作者：陈劲，清华大学经管学院创新创业与战略系教授，清华大学技术创新研究中心主任，长江学者特聘教授；吕文晶，清华大学经管学院博士研究生。
来源：《高等工程教育研究》 2017年第6期
(本研究是教育部科学事业费重大项目“研究型大学建设顶层设计和组织制度战略规划研究”研究成果之一。)
[摘 要]人工智能进入与产业深度融合发展新阶段。人工智能与智能制造、自动驾驶、语音图像处理、医疗卫生、金融、教育等相结合，正推动新工科人才培养向智能化、自动化和精准化等目标转变。人工智能也将深度影响新工科学科建设活动，既将促进新工科学科专业的生成或消失，也将促进新工科学科专业的融合发展。新时期，理论界与实践界应更加密切关注人工智能的后续发展，深入开展人工智能与新工科建设的关系研究，及早谋划、及早行动，借助人工智能发展的历史性机遇促进中国新工科建设取得新的突破。
[关键词] 人工智能
新工科 人才培养 深度学习
新工科建设“天大行动”中指出，要注重“大数据、云计算、物联网、人工智能、虚拟现实、基因工程、核技术等新技术和智能制造、集成电路、空天海洋、生物医药、新材料等11类新产业对卓越工程科技人才的需求状况及变化趋势”[1]。而事实上，人工智能与上述其他类别的新工科产业发展方向并不是并列关系。人工智能将对相关技术变革、产业发展和人才培养带来突破性创新（Radical/Breakthrough Innovation），人工智能也将促成新工科人才培养开启重大转向。
一、人工智能对工科人才培养的影响：早期与中期阶段
人工智能经过半个多世纪的发展，先后在历史的不同时期对工科人才培养产生过重要影响。
（一）人工智能的早期阶段：为工科人才培养打下学科基础。
人类在20世纪前半叶系统提出了通过人工智能来解放人类劳动的伟大设想。其基本思路是：开发形成具备“智能”或“智力”的类人机器，使之有效作用于各类领域，降低人类工作负荷甚至超越人类本身。20世纪前半叶有不少学者遵循此思路“畅想”过人工智能的发展。比如，1942年麻省理工学院的维纳（Wiener）教授就预见到未来可以通过计算机编程来运营“无人组装线”式的工厂，这些工厂“以正确的方式将工作‘录入’（taping）机器”、这将使“工厂不再需要员工”、并“在所有层面上取代人类。”[2]显然，维纳时期并未实现上述设想，因为早期阶段的人工智能仅仅是作为一种概念推演或理论预设被学术界提及。虽然如此，这也为多个工科门类如计算机、自动化等学科的未来发展打下了学科基础。
在早期阶段，人工智能比较重大的突破在于概念与理论两个方面。在概念上，人类首次明确提出了人工智能（AI）的基本概念，划定了人工智能发展的基本轮廓与边界。该时期，虽然人工智能的概念称谓有很多，但主要思路都认为人工智能是机器代替人力的类人化发展过程。比如，麻省理工学院温斯顿（Winston）教授认为人工智能就是研究如何使计算机去做过去只有人才能做的富有智能的工作。斯坦福大学费根鲍姆（Feienbaum）教授认为人工智能是一个知识信息处理系统[3]。较为公认的概念是1956年美国达特茅斯会议上所提出的“人工智能”（Artificial
Intelligence，AI）这一术语，这标志人工智能的正式诞生。
在理论上，这一时期一批事关后续人工智能发展的理论得以提出，形成了早期人工智能研发的主要方向，也形成了部分学科的理论基础，并初步确定了判定人工智能发展阶段的标准。1936年，计算机研究先驱图灵系统提出了“通用图灵机”的数学表达系统，试图通过虚拟的“0”和“1”二进制符号，让机器去做通常只有人类智能才能完成的事，形成了人工智能未来发展的原始基础。而且，非常关键的是，图灵还率先提出了人工智能的技术目标与心理目标，即“图灵测试”[4]。通俗的解释，“图灵测试”即通过实验来判定某些技术能力是否以及多大程度上达到人工智能的目标。比如，以自然语义分析为例，可以创设一种情境，由通过选拔的志愿者参与实验，尝试与计算机进行对话。后台应答者既可能是人类本身，也可能是受过人工智能“训练”的自然语义分析应答机器人，实验中志愿者就后台是人还是机器进行判断，并以判断准确度来确定该项自然意义分析技术是否属于人工智能。“图灵测试”的人工智能评判方法沿用至今，当代人工智能的很多研究者（如李开复[5]）大多都曾尝试过图灵测试。
