“人工智能+生物医学”人才培养模式

罗纯源 董丽丽

摘   要：人工智能技术的不断发展推动了人工智能复合型学科的建设。我国对“人工智能+X”人才培养非常重视，2017年国务院发布的《新一代人工智能发展规划》将培养人工智能和前沿学科交叉型人才作为建立新一代人工智能基础理论体系的重点任务。英国爱丁堡大学和英国研究与创新基金会联合建设的生物医学人工智能博士培养中心作为英国“人工智能+生物医学”复合型学科建设的先驱性实践，具备强大的学术支持和丰富的行业资源。文章通过探究该中心的研究生人才培养体系，包括人才培养概况、课程设置情况、课程实施与评价，为我国建设此类复合型学科提供借鉴。文章最后总结了在培养“人工智能+X”人才过程中应该着重培养学生跨学科思维、促进学生个性化自主学习以及提高学生自主创新能力和研究能力。

关键词：人工智能 复合学科建设 个案分析 爱丁堡大学

一、引言

随着科技的进步，人工智能技术日趋成熟，其在全球范围内的影响力越来越大，各种“人工智能+”纷纷涌现。世界各国纷纷试行以问题为导向的“人工智能+X”的跨学科人才培养模式。我国也不例外。2017 年，《新一代人工智能发展规划》出台，强调“把高端人才队伍建设作为人工智能发展的重中之重”“鼓励高校在原有基础上拓宽人工智能专业教育内容，形成‘人工智能+X复合专业培养新模式”[1]。但我国在教育人工智能领域刚刚起步，需要汲取更多其他国家知名大学的“人工智能+X”复合学科人才培养经验，以便更好地进行创新人才培养。英国爱丁堡大学研究与创新基金会（UK Research and Innovation，UKRI）生物医学人工智能博士培养中心正是这样的一个人工智能复合型学科人才培养基地，它利用人工智能技术研究出新的方法来应对生物医学领域的关键挑战，促进生物医学领域学术研究人员与工业合作伙伴之间的合作。

中心由英国UKRI创立。2019年2月21日，UKRI联合300多家合作企业宣布投资2亿多英镑培养1000名博士研究生成为未来的研究和商业领袖，并期望他们能够应用人工智能技术改善医疗保健体系，應对气候变化并创造新的商业机会。为此，UKRI在14所英国大学内新建16所工业、医疗保健和气候变化领域的“人工智能+”博士培养中心，爱丁堡大学的UKRI生物医学人工智能博士培养中心正是其中之一[2]。UKRI认为，人工智能技术将在利用数据转变人们对生物医学的理解和实践方面发挥核心作用，为了实现这一变革，需要对在计算机科学和生物医学交叉领域工作的研究人员进行培训，以便建立有效、合乎伦理的人工智能系统。于是，UKRI决定在爱丁堡大学设置处于人工智能、生物医学和社会科学交叉领域的生物医学人工智能博士培养中心，中心的主要任务是开发从生物医学数据中提取知识的技术，这些技术在未来可能会对公共卫生和经济产生重大影响。

该中心设置在国际研究界享有极高声誉的爱丁堡大学信息学院，由信息学院与爱丁堡大学的生物学院、MRC遗传与分子医学研究所、Usher人口健康科学与信息学研究所、科学技术与创新研究所合作主办和管理。这些机构分别在人工智能技术、生物医学知识和社会伦理知识方面为中心人才培养提供支持。在基础设施方面，中心学生可以使用信息学院的先进计算设备进行高级网格计算、数据集成、计算机仿真和流程优化等工作，也可以通过爱丁堡大学的高通量生物学（包括基因组学、转录组学、蛋白质组学和代谢组学）的最新设施获取大量临床和非临床数据。UKRI生物医学人工智能博士培养中心作为英国“人工智能+生物医学”的先驱性实践，拥有UKRI、爱丁堡大学及其企业合作伙伴投入的大量资源与支持，是英国教育人工智能领域的重点项目，也是人工智能复合型学科建设的典型示例，故笔者选取该中心作为案例，通过深入分析其研究生培养体系来探讨如何构建“人工智能+生物医学”的人才培养模式。

