中美人工智能教育：比较评估
原文信息
【标题】AI Education in China and the United States: A Comparative Assessment
【作者】Dahlia Peterson，Kayla Goode and Diana Gehlhaus
【日期】September, 2021
【机构】Center for Security and Emerging Technology（CSET）
【链接】查看原文
编译信息
【译者】余泳（350普京集团新网站）
【期数】第149期
【日期】2021年11月26日
第一部分 中国教育体系概览
中国的教育体系总体上比美国教育体系更为集中，其教育系统涵盖了53万个各级教育机构的2.82亿名学生。作为中国教育体系的主要监督机构，中国教育部负责认证教师，制定国家教育目标、课程和教材，并提供一定的资金援助。
各省级教育部门尽管受中国教育部监督，但近几十年来其已被赋予了更多执行责任。省级和主要城市一级的职责包括遵循国家指导方针，结合当地情况制定省级课程，然后将计划报教育部批准后实施。其他职责包括教材管理、学校项目管理、提供教育补贴以及制定教师培训的补充标准。
中国教育部通过5-15年的教育战略为其教育体系制定目标。2010-2020年的目标包括普及学前教育，完善九年制义务教育，将高中毛入学率提高到90%（已实现），将高等教育毛入学率提高到40%。各省通常会制定自己相应的教育计划，由教育部监察局负责监督实施并向地方政府提供反馈。
第二部分 美国教育体系概览
美国的教育体系比中国更加分散，尤其是中小学教育方面。各州教育部门都是制定学校资助、教师聘用、学生出勤管理和课程实施相关法律的权威机构。与中国教育部不同，美国联邦政府通过教育统计数据的汇编和报告，实施较为轻微的教育监督，同时促进公平教育，禁止制度性歧视。
美国教育部是美国的联邦教育机构，宣称教育是“州和地方的责任”，而联邦政府在教育中的作用更像是一种“应急响应系统”，以便在当“国家关键需求出现”时填补空白。最著名的联邦教育举措，如1965年的《中小学教育法案》（ESEA）、2002年的《不让一个孩子掉队法案》（NCLB）和2015年的《每个学生都成功法案》（ESSA），反映了美国政府为促进儿童平等获得优质公共教育所做的努力。
在高等教育阶段，联邦政府因其管理学生资助，获得了较多权力。教育部支持提供赠款、经济援助（贷款）和勤工俭学的项目。大约有66%的学生申请联邦财政援助。该部的学生贷款项目有超过4300万未偿还的借款人，未偿还的学生债务现已超过1.7万亿美元。
美国教育部的管辖权根植于美国宪法。根据宪法权力的划分，各州制定课程指南和绩效标准，许可私立中小学在其管辖范围内运作，认证教师和行政人员，管理全州的学生成绩测试，并向学区分配州和联邦资金。
此外，美国教育分为公立学校和私立学校，包括宗教和非宗教机构。
第三部分 中国人工智能教育的整合
2017年以来，中国发布了多项与人工智能教育相关的战略规划。作为其中最著名的一项计划，国务院2017年7月发布的《新一代人工智能发展规划》具有开创性意义，《规划》呼吁在各级教育中实施人工智能培训。人工智能教育的另一个主要推动力源于“双一流大学”倡议，该计划由中国国家主席习近平在2017年提出，在之前“211工程”“985工程”等改革的基础上，推进建设世界一流大学。教育部直接监督和资助的75所大学几乎都属于“双一流”。该倡议将大学建设分为两条轨道：42所大学被选为世界一流大学，并被分为36所“A类”（已接近世界一流）和六所“B类”（可能成为世界一流）大学。这一举措本质上削减了全中国都曾聚焦的顶尖大学的数量。
3.1 中国的中小学人工智能教育
中国正在积极将人工智能教育融入青年学生的教育中。这些努力主要体现在小学阶段的Python入门课程，以及以机器人、无人机和3D打印为特色的实验室。地方政府最近开始奖励相关优秀学校。2018年起，教育部将人工智能课程纳入高中。
3.1.1 人才培养基地的作用。人才培养基地是人工智能教育在中小学阶段蓄势的新方式之一。2020年11月至12月，山东省和北京市向在人工智能教育方面表现出色的学校授予“全国青少年人工智能创新人才培训基地”的荣誉称号。这些小学提供基本的“技术与社会 ”和“创客”课程，提供3D打印和无人机教学；初中则在“人工智能俱乐部”、机器人教室、3D打印机、开源人工智能框架、使用Python等方面获得认可，并在机器人竞赛中获胜。根据奖牌，该认证有效期为两年，山东授予10所学校，北京授予21所，其中包括一座青少年科技馆。北京的人工智能教育项目似乎有了一个强劲的开端。作为人才培养基地计划的一部分，一百名教师被授予“人工智能素养测评师”证书。作为该项目的一部分，北京市青少年人工智能素养提升项目还制定了未来三到五年的数字目标：重点支持打造十个人工智能实验区，创建百所人工智能教育实验校，选拔千名人工智能教育种子教师，培养万名青少年人工智能创新人才。该项目如今只进行了数月，因此，将使用何种质量控制机制，以及北京将如何实现其目标，仍有待观察。
