世界一流大学人工智能本科人才培养的共同特征与启示

徐 玲,钱小龙

(南通大学,江苏 南通 226019)

人工智能是指让机器来模仿人类学习、思考、理解以及其他方面的智能。[1]尽管人工智能先后经历了两次低谷期,但随着计算机能力的提高、特定疑难问题的攻破、科学责任标准的日益完善,人工智能仍以势如破竹的气势渗透到经济、政治、文化、生活等领域。现如今,人工智能已成为数字化转型之战的重要推动力,世界各国均以主动积极的姿态引领人工智能的发展,纷纷将人工智能应用到高校人才培养中[2],“人工智能+教育”的融合逐步成为应然常态。2017年7月,国务院颁布《新一代人工智能发展规划》为未来人工智能的发展谋篇布局,要求培养人工智能高端人才,建设人工智能学科。[3]已有研究表明,在全球368所具有人工智能研究方向的高校中,中国占21所;而在全球人工智能领域排名前20的高校中,中国仅占4所;我国的杰出人工智能人才尚不足1 000人,不及美国的1/5。[4]人工智能人才培养起步晚、力量薄弱等现实均对处于探索阶段的我国高校提出了更高的要求。为此,需进一步学习借鉴世界一流大学本科人才培养的经验,以助推我国人工智能人才培养的正向变革。

近年来,全球人工智能产业进入加速发展阶段,开启了由发达国家率先布局、多个国家积极响应并提升至国家战略的局面。就战略目标和发展形势来看,世界各主要经济体在人工智能发展布局中大致可以分为3类:一是占据全球人工智能领导者地位的美国;二是具有较好基础的“特色发展”型国家,如英国、加拿大、新加坡、法国等;三是基础较为薄弱的新兴经济体,如印度、丹麦等。中国虽然位列“第一梯队”,是仅次于美国的人工智能大国,但在产业发展布局、技术创新更迭、人才培养蓄势等方面均晚于其他各主要国家。据此,本文以“人工智能强国”美国和“特色发展”型国家英国、加拿大、新加坡4个国家作为研究对象,并从中选取代表性一流大学作为研究案例,分别是美国的卡内基梅隆大学(Carnegie Mellon University, CMU)、麻省理工学院(Massachusetts Institute of Technology, MIT)、斯坦福大学(Stanford University)以及哈佛大学(Harvard University)，英国的爱丁堡大学(University of Edinburgh)、牛津大学(Oxford university)，新加坡的南洋理工大学(Nanyang Technology University, NTU)以及加拿大的阿尔伯塔大学(University of Alberta, UA)。根据USNEWS、QS等知名世界大学排行榜的数据统计(表1)[5-6],8所案例大学的排名均跻身前列;且从CSRankings中人工智能专业的排名来看[7],8所世界一流大学均进入了排行榜的前100位,且有7所大学跻身前50,科研实力雄厚。此外,8所世界一流大学在人工智能人才培养上各具特色,这使得我国高校在学习和借鉴过程中可以“兼收并蓄”“择其善者而从之”。

表1 8所世界一流大学学校排名、人工智能学科排名及其特色优势

一、世界一流大学人工智能人才培养的历史嬗变

自人工智能元年以来,世界一流大学凭借科技领先的潜在优势,在人工智能60多年的演进历程中处于主导和关键地位。人工智能人才培养是人工智能科学研究发展和演变的产物,两者血脉相连,互为承启，因此,可以从人工智能的研究历程对人才培养的历史嬗变进行抽丝剥茧。世界一流大学人工智能人才培养的发展历程,大致可以分为4个阶段:萌芽期(20世纪50年代末60年代初)、稳定发展期(20世纪60年代初至70年代)、低谷期(20世纪70年代后期至90年代)、革新期(21世纪初至今)，具体如图1所示。

1.萌芽期。20世纪50年代末60年代初,麻省理工和斯坦福率先开始了对机器视觉和机器人的早期研究,先后成立了各自的人工智能实验室(Artificial Intelligence Laboratory,AI Lab)和斯坦福人工智能实验室(Stanford Artificial Intelligence Laboratory,SAIL)。与此同时,计算机科学类课程也在高校中逐步开设,如1955年,艾伦·彼得森(Alan Peterson)教授在斯坦福大学开设了第一节计算机课程。[8]

