面向人工智能的“新工科”人才培養模式探索

孫紅 莫光萍 巨志勇

摘 要：隨著人工智能技術的快速發展，面向人工智能的新工科人才逐漸成為企業迫切需求的人才。為了改善人工智能熱潮中新工科人才短缺的局面，提出與企業人才需求緊密結合的人才培養模式。對人工智能的興起及興起過程中對新工科人才的需求等內容進行探索與研究，從學校、企業與政府角度提出新工科人才培養面臨的問題及解決辦法，并以實際案例為參考對新工科人才培養模式提出建議。

關鍵詞：人工智能;新工科;人才培養模式

DOI：10. 11907/rjdk. 191908 開放科學（資源服務）標識碼（OSID）：

中圖分類號：G434文獻標識碼：A 文章編號：1672-7800（2020）005-0252-04

0 引言

隨著自動駕駛、大數據、云計算等新興產業的快速發展，高校教育也面臨著機遇與挑戰。目前各國政府都將與人工智能領域相關的新興產業人才培養[1-2]，作為創新驅動發展戰略與教育深化改革的核心。如2016年10月13日，美國政府發布《國家人工智能研究與發展策略規劃》，提出人工智能產業發展戰略;2017年10月15日，英國政府發布名為《在英國發展人工智能》的報告，對英國的人工智能發展提出4個方面的行動建議。在國內，2017年7月8日，國務院印發《新一代人工智能發展規劃》，提出面向2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施，部署構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國。如今企業對各種新興產業人才也有著迫切需求，因此面向人工智能的“新工科”人才培養模式開始受到人們關注。

傳統人才培養模式是各專業都有自己的培養計劃，很少與其它相似度較低的專業聯合培養人才。對于“新工科”人才培養，最重要的是打破各專業人才培養中的各自為陣。國內已有部分學者對此進行研究，并取得了一定成果。如周開發等[3]對“新工科”人才培養模式進行研究，提出采用合作學習、整合教育技術、創建虛擬學習環境、跨學科協同合作、實踐互動等教學策略，但忽略了對于學生培養應因材施教;許濤等[4]提出校企聯合培養的方式，解決了學生在校實驗項目與實際工作需求差距大的問題，但沒有根據人工智能專業提出具體案例用于參考借鑒。

本文根據人工智能時代對人才需求特點，對“新工科”人才培養模式進行深入研究，并以上海理工大學智能科學與技術專業自2010年開設的實驗課為例，介紹如何將企業與學校項目相融合作為實驗內容，才能讓學生將實驗課中學習到的技能迅速應用于工作實踐中。

1 人工智能與“新工科”

1.1 人工智能時代

當2019年3月27日國際計算機學會宣布深度學習三“教父”——Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同獲得2018年圖靈獎后，“深度學習”開始迅速占領各個領域，新一輪人工智能熱潮席卷開來。人工智能興起最明顯的證據莫過于在商業領域，在過去3年里，全球范圍內對AI領域人才的需求量急劇增長。領英平臺發布的《全球AI領域人才報告》指出，截至2017年一季度末，全球人工智能領域專業技術人才數量超過190萬，其中美國人工智能領域專業技術人才總數超過85萬，位居榜首。中國人工智能領域專業技術人才總數超過5萬人，居全球第七位。這一切都標志著人工智能時代的來臨。

1.2 “新工科”概念提出

新一輪技術革命在給各行業帶來巨大機遇的同時，也帶來了巨大挑戰。人們都致力于推動這股浪潮，努力突破原有已掌握的技術，思考并創造新的理論與技術。2017年教育部在上海舉行綜合性高校工程教育發展戰略研討會，探討新工科內涵特征，以及新工科建設與發展路徑選擇等內容，“新工科”由此進入各大高校視野[5]。

狹義上，“新工科”是指對傳統工科專業進行改革創新，發展一批新興工業[2]。一方面需要以促進經濟高質量發展為主要導向，面向未來經濟發展新形態與新業態對傳統工科專業進行改革，另一方面需要增設一批以人工智能、機器人、智能制造、云計算、大數據等新興技術為核心，面向新經濟與新產業的新工科專業[6]。廣義上，“新工科”是一種全新教育理念，是適應未來新技術革命與經濟轉型升級的未來工科教育改革方向。

相比傳統工科人才，未來新興產業與新經濟發展需要的是工程實踐能力及創新能力強、具備國際競爭力的高素質復合型“新工科人才”，其不僅需要具有“學科交叉融合”特征，還要在掌握現有知識的基礎上，學習新的理論與技術以解決未來發展中可能遇到的問題，引領未來技術和產業發展。

