大学教授辩论AI重建教育

作者/IT 记者Lin Fei

编辑/hao sun yan

面对AI的破坏性影响，大学和大学的教育模型正在深入重建。

2月21日，在2025年全球开发人员开发人员会议（以下称为GDC）上，上海大学的杰出教授Yu Yong兼ACM班的创始人曾在“解雇”中领导“射击”。当涉及到标准答案时，立即产生剑。”

北京通用人工智能研究所的院长朱·宋简，北京大学人工智能研究所的院长也强调，传统学科需要“革新和自我救援”。他们不再遵守规则并根据教科书进行教学，而应与人工智能结合并使用人工智能。思维建立未来。

在论坛上，正式发布了“新一代人工智能实践才能的系列培训”的第一阶段的结果，该项目的第二阶段同时启动。

与AI做作业吗？是的，但是它必须反映AI协作的深度

“英语系的一位同事告诉我，当自去年以来由同学分配的家庭作业时，很难找到错误。”张温南（ ）博士上海大学计算机科学系的主管兼副主任，他的团队最近完成了一项调查，并在编程任务期间完成了同样的调查，大语言模型的编程能力超过了上海大多数本科生和研究生的水平参加了测试的乔孔大学，随着“奔跑模化 - ”的过程，差距变得越来越明显。

当学生开始使用AI做功课时，教授应该如何面对它？

上海大学副教授， 的助理院长Liu 在课堂上上演了“人机共生”的实验：从允许学生完成与AI的作业，到需要作业必须反映“ Deep AI”合作”。

在图像识别课程项目中，大二学生已经可以使用AI工具来产生良好的科学研究结果：学生使用AI模型来执行初步图像分类，但他们必须分析该模型本身的优点和缺点，并调整参数并改善参数并改善参数提高识别准确性并不断提高AI技术在此过程中的理解和应用能力的算法。

“这迫使我们重新定义'基本能力' - 未来才能的核心竞争力在于他们的判断和AI输出的迭代速度。”刘·彭菲说。

上海大学的ACM课程还建立了一个课程系统，该课程是“ 1个强制性课程 +数十个选修课程”：要求学生独立设计学习路径，而教师只充当“思维教练”。学生需要独立选择感兴趣的AI领域，例如机器学习，计算机视觉等，并制定相应的学习计划，以完成项目实践和研究报告。

“中国的人工智能人才差距并不是一个简单的数量问题，而是质量和结构问题。” Yu Yong直言不讳地说，应该使高中科学教育成为大学至高中的学生 - 让高中生撰写科学研究论文并学习技术历史，以打破考试的束缚，培养“普遍思考”。例如，一些高中已经开始尝试开展科学和技术创新俱乐部的活动，指导学生参加简单的科学研究项目，撰写小型科学论文，并培养学生在实践中的科学思维和研究能力。

新的学校企业合作，创建一个“超级AI测试领域”

长期以来，在国际顶级人工智能学术会议上，美国研究团队发布的创新研究结果和引文率的数量高于中国团队。 “美国AI才能的优势本质上是全球人才的结果。近年来，中国积累了许多杰出的才能，但仍需要努力工作才能取得原始的突破。”刘·彭菲说。

但是，他还强调了中国独特的结构优势：“我们的市场规模，工程能力和工业协同效率为快速实施技术提供了一个'超级测试领域。它可能需要一个差异路径。”

但是，一家上市技术公司的人力资源总监也提出了问题，AI时代的“学校企业合作”的传统人才培训模型将发生什么变化？

智格技术大学的教授王·旺利安（Wang ）提出，当大学和企业合作时，他们应在脱敏后将尖端技术转变为教学案例。企业和学生可以进行联合毕业设计，企业提供了真正的主题，学生的成绩可以直接应用于生产线。 ，实现“ R＆D教学商业”的封闭循环。

例如，在智能制造业领域，企业将自动生产线的优化问题交给了学生作为毕业设计主题。学生使用他们学会的AI知识和工程技术来设计智能调度算法和故障预测模型。经过企业的评估和改进，对它们进行了评估和改进。应用于实际生产以提高生产效率和产品质量。

王·旺利安（Wang ）总结说：“合作必须双赢。” “企业获得人才储备和大学解决了设备和数据缺陷。这是长期机制。”

跨学科整合打破了“纸话”

近年来，随着AI功能的增强，所有行业和行业都准备使用AI重塑自己。 AI FO也已成为科学研究的新范式，加快了各种科学问题的突破。但是，无论是大学，研究机构还是企业和机构，AI破坏的纪律边界都不受相应的才能支持。

根据工业和信息技术部的数据，我国AI行业的人才差距已超过500万，并且高级算法研发，跨学科应用程序和其他领域的供求矛盾特别突出。例如，在智能医学成像诊断领域，了解医学成像和精通AI算法的专业知识的复合才能极为稀缺，这使得许多先进的AI AI诊断技术很难在临床实践中快速实施。在某些大学的新兴跨学科研究项目中，例如生物医学和人工智能项目的结合，具有生物学和AI知识的研究人员可以在遗传数据分析和疾病诊断模型构建中发挥重要作用。它通常成为各个团队竞争的目标。

“全国各地的大学都有相对较少的大学真正从事与人工智能有关的工作，以及从事人工智能研究的教师和科学研究人员，因此，对每个人来说，更重要的是能够合作并取得成果。”王·旺利安（Wang ）说。

“在人工智能领域，各种学科都是相互依存的。例如，人工智能与其他专业（例如计算机和电子信息）有关。没有谁可以做任何人，不应强调谁是领导谁。”在Yu Yong的看来，合作学科时的跨境，领导者在不同阶段可能有所不同。在早期，人工智能专业人员可能会更多地参与技术。在后期的申请情况下，相应的专业领域和行业场景中的人员需要由人员领导，并且在合作开始之前，需要将研究主导地位分开。显然，需要在跑入中探索新的尝试。

例如，在智能运输系统的研究和开发中，早期的AI专业人员负责构建智能算法模型框架，但是在后来的现场部署和优化阶段，交通工程专业人员扮演关键角色，并根据实际条件使用该系统例如交通流量和道路规划。进行调整和改进。

“人工智能是多个专业的整合的结果，一个专业不能称为人工智能。” Yu Yong说。

排版 / ji

图片/IT时间

来源/IT时间官方帐户