人工智能学院建设：内部驱动与就业调查

苏 明，陈·巴特尔，2

（1.南开大学 周恩来政府管理学院，天津 300350；2.内蒙古民族大学 民族研究院，内蒙古 通辽 028005）

人工智能学院建设是我国高等教育适应智能时代社会变革的重要内容，也是我国新工科建设的重要组成部分，其任务在于服务国家战略发展的新需求、构筑国际竞争的新优势、对接新旧经济增长动能转换的新产业、建设引领未来发展的新起点。[1]（p8）2019年5月，习近平总书记在中国人工智能与教育大会致贺信中指出，人工智能是引领新一轮科技革命和产业革命的重要驱动力，要培养大批具有创新能力和合作精神的人工智能高端人才。[2]由于人工智能的应用领域涵盖了行政、商业、医疗、教育、军事等几乎所有领域，政府已经意识到仅由企业推动研究人工智能是远远不够的，必须由国家战略支撑人工智能的发展来占领世界人工智能技术竞赛的高地，把发展资源向人工智能领域重点倾斜，并且建立相应的组织机构来推动人工智能发展。[3]（p18）《高等学校人工智能创新行动计划》鼓励有条件的高校建立人工智能学院，仅2018年就有南开大学、天津大学等42所高校成立了人工智能学院或人工智能研究院，2019年以来华中科技大学、中国人民大学等数十所高校也相继成立了人工智能学院，2020年教育部《2019年度普通高等学校本科专业备案和审批结果》显示又有180所院校获批了新增人工智能专业。在人工智能学院建设“热”的同时，很多学者提出了“冷”思考——人工智能学院大量成立的内部条件是否已经成熟？学者们认为高校既不能“无所作为”，又不能“盲目强为”，[4]（p22）既要“热情高涨”，又得“循序渐进”，避免“一哄而上”“量大而质劣”和“培养即过剩”的局面。人工智能人才常常与传统互联网行业的人才高度重复，导致人工智能人才的界定和统计口径存在很大差异，由于人工智能处于多个传统学科的交叉领域，人工智能人才更多以领域化、碎片化的形式出现，[5]（p63）为了更准确地掌握人工智能学院的人才培养和就业现状，本课题组以人工智能学院为研究视角，对全国27所高校的人工智能学院进行调查，以了解人工智能学院建设存在的问题和就业状况。

一、内部驱动：人工智能学院涌现的内部条件

在国家政策推动和地方资源倾斜的外部条件下，人工智能学院大量涌现，这让许多学者产生了忧虑，尤其2020年教育部备案新增人工智能专业的许多学校自身发展条件较差。高校成立人工智能学院既要实现对智能时代社会快速变化的适应性，但也要考虑自身条件避免盲目跟风、一哄而上，必须做好学科论证和学院论证避免量多而质低和人力物力的浪费。判断人工智能学院成立的内部条件是否成熟在于审视目前人工智能发展面临的四个问题：其一，从人工智能产业化角度，当前人工智能产业化与20世纪80年代的人工智能全球产业化浪潮有何不同，在日本“五代计算机计划”等上一轮人工智能产业化失败的前车之鉴中，新一轮的人工智能产业化浪潮是否会重蹈覆辙而再次形成“有政策，无市场”的人工智能泡沫?其二，从人工智能学科发展的角度，人工智能学科的发展能否跟上人工智能产业化的需求，当前人工智能的发展形式是否符合人工智能学科的特点和发展规律，还是陷入了“只顾产业需求，不顾发展可能”的矛盾之中？其三，从人工智能学院组织的角度，是否有必要建设独立的人工智能学院，在传统的计算机科学与技术学科的培养框架下能否实现只需发展学科而不组建学院的可能？其四，从人工智能人才供需匹配的角度，人工智能学院的大规模迅速成立是否会产生人才批量生产导致培养过剩的问题，高校人工智能学院培养人才的重点和定位在哪里，当前我国人工智能学院的人才培养是全方位的供不应求还是存在结构性差异？

