异常激烈的AI人才争夺战背后，各大高校在做什么？

2018 年 12 月 2 日 创新工场

就在前几天，“AI领域应届博士生年薪涨到80万”成功冲上热搜，AI人才稀缺问题再次各方引起热议。

11月27日，粤港澳大湾区的学者代表——澳门大学副校长倪明选、香港科技大学电子及计算机工程系教授冯雁、中山大学数据科学与计算机学院无人系统研究所所长黄凯等学界大咖走进创新工场主办的2018自动驾驶全球高峰论坛，共同探讨AI人才培养面临的困境与未来的发展之路。

通过这篇文章，您将会看到：

目前高校在AI人才培养方面采取了哪些举措？面临的最大困境是什么？如何走出困境？
高校如何连接技术和真正的商业应用场景？如何与业界的需求进行对接？老师和学生应该去创业么？如何与企业更好地合作？
无人驾驶这么多独角兽，将来怎么招人？企业如何吸引到优秀的人才？怎样能与高校更好的配合，找到一个共赢的方式？

创新工场合伙人张丽君主持了这场论坛，她毕业于中国人民大学，拥有技术经济与管理硕士学位。2011年加入创新工场，专注于教育领域投资，曾成功主导投资VIPKID、盒子鱼、TheOne智能钢琴、传智播客、高思教育、七天教育、顶上教育、多贝云、亲宝宝、常青藤爸爸等项目，其中VIPKID获得数百倍估值增长，成长为行业独角兽。在加盟创新工场之前，她曾就职于易观国际、历任分析师、咨询顾问、高级咨询顾问，服务项目包括战略规划、业务发展规划、市场拓展及营销策略、产品规划等类型，典型客户包括中国移动、中国电信、中国工商银行、微软、诺基亚、搜狐等。

以下内容整理自论坛现场对话，希望对你有所启发▼▼▼

▌高校AI人才的培养模式与困境

张丽君：能否从您的角度出发，解析高校为解决AI人才的供需平衡问题做出了哪些努力？针对AI人才培养的节奏和计划做出了哪些调整？

倪明选：我来到澳门大学将近4年时间，不做科研，主要做学科的建设。我们知道培养人才很难，AI需要优秀的人才，市场需求比较大，我们在澳门大学怎么做？

我们开设了一个数据科学硕士班，并非面向计算机专业的人，而是专门为应用型人才而开设的。为此，我们的计算机系开设了四门课，第一门讲基本的编程技术，第二门围绕什么是多维数据和数据可视化工具，第三门关于数据库与数据挖掘技巧，第四门是机器学习工具。

有了这四门课以后，我们会针对每个领域设计不同的课程，例如健康科学院就开设了精准医疗，计算机学院开设了AI应用，商学院开设了两门相关课程，教育学院也开设了一门名为智慧教育的课程，这些课程出来以后抢手得不得了。

张丽君：这是一个很好的办法，把AI融入到不同的专业当中，结合特定学院和专业的情况去增设专门课程，这样各个行业、领域里面就会有更多的人对AI技术有所了解。

倪明选：其实事前学生也不知道他能不能修这门课，我们为此开设了一门预修课，让每个老师讲授这四门课的基本内容，让学生了解自己能否接受相应的课程。不仅是学生学生，老师也要来修这门课，很多老师也想知道这个课程到底是怎么一回事。

冯雁：香港科技大学一向设有AI相关的核心课程，从自然语言处理到图象识别，也包括机器学习。我们也有一个大数据硕士班，现在商学院也准备设立一些与AI相关的班级。现在最重要的问题是，AI人才的缺乏其实并不是上一两堂课就能解决的，为什么？

因为尽管现在网上有很多机器学习、AI相关的公开课，也有不少学生自己去看、去学习。但是我们发现其实很多同学们上了这些课程以后并不能在进入公司后独立地发挥他在这方面的知识积累，怎么办？有两个办法。

一是公司里最好有一些掌握AI领域知识的学长、学姐带着他们训练，也就是在职培训。学生可以通过一个项目边干边学。不过这只能在有AI人才的公司才能实现。

还有一个办法。我在香港科技大学教了20年语音处理，后来是语音识别，再后来是语音语言和图象识别。我在课上教学生理论的时候，都是从最基本的神经网络开始延伸各种神经网络结构，也会让助教们每星期专门教学生如何写程序、如何解决实际中的自然语言问题。在课程结束以后，同学们可以自由选择一个项目完成相应的paper，能力没有这么强的同学可以把一些原来的项目重新实现一遍。这样一来，学生们通过一个学期的时间上完我的这门课，完全可以在一个公司写程序或是解决实际问题，厉害的同学甚至可以探索一些别人还没有解决的问题。

我认为香港科技大学在AI人才培养方面还是存在问题的，因为我们的老师很不够。其实不少研究生来我这个课之前根本不清楚知识理论在哪里。可能在以前，老师说你不用管、你这么用就行了，但是到要独立去解决问题的时候，没有理论基础是用不起来的。

