改革与创新：斯坦福大学人工智能人才培养的特征分析

黄蓓蓓

[摘   要] 随着《新一代人工智能发展规划》的颁布以及各大高校纷纷设立人工智能专业，需要积极开展有关人工智能人才培养的研究。本研究采用比较研究法和案例研究法，对人工智能领域的翘楚——斯坦福大学的人工智能人才培养进行研究。研究发现：斯坦福大学通过持续的改革与创新，形成了一系列典型的人工智能人才培养特征，具体表现为：第一，基于跨界融合理念的“复合型”人才培养目标;第二，基于“全人”理念的一体化人才培养机制;第三，基于内联与外延理念的多元化人才培养策略;第四，基于开拓创新理念的“灵魂”型人才培养氛围。以斯坦福大学为鉴，未来可从创新跨界融合机制、积蓄人才培养源动力和强化“项目依托”环境建设三个方面入手，构建适应我国国情和发展需求的人工智能人才培养体系。

[关键词] 斯坦福大学; 人工智能; 人才培养; 特征分析

[中图分类号] G434            [文献标志码] A

一、引   言

2018年7月，《新一代人工智能发展规划》的颁布为未来人工智能的发展明确了方向与目标，使人工智能产业成为国家关注的焦点[1]。为响应国家号召，教育部印发《高等学校引领人工智能创新行动计划》，要求坚持人工智能人才培养的前瞻性和引领性，进一步提升高校的综合能力[2]。随后，国内各大高校紛纷成立人工智能学院，开设人工智能相关专业。根据新浪教育的不完全统计，截至2019年4月，已有30多所“双一流”大学成立人工智能学院，超过100所高校开设人工智能相关专业[3]。然而，在轰轰烈烈的人工智能热潮背后，却存在着缺乏人工智能人才培养经验的问题。为此，有必要向世界一流大学学习，借鉴其成功经验。作为人工智能领域的翘楚，斯坦福大学拥有享誉全球的计算机学科，为人工智能人才培养积累了扎实的理论基础和丰富的实践经验[4]。自20世纪50年代起，斯坦福大学人工智能实验室（Stanford Artificial Intelligence Laboratory， SAIL）就已经成为科学家和工程师引以为傲的前沿知识中心与学生的学习圣地，所开设的人工智能专业强化人才培养改革、积极推进技术创新，形成了一系列典型的人工智能人才培养特色[5]。

二、基于跨界融合理念的“复合型”人才培养目标

人工智能涉及的领域包括计算机科学、数学、心理学、语言学、哲学、工程学等，同时，人工智能在很多领域有着创新性的应用。无论是从学科特点，还是应用范围上来看，人工智能都有着宽泛而复杂的覆盖面[6]。为此，斯坦福大学坚持不同学科和领域间的跨界融合，致力于培养“复合型”的尖端人才。

（一）多元师资结构下的跨界融合

斯坦福大学作为世界一流大学，拥有高素质的教育和研究团队，培养出了一流的人工智能人才。一方面，差异化的学科背景保证了学科间的跨界融合。斯坦福大学的人工智能课程和师资团队在全球范围内享有盛誉，这里的每位教师和研究人员都有着不同的学科背景。针对人工智能涉及面广泛的特点，他们结合自身的专长，分别从生物学、物理学、生物化学、法学、统筹学、数学等角度为专业建设及课程改革提供专业化的建议[7]。从人工智能的理论阐释到实践应用，从研究方法到推理逻辑等，所开设的课程为学生提供了广泛的知识域，几乎涵盖了人工智能问题的大部分范畴，为人才培养提供丰沛的资源[8]。另一方面，多样化的研究经历保证了专业间的融会贯通。从研究经历来看，师资团队不仅有着丰富的教学经验，而且还积极参与前沿领域的研究工作，因此，能更好地在人才培养过程中完成各知识间的衔接过渡与技术层面的转化，以便更好地适应“人工智能在体”（人工智能与人类智能融合进化）时代的需求。

