高校人工智能本科专业课程体系的对比
因人工智能（AI）在科技发展过程中的重要作用以及为产业创新发展带来的巨大机遇，各国纷纷将发展人工智能上升至国家战略高度，抢抓人工智能发展的重大战略机遇，以保持本国研发的前沿性和独创性，培养国家急需的高端科技创新人才，加快创新型国家和科技强国建设。
卡内基梅隆大学在世界人工智能领域优势突出，开设了全美第一个以“人工智能”命名的本科专业。南洋理工大学则是世界排名顶尖的年轻大学，在“国家人工智能核心”（AI.SG）计划引领下，设立了全新的数据科学与人工智能研究中心，并开设了“数据科学和人工智能”本科专业。两所大学都在人工智能本科专业建设上走在世界前列，但它们在人工智能领域的基础各有不同，在人工智能专业课程体系上也各有侧重。
一、课程（专业）目标比较
卡内基梅隆大学于2018年秋季设立“人工智能科学（Science in Artificial Intelligence）”专业，沿袭学校致力于人工智能服务于社会公益的传统，学生除了学习基础的计算机科学知识和技能以及在机器学习和自动化推理方面的额外专业知识外，还要学习伦理和社会责任方面的课程，并选择参加一些独立研究项目，覆盖医疗、交通和教育等领域，培养拥有职业伦理道德和社会责任感的人工智能人才。卡内基梅隆大学将自20世纪50年代人工智能发端以来继承创新的各领域人工智能知识与技术划分为多个专业领域，通过必修模块或选修课等形式，供学生开展个性化学习并可以持续深入研究，培养专深人工智能人才。
南洋理工大学设置了“数据科学与人工智能（Science in Data and Artificial Intelligence）”专业，旨在培养下一代高技能毕业生，使学生利用自己在数据科学和人工智能方面的知识，为社会面临的紧迫挑战寻求创新解决方案，以继续推动新加坡高价值经济增长。为促进新加坡支柱产业——服务业，在服务前积极使用新兴技术预测客户需求，弥补其在开发先进人工智能系统时面临的缺乏足够数据来训练智能系统的最大缺点，南洋理工大学的课程注重在计算机科学和数据科学之间取得平衡。除了专业相关知识技能外，其课程体系也注重通过选修、实习、重大应用研究项目、行业系列讲座和小型项目等形式，将知识应用于金融服务、政府服务、医疗保健、生物技术和制造业等重点行业，培养学生解决问题的能力以及口头和书面沟通技巧，发展其创造力和社会适应性。
就培养“新人才”的要求而言，两校存在一些相似之处。其一，专业的建立源于对国家发展和科学进步的回应，培养具有深厚知识基础，能够为人工智能学科、社会、国家和世界科技发展做出贡献的高技能人才；其二，专业课程建立在数学和计算机知识和技能的培养之上，进一步与人工智能知识融合，明确“人工智能”特征；其三，注重实践，面向应用，通过研究项目、实习实践将知识整合应用于不同行业领域，培养学生的解决问题能力、伦理道德和其他核心素养，促进学生全面发展。同时，在专业要求的知识和能力方面，两校也存在差异：卡内基梅隆大学偏重人工智能领域知识的系统构建和深入学习，南洋理工大学则更注重大数据统计、处理和分析领域的知识学习。
二、课程结构比较
南洋理工大学将课程划分成核心课程、专业规定选修课程、通识教育部分和非限制选修课程，并规定了相应学分。其人工智能专业本科课程的核心课程包含数学基础、计算机、数据统计与分析和人工智能4个方面；专业规定选修课程包括大数据统计分析和人工智能两个方面。同时，课程表中还详细标注了学习该课程前的准备课程，如数据科学导论和数据结构课程要以计算机思维课程为前提，人工智能课程要以计算机思维和算法课程为前提等，课程之间紧密联系并按照学科的逻辑顺序精心安排。
卡内基梅隆大学的人工智能专业课程被划分为数学与统计学核心课程、计算机科学核心课程、人工智能核心课程、人工智能模块选修、伦理学选修、人文与艺术通识选修、科学与工程通识选修七大模块。这七大模块清晰而明确地规定了人工智能本科专业课程所涉及的知识领域以及人工智能领域人才所应具有的能力模块。
