人工智能人才培养研究：回顾、比较与展望_2

1、    人工智能人才培养研究回顾、比较与展望    摘要：人工智能技术的第三次快速发展牵动了全球范围内的科技和人才竞争，面向智能时代的人才需求，我国高校亟待教育创新。本文以人工智能领域的国内外学术论文、研究报告、政策文件、会议资料和实践案例为基础，构建人工智能人才培养研究的九维分析框架，从人才培养动因、人才培养主体、人才培养层次、人才培养情景和人才培养逻辑等维度进行系统梳理和对比分析，确定人才培养逻辑为该框架的核心维度，且框架中各维度之间存在非线性因果关系。对比中美两国人工智能人才培养研究与实践在内容、视角和方法等方面的异同，获得了经验与启示，并提出未来

2、研究展望。关键词：人工智能，人才培养，国际对比我国高校人工智能研究组织始建于20世纪80年代，以1985年组建的北京大学智能科学系和1986年组建的西安交通大学人工智能与机器人研究所为主要代表。1这些研究机构的建立带动了我国人工智能领域研究生的培养，而本科生的规模化培养则源于2002年第一届全国智能科学与技术教育学术研讨会上提出的“智能科学与技术北京宣言”。22004年北京大学获批“智能科学与技术”本科专业，此后国内众多高校逐渐获批该专业并陆续开展本科阶段人工智能人才培养工作。2018年4月，教育部提出探索“人工智能+x”的跨学科人才培养模式，2019年3月全国35所高校获得首批“人工智能”新

3、专业建设资格，标志着我国人工智能人才培养工作进入了新时代。2019年8月，教育部高等学校电子信息类专业教学指导委员会人工智能专业建设咨询委员会成立，进一步推动了我国人工智能教育的发展。事实上，人工智能人才培养的对象处于不同的教育层次，拥有不同的知识背景和文化背景，具有不同的能力和素质，怀有不同的职业理想和职业诉求，因此应从不同层次、维度和视角开展研究。鉴于此，本文将综合运用系统文献综述法和结构化分析框架，基于国内外相关领域的学术论文、政策文件、研究报告、会议资料和实践案例等，从人才培养动因、人才培养主体、人才培养层次、人才培养情景和人才培养逻辑五个维度进行系统梳理和对比分析，挖掘理论成果和实践

4、经验，为我国人工智能人才培养工作的开展和不断创新提供参考。一、研究方法1.数据来源。2019年7月本研究以“智能科学与技术”“人工智能”“人才培养”为关键词对中国知网中文文献进行检索，检索时间段为1994年1月1日（能探测到第一篇相关文献出现的时间起点）至2019年6月30日，共获得中文学术论文285篇。自2009年起，智能科学与技术、人工智能人才培养开始被学界普遍关注，并于2018年出现爆发式增长。另外，本研究以“人工智能教育”为主题在科学引文索引web of science上进行英文学术文献检索，考虑到英语的语言习惯，选取人才培养的上位词“教育”作为英文检索条件。结果显示，国外学界相关研究

5、主要集中在“将人工智能技术应用于教育活动”（education in artificial intelligence）和“人工智能相关的教育主题”（artificial intelligence education）两方面。其中，后者与本文的研究对象近似，且主要聚焦于人工智能领域的课程设计和实验设计等。2010年以来，美国人工智能学会（aaai）在其每年的学术年会中设立了人工智能教育进展专题研讨分会（eaai），并将该分会遴选出的优秀论文全文收录至会刊之中。因此，本研究从aaai网站（）获取了2010年至2019年的eaai会议征文主题（表1），并下载历年eaai遴选的

6、优秀论文44篇，作为梳理国外人工智能人才培养研究进展的基础。另外，近两年来中国人工智能学会、教育部高等学校计算机类专业教学指导委员会和信息技术新工科产学研联盟等机构密集开展与人工智能相关的教育教学类学术会议和研讨会议，这些会议资料也作为本研究的基础。2.框架设计。首先，本研究运用系统性文献综述法3制作“九维文献内涵数据抽取单”。其次，探测人工智能人才培养研究关注的五个核心问题，即：为何开展人工智能人才培养？谁来培养人工智能人才？在什么阶段培养人工智能人才？人工智能人才培养与哪些教育情景有关？怎样推进人工智能人才培养工作？进而将这五个核心问题概括为人才培养动因、人才培养主体、人才培养层次、人才培

7、养情景和人才培养逻辑五个维度，并参考“五何”分析框架4丰富研究问题模块，从而构建了人工智能人才培养研究的九维分析框架（图1）。依此框架将以上经过质量评估遴选出的300余篇核心中英文学术论文、研究报告、政策文件、会议资料和实践案例等进行数据抽取、整合与分析。二、研究内容分析1.人才培养动因。人工智能人才培养源于科学技术发展、应用场景驱动、国际竞争加剧、高等工程教育发展四个动因，且这四者并非相互独立。科学技术发展推动了人工智能在应用场景中的广泛渗透，引发了世界各主要国家和地区的科技和人才竞争，带动了高等工程教育的不断发展；应用场景拓展对科技和人才提出了新的需求，促使各国在关键应用场景开发上激烈竞争

