随着人工智能技术爆炸式的发展，AI驱动各行各业开始“质变”，新的技术变革周期中，产业需要更多具备高级应用能力、学习能力、创新能力的复合人才。
我国2018年开始设立人工智能相关专业，在AI技术迭代不断加速，更新周期越来越短的情况下，高校培养的人才与产业需求间仍存在差距。
新时期，高校教育面临哪些问题? 该如何变革才能应对产业需求?带着这样的疑惑，善世集团将《2023中国人工智能人才学习白皮书》分享给大家以提供参考。
一、高校人才培养与产业需求之间仍存在差距，高校教育模式仍需持续创新
中国人工智能人才仍面临存量不足、质量不高、增量有限等问题，具体表现为“高校毕业生低就业率和产业人才需求缺口”之间的矛盾，高校需积极改革创新，迎接时代和社会的挑战。
二、高校人才缺乏实战应用能力，产教脱钩问题明显
从人才能力培养与行业匹配来看，从知识获取，到能力培养，到场景应用，再到创新挑战，人才培养的各个环节都存在断裂，导致高校培养人才与行业需求之间无法适配。具体表现为但不限于以下问题:
1、人才培养标准和就业分离，缺乏与产业接轨的人才培养标准，学生就业难，企业难以招到合适人才;
2、高校教学内容有待完善，缺乏产业实践案例，缺少教学实践平台;
3、教育与产业需求不匹配，学生动手能力差，缺少培养与产业接轨人才的途径和方法；
4、行业数据、案例、应用场景，缺乏最短最直接的链路提供给高校。
三、“人工智能+X”专业融合化: 非计算机专业学生占四成学习者画像:非计算机专业的学习者占比约为40%，工程学类学生占比 21%
自2018年起，教育部发布《高等学校人工智能创新行动计划》，提出要建设100个“人工智能+X”复合特色专业，形成复合专业培养新模式，重视人工智能与生物学、心理学、社会学、法学等学科专业教育的交叉融合(教育部，2018)。当前各年级、多专业学生都在学习和了解人工智能，随着技术进一步普及化、融合化，未来跨学科的学习需求与学习者占比将会进一步提升。
四、高校教育奠基优势突出，多种融合学习方式与其形成互补
高教教育以理论教育的体系化、标准化与资深的教学人员为主要优势，是学生建立基础知识和能力的学习方式。同时，高校学习者有着其个性化的学习需求，高校可借助其他学习方式和资源，实现优势互补，弥补满足个性化学习需求上的能力不足。如:
在提供应用性、前沿性强的学习内容上，可借助社区论坛、大厂教育平台等获取更多前沿的行业信息资料;
在弥补社交连接的不足上，可以发挥社群化学习的链接优势，实现高校与企业、行业专家、优秀学习者之间的链接打破学习的时间、空间的限制。
在加强应用能力上，可以借助社群化学习和实战式学习平台，获取更多教学资源和实战项目信息。
五、高校AI人才培养展望
未来“业务理解与解决问题能力”依然是高校人工智能教学的重点，同时需要关注学生持续学习与创新能力的培养，并逐渐将其他软实力渗透在教学中。
点击阅读相关文章：
