人工智能时代，艺术教育该如何进行
原创王璐雅昌艺术网收录于话题#艺术134个
近期，各大艺术院校响应《新文科建设宣言》，高等教育改革已成为迫在眉睫的大背景下，2020年第二届艺术与设计创新未来教育博览会“全球院长论坛”，围绕“教师面临着什么样的功能和角色变化？”展开讨论。对于高等院校的教学该如何适应和调整，从事一线教学改革的院长和与会教育界精英、学者，从多个视角展开了话题讨论。
2020年第二届艺术与设计创新未来教育博览会全球院长论坛现场
以往认为，师者，所以传道受业解惑也。但处于第四次工业革命，直面人工智能时代的当下，已并非如此。
教师角色发生了什么变化？
中央美术学院实验艺术学院开设一门“换位教学与自主学习”课程，学生可以自主报名，提出想要给老师上课的内容。内容确定后再用一个星期备课，最终老师会根据学生授课的好坏来打分。
中央美术学院实验艺术学院院长邱志杰常说，如今的师生关系更是“师兄论”。“老师的角色并不是提供答案的人，而是一整套学术活动的发起者、组织者和示范者，更是一个怀疑者、试错者、出难题的人、出丑的人、制造麻烦和困难的人”。
而多位院长也都认同，当下老师和学生角色其实是相互的。
中央美术学院实验艺术学院院长邱志杰
为什么会如此？在英国格拉斯哥美术学院造型学院院长阿利斯泰尔·佩恩看来，教育工作者角色改变的关键因素，是因数字技术以及智能发展作为一种新的使用工具，创造了新的实践模式。
确实，一方面，在发达的互联网信息之下，学生有能力通过网络搜索获取所需知识。另一方面，课堂传授的知识，其实并不足以满足学生应对未来社会将面临的局面。
同济大学设计创意学院院长娄永琪
同济大学设计创意学院院长娄永琪在提到人工智能时代教师角色转换时说：“面对未知时代、未知问题时，老师和学生其实都一样‘无知’，需要重新学习。”
上海纽约大学首任校长俞立中
在这背景下，上海纽约大学首任校长俞立中认为，“一定会有很多新问题，也有很多新技术引用到解决问题中。这对教育提出了挑战，需要我们变革学习方式，无论从课程体系、教师、教学方法、培养模式还是教育思想理念，都需要有所变革、有所创新。”
特别是在创意教育上，索尔福德大学艺术媒体与创意技术学院艾伦·沃克觉得，创意教育领域需要不断修改自我项目组合，并确保与学校和行业的密切联系，以保持币值并建立可持续的专业技术人才队伍。
而队伍需要如何搭建、引领，高等教育就是重中之重。
第二届艺术与设计创新未来教育博览会工作坊现场
未来，老师该如何教学？
2018年，阿里“鲁班”系统上线，取代了传统平面设计师的很多工作，其中淘宝美工从业者的含金量明显缩水。
在人工智能取代劳力的情况下，如今艺术教学已不能再拿十年前的教案重复上课，要不断更新各自知识结构。
这也是大家在教育中的一个共识：培养未来不被人工智能所取代的人。
第二届艺术与设计创新未来教育博览会工作坊现场
邱志杰认为，当下培养人才并不是简单满足社会需求就行，而是能引领社会创新或未来生活的变革者。“而今天的艺术教育最重要的是，把自己终身学习者的态度教授给同学。”
在课程上，邱志杰会进行物体剧场挑战，“我给自己出考题，让每个同学带十个东西到教室，我要用这些东西来完成十件作品。这种共同创作和把自己当作实验品的试错，很可能是今天艺术教学的唯一方式。”
伦敦皇家艺术学院副校长兼教务长NarenBarfield也觉得，教师不再是一名指导员，而是拥有更加完善和复杂认知图谱，如同伴一般的创造者。在教学中应减少学生手工技巧的工作，更多地帮助他们了解思想、关系、文化、连接分散的点，并形成网络的能力。“老师带来知识、理解力、概念图以及指导和情境化的能力，可帮助学生填补自身知识的空白，联结他们的理解力，以建立人类伙伴关系和合作关系。而好的教育是学生毕业后能够自力更生。”
未来，“艺术”有何立足之地？
四川美术学院副院长焦兴涛
前两年法国艺术组织Obvious用人工智能创作了一幅画作并上拍，这是AI画作第一次在大型艺术品拍卖行亮相，以1万欧元（约7.8万人民币）起拍，最终以43.25万美元(约300万元人民币)成交。四川美术学院副院长焦兴涛以此为例，并不是为探讨AI智能人工绘画的价值和意义，而是提醒，在技术、智能、网络塑造之下，今天的艺术正在被智能化，“只有明白艺术处于何种立足之地，才能知道艺术教育的立场和对应态度。如果不能准确面对技术，就很难展开艺术教学。”
需要重新定义“艺术家”工种的不可替代性。
第二届艺术与设计创新未来教育博览会工作坊现场
索尔福德大学艺术媒体与创意技术学院艾伦·沃克认为，对艺术高校从业者的新要求可以分为3部分：“首先，在艺术学校的各个方面体验，都需要将模拟与数字联系起来的灵活性和创造力；其次，在学院以及工商业领域开展跨学科合作的经验；第三，具有高水平的数字专家，包括教授编码的能力。”
而娄永琪也觉得，合格的老师“要‘身体力行’，虽千万人吾往矣。也要‘知行相资’，在行动过程中再创造知识；更要在对的目标上坚持‘博学好成’，克己复礼。”
而俞立中也直言，创新人才并不是教出来的，而是通过教育来提升一个人的创新能力和思维，其中设计、制作就是重要途径。
第二届艺术与设计创新未来教育博览会现场
跨学科发展，术业专攻已不适用？
从术业有专攻，到《新文科建设宣言》中鼓励支持高校开设跨学科、跨专业交叉课程，再到今年11月，同济大学设计创意学院就“2035年还有没有学科之分”的谈论，从中可以看到，学院正试图把学科推向更大的疆域。
首先我们得知道为什么有学科之分？其实是一群有共同学术思维、追求甚至利益的人，共同来分享相近的学术规范。这群人在一起就形成了学术的共同圈，也相当于是学科的“砌墙人”。
不过世界但凡有砌墙人就一定有拆墙人，这个时代拆墙的人就是“跨学科”。此前同济大学设计创意学院探讨“2035年有没有学科”的背景，是2010年同济大学与芬兰阿尔托大学共同建立的国际交流平台“同济大学中芬中心”，中心里90%学生来自其他学科，“大家都相信，设计思维是可以整合不同知识的黏合剂”。
至于学科问题，在娄永琪看来，“学科的发展，就是砌墙、拆墙、砌墙、拆墙的过程。即使到了2035年，拆墙人也不会消失，它只是以各种各样的不同形式存在。”
当然，数字技术的发展与传统手工技能学科并不冲突，“相反基于传统手工技能的学科可以支撑技术的创新，并为数字化方法的实践提供进一步的支持。此外跨学科不能仅从创造性教育领域出发，还应该考虑可持续性、环境健康以及社会福利等方面”，阿利斯泰尔·佩恩表示。
第二届艺术与设计创新未来教育博览会现场
例如，清华大学美术学院利用综合大学优势，积极拓展跨学科、跨专业的教学模式。与其大学计算机学院和新闻学院联合，进行多年的交叉学科项目，以此希望将工文科能有效整合；也与新雅书院合作工业设计跨学科项目；与清华大学全球创新学院合作做艺术硕士培养项目；还与国内其他院校、行业合作GID（全球创新设计研究生联合培养项目）...
无独有偶，四川美术馆学院申请了仅面向理工的重庆市新媒介美术创作重点实验室；也得益于成渝双城经济圈，与成都电子科大建立实验基地和校间实验项目。
另外上海纽约大学成立后，也率先设立交互媒体艺术专业，“它不仅是一个专业，也是其他专业能选修的课程。通过IMA的学习，确实提升了他们创新意识和创新能力”，上海纽约大学首任校长俞立中表示。而这一课程的成功也被引回到纽约大学里。
第二届艺术与设计创新未来教育博览会现场
除了跨学科，艺术学院也扩宽了“教室”范畴，在各地设立“基地”。
如2016年，同济大学在上海创办了“同济黄浦设计中心中学”，希望培养具有设计思维和创新精神、未来各行各业游戏规则的重新制定者。
2017年，清华大学在意大利设立了米兰艺术设计学院，希望在欧洲平台上更好促进国际交流以及跨学科教育；并充分利用清华大学艺术博物馆，把艺术课堂真正融入实践中。另外，即将运行的青岛艺术与科学艺术研究院，将变成转化教学成果和知识产权的重点基地。
......
