编者按：近期，我国以Deepseek、宇树科技等为代表的人工智能技术成为全球热点，社会对人工智能技术发展的讨论逐步延伸到对高校人工智能人才培养模式的关注上。放眼全球，世界一流高校近些年都在着力部署人工智能人才培养改革与创新，通过合并高校强强联合、单独开设人工智能大学、人工智能人才选拔改革、融合培养与课程创新、加强多学科交叉、本硕博贯通式培养、深化产学研耦合等举措，为本国科技发展与全球人工智能创新不断注入“智力”。
美国斯坦福大学推动跨学科AI教育与研究
斯坦福大学以人为本的人工智能研究所 （Stanford Institute for Human-Centered AI，简称HAI）是一个跨学科研究所，成立于 2019 年，旨在推进人工智能研究、教育、政策和实践，以改善人类状况。该人工智能研究所汇集了来自学术界、工业界、政府和民间社会的思想领袖，共同塑造 AI 的开发和负责任的部署。其认为 AI 应该以人类影响为指导，以人类智能为灵感，旨在增强而不是取代人类。HAI的跨学科教师开展研究，专注于指导 AI 技术的发展，旨在增强人类能力，同时确保其道德、公平和透明的使用。HAI的使命是，通过前沿的人工智能研究，赋能新兴领导者及具有重大影响力的决策者。
HAI每项研究计划都与以下三个支柱之一有关：（1）H（Human Impact）人类影响：“人类影响”项目寻求更深入地了解我们如何解决随着人工智能变得普遍，社会将面临的问题。（2）A（Augment Human Capabilities）增强人的能力：旨在增强人类能力的研究工作有可能以多种方式教育、培训和支持个人，从而在医疗保健、教育、可持续性、自动化以及其他领域取得进步。（3）I（Intelligence）智能：“智能”计划旨在开发能够理解人类语言、情绪、发明、行为以及多层次互动的人工智能。
斯坦福大学通过HAI在人工智能学科建设、人才培养、评价改革和产学研合作等方面取得了显著进展。其跨学科课程、多样化的培养项目和对社会影响的关注，为全球一流大学在AI领域的教育和研究提供了新的范例。
一、学科建设与课程创新
斯坦福大学通过HAI推动跨学科的人工智能教育，整合了七所顶尖学院的资源，开设了多门前沿课程：（1）以人为本的人工智能（Human-Centered AI）课程：探讨AI系统的心理模型和用户模型是如何形成的，以及这些模型如何导致用户产生特定的期望。基于这些探讨，该课程提出了一套设计指南，旨在构建值得信赖、易于理解、公平且有益的AI系统。课程内容涵盖AI系统对经济和日常生活的影响，以及数据收集和系统运行所涉及的伦理问题，包括尊重个人、行善原则、公平性和正义性。（2）人工智能辅助护理（AI-Assisted Care）课程：该课程提供了一系列多样化的研究项目，这些项目聚焦于前沿的计算机视觉和机器学习技术，旨在解决医疗保健领域一些最重要的问题。教学团队和教学助理将与学生紧密合作，共同开展这一领域的研究项目。研究项目包括养老院老年人护理、手术质量分析、AI辅助育儿、烧伤分析与评估等更多内容。涉及的AI领域包括视频理解、图像分类、目标检测、分割、行为识别、深度学习、强化学习、人机交互（HCI）等方面。（3）音乐和人工智能（Music and AI）课程：用于人工智能辅助音乐创作的实用工具和技术，开发融合人工智能、人机交互（HCI）和音乐的软件系统，并对技术的美学和伦理维度进行批判性反思。（4）人工智能哲学（Philosophy of Artificial Intelligence）课程：探讨AI的哲学基础，引导学生思考AI对人类社会的影响。
二、人才培养与招生改革
斯坦福大学通过多种项目培养下一代AI领导者，注重多样性和包容性，核心项目包含 AI4ALL 和CRAFT项目。斯坦福 AI4ALL 是一个为期两周的在线项目，旨在通过讲座、动手研究项目和指导活动让学生沉浸在 AI 中，从而增加人工智能领域的多样性。参与者与专业人士互动，探索机器人、计算机视觉、医学人工智能和自然语言处理等前沿话题，同时了解人工智能改善社会的潜力。该计划与斯坦福 AI 实验室合作，为学生提供重大研究项目的实践经验，通过职业发展研讨会促进个人成长，并激发人们对 AI 变革可能性的热情。参与此项目的学生将通过以下方式学习：①实践学习：参与实践学习体验，探索人工智能工具如何助力让世界变得更美好。②互助同伴社群：与来自不同背景且同样热爱人工智能的学生建立联系并共同学习。③人工智能从业者指导：向该领域的杰出专业人士和研究人员学习。申请斯坦福AI4ALL项目的资格要求为：①学生需在夏季时为九年级或即将升入十年级，且在项目开始前年满14岁；②具备数学或计算机技能的学生将优先考虑；③全程参与为期两周的全天日程安排；④该项目接受国际申请者。CRAFT资源是斯坦福大学学生与美国各地具有实践经验的高中学科教师之间反复协作设计的成果。其目标是提供基于学习科学研究的免费、高质量资源，供非营利性质的课堂教育工作者使用；专注于解答关于如何将人工智能应用于教学工作，以及如何指导学生使用人工智能的问题。CRAFT涵盖人工智能、人工智能与社会、艺术、历史-社会科学、语言艺术、数学、科学的资源，如图1。CRAFT具体会提供适合所有年级和学科教育工作者的跨学科专业学习；关于在K-12教育环境中教授人工智能和使用人工智能的指导；与教育系统合作将人工智能融入实践的专业知识；根据教育工作者所在环境的定制共同设计工作坊和专业学习系列。因此，教育工作者可以探索培养学生人工智能素养的益处；通过使用和批判人工智能来加深自己的知识；了解使用人工智能的责任、危害和风险，包括偏见、公平性和错误信息；了解将生成式人工智能工具融入专业工作的最佳实践，并设计将人工智能素养技能融入教学课程的学习体验。
图1 斯坦福大学CRAFT涵盖的与AI 有关的资源
三、评价改革与产学研合作
斯坦福大学在AI领域的评价改革和产学研合作方面也取得了显著进展。2025年1月17日，斯坦福大学以人为本的人工智能研究所发布《评估联邦 AI 领导力和合规性要求的实施情况》白皮书（Assessing the Implementation of Federal AI Leadership and Compliance Mandates），评估了美国联邦机构在人工智能领导力和合规性要求方面的实施情况，发现虽然在指定首席人工智能官（CAIO）、发布合规计划和预算请求等方面取得了显著进展，但仍存在透明度不足、资源限制和执行不一致等问题，需要进一步改进以确保AI治理的有效性和一致性。2025年2月13日，斯坦福大学以人为本的人工智能研究所发布《保护第三方人工智能研究》（Safeguarding Third-Party AI Research），强调了第三方对人工智能系统进行独立评估的重要性，指出当前AI公司在支持第三方评估方面存在政策不一致、不透明等问题，普遍缺乏对善意研究的全面保护。报告建议AI公司建立法律和技术“安全港”，为遵循漏洞披露规范的研究者提供保护，避免其因评估AI系统的安全性、可信度等问题而面临法律风险或账户限制。若企业不自愿采纳，政策制定者应强制实施。报告认为，建立安全港将促进独立评估的规模、多样性和独立性，是理解AI风险、增强公众问责以及确保AI安全可信的关键。2025年2月20日，HAI宣布与斯坦福人工智能实验室正在合作，继续在校园内建立一个强大的 AI 研究中心。此次合作将推动尖端 AI 技术的发展及其实际应用，确保制定道德准则，确保每个人都能享受到 AI 的好处。
更多信息请参阅：
https://hai.stanford.edu/education；
https://hai.stanford.edu/stanford-ai4all；
https://hai.stanford.edu/safeguarding-third-party-ai-research；
编译自：美国斯坦福大学官网
编译者：上海师范大学国际与比较教育研究院 施晨莺
韩国首尔大学通过多元合作引领人工智能人才培养
在人工智能（AI）领域迅速发展的当下，首尔大学（SNU）通过与国内外企业和学术机构的广泛合作，在AI人才培养方面发挥着重要作用。通过与三星电子等行业巨头以及卡内基梅隆大学等国际顶尖大学的合作，首尔大学正在推动AI技术的发展，同时为下一代AI专家的成长提供肥沃的土壤。
一、产学研深度耦合
首尔大学与三星电子的合作是其AI人才培养战略的重要组成部分。双方在首尔大学全球工程师教育中心建立了联合AI研究中心，旨在提升AI领域的技术竞争力和产品创新能力，并培养顶尖人才。2024年6月17日，双方签署了合作备忘录，标志着这一合作的正式启动。未来三年，双方将共同开展前沿AI技术的研究项目，重点关注设备端AI和多模态AI技术的开发。这些项目旨在为智能手机、电视和家用电器等设备开发更先进的AI功能。例如，三星电子今年早些时候在Galaxy S24中集成了多种AI技术，如Circle to Search、实时翻译和照片助手，并正在扩展包括BESPOKE AI和AI电视在内的AI驱动产品线。三星电子设备体验部门的首席技术官兼三星研究负责人表示，与首尔大学的合作将巩固三星在AI技术和产品方面的能力，并为未来的AI研究吸引人才。三星预计，产学合作将加强其核心AI技术，并加强其在快速发展的AI领域的技术优势。该合作伙伴关系还包括吸引和培养顶尖人才的计划，且招聘活动针对参与项目的硕士和博士研究人员。
二、与海外高校的跨国合作
首尔大学（SNU）与美国卡内基梅隆大学（CMU）于2025年2月13日在首尔大学冠岳校区成立了“以人为本的AI研究中心”（HCAI中心）。这是韩国首个由两所世界知名大学合作成立的研究中心，旨在推动以人为本的AI研究和开发。HCAI中心的目标是解决AI面临的重大挑战，加强两校研究人员之间的合作，并最终成为全球创新的中心。该中心还展示了其第一年的联合研究成果，强调了负责任的、以人为本的AI如何为社会做出贡献。首尔大学与卡内基梅隆大学的合作得到了两校领导的支持，预计将开启以人为本的AI技术的新纪元。通过结合两校的专业知识，HCAI中心将引领AI技术的发展，优先考虑可访问性、伦理和社会价值。
三、开展校内AI研究主题活动
