事实上，人工智能更多的是与计算机科学、数学、工程学有关，而智能科学本身则更多是与认知科学、神经科学、脑科学有关。人工智能人才培养的迫切性，主要源于人工智能产业蓬勃发展所导致的对人工智能人才的旺盛需求。

习近平总书记在十九大报告中强调，要推动“人工智能和实体经济的深度融合”。以计算机科学、数学、工程学为主要基础的人工智能科学技术目前已能在实体经济中发挥作用，而以认知科学、神经科学、脑科学为主要基础的智能科学技术，与实体经济的深度融合似乎还为时尚早。

对创办一流大学人工智能教育而言，目标应该是高水平的建筑设计师、土木工程师，乃至于建筑大师。简而言之，我们的目标应该是培养在人工智能领域具备源头创新能力、具备解决企业关键技术难题能力的人才。

人工智能人才需要何种知识结构？

人工智能所要解决的通常是涉及不确定性的复杂任务，从其任务求解过程来看，首先要对复杂现实进行抽象建模，然后对模型算法分析设计，进行软件程序实现，基于强力计算平台进行高效扩展，再通过试用反馈迭代改善。这决定了高水平人工智能人才需要：数学基础好、计算/软件程序功底扎实、人工智能专业知识全面。

首先，无论是在抽象建模还是模型算法分析设计环节，都需要依赖良好的数学基础，因为人工智能所面对的问题千变万化，这导致了其所涉及的数学工具种类多样。事实上，人工智能的核心领域——机器学习是计算机科学中对数学基础要求最高的分支之一。

第二，复杂现实任务通常可以从多种角度进行抽象，而不同的抽象将导致巨大的差异。抽象出的问题是否可计算？从程序代码的角度是否易实现？从计算平台的角度是否便于高效处理？…… 回答这些问题需要在算法分析/程序设计/计算系统方面具备扎实的基础。事实上，对一些现代大型人工智能程序而言，甚至连高维数组的存储顺序都需做到优化，这如果没有扎实的计算/软件程序功底显然是不行的。

第三，在解决现实的人工智能应用任务时，往往同时涉及多种人工智能专业知识，需有效进行融合发挥。因此，高水平的、能解决企业关键技术难题的人工智能人才，必须具备全面的人工智能专业知识。这就引出了下一个问题：

相关报道: