展了教学与学习的思维模式。本书的初衷是帮助教育工作者、学生以及技术爱好 者深入了解AI在教育中的应用，共同把握这场技术革命的脉搏。 本书内容 本书分为两大部分： ❍ 理念与趋势：首先，从数字化技术的发展和其对教育的影响开始，剖析AI浪潮 对知识与学习提出的全新要求；接着，探讨AI时代下人才需要具备的核心能力， 包括批判性思维、创造性解决问题的能力、数字素养、人机协作能力、自主学习 和终身学习 强的实用性，方便读者在实践中迅速掌握操作方法。 读者对象 本书是一本AI教育工具书，适合教育领域人士及学生家长阅读。 ❍ 教师等教育工作者：帮助他们了解AI在教学中的应用前景，提升教学创新能 力。 ❍ 学生与家长：为其提供AI学习工具和应用方法，培养数字素养。 2 ❍ 技术爱好者：帮助其理解AI在教育中的实践案例，拓宽他们对技术应用的认 识。 特色与亮点 ❍ 前沿性与实用性：紧跟AI教育发展前沿，精选最新的应用案例与操作指南。 力，包括批判性思维、创造性解决问题的能力、数字素养、人机协作能力、自主 学习与终身学习能力等，并探讨AI时代教师的职业要求和发展路径。 4 Chapter 1 第1章 数字化背景下的教育发展 在数字时代，以人工智能应用为代表的新型数字化技术，正在逐渐融入学校教育教 学的各个领域，对教育认知、教育教学组织形式、教育角色、学习方式、教学评价 等产生影响。 本章主要从以下几个方面阐述数字化背景下的教育发展：

习、教师教学、学校治理、教育创新、国际合作等核心 场景，有组织地推动大规模、常态化应用，探索出一条 中国特色的教育数字化发展路径。 当前，大力推进教育数字化，发展包容和公平的优 质教育，让全民终身享有学习机会，已经成为世界各国 的普遍共识。面对教育发展与变革，中国愿与世界各国 携手合作，共促国际文明互鉴、共享优质教育资源、共 建协同创新生态、共护人工智能安全，构建伴随每个人 一生的教育、平等面向每个人的教育、适合每个人的教 ① 三通两平台：即宽带网络校校通、优质资源班班通、网络学习空间人 人通，建设教育资源和教育管理两大公共服务平台。 ·4· 2018 年，发布《教育信息化 2.0 行动计划》，提出“三 全两高一大”的发展目标 ①，推动教育信息化深入发展。 围绕数字教育资源、网络学习空间等方面制定系列政策 文件，构建起教育信息化的政策体系。 完善学校教育信息化环境。习近平总书记指出，要 年底，中国教育部、财政部启动“教学点数字 教育资源全覆盖”项目，让 6.4 万个教学点“一个不落” ① 三全两高一大：即教学应用覆盖全体教师、学习应用覆盖全体适龄学 生、数字校园建设覆盖全体学校，信息化应用水平和师生信息素养普遍提高， 建成“互联网+教育”大平台。 ·5· 接收教育资源。普及“专递课堂”“名师课堂”和“名 校网络课堂”应用，推动超

证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 成本高的挑战。随着技术的发展和数据规模 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 发现统计关联，一定程度上避免了提出科学 假设，但无法发现因果关系，且难以分析低 质量数据和发现复杂系统中的规律。当前的 科学研究主要面临系统复杂性的挑战，相互 关联的自然、技术和人类系统受到跨时间和 方法。针对复杂数据中的因果关系，发展了 一系列新的因果推断方法。针对高质量科学 数据缺乏问题，如大气数据、天文数据等， 发展了生成式人工智能技术，如扩散模型和 大语言模型。针对处理复杂系统的局限性， 发展了融合先验知识的深度学习，将先验知 识嵌入深度神经网络，在增强模型可解释性 的同时，显著提高模型的泛化能力，如物理 信息神经网络 3。 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 主提出科学假设、设计实验方案、优化研究 路 径 的 惊 人 能 力。DeepMind 推 出 的

