我國高校人工智能人才培養：問題與策略

張海生

(1. 重慶文理學院 期刊社， 重慶 402160； 2. 中國人民大學 教育學院， 北京 100872)

一、 問題的提出

人工智能發展至今，已經經歷了三次發展熱潮。與前兩次熱潮不同，本次人工智能研究呈現新的特征，即人工智能技術走出實驗室，與傳統產業和工業緊密相連。面對如此情形，各國政府都想抓住第三次人工智能發展帶來的機遇，積極布局人工智能發展規劃。我國也不例外，積極出臺了相關政策，從宏觀層面對人工智能的發展進行戰略規劃和布局。在此背景下，我國高校應借助人工智能發展的有利契機，加強人工智能學科專業的戰略規劃和長遠布局，加快推進人工智能一級學科建設和人才培養進程[1]。

事實上，我國高校十分關注人工智能技術及其與教育的融合發展，尤其是隨著《中國制造2025》和新工科建設的提出，人工智能作為一種前沿的新興科技，越來越受關注。包括清華大學、吉林大學、南京大學、中國人民大學等在內的幾十余所高校相繼建立人工智能學院，以加強對人工智能的研究和人才培養規劃。此外，2018年7月24日，教育部學校規劃建設發展中心確定了28所“AI+智慧學習”共建人工智能學院項目試點學校，5所項目培育學校[2]。這些嘗試和探索，均旨在通過人工智能人才培養推動人工智能產業發展，從而占領未來科技和人才競爭的制高點。但就目前而言，針對我國高校人工智能人才培養的研究成果還較少，現有成果多從應然層面來切入，主要涉及人工智能教育理念、目標、方法等。一般認為，人工智能將對高校人才培養規格、環境、教學和教師角色等均產生重大影響[3]，但目前我國高校人才培養卻長期存在著機械化、形式化以及人才評價和反饋機制缺乏科學性等問題[4]，現階段人工智能人才培養仍以技術型、研發型為主，文科人工智能人才培養力度不足[5]，難以滿足人工智能產業深度要求。雖然我國高校也在積極開展與人工智能人才培養相關的課題研究、學科建設活動以及人才培養實踐探索，但總體上而言，目前研究探索的廣度和深度仍然不夠，尤其是與人工智能人才培養相關的理論研究和實踐探索仍需加強。因此，我國應加快高校人工智能人才培養，推動并引領人工智能服務社會發展[6]。文章以我國高校人工智能人才培養為主題，在堅持高等教育發展規律和人才培養規律的基礎上，深入探討高校人工智能人才培養問題，并據此提出我國人工智能人才培養的主要思路和發展策略。

二、 我國高校人工智能人才培養的現實問題

學科作為人才培養的基本單位，在高校人才培養過程中發揮著舉足輕重的作用，尤其是在中國現行的人才培養制度下，學科地位的獲得是進行招生、人才培養的前提。雖然人工智能研發熱潮在進入21世紀后得到了前所未有的重視，但高校人工智能發展仍然處于試點和探索階段，尤其是在人工智能人才培養方面還面臨著諸多現實困境。

(一) 人工智能學科建設起步晚，尚未形成人工智能類專業集群

與國際人工智能研究相比，我國將人工智能研究納入國家計劃(“智能模擬”)始于1978年[7]，在隨后的幾年內，人工智能研究艱難起步，發展較為緩慢。隨著1981年9月中國人工智能學會的成立和1982年《人工智能學報》的創刊，我國人工智能研究迎來曙光，并開始了相關項目研究。此后，隨著人工智能相關的研究成果(如專著、論文等)不斷出現，學術期刊(如《模式識別與人工智能》《人工智能學報》等)不斷涌現，以及學術會議相繼召開，人工智能研究才相繼鋪展開來。

