聚焦学科交叉融合的“人工智能+X”时代创新人才培养模式探索

0 引 言

随着大数据、物联网、云计算等技术飞速发展，人工智能已经成为引领新一轮科技革命和产业变革的重要驱动力[1] 。人工智能新兴技术的日益兴起，特别是美国OpenAI实验室于2022年底正式推出聊天机器人程序ChatGPT后，给高等教育带来了新的挑战[2] 。一方面，学生要掌握不同学科的知识和技能，才能适应人工智能时代的发展；另一方面，人工智能对传统领域学科，如机械工程、生物医学工程等产生了强烈的冲击。在人工智能技术强烈冲击传统领域学科的时代背景下，要培养具有创新意识、能力和思维的时代新型人才。目前，各类学科分立建制，人才培养模式主要以单一学科为主，导致知识“隔绝”甚至“割裂”，缺乏对不同学科知识的交叉融合与实践能力的培养。“人工智能+X”是将人工智能技术与其他学科相结合，以解决复杂工程问题[3] 。如图1所示，“人工智能+车辆工程”可实现系统实时监控和最优化智能控制，“人工智能+机械工程”可优化机械结构并实现智能制造，“人工智能+生物医学工程”可改善医疗诊断和治疗，“人工智能+工商管理”可提高金融风险管理水平等。基于此，聚焦学科交叉融合，培养具有多元思维和创新意识的“人工智能+X”时代创新人才是高校的重要使命。

根据《2023年度人工智能指数报告》（2023 AI Index Annual Report）所述[4]，目前部分发达国家已展现出在“人工智能+X”人才培养上的先发优势。在美国，斯坦福大学、麻省理工学院、加州大学伯克利分校等高校，已经开设了人工智能跨学科研究中心，将深度学习、智能科学等前沿学科和跨学科人才培养作为人工智能发展的基石[5-6]；英国采取多种措施培养或引进更多人工智能领域的人才，如新增本硕博士的学位名额，吸引来自世界各地具有各种学科背景的候选人[7]；日本进行大学和国立科研机构改革，扩大工业界和学术界的联合研究活动，把人工智能交叉学科人才培养与人才引进作为战略的重要部分[8]；新加坡通过设立国家研究基金会（NRF）奖学金以及支持人工智能领域科学活动的调查员计划，吸引顶尖研究人员在本地进行突破研究，以培养具有交叉学科背景的人工智能新时代人才[9]。在国内，清华大学、北京大学等高校也在积极推进人工智能学科交叉融合的教育教学改革，探索开设跨学科课程、建设实验室等[10]。特别地，随着2018年由中国科学院院士、北京大学讲席教授鄂维南提出“AI for Science（科学智能，也称AI4S）”概念后，探索人工智能在各个科学和工程领域的应用在我国各大高校及研究院所逐步展开[11]。虽然近年来我国在人工智能人才培养方面取得了一定成效，如部分“双一流”建设高校相继成立了人工智能学院或研究院，或通过其他创新机制，将人工智能相关学科建设列为重要建设任务，培养了一定数量的本科生和研究生人才，但是，我国高校“人工智能+X”时代创新人才培养与发达国家相比仍有较大差距。无论是从国家教学改革需求还是从学科研究前沿来看，探索聚焦学科交叉融合的“人工智能+X”时代创新人才培养模式尤为迫切且重要。

1 人工智能专业学科的人才培养架构

我国各大高校针对人工智能专业学科人才的培养架构可总结为如图2所示的框架，主要由核心层、衍生层、复合层和交叉层组成。首先，基于核心“机器大脑”——人工智能以及智能科学与技术专业，联合其衍生专业——软件工程、数据科学与大数据技术、机器人工程等形成面向应用的人工智能专业类，以实现专业型人才培养。其次，人工智能与信息技术（Information Technology，IT）传统领域学科复合，如与计算机、物联网、数字媒体、信息安全等复合，形成人工智能专业群，以实现复合型人才培养。最后，由人工智能技术向行业延伸并交叉拓展，发展智慧医疗、智慧家居、智慧城市、智能制造、智能交通等，形成智能新工科专业体系，以实现“人工智能+X”时代创新人才培养。