图1 图灵测试原理图
人才智能发展的早期阶段，随着概念与理论的不断深化和延伸，形成了人工智能人才培养的早期学科基础。有关人工智能的理论基础非常多元，部分理论经过检验后遭淘汰，而一些关键理论得到了验证，并成为后续人工智能研究和人才培养的学科基础。主要包括控制论、神经网络、信息论和计算机学科基础等。人才智能发展的早期阶段，也进行过真实的人工智能相关技术的研发，并取得部分成功，但由于实践大大落后于理论或各类“设想”，人工智能研究在一段时间内走向消沉。此阶段典型的成功案例是20世纪50年代末阿瑟·塞缪尔研发的跳棋程序打败了他本人，这被认为存在计算机超越人类智力的可能。之后，人工智能就出现了一些盲目乐观、过度乐观的情形，认为人工智能是人类发掘的新的巨大宝库，通过人类努力可以在较短时间内探究宝库秘密，该时期产生了一批初创人工智能公司，试图直接将人类专家的知识灌输给计算机，不过“这样的项目在市场中却脆弱不堪，很快就让一些雄心勃勃的初创公司崩溃倒闭”[2]。曾经最踊跃参与人工智能研发的美国政府也于1966年宣布“还不存在通用的科学文本机器翻译，也没有很近的实现前景”，之后所有美国政府资助的学术性翻译项目都被取消[6]。
（二）人工智能的中期阶段：工科人才培养进入实验室阶段。
20世纪60年代至20世纪末期，人工智能发展由理论走向实践，相关成果的出现再次促成了新一轮人工智能的研究和创业热潮。在此阶段，人类关于计算机、机器人、语音识别等热情被充分点燃，人工智能从初始化理论开始向机器模型转变。其典型事件是1970年“Shakey”完全自动化运转机器人的研发成功，“Shakey”具备推理周围世界、规划自身动作并执行任务的能力[2]。但在此阶段，由于人工智能相关实践尚难与产业发生深度联系，总体上虽然促成了人工智能理论和实践的进一步发展，但对于工科人才培养的影响仍然更多局限在实验室阶段。
从研究方向看，进一步在理论上进行了人工智能发展方向的探寻。在此阶段，早期基于符号主义学派的相关技术逐渐被抛弃，基于统计模型的相关技术不断兴起，人工智能开始“在一个巨大的搜索空间中寻找满意解”，“这个巨大的搜索空间是由知识库所定义的知识空间”[7]。与人工智能初期的跳棋游戏相比，此阶段人工智能在人棋竞赛方面又进了一大步，1997年计算机深蓝战胜人类棋王卡斯帕罗夫再次引起轰动，人工智能研发进入一个“黄金时代”。其中，1989年美国蒂姆·伯纳斯·李博士开发推出了世界第一个网页浏览器，人工智能借助互联网探寻新的发展方向的趋势日渐明朗。当然，与早期阶段类似，狂热的人工智能研究和创业热潮随着研究面临的巨大困难而消退。这一阶段，人工智能最大的发展障碍是计算机缺乏快速获取知识的途径，互联网的出现为解决这一难题提供了思路，但因互联网出现时间较短，还未完成人工智能进一步发展所需要的大数据等基础支撑，人工智能发展再次进入“寒冬时代”。
从对工科人才培养的影响看，形成了较为完备的实验室工科人才培养系统。在此阶段，人工智能发展对于相关工科人才培养的作用更加凸显。在实验室内，各类面向人工智能的工科人才培养如火如荼展开，各类面向不同人工智能应用目标的研发活动层出不穷，但所遵循的基本研究思路却存在显著差异[5]。在此时期，一些工科类人才虽最终难以全面打开人工智能宝藏，但在计算机科学、自动化等具体学科领域的人才培养已逐渐体系化，成为工科人才培养的主力军。而且，这一阶段人工智能对于人才培养和学科发展的影响还不仅限于工科大类，大量人文社会科学学者也加入其中，学科融合趋势出现。比如，在研究人工智能语音系统过程中，大量语言学家加入了研究团队，虽然后来证明这类“专家”参与式的研究思路难度较大，但这并不妨碍不同学科面向人工智能融合发展的共同努力。当然，基于跨学科“专家”思路的人工智能研究也并非一无是处，在其他一些领域，“专家”参与人工智能研究也取得了较大成功，比如专家们研发了医疗专家系统MYCIN、探矿专家系统PROSPECTOR、青光眼诊断治疗专家系统CASNET、钻井数据分析专家系统ELAS等[8]。