（二）校企合作下的跨界融合

“自由之风劲吹”（The wind of freedom blows）下的斯坦福大学，为促进校企之间富有成效的合作关系而建立行业联盟的传统由来已久，加之人工智能是许多现代产品的“兴奋”点所在，如语音识别、语义搜索、推荐系统、机器翻译和消费游戏中的3D传感等，由此催生出人工智能实验室企业（Laboratory Enterprises）也就不足为奇了。一方面，实验室企业拓展了人才培养的途径。人工智能实验室通过支持校企间的互动来实现企业的有效参与，企业有机会与研究人员建立联系，更快、更准地了解研究动态与前沿技术，既能为企业培养对口的行业人才，也为学校专业人才的培养提供明确的指引，从而实现专业知识和行业“兴奋”的双向转移[9]。另一方面，实验室企业保障了人才培养的顺利进行。实验室企业每年提供20万美元来支持教师和研究生的研究活动以及其他附属项目，为教师和学生提供了洞察行业的机会，也在自由与开放的理念下最大限度地保证了学术的完整性和独立性。

三、基于“全人”理念的一体化人才培养机制

人工智能是一项对知识的深度与广度有着综合性要求的研究领域。这就意味着人工智能人才的培养必须依托一体化的培养机制与体系，从目标到方式，再到结果的各个流程都内联衔接，互为“承启”，从内在涵养到外在素养全方位保证人才培养的层次与规格。斯坦福大学人工智能人才培养的一体化模型如图1所示，基于全人理念，以复合型人才培养为目标，提供“宽幅课程+定制”“宽幅课程+精深专业”“宽幅课程+精深专业+研究经验”等一系列培养方案，以保证满足人工智能理论研究、技术研发和实践应用等领域的人才需求。

当然，这一目标的实现离不开相关学科强有力的支撑，更需要经过时间洗礼，不断地积淀与完善。斯坦福大学以计算机科学系为载体，制定出一套科学合理的人工智能人才培养流程（如图2所示），更实现了从“人工智能体外”（人工智能非人体层面的进化）到“人工智能在体”时代的转变[10]。

（一）厚基础

纵观整个培养体系，斯坦福大学人工智能专业仅仅开设于研究生阶段，基础的本科阶段最主要的还是培养学生计算机科学方面的基本技能和专长。一方面，广泛而严格的课程培训有助于夯实知识基础。在完成基本的专业核心课程之外，计算机科学的课程设置中还为学生准备了涉猎广泛的辅修课程。如人工智能跟踪、计算机工程跟踪、图形跟踪、人机交互跟踪、信息跟踪、系统跟踪、理论跟踪、非专门化的追踪、单独设计跟踪等。另一方面，“联合专业”（Joint Professional）的推行有助于拓展技能基础。斯坦福大学计算机科学系在学生本科期间还提供“联合专业”这样一个独特的机会，帮助学有余力的学生掌握除本专业之外的其他学科，并提供更多的机会锻炼学生的专业技能[11]。区别于传统的双专业，“联合专业”不仅融合了斯坦福大学两个系的学科传统，更强调通过衔接性、跨学科的学习过程和综合经验来整合两个领域。同时，学生在绩点及个体的主观能动性等方面有较为突出的表现时，通过荣誉课程（Honors Program）计划的实施，进一步巩固基础。

