刘小飞 李美满 傅兰华

（广东开放大学，广东广州，510091）

近年来，人工智能技术迅速发展，已经深入到人类社会生活的各个领域。为了构筑我国人工智能发展的先发优势和战略高地，2017年，国务院发布了《新一代人工智能发展规划》，提出了我国人工智能发展的指导思想、战略目标、重点任务和保障措施，并制定了人工智能发展“三步走”的战略任务[1]。为落实发展规划，加快人工智能专业人才的培养，2018年，教育部印发了《高等学校人工智能创新行动计划》，要求各高等学校完善人工智能领域人才培养体系，探索“人工智能+X”的人才培养模式，为我国新一代人工智能发展提供战略支撑[2]。近几年，我国人工智能市场规模持续扩大，人工智能核心产业的规模预计在2030年将超过1万亿元，未来我国有望发展为全球最大的人工智能市场[3]。人工智能产业发展最大的难题是专业人才的紧缺。据教育部门测算，我国人工智能人才目前缺口超过500万人，供需严重失衡[4]。因此，加强人工智能专业人才的培养是高等学校相关专业的当务之急。

为响应国家人工智能发展战略，缓解人工智能人才需求压力，近几年来，我国高校积极开展人工智能专业人才的培养。2019年，全国共有35所高校获得首批人工智能专业建设资格，标志着我国进入了人工智能培养的新时期[5]。此后几年，人工智能专业的设置呈井喷式增长。2020年，教育部批准180所高校新增人工智能专业[6]。2021年，再有130所高校设置人工智能专业[7]。高职院校也积极开展人工智能应用型人才的培养，2020 年全国共有171所高职院校成功申报人工智能技术服务专业，该专业目前已经更名为人工智能应用技术专业，增设该专业的职业院校数量一直保持高速增长态势[8]。然而，我国高校对人工智能人才的培养尚处于探索阶段，尚未形成规模化的人才培养体系，对人工智能人才培养模式的构建仍需进行深入的思考。开放教育是我国高等教育的重要组成部分，在加强专业人才培养、促进高等教育大众化、实现全民终身学习等方面发挥了重要作用。我国开放教育人工智能人才的培养尚处于起步阶段，本文将探讨如何在开放教育中构建人工智能人才的培养体系，培养合格的人工智能人才，为我国人工智能领域的发展提供人才支撑。

（一）产业人才结构的层次化需要多样化的培养机制

人工智能是一门跨学科、跨领域的综合性学科，根据当前产业应用的情况，人工智能产业人才从高到低划分为理论研究人才、产业研发人才、应用开发人才、应用技能人才等不同的层次。不同层次的专业人才在人工智能产业中应当充当不同的角色，理论研究人才致力于人工智能前沿技术和核心理论的研究，引领人工智能未来的发展方向；
产业研发人才能够将人工智能的前沿理论用代码实现，并训练成性能优异的算法模型；
应用开发人才负责将人工智能算法工具与行业需求相结合，实现人工智能产业化的落地应用；
应用技能人才是人工智能行业应用的基础人才，主要从事人工智能产品的应用、推广和维护。事实上，人工智能人才的培养对象处于不同的层次，具有不同的能力和素质，有着不同的知识和职业诉求，因此需要多样化的人才培养机制[9]。理论研究人才、产业研发人才主要由研究生培养体系完成，应用开发人才的培养主要依托本科教育完成。实用技能人才目前主要来源于传统软件人才的转行，这类人才掌握的技能相对基础，离真正的人工智能还存在较大的差距。此类人才的培养可以由专科、开放教育、成人教育等培养体系来完成。因此，应对人才不同层次需求带来的挑战，高校人工智能人才的培养必须建立一线产业工人、高技能人才、复合型人才到技能化工程师的全链条人才培养机制。