二、新时期人工智能对新工科人才培养的影响：进入产业阶段
21世纪，人工智能研究和应用进入前所未有的新阶段。其“新”既体现在人工智能研究相关理论和知识体系日渐成熟，经历了大量理论探索与理论筛选之后，基于深度学习的人工智能研究借助大数据等互联网技术逐渐走向成熟；也体现在人工智能的技术应用逐渐走出实验室，正与各类传统产业发生深度联系，并深刻影响甚至改造着各类产业发展。
新时期，人类正试图重新对人工智能下定义。比如，最新的一些研究认为[9]，人工智能致力于制造可以像人类一样思考的机器，这些机器或计算机可以储存大量的信息，并能够以惊人的速度准确地对这些信息进行加工处理。也有研究认为，人工智能的主要研究内容包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是对人类意识及思维过程的模拟，它虽不是人类智能，但能模拟人类的思考过程，甚至有可能超越人类的智慧[10]。还有研究者认为“人工智能是主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。人工智能的长期目标是实现达到人类智力水平的人工智能。”[12]
上述不同定义展示出新时期人类对于人工智能研究的新的目标设定以及“研究野心”。应该说，此轮以深度学习为核心的人工智能发展似乎已经帮助人类彻底找到人工智能未来发展的“关键秘密”。所谓深度学习，就是“用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题。”[5]通俗地讲，就是像训练人类学习一样训练计算机，最终让计算机掌握人类学习规律，并借助其超强运算能力完成各项具体任务。以人工智能图片检索为例，当前最新的人工智能技术对于图片的认知准确程度已经超越人类，可以实现在海量数据中进行图片识别、比对、碰撞等工作，比如通过图片识别已经可以找出改变身份试图“洗白”的嫌疑犯。那么，从原理上讲，机器是如何学会像人类一样进行图片识别的呢？简单说分为几个步骤。一是构建“训练数据集”，作为计算机学习的基础素材，“数据集”包含海量信息，帮助计算机区分不同数据集的差异。比如，在汉字识别训练过程中，“十”字的基本特征是一横一竖，计算机将被训练记住这一根本性特征。二是计算机“建模”，即计算机在“大脑”中通过反复看图，总结出规律，这一过程就叫“机器学习”[5]。仍以“十”字为初始学习对象，如果计算机已经掌握了“十”字的特征，在此基础上再加一横是什么字呢？在训练计算机过程中就要呈现所有可能的“数据集”（即“土”、“士”、“干”），并“教会”计算机各类变化对应的不同结果。三是逼近真实结果。在上述步骤基础上，计算机不断尝试，逼近最终目标。举例来说，“谷歌大脑”是如何识别每一副图片的呢？谷歌曾让计算机用深度学习模型自己“看”了一千万段YouTube上的视频，然后，计算机自己“学”到了如何从视频中辨认一只猫[5]。谷歌研究者还用2865部英文言情小说培训机器，让机器学习言情小说的叙事和用词风格。机器模型先领悟了单词之间的空格结构，然后慢慢认识了更多单词，由短到长，标点符号的规则也慢慢掌握，一些有更多长期相关性的语句结构，慢慢地也被机器掌握[13]。
图2 机器学习基本原理（以“由”、“甲”、“申”三字为例）[5]
