光明图片/视觉中国
人工智能人才培养是变革核心
人工智能, 它与基因工程、纳米科学一同被列为 21 世纪三大尖端技术, 而这三大尖端技术就是工业革命 4.0 的变革核心。其中, 人工智能所涉及的是颇为广泛的知识领域, 它包含技术体系内的数学基础, 还有技术基础, 以及机器学习方法, 还有问题域, 另外也包括应用领域内的互联网, 智能写作开运真人app下载苹果版,开运真人app下载，机器翻译, 智慧交通, 智慧农业, 智慧金融, 智慧医疗, 机器人, 辅助教育, 智能制造等等。可以这么讲, 人工智能方面的科研创新还有人才培养, 是决定着一个国家在国际竞争里是处于优势地位还是劣势地位的。
此刻, 全球人工智能范畴人才分布极为不均衡, 美国所占比例将近一半, 我国虽说处于第二梯队然而差距依旧十分大, 不但人才储备规模比较小开云真人app在线登录，顶尖人才更是稀少。在国际方面, 英国、美国等国家人工智能钻研开展得较早, 发展得较好。从20世纪50年代起, 美国人工智能专业确立了初始边界, 出现了一批有研究生参与研究的实验室；到了80年代, 人工智能研究生专业得以建立, 逐渐配备了跨学科的软件与硬件支撑, 极大推动了专业人才的培育、技术转化以及应用。近一些年来, 英国政府对人工智能领域的研究以及应用极为关注, 投入好多资金用以扶持人工智能产业和初创公司, 借助政策工具激励大学开展知识更新、产权转化以及人才培养, 自2017年开始计划新增450个跟人工智能关联的博士点, 并且支持建立了艾伦·图灵研究所, 强化关键算法领域的研究。
麻省理工学院
处于计算机科学以及人工智能方面上的 Massachusetts 理工学院有所蕴含着深厚的累积状况, 从早期的理论起始一直到后来的实践阶段, 已然经历了大半个世纪的时间跨度。当下, 这所为著称的学府并没有去设立人工智能专业类别, 对于人才养成的方面主要聚焦于施瓦茨曼计算机学院, 此院所与核算科学以及工程学中心、电子工程与计算机科学系、数据体系和社会研究所、运算研究中心这五个学院以共享的架构形式, 开展协同培育、研究以及创新的行为活动。那个计算科学与工程中心, 会提供计算科学与工程硕士项目, 其课程所涵盖的知识极其广泛, 从航空航天领域一直到纳米技术范畴，从互联网协议相关直至电信系统设计方面, 它还聚焦于那些先进的计算方法以及应用。计算科学与工程博士项目呢, 是和八个院系去联合开设博士课程的, 并且专注于开发和科学以及工程学科相关的崭新计算方法。而可选的课程, 是由八个院系来提供的, 这八个院系分别是土木与环境工程, 机械工程, 材料科学与工程, 化学工程, 地球、大气和行星科学, 航空航天系, 数学学科, 核科学与工程。电子工程与计算机科学系的课程, 主要涵盖电子工程部分, 还有计算机科学部分, 以及人工智能与决策部分。这个系所提供的学位项目, 面向不同层次的学生以及多样需求, 有若干种。其中包括计算与认知工程硕士, 也就是MEng, 还有计算机科学博士, 即PhD, 另外亦有计算机科学与工程博士, 此为PhD, 计算机科学和分子生物学工程硕士, 是MEng, 电气工程博士, 为其中PhD, 以及电气工程和计算机科学工程硕士, 属于MEng/以及理学硕士为SM/同时还有博士是PhD等等。除参加学位课程外, 学生被要求一学期参加三次行业讨论会, 参加行业实习, 完成行业联合项目、专利、共同出版物, 收到行业邀请进行学术分享, 在政府实习, 在学术机构实习, 参加学术培训, 提交创业项目，在施瓦茨曼计算机学院授予的项目里, 哲学博士PhD学位与科学博士ScD学位被视为可互换授予, 计算机科学与人工智能实验室（CSAIL）是MIT最大的实验室世界杯直播，是世界上最重要的信息技术研发中心。研究领域方面, CSAIL涉及算法与理论, 人工智能与机器学习, 计算生物学, 计算机架构中, 图形与视觉领域里, 人机交互项目上, 编程语言与软件工程区块, 机器人范畴, 安全与密码学范畴, 系统和网络范畴, 是该校特色的交叉培养与研究的平台。
卡内基梅隆大学
