高教研究上海理工大学规划发展处（高教研究所）2018年第1期 2018年 4月10日我国人工智能本科人才培养现状及对我校培养模式的思考一、我国人工智能本科人才培养背景 (1)二、我国人工智能本科人才培养方式 (2)三、人工智能本科人才培养目标及课程体系 (4)四、人工智能本科人才培养目标达成措施 (7)五、我校人工智能人才培养模式的思考 (10)六、结束语 (13)一、我国人工智能本科人才培养背景在教育部公布的《2017年普通高等学校本科专业目录》中的并没有专业被直接冠以“人工智能”或“人工智能工程”的名头。
通常认为人工智能是计算机科学的一个分支，其人才培养主要蕴涵于计算机科学与技术、智能科学与技术、自动化、数据科学与大数据技术或统计学等专业之中。
究其原因，从目前来看，主要是学界对“人工智能”尚未有清晰的定义，概念太宽泛，涉及学科和领域太多。
有些专家甚至认为，人工智能属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论等等。
在这一背景下，难以对“人工智能”达成广泛共识。
但是，社会的发展对人工智能人才的大量需求却显得越来越迫切。
近年来，对人工智能人才的需求呈井喷式增长，特别是从2017年7月国务院发布《关于印发新一代人工智能发展规划的通知》，将发展人工智能产业作为国家战略发展以来，人工智能相关的各类人才严重稀缺。
据工信部预测，我国对各类人工智能人才需求缺口超500万，供需比接近1:10[1]。
腾讯研究院发布的《2017全球人工智能人才白皮书》显示，产业界对人工智能人才需求，主要集中在本科和硕士阶段，其中本科占比46.1%[2]。
从工作角色来看，可将人工智能本科毕业生分为数据智能分析师、创新型智能技术人才、智能系统开发工程师和复合型智能技术人才等4类特色人才。
本文先对我国人工智能本科阶段人才培养方式、培养目标和课程体系、培养目标达成措施进行探讨，然后针对我校加强人工智能本科人才培养给出思考。
表1 AI公司对人才学历要求分布（2017年）[2]二、我国人工智能本科人才培养方式在我国本科专业目录中，与人们日常所说的“人工智能”最为接近的专业有智能科学与技术专业，计算机科学与技术、自动化、统计学等传统本科以及机器人工程等新工科，它们与人工智能之间都存在较大的相关性。
因此，对人工智能人才的培养方式，也多种多样。
综合来看，主要有以下三种：（一）在相关专业增加AI课程培养人工智能人才。
人工智能学科具有综合性、交叉性、应用性强的特点，多数学校在计算机科学与技术、自动化、统计学等专业课程设置上，增加人工智能相关课程群对学生进行人工智能方面知识培养。
因此，从这些专业毕业的学生，有相当一部分从事与人工智能应用相关的研究与开发工作。
还有部分专业，通过增设《人工智能》课程，对学生进行入门级的人工智能教育，激发学生对人工智能在本领域应用的兴趣。
总体来说，这种方式培养的人才，有很大的局限性，难以系统地获取人工智能方面的知识和技能。
（二）设置智能科学与技术专业，培养人工智能人才。
截止目前，全国有26所高校设置了智能科学与技术本科专业。
作为计算机学科的一个分支，除少数高校（见下文）外，智能科学与技术专业隶属于计算机或信息技术大类，如北京大学将智能科学与技术专业归属于信息科学技术学院下的智能科学系。
培养方式以“信息基础+智能（包括自然智能和机器智能）基础”为模式，分方向（包括机器感知与智能机器人、智能信息处理与机器学习、新技术及其它等）对学生进行培养。
学习期间，学生能够比较集中、深入地学习所在方向的专业知识。
（三）汇聚人工智能相关专业，设置“人工智能学院”。
