人工智能產業背景下的專業應對

魏忠

人工智能是信息浪潮最新的展現形式

自從托夫勒提出第三次浪潮以來，信息革命以超出想象的速度和影響沖擊社會各個方面。工業革命成其為工業革命的前提條件是這項革命所帶來的產值和從事的人口超過總數的一半。一開始，信息技術還只是起輔助作用——無紙化、信息化、互聯網化，信息技術只是極大地提高產業的產出速度。這幾年越來越兇猛的熱點，以及熱點退潮甚至不再退潮的效應，使得信息革命成為真正的第三次工業革命。而到目前為止，繼“互聯網+”、新硬件時代、工業4.0 、物聯網、大數據、數據科學等等概念之后，人工智能成為集大成者。之所以這樣說，不是因為人工智能代替了前面的熱點，而是包含了前面的所有熱點，以一種全社會能夠理解和歡欣鼓舞的概念模式，涵蓋了以往的形式，成為新的熱點。

首先看三張圖，第一張是著名的美國西雅圖華盛頓大學（USNEWS全球排名11左右）的專業申請，每年6月華盛頓大學在校的繼續選擇留下來的6000名學生會向他們的招生官申請專業，他們中間有大學1年級到3年級的學生，近7年最明顯的一個趨勢就是計算機和相關專業比例迅速上升，這也表明這所美國西北部名校的市場需求程度，2017年申請計算機相關專業的人數超過1000人，但是錄取的只有大概一半。商科、計算機、工程和醫學是華盛頓大學的四大品牌，然而這些年，工程和計算機明顯地超過其他專業類的受歡迎程度。而如果我們把計算機和工程合并叫作人工智能相關專業的話，那么無論從總量還是發展趨勢上看，人工智能在這所大學都秒殺其他熱門。

華盛頓大學是美國西北部華盛頓地區唯一一所頂級名校，西雅圖這個城市也并不是美國的IT中心，雖然微軟總部在那里。對西雅圖進行產業分析以后就會發現，華盛頓大學每年的400多位計算機專業的畢業生以及1000位左右的計算機相關專業畢業生遠遠不能滿足當地的需求，原因并不在于IT，而在于“IT化”，也就是我們中國所說的“互聯網+”，華盛頓附近的波音公司等傳統的公司，不再主要招專業人才，而是懂專業的計算機人才！

春江水暖鴨先知，每年留學美國所需要的40萬元左右的費用對于中國家庭來說并不是小數目，而10萬來到美國的留學大軍到底去學了什么專業，應該并不是感性的選擇。第二張圖是一個全國前三的留學機構公布的每年中國學生留學美國300所大學理工科專業申請選項，非常明顯人工智能的直接支撐學科電子、計算機、機械、材料學科，占據了理工科比例的70%以上。與此同時，2017年中國國內薪資和最受歡迎的專業比例中，這四項之和占據了90%以上。

計算機類專業獨占鰲頭，在2017年中國國內高校專業薪資排行榜中，明顯也能看出這個趨勢。由于美國大學沒有標準的專業目錄，分類有點混亂，然而我們如果走進計算機專業內部（圖3）也能非常明顯地看出來，與人工智能直接相關的軟件工程、人機交互、人工智能、視覺與機器學習、科學計算、圖形交互、數據庫、算法占據了超過90%的比例，上面這句話也許是廢話，因為整個計算機專業都和人工智能相關，但是對比中國的計算機專業目錄和美國的這份目錄，人機交互、算法、視覺和機器學習、人工智能、圖形交互，這些加起來超過20%的專業在中國本科目錄里面是沒有的，而中國留學生趨之若鶩的計算機相關專業，其增長熱點只有一個，那就是：人工智能。

從數據來看，人工智能已經不是一個未來的趨勢，而是已經發生了的事實，這個事實悄悄地整合著、偷吃著過去的專業，如果過去你還堅持你學的是工程、是機械、是電子而不是計算機的話，今天它們有一個共同的名字：人工智能。

人工智能是一個專業集合和融合模型，不是一個專業

我們來探討第二個問題，也就是什么是人工智能專業。事實上中國本科專業中還沒有這個專業，即使在美國人工智能排名第一的名校卡內基梅隆大學，也不存在一個專業叫人工智能，因為卡內基梅隆大學每個專業：計算機科學、計算機工程、數字金融、信息管理、數字媒體等等都聲稱自己叫人工智能，而如果從人工智能的內涵來看，這所學校所有的專業合并起來才叫人工智能。2012年我在卡內基梅隆大學訪學的時候，發現了當年美國人工智能的創始人西蒙，1957年給學校定的專業設置構架，就是人工智能，這所學校從那個時候開始，就基本上沒有變更過專業架構。

人工智能是一個專業集合而不是一個專業?？▋然仿〈髮W在美國人工智能排名長期保持第一，并不是有一個專業叫人工智能很強，而是因為這所學校有美國排名第二的信息管理系、美國排名前三的計算機科學學院（有很多人拿到圖靈獎）、美國排名很強的工程和環境科學（拿到諾貝爾獎）、美國排名第三的美術系、美國排名前幾的戲劇和藝術專業。事實上，從卡內基梅隆大學的整個專業配置來看，就是一個人工智能的專業合集。

我也將中國教育部2015年碩士專業目錄按照這個邏輯梳理了一下，按照關注人性、關注效率、關注原理、關注應用的標準，形成了基于人、基于工、基于智、基于能的學科矩陣，矩陣中的專業和專業類涵蓋了目前碩士專業的一半以上，也就是今后一半以上的專業將被人工智能整合，這中間還不包含應用人工智能的專業。為了方便理解，我將人工智能在專業學科上的涵蓋分成以下四個類別。

