高职院校开设人工智能课程设计与目标定位研究

关键词：人工智能；高职学生；课程设计；非认知技能

0 前言

如今，作为新一轮科技革命的典型代表，非人工智能莫属。人工智能（Artificial Intelligence，英文缩写为AI） 是综合了计算机、信息论、控制论、逻辑学、数学、统计学、神经科学、语言学、伦理学等学科发展起来的新兴交叉学科，是计算机技术发展的高级阶段[1]。人工智能作为一种新型的通用技术，其具备的协同创造、融合替换的特点将对社会和经济带来巨大影响，已被世界各国列入国家科技战略。包括中国在内的多个国家都相继出台一系列促进和规范人工智能发展的政策。人工智能在近几年正以迅雷不及掩耳之势“席卷”并“改造”着人类的各个行业，甚至部分行业的改造呈现出颠覆性的态势。为了适应这个时代人工智能给社会带来的不可逆转的巨变，并考虑到人工智能可能对高职学生就业形势的冲击，高职院校应该将人工智能的相关知识通过专业必修课或通识选修课的方式融入各个专业的知识体系，使其成为高职学生必备的知识素养。具体课程设计可以结合新职业需求，让各专业的学生能从编程这个底层逻辑开始，了解人工智能的发展历史、掌握其应用方法、培养其思维意识、理解其伦理关系，以达到提升将其运用于本专业的创新能力。课程教学过程中还应突出非认知技能的重要性，使学生真正意识到非认知技能对其就业岗位的影响。

1 新职业需求下的人工智能学习

人工智能涵盖的学科范围非常广泛，由于高职院校学生受知识储备所限，虽然没有必要把所有人工智能技术都学精学透，但人工智能课程还是应根据新职业的需求特点，有主次、分步骤、分专业地进行教学设计，进行人工智能典型实训案例的选取。

1.1 典型人工智能实训案例设置

分析目前人工智能技术主要包括以下几种：

机器学习（Machine Learning） ：这是人工智能的核心技术之一，它使机器能够通过学习数据和模式来实现任务或决策的自动化。其典型方法是监督学习、无监督学习和强化学习。

深度学习（Deep Learning） ：深度学习是机器学习的最重要分支之一，它通过模拟人脑神经网络的工作方式来处理和分析数据。深度学习常用于图像识别、自然语言处理、语音识别等领域。

自然语言处理（Natural Language Processing，NLP） ：NLP技术使机器能够理解、解释和运用人类语言。它涉及的任务包括语音识别、语义理解、文本生成、机器翻译等。

计算机视觉（Computer Vision） ：计算机视觉技术使机器能够识别、分析、运用和理解图像及视频数据。

它常在人脸识别、图像分类、目标检测等任务中发挥作用。

机器人技术（Robotics） ：机器人技术涉及将人工智能应用于机器人的控制和自主决策。它涵盖了运动控制、感知控制、规划与决策、人机交互等多个方面，可以应用于制造业、服务业、医疗健康等领域。

专家系统（Expert Systems） ：专家系统基于规则和知识库构建，能够模仿专家知识和经验，提供专业级的决策支持。

自主决策（Autonomous Decision-Making） ：自主决策技术使人工智能系统能够在没有人类干预的情况下做出决策。这包括强化学习、演化算法、群体智能等技术，可以应用于智能游戏、智能交通、智能金融等领域。

根据以上各类人工智能技术的特点及落地应用场景，人工智能课程可以设置如人工智能基础、人工智能编程、图像识别、人脸识别、生物信息识别、自然语言处理、智能语音、无人驾驶、数据挖掘在内的10个典型实训案例。通过这些交互体验式案例激发学生的学习兴趣，体验人工智能技术的应用效果。

1.2 人工智能新职业分析

为了适应经济和技术的发展，也为了促进就业、创业，国家每隔一段时间都会根据市场需求公布新的职业。职业院校可根据这些公布的新职业调整专业设置和课程内容，提高教育的针对性和实用性。近几年国家分四批公布了56个新职业，这里把它们按照数字智能类、信息管理类、需求服务类进行了汇总分类，具体分类如表1所示。

从表1中可以看出，随着人工智能技术的不断普及，大量直接应用人工智能的数字智能类新职业快速涌现，占比已达新职业总和的39%。而信息管理类（占比29%） 和需求服务类（占比27%） 的新职业也都存在间接使用或服务人工智能的场景。因此，高职院校可以根据各专业对应就业类型的变化，以及对人工智能技术使用需求程度的不同，采用专业必修或通识选修的方式进行人工智能课程的教学。

