推动人工智能与高等教育加速融合

2024年诺贝尔物理学奖和化学奖均授予了在人工智能领域作出杰出贡献的科学家。这些奖项的颁发，充分彰显了人工智能在科学研究领域的重要地位。高校应如何一体推进教育科技人才事业发展，推动人工智能与高等教育融合发展，提升科研体系组织效能，培养兼具跨学科知识与创新能力的复合型人才，支撑高质量创新发展的新时代需求？本期我们就来关注并探讨这一问题。——编者

　　纵观人类科学技术与生产力的发展历程，每一次信息技术的巨大飞跃都会对科技创新范式以及人们的生产生活方式产生深远的影响。

　　当前，人工智能已成为全球科技、教育以及经济社会发展的热点前沿话题。“人工智能驱动的科学研究”在体系化布局、重大系统设计、跨学科交叉融合、创新生态构建等方面拥有广阔的发展空间，呈现出“人工智能+”多学科交叉融合的新范式。

　　面对世界科技产业发展的新态势，高校作为教育、科技、人才的交汇点，如何准确研判、把握机遇并主动前瞻布局，显得尤为重要。

　　统筹布局 强化能力

　　抓紧抢占前沿创新制高点

　　从国际产业发展格局看，中美欧在基础研究、技术创新及产业化方面发挥了至关重要的作用，推动了加速计算和生成式人工智能达到“引爆点”，致使全球各地的研究机构、公司企业以及经济社会的需求激增。

　　其中，美国在基础研究与技术研发上积累的时间长，人才密集度高，企业作为创新主体的投资活跃度高，部分龙头企业基于GPT平台的C端应用新产品不断涌现，展现出良好的规模经济效应。同时，美国在GPU计算芯片技术储备上占据垄断地位，并明确对华实施技术限制。

　　相比之下，我国在模型精度、算力大模型研发的底层原创能力方面还存在不足，研发力量较为分散，人工智能替代人工的动力相对较弱。但我国拥有全球规模最大且相对成熟的互联网市场，数据体量远超包括美国在内的其他国家，潜在的应用场景丰富，在版权方面限制更少。我国的一批企业在软硬件供应以及大型云服务等领域，展现出了迅猛的发展态势。

　　随着基础研究领域对算力的需求呈指数级增长，未来人工智能在算力方面的竞争将愈发激烈。鉴于人工智能大模型的基础研究知识相对开放，竞争焦点将更多转向提高研发效率，尤其是应对大模型对超大规模算力、能源的巨大消耗，以及对大型工程团队和技术研发快速迭代的高要求。这种趋势将同步催生新的信息分析处理技术的出现。

　　为此，我国需要在基础计算设施建设、学科交叉合作、教育体系优化等方面做好前瞻布局，持续推进人工智能与科学研究、学科建设的深度融合，促进资源开放汇聚，着力提升相关创新能力。一是加强人工智能开源开放平台的建设，支持大模型创新算法及关键技术的研究，吸引各类人才积极参与大语言模型的开发和应用。二是支持自主可控的大模型技术体系建设，鼓励创新应用场景的探索和成果的落地应用。三是鼓励大企业作为“出题人”和“阅卷人”，牵头成立科技创新联盟或者行业协会，与高水平研究型大学、新型研发机构、中小企业开展联合创新。四是探索专项资金，建立数据科学中心，支持药学、生物学、医学、计算机等多学科的交叉协作，建成和推动科学大模型实际落地，为下游任务场景提供有力支持。

