公立研究型大學(xué)在人工智能熱潮中的應(yīng)對(duì)策略

吳寒天

摘 要：在席卷全球的“人工智能熱潮”中，加拿大多倫多大學(xué)在安大略省政府的支持下成立了“人工智能向量學(xué)院”（Vector Institute for Artificial Intelligence），享有“人工智能教父”美譽(yù)的杰弗里·辛頓（Geoffrey Hinton）教授擔(dān)任首席科學(xué)顧問。該學(xué)院旨在整合大學(xué)、政府、互聯(lián)網(wǎng)企業(yè)三方力量，開展人工智能領(lǐng)域的科學(xué)研究、技術(shù)研發(fā)、人才培養(yǎng)，并扶持當(dāng)?shù)貎?yōu)質(zhì)的小型創(chuàng)業(yè)企業(yè)，從而提升多倫多大學(xué)、安大略省及加拿大在該領(lǐng)域的綜合競(jìng)爭(zhēng)力。該學(xué)院可被視為世界一流公立研究型大學(xué)積極應(yīng)對(duì)并深度參與當(dāng)前人工智能熱潮的典型案例，對(duì)我國公立研究型大學(xué)參與該領(lǐng)域的全球競(jìng)爭(zhēng)具有借鑒意義。借鑒生態(tài)學(xué)中的 “r-策略”（r-strategy）與“k-策略”（k-strategy） 模型，通過人工智能向量學(xué)院這一案例揭示出公立研究型大學(xué)的最優(yōu)應(yīng)對(duì)策略選擇——選擇以項(xiàng)目質(zhì)量和項(xiàng)目“成活率”為優(yōu)先考慮的“k-策略”。就高校而言，影響其人工智能研究平臺(tái)質(zhì)量與“成活率”的主要因素可被歸納為：其一，高校自身科研實(shí)力以及學(xué)科布局的合理性；其二，高校發(fā)展策略與所在國家、地區(qū)政府發(fā)展戰(zhàn)略的契合度；其三，高校與互聯(lián)網(wǎng)領(lǐng)軍企業(yè)的合作關(guān)系；其四，相關(guān)領(lǐng)域領(lǐng)軍科學(xué)家的參與度。

關(guān)鍵詞：人工智能；向量學(xué)院；多倫多大學(xué)；公立研究型大學(xué)

一、問題提出和案例選擇

近年來，“人工智能”在大眾心目中已成為與“可控核聚變技術(shù)”“量子計(jì)算”等比肩的前沿科技，也成為各國爭(zhēng)先搶占的戰(zhàn)略性科技制高點(diǎn)。2017年，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出我國要在2030年成為世界主要人工智能創(chuàng)新中心這一戰(zhàn)略目標(biāo)，并提出了“構(gòu)建開放協(xié)同的人工智能科技創(chuàng)新體系”這一實(shí)施路徑[1]。李開復(fù)與王詠剛在《人工智能》一書中預(yù)言，人工智能熱潮所帶來的不僅是技術(shù)層面的革命，其必將伴隨著重大社會(huì)經(jīng)濟(jì)變革、教育變革、思想變革、文化變革[2]?，F(xiàn)代大學(xué)具有開展科學(xué)研究和培養(yǎng)人才的雙重使命，在人工智能領(lǐng)域的全球競(jìng)爭(zhēng)中理應(yīng)扮演關(guān)鍵性角色。然而，相較于計(jì)算機(jī)、互聯(lián)網(wǎng)領(lǐng)域的世界知名企業(yè)，公立研究型大學(xué)在應(yīng)用型技術(shù)研發(fā)和社會(huì)影響力方面遠(yuǎn)不及前者。例如，由谷歌（Google）旗下DeepMind公司基于“深度學(xué)習(xí)”（deep learning）原理研發(fā)的圍棋對(duì)弈程序AlphaGo，在過去的兩年中以其驕人的戰(zhàn)績(jī)極大地帶動(dòng)了全社會(huì)對(duì)人工智能的熱情，也為DeepMind及其母公司谷歌贏得了極大的聲譽(yù)。與之相比，公立研究型大學(xué)在人工智能熱潮中的應(yīng)然與實(shí)然角色之間存在一定落差。

