·高教研究·
人工智能背景下财经类高校人才培养探析*
郑 军 冯舒杰
(安徽财经大学 金融学院， 安徽 蚌埠 233030)
摘 要： “机器换人”进程的加快对财经类高校人才培养提出了新挑战和新要求。在可见的未来，人工智能将在一些简单重复、低附加值等业务岗位上对当代大学生就业提出挑战。从人工智能对财经类高校人才培养提出的新挑战和新要求出发，认为人工智能背景下当代大学生培养的目标是突出个人技能专长，符合人工智能需要；理念是不断创新、综合素质教育和人机交互共赢；重点是建立智能教育体系。
关键词： 人工智能；财经类高校；人才培养；新挑战；新要求
近年来，人工智能保持高速增长，发展势头强劲。习近平在一带一路峰会时明确提出数字丝绸之路，将人工智能列入规划。国务院于2017年7月8日公布的《新一代人工智能发展规划》中要求到2030年，我国成为世界主要人工智能创新中心。与此同时，高校大学生毕业生人数将越来越多。据统计，2010-2016我国高校毕业生人数分别为631万、660万、680万、699万、727万、749万、765万人①，就业已成为一个突出的问题。《教育部关于做好2016届全国普通高等学校毕业生就业创业通知》指出要围绕国家发展战略开拓就业岗位，引导高校毕业生到新兴领域就业，其中就包括人工智能行业。当前形势下，人工智能的快速发展将会对财经类高校人才的培养产生较为深刻的影响。
一、人工智能的内涵及发展
美国Stanford大学人工智能研究中心尼尔逊教授将人工智能定义为：人工智能是关于知识的学科，是怎样表示知识以及怎样获得知识并使用知识的科学。[1]从其本质来讲，人工智能是指能够模拟人类智能活动的智能机器或智能系统，从数据挖掘、智能识别到机器学习、人工智能平台等，其中许多技术已经运用到经济生活之中。[2]
在《2016年全球人工智能发展报告》中,2011-2016年人工智能领域社会投资增长的情况，详见图1。数据显示人工智能领域2015年社会投资比2013年增长了三倍左右，人工智能领域正在得到资本界的青睐。根据国际权威研究机构CB Insights统计，2017年全球范围内有152亿美元被投入到AI领域，比2016年增加141%。②近些年来随着人工智能社会投资不断增长，各个领域都可能成为人工智能的潜在应用领域，从低层的操作到高层的决策，人工智能都能得到充分的应用[3]。人工智能是颠覆性的创新，创新是引领其发展的第一动力，它大大提升了生活质量和生产效率，正成为我国推进供给侧结构性改革的新动能。未来人工智能的蓬勃发展，将会对产业结构产生巨大的影响，从智能家居，到智能客服，再到智慧医疗和智慧教育，“智能+X”将成为创新时尚。人工智能是一门综合性的边缘学科，并且随着其发展，不断有新的学科加入这个领域，这些学科的知识都在人工领域里发挥着重要的作用。在教育部印发的《高等学校人工智能创新行动计划》中，要求推进“新工科”建设，重视人工智能与经济学、统计学、计算机、社会学等学科专业教育的交叉融合，形成“人工智能+X”复合专业培养新模式，高校成为建设世界主要人工智能创新中心的核心力量和引领新一代人工智能发展的人才高地，为我国跻身创新型国家前列提供科技支撑和人才保障。
(4)火电机组超低排放限值下的三项污染物排放绩效理论计算值(110 mg/kWh、160 mg/kWh和16/32 mg/kWh)和根据国家环保部发布的《火电行业排污许可证申请与核发技术规范》中规定的重点地区排放绩效值折算成超低排放绩效值(122.5 mg/kWh、175 mg/kWh和17.5/35 mg/kWh)较接近并略小约10%，表明理论计算结果符合国家对火电行业排放绩效的要求。
图 1 2011-2016年人工智能领域社会投资增长情况
