论文部分内容阅读
摘 要：当代高校的本科生处在一个“知识爆炸”的时代，在有限的四年时间中，需要学习大量的公共基础课、专业基础课和专业核心课。同时，为培养德智体美劳全面发展的高水平人才，一些人文素养课、思想政治课、英语课和体育等课程也是必不可少的。这些课程占据了学生的许多学习时间。然而，人才培養的挑战，不止在于基础知识的学习。知识固然重要，自学能力和有效获取新知识的能力更重要，能力培养是人才培养的关键。
关键词：本科计算机;人工智能;人才培养;新工科
一、引言
自2016年AlphaGo战胜世界围棋冠军以来，人工智能又迎来了新一轮热潮，伴随着这轮热潮的是对人工智能人才需求的急剧增加。根据腾讯发布的《2017全球人工智能人才白皮书》[1]，全球人工智能领域人才约30万，其中约三分之二为产业人才，约三分之一分布在高校中。根据领英2019年发布的《全球AI领域人才报告》[2]，截至2017年一季度的全球人工智能领域人才数量超过190万。而在2014—2016年间，通过领英发布的人工智能职位数量从5万激增至44万。虽然统计时间和方式的不同造成了数据上的出入，但不难看出，全球人工智能领域的人才储备仍低于市场的需求，人才数目的增长还不足以弥补人才市场的缺口。同时，人工智能领域储备人才的质量、学历和经验的占比，与市场需求不对等，难以满足企业和高校的真正需求。
2017年，国务院发布《新一代人工智能发展规划》[3]，强调“建设人工智能学科”等发展规划。2017年12月，全国共有71所高校围绕人工智能领域设置了86个二级学科或交叉学科。2018年，教育部印发《高等学校人工智能创新行动计划》[4]，强调“完善学科布局”“加强专业建设”“加强人才培养力度”等，进一步推动高校人工智能领域的人才培养。自2018年4月教育部批准设立人工智能专业，高校纷纷开设人工智能专业和智能科学与技术专业，积极培养人工智能领域的科研和产业型人才。2019年，全国共有35所高校获该新专业建设资格。
ElementAI发布的《2019年全球人工智能报告》（Global AI Talent Report 2019）中指出，在其调研的21个世界人工智能顶级会议发表的论文总数和至少发表一篇论文的作者数目自2015年来显著上升（增幅高于15%），于2018年达到两万余人，其中（来自企业和高校的）中国作者占11%左右[5]。这个数字反映了我国高校培养人工智能人才的庞大教师队伍规模，也是人工智能人才培养的基石。
但是，现有的人工智能领域人才的水平参差不齐，人才培养依然不能满足企业和科研院校的需求。有国家的重点支持，我们又拥有如此庞大的教师队伍，为何人工智能人才培养依然这么难？
计算机科学是人工智能的基础。没有扎实的计算机科学基础，人工智能就会成为沙地上的漂亮房子。然而，计算机专业技术、知识更新快;计算机科学的教学以课堂讲授为主，学生被动学习;本科的课程学习与实际问题脱节;学生普遍缺乏团队协同与沟通的能力，缺乏项目管理的经验，缺乏对科学研究方法和方法学的深刻理解和有效应用。这些问题造成了一部分本科生求知欲低、缺乏实战经验、毕业设计选题困难、职业规划模糊，进而在走出“象牙塔”后因职业发展受限和缺乏市场竞争力而造成心理落差大，消极工作、生活，成为“伪人工智能人才”。
二、人工智能人才培养的基础是计算科学与技术
计算机学科是推动各产业发展的重要学科之一，它与人才培养紧密相关的一个重要特点是专业课程多，且知识技术更新快。许多在课程中学习的知识在毕业后可能就过时了，相关的技术和工具也可能被淘汰。这是高校计算机专业本科生培养面临的窘迫现状之一。
计算机科学与技术是人工智能的基础，而计算机科学与技术人才培养的挑战不止在软件基础。数学、物理类课程也是计算机科学与技术的基础。其中，数学分析、概率论与数理统计和线性代数等课程是学好机器学习课程的基石。
