高校人工智能本科专业需要怎样的课程体系（二）

三、我国人工智能本科专业课程体系建设的思考

为应对智能时代的人才缺口，我国学者对人工智能专业和其相关专业的人才培养方向、模式和方法同样提出了一些新理念和新建议：在人才培养目标方面，致力于培养宽口径复合型人才、高水平专业人才和拔尖创新人才，并对人才素质做了多维度要求，促进学生全面发展[11]；在人才培养模式方面，总结出浙江大学以跨学科实践平台为支撑，整合学科知识、重构课程模块[12]的课程体系建设方式，人工智能专业学生可在基础和专业核心课程外，根据自身的兴趣选择性地学习智能决策与机器人、机器学习、智能感知与语言以及可视交互与设计四个方向的模块课程[13]；在人才培养内容方面，反复强调人工智能专业知识体系中“交叉”、“应用”以及“通识（人文）教育”几个关键词，清华大学更是在人工智能学科领域创办智班践行了“广基础重交叉”的培养模式，注重学科基础教育并设置覆盖前沿领域的全英文教学专业核心课程，前两年以“通才教育”为主，实施基础知识强化训练，后两年以“专才教育”为主，加强人工智能专业教育[14]。

然而，在我国高校面向人工智能领域人才培养做出快速反应的同时，我国高等教育在人工智能人才培养方面仍存在一些需要长期实践改革的问题。其一，针对本科层次，人工智能专业人才培养目标过于粗糙单一，需要有针对性地加以细化，包括与其他专业相区分、不同层次类型高校相区分、与高中和研究生阶段相衔接等，并亟待形成面向信息能力、创造能力、社交能力、人文情怀、国际化能力、问题解决能力等的人工智能人才培养能力体系[15]。其二，就人才培养模式而言，我国高等教育中的学科壁垒、学院划分、教职人员流动限制和跨学科教育实践的落后性都在很大程度上阻碍了人工智能专业相关平台和模块化课程的有效实施，如何使新人才培养模式落地成为重要的前提性问题。其三，在人才培养内容方面，课程内容繁杂、与科研实践关系不紧密等问题同样可能出现在人工智能专业培养过程中，导致学生在基础研究和面向应用方面都 “力不从心”，同时除通识教育课程选课范围外，缺乏对人工智能与人文、伦理、艺术等领域进行融合的中国化探索与尝试[16]。

因此，借鉴国外两所案例大学人工智能专业课程体系建设的实践经验，未来我国人工智能专业课程体系建设应借新兴专业新生之势，破除高等教育旧有弊病，建设满足“三新”要求的课程体系，即新的特色复合型、跨学科人才培养目标，新的多维度模块化课程结构，新的厚基础、多学科交叉融合、面向应用的课程内容。

（一）新人才：回应国家需求，增强专业特色

人工智能本科专业的课程目标代表着一个学校乃至一个国家对“培养什么样的人工智能人才”这一根本问题的回答，在宏观上要回应国家对人工智能学科发展及其相关领域人才素质的要求和期待；在微观层次要明确其存在的必要性和独特性，表现在与其他相似专业的区分以及突出不同学校相同专业的特色。

首先，在回应国家需求方面，我国人工智能本科专业在课程体系建设中首先要回应国家如下要求：“瞄准世界科技前沿，强化基础研究，实现前瞻性基础研究和引领性原创成果的重大突破，进一步提升高校人工智能领域科技创新、人才培养和服务国家需求，推动人工智能与实体经济深度融合、与人民需求深度融合、与教育深度融合”[17]，对学生的人工智能基础知识与研究能力、技术设计与应用能力、跨学科（多学科）知识与能力、工程伦理、家国情怀、创新创业能力和终身学习能力等在培养目标上进行顶层设计，培养服务人民、服务国家的人才。

其次，在专业设置的必要性和独特性方面，人工智能专业虽脱胎于计算机专业，曾是计算机专业中的一个分支，但人工智能专业课程的知识体系绝对不是计算机专业的知识体系，人工智能人才具有的知识能力也不同于计算机专业人才。人工智能专业在设置之初，就要有清晰的人才培养目标和就业导向，各院校也要有不同侧重，避免各高校人才培养的同质化以及自身目标模糊化的问题。

