導言：作為寫作愛好者，不可錯過為您精心挑選的10篇人工智能調研論文，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

根據(jù)原國家新聞出版廣電總局的年度新聞出版產業(yè)分析報告，2016年期刊總印數(shù)比前一年降低6.3%，總印張降低9.4%；與2016年相比，2017年期刊出版總印數(shù)降低7.6%，總印張降低10.1%；與2017年相比，2018年期刊出版總印數(shù)降低8.0%，總印張降低7.3%。反觀數(shù)字出版，2016年數(shù)字出版總收入5720.85億元，2017年數(shù)字出版總收入7071.93億元，2018年數(shù)字出版總收入8330.78億元?？梢灶A見，隨著時間的推移，數(shù)字出版在期刊領域也將承擔越來越重要的角色。由于數(shù)字出版的發(fā)展和技術發(fā)展密不可分，本文嘗試從技術的角度分析數(shù)字出版態(tài)勢，并進一步探討我國科技期刊的發(fā)展態(tài)勢以及新技術可能為數(shù)字出版帶來的變化。

一、數(shù)字出版領域和新技術領域關鍵詞

在數(shù)字出版方面，本文研究了2019年數(shù)字出版會議和期刊編輯領域的論文來探討數(shù)字出版領域的關鍵詞。在技術方面，本文通過調研互聯(lián)網的發(fā)展了解了新技術的關鍵詞。1．數(shù)字出版領域的關鍵詞。2019年，重要的數(shù)字出版會議主辦方主要有中國期刊協(xié)會和中國新聞出版研究院。會議報告題目關于數(shù)字出版的關鍵詞有：數(shù)字產業(yè)、生態(tài)、經濟模式、數(shù)據(jù)、移動、互聯(lián)網、信息技術、5G、AR+、人工智能/AI/機器人、平臺、云計算、新媒體、大數(shù)據(jù)、創(chuàng)新產品、智慧產品、知識付費、微課程、全媒體、在線、智庫、閱讀、精準、IP、傳播、數(shù)字出版、知識服務、融合發(fā)展、出版未來、人才等。在期刊調研方面，本文調研了期刊和編輯出版領域的重要期刊——《中國科技期刊研究》《科技與出版》《編輯學報》等，分析了2019年刊發(fā)的文章。這些文章涉及數(shù)字出版領域的關鍵詞主要有：媒體融合、5G、AR、移動出版、xml/html、共媒體云和自媒體庫、人工智能、平臺、產品、APP、在線、新媒體、區(qū)塊鏈、知識圖譜、知識服務、社區(qū)服務、精準推送、全媒體、智慧媒體、數(shù)字出版、造船、有聲閱讀、賦能、書刊互動、轉型、智庫、知識付費、編輯出版工具等。從上述關鍵詞我們可以分析出，在數(shù)字出版方面，期刊和技術方分別都在哪些方面開展了工作，期刊在數(shù)字出版方面的融合可以從哪些方面突破。圖1是從2019年度相關會議和期刊論文調研得出的與數(shù)字出版相關的關鍵詞。從中可以看出，數(shù)字出版會議和相關報告更多地從技術層面出發(fā)，考慮技術、產品和運營。數(shù)字出版相關論文更多地從編輯出版角度進行分析，涉及期刊出版各環(huán)節(jié)。關鍵詞方面兩者有所重疊，也有所不同。例如，數(shù)字出版相關論文較少關注5G、產品，更多關注和專業(yè)以及學術研究息息相關的數(shù)據(jù)（尤其是科學數(shù)據(jù)）、知識服務、編輯業(yè)務和人才隊伍；而數(shù)字出版會議和相關報告則相對較多地關注5G、IP運營等技術或者產品。雙方均關注融合發(fā)展、數(shù)字出版、人工智能、新媒體等。專業(yè)技術團隊和編輯出版團隊已經在一定程度上融合，但是雙方的發(fā)力點還是有所不同。因此，若要促進科技期刊融合發(fā)展，編輯出版方需要更好地表述自己的需求，技術方也需要更深入地做好需求調研，更好地按照期刊的思路研發(fā)產品，如此建設的系統(tǒng)和平臺才能更好滿足期刊出版的需求。上述調研也給數(shù)字出版的研究帶來啟發(fā)。一方面，研究數(shù)字出版可從期刊編輯工作流程出發(fā)，研究各個環(huán)節(jié)中哪些環(huán)節(jié)可以利用數(shù)字化提高工作效率，或者整個工作流程中有哪些困難需要機器幫助解決；或從現(xiàn)有數(shù)字出版的實際態(tài)勢出發(fā)，研究同行在做哪些工作。另一方面，可研究新技術的特點，即研究其可能給數(shù)字出版領域帶來哪些變化。2．新技術關鍵詞。那么，我們需要關注哪些新技術呢？哪些新技術能代表新一代互聯(lián)網的發(fā)展呢？2019年第六屆世界互聯(lián)網大會在浙江烏鎮(zhèn)召開，會議的主題是“智能互聯(lián)開放合作——攜手共建網絡空間命運共同體”。會上公布了15項代表性領先的科技成果，它們的主要關鍵詞是人工智能、機器、分布式、共享、智慧、自適應、5G等，這些關鍵詞也說明了新一代互聯(lián)網技術的重點發(fā)展方向，是近幾年技術領域的重點。我們可以看出，隨著互聯(lián)網的發(fā)展，尤其是和數(shù)字出版息息相關的新技術，是5G、大數(shù)據(jù)、云計算、人工智能、物聯(lián)網、區(qū)塊鏈、虛擬現(xiàn)實技術等。另外，還有和數(shù)字出版領域緊密結合的碎片化技術、語義技術、新媒體技術（微信公眾號、小程序、短視頻等）。下面我們逐一分析這些技術的特點，以便后續(xù)進一步探討它們在數(shù)字出版方面的應用。5G是下一代信息社會建設的基礎設施，它的特點是高速率、大容量、低延時、低功耗，這些特點使得更多資源可以部署到云上，單位時間可以傳輸更多的內容或者整合更大量的數(shù)據(jù)；使得虛擬現(xiàn)實、萬物互聯(lián)等成為可能；也使得智慧城市、智慧社區(qū)等得以實現(xiàn)。從期刊出版的角度來說，5G將可能改變知識內容、平臺、存儲、流通、渠道、服務、消費、終端呈現(xiàn)等的方式，對行業(yè)帶來深度的變革。大數(shù)據(jù)技術包括數(shù)據(jù)分析技術、事件處理技術、數(shù)據(jù)流通技術。我們可以從數(shù)據(jù)采集與處理、數(shù)據(jù)挖掘與分析、數(shù)據(jù)存儲與管理、數(shù)據(jù)展現(xiàn)與應用方面去思考期刊出版相關數(shù)據(jù)的采集、處理、重新聚合、呈現(xiàn)形式等，思考大數(shù)據(jù)技術可能為數(shù)字出版帶來哪些新的應用。我們可以從分布式存儲方面考慮期刊相關數(shù)據(jù)庫的架構、設計以及分布式關系模型；可以從數(shù)據(jù)流通角度考慮期刊數(shù)據(jù)傳輸?shù)馁|量、安全等；可以從數(shù)量巨大、來源分散、格式多樣的數(shù)據(jù)中發(fā)現(xiàn)新知識、創(chuàng)造新價值、提升新能力，從而考慮新一代數(shù)字出版服務業(yè)態(tài)。云計算是一種基于互聯(lián)網的超級計算模式，云計算的計算速度甚至達到每秒10萬億次，可以將繁多的系統(tǒng)以及云資源連接在一起以提供各種服務。云計算的特點是可以有效兼容各種不同種類的硬件和軟件，支持資源以及新業(yè)務的動態(tài)擴展，具有高可擴展性；支持多業(yè)務體系按需服務，按需配備計算能力和資源；使用數(shù)據(jù)多副本容錯和計算節(jié)點同構可互換等措施來提高可靠性；使用戶突破時間和空間的限制享受虛擬現(xiàn)實的服務；支持海量信息處理以便提供超大規(guī)模服務等［1］。云計算技術逐漸成熟，將使得對運算能力要求高的產品得以運用，使得對運算能力要求高的服務得以實現(xiàn)，使得跨空間、跨時間的虛擬服務成為現(xiàn)實，使得跨平臺、跨數(shù)據(jù)庫的資源得以快速整合。人工智能產業(yè)在大數(shù)據(jù)、深度學習算法、計算能力三大要素的推動下逐漸成熟，人工智能研究讓計算機模擬人的思考過程以及智能行為，如學習、問題求解、自動推理、智能檢索、思考、規(guī)劃等，其相關的技術包括機器人、語言識別、圖像識別、自然語言處理等［2］。期刊可以思考，現(xiàn)階段或者未來在數(shù)字出版中，哪些環(huán)節(jié)可以用計算機或者機器人來實現(xiàn)，思考利用計算機和機器人可以幫助我們實現(xiàn)哪些人工難以完成的工作。物聯(lián)網作為信息通信技術的典型代表，其技術和應用的普及以及逐漸成熟，將推動人類社會進入萬物互聯(lián)的新時代，可穿戴設備、智能家居、自動駕駛汽車、智能機器人等新設備將接入互聯(lián)網。這使得未來學術出版物的產品、終端等呈現(xiàn)多樣化。根據(jù)物聯(lián)網的特點可以更多地思考學術出版的產品以及終端。區(qū)塊鏈技術的特點是去中心化、分布式和安全。期刊可以從這三個特點考慮在這方面有要求的產品和環(huán)節(jié)。虛擬現(xiàn)實技術包括VR（虛擬現(xiàn)實技術）、AR（增強現(xiàn)實技術）和MR（混合現(xiàn)實技術）。VR是利用電腦模擬產生虛擬世界，讓使用者如同身臨其境一般，是純虛擬數(shù)字畫面。AR是通過電腦技術將虛擬的信息應用到真實世界，真實的環(huán)境和虛擬的物體實時地疊加到同一個畫面或空間，是虛擬數(shù)字畫面和裸眼現(xiàn)實。MR包括增強現(xiàn)實和虛擬現(xiàn)實，指的是結合數(shù)字化的現(xiàn)實世界和虛擬世界而產生的新可視化環(huán)境，MR是數(shù)字化現(xiàn)實加虛擬數(shù)字畫面。虛擬現(xiàn)實的特點將使得學術傳播更加真實、直觀、多方位、多角度。和期刊緊密結合的語義技術、碎片化技術、新媒體技術、視頻技術等，這些期刊界比較熟悉，這里不再贅述。

二、我國科技期刊數(shù)字出版狀況

根據(jù)《中國科技期刊發(fā)展藍皮書（2017）》統(tǒng)計，我國科技期刊中，5020種期刊共有1375個主管單位、4381個出版單位。平均每個出版單位出版1.15本期刊，僅出版1種期刊的出版單位就有4205家［3］。我們可以看出，我國期刊眾多，但是小而散，這些小而散的科技期刊很難有比較強的經濟實力單獨開展數(shù)字出版的轉型。尤其是和國際大出版商相比，我國科技期刊的數(shù)字出版還落后很多。進行國際合作的英文學術期刊，充分利用國際數(shù)字出版平臺，在一些流程中實現(xiàn)數(shù)字化，是眾多國內英文科技期刊的選擇。即使如此，我國科技期刊一直堅持不懈地利用一切可利用的資源逐步摸索出自己的數(shù)字化發(fā)展之路。在科技期刊數(shù)字出版過程中，期刊出版人體驗了如圖2（1）到（5）所示的媒體傳播發(fā)展過程。尤其是近幾年，科技期刊媒體融合技術和產品日新月異，科技期刊、期刊集群、超大規(guī)?？壕跀?shù)字出版和媒體融合方面做了大量探索，并取得一定的成績。圖2媒體傳播的發(fā)展1．期刊的數(shù)字出版我國科技期刊在數(shù)字出版方面?zhèn)戎赜谄诳霭嫒鞒痰臄?shù)字化以及為學科服務。目前，我國科技期刊出版流程中很多環(huán)節(jié)已經實現(xiàn)了數(shù)字化、融媒體發(fā)展?？萍计诳瘮?shù)字出版的重點是采編審校、出版、學術傳播和知識服務等環(huán)節(jié)。在出版方面，我國很多科技期刊除出版整期外，還做優(yōu)先出版、預出版，也有期刊支持已經提交預印本庫的文章，還有期刊平臺支持連續(xù)文章出版。相當數(shù)量的科技期刊實現(xiàn)了xml制作、html展示、全媒體出版，并實現(xiàn)一次制作多元，還支持讀者針對文章內容、圖、表等進行交流和評論，甚至記筆記、翻譯和分享。我國有100多家期刊加入雙語出版，使得中文期刊的文章被翻譯后得以在海外傳播。也有期刊打造多媒體欄目，有的視頻，通過多媒體的方式為讀者直觀地呈現(xiàn)原始的研究成果和重大發(fā)現(xiàn)。在學術傳播方面，期刊也是百花齊放。有的通過論文改編或者寫文章評論的方式在其他平臺進行學術推廣；有的充分利用各種數(shù)據(jù)庫、社交平臺、學術傳播平臺、學術媒體進行學術傳播，例如《中國科學數(shù)據(jù)》的平臺可以直接對接ResearchGate傳播期刊論文；有的開通微信、微博、博客等進行學術社交；有的做精準推送；有的增加在線的微視頻、音頻等內容；有的充分利用新媒體領域的短視頻平臺，如今日頭條、九州云播等開展專業(yè)領域的學術推廣活動。在知識服務方面充分發(fā)揮學科特色，如將研究區(qū)域嵌入地圖，進行線上線下推送相關專業(yè)信息、科普信息等；或者充分利用淘寶、抖音、快手等平臺展示專業(yè)內容或科普內容。2．期刊集群的數(shù)字出版期刊集群側重為所屬期刊提供各種單刊不易實現(xiàn)的服務，降低刊均成本。例如，學科刊群比單個期刊容易整合更多學科資源，為本學科提供更豐富的服務，并且還能為所屬期刊提供多種出版服務，進行整體學術推廣，相比單刊有更大的學術影響力。近些年有眾多聲音指出，我國科技期刊很難與國際大出版商同臺競爭的原因是我國期刊小散弱，因此呼吁我國期刊規(guī)?；l(fā)展和集群化發(fā)展。這些年也確實形成了一系列的期刊集群，并逐年擴大，如中華醫(yī)學會醫(yī)學期刊集群、科學出版社期刊群、高等教育出版社期刊集群、清華大學出版社期刊群、浙江大學出版社期刊群、中國光學期刊群、中國地理資源期刊集群等。這些期刊群均建設了自己的網站，并獲得了一定的資金支持。在資源整合方面，如中國材料期刊網實現(xiàn)了期刊資源的集成，除此之外還整合了圖書、專利、專家、會議等學科資源，并增加了虛擬專輯、會議系統(tǒng)等。中國煤炭網有期刊庫、專題庫、專家?guī)?、視頻庫以及煤炭視聽板塊（專家報告、特別訪談、煤炭科普、會議活動等），整合了行業(yè)資源。在平臺建設方面，清華大學出版社期刊集群平臺實現(xiàn)了預出版、OA出版等，還制定TUP-JATS的xml標準。浙江大學出版社期刊中心實現(xiàn)了全流程的數(shù)字化期刊集群平臺建設，平臺集投審稿、內容、運營推廣、讀者服務于一體，打通底層數(shù)據(jù)，實現(xiàn)多終端訪問。中華醫(yī)學會建設CAMJATS標準，采用統(tǒng)一的標準處理期刊相關數(shù)據(jù)，曾中標國家數(shù)字復合出版工程的試點單位和示范單位，并升級采編平臺以及出版平臺，進一步進行資源整合，實現(xiàn)采、編、審、排、加工、多形態(tài)、富媒體出版、移動出版、質量管理、新媒體學術推廣、期刊銷售、會議服務等一體化、現(xiàn)代化的出版和服務體系。高等教育出版社實現(xiàn)采編、運營管理、數(shù)字化生產、數(shù)字化平臺建設、市場營銷與海外合作的體系化發(fā)展。在學術推廣方面，國內的期刊集群化平臺常對接一些學術評價和學術推廣平臺，例如Almetric、TrendMD、Kudos、PubMed、CSCD、百度學術等。在知識服務方面，國內的學科期刊集群通常整合該學科的各種學術資源，為該學科研究人員提供知識服務，或者為期刊、編輯等提供行業(yè)服務。例如中國激光雜志社提供協(xié)同會議系統(tǒng)、DOI注冊、編輯加工等行業(yè)服務，該集群通過舉辦會議聚攏專家資源和學術資源，同時也為光學領域提供服務［4］。3．超大期刊集群的數(shù)字出版國內的超大期刊集群，有知網、萬方、維普、龍源、超星等，特點是能更好地利用大數(shù)據(jù)資源和技術為期刊出版的上游、期刊出版環(huán)節(jié)以及期刊出版的下游提供服務。下面以知網為例敘述超大期刊群的數(shù)字出版。知網整合了我國95%以上的中文學術資源，擁有我國最大最全的中文學術資源庫，也擁有我國最廣最全的讀者群。知網在期刊上游環(huán)節(jié)，為作者以及研究人員提供的服務有：如何查資料、如何申請課題、怎么做實驗、怎么做科研等信息；讀者可通過中國知網、CNKISCHOLAR、全球學術快報、CNKI知識元搜索（碎片化地搜索圖、表、概念、數(shù)字……）等檢索學術論文、基金、碎片化資源、全媒體資源等；可以通過龐大的學者成果庫、學者圈子等獲取專家信息，進行學術社交；可以通過研究型學習平臺獲取或者管理自己關注的學術資源；可以通過大數(shù)據(jù)研究平臺利用統(tǒng)計數(shù)據(jù)獲取學術熱點等信息。在期刊全流程出版環(huán)節(jié)，編輯可以利用選題策劃、學術熱點、期刊按需出版中的用戶分析等模塊進行選題策劃，利用采編排發(fā)一體化出版系統(tǒng)（包括學術不端檢測、文章創(chuàng)新性檢測、

篇2

云計算、大數(shù)據(jù)、人工智能新興領域的崛起，推動信息技術全面滲透于人們的生產生活中。信息技術的核心在于計算機技術和通信技術。然而，雖然目前各個高校都開設了計算機基礎課程，但是其教學卻存在著諸多問題，導致該課程無法達到預期的教學效果。教育部在2012年《教育信息化十年發(fā)展規(guī)劃（2011-2020年）》，其中指明“以教育信息化帶動教育現(xiàn)代化，促進教育的創(chuàng)新與變革”[2]。因此，本文以華中師范大學計算機基礎課程教學為例，深入闡述了傳統(tǒng)計算機基礎課程教學的弊端，提出了在當前人工智能如火如荼的時代背景下，如何應用人工智能相關技術對傳統(tǒng)的計算機基礎教學進行改革的具體方案。該方案以創(chuàng)建網絡智慧課堂教學模式改革為主體，輔以教學觀念、知識體系和課程考核方式改革，以期對高校的計算機基礎課程教學有所裨益。

1傳統(tǒng)教學的缺陷

⑴課程的教學地位沒有引起足夠的重視一些高校為計算機基礎課程分配較少的學時（少于48學時），甚至有的專業(yè)將此課程設置為選修課。這種設置降低了該課程在教師和學生心目中的位置，導致了對該課程的忽視。同時，不少老師因為學時不夠，時間緊迫，僅僅講述與考試相關的內容，不考的一概不講。這導致學生的眼界受限，知識和能力受限，無法培養(yǎng)其全面綜合的計算機素質。還有的專業(yè)沒有將這門課給專業(yè)的計算機學院的老師講授，而是隨意安排授課人員。沒有經過系統(tǒng)專業(yè)訓練的教師缺乏足夠的知識儲備，很難講好這一門看似簡單的課程。⑵課程教學內容的制定與當今時代對于信息化人才的需求脫節(jié)一些高校的現(xiàn)狀是計算機基礎的課程教材知識陳舊[3]、質量堪憂，教材總是無法跟上知識更新的步伐，例如都2019年了還在講Office2010。有的高校由于缺乏對課程的重視，沒有對教材優(yōu)中選優(yōu)，而是基于利益的考慮，優(yōu)先選擇自己院系編寫的教材。其教材內容是七拼八湊，沒有整體性、邏輯性和連貫性，更不用說前瞻性。這樣的教材，無疑對學生的學習設置了巨大的屏障。除此以外，一些院校的課程教學知識體系不夠明確和完善，教學大綱的制定不夠科學。從教學大綱中制定的學時分配來說，常常偏重實用性[4]，常用計算機軟件操作占據(jù)了大部分的課時。這會讓教師在授課時輕理論而重操作，如此培養(yǎng)學生，非常不利于其計算思維的形成，對后續(xù)其他計算機相關課程的學習也是很大的傷害。⑶教學模式過于傳統(tǒng)，信息化水平較低從教學方式上來說，傳統(tǒng)的教學模式以教師課堂授課為中心，是以教師為主體的教學模式[5]。在這種模式下，教師仍然主要以填鴨式教學為主[6]，無法通過課堂教學發(fā)現(xiàn)學生的個性化特點，并進行有針對性的教學。另外，雖然計算機基礎課程一般都配備了實驗課時，但是實驗課常常是采用教師布置上機任務、學生做完抽樣檢查的模式。這對于大課堂來說，教師的任務繁重，無法搜集到每一個學生的任務完成情況，無法清晰地掌握學生學習的實際情況和薄弱環(huán)節(jié)。而且，該課程缺乏相應的研討課時，很難讓學生對其所學知識進行深入思考和探究，以增強思辨能力和對課程的學習興趣。⑷課程考核方式不夠公平合理從考核方式上來說，該課程普遍采用“平時成績”+“期末考試”的加權方式對學生成績進行評定。平時成績多由考勤分所得，期末考試多采用機考模式。這種考核方式過于單一化、機械化，無法對學生進行全方位的評價。很多學生來到教室打考勤，但可能根本沒聽講，而是在睡覺或者玩手機。期末機考的公平合理性也是存在著很多的漏洞。例如機考的試題庫可以十年不變，分值的分配和難度的掌握都沒有經過系統(tǒng)的考量。甚至有的考試系統(tǒng)不夠穩(wěn)定和安全，頻頻爆出Bug，嚴重影響了考試結果的真實性。

2新人工智能環(huán)境下對計算機基礎課程改革的具體方案

2012年開始，在隨著卷積神經網絡技術在視覺處理方面的應用取得巨大的成功之后，人工智能到達了有史以來的第三個爆發(fā)期。目前，深度學習技術在AlphaGo、無人駕駛汽車、機器翻譯、智能助理、機器人、推薦系統(tǒng)等領域的發(fā)展如火如荼。與此同時，人工智能技術在教育領域方面的應用已經興起。人工智能的教學產品也已有先例，例如基于MOOC平臺研發(fā)的教學機器人MOOCBuddy等等。基于人工智能的教育是融合云計算、物聯(lián)網、大數(shù)據(jù)、VR、區(qū)塊鏈等新興技術的增強型數(shù)字教育[2].在當前人工智能的大時代背景下，針對傳統(tǒng)計算機基礎的種種弊端，我們提出了如下教學改革方案。⑴改變教學理念，確立計算機基礎課程的重要地位計算機基礎作為高校的一門公共課，實則應當作為各個專業(yè)的學生后續(xù)的學習、科研的必修之課程。因此，高等學校應從源頭上確立該課程的重要地位，將該課程納入必修課范疇，并給與更充分合理的課時分配。除教學課時、實驗課時之外，需要為該課程增加一定的研討課時。任課老師必須是來自于計算機專業(yè)的人才。同時，定時舉辦關于該課程的教學培訓、教學研討會和教學比賽，改變教師的教學理念，從源頭上給予該課程足夠的重視。⑵優(yōu)化教學內容，重新制定課程的教學知識體系教材是教師教學的主要依據(jù)，也是學生獲得系統(tǒng)性知識的主要來源。因此，教材對于教學的重要性不言而喻。教材的選取需要優(yōu)中擇優(yōu)，必要的時候可以根據(jù)自身院校的情況自己編寫，力求使用好的教材使教學事半功倍。在選定優(yōu)質教材的基礎上，制定更加合理的教學大綱，優(yōu)化計算機基礎課程的教學知識體系，突出計算機學科入門相關基礎理論知識的重要地位。對現(xiàn)有的過時內容進行更新，例如操作系統(tǒng)以Windows10的操作取代Windows7，Office這部分使用Office2019版本取代2010的版本，同時增加關于算法入門知識、程序設計入門知識以及人工智能、區(qū)塊鏈等前沿知識單元的介紹。以華中師范大學為例，我們在圖1中給出了該校計算機基礎課程的教學知識體系結構圖。⑶充分利用現(xiàn)代化的教學工具和人工智能技術，構建智慧課堂，改變傳統(tǒng)教學模式現(xiàn)代化的教學應當轉變以教師為核心的教學模式，更加突出學生的主體性地位。因此，在人工智能、物聯(lián)網、大數(shù)據(jù)等技術和蓬勃發(fā)展的情形下，應當改變傳統(tǒng)的課堂教學形式，充分利用現(xiàn)代化信息技術，將傳統(tǒng)課堂教學和網絡課堂教學模式相結合，構建智慧課堂。融合課堂教學身臨其境的效果與網絡課堂自主性強且方便師生交流的特點，通過師生之間多層次、立體化的互動，達到提升教學效果的目的。同時，建立功能強大、完善的學生實驗平臺，基于不同專業(yè)學生的不同特點和不同需求，進行個性化的作業(yè)設置。針對教師布置的實驗任務和學生的完成情況，結合在線網絡教學系統(tǒng)，通過傳感器及網絡數(shù)據(jù)，搜集學生的學習行為數(shù)據(jù)，并且使用人工智能算法進行智能分析，使教師對當前的學生的學習情況一目了然，并能引導學生對重點、難點的鞏固和掌握。研討課以學生為主體，按照所選課題進行分組調研、分組討論，刺激學生的學習興趣，培養(yǎng)其思辨能力。研討內容最終可以課程論文的形式上交至課程共享平臺，由教師和同學共同給出評分。這里，仍以華中師范大學為例，我們將在線教學系統(tǒng)、實驗課平臺、研討課共享平臺等集成為一個基于人工智能技術的網絡智慧教學綜合平臺系統(tǒng)。該系統(tǒng)主要包括用戶管理、在線教學、課堂互動、作業(yè)管理、考試管理、BBS系統(tǒng)、智能分析和平臺管理8個模塊，其主要功能如圖2所示。該系統(tǒng)采用C/S模式，系統(tǒng)的服務器選用Linux服務器，同時開發(fā)基于PC機的和手機端的客戶端系統(tǒng)，方便學生和教師隨時選用、更加靈活。在線教學模塊中的智能學習助理功能，能夠根據(jù)歷史用戶的學習行為和當前用戶的學習行為，自動地識別學習內容中的難點以及當前學生的難點內容，有針對性地對學生進行知識點強化。課堂互動模塊中，通過可穿戴式傳感器搜集學生的學習行為，用于后續(xù)智能分析模塊中對學生的學習態(tài)度和學習行為進行智能分析。在線作業(yè)評價模塊包括機器評價和教師評價兩個功能。機器評價是系統(tǒng)為學生作業(yè)（客觀題、主觀題）自動評分，其中主觀題的評分也是使用人工智能技術來實現(xiàn)。教師評分時可以參考機器評分，減少教師工作量。同時，教師評分為機器評分提供機器學習的經驗數(shù)據(jù)，促進機器評分更加智能。智能分析模塊能夠依據(jù)學生的在線課程學習模塊、課堂學習模塊、作業(yè)管理模塊等搜集到的學習行為數(shù)據(jù)進行綜合分析，促使教師深入了解學生的學習情況和個性化特點，提升教學的針對性，并且有助于后續(xù)對學生進行全面、綜合的分析和成績評定。所有系統(tǒng)模塊中使用到的智能分析技術包括基本的統(tǒng)計分析、以及各類機器學習算法（k-means,NaveBayes,SupportVectorMachine,DeepLearning等等）。⑷改變傳統(tǒng)成績考核的方式在“教學”+“實驗”+“研討課”課程結構以及網絡智慧教學綜合平臺的輔助之下，學生的成績評定更加全面化、多元化、公平化、自動化[7]。平時成績中，除了教學綜合平臺的“課堂簽到”次數(shù)之外，還增加更多豐富多元化的考察信息，如：學生的課堂討論、在線課程學習和考核結果、平時作業(yè)完成情況，以及智能分析模塊中輔助分析的學習態(tài)度、學習能力、平時成績預測。期末上機考試系統(tǒng)也是智慧課堂綜合平臺的一個子模塊，是精心設計的穩(wěn)定、安全、功能強大的子系統(tǒng)，方便教師每一年更新試題庫，修改bug。試題庫中的每一套試卷都應當經過科學的考卷質量分析，使其難度、覆蓋范圍在一個均衡、合理的范圍。最后，教師通過對各類平時成績指標以及期末考試成績加權，給出最終的學習成績。通過規(guī)范、合理、公平、全面的考核體系，獲得對學生公平、完善的評價機制，激勵學生并刺激教學良性運轉。

篇3

工程教育認證要求通過認證的工程專業(yè)不僅要深入理解和把握復雜工程問題，更要按照國際實質等效原則培養(yǎng)學生具有解決復雜工程問題的能力［1］。目前，針對計算機相關專業(yè)解決復雜工程問題能力培養(yǎng)的研究還處于探索階段。許智宏等人認為可采用半開放式項目驅動教學方法達成目標［2］;尚鳳軍提出課程群建設面向復雜工程設計的方案［3］;黃永紅等人認為可增設綜合訓練項目來達到培養(yǎng)目標［4］。劉秀平等人提出了分層實施方案，從知識、實踐、設計的維度支撐了解決復雜工程問題的能力［5］。王宏宇等人提出了以學科競賽主題為對象，遵循工程邏輯設計開發(fā)過程的課程建設改革方法［6］。許多研究成果對于分解落實解決復雜工程問題能力的培養(yǎng)缺乏深入探索，對于如何優(yōu)化課程設計體系和內容來提高學生解決復雜工程問題的能力方面也缺乏深入研究。

1課程設計改革的意義

完備的實踐教學體系主要包括課程實驗、課程設計、實習、畢業(yè)設計(論文)等。通常，國內高校都將畢業(yè)設計(論文)環(huán)節(jié)作為實現(xiàn)解決復雜工程問題的重要載體。但近年來，畢業(yè)設計期間應聘、考研等擠占了學生很多時間和精力，設計內容往往弱化甚至忽略難以處理的學科交叉問題和非技術因素，且畢業(yè)設計往往采取一人一題，很難達到個人與團隊的教學指標。課程實驗往往隨理論授課逐周分散進行，受學時限制以及學生知識掌握處于積累階段等因素，一些深度型、探究型、綜合型的實驗往往很難開展。實習由于受到場地、經費、管理難度、企業(yè)技術保密等限制，往往缺乏理論指導下的實踐。一些計算機類專業(yè)學生到實習單位后，只能接觸一些前端頁面或模塊代碼的機械性編寫，無法接觸軟件或硬件的具體設計過程，有些專業(yè)實習甚至畸變?yōu)槠髽I(yè)參觀?！队嬎銠C類專業(yè)教學質量國家標準》要求計算機類專業(yè)學生4年的實驗當量應不少于2萬行代碼。在課程設計方面，要求至少完成兩個有一定規(guī)模和復雜度的系統(tǒng)的設計與開發(fā)。調研發(fā)現(xiàn)，實踐教學體系中提高學生解決復雜工程問題的環(huán)節(jié)應保證時間的集中性，內容的規(guī)模和復雜度要達到國家標準中的要求，且應在理論的指導下開展，課程設計比較符合這一要求，應作為提升學生解決復雜工程問題能力培養(yǎng)的關鍵突破口。

2課程設計改革宗旨和研究方法

2.1課程設計改革宗旨

第一，以培養(yǎng)學生解決復雜工程問題能力為主線，突出工程技術應用能力的培養(yǎng)，強調自主學習和終身學習意識培養(yǎng)，全面提升學生的能力和素質。第二，使學生能夠設計針對復雜工程問題的解決方案，在設計環(huán)節(jié)中體現(xiàn)創(chuàng)新意識，實現(xiàn)多方案分析與評價，從而全面提升實踐教學效果。第三，使學生深入掌握工程原理，結合工程實踐，體現(xiàn)綜合運用，提升解決復雜工程問題的能力。第四，分解落實解決復雜工程問題能力的培養(yǎng)，課程設計的持續(xù)改進逆向推進課程體系的整體優(yōu)化。第五，構建計算機專業(yè)完善的實踐教學體系和課程群體系，建立各項實踐教學活動的持續(xù)改進機制。

2.2基本研究方法

第一，調研法。采取調研問卷調查和訪談的方式，對目前已畢業(yè)學生、在校生(包括計算機類專業(yè)本科生、研究生)、教師(包括教學管理、教學一線、教輔等多層面)開展調研。同時走訪和調研部分高校、IT企業(yè)和專業(yè)培訓機構等。第二，逆向研究法。從實踐入手，逆向優(yōu)化專業(yè)類知識體系教學。第三，分析建模法。對調研數(shù)據(jù)、教學環(huán)節(jié)統(tǒng)計與考核數(shù)據(jù)、質量保證監(jiān)控數(shù)據(jù)進行科學分析，借助人工智能手段進行建模優(yōu)化。第四，螺旋優(yōu)化、研以致用法。杜絕紙上談兵，形成的專業(yè)課程設計內容設置實施方案(含教改方案、教學大綱、課程標準、考核標準等)，直接實施于一線教學活動，并通過實施效果的反饋螺旋優(yōu)化后續(xù)方案。

