论文部分内容阅读
摘 要：在席卷全球的“人工智能熱潮”中，加拿大多伦多大学在安大略省政府的支持下成立了“人工智能向量学院”（Vector Institute for Artificial Intelligence），享有“人工智能教父”美誉的杰弗里·辛顿（Geoffrey Hinton）教授担任首席科学顾问。该学院旨在整合大学、政府、互联网企业三方力量，开展人工智能领域的科学研究、技术研发、人才培养，并扶持当地优质的小型创业企业，从而提升多伦多大学、安大略省及加拿大在该领域的综合竞争力。该学院可被视为世界一流公立研究型大学积极应对并深度参与当前人工智能热潮的典型案例，对我国公立研究型大学参与该领域的全球竞争具有借鉴意义。借鉴生态学中的 “r-策略”（r-strategy）与“k-策略”（k-strategy） 模型，通过人工智能向量学院这一案例揭示出公立研究型大学的最优应对策略选择——选择以项目质量和项目“成活率”为优先考虑的“k-策略”。就高校而言，影响其人工智能研究平台质量与“成活率”的主要因素可被归纳为：其一，高校自身科研实力以及学科布局的合理性；其二，高校发展策略与所在国家、地区政府发展战略的契合度；其三，高校与互联网领军企业的合作关系；其四，相关领域领军科学家的参与度。
关键词：人工智能；向量学院；多伦多大学；公立研究型大学
一、问题提出和案例选择
近年来，“人工智能”在大众心目中已成为与“可控核聚变技术”“量子计算”等比肩的前沿科技，也成为各国争先抢占的战略性科技制高点。2017年，国务院印发《新一代人工智能发展规划》，提出我国要在2030年成为世界主要人工智能创新中心这一战略目标，并提出了“构建开放协同的人工智能科技创新体系”这一实施路径[1]。李开复与王咏刚在《人工智能》一书中预言，人工智能热潮所带来的不仅是技术层面的革命，其必将伴随着重大社会经济变革、教育变革、思想变革、文化变革[2]。现代大学具有开展科学研究和培养人才的双重使命，在人工智能领域的全球竞争中理应扮演关键性角色。然而，相较于计算机、互联网领域的世界知名企业，公立研究型大学在应用型技术研发和社会影响力方面远不及前者。例如，由谷歌（Google）旗下DeepMind公司基于“深度学习”（deep learning）原理研发的围棋对弈程序AlphaGo，在过去的两年中以其骄人的战绩极大地带动了全社会对人工智能的热情，也为DeepMind及其母公司谷歌赢得了极大的声誉。与之相比，公立研究型大学在人工智能热潮中的应然与实然角色之间存在一定落差。
由于计算机、互联网公司在人工智能领域研发方面的极高参与度，以加拿大为代表的发达国家尝试推动“政府-大学-公司”三方合作的模式，构筑新型的研发、教学、创业“孵化”平台，提升本国在该领域的研发能力、人才培养能力、创业活力。2017年，加拿大多伦多大学（University of Toronto）在加拿大联邦政府和安大略省政府的支持下，成立了名为“人工智能向量学院”（Vector Institute for Artificial Intelligence，下文简称向量学院）的独立研究机构（平台）。该平台旨在整合大学、互联网领军企业、政府、本地小型创业公司（如深度学习基因组学技术研发商Deep Genomics）各方资源，促进加拿大在人工智能领域的科学和技术进步，力求创造新的经济增长点[3]。包括谷歌在内的各合作方将累计投入1.5亿美元（约合10亿人民币）用于人工智能领域的研究和人才培养[4]。向量学院以人工智能领域的重要分支“深度学习及机器学习”（deep learning and machine learning）为主要研究方向，兼顾“好奇心驱动”（curiosity-driven）的纯理论前瞻性研究和具有潜在商业价值的“应用型研究”（applied research）。[5]
