智能科学与技术应用型本科人才培养模式研究

　　摘要：针对人工智能时代对应用型人才的旺盛需求，從职能、知识结构、能力结构、行业（产业）导向等四个方面研究智能科学与技术应用型本科人才培养模式，区别于常规的能力为导向的人才培养，提出了知识型能力本位教育模式，强调能力培养的两大要素——知识与实践，以及能力的可持续增长，为学生适应人工智能时代的挑战与机遇奠定基础。

　　关键词：智能科学与技术；知识结构；应用型人才；人才培养；知识型能力本位教育

　　中图分类号：G64文献标识码：A

　　文章编号：1009-3044（2020）25-0153-03

　　1引言

　　智能科学与技术主要包含智能科学和智能技术两部分内容[1]：智能科学是以人如何认知和学习为研究对象，探索智能机器的实现机理和方法；智能技术则是将这种方法应用于人造系统，使之具有一定的智能或学习能力，让机器系统为人类工作。目前，在本科专业目录中，智能科学与技术专业是计算机类之下的特设专业，在现有的人工智能专业群中，除了新设的人工智能专业外（2019年全国共有35所高校获首批人工智能新专业建设资格），智能科学与技术专业与全球范围大力推进与快速发展的人工智能关系最密切，契合度最高。一方面，智能科学与技术的专业发展和人才培养将为人工智能技术提供理论支撑、技术推进和人才支持，另一方面，人工智能产业现状和未来发展趋势直接影响着智能科学与技术的专业发展和人才需求。

　　2人工智能时代对人才的需求

　　站在国家战略的高度来看，人工智能将成为新一轮产业变革的核心驱动力，可以实现社会生产力的整体跃升，因此人工智能将成为引领未来的战略性技术，世界主要发达国家都把发展人工智能作为提升国家竞争力、维护国家安全的重大战略。

　　随着人工智能时代的到来，许多企业对具有智能科学与技术专业背景的人才有着巨大的需求。首先，IT企业纷纷涉足智能科学领域，提高产品智能水平；其次，许多传统制造业也在转型，从劳动密集型到知识密集型，进一步提升到智能制造型，并逐渐具备高精尖装备制造能力；此外，医疗、通讯、交通等行业也对智能科技人才有着迫切的需要。人工智能对各行各业的影响，充分体现了智能科技的高速发展，对人才数量和素质要求也越来越高。

　　从人才的金字塔型分布来看，智能科学与技术领域不仅需要高端学术型人才，更需要接地气、重实践的应用型人才。随着“中国智造”的不断推进，智能科学与技术领域已由顶层设计和关键技术突破向生产、应用、装配、服务等环节延伸，迫切需求大批专业技术精、实践能力强、操作流程熟的应用型人才。2019年，人力资源和社会保障部、国家市场监管总局、国家统计局向社会发布了13个新职业信息，包括人工智能工程技术人员、物联网工程技术人员、大数据工程技术人员等，这也从另外一个侧面说明人工智能等技术推动了产业结构的升级，催生了相关专业技术类新职业，可形成相对稳定的从业人群。

　　3应用型人才培养模式分析

　　《中国制造2025》以推进智能制造为主攻方向，强调健全多层次人才培养体系，提到强化职业教育和技能培训，引导一批普通本科高等学校向应用技术类高等学校转型，建立一批实训基地，开展现代学徒制试点示范，形成一支门类齐全、技艺精湛的技术技能人才队伍。

　　通常而言，人才类型分为三类[2]：学术型人才、应用型人才、技能型人才。实际上从现代职业教育的发展和社会需求来看，应用型人才和技能型人才的界限相对模糊，可统称为应用型人才，即把成熟的技术和理论应用到实际的生产、生活中的技术技能型人才。从国家的层面来看，为了适应人工智能时代发展，人才需求数量基数最多、缺口最大的就是应用型人才，这也对众多高校培养人才的导向产生重大影响。这里我们重点讨论智能科学与技术应用型本科人才的培养，可从职能、知识结构、能力结构、行业（产业）导向四个方面来分析。

　　3.1职能

　　智能科学与技术应用型人才是培养面向各类智能科学与技术的工程设计、开发及应用，掌握各类现代智能系统设计、研发、集成应用、检测与维修、运行与管理等技术，具有扎实理论基础、较强工程实践和创新能力的高素质应用型工程技术人才。

　　3.2知识结构

　　智能科学与技术专业充分体现了跨学科的特点，其知识结构包含了三个并行的基础领域：电子信息、控制工程、计算机，也蕴含了电子信息工程、控制科学与工程、计算机科学与技术等学科的交叉和融合，体现了智能感知与模式识别、智能系统设计与制造、智能信息处理三个方面的专业内涵。

　　（1）智能感知与模式识别

　　属于电子信息与计算机交叉领域，主要定位在机器视觉与模式识别。包括三维建模与仿真、图像处理与分析、图像理解与识别、机器视觉、模式识别、神经网络、深度学习等。主要课程包括：电子技术基础、信号系统与数字信号处理、数字图像处理、模式识别等。

　　（2）智能系统设计与制造

　　属于控制工程领域，包括自动控制、无人系统与工程、精密传感器设计与应用等。主要课程包括：机械基础、工程力学、自动控制原理、传感器与测试技术、计算机控制技术、机电系统分析与设计等。

　　（3）智能信息处理

　　属于计算机领域，包括交通大数据、汽车与道路安全大数据等的分析与处理、信息处理与知识挖掘、信息可视化等。主要课程包括：智能科学技术导论、计算机程序设计、微机原理与接口技术、数据结构与算法、嵌入式系统设计等。