除了与企业和国际大学的合作，首尔大学还通过校内活动积极促进AI研究和人才培养。首尔大学国家未来战略研究所举办了“AI人才培养战略：增强国家竞争力”研讨会，探讨了AI人才培养的现状、未来挑战和具体策略。研讨会深入讨论了AI人才培养的各个方面，包括当前AI人才培养的现状和挑战、未来所需的教育、社会和政策支持，以及政府在AI教育和研究方面的政策方向。此外，研讨会还寻求确定产学研合作模式，以推动AI行业的发展。此外首尔大学智能建筑AI研究中心还举办相关研讨会，旨在促进研究交流和合作，通过整合AI和机器人技术，推动跨学科合作。研讨会包括对视觉数据序列的理解、老龄化基础设施的AI维护以及物理AI的多模态常识推理等主题的讨论。
首尔大学通过与三星电子的产学研合作、与卡内基梅隆大学的国际研究合作以及校内频繁的AI研究主题活动，展示了其在AI人才培养方面的全面努力。这些举措不仅提升了首尔大学在AI领域的研究和教育能力，也为韩国乃至全球的AI技术发展和人才培养做出了重要贡献。随着AI技术继续推动各行业的创新，首尔大学的努力将为未来的AI社会奠定坚实的基础。
更多信息请参阅：
https://en.snu.ac.kr/snunow/snu_media/news?md=v&bbsidx=152646
https://en.snu.ac.kr/snunow/events?md=v&bbsidx=152040
https://en.snu.ac.kr/snunow/events?md=v&bbsidx=152406
编译自：韩国首尔大学、三星研究，2025-02
编译者：上海师范大学国际与比较教育研究院 马一宁
新加坡南洋理工大学与阿里巴巴联合培养AI人才
新加坡南洋理工大学（NANYANG Technological University，NTU）2025年蓝图（NTU 2025 blueprint）描绘了一个全校性的框架，在这个框架下，来自所有学科、怀揣着从探索好奇问题到解决紧迫技术和社会需求等各种抱负的研究人员都能找到施展才华的空间。NTU 2025囊括了“知识三角”，即教育、研究和创新，以加强各学院、研究所、中心和项目内部的组织共鸣。在适应科学技术的进步、瞬息万变的社会经济环境以及不断发展的国家需求的同时保持更新的连续性。NTU认为以团队为基础、超越传统界限的跨学科合作对于跨越公共和私营部门的多部门研究至关重要。在寻求解决重大社会和文化问题的宏大挑战时，这种方法尤为重要。因此，NTU 2025以六个研究集群（research cluster）为基础构建此框架，其中人工智能与增强智能（Artificial & Augmented Intelligence）是首要研究集群。
此前，于2018年2月NTU与中国阿里巴巴集团正式成立阿里巴巴-南洋理工大学新加坡联合研究院（Alibaba-NTU Singapore Joint Research Institute，JRI）。这是阿里巴巴在中国境外的首个人工智能研究院。JRI旨在将新加坡南洋理工大学已应用于健康、养老、家庭和社区等领域的以人为本的人工智能技术，与阿里巴巴的自然语言处理（Natural Language Processing，NLP）、计算机视觉、机器学习和云计算等领先技术相结合，探索进一步的技术突破和现实生活中的人工智能解决方案。
JRI将推动人工智能前沿技术的发展，将目前以技术为中心的人工智能研究理念转变为以人为中心。其目标是使人工智能变得更加有效、易用和包容，从而满足未来社会在无龄化老龄化、新生活方式和以人为本的移动性方面的需求。这些人工智能和云技术将在南洋理工大学智能校园进行开发和测试，以展示解决方案的有效性，然后将其推向新加坡和世界其他地区的市场。该计划与新加坡培养人工智能和数据科学人才以支持国家“智能国家”愿景和向“工业4.0 ”转型的雄心壮志不谋而合。
此外，JRI还举行阿里巴巴人才计划2023（Alibaba Talent Programme 2023），旨在培养人工智能等相关领域的研发人才，并支持优秀的本科和硕士毕业生攻读博士学位。该计划由新加坡经济发展局（Economic Development Board，EDB）和JRI共同支持。博士候选人将在当地大学学习，并参与阿里巴巴与大学之间的研究项目合作。阿里巴巴将提供数据样本和业务场景，并与大学合作为学生创造丰富的学术环境。成功的候选人将成为阿里巴巴的全职员工，并全职从事这一项目。每位博士生将由至少一位来自其就读大学的导师和一位来自阿里巴巴的联合导师指导。获得该计划支持的候选人会获得为期4年每月月薪 5,000 新元的薪水；4 年全额学费资助；中央公积金（Central Provident Fund，CPF）缴款；及其他福利，如保险、会议资助、实习津贴等。
更多信息请参阅：
https://www.ntu.edu.sg/research/research-focus
编译自：新加坡南洋理工大学官网，2025-02
编译者：上海师范大学国际与比较教育研究院 周诺男
澳大利亚墨尔本大学人工智能人才培养形式
澳大利亚墨尔本大学人工智能与数字伦理中心（CAIDE）是墨尔本大学专设的人工智能相关跨学科研究所，聚焦人工智能及数字技术实践涉及的道德伦理、法律规范和监管问题，其研究领域主要包括人工智能开发和使用中的透明度、问责制度、隐私保护、公平性与安全性议题；人工智能与心理健康；人工智能的教学应用；人工智能与艺术实践等。CAIDE主要依托墨尔本大学的法学院、工程与信息技术学院、教育研究生院、医学牙科和健康科学院、艺术学院开展工作，同时与伯内特研究所（Burnet Institute）、慕尼黑工业大学人工智能伦理研究所（Institute for Ethics in Artificial Intelligence）、墨尔本社会公平研究所（Melbourne Social Equity Institute）、孟席斯基金会（Menzies Foundation）等澳大利亚国内外机构及专项计划长期合作。
图：CAIDE近期学术动态
CAIDE开设的课程涵盖了本科生、研究生和专业培训，在人工智能运用的基础上培养学生的人文素养，以道德精神和法律手段应对高科技时代的挑战。
（一）学位课程
1.人工智能、道德伦理与法律
该本科课程将数学、计算机、工程技术领域的专业知识与社会学、心理学、犯罪学等社会科学领域知识相结合，采用跨学科视角研究人工智能与道德伦理和法律的关系，通过引导阅读并分析跨学科资料的形式，培养学生的思辨能力和学术素养。此外，修读该课程的学生还可以选修附加拓展课程，令本科生更加全面地了解人工智能及数字技术的开发、管理和使用所带来的科技和人文挑战，掌握必要的知识与技能，以便安全、公道地使用技术工具。
2.人工智能的社会伦理
该课程为计算机科学、软件工程、数据科学、信息技术专业硕士生提供，为学生提供工具以识别数字技术使用涉及的社会问题，并围绕这些社会问题展开推理和讨论，培养以上专业硕士生的社会责任意识。
3.人工智能的科学领域应用
该课程是法学硕士的必修课，从道德伦理和法律角度切入，针对人工智能在科学领域的用例进行考察，例如数据分析、建模、材料研发、生物化学实验、医疗设备升级等，并鼓励学生面向更广泛的主题领域开展自主调查，培养问题意识，提高科研能力。
4.人工智能与消费者保护法
作为法学硕士的特色课程，该课程关注数字技术对市场及消费的影响。人工智能通过机器学习、自然语言处理等数字化方式推动消费者习惯和市场行为的变革，该课程则通过一系列案例研究，探讨这一变革对于消费者保护相关法律制度及政策导向带来的挑战。
（二）专业培训
1.企业培训师短期培训
CAIDE与亚洲公益创投网络（AVPN）旗下的人工智能机会基金（AI Opportunity Fund）合作，为澳大利亚和新西兰的非营利企业的培训师人员提供短期项目，通过为期数天的定制培训提高他们的人工智能素养，旨在通过企业培训师的能力提升带动企业员工整体性的人工智能素养提高，以应对新时代的社会经济挑战。 课程涉及运用人工智能的基础知识、如何为企业选择人工智能工具、如何在工作情景下高效且负责任地使用人工智能并开发治理模型等，重点关注生成式人工智能的公平性和安全性问题。
2.“人工智能伦理导论”微证书课程
CAIDE还为企业领导者和技术专业人士提供了“人工智能伦理导论”的在线微证书课程，为学员更好地理解人工智能专业知识，探索其机遇和风险提供学习平台。该课程邀请商业和技术领域专家，围绕真实案例开展授课，引导学员讨论人工智能使用中涉及的公平性和安全性问题，并带领学员基于自身企业情况创建人工智能道德备忘录，在日后的商务实践中妥善处理相关问题。
（三）其它形式的培养
除以上方式外，CAIDE还面向不同人群提供其它形式的培养。
1.对于相关专业的本科生和硕士生，CAIDE为他们提供实习机会，综合考虑实习生的兴趣和学习领域，通过使其在CAIDE开展的研究项目中承担工作的方式，帮助实习生寻求职业发展。
2.对于博士生和青年学者，CAIDE每年夏季通过举办论坛的方式，为他们提供与资深学者探讨人工智能及相关伦理道德问题的平台，以营造行业社区，进一步拓展青年学者的研究视野。此外，CAIDE每年向人工智能伦理方向在读博士生提供两项奖学金，以激励他们的研究。
3.对于社会上的个人学习者，或希望通过选修单一科目进行专业发展的学生，还可以通过“社区准入计划”（Community Access Program）的形式修读特定课程，包括“人工智能与消费者保护法”和“人工智能、道德伦理与法律”等。
据了解，澳大利亚是目前全球范围内少数几个明确支持将生成式人工智能接入教育体系的国家。2024年8月，澳大利亚国会发布《学习伙伴或影响者：生成式人工智能教育调查报告》（Study Buddy or Influencer: Inquiry into the Use of Generative Artificial Intelligence in the Australian Education System），其中建议了对人工智能相关专业毕业生进行专项资助、鼓励高校和机构积极参与国际人工智能教育合作等。澳大利亚高校鼓励学生参与生成式人工智能相关的前沿课程，或将自身专业与人工智能技术相结合开展研究项目，进而获得更多创新创业机会。CAIDE深耕人工智能领域的社会伦理道德议题，为人工智能的发展方向起到了把关作用。
更多信息请参阅：
https://www.unimelb.edu.au/caide；
http://paper.jyb.cn/zgjyb/html/2024-12/12/content_144748_18080818.htm.
