吴飞,男，博士，毕业于浙江大学。浙江大学求是特聘教授、博士生导师，浙江大学人工智能研究所所长。国家杰出青年科学基金获得者（2017年），入选首届“高校计算机专业优秀教师奖励计划” (2018年)，获宝钢优秀教师奖（2019年度）、教育部基础学科拔尖学生培养计划优秀导师奖（2020年）。教育部人工智能科学技术创新专家组工作组组长（2018年8月—2020年12月）、科学技术创新2030“新一代人工智能”重点项目指南专家组成员。科技部重点研发计划项目负责人，主持国家自然科学基金重点项目2项、教育部第二批新工科研究与实践项目“人工智能通专融合课程及教材体系建设”和AI+X 微专业教学研究中心负责人。著有《人工智能导论：模型与算法》、普通高中教科书信息技术选择性必修教材《人工智能初步》和数字科普读物《走进人工智能》（在喜马拉雅平台上的有声读物），开设首批国家级一流课程（线上课程）“人工智能：模型与算法”。

  陈为,男，博士，毕业于浙江大学。浙江大学CAD&CG国家重点实验室副主任、浙江大学求是特聘教授、博士生导师。科技部十三五重点研发专项“云计算与大数据”专家组成员、中国科协英才计划计算机工作组秘书长。主持国家自然科学基金重点项目2项。著有《可视化导论》《数据可视化》，开设线上课程“大数据可视化”。

  人工智能(Artificial Intelligence,AI)是一门研究难以通过传统方法去解决实际问题的学问之道。一般而言,人工智能的基本目标是使机器具有人类或其他智慧生物才能拥有的能力,包括感知(如语音识别、自然语言理解、计算机视觉)、问题求解/决策能力(如搜索和规划)、行动(如机器人)以及支持任务完成的体系架构(如智能体和多智能体)。

  众所周知,人工智能具有增强任何领域技术的潜力,是类似于内燃机或电力的一种“使能”技术。人工智能这一种使能技术被广泛应用于众多领域,如农业、制造、经济、运输和医疗等。

  人工智能作为一种使能技术,天然具有与其他学科研究交叉的秉性,从这个意义上来说,人工智能可谓“至小有内涵,至大可交叉”。因此,AI研究本身以及AI人才培养需要融合来自神经科学、脑科学、物理学、数学、电子工程、生物学、语言学、认知学等方面的知识,从而使得研究本身能够解决更复杂问题、所培养人才能够应对复杂问题的挑战。

  阿尔伯特·爱因斯坦曾经说过,“所有科学中最重大的目标是就从最少数量的假设和公理出发,用逻辑演绎推理的方法解释最大量的经验事实。”人工智能以使能之力推动社会进步,就是不断从其他学科领域内的假设和公理出发,应用逻辑推理和感知学习等人工智能手段去解决一个又一个领域内任务,构建AI+X 或X+AI的计算范式。

  当前,计算机教育正从“知识本位教育”(Knowledge Based Education)转向“能力本位教育”(Competency Based Education),从而实现知和行的统一。学科交叉是创新源头,AI+X人才教育培训顺应了创新人才培养的时代要求。

  在这份报告中,四位学者希望洛克菲勒基金会能够出资1.35万美元,于1956年夏天资助一批学者在达特茅斯学院开展两个月有关“让机器能像人那样认知、思考和学习,即用计算机模拟人的智能”的研究。这份报告同时列举了人工智能所面临的七类问题,分别是自动计算机、计算机编程、神经网络(通过连接神经元来形成概念)、计算的复杂度、智能算法的自我学习与提高、智能算法抽象能力及智能算法随机性与创造力。

