【智慧教育研究】巫锐：德国高校助推人工智能国家战略：目标使命与行动举措

01

作者简介：

巫锐，副教授，从事教育治理、德国教育研究；

陈正，副教授，国家教育行政学院教育领导与管理国际比较研究中心主任，从事教育政策与管理、国际与比较教育、德国职业教育研究。

02

引用本文：

巫锐，陈正.德国高校助推人工智能国家战略：目标使命与行动举措[J]. 高校教育管理, 2023, 17(5): 90-98.

03

摘要：

为抢抓人工智能发展机遇，德国于2018年和2020年先后颁布《人工智能国家战略》及其进阶版。德国高校对标人工智能国家战略所采取的行动举措不仅具备稳固的基础，而且呈现清晰的路径，即构建人工智能专业人才的“蓄水池”、优化人工智能技术研发的“生态圈”以及开拓人工智能日常应用的“试验田”。德国经验为我国高校助推人工智能发展战略提供了重要参考：坚持政府主导原则，主动服务国家人工智能发展战略全局；联合多元主体力量，共建助推人工智能发展战略的创新生态系统；秉持技术常识主义，促进人工智能融入高等教育日常实践。

03

关键词：

德国；高校；人工智能；国家战略；人才培养；技术转化

作为新一轮科技革命的核心，人工智能向世界展现了变革教育的巨大潜能。德国作为传统的工业强国和欧洲的创新领先国家，在人工智能领域起步较早。在“工业4.0”浪潮中，德国再次抢抓时代机遇，于2018年11月发布了《人工智能国家战略》，在财政投入、战略目标和行动领域等方面形成了统一的政治行动框架。2020年12月，德国又发布了《人工智能国家战略：2020进阶版》，继续增加财政投入，打造人工智能核心发展领域。德国在国家层面发布人工智能战略文本，彰显了推进“人工智能德国制造”的决心。在战略实施过程中，德国高校发挥了关键作用，旨在实现高等教育与人工智能的深度融合，促进德国社会更好地适应数字化转型，提升德国在人工智能领域的国际影响力。基于此，文章从德国人工智能国家战略下高校的目标使命出发，分析德国高校助推人工智能国家战略的行动举措，同时总结相关经验，以期为我国高校助推人工智能发展战略提供参考。

一、人工智能国家战略下

德国高校的目标使命

在全球范围内，人工智能已成为各国争夺科技话语权的焦点。在此背景下，德国积极参与全球竞争，致力于在人工智能领域发挥重要作用。整体而言，德国人工智能国家战略较为清晰，致力于抢抓人工智能发展机遇，构筑人工智能领域的国际比较优势。2018年11月，德国联邦经济与能源部、教育与研究部、劳动与社会保障部联合发布《人工智能国家战略》，计划在2025年前投资30亿欧元，并建立统一的政治行动框架，主导德国人工智能的整体发展。2020年12月，联邦政府发布《人工智能国家战略：2020进阶版》，在初版战略基础上增加20亿欧元财政投入，以保障相关政策得到落实，进而形成覆盖德国乃至辐射欧盟的人工智能生态系统。这些战略文本均将高等教育纳入国家人工智能发展的顶层设计，对高校提出了新的目标使命。

（一）满足人工智能时代的人才需求

人工智能领域的竞争本质上是人工智能人才的竞争。各行各业迫切需要能够理解、应用和创新人工智能技术的人才。德国两版人工智能国家战略均将“培养和吸纳人工智能专业人才”作为重要目标。其中，2020年版战略更是将首要目标设置为“培养、吸纳更多的人工智能专业人才，并将其留在德国”。基于这一目标，2020年版战略对德国高校提出了两项要求。一是增加人工智能教授席位和研究岗位，广泛吸纳国际人才。这包括高校在联邦和州政府支持下，依托“卓越大学计划”和“终身教职计划”，新增100个人工智能教授席位；依托德意志学术交流中心，设置人工智能特别资助项目，为优秀的国际博士生和博士后提供具有吸引力的工作条件。二是提升学生的人工智能专业素养。该战略要求高校通过设置人工智能课程和学位，提升大学生的人工智能素养，并结合联邦政府的“STEM行动计划”，激发年轻人对STEM专业以及相关职业的兴趣。

