人工智能產業的健康發展涉及方方面面，其中一個不容忽視的因素是人才培養。要想長遠發展，打下厚實的人才基礎至關重要。近年來，國內高校一直在探索人工智能領域的人才培養，主要分布在計算機、自動化等多個學科。但在實際教學中，真正涉及人工智能的課程可能只有區區幾門，導致培養出來的人才無法滿足真正的應用需求。
這提醒我們，在培養人工智能人才時，不能直接在現有專業知識體系中培養人工智能專業化人才，因為人工智能知識體系與計算機、控制、數學、神經科學和心理學等領域關聯，應圍繞人工智能內涵本質進行知識體系建設，以培養高素質專業化人才。
目前，國內一些高校對人工智能人才培養過程中知識體系的構成進行了一些有益探索。比如，西安交大人工智能試驗班將課程體系分為人工智能核心課程群、數學課程群、認知與神經科學課程群、人工智能平臺與工具課程群等模塊;南京大學提出了“人才培養為核心、基礎研究為支撐、創新應用為出口”的創新發展模式，根據人工智能學科自身特點進行課程創新建設;浙江大學在人工智能本科專業建設方案中將知識點劃分為通識課程、人工智能專業必修課、專業模塊課等類別。
之所以厘清人工智能課程建設內涵很重要，是因為人工智能課程知識體系與現有課程知識體系存在巨大差距。
美國卡耐基梅隆大學在今年9月招收了全美第一批人工智能本科專業學生，要求學習數學、計算機和人工智能三大類課程，同時提供了內容豐富的選修課程。我們可以來對比一下卡耐基梅隆大學人工智能本科專業知識體系與斯坦福大學計算機科學本科專業知識體系的不同。斯坦福大學將計算機科學本科專業知識體系分為數學、科學、工程基礎、計算機科學等核心類別課程，然后設置人工智能、生物計算、計算機工程、人機交互、計算機系統等模塊，每個學生在修完所有核心類別課程后，再選擇某一個模塊進行學習(一般一個模塊包含2~3門課程)。由此可見，人工智能專業知識體系不等于計算機科學知識體系。在斯坦福大學計算機科學本科專業中，人工智能只是一個模塊;而卡耐基梅隆大學的人工智能本科專業中，人工智能是一個體系。
因此，在人工智能人才培養過程中，要強化專業化意識，避免人工智能知識體系碎片化與空心化，而是要成體系培養人工智能專業人才。
在守住人工智能內涵培養的同時，也要注重人工智能人才培養中的學科交叉和應用驅動。浙江大學老校長竺可楨曾說過：“若是一個大學單從事于零星專門知識的傳授，既乏學術研究的空氣，又無科學方法的訓練，則其學生之思想即難收到融會貫通之效。若側重應用的科學，而置純粹科學、人文科學于不顧，這是謀食而不謀道的辦法。”
因此，在人工智能人才培養過程中，首先要厘清人工智能知識體系的內涵，然后學校根據各自學科特點，主動交叉特色學科，并且以豐富應用場景提升人才培養動力。當然，在這個過程中，要鼓勵教師在專業、通識和交叉等課程建設中投入精力，一起推動人工智能高素質人才的培養。
京公網安備 11010502049343號