人工智能教育和人才培養是人工智能學科發展的基礎[8]。我國高校于20世紀80年代中期開始培養人工智能相關人才。2003年，北京大學在國內首次設立智能科學與技術本科專業，并于2004年開始招生。但在過去的16年中，智能科學與技術專業的發展充滿了艱辛(1)從專業性質看，該專業2004年誕生之時被定為試辦專業(專業代碼是080627S)，并且試辦了8年。直到2012年教育部公布新的本科專業目錄，智能科學與技術才從試辦專業上升為特色專業(專業代碼是080907T)。。統計數據顯示，在過去的15年(2003—2017年)中，與人工智能相關的本科專業發展極為緩慢。但隨著大數據、“互聯網+”、智能算法等新興技術的快速發展，與人工智能相關的學科專業不斷涌現，如機器人工程(2015年)、數據科學與大數據技術(2015年)、智能制造工程(2017年)、智能醫學工程(2017年)、人工智能(2018年)等；從普通高等學校本科專業設置與服務平臺公布的2018年全國高校增設的本科專業看，新工科專業獨占鰲頭，帶有“智能”二字的新增本科專業共計235個，與人工智能密切相關的本科專業有535個，占新增本科專業總數(2 542個)的21.05%(2)由《教育部2003—2017年度普通高等學校本科專業備案和審批結果的通知》和普通高等學校本科專業設置與服務平臺公布的相關數據整理而來。。

盡管近幾年與人工智能相關的專業得以在各大高校設立，但人工智能學科的建設依然相對滯后，也未能取得獨立的一級學科地位，學科建制和學科發展還處于以規模擴張的外延式發展階段，高校人工智能專業建設也才剛剛起步。正是由于人工智能學科建設的滯后，人工智能教育教學和科研活動散落于其他多個一級學科，人工智能學科專業群也尚未形成，這在很大程度上阻礙了我國人工智能學科專業的發展和人工智能人才的培養。

(二) 人工智能領域人才供求失衡，高質量師資匱乏

人才，是行業和產業發展的根本。人工智能領域人才尤其是領英人才在很大程度上決定了一國人工智能發展的水平、高度和精度。就目前而言，我國人工智能產業發展面臨的首要問題是人才供給側與需求側嚴重失衡。從高校人工智能人才供給來看，全球共有376所高校開設人工智能領域相關專業或研究方向，其中美國高校高達168所，而中國高校僅有57所，而且接近一半(26所)是近幾年剛設立的(3)根據教育部普通本科高等學校新增或備案專業目錄，2003—2017年，共有57所高校設立了智能科學與技術專業，其中2016年新增7所高校，2017年新增19所高校。；我國高校人工智能人才投入總量累計僅為179 349人，其中浙江大學人工智能人才投入量最大，上海交通大學、西北工業大學、清華大學等校緊隨其后[9]。但面對我國人工智能領域的百萬級量缺口[10]，這種小規模的人才供給顯然不能有效滿足市場的巨大需求。

此外，我國高校人工智能人才培養還面臨高質量師資匱乏問題。鑒于人工智能產業發展先于人才培養，那么分布于全球各大科技巨頭以及各行各業的人工智能技術人才尤其是領英人才就成為高校進行人才培養賴以支撐的重要潛在力量。但從領英人才的分布來看，全球人工智能領域專業技術人才多集中于美國等西方國家，我國人工智能領域專業技術人才僅5萬余人[11]，其中領英人才和專家人數僅619人，遠低于美國(12 027人)、英國(2 130人)、加拿大(1 431人)、法國(1 034人)、德國(902人)和西班牙(633人)(4)https:∥www.phb123.com/xinwen/rd/22620.html.。正是由于人工智能領域頂尖人才的匱乏，我國的人工智能發展在大部分領域仍處于追趕和模仿階段，這為高校人工智能教師隊伍建設提出了更大挑戰。在人工智能人才難求的現實情境下，高校及科研機構的人才還不斷被企業和科技巨頭以絕對的高薪延攬。研究表明，中國10%左右的人工智能領域人才曾在高校或科研機構工作過，其中超過一半在之后流入企業[11]。從長遠來看，人工智能的持續發展將取決于高校人工智能人才的系統輸出，但高校進行人工智能專業人才培養的關鍵問題在于教師資源的稀缺，因為優秀的人才都被巨頭科技公司挖走了[12]。

