《通用人工智能人才培养体系》的引子

回国后第一份工作,有机会参与清华北大通用人工智能实验班(“通班”)的建设,时常感到一种错位感,巨大光环背后的迷茫,教育体制下的宏大叙事个体细微的生命体验之间的错位,诚如项飚所说,每个人都是一只蜂鸟,拼了命地振动双翅无非是为了悬停在空中。无论是学生,老师,还是作为支持者的我。

在无数个瞬间思考自己能否做点什么,又在无数个瞬间抱着“算了,何必惹来不必要的麻烦”的心态放弃。最终决心,自己至少做到坦诚,不轻视每个对谈者,也不敷衍每段遭遇。

下文是北大出版社《通用人工智能人才培养体系》的章节节选,作为执行主编,承担的工作更像是一个协调者,如果说这本书有什么可取之处,抛开大篇幅的课程设计,大约可以归纳为两点:

1)只有先成为人,才能成为人才。对于一个人的发展来说,相比于具体的”术“(知识和技术),人文素养和科学精神是我们给出的”道“。

2)通才 = 通识+通智+通用 。通识是博雅教育,亦包含人工智能和人文、艺术的结合;通智是人工智能的核心领域,包括:视觉、语言、学习、机器人学、认知推理、多智能体;通用是人工智能在具体场景中的应用,包括:AI+教育、AI+健康、AI+金融等。

第一章 人工智能的学科背景

1.1 人工智能的战略地位

人类文明的发展历经蒸汽时代、电气时代和信息时代,正在迈向智能时代。人工智能是第四次工业革命的核心技术,正在释放科技革命和产业变革积蓄的巨大能量,对经济发展、社会进步等方面产生重大而深远的影响。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略,加紧积极谋划政策,围绕核心技术、顶尖人才、平台架构等强化部署,力图在新一轮国际科技竞争中掌握主导权。

全球AI战略布局已经全面开展。美国以《为未来人工智能做好准备》、《美国国家人工智能研究与发展策略规划》、《人工智能、自动化及经济》与《美国人工智能倡议》四大政策文件为基础,形成了从技术、经济、伦理、政策等多个维度指导行业发展的完整政策体系。2021年美国成立了专门的国家人工智能倡议办公室,负责监督和实施国家AI战略,以及国家人工智能研究资源工作组,帮助建立一个共享的国家人工智能研究基础设施;欧盟2021年通过了《人工智能法》提案,加强对于人工智能的使用、投资和创新,以打造欧盟全球信赖的人工智能中心的地位;英国2021年发布了《国家人工智能战略》,制定了一个旨在使英国成为全球AI超级大国的十年发展计划,包括“AI生态的长期投资”、“AI惠普”、“AI的有效治理”三个维度。

中国在人工智能发展方面积极布局谋篇。国务院2017年发布的《新一代人工智能发展规划》表明了我国在人工智能科研建设上的决心,《规划》提出到2025年我国人工智能基础理论实现重大突破,部分技术与应用达到世界领先水平,力争到2030年我国人工智能理论、技术和应用总体达到世界领先水平,成为世界主要人工智能创新中心。2021年3月出台的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中,“智能”、“智慧”出现更是高达57处。我国经济从高速增长向高质量发展的重要阶段,以人工智能为代表的新一代信息技术,将成为我国”十四五”期间推动经济高质量发展、建设创新型国家,实现新型工业化、信息化、城镇化和农业现代化的重要技术保障和核心驱动力之一。

1.2 智能学科建设背景

2022年9月13日, 教育部公布“智能科学与技术”专业成为新增的交叉门类的一级学科,与数学、物理、化学和计算机等学科平行,标志着我国智能学科的发展已经进入一个新的历史时期。截至2022年2月,我国已有440所高校设置“人工智能”本科专业,248所高校设置“智能科学与技术”本科专业,更多高校设置与人工智能相关的交叉学科或学科方向,通过教育形成了我国多层次多类型的人工智能人才培养系统。

智能学科涵盖两个专业:“智能科学与技术”和“人工智能”。

智能科学与技术专业是一门研究自然智能的形成与演化的机理,以及人工智能实现的理论、方法、技术和应用的基础学科,是在计算机科学与技术、统计与机器学习、应用数学、神经与脑科学、心理与认知科学、自动化与控制系统等基础上发展起来的一门新兴的交叉学科。

