智海观察

全球人工智能人才培养政策比较研究:以中美英加4国为例

摘  要:全球人工智能竞争,核心是人才存量与人才质量竞争,关键是人才培养能力、人才培养水平竞争,根本是人才培养制度也即高质量各类人才持续输出能力的竞争。面对全球人工智能人才存量不足、人才质量不高、人才流失等问题,通过系统梳理美国、英国、加拿大和中国的人工智能人才培养政策条目,对四国人工智能人才政策的特性从人才培养的研究维度进行了归纳性分析与比较。研究显示:四国人工智能人才培养政策具有高度共性特征。一是重视营造良好的人才培养环境;二是制定科学的人才培养目标;三是重视人工智能教师队伍建设;四是发挥高校人才培养主体作用;五是产学研合作育人。四国人工智能人才培养政策也存在显著差异,如美国在基础研究人才培养、数据环境建设、公私合作育人等方面有较好的借鉴经验,英国更加关注人工智能人才的数字理解能力培养,加拿大将培养、吸引和保留人工智能人才,构建完整的人才生态系统作为人工智能领域共识,中国在政府主导下充分发挥高校人工智能人才培养职能。针对中国面临的人工智能人才问题,建议应在人才培养数据平台建设、人工智能人才概念界定、人才培养伦理构建、师资队伍建设、人才生态系统完善这5个方面进一步健全人工智能人才培养政策体系。

关键词:人工智能;人才培养;人才存量;人才质量;产学研合作

 

基金项目:国家自然科学基金面上项目“‘一带一路’学术人才向中国流动的开放式‘推-拉’模型研究——人工智能方法的运用”(71774015);国家自然科学基金面上项目“政府奖学金是否能够提升来华留学生质量——基于机器学习方法的‘一带一路’国家因果推断”(71974012)

 

作者简介:刘进,男,江苏东海人,北京理工大学国际争端预防和解决研究院研究员,北京理工大学人文学院副研究员,主要从事高等教育国际化、大学教师流动、高等教育大数据与人工智能研究;钟小琴,女,四川内江人,北京理工大学人文学院硕士生,主要从事高等教育大数据与人工智能研究。

 

 

近年来,伴随着数据的指数性增长、算力的大幅提升及算法的不断发展成熟,人工智能(Artificial Intelligence, AI)迎来了第三次发展热潮,与前两次不同的是在此轮AI发展浪潮中,AI技术逐渐走出实验室,与传统产业和工业紧密相连[1],推动经济社会向“智能化”方向迈进,实现各领域的颠覆式变革[2];面对AI技术可能带来的新一轮科技革命和产业变革,各国政府积极布局AI发展规划,都想抓住AI技术发展带来的机遇,赢得这场竞争的胜利。而全球AI竞争,核心是人才存量与人才质量竞争,关键是人才培养能力、人才培养水平竞争,根本是人才培养制度也即高质量各类人才持续输出能力的竞争;面对全球AI人才存量不足、人才质量不高、人才流失等现状,如何在短时间内培养出高水平AI人才,是各国应该共同思考的问题,世界主要AI大国通过制定AI人才培养政策给出了他们的答案。

 

一、全球人工智能人才现状

近年来,全球以中国、美国为代表的AI“第一梯队”国家,以加拿大、法国、德国等为代表的AI“特色发展”型国家,都在国家层面密集开展了AI研究布局和产业布局,出台了大量AI发展政策文件,其中广泛涉及到AI人才培养议题(如图1)。细致的研究可以发现,当前多个西方国家的AI技术创新与产业发展布局不仅开始更早,而且政策支持力度丝毫不亚于中国,尤其在人才培养环节,西方主要国家在AI领域正全面发力,依托其强有力的高等教育系统,采取部分遏制全球高端学术人才流动的举措(如近年来部分国家对中国“千人计划”人才回流的遏制),在AI人才培养方面正对中国形成高度竞争态势。

 

 

