5月26日，以“新时代人工智能，赋能教育变革”为主题的2023高校人工智能人才国际培养论坛在西安电子科技大学科技楼报告厅成功举办。论坛邀请了12位国内外专家、学者。他们围绕新时代人工智能人才培养的教育模式、前沿研究、课程设置、实践案例等方面展开了深入的讨论，分享了各自在人工智能教育领域取得的成果、经验与实践，为如何打造“人工智能+教育”的创新教育生态、如何通过合作与交流来推动人工智能人才培养的国际化等问题提出了一系列创新思路和发展方向。

本次论坛由教育部国际合作与交流司、科学技术与信息化司、高等教育司指导，教育部中外人文交流中心主办，西安电子科技大学承办，通过线上线下相结合的方式举行。专家们精彩绝伦、深入浅出的演讲吸引了210余万人次观看直播。本文根据现场速记整理归纳，将各位专家学者的报告再次以文字呈现，供读者参考。

席酉民：《数智时代的教育：西浦面向未来的国际化教育探索》

西交利物浦大学执行校长、英国利物浦大学副校长席酉民教授以“数智时代的教育：西浦面向未来的国际化教育探索”为题发表了主旨演讲。席教授首先介绍了在数字化和智能化的时代背景下，一些基本的范式（共享、共生）发生了革命。在这种情况下出现了人类如何调整生活方式，教育如何适应AI时代的挑战。

席教授指出未来教育需要考虑批判性思维、高阶思维、智识、智慧、自我管理，需要专业整合或跨专业教育进行跨专业或训练。具体而言，未来教育的特点是跨越校园、跨越国界、需求导向、技术驱动、人机共生的。这会导向具有个性化、兴趣导向、终身学习、融合式、人工智能支持的全民教育。在这里席教授认为，教育需要转型，需要驱动未来学与教的演进，重塑大学与教育并营造学习、创新和创业者社区和生态。教育变革应发生在人才资历结构调整、新技术的运用、素养教育的加强、育人过程变革、育人场景重塑和国际化这些方面。最后，席教授介绍了西浦教育数智转型与生态化与管理的实践，并分享了关注人生教育与心智提升的和谐教育模型理论。

焦李成：《人工智能交叉学科本硕博一体化人才培养探索与实践》

欧洲科学院外籍院士、“一带一路”人工智能创新联盟理事长、西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、华山杰出教授、IEEE/IET/CAAI/CAA/CIE/CCF Fellow焦李成院士的报告以“人工智能交叉学科本硕博一体化人才培养探索与实践”为主题进行介绍。

人工智能是解决国民经济建设、国家安全与社会发展中一系列重大需求问题的共性基础。针对目前人工智能国内国际的发展形势，焦院士指出完善中国人工智能学科布局和加快建设一流人才队伍和高水平创新团队十分重要。然后，焦院士从教育部有关人工智能领域的人才培养方案及我国教育体系的人工智能整体布局进行了剖析，提出了当前人工智能发展存在的挑战与建议。焦院士进一步提出人工智能交叉学科的特质决定人才培养一定是多学科的、前沿的、交叉且是产学研相结合的方式，离不开国际化的，离不开高水平的科学研究，需要加强培养体系的建设，加强教育教师队伍的建设，教材的建设。最后焦院士对西电人工智能人才培养战略体系做出总结：面向国家国防重大需求，面向国际学术前沿，积极探索与构建人工智能人才培养与科技创新融合的新模式；注重链式思维，构建“国际化+西电特色”的本硕博一体化培养体系；拓展载体建设，厚植产学研协同化人才培养基础；突出研教融合，打造高精尖专业化科技创新团队；拓展国际交流，营造互联互通全球化人才培养氛围。

