时间：2023-10-13 16:07:45
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇人工智能教育的好处范例。如需获取更多原创内容，可随时联系我们的客服老师。
人工智能不是一项单一的科技产业，而是将其他行业进行融合的工具，例如将机器人和保姆结合产生的“看家机器人”，将导航和汽车结合产生的“车联网”等。在人工智能技术逐步成熟的当下，谁率先在应用上实现突破，谁就有可能在智能时代的竞争中占据优势。
目前，从医疗健康的监测诊断、智能医疗设备，到教育领域的智能评测、个性化辅导、儿童陪伴，从电商零售领域的仓储物流、智能导购和客服，到应用在智能汽车的自驾技术，都能看到人工智能的身影。
中国在过去的一年里，长虹、TCL、创维等家电企业都纷纷人工智能家电产品，希望借助人工智能打破家电行业的销售难题。
不久前，搜狗公司2016全年财报，搜狗借助人工智能技术实现了较大的业绩增长。
近年来，百度先后成立了大数据实验室、深度学习实验室和硅谷人工智能实验室，并通过架构调整全面发力人工智能。2016年百度世界大会上，推出“百度大脑”，该项目将对语音、图像、自然语言处理和用户画像、无人驾驶等领域进行重点关注和研发。
人工智能技术的重大突破必将带来新一轮科技革命和产业革命'对社会经济和人类生活的方方面面将产生深远的影响。
人工智能将为现代化发展更换“发动机”。咨询公司埃森哲研究了美国、芬兰、英国等12个发达国家并作出预测，到2035年，人工智能将帮助这些国家生产率提高40%左右。
对于中国而言，人工智能带来的好处将是多方面的。就经济来说，借助人工智能新技术实现自动化，将极大提高生产率，节省劳动成本；优化行业的现有产品和服务，提升其质量和劳动生产率；通过创造新市场、新就业，将促进市场更加繁荣，开拓更广阔的市场空间。
在产业升级方面，中国的传统制造业大而不强的问题亟待克服，人工智能恰恰为制造业转型升级提供了便利和动力，一是这些企业拥有行业海量的数据和大量资金；二是在生产力水平急需提升、传统人口红利逐渐消失的情况下，传统企业有迫切的意愿来改造升级自己的工厂、业务，提高收益，降低企业成本。因此，制造业既是人工智能可以大有作为的领域，也是中国发展人工智能的优势领域。
《全球人工智能发展报告2016》显示，中国人工智能专利申请数累达到15745项，列世界第二；人工智能领域投资达146笔，列世界第三。
当你用谷歌搜索东西、使用地图软件、在亚马逊上购物，或者对智能手机中的语音识别软件说话，其实都在使用人工智能。当你登录到Facebook，欣赏那些可爱的婴儿照片，人工智能都在塑造你的体验。
所有这些应用的背后都使用了算法，算法本质上是形成分析过程的一组规则，能够对变量输入做出响应。如今的算法，尤其是来自亚马逊和Facebook等巨头的算法，响应速度快，还不断学习。它们事先经过编程，可采集来自用户的更准确的响应；也就是说，结果是为控制算法的那些厂商服务的。
了解和响应
当你在亚马逊上购物时，算法在后台基于一个包含众多购买模式的庞大数据库，执行异常高级的运算，之后决定将什么产品展示在你面前。它实时响应你的点击轨迹。
你可能觉得，有一个活生生的私人购物助手是最好不过的选择；她了解潮流，对你本人很了解。可是人工智能技术厂商Ayasdi的首席营销官丹尼尔・德鲁克（Daniel Druker）表示，这样的私人购物助手与亚马逊没法比。亚马逊“利用人工智能，结合你之前的购买活动，从100万件商品中推测眼下哪些商品最能吸引你的眼球。没有哪个人能做到这一点。”
在Facebook上，出现在你个人动态（feed）中的朋友不多，那是因为Facebook的人工智能算法知道：你受不了个人动态内容太多的情况。于是，Facebook使用人工智能，对你关于私人关系圈的讯号做出敏感的反应，打造你的个人动态，建立起一种更有效的情感联系。要是你以为人工智能冷若冰霜、缺乏人情味，Facebook用它来窥视你的内心（以及Facebook另外12.3亿日常用户的内心）。它威力强大，说Facebook人工智能影响了美国总统大选毫不为过。
尽管人工智能目前具有巨大的影响力，但它仍被看作是太过遥远的一项神奇技术。人工智能技术厂商Sentient Technologies的创始人兼首席科学家巴巴克・霍加特 （Babak Hodjat）说：“算法或应用有多诱人、多新潮、多强大，并不重要。我常常出去介绍这些系统时，人们总是会说‘是的，那很智能、那很酷，但这不是人工智能。’”
人们之所以会有这种怀疑，是因为“普通公众而非从业人士常常误以为人工智能是包含情感智能、创造力、自主性等一系列能力的人类级一般智能。”霍加特说，因而，人工智能“总是被认为是我们会发明的下一大技术。我认为，今后10年至15年还会是这种情况。”
他表示，在许多当前的应用中，人工智能比人类更强大。“你只要说一个方面，我可以告诉你这个方面是如何实施的、如何比人类更强大。起码，人工智能运行起来更快，所以当下人工智能的决策和行动周期要比人类响应世界的速度快得多。”
人工智能在过去几年得到了突飞猛进的发展。百度硅谷人工智能实验室主任亚当・科茨（Adam Coates）说：“这在10年前是很难实现的。当然，未来几年，我们认为在人类非常擅长处理、但计算机向来不擅长的许多问题上，人工智能会取得巨大进展。比如说，识别图像中的实体，或者理解语音、对口语做出响应，那些是深度学习和人工智能技术在未来几年会持续改进的问题。”
推动与向前
什么功能在推动这些进展？人工智能必须获得什么样的功能才能向前发展？
皮特・阿贝尔（Pieter Abbeel）是加州大学伯克利分校的计算机科学系教授，也是人工智能教育初创公司Gradescope的联合创始人。他表示，首先，人工智能系统需要能够在没有人类干预的情况下自主学习。此外，它还在被告知诸如“你从这个角度堆方块，也许效果会更好”之类的信息时，应该有沟通和理解能力。“要是它无法领会这样的信息，我们不会认为它具有真正的智能。”
人类（至少理论上）能够利用过去的经验来推断和处理新环境，在这方面机器人则差的很远。为机器人编程、以便它在有限的环境下提供辅助要容易得多。人工智能科学家们想为机器人编程，以便处理相关的变化。
阿贝尔说：“它们需要运用过去获得的经验，推广到不一样但相类似的新场景，了解这种关联性。我对于机器人如何能真正从头开始学会做事很感兴趣。”从头开始学起是人类特有的能力；如果机器人能够真正做到填补其空白，它有望成为独立的个体。
但人工智能机器人的“学习能力”可能有许多不同的方式来定义，一些是很普通的“尝试和奖励”方式，类似于教狗学新花招。比如说，人工智能强化学习可编写机器人的软件，从试错过程中学习。加州大学伯克利分校的BRETT机器人基于行动后奖励的多少来使用强化学习技术。阿贝尔说：“奖励的变化让该机器人得以分辨什么是好的，什么是不好的，进而重点采用获得奖励多的策略。”
与之相仿，人工智能科学家使用监督式学习，为计算机馈送标记输入（这些是猫，这些是狗）的许多实例，并给出明确的目标输出（这是猫还是狗？）。非监督式学习给计算机馈送非标记数据（比如说许多动物的照片），计算机进行分类，或者以其他方式为该数据定义结构模型（这些动物身上的毛比其他这些动物多得多）。科茨表示，非监督式学习是“非常重要的研究热点，因为我们知道人类所做的在很大程度上是非监督式学习。”
人工智能“学习”的核心是神经网络，它类似人类大脑。跟大脑一样，面对更多的输入，神经网络会自我调整。阿贝尔说：“你展示足够多的那些实例，神经网络就会自我调整，说‘针对那个输入，我需要那个输出’；所以，要做到这一点，唯一的途径是，我需要调整联系的部分强度，那样我才能搞好那种对应。所以，在某种意义上，你在训练神经网络时，是让计算机学习它的计算机程序，而不是将计算程序编入到里面。”
科茨解释，不过打造神经网络并非易事。“一大挑战在于，我们不是非常清楚如何仅凭一些非标记、非结构化的数据来训练神经网络。我们不知道如何量化神经网络在处理这些种类的任务中的好坏。等到我们在这方面有了发现，那将是一大进步。但我们还没有到那一步。所以，这离人类智能相差甚远。”
关键词 工业强省 智能化 发展方向 突破点
中图分类号：TP18文献标识码：A
Intellectualization Development of Powerful
Province Depending on Industry in Guizhou
WU Maonian
(School of Science, Guizhou University, Guiyang, Guizhou 550025)
AbstractThe paper first discusses the position and function of intellectualization development of powerful Guizhou province depending on industry. Secondly, it proposes some breakthroughs and methods in intellectualization development of powerful province depending on industry.
