北京大学人工智能通识课程建设与人才培养方案解析

2026-05-13阅读 0热度 0

AI专栏

最近，一份来自北京大学的报告《人工智能2.0时代的人才培养和通识教育课程建设》引发了广泛讨论。这份报告不仅系统梳理了AI从1.0到2.0的演进脉络，更将焦点对准了一个核心议题：当大模型成为新的技术底座，我们究竟需要什么样的人才，又该如何培养他们？

人工智能发展历程

要理解当下，先得回顾过去。报告将人工智能的发展清晰地划分为三个阶段：

AI 0.0（1956-2006）：这是基于规则和专家系统的时代。机器依赖人类预设的逻辑和特征工程，虽然可解释性强，但“死板”是它的代名词，泛化能力非常有限。
AI 1.0（2006-2020）：深度学习的浪潮席卷而来。以CNN、RNN，尤其是Transformer为代表的架构，让机器在计算机视觉、自然语言处理等领域取得了突破性进展。不过，这个阶段的模型依然离不开海量的人工标注数据来“喂养”。
AI 2.0（2020-至今）：我们正身处大模型时代。以GPT、Stable Diffusion为代表，模型不仅能处理单一模态，更能实现文本、图像、视频的跨模态交互与生成。更关键的是，以DeepSeek R1为代表的模型，其复杂推理能力得到了显著提升，标志着AI向更深层次的认知迈进。

大模型带来了前所未有的能力，但它的两面性同样明显。

先说特点：

再看局限：

回顾过去几年，大模型的发展轨迹清晰可见：

跃进期（2020-2022）：以ChatGPT的横空出世为标志，全球瞬间意识到了大模型的潜力。随后GPT-4的发布，更是将模型的性能和应用想象力推向了新高度。
繁荣期（2022-2023）：百花齐放。Stable Diffusion、Mid-Journey等模型将战火从文本燃至图像、视频领域。国内也迎头赶上，文心一言、通义千问等首批大模型相继亮相，形成了中美并跑的格局。
深化期（2023-至今）：竞争进入深水区。一方面，像DeepSeek-R1这样的推理模型，在解决复杂逻辑问题上取得突破；另一方面，国内模型如Qwen2.5、GLM-4性能持续优化，同时开源生态（如Baichuan、Qwen系列）的繁荣，正加速着技术的普惠和行业落地。

技术范式变了，人才需求的图谱也随之重构。报告将人才分为三类，各有侧重：

应用人才：这是最广泛的群体。核心在于“用”，即利用AI工具解决实际问题的能力。他们需要增强的是问题定义、独立思考和人机沟通协作的能力。通识教育是培养这类人才的关键。
IT专业人才：传统的IT技能需要升级。他们必须掌握数据思维和模型思维，将AI能力（如机器学习、数据工程）融入系统设计和行业赋能中。这意味着IT教育课程体系需要全面更新。
AI 2.0专业人才：这是金字塔尖的研发创新力量。他们需要深厚的数学功底、强烈的好奇心与试错精神，并精通数据工程、底层软硬件以及大模型核心范式（如Transformer、Diffusion）。培养这类人才，需要构建更专业、更前沿的AI教育体系。

面对全民AI素养提升的迫切需求，通识教育课程的设计至关重要。一份理想的通识课蓝图应该包含：

有趣的是，AI不仅是教育的内容，更是变革教育的手段。报告最后指出了这一双重路径：

人工智能赋能教学：利用AI工具进行学情分析、提供个性化学习路径，从而提升教学效率与体验。
课程创作工具：AI可以辅助甚至主导课程设计，通过低代码或无代码方式，降低优质教学资源的开发门槛。
通识课的实施路径：可以通过“通识课”（普及认知）、“通育课”（培养协作能力）到“通用课”（深化专业应用）的分层设计，逐步推进，实现AI教育的全面覆盖与深度融入。