3課程設計改革實踐

課程設計計劃的實施要求指導教師明確課程設計對應于工程教育認證標準具體的畢業(yè)要求指標點，并要在課程設計過程中堅持實施。明晰課程設計對畢業(yè)要求指標點的支撐作用，為合理安排課程設計的內容明確了指導思想。本校計算機科學與技術專業(yè)培養(yǎng)方案以工程教育專業(yè)認證為背景，共設置11門課程設計。一類課程設計在前5學期開設，涉及專業(yè)類知識課程門數(shù)相對較少，具體包括以下7門課程設計:C語言程序設計課程設計、Java程序設計課程設計、數(shù)據(jù)結構與算法課程設計、數(shù)據(jù)庫原理課程設計、計算機網絡課程設計、C++程序設計課程設計、JavaEE編程技術課程設計。以上課程設計以語言開發(fā)為主，是培養(yǎng)學生計算思維、軟件工程設計規(guī)范、計算機語言開發(fā)能力的基礎。指導教師面向解決復雜工程問題培養(yǎng)，認真設定課程設計題目和內容。以學生為中心，強調基礎性、技能性、應用性、工程性和創(chuàng)新性，采用問題驅動和求解漸進化方式不斷提升學生解決復雜工程問題的能力。每門課程設計在具體實施中，指導教師始終探索課程設計如何解決承上(課程實驗)啟下(畢業(yè)設計和實習)，并不斷思考和探索課程設計如何逆向優(yōu)化專業(yè)類知識課程的教學活動。計算機科學與技術專業(yè)另一類課程設計在第6和第7學期設置，綜合性較強(在某些高?；驅I(yè)有時被稱為“綜合開發(fā)實訓”或“綜合訓練項目”等，但通常拘泥于一種開發(fā)語言或技術)。綜合類課程設計有4門:A.體系結構課程設計。專業(yè)類知識課程涉及體系結構、計算機組成原理、編譯原理、匯編與接口技術、計算機網絡等硬件類和系統(tǒng)類課程。B.操作系統(tǒng)課程設計。專業(yè)類知識課程涉及操作系統(tǒng)、Linux系統(tǒng)等系統(tǒng)軟件類課程和部分高級語言類課程。C.軟件開發(fā)綜合課程設計。專業(yè)類知識課程涉及各種高級語言類課程(如Java、C、C++)、軟件工程、數(shù)據(jù)結構與算法、數(shù)據(jù)庫原理等軟件開發(fā)類課程。D.Python與人工智能課程設計。專業(yè)類知識課程涉及各種高級語言類課程(如Python、Java、C、C++)、數(shù)據(jù)結構與算法、人工智能導論等課程。綜合類課程設計涉及大量通識類知識和學科基礎知識，具有較高的綜合性，包含多個相互關聯(lián)的子問題，體現(xiàn)問題和系統(tǒng)的規(guī)模、難度、復雜度、綜合性。課程設計更強調培養(yǎng)學生的系統(tǒng)觀，使學生能夠站在系統(tǒng)的高度，以系統(tǒng)的視角去看問題，去適應錯綜復雜的應用場景，最終實現(xiàn)問題的系統(tǒng)化、科學化求解。“軟件開發(fā)綜合課程設計”綜合了之前的.NET綜合課程設計、Java綜合課程設計等軟件開發(fā)類課程設計。根據(jù)工程教育專業(yè)認證要求，這門課程設計并不拘泥于某一種語言或技術要求，要求學生能夠針對復雜工程問題，選擇與使用恰當?shù)募夹g、資源、現(xiàn)代工程工具和信息技術工具等設計開發(fā)一套軟件系統(tǒng)，并通過對比得到有效結論。“Python與人工智能課程設計”以解決復雜工程問題入手，學生首先分析問題建立模型，然后給出解決方案和算法設計，通過Python語言及其擴展庫編程實現(xiàn)系統(tǒng)，最后通過設計方案、模型、算法、開發(fā)語言等多個角度對比分析給出所設計系統(tǒng)的客觀性評價。在2017版培養(yǎng)方案中該課程設計為“Python程序設計課程設計”，設計內容包含了軟件開發(fā)、大數(shù)據(jù)、人工智能、深度學習等。2019版培養(yǎng)方案中，專業(yè)增設了1門48學時的人工智能導論理論課，Python程序設計和人工智能導論合并為1門2周的“Python與人工智能課程設計”?！绑w系結構課程設計”和“操作系統(tǒng)課程設計”是專業(yè)認真研究工程教育認證標準后于2019版人才培養(yǎng)方案中新設置的2門課程設計。在學時緊張的情況下，專業(yè)仍增設了這2門綜合類課程設計，力圖保證學生硬件系統(tǒng)、組成原理、體系結構、操作系統(tǒng)方面的綜合設計能力培養(yǎng)質量，保證人才培養(yǎng)的系統(tǒng)性和專業(yè)性。課程設計具體實施過程中，指導教師以突破解決復雜工程問題能力培養(yǎng)為核心安排課程設計內容，使學生的能力培養(yǎng)達到工程教育認證標準的培養(yǎng)要求，反復思考和嘗試解決以下關鍵問題:第一，課程設計內容重點覆蓋了《華盛頓協(xié)議》7個特征中的哪些特征?課程設計的規(guī)模、難度、復雜度、綜合性是否能滿足工程教育認證背景下的解決復雜工程問題的要求?第二，課程設計中，如何運用深入的而不是淺顯的工程原理，經過什么樣的分析，而不是直接套用原理、公式來解決設計目標?第三，課程設計中學生在哪些理論指導下進行實踐?加深對哪些原理的理解?第四，為了突出復雜工程問題的解決，與課程設計相關的一門或多門相關課程的講授環(huán)節(jié)中，將對傳統(tǒng)的授課方式、方法和內容采取哪些變化?與課程設計相關的理論知識講授和基本實驗環(huán)節(jié)能否為學生完成課程設計奠定扎實基礎?第五，課程設計是否要引入混合式教學?如果引入，混合式教學將如何提高課程設計效果?第六，從以學生為中心的角度分析學生如何通過課程設計和相關理論的學習，實現(xiàn)從“學了”到“學會”再到“會應用”?第七，課程設計“能力培養(yǎng)”如何量化考核，“復雜度”如何評價?以產出為導向，如何建立持續(xù)的人才培養(yǎng)改進機制?通過指導教師的不斷思考和改革嘗試，使各門課程設計實現(xiàn)了設計理念的轉變、從簡單到綜合的轉變、從單一系統(tǒng)到增加對比分析、綜合評價等突破常規(guī)的轉變。

4課程設計改革效果

課程設計改革使計算機科學與技術專業(yè)逐步形成一套課程設計內容設置實施方案(含教改方案、教學大綱、課程標準、形成性考核標準等)，并直接實施于現(xiàn)有教學活動。通過培訓和專家輔導講座等形式，指導教師深刻理解了工程教育認證的本質和內涵，改變了傳統(tǒng)的課程設計理念。以復雜工程問題的提出和解決為課程設計核心，突出產出導向，精心設計課程設計題目，優(yōu)化課程設計考核指標，建立了課程設計持續(xù)改進機制。課程設計改革在人才培養(yǎng)方面取得了切實效果。第一，以培養(yǎng)學生解決復雜工程問題能力為主線，突出工程技術應用能力的培養(yǎng)，增強了學生自主學習和終身學習意識培養(yǎng)，設計理念更符合學科發(fā)展趨勢。第二，使學生能夠設計針對復雜工程問題的解決方案，在設計環(huán)節(jié)中體現(xiàn)創(chuàng)新意識，養(yǎng)成了多方案分析、對比和評價的設計習慣。第三，使學生逐步掌握深入的工程原理，結合工程實踐，綜合運用，提升了解決復雜工程問題的能力。第四，以課程設計內容設置為突破口，逆向推進課程體系設置整體優(yōu)化，使學生通過實踐逆向推動理論課學習的興趣和動力，學生的理論素質進一步提升。課程設計改革首先在省級一流本科專業(yè)“計算機科學與技術”專業(yè)實施，并推廣至軟件工程、數(shù)據(jù)科學與大數(shù)據(jù)技術、物聯(lián)網工程三個計算機類本科專業(yè)。與信息技術密切且相關的電子商務、電子信息工程、機器人工程等專業(yè)也逐步開展了面向復雜工程問題能力培養(yǎng)的課程設計改革，取得了切實有效的實施效果。

5結語

截至2018年，計算機類專業(yè)已達3349個專業(yè)點，培養(yǎng)學生復雜工程問題的解決能力，是工程教育專業(yè)認證對工程類專業(yè)人才培養(yǎng)的核心要求，也是一流本科專業(yè)建設的核心目標之一。隨著工程教育認證的普及開展，面向OBE理念，突出解決復雜工程問題能力培養(yǎng)的課程設計改革越發(fā)迫切和必要。只有不斷改革，建立持續(xù)改進機制，才能不斷優(yōu)化計算機教育教學工作，為信息技術產業(yè)培養(yǎng)更多優(yōu)秀人才，推動我國信息技術產業(yè)的蓬勃發(fā)展。

參考文獻:

［1］林健.如何理解和解決復雜工程問題:基于《華盛頓協(xié)議》的界定和要求［J］．高等工程教育研究，2016，(05):17－26，38.

［2］許智宏，李妍，董永峰，等.半開放式項目驅動復雜工程問題能力培養(yǎng)實踐［J］．計算機教育，2019，(02):37－40.

［3］尚鳳軍.面向復雜工程問題的計算機人才創(chuàng)新能力培養(yǎng)體系研究［J］．計算機教育，2016，(09):70－73.

［4］黃永紅，蔡曉磊，劉國海，等.電氣類專業(yè)“復雜工程問題”的理解與實踐［J］．電氣電子教學學報，2018，40(06):15－18，22.

篇4

隨著人工智能技術的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低，越來越多的創(chuàng)業(yè)公司加入人工智能的陣營。

2018年被稱為人工智能爆發(fā)的元年，人工智能技術應用所催生的商業(yè)價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創(chuàng)業(yè)公司紛紛涌入，將人工智能拉到了信息產業(yè)革命的風口。

如何把握產業(yè)動向，抓住風口機會？創(chuàng)業(yè)邦研究中心憑借在人工智能等前言科技領域持續(xù)研究、洞察的能力，在對國內人工智能創(chuàng)業(yè)公司進行系統(tǒng)調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創(chuàng)業(yè)公司的布局、未來發(fā)展態(tài)勢和投資機會進行了深度解析。

第一部分人工智能行業(yè)發(fā)展概述

1.人工智能概念及發(fā)展

人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現(xiàn)出來的智能，即通過普通計算機程序的手段實現(xiàn)的類人智能技術。

自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發(fā)展歷程。2010年以后，深度學習的發(fā)展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業(yè)化和全球化浪潮席卷而來。

人工智能發(fā)展歷程

2.人工智能產業(yè)鏈圖譜

人工智能產業(yè)鏈可以分為基礎設施層、應用技術層和行業(yè)應用層。

A基礎層，主要有基礎數(shù)據(jù)提供商、半導體芯片供應商、傳感器供應商和云服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫(yī)療、安防、金融、營銷等領域是業(yè)內人士普遍比較看好方向。

人工智能產業(yè)鏈

資料來源：創(chuàng)業(yè)邦研究中心

第二部分人工智能行業(yè)巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發(fā)力。

資料來源：券商報告、互聯(lián)網公開信息，創(chuàng)業(yè)邦研究中心整理

第三部分機器視覺技術解讀及行業(yè)分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數(shù)字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯(lián)網公開信息，創(chuàng)業(yè)邦研究中心整理

2.發(fā)展關鍵要素：數(shù)據(jù)、算力和算法

數(shù)據(jù)、算力和算法是影響機器視覺行業(yè)發(fā)展的三要素。 人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數(shù)據(jù)訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學習出現(xiàn)后，機器視覺的主要識別方式發(fā)生重大轉變，自學習狀態(tài)成為視覺識別主流，即機器從海量數(shù)據(jù)里自行歸納特征，然后按照該特征規(guī)律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業(yè)模式分析

機器視覺包括軟件平臺開發(fā)和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業(yè)模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態(tài)構建者，適合以“全產業(yè)鏈生態(tài)+場景應用”作為突破口，加速商業(yè)化。

（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口

這種商業(yè)模式主要是提供以工程師為主的企業(yè)級軟件服務。有海量數(shù)據(jù)支撐，構建起功能和信息架構較為復雜的生態(tài)系統(tǒng)，推動最末端的消費者體驗。

此類商業(yè)模式成功關鍵因素：深耕算法和通用技術，建立技術優(yōu)勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內外基礎算法應用對比

資料來源：互聯(lián)網公開信息，創(chuàng)業(yè)邦研究中心整理

（2）軟硬件一體化：生態(tài)構建者—“全產業(yè)鏈生態(tài)+場景應用”作為突破口

軟硬一體化的商業(yè)模式是一種“終端+軟件+服務”全產業(yè)鏈體系。成功的因素是大量算力投入，海量優(yōu)質數(shù)據(jù)積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統(tǒng)、應用和服務一體化的生態(tài)系統(tǒng)，各部分相輔相承，銳化企業(yè)競爭力，在產業(yè)鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數(shù)據(jù)采集設備和數(shù)據(jù)處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發(fā)，結合先進的算法開發(fā)模塊和產品，這類企業(yè)將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統(tǒng)的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數(shù)據(jù)，得到的模型在處理帶有復雜背景及暗光環(huán)境下的手勢識別問題時，比傳統(tǒng)方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現(xiàn)應用。服務機器人與工業(yè)機器人最大的區(qū)別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數(shù)據(jù)是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始于學術界，但作為商業(yè)應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續(xù)不斷的優(yōu)質場景數(shù)據(jù)，又有挖掘該數(shù)據(jù)價值的先進技術時，商業(yè)模式和數(shù)據(jù)模式上就能形成協(xié)同效應。創(chuàng)業(yè)公司要么通過自有平臺獲取數(shù)據(jù)，要么選擇與擁有數(shù)據(jù)源的公司進行合作，同時選擇一個商業(yè)落地的方向，實現(xiàn)快速的數(shù)據(jù)循環(huán)。

第四部分智能語言技術解讀及行業(yè)分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續(xù)升溫

語音識別技術已趨成熟，全球應用持續(xù)升溫。語音識別技術經歷了長達60年的發(fā)展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據(jù)Google Trends統(tǒng)計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平臺擴大生態(tài)圈成主流

語音識別即將進入大規(guī)模產業(yè)化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態(tài)產業(yè)鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態(tài)系統(tǒng)。

（3）語音識別技術發(fā)展瓶頸與趨勢

低噪聲語料下的高識別率在現(xiàn)實環(huán)境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環(huán)境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環(huán)境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，云端識別并非通行的最優(yōu)方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發(fā)展的方向。

2.自然語言處理（NLP）發(fā)展現(xiàn)狀

（1）多技術融合應用促進NLP技術及應用的發(fā)展

深度學習、算力和大數(shù)據(jù)的爆發(fā)極大促進了自然語言處理技術的發(fā)展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發(fā)揮對大數(shù)據(jù)和算力資源的利用，語義理解的發(fā)展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協(xié)同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數(shù)據(jù)飽和度和標準性較強的行業(yè)），技術上實現(xiàn)可能性相對較低。在各種技術融合應用發(fā)展的情況下，具備獲取一定優(yōu)質數(shù)據(jù)資源能力并可結合行業(yè)Domain knowledge構建出技術、產品、用戶反饋閉環(huán)的企業(yè)會有更好的發(fā)展機會。

（2）NLP主要應用場景

問答系統(tǒng)。問答系統(tǒng)能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學習技術，跨模態(tài)地把文本和圖片聯(lián)系起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統(tǒng)。對話系統(tǒng)的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統(tǒng)和對于對話目標的理解，去生成一個回復。

（3）創(chuàng)業(yè)公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業(yè)化應用已經開始進入大規(guī)模爆發(fā)的前夜。

2)應用于垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業(yè)為切入點，深耕垂直領域，對創(chuàng)業(yè)公司也是一個不錯的選擇。

第五部分人工智能在金融行業(yè)的應用分析

人工智能產業(yè)鏈包含基礎層、技術層、應用層三個層面?；A層的大數(shù)據(jù)、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。

人工智能在金融行業(yè)的典型應用情況

資料來源：創(chuàng)業(yè)邦研究中心

第六部分人工智能在醫(yī)療行業(yè)的應用分析

1.人工智能在醫(yī)療行業(yè)的應用圖譜

人工智能在醫(yī)療行業(yè)的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫(yī)學影像、智能化器械、藥物挖掘和醫(yī)院管理等領域均有企業(yè)在布局，其中醫(yī)學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發(fā)展速度較快。

圖 人工智能在醫(yī)療行業(yè)的應用圖譜

資料來源：創(chuàng)業(yè)邦研究中心

2.人工智能在醫(yī)療行業(yè)的具體應用場景

醫(yī)學影像。人工智能應用于醫(yī)學影像，通過深度學習，實現(xiàn)機器對醫(yī)學影像的分析判斷，是協(xié)助醫(yī)生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫(yī)生看圖/讀圖的效率，協(xié)助發(fā)現(xiàn)隱藏病灶。 人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區(qū)自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發(fā)上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩(wěn)定性和副作用，快速 、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優(yōu)化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監(jiān)測管理臨床試驗過程中的患者服藥依從性和數(shù)據(jù)收集過程，提高臨床試驗的準確性。

虛擬助理。醫(yī)療虛擬助理是基于醫(yī)療領域的知識系統(tǒng)，通過人工智能技術實現(xiàn)人機交互，從而在就醫(yī)過程中，承擔診前問詢、診中記錄等工作，成為醫(yī)務人員的合作伙伴，使醫(yī)生有更多時間可以與患者互動。醫(yī)療虛擬助理根據(jù)參與就醫(yī)過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業(yè)分析

1.智能駕駛行業(yè)產業(yè)鏈

智能駕駛行業(yè)的中心業(yè)務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業(yè)務鏈中扮演至關重要的一環(huán)。

產業(yè)鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。

智能駕駛產業(yè)鏈圖譜

資料來源：創(chuàng)業(yè)邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然 后伴隨半無人駕駛的普及進入穩(wěn)速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業(yè)鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之 外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業(yè)帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發(fā)展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業(yè)鏈衍生市場的大規(guī)模催化擴張。

根據(jù)獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統(tǒng)整合占比 14%，車聯(lián)網部分占比 11%。按照全球 1 億輛量 產規(guī)模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規(guī)模在 2020 年 將達到 3100 億美元。

第八部分中國人工智能企業(yè)畫像分析

隨著人工智能技術的不斷成熟，人工智能創(chuàng)業(yè)的難度逐步降低。創(chuàng)新的大門吸引眾多創(chuàng)業(yè)企業(yè)進入。為了觀察行業(yè)風向，助力創(chuàng)新企業(yè)發(fā)展，創(chuàng)業(yè)邦研究中心對國內200多家人工智能創(chuàng)業(yè)公司進行了系統(tǒng)調研，從發(fā)展能力、創(chuàng)新能力、融資能力等多維度指標，評選出“2018中國人工智能創(chuàng)新成長企業(yè)50強”。

地域分布

全國88%的人工智能企業(yè)聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業(yè)最多，占比高達39.66%;其次是上海，人工智能企業(yè)占比達21.55%;位列第三的是廣東，人工智能企業(yè)占達15.52%。北京以領先全國其他地區(qū)的政策環(huán)境、人才儲備、產業(yè)基礎、資本支持等，成為人工智能創(chuàng)業(yè)首要陣地;華東地區(qū)的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業(yè)園;廣東互聯(lián)網產業(yè)發(fā)達，企業(yè)對數(shù)據(jù)需求強烈，依靠大數(shù)據(jù)產業(yè)鏈推動人工智能產業(yè)發(fā)展。

行業(yè)分布

從行業(yè)大類分布來看，行業(yè)應用層的企業(yè)占比最大，為56.03%;其次是應用技術層的企業(yè)，占比達31.04%;基礎技術層的企業(yè)占比最小，僅為12.93%。隨著人工智能技術的發(fā)展，人工智能與場景深度融合，應用領域不斷擴展，行業(yè)應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據(jù)行業(yè)領先地位， 國內與國際差距明顯，中小初創(chuàng)企業(yè)很難進入。