数据来源：根据《2016年全球人工智能发展报告》相关数据整理得到
二、人工智能对财经类高校人才培养提出的新挑战和新要求
(一)人工智能对财经类高校人才培养的新挑战
1.人工智能取代银行信审零售岗位
通常一个风控业务包括客户端用户资料申请、提交、收集，合规、反欺诈、逻辑校验，核心决策授信，包括电调和申请评分，以及最后的催收。新金融风控领域面对的数据痛点，一般有几大类，一是群体欺诈多，有组织、有规模进攻；二是数据驾驭难，强征信数据少，非结构化数据多；三是风险高，客群下沉，欺诈成本低；四是量大，人工无法大规模审批，成本高。面对业务流程，每个风控节点人工智能都在发挥作用。比如反欺诈环节，人工智能可以基于申请人、手机号、设备、IP地址等各类信息节点构建庞大网络图，并在这基础上进行反欺诈模型的实时识别。在申请评分环节，传统评分卡数据往往大量缺失，而人工智能可以对专家人工特征和机器学习特征构建规则模型、深度学习模型、机器学习模型等进行复杂集成，实现对客户多元化需求的满足。面对数据繁杂的问题，大型风控场景中已经运用深度学习的特征生成框架，对诸如时序、文本、影像等互联网行为、运营商非结构化数据实现了深层特征加工提取，超出想象地提升了模型效果。
人工智能正前所未有地重度冲击银行业，对一些标准化的、常规流程化的、低附加值业务岗位展现出一定的替代效应。
在AP1化探综合异常区中，通过10-18线地物化综合剖面测量（图2），发现一条较好的相对高阻、高极化并伴有相对高的磁测异常带，长度大于800m以上，宽度在200-300 m左右，走向北东30-40°，并且化探剖面显示有强烈的Mo、Sn、Pb等元素异常。
人工智能通过深度学习已经在不断进行升级与改造，同样地，它也要求人们要更加富有创造性，用创造性思维去改造和更新人工智能。习近平在中国科学技术协会第九次全国代表大会、中国工程院第十三次院士大会和中国科学院第十八次院士大会、全国科技创新大会时提出了“弘扬创新精神，培育符合创新发展要求的人才队伍”的要求。人工智能时代，是继文艺复兴和工业革命之后的又一次人类重大创新变革期，这一时代，需要新的人才培养方式，需要创新型人才引领时代前沿。传统工作已经不能适应人工智能发展的要求，真正符合人工智能时代要求的是那些具有深度挖掘价值、可以充分创新的工作。未来，随着人工智能逐渐接管常规性工作，创造性思维将是成功的关键技能，财经类高校应将创造性思维能力纳入人才培养目标考核体系中。在培养创造性思维的同时，还需要强大的思维逻辑和模糊情景判断能力来应对复杂的经济社会，财经类高校从现在开始就要有意识地培养学生在错综复杂的环境中求变与创新的能力。
同样地，在银行零售岗位，人工智能的运用正在加速。截至2016年末，农业银行共减少柜员10 843人，建设银行减少30 007人，工商银行减少14 090人。2014-2016年银行柜员呈加速递减的趋势。而在传统银行柜员减少的同时,银行离柜交易同比几乎翻了一番,2016年银行业协会数据显示,离柜交易金额达到1522.54万亿元,银行业金融机构离柜交易达1 777.14亿笔,行业平均离柜率达到84.31%③，离柜交易数据的增长也在一定程度上反映出银行智能化业务的成长。比如招商银行的可视柜台(VTM)，通过人机互动可以实现一卡通开户、卡片激活、定期业务、转账汇款等20余项非现金业务，处理业务的效率是柜面的1.8倍。
3.财务机器人威胁基层会计人员
