■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言道出業界普遍判斷：“隨著生成式人工智能不斷展現出巨大潛力，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字技術的能力。”

　　人工智能作為上海三大先導產業之一，預計到2025年，其產值規模將突破4500億元。在產業生態培育中，高校人才培養是必不可少的一環。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。

　　企業要什么

　　中午12﹕00，在國內頭部企業人工智能研發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的她，今年已是工作的第3年。肖簫還記得，面試時在專業能力部分，除了理論功底，也被重點問到是否有相關專業科研項目的經驗。在校期間參與醫療數據分析、醫療影像分析兩個項目的經歷，讓她可以侃侃而談，最終進入計算機視覺領域的研發崗。

　　“從學校來到企業，切身感受到兩者對人工智能的需求是不一樣的，”肖簫說，前者更注重創新性、原創性，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，發現如果研究生期間沒有接觸過很多項目的話，很難適應公司節奏。無論是解決實際問題的能力、資源調配能力，還是人力統籌協調能力，都要在實踐中摸索。”肖簫記得自己工作后第一次哭鼻子，是在入職部門的第二年。

　　因為工作表現不錯，主管很快將一個不大的項目交給肖簫負責，包括她在內共有5人參與，需要統籌規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，還要考慮交付節奏。與此同時，她自己也參與其中一個模塊的研發。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。人工智能專業細分領域多，幾乎每個都處于爆炸式創新階段，不僅需要實時跟蹤發展，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。

　　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。”對此，肖簫已經有了深刻領悟。

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

　　從學習到工作，有“間隙”是正常的，畢業生上崗后都需經歷一段時間的專業培訓。不過，企業和校方兩頭若能努力雙向奔赴，盡力縮小這“間隙”，才可讓產業發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歷較少，比較偏重理論。但在工作中，需要盡快有產出。工程實踐也能鍛煉代碼能力和產品意識，前者是人工智能專業的基本功，后者對企業需要的創新思維能力意義重大。

　　二是從接觸過的人工智能相關專業畢業生來看，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，數學、物理等基礎學科專業的畢業生，其成長“天花板”更高。因為人工智能的基礎就是數學，經過多年數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，他們沒有經過人工智能學科專業學習，這份“空白”也方便直接塑造企業需要的技術思維。

　　這次招到的數學專業員工，李昕挺稱心。因為他不僅是數學專業，還有在汽車企業無人駕駛開發部的工作經歷，已經“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)博士畢業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。”她說。

　　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“打牢基礎”和“持續學習”。

　　復旦大學是國內在人工智能研究、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《數字圖像處理》《數字視頻處理》《智能視頻監控技術》《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《神經網絡與深度學習》。”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，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，它是由數據算法支撐，賦予機器學習的技術，使之能完成過去無法抵達的目標。”身處人工智能“此山”中的她看來，討論“人工智能是否能代替人”并不恰當，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，這個專業發展快、變化多，越是如此，越需要打牢基礎，知道“來處”。強化經典理論的學習，對自己讀研時的項目拓展作用巨大。技術發展起起落落，沒有永遠的“熱門”“當紅”統領，新舊方法靈活結合，或許能更加節約資源能耗，找到這個時代需要的最優解。

　　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，他以優異的成績從復旦大學計算機科學技術學院本科畢業，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，他已經參與到實驗室項目中。

　　事實上，自大二暑假開始，他已經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。

　　雖然已身經百戰，但說到至今最難忘的項目時，他總會提起大三時那個“多模態情感分析相關研究”項目。當時，他已在實驗室師兄的帶領下，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”——不走傳統路線，搭建思路完全創新的模型，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，經過對算法的多次調試優化，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，突然發現代碼中有一處錯誤，幾個人將其修正過來，再跑模型，結果十分理想，高出了傳統模型和算法能達到的水平。“我們的創新是可行的！”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。”小葉笑著說，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。”

　　產教融合還應做什么

　　隨著全球人工智能相關的國家級戰略密集出臺，世界人工智能領域人才的需求呈現快速增長態勢。根據《2021人工智能指數報告》，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，更注重培養學生的原創性、自發性學習與研究能力。”上海大學未來技術學院(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新思維提出了更高要求，評價體系中應納入更多長期發展、非量化指標，鼓勵長周期原創探索。

　　另一方面，面向現代人工智能產業培養專業人才，學生在前沿、高水平科創項目中的實踐尤為重要，這就需要深度產教融合，使更多領域高水平企業與研究機構切實融入人工智能人才培養過程中。

　　智能人才必須加強對人才的數據技能培養。有的先行國家已形成較為完善的政府數據開放政策體系，為數據開放共享及人才培養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據優勢，加強人工智能數據開源應用平臺建設，用好我方具有優勢的“教具”，將理論教學、行業開發實訓與平臺測試相結合，縮短人才培養周期。

　　對于高校人工智能專業人才培養，李昕建議，能否進一步完善培養體系，分層分類教學，走理論研究路線還是應用技術路線，不同方向不同培養方案，形成參差有序的人才培養生態。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。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應用中，方能實現其價值。人工智能產業發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，在企業中可以發揮更大作用。

　　以李昕的企業為例，開發創新醫療器械開發，研發工作人員可以不懂醫學，但應該聽懂醫療專業人士提出的需求，并將其迅速“翻譯”為人工智能技術需要解決的問題情境，開發出高效精準的適配產品與服務。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。如今在統計人工智能人才時往往將其與計算機人才、大數據人才、軟件人才等傳統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據庫，準確了解現有人才供需結構，按需科學規劃，未雨綢繆。

　　此外，人工智能領域作為新興學科，在各學科融合發展時，可能遭遇敏感線。由此，在人才培養過程中，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。

　　數據

　　“人工智能必須下沉到行業，‘純’人工智能不能解決任何問題。”上海瑛泰璞潤醫療器械有限公司總經理李昕提出自己的理解。

　　過去一年，他離開工作多年的GE全球研發部門，創辦自己的人工智能醫療服務企業。招收的2位新員工，分別來自數學專業和生物醫藥專業。

　　李昕的公司是過去6年間上海新增的數萬家人工智能相關企業之一。獲得優秀、適配的人才，是企業在這個巨大風口中競爭的關鍵要素，也是產業整體發展的核心動能。

　　據《上海市“十四五”產業人才需求調研報告》，到“十四五”末，上海人工智能產業人才需求規模將達到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。

　　問卷調研數據表明，當前上海人工智能產業最緊缺的人才相關領域包括算法研發、計算機視覺技術研發、應用復合、語音識別技術研發、自然語言處理技術研發、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、應用及系統集成技術研發、智能駕駛技術和系統研發、傳感器技術研發、知識計算機引擎和知識服務技術研發等。其中，復合型人才和高層級崗位需求持續增長。

　　去年發布的《人工智能產業人才發展報告》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多所高校已經獲批人工智能專業。到目前為止，上海大部分高校已經深度進入人工智能人才培養領域，設立數據科學與大數據技術、智能科學與技術、智能制造工程、機器人等泛人工智能專業。(解放日報)