两所大学的课程结构都将人工智能专业所需掌握的知识和技能划分成几大能力或技能模块，规定在以计算机和数学为基础、以人工智能（或大数据统计分析）为核心、以伦理学选修和通识教育为拓展的结构框架内，突出课程主次关系，形成了知识能力构成清晰、主次分明的课程结构。
三、课程内容比较
在专业基础课程开设方面，两所学校在课程难度和不同模块课程比例方面有所不同。南洋理工大学专业基础课程覆盖面广且偏向基础，更有利于与高中阶段知识衔接，打牢学生学习基础。在高年级阶段才开设人机交互、人工智能基础两门人工智能课程，并且学生在一定程度上可以依据个人学习兴趣和知识储备选择与专业相关的限选课程，继续发展不同分支的大数据统计分析与人工智能能力，但课程多为大数据分析与处理这一人工智能前提和支持类学科的选修课程（如时间序列分析、大数据管理等），较少有深入人工智能领域的选修课程（仅有自然语言处理一门）。
卡内基梅隆大学更注重“人工智能”的专业特征。例如，专业基础课程中，数学和计算机基础课程较南洋理工大学更为高阶且与专业更加贴合（如计算机科学的数学基础）。同时，依托其在人工智能领域的深厚积淀，设置了决策与机器人集群、机器学习集群、感知与语言集群和人机交互集群4个集群的选修课程，更能使学生从基础概念和理论出发，全面了解人工智能领域的各方面知识，以便选择自己感兴趣的领域持续深入学习和钻研。课程内容的差异由两所大学的人工智能人才培养目标的差异决定，南洋理工大学倾向于培养“人工智能+大数据统计与分析”方面的人才，而卡内基梅隆大学更专注于在“人工智能”领域培养人才。
其次，两所大学的课程内容存在许多相同之处。针对人工智能面向技术应用的天然特点，两所大学均十分注重知识应用和学科交叉，使学生在具体课程中体验和学习如何将知识运用到涉及其他学科的实际问题中，培养学生解决问题和跨学科学习能力。除了显性教学课程外，两所大学也积极与政府和企业合作，依托学科背景多样化的教学人员和组织形式多样化的研究项目，让学生在跨学科、跨院系、跨组织的氛围中开展知识应用和基础研究，培养其从多学科视角解决问题的能力和创新能力，保证其参与人工智能学习的前沿性和创新性。
最后，在注重知识学习和应用的同时，南洋理工大学和卡内基梅隆大学同样关注人工智能伦理问题，探索性地开设人工智能与人文、计算机领域的伦理和政策问题以及人工智能、社会与人类等课程，邀请不同学科学者就人工智能与人文历史、社会环境等相关问题进行跨学科对话和讨论，学生可以由此关注人工智能领域人—机、机—机以及人—机共融所形成的社会形态及需要遵守的道德准则，同时课程以研讨的形式进行，给予学生充分地思考、讨论和验证的空间，有利于对伦理道德问题的学习。
四、小结
两所大学的共同之处可以总结为：在课程目标方面，回应国家需求，增强专业特色；在课程结构方面，将人工智能核心课程设置为数学、计算机基础模块和人工智能相关专业核心模块，并辅以人文与艺术、科学与工程和商业与管理等通识选修课程，通过设置模块化课程避免割裂学科之间的逻辑联系，同时个性化培养学生综合素质；在课程内容方面，注重扎实的数理和计算机基础，两校都通过设置跨学科课程和配备不同学科教学人员、使用项目式教学方法、融合科研实习项目等促进课程学科交叉，面向应用；突出人工智能伦理思考，培养学生为支持人工智能与工业和人类生活深度融合的伦理观。
两所大学的不同之处，在于形成了两种人工智能本科专业课程建设模式：跨学科的建设模式和专深的建设模式。南洋理工大学倾向于培养“人工智能+大数据统计与分析”的跨学科人才，在课程内容上更偏向数学和计算机基础知识课程以及大数据科学类的人工智能基础课程，人工智能领域涉及不深；卡内基梅隆大学依托其在人工智能领域多年深耕取得的科研成果，强调“人工智能”特征，开设了人工智能基础课程以及4个不同集群选修课，给予学生良好的人工智能基础和视野。
（摘编自《重庆高教研究》2021年第9期 作者：陶泓杉 郄海霞）