（二）重深度

正因为基础阶段一以贯之的扎实培养模式，进入研究生阶段之后，斯坦福大学的人工智能培养呈现出重深度的培养趋势。首先，单深度与双深度的培养模式。在硕士期间，针对不同学习主体的需求，斯坦福大学采用了单深度和双深度这两种培养模式。单深度培养必须完成27个单元课程的学习，并从相关宽幅课程列表中选择3门完成;双深度培养只需完成專业领域的21个单元课程，但同时还必须完成一个5门课程计划，以满足第二专业领域的要求[12]。其次，细化的目标与严格的标准。硕士阶段，想要以优异的研究成绩获得计算机科学硕士学位的学生，必须首先找到一位同意监督并支持其研究工作的顾问和一名非计算机科学的教师来担任其研究报告的副顾问和读者。博士阶段，需要经历一个博士候选人的遴选过程，完成一篇高质量的毕业论文和一个连贯的学习计划，这些学习任务涵盖了计算机科学、人工智能领域及其他学科领域的知识体系。与此同时，必须完成至少来自4位教师的135个课程单元的学习[13]。最后，丰富合作与实践经验。博士项目的第一年是与1～3位教授轮流合作，其目的是让博士新生在与长期的项目顾问合作之前，能够学会与不同教授相处的方式并适应不同的学术风格。同时，作为博士学位培养的一部分，学生还需要完成至少4个单元的教学助理或讲师工作[14]。

（三）促革新

面对人工智能这样一个高端领域，仅仅是稳中求进的模式并不能满足其“生长”的需要，革新才是实现质性飞跃的关键所在。斯坦福大学人工智能人才培养的革新体现在课程定制、专业预估和学术顾问的设置三个方面。首先，课程定制满足人才培养的多样化需求。斯坦福大学的本科阶段并没有设立相关专业，而是选择以计算机科学学科为依托，在完成了一系列核心课程之后，学生还可以选择一个方向，如人工智能、生物计算、图形学、人机交互等，以期在特定领域获得更大的拓展，从而培养出兼具深度与广度的高端人才[15]。其次，专业预估满足人才培养的个性化需求。在学习准备阶段设立专业预测评估机构，为学生的专业认知、专业选择及专业变更提供指导和建议。对学生而言，这有助于学生找到自己真正喜欢并适合的领域;对学校而言，这有助于营造积极向上的学习氛围;对人才培养而言，这有助于实现初步的人才筛选，为未来人工智能研究储备高素质的人才。最后，学术顾问满足人才培养的专业化需求。斯坦福大学在培养人才的过程中，全程引入学术顾问这一角色，通过指导学生选择课程、设计和开展研究、发展教学方法、指导政策和学位要求、探索学术机会和职业道路等关键环节，为研究生的学术和专业发展提供科学的建议，从而为整个的人才培养保驾护航。

四、基于内联与外延理念的多元化人才培养策略

人工智能是一个复杂的研究领域，需要为各个方向的专业知识寻求内联式的聚合和外延式的拓展。斯坦福大学在人工智能人才培养中，内联与外延并行前进，通过文化浸润、数据导向和人才蓄力的方式实现高质量的人才培养。

（一）文化浸润助力“内涵式”人才培养

每一种文化都可视为某个团体或组织的气质特征。从某种意义上来讲，人才培养模式亦是经历了无数的修正和漫长的等待才略有所成，此过程亦可视为一种特殊的文化，而积极的文化可以助力人才培养的内涵式发展。

为了贯彻并强化人工智能发展的综合化理念，斯坦福人工智能实验室一直以来沿袭人工智能沙龙这一举措，即定期组织全员讨论，同时，辅以Blog的形式将讨论内容予以共享，借以拓展参与者的视野并激发研究灵感。一方面，沙龙文化促使人才进行反思与总结。人工智能沙龙大约每两周举行一次。人工智能实验室通常会邀请一些斯坦福大学的毕业生、教师或者嘉宾分享有关人工智能方面的问题与想法。每个沙龙都有不同的讨论主题，由两位演讲者主持，通常是一位专家嘉宾和一位人工智能实验室成员，其目的在于营造一种交流讨论的氛围，鼓励走出个人的日常研究，更好地认识研究工作如何适应科学进步的长效轨迹，并融入整个社会[16]。另一方面，沙龙文化促使人才进行深入研究与精神提升。在沙龙文化的影响下，实验室还会定期邀请客座教授，甚至企业CEO、记者和法官等。增强与社会公众的对话，对于增强人工智能的社会影响力至关重要，同时，沙龙文化作为人才培养外延式发展的产物，有助于实验室成员之间以及研究人员与社会成员之间更深入、直观地了解人工智能研究过程和各研究板块之间的关系。更重要的是，除了研究环境，人工智能沙龙更是提供了一个分享与交流的平台，不仅仅是学术研究方面，还有生活、情感、社交等方面，从而赋予人才培养更丰富的内涵和意义。

