中国高校人工智能学科建设与特征研究

秦 悦，徐 峰

（中国科学技术信息研究所，北京海淀 100038）

自1956年在美国达特茅斯会议上正式确立人工智能的概念以来，人工智能的发展在起起落落中不断前进。进入21世纪后，得益于大数据、超级计算和算法的快速发展，人工智能技术开始在经济社会中广泛应用，推动人工智能发展进入一个新的阶段。我国于2017年7月8日印发了《新一代人工智能发展规划》，对我国新一代人工智能的发展做出了系统的部署，并明确提出要加强人工智能学科建设［1］。2018年4月3日，教育部为落实《国务院关于印发新一代人工智能发展规划的通知》发布《高等学校人工智能创新行动计划》，明确提出“引导高等学校瞄准世界科技前沿，不断提高人工智能领域科技创新、人才培养和国际合作交流等能力，为我国新一代人工智能发展提供战略支撑。［2］”此后，许多高校纷纷响应，相继通过设立人工智能学院、研究院、研究中心等相关研究机构，并初步拟定了研究方向、人才培养模式、招生规模等规划，这一系列举措推动我国人工智能学科建设进入了一个新的快速发展阶段。

1 研究现状

自我国推动高校“双一流”建设决策部署以来，高校学科建设一直是学术界讨论的热点。杨建林等［3］认为学科建设既包括学科知识体系的建设，也包括学科功能单位的建设，其中知识体系建设的主要内容包括学科功能定位、学科发展方向共识、学科知识体系重构以及合理拓展研究内容；学科功能单位作为高校教学、科研、人次培养以及专业建设的依托，其建设包含学科队伍建设、学科科研选题、学科人才培养3个方面。王秉等［4］基于学科由来、学科基本概念界定和认识、学科身份与学科建设视角四个方面研究安全情报学学科建设中存在的问题，并且基于哲学的高度探讨安全情报学学科建设；祁凡骅、林欣在研究我国行政管理学科建设时，采用界定学科界限后，选取6所国内一流高校与6所国外高校进行对比的方法。对比维度包括学科的基本情况，学科培养目标与人才定位，学科研究方向、师资力量与学位设置以及学科课程设置四个方面，其中学科基本情况包括如学科所在院系、创办时间、所在系与研究分支、专业设置、教育层次、招生方式等［5］。

随着人工智能在我国引起广泛关注，人工智能学科建设的研究也逐步受到重视。以“人工智能学科建设”为主题在知网进行检索，共检索出58条记录。该主题领域在我国从2016年起步，近年来发文量呈稳步上升趋势。目前，对于人工智能学科建设的研究主要包括以下几个方面：一是人工智能教育的定位。陈·巴特尔等［6］基于人工智能的学科特性（横断学科、交叉学科）制定发展战略；周志华［7］基于人工智能的发展路径分析人工智能教育的关注点应该是弱人工智能，并且从区分人工智能与智能科学的角度确定人工智能教育的目标为培养具备源头创新能力、解决企业关键技术难题能力的人才。二是人工智能学科下的人工智能学院发展现状。方兵等［8］依据高校职能审视我国现阶段的人工智能学院，并提出未来的发展方向；高敏［9］基于新工科背景不仅调研了高校人工智能学院研究院而且对开设人工智能相关专业的高校的发展现状进行了调研。三是以爱丁堡大学、卡内基梅隆大学等国外知名高校为例，借鉴国外建设人工智能学科的经验［10］。四是人工智能与其他学科的交叉融合而引发其他学科的变革发展研究。

推动人工智能学科发展，加快人工智能领域人才培养是当前我国人工智能发展的重要任务。从上述研究可以看出，当前人工智能学科建设正在受到更为广泛的关注。为此，本文通过调研各高校门户网站信息，文献计量分析等方式，对当前高校人工智能学院建设的基本情况，以及学科研究方向和人才培养模式等进行了分析，以进一步了解当前我国人工智能学科建设的情况，为更好地推动我国人工智能学科建设提供参考借鉴。

