人工智能教育：通识与专业

戴琼海

(清华大学 信息科学与技术学院，北京 100084)

人工智能自1956年达特茅斯会议至今经历了三起三落。最近十年，由于深度学习的发展，人工智能迎来了一轮革命性的突破，在科学技术领域和产业方面都取得了巨大的进步。

人工智能本身就是一个交叉学科，同时它与其他学科的交叉研究领域也非常多。在早期，人工智能的研究主要是解决自己领域内的问题；在最近十年，深度学习的出现，不仅带动了人工智能本身的发展，也带动了很多交叉方向的突飞猛进，比如在博弈求解、生物发现、数学证明、核聚变控制等方面都取得了很大的突破，人工智能与其他学科的交叉是非常显著的趋势。

从教育育人的角度来说，人才的需求和培养方式是随着时代不断变化的。比如第一次工业革命，让以“机械”为核心的人才培养成为重点；第二次工业革命，让“电”成为了人才培养的关键词；从上世纪后半叶开始的信息技术革命，让“信息”人才的培养变得至关重要；现在，智能的时代将要来临，必然会让整个社会对“智能”人才的需求日益迫切，也对培养“智能”人才提出更高的需求。那么在智能时代，以“智能”为核心的人才培养体系怎么建设，怎么发展，用什么样的方式去切入，是教育界需要考虑和研究的。

国际上对于人工智能人才的培养已经开始了探索。比如斯坦福大学，建立了以人为本人工智能研究院，同时推进了人工智能研究与教育方面的发展，它的目标不仅是要培养人工智能领域的专业人才，同时也很注重培养了解、会利用人工智能的领导者和决策者。另外，麻省理工学院新组建了人工智能与决策系，也开展了“专”和“通”两个方面的教育。在“专”的方面，包括机器学习、视觉、语言、机器人等人工智能领域的专业课程；在“通”方面，他们在全校开了人工智能和社会治理方面的通识课程，还包括人工智能与健康、经济等领域的课程，希望其他领域的人才也能对人工智能有深刻的理解。

当前，我国在人工智能人才数量和质量上，都非常需要提升，与美国还有一定的差距。那么我们在人工智能通识和专业教育上应该如何开展呢？对此有一些思考，供各位专家参考。

首先我们可以注意到，人工智能现在已经在很多领域取得了重要应用，产生了巨大的突破。比如下围棋，现在围棋选手的培养都需要用到人工智能。而在科学研究方面，人工智能可以进行蛋白质的预测、核聚变的控制、自动化的化学实验。不难发现，人工智能正在逐渐成为诸多学科和领域的重要基础工具。就像计算机一样，人工智能可能在未来的许多领域中都会成为需要掌握的基础技能。

目前，从国外的案例来说，很多美国高校已经开始了人工智能通识教育的布局，比如斯坦福大学、卡内基梅隆大学等都面向全校开设了人工智能相关的通识课程，让不同学科、不同领域和不同背景的学生了解和熟悉人工智能。

在人工智能的通识教育中，关键就是希望学生能够了解人工智能的四个方面：人工智能是什么？相当于基础导论的内容。人工智能能做什么？包含人工智能与其他学科的交叉可能产生的作用。人工智能怎么用？让学生了解怎么样才能构建一个人工智能的系统供自己使用。人工智能有什么影响？包括对社会、伦理等方面可能产生的正面或负面的效应。这四个方面的问题，值得我们思索和探讨，也是我们课程设计或者是研究生教育里面重要的方面。

相比于其他课程，人工智能开展通识教育有其先天的优势。目前网上有很多的人工智能开源平台，可以为学生提供免费且方便的实践平台，极大地降低学习和上手人工智能的门槛，让不同专业的同学都可以比较轻松地使用人工智能，这是很多传统学科所不具备的。所以，高校在考虑人工智能通识教育的时候，也应该重点考虑如何将现有的开源开放的学习实践平台充分利用起来，达到更好的效果。

通过人工智能的通识教育，希望学生可以根据自己的需要，达到不同的层面。第一个层面是能理解人工智能，了解基本概念、优缺点与局限性，能够适应智能时代的社会特征，能适应人工智能；第二个层面是能应用人工智能，会用成熟算法模型和开源系统，给自己的工作赋能，能够熟练地把人工智能作为基础工具使用；第三个层面是能管理人工智能，熟悉人工智能风险，让人工智能服务社会，能够成为人工智能时代的领导者。

接下来再看看人工智能的专业教育。在当前阶段，人工智能的专业教育其实也包含几个方面。首先是基础课程，比如计算机、数学的相关课程，包括编程、机器学习、优化、模式识别等，这也是现在很多人工智能专业都涉及的。同时，我们也应该结合人工智能的特点，考虑另外四个方面。包括可能对人工智能带来变革性突破的智能基础领域课程，比如与人工智能有关的脑科学、基础数学；可能对其他学科带来变革的交叉研究领域课程；体现人工智能赋能特性的平台与系统建设相关能力培养的课程；以及培养会应用人工智能来带动社会发展和产业发展的人才的综合课程。

以美国的卡内基梅隆大学为例，它的人工智能和机器人研究在国际上享有盛誉，它的人工智能人才培养也极具影响力。在上面这四个方面，它们都有一些课程的选项。对此，我们进行了调研和分析，卡内基梅隆大学的课程设计高度重视多学科融合与实践，它的课程体系还是比较完备的，在上面各个方面都有布局，让学生能根据自己的需求进行学习。

人工智能在突破、交叉、赋能和应用四个方面，能培养的人才类型也有比较大的差异。同时，不同的学生也会根据自己未来的定位有所选择。因此，在人工智能专业教育上，也需要因材施教。基础研究人才和交叉创新人才、工程科技人才和产业化与社会人才的培养，培养的重点和方式可能是不一样的，需要有针对性地进行课程和培养方式的设计，给学生们更多的自主选择。

此外，在课程设计上，人工智能本身与很多学科都有交叉。那么在交叉的时候就需要学科深入融合，要交叉课程，不是课程交叉。所谓交叉课程，就是在一门课上让学生学习到不同学科之间的共通之处、以及不同学科之间可能的结合点，让学生能够从课程中学习到真正交叉的内容。比如我在中央音乐学院开设了一门关于人工智能与音乐的交叉课程，就与那里的老师深度配合，内容交叉贯通，让学生学会人工智能哪些方法在音乐领域可能有用，音乐领域哪些问题和应用是人工智能非常适合的，这样学生学习的兴趣就大，而且也能让学生真正理解到交叉领域的知识和重点。我们不能只是简单的课程交叉，只是让学生在培养方案里面选两个学科的课，各上各的，本身没有任何的互动，这样的效果不好。

总之，人工智能的教育需要做到课程体系化，让学生能够明白人工智能是什么，能做什么，怎么用，会产生什么影响；在通识教育方面要让学生能理解、能运用、能管理人工智能，培养出能够适应并领导智能时代的研究生；还有学科交叉化，以基础学科带来人工智能领域新突破，以人工智能革新基础研究交叉新范式，以工程实践催生智能系统新平台，以法律、伦理和社会保障人工智能造福社会。此外，也要做好教学平台、实践平台、人才培养产学研融合平台的建设，助力人工智能通识和专业人才的培养。