導語：如何才能寫好一篇人工智能大數據時代，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：大數據 人工智能 云計算 數據挖掘 機器人 人工神經網絡

中圖分類號：TP18 文獻標識碼：A 文章編號：1672-3791（2015）11（c）-0030-02

1 什么是大數據

1.1 大數據的定義

大數據是一個數據體量和數據類別都十分龐大的數據集。這個龐大的數據集，我們今天還無法用傳統的數據庫工具對它的內容進行獲取和處理。整體概括起來，大數據具有數據類型多、數據規模大、數據真實性高、數據處理快等四大特征。

大數據的特征：第一，是指數據類型非常多，它的數據來自多種數據源，而非單一的一種數據源，數據的種類和數據的格式日漸豐富；第二，是指數據規模非常大，通常在10TB左右，規模非常龐大；第三，是指數據的真實性非常高，一些新的數據源漸漸興起，打破了之前傳統的數據源，今天的企業愈發需要這些有效的信息，以確保其真實性及安全性；第四，是指數據處理的速度非常快，能夠做到數據的及時快速處理。

1.2 大數據的發展歷程

“大數據”一詞最早提出的是麥肯錫研究院于2011年的研究報告《大數據》。之后，經美國高德納公司和美國一些科學家的宣傳推廣，漸漸地大數據概念開始流行起來。

大數據發展的萌芽期，是20世紀90年代至21世紀初，此時處于數據挖掘技術階段。這一時期，隨著數據挖掘理論和技術的一步步成熟，已開始有一些與商業相關的智能工具開始被人們所應用，如專家系統、數據倉庫和知識管理系統等。

大數據發展的突破期，是2003―2006年，此時處于自由探索非結構化數據階段。這一時期，非結構化數據的迅猛發展帶動了大數據技術的快速發展。此時，可以以2004年Facebook的創立為標志，此時是大數據發展的突破期。

大數據發展的成熟期，是2006―2009年，此時大數據技術形成并行運算與分布式系統。

到了2010年，智能手機開始大量涌現，其應用日益廣泛。此時，數據的碎片化、流媒體、分布式等特征更加凸顯，移動數據開始急劇增長。

近年來，大數據技術的發展十分迅猛，開始不斷向社會各行各業步步滲透，從而導致大數據的技術領域和行業邊界越來越不明顯，也越來越模糊，大數據的應用創新已經超越了大數據技術的本身，越來越受到各行各業的熱捧和青睞。

今天，可以毫不夸張地說，大數據技術能夠改變一個領域，為每一個領域帶來變革性和創新。

2 什么是人工智能

2.1 人工智能的定義

人工智能是一門新的技術科學，它主要研究和開發用于模擬人類的智能的理論、方法和技術的應用系統，它同樣也是計算機學科的一個重要分支。人工智能的終極目的是掌握智能的根本實質，從而生產出一種全新的能以人類智能相似和相近的方式快速做出反應的智能機器。可以說人工智能的發展與計算機科學與技術的發展緊密相連，密不可分。

2.2 人工智能的發展歷程

“人工智能”一詞最初是在1956年美國達特茅斯學院提出的。

人工智能的發展經歷了半個多世紀，它的發展歷程十分曲折，大致可分為三個發展階段：

20世紀40年代中期到50年代中期為第一階段，被稱為人工智能啟蒙探索時期。1950年，英國數學家圖靈發表了《計算的機器與智能》，提出了機器可以思維進而幫助人類的問題，直接推動了現代人工智能的發展。

20世紀50年代中期到80年代末期為第二階段，被稱為人工智能經典符號時期。人工智能與認知科學、認知心理學等三門學科開始了相依為命的發展歷程。

20世紀80年代末期到現在為第三階段，被稱為人工智能聯結主義時期。這一時期，主要采用分布處理的方法通過人工神經網絡來模擬人腦的智力活動。

3 大數據與人工智能的關系

大數據和人工智能，近年來這兩個領域的研究相互交叉促進，產生了很多新的方法、應用和價值。

今天，人類擁有了對數據規模大、數據類型多、數據流轉快和數據真實性高的大數據進行存取、檢索、分類和統計的能力，完全得益于大數據技術的發展。而且，人工智能領域的一些理論和方法，已經開始用于大數據分析方面，并取得了一定的效果。

研究發現，解決人工智能的擴展性和成長性問題，離不開大數據技術。

以前，人工智能技術還不能實現與人類相似的學習研究能力。原因在于，人工智能看似簡單，實際上是一件非常繁瑣和復雜的事情，產生人工智能的兩個必要條件要有海量數據的支撐和對這些數據的極強處理能力，而以前的機器都不具備這兩個條件。

人工智能其實就像人類一樣，是需要擁有大量的知識和豐富的經驗。在這些知識和經驗的背后是需要大量的數據支撐。大數據技術的進一步發展，為儲存、分析大量的數據提供了一定的技術支持，使機器得到的數據量和擁有的數據處理能力，與形成人工智能所需要的數據量和數據處理能力相匹配。只有這樣，人工智能才能得到發展。人工智能的發展，反過來進一步推動大數據技術的向前發展，形成有效的相互推動作用。

與其說人工智能的發展依靠大數據，不如說大數據開啟人工智能新篇章。人工智能領域的一些理論和方法，能夠有效地提升大數據的使用價值。與此同時，大數據技術的發展也將在為人工智能提供一個用武之地。

4 未來人工智能的發展

隨著大數據技術和計算機科學技術的不斷發展，未來人工智能的發展主要會在以下幾個方面：模式識別、專家系統、符號計算、人工神經網絡和機器情感。

4.1 模式識別

模式識別，顧名思義，是指通過計算機采用數學計算的方法來研究模式的自動判讀、處理等識別功能。

可以斷定，隨著計算機技術的不斷向前發展，人類一定能對復雜的信息處理過程做深入的進一步的研究。與此同時，模式識別功能也為人類認識自身智能創造了可行的線索和提供了必要的幫助。

在現實生活中，對人類來說最重要的是對光學信息以及聲學信息的判斷和識別。大家知道，準確、高效是計算機識別的最大特點。例如，今天已經應用很廣的指紋識別功能就是一個典型的案例。

人類每個人的指紋獨一無二，具有唯一性。早在很多年前，我國有關專家就對數字圖像的離散幾何性質進行了深入的觀察和研究，進而建立了從人類指紋的灰度圖像精確計算紋線局部方向，從而提取了人類指紋特征信息的相關理論與算法。

