哈佛大学人工智能课程设置特点与启示

梁晓波 涂维 武啸剑

摘   要：为总结哈佛大学人工智能课程设置特点，从而为我国高校开设此类课程提供启示，文章首先梳理了国内学者针对世界主要一流大学人工智能课程的相关研究成果，随后以哈佛大学人工智能课程体系及配套举措为例，剖析了哈佛大学人工智能课程设置的情况和特点，认为哈佛大学人工智能课程鼓励个性化发展、紧盯科技前沿、融汇多学科智慧、共享跨校优质课程资源、注重培养学术语言表达能力。并基于此提出我国高校的人工智能课程设置应重视算法分析与软件设计课程，培养学生创新能力;重视课程体系灵活设计和多样化选择，助力学生个性化发展;整合优质学科资源，搭建多学科、多领域、跨院校的优选知识平台;坚持本土与世界优秀文化的融会贯通，拓宽学生的世界视野和人文情怀。

关键词：人工智能;哈佛大学;课程设置;世界一流大学

中图分类号：G434;TP18 文献标志码：A 文章编号：1673-8454（2021）14-0034-07

一、引言

人工智能（Artificial Intelligence，AI）是由计算机科学、数学、控制论、信息论、神经生理学、心理学、语言学、统计学、认知科学、哲学等多学科，交叉融合进而发展起来的一门前沿交叉学科[1]。美国率先以实验室培养人工智能方向研究生的方式开展人工智能教育，再慢慢过渡到本科生教育，具有历史发展悠久、人才培养体系规范成熟的特点。

我国人工智能技术、产业虽高速发展，但人才培养与以哈佛大学为代表的世界一流高校相比还存在或多或少的差距。包括哈佛大学、卡内基梅隆大学、麻省理工学院、斯坦福大学等在内的许多世界一流大学，都对人工智能这一科研教育领域有着极大的兴趣与关注。

美国哈佛大学（Harvard University）是享誉世界的研究型大学，在人工智能领域研究成果斐然，影响较大。其人工智能专业建设较早，本科专业建设历史较长，课程体系建设较为完备，课程在同类院校中影响也较大。因此，系统解析哈佛大学人工智能课程体系设置情况与特点，对于我国高校人工智能课程建设有着重要的现实意义和启示作用。

二、文献综述

目前，国内学者针对世界一流大学人工智能专业人才培养已经有了一定的研究。刘军仪、 杨春梅认为，卡内基梅隆大学在培养计算机科学博士方面拥有具体明确的培养方案、科学独特的课程设置，重视培养学生的研究能力、教学能力和交流能力，具有规范的论文撰写及答辩流程，其学业评价制度严谨，学习氛围民主团结，同时拥有健全的学生资助制度[2]。季波等认为，卡内基梅隆大学人工智能专业的本科人才培养模式突出“以学生为中心”的培养理念，具体表现出三个显著特征：学科支撑和个性化培养优势强劲、课程设置突出跨学科跨领域、师资可在校企间自由跨界流转。国内高校可从跨学科整合和创新学位授予制度、以学生为中心构建高水平定制化的课程体系、推进校企联合构建跨界融合的人才培养平台等三方面优化人工智能专业创新人才的培养方案[3]。

郭娇等则对卡内基梅隆大学、麻省理工学院、斯坦福大学进行了个案分析，从学制与学位、招生要求、师资建设、课程设置四个角度，比较了四所大学人工智能方向研究生培养的异同，提出应出台人工智能方向研究生培养关键环节的指导方针，推动新建人工智能学院、研究院或研究中心的组织架构升级，完善人工智能方向研究生奖学金、竞赛、学术会议资助等配套激励机制[4]。

与以上研究相似，刘小鹏、刘凡丰分析了卡内基梅隆大学、麻省理工学院、斯坦福大学的学科布局情况，提出我国高校在学科发展战略上应确立信息科学与技术（人工智能学科）的核心地位，以问题为导向，结合各自的优势，选择恰当的切入点发展人工智能学科，同时要处理好与各个学科的关系，以跨学科的科研任务和人才培养带动培养体系的整体建设，人才培养以具有问题解决能力和创新精神为目标[5]。

