隨著萬物互聯時代的到來，人工智能技術正處于爆發(fā)期，在5G、低延時等技術的加持下，AI應用的能力得到了跨越式的提升，越來越多的場景和行業(yè)正在被AI改寫，整個社會的生產力水平也得到了極大的釋放。
在我國，早在2017年就將人工智能教育作為培養(yǎng)復合型人才的國家戰(zhàn)略之一。在2019年發(fā)布的《關于推薦遴選“基于教學改革、融合信息技術的新型教與學模式”實驗區(qū)的通知》中，教育部再次強調，要面向學科教學和跨學科教學的信息化融合應用，探索學生跨學科思維與創(chuàng)新能力提升，并將“人工智能教育”、“智慧課堂”等列為關鍵詞。人工智能成為基礎教育，甚至是高等教育中的重要組成部分，已是不可逆的趨勢。
放眼全球，這一趨勢則更為明顯，根據斯坦?！?019年度AI指數報告》，人工智能成為了最受北美計算機科學博士生歡迎的學科，相比排名第二的學科“安全/信息保障”學習人數多了兩倍。
在這一背景下，為了助力高校人工智能領域的人才培養(yǎng)及學科建設，并為業(yè)界百萬的AI專業(yè)人才缺口提供持續(xù)輸入，華為發(fā)起了“華為昇騰師資培訓沙龍”系列活動。本活動面向廣大高校教師提供昇騰全棧全場景AI技術知識點培訓，通過理論講解和案例實操為高校及教師群體提供體系化的AI解決方案及教學方案，降低了AI學習的門檻。
在昇騰師資培訓沙龍·成都場中，華為成都研究所所長李健談到，昇騰生態(tài)的建設需要國內高校及產業(yè)界的伙伴共同參與，華為接下來也會跟一些高校簽訂戰(zhàn)略合作協(xié)議，開設華為專班。同時在引進人才方面，華為可以助力高校提供更有競爭力的薪酬；同時，冷門專業(yè)人才的引入也將是未來的一個大方向，例如芯片制造專業(yè)等。
華為成都研究所所長 李健
電子科技大學自動化工程學院副院長程洪教授介紹了電子科技大學機器人研究中心的核心使命，即研究與人類和諧相處的新一代社會機器人系統(tǒng)；圍繞創(chuàng)新鏈和產業(yè)鏈互融的學術研究，建立學術、技術、產業(yè)、機制協(xié)同創(chuàng)新的平臺；建設社會機器人示范應用平臺。他提出的“中國人工智能2.0”是基于重大變化的信息新環(huán)境，實現新目標的新一代的人工智能，并指出新一代的人工智能主要的5大研究方向分別是：大數據智能、跨媒體智能、混合增強智能、群體智能和自主智能，其中混合增強智能（即人機智能）尤為重要，康復醫(yī)療、智能汽車、智能制造、國防軍事等都是人機智能的典型應用場景。
電子科技大學自動化工程學院副院長 程洪
華為計算產品線高校教學合作總監(jiān)李鵬認為人工智能已成為了新的通用目的技術（GPT），將深刻推動社會發(fā)展進程，對于高校師生來說，人工智能則可以助力其未來的職業(yè)發(fā)展和科研發(fā)展。從產業(yè)角度來看，人工智能的這股浪潮，要靠專業(yè)的人才來推動，同時AI開發(fā)也需要高效的算力平臺。作為人工智能領域重要的參與者之一，華為基于昇騰人工智能平臺，推出一系列的扶持計劃，例如沃土計劃，希望聯合高校、開發(fā)者、初創(chuàng)企業(yè)以及合作伙伴，共建昇騰AI生態(tài)。經過兩年的發(fā)展，沃土計劃已經與70多家高校開展合作，并為他們提供了設備、課件、在線課程等資源，幫助教師更好地開展人工智能教學計劃。
華為計算產品線高校教學合作總監(jiān) 李鵬
華為助力高校人工智能教育
作為在人工智能領域深耕多年的企業(yè)，華為不僅擁有豐富的人工智能應用與實踐經驗，在助力高校人工智能教育方面也開展了一系列活動。在本次為期兩天的師資賦能活動中，華為人工智能高級培訓講師王豪聰帶來了主題為《人工智能課程套件簡介》的分享，系統(tǒng)講述了華為在高校人工智能領域課程套件建設方面的進展與成果，包括課程設計、試驗手冊、線上課程、認證等。
華為人工智能高級培訓講師 王豪聰
自2018年教育部印發(fā)的《高等學校人工智能創(chuàng)新行動計劃》中明確提到“加強人工智能領域人才培養(yǎng)”以來，一年后（2019年）就有35所高校第一批開設了人工智能專業(yè)，到2020年，全國開設人工智能專業(yè)的高校已經達到了179所。
然而作為一個全新的專業(yè)，人工智能的特點是多學科融合，不僅包括高等數學，還包括線性代數、概率論等，這給課程的教授和內容建設都帶來了巨大的挑戰(zhàn)。為了解決這些難題，華為利用自身在人工智能領域豐富的實踐經驗，結合其核心技術，為高校提供一站式多領域的案例集和豐富的實驗環(huán)境。在此基礎上，華為推出了10門課程的套件，分別為：人工智能導論、人工智能程序設計、機器學習、深度學習、模式識別、計算機視覺、自然語言處理、語音識別、智能系統(tǒng)與應用和智能芯片原理與應用。
由于各高校對于同一門課程的命名有可能并不一致，例如人工智能導論，有的學校則命名為人工智能基礎，而人工智能程序設計，有的學校則命名為Python程序設計，因此華為推出的10門課程套件可以基于具體內容與高校課程進行寬匹配。
4個方面，打造專業(yè)共建體系
在確定了課程之后，應該在哪些方面去助力這些專業(yè)的落地呢？華為提出了4個方面，分別為：算力、案例、MOOC、認證。
1. 算力
在算力方面，華為可以為高校提供Atlas開發(fā)套件、MindSpore開發(fā)框架和ModelArts一站式AI開發(fā)平臺。
Atlas開發(fā)套件基于昇騰310和昇騰910 AI處理器，在推理和訓練方面有著強大的能力，可以滿足高校教學在模型訓練方面的眾多需求。同時，Atlas 200 DK和Atlas 300 DK系列產品可以為高校提供超強的算力支撐，只要將其連接電腦，就能很方便的運行起來。
在軟件方面，華為為高校提供MindSpore開發(fā)框架，這是一款與PyTorch和TensorFlow對標的產品，它可以讓開發(fā)中的所有流程均可實現自主可控。
在硬件和軟件之外，搭建試驗環(huán)境也是經常困擾老師和同學的障礙之一，學生熬夜搭建的實驗環(huán)境，往往還是會出現各種bug和報錯。ModelArts就是要解決這個問題，只要通過華為云賬號進入ModelArts，即可快速創(chuàng)建AI開發(fā)環(huán)境。
也就是說，在算力方面華為為高校提供了覆蓋軟件、硬件、開發(fā)平臺、實驗環(huán)境的全方位的支持。
2. 案例
案例是人工智能課程套件的核心，每一門課的課程套件都相當于是一個案例集。華為將每一門課的知識點和案例打包成“實驗手冊”的形式提供給教師，而實驗手冊的特點之一就是所有的實驗都是以項目的形式來進行。與高校編程模式中代碼從import到模型測試的流程不同，企業(yè)往往是以“項目分工”來完成任務，例如一個人負責做圖像預處理生成代碼包后提供給他人調用。項目模式可以讓學生更適應企業(yè)的節(jié)奏，同時培養(yǎng)學生實際解決問題的能力。
第二個特色是實驗可以按知識點自由選擇。華為在編寫實驗手冊時充分考慮到了案例使用的靈活性，一方面將每門課程按照知識點來分，每個知識點形成實驗手冊；另一方面對每個實驗的難度進行初中高等級標記，老師在開設課程選擇實驗內容時，可以根據班級和學生的具體情況，靈活組合。
3. MOOC在線學習
MOOC在線學習是以視頻課程的形式提供，主要是通過華為的技術和產品來展現人工智能的相關知識，它不僅能輔助教師拓展知識面，也可以幫助學生做好預習的工作。
4. 認證
與在線課程相對應的是華為的認證體系，目前華為在人工智能領域推出兩種認證：
