智能科学与技术应用型本科人才培养模式研究
韦岸
摘要： 针对人工智能时代对应用型人才的旺盛需求，从职能、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：A? 文献标识码：A? 文章编号：（2021）-20-107
引言
我国的人工智能本科专业教育起步较早，可追溯到2001年12月在北京召开的中国人工智能学会第9届学术年会。会上提出了在我国高校创立智能科学与技术专业的倡议。会后，在中国人工智能学会教育工作
委员会的积极推动下，2004年3月教育部网站公布了北京大学“智能科学与技术”本科专业备案通过的消
息，它标志着我国人工智能本科教育的开始。
一、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。
二、我国人工智能本科教育的现状
人工智能诞生六十余年来，几经起伏，走过了一条艰难曲折而又充满光明的发展道路。近几年，又在云计算、大数据、深度学习、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下强势崛起，引发了人工智能本科教育的快速发展。按照新一代人工智能的框架结构，人工智能本科教育所包含的专业有智能科学与技术专业、数据科学与大数据技术专业，以及机器人工程专业等。到2018年止，全国经教育部批准或备案通过设置智能科学与技术专业的高校共55所、数据科学与大数据技术专业的高校283所、機器人工程专业的高校86所，其总数为424所。从教育部网站公示的2018年全国高校新申报专业情况看，2018年申报智能科学与技术专业、人工智能专业、科学与大数据技术专业、机器人工程专业的高校分别有100所、38所、226所、 108所，三者共计472所。到2019年全国设置上述4个专业的高校总数将达到896所。可以说，整个人工智能本科教育轰轰烈烈、盛况空前。
三、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。
（一）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。
（二）课程设计
课程设计的主要目的是让学生对学过的课程内容能够融会贯通，进而解决有一定复杂性的人工智能问题。根据之前的理论课程体系，课程设计包括编程语言课程设计、模式识别课程设计、机器学习课程设计、深度学习课程设计。
编程语言课程设计。其主要内容是让学生使用编程语言实现有一定复杂度且功能较为完整的软件系统，内容涉及编程语言的某些特定用法、较为复杂的数据结构和算法原则等。通过此课程设计，让学生掌握软件系统实现的基本流程和方法，以便解决实际问题。模式识别课程设计、机器学习课程设计、深度学习课程设计。这三门课程设计的目的是让学生依据其在理论课程与配套实验课程上学到的内容，自行设计相关算法，解决人工智能问题。例如，在模式识别课程设计中，学生需要自行设计特征提取方法与分类器，解决手写文字识别问题;在机器学习中，则需要设计监督学习算法，解决商品推荐问题;在深度学习中，设计深度网络模型，构造端到端的学习方法，解决目标快速检测问题。
结论
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。
参考文献
[1] 陈雯柏，吴细宝，王万森.创新创业型智能科学与技术专业工程人才培养探索与实践[J]. 高等工程教育研究， 2018（4）：84-90.
[2] 吴中江，黄成亮.应用型人才内涵及应用型本科人才培养[J].高等工程教育研究，2014（2）：66-70.
