随着人工智能产业方兴未艾，相关成果已经与产业深度融合发展走向市场应用层面，带来了产业对人工智能复合型人才和学科交叉型人才的大量需求。据Talent Seer和AI人才社区Robin.ly联合发布的数据显示，2016-2019年，全球人工智能人才需求年均增长达74％，而我国工业和信息化部人才交流中心数据显示，当前我国人工智能产业内，有效人才缺口达30万。可见，人工智能的人才培养已是刻不容缓。

激烈的市场需求之下，许多高校纷纷上马人工智能与大数据相关专业，但仓促之下却又没有形成较为统一的培养方案，甚至于部分学校陷入了一种“短平快”的偏差之中：课程局限于简单培训一些深度学习算法和Python编程等基本能力，这种浅层次学习和人才培养其实不一定需要由高校承担。但过分执着于科研同样会造成问题，产学研协作不足，会使教研团队难以理解业界真实发展趋势，导致人才培养定位和目标不明确，学校招生需求与就业脱节。

如何解决高校培养人工智能人才“高不成低不就”的困难，需要学界和业界同时从三个角度发力协作：

1、做好人才培养的分类分流

高校教育不能受困于象牙塔，需要面向国民经济发展的主要需求，对应去培养面向不同用人需求的应用型人才和研究型人才。比如学术和职业教育层面就应区分开。研究生层面应设立创新型人才培养与技术应用型人才培养互补，专业化培育与定制型培育相结合的培养体系。职业教育层面，要充分发挥高职高专的职业教育优势，尤其是要与新公布的人工智能新职业工种和标准做好衔接。

2、校企联动做好资源共建共享工作

作为一个对硬件和软件要求较高的学科，在人工智能人才培养过程中联合政府、学校和企业之力实现资源共建共享是十分必要的。比如说，在推动产教融合的人才培养模式。在人才培养过程中，企业可以提供相关研究环境包括数据，深入参与到人才培养过程中。尤其对于应用型人才培养，更应该推动高校和企业的联合培养，高校有系统化的课程体系，企业有非常完善和成熟的应用场景，二者可以做深度结合。

3、重视学科交叉培养

综合世界一流大学建立人工智能相关专业的经验，为学生创建一个自由、宽松、灵活的课程体系，可以有效启发学生的自主创造力，对其未来职业发展会带来很大的益处。

比如爱丁堡大学极其注重人工智能专业课程设置的自由度、宽松度和灵活性，强调不同学段要根据不同的培养目标，在研究生阶段提供多种模式和类型的学年制供学生自由选择，学生可根据自身时间安排和内部需求选择一年制的全职学习或二三年制的兼职学习，在本科阶段则依照学科群组织课程，将单科专业和联合专业的相关课程联系起来。卡内基梅隆大学则非常重视培养学生的数理基础和人文艺术等交叉学科的整体素养的培养，其开设的人工智能本科专业的课程设置很有特点，数学与统计学核心课程占6门，人文与艺术占7门，反而像计算机科学和人工智能这类核心课程加一起才8门。这是因为即使对于工科人才来说，人文知识素养的积累也极其重要，高校培养出来的工程师和程序员，终究是要去解决现实社会生产中的实际问题，在这一过程中，数学是人工智能核心算法的基础，而人文、法律伦理则是人工智能涉及的重要方面。只有真正理解社会发展趋势的人工智能人才，才能将技术的价值发挥到最大化。