日本九州工业大学交流生

人工智能(Artificial Intelligence,简称AI)作为引领科技发展的前沿技术,近年来在全球范围内受到广泛关注,各国在人工智能领域的人才争夺战已呈白热化趋势。英国早在2017年就将人工智能作为产业战略重点,2021年发布《国家人工智能战略》,提出打造全球人工智能超级大国的目标;美国作为世界第一大经济体,为实现人工智能领域的领先地位,于2023年5月23日发布《国家人工智能研发战略计划》;亚洲AI强国日本充分认识到人工智能技术的核心作用及其在教育领域的重要地位,陆续出台《AI战略》(即《AI战略2019》《AI战略2021》《AI战略2022》),并进一步将人工智能人才培养列为重中之重。

日本人工智能人才培养现状

日本政府极为重视人工智能技术,早在2016年1月出台的《第五期科学技术基本计划》中就提出了“5.0社会(Society 5.0)”的概念和“超智能社会5.0”战略。“5.0社会”将超智能社会定位为新的社会形态,人工智能在其中扮演核心角色;明确将医疗、防灾、机器人、农业等作为人工智能重点发展领域,推动人工智能技术向超人工智能方向延伸,旨在用人工智能技术应对养老、医疗、老龄化及劳动力不足等社会问题,进而推进日本的超智能社会建设,并提出建立实现可持续发展和多元化社会的人工智能技术体系,将日本建设成为人工智能技术在工业应用方面的领先国家。

在人工智能人才培养体系方面,首先推动人工智能的素养教育,主要针对大学生、中小学生及成人教育学生。其次是应用基础教育,仅针对大学生和成人教育学生。另外,主要针对将要或已经就业的研发和技术型人才开展专家型人才培育。尽管日本在工业机器人、传感器、计算机芯片、医疗等领域具有领先优势,但人才培养短板日益突出。

2020年文部科学省调查显示,日本每年人工智能相关专业硕士毕业生约2800人,博士毕业生460人,远落后于美国(每年2.5万人)和中国(每年1.8万人)。毕业于东京大学、京都大学、东京工业大学、早稻田大学等日本顶尖的11所研究型大学(Research University11,RU11)的人工智能专业硕士生为860人,博士生仅155人。本科阶段,由于文理科课程严格分离,文科专业选修课没有与数字技术、计算思维等有关的课程,不少文科大学生并不具备人工智能相关基础知识与技能,毕业之后无法从事相关工作。日本《读卖新闻》等主流媒体以“日本落后中美20年”等标题,呼吁政府加大教育改革力度,认为中美已走在人工智能研究前列,研发竞争如火如荼,投入和成果都处于领跑地位,如果日本在人工智能领域不尽快加强人才培养,未来将一败涂地。

日本高等教育领域人工智能人才培养

2021年3月,日本政府审议通过《第六期科学技术创新基本计划》(2021-2025),明确提出加速数据开放与人工智能应用等。日本政府认为,理想的人工智能人才培养体系如同“金字塔”,最下端是930万中小学生,其上是具备基础素养的每年50万的大学生,之上是具备一定专业知识的25万名一般性人工智能人才,再上是每年5万名理工科硕士毕业生,然后是每年2000名高端人工智能企业人才,最顶端是每年100名左右的顶级核心人才。在这个“金字塔”中,大学既承担中间层的普通大学生的通识教育,又承担专业人才以及高端人才的培养,是人工智能教育改革的重点领域。为确保国家战略目标得以实现,日本政府在对《AI战略2019》进行修订的基础上,于2021年6月出台了《AI战略2021》,旨在解决社会和全球性问题,实现“社会5.0”的战略目标。

2021年,文部科学省为落实《AI战略2021》,实施“数学、数据科学、人工智能高等教育认证计划”(Approved Program for Mathematics,Data Science and AI Smart Higher Education,MDASH)。该计划旨在顺应数字社会人工智能发展趋势,提升高等教育阶段学生掌握AI的知识水平与能力,培养大批AI人才。

2022年4月,日本发布了《AI战略2022》和《量子未来社会愿景(草案)》,以促进人工智能和量子技术在日本的发展。文部科学省计划从2024年度开始,为从事AI人工智能开发等领域的顶尖年轻研究人才提供每年2000万日元的资助。目前,在该领域实施的主要措施为:

1.新设人工智能、数据科学本科学院及硕士课程

人工智能虽早已成为高科技产业的核心技术,但日本大学一直将其作为计算机科学或信息科学下的领域,多在理学部、工学部所属的计算机系或信息系下设相关课程或科目。但自《第五期科学技术基本计划》《日本再兴战略》《AI战略》等纲领性文件推出以来,人工智能成为实现“超智能社会5.0”目标的核心手段,日本政府开始鼓励和支持有条件的大学设置以人工智能、数据科学为主要研究对象的本科学院和硕士研究科(即硕士课程),完善人工智能相关的基础研究、自然语言处理、智能系统、计算机智能识别等学科建设。

文部科学省数据显示,近年来,新设以人工智能、数据科学等命名的学部或研究科的大学有10多所,包括滋贺大学、立教大学、名古屋大学、大阪工业大学、九州工业大学、东京大学、广岛大学等。

