2019首届中国人工智能教育大会在北京盛大召开，大会由教育部在线教育研究中心指导，中教全媒体主办，慧科集团协办，中国高等教育学会教育创新校企合作研究分会、中国电子学会现代教育技术分会支持了本次会议。北京师范大学信息科学与技术学院院长姚力教授以“产教融合的人工智能人才培养”为题作了演讲。
现场精彩演讲
大家早上好！今天我将结合自己工作中的体会跟大家分享一下我对产教融合的人工智能人才培养的一些认识与思考。我下面从几个方面，包括背景介绍、信息学科的人才培养、人工智能的人才培养、面临的问题和人才培养的几点设想来展开聊一聊。首先是背景介绍，当然背景介绍里面，我先说明一下，这是我在听一个报告的时候，一个院士给的一张图，我当时就觉得这个图非常好，所以我屡次用这张图。信息时代大家公认的信息五兄弟分别是计算机科学和技术、通信工程，电子、微电子、光电子工程，当然还有在多年前，大家就开始说的智能科学与技术，因此把智能科学与技术单独拉出来算一个，智能科学和人工智能应该是从控制科学与工程里面出来的。
人工智能发展到今天形成了这样的一个规模，逐渐成为了我们信息科学几乎是最核心的内容，无论是哪个传统的领域，包括电子、通信，毫无疑问都和人工智能有非常重要的交集。我们再来看，在人工智能领域，目前大家主要围绕的是这样七个关键技术，机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别和VR/AR，这些词大家都已经非常清楚了。各个方面，包括人才培养和科学研究其实也是围绕着这样的一些核心内容在进行，我要简单说一下，信息学科的人才培养，就本科专业来讲，分电子信息科学类或者电气信息类等，自动控制都是在电气类的，在教育部的本科专业里面大概也都是这样的一些专业。
在研究生的人才培养里面，大家可以看到也是基本上围绕着我们说的传统的五兄弟里面的四个来做的，在这里面，大家可能发现一个问题，这个问题是什么？其实我们看不到有人工智能这样的名字，这是后面我要讲的，我们要怎么在这个形式下做。从课程设置上讲，整个大学的信息学科的课程设置无非有这么几大类，包括数理基础、专业基础、专业方向和实践创新。近些年，尤其是这十年来越来越多的高校开始重视实践创新，特别是在信息学科里面重视实践创新这样一个环节，而且是相当重视，但即便这样，这一部分的环节无非就是四个学分、加毕业论文四个学分这样。
这是一个非常典型的计算机类的课程的设置，就是除了我刚才所说的这样的一个数理基础、专业基础、专业方向以外都有一个专业实践，这样的专业实践就和我们今天要讨论的议题，产学研、和企业合作这块到底怎么做相结合了起来，这也是我们大家都关心的一个问题。
还有一个事实大家相信非常清楚，信息科学是离企业，或者离产业最近的学科，而且从来没有一个时代会像现在这样，信息科学离产业这样近，但是有一个问题，各个信息学科的课程设置是否可以满足产业和工程应用对人才的基本需求呢？这是我们在做课程设置当中，考虑到最多的一个问题。从前两年开始，人工智能就特别火，但直到一年前，无论是本科生还是研究生的专业目录里面，教育部都都没有直接叫人工智能这样名字的本科专业，也没有叫人工智能的一级学科，大家都是基于学校现有的一些专业来建立一个关于人工智能的特色方向。
那么大家都是基于什么建人工智能？基本是计算机科学与技术、软件工程、自动控制、电子科学与技术等等这样的，还有一些特色类的专业，智能科学与技术，其实这个专业在十几年就建立了，但是一直不温不火。当然，近些年还出现了机器人工程，数据科学与大数据技术等专业。在研究生的专业课里面也没有叫人工智能的，人工智能是这样被催生出来的，与此相关的专业都非常火。包括控制科学与工程、计算机科学与技术、模式识别与智能系统、网络空间安全、信号与信息处理、物联网工程等。2017年，获教育部批准建立智能科学与技术的高校有19所、机器人工程有60个所、数据科学与大数据技术有250所，据说2018年教育部又公布了一批建立智能科学与技术专业的高校（注：2018年，教育部批准全国35所大学建设首批“人工智能”（080717T）本科新专业）。但到去年，我们仍没有一个直接叫人工智能这样名字的专业，这其中涉及的问题是人工智能人才培养的理论体系是什么？课程体系是什么？它的广度范围和外延又是什么？不搞清楚这些问题，人工智能的课程建设就没有，我刚才说课程设置里面有数理基础、专业基础、专业方向等等，人工智能的基础到底应该是什么呢？