從行業(yè)應用來看，智能金融企業(yè)占比最大，為16.92%;其次是機器人企業(yè)，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業(yè)的強數(shù)據(jù)導向為人工智能的落地提供了產業(yè)基礎，智慧金融被列入國家發(fā)展規(guī)劃中，龐大的金融市場為人工智能落地帶來了發(fā)展前景。機器人作為人工智能產業(yè)落地輸出， 目前市場需求較大，商業(yè)機器人占據(jù)較大份額。中國智能駕駛市場在資本推動下進入者較多，企業(yè)積極推動應用落地，百度、北汽等大型企業(yè)嘗試商業(yè)化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創(chuàng)企業(yè)涉入教育藍海，推動智慧教育的發(fā)展。

收入情況

收入分布在500-10000萬之間的企業(yè)最多，占比達49.14%;500萬以下的企業(yè)位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業(yè)，占比為17.24%。

最新估值

企業(yè)最新估值均在億元級別，且分布較為均衡。三成企業(yè)估值超過15億元，還有企業(yè)估值達到百億級別，如優(yōu)必

選科技、達闥科技和商湯科技等，將來或將躋身人工智能獨角獸企業(yè)。(備注：分析樣本量剔除一半未披露企業(yè))

第九部分典型企業(yè)案例分析

1.Atman

企業(yè)概述

Atman由來自微軟的人工智能科學家和產業(yè)經驗豐富的產品團隊創(chuàng)辦，提供專業(yè)領域機器翻譯、機器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產品，致力于成為醫(yī)學、新聞、法律等專業(yè)領域語言智能專家，為專業(yè)領域用戶賦能，推動專業(yè)領域用戶進入人工智能時代，助力專業(yè)領域文字智能水平實現(xiàn)跨越式提升。Atman已為強生、新華社參考消息、北大法寶、君合律師事務所等世界領先藥企、新聞媒體、法律服務機構開發(fā)機器翻譯、機器寫作、知識圖譜、大數(shù)據(jù)智能采集挖掘等語言智能產品。

目前Atman在北京和蘇州兩地運營，能快速響應全國各地客戶需求。

企業(yè)團隊

創(chuàng)始人&CEO：馬磊

清華大學計算機系畢業(yè)，曾先后在微軟研究院和工程院擔任研究員和架構師，機器學習專家、多次創(chuàng)業(yè)者、曾主導多項人工智能重大項目，和申請國際專利共計15+項。

Atman公司核心團隊由來自微軟、百度、法電等領域高端人才和資深技術人才組成，公司員工40人，其中碩士以上學歷占比60%，技術開發(fā)人員占比70%，一半以上來自微軟亞洲研究院和工程院。

核心技術與產品

技術方面，擅長機器學習（深度學習、強化學習、群體智能）在復雜問題的應用，和國際專利15項，Atman神經網絡機器翻譯系統(tǒng)于2016年9月首秀，早于谷歌的GNMT，專業(yè)領域翻譯效果在公測標準和行業(yè)客戶測試中均持續(xù)領先。核心產品為垂直領域機器翻譯、機器寫作、知識圖譜抽取構建、大數(shù)據(jù)智能挖掘等語言智能產品。

Atman的機器翻譯產品可自動翻譯編輯專業(yè)文獻、報告、音視頻和網頁，支持私有部署和云端混合部署，提供包括數(shù)據(jù)隱私安全以及自學習的端到端解決方案。

機器寫作可對海量數(shù)據(jù)進行快速搜索、過濾、聚類，根據(jù)行業(yè)需求自動生成專業(yè)文檔，適用于所有專業(yè)寫作場景，可大幅減少專業(yè)報告寫作過程中的繁復工作，大幅提升專業(yè)領域寫作效率。

知識圖譜可實現(xiàn)海量數(shù)據(jù)的語義檢索、長鏈推理、意圖識別、因果分析，形成一個全局知識庫。大數(shù)據(jù)智能采集挖掘系統(tǒng)為專業(yè)領域用戶提供智能數(shù)據(jù)源管理、海量專業(yè)數(shù)據(jù)獲取和非結構化數(shù)據(jù)自動解析并結合知識圖譜提供auto-screening、知識重構、專業(yè)決策輔助，幫助用戶建立強大的以專業(yè)大數(shù)據(jù)為基礎的業(yè)務輔助能力。

2.黑芝麻

企業(yè)概述

黑芝麻智能科技有限公司是一家視覺感知核心技術與應用軟件開發(fā)企業(yè)，2016年分別在美國硅谷和上海成立研發(fā)中心，主攻領域為嵌入式圖像、計算機視覺，公司核心業(yè)務是提供基于圖像處理、計算圖像以及人工智能的嵌入式視覺感知平臺，為ADAS及自動駕駛提供完整的視覺感知方案。

目前公司和博世、滴滴、蔚來、上汽、上汽大通、EVCARD、中科創(chuàng)達、車聯(lián)天下和云樂新能源等展開深入合作，提供基于視覺的感知方案；除此之外，公司還在消費電子、智能家居等領域布局為智能終端提供視覺解決方案。目前公司已經完成A+輪融資。

企業(yè)團隊

團隊核心成員來自于OmniVision、博世、安霸、英偉達和高通等知名企業(yè)，平均擁有超過15年以上的產業(yè)經驗，畢業(yè)于清華、交大、中科大和浙大等知名高校。

創(chuàng)始人&CEO：單記章此前在硅谷一家全球頂尖的圖像傳感器公司工作近20年，離職前擔任該公司的技術副總裁一職，工作內容覆蓋了圖像傳感器研發(fā)和設計、圖像處理算法研發(fā)和圖像處理芯片設計。

核心技術和產品

在汽車領域，黑芝麻可提供車內監(jiān)控方案（DMS），自動泊車方案（AVP），ADAS/自動駕駛感知平臺方案。黑芝麻智能科技提供的解決方案包括算法和芯片兩個核心部分：黑芝麻感知算法從基礎的控光技術，到面向AI的圖像處理技術出發(fā)來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程；黑芝麻芯片平臺采用獨有的神經網絡架構，包括獨有的圖像處理，視頻壓縮和計算機視覺模塊，與黑芝麻視覺算法結合，采用16nm制程，設計功耗2.5w，每秒浮點計算達20T。

3.乂學教育

企業(yè)概述

乂學教育，成立于2014年，是一家網絡教育培訓機構，采用人工智能和大數(shù)據(jù)技術，為學生提供量身定制學習解決方案和個性化學習內容。核心團隊來自美國Knewton、Realizeit、ALEKS等人工智能教育公司，銷售團隊有全國40億toC銷售額的經驗。

企業(yè)自主研發(fā)了針對中國K12領域的學生智適應學習產品，其核心部分是以高級算法為核心的智適應學習引擎“松鼠AI”，該產品擁有完整自主知識產權，能夠模擬真實特級教師教學。企業(yè)發(fā)表的學術論文得到了全球國際學術會議AIED、CSEDU、UMAP認可，并在紐約設計了人工智能教育實驗室，與斯坦福國際研究院（SRI）在硅谷成立了人工智能聯(lián)合實驗室。

主要產品

學生智適應學習是以學生為中心的智能化、個性化教育，在教、學、評、測、練等教學過程中應用人工智能技術，在模擬優(yōu)秀教師的基礎之上，達到超越真人教學的目的。該產品性價比高，以人工智能+真人教師的模式，做到因材施教，有效解決傳統(tǒng)教育課時費用高，名師資源少，學習效率低等問題。

智適應學習人工智能系統(tǒng)

智適應學習人工智能系統(tǒng)模擬特級教師，采用圖論、概率圖模型，機器學習完成知識點拆分和個人學習畫像，采用神經網絡、邏輯斯蒂回歸和遺傳算法為學生實時動態(tài)推薦最佳學習路徑，實現(xiàn)個性化教育。

業(yè)務模式

線上與線下，2B和2C相結合。以松鼠AI智適應系統(tǒng)教學為主，真人教師輔助，學生通過互聯(lián)網在線上學習課程。開創(chuàng)教育新零售模式，授權線下合作學校，已在全國100多個城市開設500多家學校。

4.云從科技

企業(yè)概述

云從科技成立于2015年4月，是一家孵化于中國科學院重慶研究院的高科技企業(yè)，專注于計算機視覺與人工智 能。云從科技是人工智能行業(yè)國家隊，是中科院戰(zhàn)略先導項目人臉識別團隊唯一代表，唯一一家同時受邀制定人 臉識別國家標準、行業(yè)標準的企業(yè)。2018年，云從科技成為祖國“一帶一路”戰(zhàn)略實行路上的人工智能先鋒，與 非洲南部第二大經濟體津巴布韋政府完成簽約。

云從科技奠定了行業(yè)領導地位： 國家肯定，國家發(fā)改委2017、2018年人工智能重大工程承建單位；頂層設計，唯一同時制定國標、部標和行標的人工智能企業(yè)；模式創(chuàng)新，三大平臺解決方案，科學家平臺、核心技術平臺和行業(yè)應用平臺。

企業(yè)核心團隊

創(chuàng)始人

周曦博士，師從四院院士、計算機視覺之父—ThomasS.Huan黃煦濤教授，專注于人工智能識別領域的計算機視覺 研究。入選中科院“百人計劃”，曾任中國科學院重慶研究院信息所副所長、智能多媒體技術研究中心主任。

周曦博士帶領團隊曾在計算機視覺識別、圖像識別、音頻檢測等國際挑戰(zhàn)賽中7次奪冠;在國際頂級會議、雜志 上發(fā)表60余篇文章，被引用上千次。

核心技術團隊

云從科技依托美國UIUC和硅谷兩個前沿實驗室，中科院、上海交大兩個聯(lián)合實驗室上海、廣州、重慶、成都四 個研發(fā)中心組成的三級研發(fā)架構。目前研發(fā)團隊已經超過300人，80%以上擁有碩士學歷。

技術優(yōu)勢

全方位多維智能學習模塊適應不同場景要求；模塊化設計為在工業(yè)視覺、醫(yī)學影像、自動駕駛AR等領域擴展打下良好基礎。

云從科技具有高技術壁壘：世界智能識別挑戰(zhàn)賽成績斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微軟全球圖像識別挑戰(zhàn)賽上共計奪得7次世界冠軍;在銀行、公安等行業(yè)智能識別技術 PK實戰(zhàn)中，85次獲得第一；2018年，云從科技入選MIT全球十大突破性技術代表企業(yè)。

在跨鏡追蹤(ReID)技術上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三個數(shù)據(jù)同時集體刷 新世界記錄， Market-1501上的首位命中率達到96.6%，首次達到商用水平。

正式在國內“3D結構光人臉識別技術”，可全面應用于手機、電腦、機具、設備、家電。相較以往的2D人 臉識別及以紅外活體檢測技術，3D結構光人臉識別技術擁有不需要用戶進行任何動作配合完成活體驗證的功能， 分析時間壓縮到了毫秒級以及不受環(huán)境光線強弱的影響等諸多優(yōu)點，受到國際巨頭公司的關注。

行業(yè)應用

目前國內有能力自建系統(tǒng)的銀行約為148家。截止2018年3月15日，已經完成招標的銀行約為121家，其中云從科 技中標了88家總行平臺，市場占有率約為72.7%;在安防領域推動中科院與公安部全面合作，通過公安部重大課題研發(fā)火眼人臉大數(shù)據(jù)平臺等智能化系統(tǒng)，在民航領域，已經與中科院重慶院合作覆蓋80%的樞紐機場。

5.Yi+

企業(yè)概述

北京陌上花科技是領先的計算機視覺引擎服務商，為企業(yè)提供視覺內容智能化和商業(yè)化解決方案。致力于“發(fā)現(xiàn)視覺信息的價值”。

旗下品牌Yi+是世界一流的人工智能計算機視覺引擎，衣+是時尚商品搜索引擎。公司在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、搜索及推薦均達到領先水平。

目前公司和阿里巴巴、愛奇藝、優(yōu)酷土豆、中國有線、CIBN、中信國安、海信、華為、360等數(shù)十家頂級機構/產品深度合作，通過提供邊看邊買引擎、圖像視頻內容分析引擎、人臉識別引擎等基于視覺識別技術的數(shù)據(jù)結構化產品服務于海量用戶，同時幫助政府機構、廣電系統(tǒng)、內容媒體、零售商、電商、視聽設備等行業(yè)實現(xiàn)智能分析、智能互動與場景營銷。目前公司已經獲得B輪融資。

企業(yè)團隊

團隊成員來自于斯坦福、耶魯、帝國理工、新加坡國大、南洋理工、清華、北大、中科院等名校及谷歌、微軟、IBM、英特爾、阿里巴巴、騰訊、百度、華為等名企。

創(chuàng)始人&CEO：張默

北京大學軟件工程碩士， 南洋理工大學創(chuàng)業(yè)創(chuàng)新碩士。連續(xù)創(chuàng)業(yè)者， 曾任華為算法工程師、微軟WindowsMobile工程師、 IBM SmarterCity 架構師，北方區(qū)合作伙伴經理，主機Linux中國區(qū)負責人，中國區(qū)開源聯(lián)盟負責人，年銷售額數(shù)億。 2013年創(chuàng)業(yè)于美國硅谷和新加坡，2014年6月在中國設立北京陌上花科技有限公司。

核心技術與產品

技術方面，在國際頂級計算機視覺競賽ImageNet中，成績曾超過谷歌、斯坦福等，2015-2016年2年獲得十項世界第一。2018年3月，人臉識別準確率位列LFW榜首。Yi+通過遵循無限制，標記的外部數(shù)據(jù)協(xié)議。 Yi+的系統(tǒng)由人臉檢測，人臉對齊和人臉描述符提取組成。使用多重損失和訓練數(shù)據(jù)集訓練CNN模型，其中包含來自多個來源的約10M個圖像，其中包含150，000個人（訓練數(shù)據(jù)集與LFW沒有交集）。在測試時， Yi+使用原始的LFW圖像并應用簡單的L2norm。圖像對之間的相似性用歐氏距離來測量，最終取得優(yōu)異成績。

公司的核心產品主要包括視覺搜索引擎，圖像視頻分析引擎以及人臉識別和分析引擎：

行業(yè)解決方案

針對營銷、安防、相機和電視的不同特點，推出相應解決方案。

營銷+AI。場景化廣告方案中，大屏AI助理信息流推薦、神字幕、物體/人臉AR動態(tài)貼圖、video-out、場景化角標與廣告濾鏡等形式的廣告內容推薦，適用于快消、汽車、電商、IT、金融、旅游服務等多個行業(yè)。

智慧城市+AI。使用計算及視覺助力智慧城市，在智慧安防、智慧交通、智慧園區(qū)等方面提供解決方案。在智慧安防實時識別上，實時處理直播攝像頭信息，算法反應敏捷，相應迅速。建立智慧園區(qū)方案模型，考慮擴展性&靈活性、數(shù)據(jù)管理、松散耦合性、安全性、實時整合性以及功能性和非功能性需求等技術方案要素，從業(yè)務和技術兩方面整合解決方案實現(xiàn)步驟。

電視+AI。電視+AI的解決方案賦予智能電視多樣播放能力和營銷能力。

相機+AI。相機更具交互能力。用戶通過搜索關鍵字標簽同步展示圖片，打通相冊和購物一站式體驗。準確識別人物屬性特征，動態(tài)適應表情變化，可以在視頻以及圖像中對人臉實時檢測，基于深度學習技術，進行人臉相似度檢測，實現(xiàn)面部關鍵點定位、妝容圖像渲染，試用與粉底、唇彩以及眼影等多種虛擬試裝方式。實時檢測攝像頭中出現(xiàn)的物品、場景和人臉等，添加AR效果，SDK支持本地檢測、識別、追蹤，平均檢測幀率可達到25fps。

新零售+AI。Yi+新零售解決方案是基于公司自主研發(fā)的人臉識別、商品識別和其他圖像識別算法技術為核心，建立一整套基于人臉、商品的智能零售門店管理方案。Yi+新零售解決方案主要包含數(shù)據(jù)采集、算法模型說明和部署方案三部分，其中數(shù)據(jù)采集包括人臉數(shù)據(jù)采集、商品數(shù)據(jù)采集；算法模型說明包括識別算法訓練、商品識別、識別輸出；部署方案包括本地部署、云端部署、本地部署與云端部署結合。

6.擎創(chuàng)科技

企業(yè)簡介

擎創(chuàng)科技成立于2016年，專注于將人工智能和機器學習賦予傳統(tǒng)IT運維／企業(yè)運營管理，為企業(yè)客戶提供智能運維大數(shù)據(jù)分析解決方案，從而取代和改善對高技能運維人員嚴重依賴的現(xiàn)狀。2017年，擎創(chuàng)科技已實現(xiàn)全年2000萬營收，迅速成為國內AIOps領域的領跑者和中流砥柱。2018年初，擎創(chuàng)科技完成了數(shù)千萬人民幣的A輪融資，由火山石投資領投，晨暉創(chuàng)投、元璟資本及新加坡STTelemedia跟投。

核心團隊

擎創(chuàng)團隊的核心成員主要由BMC、微軟等美國企業(yè)服務上市公司的運維老兵，與新浪、餓了么等知名互聯(lián)網公司的大數(shù)據(jù)、算法專家組成，核心團隊成員至少擁有10年以上的行業(yè)經驗。其中CEO楊辰是國內最頂級的B端銷售，曾帶領團隊獲得10倍的業(yè)績增長；CTO葛曉波擁有長達15年的企業(yè)級軟件開發(fā)和運維經驗；而產品總監(jiān)屈中泠則來自甲方，創(chuàng)業(yè)前為浦發(fā)硅谷銀行企業(yè)架構師，深知甲方對企業(yè)運維產品的需求。這個曾經深耕于運維企業(yè)服務市場的團隊，如今在智能運維企業(yè)服務賽道繼續(xù)領跑，讓擎創(chuàng)科技成為最懂企業(yè)的客戶，最值得企業(yè)客戶信賴的軟件廠商。

主要產品

“夏洛克AIOps” 作為擎創(chuàng)自主研發(fā)的大數(shù)據(jù)智能運維主打產品，自2016年上線以來，已從1.0版本升級至1.9版本，可應用在金融、大型制造業(yè)、鐵路民航、能源電力等涉及國家發(fā)展和民生問題的多種行業(yè)。在2017全球運維大會上，夏洛克AIOps獲得由中國信息通信研究院與高效運維社區(qū)聯(lián)合頒發(fā)的“年度最具影響力AIOps產品”獎。