卡内基梅隆大学, 身为人工智能研究的引领者, 于本科阶段开设了人工智能专业, 在研究阶段, 其培养分布于多个院系, 重点集中在计算机学院、软件工程研究所、机器人研究所、人机交互研究所、语言技术研究所、机器学习系, CMU的师资具备多元背景, 近200名教职人员来自11个院系, 研究范围覆盖从数理领域到计算机领域, 从艺术领域到经管领域, 多个与人工智能相关的范畴, “机器人学”博士项目于计算机学院开展。对于每个学生而言, 都必须要完成核心课程以及专业课程, 核心课程乃是要从四个核心领域当中进行选取, 专业课程则是 requires 学生去选择一个特定的这个核心领域, 还有要完成在该方向范围之内的 48 个学分, 一般情况下还需要去必备四个研究生课程。四个核心领域包含: 感知, 其中含有视觉、图像传感器、距离数据解读、触觉和力传感器、惯性制导等传感器；认知, 这涉及机器人的人工智能、知识、表示、规划、任务调度和学习；运动, 涵盖运动学、动力学、控制、操纵和运动；数学基础, 有最优估计, 微分几何, 计算几何和运筹学。自动化科学硕士, 即 MSAS, 是世界上首个自动化科学专业硕士项目。它着重给出三个层面的培训, 其一为运用科学实验机器人仪器的实践培训, 其二是运用机器学习以及相关方法来开展数据分析和建模, 其三是运用人工智能挑选实验。该项目所要求的专业课程涵盖四个模块, 各自为背景知识、建模与分析、自动化科学、实习和职业研讨。项目给学生提供专业与研究选项, 在第二年开始前, 学生能够依照其今后进入劳动力市场亦或是进入科研市场的职业发展意向, 去挑选进一步的课程模块, 选择研究的学生将会匹配一位研究导师。被称作人机交互硕士的（MHCI）, 是全球首个专注于针对既跟人机交互联涉在一起, 又同用户体验设计以及以用户作为核心的研究相关的专业学位项目。课程的关键要点在于跨学科特性, 学生源自设计、社会科学、商业以及计算机科学等不一样的背景当中。在首个学期的时候, 学生要于课堂之上研习核心方法论与技术, 在第二学期以及第三学期时, 学生开展选修课学习, 还跟外部客户一同去完成一个关键的行业项目。CMU还凭借构建交叉领域的实验室与中心, 推动人工智能的研究与应用。1979 年, 机器人研究所成立, 然后存在, 它会定期于政府、行业以及以非营利组织为对象, 在赞助研究还有教育方面、领域上展开合作。
伊利诺伊大学
伊利诺伊大学厄巴纳 - 香槟分校没有针对人工智能专业单独进行设置, 其培养主要集中在计算机科学系、电子计算机工程系、信息科学系, 还设置了有关人工智能的方向。计算机科学系提供学术型硕士、专业型硕士、普通博士、直接攻读博士的培养项目。该项目的课程包含编译、人工智能、生物信息等十个大方向, 学生首先需要在基础课序列之中选择三个大方向；其次, 要在基础课所选方向里的其中一个, 选择至少一门进阶课程；选修部分可以从十个大方向里选择至少三门课程, 以此来确保学生计算机科学基础的涉猎广度。近两年于研究范畴之内, 校内各个学部彼此之间, 以及同校外的企业协会、政府机构一块儿合伙展开了多种样式的AI科研方面的合作事宜, 构建树立起了好些个交叉进行研究的中心实验室。智能机器人实验室也就是IRL, 它是在2015年创建成立的, 同航空工程、电子工程这些工学院的七大学部展开了程度较高的联合动作, 牵扯到农学消费者及环境科学学院, 并且跟协调科学实验室也就是CS共同携手去塑造打造智能机器人。2019年11日, 人工智能创新研究中心, 也就是CAII, 依靠国家超算中心, 或说NCSA来建设, 它在努力促进AI研究, 还为学生给予AI就业机会, 并且通过合作科研创新去应对行业重大挑战呢, 由此成为校园内衔接学术界与工业界的纽带。2020年8月, 美国国家科学基金会和国家粮食及农业研究所, 它们给予UIUC数字农业中心两千万美元经费要建立智能农场研究所。2021年5月, 伊利诺伊州, IBM打算跟UIUC工学院开展为期长达十年的战略合作关系, 投入2并斥资亿美元, 主要聚焦于AI以及混合云等快速有发展趋势的领域。
伦敦大学学院
坐落于伦敦的大学学院, 于人工智能范畴有着颇佳的学术声誉, 其学部体系规模极大, 交叉培养特性颇为显著, 尤其是强化学习与神经计算方向于英国处优势位置, 研究以及应用涵盖数据科学、信息科学、电子电气、生物医药、教育、建筑、脑科学、金融等涵盖领域。英国伦敦大学学院在2020年的时候加入了欧洲的学习以及智能系统研究实验室, 也就是ELLIS, 并在校内联合计算神经科学组建立了UCL ELLIS Unit。计算机系也参与其中, 统计科学学院同样参与其中, 电子电气工程学院一样参与其中。这个UCL ELLIS Unit侧重于基础科学、技术创新和社会影响的研究。英国伦敦大学学院人工智能相关专业是植根于工程科学学院计算机系的, 计算机系下设有意思的是有人工智能研究中心哦。中心开办了基础人工智能博士项目, 机器学习硕士项目, 计算统计与机器学习硕士项目, 数据科学与机器学习硕士项目, 计算机视觉硕士项目。