半岛彩票在东财基金量化投资部的吴逸的主持下，复旦大学泛海国际金融学院数字金融研究中心主任王家华、武汉大学经济与管理学院金融系主任李斌、华中科技大学经济学院金融系副主任魏杰、华南理工大学经济与金融学院副院长徐枫、西南财经大学金融学院金融科技系教授李志勇就“
吴逸：大家好！刚才我们上次论坛讨论到AI时代下业内的发展非常快，更重要的是高校在人才培养方面如何来顺应时代的快速迭代，在这轮讨论当中尽可能把更多的时间交给资深教授，让我们能够听到他们的真知灼见。首先进入到第一轮讨论当中，我们想请各位教授为我们讲解在现在的的背景下，高校如何培养复合型人才，首先请王家华教授。
王家华：感谢各位领导，感谢主持人。现在复合型人才的培养，我们高校从教学最前沿的阵地，我们培养人才的路径要瞄准国家的方向，国家的战略，以及社会的需求，以及企业对于人才的需求。我发表几点自己的看法。
第一，产教融合。我觉得产教融合可以带来很多微妙的东西，跟企业多合作，跟合作多沟通，企业需要什么样的人才我们培养什么人才。其实产教融合有很多非常好的案例，当年的哥伦比亚大学合作有了我们的计算机专业，麻省理工跟贝尔实验室合作之后诞生所有高等院校工科类有的专业叫通信专业，所以产学融合是非常重要的。
第二，跨学科融合。跨学科融合非常重要，我们复旦大学建立了2+X的体系，这个“2”是通识教育+专业，“X”是若干学科。其实我当年去英国牛津的时候感觉特别好，在吃饭的时候他们把各个学科人结合在一起相互交流探讨。
第三，多元化。在的背景下，我们觉得要能够解析每一个学生的特点和需求，因人施教，因材施教。
第四，要有国际化的视野。我们要不断针对国内企业需求，要瞄准国际的战略和从国家战略出发，国际化的视野。
复旦大学也是秉承着教学理念跟很多头部企业有多方面的交流，跟世界500强企业建立了很多的合作，习对复旦要求是建造一流顶尖大学，但是复旦也是对于习对我们的要求，利用智能计算大平台对人才的培养，培养一批高质量复合型的人才，回报祖国对我们的期望。我的观点就到这里，谢谢。
吴逸：谢谢王教授，王教授跟我们分享了通过跨学科融合的方式更好地培养顺应业内趋势的学生，并且我们需要多元化和国际化的视野。接下来想听听武汉大学李斌教授来给我们分享一下您的观点。
李斌：非常高兴参加此次活动。从高校培养人才的角度出发，我一直觉得如何培养新时代的金融人才，这当中很重要的一点是需要在中间加入科技的元素或者加入学科交叉的元素，当然不仅仅是科技，因为实际上在很多时候，法学和金融有很大交叉的状况。今天的主题是金融科技，我围绕着这个来讲一讲。
首先，我觉得从很重要的一点是现有的金融人才在高校培养的体系里面或者人才培养的知识体系里面，这个中间是缺少很大一部分科技的要素，以武汉大学金融学和金融工程的培养为例，金融学更多注重传统宏观金融和国际金融等内容，但是事实上包括金融工程后来加入很多数学方面衍生品定价的内容。到了现代金融科技时代又加入很多计算机的课程，所以既有金融的课程又有科技的课程，科技包括数学和计算机的课程。
一般来说，如果想要做金融科技的专业或者做金融科技的实验班都会这样来做，但是我提到一点很关键的是，不管是金融还是科技实际上本身而言是非常大的领域或者大的学科，计算机学科是比较大的学科，金融也是非常大的学科，这个中间在有限的时间之内如何让学生把金融和科技能够很好的融合起来，所有高校有一定的限制，不可能无限制的学所有的课，所以这种限制之下怎么把金融和科技，不仅仅把两边的知识学了，还要有融合类的课程，我们上个主题讲人工智能和投资，但是这个人工智能它在计算机的课程里面会学，投资会在金融的课程里面学，怎么把两者结合起来，这种课程在现有的人才培养体系里面着重加强，这个是非常关键的。
另外，我把它称之为交叉课程，怎么把金融和科技联合起来很重要，而且在现有的体系里面非常缺。另外一类是叫实践类课程，高校以理论教学为主，我们不可能完全偏向纯粹的应用，但是这个时候我们要适当引入业界的内容过来，所以我们学校在过去几年和上海交易所包括其他公司一起合作开设三门实践类的课程，我们一般在第三学期，暑假6月份到7月份，大概有一个月密集的邀请业界的专家过来给学生授课，通过这种方式的话，我们把业界在关心什么，业界在用什么，把他们纳入到学生的培养当中去，我觉得这个是比较关键的一步。