由于計(jì)算機(jī)、互聯(lián)網(wǎng)公司在人工智能領(lǐng)域研發(fā)方面的極高參與度，以加拿大為代表的發(fā)達(dá)國家嘗試推動(dòng)“政府-大學(xué)-公司”三方合作的模式，構(gòu)筑新型的研發(fā)、教學(xué)、創(chuàng)業(yè)“孵化”平臺(tái)，提升本國在該領(lǐng)域的研發(fā)能力、人才培養(yǎng)能力、創(chuàng)業(yè)活力。2017年，加拿大多倫多大學(xué)（University of Toronto）在加拿大聯(lián)邦政府和安大略省政府的支持下，成立了名為“人工智能向量學(xué)院”（Vector Institute for Artificial Intelligence，下文簡(jiǎn)稱向量學(xué)院）的獨(dú)立研究機(jī)構(gòu)（平臺(tái)）。該平臺(tái)旨在整合大學(xué)、互聯(lián)網(wǎng)領(lǐng)軍企業(yè)、政府、本地小型創(chuàng)業(yè)公司（如深度學(xué)習(xí)基因組學(xué)技術(shù)研發(fā)商Deep Genomics）各方資源，促進(jìn)加拿大在人工智能領(lǐng)域的科學(xué)和技術(shù)進(jìn)步，力求創(chuàng)造新的經(jīng)濟(jì)增長點(diǎn)[3]。包括谷歌在內(nèi)的各合作方將累計(jì)投入1.5億美元（約合10億人民幣）用于人工智能領(lǐng)域的研究和人才培養(yǎng)[4]。向量學(xué)院以人工智能領(lǐng)域的重要分支“深度學(xué)習(xí)及機(jī)器學(xué)習(xí)”（deep learning and machine learning）為主要研究方向，兼顧“好奇心驅(qū)動(dòng)”（curiosity-driven）的純理論前瞻性研究和具有潛在商業(yè)價(jià)值的“應(yīng)用型研究”（applied research）。[5]

向量學(xué)院的首任首席科學(xué)顧問由業(yè)內(nèi)享有“人工智能教父”美譽(yù)的多倫多大學(xué)計(jì)算機(jī)科學(xué)系教授杰弗里·辛頓（Geoffrey Hinton）擔(dān)任。谷歌公司曾于2013年將辛頓教授創(chuàng)立的“神經(jīng)網(wǎng)絡(luò)”創(chuàng)業(yè)公司DNNResearch收入旗下[6]。向量學(xué)院研究團(tuán)隊(duì)的成員來自多倫多大學(xué)的不同院系，包括向量學(xué)院聯(lián)合創(chuàng)始人之一、多倫多大學(xué)計(jì)算機(jī)科學(xué)系副教授、加拿大機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺首席科學(xué)家（Canada Research Chair in Machine Learning and Computer Vision）拉奎爾·烏爾塔森（Raquel Urtasun）[7]， 班廷與貝斯特醫(yī)學(xué)研究系（Banting and Best Department of Medical Research）及電子工程與計(jì)算機(jī)工程系教授布倫丹·J·弗雷（Brendan J. Frey）[8]，統(tǒng)計(jì)學(xué)系助理教授、曾在哈佛大學(xué)智能概率系統(tǒng)團(tuán)隊(duì)（Harvard Intelligent Probabilistic Systems Group）從事研究的戴維·杜文多（David Duvenaud）等[9]。此外，向量學(xué)院同時(shí)吸收了多名博士后研究人員。多倫多大學(xué)計(jì)劃依托向量學(xué)院培養(yǎng)世界上“最多的從事‘深度學(xué)習(xí)研究的畢業(yè)生”[10]。多倫多大學(xué)校長格特（Meric Gertler）表示，安大略省政府和加拿大聯(lián)邦政府給予了多倫多大學(xué)及其合作伙伴極大的信任[11]。安大略省政府將陸續(xù)撥款8千萬加元（約合4億人民幣） 支持其發(fā)展。[12]

二、概念和分析框架

本研究借鑒生態(tài)學(xué)中的“r-策略”（r-strategy）和“k-策略”（k-strategy）模型，將公立研究型大學(xué)在面臨重大技術(shù)變革時(shí)所采取的應(yīng)對(duì)策略歸納為兩種理想類型：一是以研究項(xiàng)目以及創(chuàng)業(yè)項(xiàng)目孵化“成活率”為優(yōu)先考慮的“k-策略”；二是以應(yīng)對(duì)環(huán)境變化時(shí)的反應(yīng)速度和項(xiàng)目數(shù)量為優(yōu)先考慮的“r-策略”。