（二）数据分析助力“科学化”人才培养

随着信息化时代的日新月异，大数据的意义也日渐凸显。慕课与其他在线教育的兴起为大数据技术提供了丰富的信息源。斯坦福大学凭借杰出的人才和专业技术实力，以“百年人工智能研究”计划为依托，应用大数据分析技术发布了“人工智能指数”（AI Index），为人才培养提供精确的依据和全面的指导。

“人工智能指数”项目旨在相关数据的跟踪、整理、提取及可视化等，就人工智能论文发表、课程注册、师资概况、就业前景等方面进行统计和分析，所提供的“人工智能指数”报告共分为数据、其他指标、讨论和附录四大部分。一方面，全面丰富的数据和指标指引人才培养的方向，适应动态发展趋势。数据部分通过活动参与情况和技术更新情况反映出人工智能全球发展的现状背景，同时，其他指标部分在2017年衍生指标的基础上增加了一个探索指标，旨在通过用跨界趋势结合的方式来量化人工智能的活跃度，从而揭示培养过程与培养结果之间的关系，勾勒出相对清晰而准确的发展现状。另一方面，专业精准的反馈建议指明人才培养的重点，适应超前发展的趋势。讨论部分汇集了人工智能领域专家的反馈和建议，同时，附录部分提供了大量的基础数据，以此让读者能够直观、全面地认识人工智能的发展现状[17]。斯坦福大学凭借“近水楼台”的条件，能够更加直观地比较出校内不同时期和校际间人才培养过程中的优劣。同时，结合大数据分析及现状的把握，有助于斯坦福大学对未来人工智能发展态势的预测和判断，为人才培养的目标、过程、策略及评价措施的调整、完善提供有利条件。

（三）夏令营项目助力“可持续性”人才培养

人才培养过程中，人才质量的重要性显而易见，人才数量的提升也不容忽视，它是改善人才短缺局面的有效途径。SAIL的研究人员和教育工作者认为，为了开发出最包容、最人性化、最仁慈的技术，不仅需要来自各行各业的学生、研究人员和技术人员，而且要创造可持续的人才培养条件[18]。

懷着这一使命，斯坦福大学在大力倡导跨界融合的基础上，于2015年设立斯坦福人工智能实验室拓展暑期项目（Stanford Artificial Intelligence Lab for Summer Program，SAILS）。该项目是由SAIL和非营利性教育机构AI4ALL合作设立的夏令营项目，主要用于帮助高中生开展人工智能学习并解决相关的问题[19]。这一项目的推行，为人才培养提供了多样化的途径和充足的发展潜力。一方面，寓学于教式的发展途径促进了人才的成长。AI4ALL的参与者与斯坦福大学的研究生密切合作，并由研究生担任研究导师，将他们所学的机器学习技术应用于实际问题的解决过程，由此获得使用人工智能的实践经验。同时，在项目进行中，参与者有充足的时间和机会进行互动交流，通过对提供的各种人工智能主题的接触和探讨，在教学互动中加深对前沿人工智能研究的了解。另一方面，实践观摩式的发展途径促进了人才的成长。由行业赞助商举办的实地考察也是项目活动之一，让少数优秀的高中生尽早接触人工智能领域，让学生了解人工智能领域的就业趋势，以确保维持长期稳定的联系并更好地实现个人成长[20]。同时，通过职业发展工作坊、辅导及社会活动来探索人工智能的社会影响，并促进个人成长，进一步激发并维系学生对人工智能领域的兴趣，为学生提供在人工智能实验室进行实际研究项目的实践经验。当然，无论哪种途径的发展，夏令营项目的核心都在于为人工智能的创新与发展储备力量，蓄力“青苗”对于实现人工智能的可持续性发展具有重要意义。