3.1.2 将人工智能课程纳入高中。在高中阶段，教育部于2018年1月修订了国家教育要求，正式将人工智能、物联网和大数据处理纳入信息技术课程。该修订要求2018年秋季及以后入学的高中生在信息技术必修课程中学习人工智能课程。课程目标包括数据编码技术，收集、分析和可视化数据，学习和使用编程语言来设计简单的算法。Python是一个受欢迎的选择，在北京、浙江以及山东都被纳入高考作为测试材料。这种整合可能会激励高中生在更早期发展Python专业知识，并为他们在大学及以后的进一步培训做好准备。进一步的目标包括了解人工智能的安全和保障，以及对伦理道德的强调。另外，还有一个重点在于“学习遵守相关法律”，可以将学习引导至党和国家需要的方向。
3.1.3 教师会议。在中小学层面，全国中小学人工智能教育大会是一个突出的规划和信息共享机制，该会议由非营利性的中国人工智能协会中小学工作委员会主办。会议的重点是教师培训、教育平台的使用和课程设计。
3.1.4 私营部门的作用。校企合作编写教材屡见不鲜。2018年4月，商汤科技联合华东师范大学慕课中心推出国内第一本面向中学生的人工智能教材《人工智能基础（高中版）》。据商汤科技介绍，该教材目前正在上海、北京、广东、黑龙江、江苏、山东、山西等省市的100多所学校进行试点教学，商汤还在培训900多名教师使用这部教材。2018年6月，苏州大学出版社出版了《中小学人工智能系列丛书》。2018年11月，一家由腾讯公司支持的、在全球范围内活跃的公司UBTech Robotics与华东师范大学出版社联合发布了《AI上未来智造者：中小学人工智能精品课程系列丛书》。2020年1月，清华大学宣布，中国首位图灵奖得主、中科院院士、清华大学交叉信息科学研究院院长姚期智将编辑教材《人工智能（高中版）》。百度等中国科技巨头也在助力将人工智能引入职业中学。例如，2019年7月，百度教育与北京市昌平职业学校启动了中国首个中职教育领域的人工智能校企合作项目。此次合作将从五个维度展开：共建百度人工智能创新空间、共建人工智能技术及应用专业、共建职业院校教师培训基地、共同开展师生技能交流比赛活动、共建中小学科普体验基地。
3.1.5 面临的问题。中小学阶段的人工智能教育面临着显著问题。中国的教育顾问指出，一个问题是针对低龄儿童的课程过于困难，尤其是当学生需要丰富的背景知识来理解由深度学习驱动的算法时。其他问题包括缺乏系统和权威的教材开发指导，缺乏教师专业培训，以及学校人工智能实验室的设备不足。
3.2 中国的本科人工智能教育
中国的人工智能教育推动力在高等教育阶段最为突出。以下部分将探讨人才培养的两种主要机制：人工智能研究院，以及由教育部标准化的人工智能专业。目前，人工智能专业是中国被研究最多的领域。
3.2.1 人工智能研究院。人工智能研究院在很大程度上早于教育部开设的人工智能专业。在2018年教育部发布《高等学校人工智能创新行动计划》之前和之后，至少有34家机构在2017-2018年间成立了自己的人工智能研究院。2018年，国防七校中的三所加入了这一行列。国防七校由工业和信息化部（MIIT）直接监管，它们的核心使命是支持中国的国防研究、工业基础和军民融合，将民用研究融入军事应用。除了2018年的三所国防高校之外，至少还有三所大学在2017年7月《新一代人工智能发展规划》印发实施之前就成立了它们的研究院。然而，研究院网站上的“关于我们”页面经常引用《高等学校人工智能创新行动计划》，并将国家人工智能计划作为其创建的原因。
与明确定位为本科专业的人工智能专业不同，研究院的研究重点更加多样化，从自然语言处理到机器人技术、医学成像、智能绿色技术和无人系统。类似地，它们往往同时培养本科生和研究生，在某些情况下也会在机构内提供人工智能专业。
企业也为人工智能研究院发挥着重要作用。例如，重庆邮电大学在2018年与人工智能独角兽科大讯飞成立人工智能研究院，腾讯云于2018年与山东科技大学、辽宁工业大学成立人工智能研究院。
3.2.2 标准化的人工智能专业。2019年3月，教育部批准35所高校开设四年制人工智能专业，授予工学学位，其中包括国防七校中的四所。此前开设人工智能研究院的院校中有一半（17所）后来被正式批准在2019-2020年范围内开设新的人工智能专业。新获批的人工智能专业与过去的课程相比改变明显，在过去，人工智能在部分大学的计算机科学专业中作为主修课程而存在。
2020年2月，教育部批准了180所大学开设人工智能专业，增加了五倍，获批的大学总数达到215所。其中之一是国防七校中的第五位成员。