（二）开放教育可促进人工智能人才培养新模式的探索

开放教育是以现代信息技术为支撑，主要面向成人开展远程开放教育的新型高等教育类型，坚持学历继续教育和非学历继续教育并举，其人才的培养介于普通高校的专业性教育和高职的职业性教育之间，用专业知识与职业技能来实施职业后教育[10-12]。作为我国高等教育重要组成部分的开放教育，在促进高等教育大众化、加强专业人才培养、实现终身教育理念等方面发挥着重要作用。开放大学是开放教育的主要存在形式，目前全国有1所国家开放大学和44所省级开放大学[13]。作为一种新型大学，开放大学既具有普通高校学历教育的使命，又承担着构建终身教育体系、服务于全民继续教育的任务[14]。随着人工智能产业的迅速发展，未来人工智能专业人才的需求将更加开放和多元化。一方面新兴的人工智能产业需要专业的人才，另一方面传统行业的智能化升级也需要大量能懂会用人工智能技术的从业人员。因此，针对从业人员人工智能技术的提升，是摆在我们面前不容回避的重要课题。开放教育的理念是开放，采取“人人、处处、时时”的开放办学模式，主要面向从业在岗人员开展高等学历继续教育和非学历继续教育，支持学习者随时随地的学习[15]。开放教育具有灵活的教学模式，线上、线下，面授、远程教学同时开展，能满足学习者不同的学习方式；
拥有丰富的学习资源，能满足学习者多样化的学习需求；
同时借助学分银行，可以实现灵活的学习成果转换。开放教育所拥有的众多特性，正好契合从业人员进行人工智能学习提升的需求。因此开放教育开展人工智能人才的培养具有一定的必要性，是我国高等教育人工智能人才培养新的探索。

开放教育人工智能专业人才培养模式的构建以人工智能产业要求、学习者的需求、开放教育的特点为出发点，从人才的培养目标、课程体系、课程资源建设、教学模式、实践教学、师资培养、考核评价等方面对人才培养方式进行探索，培养具有一定人工智能理论知识、实践能力和较高职业素养的人工智能应用型人才。培养模式如图1所示。

图1 开放教育人工智能人才培养模式

（一）制定精准的人才培养目标

人才培养的目标是人才培养模式的出发点，也是衡量人才培养质量的归宿[16]。开放教育中人工智能人才培养的对象是从业在岗人员，人才培养的目的是使在岗人员通过在职的学历教育和非学历教育（学历教育包括本科的人工智能专业和专科的人工智能应用技术专业，非学历教育主要指在职的人工智能技能培训）获得职业晋升、转岗或重新择业所必需的人工智能专业知识和专业技能。开放教育人工智能的人才培养应以学习者需求为导向，精准定位，突出职业特色，将职业技能作为人才培养的核心，培养了解行业和区域经济特点，掌握人工智能基础知识、应用技术，具备人工智能数据分析、应用系统开发与测试、系统应用与维护等技能，能够从事人工智能应用产品的开发与测试、数据处理、产品营销、产品维护与技术支持等岗位工作，符合企业需求的应用型技能人才。

（二）构建多元化的课程体系

开放教育的学习者来自社会的各个阶层，有着丰富的工作经历和社会阅历，他们在工作岗位、学习动机、学习条件、学习能力等方面存在着较大的差异，他们对知识和技能的需求是多元化的。因此，开放教育人工智能专业的课程体系不能简单照搬全日制高校相关专业的课程设置，应遵循开放的原则，与生产实践相结合，充分利用学生的职业经验，为学生职业能力的提升服务。应坚持以学生为中心，制定“模块化、分层次、弹性化、多路径”的培养方案，建立“素质教育+专业基础+专业核心+X”的多路径培养模式。本研究分析人工智能企业典型工作任务的职业能力，构建“专业基础+专业核心+方向选修+开放选修”的多元化的课程体系，分层级、分步骤、分方向地实施课程教学，专业课程体系如表1所示。该课程体系具有多元性、开放性和灵活性的特点，更加注重实践性，以实践为导向，理论服务于实践，尽最大可能满足开放教育学习者的个性化需求。其中专业基础课和专业核心课是每个学生必修的，方向选修课可以根据学习者需求和学习兴趣进行组合选取两到三门课程，如选择计算机视觉方向，就必须选择“计算机视觉基础”和“视觉处理项目实践”，其他课程可以任选。开放选修课更具有弹性，学习者可以根据自己从事的领域或感兴趣的领域任选两门课程。

表1 开放教育人工智能专业课程体系

（三）建设多样化的课程资源

开放教育的课程大部分是在线课程，因此线上课程资源的建设至关重要。人工智能课程资源的建设，按照“标准化、网络化、多样化”的要求，以学习者的需求为导向，兼顾人工智能专业人才培养和开放教育信息化教学平台的特点，对课程资源进行模块化内容设计。在课程资源建设的标准化方面，每一门课程的课程资源均由规定模块和扩展模块组成，规定模块指一门课程所必须完成的规定动作，是课程资源建设的基础。扩展模块则指教师可以根据行业的发展、学习者的特点以及实际的教学需要，不断地扩展、优化和丰富课程资源。多样化方面，人工智能专业课程具有抽象性和复杂性等特点，根据开放教育学习者的学习需求和学习特点，课程资源以视频、文字、图片、动画、PPT、程序、案例、项目等各种形式呈现，把抽象的知识具体化，具体的内容案例化，便于学生理解。课程尽可能把知识简单化、可视化、趣味化，让学生积极参与课程，成为课堂的中心。课程资源的建设充分考虑学习者和企业的实际需求，坚持以实践为导向、理论服务于实践的教学理念，将相关的案例融入到课程中，把所学的知识应用起来，课程内容融入课程思政。开放教育的大部分学习者往往利用碎片化时间进行学习，课程学习大部分在网上完成，因此人工智能的专业课程资源采用微课的形式化繁为简，将课程细分为多个模块，每个模块又划分为多个知识点，每个知识点制作成一个3-10分钟的短视频，每个知识点配置相应的课程资源、练习题、小实验等，一门课程配置一个综合性的实践项目。