2 我国学科建设的基本情况

院系作为高校人才培养、科学研究、教育活动的载体，其建制的合理性直接影响到学科建设的发展［11］。为此本文通过多种渠道，对我国高校建设人工智能学院的情况进行了调研，共收集到37所高校人工智能学院（见表1）。其中，尽管有些高校的学院名称并不是一字不差的人工智能学院，但都是从人工智能重点科技领域布局建立的与人工智能相关的学院建制，如机器人学院、智能工程技术学院、人工智能与数据科学学院等等，此处统一用人工智能学院代指。本部分将从学院设置情况、成立时间、地区分布、师资力量等四个方面对我国人工智能学科建设的基本情况进行分析。

表1 人工智能学院列表

2.1 学院设置情况

通过调研，在37所成立了人工智能学院的高校中，有62%的主办高校为双一流高校，一流学科高校占比8%，如下图1所示，可见我国世界一流大学建设高校、世界一流学科建设高校为当前人工智能学科建设主要推动力量。成立人工智能学院的37所高校中有14所高校是综合性高校，20所是理工类高校，剩下的3所高校，1所是人文社科综合类高校，1所是师范类高校，1所是政法类高校。其中的综合性高校和理工类高校新成立的人工智能学院大致分为5类：第一类是成立独立的人工智能学院，共计23所高校；第二类是原先挂靠于该高校的计算机科学与技术或者软件学院、信息学院等主体下，接着逐渐演变为分属于原计算机、软件或者信息等学院的智能科学与技术系、或者模式分析与智能计算研究所、医学智能研究所、智能控制与机器人研究所等组织；第三类是合并两个已有的学院共同成立新的人工智能学院；第四类是在新成立人工智能学院后，与其他学院共同组成新的学部；最后一类高校是两个学院共同合作办学，形成协同发展的人工智能教育平台。其中有些高校还依托原本学校的优势学科成立研究中心以及实验室，与国际顶尖大学建立联盟，有些高校更进一步与相关的互联网公司达成协议建立实践基地以及与当地政府联合成立学院。

图1 主办高校类型

2.2 学院成立时间

如下图2所示为我国高校人工智能学院成立时间趋势图。《高等学校人工智能创新行动计划》的发布时间为2018年4月3日，据统计共有9所高校是在《高等学校人工智能创新行动计划》发布之前就已经成立了相关学院，分别是湖南大学、同济大学、中山大学、中国科学院大学、西安电子科技大学、西南政法大学、湖南工业大学、上海交通大学、重庆邮电大学。其中最早设立人工智能学院的高校是湖南大学。湖南大学于2016年4月26日成立机器人学院，该学院是交叉融合电气与信息工程学院、机械与运载工程学院、信息科学与工程学院、设计艺术学院等学院而成立的，主要研究方向是人工智能领域的机器人子领域。从成立时间趋势图可以看出高校设立人工智能学院的时间大多集中在《新一代人工智能发展规划》《高等学校人工智能创新行动计划》发布之后。由此可见，国家的战略规划和政策有力地推动了人工智能学科建设的快速发展。

图2 人工智能学院成立时间趋势图

2.3 学院地区分布

从表2的人工智能学院地区分布表中可以看出人工智能学院大多集中在较为发达的东部地区，其中分布最多的地区是北京市，接着是江苏省。分析可能原因有三，一是这两个地区本身就属于高校聚集区；二是这两个地区经济发展比较好，为催生互联网公司提供了良好的环境。北京地区有很多的互联网公司的龙头企业，提供了很好的竞争条件以及人工智能研究与成果落地环境，也催生了很多人工智能理论与技术研究；三是北京地区为我国首个国家新一代人工智能创新发展试验区，其发展目标为推动北京成为全球人工智能学术思想、基础理论、顶尖人才、企业创新和发展政策的源头［12］。但从表2的地区分布可以发现有很大一部分建立人工智能学院的高校分布在沿海地区。从整体地区分布情况上来看，处于一个不平衡发展的状态。

表2 人工智能学院地区分布表

表2（续）

2.4 学院师资力量

从高校公布的已有数据来看，我国高校人工智能学院的师资方面呈现以下特点：教师岗位的设置基本完善，基本涵盖教授、副教授、助理教授、讲师、专职科研人员、实验工程技术人员等，而且教师科研人员中不乏中国科学院院士、万人计划学者、长江学者特聘教授、国家杰出青年科学基金获得者、教育部新世纪优秀人才等优秀师资力量。从学院官网的教师详情页可以看出，人工智能学院的教师大多是原先计算机等相关学院的原教师，而且各个学院之间的师资力量存在很大差距，呈现为不均衡分布，教职员工最多的高校可达一百多人，但也存在目前只有3位教师的情况。

