正值高考志愿填报阶段，人工智能及其相关专业近年来越来越被关注，俨然热门“概念股”。
放眼全球，海外高校在人工智能人才培养的课程设置、方法创新上有何可以借鉴？
连日来，紧张的大学专业填报过程中“人工智能”概念炙手可热。自2018年教育部批准首批高校开设人工智能本科专业以来，其发展态势迅猛，截至2024年8月，已有超500所普通高校成功备案该专业，涵盖众多“双一流”高校、普通双非院校甚至部分专科类院校。
从产业端来看，这一热度有着坚实的支撑。工信部数据显示，我国人工智能核心产业规模已突破6000亿元，相关企业超4500家。随着人工智能技术在各行业的深入渗透，从智能安防、智能医疗到智能制造、智能交通，其应用场景不断拓展，对专业人才的需求也呈现井喷之势。据测算，到2030年中国AI人才缺口将达400万至600万，而目前高校年培养规模仅4万人。
人工智能相关人才可分为四类
“我家孩子怎样成为AI人才，在个人发展上踏准这波行情？”这是许多家长的关注焦点。
“人工智能是手段，是工具，目前相关领域需要的人才主要分为四类。”同济大学本科生院院长吴志军教授说。
第一类人才，钻研的是人工智能的本体，包括算法、算力以及训练方法的拓展等；第二类是“AI+X”人才，主要对应的是如何将人工智能应用于传统行业，助其焕发新的生命力；第三类是人工智能的社会治理人才，涵盖人工智能影响下的人文社科领域；第四类是很重要但容易被忽视的人才——人工智能应用新场景建构师，他们需要掌握人工智能发展的新趋势，引导新需求，创造新产品，激发新消费，形成新产业。
在他看来，从某种意义上说，人工智能将对现有产业带来颠覆性影响，在相关人才培养过程中，也需要突破性的方法。
以人工智能与新工科的融合为例，美国麻省理工学院的“新工程教育转型（New Engineering Education Transformation）”计划（简称NEET计划）始于2017年，核心内容之一就是提出了NEET思维方式，希望帮助学生获得应对复杂挑战的认知性路径与能力，学会终身有效且高效的自主思考、规划。
为跟上智能时代教育数字化、智能化的发展趋势，NEET于2021年11月起推出与思维方式配套的信息化学习资源——NEET学习插件。在此基础上，所有学生可以根据自己的兴趣和畅想，“创造”一个学科专业方向，学校的师资支撑这个“一人学科”构建跨学科交叉的课程体系，让创新点子落地。
今年，同济大学重磅推出了基于人工智能与新工科深度融合的工科试验班（卓越计划班），打破学院隔阂、强化学科交叉，聚焦机器人、工程互联网、智能网联车辆、智慧空间这四大工程智能领域，培养引领工程智能的卓越工程师。
“在专业选择上，需透过现象看本质，支撑现代社会的根基是由信息流、物质流、能量流共同构建的框架，与之相关的行业发展有峰谷，但始终会随着现代科技的发展螺旋式上升。”吴志军教授说。
以土木工程为例，虽然目前有“基建饱和”之论，但应该看到，巨大存量的基础设施建设背后，是天量的长期运维需求。为此，同济大学提出了“工程互联网”专业领域，融汇人工智能、工程技术等学科，以工程全生命周期的智能化运维为应用方向。
“我们鼓励学生在学习过程中充分拥抱已有的人工智能大模型技术。”在吴志军看来，是否具有AI思维会迅速拉开学生成长和适应能力的差别，激励更多“人机共同创造”是未来发展的趋势所在。
海外高校概念解读各具特色
值得关注的是，海外高校在课程设置中，对“人工智能”的概念解读各具特色。
