“梅花”傲雪，笑迎人工智能教育满园春色

近一年来，国内人工智能教育发展可谓轰轰烈烈，数十所高校成立了人工智能学院、研究院；200多所高校新建了数据科学与大数据技术专业；60所高校增设了机器人工程专业；从人工智能“寒冬”中走来的智能科学与技术专业也破纪录地增加了19所，总数达55所。整个人工智能教育呈现出一派繁荣景象。

大好形势，的确可喜可贺！但值此喜庆之余，也不禁令人想起了教育的本质——“树人”。教育作为一项树人工程，质量和前瞻性应为其首要属性。尤其是高等教育，尽管某些专业在某些时期会因社会急需出现井喷式增长，但质量和前瞻性始终都应该是其首要属性。何谓前瞻性，以人工智能教育为例，2004年我国第一个智能科学与技术专业本科生入校，按照正常情况，他们会在2008年本科毕业、2011年左右硕士毕业、2015年左右博士毕业，正好赶上我国经济社会对人工智能高层次科技人才的急切需求。

历史永远都是一面镜子。15年前，诞生于人工智能寒冬的智能科学与技术专业照出了今天人工智能教育的繁荣；而今天处于人工智能热潮中的智能教育，又该如何面对未来？毫无疑问，首先需要的仍然是质量和前瞻性。

在国务院关于新一代人工智能发展规划的通知（下面简称国务院通知）中有一段内容：“……设立人工智能专业……在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与……学科专业教育的交叉融合。”这段话其实包含了以下4层含义：第一层，建立人工智能专业。从本质上看，人工智能专业与智能科学与技术专业没有太大差别，最多只是侧重点不同，二者相互加强，将形成人工智能教育的核心。第二层，拓宽人工智能专业教育内容。依据新一代人工智能的重要学科方向，结合经济社会重大需求，从人工智能的核心向外衍生，生成若干个面向重大智能应用领域的新生专业，这些新生专业将与智能科学与技术/人工智能专业一起，形成一个新的专业类，即人工智能类专业。第三层，形成“人工智能+X”复合专业培养新模式。即面向行业领域，将人工智能与相应行业的既有专业进行复合，培养面向行业的人工智能研究、应用人才。第四，重视人工智能与……学科专业教育的交叉融合。即对一些非智能专业，更多地融入人工智能方面的教学内容，实现这些专业的教学内容与人工智能的交叉融合。

上述4层含义，实际上为一个由核心层、衍生层、复合层和交叉层所构成的，以智能科学与技术/人工智能专业为核心的IT领域新工科专业体系架构。其中，核心层包括已建设了15年的智能科学与技术专业和有可能被新建的人工智能专业；衍生层包括现有的数据科学与大数据技术、机器人工程专业，以及有可能会被衍生出来的诸如机器学习与知识工程、智能感知与人机交互、自然语言处理、智能无人系统、智能技术应用等专业；复合层由人工智能与各个行业的既有专业复合而成，其专业名称与衍生层的专业名称截然不同，通常采用“智能+行业”形式，如智能医疗、智能金融、智能交通、智能制造、智能农业、智能建筑专业等；交叉层主要体现为原有专业在教学内容方面向人工智能的拓展或与人工智能的交叉融合，但其专业名称通常不会改变，例如，数学与应用数学、计算机科学与技术、物理学、生物科学等主业，不可能会因为与人工智能的交叉融合而改变自己原有的专业名称。

从上述专业体系架构的讨论至少可以看出以下两点：第一，人工智能既不是任何一个现有专业的子集，也不是一个孤立的单一专业，而应该是一个充满生机的新工科专业类，该专业类由上述4层体系架构中的核心层+衍生层所构成。第二，上述4层专业体系构架对应着3种不同类型的人工智能人才培养模式，其中，第一种是人工智能领域的专业型人才，主要由核心层+衍生层专业完成，旨在培养推动智能科学技术发展、加快人工智能领域创新、提升我国人工智能应用水平的专业人才；第二种是针对具体行业的复合型人才，主要由复合层专业完成，旨在培养具有一定行业知识和能力的人工智能研究应用人才，以推动人工智能与各个行业的融合创新。第三种是非人工智能专业领域的交叉型人才，主要由交叉层专业完成，旨在培养对人工智能理论、方法、技术具有一定认知、应用能力的非智能专业科技人才。

显然，由核心层+衍生层所构成的人工智能类专业是人工智能教育的主题。至于如何区分一个专业是否为衍生层专业，其主要依据是人工智能自身的学科结构，尤其是新一代人工智能的基础理论和关键共性技术。例如，数据科学与大数据技术专业，其追求的目标是大数据智能，而在国务院通知中，“大数据智能理论”位于新一代人工智能基础理论之首，“知识计算引擎与知识服务”和“跨媒体推理”等关键共性技术也都与大数据技术密切相关。再如机器人工程专业，新一代人工智能基础理论中的“自主协同控制与优化决策理论”，关键共性技术中的“自主无人系统的智能技术”也都是智能机器人的核心理论和关键技术。

