“人工智能+生物醫學”人才培養模式

羅純源 董麗麗

摘? ?要：人工智能技術的不斷發展推動了人工智能復合型學科的建設。我國對“人工智能+X”人才培養非常重視，2017年國務院發布的《新一代人工智能發展規劃》將培養人工智能和前沿學科交叉型人才作為建立新一代人工智能基礎理論體系的重點任務。英國愛丁堡大學和英國研究與創新基金會聯合建設的生物醫學人工智能博士培養中心作為英國“人工智能+生物醫學”復合型學科建設的先驅性實踐，具備強大的學術支持和豐富的行業資源。文章通過探究該中心的研究生人才培養體系，包括人才培養概況、課程設置情況、課程實施與評價，為我國建設此類復合型學科提供借鑒。文章最后總結了在培養“人工智能+X”人才過程中應該著重培養學生跨學科思維、促進學生個性化自主學習以及提高學生自主創新能力和研究能力。

關鍵詞：人工智能 復合學科建設 個案分析 愛丁堡大學

一、引言

隨著科技的進步，人工智能技術日趨成熟，其在全球范圍內的影響力越來越大，各種“人工智能+”紛紛涌現。世界各國紛紛試行以問題為導向的“人工智能+X”的跨學科人才培養模式。我國也不例外。2017 年，《新一代人工智能發展規劃》出臺，強調“把高端人才隊伍建設作為人工智能發展的重中之重”“鼓勵高校在原有基礎上拓寬人工智能專業教育內容，形成‘人工智能+X復合專業培養新模式”[1]。但我國在教育人工智能領域剛剛起步，需要汲取更多其他國家知名大學的“人工智能+X”復合學科人才培養經驗，以便更好地進行創新人才培養。英國愛丁堡大學研究與創新基金會（UK Research and Innovation，UKRI）生物醫學人工智能博士培養中心正是這樣的一個人工智能復合型學科人才培養基地，它利用人工智能技術研究出新的方法來應對生物醫學領域的關鍵挑戰，促進生物醫學領域學術研究人員與工業合作伙伴之間的合作。

中心由英國UKRI創立。2019年2月21日，UKRI聯合300多家合作企業宣布投資2億多英鎊培養1000名博士研究生成為未來的研究和商業領袖，并期望他們能夠應用人工智能技術改善醫療保健體系，應對氣候變化并創造新的商業機會。為此，UKRI在14所英國大學內新建16所工業、醫療保健和氣候變化領域的“人工智能+”博士培養中心，愛丁堡大學的UKRI生物醫學人工智能博士培養中心正是其中之一[2]。UKRI認為，人工智能技術將在利用數據轉變人們對生物醫學的理解和實踐方面發揮核心作用，為了實現這一變革，需要對在計算機科學和生物醫學交叉領域工作的研究人員進行培訓，以便建立有效、合乎倫理的人工智能系統。于是，UKRI決定在愛丁堡大學設置處于人工智能、生物醫學和社會科學交叉領域的生物醫學人工智能博士培養中心，中心的主要任務是開發從生物醫學數據中提取知識的技術，這些技術在未來可能會對公共衛生和經濟產生重大影響。

該中心設置在國際研究界享有極高聲譽的愛丁堡大學信息學院，由信息學院與愛丁堡大學的生物學院、MRC遺傳與分子醫學研究所、Usher人口健康科學與信息學研究所、科學技術與創新研究所合作主辦和管理。這些機構分別在人工智能技術、生物醫學知識和社會倫理知識方面為中心人才培養提供支持。在基礎設施方面，中心學生可以使用信息學院的先進計算設備進行高級網格計算、數據集成、計算機仿真和流程優化等工作，也可以通過愛丁堡大學的高通量生物學（包括基因組學、轉錄組學、蛋白質組學和代謝組學）的最新設施獲取大量臨床和非臨床數據。UKRI生物醫學人工智能博士培養中心作為英國“人工智能+生物醫學”的先驅性實踐，擁有UKRI、愛丁堡大學及其企業合作伙伴投入的大量資源與支持，是英國教育人工智能領域的重點項目，也是人工智能復合型學科建設的典型示例，故筆者選取該中心作為案例，通過深入分析其研究生培養體系來探討如何構建“人工智能+生物醫學”的人才培養模式。

