如何打开AI+融合创新人才培养新局面？
“育见新闻”专访
复旦大学校长助理
研究生院常务副院长
陈焱
一起来看↓↓↓
陈焱：本学期AI大课进展顺利，课程体系全面铺开。2024—2025学年共推出100余门AI课程，其中本学期已全新开设的AI-BEST各类课程有61门、选课学生近4000人。我们实现了AI课程覆盖全部一级学科，初步落实了建设目标。
目前通识基础课程、专业核心课程、学科进阶课程和垂域应用课程各自的开展情况处于何种状态？分别取得了哪些阶段性成果？
本学期开设的AI学科进阶课程有24门。这类课程立足于全校文社理工医及交叉学科所生长出来的AI+X的体系，我们鼓励各个单位将AI的技术与本学科核心知识相结合。如外文学院郑咏艳老师开设的《AI赋能的语言分析和语言习得》课程试图阐述“AI技术如何能够解决语言学的核心问题，探索AI和语言学研究核心知识体系深度融合的前景和方向”；国务学院的熊易寒老师开设的《人工智能与国家治理》课程，将最新的AI技术与政治学、公共管理等传统学科有机结合，学生可以亲身体验大语言模型、机器学习、深度学习、自然语言处理、大数据分析、算法如何融入国家治理等场景。这些AI进阶课程赋能学生本学科专业，实现科研创新范式变革。
在AI垂域应用课程方面，本学期开设了16门。这类课程围绕社会经济发展和产业的具体AI应用场景，把课程建设与产教融合、科教融汇充分结合。如文物与博物馆系的文少卿老师开设的《AI考古》课程。着重让同学们参与出土文物的数据库搭建与分析，包括各种出土的陶器、瓷器、动植物等，供同学们开展AI实训。
从您的观察来看，目前中国高校的AI课程、教学模式以及师资队伍等方面呈现出了怎样的特点和趋势呢？
师资队伍的建设呈现出国内与国际相结合、高校与企业相结合的态势。高校在积极引进海内外的知名专家学者，建设高水平师资队伍；同时加强与知名科技公司、研究机构的合作，通过邀请业界专家担任兼职教授，为师资力量注入新的活力。
全国高校在人工智能人才培养方面都面临着一些共性的问题或者瓶颈。您觉得其中最为突出的是哪些方面呢？复旦大学探索出了怎样独特的路径和方法呢？
陈焱：我认为最为突出的共性问题有几个方面：
一是课程体系不完善：虽然AI课程的数量在不断增加，但多数高校的AI课程体系还在探索阶段，仍存在课程内容更新较慢、基础课程和前沿课程之间的脱节现象，难以全面、系统地供给学生。
三是实践与理论脱节：人工智能的应用场景日益复杂，但高校的实践教学资源相对有限，自身平台算力难以满足大规模学生的需求，导致学生在实际操作中遇到的场景较为单一，无法应对复杂的真实世界问题。理论教学与实际应用之间的断层问题依然存在，学生缺少在真实环境下锻炼技能的机会。
对于这些问题，复旦大学探索出了一些路径和方法：
一是重塑研究生课程矩阵，对标建设一流研究生课程体系，聘请海内外优秀科学家和企业卓越工程师担任课程首席专家将前沿学术和产业成果纳入课程，打造前沿性、创新性和挑战性的一流课程。
二是在大力引进海内外人才的同时，复旦大学积极灵活引入海外校外资源，以暑期学校、短期强化课程等方式，聘请海内外优秀科学家和企业卓越工程师担任课程首席专家将前沿学术和产业成果纳入课程，打造前沿性、创新性和挑战性的一流课程。养用结合培养助教队伍和后备师资，打造一支规模较大且运行得力的博士生助教队伍，深度参与课程教学有效提升教学质量的同时，提升博士生自主学习和教学能力。
另外一点是强化产学研结合：学校联合实验室、大模型企业开展实践教学，提供真实应用的项目和课题供学生实践，以促进理论学习与实际技能的结合。在算力资源方面，加强校内统筹，同时加强校外拓展，例如引入阿里云、百度云等算力平台资源，全力保障教学的基本算力需求，为学生提供真实应用的实践场景。
