術內容。因此，新時代下的產教融合和產業人才培養，不僅對教師、教法、教材提出了新的要求，也對合作企業提出了更高的要求。
（三）企業投資巨大，回報不穩定
首先，從課程的開發來說，需要校企的共同參與，針對學生群體，在現有教學內容的基礎上，開發一套既囊括現有知識體系，又符合企業標準的教材和課程。對于企業來說，需要企業上層戰略決策的支持和大力投入，需要有經驗的專職人員與課程負責老師積極雙向溝通，因此，人力成本的投入必不可少。其次，從實訓基地建設來看，校企雙方前期投入大量人力物力建設實訓室、實踐基地、教學設備、網絡設施等，合作期間產生的水電、培訓、師資等一系列費用，以及后期對實訓基地和設備的維護保養等成本，一旦由于種種原因使得校企合作不穩定，合作最終不了了之，企業投入將無法收回，也會造成高校國有資產流失。最后，從人才培養過程來看，校企達成產教融合意向，設置校企合作課程，開發校企合作教材，開設各類實踐實訓項目，最終完成學業，培養出符合產業需求的高素質技能型人才，期間會存在人才培養的時效性，就業雙向選擇的不確定性等問題，并且對于企業來說人才培養周期大大加長，難以滿足企業短期人才緊缺的需求。
四、基于“數字”的市場營銷專業產教融合探索
基于以上分析，產教融合過程中疊加產業數字化轉型，給校企合作帶來了新的挑戰，下文將以市場營銷專業建設為例，研究和探索基于“數字”的產教融合新模式。
（一）“數字”發展背景
2015年阿里巴巴首次提出概念，隨著大數據技術在社會中的廣泛應用，數字發展呈現快速發展趨勢。例如，2018年我國數字規模為22．2億元，預計2022年將達到179．4億元。由此可見數字將成為企業數字化轉型的加速引擎。“數字”是企業級的業務能力和數據共享服務平臺，其通過對業務、數據以及技術的抽象化，將業務按照領域進行拆分，以服務化的形式輸出共享能力。數字具有較高的應用價值：在數據層面上，數字有效解決了企業系統間數據孤島的問題，有效解決了數據“匯管用”的問題；在業務層面通過對各業務線的模塊去除，讓前臺業務走向市場，提升了企業的市場響應力；在技術層面，具有可擴展性，能夠讓整個網絡架構更加開放，避免了重復開發［4］。
（二）“數字”+產教融合模式“數字”產教融合模式，使市場營銷專業建設的教學廣度和教學深度都得到了大大提高，契合了高校培養高素質技能型人才的人才培養目標。將企業數字服務于教學，實現深度產教融合，如圖1所示。數字對企業數字化、智能化的轉型升級起到核心關鍵作用，在產業數字化的過程中，涉及從生產制造、采購物流、倉儲運輸等生產制造環節，到客戶服務、數字營銷、門店調配等流通環節，再到結算中心、供應鏈管理、人資管理等企業運營管理環節。從人才培養角度出發，教育教學的視域更開闊，理念更趨全局化，對于市場營銷專業來說，教學廣度隨著數據的延伸，不僅涉及數字化營銷，而且延伸到了生產制造、經營管理、門店運營、成本控制等多個領域，教學廣度得到了大大提升。從教學深度來看，從課本的理論知識為主，營銷策劃實踐為輔的傳統模式，轉變為更深層次的基于數據的數據采集清洗、可視化報表制作、公（私）域運營、大數據品牌營銷、內容營銷、算法和AI提升人效等基礎上的營銷戰略和營銷策劃，教學深度增加，專業深度增加，更適合數字時代人才培養需求。
1．數據采集