理解深度学习的基本原理时，没有高等数学和线性代数的基础，如何解释backpropagation，chain rule，stochastic gradient descent，convolu-tion，等等？没有扎实的软件工程基础与训练，怎么能开发类似于TensorFlow的平台？即使是学习简单的演化计算课程时，没有扎实的概率论和随机过程的基本知识，如何分析算法的复杂度？对计算机科学基础缺乏重视的人工智能人才培养体系是不完善的。
体系结构、数据结构、操作系统、编译原理等计算机基础课都是“硬”课，学透高等代数、数学分析、离散数学、概率论与数理统计、线性代数、大学物理等课程也需要投入大量的时间和精力。然而，仅有计算机科学基础还不够。作为人工智能专业，如深度学习、计算机视觉、图像处理、自然语言处理、语音处理、自动推理、知识表示等专业课也必不可少。除此之外，为培养德智体美劳全面发展的高水平人才，一些人文素养课、思想政治课、英语课和体育等通识通修课程也是培养方案中的必修课。这些课程占据了学生的许多学习时间，本科四年时间根本不够来传授这些知识。那么，人工智能的本科教育究竟该怎么做呢？应该教什么？
三、人工智能人才培养必须以能力为主、知识为辅
现阶段计算机系的绝大部分理论课程主要以课堂老师讲授为主，学生被动学习;实验课的题目主要来自课程对应的实验指导书中所罗列的固定题目。因此，本科生在校期间的专业课学习往往与将来在工作或继续深造中可能遇到的实际问题脱节，许多学生缺乏分析问题和解决问题的能力，缺乏有效应用专业知识和工具的能力。
由于缺少全程参与实际项目完整流程的经验，本科生普遍缺乏对科学研究方法和方法学的深刻理解和有效应用。这会导致学生在就业或继续深造后产生心理落差、对本科阶段的学习和自己的能力产生怀疑，进而提高发生心理问题的潜在风险，阻碍了高校培养高质量专业技术人才和高水平科研人才目标的实现。 人才的培养是多维度的，不仅体现在专业知识和技能的理论掌握和实现上，也体现在团队协作以及对所学知识和技能的正确、高效表达上。然而，工科院系本科生普遍存在写作和口语表达能力薄弱的问题。导致此问题的原因是多方面的，包括作业和课程设计题目的局限性、作业成果的表现形式和评估方式的单一性等。
此外，大部分课程要求学生独自完成任务，虽然有助于培养学生独立完成任务的能力，但同时也导致学生缺乏团队协作完成项目和项目管理的经验，导致步入职场后团队协同与沟通能力不足，更限制了学生的竞争力和潜在的升职空间。
1.人才培养重在能力的培养，不仅仅是知识的传输
为了建立健康的、有效的人工智能人才培养体系，我们思考以下几个问题。
首先是对人才培养的定位。人工智能专业人才培养的目标是什么？人工智能研究人员，人工智能工程师，或是人工智能应用工程师？针对不同的目标，人工智能专业究竟要培养什么能力呢？
其次是培养的能力和知识点。人工智能人才培养与其他专业的人才培养的主要区别是在能力方面还是在知识点上？哪些能力是人工智能专业独有的？或是更重要的？哪些知识点是人工智能专业独有的？现有课程中哪些是可被替换出去的？
最后是在确定需要培养的能力之后，如何训练这些能力呢？
这些问题一时之间难以回答，让我们结合上文提到的计算机本科生教育現状存在的问题来思考。
2.需要培养什么能力
人才培养重在能力的培养，不仅仅是知识的传输。在实际工作中，一个项目的完整流程是繁复的。往往需要通过调查和研究，从模糊的用户需求中分析并抽取出最根本的问题并进行形式化的描述，凝练关键问题，提出可行的解决方案、专业的实现解决方案、合理的评估解决方案、定性定量的比较解决方案，以及突出重点的成果展示。成功而又完整地实施一个项目不仅需要学生熟练掌握基础知识和专业技能，也考验学生的抽象思维、求解能力、表达能力、职业道德、职业素养和社会责任感。因此，需要提高学生的综合能力和职业素养，具体包括以下几点。
（1）分析问题与抽象思维的能力。