从数据统计来看,当前全球对“AI”并没有统一准确的定义,也因此导致“AI人才”概念边界较为模糊,导致一些研究对比世界AI人才存量、质量和培养能力时往往缺乏参照系。但总的来说,各国都不约而同面临着AI人才严重稀缺的问题。一些数据显示,目前全球AI人才存量约30万人,其中产业人才约20万人,大部分分布在各国AI产业的公司和科技巨头中,学术及机构储备人才约10万人,分布在全球367所高校中[3]。这些AI人才分布极不平衡(如图2),无论是在AI人才数量还是质量上美国都处于领先地位,中国、英国、加拿大等国家奋力追赶,虽然勉强跻身榜单但与美国差距仍相当明显[4]。从AI人才培养能力来看,当前全球每年约有2万AI领域的毕业学生,远远不能满足市场百万量级人才需求,包括美国在内也都尚未形成AI人才培养的完整体系。同时,AI人才流失成为全球主要国家面临的共同问题,而且和传统人才流动从发展中国家流向发达国家、从南半球流向北半球的流向不同,即使发达国家(如加拿大、新加坡)也存在一定程度的AI人才流失,《2019年全球人工智能人才报告》显示,27%的AI研究人员的工作地和获得博士学位地是不一样的,对于研究人员数量在150以上的国家,这一比例甚至高达32%,这进一步加剧了各国AI人才短缺的问题。

 

 

当前第三轮AI技术革命如火如荼开展,在各国普遍缺乏AI人才的背景下,谁率先探索出AI人才培养的有效制度模式,确保AI各类人才的高质量、可持续性输出,谁就可能在此轮AI竞争中胜出。因此,当前高等教育界应高度关注全球AI人才培养动态,关注各国最新的政策举措,尤其是各项举措可能形成的AI人才培养模式的变化。其中,作为AI强国的美国和AI大国的中国,是研究的关键和重点目标,同时也应密切关注英国、加拿大等AI“特色发展”型国家动态。

 

二、美、中、英、加四国的人工智能人才培养政策

近年来,为努力适应AI技术的发展,调和快速的技术发展与缓慢变革的社会制度之间的冲突,各国采取了多种措施加强AI人才的培养。狭义上的人才培养通常指学校的人才培养,然而人才培养作为一项系统性工程,涉及到培养理念、目标、主体、对象、途径、模式与制度等要素[5-6],因此,本文指的是广义上的人才培养,泛指对个体进行AI教育、培训的过程,培养主体涵盖政府、学校、企业,培养对象与培养途径也具有多样性特征。

 

为了解全球AI人才概况,Element AI 将21个机器学习领域顶级会议上发表论文的作者人数作为AI人才的主要统计来源,统计结果显示,美国,中国,英国,加拿大名列前茅,因此本研究选取此四国作为研究对象。其中,美国是当前全球当之无愧的AI大国和强国,也是全球最早系统布局AI产业和人才培养的国家之一;中国后来居上,近年来在AI领域的论文数量和高被引数量均排世界第一,AI人才拥有量全球第二[7];加拿大AI人才教育一直处于国际领导者地位[8],拥有Hinton、Sutton和Bengio等全球深度学习顶尖人才[9],而且本轮AI技术革命在深度学习、神经网络等很多方面的原始创新都来自加拿大;英国是计算机科学之父、人工智能之父图灵的诞生地,拥有雄厚的AI基础,学术氛围浓厚,研发生态优良;因此这几个国家都具有较强的代表性。自2015年起,四国相继颁布的AI发展政策报告中提及了大量人才培养措施(见表1),如美国的《国家人工智能研发战略计划(2019)》[10]、《维护美国人工智能领域领导力的行政命令》[11]以及《未来20年美国人工智能研究路线图》[12],英国的《英国人工智能发展的计划、能力与志向》[13]、《人工智能行业新政》[14]以及《在英国发展人工智能》[15],加拿大的《泛加拿大人工智能战略》[16],以及中国的《新一代人工智能发展规划》[17] 、《高等学校人工智能创新行动计划》[18]等。经过对这些政策的系统梳理比较,共总结出五大特征,分别是:重视人才培养环境建设,制定科学化人才培养目标,加强AI师资队伍建设,重视高校人才培养主体作用,产学研合作育人。

 

 

 