向量学院的首任首席科学顾问由业内享有“人工智能教父”美誉的多伦多大学计算机科学系教授杰弗里·辛顿（Geoffrey Hinton）担任。谷歌公司曾于2013年将辛顿教授创立的“神经网络”创业公司DNNResearch收入旗下[6]。向量学院研究团队的成员来自多伦多大学的不同院系，包括向量学院联合创始人之一、多伦多大学计算机科学系副教授、加拿大机器学习与计算机视觉首席科学家（Canada Research Chair in Machine Learning and Computer Vision）拉奎尔·乌尔塔森（Raquel Urtasun）[7]， 班廷与贝斯特医学研究系（Banting and Best Department of Medical Research）及电子工程与计算机工程系教授布伦丹·J·弗雷（Brendan J. Frey）[8]，统计学系助理教授、曾在哈佛大学智能概率系统团队（Harvard Intelligent Probabilistic Systems Group）从事研究的戴维·杜文多（David Duvenaud）等[9]。此外，向量学院同时吸收了多名博士后研究人员。多伦多大学计划依托向量学院培养世界上“最多的从事‘深度学习’研究的毕业生”[10]。多伦多大学校长格特（Meric Gertler）表示，安大略省政府和加拿大联邦政府给予了多伦多大学及其合作伙伴极大的信任[11]。安大略省政府将陆续拨款8千万加元（约合4亿人民币） 支持其发展。[12]
二、概念和分析框架
本研究借鉴生态学中的“r-策略”（r-strategy）和“k-策略”（k-strategy）模型，将公立研究型大学在面临重大技术变革时所采取的应对策略归纳为两种理想类型：一是以研究项目以及创业项目孵化“成活率”为优先考虑的“k-策略”；二是以应对环境变化时的反应速度和项目数量为优先考虑的“r-策略”。
在研究物种演化与生存竞争时，生态学将物种为适应环境变化而采取的不同策略分为“r-策略（机会选择）”与“k-策略（均衡选择）”[13]。采取“r-策略”的物种往往表现出以下特征：能对环境变化迅速做出反应，具有相对较弱的个体竞争能力及相对高效的繁殖能力和扩散能力[14][15]；采取“k-策略”的物种则与之相反，其往往具有较慢的移居能力，相对较低的繁殖能力及相对较强的个体竞争能力。[16][17] 该生态学理論已被广泛借鉴，应用于管理科学，以分析企业在市场中的发展策略。例如，借鉴该分类法，传统制造业通常被划分为“r-策略产业”和“k-策略产业”，前者包括家具、皮革制品、服装、鞋类、食品业等，后者包括冶金、运输、机械、石油、化工、金属制造、电气工程等。与生态学中的定义类似，“r-策略型企业”通常是小规模企业，市场反应较快，具有专业化优势较弱、市场竞争壁垒相对较低、易于复制等特征，当“r-策略型企业”生长总量超出环境资源的承载极限时则会趋于消亡[18]；“k-策略型企业”的特征包括繁殖率相对较低，适宜在稳定的环境中生存发展，具有独特的核心竞争能力，企业产品不易被复制”等。[19]
借鉴“r-策略”与“k-策略”模型，公立研究型大学在面对重大技术变革所引发的宏观环境变化时，更类似于上述“k-策略型企业”。公立研究型大学通常具有办学历史悠久、学术积累丰厚、单体竞争力较强等特点，但其成功经验往往难以被简单复制，在面对市场、技术等环境因素变化时也较难做出快速反应。非公立高等教育机构（如我国的小型民办高等教育机构等）则更类似于“r-策略型企业”，具有单体竞争力相对薄弱、可复制性强、对于环境因素变化易于做出快速反应等特征。例如，在应对技术革新时，非公立高等教育机构往往能在相对较短的时间内开设新的专业项目、提供与新兴技术相关的课程或培训、建立相应的创业激励机制，鼓励毕业生选择与新兴技术相关且创业周期较短、创业门槛相对较低的项目开展创业。此类创业项目往往呈现“一哄而上”的态势。例如，在互联网“共享经济”热潮中的共享单车项目，虽然创业公司数目庞大，但项目“成活率”相对较低。由此不难预见，伴随着人工智能领域应用型技术的发展，大量与人工智能概念沾边，但核心技术含量相对较低、市场生存能力相对较弱、核心竞争力相对有限的“短平快”创业项目将呈现井喷式增长，并且这样的现象已然开始显露端倪。
