2017年我国人工智能领域论文发表量超越美国，成为世界第一，但顶尖人才仍然稀缺。目前，提出神经网络理论的加拿大团队深耕人工智能领域已超过三十年，而在国际人工智能协会(AAAI)208位院士中，中国籍仅占4席。我国在人工智能最核心、最原创的内容方面贡献不多，基础性、开创性研究能力还有待提高。作为新技术策源地的高校，如何为人工智能的长远发展打下厚实的人才基础，记者进行了采访。
人工智能需要新的教学体系
当下人工智能的大发展直接源起于2006年深度学习的提出。作为一种复杂的机器学习算法，深度神经网络使机器模仿视听和思考等人类活动，解决了很多复杂的模式识别难题，使人工智能相关技术取得了很大进步，并引起了学界和产业界的关注。
“现在大公司人工智能方面的人才招聘有很多，但大多岗位只需要上几个月的培训班就能做，比如说买一些GPU设备，下载一些开源的深度学习套件，然后调调参数做应用。但专业人才要能够把握这个学科发展的方向，能够在关键的时刻创新。目前最对口的是计算机学科下属的智能科学与技术专业。”北京邮电大学副校长、信息与通信工程学院执行院长郭军说。
记者查阅资料发现，自2003年北京大学设立智能科学与技术本科专业起，至今教育部正式批准设立智能科学与技术本科专业的高校已达36个，仅2017年就有17所高校新增了该专业。而在研究生培养阶段，仅专业目录中设置智能科学与技术相关专业方向就已达79个，分布在计算机、自动化等诸多学科。
“计算机专业本身是一个宽口径的专业，至少有四五个比较大的专业方向，真正能够给人工智能学科专门开设的课程可能就只有区区的几门。这就要求我们必须把知识高度浓缩，浓缩到甚至只能到高级科普的程度了。人工智能技术在解决实际问题时，往往需要很多知识融会贯通，不是说只学一两门课就真的能解决实际应用问题了，怎样在本科阶段就能打好基础，可能要在一个新的教学体系下去考虑。”南京大学人工智能学院院长、计算机科学与技术系主任周志华说。
人工智能学什么
那么，从本科生培养的角度看，一个合格的人工智能人才应具备哪些技能呢？
“从课程设置来说的话，我们必须考虑到人工智能的核心基础，例如机器学习、知识表示与处理。再考虑技术层，有模式识别与计算机视觉、自然语言处理、自动规划、多智能体系统、计算智能等，还有很多相关支撑技术，例如数字信号处理、时序数据分析等。再往上，到平台这一层，那就有机器学习系统平台、机器人、智能系统等。再到应用层，可能还涉及智能应用建模、系统设计、行为分析等。所有的这些东西，形成了一个庞大的知识体系，如果不经过长期的培养，很难有一个全貌性的认识。”周志华介绍。
2017年我国人工智能领域论文发表量超越美国，成为世界第一，但顶尖人才仍然稀缺。目前，提出神经网络理论的加拿大团队深耕人工智能领域已超过三十年，而在国际人工智能协会(AAAI)208位院士中，中国籍仅占4席。我国在人工智能最核心、最原创的内容方面贡献不多，基础性、开创性研究能力还有待提高。作为新技术策源地的高校，如何为人工智能的长远发展打下厚实的人才基础，记者进行了采访。
人工智能需要新的教学体系
当下人工智能的大发展直接源起于2006年深度学习的提出。作为一种复杂的机器学习算法，深度神经网络使机器模仿视听和思考等人类活动，解决了很多复杂的模式识别难题，使人工智能相关技术取得了很大进步，并引起了学界和产业界的关注。
“现在大公司人工智能方面的人才招聘有很多，但大多岗位只需要上几个月的培训班就能做，比如说买一些GPU设备，下载一些开源的深度学习套件，然后调调参数做应用。但专业人才要能够把握这个学科发展的方向，能够在关键的时刻创新。目前最对口的是计算机学科下属的智能科学与技术专业。”北京邮电大学副校长、信息与通信工程学院执行院长郭军说。
记者查阅资料发现，自2003年北京大学设立智能科学与技术本科专业起，至今教育部正式批准设立智能科学与技术本科专业的高校已达36个，仅2017年就有17所高校新增了该专业。而在研究生培养阶段，仅专业目录中设置智能科学与技术相关专业方向就已达79个，分布在计算机、自动化等诸多学科。
“计算机专业本身是一个宽口径的专业，至少有四五个比较大的专业方向，真正能够给人工智能学科专门开设的课程可能就只有区区的几门。这就要求我们必须把知识高度浓缩，浓缩到甚至只能到高级科普的程度了。人工智能技术在解决实际问题时，往往需要很多知识融会贯通，不是说只学一两门课就真的能解决实际应用问题了，怎样在本科阶段就能打好基础，可能要在一个新的教学体系下去考虑。”南京大学人工智能学院院长、计算机科学与技术系主任周志华说。
人工智能学什么
那么，从本科生培养的角度看，一个合格的人工智能人才应具备哪些技能呢？
“从课程设置来说的话，我们必须考虑到人工智能的核心基础，例如机器学习、知识表示与处理。再考虑技术层，有模式识别与计算机视觉、自然语言处理、自动规划、多智能体系统、计算智能等，还有很多相关支撑技术，例如数字信号处理、时序数据分析等。再往上，到平台这一层，那就有机器学习系统平台、机器人、智能系统等。再到应用层，可能还涉及智能应用建模、系统设计、行为分析等。所有的这些东西，形成了一个庞大的知识体系，如果不经过长期的培养，很难有一个全貌性的认识。”周志华介绍。