《中国保险科技发展白皮书(2017)》发布并揭示了十项重点科技，其中就包括人工智能。人工智能在保险业的布局，将会成为保险科技发展的新机遇，驱动互联网保险进入3.0时代。人工智能和保险的结合，可以实现保险理赔自动化。以往的核损流程分为查勘、定损、核损，客户拿到理赔的钱大约需要一个月的时间，流程繁琐冗杂，需要投入大量人力，用户体验差，而通过人工智能的方式可以大大节约时间，提升理赔效率，还可以降低骗保率。日本寿险巨头富国生命保险计划裁减近30%的理赔部门员工，因其于2016年1月引入Watson AI系统，裁员30%将为其每年节省约1.4亿日元。④
在定损环节，人工智能模拟人工作业流程，让定损变得高效便捷。蚂蚁金服推出的“定损宝”，就是人工智能运用在保险定损环节的一个案例，它用深度学习图像识别检测技术来代替定损员的工作，短时间内就可以给出准确的定损结果，包括受损部位、维修方案及维修价格。有定损需求的用户不用再在现场等待定损员，而是自己把现场照片发到定损平台，就能由后台的人工智能技术完成定损。保险行业目前约有10万人在查勘定损工作岗位上，太多人力被用来处理简单案件，如果“定损宝”在保险公司推广开来，预计可减少一半的查勘定损员。
2.人工智能冲击保险理赔定损业务
根据2015年智联招聘调查统计(详见图2)，财务、审计和税务是金融行业校园招聘投递热门职位之一，占比达到16%，而初入财务、审计和税务的大学生往往从事的是基层、简单的工作。随着社会经济发展程度的不断提高，人工智能取代基层会计工作是一个趋势。基层会计工作是指信息的收集、处理、存储等，即算账、记账和报账等，而这些工作正是计算机所擅长的工作。在不久的将来，智能税务、智能审计等人工智能系统会代替税务、审计等基础的财务人员，原因是人类无法和善于运算和记忆的计算机系统竞争，一些简单重复、不需要多少技术含量的基层会计工作面临巨大的冲击。
作为会计行业的风向标，德勤、普华永道、安永相继推出财务机器人，这些财务机器人主要运用于基层，解决一些低效且重复的工作。财务机器人的运用，威胁到的还是底层的会计人员，尤其是一些简单的数据分析，凭证粘贴的工作，70%的基层会计人员将被替代。由于财务机器人未来可以综合处理图像、视频、语音、文字等数据，并通过有关财务方面的大数据样本的学习，获得财务分析、预测和决策能力，传统的记账、算账、报账的业务流程，会因为人工智能而改变。
图 2 2015年金融行业校园投递热招职位类别
数据来源：智联招聘
4.人工智能颠覆传统人工金融风控
利用人工智能取代传统人工对金融交易、服务信息审查监管，控制交易活动中潜在的违法行为，可更好地避免操作风险和道德风险。[4]
⑥为保证流量计算准确，上下游水位采集不宜紧靠闸室，而应将水位计设置在两岸水面无横比降，无漩涡、回流、死水等现象发生的水流平顺的断面。
首先就是开展新型职业农民培育和培养工作，使农民能够通过高质量的科技教育培训，掌握现代农业科学技术和经营管理理念，摒弃以往的陈旧生产观念，提升农业生产的整体效率。
(二)人工智能对财经类高校人才培养的新要求
1.培养与机器打交道的能力
随着科学技术的高度发达，机器将可以在越来越大的程度上取代人类的劳动，实现人类史无前例的解放，然而人类唯一不可能被机器取代的，就是人类的创造力和创造性劳动。[8]未来人工智能社会的分工，占有主导地位的将是创新劳动。相应地，现在的人们为了适应将来的智能社会，必须提高自己的创新意识和能力。在人工智能时代，创造型劳动者将得到高工资和高资本回报，而普通劳动者只能得到很低的回报。打开脑洞，创意地工作和生活，其实是一个人一辈子的功课，财经类高校要持续培养学生的创新能力，让学生了解新时代的政策，引导学生做一个心有创新、善于观察、勤于动手的新时代创新者。
