人工智能人才画像与培养路径探析

茹 宁,苏靖雅

人工智能作为新一轮产业变革的核心力量,已经成为推进供给侧结构性改革和高质量发展的新引擎,推动产业转型升级。2014年至2017年,中国人工智能市场的总规模由48.6亿元上升到135.2亿元,年平均增长率超过40%,预计2023年中国人工智能产业规模将增长至380亿元。[1]随着人工智能在各行业广泛应用,该领域人才需求呈爆发式增长,人才供给总量却严重不足,这也是全球面临的共同问题。[2]根据腾讯发布的《2017全球人工智能人才白皮书》,全球人工智能领域人才约30万人,其中约三分之二为产业人才,约三分之一分布在高校中,人才市场需求约100万人。[3]为提高人工智能人才培养质量,2018年教育部发布的《高等学校人工智能创新行动计划》中提出,高校要加强人工智能领域的人才培养,要以多种形式培养多层次的人工智能领域人才。此计划也将人工智能人才培养上升到国家战略层面。人工智能作为一个新型交叉学科,其学科的特殊性也决定了高校需要培养具备多学科的专业背景和多项能力素养相结合的复合型人才。那么,什么是人工智能复合型人才?人工智能复合型人才究竟应当具备何种核心素养?本研究基于扎根理论的研究方法,从人工智能企业需求入手,通过研究人工智能岗位人才画像,深入挖掘智能时代人工智能复合型人才的基本内涵与本质特征,构建形象具体的人工智能人才画像,旨在为高校培养人工智能复合型人才提供一定借鉴。

一、研究方法与设计

(一)研究方法

扎根理论作为一种质性研究方法,是指在分析质性资料的基础上,从数据中自下而上地建构出相关理论。主要是通过对质性资料的收集以及深度分析不断抽象出研究问题的关键性概念,从而在不同的关联概念中建立相关联系,构建出一整套科学的理论阐释体系。扎根理论抽象出的理论是植根于所搜集的现实资料,并且与资料数据不断互动中直接建立理论。[4]由于针对人工智能人才的相关理论较为缺乏,为了保证研究结果的可靠性,研究采用扎根理论构建人工智能人才画像。

(二)资料收集

扎根理论主张“一切皆是数据”,研究者可以通过观察、数据、访谈、报告、历史档案、书籍、纪录片等渠道收集一手资料、二手资料作为数据的主要来源。[5]由于本研究主要基于人工智能企业的招聘需求进行分析,因此,本研究的资料来源于BOSS直聘、智联招聘、猎聘、前程无忧、58同城五家国内知名招聘网站APP发布的有关人工智能方向职位招聘信息。主要以数据挖掘、机器学习、web前端、算法、自语言处理等词条为关键词,涉及当前互联网的各类企业,共筛选出379条相关招聘信息进行编码。

(三)资料分析

本研究综合运用NVivo12.0中文版质性资料分析软件,采用软件编码和人工编码两种方式提取招聘信息中相关初始语句,通过编码,在资料的关键概念中不断进行提炼和总结。扎根理论编码主要分为开放性编码、主轴性编码和选择性编码三个编码级别,三者交叉进行编码,通过连续比较的方法进行资料分析。

1.开放性编码

开放性编码是对资料进行扎根分析的第一个环节,开始时登录的范围比较广,将相关资料都纳入编码当中,随后范围开始不断地缩小,直到初始概念出现了饱和。本研究通过对已招聘信息进行逐句阅读以及比较,总共识别挖掘出92个初始概念。由于初始概念的数量比较庞杂,存在一定程度的内容重复,因此,研究对重复概念进行分析,剔除出现频次少于3次的初始概念以及表达内容相似的初始概念。最终确定得到32个初始概念。