大数据是此轮人工智能研究推进的关键所在。此轮以深度学习为主要方向的人工智能，依托于互联网积累的大数据资源，产生了在各行业开展机器深度学习的可能性。也因此，相比于前两个阶段，首次实现了人工智能与具体产业的紧密对接，当前很多行业在人工智能领域已经突飞猛进，很多变革与发展是颠覆性的，甚至破坏性的（Disruptive Innovation）。以轰动全球的2016年AlphaGo战胜人类为例，AlphaGo应用的只是AI领域非常普遍的算法：深度学习、蒙特卡洛算法、增强学习等[5]。AlphaGo先后战胜李世石、柯洁等绝不是简单的围棋大赛的胜负，其背后的引申意义远大于此，比如，通过这些算法目前人类在金融投资领域就可取得极大成功。当然，从历史上来看，每一轮人工智能发展在标志性事件（如AlphaGo战胜人类）出现后都可能出现“震荡”，但此轮人工智能发展则可能完全不同，因为其实现了与产业对接，也即将实现与高等学校人才培养的对接。未来，随着人工智能的进一步发展，高等学校和科研院所工科类人才培养活动可能发生颠覆性变化，学术界对此必须保持高度警醒和密切关注。
三、人工智能对新工科人才培养目标要求的影响
本轮人工智能发展被誉为全球第四次工业革命的关键动力。其“关键”之处在于，与前两次人工智能发展更多停留在理念甚至科幻层面不同，此轮人工智能在理念和技术层面真正找到了让计算机模仿人类行为甚至思维的“钥匙”，将可能彻底实现技术进步与产业发展的融合创新，将可能在科学技术、产业发展和人才培养方面产生颠覆性影响。而且，此轮人工智能的革命才刚刚开始，关于其真正走向和可能影响仍莫衷一是，此轮人工智能究竟将如何以及在多大程度上影响新工科人才培养需要学术界密切关注。即使如此，本轮人工智能的理念与技术已对传统工程类产业及周边产业形成深度影响，将可能在根本上与新工科建设一起形成高等学校新的人才培养目标。尤其是2010年以来，本轮人工智能的兴起，已在部分产业展现出与传统产业截然不同的发展道路和未来趋势，这将对新工科建设人才培养目标要求产生现实影响。比如：
1.人工智能与智能制造的结合，将通过制造类机器人的研发，推动新工科人才培养向智能化目标转变。
该种智能制造的产业方向转变，将直接带来新工科人才培养的目标转变，未来新工科人才培养将进一步打通学科壁垒，形成多学科基础的工科类人才培养目标。当前，智能制造业正广泛吸收运用人工智能的研究成果，用机器替代人力大势所趋，据统计，当前仅中国的机器人研发和制造类公司就已超过800家，并呈现快速增长势头。一方面，智能制造正迅速出现在大型生产制造类企业。中国大量面临劳动力短缺问题的劳动密集型产业正加快智能制造推进速度，而有了这些机器，（人类）“可以制造出任何一款消费设备。”[2]另一方面，智能制造类的相关产品也逐渐出现在人类生产和生活领域并逐步被民众认知和接受，比如，家居机器人已在中国实现大范围生产和使用。
2.人工智能与自动驾驶的结合，将深度影响汽车制造及周边产业，推动新工科人才培养向自动化目标转变。
汽车制造、驾驶及周边产业是传统工科类人才培养的核心面向之一，随着无人驾驶汽车、智能导航系统等人工智能技术的兴起，未来，新工科人才培养将可能在此方面更多面向自动化目标转变。自动驾驶相关领域最早开始于21世纪初期，在此期间几次借力人工智能技术成果实现研究跨越。美国军方曾深度参与人工智能自动驾驶汽车的研发和比赛引导等工作，甚至明确提出希望到2015年三分之一的军队用车正式由无人驾驶汽车替代[2]。虽然该目标并未完全实现，但谷歌、特斯拉、苹果、宝马、百度等公司有关无人驾驶汽车的研发正不断取得成功，一大批自动驾驶汽车已上路运行，正式销售的特斯拉电动汽车已装备有部分无人驾驶系统，在可预见的未来，人工智能驾驶汽车取代人类驾驶员成为可能。与之相比，智能导航系统则发展得更快，苹果siri的早期形式就曾是通过汽车和手机地图软件采用A*算法寻找两点之间最短路径的最优方法[2]。后续通过人工智能在此领域的不断努力，目前智能导航已走进数亿人的生活成为必需品。应该说，汽车制造及周边产业是工程类人才高密集领域，该产业的转型发展将直接影响中国高校新工科人才培养的目标设定。当前，中国一些在汽车制造及相关专业具有较强学科基础的高等学校正谋求改变，比如北京某985高校车辆工程专业正对照人工智能发展趋势协调校内外资源形成新的智能驾驶研究方向。
3.人工智能与语音、图像、文字结合，将推动新工科人才培养向类人化目标转变。