在研究物種演化與生存競(jìng)爭(zhēng)時(shí)，生態(tài)學(xué)將物種為適應(yīng)環(huán)境變化而采取的不同策略分為“r-策略（機(jī)會(huì)選擇）”與“k-策略（均衡選擇）”[13]。采取“r-策略”的物種往往表現(xiàn)出以下特征：能對(duì)環(huán)境變化迅速做出反應(yīng)，具有相對(duì)較弱的個(gè)體競(jìng)爭(zhēng)能力及相對(duì)高效的繁殖能力和擴(kuò)散能力[14][15]；采取“k-策略”的物種則與之相反，其往往具有較慢的移居能力，相對(duì)較低的繁殖能力及相對(duì)較強(qiáng)的個(gè)體競(jìng)爭(zhēng)能力。[16][17]

該生態(tài)學(xué)理論已被廣泛借鑒，應(yīng)用于管理科學(xué)，以分析企業(yè)在市場(chǎng)中的發(fā)展策略。例如，借鑒該分類法，傳統(tǒng)制造業(yè)通常被劃分為“r-策略產(chǎn)業(yè)”和“k-策略產(chǎn)業(yè)”，前者包括家具、皮革制品、服裝、鞋類、食品業(yè)等，后者包括冶金、運(yùn)輸、機(jī)械、石油、化工、金屬制造、電氣工程等。與生態(tài)學(xué)中的定義類似，“r-策略型企業(yè)”通常是小規(guī)模企業(yè)，市場(chǎng)反應(yīng)較快，具有專業(yè)化優(yōu)勢(shì)較弱、市場(chǎng)競(jìng)爭(zhēng)壁壘相對(duì)較低、易于復(fù)制等特征，當(dāng)“r-策略型企業(yè)”生長總量超出環(huán)境資源的承載極限時(shí)則會(huì)趨于消亡[18]；“k-策略型企業(yè)”的特征包括繁殖率相對(duì)較低，適宜在穩(wěn)定的環(huán)境中生存發(fā)展，具有獨(dú)特的核心競(jìng)爭(zhēng)能力，企業(yè)產(chǎn)品不易被復(fù)制”等。[19]

借鑒“r-策略”與“k-策略”模型，公立研究型大學(xué)在面對(duì)重大技術(shù)變革所引發(fā)的宏觀環(huán)境變化時(shí)，更類似于上述“k-策略型企業(yè)”。公立研究型大學(xué)通常具有辦學(xué)歷史悠久、學(xué)術(shù)積累豐厚、單體競(jìng)爭(zhēng)力較強(qiáng)等特點(diǎn)，但其成功經(jīng)驗(yàn)往往難以被簡(jiǎn)單復(fù)制，在面對(duì)市場(chǎng)、技術(shù)等環(huán)境因素變化時(shí)也較難做出快速反應(yīng)。非公立高等教育機(jī)構(gòu)（如我國的小型民辦高等教育機(jī)構(gòu)等）則更類似于“r-策略型企業(yè)”，具有單體競(jìng)爭(zhēng)力相對(duì)薄弱、可復(fù)制性強(qiáng)、對(duì)于環(huán)境因素變化易于做出快速反應(yīng)等特征。例如，在應(yīng)對(duì)技術(shù)革新時(shí)，非公立高等教育機(jī)構(gòu)往往能在相對(duì)較短的時(shí)間內(nèi)開設(shè)新的專業(yè)項(xiàng)目、提供與新興技術(shù)相關(guān)的課程或培訓(xùn)、建立相應(yīng)的創(chuàng)業(yè)激勵(lì)機(jī)制，鼓勵(lì)畢業(yè)生選擇與新興技術(shù)相關(guān)且創(chuàng)業(yè)周期較短、創(chuàng)業(yè)門檻相對(duì)較低的項(xiàng)目開展創(chuàng)業(yè)。此類創(chuàng)業(yè)項(xiàng)目往往呈現(xiàn)“一哄而上”的態(tài)勢(shì)。例如，在互聯(lián)網(wǎng)“共享經(jīng)濟(jì)”熱潮中的共享單車項(xiàng)目，雖然創(chuàng)業(yè)公司數(shù)目龐大，但項(xiàng)目“成活率”相對(duì)較低。由此不難預(yù)見，伴隨著人工智能領(lǐng)域應(yīng)用型技術(shù)的發(fā)展，大量與人工智能概念沾邊，但核心技術(shù)含量相對(duì)較低、市場(chǎng)生存能力相對(duì)較弱、核心競(jìng)爭(zhēng)力相對(duì)有限的“短平快”創(chuàng)業(yè)項(xiàng)目將呈現(xiàn)井噴式增長，并且這樣的現(xiàn)象已然開始顯露端倪。