Key wordspowerful province depending on industry; intellectualization; the direction of development; breakthrough
为了应对金融危机和保持经济增长，国务院提出了行业振兴规划，国务院先后确立并通过了钢铁、汽车、纺织、装备制造、船舶工业、轻工业、石化产、电子信息业、有色金属和物流业十个行业振兴规划。经过几年的初步发展已经初显行业振兴带来的各种好处。2010年贵州省领导经过仔细调研，提出了工业强省战略，随后确立了贵州工业的十大振兴计划。它们是电力、煤炭、化工、装备制造、有色、建材、烟酒、钢铁、高新技术、民族制药和特色食品十大振兴产业。振兴计划明确提出以产业振兴为目标，以增强创新能力为核心，加强统筹部署，凝炼共性关键技术，集中力量加快推进。为了更好的发挥科学技术在工业强省中的地位和作用，贵州省科技厅在在2011年初启动了，《贵州省科技支撑工业十大产业振兴实施方案(2011-2015年)》①。实施方案明确，加快科技重大项目的实施与科技创新成果的推广应用，支撑贵州省重点产业振兴；发展高新技术产业，改造和提升传统产业，推动产业结构的调整和升级，培育新兴产业，创造新的市场需求和经济增长点；加强企业技术创新能力建设，加快建立以企业为主体、产学研用紧密结合的技术创新体系，增强企业综合竞争力；提升科技在推进新型工业化进程中的支撑能力，为加速发展、加快转型、推动跨越做出切实贡献。实施方案提出，五年间，全省科技投入保持持续增长，财政应用技术研究与开发资金年均增长20%，全社会研究与发展(R&D)经费投入占全省生产总值的比重达到1.2%；创新服务体系进一步完善；专利申请量保持35%的年均增长率，专利授权量保持30%的年均增长率；在化工、装备制造、冶金、有色等重点领域形成产业集群，拥有一批具有市场竞争力的高新技术产品，高新技术产业产值占国内生产总值的比重达8%以上；节能环保、新材料、新能源、生物产业年均增长率达到25%左右，成为贵州战略性新兴产业领域新的增长点；民族医药产业发展能力不断提升。
随着对工业强省战略认识的加深，各级领导逐步认识到新的省领导提出的工业强省中的工业已经不在是传统意义下的工业，而是新型工业。那么新在那儿呢？本人认为将最新的科研成果与贵州的工业有机结合起来的工业化道理就是新型工业。综合上述信息，作者认为贵州的工业强省道路应该着眼于新型工业，即是在工业的发展道路上需要大力引进现代科学技术。尽管贵州工业强省战略还有不少问题，但作者认为在工业强省的大路上我们应该做到放眼世界新科技成果、重视国内新技术和高级人才、立足用好用足贵州省内的工业基础和人才。作者在此探讨一下贵州工业化道路上的人工智能技术应用做一个较为详细的说明，其他的新科学技术的应用类似。
人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。人工智能（Artificial Intelligence，简称AI）②，是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。不仅许多其他学科开始引入或借用AI技术，而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。对人工智能的研究，由于研究角度的不同，形成了不同的研究学派。这就是：符号主义学派、连接主义学派和行为主义学派。人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。
目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统、知识发现与数据挖掘、遗传与演化计算、人工生命、人工智能应用（如：模糊控制、智能大厦、智能人机接口、智能机器人等）等等。人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。未来人工智能的研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。
同时如下的这则2006年的信息也让人兴奋：“今年初，牡丹江市金跃集团与韩国文豪斯株式会社签订合作协议，欲引进人工智能高新技术及相关技术和产品落户牡丹江，在中国大力开发人工智能高新技术市场。该项目研发的具有自主知识产权的最新一代人工智能高新技术，其研发成果已经远远超出了国内软件的发展速度，在世界人工智能软件研发领域也走在前列，在国内可首创人机对话的先河，市场潜力大，科技含量高。项目建成后，将形成集研发、推广、销售于一体的人工智能软件研发和生产中心，该项目全面启动后，年可实现销售收入2~5亿元人民币，年可实现利税1亿元人民币以上，年销售利润率40%。该项目成功运作不仅可填补我市高科技软件研发技术的空白，而且还可带动我市相关传统产业提档升级和市直利税的增长。”
综合贵州的实际省情和目前人工智能的发展，笔者认为可以从以下几个方面去突破。
（1）结合贵州十大产业中的电力和装备制造，智能化是一个重点发展的方向。现在智能电网的研究何义应用都正处于起步阶段，抓住这个机会，加大科技投入这个领域，力争或者具有世界先进水平的核心技术是重点。智能化机械制造业是目前的一个热点研究，充分利用国家复合改性聚合物材料工程技术研究中心和省部共建教育部现代制造技术重点实验室等的研究基础，做好围绕现在制造技术的装备制造业发展。
（2）由于贵州十大产业中的煤炭、化工、有色、建材、钢铁均需要对资源的挖掘开采，具有智能化的资源开采设备开发和二次开发是重要的内容。同时科学合理的对资源开采也是一个关键。充分利用国家复合改性聚合物材料工程技术研究中心、省部共建教育部喀斯特环境与地质灾害防治重点实验室和省部共建教育部现代制造技术重点实验室等的研究基础，做好长期合理利用资源为贵州绿色、健康发展。
（3）民族制药和特色食品应该是贵州的重要特产之一，在国内具有较好的基础。首先贵州植物非常丰富，是民族制药的重要基础，现在已经形成了国内最大的民族制药基地。现在国家也在大力加大中药制药力度，所以政府应该重视与相关部门联系，充分利用教育部绿色农药与农业生物工程重点实验室、教育部西南药用生物资源工程研究中心和贵州省中药材繁育与种植工程实验室等机构的研究基础，加大新药的开发使之具有自己的知识产权才是长远之计。其次特色食品也是贵州省的一个品牌，比如国内知名的老干妈辣椒。尽管贵州具有很好的原材料，但是目前品牌单一和传统的制作方法使得产量较低，必须加大科研程度，使得具有智能的机器能代替目前的手工制作，增加产量。
注释
“这确实是个很好的问题。”食谱推荐公司Yummly的研究负责人Gregory Druck如此回应道，但这肯定不能被称为一个真正的答案。
这的确令他有点为难。技术在设计时通常都要优先理解并满足人的喜好。同在台上的厨房整合技术公司Innit的副总裁Ankit Brahmbhatt干脆接过了话筒，“每个人的体质不同，对健康的定义也不同。说到底这是个生活方式的问题。我们得先有关于你更全面的数据，才能判断什么对你是健康的。”
人工智能到底能在多大程度上替代人，也成为一年一度的西南偏南上最热闹的话题。
西南偏南诞生在美国德克萨斯州的奥斯汀。每年3月初，这个全球性的盛会会吸引数十万人，和硅谷以大公司、创投行业为主的活动不同，西南偏南会吸引各个行业的人。大家在这里看新的电影，发现创业灵感。更重要的是，讨论技术已经带来的改变，以及它能把人们带到哪里去。
其中有不少想象空间。比如Yummly，这家来自硅谷的公司能利用人工智能技术分析你曾经使用的食谱数据。来自德国的Foodpairing则声称，机器分析食物成分时最大的弱势是嗅觉不及人类灵敏，但是通过训练，机器的精准程度可以超过大多数未经训练的普通人。
还有更激M的Innit。和一些创业公司费尽心思想把吃饭这件得高效不同，这个硅谷公司发现了一个悖论，一些人根本不愿意被剥夺下厨的权利。于是他们正在硅谷红木城的总部，测试一个全新的“数字化厨房”。
这个厨房用一个软件平台控制家电，告诉用户家里食材的存量。选定菜单后，还会提醒用户要买多少食物。等到准备妥当，连接的厨房电器就能完成初步烹 饪。
“我们想用技术帮上班族解决工作日吃饭的问题，让他们知道下班后要买什么食材、买多少，回家后能更快吃到晚餐。”活动结束后，Brahmbhatt对《第一财经周刊》说。
这听上去“很硅谷”，善于观察问题并提出解决方案。其实更有意思的是，这家公司发现，在一些细分领域当中，人其实没必要过分智能。
“数字化和自动化的确能帮助减少浪费，包括钱和食物。但我们也知道，有人喜欢下厨。Innit在做一项用户调研时发现，对自动化最集中的需求并不是烹饪，而是洗碗。也就是说，用户想让机器帮他们完成的是，恰恰是那些他们最不喜欢做的事情。”
至于机器和人的关系，这个古老的命题也随着人工智能的蔓延重新摆在了人类面前。至少，人工智能不再仅仅是一些极客想把一切自动化的设想和实验，也不只是好莱坞电影里经常出现的无所不能的机器控制人类造成的恐慌。它真的就在我们的生活中发生。
真正的答案，也正如百度首席科学家吴恩达曾预言的那样，“人工智能是新的电能，可以改变很多行业。”既然是电能，就意味着未来它可能无处不在。
西南偏南互动大会首席项目官Hugh Forrest说：“人工智能毫无疑问是2017年最热门的话题。虽然过去我们也做过很多AI的内容，但从未像今年这样集中。”
卡内基梅隆大学计算机科学系主任Andrew Moore长期关心教育，面对可能的人工智能未来，他想分享教育系统有必要做出哪些变化。迪士尼则会分享它如何用人工智能为其主题乐园提供更好体验，毕竟迪士尼乐园不可能一直停留在几十年前的模样。就连那些运动员，都会在训练中尝试使用人工智能，这可能意味着未来的赛事较量，除了天赋，更多是训练方法的比拼。
而如果你知道西南偏南最早是个音乐节，就会觉得在这里听到人们探讨人工智能和音乐如何结合是顺理成章的了。
用人工智能编曲已经不算什么新鲜事了。但是一些音乐公司正在用人工智能制作背景音乐，卖给可口可乐等大公司。
