雖然從大學(xué)畢業(yè)的數(shù)據(jù)科學(xué)家仍然短缺，但即將到來(lái)的人工智能革命需要對(duì)教育進(jìn)行根本性的轉(zhuǎn)變——不僅是對(duì)構(gòu)建人工智能應(yīng)用的數(shù)據(jù)科學(xué)家，也對(duì)與他們生活在一起的我們。

數(shù)據(jù)科學(xué)項(xiàng)目網(wǎng)站顯示，全美有500多所大學(xué)開(kāi)設(shè)了數(shù)據(jù)科學(xué)學(xué)位課程?？偣灿?80多個(gè)學(xué)科，其中數(shù)據(jù)科學(xué)碩士是最受歡迎的。根據(jù)該網(wǎng)站分享的過(guò)去的數(shù)據(jù)，這一數(shù)字近年來(lái)大幅增加。

卡內(nèi)基梅隆大學(xué)(CMU-Carnegie Mellon University)計(jì)算機(jī)科學(xué)學(xué)院院長(zhǎng)馬修·赫伯特(Martial Hebert)表示，雖然來(lái)自大學(xué)的數(shù)據(jù)科學(xué)家的供應(yīng)有所增加，但企業(yè)對(duì)他們的強(qiáng)勁需求仍然超過(guò)供應(yīng)。

通過(guò)擴(kuò)大其數(shù)據(jù)科學(xué)學(xué)位項(xiàng)目，CMU一直走在數(shù)據(jù)科學(xué)家和人工智能專(zhuān)家的前沿?？突仿〈髮W(xué)是美國(guó)第一所提供人工智能學(xué)士學(xué)位的大學(xué)，而且仍然是全國(guó)唯一一所提供此類(lèi)課程的學(xué)校，赫伯特說(shuō)，他于1984年加入卡耐基梅隆大學(xué)，擔(dān)任計(jì)算機(jī)視覺(jué)和自主系統(tǒng)研究員。

金融不再僅僅是金融，而是金融和人工智能。政治科學(xué)不再僅僅是政治科學(xué)，它是政治科學(xué)和人工智能。從醫(yī)療到農(nóng)業(yè)，從軍事到采礦，許多學(xué)術(shù)和人文學(xué)科都在某種程度上圍繞人工智能進(jìn)行再造。

赫伯特說(shuō):“這個(gè)領(lǐng)域的前景是，我們將看到越來(lái)越多的人工智能和其他新學(xué)科的發(fā)展。”“例如，在自動(dòng)化科學(xué)和用于科學(xué)發(fā)現(xiàn)的人工智能方面有很多發(fā)展，這不僅僅是把那里的人工智能工具應(yīng)用到這里的一些科學(xué)家的東西上。這實(shí)際上是把他們整合到一起，創(chuàng)造一個(gè)全新的學(xué)科。”

這些新學(xué)科正開(kāi)始扎根。CMU有一個(gè)新的研究生項(xiàng)目，可以讓學(xué)生廣泛應(yīng)用人工智能，稱(chēng)為人工智能和創(chuàng)新科學(xué)碩士。赫伯特說(shuō)，該公司還在亨氏公共政策學(xué)院研究一個(gè)新的學(xué)位項(xiàng)目，該項(xiàng)目將探索人工智能在公共政策中的應(yīng)用，包括圍繞偏見(jiàn)和公平的話(huà)題。進(jìn)入這些研究生課程的學(xué)生將被要求對(duì)數(shù)據(jù)科學(xué)有堅(jiān)實(shí)的技術(shù)理解，就像攻讀傳統(tǒng)數(shù)據(jù)科學(xué)學(xué)位的學(xué)生一樣，通常在計(jì)算機(jī)科學(xué)系教授。這些課程將超越數(shù)據(jù)科學(xué)的核心理解，進(jìn)入人工智能領(lǐng)域，為學(xué)生創(chuàng)造一種環(huán)境，讓他們?yōu)樘囟▽W(xué)科創(chuàng)造新的工具和技術(shù)。

當(dāng)然并非所有課程都能從人工智能中受益。例如，很難看出文學(xué)或文藝復(fù)興藝術(shù)的研究將如何從人工智能中受益。不過(guò)人工智能似乎在人文學(xué)科的其他方面也有明確的應(yīng)用，比如新聞或音樂(lè)。

但赫伯特的愿景超越了創(chuàng)建傳統(tǒng)課程和人工智能相結(jié)合的學(xué)位課程。他希望在包括K-12在內(nèi)的各個(gè)層次的學(xué)校中廣泛教授人工智能主題。隨著人工智能在社會(huì)中發(fā)揮越來(lái)越大的作用，擁有了解它如何適應(yīng)并能與人工智能合作的大眾將有利于未來(lái)社會(huì)。

對(duì)學(xué)生來(lái)說(shuō)，了解人工智能的能力和局限性是很重要的，這樣他們就可以解決這些問(wèn)題。他說(shuō):“如果你沒(méi)有技術(shù)背景，如果你不了解這個(gè)系統(tǒng)的細(xì)節(jié)，至少你知道如何評(píng)估它們，如何比較它們，如何預(yù)測(cè)在哪里會(huì)遇到這些問(wèn)題，等等。”

計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理(NLP)、傳統(tǒng)機(jī)器學(xué)習(xí)和高級(jí)分析能力的集體激增，正在世界上掀起一股基于數(shù)據(jù)的自動(dòng)化和創(chuàng)新浪潮。

三年前，麥肯錫預(yù)測(cè)，到2030年，人工智能的影響將達(dá)到13萬(wàn)億美元。在目睹了因COVID-19而加速的數(shù)字轉(zhuǎn)型之后，這一數(shù)字實(shí)際上可能被低估了。這就使得理解人工智能技術(shù)的基本局限性變得更加重要，因?yàn)樗鼤?huì)對(duì)世界產(chǎn)生更大影響，同時(shí)影響更多的人。