多倫多大學(xué)作為一所公立研究型高等教育機(jī)構(gòu)，所面臨的機(jī)遇和挑戰(zhàn)與我國公立研究型大學(xué)相似，更類似于“k-策略型企業(yè)”。多倫多大學(xué)創(chuàng)立于1827年，在計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)等領(lǐng)域有深厚的學(xué)術(shù)底蘊(yùn)。然而，在面對(duì)外部市場(chǎng)、技術(shù)等環(huán)境因素變化時(shí)，囿于其龐大的體量和長久以來形成的院系結(jié)構(gòu)、行政體系，難以整合自身資源，做出高效的反應(yīng)。例如，自20世紀(jì)后半葉以來，伴隨著二戰(zhàn)以后西歐國家經(jīng)濟(jì)復(fù)蘇和北美經(jīng)濟(jì)的高速發(fā)展，商科教育日漸繁榮，然而多倫多大學(xué)對(duì)此做出的應(yīng)對(duì)策略可概括為“各自為政”。時(shí)至今日，多倫多大學(xué)也未能對(duì)相關(guān)領(lǐng)域的教學(xué)及科研資源加以充分整合。除經(jīng)濟(jì)學(xué)系和成立于20世紀(jì)50年代的羅德曼商學(xué)院外，多倫多大學(xué)數(shù)學(xué)系也以“數(shù)學(xué)在經(jīng)濟(jì)學(xué)和金融學(xué)中的應(yīng)用”（Mathematical Applications in Economics and Finance）為名開設(shè)經(jīng)管類專業(yè)，其招生、培養(yǎng)模式、師資等均完全獨(dú)立，大量雷同的課程重復(fù)開設(shè)。此外，冗長的專業(yè)名稱也反映出公立研究型大學(xué)在應(yīng)對(duì)環(huán)境變化時(shí)的兩難境地：既要堅(jiān)守長久以來所積累的學(xué)術(shù)傳統(tǒng)，又要在學(xué)生培養(yǎng)和科學(xué)研究方面采取創(chuàng)新性的舉措。

就人工智能領(lǐng)域的競(jìng)爭(zhēng)而言，以多倫多大學(xué)為代表的大型公立研究型大學(xué)很難在短時(shí)間內(nèi)對(duì)現(xiàn)有的院系架構(gòu)進(jìn)行重大調(diào)整，即對(duì)計(jì)算機(jī)科學(xué)、數(shù)學(xué)科學(xué)、統(tǒng)計(jì)學(xué)、電子工程等院系進(jìn)行拆分并重新組建“人工智能系”，在較短時(shí)間內(nèi)為本科生和研究生開設(shè)全新的專業(yè)項(xiàng)目。同時(shí)，作為一所在加拿大具有戰(zhàn)略性地位的公立研究型大學(xué)，為加拿大培養(yǎng)科研人員和各行業(yè)的專家是其長期以來的核心任務(wù)之一，將工作重心轉(zhuǎn)向鼓勵(lì)畢業(yè)生選擇創(chuàng)業(yè)周期較短、技術(shù)門檻較低的領(lǐng)域開展“短平快”式的創(chuàng)業(yè)，既不符合其定位，也不符合其學(xué)術(shù)文化傳統(tǒng)。多倫多大學(xué)雖然十分支持學(xué)生創(chuàng)業(yè)和參與技術(shù)創(chuàng)新，但其所支持的項(xiàng)目一般是具有核心技術(shù)競(jìng)爭(zhēng)力的項(xiàng)目，如由3位多倫多大學(xué)學(xué)生完成的節(jié)能型“微燈泡”（Nanolight）研發(fā)項(xiàng)目[20]，而非看似與新興技術(shù)沾邊，實(shí)則技術(shù)門檻較低且缺乏實(shí)質(zhì)性創(chuàng)新的項(xiàng)目。

