改革與創新：斯坦福大學人工智能人才培養的特征分析

黃蓓蓓

[摘? ?要] 隨著《新一代人工智能發展規劃》的頒布以及各大高校紛紛設立人工智能專業，需要積極開展有關人工智能人才培養的研究。本研究采用比較研究法和案例研究法，對人工智能領域的翹楚——斯坦福大學的人工智能人才培養進行研究。研究發現：斯坦福大學通過持續的改革與創新，形成了一系列典型的人工智能人才培養特征，具體表現為：第一，基于跨界融合理念的“復合型”人才培養目標;第二，基于“全人”理念的一體化人才培養機制;第三，基于內聯與外延理念的多元化人才培養策略;第四，基于開拓創新理念的“靈魂”型人才培養氛圍。以斯坦福大學為鑒，未來可從創新跨界融合機制、積蓄人才培養源動力和強化“項目依托”環境建設三個方面入手，構建適應我國國情和發展需求的人工智能人才培養體系。

[關鍵詞] 斯坦福大學; 人工智能; 人才培養; 特征分析

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

一、引? ?言

2018年7月，《新一代人工智能發展規劃》的頒布為未來人工智能的發展明確了方向與目標，使人工智能產業成為國家關注的焦點[1]。為響應國家號召，教育部印發《高等學校引領人工智能創新行動計劃》，要求堅持人工智能人才培養的前瞻性和引領性，進一步提升高校的綜合能力[2]。隨后，國內各大高校紛紛成立人工智能學院，開設人工智能相關專業。根據新浪教育的不完全統計，截至2019年4月，已有30多所“雙一流”大學成立人工智能學院，超過100所高校開設人工智能相關專業[3]。然而，在轟轟烈烈的人工智能熱潮背后，卻存在著缺乏人工智能人才培養經驗的問題。為此，有必要向世界一流大學學習，借鑒其成功經驗。作為人工智能領域的翹楚，斯坦福大學擁有享譽全球的計算機學科，為人工智能人才培養積累了扎實的理論基礎和豐富的實踐經驗[4]。自20世紀50年代起，斯坦福大學人工智能實驗室（Stanford Artificial Intelligence Laboratory， SAIL）就已經成為科學家和工程師引以為傲的前沿知識中心與學生的學習圣地，所開設的人工智能專業強化人才培養改革、積極推進技術創新，形成了一系列典型的人工智能人才培養特色[5]。

二、基于跨界融合理念的“復合型”人才培養目標

人工智能涉及的領域包括計算機科學、數學、心理學、語言學、哲學、工程學等，同時，人工智能在很多領域有著創新性的應用。無論是從學科特點，還是應用范圍上來看，人工智能都有著寬泛而復雜的覆蓋面[6]。為此，斯坦福大學堅持不同學科和領域間的跨界融合，致力于培養“復合型”的尖端人才。

（一）多元師資結構下的跨界融合

斯坦福大學作為世界一流大學，擁有高素質的教育和研究團隊，培養出了一流的人工智能人才。一方面，差異化的學科背景保證了學科間的跨界融合。斯坦福大學的人工智能課程和師資團隊在全球范圍內享有盛譽，這里的每位教師和研究人員都有著不同的學科背景。針對人工智能涉及面廣泛的特點，他們結合自身的專長，分別從生物學、物理學、生物化學、法學、統籌學、數學等角度為專業建設及課程改革提供專業化的建議[7]。從人工智能的理論闡釋到實踐應用，從研究方法到推理邏輯等，所開設的課程為學生提供了廣泛的知識域，幾乎涵蓋了人工智能問題的大部分范疇，為人才培養提供豐沛的資源[8]。另一方面，多樣化的研究經歷保證了專業間的融會貫通。從研究經歷來看，師資團隊不僅有著豐富的教學經驗，而且還積極參與前沿領域的研究工作，因此，能更好地在人才培養過程中完成各知識間的銜接過渡與技術層面的轉化，以便更好地適應“人工智能在體”（人工智能與人類智能融合進化）時代的需求。