亟待师资新“血液”加入
清华大学美术学院副院长、学术委员会主任杨冬江
而在这些新增的教学模式之下，师资结构的突破和变化将是最大问题。
现场杨冬江提醒，艺术跨专业、跨学科尤为不易，需要有很强的专业知识为基础，同时也要有眼光和视野。但他依旧认为，“真正的师资，就应该通过跨学科的培养和方案实施，来适应新形势下的艺术教育。只有新鲜‘血液’和新知识不断涌入教学中，才能够真正做到中国教育所希望的目标。”
巧合的是，中央美术学院正尝试这样的师资引进。在全球院长论坛开始的同时，徐震正在中央美术学院首次为在校研究生授课。另外，艺术家曹斐、导演张广天成为了新的师资力量。
邱志杰也透露，如何说服学院将中专毕业的徐震，变成中央美术学院硕士导师，就得益于徐震非常出色的艺术表现和理念。
所以说，未来可期，从业者一直在实践。但我们永远不知道明天和意外哪个会先来，就像2017年BBC列出了人类将面临的十大问题，但谁又知道就在3年后的2020年，“COVID-19”的突然出现反而成为人类面临最大问题之一？
因此，四川美术学院副院长焦兴涛认为，“我们不能对未来去真正规划和计划，但未来就像历史，其实是一个多重叙事的结果。既然如此，把握此刻就是把握未来。”
原标题：《人工智能时代，艺术教育该如何进行？》
阅读原文
挑战与应对：面向智能时代的高等教育
2.高等教育学科建设的挑战
第一，对多学科交叉的需求增多。智能时代人们的生产生活方式被彻底改变，同时也出现了一些技术之外的问题，如法律、伦理和道德问题。这些问题远不是单纯的技术问题，而是智能时代这个新场景中的全新问题。这些全新问题今天已经有人提出，但是目前很少看到这方面研究，而这些问题对人类的影响重大[9]。要解决这些问题，不能仅依靠单一学科，必须有赖于多学科协同，有赖于文科的内部融通、文理交叉来研究和解决。因此，智能时代对多学科交叉的需求将会增多，不仅仅是理工学科内部相近学科的交叉协同，还包括文科专业间的交叉融合、文科与理工科专业间的交叉融合。
第二，人工智能相关学科的课程设置存在发力空间。近一两年人工智能相关学科发展迅猛，目前北京航空航天大学、北京理工大学等35所高校已经首批获得人工智能专业的建设资格[10]。但目前在人工智能相关学科的课程设置方面仍存在不少发力空间。一是专门用于人工智能的课程数量还远远不够。很多高校的人工智能专业仍使用计算机专业的课程，智能教育呈空心化。目前，能专门用于人工智能的课程数量还远远不能满足需求，这导致人工智能专业课程只能浓缩到“高级科普”程度[11]。二是当前人工智能教育相关专业课程混乱。针对目前信息时代与智能时代交叠融合的过渡状态，如何设置智能教育科学合理的专业课程还需要深入研究[12]。
3.高等教育治理的挑战
第一，智能时代高等教育的治理方式须转变。当前，人工智能技术极大地丰富了产品、服务的内容与质量，变革了服务的形式和结构，创新了教育服务和产品的供给模式。在治理正在体现出智能化、自动化、个性化特征的智能时代，我们的高等教育治理方式也需要发生转变。如何依靠智能时代的相关技术，使我们的高等教育决策更科学、更精准；如何借助智能时代的相关产品，使我们的高等教育治理更智能、自动化程度更高；以及如何依托智能时代的相关产物实现精准的个性化管理，从而减少高等教育治理资源的投入……这些都是智能时代高等教育治理方式变革所面临的问题。
第二，指导和引领高等教育治理的法律和政策进展缓慢。智能时代在给高等教育治理带来便利的同时，也引发了一系列伦理问题，如智能技术的应用边界、机器决策与人的决策的协调、学生信息泄露隐患等。由于缺乏相关法律和政策的指导和引领，当前基于智能技术的高等教育治理处于尚未起步或“摸石头过河”的尝试探索阶段，亟需理论的引领和制度的规范。但是因为问题的复杂性和相关研究的滞后性，能够指导并规范人工智能发展的法律和政策进展缓慢，能指导和引领智能时代高等教育治理的法律和政策进展则更是缓慢。倘若这一现状长期得不到解决，将很难保障高等教育治理的健康有序发展。
应对智能时代的挑战
1.探索面向智能时代的高等教育人才培养
第一，积极探索应用技术支持大学生个性化、全面发展。一是借助大数据等智能技术，为大学生的全面发展提供科学的数据支持。运用图像识别、语音识别、自然语言处理、大数据分析、情感计算等智能技术对大学生学习过程数据、体质健康数据、心理健康等多模态数据深度挖掘，以人机协作的方式揭示大学生的学习行为规律、成长发展规律，为大学生全面发展提供科学支持。二是利用人工智能技术为大学生个性化、弹性化、定制化的学习提供技术支撑，保证大学生时时处处的泛在学习。挖掘人工智能技术的潜能，使其广泛运用于改进学习过程中知识获取和信息传播的方式，构建适合大学生泛在学习的优质智能教育体系。三是构建智能学习评价体系。构建符合智能时代人才需求的教育评价目标、评价标准和评价手段。研发以大学生为主体的表现性、发展性多元评价系统，不仅要完善对大学生学习成果的界定、评估和认证，而且还要对高等教育阶段学生专业素养以及职业教育阶段学生的职业能力进行追踪和测评，帮助其进行生涯规划。
第二，培育面向智能时代的高校教师。一是提升高校教师的人机协作能力，帮助其实现知识结构、教学习惯的转变。积极引入VR、AR、MR等丰富的培训形式[13]，对高校教师进行智能教育素养培训，帮助其建立智能化教育意识，掌握智能化教育工具，提升智能化教学和管理的水平。二是宣传普及与智能时代高校教学相适应的教育理念，并通过讨论与思想交流的方式改变高校教师传统的教育理念。通过高校教师论坛的形式，使高校教师重视以开发学生的批判性思维能力为主的问题导向教育理念，重视“先道德情操教育、后学术探究”的高校人才培养理念。三是高校教师自身要适应智能时代的角色转变，将精力专注于高技能的任务，包括个性化学习指导、综合性学习活动组织、社会网络联接指导、学习问题诊断与改进、发展性评估与改进、心理健康管理与疏导、社会性的培养、同伴互助专业成长、信仰和价值观的引导、体质健康监测与提升、生涯规划指导、人工智能教育服务伦理监管等[14]。
第三，大力培养智能技术复合型人才和人工智能应用人才。一是通过课程、教学系统、培训项目等的建设，着力培养高素质复合型的人工智能技术人才。基于人工智能技术，研发动态、进化、多元立体的整合型智能课程，推动人工智能在线开放课程的建设。开发面向各行业的智能实训仿真教学系统，构建面向学习者的真实环境和虚拟环境无缝融合的教育环境。建立优质开放的人工智能教育资源中心，开发高质量的人工智能培训项目，助力复合型人工智能人才的培养。二是重视中高等职业教育对人工智能技术人才的培养。鼓励职业学校联合企业开设人工智能课程，建设具有辐射引领作用的高水平、专业化的人工智能产教融合实训基地，培养服务于人工智能企业发展的专业型和应用型人才。
2.促进适应智能时代发展的高等教育学科建设
第一，加强多学科协同交叉。一是引导鼓励不同学科的研究者加强交流。支持各学科的研究人员密切合作，不仅是理工科内部学科间的交流合作，而且还包括“文+文”合作、“文+理”合作、“文+工”合作等，以共同探索智能时代的新概念、新理论、新方法和新技术。二是通过开展具体的项目，促进多学科的协同交叉。设置相应的智能时代的重大攻关项目，引导多学科的研究者，加强协同攻关和交流创新，通过重大基础性问题的探索以及前瞻性重大研究项目的开展，促进学科的协同交叉。三是通过企业和研究机构的带动，促进学科间的协同创新。掌握先进人工智能技术的企业和研究机构可以开放人工智能云服务，为高校各学科的研究者提供技术支撑，带动不同学科间的协同创新。
