国外高校人工智能专业人才培养：基本特征与借鉴路向

蒋馨培 赵磊磊 吴小凡

江南大学教育学院

一、 问题提出与研究设计

自然语言处理、机器学习、生物识别等智能技术以及相关产业变革为社会发展提供了新的机遇与平台，也催生了大量的相关产业，开拓了新的应用领域。各国政府也相继发布了人工智能领域的政策报告，关注本国人工智能人才的培养。例如，中国发布了《新一代人工智能发展规划》［1］和《高等学校人工智能创新行动计划》［2］。本研究选择国外五所人工智能专业较为成熟的高校为研究对象，查阅各个学校的官方网站，整理出这五所高校人工智能专业开设的概况（表1）。

表1 国外五所高校人工智能专业开设概况

（续表）

笔者选择以Web of Science核心合集数据库中2000—2021年人工智能人才培养的相关英文文献为研究对象，以Artificial Intelligence Talents或Talent Training等为主题进行检索，共检索出113条记录。通过数据库的分析报告发现，2017年关于人工智能人才培养的相关文献开始增多，到2021年相关论文数量呈爆炸式增长。已有文献多基于对人才培养模式的探究，以“教师”“学习行为”“教学过程”“机器学习”为核心内容。因此，本研究从理念、课程、教学、资源四个维度分析国外高校人工智能专业人才培养的基本特征，指出我国人工智能人才培养的实践路向，以期为我国人工智能专业人才培养体系化提供现实指导。

二、 国外高校人工智能专业人才培养的基本特征

有关人工智能人才培养向度的论断存在一定的视角差异，Zaitseva认为，人才培养中要引入创新教育技术，注重教育资源的作用［3］；Yang、Sun提出，在人工智能时代下专业人才培养应该关注人才培养模式、培养理念、培养目标的创新，以应对现实问题的挑战［4］；谷腾飞等认为，人才培养应关注培养理念、专业设置、课程设置、教学组织等要素［5］。综上，本研究尝试从教育理念、课程设置、教学模式、教学资源四个方面对国外高校人工智能专业人才培养的基本特征予以分析。

（一） 教育理念：对接市场需求，注重应用型人才培养

新一代人工智能发展浪潮赋能高校新的发展机遇，而应用型人才培养则成为高校抓住现实机遇的抓手。一方面，国外高校在教育理念层面上注重对接市场需求，加大对学生应用能力和内隐技能的培养力度。比如，伦敦大学、剑桥大学将抽象的教育理念具体化，把学生参加团队项目作为专业成绩考核标准的一部分，在此过程中同步提升学生的应用能力以及团队协作能力。斯坦福大学与加州大学伯克利分校通过让学生参与研究项目与课题研究，提升学生的实操能力。东京大学以项目研究为依托，以实验室培养为主要形式，对于应用型人才的培养规制更加清晰。另一方面，国外高校还建立了与行业内顶尖企业的合作关系。比如，伦敦大学与微软研究院、IBM研究院、NEC欧洲实验室、FaceBook、谷歌和NASA建立了合作，多样化的培养形式有利于丰富学生知识体系的构建，契合人工智能市场的发展需求，这也进一步倒逼国内高校注重市场层面对于人才的多方面素质要求。

（二） 课程设置：聚焦场景体验，鼓励跨学科自主学习

人工智能属于交叉学科领域，需加强与其他学科的内在联系，促进人工智能专业本身的发展和创新。首先，国外高校在课程设置上聚焦于学生实际的场景体验，为学生提供真实的研究情境，如参与企业的真实项目等，顺应了学生知识生长的内在逻辑。其次，结合人工智能专业的特性和场景化课程对于人才的要求，国外高校在课程设置方面主张打破知识的边界，更多地融入跨学科课程知识，同时鼓励行业多种形式的“原生态”经验和情境化的专业知识在不经过加工的前提下，直接进入课堂供学生学习。东京大学在校内开设涵盖神经、大脑等医学专业知识的讲座，邀请人工智能专业的学生来听，在一定程度上丰富了人机信息融合的新路径，体现“人工智能+X”的特性，充实复合型智能人才的内涵。综合来说，国外高校场景化的课程设置打破了原先课程空间的局限，有利于培养学生跨领域知识的应用迁移能力，构建多元学科背景。

（三） 教学模式：彰显教学自由，注重学生个人兴趣与实际收获

智能技术在一定程度上改变了师生之间以及学生之间的关系，在所谓的“学习”过程中，教师只是学生学习过程的促进者。人工智能专业的教学兼具理论与实践双重特性，应关注教师教学的灵活性与学生学习的自主性。具体来说，国外高校在教学模式上关注学生个人兴趣取向与实际收获。比如，伦敦大学的学生能够独立完成大型项目并掌握进度，教师只充当学生项目的辅助者与问题沟通者，体现出学生的自主学习权利。斯坦福大学让学生根据其兴趣选择课程学习，并且可以随时调整专业，赋予学生较多的学习自主权。东京大学的教学极度关注学生的体验与收获，关注学生实际的操作与获得的技能。值得一提的是，国外高校在教学评价上有其独特之处，在评价中更加关注学生的个人项目完成度，这种多元化的评价方式相对来说较为灵活且较为契合开放度高的教学模式。