（二）校企合作下的跨界融合

“自由之風勁吹”（The wind of freedom blows）下的斯坦福大學，為促進校企之間富有成效的合作關系而建立行業聯盟的傳統由來已久，加之人工智能是許多現代產品的“興奮”點所在，如語音識別、語義搜索、推薦系統、機器翻譯和消費游戲中的3D傳感等，由此催生出人工智能實驗室企業（Laboratory Enterprises）也就不足為奇了。一方面，實驗室企業拓展了人才培養的途徑。人工智能實驗室通過支持校企間的互動來實現企業的有效參與，企業有機會與研究人員建立聯系，更快、更準地了解研究動態與前沿技術，既能為企業培養對口的行業人才，也為學校專業人才的培養提供明確的指引，從而實現專業知識和行業“興奮”的雙向轉移[9]。另一方面，實驗室企業保障了人才培養的順利進行。實驗室企業每年提供20萬美元來支持教師和研究生的研究活動以及其他附屬項目，為教師和學生提供了洞察行業的機會，也在自由與開放的理念下最大限度地保證了學術的完整性和獨立性。

三、基于“全人”理念的一體化人才培養機制

人工智能是一項對知識的深度與廣度有著綜合性要求的研究領域。這就意味著人工智能人才的培養必須依托一體化的培養機制與體系，從目標到方式，再到結果的各個流程都內聯銜接，互為“承啟”，從內在涵養到外在素養全方位保證人才培養的層次與規格。斯坦福大學人工智能人才培養的一體化模型如圖1所示，基于全人理念，以復合型人才培養為目標，提供“寬幅課程+定制”“寬幅課程+精深專業”“寬幅課程+精深專業+研究經驗”等一系列培養方案，以保證滿足人工智能理論研究、技術研發和實踐應用等領域的人才需求。

當然，這一目標的實現離不開相關學科強有力的支撐，更需要經過時間洗禮，不斷地積淀與完善。斯坦福大學以計算機科學系為載體，制定出一套科學合理的人工智能人才培養流程（如圖2所示），更實現了從“人工智能體外”（人工智能非人體層面的進化）到“人工智能在體”時代的轉變[10]。

（一）厚基礎

縱觀整個培養體系，斯坦福大學人工智能專業僅僅開設于研究生階段，基礎的本科階段最主要的還是培養學生計算機科學方面的基本技能和專長。一方面，廣泛而嚴格的課程培訓有助于夯實知識基礎。在完成基本的專業核心課程之外，計算機科學的課程設置中還為學生準備了涉獵廣泛的輔修課程。如人工智能跟蹤、計算機工程跟蹤、圖形跟蹤、人機交互跟蹤、信息跟蹤、系統跟蹤、理論跟蹤、非專門化的追蹤、單獨設計跟蹤等。另一方面，“聯合專業”（Joint Professional）的推行有助于拓展技能基礎。斯坦福大學計算機科學系在學生本科期間還提供“聯合專業”這樣一個獨特的機會，幫助學有余力的學生掌握除本專業之外的其他學科，并提供更多的機會鍛煉學生的專業技能[11]。區別于傳統的雙專業，“聯合專業”不僅融合了斯坦福大學兩個系的學科傳統，更強調通過銜接性、跨學科的學習過程和綜合經驗來整合兩個領域。同時，學生在績點及個體的主觀能動性等方面有較為突出的表現時，通過榮譽課程（Honors Program）計劃的實施，進一步鞏固基礎。

