人工智能人才培養(yǎng)是變革核心

　　人工智能、基因工程、納米科學并列為21世紀三大尖端技術，是工業(yè)革命4.0的變革核心。其中，人工智能涉及廣泛的知識領域，包括技術體系內的數學基礎、技術基礎、機器學習方法、問題域，以及應用領域內的互聯網、智能寫作、機器翻譯、智慧交通、智慧農業(yè)、智慧金融、智慧醫(yī)療、機器人、輔助教育、智能制造等?？梢哉f，人工智能的科研創(chuàng)新和人才培養(yǎng)，決定著一國在國際競爭中的優(yōu)劣地位。

　　當前，全球人工智能領域人才分布極不平衡，美國占比近一半，我國雖位于第二梯隊但差距仍然較大，不僅人才儲備規(guī)模較小，頂尖人才更為稀缺。國際上，英美等國人工智能研究開展較早，發(fā)展較好。自20世紀50年代，美國人工智能專業(yè)形成了初期邊界，出現了一批研究生參與研究的實驗室;80年代，人工智能研究生專業(yè)建立，逐步配備了跨學科的軟件與硬件支持，極大促進了專業(yè)人才的培養(yǎng)、技術轉化與應用。英國政府近年來也十分關注人工智能領域的研究和應用，投入了大量的資金扶持人工智能產業(yè)和初創(chuàng)公司;通過政策工具鼓勵大學進行知識更新、產權轉化和人才培養(yǎng)，計劃自2017年起新增450個與人工智能相關的博士點;還支持建立了艾倫·圖靈研究所，加強關鍵算法領域的研究。

　　麻省理工學院

　　麻省理工學院在計算機科學和人工智能方面有著深厚的積累，從早期的理論到后來的實踐，已經歷了大半個世紀。目前，該校沒有設立人工智能專業(yè)，人才培養(yǎng)主要集中在施瓦茨曼計算機學院，該院與計算科學與工程中心、電子工程與計算機科學系、數據系統(tǒng)和社會研究所、運算研究中心這五個學院以共享的結構，進行協(xié)同培養(yǎng)、研究和創(chuàng)新。計算科學與工程中心提供計算科學與工程碩士項目，課程涵蓋從航空航天到納米技術、從互聯網協(xié)議到電信系統(tǒng)設計的知識，聚焦于先進的計算方法和應用。計算科學與工程博士項目與八個院系聯合開設博士課程，專注于與科學和工程學科相關的新計算方法的開發(fā)?？蛇x的課程由八個院系提供，包括土木與環(huán)境工程，機械工程，材料科學與工程，化學工程，地球、大氣和行星科學，航空航天，數學，核科學與工程。電子工程與計算機科學系的課程主要由電子工程、計算機科學、人工智能與決策三部分內容構成。該系提供面向不同學生層次和需求的若干種學位項目，包括計算與認知工程碩士(MEng)，計算機科學博士(PhD)，計算機科學與工程博士(PhD)，計算機科學和分子生物學工程碩士(MEng)，電氣工程博士(PhD)，電氣工程和計算機科學工程碩士(MEng)/理學碩士(SM)/博士(PhD)等。除了參加學位課程之外，學生被要求一學期參加三次行業(yè)討論會、參加行業(yè)實習、完成行業(yè)聯合項目/專利/共同出版物、學生收到行業(yè)邀請進行學術分享、在政府實習、在學術機構實習、參加學術培訓、提交創(chuàng)業(yè)項目。在施瓦茨曼計算機學院授予的項目中，哲學博士PhD學位與科學博士ScD學位被視為可以互換授予。計算機科學與人工智能實驗室(CSAIL)是MIT最大的實驗室，也是世界上最重要的信息技術研發(fā)中心。CSAIL的研究領域涉及算法與理論、人工智能與機器學習，計算生物學，計算機架構，圖形與視覺，人機交互，編程語言與軟件工程，機器人，安全與密碼學，系統(tǒng)和網絡，是該校特色的交叉培養(yǎng)與研究的平臺。