二、UKRI生物醫學人工智能博士培養中心研究生培養體系

（一） 中心人才培養概況

1.人才培養定位

提供滿足日益增長的人口（尤其是老齡化人口）對醫療保健的需求，是21世紀科學和社會面臨的嚴峻挑戰。數據收集技術的突破提高了大規模收集數據的能力，從而推動了對幾種重要疾病分子基礎的大規模人群研究。同時，系統化的數字化工作使人群的臨床和健康記錄數據越來越完整。然而盡管生物醫學的數據越來越豐富，研究人員還是缺乏一個切實可行的框架來有效地整合此類數據以闡明不同數據類型的疾病機制，從而導致無法有效發現和評估疾病預防和治療的新策略。人工智能技術具有有效捕獲高維數據的能力，在健康研究和醫療保健方面有著巨大的發展潛力。但是當前的人工智能技術在生物醫學方面的應用已經落后于其他領域，生物醫學從業人員急需開發出利用數據識別疾病的機制并進行干預的模型，以及能夠整合尖端生物醫學研究先驗知識，對不確定性進行量化，從而根據數據做出合理決策的框架。除了上述挑戰，生物醫學領域的人工智能研究人員還需要掌握其研究的社會、法律和道德倫理層面的知識以及跨學科的溝通技巧，并學會如何在公共話語中發揮領導作用。

鑒于以上需求，UKRI生物醫學人工智能博士培養中心希望培養出兼具人工智能、生物醫學和社會科學相關素養的復合型人才，這些人才需要掌握人工智能、生物醫學和社會科學的基礎理論知識，進而能夠制定出整合不同疾病數據的框架、利用數據識別疾病機制并進行干預以及促進科研成果的社會普及和接納。為此，UKRI生物醫學人工智能博士培養中心為學生提供了一個跨學科的培養計劃，計劃涵蓋了人工智能技術、生物醫學基礎以及生物醫學人工智能的社會學知識方面的個性化培養。

中心研究生培養遵循“1+3”模式，即1年理科碩士學位修讀和3年博士學位修讀。學生在研究生一年級時需要學習以研究為基礎的碩士課程，修讀計劃內教學課程并完成研究項目。在研究生二至四年級時，學生將在人工智能專家和生物醫學應用領域專家的共同指導下，提出并開展跨學科的博士生項目。中心碩士階段人才培養的主要目的是為培養“人工智能+生物醫學”領域的博士生人才奠定基礎，只有在中心完成碩士學業并成功獲得碩士學位的學生，才有資格繼續修讀博士學位。因此碩士階段學生主要是完成基礎課程的學習，而博士階段學生則需要根據自己感興趣的方向在導師的指導和合作企業的支持下完成各自的研究項目。

2.入學要求

中心對申請的學生也提出了要求。學生如果要申請UKRI生物醫學人工智能博士培養中心的項目，需要擁有英國計算機科學、數學、物理、工程、生物醫學或相關學科的二等一級學位（Upper-second class degree）①及以上（也就是英國本科平均成績60分以上）或其國際同等學歷?？梢钥闯銎鋵嵵行恼惺盏暮芏鄬W生僅具有工科背景而不具備醫學背景。

3.學生畢業去向

中心的畢業生將主要從事生物醫學人工智能相關工作，其就業機會較為廣泛，學生可以繼續在校企合作的實驗室進行相關研發，也可以在制藥企業專門開設的生物醫學人工智能部門工作，此外還可以成為制藥行業的對外發言人。正如英國一些政府報告（如《生命科學工業戰略》）以及制藥行業引領者（如英國制藥工業協會、葛蘭素史克公司）所強調的那樣，生物醫學人工智能預計將在近期至中期成為一個高速發展的部門。

（二）課程設置情況

在UKRI生物醫學人工智能博士培養中心，學生需要通過修讀碩士基礎課程來獲得生物醫學人工智能研究中心的理學碩士學位。為此學生一共需要完成180個學分②，其中必修課程占120個學分，包含兩門基礎課程和兩個實踐項目;非必修課程占60個學分，以核心課程輔以幾門選修課程的形式設置，核心課程包括兩門課程，學生至少需要完成一門核心課程學習，選修課程每門占10個或20個學分（見表1）。[3]