当然，我刚才在前面讲了高校的学分是有限的，在有限的学分里面怎么把两个专业的课程给加进来，而且同样这两个专业的课程怎么融合起来，再加上实践类的课程，学生的时间也是有限的，实际上给我们提出了很大的难题，在有限的学分之内怎么把金融科技的专业培养体系塞进去是比较具有挑战性的，这是我的一点看法。
另外一点看法，在过去的教学和培养当中，因为我们也开了金融科技实验班，我们科技的课程是由计算机学授课的。我觉得大家在心态上可能要树立的一点是，金融是个大学科，科技也是大学科，这个中间没有说哪个学科更优或者哪个学科不行，有的时候我们得在心态上树立这个观念之后才有可能促进学科的发展，比如说我遇到学计算机的会觉得金融这个东西太简单了或者说它很容易就掌握了，这种心态实际上很难做好，我一直跟学生说的从问题的视角出发，投资这个事情我量化可以做，我不用量化也可以做，如果说单纯从计算机的角度只能做量化，这个可能就会有所偏颇，不管从哪方面做学科交叉我们以问题为主，投资这个为主可以纳入所有的内容，只要有助于投资的事情，我们就可以把它纳入到学生的培养当中来，这是我觉得可能从问题导向会更加有助于未来金融人才的培养，这是我给大家分享的几点体会。
吴逸：谢谢李斌教授。李斌教授讲得非常细致也非常好，他告诉我们在新的时代金融人才的培养需要注重科技的元素，并且要做好融合课堂和实践课程，并且从问题导向的角度去处理好交叉学科当中可能会出现的一些问题。接下来我们请华中科技大学魏杰教授为我们讲一讲。
魏杰：非常感谢主持人，也非常感谢会议主办方给我这次机会让我谈一谈人才培养方面的一些心得体会。这个话题我还是比较有感触的，因为我是跟本科生、研究生的教学工作做相关的具体事情。谈到人工智能时代下人才培养的具体方案和做法，我想谈两点体会。
第一点体会，像刚才王教授和李教授都说到了，如何去培养像今天会议的主旨提供非常好的方案叫做产学研用深度结合，这个让我想到其实作为高校的一名老师，我们身上的责任是非常重大的，为什么这么说呢？至少从我的经验来说，我去问我们学院学生你为什么要去学经济，为什么学金融，80%的学生会告诉我说他们其实高考报这个专业并不是因为他们了解什么是金融，而是因为他们的父母告诉他们说学金融也许以后会让你找到一份好的工作或者现在学计算机这么火并不是因为他们真的爱计算机，并不是因为他们真的觉得学计算机有兴趣，而是因为从他们的师兄师姐或者从过来人的角度告诉他们说学计算机将来会给你报酬很不错的工作。这说明什么呢？说明我们作为高校老师需要从产学研用的角度反思我们教学的方式和教学的内容，把金融科技的内容放入到教学方案中，而不是说像以前去讲的比较陈旧老套的内容，所以这个对我们老师来说是提出了更多的要求，这说明我们自己要先做到产学研用，然后再教会学生，因为学生对我们老师其实是比较崇拜的，而且有时候是盲目崇拜，这是第一点我想分享的内容。
第二点体会，其实产学研用要做到结合其实是比较有条件也是很有意义的一件事情，其实它并不是说我们只要把它结合起来就是很好的结果，我们之前做过很多的尝试，比如说我们曾经说互联网金融，那无非是在课程体系中加入一些互联网的内容，再加上金融的内容那就是互联网金融，但其实大家发现不是这样的，因为现在很多的专业改革设置就会走入这样的误区，人工智能或者金融科技那就是把我们的专业方案中放了金融内容再放入互联网，再放入人工智能的内容，放入在一起就是人工智能或者金融智能的专业，其实并不是这样的。因为想要做到有机深度结合，我们其实是要在应用中体现出它的价值，所以我想这个对我们的高校，对我们每个老师提出的要求是必须要在课程或者专业的，或者是技能培养非常强调应用，我自己给自己提出要求或者方向，不管教学生什么一定要让他们从代码的实现和从最后算法当中才能体现出对这门课或者这个方案所学所用中。