相較于以快速反應(yīng)和提高繁殖及擴(kuò)散能力為優(yōu)先考慮的“r-策略”，以核心競(jìng)爭(zhēng)力和項(xiàng)目質(zhì)量為優(yōu)先考慮的“k-策略”無疑是以多倫多大學(xué)為代表的公立研究型大學(xué)的最優(yōu)策略選擇。就設(shè)立向量學(xué)院而言，一方面在不改變?cè)性合导軜?gòu)和學(xué)科傳統(tǒng)的前提下，為隸屬于不同院系且從事人工智能領(lǐng)域研究的學(xué)者和學(xué)生搭建了統(tǒng)一的平臺(tái)，整合了原本分散的科研和教學(xué)資源，用以科學(xué)研究、技術(shù)研發(fā)、人才培養(yǎng)；另一方面，向量學(xué)院與以Deep Genomics為代表的當(dāng)?shù)厝斯ぶ悄茴I(lǐng)域高質(zhì)量小型創(chuàng)業(yè)公司開展合作，助力其進(jìn)一步發(fā)展，提升其在市場(chǎng)競(jìng)爭(zhēng)中的“成活率”。多倫多大學(xué)向量學(xué)院項(xiàng)目采取的是一種“雙重孵化”模式，即大學(xué)通過與政府和企業(yè)合作，“孵化”出獨(dú)立研發(fā)與人才培養(yǎng)機(jī)構(gòu)（平臺(tái)），并通過該平臺(tái)對(duì)本地小型優(yōu)質(zhì)創(chuàng)業(yè)公司進(jìn)行“孵化”（見圖1）。

三、影響項(xiàng)目“成活率”的因素：

以向量學(xué)院為例

就其現(xiàn)狀和發(fā)展?jié)摿Χ?，向量學(xué)院可被視為公立研究型大學(xué)采取“k-策略”應(yīng)對(duì)當(dāng)下人工智能熱潮的典型案例。該機(jī)構(gòu)的成功建立及其對(duì)包括Deep Genomics在內(nèi)的加拿大本土小型優(yōu)質(zhì)創(chuàng)業(yè)公司的成功助力得益于四重因素。

其一，多倫多大學(xué)原有相關(guān)學(xué)科布局相對(duì)合理且綜合實(shí)力較強(qiáng)。作為人工智能最熱門分支之一“機(jī)器學(xué)習(xí)”的發(fā)源地之一，多倫多大學(xué)在該領(lǐng)域具有強(qiáng)大的學(xué)術(shù)支撐力。多倫多大學(xué)具有完整的學(xué)科門類，其計(jì)算機(jī)科學(xué)、應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)、電子工程等與人工智能直接相關(guān)的學(xué)科具有較高的科研水準(zhǔn)。與此同時(shí)，多倫多大學(xué)在醫(yī)學(xué)科學(xué)，經(jīng)濟(jì)學(xué)、金融學(xué)等人工智能領(lǐng)域研究成果應(yīng)用廣泛的學(xué)科領(lǐng)域也具有傳統(tǒng)優(yōu)勢(shì)。以醫(yī)學(xué)科學(xué)為例，多倫多大學(xué)擁有規(guī)模龐大的附屬醫(yī)院和附屬醫(yī)學(xué)研究機(jī)構(gòu)網(wǎng)絡(luò)，其中包括多倫多兒童醫(yī)院（Hospital for Sick Children）、多倫多總醫(yī)院（Toronto General Hospital）、瑪格麗特公主癌癥中心（Princess Margaret Cancer Centre）等著名醫(yī)療及醫(yī)學(xué)研究機(jī)構(gòu)[21]。多倫多大學(xué)的這些優(yōu)勢(shì)學(xué)科為人工智能領(lǐng)域的研究和技術(shù)應(yīng)用提供了堅(jiān)實(shí)的基礎(chǔ)。