2.主轴性编码

主轴性编码旨在通过挖掘初始概念,建立类属概念以及类属之间的各种关系,即在开放编码基础上,将形成类属并检验类属之间的关系,从而建立类属之间的潜在联系。主轴性编码将开放性编码获得的32个初始概念再次分析、归类,形成12个主要类属。分别是“知识坚实、学科交叉”,“技能高超、技术精湛”,“能力复合、思维多元”,“经验丰富、实践深入”,“兴趣浓厚、品质优秀”,“与时俱进、持续发展”。

3.选择性编码

在开放性编码和主轴性编码之后,提取核心范畴,把各范畴系统整合在一起,基于一定的逻辑关系将核心范畴与主范畴和其他范畴进行关联。经过对所有已发现的概念类属进行系统的分析,选择“核心类属”,所选核心类属具有高度的概括性、统整性,能将其他所有类属纳入其中,同时根据核心类属的涵义、属性,补充不完整的成分。[6]在分析主轴性编码的基础上,提炼出6个核心类属分别为知识要素、技能要素、能力要素、实践要素、情感要素、发展要素。三级编码如表1所示。本研究通过不断寻找新数据,进行理论性抽样,对已形成的类属加以比较、分析、剔除、修改,直至不再发现新的概念范畴即达到理论的饱和。在本研究中,随机抽取任意相关人才招聘信息进行编码,亦未出现新的概念和类属。因此,本研究理论饱和度较高。

表1 人工智能人才画像三级编码展示表

续表

二、人工智能人才画像概述

通过对5个APP网站人才招聘信息的编码分析,提炼出6个核心类属、12个类属和32个次类属,即人工智能人才画像要素分为知识、技能、能力、实践、情绪、发展六大要素,具体表现为“知识坚实、学科交叉”,“技能高超、技术精湛”,“能力复合、思维多元”,“经验丰富、实践深入”,“兴趣浓厚、品质优秀”,“与时俱进、持续发展”12种核心素养,在现有资料的基础上结合企业招聘信息,对人工智能人才六大要素的内涵分别进行具体阐释,运用层次分析法对六大要素所占权重进行分析计算,最后对六大核心要素之间的联系进行进一步解读,以厘清各要素之间发挥的作用及内在联系。

(一)人工智能人才画像要素的基本内涵

1.知识要素——知识坚实、学科交叉

人工智能人才画像的基本要素主要是指人工智能人才所具有的人工智能及相关学科领域的基础知识和理论背景。人才必须是掌握了扎实的复合专业知识的人才,不仅要精通人工智能专业知识,还要至少掌握一门人工智能关联学科的专业知识,拥有完备的知识结构。[7]因此,在人工智能人才招聘信息中,第一条招聘要求几乎都涉及了人工智能人才的相关专业背景。主要要求集中在三个方面:一是人工智能基础学科知识。人才需要掌握扎实的人工智能领域基础知识,熟悉机器学习、网络神经算法,熟悉常用的机器学习算法。二是需要具备交叉学科背景,其中包括运筹学、统计学、概率论、博弈论、计算机科学、数学、机器学习、人工智能、物理、脑科学、软件、算法等多个领域的理论背景。三是要具备相关领域的理论研究成果。在上学期间阅读过大量人工智能领域算法论文,并发表过该领域相关论文的人才会更受招聘企业的青睐。由此可见,坚实的知识基础、多学科背景以及理论研究是企业招聘人才的基础,也是人工智能人才画像最基本的要素。

2.技能要素——技能高超、技术精湛

人工智能人才画像所包括的根本要素主要指人工智能人才完成岗位工作所具备的技术技能,专业精度是对高技能人才的基本要求。人工智能需要面向智能产业最前沿、最“高精尖”的发展需求,需要关注当代科技、知识含量最高的前沿领域。因此,人工智能人才与通常意义上的高技能人才相比,在专业精度上的要求更高。除此之外,人工智能的核心技术是人工智能企业的竞争力所在,企业在招聘过程中也更倾向于招聘已掌握人工智能相关技术和软件技能的高校人才。主要包括熟练掌握python、CC++R、C、MATLAB等编程开发软件;熟悉深度学习、计算机视觉、自然语言处理、语音合成和语音识别、模式识别、机器人和环境感知等人工智能技术以及熟悉相关计算平台和工具。由此可见,新时代对人工智能人才的需求逐渐偏向具备较高的技术技能,这也是企业招聘时对人才的基本要求。