迈向“全方位商业模式重塑”。目 前，大多数企业正处于IDC所定义的“AI转折”阶段⸺即在业务中发掘高投资回报率 (ROI) 的应 用场景。这一转变要求组织增设新的ICT业务岗位，掌握新技能并持续学习，强化所有岗位（包括 非技术岗位）的AI素养提升，最终建立AI治理架构。 全球ICT岗位需求将新增3600万，ICT技术人才短缺将影响数字化转型进程 AI、安全、数据科学、云计算等领域的技术人 复合技能⸺既要具备专业技术能力，又需通晓AI知 识，还要具备管理人机协作的能力。此外，各领域技术人员还应密切关注开源生态在AI时代带来 的新机遇。 IDC认为，组织应通过主动应对技能缺口、革新学习战略并培育“持续适应文化”的组织来释放AI 的潜力，将技术专长与创造力、同理心、伦理判断力等以人为本的技能相结合，以此应对智能时 代的复杂性。如今，企业、教育机构与政府等各方应协同努力，共同培养能够适应未来变化、把 务职能，以提升生产力与 收入为重点 集中化的AI技能开发被纳 入传统和扩展的跨职能角 色 运营管理 AI转型阶段 以AI为优先的战略，借助 智能代理流程重塑组织的 业务运营模式 AI技能开发包括体验式与 嵌入式学习，覆盖跨职能 角色，由IT与HR共同管理 优化创新 AI驱动型阶段 实现持续的AI驱动业务模 式创新与优化，成为组织 运营的新常态 AI技能开发完全嵌入所有 角色，由代理型AI辅导支 持，并被视为核心KPI

从机械、琐碎的招聘工作中解放出来。 第一部分 让AI技术提升人岗匹配效果，我们做了这些探索 3 第一部分 | 那么，实现 AI 人岗匹配背后的依据和逻辑又是什么呢？ e 成科技基于前沿的自然语言处理技术 和深度学习模型，并结合大量数据和知识图谱，通过不断探索和反复实践，形成一套高效的人 岗匹配推荐算法系统，下面院长将详细为大家介绍这套系统及其背后的逻辑。 在人岗匹配的任务中存在 HR、职位（JD）、简历（CV）三种实体，人岗推荐系统中由 提升 HR 更高的工作效率， 提升岗位和简历的匹配度来减少招聘人才的成本。 在经典的机器学习排序模型中通常分为两种：复杂的人工特征工程 + 简单的模型，简单的人工 特征 + 复杂的模型。本着该原则我们对以文本为主的职位和简历对进行了匹配排序实践。 以 JD 和 CV 对为背景，该场景为经典的机器学习排序问题，目标在于预测 JD 和 CV 是否匹配， 数据集的采集则是来自我司产品 ATS 平台，HR UID，图谱产生的 ID 类特征等稀疏特征输入 FM 部分，match 特征、IDsim 特征以及 textsim 特征为 dense 特征输入。结果很是令人欢喜，达到了以上实验的最优值，可能这就是 深度学习带来的魅力吧。 8 第一部分 | 在 喜 悦 的 同 时，我 们 想 现 有 的 ID 初 始 化 embedding 都 能 产 生 如 此 大 的 魅 力，利 用 graph embedding

分析和预测方面，传统的技术手段面临着效率低、准确性不足以及 成本高昂等问题。在此背景下，引入先进的技术手段以优化医疗健 康场景的运作已成为行业的迫切需求。DeepSeek 作为一种基于深 度学习的智能分析工具，具备高效的数据处理能力和强大的预测分 析功能，为医疗健康领域的智能化转型提供了新的可能性。 医疗健康场景中，数据的复杂性和多样性对技术提出了更高的 要求。例如，患者的电子健康记录（EHR）、医学影像数据、基因 组数据等多源异构数据的整合与分析，需要处理大量的非结构化数 据，并从中提取有价值的信息。传统的处理方法往往依赖于人工干 预或简单的算法，导致效率低下且容易出错。而 DeepSeek 通过其 先进的深度学习模型，能够自动识别、分类和解析复杂的数据结 构，显著提高数据处理的效率和准确性。 此外，医疗健康领域的决策支持系统也对预测能力提出了更高 的要求。例如，在疾病诊断、治疗方案推荐和患者预后预测等方 先进技术解决方案，不仅能提升医疗服务的质量和效率，还能在保 障数据安全的同时，推动整个行业向更加智能化和个性化的方向发 展。 1.2 DeepSeek 技术的基本介绍 DeepSeek 技术是一种基于深度学习和大数据分析的先进解决 方案，旨在通过智能算法和自动化工具提升数据处理和决策效率。 该技术的核心在于其能够通过海量数据的训练，形成高度精确的预 测模型，并能够在复杂的场景中实现高效的实时分析与响应。在医

01 02 能力 养成在实践中不断精进 的习惯 自我设定新目标 第二步 第一步 成为自己的领导者的步骤： 要有强大的学习能力 第三步 通过学习拥有定力 通过学习提升适应力 通过学习获得说服力 通过学习拥有洞见力 1 2 3 知识与学习力能从四方面提升领导力： 4 第五章 组织新解 第六章 自进化 第七章 组织是个整体 PART 03 新组织 n n ，学会识别 不确定性，与不确定性共处 3 2 1 组织有效性 组织有效性的三种基本观点： 开放系统观点： 组织的主动适应性、 组织效率 利益相关者观点： 组织多元责任 组织学习观点： 组织学习能力 组织与环境 互动，主动 变化以适应 环境变化的 需求并融为 一体 开放系统观点：组织的主动适应性、组织效率 组织的主动 适应性 高效响应外部环境变化 满足顾客需求的能力 组织效率 实现 创新 性 适应 性 从外部环境中寻求新资 的能力 组织学习 调整活动 生存发展 回应环境 长期效能 组织学习观点：组织学习能力 需要 目 的 知识分享 知识存储 知识创造 知识运用 组织学习的过程 知识获取 3 5 1 4 2 为了获得与维护智力资本，组织需要拥有知识型员工，并将知识系统传递给组织成员，