二、UKRI生物医学人工智能博士培养中心研究生培养体系

（一） 中心人才培养概况

1.人才培养定位

提供满足日益增长的人口（尤其是老龄化人口）对医疗保健的需求，是21世纪科学和社会面临的严峻挑战。数据收集技术的突破提高了大规模收集数据的能力，从而推动了对几种重要疾病分子基础的大规模人群研究。同时，系统化的数字化工作使人群的临床和健康记录数据越来越完整。然而尽管生物医学的数据越来越丰富，研究人员还是缺乏一个切实可行的框架来有效地整合此类数据以阐明不同数据类型的疾病机制，从而导致无法有效发现和评估疾病预防和治疗的新策略。人工智能技术具有有效捕获高维数据的能力，在健康研究和医疗保健方面有着巨大的发展潜力。但是当前的人工智能技术在生物医学方面的应用已经落后于其他领域，生物医学从业人员急需开发出利用数据识别疾病的机制并进行干预的模型，以及能够整合尖端生物医学研究先验知识，对不确定性进行量化，从而根据数据做出合理决策的框架。除了上述挑战，生物医学领域的人工智能研究人员还需要掌握其研究的社会、法律和道德伦理层面的知识以及跨学科的沟通技巧，并学会如何在公共话语中发挥领导作用。

鉴于以上需求，UKRI生物医学人工智能博士培养中心希望培养出兼具人工智能、生物医学和社会科学相关素养的复合型人才，这些人才需要掌握人工智能、生物医学和社会科学的基础理论知识，进而能够制定出整合不同疾病数据的框架、利用数据识别疾病机制并进行干预以及促进科研成果的社会普及和接纳。为此，UKRI生物医学人工智能博士培养中心为学生提供了一个跨学科的培养计划，计划涵盖了人工智能技术、生物医学基础以及生物医学人工智能的社会学知识方面的个性化培养。

中心研究生培养遵循“1+3”模式，即1年理科硕士学位修读和3年博士学位修读。学生在研究生一年级时需要学习以研究为基础的硕士课程，修读计划内教学课程并完成研究项目。在研究生二至四年级时，学生将在人工智能专家和生物医学应用领域专家的共同指导下，提出并开展跨学科的博士生项目。中心硕士阶段人才培养的主要目的是为培养“人工智能+生物医学”领域的博士生人才奠定基础，只有在中心完成硕士学业并成功获得硕士学位的学生，才有资格继续修读博士学位。因此硕士阶段学生主要是完成基础课程的学习，而博士阶段学生则需要根据自己感兴趣的方向在导师的指导和合作企业的支持下完成各自的研究项目。

2.入学要求

中心对申请的学生也提出了要求。学生如果要申请UKRI生物医学人工智能博士培养中心的项目，需要拥有英国计算机科学、数学、物理、工程、生物医学或相关学科的二等一级学位（Upper-second class degree）①及以上（也就是英国本科平均成绩60分以上）或其国际同等学历。可以看出其实中心招收的很多学生仅具有工科背景而不具备医学背景。

3.学生毕业去向

中心的毕业生将主要从事生物医学人工智能相关工作，其就业机会较为广泛，学生可以继续在校企合作的实验室进行相关研发，也可以在制药企业专门开设的生物医学人工智能部门工作，此外还可以成为制药行业的对外发言人。正如英国一些政府报告（如《生命科学工业战略》）以及制药行业引领者（如英国制药工业协会、葛兰素史克公司）所强调的那样，生物医学人工智能预计将在近期至中期成为一个高速发展的部门。

（二）课程设置情况

在UKRI生物医学人工智能博士培养中心，学生需要通过修读硕士基础课程来获得生物医学人工智能研究中心的理学硕士学位。为此学生一共需要完成180个学分②，其中必修课程占120个学分，包含两门基础课程和两个实践项目;非必修课程占60个学分，以核心课程辅以几门选修课程的形式设置，核心课程包括两门课程，学生至少需要完成一门核心课程学习，选修课程每门占10个或20个学分（见表1）。[3]

