日前，教育部學位管理與研究生教育司發布《關於印發《人工智能領域研究生指導性培養方案 (試行)》的通知》。

　　通知指出，根據教育部、國家發展改革委、財政部印發的《關於“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若幹意見》，教育部成立人工智能高層次人才培養專家委員會。專委會在廣泛調研論證基礎上，研究製訂了《人工智能領域研究生指導性培養方案(試行)》，現予以印發。請開展人工智能領域研究生培養的有關“雙一流”建設高校結合本校學科建設和人才培養特色，參照製訂和進一步完善相關研究生培養方案。

　五大培養方向：

　　(一)人工智能基礎理論研究相關方向

　　(二)人工智能共性技術相關研究方向

　　(三)人工智能支撐技術研究方向

　　(四)人工智能應用技術相關研究方向

　　(五)人工智能與智能社會治理相關研究方向

人工智能領域研究生指導性培養方案(試行)

　　為落實教育部、國家發展改革委、財政部印發的《關於“雙一流”建設高校促進學科融合加快人工智能領域研究生培養的若幹意見》，進一步深化人工智能領域研究生培養改革，引導建設高校加強前瞻性基礎研究，實現變革性原創成果突破，培養滿足創新型國家建設急需的高層次基礎理論人才和複合型創新人才，特製定本指導性培養方案。

一、培養目標

　　適應新科技與產業革命發展趨勢，服務國家重大戰略和經濟社會發展特別是智能化發展轉型的需求，麵向原始創新、產業升級和技術革新的實際需要，以立德樹人為根本，在德智體美勞全麵發展的基礎上，培養在人工智能領域相關學科掌握堅實寬廣的理論基礎和係統深入的專門知識，具備從事基礎前沿研究、解決實際問題和開展交叉創新應用的能力，具有高度社會責任感的高層次複合型人才。

　　(一)品德素質方麵。熱愛祖國、熱愛人民，擁護黨的路線、方針和政策，樹立和踐行社會主義核心價值觀。遵紀守法，具有較強的社會責任感和事業心，具備良好的道德品質，恪守科研誠信與倫理，嚴守學術規範，具備國際化視野、創新意識和團隊精神，願為中國特色社會主義事業貢獻力量。

　　(二)知識水平方麵。在相應碩士和博士層次所應有的自然和人文社會科學通識性知識基礎上，具有堅實的人工智能領域相關學科基礎理論知識和專業技能，深入了解本領域的發展方向，係統掌握人工智能學科相關研究領域的理論、技術和方法，具備多學科交叉的知識體係和學習能力。博士生突出廣泛掌握人工智能國際前沿學術方向和行業先進技術趨勢，了解國際前沿理論、技術以及需求熱點;碩士生突出夯實本領域基礎理論，快速獲取跨學科知識和共性技術，並能夠綜合運用。

　　(三)能力素質方麵。具有獨立的科學研究能力和自主學習能力，包括發現和提出問題、設計實驗和分析處理數據、設計優化算法、設計開發軟硬件、總結凝練與表達研究成果、開展學術交流等能力。博士生突出提高原始創新能力，具有較強的係統構建能力和一定的科研組織能力，能夠在解決行業企業重大工程實踐中凝練科學問題、創新研究方法、轉化先進技術，深入開展多領域交叉創新應用和開展學術交流，能夠承擔高校及研究機構的教學科研工作、從事人工智能工程技術項目管理工作等。碩士生突出提高綜合應用能力，具有人工智能係統的設計、實現、測試和應用驗證能力，以及良好的職業素養和溝通協作能力，能夠綜合運用多學科理論技術解決行業企業智能化麵臨的實際問題。

　　(四)適應國家發展需要與人工智能發展趨勢、契合本校或本領域和相關技術方向高層次人才培養定位的具體目標。

　二、培養方向

　　按照教育部、國家發展改革委、財政部三部委文件關於“深化人工智能內涵，構建基礎理論人才與‘人工智能+X’複合型人才並重的培養體係，探索深度融合的學科建設和人才培養新模式”和“以產業行業人工智能應用為導向，拓展核心技術和創新方法，實現人工智能對相關學科的賦能改造，形成‘人工智能+X’的複合發展新模式”的要求，與本領域發展定位、學校學科布局和師資結構相適應的具體培養方向，可參考如下設置：

　　(一)人工智能基礎理論研究相關方向，如：人工智能模型與理論、人工智能數學基礎、優化理論學習方法、機器學習理論、腦科學及類腦智能等。

　　(二)人工智能共性技術相關研究方向，如：智能感知技術、計算機視覺、自然語言理解、智能控製與決策等。

　　(三)人工智能支撐技術研究方向，如：人工智能架構與係統、人工智能開發工具、人工智能框架和智能芯片等。

　　(四)人工智能應用技術相關研究方向，包括但不限於：智能製造、機器人、無人駕駛、智能網聯汽車、智慧交通、智慧醫療、機器翻譯和科學計算等，充分發揮人工智能對各個學科或領域的賦能作用，形成特色培養方向。