多伦多大学作为一所公立研究型高等教育机构，所面临的机遇和挑战与我国公立研究型大学相似，更类似于“k-策略型企业”。多伦多大学创立于1827年，在计算机、统计学、应用数学等领域有深厚的学术底蕴。然而，在面对外部市场、技术等环境因素变化时，囿于其庞大的体量和长久以来形成的院系结构、行政体系，难以整合自身资源，做出高效的反应。例如，自20世纪后半叶以来，伴随着二战以后西欧国家经济复苏和北美经济的高速发展，商科教育日渐繁荣，然而多伦多大学对此做出的应对策略可概括为“各自为政”。时至今日，多伦多大学也未能对相关领域的教学及科研资源加以充分整合。除经济学系和成立于20世纪50年代的罗德曼商学院外，多伦多大学数学系也以“数学在经济学和金融学中的应用”（Mathematical Applications in Economics and Finance）为名开设经管类专业，其招生、培养模式、师资等均完全独立，大量雷同的课程重复开设。此外，冗长的专业名称也反映出公立研究型大学在应对环境变化时的两难境地：既要坚守长久以来所积累的学术传统，又要在学生培养和科学研究方面采取创新性的举措。
就人工智能领域的竞争而言，以多伦多大学为代表的大型公立研究型大学很难在短时间内对现有的院系架构进行重大调整，即对计算机科学、数学科学、统计学、电子工程等院系进行拆分并重新组建“人工智能系”，在较短时间内为本科生和研究生开设全新的专业项目。同时，作为一所在加拿大具有战略性地位的公立研究型大学，为加拿大培养科研人员和各行业的专家是其长期以来的核心任务之一，将工作重心转向鼓励毕业生选择创业周期较短、技术门槛较低的领域开展“短平快”式的创业，既不符合其定位，也不符合其学术文化传统。多伦多大学虽然十分支持学生创业和参与技术创新，但其所支持的项目一般是具有核心技术竞争力的项目，如由3位多伦多大学学生完成的节能型“微灯泡”（Nanolight）研发项目[20]，而非看似与新兴技术沾边，实则技术门槛较低且缺乏实质性创新的项目。
相较于以快速反应和提高繁殖及扩散能力为优先考虑的“r-策略”，以核心竞争力和项目质量为优先考虑的“k-策略”无疑是以多伦多大学为代表的公立研究型大学的最优策略选择。就设立向量学院而言，一方面在不改变原有院系架构和学科传统的前提下，为隶属于不同院系且从事人工智能领域研究的学者和学生搭建了统一的平台，整合了原本分散的科研和教学资源，用以科学研究、技术研发、人才培养；另一方面，向量学院与以Deep Genomics为代表的当地人工智能领域高质量小型创业公司开展合作，助力其进一步发展，提升其在市场竞争中的“成活率”。多伦多大学向量学院项目采取的是一种“双重孵化”模式，即大学通过与政府和企业合作，“孵化”出独立研发与人才培养机构（平台），并通过该平台对本地小型优质创业公司进行“孵化”（见图1）。
三、影响项目“成活率”的因素：
以向量学院为例
就其现状和发展潜力而言，向量学院可被视为公立研究型大学采取“k-策略”应对当下人工智能热潮的典型案例。该机构的成功建立及其对包括Deep Genomics在内的加拿大本土小型优质创业公司的成功助力得益于四重因素。
其一，多伦多大学原有相关学科布局相对合理且综合实力较强。作为人工智能最热门分支之一“机器学习”的发源地之一，多伦多大学在该领域具有强大的学术支撑力。多伦多大学具有完整的学科门类，其计算机科学、应用数学、统计学、电子工程等与人工智能直接相关的学科具有较高的科研水准。与此同时，多伦多大学在医学科学，经济学、金融学等人工智能领域研究成果应用广泛的学科领域也具有传统优势。以医学科学为例，多伦多大学拥有规模庞大的附属医院和附属医学研究机构网络，其中包括多伦多儿童医院（Hospital for Sick Children）、多伦多总医院（Toronto General Hospital）、玛格丽特公主癌症中心（Princess Margaret Cancer Centre）等著名医疗及医学研究机构[21]。多伦多大学的这些优势学科为人工智能领域的研究和技术应用提供了坚实的基础。 其二，多伦多大学着力推进人工智能领域研究的策略与加拿大联邦政府和安大略省政府的发展战略高度契合。在过去5年中，加拿大联邦政府投入超过1.25亿美元实施“泛加拿大人工智能战略”（Pan-Canadian Artificial Intelligence Strategy）[22]。该战略旨在联合学术机构、企业，以及政府部门，为将加拿大发展为人工智能领域的研发强国搭建平台[23]。在联邦层面宏观战略的推动下，截至2017年末，安大略省政府在承诺为向量学院拨款5千万加元（约合2.5亿元人民币）的基础上，再次追加拨款3千万加元（约合1.5亿元人民币），计划拨款总额达8千万加元（约合4亿元人民币）用于支持其学术研究和人才培养。[24]