3.能力要素——能力复合、思维多元

人工智能人才画像的核心要素主要指人工智能人才通过培养所具备的多种复合型的能力和思维。通过研究人才招聘信息,发现企业都会将人才能力作为招聘必不可少的要求之一。企业对人工智能人才的能力需求主要集中在解决问题能力、逻辑思维能力、数据分析能力、独立思考能力、持续学习能力、快速适应能力、理解表达能力以及要求人才具备创造性、系统性、批判性、前瞻性等思维。因为基本要素和根本要素决定了人才能否胜任岗位工作,但核心要素却是人才能否高质量完成工作并解决问题的关键性因素,是新时代人工智能人才必不可少的核心竞争力。

4.实践要素——经验丰富、实践深入

人工智能人才画像的实践要素是指人才在具体实践中的行为、操作、活动、经验,是其他要素的外显化,要求人工智能人才不仅要经验丰富,同时要实践深入。从企业招聘需求中发现,企业对具有实习经验、项目检验以及比赛经验的人才更为青睐。人工智能人才通过实习、参与项目、参加比赛将学校所学的理论性知识与具体的人工情境相结合,才能实现从理论到实践的转化,形成人才对于岗位的核心竞争力。

5.情感要素——兴趣浓厚、品质优良

情感要素是指人工智能人才顺利、有效完成岗位工作所体现出来的兴趣、热情、意志、态度、价值观、精神等方面的特征及其品质。对于招聘企业而言,人工智能人才不仅需要具备知识、技能、能力,还需要具有认真负责的工作态度、吃苦耐劳的精神、良好的职业道德、高度的责任心、对所从事的工作有热情,具备沟通和团队合作精神以及服务意识和钻研精神。人工智能时代更加需要人才具备人文素养,在与机器打交道的同时还具有与人的沟通、协调与合作能力,同时要热爱人工智能的工作,从而保证不在快速发展的智能时代随波逐流,丢失自我。

6.发展要素——与时俱进、持续发展

发展要素是指人工智能人才在工作中能够不断学习、更新、优化新知识和工作能力,在人工智能领域持续发展所体现出来的特征。在招聘信息中发现,人工智能企业要求人才需要有强烈的上进心和求知欲、渴望用技术改变未来、能够跟进领域内最新技术研究成果并探索将前沿的算法技术应用于实际业务,能够不断更新知识技术体系,并用于研发当中。由此可见,在人工智能第三次浪潮中,人工智能人才所具备的发展要素不仅是提升自我价值的催化剂,还是促进企业、人工智能产业持续发展的关键因素之一。发展要素要求人才保持对新技术、新应用的敏锐性,对技术发展趋势的洞察力以及对未来人工智能发展趋势的判断力,时时关注并能够及时发现科技发展的新动向。唯有如此,当技术变革来临时才不至于手足无措。

(二)基于层次分析法的人工智能人才画像要素权重

采用专家预测法对指标体系权重打分,并运用层次分析法对指标权重进行计算。本研究设计了“人工智能人才画像要素权重”专家打分表。邀请8位人工智能公司HR对人工智能人才各要素之间重要性程度进行打分,将8位HR对同一维度下同一层次的各指标进行两两比较并按照重要程度标度法打出分数,之后将专家打出的分数进行汇总,算出每个评估指标的平均得分(如表2所示),最后通过两两矩阵计算出各层元素对系统目标的合成权重,进行总排序,以确定各个要素的最终权重(如表3所示)。权重结果显示,人工智能招聘企业对于人工智能人才要素需求从高到低依次为技能要素、知识要素、能力要素、实践要素、发展要素和情感要素。由此看出,企业对人工智能人才技能方面的需求权重最高,充分体现出人工智能市场中高技能人才对促进产业升级、推动高质量发展的重要作用。