（2）解决问题的能力。如：应用计算机专业知识选择或设计合理解决方案的能力，应用计算机专业知识和技能正确并高效实现解决方案的能力，使用合适的实验方法分析项目结果的能力，自主学习新知识、新技术和新工具的能力，处理大规模、复杂实际问题的能力，独立从事科研与工程开发的能力。
（3）团队精神与沟通协调能力。
（4）职业道德与素养。
（5）社会责任感与正确的价值观。
四、南方科技大学的尝试
针对计算机科学人才的培养目标，南方科技大学（以下简称“南科大”）强调学以致用，鼓励校企联合，促进团队协作，注重项目管理。为促进培养学生的能力和综合素养，南科大以本科生的综合能力培养为主要目标，以实际问题为导向，以项目为驱动，以学科交叉融合为辅助，以“学生项目小组+导师”配对的方式，在本科培养中施行长达三个学期的创新实验课。
1.创新实验课的设置
本课程以南科大计算机科学与工程系本科生为对象，实施三个学期，对标国际上的Group Projects和Capstone Projects。其详细课程设置如表1所示。
2.创新实验课的创新性
（1）创新实验课以学生的综合能力培养为目标，以小组项目的形式培养学生的综合能力，引导学生树立正确的价值观和职业素养。
（2）创新实验课的题目部分来自于企业待解决的实际问题，避免人才培养与实际需求脱节，部分通过学生和导师协商选题。本课程首先从实际应用需求出发，由企业导师提出企业关注的待解决问题，由高校、企业导师共同从提出的问题中提炼出需要解决的关键科学问题，并根据问题的需求分为科研相关和系统研发相关两大类。此选题方式，不仅满足具有不同职业规划学生的需求，也为本科生培养和人才市场的需求间建立了桥梁。同时，通过小组项目的实施培养学生的兴趣，促进学生练习各课程知识和技能的结合使用，帮助学生了解所学知识和技能的实际应用场景。
（3）创新实验课以项目为驱动的培养方式有助于学生能力的培养。为弥补在校本科生全程参与实际项目完整流程经验的缺失，创新实验课以项目为驱动，通过用户需求的提炼，问题的分析，解决方案的提出、实现、评估和比较，成果展示等步骤，全方位培养和提高学生的综合能力和职业素养。
（4）创新实验课以项目小组为单位以促进团队协作，并通过“学生项目小组+导师”制为学生提供多方面的支持。本科生自愿结成2～3人的小组，结合小组成员的特长、兴趣和职业规划选择题目，每个题目对应一个学生项目组。针对传统本科教育中老师与学生只在课堂上见面、缺乏交流的问题，本课程实施导师制。每个项目组至少由一位导师全程跟进长达三个学期的项目，每周定时与项目组沟通互动。由学生讨论提出小组项目的详细计划和分工，鼓励学生自主性，从实践中总结经验。以小组为单位的项目实施，鼓励学生探索如何对人力资源进行合理的分工，同时培养学生的团队精神与沟通协调能力;自愿分组、自主选题、导师和学生双向选择的组队方式，给学生一定的自由度，培养学生的学习兴趣，也促进了学生决策力的提升。
（5）创新实验课对明确项目具体目标的要求，有助于提高学生的专注性，帮助学生在有限的时间和精力消耗下实现工作效率最大化。当前的本科生课程多要求学生提交课程设计报告，成果的表现形式较为单一。创新实验课鼓励学生项目小组和校、企导师基于所选的题目，共同商议、制订明确的项目目标。项目目标需要突出实用性，但可以有多样的表现形式，如产品模型、系统、专利和学术论文等，在每个学期通过报告、答辩和海报展示阶段性成果。
（6）创新实验课的实施贯穿本科三、四年级，为毕业设计和就业或继续深造做准备。现有的高校本科生项目或课程设计多存在投资少（时间、精力投入少）、周期短（几周或一个学期为长度）、融合性低（基于单一课程）、回报低（在项目或课程设计结束后难以获得显著成果）的特点，很难达到提高学生结合多种专业知识处理实际问题能力的目标，对学生自主学习的激励性较低。本创新实验课的实施贯穿本科三年级全年和四年级秋季学期（共计三个学期），为一个项目的完整实施提供了时间的保障，为本科生毕业设计和就业或继续深造做了充分的前期准备。同时，创新实验课为学生提供了提前体验科研机构或公司具体工作内容的机会，为本科生的职业规划提供了支持。