吴逸：谢谢魏杰老师，魏杰老师从他自己培养学生的贴身体验跟我们分享如何做好产学研用的结合教育。接下来邀请华南理工大学的徐枫老师为我们讲一下。
徐枫：尊敬的各位老师，非常高兴参加这个会议，尤其听到很多业界人士对于在人工智能背景下对整个教育行业的发展，因为我在华南理工大学经济金融学院分管本科教学的，其实我们对于金融学的本科教育有很深的体会，因为我们知道今年就业非常困难，所以学校要求学院每个领导要做走访，我们走访银行、证券、基金公司，大家反映是现代社会金融机构需要的人才其实已经不再是单纯的金融学或财经类的人才，他们特别需要复合背景的人才，在人工智能的发展的情况下，单纯的金融或者财经的人金融机构是不欢迎的，所以也很难找到他们认为很高大上的工作，所以我们的本科教育其实需要有个转变。
对于我们学校来讲，我们华南理工大学是特别鼓励本科生做双学位的教育，比如说我们自己学院的学生如果树立背景强的人鼓励辅修金融和计算机的学位，对于文科比较好的可以辅修金融加法学的，明年打算开金融加法学双学位专业，我们未来可能不再开单纯的金融学的专业，我们对学生推出的专业就是复合型的专业让大家来选择。
第二，我们学校一直的传统，我们特别鼓励企业进入学校的课堂，像我们学院的于教授引进的广发证券和上海证券交易所引进的资本市场和发展前沿课程，还有于老师亲自主讲的金融衍生品，这个是和广发期货一起合办的课程，于老师在前面讲金融衍生品的基础理论，后面50%的课程是请业界衍生品的各种投资专家和老总来讲授课程。所以这个课程的实用性非常强，也有很多同学毕业以后真的做量化投资和衍生品，这是我们在课程方面做的一些工作。
此外，因为我们是处在大湾区经济非常活跃，所以我们很多企业，比如说在2018年的时候汇丰集团下的科技子公司，汇丰科技中国专门给我们签约办里汇丰金融科技精英班，这个课程班的体系是联合课程作为金融科技的改革试点，全校选拔30名的理工科的学生进入这个班学习，这个班的课程主要是计算机编程的课程，金融工程的基础课程以及金融科技的校企的合作课程。这个班的实践证明，学生出来以后特别受市场欢迎，其实不存在就业的问题，还在学生没有毕业的时候其实我们的学生早就被预订走了，所以我觉得这是非常好的探索，企业和学校怎么样来联合的培养学生，这样的学生因为是有企业课程教学以及在企业半年的实践，他们对于工作的能力来讲其实是我们和普通学生没有办法比拟的，这是我们非常有益的经验。
今年我们和工商银行在办智能制造广州公行英才班，提出一些建议，他发现我们学生智能制造知识是缺乏的，我们有些课程缺乏商法、公司法、经济法等课程，他们提出来跟我们一起改进课程的设置，培养出来的课程希望是能够懂智能制造，能够为科创金融服务的人才，这说明我们企业对于人才培养的促进作用。我们今天论坛是由，东方基金主办的，其实我觉得可以和高校探讨合作办专业的课程，促进人工智能在金融领域的发展。
吴逸：谢谢徐枫教授。华南理工大学如何从企业需求的角度去用校企联合培养的方式培养复合型的人才。最后请来自西南财经大学的李志勇教授为我们讲一下。
李志勇：感谢主办方的邀请。我非常荣幸代表西南财经大学金融学院就金融科技人才培养的经验做个分享，实际上我参与到学院的学科建设也有比较长的历史了，在2016年我负责信用管理专业的建设，当时因为我和业界走得比较近。
所以我知道行业需要什么样的人才，所以早在16年、17年把经济学习这类数据挖掘的课程融入到人才培养方案里面，开设专业的选修课，到了2018年我们学院是率先成立了金融与人工智能的实验班，这个班开设得比较早，2019年我们是正式成立了金融科技专业面向社会招生，这个在全国来讲是第二批，第一批应该是像央财在18年成立金融科技的专业。到2020年，我们把它又进一步的深化和电子科技大学开创了创新性的联合学士学位项目，实际上就是西财的主力学科加上电子科技大学成立联合学士学位，每个学校开设一个班招30个人，这个班从一开始就成为了两个学校的王牌，高考的招生分数是最高的，它的优势在于既可以把金融的专业课学了又可以把计算机的专业课学了，这30个人是全部保研，我们承诺学生全部保研，高考的分数直接到学校最高分，而且还允许学生在大二、大三的时候到对方学校去上一年的课，两边的老师，两边教学的资源，两边的同学校友资源极大的丰富和拓展，最后学位证有两个章在上面，是首创跨校联合本科学位。