财政部、国家发改委、工业和信息化部联合发布的《机器人产业发展规划(2016-2020年)》针对智能产业现状，提出经过五年的努力，机器人产业体系建设较为完善。随着国内智能机器人变得强大和普及，那些能熟练使用电脑以及相关通信和信息处理设备，理解电脑的运行和工作原理，能够靠直觉将电脑运用于营销的人将成为最明显和最直接的受益者。再从社会结构的变化上看，“人—机器”的社会结构终将被“人—智能机器(人工智能)—机器”的社会结构所取代。创新工场首席执行官李开复预测在未来任何一个以大数据为核心的领域里面，当一个人的工作是10秒钟以内能做出判断的，或者是做的是重复性的工作，他们的工作将会被机器完全取代。如底层数据员和分析员，他们的工作是基于方案做好数据分析，按规定时间提交给市场调研人员，还负责公司录入人员的管理和业绩考核等工作。数据分析、挖掘要应用机器学习算法，而人工智能也是应用机器学习算法，那些只会用简单分析工具的人肯定会被淘汰。因此，人们要适应这种变化了的社会结构，就不得不学会与智能机器相处。[6]
本报讯继广东、广西、云南之后，四川成为柑橘种植新的风口。据悉，短短3年时间，四川省柑橘扩种面积高达200万亩，并保持每年60余万亩的增速，2017年四川柑橘种植面积突破了600万亩。但是在四川柑橘种植业繁荣发展的背后，也隐藏不少产区痛点问题，如因长期不合理施肥而导致的土壤酸化和土壤板结，因施肥理念较为落后而导致肥料利用率过低、产量大小年等等。这些问题不仅仅影响着广大种植户的收益，更是制约着整个四川柑橘产业的可持续发展。
而现阶段财经类高校传统课程体系中，存在传统基础型学科比重过大，计算机技术课程体系实践偏少、内容陈旧的问题。作为财经类高校，要鼓励大学生依托高校资源，进行电脑知识的学习，将财经知识和人工智能结合，主动融入到人工智能时代。这种做法是因为在未来，所有可计算的逻辑性工作都将被人工智能所取代，发生值和标准值一碰撞就能得到结果，人和智能机器竞争，几乎没有赢的可能，而搞定机器的人将会有高回报。
2.向复合型人才转型
在以人工智能为代表的技术推动下，不同学科的知识、理论和手段的交叉渗透正发生在广泛的学科领域，但现在财经类高校人才培养受传统学科专业的束缚，不同学校间的相同学科人才培养方案趋同，多学科交叉融合的思维还未贯穿到专业建设和人才培养的整个过程，人才培养模式不能由单一模式向复合型转变，导致按传统的人才培养模式培养的人才不能适应复杂多变的智能时代。
财经类高校大学生毕业入职的岗位通常是单一业务型的，而人工智能时代则需要更多综合型人才。综合型人才，是指拥有两种以上的技术知识的才能，比如管理与技术综合，以及会计、证券等与计算机综合的人才等，他们是社会的稀缺资源。《2016年中国互联网金融人才白皮书》显示，金融人才数量在50万以上，互联网人才在10-50万之间。而相比之下，互联网金融作为新兴行业，人才数量只有1-5万。⑥这意味着，如果成为一个互联网金融人才，那自身的镀金能力和身价将大大提升。而人工智能作为互联网的下一幕，随着AI技术被广泛运用于保险、证券、银行等行业之中，未来几年内复合型人才将十分受欢迎。
此外，中国农资流通协会高度重视行业信用体系建设工作，2017年，在国家发改委、民政部等部门的授权和指导下，协会先后开展信用承诺和自律公约签署、推动信用示范、企业信用等级评价等系列活动。
在人工智能时代，数据无处不在，但找到一个既懂业务，也能处理数据，还要会数据挖掘算法的复合型人才不易。人工智能涉及面广，相关人才要有跨行业、多领域的理解力，能够全面考虑问题。现阶段我国人工智能人才知识结构主要以理工科为主，专业有电子、自动化和计算机等。当然人工智能从业者在设计、生产产品的过程也需感性和理性的结合，而不是冰冷的算法程序。财经类高校在人才培养上应选择几个与人工智能领域有关的学科进行学科整合，在教授专业知识的同时拓展学生技能，争取为社会提供更多优秀的复合型人才。
3.成为复杂模式的创新者