人工智能专业人才需要掌握庞大的知识体系，包括坚实的数学基础、计算和程序基础。
人工智能的专业知识、分析建模能力，已经超出目前传统计算机专业的培养内容，课程设置必须考虑到核心类课程如机器学习、知识表示与处理、技术支撑类如模式识别与计算机视觉、自然语言处理、自动规划、多智能体系统、计算智能等，平台类如机器学习系统平台、机器人、智能系统等等。
因此，国内一些高校，针对人工智能本身的复杂性，对人工智能按培养的侧重点不同设置了多个智能科学相关的本科专业（如智能科学与技术、数据科学与大数据技术、机器人工程等），出现了以“学院”为组织形式的人工智能本科人才培养单位，对学生进行较全面、系统地培养。
表2列出了四所率先建立人工智能学院，进行人工智能本科人才培养的高校及专业。
在这些高校中，人工智能学院开设与人工智能密切相关的本科专业，每个专业有各自的培养侧重点，并系统地开设AI相关课程，以满足对不同人才的需求。
下面，以西安电子科技大学为例，来说明人工智能本科阶段人才培养的特点。
表2 部分高校开设AI课程的本科专业西安电子科技大学（以下简称“西电”）为本科生开设了两个特色专业，分别是智能科学与技术、数据科学与大数据技术（拟建）。
前者的目标是培养学生具备电子技术、信息处理理论、电子信息系统、计算机与互联网络、智能科学与技术的基本知识，而后者要求学生能掌握大数据相关的统计、计算机、数学和应用学科的基础知识，以及数据分析、技术开发和应用的基本技能。
从本质上来看，这与当前相关计算机专业所学的内容似乎是一样的。
不同的是，人工智能专业要求学生更要扎实数学、计算和程序等学科基础，基本培养模式是“计算机技术+智能技术+大数据”。
从表中可以明确地看出，人工智能本科专门人才的培养主要是智能科学与技术和数据科学与大数据技术两个专业最为普遍。
目前，在全国有26所高校设置了智能科学与技术本科专业，有247所高校获批了数据科学与大数据技术本科专业。
从专业角度来看，人工智能与大数据的结合，符合人工智能科学发展方向，加上社会对人工智能特色领域人才的巨大缺口，相信有更多的高校会成立“人工智能学院”进行本科层面的人才培养。
三、人工智能本科人才培养目标及课程体系（一）培养目标在我国，高校智能科学与技术本科专业一般将近期目标描述为培养学生开发智能系统和利用智能技术协助实现复杂问题的求解，远期目标描述为培养学生研究和制造具有一定人类智能水平的智能。
在具体的培养计划中，着力体现将自然智能和机器智能相融合，以网络化智能信息处理、大数据智能计算、智能系统开发为切入点，并以“计算技术+智能技术”为本专业的特色，以有别于计算机大类的其它专业。
在人才培养定位上以培养智能系统工程师、数据智能分析师、创新智能技术人才及复合型智能技术人才为目标，使学生掌握智能技术、计算机技术、电子技术、机器人技术的基本知识和技能，并且具备智能信息分析与处理、智能系统开发能力。
（二）课程体系围绕培养目标，人工智能专业本科人才，除了英语、政治类、体育类等公共课程之外，加强数理（特别是数学）基础教育，使学生具备坚实的计算机技术硬软件知识和技能。
在专业特色上重点强调智能科学的教育（包括模式识别、生物信息、生物智能算法、人工神经网络等），并在机器感知与机器人、智能信息处理与机器学习若干方向上进行特色知识扩展，同时在金融、互联网、医疗及工业4.0等领域进行有选择性的专业拓展[3]。
研究发现，每所高校在人工智能本科课程设置上体现出了所在高校的特色和优势。
例如，西安电子科技大学在课程设置上特别强调学生的“电子”学基础，因此设置了多门与“电子”有关的课程，而这些课程在其它高校的智能科学与技术专业的培养计划中是很少见到。