　　(五)人工智能與智能社會治理相關研究方向，如基於人工智能技術屬性與社會屬性緊密結合特征的人工智能倫理與治理，以及可信安全、公平性和隱私保護等方麵相關技術方向。

三、培養方式

　　人工智能具有多學科交叉融合、滲透力和支撐性強的特點。培養單位要按照推進“人工智能與實體經濟深度融合”的要求，結合本單位優勢，以改革為動力，打破學科壁壘，加強內部教育教學資源整合共享，積極推進校企、校校和國內外交流合作，鼓勵各校在學科交叉、跨界融合、加強實踐、個性化培養等方麵，積極探索人工智能領域研究生培養新模式，積累新經驗。

　　在培養計劃方麵，鼓勵師生共同製訂個性化培養計劃，給予學生較多的選課、選題等方麵的主動權。深入推動科教融合、產教融合，堅持理論聯係實際，加強實踐和應用環節的訓練。

　　在課程設置方麵，加強研究生學位核心課程建設，夯實研究生基礎知識和專業知識，在深化人工智能核心知識學習的同時，注重人工智能理論與技術向相關學科的延伸。實現跨層次、跨學科、跨高校的課程資源共享，探索不同學科教師共同開設跨學科課程。實踐類課程要積極與企業聯合，探索產業案例教學。要將有關的科技倫理納入教學。課程體係和核心課程參考建議見附件1、2。延伸類課程由培養單位根據人才培養的特色方向設置。

　　在教學方式方麵，積極開展項目引導的研討式、案例式、實踐式教學，鼓勵企業專家參與案例教學、實踐教學等。探索學生以自修等方式學習，經過嚴格考核獲得學分的課程學習模式。鼓勵科研成果與教學成果的轉化、科研方法與教學方法的滲透、教學問題與科研問題的雙向延伸等。

　　在導師指導方麵，積極推進導師組、導師團隊指導方式。鼓勵采取多學科導師聯合指導方式開展複合型人才培養。根據實際情況，組建導師團隊時積極聘請企業導師、外校及研究院所專家。

　　在科研訓練方麵，鼓勵研究生積極參與前瞻性理論問題、關鍵技術突破問題和重大應用實踐問題研究，培養研究生的問題意識，擴大研究生學術視野。確保基本科研訓練強度，夯實研究生科研能力。

　　在實習實踐方麵，突出產教融合，加強校企合作，注重真刀真槍地解決實際問題。在培養方案中設置專門的實習實踐環節，提高實踐訓練強度和比重。

　　在考核評價方麵，要突出對創新科技前沿、解決實際問題所作實質性貢獻的考察，打破學科壁壘和“唯學術論文”評價方式，探索多元評價和學科交叉評價。把跨學科思維與科研能力提升作為對博士生的重要考查內容。

　　在培養環境方麵，積極構建跨學科、寬領域、科研方向長期穩定的培養環境，鼓勵碩博連讀、直攻博，和跨學科本、碩、博一體化培養的創新模式。

　　培養單位要根據有關要求，在研究生培養的各個方麵，積極探索、分類明確具體的改革舉措，力求以人工智能人才培養為抓手，推動研究生教育改革的新突破。

四、質量保障與支持機製

　　著重從以下方麵完善質量保障製度與支撐體係建設，製訂具體的質量監督與支持措施。

　　(一)建立適合人工智能領域研究生培養的嚴格而多元的質量觀，形成活躍而卓越的質量文化，把質量管理貫穿於全部培養過程。

　　(二)以智能化管理保障人工智能領域人才培養，建立反映研究生學籍、學分、培養方案、課程學習、實驗記錄、學術交流、專題報告、調研實踐等各關鍵環節信息的數據庫，利用互聯網與大數據技術實現培養質量預警、教學科研輔助等。

　　(三)實行以學生成長成才為中心的教育質量評價，在引導學生德智體美勞全麵發展的同時，結合人工智能基礎前沿創新和複合型人才培養的特點，優化完善學位論文答辯製度、學位評定委員會評議製度、交叉學科學位論文評議製度、學位論文跟蹤製度，加強培養過程的選優分流，保證學位授予質量。

　　(四)建立學緣結構多樣、理論功底深厚、學科交叉實踐經驗豐富、有積極性和責任心強的評價專家隊伍，為開展學科多元評價提供支撐。

　　(五)加強研究生思想政治教育、科研誠信和科學倫理教育，加大對學術不端行為的處罰力度。

　　(六)構建獎勵激勵機製和榮譽體係，加大對品學兼優的取得優秀成果和貢獻突出學生的獎勵力度。

　　(七)建立開放教育資源聯盟，加強內部教學實驗設施設備及數據安全共享。

　　(八)積極拓展企業合作資源，充分利用網絡、地域的優勢，探索多種模式的合作機製，建立持久務實的合作關係。通過人才推薦、科研成果轉化等機製，提高產業界培養人才積極性，聯合企業優化教材和係列課程，積極吸引企業開放產業案例與數據集。