(一)重视人才培养环境建设

人才培养离不开良好的培养环境,各国通过资金扶持、研发投资以及平台建设等措施支持AI人才培养。美国国家科学基金会(National Science Foundation, NSF)每年投入400万美元新建AI研究中心,《美国人工智能研发战略计划——2019》也将AI视为联邦奖学金服务计划中的优先领域;此外,美国AI领域数据开放共享与编程的开源为人才培养提供了平台支持,如将“为AI培训和测试开发共享公共数据集和环境”作为八大战略任务之一,形成了较为完善的政府数据开放政策体系;美国还主张通过ROS、GitHub等国际开源社区提供免费AI编程培训,部署有针对性的辅导计划、队列计划和特殊兴趣小组,提供AI领域的环境接触、个性化建议辅导及同行支持。2017年,英国政府宣布增加47亿英镑研发资金,通过国家科研与创新署管理的产业战略挑战基金、小型企业研究计划和公共部门技术基金等多渠道用于支持英国AI相关产业领域的技术研发,同时拟斥资约2亿英镑,建立新的“技术学院”,针对雇主需求提供高技能水平的AI培训。2017年,加拿大拨款1.25亿加元支持高等研究院(Canadian Institute for Advanced Research, CIFAR)领导实施全球首个AI全国战略,将大规模培养AI方向的研究人员和毕业生作为主要目标之一。中国则采取三步走战略,计划在AI核心产业投资上千亿人民币,利用新工科建设浪潮创建一批集教培研于一体的区域共享型人才培养实践平台,形成一批全球领先的AI科技创新和人才培养基地。以上措施为AI人才培养提供了直接或间接支持,奠定了坚实的环境基础。

 

(二)制定科学的人才培养目标

与传统教育相比,AI与教育相结合具有双重内涵,两者彼此依存,相互影响,不断接近教育本质。一方面,AI技术的迅猛发展使教育终身化、教育全民化、教育民主化、教育多元化和教育现代化成为可能;另一方面,AI时代也要制订科学的人才培养目标,调整人才培养结构,构建多层次教育体系,保证人才培养的多样性与公平性,以顺应经济社会发展。伴随着AI技术与产业不断进行深入融合,AI人才培养对象是处于不同教育层次、拥有不同知识文化背景、具有不同职业理想和职业诉求的客体[19],因此培养多元化AI人才队伍十分必要。针对这一问题,美国提出了 “全方位培养一批多元化、有道德的AI队伍,维持美国领导地位”的人才培养目标,除了在高等教育阶段进行人才培养外,美国开展全民AI教育,主张AI教育全学段覆盖,鼓励劳动力再培训,重视吸引女性、少数民族学生等代表性不足群体和弱势群体参与到AI培训计划中。英国提出了金字塔型人才培养目标(如图3),旨在培养适应未来行业发展的多层次AI技能人才,除了培养一批高水准的AI研发专家、博士、硕士外,还注重较低层实用人才技能的培养,如重视全民STEM(Science,Technology,Engineering & Mathematics, STEM)教育及数据技能培养。面对人才流失困境,加拿大旨在培养、保留和吸引世界AI人才,建立完整的AI人才生态系统,通过实施CIFAR AI首席科学家计划实施高端人才战略,举办全国培训项目“AI4Good”,建立“AI4Good”实验室,开设IVADO国际暑期学校和课程,为各类群体提供学习AI的机会。中国则着重强调建设AI专业教育、职业教育和大学基础教育于一体的高校教育体系,重点培养AI应用型人才,同时开放高校资源对青少年和社会公众进行AI普及教育。

 

 

 

(三)加强AI师资队伍建设

AI人才存量不足背后的深层次原因在于师资难以满足人才培养的需要。当前,AI师资的不足主要体现在两个方面:一是现有教师缺乏AI相关专业知识,AI教师绝对数量不足;二是高层次AI人才正成为国际性稀缺资源,各国通过制定政策、法律、人才战略等多种方式抢占海外人才资源,由于AI教师与企业AI人才收入差距较大,难以吸引高端AI人才投身教育系统,出现AI教师流向企业、流向国外的情况,以谷歌、脸书、微软为代表的技术巨头通过高薪聘请AI专业教师及毕业生,竞相抢夺AI人才,高等教育面临AI人才大量流失的困境[20-21]。为解决AI师资问题,美国通过总统奖彰等措施加大对AI早期研发的大学教师的资助力度,以控制AI教师流失;英国政府尤其强调在基础教育阶段加强AI教师队伍建设,计划在4年内花费8 400万英镑培育8 000名计算机科学教师,以保证每所中学都拥有一名合格的计算机科学教师;中国积极搭建AI领域教师工程能力训练平台,在多个师范大学设立AI专业加大AI教师的培养力度,着重在高等教育领域培育一批具有引领作用的高水平AI师资队伍;加拿大通过营造开放、包容的教育科研环境,成功吸引了一批AI领域的先驱开拓者任职于当地大学,典型的如多伦多大学的Hinton、阿尔伯塔大学的Sutton以及蒙特利尔大学的Bengio[8],这些AI大师在AI领域潜心钻研数年,在深度学习、人工神经网络等方面实现了众多原始创新,在他们的引领下,大批优秀AI人才诞生于加拿大。总而言之,加强AI师资培养、引进AI师资力量,建设AI师资队伍是各国培养AI人才必须首先考虑的问题。

