AIoT時代，高校人工智能專業如何建設？
時間：2019-08-08 來源：華清遠見
人工智能經歷了三個“寒冬”期，終于扛起了新一輪科技革命和產業變革重要驅動力的大旗，一路高歌猛進，在無人駕駛、同聲直譯、生物醫學、城市管理、交通管理、安保智能化的應用領域獨領風騷。
人工智能技術方向及前景：
科技為發展提供核心動力，每年人工智能人才的缺口是100萬，AI高等人才的培養，順理成章地成為了關乎國運的大事件了。目前，經國家教育部正式批準設立“智能科學與技術”本科專業的高校已達35個，既有上海交通大學、同濟大學這樣的雙一流名校，也有安徽工程大學這樣專業特色鮮明的地方高校，甚至還有華南師范大學和長春師范大學2所師范類高校。
華清遠見在為高校人工智能做專業建設時總會被問及：AI專業建設，是依托服務器做發生在數據中心的單一計算？還是應該在集網絡、計算、存儲、應用核心能力為一體的智能的開放平臺上加入計算和應用創新？人工智能技術的概念和范疇在不斷擴大，需要考慮到當前及未來的智能化產業的發展形勢。
AIoT時代，萬物互聯，相比僅具備計算的云端大腦（服務器或帶GPU的計算機），人工智能技術最后項目落地或實施是顯然不夠的。還需要依賴能與云端大腦不斷地交互的一個個超級智能硬件，小到一個個傳感器、嵌入式設備、智能手機（華為、蘋果、高通開發相應的人工智能應用芯片產品）、可穿戴設備，大到智能機器人、無人汽車……
這些集網絡、計算、存儲、應用核心能力為一體的智能硬件，它們往往靠近物或數據源頭的一側，就近提供最近端服務。這樣能夠減少請求響應時間、減少網絡寬帶的同時，保證數據的安全性。
了解一下智能硬件邊緣計算的特性：
1、低延時：因為邊緣計算靠近數據接收源頭，所以能夠實時獲取數據并對數據進行分析處理。
2、高效率：邊緣計算是相對于云計算更靠近設備端，可以在邊緣節點處實現對數據的分析和處理，不需要等待數據傳輸的時間，所以效率會更高。
3、更安全：邊緣計算在獲取數據之后，可以對數據加密之后再進行傳輸，大大提升了數據的安全性。
4、緩解流量壓力：邊緣計算在進行云端傳輸時通過邊緣節點進行一部分簡單數據處理，當面對大量數據時，可以通過壓縮算法，提取到有用信息之后再進行傳輸，這樣可以降低帶寬資源消耗。
智能硬件的這些邊緣計算特性，讓AI在真實產業應用中突破了受限于數據傳輸質量、傳輸時效等多方面影響因素的技術重圍。尤其是使用封閉式自動化操作來維護高可用性的場景，響應時間必須保證在幾十毫秒內，而這種條件如果沒有邊緣計算是無法達成的。例如：目前比較火熱的自動駕駛汽車對實時信息交互和數據傳輸、交互的延遲指標要求非常嚴格，萬一系統響應慢，輕則自動駕駛的體驗度將大幅降低，重則會發生交通事故。
邊緣計算的重要性逐漸凸顯，隨著邊緣計算的進步，本地設備的運算能力將不斷增強，使得人工智能算法能夠在離開訓練神經網絡的云端的情況下正常運行。清華大學發布的《人工智能芯片技術白皮書（2018）》更加確切地強調了嵌入式、物聯網等智能硬件協同訓練對于人工智能技術發展的重要意義。
華清遠見利用嵌入式、物聯網行業經驗，針對高校本科專業的人工智能教學率先開展了“人工智能+X”復合專業培養新模式，在自主研發的多種形式的教研平臺，如FS_AIARM人工智能實驗箱、FS_ROBOTA、FS_ROBOTB機器人上開展機器學習技術的實踐和應用，讓人工智能技術依托智能硬件設備在產業布局、應用創新，以快速適應人工智能+產業人才的需求。
結合相關專業按領域劃分為：
AI嵌入式：嵌入式設備運行人工智能，實時性高，便攜，項目易落地。
AI物聯網：讓邊緣設備與訓練神經網絡的云端連接，構成一個巨大的AI處理網絡。
AI機器人：機器人為人工智能提供了新的載體。
AI云計算大數據：云計算為人工智能構架智能化計算資源，大數據為智能化處理提供分析依據。
教學資源上來看，許多與AI相關學科還是需要有深厚的理論研究背景，產業端的高端人才搶奪態勢下，有能力從事人工智能研究的教師資源也并不容易快速到位，給高校人工智能專業教學的開展帶來不小阻力。華清遠見作為全國首批開展智能硬件教育的專業教育集團，研發實力和師資力量雄厚，有完善的課程體系，產學合作輸出項目豐富，可以通過共享教學師資資源、先進教研設備，把系統的教學體系，結合高校自身辦學特色，上馬相關專業，縮短專業建設時間和難度，起到事半功倍的效果。
圖為獲批人工智能專業院校及專業名稱