滋贺大学积极推进跨学科融合改革,创设了日本第一家数据科学学院,并增设了数据科学研究科。该学院的培养模式包括企业在职人员定向培养和普通招考两类。入学要求包括数学、信息学、统计学及英语的成绩达标,并率先在入学考试中承认职业资格考试成绩,以确保学生具备必要的专业知识和技能。这些举措将有助于培养更多的科学人才。立教大学开设了人工智能科学研究科,设置人工智能专业的课程群,每个课程群由若干必修课和选修课组成,多门课程以PBL(Problem-Based Learning,即“问题导向学习”)教学法为主,提倡小组学习及产学合作协同培养。

2.数理·数据科学教育共同体

考虑到数据挖掘、统计、分析以及系统化信息管理等相关理论和应用技术将成为占领人工智能人才培养制高点的关键,文部科学省发布数理·数据科学教育强化方针,推出数理·数据科学教育共同体项目,并以京都大学、东京大学、大阪大学等学校作为试点,在各校设立数理、数据教育研究中心,构建教育共同体,共同推动数据科学教育课程的制定、教材的编撰以及科技应用转化等。共同体项目依托实力靠前的国立大学成立研究中心,下设三个分科会。

其一,课程分科会。牵头单位为东京大学,主要负责标准课程的制定及推广。分科会设定“数据科学的学习意义”“数据的法规与伦理”等8大学习模块,各模块下设入门、初级、中级、高级4个阶段技能目标,各大学参照上述学习模块和技能目标制定具体课程方案。分科会还发布《数理·数据科学·人工智能(入门级)示范课程大纲》。文部科学省计划2025年实现所有大学生必修该课程,实现“50万大学生接受人工智能通识教育”目标。

其二,教材分科会。牵头单位为滋贺大学,主要负责教材的编撰与推广。分科会围绕数据科学系列教科书的编撰、教学辅助材料的数字化建设与推广等展开研究,目前已编撰发行《数据科学入门》作为教科书,并推出相应的视听在线资源。另外,东京大学在分科会指导下编撰了《数理·数据科学·人工智能入门教程》,并向全国大学推广。

其三,数据分科会。牵头单位为北海道大学,主要负责收集、发布各大学使用的教学用数据(包括实验数据、调查数据、地区数据、商务数据、网络信息等),以及收集整理各类公开数据信息资源,以此为数据及人工智能领域的教学活动提供资源保障,目前已经开发出“教育用数据服务系统”并投入使用。

为更好地实现在大学普及人工智能教育的目标,文部科学省以教育共同体的6所国立大学作为牵头学校,每所牵头的国立大学带领同区域其他大学进行人工智能领域的教学研究和推广。例如,东京大学作为关东·首都圈地区的牵头学校,带领千叶大学、筑波大学、山梨大学等5所国立大学,针对区域内263所国公立大学开展人工智能教学活动指导、教学人才培养、学术会议组织等方面的活动。

3.实用型信息技术教育平台

为在人工智能教育教学方面推动跨专业改革,文部科学省推出了名为实用型信息技术教育平台(Education Network for Practical Information Technologies,enPiT)的半年短期培训项目,具体如下:

硕士一年级新生培训针对硕士一年级新生展开,分云计算、网络安全、嵌入式系统、商务应用4个领域,各领域由2-5所大学牵头组成专业课程研发团队,并向其他大学推广相关课程。

为加强本科阶段人工智能人才的培养力度,文部科学省以本科三年级学生为对象推出短期项目。该项目分大数据、人工智能网络安全、嵌入系统、商务系统设计4个领域,每个领域的教育平台由一所核心校、10所合作校,20-30所参与校及数十家企业组成。参加项目的各大学均签订学分互认协定,授课时间集中于周末及寒暑假。由于参加项目的学生来自多所大学,因此多采用在线教学和翻转式学习。

为推动社会人才“回炉深造”,文部科学省又推出短期项目推动大学与企业合作,构建实践型人工智能终身教育网络体系。该项目分为物联网嵌入、物联网、人工智能大数据、电子商务、信息安全等5个领域,共36所大学设置相关课程,向数百家企业招募社会人员,实施人工智能专业人才再培训。

文部科学省通过设置系列短期项目,构建针对本科生、硕士生、社会人员等不同群体的人工智能教育平台,实施效果也较为理想。社会人才项目涵盖人工智能所涉各专业方向,受到企业人士的普遍欢迎。文部科学省调查显示,90%的短期项目结业生认为,“人工智能实践能力得到极大提高”,80%的企业认为项目结业生在“人工智能基础知识”“问题发现能力”等方面优于同期就职的其他职员。

我国人工智能人才培养的对策建议

日本政府清醒意识到在人工智能及相关学科领域人力资源供应严重不足等问题,积极制定国家战略,连续推出各项教育改革措施,为我国加强人工智能人才培养和创新发展提供了启示。面对深刻复杂的国际国内形势变化,我国高校培养人工智能人才的重点应在推动校企合作产教融合、促进学科升级与交叉融合、实行分层人才培养等方面聚焦发力。