其三，多伦多大学与互联网产业领军企业的合作助力向量学院项目的成功实施。近年来，以谷歌为代表的互联网领军企业在人工智能领域的技术研发与应用较为突出。例如，谷歌通过在其视图软件中嵌入“人工智能模块”，成功实现了对人臉、地标等图像近乎精确的识别等[25]。2016-2017年，谷歌旗下的DeepMind公司所开发的AlphaGo围棋程序取得骄人战绩，该程序所应用的“深度学习”方法可被视为当前与人工智能最为接近的“机器学习”方法[26]。2017年7 月11 日，谷歌宣布成立名为Gradient Ventures的风险投资基金，专门为早期人工智能初创企业提供资金、资源及培训[27]。与谷歌的深度合作大大促进了“向量学院”的发展。
其四，人工智能领域领军科学家的参与度亦为影响项目质量和“成活率”的重要因素。如前文所述的辛顿教授被誉为当今世界“人工智能三驾马车”之一，是互联网企业与大学之间强有力的纽带。辛顿教授曾在人工智能领域作出历史性的学术贡献，他所提出的“反向传播算法”和“对比散度算法”突破了马文·明斯基 （Marvin Minsky）提出的神经网络的局限，极大推动了人工智能领域的研究[28]。辛顿教授在离开谷歌公司回到多伦多大学后，将工作重心转向了理论研究和人才培养，并出任向量学院首任首席科学顾问。甚至可以说，向量学院对人工智能相关领域内高层次人才的吸引力在相当程度上来自辛顿教授的个人影响力。
在上述四项因素的助推下，向量学院的科学家们正着力将人工智能应用于开发家用辅助技术、开展分子水平的研究、改进电动汽车、识别阿兹海默症早期症状、探索癌症患者对治疗产生的反应等，并已取得阶段性成果[29]。同时，向量学院正致力于“可解释的人工智能系统”（explainable AI）这一前沿热点的研究。[30]
四、结论与讨论
随着世界各主要国家对人工智能相关领域研究的不断投入，该领域的各项研究不断取得进展，相关技术的应用日趋广泛。抢占人工智能这一科技制高点理应成为我国在科学技术领域的战略目标之一。负有开展科学研究和培养人才双重职能的公立研究型大学理应在这场“全球竞赛”中发挥更为重要的作用。基于其自身特点，公立研究型大学在参与人工智能领域竞争时应采用“k-策略”，重视项目的质量、项目“成活率”和综合竞争力，培育具有国际一流水平的研究机构（平台），并“孵化”少量优质本土小型创业公司。
透过向量学院的案例可见，国务院《新一代人工智能发展规划》中提出的“构建开放协同的人工智能科技创新体系”这一实施路径规划在高校层面具有显著的适用性、必要性、紧迫性。就我国公立研究型大学而言，针对上述四个影响因素，拟应采取如下举措应对当前人工智能热潮中的历史性机遇和挑战。
第一，加强与人工智能相关的各学科的建设（如计算机科学、应用数学、统计学等），并结合自身原有学科优势，选择符合自身条件的领域探索相关技术成果的应用。例如，研究型师范类高校可结合其在教育学科的优势，着重探索人工智能相关领域的最新研究成果在开展教学、学生测评等方面的应用前景。国内众多学者已对相关技术在教育领域的应用进行了大量论述[31][32][33]。第二，结合国家发展战略，与高校所在地政府开展深度合作，依托人工智能领域的研究创造新的经济增长点和就业机会。第三，与具有一定研发积累的互联网领军企业开展深度合作，提升科研成果的转换率。第四，与本地区具有创新活力和研发潜力的小型创业公司建立中长期合作关系，帮助其提升研发能力和市场竞争力。第五，为在相关领域内已经取得一定成果的科研领军人物搭建类似于向量学院的跨院系平台，整合分散在各院系的人才资源。
综上所述，我国的大型公立研究型大学在当前的人工智能热潮中应着眼于开展基础性、创新性研究，积极搭建新型跨院系研发和人才培养平台。高校则应在此基础上助力具有一定技术竞争力的本土优质创业项目，助其在未来成长为人工智能领域的领军企业。
参考文献：
[1]中国政府网. 国务院：印发《新一代人工智能发展规划》[J]. 广播电视信息， 2017（8）：8.