如圖1所示，產教融合部分包含兩大內容和一大條件。根據上文數據來源分類，企業數據分為內部數據和外部數據兩大類，數據的采集過程主要從離線采集與實時采集兩方面進行。首先，內部數據是指在根據企業內部經營情況，進行數據采集和數據篩選，主要包括不涉及商業機密的企業以往數據：營業額達標率、客單價、人效、毛利、進銷、損耗等數據。具體數據包括日（月）營業額、日（月）營業指標、日（月）完成率、客單數、客單價、人效、每日（月）同比、每日（月）增長率、客單增長率、采購、銷售、毛利（率）、陳列（樣品）報損、報損率、日銷前十等。其次，外部數據是指通過網絡爬蟲獲取的互聯網數據、第三方接口數據等產生的相關數據。最后，對于上述用于教育教學的數據，其數據量相當龐大。在互聯網環境下，客戶數據來源比較廣泛，既包括客戶辦理各項業務的數據。例如，客戶的基礎信息數據、客戶消費數據、訂單業務數據等等，還包括客戶位置移動范圍數據等。基于日益繁瑣的數據，需要系統要具備數據收集和儲存的系統作為支撐。因此，基于數字將數據進行整合，并通過全過程的數據采集才能獲取動態全面的數據，并最終篩選有效數據用于市場營銷專業產教融合。
2．數據應用
數據應用是“數字”平臺建設的核心，傳統的數據系統只是簡單地存放或者展示難以有效發揮數據的潛在價值，不能達到數字資產的應用價值。基于數字產業的發展，構建產教融合必須要將所有的數據納入到同一套系統中，建立以客戶為中心的“DNA”數據視圖，整合系統的所有資源，讓平臺系統內的成員都可以使用數據資產，以此達到支撐整個智慧運營體系的數據要求［5］。市場營銷專業課程的數據應用，主要是利用智慧運營體系中數據采集到的數據，進行客戶精準畫像、企業科學決策、AI（算法）預測、制定營銷戰略、撰寫營銷策劃方案、個性化學習等，通過校企產教融合，將數據應用環節共同開發成各類數字營銷實踐課程。
3．基礎工具及條件
在數據采集和數據應用的過程中，校企共建實訓場地提供軟硬件保障，硬件設施包括本地機房、互聯網設備，物聯網、互聯網等，軟件設施包括數據采集分析工具（python、excel）、云平臺、數據共享數據等。通過云平臺和數據共享數據，服務器將操作實踐內容共享至學校機房，同時物聯網實現萬物互聯，校企指導老師在線指導和評估，前置課程中可加入一些基礎的工具課，或在實訓課中加入有針對性的工具操作模塊。數據是領先行業的共同選擇，構建了企業進行應用開發的新一代平臺型基座，通過數字賦能變革成為企業轉型發展的重要選擇。本文秉承科學性和先進性原則，兼顧時展特征，以市場營銷專業為例，對基于數字產教融合模式進行了一系列理論探索，希望能對高校實現新時代數字營銷人才的培養目標有所幫助，希望能對各專業建設改革有一定的參考價值，也希望能對地方經濟的建設發展有一定的啟發。
參考文獻
［1］劉常春，張曉丹．職業教育中的產教融合模式分析［J］．電子技術，2021（12）：200-201．
［2］汪福俊．美國應用型高校的合作教育機制——以德雷塞爾大學為例［J］．教育學術月刊，2018（12）：57-67．
［3］陳保榮．職業教育產教融合的國際比較研究［J］．職教論壇，2018（5）：40-46．
［4］胡翰林，沈書生．基于技術的教育大數據應用研究［J］．現代教育技術，2021（9）：78-86．
關鍵詞：機械自動化；核心技術；發展趨勢
前言
隨著科技的發展和電子技術的成熟和廣泛應用，機械自動化產品在國民經濟建設、企業的技術改造和電子產品的更新換代方面發揮著越來越重要的作用。
1.機械自動化的重要性
機械自動化是指在機構得主功能、動力功能、信息處理功能和控制功能上引進電子技術，將機械裝置與電子化設計及軟件結合起來所構成的系統的總稱。機械自動化發展至今也已成為一門有著自身體系的新型學科，機械自動化是從系統的觀點出發，綜合運用機械技術、微電子技術、自動控制技術、計算機技術、信息技術、傳感測控技術、電力電子技術、接口技術、信息變換技術以及軟件編程技術等群體技術，根據系統功能目標和優化組織目標，合理配置與布局各功能單元，由此而產生的功能系統，則成為一個機械自動化系統或機械自動化產品。
