近日，教育部公布2018年度普通高等学校本科专业备案和审批结果。此次新增专业名单中,人工智能专业增加的数量和规模，最为突出。

　　统计显示,此次新增备案专业中,101所高校新增机器人工程专业；96所高校新增智能科学与技术专业；50所高校新增智能制造专业。而在新增审批专业中,35所高校获批人工智能专业。

　　教育部公布2018年度普通高等学校本科专业备案和审批结果。

　　据不完全统计,截至目前,国内已经有38所高校成立了独立人工智能学院。

　　近年来，越来越多的国家认同人工智能将带来下一次产业革命，中国、美国、英国、欧盟、加拿大、日韩等国家和地区都提出了各自的人工智能战略。

　　北京邮电大学人机交互与认知工程实验室主任刘伟向未来网记者表示，教育部此次增设人工智能专业十分及时，对于人工智能人才培养至关重要，而在人才培养过程中，“高校教什么”则更为重要。

　　本科基础要牢 交叉学科培养更不能丢

　　刘伟向记者解释，人工智能经过三起三落发展至今“高烧不退”，所表现出的多是以计算机形式化的方法进行牵引，以方法论为工具来塑造行业；没有真正智能性的深耕挖掘，更没有真正认识到用户体验“人的需求”是什么，这也是造成目前许多人工智能产品、系统无法落地，或是用户粘性不够的原因。

　　人才培养也是这样，刘伟表示，一些已经开设了人工智能学院的培养计划中，会在计算机学科学习的基础上增加人工智能学科的学习，例如增设深度学习、增强学习、神经网络等课程。

　　这样的培养计划更像是在培养计算机专业人才，这并不是真正的人工智能人才，用计算机工具去做所谓“人工智能”的事情。

　　在刘伟看来，这并不是最优的人才培养方式，真正的人工智能首先应做到人的智能，对于学生来说，人的智能意味着知识结构的复合。因此高校人才培养的学科架构中应该构建复合型培养方案。在人工智能专业本科阶段的学习中更应如此，心理学、经济学、哲学等科学应当融合其中。

　　“既要打好技术性的基础，又需要真正的顶层设计。通盘建立起符合学生成长规律的课程体系、学科培养方案。要建立交叉学科进行人才的复合性培养。”刘伟表示，“我国真正需要的是强人工智能多学科交叉的复合型人才。”

　　不仅如此，在刘伟看来，未来的科学发展，技术发展乃至国家的经济发展都需要这样的交叉融合性。

　　资料图。来源：视觉中国

　　北京邮电大学互联网治理与法律研究中心主任谢永江向未来网记者表示，作为高校，更重要的是教会学生在打牢基础的同时，学会并具备自我探索自我学习的能力。“特别是对于人工智能这样的新兴学科。”

　　谢永江表示，技能教育不是大学本科阶段教育的核心，如果专业太窄或者只注重专攻某一方向，会导致基础不扎实，反而不利于人才培养。因此，对于人工智能本科人才培养方案，应遵循“宽口径”，打牢基础知识。

　　谢永江建议学习人工智能专业的本科学生继续深造。因为本科学习某一特定研究方向内容的时间有限，而人工智能需要更高精尖的人才进行探索。

　　据了解，南京大学在去年就成立了人工智能学院。南京大学人工智能学院院长周志华曾在接受媒体采访时表示，人工智能人才培养需要坚实的数学、计算和软件基础，以及全面的人工智能专业知识，同时应有很强的分析建模能力。这样的知识体系就决定了必须经过长期专门培养才能产生。由于目前计算机系的教学体系必须同时兼顾计算机学科的众多专业分支，相对比较“宽”，难以很好满足人工智能专业人才培养的需要，面向人工智能学科特点构建新的培养体系，应该是更为有效解决方案。

　　理论有余实践不足

　　天津大学副校长张凤宝今年在两会期间的提案，就是关于人工智能人才培养。他在对国内20余所高校调研时发现，现在的人工智能专业人才培养，对算法侧重有余，而数据和算力部分相对薄弱；理论和科研偏中有余，而应用和实践相对不足。

　　刘伟也表示，在人工智能人才培养中，学生实践以及学科应用是一个至关重要的命题，才能使学生在实习实践过程中把学到的多维知识应用于企业，形成生产力优势。“实践与高校的人才培养是并行不悖的。”

　　按照我国“人工智能行动计划”设定的目标：到2020年建设50所人工智能学院、人工智能研究院或者人工智能交叉研究中心。

　　这表明人工智能专业人才的需求规模正在逐渐扩大，相关产业的智能化发展趋势正在升级。

　　南京大学人工智能学院院长周志华认为，人工智能从技术到实践，最终要变成程序、软件才能够发挥作用，所以扎实的计算、软件功底和分析建模能力很关键。

　　“人工智能发展是一个长期的趋势。高校需要有源头创新能力。”周志华表示，学院对于专业精英人才的培养目标是培养在人工智能领域具备源头创新能力、具备解决企业关键技术难题能力的人才，这样的人才应具有坚实的数学基础和计算/软件基础、全面深入的人工智能专业知识、丰富的应用实践能力。

　　张凤宝表示，应注重和引导人工智能的算法和科研人才培养，也要增强数据工程师类人才的培养。数据处理，一方面需要相关的方法、工具和工程经验，另一方面需要涉及行业的交叉知识，而这类的人才培养的相关方法，在目前各类高校的培养方案中都显不足。他认为，在教学工作中要注重与具体应用的对接，强化成熟的人工智能技术与传统行业的具体业务流程相结合的能力。

　　刘伟则认为，在产学研融合的道路上，“创新至关重要。”应当是学生知识架构创新和企业创新结合在一起，才能真正发挥人工智能的优势，人工智能人才的优势。

　　作者：张冰清

　　延伸视频