基于人的人工智能：人工智能不只是理工科的內容，一方面人類學、語言學、社會學、教育學隨著信息技術的應用，變成一門研究人的學問和高度技術依賴型的學科，另外一方面美術、音樂、美學、戲劇、設計等，成為人工智能中重要的展現手段。

基于工的人工智能：工程、技術、控制，高度關注效率和關注應用，是基于人工智能引擎的應用。未來的工程解放人和代替人，需要今后的工程技術人員成為掌握人工智能和應用的融合人才；計算機和行業一個都不能少。

基于智的人工智能：高度關注人和關注原理的結合點，成為心理學、邏輯學、倫理學、遺傳學的學習動因。人類的智慧和意識以及概念需要人搞清楚，也需要和機器相融合，這就是智。人工智能不會削弱對哲學、倫理和邏輯的學習，對這些專業的學習將使用更多的科學化的工具。endprint

基于能的人工智能：高度關注底層原理和產出效率，使目前核心的人工智能的范疇，包含我們常見的物理、化學、電子、生物等學科以及與數學相關的綜合模型應用。

人工智能應對，如何從校園開始？

1. 人工智能時代凸顯了教育的價值，也讓人們重新審視教育。

與一般人想象的人工智能時代，教育將無所作為正好相反，教育將更加重要和持續。一方面人工智能解放了人類重復性的勞動，每天工作6小時、每周工作3天并不是天方夜譚；另一方面，爭取工作權和創造權、與機器替代性競爭成為教育的價值所在。教師比例會大幅度提高、終身學習將成為常態、越來越融合的學習難度、越來越基礎的理論訓練，使得訓練有素的人才能擁有工作權和創新權，教育將越來越重要。工業時代的教育以人為勞動力，注重學什么，而人工智能時代以人的創造為源泉，學什么將更加重要，教師和教育機構將重點集中在個性化的學生學什么上，而怎么學將由人工智能給出策略和更加精確的建議。

2.數理學科將重新回到前所未有的高度。

30年前“學好數理化，走遍天下都不怕”，恐怕會以更高形態的迭代卷土重來。量子物理、材料化學、分子生物學、統計和計算數學，原先是大學的課程，很可能要進入基礎教育教材，人工智能時代凸顯了教育的價值，也讓教育的專業與側重點重新洗牌，一半以上的學科不是沒有價值，而是不應再學了：基于工具化的語言、實用化和標準化的工程學科、沒有創造力需求的工匠產業將大幅度萎縮。每個人擁有獨特技能和掌握少數人擁有的技能成為普遍現象。

3.教育的意義在于人性而不是機器性。

美術、藝術、戲劇、文學、音樂、體育、棋牌、計算機程序語言等與人類成長時間窗口密切相關的學科，將大幅度提前到中小學而不是大學以后。由于多數人多數時間進行學習和教育工作，教育成為人們一種生活方式而不是一種實用的手段和目標，教育體驗將大大加強，教育機構應該布置成未來世界的體驗模板和改變世界的信息模板。教育的意義回歸人性而不是機器性，學校作為一種公共服務成為最好的未來體驗中心和生活中心的趨勢越來越明顯。

4.學生視角下的人工智能產業背景下的專業選項。

未來產業視角下，每個人、每個階段學習和教育的選項都將是個性的和針對性的。對于中小學和基礎教育來說，為了適應未來多變的和動態的世界，更加融合專業、更加應用性的體驗、更加基礎和原理性的學科培養成為三個趨勢，在此基礎上，原先高度抽象和薄薄的教材加上高度機械化的題庫和課外輔導資料模式將會改變。研究型學習根植于研究型和體系性的教材改革，教材將更加從信息角度融合所有的學科并更加系統性地將學科歷史全貌展現給學生。在教學內容方面，編程從娃娃做起和邏輯學哲學從娃娃開始是必然趨勢。

職業學校在人工智能時代受到的沖擊將是最大的和空前的，職業訓練將盡量繞開機器能干的所有領域，而原先職業學校中與人美學、運動學、藝術學、體感、體驗不相關的專業和課程將受到重大沖擊而退出歷史舞臺。

應用型大學會得到空前的發展，充分運用信息技術支撐的各行各業的行內人，將細化和填充由于人工智能產業而引發的更多更豐富的行業分工和產業分工。雖然技術的應用將更加依賴于人工智能，但是應用型培養的大學生將會花更多的時間去整理人類歷史在一個細小領域的工程經驗以及創造性地提出和實現新的想法。

至少從實用主義角度上來看，世界上最聰明的5%的人將不斷從小到大接受更加殘酷的篩選和訓練，這種篩選和訓練是一種挑戰本人潛質和榮譽的機遇。一個數學博士和電子學科學家，除非極少數成為創新企業的企業主，絕大多數從事創造力工作的研究人員，從小到大將承受更大的壓力、更艱苦的訓練、更長時間的學習、獲得的收入并不與付出成正比，但是正如過去歷史上的科學家一樣，心中的榮耀和挑戰人類和自我的快感，不是每個人都有機會的，而未來，整個社會和從事這個行業的人將以此為常態。與此相適應，研究型大學將更加集中在高度形而上、高度邏輯化、高度數學和抽象思維能力的培養，高精尖的技術和高精尖的人才將使得受教育者和教育別人的人，在人與機器大戰中獲得最大的收獲：敬仰和榮耀。如果一個從事研究的人沒有這樣的準備，就可以不選擇。endprint