“夏洛克AIOps”充分利用自研算法輔助客戶實現(xiàn)IT運維價值，結合客戶的現(xiàn)有情況，規(guī)劃從傳統(tǒng)ITOM至AIOps智能運維的一站式路徑，助其運營落地，由此打破數(shù)據(jù)孤島，建立統(tǒng)一的大數(shù)據(jù)智能分析平臺，實現(xiàn)以人工智能為核心，驅動傳統(tǒng)IT運維監(jiān)、管、控三個層面，并將相關運維數(shù)據(jù)及業(yè)務數(shù)據(jù)實時展現(xiàn)。

“夏洛克AIOps”擁有多項自研算法，猶如運維界的福爾摩斯，能迅速發(fā)現(xiàn)并定位運維問題的根因，實現(xiàn)秒級排障，最大程度避免企業(yè)產生重大損失。更有價值的是，“夏洛克AIOps”還能通過長期的數(shù)據(jù)積累和機器學習，運用新型深度神經網絡算法對企業(yè)的業(yè)務數(shù)據(jù)進行預測，幫助企業(yè)提前規(guī)劃IT資源，高效預防各類黑天鵝事件的發(fā)生。

商業(yè)模式

目前，擎創(chuàng)科技已與多家金融和制造行業(yè)標桿客戶形成穩(wěn)定的合作關系，包括浦發(fā)銀行、浦發(fā)硅谷銀行、國家開發(fā)銀行、上海鐵路局、銀聯(lián)、海爾、浙江能源等。針對不同客戶，采用個性化的商業(yè)模式進行服務，目前主要有私有模式和SaaS模式兩種，都具有較強的可復制性。

篇5

1.文獻管理中的問題

科技文獻快速增長，電子期刊迅速發(fā)展，科技工作者面對越來越多的信息。傳統(tǒng)管理文獻的方法低效、繁瑣、易錯的缺點更加突出，故迫切需要一種輔助管理工具來統(tǒng)籌管理各種文件和資料。如手工完成這些修改，必定是繁瑣、低效而且極易出錯，因此高效的引文輔助工具使用十分必要。信息技術大發(fā)展趨勢下，各種文獻已經基本信息化，搜索技術也取得了長足發(fā)展，科研工作者能夠很容易找到海量的相關文獻。但現(xiàn)有的搜索技術離智能化距離還非常遠。因此，查找到的文獻，必須經科研工作者人工閱讀分析，判斷其參考價值。如何管理這些相關文獻，如何管理這些經人工分析具高附加值的文獻，如何在日后的科研工作中快速檢索到這些重要文獻，關系到科研的效率，是信息時代科技成敗的關鍵之一。采用文獻管理軟件則能自動進行文獻的檢索、收集、整理以及導入、導出，從而降低科研工作強度。[1]

2.EndNote及其功能

1）基本介紹

Endnote由Thomson ResearchSoft公司開發(fā)的一款文獻管理工具，用來進行文獻信息檢索，統(tǒng)一管理各種參考文獻及對應文件并創(chuàng)建系統(tǒng)化易識別的目錄[2]。該軟件支持科技引文索引（SCI）的多種文獻格式，是使用最為廣泛的文獻管理軟件。該軟件支持書目、PDF文件等多種文獻的管理。通過該軟件可以方便的對存儲的記錄進行編輯、、查找、排序等操作，從而實現(xiàn)個人文獻的有效組織與管理[3]。EndNote以加載項的形式嵌入到word等編輯器中，在科技論文撰寫過程中進行引文管理，從而減少參考文獻引用過程中產生的格式錯誤與引用錯誤。

2）建立文獻數(shù)據(jù)庫

建立專題文獻數(shù)據(jù)庫對于科研查新，及時掌握科研動態(tài)具有重要意義。EndNote提供多種功能快速完成專題文獻數(shù)據(jù)庫的建立。其中，最常用的兩種方式是，直接聯(lián)網檢索添加與導入參考文獻文件兩種方式。EndNote集成了大多數(shù)英文文獻數(shù)據(jù)庫的搜索引擎接口，如Web of Knowledge， Spring Link，Science Direct， PubMed等?？芍苯油ㄟ^EndNote軟件進行文獻檢索，自動產生包含摘要的題錄數(shù)據(jù)庫。如果用戶所在單位有對應數(shù)據(jù)庫的使用權限，還可以直接下載這些題錄對應的PDF格式的文獻原文。EndNote也可以導入其它用戶發(fā)送過來的參考文獻文件，或者是導入從文獻數(shù)據(jù)庫檢索并下載的參考文獻格式文件。前一種數(shù)據(jù)庫建立方式非常具有效率，后一種方式則方便用戶間交流。EndNote也提供手工錄入題錄信息功能。對于查不到網絡電子資源的書目信息或早期下載的零散文獻資料的錄入，可以考慮手工錄入。該方法輸入速度慢，常產生人工輸入錯誤。

3）數(shù)據(jù)庫管理

文獻數(shù)據(jù)庫維護管理主要包含、檢索、組織等主要功能。EndNote提供了功能，對于冗余題錄的刪除非常方便。通常文獻數(shù)據(jù)庫包含大量題錄，手工逐條檢索費時費力，EndNote提供了檢索、排序功能。NoteExpress提供了附件功能，能將多個不同格式的文件資料（包括網絡鏈接）保存在該題錄下，雙擊即可直接打開，省去了在電腦磁盤中尋找的麻煩?？梢詫︻}錄進行編輯用來記錄重要信息。例如可以通過對題錄標簽（label）欄目填入文獻分級信息，從而幫助用戶進行文獻分類，體現(xiàn)文獻重要性或者用戶閱讀、關注程度。EndNote提供文獻導出功能，可以將一些參考文獻以多種參考文獻格式導出后發(fā)送給其它科研工作者，方便學術交流。

4）引文管理

EndNote提供的另一項核心功能是參考文獻的自動格式化生成。該軟件支持幾千種國際期刊的參考文獻格式，提供幾百種寫作模板，各個領域的文章均能找到合適的寫作模板。寫作過程中，可通過光標選中插入參考文獻的位置，在EndNote中選擇要插入的引文，即可通過嵌入MS office 2007的EndNote插件完成引文的插入。EndNote提供了豐富的引文排版樣式，在文章改投其它期刊時可以迅速變換參考文獻格式。EndNote能替用戶完成格式調整，引文的整理、標注和順序排列，從而為科研工作者減少機械重復性的勞動。

3 結語

EndNote提供的各項功能極大方便了文獻信息的收集、整理和寫作應用，極大的方便了科研信息采集，管理，應用及挖掘。EndNote能將科研工作者從繁瑣、易錯、低效文獻管理與寫作中解放出來，從而使科研工作者集中精力于創(chuàng)造性的科研創(chuàng)新。另外，EndNote已經解決了很多文獻調研寫作中的問題，但依然還有許多值得改進的地方。EndNote應完善對中文數(shù)據(jù)庫的支持。EndNote應綜合人工智能、認知科學、管理科學等多學科的先進理論改善文獻組織技術，搜索技術（包括文字、圖片、音頻、視頻等），從而人機互動更自然，信息篩選更精準。合作研究已經成為學術研究的主流，加強學術交流、共享文獻資源，網絡閱讀、評注越來越成為廣大研究人員的共同需要。

參考文獻

篇6

在過去的二十年里，商務智能與分析（Business intelligence and analytics，BI&A）與大數(shù)據(jù)相關的分析隨著大數(shù)據(jù)的發(fā)展在工業(yè)界及學術界變得越來越重要。來自于Bloomberg商業(yè)周刊的報道（2011）顯示，97%的超過1億市值的公司使用了商務分析技術。據(jù)麥肯錫全球機構預測，到2018年，僅美國一年就會面臨14到1萬人的深度分析技術人才的需求，同時約有150萬數(shù)據(jù)分析經理的缺口[1]。

“智能”一詞自20世紀50年代被人工智能方面的研究人員提出并沿用至今。而商務智能（Business intelligence）則隨著信息技術的發(fā)展在20世紀90年代被企業(yè)界和學術界熟知。自2008年大數(shù)據(jù)的一系列論文在NATURE上發(fā)表，大數(shù)據(jù)分析技術已被應用到從文本、計算機日志、傳感器、社交媒體等產生的大量非結構化、體量巨大、類型繁多、價值低密度、要求快速處理的大數(shù)據(jù)。BI&A經歷了BI&A1.0，BI&A2.0和BI&A3.0的演進。他們分別對應面向基于關系數(shù)據(jù)庫的結構化數(shù)據(jù)、基于web的非結構化數(shù)據(jù)、基于移動及傳感器的非結構化大數(shù)據(jù)。因此，BI&A3.0是面向大數(shù)據(jù)分析的新興領域。

BI&A3.0面向大數(shù)據(jù)可能產生的巨大影響，它涵蓋了電子商務及營銷智能、電子政務及政治2.0、科學與技術、智慧健康、安全及公共安保等方面。涉及的技術領域包括大數(shù)據(jù)分析，例如統(tǒng)計學習、序列及暫時挖局、空間挖掘、過程挖掘、網絡挖掘、web挖掘、基于列的數(shù)據(jù)庫挖掘、內存數(shù)據(jù)庫、并行數(shù)據(jù)庫、云計算、Hadoop、Mapreduce，文本分析，例如靜態(tài)NLP信息抽取、主題模型、問答系統(tǒng)、選項挖掘、情緒及影響分析等。除此之外，還包括web分析、網絡分析、移動分析等大的技術分析方面。因此，BI&A3.0是未來管理科學與工程專業(yè)研究生培養(yǎng)的重要基礎和研究熱點。

BI&A3.0的發(fā)展和應用對管理科學與工程碩士研究生的培養(yǎng)提出了挑戰(zhàn)。主要表現(xiàn)在以下幾個方面，BI&A聚焦于理解、解釋、戰(zhàn)略并服務于組織。一些學科對BI&A的發(fā)展作出了貢獻，例如信息管理、計算機科學、統(tǒng)計學、管理學和市場營銷學。

然而，目前的課程體系設置相對于商務分析技術及大數(shù)據(jù)的發(fā)展來說較滯后。雖然大部分學校針對學生的研究方法及研究能力的培養(yǎng)開設了一些BI&A課程，例如復雜系統(tǒng)分析與決策、隨機過程、應用統(tǒng)計學、矩陣分析、Matlab、現(xiàn)代管理分析技術等。這些課程的設置對于面向大數(shù)據(jù)的BI&A3.0的研究及應用來說尚有差距，缺乏系統(tǒng)性和前沿性。因此，面向BI&A3.0的研究生課程體系改革具有一定的現(xiàn)實意義及急迫性。

1.教學研究的內容及實踐內容

圍繞如何培養(yǎng)面向大數(shù)據(jù)及BI&A3.0數(shù)據(jù)分析及研究能力進行課程體系改革研究。借鑒國際國內針對從BI&A1.0到BI&A3.0的知識體系及技能相關的教學改革，注重管理科學與工程的專業(yè)內涵。

（1）教學研究的內容

①對國內和國際當前的面向BI&A3.0大數(shù)據(jù)分析能力培養(yǎng)的知識體系及技能進行梳理。

②對本校管理科學與工程專業(yè)主要的研究方向進行梳理，調研面向BI&A3.0大數(shù)據(jù)分析的具體能力和層次要求。

③結合國際國內面向BI&A3.0的知識及技能體系與本校管理科學與工程主要的研究方向，提出面向BI&A3.0的管理類研究生課程體系改革的具體方案，包括課程設置、教學方式、考核方式、教學目的與要求。

（2）實踐內容

通過設計與理論相配套的課程實驗、研討與課程內容密切相關的科學問題、及時追蹤研究熱點，使得實踐環(huán)節(jié)成為提高研究生BI&A3.0創(chuàng)新和研究的推動器，同時也提高學生在實踐方面的興趣和動手能力。

2.教學及實踐改革的目標

（1）教學目標。通過建立面向BI&A3.0的管理類研究生課程教學體系，使得研究生掌握BI&A3.0的基本知識體系、知識網絡、基本研究能力，并最終培養(yǎng)研究生掌握面向BI&A3.0的創(chuàng)新能力。

（2）實踐目標。通過培養(yǎng)學生面向BI&A3.0的實踐技能，培養(yǎng)研究生面向BI&A3.0的實踐能力，包括文獻檢索能力、借助計算機的分析能力、數(shù)學建模能力、數(shù)據(jù)收集能力。

3.課題研究要解決的問題

圍繞面向BI&A3.0的管理類研究生課程體系的建設，本課題將要解決如下問題：

（1）如何劃定面向BI&A3.0的分析及計算機技能。面向BI&A3.0的分析及計算機技能涵蓋的面十分廣泛，本校管理類研究生所依附的學科方向及研究重點決定了這些技能需有選擇地納入。因此，需要解決具體納入哪些分析及計算機技能的培養(yǎng)。

（2）如何結合研究方向與BI&A3.0的應用。培養(yǎng)面向BI&A3.0大數(shù)據(jù)分析能力的目的是將BI&A3.0大數(shù)據(jù)分析應用到具體的研究方向。物流、市場營銷、工程管理、運營管理等方向的研究需要將這些領域的知識和BI&A3.0的應用結合起來才能達到培養(yǎng)的目的。

4.擬采取的方法

（1）借鑒國內外先進的BI&A3.0教學教改經驗。對國際和國內BI&A3.0相關的教學教改文獻進行分析，并參加相關的國際國內會議，與國內外同行進行交流學習。

（2）對本校管理類研究生現(xiàn)狀及改革反饋進行調研。通過以往教學實踐的總結、專家學者的討論、課題組集體研究的方式，調研適合本課程體系服務學科專業(yè)的研究生課程教學內容、目標、方法與手段。

（3）對企業(yè)界進行調研發(fā)掘BI&A3.0實際應用能力的需求。通過對企業(yè)界進行調研，發(fā)現(xiàn)潛在的BI&A3.0應用方向。通過這些方向的發(fā)掘彌補課程體系設置的不足。

篇7

設計發(fā)展到今天，工業(yè)設計、信息藝術設計、環(huán)境藝術設計、建筑設計、視覺傳達設計、媒體與傳播設計等等這些設計專業(yè)細分實際上都是對設計師“入門階段”的專業(yè)技能和實際操作層面的技術種類的細分，而從更高的設計思維與設計研究領域，各個專業(yè)方向都有基于本專業(yè)的實踐方式對服務管理、體驗方式、信息傳達這些更高層次的設計思維觀的關注和深入研究。本文研究和分析的主要范疇是基于交互設計、服務設計和信息藝術設計領域的討論。

1作為設計過程的服務設計和作為剖析需求的體驗設計

服務設計中有一個核心概念“生活方式”，而體驗設計的重點當然在“用戶體驗”，進一步說是滿足用戶對身心體驗的需求。這前后二者的提出都是基于社會經濟水平長足發(fā)展、社會生產制造業(yè)和物資分配方式能夠給人們生活提供相對足夠物質資源的前提，因此這些設計理念都強調對“非物質”因素的設計，特別關注對人與物（機器）的關系、人與技術的關系、人與社會的關系、人與環(huán)境關系、人與人的自我認知的重新認識和價值判斷。

服務設計為消費者創(chuàng)造了他們理想或意想不到的適宜的生活方式，這是一種通過優(yōu)化系統(tǒng)內的過程和接觸點使得系統(tǒng)內的各個利益相關者獲得更大價值的設計觀念。從設計哲學上看，服務設計是對過程的設計，更多的是將消費者（也就是人）作為系統(tǒng)內的一個重要組成核心，通過將其周圍“外部因素”（物質與非物質的相互關系）不斷優(yōu)化來促成對這一核心提供價值。

而體驗設計是對“內部因素”的設計，是對“體驗”本身進行設計，從設計哲學上來說就放大和直接剖析設計對象這一“賓語”，將“人”這一核心概念逐層剝離開，對其可能的感知感受、本能的行為反應、可能的思維方式和上升的情感反思進行分析和預判，為其需要被滿足或還未被發(fā)掘的“自我認知需求”提供可能機遇。

從更加生動感性的角度詮釋，“體驗十分重要，因為它把設計中心從設計生活方式變成了設計生活的意義。”

2體驗設計可以創(chuàng)造生活意義

在理解“體驗設計可以創(chuàng)造生活意義”這個話題之前，先回憶一個大家熟知的“雞湯故事”幫助話題更好展開：一日富翁與漁夫的對話，問他為什么不繼續(xù)去捕魚，捕魚可以賺更多的錢可以雇更多幫手，可以自己當老板，最后可以舒舒服服地在此地曬太陽。漁夫笑著反詰到：那我此刻不正在曬太陽嗎？ 對于這個心靈雞湯故事，過去最流行的解讀就是不要過多的為了追求物質而迷失方向，要有澄澈的心境，因為最終我們需要擁有的只是一刻的輕松和陽光，那這些“財富”我們早就已經擁有了。這個故事在今天明顯有了更新更全面的解讀方式。當今時代和社會背景下，對“財富”也可以說個人所擁有“價值”的定義絕不僅僅是“一片陽光和愜意”這么簡單。對于富人來說，他享有經濟財務自，享有自我實現(xiàn)的滿足感，享有他人的尊重，享有豐富的社會資源和人際關系，即便不著意于“名和利”，他仍然享有享有對信息和資訊更廣泛的涉獵方式和更高效的接觸手段，擁有豐富精彩的人生經歷和身臨其境的體驗，而漁夫只有“陽光”。如果按照故事原意的解讀，放在體驗經濟背景下，漁夫所擁有的“價值提供物”――體驗，較之于富人來說是可能是相對“匱乏”的。當然，體驗這一精神狀態(tài)或過程從宏觀上本身無法量化和做定性比較，若漁夫能夠充分的體驗和感受“這一刻”的狀態(tài)并且從精神上得到足夠的滿足，那么他所有的“價值”也絕不比富人少。這就是在體驗經濟時代下對“富人和漁夫”的故事雙重解讀。

