面对人工智能挑战 如何进行人才培养

郑南宁

人工智能作为一门学科独立存在，到今天已经历经60余年了。我们从学术发展基本规律来看，已经经历了三个阶段，现在正在走向第四个阶段。从这四个阶段来看，最开始是20世纪60年代到80年代，人工智能的一些主要研究是如何构建面向应用领域的专家系统，让机器掌握人类的一些知识、规则，在一定程度上替代人类思维或者完成任务。20世纪80年代到2000年左右，由于神经网络的出现以及计算能力的提升，我们开始想到让机器帮助我们提取特征，或者说我们将特征、答案交给机器，让机器学习。进入2000年以后，由于互联网的出现与普及，大数据的获取变得很容易，我们将原始数据和答案交给机器进行深度学习，在语音、图像等分类任务方面，机器的能力已经超过了人类。那么人工智能发展的下一个阶段是什么？我想应该是人类将目标交给机器，让机器去完成。也就是说它不是简单的一种感知或数据的计算，我们给它一个模型，它只是按照模型做;而是我们把任务的目标交给机器，由机器去完成，并让机器具有“学习的学习”能力，像人一样去思考和学习。这是我们人工智能研究领域追求的一个理想目标。从2016年开始，中国工程院对新一代人工智能做了非常深入的战略研究和讨论，明确了人机混合智能是人工智能未来的发展方向。我们按照这样一个思路，在AI 2.0中把人机协同混合增强智能作为AI 2.0中非常重要的方向，而且它的重要性不仅仅是概念上的，它能够将多个学科交叉汇聚在一起，形成中国对人工智能未来发展作出重要贡献的一个方向。

无论机器的智能发展到什么程度，它总是需要人类来使用。人是智能机器的服务对象和最终“价值判断”的仲裁者，因此，人类对机器的干预是贯穿始终的。所以人机协同的这样一种混合智能必然会出现，它是人工智能或机器智能今后发展一种可行的、重要的成长模式。当前我们正在研究怎样把视觉深层神经网络模型和语义学的吸引子网络模型相结合，使得网络能够同时实现物理外观的识别和物体属性的语义理解。这个研究方向很有意义，包括自然语言理解，可以使视觉属性与更抽象的语义信息相互作用。前面已谈到，我们构造模型既要有生物的保真性，同时也要有认知的保真性。欧洲的蓝脑计划在生物保真性方面做得很好，但是缺乏在认知层面上的可解释性。我们需要把对认知计算的研究以及以数据驱动的生物计算模型结合起来，这是人工智能未来的新方法。

人工智能赋能教育

人工智能可以使教育成为一个可追溯、可视化和可计算的过程，这是混合智能的一个重要应用。教育要追求个性化，这是大势所趋。人工智能技术会渗透到高等教育的各个层面，根据学生的知识结构、智力、知识掌握程度，对学生进行个性化的教学和辅导，这不是学生也不是教育工作者可以阻挡的一个趋势。学生与在线学习系统的交互，是一个动态的建构过程，可以根据不同学习者的能力和反应给出不同的学习规划，也可以给出学习空间。学生是个性化、群体性、社会性和交互性的集合，这四个特性构成了教育情境的基本要素。人工智能能够将其变成一个可回溯的多层次行为建模，给出个人成长、知识掌握、教育资源优化配置的一些因果关联。人工智能不仅仅实现个性化教育，实际上对我们提高高等教育质量以及迎接新的社会变革到来，发挥着不可替代的作用。所以人工智能赋能教育不是简单地把学生数据收集起来，而是要改变当前的传统教育模式与人才培养体系。

人工智能是一种“赢者通吃”的技术，这意味着获得优势的国家将会长期享有优势。目前我国在人工智能领域与国际最先进水平仍有相当大的差距，主要集中在芯片、工具和平台等方面。芯片、工具和平台的背后，需要新的模型、新的算法作为支撑，这显然对人才培养提出了新的挑战。中国是人口大国，人工智能为我们带来了丰富的数据，这些数据只要用好就会形成我们的优势。2017年7月，我国发布了《新一代人工智能发展规划》，因此我们要在国家重大发展规划的引导下，根据本校的优势和特点建立人才培养的体系，并通过国内人工智能领域学者的通力合作，形成更大的共同研究和人才培养的平台。

