AI本科教育是否要单独设系？周志华、孙茂松等教授给出了犀利见解

作为AI产业发展最重要的基础，人才挖掘与培养一直是产业关注的焦点。

“2018中国人工智能峰会”活动中，分论坛关于AI人才教育的议题引发了多方关注。在AI速发展的今天，人工智能人才短缺的问题正在制约整个行业的发展，为此论坛特别邀请了多位人工智能领域的知名学者，共同探讨AI才教育的发展之路。

在本科阶段设立单独的人工智能学院，一直是学术界有分歧的一件事。在论坛中，就此问题孙茂松、周志华等教授也各抒己见，探讨了其实施的必要性与现实性。其中孙教授和周教授给出了不同的看法，而其他几位教授也提出了自己的观点。

以下为本场论坛部分演讲内容摘录：

清华大学计算机科学与技术系教授，清华大学人工智能研究员常务副院长，孙茂松提出：大学教育要“通“一些、现在人工智能是否已经具备了组就独立的本科专业基础？

图 | 孙茂松

我谈的是“人工智能与教育漫谈”，这个题目太深，所以用一个轻松一点的词叫：漫谈。要特别强调讲的纯属个人观点，不代表单位，特别是人工智能教育，可能有些敏感，不代表单位，只是我个人的意见。

人工智能教育，我认为有四个层次。第一个层次是面向科学家的人工智能教育，这是处于教育链的上游；第二个层次面向工程师的人工智能教育，这个是在中游。大学里还有面向所有工科的人工智能教育；第四个就是面向产业的人工智能教育，这个是下游，有点像培训。

我这里主要想谈本科教育，本科教育实际上是本钱，现在教育部说以本为本，确实是本。当然南京大学成立了人工智能学院，这个是动本的东西，要发展本科了，所以这个问题怎么看？清华的想法没有明确说，所以我说我是个人观点，我感觉清华是这样，清华不会从计算机科学与技术本科专业中分解出人工智能本科专业，这个成立不成立，都是学校根据自身发展的特点来决定的，我不涉及，我只说清华应该不会。

几个原因。 一个其实也不是立业，我们系在清华今年是60周年，我们60年积攒的口碑根深而枝叶茂，其次大学教育是通与专的关系，你是通才还是专才，这也是老问题，我们觉得大学教育还是要通一点，其实清华老校长30年代就发表过一个文章，认为大学本科通专兼顾，重心应在通而不在专。这里面涉及到一个通专问题，计算机已经分的比较多了，先分软件学院，又分出网络空间安全，再分会不会变的比较专，所以越来越专，这也是我们一个没有想清楚的，但又是一个考虑；第三个是最重要的，现在人工智能是否已经具备了组就独立的本科专业基础，这实际上是指课程，这基础课、核心课，使的现有的计算机本科专业难以包容，支撑而非得“单立门户”？。这个如果有差别我觉得就没有问题，没有差别的话，就要想一想了。

南京大学人工智能学院院长，周志华则认为，“人工智能真的要培养高水平的人才可能就真的需要新的课程培养体系，不是原来简单调整就能做到“。

图 | 周志华

从教育的角度来说，人工智能关注三个条件：有助于人类社会谋福祉，有助于解决产业创新需求，有助于学生未来职业发展。所以我们谈的人工智能绝对不是人造智能。我们想培养的人才第一应该具有源头创新能力；第二具有解决企业关键技术难题的能力。

高水平的人工智能人才，一定要具备很好的数学基础；第二个是计算科学功底扎实；第三是人工智能专业知识全面。

教育部规定本科毕业需要150个学分，通识通修课60学分，在现在的教学体系下整个课程体系分成很多模块，比如说学科平台课有多少模块，专业核心课有多少模块，我们这个体制和美国教育体制不一样，美国教育体制开很多课，随便学生学哪些课就行，我们已经分成若干个模块，每个模块学生要修满一定的分数，学生开很多课，其实自主性很少，学科平台+专业核心课约55分，尚未出现人工智能的专门课程，但仅剩约20学分。人工智能只是一个分享，还有理论、软件、图形、多媒体方向等等，最后造成结果实际上对一个本科培养体系来说，能够为人工智能开三门课就了不起，三门课要把前面内容覆盖掉基本上是不可能的事情。