2.機械自動化的核心技術
2.1數控技術
現在的制造系統中，數控是核心的制造技術，要想實現自動化就要用計算機開發相關的軟件。數控技術是一項復雜的，涉及范圍廣泛的技術。它集微電子，計算機，信息處理，自動檢測，自動控制等高新技術于一體，具有高精度，高效率，柔性自動化等特點。現有的機械制造自動化對專業水平要求很高，它綜合了多領域，多學科的專業水平。例如計算機的基本操作，C語言程序編寫，機械運動原理，機械制圖等學科都是屬于它的范疇。不但要求對這些有一個最初的認識，還要求能熟練掌握，這樣才能在實現自動化的開發和操作時提高效率。制造行業都離不開制圖，在實行自動化之前都要先繪出初步設想運動圖示，所以繪圖技術也體現了機械類的技術。在圖紙上，要能明了的反映其運動過程，要能讓專業人員看到后就能了解其要表達的含義。
2.2網絡化技術
網絡化技術主要體現在利用計算機終端進行自動化控制，原有機械制造工藝中，都是采用人工加工機械流程，不但延遲了機械加工的制造效率，并且制造出的機械設備工藝差。隨著現代科學技術的不斷發展，利用計算機遠程控制技術掌控遠端設備的制作流程，傳輸的數據信息能夠及時傳輸至終端復用設備，使其在有效時間內處理終端傳輸的數據信息，保證自動化設備數據信息的完整性。采用的網絡技術遵循TCP/IP傳輸模式，將網絡層面劃分為七層，分別為：物理層、數據鏈路層、網絡層、傳輸層、會話層、表示層以及應用層。在物理層面上主要是將傳輸的數據信息進行打包，在數據鏈路層進行封裝，在網絡層進行解封，最后在傳輸層信道內進行數據信息的傳輸，傳輸的比特速率為16Mbit/s。原有網絡數據信息傳輸速率只能達到2Mbit/s，造成數據終端處理系統處理的數據信息不能有效地傳輸至終端復用器，使其數據信息大幅度地丟失。而現在傳輸的數據信息不但能夠在有效時間內傳輸至終端設備，并且還能對傳輸的數據信息進行全方位跟蹤。
2.3模糊控制技術
模糊控制技術能夠定期調整機械設備內的運行參數，原有機械設備在運行過程中，由于運行功率較大，積聚了較多的熱量，不能使其完全的散失，出現機械設備損壞的現象。但現有自動化控制技術能夠自動調整設備內的運行參數，保證設備運行功率不會超過額定功率。其次也能調節設備鉆頭運轉速率，當設備在切割時，便會加大鉆頭的運轉速度，使其在短時間內切削鋼件結構的表層。當機械設備的刀具在剔除鋼件結構表層毛刺時，便會降低其運行速率，減少設備的無用功。
3.機械自動化的發展趨勢
3.1.綠色化
工業的發達給人們生活帶來了巨大變化。一方面，物質豐富，生活舒適；另一方面，資源減少，生態環境受到嚴重污染。于是，人們呼吁保護環境資源，回歸自然。綠色產品概念在這種呼聲下應運而生，綠色化是時代的趨勢。綠色產品在其設計、制造、使用和銷毀的生命過程中，符合特定的環境保護和人類健康的要求，對生態環境無害或危害極少，資源利用率極高。機械自動化產品的綠色化主要是指使用時不污染生態環境，報廢后能回收利用。工業的發展使得資源減少，生態環境受到嚴重污染。綠色化成了時代的趨勢，產品的綠色化更成了適應未來發展的一大特色。
3.2.智能化
人工智能系統是一個知識處理系統，它包括知識表示、知識利用和知識獲取三個基本問題，其最終的目標是模擬人的問題求解、推理、學習。人工智能在機械自動化建設中的研究日益得到重視，機器人與數控機床的智能化就是重要應用。例如在CNC 數控機床上增加人機對話功能，設置智能I/O 接口和智能工藝數據庫，會給使用、操作和維護帶來極大的方便。隨著模糊控制、神經網絡、灰色理論、小波理論、混沌與分岔等人工智能技術的進步與發展，為機械自動化技術發展開辟了廣闊天地。