博士项目的课程, 着重学科基础以及交叉学科的研究训练, 存在神经科学、创业、人工智能道德准则等方面的选修课程, 还需接纳演讲与沟通技巧、写作技巧等综合能力训练, 与此同时有机会参与艾伦图灵中心开设的专业研讨课以及存在协助的组织供应的实习。硕士课程, 一般涵盖必修课, 再有核心选修课, 还有一般选修课, 以及毕业项目。学生选课, 自由度颇高, 于非同一专业的学生而言, 选课也能够趋向一致。该课程, 对于学生的数理基础, 像线性代数、微积分, 并未设过高要求, 反倒更着重人工智能的算法实现, 以及与其他学科的融合发展, 在应用层面的发展颇为显著。近些年来, 随着UCL与Deepmind公司在教学和研究方面的合作越发深入, 双方共同开设了“深度学习讲座”, 此讲座由多位Deepmind工作人员以及UCL的教授一同授课, 授课内容涵盖用于图像识别的卷积神经网络、变分判断等12个主题, 它是相当热门的研究生课程。此外, UCL为教师和研究人员的职业发展构建了一套学术职业框架, 该框架设定了四个等级, 且依据科研/教学活动、核心能力、专业特长以及影响力来判定升迁与否。面对人工智能关联专业, UCL同校外企业深度开展合作, 聘任产业资深人士充当机器学习领域教授以此推动理论跟实践的互通。
以跨学科多元交叉为特色
对于专业设置而言, 英美人工智能领域呈现出出现时间早、发展速度快的状况, 在案例院校里, 人工智能作为专业已在本硕博各个阶段有所体现, 然而更多的情形是通过跨院系、跨学科的途径来开展培养与科研工作。众多院系给予多种学位授予机会, 学生能够依据自身能力以及职业规划, 挑选硕士或者博士层次、学术学位项目或者专业学位项目。
于课程结构这块儿, 尽管各校模块结构的称呼不一样, 然而基本上是把课程按照领域和方向予以分类, 准许学生挑选若干“宽领域”课程, 紧跟着进步开展学习“特定领域”课程。如此一来既能保证培养具备专业性, 达成学分硬性规定, 又能够尽可能满足学生个性化的、较贴近职业发展的实用需求。相比较而言, 美国课程更着重学生的数理基础, 英国课程更侧重于算法实现及与其他学科的融合运用。
在培养方案这块, 和学术学位比起来, 专业学位项目对于实践性方面的产出有着更高要求之处, 对于学术成果的要求则显得更为灵活些。在某些方案里, 学生不但要达成课程学分, 以及（像论文、实践、报告这类）环节学分, 并且要达到累计GPA的最低要求, 存在一些这样的情况, 还得完成特定项目（比如MIT的“专业视角要求”、CMU所要求的“顶点行业项目”）, 才能够获取学位。
在特色课程这块儿, “AI+X”的那种趋势是比较明显的, 出现了越发细化且多元的交叉课程, 先是涉及计算机、机械、电子、机器人这些, 而后又扩展到航空航天、生物、医学、语言、社会、经管、建筑、教育、艺术、哲学、人文、土木、交通、农业等诸多领域。有部分课程极为注重对学生动手实操能力的培育, 还会结合社区以及产业需求, 要求学生在现实环境当中完成特定项目。与此同时, 还设置了人文素养、法律、伦理、表达沟通、写作等用于培养综合能力的课程。
于交叉培养范畴, 案例高校皆构建起贯通产学研的交叉平台, 踊跃同校内多学科的学术资源相融合, 还积极与社区内的多种产业资源相结合, 并且努力与政府项目资源相汇聚, 以此为人才培养予良好支撑, 同时给科研创新备好坚实后盾。
针对师资队伍这块, 各高校持续扩充出色的科研团队, 这里面有来自诸多学科、关键领域的教授, 有的被聘为终身教职, 有的被授予名誉教授或者讲席教授；同时还吸纳不少熟悉行业产业的资深人员，把他们当作兼职教授或者企业导师。部分学校借助设立新的交叉研究平台来创设新的岗位, 像教学岗位、交叉研究岗位, 又或者是校外参与的岗位, 在一定程度上对解决青年学者的教职或者科研身份有所助力。
与此同时, 人工智能学科以及培养展现出一些国际趋势。其一, 院系展开合作, 设立交叉培养平台, 这是推动“AI+X”在广度以及深度方面发展的关键方式。其二, 与校外的公司、政府、研究机构展开紧密合作, 能够吸纳外部的优势资源和力量, 构筑“产学研一体化”的学科生态。其三, 实践类、项目类、应用类课程有所增加, 课程内容愈发跨学科, 并且愈发贴近产业需求, 与此同时重视对工科学生人文素养、综合素质的培育。培养方案的设计越发彰显专业性与灵活性这二者的统一。最后, 要持续扩充师资队伍, 师资队伍要有多元背景, 这是促进人工智能学科发展的重要基础。
（作者是李锋亮, 其为清华大学教育研究院副教授, 还有庞雅然, 是清华大学教育研究院的博士生）
标签： AI人才培养 国家竞争力 跨学科培养 顶尖人才 产学研合作
还木有评论哦，快来抢沙发吧~