编者按： 以“职业显微镜”透视社会万象，我们推出《融媒深调查・一周市井》系列报道：在社区工作者的民情日记中触摸基层治理脉搏、在高校教授的教研笔记里了解大学生就业生态、在科创精英的算法模型中探求城市创新基因……系列报道以“一职业一世界”为锚点，深度调研，立体呈现基层干部、学界智囊、产业先锋的观察视角。通过几组不同的“职业切片”解码社会发展密码。本期聚焦为莘莘学子筑梦耕耘的高校教育工作者，通过记录他的一周行程，为城市人才队伍建设提供新思路。

在数字化浪潮席卷各行业的当下，传统产业如何与人工智能技术融合发展，当代大学生如何顺应人工智能发展热潮？带着这些问题，济南日报·爱济南记者走进山东大学，实地跟随人工智能领域教育工作者的一周足迹，感受人工智能与产教革新的“化学反应”。

“老酒厂”玩AI

从凭经验“猜”到用数据“算”

“后期的模型搭建需要可靠准确的数据支撑，所以现在用户数据采集这块，还得下大功夫。”

5月20日下午3时，记者来到位于济南市槐荫区的山东正旺酿酒（集团）有限公司，山东大学管理学院人工智能与数字金融中心主任程雨涵正在与企业负责人郑凯沟通合作项目的具体细节。

“我们在探索传统产销模式的转型路径。”郑凯向记者举例说明，比如：如何避免依赖经验判断，按照消费者口味偏好精准捕捉用户需求？“有些年轻人想给长辈买酒，但不知道对方喜好，如果人工智能可以根据消费者需求推荐匹配酒品，就能实现‘定制化’服务。”

面对企业诉求，程雨涵认为，通过“数据驱动+精准匹配”模式，能精准击中传统酒企“以产定销”痛点，企业可以规避不够精准的市场判断，通过AI把用户需求转化为具体产品参数。

采访现场，校企双方针对“AI大模型驱动的定制酒开发”项目，围绕数据采集方案展开密集讨论，企业负责提供酒体检测数据，对接消费场景；校方则凭借专业优势，主导模型架构设计。

“多年来，企业一直按照传统模式生产、销售。”郑凯认为，此AI项目的合作为公司打开新思路。

程雨涵从专业角度分析，人工智能可以识别消费者特征、产品属性、市场偏好等高维属性的非线性关系，还可以处理多模态数据，类似的做法同样适用于其他传统行业。

济南AI生态

传统行业亟待转型“爬坡”

如何让更多传统行业，通过人工智能技术赋能，走好特色路？记者从连续多日的采访现场找到了答案。

5月22日，记者在山东大学见到程雨涵时，他正在结合人工智能时代下的新视角和新思路，与学生交流商学课程的相关内容。

“相较于杭州、深圳等头部城市，济南虽然没有阿里巴巴、腾讯等行业巨头的‘虹吸效应’，但人工智能领域依旧在蓬勃发展中。”谈及济南人工智能领域的产业生态，程雨涵提出了自己的看法，当前，人工智能技术在各行业的落地应用仍呈现较为单一的发展态势，更多的企业依旧专注于传统行业的应用，对跨领域、前瞻性的技术融合还要进一步探索。

“一些新兴行业虽然在本地已有布局，但如何突出自身竞争力，仍有进一步优化的空间。”程雨涵说。

放眼全省，尽管山东省在人工智能、大数据等新兴行业中已有布局，特别是在济南、青岛等城市设有相关产业园区和孵化器，但相较于北京、上海等一线城市，山东的AI行业在创新氛围的营造和跨领域合作的深度上还在不断“爬坡”。

从事HR工作17年的资深人力资源从业者陈彦铭向记者介绍，济南很多传统型企业在人工智能领域的工作内容和职业发展路径对外界不够透明，导致许多优秀人才难以看到长期发展的机会。

5月23日，山东人工智能产业园，在一场智能化科技领域合作伙伴交流会开幕现场，主讲人张联军表达观点：期待济南的AI技术应用得到充分的行业推动、期待更多专注于传统行业应用的企业把“缺乏创新性突破”的短板补齐。

拓宽就业路

不沉迷于“稳” 不盲目追“热”

人工智能浪潮扑面而来，迎接挑战的不仅仅是企业，还有即将离开校园的大学生。

这就要求当代大学生更需找准定位，不要沉迷于传统行业的“稳定幻象”，也不能盲目追逐技术领域的“泡沫热潮”，在学科交叉处深耕，在实践磨砺中成长。

在记者连续多日的采访中，记者深切感受到程雨涵作为青年教师对人工智能技术发展和应用的付出——2017年，产生兴趣；博士在读期间，投入人工智能领域研究；工作过程中，深耕人工智能多样化应用探索……程雨涵对济南AI生态有着很高的期待。他认为，济南是一座拥有“人才强磁场”的城市，这也是他来到济南任教的关键因素之一。

同时，程雨涵也提到“挑战”，“济南在人才引进方面出台了多项支持政策，促进了人才供给与需求的对接。但从就业端数据的反馈来看，部分毕业生在择业时仍表现出对外流动的倾向。因此，要让技术突破真正转化为城市发展动能，仍需找到人才留存与产业创新之间的深层链接。”

如何让城市的岗位匹配青年人的发展预期，是下一阶段需要重点发力的方向。

趣AI

如何教会机器人打台球？

□程雨涵

假设，你现在需要教会机器人打台球。通过人工智能技术，有下面这些方法：

第一种，靠经验数据教机器人学习：让机器人一遍遍打球，然后记录每次的击球角度、力度、球的滚动方向和速度……再用这些数据让机器人自己“总结规律”。但是这种方法需要大量的试错才能学会，如果桌子不平或每次球的位置略有不同，均有可能学得不全面。

第二种，靠物理公式（经济学理论）：你告诉机器人动量守恒、弹性碰撞等经典物理理论，让其按公式计算球的路径。存在的问题是：在现实中球桌并不完美，球也不是理想刚体，计算的理论路径可能不符合实际。

那有没有办法结合两者优势？有，这就是我们研究的方法——

先用理论生成一套“理想世界”数据让机器人学基础；再用少量真实打球的数据微调机器人的模型。结果是：机器人既理解了物理规则，又能适应现实中“不完美”的桌子，从而打得更准、更稳。

在经济学中，我们就是在教“AI模型”去理解，比如期权定价这样的复杂问题。理论提供方向感，真实数据提供校准依据，最终让人工智能既不盲目依赖数据，也不死板依赖理论。

校企合作项目团队

一周足迹

◆周一

根据校企合作项目前期沟通情况，与参与项目成员对接项目进度，现场“头脑风暴”，收集想法、整理方案。

◆周二

收到企业邀请，前往企业实地参访。在沟通交流会中，双方针对企业所需技术支撑、商业逻辑以及市场环境展开调研商讨，校方代表现场介绍现有人工智能技术的能力和边界，提供创新意见。同时，双方友好讨论研发模式、开发周期、预期成本收益等内容。

◆周三

按照课程安排，进行本科生和研究生的课程教学。在讲授传统商学课程时，融入人工智能时代新思路。

◆周四

召集团队会议，讨论现有企业联合项目、自有科研项目等课题任务，化解团队成员在研究中所遇到的难题。

◆周五

阅读相关文献，撰写报告。