2021年3月，教育部批准了130所大学，其中包括国防七校中的第六和第七所，获批开设人工智能专业的大学总数达到345所。在2020年和2021年，人工智能专业是大学课程中最受欢迎的新课程；2021年，次受欢迎的专业包括84所大学开设的智能制造工程，62所大学开设的数据科学与大数据技术。此外，在2016-2018年间开设人工智能研究院的八所大学也开始开设人工智能专业。这些大学绝大多数都不太有名，或以商业为导向，清华显然是个例外。
3.2.3 清华大学的人工智能教育。清华很早就涉足人工智能教学。1979年，如今电子工程系的前身开设了“人工智能概论”课程，这是中国大学最早开设的人工智能课程之一。20世纪80年代末，清华大学计算机科学与人工智能系成立了“智能技术与系统”国家重点实验室，又称“人类智能研究院”。
虽然清华直到2021年3月才获批开设人工智能专业，但它已经通过各种渠道开展人工智能教育，并于2018年6月开设了跨学科的人工智能研究院。2020年5月，清华宣布创建“人工智能班”（智班），这将是“清华学堂人才培养计划”的第八期实验班。上文中的高中人工智能教材带头人姚期智，他将担任跨学科“人工智能+X”培养模式的首席教师，该模式将人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学和其他领域相结合。
2019年，清华还将机器人技术创新创业、智能硬件技术创新创业、智能交通技术创新创业三个辅修专业合并为一个名为人工智能创新的新专业。
一家名为KXCY AI的中国人工智能公司与中国几所精英大学合作，表明人工智能专业的目标是满足国家经济和技术发展的需求，培养人工智能基础理论知识，学习研发（R&D）技能，以及系统设计、管理和解决人工智能及相关应用中的复杂工程问题。此外，教育部于2018年鼓励已有人工智能项目的高校扩大其范围，开设“人工智能+X”专业。
除了人工智能专业，与人工智能相关的专业还有数据科学，该专业刚刚开设了五年，其他专业包括大数据技术、智能制造、机器人工程和智能科学与技术。
3.2.4 私营部门的作用。中国的人工智能企业通过正式的合作伙伴关系，在培养人工智能人才和为大学提供资源方面发挥着重要作用。其中一种机制是信息技术新工科产学研联盟（AEEE），该联盟成立于2017年，旨在促进产学研关系中的技术创新。其创始成员包括中国软件行业协会、国内27所大学、5个研究机构和12家公司，并得到了教育部高等教育司和工信部的支持。中国公司包括百度、阿里云、腾讯、华为和中国电信。在27所中国大学中，有21所开设人工智能专业、人工智能研究院或两者兼而有之。名单还包括所有国防七校，以及整个C9联盟。AEEE大学囊括了中国最精英的机构。
值得注意的是，AEEE还包括美国的Cisco、IBM和Microsoft。微软亚洲研究院（MSRA）2019年4月发表的一篇博文指出了其在联盟人工智能教育工作委员会中的创始作用，在实施中国教育部“产教融合理念”方面开展的工作，以及随后因其在课程建设、资源共享和教师培训方面的贡献而获得联盟的认可。MSRA进一步表示，它与中国科学技术大学、西安交通大学、哈尔滨工业大学（国防七校之一，拥有自己的人工智能研究院和专业）、南京大学和浙江大学建立了合作关系，同时，其人工智能教育研讨会已帮助全国300所高校和500多名人工智能教师。2019年3月，MSRA还与国防七校中的另一所——北京航空航天大学合作，开设了一门“人工智能实战”课程，当年吸引了来自10个专业的至少30名北航学子。
百度在联盟内外都扮演着重要角色。它是中国三大互联网巨头之一，也是科技部指定的“人工智能冠军”，致力于自动驾驶。2018-2021年间，百度已与高校签署了至少九项人工智能合作伙伴关系。这些伙伴关系旨在分享案例研究或在该领域面临的挑战性的问题，共同构建课程、教师培训、校园学习社区、发起竞赛以及实习培训。
这些合作伙伴关系还将提供AI Studio培训。AI Studio是百度基于其深度学习平台飞桨（PaddlePaddle）提供的一项人工智能教育服务。它提供在线编程环境、免费的GPU计算能力、海量开源算法和开放数据，帮助开发者快速创建和部署模型。AI Studio有15所合作高校，其中11所高校都开设了人工智能专业或成立了人工智能研究院，或两者兼而有之。
3.3 中国的研究生人工智能教育
教育部、国家发展和改革委员会以及财政部于2020年1月发布了一项计划，要求增加对人工智能研究生的培训，这表明中国了解研究生推进人工智能发展的重要性。该计划的主要目标集中在利用上述“双一流”计划和跨学科“人工智能+X”框架来加强人才培养，增加人工智能研究领域的研究生数量，尤其是博士生。同时，该计划呼吁将人工智能应用于产业创新、社会治理、国家安全等领域，支持国家重大工程和重大发展规划的使命和需求。
此外，该计划还提出，人工智能将被纳入“国家关键领域急需高层次人才培养专项招生计划”，南开大学等院校的人工智能专业博士招生数量已相应增加。