3.3.網絡化
網絡技術的興起和飛速發展給科學技術、工業生產、政治、軍事、教育等人們日常生活都帶來了巨大的變革，同樣也給機械自動化技術帶來了重大影響，例如通過網絡對機械自動化設備進行遠程控制。各種網絡將全球經濟、生產連成一片，企業間的競爭也將全球化。機械自動化新產品一旦研制出來，只要其功能獨到，質量可靠，很快就會暢銷全球。由于網絡的普及，基于網絡的各種遠程控制和監視技術方興未艾，而遠程控制的終端設備本身就是機械自動化產品。現場總線和局域網技術是家用電器網絡化已成大勢，利用家庭網絡（home net）將各種家用電器連接成以計算機為中心的計算機集成家電系統，使人們在家里分享各種高技術帶來的便利與快樂。因此機械自動化產品無疑朝著網絡化方向發展。
3.4.各行業普及化
我國人口中很多，每個人的正常生活都需要各行各業的支持，但好多行業因為工作條件，工作性質，工作環境以及工作薪酬的限制導致從業人員非常少。所以自動化的發展前景非常可觀，只要能把自動化普及到各行各業，就能避免由于這些因素造成的麻煩。在現在科幻片中，我們都會看到自動化的身影，它能實現無人駕駛，實時監控以及各種智能化自動化的操作。這些都不是夢幻，我相信通過我們不斷的的努力，這些都可以在我們的身邊變成現實。
3.5.引領世界
隨著人們受教育程度的不斷提高，高素質的專業人才也不斷增加。國際化之間的交流的日益增強也為行業技術發展帶來新的契機，一些行業人員可以進行相關技術的交流和學習，促使他們能積極地去對自動化做深一步的探究，去發掘它潛在的價值。這樣，隨著國家的發展，及動畫的水平也會不斷提升，終將普及到我們的日常生活中，為人類造福。
4結束語
創造技術不僅是衡量一個國家科技發展水平的重要標志，更是國際間科技競爭的重點。機械自動化的發展更是能體現一個國家的綜合水平。我國是一個生產大國，這就需要在自動化層面不斷創新和提升，縮短與發達國家的差距，跟上不斷發展的世界潮流，將自動化技術運用到生產、生活的層面，真正把我國建設成一個文明、民主、富強的科技強國，保證我國能與世界接軌。
參考文獻：
[1] 芮延年.機電一體化系統設計[M].北京：機械工業出版社，2004.
關鍵詞：新媒體時代；新聞編輯；媒介素養
云端處理、云計算、大數據以及人工智能等技術不斷發展，改變了人們的生活、工作以及學習模式，受眾對信息的獲取也趨于互動化、便捷化、實時化、安全化，以往的媒體傳播模式已無法滿足當代居民的需求。新媒體的誕生不僅對傳統媒體造成沖擊，也為其帶來了改革和創新的機。媒體融合成為傳媒行業發展的大勢。在此背景下，提升新聞編輯的媒介素養、業務技能，以更好的適應媒體融合不斷加快的時代步伐成為傳媒行業亟待解決的重要課題。
1新媒體語境下新聞傳播的特點
1.1即時性
隨著移動網絡和智能手機高度普及，新媒體成為新聞信息傳播的重要渠道，不論是記者采寫新聞還是受眾獲取信息都更加方便快捷，新聞事件從發生到傳播的時間大大縮短，甚至實現了新聞事件發生與新聞報道同步進行。新聞報道的即時性極為鮮明。
1.2多元化