這一研究發現，隨后就被用于全自動指紋鑒定系統，從而開創了我國指紋自動識別系統應用的先河。

4.2 專家系統

專家系統，是未來人工智能發展的一個重要方向。專家系統在今天的生活中已被廣泛應用。其實，專家系統是指一個具有大量的行業或領域專門的知識與經驗的程序系統。它主要利用計算機科學技術和人工智能技術為基礎，先根據某一行業或領域一些權威專家或多個專家所提供的一些相關知識和相關經驗，再進行深入推理和判斷，進而可以模擬人類專家的判斷決策過程。通過這個過程，從而來幫助人們解決現實中一些需要人類專家來處理的一些復雜的問題。

實現專家系統必須要有兩個條件：一是要擁有類似于該領域專家解決實際問題的推理機制，二是建立一個完善的存儲有該領域中經過專家事先總結、分析并按某種模式表示的專家知識庫。這兩個條件缺一不可，否則無法進行專家識別。

研究發現，專家系統能對人類輸入的信息進行快速處理，并運用相關的行業和領域知識進行推理判斷，進而作出相應的判斷和決策。

科學家們對專家系統的研究由來已久，一直以來被科學家們所重視。今天，各種各樣的專家系統已遍布了各行各業的不同領域，并且取得巨大的成功。

目前，專家系統可以分為十種類型：教育型、預測型、解釋型、維修型、規劃型、診斷型、調試型、設計型、控制型等。

4.3 符號計算

科學計算是計算機發明以來最基本和主要的用途之一。科學計算可分為兩類：一類是純數值的計算，另一類是符號計算。符號計算與傳統的純數值計算不同，它是一種智能化的計算，主要通過處理相應的符號來進行的計算。

在符號計算中，符號可以代表的種類非常非常多，如實數、復數、整數、有理數等，還可以用符號來代表函數、多項式、集合等。

很久以前，人類就希望能有一個可以進行符號計算的計算機軟件系統來幫助人們進行計算。可以追溯到20世紀50年代末，人們就開始對此進行研究。今天，隨著計算機科學技術和人工智能技術的進一步發展，已相繼出現了多種可以進行符號計算的計算機系統軟件。

這些符號計算軟件功能齊全，且具有共同的特點：一是人機界面友好，命令輸入方便靈活，反應快捷，操作便捷；二是在操作界面上，一般都支持交互式處理，人通過鍵盤輸入命令，計算機處理后即顯示結果。

雖然計算機只是在執行人給它的指令，具有一定的局限性，但是在符號計算中已經有了相當大的突破，相信在未來的符號計算領域會有更大的進步和發展。

4.4 人工神經網絡和機器情感

計算機技術發展到今天，人工智能的基本思想已經在許多領域中得到應用。未來人工智能應用最重要的一個新領域就是人工神經網絡。

研究表明，情感屬于智能的一部分，而并不是與智能相分離的。因此，可以斷言人工智能未來發展的下一個突破就是要賦予計算機情感能力，讓智能情感化。

人工智能進入21世紀的今天，正醞釀著新的突破，創造新的奇跡。

未來人工智能的應用將會為人類創造出更多更高級的智能“產品”來服務人類自身，而且人工智能將會在越來越多的領域會超越人類智能。

大數據時代背景下，相信人工智能將會得到長足的發展，更多的發現、發明和成果將會出現在大家面前。仿佛可以看到，與人類水平相同甚至超越人類自身智能就快要實現。

相信這一刻就在不遠的將來，讓大家拭目以待。

參考文獻

[1] 蔡自興，徐光v.人工智能及其應用[M].4版.清華大學出版社，2010.

[2] （加）海金.神經網絡與機器學習[M].3版.北京：機械工業出版社，2011.

[3] （美）庫茲韋爾.奇點臨近[M].北京：機械工業出版社，2011.

篇2

關鍵詞:人工智能；大數據；軟件

1人工智能及大數據的概念

1.1人工智能

人工智能是一門利用計算機程序模擬人類智能的科學,其應用領域十分廣泛,例如機器人、模式識別及專家系統等。人工智能的高科技產品,不僅實現了對人類思維的模擬,在某些方面還超過了人類。

1.2大數據

大數據是指海量信息的集合,一般用常規軟件工具無法對其進行有效的采集、存儲和處理,需要借助具有超強洞察力的大數據技術對其進行有效的采集、存儲、處理、分析和共享。大數據技術能夠有效地進行超大規模的并行處理,能夠有效地處理結構化及半結構化的數據,具有較強的數據挖掘能力及分析決策能力。

2人工智能及大數據對軟件技術專業人才的需求特點

2.1知識更新能力

人工智能及大數據技術日新月異,需要軟件專業技術專業人才具有較強的知識更新能力,較強的自主學習能力,以及較高的技術應用能力。但目前相當一部分軟件技術專業的大學生的自主學習能力不高,知識更新能力不強,亟需針對人工智能及大數據對軟件技術專業人才的需求特點改進培養方案,增加相關課程,培養學生對新知識的理解和掌握尤為重要。

2.2創新思維能力

人工智能及大數據時代下,需要軟件技術專業人才具備較強的適應創新能力,較強的開拓思維能力,以及較強的團隊協作能力。但目前相當一部分軟件技術專業的大學生的創新思維能力較差,新知識更新缺乏主動性,迫切行,學習意識不強。亟需針對人工智能及大數據對軟件技術專業人才的需求特點創新改革培養方案,確定切實可行培養策略是學科發展的需要和任務。

2.3大數據分析能力

人工智能及大數據對人才的大數據分析能力要求較高,主要包括數據采集、數據整理、數據描述、數據統計分析和深度學習等諸多方面的能力。但目前相當一部分軟件技術專業的大學生的大數據分析能力不夠,不能很好地進行數據采集、存儲、整理、描述、統計分析和歸納總結,亟需針對人工智能及大數據對軟件技術專業人才的需求特點創新培養體系。

2.4軟件開發及測試能力

人工智能及大數據對人才的軟件開發及測試能力要求較高,主要包括軟件分析、軟件設計、軟件實現和軟件測試等方面的能力。但目前相當一部分軟件技術專業的大學生的軟件開發及測試能力較差,不能夠有效地開展軟件的規劃、分析、設計、實現與測試等環節,亟需針對人工智能及大數據對軟件技術專業人才的需求特點提升學生的軟件開發與測試的實踐能力。

3建設策略

3.1轉變教學理念,順應人工智能及大數據時展要求

傳統的教學理念已經不能適應人工智能及大數據時代的要求,亟需轉變教學理念,從而適應人工智能及大數據時代的要求,進而提升軟件技術專業人才的培養質量。在人工智能及大數據背景下,學校應深入分析人工智能及大數據對軟件技術專業人才的需求特點,從而有針對性的制定培養目標、培養任務和培養方案。在制定培養目標時,應著重考慮軟件技術專業人才在人工智能及大數據時代應具備的能力素質。在制定培養任務時,應著重參考人工智能及大數據相關崗位的崗位要求。在制定培養方案時,應堅持以學生為主體,以學生為本,突出知識更新能力、自主學習能力、開拓創新能力、團隊協作能力、大數據分析能力和軟件開發及測試能力的培養。