第二，优化人工智能学科课程体系布局。一是加强人工智能相关专业的课程研发。通过征求人工智能产、学、研领域的专家意见，设置人工智能相关专业的核心课程，构建智能教育的核心知识体系，同时加强智能教育教材的优选工作。教育部可以牵头成立智能教育课程设置和教材开发研讨班，广泛调研并吸纳专家意见，助力课程与教材的研发。二是突出本校人工智能相关专业的特色，建设符合智能时代人才培养体系的“人工智能+X”复合特色课程体系。例如：北京某高校的人工智能学科正与本校法律和金融等学科相结合，提供法律的辅助方案、辅助量刑和其他法律分析、金融分析工具等[15]。三是加强对人工智能相关学科专业课程的评价管理，在加大人工智能学科方向开设力度的同时，不仅要保障高校人工智能学科课程体系的科学性，而且还要保障人工智能相关学科专业的课程质量。
3.推进面向智能时代的高等教育治理
第一，提升管理者在智能时代的决策力。一是高等教育管理者要注重培养自身的人工智能意识和能力，以提高教育治理能力。高等教育管理者要认识到智能技术在教育政策制定中的影响，自觉提升在决策时纳入、运用智能技术的意识，提高决策的科学性与预见性。二是组织相关的培训，以提升高等教育管理者的人工智能意识和能力，甚至可以通过制定相关准则等方式向教育管理者展示智能时代应具备的能力指标，指导高等教育管理者的能力培养。三是通过高等教育管理者的合作与对话，促进政策对话和知识共享，提升自身在智能时代的决策力。例如：通过积极参加高等教育管理者间的论坛或相关主题会议，学习优秀的治理经验，提升自身的教育治理能力。
第二，制定高等教育治理政策或伦理规范。一是加强智能教育伦理方面的研究，分析智能技术的教育应用所带来的伦理风险，建立人工智能发展和教育应用的伦理规范。二是政府、学术界、行业合作伙伴和民间社会组织在国家、地区和全球层面开展合作，通过利益攸关者共同讨论协商的形式，制定多元参与、协同发力的智能时代高等教育治理政策或标准，推进面向智能时代的高等教育治理。
智能时代是一个人人可享智能技术的时代，新技术不断出现、新产品不断应用，挑战与机遇并存。高等教育作为科技第一生产力、人才第一资源、创新第一动力的结合点[16]，不仅肩负着人才培养、科学研究、服务社会的使命，更对智能时代的发展起着重要的引领作用。因此，高等教育必须要深刻认识并积极应对智能时代的挑战，方可做到在保证自身健康发展的同时，进一步发挥对智能时代发展的引领作用。（作者：崔伟孙晓园，单位：北京师范大学未来教育高精尖创新中心）
参考文献：
[1]原昉,乜勇.智能时代泛在学习的基础和教学支持服务研究[J].现代教育技术,2019,29(5):26-32.
[2]李婧.医学模拟教育与人才培养—谈VR/AR在医学院校的应用前景[J].内蒙古师范大学学报（哲学社会科学版），2018,47(6):113-116.
[3]吴玉蓉.高教普及后师资不够怎么办？专家：智能助教、智能老师将上阵[EB/OL].(2016-10-27)[2019-06-25].https://www.thepaper.cn/newsDetail_forward_1550190.
[4]罗超.AI时代门禁将大有可为[J].中国公共安全,2018(9):24-29.
[5]朱永新,徐子望,鲁白,等.“人工智能与未来教育”笔谈(上)[J].华东师范大学学报(教育科学版),2017,35(4):15-30.
[6]余胜泉.人工智能教师的未来角色[J].开放教育研究,2018,24(1):16-28.
[7]王锐,高宇璇.本科人才培养质量评价体系研究[J].价值工程,2014,33(27):258-259.
[8]卢秋红.面向未来的教育评价改革[J].中小学信息技术教育,2016(7):8.
[9]马费成.推进大数据、人工智能等信息技术与人文社会科学研究深度融合[J].评价与管理,2018,16(2):1-5.
[10]中华人民共和国教育部.教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知[EB/OL].(2019-03-25)[2019-06-25].http://www.moe.gov.cn/srcsite/A08/moe_1034/s4930/201903/t20190329_376012.html.
[11]王之康.高校人工智能热的“冷”思考[N].中国科学报,2018-06-26(5).
[12]李德毅,马楠,秦昆.智能时代的教育[J].高等工程教育研究,2018(5):5-10.
[13]宋灵青,许林.“AI”时代未来教师专业发展途径探究[J].中国电化教育,2018(7):73-80.
[14]余胜泉,王琦.“AI+教师”的协作路径发展分析[J].电化教育研究,2019,40(4):14-22,29.
[15]刘进,吕文晶.人工智能创新与中国高等教育应对（上）[J].高等工程教育研究,2019(1):52-61.
[16]中华人民共和国教育部.教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].(2018-04-03)[2019-07-02].http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
《北京教育》杂志
作者：崔伟孙晓园返回搜狐，查看更多
【专家观点】肖仰华｜教育知识图谱: 机遇与挑战
教育知识图谱:机遇与挑战
摘要：人工智能技术的快速发展为教育智能化带来重大机遇。教育信息化、数字化基础已然夯实，人工智能，特别是以知识图谱为核心的认知智能技术在教育的智能化发展过程中扮演着重要的角色。人工智能助力教育行业智能化转型、高质量发展发挥积极作用，才能彰显其独特价值。本文结合作者的一些研究与实践，对教育知识图谱的内涵与意义、应用方式、落地挑战与应对思路等展开系统性介绍。
一、什么是教育知识图谱
人工智能解决问题的重要实践方式是知识工程。知识工程旨在将人类的知识和推理能力赋予机器解决实际问题。知识工程发展到大数据时代的代表性技术就是知识图谱。知识图谱是一种大规模语义网络，富含概念、实体及各种语义关系，成为了人工智能基础设施，各类知识的重要载体，是实现认知智能的基石。教育知识图谱将碎片化、分散式的教育资源与相关实体关联成一张巨大的语义网络，为教育的智能化应用提供知识支撑。教育知识图谱通过语义网络的形式表达和沉淀了传统教育教学过程中所涉及的课程知识、教学知识、学科知识、百科知识、语言知识等。教育知识图谱侧重于实现教育相关的实体或资源的关联，包括知识点之间语义关联、知识点与学习资源之间的语义关联、知识点与术语、公式、图表等各种表达形式之间语义关联、知识点构成的概念层级关系、以及与师生（甚至机构）相关的语义关联等等。
二、教育知识图谱的意义
教育知识图谱是实现教育智能化的关键基础设施，是教育智能化实现的重要技术工具。教育知识图谱的意义从技术视角来看，其重要作用体现在以下几点：
1．知识图谱是教育知识的集中载体。教育是典型的知识密集型行业，各类学科知识、教学知识、专业知识在教育的各环节密集呈现、相互交织。教育的基本使命是实现知识在人类代际之间的连续传承。机器在教育过程中部分环节辅助甚至代替教师，首先需要具备教师的知识体系。而教育知识图谱正是一种结构化、规范化表达与承载教师经验或学科知识的技术手段。
2．知识图谱实现碎片化教学资源的关联。教育行业经过信息化、大数据时代的发展，积累了教学资源、学习过程、评估评测等类型多样的数据。这些数据以一种碎片化的形态分散在学校、教师、评估机构、教学平台等不同所有者手中，需要将碎片式的教育数据要素链接成为巨大的关联网络，创造价值。知识图谱正是通过建立碎片化教育要素的之间的关联而创造其技术价值。