2 “新工科人才”培養需求

關于“新工科”建設，產業需求專業布局是“新工科”建設的重點布局之一，為此，教育部新批準設立機器人工程、數據科學與大數據、智能制造工程、智能醫學工程、智能建造、大數據管理與應用等新專業群。2018年，申請設立人工智能專業的有38個院校，設立機器人工程專業的有108個院校，設立數據科學與大數據技術專業的有233個院校，設立智能科學與技術專業的有100個院校，設立網絡空間安全專業的有36個院校，設立大數據管理與應用專業的有26個院校。專業發展如此迅猛，說明目前相關人才嚴重缺乏。整個社會對面向人工智能的“新工科”人才培養有著迫切需求，主要有以下幾方面原因。

2.1 國際大勢所趨

當前人類社會已經處于信息時代，與“新工科”發展密切相關的大數據、云計算、互聯網等技術得到快速發展，人工智能發展也是國際高科技發展的大勢所趨。中國要抓住這個千載難逢的發展機遇，就要致力于面向人工智能的“新工科”人才培養，從而在新工業革命中推動國家經濟快速發展。

2.2 國家戰略驅動

我國社會經濟發展正面臨新的機遇與挑戰，勞動力紅利的減少、老齡化社會的到來以及產業轉型等問題，都需要通過發展新技術逐一加以解決。新興的人工智能產業能夠為解決現有經濟和社會問題創造良機，中國的社會進步與經濟發展迫切需要人工智能的參與，中國產業轉型升級與社會發展重構也迫切需要一批優秀的面向人工智能的“新工科”人才。

2.3 智力資源優勢

中國發展“新工科”具備得天獨厚的智力資源優勢。國際上43%的人工智能論文都是由中國人撰寫的，世界排名第一。基于中國對基礎數學教育的重視，中國大學生有學習人工智能理論知識所需的數學功底，從而可以大批量訓練“人工智能工程師大軍”。

正如斯坦福大學教授李飛飛所言：當下AI仍是一個非常新的領域，需要在基礎教育及科研方面加大投入規模，否則不管從人才角度還是整個領域發展角度都會出現危機，只有通過企業界與學術界的共同努力，才能培養更多優秀的AI人才。因此，在人工智能時代，必須構建適應未來社會發展變革的人才培養新模式，并進行深入探索與研究。

3 “新工科”人才培養模式

“新工科”專業旨在培養人工智能時代適應新技術革命發展、符合新經濟需求的人才，因此不失時機地開展以數據素養、人工智能素養為核心的數字素養教育顯得尤為必要。

3.1 人工智能對師資力量的改變

在圍繞“新工科”進行教育改革的過程中，師資力量是其中一個難點。由于人工智能產業發展迅猛，技術迭代更新也十分迅速，部分本科、職業院校缺乏師資積累，短期內也難以培養，在西部甚至發達沿海地區，仍存在教育資源分配不公平的情況，導致大量院校都處于難以獨立、良好地完成“新工科”專業建設與人才培養的困局。

如今已進入互聯網時代，當代大學生與過去學習者的重要區別之一在于其成長伴隨著互聯網、電腦和智能手機，其熟悉各種智能產品操作，而且更傾向于借助新技術認識世界，習慣在網絡中尋找所需信息，并以此構建知識體系[3]。

在該背景下，可以引進AIED概念。AIED（Artificial Intelligence In Education，AIED）屬于教育科技，是人工智能技術對教育產業的賦能現象，本質上是人工智能對教育工作的輔助與替代，可將教師與學生從大量重復工作中解放出來。在大數據時代下，AIED產品可以收集學生學習數據，利用人工智能技術進行分析與預測，從而優化學生的學習方法[7-8]。教師可以在共享平臺上發布錄制的課程，學生們從中選擇感興趣的資源進行學習，甚至可以在平臺上與教師展開討論，從而加深自己對知識的理解[9]。平臺通過對學生作業與學習情況的分析，為學生量身定制合適的學習方法。該方式不僅解決了各地區師資力量分配不均的問題，還解決了學生學習方法缺乏針對性的問題，從而使人才培養計劃能夠得到高效、公平的實施[10]。

3.2 人工智能文化培養

人們對人工智能的態度決定著人工智能未來的發展[11]。人們對于一個新誕生的技術或觀念，通常會產生一定抵觸心理，部分人甚至還存在人工智能將來可能取代人類的顧慮[12]。另外人們在學習新技術過程中，因為新技術相關知識是人們從前沒有見過的，甚至可能顛覆以往常識，因此部分人在學習人工智能過程中，會因為其復雜性而中途放棄。