就连Google也参与了进来。去年6月，Google Brain宣布推出Magenta，一个能让计算机制作出“出众而艺术性”的音乐的产品。
不过这也带来一些新的问题，音乐能够做到更加了解我们吗？我们想让自己的情绪反过来影响我们吗？这种响应会不会把气氛搞糟？毕竟粉丝们可能会爱上一个音乐人，但很难爱上一台计算机。
很多人都爱上过iPod。这可能是这个世纪初音乐与技术最简单直接的结合形式。当技术演变成了人工智能，这件事情变得有趣，它像人的左脑和右脑的一场博 弈。
音乐这个感性世界与数字和代码编织的理性世界碰撞了一下。它们如何理解彼此，最好的例子可能是一个指令，就是当你让一个人工智能助手播一首歌时说的那句话。
不要小看这个指令。亚马逊音乐的团队在奥斯汀市中心的一个小酒吧里办了一场活动，当谈到如何让亚马逊的人工智能助手Alexa和亚马逊音乐结合时，主讲人感慨，仅仅是让Alexa播放一首歌的指令就十分复杂，一首曲子的元素包括歌手、专辑名称、音乐流派、歌词内容等不同元素，情境也同样如此，比如遇上用户说“我心情不好，给我放点音乐”这种情况，此时，亚马逊音乐收录了多少首歌曲是一回事，Alexa能在多大程度上明白用户的意思，便是另一回事了。
如果有人去年来过西南偏南，大概还会记得当时的一个历史性事件。
那是AlphaGo与韩国棋手李世石之间的对决。结果你已经知道了。大多数人不相信机器会胜过人类，他们会觉得这是个黑天鹅事件。
Google的高明之处除了技术本身，还在于用一种直接有力的方式向普通人展示了自己在人工智能领域的技术进展―大概没有什么方式比人机大战更能引起人们的兴趣，更直观。
当AlphaGo连续赢到第三场时，来自Automated Insights的Robbie Allen正在准备他在西南偏南上的一场对话。Automated Insights是曾做出帮记者写稿的机器平台WordSmith的公司。
“Google很了不起。”Allen走下台对《第一财经周刊》评论。在观看这场人机大战时，人们产生了一股担心会被人工智能抢走饭碗的恐慌。此后，AlphaGo的连胜加剧了这样的担心。
Allen参加的对话主题正好是“人工智能发展后，人类未来的工作怎么办”。
“理论上人工智能确实达到了一个新阶段，它代表人工智能可以模仿人类的重复性劳动，还会比人做得更好。但我认为，它离人工智能的实际应用还有一定距离，当人工智能可以帮助某些行业完全实现自动化，找到商业化的应用场景，我才会认为它真正达到了实际应用的程度。”Allen说。
“实际应用”换句话说，是一部分人会开始失业。
距离AlphaGo战胜李世石不到一年，人们就已经在拉斯维加斯的国际电子消费展上看到各个汽车制造商对无人驾驶汽车的设想。无人驾驶汽车的技术标准得到厘定，厂商纷纷推出概念车。
Google剥离了无人驾驶汽车部门成立单独的公司Waymo、Uber的无人驾驶汽车在匹兹堡和旧金山上路，虽然后者在上路当天就因犯了些错误被叫停（最近还因为收购Otto被Google告上法庭）。蝴蝶效应是，政府和城市设计师已经开始思考无人驾驶汽车上路后对城市生活规律的影响、如今的城市基础设施是否能和无人驾驶汽车配合等问题了。
若低估技术带来的影响，也许不久后就要承担相应的后果。自从人工智能技术高速发展，特别是无人驾驶汽车上路以来，硅谷以外的世界与硅谷仿佛形成了两股力量―硅谷正在想办法让一切自动化，而美国最大的就业群体之一卡车司机，则忧虑正在某处测试的无人驾驶卡车会让他们失去工作。
机器与人的矛盾和对抗从来没有停止过。远至第一次工业革命，近至互联网诞生。随着人们越来越习惯于数字化生活，机器和人的关系会更加纠缠不清。人工智能这件事会变得更复杂，还可能，带来很多伦理问 题。
来自设计咨询公司IDEO的Jason Robinson和麻省理工学院（MIT）媒体研究室的Philippa Mothersill认为，目前我们并没能解决如何不让机器真正危害人类的创造力和情绪，尽管随着技术的精进，这一点可能会实现。
在一场名为“人类、机器和工业设计的未来”的讨论当中，他们向挤满了整个会议室的观众发问，“我们如何教会计算机创造性思考？”
Mothersill曾是宝洁公司的产品设计师，专注于让计算机可以通过识别人类的语言，将物理元素变成实际产品。为此她设计出EmotiveModeler，这种工具能够将形容词和情绪转化为模型。她寻找到了一种能够让工业设计―无论是家具还是电子产品―更好传递人类情感的方式。
如果没读博士，Mothersill现在应该依然是个出色的设计师。但她如今的研究课题，却让一些设计师有点担心会失去工作。《连线》的Margaret Rhodes也在意这一点，即人工智能如何能提供更多的工作机会，这可能是技术进步为现代社会带来的最大的困扰。没有人希望成为技术进步的牺牲者。
不过在和大量的设计师交谈过之后，Mothersill和Robinson总结了“10件设计师希望机器能够学会的事 情”。
比如说，考虑使用产品的情境。好的设计师不仅会设想要创造的事物，还会思考它出现的地方。它应该摆在哪里？它所在的房间是什么样？周围都有些什么东西？如何能让计算机做到这一切？
或者说，如何抓住灵光一现的时刻。历史上，达达主义运动中的艺术家善于随机创作，通过将传统事物叠加创造新作品。我们能够教会计算机在向不同方向发散思考的同时，催生出全新且有价值的设计吗？
这些有趣的发现让他们意识到，设计师对机器的期待，其实充满人的色彩。Mothersill由此得出的结论是，人们最终需要掌握如何让机器变得有情绪，它们会产生独特的好奇心―而不仅仅是按照写入的程序工作。
如果你看过最新的007系列电影，影片中所描述的一切已经和NASA能做到的非常接近。
毕业于约翰・霍普金斯大学的Pavel Machalek此前在NASA工作，如今他创立了Spaceknow，为金融、政府和制造部门提供商业卫星的图像分析。这些卫星就像是“天空之眼”，看着地球上发生的一切。
“我们正在让整个物理世界数字化，且能够在这个基础上做很多事情。”Machalek说。按照他的说法，世界正在经历巨大变化，重新使用卫星数据的成本也在逐步下降。
不仅如此，Spaceknow正在建立一套人工智能系y，用各种各样的新方式来处理获得的数据。整个地球的数据都会被实时抓取，它会扫描、理解和讲述70亿人的日常行为。
这也意味着，它会重塑商业关系，让零售商更好地预见气候变化、作出设计决策。它的客户各种各样，有人想知道某个港口有多少船只到岸，或者有多少辆卡车被调到精炼厂运油。
它还有很多其他用途。对于新闻业来说，它能让人们尽快发现，叙利亚到底在发生什么。如果有人编造一些事实，它或许可以提供更客观的看法。这套被不断训练的人工智能系统能够接收各种各样的查找请求，截至目前它曾经收到的请求有，“查找一架失踪的飞机”“查找那些非法的攫金者”等，以及对某些政府公开的不实数据提供另一种解释。
Machalek表示，有朝一日想让Spaceknow的人工智能系统覆盖整个世界，让每个拥有智能手机的人都可以对真实世界的数据发起请求―这大概意味着你可以查看某个酒吧门外排队的人有多少。
零售业和广告业立即感受到了威胁，它们开始追求改变。除了面临新技术带来的新购买方式的挑战，另一件可怕的事情是，如果以后帮消费者做购买决策的是机器人，品牌该怎么办？
但这其实已经发生了。亚马逊的推荐算法就是最简单的例子。
在机器人眼里，一切都是数字。因此研究品牌效应的L2 Inc的Pooja Badlani就认为，如果这就是未来，品牌忠诚度这件事已经成为历史了，所有的品牌都要想办法和机器人共存。
但IBM iX的策略与设计负责人Robert Schwartz认为，品牌通过营销来影响消费者的态度和购买行为是一门艺术，它暂时还不会消失。
“那种居高临下教育消费者的时代结束了，”Schwartz说，“对品牌来说，推销自己的时代过去了，现在是展现自己的时候。消费者始终会受到一些时刻、一些瞬间的激发产生购物欲望，品牌要重新梳理自己的核心，决定在什么时间、什么地点来创造这些时刻。”
现在已经没有人讨论技术将如何重新定义传统行业，大家都认为这已经是事实了。至于这个改变将如何发生，“这是个缓慢的过程，所有技术公司和受到冲击的传统行业都是亦敌亦友的关系。”Schwartz对《第一财经周刊》说，毕竟说到底，它们都想争取消费者的数据。
所有人都要学会用新的方式和消费者打交道，也想延长消费者的注意力和停留时间。
硅谷已经有人提出了相应的方法论。Ch r is Messina曾是Uber的开发者体验负责人，也是Twitter上的“hashtag”（标签）的发明人。他在2016年提出“对话经济”（conversational commerce）的概念，认为在Facebook Messenger增加聊天机器人的背景下，未来会有越来越多的“聊天机器人”（chatbot）出现。这些小机器人可能分布在客服、销售等岗位。此时机器应该增加更多的“Conversational UI”，即聊天界面。
让聊天机器人取代人类的前提是赋予机器同理心。如果你对态度冷淡、反应迟缓的人类客服不满意，面对聊天机器人得到的同样是冷冰冰的回答，那么这样的技术进步可以说毫无意义。
相反，如果机器可以弥补人类的部分不足，例如冷漠、缺乏技能，那么人类反而可以从与机器的对话中获得更多好处。Messina举例说，如果聊天机器人可以给用户好的体验，那么每次对话同时，也是用户在主动提供数据。
这仅仅是零售业运用人工智能的开始。人们会渐渐分辨不清，人工智能究竟是在帮助我们购买产品，还是说服我们去购买它们？
麻省理工学院的研究专家Kate Darling在描述人工智能的走向时，表达了相似的观点。
Darling主要研究机器人伦理的问题。“接下来的几十年并不是说机器会一点点取代人类，而是自动化系统和人工智能系统将与人类协力合作，因为技术不是取代人类的能力这么简单。人们高估了机器能做的事情，而低估了它的缺陷。”
斯蒂芬・霍金在接受BBC的采访时曾更直接地说：“人工智能的完全实现，可能意味着人类的终结。”
身处这个行业里的人显然知道人们的恐惧。
