3月13日下午，智能制造与电气工程学院智能制造系在工程楼211会议室组织了一场关于人工智能在机械设计制造及其自动化、智能制造工程专业中应用的研讨会。本次会议由王如意主任主持，智能制造系全体教师参会。

在会议开始之前，王主任介绍了目前人工智能发展的迅速情况。她指出，人工智能已经成为当今社会科技发展的热点和趋势，给各行各业带来了巨大的影响和机遇。在教育领域，人工智能的应用也逐渐展现出巨大的潜力和价值。王主任强调，作为教师，我们应该抓住人工智能发展的机会，积极应用人工智能技术提升教学质量和效率，教师应当不断学习和探索，将人工智能技术融入教学中，创新教学方式，激发学生的学习兴趣和潜力。只有紧跟时代潮流，积极融入人工智能的发展，才能更好地适应未来教育的需求和挑战，为学生提供更优质的教育资源和服务。

在会议的讨论中，黄坚博士就应用人工智能完成教学工作时提出了警示，强调了注意道德问题的重要性。他指出，随着人工智能技术的迅猛发展，教育工作者在利用这些技术时必须保持高度的道德意识，以确保技术的应用不会导致不良后果。黄博士提到，人工智能在教学中的应用虽然能极大提高工作效率和教学效果，但在数据使用、学生隐私保护和算法透明度等方面都存在潜在的道德风险。他具体指出，尽管人工智能编程在可编程逻辑控制器（PLC）中的应用相对简单，但这并不意味着可以完全依赖机器。黄处长强调，人工智能系统的有效性依赖于高质量的数据输入和适当的算法训练，因此在应用过程中，仍然需要人工干预和监督，以确保输出结果的准确性和可靠性。他提到，教师的角色不仅仅是知识的传授者，更是学生学习过程中的引导者和监督者，必须时刻关注技术的伦理影响，帮助学生树立正确的价值观。

王主任在发言中强调了教学创新大赛应融入智能体系的重要性。她介绍了DeepSeek作为一种语言大模型的应用，针对教学需求进行深度学习的重要性。以数控技术为例，她指出实际加工需要人工调整，利用人工智能深度学习进行针对性地编程。

李瑜煜教授则从教师的角度提出观点，认为人工智能大模型可以减轻老师的工作负担，但目前仍以传统教学方式为主。他建议通过修改课程设置，融入人工智能，开设新的算法课程。他着重强调了通过人工智能辅助设计来提升教学效果，同时强调教师自身需要增强知识理论体系。

赵荣珍教授从机械学科数据的重要性出发，强调了人工智能算法依赖数据，呼吁教师在教学中引导学生重视数据保护和编程技能的学习。

系部其他老师也纷纷发表意见，主要围绕六大核心方向：

一、课程体系优化与跨学科融合

1. 增设核心课程  增设《人工智能基础》《数据科学导论》《机器学习》《算法与逻辑》《人形机器人技术》等，融入智能制造、工业场景优化案例，强化基础理论与应用结合。  

2.跨学科协同  与计算机科学、自动化等专业联合开设课程，培养复合型人才。整合原有课程体系，缩短传统学时，以知识模块化形式融入AI相关内容。  

二、教学内容更新与专业融合

1.前沿技术与案例整合 及时纳入AI新理念、新技术、新应用案例（如生成式AI工具ChatGPT、Copilot等）。  

2.AI与专业课程结合 探索AI在机械类课程中的应用（如CAD/CAE的AI功能、工程图学/电学/力学/设计类课程）。强化算法深度教学，结合工业场景优化，提升实际问题解决能力。  

三、教学方法与模式创新

1. 项目式实践教学 引入真实企业项目，学生分组协作完成，培养团队能力与实战经验。  

2. 人机协同能力培养 教授AI工具高效使用技巧（如提示词设计、结果验证方法）。  

3. 个性化学习支持  构建智能化学习平台，基于学生进度智能推荐学习资源。  

四、教师能力提升与资源共享

1.AI教学技能培训 重点培训大模型开发教学资源（如生成虚拟实验场景）、人机协作研究指导能力。  

2.校际交流与专家引入 组织教师赴AI应用成效显著的高校交流，邀请行业专家进校讲座。  

3. 教学资源共享机制 课程组内定期研讨AI融合教学方法，形成可推广经验。  

五、实践能力与就业导向培养

1. 强化实践环节 增加AI与智能设备结合的实验课程（如LabVIEW物联网通信、自动化测试技术）。  

2. 就业适应性训练 针对AI社会需求，开展技能强化训练，侧重“使用AI技术”而非开发。  

六、资源与平台建设

1.智能化学习平台 开发智能资源推荐系统，集成虚拟实验场景、行业案例库等。  

2. 测控技术课程拓展 增设《LabVIEW数据采集与仪器控制》等课程，提升测控编程技能。  

这次研讨会深入探讨如何运用AI技术助力课程重构、师资强化、实践深化等专业建设，为推动智能制造工程专业的发展和创新贡献了重要的思想交流与启发。