编译自：
墨尔本大学人工智能与数字伦理中心，2025-02；
中国教育报，2024-12-12
编译者：上海师范大学国际与比较教育研究院 刘雨恬
英国帝国理工学院的人工智能教育
人工智能（AI）是世界上发展最快的深度技术，具有改写整个行业规则、推动经济大幅增长和改变生活各个领域的巨大潜力。随着人工智能时代的到来，传统的人才培养模式也受到了一定程度的影响，特别是对于信息科学专业、工程专业的人才培养而言。英国高等教育发展历史悠久，具有较高的办学质量，拥有众多世界知名学府。作为人工智能之父——艾伦·图灵（ Alan Turing）的故乡，英国在人工智能领域显示出了极大的野心。2022年英国政府发布《国家人工智能战略》，目标是在未来十年内，将英国变为真正的研究和创新强国、全球人才的聚集地，成为人工智能领域的全球超级大国。以帝国理工学院为例，本文将介绍英国大学人工智能教育体系的建设。
伦敦帝国理工学院（Imperial College London，简称IC）是英国罗素大学集团成员、金砖五校之一，与剑桥大学、牛津大学、伦敦政治经济学院、伦敦大学学院并称为“G5超级精英大学”，其研究水平被公认为英国大学的三甲之列，并以工程、医科专业、商学而著名。该校在2025年QS世界大学排名中居第二名。卓越研究框架（REF）是评估英国高等教育机构研究质量的系统，而根据REF（2021）最新结果显示，帝国理工学院排名第一。值得一提的是，英国2025年计算机科学学科排行榜中帝国理工学院位列第三名，可见其在人工智能领域有着卓越的研究实力和影响力。
首先，在学科建设上。帝国理工学院开设了专门的人工智能专业，相关课程包括深度学习、人工神经网络、概率推理与人工智能、机器视觉与人工智能等，旨在让学生掌握人工智能的基本理论和前沿技术，培养学生的实践能力和创新思维。除此之外，帝国理工学院还设置了计算机、数学统计等跨学科的人才培养项目。如机器学习计划（Machine Learning Initiative at Imperial）。该课程计划分为理论学习和实践学习两部分，理论学习包括概率模型和近似推理、强化学习、算法优化等内容，偏实践课程则包括机器人控制、计算机视觉、语音文本自然语言处理等应用性内容。再如数学和计算机科学联培项目，包括为三年制学士学位和四年制硕士学位。该项目由两个系联合提供，设计为面向计算机科学的数学课程，既学习数值分析和统计，也学习开发软件和算法推理。前两年学生从每个系学习专业必修课程，在第三年和第四年，学生从任一系中选择总共八门课程，以发展他们的特定兴趣和专业领域。
除了课程设置丰富，帝国理工学院积极与国际人工智能领域的专家合作开展相关研究。Imperial Global USA是帝国理工学院在美国加州设置的一家科学技术研究机构，学校也成为第一所在美国本土拥有永久科学和技术基地的英国大学。该基地汇集了科学和技术领域的领军人物，探索人工智能、机器人技术、清洁技术、生物技术和工程生物学等关键领域的合作机会。I-X是帝国理工学院的战略旗舰人工智能（AI）计划，为位于白城校区的人工智能、数据科学和数字技术的研究、教育和创业提供了合作机构。该计划汇集了来自伦敦帝国理工学院的20多名人工智能学术人员和来自20个系的100多名博士生和博士后研究人员，旨在促进跨学科研究，旨在应对人工智能基础和应用中的重大挑战。除此之外，帝国理工学院的数据科学研究所（Imperial’s Data Science Institute）还新成立数据与人工智能4气候实验室，这是一个新兴的跨学科团队，汇聚了来自学院的数据科学、人工智能和气候领域的专家。积极促进并鼓励专家学者们合作，推动科技创新发展。
其次，在人才遴选上。帝国理工学院之所以能取得如此大的成功，很大一部分原因在于其入口端对学生质量的把控。申请者需要具备优秀的学术成绩，以证明其具备扎实的专业基础和学习能力。而对计算机系和数学系学生的筛选标准又更为严格。准入流程包括学生申请、入学考试、在线面试三个部分。首先在申请环节，英国学生学术成绩的最低要求是A-Level取得AAA或A*A*A*（类似于A+含义）的成绩。A-Level全称为General Certificate of Education Advanced Level，即英国普通中等教育证书考试高级水平课程。它是英国学生的大学入学考试课程，相当于我国的高考，是学生申请大学的重要依据。如果是国际文凭课程下学习的学生，在满分为45分的条件下要求申请学生总分达到38-42分，其中数学相关科目的成绩须为6-7分。外语成绩的要求上，即使是英国国籍学生，也需达到一定的英语水平。例如，学生的雅思总分需达到6.5-7.0（各单项不低于6.0-6.5），托福总分达到92-100（各单项不低于20-22），成绩有效期在2年内。值得一提的是，学院不接受雅思单分重考，这意味着考生必须在一次考试中满足雅思要求。其次是入学考试，大学入学数学考试（TMUA）是由UAT-UK提供的基于计算机的考试，要求考生在2小时30分钟内完成。考试分为分为两部分，每部分持续75分钟，各有20道选择题，测试内容主要是数学知识的应用评以及数学推理的逻辑能力。而最后的面试环节是入学考试成功通过的候选人将参加与学院导师们的在线面试（20-30分钟）。所有流程顺利完成并通过考核后，校方会发放入学通知书，至此，申请人才算正式被帝国理工学院所接受。
最后，在人才培养上。全面而专业的培养方案，使得帝国理工学院计算机系成为计算机科学学术研究位于前列。专业课程安排上，在计算机系学生的学习内容安排上，第一年聚焦数学、系统、数据库与算法基础；第二年深化通信、语言处理及计算基础，强化算法与数学能力；第三年选修模块满足个性化需求，参与小组项目实践；第四年则是专业项目涉及或实习准备。此外，计算机系还提供为期一年的“人工智能和机器学习硕士”研究生学位，专为培养AI研究人员和创新者而设计，适合热爱探索新颖AI解决方案的学生。在设施配备上，计算机系建立了多个专门的研究中心，如戴森机器人实验室、数据科学研究所等，致力于前沿科研。数据科学研究所下还设立了多个专业实验室，包括社会和文化分析实验室、数据同化实验室、算法社会实验室、数据经济实验室、以及机器学习实验室等供学生学习。授课方式上，帝国理工学院计算机专业的授课方式主要有讲座、研讨会、小组辅导课程、实验室工作四种模式。一般的专业基础课都是进行大的课堂讲座，在这个过程中学生可以积极提问、质疑，研讨会的形式同样也有利于师生之间的交流，学生能够更好地分享自己的看法和观点。而对于学生在学习过程中产生的疑问或个人的具体问题，可以通过小组辅导课的形式进行解答，帮助学生个性化学习。同时，学校也要求学生进行自主学习和研究，要求学生开展小组合作项目与个人研究项目。除了学习之外，计算机学会部（DocSoc）全年组织丰富活动，如编码挑战赛、年度黑客马拉松，并邀请知名技术讲者，为学生提供多元机会，举办社交活动，汇聚计算机爱好者，丰富了学生的校园生活。
更多信息请参阅：
https://www.gov.uk/government/publications/national-ai-strategy/national-ai-strategy-html-version
编译自：伦敦帝国理工学院官网，2025-02-27
编译者：上海师范大学国际与比较教育研究院 李滢滢
法国巴黎综合理工学院四大AI硕士项目培养未来领袖
巴黎综合理工学院开设了四个与人工智能紧密关联的硕士项目，为全球学子提供顶尖的跨学科教育。这些项目不仅融合前沿科技与产业实践，更致力于培养兼具技术实力与社会责任感的未来AI领袖。
1. 视觉与创意人工智能硕士（Visual and Creative Artificial Intelligence ，ViCAI）
该项目为两年制全英文硕士课程，专为高素质且具有国际视野的学生设计，由巴黎综合理工学院教授与合作企业专家联合授课。其核心特色在于融合人工智能与视觉计算两大互补学科：人工智能部分涵盖传统AI（知识建模与推理机制）、机器学习、深度学习，并重点聚焦自监督学习、强化学习及生成式AI模型；视觉计算方向则涉及图像、视频、文本、声音及动态3D虚拟世界的处理与生成技术，应用于娱乐产业（如电影、游戏）、产品原型设计及虚拟现实交互。通过这一独特组合，学生不仅能深入理解多模态人工智能技术，更能开发创新应用，将AI赋能于自动化设计、虚拟内容生成等创意任务，成为推动数字内容革新的关键人才。
2. 人工智能与高级视觉计算硕士（Artificial Intelligence and Advanced Visual Computing）
该项目致力于培养深度学习与视觉计算领域的创新应用开发者，课程聚焦人工智能与视觉计算的前沿技术实践。学生需在第二学年参与“横向项目”，与工业合作伙伴共同解决重大实际问题，例如开发工业级视觉算法或优化实时渲染系统。项目通过小班教学模式（师生比优化）、企业家与研究人员主讲的AI专题研讨会，以及与Meta、达索系统等全球顶尖企业的深度合作，确保学生掌握尖端技术的落地能力。其培养目标直指下一代技术架构师，毕业生多投身于自动驾驶视觉系统、医疗影像分析等高端领域。
3. 商业数据科学与人工智能硕士（Master Data Science and AI for Business X-HEC）
这一两年制项目由巴黎综合理工学院与巴黎高等商学院（HEC Paris）联合开设，面向高水平国际学生，提供“技术+商业”双轨培养体系。学生可同时在两所顶尖学府学习，技术模块涵盖图神经网络、因果推理等硬核内容，商业模块则聚焦AI战略设计、商业模式创新及数字化转型管理。课程以全行业需求为导向，通过真实商业案例（如优化零售供应链、设计智能营销方案）培养学生成为兼具技术洞见与商业思维的复合型人才。毕业生不仅能够创建估值过亿的AI初创企业，还可胜任科技公司CTO、创新业务负责人等角色，成为推动商业变革的核心力量。