表2 专家打分表

表3 人工智能人才画像各要素权重

(三)人工智能人才画像核心要素的内在联系

人工智能人才画像核心要素主要包括知识要素、技能要素、能力要素、实践要素、情感要素、发展要素,这6个要素缺一不可,共同组成了人工智能人才的核心素养。知识要素是基础,只有具备坚实的理论知识背景,才能培养人工智能人才的其他素养。技能要素是支撑,人才在进入岗位后,除了要具备一定理论知识,更需要熟练掌握人工智能相关技能和技术,核心的技术是推动人工智能产业发展的根本所在。能力要素是核心,人工智能时代不仅仅要求人才的专业知识和相关技能,还需要人才具备复合型能力和多元化的思维,因此,在知识技能传授的过程中,关注培养人才各项复合型能力是培养人工智能人才的核心任务。实践要素是各要素发挥作用的前提条件,掌握的知识技能必须在实践过程中才能得以应用和升华,因此要重视人工智能人才实践要素的培养。情感要素是灵魂,是内化于心的精神力量,能够支持人工智能人才在人工智能领域的持续发展。发展要素是最终目标,人工智能时代,知识更新频繁,需要人才持续学习和不断保持对前沿技术的更新,因此,人工智能人才最终在行业领域的竞争力取决于其发展要素,高等教育人才培养的最终目标是培养能够不断自我更新,升华自身知识储备、技术技能、能力思维、实践经验的可持续发展人才。每一核心要素既相对独立,有着自身的结构和规律,且一直在不断地发展,同时又与其他各要素相互联系、相互作用。某一要素的发展程度及其与其他单个或多个要素之间相互作用的强弱、方式、速度及质量不是整齐划一的,而是因人而异,这正构成人工智能人才画像的多样性和复杂性。这些要素的变化并非是孤立的自我发展,而是积极与其他要素相互作用、动态发展。

三、基于人工智能人才画像的人才培养路径

(一)优化课程体系,为人才培养“固本”

人工智能专业知识是人才培养最坚实的基础,优化人工智能课程体系,是人工智能人才培养的长远之计和固本之策。因此,要摆脱依托于单一学科的人才培养模式,设置“专、通、交”的课程体系。[8]即核心课程中既要有巩固基础的“专业化”课程,加强学生知识积累的深度,同时也要有拓展人工智能知识面的“通识”课程以及体现若干专业学科知识汇聚的“交叉”课程,加强学生知识积累的宽度。其中,通识类课程应以运筹学、统计学、概率论、博弈论、计算机科学、自动化、数学等理论性强的基础学科为主,只有掌握一定的基础知识,才能更好地掌握人工智能驱动下的先进生产技术原理,推动理论性研究的深入。[9]交叉课程以金融学、生物学、法学、化学等应用性学科为主,旨在通过交叉课程寻找人工智能的交叉应用领域。与此同时,要依据不同类型高校人工智能相关专业人才培养的能力需求和规格定位,确立人才培养方向,依据培养方向厘清实现相应能力培养所需求的专业知识和通识知识,进而建立支撑专业知识的多级化、积木式的知识领域和知识单元。[10]

(二)弥合“技能鸿沟”,为人才培养“蓄能”

人才是强国的第一资源,高技能人才是促进产业升级、推动高质量发展的重要支撑。然而,人工智能不断发展导致了低端操作技能人才的市场需求逐步缩小,高端操作技能人才的市场需求逐步扩大,“技能鸿沟”日益加剧。截至2018年,我国技能劳动者仅占就业人员总量的21.3%,高技能人才仅占技能劳动者总数的29%;具体到人工智能领域,拥有10年从业经历者仅占38.7%。技术更新与人力投入之间亦存在明显的替代效应。[11]高校人才培养为适应市场需求,理应在原有培养的基础上拓宽人工智能人才技能培养方式,加大资金投入,引进人工智能高端先进设备和相关技术软件,紧跟人工智能技术国际发展前沿,设置人工智能最新芯片、技术、系统和平台等方面的课程,同时设置若干技能性较强的综合性的实践课程,加强技术应用能力,同时借助线上平台,不断更新先进技术与应用软件平台的教学,弥合人才与就业市场的“技能鸿沟”。