在AI大课的教学实践中，高校对于理论教学与实践应用之间的比例平衡该如何把握？教学实践如何反过来推动AI技术的创新和应用呢？
陈焱：在人工智能领域，理论和实践是相互联动，相辅相成的。由于学生的基础参差不齐，我们也有老师开展线上线下的混合式教学，提供在线课程便于学生加强理论学习。在课堂教学中，系统梳理基础知识后，便可以让学生动手操作，在实践中其实能更好地领会理论知识。理论教学其实是偏传统的教学方式，当下我们还是在强调增加实践应用的课时和机会，特别是围绕新场景、新应用开展教学的理念在人工智能课程当中要特别加以重视。
教学实践要反过来推动AI技术的创新和应用，除了理论与实践相结合之外，还有一个要素是趣味性，通过教学来激发学生的学习兴趣和好奇心，使他们在学习和应用AI的过程中保持长久的热情与探索精神；另外鼓励学生自主学习，通过开放式的教学启发学生的创新思维，主动持续地接触并投入前沿研究，参与AI技术的创新和应用。
作为复旦大学这样的学校，不仅仅是要做AIforscience，也要做AIscience，更要做scienceforAI。如何让复旦参加“AI大课”的学生们迅速进入到科研和产业一线，并且承担重大的责任，创新人工智能。比如是否能够围绕复旦大学一级学科形成一个垂直领域的学科大模型，让我们的学生学习人工智能知识的过程里面，能够有一个人工智能工具推动学科或者是专业的范式革命，这个可能是我们下一步要发力的。
接下来的AI大课将会从哪些方向进行优化？
陈焱：AI大课将持续根据任课教师和学生的反馈优化课程建设，以提升教学质量和学生的学习效果。一方面是课程内容的更新与优化，课程内容要不断更新，以反映最新的AI研究成果和技术应用，确保学生掌握当前行业发展的最前沿知识；打通学术界、产业界之间很多的基础设施。加强与实际应用的结合，企业参与课程体系的建设，设计更多的项目实践环节，帮助学生将理论知识转化为实际能力；进一步加强高校、科研院所、GJ实验室、骨干企业等的人才培养和创新合作，充分认识人工智能，对教育的赋能，把交叉真正代入课堂，融入教学。另一方面是师资队伍的加强，根据学生的反馈和课程效果，定期组织教师和助教的培训，更新优化校内外AI大课师资队伍。还有一点是加强教学配套资源支持，持续拓展算力，逐步满足学生AI学习需求。
高校的人工智能教育还应该朝着哪些方向努力？
陈焱：中国高校的人工智能教育努力的大方向是培养创新型顶尖人才。高校不仅要传授技术，更重要的是激发学生的创新思维和创造力。通过开展跨学科研究、参与实际项目和创新竞赛，学生能够将所学知识应用于解决复杂现实问题，进而成长为具备全球竞争力的顶尖AI人才。
努力的方向包括：紧跟技术前沿，持续动态更新课程内容，提升课程质量：AI领域技术迭代迅速，高校课程必须与时俱进。教师队伍应时刻保持对行业和技术发展的敏感，定期更新课程大纲，确保学生学习到最新、最具实践意义的知识。
增强产学研深度融合：AI的快速发展与产业紧密相连。高校应加大与企业、科研机构的合作，学生可以在实际项目中积累宝贵的实践经验，推动技术从学术研究到社会应用的顺利转化。
普及AI教育，加强跨学科融合：高校应进一步打破学科壁垒，促进学科交叉与协同发展，以AI技术赋能各学科，培养学生的综合素质和跨学科创新思维能力。
推进国际化合作：在AI全球化背景下，国际交流与合作显得尤为重要。高校应积极开拓国际合作项目，让学生获得全球视野，实现中国AI教育与世界接轨。