新时期，随着人工智能在语音、图像、文字等领域的兴起，将推动新工科人才培养目标进一步向类人化方向迈进，如何模仿甚至超越人类行为将成为新工科建设过程中相关学科专业的未来目标设定。一些研究认为，当前人工智能在视觉图像识别、语音识别、文本处理等诸多方面已经达到或超越人类水平[13]，这也是人工智能最明确的已经赶超人类智能的领域之一。比如，在文字阅读分析方面，2000年前后人类就发明了“E-discovery”软件，可以扫描数百万份电子文档并进行自然语义分析，在需要于诉讼中公开的法律文件中寻找重点[2]。该领域发展非常迅速，计算机通过深度学习正不断提升自然语义分析能力。在2011年之前，人类语音识别算法的识别准确率仍较大程度落后于人类自身。但到了2013年，谷歌对于单词的识别错误率已经下降到23%左右，到2015年，错误率在则迅速降低到8%，而微软则将之进一步降低到6.3%，这已超过人类自身的错误率水平。此外，人工智能的自然语义分析技术不仅可用于资料和文献获取，而且已经具备自我学习和应用能力。比如，一家公司开发的名为“作家”（Wordsmith）的人工智能技术平台已经可以自行撰写新闻稿件，2014年该公司宣称已撰写出超过10亿篇的新闻稿，美联社还通过运用该人工智能技术为所有的美国和加拿大上市公司撰写营收业绩报告[2]。再比如，在语音类人助理方面，几大互联网和人工智能巨头所推出的类人助理正大幅降低了话务等工作成本。苹果公司于2011年发布的语音助理siri已非常成熟，2012年谷歌发布的Google Now则适用于安卓系统的语音服务并于2016年进一步发布了智能聊天程序Google Allo，2014年亚马逊发布了可以与使用者畅聊音乐的智能音箱Echo，中国公司百度也于2015年推出了具备搜索和聊天功能的“度秘”[5]。
图3 近20年来语音识别错误率的下降趋势[5]
4.人工智能与卫生、金融、教育结合，将推动新工科人才培养向精准化目标转变。
人工智能在医疗卫生领域正“大展神威”，通过技术创新大幅提升诊疗效率尤其是精准率，这也将很大程度上影响未来医疗相关领域的新工科人才培养活动。这不仅仅是改变相关学科专业的人才培养方式，也可能大幅缩短医学类工科人才培养的时长（长期以来，医学被认为是人才培养周期最长的领域之一）。比如，IBM 推出的认知计算机健康平台Watson Healthcare Cloud（沃森认知计算平台），在某些细分疾病领域已能达到顶级医生的医疗诊断水平，并且可以为医护人员提供最有效的治疗方案[5]。人工智能在金融及相关领域也因其超强的深度学习能力，正展现出取代人类劳动的明显趋势，这将很大程度上影响金融工程等相关工科专业的人才培养活动。比如，高频程序化交易Virtu Financial LLC公司在1238 个交易日中，仅在1个交易日中出现了亏损。需要特别指出的是，近年来工程类人才大量流入金融等领域问题突出，人工智能时代的到来，机器取代人脑并且精准度将大幅提升，将可能遏制工程类人才的上述无序流动，从劳动力市场视角规范人才流动制度，促进新工科建设。人工智能与教育也存在密切结合，这将进一步拓宽新工科人才的就业领域，创造新的工作岗位。传统上学校教育活动尤其在基础教育阶段往往是专任教师的事，虽然出现过部分学习辅助器材但总体上工科类人才涉足较少。而人工智能时代的到来对教育行业的改变则将是突破性的，以人工智能为代表的新工科人才将可能更多进入教育相关领域，这也将创造大批教育领域的新工科人才就业岗位。举例来说，已经有人工智能公司尝试开展应用语音识别和语音分析自动批改作业、自适应学习系统、仿真教育系统等等[14]。谷歌发布了Classroom，可以让教师发布课程通知、安排及收取作业并对作业进行评分。Facebook与Summit Public Schools联手打造了个性化学习软件[15]。谷歌举办的人工智能画展等。初创公司奇幻工房（Wonder Workshop）推出的名为达奇（Dash）和达达（Dot）的两个小机器人，它们可以帮助5岁以上的孩子学习编程，开发孩子的动手能力和想象力，但他们的外貌并不像真人，而是几个可爱的几何形体组合[5]。
