在人工智能人才培养过程中 要强化专业化意识

人工智能可谓当下炙手可热的领域。放眼全球，很多国家都把人工智能作为目前最大的发展战略，力图在新一轮国际竞争中掌握主导权。2015年12月，中国工程院批准了“中国人工智能2.0发展战略研究”重大咨询项目。2017年7月，《新一代人工智能发展规划》对外发布。

人工智能产业的健康发展涉及方方面面，其中一个不容忽视的因素是人才培养。要想长远发展，打下厚实的人才基础至关重要。近年来，国内高校一直在探索人工智能领域的人才培养，主要分布在计算机、自动化等多个学科。但在实际教学中，真正涉及人工智能的课程可能只有区区几门，导致培养出来的人才无法满足真正的应用需求。

这提醒我们，在培养人工智能人才时，不能直接在现有专业知识体系中培养人工智能专业化人才，因为人工智能知识体系与计算机、控制、数学、神经科学和心理学等领域关联，应围绕人工智能内涵本质进行知识体系建设，以培养高素质专业化人才。

目前，国内一些高校对人工智能人才培养过程中知识体系的构成进行了一些有益探索。比如，西安交大人工智能试验班将课程体系分为人工智能核心课程群、数学课程群、认知与神经科学课程群、人工智能平台与工具课程群等模块；南京大学提出了“人才培养为核心、基础研究为支撑、创新应用为出口”的创新发展模式，根据人工智能学科自身特点进行课程创新建设；浙江大学在人工智能本科专业建设方案中将知识点划分为通识课程、人工智能专业必修课、专业模块课等类别。

之所以厘清人工智能课程建设内涵很重要，是因为人工智能课程知识体系与现有课程知识体系存在巨大差距。

美国卡耐基梅隆大学在今年9月招收了全美第一批人工智能本科专业学生，要求学习数学、计算机和人工智能三大类课程，同时提供了内容丰富的选修课程。我们可以来对比一下卡耐基梅隆大学人工智能本科专业知识体系与斯坦福大学计算机科学本科专业知识体系的不同。斯坦福大学将计算机科学本科专业知识体系分为数学、科学、工程基础、计算机科学等核心类别课程，然后设置人工智能、生物计算、计算机工程、人机交互、计算机系统等模块，每个学生在修完所有核心类别课程后，再选择某一个模块进行学习（一般一个模块包含2~3门课程）。由此可见，人工智能专业知识体系不等于计算机科学知识体系。在斯坦福大学计算机科学本科专业中，人工智能只是一个模块；而卡耐基梅隆大学的人工智能本科专业中，人工智能是一个体系。

因此，在人工智能人才培养过程中，要强化专业化意识，避免人工智能知识体系碎片化与空心化，而是要成体系培养人工智能专业人才。

在守住人工智能内涵培养的同时，也要注重人工智能人才培养中的学科交叉和应用驱动。浙江大学老校长竺可桢曾说过：“若是一个大学单从事于零星专门知识的传授，既乏学术研究的空气，又无科学方法的训练，则其学生之思想即难收到融会贯通之效。若侧重应用的科学，而置纯粹科学、人文科学于不顾，这是谋食而不谋道的办法。”

因此，在人工智能人才培养过程中，首先要厘清人工智能知识体系的内涵，然后学校根据各自学科特点，主动交叉特色学科，并且以丰富应用场景提升人才培养动力。当然，在这个过程中，要鼓励教师在专业、通识和交叉等课程建设中投入精力，一起推动人工智能高素质人才的培养。