根據上文所述的中心人才培養定位和課程培養計劃，中心課程可以歸納為四類：人工智能技術類課程、數據科學類課程、生物信息學類課程和綜合性課程和項目（見圖1）。

通過該框架可以發現，中心著重培養的是學生的計算機素養、數學素養和工程素養，為此中心開設了數據科學類課程，這解釋了為什么中心招收大量具有工科背景的人才。在此基礎上，中心強調學生對于人工智能新技術的熟悉和掌握，為此開設了人工智能技術類課程?？梢钥闯?，對于生物醫學基礎性知識理論的教授則并不屬于中心人才培養的重點，“人工智能+生物醫學”的跨學科性主要體現在其開設的生物信息學類課程中，這一類課程同時整合了生物醫學、計算機、信息學工程、數學和統計相關知識以及人工智能新技術，重點在于對生物數據的處理。綜合性課程和項目除了包含上述三類課程培養的知識和技能之外，還關注與生物醫學人工智能研究相關的社會學知識。通過對框架進行分析，筆者認為，UKRI生物醫學人工智能博士培養中心在某種程度上更接近“人工智能+生物信息學”的實踐，而生物信息學本身就已具備跨學科性。

中心需要通過考試或課程作業的形式對學生碩士階段的所有課程學習表現（包括個人項目和小組項目）進行評估，并為每門課程打分。要獲得生物醫學人工智能研究授予的理學碩士學位，學生必須滿足所學的所有課程的平均成績達到至少50%，另外小組研究項目和個人研究項目成績均需達到至少50%;要獲得“優秀”評級，所有課程的平均成績需要達到至少60%，小組研究項目和個人研究項目成績均需達到至少60%;而要獲得“卓越”評級，所有課程的平均成績需要達到至少70%，小組研究項目和個人研究項目成績均需達到至少70%。成績不符合升學要求的學生只能獲得研究生文憑（postgraduate diploma）或研究生證書（postgraduate certificate），并且不會升讀UKRI生物醫學人工智能博士培養中心計劃中的博士學位項目。

學生成功升讀博士學位項目之后，需要向中心提交完整的博士生建議書和項目建議書，中心團隊將為學生提供可能的研究項目構想建議并推薦合適的指導者，但最終博士學位項目的選擇由學生主導。確定升讀博士學位項目之后，學生需要在主導師和一名或多名副導師的指導下，用三年時間來完成博士學位研究項目。每年學生和導師團隊都需要和中心主管層舉行一次正式的年度審核會議，并且填寫在線年度審核表。

（三）課程實施與評價

1.讓學生在臨床實踐中學習

中心課程注重讓學生通過親身觀察或體驗臨床實踐活動來掌握相關知識和技能，以便學生在將來能夠在具體情境中順利運用。其中最能體現這個特點的就是中心在第一學期開設的“臨床數據建模中的問題”這門必修課程。

通過該課程的學習，學生能深刻理解生物醫學人工智能研究人員在對臨床數據進行收集、訪問和建模過程中需要面臨的挑戰。課程內容包括臨床研究人員的一系列講座以及最后為期一天的診所訪問，這將使學生有機會親身體驗臨床數據收集的復雜性。誠然，通過整合臨床數據開發出利用數據對疾病進行預測和干預的模型，對于生物醫學應用有非常重要的意義，但是建模并不是一個簡單的事情，在建模過程中，生物醫學人工智能領域人員需要處理很多復雜的問題，讓學生充分了解在這個過程中他們需要解決的問題對于他們今后實踐的重要意義。

