摘 要：人工智能技术从理论研究走向工业应用，甚至民用领域，不仅推动着新一轮科技革命和产业变革纵深发展，更激发了对教育系统变革的强烈诉求。为回应全球对人工智能的人才需求，国内外高校纷纷设立人工智能本科专业。其中，卡耐基梅隆大学和南洋理工大学分别代表了两种特色模式，前者建立了专深的人工智能本科专业，后者建立了跨学科的“人工智能+X”本科专业。两者均表现出专业特色突出、目标清晰；课程结构模块化、能力要求多样化；课程内容立足基础、注重交叉、面向应用的特点。基于此，我国人工智能本科专业课程体系建设应立足新人才、新模式、新知识的要求，回应国家需求，增强专业特色；创新课程结构，明确能力模块；优化课程内容，构建“厚基础、强专业、宽领域、重应用”的人工智能知识体系。
关键词：人工智能；本科专业；课程体系；人才培养
基金项目：国家社会科学基金“十三五”规划教育学一般课题“研究型大学引导区域创新的协同动力机制与优化路径研究”(BIA170172)
作者简介：陶泓杉，女，天津人，天津大学教育学院硕士研究生，主要从事高等教育研究；郄海霞，女，河北人，天津大学教育学院教授，博士生导师，教育学博士，主要从事比较高等教育，高等工程教育研究。
一、问题提出
世界范围内新一轮科技革命和产业变革席卷而来、蓬勃发展。人工智能正是引发产业快速变革的新一代信息技术革命的重要领域之一，因其在科技发展过程中的重要作用以及为产业创新发展带来的巨大机遇，世界各国纷纷将人工智能上升至国家战略高度，以此抢抓人工智能发展的重大战略机遇，保持本国研发前沿性和独创性，培养国家急需的高端科技创新人才，加快创新型国家和世界科技强国建设。
此背景下，人工智能领域的人才培养成为高校的发展趋势和重要任务。自2018年秋季学期开始，卡耐基梅隆大学、爱丁堡大学、南洋理工大学等纷纷开始设立独立的人工智能本科专业。我国浙江大学、上海交通大学和天津大学等在内的35所高校也获批设置人工智能本科专业[1]，到2019年，我国已有180所高校新增人工智能本科专业。
然而，各国脱胎于计算机专业的人工智能专业均刚刚建立，各高校对于这一新兴专业的人才培养目标、培养方式、课程体系建设等具体细节的思考尚不完善，仍面临一些问题和挑战。首先，确定什么样的人工智能本科专业人才培养目标？一方面人工智能领域涉及范围广，与其他领域交叉应用后又产生更多的人工智能应用学科，人工智能本科专业如何厘清自身内涵，强化专业特性，做到“至小有内”[2]并兼顾专业内多元化人才培养是影响专业长期发展的关键前提；另一方面，智能时代、知识经济时代到来，低端劳动力极大可能被机器替代，新时代人才需要具备更多人类所特有的、适应时代要求的素养，包括技术素养、数据素养、人文素养[3]，以及批判性思维、决策能力、问题解决等高阶认知能力、沟通与协作等社会技能和伦理素养[4]，人工智能本科专业如何明晰与专业相适应的人才素养目标对课程体系建设具有指导意义。其次，采取什么样的形式培养人工智能本科专业人才？人工智能学科天然具有与其他学科研究进行交叉的秉性[2]，厘清相关学科在人工智能专业课程中的地位、所占比例以及协调各相关学科领域的主次关系影响着课程开展的有效性。同时，人工智能专业如何在课程组织形式上打破传统课程的学科壁垒，回归学生中心，融合案例教学、项目式教学等教学方法在微观上决定了学生如何形成并运用他们的知识体系。最后，培养人工智能本科专业人才需要什么样的课程内容？课程内容传递的知识是学生建构自身知识体系的直接材料，如何贴近学生实际、社会经验和学科发展规律，如何做到人工智能专业课程体系应有的“专（专业）、通（通识）、交（交叉）”[2]，使学生具有全面扎实、易应用且适应将来工作环境的知识体系都应体现在课程内容的选择中。
