如何培养集聚人工智能高端人才

摘要

　　党的十九大报告指出，推动互联网、大数据、人工智能和实体经济深度融合。人工智能作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，对于打造新动能具有重要意义，正成为国际竞争的新焦点和经济发展的新引擎。作为人工智能发展的关键要素，人工智能人才的培养集聚已成为很多国家的战略重点。国家《新一代人工智能发展规划》指出，我国人工智能尖端人才远远不能满足需求，要把高端人才队伍建...

　　高端人才是人工智能发展的关键和竞争焦点

　　自1956年美国达特茅斯会议提出理念至今，人工智能几经起伏，直到最近几年，才终于进入快速突破和实际应用阶段。作为人类社会信息化的又一次高峰，人工智能正加速向各领域全面渗透，将重构生产、分配、交换、消费等经济活动环节，催生新技术、新产品、新产业。

　　人工智能的发展阶段和技术路线倚重高端人才。当前，人工智能正在从实验室走向市场，处于产业大突破前的技术冲刺和应用摸索时期，部分技术和产业体系还未成熟。在这个阶段，能够推动技术突破和创造性应用的高端人才对产业发展起着至关重要的作用。可以说，人才的质量和数量决定着人工智能发展水平和潜力。

　　对人才的争夺和培养是各国发展人工智能的重要策略。在各国发布的人工智能战略中，人才都是重要组成部分。美国白宫发布的《为人工智能的未来作好准备》以及《国家人工智能研发战略规划》中，对如何吸引人才着墨甚多。英国政府科学办公室发布的《人工智能、未来决策面临的机会和影响》也对如何保持英国的人工智能人才优势有特别说明；英国下议院科学技术委员会发布的《机器人技术与人工智能》调查报告中，对英国政府能否吸引人才从而保证英国在人工智能领域的领导力提出了敦促和质询。加拿大启动“泛加拿大人工智能战略”，重点提出增加加拿大人工智能领域的卓越学者和学生数量。

　　人工智能高端人才出现全球性短缺

　　人工智能人才出现了全球性短缺。从职位供求关系来看，根据某招聘平台统计，在全球范围内，通过该平台发布的人工智能职位数量从2014年接近5万个到2016年超过44万个。从人才薪酬来看，全球人才争夺处于“白热化”状态，人工智能人才的薪酬大幅度高于一般互联网人才。

　　人工智能人才的稀缺是全球产业变革的结果。人工智能人才问题，本质上是新产业变革带来的劳动能力需求转换所导致的人才结构性短缺。作为新一轮产业变革的核心驱动力和通用技术平台，人工智能将推动各个领域的普遍智能化，在这一过程当中，需要大量既熟悉人工智能又了解具体领域的复合型人才。2010年前后，人工智能在海量数据、机器学习和高计算能力的推动下悄然兴起，2015年随着图形处理器（GPU）的广泛应用和大数据技术的迅猛发展而进入爆炸式增长阶段，人才需求的激增导致人才供应的整体短缺。大量资金的投入，也造成了资金多项目少的情况，没有足够的人才来承接市场和政府投入的资源。而此前很多人工智能相关专业处于“冷门”状态，培养的人才数量有限。

　　目前的全球人工智能领军人才数量与质量均无法满足技术和产业发展的巨大需求。所以，不能仅把战略重点放在对全球存量人才的争夺上，要着手设计新的人才培养和人才发展计划。

　　全球人工智能人才培养与发展呈现新趋势

　　充足的高质量人才是人工智能深入发展的基础。从全球来看，人工智能人才培养和发展呈现一些新趋势。

　　学科深度交叉融合。人工智能技术人才，主要包括机器学习（深度学习）、算法研究、芯片制造、图像识别、自然语言处理、语音识别、推荐系统、搜索引擎、机器人、无人驾驶等领域的专业技术人才，也包含智能医疗、智能安防、智能制造等应用人才。人工智能是一个综合性的研究领域，具有鲜明的学科融合特点。

