為什么人工智能人才培養這么難？

姚新

摘 要：當代高校的本科生處在一個“知識爆炸”的時代，在有限的四年時間中，需要學習大量的公共基礎課、專業基礎課和專業核心課。同時，為培養德智體美勞全面發展的高水平人才，一些人文素養課、思想政治課、英語課和體育等課程也是必不可少的。這些課程占據了學生的許多學習時間。然而，人才培養的挑戰，不止在于基礎知識的學習。知識固然重要，自學能力和有效獲取新知識的能力更重要，能力培養是人才培養的關鍵。

關鍵詞：本科計算機;人工智能;人才培養;新工科

一、引言

自2016年AlphaGo戰勝世界圍棋冠軍以來，人工智能又迎來了新一輪熱潮，伴隨著這輪熱潮的是對人工智能人才需求的急劇增加。根據騰訊發布的《2017全球人工智能人才白皮書》[1]，全球人工智能領域人才約30萬，其中約三分之二為產業人才，約三分之一分布在高校中。根據領英2019年發布的《全球AI領域人才報告》[2]，截至2017年一季度的全球人工智能領域人才數量超過190萬。而在2014—2016年間，通過領英發布的人工智能職位數量從5萬激增至44萬。雖然統計時間和方式的不同造成了數據上的出入，但不難看出，全球人工智能領域的人才儲備仍低于市場的需求，人才數目的增長還不足以彌補人才市場的缺口。同時，人工智能領域儲備人才的質量、學歷和經驗的占比，與市場需求不對等，難以滿足企業和高校的真正需求。

2017年，國務院發布《新一代人工智能發展規劃》[3]，強調“建設人工智能學科”等發展規劃。2017年12月，全國共有71所高校圍繞人工智能領域設置了86個二級學科或交叉學科。2018年，教育部印發《高等學校人工智能創新行動計劃》[4]，強調“完善學科布局”“加強專業建設”“加強人才培養力度”等，進一步推動高校人工智能領域的人才培養。自2018年4月教育部批準設立人工智能專業，高校紛紛開設人工智能專業和智能科學與技術專業，積極培養人工智能領域的科研和產業型人才。2019年，全國共有35所高校獲該新專業建設資格。

ElementAI發布的《2019年全球人工智能報告》（Global AI Talent Report 2019）中指出，在其調研的21個世界人工智能頂級會議發表的論文總數和至少發表一篇論文的作者數目自2015年來顯著上升（增幅高于15%），于2018年達到兩萬余人，其中（來自企業和高校的）中國作者占11%左右[5]。這個數字反映了我國高校培養人工智能人才的龐大教師隊伍規模，也是人工智能人才培養的基石。

但是，現有的人工智能領域人才的水平參差不齊，人才培養依然不能滿足企業和科研院校的需求。有國家的重點支持，我們又擁有如此龐大的教師隊伍，為何人工智能人才培養依然這么難？

計算機科學是人工智能的基礎。沒有扎實的計算機科學基礎，人工智能就會成為沙地上的漂亮房子。然而，計算機專業技術、知識更新快;計算機科學的教學以課堂講授為主，學生被動學習;本科的課程學習與實際問題脫節;學生普遍缺乏團隊協同與溝通的能力，缺乏項目管理的經驗，缺乏對科學研究方法和方法學的深刻理解和有效應用。這些問題造成了一部分本科生求知欲低、缺乏實戰經驗、畢業設計選題困難、職業規劃模糊，進而在走出“象牙塔”后因職業發展受限和缺乏市場競爭力而造成心理落差大，消極工作、生活，成為“偽人工智能人才”。

二、人工智能人才培養的基礎是計算科學與技術

計算機學科是推動各產業發展的重要學科之一，它與人才培養緊密相關的一個重要特點是專業課程多，且知識技術更新快。許多在課程中學習的知識在畢業后可能就過時了，相關的技術和工具也可能被淘汰。這是高校計算機專業本科生培養面臨的窘迫現狀之一。