高新波：《以人为中心的可信场景分析》

重庆邮电大学校长、国家级人才、IET/CIE/CCF/CAAI Fellow高新波教授的报告题目为“以人为中心的可信场景分析”。该报告首先从计算机视觉研究的发展演变展开，介绍了计算机视觉的重要历史节点和智能视觉推动的场景分析技术的广泛应用。然后，高教授提到人工智能的应用要离开用户对错误容忍度较高的领域走向涉及人类切身利益的“深水区”，如何破解场景分析中的不确定性是当前计算机视觉领域急需解决的难题。针对这一难题，高教授指出要加强战略研判，确保人工智能安全、可靠、可控。目前已有一系列的可信人工智能的政策指引与支持，可信人工智能已经成为了全球共识，受到了社会各界广泛关注。接着，高教授阐述了可信人工智能的基本内涵，包括先进性，稳健性，公平性，安全性，隐私性，可解释性。

最后，高教授指出以人为中心是实现可信场景分析的关键要素。而以人为中心的场景分析要实现分析内容关注于人、设计模型服务于人、应用系统受控于人 ，这需要可信人工智能的赋能。

姚新：《给定有限的四年时间，AI人才培养究竟该教什么》

南方科技大学计算机科学与工程系讲席教授、系主任、斯发基斯可信自主系统研究院执行院长、国家海外高层次人才项目入选者、IEEE Fellow姚新教授首先从“人工智能与计算机科学”的关系出发，提出了人工智能的最重要基础是计算科学与工程的观点。在此基础上，姚教授讨论了计算机科学人才培养的现状，对教学时间短以及新知识层出不穷等关键问题进行逐一分析。

姚教授提出了人工智能人才培养应该以能力培养为主，知识传播为辅的观点，并围绕培养方案制订以及培养特色两个方面对人才培养进行详细剖析。然后，姚教授结合南方科技大学计算机系的人才培养方案进行具体介绍，提出了AI人才培养的五个方面要点：强调数学和计算机基础，强调抽象思维，强调解决问题的能力，强调伦理、职业化和社会责任，强调学科交叉。同时，姚教授也对具体的人才培养目标和解决方案进行阐述和总结，并重点对“项目驱动的创新实践课程”与“教师结构化指导”的具体实施过程进行阐述。特别地，姚教授通过对南方科技大学计算机系2018届以前以及2020届以后本科毕业生的毕业去向情况进行分析，说明了教育改革的成效。最后，姚教授对人工智能人才培养进行了总结和展望。他指出近代科学技术的发展对能力弱、知识少的人是一大挑战，当代人工智能的发展对能力弱、知识丰富的人也是一大挑战，总结出人工智能从业人员也许培养“易”，人工智能人才“难”培养的关键问题。

张艳宁、王鹏：《面向国家重大战略的人工智能创新能力培养体系探索》

西北工业大学副校长、国家级人才张艳宁教授，西北工业大学人工智能本科专业负责人、空天地海一体化大数据应用技术国家工程实验室副主任、国家级人才王鹏教授从时代背景、存在问题、主要举措和取得成效四个方面带来题为“面向国家重大战略的人工智能创新能力培养体系探索”的精彩报告。

王教授首先对人工智能人才培养相关政策进行介绍，指出人工智能人才培养的重要性，同时针对我国人才缺口大且分布不均衡的现状进行深度分析。在此背景下王教授以西北工业大学为实例，提出“培养服务国家重大战略的人工智能创新人才”的高校使命。紧接着，王教授对现有人工智能人才培养体系存在的问题展开分析，对传统思政教育方法手段难以满足人工智能领军人才价值塑造的新要求，培养关键环节难以适应国家重大战略“卡脖子”问题提出的新挑战以及现有体制机制难以支撑人工智能领军人才培养的新使命这三大关键问题进行讨论。针对三大关键问题，王教授围绕打造价值塑造思政课堂、融通国家需求与培养链路和深化教学体系创新三个方面，重点介绍了人才培养的主要措施。最后，王教授从课程建设、教材建设、竞赛成绩、专业建设以及所获奖励五个方面对人才培养取得的成效进行总结和分析。