通过对两所案例学校的比较分析，本文提出两种不同的课程建设模式：一是以卡耐基梅隆大学为代表的专一且深入的人工智能专业课程模式，二是以南洋理工大学为代表的“人工智能+X”的跨学科课程模式。与卡耐基梅隆大学相似的在人工智能领域有深厚积淀的、处于领先地位的高校或在人工智能领域研究覆盖面广、有一定实力的高校可以开设专一且深入的人工智能课程体系，以培养有大量知识能力储备的人工智能专攻型、研究型人才，人工智能的发展也离不开领域内基础研究的支持。而一些在人工智能某一方面有所专长且在其他相关学科也有所特色的大学可以开设“人工智能+X”的跨学科课程体系，培养能够在相关领域开展研究并将人工智能应用到实际问题中的人工智能复合型人才（如人工智能+医疗、人工智能+地球科学、人工智能+金融），或是注重应用的人工智能某一领域的技能型人才（如机器学习、人机交互、自然语言处理等）。各大学分别培养不同类型人工智能人才，各专业各具特色，有利于形成多元化人才培养结构，丰富人工智能领域市场的人才供给。在此基础上，各大学依据培养目标的具体特征，明晰其应具有的知识和能力，进一步规定专业课程体系。

（二）新模式：创新课程结构，明确能力模块

根据新人才培养目标的要求，突破单一学科思维和院系设置物理壁垒的跨学科平台建设以及课程体系重构成为许多专业改革的方向，例如天津大学建构的面向未来科技和产业发展的多学院和多学科合作跨学科人才培养平台（未来智能机器和系统培养平台、未来智能医疗与健康教育平台等）[18]。本文受两所案例大学，特别是卡耐基梅隆大学的启发，提出在重视人工智能专业课程的基础上，依托跨学科平台提供不同领域教学人员和项目资源，构建人工智能模块化课程的设想，明确学生应获得的知识能力模块，分清不同模块衔接关系。

模块化课程的模块设计分为狭义模块和广义模块，狭义模块是通过对具体岗位的职业分析，将每一个岗位所需的能力或技能层层划分，每一个二级能力或每一个技能所需的工作步骤、工具、知识、态度、标准等内容就称之为一个模块。广义模块是模块概念引入我国以后的一种延伸，包含内容大于狭义模块，是多个狭义模块的组合，不单纯包括一项技能、知识或能力，并且在模块中能力性教学内容与学科性教学内容相结合[19]。一个专业的规划则需要广义和狭义模块相配合，卡耐基梅隆大学的人工智能专业课程划分七大模块即可认为是广义模块，而一门课程中包含的使学生掌握一个具体技能或能力的所有内容就是一个狭义模块。模块化的课程结构有以下优势：（1）明确专业培养的能力，既强调继承学科课程的优势，又重视以职业分析为基础进行课程开发，重视能力和技能培养的渗透，使学生真正掌握有专业特色的可以解决实际问题的能力；（2）数学、计算机和通识教育等模块与人工智能基础和选修模块组成了一个循序渐进的宽基础课程结构，同时这些模块易于灵活组合，学生可以自由选择某些模块，利于培养个性化“人工智能+X”人才。

人工智能本科专业进行课程设计时，应将总体课程结构和每一门课程进行模块化设计，尽可能地丰富课程模块，宏观上建立“基础知识模块+人工智能专业模块+跨学科特色模块+综合素质选修模块”等课程模块（见图2），微观上合理安排、明确设置一门专业课程的能力模块，依此有针对性地授课，突出课程特色，避免课程冗余。同时，结合基础核心课程、专业核心课程以及专业选修课程和通识选修课程等课程类型规定，明确专业核心和特色，并在不同学科交叉中分清不同类型课程的作用、地位和主次关系，避免课程数量过多、知识重复率高、难以有效融合、学生忽视专业知识等问题。在之后的专业课程设计中，也要将教材模块化、课程内容模块化等细节落到实处。

（三）新知识：优化课程内容，聚焦人工智能

课程内容的选择是根据特定的教育价值观及相应的课程目标，从学科知识、当代社会生活经验或学习者的经验中选择课程要素的过程，其要符合学生基础和认知发展的规律、贴近和适应社会发展以及符合学科发展规律和要求。因此，在确定人工智能本科专业课程内容时，要把握本科阶段学生知识基础和认知特点，在避免人工智能知识体系空心化、碎片化、浅显化的基础上，重点突出其与自然科学、社会科学与人文艺术科学交叉的新兴学科特点，构建“厚基础、强专业、宽领域、重应用”的人工智能知识体系。