到2022年的时候我们把金融科技的专业延伸到硕士研究生和博士研究生，所以现在其实我们金融科技专业是本硕博贯通的，全部都是和电子科大一块合办，他们的师资加上我们的师资共同培养复合型的人才。其实去年我们学校进行了学科的优化调整，成立了金融工程与金融科技系，这两个确实是今天谈到很多的量化、科技，以及AI的加持，在这个系里面都得到了充分的体现。但是在两个月前，我们把金融科技系又单列出来，下设两个专业，一个是我负责的信用管理专业，另外是金融科技专业，这两个专业按照最新的软科的排名都是全国第二的，所以排名还是比较高，这充分显示出我们社会对人才的需求，以及西南财大在金融科技人才培养上持续不断的建设取得的成果。
其实今年学校发布了两大战略平台，其中有个叫做财经科技创新，财经科技创新不仅是金融+科技，还包括工商+科技，会计+科技，所有财经类的学科都要用科技赋能，都要让学生从一开始要有科技思维，量化思维，一起来发展。我们也成立了交叉科学的研究院，这是校级的平台。所以西南财经大学把财经+科技或者新文科新工科人才培养放在战略的高度来抓工作，这是西南财大非常重视，可以看得出来我们很早布局，同时在这些方面持续建设，在新时代又把它提升到新的高度，我觉得确实反映了社会的需求，对人才的需求，我们把它融入了人才培养当中。谢谢！
吴逸：刚才李教授给我们分享西南大学把科技融入到课程里面去，并且使用跨校的优势进行学生培养。第二轮讨论我想结合各位老师的背景作针对性地提问。首先请复旦大学的王家华教授，我们看到您跟踪数字化产业升级的问题已经很长时间了，我想请您给大家分享一下AI大模型的到来会产生哪些影响？AI如何去赋能复合型人才的培养？
王家华：谢谢主持人。前面论坛分享大家都知道AI现在对人类的重要性，AI出现以来，从ChatGPT宣布了半年多以来，对教育它是个非常大的冲击，也是非常彻底的冲击。我预计未来十年，它将对教育重新大洗牌。
我们国家的传统教育自唐宋元明清开始一直到今天，传统教育的本质是大家在一个考场考一张卷子慢慢筛选人才，这是应试教育。但是在AI人工智能出现之后，就把这个形式将来我想是会彻底的改变。我们莘莘学子，十年寒窗，经过十几年的学习，突然发现十几年的学习不及AI学习十分钟的能力，人类五千年以来所有创造的机器人都没有人聪明，但是AI时代一到来将翻篇了。大家知道ChatGPT超出普通人，起码能够它的能力智力在普通人之上。在美国公布的在美国的历史考试中，ChatGPT考出超过了90%的考生，在奥林匹克竞赛上它超过了99%的竞赛者，在语文考试当中近似于满分的成绩，这是值得我们思考的。
所以说在我们这个时代，在我们上学的时代，我们当时的老师培养我们在某个专业领域做到极致，但是现在社会所需要跟企业所需要的人才是复合型人才，还不是我们这个时代所需要的专业性的人才。所以很多家长希望自己的孩子通过学习改变自己的生活，改变生活状况，以后不再从事体力活动，从事脑力活动。但是大家应该都知道，未来的十年，包括律师、医生，甚至教师都将被AI取代，90%以上的脑力劳动工作者都将被AI取代，所以AI时代的到来是我们人类非常大的转折点。AI在很多专业领域已经超过了90%以上的人，如果你在这个专业里面不是前10%，你都将会被AI干掉。
在教育领域，将来AI它也会取代教师，因为课堂上老师在上面上课，下面很多学生，可能他讲了一个题目，甚至两遍三遍，有的悟性很高的同学觉得很烦讲了几遍，有的跟不上的同学两三遍还不理解，但是AI能够帮助老师充分的剖析每个人的特点，因材施教，因人施教。所以我想AI将来必定会取代教师这个职业，在人才培养当中它起到非常赋能的作用。所以我们将来培养孩子都要培养能够充分应用AI，多培养想象力的空间，有些AI无法替代的产业。