林健、郑丽娜则从总的方面简述了美国人工智能专业发展的历史脉络，从教师队伍建设、课程体系构建、学科专业发展及工程伦理教育四个方面，分析了美国人工智能专业建设的现实路径，然后从高校层面、科教融合、教师队伍、课程体系和工程伦理五个方面，探讨对我国新兴工科专业建设的启迪[6]。

值得指出的是，哈佛大学是世界公认的、顶尖的高等教育及研究机构之一，具备世界一流的计算机科学和人工智能实验室及世界领先的媒体实验室。目前国内针对哈佛大学人工智能课程设置情况的研究还鲜有触及。为此，本研究希望能够对此领域进行尝试性的探讨，为国内同类院校人工智能专业的课程设置提供一定的参考和借鉴。

三、世界一流高校人工智能专业设置概况

人工智能是一门新兴的交叉学科。目前，世界主要一流高校多依托本校优势开展人工智能人才培养，其专业课程设置主要有以下三种模式：

1.卡内基梅隆大学模式：开设人工智能本科专业，研究所硕博联动发展

1986年，卡内基梅隆大学（Carnegie Mellon University，CMU）率先建立计算机学院，学院下有2个科系和5个研究所：计算机科学系、计算生物学系、人机交互研究所、软件研究所、语言技术研究所、机器学习和机器人研究所[7]，从不同角度对人工智能教育与研究進行了探索。2018年，卡内基梅隆大学正式宣布开设人工智能本科专业，旨在为学生提供更为全面的人工智能方面的课程与研究成果。计算机与科学学院的本科新生在大一时需要学习数学与统计核心课程，通过一定课程选拔考核，然后在大二时可选择人工智能、计算机科学或计算机生物学作为自己的本科专业。计算机科学系和计算生物系下设相应学科的学士、硕士、博士学位，5个研究所主要开设相关研究领域的硕士学位，并为其它专业的学生提供辅修、双学位。

2.麻省理工学院模式：依托原有科系，开设人工智能相关课程

麻省理工学院（Massachusetts Institute of Technology，MIT）未专门开设人工智能专业，而是依托工程学院（School of Engineering，SoE）的电气工程与计算机科学系（Electrical Engineering and Computer Science，EECS）的原有专业——计算机科学与工程，开设人工智能相关课程。学生首先学习建模和抽象处理复杂性问题，然后学习计算机系统设计和人工智能。如果想要深造，可以选择进入计算机科学与人工智能实验室（CSAIL），主要研究内容包括AI与机器学习、人机交互、机器人、算法与理论等。CSAIL不直接招收本科生，但本科生可以申请暑期项目。

在研究方面，整个系设有4个实验室，分7个研究领域对9个研究主题开展探索。4个实验室分别是：计算机科学与人工智能实验室（CSAIL）、信息与决策系统实验室（LIDS）、微系统技术实验室（MTL）、电子研究实验室（RLE）。研究领域包括：信息系统、电路、应用物理与器件、生物医学科学与工程、计算机科学（AI）、计算机科学（系统）、计算机科学（理论）。研究主题包括：大数据、生物交叉、连接科学与工程、网络安全、能源、多核处理器和云计算、纳米技术与量子信息处理、机器人、无线网络和移动计算[8]。

3.斯坦福大学模式：以计算机科学专业为基础，开设人工智能方向

斯坦福大学（Leland Stanford Junior University）在人工智能方面无论是理论研究，还是实践操作都推崇发挥计算机的优势，融入计算机学科和专业的培养中。人工智能在斯坦福大学未以独立专业的形式存在，而是划分为工程学院计算机科学系的人工智能方向。学生在大一、大二修习完基础的数学基础课和计算机核心课，在大三的时候有9个方向和单独设计可选，分别是人工智能、生物计算、计算机工程、图形、人机交互、信息、系统、理论、非专业方向和个性化设计。每个方向会有一至两门入门课程、两至三门内容高度相关的课程以及一系列范围广泛的选修课，包括这个方向的研究生课程、其他系相关课程以及一些基础的CS选修课程。

