首页
 > 人才工作 > 人才政策
破除人工智能人才短缺机制 助推人工智能跨越发展
发布日期:2019-04-23 来源: 大国人才 字体:【
视力保护色:

随着人工智能技术的持续升级,未来人工智能与各行各业的交融将日益深入,并推动着全球各国的经济转型升级与产业变革。但人工智能人才短缺的问题日益凸显,这种现象亟待破解。随着计算机的计算能力的大幅度提高、算法的突破以及数据可获得性的极大改善,第三波人工智能浪潮正席卷全球。作为经济发展的新引擎,人工智能技术已经展现出了巨大的潜力。我国发展人工智能产业有众多优势,其中包括强有力的政策支持、海量的数据支撑、丰富的应用场景、庞大的青年人才储备优势等。

    但与发达国家相比,我国人工智能产业在基础理论、核心算法、关键设备、高端芯片以及人才培养等方面还存在很大差距,其中人工智能人才培养问题尤为突出。要应对人工智能产业发展对人才队伍建设的新要求,就需要重点解决当前人工智能人才培养中的结构矛盾和质量矛盾。随着多年发展,产学研合作教育已经成为人才培养的重要实践之一,但在高质量发展的要求下,我们需要重新思考产学研合作教育如何切实解决人才培育对接产业发展需求和人才质量满足产业发展需要两大难题。


一、人工智能产学研合作教育势在必行


   产学研合作教育是以培养学生的全面素质、综合能力和就业竞争力为重点,充分利用企业、高校、科研机构等多种教育环境与教育资源,将理论知识传授与产业工程实践、科研实践相结合的教育形式。近年来,人工智能顶层规划频繁出台,人工智能被定位为“引领未来的战略性技术”、“新一代产业变革的核心驱动力”。在人工智能产学研合作教育中,企业、高校、科研机构等作为主要参与者,多方间的合作与交流直接影响到各自优势资源积累和竞争优势保持。目前,我国人工智能产学研合作教育主要有以下三点:


   一、知识经济的到来。在以人工智能产业为代表的新兴产业时代,单个企业往往难以通过自身力量来参与全球范围内日趋激烈的科技与市场竞争,往往需要与高校、科研机构合作共同打造知识网络,推动产学研各主体间的知识创新、传承与应用,同时构建完善的人才体系来应对快速发展的产业与市场需求。


   二、高等教育大众化。根据教育部最新数据显示,2018年我国高等教育毛入学率48.1%,高等教育即将进入普及化阶段。高等教育大众化对产学研合作教育的影响主要体现在两方面:一是对学校、科研机构来说,庞大的学生基数与快速更新迭代的人工智能技术之间的张力促使学校、科研机构需要加快与人工智能企业合作,提升学科建设和学生就业的竞争力;二是对企业来说,激烈的市场竞争需要企业不断提高效率,这就需要加快解决岗位需求与人才技能之间的鸿沟。


   三、人工智能人才结构不合理。目前,我国人工智能产业人才需求呈现出金字塔型结构,包括高层次顶尖型人工智能人才、技术研发型人工智能人才、应用型人工智能人才,只有拥有一支数量充足、结构合理、质量优良的人工智能产业人才队伍,才能够有效地支撑我国人工智能产业的发展。从结构上看,我国人工智能基础理论研究、核心硬件芯片等领域的顶尖型人才较为缺乏,欧美发达国家仍然是人工智能人才的高地;从质量上看,我国高校培养的人工智能人才缺乏产业实践,工程能力较弱,难以直接匹配产业发展需要。


二、人工智能产学研合作教育的机制分析


   产学研合作教育受到社会各界的广泛关注。在理论研究领域,以中国学术期刊网络出版总库中的文献为数据库,我们发现,近二十年来关于产学研合作教育为主体的论文发表量不断增加,并且自2013年后一直保持较高水平的发表量;在政府决策层面,中央密集出台了系列人工智能文件,其中《国务院关于印发新一代人工智能发展规划的通知》、《促进新一代人工智能产业发展三年行动计划》等文件都对产学研合作做出了重要指示。


   从形式上看,我国产学研合作教育形成了从技术协作、联合型合作再到一体化合作不断深入合作的模式。无论是何种形式的产学研合作教育,最核心的任务是通过知识转移与应用的方式解决人才培养过程中的结构矛盾和质量矛盾,并在此过程中形成一套市场化的、可持续的运作机制。梳理影响产学研合作教育的影响因素,可以发现主要有以下三类:一是知识本身的属性,二是知识转移主体间合作模式的选择,三是产学研合作教育外部主体的影响作用,以下对三类影响因素进行分析。