3．知识图谱实现教育智能服务。知识与推理是一个智能系统的核心要素。作为教育知识的载体，教育知识图谱是教育知识引擎的核心部件，是教育智脑的重要构成，实现各种智能化教育信息服务的基础。教育知识图谱为语义搜索、个性化推荐、用户画像、智能问答、行为预测、精准分析、决策支持等一系列智能服务提供不可或缺的知识支撑。
知识图谱技术与教育各应用场景深度融合之后将会释放更大价值，对教育核心问题的解决带来机遇，将有力促进教育走上高质量发展道路，表现在以下几个方面：
提升教学效果
教学质量很大程度上取决于技术手段对于个性化教育、精准化干预的支撑程度。基于知识图谱的用户画像等技术能够实现学生学习情况、教师授课情况的精准刻画，从而对学习与教学过程进行精准干预，比如向学生针对性地推荐学习素材或练习题以强化学生薄弱知识点的掌握。知识图谱让因材施教有了更为具体的发力点。
提高教学效率
知识图谱作为背景知识能够实现优质学习资源的语义搜索和智能推荐，降低学生学习资源的获取门槛、提升资源获取效率。将常见问题组织成知识图谱实现答疑机器人，利用知识图谱实现阅卷机器人，均能较大幅度节省师生时间，提高师生互动效率。
优化教育决策
教育知识图谱既是教学过程中的重要资源，也是感知教学效果、优化教学过程的重要工具。提供个性化知识服务的同时，教育知识图谱中的实体或概念可用作学情标签帮助感知和刻画个体学生的学习情况，学生集体的学习状态，进而帮助学校和教师做出适时的、合理的教育决策，也可以作为检验知识指引并优化序列化的教育决策过程。
保障教育公正
教育知识图谱作为公共教学资源，能够借助互联网传播与服务等形式向所有学习者以一种智能化的交互方式提供优质学习资源，从而实现人工智能技术普惠，是缓解我国教育资源、教育发展不平衡等问题的重要手段。知识赋能下的应用场景，比如智能阅卷，在减轻了教师负担的同时，也能够避免人为阅卷的主观性，保证教育评测的客观与公正。
三、教育知识图谱如何应用
教育的应用场景复杂多样，对于人工智能技术有着不同的需求。需要从场景价值与技术可行性等角度仔细甄别适合知识图谱的应用场景。从当前的技术水平来看，以下几个典型的应用场景是可以直接受益于知识图谱的。
01
数智教材
教材是教育最为重要的工具。发展教材的关键在于深植服务理念，深耕以教材为核心的知识服务。教材应该以一种平台化的服务形式呈现，一本经典教材应该变身成为该学科（或课程）的数字化与智能化教学与知识服务平台，系统性地集成围绕学科（或课程）学习、授课、练习、实验、评价等各环节的智能服务平台。知识图谱是驱动整个教材数化转变的知识引擎，是教材变革的助推器。
02
深度阅读
阅读是人类获取知识最重要的方式之一。阅读过程本质上是知识获取的过程。通过知识图谱技术，可以将书籍自身的知识元素（知识点、实体、概念）以及书籍之外的背景知识进行关联，从而极大地拓展一本书籍所承载的有限知识容量。在内容理解、关联分析以及行为分析等技术的支撑下，可以实现个性化阅读、探索式阅读、主动推荐式阅读，因而形成深度阅读模式。早在2012年知识图谱技术诞生之初，笔者就提出基于知识图谱的深度阅读模式，并笃信知识图谱将在促进人类阅读方式变革方面有所作为。图1展示了《红楼梦》深度阅读的示例。
图1基于知识图谱技术的《红楼梦》人物实体识别，并链接到红楼梦知识图谱百科，从而在读者阅读时，链接到背景知识。03
学科洞察
在学科教育中，尤其是高等教育的各个学科，其知识体系并非一成不变，往往处于动态发展与持续更新的过程。对于科研、教学和学科情报工作而言，需要具备足够的学科背景知识才能拥有一定的学科洞察力。学科知识图谱对于学科洞察具有积极意义，比如，学生搜索“深度学习”相关的文献，通过直接匹配论文关键字很难检索得到相关文献，但事实上标题含有“图神经网络”、“卷积神经网络”的论文均是符合要求的。显然，如果机器也拥有人类类似的学科背景知识，是能够胜任这类文献查找工作的。学科知识图谱的建立可以深化整个学科发展态势的洞察，提升科技情报服务的内涵。当前，词汇挖掘和关系挖掘等方法能够从海量学科论文、专利等语料数据自动挖掘学科术语（词汇、关键词等）及其之间的各种语义关系，构建以术语为核心的词汇知识图谱（其内涵与传统图书情报领域的叙词表相近），为学科洞察奠定了良好基础。图2展示了人工智能领域的部分词汇知识图谱。
图2 从NeurIPS会议论文集自动抽取的学科知识图谱，包含了学科术语及其之间的语义关系04
师生画像
个性化教学、精准化服务建立在学生的学情画像、教师的技能画像的基础上。而对于教师和学生的画像建立在学习资源、教学素材的画像基础之上。全面、实时、多维度的标签是精准画像的关键，是实现学习资源的语义搜索、精准推送的关键。知识图谱的标签挖掘技术可以从教育素材和资源中自动挖掘或生成大量的优质标签。标签还可以进一步组织成标签层级体系。教育知识图谱和标签体系可以增强知识点或者教学资源的语义描述，进而提升教师和学生画像完整性与精度，精准感知与刻画学情态势，为个性化的资源推荐、学习路径推荐等提供支撑，助力自适应性教学。
05
智能服务
知识图谱作为背景知识有助于机器理解教育行业数据、提升机器学习的能力，实现可解释人工智能，在数据分析、语义搜索、智能推荐、问答系统、可解释决策以及文本生成中得以广泛应用。知识图谱赋能的这些应用均可以在教育场景中取得显著效果。比如通过如图2所示的以术语为核心的词汇知识图谱，有助于实现精准的学科热点分析（比如将题目含有“CNN”与“卷积神经网络”文献进行合并统计）、学科资源语义搜索（比如搜索“CNN”召回卷积神经网络相关的文章）、学科资源的精准推荐（比如向搜索了“CNN”的学生推荐RNN相关的资料）、自然语言问答（比如对于问题“CNN存在哪些改进模型”，经图2的简单检索可以找到GRCNN）、可解释决策（比如CNN与随机森林之间的关系可以通过图2中的相应两个节点的路径进行解释）。
四、教育知识图谱存在哪些挑战
教育知识图谱与通用知识图谱存在哪些异同，与其他领域知识图谱相比有哪些特点，这些独特之处带来了哪些技术挑战。这些问题是在开展教育知识图谱实践之前必须澄清的问题。只有深刻理解教育知识图谱的独特挑战，才可能提出解决问题的有效思路。
01
类型多样
教育所涉及的知识内容丰富多样，包含课程知识、教学知识、教材知识、学科知识、百科知识、课程题库等。知识内容的多样性增加了知识获取和组织的难度。不同类型的知识需要不同的表示方式，不同的知识处理手段。例如，在教学环节，教材知识极为重要，通常需要以知识点为核心组织教材的知识体系与内容逻辑，因而需要建设以知识点之间的逻辑关系为核心、辅以知识点与其定义、公式、说明的关联关系为外围的知识点知识图谱。而考评环节的关键是考题资源，往往需要建设以考题为核心的知识图谱，包含题目与知识点、学生、老师的关联关系。在某些应用场景，比如机器辅助解题，需要进一步从题目中拆解题干、选项、答案、解释等知识要素。教育的不同环节需要不同类型的知识，需要建设不同类型的图谱。类型多样对教育知识图谱的建设提出了巨大挑战。
02
粒度多样
