郭文忠 于元隆

（1. 福州大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院，福建 福州 350116；2. 福州大學(xué) 人工智能研究院，福建 福州 350116）

一、引言

隨著大數(shù)據(jù)科學(xué)、移動互聯(lián)網(wǎng)、跨媒體計算、物聯(lián)網(wǎng)等技術(shù)的快速進步，人工智能在工業(yè)生產(chǎn)、科學(xué)技術(shù)、社會經(jīng)濟、管理決策等各個領(lǐng)域發(fā)揮著巨大作用。 人工智能有助于實現(xiàn)社會生產(chǎn)力的躍進式上升，是社會發(fā)展的“加速器”，是經(jīng)濟發(fā)展的“新引擎”［1］。 人工智能發(fā)展作為國家科技創(chuàng)新戰(zhàn)略受到高度重視。 當前，人工智能的相關(guān)產(chǎn)業(yè)發(fā)展迅猛，各領(lǐng)域?qū)θ斯ぶ悄艿母叨巳瞬判枨笫志o迫，尤其是科技創(chuàng)新的拔尖人才還存在明顯缺口［2］。 這些需求是傳統(tǒng)的數(shù)學(xué)、統(tǒng)計和計算機科學(xué)等學(xué)科的人才培養(yǎng)體系所無法滿足的。

構(gòu)建前沿先進的復(fù)合型知識體系，專注于人工智能的科學(xué)研究、應(yīng)用創(chuàng)新的核心競爭力培育，是社會對高等學(xué)校提出的現(xiàn)實要求。 然而面向人工智能產(chǎn)業(yè)創(chuàng)新需求的拔尖人才培養(yǎng)，傳統(tǒng)單一的工科培養(yǎng)模式主要存在的問題有：（1）人工智能的技術(shù)創(chuàng)新依賴于扎實的科研基礎(chǔ)，且由多學(xué)科交叉融合，其主干課程多，理論難度大，現(xiàn)有課程體系的前沿性與深度都不足；（2）傳統(tǒng)培養(yǎng)主要還是面向全體學(xué)生，即便是設(shè)置了實驗班的研究型培養(yǎng)，但仍然沿襲重知識傳授的教學(xué)方式，學(xué)習(xí)的基礎(chǔ)知識較為系統(tǒng)，明顯缺乏自主思考的培養(yǎng)與提升；（3）缺乏培養(yǎng)拔尖人才的良好學(xué)術(shù)環(huán)境和氛圍；（4）畢業(yè)生的工程應(yīng)用能力強，但深度的學(xué)術(shù)創(chuàng)新思維能力弱；（5）學(xué)術(shù)研究局限于實驗室，學(xué)生缺少通過產(chǎn)業(yè)的真實應(yīng)用優(yōu)化科研成果的實際能力。

二、人才培養(yǎng)思路

福州大學(xué)結(jié)合學(xué)校的科研優(yōu)勢和辦學(xué)實際，以培養(yǎng)人工智能拔尖人才為目標，開展了“一中心、兩支撐、三融合、四構(gòu)建”的培養(yǎng)模式創(chuàng)新與實踐工作，如圖1 所示。 改革的核心思路在于：面向“數(shù)字福建”“數(shù)字中國”的人工智能相關(guān)產(chǎn)業(yè)創(chuàng)新技術(shù)需求，培育人工智能多學(xué)科交叉復(fù)合的科學(xué)素養(yǎng)和創(chuàng)新能力，以學(xué)校的科研優(yōu)勢特色方向為抓手，打造特點鮮明的人工智能拔尖人才培養(yǎng)方案、課程體系、實訓(xùn)實踐、評價與監(jiān)控機制。