　　(九)根據學科發展的最新趨勢和人才培養的需求變化，及時調整培養方案。

附件1：

　附件2

核心課程參考建議

　一、基礎知識類課程

　　(一)人工智能模型與理論

　　本課程將重點講解人工智能基本算法、模型和理論。內容主要包括以符號主義為核心的邏輯推理、以問題求解為核心的探詢搜索、以數據驅動為核心的機器學習、以行為主義為核心的強化學習和以博弈對抗為核心的決策智能等算法以及人工智能與科學計算相結合算法。

　　(二)數學優化

　　機器學習、計算機視覺、自然語言處理等技術不斷發展，優化技術逐漸成為人工智能領域的重要數學基礎。本課程從凸優化入手，介紹優化核心原理、基本方法和前沿技術，為智能方向的科學探索做理論準備。本課程將幫助學習者正確理解優化複雜度的概念，掌握分析凸優化複雜度的基本方法，了解一階、二階方法在不同問題類上的求解性能，熟悉包括免疫算法、粒子群算法等的多種優化方法的基本思路，不斷提高分析解決實際問題的能力。

　　(三)機器學習

　　本課程致力於介紹經典的機器學習算法，讓學生初步掌握機器學習領域的基本方法與藍圖。通過掌握機器學習的算法與理論知識，能查閱並理解相關領域的前沿文獻，同時熟練使用相關的機器學習算法，解決流行的人工智能領域應用問題，為今後在深度學習相關教學、科研和項目開發工作中深入解決實際應用問題打好基礎。

　二、專業知識類課程

　　(一)計算機視覺

　　計算機視覺是關於如何使機器“看”的科學和技術，通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息，是人工智能的重要分支，在自動駕駛、虛擬現實、生物識別、安全監控、智能製造等領域發揮著重要的作用。本課程首先介紹計算機視覺領域的發展曆史和主要應用，之後講解計算機視覺的主要任務和應用場景，包括成像原理、邊界和曲線、圖像分類、圖像分割、目標檢測、形狀分析、紋理分析、圖像重構、圖像生成、人臉識別等;著重介紹以上主要任務中的關鍵技術難題、重大技術突破，針對這些任務的主流方法，特別是基於統計模式分類和人工神經網絡的方法。

　　(二)自然語言處理

　　自然語言處理是關於實現人與計算機之間用自然語言進行有效通信的各種理論和方法，是人工智能的重要研究內容，在網絡搜索、廣告、電子郵件、客戶服務、語言翻譯、醫療診斷等領域得到廣泛應用。課程具體內容包括自然語言處理中的詞法分析、句法分析、語義分析以及語用分析等基本任務，情感傾向分析、文本摘要、對話係統、問答係統、機器翻譯等自然語言處理重要應用所要解決的基本問題和難點，以及如何利用機器學習、深度學習等手段求解各種自然語言處理問題。

　　(三)神經與認知科學導論

　　本課程是神經認知科學的入門課程，包含了認知心理學、神經科學、計算機科學及其他基礎科學等多學科的交叉和融合。首先介紹神經認知科學的基本概念、曆史和發展現況，進一步講解基於認知活動的腦機製，即人類大腦如何調用其各層次上的組件，包括分子、突觸、細胞、腦組織區和全腦去實現各種認知活動，最後介紹相關的計算模型和算法。課程將從細胞機製和神經元模型、大腦的結構和功能組織、感知原理及模型、記憶的基礎理論及模型、學習機製及學習算法、脈衝神經網絡的概念、結構以及應用等方麵進行展開，旨在加深同學對認知神經科學的理解。通過對這門課程的學習，學生應該掌握認知神經科學的基本內涵，熟悉借鑒大腦機製的學習、記憶等計算模型及算法，同時啟發同學們對人工智能在可解釋性、自適應學習和非完備信息推理等基礎理論的瓶頸問題的思考。

　　(四)人工智能安全與治理導論

　　本課程將對人工智能係統的安全問題、常見的攻防方法以及人工智能技術引起的倫理道德問題進行介紹，同時探討相應的治理技術。通過本課程的學習，使學生能夠了解人工智能技術的安全和倫理問題，並了解相關的治理規範和防禦方法，助力人工智能技術的健康發展。

　　(五)機器人學與智能控製導論

　　機器人是人工智能的重要載體，機器人學是一門高度交叉的前沿學科。本課程講解機器人和控製領域基礎知識和最新研究成果，主要包括機器人運動學、動力學，基於視覺、激光、超聲等多傳感器信息的場景感知技術，利用最新的人工智能方法實現機器人智能控製等。

　　(六)人工智能架構與係統

　　本課程講解支持深度學習的計算機係統架構和設計方法，包括人工智能算法硬件加速、軟硬件協同智能計算架構、雲-邊緣-端智能係統、後摩爾時代智能計算發展趨勢等。