4. 可信负责任的人工智能硕士（Trustworthy and Responsible AI ，TRAI）
作为全英文两年制项目，TRAI重点关注AI技术的伦理约束与社会责任，课程由学院教授与企业专家共同设计。项目突破纯技术框架，强调现代AI的实践与社会局限性，包括隐私安全、算法偏见、能耗问题及监管合规。具体研究方向分为三大领域：可持续AI（节能模型、低成本训练、硬件能效优化）、可信与安全AI（隐私保护、对抗攻击防御、模型验证与合规）、AI透明与可解释性（知识图谱、决策树、数学编程技术）。学生需在模拟法庭中演练《欧盟AI法案》合规方案，并通过实际项目（如开发低碳训练工具、可解释金融风控系统）掌握“技术向善”的开发哲学。
上述四项硕士项目均以英语授课，结合学术理论与产业实践，配备“学术导师+企业导师”双导师制，并提供6个月名企实战机会（如空客、欧莱雅实验室）。课程依托法国国家AI云平台及超算资源，致力于培养兼具技术纵深度、跨学科整合力与社会责任感的全球AI领军人才。
更多信息请参阅：
https://programmes.polytechnique.edu/master/programmes-msct
编译自：巴黎综合理工学院官网
编译者：上海师范大学国际与比较教育研究院 秦志莲
英国爱丁堡大学和南安普顿大学成人工智能人才培养新高地
英国政府宣布了一系列针对人工智能领域的重大政策举措，旨在巩固其在欧洲乃至全球的领先地位。数据显示，英国人工智能行业的估值已达到920亿美元（约合723亿英镑），超越欧洲其他国家。为推动这一战略性产业的发展，政府已指定12所顶尖大学分享总额达1.17亿英镑的资金池，以培养人工智能领域的专业人才。爱丁堡大学和南安普顿大学等高校脱颖而出，成为首批获得人工智能博士培训中心资助的学术机构。
这一资金计划是英国政府科学与技术框架的重要组成部分，由英国研究与创新（UKRI）负责管理。此外，政府还额外拨款100万英镑，用于一项新的赠款计划，以吸引全球人工智能人才汇聚英国。技术大臣米歇尔·多内兰（Michelle Donelan）表示：“人工智能博士培训中心将为英国的技能基础提供面向未来的保障，确保英国人民在人工智能快速发展的浪潮中充分受益。”
爱丁堡大学作为英国人工智能领域的领军高校，凭借其卓越的学术实力和创新精神，成为推动该领域发展的关键力量。该校在人工智能相关领域提供超过150门课程和40个本科及研究生项目，每年培养数百名人工智能专业毕业生，拥有英国最大的人工智能学生群体。
爱丁堡大学在人工智能人才培养方面展现了多维度的创新实践。其生物医学人工智能博士培训中心（CDT）专注于将人工智能技术应用于生物医学领域，致力于解决从药物研发到患者治疗的复杂问题。该中心通过跨学科培训，培养学生在计算机科学、生物医学和临床科学等领域的综合能力，确保他们能够在实践中实现创新。
在数据科学领域，爱丁堡大学的EPSRC数据科学博士培训中心自2014年起便致力于培养新一代数据科学家和人工智能研究人员。该计划强调数据科学与人工智能的深度融合，帮助学生掌握从大数据中提取知识的核心技术，并引导他们在伦理和社会影响方面进行深入思考。
此外，爱丁堡大学还联合赫瑞瓦特大学推出了“可靠且可部署的人工智能”博士培训计划（CDT-D2AIR），专注于机器人技术和人工智能的安全性与可靠性。该计划通过结合先进的机器人技术、机器学习和软件工程培训，为学生提供开发和部署安全机器人系统的能力。
在自然语言处理（NLP）领域，爱丁堡大学的UKRI博士培训中心致力于培养学生的跨学科能力，使其能够在语言学、机器学习和伦理学等多领域开展研究。该计划不仅注重技术开发，还强调负责任的创新，确保NLP技术能够在真实世界中得到广泛应用。
南安普顿大学也在人工智能领域展现了强大的影响力，尤其在AI与数字化转型的结合方面表现突出。该校商学院近期举办了一系列专注于AI和数字化转型的高管学习研讨会，旨在为经理、高级领导、董事会董事和行业专业人士提供前沿的学习体验，内容包括数字化转型与系统思维、战略领导技能、AI领导力以及AI与工作场所福祉等多个主题。
此外，南安普顿大学在人工智能研究方面也取得了显著进展。例如，该校正在开展“可持续的生成式AI模型”项目，旨在提高生成式AI模型的效率，降低计算需求，使其更适合在各种计算环境中部署。同时，该校还致力于“以公民为中心的AI中的道德一致性”项目，通过计算建模和用户偏好分析，确保AI系统的行为符合用户的道德偏好。
南安普顿大学网络科学研究所（WSI）也在为多学科博士研究提供奖学金，特别关注以人为本的人工智能。这些研究项目涵盖在线健康、社交和具身人工智能、民主未来以及值得信赖的AI技术等多个领域。
在英国政府的政策支持下，爱丁堡大学和南安普顿大学正在成为人工智能教育和研究的先锋。爱丁堡大学通过跨学科的博士培训计划，培养了大量能够推动技术突破的高素质人才；而南安普顿大学则通过专业研讨会和前沿研究项目，推动AI在数字化转型和社会伦理中的应用。两所高校的努力不仅为英国人工智能行业的发展提供了坚实的人才基础，也为全球AI的可持续和伦理发展树立了榜样。
更多信息请查阅：
https://www.uktech.news/ai/ai-skills-package-university-20231101
https://bayes-centre.ed.ac.uk/ai-education
编译自：英国科技新闻网，爱丁堡大学官网，南安普顿大学官网，2025-02
编译者：上海师范大学国际与比较教育研究院 冯远
瑞士洛桑联邦理工学院的人工智能人才培养
洛桑联邦理工学院（EPFL）是瑞士顶尖理工院校，是欧洲最具活力和国际化的科学和技术机构之一。1853年由巴黎中央理工学院校友创立，原为洛桑大学工程师学院，1969年独立后迅速发展，现与苏黎世联邦理工学院共同构成瑞士联邦理工学院体系。作为欧洲卓越理工大学联盟核心成员，EPFL聚焦工程技术与自然科学领域，拥有约350名教授及2500名在读博士生，汇聚全球顶尖学者，包括VMware创始人Edouard Bugnion、菲尔兹奖得主Martin Hairer与Maryna Viazovska、图灵奖得主Joseph Sifakis、Delta机器人发明者Reymond Clavel、Scala语言之父Martin Odersky等。该校在2025QS世界大学排名中位列第26，2025泰晤士高等教育排名第32，2024软科学术排名第55，彰显其科研与教育国际影响力。
洛桑联邦理工学院（EPFL）下设的五大院系（建土木与环境工程学院、计算机与通信科学院、基础科学学院、工学院、生命科学院）及两所独立学院（技术管理学院、人文学院），探索多领域研究，并为学生提供广泛的培训计划。学校通过跨学科项目打破了不同领域之间的壁垒，使创新举措得以落地。
五大院系中的计算机与通信科学学院是欧洲计算机领域主要的教育和研究中心之一，提供计算机科学学士学位课程和通信系统学士学位课程。此外，该学院还提供三个硕士课程：网络安全、计算机科学和数据科学。学院提供有吸引力的实习计划，提供在全球众多公司和大学工作的机会，Facebook、Google 和 Microsoft 等顶级公司经常直接校内招聘。
计算机与通信科学学院的研究涵盖了计算机科学和通信的广泛主题，包括数字教育、计算机架构、系统和网络、编程语言和验证、数据库、密码、安全与隐私、信号和图像处理、算法和信息理论、人工智能、机器学习和数据科学。
计算机与通信科学学院开设的人工智能和机器学习，其研究的目标是开发人工智能，使人们有能力应对这些挑战，从自动推理的正式方法到刺激真实引出偏好和意见的交互技术。另一个方面是表征人类智能和认知科学，在人机交互和计算机动画中的应用。
机器学习旨在通过自适应计算自动对大型复杂数据集进行统计分析。它是满足不断增长的科学和应用需求的核心策略，为自动决策和概率推理提供了数据驱动的基础。洛桑联邦理工学院的机器学习应用范围从自然语言和图像处理到科学成像以及计算神经科学。
为了推动现代医学的发展，洛桑联邦理工学院的研究人员正在开发基于 AI 的诊断工具。他们的目标是预测患者应该接受的最佳治疗。洛桑联邦理工学院分子医学人工智能小组正致力于研发基于AI技术的临床诊断工具，旨在实现个性化医疗目标。具体方向包括：通过分析患者分子图谱及疾病表型的个体化特征，预测最优治疗方案；解析患者疾病状态；识别关键生物标志物及潜在药物靶点。为实现精准治疗，需结合高维生物医学数据（如细胞与分子层面的治疗响应指标）与定制化AI模型，建立动态预测系统。
更多信息请参阅：
编译自：瑞士洛桑联邦理工学院官网 2024-02-28
编译者：上海师范大学国际与比较研究院 毕心如
德国慕尼黑工业大学发布全面人工智能战略
慕尼黑工业大学（以下简称TUM）近日通过了一项覆盖科研、教学与管理全领域的人工智能发展战略，这项名为“慕尼黑工业大学人工智能战略”的规划，为在大学所有层面负责任地实施和应用人工智能技术制定了框架。人工智能（AI）和自然语言处理领域的重大突破已深刻影响社会。专家普遍认为，AI技术的广度、深度及其影响力将超越历史上任何一项技术革新。
TMU校长霍夫曼（Thomas F. Hofmann ）教授强调：“通过这项首创性的人工智能战略，我们为应用AI技术提供了重要框架。我们鼓励大学社区的成员负责任地运用AI工具，以更高效地满足我校各领域的具体需求，同时推动高等教育创新。我们将不遗余力地确保伦理标准、透明度、公平性和数据安全，最大限度降低潜在风险。”
该战略的制定过程充分吸纳了全校师生的意见。数字化转型与IT系统高级副总裁布朗（Alexander Braun）博士表示：“AI具有颠覆教育与研究的革命性潜力。我们的核心目标是为师生打造安全高效的应用环境，尤其注重培养学生、研究人员和员工掌握这项新技术的专项能力。”