五、基于开拓创新理念的“灵魂”型人才培养氛围

人工智能从最初的“体外”时代步入了“在体”时代，技术上经历的改革与创新不计其数，对人才培养的总结与思考也是数不胜数。所谓人才，则先为人后为才，斯坦福大学以人工智能人才的精神和情感发展为着眼点，通过“百年人工智能研究”计划（AI100）的发布以及“以人为本”的人工智能（HAI）理念的提出，倡导培养具有开拓进取精神和人文情怀的人才，并树立积极的榜样，营造出“有灵魂”的人才培养环境。

（一）发布人工智能“百年研究计划”

斯坦福大学校长约翰·亨尼斯（John Hennessy）曾说：“人工智能是科学领域最深远的事业之一，它将影响人类生活的方方面面。”[20]正因为坚定了人工智能的价值和意义，斯坦福大学于2014年秋季启动了“百年人工智能研究”（One Hundred Year Study on Artificial Intelligence，简称AI100）计划，这一计划的诞生，除了为斯坦福大学人工智能团队注入了锐意开拓的活力，更为人才培养树立了难得的标榜，营造了一个积极的、有行动力的氛围。

“百年人工智能研究”计划源于计算机科学家、斯坦福大学校友埃里克·霍维茨（Eric Horvitz）的创意，他于2009年第一次阐明了研究人工智能长期影响的必要性。现在，与生物工程学教授鲁斯·阿尔塔曼（Russ Altman）一起，联合哈佛大学、加州伯克利分校和卡耐基梅隆大学不同领域的专家，共同地对未来人工智能的研究进展和发展规划进行了部署，并描述了这些进展将在技术和社会影响等方面带来的机遇与挑战。宏观上讲，“百年人工智能研究”计划为具体的人才培养提出政策导向。百年计划历时之漫长、研究任务之艰巨，更能体现对人才要求之严苛，不仅要求人才具有充足的学习热情，更需要有肯干、敢干的冲劲，从而为人工智能人才赋予了新的精神内涵。微观上看， “百年人工智能研究”计划为人才培养营造积极的氛围。从 “百年人工智能研究”计划的发起者到践行者，再到计划的捐助者，都对人工智能怀着极大的热情。在他们的带领和影响下，培养出更多具有积极进取精神的高素质人才便不足为奇了。“百年人工智能研究”计划的捐助者霍维茨（Horvitz）认为，百年计划以其超长的记忆力和长时间的凝视，为未来一个世纪和更远的将来提供重要的见解和指导[21]。鉴于此，斯坦福大学对未来人才培养的目标和方向以及人才的规格和层次都有了具体的部署，这不仅能为人工智能人才培养提供更好的评价标准和实践平台，也能为人才培养理念的不断完善与创新提供支持。

（二）创建“以人为本”的人工智能研究机构

斯坦福大学计算机科学院教授、谷歌首席科学家约阿夫·肖汉姆（Yoav Shoham）表示，在过去，人工智能的确取得了惊人的进步，但计算机仍然不能表现出哪怕是一个5岁孩子的常识或智力。在增加研究领域的多样性和代表性的同时，引入人文使命也是至关重要的[22]。在这样的时代背景下，致力于创建“仁慈”的人工智能技术，培养更多拥有人文情怀的人工智能人才显得尤为重要。