3.2引導學生利用現代化、智能化的網絡平臺進行自主學習

為了更好地適應人工智能及大數據對軟件技術專業人才的需求,應引導學生利用現代化、網絡化和智能化的Web平臺進行自主學習,從而提升學生的知識更新能力、開拓創新能力、解決問題的能力和團隊協作能力。首先,在人工智能及大數據背景下,網絡上涌現了大量的人工智能及大數據相關的學習資源,但這些網絡資源存在良莠不齊的現象,因此教師應該引導學生如何搜索、鑒別和使用這些網絡學習資源。然后,教師可以引導學生自由分組開展人工智能及大數據相關的學習,通過興趣小組的方式激發學生對人工智能及大數據的學習熱情,提升學生的自主學習能力,提升在線學習的效率。最后,教師可以自建教學網站,對網絡資源進行篩選和優化,使學生能夠更好地進行網絡學習。

3.3構建大數據分析課程體系,提升學生的大數據分析能力

人工智能及大數據對軟件技術專業人才的數據分析能力要求較高,眾多人工智能及大數據相關企業亟需大量的具有較高大數據分析能力的軟件技術專業人才。因此,大數據分析能力是目前軟件技術專業人才培養的重要內容,應適時構建大數據分析課程體系,進一步提升軟件技術專業學生的大數據分析能力。首先,教師是教學的組織者,因此應注重教師的培養,只有提升了教師的大數據分析能力,才能更好地提升學生的大數據分析能力。然后,重點突出數據挖掘能力的培養,包括數據預處理能力和聚類分析能力等。

篇3

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。

篇4

ABC成為時代主題

百度大腦優勢獨顯

百度總裁張亞勤在大會致辭環節分享了對于云計算、人工智能和大數據等領域未來發展的深刻思考。

張亞勤說，百度云擁有百度大腦的支持，是百度云最獨特、最重要的優勢。百度大腦是百度云的核心引擎，而百度云是百度大腦的云化，為前者提供了神經元和數據訓練源。通過深度學習和機器學習技術，百度在語音、圖像、自然語言處理等方面取得世界領先成果。

此次峰會以ABC SUMMIT為名， 即是AI，Big Data，Cloud Computing。百度通過開放共享自身領先的技術能力，讓云智數成為所有企業的基礎能力，推動各行各業開始進入ABC時代。

對于未來信息科技發展的趨勢，張亞勤表示，由云計算和人工智能組成的ABC將成為一個時代的主題。以云計算為基礎，以人工智能為中樞，以大數據為依托，ABC將深度結合并改造傳統行業，真正地提升每一個企業的運營效率，釋放商業潛能，創造全新機遇。

截至目前，百度云已經和超過三萬家企業展開合作，也陸續滲透到物流、醫療、教育、營銷、金融等關系到百姓生活的各個行業中，讓服務開始真正智能化。云智數三位一體的云服務結構可以為客戶提供業務可持續發展的動力引擎。

以“智”為謀天智平臺

會上，百度云重磅了最新的人工智能平臺――天智。天智底層為百度云計算，由感知平臺、機器學習平臺和深度學習平臺三部分組成，為不同需求的客戶提供全面的人工智能服務。這也是繼“天算”、“天像”和“天工”三大平臺后，百度云的第四大平臺級解決方案。至此，百度云實現了人工智能、智能大數據、智能多媒體和智能物聯網全方位的智能平臺服務。

感知平臺主要包括圖像技術（文字識別和人臉識別）、語音技術（語音識別、語音合成和聲紋識別）和自然語言處理（NLP Cloud），可以應用于智能客服、身份驗證、內容審核等場景，應用開發者可針對特定場景的應用直接調用API。

在這些技術方面，百度均處于行業領先地位。其中百度語音識別入選2016年MIT十大突破性技術，中文識別準確率達到97%。機器學習平臺是百度云端托管的機器學習服務，可以打通機器學習全流程，內置20多種高性能算法，并開放Spark MLlib；同時支持百度用戶畫像數據，并提供多種應用場景模版。

深度學習平臺具有靈活、高效、可伸縮、開源等特點。它支持多種神經網絡結構和優化算法以及自定義網絡配置，對于計算、存儲、架構、通信等多方面多了細致優化。它支持多核、多GPU、多機環境，其Paddle內部技術已經使用成熟，并實現對全球開發者的開放。深度學習平臺適用于精通深度學習的數據科學家，針對企業或研究部門的特定項目，需要大量的客戶標注數據。

交通領域變革在即

智能交通時代來臨

作為一家以技術驅動為核心競爭力的公司，百度通過百度云分享自身在云計算、大數據和人工智能等領域的技術優勢，通過構建可以計算、分析、處理龐大交通數據的“交通大腦”，打破海陸空以及行政區域的限制，實時抓取散落在各個路面交通、地下交通、空中航線的海量數據。

同時通過百度擁有的全球最大規模的深度神經網絡、最大深度機器學習開源平臺，對交通大數據的有效歸類、提取、利用，實現多系統配合協調，建立起一個更安全、更高效、更準確的智能交通體系。

百度副總裁王路與太原鐵路局局長趙春雷、南方航空電子商務部副總經理王景成、中國海事局曾輝共同智能交通生B聯盟，這也是國內首個覆蓋陸海空車的智能交通生態聯盟。

借助百度云計算、人工智能和大數據技術優勢，構建“交通大腦”，與合作伙伴一起促進交通運輸領域的技術創新和應用，發展智能交通，推動交通運輸更智能、更高效、更安全地運行和發展。目前，諸多合作已在進行中。相信隨著合作的深入，必將改變交通現狀，推動中國智能交通的 發展。

在與太原鐵路局的合作中，雙方共建國內首家集鐵路、航空和公路三位一體多式聯運的物流云平臺。通過百度云的接入，該平臺可打通貨物在公路、鐵路、航空的運送及倉儲信息；并利用大數據進行資源調配，通過人工智能深度學習物流管理，優化調度效率可達59%。

另一方面，百度云還將與中國南方航空共同推進智能航空計劃，將通過大數據實現對于航班、旅客、機票、航站樓、天氣等信息的綜合分析調度。同時共同推進大數據營銷、新一代信息技術和百度云的推廣應用、消費信貸等多方面的合作探索，為用戶打造一站式的智能出行服務平臺。

同樣基于百度云技術，將通過與中國海事局的合作，海事港口、船舶及相關水上設施信息也將實現聯通和數據的共享，加強程控，降低成本，合力提升海運管控能力。

從陸地到海洋再到空中，百度云并不滿足于交通體系的立體擴張，還要創造全新的交通方式。百度目前正在推進可以感知車輛行駛、預測交通狀況的智能汽車和無人汽車的發展。百度無人車已成為國內外矚目的前沿科技代表，在去年完成了實地路測，并在今年的烏鎮峰會上再次亮相。