（二）重深度

正因為基礎階段一以貫之的扎實培養模式，進入研究生階段之后，斯坦福大學的人工智能培養呈現出重深度的培養趨勢。首先，單深度與雙深度的培養模式。在碩士期間，針對不同學習主體的需求，斯坦福大學采用了單深度和雙深度這兩種培養模式。單深度培養必須完成27個單元課程的學習，并從相關寬幅課程列表中選擇3門完成;雙深度培養只需完成專業領域的21個單元課程，但同時還必須完成一個5門課程計劃，以滿足第二專業領域的要求[12]。其次，細化的目標與嚴格的標準。碩士階段，想要以優異的研究成績獲得計算機科學碩士學位的學生，必須首先找到一位同意監督并支持其研究工作的顧問和一名非計算機科學的教師來擔任其研究報告的副顧問和讀者。博士階段，需要經歷一個博士候選人的遴選過程，完成一篇高質量的畢業論文和一個連貫的學習計劃，這些學習任務涵蓋了計算機科學、人工智能領域及其他學科領域的知識體系。與此同時，必須完成至少來自4位教師的135個課程單元的學習[13]。最后，豐富合作與實踐經驗。博士項目的第一年是與1～3位教授輪流合作，其目的是讓博士新生在與長期的項目顧問合作之前，能夠學會與不同教授相處的方式并適應不同的學術風格。同時，作為博士學位培養的一部分，學生還需要完成至少4個單元的教學助理或講師工作[14]。

（三）促革新

面對人工智能這樣一個高端領域，僅僅是穩中求進的模式并不能滿足其“生長”的需要，革新才是實現質性飛躍的關鍵所在。斯坦福大學人工智能人才培養的革新體現在課程定制、專業預估和學術顧問的設置三個方面。首先，課程定制滿足人才培養的多樣化需求。斯坦福大學的本科階段并沒有設立相關專業，而是選擇以計算機科學學科為依托，在完成了一系列核心課程之后，學生還可以選擇一個方向，如人工智能、生物計算、圖形學、人機交互等，以期在特定領域獲得更大的拓展，從而培養出兼具深度與廣度的高端人才[15]。其次，專業預估滿足人才培養的個性化需求。在學習準備階段設立專業預測評估機構，為學生的專業認知、專業選擇及專業變更提供指導和建議。對學生而言，這有助于學生找到自己真正喜歡并適合的領域;對學校而言，這有助于營造積極向上的學習氛圍;對人才培養而言，這有助于實現初步的人才篩選，為未來人工智能研究儲備高素質的人才。最后，學術顧問滿足人才培養的專業化需求。斯坦福大學在培養人才的過程中，全程引入學術顧問這一角色，通過指導學生選擇課程、設計和開展研究、發展教學方法、指導政策和學位要求、探索學術機會和職業道路等關鍵環節，為研究生的學術和專業發展提供科學的建議，從而為整個的人才培養保駕護航。

四、基于內聯與外延理念的多元化人才培養策略

人工智能是一個復雜的研究領域，需要為各個方向的專業知識尋求內聯式的聚合和外延式的拓展。斯坦福大學在人工智能人才培養中，內聯與外延并行前進，通過文化浸潤、數據導向和人才蓄力的方式實現高質量的人才培養。

（一）文化浸潤助力“內涵式”人才培養

每一種文化都可視為某個團體或組織的氣質特征。從某種意義上來講，人才培養模式亦是經歷了無數的修正和漫長的等待才略有所成，此過程亦可視為一種特殊的文化，而積極的文化可以助力人才培養的內涵式發展。

為了貫徹并強化人工智能發展的綜合化理念，斯坦福人工智能實驗室一直以來沿襲人工智能沙龍這一舉措，即定期組織全員討論，同時，輔以Blog的形式將討論內容予以共享，借以拓展參與者的視野并激發研究靈感。一方面，沙龍文化促使人才進行反思與總結。人工智能沙龍大約每兩周舉行一次。人工智能實驗室通常會邀請一些斯坦福大學的畢業生、教師或者嘉賓分享有關人工智能方面的問題與想法。每個沙龍都有不同的討論主題，由兩位演講者主持，通常是一位專家嘉賓和一位人工智能實驗室成員，其目的在于營造一種交流討論的氛圍，鼓勵走出個人的日常研究，更好地認識研究工作如何適應科學進步的長效軌跡，并融入整個社會[16]。另一方面，沙龍文化促使人才進行深入研究與精神提升。在沙龍文化的影響下，實驗室還會定期邀請客座教授，甚至企業CEO、記者和法官等。增強與社會公眾的對話，對于增強人工智能的社會影響力至關重要，同時，沙龍文化作為人才培養外延式發展的產物，有助于實驗室成員之間以及研究人員與社會成員之間更深入、直觀地了解人工智能研究過程和各研究板塊之間的關系。更重要的是，除了研究環境，人工智能沙龍更是提供了一個分享與交流的平臺，不僅僅是學術研究方面，還有生活、情感、社交等方面，從而賦予人才培養更豐富的內涵和意義。

