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

　　通知指出，根據(jù)教育部、國家發(fā)展改革委、財政部印發(fā)的《關于“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(yǎng)的若干意見》，教育部成立人工智能高層次人才培養(yǎng)專家委員會。專委會在廣泛調(diào)研論證基礎上，研究制訂了《人工智能領域研究生指導性培養(yǎng)方案(試行)》，現(xiàn)予以印發(fā)。請開展人工智能領域研究生培養(yǎng)的有關“雙一流”建設高校結(jié)合本校學科建設和人才培養(yǎng)特色，參照制訂和進一步完善相關研究生培養(yǎng)方案。

　　五大培養(yǎng)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(yǎng)方案(試行)

　　為落實教育部、國家發(fā)展改革委、財政部印發(fā)的《關于“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(yǎng)的若干意見》，進一步深化人工智能領域研究生培養(yǎng)改革，引導建設高校加強前瞻性基礎研究，實現(xiàn)變革性原創(chuàng)成果突破，培養(yǎng)滿足創(chuàng)新型國家建設急需的高層次基礎理論人才和復合型創(chuàng)新人才，特制定本指導性培養(yǎng)方案。

　　一、培養(yǎng)目標

　　適應新科技與產(chǎn)業(yè)革命發(fā)展趨勢，服務國家重大戰(zhàn)略和經(jīng)濟社會發(fā)展特別是智能化發(fā)展轉(zhuǎn)型的需求，面向原始創(chuàng)新、產(chǎn)業(yè)升級和技術革新的實際需要，以立德樹人為根本，在德智體美勞全面發(fā)展的基礎上，培養(yǎng)在人工智能領域相關學科掌握堅實寬廣的理論基礎和系統(tǒng)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(chuàng)新應用的能力，具有高度社會責任感的高層次復合型人才。

　　(一)品德素質(zhì)方面。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(yè)心，具備良好的道德品質(zhì)，恪守科研誠信與倫理，嚴守學術規(guī)范，具備國際化視野、創(chuàng)新意識和團隊精神，愿為中國特色社會主義事業(yè)貢獻力量。

　　(二)知識水平方面。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(yè)技能，深入了解本領域的發(fā)展方向，系統(tǒng)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系和學習能力。博士生突出廣泛掌握人工智能國際前沿學術方向和行業(yè)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，并能夠綜合運用。

　　(三)能力素質(zhì)方面。具有獨立的科學研究能力和自主學習能力，包括發(fā)現(xiàn)和提出問題、設計實驗和分析處理數(shù)據(jù)、設計優(yōu)化算法、設計開發(fā)軟硬件、總結(jié)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(chuàng)新能力，具有較強的系統(tǒng)構(gòu)建能力和一定的科研組織能力，能夠在解決行業(yè)企業(yè)重大工程實踐中凝練科學問題、創(chuàng)新研究方法、轉(zhuǎn)化先進技術，深入開展多領域交叉創(chuàng)新應用和開展學術交流，能夠承擔高校及研究機構(gòu)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，具有人工智能系統(tǒng)的設計、實現(xiàn)、測試和應用驗證能力，以及良好的職業(yè)素養(yǎng)和溝通協(xié)作能力，能夠綜合運用多學科理論技術解決行業(yè)企業(yè)智能化面臨的實際問題。

　　(四)適應國家發(fā)展需要與人工智能發(fā)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(yǎng)定位的具體目標。

　　二、培養(yǎng)方向

　　按照教育部、國家發(fā)展改革委、財政部三部委文件關于“深化人工智能內(nèi)涵，構(gòu)建基礎理論人才與‘人工智能+X’復合型人才并重的培養(yǎng)體系，探索深度融合的學科建設和人才培養(yǎng)新模式”和“以產(chǎn)業(yè)行業(yè)人工智能應用為導向，拓展核心技術和創(chuàng)新方法，實現(xiàn)人工智能對相關學科的賦能改造，形成‘人工智能+X’的復合發(fā)展新模式”的要求，與本領域發(fā)展定位、學校學科布局和師資結(jié)構(gòu)相適應的具體培養(yǎng)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(shù)學基礎、優(yōu)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、智能控制與決策等。