孙富春：《人工智能如何赋能创造性人才培养》

清华大学教授、中国人工智能学会副理事长、国家级人才、IEEE/CAAI/ CAA Fellow孙富春教授从新时代人才观、新时代的教育、智能教育与人才培养和未来思考四个方面对“人工智能如何赋能创造性人才培养”进行了介绍与探讨。孙教授首先从未来需要怎么样的人才出发，指出人工智能时代的国际竞争实际上就是创新人才之争，并从创造性思维特征和创造性人格两个方面对创造性人才的核心素质进行深度剖析，从多个角度对创造性思维的特征进行总结。

孙教授从人才能力的培养、价值的塑造出发，对各朝代的教育特点进行总结，并结合大学、科研机构、国家实验室、企业实验室等平台对国家创新体系以及新时代的教育进行介绍和分析。围绕五个“一流”条件对如何汇聚世界英才进行讲解，并从多个科技前沿对未来发展机会进行总结。然后，孙教授重点围绕智能教育与创造力人才方面进行详细阐述，通过教学场景和全息智能教学技术对“师机生”自然交互方式进行解析，同时结合专家系统、机器学习、神经网络和人机交互等方面对智能教育与人才培养进行了分析和梳理。在此基础上，孙教授结合具体的示例，强调了机器人技术对教育的影响，并对机器人如何增强大脑每个分区的活动展开了详细介绍。最后，孙教授指出人才培养应鼓励创新思维、强调多学科融合、培养合作能力、强调实践与实践环境。同时孙教授对创造性人才培养的主要模式进行概括，并从ChatGPT对教育行业的影响对产业智能化的新机遇进行讲解，对智能辅导助力提升学习效果进行讨论，指出未来智能教育的发展方向，并对人工智能与教育的关系进行了多层次的总结。

张青富：《Modelling and Solution Set Constraints in MOEA/D》

香港城市大学计算机科学系计算智能讲座教授、国家级人才、IEEE Fellow张青富教授的报告主要包括进化多目标优化发展现状、未解决的核心问题和基于分解的进化多目标优化三个方面。

首先，张青富教授简要介绍了多目标优化的基本概念。从多目标决策、进化算法等方面引出进化多目标优化的发展现状，系统回顾了基于帕累托支配、基于性能指标和基于分解的进化多目标优化方法的核心思想以及当前未解决的核心问题：即最优性和简单性的平衡。然后，张教授重点讲解了基于分解的进化多目标优化的基础理论和方法实现。具体而言，张教授从问题分解，搜索方法、协作机制和应用场景四个方面介绍了基于分解的进化多目标优化方法的思想本质及理论内涵。最后，张教授从集合约束和最优性之间的权衡这个全新的视角进一步对进化多目标优化的未来发展指明方向。

吴飞：《以知识点为核心的人工智能专业建设》

浙江大学人工智能研究所所长、浙江大学上海高等研究院常务副院长、求是特聘教授、国家级人才吴飞教授的报告题目为“以知识点为核心的人工智能专业建设”，主要围绕人工智能知识点变化，101计划中的《人工智能引论》课程建设，教材、课程和平台的浙大实践三个方面展开。吴教授首先回顾了人工智能的起源，1955年四位学者在一份报告中首次使用了Artificial Intelligence这个术语，从此人工智能开始登上人类历史舞台。现在国务院、教育部、发改委以及财政部对人工智能的专业设置、人才培养以及学科发展进行不断规划，人工智能人才培养载体已经变得十分庞大，到去年年底，教育部设置的第14类学科门类——交叉学科，打破了前13类的学科割据传统，由此形成了我国多层次多类型的人工智能人才培养系统。

吴教授对人工智能知识点的变化进行阐述，回顾了计算机课程体系的演变，人工智能早已在1968年被列入核心课程。随着计算机体系不断膨胀，人工智能知识体系也从程序设计、算法研究到功能赋能走过了不同历史阶段。之后，吴教授对计算机领域本科教育教学改革试点工作计划（简称101计划）的概况、定位进行了详细介绍，并与40位老师一起建设了101计划核心课程：《人工智能引论》，课程以“厚算法基础、养伦理意识、匠工具平台、促赋能应用”为培养目标，参考了ACM和IEEE-CS对人工智能知识领域与知识点的修订，总共分为10个模块，63个知识点，其中模块最核心的四部分是表达与推理、搜索与优化、建模与学习、伦理与安全，这一工作得到了广泛的高度评价。最后，吴教授提出教材、课程和实训平台“三位一体”的教育教学新模式，提倡与六校联合、企业参与开设“AI+X”，同时介绍了面向中小学生所撰写的《走进人工智能》数字科普读物。