在智能汽車的商業化方面，百度已與國內知名商用車企業福田汽車達成戰略合作。未來，百度將與福田汽車在汽車大數據、智能駕駛領域深入合作，開發出更多具備智能駕駛的商用車產品。

云計算、人工智能和大數據已成為新一輪產業革命的核心驅動力，百度云將透過云生態下的“交通大腦”，依托智能交通生態聯盟，加強行業合作，挖掘數據中的更多價值，推進智能交通的全面云端化，突破前所未及的高度，讓智能、計算無限可能。

寫在最后

2016是百度云計算的元年，基于基礎云、天算、天像、天工已經有80+款產品。下一步，人工智能已經成為百度的核心戰略。

百度大腦“天智”――人工智能平臺也應運而生，內容包括：

首先，感知平臺，包括圖像技術、語音技術、自然語言處理等技術，代表著耳口心相結合的“聰”。

其次，機器學習平臺，包括打通機器學習全流程、內置20多種高性能算法、支持Spark MLlib、用戶畫像數據、多種應用場景模板的機器學習平臺。

篇5

1、軟件工程。軟件工程專業近些年來的就業情況一直比較不錯，算是計算機相關專業中的佼佼者。軟件工程有三個特點，其一是注重基礎知識的同時也注重學生實踐能力的培養；其二是軟件工程專業與IT行業的結合比較緊密；其三是緊跟技術發展趨勢，從近些年來的畢業設計就能夠體現出來。

2、物聯網工程。隨著5G標準的落地，未來物聯網領域將迎來廣闊的發展空間，而且物聯網作為產業互聯網的重要基礎，所以物聯網領域將陸續釋放出大量的就業崗位。未來智慧城市、車聯網、工業物聯網、農業物聯網、移動互聯網、可穿戴設備等領域將有廣闊的發展空間，而這些領域都需要大量的物聯網專業人才。

3、大數據。當前正處在大數據時代，大數據技術目前也正處在落地應用的初期，隨著大數據逐漸落地到廣大的傳統行業，未來大數據領域將有大量的就業崗位。從大數據未來的發展趨勢來看，大數據人才的就業面還是比較廣泛的，不僅可以就業到科技行業，也可以就業到金融、交通、教育等傳統行業。

4、人工智能。當前人工智能是市場的熱點之一，所以不少大型互聯網公司都陸續開始布局人工智能領域，目前人工智能領域的人才缺口還是比較大的。雖然目前本科階段開設人工智能專業的學校比較少，但是相信未來會有更多的高校會陸續開設人工智能專業。

（來源：文章屋網 ）

篇6

“互聯網金融是場景革命，在場景里為用戶提供獨到的金融服務。而Fintech是技術革命，需要把技術邏輯和業務邏輯結合在一起。人工智能是Fintech里最核心的東西之一。”萬向控股副董事長、通聯數據董事長肖風表示。

通聯數據是萬向集團旗下子公司，成立后一直低調運作，萬向集團斥資3億元初期投入，前博時基金創始人肖風出任董事長，前博時基金股票投資部總經理王政擔任CEO。

近年來資管行業蓬勃發展，有著深厚金融基因的通聯數據的管理團隊卻沒有跟風去做“掘金者”，而是選擇“賣水”，為資產管理機構提供金融信息服務。致力于將云計算、大數據和人工智能技術與先進的投資理念相結合，為資產管理行業打造創新、高效的金融服務云平臺。

迎接資產管理行業新時代

在陸家嘴的萬向大廈，通聯數據所在的樓層新增加的座位又坐滿了，大家以互聯網公司的高效率、快節奏忙碌著，這群具有金融、計算機、算法等各種背景的精英正全力投入Fintech時代，他們正在做一件對資管行業具有革命性意義的事件。

隨著互聯網的快速發展，海量的數據爆炸式增長，通聯數據應運而生，從最底層做起，建立了強大的數據平臺。

“只有做好數據端的質量，做到別人都做不到的數據，才是成功，這一過程就持續了3年。”肖風表示。

“通聯數據現在的數據來源分為三部分，一是自己搜集整理，二是從第三方購買，三是數據商把數據整合過來放在云平臺，未來會有更多數據商的數據接入進來。”通聯數據CEO王政介紹說。

打好數據的地基后，就需要用最新的金融科技建造資產管理的大廈，因為Fintech的核心就在于科技與金融的深度融合。

在底層數據庫之上，通聯數據又構建了兩個平臺，蘿卜投研和優礦，其中蘿卜投研是針對基金經理和研究員提供智能投資研究服務的平臺，而優礦則是一個眾包的、分享式的量化平臺。

王政表示，通聯數據將使投資更趨智能化，更加依靠模型和數據去尋找規律，效率得到飛速提升，這將重構資產管理行業的生態。

據了解，目前已經有數十家機構在試用通聯數據的產品，包括公募、私募、保險等資管機構，也包括非資管機構。

Fintech的前沿是人工智能

除了資深的基金業人士外，通聯數據還吸引了來自阿里、百度、騰訊、微軟等公司的技術骨干加盟，眾多IT工程師在探索將智能搜索、自然語言處理、機器學習等人工智能技術應用于投資管理行業。

肖風表示：“人工智能是Fintech里最核心的東西之一，人工智能正對我們的社會發生深刻影響，人工智能將幫助研究員、交易員、基金經理提升工作效率，這是未來的一個方向。”

人工智能是一項戰略性前沿技術。近年來，人工智能產業發展迅猛，進入高速創新期。將人工智能和金融投資深度融合，使金融智能化也成為大勢所趨。

通聯數據打造的蘿卜投研就是一個智能平臺，收集海量信息，然后通過自然語言處理和機器學習等技術，高效而專業地提煉出對研究有用的信息，幫助投資人從大量重復、繁雜的底層數據處理過程中解脫出來，有針對性地幫助投資者提高投研效率。

例如，在底層數據收集層面，先對數據進行清洗；在數據整理層，會對數據進行專業分類，對信息進行初步智能處理；然后是機器學習的層面，通聯數據專門訓練了一個垂直搜索引擎，用人工智能模擬人類的思維方式，使它理解交易員、基金經理有什么樣的需求。讓計算機對大量數據進行提取、整理、分析，把精煉后的信息，或初步發現的邏輯線索呈現給用戶。

以大數據創建知識圖譜

通聯數據還首創了以大數據為依托的知識圖譜，包含了A股所有上市公司的多重股權關系、高管、產業鏈、主題概念等重要信息，讓投資者可以一目了然地把握影響上市公司股價的重要信息，發現隱藏的線索，抓住轉瞬即逝的投資機會。