　　卡內基梅隆大學

　　卡內基梅隆大學是人工智能研究的領導者，在本科設有人工智能專業(yè);研究階段的培養(yǎng)分布在多個院系，主要集中在計算機學院、軟件工程研究所、機器人研究所、人機交互研究所、語言技術研究所、機器學習系。CMU的師資擁有多元的背景，近200名教職人員來自11個院系，研究范圍涵蓋從數理到計算機、藝術到經管、多個與人工智能相關的領域?！皺C器人學”博士項目在計算機學院開展。每個學生必須完成核心課程和專業(yè)課程，核心課程需要選自四個核心領域，專業(yè)課程需要由學生選擇一個特定核心領域，并完成該方向內的48個學分，通常需要有四個研究生課程。四個核心領域為：感知(視覺、圖像傳感器、距離數據解讀、觸覺和力傳感器、慣性制導等傳感器)、認知(機器人的人工智能、知識、表示、規(guī)劃、任務調度和學習)、運動(運動學、動力學、控制、操縱和運動)、數學基礎(最優(yōu)估計，微分幾何，計算幾何和運籌學)。自動化科學碩士(MSAS)是世界上第一個自動化科學專業(yè)碩士項目。它主要提供三個方面的培訓：一是使用科學實驗機器人儀器的實踐培訓，二是使用機器學習和相關方法進行數據分析和建模，三是使用人工智能選擇實驗。該項目要求的專業(yè)課程包括四個模塊，分別為背景知識、建模與分析、自動化科學、實習和職業(yè)研討。項目為學生提供專業(yè)和研究選項，學生在第二年開始之前，可以根據其未來進入勞動力市場或進入科研市場的職業(yè)發(fā)展意向，選擇進一步的課程模塊，選擇研究的學生將匹配一位研究導師。人機交互碩士(MHCI)是世界上第一個致力于為與人機交互、用戶體驗設計和以用戶為中心的研究相關的專業(yè)學位項目。課程的核心是跨學科性，學生來自設計、社會科學、商業(yè)和計算機科學等不同背景。在第一學期，學生需要在課堂學習核心方法論和技術，在第二三學期學生進行選修課，并與外部客戶共同完成一個重要的行業(yè)項目。CMU還通過建立交叉領域的實驗室與中心，促進人工智能的研究與應用。機器人研究所在1979年成立，定期與政府、行業(yè)和非營利組織在贊助研究和教育領域合作。

　　伊利諾伊大學

　　伊利諾伊大學厄巴納-香檳分校未單獨設置人工智能專業(yè)，培養(yǎng)集中于計算機科學系、電子計算機工程系、信息科學系，并設置了人工智能方向。計算機科學系提供學碩、專碩、普博、直博培養(yǎng)項目。項目的課程涵蓋編譯、AI、生物信息等十個大方向，學生首先需要在基礎課序列選擇三個大方向;其次，需在基礎課所選方向之一，選擇至少一門進階課程;選修部分可選十個大方向中的至少三門課程，以保證學生計科基礎的涉獵廣度。近年在研究領域，校內各學部間、與校外企業(yè)協(xié)會、政府機構聯合開展了多樣的AI科研合作，建立了多個交叉研究的中心實驗室。智能機器人實驗室(IRL)成立于2015年，高度聯合航空工程、電子工程等工學院七大學部、農學消費者及環(huán)境科學學院并與協(xié)調科學實驗室(CS)攜手打造智能機器人。2019年11月，人工智能創(chuàng)新研究中心(CAII)依托國家超算中心(NCSA)建設，致力于促進AI研究、為學生提供AI就業(yè)機會、通過合作科研創(chuàng)新應對行業(yè)重大挑戰(zhàn)，成為校園內鏈接學術界與工業(yè)界的紐帶。2020年8月，美國國家科學基金會(NSF)及國家糧食和農業(yè)研究所(NIFA)給予UIUC數字農業(yè)中心兩千萬美元經費以建立智能農場研究所。2021年5月，伊利諾伊州、IBM擬與UIUC工學院開展為期長達十年的戰(zhàn)略合作，斥資2億美元，主要關注AI及混合云等快速發(fā)展領域。

　　倫敦大學學院

　　倫敦大學學院在人工智能領域有著良好的學術聲譽，學部體系龐大、交叉培養(yǎng)特色較強，特別是其強化學習和神經計算方向在英國處于優(yōu)勢地位，研究與應用涉及數據科學、信息科學、電子電氣、生物醫(yī)藥、教育、建筑、腦科學、金融等領域。UCL于2020年加入了歐洲學習和智能系統(tǒng)研究實驗室(ELLIS)，并在校內聯合計算神經科學組、計算機系，統(tǒng)計科學學院和電子電氣工程學院建立了UCL ELLIS Unit，側重于基礎科學、技術創(chuàng)新和社會影響的研究。該校人工智能相關專業(yè)植根于工程科學學院計算機系，計算機系下設有人工智能研究中心。中心開設了基礎人工智能博士項目、機器學習碩士項目、計算統(tǒng)計與機器學習碩士項目、數據科學與機器學習碩士項目、計算機視覺碩士項目。博士項目的課程，注重學科基礎與交叉學科的研究訓練，也有神經科學、創(chuàng)業(yè)、人工智能道德準則等方面的選修課程，還要求接受演講與溝通技巧、寫作技巧等綜合能力訓練，同時有機會參加艾倫圖靈中心開設的專業(yè)研討課和合作組織提供的實習。碩士課程通常由必修課、核心選修課、一般選修課和畢業(yè)項目組成。學生選課自由度高，非同一專業(yè)學生的選課也可以趨近一致。課程對學生的數理基礎如線性代數、微積分沒有做過高要求，而是更加注重人工智能的算法實現及與其他學科的融合發(fā)展，在應用層面上的發(fā)展較為突出。近些年來隨著UCL與Deepmind公司在教學和研究方面合作逐漸加深，雙方合作開設了“深度學習講座”，由多位Deepmind工作人員和UCL的教授共同授課，包括用于圖像識別的卷積神經網絡、變分判斷等12個主題，是頗為熱門的研究生課程。另外，UCL為教師和研究人員的職業(yè)發(fā)展建立了一套學術職業(yè)框架，該框架設定了四個等級，并通過科研/教學活動、核心能力、專業(yè)特長和影響力衡量升遷與否。針對人工智能相關專業(yè)，UCL與校外企業(yè)深度合作，聘請產業(yè)資深人士作為機器學習領域的教授，促進理論與實踐的互通。

