干货！清华、复旦、滴滴等行业大佬论道AI人才的养成

随着AI产业的快速发展，对AI人才的需求呈爆炸式增长。顶尖企业需要什么样的AI人才？顶级高校的AI人才培养目标是什么？AI人才应该具备哪些能力？技术人员要如何自我迭代？

面对上述问题， AI Time联合CSDN，特别邀请了清华大学继续教育学院院长 刘震；复旦大学大数据学院、大数据研究院副院长 阳德青；滴滴科技生态与发展总监 吴国斌；清华大学领军工程博士 张鹏；与AI Time 负责人 何芸一起从AI政策制定、高校人才培养、产业发展需要的角度讨论AI人才培养的现状、未来。

政策如何引导AI人才的培养？

国务院《新一代人工智能发展规划》和教育部《高等学校人工智能创新行动计划》等文件的发布标志着国家对AI产业发展、AI人才培养的重视程度不断攀升。面对各类政策，AI人才究竟需要如何培养？国家在制定相关的AI人才培养计划和政策时，应该重点考虑哪些因素？

讨论AI人才培养的第一步是界定什么是AI人才，对人才进行分类、分层，进而构建一个完整的AI人才体系。刘震老师首先发表了自己的看法，他希望政府在人才培养方面能够加强引导、规划，重视市场的作用，推动存量人才的继续教育和再教育。

AI人才的培养不限于学生的培养，不过，作为高校教师，阳德青老师在活动中聚焦分享了教育机构培养人才的需要明确的两个问题：（1）AI人才应该具备源头创新能力，具备解决业务领域（行业或企业）实际问题的能力。AI人才的需求增长源自AI产业的发展，所以，AI人才的培养不能脱离实际的社会需求。（2）AI学科的发展历史比较悠久，发展体系比较全面，且偏向于工程实际、偏业务导向，是一个交叉型学科，人才培养过程要立足于学科特点。

AI人才培养有两个方面，一是高校跟企业合作，二是企业本身去做。吴国斌老师从企业参与AI人才培养的合作方式、激励机制、评价体系建设，以及企业内部人才培养的角度介绍了企业参与AI人才培养的思考和举措。

AI学科是一个理论和应用相结合的领域，非常依赖基础理论，而国内政策引导和指引的效果非常明显，通常能制定非常好的顶层设计及规划，基于此，张鹏老师认为，应该支持高校，科研机构去做更多的基础性研究，以支撑AI学科长久发展。此外，应该重视企业、行业、产业的作用，鼓励行业中的中坚力量去做产业应用和标准。

AI人才培养的重心在哪里？

根据教育部统计结果显示，截至2020年3月，国内开设人工智能本科专业的高校达到215 所，各类AI培训机构、企业内的AI人才培养计划也如同雨后春笋般涌现。在高校培养AI人才的过程中，我们应该更重视课程设置、师资力量，还是教材建设？在AI课程设置方面，是否应该与不同的学科交叉融合？

课程、教师、教材都很重要。培养AI人才，特别是本科生，第一步是要根据培养目标构建课程体系，第二步是要储备教师，第三步是完成教材的建设，这几块工作要并行去做。阳德青老师根据复旦的实际经验分享了自己的观点，并指出AI跟各个学科的结合都很紧密，课程设置离不开学科的交叉融合。

AI人才培养要重视通识教育，站在非常高的层次上去思考问题。此外，AI人才要理解所学内容的精髓，并保持终身学习。吴国斌老师以滴滴遇到的实际问题为例指出了AI人才所需的素质。

在高校人才培养中，课程设置是首要的。课程设置体现的是教育者对于整个学科或者领域的一个认知，而大学本科阶段培养了学生对某个领域和学科的基础认知，因此，在本科生培养中要设置AI伦理、人文等方面的基础课程。张鹏老师站在工业界的角度分享了自己的看法。

AI人才要分层次，针对不同层次的培养对象，关注点是不一样的。不同的高校承担的培养任务不同，相应的培养方案和培养计划也应该不同。本科生人才培养的首要问题是打造本科生人才培养理念，刘震老师结合清华大学的本科生培养理念“以通识教育为基础的、通识教育和专业教育相融合的培养体系”，指出：加强通识教育是最根本的。对AI人才而言，通识教育包括两大块：数理基础、计算机科学基础。在此基础上，再根据不同的方向设置学科交叉，培养出来的AI人才才能够更好地适应未来发展的需要。在AI时代，技能和知识的迭代变得更为迅速，这时，继续教育对于一个人的成长来讲会尤为重要。

