放大
缩小
默认斯坦福大学人工智能人才培养体系，形成了以培养理念为主线，贯穿整个培养过程的模式。具体来讲，培养理念正如整个过程的“指挥棒”一样，处于中心地位，为素养要求、培养过程和结果评价提供明确的要求和标准，并指明发展的方向；素养要求和结果评价为人才培养的“两翼”,维持着培养过程的稳定性和可持续性；培养过程则是人才培养的主体环节，为人才培养提供源源不断的动力和智力支持。所构建出人工智能人才培养模式，受培养理念指导，并服务于培养理念。
(一)坚持规范、诚信和效率至上的培养理念
斯坦福在培养人工智能人才的过程中，始终围绕基本的核心要素，确立规范原则、诚信原则和效率性原则的理念来实现理论向实践的转化。
规范性是人才培养的基本行为准则。斯坦福大学前教务长埃特肯迪（JohnEtchemendy）是人工智能的积极倡导者，他提出了成立联合培养机构、组织跨学科教师团队、设置人工智能前沿课程，以及创新教学手段与方法等举措，有助于推动人工智能人才的规范化培养。诚信原则是人才培养的基本道德准绳。作为人工智能的先驱，斯坦福大学教授尼尔森（NilsNilsson）认为，诚信是开展科学研究的底线，因而对于未来从事人工智能研究的学者必须加强相关的伦理道德教育。效率性是人才培养的基本行为目标。创立人才孵化项目，最大程度地减少繁琐的行政操作环节，集中体现对于人才培养过程中的时效性以及对人才成长过程的重视。
(二)遵循有厚度、有内涵、有张力的素养需求
拔尖创新人才的培养不仅要注重过程，还要在生源输入上严把质量关，确保符合规定目标的人才培养需求。人工智能因其自身的前沿性和复杂性，对人才培养的期待也会更加的多元。
1.“厚度”源自扎实全面的基础
课程以计算机相关知识为主导，并涉及统计、数学、机械、逻辑、生物学等一系列领域，其中仅一门计算机、伦理和公共政策就集合了一个跨学科的教学助理团队，他们来自大学的各个领域，包括计算机科学、哲学、政治学、法律和社会学的研究人员。这样的课程特征就需要学生有相当宽泛扎实的专业基础。斯坦福大学在本科阶段充分利用学科优势，利用计算机科学专业平台，设立人工智能及其他专业的入门课程。此外，斯坦福大学还设立“联合专业”来为学生提供宽幅学习的机会，也为人才的进一步深造奠定坚实的基础。除了提供有利的条件之外，斯坦福大学还专门制订了荣誉课程（Honorsprogram）计划。当学生的绩点或者个体发展等方面较为突出时，学院可以提供荣誉课程以兹鼓励和肯定，一方面为学生学习提供动力，全面保障基础夯实的成效，另一方面也是人才培养阶段性成效检验的“试金石”。
2.“内涵”源自严谨的学术态度
在斯坦福大学人工智能人才的甄选过程中，对此也非常重视。斯坦福大学对人工智能专业人才除了在专业知识上有着严格的要求之外，对映射在研究者思想和态度等方面的价值取向也同样关注。斯坦福大学在人工智能专业课程要求中对学术行为的质量作了特别强调。项目的审核与实施必须坚持规范严谨的原则。斯坦福大学人工智能的大部分专业课程都依托项目的实施来推进，因此，对项目的把控相当严格。研究过程中的学术伦理规范也是斯坦福大学对专业人才素养的先决要求。
3.“张力”源自创新意识和潜力
创新能力是一切事物发展的前提、动力和保障，几乎贯穿了整个发展过程。对人工智能而言，这样一个高度交叉融合而又新兴的领域，发展的前沿直接决定了人工智能技术的主导力。因此，创新能力的培养和激发对人工智能的发展有着更为重要的意义。作为研究者，尤其是“准研究者”而言，除去专业知识的学习和融合能力以及严谨的学术态度之外，在能力层面是否具备足够的创新意识或者有可发掘的潜力更值得重视。
(三)强调融合、多元、人性化的培养过程
斯坦福大学在人工智能人才培养的过程中，充分凸显了跨学科间的融合性和授课模式的多元性，并结合多方参与、情感沟通、学术支持和学习策略等方式来适应人工智能人才培养的需求。
跨学科间的融合辅以多方参与保证人才培养的全面性。斯坦福大学将享誉全球的计算机科学作为课程框架，同时将统计、机械、数学、生物学、哲学等领域的课程纳入人才培养的课程中。在师资方面，为适应课程结构，打造多种学科背景的教师助理团队，一方面能够更好地营造各学科、领域之间相互尊重和理解的氛围；另一方面能够帮助教授更好地引导学生实现个体的跨界融合。
多元化的教学模式辅以学习策略的指导保证人才培养过程的高效性。课程实施大致分为了主题研讨式、互动辩论式、翻转课堂式和讲座阅读结合式四大类。其中，讲座阅读相结合的方式是最普遍的模式，另外三种教学模式通常都是基于某个项目而展开。科研兴趣可以是“先天性”的，更多的是在长期的接触和磨合中积累和培养起来的。无论是哪种类型，保护好兴趣对人才的培养有着举足轻重的作用。
除了在专业知识和专业技能等方面加以强调，在心理发展、思维导向等隐性素养上同样给予了关注。事实上，非正式的空间和时间里来解决特定的问题，呈现出的氛围会更轻松，这样不仅让学生对扩展知识领域感到兴奋，也有助于更好地为学生服务，拉近彼此之间的距离。
(四)构建以综合性能力提升为目标的科学评价机制
构建以逻辑性、批判性和建设性能力提升为目标的评价机制突出了斯坦福大学人工智能人才培养的全面性、道德性和创新性追求。
学生在过程中锻炼出扎实的逻辑性，对于表述内容迅速及时地进行提炼、组织和表达。在对学生的规定中要求学习批判性地阅读技术要求高的论文，并在此过程中产生新颖的研究思路。评论不仅要总结论文的主要结果，还要对其进行评论，举例说明，讨论其总体意义，并提出可能的未来方向。在人工智能培养模式中，建设性主要体现在个体将理论转换为实践的能力以及在此基础上所作出的创新性发展的能力。斯坦福在人工智能人才培养过程中，通过焦点小组等形式参与并完成各自的循证实践和研究设计是一项常规性的评价方式。这一举措不仅为人工智能的未来发展指明了方向，也为人工智能的人才培养起到了很好的典范作用。
（黄蓓蓓;钱小龙，摘自《清华大学教育研究》2022年6月）