　　从区域来看，多学科的生态系统对人才培养至关重要。伦敦之所以能够拥有大量优秀的人工智能人才，与“伦敦-牛津-剑桥”密集的高校群和学科群生态密切相关。“伦敦—牛津—剑桥”这一黄金三角具有密集的教育研究资源和深厚底蕴。该地区拥有以牛津大学、剑桥大学、帝国理工大学和伦敦大学学院为中心的全世界最好的人工智能相关学科群，形成了良好的多学科生态。以阿兰·图灵研究所为代表的众多智能研究机构在技术实力上处于全球领先地位，这些高校和研究机构源源不断地培育出全球稀缺的人工智能人才。

　　从高校内部来看，推动学科交叉是大势所趋。近日，人工智能研究领域的翘楚卡耐基梅隆大学（Carnegie Mellon University，CMU）宣布启动CMU AI计划，旨在整合校内所有人工智能研究资源，促进跨学院、跨学科的人工智能合作，从而更好地培养人工智能人才，开发人工智能产品。该计划通过解决现实问题来牵引跨学科合作，并把合作落到实处，值得借鉴。

　　产学研深度融合。从研究内容和人才流动来看，科学家需要企业的数据和工程化能力，企业需要高校的研究人才，因此顶级人才得以在企业和高校间快速流动。谷歌等大公司聘请的高校优秀人才，大多还继续从事研究机构的工作。AlphaGo项目的负责人戴维·席尔瓦（David Silver），至今仍在伦敦大学学院任教，在赢得人机大战后他专门回到学校，为学生们复盘AlphaGo技术，使得高校的研究能够与实践应用同步。

　　从培养模式来看，企业捐助研究，学生到企业实习，高校与产业界可以联合培养人才。Facebook与纽约大学合作建立了一个致力于数据科学的新中心，纽约大学的博士生可以申请在Facebook的人工智能实验室长期实习。

　　从成果转化来看，人工智能领域算法创业的特点是技术成果转化周期非常短，基础研究成果甚至可以直接转化为创业项目。几个人的团队通过技术展示，常常就能融资几千万美金。而伦敦原有的积累和储备恰恰契合了以算法和人才为核心的人工智能创新创业的基本特点与规律。英国一些著名的人工智能公司，在单独成立之前都是作为大学的研究项目而存在。随着明星企业的不断出现，越来越多与这几所高校有关的人工智能人才加入创业行列，加速推动了伦敦地区的人工智能创业繁荣。

　　企业成为人工智能人才培养的新阵地。很多企业开始建立自己的人才培养体系。如百度成立深度学习研究院（IDL），在硅谷成立硅谷人工智能实验室等，由此不断产生技术创新，并吸引更多的国际尖端技术人才。百度还将推出“人工智能Star计划”，通过资金、培训、市场、政策等措施扶持优秀的人工智能创业团队。

　　我国人工智能高端人才的现状与挑战

　　从国家层面来看，人工智能人才的分布与教育基础、企业数量、投资情况等紧密相关。在总量方面，美国优势明显，而高端人才则集中于美国、德国和英国。美国之所以能聚集全球最多的人工智能人才，很大程度上得益于发达的科技产业和雄厚的科研实力。据各方统计，美国的人工智能企业数量占全球人工智能企业总量的40%多，其中谷歌、微软、亚马逊、Facebook、IBM和英特尔等企业，更是整个行业的引领者。同时，美国拥有包括卡耐基梅隆大学、斯坦福大学以及麻省理工学院等数十家有影响力的人工智能科研院所。随着美国人工智能的发展，全球科技创新中心硅谷所在的加州，有着金融、媒体产业优势的纽约以及拥有人才优势的波士顿都成为了重要的人工智能中心。

　　综合各方面研究报告，中国人工智能人才总量仅次于美国，但是高端人才较少，原创成果较少。中国人工智能人才主要集中在应用领域，而美国人工智能人才主要集中在基础领域和技术领域。美国在芯片、机器学习应用、自然语言处理、智能无人机、计算机视觉与图像等领域的相关人才都远远超过中国。