2019年3月18日，斯坦福大学正式成立了“以人为中心”的人工智能研究所（Human-centered Artificial Intelligence Institute，HAI），由斯坦福大学前教务长、哲学教授约翰·埃齐门第（John Etchemendy）和斯坦福大学人工智能实验室前主任、计算机科学教授李飞飞领导，致力于研究、指导和开发“以人为中心”的人工智能技术和应用[23]。HAI将与世界级的人文、社会科学、工程和医学专家探讨一系列的法律和政策，以便更好地了解人工智能及其潛在的影响，其宗旨是在传统研究的基础上，注重多学科合作和思想多样性。斯坦福大学通过创建HAI实验室，提出“以人为本”的人工智能研究理念，为人工智能人才培养起到了很好的示范和激励作用，同时，也为人才培养营造了人文主义的氛围。一方面，这一理念的提出强化了“以人为中心”的人才培养模式。具体来讲，“以人为中心”体现在设计的机器智能要能够理解人类的语言、情感、意图和行为。要做到这一点，人工智能的创造者和设计者必须广泛地代表人类，这需要跨越性别、种族、民族、文化和年龄，以及跨学科的真正意义上的思想多样性。另一方面，这一理念营造出兼备人文情怀的人才培养氛围。斯坦福大学有着深厚的多学科研究传统，HAI不仅继承了跨界融合的传统，与“百年人工智能研究”（AI100）、“人工智能指数”（AI Index） 以及AI4ALL紧密合作，而且在课程设置中大量开设人文社会科学类课程[24]。在沿袭SAIL一贯坚持的宗旨和理念的同时，进一步关注于研究和预测人工智能对人的工作、生活和娱乐等方面造成的影响及作用机制，让人工智能的研究和人才培养更具“人性化”。

六、总结与启示

作为人工智能领域的“风向标”和“领军者”，斯坦福大学对人才培养的诠释始终坚持改革与创新的初衷，形成的一系列经验具有极高的学习和借鉴价值。多元师资结构和校企合作下的差异化与多样化为跨界融合创造了有利的先天条件，成就了“复合型”人才培养目标。从本科阶段的宽幅课程教育到硕士生阶段的细化培养，再到博士生阶段的自由开放培养，打造了一体化的人才培养机制。人工智能沙龙、“人工智能指数”报告和人工智能夏令营项目直接体现了内联与外延并行的人才培养策略。基于开拓创新理念，营造出有精神、有情感的“灵魂”型人才培养氛围是斯坦福大学的又一创新之举。斯坦福大学的经验可以为我国高校培养高质量复合型人工智能人才提供明确的理论指引和丰富的实践经验。

人工智能是一个世界性的研究主题，中国已经在全球性的人工智能科研与产业竞争中占据重要位置，但仍面临严峻的挑战，尤其是人工智能人才的缺乏[25]。当前，我国人工智能领域保持迅猛的发展势头，得到了来自国家层面大量政策支持和市场需求的推动，因而最缺的不是政策，不是市场，而是人才[26]。面对日渐突出的人工智能人才供需矛盾，到底怎样才能保质保量推进人工智能人才培养呢？

（一）创新跨界融合的机制，贯彻“兼容并包”的理念

基于斯坦福大学的经验，未来我国人工智能人才培养需要坚持开放包容的态度，创新跨界融合的机制。首先，夯实学科建设基础，优化师资队伍结构。我国目前大多采用“人工智能+X”模式，对于学科之间的衔接与过渡重视不够[27]。人工智能专业对一级学科的综合实力有着更高的要求，因此，有必要推进师资专业来源的多元化和大力引进企业导师来优化师资队伍结构。其次，推行“人工智能+X”与“X+人工智能”并行的培养模式。在“人工智能+X”模式中，不仅仅要做到同质学科间的交叉，更应该借鉴斯坦福大学HAI的理念，在人文社会科学领域中寻求交集;在“X+人工智能”模式中，将人工智能作为宽幅课程去设置，扩大人工智能课程的覆盖率，为更好地实现跨界融合奠定基础。最后，兼容并包。从主体角度来看，研究者多样化的学科和领域背景有助于产生更多创新灵感。借鉴斯坦福大学的沙龙文化，定期开展涉及文化、专业等方面的交流，对不同学科和研究领域应该体现出充分的尊重和理解，在此基础上经历综合性学习和共情性交流，最后形成持久性融合[28]。正确引导“冲突”点是实现融合的关键，同时，也能积聚更多的创新灵感。

