人工智能在全世界都受到了高度關(guān)注。國務(wù)院在2017年7月印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，教育部2018年4月制定了《高等學(xué)校人工智能創(chuàng)新行動計(jì)劃》，明確提出要“支持高校在計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科設(shè)置人工智能學(xué)科方向，推進(jìn)人工智能領(lǐng)域一級學(xué)科建設(shè)”“加大人工智能領(lǐng)域人才培養(yǎng)力度”，為我國新一代人工智能發(fā)展提供戰(zhàn)略支撐。
人工智能教育關(guān)注的應(yīng)該是弱人工智能
關(guān)于人工智能，長期存在兩種不同的目標(biāo)或理念。一種是希望借鑒人類的智能行為，研制出更好的工具以減輕人類智力勞動，一般稱為“弱人工智能”;另一種是希望研制出達(dá)到甚至超越人類智慧水平的人造物，其研究目標(biāo)具有心智和意識、能根據(jù)自己的意圖開展行動，一般稱為“強(qiáng)人工智能”。
國際主流人工智能學(xué)界所持的目標(biāo)是弱人工智能。人工智能技術(shù)現(xiàn)在所取得的進(jìn)展和成功，是緣于“弱人工智能”而不是“強(qiáng)人工智能”的研究。用國際人工智能聯(lián)合會前主席、牛津大學(xué)伍爾德里奇教授的話來說，強(qiáng)人工智能“幾乎沒有進(jìn)展”，甚至“幾乎沒有嚴(yán)肅的活動”。
事實(shí)上，強(qiáng)人工智能還涉及科學(xué)研究的倫理問題，這也是主流人工智能學(xué)界不往這個方向努力的原因之一?；艚鸬热怂鶕?dān)憂的“人工智能有可能是人類文明史的終結(jié)”，實(shí)質(zhì)就是對強(qiáng)人工智能的擔(dān)憂。因?yàn)榫哂?ldquo;自主意識”、能力全面超越人類的，將不再是能被人類控制的“工具”，無法保證它的“利益”與人類一致。
人工智能教育所關(guān)注的應(yīng)該是有助于為人類社會謀福祉的、有助于解決產(chǎn)業(yè)創(chuàng)新需求的、有助于學(xué)生未來職業(yè)發(fā)展的內(nèi)容，顯然，關(guān)注的應(yīng)該是弱人工智能。
“人工智能”還是“智能科學(xué)”?
目前已有“智能科學(xué)與技術(shù)”專業(yè)，能否代替“人工智能”呢?
顧名思義，“智能科學(xué)與技術(shù)”所關(guān)注的是“智能”。“人工智能”和“智能”的關(guān)系，類似于“飛機(jī)(人工鳥)”和“鳥”的關(guān)系。研究飛機(jī)顯然不同于研究鳥科學(xué)。鳥科學(xué)本身很重要，但它并不是培養(yǎng)飛機(jī)制造者所必須掌握的科學(xué)知識，對鳥沒弄清楚并不妨礙造飛機(jī)，飛機(jī)的飛行方式也不需與鳥的飛行方式相同。
事實(shí)上，人工智能更多的是與計(jì)算機(jī)科學(xué)、數(shù)學(xué)、工程學(xué)有關(guān)，而智能科學(xué)本身則更多是與認(rèn)知科學(xué)、神經(jīng)科學(xué)、腦科學(xué)有關(guān)。人工智能人才培養(yǎng)的迫切性，主要源于人工智能產(chǎn)業(yè)蓬勃發(fā)展所導(dǎo)致的對人工智能人才的旺盛需求。
習(xí)近平總書記在十九大報告中強(qiáng)調(diào)，要推動“人工智能和實(shí)體經(jīng)濟(jì)的深度融合”。以計(jì)算機(jī)科學(xué)、數(shù)學(xué)、工程學(xué)為主要基礎(chǔ)的人工智能科學(xué)技術(shù)目前已能在實(shí)體經(jīng)濟(jì)中發(fā)揮作用，而以認(rèn)知科學(xué)、神經(jīng)科學(xué)、腦科學(xué)為主要基礎(chǔ)的智能科學(xué)技術(shù)，與實(shí)體經(jīng)濟(jì)的深度融合似乎還為時尚早。
對創(chuàng)辦一流大學(xué)人工智能教育而言，目標(biāo)應(yīng)該是高水平的建筑設(shè)計(jì)師、土木工程師，乃至于建筑大師。簡而言之，我們的目標(biāo)應(yīng)該是培養(yǎng)在人工智能領(lǐng)域具備源頭創(chuàng)新能力、具備解決企業(yè)關(guān)鍵技術(shù)難題能力的人才。
人工智能人才需要何種知識結(jié)構(gòu)?