 

(四)重视高校人才培养主体作用

高校处于科技第一生产力、人才第一资源、创新第一动力的结合点,在AI基础研究、学科发展以及人才培养方面具有坚实基础和显著优势;人才培养作为高等教育的首要任务,理应发挥高校的育人功能,而任何一所高校培养的人才质量, 都取决于这所大学的学科水平,专业又是学科承担人才培养职能的基地[22],因此,建设AI学科专业、设立AI 相关硕士、博士学位成为各国培养AI人才的最直接方式,多学科交叉融合是各国在AI专业学科建设时的突出特征。美国在高校设立AI学院及专业学位,培养高级AI学位毕业生,如卡内基梅隆大学设立美国首个AI本科专业,斯坦福大学设立AI研究院,麻省理工学院投资10亿美元建设AI学院等。英国在高等教育领域则投资1亿英镑设立AI奖学金,设置AI学位,开设AI相关课程,实施硕博贯通的人才培养模式,鼓励不同学科背景的学生继续深造,将计算机和数据科学以外的人才培养成AI领域的研究生或博士,并计划每年在AI及相关学科至少增加200个博士研究生。在加拿大政府支持下,以蒙特利尔、多伦多和埃德蒙顿为代表的三大地区依托当地大学开设AI专业,建设AI实验平台,培养AI、机器学习和大数据开发的领导人才,在硕士阶段推出课程教授大型数据集转化技术和策略,用于未来智慧城市、智慧医疗和制造业升级,并计划在未来几年培养800名AI领域的博士生;以蒙特利尔大学、多伦多大学、阿尔伯塔大学、滑铁卢大学等高校的AI实验室为平台,加拿大培养了众多高质量AI人才,他们大部分成为了加拿大初创企业的创始人或者是谷歌、脸书、亚马逊等科技巨头的技术精英[8]。高校作为中国AI人才投入的核心载体,占据人才培养总量的80%。中国旨在将高校打造成为建设世界主要AI创新中心的核心力量和引领新一代AI发展的人才高地,为此教育部专门出台《高等学校人工智能创新行动计划》,对中国高等教育系统AI人才培养体系进行了较为全面的设计,表现最显著的是中国AI学院/研究院及AI相关专业的建设布局速度和规模;据不完全统计,截至2020年3月底,已有59所院校建立了AI学院/研究院;自2018年教育部首次增设AI专业以来,AI成为2019年度普通高等学校本科专业新增备案专业中数目最多的专业,共180所高校获得备案资格(如图4);高等教育系统正积极推动AI应用型人才培养以满足市场的迫切需求,这对于进一步提升高校AI领域科技创新、人才培养和服务国家需求的能力具有重要意义。

 

 