具體來說，培養(yǎng)模式的建設(shè)思路包括：（1）“一中心”：即面向產(chǎn)業(yè)需求，以人工智能的拔尖創(chuàng)新人才培養(yǎng)目標為中心。 （2）“兩支撐”：夯實數(shù)學(xué)和計算機的理論基礎(chǔ)支撐，并強化科研實踐實訓(xùn)支撐。 （3）“三融合”：促進科研與教學(xué)深度融合，把前沿科學(xué)研究與先進技術(shù)應(yīng)用及時融入教學(xué)內(nèi)容，提升教學(xué)內(nèi)容的高階性；實現(xiàn)理論與實踐有機融合，提升學(xué)生的原始創(chuàng)新能力；推進基地與平臺密切融合，利用各大平臺和高新企業(yè)落戶學(xué)?？萍紙@的“無縫對接”優(yōu)勢，優(yōu)化學(xué)生全過程的成長條件［3］。 （4）“四構(gòu)建”：構(gòu)建基于科研優(yōu)勢特色的課程體系；構(gòu)建“實驗課程實操—實驗室科研實訓(xùn)—企業(yè)科研實戰(zhàn)”的實踐體系；構(gòu)建面向科研成效與成果產(chǎn)出的人才評價與監(jiān)控機制；構(gòu)建科研和教學(xué)互相促進的課程團隊。

圖1 人工智能拔尖創(chuàng)新人才的培養(yǎng)思路

三、人才培養(yǎng)實施舉措

福州大學(xué)緊緊圍繞自身在集成電路、大數(shù)據(jù)、計算機視覺等人工智能領(lǐng)域的科研優(yōu)勢方向，自底向上從扎實的學(xué)術(shù)理論基礎(chǔ)出發(fā)，驅(qū)動科學(xué)思維培養(yǎng)。 切實加強科研實踐與實訓(xùn)，啟發(fā)學(xué)術(shù)興趣，培養(yǎng)創(chuàng)新能力與探索精神，進而提升科研素養(yǎng)。 注重人工智能領(lǐng)域的交叉學(xué)科知識，全面促進產(chǎn)業(yè)創(chuàng)新應(yīng)用的拔尖人才脫穎而出。 人才培養(yǎng)的體系建設(shè)如圖2 所示。

（一）重建知識體系，理論教學(xué)與素質(zhì)教育相輔相成

學(xué)校對人工智能教學(xué)知識體系與課程結(jié)構(gòu)進行全面的梳理和重構(gòu)，夯實理論基礎(chǔ)、覆蓋學(xué)科前沿、強化學(xué)科交叉、加強課程思政建設(shè)，提升綜合素養(yǎng)［4］。 課程體系主要特色在于：

圖2 人工智能拔尖人才培養(yǎng)的體系建設(shè)

第一，以導(dǎo)論研討課為起點，啟發(fā)學(xué)生的學(xué)習(xí)興趣，開啟學(xué)術(shù)研究之門。 開設(shè)集成電路技術(shù)導(dǎo)論、人工智能導(dǎo)論、大數(shù)據(jù)導(dǎo)論等學(xué)科導(dǎo)論課，并聘請國內(nèi)外知名專家大師為導(dǎo)論課程做學(xué)術(shù)講座。 由此堅定學(xué)生的科研學(xué)習(xí)志向，樹立學(xué)生濃厚的學(xué)習(xí)興趣。 第二，深化基礎(chǔ)知識，尤其是打下扎實的數(shù)學(xué)理論基礎(chǔ)。 課程體系中新增了泛函分析、矩陣分析、組合優(yōu)化等課程，涉及深度的矩陣、統(tǒng)計、優(yōu)化等數(shù)學(xué)知識，確保學(xué)深、學(xué)精。 這些都是人工智能核心知識的重要支持，為進一步的學(xué)術(shù)研究提供理論保證。 第三，注重學(xué)科交叉融合，突出前沿應(yīng)用。 人工智能的核心領(lǐng)域主要包含機器學(xué)習(xí)等課程，是計算機科學(xué)中對數(shù)學(xué)基礎(chǔ)要求最高的。 課程內(nèi)容將高等數(shù)學(xué)、線性代數(shù)、概率統(tǒng)計、最優(yōu)化理論等知識與抽象建模、算法分析、程序設(shè)計深度融合，用以解決人工智能的復(fù)雜任務(wù)。在此基礎(chǔ)上，將核心課程對接前沿技術(shù)應(yīng)用，針對國家的“卡脖子”技術(shù)或者未來技術(shù)的發(fā)展趨勢，結(jié)合學(xué)校的科研優(yōu)勢與產(chǎn)業(yè)需求，開設(shè)諸如大規(guī)模集成電路設(shè)計、計算機視覺、大數(shù)據(jù)分析等拔尖應(yīng)用類課程。 第四，強化專業(yè)課程思政建設(shè)，加強人文素質(zhì)教育。 踐行社會主義核心價值觀，堅定理想信念；鼓勵學(xué)生閱讀名著，促進學(xué)生中西融匯、古今貫通、文理滲透，形成整體的知識觀和智慧的生活觀；創(chuàng)立工程倫理課程，培育科學(xué)道德、批判精神和創(chuàng)新精神。