人工智能发展协会前主席、微软人工智能研究院负责人Eric Horvitz在西南偏南的一场演讲中介绍Google、亚马逊、苹果、IBM、微软、Facebook等公司联合成立的Open AI时，主动引用了霍金、伊隆・马斯克和比尔・盖茨此前分别公开传达的对人工智能的担心。
这位美国工程院院士、在业内被称为AI先生的老人朗读了一段Open AI的协议内容，几大公司保证在互不竞争的前提下合作。正是因为技术进步这个趋势不可阻挡，大公司结盟和在一些问题上达成共识是保证技术真正为人类赋能的基础。
关键词：智能时代；会计人才；高校
纵观现如今人们的生活，智能产品已经无处不在，正一步步的改变着大众的生活方式，比如一部智能手机就可以处理很多业务。许多行业也进入了智能化工作时。就会计领域而言，以德勤为首的四大会计师事务所相继推出财务机器人来完成基础会计工作，给会计行业带来了巨大的挑战。
一、智能时代对传统会计工作的影响
（一）改变了会计工作方式，提高了工作效率
近几年的时间里，需要会计人员处理的工作因为智能化的发展同样发生了变化，企业通过建立财务账套系统，日常发生的发票开具、费用报销、凭证填制等业务都可以在财务软件上操作，期末账簿和报表可自动生成；货币结算时也可以通过互联网进行转账。简单的会计工作由于这些变化摆脱掉时空的束缚，不仅可以缩短会计人员的工作时间，工作效率也能有很大的提升。
（二）会计人员工作岗位发生变化
财务机器人的应用取代了处理基础财务工作的人员，使会计人员免于重复基本业务。更多的会计人员将转型到有价值的财务分析、财务决策以及其他管理岗位中。这就需要财会人员具备商务数据挖掘、财务数据分析处理、财务决策和企业管理等能力，能对报表和数据进行深刻解读，提取数据背后的信息，并把这些信息变为对企业经营策略的制定有用的信息。
（三）降低了财务风险，财务数据更加精准
智能机器发生错误的概率微乎其微，未进入智能时代前的会计工作中会有大批量的财务数据需要进行人工处理，不但枯燥还及易出错。人工智能在会计领域的应用保证了会计信息的真实和完整，而且还可以快速选取各种决策所需的相关数据和信息，大大降低了以往人工分析数据差错、数据不全面和数据分析结果滞后造成的财务风险。
二、智能时代会计人才培养存在的问题
（一）会计学专业课程设置存在缺陷
1.财务核算类课程比重偏大。目前大多数大学的会计学专业课程都侧重于财务会计，不够重视财务分析与财务管理，会计核算类课程多，且课程之间重复的内容比较多，这种传统的以财务会计为中心的课程体系已经不适应智能时代对会计人才的需要。2.缺少数据分析课程。智能时代下，财务机器人的应用会使会计数据自动生成，无需会计工作者进行手动计算。公司的财务分析、决策和其他管理工作会需要会计人员来进行，但目前会计学专业缺少数据分析类相关课程的设置，几乎没有学生拥有对财务数据的分析能力。3.理论知识的传授多过实践能力的培养。很大一部分大学的会计学专业都强调理论教学，对实践教学重视不够，导致很多高校学生毕业以后不能把所学的知识很好的应用到会计实际工作中。4.跨学科类课程设置不足。学科交叉是智能时展的主流方向，要把复合型会计人才列为当前各高校的培养目标。而目前，与其他专业学科设置课程整合是会计课程体系没有涉及的领域，各高校的会计学专业毕业生不能实现智能时代对会计复合型人才的需要，只掌握了单一的会计知识。
（二）缺少对学生自学能力的培养
会计是为社会生产活动服务的，必将随着社会的发展而不断变化，所以学生只靠在学校获取的知识是远远不够的，但目前高校教师的传授知识的方式只是讲授这一种，学生没有任何思考过程，只是把知识听了一遍，并不能使他们的自主学习能力有所提升，导致学生在工作中不能很好的适应环境、内容和工作方式等的变化。
（三）应用型师资不足
会计是实践较强的学科，若教师缺少实践经验，就不能很好的培养学生的实践能力。目前很多高校没有重视对应用型教师的培养，而是一味的鼓励教师进行学术研究，这对培养企业需要的会计人才极为不利。
（四）缺乏职业素养教育
职业素养是从业者按照职业岗位要求养成的行为习惯和良好作风，它是工作人员在从事其专业相关的活动中所表现出来的综合素质。会计职业素养就需要每个会计工作人员对会计这个职业有着崇高的理想和信念，遵守会计行业的纪律，履行其责任与义务，不断提升自己的职业技能，对这份职业充满兴趣，并保持良好的工作态度。目前高校对会计学专业学生的培养只停留在知识教育层面，忽视了对会计职业素养的教育，教学方法和考核方式缺乏多样性，各高校毕业生还没有实现智能时代对会计职业素养的要求。
三、智能时代会计人才培养改革策略
（一）完善会计学专业课程体系
1.减少财务核算类课程比重，增加数据分析类课程。高校在制定会计学专业人才培养计划时，要减少会计核算类课程所占的比重，增加管理会计、财务分析、风险分析、财务管理以及内部控制等课程比重。同时像财务分析、数据处理、挖掘业务数据这类有助于提升学生数据分析能力的课程需要增加到必修课中，以提升会计人员的数据分析能力。2.增加实践类课程，鼓励学生顶岗实习。高校不能仅限于传统的理论教学，与会计有关的实践课程的比重需要提高，比如用友、金蝶在财务中的应用，大数据与可视化在会计学中的应用，企业风险分析案例等课程，为了增长实战经验使学生的实际操作能力有所进步。还要与会计领域中已经开展智能化工作的企业进行深度合作，让学生到真实的企业会计工作岗位参加实习，积累工作经验，更好地将理论与实践结合，保障学生毕业后能更好地适应智能化的工作模式。目前市场需求的会计人才与高校培养的会计人才不一致，高校可以通过调查企业对会计人才的需求方向来培养符合市场需求的会计人才。同时高校还应该定期聘请合作企业的优秀财务工作者为学生开设智能时代会计知识的讲座，提高学生对智能会计工作的了解。3.开设学科交叉课程，注重复合型会计人才培养。随着移动互联网、大数据、人工智能、云计算等新技术在会计领域的应用，会计人员的综合素质必须适应市场的需要，会计人才不仅要有会计理论知识，还要掌握诸如管理学、经济学、金融学、法学、统计学、数据分析以及计算机程序设计等相关知识；不仅要具备会计业务处理能力，还要具备创新、团队沟通、组织协调、判断决策、持续学习等智能机器难以复制的能力。因此，在高校会计学专业开设学科交叉课程，培养复合型会计人才至关重要。具体做法是，在公共基础课程模块应开设人文素养、计算机编程和数理统计类课程，对学生进行厚基础、宽口径的培养。在专业基础课程模块应开设经济管理、金融、财经法规和会计职业道德类课程，融入思政元素，培养学生一定的协调管理能力和良好的会计职业价值观。在专业核心课程模块应该增设大数据会计分析、大数据财务决策、新技术与经济一体化发展等课程。
（二）创新教学以及考核评价方式
高校要不断更新教育理念，应以学生的创造性思维为中心，努力提高学生的自主学习能力，加强培养自主解决问题的能力，实施以教以学生为本，教师主导的教学模式。可以利用互联网上的慕课、微课采用线上线下结合、小组讨论、案例分析、实践操作、竞赛等多种教学方法鼓励学生积极参与教学过程，以此增加独立思考的机会，对学生形成良好的终身学习习惯有很大的好处。同时，学习不只是结果考查，要重视对过程的评价，把对学习过程的考评比例提高。可以采用提高平时作业质量、课堂表现在课程学业成绩中的比重，还可以将学生参与小组讨论、操作演示、课后与老师互动等情况的表现纳入考核评价范围。
（三）建设应用型师资队伍
高校会计专业教师在会计人才培养中担任重要角色。智能时代下，会计工作方式发生了巨大的变化，相应的使会计学科体系的内容也出现了改变。作为引导者，高校会计专业教师应自发的地学习与智能时代相关的理论知识和实践知识。与此同时，高校也应该积极为教师提供学习新知识的渠道，可以聘请实务界人工智能专业人员为教师开设大数据、人工智能、信息技术、财务共享等培训讲座，开拓教师的视野，提升教师的理论水平；还可以分批选派教师到行业内优秀的企业进行挂职锻炼，在企业工作中了解人工智能对会计工作的改变，练习操控人工智能进行会计工作，教师要不断地学习实践来适应智能时代，为后续培养适应智能时代的高素质会计人才提供有力保障。
（四）强化职业素养教育
会计学专业是按照企业对会计人员的需求而设立的专业，满足并且符合经济社会以及会计行业的发展要求是各高校培养会计人才的首要目标。智能时代的到来，以往的会计核算能力就已经不是会计人员的核心竞争力了，对会计人员有了更高的职业素养要求。1.培养学生的管理能力。智能时代已经不再需要财务会计，逐渐变为对管理会计的需求，高校也要考虑这一点，提高学生的综合管理能力。作为一名企业的财务管理者，既要拥有一定的会计专业知识，同时还要具备沟通、团队协作、分析研判以及决策等能力。高校可以开展模拟企业管理竞赛或开设模拟企业管理课程，通过搭建标准工作流程让学生感受企业财务部门管理层的日常工作，以及管理人员的工作内容。还要鼓励学生通过参加社团和学生工作组织来锻炼自己的组织管理、团队协作和决策等能力。2.提升学生的创新意识。高校要使学生感受到良好的创新氛围，为学生搭建好创新平台，让学生积极参加“互联网+”大学生创新创业竞赛，指导学生申报大创项目。此外，教师引导学生开展科研项目，在科研中发现创新点，提高教学质量，学生的创新意识也能得到培养，开拓视野，让学生紧跟会计行业发展变化的步伐。3.加强学生的会计职业道德教育。虽然目前高校已经开设会计职业道德的相关课程，但社会上的会计造假案例仍不断出现，因此在高校还应进一步强化会计职业道德教育，从源头入手，在学生时代就要让他们了解职业道德的重要性和违反职业道德的严重的后果，树立正确的会计职业道德观，提高辨别是非的能力、抵抗诱惑的能力，自觉抵制不良社会风气，维护会计的职业尊严，促进良好的会计道德观的形成。
四、结语
智能时代会计人才培养问题已成为我国人才强国战略的重要组成部分。在人类的不断进步下，社会管理领域也会被智能科技产品一步步的占据。因此，智能时代下会计人才培养问题的研究也不是一劳永逸的，培养教育会计人才的内容也要不断进步，使智能技术不断为会计工作带来便捷。
参考文献：
[1]陈小芹.人工智能时代会计人才培养模式[J].商业会计,2019,657(09):127-129.