该计划同时强调质量控制。高校学位论文委员会设立了人工智能工作组，负责制定人工智能高级人才培养方案、学位标准和管理规范，并对人工智能学位论文进行随机质量抽查。
与所有级别的人工智能教育一样，高等教育层面也要求进行校企合作，合作的重点是师生培训。在研究生阶段，行业和大学之间应该有一扇旋转门进行互通。首先，在教师层面，鼓励企业采用最新的前沿方法培训大学教师，并要求教师将人工智能的最新研究成果纳入博士课程。在企业层面，公司的顶尖研究人员也可以通过在高校“双聘”的方式进行研究。
其次，企业被要求通过让研究生解决行业需求的方式来培养他们。对于博士生，鼓励企业开放“场景驱动”、应用型课程，开放数据、案例、工具、培训平台。企业还可以利用行业联盟、联合研发实验室、创业与技能竞赛、认证培训等方式帮助研究生在该领域成长。
此外，在高校和企业层面还需增加、协调资金。鼓励高校统筹财政投入和科研收入等多种资源，加大对研究生培养的支持力度，开展基础前沿研究和关键共性技术研究。对企业而言，可以通过天使投资、风险投资、资本市场融资等方式，推动高校人工智能重大项目和应用研究，并协助开展人才培养。
尽管现在判断这些政策将如何切实推进中国的人才培养和人工智能能力还为时过早，但中国过去20年来在高超音速和生物技术等关键领域的优先发展和进展表明，政策不仅仅是愿望清单，而是以可衡量的结果为支撑。尽管如此，我们仍要警示，那些为了参与“人工智能淘金热”而进行的广泛、杂乱无章的课程建设可能会阻碍这些成功。如果中国能够从富裕大都市到资源贫乏地区都确保严格的质量控制，我们认为其可以复制过去在政策实施方面的成功经验。
第四部分 美国人工智能教育的整合
在美国，人工智能课程的整合在深度和广度上并不均衡，因为最终仍然是由各州和地方学区来确定实施课程标准。近年来，各种组织和公司通过努力定义并建立人工智能课程、项目、学习标准，以及为希望在教育中加入人工智能的师生提供资源，帮助取得了一些进展。
4.1 美国的中小学人工智能教育
4.1.1 人工智能和计算机科学课程。最近，许多州已采取措施将人工智能纳入K-12课堂。这通常从学校提供的计算机科学（CS）课程开始，因为它被视为迈向人工智能专业的第一步。然而，许多学校仍然缺乏CS教育。2019-2020年，28个州采取了支持K-12 CS教育的政策，各州之间和各州内部的努力不尽相同。根据2020年Code.org发布的报告，阿肯色州的公立高中教授CS的比例高达89%，而在明尼苏达州则低至19%。此外，只有22个州采取了为所有高中生提供CS课程的政策，而在这些州中，只有九个州允许所有K-12学生参加。只有47%的美国公立高中教授CS，尽管这一比例相较2018年的35%有所上升。
在采用CS课程的各州中，此类课程的内容和学习标准也将因州而异，因为各州都对课程标准保持权威。不同的组织已经形成了独特版本的CS教育标准，为学校在课堂上教授人工智能提供了选择或框架。美国计算机科学教师协会（CSTA）作为一个专业协会，于2017年发布了一套“核心标准”来指导计算机科学教师。总部位于华盛顿特区的非营利组织美国国际教育技术协会（ISTE）与计算机科学教师协会合作，于2018年发布了其针对计算机科学教育者的ISTE标准。计算机科学教师协会还在制定另一套K-12计算机科学指南方面发挥了作用，该协会与计算机协会、Code.org、网络创新中心、CS4ALL和国家数学与科学倡议（NMSI）一起，开发了K-12计算机科学框架。非营利性的Code.org为K-12学生和教育工作者提供CS课程，并将其嵌入已经提供的STEM（科学、技术、工程和数学）课程中。该计划作为一个概念指南，为课程开发提供信息，它优先考虑计算系统、网络安全、数据科学、算法编程以及计算的社会和文化影响。
并非所有STEM和CS教育计划都明确指出了其与人工智能教育的联系，但有些计划确实如此。AI4K12是人工智能促进协会（AAAI）和计算机科学教师协会合作发起的一项计划，由美国国家科学基金会（NSF）和卡内基梅隆大学资助。AI4K12的目标是为K-12制定国家人工智能教育指南，其目前是一个为教育工作者提供的在线资源库。非营利性的人工智能教育项目（AI Education Project）是另一个向全国学校和教育工作者提供自己人工智能课程组织的例子。
至少有两所公立学校已经开发了自己的人工智能课程。佐治亚州格威内特县的Sekinger高中率先向整个K-12学生群体引入人工智能教育课程。由北卡罗来纳大学系统管理的北卡罗来纳科学与数学学校宣布了人工智能创新和领导力莱登计划，旨在教高中生如何设计、使用和理解人工智能。截至目前，这些人工智能课程的内容可能会有所不同。例如，Seckinger高中的人工智能课程在其K-12教育的各个级别都教授编码、机器学习、设计思维、数据科学以及伦理和哲学推理。莱登计划则强调，学生需要了解“如何将人性与机器学习相结合”，以及人工智能如何解决影响社会的复杂问题。