例如，在本科阶段，美国斯坦福大学的人工智能专业课程循序渐进。第一年着重于计算机科学和现代机器学习基础概念学习。编程基础知识课程让学生掌握对象编程及数据结构，为后续学习打下坚实的编程基础；计算机系统概论课程从初级视角解析计算机科学系统设计与结构，理解软件编译过程等底层知识；算法课程则深入探讨常用算法背后的数学理论与运行特性。同时，概率论、线性代数、多维微积分等数学课程为机器学习算法学习提供理论支撑。
第二年的课程以探索人工智能原理与系统知识为主。编译器课程涵盖编译器设计与理论，帮助学生理解软件系统核心构建；数据库导论介绍数据库管理系统原理，培养数据交互能力；并行计算与操作系统课程让学生了解现代计算平台与系统编程知识，加深对计算机系统的整体认知。
第三年课程则深入特定领域：机器学习课程深入剖析监督和非监督学习、模型训练等原理；数据挖掘课程专注于大型数据集处理技术。
第四年进入实践阶段，学生通过参与研究项目，辅助研究生或在导师指导下开展自己的项目，积累复杂人工智能工作经验；或选择到人工智能公司实习，将所学理论应用于实际工作场景，为进入行业做好充分准备。
为了让学生及时接触到最前沿的知识，美国高校会采取多种方式动态更新课程内容。斯坦福大学人工智能实验室建立了“人工智能课程引擎”三级课程体系，在算法框架层面设置了“顶会响应机制”，国际顶尖会议的获奖论文会在48小时内进入教学案例库。卡内基梅隆大学则开发了课程内容生成系统（CourseGPT），自动抓取项目代码，分析每日新发表论文，动态生成个性化实验项目，2023年该系统自动更新课程内容1273次。
英国高校通过系统性整合AI技术、医学、社会科学等多学科资源，构建以复杂现实问题为导向的跨学科教育框架，推动教育与科研的协同创新，在人工智能技术深刻重塑社会结构与伦理边界的当下，通过系统化的课程设计与制度化的应用规范，将伦理教育深度融入数据科学、计算机科学等核心学科，以培养兼具技术能力与伦理责任的新一代人才。
该课程突破传统伦理学的抽象思辨模式，将隐私保护、算法公平、技术普惠等议题嵌入技术开发全流程，强调伦理规范的可操作性转化。
课程模块1（人工智能的本质和历史）为学生提供理论、学术和实践理解。模块2（道德和社会挑战）通过批判性文献与案例研究探讨算法公平性在不同社会语境下的实现路径。模块3（管理人工智能）则聚焦全球政策比较与伦理影响评估工具的开发，要求学生结合欧盟《人工智能法案》等框架设计治理方案。
德国高校在人工智能人才培养方面，探索形成了“四维能力培养”模式。以主修人工智能专业为例，学生通常需要完成180个学分的课程，这些课程被划分为四个模块。
基本能力课程模块提供人工智能核心课程以及数学和信息科学的基础知识，突出机器学习课程的重要性。数据能力模块侧重于培养学生的数据评估和分析能力，包括数据管理和信息技术安全等课程。人工智能应用能力模块则涵盖计算机视觉、自然语言处理等应用领域的课程。跨学科能力模块要求学生了解经济、法律和伦理等知识，确保学生能合规应用人工智能技术。
日本高校在人工智能人才培养的课程设置上有不少创新之处。日本政府鼓励高校设置以人工智能、数据科学为主要研究对象的本科学院和硕士研究生学院，推动跨学科融合。例如，滋贺大学创设了日本第一家数据科学学院，将数学、信息学、统计学等多学科知识融合到课程中，培养学生综合运用多学科知识解决人工智能相关问题的能力。
立教大学开设的人工智能科学研究科，也强调社会科学与人工智能的结合，培养能够为解决各种社会课题作出贡献的人才，其课程中包含了社会信息科学概论等跨学科内容。在教学方法上，该校提倡小组学习。通过让学生面对实际的问题，在解决问题的过程中学习和运用人工智能知识与技能，提高学生的实践能力和创新思维，同时也培养了学生的团队协作能力。
金御优配提示：文章来自网络，不代表本站观点。
