人工智能产业背景下的专业应对

魏忠

人工智能是信息浪潮最新的展现形式

自从托夫勒提出第三次浪潮以来，信息革命以超出想象的速度和影響冲击社会各个方面。工业革命成其为工业革命的前提条件是这项革命所带来的产值和从事的人口超过总数的一半。一开始，信息技术还只是起辅助作用——无纸化、信息化、互联网化，信息技术只是极大地提高产业的产出速度。这几年越来越凶猛的热点，以及热点退潮甚至不再退潮的效应，使得信息革命成为真正的第三次工业革命。而到目前为止，继“互联网+”、新硬件时代、工业4.0 、物联网、大数据、数据科学等等概念之后，人工智能成为集大成者。之所以这样说，不是因为人工智能代替了前面的热点，而是包含了前面的所有热点，以一种全社会能够理解和欢欣鼓舞的概念模式，涵盖了以往的形式，成为新的热点。

首先看三张图，第一张是著名的美国西雅图华盛顿大学（USNEWS全球排名11左右）的专业申请，每年6月华盛顿大学在校的继续选择留下来的6000名学生会向他们的招生官申请专业，他们中间有大学1年级到3年级的学生，近7年最明显的一个趋势就是计算机和相关专业比例迅速上升，这也表明这所美国西北部名校的市场需求程度，2017年申请计算机相关专业的人数超过1000人，但是录取的只有大概一半。商科、计算机、工程和医学是华盛顿大学的四大品牌，然而这些年，工程和计算机明显地超过其他专业类的受欢迎程度。而如果我们把计算机和工程合并叫作人工智能相关专业的话，那么无论从总量还是发展趋势上看，人工智能在这所大学都秒杀其他热门。

华盛顿大学是美国西北部华盛顿地区唯一一所顶级名校，西雅图这个城市也并不是美国的IT中心，虽然微软总部在那里。对西雅图进行产业分析以后就会发现，华盛顿大学每年的400多位计算机专业的毕业生以及1000位左右的计算机相关专业毕业生远远不能满足当地的需求，原因并不在于IT，而在于“IT化”，也就是我们中国所说的“互联网+”，华盛顿附近的波音公司等传统的公司，不再主要招专业人才，而是懂专业的计算机人才！

春江水暖鸭先知，每年留学美国所需要的40万元左右的费用对于中国家庭来说并不是小数目，而10万来到美国的留学大军到底去学了什么专业，应该并不是感性的选择。第二张图是一个全国前三的留学机构公布的每年中国学生留学美国300所大学理工科专业申请选项，非常明显人工智能的直接支撑学科电子、计算机、机械、材料学科，占据了理工科比例的70%以上。与此同时，2017年中国国内薪资和最受欢迎的专业比例中，这四项之和占据了90%以上。

计算机类专业独占鳌头，在2017年中国国内高校专业薪资排行榜中，明显也能看出这个趋势。由于美国大学没有标准的专业目录，分类有点混乱，然而我们如果走进计算机专业内部（图3）也能非常明显地看出来，与人工智能直接相关的软件工程、人机交互、人工智能、视觉与机器学习、科学计算、图形交互、数据库、算法占据了超过90%的比例，上面这句话也许是废话，因为整个计算机专业都和人工智能相关，但是对比中国的计算机专业目录和美国的这份目录，人机交互、算法、视觉和机器学习、人工智能、图形交互，这些加起来超过20%的专业在中国本科目录里面是没有的，而中国留学生趋之若鹜的计算机相关专业，其增长热点只有一个，那就是：人工智能。

从数据来看，人工智能已经不是一个未来的趋势，而是已经发生了的事实，这个事实悄悄地整合着、偷吃着过去的专业，如果过去你还坚持你学的是工程、是机械、是电子而不是计算机的话，今天它们有一个共同的名字：人工智能。

人工智能是一个专业集合和融合模型，不是一个专业

我们来探讨第二个问题，也就是什么是人工智能专业。事实上中国本科专业中还没有这个专业，即使在美国人工智能排名第一的名校卡内基梅隆大学，也不存在一个专业叫人工智能，因为卡内基梅隆大学每个专业：计算机科学、计算机工程、数字金融、信息管理、数字媒体等等都声称自己叫人工智能，而如果从人工智能的内涵来看，这所学校所有的专业合并起来才叫人工智能。2012年我在卡内基梅隆大学访学的时候，发现了当年美国人工智能的创始人西蒙，1957年给学校定的专业设置构架，就是人工智能，这所学校从那个时候开始，就基本上没有变更过专业架构。

人工智能是一个专业集合而不是一个专业。卡内基梅隆大学在美国人工智能排名长期保持第一，并不是有一个专业叫人工智能很强，而是因为这所学校有美国排名第二的信息管理系、美国排名前三的计算机科学学院（有很多人拿到图灵奖）、美国排名很强的工程和环境科学（拿到诺贝尔奖）、美国排名第三的美术系、美国排名前几的戏剧和艺术专业。事实上，从卡内基梅隆大学的整个专业配置来看，就是一个人工智能的专业合集。

我也将中国教育部2015年硕士专业目录按照这个逻辑梳理了一下，按照关注人性、关注效率、关注原理、关注应用的标准，形成了基于人、基于工、基于智、基于能的学科矩阵，矩阵中的专业和专业类涵盖了目前硕士专业的一半以上，也就是今后一半以上的专业将被人工智能整合，这中间还不包含应用人工智能的专业。为了方便理解，我将人工智能在专业学科上的涵盖分成以下四个类别。