去年的10月份，浙江开了一个全国高校人工智能人才与科技的莫干山论坛，主题是AI赋能、教育先行、创新引领、产学协同，这里面郑南宁院士做了《面对人工智能挑战人才培养的下一步该如何走？》的报告，从这个报告的名字就可以体现出他们都对人工智能人才培养给予了高度的关注，同时也提出了一些自己非常好的见解，我认为他们的一些发言其实对我们国家人工智能人才培养做了一些顶层设计。
有专家提出人工智能的课程体系是不是可以按照数学与统计课程群，计算机科学核心课程群，人工智能核心课程群、认知与神经科学课程群、人工智能平台与工具课程群等等这样几大类课程群建设，同时这里面，大家可以看到，它包含了数理基础——计算机最基本核心的内容，人工智能核心的课程，同时认知与神经科学的引入又注重交叉融合，人工智能平台与工具课程群则充分考虑了工程上的需求，那么从刚才我谈到的这几点，我们可以发现人工智能人才培养的特点是它更讲究与其他领域的广泛交叉。现在各个领域都在谈AI+教育、AI+环境、AI+很多很多的东西，我感觉到没有哪个领域的人才培养会如此强调交叉，同时也没有哪个领域这么强调科学、工程和应用的深度融合、强调培养复合型人才和强化新工科背景等等。
因为人工智能确实给我们传统的课程设计带来了新的挑战，比如说举个最简单的例子，课程体系，我们总的学分不能超过150，总的学分140几，大概三分之一就被那些政治、英语、体育等其他学科占了，还剩下不到100的学分，该怎么平均分到数理、数学、计算机等学科上，这是一个挑战。有所为有所不为，如何取舍是我们在做具体工作时需面临的非常重要的问题。
在人工智能人才培养里面，我觉得有几个特别重要的趋势和大家分享。首先是必须强调原创理论、颠覆性创新技术。现在一个颠覆性的创新技术可以带动整个领域的巨大的进步，比如说人脸识别，它实际上就真的充分地体现了技术的引领，所以在高等教育的里头，我们怎么样进行课程的设置，让一些学生可以得到具有真正创新性的基础与能力是我们需要思考的。同时我们要非常突出学科交叉和融合，形成特色方向，每一个学校需要针对自己的特色来做，北京师范大学的教育和心理特别强，我们信息学科或者人工智能人才的培养就会在这方面做一些特色，如果能有所突破的话，可能就会在全国起到一个引领、甚至旗帜性的作用。我觉得过去没有一个时间能比现在更加迫切地需要高校和企业之间的合作，后面我还会再探讨，怎么合作，说这句话太好说，但是做起来很难。当然需要拓宽各类和不同形式的国际合作，开展本科生生、硕士生、博士生的一体化培养。
现阶段，我觉得面临最大的问题，这里面有几个表，在这里面表示了全球每年毕业的AI硕博士还有在读的硕博士以及中美每年的本科生数量的比较，在这个表里面我们会发现，中国的人口基数很大，但是真正从AI人才培养的角度来看非常少。这个数据不一定对，这是我从一篇文章看到的，可能有一点差别，但意思是这么个意思。未来3-5年，全国可能需要180万个人工智能人才，但目前这个数字只有约30万人，具体的数字准不准确并不重要，但这告诉我们中国的人工智能人才缺口巨大。
从人才培养的分层次培养上来看，大家也可以看到，其实我们人才培养无非是最顶尖的那种做科研的，当然还有一些基础架构、一些算法技术、应用技术等等，应用技术需要的人最多，但是我们必须要有宝塔式的一种培养框架。大学的培养，现在国家给职业院校开放一个特别好的政策，这样职业学院的补充对我们在技术应用这个层次上的人才培养提供了一个特别好的途径，或者是一种新的可以尝试的方法。
除此之外，还存在一个问题，在信息科学领域，不光是人工智能都存在一个突出问题，那就是顶尖的人才和顶尖的技术可能在企业里而不是在高校。其它专业真不是这样，其它专业的顶尖成果就是在高校和研究所里。我们国家的龙头企业，它们可能已经站到了世界科研、人工智能这方面的前沿，一些顶级的大学还不如企业做的好，那么学校里学的知识与企业应用脱节，这也是一个问题。
最后，我觉得和企业合作的时候，企业和学校对人才培养的诉求不同，所以就会造成一个校企合作的壁垒，为什么这么说？和我们合作的企业其实更多想的是觉得北京师范大学的学生生源不错，你们这些学生毕业了我先挑，我挑剩下了你再给别人，这是他们最重要的诉求。可是我们的诉求不是这个，我们的诉求一定是希望能够先把学生往最好的方向培养，学生读研究生、博士，能成为最尖端的人才最好。同时不可忽略的还有学生的志愿，学生愿意去大企业那最好，大的企业一定是学生自己做决定去或是不去的。所以基于不同的诉求就会使得我们和企业在合作的过程中，有一些不合拍的地方。