第一,重视人工智能教育在高等教育领域的普及性。

近年来,日本政府以“全民AI”为理念,发展普及化的全民人工智能教育,提出所有大学生不分文理必修人工智能通识课程,并在此基础上培养具备一定专业知识的25万一般性人工智能人才。文部科学省通过推动“数理·数据科学教育共同体项目”等,加强人工智能基础知识的教材和在线开放课程建设,为实现“50万大学生接受人工智能通识教育”的目标奠定了良好基础。

目前,我国在人工智能人才培养方面仍面临很多挑战,高等教育领域表现在高水平师资队伍缺乏、学科建设有待完善、课程体系较为单一,不能满足现阶段人工智能技术的研发与应用需求。近年来,我国发布《教育信息化2.0行动计划》《新一代人工智能发展规划》等文件,促进了全社会人工智能教育发展,并设立相关通识课程。然而,目前,我国人工智能教育尚需加强,应进一步完善相关政策体系,提高人工智能通识课程在高等院校的普及度,注重基础教育、职业教育领域人工智能教育教学与课程研发的衔接与融合,提升高等教育人工智能教育教学、理论研究的水平与质量,细化教育发展目标,建立相应的质量评价体系,在国家及各级学校层面群策群力,推动教育教学的实践探索,以此拓宽人工智能教育受众普及范围。

第二,强调打破校际壁垒,完善多主体协同育人机制。

在学科建设方面,日本在各高校相继成立人工智能学院及专业的同时,还突破学校、区域之间的壁垒,推动具有学科、人才优势的国立大学引领各地大学组成教育团队,以跨学校跨专业的方式进行人才培养,构建涵盖本土各大学的合作型教育平台,这种做法是值得借鉴的。

目前,我国校际、地区间人工智能人才培养项目不多见,各高校主要着力于校内学科建设,较少以教育联盟的方式进行人工智能人才的联合培养。我们可参考数理·数据科学教育共同体项目和enPiT项目等的做法,通过组织多所大学建立课程分科会、学校联盟、教研共同体、网站等多种形式,实现课程共建、管理互通、师资共配、研训互动,积极探索多地区、多大学共同参与的人才培养模式,构建多层次阶梯式的人才培养结构,在基础教育、职业教育中引入人工智能的普及教育并制定相关课程标准,打造集教育、培训及研究于一体的共享型人工智能人才培养平台,吸纳高级工程师、高级精英人才作为人工智能课程的兼职教师,实现优质教育资源的共享与扩大。

第三,形成以一流大学、高水平人工智能企业为推力的产学研协作发展体系。

日本积极推动学校与政府、企业的联合办学与培养,在资源配置过程中鼓励学校、科研院所与产业界加强合作。大学除了与企业进行技术交流与转化,还为社会人士提供有针对性的人工智能课程,为企业培养人工智能技术人才。我国在完善学校人工智能学科建设、落实相关政策的同时放眼教育体系之外,也应积极推动成立联合各界的信息沟通机制,充分利用校外科技教育资源,增强人工智能教育与企业的融合程度,提高企业参与度,从而调动各类社会资源共同推动教育水平的提升。鼓励各类学校和企业积极参与人工智能教育改革,邀请科研院所、科技公司和高等院校等参与制定人工智能课程教学内容和标准,结合自身定位和特色开展专业教育,“走出去”与“引进来”相结合,推动产学研协调发展,深化人工智能校企合作,实现双赢。

第四,加强人工智能人才培养体系和课程体系建设,促进产学研协同发展。

基于对日本人工智能人才培养现状的分析,我国应建立多层次的人才培养体系,搭建终身学习在线平台,引入终身智能学习模式,建立多层次人才培养体系和培训系统。在全球化背景下,加强同各国的人工智能教育体系研究,特别是推动与美日欧等发达国家人工智能相关政策、技术研讨,教育合作与文化交流以及人工智能教育高质量发展,构建新的人才培养机制,探索新型教与学模式,建立完善的人工智能课程体系,开展创新创业实践活动,培养学生的创新能力、沟通能力、实践能力、协作能力等核心素养,建立符合社会服务和支撑行业重大需求的高水平人才培养体系,促进产学研深度合作,打造人工智能产学研交流平台,带动全产业链推动人工智能复合型人才和顶尖人才培养。

从目前来看,我国人工智能领域的人才培养在顶层设计、教学模式、课程建设、设施保障和资源协作等方面仍需要国家、学校、企业、科研机构及社会各界进行不断探索和研究,凝聚教育共识,打破行业壁垒,整合优质资源,统筹兼顾,多方协作,加强人工智能领域跨国家、跨领域、跨文化交流,协同制定全球数字治理法规体系,深化人工智能领域全球治理,携手构建人类网络空间命运共同体。(作者王祝萍系《教育国际交流》副主编,张琼琼系中国驻日本国使馆教育处一秘)

来源:《神州学人》(2024年第3期)

作者:王祝萍 张琼琼

本文由美行思远留学整理发布,如若转载,请注明出处:https://www.mxsyedu.com/73244.html