在馬斯洛的“需求層次”理論中，最高需求層次是“自我實現(xiàn)”的階段?！笆挛镉辛藘r值，還需要被體驗，人們越來越重視精神消費和情感滿足。”當某人購買一種體驗時，他是在花時間享受某一企業(yè)所提供的一系列值得記憶的事件――就像在戲劇演出中那樣――使他身臨其境。人們的需求層次越來越向高的需求層次靠近，對社會地位、友情、自尊、他尊的追求，都是需要或希望被滿足的“體驗”。因此，高品質服務創(chuàng)造的“體驗”成了滿足人們需要的主要經濟提供物。體驗經濟中，設計師不再是簡單操作層面的“創(chuàng)造者”，而是讓消費者在精心制作的舞臺上開始自己獨一無二、值得回憶表演的“促成者”。這些都是體驗設計可以創(chuàng)造生活意義的證明。

3體驗設計如何創(chuàng)造生活意義、價值

2001年，美國信息交互設計專家謝佐夫在《體驗設計》一書中，首次給出了體驗設計定義：“體驗設計是將消費者的參與融入設計中，是企業(yè)把服務作為“舞臺”、產品作欏暗讕摺?、环境作巍安季啊?，使消費者在商業(yè)活動過程中感受到美好的體驗過程，……體驗特征應從感官、行為、精神三個層面上綜合表現(xiàn)?！庇纱丝梢钥闯?，體驗設計的目的從客觀上說就是為了創(chuàng)造更好的用戶體驗、提供更多的體驗感受而設計；從設計行為上來說是可能包括對認知科學因素的探索和轉化、對服務行為和系統(tǒng)架構的優(yōu)化、對服務的有形物質資料和無形的行為方式的規(guī)范和管理；從設計可能涉及到的學科方向看包括：認知科學（心智哲學、認知心理學、認知語言學）、行為學、心理學、社會學、倫理學、人類學等。對這些學科的關注和相關研究方法的引入，標志著體驗設計開始真正走向了關注內在精神需求和自我認知滿足的研究領域。

（1）體驗設計將用戶參與引入到設計的環(huán)節(jié)，使得用戶或消費者意識到自身是設計服務的主體，這本身就擴展了用戶對自身創(chuàng)造價值方式的理解范疇，同時也強化了用戶對自我可創(chuàng)造價值能力的滿足感。

（2）體驗設計為用戶提供多種時空方式、感官通道、交互行為、服務模式、情景內容的體驗，豐富了用戶的生活經歷，擴展了用戶的認知同時強化了用戶對自我認知的判斷和體察。具體說來，體驗設計提供的多種時空方式包括歷時性的過程的體驗和瞬時性的結果的體驗；為用戶提供的多種感官通道外界信息包括視覺的、聽覺的、嗅覺的、觸覺的、溫覺的，以及多通道綜合聯(lián)絡式的信號刺激；為用戶提供了多種交互行為的體驗方式包括人與物的接觸、接觸型人機界面、非接觸型透明交互、具身交互方式、沉浸式增強現(xiàn)實環(huán)境體驗、沉浸式虛擬現(xiàn)實體驗、行為和語言交互等；為用戶提供的不同商業(yè)模式和產業(yè)形態(tài)的體驗接觸包括商業(yè)性質的線下產品服務推廣體驗、在線電子商務業(yè)務的營銷和廣告、科學普及和知識傳播為目的的線上數(shù)字化展覽和線下實體科技館體驗、藝術與文化研究推廣位目的的藝術展覽和博覽會等；為用戶提供的不同情境內容的體驗方式包括對自然科學知識普及的情境、對藝術文學文化價值的再現(xiàn)和感悟的情境、對未來智能生活和物聯(lián)網家具生活展示的情境、對優(yōu)越生活服務和信息化社會智能管理方式的展示的情境、科幻超前極限環(huán)境體驗的情境、對數(shù)字娛樂及互動游戲的體驗的情境、對科學技術前端科技可視化可理解的展示的情境等等。

（3）體驗設計通過強化用戶對自我認知的判斷和體察，觸發(fā)、激發(fā)、誘發(fā)更多的體驗需求和實現(xiàn)個人滿足的手段。

（4）體驗設計通過更高的設計滿足目標和創(chuàng)新的設計行為方式，將更好的優(yōu)化和整合各個設計部門和設計實踐方式。這種優(yōu)化包括化基于產品的物理性設計、基于生活方式的系統(tǒng)服務設計、基于用戶體驗的的交互性設計、基于信息傳遞和獲取的信息藝術設計、以及基于人――物――社會――環(huán)境的信息時代大背景下的綜合性設計。

（5）體驗設計在提供給用戶更多無可復制、獨一無二、充滿回憶的“體驗”的同時，可以做到真正刺激體驗經濟模式下社會的生產力，挖掘和促生更多創(chuàng)新交叉式的經濟產業(yè)，豐富和提升社會文化內容和人們的精神文明世界，誘發(fā)更多新興前沿科技的研究并促進其向社會生活的快速轉化，最終通過提升人類對自我認知和價值需求判斷的哲學、倫理學、人類學高度來更好地促進人類與物質、社會、環(huán)境友好關系的締結和平衡穩(wěn)定的發(fā)展。

以上就是筆者對體驗設計如何創(chuàng)造價值、以及可能創(chuàng)造何種價值的思考和預測。

4能夠創(chuàng)造更多“體驗”的最新科學技術手段

技術已經并將繼續(xù)成為以人為中心，它將提高人、企業(yè)和事物之間的透明度。隨著技術演變更加適應工作場所和家庭環(huán)境，并且與企業(yè)和其他人的互動加強，這種關系將變得更加交織。設計師應該更加應該“謹慎、周密地運用先進的科學技術，在新的生態(tài)文化、價值觀念下，創(chuàng)造新的產品或新的價值意義，同時設計也應該對其功能和后果進行全面的社會評價和控制。[4]”。因此，對于最新前言技術特別是生命科學、人工智能、計算機學習、可穿戴智能設備技術的即時了解和掌握，將有助于設計師更好地對未來體驗設計發(fā)展趨勢、可能性進行判斷和預設。

2016年7月，全球最具權威的IT研究與顧問咨詢公司Gartner高德納咨詢公司了年度新興技術成熟度曲線。Gartner指出，2016年是數(shù)字的一年，數(shù)字業(yè)務創(chuàng)新是“新常態(tài)”，有三個趨勢非常突出：一是感知智能機器時代來臨；二是透明的身臨其境的體驗更加優(yōu)化；三是平臺革命正在醞釀[5]。

（1）感知智能機器技術為體驗的獲得和判斷提供更多的科學依據(jù)、大數(shù)據(jù)來源，以及提供“體驗生活”（包括工作、學習、娛樂、交流）這一“舞臺劇”的敘事方式和文本情境――Contexts。智能感知技術將是未來10年里最具認知突破力的一類技術，包含智能微塵、機器學習、虛擬個人助理、認知專家顧問、語音翻譯、智能數(shù)據(jù)挖掘、智能工作空間、會話用戶界面、智能機器人、商業(yè)無人機、自動駕駛汽車、自然語言問答等技術，這些技術將極大的提高對可收集到的所有認知體驗數(shù)據(jù)的收集寬度、分析精度、利用效率。

（2）透明化身臨其境的體驗技術將為用戶體驗過程、特別是用戶對自身本質屬性和能力的探索感悟過程提供無限的表演道具和戲劇沖突――Elements。這個趨勢中的關鍵技術包括4D打印、腦機接口、人類機能增加、自我實現(xiàn)的高級分析（Advanced Analytics With Self-Service Delivery）、立體顯示技術、情感運算、互聯(lián)家庭、增強現(xiàn)實、虛擬現(xiàn)實和手勢控制設備、可穿戴設備等。

（3）平臺實現(xiàn)將為實現(xiàn)更全面、更人性化、更安全、更智能的體驗生活搭建時空背景和舞臺結構――Stage。新興技術正在改變“平臺”的定義和使用平臺的方式。從技術基礎設施到生態(tài)系y平臺，平臺或系統(tǒng)有了較新的商業(yè)模式，正在形成人類生活和技術之間的橋梁。這些關鍵平臺實現(xiàn)技術包括：物聯(lián)網平臺、智慧型信息服務系統(tǒng)、混合云空間，以及“神經形態(tài)硬件、量子計算、軟件定義安全和軟件定義一切（SDx）”等技術。

物聯(lián)網：物聯(lián)網是借助互聯(lián)技術和各類平臺，在物（包括產品、服務與地點等）與人之間建立起來的一種關系，是第四次工業(yè)革命中聯(lián)結物理應用與數(shù)字應用的重要橋梁和紐帶。物聯(lián)網技術中傳感器以及其他可將物理世界中的物品與虛擬網絡相接通的各種方式，正在以驚人的速度傳播開來，不管是制造業(yè)、基礎設施行業(yè)還是醫(yī)療衛(wèi)生，所有行業(yè)概莫能外。物聯(lián)網技術的發(fā)展，將會豐富體驗設計中人與物的相關關系、物與物的相關關系以及人與環(huán)境的相關關系的概念。

智能機器：機器具有類似人類在學習、推理、適應和理解等方面的能力就被稱為“智能”。智能機器人按照其適用案例的范圍可以分為：具有廣泛使用案例的“強人工智能”和僅限于特定（窄）案例的“弱人工智能”（專用機器智能）。以目前的人工智能為例，蘋果手機Siri語音控制系統(tǒng)通過預設答案及網絡搜索手段實現(xiàn)了初步智能應用。但參加達沃斯年會的科技界人士預測，未來人工智能完全可以實現(xiàn)理解語言、讀懂文件、自我學習甚至情感理解。當然，具有能夠控制自身思維、維護系統(tǒng)生態(tài)并且具有再生產方式的機器只存在于科幻小說。今天人工智能系統(tǒng)，都不能通過等同于人類的智力通用測試（當然也沒有完全可接受對人類的智慧的測量方式去測試機器）。這并不是說，永遠不可能創(chuàng)造一種接近于人類認知能力的機器，但我們可能距離完成必要研究和工程實驗還有好幾十年。可以想象，在進行智能機器技術研發(fā)和創(chuàng)意設計的Google公司、MIT麻省理工藝術媒體實驗室，他們的工作具有意義非凡的體驗感，研究和工作于這些領域的設計師、科學家每一個細節(jié)的工作開展都是對人類自身智慧、認知體察和倫理觀念的思考與體驗。

人類機能增進：人類機能增強過程沿著自發(fā)且可探測、可量化監(jiān)控的軌跡和范圍發(fā)展?，F(xiàn)在通過技術來增強人能力的方式主要集中在行為軌跡和行為范圍的某個特定的點上，技術提供特定的且可量化檢測的幫助，例如監(jiān)控睡眠質量的智能手環(huán)和監(jiān)控呼吸心跳并調節(jié)微電流環(huán)境的保健磁療頸環(huán)。不過，事實上，研究提供更多的自發(fā)和不可檢測的增強人類機能的技術確實遇到了一些極端情況和綜合癥，力圖例如提高精神集中度的隱形眼鏡顯示器或腦刺激技術，再例如外科植入物或直接的遺傳基因編碼操控技術。增強或改善人類機能，勢必會給人類的體驗提供更廣泛的接觸途徑、更敏感的交感神經和更簡單可行的交互方式，不過面對選擇用技術增強身體和頭腦機能的“社會人”，人際關系、組織、社會、環(huán)境勢必也會面對越來越多的挑戰(zhàn)。

腦機接口（Brain-Computer Interface）：Emotiv Epoc是一種智能頭戴式設備，由美國加州舊金山的神經科技公司Emotiv Systems花費了五年時間研發(fā)人腦-電腦接口的最新成果，是目前市場上通用度和流通性最高的這一款腦機接口設備之一。 Emotiv Epoc運用一種被稱為非侵入性的腦電波儀（EEG）技術，感測并學習每個使用者大腦神經元電訊號模式，讀取使用者大腦對特定動作產生的神經元電信號脈沖頻段，配合以先進軟件進行腦電波信號頻率的模式分析和解讀，將其轉化成電腦或游戲機能理解的訊息，再以無線信號傳輸?shù)诫娔X，最終在熒幕上復制出同樣的“動作”或人的“意念。相較以前僅能探測基本、常見的精神狀態(tài)，如“精力集中”的技術，Emotive還能同時區(qū)分具體的想法如：“推”和“舉”，以及情感如“興奮”或“平靜”。 使用者戴上之后，只需起心動念便可以操控眼前的電腦，透過意志和情感控這給與了科學家和設計師有關研究人類大腦是如何運轉以及如何擴展人類對自身認知的有價值的設計洞見。

5對未來體驗設計作用和職責之思考

現(xiàn)在消費者通過佩戴智能腦機接口設備已經可以通過EG（大腦電信號動態(tài)畫面）直觀的看到即時的大腦動態(tài)變化以及腦內信息交換互動方式，腦機接口可以使人用大腦的意見來移動事物，雖然只是將電腦里的花朵“催開”。可以試想，在不久的將來，如果人類“設計”的范疇已經到了可以控制人類本身在微觀概念上的生物遺傳屬性和神經元信號傳遞方式，那么是否人類的任何“體驗感”都可以由一段信號編碼的電磁脈沖來提供呢？這種身臨其境可能是“心臨其境”或者“腦臨其境”，與真實環(huán)境中人的情境體驗可以做到“電信號脈沖級別”的接近甚至完全一致，那么這種深入到生理學、心理學境界的“完全一致”是否會成為對人類生活方式、價值認識和行為原則的一種挑戰(zhàn)呢？

即使現(xiàn)在作為設計師無法用文藝創(chuàng)作的方式對未來科技和生活方式進行預判和想象，我們身為設計師還是有很多可以創(chuàng)造價值的作用和需要踐行的職責。

（1）不斷研究和判斷體驗設計的設計理論和方法，價值判斷和審美范式，用更系統(tǒng)有效的設計原則和價值判斷幫助推進由體驗設計所串聯(lián)起的產品-商品-服務-系統(tǒng)產業(yè)鏈的規(guī)劃和發(fā)展，以創(chuàng)造更多的社會經濟價值、社會人文價值和環(huán)境可持續(xù)發(fā)展。

（2）體驗設計包含感官體驗設計、情感體驗設計、思考體驗設計、行為體驗設計、關聯(lián)體驗設計和混合式體驗設計。充分學習有關這些設計的學科專業(yè)知識（包括心理學、認知科學、社會學、人類學、哲學等），充分掌握或創(chuàng)造能夠有效展開以上設計研究的研究方法（例如影子預示法、訪談調研法、觀察法、圖表歸納法、需求轉述法、情緒版和情境角色扮演法）和研究模型，充分在設計實踐中結合反思和總結來不斷充實對體驗設計的經驗和方法。

（3）好的體驗設計通過擴展人類對自我的認知，幫助重新認識自我，應該成就人們更善意的態(tài)度、更寬廣的胸襟和更積極樂觀的生活態(tài)度，最終促進人們對真善美的追求。因此，體驗設計應該謹慎周密的拿捏提供體驗的方式和情境，通過合適的引導和具有感染力的“自我實現(xiàn)”的機會，促進更多的人履行社會責任創(chuàng)造社會價值，而不是對個人淺顯欲望的盲目追求。

（4）體驗設計應該為解決諸多現(xiàn)實問題而設計，例如人類種族、群落、地區(qū)、文明的發(fā)展程度的差距逐漸增大，再例如信息鴻溝、信息不對等、物質世界和虛擬世界的跨越、個人性和社會性的沖突、隱私倫理道德和人類價值取向的擴展等問題。因此體驗設計需要以消除信息的不均等以及有效利用、均衡信息為設計目的，盡力做到在關注人本質問題的同時實現(xiàn)社會價值的更優(yōu)化分配。

6結語

在筆者看來，體驗設計應該是一種回歸的設計。數(shù)千年前在中國古代哲學體系中就有“天人合一”、“物我兩忘”的精神境界，這就是一種人性的返璞歸真和充分的自我實現(xiàn)，這種“回歸”通過在有限物質環(huán)境下不斷理解和調和人與物、社會、環(huán)境等因素在自身精神世界中所映射出的相互關系來達到實現(xiàn)。在“人造的自然”中，設計的目的當然不會是再讓人回到“天為蓋、地位席”的生活方式中。但通過智慧的、有效的、周全的設計，能夠讓人克服人性的弱點，引領人性的回歸，創(chuàng)造和組織更多人與自然的平等關系，樹立人類文化價值與自然價值并重的價值觀念，這是筆者可以想象的未來設計、體驗設計的發(fā)展趨勢和目標。

參考文獻：

[1]辛向陽，構建值得記憶的經歷.Interaction Design Committee交互設計專業(yè)委員會，2016.

[2]魯曉波，深圳大學學報，人文社會科學版，2010（27）.價值、體驗與設計創(chuàng)新.

[3]體驗經濟.The Experience Economy ，（美）約瑟夫派恩（二世），詹姆斯H吉爾摩，夏業(yè)良，魯煒，等譯.北京：機械工業(yè)出版社，2002（4）.