以“自然语言处理”为例，开放教育人工智能课程资源建设过程如图2所示，包括课程资源设计、课程资源开发、课程资源试用与测试、课程资源发布与维护四个阶段，每个阶段由不同的角色完成相应的任务。线上课程资源的建设引入国内知名高校的师资和国内知名企业的工程师力量，力争将课程打造成具有行业影响力的精品特色课程。

图2 “自然语言处理”课程资源建设过程

（四）实施个性化的教学模式

开放教育中学习者的学习是分散进行的，学习的自主性和个性化是其典型的特点。因此，人工智能专业课程在教学的实施上采取个性化的教学模式，支持随时随地、无处不在的学习方式，最大程度满足学习者的个性化需求。在教学手段方面，课程采取线上实时教学与非实时教学相结合的方式，学习者可以根据自身的需求灵活选择；
教学的辅导采取实时辅导与非实时辅导相结合的方式，以实时辅导为主，非实时辅导为辅。

根据开放教育学习者的特点，课程采用智慧课堂教学模式。教师可以利用雨课堂或开放教育自身的在线教育平台，以智能手机为载体进行智慧课堂教学，使“上课刷手机”的学习方式成为现实。教师建立实时课堂，将课件按照教学进度实时推送到学生端，同时开启实时的互动操作，如随机点名、开启弹幕讨论、限时习题、课堂红包奖励等，增强学习者的学习兴趣和参与度，及时掌握学习者的学习动态。学习者通过智能手机扫码进入课堂，实时接收教师推送的资源与信息，通过客户端进行实时讨论、限时答题、提问、投票等操作，遇到不懂的问题及时反馈给上课教师。课堂结束后，教育平台自动汇总和分析学生的课堂表现情况，教师及时掌握学生的学习状况，动态调整自身的教学进度。智慧课堂教学有利于提升学习者的参与度，增强教学的互动性，提升教学质量。

（五）建立开放的远程实践教学平台

实践教学是人工智能人才培养中不可缺失的教学环节，是学习者完成理论知识到实践能力转化的重要过程，是满足企业及产业需求的核心所在，贯穿人工智能人才培养的全过程。由于开放教育的学习者具有时空分离、工学矛盾的特点，实践教学往往是教学过程中最薄弱的环节[17]。开放教育人工智能实践教学需要创新实践教学模式，落实“产、学、研、用”一体化的思想，建立适应开放教育特点的“灵活、开放、自主”的远程实践教学环境；
从教学、实践和使用多方面注重专业人才和特色人才的培养，将理论学习、实践教学和项目实战融为一体，由易而难，循序渐进，逐步提升学生的学习技能和实践水平，提高教学质量和成效。

人工智能远程实践教学平台能够满足人工智能专业及相关领域的实践教学要求，可同时满足至少100人同时在线的性能要求。实践教学平台搭建采用Kubernetes+Docker容器集群技术，提供多种开发模式和多种运行环境，以满足不同的用户需求。平台能够提供具有超高计算能力的计算引擎容器云平台，提供能够支持数据存储的分布式文件系统、数据集转换组件以及系统运行管理组件，同时能够提供完备的教学资源和实践教学评价体系，如下页图3所示。

图3 开放教育人工智能专业远程实践教学平台

采用Kubernetes和Docker[18]技术，可创建随时运行的实验环境，使用几台机器即可虚拟创建大量实验集群，并可配套GPU，满足实验室规模使用需求；
采用kubernetes容器编排架构管理集群，用户在实验环境下相互隔离，减少干扰，按由浅入深、由易到难的方式完成完整的人工智能实验操作。实践平台提供人工智能基础实践项目和业界最流行的多种深度学习框架TensorFlow和PyTorch，汇总了人工智能行业常用的算法库，可帮助师生用户快速了解算法的基本原理和使用。平台提供丰富的教学资源，包括行业案例、课程体系、教学教材、实验手册、教学视频和实验数据等，建立由公司AI工程师、业务专家、高校教师结合书本理论与实践形成的一套由易到难、由浅入深的课程体系。平台具有完整的实践教学评价体系，教师可对学生的答题情况进行评分，实时掌握学生实践后对知识点的掌握情况，为后续的教学进度和计划提供依据。