[2]李开复， 王咏刚. 人工智能[M]. 文化发展出版社， 2017：146-149.
[3]Vector Institute. About.[EB/OL]. http：//vectorinstitute.ai/#about，2018-02-01.
[4][5]Sam Shead. Google and Mark Zuckerberg’s 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
关键词：人工智能；向量学院；多伦多大学；公立研究型大学
一、问题提出和案例选择
近年来，“人工智能”在大众心目中已成为与“可控核聚变技术”“量子计算”等比肩的前沿科技，也成为各国争先抢占的战略性科技制高点。2017年，国务院印发《新一代人工智能发展规划》，提出我国要在2030年成为世界主要人工智能创新中心这一战略目标，并提出了“构建开放协同的人工智能科技创新体系”这一实施路径[1]。李开复与王咏刚在《人工智能》一书中预言，人工智能热潮所带来的不仅是技术层面的革命，其必将伴随着重大社会经济变革、教育变革、思想变革、文化变革[2]。现代大学具有开展科学研究和培养人才的双重使命，在人工智能领域的全球竞争中理应扮演关键性角色。然而，相较于计算机、互联网领域的世界知名企业，公立研究型大学在应用型技术研发和社会影响力方面远不及前者。例如，由谷歌（Google）旗下DeepMind公司基于“深度学习”（deep learning）原理研发的围棋对弈程序AlphaGo，在过去的两年中以其骄人的战绩极大地带动了全社会对人工智能的热情，也为DeepMind及其母公司谷歌赢得了极大的声誉。与之相比，公立研究型大学在人工智能热潮中的应然与实然角色之间存在一定落差。
由于计算机、互联网公司在人工智能领域研发方面的极高参与度，以加拿大为代表的发达国家尝试推动“政府-大学-公司”三方合作的模式，构筑新型的研发、教学、创业“孵化”平台，提升本国在该领域的研发能力、人才培养能力、创业活力。2017年，加拿大多伦多大学（University of Toronto）在加拿大联邦政府和安大略省政府的支持下，成立了名为“人工智能向量学院”（Vector Institute for Artificial Intelligence，下文简称向量学院）的独立研究机构（平台）。该平台旨在整合大学、互联网领军企业、政府、本地小型创业公司（如深度学习基因组学技术研发商Deep Genomics）各方资源，促进加拿大在人工智能领域的科学和技术进步，力求创造新的经济增长点[3]。包括谷歌在内的各合作方将累计投入1.5亿美元（约合10亿人民币）用于人工智能领域的研究和人才培养[4]。向量学院以人工智能领域的重要分支“深度学习及机器学习”（deep learning and machine learning）为主要研究方向，兼顾“好奇心驱动”（curiosity-driven）的纯理论前瞻性研究和具有潜在商业价值的“应用型研究”（applied research）。[5]
向量学院的首任首席科学顾问由业内享有“人工智能教父”美誉的多伦多大学计算机科学系教授杰弗里·辛顿（Geoffrey Hinton）担任。谷歌公司曾于2013年将辛顿教授创立的“神经网络”创业公司DNNResearch收入旗下[6]。向量学院研究团队的成员来自多伦多大学的不同院系，包括向量学院联合创始人之一、多伦多大学计算机科学系副教授、加拿大机器学习与计算机视觉首席科学家（Canada Research Chair in Machine Learning and Computer Vision）拉奎尔·乌尔塔森（Raquel Urtasun）[7]， 班廷与贝斯特医学研究系（Banting and Best Department of Medical Research）及电子工程与计算机工程系教授布伦丹·J·弗雷（Brendan J. Frey）[8]，统计学系助理教授、曾在哈佛大学智能概率系统团队（Harvard Intelligent Probabilistic Systems Group）从事研究的戴维·杜文多（David Duvenaud）等[9]。此外，向量学院同时吸收了多名博士后研究人员。多伦多大学计划依托向量学院培养世界上“最多的从事‘深度学习’研究的毕业生”[10]。多伦多大学校长格特（Meric Gertler）表示，安大略省政府和加拿大联邦政府给予了多伦多大学及其合作伙伴极大的信任[11]。安大略省政府将陆续拨款8千万加元（约合4亿人民币） 支持其发展。[12]
