美國人工智能研究生培養策略探析

甘宜濤 林穎

摘 要：卡內基梅隆大學最早開設人工智能專業，“人工智能與創新理學碩士”項目旨在培養解決實際問題的應用型專業碩士研究生，培養過程中注重交叉學科課程設置，跨學科師資隊伍建設，項目式實習實踐，為我國人工智能領域研究生培養提供些許參考。

關鍵詞：人工智能研究生;卡內基梅隆大學;人工智能與創新理學碩士;培養策略

2020年2月，教育部公布的新增專業名單中，180所高校新增“人工智能”專業，與智能領域相關的專業也成為多所高校的新增備案熱門[1]。高校在大力發展人工智能本科教育的同時，研究生的人才培養也在同步加快?！蛾P于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》提出，構建基礎理論人才與“人工智能+X”復合型人才并重的培養體系，適度擴大研究生培養規模[2]。但是，我國高校人工智能相關學科建設和人才培養與發達國家相比還存在著一定的差距，尤其是研究生培養。作為最早開設人工智能專業的卡內基梅隆大學，已經構建了系統、完備的人才培養體系，其“人工智能與創新理學碩士”（Master of Science in Artificial Intelligence and Innovation，MSAII）人才培養在實踐中形成自身鮮明的特征，為我國人工智能領域研究生培養提供了參考。

培養人工智能研究生的應然訴求

1. 國家戰略驅動人工智能研究生培養

《關于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》將人工智能納入“國家關鍵領域急需高層次人才培養專項招生計劃”范圍，要求安排相關學科研究生招生計劃轉向增量，精準擴大人工智能高層次人才培養規模?！?019全球人工智能人才報告》（2019 Global AI Talent Report）指出，美國、中國、英國、澳大利亞、加拿大分別為人工智能領域影響前五的國家，報告中分析了22，400名論文作者，在美國獲得博士學位的人數超過44%，中國的比例則為接近11%;46%的論文作者在美國工作，在中國的比例為11%[3]。由此看來，無論是相關人才培養還是人才吸引力，我國與美國還存在一定差距。

人工智能是新一輪產業革命的核心驅動力，催生新技術、新產品、新產業、新業態、新模式。從國家戰略的視角看，人工智能將是未來國家之間競爭的關鍵賽場，美國啟動了人工智能國家計劃，率先發力軍事國防、類人仿真等應用;英國審慎發展人工智能技術，大力推進5G網絡應用和布局;日本投入大量科研精力發展機器人、腦信息通信、語音識別、大數據分析等 [4]。從某種程度上講，大國間競爭的實質是人工智能人才競爭，研究生是不可或缺的組成部分。

2.人才需求的現實推動人工智能研究生培養

中國制造業轉型升級，“智能制造”進入發展關鍵期。理論研究者認為智能制造是一種由智能機器和人類專家共同組成的人機一體化智能系統[5]。人工智能技術和機械制造設備的結合是以人工智能技術為支撐的，其實質是依靠人工智能技術以實現制造業的轉型升級。要實現智能制造業的不斷升級和發展，僅僅依靠人工智能技術這一支撐是遠遠不夠的，它的核心驅動力是推動人工智能技術進步的“人的智能”，即創新型人工智能人才。

我國人工智能發展僅次于美國，但最核心、最原創的內容方面貢獻不多，基礎性、開創性研究能力還有待進一步提高?！?018人工智能產業創新評估白皮書》顯示：語音交互、文本識別、計算機視覺和深度學習四大技術領域的高級專業人才，美國超過1.3萬人，中國不足0.5萬人;其中，計算機視覺相關的高端人才占比最高，達38%，美國5，432人，中國1，892人;有關人士估計，我國整個人工智能領域的人才數量缺口在百萬級別，各高校培養輸送的人才只占市場所需人才的30%至40% [6]。

卡內基梅隆大學“人工智能與創新理學碩士”人才培養特征

卡內基梅隆大學MSAII依托計算機科學學院語言技術研究所培養。該項目設立于2018年，在生物技術、創新和計算理學碩士（Master of Science in Biotechnology，Innovation and Computation，MSBIC）的基礎上發展而來，[7]經過多年的實踐，形成了系統、完備的人才培養體系及鮮明的特征。