計算機科學與技術是人工智能的基礎，而計算機科學與技術人才培養的挑戰不止在軟件基礎。數學、物理類課程也是計算機科學與技術的基礎。其中，數學分析、概率論與數理統計和線性代數等課程是學好機器學習課程的基石。

理解深度學習的基本原理時，沒有高等數學和線性代數的基礎，如何解釋backpropagation，chain rule，stochastic gradient descent，convolu-tion，等等？沒有扎實的軟件工程基礎與訓練，怎么能開發類似于TensorFlow的平臺？即使是學習簡單的演化計算課程時，沒有扎實的概率論和隨機過程的基本知識，如何分析算法的復雜度？對計算機科學基礎缺乏重視的人工智能人才培養體系是不完善的。

體系結構、數據結構、操作系統、編譯原理等計算機基礎課都是“硬”課，學透高等代數、數學分析、離散數學、概率論與數理統計、線性代數、大學物理等課程也需要投入大量的時間和精力。然而，僅有計算機科學基礎還不夠。作為人工智能專業，如深度學習、計算機視覺、圖像處理、自然語言處理、語音處理、自動推理、知識表示等專業課也必不可少。除此之外，為培養德智體美勞全面發展的高水平人才，一些人文素養課、思想政治課、英語課和體育等通識通修課程也是培養方案中的必修課。這些課程占據了學生的許多學習時間，本科四年時間根本不夠來傳授這些知識。那么，人工智能的本科教育究竟該怎么做呢？應該教什么？

三、人工智能人才培養必須以能力為主、知識為輔

現階段計算機系的絕大部分理論課程主要以課堂老師講授為主，學生被動學習;實驗課的題目主要來自課程對應的實驗指導書中所羅列的固定題目。因此，本科生在校期間的專業課學習往往與將來在工作或繼續深造中可能遇到的實際問題脫節，許多學生缺乏分析問題和解決問題的能力，缺乏有效應用專業知識和工具的能力。

由于缺少全程參與實際項目完整流程的經驗，本科生普遍缺乏對科學研究方法和方法學的深刻理解和有效應用。這會導致學生在就業或繼續深造后產生心理落差、對本科階段的學習和自己的能力產生懷疑，進而提高發生心理問題的潛在風險，阻礙了高校培養高質量專業技術人才和高水平科研人才目標的實現。

人才的培養是多維度的，不僅體現在專業知識和技能的理論掌握和實現上，也體現在團隊協作以及對所學知識和技能的正確、高效表達上。然而，工科院系本科生普遍存在寫作和口語表達能力薄弱的問題。導致此問題的原因是多方面的，包括作業和課程設計題目的局限性、作業成果的表現形式和評估方式的單一性等。

此外，大部分課程要求學生獨自完成任務，雖然有助于培養學生獨立完成任務的能力，但同時也導致學生缺乏團隊協作完成項目和項目管理的經驗，導致步入職場后團隊協同與溝通能力不足，更限制了學生的競爭力和潛在的升職空間。

1.人才培養重在能力的培養，不僅僅是知識的傳輸

為了建立健康的、有效的人工智能人才培養體系，我們思考以下幾個問題。

首先是對人才培養的定位。人工智能專業人才培養的目標是什么？人工智能研究人員，人工智能工程師，或是人工智能應用工程師？針對不同的目標，人工智能專業究竟要培養什么能力呢？

其次是培養的能力和知識點。人工智能人才培養與其他專業的人才培養的主要區別是在能力方面還是在知識點上？哪些能力是人工智能專業獨有的？或是更重要的？哪些知識點是人工智能專業獨有的？現有課程中哪些是可被替換出去的？