二、概念和分析框架
本研究借鉴生态学中的“r-策略”（r-strategy）和“k-策略”（k-strategy）模型，将公立研究型大学在面临重大技术变革时所采取的应对策略归纳为两种理想类型：一是以研究项目以及创业项目孵化“成活率”为优先考虑的“k-策略”；二是以应对环境变化时的反应速度和项目数量为优先考虑的“r-策略”。
在研究物种演化与生存竞争时，生态学将物种为适应环境变化而采取的不同策略分为“r-策略（机会选择）”与“k-策略（均衡选择）”[13]。采取“r-策略”的物种往往表现出以下特征：能对环境变化迅速做出反应，具有相对较弱的个体竞争能力及相对高效的繁殖能力和扩散能力[14][15]；采取“k-策略”的物种则与之相反，其往往具有较慢的移居能力，相对较低的繁殖能力及相对较强的个体竞争能力。[16][17] 该生态学理論已被广泛借鉴，应用于管理科学，以分析企业在市场中的发展策略。例如，借鉴该分类法，传统制造业通常被划分为“r-策略产业”和“k-策略产业”，前者包括家具、皮革制品、服装、鞋类、食品业等，后者包括冶金、运输、机械、石油、化工、金属制造、电气工程等。与生态学中的定义类似，“r-策略型企业”通常是小规模企业，市场反应较快，具有专业化优势较弱、市场竞争壁垒相对较低、易于复制等特征，当“r-策略型企业”生长总量超出环境资源的承载极限时则会趋于消亡[18]；“k-策略型企业”的特征包括繁殖率相对较低，适宜在稳定的环境中生存发展，具有独特的核心竞争能力，企业产品不易被复制”等。[19]
借鉴“r-策略”与“k-策略”模型，公立研究型大学在面对重大技术变革所引发的宏观环境变化时，更类似于上述“k-策略型企业”。公立研究型大学通常具有办学历史悠久、学术积累丰厚、单体竞争力较强等特点，但其成功经验往往难以被简单复制，在面对市场、技术等环境因素变化时也较难做出快速反应。非公立高等教育机构（如我国的小型民办高等教育机构等）则更类似于“r-策略型企业”，具有单体竞争力相对薄弱、可复制性强、对于环境因素变化易于做出快速反应等特征。例如，在应对技术革新时，非公立高等教育机构往往能在相对较短的时间内开设新的专业项目、提供与新兴技术相关的课程或培训、建立相应的创业激励机制，鼓励毕业生选择与新兴技术相关且创业周期较短、创业门槛相对较低的项目开展创业。此类创业项目往往呈现“一哄而上”的态势。例如，在互联网“共享经济”热潮中的共享单车项目，虽然创业公司数目庞大，但项目“成活率”相对较低。由此不难预见，伴随着人工智能领域应用型技术的发展，大量与人工智能概念沾边，但核心技术含量相对较低、市场生存能力相对较弱、核心竞争力相对有限的“短平快”创业项目将呈现井喷式增长，并且这样的现象已然开始显露端倪。
多伦多大学作为一所公立研究型高等教育机构，所面临的机遇和挑战与我国公立研究型大学相似，更类似于“k-策略型企业”。多伦多大学创立于1827年，在计算机、统计学、应用数学等领域有深厚的学术底蕴。然而，在面对外部市场、技术等环境因素变化时，囿于其庞大的体量和长久以来形成的院系结构、行政体系，难以整合自身资源，做出高效的反应。例如，自20世纪后半叶以来，伴随着二战以后西欧国家经济复苏和北美经济的高速发展，商科教育日渐繁荣，然而多伦多大学对此做出的应对策略可概括为“各自为政”。时至今日，多伦多大学也未能对相关领域的教学及科研资源加以充分整合。除经济学系和成立于20世纪50年代的罗德曼商学院外，多伦多大学数学系也以“数学在经济学和金融学中的应用”（Mathematical Applications in Economics and Finance）为名开设经管类专业，其招生、培养模式、师资等均完全独立，大量雷同的课程重复开设。此外，冗长的专业名称也反映出公立研究型大学在应对环境变化时的两难境地：既要坚守长久以来所积累的学术传统，又要在学生培养和科学研究方面采取创新性的举措。