首先，以往的新聞信息獲取和傳播途徑都相對單一，隨著新媒體的發展，新聞編輯可以充分利用網絡途徑及時獲取社會中發生的大事小情，突破了以往固化的新聞信息獲取方式。其次，新媒體可以將單一的新聞資源轉變為共享資源，通過互聯網的高效性和便捷性，將新聞信息傳遞給受眾；同時受眾也可以利用各種電子終端設備和互聯網平臺分享發生在自己身邊的新聞事件，為新聞編輯獲取素材提供了巨大便利。最后，新媒體改變了以往的報道和采訪模式，促使新聞資源趨于普遍化和大眾化，利用互聯網的傳播性和系統性完成新聞信息的獲取和傳播。新聞傳播途徑更加多元化。
1.3互動性
當代受眾的自主意識更強，在閱讀新聞信息中渴望表達自己的觀點和看法。新媒體的出現從技術上滿足了受眾的這個需要。在新媒體背景下，受眾也可以成為新聞信息的傳播者、制造者、生產者，新聞編輯與受眾之間的互動更加頻繁，通過互動不僅可以促使新聞編輯掌握受眾的心理變化和思維觀點，還可以提升新聞信息的針對性和實效性，以貼近受眾的方式進行信息傳播。
2新媒體時代新聞編輯媒介素養培養策略
2.1做好自身定位
傳統媒體時期供方傳播模式下，受眾主要通過報紙、廣播或者電視獲取信息，新聞編輯是信息傳播者，受眾被動地獲取知識和信息，新聞編輯與受眾的溝通互動是滯后的。而新媒體時代，信息傳播和受眾反饋的間隔大大縮減，甚至趨于同步。受眾利用新媒體及時發表自己的看法、建議和觀點，或者分享發生在自身身邊的新聞事件，受眾不僅是信息接受者，更是新聞的制造者和傳播者。這種新的傳播模式要求新聞編輯重新做好自身定位。首先突破以往的固化框架制約，對受眾和自己的關系形成清晰認知。要對當代受眾的心理特點進行分析，基于受眾的感受做好輿論引導，調整以及創新思維。其次，新聞編輯作為連接政府和群眾的紐帶，要將黨和國家的政策方針及時傳遞給受眾，發揮的作用，并且將受眾的心聲及時反饋給政府。最后，迎合當代受眾的需求，對新聞內容進行深加工，秉承公正、客觀的職業操守，提升新聞信息的社會價值，對自身職能定位形成正確認知。
2.2提升信息解讀能力
隨著改革開放政策持續深入，大量西方思潮涌入，對當代受眾的價值理念、理想信念以及思維觀念帶來了巨大的沖擊和影響，社會文化逐漸呈現多元化。尤其在新媒體的興起使得信息傳播更加自由快速，也為虛假和負面信息迅速流傳進而對受眾形成負面誤導提供了機會。作為現代新聞編輯，需要提升自身的信息解讀能力，用客觀公正的視角解讀新聞事件，促使受眾對新聞事件形成正確認知，消除社會負面消息。首先，新聞編輯要具有較強的新聞解讀能力和判斷能力，分析新聞事件的內涵和價值，并且對新聞進行深度解讀，提升新聞的社會影響力、教育性、可觀性。其次，在播報新聞信息時，要給予受眾以正確的輿論引導，避免發生輿論壓力和網絡暴力事件，以社會主義核心價值觀作為播報新聞的重要原則，突出新聞的社會教育價值。最后，在信息時代，新聞信息以極高的速度海量傳播，新聞編輯在開展日常工作中，需要對各種新聞信息進行篩選和判斷，整合出具有教育價值和引領價值的新聞信息，并且對新聞事件進行深度剖析和判斷，為受眾呈現具有價值的新聞信息。
2.3網絡交流能力
新媒體具有很強的交流性和互動性，受眾可以利用新媒體平臺及時表達自己的觀點和看法，因此新聞編輯需要具備較強的網絡交流能力，及時掌握受眾對新聞事件的看法和心理動態，跟進后續報道。首先，新聞編輯的網絡交流不局限于采訪活動和新聞直播，還要對網友留言進行分析并及時回應，通過各種網絡渠道與受眾溝通，聽取其對新聞事件和節目的看法，進而調整后續報道。其次，新聞編輯要善于通過與受眾的交流傳遞正能量，引導社會輿論，消除負面消息對社會穩定的影響。在與網友交流中，注重觀點的正確性和嚴謹性，不能對受眾造成誤導。最后，新聞編輯要對資訊信息的質量進行把關，并且結合受眾需求適當取舍新聞內容，在發表個人觀點中也要考慮社會主流和受眾需求，不能出現偏激言論，避免在社會中造成不良影響。