目前，我国在专业型人才培养上已取得了一定突破，然而，现阶段的企业和科研机构对人工智能学科应届求职者的需求和倾向逐渐由专业学霸型人才向科技创新型、多学科交叉型人才转变。由此，向行业延伸拓展，将人工智能与机械、金融、教育、农业、医疗、艺术等多专业学科交叉融合，实现“人工智能+X”时代创新人才培养在各大高校科研和教学体系中越发得到青睐。为了有针对性地构建聚焦学科交叉融合的“人工智能+X”时代创新人才培养模式，梳理出我国高校“人工智能+X”时代创新人才培养普遍存在的问题如下。

1.1 交叉课程体系不完善导致学科之间“壁垒重重”

现有的课程设置主要以单一学科为基础，缺乏跨学科内容的融入，导致学生在人工智能专业教育过程中难以获得其他学科领域知识的补充及应用，造成学科之间“壁垒重重”，主要表现在：①缺乏跨学科的教学课程设置；②学科知识体系的碎片化；③学科评价体系缺乏跨学科综合考量；④跨学科合作机制不健全。

1.2 缺乏科研驱动的教学导致人才质量“不稂不莠”

现有高校教学缺乏科研驱动的教学环境，对于人工智能技术在实际应用中的最新发展把握不精，使得学生在真实场景下应用人工智能知识时存在困难，导致人才质量“不稂不莠”，主要表现在：①缺乏与实践应用的科研融合；②缺少具备前沿研究成果的教师团队支持；③缺乏产学研深度融合的教学模式；④缺乏学科间科研与教学的信息共享。

1.3 师资队伍不完备导致教师自身“固步自封”

教师是教学活动的重要参与者，其能力直接关系到人才培养的效果。“人工智能+X”时代创新人才培养对教师的能力提出了更高要求，然而现有高校师资队伍普遍存在不完备现象，导致教师自身“固步自封”，主要表现在：①缺乏跨学科综合素养；②学科专业水平欠缺；③教学方法保守；④缺乏自我提升意识。

1.4 交叉实践能力不足导致人才培养“名不副实”

现有高校在专业人才的培养中，侧重于理论知识的传授，而较少注重学生的综合交叉实践能力，使得学生不具备解决实际问题与应对复杂场景的能力，导致人才培养“名不副实”，主要表现在：①缺乏实践指导与导师支持；②缺乏综合项目经验；③缺乏交叉学科竞赛驱动；④缺少多样性实践基地和实训机会。

1.5 反馈机制不完善导致培养效果“止步不前”

在“人工智能+X”人才培养模式中，反馈机制的重要性不言而喻，然而目前高校仍存在反馈机制不完善的问题，导致学生培养效果“止步不前”，主要表现在：①反馈机制缺乏全面性和多样性；②反馈机制的延迟或不准确；③缺乏过程评价；④缺乏自我反思意识。

2 聚焦学科交叉融合的“人工智能+X”时代创新人才培养模式

我国具有人工智能学科的高等学校不计其数，若通过将人工智能与其他学科进行多学科融合，不仅能有效增强不同学科人员的信息交互、资源共享和技术融合，还能培育出一批聚焦学科交叉融合的“人工智能+X”时代创新人才，以此实现学生个人发展与高校集体发展的双赢局面。为了能够实现科研、教学与学生实践能力培养三位一体的教育模式，初步构建“人工智能+X”时代创新人才培养的基本思路（如图3所示）。