篇7

關鍵詞：智能科學與技術；知識結構；應用型人才；人才培養；知識型能力本位教育

中圖分類號：G64文獻標識碼：A

文章編號：1009-3044（2020）25-0153-03

1引言

智能科學與技術主要包含智能科學和智能技術兩部分內容[1]：智能科學是以人如何認知和學習為研究對象，探索智能機器的實現機理和方法；智能技術則是將這種方法應用于人造系統，使之具有一定的智能或學習能力，讓機器系統為人類工作。目前，在本科專業目錄中，智能科學與技術專業是計算機類之下的特設專業，在現有的人工智能專業群中，除了新設的人工智能專業外（2019年全國共有35所高校獲首批人工智能新專業建設資格），智能科學與技術專業與全球范圍大力推進與快速發展的人工智能關系最密切，契合度最高。一方面，智能科學與技術的專業發展和人才培養將為人工智能技術提供理論支撐、技術推進和人才支持，另一方面，人工智能產業現狀和未來發展趨勢直接影響著智能科學與技術的專業發展和人才需求。

2人工智能時代對人才的需求

站在國家戰略的高度來看，人工智能將成為新一輪產業變革的核心驅動力，可以實現社會生產力的整體躍升，因此人工智能將成為引領未來的戰略性技術，世界主要發達國家都把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略。

隨著人工智能時代的到來，許多企業對具有智能科學與技術專業背景的人才有著巨大的需求。首先，IT企業紛紛涉足智能科學領域，提高產品智能水平；其次，許多傳統制造業也在轉型，從勞動密集型到知識密集型，進一步提升到智能制造型，并逐漸具備高精尖裝備制造能力；此外，醫療、通訊、交通等行業也對智能科技人才有著迫切的需要。人工智能對各行各業的影響，充分體現了智能科技的高速發展，對人才數量和素質要求也越來越高。

從人才的金字塔型分布來看，智能科學與技術領域不僅需要高端學術型人才，更需要接地氣、重實踐的應用型人才。隨著“中國智造”的不斷推進，智能科學與技術領域已由頂層設計和關鍵技術突破向生產、應用、裝配、服務等環節延伸，迫切需求大批專業技術精、實踐能力強、操作流程熟的應用型人才。2019年，人力資源和社會保障部、國家市場監管總局、國家統計局向社會了13個新職業信息，包括人工智能工程技術人員、物聯網工程技術人員、大數據工程技術人員等，這也從另外一個側面說明人工智能等技術推動了產業結構的升級，催生了相關專業技術類新職業，可形成相對穩定的從業人群。

3應用型人才培養模式分析

《中國制造2025》以推進智能制造為主攻方向，強調健全多層次人才培養體系，提到強化職業教育和技能培訓，引導一批普通本科高等學校向應用技術類高等學校轉型，建立一批實訓基地，開展現代學徒制試點示范，形成一支門類齊全、技藝精湛的技術技能人才隊伍。

通常而言，人才類型分為三類[2]：學術型人才、應用型人才、技能型人才。實際上從現代職業教育的發展和社會需求來看，應用型人才和技能型人才的界限相對模糊，可統稱為應用型人才，即把成熟的技術和理論應用到實際的生產、生活中的技術技能型人才。從國家的層面來看，為了適應人工智能時展，人才需求數量基數最多、缺口最大的就是應用型人才，這也對眾多高校培養人才的導向產生重大影響。這里我們重點討論智能科學與技術應用型本科人才的培養，可從職能、知識結構、能力結構、行業（產業）導向四個方面來分析。

3.1職能

智能科學與技術應用型人才是培養面向各類智能科學與技術的工程設計、開發及應用，掌握各類現代智能系統設計、研發、集成應用、檢測與維修、運行與管理等技術，具有扎實理論基礎、較強工程實踐和創新能力的高素質應用型工程技術人才。

3.2知識結構

智能科學與技術專業充分體現了跨學科的特點，其知識結構包含了三個并行的基礎領域：電子信息、控制工程、計算機，也蘊含了電子信息工程、控制科學與工程、計算機科學與技術等學科的交叉和融合，體現了智能感知與模式識別、智能系統設計與制造、智能信息處理三個方面的專業內涵。

（1）智能感知與模式識別

屬于電子信息與計算機交叉領域，主要定位在機器視覺與模式識別。包括三維建模與仿真、圖像處理與分析、圖像理解與識別、機器視覺、模式識別、神經網絡、深度學習等。主要課程包括：電子技術基礎、信號系統與數字信號處理、數字圖像處理、模式識別等。

（2）智能系統設計與制造

屬于控制工程領域，包括自動控制、無人系統與工程、精密傳感器設計與應用等。主要課程包括：機械基礎、工程力學、自動控制原理、傳感器與測試技術、計算機控制技術、機電系統分析與設計等。

（3）智能信息處理

屬于計算機領域，包括交通大數據、汽車與道路安全大數據等的分析與處理、信息處理與知識挖掘、信息可視化等。主要課程包括：智能科學技術導論、計算機程序設計、微機原理與接口技術、數據結構與算法、嵌入式系統設計等。

3.3能力結構

智能科學與技術應用型人才培養著眼于人工智能工程應用，要求學生具有運用計算機及相關軟硬件工具進行大數據的采集、存儲、處理、分析、應用的能力；具備智能系統的設計、開發、集成、運行與管理的能力；注重培養學生綜合運用所學的智能科學與技術專業的基礎理論和知識，分析并解決工程實際問題的能力，其能力結構可以借鑒能力本位教育（CompetencyBasedEducation，簡稱CBE）模式[3]。

CBE是國際上較流行的一種應用型人才培養模式，主要代表國家為加拿大和美國。該模式以能力為人才培養的目標和評價標準，一切教學活動均圍繞綜合職業能力的培養展開，CBE人才培養模式主要有以下三方面的特色：能力導向的教學目標；模塊化的課程結構；能力為基準的目標評價體系。該模式所培養的本科應用型人才具有較強的專業綜合能力和職業能力[4]，在一定時期得到社會的廣泛認可，但是單純的CBE模式并不能完全適應人工智能時代對人才培養的需求，這是由于目前許多職業崗位在人工智能的沖擊下，其形式和內容均會產生動態變化，要求現階段的人才培養具有延伸性和前瞻性，既要兼顧眼前，也要考慮應對智能化浪潮，打好基礎，提高自學習能力。因此，智能科學與技術應用型人才培養有一定崗位針對性，但并不是完全固化崗位內容及層次、固化知識屬性，必須強化自我學習能力，才能實現能力可持續增長，崗位的向上流動性以及知識和經驗的進化，才能真正適應人工智能時展的需求。