2.4提升創新能力
在新媒體的沖擊下，當代受眾更加追求新鮮元素，新聞編輯要注重加強創新，提升自身的創新意識和創新能力。首先，新聞報道的形式表達要獨特新穎，保持個性和張力，吸引更多受眾關注和收看。其次，以創新的視角對新聞素材進行深入挖掘，提升新聞內容的獨特性和趣味性，吸引更多年輕受眾閱讀。最后，對新聞傳播方式進行創新，充分利用微信、微博等新媒體進行新聞傳播，與受眾進行溝通交流，擴大新聞節目的社會影響力。
［關鍵詞］互聯網+;臨床醫學;本科教育;形成性評價
一、引言
健康中國戰略離不開健康人才的培養。近年來，大數據、人工智能、移動互聯等新技術應運而生，信息傳播方式和反饋機制隨之發生了改變，基于“互聯網+”模式開展在線學習及評價得到了廣泛應用，更引發了教學評價內容、方法和形式的深刻變革［1］。“互聯網+”模式視閾下的新型教育評價體系亟待開發，特別是臨床醫學本科教育，臨床醫學本科教育評價效能影響著醫學生培養質量和臨床實踐能力。
二、評價體系發展歷程
(一)第一階段:總結性評價。以“公平公正”為原則的總結性評價(又稱結果性評價，或終結性評價)，被廣泛應用于選拔性考試。而在醫學高等教育實踐中，以分數為導向、專注學習結果的評價方式弊端逐漸暴露，主要表現為:一方面制約學生綜合素質發展。側重基礎知識考察，無法對學生整體素質作出評價，易導致學生被動“沉浸”于應試教育，抑制創造性思維發展，阻礙學生綜合素質持續提升。另一方面限制教師知識講授范圍。教師以考試結果為教學目標，重視應試技巧，授課內容局限于教材，花費大量時間反復強調考點知識，不利于學生對所學課程知識結構的系統性掌握。(二)第二階段:傳統形成性評價。1967年，M．Scriven率先對形成性評價作出明確定義:在教育活動開展過程中和完成后，查找并評議教育活動暴露出的問題，并及時向授課教師進行反饋，幫助授課教師精準聚焦教學不足之處，從而提高教學水平和教育活動質量［2］。隨后在《HandbookonFormativeandSummativeEvaluationofStudentLearning》一書中布魯姆(B．S．Bloom)提出:監測學生學習過程，并根據所獲取的信息來修正教學計劃，為學生制定個性化方案，以實現學生個人學習目標［3］。如今“形成性評價能夠提高教學質量”這一觀點已成為全球教育工作者的共識，并被認為是目前有效提高教學水平的手段之一。(三)第三階段:“互聯網+”教育評價。大數據、人工智能、移動互聯等新技術應運而生，為加快推進教育現代化提供強有力的技術支撐。基于“互聯網+”模式開展在線學習及評價得到了廣泛應用，引發了教學評價內容、方法和形式的深刻變革。1．無紙化。傳統形成性評價采用現場提問、作業提交、階段測試、學習檔案等方式，均需要投入大量的人力成本、物力成本、時間成本。如今基于題庫技術實施的形成性評價，不僅節約了紙張和油墨等材料，還將教師和相關工作人員從原來繁重的排版、印刷、搬運、批改工作中解放出來。2．時效化。特別是我國臨床本科教育，因醫學衛生人才的緊缺和社會教育資源不足而形成的大班教學模式。以前，課后作業“布置—提交—批改”周期較長，課堂提問只能對個別學生進行，樣本量太少，無法全面、及時了解授課學生的實際掌握情況。如今，移動互聯技術引領教育評價時效化變革，幫助教師對學生進行即時評價，也打破學生自評互評的時間和地點限制。3．多元化。互聯網技術的發展讓原本只能局限于單一維度的評價活動呈現多元化發展趨勢，如虛擬仿真實驗使實驗操作可以被多次重復，針對每個學生建立過程檔案，記錄學生實驗操作全程［4］。此外，學習者的注意力保持等方面的學習相關素養可以通過行為數據進行觀測，有效助推教育評價科學多元化發展。