就人工智能领域的竞争而言，以多伦多大学为代表的大型公立研究型大学很难在短时间内对现有的院系架构进行重大调整，即对计算机科学、数学科学、统计学、电子工程等院系进行拆分并重新组建“人工智能系”，在较短时间内为本科生和研究生开设全新的专业项目。同时，作为一所在加拿大具有战略性地位的公立研究型大学，为加拿大培养科研人员和各行业的专家是其长期以来的核心任务之一，将工作重心转向鼓励毕业生选择创业周期较短、技术门槛较低的领域开展“短平快”式的创业，既不符合其定位，也不符合其学术文化传统。多伦多大学虽然十分支持学生创业和参与技术创新，但其所支持的项目一般是具有核心技术竞争力的项目，如由3位多伦多大学学生完成的节能型“微灯泡”（Nanolight）研发项目[20]，而非看似与新兴技术沾边，实则技术门槛较低且缺乏实质性创新的项目。
相较于以快速反应和提高繁殖及扩散能力为优先考虑的“r-策略”，以核心竞争力和项目质量为优先考虑的“k-策略”无疑是以多伦多大学为代表的公立研究型大学的最优策略选择。就设立向量学院而言，一方面在不改变原有院系架构和学科传统的前提下，为隶属于不同院系且从事人工智能领域研究的学者和学生搭建了统一的平台，整合了原本分散的科研和教学资源，用以科学研究、技术研发、人才培养；另一方面，向量学院与以Deep Genomics为代表的当地人工智能领域高质量小型创业公司开展合作，助力其进一步发展，提升其在市场竞争中的“成活率”。多伦多大学向量学院项目采取的是一种“双重孵化”模式，即大学通过与政府和企业合作，“孵化”出独立研发与人才培养机构（平台），并通过该平台对本地小型优质创业公司进行“孵化”（见图1）。
三、影响项目“成活率”的因素：
以向量学院为例
就其现状和发展潜力而言，向量学院可被视为公立研究型大学采取“k-策略”应对当下人工智能热潮的典型案例。该机构的成功建立及其对包括Deep Genomics在内的加拿大本土小型优质创业公司的成功助力得益于四重因素。
其一，多伦多大学原有相关学科布局相对合理且综合实力较强。作为人工智能最热门分支之一“机器学习”的发源地之一，多伦多大学在该领域具有强大的学术支撑力。多伦多大学具有完整的学科门类，其计算机科学、应用数学、统计学、电子工程等与人工智能直接相关的学科具有较高的科研水准。与此同时，多伦多大学在医学科学，经济学、金融学等人工智能领域研究成果应用广泛的学科领域也具有传统优势。以医学科学为例，多伦多大学拥有规模庞大的附属医院和附属医学研究机构网络，其中包括多伦多儿童医院（Hospital for Sick Children）、多伦多总医院（Toronto General Hospital）、玛格丽特公主癌症中心（Princess Margaret Cancer Centre）等著名医疗及医学研究机构[21]。多伦多大学的这些优势学科为人工智能领域的研究和技术应用提供了坚实的基础。 其二，多伦多大学着力推进人工智能领域研究的策略与加拿大联邦政府和安大略省政府的发展战略高度契合。在过去5年中，加拿大联邦政府投入超过1.25亿美元实施“泛加拿大人工智能战略”（Pan-Canadian Artificial Intelligence Strategy）[22]。该战略旨在联合学术机构、企业，以及政府部门，为将加拿大发展为人工智能领域的研发强国搭建平台[23]。在联邦层面宏观战略的推动下，截至2017年末，安大略省政府在承诺为向量学院拨款5千万加元（约合2.5亿元人民币）的基础上，再次追加拨款3千万加元（约合1.5亿元人民币），计划拨款总额达8千万加元（约合4亿元人民币）用于支持其学术研究和人才培养。[24]