[2]吴媛媛.人工智能时代会计人才培养新模式探究[J].时代金融,2018,717(35):192.
去年年初，昆山市政府公布了一份富士康工厂的机械化数据：自从2014年iPhone 6上市至今，富士康已经使用机器人（又或者是机械手臂）取代了超过一半的工人，当地工人数量由11万人减少到了5万人。“工人的饭碗会不会被机器人给抢走了？”这是机器人大规模进入企业引发的无数劳动者的担忧。
而在去年3月9日，世界冠军、韩国棋手李世石与谷歌“阿尔法狗”（AlphaGo） 在首尔上演的围棋“人机大战”和今年年初AI机器人AlphaGO的改进型Master再次完胜人类围棋顶尖高手，更是引起科学界及社会各界的高度关注和伦理上的争议，原因就在于人们对人工智能超越人类智慧的恐惧与担忧。
目前，无论是学术界，还是工业界，研究人员都对人工智能带来的伦理挑战进行了大量研究，最新消息显示，微软、谷歌等公司已经成立了人工智能伦理委员会，希望能对这一问题提出解决方案。
智能机器产业前景广阔
在《男儿当自强》的激昂旋律中，一红一黄的两只雄狮伴随着音乐的节奏舞着优美的动作。5月3日，《小康》记者走进位于广州开发区科技企业加速器的巨轮（广州）机器人与智能制造有限公司办公大楼，首先跳入视线的便是这两只一红一黄的雄狮，不仔细看，还以为是真人在舞狮欢迎宾客。该公司副总经理洪润龙告诉记者，这是他们公司研发和生产的智能机器迎宾雄狮。
在巨轮（广州）机器人与智能制造有限公司一楼的展厅里，记者还看到了各种大大小小的机器臂手，“这些机器臂手广泛运用到各个行业的生产企业，尤其是汽车行业，机器化生产已达到70%。”研发总监毕辉介绍说，为从事工业机器人及其核心部件、控制系统、柔性自动化技术开发、制造，公司与多家国际著名的智能装备、精密机床企业建立深度紧密伙伴关系，引进全球领先的前沿技术，解决目前制约国产机器人及智能装备发展的控制系统技术与精密制造技术。目前，巨轮（广州）公司在工业机器人控制器以及RV减速器等核心关键技术、部件方面已取得重大突破，公司自主研发的重载、轻载六自由度工业机器人、五轴联动加工中心、自动化立体仓库、柔性自动化生产线等具备高敏捷性、高稳定性、高一致性和高安全性。
“2014年，在国家发改委和广州市政府的引导和支持下成立专业投资企业。主要专注于人工智能相关领域先进技术的研发和引进，并完成相关技术项目的落地与二次开发。” 广州中以智慧产业投资有限公司副总裁张伦明在接受《小康》记者采访时表示，智能机器人作为人工智能最重要的应用场景之一，是一个朝阳产业，其发展前景广阔，借助以色列在智能机器人发展方面的先进技术，公司依托旗下的中以智能制造基金、中以机器人基金、中以机器人研究院以及以色列英飞尼迪投资集团的丰富投资管理经验和庞大的资源优势，专注于智能制造和机器人等领域先进技术的研发与引进，推动相关技术项目在国内特别是在广州的二次开发和落地，促进关键技术创新并带动新兴产业发展。
智能装备和机器人产业作为人工智能最重要的应用场景之一，从中央到地方，都在加速布局。广州提出到2020年将培育形成超千亿元以工业机器人为核心的智能b备产业集群的目标。事实上，不仅仅是广州，东莞、长沙、武汉等地都在争夺人工智能产业这一蛋糕。广州开发区经济发展局副局长赵必荣告诉《小康》记者，广州开发区智能装备产业主要集中在通用设备、专用设备和机器人三大细分领域，基本形成了从上游关键零部件、中游整机到下游应用集成的完整链条，其中机器人产值规模最大，占智能装备总产值的一半以上。主要发展有自主知识产权、有核心竞争力、有市场前景的工业机器人，重点支持工业机器人本体、控制器、减速器、伺服电机等关键零部件的研发和应用，并培育发展服务机器人、家用机器人。
智能装备产业一直是广州开发区重点发展的产业，目前拥有机器人及智能装备企业73家，2015年实现工业产值132.5亿元，近五年持续保持16%的复合增长率。开发区拥有广州数控、广州启帆、巨轮智能、瑞松、明珞等一大批国内知名的智能装备企业，以及中国（广州）智能装备研究院、国家机器人检测与评定中心广州分中心等以智能装备共性技术研发为主的产业公共服务平台，同时还引进了库卡、发那科等全球机器人巨头。上海发那科机器人有限公司将投资1.08亿元，建设集机器人销售、展示、技术支持、小型加工中心制造与仓储等于一体的华南基地，目前已在“广州机器人产业园”落实4万平方米的用地;库卡机器人公司去年也已在开发区成立广州分公司，目前正在筹备选址设立机器人新工厂，重点开展工业机器人的研发和生产。
广州开发区从2014年开始规划建设占地448公顷的智能装备产业园区，目标是到2020年实现工业产值200亿元，培育1-2家拥有自主知识产权和自主品牌的百亿级工业机器人龙头企业和3-5家相关配套骨干企业。目前，全区集聚智能装备企业75家，2016年实现工业产值110亿元，约占全广州市规模的三分之一。
年轻工人“要做机器人的主人”
近两三年以来，《小康》记者在广州、东莞、佛山等珠三角地区的企业走访时发现，在“转型升级”、人工成本日益上涨等大环境下，诸多劳动力密集型的企业都在积极推进“机器换人”工程。
在东莞，“无人工厂”已经出现，工厂中每天近百台机器手正日夜无休地打磨一个个手机中框结构件，它们被分成10条生产线，每条生产线由一条自动传送带上下料，这个过程不再需要任何人力，需要的只是每条线3名工人负责看线和检查。企业主告诉记者，以前整个工厂要650个工人，现在生产相同的东西，只要60个人就已足够。
去年年初，昆山市政府公布了一份富士康工厂的机械化数据，称自从2014年以来，富士康已经使用机器人（又或者是机械手臂）取代了超过一半的工人，当地工人数量由11万人减少到了5万人。
2011年，富士康CEO郭台铭宣布“百万机器人计划”，计划投入100万台机器人到生产线上，此前富士康自主研发的“FOXBOT”机器人开始在山西晋城批量制造，正式成为富士康的一员。如今，6年过去了，根据富士康自动化技术发展委员会总经理戴佳鹏此前宣布的数据，超过4万台机器人被部署在富士康各个生产流程环节当中。
《小康》记者此前在走访位于汕尾市的深汕合作区部分生产企业时也发现，这里新建的工厂，大部分都以智能机械代替了大量的工人。“机械可以日夜不停地工作，不会喊累，不会闹情绪，不会要加工资，更不会喊要罢工，而且没有安全事故。智能机械的好处显而易见。”大部分企业主都表达了同样的观点。赵必荣在接受采访时也表示，“机器人确实要比工人好管理，最深有体会的应该是生产线部门。”
2013年以来，我国已经连续三年成为全球最大的机器人市场。各地积极推动机器换人有政策引导的倾向，但更多的是基于现实的需要。在中国一些沿海地区，人口红利下降、人力成本上升、人才结构矛盾等问题正在倒逼国内制造企业以机器换人。同时，随着制造业的转型升级，原来的农民工可能难以承接新的工作，企业招录不到所需劳动力，也只能进行机器换人。
虽然实际上目前很多领域单位产量所需机器人的成本并不低于劳动力成本，但“机器换人”这一大趋势依然存在。
然而，工人的饭碗真的会因为机器人的来临而失去吗？
“短期内不会，目前机器人代替的大部分都是机械化的辛苦、危险的工作，都是一些现在80、90、00后不愿意干的又脏又累的活。”毕辉说，机器人逐渐替代人类是产业发展的必然，批量引入机器人不仅要建立在标准化、批量生产的基础上，还要取决于技术的发展和企业的经济实力。张伦明也表示，机器人运用到企业虽然具有很大的优越性，但不可能完全取代人的工作，因为机器人没有思维，只能按照既定程序操作，无法灵活转变。
赵必荣说，人们在谈论机器人或者智能化的时候，潜意识里总会有一个观点，认为机器人与人工是对立的，所以喜欢将它们放在一起比较。但几年下来的现实情况是，智能与人工非但不是对立的，很多时候还是相辅相成相互促进的。