  洛克菲勒基金会主管此事的生物与医学研究主任Robert S. Morison博士认为,这一研究过于庞大复杂、目标不明确,同意出资7500美元来围绕有限明确目标支持五周的研究(后来该会议时间持续了6~8 周)。在当年11 月的回信中,Robert S. Morison博士没用Artificial Intelligence来描述这一报告主旨,而是使用了脑模型(BrainModel)和思想的数学模型(Mathematical Models for Thought)。Robert S. Morison博士1964年离开洛克菲勒基金会后分别在美国康奈尔大学和麻省理工学院担任生物学教授。

  1956年夏天,一批研究学者来到达特茅斯学院开展人工智能的研究。经过六十多年演进,AI研究呈现深度学习、跨界融合、人机协同、群智开放、自主操控等新特征,引发链式突破,加速新一轮科技革命和产业变革进程,成为新一轮产业变革的核心驱动力。

  2017年7月,国务院印发《新一代AI发展规划》,这是21世纪以来中国发布的第一个人AI系统性战略规划,这一规划提出了面向2030年我国新一代AI发展的指导思想、战略目标、重点任务和保障措施,明确了我国新一代人工智能三步走的战略目标:到2020年,人工智能总体技术和应用与世界领先水平同步,AI产业成为新的重要经济增长点;到2025年,人工智能基础理论实现重大突破,部分技术与应用达到世界领先水平,AI成为我国产业升级和经济转型的主要动力;到2030年,人工智能理论、技术与应用总体达到世界领先水平,变成全球AI创新中心之一。

  《新一代AI发展规划》提出了人工智能五大技术形态,即从人工知识表达技术到大数据驱动知识学习,从聚焦研究“个体智能”到基于互联网的群体智能,从处理单一类型媒体数据到跨媒体认知、学习和推理,从追求“机器智能”到迈向人机混合的增强智能,从机器人到智能自主系统(见图1.1)。

  人工智能要成为推动国家和社会高水平发展的强大引擎,需要大批掌握这一技术的优秀人才。因此,AI赋能、教育先行,只有培养人工智能一流人才才能为我国构筑AI发展的先发优势贡献战略资源力量。

  中国《新一代AI发展规划》不但包括人工智能有关的科学研究和技术方法等内容,而且对人工智能人才教育培训和教育倾注了高度关切,在战略态势、重点任务、保障措施3个方面出现18次“教育”字眼,明白准确地提出了“设立人工智能专业”和“在原有基础上拓宽人工智能专业教育内容,形成人工智能+X复合专业培养新模式”等要求。

  为了落实《新一代AI发展规划》,2018年4月教育部印发了《高等学校AI创新行动计划》以及教育部、发改委、财政部于2020年1月联合发布了《关于“双一流”建设高校促进学科融合加快AI领域研究生培养的若干意见》两个文件来推动人工智能人才教育培训。这两个文件对AI专业设置、学科发展、人才教育培训、科学技术创新进行了规划,强调在人才教育培训和科学技术创新方面要“很重视多维融合的推动策略”,即学科建设强调“融合发展”,健全学科设置机制,以学科重大理论和实践应用问题为牵引,促进人工智能方法与技术向更多学科渗透融合;人才教育培训模式强调“复合培养”,探索以问题为导向的学科交叉人才教育培训模式,深化产教融合,大力提升研究生创新和实践能力;课程教学体系建设强调“精密耦合”,以“全链条”“开放式”“个性化”为目标,打造AI核心知识课程教学体系和应用模块课程;评价机制强调“组合创新”,以成果评价为突破口,科学评价论文、专利、软件著作权等多种成果形式,推进不一样研究生的分类评价机制。

  先前在我国现有的学科体系中,尚未设立人工智能有关学科,只是在控制科学与工程一级学科内设置了“模式识别与智能系统”二级学科,是当时所有自然科学门类中唯一和AI相关的学科。