（二）數據分析助力“科學化”人才培養

隨著信息化時代的日新月異，大數據的意義也日漸凸顯。慕課與其他在線教育的興起為大數據技術提供了豐富的信息源。斯坦福大學憑借杰出的人才和專業技術實力，以“百年人工智能研究”計劃為依托，應用大數據分析技術發布了“人工智能指數”（AI Index），為人才培養提供精確的依據和全面的指導。

“人工智能指數”項目旨在相關數據的跟蹤、整理、提取及可視化等，就人工智能論文發表、課程注冊、師資概況、就業前景等方面進行統計和分析，所提供的“人工智能指數”報告共分為數據、其他指標、討論和附錄四大部分。一方面，全面豐富的數據和指標指引人才培養的方向，適應動態發展趨勢。數據部分通過活動參與情況和技術更新情況反映出人工智能全球發展的現狀背景，同時，其他指標部分在2017年衍生指標的基礎上增加了一個探索指標，旨在通過用跨界趨勢結合的方式來量化人工智能的活躍度，從而揭示培養過程與培養結果之間的關系，勾勒出相對清晰而準確的發展現狀。另一方面，專業精準的反饋建議指明人才培養的重點，適應超前發展的趨勢。討論部分匯集了人工智能領域專家的反饋和建議，同時，附錄部分提供了大量的基礎數據，以此讓讀者能夠直觀、全面地認識人工智能的發展現狀[17]。斯坦福大學憑借“近水樓臺”的條件，能夠更加直觀地比較出校內不同時期和校際間人才培養過程中的優劣。同時，結合大數據分析及現狀的把握，有助于斯坦福大學對未來人工智能發展態勢的預測和判斷，為人才培養的目標、過程、策略及評價措施的調整、完善提供有利條件。

（三）夏令營項目助力“可持續性”人才培養

人才培養過程中，人才質量的重要性顯而易見，人才數量的提升也不容忽視，它是改善人才短缺局面的有效途徑。SAIL的研究人員和教育工作者認為，為了開發出最包容、最人性化、最仁慈的技術，不僅需要來自各行各業的學生、研究人員和技術人員，而且要創造可持續的人才培養條件[18]。

懷著這一使命，斯坦福大學在大力倡導跨界融合的基礎上，于2015年設立斯坦福人工智能實驗室拓展暑期項目（Stanford Artificial Intelligence Lab for Summer Program，SAILS）。該項目是由SAIL和非營利性教育機構AI4ALL合作設立的夏令營項目，主要用于幫助高中生開展人工智能學習并解決相關的問題[19]。這一項目的推行，為人才培養提供了多樣化的途徑和充足的發展潛力。一方面，寓學于教式的發展途徑促進了人才的成長。AI4ALL的參與者與斯坦福大學的研究生密切合作，并由研究生擔任研究導師，將他們所學的機器學習技術應用于實際問題的解決過程，由此獲得使用人工智能的實踐經驗。同時，在項目進行中，參與者有充足的時間和機會進行互動交流，通過對提供的各種人工智能主題的接觸和探討，在教學互動中加深對前沿人工智能研究的了解。另一方面，實踐觀摩式的發展途徑促進了人才的成長。由行業贊助商舉辦的實地考察也是項目活動之一，讓少數優秀的高中生盡早接觸人工智能領域，讓學生了解人工智能領域的就業趨勢，以確保維持長期穩定的聯系并更好地實現個人成長[20]。同時，通過職業發展工作坊、輔導及社會活動來探索人工智能的社會影響，并促進個人成長，進一步激發并維系學生對人工智能領域的興趣，為學生提供在人工智能實驗室進行實際研究項目的實踐經驗。當然，無論哪種途徑的發展，夏令營項目的核心都在于為人工智能的創新與發展儲備力量，蓄力“青苗”對于實現人工智能的可持續性發展具有重要意義。