　　我国的人工智能科研已经形成了较好的产出和实力，但原创性和有影响力的成果较少。我国在中文信息处理、语音合成与识别、语义理解、生物特征识别等领域处于世界领先水平，国际科技论文发表量和专利居世界第二，部分领域核心关键技术取得突破。2017年年初，由美国人工智能协会（American Association for Artificial Intelligence）组织的人工智能国际顶级会议AAAI大会，中国和美国的投稿数量分别占31%和30%。据统计，在2013年至2015年SCI收录的论文中，“深度学习”或“深度神经网络”的文章增长了约6倍，按照文章数量计算，美国已不再是世界第一；在增加“文章必须至少被引用过一次”条件后，中国在2014年和2015年都超过了美国。2017年的顶级人工智能会议NIPS（Neural Information Processing Systems，神经信息处理系统进展大会）录用文章600多篇，中国各高校共入选20多篇，而纽约大学就有10篇入选。

　　我国的人工智能人才有以下几个特点：

　　年轻生力军为主，资深人才短缺。据分析，中国人工智能人才在28岁至37岁年龄段的占总数的50%以上。相对而言，中国48岁及以上的资深人工智能人才占比较少，只有3.7%，而美国48岁以上的资深人才占比16.5%。这也是中国当前需要引进大量海外高端人才的原因。

　　科技公司表现强劲。从国内来看，核心科技公司占据了大部分人才资源。相关数据显示，国内人工智能人才主要集中在百度、阿里巴巴、腾讯、科大讯飞等多家科技领军企业中。其他两类企业也吸纳了大量人才，一是不断涌现的人工智能创业公司，二是将人工智能融入自身业务的企业。跨国公司如微软亚洲研究院等，仍然是优秀人工智能人才的优先选项。

　　高校仍有很大吸引力。尽管面临领军企业的人才争夺，国内高校对人工智能人才仍有很大的吸引力。数据显示，截至2016年年底，中国有10.7%的人工智能领域从业者曾在高校或研究所工作过，低于美国的26.7%。

　　培养集聚人工智能高端人才的对策建议

　　培养和集聚人工智能高端人才，要根据人工智能发展规律和趋势，加强顶层设计，综合施策。

　　科学建设人工智能一级学科。在美国、英国等人工智能发展高地，著名院校大多设有人工智能相关专业和研究方向，而在中国，人工智能专业多分散于计算机和自动化等学科。建议按智能科学范畴建设一级学科，保持弹性和包容性，灵活设置二级学科。适当增加人工智能相关专业招生名额，多渠道筹措培养经费，加强人工智能研究的基础设施建设。

　　鼓励深度交叉学科研究与人才培养。在重点区域打造优良的学科生态系统。可以借鉴伦敦的相关经验，在北京、上海等高校和学科丰富的地区，打造智能学科群。培养造就一大批具有国际水平的战略科技人才、科技领军人才、青年科技人才和高水平创新团队。把增强人工智能素养贯穿于整个教育和职业培训体系，培养各类综合人才。

　　推进产学研合作的新培养模式，发挥领军企业的人才培养作用。鼓励企业创办研究机构，与学校联合建设实验室，培养人才。针对中国研究机构散而小的问题，成立公私合作的国际化、实体性、规模化的非营利性研究机构。鼓励研究人员在高校和企业之间流动。鼓励创业创新，促进人工智能成果转化和产业化。

　　鼓励精准引进一流人才，鼓励企业和高校院所联合引进人才。引导国内创新人才、团队加强与全球顶尖人工智能研究机构的合作互动。积极引进国际一流的研究机构，加大研究合作的国际化水平。制定专门政策，实现人工智能高端人才精准引进，支持企业和高校联合引进世界一流领军人才。重点引进神经认知、机器学习、自动驾驶、智能机器人等国际顶尖科学家和高水平创新团队。

　　抢抓新一轮海归人才潮机遇。大量美国、英国和日本的海归成为中国人工智能的重要力量。当前，我国人工智能发展势头强劲、市场广阔、资金充沛，要积极吸引海外相关人才回国创新创业，共同推动中国人工智能技术取得突破性进展。

　　（作者：李辉，系上海市科学学研究所副研究员；王迎春，上海科技发展研究中心主任）