基于上述问题与挑战，本文拟以卡内基梅隆大学和南洋理工大学为例，探讨其人工智能本科专业课程体系建设的共性优势和个性特征。卡耐基梅隆大学（简称CMU）在世界人工智能领域优势突出，开设了全美第一个以“人工智能”（AI）命名的本科专业，授予学士学位。新加坡南洋理工大学（简称NTU）则是世界排名顶尖的年轻大学，在新加坡政府和国家研究基金会推出的“国家人工智能核心”（AI.SG）计划引领下，设立了全新的数据科学与人工智能研究中心[5]，并在此基础上开设了四年制“数据科学和人工智能”本科专业，授予荣誉学士学位。两所大学都在人工智能本科专业建设上走在前列，但它们在人工智能领域基础各有不同，人工智能专业课程体系上也各有侧重，因此对这两所大学人工智能本科专业课程体系进行深入研究和比较分析，可以发现人工智能专业课程建设的不同模式和特征，对我国人工智能本科专业课程体系建设具有一定的启示和借鉴价值。
二、卡耐基梅隆大学和南洋理工大学人工智能本科专业课程体系比较分析
课程体系是把一个专业不同课程按照一定顺序排列起来，代表了教学内容和进程的总和，是实现培养目标的重要载体，对保障和提高教育质量起着至关重要的作用。一般而言，课程体系包括特定的课程观、课程目标、课程内容和课程结构等方面。考虑到课程观涉及人们对课程各方面内容的总体认识，而本文的重点是回答人工智能本科专业培养什么样的人才、如何培养人才、培养人才哪些方面的知识和能力等问题，因此，本文将聚焦课程体系中的课程目标、课程结构和课程内容三方面内容并以此构建比较分析框架，这也是人工智能时代课程体系适应“新人才”、“新模式”、“新内容”的需要。其中，“新人才”的规定体现在课程目标（专业目标）中，“新模式”的构建体现在课程结构中，“新内容”的融合体现在课程内容中。
（一）课程（专业）目标比较
课程目标是指课程本身要实现的具体目标和意图，规定了某一教育阶段的学生通过课程学习以后，在发展德智体美劳等方面期望实现的程度。人工智能本科专业的设立使其必然有不同于其他计算机相关专业的课程目标，以培养具有人工智能领域所需知识和技能的人才。
卡耐基梅隆大学于2018年秋季设立“人工智能科学（science in artificial intelligence）”专业，授予学士学位，旨在培养能够建设未来人工智能的人才，通过课程学习引导学生建构将大量数据转换为可执行决策所需的知识体系，使学生获得基础的计算机科学知识和技能以及在机器学习和自动化推理方面的额外专业知识[6]，其课程重点在于教会学生利用复杂的输入（如视觉、语言和庞大的数据库）来做出决策或增强人类能力。沿袭卡耐基梅隆大学致力于人工智能服务于社会公益的传统，学生还会学习到伦理和社会责任方面的课程，并可以选择参加一些使世界变得更加美好的独立研究项目，覆盖医疗、交通和教育等领域，培养拥有职业伦理道德和社会责任感的人工智能人才。同时，为回应历届美国政府维护其在人工智能领域全球领导地位的战略要求，使人工智能成为金融、医疗、教育、工业甚至军事领域的重要技术支撑，卡内基梅隆大学将其自20世纪50年代人工智能发端以来，继承创新的各领域人工智能知识与技术划分为多个专业领域，通过必修模块或选修课等形式，供学生个性化学习并可以持续深入研究，以培养专深的人工智能人才。
南洋理工大学设置了“数据科学与人工智能（Science in DataScience and Artificial Intelligence）”专业，是专门针对数据科学和人工智能领域的快速发展而设计的为期四年的全日制荣誉学士学位课程项目，旨在培养下一代高技能毕业生，使学生利用自己在数据科学和人工智能方面的知识，为社会面临的紧迫挑战找到创新解决方案，以继续推动新加坡高价值经济增长[7]。在新加坡政府紧抓人工智能和大数据等新兴技术带来的数字经济机遇的引导政策下，为促进新加坡支柱产业——服务业在服务前积极使用新兴技术预测客户需求，弥补其在开发先进人工智能系统时面临的缺乏足够数据来训练智能系统的最大缺点[8]，南洋理工大学的课程注重在计算机科学和数据科学之间取得平衡，使学生能够在数据科学计算方面得到更全面的培训，在计算机科学、统计学和数学方面拥有较强基础。除了专业相关知识技能外，其课程体系也注重通过选修、实习、重大应用研究项目、行业系列讲座和小型项目等形式将知识应用于金融服务、政府服务、医疗保健、生物技术和制造业等重点行业，培养学生解决问题的能力以及口头和书面沟通技巧，发展学生知识的广度、创造力和社会适应性。