2.稳定发展期。自然语言和机器人技术应用等成果的取得使社会各界普遍看好人工智能的发展前景,这一变化不仅为人工智能人才培养的发展创造了良好的舆论环境,也影响着世界各主要国家对人工智能的态度。美、英、日等国家在人工智能领域投入了大量的研发资金,充沛的资金投入和国家的有力支持促进了人工智能人才培养的稳定发展。如1963年,美国国防部在麻省理工发起了Project MAC(多路访问计算或机器辅助认知)项目,这个项目成为人工智能人才培养的摇篮[9]；1965年唐纳德·米奇(Donald Michie)在爱丁堡大学建立了人工智能实验室,并于第二年10月成立了机器智能感知系[10]。在20世纪60年代后期,麻省理工的MAC项目、卡内基梅隆的AI工作组、斯坦福的AI项目以及爱丁堡的AI实验室都已成为学术界人工智能的研究中心。

3.低谷期。在此期间,人工智能因美国启动的语音理解研究(Speech Understanding Research,SUR)项目和日本的“第五代计算机”项目尚未达到预期目标而先后两次陷入低谷期,受到了公众和媒体的质疑,政府资金缺位,人工智能研究举步维艰。但人工智能人才培养仍处于缓慢前进状态，一些高校开始创立计算机科学系或成立计算机科学学院,并将人工智能作为重要研究方向。伦敦大学于1980年成立了独立的计算机科学系[11]；1986年,以佩利和纽厄尔为首的一批教师以计算机中心为基础,在卡内基梅隆大学建立了全美第一个计算机科学系[12]。此外,也有部分高校开始将人工智能作为独立的学科纳入到学位体系中，如爱丁堡大学人工智能硕士学位系统于1983年成立,主要提供人工智能、专家系统、智能机器人和自然语言处理等领域的研究主题。

4.革新期。到了20世纪90年代后期,互联网积累了海量数据,运算能力和算法逐步得到提升,机器的认知能力和学习能力也逐渐增强,尤其是2006年,亨顿(Hinton G)在其论文《用神经网络减少数据维数》(Reducingthedimensionalityofdatawithneuralnetworks)中提出降维和逐层预训练的方法[13]，加深了深度网络实用化的可能性。人工智能再次回温,并在行业领域内掀起了一股浪潮。经过了21世纪最初10年后,世界各主要国家均将人工智能和“人工智能+教育”纳入到国家战略的全局中。世界一流大学人工智能人才培养体制逐渐完善,人工智能作为各高校的独立部门,其内部结构和功能得到不断优化与完善。如2011牛津大学计算实验室更名为牛津大学计算机科学系,发展成为一个大型学术部门;麻省理工在2018年10月宣布建设一所新的计算机学院,致力于将人工智能纳入每个研究生的培养过程,推动研究交叉、重塑人才培养模式;卡内基梅隆大学在2018年开设了美国第一个人工智能学士学位;同年,南洋理工开设了数据科学与人工智能本科专业。

从人工智能人才培养历史嬗变中可以看出,卡内基梅隆、麻省理工等世界一流大学开展人工智能科学研究和人才培养的历史悠久,既是人工智能科学研究的创造者、见证者和变革者,也是人工智能人才培养的开拓者、引领者和示范者。探索世界一流大学在人工智能人才培养过程中的共同特征和历史经验,可以为我国高校开展人工智能本科人才培养提供学习和借鉴。

二、世界一流大学人工智能人才培养的共同特征

世界一流大学在人工智能人才培养上开创时间早,办学经验丰富,形成了各具特色的人才培养模式,并铸就了其在全球人工智能领域的领先地位，其人才培养模式具有以下共同特征:

1.基于内涵与外延的“多向度”人才培养目标。一所大学的人才培养目标是培养理念的具体化,反映了大学进行人才培养的总体定位和价值诉求,反映了大学的办学方向和教学导向。世界一流大学立足学生的本体状态,尊重学生的主体发展,在人工智能本科人才培养过程中从内涵和外延两个范畴培养学生的多维能力和完整人格。