4.1.2 教师培训。对于公立学校教育工作者，其正式许可和认证程序由各州主管。随着各州实施改革或更新测试、认证或许可要求，这一过程可能因州而异，甚至每年都有很大不同。此外，私立学校或宗教学校通常在为教育者制定要求方面有更多自主权，这就为人工智能课程的教学方式带来了另一种程度的差异，而这些差异可能会导致针对教育工作者的标准不统一，从而影响质量。
最终，在培养教授人工智能和计算机科学的教育工作者过程中，有多种因素的作用，例如社区支持团体、培训和专业发展，微证书（短期职业课程）或证书。因此，竞争性教师培训的另一个障碍是获得充分教授人工智能所需的资源。一些州已经花费数年时间在学校中整合计算机科学课程，并对其教育者进行相应培训。
4.1.3 私营部门的作用。私营部门正在通过一系列目标明确的不同倡议支持将计算机科学和人工智能整合进入中小学教育。CSET（安全和新兴技术研究中心）分析发现有30多个这样的项目，所有这些项目都是私营公司、非营利组织和公私伙伴关系合作的组合，为美国的学生和教育工作者提供人工智能课程、学习材料和会议。例如，微软慈善（Microsoft Philanthropies）在大约455所高中开展“学校技术教育和扫盲”（TEALS）计划，目标是为欠发达地区的学生和学校，尤其是乡村学校“建立可持续的计算机科学项目”。亚马逊未来工程师（Amazon Future Engineer）是亚马逊的一个子组织，向欠发达的公立学区的教师提供计算机科学课程，并声称已覆盖超过55万名K-12学生。
除了在课堂上开展人工智能教育之外，私营部门还在扩大课堂外学习人工智能的机会。现在估计有300个不同组织为K-12学生提供人工智能或计算机科学夏令营。私营公司组织了许多此类活动，并将其托管在斯坦福大学、麻省理工学院和卡内基梅隆大学等有竞争力的院校中。公司和组织还通过提供课后计划、竞赛和奖学金，为K-12学生提供人工智能学习机会。一些举措明确侧重于美国学生，否则他们可能无法通过正规学校教育获得人工智能教育。Girls Who Code，ECHNOLOchicas和Black Girls CODE只是众多组织中的三个，它们专门为计算机科学教育中未得到充分代表的群体服务，以解决其中的性别和种族差异。
4.1.4 面临的问题。各州在人工智能教育设计和部署方面的差异使得美国学校难以一致定义“人工智能教育”，以有限的资源证明对人工智能教育的投资是合理的，并为教育工作者提供足够的培训。一些人工智能教育计划优先考虑计算机科学、编程语言、数学和数据科学，而另一些则强调非技术领域，例如人工智能应用的社会和伦理影响。例如，私营公司ReadyAI的课程强调人工智能的非技术成分，如艺术和多媒体，而微软TEALS的课程则侧重于技术技能，如Java和Python编程语言。对人工智能教育的投资也成为一项挑战，因为这种零敲碎打的方法使教育工作者和教育领导者难以评估哪些学习计划是有效的。
无论各州采取哪种方法，结果都是人工智能教育实施的脱节。因此，私营组织和非营利部门正在努力与各州政府和专业教师协会合作，进行跨州协调。尽管如此，这些努力大多只是作为指南、资源和建议标准。
4.2 美国高等教育层面的人工智能教育
对于大多数美国高等院校而言，最接近人工智能专业的仍然是具有人工智能主修或专修课程的计算机科学学位。尽管如此，高等教育中计算机科学/人工智能课程的数量正在迅速增长。根据2021年人工智能指数报告，过去四年，与人工智能相关的本科课程数量增加了102.9%，研究生课程增加了41.7%。本科和硕士计算机科学学位的增长率同样很高。自2015年以来，计算机科学领域的博士学位授予人数也增加了11%。
除了增设人工智能课程，许多联邦机构也在优先考虑对人工智能高等教育的投资。例如，2021年《国防授权法案》指示美国国家科学基金会为高等教育的人工智能倡议提供资金，为人工智能教师招聘、人工智能课程、认证和其他成人学习与培训计划提供资助。
4.2.1 本科人工智能教育。在本科阶段，人工智能教育的整合情况各不相同，通常取决于机构类型或行业合作的可用性。在社区学院和技术学校，除了最近与亚马逊、谷歌和IBM等公司建立的几个行业合作伙伴关系之外，几乎没有专门针对人工智能的教育举措。此外，一些州的社区学院计算机科学项目资源更丰富，可能更有条件整合人工智能课程。例如，超过10%的计算机科学副学士学位毕业生来自北弗吉尼亚社区学院，该学院是与亚马逊合作提供云计算课程的社区学院之一。2021年人工智能指数报告的数据显示，许多大学已经增加了人工智能或机器学习方向专修的计算机科学学士学位。例如，斯坦福大学和加州理工学院都提供人工智能专业方向的计算机科学学士学位。伊利诺伊大学授予人工智能、机器人和控制论方向的计算机工程理学学士学位。明尼苏达大学的人工智能方向包括人工智能、机器学习、数据挖掘、机器人系统和计算机视觉等课程。加州大学圣地亚哥分校通过其雅各布斯工程学院提供计算机科学学位，其兴趣领域为人工智能。
