网投彩票|网投彩票

深化现代职业教育体系建设改革（人民时评）******

　　优化课程供给，促进职业教育的“专业群”与区域经济的“产业群”无缝对接，让职业教育成为“有学头、有盼头、有奔头”的教育

　　在上海，职业院校与区级政府合作建立“双元制”特色产业学院，整合职业教育资源；在安徽，职业院校与制造企业签订校企合作订单协议书，推动校企合作、产教融合；在山东青岛，企业发挥主体作用，接收职业院校或高等学校学生实习实训……近年来，多地整合职业教育资源，为区域经济高质量发展培养高素质技术技能人才。

　　习近平总书记强调：“在全面建设社会主义现代化国家新征程中，职业教育前途广阔、大有可为。”近日，中共中央办公厅、国务院办公厅印发《关于深化现代职业教育体系建设改革的意见》，要求“深化职业教育供给侧结构性改革”“培养更多高素质技术技能人才、能工巧匠、大国工匠”，并从战略任务、重点工作、组织实施等方面为持续推进现代职业教育体系建设改革描绘了蓝图。

　　深化现代职业教育体系建设改革，要以提升职业院校关键能力为基础。当前，新一轮科技革命和产业变革正在重构全球创新版图、重塑全球经济结构，职业教育要围绕国家重大战略，紧密对接产业升级和技术变革趋势，面向新业态、新职业、新岗位，优先在现代制造业、现代服务业、现代农业等领域，组织知名专家、业界精英和优秀教师，打造核心课程，及时把新方法、新技术、新工艺、新标准引入教育教学实践。同时，优化课程供给，促进职业教育的“专业群”与区域经济的“产业群”无缝对接，让职业教育成为“有学头、有盼头、有奔头”的教育。

　　深化现代职业教育体系建设改革，要持续深化产教融合、科教融汇。把企业搬进职业院校、让职业院校走进企业，推动职业院校育才和企业用人的精准匹配，找准校企双方的结合点、共赢点，让职业院校和企业真正做到“两头热”和“真融合”。比如，有的职业院校与合作企业灵活设置“厂中校”和“订单班”，企业提供学习、住宿场所，职业院校提供教育教学设施设备，按照教育教学计划和企业用工需求，适时安排学生进驻产业学院。通过合作，职业院校得以充分利用企业的场地、设备资源，企业也获得了技能人才供给。在延伸校企合作的深度与范围上做好文章，打通学校到企业的“最后一公里”，就能实现人才培养与企业需求精准有效对接。

　　深化现代职业教育体系建设改革，还要持续推动职普融通。以中等职业学校为基础、高职专科为主体、职业本科为牵引，建设一批符合经济社会发展和技术技能人才培养需要的高水平职业院校和专业，是改革职业教育体系的题中应有之义。比如，上海的一家职业本科院校的毕业生成了就业市场的“香饽饽”，首届37名职业本科毕业生日前顺利毕业走上工作岗位，还有一名考上全日制硕士研究生继续深造。确立就业和升学“双导向”，贯通职业教育与本科教育，打破职业教育止步于高职的“天花板”，不同禀赋的学生就能够多次选择、多样化成才，职业教育也能在就业市场上进一步增强竞争力与吸引力。

　　教育是国之大计、党之大计。职业教育是培养技术技能人才、促进就业创业创新、推动中国制造和服务实现高质量发展的重要基础。围绕产业结构升级而“转”，随着市场需求转变而“动”，适应社会发展需要而“变”，职业教育必能不断发展，既为广大青年学习就业提供新的选择，又为高质量发展提供人才支撑。（康岩）

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)

　　（文图：赵筱尘 巫邓炎）