斯坦福大学人工智能方向主要是对逻辑、概率、统计、语言及其与应用程序的关系等主题的基础研究，主要课程包括：《知识表示》《逻辑推理》《机器人技术》《机器学习》《概率建模和推理》《自然语言处理》《认知》《语音识别和合成》《计算机视觉和计算生物学》。作为人工智能专业的发展支撑，计算机科学系下设有一批高级研究机构，如AI实验室（SAIL）、计算机系统实验室、信息实验室、计算机图形/人机交互组等，尤其是1962年成立的SAIL，与遗传学、物理、语言学、机械制造等多领域跨学科交流研究，现已成为世界一流的人工智能研究与实践中心。

由于没有人工智能的专门专业，斯坦福大学人工智能方向的学生实际上获得的学位是计算机科学学士学位、计算机科学理学硕士学位和计算机科学哲学博士学位。硕士培养要求修习一门数学基础课，其余可根据学生兴趣，在导师指导下从计算机核心、软件架构以及计算机与其他领域结合的课程中进行选择研习。与此同时，法学院和商学院MBA还分别与计算机科学系提供联合学位，旨在让学生进一步了解跨学科新兴技术在法律界和商界的应用。

四、哈佛大学人工智能专业课程设置情况与特点

如表1[9]所示，2020—2021年，哈佛大学计算机科学专业在QS世界大学排名之计算机科学及信息系统专业排名中位列世界第7。目前很多学者对CMU、MIT、Stanford这三所高校的人工智能课程设置研究投入较大精力，但人工智能水平同处于行业一流的哈佛大学还有进一步探索的空间。仔细分析哈佛大学人工智能课程体系设置之后，笔者发现其对尚处于探索阶段的我国高校人工智能课程设置，能提供具有操作性的实践经验借鉴和参考。因此，本文聚焦于哈佛大学人工智能专业设置情况与特点，以期提供些许启示与建议。

哈佛大学的人工智能课程设置为模块化模式，总体而言，分为主修模块和选修模块两大部分，该模式对人工智能专业的人才培养提供了良好的支撑，对人工智能专业的课程体系具有良好的示范效应。

1.哈佛大学人工智能方向课程设置基本情况

哈佛大学人工智能本科教育期间主要设置为计算机科学专业的专业课的一个选修方向，学生在修习完基础数学、基本软件等相关课程之后，可选择人工智能方向的课程作为技术选修课进行深入研究。根据哈佛大学2020—2021年学生手册[10]（见图1），哈佛大学计算机科学本科生为获得学士学位，需要完成通识教育48个学分、主修课程48个学分、选修课程32个学分，共128个学分的学习。

主修课程包括基础数学、基本软件、计算机科学理论、技术选修。其中，基础数学部分根据学生自身数学能力，学生可以选择跳过入门课程《微积分》《级数和微分方程》，直接学习线性代数和统计概率或多维微积分类课程。

通识教育分为必修课、分布课程、数据定量推理、说明性写作、外语，共五个部分。通识必修课需要从美学与文化、伦理与公民、历史与社会和个体、社会科学与技术这四部分内容中各修1门。分布必修需要從文理学院和约翰·保尔森工程与应用科学的三大学科分支——艺术与人文、科学与工程、社会科学中各修读1门。此外还有数据定量推理课程，学生可以修习任何数学类、应用数学类、统计类、计算机科学类课程，以满足要求。

值得注意的是，选修课程允许学生修习哈佛大学以及合作院校开设的所有课程，旨在发挥学生的主观能动性，促进其个性化发展，旨在培养其多维领域融合能力。

典型的课程体系结构有：层次化课程体系和模块化课程体系两类。层次化课程体系以专业知识为主线，由基础课、专业基础课和专业课三部分构成，课程安排内部逻辑性强。模块化课程体系以培养学生的不同能力价值取向为主线，构建相对独立的课程模块，突破学科单一领域，促进学生全面发展[11]。

观察哈佛大学人工智能方向课程体系的数据，我们可以发现其课程体系为后者——“模块化”模式，主修模块强调学生专业知识的加强，让学生对所学专业有一个深入的了解;通识教育模块强调学生的全面发展，让学生对社会、政治、经济、人文等方面有一个综合具象的体会;选修模块让学生接触不同学科、不同学校的教学资源，开阔了学生的视野，为学生职业发展提供了更多灵活的可能。