8、；国际竞争对理论突破、技术创新和教育提升既有正向促进作用，也有在国与国实力不均衡的情况下对部分国家的发展形成抑制和壁垒的负向作用；高等工程教育的发展既是其他三个动因的作用结果，也能对之起到促进作用。因此，对人工智能人才培养的研究需进一步挖掘其综合作用机理。（1）科学技术发展驱动人工智能专业人才培养。21世纪以来，互联网、大数据、云计算和芯片等技术的快速发展推动了智能技术的发展和应用，人工智能进入了第三次发展浪潮，并引领社会从信息化时代走向智能化时代。2人工智能的发展改变了人类的认知方式和生活方式，加速了人类对世界的改造。5智能时代，社会各行各业的技术改造和升级依赖具有创新精神和深耕人工智能研究

9、领域的专业人才。然而，全球范围内人工智能专业人才（特别是杰出人才）紧缺，加强人工智能人才培养已被列入世界多国的发展战略之中。目前，我国在掌握人工智能领域最核心、最原创技术的专业人才培养方面相对滞后6，人工智能领域杰出人才的世界占比偏低，研究领域相对分散。7如何通过教育范式转型和教育体制机制改革充分发挥科学技术发展对人工智能人才培养的驱动力，从而培养能够担负全人类命运发展重任的人工智能人才是当前和未来教育面临的巨大挑战。（2）应用场景拓展驱动人工智能复合型人才培养。人工智能与产业深度融合发展和走向市场应用的过程，一方面带来了产业对人工智能复合型人才和学科交叉型人才的大量需求，另一方面也带来了劳动

10、力就业市场格局的变化。面对新形势，由大量应用场景驱动的人工智能人才培养可从加强跨学科教育、产学研协同育人和职业教育三个方面发力。首先，人工智能领域的发展及其与各行各业的融合依赖基于学科知识交叉的复合型人才培养，需要打破学科边界开展跨学科教育。8其次，深化产学合作协同育人机制，迫切需要打破校企人才培养边界，破解高等教育与市场需求“两张皮”的问题，将真实场景下的人工智能技术需求与科研需求、产业需求相结合，将技术创新与人才培养改革相结合。9另外，职业教育应主动变革，各职业院校应积极适应就业市场对人工智能人才的需求，拓宽人才培养思路，调整办学方向和专业设置，将目标高移化、原则个性化、模式互动化、方式智

11、慧化，深化产教融合10和人才培养模式创新。（3）国际竞争加剧驱动人工智能高端人才培养。国际政治军事形势的变化引发了各主要国家和地区面向前沿颠覆性创新的技术竞争和人才竞争。作为人工智能发展的关键要素，人工智能人才的培养和集聚已成为诸多国家的战略重点11，以及各国高等工程教育发展的新的历史使命。12近年来，世界各主要国家和地区分别针对加快人工智能技术的发展、提升人工智能技术人才的储备以及提高广大社会公民对人工智能技术的认知而纷纷出台政策、计划和方略，以期抢占该领域的发展先机，激发人工智能在本国的科学研究、国民经济、社会服务、文化教育、民生福祉、环境生态、国家安全等领域的巨大潜能。13清华大学发布的

12、中国人工智能发展报告2018和美国element ai发布的2019年度全球人工智能人才报告均对世界范围内的人工智能高端人才分布进行了具体考察，指出世界各国人工智能人才分布不均、各主要国家和地区间人才储备量差异较大、中国和美国之间高层次人才流动失衡等问题。（4）高等工程教育发展助力人工智能人才培养模式创新。在智能时代，一方面，先进的人工智能技术通过涌入教育实践而提高教育“智慧”；另一方面，世界顶尖高校正在以推进全人类发展和造福全人类为己任，引领全球人工智能科学研究和人才培养，积极谋划人工智能的基础研究、应用研究和成果转化。8从美国stem教育计划到麻省理工学院的neet新工程教育计划，再到中国

13、高校的“新工科”建设，高等工程教育的范式转型带来了新型工程人才培养模式的持续改进。例如，麻省理工学院自2016年酝酿启动新工程教育转型计划以来，一直致力于面向未来工程领域的综合发展特点而创建跨越学科边界的、以项目为中心的新型工程人才培养项目，通过贯穿始终的科研项目（图2）让学生培养新能力、构建新思维和获得新体验。2.人才培养主体。起源于联想主义的知识哲学和人工智能的联结主义理论14，15的联通主义（connectivism）强调学习是信息、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。16-19从联通主义学习理论的角度看，人工智能人才培养应建立于开放、复杂和快速变化的知识网络之上，其参