  经国务院学位委员会第三十五次会议审议批准,2019年5月6日国务院学位委员会发布《国务院学位委员会关于下达2018年现有学位授权自主审核单位撤销和增列的学位授权点名单的通知(学位〔2019〕11号)》,批准浙江大学增列人工智能交叉学科博士学位,这是中国高校设立的第一个人工智能的交叉学科(列入一级学科管理),将其放入交叉学科这一门类之下,并明确交叉学科是多个学科相互交互、融合、渗透形成的新学科,具有不同于现有学科范畴的概念、理论和方法,是学科和知识发展的新领域。2020年12月30日,国务院学位委员会发布《国务院学位委员会教育部关于设置“交叉学科”门类、“集成电路科学与工程”和“国家安全学”一级学科的通知》,指出按照《学位授予和人才培养学科目录设置与管理办法》的规定,经专家论证,国务院学位委员会批准,决定设置“交叉学科”门类(门类代码为14)、“集成电路科学与工程”一级学科(学科代码为1401)和“国家安全学”一级学科(学科代码为1402)。交叉学科门类的设置,使得目前已有的哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、艺术学13个学科门类被扩充为14个,这是继2011年国务院学位办增设艺术类学科门类之后对学科目录的一次重大调整。

  2019年3月,教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》,批准35所高校设置“人工智能”本科专业。截至2022年2月,全国一共有440所高校设置人工智能本科专业、248所高校设置智能科学与技术本科专业、387所普通高等学校高等职业教育(专科)设置人工智能技术服务专业,一批高校设置了与人工智能或智能科学相关的交叉学科或学科方向。由此形成了我国多层次多类型的人工智能人才培养系统。

  由此,我国本科和研究生层次的人工智能人才培养载体已经形成(见表1.1)。

  2018年9月,卡内基-梅隆大学开设了美国第一个人工智能本科专业,由来自该校计算机科学系、人机交互研究所、软件研究所、语言技术研究所、机器学习学院和机器人研究所等教师授课,表1.2列出了其设置的14门核心课程。比较分析卡内基-梅隆大学计算机本科专业和人工智能本科专业中数学和人工智能两个模块的必修课程可发现,两个专业在这两个模块内只有两门必修课程不同:人工智能本科专业在数学模块中多了一门“现代回归”(Modern Regression)课程;计算机本科专业在计算机模块中多了一门“算法设计与分析”(Algorithm Design and Analysis)课程。

  与美国不同,英国一些高校长久以来一直开设人工智能本科专业,如爱丁堡大学。表1.3以斯坦福大学计算机科学、卡内基-梅隆大学人工智能和爱丁堡大学人工智能3个本科专业的课程设置来分析其授课内容异同。

  从表1.3中可以看出,当前计算机本科专业课程设置与人工智能本科专业课程设置具有一定的差异。在计算机专业中,人工智能往往是一个模块方向,因此其知识体系被削弱化和碎片化,人工智能专业知识体系不等于计算机科学知识体系。

  1968年首次发布的计算机课程体系Curriculum 68强调算法思维,认为算法的概念应当和程序的概念清晰地区分开,并且强调了数学知识的教学(如微积分、线年计算机课程体系中,“AI,heuristic programming(人工智能与启发式规划)”首次出现。由此可以看出,人工智能知识点在第一份计算机专业课程体系中就已经出现,而且从未缺席。

  1985年,ACM 和IEEE计算机协会(IEEE-CS)联合成立了一个工作组,来制定计算机课程体系,这个工作组认为计算机专业是研究信息描述和转换的系统性算法过程,包括理论、分析、设计、效率、执行和应用。同时,工作组提出计算科学的根本问题是,“什么可以(有效地)自动化”。1991 年,这个工作组发布了计算机课程体系Computing Curricula 1991。

  ACM 和IEEE-CS发布的1991版课程体系将计算机课程体系分为11个知识领域,其中将人工智能与机器人内容单列为Artificial Intelligence and Robotics(AI),这说明人工智能课程在计算机课程体系中成为了一个独立的知识单元,人工智能进入计算机专业教育的核心领域(见表1.4)。