学科中的知识点是有粒度之分的。历史学科中的玄奘西行是个重要的历史事件，是历史教学重要知识点之一。一方面可以进一步抽象归类到唐朝的宗教活动这一粗粒度知识点，另一方面也可以细分为玄奘西行的目的、时间、路线、意义等更细粒度的知识点。不同抽象层次的知识点很自然地组织成层级体系，不同的层级对应不同的知识粒度，不同的知识粒度需要不同的处理手段。比如在将具体的教学资源向合适的知识点进行挂载时，知识点的粒度有着重要影响。一般而言粗粒度挂载较为简单，细粒度挂载则相对困难。细粒度处理需十分精细的语义识别能力，比如识别一道题是否在讲玄奘西行相对容易，但将其区分为是在考察玄奘西行的目的还是意义则要相对困难的多。不同学科的知识点层级也存在差异，往往在深浅、宽度、划分的维度等方面存在差异，增加层级粒度处理复杂程度。图3给出了化学和数学两个学科的不同深浅的知识点层级结构。
图3不同层级的知识点左图的化学知识点层级较浅，右图数学的知识点层级较深
03
多模形态
现代教育的典型特征之一就是多媒体教学手段的大量应用。多媒体教学采用诸如视频、音频等多种渠道和手段，促进教学过程的直观性和趣味性，提升学习效率。多模态手段的应用对于某些学科的知识而言是必要的，比如，很难想象如果不借助具体的图示学生如何能够理解等腰三角形这个概念。因此，教育数据往往呈现出复杂的多模态特性，这一特性多模态的教育知识图谱提出了诉求也创造了条件。如图4所示，教育知识图谱中通常需要将多模态教育数据挂载到相应的知识点。多模态知识图谱本质上实现抽象的符号化概念（知识点）向多模态实例（考题、多模态素材）的接地（Grounding)。人类的抽象概念或知识往往是通过具体经验归纳总结而得到。这些经验是具体的、可感官的，其对应的数据形态是图像与影音。因此，理解某个概念一定程度上体现为能够列举概念的某个多模态实例。总体而言，多模态知识图谱的自动化构建仍处于起步阶段。相对于研究较多的互联网环境的多模态知识图谱构建，教育知识图谱的多模态化尤为困难。其原因是教育与互联网（或消费互联网）等通用领域的多模态数据内容与形式不同，后者的多模态数据往往是人类社会的真实图像、影音，而教育领域的多模态数据多是面向教学的示意图、表格、公式、流程图、原理图。这些图表的抽象程度介于真实世界的图像与纯文本之间，其理解方式与处理手段与物理世界图像完全不同。如何高效地构建大规多模态化的教育知识图谱，如何基于教育多模态图谱进行跨模态推理、跨模态搜索、跨模态阅读理解等仍存在很大的研究空间。
图4 教育知识图谱的多模态特性
04
质量控制
质量是教育的生命线，更是教育知识图谱的生命线。错误、缺失、过期的知识会对学生的学习产生误导，反而增加了学习成本。教育知识图谱的质量要求相对苛刻。然而，现有的自动化构建方法往往带来知识图谱的质量问题。一方面，自动化方法不可避免地产生错误。另一方面，教育知识图谱的数据来源也良莠不齐。教育知识图谱的质量评估与控制需要付出巨大努力，需要专家的谨慎审核。为尽量减少教育知识图谱的质量维护成本，需要一套针对教育知识图谱的质量评估和控制方法，需要对知识图谱进行准确性、时效性、完整性、一致性的全面评估，对图谱的增、删、改等操作做风险评估。
05
持续更新
信息时代，知识日新月异。从知识的更新速度而言，高等教育甚于基础教育。高等教育更关注理论与技术前沿，其持续更新恰是常态。在人工智能、气候变化与碳中和、生物医药等新兴学科，研究成果加速产出，新理论、新方法、新结果层出不穷，不断刷新旧知识，补充并完善着整个学科的知识体系。因此，教育知识图谱的持续更新能力对于高等教育而言尤为重要，然而，在技术层面知识图谱的更新研究相对稀少。如何识别需要更新的知识，如何评估知识更新所带来的影响均是开放性问题。
06
学科差异
不同学科的知识形式与内涵存在巨大差异，对于教育知识图谱方案的普适性提出巨大挑战，学科差异是教育知识图谱落地的挑战之一。例如，语文教学过程中注重学生对文字的感知和表达能力，课堂上以阅读、写作等形式为主，教材也以各种文学作品的解读与分析为主。而数学教学过程则大不相同，其注重学生的数理逻辑和计算能力，课堂上以答题等逻辑和计算训练形式开展教学，教材则多围绕术语提供大量的定义、解释、示例进行组织。即使是同为理科的数学和化学之间也存在很大的区别，化学更加关注真实世界化学物质的性质、合成等，而数学则主要包含抽象世界中的逻辑和计算。
不同学科间的巨大差异对于知识表示与应用提出巨大挑战。数学中需要表达数理与运算的逻辑，历史需要表达事件之间的时序关系、地理需要表达时空逻辑、物理需要表达物理规律。作为语义网络的知识图谱很难应对不同学科的知识表示需求。学科差异也对知识的获取与应用手段提出了挑战。语文、历史、政治等文科类的学科，使用大规模语言模型有可能取得比较好的效果。理科的各类学科单单文本不足以表达相应学科的基本逻辑，需要发展额外的知识表示方式，以显著提升相应学科的知识表示与应用水平。此外，各个学科之间存在紧密关系（所谓文史哲不分家、数理化不分家），跨学科的知识融合对技术提出了巨大挑战。比如牛顿的万有引力（物理）与微积分方法（数学）有着紧密联系。如何关联与融合不同学科的知识仍有待深入研究。
五、教育知识图谱如何推进
教育知识图谱的落地实践应坚持实用主义，要将知识图谱系统视作一类复杂的人机交互系统，将其落地实践视作一类典型的系统工程。坚持系统观，不能将知识图谱系统视作孤立系统，要将其置于整个教育智能化的大环境中，充分考虑与环境以及其他子系统之间千丝万缕的关系。还要坚持工程观，在成本与资源合理约束下最大化落地效果。此外，具体推进过程需要谨慎处理以下几个问题：
01
定位问题
教育知识图谱作为新兴信息技术，对于教育智能化发展的具有积极作用。然而，不能简单认为教育智能化全部内容就是知识图谱建设。知识图谱只是各种知识表示的一种形式，其表达能力仍然有待进一步拓展与提升，在教育领域的应用模式仍有待深入探索与验证。基于知识图谱的教育智能化发展，是机器智能循序渐进发展，逐步代替人类教育工作者的部分工作的过程。认知智能在行业的应用水平大致会经历新手、工匠、大师三个阶段。在新手阶段，认知智能通过领域知识的初步掌握能够实现类似文献查找的功能（比如教育中的学习资料检索）。在工匠阶段，认知智能通过专家知识能胜任一些复杂问题的推理与决策（比如教育中答疑解惑）。在大师阶段，认知智能习得了海量教育数据中所蕴含的隐形知识并通过解释与反思等手段以人类可理解的符号形式表达出来。即便实现第一阶段目标，就已经能够实现教育行业极大的提质提效。
02
场景问题
推进基于知识图谱的教育智能化最迫切的任务是准确识别知识能解决问题的合适场景。我们的应用往往分为模式内蕴或者背景关联两类。所谓模式内蕴的任务是指其答案可以单纯从数据中获得。所谓背景关联是指解决某个任务需要输入之外的背景知识。比如识别一幅图是猫还是狗，不需要关联到什么背景知识就能完成。但是，没有丰富的背景知识要让机器理解“关公战秦琼”的不合理是很困难的。不难发现教育领域有着太多的背景关联类的任务。这类任务恰是知识图谱的用武之地。此外，数据稀疏的场景也往往需要借助知识图谱。“数据不够，知识来凑”，但凡数据不充分所导致的应用效果低下的场景，往往也是知识图谱能够发挥显著效力之处。寻找适合的场景需要跨学科的知识背景，需要对于教育本身有着深刻的理解，同时对知识图谱等技术的本质有着深入的理解。
03
人的作用
面对各阶段教育教学繁多的学科，单一专家来梳理全部学科的知识体系是不现实的。同样地，让机器完全自主、绝对自动化的构建教育知识图谱也是不现实的，教育知识图谱的建设需要机器和人的协作，二者缺一不可。机器智能的发展仍然需要人类为其设定认知框架（比如本体设计）、反馈结果好坏（比如样本标注）、验证事实对错（比如知识验证）。以知识点体系梳理为例，上层的知识体系涉及理解一个学科的思维方法，只有教育专家才能胜任。但是对于细粒度知识点的资源挂载任务而言，海量的教育资源使得人类专家难以胜任，恰恰需要机器自动化完成。人机协作是教育知识图谱的保质保量完成构建的关键。
04