(五)产学研合作育人

除高校外,其他育人载体也不容忽视,创新驱动发展正推动科学研究、产业升级与人才培养相融相生[23],研究机构、企业正成长为人才培养的新兴载体,推动完善产学研多主体协同育人机制。第四次工业革命背景下,AI作为新工科建设的重要分支,培养复合型、创新型、高素质卓越工程技术人才是支撑产业升级的关键[24-25],因此AI人才培养需要高校与研究机构、企业等合作,将产业需求与人才培养目标、培养导向、培养标准、培养路径有效对接,形成AI人才培养的良好生态系统[26]。美国主张扩大公私合作伙伴关系,支持政府、高校、研究机构合作,2018年NSF在其研究生奖学金计划将科学和工程专业列为优先考虑项,支持学生攻读应用数学,统计学或计算机科学的高级学位,深入学习AI、机器学习和深度学习领域;此外,美国积极促进AI与医学、教育、工程制造、运输、法律等领域的融合应用。英国打造国家级艾伦·图灵研究所,协同工程与物理科学研究委员会、科学技术设施理事会和联合信息系统委员会以及牛津大学、剑桥大学、帝国理工学院及伦敦大学学院等共同努力聚焦AI发展及人才培养;除了鼓励大学研究者成立附属公司,促进知识产权转让标准化外,英国政府、产业界及大学承诺共同出资在全国设立16个AI教育中心,首次设置由产业资金资助、包含工作实习内容的AI硕士专业学位课程,开创了三方共同投资教育的先河。加拿大政府依托高校建设全国性AI研究网络,支持中部的多伦多、东部的蒙特利尔以及西部的埃德蒙顿地区打造超级AI中心,对三地实施财政预算倾斜,重点支持三大AI研究机构(Amii-阿尔伯塔大学机器智能研究院、Mila-蒙特利尔大学学习算法研究院和Vector-多伦多大学矢量研究院)发展,并以此为根基吸引科技公司在加拿大投资AI研究,建造AI实验室,构建良性的人才生态系统。在中国,以中国科学院系统、百度、科大讯飞、阿里为代表的研究机构和企业在产学研合作育人方面表现尤为突出。《2018中国人工智能发展报告》显示,中国科学院系统累计发布论文篇数位于世界机构AI领域论文产出量的首位,是AI人才培养投入的主要机构;2018年华为宣布实行“沃土”AI开发者使能计划,计划面向高校和科研机构投入10亿元用于AI人才培养,并计划三年内培养100万开发者[27];百度成立云智学院,承诺为国内培养10万工程与产品开发等方面的AI人才[28],《2018百度社会价值报告》显示,百度已为整个业界培养了近55万AI相关人才。在此生态体系下,通过公私合作、投资建立实验室及初创公司等措施,各国将AI研究、创业、投资、人才培养等活动联系起来,可实现AI研发知识共享,基础设施、数据集等资源高效利用,建立完善的资金、业务和人力生态链,推动研究成果转化,促进经济增长,这对于提高AI教育水平、培养理论与实践相结合的高素质AI人才具有重要意义,有利于培养下一代科研技术人员及领导者。

 

比较分析结果显示,全球AI大国的AI人才培养战略具有一定的共性和差异(见表2),其中共性表现在:一是重视营造良好的人才培养环境,通过资金扶持、研发投资以及平台建设等措施支持AI人才培养;二是制定科学的人才培养目标,保证人才培养的多样性和公平性;三是重视AI教师队伍建设,控制AI人才流失;四是发挥高校人才培养主体作用,加强AI学科专业建设及跨学科课程设置;五是产学研合作育人,构建良好的人才生态系统。本文研究总结发现,各国AI人才培养模式初显雏形;在人才培养目标方面,各国都有较为明确的AI人才培养目标,如美国旨在培养多元化、全民化AI人才,英国注重强化AI人才技能培养,加拿大要把出色人才留在本国,中国则加快聚集AI高端人才的培养;在人才培养内容方面,由于AI本身具有跨学科性质,涵盖了计算机科学和工程的所有领域,此外还是认知科学和心理学、经济学和博弈论、工程和控制理论、伦理学、数学和统计学以及哲学等多学科的融合,因此各国在AI学科专业建设中普遍提及了跨学科课程设置;在人才培养方式方面,各国提倡产学研合作育人,通过实施再培训计划、设置在线学习课程、开展学习项目等途径丰富人才培养方式;尽管这些政策在AI人才教育理念、AI人才培养质量评价等方面并未提及,但已经可以看出AI人才培养模式的大致轮廓,更为全面和细致化的人才培养政策亟待完善。

 

各国AI人才培养政策也存在较为明显的差异,如在政府的大力支持下,中国在高校AI专业学科建设规模和速度、应用研究人才培养方面表现卓越,美国在基础研究人才培养、数据环境建设、促进公私合作等方面有较好的借鉴经验,英国更加关注学生的数字理解能力培养,面临AI人才流失困境的加拿大则将培养、保留和吸引出色AI人才作为人才战略重点,以此构建完整的人才培养生态系统。

 

 

 