2.1 以课程为基础，助力学科融合与资源共享

为解决交叉课程体系不完善导致学科之间“壁垒重重”的问题，可采取以下措施：①引入跨学科的教学课程，如将人工智能课程群（如机器学习、深度学习、计算机视觉、自然语言处理等）融入至其他专业学科（如机械工程、自动化、车辆工程、材料科学等），完成课程交叉融合的知识储备。②建立一个综合性的学科知识体系，将交叉学科的知识进行分类、归纳和整合，形成有机衔接的学科知识网络，以便学生更好地理解各个学科之间的内在联系，加深对整个领域的理解与把握。③建立跨学科的评价体系，以考查学生对多学科知识的掌握与应用能力，可通过设计综合性的项目作业、实践案例等形式，鼓励学生运用多学科知识进行综合性的分析并解决问题。④构建跨学科教学组织，完善教学资源共享机制，助力学科群的协同发展，实现人才培养的相互促进。

2.2 以科研为载体，用科学研究赋能教与学

针对高校教学缺乏科研驱动导致人才质量“不稂不莠”的问题，可采取以下措施：①在教与学过程中，教师可将多学科交叉的科研项目实践融于课程理论中，让学生明白如何将人工智能的知识点或手段用于解决复杂工程问题，用科学研究赋能教与学。②建设具备前沿交叉研究成果的教学团队，让学生能紧跟时事，学在世界的“前面”，实现面向目标需求的学习。③建立产学研紧密结合的教学模式，促进教学内容与实际需求的对接，如与企业等共同开发人工智能交叉学科的教学项目或课程，通过引入真实案例和数据，使教学过程更加贴近实际。④建立跨学科的专业期刊、学术平台和在线资源库，以促进学科交叉研究成果的发表与交流，以及学科知识和经验的分享与传播。

2.3 以教师为根本，促进教学科研协调发展

为解决现有高校师资队伍不完备导致教师自身“固步自封”的问题，可采取以下措施：①建立跨学科教学与研究机制，鼓励教师参与不同领域的教学与研究活动，通过互相学习与交流来提高教师的综合素质。②加强教师的学科专业能力培养，通过建立完善的教师培训体系，为教师提供系统化的教学技能培训与学科知识更新，提高教师的学术水平和教学质量。③推进教改创新，通过引入新的教学方法和技术，培养教师的创新意识和教学能力，鼓励教师开展教学研究与改革，进行课程设计与教学实践的创新探索。④制订教师职业发展规划，为教师提供晋升、评优、岗位调整等机会，鼓励教师参加高水平项目、学术交流等活动，提高教师的学术声誉和职业影响力。

2.4 以实践为契机，增强学生多学科交叉实践能力

针对交叉实践能力不足导致人才培养“名不副实”的问题，可采取以下措施：①拓宽学生实践指导的来源，引入企业导师、教授导师等多样化实践指导资源，更好地提高学生的实践能力，并通过建立个性化的实践指导机制，制订细化的计划和目标，加强对学生实践过程的监管。②鼓励学生积极参与跨学科项目研究与创新活动，建立奖励机制提高其学科交叉融合与创新能力，激发其全方位的学习兴趣和创造力。③精选一些高质量的交叉学科竞赛并组织教师和学生积极参与，并将学科竞赛归纳到实验体系中，学生参与、教师指导，使得实验体系的柔性大大增强，可充分发挥因材施教的特点。④完善高校与产业界合作平台，在校内设立产学研基地、实习基地等，让学生有更多机会接触到智能制造、智慧交通、智慧医疗等最新的科技发展，把高校理论基础与企业生产实践有效结合，把创新人才培养与国家社会服务相结合，实现与企业协同育人的目的。

2.5 以反馈为导向，持续改进创新人才培养模式

针对反馈机制不完善导致培养效果“止步不前”的问题，可采取以下措施：①设计不同类型的反馈形式，如面谈、问卷、评价表等，并将反馈机制贯穿整个培养过程，从课程设置、实践环节、论文指导、综合评价等多个环节，全方位收集学生的反馈和意见。②建立在线平台，对学生的实践过程进行实时监测与反馈，同时建立学生自主反馈机制，鼓励学生在实践中寻求帮助与指导，提高学生的自主学习能力。③通过对反馈信息的分析与总结，发现培养模式的不足之处，并及时调整课程体系、项目任务等，提高培养质量。④提高教师与学生的反馈与自我提升意识，鼓励教师与学生进行定期面谈，了解学生的实际情况，及时找到问题所在，引导学生探索解决问题的方法。同时通过政策宣传、心理辅导等多种形式，加强学生自我反思意识，让学生认识到反馈是自我提升的重要方式。