14、与主体不仅存在于高校之中，也不仅限于教师和学生。广阔的应用场景为人工智能领域新知识的出现构建了庞大的社会网络，因此需要产学研多主体共同参与人才培养工作，并在社会网络中相互沟通，不断建立新的联系，从而促进知识不断迭代。同时，教师与学生的关系也发生了变化，以沟通和互动为主的教学形式将逐渐取代单方向的知识传递。因此，本研究在对人工智能人才培养研究进行回顾的过程中，集中探讨产学研协同育人和师生关系转变两个方面的问题。（1）产学研协同开展人工智能人才培养。由于人工智能学科具有较强的综合性和应用性，其最终的发展目标是与产业和行业结合，走向市场应用。因此，应充分发挥企业在把握行业发展方向、行业标准、制造过程

15、以及服务标准等方面的优势，为高校人才培养提供信息和指导，并通过为人才提供实践机会增强其外部适应性。20目前，以科大讯飞股份有限公司、腾讯科技（深圳）有限公司、百度在线网络技术（北京）有限公司等为代表的高新技术企业已与我国部分高校开展深度合作，共同建立“校企合作型”人工智能学院或人工智能研究院。21英特尔、华为、ibm等公司也在校企联合培养人工智能人才方面提前布局，通过开发课程和实验平台，将企业所拥有的软硬件条件、算力、代码案例、行业脱敏数据及人工智能相关课程等提供给高校师生使用。（2）发挥师生主体互动作用。人工智能人才培养的复杂性、敏捷性和跨学科性对高校师资队伍建设提出了更高的要求。面对近年来

16、高校开展人工智能学科建设、专业建设和人才培养等工作对专业教师数量和质量的双重要求，信息技术新工科产学研联盟和全国高校人工智能人才与科技莫干山论坛多次开办人工智能师资研修班和系列研讨班，为从事人工智能相关教学的一线教师和专业责任教授提供教育教学技术支持。从跨学科教育的角度看，应充分结合人工智能的学科特色、地域特色和办学特色，整合多学科背景的师资力量进行教学内容建构。22同时，智能时代的教师应是适应定制化和个性化人才培养模式的导师和引领时代创新的大师23，高校应面向复合型人才的培养目标，加强导师对学生学习和研究的个性化指导，帮助学生挖掘学术潜能，提高其创新能力和创新素质。243.人才培养层次。面对

17、全球范围内人工智能人才短缺的现象，人工智能人才培养首先需要厘清人工智能人才的内涵、层次与分类。一方面，学界从该学科领域的纵向理论延伸和横向应用拓展两方面对人才进行了分类。另一方面，人才培养层次可分为高等教育阶段（如本科阶段、硕士阶段和博士阶段）、职业教育阶段（包含终身教育理念）以及高中及以下阶段。高中及以下阶段的人工智能知识普及暂不能被界定为培养人工智能人才，因此本研究暂不展开探讨。（1）厘清人工智能人才的层次与分类。从人才知识需求层次看，人工智能教育应以培养宽口径复合型人才、高水平专业人才和拔尖创新人才为目标，形成多元模式。22由于未来人工智能专业体系架构被分为由智能科学与技术专业和人工智能

18、专业教育构成的核心层、面向重要学科方向与经济社会重大需求智能应用领域的衍生层，以及面向行业领域将人工智能与相应行业的既有专业进行结成的复合层，因此人工智能人才可被划分为“核心+衍生”“复合”和“交叉”三个层次。25从类型上也分为核心专业人才、行业交叉人才和政府管理人才等。8（2）面向高等教育阶段的人工智能人才培养。以教育实践看，高等教育阶段的人工智能人才培养包括分段培养和贯通培养两种方式。卡耐基梅隆大学注重人工智能本科专业建设，而斯坦福大学和麻省理工学院等高校则注重研究生阶段的人工智能人才培养，通过内部机构重组满足人工智能教育的跨学科需求，并吸纳优秀的本科生参与人工智能研究项目。美国俄克拉荷马大学开设了本科生与研究生通选的人工智能导论课程26，马萨诸塞大学在本科和研究生人工智能通选课程中融入了数学知识的实践教学27，也有高校通过人工智能导论课程帮助本科生掌握计算机学科的研究方法。28长期以来，我国高校通过建设智能科学与技术本科专业开展人工智能本科生培养工作，通过科研带动人工智能相关研究领域的研究生培养。近年来，国内部分高校陆续成立了人工智能学院或人工智能研究院，积极参与人工智能本科专业建设和“新工科”建设29，为人工智能领域的本科生和研究生培养搭建了更坚实、更开放的平台。例如，西安电子科技大学人工智能学院以竞赛引导学生创新、以国际化带动教学水平提升、以本硕博衔接与协同构筑