(三)转变教学模式,为人才培养“赋能”

人工智能人才不仅要掌握和操作先进生产技术,还要具备创造性地开展生产劳动、解决实际问题、提高技术革新等复合型能力。因此要求高等教育人才培养要加快转变教学模式,将教师由“知识传授为主”的工作模式转换为“以学习引导为主”的工作模式,更加关注学生的个性化和定制化教学,学生由被动学习转化为主动学习和深度学习,学生更加关注各学科知识的实践应用及创新。采取基于项目式的教学方式,以问题为导向形成学习项目,项目的完成与问题的解决需要多维学科知识的集合,即需要运用广域的跨学科知识探索解决项目的实际问题,通过学生分小组讨论、汇报、探究,设计出有关人工智能相关问题的解决方案,深入开展启发式学习和探究式学习。同时,要重视培养学生们在试图解决问题的过程中发展出来的如何获取知识、如何计划项目以及控制项目的实施、如何与小组成员沟通和合作的能力,唯有如此才能真正实现学生能力的高度复合。

(四)重视实践应用,为人才培养“筑基”

人工智能的典型特点是应用驱动,因此,高校必须加强人才实践应用的培养,在校企合作的同时深化产教融合,打造产学研一体的人工智能人才培养实践基地。一是与人工智能相关公司密切合作,可以包含工程、医学、交通、医疗、教育等各个领域,深入了解各企业人工智能的相关需求,同时企业也可以为学生提供人工智能的实践平台,包括丰富的竞赛、技术对话、实习岗位、公司开放日、网络活动、学生科创等。二是聘请人工智能相关企业的科学家、工程师到高校参与“人工智能+X”的实践课程和相关项目评比等,给予学生更加开阔的视野和更加务实的、以加强学生问题为导向的思维引导和技能训练。三是加大与企业的合作,共建基于“人工智能+X”的实习实训基地,区域内高校共享实训基地,充分发挥实践基地的作用,最大限度为学生创造更多的实习实训机会,培养能够应对重大现实问题以及丰富场景应用的专业型人才。同时利用企业的研发中心、工程中心为学生提供参与前沿研究、产业转化和实践的平台,借助企业的力量培养人工智能复合型人才。

(五)关注情感意识,为人才培养“导航”

不论人工智能和大数据技术的发展程度如何,都要将素质教育作为人才培养的重中之重。因此,高校要更加重视对人工智能人才的素质教育,尊重人的主观能动性以及个性、兴趣,注重开发人的智慧潜能,注重形成人的良好个性和健全的人格。在人工智能人才的企业招聘需求当中提到的职业道德、工作热情、合作精神、服务意识、钻研精神等品质都是呼唤高校素质教育的体现。一个人只有具备了良好的情感意识,才有可能实现向较高层次的素质或专业素质的“迁移”。因此学校在人工智能人才培养上,不仅要关注人才专业技能的培养,还要深化对人才情感意识的塑造,培养具备人文素养、渴望用技术改变未来的人工智能人才。

(六)瞄准发展前沿,为人才培养“提速”

当前新技术更新换代频繁,高等教育不仅要培养能够迈入企业招聘门槛的人才,还要培养具备可持续发展能力和可塑性的人才。因此要注重培养人才自身的元认知以及持续学习能力,高元认知能力能够帮助人才时刻紧跟人工智能领域的技术前沿,对变化保持足够的开放度和包容性,在面临不同问题时能处变不惊,冷静地思考对策和解决方案。同时,要注重培养其对不同职能工作的适应弹性。