面对人工智能热潮，高校纷纷设立AI学院，但学科边界模糊。厘清AI与计算机科学的关系，明确各自定位，对于培养人才和解决’卡脖子’技术难题至关重要。
智能速览
AI研究存在符号主义与连接主义两种范式
大语言模型推动计算从确定性向概率性转变
AI是交叉学科，包含理论、关键技术和应用三个层面
计算机学科是AI的基座，但不能简单等同于AI
AI学院应聚焦模型算法，计算机学院应聚焦算力系统
精华内容
明确学科边界是高校人工智能与计算机学科健康发展的前提，两者既需区分又需协同。
两种研究范式
人工智能研究主要分为受逻辑学与心理学启发的符号主义，以及受生物学与神经机制启发的连接主义。前者认为智能本质是推理，奠基人是西蒙和麦卡锡；后者强调通过统计推理进行学习，代表人物是辛顿。随着机器学习大模型的突破，计算技术正经历从确定性到概率性的范式转换，大语言模型展现出强大的泛化能力。
多维度的AI
人工智能的含义分为狭义、广义和交叉学科三个维度。狭义指模拟人类智能活动的工程科学；广义涵盖算力、算法、数据和应用四要素，其中计算机在共性技术上占优，行业应用则需结合具体领域知识；交叉学科定义则包含基础理论层、关键技术层和交叉应用层。AI并非计算机专属，而是融合了生物、数学、物理等多学科的复杂技术体系。
明确学科边界
计算机学科是人工智能的基座，主要涉及系统结构、软件理论和应用技术。虽然AI是建立在计算机基础上的重要应用方向，但两者不能划等号，AI的范畴远超计算机领域。计算机学科建设应避免“AI泛化”导致“种了别人的地，荒了自己的田”，应坚持“计算”核心，聚焦芯片、体系结构、算力网络等“卡脖子”问题，发挥主导地位。
差异化发展路径
人工智能学院应聚焦AI模型、算法及“AI+”交叉应用，整合“文理工医”资源，解决AI领域的“卡脖子”问题并培养复合型人才。计算机学院则需专注算力、数据和系统要素，发展先进计算理论、系统软件及工业软件，夯实技术底座。两者应合理分工，计算机学院负责“造工具”，人工智能学院负责“用工具赋能万物”。
人工智能与计算机学科既有紧密联系又有明显区别。高校在建设中应准确定位，计算机学科夯实算力根基，人工智能学科拓展应用边界，通过差异化与协同发展，共同支撑国家战略需求。
