■本報記者 彭德倩

　　剛剛閉幕的2023年世界人工智能大會上，微軟全球資深副總裁侯陽的發(fā)言道出業(yè)界普遍判斷：“隨著生成式人工智能不斷展現(xiàn)出巨大潛力，今后每一家公司的每一個應用程序都將由人工智能來驅動，每一家公司都需要具備駕馭數(shù)字技術的能力。”

　　人工智能作為上海三大先導產(chǎn)業(yè)之一，預計到2025年，其產(chǎn)值規(guī)模將突破4500億元。在產(chǎn)業(yè)生態(tài)培育中，高校人才培養(yǎng)是必不可少的一環(huán)。如何更好地學以致用？走訪學、教、用三方，看看如何讓源頭水更活。

　　企業(yè)要什么

　　中午12﹕00，在國內(nèi)頭部企業(yè)人工智能研發(fā)部門工作的肖簫忙完上午的工作，邊吃午餐邊看論文。

　　從上海大學計算機技術與科學人工智能方向碩士研究生畢業(yè)的她，今年已是工作的第3年。肖簫還記得，面試時在專業(yè)能力部分，除了理論功底，也被重點問到是否有相關專業(yè)科研項目的經(jīng)驗。在校期間參與醫(yī)療數(shù)據(jù)分析、醫(yī)療影像分析兩個項目的經(jīng)歷，讓她可以侃侃而談，最終進入計算機視覺領域的研發(fā)崗。

　　“從學校來到企業(yè)，切身感受到兩者對人工智能的需求是不一樣的，”肖簫說，前者更注重創(chuàng)新性、原創(chuàng)性，后者更側重“落地”，在操作性、實用性上需要下大功夫，而這些在學校學習時，并不需要考慮很多。

　　“進入實際工作中學以致用，發(fā)現(xiàn)如果研究生期間沒有接觸過很多項目的話，很難適應公司節(jié)奏。無論是解決實際問題的能力、資源調(diào)配能力，還是人力統(tǒng)籌協(xié)調(diào)能力，都要在實踐中摸索?！毙ず嵱浀米约汗ぷ骱蟮谝淮慰薇亲?，是在入職部門的第二年。

　　因為工作表現(xiàn)不錯，主管很快將一個不大的項目交給肖簫負責，包括她在內(nèi)共有5人參與，需要統(tǒng)籌規(guī)劃后將項目任務整體拆分、分配，不僅得保證各模塊有獨立性，同事可以并行推進，還要考慮交付節(jié)奏。與此同時，她自己也參與其中一個模塊的研發(fā)。對新人來說壓力不小，一次與主管談話時忍不住流淚。好在這第一次承擔的項目結果不錯，也讓她成長得更快。

　　她覺得在工作中，從大學里帶出來的學習習慣對自己幫助很大。人工智能專業(yè)細分領域多，幾乎每個都處于爆炸式創(chuàng)新階段，不僅需要實時跟蹤發(fā)展，還得眼觀六路、耳聽八方，有時“隔壁”的一點想法的萌芽可能在自家領域獲得大爆發(fā)。

　　因此，每到工作間隙，肖簫都會爭分奪秒刷手機看相關領域公眾號的實時報道，“機器之心”“量子位”等公眾號上集納的學科前沿進展、新發(fā)論文熱點就像索引，帶著她點開一篇篇論文原文精讀。

　　“上學時老師常說一句話，‘你們手太慢’，新點子出來，這個方向不出一周可能就大變樣?！睂Υ?，肖簫已經(jīng)有了深刻領悟。

　　那么，作為用人方怎么想？上海瑛泰璞潤醫(yī)療器械有限公司總經(jīng)理李昕用“Gap(差距、缺口)”來形容高校人才培養(yǎng)出口和企業(yè)用人進口之間的“間隙”。

　　從學習到工作，有“間隙”是正常的，畢業(yè)生上崗后都需經(jīng)歷一段時間的專業(yè)培訓。不過，企業(yè)和校方兩頭若能努力雙向奔赴，盡力縮小這“間隙”，才可讓產(chǎn)業(yè)發(fā)展所需的人才活水源源不絕。

　　李昕眼中的Gap有三：一是教學中工程實踐經(jīng)歷較少，比較偏重理論。但在工作中，需要盡快有產(chǎn)出。工程實踐也能鍛煉代碼能力和產(chǎn)品意識，前者是人工智能專業(yè)的基本功，后者對企業(yè)需要的創(chuàng)新思維能力意義重大。