人工智能所要解決的通常是涉及不確定性的復(fù)雜任務(wù)，從其任務(wù)求解過程來看，首先要對復(fù)雜現(xiàn)實(shí)進(jìn)行抽象建模，然后對模型算法分析設(shè)計(jì)，進(jìn)行軟件程序?qū)崿F(xiàn)，基于強(qiáng)力計(jì)算平臺進(jìn)行高效擴(kuò)展，再通過試用反饋迭代改善。這決定了高水平人工智能人才需要：數(shù)學(xué)基礎(chǔ)好、計(jì)算/軟件程序功底扎實(shí)、人工智能專業(yè)知識全面。
首先，無論是在抽象建模還是模型算法分析設(shè)計(jì)環(huán)節(jié)，都需要依賴良好的數(shù)學(xué)基礎(chǔ)，因?yàn)槿斯ぶ悄芩鎸Φ膯栴}千變?nèi)f化，這導(dǎo)致了其所涉及的數(shù)學(xué)工具種類多樣。事實(shí)上，人工智能的核心領(lǐng)域——機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)中對數(shù)學(xué)基礎(chǔ)要求最高的分支之一。
第二，復(fù)雜現(xiàn)實(shí)任務(wù)通?？梢詮亩喾N角度進(jìn)行抽象，而不同的抽象將導(dǎo)致巨大的差異。抽象出的問題是否可計(jì)算?從程序代碼的角度是否易實(shí)現(xiàn)?從計(jì)算平臺的角度是否便于高效處理?…… 回答這些問題需要在算法分析/程序設(shè)計(jì)/計(jì)算系統(tǒng)方面具備扎實(shí)的基礎(chǔ)。事實(shí)上，對一些現(xiàn)代大型人工智能程序而言，甚至連高維數(shù)組的存儲順序都需做到優(yōu)化，這如果沒有扎實(shí)的計(jì)算/軟件程序功底顯然是不行的。
第三，在解決現(xiàn)實(shí)的人工智能應(yīng)用任務(wù)時，往往同時涉及多種人工智能專業(yè)知識，需有效進(jìn)行融合發(fā)揮。因此，高水平的、能解決企業(yè)關(guān)鍵技術(shù)難題的人工智能人才，必須具備全面的人工智能專業(yè)知識。這就引出了下一個問題：
人工智能自身的專業(yè)知識有哪些?
不妨簡單回顧一下人工智能這個學(xué)科領(lǐng)域的發(fā)展歷程。
目前一般認(rèn)為，人工智能學(xué)科正式誕生于1956年美國達(dá)特茅斯會議。這個會議的參加者包括后來的圖靈獎得主麥卡錫、閔斯基和信息論之父香農(nóng)等人。會議發(fā)起人麥卡錫提議以“人工智能”作為該學(xué)科的名稱，因此麥卡錫被尊為“人工智能之父”。從那時起，如果以主流人工智能學(xué)界的關(guān)注重點(diǎn)進(jìn)行劃分，則人工智能的發(fā)展歷程大致可分為三個階段：1956年至1960年代中后期的“推理期”，1970年代至1980年代中期的“知識期”，以及1990年代至今的“學(xué)習(xí)期”。推理期關(guān)注的重點(diǎn)是基于邏輯的自動推理，知識期關(guān)注的重點(diǎn)是知識工程，學(xué)習(xí)期關(guān)注的重點(diǎn)則是機(jī)器學(xué)習(xí)。人工智能領(lǐng)域迄今共有8位學(xué)者獲得圖靈獎，他們是人工智能誕生期的麥卡錫和閔斯基，推理期的西蒙和紐厄爾，知識期的費(fèi)根鮑姆和芮迪，以及學(xué)習(xí)期的維利昂特和珀?duì)枴?/p>
上述學(xué)科歷程直接決定了人工智能專業(yè)知識在“內(nèi)核基礎(chǔ)層”主要包括機(jī)器學(xué)習(xí)(學(xué)習(xí)期的核心)、知識表示與處理(推理期與知識期核心的融合)。在此之上，“支撐技術(shù)層”包括模式識別與計(jì)算機(jī)視覺、自然語言處理、自動規(guī)劃、多智能體系統(tǒng)、啟發(fā)式搜索、計(jì)算智能、語音信息處理等。再往上的“平臺系統(tǒng)層”則包括機(jī)器學(xué)習(xí)系統(tǒng)平臺(如Tensorflow等)、人工智能程序設(shè)計(jì)(如LISP、Pathon等)、智能系統(tǒng)、機(jī)器人等。更往上還有與其他學(xué)科的“交叉應(yīng)用層”。
可以看出，人工智能與其他的一些 “投資風(fēng)口”“短期熱點(diǎn)”不同的是，它經(jīng)過了60多年的發(fā)展，已經(jīng)形成了龐大自洽的知識體系。事實(shí)上，上述各層的每一項(xiàng)內(nèi)容都至少對應(yīng)一門課程。
目標(biāo)在現(xiàn)有學(xué)科培養(yǎng)框架下能否達(dá)成?