针对本文所调研的37所高校人工智能学科建设的基本情况，我们从学院设置情况、成立时间、地区分布、师资力量四个方面进行分析。结果发现，在学院设置上，多数为独立学院，但学院建制变动较大，存在由独立学院转变为系所的情况。在成立时间上，除少数几所学院早在政策推动前已经形成稳定的学院建制外，多数学院受政策影响推动较大。在地区分布上，学院多分布于东部沿海地区，整体上呈现不均衡分布的状态。在师资方面，教师岗位设置完善，但存在人工智能基础课程教师缺失的情况。

3 我国人工智能学科研究方向

人工智能发展至今已经形成了自己庞大的知识体系，为了更好的了解我国当前人工智能学科研究方向，本部分选取37所成立人工智能学院高校在人工智能领域已发表的论文作为数据源来探析人工智能学科研究方向。

依据EI Compendex数据库中的人工智能的受控词表，选取人工智能的相关词和下位词，制定主题概念部分的检索式［13］，控制机构范围为37所高校，形成检索式。选择国际权威数据库Web of Science的核心合集为数据来源。以主流人工智能学界的关注重点进行划分，人工智能的发展历程大致分为三个阶段，分别为“推理期”“知识期”以及1990至今的“学习期”［7］，所以论文数据的时间范围限定为1990—2019年。使用Citespace引文分析工具，每5年切片（Time Slicing），术语类型选择突发性词汇（Burst Terms），选择纯文本（plain text）寻找突现词，因为关键词往往是作者精心挑选的能高度概括论文内容的核心词汇［14-15］，据此选择节点类型为Keyword，各时间切片的阈值选择为Top30，采用Cosine算法计算网络连线长度，使用寻径方式（Pathfinder）对合并后的整体网络进行裁剪（Purning the merged network）［16］。

关键词共现是指两个关键词同时出现在同一篇文献中，在知识图谱中表现为每一个关键词对应一个节点，节点越大表明关键词出现的频次越高，节点之间的连线表明关键词之间的联系强度，连线越粗，联系越强。高频关键词表明了研究的主要方向和重点领域，并且由于节点较多且比较繁杂，如下图3所示仅显示高频关键词。37所高校论文的关键词共现图谱网络密度为0.025 9，网络较为分散，人工智能研究的分支较多。由图谱可知神经网络（neural network）、算法（algorithm）、优化（optimization）、深度学习（deep learning）、粒子群算法优化（particle swarm optimization）、分类（classification）、遗传算法（genetic algorithm）、人工智能网络（artificial neural network）、预测（predication）、卷积神经网络（convolutional neural network）、机器人（robot）、支持向量机（support vector machine）、非线性系统（nonlinear system）、识别（recognition）、跟踪控制（tracking control）、特征提取（feature extraction）、模糊控制（fuzzy control）、自适应控制（adaptive control）、多代理系统（multi-agent system）、专家系统（expert system）等，都是30多年来我国高校人工智能研究的重点领域。

高频关键词是研究某个领域的一个有效指标，为进一步探析人工智能领域中的研究转折点，在生成关键词共现图谱时，术语类型选择了突发性词汇。突现词在图谱中表现为外环颜色较深的节点，详细信息如下图3。CiteSpace工具共检测出228个突现词，其中有39个关键词出现了引文爆发（citation bursts），如下表3截取突现强度大于10的主题。突现词在主题演变过程中起着重要的转折作用，可以看出随着时间的发展，哪些主题做出了承前启后的作用，并可以用来表征研究领域转向，预测研究发展方向［17］。通过梳理突现词突现强度的时间分布，可以清晰的看出在这个阶段，神经网络（neural network）的突现强度最大，且突现时间持续了将近20年。专家系统（expert system）、模式识别（pattern recognition）、自适应控制（adaptive control）、收敛（convergence）、模糊控制（fuzzy control）、人工神经网络（artificial neural network）、遗传算法（genetic algorithm）、机器人技术（robotics）、多主体系统（multi-agent system）、同步（synchronization）、差异进化（differential evolution）等主题在某一时间点成为该时段的热点研究领域。选择（selection）和识别（recognition）这两个主题分别从2015年、2017年成为我国高校人工智能研究的转折点。众所周知2015年以来，业界巨头纷纷加大对人工智能的投入研究，并且开源其人工智能框架，自然语言处理、计算机视觉、语音识别等技术趋于成熟。在《全球人工智能发展报告（2018）》中指出我国国内的人工智能研究聚焦于计算机视觉［18］。对比论文数据科学计量所得出高校的研究重点领域以及研究领域转向，证明我国高校研究基本符合人工智能的发展趋势。