四、人工智能对新工科人才培养学科发展的影响
人工智能对于新工科人才培养的影响，更为显著和直接的体现，则在于对高校工科人才培养体系的冲击，也即对新工科学科专业设置和未来发展将形成全方位影响。人工智能将促进学科内部（如计算机领域）具体研究方向的重大转变，也将促成大量新学科新专业诞生，还将促使部分学科专业消失或消亡。
一方面，人工智能将促进新工科学科专业的生成。正如凯恩斯所预测的，技术是新型工作的一个强有力的生产者[2]。人工智能极大地与新技术新产品产生关联，将创造出一个又一个新的产业，与之对应的，高等学校也将形成新的学科专业或对传统学科专业再次进行排列组合。比如，已有研究文献显示，浙江大学已经开创了“机器人+人工智能”、“金融+数学”、“计算机+大数据”等三个双学位班，“受到社会、学生、家长和专家的高度认同”[16]。清华-伯克利深圳学院已自主创办了“环境科学与新能源技术”“数据科学与信息技术”“精准医学与公共健康”三大跨学科研究中心，涵盖了13个传统一级学科[17]。中山大学深圳校区重点布局的“新工科”将针对人工智能、智能制造、机器人、云计算等新型产业专业进行布局。东南大学面向智能制造探索建设了我国首个“机器人工程”本科专业，中南大学等则选择了直接面向国家大数据战略的“数据科学与大数据技术”[18]。随着“双一流”建设名单的正式公布，中国高等学校新工科建设人才培养方案将可能广泛涉及到与未来人工智能发展的学科匹配问题。上述更多机遇新的排列组合的学科专业浅度调整可能向新学科新专业设置的深度调整进一步转变。
另一方面，人工智能也可能将“消灭”部分学科专业。人工智能时代到来可能将削弱甚至消灭部分传统的工科类学科专业，以应对新理念新技术对于部分传统产业的淘汰。在此方面学术界有大量讨论和预测，比如，2012年美国著名学者摩西·瓦迪就认为，人工智能的发展速度很快，“所有人类劳动力都将在未来30年内被废弃”，“机器人兼具大脑和肌肉，我们正在面对‘被我们的造物完全取代’的未来。”[2]一些计算科学家预测，最迟在2045年，在一些非常重要的工作中，人类将退出历史舞台[2]。而且，越来越多的证据表明，某些高声望的职业因为信息和通信技术成本的下降已开始显现出自动化的影响[2]。
此外，人工智能将促成新工科学科专业的深度融合发展。一些研究认为，新工科必须突破五大瓶颈，即“打破学科壁垒、越过专业藩篱、打通本研隔断、消除校企隔阂、唤醒师生淡漠”，其核心之一便是促进学科融合发展[16]。克劳斯·施瓦布发布的《第四次工业革命》一书中，特别强调了人类迎接第四次工业革命其核心特征就是各项技术的融合，这将“日益消除物理世界、数字世界和生物世界之间的界限，产生全新的技术能力，给政治、社会和经济体系带来巨大影响。”[20]人工智能的未来发展，将更多打通不同学科之间的原始壁垒，人工智能将成为“游走”在不同学科之间的桥梁纽带。这种学科壁垒的打破，将形成大量新的知识增长点，形成井喷式的人类成果获得。该种学科壁垒的打破，将不仅仅停留在工科大类内部，还将与其他学科大类（理科甚至人文社会科学、艺术学科等）形成更宏大融合的发展态势。在此过程中，相比传统的工科类人才培养，新工科建设在人才培养的目标导向、方式方法和结果评价等方面都将发生很大改变，核心是新工科建设对培养人才的知识广度、深度、综合素养等提出了新的更高的要求。这也正如中国工程院院士、华中科技大学前校长李培根所认为的，“新工科”需要重新审视专业边界，“如很传统的机械设计与制造自动化专业，也应该使学生有物联网、大数据分析、人工智能等方面的概念。同时，‘新’还应表现在课程边界的再设计，对于机械、电气、土木、建筑等多数工程专业的课程设计，融入人工智能等内容非常有必要。”[19]举例来说，美国正计划用远距离反舰导弹（LRASM）取代如今的巡航导弹。与之前不同的是，改种新式武器使用人工智能技术来决定袭击，具备自主判定打击目标的能力。其分解到人才培养环境，其中就涉及到传统武器相关专业与人工智能相关专业的融合发展问题。再比如，上述关于人工智能在教育、金融等领域的实际运用，将形成更大学科跨度、更深学科融合的基本格局。未来，随着人工智能的进一步发展，中国的新工科建设有可能出现学科模糊甚至学科坍塌的局面，取而代之的是具体细分的更微小深入的研究和应用领域（如自然语义分析领域将横跨语言学、计算机、人工智能等诸多学科，对其称呼将更多从研究领域视角命名而非从学科专业命名）。