首先，智能制造并不排斥人工，例如人机交互技术就是工人与机器实现协同生产。目前的工业机器人只是代替了一些简单、繁重、危险工序中的人工;服务机器人可在居家养老、医疗康复、教育娱乐等领域解决专业人员不足等难题;而语音识别和人脸识别等人工智能技术也只是帮助人们更有效率、安全地工作和生活。总的来说，智能机器并未对社会就业率带来较大影响。其次，智能机器正在创造新的就业岗位，因其是多种技术的交叉融合，自身发展离不开大量专业技术人员，其催生的新产业生态可吸纳大量劳动力。
但越来越多的年轻人也清楚地意识到，机器换人已是势不可挡。危机，危机，正是危中有机，所以经济大转型时期，机会往往是并存的，就看你有没有敢于改变的勇气与决心。“作为工人的我们，只有通过知识和技能才能改变作为廉价劳动力被剥削的命运。趁此时攒点钱，去学技术，去学知识，达到精通级别，才是我们改变命运的王道。”年轻的工人喊出“要做机器人的主人”。 喜与优 去年年初，昆山市政府公布了一份富士康工厂的机械化数据，称自从2014年以恚富士康已经使用机器人（又或者是机械手臂）取代了超过一半的工人，当地工人数量由11万人减少到了5万人。
人工智能会否超越人类
去年和今年两次的围棋“人机大战”都以人类失败告终，这让许多人质疑人类智慧不如机器，人类可能被人工智能所取代。随着技术的发展，人工智能在陪伴机器人领域中的应用已走入越来越多的家庭，机器承担着越来越多（来自人类）的决策任务，更多人担忧的是，有一天会不会真出现如美国大片里机器人失控追杀人类的场面？
人工智能技术正变得越来越强大，那些最早开发和部署机器学习、人工智能的企业现在也开始公开讨论其创造的智能机器给伦理道德带来的挑战。
针对“人机大战”的两次惨败，计算机科学国家重点实验室主任林惠民认为，人工智能是个复杂概念，有些人工智能处理的是“可测度”的问题，比如各种棋类游戏，不论多复杂，规则是确定的，变化是有限的。计算资源和算法强到一定程度，电脑在计算上总是会胜过人类。但很多领域是不可测度的，包括人的创造力。比如google下棋赢了人，但是设计下棋程序的还是人。
“机器学习、深度学习发展很快，新的算法层出不穷。这个人工智能与多年前的深蓝电脑不一样。当时人们觉得，如果让深蓝来下围棋，它还太小儿科。而如今，人工智能已经可以战胜人类了。”中科院院士吴一戎说，“不过，我觉得人工智能对人类有威胁还是一件很遥远的事情。等我们发展到了这个程度，自然会有相应的科学伦理出台。目前我们要做的，就是跟上人工智能的发展步伐，它将对我们的社会产生深刻的影响。”
在《麻省理工科技评论》的EmTech峰会上，微软研究院的常务董事埃里克・霍维茨（Eric Horvitz）说：“我们正处于人工智能的转折点，人工智能理应受到人类道德的约束和保护。”
关键词：数据挖掘技术 数据处理技术 信息化管理 数据挖掘过程
中图分类号：TP311.31 文献标识码：A 文章编号：1007-9416(2011)12-0210-01
数据挖掘(Data Mining)的概念，是伴随着数据库和人工智能这两门技术一同发展起来的新兴的数据处理技术。它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。
1、数据挖掘
数据挖掘，就是从大量的、离散的实际数据中，经过提取、转换、分析等处理技术，提取出隐含的、事先无法预测的、但又潜在有用的、有助于决策的关键性的数据，帮助决策者分析历史数据以及当前现有的数据，从中发现隐含的关系或模式，进而预测出未来可能发生的行为。数据挖掘是一门涉及很广的交叉性的新兴学科，涉及到数据库、人工智能、可视化、并行计算等领域，因此应用范围也非常广泛。
2、数据挖掘技术
数据挖掘技术是人们长期以来对数据库技术进行研究和开发而得出的结果，其中数据挖掘与数据仓库技术的发展有着密切的关系。大部分情况下，数据挖掘都要先把数据从数据仓库中拿到数据挖掘库中，数据仓库会对数据进行清理，并解决数据的不一致问题，这给数据挖掘带来很多好处。由于数据挖掘所发现的知识的不同，其所利用的技术也有所不同，数据库、人工智能和数理统计就是数据挖掘技术的三大支柱。
3、数据挖掘的过程
数据挖掘的基本过程包括：数据收集和准备、数据整理、数据挖掘与分析、结果评估、分析决策等，数据挖掘的各过程不是线性的,不是一次就能完成的，而且是反复循环的，其中某些步骤或者全过程可能需要多次的循环反复，才有可能达到预期的效果，因此, 要充分分析历史数据和现有数据, 从而发现隐藏在其中的具有决策作用的有价值信息。
数据挖掘的过程按照工作流程可以包括以下几个步骤：
3.1 数据收集和准备阶段
丰富的大量的数据是数据挖掘的前提，没有数据，数据挖掘也就无从谈起，因此，数据收集是数据挖掘的首要步骤。收集的数据可以来自于现有的数据处理系统，也可以从数据仓库中得到。存储在数据库系统中的数据是经过长期积累而得到的，这些数据往往不适合直接使用和处理，那么在开始进行数据挖掘之前，需要对数据做准备工作，首先要消除噪声或不符合要求的数据，这些操作一般包括数据的选择、净化、转换、数据缩减等才能进行处理，广泛收集用户的各种信息，建立数据库与数据表，生成数据仓库，为数据挖掘做准备。
数据准备过程是否做好，将会影响到数据挖掘的效率和准确度，最终会影响到数据结果或模式的有效性。
3.2 数据整理和挖掘阶段
数据整理阶段是数据挖掘的必要环节，数据挖掘阶段通过汇总或聚集方法将数据转换或统一成适合进行数据挖掘的形式，可以利用各种数据挖掘方法对数据进行分析，选择某个适当的数据挖掘算法用于搜索数据中的模式，挖掘用户所需要的各种规则或模型等，为结果数据的分析做准备。
3.3 结果的分析和同化阶段
由前面两个阶段得到的模式模型或数据，里面也可以存在对实际应用没有意义或没有使用价值的数据，因此对这些数据仍然需要评估，确定哪些是有效的数据、哪些是有用的模式，这样对已经发现的规则或模型等信息进行评估，可以保证发现的模式或数据满足有效性和正确性，决策者则根据数据挖掘得出的结果进行分析和评价，结合实际情况，调整相应策略，并将挖掘结果以可视化的形式展现在用户面前，最终成为能够被用户所理解和接受的知识。
4、数据挖掘在高职院校信息化管理中的应用
教育同信息是密不可分的，因为教育从根本上来讲就是信息资源的传递、接收、加工和识别。随着科学技术的进步、社会文明的发展，以计算机多媒体和网络通讯为基础的现代化信息技术在教育中的应用越来越广泛。
随着信息化进程的推进,高校各种数据库中已积累了大量数据,这些数据可以满足人们的查询、检索、统计等日常事务处理的需要，在该过程中，数据挖掘技术将起到重要作用。运用数据挖掘技术对大量数据进行处理和分析，挖掘出有价值的信息,快速地对数据的发展方向做出判断，有效提高了工作效率。例如通过数据挖掘技术可以进行新专业申报、课程优化设置、预测学生就业情况、评估学生的学习成绩以及学生的综合素质等。
数据挖掘技术在高职院校信息化管理中的应用还是一个很新的思路，从学生的报考志愿到学生的录取，从学生的入学到学生的成绩管理，从学生的生活到学生的学习，从学生的实习到学生的就业，这些涉及到数不胜数的数据，而这些数据目前在高职院校的信息化管理中很少有被连贯起来进行管理的，这对于高职院校的信息化管理是非常不利的。
如果能将数据挖掘技术用在高职院校的信息化管理上，对于高职院校的决策者来说是非常有利的，比如用在学生的就业信息管理上，可以得到专业设置的参考数据，从学生的报考志愿的数据中可以得到将来就业的发展方向等。
高职院校的教学管理工作常常需要处理大量重要数据，如果将数据挖掘中的关联分析、分类与预测、类聚、决策树等技术应用于在教学信息中，则可以帮助处理学生综合素质测评、教师测评、课程合理设置和教学方法选择、试卷评阅和试题质量的评价等大数据量工作，从而提高教学与管理工作的质量和效率。
5、结语
数据挖掘技术在高职院校信息化管理中应用，对高职院校信息化管理非常有利，通过数据挖掘技术可以获得对决策者或管理者有价值、有决策作用的信息。因此, 采用科学有效的数据挖掘技术对提高高职院校信息管理的智能化水平具有重要作用，需要教育者及相关人士对此进行更深一步的研究。