金融市场复杂多变，由于数据限制和基础研究等方面的原因，人工智能现在很难独自应付整个金融市场，当遇到如金融危机和技术故障等突发事件时，人工智能系统可能将无法做出正确选择。在可见的将来，人工智能虽然能辅助人们进行决策，代替常规传统的一些工作，但它缺乏创新求变破解难题的能力。而且，目前多数财经类高校在课程设置中过于强调专业课，老师讲、学生听的教学模式很普遍，学生被动接受知识，用固定的思维思考问题，泯灭了学生的个性，削弱了学生用创新性思维解决问题的能力。在这种重知识灌输、轻创新实践的传统培养模式中出来的学生不是智能时代急需的创新型人才，也难以适应复杂的经济社会需求。
高顿财经CFA研究院表示：信审自动化，大势已定。银行的信审工作重在对借钱人的准确分类，而人工智能结合大数据可以对人群进行准确划分，区分有意愿还钱的人和没有意愿还钱的人，区分有能力还钱的人和没有能力还钱的人，区分能够准时还钱的人和不能够准时还钱的人。在传统的信贷办理流程中，用户需要在贷款机构的网点现场申请贷款信息，提交相关资料，贷款机构有信审专员进行人工审核贷款请求，而引入人工智能后，只需通过活体检测、人脸识别、声纹识别、指纹识别等技术验证与个人相关的材料，在大数据风控算法下可进行自动审批，这极大地削减了人力成本。
三、人工智能背景下财经类高校人才培养：目标、理念、重点
人工智能对财经类高校人才培养的新挑战和新要求，对于当今的财经类高校而言，传统教育面临着严峻形势，只有让大学生融入到人工智能时代这股潮流中才可以赢得先机。下面将从人才培养的目标、理念、重点三个方面进行探讨。
(一)目标：以突出个人技能专长，符合人工智能需要为目标
人工智能的颠覆性发展已是既定的事实，但其颠覆性发展对于有个人技能专长的人而言冲击并不显著。人工智能的发展反倒成为具备机器管理能力、流程咨询能力、平台及数据管理能力、领导力和判断力的复合型人才个人发展的绝佳平台。
“领英”数据分析发现，10年以上经验的人工智能人才在美国占比接近50%，而我国只有25%。总体上，我国人工智能专业人才总量较美国和欧洲发达国家来说还较少，10年以上资深人才缺乏。[7]北京邮电大学教授、中国人工智能学会常务副理事长杨放春在接受《光明日报》记者专访时表示，国内智能科学与技术专业本科专业只有36所大学开设，无法满足日益扩大的人才需求。在智能社会，会有一些新职位诞生，比如已经被行业认可的“语音识别工程师”，以及“自然语言处理”等等，还有业内人都没意识到的职位，比如机器人产品经理，未来可能会有“机器人道德或暴力评估师”等职位。根据国际机器人联合会(IFR)的研究，制造类机器人直接或间接创造的岗位总数将从190万增长到350万，每部署一个机器人，将创造出3.6个工作岗位。⑦在金融、交通运输、教育、IT等领域，人工智能为求职者创造了大量的就业机会，只要抓住人工智能需要，就会有立足之地。财经类高校应立足智能社会的发展需要，通过开展财经技能培训或竞赛，培养技术应用型人才；重视与人工智能企业合作，鼓励学生寒暑假到企业进行调研或实习，在从业实践中提高学生的操作技能。
(二)理念：以不断创新、综合素质教育和人机交互共赢为指导思想
在互联网出现之前，人与人能交流，但人与物不能交流，互联网的出现提高了人与人之间的沟通效率，而在人工智能时代，将彻底解决人与万物的沟通问题。人与万物的沟通主要依赖于智能机器人，这种机器人带有多种传感器，能够将多种传感器得到的信息进行融合，具有很强的自适应能力、学习能力和自治功能。[5]软银CEO孙正义在MWC 2017大会上表示在未来30年内，超级智能机器人数量将超过人类，届时将有逾1万亿个物品被接入互联网。⑤在人工智能时代，智能机器人比人聪明得多，智能机器人比人强得多，驾驭机器的关键在于现在我们要培养与机器打交道的能力。