首先，关于人工智能是否为泡沫和人工智能学科发展内部规律的问题。泡沫是一种产业虚假繁荣的现象，其本质上是对事物的发展过度自信而形成的预期远高于实际的错误决策。[6]（p115）如果人工智能的学科发展不足以支撑人工智能产业化而形成产业投入和现实基础的背离，那么伴随着预期的破灭，人工智能产业将会由迅速上涨的繁荣转变为暴跌不止的萧条，因此人工智能产业发展和人工智能学科发展是相互依存的两个问题。20世纪70年代人工智能学家开发出知识密集的专家系统，人工智能开始迈向医疗诊断和语言翻译领域，这极大地鼓舞了市场和政府的信心，从而误判为只要加大人工智能产业的投入就可以很快地解决当时人工智能翻译不准确等应用问题。美、欧、日等国家和地区纷纷以国家战略的方式增加了人工智能投入，但遗憾的是人工智能技术并没有因为人工智能产业化投入而获得关键突破，当时人工智能技术的实用价值很低而无市场生存之地。再谈当前，如今人工智能的核心技术与20世纪80年代的专家系统和逻辑推理完全不同，机器学习和深度学习实现了以数据驱动和超级计算为核心的现代方法，把智能问题转变为数据问题并在数据中获取信息和知识并实现科学决策，Russell S.J认为机器学习意味着人工智能终于成为坚实的科学方法，实践证明深度学习非常善于学习高维度数据中的复杂结构，适用于自然科学、经济和管理等社会科学领域。[7]（p21）人工智能技术已经成功跨越了科学与应用之间的“技术鸿沟”，突破了从“不能用、不好用”到“可以用”的技术拐点，解决了20世纪人工智能产业化浪潮中产生的人工智能“不如人，成本高”等问题。[8]（p1）技术的突破使得人工智能市场需求旺盛，就当前人工智能的应用来说，虽然仍然在某些领域存在一些不完善的地方，但是整体上人工智能产业化是成功的，人工智能成为一种可靠的工具而延伸到生活的方方面面，人工智能+交通、人工智能+医疗、人工智能+教育等人工智能产业正蓬勃发展。

其次，关于建立人工智能学院的必要性和人工智能人才供需的问题。北京大学、南开大学等四所高校于2004年率先设立了智能科学与技术本科专业，至2017年共有近40所高校设立了智能科学与技术专业，但是原有的学科框架远不足以支撑当前人工智能的发展。一方面，人工智能更多地与计算机科学、数学、工程学有关，而智能科学更多地是与认知科学、神经科学、脑科学有关，原有智能科学与技术专业与当前人工智能发展的侧重并不相同。[9]（p52）另一方面，人工智能学科体系愈发成熟和丰满而形成了一个独立的学科体系，具有脑认知机理、机器感知与模式识别、自然语言处理与理解、知识工程、机器人与智能系统等二级学科，超出了原有学科框架的容纳范围。[10]（p11）人工智能学科原本分散在计算机学院、自动化学院、软件学院、电子信息学院等，从组织的角度看，学院作为高校的二级组织具有底部沉重和矩阵结构的特征，从而使得学院的内部交流比跨学院交流更加通畅，学院壁垒为系统的人工智能课程教育设置障碍，同时也不利于资源的精准倾斜和二级学科间的合作研究，因此，把分散的人工智能学科整合到人工智能学院可以有效减少学科教学与科研的组织成本，也有利于通过新的学科专业平台推动人工智能学科的系统化建设。人工智能专业一经设立便成为热门专业，《2017全球人工智能人才白皮书》显示，全球人工智能领域人才约30万，人才市场需求约100万，但是全球每年人工智能领域毕业的学生仅2万人左右。需求远高于供给的劳动力市场导致人工智能行业的薪酬高于其他行业，从而吸引了许多人通过人工智能社会培训而跨行进入人工智能行业。《2017人工智能就业市场供需与发展研究报告》显示，人工智能人才主要是由近缘行业跨界而来，高校还未能形成可观的人才输出。当前，我国人工智能人才供给大幅增加，除了人工智能企业的内部培训之外，其来源主要包括三个部分——跨界到人工智能行业的往届高校毕业生、人工智能相关学科的毕业生、国外毕业的人工智能人才。人工智能行业的社会培训周期短、规模大、变化迅速、精准性强，但是相比高校的人才培养，其基础知识薄弱，注重应用性而缺乏高端研发能力，难以培育高层次人工智能人才，而高校人才培养却难以适应人工智能知识的快速更新，教育内容可能由于陈旧而不适应市场需求。虽然总体上人工智能人才供小于求，但是高校培养的人工智能人才相对社会培训和企业培训的人工智能人才具有不同的竞争优势，各类人工智能人才的市场需求符合度具有不确定性，人工智能学院实现大规模人才供应之后，高校、社会培训、企业培训等人工智能人才培养格局将发生变化。