  2001 年,ACM 和IEEE-CS 联合工作组发布了计算机课程体系ComputingCurricula 2001。Computing Curricula 2001将计算机课程体系分为14个知识领域,其中将人工智能内容单列为Intelligent System(AI)。在这版计算机课程体系中,人工智能板块课程内容被进一步地拓展和细化,人工智能的相关内容被分为13个分支,分别为智能系统基础、搜索与优化、知识表达和推理、学习、智能体、计算机视觉、自然语言处理、模式识别、先进机器学习、机器人、知识系统、神经网络和遗传算法(见表1.5)。从这13个分支可以看出,人工智能板块基本上已经形成了自己的知识体系和课程体系,已经在核心理论和应用理论上完成了整体架构的搭建和设计。

  2013 年,ACM 和IEEE-CS 联合工作组发布了计算机课程体系ComputingCurricula 2013。在Computing Curricula 2013中,计算机课程体系被称为一个“大篷”(BigTent),其知识领域被拓展为18个。在这个课程体系中,AI相关内容被分为12个分支,分别包括智能基本问题、搜索策略基础、知识表示和推理基础、机器学习基础、高级搜索、高级知识表达和推理、不确定下推理、智能体、自然语言处理、高级机器学习、机器人、感知与机器视觉。

  从1968年计算机课程体系到2013年计算机课程体系可看出:①人工智能知识体系的着重点走过了从强调程序设计(Programming)、到算法研究(Model)以及功能实现(Function)的不同历史阶段;②从2008年和2013年计算机课程体系可以看出,计算机课程体系这个“大篷”随时间不断扩展,如基于平台的开发、并行与分布式计算、系统基本原理等是2013年中新增加内容;③人工智能知识点逐渐变得明晰,在2013年计算机课程体系中明确指出人工智能是一门研究难以通过传统方法去解决实际问题的学问之道,其通过非传统方法解决问题需要利用常识或领域知识的表达机制、解决问题的能力以及学习技巧。为此,需要研究感知(如语音识别、自然语言理解、计算机视觉)、问题求解(如搜索和规划)、行动(如机器人)以及支持任务完成的体系架构(如智能体和多智能体)。

  人工智能不单纯是一门课程、一项技术、一种产品或一个应用,而是理论博大深厚、技术生机勃勃、产品落地牵引、应用赋能社会的综合生态系统,在这样一个良好生态系统中,学科、专业、课程、教材和实训平台是人才教育培训生态系统中不可或缺的有机元素。人才培养中不同元素的定位和作用如表1.6所示。

  学科和专业一般相对于研究生和本科生而言。学科是指学术的分类,是相对独立的知识体系,即一定科学领域或一门科学的分支,如自然科学中物理、数学和化学等,社会科学中历史学和教育学等。专业是根据社会分工、经济和社会发展需要以及学科的发展和分类状况而划分的学业门类。当前具有学位授权自主审核权限的若干高校(浙江大学、华中科技大学和武汉大学)已经设置了人工智能交叉学科,一批高校设置了人工智能本科专业。

  课程是人才培养的核心要素,是影响学生发展最直接的中介和变量,课程质量直接决定着人才的培养质量。教育部于2020年11月公示了首批国家级一流本科课程名单,认定5118门课程为首批国家级一流本科课程(含1559门在促进信息技术与教育教学深度融合,特别是在应对新冠肺炎期间实施的大规模在线教学中作出了重要贡献的原2017年、2018年国家精品在线开放课程和国家虚拟仿真实验教学项目)。其中,线门,虚拟仿线门,线门,线门。在这些课程中,有一批人工智能一流本科课程,如人工智能:模型与算法(浙江大学吴飞)、人工智能原理(同济大学苗夺谦)、人工智能导论(浙江工业大学王万良)、人工智能实践:Tensorflow笔记(北京大学曹健)、人工智能与信息社会(北京大学陈斌)、大数据机器学习(清华大学袁春)、无人驾驶车人工智能与创新设计的虚拟仿真实践教学(北京科技大学覃京燕)、人工智能思想与方法(北京语言大学于东)、网络和AI法(南京航空航天大学王建文)、人工智能基础(山东交通学院)。