放眼人工智能结合金融的发展趋势，未来的金融人才必须是综合性人才。一方面体现在要有很强的业务操作能力，由于创新使新的业务层出不穷，所以金融管理人才在业务操作上必须有相当强的能力才能适应客观形势不断变化的需求；另一方面，综合性人才还体现在具有很强的宏观分析能力和判断把握能力。[9]所以在综合素质教育中要注重学生宏观分析、判断能力和微观业务操作、创新能力的培养。
六大战略性新兴产业的岗位情况。共采集海淀区六大战略性新兴产业7852个岗位，其中，紧缺岗位305个。根据岗位紧缺度指数，将紧缺岗位分为高紧缺、较紧缺、一般紧缺三级，紧缺岗位中，高紧缺岗位共39个，较紧缺岗位共44个，一般紧缺岗位共222个。
目前，绍兴分拨是属于全人工作业，包括入库，分拣，出站，没有任何的自动化操作。分拨中心快件拣选策略的四个主要因素为:分区、运单分割、运单分批及分类。分区就是将拣选作业场所地作区域划分;运单分割一般是与拣选分区相对应的，当拣选的项目较多时，可将运单分成若干子订单交由不同拣选区域同时进行拣选作业;运单分批是为了提高分拣作业效率而把多张运单集合成一批，进行批次分拣作业;在采用批量拣选作业方式时，拣选完后还必须进行分类，因此需要相配合的分类策略。
作为一个重要的、新兴的研究和应用领域，智能人机交互技术已被纳入《信息产业科技发展“十一五”规划和2020年中长期规划纲要》。在未来，人与机器打交道不可避免。智能机器人能更全面、更细致地去感知人、空间、行为事件进而更多面、更完整地去服务于细分用户场景，反过来人们也会基于智能机器人的服务表现去改善它们，最终实现人机交互共赢的良好局面。
港珠澳大桥总长约55 km，是目前世界最长的跨海大桥，并拥有世界最长的沉管海底隧道。大桥建造包含了基建、防锈、防腐、防水、抗台风等多方面内容，沥青、涂料、防水材料等石化产品在其中发挥了巨大作用。
(三)重点：建立智能教育体系
高校处于人才第一资源、创新第一动力、科技第一生产力的结合点，随着人工智能技术不断发展，财经类高校要不断推动人工智能与教育深度融合，改革传统的人才培养模式，建立智能教育体系。在教学方式上，强调个性化教育与创新能力培养，比如精准的判断力、逻辑思维能力、人际交往能力、自我营销能力、设计思维、识别能力；在课程设计上，以技能提高为核心，从技能培养的角度去决定专业知识讲授的内容，在对学生进行创新能力培养的目标下把专业课和公共课、基础课统一起来；在教材建设上，结合财经类高校特点和资源优势，加快人工智能领域科研成果向教育教学转化，努力编写一批符合智能时代、具有一流水平的经管类教材，推动在线网络课程开放。
2018年4月2日教育部下发关于《高等学校人工智能创新行动计划》的通知，强调到2020年，基本完成适应新一代人工智能发展的高校科技创新体系和学科体系的优化布局，高校在人才培养和科学研究的优势进一步提升。行动计划的一项重点任务就是完善人工智能领域人才培养体系，财经类高校在面对市场对人才多样化的需求时，要完善产、学、研合作教育，以产业和技术发展的最新成果推动人才培养改革。可以选派本校师生到校企培训基地进修、学习，了解企业运作方式；或者聘请企业人员来校承担实践环节的课程，让学生通过理论联系实际，在解决问题的实践中找到自身差距，激发学习动力。
注释：
1.目前的纪录为300 千克。1931 年，世界重量级拳王麦克斯·贝尔在与对手俄尼·沙夫的对决中，挥出致命一拳。6 个月后，俄尼·沙夫因重伤身亡。
①数据来源：中国教育在线.2001-2016年全国高校毕业人数[EB/OL].http://www.eol.cn/html/c/2016gxbys/index.shtml,2017-03-24.