(三) 以高層次教育為主，人工智能教育人才培養體系尚不健全

人工智能產業鏈分為三層：基礎層；技術層；應用層(見圖1)。其中，基礎層(主要涉及軟件、算法、平臺等領域)成為人工智能最大的人才需求點。目前這些領域基本上處于技術快速發展、突破瓶頸階段，急需高層次研發人才，這種發展趨勢剛好與我國人工智能教育逐漸形成的以高層次人才培養為主(研究生教育成為主體)的格局相契合。一方面，這可以從求職者的學歷分布上加以證明。研究顯示，擁有碩士或博士研究生學歷的求職人員比例為55.4%(其中碩士學歷人員占比47.8%、博士學歷人員占比7.6%)，而專科學歷人員的占比僅為1.1%[13]。另一方面，從高校人才培養的現狀來看，在2018年之前，沒有一所高校單獨開設人工智能專業，人工智能人才培養的層次多指向研究生教育而非本專科教育，培養機構也多為專門的科研機構，高校則以智能科學與技術這一本科專業為試點，小規模發展。由此，我國形成了高校人工智能人才培養以研究生教育為主的特征，也基本形成了人工智能領域“本-碩-博”一體化人才培養梯隊。盡管這種人才培養梯隊的形成，有助于人工智能基礎層的研發和突破，但對于技術層和應用層所需的各類人才以及普通大眾而言，仍然是不完善的。換言之，人工智能教育主要指向高等教育階段，而與基礎教育、職業教育、成人教育以及終身教育等層次和類型的教育融合發展緩慢，人才培養體系尚不健全。事實上，一種新技術的誕生要想被大眾快速地了解和接受，除了需要大眾傳媒的廣泛宣傳與推廣外，最直接和最有效的方式就是建立和健全多層次、多類型人才培養教育體系，使之融入各級各類教育教學過程。因此，加快構筑和健全人工智能教育人才培養體系刻不容緩，由此方能形成與人工智能領域基礎層、技術層和應用層相適配的人才供給系統。

圖1 人工智能產業鏈分層及其領域應用

三、 我國高校人工智能人才培養的發展策略

可以預測，隨著核心技術的不斷突破，人工智能將對世界帶來顛覆性的變化，一切都將變得智能化，人工智能很快會成一種日用品。然而，當下高校人工智能人才培養的相對滯后卻與人工智能產業的蓬勃發展之間呈現倒掛現象。因此，構建人工智能技術和產業發展同人才培養之間的良性互動機制十分迫切。基于此，我國高校應通過提高人才培養質量與規格同人工智能發展之間的契合度，為人工智能技術及產業發展提供人力支撐，構建具有中國特色的智能人才培養理論體系和實踐典范。

(一) 加快人工智能領域一級學科建設，形成人才培養新目標

無論是從人工智能學科建制的現實條件和成熟度(5)費孝通認為，一門學科要想獨立成為一級學科，是要經歷其學科社會建制的，一般包括五個方面：學會；專業研究機構；各大學的學系；圖書資料中心；專門出版機構。，還是從我國高校人工智能學科建設的現實基礎和實踐探索，抑或是從國家對人工智能產業和人才培養的迫切需求來看，人工智能領域設置一級學科的條件已經成熟，何時能夠獨立為一級學科，只是時間問題[14]。盡管目前學界對于人工智能一級學科的設置還存在諸多爭論和質疑——在計算機科學與技術一級學科下設置人工智能研究領域和方向比較合適，沒必要再將人工智能作為一級學科與之并列。但是，需要明確的是，在我國現行的高等學校學科專業目錄設置制度下，學科與資源是緊密相連的，在評價上，教育部只承認一級學科，評什么東西都看一級學科，撥款也按照一級學科[15]。因此，對于學科發展而言，爭取到一級學科是至關重要的，因為只有獲得了一級學科地位，才能從事與之相關的學科建設和人才培養。可以說，學科地位的獲得是人工智能在高校得以發展的合法性前提。