视角问题
知识是人类认知世界的结果，人类的认知存在主观性。不同的认知主体，不同的认知视角，均会产生不同认知结果。教育知识图谱建设过程中面临着同样的问题。学习者、教学者、管理者往往对教育的理解是不尽相同的，普通教师、专家教师对于统一教学内容的看法也往往存在差异。因而教育实践中往往需要从不同视角表达同一主题的知识图谱。一类图谱不能也不必表达所有视角，不同视角的图谱往往只需共享一个相同的内核，在此内核基础上不同视角需要进行相应知识内容的扩展或调整，以满足不同的需求。
05
应用指引
知识图谱技术需要融入到教育的典型应用中。教育知识图谱的边界、内容、粒度均需要从实际应用出发进行合理界定。教育知识图谱的建设与应用必须形成闭环，从应用寻求反馈与指引才能更好地建设知识图谱，才能保障知识图谱的效用。应用引领、以用促建，是教育知识图谱落地应该坚持的基本原则之一。
06
标准化与灵活性
教育知识图谱的建设是否需要遵循标准化规范？标准化是保障知识图谱系统集成、发挥知识图谱产业生态的集成效应的重要保障。但标准化需要结合实际应用，需要建立在具体实践案例的基础之上。不能脱离应用实际空泛谈论标准化，要让标准化建立在多样化的具体的实践案例基础之上。应在推进标准化的同时，充分考虑教育知识图谱实践的实际情况，做到标准化与灵活性兼顾。
六、教育知识图谱如何发展
当前阶段，基于知识图谱的教育智能化实践初显成效。在各学科专家的指导下，知识工程师能够完成覆盖学科主要知识单元与重要知识点的教育知识图谱构建，并能将少量精选的教育资源以规则匹配为主的方式挂载到教育知识图谱的对应知识点上。基于知识点与教育资源知识图谱，实现了教育资源的智慧搜索、智能推荐，针对特定学科实现了一些智慧阅卷的智能化功能，在一定程度上提升了教师教学和学生自学的效率。
然而，现阶段的教育知识图谱及其智能化成果还远远无法惠及“教、学、练、测、评、研、管、服”等全链条中的各教学环节。具体来说：
1）以文字表达为主的学科知识点，难以准确全面刻画复杂场景、多模态数据中的知识点或教学资源；
2）以专家手工构建为主的知识图谱构建方式，无法满足大规模教育资源关联的需求，难以满足新兴学科的快速发展；
3）以规则匹配为主的资源挂载方式，无法实现海量教育教学资源向细粒度知识点的自动挂载；
4）人工判定为主的教育资源质量评判方式，难以满足数据驱动方法所构建出的大规模教学知识图谱的质量评估；
5）教育知识图谱的应用模式与知识图谱在消费互联网领域的应用模式趋同，仍然需要巨大努力挖掘教育知识图谱的独特应用模式。
为了应对教育知识图谱研究与应用的上述问题，仍需在以下方面做出努力：
增强以知识图谱为核心的教育知识表达能力
应针对学科的差异，深入研究以图谱为核心的不同学科的知识表示方式；拓展教育知识图谱的内涵，拓展教育核心实体的类型与语义关系的多样性；探索多模态的教育知识表示方式；探索教育知识图谱与预训练语言模型的融合表示方式；研究基于这些新型知识表示方式的推理方法。
提升教育知识图谱的构建能力
研究多模态教育知识图谱构建、教育资源的知识点自动挂载、教育知识图谱自动更新等关键技术；研究面向教案、教材、考题与教学视频等不同类型教育数据的知识获取技术；研究学科知识体系与概念层级的自动化或半自动化构建技术；研究可迁移、可泛化的教育知识图谱构建技术，大幅降低教育知识图谱的构建成本；开展以术语、图表、公式、定义、引用、作者、机构、专家为核心的高等教育知识图谱建设。
研究教育知识图谱的应用技术
丰富教育知识图谱应用场景，研究基于教育知识图谱的语义搜索、精准推荐、用户画像、学习路径规划、教学评估、考查考评、学科洞察以及可解释的学情诊断，探索教育知识图谱的独特应用场景，深挖教育知识图谱的潜在价值，实现基于教育知识图谱的自适应学习、个性化学习。
建立教育知识图谱完整的质量评估体系
建立教育知识图谱的质量评测体系，研究相应的评测方法，开展教育知识图谱评测数据集构建；探索预训练语言模型与教育知识图谱的联合评价机制；建立教育应用驱动与反馈下的知识图谱评测方法；实现教育知识图谱的客观可信评价，保障教育知识图谱的高质量建设，提升教育知识图谱的应用效果。
总结
教育智能化征程已经开启，基于知识图谱的教育智能化将会进入发展的快车道。教育智能化应用将牵引知识图谱技术向领域认知的纵深方向持续发展。知识图谱技术也将持续助力教育的高质量发展。最后作出以下提醒。教育是人类的最伟大事业之一。基于知识图谱的教育智能化一定程度上实现了教育的提质增效，其本质是在辅助教师完成“授业”或者“解惑”的工作，然而以培养人的内在品质为核心的“传道”仍然难以假手于机器，这或许正是教师工作者无法推脱的根本使命。
致谢：本人的研究生郭放、陈石松、石庭豪整理了我的演讲报告，课题组的冯红伟、李直旭老师提供了部分素材，基于这些材料形成了这篇文章，在此表示感谢。
财会人员在人工智能的机遇和挑战
财会人员在人工智能的机遇和挑战时间：2023-04-1312:04:45
摘要：在过去的几年中，中国的科学技术水平飞速发展，特别是在中国的人工智能技术方面取得了长足的进步。人工智能技术在会计、税务、审计等领域的应用是发展机遇，也是会计师的最新挑战。本文将从会计行业出发，以客观的角度探讨人工智能背景下会计人员面临的机遇和挑战。同时，根据新时代的新要求，对现代会计人员的发展提出一些建议。
关键词：人工智能；财会人员；机遇与挑战
引言
在人工智能快速发展的背景下，会计师规划和发展新职业变得更加重要。因此，迫切需要传统会计人员向综合管理会计能力的过渡和发展。随着人工智能的快速发展，“德勤金融机器人”和“金蝶金融机器人”受到了业内许多人的关注。人工智能迅猛的发展给会计从业人员带来了巨大的挑战。
一、人工智能的发展背景和在财会行业中的应用
（一）人工智能的发展背景人工智能（ArtificialIntelligence），通常称之为AI。人工智能技术可以大大减少人机的烦琐操作，达到提高人们生产力的目的。自诞生以来，人工智能科学技术经历了三波技术改革浪潮。在1980年代，人工智能开始了第一波改革，主要集中在人类的知识领域。第二波人工智能技术改革浪潮始于00年代，一直持续到今天。目前，人工智能转变的标志是机器学习的出现，即试图将人工智能技术应用于机器学习功能，特别是机器人对人类行为思维学习和仿真的能力。如今，我们将带来第三次人工智能改革浪潮，对通用人工智能技术进行描述性研究和应用。
（二）人工智能在财会行业的应用如今，传统的人工智能技术已开始应用于会计行业，主要使用自动扫描和语音输入技术来填写凭证、原件、期刊、期刊和对账单。此外，例如当今最常用的会计软件“金蝶”和“用友”软件，这些会计方法在很大程度上取代了传统的会计人员来注册原始凭证、编制日记账和报表，通过会计电算化在计算机上的簿记中自动创建凭证和账户。在会计行业中使用人工智能技术后，人工智能通过智能识别记录簿记员的正常会计习惯，自动从系统接收相关发票、汇票和支票，并自动生成会计凭证并提供各种类型的报告，以满足电子会计以及电子账单和电子发票普及的目的。美国现在已经将人工智能带入了税务处理，并且还使用自行开发的自动化税务计划应用程序来帮助美国大小企业执行各种税务任务，对企业资金使用效率起到了很大的提升作用。相比之下，人工智能在中国税务行业中的应用仍处于起步阶段。但相信随着“互联网+税收”行动计划的实施，电子会计和税收网络化时代即将到来。
二、财会人员在人工智能时代的新机遇