以計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科為例，本科畢業(yè)大致需修滿150個學(xué)分，其中約60學(xué)分是通識通修課程，15學(xué)分是畢業(yè)設(shè)計(jì)和就業(yè)創(chuàng)業(yè)類課程，在剩下的約75個學(xué)分中，學(xué)科平臺課和專業(yè)核心課約占55學(xué)分。到此尚未出現(xiàn)人工智能專門課程，已經(jīng)僅剩約20學(xué)分。而剩下的學(xué)分仍需考慮計(jì)算機(jī)學(xué)科“寬口徑”人才培養(yǎng)，要平衡多個專業(yè)方向的需求，這就使得能專門用于人工智能的課程數(shù)量遠(yuǎn)遠(yuǎn)不能滿足需求，導(dǎo)致人工智能專業(yè)課程只能濃縮到“高級科普”程度。
事實(shí)上，即便不考慮課程數(shù)量，僅從已開設(shè)課程的內(nèi)容來說，也與人工智能人才培養(yǎng)的需求有很大距離。以人工智能所需的五大數(shù)學(xué)基礎(chǔ)(線性代數(shù)+矩陣論、數(shù)學(xué)分析、概率論+數(shù)理統(tǒng)計(jì)、最優(yōu)化方法、數(shù)理邏輯)為例，目前計(jì)算機(jī)學(xué)科線性代數(shù)內(nèi)容很淺，通常不開設(shè)矩陣論，很多學(xué)生甚至沒接觸過矩陣求導(dǎo)，這對機(jī)器學(xué)習(xí)等人工智能核心課程的學(xué)習(xí)造成很大障礙;數(shù)學(xué)分析課程的內(nèi)容通常很淺，甚至可能與其他數(shù)學(xué)課壓縮到一起;概率論與數(shù)理統(tǒng)計(jì)內(nèi)容僅是蜻蜓點(diǎn)水;最優(yōu)化方法一般不開設(shè);數(shù)理邏輯一般是選修、甚至不開設(shè)。這就造成計(jì)算機(jī)學(xué)科的一般學(xué)生在學(xué)習(xí)人工智能核心課程之前往往需專門花時間自學(xué)以加強(qiáng)數(shù)學(xué)基礎(chǔ)。另一方面，人工智能應(yīng)用中所涉及的智能硬件與材料、傳感器設(shè)計(jì)與應(yīng)用等內(nèi)容，已經(jīng)超出了計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科的范疇。
綜合上述考慮，我們得出的結(jié)論是：創(chuàng)辦一流大學(xué)人工智能教育需要建設(shè)新的課程體系。與其在現(xiàn)有學(xué)科培養(yǎng)體系框架下修修補(bǔ)補(bǔ)，不如從頭根據(jù)人工智能學(xué)科自身的特點(diǎn)進(jìn)行建設(shè)。
我們相信，正確落實(shí)教育部《高等學(xué)校人工智能創(chuàng)新行動計(jì)劃》將大幅度增強(qiáng)我國人工智能領(lǐng)域人才培養(yǎng)力度，為新一代人工智能發(fā)展提供戰(zhàn)略支撐。
（原標(biāo)題：周志華四問大學(xué)人工智能教育:不應(yīng)在現(xiàn)有學(xué)科框架下修修補(bǔ)補(bǔ)）