五、基于開拓創新理念的“靈魂”型人才培養氛圍

人工智能從最初的“體外”時代步入了“在體”時代，技術上經歷的改革與創新不計其數，對人才培養的總結與思考也是數不勝數。所謂人才，則先為人后為才，斯坦福大學以人工智能人才的精神和情感發展為著眼點，通過“百年人工智能研究”計劃（AI100）的發布以及“以人為本”的人工智能（HAI）理念的提出，倡導培養具有開拓進取精神和人文情懷的人才，并樹立積極的榜樣，營造出“有靈魂”的人才培養環境。

（一）發布人工智能“百年研究計劃”

斯坦福大學校長約翰·亨尼斯（John Hennessy）曾說：“人工智能是科學領域最深遠的事業之一，它將影響人類生活的方方面面。”[20]正因為堅定了人工智能的價值和意義，斯坦福大學于2014年秋季啟動了“百年人工智能研究”（One Hundred Year Study on Artificial Intelligence，簡稱AI100）計劃，這一計劃的誕生，除了為斯坦福大學人工智能團隊注入了銳意開拓的活力，更為人才培養樹立了難得的標榜，營造了一個積極的、有行動力的氛圍。

“百年人工智能研究”計劃源于計算機科學家、斯坦福大學校友埃里克·霍維茨（Eric Horvitz）的創意，他于2009年第一次闡明了研究人工智能長期影響的必要性。現在，與生物工程學教授魯斯·阿爾塔曼（Russ Altman）一起，聯合哈佛大學、加州伯克利分校和卡耐基梅隆大學不同領域的專家，共同地對未來人工智能的研究進展和發展規劃進行了部署，并描述了這些進展將在技術和社會影響等方面帶來的機遇與挑戰。宏觀上講，“百年人工智能研究”計劃為具體的人才培養提出政策導向。百年計劃歷時之漫長、研究任務之艱巨，更能體現對人才要求之嚴苛，不僅要求人才具有充足的學習熱情，更需要有肯干、敢干的沖勁，從而為人工智能人才賦予了新的精神內涵。微觀上看， “百年人工智能研究”計劃為人才培養營造積極的氛圍。從 “百年人工智能研究”計劃的發起者到踐行者，再到計劃的捐助者，都對人工智能懷著極大的熱情。在他們的帶領和影響下，培養出更多具有積極進取精神的高素質人才便不足為奇了。“百年人工智能研究”計劃的捐助者霍維茨（Horvitz）認為，百年計劃以其超長的記憶力和長時間的凝視，為未來一個世紀和更遠的將來提供重要的見解和指導[21]。鑒于此，斯坦福大學對未來人才培養的目標和方向以及人才的規格和層次都有了具體的部署，這不僅能為人工智能人才培養提供更好的評價標準和實踐平臺，也能為人才培養理念的不斷完善與創新提供支持。

（二）創建“以人為本”的人工智能研究機構

斯坦福大學計算機科學院教授、谷歌首席科學家約阿夫·肖漢姆（Yoav Shoham）表示，在過去，人工智能的確取得了驚人的進步，但計算機仍然不能表現出哪怕是一個5歲孩子的常識或智力。在增加研究領域的多樣性和代表性的同時，引入人文使命也是至關重要的[22]。在這樣的時代背景下，致力于創建“仁慈”的人工智能技術，培養更多擁有人文情懷的人工智能人才顯得尤為重要。

2019年3月18日，斯坦福大學正式成立了“以人為中心”的人工智能研究所（Human-centered Artificial Intelligence Institute，HAI），由斯坦福大學前教務長、哲學教授約翰·埃齊門第（John Etchemendy）和斯坦福大學人工智能實驗室前主任、計算機科學教授李飛飛領導，致力于研究、指導和開發“以人為中心”的人工智能技術和應用[23]。HAI將與世界級的人文、社會科學、工程和醫學專家探討一系列的法律和政策，以便更好地了解人工智能及其潛在的影響，其宗旨是在傳統研究的基礎上，注重多學科合作和思想多樣性。斯坦福大學通過創建HAI實驗室，提出“以人為本”的人工智能研究理念，為人工智能人才培養起到了很好的示范和激勵作用，同時，也為人才培養營造了人文主義的氛圍。一方面，這一理念的提出強化了“以人為中心”的人才培養模式。具體來講，“以人為中心”體現在設計的機器智能要能夠理解人類的語言、情感、意圖和行為。要做到這一點，人工智能的創造者和設計者必須廣泛地代表人類，這需要跨越性別、種族、民族、文化和年齡，以及跨學科的真正意義上的思想多樣性。另一方面，這一理念營造出兼備人文情懷的人才培養氛圍。斯坦福大學有著深厚的多學科研究傳統，HAI不僅繼承了跨界融合的傳統，與“百年人工智能研究”（AI100）、“人工智能指數”（AI Index） 以及AI4ALL緊密合作，而且在課程設置中大量開設人文社會科學類課程[24]。在沿襲SAIL一貫堅持的宗旨和理念的同時，進一步關注于研究和預測人工智能對人的工作、生活和娛樂等方面造成的影響及作用機制，讓人工智能的研究和人才培養更具“人性化”。

六、總結與啟示

作為人工智能領域的“風向標”和“領軍者”，斯坦福大學對人才培養的詮釋始終堅持改革與創新的初衷，形成的一系列經驗具有極高的學習和借鑒價值。多元師資結構和校企合作下的差異化與多樣化為跨界融合創造了有利的先天條件，成就了“復合型”人才培養目標。從本科階段的寬幅課程教育到碩士生階段的細化培養，再到博士生階段的自由開放培養，打造了一體化的人才培養機制。人工智能沙龍、“人工智能指數”報告和人工智能夏令營項目直接體現了內聯與外延并行的人才培養策略。基于開拓創新理念，營造出有精神、有情感的“靈魂”型人才培養氛圍是斯坦福大學的又一創新之舉。斯坦福大學的經驗可以為我國高校培養高質量復合型人工智能人才提供明確的理論指引和豐富的實踐經驗。

人工智能是一個世界性的研究主題，中國已經在全球性的人工智能科研與產業競爭中占據重要位置，但仍面臨嚴峻的挑戰，尤其是人工智能人才的缺乏[25]。當前，我國人工智能領域保持迅猛的發展勢頭，得到了來自國家層面大量政策支持和市場需求的推動，因而最缺的不是政策，不是市場，而是人才[26]。面對日漸突出的人工智能人才供需矛盾，到底怎樣才能保質保量推進人工智能人才培養呢？

（一）創新跨界融合的機制，貫徹“兼容并包”的理念

基于斯坦福大學的經驗，未來我國人工智能人才培養需要堅持開放包容的態度，創新跨界融合的機制。首先，夯實學科建設基礎，優化師資隊伍結構。我國目前大多采用“人工智能+X”模式，對于學科之間的銜接與過渡重視不夠[27]。人工智能專業對一級學科的綜合實力有著更高的要求，因此，有必要推進師資專業來源的多元化和大力引進企業導師來優化師資隊伍結構。其次，推行“人工智能+X”與“X+人工智能”并行的培養模式。在“人工智能+X”模式中，不僅僅要做到同質學科間的交叉，更應該借鑒斯坦福大學HAI的理念，在人文社會科學領域中尋求交集;在“X+人工智能”模式中，將人工智能作為寬幅課程去設置，擴大人工智能課程的覆蓋率，為更好地實現跨界融合奠定基礎。最后，兼容并包。從主體角度來看，研究者多樣化的學科和領域背景有助于產生更多創新靈感。借鑒斯坦福大學的沙龍文化，定期開展涉及文化、專業等方面的交流，對不同學科和研究領域應該體現出充分的尊重和理解，在此基礎上經歷綜合性學習和共情性交流，最后形成持久性融合[28]。正確引導“沖突”點是實現融合的關鍵，同時，也能積聚更多的創新靈感。