三、我國臨床醫學本科教育評價體系存在的問題
(一)主題理論研究匱乏，無法引領教育評價創新發展。我國形成性評價研究源于20世紀九十年代末，相關研究起步較晚。筆者通過中國知網數據庫檢索CSSCI來源期刊相關主題論文，截止2019年4月25日，僅檢索出35篇相關文獻，將廣告、病案、循證、績效等與教學評價無關的文獻人工剔除后，僅有3篇研究“互聯網+”背景下的醫學本科教育評價［5－7］，我國醫學本科教育評價的相關理論研究極度匱乏。基于大數據和“互聯網+”背景下形成性評價理論研究基礎同樣不容樂觀，無法支撐和引領教育評價創新發展。(二)過度強調形式化，評價效度、信度、深度、廣度不夠理想。1．效度。國內形成性評價往往被當作平時成績的組成部分，或是單純作為期末成績的補充。另外對于自我學習評價、伙伴互評、教師評價等含有明顯主觀意愿的評價方式效度較低。2．信度。由于被評價樣本過少，不能代表整體的實際情況，反饋信息常常與實際情況完全相反。由于附加有相應處罰，或者據此發放物質獎勵。這些往往會干擾評價結果，讓被評價者因為獎勵和處罰，而采取舞弊行為，導致反饋信息與實際情況不符［8］。3．廣度。認知能力、自我能力以及人際能力為21世紀學生應該具有的三大核心素養。但是目前我國高校形成性評價重心依然局限于認知能力的評價，僅有少量關于人際交流能力的評價，多數相關研究往往忽略學生綜合素養和能力的考察和評價［9］。4．深度。知識遷移能力作為深度學習的重要基礎，通過對已經學會的知識發散和類比，用以學習新知識或解決類似情境下的其他問題，需要學生對已經學習的知識進行深加工，但我國高校目前所開展的教育評價更注重知識記憶層度。(三)資源配置不平衡、不充分，阻礙形成性評價創新發展。一是，由于我國現有教育資源和教學條件限制，阻礙形成性評價的開展。二是，教育資源的配置更加傾向于總結性評價結果，導致形成性評價與外部認可還存在割裂。三是，目前多數高校形成性評價管理效能較低，主要原因在于專業管理制度體系混亂，人才隊伍建設水平較低，無法充分發揮教學管理人力資源核心競爭力。
四、“互聯網+”模式下臨床醫學本科教育形成性評價完善路徑
(一)加強本科教育評估基礎理論研究，發揮理論對實踐的引領作用。一方面，應從思想上對形成性評價給予高度重視。《中國教育現代化2035》指出:“構建教育質量評估監測機制，建立更加科學公正的考試評價制度，建立全過程、全方位人才培養質量反饋監控體系。”臨床醫學本科教育評價體系，就是全面提高臨床醫學人才培養質量的關鍵所在，也是實現發展中國特色世界先進水平的優質教育的重要保障。另一方面，強化形成性評價理論研究與創新驅動。移動互聯網技術和大數據等信息技術的出現，未來基于“互聯網+”模式下的教育教學相關研究也必然會成為未來教育改革的重要陣地。教育評價也應該成為未來教育改革的最終落腳點，為教學改革的實施提供真實可信的數據支撐。(二)構建四位一體監測體系，保障形成性評價科學有序。1．效度。高效的形成性評價需要拓展評價主體，形成完整統一的評價體系。如此得到的數據才能相互支撐，不會受到評價主體的主觀意愿所影響。同時將個體素養、經歷、情感具體化，借助具體任務，準確完整記錄任務中的表現，并轉化為可觀察的外顯行為和表現。2．信度。必須要堅持重點知識全覆蓋，課堂內學生全覆蓋，以確保形成性評價的反饋結果并非來自于極少數積極參與課堂互動的優等生，避免教師對掌握程度產生片面性誤判，不能真正達到根據反饋結果修正教學的目的。3．廣度。