关键词：本科计算机;人工智能;人才培养;新工科
一、引言
自2016年AlphaGo战胜世界围棋冠军以来，人工智能又迎来了新一轮热潮，伴随着这轮热潮的是对人工智能人才需求的急剧增加。根据腾讯发布的《2017全球人工智能人才白皮书》[1]，全球人工智能领域人才约30万，其中约三分之二为产业人才，约三分之一分布在高校中。根据领英2019年发布的《全球AI领域人才报告》[2]，截至2017年一季度的全球人工智能领域人才数量超过190万。而在2014—2016年间，通过领英发布的人工智能职位数量从5万激增至44万。虽然统计时间和方式的不同造成了数据上的出入，但不难看出，全球人工智能领域的人才储备仍低于市场的需求，人才数目的增长还不足以弥补人才市场的缺口。同时，人工智能领域储备人才的质量、学历和经验的占比，与市场需求不对等，难以满足企业和高校的真正需求。
2017年，国务院发布《新一代人工智能发展规划》[3]，强调“建设人工智能学科”等发展规划。2017年12月，全国共有71所高校围绕人工智能领域设置了86个二级学科或交叉学科。2018年，教育部印发《高等学校人工智能创新行动计划》[4]，强调“完善学科布局”“加强专业建设”“加强人才培养力度”等，进一步推动高校人工智能领域的人才培养。自2018年4月教育部批准设立人工智能专业，高校纷纷开设人工智能专业和智能科学与技术专业，积极培养人工智能领域的科研和产业型人才。2019年，全国共有35所高校获该新专业建设资格。
ElementAI发布的《2019年全球人工智能报告》（Global AI Talent Report 2019）中指出，在其调研的21个世界人工智能顶级会议发表的论文总数和至少发表一篇论文的作者数目自2015年来显著上升（增幅高于15%），于2018年达到两万余人，其中（来自企业和高校的）中国作者占11%左右[5]。这个数字反映了我国高校培养人工智能人才的庞大教师队伍规模，也是人工智能人才培养的基石。
但是，现有的人工智能领域人才的水平参差不齐，人才培养依然不能满足企业和科研院校的需求。有国家的重点支持，我们又拥有如此庞大的教师队伍，为何人工智能人才培养依然这么难？
计算机科学是人工智能的基础。没有扎实的计算机科学基础，人工智能就会成为沙地上的漂亮房子。然而，计算机专业技术、知识更新快;计算机科学的教学以课堂讲授为主，学生被动学习;本科的课程学习与实际问题脱节;学生普遍缺乏团队协同与沟通的能力，缺乏项目管理的经验，缺乏对科学研究方法和方法学的深刻理解和有效应用。这些问题造成了一部分本科生求知欲低、缺乏实战经验、毕业设计选题困难、职业规划模糊，进而在走出“象牙塔”后因职业发展受限和缺乏市场竞争力而造成心理落差大，消极工作、生活，成为“伪人工智能人才”。
二、人工智能人才培养的基础是计算科学与技术
计算机学科是推动各产业发展的重要学科之一，它与人才培养紧密相关的一个重要特点是专业课程多，且知识技术更新快。许多在课程中学习的知识在毕业后可能就过时了，相关的技术和工具也可能被淘汰。这是高校计算机专业本科生培养面临的窘迫现状之一。
计算机科学与技术是人工智能的基础，而计算机科学与技术人才培养的挑战不止在软件基础。数学、物理类课程也是计算机科学与技术的基础。其中，数学分析、概率论与数理统计和线性代数等课程是学好机器学习课程的基石。
理解深度学习的基本原理时，没有高等数学和线性代数的基础，如何解释backpropagation，chain rule，stochastic gradient descent，convolu-tion，等等？没有扎实的软件工程基础与训练，怎么能开发类似于TensorFlow的平台？即使是学习简单的演化计算课程时，没有扎实的概率论和随机过程的基本知识，如何分析算法的复杂度？对计算机科学基础缺乏重视的人工智能人才培养体系是不完善的。