根据上文所述的中心人才培养定位和课程培养计划，中心课程可以归纳为四类：人工智能技术类课程、数据科学类课程、生物信息学类课程和综合性课程和项目（见图1）。

通过该框架可以发现，中心着重培养的是学生的计算机素养、数学素养和工程素养，为此中心开设了数据科学类课程，这解释了为什么中心招收大量具有工科背景的人才。在此基础上，中心强调学生对于人工智能新技术的熟悉和掌握，为此开设了人工智能技术类课程。可以看出，对于生物医学基础性知识理论的教授则并不属于中心人才培养的重点，“人工智能+生物医学”的跨学科性主要体现在其开设的生物信息學类课程中，这一类课程同时整合了生物医学、计算机、信息学工程、数学和统计相关知识以及人工智能新技术，重点在于对生物数据的处理。综合性课程和项目除了包含上述三类课程培养的知识和技能之外，还关注与生物医学人工智能研究相关的社会学知识。通过对框架进行分析，笔者认为，UKRI生物医学人工智能博士培养中心在某种程度上更接近“人工智能+生物信息学”的实践，而生物信息学本身就已具备跨学科性。

中心需要通过考试或课程作业的形式对学生硕士阶段的所有课程学习表现（包括个人项目和小组项目）进行评估，并为每门课程打分。要获得生物医学人工智能研究授予的理学硕士学位，学生必须满足所学的所有课程的平均成绩达到至少50%，另外小组研究项目和个人研究项目成绩均需达到至少50%;要获得“优秀”评级，所有课程的平均成绩需要达到至少60%，小组研究项目和个人研究项目成绩均需达到至少60%;而要获得“卓越”评级，所有课程的平均成绩需要达到至少70%，小组研究项目和个人研究项目成绩均需达到至少70%。成绩不符合升学要求的学生只能获得研究生文凭（postgraduate diploma）或研究生证书（postgraduate certificate），并且不会升读UKRI生物医学人工智能博士培养中心计划中的博士学位项目。

学生成功升读博士学位项目之后，需要向中心提交完整的博士生建议书和项目建议书，中心团队将为学生提供可能的研究项目构想建议并推荐合适的指导者，但最终博士学位项目的选择由学生主导。确定升读博士学位项目之后，学生需要在主导师和一名或多名副导师的指导下，用三年时间来完成博士学位研究项目。每年学生和导师团队都需要和中心主管层举行一次正式的年度审核会议，并且填写在线年度审核表。

（三）课程实施与评价

1.让学生在临床实践中学习

中心课程注重让学生通过亲身观察或体验临床实践活动来掌握相关知识和技能，以便学生在将来能够在具体情境中顺利运用。其中最能体现这个特点的就是中心在第一学期开设的“临床数据建模中的问题”这门必修课程。

通过该课程的学习，学生能深刻理解生物医学人工智能研究人员在对临床数据进行收集、访问和建模过程中需要面临的挑战。课程内容包括临床研究人员的一系列讲座以及最后为期一天的诊所访问，这将使学生有机会亲身体验临床数据收集的复杂性。诚然，通过整合临床数据开发出利用数据对疾病进行预测和干预的模型，对于生物医学应用有非常重要的意义，但是建模并不是一个简单的事情，在建模过程中，生物医学人工智能领域人员需要处理很多复杂的问题，让学生充分了解在这个过程中他们需要解决的问题对于他们今后实践的重要意义。

该课程的教学目标包括两点：一是学生通过课程能够严格评估和讨论各种疾病相关的临床数据建模将会带来的挑战，尤其是在数据噪声（noise in the data）、患者分层（patient stratification）以及法规和道德问题方面;二是通过跟随体验熟悉生物医学领域中的数据采集规则。为实现上述教学目标，课程制定了以下评估方式：一是学生需要上交一份简短的书面报告，来详细介绍并批判性地反映学生在跟随体验中遇到的临床数据建模挑战;二是学生需要向课程组织者和班上其他成员作简短的演讲，介绍他们的跟随体验。涉及的主题包括“动机：为什么要收集数据？”“规则：正在收集什么数据，如何收集？”“分析：当前在实验室中使用哪些方法来分析数据？”“可能的发展：如何改进分析方法？这样做的挑战是什么？”“影响：该领域临床研究更广泛的影响是什么？”。教师将在两周内对课程作业进行评估和反馈。评估报告将由同行、课程讲师和个别主管根据一定规则进行审核。