　　二是從接觸過的人工智能相關專業(yè)畢業(yè)生來看，不同學校的學生能力差別大，哪怕相似層級的學校，有的畢業(yè)生一兩年就能成為骨干，有的卻達不到要求。這或許是因為人工智能專業(yè)是新生事物，在教學體系建設方面還有很大成長空間。

　　三是接觸過的學生中，數(shù)學、物理等基礎學科專業(yè)的畢業(yè)生，其成長“天花板”更高。因為人工智能的基礎就是數(shù)學，經(jīng)過多年數(shù)理邏輯訓練的基礎學科人才，這方面上手較快，新人入職總需要培訓的，他們沒有經(jīng)過人工智能學科專業(yè)學習，這份“空白”也方便直接塑造企業(yè)需要的技術思維。

　　這次招到的數(shù)學專業(yè)員工，李昕挺稱心。因為他不僅是數(shù)學專業(yè)，還有在汽車企業(yè)無人駕駛開發(fā)部的工作經(jīng)歷，已經(jīng)“打磨”過了。

　　學生學什么

　　這幾天，復旦大學人工智能方向(計算機應用技術專業(yè))博士畢業(yè)生林青忙著打包行李，下個月，她將赴新加坡南洋理工大學從事博士后工作。“這是個全世界都在全力競爭的前沿學科，我想應該出去看一看，學習更多東西，然后再回來?！彼f。

　　當被問及在復旦大學碩博連讀人工智能的這5年學到了什么后，這位南京姑娘強調(diào)“打牢基礎”和“持續(xù)學習”。

　　復旦大學是國內(nèi)在人工智能研究、教學領域走在前列的高校。本科計算機科學技術專業(yè)的林青，一入校就進入了顏波教授的實驗室，從事計算機視覺方向的研究。

　　她介紹在復旦就讀時的課程體系，包括三類：學位公共課、學位核心課和選修課。學位核心課內(nèi)容比較通用，是在人工智能研究領域都需要接觸到的，側重人工智能的基本概念、理論和方法。這些知識如同一個基礎框架，為研究鋪好基石。選修課則偏向稍微具體的方向，如《數(shù)字圖像處理》《數(shù)字視頻處理》《智能視頻監(jiān)控技術》《機器人學導論》《機器學習理論》等，她將其作為核心課程的補充，了解人工智能向其他學科拓展、融合的路徑和更多可能。

　　“其中印象比較深的是邱錫鵬老師的《神經(jīng)網(wǎng)絡與深度學習》。”林青說，邱老師上課常常直接在黑板上推導公式，從人工智能最基礎的理論出發(fā)，一步步推導到末端應用。

　　“人工智能并沒有大眾想象中的神奇，它是由數(shù)據(jù)算法支撐，賦予機器學習的技術，使之能完成過去無法抵達的目標?！鄙硖幦斯ぶ悄堋按松健敝械乃磥恚懻摗叭斯ぶ悄苁欠衲艽嫒恕辈⒉磺‘?，專注“人工智能能做多少人力無法企及的事，拓展人類的邊界”，或許更有意義。這也成為她學習、研究的驅動力之一。

　　林青說，這個專業(yè)發(fā)展快、變化多，越是如此，越需要打牢基礎，知道“來處”。強化經(jīng)典理論的學習，對自己讀研時的項目拓展作用巨大。技術發(fā)展起起落落，沒有永遠的“熱門”“當紅”統(tǒng)領，新舊方法靈活結合，或許能更加節(jié)約資源能耗，找到這個時代需要的最優(yōu)解。

　　此刻，福建寧德壽寧縣渺洋村一間木屋的書桌前，葉俊杰的十指正在電腦鍵盤上翻飛。今年，他以優(yōu)異的成績從復旦大學計算機科學技術學院本科畢業(yè)，將直接進入本校自然語言處理實驗室讀博士研究生。還沒開學，他已經(jīng)參與到實驗室項目中。

　　事實上，自大二暑假開始，他已經(jīng)以本科生的身份進入自然語言處理實驗室，跟隨黃萱菁、張奇兩位老師學習，參與系列模型的全面性能評測分析項目。

　　雖然已身經(jīng)百戰(zhàn)，但說到至今最難忘的項目時，他總會提起大三時那個“多模態(tài)情感分析相關研究”項目。當時，他已在實驗室?guī)熜值膸ьI下，完成了一個學期的人工智能方向學習，準備一起搞個“新東西”——不走傳統(tǒng)路線，搭建思路完全創(chuàng)新的模型，從圖片、文字中抽取情感信息并作出正確判定。