人工智能专业过去一直被看作是计算机的一个应用技术与工程领域, 1970-80年代人工智能热潮中代表性的是专家系统与知识工程。近年来,大数据、深度学习的快速发展与普及应用,成为本次人工智能热潮的主要代表性技术,人工智能被赋予了新的内涵,变成了一个赋能百业的技术,包含数据智能、计算智能等。鉴于这种广泛的社会认知,也为了区分智能科学与技术专业,我们认为人工智能专业的定位是:在智能科学与技术研究的基础上,与文、理、医、工等多学科交叉融合,开展诸如数字人文、智慧法治、科学智能(AI for Science)、智慧医疗(AI for Medicine)等交叉研究,是一门以学科交叉为特色的专业。

当前,“智能科学与技术”已经被教育部认定为一级学科,“人工智能”这个名词也炙手可热,其内涵与外延也在随着技术发展、媒体的宣传不断演变,当前科技界、教育界乃至整个社会缺乏对智能学科的准确认识和把握,以及所涉及两个专业之间的内在关系仍然不够清晰,迫切需要首先对如下两个问题做出回答:

问题1:智能学科为何可以成为一门独立的学科?

图1-1 计算机学科与智能学科的比较

智能学科与计算机学科密切相关,很多学校的智能学科是由计算机一级学科下的二级学科衍化而来。当前社会上非专业人士的认知也往往认为智能就是计算机,概念含糊不清。本质上,智能学科和计算机学科有着完全不同的学科内涵。如图1所示,计算机学科的核心目标就是“造计算机”,是研究计算机的设计与制造和利用计算机进行信息获取、表示、存储、处理、控制等的理论、原理、方法和技术的学科。通过程序员(用户)编制计算机能理解的语言(程序),在计算机系统上运行,实现由性能驱动的计算功能。而智能学科的使命则是“造智能体”,研究的对象是客观与主观混合的智能体,通过构造一个统一的理论与架构,来解释智能体在物理与社会场景的“相互作用”中表现出的多个尺度和复杂度下的智能现象,如:视觉识别与重建、自然语言理解、认知与常识推理、任务与运动规划、环境交互与具身智能、心智模型与认知架构、学习理论、价值体系、社会伦理等。智能体能够通过行业用户的自然语言对话沟通,对齐知识、模型、与价值观,在动态不确定场景中实现由价值驱动的各种复杂的任务。

因此,如同60年前基于数学、物理、电子等学科衍生出了计算机学科一样,智能学科是在计算机、统计与机器学习、应用数学、神经与脑科学、心理与认知科学、自动化与控制系统、工学、哲学等众多学科发展的基础上应运而生的一门独立的、以多学科交叉为特色的新兴学科,将通过人工智能技术实现与文、理、医、工,特别是与人文社科领域的深度交叉融合。

1.3 智能学科前沿现状

人工智能在全球范围内大发展的同时,一系列问题也日益凸显。当前我国乃至全球范围内政、商、产、学、研各界流行的人工智能模式,是以大数据、大算力和深度学习为代表的科研范式。基于该科研范式研发的智能系统(如智能推荐系统、智能问答系统等)在过去10多年的确在科学研究和产业应用中取得了巨大进步,对世界经济的发展起到了巨大的助推作用。但是,越来越多的研究和实践表明,该模式遇到的瓶颈问题也日益突出,主要表现在:只能做特定的、人类事先定义好的任务;每项任务都需要大量的数据与标注;模型不可解释、知识表达不能交流;大数据与计算的成本昂贵等。

智能系统之所以能够广泛地应用到各行各业,归功于强大算力支撑下复杂模型的成功学习,特别是一些超巨复杂大模型。以语言模型GPT-3为例,该模型是拥有1750亿参数的巨大自回归语言模型,训练该模型需要花费1200万美元,存储模型参数需要700G的硬盘。GPT-3模型的性能的确可以在许多自然语言处理任务以及基准测试中获得显著提升,但是因其巨大的数据需求、资源消耗和代价,众多企业对部署和应用该模型只能望而却步。同时,这个科研范式也导致产业界对人工智能形成种种狭隘认知:“人工智能等价于喂数据”、“人工智能就是一种工程应用”、“职业培训就可产出人工智能专业人才”等。传统人工智能科研范式遇到的瓶颈问题和当前社会对人工智能的不当认知,已经成为阻碍智能学科健康发展的不利因素,呼唤面向未来发展的新的人工智能科研范式出现。