此外，一些大学正在向所有公众提供人工智能教育内容。例如，加州理工学院和斯坦福大学选择向学生和公众提供与人工智能相关的在线课程。哈佛大学和麻省理工学院通过他们的在线学习平台edX，也为人工智能教育提供免费和低成本的选择。
4.2.2 研究生人工智能教育。与本科课程相比，更多的研究生机构提供人工智能专业和学位，而不是在计算机科学学位中开设人工智能方向，尤其是在硕士阶段。例如，科罗拉多州立大学、加州大学圣地亚哥分校和约翰霍普金斯大学即是现在少数几个提供人工智能理学硕士学位的高校。在博士阶段，一些项目提供人工智能或机器学习博士学位，而许多其他项目则与本科一致，授予人工智能方向的计算机科学学位。
同样在研究生层面，许多具有全球竞争力的美国大学在人工智能教育和研究方面处于领先地位。此类项目以行业和政府合作而闻名：卡内基梅隆大学的人工智能和计算机科学项目在自动驾驶、机器人和3D打印等人工智能相关领域与私营部门和政府合作。亚马逊AWS是加州理工学院AI4Science研究生和博士后研究员计划的赞助商，该计划是一种跨学科的人工智能研究方法。麻省理工学院的计算机科学和人工智能实验室被公认为人工智能创新中心，是近30个人工智能和机器学习研究小组、研究中心和研究社区的所在地。正如之前的CSET研究表明的那样，在研究生阶段，美国能够吸引和培养顶尖的人工智能人才。
4.2.3 私营部门的作用。私营部门正在协助开发后中学教育阶段人工智能教育的课程设计，从证书和在线学习课程到两年和四年制学位。例如，IBM正与在线学习平台Simplilearn合作推出人工智能证书。AWS在学习平台edX上提供机器学习课程，谷歌与Udacity也有类似的合作关系，并在其在线教育平台上提供深度学习课程。行业和学位授予机构之间也存在伙伴关系。例如，亚马逊正在与弗吉尼亚社区学院系统和六所弗吉尼亚大学合作，教授学生云计算。在亚利桑那州，马里科帕县社区学院区正在与英特尔合作开发亚利桑那州的第一个人工智能证书和学位课程。IBM的P-TECH计划为高中生和社区学院学生从事技术职业做好了准备，还提供免费的人工智能和云计算在线课程。
2020年，美国国家科学基金会宣布资助一项联合行业与政府的人工智能倡议，该倡议涉及美国农业部、美国国家食品和农业研究所、美国国土安全部科学技术局和美国交通部联邦公路管理局。该倡议建立了18个新的人工智能研究院，每个研究院都有一个与人工智能教育相关的组成部分。行业共同赞助商埃森哲、亚马逊、谷歌和英特尔向这些研究院投入了1.6亿美元，用于支持一系列跨学科的人工智能研究，包括网络基础设施、生物学、伦理学和农业。
第五部分 对美国人工智能劳动力竞争力的影响
中美两国为建立具有全球竞争力的国内人工智能劳动力所做的相关努力具有潜在的重大而长期的国家安全影响。美国政府各级决策者在设计未来科技教育和劳动力政策时，考虑这些影响将是明智之举。我们讨论了两国各自的优势和劣势，然后评估了影响。
5.1 中国的优势和劣势
过去十年，中国在科技人才培养的短期、中期和长期战略规划方面取得了重大进展。它已相当有效地将人工智能教育和培训嵌入到劳动力发展管道的每个阶段。鉴于中国学生人数相对于美国的庞大规模，中国在将人工智能教育纳入各个层面的进展十分显著。在研究生阶段之前，中国一直保持着累积的数量优势，之后则是美国保持略微领先。如果不计算外国出生的学生（约占研究生总入学人数的14%），这种领先优势就会消失。然而，就每个国家的总人口比例而言，美国仍然遥遥领先。
尽管美国在研究生招生方面处于领先地位，但在科学、技术、工程和数学（STEM）领域的毕业生情况中，领先地位却相反。事实上，中国在先进的STEM教育方面的领先地位在过去5年中才有所增加。中国在STEM领域获得的理学和工学博士学位的人数比美国多。很明显，中国的高等学位强调这些学科——2019年中国59%的博士学位和41%的硕士学位都属于这两个领域，而美国研究生学位中只约有16%属于STEM。
尽管如此，中国的进展并非没有挑战。要想拥有一支来自全国各地、受教育程度更统一的人工智能劳动力，最大的障碍之一是户籍制度，或称户口，该制度通过根据户主的出生地分配合法居民许可证来控制区域内劳动力分布。尽管改革正在进行中，户籍制度仍然根据个人的出生登记而非他们的居住地来提供分层的社会福利。
城乡差距导致的不平等也渗入了中国的人工智能教育渠道。例如，虽然北京资源丰富的中小学有能力建设3D打印和机器人实验室，但欠发达地区可能自始至终就没有这样的优势，也没有受过充分培训的教师。