當然，我們還需要區分兩種不同邏輯下的學科發展路徑：市場需求導向下的學科生成(新興學科)；知識分化導向下的學科生成(傳統學科)。人工智能作為一個新興學科，其發展的根本動力在于產業鏈的應用，本質上是市場需求驅動的。這種市場需求導向生成的學科并不是沒有根據的，就像大學職能的拓展一樣，學科的生成也需要根據外部社會環境的變遷而有所改變。這種生成邏輯也契合布魯貝克(John Seiler Brubacher)在《高等教育哲學》中所強調的“政治論的高等教育哲學……甚至壓倒了認識論的高等教育哲學”，即社區(市場)需要是決定課程和學位的最后標準，因此，“大學的組織和職能必須適應周圍人們的需要……像社會秩序本身一樣充滿活力和富于彈性”[16]。就學科本質而言，作為高度交叉融合的人工智能，推進一級學科建設自然也與以知識分化為導向的傳統學科建制不同，需要摒棄傳統學科界限明顯、壁壘森嚴的思維局限，按照新的思維方式將傳統學科進行整合——借助人工智能技術的高智能性[17]和強大的科技滲透性賦能傳統學科轉型，加速不同學科之間的交叉融合和協同發展[18]。由此，智能時代的高等教育人才培養質量、規格、規模和目標等方面都將發生根本性轉變：更加注重培養學習者的復雜溝通能力、快速學習能力、創造力和批判精神以及與智能機器競合(既競爭又合作)的能力[19]。具備跨界融合理念的復合型人才將成為智能時代人才培養的新目標，提升人才培養的社會適應性和應用性。

(二) 推進人工智能與其他學科專業的融合發展，形成人工智能專業新結構

學科專業是高校人才培養的基本單位，從根本上決定了人才培養的方向、規格與質量標準。雖然人工智能學科建設和專業建設尚處于初步階段，但這并不代表人工智能相關專業的建設沒有規律可循。人工智能核心技術的不斷突破從根本上為傳統學科專業的更新換代提供了技術支持，推動傳統學科專業建設多學科交叉融合。這種發展趨勢主要表現在以下三個方面。一是從技術創新的角度看，人工智能技術將衍生新工科專業，即通過技術的進步引領人工智能與各個產業領域深度融合，創造或塑造一個又一個新的產業或領域，與之相對應，高校也應根據產業發展要求調整專業布局，形成新的專業結構。可以預測，在接下來的幾年內，高校人工智能本科專業將會蓬勃發展，并會形成極具衍生性的人工智能類專業集群。二是從技術顛覆的角度看，人工智能會加快傳統專業的改造或消亡，即人工智能關鍵技術的顛覆會倒逼高校專業更新換代，以往舊技術范式下的專業將被淘汰，或走向消亡，或得到改造，如物聯網(感知智能)、大數據(數據智能)、機器人(行為智能)等[20]。三是從人才培養的角度看，跨學科教育和多學科交叉融合發展是大勢。人工智能將打破和融通不同學科專業的藩籬，推進學科交叉融合發展，形成“人工智能+X”的專業新結構。這里的“X”不僅指涉人工智能技術所衍生的新工科專業，還包括人工智能與其他學科專業之間的協同發展(6)這里主要強調運用人工智能推動傳統工科改造與升級，推動傳統理科向工科應用延伸，以及實現人工智能與歷史、文學、法律、管理、藝術等人文社會科學專業的協同發展。，實現高技術與高人文的統一。總之，未來人工智能并非單兵突進，它必然需要多學科并進，并以人類現有的文化、政治、協商等制度和法規去約束和規范[21]。

具體到實踐層面，我們還需要考慮技術、產業與專業的關系。智能化作為經濟社會發展的重要特征，傳統的學科專業設置尤其是傳統工科已經不能很好地適應經濟社會發展，而解決問題的關鍵就是要憑借人工智能學科專業建設的有利契機，加強對傳統工科專業的升級和改造，使之向智能化方向轉變；推動與其他學科專業之間的融合，形成“人工智能+X”的學科專業集群；獨立設置相關專業或研究領域，如高校可以獨立設置人工智能、智能科學與技術、機器人工程等專業，由此形成富有特色的專業群，推動人工智能一級學科的形成；推動與行業企業的聯動、與經濟產業的深度融合發展，為產業新形態的形成提供支撐，為人工智能領域多主體協同育人共同體的構建提供基礎；構筑人才培養模式，加強課程建設，堅持以課程為基礎和紐帶，推動人工智能特色專業(群)的形成。