自我學習能力的形成與提高往往源于知識結構的構建[5]。為了塑造更合適的能力結構，需要CBE模式與知識結構的相輔相成，有鑒于此，將這種新型人才培養模式稱之為知識型能力本位教育（Knowledge&CompetencyBasedEducation，簡稱KCBE）模式，這也意味著在人才培養過程中，將知識結構與能力結構放在并重的地位，既著眼于預期能力的培養，也必須讓學生筑牢學科專業基礎，在走向社會以后，在知識引擎的作用下，通過自我學習，具備并提升適應未來的、新的智能化崗位需求的能力。

3.4行業（產業）導向

從智能科學與技術專業的角度，培養的應用型人才以“智能化應用”為就業大方向，具體而言，包括：

（1）智能感知與模式識別領域

主要從事電子信息的獲取、傳輸、處理、分析、應用等領域的研究、設計及應用，包括圖像處理、機器視覺、工業視頻檢測與識別、視頻監控、傳感器設計及應用等。

（2）智能系統設計與制造領域

主要從事智能裝備、智能制造、智能管理、智能服務等領域的設計、制造及應用，包括智能工廠、智能車間、智能生產線、智能物流、以及智能運營與服務等。

（3）智能信息處理領域

主要從事計算機數據處理、分析、理解、管理、以及服務等領域的研究、設計及應用，包括數據存儲與管理、數據分析與預測、交通大數據分析應用、道路與汽車安全大數據分析、智能交通、智能電力、智能家居、智慧城市等。

涉及的產業領域主要包括智能制造，如工業互聯網系統集成應用，研發智能產品及智能互聯產品等。其他的領域還包括智能農業、智能物流、智能金融、智能商務等。

產業需求帶動人才培養，人才培養在滿足產業需求的同時推動技術進步，而技術進步又引燃了新的產業需求。產業需求與人才培養的相互作用，呈現出螺旋式上升的發展態勢，這在人工智能相關產業與智能科學與技術應用型本科人才培養之間表現的得尤為突出。

4KCBE模式人才培養的主要措施和途徑

智能科學與技術專業應用型本科人才的培養模式一定是和人才需求、學校定位相適應的。培養應用型人才，應注重學生實踐能力，從教學體系建設體現“應用”二字，其核心環節是實踐教學。結合上述的KCBE培養模式，知識結構在能力培養過程中也占有非常重要的地位，因此在能力培養方面，知識和實踐作為兩大要素，不能偏廢任何一方，必須齊頭并進，既要固基礎，也要重實踐。

（1）筑牢智能科學與技術專業知識基礎，構建與智能化應用相關的知識體系

在本科的低年級階段，應注重公共基礎課，特別是數學和力學課程，還應充分了解智能科學與技術專業的內涵，讓學生對所學專業有一個比較全面的認識。在本科中高年級階段，重點強化專業基礎，包括電子技術基礎、自動控制原理、傳感器與測試技術、微機原理與接口技術、數據結構與算法等。歸納地說，應該筑牢數理基礎、計算機基礎、機電基礎和控制基礎，因此對原理課程需要強化，這樣對很多工作機理、來龍去脈的理解才能深刻。

（2）增強智能科學與技術專業的實踐環節，構建以能力培養為重心的教學體系

按照KCBE模式，校企合作是強化實踐的一種重要形式[6]。學校根據人工智能企業實際情況靈活設置實踐課程內容，根據企業發展趨勢及時調整課程體系以避免教學內容與企業需求相脫離。人工智能企業還可以參與學校教學目標和教學計劃的制定，并為學校實踐教學提供各方面支持，從而提高人才培養的針對性。

篇8

自古以恚數字就有著另外一種用途――占卜未來。無論中國的八卦圖還是歐洲的塔羅牌，都和數字有著不解之緣，更不用提吉祥數字和忌諱數字了。這些占卜看起來都是隨機的，但都是以歸納法為基礎，在若干人、若干事的印證下認為有效，才被社會認可然后得以廣泛流傳。正是因為我們人類對未來不確定性的迷茫，所以使得占卜、預測之術大肆流行。

面對未來，難道真的只能依靠擲骰子才能預測嗎？近現代，隨著統計學的盛行，特別是香農通過熱力學中“熵”的概念引入了“信息熵”的概念，用信息論將世界的不確定信息聯系在了一起。對于未來的發展，人類已經找到了解決這種不確定性的良方，而以信息技術和網絡技術為基礎的大數據提供了解決不確定性問題的良藥。

對于大數據和人工智能的發展歷程以及對社會的影響，甚至對未來不確定性的思考，曾經負責谷歌計算機自動問答項目和騰訊搜索項目的吳軍博士，在總結數字發展歷程的基礎之上，編著了《智能時代：大數據與智能革命重新定義未來》一書，對大數據和人工智能的前世今生進行了詳細的回顧，對其發展方向進行了大膽想象，認為人工智能和大數據的廣泛應用將徹底改變未來的商業模式，甚至改變人類生活習慣，給未來的我們帶來全方位的沖擊。

2016年，注定是不平凡的一年。這一年，AlphaGo火了，依托大數據與深度學習的技術優勢的人工智能最終以4：1的成績，取得了“人機大戰”的勝利，向人類宣告人工智能已經成為現實。與1997年深藍戰勝卡斯帕羅夫的事件相比，AlphaGo的勝利更令人激動。這種差別不僅僅體現在國際象棋和圍棋的難度上，更體現在AlphaGo獲勝的技術上。AlphaGo不是依靠邏輯推理，而是依靠大數據和智能算法獲勝的。這就給人工智能的發展提供了良好的發展思路和發展方向。

新書信息

《我的職業是小說家》

作者：【日】村上春樹

定價：45.00元

這本書首次全面梳理村上春樹對人生、創作、幸福等精彩話題的看法，這是村上春樹身為職業小說家的故事，更是他追逐夢想與幸福的人生故事。

《羅曼蒂克消亡史》

作者：程耳

定價：36.00元

程耳的小說如同他的電影，循環推進，起落得當，總要人懷著好奇與疑惑，絕難一覽無余。他通過冷靜自律又舒緩細膩的敘述，連接往昔與現在，抖落隱秘。

《在線：數據改變商業本質，計算重塑經濟未來》

作者：王堅

篇9

“互聯網+”助推傳統行業轉型升級。“互聯網+”正深刻改變著傳統的生產方式、消費方式、商業模式和管理模式。石獅市科技局局長陳增壇表示：新形勢下，植入“互聯網+”思維，推進“O2O線上線下共建共融”的落地執行，是本地傳統企業轉型升級的大勢所趨。積極推進實施“互聯網+”行動計劃，發展分享經濟，實施大數據戰略，讓傳統企業在新常態下具有更強的競爭力。