該課程的教學目標包括兩點：一是學生通過課程能夠嚴格評估和討論各種疾病相關的臨床數據建模將會帶來的挑戰，尤其是在數據噪聲（noise in the data）、患者分層（patient stratification）以及法規和道德問題方面;二是通過跟隨體驗熟悉生物醫學領域中的數據采集規則。為實現上述教學目標，課程制定了以下評估方式：一是學生需要上交一份簡短的書面報告，來詳細介紹并批判性地反映學生在跟隨體驗中遇到的臨床數據建模挑戰;二是學生需要向課程組織者和班上其他成員作簡短的演講，介紹他們的跟隨體驗。涉及的主題包括“動機：為什么要收集數據？”“規則：正在收集什么數據，如何收集？”“分析：當前在實驗室中使用哪些方法來分析數據？”“可能的發展：如何改進分析方法？這樣做的挑戰是什么？”“影響：該領域臨床研究更廣泛的影響是什么？”。教師將在兩周內對課程作業進行評估和反饋。評估報告將由同行、課程講師和個別主管根據一定規則進行審核。

2.注重科研的公眾參與和普及

現如今，科學活動越來越傾向于進行大范圍的國際合作以求對關鍵科學技術難題進行協作攻關，科學共同體的范圍也需要不斷擴大，在這種情況下加強科研的社會參與和科研普及是非常有必要的。因而中心的課程培養計劃中也特別關注了科研的公眾參與和社會普及，并為此在第一學期單獨開設了“負責任的研究和創新基礎”這門必修課程。

該課程旨在使學生具備解決研究和創新領域的社會、法律和道德問題的能力。在課程中教師會向學生介紹科學、技術與創新研究新領域的獎學金，特別是與新興科學和技術相關的獎學金，以便學生能為自己之后的研究道路制定合理的計劃。教師還將帶領學生探討負責任的研究和創新的相關理念，并研究它們如何在新興科學和技術項目中發揮科學家和工程師的作用，這些項目包括公眾參與、風險和倫理審計（risk and ethical audit）以及創新軌跡和成果評估。該課程作為與人工智能技術相結合的跨學科課程，還特別提到要幫助學生將這些概念應用于大數據、人工智能和生物醫學研究等領域。

該課程的教學目標包括五點：一是學生通過課程能夠對研究人員在學術界和社會中的作用以及負責任的研究和創新實踐可能帶來的影響形成批判性的理解;二是學生通過課程能夠批判性地參與科學技術的研究、創新和治理，并通過宣傳促進社會公眾對相關技術的了解;三是學生通過課程能夠深入思考研究的各利益相關者的潛在導向，評估他們對研究成果利用的優先順序并做出明智的判斷;四是學生通過課程能夠以書面和口頭的形式流暢且有邏輯地陳述科學研究領域的社會倫理相關論點;五是學生通過課程能夠使用一系列研究技能來計劃和執行研究項目，克服挑戰并在未來成為負責任的研究人員。

課程針對教學目標制定了以下評估方式：一是為社會公眾了解新興科學技術制作一份簡報（PPT形式），介紹科學技術項目具體內容及其潛在的社會和道德層面影響;二是撰寫一份報告來闡述與選定研究項目有關的不同利益相關者的潛在影響和導向。教師會在15個工作日內對學生的作業進行評估并提交反饋，課程還會以研討會形式鼓勵教師和學生進行一對一反饋，從而實現形成性評價。

3.組織學生進行項目式學習

項目式學習能夠考驗學生對知識的綜合掌握和解決問題的能力。學生在第二學期必須完成小組研究項目和個人研究項目兩門實踐課程，兩個項目分別占20個學分和80個學分，對于學生是否能夠順利從碩士階段過渡到博士階段至關重要。在兩個研究項目中，學生將分別以小組（2～3人為一組）和個人的形式進行實踐，嘗試將人工智能應用于解決生物醫學方面的問題。

小組研究項目和個人研究項目必須至少有兩位導師，其中一位來自人工智能或機器學習領域，另一位則來自生物醫學領域。導師的職責是提供技術咨詢并協助學生進行研究計劃。對于小組研究項目，導師還應指定一名引導員，由其監督整個團隊的實踐過程。學生分別有兩次選擇小組研究項目和個人研究項目的機會，在確定感興趣的項目之后需要盡早與導師聯系以了解項目的更多詳細信息。值得一提的是，一些有價值的小組研究項目和個人研究項目還有機會成為學生博士階段的研究項目。

在評估方面，小組研究項目和個人研究項目都需要提交一篇論文作為書面報告。此外，小組研究項目還包含口頭陳述，所有小組都需要在提交論文前進行答辯，向導師介紹自己的項目，并根據導師的反饋修改論文。小組研究項目論文由一名導師和一名工作人員各自進行獨立評估，如果分數相差小于10%，則取平均分作為論文成績，否則將由委員會進行調整，個人研究項目論文則由兩名工作人員合作評估。