图3 高校论文关键词共现

表3 关键词突现强度列表

表3（续）

4 我国人工智能学科人才培养模式

学科人才培养模式是学科建设的重要内容。从调研的37所人工智能学院来看，大部分学院均在推动学科人才培养方向开展了一些工作，并结合人工智能发展的特点，推出了一些新的人工智能模式。

4.1 专业定位与学科设置情况

从调研的情况上看，已有人工智能学科建设仅仅设置智能与科学技术专业，或是自动化相关专业。仅有少数的高校有完善的专业定位与课程设置，如南京大学出版了《南京大学人工智能本科专业教育培养体系》［19］，形成了系统的人工智能本科教育大纲，主要分为数学基础课程、学科基础课程、专业方向基础课程以及专业选修基础课程等四大教学大纲。湖南大学机器人学院有完整的本科人才培养计划以及方案。南开大学官方网站详细列出一级、二级学科体系构建以及本硕博课程设置（自动化、模电等）。现阶段我国高校人工智能学科基础专业欠缺，课程设置不完备。

4.2 招生规模

目前，仅有6所高校的官网列出招生信息，其中湖南大学、西安电子科技大学在早年间已经设有人工智能学院，完备的专业设置，经过发展已形成了稳定的招生规模，向社会输出了相当数量的专业人才。而另外的4所已有招生信息的高校招生规模最大的高校是河北工业大学，东南大学的招生计划明确有本科的招生规模，而另外的两所高校所给出的招生信息全部是关于硕士研究生以及博士研究生的信息，可见现阶段大部分高校的人工智能学院的教育层次主要集中于硕博阶段，本科阶段还处在萌芽期。

4.3 人才培养的新模式

在对人工智能学院调研过程中，依据这些学院在人才培养规划、本硕博人才培养体系、实践基地的建设等相关消息，可以看出我国在人工智能学科人才培养模式方面拥有了一些新的特点。

一是重视“双创”培养。新成立的人工智能学院更加倾向于积极引导学生参加各种创新创业大赛，增强学生的动手以及实践能力。采用这种培养模式的高校有湖南大学、西安电子科技大学以及重庆理工大学，其中重庆理工大学还构建了国家级、省部级、产业级等多级竞赛体系，旨在不断提升学生工程实践能力和专业技能。

二是下沉导师资源。第二种人才培养模式最大的变化在于导师制度上新的突破。在以前的经验中，绝大部分的高校只会在硕士研究生以及博士研究生培养中实行导师制度，但在新成立的人工智能学院中不仅本科生开始实行导师制度，而且湖南工业大学实行由院士、专家亲自担任本科生导师的制度，重庆理工大学实行优秀本科生导师制和优秀研究生名校导师联合指导机制。导师制度向大学本科专业基础教育的下沉，提前为本科生提供接触更深层次专业知识的机会，进而提高人工智能领域人才质量。