1. 學科交叉課程設置

課程是人才培養的基石，是人才培養目標實現的保障。MSAII學科交叉課程既重視學生專業知識和技能的訓練，同時不忽視學生人文素養的培養，由預備課程、核心課程、知識領域課程、選修課程四部分組成，一般分四個學期完成（如表1所示）[8]。

預備課程是針對被卡內基梅隆大學錄取的、尚未入學的學生開設的課程，旨在為研究生的正式學習儲備必備知識。在入學前學生應以遠程學習的方式通過“計算機系統概論”這門課程的學習，但所修學分不計入畢業學分。如果該課程未能通過，學生可以選擇在秋季或春季學期重修。但是，該課程是攻讀學位課程的前提，如果不通過，則不允許在秋季學期開始攻讀學位課程。核心課程旨在強化學生的專業知識學習，以備學生掌握所需的核心知識及專業技能。依據創新發展的四個階段，核心課程按順序開設如下：“人工智能與未來市場”，第一個秋季學期，學生被分成多個小組，調查人工智能的應用，向教師和同學介紹人工智能發展成熟的領域，并必須設計一個產品;“計算機技術法律”，第一個秋季學期，主要是學習適用于計算機發展的法律原則;“人工智能工程”，第一個春季學期，該課程致力于使用TensorFlow①和Python②構建深度學習應用程序，以使學生能夠使用高級工具設計有效的機器學習模型;“人工智能創新”，第二個秋季學期，學生通過開發團隊產品的業務模型及策略來學習如何創辦企業;“頂點課程”，第二個春季學期，學生通過完成一些實用性、真實性的項目將所學知識及技能用于解決實際問題，為其進入真實世界及職業生涯做準備。[9]知識領域課程主要是針對人工智能領域所需技術、技能而開設的課程，幫助研究生掌握開發、設計解決人工智能領域實際問題所需技術、技能，以確保能夠開發高級人工智能應用程序。根據MSAII培養方案規定，這些課程為必修課程，并且必須按照規定的順序修讀。學院為學生提供了多門選修課程，按照要求學生修滿36學分即可。從選修課的內容來看，大致包括對專業知識補充的課程、培養學生興趣愛好的課程、培養與人工智能有關的人文素養課程。

2. 跨學科師資隊伍建設

人工智能專業知識的特殊性、跨學科性、復雜性及多樣性決定其教育教學需要多元化的師資隊伍?？▋然仿〈髮WMSAII項目的師資隊伍建設注重學科交叉、單位交叉、領域交叉，以課程或教學研究項目為牽引，打破以往的學院邊界，構建不同學科教師共同參與的、新的教學團隊，共同承擔相關專業的教學任務。

從教師的隸屬關系來看，MSAII項目相關的教師分為三種類型，即專職教師、附屬教員、兼職教師，這樣的教師構成決定了其教師并不完全隸屬于負責人工智能研究生培養的計算機科學學院語言技術研究所。不少教師來自于卡內基梅隆大學計算機科學學院的計算機科學系、機器學習系、軟件研究所以及企業等其他單位。這樣就打破了原有師資隊伍固定的隸屬關系，有利于教師間的交流，促進跨學科知識的傳授。從學科屬性看，MSAII項目相關教師除人工智能學科的專業教師外，還有生物、環境工程、哲學、藝術、公共政策等相關學科領域的教師[10]。這種跨學科領域的師資組合，保障了研究生培養兼顧專業知識、技能與人文素養的協調統一。差異化的學科背景為學科交叉融合提供了保障。從教師的所屬領域看，學校和企業之間通過合作關系確保師資雙向跨界、自由流轉。一方面，學校里的人工智能專家可以主持與企業合作的項目，為項目的開展提供理論及知識支持;另一方面，學院引進企業科學家、工程師對研究生進行實踐性指導，尤其是為研究生開設實踐課程。

