人工智能人才培養是變革核心

人工智能、基因工程、納米科學並列為21世紀三大尖端技術，是工業革命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、智慧金融、智慧醫療、機器人、輔助教育、智能制造等。可以說，人工智能的科研創新和人才培養，決定著一國在國際競爭中的優劣地位。

當前，全球人工智能領域人才分布極不平衡，美國佔比近一半，我國雖位於第二梯隊但差距仍然較大，不僅人才儲備規模較小，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，發展較好。自20世紀50年代，美國人工智能專業形成了初期邊界，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，極大促進了專業人才的培養、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和初創公司﹔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，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，人才培養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，進行協同培養、研究和創新。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、從互聯網協議到電信系統設計的知識，聚焦於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，專注於與科學和工程學科相關的新計算方法的開發。可選的課程由八個院系提供，包括土木與環境工程，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討論會、參加行業實習、完成行業聯合項目/專利/共同出版物、學生收到行業邀請進行學術分享、在政府實習、在學術機構實習、參加學術培訓、提交創業項目。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，系統和網絡，是該校特色的交叉培養與研究的平台。

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﹔研究階段的培養分布在多個院系，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。“機器人學”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課程，核心課程需要選自四個核心領域，專業課程需要由學生選擇一個特定核心領域，並完成該方向內的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、實習和職業研討。項目為學生提供專業和研究選項，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發展意向，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於為與人機交互、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，並與外部客戶共同完成一個重要的行業項目。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，培養集中於計算機科學系、電子計算機工程系、信息科學系，並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，以保証學生計科基礎的涉獵廣度。近年在研究領域，校內各學部間、與校外企業協會、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）成立於2015年，高度聯合航空工程、電子工程等工學院七大學部、農學消費者及環境科學學院並與協調科學實驗室（CS）攜手打造智能機器人。2019年11月，人工智能創新研究中心（CAII）依托國家超算中心（NCSA）建設，致力於促進AI研究、為學生提供AI就業機會、通過合作科研創新應對行業重大挑戰，成為校園內鏈接學術界與工業界的紐帶。2020年8月，美國國家科學基金會（NSF）及國家糧食和農業研究所（NIFA）給予UIUC數字農業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略合作，斥資2億美元，主要關注AI及混合雲等快速發展領域。

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、交叉培養特色較強，特別是其強化學習和神經計算方向在英國處於優勢地位，研究與應用涉及數據科學、信息科學、電子電氣、生物醫藥、教育、建筑、腦科學、金融等領域。UCL於2020年加入了歐洲學習和智能系統研究實驗室（ELLIS），並在校內聯合計算神經科學組、計算機系，統計科學學院和電子電氣工程學院建立了UCL ELLIS Unit，側重於基礎科學、技術創新和社會影響的研究。該校人工智能相關專業植根於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、創業、人工智能道德准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、一般選修課和畢業項目組成。學生選課自由度高，非同一專業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展，在應用層面上的發展較為突出。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，包括用於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發展建立了一套學術職業框架，該框架設定了四個等級，並通過科研/教學活動、核心能力、專業特長和影響力衡量升遷與否。針對人工智能相關專業，UCL與校外企業深度合作，聘請產業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

在專業設置方面，英美人工智能領域出現早、發展快，案例院校中人工智能作為專業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規劃，選擇碩士或博士層次、學術學位項目或專業學位項目。

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。這樣既可以保証培養的專業性、完成學分硬性要求，也可以盡可能滿足學生個性化的、更貼近於職業發展的實用需求。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。

在培養方案方面，相較於學術學位，專業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）環節學分，並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“專業視角要求”、CMU要求的“頂點行業項目”），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、醫學、語言、社會、經管、建筑、教育、藝術、哲學、人文、土木、交通、農業等領域。有些課程特別注重對學生動手實操的能力培養，還會結合社區與產業需求，要求學生在現實環境完成特定項目。同時，還設置了人文素養、法律、倫理、表達溝通、寫作等培養綜合能力的課程。

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

在師資隊伍方面，各高校不斷擴充優秀的科研隊伍，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產業的資深人士，作為兼職教授/企業導。一些學校通過設立新的交叉研究平台創造新的崗位（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也體現出若干國際趨勢。首先，院系合作、設立交叉培養平台是促進“AI+X”廣度和深度發展的重要方式。其次，與校外的公司、政府、研究機構緊密合作，可以吸納外部優勢資源和力量，構建“產學研一體化”的學科生態。再次，實踐類、項目類、應用類課程增多，課程內容更加跨學科、更貼近產業需求，同時注重對工科學生的人文素養、綜合素質的培養。培養方案的設計愈加體現專業性與靈活性的統一。最后，持續擴充多元背景的師資隊伍，是促進人工智能學科發展的重要基礎。

（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）

分享讓更多人看到