（二）构筑人工智能技术研发的攻关优势

人工智能是一个快速发展的领域，持续提升人工智能研发水平、构筑核心技术的科研攻关优势对于推动技术进步、促进国家科技创新具有重要意义。德国早在1988年就建立了人工智能研究中心，积累了丰富的人工智能研究成果。2018年，德国开始实施人工智能国家战略，强调“确保和增强德国科技的自主性”，突出“国家人工智能科研结构”的重要性。在此基础上，人工智能国家战略对高校提出了两项要求。一是促进跨界研究合作。高校应注重学术界和产业界的融合，参与多主体合作的技术研发项目，共同建设安全、可靠和共享的数据基础设施，尤其是面向中小企业、初创公司搭建与人工智能相关的交流服务平台，为其开展研发工作提供专家意见；实现人工智能训练数据的共建共享，促进多方共同交流研究成果。二是重视与欧洲和国际科研合作。高校要致力于推进“AI欧洲制造”；重视与法国、加拿大和日本开展研发合作；在与其他国家合作中，要注意保护德国和欧洲的利益。

（三）促进人工智能成果的日常应用

德国两版人工智能国家战略均重视“转化和应用”，要求推进研究成果在日常场景中的应用，例如环保节能管理、日常交通出行和健康支持等。其背后的理念是“使AI适用于所有人”，即德国应推动人工智能技术融入工作世界，为人们在日常生活中感受、使用和反思人工智能技术提供帮助。2020年版战略明确提及，“越早地将相关用户群体纳入人工智能的开发和应用环节，他们的认知、体验和需求才能更好地被纳入人工智能系统，这有助于发挥人工智能的积极潜力”。德国政府积极倡导人工智能成果的日常应用，这有助于其广泛收集不同参与群体的意见和建议，形成“以公共福祉为导向”的人工智能生态系统。同样地，对于德国高校而言，其不应仅仅局限于在实验室或研究机构中展示人工智能的潜力，还应通过与产业界合作，共同开发创新型教育技术产品，推动人工智能成果真正应用于实际场景，致力于让每个学生都能享受被智能赋能的教育服务。这不仅有助于提升人工智能技术在高等教育中的透明度、可见性，促进人工智能技术的推广和普及，而且可以让更多人自然地感受、学习和反思人工智能，以此收集更多的批判性建议，帮助高校积极应对人工智能技术带来的挑战。

二、德国高校助推人工智能

国家战略的行动举措

德国高校对标人工智能国家战略所采取的行动举措不仅具备稳固的基础，而且呈现清晰的路径。稳固的基础为德国高校的相关行动提供了可靠且持续的动力，清晰的路径为德国高校的发展规划提供了明确指引，使高校能够更有针对性地开展活动，在助推人工智能国家战略方面取得良好效果。

（一）德国高校助推人工智能国家

战略行动举措的稳固基础

1.德国人工智能的前期成果赋予了高校先发优势。人工智能驱动高等教育变革已成为全球高等教育界的共识，多国高校纷纷着力发展与应用人工智能技术。在高等教育全球竞争的压力之下，德国以其在该领域积累的前期成果作为先发优势，进一步增强了德国高校在人工智能时代参与全球竞争、引领创新的决心。2019年，德国联邦教研部发布《人工智能评估报告》，全面分析了德国在全球人工智能领域的比较优势，其中多处涉及高等教育。该报告指出，德国早在1988年就建立了人工智能研究中心，积累了丰富的人工智能研究成果，而且全球有140多个人工智能教授职位由该中心毕业生担任；同时，该中心还孵化了94家初创企业，创造了2500个人工智能领域的就业岗位；此外，德国有120多所大学提供人工智能教学课程，培养了大量人工智能专业人才。这一研究报告充分肯定了德国在人工智能领域的前期积累，并特别强调德国高等教育在人工智能研究、人才培养和社会服务等方面的坚实基础。这些显著成果为德国高校助推人工智能国家战略提供了可靠动力。

2.德国工业技术文化促进高校自觉适应技术变革。德国工业技术文化作为一种“软约束”，在驱动德国高校适应人工智能时代的技术革新上发挥了重要作用。工业技术文化是指在工业化进程中，围绕着技术与机器、企业与生产形成的一整套行为规范，这些规范的功能在于支持企业生产和技术改进，支配相关人员的行为。德国工业技术文化历史悠久，形成于19世纪德国工业化进程中，是促进高校自觉适应技术变革的重要基础。在工业技术文化的影响下，德国整个国家和社会在工业生产与技术创新上充满积极性，尤其是“把建立一种新型的、适应工业生产的教育放在重要的位置上”。基于这一文化，德国高校的发展从未与外界脱节，而是尊重现代工业技术的发展规律，自觉推动新一轮关键技术创新，并利用新技术引领人才培养模式改革，支持产教研融合和技术转化。可以说，自德国工业化进程以来，德国高等教育一直与产业发展和技术变革同频共振。随着人类进入数字化时代，德国依托工业资源优势，在主要发达国家中率先提出“工业4.0”，并要求整个教育领域适应“工业4.0”发展要求，德国高校也成为助推“工业4.0”的重要主体，积极开展数字化转型，为人工智能发展提供科研支撑、人才供给和服务保障。