2.注重科研的公众参与和普及

现如今，科学活动越来越倾向于进行大范围的国际合作以求对关键科学技术难题进行协作攻关，科学共同体的范围也需要不断扩大，在这种情况下加强科研的社会参与和科研普及是非常有必要的。因而中心的课程培养计划中也特别关注了科研的公众参与和社会普及，并为此在第一学期单独开设了“负责任的研究和创新基础”这门必修课程。

该课程旨在使学生具备解决研究和创新领域的社会、法律和道德问题的能力。在课程中教师会向学生介绍科学、技术与创新研究新领域的奖学金，特别是与新兴科学和技术相关的奖学金，以便学生能为自己之后的研究道路制定合理的计划。教师还将带领学生探讨负责任的研究和创新的相关理念，并研究它们如何在新兴科学和技术项目中发挥科学家和工程师的作用，这些项目包括公众参与、风险和伦理审计（risk and ethical audit）以及创新轨迹和成果评估。该课程作为与人工智能技术相结合的跨学科课程，还特别提到要帮助学生将这些概念应用于大数据、人工智能和生物医学研究等领域。

该课程的教学目标包括五点：一是学生通过课程能够对研究人员在学术界和社会中的作用以及负责任的研究和创新实践可能带来的影响形成批判性的理解;二是学生通过课程能够批判性地参与科学技术的研究、创新和治理，并通过宣传促进社会公众对相关技术的了解;三是学生通过课程能够深入思考研究的各利益相关者的潜在导向，评估他们对研究成果利用的优先顺序并做出明智的判断;四是学生通过课程能够以书面和口头的形式流畅且有逻辑地陈述科学研究领域的社会伦理相关论点;五是学生通过课程能够使用一系列研究技能来计划和执行研究项目，克服挑战并在未来成为负责任的研究人员。

课程针对教学目标制定了以下评估方式：一是为社会公众了解新兴科学技术制作一份简报（PPT形式），介绍科学技术项目具体内容及其潜在的社会和道德层面影响;二是撰写一份报告来阐述与选定研究项目有关的不同利益相关者的潜在影响和导向。教师会在15个工作日内对学生的作业进行评估并提交反馈，课程还会以研讨会形式鼓励教师和学生进行一对一反馈，从而实现形成性评价。

3.组织学生进行项目式学习

项目式学习能够考验学生对知识的综合掌握和解决问题的能力。学生在第二学期必须完成小组研究项目和个人研究项目两门实践课程，两个项目分别占20个学分和80个学分，对于学生是否能够顺利从硕士阶段过渡到博士阶段至关重要。在两个研究项目中，学生将分别以小组（2～3人为一组）和个人的形式进行实践，尝试将人工智能应用于解决生物医学方面的问题。

小组研究项目和个人研究项目必须至少有两位导师，其中一位来自人工智能或机器学习领域，另一位则来自生物医学领域。导师的职责是提供技术咨询并协助学生进行研究计划。对于小组研究项目，导师还应指定一名引导员，由其监督整个团队的实践过程。学生分别有两次选择小组研究项目和个人研究项目的机会，在确定感兴趣的项目之后需要尽早与导师联系以了解项目的更多详细信息。值得一提的是，一些有价值的小组研究项目和个人研究项目还有机会成为学生博士阶段的研究项目。

在评估方面，小组研究项目和个人研究项目都需要提交一篇论文作为书面报告。此外，小组研究项目还包含口头陈述，所有小组都需要在提交论文前进行答辩，向导师介绍自己的项目，并根据导师的反馈修改论文。小组研究项目论文由一名导师和一名工作人员各自进行独立评估，如果分数相差小于10%，则取平均分作为论文成绩，否则将由委员会进行调整，个人研究项目论文则由两名工作人员合作评估。