（六）构建产教融合的师资培养机制

一方面，人工智能是一个跨学科的专业，教师需要具备扎实的理论水平，能够熟练掌握和使用人工智能技术，需要密切关注人工智能专业领域发展的最前沿问题。然而，目前高校的人工智能专业教师大都属于半路出家，大部分是从计算机或者自动化专业转行过来，对人工智能技术并不具备很深入的了解，实践能力方面也尚存在不足。另一方面，开放教育的学生大部分来自于企业，有一定的工作经验，很清楚自身的需求，学生对教师的学术水平和专业技能有一定的期待。因此开放教育的人工智能专业教师需要具备驾驭真实人工智能项目和产品的经验和能力，能够胜任各种形式的教学任务。为提升师资水平，本研究尝试构建产教融合的师资培养机制。产教融合是加快人工智能专业师资培养的有效途径，有利于师资的快速成长和发展，避免人才培养与产业脱节。具体来说，产教融合的师资培养机制包括以下五个方面：（1）教师下企业跟岗实践。每位教师深入一线人工智能企业顶岗实习一年，全程参与企业的项目开发，按照企业的考核制度对教师进行考核，考核结果纳入该教师的在校考核内容。（2）教师与工程师对接帮扶。每位教师与企业一位或多位工程师对接帮扶，共同进行产品研发，探讨生产项目中遇到的问题及解决方案；
共同制定课程标准，共同建设课程资源和开展课程实训项目，实现专兼职教师共同研发、生产和施教。（3）参加各类培训。定期派遣教师到国内知名的人工智能企业参加培训，了解企业前沿技术。（4）邀请工程师培训。不定期邀请人工智能企业优秀的工程师给教师进行在职培训，实现校企深度合作。（5）加入行业协会。鼓励教师加入人工智能行业协会，实现专业教师与行业专家互融互通，确保人工智能专业的建设与行业发展接轨，实现人工智能学科发展与行业发展的良性互动。

（七）建立多样化的考核评价机制

根据人工智能专业和开放教育学生的特点，其人才培养应打破传统的单一考试评价方式，采取多样化的考核评价机制。一方面，将学习过程中考勤、课堂互动、课堂测验、课堂练习等纳入形成性考核内容，形成性考核与期末终考相结合构成最终成绩，提高形成性考核占比。另一方面，国家推出了学分银行，可以实现不同类型学习成果的互认以及学分的认定与转换等功能，可以认定学历教育的成果和各种形式非学历教育取得的成果[19-20]。人工智能专业的学习者可以根据自身工作的岗位和内容，申请学分认定，学分银行根据认定规则进行认定。认定规则中明确规定了公共课的认定规则，如计算机过了二级，则免修计算机基础课程。专业课程也有相应的对应规则，如某学员目前从事的是数据处理的岗位，只要提供相应的工作内容证明，就可以免修数据处理的课程。多样化的考核评价机制有利于促进人工智能学习者的学习积极性，同时也有利于多元化人才的培养。

笔者所在的开放大学于2020年9月开始人工智能专业人才培养模式的探索，在实践中取得一定的成果：到目前为止，全省在籍人工智能应用技术专业学生共有500多名，建设了十余门与人工智能专业相关的课程资源，一位教师参加广东省人工智能竞赛获得“广东省技术能手”的荣誉称号。本研究针对开放教育的特点，对人工智能专业人才培养的目标、课程体系、课程资源建设、教学模式、实践教学、师资培养、考核评价等进行了探究，探索了一套适用于开放教育人工智能专业人才培养的模式，该模式在实践中取得一定成效，但仍需不断完善，才能更好地服务国家人工智能领域技能应用型人才的培养。

猜你喜欢学习者人工智能人才人才云英语文摘(2022年4期)2022-06-05你是哪种类型的学习者学生天地(2020年15期)2020-08-25十二星座是什么类型的学习者意林·少年版(2020年2期)2020-02-182019：人工智能商界(2019年12期)2019-01-03人工智能与就业IT经理世界(2018年20期)2018-10-24忘不了的人才之策商周刊(2018年13期)2018-07-11留住人才要走心商周刊(2018年10期)2018-06-06“人才争夺战”商周刊(2018年10期)2018-06-06数读人工智能小康(2017年16期)2017-06-07汉语学习自主学习者特征初探海外华文教育(2016年4期)2017-01-20