其二，多倫多大學(xué)著力推進(jìn)人工智能領(lǐng)域研究的策略與加拿大聯(lián)邦政府和安大略省政府的發(fā)展戰(zhàn)略高度契合。在過去5年中，加拿大聯(lián)邦政府投入超過1.25億美元實(shí)施“泛加拿大人工智能戰(zhàn)略”（Pan-Canadian Artificial Intelligence Strategy）[22]。該戰(zhàn)略旨在聯(lián)合學(xué)術(shù)機(jī)構(gòu)、企業(yè)，以及政府部門，為將加拿大發(fā)展為人工智能領(lǐng)域的研發(fā)強(qiáng)國搭建平臺(tái)[23]。在聯(lián)邦層面宏觀戰(zhàn)略的推動(dòng)下，截至2017年末，安大略省政府在承諾為向量學(xué)院撥款5千萬加元（約合2.5億元人民幣）的基礎(chǔ)上，再次追加撥款3千萬加元（約合1.5億元人民幣），計(jì)劃撥款總額達(dá)8千萬加元（約合4億元人民幣）用于支持其學(xué)術(shù)研究和人才培養(yǎng)。[24]

其三，多倫多大學(xué)與互聯(lián)網(wǎng)產(chǎn)業(yè)領(lǐng)軍企業(yè)的合作助力向量學(xué)院項(xiàng)目的成功實(shí)施。近年來，以谷歌為代表的互聯(lián)網(wǎng)領(lǐng)軍企業(yè)在人工智能領(lǐng)域的技術(shù)研發(fā)與應(yīng)用較為突出。例如，谷歌通過在其視圖軟件中嵌入“人工智能模塊”，成功實(shí)現(xiàn)了對(duì)人臉、地標(biāo)等圖像近乎精確的識(shí)別等[25]。2016-2017年，谷歌旗下的DeepMind公司所開發(fā)的AlphaGo圍棋程序取得驕人戰(zhàn)績(jī)，該程序所應(yīng)用的“深度學(xué)習(xí)”方法可被視為當(dāng)前與人工智能最為接近的“機(jī)器學(xué)習(xí)”方法[26]。2017年7 月11 日，谷歌宣布成立名為Gradient Ventures的風(fēng)險(xiǎn)投資基金，專門為早期人工智能初創(chuàng)企業(yè)提供資金、資源及培訓(xùn)[27]。與谷歌的深度合作大大促進(jìn)了“向量學(xué)院”的發(fā)展。

其四，人工智能領(lǐng)域領(lǐng)軍科學(xué)家的參與度亦為影響項(xiàng)目質(zhì)量和“成活率”的重要因素。如前文所述的辛頓教授被譽(yù)為當(dāng)今世界“人工智能三駕馬車”之一，是互聯(lián)網(wǎng)企業(yè)與大學(xué)之間強(qiáng)有力的紐帶。辛頓教授曾在人工智能領(lǐng)域作出歷史性的學(xué)術(shù)貢獻(xiàn)，他所提出的“反向傳播算法”和“對(duì)比散度算法”突破了馬文·明斯基 （Marvin Minsky）提出的神經(jīng)網(wǎng)絡(luò)的局限，極大推動(dòng)了人工智能領(lǐng)域的研究[28]。辛頓教授在離開谷歌公司回到多倫多大學(xué)后，將工作重心轉(zhuǎn)向了理論研究和人才培養(yǎng)，并出任向量學(xué)院首任首席科學(xué)顧問。甚至可以說，向量學(xué)院對(duì)人工智能相關(guān)領(lǐng)域內(nèi)高層次人才的吸引力在相當(dāng)程度上來自辛頓教授的個(gè)人影響力。

在上述四項(xiàng)因素的助推下，向量學(xué)院的科學(xué)家們正著力將人工智能應(yīng)用于開發(fā)家用輔助技術(shù)、開展分子水平的研究、改進(jìn)電動(dòng)汽車、識(shí)別阿茲海默癥早期癥狀、探索癌癥患者對(duì)治療產(chǎn)生的反應(yīng)等，并已取得階段性成果[29]。同時(shí)，向量學(xué)院正致力于“可解釋的人工智能系統(tǒng)”（explainable AI）這一前沿?zé)狳c(diǎn)的研究。[30]