TUM人工智能战略概述了到2030年五个关键行动领域实施AI技术的计划：
1.融合课程：慕尼黑工业大学计划将AI逐步纳入正式课程体系及课外拓展项目，致力于培养学生掌握数据分析、机器学习等核心AI技能。通过构建AI辅助学习环境推动个性化教育发展，同时为教师群体提供系统化的AI应用培训。为深度整合AI技术，校方计划采取多维度举措：在课程设计中嵌入模块化AI教学单元与专题实践周；开发契合不同学科特点的AI教学方案；运用AI技术优化教学流程、学习体验与评估体系。此外，将同步建立法律与伦理框架，部署现代化AI基础设施，并为教职人员定制持续教育计划。这些措施旨在使学生获得贴近实践的AI应用经验，为其应对未来技术变革奠定基础。
2.AI支持的学习环境：TUM正在开发智能辅助系统以及基于AI的学习和考试环境，以促进个性化学习和自适应学习环境。
3.研究与开发：在科研领域，TUM将运用AI技术攻克复杂难题并开拓学术新疆界。具体路径包括：通过海量数据集开展模式识别研究；构建AI驱动的文献智能检索系统；借助AI辅助生成科研假设。校方还将重点开发新型软件工具，特别是在数据分析与医疗应用领域。为确保符合伦理与法律规范，TUM承诺建立高效且负责任的数据管理体系。其他关键举措涵盖：投资可持续计算基础设施；完善科研硬件支撑体系；通过慕尼黑数据科学研究所（MDSI）强化跨学科协作网络。
4.运营与管理：AI支持的工具将使文档、支持和一般流程更高效、更有效，并加速日常任务的完成。在行政运营层面，TUM将通过AI技术实现流程优化与效率跃升，重点推进以下核心措施：自动化处理周期性常规事务；在财务、人事及技术支持领域引入AI辅助决策系统；部署AI翻译引擎与文本分析工具。同时，校方将深化SAP系统集成以推动流程自动化，运用大语言模型（LLMs）实现会议纪要自动生成与文本摘要提炼，并采用预测性分析技术预判趋势与风险。据校方评估，这些改革将显著提升行政管理效能、决策质量与资源利用率。
5.伦理与透明度：在整个实施过程中，TUM着力确保人工智能应用符合责任伦理、透明可信原则。为此将建立多重保障机制：通过严格审查数据源与算法架构消除技术偏见；实施强效数据保护与信息安全措施；开发可解释性AI模型并制定明确使用准则。战略制定者强调，此举旨在构建透明化问责体系，确保符合伦理规范与监管要求。配套措施包括：面向师生员工开设伦理培训课程；建立AI应用反馈优化机制，实现技术方案的持续迭代升级。
当前，TUM全体成员已可自由使用多项AI工具：大学已采购Microsoft Copilot和Grammarly的商业授权。教学领域已启动Artemis智能教学平台、tumtutor等AI辅助教学项目。通过莱布尼茨超级计算中心，师生可获得充足的科研计算资源。未来还将根据实际需求，在符合规范的前提下逐步扩展专业AI软件生态。
更多信息请参阅：
https://www.cio.de/article/3824005/tu-munchen-stellt-ihre-ki-strategie-vor.html
编译自：
德国慕尼黑工业大学官网，2025-02-12
德国CIO官网，2025-02-14
编译者：上海师范大学国际与比较教育研究院 凌慧
美国加州大学伯克利分校AI人才培养模式
美国加州大学伯克利分校（University of California--Berkeley，UC Berkeley）是美国加州大学系统中最著名的一所公立研究型大学，位于加州伯克利市，其在人工智能及相关领域的学科排名、科研影响力、行业认可度等方面均处于全球领先地位，这也使得UC Berkeley在人工智能（AI）人才培养方面具有显著优势。根据《美国新闻与世界报道》（U.S. News & World Report）发布的2024年最佳计算机科学学院排名（Best Computer Science Schools 2024），加州大学伯克利分校与美国卡内基梅隆大学（Carnegie Mellon University）、麻省理工学院（Massachusetts Institute of Technology）和斯坦福大学（Stanford University）在计算机科学专业上并列排名第一，这也充分说明了其在计算机科学领域的卓越学术声誉和研究实力。
在AI人才培养方面，UC Berkeley面的优势主要体现在其完善的课程体系、跨学科教育创新上。通过多层次、跨学科的教育布局，UC Berkeley正在为AI产业的发展提供重要的人才储备。目前，UC Berkeley大多数与AI人才培养相关的课程都由电气工程与计算机科学系（EECS）系开设。EECS提供了从本科到研究生的多层次AI课程体系，涵盖了AI核心理论、应用技术以及跨学科研究。根据其官方网站公布的相关课程信息进行提取和整理，可以看到相当多与AI相关的课程设置（见表1）。
表1 加州大学伯克利分校目前开设的与AI相关课程表
教育层次 | 课程类别 | 课程编号 | 课程名称 | 学分 |
本科层次 | AI核心课程 | CS 188 | 人工智能导论 | 4 |
CS 189 | 机器学习导论 | 4 | ||
CS C182 | 深度神经网络设计与理解 | 4 | ||
CS 185 | 深度强化学习与决策控制 | 3 | ||
AI应用方向课程 | CS 180 | 计算机视觉导论 | 4 | |
CS 186 | 数据库系统 | 4 | ||
CS C187 | 数据工程 | 4 | ||
EECS C106A/B | 机器人学导论/机器人操作与交互 | 各4 | ||
EECS 107 | AR/VR与元宇宙应用 | 4 | ||
AI理论基础课程 | CS 70 | 离散数学与概率论 | 4 | |
CS C100 | 数据科学原理与技术 | 4 | ||
EECS 126 | 概率与随机过程 | 4 | ||
EECS 127 | 工程优化模型 | 4 | ||
研究生 层次 | AI核心课程 | CS 281A/B | 统计学习理论 | 各3 |
CS 282A | 深度神经网络设计与理解(研究生级) | 4 | ||
CS 285 | 深度强化学习与决策控制(研究生级) | 3 | ||
CS 289A | 机器学习导论(研究生级) | 4 | ||
AI专项应用课程 | CS 280 | 高级计算机视觉 | 3 | |
CS 287 | 高级机器人学 | 3 | ||
CS 287H | 算法人机交互机器人学 | 4 | ||
CS 288 | 自然语言处理 | 4 | ||
EECS 208 | 高维数据分析计算原理 | 4 | ||
AI系统与基础架构 | EECS 225A | 统计信号处理 | 3 | |
EECS 225B | 数字图像处理 | 3 | ||
CS C267 | 并行计算应用 | 3-4 |
这种多层次、全方位的课程设计，使得学生能够从基础到前沿全面掌握AI领域的知识与技能。与此同时，2025年UC Berkeley在AI人才培养方面也在不断践行拓展和创新，设立丰富的课程项目培养具有解决真实问题能力的相关人才。
1.本科暑期研究项目：培养AI领域的未来领袖
除了常规课程，UC Berkeley还通过2025年暑期研究项目为学生提供实践机会。例如，EECS的“本科生研究学徒计划”（Supervised Undergraduate Research Program in EECS, SUPERB）为本科生提供了参与前沿AI研究的机会。该项目通过导师制，帮助学生深入实验室，参与真实的科研项目，培养他们的研究能力和创新思维。今年暑期，SUPERB计划将重点支持AI相关的研究课题，包括机器学习、计算机视觉和机器人学等领域。SUPERB计划不仅为学生提供了宝贵的科研经验，还能为他们未来的职业发展奠定坚实基础。
2.法学与AI交叉：开创AI法学硕士项目
在技术人才培养之外，UC Berkeley还关注AI的法律和伦理问题。2025年，伯克利法学院（Berkeley Law）将开启全新的“AI法学硕士项目”（LLM in AI and Law），这是美国首个专注于人工智能与法律交叉领域的法学硕士项目。该项目旨在培养既懂技术又懂法律的复合型人才，以应对AI技术快速发展带来的法律和伦理挑战。
伯克利法学院院长埃尔温·切梅林斯基（Erwin Chemerinsky）表示：“AI技术正在改变社会的方方面面，法律界必须跟上这一变革。我们的LLM项目将为学生提供深入理解AI技术及其法律影响的机会，培养他们成为未来AI治理的领导者。”该课程内容将涵盖AI的法律监管、数据隐私、知识产权以及AI伦理等主题，该课程的学生还将有机会参与UC Berkeley AI研究中心的跨学科研究项目。
综上所述，这些举措不仅巩固了UC Berkeley在AI教育领域的领先地位，也为全球AI技术的发展和法律治理提供了重要的人才储备。伯克利通过技术创新和法律规范两个维度的人才培养，展现了其在人工智能领域的前瞻性布局和全局性思考。
更多信息请参阅：
https://www.usnews.com/best-graduate-schools/top-science-schools/computer-science-rankings
https://www2.eecs.berkeley.edu/Courses/CS/
https://www2.eecs.berkeley.edu/Courses/EE/
https://eecs.berkeley.edu/resources/undergrads/undergraduate-research/superb/
编译自：美国加州大学伯克利分校官网，2025-02-27
编译者：上海师范大学国际与比较研究院 吴梦莹
新加坡国立大学AI专业人才培养计划