　　項目小組夜以繼日奮戰(zhàn)，經(jīng)過對算法的多次調(diào)試優(yōu)化，最終該模型運行時判定情感信息的準確率并沒有達到傳統(tǒng)算法的水平。幾個人有點沮喪，商量著寫一篇短論文記錄一下這次探討性分析，然后投稿到一個專業(yè)會議，給這次實踐留下印記就好。

　　寫完論文復盤時，小葉重新審視實驗全程，突然發(fā)現(xiàn)代碼中有一處錯誤，幾個人將其修正過來，再跑模型，結果十分理想，高出了傳統(tǒng)模型和算法能達到的水平?！拔覀兊膭?chuàng)新是可行的！”葉俊杰激動得差點跳起來，師兄弟一合計，重寫論文，寫一篇長的。當時距離截稿只有一個星期了，大家沒日沒夜地寫，終于按時提交。

　　“其實這次投稿還是失敗了?！毙∪~笑著說，當時三位審稿人中兩位表示贊同，一位提出可以進一步完善的建議，投稿并沒有被順利接收。不過，此后向專業(yè)期刊的投稿成功了。他說：“這是我的人生第一次，大三，正式向人工智能科研邁出了第一步?！?/p>

　　產(chǎn)教融合還應做什么

　　隨著全球人工智能相關的國家級戰(zhàn)略密集出臺，世界人工智能領域人才的需求呈現(xiàn)快速增長態(tài)勢。根據(jù)《2021人工智能指數(shù)報告》，美國、英國、加拿大、新加坡、新西蘭和澳大利亞6國對人工智能勞動力的需求在過去幾年間顯著增加。人才培養(yǎng)的角力加劇，中國高校能對焦哪些他山之石？

　　“國外頂級高校的人才培養(yǎng)，更注重培養(yǎng)學生的原創(chuàng)性、自發(fā)性學習與研究能力?！鄙虾４髮W未來技術學院(人工智能研究院)副院長岳曉冬教授說，幾十年前，國內(nèi)與國外在人工智能相關研究和教學領域的差距較大，我們是追趕者的身份，以量化指標為核心的評價體系可以起到很好的驅動作用。而在已經(jīng)進入“差一步跟跑”甚至“并肩跑”的當下，我們正在努力學習做領跑者，這對于研究和教學中的創(chuàng)新思維提出了更高要求，評價體系中應納入更多長期發(fā)展、非量化指標，鼓勵長周期原創(chuàng)探索。

　　另一方面，面向現(xiàn)代人工智能產(chǎn)業(yè)培養(yǎng)專業(yè)人才，學生在前沿、高水平科創(chuàng)項目中的實踐尤為重要，這就需要深度產(chǎn)教融合，使更多領域高水平企業(yè)與研究機構切實融入人工智能人才培養(yǎng)過程中。

　　智能人才必須加強對人才的數(shù)據(jù)技能培養(yǎng)。有的先行國家已形成較為完善的政府數(shù)據(jù)開放政策體系，為數(shù)據(jù)開放共享及人才培養(yǎng)平臺建設奠定了基礎。中國在這方面尚有不足，應充分利用龐大的數(shù)據(jù)優(yōu)勢，加強人工智能數(shù)據(jù)開源應用平臺建設，用好我方具有優(yōu)勢的“教具”，將理論教學、行業(yè)開發(fā)實訓與平臺測試相結合，縮短人才培養(yǎng)周期。

　　對于高校人工智能專業(yè)人才培養(yǎng)，李昕建議，能否進一步完善培養(yǎng)體系，分層分類教學，走理論研究路線還是應用技術路線，不同方向不同培養(yǎng)方案，形成參差有序的人才培養(yǎng)生態(tài)。這樣，教、學、用三方也更加明晰，提高效率。

　　李昕還期待高校在教學過程中強化兩種能力的培養(yǎng)。一是動手能力。在他看來，無論理論還是應用，教學中強化動手能力培養(yǎng)的模塊，對學生更好地理解人工智能都很有幫助。