篇8

摘要：基于CDIO工程教育理念，結合大連東軟信息學院推行的TOPCARES-CDIO人才培養(yǎng)目標體系和電子工程系智能科學與技術專業(yè)特點，提出構建培養(yǎng)學生創(chuàng)新、溝通、工程推理與解決實際問題等能力的專業(yè)人才培養(yǎng)方案。

關鍵詞 ：CDIO；專業(yè)人才培養(yǎng)；智能科學與技術；項目導學

基金項目：2012年度遼寧省普通高等學校本科工程人才培養(yǎng)模式改革試點專業(yè)項目(G2201249)。

第一作者簡介：周國順，男，教授，研究方向為嵌入式系統(tǒng)，zhouguoshun@neusoft．edu．cn。

0 引 言

專業(yè)人才培養(yǎng)方案是專業(yè)建設的根本性文件，主要由專業(yè)基本信息、學制與學位、專業(yè)人才培養(yǎng)目標、課程體系、培養(yǎng)計劃安排及學時學分要求等內容組成。為了能夠適應當前國民經濟發(fā)展的需要，高校有必要對相關學科的專業(yè)培養(yǎng)方案進行改革。專業(yè)培養(yǎng)方案應該適當加強對工科學生創(chuàng)新設計與實踐能力培養(yǎng)的要求，廣泛調研專業(yè)相關企事業(yè)用人單位的崗位需求，適當增加符合專業(yè)發(fā)展趨勢的專業(yè)拓展、前沿課程。大連東軟信息學院電子工程系智能科學與技術專業(yè)依靠具有豐富的智能產品研發(fā)、工程設計、工程實施經驗的師資隊伍和CDIO工程環(huán)境，對本專業(yè)人才培養(yǎng)方案進行了基于TOPCARES-CDIO的教育教學改革，取得了良好的效果。

1 工程教育改革的意義

CDIO工程教育改革的目的是培養(yǎng)學生具有在工程、產品開發(fā)團隊中構思一設計一實施一運行復雜、高附加值產品或過程與系統(tǒng)的能力，通過大學本科的教育與實踐，成為一名具有基本工程創(chuàng)新及設計能力、整裝待發(fā)的工程師。為此，教師必須改變傳統(tǒng)工程教育重理論、輕實踐、理論與實踐脫節(jié)的教學方式，補充對工程教育至關重要的個人素養(yǎng)、團隊合作與系統(tǒng)構建能力培養(yǎng)的教學內容。

傳統(tǒng)的教與學是建立在布魯納的“認知一發(fā)現(xiàn)說”、奧蘇伯爾的“有意義言語學習理論”和加涅的“認知學習理論”基礎上的。大多數(shù)高校教師為了讓學生掌握深厚的工程推理能力，基本上采用奧蘇伯爾的“有意義言語學習理論”進行教學。該理論提倡課堂的講授式教學，學生在學習過程中基本是被動地接受學習口。多數(shù)學生雖然會關注理論知識在實踐中運用的問題，但是也常常只為應付考試而去記憶工程理論?？荚嚱Y束，學過的知識、理論也就不用了，甚至忘記了。

2009年，大連東軟信息學院提出創(chuàng)辦獨具特色的、培養(yǎng)應用型人才的國內一流應用型大學的目標，借鑒美國MIT、瑞典皇家理工大學、瑞典查爾莫斯工業(yè)大學、瑞典林雪平大學組成的工程教育改革研究團隊倡導的CDIO（Conceive-構思、Design-設計、Implement-實現(xiàn)、Operate-運行）教育教學理念，提出TOPCARES-CDIO人才培養(yǎng)目標體系。TOPCARES分別代表CDIO的8大一級能力指標的首字母，即Technical knowledge and reasoning, Open thinking and innovation, Personal and professional skills,Communication and teamwork, Attitude and manner, Responsibility, Ethicalvalues, Social contribution by application practice。

基于CDIO的教學模式提倡主動學習和經驗學習。主動學習是讓學生在參與學習活動時發(fā)現(xiàn)問題、思考與解決問題。教師收集學生提出的在課程學習中的問題，集中回答；同時教師也提出問題，促使學生主動學習、思考問題并尋求解決方法。經驗學習是讓學生在模擬工程師和工程實踐的環(huán)境下進行學習，包括基于項目的學習、仿真、案例分析與設計實現(xiàn)。

評估與評價是衡量學生對規(guī)定學習內容完成程度的判斷。傳統(tǒng)的教學評價基本上是以筆試成績?yōu)闃藴实?，很難評價學生的工程、產品及過程構建能力。CDIO教學模式下的評估以學習為中心，貫穿整個教學過程始終。評估方法主要有筆試和口試、平時表現(xiàn)、項目成果演示、書面報告等。教師可根據(jù)一系列考核成績，對教學大綱及教學方法進行持續(xù)的改進和完善，這就構成一個工程教學的閉環(huán)控制系統(tǒng)。

2 智能科學與技術專業(yè)人才培養(yǎng)方案改革

教師應遵循高等教育教學規(guī)律，貫徹落實“國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）”精神，以TOPCARES-CDIO教育理念和方法為指導，以培養(yǎng)高素質應用型高級專門人才為目標，以當前“萬眾創(chuàng)新、大眾創(chuàng)業(yè)”理念為契機，努力為學生構建合理的知識、能力、素質結構，結合智能行業(yè)的新理論、新技術、新工具、新產品更新課程體系與教學內容，強化創(chuàng)新精神和工程實踐能力培養(yǎng)，促進學生的全面發(fā)展。

2.1 以知識、能力、素質培養(yǎng)為核心，以項目為導向，構建一體化專業(yè)人才培養(yǎng)方案

1)以社會和行業(yè)需求為背景，準確定位專業(yè)人才培養(yǎng)目標。

教師應深入開展專業(yè)調研工作，基于TOPCATES-CDIO人才培養(yǎng)目標體系框架，綜合分析應用型人才的通用標準、行業(yè)標準、學校標準和專業(yè)標準，構建和確定本專業(yè)人才培養(yǎng)的目標和能力培養(yǎng)的具體要求，培養(yǎng)掌握智能信息處理與識別、自動控制方法等方面基礎知識，具備信息處理系統(tǒng)軟硬件平臺開發(fā)、自動控制系統(tǒng)設計、人工智能系統(tǒng)開發(fā)等基本能力，具有開放式思維與創(chuàng)新能力和較強個人職業(yè)能力與團隊合作能力，樹立正確價值觀、態(tài)度端正、習慣良好、有責任感的，能在智能醫(yī)療設備、多媒體信息處理、工業(yè)機械控制、機器人、人工智能等智能科學與技術學科相關的專業(yè)領域從事智能產品開發(fā)、系統(tǒng)測試、技術支持等工作的應用型高級專門人才。

在專業(yè)教育階段，教師可跟蹤專業(yè)和產業(yè)新理論、新技術、新工具、新產品的要求，通過開設專業(yè)特色課和專業(yè)拓展課，將創(chuàng)新、創(chuàng)業(yè)融入專業(yè)教育，培養(yǎng)學生的相應知識和技能。專業(yè)課程分類見表1。

2)以項目為導向，構建一體化的課程體系。

學生在學完所有學科課程后，要完成一個貫穿整個課程體系知識及能力的壓頂石項目。為達到專業(yè)培養(yǎng)目標和完成壓頂石項目，學生必須具有三大核心應用能力：智能傳感與檢測技術能力，智能機器人傳動、驅動技術能力和智能機器人系統(tǒng)技術能力。專業(yè)核心能力對壓頂石項目的支撐關系如圖1所示。

依據(jù)專業(yè)人才培養(yǎng)目標，教師應以專業(yè)核心應用能力培養(yǎng)為主線，面向行業(yè)、服務產業(yè)、突出應用，以項目訓練為導向，系統(tǒng)構建課程與項目相結合，知識、能力、素質同步培養(yǎng)的一體化課程體系，形成課程培養(yǎng)目標、項目培養(yǎng)目標與專業(yè)培養(yǎng)目標的相互對應和支撐。專業(yè)課程體系如圖2所示。

3)以能力培養(yǎng)為本，構建一體化的實踐教學體系。

智能科學與技術專業(yè)依據(jù)專業(yè)能力培養(yǎng)目標，以能力為本，以項目為載體，采用“學中做”和“做中學”的方法，統(tǒng)籌安排基礎實踐、專業(yè)實踐、創(chuàng)新訓練與實踐、創(chuàng)業(yè)訓練與實踐、綜合實訓與實踐、畢業(yè)設計（論文）與企業(yè)實踐等循序漸進的實踐教學環(huán)節(jié)，使實踐訓練內容逐級遞進、逐步深化，將實踐學期實訓內容與理論學期的教學內容緊密銜接，形成理論與實踐相結合、課內與課外相結合、學校與企業(yè)相結合，貫穿本科教育全程的一體化實踐教學體系。專業(yè)培養(yǎng)方案中采用自頂而下的方式設計各級項目。一級項目（壓頂石項目）的設計直接針對專業(yè)培養(yǎng)目標，二級和三級項目是一級項目培養(yǎng)能力的分解。專業(yè)課程體系中的實踐項目設計如圖3所示。圖中每一魚骨分支上支撐同一個二級項目的一組課程為課程群，課程三級項目進行適當?shù)难由炫c擴展將對應二級項目的一部分。專業(yè)項目設置見表2。教師可通過從課程的三級項目實踐開始，到實踐學期的有一定綜合能力的二級項目鍛煉，再最后進行一級壓頂石項目實訓，消除學生對智能系統(tǒng)設計的恐懼感，令學生從容應對工程項目的挑戰(zhàn)。

4)創(chuàng)新素質教育，提升學生的綜合能力。

教師需將素質教育項目納入專業(yè)人才培養(yǎng)方案，明確學分要求、內容安排、組織方式及考核評價標準。構建與專業(yè)教育相呼應的集校、系兩級項目和專業(yè)團隊項目為一體的素質教育項目體系，加強學生職業(yè)素質、書面表達能力、溝通交流能力、團隊協(xié)作能力、實踐能力的培養(yǎng)，全面提升學生的綜合能力。

2.2 “實用化、個性化、國際化”人才培養(yǎng)特色

1)優(yōu)化專業(yè)結構，凝練實用化專業(yè)特色。

智能科學與技術專業(yè)依據(jù)辦學定位、培養(yǎng)目標、服務面向和行業(yè)需求，認真梳理和凝練專業(yè)特色，提高專業(yè)建設質量和水平。

本專業(yè)開設了有別于其他高校智能科學與技術專業(yè)的特色課程，如智能傳感與檢測技術、智能機器人、智能終端應用開發(fā)等。通過學習這些課程，學生能夠掌握智能科學行業(yè)前沿的技術與能力，在就業(yè)市場上處于有利位置；以強化職業(yè)崗位技能訓練、提高工程實踐能力為目標，依托業(yè)界先進的機器人實驗室設計課程體系，使畢業(yè)生具有智能科學領域由硬件到軟件的設計能力和實際開發(fā)經驗。

2)優(yōu)化課程體系結構，科學設置專業(yè)課程。

本專業(yè)立足教育教學的全過程，處理好基礎與專業(yè)、必修與選修、課內與課外、理論與實踐、專業(yè)教育與素質教育的關系，按照整體優(yōu)化、加強能力、提高素質的思路精心設計教學實踐環(huán)節(jié)；通過設立全校公共選修課平臺擴大選修課范圍，按照學科門類細化公共選修課類別，提高選修課學分學時比例，增強學生選課自由度和靈活性。

3)以人為本，因材施教，滿足學生多元化需求。

教師需根據(jù)學生的學習基礎和個性化需求，實施分類教學、分級教學、分層次教學、分方向培養(yǎng)；通過彈性學制、選課制、主輔修制、重修制、學業(yè)導師制、學分替換、實踐獎勵學分等方式，把共性與個性、統(tǒng)一性與差異性、規(guī)范性與靈活性有機結合，突出“實用化、個性化、國際化”的人才培養(yǎng)特色。

2.3 以產學融合為途徑，創(chuàng)新人才培養(yǎng)模式

1)校企合作建設課程資源。

高校應加強與相關企業(yè)的深度合作，通過承接企業(yè)項目，將實際案例和項目引入課程，對學生進行實際項目開發(fā)、項目規(guī)范流程和創(chuàng)新能力培養(yǎng)；根據(jù)行業(yè)和職業(yè)崗位需求，有針對性地將企業(yè)認證課程納入課程體系；通過與企業(yè)共建校內外實習、實踐基地，建設真實或仿真實踐環(huán)境，將企業(yè)實習、實訓、頂崗等實踐環(huán)節(jié)列入培養(yǎng)方案，并根據(jù)行業(yè)和企業(yè)的實際需要，有計劃地開展定制式的人才培養(yǎng)。

2)校企融合實施卓越計劃。

學校應充分發(fā)揮源于企業(yè)的辦學體制、產學融合的育人機制；在已實施的3+1模式、CO-OP計劃（校企合作）、項目工作室模式的基礎上，進一步深化人才培養(yǎng)模式改革；按照卓越工程師人才培養(yǎng)的改革思路，對人才培養(yǎng)方案的校內培養(yǎng)與企業(yè)培養(yǎng)進行一體化設計與實施的探索，逐步形成具有“TOPCARES-CDIO”特色的IT應用型卓越工程師培養(yǎng)模式。

3 結語

智能科學與技術專業(yè)實施CDIO人才培養(yǎng)模式改革以來，學生的工程實踐能力、團隊合作能力和創(chuàng)新能力普遍有所提升，近年來在國家、省、市各級學科競賽中捷報頻傳，而且CO-OP實習學生也受到了用人單位的好評?；贑DIO工程教育模式，系統(tǒng)實施以知識、能力、素質培養(yǎng)為核心，以項目為導向的一體化人才培養(yǎng)方案及產學融合的創(chuàng)新人才培養(yǎng)方式，既能保證學生獲得先進的智能科學與技術專業(yè)知識與技能，又能系統(tǒng)地培養(yǎng)學生的創(chuàng)新能力和職業(yè)素養(yǎng)，對于智能科學與技術專業(yè)培養(yǎng)出適應社會需求的應用型創(chuàng)新人才具有重大實踐意義。通過以上智能科學與技術專業(yè)培養(yǎng)方案的改革與實踐，大連東軟信息學院電子工程系智能科學與技術專業(yè)今后將繼續(xù)發(fā)揚、倡導CDIO工程化教育方法，持續(xù)完善專業(yè)培養(yǎng)方案，為把本專業(yè)建設成為有特色、高水平、創(chuàng)新創(chuàng)業(yè)應用型專業(yè)而繼續(xù)努力。

參考文獻：

[1]孫曉凌，溫濤，郭權．Utilizing CDIO engineering workspaces to facilitate design-implement experiences[C]//Proceedings of the 9th International CDIO Conference. Boston: MIT-Harvard, 2013: 83.

[2]張奇．高等教育心理學[M]．大連：遼寧師范大學出版社，2007:56-58.

[3] Crawley E F，Malmqvist J，Ostlunds，et al．重新認識工程教育：國際CDIO培養(yǎng)模式與方法[M]．顧佩華，沈民奮，陸小華，譯，北京：高等教育出版社，2009: 6-17.

篇9

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009―8097(2009)10―0080―03

引言

從1991年Mark Weiser[1]在《Scientific American》的“The Computer for the 21st Century”中提出泛在計算(ubiquitous/pervasive computing)的思想至今,它在計算機和教育技術等領域受到了廣泛的關注。近年來隨著泛在計算技術的不斷進步,泛在學習(ubiquitous learning)正引領著一場教育領域新的革命。

當前,許多致力于泛在學習的研究者已經設計與實現(xiàn)了各種泛在學習環(huán)境模型[2],提出了泛在學習中的關鍵技術[3],引入了泛在學習中交互的應用[4]。通過對泛在學習系統(tǒng)的研究,我們認識到盡管泛在學習環(huán)境在多方面都優(yōu)于遠程教育與網絡教育,但它們都有一個共同的本質特征,即學習者之間存在空間隔離,缺乏足夠的社會交互。文獻調研顯示,學習者的社會交互問題成為遠程教育與網絡教育質量的爭論焦點[5],由此許多專家學者也開展了網絡教育中學生社會交互的研究[6],以及遠程教育中學生社會交互的研究[7],并提出了相應的優(yōu)化解決方案。在此基礎上,本文從社會交互的定義出發(fā),提出在泛在學習系統(tǒng)中構建統(tǒng)一的社會交互支持模型,并運用該模型設計和分析泛在學習中社會交互場景及使能技術。

一 社會交互

許多研究者認為學習過程是一個社會化過程,并且社會化技能和團隊精神是在學習和工作中取得成功的關鍵因素。

1 社會交互定義

當前研究領域中已有不少術語用于描述交互。例如,Walther通過計算機媒介通信(CMC)技術把交互分為非人的,人與人的及超個人的交互[8]。其中超個人的交互指通過親密接觸,意志力和喜好等高層次的感官產生的交互,它不能通過面對面的交互得到,而能通過CMC支持的交互體驗到。陳麗老師[9]認為,在計算機支持的學習環(huán)境中,交互分為三個層次,學習者與學習資料,學習者與教育者,以及學習者與學習者之間的交互。其中,學習者與教育者、學習者與學習者之間的交互稱為社會交互。本研究中,我們簡單的定義社會交互為泛在學習環(huán)境中學習者根據(jù)自己的意愿同其他人的交流與合作。

2 社會交互作用

首先,社會交互可以促進學習者與學習資源之間的信息交互,也有助于學習者建立良好的師生和生生關系,激發(fā)學習者的學習動機和學習熱情,使得學習者獲得更多來自教師和學習伙伴的幫助,這些都會促進學習者與學習資源更深層次的交互。

其次,社會交互對于發(fā)展學習者的社會性至關重要。社會交互促進學習者的社會化,它幫助學習者建立和維持與他人的關系,使學習者根據(jù)社會規(guī)則和標準調整自身的行為,逐步成為社會所接納的成員[10]。

社會交互在減少學習者學習障礙方面也起著關鍵的作用。許多學習者認為交互是輕松、有效學習的一個重要因素。支持交互的解決方案包括異步信息交換,如通過電子郵件;同步信息交換,如使用即時通信工具;集體討論空間,如使用BBS;合作環(huán)境,如討論研討會等。

二 社會交互支持模型

一般來說,泛在學習環(huán)境中社會交互產生于兩個以上的學習者之間。在泛在學習環(huán)境中,很多研究者已經根據(jù)不同的情境成功運用社會交互原理達到學習者的各種學習目標。然而,一個學習者在什么時間,以及如何能夠感知其它學習者的存在,并且與他們交流、合作,仍是艱巨的任務。

為了在泛在學習環(huán)境中構建統(tǒng)一的社會交互,提高學習者的社會交互程度,促進泛在學習中的學習質量,我們提出了社會交互支持模型。在這個模型中,把泛在學習環(huán)境中學習者之間的社會交互分為三個層次:動態(tài)分組、交流與合作。

為了感知其它學習者的存在,文中通過“動態(tài)分組”對學習者進行小組匹配。只有在感知到其它學習者的存在以及各自的特點后,學習者才可以有目的的通過電子郵件、聊天或BBS等方式和他們進行相關研究內容的交流,我們稱這個層次為“交流”。更高層次的交互是與其它學習者合作,如共同完成論文寫作等,文中稱這個層次為“合作”。這三個層次的功能關系如圖1所示。