（二）注重大師引領(lǐng)，建立大師領(lǐng)銜的導(dǎo)師制

與大師講壇

學(xué)校集中一流師資并聘請著名學(xué)者組成強大的師資團隊，開設(shè)大師講壇，實現(xiàn)與學(xué)生的面對面交流、一對一指導(dǎo)，發(fā)現(xiàn)學(xué)術(shù)專長，引導(dǎo)學(xué)術(shù)興趣。

1. 設(shè)置大師領(lǐng)銜的前沿學(xué)科課程

由院士、國家杰出青年科學(xué)基金獲得者、“長江學(xué)者”等教學(xué)名師及知名教授等高水平教師組成教學(xué)團隊，建立高水平的交流平臺，使學(xué)生保持與名師名家的零距離接觸。 通過學(xué)術(shù)大師言傳身教，加強對拔尖學(xué)生的學(xué)術(shù)引領(lǐng)和人生指導(dǎo)，激發(fā)學(xué)術(shù)興趣，最大限度地挖掘?qū)W生的自身潛質(zhì)。

2. 融入專家大師的學(xué)術(shù)講壇

打破授課計劃約束，采取靈活組織方式，邀請國內(nèi)外知名專家大師、頂尖學(xué)者為前沿學(xué)科課程做科研講座或?qū)W術(shù)報告，拓寬學(xué)生的學(xué)術(shù)視野。

3. 深入實施全程導(dǎo)師制

建立由中外教授引領(lǐng)，構(gòu)建包括學(xué)業(yè)導(dǎo)師、科研導(dǎo)師、生活導(dǎo)師組成的導(dǎo)師團隊，在課程學(xué)習(xí)、科學(xué)研究、生涯規(guī)劃等方面對學(xué)生給予全方位指導(dǎo)。 為每個學(xué)生建立成長發(fā)展檔案，確保每個學(xué)生至少參與一項高水平的學(xué)術(shù)研究課題或產(chǎn)業(yè)應(yīng)用的實際項目。

（三）推動教學(xué)方法創(chuàng)新，專業(yè)核心課程構(gòu)建基于科研需求的線上線下混合式教學(xué)模式

近年來，人工智能相關(guān)領(lǐng)域發(fā)展迅速，新理論和新方法涌現(xiàn)。 培養(yǎng)學(xué)生能夠把握核心基礎(chǔ)知識，強化科研思維訓(xùn)練，從而具備對不斷出現(xiàn)的新成果的自我學(xué)習(xí)能力，是核心課程的主要教學(xué)任務(wù)。 發(fā)掘課程特點與教學(xué)重難點，以科研需求驅(qū)動，充分整合課前、課堂、課后環(huán)節(jié)，靈活采用線上線下混合的教學(xué)模式，加強教學(xué)過程的交流互動，可以有效引導(dǎo)學(xué)生主動學(xué)習(xí)，提高自主創(chuàng)新思維［5］。

比如人工智能領(lǐng)域的核心課程機器學(xué)習(xí)，其特點在于：涵蓋數(shù)學(xué)知識范圍廣且分散，不同算法涉及的知識點存在很多關(guān)聯(lián)交叉，數(shù)據(jù)和算法常具高維特性，知識抽象理解難度大等。 針對這些，將機器學(xué)習(xí)知識進行整合，設(shè)計以概率生成模型和代數(shù)判別模型為兩條主線，分別串接貝葉斯推理、線性判據(jù)和回歸，并融合邏輯回歸、神經(jīng)網(wǎng)絡(luò)、深度網(wǎng)絡(luò)等模塊的體系架構(gòu)，這是人工智能科研創(chuàng)新的基礎(chǔ)理論保障，也為前沿研究的延伸拓展提供重要支撐。 基于該架構(gòu)，展開機器學(xué)習(xí)課程的線上線下混合式教學(xué)，精心設(shè)計教學(xué)內(nèi)容，讓學(xué)生即便面對深奧抽象的知識，也都能夠深入?yún)⑴c，學(xué)有所獲。 具體如下：