（二）德国高校助推人工智能国家战略

行动举措的明确路径

1.以学位和课程为抓手，构建人工智能专业人才的“蓄水池”。持续培养人工智能领域的专业人才被德国视为在“工业4.0”时代掌握话语权和提升国际竞争力的重要手段8。德国高校遵循技术学习的普遍性，以学位和课程为抓手，加大人工智能人才的培养力度，为助推人工智能国家战略构建了人才“蓄水池”。

第一，建立人工智能“本硕博”贯通式学位体系。从培养层次来看，截至2019年，德国以人工智能为重点的本科学位项目有29个，硕士学位项目有46个。全日制本科学位项目要求6至7个学期，硕士学位项目要求4个学期。目前，德国高校人工智能专业的名称并不统一，大部分高校设置的专业名称为“数据科学”；也有部分高校直接将其命名为“人工智能”，比如英戈尔施塔特应用科学大学、德根多夫应用科学大学等；还有少部分高校专攻特定领域，比如慕尼黑工业大学的“机器人、认知、智能”专业，柏林博伊特工程应用科学大学的“仿真机器人”专业，斯图加特媒体学院的“媒体信息”专业。整体来看，三分之二以上的学位项目归属于工程科学，约五分之一的归属于交叉学科，还有少部分归属于法学、经济学和社会科学。在本硕学位体系建设的基础上，德国从2021年起开始建立“康拉德·楚泽人工智能卓越学院”项目，重点招收人工智能博士研究生。目前，已有三所由高校和科研机构联合组建的人工智能学院顺利通过了国家遴选，它们由达姆施塔特工业大学、德累斯顿工业大学和慕尼黑工业大学牵头主办，共同加大人工智能高端研究人才的培养力度，打造国际知名的顶尖人工智能学院。

第二，完善人工智能“主辅修”课程体系。以全日制本科为例，德国高校人工智能学士学位主修专业一般要求180学分，课程体系包括四大能力模块，通专并行（见表1）。一是基本能力模块，主要包括人工智能核心课、数学和信息科学核心课，尤其突出机器学习课程的重要性；二是数据能力模块，主要突出数据评估和分析能力，包括数据管理和IT安全等课程；三是人工智能应用能力模块，包括计算机视觉、自然语言处理、医学或机器人等课程；四是跨学科能力模块，要求学生掌握开发和使用人工智能系统的经济、法律和伦理框架。除了专门开设主修专业外，德国部分高校还在全校范围内面向所有学生开设人工智能辅修课程。例如杜塞尔多夫大学于2023年启动了“面向所有人的AI项目”，为学生提供低门槛的人工智能学习机会，旨在提高各院系学生在人工智能领域的就业能力。慕尼黑大学也于2023年起为全校学生提供人工智能辅修专业，其中对于数学和部分自然科学专业的学生，该辅修专业的学分为30分；对于人文和社会科学专业的学生，该辅修专业的学分为60分。可以说，这一课程体系既注重人工智能专业型人才的系统化培养，又为不同专业学生提供了面向人工智能的通用型培养方案，这对构建人工智能领域的人才“蓄水池”具有重要意义。

表1  德国高校人工智能学士学位主修专业课程培养目标

2.以多元合作主体为依托，优化人工智能技术研发的“生态圈”。德国构筑人工智能技术研发的攻关优势不仅由核心研发机构主导推进，还依赖于诸多中小企业、行业组织和社会机构的探索性项目14。德国高校秉持技术共享的开放性，除了依靠自身力量建设人工智能研究院和高水平实验室外，还注重吸纳多元主体的力量，共同优化人工智能技术研发的“生态圈”。