1 動態(tài)分組

學習者在和其它學習者交互之前,需要了解他是否能夠與其它學習者交互,以及他能夠與哪一位學習者交互。對于其它學習者的情境感知是交互的起點,比交互本身更重要。在本文提出的社會交互支持模型中,我們采用動態(tài)分組來實現(xiàn)對學習者的情境感知。

(1) 可行性與必要性

在泛在學習環(huán)境中,由于泛在計算設備能穩(wěn)定的感知學習者的動作、聲音以及所處的環(huán)境等,因此獲得學習者情境的方式不僅僅局限于鍵盤或鼠標的輸入;甚至即使學習者遠離計算機,他的實際情境,言談和動作都能被泛在計算設備捕捉,并作為社會交互模型中情境感知的基礎。

在泛在學習過程中,由于地理位置分離,學習者需要通過與其它學習者交互完成學習任務,促進學習。然而在交互發(fā)生之前,學習者首先需要了解其它學習者的存在,即需要對其它學習者情景感知。只有當學習者感知到能夠與自己交互的學習者后,學習者之間才能繼續(xù)進行交互。然而,學習者可能并不對所有在線的學習者都感興趣,因此按照一定的方式對學習者進行動態(tài)分組,這對于為他們提供情境感知具有必要性。

(2) 動態(tài)分組的方式

在泛在學習環(huán)境中,通過泛在計算設備捕捉到學習者的語言、動作等信息,泛在學習系統(tǒng)從這些信息中智能化推測出學習者的性格、愛好等。在此基礎上,根據(jù)學習者的課程選擇、研究專題內容等,模型中的動態(tài)分組層為學習者建立各種小組。同一個學習者被動態(tài)的劃分到各種不同的小組中,他可以在不同的小組中針對相關內容與其它學習者展開交流。

例如,社會交互支持模型的動態(tài)分組層根據(jù)學習者的性格愛好劃分小組,將意氣相投的伙伴組合在一起,他們可以充分開展和交流共同的話題;還可以按照班級劃分小組,將同一班級的學習者劃分在一個小組中,他們可以對班級的集體活動積極的團結協(xié)作;還可以按照同一學習內容來劃分小組,將當前學習同一內容的學習者劃分在一個小組中,他們可以針對該學習內容的相關知識點進行充分的交流。

2 交流

根據(jù)動態(tài)分組,每個學習者被動態(tài)的劃分到各個類別的小組中,他們在每個小組中都與其它成員具有某一方面的共同特征,因此學習者能與小組中的其它學習者就相關學習內容進行交流。

(1) 傳統(tǒng)交流支持工具

支持交流的傳統(tǒng)工具有即時通信工具,e-mail,BBS,虛擬社區(qū)等。其中通過即時通信工具與電子郵件,學習者可以實現(xiàn)個人與個人之間的同步和異步交流;通過BBS與虛擬社區(qū),學習者可以實現(xiàn)個人與群體之間的異步交流。

以上的傳統(tǒng)交流工具不僅能夠使得學習者之間相互交流更加便利,而且也能幫助學習者增強他們的個人表達能力、相互溝通能力以及在泛在學習環(huán)境中的交流能力。

(2) 泛在計算交流支持工具

在泛在計算技術和人工智能技術的支持下,與其它學習者的交流可以不需要接觸到計算機。泛在學習系統(tǒng)通過嵌入式微芯片或環(huán)繞在學習者周圍的不可見的計算機搜集到學習者的行為動作,并分析學習者的行為形式,智能推測出學習者的需求和觀點等,然后把這些信息發(fā)送給其它的學習者,為學習者了解其它學習者的需求和觀點等提供一定的參考。在泛在學習中,這種交流方式無聲無息的進行著,使得交流支持工具變得更加靈活、智能。

3 合作

只有在學習者相互充分交流的前提下,他們才能對研究課題更深入的展開合作。當前,社會交互支持模型的合作層中,支持合作學習的傳統(tǒng)工具有文件共享、協(xié)作文本編輯等;這些傳統(tǒng)支持工具大部分都是為完成團隊合作而提供的一個平面接口。學習者可以就某個問題進行觀念分享,充分發(fā)表自己的見解,展開爭論、相互補充、相互修正,不斷地引向正確的結果,還可以對某一個學習任務進行分工協(xié)作,分頭解決各自承擔的部分,最終形成優(yōu)秀的集體成果。在這種傳統(tǒng)合作學習過程中,學習者可以從同伴那里獲得寶貴的學習心得,與其它學習者共享學習成果。

根據(jù)泛在學習環(huán)境的特點,計算機隱退到背景環(huán)境中,學習者周圍隨處可見接口,因此學習者之間的合作如同在三維空間中一樣完成。在討論研討會中,系統(tǒng)把每個學習者的形象(如同一個虛擬形象)發(fā)送給其它學習者;在另一個學習者的一端,學習者可以通過指出該虛擬形象顯示在哪一個位置來安排對方的“座位”。通過這種方式,討論研討會看上去好像在一個真實的會議室舉行,以此增強學習者對研討會場景、內容的真實體驗性,彌補空間隔離帶來的社會交互障礙。

三 泛在學習中社會交互場景設計

如何在泛在學習中實現(xiàn)社會交互,需要各種泛在計算技術的支持。智能空間(Smart Space)是交互活動產生的工作環(huán)境,它可以通過泛在計算提供的聯(lián)入Internet的靜態(tài)和動態(tài)信息環(huán)境,借助計算機多層次的信息訪問方式有效地執(zhí)行任務[11]。在前文介紹的社會交互支持模型基礎上,下面運用該模型設計泛在學習中社會交互場景,同時分析該模型中各層次的使能技術。

在泛在學習環(huán)境中,所有學習者按照不同的劃分方式分為不同的小組。在這一場景設計中,我們把選擇相同課程的學習者劃分為一組。泛在學習系統(tǒng)運用智能空間的泛在計算技術,通過嵌入式計算機和多模態(tài)傳感器等情境感知設備感知學習者的動作、聲音、操作習慣、個人喜好等,再根據(jù)學習者的性格、愛好和歷史信息等把選擇相同課程的學習者劃分為不同的小組。在小組中他們通過相互之間的直接交流或系統(tǒng)提示等方式自主選擇系統(tǒng)提供的課題、伙伴等,以此完成社會交互模型中的動態(tài)分組環(huán)節(jié)。

在此基礎上,同一小組的學習者對所選的研究課題相互交流。交流方式多樣化,其中傳統(tǒng)的方式包括通過即時通信工具聊天,在互聯(lián)網上收發(fā)電子郵件,在BBS上異步討論,在虛擬社區(qū)組成主題討論區(qū)等;其次在泛在技術和人工智能技術的支持下,學習者不僅可以通過自然的方式,如語音、手寫等與計算機系統(tǒng)交互,而且學習者周圍的嵌入式微芯片等可以搜集、分析并發(fā)送組員的學習觀點給同組其它學習者,達到無聲無息的交互。

學習者的全部學習歷程都記錄在泛在學習系統(tǒng)中,通過系統(tǒng)分析學習者的學習進度,在小組成員相互充分交流的前提下,系統(tǒng)為學習者提供合作的環(huán)節(jié)。學習者分享各自的研究報告、觀點、文件等,并且學習者之間通過協(xié)作的方式為同伴修改報告、論文。學習者的這些活動都記錄在系統(tǒng)中,并反饋給相應報告或論文的作者,他們通過討論研討會的形式進行交互,進一步改進自己的報告或論文。在該泛在學習場景中,學習者受空間地理因素的阻礙,但他們在上述社會交互支持模型的指導下,利用聯(lián)網的計算機或嵌入式的設備以及泛在計算技術,融入到泛在學習環(huán)境中,通過自然舒適的方式與學習系統(tǒng)及其他學習者交流、合作學習,實現(xiàn)了泛在學習中學習者之間深層次的社會交互。

四 結論

文章中討論了計算機支持的泛在學習系統(tǒng)中社會交互的定義,社會交互支持模型的構建,為以后在泛在學習系統(tǒng)中構建社會交互提供了統(tǒng)一的模型。最后,運用所提出的社會交互支持模型設計了一個泛在學習中的社會交互場景,同時分析了該模型中各層次的使能技術,為泛在學習中社會交互的技術實現(xiàn)提供參考。文章中提出的社會交互支持模型的實踐運用和評估有待進一步的研究。

參考文獻

[1] Weiser M. The computer for the twenty-first century [J]. Scientific American, 1991, 265(3):94-100.

[2] 李盧一,鄭燕林.泛在學習環(huán)境的概念模型[J].中國電化教育,2006,(12):9-12.

[3] 趙海蘭.支持泛在學習(u-Learning)環(huán)境的關鍵技術分析[J].中國電化教育,2007,(7):99-101.

[4] 葉海智,辛尚鴻,王富強.泛在學習環(huán)境下個性化知識感知地圖系統(tǒng)的構建[J].現(xiàn)代教育技術,2008,18(4):35-38.

[5] 陳向東,余錦鳳.網絡學習環(huán)境中交互問題的跨學科研究[J].中國電化教育,2006,(4):24-27.

[6] 孟慶軍.國外基于網絡學習的社會交互研究透視[J].外國教育研究,2007,34(10):76-80.

篇10

一、引言

長期以來對企業(yè)價值評估的經典方法是折現(xiàn)現(xiàn)金流(DCF)法，但是DCF法存在很大的問題：首先，用DCF方法進行估價的前提假設是企業(yè)持續(xù)穩(wěn)定經營，未來現(xiàn)金流可預期。該方法隱含了兩個不切實際的假設，即企業(yè)決策不能延遲而且只能選擇投資或不投資，同時項目在未來不會作任何調整。該方法忽略了許多重要的現(xiàn)實影響因素，因而在評價具有經營靈活性或戰(zhàn)略成長性的項目時，會低估項目價值，甚至導致錯誤的決策。其次，DCF法只能估算現(xiàn)有業(yè)務未來所產生的現(xiàn)金流價值，而忽略了企業(yè)潛在的投資機會可能在未來帶來的收益，也忽略了管理者通過靈活地把握各種投資機會所能給企業(yè)帶來的增值。

實物期權的概念最初是由Myers(1977)提出的，他指出一個投資方案的現(xiàn)金流量，來自于目前所擁有資產的使用，再加上一個對未來投資機會的選擇權。當企業(yè)面對不確定作出初始投資時，不僅給企業(yè)直接帶來現(xiàn)金流，而且賦予企業(yè)對有價值的“增長機會”進一步投資的權利。如等到項目有了更好的預期回報，或是不確定性降低到一定水平以后再投資，而不必在一開始就投資，這種“等待”也會增加項目的價值。實物期權理論認識到了商業(yè)行為靈活性的重要性，特別在現(xiàn)代商業(yè)環(huán)境下，管理者擁有更大的控制權力，企業(yè)經營前景也變得越來越不確定，因此對實物期權的研究也就變得更加重要了。

二、研究實物期權需要考慮的幾個因素

為了準確地運用實物期權理論評價投資項目，就必須實際地考慮決策過程中所遇到的各種情況，有針對性地調整期權定價公式。以下幾點是需要特別加以考慮的：

1.注意價值漏損和信息成本的影響

價值漏損出現(xiàn)的原因是標的資產的持有者能獲得來自標的資產所帶來的便利收益。比如股利，專利權收入，儲存成本,以及其他暗含的便利收益。在發(fā)生價值漏損的時候，實物資產的價值會相應地改變。這時需要根據(jù)標的資產的價值漏損，對實物期權定價模型做出相應的調整。通常，將價值漏損設為標的資產不變的百分比，這樣處理通常相對簡單，而且有效。期權定價基于市場的完全性與有效性，它假設市場是完全的，投資者能獲得所需的全部信息。但管理者為了獲取所需的信息，必須付出一定的成本，這需要在預期收益項中加以調整得以反映。

2.管理者的信息認知和管理控制能力

標準的“等等看看（wait and see）”這類研究實物期權的方法，考慮了管理者的管理靈活性，但忽略了管理者的信息認知和管理控制的能力——管理者具備認知信息的能力，他們會主動去收集有關項目的信息，進行市場調研，以及做一些研發(fā)實驗等。這些行為能夠降低項目的不確定性，在進行不可逆投資之前提供許多有價值的信息。其次，公司也可以直接采取行動增加項目的價值，如做廣告以增加產品的銷量，或是改良產品的品質或增加一些產品的功能。要反映管理者這種積極的控制能力，就需要引入控制變量，在有成本的管理控制環(huán)境下，來對實物期權進行估值。

這里需要特別注意的是，期權是項目不確定性（波動率）的增函數(shù)。既然管理者的信息認知行為會降低項目的不確定性，這又可能降低項目的期權價值，為什么管理者還要這樣做呢？Martzoukos（2001）通過數(shù)值分析說明，管理者會選取適宜時機去認知信息，通過提高決策信息的質量，降低將來犯潛在錯誤的成本，以使得企業(yè)能夠做出最優(yōu)決策。

3.引入“順序期權”

在大多數(shù)場合，各種實物期權存在一定的相關性，這種相關性不僅表現(xiàn)在多個投資項目之間的相互關聯(lián)，而且同一項目內部各子項目之間也前后相關。通常，投資者進行投資時，不是一次性的完全投資，而是分階段、有順序地投資。當管理者獲得與投資項目相關的信息時，就會重新評價投資項目的價值，并據(jù)此決定繼續(xù)追加投資或撤回投資。其次，后續(xù)投資通常與前期所實施的管理控制相關，只有進行了前期投資，才有后續(xù)投資的機會。通過前期所收集的相關信息，可以為后續(xù)投資提供決策參考。再次，管理者可以通過比較不同投資路徑下的投資項目的價值，以選擇最優(yōu)的實施路徑。這種階段性投資的相關性，通過引入路徑依賴的思想，可以較好地擬合實際情況。

4.考慮隨機事件對項目價值的影響

在標準的實物期權文獻中，都假設資產的價值變化遵循幾何布朗運動。但是當一些重大信息出現(xiàn)時（政治、疾病問題等），標的資產的價格會發(fā)生不連續(xù)地變動，即跳躍。默頓指出，標的股票的收益是由“標準幾何布朗運動”引起的連續(xù)變動和"泊松過程”引起的跳躍共同作用的結果?；谶@種考慮，默頓(1976)建立了跳一擴散模型，并給出了在這種模型下歐式看漲期權的定價公式。這時，就需要引入非連續(xù)的隨機變量，比如泊松過程，來擬合項目價值的實際變化過程。

5.注意期權執(zhí)行價格的動態(tài)變化

通常，我們假定在執(zhí)行期權時都具有一個確定的執(zhí)行價格。在市場環(huán)境相對穩(wěn)定時，投資額變化不大，假定一個不變的執(zhí)行價格具有可行性。但是，對某些投資額起伏很大的投資項目，就需要實事求是地分析投資額變化的特性（變化的期權執(zhí)行價格），這樣才能更準確地評價項目的價值。

6.利用博弈論的方法分析實物期權

實物期權的持有者在行權時，可能并不擁有購買標的資產的獨占權利，競爭者可能會提前執(zhí)行期權。因此，在公司的投資決策過程中，同樣也不能忽略競爭對手的存在，需要通過競爭對手所傳遞出的信息，做出相應的決策。對于這些不確定的問題，需要引入博弈論來分析實物期權。Junichi Imai（2004）利用博弈論分析了管理靈活性和競爭相互作用情形下的兩階段實物期權估值問題。Novy（2004）研究了公司在競爭和不確定環(huán)境下的最優(yōu)投資決策問題。他們的研究成果表明，通過引入博弈論能很好地擬合競爭者之間的動態(tài)博弈行為，以此更加準確地擬合實際決策過程。

7.人工智能與期權定價相結合

在解決實物期權的定價問題時，只有極少數(shù)的模型存在分析解，多數(shù)時候只能依靠模擬仿真得到近似的數(shù)值解。這些模擬方法的計算需要耗用大量的時間，對于某些實時決策，這些方法就不能很好地滿足要求。對于實物期權這類不確定的非線性預測問題，人工智能方法具有較大的優(yōu)越性。Lajbcygier（1999）研究了利用人工神經網絡方法，來對金融衍生產品進行定價。Msrtzoukos（2001）研究了具有隱含合同性質的客戶化期權的定價問題。他的研究結果表明，這一方法能很好地滿足銀行等金融機構的實時決策需求，在計算結果的準確性方面，也能達到令人滿意的地步。

三、實物期權在實際運用中需要注意的幾個問題

當實物期權越來越多地被用于分析實物投資時，在以下幾個方面應加以注意：

1.關注實物期權分析的邏輯和目的

實物期權分析的根本邏輯是金融期權定價技術在新領域的“轉換”而不是“外延”，避免在尚未仔細分析實物投資特性的前提下，直接將金融期權定價公式用于實物投資分析。

2.關注實物期權分析與組織管理之間的結合

投資者運用實物期權思想可能會接受短期看似非盈利的項目，如何在組織制度上防范道德風險、保證企業(yè)對風險的控制也是一個需要注意的問題。

3.模型的復雜性與實用性相結合

具體的實物期權估價問題，往往涉及復雜的分析過程。對于太復雜的模型，通常不能被管理者所接受，而且在模型的實現(xiàn)上也會帶來極大困難。而實物期權分析的目的只是指引決策者選擇最優(yōu)策略，關注基于實物期權的整體決策制定過程，而不像金融期權需要“精確”的價格。為此，管理者就需要在模型的復雜性與實用性之間進行權衡。

四、結束語

實物期權理論是基于金融期權而發(fā)展起來的評價方法，國內學者對實物期權理論的研究還不太深入，而將實物期權理論與復雜的決策過程相結合的定量研究文章更是少見。實物期權也不存在固定的分析框架，對于不同的項目，會涉及許多不同的需要考慮的決策因素，這就需要根據(jù)每一個具體的投資項目，調整實物期權的定價公式，以求計算出更準確的項目價值。

參考文獻：

[1]楊春鵬:實物期權及其運用[F]. 上海:復旦大學出版社，2003