二、人工智能学院的发展现状与就业调查

现在的高等教育系统学科数量繁多，绝大多数都是自身学科知识体系成熟之后从其他学科独立出来的。自1956年达特茅斯会议上人工智能成为一门新学科开始，人工智能逐渐发展为具备了系统性和独立性的知识体系，并且具有了庞大的社会需求和较高的社会价值，钟义信、李德毅、方勇纯等都认为人工智能已经可以被设置为一级学科了，人工智能逐渐实现了学科独立和学院独立。[7]（p20）我国人工智能学院基本上都是由相近学科从其他学院独立并扩充而成，或者以原学院为基础改建而成，譬如，南开大学人工智能学院是在计算机学院的智能科学与技术专业的基础上建设的，华中科技大学人工智能学院是以原自动化学院为主体建设的，中国人民大学人工智能学院是从信息学院分离而成的。由于各高校人工智能专业的设置和研究侧重都不相同，由此而发展起来的人工智能学院研究方向等具有较大差异。为了解我国人工智能学院建设的现状、存在的问题以及人工智能人才供需情况，南开大学就业指导中心联合全国就业指导中心对我国27所高校人工智能学院进行了调查研究，所调查的高校包括华中科技大学、南开大学、山东大学、吉林大学、四川大学、华南理工大学等14所“双一流”高校，以及上海理工大学、黑龙江大学、重庆邮电大学、天津师范大学等13所普通高校。考虑到目前我国人工智能学院建设的总数量，可以认为本次调研的范围较广，也具有较好的代表性。本次调研采用问卷调查和访谈调查相结合的方式，其中问卷的设计由南开大学人工智能学院、高等教育研究所、商学院、就业指导中心的多位教授组成的“人工智能与未来高等教育发展战略”课题组完成，问卷回收率100%。

（一）人工智能学院的教育现状。

在人工智能学院建设过程中都不同程度地有师资短缺、师资整合不力、课程体系不明晰等问题。本次调查的所有人工智能学院均选择将完善本校人工智能专业师资建设、引入外部人工智能师资、课程体系的设计和更新作为学院工作的重点内容，而且普遍注重学院与企业的产学研合作和人工智能实践基地建设。各人工智能学院在课程设置上具有相似之处，主要包括基础类课程（如概率论、数理统计）、专业核心课程（如机器学习、模式识别）、应用类课程（如机器视觉、多媒体技术）以及工具类课程（Python语言、R语言等）。在关于学院人工智能专业培养存在困难的调研中，调研的27个人工智能学院中有18所学院（占比67%）具有师资力量薄弱的问题，有16所学院（占比59%）反映人工智能相关知识更新过快而学院课程较难完善，14所学院（占比52%）反映人工智能学科需要储备大量其他学科的知识而本学院难以完成教学，16所学院（占比59%）反映实施的专业实践教学难以满足学生能力素养的提升需求。由此可以看出专业师资薄弱、教学内容落后、关联学科师资短缺、专业实践教学不足成为我国人工智能学院普遍存在的四大难题。（见图1）比较出乎调研组意料的是关于本校人工智能专业学生在人才市场的供需状况，有6所高校（占比22%）反映本校培养的人工智能人才供大于求，有8所高校（占比30%）反映本校培养的人工智能人才供求相当，这与当前人工智能人才严重不足的观点有很大出入，另有11所高校反映本校培养的人工智能人才供小于求，有2所高校反映本校培养的人工智能人才供远小于求（见图2）。