評價的學生大量詳實的在線活動數據和基于移動互聯終端的數據反饋，客觀真實地記錄學生瀏覽相關內容的停留時長和個人活動空間，可以客觀數據為基礎分析了解學生的興趣愛好、價值觀取向、未來職業規劃、還能觀察學生學習狀態下的注意力保持情況。4．深度。現代信息技術的發展，人類知識記憶負擔大大降低，應該深入到高階思維能力層面。巴尼特認為，高等教育需要訓練學生的批判性思維，這也是高等教育本質和取向所在［10］。高等教育注重培養和訓練學生知識遷移能力、批判思維和問題解決能力，幫助其應對未來生活和工作的困難和挑戰，這也是21世紀核心素養尤為強調的［11］。(三)打破傳統思維，優化資源配置，激發形成性評價內生動力。一是，打破傳統思維定勢，破除體制機制障礙，統籌形成性評價和結果性評價，建立以增加知識價值為導向的分配制度。二是，強化人力資源配置，打造形成性評價人才團隊。教師及時轉變教學理念，更加關注評價反饋，更加重視個性化和多元化的教學模式。三是，教師職業培訓和繼續教育至關重要，高校教學管理部門、人事部門及相關院系應形成合力，強化師資隊伍建設，提高形成性評價水平。
五、結語
評價的關鍵在于希望，根本目標是創造未來，鑒于臨床醫學本科教育評價對醫療衛生人才培養質量的重要影響，文章立足我國“健康中國”和“互聯網+”兩大戰略實施的時代背景，堅持“服務需求，提高質量”為主線，既要兜住底線、保障合格，又要追求學生的多元化個性化發展，滿足新形勢下社會對各層次人才的需求，精準聚焦臨床醫學本科教育形成性評價理論研究盲區與實踐發展中存在的問題，結合新時期高等教育面臨的機遇與挑戰，基于四位一體提出了“互聯網+”模式下臨床醫學本科教育形成性評價監測體系及完善路徑，為臨床醫學本科教育質量提升提供強有力保障，為醫學專業人才培養奠定堅實基礎。
［參考文獻］
［1］胡星．開放教育網絡學習測評的實踐探索與研究［J］．中國遠程教育，2017(7):69－76．
［2］ScrivenM．TheMethodologyofEvaluation［M］//TylerRW，etal．PerspectivesinEvaluation．Chicago，IL:RandMcNally，1967:39－83．
［3］BLOOMBS，etal．HandbookonFormativeandSummativeEvaluationofStudentLearning［M］．NewYork:McGraw-Hill，1971:1．
［4］文孟飛，劉偉榮，葉征．基于自動聚類和集成學習的網絡教學形成性評價方法［J］．中國電化教育，2018(3):74－82．
［5］朱小康，伍葉，章志紅，等．高校網絡教學TQM質量監控體系應用研究———以南昌大學撫州醫學院網絡教學管理為例［J］．電化教育研究，2016，37(6):35－42．
［6］呂曉燕，劉繼斌，吳燕萍．網絡教學資源庫建設研究———以山西醫科大學為例［J］．教育理論與實踐，2014，34(21):48－49．
［7］張其鵬，羅德剛，暴海燕．基于網絡的醫學內容服務平臺———醫學教育考試網的設計與開發［J］．科技與出版，2009(1):47－49．
［8］楊金來．基于網絡的多元形成性評價研究［J］．遠程教育雜志，2011，29(3):72－77．
［9］孫妍妍，祝智庭．以深度學習培養21世紀技能———美國《為了生活和工作的學習:在21世紀發展可遷移的知識與技能》的啟示［J］．現代遠程教育研究，2018(3):9－18．
［10］羅納德·巴尼特．高等教育理念［M］．北京:北京大學出版社，2012:譯序1－12．