三是深化校企合作。由于各个高校的政策反应时间以及自身发展规划的不同，未来可能会有更多的高校成立人工智能学院，而且现阶段新成立的人工智能学院也是初成规模，很多高校的官方网站还没有同步更新院系的相关信息。据不完全统计，成立了人工智能学院的37所高校中有7所高校与相关的互联网公司都有合作。湖南工业大学联合人工智能领域在国际上有影响力的教育研究机构和国内龙头企业，深化科教融合和校企协同育人，使每位学生有国际访学和一流企业实践的机会。南开大学不仅仅与很多知名企业有合作，并且与多所国际学校有交流合作。南京大学与京东、科沃斯、旷视三家企业签订战略合作协议。吉林大学从深化校企合作的角度出发将在人才培养、创新科学研究项目、人工智能相关学科共建及课程建设等方面展开全面而深入的合作，以培养适应创新型国家建设需要的高水平技术人才。重庆理工大学在大数据智能产业园区、业内知名企业建立就业实习基地。辽宁工程技术大学与腾讯云计算（北京）有限责任公司、上海墨桐花开教育科技有限公司合作。长春理工大学与青软实训教育科技股份有限公司签订协议建立了实训基地。校企合作程度的深化而带来的人才培养和学科体系以及课程建设方面的调整，一定程度上可以将高校以及企业的关注点进行聚焦，减少产业链条的断节，达到一定的平衡，形成稳定的产学研合作体系，提高科学成果转换能力。

5 结语与建议

通过对新成立人工智能学院进行分析，可以看出我国高校的人工智能学院已经具备一定的规模，其中以我国的世界一流大学建设高校、世界一流学科建设高校为主力军，并且多分布于经济发展较好的地区。但在学科体系建设中也存在一些不容忽视的问题，虽然已有高校率先对人工智能学科体系进行了探索，但总体上人工智能学科还没有形成体系。为推动我国人工智能一级学科建设，通过分析现有人工智能学院的发展特点，本文提出以下针对性建议：

一是加强跨学科合作。在院系设置方面，组织变动较大。人工智能研究组织采用挂靠于计算机学院下的系所机构，并没有在建制上形成独立的研究机构，且有研究提出从跨学科的组织建设看，传统学科通过建立交叉学科研究组来整合跨专业或跨学科的研究力量，这种结合方式具有不稳定性和临时性，并不适合人工智能的长期发展［6］。基于这一点出发，除却建立单独人工智能学院的基础上，还需要建立跨学科的人工智能协同创新平台进行学科资源的有效整合，减少跨学科的合作成本。

二是加强师资力量建设。人工智能学科经过了60多年的发展，已经形成了基本的学科知识体系，但由于现有人工智能学院的非独立建制原因，在师资组成上，存在着学科薄弱部分师资缺乏的问题。高校人工智能学院应该在现有的师资团队的基础上，通过国际合作、人才引进的方式对人工智能课程缺乏的教师进行填补，加强基础理论研究，形成属于人工智能自己的完整学科体系。

三是加强社科领域研究。现阶段高校在人工智能技术领域的研究多集中趋于成熟的自然语言处理、语音识别、计算机视觉等领域研究，但人工智能本身具有多学科综合、高度复杂的特征，人工智能技术在多领域中的应用展现出了巨大的潜能，带来很大的社会变革，但是这对现有社会体系中的法律、伦理等也是一种挑战［16］，例如，不断爆出知名AI公司端口泄露大量用户数据的事件。人工智能的学科建设在进行本领域的基础创新实现突破外，也应该加强社科领域内的人工智能研究，例如数据安全条例、法律研究，政策研究以及公共服务研究。

四是创新人才培养方式。基于目前的人工智能产业布局，由于大规模数据+大规模算力的基本方法论已经成熟，计算机视觉、自然语言处理、语音识别等技术都得到广泛的应用。今后的发展路径是十分清楚的：在数据储备充分，商业价值清晰的场景，人工智能应用会迅猛发展，主要表现为人工智能技术应用于其他领域而实现智能化，实现应用终端化，即将AI算法加载于终端设备上，如医疗、智慧教育、智能农业、智能家居、自动驾驶、智能零售等领域已初具规模，人工智能产业的火热发展势必会造成该领域的人才供需失衡现象。基于这一市场发展趋势以及广阔的就业前景，高校在人才培养方面更应该从源头出发，聚焦于产业市场需求，做好市场调查，深化产学研的合作，提高科技成果转换效率。在完备的知识传授下，通过邀请企业优秀研究人员进行授课，教师带领学生团队与企业合作，借助企业的开发设备共同建立实验室等措施，紧跟人工智能产业发展，聚焦市场需求，强化产学研合作，培养符合产业发展趋势、市场所需要的人才。