2.哈佛大学人工智能方向课程设置特点

（1）注重深度逻辑思维训练，强化数据分析能力

数学是计算机科学许多领域的基础，无论是将线性代数、概率和微积分应用于机器学习、图形和优化中，还是在算法设计中使用图形，在编程语言中使用逻辑等等，都需要人工智能人才拥有一个扎实的数学基础。根据哈佛大学2020—2021年学生手册，如表2所示，除了针对所有本科生的数据定量推理课程修习，哈佛大学计算机学科的必修课程中还设置了4门数学基础课程，共20分，占总学分的15.6%，明确强调了微分方程、线性代数、概率统计的学习，旨在夯实学生的数学计算能力、逻辑推理能力、数据分析能力，为后续系统编程、自然语言处理等高级课程的学习奠定学科基础。

（2）鼓励学生个性化自主性发展，灵活选择与多样设计并重

哈佛大学专业必修课程设置符合学生认知规律，层层递进，先形成专业基础认知，掌握专业基础分析思维，再深入到专业设计领域，形成一个系统、规范的课程体系，如图2所示[12]，学生需要先完成基本软件内容的计算机科学概论，再深入到不同方向的学习，灵活多样，给予学生更多的自主性。

专业选修课的设置应符合学生个性化发展和社会对学生能力要求多样化的需求。值得注意的是，为培养学生的学科交叉思维能力，根据哈佛大学2020—2021年学生手册，如表3所示，哈佛大学对技术选修课专门提出了广度要求，需要学生从不同方向进行选课。

此外，哈佛大学课程门类精简，避免出现内容交叉重合。例如，数学课程需要修习4门，但如果学生的数学能力较强，也可跳过两门入学课程，直接修习线性代数和概率统计类课程。

（3）紧盯科技前沿坚持问题驱动，淬炼实践创新能力

人工智能具有极强的前沿性和实用性，要求学生树立主动学习的信念，时刻关注科技前沿发展，积极参与人工智能前沿研究，推动人工智能核心技术创新。参与科研不仅有利于培养学生的综合素养，还有利于让学生接触前沿问题，形成专业认同，激发自身对专业的兴趣，促进培养新型创新性人才对行业发展的问题意识和解决问题的能力。哈佛大学鼓励学生进入学校时便养成科研意识，将理论知识应用到实际操作中，计算机科学本科生可以通过与实验室教师联系参与教师的研究项目，修习研究生课程或高级本科生项目，或上研究型课程《指导性阅读与研究》（CS91r）和书写高级论文（Senior Thesis）參与科研[13]。这些课程与项目都明确要求学生阅读一定量的相关文献，动手实践相关研究，创新设计以解决特定领域的实际问题，有效地锻炼了学生的动手实践能力、团队合作能力，如表4所示。

（4）打造跨学科方阵，融通众多学科智慧

人工智能是由计算机科学、语言学、神经生理学、心理学、统计学、哲学等跨学科发展的一门综合性学科。哈佛大学非计算机科学专业将人工智能与其结合，开设适应人工智能设计、创新、发展过程中需要注意问题的相关课程，注重不同学科知识的相互渗透、融合与新知识的吸收利用。学生不仅需要掌握计算机科学的知识，更要涉猎其他领域，根据自身发展兴趣、需要、时间选择其他学科知识，充分将人工智能与经济、法律等潜在应用市场结合，课程设置理念与社会发展对人工智能研究的应用需求一致，如表5所示[14]。法学院开设《医学人工智能：伦理、法律与政策》《自动驾驶汽车与法律》等课程，与学生探讨人工智能发展与医学、法律等领域的交叉点。神经科学系开设《生物与人工智能》，把大脑的研究与人工智能的发展联系起来，探讨神经网络、机器学习等内容，优化学生的人工智能知识体系，促进学生学科交叉能力的培养。

（5）打破院校壁垒，共享优质资源

尽管哈佛大学在各门课程建设上已经下足了功夫，但为了更好地促进本校学生的能力提高，学校人工智能专业的学生还可以去选修其他大学的相关高水平课程。离哈佛大学不远的麻省理工学院拥有雄厚的跨学科研究师资，在人工智能领域积累深厚，实验室研究经验丰富，课设的课程相对也更为丰富，自然也是哈佛学生的首选。如表6所示[15]，哈佛大学与麻省理工学院开展合作，学生可任选麻省理工学院课程，有利于拓宽学生的知识面，参与更多的人工智能核心关键技术研究项目，学生的人际交往能力也得到了一定的锻炼，有利于将来职业发展拓展人脉圈。