图1 人工智能学院面临的主要问题

图2 人工智能学院毕业生就业的供求状况

（二）人工智能学院就业的变量描述。

为了进一步分析我国人工智能学院总体的办学特征，研究学校特征和人工智能就业之间的关系，本文对调查变量进行了处理。调查问卷中代表人工智能学院特征的变量有四个，分别为学校层级、学生层级、培养规模、培养定位：学校层级变量是为了区分人工智能学院所属学校是“双一流”高校还是普通高校；学生层级变量是为了区分人工智能学院所培养的学生的最高学历是学士、硕士还是博士；培养规模变量是为了区分人工智能学院培养学生的数量；培养定位变量是为了区分人工智能学院培养的是应用型、复合型还是研究型的学生。调查问卷中代表人工智能劳动力市场的变量有三个，分别为招聘企业增长度、招聘职位增长度、招聘质量增长度：招聘企业增长度变量是为了反映招聘人工智能人才企业数量的变化；招聘职位增长度变量是为了反映招聘人工智能人才职位数量的变化；招聘质量增长度变量是为了反映招聘人工智能人才职位质量的变化。调查问卷中代表高校人工智能就业特征的变量有两个，分别为学生就业类型和供需关系：学生就业类型变量反映毕业学生从事技术研发岗位还是技术研发支持岗位；供需关系变量反映高校人工智能人才供给和市场人才需求的关系。基本情况如表1所示。

（三）基于多重对应分析的样本特征。

多重对应分析是一种分析多个分类变量之间相关性的方法，可以用点的形式在二维空间中表示出关联列表的行和列各变量的比例结构，其基本原理是将高维空间的向量点向低维空间投影，然后把多个分类变量不同层次的关联性展示在二维图上。[11]（p212）为了能够更清晰地看出我国人工智能学院特征的变量关系、人工智能劳动力市场的变量关系以及与人工智能就业变量的关系，本文分别对反映人工智能学院特征的四个变量、反映人工智能劳动力市场特征的三个变量以及所有变量作图。