3. 項目式實習實踐

實習實踐是MSAII培養的重要環節。學院建議學生在第一學年和第二學年之間的暑假參加實習，但并不是強制性要求，這一時期的實習能讓學生有機會運用第一學年所學的知識和技能，深入了解人工智能和未來的市場需求，以進一步積累經驗，為第二學年的專業課程學習打下堅實的基礎。研究生實習優先選擇與自己研究領域或職業目標相吻合的單位。所有在卡內基梅隆大學以外獲得帶薪實習機會的學生，按要求必須注冊實習課程，獲得3學分計入畢業學分，國際留學生另有規定。國際留學生必須通過國際教育辦公室申請實踐課程，申請時必須提交一份包含工作時間、就業日期、工資或津貼等內容的錄用通知。另外，學校職業發展中心（Career and Professional Development Center）和學院就業中心（Career Center）會通過招聘會、會議或其他活動為學生與雇主搭建平臺，促進學生實習實踐及就業。

項目式實習實踐是研究生在企業完成源于企業生產實際的真實項目，在相關專家的指導下運用所學專業知識解決項目中的真實問題，可以有效檢驗研究生專業知識的學習效果，發現問題，為下一步的學習提供指引。

我國人工智能領域研究生培養策略

卡內基梅隆大學MSAII項目培養應用型人才以解決人工智能領域的實際問題為目標，交叉學科課程設置、跨學科師資隊伍建設、項目式實習實踐等特征，為我國人工智能領域研究生培養，尤其是專業學位研究生培養提供些許參考。

1. 優化課程體系建設

第一，豐富選修課程。人工智能領域涉及多學科、多類型的知識?？▋然仿〈髮W為MSAII研究生提供選修課程既涉及多個學科領域，數量又多達二十多門，這不僅增加了學生選擇的自由，而且也為學有余力的學生提供了更多學習的機會?；诖耍覈斯ぶ悄茴I域研究生的培養應該盡可能豐富選修課程，在條件允許的情況下，可以引入企業相關研究人員為研究生開設選修課程，以使課程更加貼近現實，也能為研究生未來的職業生涯做準備。

第二，及時更新課程，切中行業發展的真實痛點。課程體系更新是課程發展的必然選擇，也是時代發展對課程體系建設提出的基本要求。國外領先高校的課程體系也無例外，也會適時對其課程予以更新，如麻省理工學院對其計算與人工智能學院進行“重塑”，實施項目式中心課程。鑒于人工智能更新換代速度之快，我國人工智能領域課程體系的優化應該尋找行業發展的真實痛點，直擊要點，與企業、行業進行深度融合，基于行業發展對人工智能提出的新要求，為行業發展急需知識開設相關的課程。

第三，開設基于真實項目的實踐課程?；谡鎸嶍椖康膶嵺`課程，以問題為導向，以解決項目中的實際問題為最終目的，注重學生系統性思維、解決實際問題能力的培養。隨著項目的推進，學生以項目為載體，將理論知識與實踐融為一體，實現理論學習、技能訓練、能力培養相融合。這種課程不僅使學生的專業綜合技能得到培養，而且在解決項目提供的真實問題過程中，了解真實工作環境，提高分析、判斷及解決實際問題的能力，也為將來的職業生涯做準備。

2. 組建跨學科師資隊伍

第一，去除教師組織邊界。現有的“?！骸怠獙I”教師組織模式已經對教師的跨學科合作、交流以及人才培養產生了一定消極影響。為了適應人工智能研究生培養，可以在保持教師原有隸屬關系不變的情況下，以人才培養中的學科、科研項目為依托，以科研所需人才為指引，引導教師管理、承擔相應的人才培養工作。

第二，組建跨學科、跨領域的教師團隊。人工智能作為交叉學科，沒有固定的邊界，涉及多學科、多領域的知識，這就要求其教學應該由跨學科、跨領域的教師來承擔。基于此，高校應該開放教師合作機制，在校內形成交叉學科教師團隊的基礎上，吸納相關企業的資源，尤其是加強與行業領先企業的合作，靈活吸納高端人才，提升人工智能專業師資隊伍水平。