其三，多伦多大学与互联网产业领军企业的合作助力向量学院项目的成功实施。近年来，以谷歌为代表的互联网领军企业在人工智能领域的技术研发与应用较为突出。例如，谷歌通过在其视图软件中嵌入“人工智能模块”，成功实现了对人臉、地标等图像近乎精确的识别等[25]。2016-2017年，谷歌旗下的DeepMind公司所开发的AlphaGo围棋程序取得骄人战绩，该程序所应用的“深度学习”方法可被视为当前与人工智能最为接近的“机器学习”方法[26]。2017年7 月11 日，谷歌宣布成立名为Gradient Ventures的风险投资基金，专门为早期人工智能初创企业提供资金、资源及培训[27]。与谷歌的深度合作大大促进了“向量学院”的发展。
其四，人工智能领域领军科学家的参与度亦为影响项目质量和“成活率”的重要因素。如前文所述的辛顿教授被誉为当今世界“人工智能三驾马车”之一，是互联网企业与大学之间强有力的纽带。辛顿教授曾在人工智能领域作出历史性的学术贡献，他所提出的“反向传播算法”和“对比散度算法”突破了马文·明斯基 （Marvin Minsky）提出的神经网络的局限，极大推动了人工智能领域的研究[28]。辛顿教授在离开谷歌公司回到多伦多大学后，将工作重心转向了理论研究和人才培养，并出任向量学院首任首席科学顾问。甚至可以说，向量学院对人工智能相关领域内高层次人才的吸引力在相当程度上来自辛顿教授的个人影响力。
在上述四项因素的助推下，向量学院的科学家们正着力将人工智能应用于开发家用辅助技术、开展分子水平的研究、改进电动汽车、识别阿兹海默症早期症状、探索癌症患者对治疗产生的反应等，并已取得阶段性成果[29]。同时，向量学院正致力于“可解释的人工智能系统”（explainable AI）这一前沿热点的研究。[30]
四、结论与讨论
随着世界各主要国家对人工智能相关领域研究的不断投入，该领域的各项研究不断取得进展，相关技术的应用日趋广泛。抢占人工智能这一科技制高点理应成为我国在科学技术领域的战略目标之一。负有开展科学研究和培养人才双重职能的公立研究型大学理应在这场“全球竞赛”中发挥更为重要的作用。基于其自身特点，公立研究型大学在参与人工智能领域竞争时应采用“k-策略”，重视项目的质量、项目“成活率”和综合竞争力，培育具有国际一流水平的研究机构（平台），并“孵化”少量优质本土小型创业公司。
透过向量学院的案例可见，国务院《新一代人工智能发展规划》中提出的“构建开放协同的人工智能科技创新体系”这一实施路径规划在高校层面具有显著的适用性、必要性、紧迫性。就我国公立研究型大学而言，针对上述四个影响因素，拟应采取如下举措应对当前人工智能热潮中的历史性机遇和挑战。
第一，加强与人工智能相关的各学科的建设（如计算机科学、应用数学、统计学等），并结合自身原有学科优势，选择符合自身条件的领域探索相关技术成果的应用。例如，研究型师范类高校可结合其在教育学科的优势，着重探索人工智能相关领域的最新研究成果在开展教学、学生测评等方面的应用前景。国内众多学者已对相关技术在教育领域的应用进行了大量论述[31][32][33]。第二，结合国家发展战略，与高校所在地政府开展深度合作，依托人工智能领域的研究创造新的经济增长点和就业机会。第三，与具有一定研发积累的互联网领军企业开展深度合作，提升科研成果的转换率。第四，与本地区具有创新活力和研发潜力的小型创业公司建立中长期合作关系，帮助其提升研发能力和市场竞争力。第五，为在相关领域内已经取得一定成果的科研领军人物搭建类似于向量学院的跨院系平台，整合分散在各院系的人才资源。
综上所述，我国的大型公立研究型大学在当前的人工智能热潮中应着眼于开展基础性、创新性研究，积极搭建新型跨院系研发和人才培养平台。高校则应在此基础上助力具有一定技术竞争力的本土优质创业项目，助其在未来成长为人工智能领域的领军企业。
参考文献：
[1]中国政府网. 国务院：印发《新一代人工智能发展规划》[J]. 广播电视信息， 2017（8）：8.
[2]李开复， 王咏刚. 人工智能[M]. 文化发展出版社， 2017：146-149.
[3]Vector Institute. About.[EB/OL]. http：//vectorinstitute.ai/#about，2018-02-01.
[4][5]Sam Shead. Google and Mark Zuckerberg’s 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