(三) 堅持分類分層培養，構筑人工智能領域人才培養新模式

鑒于不同類型、不同層次高校學科建設的路徑不同，加之人工智能三個層級產業鏈的發展需要不同層次和類型的人工智能人才，這要求高校人工智能人才培養層次分明、類型多樣。因此，不同類型、不同層次的高校應根據自身學科優勢和辦學條件，走特色發展、錯位發展和差異發展之路。高校應以人工智能產業鏈的三個層次為參照，根據辦學條件和歷史傳統，通過比較優勢，創建符合自身和區域經濟社會發展的高質量智能人才培養體系。從國內新工科人才培養的實踐經驗來看，課程在人才培養中起關鍵性作用。因此，我們也應基于課程重構高校人工智能人才培養的教育新模式，以下兩種模式有可資借鑒之處。

1. 縱橫交錯拓展模式。從橫向拓展看，人才培養的關鍵在于打破傳統學科、專業、課程之間的隔閡與間隙，創新教育教學管理制度，構建主修與輔修相結合的發展模式；從縱向延伸看，人才培養的關鍵在于打破不同教育層次課程之間的割裂弊端，通過重新編碼課程，解決不同層次人工智能教育課程之間相互割裂的問題，形成人工智能多層次教育體系。簡言之，橫向拓展旨在夯實學生的學科基礎，加強學生人文素養與科學素養的融合；縱向延伸旨在縮短培養年限，解決人才培養的效率問題[22]。

2. 多主體協同創新模式。一是產教融合模式。高校應根據人工智能產業發展趨勢，積極布局與人工智能相關的專業和研究領域，使人工智能產業與高校人才培養密切結合，把學校辦成集人才培養、科學研究、科技服務為一體的產業性經營實體[23]。二是校企合作模式。鑒于全球人工智能人才尤其是領英人才大多被企業和科技巨頭延攬的現狀，高校必須集中優勢資源，通過校企合作聯合培養，加強學校與企業資源、信息的共建和共享，推動工程教育回歸實踐，不斷提升人工智能人才培養的社會適應性。三是國際合作模式。該模式通過多種國際合作如聯合開發課程、中外合作辦學等方式，充分利用國內外兩個平臺、兩個市場的優勢資源和人才力量，聯合培養人工智能領域高素質復合型人才。四是政產學研用一體化模式。該模式通過推動政府、產業、教育、科研機構、企業和行業協會等利益主體協同合作，互通有無，形塑不同利益主體各司其職、相互促進的良性交互協同育人生態環境。

由此，作者試圖建構不同類型、不同層次高校人工智能人才培養與產業鏈三個層次人才需求之間的對應關系。需要指出的是，這種對應關系并不是絕對的，只是為了更加清晰地明確不同類型、不同層次高校在人工智能人才培養過程中的主要面向。一是綜合性高校主要面向人工智能產業的基礎層，側重軟件、算法、平臺和硬件的開發。因此，綜合性高校應選擇橫向拓展模式，即強調人工智能與其他學科專業之間的復合交叉，側重跨(超)學科、跨行業、跨領域的復合交叉人才培養，強調寬口徑、厚基礎、綜合性、復合型[24]。二是工科優勢高校主要面向人工智能產業鏈的技術層，強調圖像、視覺、語音、自然語言處理、腦科學等技術前沿的開發。由此，工科優勢高校可以選擇縱向拓展模式，即通過課程重新編碼，貫通本-碩-博人才培養體系，強調人才培養的多元多樣。三是地方高校主要面向人工智能產業鏈的應用層，強調人工智能在搜索引擎、機器人、推薦系統、智能交通、智能教育、精準/智能醫療、智能家居以及其他領域的應用與延伸。因此，地方高校應選擇多主體協同創新模式，即加強產教融合和校企合作，充分調動不同利益主體的主動性和能動性，實現相互合作，互通有無，構筑多主體協同育人共同體。