传统的人工智能范式可以认为是“鹦鹉范式”。该范式的特点是“大数据、小任务”,本质上可以认为是一种复杂的查询,具体表现为:“需要大量重复数据来训练;可以说人话、但不解话意;不能对应现实的因果逻辑”。面向未来人工智能发展的科研范式更应该是“乌鸦范式”。该范式具有“小数据、大任务”的特点,具体表现为:“具有自主的智能,能够感知、认知、推理、学习和执行;不依赖于大数据,基于无标注数据进行无监督学习;智能系统低功耗,小于1瓦”。

不同的智能研究范式选择,将导致不同的系统和路径。对人工智能不良的社会认知,势必影响人工智能人才培养和发展。因此,非常必要厘清如下两个问题:

问题2:重回起点,何为智能?

我们认为,智能是一种现象,智能是智能体在多尺度和多维度上与环境和社会交互,实现大量任务的过程中表现出来的现象,包括(1)个体生存与环境交互,如感知、因果推理、不确定性下的决策、行为动作;(2)内心的认知活动,如心智理论、自我意识、自知之明、自信;以及(3)社会群体行为,如语言、通讯、解释、学习和协作。智能现象是在价值驱动下自主产生的行为,从而改变外部和自身可变状态。智能现象的产生需依赖两个基本前提条件:价值链条(Values)和因果链条(Causality)。

价值链条是生物进化和生存的一个“刚需”。如个体的生存、吃饭和安全问题,而物种传承需要交配和社会活动。这些基本任务(或需求)会衍生出大量的其它任务,行为是被各种任务驱动的。任务的背后隐藏着价值观和决策函数,这些价值函数大多在进化过程中就已经形成了,包括人脑中发现的各种化学成分的奖惩机制,如多巴胺(快乐)、血清素(痛苦)、乙酰胆碱(焦虑、不确定性)、去甲肾上腺素(新奇、兴奋)等。在价值链条的基础上,智能体需要理解物理世界及其因果链条,以适应这个世界。因果链条决定了任务完成的路径。因果链条基于自然和社会规律,为任务的实现设定了限制。

因此,当前被社会所广泛认知的、基于大数据驱动的人工智能,其本质上都可以认为是在求解反问题,“知其然,但不知其所以然”。所以,社会认知的智能和专业定义之间的差距相距甚远。

问题3:智能科学是不是一门科学?

物理学研究的对象是客观的无生命的物体,比如经典力学,通过一些“势能函数”U来描述各种“相互作用”,由此导出“场”与“力”的概念,以及物体的运动方程,目标是构建一个统一的理论来解释多个尺度和复杂度下的物理现象。

智能科学研究的对象是客观与主观混合的智能体,通过构造一个统一的理论,来解释智能体在物理与社会场景的“相互作用”中表现出的多个尺度和复杂度下的智能现象和能力。

智能的现象和能力按照关键学术领域划分,可以划分为:

计算视觉:物体识别、属性理解、三维重建、场景理解、行为分析、…;

自然语言:语义解译、对话意图、语境落地、共享情景、语义语用、…;

认知推理:功能用途、物理关系、因果判断、社交意向、高阶意识、…;

机器学习:符号连接、统一表达、归纳演绎、因果模型、价值获取、…;

机器人学:任务规划、物理推导、因果理解、镜像映射、社交礼仪、…;

多智能体:价值函数、利益博弈、社会组织、伦理规范、道德法治、…。

为对上述智能现象进行解释,智能科学的理论包含两个成分:(1)理:自然的模型(物理)和社会的规范(伦理),可以由一组势能函数U表达;(2)心:由认知架构和一组价值函数V表达。每个智能体由两组(U,V)函数来刻画。智能科学的研究方法就是通过构造最简约的认知架构与U、V函数,研究它们在模型空间的跳转与升维,并解释各种智能现象。因此,智能科学的核心任务则是研究并构建统一的理论框架,来解释以上智能现象,与计算机学科有着本质的差别。唯有如此,智能科学才能成为一门科学,才不会被社会认知为工程应用和职业培训。