第三，靈活引進人才。人才引進是補充師資力量的重要途徑。一方面，要加大人才引進力度，尤其是加大引進綜合素質高、能力強、適合人工智能教學科研的海外人才;另一方面，要適當引進人工智能領域以外的人才，實現人工智能領域師資隊伍的多元化發展。

3. 完善校企協同合作機制

人工智能領域研究生培養應盡可能地發揮企業的主體作用，完善企業和高校的協同合作機制。

第一，建立雙向交流渠道，為校企之間的人才雙向流動提供保障。一方面，企業可以為高校人才培養提供實踐崗位或協同建立實踐基地，實現研究生培養的理論知識與實踐結合，促進理論知識的轉化及解決實際問題能力的培養;另一方面，高?？梢砸M企業內的人工智能領域的專家為研究生開設相關課程，承擔相應的教學任務，這能幫助研究生及時了解人工智能發展的前沿動態，對未來職業生涯形成初步認識，同時也是優化學校師資隊伍建設的重要舉措。

第二，校企合作制定人工智能研究生培養方案。企業的參與能促使人才培養更加貼近現實需求，增強人工智能研究生社會適應性。企業可以從自身發展需求出發，為高校提供課程設置的依據。企業所需人才應該具備的知識，尤其是事實知識需要通過教育活動獲得。企業參與課程開發，可以提升課程的針對性、科學性。

人工智能發展處于重要戰略機遇期，培養人工智能領域研究生既是國家戰略需求，也是人工智能學科發展的必然選擇。這將加快推進人工智能多層次人才培養，進一步推動智能制造建設。人工智能領域研究生培養還有很長的路要走，加快人工智能領域研究生培養還需要多方參與，共同推動人工智能領域研究生教育高質量發展。

注釋：

① TensorFlow 是一個端到端的開源機器學習平臺.

② Python是由荷蘭計算機程序員吉多·范羅蘇姆設計的程序設計語言.

參考文獻：

[1]2019年度我國高校新增1853個本科專業 人工智能專業成熱門[EB/OL].（2020-03-03）[2020-03-20].http：//m.cnr.cn/news/djnews/20200303/t20200303_525001452.html.

[2]教育部 國家發展改革委 財政部印發《關于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》的通知[EB/OL].（2020-02-24）[2020-03-20].http：//www.moe.g

ov.cn/srcsite/A22/moe_826/202003/t20200303_426801.html.

[3]2019 Global AI Talent Report [EB/OL].（2019-04-02）[2020-03-20].https：//www.elementai.com/news/2019/2019-global-ai-talent-report.

[4]全球主要國家戰略布局人工智能 持續加碼研發投入[EB/OL]. （2019-05-14）[2020-03-21]. http：//big5.xinhuanet.com/gate/big5/www.js.xinhuanet.com/2019-05/14/c_1124491562.htm.

[5]楊若凡，劉軍，李曉軍.多方協同開展智能制造新工科人才培養的思考與實踐[J].高等工程教育研究，2018（5）：30-34.

[6]蔡姝雯，黃星月.人工智能人才短缺困局待破[N].新華日報，2019-01-23（11）.

[7]SHAMOS M.MSAII Established as Successor to the MSBIC Program[EB/OL].[2020-03-21].https：//msaii.cs.cmu.edu/node/222215632.

[8]Language Technologies Institute.Learn at Language Technologies Institute[EB/OL].[2020-08-06].https：//www.lti.cs.cmu.edu/learn#quicktabs-master_of_science_in_intelligent=2&quicktabs-master_of_science_in_biotechnolo=3.

[9]Carnegie Mellon University.Curriculum[EB/OL].[2020-08-06].https：//msaii.cs.cmu.edu/curriculum-0.

[10]郭嬌，秦奕萱，朱雅潔.美國人工智能方向的研究生培養案例研究[J].世界教育信息，2020，33（1）：34-40，63.

（作者單位：揚州大學教育科學學院）

[責任編輯：卜 珺]