第一，参与搭建校企间的人工智能交流合作平台。德国企业是人工智能研发的重要力量，目前德国高校与企业在人工智能领域的合作平台主要有三种类型。一是数字枢纽（Digital Hub）。数字枢纽由联邦经济和气候保护部资助，旨在为不同参与者（包括大型企业、中小企业、初创企业等）提供平台，为其就数字化、技术和经济等方面开展主题交流和发起联合项目提供服务。二是中小企业4.0能力中心（Mittelst and 4.0-Kompetenzzentren）。中小企业4.0能力中心同样由联邦经济和气候保护部资助，旨在免费支持和推进中小企业和手工业部门的数字化进程。在德国高校的参与下，该中心将逐步配备专门支持人工智能技术应用的人工智能培训师。三是公私合作伙伴关系（Öffentlich-Private-Partnerschaft)。公私合作伙伴关系是公共部门与私营部门合作建立的组织，致力于为公共问题持续寻找解决方案。在公私合作伙伴关系这一类型中最具代表性的是多特蒙德大学和拜耳公司共同建立的创新技术研究中心。该中心成立于2010年，杜塞尔多夫大学也于2016年作为股东加入，共同致力于生物制药领域人工智能技术的研发。

第二，参与建设国家级人工智能服务中心。在目前人工智能研发的生态系统中，多元主体对算力基础设施和人工智能专业知识的需求是巨大的，然而这一需求并未得到充分满足。一方面，硬件的采购成本过高成为诸多探索性试点项目推进的主要障碍；另一方面，这些机构缺乏必要的专业支持，比如人工智能领域的专业知识、专家意见，尤其是高效使用高性能硬件的专门知识。可以说，如何使人工智能这一高度复杂的技术变得容易使用，如何让更多参与主体能有效处理大量数据，成为德国挖掘人工智能发展潜力必须解决的问题。在此过程中，德国高校发挥了关键作用。具体而言，多所地理位置相近的高校积极对接校外科研机构，发挥集群效应，以联合项目的形式申请国家资助，共建国家人工智能服务中心。自2022年11月起，德国政府开始为四个国家级人工智能服务中心提供资助（见表2）。这些中心以算力基础设施建设为前提，向科学界、企业界和社会领域的人工智能研发者开放，旨在促进关键人工智能知识的普遍推广，特别是面向商业和社会领域的相关机构，减少其进入人工智能领域的障碍。在此过程中，这些中心在高校的支持下为人工智能的研发者尤其是中小企业提供了相对低门槛、低成本的产品（比如计算和存储设施）、技术开发与咨询服务。可以说，这一由高校主导的技术共用共享服务机制不仅为规范人工智能研发过程创造了基本条件，而且有助于促进各界通力合作，共同打造人工智能研发的“生态圈”。

表2  德国高校参与建设的四大人工智能服务中心

3.以智能教育工具为媒介，开拓人工智能日常应用的“试验田”。人工智能既是体系化的复杂技术，更是社会化的技术。对人工智能的认知不能仅仅停留在专业领域的研究报告，而应推动人工智能从专家化向大众化转型，真正走向日常教育生活，为师生提供个性化服务。德国高校秉持技术应用的日常性，以智能教育工具为媒介，致力于开拓人工智能日常应用的“试验田”。

从实践来看，德国高校积极支持人工智能教育工具在日常教育场景中的应用，尤其注重推广来自初创公司和中小企业的智能产品，以提升人工智能技术在高等教育中的透明度、可见性，让更多人可以自然地感受、学习和反思人工智能。比如布伦瑞克工业大学致力于推广“学习伙伴：机器陪伴学习”智能工具。基于这一机器人聊天工具，学习者可与其建立“类伙伴关系”，而非仅仅接受“信息提供式的辅导”。同时，该聊天工具在辅导过程中，除了能保持24小时在线外，还注重发展学生的能力（比如交流合作能力、创造能力和批判性思维能力），而非单方面强调专业内容学习。再比如帕绍大学致力于推广“深度写作：AI教授写作技能”智能工具。该软件专注于AI支持下的法学和商科写作技能教学，为学生写作提供及时、个性化的反馈，且在教学过程中并非将学科专业知识放在首位，而是强调“如何论证”，尤其是学科专业内论证风格的习得。