　　(三)人工智能支撐技術研究方向，如：人工智能架構(gòu)與系統(tǒng)、人工智能開發(fā)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，包括但不限于：智能制造、機器人、無人駕駛、智能網(wǎng)聯(lián)汽車、智慧交通、智慧醫(yī)療、機器翻譯和科學計算等，充分發(fā)揮人工智能對各個學科或領域的賦能作用，形成特色培養(yǎng)方向。

　　(五)人工智能與智能社會治理相關研究方向，如基于人工智能技術屬性與社會屬性緊密結(jié)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面相關技術方向。

　　三、培養(yǎng)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(yǎng)單位要按照推進“人工智能與實體經(jīng)濟深度融合”的要求，結(jié)合本單位優(yōu)勢，以改革為動力，打破學科壁壘，加強內(nèi)部教育教學資源整合共享，積極推進校企、校校和國內(nèi)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(yǎng)等方面，積極探索人工智能領域研究生培養(yǎng)新模式，積累新經(jīng)驗。

　　在培養(yǎng)計劃方面，鼓勵師生共同制訂個性化培養(yǎng)計劃，給予學生較多的選課、選題等方面的主動權。深入推動科教融合、產(chǎn)教融合，堅持理論聯(lián)系實際，加強實踐和應用環(huán)節(jié)的訓練。

　　在課程設置方面，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(yè)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(xiàn)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(yè)聯(lián)合，探索產(chǎn)業(yè)案例教學。要將有關的科技倫理納入教學。課程體系和核心課程參考建議見附件1、2。延伸類課程由培養(yǎng)單位根據(jù)人才培養(yǎng)的特色方向設置。

　　在教學方式方面，積極開展項目引導的研討式、案例式、實踐式教學，鼓勵企業(yè)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(jīng)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(zhuǎn)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。

　　在導師指導方面，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(lián)合指導方式開展復合型人才培養(yǎng)。根據(jù)實際情況，組建導師團隊時積極聘請企業(yè)導師、外校及研究院所專家。

　　在科研訓練方面，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(yǎng)研究生的問題意識，擴大研究生學術視野。確?；究蒲杏柧殢姸?，夯實研究生科研能力。

　　在實習實踐方面，突出產(chǎn)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(yǎng)方案中設置專門的實習實踐環(huán)節(jié)，提高實踐訓練強度和比重。

　　在考核評價方面，要突出對創(chuàng)新科技前沿、解決實際問題所作實質(zhì)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(nèi)容。

　　在培養(yǎng)環(huán)境方面，積極構(gòu)建跨學科、寬領域、科研方向長期穩(wěn)定的培養(yǎng)環(huán)境，鼓勵碩博連讀、直攻博，和跨學科本、碩、博一體化培養(yǎng)的創(chuàng)新模式。

　　培養(yǎng)單位要根據(jù)有關要求，在研究生培養(yǎng)的各個方面，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(yǎng)為抓手，推動研究生教育改革的新突破。

　　四、質(zhì)量保障與支持機制

　　著重從以下方面完善質(zhì)量保障制度與支撐體系建設，制訂具體的質(zhì)量監(jiān)督與支持措施。

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

　　(二)以智能化管理保障人工智能領域人才培養(yǎng)，建立反映研究生學籍、學分、培養(yǎng)方案、課程學習、實驗記錄、學術交流、專題報告、調(diào)研實踐等各關鍵環(huán)節(jié)信息的數(shù)據(jù)庫，利用互聯(lián)網(wǎng)與大數(shù)據(jù)技術實現(xiàn)培養(yǎng)質(zhì)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(zhì)量評價，在引導學生德智體美勞全面發(fā)展的同時，結(jié)合人工智能基礎前沿創(chuàng)新和復合型人才培養(yǎng)的特點，優(yōu)化完善學位論文答辯制度、學位評定委員會評議制度、交叉學科學位論文評議制度、學位論文跟蹤制度，加強培養(yǎng)過程的選優(yōu)分流，保證學位授予質(zhì)量。

　　(四)建立學緣結(jié)構(gòu)多樣、理論功底深厚、學科交叉實踐經(jīng)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(gòu)建獎勵激勵機制和榮譽體系，加大對品學兼優(yōu)的取得優(yōu)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(lián)盟，加強內(nèi)部教學實驗設施設備及數(shù)據(jù)安全共享。