早在1986年西安交通大学就设立了人工智能与机器人研究所，研究所是“视觉信息处理与应用国家工程实验室”的支撑单位，拥有“模式识别与智能系统”国家重点学科，每年在读硕士、博士研究生约170人，是西安交通大学培养高层次人才的重要基地。经过33年的发展，可以说西交大的人工智能研究和高端人才培养走在了全国前列。从2017年开始，西安交大制订了人工智能拔尖学生培养计划。在这个人才培养方案中我特别加了一句——培养一流的工程师，人工智能本身是一种技术和工程，当然我们的工程师不是作坊里的，我们要培养具有科学家素养的一流工程师。我们培养的宗旨就是为学生今后成为人工智能领域的一流工程师、科学家和企业家奠定知识和创新能力的基础。2018年秋季，我校的人工智能试验班开始正式招生。其中高考招生选拔20人，校内新生选拔25人，少年班选拔10人，共计招生55人。实验班采用动态进出的管理机制，保证人才培养质量。

以严谨的态度进行研究

在课程设置方面，我们经过一年充分和深入的研讨，设计了人工智能人才培养课程体系，涵盖八大课程群，分别是：人工智能核心课程群、计算机科学核心课程群、数学与统计课程群、认知与神经科学课程群、人工智能平台与工具课程群、人工智能伦理课程群、先进机器人学课程群、科学和工程课程群。每个课程群由一名教授擔任群长，由群长组织课程群的任课教师研讨教学。我们把过去行之有效的教学组、教研室的作用充分发挥出来，邀请校内外相关学科优秀教师参与人工智能人才培养工作。在人工智能核心课程群中，设置有“人工智能的现代方法I”和“人工智能的现代方法II”两门大课，“人工智能的现代方法I”课程包括问题表达与求解，“人工智能的现代方法II”课程包括机器学习、自然语言处理、计算机视觉等。认知与神经科学课程群，包括“认知心理学”和“神经科学基础”，“人类的记忆与学习”“语言与思维”以及“计算神经工程”等课程。先进机器人学课程群，包括“先进机器人控制”“认知机器人”“机器人规划与学习”“仿生机器人”等课程。人工智能伦理课程群，包括“人工智能、社会与人文”和“人工智能哲学基础与伦理”等课程。在这些课程中，结合我校的特点，特别是人工智能与机器人研究所30多年来在这方面的研究，开设了人工智能平台与工具课程群，包括“群体智能与自主系统”“无人驾驶技术与系统实现”“游戏设计与开发”“计算机图形学”“虚拟现实与增强现实”等一批特色课程，部分课程还邀请企业参与设计与教学。因为人工智能很多新的算法需要在交互游戏中得到验证，人工智能很多方法也可以运用于游戏之中，所以我们在人工智能平台与工具课程群里设置了“游戏设计与开发”课程，是2学分选修课。

新一代人工智能的发展需要脑科学、神经科学、认知心理学、信息科学等相关学科的实验科学家和理论科学家的共同努力，寻找人工智能的突破点，同时必须以严谨的态度进行科学研究，让人工智能学科走在正确、健康的发展道路上。作为教育工作者，我体会到教育是一种缓慢而优雅的过程。我们需要定下心，稳住神，坚持立德树人，才能提高教育的质量，走出一条各个高校都具有自己特色的人才培养之路，我们不能搞成千校一面。

即便我前面讲到我们设置的这些课程，对其他高校而言或许是不合适的，因为每一所学校的学科发展都有自己的历史底蕴和教师专长，所以需要把历史底蕴、教师专长和科研特点整合起来，我们就能设置出非常好的适合因材施教的课程体系。另外，支持“好奇心驱动的研究”，支持“相信且追寻自身直觉的科学家”，是一个成功的创新生态系统的必备要素，也是回答“钱学森之问”的关键条件。我们有责任为社会作出我们自己的贡献！