四、結(jié)論與討論

隨著世界各主要國家對(duì)人工智能相關(guān)領(lǐng)域研究的不斷投入，該領(lǐng)域的各項(xiàng)研究不斷取得進(jìn)展，相關(guān)技術(shù)的應(yīng)用日趨廣泛。搶占人工智能這一科技制高點(diǎn)理應(yīng)成為我國在科學(xué)技術(shù)領(lǐng)域的戰(zhàn)略目標(biāo)之一。負(fù)有開展科學(xué)研究和培養(yǎng)人才雙重職能的公立研究型大學(xué)理應(yīng)在這場(chǎng)“全球競(jìng)賽”中發(fā)揮更為重要的作用?；谄渥陨硖攸c(diǎn)，公立研究型大學(xué)在參與人工智能領(lǐng)域競(jìng)爭(zhēng)時(shí)應(yīng)采用“k-策略”，重視項(xiàng)目的質(zhì)量、項(xiàng)目“成活率”和綜合競(jìng)爭(zhēng)力，培育具有國際一流水平的研究機(jī)構(gòu)（平臺(tái)），并“孵化”少量?jī)?yōu)質(zhì)本土小型創(chuàng)業(yè)公司。

透過向量學(xué)院的案例可見，國務(wù)院《新一代人工智能發(fā)展規(guī)劃》中提出的“構(gòu)建開放協(xié)同的人工智能科技創(chuàng)新體系”這一實(shí)施路徑規(guī)劃在高校層面具有顯著的適用性、必要性、緊迫性。就我國公立研究型大學(xué)而言，針對(duì)上述四個(gè)影響因素，擬應(yīng)采取如下舉措應(yīng)對(duì)當(dāng)前人工智能熱潮中的歷史性機(jī)遇和挑戰(zhàn)。

第一，加強(qiáng)與人工智能相關(guān)的各學(xué)科的建設(shè)（如計(jì)算機(jī)科學(xué)、應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)等），并結(jié)合自身原有學(xué)科優(yōu)勢(shì)，選擇符合自身?xiàng)l件的領(lǐng)域探索相關(guān)技術(shù)成果的應(yīng)用。例如，研究型師范類高?？山Y(jié)合其在教育學(xué)科的優(yōu)勢(shì)，著重探索人工智能相關(guān)領(lǐng)域的最新研究成果在開展教學(xué)、學(xué)生測(cè)評(píng)等方面的應(yīng)用前景。國內(nèi)眾多學(xué)者已對(duì)相關(guān)技術(shù)在教育領(lǐng)域的應(yīng)用進(jìn)行了大量論述[31][32][33]。第二，結(jié)合國家發(fā)展戰(zhàn)略，與高校所在地政府開展深度合作，依托人工智能領(lǐng)域的研究創(chuàng)造新的經(jīng)濟(jì)增長點(diǎn)和就業(yè)機(jī)會(huì)。第三，與具有一定研發(fā)積累的互聯(lián)網(wǎng)領(lǐng)軍企業(yè)開展深度合作，提升科研成果的轉(zhuǎn)換率。第四，與本地區(qū)具有創(chuàng)新活力和研發(fā)潛力的小型創(chuàng)業(yè)公司建立中長期合作關(guān)系，幫助其提升研發(fā)能力和市場(chǎng)競(jìng)爭(zhēng)力。第五，為在相關(guān)領(lǐng)域內(nèi)已經(jīng)取得一定成果的科研領(lǐng)軍人物搭建類似于向量學(xué)院的跨院系平臺(tái)，整合分散在各院系的人才資源。

綜上所述，我國的大型公立研究型大學(xué)在當(dāng)前的人工智能熱潮中應(yīng)著眼于開展基礎(chǔ)性、創(chuàng)新性研究，積極搭建新型跨院系研發(fā)和人才培養(yǎng)平臺(tái)。高校則應(yīng)在此基礎(chǔ)上助力具有一定技術(shù)競(jìng)爭(zhēng)力的本土優(yōu)質(zhì)創(chuàng)業(yè)項(xiàng)目，助其在未來成長為人工智能領(lǐng)域的領(lǐng)軍企業(yè)。

參考文獻(xiàn)：

[1]中國政府網(wǎng). 國務(wù)院：印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J]. 廣播電視信息， 2017（8）：8.

[2]李開復(fù)， 王詠剛. 人工智能[M]. 文化發(fā)展出版社， 2017：146-149.