3 实施过程与实施成效

作为“兵工七子”之一，重庆理工大学在人工智能技术发展的关键时期把握时机，于2018年成为全国高等学校中第一批建设人工智能学院的大学，并开始实施“人工智能+X”时代创新人才培养模式，且已初见成效，主要体现在学校及学院层面上。

3.1 学校层面

重庆理工大学充分发挥人工智能赋能传统学科的优势进行转型，围绕交叉学科建设需求，成功设立4个重庆市人工智能+学科群建设项目，包括“智能制造”“智能会计”“智能汽车”“智能仪器”，其中“智能制造”和“智能会计”分别为人工智能学院与机械工程学院、会计学院联合设立，充分促进了“人工智能+X”的学科交叉融合，实现了学科间的优势互补，助推学科建设的高质量发展。

学校构建了一批交叉创新与交流平台，如“制造业数智管理与决策研究中心”，着力打造跨院校、跨学科、跨专业学术交流载体。此外，开设“鸿鹄大讲坛”学术沙龙，旨在通过信息互通、优势互补、学科互助，实现跨平台交流，通过思想碰撞激发学生创新潜力，培养学生创新思维。其中，以“大数据营销与智能推荐”“企业数字化转型：实践发展与理论研究”等为主题的系列跨学科学术交流活动，进一步引导了学生形成跨学科学术思维，增强了学生跨学科合作意识。

学校主动对接国家和重庆市社会需求，于2021年7月起更新人才引进政策，大力引进及培育了一批领军人才，着力构建高水平学科交叉型师资队伍，实施多维度育人。同时建立跨学科招生机制，明确各方主体在人才培养中的职责及定位，与人工智能学院组建联合指导小组和导师团队，形成多学科教师全程参与的协同育人新模式。

3.2 学院层面

重庆理工大学的人工智能学院成立了AI for Science协同创新研究中心，旨在建立常态化研讨机制，在人才培养中注重多学科交叉，将理论知识与实践完全融合，将科技前沿与教学完全融合。通过将人工智能与机械、材料、医学等学科的交叉融合发展引向深入，助推了“人工智能+X”的协同创新与跨越式发展。

面向社会对“人工智能+X”时代创新人才的需求，人工智能学院建立了3支队伍，即专职教师队伍、名校名师队伍、企业导师队伍，不仅打造出完备的全职教师队伍，还引入来自全球领域的知名学者、专家，以及知名企业导师。经过3年多的建设，目前3支队伍的教师总数超过百人，其中后两类教师的占比达到45%，有利促进了产学研的紧密结合。

人工智能学院在本科生人才培养中开展试点工作，形成了一批跨学科交叉融合的原创性科研成果，全面推行“全程导师制”，引导学生参与教师科研。同时充分遵循“科研反哺教学”的理念，努力将自身科研成果转化成教学资源，重构了科教融合下的跨学科创新人才培养机制。

4 结 语

聚焦学科交叉融合的“人工智能+X”时代创新人才培养模式，是学科交叉融合的重要实践应用之一，是高等教育改革的重要方向，也是培养出更多具备综合素质和创新精神的人才的必由之路。“人工智能+X”的交叉融合并非简单的学科叠加，而是一种全新的学习、思考和解决问题的方式。要以更开放的视角和更宽广的视野，推动人工智能与其他学科的深度融合，以培养出具备广泛知识视野、综合素质和创新精神的人才。构建“人工智能+X”时代创新人才培养模式并非一蹴而就，笔者初步借助了课程基础、科研载体、教师根本、实践契机和反馈导向的多元化手段来构建该模式。在实施过程中也面临一些挑战，如学科间融合难度高、资源投入与实践场景落地难等，下一步要采取相应的策略和措施加以应对。随着人工智能技术的进一步发展，“人工智能+X”人才培养模式将为我国高等教育培养出更多优秀的、适应未来社会发展的创新型人才。

参考文献:

[1] Glover F. Future paths for integer programming and links to artificial intelligence[J]. Computers & Operations Research, 1986, 13(5): 533-549.

