人工智能职业教育怎么搞？操作系统层级的解法来了(2)

之所以出现这样的现象，至少可以找到两个维度的诱因：

一是国内AI研究起步晚的事实。人工智能的起步可以溯源到1956年的达特茅斯会议，即便中间的两次人工智能浪潮无疾而终，可麻省理工、斯坦福、卡内基梅隆等高校纷纷在上世纪五六十年代创办了人工智能技术相关的实验室，国内直到1990年才在清华大学成立智能技术与系统国家重点实验室。

二是国内AI人才培养的失衡。2018年前后曾出现科技大厂抢夺学术大牛的现象，不少高校纷纷开设人工智能专业，以至于80%的人才属于算法人才，他们毕业于知名高校，有着扎实的理论基础和编程能力，可让人工智能落地到产线的数字化蓝领人才和应用人才，仍然处于匮乏且滞后的状态。

对于这样的局面，国内无不反思。

教育部出台了《高等学校人工智能创新行动计划》《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》等一系列文件，试图加速国内高校对人工智能专业人才的培养，同时号召以产学研的形式加快科技成果的转化；百度代表的人工智能企业，纷纷以教材、课程、比赛等方式推动人工智能人才的培养……

同时应该理性思考的是，AI人才的培养特别是高层次科研人才的培养，需要相对漫长的时间周期，不同于美国在AI基础层人才方面的先发优势，中国的AI人才培养起步比较晚。所以在讨论AI人才的话题时，应该从两个方面进行考量，既要提升人才的数量，也要聚焦人才的质量。

在这样的背景下，国内的AI人才培养逐渐摸索出了两种方向：

一种是加大源头创新人才和产业研发人才的培养力度，对应的例子就是越来越多的高校开设培养人工智能相关的研究生，包括百度在内的人工智能企业深耕前沿技术研究；

另一种是推动职业人才的培养，向社会输送拥有熟练技能的骨干人才。正如教育部副部长孙尧的观点：“职业教育要瞄准数字时代的新技术和产业变革，大力培养高素质技术技能人才。”

前沿科技人才的培养已成共识，无论是高校还是企业，创新人才在某种程度上可以和竞争力划等号，职业人才的培养却知易行难。

个中缘由不可谓不复杂。

现阶段人工智能的应用仍处于市场开拓期，导致职业教育的课程体系标准难以确定，再加上实践教学平台的缺失，学生的能力和市场需求存在不匹配的现象，人工智能的职业教育陷入了两难的局面。