[3]Vector Institute. About.[EB/OL]. http：//vectorinstitute.ai/#about，2018-02-01.

[4][5]Sam Shead. Google and Mark Zuckerbergs Investment Fund Are Backing a $150 Million AI Institute in Toronto[EB/OL]. http：//www.businessinsider.com/google-is-backing-a-150-million-artificial-intelligence-institute-in-toronto-2017-3？r=UK&IR;=T，2018-02-01.

[6]Homepage of Geoffrey E. Hinton[EB/OL]. http：//www.cs.toronto.edu/～hinton/，2018-02-01.

[7]Raquel Urtasun Home Page[EB/OL]. http：//www.cs.toronto.edu/～urtasun/，2018-02-01.

[8]Brendan J. Frey Home Page [EB/OL]. http：//genes.toronto.edu/～frey/，2018-02-01.

[9]David Kristjanson Duvenaud Home Page [EB/OL].http：//www.cs.toronto.edu/～duvenaud/，2018-02-01.

[10][11]Jennifer Robinson. Torontos Vector Institute Officially Launched[EB/OL].https：//www.utoronto.ca/news/toronto-s-vector-institute-officially-launched，2018-02-01.

[12][24]Jessica Galang. Ontario Govt Investing $30 Million in Vector Institute as Part of Amazon HQ Bid[EB/OL]. https：//betakit.com/ontario-govt-investing-30-million-in-vector-institute-as-part-of-amazon-hq-bid/，2018-02-01.

[13][14][16]S. G. Pemberton， J. A.MacEachern， M. J.Ranger. Ichnology and Event Stratigraphy： The Use of Trace Fossils in Recognizing Tempestites[M]// Applications of Ichnology to Petroleum Exploration， Society of Economic Palaeontologists and Mineralogists： A Core Workshop. SEPM Society for Sedimentary Geology， 1992： 85-117.

[15][17] S.G.Pemberton， 周志澄， J.MacEachern. 機(jī)會(huì)（r-選擇）和均衡（K-選擇）遺跡化石的現(xiàn)代生態(tài)學(xué)解釋[J]. 古生物學(xué)報(bào)， 2001（1）：134-142.

[18][19]許簫迪， 王子龍. 企業(yè)生態(tài)位K-r選擇策略研究[J]. 管理評(píng)論， 2006（10）：35-40.

[20]中國教育和科研計(jì)算機(jī)網(wǎng).多倫多大學(xué)新發(fā)明：世界最節(jié)能的電燈泡“微燈泡”[EB/OL].http：//www.edu.cn/zui_jin_geng_xin_1169/20130210/t20130210_902067.shtml，2018-02-01.

[21]Faculty of Medicine， University of Toronto. Fully-affiliated Hospitals/Research Institutes[EB/OL].https：//medicine.utoronto.ca/about-faculty-medicine/fully-affiliated-hospitalsresearch-institutes，2018-02-01.

[22][23]Michael Smith. How Canada Has Emerged as a Leader in Artificial Intelligence[EB/OL]. https：//www.universityaffairs.ca/features/feature-article/canada-emerged-leader-artificial-intelligence/，2018-02-01.

[25][26][28]鄧洲. 深度學(xué)習(xí)： 人工智能進(jìn)入應(yīng)用階段[N]. 上海證券報(bào)， 2017-03-31.

[27]張歡. 谷歌成立新基金主投AI 公司[N]. 中國信息化周報(bào)， 2017-07-17.

[29][30]Gibson， G. Celebrating Vectors First Year in the AI Ecosystem[EB/OL].https：//vectorinstitute.ai/2018/03/29/garth-gibson-celebrating-vectors-first-year-in-the-ai-ecosystem/ ， 2018-04-13.

[31]張紅軍. 人工智能與教育技術(shù)[J]. 陜西師范大學(xué)學(xué)報(bào)（自科版）， 2005（s1）：238-240.

[32]許亞鋒，高紅英.面向人工智能時(shí)代的學(xué)習(xí)空間變革研究[J].遠(yuǎn)程教育雜志，2018（1）：48-60.

[33]姜皓文.人工智能技術(shù)在教育領(lǐng)域中的應(yīng)用[J].電子技術(shù)與軟件工程，2018（5）：255.

編輯 呂伊雯 校對(duì) 徐玲玲