所以，培養面向人工智能的“新工科”人才，要充分發揮學校教育的優勢。之所以會出現反對AI技術的聲音，是因為人們缺少對人工智能文化的了解，或者人們對人工智能的了解只停留在淺層，認為它們做了人類的工作，就會導致大多數人失業。但當人們對人工智能有了一定了解，熟悉人工智能運作方式，理解該技術只是作為人類的輔助，甚至當人工智能文化在潛移默化中逐漸成為人們生活中的一種常見事物時[13]，該顧慮將不復存在。因此，在中小學就要開始普及人工智能文化，大力開展人工智能科普活動，如組織學生參觀企業的人工智能產品等，讓學生從小就對人工智能技術有充分認識，這是保障人工智能技術可持續發展與 “新工科”人才培養來源的重要手段。

同時，因人工智能技術高層次知識需要有一個公式不斷推導、演算，從而得出可實現模型的過程，因此學校需要繼續加強數學學科教學。學校人工智能相關專業還可以與數學專業聯合，致力于讓學生學會推導人工智能知識中的線性回歸模型及各種神經網絡模型等。只有打下扎實的數學基礎，才能為人工智能及其應用的蓬勃發展與全面升級提供原動力，知識復雜的問題則不再成為困擾。

3.3 人工智能知識在實踐中的落地

應用是科技創新的不竭源泉，培養面向人工智能的“新工科”人才要與實際應用相結合。在人才培養過程中，最大的難點在于理論無法應用于實踐。在實際工作中，學生不知道如何將學校學習到的理論知識在實際項目中加以實現，從而使人才培養與應用實踐之間出現了巨大的鴻溝。

因此，學校不僅肩負著讓學生打牢基礎的責任，還要讓學生深入思考不同學科中的任務應該如何解決，學習重點是如何根據視覺、語言及大規模數據庫中數據的復雜輸入進行決策或增強人類的能力，從而在創建應用時得心應手[14]。學校可以為學生提供知識與應用融合方面課程作為選修課，或提供一個完整的人工智能應用項目讓其在實驗室完成，從而積累項目經驗[15]。如上海理工大學相關專業導師可為學生申請人工智能應用項目作為學生的創新作業。

同時，企業需要與高校教師建立良好的合作關系[16]，如在企業網站上發布一些項目案例，通過校企聯合培養，為學生從理論到實際應用的過渡提供幫助。以上海理工大學智能科學與技術專業的《智能信息處理》課程為例，實驗課程中的實驗案例之一就是一個合作企業的實際項目案例，從而使培養出來的人才能夠更好地滿足企業需求[4]。

3.4 “新工科”人才培養政策

在“新工科”人才培養，特別是面向人工智能的人才培養過程中，國家是主導。政府要全面規劃高素質人工智能人才培養計劃，進一步建立“新工科”人才培養制度，并將其上升為國家教育規劃重點;完善人工智能領域學科布局，推動人工智能領域一級學科建設，在試點院校建立人工智能學院，增加人工智能相關學科方向的博士、碩士招生名額;鼓勵高校在原有基礎上拓寬人工智能專業教育內容，形成“人工智能+X”的“新工科”復合專業培養新模式，重視人工智能與數學、計算機科學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合[17]，從而為中國在新技術革命發展中占據主導地位提供人才保障。

然而，隨著企業對于人工智能人才的需求呈急劇上升趨勢，目前該領域人才數量卻十分有限。學校培養人才最快也需要四年，若是高端人工智能人才甚至需要更長時間，從而形成了一個巨大的人才缺口。為了解決該問題，可以采取以下措施：

3.4.1 高端人才引進

知識是無國界的，人才是可以跨國流動的。一些國家對人工智能的發展不夠重視，或缺乏發展人工智能的基礎設施及環境，這些國家的人工智能高端人才往往缺乏用武之地。企業可以從這些國家引進人才，甚至可以提供優厚的條件，吸引發達國家的人工智能高端人才，以解決AI人才短缺的局面。

3.4.2 復合人才轉型

人工智能的快速發展吸引了許多人的目光，一些與人工智能專業領域相近的人才可以考慮轉型，因為相近專業學習的課程具有相似性，轉型起來相對容易。在高校中，人工智能專業還可以與其它專業聯合培養人才。例如針對目前人工智能領域研究熱點之一的無人駕駛，學校可以對機械專業和人工智能專業的學生進行聯合培養，或者兩個專業聯合成立實驗室，培養出來的學生即可同時掌握汽車構造及無人駕駛相關知識。再以一個比較熱門的人工智能應用領域——醫學為例，高校中若有醫學專業，也可將一些醫學課程作為智能科學與技術專業的選修課程[18]。如在上海理工大學醫工交叉項目實施過程中，學生一邊學習醫學圖像課程，一邊編寫相關應用對醫學圖像數據進行采集、分析與處理，并利用機器學習與深度學習技術分析病人病情，從而輔助醫生診斷。人工智能專業與其它專業聯合培養出來的人才即是適合企業需求的復合型人才[5，19-20]。