1.4 人工智能发展趋势研判

以史为鉴,可以知兴替。对人工智能未来发展趋势的研判,需要对其发展历史予以回顾。人工智能发展历经多次繁荣与衰落的周期轮回。1956-1974年的第一个黄金时代见证了机器定理证明和逻辑推理的突破。而在1974-1980年,因过于强调通用求解方法,忽略了知识表征,导致了第一次寒冬。随后,1980-1987年迎来了发展的第二个繁荣期,知识库和知识工程是主要的研究对象。而在1987-1993年,由于“符号落地”和“常识获取”的发展制约,人工智能遭遇第二次寒冬。1990年代至今,人工智能开始进入平稳发展期,分化成几个子领域,包含计算机视觉、自然语言处理、认知与推理、机器学习、机器人学、多智能体领域等。每个领域均出现过突破性的成果,但是每个独立的成果局限在自己的子领域中,人工智能距离达到人类通用且泛化的智能水平仍然相差甚远。

人工智能的发展起伏跌宕,其哲学思想也经历几次转变。第一时期(1960-1990)西方哲学思想引领了人工智能的发展。以苏格拉底、柏拉图、亚里士多德为代表的辩论与逻辑,发展成为严密的命题逻辑、谓词逻辑、事件逻辑等体系,为人工智能的逻辑、表达与推理等方面提供了理论框架。第二时期(1990-2020) 概率建模、学习与随机计算占据主导地位。核心代表人物包括乌尔夫·格林纳德(Ulf Grenander)、朱迪亚·珀尔(Judea Pearl)、莱斯利·瓦利安特(Leslie Valiant)、杰弗里·辛顿(Geoffrey Hinton)等。研究思想与儒家的方法论“格物致知”一脉相承,本质是从数据到模型的知识发现过程,与当今人工智能领域的的大数据方法思路相似。然而,大数据催生的人工智能系统缺乏内驱的价值体系,缺乏主观的能动性,这种内驱的价值体系被中国哲学称之为“心”, 后者提出“心即是理”, “心外无物”等概念。

未来若干年内人工智能应该怎样发展,其哲学思想是什么?有如下研判:

研判1:人工智能核心领域将高度融合、走向统一,实现从弱人工智能向通用人工智能转变

经过近30年的分治,人工智能的六个核心领域(计算机视觉、自然语言处理、机器学习、认知与推理、机器人学和多智能体)呈现出对内融合、对外交叉的发展态势。人工智能领域的发展将寻求统一的人工智能架构,以实现人工智能从感知到认知的转变,从解决单一任务为主的“专项人工智能”向解决大量任务、自主定义任务的通用人工智能转变。

学界和业界尚未能对通用人工智能做成准确的定义,但形成的基本共识是,通用人工智能应该能像人一样思考和推理,具备自主感知、认知、决策、学习、执行和社会协作能力,符合人类情感、伦理与道德观念。我们认为通用人工智能不只是能完成若干个人为定义的任务,而是能够根据复杂动态场景自主定义任务,从而实现无限的任务。简单的任务数量的叠加不过是完成了从N到N+1的量变,不能算作通用人工智能,必须由量变转为质变,从有限转为无限,从人为定义任务转为自主发现和适应新任务,才能实现通用人工智能。

图1-2 人工智能的发展趋势

未来人工智能研究亟需新的哲学思想作为指导。为机器立“心”,实现由“理”(数理模型)到“心”(价值函数)的过渡,智能体由“心”驱动,实现从大数据到大任务、从感知到认知的飞跃,是迈向通用人工智能的必经之路。

研判2:人工智能在对内实现各核心领域融合、统一的同时,对外着力推进多学科交叉和开拓

学科日益分化导致知识割裂,学科间壁垒重重。科研探索愈发窄化,着眼学科内部微观课题,缺乏原始创新。跨学科交叉和融合是破局之关键,汲取不同学科的洞见,重塑对于世界的整全认知,方能激发底层创新。人工智能作为一门新兴交叉学科,与其他众多学科的交叉融合具有巨大的科学意义与重要的赋能价值。例如,人工智能与工科、医科的融合,产生交叉学科——机器人学和精准医疗、智慧健康等应用领域;人工智能与神经科学的融合,派生出新兴研究领域——类脑计算;人工智能与人文社科的融合,是双向、深层次融合,双向互补、彼此成就,不仅促成了计算社会学、人工智能伦理与安全等学科方向,还对文明的演化和社会的治理具有重要意义。