中国的教育机会和质量在很大程度上取决于地理位置和社会经济地位。与农村地区的居民相比，城市居民更有可能获得积极的代际流动。尽管国家进行了改革，农村人口仍经历了“不存在”效应，而其主要驱动因素在于政策执行不力和教育改革不足。教育部2020年的数据也表明了额外的挑战：农村小学正在关闭，入学人数正在下降。这些数字背后的一个根本原因是农村户口持有者不断向城市地区迁移，导致乡村学校关闭。
此外，教育部可能自2018年秋季始将人工智能教育整合进入高中，但实施统一质量的教育或适当执行质量控制并非易事。如果资源匮乏地区的学生只能背诵人工智能爱国宣传语，而无法接受同等水准的人工智能教育，这可能会加剧数字鸿沟和经济不平等。中国的人工智能教育是否会激发创造性思维和团队合作，或者让学生参与执行重复性任务以设计诸如“简单算法”之类的东西，还有待观察。
中国还面临着教师质量的问题。欠发达地区的师生比较高，教师人才流失到较发达地区是普遍现象。由于缺乏资金来聘用和培训教师，每个学生配比的教师数量偏少、质量偏低。当然，中国政府已经实施了一些政策，如从高校招聘毕业生到中西部地区的农村学校工作三年，并要求大中城市的教师定期到农村学校进行短期工作。农村教师也可以申请在教师培训机构继续学习和培训。
5.2 影响
中国从其集中、系统地实施各级人工智能教育的方法中受益。省级教育主管部门奖励中小学开设人工智能基础课程，教育部在高中阶段纳入人工智能课程，并批准345所大学开设标准化的人工智能专业，这是当今中国最受欢迎的新专业。至少有34所大学拥有人工智能研究院，为本科生和研究生提供培训和研究。在研究生层面，教育部呼吁通过公司和风险投资资金增加对人工智能专业学生的支持，并呼吁校企合作进行培训，解决行业需求。再加上在STEM研究生学位方面相对于美国的数量优势越来越大，中国有能力开发强大的中期人工智能劳动力管道。
然而，未来需要密切观察的一个主要障碍是中国的快速老龄化，尽管取消了独生子女政策，但并没有足够的生育来补充人口。7月，中国甚至取消了对超过三胎配额的所有限制和罚款，实际上允许无限制的生育。
中国的进步也可能有助于其军民融合（MCF）发展战略，但如果这些战略提高了中国的军事竞争力，可能会损害美国的国家安全。如42所“双一流”大学中，有一半开设了人工智能专业，有10所既开设了该专业又拥有自己的人工智能研究院。“双一流”计划旨在将这些大学融入军民融合研发管道，从而实现创新（包括人工智能），帮助军事和民用部门。此外，所有国防七校都开设人工智能专业，大约一半设有人工智能研究院。此前的CSET研究发现，中国国防国有企业招聘的毕业生中有四分之三来自这七个高校，这引发了人们对具备人工智能技能和能力的人直接进入国防工作队伍的担忧。
美国受益于其教育和培训体系的更大自由度和灵活性。在最好的情况下，美国各州和地方政府可以自由地进行教育创新。灵活性为整合创新的课程设计、教学法中的新方法以及学生如何与人工智能互动和学习人工智能的实验创造了机会。同样，编组式的融资模式吸引了许多利益相关者，使学校能够在课堂内外提供更多种类的学习机会和体验。这种多样性促进了创新的引擎，而创新一直是美国社会的一个标志。
然而，我们的分析表明，这些优势在迅速提升美国人工智能和其他新兴技术的劳动力水平时，有着一个隐性弱点。在最糟糕的情况下，学区的资金差异造成了教育差异，而资金结构限制了长期规划的能力。并非所有州都能利用好当前治理和资金结构中固有的灵活性。一些州的资源比其他州更丰富，有更好的机会获得高质量教师，对人工智能和计算机科学教育有着不同的优先级。灵活性只有真正被利用时，才能发挥成为战略优势，尤其是在注重质量和机会公平的情况下。另一个挑战在于，复杂且分散的资助计划难以跟踪、评估和扩展，这使得某些项目无法受到资助，即使这些项目特别成功、极富创新性。
美国的教育和培训体系依赖于零散或本地化的举措，尤其是在涉及到私营部门的参与时，这些现实情况就更加严重了。例如，与中国教育部直接征集私营部门参与人工智能教育（包括国防相关应用）相比，美国的系统性要差得多，而且很多安排都是一次性的。尽管有些计划在针对和服务于公共教育可能会忽视的人口群体时是一种优势，但若导致人工智能教育标准不统一，则可能成为潜在的不利因素。
无论如何，美国的持久优势在于更大的伦理道德自由和学术自由，而中国从2018年1月开始的高中课程改革则强调遵循相关法律和道德理念。从2019年通过的《人工智能北京共识》来看，中国似乎越来越重视道德伦理问题，但上文提到的商汤科技推出的高中人工智能教材并未涵盖电车难题（Trolly Problem）、假新闻、数据隐私或审查制度等道德困境。此外，鉴于这些公司本身就涉及到了有争议的人工智能领域，如监控，他们也有可能使学生对人工智能产生偏见。如果学生看待人工智能服务于国家安全利益的视角一开始就是局限的，也不被鼓励批评这些用途的非道德性，这将对学术自由和中国作为人工智能世界领军者的地位产生影响。中国教育体系的批评者认为，即使有慷慨的资助，建立真正的世界一流大学也需要更大的学术自由和大学自主权。