表1 人工智能学院特征的统计描述

图3 人工智能学院变量多重对应分析的类别联合图

图4 人工智能劳动力市场变量多重对应分析的类别联合图

图5 全变量多重对应分析的类别联合图

在多重对应分析图中，落在由原点（0，0）出发方位与距离相近区域的类别点具有关联性（本文将区域相近且聚集的点用圆圈圈出），如果距离较远或者不在同一方位则关联性较弱或者无关联性。由图3人工智能学院变量多重对应分析的类别联合图可以看出，我国人工智能学院并非同质化建设，而是形成了三种主要类型，编号分别为1、7、9、12、13、23的华南理工大学、山东大学、华东理工大学、吉林大学、华中科技大学、福州大学的人工智能学院特征具有相近的距离和方位而成为同一种类型，这些高校都是“双一流”院校而且培养层级较高；编号为11、14、15、19、26的天津师范大学、山东科技大学、天津中德应用技术大学、天津机电职业技术学院、重庆城市管理职业学院的人工智能学院特征具有相近的距离和方位而成为同一种类型，这些学校都是普通高校而且培养规模较大、培养定位为应用型；编号为16、17、21、22、25的黑龙江大学、重庆邮电大学、西南政法大学、天津科技大学、上海第二工业大学的人工智能学院特征具有相近的距离和方位而成为同一种类型，这些学校都是普通高校但是培养定位较高。由图4人工智能劳动力市场变量多重对应分析的类别联合图可以看出，招聘企业增长度、招聘岗位增长度、招聘质量增长度之间具有关联性，来校招聘的人工智能企业数量增幅越大，其招聘岗位数量和岗位质量也增幅越大。由图5全变量多重对应分析的类别联合图可以看出，就业类型为技术研发支持岗的学生更可能来自学校层级较低、培养规模适中的学校；就业类型为技术研发岗的学生更可能来自培养定位较高、学校层级较高的学校；供远小于求更可能发生在培养层级高、招聘职位和质量增幅大的学校；供求平衡更可能发生在学校层级高、招聘质量增幅较高的学校；供大于求更可能发生在学校层级低、培养规模大的学校。对于为何已经产生人工智能人才结构性供大于求的情况以及供大于求为何普遍发生在普通高校这一问题，本文认为人工智能应用类岗位对从业者系统的人工智能知识要求和学历要求并不高，《2017人工智能就业市场供需与发展研究报告》显示专科学历的人工智能从业者占比高达34%，本科学历占比61%，硕士及以上学历占比仅4%。专科学历者通过社会学习就足够跨界进入人工智能领域，而且人工智能的社会培训具有周期短、应用性强、市场反应快的优势，能够更早地寻找人工智能相关职位并获取企业内培训和工作经验的优势，这就大幅挤压了普通高校人工智能专业毕业生的就业空间，从而形成了《2019全球人工智能报告调查》所显示的中美人工智能人才总量相当但是我国高层次人才严重不足的结构性问题。“双一流”高校能够获得更多的发展资源，其师资薄弱问题更小，学生就业竞争力更强，因此更容易获取更高层次的学习机会和就业机会，普通高校毕业生的就业空间被社会培训和“双一流”高校毕业生双重挤压，更容易产生供大于求的现象。

三、结论

高端人才的培养应该是我国人工智能学院的重点任务，这给未来人工智能人才培养以质量为中心提供了实证支持。人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应，加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。[12]人工智能技术的发展最终还是要依靠人工智能人才，高等教育要积极适应智能时代的变化并承担起培养人工智能人才的时代责任。本课题组对全国27所人工智能学院进行了调查，发现专业师资薄弱、教学内容更新慢、关联学科师资短缺、专业实践教学不足成为我国人工智能学院普遍存在的四大难题，有13所高校反映其人工智能人才供小于求，在总体上人工智能人才仍然供应不足，尤其是高端人工智能人才紧缺，但同时人工智能人才也存在结构性问题，有6所调查高校已经存在培养的人工智能人才供大于求的现象，可见我国人工智能人才供应存在总量不足和结构不合理的双重矛盾，其中人工智能高端人才严重不足而形成的人才结构不合理的矛盾是当前的主要矛盾。人工智能人才供应渠道具有多元化特征，中低端人工智能人才可以通过社会培训和计算机相近专业跨行进入，其人才空缺更容易补充，但是人工智能高端人才却无法通过短期培训快速填补，因此应当把培养人工智能高端人才作为我国高校人工智能学院的主要任务。针对以上问题，人工智能学院建设应当把握以下方面：

（一）以市场需求为引导，推动人才培养的层次化。世界范围内新一轮人工智能产业化需要大量的人工智能人才，在人工智能人才的国际竞争中，培养一支助力我国人工智能产业发展的人才队伍是人工智能学院的根本目标。一方面，人工智能人才的市场需求仍然较大，需要高等教育领域集中资源把人工智能人才培养作为新时代的重要任务；另一方面，人工智能人才的市场需求具有层次化的特征，既需要从事人工智能核心算法研究的高端研究型人才，也需要人工智能技术的应用型人才，以及与人工智能相关的服务型人才。人工智能人才市场需求的层次化特征要求我国人工智能人才培养的层次化和人工智能学院定位的多元化，“双一流”高校应该把研究型人才作为培养目标，而普通高校应该重视学生的应用能力，虽然目前各学院在培养目标定位上已经注意到了多元化，但是在课程设置上却存在严重的同质化问题。人工智能产业发展需要一条完整的人工智能产业链条，产业链上不同位置的人才要求并不相同，需要以市场需求为导向培养层次化的人工智能人才，避免人工智能人才供给的结构性问题。

