科技日报记者 刘垠
当前，我国已成为全球人工智能（AI）专利最大拥有国，AI核心产业规模近6000亿元。当AI技术加速赋能千行百业，特别是与教育深度融合时，高校迎来了颠覆性的创新机遇。随之而来的，还有深层次治理挑战。
当AI能在某些方面发挥大学教育知识传授的功能，教育的价值该如何更好地体现？当高校学生利用AI工具辅助论文写作显现蔓延趋势，怎样让AI真正做到帮忙而非起反作用？当AI重构高等教育的底层逻辑和运行模式，怎样答好教育数字化这道必答题？针对这些热点问题，近日，科技日报记者专访了中国工程院院士、中国石油大学（北京）原校长张来斌教授。
面向国家战略需求培养拔尖人才
记者：您主张高校要特色化发展，并结合中国石油大学（北京）的办学实际提出“石油石化学科拔尖人才培养”理念。如何理解高校发展的特色化？其怎样指导人才培养？
张来斌：特色是大学生存与发展的灵魂。世界上发展迅速的高校无不在一两个学科领域率先取得突破。特色化发展不能简单理解为强化传统优势学科的特色，更要让特色化成为一种思维、一种理念。学校传统优势学科要做强做大，其他支撑学科、基础学科、新兴学科也要形成特色，通过传统优势学科的特色化，带动高校整体发展。
人才培养是大学存在的第一要义，高水平行业特色型大学作为行业高等教育的“领头羊”，理应为行业实现跨越式发展培养拔尖创新型人才。对于高校来说，这既是办学的目标追求，也是义不容辞的责任，更是服务行业发展的现实需要。
记者：中国石油大学（北京）作为行业特色型大学，是如何培养拔尖创新人才的？
张来斌：中国石油大学（北京）较早对拔尖创新人才培养模式改革进行了探索，并在推进产学研一体化和本硕博一体化贯通培养方面取得成效。学校实施“教育合作框架+人才培养+项目支撑”的运作模式，促进产学研用一体贯通。
2019年，学校与中国石油集团公司签署全面战略合作协议，双方在油气和新能源核心问题和关键技术领域，以及人才培养、师资建设等方面开展全方位、高强度、长周期合作，探索建立学科、科研、人才“三位一体”的综合改革特区。例如，在本硕博一体化贯通培养方面，学校选拔有学术潜质的本科生早进实验室、早入课题组、早接触大项目，激发他们的科研兴趣，夯实其学术基础。同时，通过构建模块化、递进式一体化课程体系，使这些学生在高水平科研平台、企业实践基地支持下，成长为拔尖创新型人才。
目前，不少高水平大学已在本硕博贯通式培养方面展开了积极实践，通过优质平台资源集成与转化，推进教学与科研的有机统一，促进创新型人才培养向高维度跃升。
记者：早在7年前，中国石油大学就创建了人工智能学院。当时是基于怎样的契机？
张来斌：传统石油石化行业工作环境较为艰苦，对AI领域的科技和人才有迫切需求。我们因此特别关注智能技术产业化和传统产业智能化，并针对能源资源科技的潜在影响广泛咨询了业内专家。
为更好适应国家战略需求，整合学科资源、挖掘学科交叉潜力，2018年，中国石油大学（北京）成立人工智能学院，这是我们对学科交叉人才培养的一次有益探索。学院聚焦能源领域及AI领域核心科学问题、关键技术，面向国际学科前沿与社会发展需求，按照“高起点、高层次、小实体、大平台”思路建设。学院短期内通过“特色学科+AI”方式抢占学科制高点，长期则将凭借“AI+特色学科”方式，激活学校发展的新动能。
学科交叉是建设世界一流学科的重要途径。学科建设是“爬楼梯”的过程，不能简单靠一次性增加人力、物力的方式实现“坐电梯”式的效果。这里要厘清，交叉学科和学科交叉是不同的概念，交叉学科是多个学科相互渗透、融合形成的一个新学科；学科交叉是针对单一学科无法解决的新的研究对象或领域，用多学科的理论和方法来解决问题。我们要注重学科交叉，但不要过度强调或急于创建新的交叉学科。
记者：人工智能学院的建设对石油人才培养起到了什么作用？
张来斌：实践证明，人工智能学院已成为中国石油大学（北京）“双一流”建设的学科交叉高地。从学校发展方面看，学院的建设推动了人力资源、研究力量、研究平台以及教学资源的优化；从人才培养方面看，学院的成立有利于教学科研融合，进一步促进拔尖创新型复合人才培养。
此外，我们针对油气行业AI应用的特殊挑战，构建“企业出题—高校解题—现场验题”的协同机制，人工智能学院的建设推动了这一机制的落地。比如，人工智能学院与中国石油共建智能固井质量评价系统，通过AI分析声波测井数据，将评价符合率从78%提升至92%；双方联合研发的井下事故预警模型，在长庆油田得到应用，显著减少了非计划停工停产。
AI对高等教育的冲击深远且广泛
记者：您如何看待AI对高等教育的影响？
张来斌：AI对高等教育的冲击深远且广泛，已远超单纯的技术工具属性。其带来的影响既包括颠覆性创新机遇，也包含深层次治理挑战。此外，许多潜在的影响具有动态演进特征，目前还很难评估其影响。
我们要辩证看待这一变化的利与弊。AI能够便捷个性化学习、提升整体性认知、强化实验模拟与数据分析，让知识的获取更加高效；同时，也可能增加学术不端风险、扩大数字鸿沟。