   第一,人工智能知识属性。为辨析人工智能知识属性,我们需要进一步了解人工智能产业架构。当前,我国人工智能产业链架构已经初具雏形,形成了基础层、技术层和应用层三大层次结构:基础层主要以硬件为核心,其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件,目前多以国际巨头为主。在基础层,需要拥有的核心能力是计算能力、数据质量,具体细分领域包括芯片、传感器、云计算、大数据等;技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模以及开发面向不同领域的应用技术。在技术层,需要拥有的核心能力是技术开发及输出,具体细分领域包括语音识别、计算机视觉、自然语言处理、机器学习等;应用层主要是基于基础层与技术层实现与传统产业的融合,实现在不同场景的应用。在应用层,核心能力是商业化解决方案,可以应用于金融、医疗、工业、安防等领域。从知识属性上来看,目前我国人工智能产学研合作教育的知识类型主要以基础研究理论知识和工程技术知识为主。当前,中国人工智能产业发展在技术层和应用层取得了明显进展,这也从侧面说明我国目前人工智能产学研合作教育有两类人才培养亟需突破:一是加快基础性的、顶尖研究人才的培养;二是持续不断地提供高质量的、具备产业工程实践能力的人才梯队。因此,不同的知识需求就影响了人工智能产学研合作教育中的合作模式选择,基础研究理论知识需求决定了高校、科研机构在合作教育中属于需求方,工程技术知识需求决定了企业在合作教育中属于需求方。


    第二,人工智能产学研合作教育模式选择。产学研合作教育关系的形成与稳定需要解决以下两方面问题:一是动力问题,二是利益分配问题。作为一种市场行为,产学研合作教育存在着大量的交易成本,包括沟通成本、谈判成本、履约成本和其他成本等,没有充足动力,双方无法建立合作关系;没有良好的利益分配机制,双方无法持续维持稳定的合作关系。以下从供给和需求的角度分析人工智能产业界主体与高校、科研机构等在产学研合作教育的动力:产业界主体:从需求方面,企业需要前沿科研理论支持、专家与学术网络支持、产业生态建设、行业声誉、优秀人才等;从供给方面,企业能够提供研究经费支持、技术与数据开放平台、实际应用工程课程体系、产业师资等。高校、科研机构等:从需求方面,高校、科研机构需要科研资金支持、技术数据共享、产业应用教学支持、学生就业机会等;从供给方面,高校、科研机构等能够提供基础与应用研究成果、丰富的师资与学生资源等。不同的知识需求决定了产学研合作教育主体间的供给与需求的侧重点。在国内的人工智能领域,可以看出两类明显区分的产学研合作教育路径:一种是以基础研究理论知识需求为核心的模式,人工智能企业联合顶尖院校、科研院,以联合共建研究机构的方式,开展研究合作与顶尖人才培养,如阿里巴巴与新加坡南洋理工大学共建研究院、京东与斯坦福启动联合AI研究计划、华为与加州伯克利的研究合作等;另一种是以工程技术知识需求为核心的模式,人工智能企业深入普通院校,以专业共建的方式,开展应用型人才培养,例如科大讯飞与安徽信息工程学院、常德职业技术学院等众多普通院校开展人工智能教育合作业务,推广人工智能技术平台与工程应用知识,百度与福州职业技术学院等学院共建“百度云智学院人工智能学院”,开展高职人才培养与地方产业应用合作。当然,这两条路径并不是相互排斥的,国内不少人工智能企业在“两条腿”并行前进。


    第三,人工智能产业主管部门的统筹协调作用。产学研合作教育虽然是企业、高校、研究机构根据各自优势资源与实际需求所产生的自发行为,但是在实际合作过程中,由于各自在机制体制、价值取向上存在差异甚至冲突。因此,要最大化发挥产学研合作教育的优势,还离不开产业主管部门的引导、组织与协调。首先在价值取向上,产学研合作教育应该坚持互利性、协调性、教育性原则,只有同时兼顾教育发展目标和产业发展需要,才能使得各方有合作的基础。其次在职能定位上,产业主管部门应该充分发挥引导、组织与协调的作用,密切关注新型产业领域的人才需求与发展趋势,做好基础调研、标准制定与顶层设计工作。最后机制设计上,充分发挥市场机制作用,注重发挥头部企业在人工智能产业人才培育中主体作用,精准对接产业实际需求,帮助企业降低合作洽谈的中的交易成本。 


    如何发挥人工智能企业、高校、科研院所的网络优势,推进新型产学研合作教育,为人工智能产业培养高质量人才,是我国当前一项重要而紧迫的任务。人工智能人才需求结构是金字塔型的,不同的人才梯队有不同的知识需求和培养模式。无论是何种产学研合作教育模式,终归还是要从结构矛盾和质量矛盾入手,切实解决产学研合作教育过程中人才培育对接产业发展需求和人才质量满足产业发展需要两大难题,并且确保在产学研主体间形成市场化、可持续的合作机制。因此,对于人工智能产学研合作教育,我们要区别对待不同的知识需求,深入思考产学研合作模式,坚持互利协调的价值取向,发挥市场的主体作用,重视产业主管部门的统筹协调作用,精准对接产业需求。只有如此,才能探索出符合当前我国人工智能发展需要的产学研合作教育模式。

【关闭窗口】 【返回顶部】 【打印文章】

 
最新文章
扫一扫
使用移动设备
定制阅读文章
 
Produced By 大汉网络 大汉版通发布系统