新加坡国立大学（National University of Singapore，NUS）的人工智能（Artificial Intelligence，AI）专业是一个兼具学术挑战、实践探索和无限机遇的专业，旨在培养下一代AI科学家。
NUS AI专业课程以理论为基础，同时特别强调对学生未来职业生涯至关重要的实用技能。学生不仅将深入理解支撑人工智能技术的核心概念，更将有机会通过一系列实践项目，构建和开发具有实际应用价值的应用程序。其目标在于为学生提供世界一流的人工智能教育，广泛涵盖当今人工智能的三大领域（推理与决策、学习、感知与语言）；培养学生胜任以人工智能为中心、需要深厚人工智能知识的工作岗位；让学生为计算机领域的持续快速变化做好准备，这种变化要求学生不断适应和自学最新技术；培养了解如何负责任地使用人工智能（包括道德、隐私和人工智能管理等问题）的毕业生。NUS AI专业的四大主要研究方向为开发智能系统、创建高级虚拟助手、实施AI驱动的应用技术和设计自然语言处理系统。
1. 通过灵活的选修课，NUS的AI课程提供了发展AI所有核心领域所需专业知识的机会，其中包括：（1）推理与决策：深入研究推理和决策的核心技术，探索如何开发模仿人类思维的系统。学习设计和实施能够分析复杂问题、评估结果和做出选择的智能系统。通过这些课程，学生将掌握建立强大的人工智能模型所需的技能，从而能够在动态环境中做出正确的决策。（2）学习：成为机器学习领域的专家，学习有监督和无监督学习的原理。探索深度学习和神经网络等高级主题。获得实际数据集的实践经验，应用这些技术解决复杂问题。深入了解模型评估和优化，提高人工智能解决方案的性能和准确性。（3）感知与语言：深入感知和语言领域，掌握自然语言处理和计算机视觉的原理。探索语义分析、语音识别和图像分类等高级主题。获得尖端技术的实践经验，应用这些技术开发能够理解和解释人类语言和视觉数据的系统。
为了获得全面的教育，修读AI课程的学生还将学习计算机核心知识和数学知识。NUS还鼓励学生通过双学位、双主修或辅修课程拓宽视野。学生还可以申请双学位（如计算机科学与数学/应用数学/工商管理）、双主修（如数学），甚至辅修（如互动媒体或管理）。
2. NUS对AI专业的毕业生提出了以下要求，即学生从NUS毕业时必须掌握以下能力：（1）精通计算机基础和基本知识，包括：熟悉常见的计算机主题和原理；对系统整体有高层次的理解；了解计算机的理论基础及其在实践中的影响等。（2）深厚的人工智能基础和基本知识，包括人工智能三大领域的广泛知识：推理与决策、学习、感知与语言。（3）设计、实施和评估人工智能系统和模型的能力。（4）了解人工智能工具和技术的应用，分析人工智能对个人、组织和社会的本地和全球影响的能力。（5）了解负责任地使用人工智能，包括伦理、法律、隐私相关、安全和社会责任。（6）有能力在团队中有效运作，以实现共同目标。（7）通过自学和专业发展，不断适应计算技术快速发展的能力；并认识到持续专业发展的必要性。
3. NUS还对从AI专业毕业3-5 年后的学生所需具备的能力做出了以下规划：（1）作为人工智能专业人员从事研究和/或开发工作；（2）在多学科协作团队环境中担任支持或领导角色；（3）不断学习人工智能领域的最新进展（包括研究生课程）；（4）作为一个有道德、法律和社会责任感的社会成员发挥作用；（5）应用计算机和人工智能知识与技能，为改善社会做出积极贡献。
4. 除专业课程以外，NUS还为学生提供多种实践与学习的途径：（1）高级技术实习计划（Advanced Technology Attachment Programme，ATAP）：每年开设两次的全日制实习计划。该课程将为学生提供将所学知识应用于行业技能的机会。实习期至少连续 24 周，从 1 月至 6 月或 5 月至 11 月。如要计入 ATAP 的实习，实习工作范围必须与计算机相关。成功完成六个月的实习计划后，学生将获得 12 个学分。（2）学生实习计划（Student Internship Programme，SIP）：每年在特别学期开设一次的全日制实习计划。实习期至少为连续 12 周，从 5 月至 7 月/8 月。同样，要将实习计入 SIP，实习工作范围必须与计算机相关。学生成功完成实习计划后，将获得 6 个学分。（3）新加坡国立大学合作教育计划（NUS Co-Operative Education Programme，Co-Op）：在同一机构进行三次实习的勤工俭学计划。新Co-Op将学术研究与相关工作经验正式结合起来。在该计划中，学生在新加坡国立大学四年的学习期间，将完成多个工业实习阶段，与正常的学术学期交替进行。学生可以期待通过将工作与学习相结合的方式，接受创新形式的大学教育，并将大学所学与现实世界的问题联系起来。学生预计将在公司实习三次（约 64 周或 16 个月）。（4）SoC 全球机会（SoC Global Opportunities）：通过新加坡国立大学和计算机学院与全球顶尖大学的合作，学生可以获得广泛的海外体验选择。NUS有 100 多所合作大学可供选择，学生可以探索不同的文化、学术课程和国际机会。
更多信息请参阅：
https://www.comp.nus.edu.sg/programmes/ug/ai/
编译自：新加坡国立大学官网，2025-02
编译者：上海师范大学国际与比较教育研究院 花萱子
加拿大多伦多大学人工智能跨学科人才培养动向
随着加拿大“人工智能教父”、多伦多大学计算机科学名誉教授杰弗里·辛顿获得2024年诺贝尔物理学奖，该校的人工智能专业再度跃入公众的视野之中。多伦多大学的计算机科学系人工智能专业在众多权威的世界大学专业排名中名列前茅。在2024年QS世界大学学科排名中，其数据科学与人工智能专业位居全球第9，在加拿大国内排名第1，在北美地区排名第5。
该专业在课程设置上，涵盖了人工智能、神经网络、机器学习、知识表示、计算语言学、计算机视觉、机器人技术、数据库系统等多个领域。研究生需要修读六门课程，其中两门是必修专业课程：计算机科学家沟通和技术创业，此外还要参加8个月的应用实习。值得关注的是，多伦多大学开设了“医疗保健人工智能”一专业，这个新兴子学科正站在医学新时代的潮头，为学生提供了提升患者护理水平与生活质量的宝贵机遇和强大能力。人工智能可以帮助临床医生根据基因、环境和生活方式数据做出精确的决策，从而改善患者护理。它有助于优化治疗选择、疾病诊断和临床实验室检测。人工智能与医疗保健方向应运而生，旨在为那些志在以医学专家或计算机工程师身份投身该领域的学生提供全面的培训。目前加拿大尚无一个真正由计算机科学系和医学系联合打造的项目，能够达到在医疗保健领域广泛、安全、可靠地开发和部署人工智能所需的严格标准。因此，这一方向的出现无疑填补了市场空白，彰显了其独一无二的地位。
多伦多大学参与建设了Vector Institute for Artificial Intelligence，这是加拿大旗舰级的人工智能研究中心，为学生提供了接触先进研究项目的机会。学生能够参与到全球前沿的人工智能研究中，与全球人工智能领域的杰出人物交流合作，积累实践经验。同时，多伦多大学洛特曼管理学院还设有Creative Destruction Lab 孵化器，汇集了经验丰富的退休企业家、顶尖科学家和活跃的投资者，以帮助扩大基于人工智能所支撑或核心技术的初创企业规模。为学生提供了将学术成果转化为实际应用的平台。
在跨学科合作上，依托Vector Institute，多伦多大学与工业界（如谷歌、微软、加拿大皇家银行、IBM公司、惠普公司）合作紧密，推动学术成果向产业转化。“学用结合”的模式大大提高了学生的就业竞争力。多伦多大学人工智能专业的毕业生就业前景广阔，毕业生可以在多个领域找到工作，包括但不限于软件工程、数据库管理、人工智能、机器学习、网络安全、数据挖掘等。
更多信息请参阅：
https://mscac.utoronto.ca/concentrations/aih/
https://web.cs.toronto.edu/graduate/course-descriptions
https://creativedestructionlab.com/streams/ai/
编译自：多伦多大学，2025
编译者：上海师范大学国际与比较教育研究院 冉冉
美国麻省理工学院人工智能人才培养动态
麻省理工学院（Massachusetts Institute of Technology，简称MIT）创立于1861 年，坐落于美国马萨诸塞州剑桥市。作为全球顶尖学府，MIT在多个领域展现出卓越实力，在人工智能领域更是处于国际前沿地位。其人工智能人才培养的情况如下。
一、学科建设与调整
（一）跨学科融合深化
麻省理工学院持续推进人工智能与多学科的交叉融合。2024 年，MIT新开设了人工智能与决策专业，该专业巧妙融合了电气工程、计算机科学等多个学科，为学生提供在五年内获取双学位的机会。课程内容广泛覆盖机器学习、自然语言处理等未来极具发展潜力的关键领域，充分体现了跨学科教育在人工智能人才培养中的重要性。通过整合不同学科的知识和方法，学生能够从多元视角理解和解决人工智能相关问题，培养出更具创新性和综合性的思维能力。
同时，MIT于 2025年即将建成新的设计学院Morningside Academy for Design（MAD）。学院将设在建筑与规划学院内，旨在成为一个跨院系的平台，通过整合MIT在工程领域的强大资源与前沿的设计思维，致力于培养能够应对新时代挑战的设计精英，远离传统设计领域的自我闭环与内耗。该学院融合了科学、工程、建筑与规划、人文学科和商科专业，其核心理念是融合跨专业知识，寻找设计的突破口，这也为人工智能与设计领域的交叉研究和人才培养提供了新的平台。
（二）优化课程体系