三、對我國“人工智能+”復合學科建設的啟示

（一）培養學生跨學科思維

“人工智能+X”教育最核心的本質就是其跨學科性，學生需要利用人工智能技術來解決本專業應用領域和研究領域的現實問題。因此在培養過程中，應該模糊兩個領域的學科邊界，不再以知識為導向組織教學，而是以問題為導向展開教學，讓學生在學習具體的案例和解決特定問題的過程中利用人工智能技術來克服本專業現階段面臨的挑戰，從而突破發展瓶頸。為此，學生還應不斷練習以提高知識遷移能力，從而能夠在實踐中利用人工智能技術和理念跨學科解決問題。

（二）促進學生個性化自主學習

人工智能最大的優勢之一就是能為學生提供豐富的智能化教學資源。UKRI生物醫學人工智能博士培養中心在給予學生各種線下學習資源的同時，也為學生準備了龐大的線上資源庫?！叭斯ぶ悄?X”復合學科不同于單一學科培養，它不僅要求學生掌握本專業基礎知識，還需要讓學生掌握人工智能技術以及本專業和人工智能交叉領域延伸出的知識理論。因此，學生花費大量時間進行自主學習是很有必要的，充足的智能化教學資源能為學生自主學習提供支持。不斷推動微課、慕課、翻轉課堂以及移動教育資源的創新學習資源開發有利于實現以學生個性需求為中心，以資源、技術、智能思維為支撐的教育現代化的變革。[4]

（三）提高學生自主創新能力和研究能力

“人工智能+X”教育應該培養的是兼具專業性、技術性和創新性的復合型人才，而科研項目正是培養創新型人才的有效途徑[5]，通過科研項目的實踐，學生不僅能夠提高自身創新能力，還能夠培養科研思維和科研能力，從而為未來的研究道路打下基礎?？蒲许椖糠譃閭€人項目和團隊項目，在個人項目中學生需要在結合自身興趣和導師科研項目需求的基礎上選擇自己的主攻方向，在導師指導下完成項目，并在這個過程中不斷提高科研能力和問題解決能力;在團隊項目中，學生可以與他人合作進行項目實踐，從而培養團隊合作的科研素養和意識。

注釋：

①英國的學位評定分為一等榮譽學位（first class honours degree）、2.1學位或二等一級學位（upper-second class degree）、2.2學位或二等二級學位（lower-second class degree）、三等學位（third class degree）。英國大學規定平均成績70分以上為一等學位，60～69分為二等一級學位，50～59分為二等二級學位，40～49分是三等學位。

②英國碩士階段一般需要修滿180個學分。在愛丁堡大學所修得的學分可作為蘇格蘭學分和資格框架（Scottish Credit Qualifications Framework，SCQF）的一部分，這個框架涵蓋蘇格蘭地區所有學歷和資格證書的學分和資格框架。20個SCQF學分相當于10個歐洲學分互認體系（Europe Credits Transfer System，ECTS）學分，或者美國高校的4個學分。

參考文獻：

[1]中華人民共和國中央人民政府. 國務院關于印發新一代人工智能發展規劃的通知[EB/OL].（2017-07-20）[2020-08-10].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]UK Research and Innovation. UKRI Centres for Doctoral Training in Artificial Intelligence[EB/OL].（2018-03-04）[2020-08-10].https：//www.ukri.org/research/themes-and-programmes/ukri-cdts-in-artificial-intelligence/.

[3]UKRI CDT in Biomedical AI. MScR degree programme table[EB/OL].（2020-09-14）[2020-12-17].http：//web.inf.ed.ac.uk/cdt/biomedical-ai/student-guide/study-programme/mscr.

[4]趙夢雷.人工智能與教育相融合的特點探析[J].課程教學研究，2019（9）：87-91.

[5]成科揚，孟春運，詹永照.“人工智能+”人才培養新模式探索[J].計算機教育，2019（12）：68-71，75.

編輯 呂伊雯? ?校對 徐玲玲