五、结语
当前，人工智能仍继续快速向前发展，关于其后续走向仍有大量讨论甚至争论。虽然如此，人工智能对于中国工科学科发展和人才培养的影响已逐渐显现，人工智能对于新工科建设的影响广度与深度还将持续增强。此种背景下，教育部力推的“新工科”计划，其关键的“五新”目标（新理念、新结构、新模式、新质量、新体系）[19]与人工智能发展趋势极为契合。
当前，中国各类企业中机器人占比正不断增加，机器取代人力成为趋势。与此同时，也出现了人工智能及相关学科领域的人力资源供应不足的问题。麦肯锡咨询报告显示，到 2018 年，仅仅在美国，大数据人才短缺就达 50~60%。中国新一代信息技术产业人才也告急，未来三年人才缺口将达到750万人[17]。2017年，中国教育部、人社部、工信部联合印发的《制造业人才发展规划指南》关于十大制造业重点领域的人才需求预测显示，2017年“新一代信息技术产业”人才需求总量达2000 万人，但缺口超过 950 万人；“高档数控机床和机器人”人才总量 900万，缺口达 450 万人[19]。因此可以认为，人工智能发展的历史趋势与当前中国高等学校的新工科建设融合发展匹配性仍不足，新时期，理论界与实践界应更加密切关注人工智能的后续发展，深入开展人工智能与新工科建设的关系研究，及早谋划、及早行动，借助人工智能发展的历史性机遇促进中国新工科建设取得新的更大的成功。
参考文献：
[1] 林健：《新工科建设：强势打造“卓越计划”升级版》，《高等工程教育研究》2017年第3期。
[2] 约翰・马尔科夫等：《与机器人共舞：人工智能时代的大未来》， 浙江人民出版社2015年版。
[3] 费根鲍姆：《基于知识的智能系统的现状与未来》，《模式识别与人工智能》,
1993年6月，第133-135页。
[4] 玛格丽特・博登：《AI：人工智能的本质与未来》，中国人民大学出版社2017年版。
[5] 李开复、王咏刚：《人工智能》，文化发展出版社2017年版。
[6] [8] [12] 史忠植：《人工智能》，机械工业出版社2016年版。
[7] 唐培和等：《人工智能研究的局限性及其困境》，《广西科技大学学报》2010年第21(3)期。
[9] Dasgupta, A、赵青奇：《何为人工智能? 》，《新东方英语》2016年第6期。
[10] 李昭涵等：《人工智能开启“互联网+教育”新模式》，《电信网技术》2016年第12期。
[11] 李连德：《一本书读懂人工智能》，人民邮电出版社2016年版。
[13] 顾险峰：《人工智能的历史回顾和发展现状》，《自然杂志》2016年第3期。
[14] 张力力等：《人工智能背景下的基础教育发展展望》，《教育科学论坛》 2016年第19期。
[15] Newton, C.、商白、比尔·盖茨：《人工智能推动教育革新》，《当代教育家》2016年第7期。
[16] 陆国栋、李拓宇：《新工科建设与发展的路径思考》，《高等工程教育研究》2017年第3期。
[17] 李薇薇：《聆听“新工科”建设春雷》，《中国教育报》2017年4月17日，第5版。
[18]戴春晨：《促新经济发展广东多所高校发力新工科》，《21世纪经济报道》2017年7月14日，第7版。
[19] 徐瑞哲：《 “新工科”跨界交融中求突破》，《解放日报》2017年7月16日，第 3版。
[20] 朱正伟等：《面向新工业体系的新工科》，《重庆高教研究》2017年第3期。
[21] 张大良：《因时而动返本开新建设发展新工科——在工科优势高校新工科建设研讨会上的讲话》，《中国大学教学》2017年第4期。