      三、国外人工智能人才培养政策对中国的启示

  结合全文研究,在AI人才培养过程中各国既存在AI人才概念界定不清、AI人才流失等共有问题,又面临本国特有问题,根据国情各国制定了特色化的AI人才培养政策。对于中国而言,中国AI研究和人才培养起步较晚[29],错过了全球第一次和第二次AI发展热潮,在抢抓此轮AI机遇过程中,也主要以AI技术应用(而非原始创新)为主,相关人才存量和质量仍存在显著问题。虽然中国的优势在于中央集权政府可以快速实现人才培养方向和目标转换,以及中国“双一流”建设初见成效、高等教育实力明显增强、中国生源人口数量较大且STEM能力储备较好等,但本课题组前期对中国AI大学教师的简历分析、行业从业人员的访谈分析以及部分问卷调查分析的结果仍然显示,中国AI人才存量不够、质量不高,并存在AI人才“贴牌”等大量问题[30-31],中国亟需在建设AI人才数据培养平台、厘清AI人才概念、健全AI人才培养伦理、控制AI人才流失、构建良好的AI人才生态系统等方面有所进步,因此本文提出以下建议。

      第一,促进人才培养平台建设,重视数据技能培养。数据是机器学习的核心,也是AI发展的基本要素之一,培养AI人才必将加强对人才的数据技能培养。作为数据开放先行者,美国政府2012年正式启动“大数据研究和发展计划”,2016年通过《开放政府数据法案》,形成了较为完善的政府数据开放政策体系,为数据开放共享及人才培养平台建设奠定了坚实基础;英国旨在培养具有数据技能的公民,在计算机科学教育中格外强调学生的数据理解能力。相对于美国和英国而言,中国存在明显不足,因此中国应充分利用庞大的数据优势,加强AI数据开源应用平台建设,重视人才数据技能培养,将理论教学、行业开发实训与平台测试相结合,营造有利的人才培养环境,缩短人才培养周期。

  第二,进一步明确AI人才概念,科学界定AI人才标准,建立全国AI人才培养体系[32];同时建立公共数据库,发挥数据在人才培养方面的优势,及时准确了解AI人才存量,分析供需情况,并预测未来劳动力需求,以便采取适当的计划和行动。厘清AI人才概念,是树立AI人才培养目标、保障AI人才培养质量的前提;中国自身在统计AI人才时往往将AI人才与计算机人才、大数据人才、软件人才等传统人才相混淆,一些高校和毕业生也因为就业需要等利益动机过度向AI人才进行“贴牌”,导致AI人才存量成迷,AI人才培养能力不清。本次武汉肺炎疫情的爆发显示出,机器人等AI产品尚未大范围进入抗疫一线,AI在人才流动轨迹分析、病情扩散分析、用药选药等方面的特长也尚未发挥,其背后仍然是AI人才存量不足、质量不高导致的。为此,应在国家层面形成AI人才标准或人才认证专业体系,以此指导高等学校的人才培养活动。

  第三,制定科学的人才培养目标,重视人才培养潜在的伦理问题,尽可能消除年龄、性别及家庭背景偏见和歧视,保证人才培养多样化、全民化、终生化、伦理化。美国、英国及加拿大在AI人才培养过程中重视AI可能带来的道德、法律和社会影响,组织专家就AI给社会可能带来的挑战进行讨论,此外还通过实施再培训计划、开设在线课程、转换课程,保障少数民族、女性、收入家庭等弱势群体学习AI的机会,在培养过程中也重视对AI人才的伦理道德培养。相对而言中国在这方面就稍显落后,目前仅在高等教育阶段制定了较为具体的AI人才培养指导政策,但在特殊教育、继续教育、成人教育等阶段人才培养政策布局存在空白,忽略了其他群体学习AI的需求;尽管近年来针对AI技术发展提出进行安全监管和评估,但对于AI人才培养并没有提出相应的伦理原则;因此,未来中国的AI人才培养政策设计应立足教育本质,健全AI伦理建设,将AI人才培养与教育的各个层面有机结合[33],保证AI人才培养的公平性、多样性和包容性,减轻人才培养歧视与偏见,树立负责任的AI大国形象。