这些由高校推广的人工智能教育工具有三个共同特点。一是并非以“学习什么”为主导，而是以“怎样学习”为突破口，尤其关注学习动机来源、学习时间分配、学习组织方式等，致力于提升学生学习的幸福感、趣味性和有效性，这极大地改变了传统的师生辅导关系。二是并非仅仅聚焦学科知识，而是强调知识和能力的协同学习，尤其是通过人机互动，培养学生交流合作、辩论讨论的能力。三是这些教育技术工具的研发并非“自为目的”，而是要实现“有意义的目标”，即除了遵守伦理底线和学术规范外，还须兼顾社会文化的多元性，比如避免歧视性用语和社会偏见。当然，这依赖于研发团队的正确引导，而研发团队的跨学科属性则是重要保障。从成员构成来看，研发团队不仅包括工程师、计算机科学家，而且还有心理学家和教育家等。总体而言，在高等教育领域，师生可以基于这些智能教育工具在日常教育实践中感受人工智能带来的变化，培养理解、适应和反思人工智能的素养，这对于推进人工智能技术的优化和创新具有重要意义。

三、德国高校助推

人工智能国家战略的启示

面对新一代人工智能带来的发展机遇，德国高校对标人工智能国家战略，构建了人工智能专业人才的“蓄水池”、优化了人工智能技术研发的“生态圈”以及开拓了人工智能日常应用的“试验田”。这体现了德国高校在助推人工智能国家战略上所秉持的基本原则，即技术学习的普遍性、技术共享的开放性以及技术应用的日常性。这些行动举措相互支持、相互促进，共同推动德国社会更好地应对数字化转型，提升了德国在全球人工智能领域的综合影响力。可以说，德国已逐渐走向高等教育与人工智能相互融合的阶段，德国高校的关键举措也反映出人工智能在重塑高等教育系统的同时，高等教育系统也在支持和反哺技术革新。整体而言，德国的经验可为我国高校助推人工智能发展战略提供如下参考。

（一）坚持政府主导原则，

主动服务国家人工智能发展战略全局

当下，人工智能不仅成为国际竞争的战略制高点，而且对国家安全有决定性影响。我国高校必须以国家大政方针为依据，遵循政府在战略谋划和宏观布局上的主导地位，主动服务国家人工智能发展战略全局。第一，高校作为教育、科技和人才的系统集成，应以国家精准政策为引导，综合解决人工智能领域的人才培养、科学研究和技术转化等全链条问题。具体而言，高校应紧扣国家战略对未来人工智能领域发展的需求进行充分预测和研究，为学生提供具有前瞻性和适应性的教育内容和课程，培养具备全面知识背景、技术深度和创新能力的人才，以满足未来人工智能技术的快速发展和应用需求；在政府统筹规划和资源部署下，实现跨部门资源整合与信息共享，避免各部门资源分散、单打独斗，克服科研攻坚的“无组织”摸索，共同攻关人工智能领域的关键问题，加速人工智能技术的突破和应用；在政府的政策支持和立法保障下，加强知识产权保护，在此基础上建设技术转移中心，推动科研成果的产业化和市场化，实现技术创新和经济发展的良性循环。第二，高校作为价值多元、职能多样的社会组织，在人工智能时代，应当根据国家人工智能发展战略要求制定科学的发展规划，明确技术研发与应用的目标和方向。在规划过程中，高校要充分考虑技术的价值导向，关注技术的社会影响和伦理问题，确保技术的发展与应用符合社会伦理标准和共同价值观。具体而言，高校应在政府主导下，加强人工智能伦理教育，通过课程设置和讨论活动，引导学生深入思考人工智能技术可能带来的社会伦理挑战，提高学生的伦理判断能力和道德意识；加强对人工智能技术伦理问题的研究，推动相关政策和法规的制定，从而更好地引导技术的发展与应用，保障人工智能技术在符合伦理标准的前提下实现良性发展。

（二）联合多元主体力量，

共建助推人工智能发展战略的创新生态系统

人工智能发展战略的实施并非一条单向度的生产线，而是基于多主体共生合作的生态系统。高校作为这一生态系统中极具能动性的角色，应致力于冲破结构性壁垒，联合多元主体力量，形成推动人工智能发展战略的多方合力。第一，高校应冲破“学科中心主义”壁垒，在集群理念引导下，围绕人工智能领域的重大问题，由知名教授牵头，以重大项目、重要平台为牵引，打造高水平、跨学科研究团队，产出具有重大影响的原创性、标志性成果。以德国为例，图宾根大学于2019年牵头申报的卓越集群项目——“机器学习：科学的新视角”整合了生命科学（医学、生物信息学、神经科学）、物理与技术科学(计算机图形学与计算机视觉、物理学、地球科学)以及人文社会科学（语言学、认知科学、社会心理学）等诸多学科，共同研究机器学习对科学产生的变革性影响。第二，高校应打破与企业、行业组织的协同壁垒，融合教育链和产业链，主动融入社会、服务社会，共同探索构建产学研用深度融合链条，形成科研成果快速转化、技术应用迅速落地的良好机制。以德国为例，德累斯顿工业大学、莱比锡大学联合马克斯·普朗克分子细胞生物学和遗传学研究所、莱布尼茨生态空间发展研究所、德累斯顿亥姆霍兹中心以及亥姆霍茨公司的环境研究中心共同创建了“可扩展数据分析和人工智能中心”，致力于加快人工智能领域科技成果的转化应用，切实发挥了多元主体精准服务国家战略需求的积极作用。

