郑南宁院士:AI时代,基础学科拔尖创新人才该如何培养?

点击上方“图灵人工智能”，选择“星标”公众号

您知道的人工智能干货，第一时间送达

文 ｜ 郑南宁（中国工程院院士、西安交通大学原校长）

当前，人工智能（AI）正以前所未有的深度与广度重塑高等教育。这已成为当代高等教育发展最重要的时代背景。作为大学的根本使命，人才培养必须主动回应这一深刻变革。

在AI技术深度嵌入知识生产与科学研究的今天，基础学科拔尖创新人才培养路径系统性重构，已成为关乎高校核心竞争力与国家未来的关键命题。面对这一时代课题，唯有突破传统思维定式，推动教育范式整体跃迁，才能培育出真正具备未来竞争力的创新力量。

在我看来，在AI时代，基础学科拔尖创新人才培养应坚持并做到“三性一体”。

特别值得一提的是人机协作研究能力——既善于运用AI拓展研究边界，也要具备判断模型合理性、识别AI“伪合理结果”的批判性思维。在AI仍存在“幻觉”问题的现实背景下，这种甄别能力已成为基础学科拔尖创新人才的必备素养。

物理拔尖创新人才的关键能力不是公式推导的熟练程度，而是从复杂现象中提炼物理模式、构建“物理图像”并判断近似合理性的能力。其核心素养包括模型意识、尺度分析能力以及理论与实践的双向理解能力，培养重点在于“建模能力与物理直觉”。

化学拔尖创新人才的核心不在于对化学反应过程的机械记忆，而是对分子结构与反应机理的深度理解，能够自主设计反应路径并在实验中发现新现象。其能力集中体现在结构-性质-功能关系把握、实验设计与数据验证上。AI构建的虚拟实验室在药物筛选、分子设计等领域的应用，正成为能力培养的重要载体，其培养重点在于“分子层面的理解与实验创新”。

尽管学科特质不同，三大基础学科的拔尖创新人才共享两大共性能力底座。一是计算与数据素养。数据是AI时代的核心要素，对数据科学知识的掌握是开展一切研究的基础，具体包括参数探索、模拟加速、模式发现等能力。二是人机协同能力。其本质在于“驾驭AI”，在充分利用AI工具优势的同时，保持人类特有的创造性与批判性思维。

要破解这一困境，需要在规划理念、实施机制与评价体系3个层面协同发力。

首先，AI赋能的关键在于教育逻辑重构，而非单纯的技术叠加。若将AI作为传统教学的辅助工具，而不改变知识传授的核心逻辑与评价标准，AI就只能成为提高教学效率的手段，无法从根本上提升人才培养质量。

真正的AI赋能是借助技术，打破传统教育的时空限制与思维定式，系统重构教学模式、课程体系与评价机制，让教育更好地服务于创新能力培养。

其次，拔尖创新人才培养必须将研究环节前移，强化全员参与。让学生尽早进入真实的科研场景，比单纯增加课程难度重要得多。

在传统模式下，大多数学生往往到研究生阶段才接触科研，错失了创新能力培养的关键期。应将科研训练贯穿本科教育全过程，同时推行“系统规划”与“全员规划”理念。通过各职能部门与院系深度协同、师生广泛参与，形成集体共识。如此一来，即使校领导更迭，稳定的中层力量与集体共识也能保障培养方案的延续性与执行力。

最后，课程教学与评价体系必须协同改革。如果仍以标准化考试为主要评价方式，“研究性地教、探究性地学、创新性地做”便难以落地。应建立多元化评价体系，将过程性评价与结果性评价相结合，既关注知识掌握情况，也重视研究能力、创新精神与实践成果。同时，区分常规性教学与战略性培养的实施路径。对于拔尖人才培养这类关乎国家长远发展的战略任务，应设立专项机制、配备独立资源，形成区别于常规教学的制度保障。

（《中国科学报》记者陈彬据其在“基础学科拔尖学生培养计划2.0”基地建设工作交流会上的讲话整理）

文章精选：