  第四,加强师资队伍建设,有效遏制AI人才流失。一方面中国要积极向他国学习,通过在师范大学开设AI专业、加强教师AI技能培训等措施加强对基础教育AI师资力量的培养,促进AI人才培养工作的有效衔接;另一方面,引进海外高层次AI人才成为学术学科带头人,形成“引进高层次人才-培养人才-成为高层次人才”育人模式,从而提高学科发展实力,壮大教师队伍,推进高校AI人才培养[34],本课题组前期访谈显示,全球AI人才流动呈现中美两强的基本格局,随着美国H-1B签证收紧,新加坡等AI人才高地出现人才基础松动、人才流动加剧局面,中国应抢抓机遇尝试从这些国家引入更多国际化人才。同时,中国也应警惕AI人才流失问题;中国AI人才由于具有良好的STEM能力,是全球AI人才争夺的焦点,2020年清华大学最优秀的3名计算机专业毕业生全部流入麻省理工学院引发广泛讨论[35],一定程度的AI人才流动虽然有利于AI技术的创新发展,未来AI人才培养也将朝着“全球化”人才培养趋势发展[36],但中国仍应通过适度政策举措挽留高层次AI人才,储备优质师资。

  第五,深化产学研合作育人机制,构建良好的AI人才生态系统。美国、英国等国在科学工程研究与创新方面的领先地位植根于其独特的产学研合作生态体系,就中国目前的政策体系来看,缺乏对于科研院所、企业AI人才培养的足够政策关怀;事实上,中科院在全球AI研究和人才培养领域占有举足轻重的地位,AI先锋企业则承担了中外AI技术创新和市场应用竞争的关键角色,AI人才培养还具有理论与实践统一、协同育人的重要特征,因此未来中国的AI人才培养政策设计,在人才培养主体、培养过程设计、培养成本分担等环节应高度关注非高校的其他人才培养单位的政策设计。

 

  四、结语

  总体而言,目前全球AI发展正呈现美国“领跑”,中国、英国、加拿大等国“跟跑”的局面,而AI竞争根本在于AI人才的竞争,各国通过制定一系列政策大规模布局AI人才培养,呈现AI人才培养的强劲追赶势头,“培养什么样的AI人才”“怎么培养AI人才”正成为各国工作的重点。AI技术的进一步成熟促使人们深入思考人的本质和教育的本真,即以人为本而不是以技术为本,教育不是培养具有替代作用的工具而是培养一个完整的人,AI时代下培养的人才应该是具备独立思考能力、批判性思维、创新实践能力、认知迁移能力的复合型人才。可以预见,未来AI人才培养将不仅仅局限于对AI技术的跟跑,而是超越、引领AI技术乃至其他技术的创新发展。

 

参考文献:

  [1]张海生.我国高校人工智能人才培养:问题与策略[J].高校教育管理,2020,14(2):37-43,96.

  [2]方兵,胡仁东.我国高校人工智能学院建设:动因、价值及哲学审思[J].中国远程教育,2020,41(4):19-25.

  [3]腾讯研究院&BOSS直聘.2017全球人工智能人才白皮书[R/OL].(2017-11-30)[2020-01-11].https://www.tisi.org/4960.

  [4]Element AI. Global AI Talent Report 2019[R/OL].[2020-01-11].https://jfgagne.ai/talent-2019/.

  [5]董泽芳.高校人才培养模式的概念界定与要素解析[J].大学教育科学,2012(03):30-36.

  [6]朱晟利.论人才培养模式的概念及构成[J].当代教育论坛,2005(5):28-29.

  [7]清华大学中国科技政策研究中心. 2018中国人工智能发展报告[R].北京:清华大学,2018:9-34.

  [8]汝绪华.加拿大人工智能人才教育何以兴盛:人才生态系统视角的审视与思考[J].比较教育研究,2020,42(02):16-23.

  [9]人民网.“把出色的人才留在加拿大”(聚焦国外人工智能发展)[EB/OL].(2017-07-31)[2020-01-20].http://world.people.com.cn/n1/2017/0731/c1002-29437607.html.

  [10]The Select Committee on Artificial Intelligence of theNational Science & Technology Council. The National Artificial IntelligenceResearch and Development Strategic Plan: 2019 Update[R/OL].(2019-06-02)[2020-01-15].https://catalog.data.gov/dataset/the-national-artificial-intelligence-research-and-development-strategic-plan-2019-update.

  [11]The White House. Executive Order on MaintainingAmerican Leadership in ArtificialIntelligence[EB/OL].(2019-02-11)[2020-01-15].https://www.whitehouse.gov/presidential-actions/executive-order-maintaining-american-leadership-artificial-intelligence/.