（二）以协同培养为保障，实现人才培养的国际化。人工智能领域的知识更迭迅速，许多专家表示人工智能学院中的许多教学内容非常陈旧且价值不大，应该让学生尽可能地掌握技术的前沿内容。要保障人工智能教育的前沿性就需要让师生扩大眼界，融入世界范围的人工智能领域，及时掌握国内外最新的研究成果。长期以来国际化人才培养通常是以交流生的方式进行，但是这种方式效率较低而且覆盖范围小，在智能时代可以建立人工智能前沿学习网络平台，及时把最新的人工智能知识推动给学生从而解决教育内容落伍的问题，让高校线下教学和网络平台教学协同发展，适应人工智能知识的快速更替。人工智能相比其他学科内容更新更快，要做好课程内容的及时更新和国际化交流，避免内容过于陈旧和封闭而被市场淘汰。

（三）以从严把关为原则，保障人才的培养质量。《高等学校人工智能创新行动计划》鼓励有条件的高校建立人工智能学院并在政策上予以资源支持，许多基础条件不好的高校会为了获得资源倾斜而建立人工智能学院。因此，要保障人工智能人才培养的高质量就需要循序渐进、从严把关，把学校基础条件和学院发展目标有机结合并制定切实可行的培养方案。虽然人工智能学科是在控制论、计算机等学科的基础上发展起来的，而且许多人工智能学院也是从原学院分离出来的，但是人工智能与控制论、计算机等学科有很大不同，是以机器学习、深度学习、增强学习为核心的学科。因此，要以原学院资源为依托发展人工智能，但也要体现出人工智能的专业特色，不仅在人工智能专业审批和学院建设论证中要从严把关，而且在人工智能发展评估中也要从严把关，明确人工智能发展特色，避免人工智能“大箩筐”和培养即过剩的问题。一方面，高校人工智能人才培养要以市场需求为引导，通过动态的人才市场调研及时掌握人工智能人才需求的变化情况，不断调整人工智能人才培养的结构和规模；另一方面，以从严把关为原则及时调整培养质量落后和学生就业不佳的院校，建立动态的学院评价机制，改变学院建只增不减的现象，避免培养即过剩的问题。

（四）以师资建设为根本，助力人才的长期培养。师资建设是人工智能培养的根本保证，人工智能师资建设的复杂性在于既需要人工智能专业的师资建设，又需要人工智能专业相关的师资建设。作为一种工具性和应用性很强的横断学科，人工智能学科的建设不仅包括本学科理论的研究，而且也包括与被辐射学科的衔接和应用。要实现人工智能学科的理论价值和应用价值就需要同时做好人工智能学科建设和“人工智能+”学科建设，加强人工智能专业师资建设和相关专业师资的联合教学，解决人工智能专业师资不足和关联学科师资不足的问题，同时要加强人工智能伦理教育，树立学生善用人工智能的观念，维护人工智能的社会服务价值和良性发展；[13]（p228）规范人才引进程序并建立公平的教师考核办法，在人工智能学院建设中，国内高校普遍面临着学科师资由弱到强或者从无到有的过程，通常师资建设的办法就是从高校内部的近缘学科抽取部分教师组建为基础师资，同时根据基础师资对学科特色的规划而选择性地从校外引进与规划相符的人才从而组建为混合制的师资队伍，这就需要注意维护引进人才和基础师资的和谐关系，避免资源分配中出现对外来人才的挤兑现象。另一方面可以借鉴我国生物工程学院的建设经验，大力引进海外高端人才，尤其是华裔人工智能人才，把我国人工智能专业建设为世界学科高峰。