在课程设置方面，MIT不断更新和完善人工智能相关课程体系。例如，在 2024 年推出的“应用于数字转型的生成型人工智能”（Applied Generative AI for Digital Transformation）课程，是一个为期三周的密集且紧扣时代脉搏的项目。该课程深入钻研生成式人工智能技术，通过实时虚拟在线课程的形式，将理论学习与实践操作、实际应用任务紧密结合，让学生深刻理解生成式人工智能在不同组织环境中的影响和实际应用。课程内容涵盖从生成式人工智能的历史发展、在艺术、生物、情感支持和学习等多个领域的应用，到掌握提示工程以提高生产力、利用生成式人工智能实现组织工作流程自动化的策略等多个方面。
此外，还有“人工智能战略和路线图：人工智能开发和部署的系统工程方法”（AI Strategy and Roadmap: Systems Engineering Approach to AI Development and Deployment）课程，该课程为期五天，专注于从系统工程层面教授如何部署整体人工智能架构。学生通过学习，能够掌握从开发到部署的整个人工智能周期的系统工程策略，学会招募、留住和领导多学科高科技团队，最大限度地提升数字产品和服务的价值，增加人工智能系统的潜力。课程通过实践练习和团队路线图项目，让学生获得构建机器学习模型的实践经验，培养系统工程思维方式，以负责任的方式领导、开发和部署人工智能系统，增强组织竞争力。
二、人才遴选与招生改革
从过往情况及学院整体发展趋势来看，MIT在人才选拔上始终保持着严格且全面的要求。在人工智能相关专业的招生与人才选拔过程中，学院高度重视学生在数学、计算机科学等基础学科的知识掌握程度和应用能力。同时，MIT也极为看重学生的创新思维和解决实际问题的能力。例如，学生在过往参与的人工智能相关项目实践、科研竞赛中的表现，以及对人工智能前沿领域的独特见解和浓厚兴趣，都会成为遴选过程中的重要考量因素。
从学校整体招生理念和趋势来看，MIT日益注重学生的综合素质和跨学科能力。对于人工智能专业而言，MIT更倾向于选拔那些不仅在数学、计算机等核心学科表现优异，还在物理、生物、化学等相关学科具备一定知识储备的学生。这种对跨学科能力的重视，有助于培养出能够适应未来人工智能多领域应用需求的复合型人才。
三、产学研合作
（一）产业项目合作
MIT召集了来自工业界、政策界和学术界的多学科工作组，开展了关于“生成式人工智能与未来工作”的研究项目。该项目为期两年，聚焦于三项主要活动：启动未来工作研究金计划，为相关研究提供资金支持和人才培养平台；发布案例研究系列，通过实际案例深入分析生成式人工智能在不同行业和工作场景中的应用效果和影响；举办半年一次的峰会，汇聚各方专家，共同探讨生成式人工智能工具的设计和实施如何促进高质量就业和技术普及。通过这些活动，MIT旨在深入研究生成式人工智能对未来工作模式、就业结构以及社会经济发展的影响，为政府、企业和社会各界提供决策参考和发展方向指引。
（二）科研成果转化
MIT校内的众多科研项目，如计算机科学与人工智能实验室（CSAIL）、媒体实验室等开展的前沿人工智能研究，与产业界保持着紧密的联系。例如，媒体实验室在人机交互等人工智能相关领域的研究成果，通过与英特尔等公司的合作，得以转化为实际的产品和技术应用。在这些合作中，企业能够获取MIT的最新科研成果和技术动态，加速自身的技术创新和产品升级；而MIT的学生和研究人员则能够深入了解产业需求，将科研工作与实际应用相结合，提高科研成果的实用性和转化效率。同时，学生也能在这个过程中积累产业实践经验，提升自身的就业竞争力和创新能力。
（三）教育资源共享
2024 年，MIT 推出的“Day of AI”项目影响力持续扩大。这是一个面向 K12 阶段的免费学习平台，平台上丰富的 AI 课程、教程和活动，旨在为所有背景和能力的学生提供接触和学习人工智能的机会，帮助他们为在日益人工智能化的社会中取得成功、承担责任并积极参与做好准备。Day of AI为基础教育阶段的学生提供适合的人工智能素养课程，课程形式新颖、门槛低且影响力大，每门课程时长约 30 - 60 分钟，学生可根据自己的年龄段选择相应课程。同时，平台还为教师提供人工智能课程教程，并与学校合作，协助学校设计和实施适当的人工智能政策，以确保学生在安全、公平的环境中学习人工智能。目前，已有超过 110 多个国家的学校引入了 Day of AI 的课程，10000名教育工作者将其课程带到学校和家庭，极大地促进了人工智能教育资源的全球共享和普及。
此外，MIT还通过在线课程平台，发布了一系列人工智能相关的优质课程。这些课程面向全球学习者开放，课程内容涵盖数据驱动的决策、计算机视觉基础等多个方面，为不同层次和需求的学习者提供了丰富的学习资源。通过在线课程平台，MIT将自身的教育资源向全球推广，促进了人工智能知识的广泛传播和人才培养的国际化。
更多信息请参阅：
https://professionalprograms.mit.edu/online-program-generative-ai/
编译自：美国联邦教育部，美国麻省理工学院，2025-02-28
编译者：上海师范大学国际与比较教育研究院 刘子靖
印度首所人工智能大学与Vitti基金会达成开创性合作
作为印度首所人工智能大学及通向未来科技的门户，坐落在卡贾特（Karjat）中心地带的通用人工智能大学（Universal AI University）一直在持续拓展其学术研究与产业合作领域。通用人工智能大学提供尖端课程、知名教师和先进设备，让学生能够在不断发展的人工智能（AI）、机器学习（ML）和其他新兴技术世界中茁壮成长。专注于实践学习和行业合作，旨在为毕业生提供在不断发展的技术世界中茁壮成长所需的技能和知识。
近期，该大学宣布与印度首个专注于人工智能与机器人技术研究的非营利组织——Vitti基金会展开独特合作。双方合资成立了“Univitt AI Technologies”，并在孟买附近的卡贾特（Karjat）绿色校区设立了印度首个“人工智能、新兴与基础技术创新中心”（Artificial Intelligence, Emerging & Foundational Technologies Innovation Hub，简称AIEFT Innovation Hub）。该中心旨在整合印度顶尖人工智能教育资源，释放人工智能与机器人领域的研发潜力，推动新兴技术应用。这是印度首所人工智能大学与首个人工智能及机器人综合研究组织的强强联合，致力于探索人工智能及相关领域的技术突破，促进产业转化与伦理治理，并为初创企业提供孵化支持。
通用人工智能大学副校长Sriram Ramshanker教授表示，此次合作开创了学术界与社区机构协同创新的先河。双方将共同挖掘人工智能、机器人及新兴技术的无限潜力，助力发明者与创业者将创意转化为现实。Vitti基金会创始人Kundana Lal先生强调，通过Univitt平台，我们将不仅提升印度人工智能创新能力，还将优化基于人工智能技术的培训与产品开发成本，同时深化产学关系，赋能师生掌握AIEFT领域核心技能。
在技术赋能方面的举措包括推动人工智能（AI）、机器学习（ML）、增强现实（AR）、虚拟现实（VR）、物联网（IoT）等技术在产业中的公平应用。支持人工智能伦理治理框架构建，孵化人工智能、数据分析与机器人领域的初创企业。促进政策制定者与行业利益相关方参与，形成多方协作生态。
作为建立合作联盟的第一步，“Univitt AI Technologies”在大学的卡贾特校区组织了一场为期两天的“船舶建造卓越人工智能基础”工作坊。此次研讨会以船舶制造业为切入点，向参与者传授了针对该行业定制的实用人工智能（AI）与机器学习（ML）知识。工作坊旨在将人工智能技术应用于船舶建造的实际挑战中，其内容涵盖以下核心模块：
1.技术基础：人工智能基础概念、数据可视化及生成式人工智能工具集的实践操作；
2.行业应用：通过真实案例分析，探讨人工智能在预测性维护、安全强化及工作流优化中的价值；
3.技能提升：聚焦数据处理、Power BI等工具的可视化应用，以及人工智能驱动下的跨职能问题解决方案设计。
作为印度首所人工智能大学及科技前沿门户，通用人工智能大学近年来持续拓展其学术研究与产业融合的边界，通过多项创新举措巩固其人工智能教育领导地位。建立产学融合课程体系，与科技巨头LTIMindtree合作，推出印度首个以产业需求为核心的“人工智能与机器学习及数据科学”工学学士（B.Tech）项目，直接对接行业技术缺口。注重跨学科教育创新，联合SoundIdeaz公司成立印度首个人工智能赋能声音与音乐学院，开设声音工程B.Tech课程，将人工智能技术深度融入音频处理与音乐创作领域。配备顶尖基础设施支持，如量子计算、增强现实（AR）、虚拟现实（VR）、混合现实（MR）、物联网（IoT）实验室等，构建沉浸式学习环境。创新教育模式，利用人工智能赋能课程设计，各学院均采用前沿人工智能技术驱动的课程体系，例如通过生成式人工智能工具优化教学设计，利用数据分析实时评估学习效果，依托先进实验室开展跨学科项目制学习。
更多信息请参阅：
https://www.universalai.in/news-and-events/
编译自：Universal AI University（UAi）官网，2025-02-19
编译者：上海师范大学国际与比较教育研究院 刘晓钰
日本东京科学大学本硕博贯通式AI教育体系
2024年10月，日本以建设“世界顶尖理工科综合大学”为目标，将东京工业大学与东京医科齿科大学合并，共同组建了全新的东京科学大学。这一合并不仅汇聚了两所顶尖学府的优势资源，更为“数据科学与AI教育”（ データサイエンス・AI，简称DS・AI）的进一步发展奠定了坚实基础。