（一）人工智能工作范围有局限性李开复在《人工智能对人类社会的真正威胁》中指出，人工智能不擅长需要创造力、计划能力和跨领域思考的任务。在目前人工智能的发展水平上，人工智能无法完全取代会计人员。但是会计人员可以通过人工智能完成一些重复性的基本任务，从而提高效率。因此，会计人员应了解人工智能的局限性，提高其不可替代的计划和创造力，并将其转变为综合的人才管理能力。
（二）会计理论的发展相对滞后与科学技术的飞速发展相比，会计理论的发展要慢得多。但是，会计理论发展的延迟却为会计师带来了机会。随着时间的推移，计算机会计将逐渐取代传统的会计，会计理论将随着相关技术的变化而不断发展。在这种转型过程中，经常需要许多熟悉会计理论的会计师提供专业知识，以改善和加快改革进程。因此，在人工智能进入会计行业的过程中，会计人员要牢牢抓住这一机遇，不断提高自己的专业能力，参与改革，顺应时代潮流。
（三）人工智能存在一定的安全隐患人工智能可以取代基本的财务人员。完全填写原始凭证和各种账表，实现财会核算电子化和电子账单的普及，并以电子格式组织、分析和记录保存各种财务信息。尽管电子存储具有很多优点，例如占用空间小，可以存储大量数据并且易于查找。但是，以电子方式存储所有公司数据会带来巨大的安全风险，如果没有安全措施，该系统可能会受到黑客的攻击，并导致大量公司财务信息泄漏，造成不可挽回的损失。
三、财会人员在人工智能时代的新挑战
（一）会计行业大量传统岗位被取代随着人工智能技术的发展和互联网时代的到来，市场对传统会计职位的需求已大大下降，就像1980年代中国开始普及计算机记账，传统的人工做账逐渐被取代。人工智能的普及将取代许多简单的会计和会计工作。如果担任这些职位的会计人员不能及时学习和加强自己，他们将面临失业。
（二）企业对财会人员的要求提高如今，德勤会计师事务所开发了一种金融人工智能机器人，人工智能技术不仅应用于会计师事务所的会计，税务和审计工作，也可用于公司财务管理。长此以往，具有高精度统计功能的机器人将承担大量技术含量低的任务。因此，随着人工智能的普及，对会计人员的组织要求将从最初的审计和公司账户计算上升到要求公司会计人员不再局限于会计角度的，需要会计人员自己能够使用领导力思想，从组织的角度审查自己的工作，并使用相关的财务数据和特殊知识为组织发展提供可行和有效的建议。这就要求如果当今的会计人员想要成为大公司所需的综合人才，那么他们不仅应树立集体观，而且还要在技术、专业、业务技能、个人创新能力和领导能力方面全面自我发展。
（三）高水平专业财务管理人才紧缺在人工智能背景下，负责基础核算会计人员面临失业的危机，这些相关职位和工作交付给机器人时将被标准化并提高效率。减少了会计人员的日常工作量，减轻了工作压力，并且会计人员可以有更多的时间和精力来进行战略管理以及从事会计工作管理相关的工作。这要求具有更专业的财务管理知识的高级会计师参与公司实体的高级财务管理工作。随着基本财务会计和审计工作被人工智能财务机器人取代，公司将对高级财务管理人员，尤其是那些能够掌握新财务管理概念和技能的人员的需求更加迫切。
四、财会人员应对挑战的建议
（一）及时更新学习会计的新知识，熟练使用各种财务会计软件自古以来社会生存规则就是“优胜劣汰”，落后就要挨打。特别是作为要活到老学到老的会计师，如果不及时“更新充电”，就会被时代所抛弃。截至2017年11月5日，会计从业资格证已正式撤销，现在初级会计师资格证书仅是会计行业的一个敲门砖。对于会计师而言，重要的是要拥有会计工作所需的专业能力，而不是一张纸质证书。因此财会人员必须熟悉计算机会计系统的使用，并通过国家的会计人员专业教育平台及时学习各种会计知识和最新的国家财政政策。同时，通过各种渠道了解学习掌握人工智能知识，并在日常账户处理中合理地使用它们。目前，会计专业的计算机课程的学习仅限于一般办公软件的使用，这只能满足大多数基本的办公应用要求，远不能满足人工智能时代环境下对财会人员的业务水平需求。因此，我国的财务和会计学校应加强对会计学学生计算机课程的关注，改变培养目标定位，对会计学学生进行培训，增强他们在学生ERP课程中的专业知识，并鼓励学生掌握ERP软件的开发，应用和维护，提高学生的计算机技能并整合他们所学的知识以建立自己的独特竞争力。
（二）积极转变思维，向管理会计转型在人工智能时代，随着金融机器人的普及和许多金融软件的在线操作，企业会计岗位需求不断下降和调整，市场中会计岗位的需求总数逐年下降。影响最大的是从事基础会计工作的会计人员。对于这些会计师来说，为了不被人工智能时代所淘汰，他们需要及时更新其知识结构并提高自己的价值，以适应人工智能大环境下的财务管理需求。在人工智能时代结合会计人员的基本情况和企业发展的实际需要，会计人员的最佳过渡路径是尽快从财务会计过渡到管理会计。在人工智能时代，对公司管理会计的需求与日俱增，管理会计将成为公司会计人员的主流和趋势。众所周知，管理会计需要了解未来，指导决策，管理风险和营造道德环境，还需要具有管理信息系统和与人合作实现组织的目标的能力。我们需要注意分析数据并弄清管理数据与财务数据之间的差异。管理信息与财务信息的不同之处在于，它是由公司基础核算数据组合之后而构建的，是为公司战略发展提供关键指导的信息，包括公司基础信息、财务信息、业务信息和业务数据等。
（三）打造自身软实力，提高职业胜任能力财会人员应注重自身软实力的提升，如加强人际沟通。为了取得工作上的成功并实现自己的职业计划，仅靠强大的能力是不够的，财会人员需要足够柔和的能力，即良好的人际交往能力。组织内的良好沟通不仅会提高工作效率良好的沟通环境，有助于员工理解不同的目标，从而相应调整自己的行为并有效地寻求合作。性能良好的沟通能力可以提高管理效率，培养独立的分析能力和风险管理意识，并完成业务流程优化。同时利用全面的财务专业知识来控制公司风险并分析财务数据，以透视可能的业务和财务风险。为了提高公司中的审批流程顺畅度，需要平衡管理需求和财务控制之间的关系。这是因为如果审批流程过于烦琐，则会降低审批工作的效率。但是，如果审批流程过于简单，则风险监控中可能会出现巨大的漏洞。这要求会计人员熟悉所有流程和状态，设计和优化每个系统的相关性，进行预先评估并管理风险流程的漏洞，实施有效的控制措施，提高效率。对审批制度和业务流程进行优化。
结语
随着人工智能的迅速发展，许多执行基本和重复任务的会计职位将逐渐退出历史舞台。这样的发展使得财务员工的原始工作格局得以改变，提高了财务人员的工作效率，为财务管理留出了更多的时间和空间。可以看出，人工智能时代的到来给中国提供了更多发展会计行业的空间和手段，为使中国成为强大的会计国家迈出了坚实的一步。财会人员自身必须适应经济发展，练习其管理技能，并具有灵活运用知识的能力，以适应人工智能的快速发展并不断提高自身水平。及时更新和学习新的会计知识，掌握各种财务会计程序，转变观念，投身管理会计，并扩大职业发展类别，迎接人工智能时代在会计行业的到来。
参考文献
[1]张安然.人工智能挑战下财会人员的未来职业规划与发展[J].中国多媒体与网络教学学报（上旬刊），2020（08）：191–192.
[2]邵美琪，曾凡，王炳旭，等.人工智能在财会领域的应用及影响[J].现代商贸工业，2020，41（22）：110–112.
[3]张华.人工智能对财会的挑战及对策研究[J].全国流通经济，2020（01）：180–182.
[4]张双举.人工智能时代财务会计向管理会计的转型探究[J].纳税，2019，13（33）：132.
[5]康庆，袁希，粱静.浅析财会人员在人工智能背景下的机遇和挑战[J].财会学习，2019（31）：72–73.
[6]吕京丽.人工智能背景下财会人员职业再规划与发展研究[D].北京：首都经济贸易大学，2018.