最后是在確定需要培養的能力之后，如何訓練這些能力呢？

這些問題一時之間難以回答，讓我們結合上文提到的計算機本科生教育現狀存在的問題來思考。

2.需要培養什么能力

人才培養重在能力的培養，不僅僅是知識的傳輸。在實際工作中，一個項目的完整流程是繁復的。往往需要通過調查和研究，從模糊的用戶需求中分析并抽取出最根本的問題并進行形式化的描述，凝練關鍵問題，提出可行的解決方案、專業的實現解決方案、合理的評估解決方案、定性定量的比較解決方案，以及突出重點的成果展示。成功而又完整地實施一個項目不僅需要學生熟練掌握基礎知識和專業技能，也考驗學生的抽象思維、求解能力、表達能力、職業道德、職業素養和社會責任感。因此，需要提高學生的綜合能力和職業素養，具體包括以下幾點。

（1）分析問題與抽象思維的能力。

（2）解決問題的能力。如：應用計算機專業知識選擇或設計合理解決方案的能力，應用計算機專業知識和技能正確并高效實現解決方案的能力，使用合適的實驗方法分析項目結果的能力，自主學習新知識、新技術和新工具的能力，處理大規模、復雜實際問題的能力，獨立從事科研與工程開發的能力。

（3）團隊精神與溝通協調能力。

（4）職業道德與素養。

（5）社會責任感與正確的價值觀。

四、南方科技大學的嘗試

針對計算機科學人才的培養目標，南方科技大學（以下簡稱“南科大”）強調學以致用，鼓勵校企聯合，促進團隊協作，注重項目管理。為促進培養學生的能力和綜合素養，南科大以本科生的綜合能力培養為主要目標，以實際問題為導向，以項目為驅動，以學科交叉融合為輔助，以“學生項目小組+導師”配對的方式，在本科培養中施行長達三個學期的創新實驗課。

1.創新實驗課的設置

本課程以南科大計算機科學與工程系本科生為對象，實施三個學期，對標國際上的Group Projects和Capstone Projects。其詳細課程設置如表1所示。

2.創新實驗課的創新性

（1）創新實驗課以學生的綜合能力培養為目標，以小組項目的形式培養學生的綜合能力，引導學生樹立正確的價值觀和職業素養。

（2）創新實驗課的題目部分來自于企業待解決的實際問題，避免人才培養與實際需求脫節，部分通過學生和導師協商選題。本課程首先從實際應用需求出發，由企業導師提出企業關注的待解決問題，由高校、企業導師共同從提出的問題中提煉出需要解決的關鍵科學問題，并根據問題的需求分為科研相關和系統研發相關兩大類。此選題方式，不僅滿足具有不同職業規劃學生的需求，也為本科生培養和人才市場的需求間建立了橋梁。同時，通過小組項目的實施培養學生的興趣，促進學生練習各課程知識和技能的結合使用，幫助學生了解所學知識和技能的實際應用場景。

（3）創新實驗課以項目為驅動的培養方式有助于學生能力的培養。為彌補在校本科生全程參與實際項目完整流程經驗的缺失，創新實驗課以項目為驅動，通過用戶需求的提煉，問題的分析，解決方案的提出、實現、評估和比較，成果展示等步驟，全方位培養和提高學生的綜合能力和職業素養。

（4）創新實驗課以項目小組為單位以促進團隊協作，并通過“學生項目小組+導師”制為學生提供多方面的支持。本科生自愿結成2～3人的小組，結合小組成員的特長、興趣和職業規劃選擇題目，每個題目對應一個學生項目組。針對傳統本科教育中老師與學生只在課堂上見面、缺乏交流的問題，本課程實施導師制。每個項目組至少由一位導師全程跟進長達三個學期的項目，每周定時與項目組溝通互動。由學生討論提出小組項目的詳細計劃和分工，鼓勵學生自主性，從實踐中總結經驗。以小組為單位的項目實施，鼓勵學生探索如何對人力資源進行合理的分工，同時培養學生的團隊精神與溝通協調能力;自愿分組、自主選題、導師和學生雙向選擇的組隊方式，給學生一定的自由度，培養學生的學習興趣，也促進了學生決策力的提升。