最近几年，随着美国、日本、德国等国家对机器人产业的大量投入，机器人的技术发展日新月异。在行动上，机器人从过去的笨拙缓慢变得灵巧迅捷；在智力上，人工智能的发展在深度学习和人工神经网络方面有很大突破；使用场景上，机器人不但可以承担工厂生产线上的工作，还可以走进家庭，扫地、浇水、做饭；从功能上，机器人不但可以替代手工操作，现在还在逐步替代脑力劳动。
机器拥有智能如今成为可能。曾经缺失的一环今天已经接上了，这一环就是大数据。大数据让机器具备了深度学习的能力、自主判断的能力，现在的智能设备已经具备柔性。机器替代人的事件正在全世界发生。
比如在工厂搬运的工位上，机器人已经可以对付大小不同、高低错落的箱子，把它们搬运到应该去的货架，这在过去是很难想象的。
在服务行业，一款自动制作美味汉堡的机器人，知道如何烤肉饼，如何把面包切片如何加番茄、生菜和奶酪，做好以后通过传送带把美味的汉堡送给顾客。
在农业，机器人也开始尝试替代人的复杂工作，如采摘工作是非常复杂的，一种像八爪章鱼一样的机器人，用3D视觉形成整棵树的模型，确定每个果子的定位，这些信息被传送到机器人的8只手臂上，迅速采摘果子。
除了对简单手工操作的替代以外，机器人还替代复杂的专业技术人员的工作，如判断医学X光片的机器，准确率达到98%以上，已经超过了人的准确率。又比如说，网上广泛传播的硅谷视频机械狗、无人飞机，连遥控器都不需要，它们自己判断怎么跑、怎么飞，自我躲避障碍，无需人类操作，灵活得几乎和生命体一样。早已不同以前的工厂机器人，现在硅谷的智能机器灵活度、准确率、自主判断能力几乎与人类相似。
机器人会造成大量失业
COURSERA的创办人，百度首席科学家吴恩达在近期的BIG TALK上就讲过，人们与其担心人工智能和机器人会给人类带来毁灭，不如去担心人工智能和机器人给社会带来的大量失业和就业培训的压力。
吴恩达认为，美国用了200年把一个农业社会转变成现代社会，农业就业人口只有总就业人口的2 01-。因为用了200年，所以农民可以继续种地，不慌不忙地慢慢学习农业机械的使用和向其他产业转移。但是现在的科技发展给社会带来的变化要快得多，人们没有200年的时间去做转变，甚至没有20年的时间去做转变，这个转变的时间很短。吴恩达举例，无人驾驶汽车的技术已经成熟，在未来的几年里会被广泛使用，美国350万卡车司机马上面临失业。
去年我在哥伦比亚大学与诺贝尔经济学奖得主斯蒂格利茨交流时，他也表现了对失业、新技能学习以及再就业培训的担忧。3D打印技术和工业机器人可能在几年内迅速普及，制造业大量在生产线上做装配的蓝领劳动力面临失业的窘境。这已经不是预测，而是发展中的现实：富士康在“11跳”以后，痛定思痛，认为人不如机器人，只要解决了机器人的“柔性”问题，机器人就会比人好得多，所以富士康正在加大力度开发用于生产线上的机器人，一旦成熟，全国各地号称20万人的工厂最后能剩下几个“活人”？
不仅仅是蓝领工人受到冲击，很多过去一直被认为是高技能的白领工作也将受到巨大冲击，如电脑可以替代大量的普通医生的工作，如看X光片，准确率比普通医生还高，那么这些普通医生去哪里就业？美国是判例法国家，要想打赢一个官司，要研究上百、上千个案例，所以要动用大量律师，收取上亿美元的律师费。现在已经有利用大数据和人工智能替代律师的工作，看更多的案例，准备更有说服力的案件资料，成本是原来的1/10，质量更高。那么原来做整理资料工作的律师去哪里就业？MIT斯隆学院副院长黄亚生在一次我主持的论坛上透露，他用一个智能设备系统搜集100篇相关学术论文。过去，这件工作要好几个RA（研究助理）来做几个星期，用机器只要几分钟。如果如黄亚生所说，那些研究助理要去哪里工作？还有慕课MOOC的出现，50%的三流大学没有存在的价值，这些大学里的师资去哪里就业？
同声传译机也是人工智能家族里的成员，随着自然语言的处理技术和声音过滤识别技术的发展，可能在5-10年内出原型，翻译人员就会失业。那么各个大学就会争相裁撤外语学院。
如果“互联网+”造成的失业还“遮遮掩掩”，人工智能造成的失业一定是“明目张胆、排山倒海”。我大胆预计，未来10年，我国至少有50%的就业人员会因为机器换人和人工智能的发展失去原来的职业，需要再就业培训后重新找工作。中国劳动年龄人口8-9亿（16-60岁），这就意味着4-5亿多人口将失去工作，经过培训后再就业。如果我们不重视新技术超前培训，大力培养创客，大量投资再就业教育，失业量会进一步增加，那个时候我们会很麻烦。
有一个问题一直是人们争论的焦点，机器人替代人，提升了整个社会的效率，同时也提升了人类整体福利，这难道不是一件好事吗？赞同的一方认为，由于人类整体福利提升，只要政府保证失业人的基本生活保障和公平对待，人们就会自娱自乐，社会也会非常安定；但是反对的一方认为，机器人替代了人，人失去了工作的机会，也就失去了追求进步的机会。靠福利其实是非常不体面的。最重要的是，当人们看到社会上毕竟还有2%的人生活极度富足，羡慕和嫉妒会让他们掀起一次次理由毫不充分的“占领华尔街”运动，从而使社会动荡不安。
机器换人已是大趋势
对于失业、动荡、分配、福利等社会问题，自然由政治家和社会学家考虑，企业家似乎不应该过多思索这些问题。当前，机器换人已经是一个大趋势，势不可挡。国际机器人联盟有一张图比较了9个国家机器人的使用密度，日本排第一，万名制造业员工机器人拥有量达到了1400多台，而中国密度最小，万名制造业员工机器人数量只有100台，相当于日本的1/10不到，甚至不如马来西亚。但是同时，中国机器人的购买量是全球最大的，相当于日本的2.5倍，而且增速还在加速。中国的大公司纷纷大量采购先进的机器人，拥抱工业4.O，海尔、TCL都在尝试建立自己的无人工厂。一些中小企业，产品多品种，小批量，也在尝试使用模拟学习的柔性机器人。机器人的不知疲劳，不会受伤，没有情绪，不拿薪水，不组织工会的好处，已经对产业界广泛认知，但是其高昂的价格，严密的维护要求，也把很多企业挡在门外。
机器人革命的最重要推动力之一，可能就是“云机器人”，要想实现功能提高，价格降低，云机器人也是一个必须考虑的方面。在云之前，机器人不但硬件要强大，软件也要强大，而且由于传递速率偏慢，机器人与数据中心的沟通并不容易。如今，随着物联网和5G技术的发展，把大部分计算和数据放在一个大型数据中心，单个机器人力求简单，与大型数据中心保持连接。一台机器人学到了一些东西，可以马上经过云端让其他机器人获得，这种机器智能学习也只能在云端实现，软件升级也基于云端实现，省去了很多麻烦。由于有了云端技术，你买来的机器人会越来越聪明，可以学会做的事情越来越多，直到它的手的硬件不能适合，再进行硬件的更换。
前边我们谈论了太多的机器人在生产中的应用，机器人还可能大量地用于服务业或者家庭，英国MOLEY公司制作的机器人厨师，可以做出很好的饭菜，售价大约10万人民币，对予一些炫酷家庭来说很有吸引力。还会有大量的机器人被做成玩具和表演道具，如今，孩子们已经不再喜欢不能动的毛毛狗，而是能做很多事的机器狗。
随着大数据和云计算的发展，机器人技术迎来了春天，有人开始就机器人的智能一旦超过了人以后，对人类的影响开展了想象丰富的研究，但是机器人和人工智能会对整个人类带来什么根本性影响，我们还要拭目以待。2005年，美国有一本奇书出版，《奇点临近：当人类超越生物学》（The Singularity Is Near： WhenHumans Transcend Biology）。作者是多才多艺的库兹威尔，在与计算机技术相关非常多的领域中都有建树。库兹威尔预计2045年，计算机的智力会超过人类，而那个时点就是“奇点”。马丁福特（《机器人时代》的作者）认为，如果计算机的智力接近人类，依靠摩尔定律的进步，超过人类也会变得非常容易。