②数据来源：前瞻网.五大权威机构AI融资数据汇总[EB/OL].https://www.qianzhan.com/analyst/detail/220/180518-2cba4859.html,2018-05-20.
我国在经济改革和政府职能的转变过程中，要尽快通过完善立法、明确事权，推进各级政府事权规范化、法律化，加快形成分工合理、权责一致、运转高效、法律保障的国家权力纵向配置体系与运行机制。这既是形成合理的行政秩序、市场秩序和社会秩序的基本前提，也是推进国家治理体系和治理能力现代化的重要内容和必然要求。从目前来看，主要应推进政府间财政关系立法，让事权和支出责任的划分做到有
③数据来源：搜狐财经.银行离柜业务已超90%，去年交易量达1 777.14亿笔[EB/OL].http://www.sohu.com/a/130103619-544821,2017-03-24.
④数据来源：观察者网.机器人来了！日本保险巨头启用AI替换30%理赔部员工[EB/OL].http://www.guancha.cn/Science/2017-01-03-387369.shtml,2017-01-03.
⑤数据来源：TechWeb.软银CEO孙正义：30年内超级智能机器人数量将超过人类[EB/OL].http://www.techweb.com.cn/world/2017-02-28/2492689.shtml,2017-02-28.
⑥数据来源：中文互联网数据研究资讯中心.Linkedin：2016年中国互联网金融人才白皮书[EB/OL].http://www.199it.com/archives/520386.html,2016-09-26.
⑦数据来源：中国就业网.人工智能与就业[EB/OL].http://www.lm.gov.cn/EmploymentServices/content/2017-05/15/content-1325568.htm,2017-05-15.
参考文献：
[1]王缓缓，李虎，石永.基于语义Web的受控自然语言系统推理模型[J].计算机科学，2011，38(2)：187-190+240.
[2]朱巍，陈慧慧，田思媛，等.人工智能：从科学梦到新蓝海——人工智能产业发展分析及对策[J].科技进步与对策，2016，33(21)：66-70.
[3]涂序彦.人工智能及其应用[M].北京：电子工业出版社，1988.
[4]中国人民银行武汉分行办公室课题组，韩飚，胡德.人工智能在金融领域的应用及应对[J].武汉金融，2016(7)：46-47+50.
[5]任福继，孙晓.智能机器人的现状及发展[J].科技导报，2015，33(21)：32-38.
[6]蔡自兴.中国人工智能40年[J].科技导报，2016，34(15)：12-32.
[7]闫志明，唐夏夏，秦旋，等.教育人工智能(EAI)的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017，35(1)：26-35.
[8]钟义信.人工智能：“热闹”背后的“门道”[J].科技导报，2016，34(7)：14-19.
[9]王广谦.正确定位加速金融人才培养模式改革[J].中国高等教育，2001(22)：15-16.
收稿日期： 2018-03-29
*基金项目： 安徽省教学研究项目“财经类高校课堂教学模式转变与创新能力培养研究”(2016jyxm0010)；安徽财经大学研究生教育教学重大研究项目“面向创新能力培养的研究生导师的‘三导’理论与实践研究”(cxjhjyzda1807)；中国高等教育学会2018年度财经一流学科内涵建设与评价课题“面向创新能力培养的研究生导师的‘三导’理论与实践研究”。
作者简介： 郑 军(1976-)，男，安徽财经大学金融学院教授，博士；冯舒杰(1997-)，男，安徽财经大学金融学院。
中图分类号： F20-4； G642. 0
文献标志码： A
文章编号： 1004-342( 2019) 03-109-07
(实习编辑： 郑 舒)