1.3 高职各类专业学习人工智能需掌握技术分析

1） 对于计算机类专业，人工智能课程应作为专业必修课程纳入教学计划。表1中公布的数字智能类新职业、信息管理和需求服务类新职业已经覆盖了当前大部分人工智能应用场景。前文规划的人工智能编程、图像识别……数据挖掘这10个典型实训案例都应在教学过程中实施。针对高职学生知识储备特点，人工智能编程实训案例可采取进阶学习方式：在低年级开设Python和C++课程，进行编程语言理论学习，通过调试实践熟悉Numpy、Pandas数据处理、Matplotlib、Seaborn数据可视化；在高年级进行Pytorch开源框架的熟悉使用和经典算法的应用实践[2]。

2） 对于非计算机类专业，人工智能课程可作为通识选修课程纳入教学计划。人工智能技术在不同专业都存在典型应用场景，这些应用场景大多都能在新公布的职业中有所体现。可以通过对典型人工智能应用场景对应典型人工智能新职业的分析，有重点和针对性地选择实训案例，具体对应表如表2所示。

在人工智能课程设置的10个典型实训案例中，人工智能基础、人工智能编程（Python） 实训案例在每个非计算机类专业都应予以学习，毕竟在当前的就业环境下，掌握Python编程能为就业增加竞争优势。此外，建议数据挖掘实训案例也可作为各专业必修的案例，因为该案例涉及数据预处理、数据标注等内容，本身就拥有许多就业机会；该案例涉及的数据分析、图表展示也是职场制作各类报表必不可少的内容，还能为学生在职场增添价值。

2 注重非认知技能的培养

正如有学者所言，“未来的职业教育必须以提升职业人综合素质为根本出发点，才能适应人工智能时代对人才的要求。”[3]注重非认知技能的培养可以间接地保障学生的就业，让学生及时应对未来职业划分的挑战，还能使学生更多地关注人机协作，实现创新智慧管理。

2.1 保障学生就业

职业教育重视培养学生的非认知技能是对学生就业的一种保障。作为综合素质里不可或缺的非认知技能主要指社会交往中表现出来的思想、情感和行为[4]。以沟通协作、自我情绪管理、学习问题解决为特质的非认知技能，具有跨专业、复合式的特点。2010 年以后，许多国家对能保持就业稳定性的非认知技能日益关注，在人工智能日益普及的形势下，企业对于人才技能的需求已悄然发生改变，已经由过去注重认知技能向注重非认知技能转变。

2.2 应对未来的职业划分挑战

记得一句广告语“……掌握核心技术……”。如今人工智能技术广泛的应用带来一种状况，那就是核心技术拥有者掌握了核心层面的技术，这使得普通工人只须完成一般简单化的操作。可以预见未来职业不管简单复杂，容易被人工智能代替的往往就是能够实现程序化的岗位，这可能将使职业的划分由“认知技能高低”转化为“程序化与否”。在这种形势下，职业教育更应该注重培养学生的非认知技能——这种无法被程序化的能力。

2.3 关注人机协作，创新智慧管理

应用人工智能的程序化、规则性认知劳动会对传统职业的知识技能要求有所改变，这不得不让高等职业教育重视学生的人机协作、创新管理能力的培养，尤其是培养能解读人工智能工具输出结果或在判别模糊时做出决策能力的智慧型管理人才[3，5]。

3 人工智能教学问题分析

有别于本科院校的雄厚师资和配套科研环境，高职院校人工智能课程师资和实践资源的缺乏，是如今亟待解决的问题。

3.1 教师对人工智能技术应用不够深入

与已熟悉人工智能技术的新进教师不同，学校原有教师应主动参与人工智能相关培训，学会持续有效使用人工智能技术，熟悉人工智能的实际应用场景，了解人工智能相关伦理等。同时还要重新审视实践环节的设置，充分挖掘与开发不易被替代的、人类独有的思维或人工智能辅助的创新型作业，培养能够胜任人工智能难以替代的高素质人才。

3.2 人工智能教学设备与资源不足

人工智能技术应用一般都需要较高性能的计算机硬件设备，另外还需要比较稳定的网络配套设施，数据加载、训练平台也是不可或缺的。这需要开课学校能够独立或寻求企业合作来加大配套资金的投入和实践环境的建设提升，真正提高人工智能技术在教学实践中的应用效果[6]。

4 结束语

人工智能技术融入各行各业已是大势所趋，虽然不同专业受到人工智能技术影响存在差异，但面对新职业的挑战，高职院校各专业都开设人工智能课程已是势在必行。一个拥有开放知识体系的、可被多学科兼容的交叉学科取代具有封闭知识体系的单一学科的时代已然到来。