（二）树立“可持续”发展目标，积蓄人才培养的源动力

人工智能的发展是一项长期而艰巨的任务，人才培养规划更应该未雨绸缪、及早蓄力。一方面，加强校内人工智能人才储备建设。学习斯坦福大学的经验，暑期学校和校园社团可以作为储备人工智能人才的重要途径。不过，在具体实施过程中需要积极争取各方的经费支持，制订规范的管理体系，并建立基于“成长档案袋”的跟踪式反馈机制，确保每个成员都能学有所得。另一方面，开展校外人工智能启蒙教育。扩大人工智能启蒙教育的“辐射圈”，如加强学前教育、基础教育与高等教育之间的衔接，建立“青蓝结对”，大学生带着中小学生，走进实验室，更加直观地了解人工智能创造的奇妙世界，培养中小学生乃至幼儿的兴趣，为人工智能知识的普及和人才的储备创造有利条件。

（三）强化“项目依托”环境建设，优化人才培养策略

作为当前最具挑战性的科学领域，人工智能拥有一整套的先进技术、复杂架构和前沿理念，因而对人才培养提出极为苛刻的要求，而参照斯坦福大学的做法，可以通过构建以项目为依托的培养环境来呼应这种要求。首先，培养项目研究的基本素养。既要鼓励学生多阅读，尤其是批判性阅读，以丰富个体内涵并增进写作技能，又要搭建成果交流的平台，鼓励学生跟踪前沿研究并展开热烈讨论。其次，提供项目研究的实践机会。学校投入一定的经费建立校内的“孵化”项目，鼓励并帮助有热情和感兴趣的学生积极申报，真正体验将研究成果转化为产品的喜悦，同时，激发出更多的参与热情。最后，鼓励项目研究的多方协作。引导开展政、校、企合作作为人工智实践应用的拓展，不仅能给项目研究提供一定的资金支持，也为学生开展项目研究提供了必要的实践平台。同时，积极探索企业参与人才培养的策略和路径，如人工智能人才基金的设立、成果孵化项目等。以项目为依托的人才培养环境有利于实现教育者、研发者和应用者之间思想、感情、理念等方面的交流和灵感上的碰撞[29]，从而有效构建高效的人工智能人才培养体系。

[参考文献]

[1] 新华社.国务院印发《新一代人工智能发展规划》[EB/OL].（2017-07-20）[2019-07-24].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

[2] 王婷婷，任友群.人工智能时代的人才战略——《高等学校人工智能创新行动计划》解读之三[J]. 远程教育杂志，2018 （5）：54-61.

[3] 新浪教育.全国30余所院校成立人工智能学院特色都是啥？[EB/OL].（2019-04-30）[2019-11-08].http：//edu.sina.com.cn/gaokao/2019-04-30/doc-ihvhiqax5855818.shtml.

[4] 搜狐.全球人工智能最牛大學TOP 10[EB/OL].（2017-11-20）[2019-07-26].http：//www.sohu.com/a/205545481_99906238.

[5] 程石.人工智能发展中的哲学问题思考[D].重庆：西南大学，2013：23-25.

[6] 刘德建.人工智能赋能高校人才培养变革的研究综述[J].电化教育研究，2019（11）：106-112.

[7] SAIL. SAIL_Brochure_2019_LowRes[EB/OL].（2019-05-12）[2019-07-28]. http：//ai.stanford.edu/wp-content/uploads/2019/05/SAIL_Brochure_2019_LowRes.pdf.