　　3.3能力结构

　　智能科学与技术应用型人才培养着眼于人工智能工程应用，要求学生具有运用计算机及相关软硬件工具进行大数据的采集、存储、处理、分析、应用的能力；具备智能系统的设计、开发、集成、运行与管理的能力；注重培养学生综合运用所学的智能科学与技术专业的基础理论和知识，分析并解决工程实际问题的能力，其能力结构可以借鉴能力本位教育（CompetencyBasedEducation，简称CBE）模式[3]。

　　CBE是国际上较流行的一种应用型人才培养模式，主要代表国家为加拿大和美国。该模式以能力为人才培养的目标和评价标准，一切教学活动均围绕综合职业能力的培养展开，CBE人才培养模式主要有以下三方面的特色：能力导向的教学目标；模块化的课程结构；能力为基准的目标评价体系。该模式所培养的本科应用型人才具有较强的专业综合能力和职业能力[4]，在一定时期得到社会的广泛认可，但是单纯的CBE模式并不能完全适应人工智能时代对人才培养的需求，这是由于目前许多职业岗位在人工智能的冲击下，其形式和内容均会产生动态变化，要求现阶段的人才培养具有延伸性和前瞻性，既要兼顾眼前，也要考虑应对智能化浪潮，打好基础，提高自学习能力。因此，智能科学与技术应用型人才培养有一定岗位针对性，但并不是完全固化岗位内容及层次、固化知识属性，必须强化自我学习能力，才能实现能力可持续增长，岗位的向上流动性以及知识和经验的进化，才能真正适应人工智能时代发展的需求。

　　自我学习能力的形成与提高往往源于知识结构的构建[5]。为了塑造更合适的能力结构，需要CBE模式与知识结构的相辅相成，有鉴于此，将这种新型人才培养模式称之为知识型能力本位教育（Knowledge&CompetencyBasedEducation，简称KCBE）模式，这也意味着在人才培养过程中，将知识结构与能力结构放在并重的地位，既着眼于预期能力的培养，也必须让学生筑牢学科专业基础，在走向社会以后，在知识引擎的作用下，通过自我学习，具备并提升适应未来的、新的智能化岗位需求的能力。

　　3.4行业（产业）导向

　　从智能科学与技术专业的角度，培养的应用型人才以“智能化应用”为就业大方向，具体而言，包括：

　　（1）智能感知与模式识别领域

　　主要从事电子信息的获取、传输、处理、分析、应用等领域的研究、设计及应用，包括图像处理、机器视觉、工业视频检测与识别、视频监控、传感器设计及应用等。

　　（2）智能系统设计与制造领域

　　主要从事智能装备、智能制造、智能管理、智能服务等领域的设计、制造及应用，包括智能工厂、智能车间、智能生产线、智能物流、以及智能运营与服务等。

　　（3）智能信息处理领域

　　主要从事计算机数据处理、分析、理解、管理、以及服务等领域的研究、设计及应用，包括数据存储与管理、数据分析与预测、交通大数据分析应用、道路与汽车安全大数据分析、智能交通、智能电力、智能家居、智慧城市等。

　　涉及的产业领域主要包括智能制造，如工业互联网系统集成应用，研发智能产品及智能互联产品等。其他的领域还包括智能农业、智能物流、智能金融、智能商务等。

　　产业需求带动人才培养，人才培养在满足产业需求的同时推动技术进步，而技术进步又引燃了新的产业需求。产业需求与人才培养的相互作用，呈现出螺旋式上升的发展态势，这在人工智能相关产业与智能科学与技术应用型本科人才培养之间表现的得尤为突出。

　　4KCBE模式人才培养的主要措施和途径

　　智能科学与技术专业应用型本科人才的培养模式一定是和人才需求、学校定位相適应的。培养应用型人才，应注重学生实践能力，从教学体系建设体现“应用”二字，其核心环节是实践教学。结合上述的KCBE培养模式，知识结构在能力培养过程中也占有非常重要的地位，因此在能力培养方面，知识和实践作为两大要素，不能偏废任何一方，必须齐头并进，既要固基础，也要重实践。

　　（1）筑牢智能科学与技术专业知识基础，构建与智能化应用相关的知识体系

　　在本科的低年级阶段，应注重公共基础课，特别是数学和力学课程，还应充分了解智能科学与技术专业的内涵，让学生对所学专业有一个比较全面的认识。在本科中高年级阶段，重点强化专业基础，包括电子技术基础、自动控制原理、传感器与测试技术、微机原理与接口技术、数据结构与算法等。归纳地说，应该筑牢数理基础、计算机基础、机电基础和控制基础，因此对原理课程需要强化，这样对很多工作机理、来龙去脉的理解才能深刻。

　　（2）增强智能科学与技术专业的实践环节，构建以能力培养为重心的教学体系

　　按照KCBE模式，校企合作是强化实践的一种重要形式[6]。学校根据人工智能企业实际情况灵活设置实践课程内容，根据企业发展趋势及时调整课程体系以避免教学内容与企业需求相脱离。人工智能企业还可以参与学校教学目标和教学计划的制定，并为学校实践教学提供各方面支持，从而提高人才培养的针对性。

　　5应用型人才培养展望

　　在人工智能时代，我国正处于产业转型的重要阶段，迫切需要智能科学与技术应用型人才，对人工智能人才培养的与时俱进也有更高要求。基于KCBE培养模式，高校通过与各型人工智能企业增强校企合作、合作办学，实现人才培养的量身定制，并能与技术发展同步，培养的人才也能更好地适应时代的挑战与机遇。