高校教授激辯AI重構教育
作者／ IT時報記者 林斐
編輯／ 郝俊慧 孫妍
面對AI的顛覆性衝擊，高校教育模式正經歷深度重構。
2月21日，在2025全球開發者先鋒大會（以下簡稱GDC）人工智能人才培養與發展論壇上，上海交通大學特聘教授、ACM班創始人俞勇率先“開炮”，“當大模型能瞬間生成標準答案時，教師若仍執着於知識灌輸，無異於刻舟求劍”。
北京通用人工智能研究院院長、北京大學人工智能研究院院長朱松純也強調，傳統學科需要“革命自救”，不再循規蹈矩地按課本教學，而是要和人工智能結合起來，用人工智能的思維構建未來。
論壇上，“新一代人工智能實戰型人才培養系列教程”一期成果正式發布，二期項目同步啟動。
用AI寫作業？可以，但必須體現AI協同深度
“英語系的同事告訴我一件事情，去年開始同學交上來的作業已經很難找到錯誤了。”上海交通大學計算機系教授博導、副系主任張偉楠和他的團隊近期完成一個調研，在完成相同編程任務時，大語言模型的編程能力已經超過參與測試的絕大多數上海交大本科生、研究生的水平，並且隨着“運行-修改-再次提交”的DEBUG過程，差距越來越明顯。
當學生開始用AI寫作業，教授們該如何面對？
上海交通大學副教授、清源研究院院長助理劉鵬飛的課堂上演着一場“人機共生”的實驗：從允許學生用 AI 完成作業，到要求作業必須體現“AI協作深度”。
在一個圖像識別的課程項目中，大二的學生們已能藉助AI工具做出不錯的科研成果：學生們利用AI模型進行初步圖像分類，但必須自己分析模型的優缺點，並通過調整參數和改進算法來提高識別準確率，在這個過程中不斷提升對 AI 技術的理解和運用能力。
“這倒逼我們重新定義‘基礎能力’——未來人才的核心競爭力，在於對AI輸出的判斷力與迭代速度。”劉鵬飛表示。
上海交大ACM班也正在建構“1 門必修課+數十門選修課”的課程體系：要求學生自主設計學習路徑，教師僅充當“思維教練”。學生需自主選擇感興趣的AI領域，如機器學習、計算機視覺等，並制定相應的學習計劃，完成項目實踐和研究報告。
“中國的AI人才缺口不是簡單的數量問題，而是質量與結構性問題。”俞勇直言，應該將高中科學教育大學化——讓高中生撰寫科研論文、學習技術史，以此打破應試枷鎖，培養“大學科思維”。比如，一些高中已經開始嘗試開展科技創新社團活動，引導學生參與簡單的科研項目，撰寫科技小論文，在實踐中培養學生的科學思維和研究能力。
新型校企合作打造“超級AI試驗場”
很長一段時間裡，在國際人工智能頂級學術會議上，美國研究團隊發表的創新性研究成果數量和引用率都高於中國團隊。“美國AI人才的優勢本質上是全球人才虹吸的結果，中國近年已積累大量優秀人才，但在原創性突破上仍需努力。”劉鵬飛表示。
不過，他亦強調中國獨特的結構化優勢，“我們的市場規模、工程化能力和產業協同效率，為技術快速落地提供了‘超級試驗場’。若能將這些要素與人才培養深度結合，完全可能走出一條差異化道路。”
然而，一位來自上市科技公司的人力資源總監也提出疑問，AI時代，傳統的“校企合作”的人才培養模式將產生怎樣的變化？
浙江工業大學教授王萬良提出，高校和企業在合作時，應該將脫敏後的前沿技術轉化為教學案例，企業和學生可以進行聯合畢業設計，由企業提供真實課題，學生成果可直接應用於產線，實現“研發 - 教學 - 商用”閉環。
例如，在智能製造領域，企業將自動化生產線的優化問題作為畢業設計課題交給學生，學生運用所學的AI知識和工程技術，設計出智能調度算法和故障預測模型，經過企業的評估和完善後應用到實際生產中，提高生產效率和產品質量。
“合作必須雙贏，”王萬良總結，“企業獲得人才儲備，高校解決設備、數據短板，這才是長效機制。”
跨學科融合打破“紙上談兵”
近幾年來，隨着AI能力的增強，千行百業都在準備用AI重塑自己，AI for Science也成為科學研究的新範式，加速各類科學難題的突破。然而，無論是高校、研究機構，還是企業事業單位，被AI打破的學科界限卻沒有相應的人才接應。
工信部數據顯示，我國AI 心產業人才缺口已超500萬，且在高層次算法研發、跨學科應用等領域的供需矛盾尤為突出。例如在醫療影像智能診斷領域，既懂醫學影像專業知識又精通AI算法的複合型人才極為稀缺，導致許多先進的AI診斷技術難以快速落地應用於臨床。在一些高校的新興交叉學科研究項目中，比如生物醫學與人工智能的結合項目，同時具備生物學和AI知識的研究人員，因其在基因數據分析、疾病診斷模型構建等方面可以發揮重要作用，往往成為各個團隊爭搶的對象。
“全國真正開展人工智能相關工作的高校，以及從事人工智能研究的教師、科研人員還比較少，所以對於大家來說更重要的是能夠開展合作並取得成果。”王萬良表示。
“在人工智能領域，各學科之間相互依存，例如人工智能與計算機、電子信息等其他專業都有關係，誰都離不開誰，不應強調誰主導誰。”在俞勇看來，跨學科合作時，不同階段主導方可能不同，初期人工智能專業人員在技術方面可能參與更多，後期應用場景則需要相應專業領域和行業場景的人員主導，需要在合作開始前就將研究主導權劃分得很清楚，新的嘗試需要在磨合中探索。
比如在智能交通系統的研發中，前期AI專業人員負責搭建智能算法模型框架，但在後期的實地部署和優化階段，交通工程專業人員則發揮關鍵作用，根據交通流量、道路規劃等實際情況對系統進行調整和完善。
“人工智能是多個專業融合的結果，單獨一個專業不能稱之為人工智能。”俞勇表示。
排版／ 季嘉穎
圖片／ IT時報
來源／《IT時報》公眾號vittimes
來源：IT時報
(本文來自澎湃新聞，更多原創資訊請下載“澎湃新聞”APP)