就培养“新人才”的要求而言，可以发现两校的一些相似之处：其一，专业的建立源于对国家发展和科学进步的回应，以培养具有深厚知识基础，能够为人工智能学科、社会、国家和世界科技发展做出贡献的高技能人才；其二，专业课程仍要建立在数学和计算机知识和技能的培养之上，进一步与人工智能知识融合，明确“人工智能”特征；其三，注重实践、面向应用，通过研究项目、实习实践将知识整合应用于不同行业领域，培养学生解决问题能力、伦理道德和其他核心素养，促进学生全面发展。同时，在专业要求的知识和能力方面，两校也存在差异：卡耐基梅隆大学更偏重人工智能领域知识的系统构建和深入学习，南洋理工大学则更注重大数据统计、处理和分析领域的知识学习，在之后的课程内容分析中将进一步详细阐述。
（二）课程结构比较
课程设置离不开合理的课程结构和课程内容。课程结构是把学生的在校学习时间分成各部分，在不同的学习时间安排不同的课程类型，以此形成一个课程的组织体系，主要规定了组成课程体系的学科门类以及各学科内容的比例关系等，主要的分类有学科课程与综合实践课程、必修课与选修课等。
南洋理工大学将课程划分成核心课程、专业规定选修、通识教育部分（包括核心通识课程、规定选修的商业与管理类和人文与艺术类通识课程）和非限制选修[9]，并规定了相应学分（见表1）。其人工智能专业本科课程的核心课程部分，包含数学基础、计算机、数据统计与分析和人工智能四个方面；专业规定选修课程部分，包括大数据统计分析和人工智能两个重要方面。同时，课程表中还详细标注了学习该课程前的准备课程，如数据科学导论和数据结构课程要以计算机思维课程为前提，人工智能课程要以计算机思维和算法课程为前提等，课程之间紧密联系并按照学科的逻辑顺序精心安排。
卡耐基梅隆大学的人工智能专业课程则被划分为数学与统计学核心课程（6门课程）、计算机科学核心课程（6门课程）、人工智能核心课程（4门课程）、人工智能模块选修（4门课程）、伦理学选修（1门课程）、人文与艺术通识选修（7门课程，必须包括一门认知科学或认知心理学）、科学与工程通识选修（4门课程）七大模块[10]（见图1）。这七大模块清晰而明确地规定了人工智能本科专业课程所涉及的知识领域以及人工智能领域人才所应具有的能力模块。
两所大学的课程结构都或隐含或清晰地表现出了模块化特征，将人工智能专业所需掌握的知识和技能划分成几大能力或技能模块，规定在以计算机和数学为基础、以人工智能（和大数据统计分析）为核心，以伦理学选修和通识教育为拓展的结构框架内，突出课程主次关系，形成了知识能力构成清晰、主次分明的课程结构。此外，两所大学均重视通识教育，卡内基梅隆大学的通识选修课程数量更是占到了专业所有课程的三分之一，开设了商业与管理、人文与艺术、科学与工程等不同方面的选修课程，通过其他领域知识的学习和涉猎，拓宽人工智能人才的知识面，提升学生综合素质，增强学生将人工智能与其他学科领域和实际应用结合的能力。
（三）课程内容比较
人工智能领域发展迅速，其专业内部发展出越来越多的分支，相应的课程内容也逐步增多。在课程内容广度方面，人工智能本科专业如何筛选和整合人工智能不同领域的课程内容是决定人才培养质量的重要一环；在课程内容深度方面，人工智能本科专业的课程内容要建立在学生知识的准备水平上，考虑多数本科层次学生的学习情况。