（二）樹立“可持續”發展目標，積蓄人才培養的源動力

人工智能的發展是一項長期而艱巨的任務，人才培養規劃更應該未雨綢繆、及早蓄力。一方面，加強校內人工智能人才儲備建設。學習斯坦福大學的經驗，暑期學校和校園社團可以作為儲備人工智能人才的重要途徑。不過，在具體實施過程中需要積極爭取各方的經費支持，制訂規范的管理體系，并建立基于“成長檔案袋”的跟蹤式反饋機制，確保每個成員都能學有所得。另一方面，開展校外人工智能啟蒙教育。擴大人工智能啟蒙教育的“輻射圈”，如加強學前教育、基礎教育與高等教育之間的銜接，建立“青藍結對”，大學生帶著中小學生，走進實驗室，更加直觀地了解人工智能創造的奇妙世界，培養中小學生乃至幼兒的興趣，為人工智能知識的普及和人才的儲備創造有利條件。

（三）強化“項目依托”環境建設，優化人才培養策略

作為當前最具挑戰性的科學領域，人工智能擁有一整套的先進技術、復雜架構和前沿理念，因而對人才培養提出極為苛刻的要求，而參照斯坦福大學的做法，可以通過構建以項目為依托的培養環境來呼應這種要求。首先，培養項目研究的基本素養。既要鼓勵學生多閱讀，尤其是批判性閱讀，以豐富個體內涵并增進寫作技能，又要搭建成果交流的平臺，鼓勵學生跟蹤前沿研究并展開熱烈討論。其次，提供項目研究的實踐機會。學校投入一定的經費建立校內的“孵化”項目，鼓勵并幫助有熱情和感興趣的學生積極申報，真正體驗將研究成果轉化為產品的喜悅，同時，激發出更多的參與熱情。最后，鼓勵項目研究的多方協作。引導開展政、校、企合作作為人工智實踐應用的拓展，不僅能給項目研究提供一定的資金支持，也為學生開展項目研究提供了必要的實踐平臺。同時，積極探索企業參與人才培養的策略和路徑，如人工智能人才基金的設立、成果孵化項目等。以項目為依托的人才培養環境有利于實現教育者、研發者和應用者之間思想、感情、理念等方面的交流和靈感上的碰撞[29]，從而有效構建高效的人工智能人才培養體系。

[參考文獻]

[1] 新華社.國務院印發《新一代人工智能發展規劃》[EB/OL].（2017-07-20）[2019-07-24].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

[2] 王婷婷，任友群.人工智能時代的人才戰略——《高等學校人工智能創新行動計劃》解讀之三[J]. 遠程教育雜志，2018 （5）：54-61.

[3] 新浪教育.全國30余所院校成立人工智能學院特色都是啥？[EB/OL].（2019-04-30）[2019-11-08].http：//edu.sina.com.cn/gaokao/2019-04-30/doc-ihvhiqax5855818.shtml.

[4] 搜狐.全球人工智能最牛大學TOP 10[EB/OL].（2017-11-20）[2019-07-26].http：//www.sohu.com/a/205545481_99906238.

[5] 程石.人工智能發展中的哲學問題思考[D].重慶：西南大學，2013：23-25.

[6] 劉德建.人工智能賦能高校人才培養變革的研究綜述[J].電化教育研究，2019（11）：106-112.