　　强基策源 交叉融合

　　服务高水平科技自立自强

　　高校应当充分发挥基础研究和人才培养主力军的作用，系统化地推进教育体系改革，加强有组织的基础科研和拔尖创新人才培养，为高水平科技自立自强提供战略支撑和动力源泉。

　　建设人工智能产学研用开放合作“融合区”，形成战略共谋、任务共担、人才共育、成果共享的产学研深度融合的组织新范式。一是更有组织、更加主动地加强与龙头创新企业的合作，共同建立校企联合研发平台，采用“科学家+总师”模式联合组建工程研发人才队伍，共同设立产学研前沿探索基金、概念验证基金、中试转化及成果转化基金等。二是支持人工智能专家与工程专家紧密合作，将工程领域的专业知识有效融入大模型中，从而构建出专门针对基础建设领域的大模型及其应用框架。三是支持校内青年科技人才到企业“揭榜挂帅”，聚焦未来科技产业竞争的制高点，开展“十年磨一剑”的基础性、原创性、系统性攻关，服务于重点产业和新兴产业的前瞻性、先导性、探索性技术问题，加快提升国家创新体系整体效能。四是积极争取政府、企业、社会等多元化支持，设立“AI+X”基础研究与交叉应用基金，充分利用多学科优势与人工智能相融合。五是通过加强基础研究、创新传统学科、促进学科间的交叉融合以及新兴学科的兴起，超前布局前沿科技和未来产业，持续催生并推动新质生产力的发展。

　　在基础研究领域，应当避免跟随大模型依赖海量数据资源的既有范式，将重点聚焦于模型基础架构的原始创新，致力于孵化出新型的基础架构，并积极探索全新的大模型预训练范式以及大模型对齐算法。

　　在应用开发和学科交叉领域，应促进语言与视觉大模型以及机器人技术的深度融合，从而推动具身智能这一新兴领域的发展。同时，要积极关注变革性因素对大模型的影响，探索基于量子计算机制的机器学习模型的训练与推理理论及方法，催生并推动新型软硬件计算范式的出现与发展，突破当前产业软硬件瓶颈，为光计算、DNA存储等数据存储技术以及算力领域的颠覆性发展提供支持。

　　对于高校来说，尤其要促进需求与问题导向的多学科交叉融合，针对复杂工业产品的制造过程，特别是涉及千万级别装配体的项目，探索从概念设计到三维设计以及性能仿真的全过程中通过人工智能进行推理生成。在智慧农业领域，推动农业、信息技术、工程、数学等多学科的深度融合，以服务于乡村全面振兴和农业现代化的战略目标。在健康领域，通过深度挖掘和分析医院的海量医疗文本、图像等数据，训练出专门的垂直模型，用以识别潜在的健康风险。在法学领域，布局建设数字法学，充分挖掘大语言模型在内容生成和语料处理方面的应用潜力，以服务于国家数字法治建设。同时，还可以构建面向人文社科领域的大模型基础设施平台，降低算力分配、模型训练、数据清洗、模型测评等方面的学习与应用门槛。

　　推动教育模式和教学方法的创新变革，建立并不断完善拔尖创新人才自主培养体系。一是选拔具备跨学科背景和研究兴趣的拔尖创新人才，打破传统专业之间的壁垒，推动综合交叉创新课程设计、统筹并优化计算资源、开展项目式教学与工程实践等教育模式创新，为学生提供跨学科的个性化培养方案。二是全面提升教师的人工智能素养与能力，推进人工智能科研成果应用，提升教育智能管理和科学决策水平。三是加强前沿交叉学院、未来技术学院、产教融合平台、区域技术创新中心等平台在培养复合型创新人才方面的作用，探索实施学术与实践“双导师”制、企业实践基地联合培养等模式，以此为学生提供真实的研发环境和丰富的项目实战机会。通过“揭榜挂帅”、联合组队、创意征集、悬赏挑战等多种方式，提升学生从经济社会发展中发现并提炼真问题的能力，以及组织协作与创新能力，以高质量的前沿交叉环境和创新资源，引领并支撑创新人才的培养。四是推动科教融汇、大中小学知识体系联通、本硕博贯通，职业教育和学术教育相结合。

　　加强人工智能治理的研究和应用，推动我国新一代人工智能持续健康发展。面对国家战略需求和经济社会发展需求，高校应积极推动相关领域的前沿交叉学科基地与智库建设，积极参与人工智能监管相关法律、法规及标准的研究和制定，组织开展国际交流合作，推动人工智能的科技安全保障机制与科技伦理规范体系建设。在运用和规制人工智能时，应基于学科特色实现差异化，坚持技术与人文相结合，关注设计伦理和工程伦理，注重价值对齐，以确保人工智能科技可用、可靠、可控，从而引导科技安全向善，服务人类文明的发展与进步。

　　（作者单位系上海交通大学溥渊未来技术学院）

作者：韩海波

来源：《中国教育报》