基于人的人工智能：人工智能不只是理工科的内容，一方面人类学、语言学、社会学、教育学随着信息技术的应用，变成一门研究人的学问和高度技术依赖型的学科，另外一方面美术、音乐、美学、戏剧、设计等，成为人工智能中重要的展现手段。

基于工的人工智能：工程、技术、控制，高度关注效率和关注应用，是基于人工智能引擎的应用。未来的工程解放人和代替人，需要今后的工程技术人员成为掌握人工智能和应用的融合人才；计算机和行业一个都不能少。

基于智的人工智能：高度关注人和关注原理的结合点，成为心理学、逻辑学、伦理学、遗传学的学习动因。人类的智慧和意识以及概念需要人搞清楚，也需要和机器相融合，这就是智。人工智能不会削弱对哲学、伦理和逻辑的学习，对这些专业的学习将使用更多的科学化的工具。endprint

基于能的人工智能：高度关注底层原理和产出效率，使目前核心的人工智能的范畴，包含我们常见的物理、化学、电子、生物等学科以及与数学相关的综合模型应用。

人工智能应对，如何从校园开始？

1. 人工智能时代凸显了教育的价值，也让人们重新审视教育。

与一般人想象的人工智能时代，教育将无所作为正好相反，教育将更加重要和持续。一方面人工智能解放了人类重复性的劳动，每天工作6小时、每周工作3天并不是天方夜谭；另一方面，争取工作权和创造权、与机器替代性竞争成为教育的价值所在。教师比例会大幅度提高、终身学习将成为常态、越来越融合的学习难度、越来越基础的理论训练，使得训练有素的人才能拥有工作权和创新权，教育将越来越重要。工业时代的教育以人为劳动力，注重学什么，而人工智能时代以人的创造为源泉，学什么将更加重要，教师和教育机构将重点集中在个性化的学生学什么上，而怎么学将由人工智能给出策略和更加精确的建议。

2.数理学科将重新回到前所未有的高度。

30年前“学好数理化，走遍天下都不怕”，恐怕会以更高形态的迭代卷土重来。量子物理、材料化学、分子生物学、统计和计算数学，原先是大学的课程，很可能要进入基础教育教材，人工智能时代凸显了教育的价值，也让教育的专业与侧重点重新洗牌，一半以上的学科不是没有价值，而是不应再学了：基于工具化的语言、实用化和标准化的工程学科、没有创造力需求的工匠产业将大幅度萎缩。每个人拥有独特技能和掌握少数人拥有的技能成为普遍现象。

3.教育的意义在于人性而不是机器性。

美术、艺术、戏剧、文学、音乐、体育、棋牌、计算机程序语言等与人类成长时间窗口密切相关的学科，将大幅度提前到中小学而不是大学以后。由于多数人多数时间进行学习和教育工作，教育成为人们一种生活方式而不是一种实用的手段和目标，教育体验将大大加强，教育机构应该布置成未来世界的体验模板和改变世界的信息模板。教育的意义回归人性而不是机器性，学校作为一种公共服务成为最好的未来体验中心和生活中心的趋势越来越明显。

4.学生视角下的人工智能产业背景下的专业选项。

未来产业视角下，每个人、每个阶段学习和教育的选项都将是个性的和针对性的。对于中小学和基础教育来说，为了适应未来多变的和动态的世界，更加融合专业、更加应用性的体验、更加基础和原理性的学科培养成为三个趋势，在此基础上，原先高度抽象和薄薄的教材加上高度机械化的题库和课外辅导资料模式将会改变。研究型学习根植于研究型和体系性的教材改革，教材将更加从信息角度融合所有的学科并更加系统性地将学科历史全貌展现给学生。在教学内容方面，编程从娃娃做起和逻辑学哲学从娃娃开始是必然趋势。

职业学校在人工智能时代受到的冲击将是最大的和空前的，职业训练将尽量绕开机器能干的所有领域，而原先职业学校中与人美学、运动学、艺术学、体感、体验不相关的专业和课程将受到重大冲击而退出历史舞台。

应用型大学会得到空前的发展，充分运用信息技术支撑的各行各业的行内人，将细化和填充由于人工智能产业而引发的更多更丰富的行业分工和产业分工。虽然技术的应用将更加依赖于人工智能，但是应用型培养的大学生将会花更多的时间去整理人类历史在一个细小领域的工程经验以及创造性地提出和实现新的想法。

至少从实用主义角度上来看，世界上最聪明的5%的人将不断从小到大接受更加残酷的筛选和訓练，这种筛选和训练是一种挑战本人潜质和荣誉的机遇。一个数学博士和电子学科学家，除非极少数成为创新企业的企业主，绝大多数从事创造力工作的研究人员，从小到大将承受更大的压力、更艰苦的训练、更长时间的学习、获得的收入并不与付出成正比，但是正如过去历史上的科学家一样，心中的荣耀和挑战人类和自我的快感，不是每个人都有机会的，而未来，整个社会和从事这个行业的人将以此为常态。与此相适应，研究型大学将更加集中在高度形而上、高度逻辑化、高度数学和抽象思维能力的培养，高精尖的技术和高精尖的人才将使得受教育者和教育别人的人，在人与机器大战中获得最大的收获：敬仰和荣耀。如果一个从事研究的人没有这样的准备，就可以不选择。endprint