（6）母语外语写作和表达并举，培养学术表达能力

人工智能是一个学科性极强的领域，人工智能具有技术属性和社会属性高度融合的特点，是经济发展新引擎、社会发展加速器。该领域的学生需要能灵活运用专业的学术语言对所研究的项目进行陈述，并用清晰的思路向广大用户介绍项目的运行方式。哈佛大学对此方面的要求更严格，不仅是人工智能方向的学生，所有本科生在大一时都被要求修习《说明文写作》。课程以研讨会的形式进行，学生在教师的指导下，运用一定技巧高效地对本领域学术材料阅读、分析，再系统地整理思路形成文本，互相交流讨论。《说明文写作》不仅关注学术写作，还注重学生在求职升学时需要用到的自我陈述，旨在提高学生学科思维能力、学术语言表达能力。

为使人工智能研究成果融洽地应用于更广阔的市场，人工智能人才需要加强自身外语能力、跨文化交际能力的培养。依托于出色的人文学科积累，哈佛大学开设了种类多样的语言类、文化类课程，如表7所示[16]。以中文及相关课程为例，课程除了基础的初、中、高级现代汉语对中文的基础语音、字形、语法结构进行学习外，还会涉及到不同朝代的历史、文学以及政治、经济、文化等领域的探索。除此之外，课程强调语言的应用、文化的交流，引导学生在学习的过程中主动了解中国社会热点、文化现象，并练习说、写等基础实践，不用通过特定的考试，旨在引导学生在开放、沉浸式的课程环境中提升自身的语言能力和跨文化交际能力。《21世纪中国的政治经济学：初级教程》要求学生运用中文分析中国领导人2000年以来所遇到的挑战，如“一带一路”倡议的提出、人工智能数字战略等，注重潜移默化地培养学生的国际视野。

五、启示与建议

目前国内高校中，从北京大学、南京大学、上海交通大学等国内知名大学到一些职业技术学院，纷纷开设人工智能相关课程，甚至独立开设人工智能专业，旨在培养人工智能领域高端人才。但我国目前在人工智能领域高端人才储备与实际需求相去甚远。在此情况下，我国高校应结合自身实际，积极吸收世界一流高校课程设置的积极合理之处，主动作为，积极探索我国高等院校人工智能课程设置发展之路。哈佛大学作为美国人工智能人才输出的主力军之一，其人工智能教学系统对我国高校人工智能课程体系设置具有重要的启示作用，可将其分类归纳为以下三个方面：

1.重视算法分析与软件设计课程，培养学生创新能力

首先，我国高校人工智能课程设置需强化基础理论学习与创新，重点关注算法与分析、概率统计、计算机软件设计等学科基础课程的设置。待学生形成一定专业认知后，课程需增强深度与广度，引导学生进入专业领域的学习。值得注意的是，哈佛大学注重课程设置的精简，避免内容重合，国内高校课程设置的内容需注意保持连贯性，避免简单基础课程相加，浪费学生的时间和精力，无法深入到学科核心。与此同时，可将实践创新课程纳入人工智能专业课程设置体系之中，鼓励学生与教师合作，积极参与人工智能科研，进一步了解人工智能理论的实践，加深对人机互动、自然语言处理、机器学习等专业领域应用的理解。

2.重视课程体系灵活设计和多样化选择，助力学生个性化发展

当前，我国高校在人工智能专业的投入虽呈逐年上涨之势，但在专业课程设计方面仍显呆板保守，“大锅饭”的专业课教学模式尚未得到根本性突破，课程体系的个性化、灵活化设计和多样化选择亟待增强。哈佛大学兼具专业基础与发展灵活的课程设置模式可有些许启示，在必修课程设置方面，要符合学生认知规律，层层递进。首先打牢学生的计算机基础能力素养，训练学生专业基础分析思维，再深入到专业设计领域，形成系统、规范的课程体系。到专业选修课阶段，则要突出因材施教课程设置特点，应尽可能符合学生的个性化发展，充分考虑学生在先天禀赋、兴趣特长、专业基础等方面的差异性，拓宽选修课广度、难度和深度，提升课程设置挑战性，激发学生的学科兴趣。