三、对我国“人工智能+”复合学科建设的启示

（一）培养学生跨学科思维

“人工智能+X”教育最核心的本质就是其跨学科性，学生需要利用人工智能技术来解决本专业应用领域和研究领域的现实问题。因此在培养过程中，应该模糊两个领域的学科边界，不再以知识为导向组织教学，而是以问题为导向展开教学，让学生在学习具体的案例和解决特定问题的过程中利用人工智能技术来克服本专业现阶段面临的挑战，从而突破发展瓶颈。为此，学生还应不断练习以提高知识迁移能力，从而能够在实践中利用人工智能技术和理念跨学科解决问题。

（二）促进学生个性化自主学习

人工智能最大的优势之一就是能为学生提供丰富的智能化教学资源。UKRI生物医学人工智能博士培養中心在给予学生各种线下学习资源的同时，也为学生准备了庞大的线上资源库。“人工智能+X”复合学科不同于单一学科培养，它不仅要求学生掌握本专业基础知识，还需要让学生掌握人工智能技术以及本专业和人工智能交叉领域延伸出的知识理论。因此，学生花费大量时间进行自主学习是很有必要的，充足的智能化教学资源能为学生自主学习提供支持。不断推动微课、慕课、翻转课堂以及移动教育资源的创新学习资源开发有利于实现以学生个性需求为中心，以资源、技术、智能思维为支撑的教育现代化的变革。[4]

（三）提高学生自主创新能力和研究能力

“人工智能+X”教育应该培养的是兼具专业性、技术性和创新性的复合型人才，而科研项目正是培养创新型人才的有效途径[5]，通过科研项目的实践，学生不仅能够提高自身创新能力，还能够培养科研思维和科研能力，从而为未来的研究道路打下基础。科研项目分为个人项目和团队项目，在个人项目中学生需要在结合自身兴趣和导师科研项目需求的基础上选择自己的主攻方向，在导师指导下完成项目，并在这个过程中不断提高科研能力和问题解决能力;在团队项目中，学生可以与他人合作进行项目实践，从而培养团队合作的科研素养和意识。

注释：

①英国的学位评定分为一等荣誉学位（first class honours degree）、2.1学位或二等一级学位（upper-second class degree）、2.2学位或二等二级学位（lower-second class degree）、三等学位（third class degree）。英国大学规定平均成绩70分以上为一等学位，60～69分为二等一级学位，50～59分为二等二级学位，40～49分是三等学位。

②英国硕士阶段一般需要修满180个学分。在爱丁堡大学所修得的学分可作为苏格兰学分和资格框架（Scottish Credit Qualifications Framework，SCQF）的一部分，这个框架涵盖苏格兰地区所有学历和资格证书的学分和资格框架。20个SCQF学分相当于10个欧洲学分互认体系（Europe Credits Transfer System，ECTS）学分，或者美国高校的4个学分。

参考文献：

[1]中华人民共和国中央人民政府. 国务院关于印发新一代人工智能发展规划的通知[EB/OL].（2017-07-20）[2020-08-10].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]UK Research and Innovation. UKRI Centres for Doctoral Training in Artificial Intelligence[EB/OL].（2018-03-04）[2020-08-10].https：//www.ukri.org/research/themes-and-programmes/ukri-cdts-in-artificial-intelligence/.

[3]UKRI CDT in Biomedical AI. MScR degree programme table[EB/OL].（2020-09-14）[2020-12-17].http：//web.inf.ed.ac.uk/cdt/biomedical-ai/student-guide/study-programme/mscr.

[4]赵梦雷.人工智能与教育相融合的特点探析[J].课程教学研究，2019（9）：87-91.

[5]成科扬，孟春运，詹永照.“人工智能+”人才培养新模式探索[J].计算机教育，2019（12）：68-71，75.

编辑 吕伊雯   校对 徐玲玲