从整个人工智能类专业的角度看，近两年呈爆炸式增长趋势。有人估计，今年申报增设智能科学与技术/人工智能专业的高校至少在百所之上，真可谓“有条件上，没有条件创造条件也要上”。对这种“跃进”局面，从专业发展的角度看，人工智能教育形势大好；但从人才培养的角度看，则需要更扎实的培养措施和更明确的质量要求。不靠形势红利，重视内涵发展，创新培养模式，强化质量意识，应该是当前和今后一个时期人工智能类专业建设和发展的基本出发点。

尤其是对智能科学与技术/人工智能专业，鉴于人工智能研究领域众多、应用范围广泛的特点，其专业建设的关键是要优化知识结构、突出专业方向、注重能力培养、加强实践训练。从知识结构的角度，对智能科学与技术/人工智能专业，参考教育部高等学校本科计算机类专业教学指导委员会智能科学与技术专业教学指导工作组对“智能科学与技术专业规范（讨论稿）”的讨论，以及现有数十所高校智能科学与技术专业的办学实践，可将其知识结构划分为基础知识、专业知识和应用领域三大部分。其中，基础知识包括数学、计算机、电子、控制基础和分布式、云计算基础；专业知识包括专业核心知识、专业方向平台知识和特色专业方向知识3个方面；应用领域包括面向机器人、面向网络、面向数据、面向行业等多个方面。

具体到专业知识，其中的专业核心知识是智能科学与技术/人工智能专业所必须具备的核心知识结构，可由智能科学与技术导论、脑与认知基础、人工智能基础、机器学习初步、数据挖掘、模式识别这6门课程组成，性质为必修。这里需要说明的是，尽管这些课程的性质为核心必修，但也并非每一个专业都必须全部开设，建议根据后期培养需要，选择其中不少于8个学分的课程即可。这种从核心必修课程开始就提供一定选择余地的方式，可满足在专业规范大框架下的专业建设自主性和灵活性。其实，美国卡耐基梅隆大学人工智能专业的课程设置所采用的也是这种选择模式。专业方向平台知识是为不同特设方向所提供的一块公共知识结构，主要包括机器学习进阶、神经网络与深度学习、大数据技术与应用、自然语言理解、机器视觉、智能机器人6门课程，性质为必选。各专业特色方向可根据自身需要选择其中不少于6个学分的课程。特色专业方向知识是为了满足具体专业方向自身需求而设置的知识结构，其课程的设置比较灵活，通常要求6个学分的课程，性质为任选。至于特色方向的设置，可根据各高校的领域背景、学科优势及地域需求等，按照人工智能的学科领域及应用特点确定。例如，可在智能科学与技术/人工智能专业下设置智能感知与人机交互、机器学习与知识工程、智能机器人与无人系统、自然语言处理、智能应用技术等特色专业方向。

在注重能力培养、加强实践训练方面，除了校企共建、校外实训基地等形式外，作为校内教学活动，实验课程和课程设计是必不可少的两个重要环节。对智能科学与技术/人工智能专业，从实验课程的角度，可根据知识结构中各门课程的性质将其分成两类，第一类包括人工智能、机器学习、模式识别、深度学习、大数据分析挖掘、智能机器人6门课程，建议为其中不少于3门课程开设实验；第二类包括机器视觉、数据挖掘、自然语言处理、脑与认知基础、图像理解、智能信息处理6门课程，建议为其中不少于2门课程开设实验。或者在上述两类课程中，为其中不少于5门课程开设实验。从课程设计的角度，建议从人工智能、机器学习、深度学习、大数据分析挖掘、智能机器人、机器视觉等课程中选择不少于2门进行课程设计，每门课程的课程设计时间为2周。

智能科学与技术专业15年的办学实践，为我国新一代人工智能教育蓬勃发展奠定了必要的基础，积累了宝贵的经验。感谢15年来在人工智能低潮中不畏艰辛、顽强坚守的各位人工智能教育工作者！智能科学与技术专业一定会“梅花”傲雪，笑迎人工智能教育满园春色！

今年的“全国智能与科学技术教育暨教学学术研讨会”将在原有内容的基础上，更好地研讨人工智能类各专业之间的协调发展问题，不同类型、不同层次高校人工智能教育的差异化发展问题，以及应用型本科和技能型专科的人工智能人才培养问题。同时，去年启动的人工智能院长/系主任论坛也将同期举行。诚邀并热诚欢迎更多的人工智能教育工作者莅临会议、参与讨论和交流！

感谢《计算机教育》杂志社多年来的热情合作！感谢承办单位为今年会议所付出的辛劳！感谢各位作者和参会代表对会议所给予的大力支持！

让我们共同努力，为我国人工智能类专业的协调、健康发展做出更大的贡献！

（完）

更多精彩：