3.整合优质学科资源，搭建多学科、多领域、跨院校的优选知识平台

目前，我国许多高校的人工智能课程设置还处于探索阶段，借鉴哈佛大学与麻省理工学院跨校共享教育资源的方法，有利于促进教育资源进一步优化配置。首先，结合国内现状，大学城校区所在院校可与邻近高校合作跨校选修，远距离院校可利用慕课平台等线上教学工具共享教育资源，为学生提供更广泛的课程选择，方便学生根据自身兴趣与发展需要对课程进行灵活选择，丰富自身的认知体系。其次，人工智能课程设置还需要鼓励跨学科教师团队共同教研，开设出符合社会发展进程、适合本院校特色发展的人工智能专业课程。

4.坚持本土与世界优秀文化融会贯通，拓宽学生的世界视野和人文情怀

人工智能的研究和成果与社会发展紧密结合，人工智能专业人才未来要面向世界市场，必须具有宽广的国际视野、浓厚的人文底蕴和深厚的跨文化素养。人文气息浓厚的哈佛大学充分利用本校综合学科优势，培养世界型人工智能人才的经验做法，也启示我国高校应考虑人工智能专业学生的理工科背景，加大课程培养体系中文学、法学、心理学、哲学等基础类人文学科的比重，在丰富学生文科知识体系的同时，积极发掘人工智能专业与社会科学的交叉研究发展前景。語言是人类社会发展进步的重要联络纽带，应支持鼓励人工智能专业学生选修1—2门外语类课程，特别是世界主要语言类课程，从而为学生全面认识世界和了解世界提供更为广阔的语言之窗，培养学贯中西、以我为主、放眼全球、造福人类的新时代高端人工智能专业人才。

参考文献：

[1]姜国睿，陈晖，王姝歆.人工智能的发展历程与研究初探[J].计算机时代，2020（9）：7-10+16.

[2]刘军仪，杨春梅.卡内基·梅隆大学如何培养计算机科学博士[J].计算机教育，2007（13）：36-38+41.

[3]季波，李魏，吕薇，等.人工智能本科人才培养的美国经验与启示——以卡内基梅隆大学为例[J].高等工程教育研究，2019（6）：194-200.

[4]郭娇，秦奕萱，朱雅洁.美国人工智能方向的研究生培养案例研究[J].世界教育信息，2020，33（1）：34-40+63.

[5]刘小鹏，刘凡丰.美国一流大学发展人工智能的学科布局特征及启示[J].高等理科教育，2020（3）：67-72.

[6]林健，郑丽娜.美国人工智能专业发展分析及对新兴工科专业建设的启示[J].高等工程教育研究，2020（4）：20-33.

[7]CMU.Academics-CMU（Carnegie Mellon University）[EB/OL].https：//www.cmu.edu/academics/index.html #SchoolOfComputerScience.

[8]MIT. MIT EECS（Electrical Engineering and Computer Science）[EB/OL].https：//www.eecs.mit.edu/.

[9]QS TOPUNIVERSITIES. 2020—2021年QS世界大学排名之计算机科学及信息系统专业排名[EB/OL]. http：//rankings.betteredu.net/qs/major/tech/2021/computer-science-information-systems.html.

[10]Harvard University. Harvard College Handbook for Students[EB/OL].https：//handbook.fas.harvard.edu/book/bachelor-arts-and-bachelor-science-degrees#two.

[11]林健.面向“卓越工程师”培养的课程体系和教学内容改革[J].高等工程教育研究，2011（5）：1-9.

[12]Harvard John A.Paulson School of Engineering and Applied Science.Unofficial Guide to CS（Computer Science）[EB/OL].https：//csadvising.seas.harvard.edu/cs50_ Guide_v25.pdf.

[13]Harvard John A.Paulson School of Engineering and Applied Science.Harvard CS Concentration[EB/OL].https：//csadvising.seas.harvard.edu/research/.

[14]Harvard University.my.harvard[EB/OL].https：//courses.my.harvard.edu/.

[15]Harvard University.Courses：Harvard CS Concentration[EB/OL].https：//csadvising.seas.harvard.edu/concentration/courses/.

[16]Harvard University.Faculty of Arts and Sciences Course Catalog Preview[EB/OL].https：//courses.my.harvard.edu/dw_course/fas_crse_cat.pdf.

（编辑：李晓萍）