(四) 堅持以本科教育為主，構建人工智能多層次多類型教育新體系

智能時代的來臨，必然促使各級各類高校人才培養目標的轉向。因此，我國需要不斷優化高校學科專業設置，構建集人工智能專業教育、職業教育和大學基礎教育于一體的高校教育體系[1]。就普通高等教育而言，高等專科/職業教育階段應著重強調人工智能技術的轉化與應用；本科教育階段強調人工智能教育基本原理、方法和思維的訓練；研究生教育階段強調人工智能高端人才和骨干技術人才的培育。就基礎教育而言，我國應在中小學階段引入人工智能普及教育，著重強調機器人對兒童個性化學習的輔導與幫助；鼓勵、支持高校相關教學、科研資源對外開放，建立面向青少年和社會公眾的人工智能科普公共服務平臺，積極參與科普工作[1]；成人繼續教育(終身教育)著重強調對社會公眾和人民群眾人工智能意識和能力的培養。就目前而言，在這幾個層次結構中，我國應堅持以本科教育為主體，分別向上(研究生教育)和向下(高等專科教育)進行延伸，并積極開展終身教育，構筑人工智能多層次多類型教育新體系。

堅持本科教育為主，一方面，我國要轉變高校人工智能人才選拔和招生方式，由傳統招生方式轉變為大類招生和中期分流。學生進入學校后，不是直接接受專業教育，而是要先在1～2年的通識教育基礎上，再進行專業和方向分流。另一方面，我國要重構高校人工智能人才培養方案： 一是教育理念轉向，即要以新工科理念統領人工智能人才培養，回歸工程設計；二是培養特色凝練，即專注人工智能關鍵方向與核心領域的技術突破與深耕；三是課程結構調整，即要構筑“通識課程+專業基礎課程+專業方向課程+實踐環節”四位一體的課程體系；四是教學管理制度創新，包括實行真正的學分制、導師制、彈性學制，堅持以學生為主體的教學，創新教學方法，不斷激發學生的學習積極性，賦予學生更多學習的主動性和能動性。

四、 結 語

學科領域的生成一般遵循兩條途徑：學科領域隨著知識的分化而逐漸自成體系；外部社會需求和市場需求刺激下的學科生成。就此次人工智能學科建設而言，其并未遵循傳統學科生成的邏輯，而更多是由外部需要尤其是產業發展需求而催生的。但無論是由哪種邏輯催生，其都已經被各國政府、高校提上了議事日程。隨著人工智能產業應用的不斷擴散，與其相關的各類人才的培養迫在眉睫。現代大學作為社會服務的軸心機構，必須對此類的社會需求進行及時有效回應。需要注意的是，在利用人工智能等新興技術賦能高等教育的過程中，技術既是教育教學的手段和工具，也是導致教育教學發生顛覆性改變的革命性因素，亦即構成了今天教育教學難以離開甚至賴以生存的環境與生態[25]，由此也就構成了人工智能必須建構一級學科的實踐邏輯。因此，我國高校應積極抓住本次人工智能研發和產業應用的熱潮，主動布局與人工智能相關的學科專業，加快人工智能領域一級學科建設，推進人工智能專業集群建設，培養更多精通人工智能原理、操作原則和實踐規范的高素質復合型人才，進一步彌補人工智能產業人才的現實缺口，以有效應對人工智能時代人才難求的現實難題。

此外，鑒于現階段依然處于弱人工智能時代，無論是實踐層面還是理論層面，人工智能與高等教育深度融合發展的前景雖然廣闊，但前路漫漫，未來高等教育需要從“人工智能+教育”向“教育+人工智能”過渡[26]。為此，我們有必要重新思考人工智能時代教育(教育的意義和價值、教育的方式和性質、教育的方向和倫理等)將如何存在[27]。同時，人工智能技術在社會各行各業的不斷滲透也警示我們，高等教育必須提早謀劃、主動迎接，不斷提升教育的智能化水平和信息化水平，進而提升教育的民主化與科學性。