首先是内涵式的三个向度。一是注重人工智能知识学习的深度和广度。世界一流大学深谙人工智能的交叉学科特性,在人才培养目标中对人工智能专业理论和专业知识的深度和广度做出了相应要求。斯坦福大学要求本科生“学习广博的知识、发展基本能力”,在大学前3年掌握扎实的计算机科学基础知识,继而在人工智能方向深入学习专业知识;爱丁堡大学要求本科生在一年级选修公共基础课程和专业基础课程,为专业学习奠定坚实的基础，在二年级进入专业分化,学生根据兴趣选择相应的人工智能专业方向,从而进行深入性的专业学习;哈佛大学同样提出,人工智能交叉学科的特质决定着人工智能基础知识的广博性和专业知识的高深性。二是培养学生的创造力,以及能从容应对并解决具有挑战性问题的能力。近年来,人工智能在诸多领域内衍生出创新性的应用,在学科建设和技术应用上也涵盖了多个领域,人工智能的“创新点”挖掘蓄势待发，由此世界一流大学将培育学生的创新能力、创造力摆在首位,利用创新力来主导学习力也就不足为奇了。麻省理工要求本科生在学习过程中具备创新精神,具有提出和解决带有挑战性问题的能力;斯坦福大学致力于培养全面发展的创新型实用型人才。三是造就领导型人才。有的一流大学将人才定位表述为造就领袖,有的表述为培养领导者,都是要在某个领域内造就具备高超领导力的人才,目标具有前瞻性与深远性。如卡内基梅隆提出要培养毕业生成为创新和实践的领袖,培养引领世界发展的领导者;阿尔伯塔大学提出培养能够协助并解决世界上最具有挑战性AI问题的领军人物;哈佛致力于将基础科学、艺术和人文科学的知识联系起来,采用多学科的方法培养下一代全球领导者。

其次是外延式的两个向度。一是认识到人工智能技术进步与社会发展之间的伦理问题。智能系统操作的产生逐渐代替人类劳动,人类生活一方面在潜移默化中逐步实现“人-机器” 到“人-智能机器-机器”社会结构的跨越,另一方面也容易引发社会伦理问题,如失业、隐私等。不少世界一流大学都深刻认识到这一问题,如牛津大学在本科生培养目标中提出要培养能遵守人工智能社会道德的学生;卡内基梅隆要求培养本科生的伦理意识,使人工智能知识能更好地服务于社会,促进人工智能专业知识、社会责任意识与道德理念的综合发展；爱丁堡大学在人工智能本科课程计划中提出,学生不仅要掌握智能过程的基本原理和机制,更重要的是要对人工智能出现的哲学、道德、法律等社会问题进行深层次的探讨。二是培养学生的社会责任感,为社会持续做贡献。世界一流大学作为全球高等教育领域的主力军,是推动社会经济发展、维护社会政治稳定、为社会培养人才的急先锋。如哈佛要求训练学生良好的敬业精神和强烈的社会责任感;卡内基梅隆要求学生在学习知识、进行科研训练、培养必备能力的同时,养成良好的社会伦理意识,使人工智能更好地服务于社会;斯坦福大学则提出要培养能回馈社会、心系社会并有时代担当的人才。

2.依托“全人”理念的通专融合课程设置。人才培养理念是人才培养过程的指引和向导,课程结构和课程内容的设置会因培养理念的不同而产生迥异的人才培养路径和结果。世界一流大学在人才培养上突出“全人”教育理念,而这种培养理念亦体现在通专融合的课程设置上。笔者对这些世界一流大学课程设置进行对比和分析后归纳出以下两种类型:

一是通专融合的现实路径,以南洋理工、卡内基梅隆、麻省理工、斯坦福和哈佛5所世界一流大学为代表。南洋理工在通专融合的课程设置中贯之以“博雅人才、全人教育”的培养理念,其通识课程共计17学分,尽管学分占比不多,却与专业课程一同贯穿了本科阶段的课程设置,深刻体现了通识教育与专业教育的融合。麻省理工的课程设置囊括了专业课程(专业入门、专业基础、专业中级、专业高级)、通识课程、口语交流课程等,其中通识课程的门类多达21个,包括8门人文艺术与社会课程、6门科学课程、2门科学与技术限制性选修课等[14]，与专业课程所占学分分别为186分和171分。文理并重的课程结构既彰显出麻省理工在通专融合整体形式上的相辅相成、不失偏颇,也揭示出课程内容上宽泛基础与精深专业的有机统一。卡内基梅隆大学同样重视本科阶段通识课程的开设,强调通识课程与专业课程并重。正如其前任校长罗伯特·多尔蒂(Robert E.Doherty)所言,科学与工程专业的学生必须将全部课时的1/4用于学习新人文主义和社会关系学说的知识。[15]

二是通专融合的理念支撑,以爱丁堡、牛津和阿尔伯塔3所世界一流大学为代表。爱丁堡人工智能主要通过学科群、基础学年和联合专业的设立来体现通专融合的理念。本科阶段在科学与工程这一学科群下组织课程,在基础学年(本科的第一学年),全校学生学习相同的公共基础课程,包含人文与社会科学、艺术学、生物与兽医学等多达120门课程,为学生提供宽泛而综合的知识基础。第二学年突破了单科专业的藩篱,衍生出联合专业,如人工智能与计算机科学等,单科专业与联合专业设有相同的公共基础课和专业基础课,仅在专业课上出现分化。阿尔伯塔并没有直接开设人工智能本科专业,但其计算机科学专业涵盖了人工智能的基础领域,为学生提供普通学位和荣誉学位。普通学位实行“Computing and X”模式,以人工智能为核心,“X”为交叉领域,学生在交叉学位的选择上享有充分的自主性,包括从人类学到电影学、从医学到动物学等多个领域;荣誉学位则是针对人工智能特定领域内的深入学习。

3.构建“以学生为中心”的小班教学模式。罗格(Rogers)曾说,如果在课堂中能够吸引学生的目光、使学生对授受的课程感兴趣,那么,学生在心理上就会受到鼓舞并变得专心,从而得到良好的教学效果。[16]除了教师生动有趣的授课方式外,小班教学亦能较好地达到这一目的。小班教学模式因其灵活性、易于管理而被世界一流大学广泛采用,更为重要的是,小班教学能充分发挥师生的双边主体作用,以学生为中心,激发学生对学习的主动性、积极性、创造性,培养学生的批判思维和创新思维能力。世界一流大学的小班教学主要由3种模式构成:

一是明确教学过程的生师比。麻省理工致力于追求卓越的教学质量,要求课堂教学中配以7∶1的生师比,高质量、精细化的小班教学模式使得教授有足够的精力专注教学、关心每一位学生的成长和发展。同时,小班教学的学习氛围是自由民主的,学生享有充分的空间与老师交流、与同学相互切磋以及进行独立研究。哈佛人工智能同样以7∶1的生师比开展教学,以保障课堂教学中师生间的高效互动,有利于教师对学生创新精神的培养,提升人才培养质量。斯坦福在人工智能新生研讨课中明确规定,每个班级不超过16名学生,以小组为范围开展课程讨论,以点燃学生的学术热情,培养学生的研究能力。二是以小规模招生计划落实。面对人工智能人才紧缺的行业现状,作为全球人工智能排名第一的卡内基梅隆并没有进行大范围扩招,整个项目计划招生100名学生,每个班仅有约35名学生可以报名。除了课堂教学的小规模以外,人工智能的科研训练基本也以导师与学生一对一的形式开展。在开展过程中,卡内基梅隆要求导师对学生的科研过程密切关注并全程参与,包括指导研究报告申请、资格审核、项目讨论、定期汇报等环节,从而保障了导师指导的有效性以及学生的专注力和学习热情。三是导师个别教学和辅导。爱丁堡与牛津大学最具特色的是“导师个别(小组)教学”,以导师制为人才培养的主线,由导师牵头,将课堂教学、实践操作与个别辅导教学相结合。如牛津大学在教授人工智能新课之前,导师提前布置教学内容,学生就导师提出的一系列问题撰写解决方案,最终在课堂上由一位导师带领两名学生展开深入探讨。