云計算，大數據助力在公共云上構建企業服務。本次會議上阿里云互聯網事業部總經理金戈提出：大數據時代，云計算成為經濟社會發展的基礎設施。阿里云通過完善的產品體系、豐富的解決方案及生態體系頂級的數據中心和優良的帶寬資源，賦能企業向云化、數據化和智能化企業轉型。

化云為雨，助力傳統零售行業擁抱互聯網+。如何讓云計算化云為雨，真正幫助企業有效的使用云計算和大數據，驅動和幫助中國企業向互聯網+發展？駐云科技杭州分公司總經理陳峰在會上分享：零售業與混合云、零售業與大數據分析、零售業與CRM、零售業與移動支付、零售業與視頻直播與點播、零售業與 ERP等方面的解決方案及相關的成功案例，對現場的零售企業家有很大的借鑒意義。

020助力實體零售門店再升級。互聯網+概念興起后，延伸出各種O2O模式，我答答華東東北區總經理盧曉江通過我答答服務幾十家上市企業與上千家零售企業的O2O落地經驗，并從貨品流通、云店活動、人員激勵、會員粉絲、資金流轉、線上客服、門店營銷等多個維度，讓在座的各個企業家對“零售O2O”的未來有了更深層次的理解。

人工智能視覺技術助力打造智能零售商業場景。020的根本在于門店，在于更精準的消費數據分析，通過識別技術來實現的精準營銷時代即將到來。曠世科技智能商業產品線商務總監宋晨帶著現場零售行業的企業家們進入了人工智能場景，領略Face++人工智能視覺技術在智能零售商業場景，從相同產品、相同服務給到所有人，向相同產品、不同服務給到特定人群的轉變。

篇10

提到人工智能，我們應該不陌生，目前已經有很多智能產品進入到我們的生活，如智能手表、手環等這類可穿戴的設備，更吸引眼球的無人駕駛和服務機器人也都慢慢進入我們的視野。

根據VentureScanner的統計，截至2016年初，全球共有957家人工智能公司，美國以499家位列第一。中國人工智能領域約有65家創業公司獲得投資，合計29.1億元。相對于全球人工智能市場，中國人工智能市場依舊是一個有待進一步開發的市場。

巨頭紛紛布局人工智能，行業技術卻有待提升

如今，全球有近千家人工智能公司，覆蓋到62個國家的語音識別、手勢控制、虛擬私人助手、語音翻譯和智能機器人等十余個產業，基礎技術、人工智能技術、人工智能應用構成了人工智能產業鏈的三個核心環節，而國內涉及人工智能領域的公司也早已破百。不論是國外還是國內的科技巨頭和風投機構都在布局人工智能這條產業鏈，以尋求占得人工智能市場一席之地。

全球AI陣營：3月份的谷歌阿爾法狗機器人大勝圍棋高手后，令谷歌名聲大噪，也將人工智能再次推向全球熱浪中。在無人駕駛汽車方面，谷歌無人駕駛汽車測試歷程已超過200萬公里，并對其不斷地測試和改進；微軟在人工智能方面的技術研究投入已超過20年的時間，其人工智能機器人小冰是人工智能伴侶虛擬機器人的生態模式；Facebook的聊天機器人“M”，是基于其用戶和社交形態而成的智能助手，除了能夠回答用戶問題、查閱信息外，還能夠幫助用戶完成一些生活操作，如購買商品、餐廳定位、安排計劃旅行等。

由谷歌、微軟和Facebook為代表的全球AI市場，在語音識別、機器視覺等產品上有了豐富的研究、開發，而在人腦科學、深度學習感知等領域上的研究也在不久會有所突破。

國內BAT巨頭陣營：百度的人工智能技術體系包括百度研究院、百度大數據、百度語音、百度圖像等技術，而百度在人工智能上的投入力度很大，且其技術在國內處于領先地位；阿里的人工智能是在其DT和附能話術體系下展開的，阿里目前有小Ai、小蜜，是以阿里云為基礎的業務藍圖的生態模式；相對于百度、阿里，騰訊在人工智能方面進展相對比較緩慢，目前推出了Dreamwriter和微寶等產品。

然而，縱觀國內外人工智能領域的市場，巨頭們在人工智能領域都已布下棋局，但是巨頭們的人工智能都是在為企業自身以及企業相關業務進行服務。目前的人工智能市場，大多數的企業都還存在一定的技術難關，尤其是初創企業。這些企業急切需要一些人工智能技術服務來為自己提供技術支持、幫助。

此外，對于很多正處于轉型的企業來說，他們處在需要人工智能技術服務來加快信息化建設的關鍵時刻，自身沒有技術優勢和人工智能技術基因，發展就會受到限制。

企業信息化建設需求緊迫，AI技術服務商紛紛現身

互聯網時代下的經濟發展，企業要轉型就要加快信息化建設，而讓信息化技術來轉變企業業務需求的方法無疑是具有很大的操作性和實用性的。然而，很多傳統企業自身沒有IT新技術基因，自己再投入資金來研發、培養團隊這不太現實。所以這些傳統企業更多的是想要依靠擁有AI技術優勢的企業來提供技術服務，這個急迫的需求則推動了國內AI技術服務市場的發展。

在人工智能風靡全球的浪潮下，隨著國家對人工智能公共創新服務領域的不斷重視，并提出多個政策鼓勵、支持，人工智能這塊市場出現了為各個行業提供人工智能解決方案的服務商。這類智能機器人的服務企業定位很明確，就是為行業人工智能開發多樣化的產品功能，產品差異化也很明顯，這能夠為行業工作模式帶來快速的改變和發展。

1、提供智能語音技術的服務：在智能語音技術方面，科大訊飛股份有限公司的訊飛“超腦”在語音識別、語義理解、口語翻譯、機器評測方面上取得了一定的應用成果，其智能語音核心技術在國內智能語音上也是數一數二的企業。

在今年的安徽兩會上，科大訊飛的智能會議系統正式亮相，會議代表手持話筒在現場發言時，屏幕上能夠快速、準確的、實時的顯示相對應的文字，滿足了會議的圖文直播需求。因此，人工智能在語音識別、口語翻譯上的應用范圍廣，能夠為企業的辦公方式帶來很大的便利。不過他們在語音技術上，尤其是機器人對地方方言和口音的識別依舊存在著不足，因此，技術服務商還是要加強對AI機器人的語音培訓。

2、提供人工智能引擎平臺的服務：在傳統行業的智能化服務上，目前，廈門快商通科技股份有限公司和上海智臻智能網絡科技股份有限公司都提供了較為完整的技術解決方案。廈門快商通科技股份有限公司主要研發的平臺為小快人工智能引擎平臺，重點在人機交互領域進行平臺技術輸出。此平臺是在開放小快自身核心語義理解和交互能力的基礎上，針對第三方開發者建立的基于“云端”智能的網絡虛擬機器人服務平臺。