第一，基于需求引導(dǎo)的在線課前學(xué)習(xí)。 根據(jù)學(xué)生的學(xué)習(xí)基礎(chǔ)和能力特點，福州大學(xué)建設(shè)了模式識別與機器學(xué)習(xí)慕課資源，并在中國大學(xué)MOOC 平臺上運行。 學(xué)生能夠借助線上資源，預(yù)習(xí)相關(guān)數(shù)學(xué)知識與課程新知識，復(fù)習(xí)關(guān)聯(lián)的機器學(xué)習(xí)算法，將相關(guān)零散的知識點有效串接。

第二，基于問題驅(qū)動的課堂教學(xué)。 利用智慧教學(xué)工具，將易錯、難懂的知識點形成問題并進行當堂測驗，剖析、強化和連接相關(guān)知識點的理解。同時，將高維數(shù)據(jù)通過圖表等形式可視化，解釋幾何含義，加強對抽象概念的理解，提高教學(xué)效果。

第三，基于科研實訓(xùn)的課后指導(dǎo)。 面向國際最新學(xué)術(shù)發(fā)展和產(chǎn)業(yè)需求，甄選實際的科研課題，引導(dǎo)學(xué)生閱讀相關(guān)前沿文獻并完成科研實訓(xùn)項目。 由此，課程的理論學(xué)習(xí)作為科研實訓(xùn)的基礎(chǔ)，科研實訓(xùn)的過程又能夯實理論知識掌握，二者相互促進，進而提升課程的高階性。

（四）理論知識與科研實踐深度融合，打造“實操—實訓(xùn)—實戰(zhàn)”層遞進階的科研實踐體系

人工智能的拔尖創(chuàng)新人才具備應(yīng)用堅實的理論知識動手解決實際學(xué)術(shù)和產(chǎn)業(yè)問題的能力。 因此，學(xué)校通過科教、產(chǎn)教的深度協(xié)同，構(gòu)建“實驗課程實操—實驗室科研實訓(xùn)—企業(yè)科研實戰(zhàn)”的分層式、遞進式、開放式的實踐教學(xué)體系。

1. 以實驗課程為認知基礎(chǔ)平臺的動手實操

依托福州大學(xué)網(wǎng)絡(luò)信息安全與計算機技術(shù)國家級實驗教學(xué)示范中心，構(gòu)建一個完整的虛實結(jié)合、科教融合，“課程實驗＋開放實驗”雙軌交叉的實驗教學(xué)體系。 重點針對前沿課程，包括計算機視覺實踐、集成電路實踐、圖像學(xué)實踐、軟件定義網(wǎng)絡(luò)等，構(gòu)建涵蓋原理驗證、實訓(xùn)應(yīng)用、綜合分析及自主設(shè)計等多層次的虛擬仿真實踐教學(xué)平臺，極大地提升理論與實踐的融合程度。 平臺還能夠有效收集和整理學(xué)生實驗操作的行為數(shù)據(jù)，也為教學(xué)反饋和改進提供了大數(shù)據(jù)支持。

2. 以科研實驗室為實踐平臺的科研實訓(xùn)

引導(dǎo)學(xué)生結(jié)合科研興趣早進實驗室、早進課題、早進團隊［6］。 依托離散數(shù)學(xué)及其應(yīng)用教育部重點實驗室、數(shù)字福建福州研究院、福建金融大數(shù)據(jù)研究所、福建省網(wǎng)絡(luò)計算與智能信息處理重點實驗室等科研平臺分別開展集成電路設(shè)計、大數(shù)據(jù)、人工智能領(lǐng)域的科研實訓(xùn)。 同時，通過借助與國內(nèi)外一流科研機構(gòu)的合作關(guān)系，創(chuàng)造學(xué)習(xí)交流機會，接受大師言傳身教和科研環(huán)境熏陶，促進學(xué)生融入科學(xué)技術(shù)研究前沿。