　　(八)積極拓展企業(yè)合作資源，充分利用網(wǎng)絡、地域的優(yōu)勢，探索多種模式的合作機制，建立持久務實的合作關系。通過人才推薦、科研成果轉(zhuǎn)化等機制，提高產(chǎn)業(yè)界培養(yǎng)人才積極性，聯(lián)合企業(yè)優(yōu)化教材和系列課程，積極吸引企業(yè)開放產(chǎn)業(yè)案例與數(shù)據(jù)集。

　　(九)根據(jù)學科發(fā)展的最新趨勢和人才培養(yǎng)的需求變化，及時調(diào)整培養(yǎng)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(nèi)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(shù)據(jù)驅(qū)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(jié)合算法。

　　(二)數(shù)學優(yōu)化

　　機器學習、計算機視覺、自然語言處理等技術不斷發(fā)展，優(yōu)化技術逐漸成為人工智能領域的重要數(shù)學基礎。本課程從凸優(yōu)化入手，介紹優(yōu)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(yōu)化復雜度的概念，掌握分析凸優(yōu)化復雜度的基本方法，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(yōu)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

　　本課程致力于介紹經(jīng)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，能查閱并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，為今后在深度學習相關教學、科研和項目開發(fā)工作中深入解決實際應用問題打好基礎。

　　二、專業(yè)知識類課程

　　(一)計算機視覺

　　計算機視覺是關于如何使機器“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(xiàn)實、生物識別、安全監(jiān)控、智能制造等領域發(fā)揮著重要的作用。本課程首先介紹計算機視覺領域的發(fā)展歷史和主要應用，之后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(gòu)、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，特別是基于統(tǒng)計模式分類和人工神經(jīng)網(wǎng)絡的方法。

　　(二)自然語言處理

　　自然語言處理是關于實現(xiàn)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(nèi)容，在網(wǎng)絡搜索、廣告、電子郵件、客戶服務、語言翻譯、醫(yī)療診斷等領域得到廣泛應用。課程具體內(nèi)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、對話系統(tǒng)、問答系統(tǒng)、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(jīng)與認知科學導論

　　本課程是神經(jīng)認知科學的入門課程，包含了認知心理學、神經(jīng)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(jīng)認知科學的基本概念、歷史和發(fā)展現(xiàn)況，進一步講解基于認知活動的腦機制，即人類大腦如何調(diào)用其各層次上的組件，包括分子、突觸、細胞、腦組織區(qū)和全腦去實現(xiàn)各種認知活動，最后介紹相關的計算模型和算法。課程將從細胞機制和神經(jīng)元模型、大腦的結(jié)構(gòu)和功能組織、感知原理及模型、記憶的基礎理論及模型、學習機制及學習算法、脈沖神經(jīng)網(wǎng)絡的概念、結(jié)構(gòu)以及應用等方面進行展開，旨在加深同學對認知神經(jīng)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(jīng)科學的基本內(nèi)涵，熟悉借鑒大腦機制的學習、記憶等計算模型及算法，同時啟發(fā)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系統(tǒng)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，并了解相關的治理規(guī)范和防御方法，助力人工智能技術的健康發(fā)展。

　　(五)機器人學與智能控制導論

　　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制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，基于視覺、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(xiàn)機器人智能控制等。

　　(六)人工智能架構(gòu)與系統(tǒng)

　　本課程講解支持深度學習的計算機系統(tǒng)架構(gòu)和設計方法，包括人工智能算法硬件加速、軟硬件協(xié)同智能計算架構(gòu)、云-邊緣-端智能系統(tǒng)、后摩爾時代智能計算發(fā)展趨勢等。

?推薦閱讀:2023年健康管理師(三級)《理論知識》每日一練試題08月15日

?推薦閱讀:電大學費多少錢一年 開放大學學費貴不貴

?推薦閱讀:初級會計報名費多少錢一科 什么時候報考

?推薦閱讀:成人專升本報名時間2023 成考報考時間公布

?推薦閱讀:2022年法律職業(yè)資格證書報考條件及考試科目

以上內(nèi)容由河南考試信息網(wǎng)為您收集整理！如果您覺得有用,歡迎分享給朋友！掃描下方二維碼關注我們,獲取更多有用考試信息!