AI高等教育下沉之路，四级跳背后仍有三大挑战（文末赠书）

       10月7日，2019年诺贝尔生理学或医学奖揭晓。

       相对于文学奖等奖项可能有“野路子”的存在，诺贝尔生理学或医学奖一直以来都是“科班出身”的专属，此次获奖者——来自哈佛医学院的William、来自牛津大学的Peter J以及约翰霍普金斯医学院Gregg“未能免俗”。

       事实上，所有强理工属性的技术要想培养出正统人才并产生璀璨的科学明星，科班教育从来都必不可少。

       如果把目光聚焦到如火如荼的AI技术上，它也正在经历由野路子到高校教育再下沉的过程，制式化教育越来越完备，高校、企业、科研院所已经积极行动起来。

AI的高等教育经历四级跳

AI的高等教育发展到今天成为高校基础学科，总体而言经历了4级跳，实现了AI教育在高等教育体系下的逐步“下沉”。

01

一级跳：由“野路子”兴起

1990年—2010年，真正在做AI的都是在自己已有的计算机、程序能力基础上研究深度学习等AI技术要素，其中以百度、Google做AI的人群为代表。

这一时期，AI只有野路子，没有系统的高等教育。

2

二级跳：进入高校研究生教育，成为专门的研究方向

这一阶段，AI的理论与学习框架已经成型，算力、算法、数据铁三角成为业界的广泛共识，AI人才多数走向一定的专业性，例如有些研究数据平台，有些研究创新算法等。

不过，如果要对这时期的人工智能作正统划分的话，它依然是计算机科学的一部分，是本科计算机教育的一种专业化和细化。

3

三级跳：本科专业教育

大概从2016年开始，大学相继推出人工智能专业，人工智能成为相对独立的学科。这也意味着人工智能建立了完备的教学、教育体系，各类数学、统计学、计算机、软件编程、硬件架构等内容被关联整合。

这批人，无疑是填补500万人才缺口的主力军，未来会代替计算机专业毕业生成为AI人才市场的主要构成。

4

四级跳：本科通识教育

这一阶段正在发生。AI教育正变成一种多学科的通识教育，而不再仅仅是一门专业，在某些可能用到AI的学科里，引入AI教育（作为一门课程存在）的情况可能会越来越多。

总的来看，经过四级跳后，越来越多的AI人才被培养出来。

  

AI教育前移，直面三大挑战

从本科的学科及课程角度看，AI教育的前移，从专业艰深的“大神能力”到普惠下沉的专业课程，必然会有操作层面的挑战，总的看来，与课程设置、教材等相关的有这三大挑战：

01

AI教育下沉意味着课程理论要有底层化的体系

如果你学经济学，你可能需要学习微积分、概率统计、企业管理等多个课程，而不单单是《微观经济学》、《宏观经济学》这样的主要课程，因为学生必须具备综合化的知识架构才能更好地选择下一步深入的方向。

大学的专业本身就有一套综合学习的规划，否则不能成为人才培养的正式学科，摆在高校面前的是AI学科的底层化、体系化框架构建。

至少从目前来看，AI学科可能得有这几样东西：

核心类课程：与AI直接相关的内容，如机器学习/深度学习、知识表示与处理；

技术支撑类：一些更底层的技术课程，如模式识别与计算机视觉、自然语言处理、自动规划、多智能体系统、计算智能等；

平台类：与AI开发环境密切相关的，如机器学习系统平台、机器人、智能系统等。

除了课程的广度，核心课程例如深度学习课程还必须具备一定体系化水准，课程本身就是一套完整知识架构。由于AI是新创专业，这些课程教材的编撰本身也是一件有难度的事情，同样需要某一个领域内的体系化知识内容。

 

 