回顾过往，东京工业大学在人工智能全球竞争加速的背景下，早已在培养跨领域、创新型的DS·AI人才方面迈出了先行步伐。自2019年起，该校便率先实施了“数据科学与AI大学院全学教育”项目，覆盖硕士及博士后期课程，旨在培养能够跨越专业界限、有效应对复杂课题的“共创型专家”。2020年，该项目进一步扩展至学士课程，标志着东京工业大学在数据科学与人工智能的全校性教育体系构建上取得了重要进展。2022年12月1日，随着“数据科学与AI全学教育机构”的正式成立，东京工业大学在DS·AI人才培养方面迈入了新的阶段。该机构聚焦于三大核心内容：一是拓宽并深化从本科至研究生阶段的连贯教育体系；二是强化与企业合作，以提升解决社会实际问题的能力；三是促进国际交流，向国内外大学提供先进课程，共同推动数据科学与人工智能教育的发展。
如今，在东京科学大学的新平台上，“数据科学与AI全学教育机构”整合了两所学校的资源，构建了覆盖学士至博士的全方位、多层次教育体系。同时联合了超过40家行业领军企业，创建了产学研深度融合的联盟，成为亚洲首个实现“全学贯通式AI教育”的高校。
学科整合：构建贯通本硕博的四阶课程体系
数据科学与AI全学教育机构以培养“共创型专家”为目标，精心研发了四个全学教育项目，即①基础知识、②应用实践、③专家、以及④专家+，这些项目共同构成了一个从本科课程到硕士课程、直至博士后期课程的系统化教育体系。每半年，为完成课程的学生颁发电子结业证书。另外，该机构开设的课程独具特色，旨在满足不同层次的学习需求：
① 基础知识阶段，包含课程《信息知识一、二》《计算机科学一》，旨在学习数理、数据科学、AI的基础素养，并培养相关的基本应用能力。
② 应用基础阶段，包括《计算机科学二》《应用基础数据科学与AI一、二》等课程。这些课程以基础知识为基石，进一步拓展学生的专业素养和实践技能，为成为专家奠定坚实基础。此阶段的目标是顺利过渡到专家水平阶段。
③专家水平阶段和④专家+水平阶段主要面向研究生院硕士课程和博士后期课程的学生。在这一阶段，学生将深入学习数据科学和AI的理论（“基础系科目群”和“发展系科目群”），了解这些理论在企业中的应用实例（“应用实践系科目群”），并通过学习最前沿的内容，从理论、伦理等多个角度探索数据科学和AI的奥秘（“尖端系科目群”）。此外，通过跨领域学习，学生将培养解决社会问题的能力，将数据科学与AI与其他领域相结合的能力，以及教授数据科学与AI的能力。
除了上述4个教育项目之外，从2024年度开始，为了特别培养数据科学AI的教学能力，启动了“TF（Teaching Fellow）培养项目”，旨在培养兼具高度专业性和教育能力的数据科学与AI教学人才。该项目旨在帮助学生在最终阶段达到能够独立承担部分课程教学的水平。
企业深度协同：40余企联手打造校企合作人才培养体系
“数据科学与AI全校教育机构”已与超过40家知名企业携手，共同打造了日本国内规模最大的企业合作联盟教育体系。联盟不仅涵盖了培养学生解决社会课题能力的多元化授课科目，还定期举办“DS·AI论坛”。此外，联盟企业还将开放DS·AI实习，为学生提供在企业及研究机构等外部组织中实践的机会，从而让他们亲身体验将数据科学与AI知识应用于解决实际问题的能力。
在专家水平的“应用实践”科目中，来自这40余家合作企业的技术人员将亲自授课。这些课程与基础性的理论课程有所不同，它们侧重于向学生介绍数据科学、AI技术在产业界各领域的应用思考和实践案例，以及企业中的数据科学与AI实施策略等实用性和实践性强的知识和技术。这些课程覆盖了金融、材料、制药、IT、建筑、电子设备、重工业、汽车等多个广泛领域，授课教师均为活跃在行业一线的研究和技术人员，他们将从适应社会剧烈变化的视角出发，为学生提供最前沿的行业动态和实践经验。此外，除了企业提供的教育项目外，学生还能通过在企业和研究机构等外部组织的实习经历，进一步提升将数据科学和AI知识应用于实践的能力。
为了构建更加紧密的校企合作体制，该教育机构还实施了可直接与企业交流的“DS·AI论坛”等意见交换活动，旨在为学生的职业规划提供有力支持。通过这些举措，该教育机构正逐步建立起一个与企业相互协作、共同促进数据科学与AI人才培养的良性循环体系。
全球资源共享：DS·AI课程国内外高校开放合作
作为文部科学省指定的“数理·数据科学·AI教育”据点校，东京科学大学不仅专注于自身的DS·AI教育，还积极支援其他大学的DS·AI教育发展。在学士课程中，四大校联合（东京医科齿科大学、东京外国语大学、东京工业大学、一桥大学）共同开展复合领域课程，实施相互进修计划。
在研究生院课程方面，与东京大学、御茶水女子大学、东京外国语大学、东京医科齿科大学、综合研究大学院大学等建立了紧密的合作关系，并签订了互修协定。根据协定，这些大学的学生可以选修本校DS、AI领域的授课科目。
此外，该校还致力于海外大学的合作与交流。通过与部分以英语授课的海外大学以及泰国科学技术研究院（TAIST）等机构的合作，开展了直播授课等特色项目，将DS·AI教育资源向全球范围辐射。
东京科学大学以教育范式革命破解AI人才困境，通过本硕博贯通的课程设计解决知识断层，借助企业联手培养推动“学用零时差”，依托高校合作扩大教育影响，这种“全链条打通”模式，不仅为全球高校破解AI人才“结构性短缺”提供新思路，更为日本抢占人工智能全球创新高地注入可持续的智力活水。
更多信息请参阅：
https://www.dsai.titech.ac.jp/about/
https://ds100.jp/university/titech/
编译自：东京科学大学官网，2024-11-23
编译者：上海师范大学国际与比较教育研究院 于默然
日本东京大学多举措创新人工智能人才培养
东京大学作为日本最高学术殿堂，近年来在人工智能（Artificial Intelligence，简称AI）学科建设上持续发力，不仅新设以人工智能、数据科学等命名的学部或研究科，更牵头推动数据科学教育标准课程的制定及推广，以应对全球技术竞争与社会需求。
2016年，东京大学设立了次世代人工智能研究中心（Next Generation Artificial Intelligence Research Center，简称AI Center），这一跨部门研究机构通过整合全校理工与人文领域的科研力量，重点突破现有AI技术框架的局限性，曾举办“哲学与AI”“宇宙开发与AI”等主题研讨会，持续推动学科交叉融合。东京大学先端科学技术研究中心（Research Center for Advanced Science and Technology，简称RCAST）同样下设人工智能实验室（AI Lab，亦称Yairi-Takeishi Lab），该团队则更聚焦于人工智能基础研究及其在航空航天工程领域的应用。
图1 AI Lab研究成果展示（引用自https://www.rcast.u-tokyo.ac.jp/en/research/yairi_lab.html）
作为产学研协同创新的重要实践，东京大学于2020年携手SoftBank公司启动“Beyond AI联合计划”，并成立了Beyond AI研究所（Institute for AI and Beyond）。该机构旨在推进尖端人工智能研究与跨领域融合研究，开创全新学术领域的同时加速推动产业化进程，目前在物理学与AI、脑科学与AI、社会与AI等交叉方向都已取得实质性成果。Beyond AI研究所还积极促进全球学术对话迄今已举办5届与人工智能研究相关的国际研讨会，会议存档都可在视频网络平台检索到。
为保障高等教育人工智能领域人才培养，东京大学数理和信息教育研究中心（Mathematics and Informatics Center，简称MI-Center）牵头开发了“数理·数据科学·人工智能”课程的示范教材，并免费向日本所有大学和高等专科学校推广，以配合支持日本文部科学省（Ministry of Education,Culture,Sports,Science and Technology）实现“50万大学生接受人工智能通识教育”的目标。
另外，在日本科学技术振兴机构（Japan Science and Technology Agency，简称JST）的支持下，东京大学还设立了“引领次世代智能社会的先进人工智能人才培养”项目（BOOST Next-generation AI for Intelligent Society，简称BOOST NAIS），致力于培养具备跨领域协作能力的AI领军人才。该项目计划于2025年春季招收21名博士生，入选者将获得每月28万日元的科研津贴及每年54万日元的专项研究经费，重点支持其在下一代AI核心技术攻关与社会应用创新方面的探索。
图2 BOOST NAIS项目介绍图（引用自https://spring-gx.adm.s.u-tokyo.ac.jp/ja/boost/）
通过跨学科研究机构建设与创新人才培养体系革新，东京大学正系统性强化人工智能领域的教学科研体系，为日本应对智能时代的社会嬗变挑战提供持续支撑。
更多信息请参阅：
https://www.ai.u-tokyo.ac.jp/ja/wp-content/uploads/UT_AI_kondankai.pdf
https://www.i.u-tokyo.ac.jp/news/files/20210608_mi_press-release.pdf
https://spring-gx.adm.s.u-tokyo.ac.jp/ja/boost/
https://beyondai.jp/contents/events/250221/?lang=en
http://www.jyb.cn/rmtzcg/xwy/wzxw/202403/t20240315_2111168032.html
编译自：东京大学次世代人工智能研究中心
东京大学先端科学技术研究中心
东京大学情报理工学系研究科
Beyond AI
编译者：上海师范大学国际与比较教育研究院 成佳蕾