近年来，受益于大数据、类脑app、量子计算等新理论、新技术的突破，人工智能获得了新发展。美英等国纷纷制定人工智能国家战略规划，并将其提升至国家重大发展战略高度。我国也于2017年制定了《新一代人工智能发展规划》，正式将人工智能纳入国家重大战略。

人工智能的竞争归根结底是人才的竞争，因此，率先培育高素质的人工智能人才成为了能否赢得竞争的关键。2020年3月3日，教育部、国家发展改革委与财政部联合印发文件，指出具备优质高等教育资源优势的“双一流”建设大学应加快人工智能领域研究生的培养，为国家人工智能发展战略夯实拔尖人才基础。

那么，人工智能领域研究生培养有何特性？其面临的关键障碍是什么？厘清上述问题方能有的放矢地培育人工智能拔尖人才。

全流程体现学科交互特性

人工智能属于典型的交叉学科，一般的交叉学科多是两个学科交叉的产物，人工智能则跨越了多个学科。对于 “双一流”高校而言，实现相关学科的深度融合是培养人工智能领域拔尖创新研究生的保障，其培养模式也需要逾越学科界限。然而，此类高校虽然具备开展相关人才培养的优势与潜力，但也面临一个关键制约因素——学科之间深度交互障碍。

究其根源，还在于大学内部既有的学科组织结构。这种结构往往以单一学科作为组织建制基础，一个学院通常对应一个学科，学科间存在森严的组织壁垒。学科犹如“学术部落”一般，拥有各自领地，学科间彼此孤立。

因此，“双一流”建设高校要跨学科培养人工智能领域研究生，须首先突破既有的学术组织结构的框定，消除与既有学科组织结构相伴生的理念、组织和制度障碍。

同时，由于人工智能的多学科交融特性，导致其人才培养的全流程都应体现这种学科交互特性，最终以培养具备人工智能领域跨学科能力的研究生为目标。

这要求高校在学生遴选阶段，就要注重学生的跨学科研究旨趣和学科背景的多元化，对人工智能近缘学科与远缘学科的学生兼容并收，打造具有多元学科背景的人工智能跨学app习团队。

培养过程中，高校应建立以问题解决为导向的科研训练机制，围绕人工智能前沿议题设定研究项目，借助项目制对研究生进行跨学科科研训练，以解决相关重大前沿问题及其转化应用为导向，同时实现多领域应用。

在输出端，高校应以培养人工智能跨学科人才为旨归。人工智能跨学科人才不应仅对人工智能所涉多学科知识与方法有所了解，而应形成整合式的人工智能知识体系与研究方法。

创新教学组织形式

传统上，基于单一学科组建的学术组织仍是大学学术组织形式的主体，而要打破这种组织形式，创设适合于人工智能交叉学科发展及研究生培养的组织环境，需要从两方面入手。

一方面，可整合高校内部资源创建人工智能跨学科组织。其具体形式可分三种：一是设立独立建制的人工智能组织机构，开展人工智能研究及研究生培养，如人工智能实验室、人工智能研究院/研究中心等；二是跨学院联合设立人工智能项目，从而有效整合校内如计算机学院、软件学院等人工智能相关学院的资源，联合培养人工智能领域研究生；三是对原有学术组织机构进行重构，使其成为具有跨学科属性的学术组织，如对传统的工程学院进行改组，设立人工智能方向。

另一方面，高校应与外部人工智能企业、科研院所协同共建人工智能研发机构，跨界融合培养人工智能领域高端人才。借此，高校、企业、科研院所可互利共赢，实现人工智能产学研用一体化。

构建跨学科师资聘任机制

当前，高水平大学的教师聘任制度仍基于学科，教师受聘于某学院，其学术晋升之路亦是基于所属学科内取得的科研成就和教学贡献。而人工智能领域研究生的培养需要改变这种聘任模式，建立灵活多样的跨学科师资聘任机制，并健全与之匹配的跨学app术晋升制度。

一是采用虚拟集群聘任机制。该模式适用于设立多个全校性的人工智能项目组，校内招募相关师资参加人工智能项目组（集群），共同开展跨学科研究和研究生培养。

该模式下，教师仍归先前所在院系管理，仅形式上参与人工智能项目组，无需设置实体化的组织机构。这种模式有助于灵活吸纳全校多学科教师资源，避免增设更多岗位。

二是采用联合聘任机制。该模式适用于多学院合作培养研究生，通常可由具有人工智能教育优势的学院作为发起方，招募其它学院教师共同参与跨学科人才培养，参与教师由所在学院和项目发起学院联合聘任。

三是外部延聘专任教师机制，即为人工智能学科专门从全球范围延聘“新”教师。较之前两种模式，该模式能从全球招揽人工智能优质师资，组建高水平、专职化人工智能师资队伍。

搭建跨学科课程体系

当社会出现新职业需求时，我国高校的惯常做法是将校内课程拼凑起来，直接新建某个专业并进行招生。这种“拼盘化”的课程设置模式培养的学生往往难以契合行业企业的现实需求。因此，人工智能领域研究生的培养应尤其重视课程体系建设，避免简单拼盘。

首先，通过整合校内学科优势、引入外部优秀师资等形式构建人工智能核心知识课程体系，开设一批与计算机app、物理学、数学等学科交叉融合的人工智能基础课程。

其次，吸纳高科技创新企业人员加入课程研制团队，共同开发一批应用模块课程。组建由内外部利益相关者参与的课程建设咨询委员会，根据人工智能领域的最新进展，定期对课程内容进行优化更新。

再次，将创业教育融入人工智能研究生教育。人工智能具有广泛的明升应用转化前景和外部溢出效应（跨界性）。因此，在开展研究生教育的同时，应将创业教育融入其中。

当前，我国高校创业教育存在的突出问题是专业教育与创业教育彼此分离，导致学生创新创业能力不足。人工智能领域研究生培养应着力提高其与创业教育的融合度，比如在制定人才培养目标时，将具备人工智能创业素养和创业能力纳入目标群。再如，通过校企合作，与人工智能相关高科技创新企业联合共建创业实践平台。

总之，培养人工智能领域拔尖研究生是筹谋人工智能时代竞争优势的高端人才战略。高水平大学需在充分认清自身学科优势与障碍的基础上，通过理念、组织与制度的变革，跨学科培养人工智能拔尖研究生。

（作者系华南理工大学高等教育研究所副研究员；本文为广东省研究生教育创新计划项目〈2019JGXM07〉成果）