（三）秉持技术常识主义，

促进人工智能融入高等教育日常实践

面对人工智能对高等教育的深度介入，高校应秉持技术常识主义，理性面对人工智能的颠覆性影响，深入了解其特点、优势和局限性，并促进人工智能技术在日常教学场景中的应用，让人工智能在人机互动互嵌下实现信息属性和人文属性的融合，进而释放更大的价值。相反，我们如果一味地在深奥的技术理论世界讨论人工智能，则可能陷入技术神秘主义。这不仅会阻碍人对技术的反思，也不利于教育的根本性变革。从德国经验来看，2020年版战略明确提及“越早地将相关用户群体纳入人工智能的开发和应用环节，他们的认知、体验和需求才能更好地被纳入人工智能系统，这有助于发挥人工智能的积极潜力”。可以说，德国人工智能的发展一直遵循“可见性”和“可被理解性”原则。德国高校在教学、科研和社会服务的整体规划上秉持技术常识主义，致力于让人工智能走向日常教育教学。其背后的理念并非“盲目的技术热情”，而是基于一种假设，即“人工智能未来在大学的应用是可以被塑造的”。有鉴于此，我国高校可从以下三个方面促进人工智能融入高等教育日常实践。第一，高校应聚焦现实需求，致力于通过AI软件创设个性化辅导场景，用低成本、低门槛的方式广泛、快速地让教师和学生等感受与体验人工智能技术，在实际体验中提升教师和学生对人工智能技术的日常化认知和反思。第二，高校应秉持“面向所有人的AI”原则，通过提供多样化的学位和课程项目，创设全过程学习场景，为不同专业、不同需求的学生认识和理解人工智能提供充分的教育支持，这有助于提升学生的多元能力素养，以便更好地满足人工智能时代就业市场对人才的要求。第三，高校应聚焦协同交流，以增强技术的可达性为宗旨，主动对接政府、市场和社会力量，加快资本、人才、技术、数据、算力等要素汇聚，畅通研究承接、落实和转化的路径，搭建人工智能从学术研究到日常应用的桥梁。

四、结语

高等教育作为教育、科技、人才三位一体的结合点，应主动瞄准世界科技前沿，服务国家发展战略全局，在加快建设教育强国、科技强国、人才强国的过程中发挥基础性作用。随着互联网、大数据、云计算和物联网等技术不断发展，人工智能为高等教育带来了全局性变革，高等教育也成为人工智能发展的重要推动力量，致力于确保人工智能技术朝着可持续、可控制的方向变革。2018年，教育部发布《高等学校人工智能创新行动计划》，旨在引导高校主动深化改革、加大探索力度，为我国人工智能发展提供科技和人才支撑，推动我国占据人工智能科技制高点。2022年，教育部高等教育司将“全面推进高等教育教学数字化”作为工作要点。2023年，由教育部与中国联合国教科文组织全国委员会共同举办的世界数字教育大会取得丰硕成果，发布了《中国智慧教育蓝皮书（2022）》以及智慧教育平台标准规范，同时多所高校参与发起成立“世界数字教育联盟”的倡议，积极推进教育数字化转型、探索智慧教育，共同面对数字化带来的机遇和挑战。这都体现出高等教育在助推人工智能战略上所肩负的重要使命。整体而言，如何持续推进高等教育与人工智能的深度融合依然是高等教育领域的重要议题。随着全球数字化转型浪潮不断涌现，无论是中国高校还是德国高校都面临共同的挑战。两国高校应密切合作、互相学习，关注人工智能技术的“可见性”和“可被理解性”，促进人工智能技术与其他领域的交叉融合，探索技术创新和市场需求的结合点，并确保技术的发展与应用符合社会伦理标准，从而使人工智能技术为人类社会带来广泛的利益和福祉。

分享、在看和点赞