首先，在“厚基础”方面，借鉴南洋理工大学和卡耐基梅隆大学的课程构成，需在数学和计算机两个核心课程模块开设更系统更全面的基础课程。首先，从学生基础和认知发展情况出发，本科阶段教师应充分了解高中学生对于人工智能这一“高深”领域的知识准备水平和认知水平，更好地与高中阶段课程衔接，在低年级阶段开展螺旋式上升的数学和计算机知识学习，做好课程内容铺垫，使学生更顺利地进入专业学习。另一方面，从学科知识发展角度来看，因人工智能专业的发展立足于数学和计算机科学的基础之上，教师要巧妙筛选与人工智能相关的数学和计算机知识，避免“大水漫灌”和“学用不衔接”的问题，并在课程中点明这些基础知识的人工智能应用范围，例如，概率论中的贝叶斯思维可以应用到利用人工智能过滤垃圾邮件的问题中、随机过程中的隐马尔科夫模型可以支持语音识别等[20]。总之，人工智能本科专业要重视并开足支持学生在人工智能领域深入学习、研究的基础课程，保证课程质量，使学生积累深厚的知识基础，打牢学生学习的“地基”。

其次，聚焦专业，学科交叉，面向应用。课程内容方面要突出人工智能专业特色，聚焦专业内涵，把握学科发展规律，将人工智能基础、机器学习、决策与机器人、感知与自然语言处理和人机交互等专业课程做精做细，将理论知识、研究前沿和应用问题有机结合融入课堂知识学习，并在课堂组织方式上多采用研讨式、问题式和项目式等学习方式，打造精品课程，避免对传统课堂的沿袭。另一方面，正是技术孕育的多学科基础和产业应用的多样化趋势要求不同学科的交叉融合，直接催生了独立、交叉的人工智能专业[21]。为坚持人工智能专业初始的交叉性特点，课程内容要结合学校专业布局特点和专业建设优势，依托选修课程、科研项目和跨学科平台促进多学科交叉融合。专业课程中要涉及与人工智能研究息息相关的认知科学、脑科学、心理学等领域，初步探讨人工智能与金融、商业、医疗等其他学科交叉融合的相关问题，再借助科研合作项目，为学生提供宽领域的研究机会和接触实际问题解决过程的机会。在面向应用方面，为避免人工智能成为一个培养专门人才的专业后，学科逻辑替代问题逻辑[22]，人才培养过于理论化和专业化，脱离问题实际，落入传统人才培养的窠臼，学校要重视与政府、科研机构和企业的协同合作，多听取相关利益者的意见以确定课程内容，并建设实训基地和科研创新平台，建设起“场景驱动”的应用型模块课程，将课堂移到真实场景中，通过课上基础知识和技能工具的学习和小范围模拟运用、科研项目和实习实践中的实际问题解决和经验积累以及与企业和政府项目合作过程中的综合能力锻炼与知识创新等一系列的培养活动实现全过程协同育人，完善“人工智能+X”的复合型人才培养体系。

最后，课程内容具有知识性与价值性相统一的特点，人工智能专业要通过人文、社会、艺术和伦理等方面的通识教育课程对学生进行人文关照，提升学生的生态意识、法律意识、审美能力和伦理道德水平，特别是引发学生对人工智能伦理和社会价值的思考。人工智能在无生命的机器上对人类智能的模拟必然会产生伦理问题，包括表层的隐私泄露、工人失业风险增加、教育领域应用的两面性、军事领域应用带来的安全性问题等，更隐藏着“机器是否会统治人、奴役人”以及人与人工智能的关系等哲学问题[23]。虽然人工智能从数据智能到类脑（生物）智能还有很长的路要走，但在实现这些技术之前，这些伦理道德问题都是人类需要思考的。学校教育要肩负起对学生社会责任感和伦理道德的涵养，德育、智育和美育课程三育并举，专业课程和通识课程相辅相成，结合工程实例和文艺创作，引发学生对伦理问题的注意和思考，引导学生正确平衡工具理性和价值理性，培育正确社会价值观和对全人类的关怀之心。