3. 以跨學(xué)科平臺、高新企業(yè)為實踐基地的科研與創(chuàng)新實戰(zhàn)

推動產(chǎn)教深度融合，將“數(shù)字福建”的產(chǎn)業(yè)應(yīng)用密切相關(guān)的跨學(xué)科科研平臺、高新技術(shù)企業(yè)等作為學(xué)生科研訓(xùn)練的主戰(zhàn)場，實現(xiàn)將學(xué)術(shù)研究成果在產(chǎn)業(yè)應(yīng)用中驗證、優(yōu)化、升級，培養(yǎng)學(xué)生學(xué)思結(jié)合、知行統(tǒng)一，感悟人工智能科研創(chuàng)新與行業(yè)發(fā)展潮流。

（五）科學(xué)選才鑒才，實施拔尖人才培養(yǎng)全周期的動態(tài)評價體系

將選才與鑒才有機結(jié)合，真正發(fā)現(xiàn)和遴選志向遠大、學(xué)術(shù)潛力大、綜合能力強、心理素質(zhì)好的優(yōu)秀學(xué)生，科學(xué)地看待和選拔“偏才”“怪才”。 拔尖人才培養(yǎng)過程采取全周期動態(tài)評價管理。

1. 優(yōu)化小班建制

針對人工智能科研拔尖人才培養(yǎng)，在入學(xué)時進行自愿報名、筆試遴選、專家面試，選拔有科研志向的高分優(yōu)秀學(xué)生，并建立實驗班的小班管理機制。 在培養(yǎng)全過程中提供專項經(jīng)費，對學(xué)生給予充分的資助與獎勵。

2. 完善拔尖人才評價體系

以學(xué)業(yè)成績?yōu)榛A(chǔ)，充分結(jié)合科研潛質(zhì)、創(chuàng)新能力等重要指標，注重學(xué)生的科研成果產(chǎn)出，綜合考慮學(xué)生興趣、個人發(fā)展目標和綜合表現(xiàn)等情況，設(shè)置科學(xué)的評價方式，對整個學(xué)習(xí)周期的實時狀態(tài)進行評估和考核。 實行“只出不進”的嚴格淘汰機制，實施拔尖人才培養(yǎng)的動態(tài)管理。

3. 加強質(zhì)量保障，促進改進與提升

建立畢業(yè)生跟蹤調(diào)查機制和人才成長檔案數(shù)據(jù)庫，落實反饋與改進，推動拔尖人才培養(yǎng)的質(zhì)量管理和自我評估［7］。 另外以課程或課程群建設(shè)為依托，聚合科研方向相同或相似的優(yōu)秀教師構(gòu)建教學(xué)團隊，從課程體系設(shè)計、教學(xué)方法創(chuàng)新與實施、課程資源建設(shè)、科研實訓(xùn)指導(dǎo)等多方面形成合力，促進教研相長，實現(xiàn)教學(xué)團隊的優(yōu)化提升。

人工智能的迅猛發(fā)展已經(jīng)成為國際競爭的新熱點，相關(guān)領(lǐng)域的拔尖人才是人工智能產(chǎn)業(yè)發(fā)展極其重要的因素。 高校要積極響應(yīng)人工智能國家戰(zhàn)略，提供拔尖人才的培養(yǎng)輸出。 福州大學(xué)作為地方理工為主的綜合性大學(xué)，立足于數(shù)字福建的產(chǎn)業(yè)發(fā)展與創(chuàng)新需求，針對人工智能拔尖人才培養(yǎng)模式改革做了一些有益的探索與研究，緊緊圍繞自身的科研優(yōu)勢特色，確立了人才培養(yǎng)的總體思路與具體實施舉措，取得一定成效，對當前同類院校的拔尖人才培養(yǎng)具有一定的示范作用，也能為其他工科專業(yè)拔尖人才培養(yǎng)提供借鑒和參考。