表3是国内部分高校为人工智能科学与技术本科专业设置的课程体系。
表3 智能科学与技术专业课程体系（三）教学计划以北京大学智能科学与技术专业为例[4]，该大学的教学计划具有几个特点：一个大基础——以学院的数、理和信息类为主，强调宽厚扎实；三个核心课程群作为专业理论基础，包括智能基础课程群(智能科学技术导论、人工智能、脑与认知科学、信息论、信号与系统)、机器感知课程群(生物信息处理、图像处理、数字信号处理、模式识别)和计算智能与知识发现课程群(智能信息处理、机器学习、数据挖掘、计算智能等)，以及两门实验(机器感知和机器智能)和其他各种选修课。
四年学分150 分，其中必修88学分(包括全校公选26 学分、大类平台20 学分、学院要求的13学分、专业必修29 学分)，专业选修56学分(含专业课44学分、通选课12 学分)，毕业设计6学分。
四、人工智能本科人才培养目标达成措施从社会需求上来讲，人工智能人才按工作分类主要有智能系统工程师、数据智能分析师、创新智能技术人才、复合型智能技术人才等[5]。
在本科阶段，针对各类人才需求，可进行有针对性制定培养方案。
（一）数据智能分析师培养数据智能分析是指通过数据挖掘技术、机器学习、深度学习、模式识别与分析、知识发现等技术，对数据进行处理、分析和挖掘，提取隐藏在数据中有价值的信息和知识，从而寻求有效解决方案及决策支持预测。
目前，社会急需懂得智能技术的各层次数据智能分析人才，可以预计，熟练掌握智能技术的数据科学家、数据分析师、数据挖掘人员将有广阔的用武之地。
高校通常采取的培养手段有：①以“点一线一面”结合的方式横向纵向设置课程群，面向数据智能分析，以案例为导向贯穿“线”上的各关节点课程，比如以数学基础课(线性代数、概率统计、数学分析)—大类专业课(程序设计、数据结构、数据库技术)—数据智能分析专业课(数据挖掘、机器学习、多维数据分析)为主线，理论与实践齐头并进；②立足培养“计算技术+智能信息+知识技术”的高级数据分析师，理论学习—随课实验—集中实践—科技活动—企业实习—毕业设计等教学环节协调配合，“资格认证—竞赛获奖—奖学资助”激励培养；③以大数据智能分析为契机，积极培养本科生的大数据计算思维和认知能力，使其掌握大数据智能分析方法、机器学习数据挖掘工具和开发环境。
（二）创新型智能技术人才培养智能科学与技术的发展与计算机技术几乎同时起步，但其进展比计算机技术要慢许多。
主要原因是人的大脑高度复杂性，本专业课程的教学内容与课程实践都适合教师与学生以研究者的身份参与到“教”与“学”的活动之中。
可以从研究型教学、“研究型分组”培养和科研训练等方法来提高学生的培养质量。
研究型教学。
教与学从研究思维、问题探索、模型改进、算法优化、脑认知和自然智能指导的角度推进教学活动，进行创新性教学和研究型学习。
教学实践活动中强调学生半监督式学习与自监督学习为主导，鼓励引导深度学习，经典案例、前沿讲座、讨论探索贯穿课堂教学，课程考核注重创新科技实践、问题探索、课程内容探索、课程研究性专题报告、以课程为基础的作品开发等创新效果和教学效果。
“研究型分组”培养。
总体来看，智能科学与技术专业的成熟教材不多，课程体系需要不断适应学生和社会的需求做出调整，又加上智能科学专业课程本身的发展探索与实际应用现在处于同步发展阶段，决定了专业老师大力推进“研究型班级教学”，在教学过程中实施“大班基础讲授”+“小班研究型讨论”+“小组探索型课题实施与报告”的教学体系，同时来自相关研究方向的研究生也作为助教协助专业老师对小班(组)课题讨论进行引导。