作者：王莹单位：经济日报社计划财务部
“智能+”时代：就业迎来怎样的机遇
原标题：“智能+”时代：就业迎来怎样的机遇？工作人员在2018世界人工智能大会现场演示与机器人打乒乓球。新华社发
马名杰郭红松绘
黄荣怀郭红松绘
吴清军郭红松绘
首届新疆智能产业博览会上，小朋友在与一款智能机器人互动。新华社发
【智库答问】
编者按
时下，以人工智能为代表的新一轮科技革命方兴未艾，教育模式、社会分工都随之发生深刻变革。5月16日，习近平主席向国际人工智能与教育大会致贺信，指出把握全球人工智能发展态势，找准突破口和主攻方向，培养大批具有创新能力和合作精神的人工智能高端人才，是教育的重要使命。
光明智库特邀三位学界、业界专家，围绕“‘智能+’时代的就业问题”，从“怎么看”与“怎么办”两个维度，共同探讨如何调动多元力量，深化教育改革，激活就业领域的一池春水。
本期嘉宾
国务院发展研究中心创新发展研究部部长、研究员马名杰
北京师范大学互联网教育智能技术及应用国家工程实验室主任黄荣怀
中国人民大学劳动人事学院劳动关系系主任吴清军
就业总量不会受太大影响但就业结构会有所改变
光明智库：人工智能的快速发展，正在改变我们的生产生活。今年《政府工作报告》中又点出了“智能+”概念。请问，人工智能给就业带来的挑战有多大？新机遇又有哪些？
黄荣怀：中国社会正处于转型期，以人工智能为代表的新一轮科技革命，正影响着人们的日常生活。世界经济论坛发布的《未来就业报告（2018年）》指出，目前机器可以完成的任务时长，占当前工作总时长的29%，2022年后预计可达42%。可以看出，“智能”与行业充分融合后，就业结构会发生很大变化，这呼唤更多“新动力人群”的出现。
为适应这种需求，教育部门也在积极应对。近期，教育部印发《关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，全国共有35所高校获首批“人工智能”新专业建设资格，在专业调整方面开始发挥积极的政策引导作用。
吴清军：评价人工智能对就业的影响，不能单纯看就业人数的增减，还要考虑对劳动生产率、社会生产总值、就业质量、就业结构、劳动力技能等方面的影响。
人类历史上，没有一次技术创新导致整个社会大规模失业。我们研究发现，从长期来看，就业总量不会受太大影响，但就业结构会有所改变。人工智能确实给一些程序性工作带来冲击，不过复杂性工作以及非程序性工作，不会受到冲击，反而会创造新的机遇。
随着信息化技术的飞速发展，市场需求将推动人才培养体系的改革创新。高校人工智能课程、专业的设置，标志着我们已经迈出了第一步，下一步还将推动经济、管理等其他学科的改革与创新。
新技术和新商业模式的发展，打破了传统工业时代的岗位设计和职业规划，在生产和服务领域，催生了一大批新职业。这背后体现的是社会分工体系正在转变，与数字经济相匹配的新职业体系，正在逐步形成。近期，人力资源和社会保障部正式发布13个新职业，电子竞技员、云计算工程技术人员等职业应运而生，折射出我国未来发展的热点领域。
马名杰：所谓“智能+”，可理解为以人工智能为主的新一代信息技术，在各行业得到广泛应用，从而改变传统的产业形态和就业方式，促进经济社会更好发展。当前乃至今后较长时期，人工智能处于快速发展阶段，对就业的影响将是一个渐进的、逐步扩大的过程。
实际上，工业革命的发展史就是“传统劳动”不断被替代、新就业岗位不断被创造的过程。纺织机、蒸汽机、自动化技术等重大技术变革都曾引发“失业恐慌”，但新技术、新业态、新产业创造了更多就业机遇，“智能+”很有可能继续这种趋势。尽管从长远看，人工智能有利于推动就业发展，但由于求职者转换劳动技能需要时间，且个体差异较大，短期内可能对就业产生一定压力。
促进教育培养模式重构
光明智库：有观点认为，我国教育多以“吸收性知识教育”模式为主，而人工智能需要通过深度学习进行，这对传统学习模式形成了挑战。未来的人工智能，很可能会让现行教育模式下的毕业生优势荡然无存。这引发了对如何进行教育改革、促进人才培养等问题的思考。您如何看待？
马名杰：随着我国经济转型升级和迈向高质量发展，大数据、人工智能等新技术被广泛应用，知识结构更新换代节奏加快，未来就业的不确定性明显提高。这就要求劳动者要具有更强的学习、适应、创新能力。
当前，各地高校在培养目标、课程设置、教法创新、实践训练、师资队伍、孵化资源等重点领域做了不少探索。但人工智能时代要求的自主学习、批判思维和创新潜质的培养，还明显不足。传统岗位劳动力能以多快的速度掌握新技能，从而满足数字经济时代的就业需求，是当前就业面临的关键挑战。所以，我国教育模式需要加快转变的步伐，满足未来就业需求。
吴清军：题中观点失之偏颇。目前很多学校都在培养“专业性”人才，大量的课程都是技术或技能教育。但这不仅仅是中国独有的问题，全世界教育领域都存在这样的问题。
为适应第三次工业革命带来的产业结构和发展特点，人才培养要求越“专”越好。未来，受人工智能冲击最严重的，可能就是这些专业性、程序性的工作岗位。但是，很多高校已经启动教育模式改革，应对上述挑战。培养方式上，已从专业性转向综合性人才培养；课程体系中，基于大量基础性课程，又增加了技术技能课程；培养模式方面，已从专业性思维培养，逐步转向解决复杂问题的思维培养。
黄荣怀：知识精加工型和知识贯通式学习，是两种不同的学习方式。前者与“吸收性知识教育”类似，强调训练“如何寻找和记忆答案”，对问题的来龙去脉不要求过多思考，是一种浅层次学习。后者与“联通主义学习理论”相一致，强调知识之间的关联、理解问题语境、提出问题以及寻找解决问题的途径。在记忆（存储）和信息加工（计算处理）方面，机器已经超过人类；但解决复杂问题方面，未来的机器难以超越人类。所以，无论是从基本生存能力，还是创新能力角度看，学生都需要从知识精加工型向贯通式学习转变。
“智能+”时代，学生之间存在“数字使用鸿沟”，作为“数字移民”的教师，如何管理“数字土著”的学生，都关乎技术与教学的深度融合问题。我们可尝试从单一的课堂教学，拓展到项目学习、探究学习等多样化情境中，激发学生的好奇心；采用“翻转教学”等方式，弥补同质化课堂的教学缺陷，满足学生诉求；优化信息化环境，提升学习效率。特别应指出，要推动教育装备等产业发展，增加对教学硬件的支持力度。
“智能+”时代，求职者该做些什么？
光明智库：人工智能技术的出现，使就业结构发生了改变。同时，新技术在推动新旧动能转化的过程中也延伸了产业链，创造了大量新岗位。广大学生、家长及再就业者、创业者都很关注的问题是：数字时代，将会催生哪些新行业、新职业，他们应该为此做哪些准备？
吴清军：数字技术发展太快，很难精准预测会产生哪些新职业、新岗位。未来就业者需要培养好两种能力，以不变应万变。一是解决复杂问题的能力，而并非简单的专业性技术能力；二是终身学习的能力，要随着技术的发展时刻保持学习状态。未来的创业者，除了具备以上两种能力外，更要培养一种自我判断的能力。创业能否成功，需要有市场预判、经营管理以及沟通交往的能力。我并不建议年轻人盲目创业，创业之前需要对自我能力进行评估，这是至关重要的。
黄荣怀：当下，智能技术领域的人才已经供不应求，如人工智能和机器学习专家、数据分析师、信息安全分析师、用户体验和人机交互设计师、区块链专家等。目前，人工智能在服务业应用较多，如客服、销售、培训和开发岗位等。除此以外，“人机协作”将成为未来的主要工作方式，如口译人员可以在智能语音识别系统的辅助下进行翻译，医生在智能诊断系统的辅助下对病人进行诊察。
《未来就业报告（2018年）》指出，2018年至2022年间，所需劳动力技能的平均转移幅度为42%；到2022年，至少54%的员工需要进行大规模的重新培训和技能提升。所以，未来就业、创业的学生非常需要提升自身的“数字化生存能力”。增强好奇心对学生来讲很重要，学会在冗杂信息中探究事物本质的能力；提高学习能力，才能适应社会发展带来的挑战与机遇；良好的自控力对提高个人能力也很关键，这是应对变革时期的“软实力”。
马名杰：我国正处于新旧动能转换进程中，技术创新瞬息万变，要准确预测十分困难。有些一度活跃的新业态、新模式，可能很快就被市场证明是失败的。归根结底，创造新岗位的主体是企业，它们抓住机遇、不断创新和试错。一般而言，新技术和新产业的发展，往往会产生人才缺口。例如，据教育部、人力资源和社会保障部、工业和信息化部等共同编制的《制造业人才发展规划指南》估算，2025年，新一代信息技术产业、生物医药和高性能医疗器械、节能与新能源汽车、新材料、机器人领域，人才缺口将分别达到450万、40万、103万、400万和450万。在快速变化的新时代，劳动者要注意提升自身对新知识的学习能力，增强对新形势的适应能力和创新能力，这样才能变挑战为机遇。
统筹多方力量营建就业好环境
光明智库：就业不仅要靠就业者的个人努力，更要靠整个社会形成合力。针对人工智能时代的全新需求，政府、学校、用工单位如何因时而动、顺势而为，为广大就业创业者创造更好的环境？
马名杰：一方面，要加快推进我国教育体制改革。从短期看，加强技术和职业培训以及终身教育的政府扶持力度，支持离岗人员再培训；鼓励多种形式的创业，如支持“零工经济”的新工作方式，提高跨领域的劳动力流动性。从中长期看，要重视培养学生的科学精神、创造性思维和创新能力，在培养机制、课程体系、教学方法和考核方式等方面，深化教育改革。另一方面，要破除制约企业创新的各种束缚，完善新产品、新业态、新技术标准，坚持宽容、审慎地监管，营建鼓励创新、公平竞争的市场环境。
黄荣怀：政府除了重视智能技术的发展，加大投入力度，重视人才培养以外，还需要营建城市智慧学习环境，充分利用好公共场馆设施，为公民终身学习提供保障。在社会治理中，也可引入智能技术，提高治理的有效性。学校可在突破关键、共性的产业技术瓶颈上下功夫，积极组织开发基于人工智能的教学实验项目，建设人工智能实验室，并与社会对接。
吴清军：适应智能时代要求、完善教育体制改革的良好政策环境正在逐步形成。我们要看到，中国已置身于经济全球化中，要创造更好的环境，无非有两点原则：一是保持充分、平等的市场竞争才能带来创新动力，营造创新的环境；二是以包容审慎的态度对待创新，才有可能应对第四次工业革命对传统产业结构、社会结构产生的巨大冲击。
(责编：赵超、夏晓伦)分享让更多人看到