4 結語

本文根據人工智能時代社會對于人才的需求，提出面向人工智能的“新工科”人才培養模式。研究發現，人才培養最關鍵的在于如何提高學生的實踐技能。通過結合企業需求與學生學習水平的課程實驗項目，不僅能為企業培養更適合其需求的人才，還可以幫助學生在實際工作中快速進入角色 [21]。

國際人工智能經過60余年的發展已經取得了巨大進步，目前正呈現爆發增長之勢。中國人工智能領域正在醞釀一場重大的變革與創新，而面向人工智能的“新工科”人才必將為我國的現代化建設，以及提升我國的國際競爭力作出歷史性貢獻。下一步研究方向是企業與學校如何進一步深入合作，從而使學校培養的人才能夠更加符合社會與企業需求。

參考文獻：

[1] 史靜，任東峰，李學平，等. “新工科”背景下工程能力創新型人才培養模式探究[J]. 科技視界，2018（3）：41-42.

[2] 陳建國，陸慧娟，周杭霞，等. 人工智能背景下計算機專業雙創人才培養模式探索[J]. 計算機教育，2019（5）：13-16.

[3] 周開發，曾玉珍. 新工科的核心能力與教學模式探索[J]. 重慶高教研究，2017，5（3）：22-35.

[4] 許濤，嚴驪，殷俊峰，等. 創新創業教育視角下的“人工智能+新工科”發展模式和路徑研究[J]. 遠程教育雜志，2018，36（1）：80-88.

[5] 姜曉坤，朱泓，李志義. 面向新工業革命的新工科人才素質結構及培養[J]. 中國大學教學，2017（12）：13-17.

[6] 鄧遠洋. 新工科背景下高等院校新工科人才培育研究[J]. 海峽科學，2018（12）：50-52.

[7] 桂秋凡，曹雙雙. 人工智能環境下教育情境信息模型構建研究[J]. 軟件導刊，2019，18（1）：221-224.

[8] 方貞貞，翟翔. 創客理念與智能技術相結合的教學模式[J]. 軟件導刊，2019，18（3）：196-198，203.

[9] 張燕，孫光靈. 新工科背景下智慧課堂教學模式研究[J]. 軟件導刊，2019，18（3）：206-209.

[10] 洪小文. 探索AI時代教育新范式[J]. 互聯網經濟，2018（11）：96-99.

[11] 許可心，詹莉芳. 試論科幻電影中人機關系演變以及文化癥候——以人工智能主題為個案[J]. 新聞傳播，2018（24）：27-29.

[12] 高奇琦. 就業失重和社會撕裂：西方人工智能發展的超人文化及其批判[J]. 社會科學研究，2019（2）：64-73.

[13] 刁生富，許清柳. 大學生人工智能的態度與智能文化的培育[J]. 教書育人（高教論壇），2018（11）：36-37.

[14] 姚興華，吳恒洋，方志軍，等. 新工科背景下機器學習課程建設研究[J]. 軟件導刊，2018，17（1）：221-223.

[15] 夏自由. 新工科背景下理工科專業創新創業教育與專業教育的融合研究[J]. 現代職業教育，2019（1）：40-41.

[16] 張銀南，羅朝盛. 面向智能制造的信息類人才培養模式思考與探索[J]. 計算機教育，2019（5）：32-35.

[17] 吳朝暉. 交叉會聚推動人工智能人才培養和科技創新[J]. 中國大學教學，2019（2）：4-8.

[18] 劉永軍，曲文龍，胡吉朝，等. 新工科建設中地方普通高校過程化教育研究與實踐[J]. 軟件導刊，2019，18（3）：214-216，220.

[19] 張海生. 我國高校“新工科”建設的實踐探索與分類發展[J]. 重慶高教研究，2018，6（1）：41-55.

[20] 孫紅，孟佳偉，韓震，等. 智能信息處理實驗課程建設 [J]. 計算機教育，2016（10）：49-51.

[21] 王永雄，張孫杰. 基于模糊層次分析法的計算機教學與創新實踐能力培養評價[J]. 軟件導刊，2017，16（12）：225-228.

（責任編輯：黃 健）