  人工智能这一使能技术的典型特点是应用驱动,当今人工智能已经渗透到各行各业,正不断提高实体经济发展的质量和效益。许多领先的IT 企业不仅掌握了丰富的应用场景数据,而且掌握了先进的开发工具和前沿技术。高校人才培养应该与这些IT企业开展产教合作,建立合作基地,形成良好的产教融合关系,给学生创造实习实训机会,使得所培养的人才能够面向丰富场景应用和重大现实问题等发挥应有之力,即要求学生系统了解人工智能的基本概念和基础算法,掌握人工智能脉络体系,体会具能、使能和赋能的手段。为了实现这样的教学理念,人工智能算法实训平台变得越来越重要。2020年7月1日,浙江大学人工智能研究所和人工智能协同创新中心发布了由潘云鹤院士题词的“智海———新一代人工智能科教平台”(寓意为“有智之能,方可驱动时代变革;有海之容,便可赋能万物更新”,并同时赋予“人工智能、教育先行;产学协作、引领创新”平台理念。智海平台将创新技术需求和教学实践场景紧密结合,在MindSpore、ModelArts和飞桨等人工智能编程框架的支持下,鼓励学生研发基于国产人工智能软硬件体系的人工智能算法库和应用场景模型,架构支持跨学校、跨学科的人工智能科教创新社区,开源开放案例、算法、模型、数据和应用场景等,通过AI+X行业应用、人工智能微专业和人工智能微认证等模式,创新产教融合、科研育人的人才培养模式,汇聚高校和企业力量,在科教融合和创新人才培养等国家重大战略背景下,推动人才链、科研链、产业链和创新链的高层次融合,为构筑人工智能发展的先发优势培养战略资源(见图1.2)。

  当前,融合了“互联网+”和“智能+”技术的在线教学已成为重要发展方向,在线教学由“新鲜感”向“新常态”转变,催生新的教育形态和人才培养范式。以“互联网+”和“智能+”为核心的技术被应用于在线教育场景,推动从以“教”为中心向以“学”为中心的范式革命。

  在这一过程中,推动教育改革的技术手段面临如下挑战:从“从面对面单声道直播”到“多主体多声道协同”,即学习者和受教育者多个主体以点对点、组对组形式进行相互合作,产生新型智慧,体现群智涌现。可以说,群智协同促进了知识生成和知识创新;从“教学内容浏览搜索”到“人机交互自适应学习”。人机交互提供内容推荐、碎片化知识合成和按需分组等自适应学习手段,提质以人为中心的自适应学习,体现人机协同;从“线下主观评价”到“线上全过程数据驱动评测”。智能算法可对学习环境、受教个体、学习行为等累积的数据进行挖掘,获取因果证据、评测学习效果,体现由果溯因。

  可以看出,从“单声道直播”到“多主体多声道协同”,变革“满堂灌”到“群智协同”;从“千篇一律”到“自适应学习”,提升人在回路教育场景“机器智能”;从“主观评价”到“因果评测”,建立以“因果推断”为核心实证评估。这些挑战都是人工智能创新技术和人工智能赋能教育要解决的问题。

  长期以来,我们多从社会科学和人文科学角度来加强教育研究,人工智能、大数据等创新技术驱动教育发展,使得教育的根本性问题也随之发生变化,迫切需要推进自然科学研究范式以深化对教育和人的认知。

  2018年,国家自然科学基金委增设教育信息科学与技术,申请代码为F0701,将自然科学研究范式引入教育研究,希望通过自然科学基金项目资助部署,广泛吸引不同领域的科学家开展多学科交叉的基础研究来解决教育创新发展中亟待解决的科学问题。