（四） 教学资源：关注社会资源引入，有效整合跨学科师资

人工智能与产业转型升级、技术更新之间存在天然联系。在社会资源引入方面，国外高校更多关注企业人工智能的设备配置以及软件升级在教学中的使用。在剑桥大学，所有学生都可以使用英特尔实验室的MCS设施，学校还从MathWorks购买了MATLAB和Simulink网站许可证，该许可证涵盖了教师和学生在家庭电脑上的使用。伦敦大学配有最先进的大数据集群，包括32个处理器、32 TB的磁盘存储空间、GPU和RDMA网络，让学生可以进行实际案例研究。东京大学与日本多所知名企业建立合作并推动产学研实践发展，与之合作的企业有三菱UFJ NICOS株式会社、凸版印刷有限公司、日立制作所、三菱电机信息系统株式会社等。作为国际一流高校，东京大学师资力量雄厚，且经常整合多所学院的教师进行联合教学，包含生物学、数学、工学、经济学等多领域的师资力量，多领域的教师和专业人员可以个性化指导学生的发展方向，加深了学科间的联系，还能够拓宽学生的知识域。

三、 国内高校人工智能专业人才培养的借鉴路向

目前，国内多数高校开设了人工智能专业，但当前人工智能专业体系还不够完善。本研究基于对国外高校人工智能专业人才培养特征的分析，为国内高校人工智能专业人才培养提出以下借鉴路向（图1）。

图1 国内高校人工智能专业人才培养路向图

（一） 关注社会与市场的人才需求，重塑设计思维取向的人工智能育人观

随着经济的发展和时代的变化，社会对人工智能人才的能力要求也在提高，除了专业知识的考量，还非常注重其解决实际问题的能力。如联通主义理论所述，人才培养应是信息、联系和资源建立网络的过程，这些网络应用于解决实际问题［6］。高校应该注重人工智能专业和社会需求的契合度。其一，设计思维是创新能力的必要组成部分，国内高校已有教师将设计思维培养课程引入计算机的基础教学中，设计思维强调以项目实践理念，人工智能人才培养也需要借助项目实践进行引导。其二，高校需培养能发现问题、界定问题，并提出解决方案的学生，同时使学生在图式化表达和语言沟通等方面的能力有所提升。其三，高校教学应引导人工智能专业的学生成为情感关系的设计者，培养其能够设身处地为他人考虑的能力，以便有效对接社会和市场需求。

（二） 适度精简知识类基础课程，构建多样化人工智能课程体系

人工智能专业课程的设置需优化时间分配，适度精简课程安排。人工智能具有“至大无外”的渗透特点, 但是在本科专业人才培养过程中，要首先重视人工智能“至小有内”的内涵特性，通过强化专业课程属性来培养本科人才［7］。第一，适度精简基础类知识课程。除了计算机相关知识的学习，高校应避免相近学科内容的重复学习，合理安排教学时间，提高学生的学习效率。第二，高校需关注基础课程和专业课程的衔接，保持课程的连贯性。当学生学习完基础课程后，课程建设可以适当地增加深度以及跨专业的融合度，以便推动复合型专业人才的培养。第三，扩大学科的交叉性与跨学科结合的广度，构建多样化人工智能课程体系。高校应打破学院与专业的限制，不仅开设与计算机专业相关的专业课程，还要为学生提供人文社科甚至音乐、舞蹈类的选修课程。

（三） 创新跨学科导师群建设模式，促进复合型人工智能人才培养

从人才培养的角度来看，进行多学科交叉融合发展和跨学科教育是必然的。在这个体系中，跨部门的紧密合作和跨学科的教育方法可以作出新的贡献［8］。当前高校应注重创新跨学科导师群建设模式。首先，跨学科导师群教师队伍应当自觉学习人工智能相关专业知识，获悉人工智能的前沿知识和技术，为学生提供跨专业的课程和个性化的学习方案。其次，跨学科导师群有别于传统的教师，除应掌握学科领域的基础知识和创新知识、现代教育技术技能外，导师还应具备一些重要的个人素质，其中包括独立性、责任感、自我组织能力、自我完善、创造性等［8］，导师群应当引导学生多关注人工智能领域的前沿研究以及现实生活中的具体问题。再者，高校需注重教师跨学科能力的创新，加大人工智能专业教学的学科横向跨度，定期邀请不同学科的教师进行交流研讨，改变传统的导师指导模式过于集中在某个单一学科的情况，以便借助学科统整助力学生创新思维培养，推动复合型人工智能专业人才的有效培养。

（四） 创设基于大数据的数智融合资源平台，构建校本化人工智能专业教学资源库

随着“智能技术+大数据”在教育领域的全方面渗透，数智融合在人工智能专业教学当中的地位更加重要。应构建基于大数据的数智融合资源平台，着力创建人工智能专业教育空间。首先，各高校提供的大多数人工智能教学资源往往是依托个人使用的计算机和其他设备的视频资源，而缺乏专门为教育而设计的智能系统，应该积极创设基于大数据的资源共享服务。例如，美国麻省理工学院（MIT）的计算机课程浏览量就高达50多万次，课程参与对象并不仅限于本校学生。其次，高校应有选择地在数智时代进行数字资源整合，更好地实现课程资源的生成与筛选。高校可将人工智能、大数据与课程建设、实验实训、教学研讨、教育评价等多方面进行融合，以搭建更好的教学资源服务一体化平台。我国高校应当建立专属教学资源平台，跨越网络层面的壁垒，为人工智能专业的学生提供全球精品课程。

四、 结语

当前我国人工智能人才培养体系在快速发展，形成不同层次人工智能人才培养体系对于我国人工智能发展至关重要。基于对国外高校人工智能专业人才培养的模式特征分析，结合国内人工智能人才培养的现实困境，给出借鉴国外优秀经验的人工智能人才培养发展路向。人工智能既是国家推行的“新工科”专业，又是高等教育中教育教学的手段和工具。通过探寻高校人工智能专业人才培养困境并给出相应的解决路径，对我国高校人工智能专业发展有很大帮助。关于人工智能专业人才培养的研究，未来应该更多关注本科层次教育与企业的紧密对接。