记者：今年以来，以DeepSeek大模型为代表的生成式AI更加广泛深入地融入了人们的日常。具体到高等教育领域，其带来了哪些变化和影响？
张来斌：最显著而深层次的影响，是教育者和被教育者都需要建构新的能力结构和评价标准。DeepSeek大模型等生成式AI改变了教育教学范式，它可以快速整合跨学科知识，辅之以由算法加持的严格逻辑推理，从而在知识传授方面与教师并行发挥作用。在未来相当长的一段时间内，青年学生使用AI的熟练程度会超过教师，包括那些富有教育教学经验的中老年教师，这将倒逼教师持续提升数字化素养。
此外，将复杂问题拆解为可被AI处理的任务的能力、原创构思能力、专业领域的经验判断力以及处理文化差异的能力，也将成为学生重点发展的方向。只有具备这些能力，才能成长为兼具专业深度、技术宽度和人文温度的未来建设者。不管技术如何革新，大学在“能力培养、价值塑造”方面都将发挥重要作用。
与此同时，DeepSeek大模型等生成式AI进入科学研究领域，将加速科研进程，特别是在加速跨学科复杂协同研究方面发挥重要作用。以油气领域为例，油气勘探开发、储运管网、炼制化工等复杂场景涉及大工程、海量数据、多个环节协同与学科交叉，AI可帮助研究者快速理解非本专业领域的知识和技术工具，促进学科交叉创新。
记者：AI可以提高学生学习效率，这是否会影响教师和学生独立思考能力？
张来斌：大数据时代，基于“算法偏见”的推荐系统，产生了“信息茧房”“信念放大”现象。AI从海量数据中学习，这些数据往往加入了筛选者的偏见，且缺乏感官感知基础。AI生成的“解决方案”尽管具有很高的预测准确性，但与人类通过直接观测和反复验证的解决方案有着本质不同。所以，在应用AI时应对其保持警惕性，拥有判断力。在AI时代，高校应基于人机协同机制，让学生学会批判性使用AI，培养学生纠偏能力，保持对知识传播和知识生产客观性的忠诚，并努力把AI变成学术道德和学术规范的监督者而非破坏者。
记者：目前，高校学生利用AI工具辅助论文写作是较普遍的现象，如何让AI帮忙而非“添乱”？
张来斌：在实践中，AI的“副作用”已显露。一个重要表现是其对研究内容和结论的可信性造成影响。AI生成内容能保持与其训练数据的一致，但不一定能保持与真实世界的一致。这意味着，AI生成的内容和结论可能包含大量无用或无效的信息。有研究显示，垃圾论文已大量出现。
另一重要影响体现在业界对论文成果的学术评价方面。传统上，学术论文是作者学术水平和学术贡献的体现。但用AI生成的内容和结论，为防止学术不端带来了新挑战。AI的广泛应用可能会让师生缺失“掌握知识”或者“完成工作”的核心能力。因此，亟须思考如何重构考试考核机制。
不过，AI的“利”与“弊”取决于人类如何对其进行设计、部署、使用和监管。防止AI之弊需要从技术、伦理、教育、制度等多方着手，为AI开发与应用构建良好生态。
在技术层面要注重设置隐私保护、偏见检测修正等环节，必要时联合哲学、法学、社会学等学科，尽可能在训练大模型阶段即规避技术的社会风险。将AI伦理教育纳入相关专业必修课，培养AI开发者的伦理意识，引导未来从业者关注隐私保护、算法偏见、社会影响等因素。同时，高校要不断完善制度，加强学术诚信教育，防止AI造成的学术不端。
坚持将人才培养质量作为办学生命线
记者：AI时代，高等教育应该坚守什么，改变什么？
张来斌：AI时代，大学的价值何在，又将以怎样的方式存在？这是全社会，特别是高等教育工作者十分关注的问题。这个问题涉及两个方面，一是大学的初心及价值如何体现或保持；二是当DeepSeek等大模型深度融入大学教育时，其隐含的算法偏见可能以隐蔽的方式系统性扭曲教育公平、知识传播与知识生产，这时大学该有怎样的改变？
不管时代如何变迁，高等教育在国家建设中基础性、先导性、全局性的定位不会变，为党育人、为国育才的根本目标不会变，教育立德树人的根本任务也不会变。因此，高校把人才培养质量作为办学生命线这一点也不会变。高质量的人才培养要以促进人的全面发展为目标，使之不仅掌握知识、具备正确的价值观，而且能根据自身特点自由发展。
行业特色型高校在人才培养方面还应特别注重提升工程教育质量，坚持面向工程实际，加强实践教学、训练。只有深入一线，才能避免传统教学模式“学用分离”的弊端，真正提高学生用理论解决实际问题的能力。
记者：AI正在重构高等教育的底层逻辑和运行模式，如何答好教育数字化这道必答题？
张来斌：回答好教育数字化这道必答题，要从八个方面做足准备。
一要注重教学范式重构，将其从知识传递转变为个人能力培养和价值塑造；二要关注科研创新突破，重塑知识生产流程；三要推动高校治理体系升级，优化从经验决策到大数据引导的资源动态配置；四要促进生态体系重构，提供产教融合的数字共同体和终身学习服务；五要夯实数字基座，推动新型基础设施迭代升级；六要促进教师角色转变，从知识传授者转变为学习引导者；七要重构教育教学考核评估标准，注重考查批判性思维和实践创新等AI难以替代的能力；八要将数据科学、大工程观、AI伦理等作为教育的底层逻辑和基础课程。
不管AI如何发展，对于教育工作者而言，我们要培养AI的驾驭者而非被替代者。
网友评论