[8] Stanford. List of related AI classes[EB/OL].（2017-05-15） [2019-07-28]. https：//wenku.baidu.com/view/5c7d7dc303d276a20029bd64783e0912a2167cc1.html.

[9] Stanford. AI affiliates program | Stanford artificial intelligence laboratory [EB/OL]. （2019-03-25） [2019-07-28]. http：//ai.stanford.edu/ai-affiliates-program/.

[10] 刘瑞挺. 斯坦福大学与计算机教育（中）[J].计算机教育，2015（6）：49-51.

[11] 张莉莉. 美国一流大学的教师队伍建设[J].南通大学学报（社会科学版），2019（1）：129-136.

[12] 周文叶，陈铭洲.指向深度学习的表现性评价——访斯坦福大学评价、学习与公平中心主任Ray Pecheone教授[J].全球教育展望，2017（7）：5-11.

[13] 王凡.美国斯坦福大学教育学硕士研究生课程设置及其借鉴意义[J].中国地质教育，2005 （4）：119-122.

[14] Stanford. Computer science | Stanford university [EB/OL].（2019-04-25） [2019-08-01]. https：//exploredegrees.stanford.edu/schoolofengineering/computerscience/#masterstext.

[15] Stanford. Welcome to the Stanford institute for human-centered artificial intelligence [EB/OL].（2019-04-25）[2019-08-01]. https：//hai.stanford.edu/about/welcome.

[16] AI Salon. Stanford artificial intelligence laboratory[EB/OL].（2018-12-03）[2019-08-02].http：//ai.stanford.edu/events/ai-salon/.

[17] Stanford. AI index[EB/OL].（2018-12-03）[2019-08-02].https：//aiindex.org/.

[18] Stanford. Stanford artificial intelligence laboratory[EB/OL].（2018-12-23）[2019-07-26].http：//ai.stanford.edu/#faculty.

[19] Stanford. Outreach | Stanford artificial intelligence laboratory[EB/OL].（2018-12-03）[2019-08-04].http：//ai.stanford.edu/outreach/.

[20] Stanford. 2016 Report [EB/OL].（2019-04-25）[2019-08-05].https：//ai100.stanford.edu/2016-report.

[21] Stanford. About | One hundred year study on artificial intelligence（AI100）[EB/OL].（2019-04-25）[2019-08-05].https：//ai100stanford.edu/about.

[22] 前沿.“人工智能发展指数2017”发布，曾经的科学幻想正变现实[EB/OL].（2017-12-14）[2019-08-08].http：//www.sohu.com/a/210491166_99941379.

[23] Stanford. Stanford university launches the institute for human-centered artificial intelligence[EB/OL].（2019-03-18）[2019-08-08]. https：//news.stanford.edu/2019/03/18/stanford_university_launches_human-centered_ai/.

[24] Stanford. Research centers and partners | Stanford institute for human-centered artificial intelligence[EB/OL].（2019-03-20）[2019-08-08].https：//hai.stanford.edu/about/research-centers-and-partners.

[25] AI_Index_2018_Chinese.pdf [EB/OL].（2019-03-20）[2019-08-08].http：//cdn.aiindex.org/2018/AI_Index_2018_Chinese.pdf.

[26] 钟绍春，唐烨伟.人工智能时代教育创新发展的方向与路径研究[J].电化教育研究，2018（10）：17-22，42.

[27] 方兵，胡仁东.我国高校人工智能学院：现状、问题及发展方向[J].现代远距离教育，2019（3）：90-96.

[28] 孙维，马永红.“双一流”建设背景下拔尖创新人才培养模式——源于跨学科博士生团队培养的思考[J].中国电化教育，2019（4）：68-74.

[29] 彭青.高等教育高质量发展的本质含义与实现机制[J]. 南通大学学报（社会科学版），2019（4）：133-140.