我们现在数学的课程实际上离人工智能专业要求有相当大的距离，我们说大的五大基础课，线性代数+矩阵论，我们基本上不讲矩阵论，大家看机器学习书，中间有相当一部分给学生补矩阵论；第二个数学分析，我们现在工科数据已经大部分浓缩，很多学校开微积分，或者微积分跟其他合在一起叫高等数学；第三个概率论与数理统计，很多地方作为选修课；第四个最优化方法基本上不开设，还有数理逻辑很多不开设，或仅作为选修。我们是不是把这些数学课程加深一点就行呢？可以，但是课时从哪儿来，比如数学分析应该学三学期，我们数学分析、微积分、高等代数合在一起只有两学期，那其他的从哪里挤出来，基本上没有办法。我们得到的结论人工智能真的要培养高水平的人才可能就真的需要新的课程培养体系，不是原来简单调整就能做到，简单调整不管从深度、广度、内容覆盖面是绝对步步到现在所期待的这么一个需求。

中国科学院自动化研究所所长、研究员，中国科学院大学人工智能学院院长，徐波认为——

图 | 徐波

我们这一轮人工智能最大的不同，是在企业创新能力的崛起。还有一个特点，就是与行业高度融合，人工智能+就跟各行各业交叉融合。

现在人工智能领域的企业，都在建立自己的人工智能研究中心，人才流动快，需求也大，存量少，而且人才培养难度大。海外引进人才远远解决不了AI才短缺的问题，所以要立足于自己的培养。

我们基础人才比例明显偏低，在学科设置中需要考虑人工智能人才的培养，需要注重于AI的产业应用背景，建立机制，加强复合型人才培养。对于国科大人工智能学院来说，一个就是学科交叉型高端研究性人才；还有一个就是行业，这个行业融合时间会非常长AI医学，一堆的人工智能智慧医疗等等。

北京航空航天大学人工智能研究员院长李波提出——

图 | 李波

人工智能仍属于发展阶段，构建复杂智能系统尚有很多研究工作。机器智能、人类智能本来就不同，不宜片面夸大某些机器智能。

我自己理解人工智能在某些场合，本质上就是相近的原则，我们计算机赋予语意是相近，我们讲的人工智能更多的是计算的事情，更多是技术层面的研究。

计算机由于应用很广泛，现在很多范畴边界广泛化了，而人工智能这个学科从本科专业角度来说更多是是强调感知、认知和交互的方法和技术。

本场论坛的最后，京东集团副总裁、AI平台与研究部负责人周伯文从企业应用的角度来阐述了人才培养一事——

图 | 周伯文

人工智能在2018年是一个落地，落地离不开企业，人工智能还是一个需要终生学习的领域。人工智能在颠覆零售行业，总的来讲人工智能需要帮助物流、智能消费、智能供应、金融科技对外赋能。

AI人才稀缺是世界难题，在世界都是很大的缺口，所以不在于挖人才，有来源才有挖， AI人才在于培养。AI人才研究领域广泛，需要跨学科人才。人工智能不仅仅是统计学，简单讲包括计算机科学，信息论、信号处理、心理学、感知、认知科学等，还需要跨学科人才。

人工智能技术在持续迭代中，AI技术本身在不断演进、迭代，人工智能有弱人工智能和强人工智能，我认为还有窄人工智能、通用人工智能及广义人工智能。AI在2018年要和产业深度融合，多了解行业，对商务本质了解。

我认为企业培养AI人才，或者做AI技术最大的挑战和困难在于怎么去平衡长期基础研究和短期效果之间的平衡。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！