通過這些認證，學生可以提前適應真實工作場景下的工作流程和技術要求，同時也能提前了解在企業(yè)環(huán)境中自己應該具備怎樣的知識框架，提升自己的職業(yè)發(fā)展競爭力。
理論+實踐：課程套件的使用
介紹完課程套件的整體思路和組成部分之后，王豪聰舉了幾個具體的例子，幫助大家理解課程套件的使用。正如上文所說，課程套件是以知識點為單位打包而成的實驗手冊，其中包含課程知識結構、理論課件、實踐手冊、開發(fā)平臺介紹、認證體系和MOOC在線課程資源等。那么，拿到這套套件究竟該如何上手呢？
以《深度學習》和《計算機視覺》為例，深度學習基本上是每個開設人工智能專業(yè)的高校所教授的重點課程之一。拿到套件后首先可以看到華為為這門課規(guī)劃的知識結構，這個知識結構是基于4本業(yè)界權威的書籍來編寫的，如《深度學習》（作者：Ian Goodfellow、and Yoshua Bengio、Aaron Courville）等。除了基礎知識之外，課程還特別增加了TBE算子開發(fā)的內容，因為算子是調動硬件資源的核心，了解算子的底層邏輯可以讓學生實現更優(yōu)的模型訓練。
基于這套知識框架，華為提供了全套的打包方案，詳細列舉了每個知識點所需要的課時數，同時也列舉了每個知識點下面所對應實驗，實驗的難度和所用到的知識點，層層遞進。
例如，在前饋神經網絡這一知識點中，第一個實驗是汽車里程數回歸預測，它是要求學生用神經網絡去完成一個回歸任務；第二個實驗，手寫體圖像識別，是要求學生去做一個分類任務，目的是讓學生了解神經網絡既可以完成回歸任務也可以完成分類任務。在完成這兩個實驗之后，則進入到Fashion Mnist圖像分類實驗，在這一實驗中沒有代碼提供給學生，也就是說在受限圖像識別的情況下，考驗學生是否可以完成實驗任務。
計算機視覺同樣是基于對4本權威書籍的梳理后形成了一個完整知識結構，與深度學習不同的是，作為近幾年發(fā)展較快的技術領域，這門課程的設計不僅按基礎知識和進階任務做了劃分，同時還按照知識點顆粒度的粗細做了分別，例如學生可以先了解詞向量等一些“小技術”，進而再學習自動問答系統(tǒng)、機器翻譯系統(tǒng)等一些“粗顆粒度”的內容。
計算機視覺同樣提供了相應的方案包，理論課程、認證體系、MOOC、軟硬件支持等都與深度學習無異，唯一的區(qū)別只有實驗手冊部分。實驗手冊會根據每門課程和知識點的具體內容來進行設置。
除了深度學習和計算機視覺，其他的課程打包方案都與之類似。未來會有更多的優(yōu)質案例持續(xù)補充進來，讓學生可以通過這些實驗獲得充分鍛煉。不僅如此，針對套件所提供的軟硬件本身，華為也將分別提供相應的介紹材料，內容覆蓋：ModelArts開發(fā)平臺、MindSpore開發(fā)框架、HiLens慧眼、Atlas 200 DK、MindStudio集成開發(fā)環(huán)境。
除此之外，華為聯合“新一代人工智能系列教材”編委會、計算機類專業(yè)教指委、高等教育出版社立項了人工智能專業(yè)實踐系列教材。目前，《昇騰AI處理器架構與編程》、《深度學習與MindSpore》兩本教材已經發(fā)布?！稌N騰AI開發(fā)基礎指南》、《HCIA-AI華為認證工程師教材》也正在編纂中，不久就可以與廣大師生見面。
昇騰萬里，與高校同行
從智慧城市、智能制造、智慧醫(yī)療，到邊緣端智能化的崛起，人工智能已成為產業(yè)升級的首要選擇。在這樣一場變革前，未來對于人工智能人才的需求會越來越多。華為昇騰賦能高校，把人才輸送到千行百業(yè)，讓千行百業(yè)重新定義未來。
看了成都場的分享覺得還不過癮？你也想與華為專家面對面？“華為昇騰師資培訓沙龍”還有兩場等著你！9月5日-6日西安場，9月19日-20日北京場等你來，不見不散！ 點擊鏈接立即報名在線直播：https://bss.csdn.net/m/topic/hwst_live