体系结构、数据结构、操作系统、编译原理等计算机基础课都是“硬”课，学透高等代数、数学分析、离散数学、概率论与数理统计、线性代数、大学物理等课程也需要投入大量的时间和精力。然而，仅有计算机科学基础还不够。作为人工智能专业，如深度学习、计算机视觉、图像处理、自然语言处理、语音处理、自动推理、知识表示等专业课也必不可少。除此之外，为培养德智体美劳全面发展的高水平人才，一些人文素养课、思想政治课、英语课和体育等通识通修课程也是培养方案中的必修课。这些课程占据了学生的许多学习时间，本科四年时间根本不够来传授这些知识。那么，人工智能的本科教育究竟该怎么做呢？应该教什么？
三、人工智能人才培养必须以能力为主、知识为辅
现阶段计算机系的绝大部分理论课程主要以课堂老师讲授为主，学生被动学习;实验课的题目主要来自课程对应的实验指导书中所罗列的固定题目。因此，本科生在校期间的专业课学习往往与将来在工作或继续深造中可能遇到的实际问题脱节，许多学生缺乏分析问题和解决问题的能力，缺乏有效应用专业知识和工具的能力。
由于缺少全程参与实际项目完整流程的经验，本科生普遍缺乏对科学研究方法和方法学的深刻理解和有效应用。这会导致学生在就业或继续深造后产生心理落差、对本科阶段的学习和自己的能力产生怀疑，进而提高发生心理问题的潜在风险，阻碍了高校培养高质量专业技术人才和高水平科研人才目标的实现。 人才的培养是多维度的，不仅体现在专业知识和技能的理论掌握和实现上，也体现在团队协作以及对所学知识和技能的正确、高效表达上。然而，工科院系本科生普遍存在写作和口语表达能力薄弱的问题。导致此问题的原因是多方面的，包括作业和课程设计题目的局限性、作业成果的表现形式和评估方式的单一性等。
此外，大部分课程要求学生独自完成任务，虽然有助于培养学生独立完成任务的能力，但同时也导致学生缺乏团队协作完成项目和项目管理的经验，导致步入职场后团队协同与沟通能力不足，更限制了学生的竞争力和潜在的升职空间。
1.人才培养重在能力的培养，不仅仅是知识的传输
为了建立健康的、有效的人工智能人才培养体系，我们思考以下几个问题。
首先是对人才培养的定位。人工智能专业人才培养的目标是什么？人工智能研究人员，人工智能工程师，或是人工智能应用工程师？针对不同的目标，人工智能专业究竟要培养什么能力呢？
其次是培养的能力和知识点。人工智能人才培养与其他专业的人才培养的主要区别是在能力方面还是在知识点上？哪些能力是人工智能专业独有的？或是更重要的？哪些知识点是人工智能专业独有的？现有课程中哪些是可被替换出去的？
最后是在确定需要培养的能力之后，如何训练这些能力呢？
这些问题一时之间难以回答，让我们结合上文提到的计算机本科生教育現状存在的问题来思考。
2.需要培养什么能力
人才培养重在能力的培养，不仅仅是知识的传输。在实际工作中，一个项目的完整流程是繁复的。往往需要通过调查和研究，从模糊的用户需求中分析并抽取出最根本的问题并进行形式化的描述，凝练关键问题，提出可行的解决方案、专业的实现解决方案、合理的评估解决方案、定性定量的比较解决方案，以及突出重点的成果展示。成功而又完整地实施一个项目不仅需要学生熟练掌握基础知识和专业技能，也考验学生的抽象思维、求解能力、表达能力、职业道德、职业素养和社会责任感。因此，需要提高学生的综合能力和职业素养，具体包括以下几点。
（1）分析问题与抽象思维的能力。
（2）解决问题的能力。如：应用计算机专业知识选择或设计合理解决方案的能力，应用计算机专业知识和技能正确并高效实现解决方案的能力，使用合适的实验方法分析项目结果的能力，自主学习新知识、新技术和新工具的能力，处理大规模、复杂实际问题的能力，独立从事科研与工程开发的能力。