　　以跨學科多元交叉為特色

　　在專業(yè)設置方面，英美人工智能領域出現早、發(fā)展快，案例院校中人工智能作為專業(yè)已出現在本碩博各階段，但更多還是以跨院系、跨學科的方式進行培養(yǎng)和科研。很多院系提供多種學位授予，學生可以根據自身能力與職業(yè)規(guī)劃，選擇碩士或博士層次、學術學位項目或專業(yè)學位項目。

　　在課程結構方面，雖然各校模塊結構的名稱不同，但基本是將課程根據領域和方向進行分類，允許學生選擇若干“寬領域”課程、隨后進階學習“特定領域”課程。這樣既可以保證培養(yǎng)的專業(yè)性、完成學分硬性要求，也可以盡可能滿足學生個性化的、更貼近于職業(yè)發(fā)展的實用需求。相較而言，美國課程更注重學生的數理基礎，英國課程更注重算法實現及與其他學科的融合應用。

　　在培養(yǎng)方案方面，相較于學術學位，專業(yè)學位項目對實踐性產出要求更高，對學術成果要求更加靈活。一些方案中，學生不僅需要完成課程學分和(論文、實踐、報告等)環(huán)節(jié)學分，并達到最低要求的累計GPA，有的還需要完成特定的項目(如MIT的“專業(yè)視角要求”、CMU要求的“頂點行業(yè)項目”)，才能獲取學位。

　　在特色課程方面，“AI+X”的趨勢明顯，出現了愈加細化多元的交叉課程，從涉及計算機、機械、電子、機器人，擴展到航空航天、生物、醫(yī)學、語言、社會、經管、建筑、教育、藝術、哲學、人文、土木、交通、農業(yè)等領域。有些課程特別注重對學生動手實操的能力培養(yǎng)，還會結合社區(qū)與產業(yè)需求，要求學生在現實環(huán)境完成特定項目。同時，還設置了人文素養(yǎng)、法律、倫理、表達溝通、寫作等培養(yǎng)綜合能力的課程。

　　在交叉培養(yǎng)方面，案例高校均建立了貫通產學研的交叉平臺，積極與校內多學科的學術資源、社區(qū)內的多種產業(yè)資源、政府項目資源相結合，為人才培養(yǎng)和科研創(chuàng)新提供良好的支撐。

　　在師資隊伍方面，各高校不斷擴充優(yōu)秀的科研隊伍，既包括來自多學科、關鍵領域的教授，或聘為終身教職，或授予名譽/講席教授;也吸納很多了解行業(yè)產業(yè)的資深人士，作為兼職教授/企業(yè)導。一些學校通過設立新的交叉研究平臺創(chuàng)造新的崗位(如教學崗位、交叉研究崗位、或校外參與的崗位)，一定程度上幫助解決了青年學者的教職/科研身份。

　　同時人工智能學科和培養(yǎng)也體現出若干國際趨勢。首先，院系合作、設立交叉培養(yǎng)平臺是促進“AI+X”廣度和深度發(fā)展的重要方式。其次，與校外的公司、政府、研究機構緊密合作，可以吸納外部優(yōu)勢資源和力量，構建“產學研一體化”的學科生態(tài)。再次，實踐類、項目類、應用類課程增多，課程內容更加跨學科、更貼近產業(yè)需求，同時注重對工科學生的人文素養(yǎng)、綜合素質的培養(yǎng)。培養(yǎng)方案的設計愈加體現專業(yè)性與靈活性的統(tǒng)一。最后，持續(xù)擴充多元背景的師資隊伍，是促進人工智能學科發(fā)展的重要基礎。

　　(作者：李鋒亮 龐雅然，分別系清華大學教育研究院副教授和博士生)