说到这里我再增加一个问题，就是在新工科背景下有一个问题，大家说的工程师，我们现在谈人工智能培养的时候，大家都在谈工程师人才的培养，而且这个工程师有一些大牌的科学家、院士他们已经提到，我们谈的不是一般的、很工匠的那种工程师，而是可以掌握尖端技术，同时又能够完成一些贴合实际、大的工程项目的工程师。但是我在对外交流中发现，我国人才培养体系离国际标准还有一定差距。我们跟英国一个大学合作人才培养的时候，最后我说我希望我们也做一些人才培养，他说现在可能不成熟。为什么？因为在英国，或者说欧洲地区，他们的工程师想要拿这工程的学位证是有非常严格的相应的认证的，我们国家没有。我们国家的学生是大学毕业了，就读硕士，虽然也分理学学位和工程学位，但其实没有什么差别。我们国家提倡很多次新工科，同时建立了很多新工科联盟，我觉得这些都是我们可以借力的地方，在新工科人才培养方面进行一些更好的顶层设计。
接着是我关于人才培养的几点设想。第一个，是我之前讲过的构建一个三元合作的模式，即学校教育、产学结合和国际合作相结合。国际合作我不用多说，不管怎么样我们都要承认欧美国家比我们做的先进，我们可以通过吸引人才，或者借鉴国外精品课，他们确实也有比较好的慕课，以建立高校联盟这样的形式来联合培养学生。学校教育这块，我希望我们可以模块化、分层次地建设课程，刚才我说的那几个模块，我们把它细化，这项工作我们一直在做，最多一年我们的方案就会出来了。
同时，我们还需要加强对一些工具平台的使用，实践环节的设置。为什么要强调实践？很多企业会跟我说，学生到了他们那里必须先培训三个月到半年，因为我们学校里教的知识与技能不好使。这一点上，我个人也很有体会，我真实地感受到我们教授给学生的知识和企业的需求之间存在一个分离。我希望我们能够在学校的这个环节上多做一些工作，减少这样的分离。另外，我们在教学的过程当中是不是也可以引入一些案例进行教学，其实这在过去我们也有，也就是所谓的项目导向，一个大的项目，由4、5个学生共同完成。我们学校之前有一些项目是老师们自己想的，坐在办公室里想，这样是不行的，我希望的教学案例是能从企业中来，再进行一些提炼和升华，同时我们需要邀请到企业的导师来共同参与培养，这样既能帮助企业解决一些实际的问题，也能让我们的学生得到实际的锻炼。
关于人才培养我还想再多说两句，老实说探索出一条特别优质可行的道路，蛮难的。学校教育和企业实习这两块，其实学校是学校，企业是企业，单纯地让学校和企业相结合，其实有很多的困难，为什么？因为学校可能今天一会见了阿里巴巴，一会又见了腾讯、百度，最后学校也很迷茫。我真心地觉得我们现在需要尝试一种方式，我希望中间能够有一个桥梁，这个桥梁可以起到连接起学校和企业的作用，比如说我们北师大更需要哪方面的资源，这桥梁就可以帮学校精准对接到这方面的资源，我们正在尝试这样的对接，接下来也会尝试和慧科去做一些合作。
我们是不是也可以和企业合作建设实践性的课程？就我们目前整个课程设置来讲，真正实践性的课程就4-6个学分，我认为它和平台类的课程学分应该合在一起，至少要达到10个学分。那么这种情况下该怎么做？我非常希望我们可以邀请一些企业教师来走进课堂，当然这也比较难，企业里特别优秀的人，其实他非常忙，让他们来上课会影响工作，所以可持续性很低。另一方面，在企业里很优秀的人，讲课也不一定能讲得好，所以这就有需要学校和企业间相互磨合。或者是不是还可以有这样一种方式，邀请的企业老师不是整门课的担当，而是和学校老师一起完成一门课，企业老师工作量减少的同时又带来新的问题，两个人以上合作就必定存在磨合的问题，更何况教书、答疑解惑又是很个性化的事情。
最后我还希望我们真的能够加强学生企业实践的环节，这两年我们一直在想怎么给学生找到高质量的校外企业来进行锻炼，学校甚至可以和企业来合作建立一笔创新创业的基金，共同为人才培养做一些贡献。另外，我还希望我们的企业能站得更高点，不要总想着只为自己的公司培养人，因为平台一旦搭建成功以后，对人才培养、对整个社会都是大有裨益、影响深远的事情。
我们正面临技术所带来巨大的变革，机遇和挑战，人才将是激烈竞争的核心。在人才培养的环节中，校企合作之路将会艰难漫长；唯愿寻求各种合作，不断探索…谢谢大家！
（整理：中教全媒体 辛昀瑾）
评论前必须登录！
注册