人工智能现在可以说是一个热门领域。放眼世界，许多国家将人工智能作为当前最大的发展战略，力争在新一轮的国际竞争中发挥带头作用。 2015年12月，中国工程院批准了《中国人工智能2.0发展战略研究》。重大咨询项目。 2017年7月，“新一代人工智能发展计划”被释放。人工智能产业的健康发展涉及各个方面，人才培养是不可忽视的因素之一。对于长期发展，奠定坚实的人才基础至关重要。近年来，国内高校一直在探索人工智能领域的人才培养，这些人才主要分布在计算机和自动化等多个学科。但是，在实际教学中，可能只有很少几门课程真正涉及人工智能，这导致受过训练的人才无法满足实际的应用需求。这提醒我们，在培养人工智能人才时，不能直接在现有的专业知识体系中培养人工智能专业人才，因为人工智能知识体系涉及计算机，控制，数学，神经科学和心理学等领域，应当注意。关注人工智能的实质是建立知识体系，培养高素质的专业人才。目前，国内一些高校在人工智能人才培养过程中对知识体系的组成进行了有益的探索。例如，西安交通大学的人工智能试点班将课程体系划分为以下几个模块：人工智能核心课程组，数学课程组，认知与神经科学课程组，人工智能平台和工具课程组；南京大学提出“人才培养为核心”，基础研究为支撑，创新应用为出口”。创新发展模式，根据人工智能学科的特点，进行课程创新建设；浙江大学在人工智能本科专业建设计划中，知识点分为通识教育课程，人工智能专业必修课程，专业模块课程等几类。之所以要明确人工智能课程建设的内涵之所以重要，是因为人工智能课程知识体系与现有课程知识体系之间存在巨大的差距。美国卡内基梅隆大学于今年9月招收了美国第一批人工智能专业的本科生，该课程要求数学，计算机和人工智能这三门主要课程，并提供丰富的选修课程。我们可以比较卡内基梅隆大学的人工智能本科专业知识体系和斯坦福大学的计算机科学本科专业知识体系之间的差异。斯坦福大学将计算机科学本科专业知识系统划分为数学，科学，工程基础和计算机科学等核心类别，然后设置诸如人工智能，生物计算，计算机工程，人机交互和计算机系统之类的模块。每个学生都在学习完成所有核心课程类型后，选择一个要学习的模块（通常一个模块包含2到3个课程）。可以看出，人工智能专业知识体系不等于计算机科学知识体系。在斯坦福大学的计算机科学本科专业中，人工智能只是一个模块。而在卡内基·梅隆大学（Carnegie Mellon University）的人工智能本科专业中，人工智能是一个系统。因此，在培养人工智能人才的过程中，有必要增强专业化意识，避免人工智能知识体系的分散化和空洞化，而是要系统地培训人工智能专业人才。在保持人工智能内涵培养的同时，也要注意人工智能人才培养的跨学科和应用驱动。浙江大学的老校长朱克once曾经说过：“如果一所大学专门从事