快商通將小快人工智能引擎平臺的智能服務引擎和管理平臺放在“云端”，客戶通過SDK、API、第三方應用等渠道接入小快人機交互引擎平臺，客戶可以隨時調用云端智能機器人的語音識別、智能應答等功能，并可根據需要定制機器人知識范圍，實現智能服務機器人交互技術的遠程接入。

目前，小快人工智能引擎平臺已在智能客服、智能教育、醫療領域成功落地，獲得大規模技術調用。其簡潔、高效、智能的技術輸出方式，使得快商通在智能家居、電子政務、自媒體、游戲、教育等領域迅速積累了大量用戶資源。

3、提供物聯網人工智能的服務：在物聯網人工智能方面，北京云知聲信息技術有限公司的“云端芯”，圍繞自身智能語音識別和語音理解等核心技術優勢來打造的生態體系。利用大數據為各個產品方案實現落地，并收集的數據經過大數據處理轉化成最終服務，目前在家居、汽車、醫療和教育等領域有所應用，在國內的后裝車機市場70%的自主廠商的語音交換皆由云知聲提供技術服務。

4、提供智能家居方案的服務：浙江風向標科技有限公司的“VANE”，主要是應用在智能家居上，可以進行個性化的生活場景定制，在一定程度上為用戶的家居生活提供智能化服務，但相對來說，應用在家居場景服務中的產品種類還是比較少的，功能也比較簡單。因此要真正實現智能家居還需要技術服務企業開發出更豐富的、智能化的產品功能。

5、提供多種AI技術融合的服務：北京捷通華聲科技有限公司的靈云全智能能力平臺，將智能語音交互、圖像識別、語義理解、生物特征等技術進行整合，解決企業的具體需求。

可以說，國內不斷涌現出來的人工智能技術服務商在語音識別、翻譯等方面上都有技術優勢，并在產品開發上耗費了多年的研究準備時間。在發展前期瞄準了可以發揮自身技術優質的行業領域，利用人工智能技術來幫助更多企業解決行業痛點，同時又能夠使自己在國內人工智能市場上站穩腳跟。這符合當前我國人工智能市場不太成熟的行情，也能夠使創業企業在摸索中成長。

AI技術服務商為企業在轉型中的信息化建設提供了很大的動力和支持，而企業在轉型過程中，首先改變的是業務辦理方式和營銷方式。傳統企業在業務中常常要與消費者進行直接的溝通與交流，因此企業在售前售后的客服團隊人數數量是龐大的，工作量一般也會很大；傳統企業的營銷方式要與時俱進，依舊離不開互聯網思維，而人工智能服務商無疑可以為企業解決這些難題，提高其工作效率和營銷決策的準確性。

企業客服市場需求大，或能借力人工智能起飛

根據艾媒咨詢的統計，目前國內的客服市場規模已超過千億，而隨著移動電子商務和O2O市場的發展，國內客服市場將從傳統PC端和電話客服的工作方式中逐漸轉向移動客服，客服市場潛力巨大，也使更多人工智能技術服務商爭相進軍，爭搶市場的一杯羹。

為企業級用戶提供服務的智能機器人廠商，其定位很明確，就是專門針對智能客服機器人領域進行優化，以尋求在企業客服服務中占領市場，其開發的產品功能模式多樣化，也能夠為部分人群的工作模式帶來積極的推動作用。

模式一：智能客服機器人或插件服務

云問是一個智能客服機器人SaaS服務平臺，可以通過機器人問答來模擬人工客服為用戶提供客服服務。曉多機器人，從2013年7月開始在淘寶賣家服務市場上線旺財客服機器人，能夠模擬真人以自然語言與買家進行對話。

這一模式在一定程度上就已經初步解決了企業在客服上的問題，尤其是電商企業的客服人員面對大量的客戶咨詢，會出現來不及回復和重復回答問題等情況，將重復的、簡單的問題交給智能機器人可以節約時間并節省人力成本，不過他們并沒有深入到企業客服領域的其他方面。

模式二：機器人客服+人工客服+工單系統

該模式下的七魚、智齒科技、愛客服等服務商，在機器人客服上，通過智能機器人智能解答客戶問題，提供永不離線的客服服務，可以降低80%的客服人力成本；在工單系統上，則支持多種方式創建工單，為跨部門協作和問題及時跟進提供了便利服務；為企業提供統一客服工作臺，為客服提供客戶畫像、問題分類、歷史會話等繁雜問題的簡化集成。

這一模式為企業搭建了智能的、多渠道客服系統，通過大數據實現企業對用戶的細分，實現智能化管理，在一定程度上改善企業和用戶的關系，促進企業更好、更快地發展。進一步拓寬了人工智能技術為企業客服提供的服務。不僅實現機器人的智能客服，還完善了工單系統，為部門之間團結協作提供便利。

模式三：呼叫中心+機器人客服+人工客服+工單系統+大數據挖掘

快商通、Udesk、小能科技等服務商將呼叫中心+機器人客服+人工客服+工單系統模式作為自己的產品模式，不過Udesk、小能科技的人工智能技術是與云問達成的合作。快商通的人工智能技術則是自主研發。這種模式下的人工智能技術在呼叫中心的應用是實現自助服務、人機融合、運營支撐，可以很大程度上地節約了人工成本，同時快商通在現有的客服體系中采用大數據挖掘模式，并且利用大數據分析了解用戶需求、解決營銷問題。

在客服工作處理上，大部分的簡單、高頻、重復性問題交給客服機器人處理，小部分無法解決的則轉交給人工客服。通過精準地理解客戶問題并匹配最佳答案從而提高回復準確效率，同時通過機器人在線解答重復率高達80%的問題，從而減輕人工座席負擔，減少企業的客服人工成本。

在數據營銷解決上，通過海量行業數據的收集、分析，為企業提供行業營銷推廣熱點、價格定制等解決方案，實現企業的PC端、移動端一體化的數據營銷。這對企業來說可以快速的實現營銷決策，但是也要結合實際的市場行情來做出判斷，不能過度依賴于人工智能。

這一模式很好地利用了人工智能在行業的客服方面提供高效率的工作服務，同時又運用大數據分析為企業提供營銷，這在一定程度上能夠實現企業的信息化建設與發展，更好地應對市場的變化，及時作出營銷決策。

隨著移動互聯網的發展，企業的客服需求越來越大，人工智能能夠解決傳統呼叫中心因人工客服人力成本耗費大、用戶等待時間長、客服渠道繁瑣、接入方式繁雜等痛點，從而為企業提高運營效率、降低軟件的使用成本，使企業能夠更好地實現轉型，朝著信息化建設方向快步前進。

人工智能普及速度加快，技術服務商成幕后英雄