[2] Van D E A M, Bollen J, Zuidema W, et al. ChatGPT: Five priorities for research[J]. Nature, 2023, 614(7947): 224-226.

[3] 谷志群, 纪越峰, 顾仁涛.“人工智能+X”教学模式下智能信息网络课程建设[J]. 高等工程教育研究, 2021(4): 93-97.

[4] University S. Artificial intelligence index report 2023[EB/OL]. [2023-10-06]. https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf.

[5] 胡德鑫, 纪璇. 美国研究型大学人工智能人才培养的革新路径与演进机理[J]. 研究生教育研究, 2022(4): 80-89.

[6] 段世飞, 龚国钦. 国际比较视野下的人工智能教育应用政策[J]. 现代教育技术, 2019(3): 11-17.

[7] 郑燕林, 贾保龙. AI时代英国推进教育均衡发展的路径与举措[J]. 现代远程教育研究, 2023, 35(5): 48-56.

[8] 龚超, 王冀. 日本人工智能教育战略的研究与分析[J]. 中国教育信息化, 2022, 28(6): 29-37.

[9] 段捷.《构筑卓越的高等教育: 以新加坡经验为例》(第8章)翻译实践报告[D]. 重庆: 四川外国语大学, 2022.

[10] 鲁虹. 我国研究型大学聚合科技发展的支持政策与投入产出研究: 基于14所高校的数据[D]. 杭州: 浙江师范大学, 2021.

[11] 勒川. AI for science: 共创新未来: 2022中关村论坛系列活动“科学智能峰会”举行[J]. 中关村, 2022(9): 40-41.

作者简介：朱秘，女，重庆理工大学讲师，研究方向为计算机视觉，zhumi@cqut.edu.cn；杨平安（通信作者），男，重庆邮电大学副教授，研究方向为自动化控制，yangpa@cqupt.edu.cn。

引用格式：朱 秘，廖宁生，彭 波，等. 聚焦学科交叉融合的“人工智能+X”时代创新人才培养模式探索[J].计算机教育,2024(9):5-10.

文章头图由“智谱清言”绘制而成。

（完）

更多精彩：

校长专访｜扎根边疆民族地区 聚焦师范教育主业培养高素质应用型人才——丽江师范高等专科学校陈本辉校长专访

言十│计算机系统能力培养的回顾与前瞻

“以学生为中心”教学的理念及落地路径探讨

校长专访｜推动学科交叉融合 培养新时代创新型人才——香港科技大学(广州)创校校长倪明选教授专访

第七届编委会新年寄语

计算学科课程思政教学指南

陈国良院士｜计算机课程思政虚拟教研室文化建设

南大陈道蓄教授｜变与不变：学习过程中的辩证法

言十│关于高校青年教师的“困境”思考及建议

徐晓飞等｜元宇宙教育及其服务生态体系

【目录】《计算机教育》2024年第8期

【目录】《计算机教育》2024年第7期

【目录】《计算机教育》2024年第6期

【编委寄语】北京大学李晓明教授：由“课堂教学改进元年”想到的……

南大陈道蓄教授：教学生提问和教学生答问，哪个更重要？

【言十系列】：计算机学科发展趋势及其对计算机教育的影响

北大李晓明教授：从趣味数学到趣味算法到趣味编程——非专业学习者体会计算思维的一条途径？

一流计算机学科建设的几个问题思考

新工科与大数据专业建设

他山之石可以攻玉——中外计算机教育研究文章汇编