AI人才如何满足产业界的需要？

今天，各个企业对AI人才的需求依旧旺盛，并感慨人才稀缺，但同时，很多应聘者却发现工作越来越难找。问题出在哪里呢？面对当前产业与院所培养脱节等问题，应该如何解决？目前，在AI产业中，岗位人才标准还不够清晰，岗位分工还不够明确，应该怎样优化？对高层次AI人才引进的途径有何建议？

企业通常关注人才解决复杂工程问题的能力、扎实的理论知识和逻辑思维能力、团队协作创新力、同理心等，但是学校对此类内容的培养还不足，对此，吴国斌老师分享了滴滴尝试解决脱节问题而推出的校企合作项目，并指出企业提供的机会相比于海量的毕业生数量还很少，因此，最好的办法是把企业的案例、数据、云计算资源拿出去，提供给学生。此外，一些机构在尝试对接企业和高校，它们是很好的“润滑剂”。最理想的是实现产业界和学术界的人才自由流动，加强双方的互动。

在学校学习的技能不能匹配工作的方向，这通常是产生脱节感的原因，基于此，张鹏老师认为解决脱节问题可能需要产业界、高校，政府部门三方一起来磨合。针对AI人才引进，张鹏老师指出目前的技术已经发展到可以针对海量数据进行挖掘、分析，并提供决策支持，用好技术手段来帮助 AI产业发展是非常有必要的。

产业与院校培养脱节表现在两个方面：（1）数量方面脱节；（2）质量方面脱节。对此，刘震老师提出了相应的解决方案：（1）数量脱节主要是由于学校教育需要周期，培养效率赶不上产业的发展的需要，这就需要对存量人才的知识进行迭代，通过继续教育来快速把需求缺口补上。（2）质量脱节是因为学生走上岗位以后不能迅速满足岗位的需求，对此，可以参考“价值塑造，能力培养、知识传授”三位一体的培养方针，注重学习能力的培养，具备这种能力的人会很快适应岗位的需求。此外，在现阶段，应该关注AI人才培养标准的制定。

导致脱节问题的原因有几个方面：（1）高校的人才培养理念和企业用人的需求不一致。清华、复旦等高校对本科生的培养更强调对基础的培养，而不是拿来即用、实际的实践动手能力的培养，培养重视的是自我学习、自主学习、发现问题并解决问题的能力。（2）教师的经验、客观条件各不相同。根据此现状，阳德青老师认为，站在学校的角度来说，脱节可能存在，但针对不同的专业和培养对象，脱节可能并不是一个必须解决的问题。站在企业的角度来说，脱节可能是存在的，针对这类问题，企业可以更加主动一点，学校可以更加开放一点，在培养过程中尝试实行双导师制、共建实验室等措施一起解决。

AI人才培养的总结与展望

从目前的趋势来看，在当前以及未来很长一段时间内，AI人才培养都会是我国重点关注的领域，如何结合我国国情，制定相应的AI人才培养计划与评判标准？

从整体来看，在AI人才培养计划中，不同的高校应该承担不同的任务；在人才培养的过程中，要去更加关注一些产业的需求；对AI人才要有分层，从高校内部来讲，本、硕、博应该有不同的培养的目标和培养方式。刘震老师提出了自己三个方面的看法和期待。

评价AI人才不应该只有唯一的标准。高校可以分为不同的层次，可能是偏向于理论基础，也可能是偏向应用，还可能是偏向综合。对此，阳德青老师认为制订人才培养计划、评价标准的时候，应该因地制宜，根据实际情况分不同的层次来建立整个体系，而不是制定统一、大家都认可的唯一的标准和计划。

目前，就整个国家的情况来说，人才培养在我国科技战略当中有着举足轻重的地位。我们正处于蓬勃起步、系统建设AI人才培养体系的时候。在此背景下，企业还是应该强调应用导向，注重专业交叉和产业结合。现在是最好的时期，希望国家能够更多地重视产业侧，在产学融合、协同育人领域让产业、企业有更多探索的空间。吴国斌老师站在企业的角度总结了自己的观点。

AI人才培养要基于我国现在的国情，这是最根本的基础，张鹏老师认为从长远的目标来看，我们要重视基础学科人才的培养。从不同的角度、不同的方向来看会得到不同的评价标准，因此，评价标准需要综合考虑各方利益，不断磨合、动态变化。