  表1.7列出了教育信息科学与技术代码体系,分别是教育信息科学基础理论与方法(F070101)、在线与移动交互学习环境构建(F070102)、虚拟与增强现实学习环境(F070103)、教学知识可视化(F070104)、教育认知工具(F070105)、教育机器人(F070106)、教育智能体(F070107)、教育大数据分析与应用(F070108)、学习分析与评测(F070109)、自适应个性化辅助学习(F070110)。

  跨学科(Interdisciplinary)这一术语最早由1937年12月出版的《牛津英语词典》(Oxford English Dictionary)引进,并被用在一种社会学杂志上。自然科学领域最早的跨学科研究可追溯到1984年美国伊利诺伊大学所收到金额为4000万美元的一笔公立学校私人捐助经费,成立贝克曼研究院(Beckman Institute)开始。

  科技发展的事实已经表明,重大科技问题的突破,新理论乃至新学科的创生,常常是不同学科理论交叉融合的结果。学科之间的交叉和渗透在现代科学技术发展历程中推动了链式创新。利用不同学科之间依存的内在逻辑关系,在学科之间相互渗透、交叉和综合,可实现科学的整体化,是知识生产的前沿。学科交叉正在成为科学发展的主流,推动着科学技术的发展。

  图1.3给出了国家自然科学基金委员会信息学部设置人工智能学科研究内容关系。从图1.3可见,人工智能基础包括以数学方法和物理模型为核心的基础理论以及复杂理论与系统,这些基础研究构成了机器学习和知识表示与处理等内容。为了通过机器模拟人类智能,需要研究人类所具有的自然语言、视觉和识别分类等能力,因此机器视觉、模式识别、自然语言处理就构成了人工智能的实现手段。作为一种使能技术,人工智能因为其交叉内禀而获得了广泛应用,为此需要研究人工智能芯片与软硬件、智能系统与应用、新型和交叉的人工智能等内容。仿生智能、类脑机制和人工智能安全推动人工智能本身的研究进步。

  为了从学科交叉角度来促进基础科学研究,国家自然科学基金委员会于2020年11月成立了名为“交叉学科部”的第九大学部,这是2009年医学科学部从生命科学部划分成立后,时隔11年再次成立新的学部。在基础研究方面,交叉科学部的任务是以重大基础科学问题为导向,以交叉科学研究为特征,统筹和部署面向国家重大战略需求和新兴科学前沿交叉领域研究,建立健全学科交叉融合资助机制,促进复杂科学技术问题的多学科协同攻关,推动形成新的学科增长点和科技突破口,探索建立交叉科学研究范式,培养交叉科学人才,营造交叉科学文化。

  2020年6月16日,潘云鹤院士作为通讯作者与其他人工智能领域的年轻学者,在《自然》子刊《机器智能》发布了《中国迈向新一代人工智能》的文章,全景式地扫描中国新一代人工智能的形成过程和发展现状。潘院士指出,中国今后新一代人工智能的发展面临如下挑战:一是大力培养人工智能本土一流人才;二是加强学科交叉下的人工智能理论突破;三是规范人工智能伦理道德;四是全面构建起中国人工智能发展生态。

  AI人才培养和科学研究需要综合生态系统(Ecosystem System)的支撑,在这样一个良好生态系统中,每一个来自不同领域的参与者都可郁郁葱葱、乘势成长。

  “致天下之治者在人才,成天下之才者在教化。”我们相信在这样一个伟大的历史时刻,高等学校即将肩负起人工智能人才教育培训的伟大历史使命,与企业、政府及其他联盟一起,人工智能教育先行,产学协作,引领创新。1955年人工智能登上历史舞台的初心非常简单,人工智能每一次成绩的取得必将推动社会的伟大巨变,人工智能最终完成的一刹那必将为人类社会带来辉煌的巨变。