4.激发创新思维的多元研讨形式。人工智能作为一个综合性前沿领域,在研究范畴上包括计算机科学、数学、心理学、脑科学、语言学等,在产业链中又囊括了基础层、技术层和应用层。面对这样一个复杂而高端的学科领域,世界一流大学在人工智能人才培养中发挥人工智能的广泛辐射能力和广泛链式反应特征[17]，以多元研讨形式积极探寻与不同学科知识交融、与顶尖高校学术交流、与知名企业行业对话,在多方交流碰撞中激发创新思维,寻求新的“创新点”。多元研讨形式主要有以下几种:

一是以南洋理工大学为代表的“高校合办研讨会”。秉持着互相学习、共同进步的原则,南洋理工与一些高校定期合办研讨会,围绕人工智能领域的前沿话题或新兴技术,展开一轮学术交流与深入探讨。如2018年,南洋理工与神户大学(Kobe University, Kobe U)联合举办了AI研讨会，与会专家和参会学生探讨了一系列AI主题,如人工智能在金融科技、医疗保健、网络安全和智能国家等领域应用中会遇到的挑战、机遇以及采用的应用研究方法。[18]二是以斯坦福大学为代表的学术沙龙，这是其SAIL文化的一部分,大约每两周举行一次,有两种沙龙类型：一种是面向斯坦福内部的小范围讨论。沙龙沿袭了启蒙时代的沙龙精神,不介入电子产品和白板的使用，沙龙由专家嘉宾和SAIL成员担任主持,共同分享与人工智能相关的主题和想法,其目的在于从更广阔的领域内把握和审视人工智能的发展脉络。另一个是面向社会公众的大范围行业对话。斯坦福通过汇集行业领域内的专家、教授、企业CEO等,搭建了一个人工智能与社会公众进行行业对话的交流平台,一方面有利于斯坦福能及时瞄准行业的发展趋势和最新动态,另一方面也能使社会公众更直观、深入地理解人工智能的发展。三是以阿尔伯塔大学为代表的“每周研讨会”和“下午茶时间”(Tea Time Talks)。每周研讨会和“下午茶时间”竭诚欢迎任何对人工智能感兴趣的人参会,分别于每周五中午12点和每周的一、三、四举办,研讨主题涉及人工智能领域的诸多研究问题,包括从基础理论工作到人工智能技术在新领域和新问题中的创新应用等。多元而开放的研讨会一方面为阿尔伯塔人工智能学生创造了“体验式学习”(experiential learning)的机会,在交流碰撞中开发新技能、发现兴趣点、激发新思维;另一方面阿尔伯塔大学也以公众服务的形式将其人工智能研究、知识和发现从研究机构转移到社会层面,从而确保学校的研究创新对社会效益的影响最大化。

5.促进个性发展的学术顾问体系。学术顾问体系最初源于美国大学的“自由选课制”,是指在人才培养过程中,为学生引入学术顾问这一角色,用于指导学生的课程、教学、论文、社会实践等一系列活动。学术顾问体系是基于促进学生个性发展,保证和提高教育教学质量而设立的。世界一流大学因其学生层次、专业设置等诸多要素存在差异,因而与之匹配的学术顾问体系模式也不尽相同;且不同国家的一流大学因不同的教学制度和管理模式,学术顾问体系的名称和实施方式也存在差异。通过对本文所涉世界一流大学学术顾问体系的对比和考察,笔者归纳出以下几种模式:

一是以斯坦福大学为代表的独立模式。斯坦福大学设有独立的学术咨询部门,主要在通识课程完结后,通过辅助学生进行专业及课程选择、课程及教育教学的开展、项目研究的具体实施等环节,从而为人工智能本科生提供全面而细致的学术指导。二是以哈佛大学为代表的分段模式。哈佛为人工智能本科生提供分段式的学术指导,具体表现为新生指导(第一学年)、高年级学生指导(第二学年)、就读研究生指导(第四学年)3个阶段。此外,在新生指导和高年级学生指导阶段又实行双轨指导模式。其中新生指导一方面来自教师、管理员或研究生提供的课程选择、学位解读、暑期计划安排等,另一方面来自哈佛的同行咨询研究员(A Peer Advising Fellow, APF),在第一学年的学习过程中,他们会就“如何平衡课程和课外选择”“如何渡过大学生活的挑战”“如何利用大学内的学习资源”等方面提出独到的建议。高年级学生指导包括住宿顾问和专业顾问,两类学术顾问相互衔接,互相配合,为人工智能二年级学生提供专业选择建议、规划学术进度、提供学习资源等,旨在帮助学生跨越专业选择这一重要过渡时期。就读研究生指导由职业服务办公室负责,主要为人工智能本科生规划职业发展路线、进行职业选择等。三是以牛津、爱丁堡大学为代表的导师指导模式。英国大学一以贯之实行导师制,由导师负责制定、规划并指导每位人工智能新生的本科学习生涯。在人才培养过程中,学生与导师定期会面进行学术交流,导师需要针对学生的学习情况、学习计划等方面进行有效指导。可以说,导师既身负教学、科研等任务,又担任本科生的学术指导顾问,是本科生学习过程中的教学者、促进者、监督者、指导者和陪伴者。四是以阿尔伯塔大学为代表的分工模式。其人工智能本科阶段的学术顾问指导包含两个方面:一方面是宏观层面的理学院学术顾问,主要负责为理学院的学生厘清学位要求、毕业要求,处理学习计划变更以及主辅修的更改等事宜;另一方面是微观层面的计算机科学系学术顾问,在课程、专业选择、研究机会的获取等方面为本科生提供针对性的指导建议,如人工智能普通学位实行的“Computing and X”模式、交叉学科领域的确立即由学生在系学术顾问的指导下设定。

6.立足跨界融合的多元师资整合。人工智能作为一个前沿领域的交叉学科,具备多学科、差异化学科背景的师资力量是人工智能人才培养的制高点。纵观世界一流大学在师资配备上,均辅之以高素质、高质量的教学和研究团队,且注重差异化学科背景师资的引进输入，注重不同学院间多学科师资力量的整合,以此来培养人工智能领域的顶尖人才。多元师资整合具备以下突出特点：

一是多学科和差异化学科背景的有效结合。南洋理工相信,人是学校成功的关键。由此,数据科学与人工智能领域吸纳了来自全球的顶尖学者, 他们基于脑科学、神经科学、遗传学、社会科学、物理学、自然语言处理、生物医学等多元而富有差异化的学科背景,凭借着各自在该领域的专业知识和经验,致力于数据科学与人工智能卓越的教育教学和科学研究,并为其创造了充满活力的研究和学习氛围。斯坦福人工智能领域同样拥有具备多学科和差异化学科背景的教师团队，他们来自生物学、物理学、法学、统计学等多个学科,不仅为学生拓宽了知识学习的领域,也能从已知的核心领域为人工智能专业建设和课程设置提供专业化建议。二是师资队伍研究方向的多样化。多学科背景的强健师资是世界一流大学人工智能人才培养的重要保障,师资队伍研究方向多样化则是其重要依托和绵延血脉。哈佛大学第25任校长德里克·博克(Derek Bok)在回答“为什么哈佛能长期保持第一流学府的声誉”时指出：“要使我们的学校长居于前列,归根到底是要有好的教授。”8年内非升即走的终身教职制度使得哈佛能够保留和吸纳各个学科领域内的顶尖人才。哈佛大学人工智能教师团队共有23人,其中高级教授1人、教授15人、副教授5人、助理教授2人。年轻而强劲的师资队伍不囿于人工智能的单个研究方向,只有3位教授仅研究人工智能,其他20位教授均从事2个以上研究方向,最多的甚至囊括12个研究方向。爱丁堡大学拥有专业的人工智能教师团队,且研究人员的研究方向跨越了人工智能的多个学科领域。他们从神经科学、认知科学、语言学和数学等领域为课程设计注入多样化元素,构建人工智能系统所需的基本知识和实践技能。因此,师资队伍研究方向的多样化不仅能在教学中较好地实现各个交叉学科之间的衔接、过渡和转化,而且也能为提升学生的创新能力和思维提供不竭的外部动力和保障。三是实现企业跨校兼职教师制度。从人工智能的全球发展现状来看,人工智能专业在高等教育内的人才输出远远不及人工智能行业的发展速度。[19]企业有着强劲的人工智能创新能力,且在人才培养上拥有着无可比拟的技术优势。如美国的AI独角兽企业Argo AI，在2019年全球人工智能行业独角兽企业排行榜中,Argo以500亿人民币的估值居全球第一。[20]夏天(Summer)、布雷特·布朗宁(Brett Browning)分别担任Argo的首席信息官和机器人技术副总裁职务,但他们同时也是卡内基梅隆人工智能专业的兼职教职人员;德瓦·拉曼南(Deva Ramanan)和西蒙·露西(Simon Lucey)既是Argo AI的首席科学家,同时也是卡内基梅隆人工智能专业的副教授。[21]人工智能企业工作者有着丰富的技术操作和实践经验,在授课过程中能较好地实现专业知识间的融会贯通,且能更好地指导学生完成人工智能理论知识向实践操作层面的衔接与转化。