美国正在积极鼓励私营企业、非营利组织和学术界将人工智能的安全和道德放在首位。例如，美国国家科学基金会人工智能研究所旨在确保人工智能的开发透明、可靠且符合美国价值观。此外，白宫在2021年向联邦机构发布了关于确保人工智能保护隐私和公民权利的原则和政策的指南。
归根结底，中国的人工智能教育方式与美国教育体系的价值观、设计和结构不相容。因此，美国最好利用其教育体系的优势（并减轻其劣势）来培养未来的人工智能劳动力。正如本报告所示，美国人工智能劳动力竞争力的一个关键因素将是它如何应对这些挑战，以支持和维持人工智能人才管道的发展。
“美国无法在培养领先的人工智能劳动力方面进行竞争”这一观点还未盖棺定论，我们建议对这种解释持谨慎态度。例如，一些美国教育体系的批评者哀叹美国处于先天的劣势。从这个角度来看，鉴于中国有能力对课程和教育产品做出强制性规定，并有能力资助和执行国家教育战略计划，因此相对于美国来说，中国将在教育和培训人工智能人才方面胜出。与此同时，美国陷入困境，无法就核心课程达成一致，无法实现对优质教育的公平资助，也无法在国际数学检测中取得好成绩，更不用说在人工智能教育方面的竞争了。
美国的几个关键优势应该被纳入任何关于体系权衡的讨论中。整个美国教育体系中人工智能教育创新的潜在价值是巨大的，尤其是在适当定位的情况下，而这在更为集中的体系中是不可能的。在培养人工智能劳动力关键部分的研究生阶段，美国仍然位居第一。美国仍然是非美国出生的顶级人工智能人才攻读博士学位的首选之地。先前的CSET研究表明，尽管中国已进行了20年“人才吸引”，但海外的中国人要么不回来，要么做兼职，这主要是由于职场的政治因素。与此同时，拥有美国人工智能博士学位的中国顶尖学生中有91%在毕业五年后仍在美国。
结论
在过去五年中，美国和中国在人工智能教育方面都取得了重大进展。他们的努力显示出发展和培养具有全球竞争力的人工智能劳动力的雄心。然而，他们也揭示了各自国家的教育体系所带来的结构性挑战，这些挑战可能会阻碍优质人工智能教育的广泛实施。
本报告通过提供比较评估，对这些努力进行了新的说明。我们讨论了两种教育体系的结构特征，以及由此产生的采用人工智能教育所带来的障碍或战略优势。
中国在各个层面加强人工智能教育的努力具有重要意义。标准化课程、集中实施人工智能教育计划，并明确呼吁校企合作，使中国更有可能发展强大的人才管道，以解决人工智能挑战。此外，微软亚洲研究院等西方公司也通过涉及课程开发的正式合作伙伴关系与国防七校中的部分高校和其他中国大学合作。
美国正在努力将人工智能教育整合到课堂中，但其教育体系的分散性意味着其方法也更零散。此外，美国仍然非常重视通过人工智能来处理计算机科学教育。在中国在其《新一代人工智能发展规划》中提出人工智能教育目标的同一年，美国主要的计算机科学教师协会发布了新的中小学计算机科学课程标准。美国人工智能教育领域出现了大量倡议、项目和私营公司，但既没有一个强有力的愿景，也没有统一的国家标准来指导他们。
当然，这并不意味着美国的人工智能教育和培训处于先天劣势。美国更大程度的教育自主权为美国公司和教育机构的实验、创造力和创新提供了喘息的空间。挑战在于，如何在整个教育体系中成功、包容性地评估和扩展这些实验和计划。
为了利用这一优势，美国各州需要进行有针对性的协调努力，为长期的人工智能教育和劳动力政策提供前所未有的支持。目前，每届总统政府和国会立法会议都会引入新的资金优先事项，以及对联邦角色和责任的新愿景。同样，各州对K-12教育和相关课程都有不同愿景，以及做出重大改变的不同资源和能力。美国人工智能教育工作将是最有效的，随着时间的推移保持一致性，不受选举周期的影响，确保州和地方能够为学校、教育工作者和学生提供必要的资源。
最终，如果各州或联邦层面无法就人工智能课程的最佳推进方式达成共识，“成功”或“全面”的人工智能教育这一追求也就成了模糊的目标。类似的问题已经困扰着计算机科学教育，不一致的课程造成的成绩差距可能会阻碍美国人工智能劳动力的竞争力。人工智能教育可能会继续沿着相同的路径前行，而这会错过部分人口，错过低收入和农村学校。
我们的评估表明，为了有效应对中国在人工智能领导力方面的竞争，美国需要解决其去中心化体系和方法所固有的一些挑战。我们还建议，应在全球竞争的背景下考虑未来的美国科技教育和劳动力政策，而不是短视地将其视为国内挑战，这种考虑包括承认并利用美国在吸引包括中国公民在内的精英人才方面的持久优势。
制定人工智能教育国家愿景，并在全国数千个学区有效实施，并非易事。这需要联邦、州和地方各级的合作与协调以及适当的资源配置。如果不优先考虑这一点，人工智能教育的缺陷可能会对美国人工智能劳动力的全球竞争力产生长期影响。
（本简报仅提供参考译文，以作交流之用，文中陈述和观点不代表编译者和编译机构的立场。如需引用，请注明原文出处。）