　　二是“對接”能力。人工智能需要下沉到無數(shù)應用中，方能實現(xiàn)其價值。人工智能產(chǎn)業(yè)發(fā)展中需要的復合型人才，可以是具有“人工智能+X”的跨學科知識儲備，但這不是必需的，如果立足較強的人工智能技術，善于對接其他學科，在企業(yè)中可以發(fā)揮更大作用。

　　以李昕的企業(yè)為例，開發(fā)創(chuàng)新醫(yī)療器械開發(fā)，研發(fā)工作人員可以不懂醫(yī)學，但應該聽懂醫(yī)療專業(yè)人士提出的需求，并將其迅速“翻譯”為人工智能技術需要解決的問題情境，開發(fā)出高效精準的適配產(chǎn)品與服務。人工智能本身就可賦能多個領域，“對接”的意義，在于對話與接收，在實踐中充分實現(xiàn)其在多學科交叉融合的價值。

　　厘清人工智能人才概念、科學界定人工智能人才標準，也是當務之急。工欲善其事，必先利其器。如今在統(tǒng)計人工智能人才時往往將其與計算機人才、大數(shù)據(jù)人才、軟件人才等傳統(tǒng)人才的概念重疊混淆。一些地方也因為利益驅動，令人工智能人才無序“貼牌”，不僅進一步攪渾水，更導致人工智能人才存量成謎，培養(yǎng)能力難以廓清，以此為基礎進行的教學體系建設，效果及效率難以保證。因此，必須加快建立明晰的高質量人才數(shù)據(jù)庫，準確了解現(xiàn)有人才供需結構，按需科學規(guī)劃，未雨綢繆。

　　此外，人工智能領域作為新興學科，在各學科融合發(fā)展時，可能遭遇敏感線。由此，在人才培養(yǎng)過程中，就應加強該學科在倫理、道德、法律等領域的“邊界思維”及社會責任感的教育。

　　數(shù)據(jù)

　　“人工智能必須下沉到行業(yè)，‘純’人工智能不能解決任何問題?！鄙虾ｇ╄睗欋t(yī)療器械有限公司總經(jīng)理李昕提出自己的理解。

　　過去一年，他離開工作多年的GE全球研發(fā)部門，創(chuàng)辦自己的人工智能醫(yī)療服務企業(yè)。招收的2位新員工，分別來自數(shù)學專業(yè)和生物醫(yī)藥專業(yè)。

　　李昕的公司是過去6年間上海新增的數(shù)萬家人工智能相關企業(yè)之一。獲得優(yōu)秀、適配的人才，是企業(yè)在這個巨大風口中競爭的關鍵要素，也是產(chǎn)業(yè)整體發(fā)展的核心動能。

　　據(jù)《上海市“十四五”產(chǎn)業(yè)人才需求調(diào)研報告》，到“十四五”末，上海人工智能產(chǎn)業(yè)人才需求規(guī)模將達到34.3萬—41.4萬人。其中，應用類人才需求將達13.8萬—15.7萬，基礎類人才達10.2萬—13.17萬，產(chǎn)品類達5萬—6.85萬，技術類達4.2萬—5.37萬，綜合類人才預計達0.8萬—0.97萬，服務類達0.1萬—0.27萬。

　　問卷調(diào)研數(shù)據(jù)表明，當前上海人工智能產(chǎn)業(yè)最緊缺的人才相關領域包括算法研發(fā)、計算機視覺技術研發(fā)、應用復合、語音識別技術研發(fā)、自然語言處理技術研發(fā)、軟硬件測評測試、項目運維以及管理、人機交互技術、人工智能芯片研發(fā)、應用及系統(tǒng)集成技術研發(fā)、智能駕駛技術和系統(tǒng)研發(fā)、傳感器技術研發(fā)、知識計算機引擎和知識服務技術研發(fā)等。其中，復合型人才和高層級崗位需求持續(xù)增長。

　　去年發(fā)布的《人工智能產(chǎn)業(yè)人才發(fā)展報告》顯示，2018年以來，人工智能核心領域對博士和碩士的需求總體呈上升趨勢。

　　人工智能的高科技屬性決定了它具有不低的學歷門檻。當前，我國已有100多所高校已經(jīng)獲批人工智能專業(yè)。到目前為止，上海大部分高校已經(jīng)深度進入人工智能人才培養(yǎng)領域，設立數(shù)據(jù)科學與大數(shù)據(jù)技術、智能科學與技術、智能制造工程、機器人等泛人工智能專業(yè)。(解放日報)