呼应人工智能对内融合、对外交叉这一发展趋势,我们构建了“通识、通智、通用”的通用人工智能人才培养理念:通识以人本思想、全人发展理念作为指导,涵盖人工智能和艺术、人工智能和人文等课程;通智强调人工智能的学科内涵,覆盖人工智能核心理论、方法和技术,包括计算机视觉、自然语言处理、机器学习、认知与推理、机器人学和多智能体等六大领域;通用关注人工智能作为工具为应用型产业赋能的潜力,涵盖人工智能与健康、人工智能与金融等课程。

1.5 智能学科发展愿景

当前以“数据驱动”的大模型为代表的人工智能发展遇到无法回避的障碍,表现在强烈依赖数据、模型不可解释、缺乏常识理解等,主要原因在于其不具备人类的认知和推理能力,更缺乏人类的情感和“价值观”,其思想来源干涸,即缺“心”。一个不能理解人类、不能理解社会的模型,就无法造福人类社会。人工智能只有提升对于人以及社会的认知与理解水平,才能更好地融入人类社会。

人工智能与人文社科交叉是为机器立“心”的重要路径。人工智能与人文社科(哲学、美学、人文、艺术、经济学、社会学等)的深度融合和大跨度交叉,将为人工智能的发展开辟新的路径,是驱动人工智能持续发展的新的动力源头。理论物理学家费曼说过:“What I cannot create, I do not understand(凡是我不能创造的,我就不能理解)”。换言之,如果人类不能实现对自身和对社会有准确的认知和理解,则很难造出像人类智能一样智能体。要实现人类水平的智能,首先就要理解人与智能的本质,而这是人工智能学科难以独立完成的,需要人文学科的指引与协助,通过与人文社科交叉为机器立“心”。

为机器立“心”,就是要用人文社科的思想赋能人工智能,给机器人建立三观,让机器学会人类一样的“价值观”。开发出拥有常识理解和推理能力、能够实现快速学习、任务迁移,符合人类价值观的通用人工智能体。这其中的关键就是寻找一个统一的人工智能认知架构,以实现人工智能从“专项人工智能”向“通用人工智能”转变。

为人文赋“理”,就是用数理模型研究和赋能人文、社科、哲学、艺术等人文学科,为人文学科发展提供新的方法、模型、和理论工具,用全新的方式解读儒释道的经典,诠释并弘扬中国思想,增强“道路自信、理论自信、制度自信、文化自信”。“为人文赋理”的目的是用数理模型表示人文经典,用人工智能系统可以理解的方式了解人类文明,从而构建起人工智能与人文社科沟通的桥梁。虽然数字人文、计算人文发展多年,但总体数理建模能力严重滞后,需付出极大的努力来提升自己的数理水平,这是高等教育重塑传统人文学科的一次重大机遇。

未来,通用人工智能的发展将重塑人类文明。1919年的 “新文化运动”,其本质是西方文明与东方文明的冲突和融合。在这个过程中,中华文明被认为是落后的、弱势的。百年之后的2020年同样是一场剧变:随着智能时代来临,通用智能体的出现,人类文明与人工智能将有新的冲突与融合,出现人、机混合的文明。前沿的人工智能科学家现在开始意识到:人的智能不是唯一的、人只是一种更高级的通用智能体,但不是终结,人已不再特殊。人类社会发展已经完成了由自然人到社会人(文化、文明)的转变,现在正在向智能人(数据、信息、智能)的阶段迈进。人工智能学者有责任从哲学的高度和视角加以解释和引领,从全球视野、人类进步的高度,创造出与科技进步相匹配的新的思想和理论。

在人、机混合的时代,我们要重新思考人性和人文,创造属于中国自己的文明,引领世界未来发展,这是一次新的关乎中华民族未来命运之机遇。我们要以中国东方哲学思想,重塑世界科技前沿,重新定义人文与社科,建设全球人工智能创新策源地。以中国之思想,创世界之科技。

第二章 通用人工智能人才培养体系概述

2.1 人工智能人才培养现状

规模化的高层次人才队伍是全球人工智能创新的核心。目前全球人工智能竞争如火如荼,快速扩张和高速发展暴露了全球人工智能人才存量不足、质量不高、增量有限等问题。为了系统性地解决人才问题以推动人工智能的可持续发展,高校是人才培养的主阵地。