（5）創新實驗課對明確項目具體目標的要求，有助于提高學生的專注性，幫助學生在有限的時間和精力消耗下實現工作效率最大化。當前的本科生課程多要求學生提交課程設計報告，成果的表現形式較為單一。創新實驗課鼓勵學生項目小組和校、企導師基于所選的題目，共同商議、制訂明確的項目目標。項目目標需要突出實用性，但可以有多樣的表現形式，如產品模型、系統、專利和學術論文等，在每個學期通過報告、答辯和海報展示階段性成果。

（6）創新實驗課的實施貫穿本科三、四年級，為畢業設計和就業或繼續深造做準備。現有的高校本科生項目或課程設計多存在投資少（時間、精力投入少）、周期短（幾周或一個學期為長度）、融合性低（基于單一課程）、回報低（在項目或課程設計結束后難以獲得顯著成果）的特點，很難達到提高學生結合多種專業知識處理實際問題能力的目標，對學生自主學習的激勵性較低。本創新實驗課的實施貫穿本科三年級全年和四年級秋季學期（共計三個學期），為一個項目的完整實施提供了時間的保障，為本科生畢業設計和就業或繼續深造做了充分的前期準備。同時，創新實驗課為學生提供了提前體驗科研機構或公司具體工作內容的機會，為本科生的職業規劃提供了支持。

（7）學科交叉融合是創新實驗課的主要亮點之一。創新實驗課以學科交叉融合為輔助，根據具體的項目內容和學生需求，鼓勵并邀請計算機系以外的老師作為項目導師指導學生，為學生提供多領域的知識和經驗儲備，拓寬學生視野，加深學生對于計算機知識和技能在各領域應用的了解。

3.項目舉例

南科大的創新實驗課自開設以來，項目題目多樣，學生選擇面廣。科學研究和系統開發的項目同樣重要，題目既覆蓋前沿科學研究，如“基于ResNet的監督式學習的日本麻將AI”“面向邊緣計算的神經網絡壓縮算法研究與應用”“Deep reinforcement learning for autonomous vehicle”等，也包括一些實用系統的開發，如“中學數理化題目爬取并結構化處理系統”“人工智能法院輔助量刑系統”“基于微博數據的公共安全輿情分析”等。其中也不乏一些學科交叉的項目，如“腸鏡圖像疾病分類診斷”“基于深度學習和圖像分析的胃腸道黏膜病變檢測技術研究”“深度學習在低精度硬件的量化與壓縮”和“Music composition using MOEA/D algorithm”等。部分項目成果已經申請專利或以學術論文的形式發表。

五、結束語

近年來，人工智能已經成為計算機科學課程的一部分。人工智能課程學習和人才培養的關鍵不僅是知識點的學習，更是能力的培養。教授人工智能的知識點是人工智能領域人才培養的必要而不充分條件，我們的教育體系中需要強調的是能力培養。能夠熟練使用軟件包固然重要，理解軟件包背后的數學原理和程序設計的技巧更為重要。知識固然重要，但自學能力和有效獲取新知識的能力更重要。以項目為主的培養方式有助于學生能力的培養。能力培養是人工智能人才培養的關鍵。

南方科技大學計算機科學與工程系不僅設置了智能科學與技術專業和一系列由世界級教授開設的人工智能相關課程，更設計了以本科生的綜合能力培養為主要目標，以實際問題為導向，以項目為驅動的創新實驗課。創新實驗課為本科生提供了運用計算機專業知識解決實際問題的科研創新活動平臺，提高了學生運用不同技能以及學科知識解決現實中實際問題的能力，為信息技術產業提供人才保障。

參考文獻：

[1]騰訊. 2017全球人工智能人才白皮書[R]. 2017.

[2]領英. 全球 AI領域人才報告[R]. 2019.

[3]國務院關于印發新一代人工智能發展規劃的通知[Z]. 2017.

[4]教育部關于印發《高等學校人工智能創新行動 計劃》的通知[Z]. 2018.

[5] ElementAI. Global AI Talent Report 2019[R].2019.

[本文的工作受到了廣東省“以問題為導向和項目驅動的本科生創新實驗課”綜合類教改項目的資助]

[責任編輯：余大品]