近年來，人工智能技術領域蓬勃發(fā)展，技術進步日新月異，各類創(chuàng)新技術產品層出不窮，極大提升相關產業(yè)核心技術水平①②。作為這一浪潮中的璀璨明珠，世界智能產業(yè)博覽會不僅匯聚了全球智能科技領域前沿理念、頂尖技術、高端產品，也關注到了人工智能人才培養(yǎng)這一重要問題。智能技術發(fā)展對相關領域高水平創(chuàng)新技術人才的需求日益凸顯，然而人工智能學科所展現(xiàn)出的一些完全不同于其他學科的核心特質，對高校相關專業(yè)人才培養(yǎng)過程形成直接挑戰(zhàn)。

眾所周知，自深度神經網絡結構出現(xiàn)以來，經典人工智能領域幾乎被完全洗牌，深度神經網絡以幾乎壓倒性性能優(yōu)勢迅速取代傳統(tǒng)技術成為人工智能領域各個具體方向的GOAT技術。這也意味著經典人工智能的相關專業(yè)基礎理論在現(xiàn)如今的人工智能理論研究和工程應用中的作用不明顯，甚至可有可無。另一方面，人工智能專業(yè)技術的更新呈現(xiàn)典型的短時覆蓋式特征，即新技術的出現(xiàn)會在極短時間內覆蓋以往技術，使得對以往技術的學習顯得低效甚至無用。對此，本文針對人工智能領域本身固有特點，針對性設計符合社會發(fā)展需求的全新“智人”培養(yǎng)模式，以期為我國乃至全球的智能產 業(yè)發(fā)展輸送更多高素質、創(chuàng)新型的“智人”力量。

一、動態(tài)培養(yǎng)方案模式體系

傳統(tǒng)人才培養(yǎng)模式下，高等學校專業(yè)培養(yǎng)方案最晚于大一新生入校前確定，這意味著學生大三年級所修專業(yè)課程至少慢于主流技術兩年?？紤]到培養(yǎng)方案制定需要履行嚴格的系統(tǒng)論證環(huán)節(jié)，這一延遲至少三年。而人工智能學科近年來展示出的特點表明，相關的技術更新基本以年為單位，因此三年的時間，相關技術可能已經完成兩次以上的換代，容易造成授課體系與現(xiàn)實技術需求的嚴重脫節(jié)?；诖?，我們建議設計引入動態(tài)培養(yǎng)方案模式體系，在培養(yǎng)方案制定時，對于核心關鍵技術課程，只構建框架模塊而不具體指定課程。類似于構建動態(tài)核心技術課程池，每年在培養(yǎng)方案執(zhí)行前，對該學年擬授課程進行時代技術適應性論證，確保核心關鍵課程始終與主流技術相匹配。

二、細分方向定制人才培養(yǎng)

人才培養(yǎng)過程中，定制化人才培養(yǎng)是一個永恒的話題。但不同于簡單地進行學術類和工程類人才培養(yǎng)區(qū)分，我們建議針對人工智能的細分技術特點制定細分定制人才培養(yǎng)模式。根本性原因在于，當前的人工智能技術高度具體化，不同技術領域之間的技術壁壘日益明顯，僅開展通用性學習在投入和產出方面性價比較低。正如從事安卓系統(tǒng)開發(fā)工作的人花費大量時間進行iOS系統(tǒng)學習是完全沒有必要的。人工智能作為當今高精尖技術專業(yè)方向，系統(tǒng)性區(qū)分各具體方向，并進行針對性人才培養(yǎng)非常必要。

三、引導式授課模式

如前文所述，人工智能知識的更新速度遠高于傳統(tǒng)學科專業(yè)，因此再對具體知識進行抽絲剝繭地系統(tǒng)性講授容易帶來知識過時、授課內容陳舊等問題。因此我們建議核心關鍵課程采用引導式授課模型，即授課過程中著重對技術知識體系進行梳理，為學生搭建系統(tǒng)性知識脈絡，而非具體知識講授，使得學生能夠對當前主流知識體系有明確認知，對于技術特點、適應場景、優(yōu)缺點等有清晰的理解。而具體知識點則由學生通過自主學習實踐進行補充。

四、項目式專業(yè)技術能力培養(yǎng)

引導式授課模式的典型特點在于需要學生進行大量課后工作，將教師搭建的知識框架體系真正扎實、豐滿，同時還需要融入實際知識應用過程才能夠真正實現(xiàn)知識的融會貫通。因此，我們建議相應引入項目式技術能力培養(yǎng)鍛煉，通過具體項目，引導學生主動進行知識學習和應用實踐，只有應用起來的知識才是真正有價值的知識。

（作者系天津工業(yè)大學人工智能學院副院長、教授、博士生導師）

責任編輯：王穎振、鄭凱津

①I. Ahmed， G. Jeon and F. Piccialli， \"From Artificial Intelligence to Explainable Artificial Intelligence in Industry 4.0： A Survey on What， How， and Where，\" IEEE Transactions on Industrial Informatics， vol. 18， no. 8， pp. 5031-5042， 2022.

②Davinder Kaur， Suleyman Uslu， Kaley J. Rittichier， and Arjan Durresi， \"Trustworthy Artificial Intelligence： A Review，\" ACM Computing Surveys. 55， 2， Article 39， 2023.