近日，教育部公佈2018年度普通高等學校本科專業備案和審批結果。此次新增專業名單中,人工智能專業增加的數量和規模，最爲突出。

　　統計顯示,此次新增備案專業中,101所高校新增機器人工程專業；96所高校新增智能科學與技術專業；50所高校新增智能製造專業。而在新增審批專業中,35所高校獲批人工智能專業。

　　教育部公佈2018年度普通高等學校本科專業備案和審批結果。

　　據不完全統計,截至目前,國內已經有38所高校成立了獨立人工智能學院。

　　近年來，越來越多的國家認同人工智能將帶來下一次產業革命，中國、美國、英國、歐盟、加拿大、日韓等國家和地區都提出了各自的人工智能戰略。

　　北京郵電大學人機交互與認知工程實驗室主任劉偉向未來網記者表示，教育部此次增設人工智能專業十分及時，對於人工智能人才培養至關重要，而在人才培養過程中，“高校教什麼”則更爲重要。

　　本科基礎要牢 交叉學科培養更不能丟

　　劉偉向記者解釋，人工智能經過三起三落髮展至今“高燒不退”，所表現出的多是以計算機形式化的方法進行牽引，以方法論爲工具來塑造行業；沒有真正智能性的深耕挖掘，更沒有真正認識到用戶體驗“人的需求”是什麼，這也是造成目前許多人工智能產品、系統無法落地，或是用戶粘性不夠的原因。

　　人才培養也是這樣，劉偉表示，一些已經開設了人工智能學院的培養計劃中，會在計算機學科學習的基礎上增加人工智能學科的學習，例如增設深度學習、增強學習、神經網絡等課程。

　　這樣的培養計劃更像是在培養計算機專業人才，這並不是真正的人工智能人才，用計算機工具去做所謂“人工智能”的事情。

　　在劉偉看來，這並不是最優的人才培養方式，真正的人工智能首先應做到人的智能，對於學生來說，人的智能意味着知識結構的複合。因此高校人才培養的學科架構中應該構建複合型培養方案。在人工智能專業本科階段的學習中更應如此，心理學、經濟學、哲學等科學應當融合其中。

　　“既要打好技術性的基礎，又需要真正的頂層設計。通盤建立起符合學生成長規律的課程體系、學科培養方案。要建立交叉學科進行人才的複合性培養。”劉偉表示，“我國真正需要的是強人工智能多學科交叉的複合型人才。”

　　不僅如此，在劉偉看來，未來的科學發展，技術發展乃至國家的經濟發展都需要這樣的交叉融合性。

　　資料圖。來源：視覺中國

　　北京郵電大學互聯網治理與法律研究中心主任謝永江向未來網記者表示，作爲高校，更重要的是教會學生在打牢基礎的同時，學會並具備自我探索自我學習的能力。“特別是對於人工智能這樣的新興學科。”

　　謝永江表示，技能教育不是大學本科階段教育的核心，如果專業太窄或者只注重專攻某一方向，會導致基礎不紮實，反而不利於人才培養。因此，對於人工智能本科人才培養方案，應遵循“寬口徑”，打牢基礎知識。

　　謝永江建議學習人工智能專業的本科學生繼續深造。因爲本科學習某一特定研究方向內容的時間有限，而人工智能需要更高精尖的人才進行探索。

　　據瞭解，南京大學在去年就成立了人工智能學院。南京大學人工智能學院院長周志華曾在接受媒體採訪時表示，人工智能人才培養需要堅實的數學、計算和軟件基礎，以及全面的人工智能專業知識，同時應有很強的分析建模能力。這樣的知識體系就決定了必須經過長期專門培養才能產生。由於目前計算機系的教學體系必須同時兼顧計算機學科的衆多專業分支，相對比較“寬”，難以很好滿足人工智能專業人才培養的需要，面向人工智能學科特點構建新的培養體系，應該是更爲有效解決方案。

　　理論有餘實踐不足

　　天津大學副校長張鳳寶今年在兩會期間的提案，就是關於人工智能人才培養。他在對國內20餘所高校調研時發現，現在的人工智能專業人才培養，對算法側重有餘，而數據和算力部分相對薄弱；理論和科研偏中有餘，而應用和實踐相對不足。

　　劉偉也表示，在人工智能人才培養中，學生實踐以及學科應用是一個至關重要的命題，才能使學生在實習實踐過程中把學到的多維知識應用於企業，形成生產力優勢。“實踐與高校的人才培養是並行不悖的。”

　　按照我國“人工智能行動計劃”設定的目標：到2020年建設50所人工智能學院、人工智能研究院或者人工智能交叉研究中心。

　　這表明人工智能專業人才的需求規模正在逐漸擴大，相關產業的智能化發展趨勢正在升級。

　　南京大學人工智能學院院長周志華認爲，人工智能從技術到實踐，最終要變成程序、軟件纔能夠發揮作用，所以紮實的計算、軟件功底和分析建模能力很關鍵。

　　“人工智能發展是一個長期的趨勢。高校需要有源頭創新能力。”周志華表示，學院對於專業精英人才的培養目標是培養在人工智能領域具備源頭創新能力、具備解決企業關鍵技術難題能力的人才，這樣的人才應具有堅實的數學基礎和計算/軟件基礎、全面深入的人工智能專業知識、豐富的應用實踐能力。

　　張鳳寶表示，應注重和引導人工智能的算法和科研人才培養，也要增強數據工程師類人才的培養。數據處理，一方面需要相關的方法、工具和工程經驗，另一方面需要涉及行業的交叉知識，而這類的人才培養的相關方法，在目前各類高校的培養方案中都顯不足。他認爲，在教學工作中要注重與具體應用的對接，強化成熟的人工智能技術與傳統行業的具體業務流程相結合的能力。

　　劉偉則認爲，在產學研融合的道路上，“創新至關重要。”應當是學生知識架構創新和企業創新結合在一起，才能真正發揮人工智能的優勢，人工智能人才的優勢。

　　作者：張冰清

　　延伸視頻