[7] SAIL. SAIL_Brochure_2019_LowRes[EB/OL].（2019-05-12）[2019-07-28]. http：//ai.stanford.edu/wp-content/uploads/2019/05/SAIL_Brochure_2019_LowRes.pdf.

[8] Stanford. List of related AI classes[EB/OL].（2017-05-15） [2019-07-28]. https：//wenku.baidu.com/view/5c7d7dc303d276a20029bd64783e0912a2167cc1.html.

[9] Stanford. AI affiliates program | Stanford artificial intelligence laboratory [EB/OL]. （2019-03-25） [2019-07-28]. http：//ai.stanford.edu/ai-affiliates-program/.

[10] 劉瑞挺. 斯坦福大學與計算機教育（中）[J].計算機教育，2015（6）：49-51.

[11] 張莉莉. 美國一流大學的教師隊伍建設[J].南通大學學報（社會科學版），2019（1）：129-136.

[12] 周文葉，陳銘洲.指向深度學習的表現性評價——訪斯坦福大學評價、學習與公平中心主任Ray Pecheone教授[J].全球教育展望，2017（7）：5-11.

[13] 王凡.美國斯坦福大學教育學碩士研究生課程設置及其借鑒意義[J].中國地質教育，2005 （4）：119-122.

[14] Stanford. Computer science | Stanford university [EB/OL].（2019-04-25） [2019-08-01]. https：//exploredegrees.stanford.edu/schoolofengineering/computerscience/#masterstext.

[15] Stanford. Welcome to the Stanford institute for human-centered artificial intelligence [EB/OL].（2019-04-25）[2019-08-01]. https：//hai.stanford.edu/about/welcome.

[16] AI Salon. Stanford artificial intelligence laboratory[EB/OL].（2018-12-03）[2019-08-02].http：//ai.stanford.edu/events/ai-salon/.

[17] Stanford. AI index[EB/OL].（2018-12-03）[2019-08-02].https：//aiindex.org/.

[18] Stanford. Stanford artificial intelligence laboratory[EB/OL].（2018-12-23）[2019-07-26].http：//ai.stanford.edu/#faculty.

[19] Stanford. Outreach | Stanford artificial intelligence laboratory[EB/OL].（2018-12-03）[2019-08-04].http：//ai.stanford.edu/outreach/.

[20] Stanford. 2016 Report [EB/OL].（2019-04-25）[2019-08-05].https：//ai100.stanford.edu/2016-report.

[21] Stanford. About | One hundred year study on artificial intelligence（AI100）[EB/OL].（2019-04-25）[2019-08-05].https：//ai100stanford.edu/about.

[22] 前沿.“人工智能發展指數2017”發布，曾經的科學幻想正變現實[EB/OL].（2017-12-14）[2019-08-08].http：//www.sohu.com/a/210491166_99941379.

[23] Stanford. Stanford university launches the institute for human-centered artificial intelligence[EB/OL].（2019-03-18）[2019-08-08]. https：//news.stanford.edu/2019/03/18/stanford_university_launches_human-centered_ai/.

[24] Stanford. Research centers and partners | Stanford institute for human-centered artificial intelligence[EB/OL].（2019-03-20）[2019-08-08].https：//hai.stanford.edu/about/research-centers-and-partners.

[25] AI_Index_2018_Chinese.pdf [EB/OL].（2019-03-20）[2019-08-08].http：//cdn.aiindex.org/2018/AI_Index_2018_Chinese.pdf.

[26] 鐘紹春，唐燁偉.人工智能時代教育創新發展的方向與路徑研究[J].電化教育研究，2018（10）：17-22，42.

[27] 方兵，胡仁東.我國高校人工智能學院：現狀、問題及發展方向[J].現代遠距離教育，2019（3）：90-96.

[28] 孫維，馬永紅.“雙一流”建設背景下拔尖創新人才培養模式——源于跨學科博士生團隊培養的思考[J].中國電化教育，2019（4）：68-74.

[29] 彭青.高等教育高質量發展的本質含義與實現機制[J]. 南通大學學報（社會科學版），2019（4）：133-140.