屈嵘：《Hyper-heuristics: Theory and Applications》

英国诺丁汉大学教授、国家级青年人才屈嵘教授的报告围绕超启发式的理论和应用展开。

首先，屈教授从搜索空间和算法设计引出超启发式的基本思想，进而指出现有方法缺乏通用性和灵活性。超启发式通过机器学习自动选择或设计启发式算法而不需要关心顶层的问题特性，因此可以通过很少的修改来解决不同的优化问题，这显著提高了现有启发式算法的通用性和灵活性。为了实现该目标，屈教授提出了超启发式的基本理论问题，包括双搜索空间设计和搜索算法设计。然后，屈教授简要介绍了超启发式的应用，主要包括调度优化问题、例如机场调度、港口运输调度，交通领域的调度以及人员调度等。最后，屈教授从算法决策、通用决策和问题决策三个方面探讨了自动算法设计领域的最新进展，进一步指出现有方法在建模、框架和编码方面的缺陷。

金耀初：《演化神经网络架构搜索—计算效率、隐私保护及对抗鲁棒性》

欧洲科学院院士、德国比勒费尔德大学洪堡人工智能讲席教授、IEEE Fellow金耀初院士主要介绍了面向计算效率、隐私保护及对抗鲁棒性的多目标联邦演化学习。

首先，金院士从多目标演化优化、演化机器学习、联邦学习三个方面指出多目标联邦演化学习的必要性。由于基于大数据的深度学习快速发展，近几年对于数据的隐私保护和安全越来越重视。而只用自己的数据建模型，易形成数据孤岛。为了求解该问题，金院士提出多目标联邦演化学习和优化的基础理论，主要包括异步更新/时态加权、训练有素的三元压缩、实时联邦神经网络架构搜索、联邦学习的分布式加密、分布式标签的垂直联邦学习以及寻找抗多种攻击的鲁棒神经网络等方向。特别的，金院士重点介绍了实时联邦演化神经网络架构搜索、联邦贝叶斯演化优化和鲁棒的神经网络架构搜索的基本框架和实验效果，深入剖析了这些方法论背后蕴含的多目标联邦演化学习的思想本质及理论内涵。最后，金院士从搜索空间、网络性能和计算成本之间的平衡等方面对多目标联邦演化学习的未来研究进行了总结和展望。

兰旭光：《人工智能赋能教育的挑战与机遇——走向人机共融教育》

西安交通大学人工智能学院副院长、国家级人才兰旭光教授首先从人工智能最新进展出发，分别介绍了ChatGPT的关键技术、GPT系列思维链、强化学习等知识，探讨了ChatGPT的应用、视觉大模型、数字人、Copilot等方面的研究进展。随后兰教授分析了人工智能教育的机遇与挑战，并认为人工智能是引领新一轮科技革命、产业变革、社会变革的颠覆性技术，这次的变革打破了技术和数字之间的壁垒。

兰教授详细阐述了人工智能给教育带来三种巨大的变革：解放教学生产力，实现以“学习为中心”的教学、形成人机共融学习环境。每次的技术进步对教育提出了更高的要求，在人工智能时代，我们需要什么样的高等教育？兰教授认为在当代我们应更注重提出问题和独立判断的能力。教育是一个缓慢、优雅而美妙的过程，教的单维独进，缺少了育，抑制了学，人才底盘不稳，后劲不足，教与育是当代更需要的，无论智能教育发展何等程度，机器都无法替代师生之间心灵交流和思想启迪。最后，兰教授提出在人工智能这个大模型时代，创造力是必不可少的，并对未来人工智能在创造力培养中的发展方向做了总结和展望。