三、总结与启示

当前,我国人工智能的产业发展正保持着迅猛势头,但各高校的人工智能人才培养尚处于起步和探索阶段。尽管有国家政策的大力支持和各大高校的聚焦关注,人工智能产业依旧呈现出人才供给与需求失衡的局面。如何在未来的科技创新和竞争中抢占制高点,人才是根本和核心。为此,应在认清我国高校人工智能人才培养现实困境的基础之上,学习和借鉴世界一流大学人工智能人才培养的经验,助推我国高校的正向变革。

1.面向未来:为人工智能一级学科的设置创设条件,力求培养目标的推陈出新。人工智能产业的蓬勃发展催生了人工智能学科的诞生,人工智能专业是市场需求驱动生成的新兴学科。从我国人工智能专业的发展历程和现状来看,多数高校内设置的人工智能专业皆为计算机学院、软件科学学院内相近专业的一个重要研究分支,人工智能人才培养过程中的教育教学及科研活动等依附于其他一级学科,学科建设相对滞后,依旧处于多方合力促成的、以规模扩张的外延式发展阶段[22]，人工智能学科建设及人才培养已然“先天不足”,却仍面临着“后天营养不良”的困境。世界一流大学在计算机系、自动化系开设人工智能专业方向或相关专业,并提出明确导向的人才培养目标、具体可操作的人才培养实施过程、兼顾市场需求导向下的外延式发展和新兴创新型人才培养的内涵式探求。基于世界一流大学的经验,我国要突破现有追求人工智能专业建设数量、速度和规模的表征阶段[23]，在人才培养上实现内涵式探求与外延式发展的并行不悖。首先,为人工智能专业设置一级学科创设条件。对于“先天不足”的人工智能专业而言,资源的注入尤为重要,且囿于我国学科与资源紧密连接的教育环境,一级学科的建设能为人工智能专业建设和人才培养过程的推进注入“生命力”。其次,在人工智能人才培养目标的设置上推陈出新。人工智能在学科跨度上注重精深、博大,且与其他学科相比,要基于人工智能伦理层面的思考。而我国的人工智能专业主要依附于其他一级学科,这就要求在人才培养目标的制定上要跳脱出其他一级学科的窠臼,将人工智能专业对学生提出的新要求、新目标落实其中,推陈出新。

2.深度融合:重视课程与学科间的衔接和过渡,搭建交叉学科的开展平台。当前,我国高校人工智能研究和人才培养主要集中在计算机科学学院和软件工程学院等工科院系,课程设计遵循工科课程的设计理念,课程间与学科间的交叉程度低,未能形成系统的课程体系。而从不同学科的师资跨界流转现状来看,设置了人工智能专业的各级各类学院之间产生的联系和合作也较少,各学院内的师资及资源各有所长而相互独立,尚未能为课程、学科间的多元跨越提供实际效益。[24]世界一流大学普遍沿用“兼容并包”的视角对多元的学科、课程、知识体系加以考量,且在课程结构中注重通识课程的开设以及通专融合理念的贯穿。因此,可以学习世界一流大学的相关经验：一方面,重视第一、二学年通识课程的开设,以此为基础进行专业、方向的分流或联合专业的开设;在专业课程的开设中强调梯度式设计,逐步由初级、中级过渡到高深的核心领域,由此兼顾宽泛基础知识的学习和高深专业知识的精耕。另一方面,人工智能在高校学科建设中呈现出“人工智能+X”的专业结构[22]，这就要求打破学科和专业间的藩篱，实现各学科专业间的深度衔接与对应。在此过程中,应首先审视人工智能的发展趋势、应用特点和未来走向,优先考虑并结合本校的优势学科、强劲专业,为设置有人工智能专业的各级学院之间搭建教育教学及科研活动开展平台,在交互融合的过程中摸索和探寻新的专业特色和优势,进而逐步实现多学科交叉并进的局面。

3.个性发展:推动教学模式、管理方式的变革和转型,增强教育教学活动的延展性。就我国而言,当前高校人工智能专业的教学方式较为单一,大致与其他专业一致,多采用课堂教学的授课方式,在实践操作层面多局限在校内实验室,在实践、研讨、校企合作等环节较为薄弱。[25]世界一流大学采用小班教学、多元研讨方式、学术顾问体系等,以学生为主体,以激发学生的创新思维为目标,赋予学生更多的自主性和能动性，因此,有必要在教学模式上实现范式变革和转型。首先，公共基础课、专业基础课采用大班教学模式,但也要注重小组讨论、技术展示等环节的应用;专业核心课程则可以采取小班研讨课的方式,充分发挥教师与学生的双边主体性,提高学生学习的积极性和主动性。其次,利用校园社团、俱乐部等为人工智能学术交流搭建平台。面向对人工智能感兴趣的学生、教师、企业员工等群体,可以人工智能领域前沿发展为主题,每周设定固定的时间、地点开展人工智能主题研讨活动,并适时邀请人工智能企业家一同加入,以增进学术研讨活动的延展性。最后,加强学生管理制度的创新。我国高校普遍以辅导员对接学生指导工作,但其工作任务量大、内容繁杂,对学生的学术成长和专业发展难以发挥实效。对此,我国高校可设立相应的人工智能学生指导部门,参与人员可以是教师、高年级学生或硕博学生等,为人工智能学生提供课程选择、专业发展和学术成长等建议。

4.跨界流转:推动校企、国际合作的协同发力,打造高水平师资队伍。我国现阶段在人工智能人才培养上依然面临着师资匮乏的严峻问题。人工智能企业的技术创新要求也在敦促其以水涨船高的薪资延揽人工智能领域的顶尖人才,因此高校的高质量教师都被科技公司挖走了。[26]此外,人工智能作为一门新兴学科,专门从事该领域研究的教师较少,国内高校可供借鉴的经验也很少,专业建设的速度与专业师资培养的速度难以衔接和匹配[27]，学校人工智能人才培养举步维艰。面对这一现状,首先，可以学习卡内基梅隆大学的经验,实行企业跨校教师兼职制度。企业、高校作为社会和人工智能领域的重要结构主体,均肩负着科技立新、社会服务的责任和使命。高校与企业积极开展产学研合作,将高校的人工智能基础知识创造、科学研究优势与企业的技术开发、成果转化优势结合,实现校企间的人才互流互通和人工智能研究领域的优势互补、协同共生。其次,国际合作的有效补充。麻省理工、卡内基梅隆、阿尔伯塔、爱丁堡等世界一流大学均已实现线上线下混合教学模式,如麻省理工与edX平台合作,从2019年4月起生成了“用户体验设计的人机交互”等人工智能课程。[28]因此,我国在人工智能教学中也可积极谋求与国外大学的合作,达成相关协议,获取人工智能优质线上课程资源,以缓解当前师资紧缺的棘手困境。在后期,我国高校也可与国外大学采取联合办学模式开展人才培养,从而提升人工智能人才培养的效率和质量。