理、规律、机理等的形式化表达。 3. 6 智能模型 intelligentmodel 基于多元异构数据,对相关业务对象的运行功能等进行智能自主感知、分析、预测决策和学习进 化,可基于智能驱动支持实现业务自主运行、自适应、自学习进化的模型。 注:数字模型、知识模型、智能模型都属于数字化模型。 3. 7 业务场景 businessscenario 关于业务运行的参与主体、行为活动、资源条件以及数据要素等的有机组合。 需 协 同、按 需 优 化 的 一 类 业 务 场 景(3. 7)。 3. 10 智能场景 intelligentscenario 基于相关智能模型(3. 6)实现关键业务自主运行、自主协作和自学习优化/进化的一类业务场景 (3. 7)。 3. 11 新型能力 enhancedcapability 深化应用新一代信息技术,建立、提升、整合、重构企业的内外部能力,形成应对不确定性变化的 本领。 需协同、按需优化的一类企业。 3. 17 智能企业 intelligententerprise 基于相关智能模型(3. 6),沿资源链、价值链或产品链(资产链)实现业务全面智能自主运行、自主协 作和自学习优化/进化的一类企业。 3. 18 数字平台 digitalplatform 基于相关数字模型(3. 4),实现网络化协同、服务化延伸、个性化定制等平台化社会化业务动态响 应、动态协同、动态优化的一类供应链/产业链网络平台。

的生产生活学习等所有活动都在这个物理空间中开展；第 二阶段是网络空间时代。上世纪90年代互联网在全球普及之后，人类社会又多了一个新的网络空间，从通讯和社交开始，人 类社会的工作、学习和生活等逐渐从物理空间向网络空间迁移；第三阶段是计算空间时代。2000年以后，随着移动终端、 云计算、物联网等新业态的不断出现，政府、企业和个人等不同主体，将越来越多的管理、服务、生产、经营、工作、学习 等事务 储、网络、大数据、机器学习及办公应用等众多领域， 如虚拟机部署的Compute Engine、网络私有部署的Virtual Private Cloud、全托管式AI平台Vertex AI、谷歌办公应用，以 及数据分析应用平台BigQuery等。其中，BigQuery是Google Cloud构建的高效安全数据流通平台。 BigQuery平台通过EDC组件并嵌入联邦学习，可以提供数据存储、数据 析能力为消费者数据提供价值。 （3）联邦学习 联邦学习是一种创新的机器学习框架。它是一种分布式机器学习方法，允许多个参与者在不共享原始数据的情况下共同 训练模型。这种方法在保护数据隐私的同时，利用多方数据进行模型训练，适用于数据孤岛场景，使企业能够在保护用户隐 私的同时，使用分散的数据源进行模型训练。在Google Cloud的架构中，联邦学习嵌入整个数据处理流程，与BigQuery和

从数字化是信息化的背后得益于三种底层技术的广泛应用和升级改造 数字技术和基础设施 中央信息处理器功能的升级 智能终端的广泛使用 智能终端的广泛使用 人工智能是一门跨学科的科学，它由不同的领域组成，如机器学习、 计算机视觉等科学和技术，还涉及心理学和哲学等人文学科。该领域的 研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 未来人工智能带来的科技产品，可以对人的意识、思维的信息过程进行 大。 2019 年国家工信安全中心联合阿里研究院，对中国的 157 家领军企业数字化转型现状进行调查和分析形成《中国企业数智化转型趋势洞察报告》 ，从中可以看出企业数字化转型的一些趋势， 以及学习实现数字化转型的企业的一些经验。 84.7 70.2 47.8 数字化转型各关键领域对比： 转型领跑者在数字化转型各关键领域全面领先与追随者、落后者，其中，业务数字化和数字化 组织分数分别较落后者高出 数字化转型需要的战略思维——蓝海战略 红海 通过降价、提高效率等手段进行竞争的现有市场称为“红海”。 蓝海 通过价值创新开创的无人争抢的市场称为“蓝海”。 战略过程包含着学习、完善和调整，尤其在执行的过程中，战略不是规划出来的，而是慢慢演进形成的，就像学习手艺一样，不断 打磨、精进。 战略制定的两大视角 好战略 数字化转型需要的战略思维——战略手艺化 市场 视角 能力 视角