我们无法预测人工智能超越人类以后会是什么样子，虽然科幻小说和电影已经把好的一面和坏的一面展现的淋漓尽致，但是毕竟我们没有亲身体会那个时代的特色。有一点可以肯定，技术进步最初总是让人惊奇不已，然后人类很快就“笑纳”了技术进步带来的改变，再然后就开始抱怨技术进步太慢，没有到达理想效果。15年前，我们用的软盘，已经可以存储640000字节，放入2本书的内容没有问题，如今，我们的电脑已经可以存储一个T（―万亿字节），可以塞一个图书馆，但是摄影发烧友还是抱怨装不了多少视频，而需要云存储的那些公司，就更看不起这么一点存储量，他们需要P级，或者E级的存储量。所以，再厉害的科技搞出来，人类还是不满意。机器人和人工智能的结果也应该如此，我们今天见到了一些很强的机器人，但是在人们短暂惊奇之后，又开始挑三拣四。
不管怎么说，现在是人工智能行业的春天。投资人到处寻找人工智能项目，谷歌、脸书、亚马逊等都对人工智能怜爱有加，以前从未有这样财大气粗的企业将人工智能放在业务模式的绝对核心地位，也从未有过人工智能研究在如此强大的企业之间被几乎定位成了竞争的焦点。
2015年3月中国的两会上，最引人注目的提案是李彦宏的建立“中国大脑”提案，而对这个提案马上大加肯定的是来自军方的代表。谷歌的机器驮驴刚出来，山东大学就展示了863项目的中国版机器驮驴，也有用脚踹的场景，尽管看上去比波士顿公司的笨拙一些。
如今，在中国的那几个传统意义上的制造中心，如广东的东莞、顺德，长三角的苏锡常和温州等，各个企业都在大谈机器换人的问题，有媒体和业内人士从各个角度分析了机器换人的可能性，实际案例，以及产业发展情况等。总结出以下几点：
一，机器换人已经成为一种趋势；近几年用工难，工人工资上涨已经成为普遍现象，而中国制造的产品结构和利润率没有太多长进。这就使得企业要不把工厂搬家到工资更低的欠发达国家，如孟加拉，要不就得想办法找到少用工人的办法，随着机器人技术这些年的进步，机器换人成为一种趋势。
二，地方政府正在有组织地进行机器换人的工作；以东莞为例，主要是政府定计划，专项资金支持，金融服务支撑，就近发展机器人产业等办法。其中2015年确定的专项基金就达到2亿元。
三，中国的机器人设计和制造业被资金追捧，但是技术上与美日德还有差距，国内的机器人制造厂基本在系统集成等食物链的下游，而美日德基本控制了减速机和控制系统、基础关键零部件等。
关键词：教育游戏；可重用性；Unity
1 引言
游戏作为生活中的常用词语，却很难给出确切的定义，因为它在不同的语境中表达着不同的意思。我们可以通过英文游戏进行解释，play game：play泛指游戏，在更广的意思上，作为名词的play可以泛指活动，相当于activity；game则指社会性的（有组织、有规律并通过竞技性的）游戏。而教育游戏是一种遵循游戏机制，制备一定可玩性、趣味性并达到一定的教育效果的活动[1]。通过对多个教育游戏进行对比，我们发现，有一些基本的概念反复的出现，以此我们认为它们是一个教育游戏的基础和核心。理解这些概念，以及明确这些概念之间的关系，可以防止游戏开发者重复发现这些概念，同时对于他们组建一个新的高质量的教育游戏有着很大的帮助。在论文的第二部分，我们将要讨论这些关键概念的功能，以及它们之间怎么相互作用组合成基本的游戏框架。在文章的第三部分，我们给出了实例化游戏的基本框架，实现了一个基于Unity3d游戏引擎的虚拟导游系统。第四部分，给出了全文的总结和展望。
2 教育游戏的基础框架
在第一部分，我们提到了关于教育性游戏的基础框架的一些基本概念。在这一部分中我们将详细阐述这些概念的作用，以及它们之间是怎么相互合作，组合成一个完整的教育游戏基础框架。最后我们再将这个教育游戏基础框架运用到教育游戏中。
2.1 教育游戏基础框架
在教育性游戏基础框架中，我们会提及11个相关概念：教育环境，成果，课程，教室，谜题，考试，教科书，教师，障碍，奖励和提示。首先我们讨论下每一个概念的功能。
（1）教育环境：“教育环境”是一个比喻，代表在教育游戏中所有的游戏物体。它的一个很主要的功能就是为“课程”提供场景，所以我们可以合理的认为，“教育环境”是“课程”的先决条件。同时“教育环境”还有一个重要的功能是它可以为一个指定的“课程”列出它所需要的先决条件。（2）成果：当玩家进入一个教育游戏中时，去探索每一个“课程”的相关领域，学习知识，解答谜题等等，他所操作的过程需要记录下来。“成果”的作用应该是记录玩家的操作，同时提供一个接口以方面查询。（3）课程：“课程”是最重要的一个概念，它包含了在教育游戏中一个独立区域范围内所需要的子物体。由于它包含了太多的概念和功能，所以我们对他进行使用或者复用是比较困难的。（4）教室：“教室”是“课程”传授的物理区域。“教室”要提供一些必要的限制，比如玩家需要通过那些必须的“课程”才能进入到此教室。“教室”需要具备三个功能：1）能够知道玩家何时进入或者离开。2）明确玩家需要完成哪些先决的“课程”。3）知道玩家在先决的课程的操作。（5）谜题和考试：当玩家进入一个“教室”，他会去探索；来发现离开这个“教室”的路。但是在路上会遇到很多的“谜题”。每一个谜题都是由两部分组成的：问题和答案。“谜题”能够判断玩家输入的答案和标准答案是否一致，同时还要做到能够根据玩家的动作来跟新玩家“成就”。只有玩家解决了在“教室”里一系列的“谜题”，玩家才可以离开。（6）教科书：为了通过“考试”，玩家要有很强的信心来获取相关知识才可以。“教科书”是“课程”所要交的内容，也是“谜题”答案所在的地方。“教科书”要做到相对来说要简单，保持与相关“课程”的内容相关。教科书的表现形式有很多种，比如普通的文本，问答题，图片，视频等等。（7）教师：为了使游戏能够达到灵活多样，“教师”扮演了以一个特殊的角色，而不是一个普通的NPC角色，或者可以说他是软件的一个接口，任何游戏物体都可以成为“老师”角色，只要它能够与“教科书”有联系。（8）障碍：为了增加游戏的挑战性，我们可以在玩家的前进的道路上增加“障碍”。从本质来说，“障碍”就是一个玩家在物理上一个限制，比如一个锁住的门，一个陡峭的悬崖，一个太深的河等等。为了克服这个障碍，玩家需要满足一些特定的条件：玩家需要响应的游戏物体来克服特定的“障碍”。（9）奖励：如果在玩家能够在很好完成一段历程，我们要能够给予一定的奖励，以此激励。“奖励”本质是一个具备特殊属性的游戏物体，它可以帮助玩家克服“障碍”。（10）提示：对于新的玩家来说，如果没有提示的帮助，他有可能在第一次旅行时会迷路。因此，我们很有必要为玩家提供一个提示功能，它能够帮助玩家显示他所在的位置，他所要完成的任务以及下一步该怎么做。
2.2 调节游戏的教育性和娱乐性之间的工具
如何调节一个教育游戏的娱乐性和教育性是成功与否的关键。“教科书”是教育游戏的内容，也是探索游戏世界的乐趣和动机所在。“谜题”是一个重要途径来进行引导，同时也强迫玩家在探索游戏世界时进行学习一些知识。“障碍”可以增加更多的娱乐和挑战，而“提示”却与之相反，“提示”可以帮助玩家摆脱困境，很之便的简单。“奖励”不仅能够使玩家获得成就感，同时还是提供克服“障碍”所必须要的游戏物品。
3 教育游戏框架在Unity3d中的应用
在第二部分中，我们介绍了教育游戏框架是一个独立于游戏开发引擎的开发工具，在这一部分中，我们将教育游戏框架进行实例化，并且应用到Unity3d游戏引擎中。
3.1 在Unity3d教育游戏可复用的脚本
Unity3d游戏引擎为了我们提供组件，可以很方便的以组件的形式进行工程组建。为了实例化教育游戏基础框架，我们将它进行实例化，应用到一个实例系统中：导游系统。这个系统是在虚拟漫游中比较新颖的方面，他不仅可以根据导游NPC位置不同给予不同的消息响应，同时还可以通过判断与玩家不同的距离给予不同的响应。举个例子，当导游NPC走到一个广告牌时，可以通过调用GUI，对展牌进行介绍；当导游NPC里玩家距离过远时，可以给你玩家一定的提示，要求玩家要跟随。
3.2 Unity3d路径动画设定
在导游系统中，第一个要解决的问题就是NPC路径动画问题。例如，怎样在Unity3d中设置路径？NPC怎样沿曲线运动？路径运动时候的消息触发，路径运动中的碰撞检测等等。