（3）团队精神与沟通协调能力。
（4）职业道德与素养。
（5）社会责任感与正确的价值观。
四、南方科技大学的尝试
针对计算机科学人才的培养目标，南方科技大学（以下简称“南科大”）强调学以致用，鼓励校企联合，促进团队协作，注重项目管理。为促进培养学生的能力和综合素养，南科大以本科生的综合能力培养为主要目标，以实际问题为导向，以项目为驱动，以学科交叉融合为辅助，以“学生项目小组+导师”配对的方式，在本科培养中施行长达三个学期的创新实验课。
1.创新实验课的设置
本课程以南科大计算机科学与工程系本科生为对象，实施三个学期，对标国际上的Group Projects和Capstone Projects。其详细课程设置如表1所示。
2.创新实验课的创新性
（1）创新实验课以学生的综合能力培养为目标，以小组项目的形式培养学生的综合能力，引导学生树立正确的价值观和职业素养。
（2）创新实验课的题目部分来自于企业待解决的实际问题，避免人才培养与实际需求脱节，部分通过学生和导师协商选题。本课程首先从实际应用需求出发，由企业导师提出企业关注的待解决问题，由高校、企业导师共同从提出的问题中提炼出需要解决的关键科学问题，并根据问题的需求分为科研相关和系统研发相关两大类。此选题方式，不仅满足具有不同职业规划学生的需求，也为本科生培养和人才市场的需求间建立了桥梁。同时，通过小组项目的实施培养学生的兴趣，促进学生练习各课程知识和技能的结合使用，帮助学生了解所学知识和技能的实际应用场景。
（3）创新实验课以项目为驱动的培养方式有助于学生能力的培养。为弥补在校本科生全程参与实际项目完整流程经验的缺失，创新实验课以项目为驱动，通过用户需求的提炼，问题的分析，解决方案的提出、实现、评估和比较，成果展示等步骤，全方位培养和提高学生的综合能力和职业素养。
（4）创新实验课以项目小组为单位以促进团队协作，并通过“学生项目小组+导师”制为学生提供多方面的支持。本科生自愿结成2～3人的小组，结合小组成员的特长、兴趣和职业规划选择题目，每个题目对应一个学生项目组。针对传统本科教育中老师与学生只在课堂上见面、缺乏交流的问题，本课程实施导师制。每个项目组至少由一位导师全程跟进长达三个学期的项目，每周定时与项目组沟通互动。由学生讨论提出小组项目的详细计划和分工，鼓励学生自主性，从实践中总结经验。以小组为单位的项目实施，鼓励学生探索如何对人力资源进行合理的分工，同时培养学生的团队精神与沟通协调能力;自愿分组、自主选题、导师和学生双向选择的组队方式，给学生一定的自由度，培养学生的学习兴趣，也促进了学生决策力的提升。
（5）创新实验课对明确项目具体目标的要求，有助于提高学生的专注性，帮助学生在有限的时间和精力消耗下实现工作效率最大化。当前的本科生课程多要求学生提交课程设计报告，成果的表现形式较为单一。创新实验课鼓励学生项目小组和校、企导师基于所选的题目，共同商议、制订明确的项目目标。项目目标需要突出实用性，但可以有多样的表现形式，如产品模型、系统、专利和学术论文等，在每个学期通过报告、答辩和海报展示阶段性成果。
（6）创新实验课的实施贯穿本科三、四年级，为毕业设计和就业或继续深造做准备。现有的高校本科生项目或课程设计多存在投资少（时间、精力投入少）、周期短（几周或一个学期为长度）、融合性低（基于单一课程）、回报低（在项目或课程设计结束后难以获得显著成果）的特点，很难达到提高学生结合多种专业知识处理实际问题能力的目标，对学生自主学习的激励性较低。本创新实验课的实施贯穿本科三年级全年和四年级秋季学期（共计三个学期），为一个项目的完整实施提供了时间的保障，为本科生毕业设计和就业或继续深造做了充分的前期准备。同时，创新实验课为学生提供了提前体验科研机构或公司具体工作内容的机会，为本科生的职业规划提供了支持。