教育部于2018年出台《高等学校人工智能创新行动计划》,提出应“完善人工智能领域人才培养体系,推动高校建立与科技创新、产业发展需求相适应的人才培养体系”;并于2020年印发《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》,鼓励高校在深化人工智能学科内涵基础上,“构建基础理论人才与‘AI+X’复合型人才并重的培养体系,探索深度融合的学科建设和人才培养新模式”。

在系列政策的推动下,不少高校制订了人工智能人才培养方案,并设计了相应课程,有一些教育实践取得了一定收效,但整体亦存在一些问题。

其一,缺乏基于人工智能学科内涵和外延的系统性指导框架。人工智能热潮引发了家长和学生对于人工智能专业的追逐,一些项目虽然名义上纳入了人工智能特色,但实际上多为简单的“拼盘化”思路,针对热点增设几门相关的课程,尚未科学地和系统地对学科体系进行设计,无法准确定位人工智能领域前沿的问题意识、理论、方法和技术,不足以称之为真正的人工智能人才培养方案。前者之于后者,如同“鱼香肉丝”和“清蒸全鱼”的差异。

其二,缺乏高层次人才培养所需的本硕博一体化体系。高校作为培养“面向世界科技前沿”和“面向国家重大需求”的人才主体,其培养目标应该是人工智能方向的世界高层次领军人才,故需要更长的人才培养周期。目前已有的培养方案多以学历(例如本科生、研究生)作为节点进行相应的设计,欠缺长程的本硕博贯通的一体化培养方案。

其三,缺乏人工智能学研产的生态链布局。人工智能作为颠覆性技术,对产业和社会经济的影响力巨大。人工智能人才培养,需要扎根全产业链和社会发展需求,不应只局限于课堂之内,更应强调科研实践能力。故高校联结科研机构或企业搭建互利共赢的科研实践平台,在课程体系内增加科研实践的比重是人工智能人才培养中不可或缺的一环。

2.2 通用人工智能人才培养体系

我们旨在提出一套通用人工智能方向的本硕博贯通式人才培养体系,其核心培养目标是:培养面向世界前沿科技的人工智能复合型顶尖人才。在充分把握人工智能“对内融合、对外交叉”这一学科特点的基础上,我们提出了“通识、通智、通用”这一人才培养框架。

人才培养以“通识”为基底,通识教育最早起源于古希腊时期的博雅教育理念,鼓励学生早期不囿于细分的专业化知识,而是在不同学科间尤其是人文领域融会贯通,以培养其独立思考的能力和人文情怀,以真正成长为丰盈的个体。今日,人工智能正在进入人文和社科的腹地,人工智能和人文社科的深度交叉让传统学科焕发生机。通识具体课程上包括:人工智能和人文、人工智能和艺术、人工智能和法律等等。

人才培养以“通智”为核心,即帮助学生理解和掌握人工智能专业的基础理论和方法,并构建人工智能学科内知识图谱和领域全局观。通智课程包含通用人工智能发展所需的六大子领域的相关课程,包括认知与推理、计算机视觉、自然语言处理、机器学习、机器人学、多智能体等。通智课程的设置回应了人工智能作为新兴独立学科的内涵以及其问题意识,启发学生在前沿科研方向上求索。

人才培养以“通用”为支撑,即让学生掌握在人工智能基础支撑学科(比如数学、物理、计算机)上的知识和技能,并具备切实的动手能力和科研实践精神,能将所学应用到健康、医疗、金融、智能制造等产业,为社会创造价值。

综上,我们希望培养,具备人文素养和家国情怀、独立思辨和跨学科思维,掌握人工智能核心理论和技术,勇于实践开拓科研格局的高层次复合型人工智能人才。我们得到人工智能人才培养公式如下:

通识+通智+通用 = 复合型人工智能人才

此培养体系具备以下两大特色:

其一,培养方案注重人才长程的全面发展和综合素养。“通识、通智、通用”的人才培养总框架贯穿本硕博,形成一体化的人才成长路径。我们坚信,只有理论和实践并重、具有完全人格和专业素养的年轻人才能够引领人工智能的未来发展方向。