02

AI天生与实践紧密结合，必须避免空中楼阁

从AI发展的四级跳来看，它本质上是一门由实践发展所倒逼形成的学科，没有实践的AI学科只能是空中楼阁。

在根本上，AI是一个有来处也有归途的学科，即便是算法架构的创新也是要更好地解决实践问题，例如新的算法结构可能是为了提升编程计算的效率，让视觉AI的计算需求更低，或者算法编写速度更快，提升应用的效率，不断提升硬件的利用效率。

这与化学、物理、数学等诸多学科都存在纯基础理论研究有根本不同，AI必须避免空中楼阁，所有理论都必须辅以实践案例才有价值。

03

AI尚在快速发展，激发学生的探索和创新更有空间

物理学、化学、数学，甚至图灵机背景下的计算机科学，其经典理论几乎已经全部成型，学科的工具化特性十分明显，没有太多创新空间。

AI则不同。当下的AI应用可能只是冰山一角，AI领域可供探索的内容还有太多太多。

AI学科及其课程要能反映最前沿的反向，在课程设置上激发学生在已有应用基础上探索和创新。例如，养猪场管理的视觉AI应用，其实与智慧交通路况识别是十分相似的体系，很多时候这种创新可以产生意想不到的效果，这样的横向场景应用原本还有更多等待探索。

 

AI企业：推动教育下沉的最直接力量

在AI变成数字社会基础设施的预期下，AI教育的前移还会加深。

事实上，AI对传统财务、金融交易、市政管理的改造，让会计、金融、行政管理这种过去与AI搭不上关系的学科，在未来可能都必须有一定的AI知识了解，这些专业未来的从业者必须与AI打交道，AI可能进入它们的课堂，成为一门计学分的课程。

这意味着AI在未来有可能与微积分之类的课程一样成为一个基础课程，而不仅仅是专业学科。摆在AI学科建设面前的任务，一边是AI技术与应用快速发展，一边是深处传统大学体制中的课程必须更快地适应改变。

而这个过程不能全部指望学校，对AI人才和AI研究需求最为直接的企业们也必须肩负起自己的责任来。

不久前，中国科学院大学与百度联合出版了专业教材《深度学习导论与应用实践》，这本教材立足于人工智能深度学习领域，由中国科学院大学深度学习领域的学者与百度的专家一起编著。

 

 

这种企业与科研机构合作的AI教材，直接填补了高校人工智能教育教材在深度学习领域相对匮乏的局面，而更多具备技术与实践积累的企业参与进来，AI学科将不断得到丰富。

事实上，这种企业参与的教材还天然具备独特的AI学科需求，例如，《深度学习导论与应用实践》一书中，从数学基础与编程基础出发逐步引导读者了解深度学习理论体系及现实、前沿应用。

 

一方面，数学、编程、机器学习等基础知识，已有的深度学习方法和实践，AI在计算机视觉、自然语言处理等细分领域的应用等等，书中已经全面自成深度学习体系；另一方面，各大理论知识都配以大量实践项目支撑，且对应有代码实战，整本书与百度自主研发的开源深度学习框架——飞桨（PaddlePaddle）进行了实践知识的结合，少有地将原理解析与行业实例对比，兼顾理论与实践，让读者能够更全面、更清晰地掌握深度学习的前沿技术。

总体而言，如果有更多的企业和高校、机构加入到AI学科体系的建设中来，本身就是AI教育下沉的最大动力。从教材这个核心出发，更多实体的加入会让AI学科更全面、更深度、更具备前瞻性，且与现实会有直接的结合，产生更多价值的知识体系。

现在，百度和中国科学院大学联合出版了一本新的教材，算是为AI前移大背景下产学结合做出了范式，相信类似的合作教材出版甚至共同的学科体系建设会有更多，拭目以待吧。

最后提供一个读者福利，清华大学出版社赞助并送出3本《深度学习导论与应用实践》，感兴趣的同学可以留言参与，聊聊学习深度学习的故事或者建议，留言截止下周三10月16日晚，第二天我会直接从精选留言中选择3位同学赠书并回复确认，请注意获奖留言信息提示。最后祝大家周末愉快！