  [12]Computing Community Consortium (CCC) and Associationfor the Advancement of Artificial Intelligence (AAAI). A 20-Year CommunityRoadmap for Artificial Intelligence Research in theUS[R/OL].(2019-08-06)[2020-01-15].https://cra.org/ccc/wp-content/uploads/sites/2/2019/08/Community-Roadmap-for-AI-Research.pdf.

  [13]Select Committee on Artificial Intelligence.  AI in the UK: ready, willing and able [R/OL].(2017-04-16)[2020-01-15].https://publications.parliament.uk/pa/ld201719/ldselect/ldai/100/100.pdf

  [14]Department for Business, Energy & IndustrialStrategy and Department for Digital, Culture, Media & Sport. AI Sector Deal- one year on[R/OL].(2018-04-26)[2020-01-20].https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/819331/AI_Sector_Deal_One_Year_On__Web_.pdf.

  [15]Dame Wendy Hall, Jérôme Pesenti. Growing the ArtificialIntelligence Industry in the UK[R/OL].(2017-10-29)[2020-01-20].https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/652097/Growing_the_artificial_intelligence_industry_in_the_UK.pdf.

  [16]CIFAR. Pan-Canadian AI Strategy [EB/OL].(2017)[2020-01-20].https://www.cifar.ca/ai/pan-canadian-artificial-intelligence-strategy.

  [17]国务院.新一代人工智能发展规划[EB/OL].(2017-07-20)[2019-12-12].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

  [18]教育部.高等学校人工智能创新行动计划[EB/OL].(2018-04-10)[2019-12-12].http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.

  [19]王雪,何海燕,栗苹,等.人工智能人才培养研究:回顾、比较与展望[J].高等工程教育研究,2020(1):42-51.

  [20]The Economist. Million-dollar babies - as SiliconValley fights for talent, universities struggle to hold on to theirstars[EB/OL]. (2016-04-02)[2020-04-05].https://www.economist.com/business/2016/04/02/million-dollar-babies.

  [21]张海玉.关于高校AI人才培养的思考[J].教书育人(高教论坛),2018(36):39-41.

  [22]冯向东.学科、专业建设与人才培养[J].高等教育研究,2002(03):67-71.

  [23]张立迁,靳鹏霄.研究生创新人才培养:基于科学研究的视角[J].重庆高教研究,2016,4(06):121-127.

  [24]林健.第四次工业革命浪潮下的传统工科专业转型升级[J].高等工程教育研究,2018(04):1-10+54.

  [25]张海生,张瑜.多学科交叉融合新工科人才培养的现实问题与发展策略[J].重庆高教研究,2019,7(06):81-93.

  [26]雍黎.AI产业遇上千万人才缺口校企联手共育人工智能英才[EB/OL].(2019-09-12)[2020-02-23].http://education.news.cn/2019-09/12/c_1210277129.htm.

  [27]中国新闻网.华为投入10亿元用于AI人才培养 计划三年培养100万开发者[EB/OL].(2018-10-12)[2020-04-04]. https://baijiahao.baidu.com/s?id=1614117349842833715&wfr=spider&for=pc.

  [28]中关村在线.百度:3年为国内培养10万名人工智能人才[EB/OL].(2018-04-28)[2020-02-20]. http://ai.zol.com.cn/686/6868501.html.

  [29]鞠光宇,马陆亭.发达国家高等教育如何助推人工智能发展[J].中国高校科技,2019(Z1):4-7.

  [30]刘进,吕文晶.人工智能创新与中国高等教育应对(上)[J].高等工程教育研究,2019(01):52-61.

  [31]刘进,吕文晶.人工智能创新与中国高等教育应对(下)[J].高等工程教育研究,2019(02):62-72.

  [32]吴飞. AI人才培养应避免“碎片化”[N].中国科学报,2018-11-26(001).

  [33]段世飞,龚国钦.国际比较视野下的人工智能教育应用政策[J].现代教育技术,2019,29(03):11-17.

  [34]范晓峰.地方综合性大学高层次人才引进与培养的研究[J].教育探索,2013(12):90-91.

  [35]了不起De中国人. 清华计算机“三巨头”,齐聚麻省理工,这一次我们又为美国做嫁衣[EB/OL]. (2020-02-29)[2020-04-25].https://www.sohu.com/a/376722241_405724.

  [36]刘尧.人才全球流动应是大学发展新常态——从清华教授颜宁受聘美国普林斯顿大学谈起[J].上海教育评估研究,2017,6(04):29-33.

 

来源:中国社会科学网