其二,在课程设置上,纵向扎根与横向拓宽并举。以涵盖人工智能专业知识体系的通智课程为核心,辅之实践为导向的通用课程,学生得以加深对学科内涵的理解,并打下丰厚的科研基础,有利于继续深造,面向世界科技前沿,探索人工智能无人之境;另一方面,通识课程强调人工智能的跨学科交叉,人工智能与艺术、人工智能与人文、人工智能与社会科学等课程有助于学生理解人工智能的外延。通过引入其他学科的问题、方法、理论和实践经验,透过交叉,创造性地产生新的学科及其相应的理论和技术,横向拓宽学生潜在的职业发展道路。

2.3 通用人工智能人才培养实践案例

此套通用人工智能人才培养本硕博方案依托北京大学、清华大学开展教育实践,由北京通用人工智能研究院作为校外实训基地承载清北,但亦可以作为一套完整自洽的人才培养框架,推广到不同高校。

2.3.1 北京大学通用人工智能人才培养概述

北京大学是中国最早开展人工智能研究的大学之一,1988 年成立了人工智能领域最早的国家重点实验室之一,2002 年创办了中国第一个智能科学系,2007 年最早建成本、硕、博完整的培养体系。2019 年成立人工智能研究院,作为校级实体机构推动人工智能前沿交叉研究。2021 年成立智能学院,进一步整合原智能科学系和王选计算所力量,并将“智能科学与技术”设立为“双一流”建设学科。

北京大学对“智能科学与技术”和“人工智能”专业做了如下布局: “智能科学与技术”专业注重智能科学与智能技术相关的数理基础和专业知识体系的培养,强调学科自身各分支知识体系的融合和统一,隶属智能学院,注重专业基础; “人工智能”专业在培养智能专业相关数理基础和专业知识之外,更强调与其他领域(人文、社科、理科、医科)的跨学科交叉,需要建立独有的学科交叉课程培养体系(数字人文,智慧法治、智能社会等),放在人工智能研究院。人工智能研究院是校属交叉研究平台,便于与北大各院系的交叉发展, 研究院2021年获批“人工智能”本科专业和“人工智能”博士学位点,成为北京大学自设一级学科,强调学科交叉。

第三至五章节会具体展开通用人工智能本硕博人才培养方案的详细内容,其中第三章节主要为本科生的人才培养,即依托于北京大学元培学院建设的通用人工智能实验班(简称“通班”)的情况,第四、五章为研究生的人才培养。第四章落脚点在人工智能的学科内涵,即对内融合,依托北京大学智能学院开展工作,学生以人工智能的具体子领域为研究方向,旨在突破前沿基础理论;第五章落脚点在人工智能的学科外延,即对外交叉,依托北京大学人工智能研究院开展工作,学生选择人工智能的交叉学科进行研究,旨在产生创新的跨学科交叉探索成果。    

2.3.2 清华大学通用人工智能人才培养概述

清华大学是我国乃至世界人工智能领域一支重要的学术力量,为人工智能领域培养、输送了大量的人才。清华自动化系在人工智能领域具有雄厚的研究基础,特别是在计算机视觉、智能机器人等领域上有突出的成果。依托清华自动化系在人工智能师资力量与学科建设上的积累,清华大学于2021年4月建立通用人工智能本科生因材施教培养计划。

自动化本身就是一个交叉领域,与电子、医学、制造等等都交叉,这与小数据、大任务的通用人工智能技术范式非常契合。除了“智能”以外,自动化系还强调“系统”,用“控制论、信息论、系统论”的理念来培养学生,这也与追求人工智能大一统的理论和研发通用人工智能系统的思路契合。第六章节会具体展开清华自动化系“因材施教”培养计划的详细内容。

2.3.3 北京通用人工智能研究院支撑人才培养概述

北京通用人工智能研究院定位于非营利性的新型研发机构,由北京市政府、科技部、教育部支持建设,北京大学、清华大学等优势单位合作支撑,其目标是实现具有自主的感知、认知、决策、学习、执行和社会协作能力,符合人类情感、伦理与道德观念的通用智能体。

作为一流的研发机构,通用人工智能研究院开创了与清北共建未来通用人工智能人才培养模式;搭建了复合型的师资结构,形成战略科学家引领开题,领军人才和青年科学家做项目导师,学生自主进行前沿科研实践的梯队组合拳,使得人才培养和科研工作紧密融合为一体,为未来打造一支兼具人文素养和专业深度的科技王牌军。

Scroll to Top