问题并不是大家想象的我们缺乏大数据人才就要开班。大数据没有那么难，数据分析上手也没有那么难，但AI非常难。我看到有一些同学在练习如何区分虚拟数据和现实数据，我们老师一般一眼就可以看出问题在哪，但是很多同学不知道。学生们不通过一两年的学习是做不到的。所以我认为市面上的公司如果没有招到真正能做AI的人才，是很难做下去的。

张丽君：我的理解是，领域内需要很多不同层次的AI人才，要有研究基本算法、创新论文的人才，这种人才肯定是需要很长时间去培养的。但是等到这类技术更加成熟以后，会有一种相对短训的方式培养偏应用型人才。

冯雁：对，我们也应该有一些培训课程，可能不是老师来教，因为老师不够，所以可能会让研究生来教授。我们希望能够更多地从国外吸引人才回来当老师。没有老师，我们的学生怎么在后面走下去？所以我觉得迫切的问题就是怎么引进更多的师资力量。

黄凯：先说一下，我是做无人驾驶方向，今年我这里只有三个研究生毕业，领域内的人才确实非常少。回归到中山大学，我们学校在AI这一领域的布置一向比较慢。其实中山大学有很多老师都在做AI相关的东西，也有很多相关课程，覆盖了AI各个领域，但是没有一个很系统的框架去培养AI人才，这是一个问题。

另外，AI最后落地肯定是要跟不同的行业实现交叉，最后成为一个很交叉的学科。今天的主题是无人驾驶，其实无人驾驶也是一个交叉领域，需要有研究机械的人、研究控制的人，还需要会计算机。设置一个比较好的框架做交叉学科人才的培养是一件很难的事情。我认为，国内高校体制还是相对慢一点，周期有点长，例如本科教育。本科教育都是按照教学大纲实施的，而教学大纲是每隔四五年才改一次。

张丽君：这是一个很底层和根本的事情，本科生的教学需要提前很长时间进行规划，现在AI技术发展速度如此之快，教学规划却很难跟上。

冯雁：其实我有两个学生，业界给了他们很高的工资，其中一个去了国内的公司，另外一个去了香港一家很大的金融公司。两年以后他们两个都决定放弃工作回到学校读博士。他们都感到自己的所学不够用，而且没有人能够带带他们，自己学不到东西。他们认为自己在公司再往下走也是到某一个位置，不能自己创业，也不能有更大的自主权，所以就放弃了。

▌高校和业界的联姻

张丽君：开复老师新书《AI·未来》中提到一个观点，即我们已经走进AI务实应用年代。在应用为王的当下，如何把学界的AI人才保质保量地输送到产业界创造价值备受业内关注。在产学两界AI人才的过渡和对接过程中，高校应该承担一个什么样的角色？创新工场也在这个方面不断的努力，我们试图连接企业界和高校，为二者创造更多的交流机会，你们在这方面有做什么探索和尝试？

倪明选：大学有人才，没有数据；业界有数据，没有人才。我不鼓励我们的老师出去创业，因为老师做创业基本都死路一条，而是应该找一个聪明的学生或是有市场经营能力的人去创业。老师当久了是很难创业的，脑筋已经僵化了。

我也创过业，初创公司没有很多钱去做科研，所以我鼓励聪明的学生去开公司，老师在背后支持做创新，前提是永远招最好的学生过来。

冯雁：我是想说，大疆是由一个老师带着的学生成立的，商汤也是由一个老师带着的学生成立的。好学生非常重要，但是当年如果没有他们的老师，他们也不可能创业。

在AI领域，每个老师都会接受很多的业界需求。我们在香港科技大学成立了一个人工智能研究中心，把与AI相关、对AI有兴趣的老师都联合在一起做跨领域项目，包括金融、医疗领域，也包括人文学科方面。把老师联合在一起就等于把学生联合在一起。当业界的需求到我们这里的时候，我们就会去看哪些老师或者哪些学生可以一起实现。同学们在做这些项目的过程中会接触到业界真正的需求，也会拿到数据。这就两个好处：一是帮业界解决问题；二是培养了我们的学生。这是一个最好的方法。

黄凯：关于学校和企业合作这件事很有意思，我认识的老师基本上都很反感我们的同学去企业实习。为什么？因为学生都去实习了，科研怎么办？例如研究生，两年的时间他去实习半年的话，可能毕业论文都完不成。学院也一直在探讨应该如何解决这个问题。

在德国的高职院校里，所有学生都必须与企业签合同，他们每周有三天在学校，两天在企业。本科生基本上是在学校，但是博士生就专门有企业代培的博士点。在德国培养一个博士生大概需要7万欧元左右，这个钱全部由企业出，然后学生会做一些企业所需的工作。

从另外一个角度来看，企业和学校不一样的东西是什么？企业要挣钱，即使做科研也只是做未来五年的东西，不能做得更远。而高校肯定要看得远一点，五到十年、甚至更远。我现在就有同学正在实习，我建议他们去企业里掌握一些更新的东西，如果只是去打杂，那么意义不是太大，对同学的成长也不是很好。

▌企业应该如何配合高效培养人才