首先，在专业基础课程开设方面，表2展示了卡耐基梅隆大学和南洋理工大学的课程开设情况，两所学校在课程难度和不同模块课程比例方面有所不同。南洋理工大学专业基础课程覆盖面广且偏向基础，更有利于与高中阶段知识衔接，打牢学生基础；在高年级阶段，才开设人机交互、人工智能基础两门人工智能课程，并且学生在一定程度上可以依据个人学习兴趣和知识储备选择与专业相关的限选课程，继续发展不同分支的大数据统计分析与人工智能能力。但课程多为大数据分析与处理这一人工智能前提和支持类学科的选修课程（例如时间序列分析、生存数据分析、拓扑数据分析、大数据管理等），较少有深入人工智能领域的选修课程（仅有自然语言处理一门）。
而卡耐基梅隆大学更注重“人工智能”的专业特征，从表2展示的专业基础课程中就可以看出，数学和计算机基础课程较之南洋理工大学更为高阶且与专业更加贴合（如计算机科学的数学基础）。同时，依托其在人工智能领域的深厚积淀，设置了决策与机器人集群、机器学习集群、感知与语言集群和人机交互集群四个集群的选修课程，更能使学生从基础概念和理论出发，全面了解人工智能领域的各方面知识，以便自主选择自己感兴趣的领域持续深入学习和钻研。课程内容的差异由两所大学的人工智能人才培养目标的差异决定，南洋理工大学倾向于培养“人工智能+大数据统计与分析”方面的人才，而卡耐基梅隆大学更专注于在“人工智能”领域内培养人才。
其次，两所大学的课程内容存在许多相同之处。针对人工智能面向技术应用的天然特点，两所大学均十分注重知识应用和学科交叉，例如南洋理工大学的“应用分类数据分析”课程用统计工具分析分类数据并将其应用于医学和生物科学，“时间序列分析”课程则探讨时间序列模型在经济学、工程学和金融学中的应用，还有“拓扑数据分析”课程讨论其在自然科学中的应用等等，使学生在具体课程中体验和学习如何将知识运用到涉及其他学科的实际问题中，培养学生解决问题和跨学科学习能力。除了显性教学课程外，两所大学也积极与政府（南洋理工大学与新加坡资讯通讯媒体发展署）、其他高校（卡耐基梅隆大学与匹兹堡大学医学院）、研究所（南洋理工大学与日本理化学研究所）和企业（卡耐基梅隆大学与美国自动驾驶汽车创业公司ArgoAI）合作，通过学科背景多样化的教学人员和组织形式多样化的研究项目让学生在跨学科、跨院系、跨组织的氛围中开展知识应用和基础研究，培养其从多学科视角解决问题能力和创新能力，保证其参与人工智能学习的前沿性和创新性。
最后，在注重知识学习和应用的同时，南洋理工大学和卡耐基梅隆大学同样关注到了人工智能伦理问题，探索性地开设人工智能与人文、计算机领域的伦理和政策问题以及人工智能、社会与人类等课程，邀请不同学科学者就人工智能与人文历史、与社会、与环境等相关问题进行跨学科对话和讨论，学生可以由此关注人工智能领域人-机、机-机以及人-机共融所形成的社会形态及需要遵守的道德准则，同时课程以研讨的形式进行，给予学生充分地思考、讨论和验证的空间，有利于对伦理道德问题的学习。
（四）两所大学人工智能专业课程体系综合比较
综合以上分析，卡耐基梅隆大学和南洋理工大学的人工智能专业课程体系呈现出三方面共同优势。在课程目标方面，回应国家需求、明确而有一定特色。在课程结构方面，将人工智能核心课程设置为数学、计算机基础模块和人工智能相关专业核心模块，并辅以人文与艺术、科学与工程和商业与管理等通识选修课程，通过模块化课程避免割裂学科之间的逻辑联系，同时个性化培养学生综合素质。在课程内容方面，注重扎实的数理和计算机基础；通过设置跨学科课程和配备不同学科教学人员、使用项目式教学方法、融合科研实习项目等促进课程学科交叉、面向应用；突出人工智能伦理思考，为支持人工智能与工业、人类生活深度融合提供伦理观。
其不同之处在于形成了两种人工智能本科专业课程建设模式：跨学科建设模式和专深的建设模式。南洋理工大学倾向于培养“人工智能+大数据统计与分析”的跨学科人才，在课程内容上更偏向数学和计算机基础知识的传授以及大数据科学类的人工智能基础课程，人工智能领域涉及不深；卡耐基梅隆大学依托其在人工智能领域多年深耕取得的科研成果，强调“人工智能”特征，开设了人工智能基础课程以及四个不同集群选修课，给予学生宽厚的人工智能基础和视野。（见表3）