吴逸：谢谢王家华教授。王家华教授提了非常重要的观点，现在教育的时代变了，十年的学习不及AI学习十分钟，所以现在我们需要从原来培养单一的专业性人才转向培养能够应用AI的复合型人才，并且在教育的方法上做到因材施教。接下来我想请问一下徐枫教授，华南理工大学如何培养出一大批应用大数据与机器学习技术解决金融问题的人才，尤其招生培养方案和教学方法上如何实现计算机与金融的有机融合？
徐枫：其实是我前面的观点，我们的培养方案设计的时候，因为教育部有个质量标准，这个质量标准很多年已经有一些老化了，所以其实我特别强调我们在培养人才的时候是要跟企业做产教融合或者校企合作，所以在我们的金融科技包括马上做的科创金融的时候，其实我们充分听取企业的意见，企业认为对于他来讲人才的应用来讲哪些是特别重要的领域。
比如说我们跟汇丰金融科技班的时候，我们特别强调数据分析的能力。所以在我们的课程里面数据挖掘，开展数据分析，机器学习等等这些课程是最核心的课程，反而在其他学院的金融科技的课程当中，因为毕竟我们叫培养班级容量是有限的，所以经过企业来给我们指导的培养方案确实是更加科学的。还有一点是我们特别强调在目前的培养方案里面对于学生的实习是考虑不够的，但是在和汇丰的合作里面我们要求他们至少半年的实习，完整做完金融科技的项目，学生出来已经具备非常成熟以及非常全面的能力，所以他们就业的时候表现出来的素质非常受到业界的欢迎。
简单总结，我们需要企业参与整个招生包括培养，包括实习的设计等等，我们需要非常深入的产教融合，校企合作，这是我的观点，谢谢主持人。
吴逸：谢谢徐枫教授，再次跟我们讲了在课程设置上面，在人才的培养上面我们需要更多听取企业的意见，来设置核心课程，并且来注重学生的实践。接下来我想请问李志勇教授。因为我看您的背景的时候，发现您原来在北航学习飞行器设计的，相信您对很多的科技领域都比较熟悉，请您为我们谈一谈在现阶段财经院校的学校离AI多远呢？
李志勇：感谢主持人。我的本科是学工科的，学飞行器设计的，如果干老本行的话参与大国重器当中，但是后面转行了。其实我现在的工作内容实话讲得益于本科工科的训练，现在刚好是金融+AI也好，金融+科技也好。我个人觉得工程的思维和金融的思维它天然是有一点矛盾冲突的，但是我缺的就是传统的经济学和金融学的思维，因为我不是科班出身的，在金融经济学这边很强调的是要论证机制，去寻找因果关系，但是在工程学这边简单直接的是要解决问题，需要的是系统化的思维和结构化的思维，这两者就有点矛盾，我们在机器学习也好，人工智能也好，这个目标函数我取得最优就要达到最优，至于最后的机制是什么，到底变量显不显著，其实是不那么去关心的，这两者一个是实用主义的观点，另外想要探寻现象背后的原因。所以这个事情在人才培养上也会出现类似的矛盾，我在我的教学当中发现学生解决问题的能力不足，我经常上个实验课让学生用表格写个函数都不知道怎么写，其实我并不是说他这方面的能力不足，是他一直在这个环境下没有锻炼的机会。
所以我就做了两件事情，第一个是在教学的过程当中广泛的去融入实验教学，在我开课里面曾经有1/3的学时在机房学习，从去年开始把课堂搬到实验室里面，用实验室的环境，包括的环境，我们让学生操作处理真正的，解决行业当中真真切切存在的问题，在实战的过程中锻炼和理解行业当中需要的业务背景基本监管的规则，一些业务逻辑来解决智能风控类似的问题，我觉得这是对学生经过挑战过后自己成长还蛮快的。
第二个是通过实践来提高学生们各方面的能力，我是创立了金融科技的建模大赛，把比赛的成绩作为期末考核，期末考核不是传统的闭卷考试，就是参加比赛，以比赛的排名作为期末成绩，那这个比赛很残酷，被很多学生评论是内卷的比赛，因为我是根据比赛成绩的排名给大家分数，不是你说得有多少，而是你做得比别人好多少。但是这个比赛是和行业里面四川本地的一家互联网叫做四川银行联合合办的，一共办了三届，今年举办第四届，借此机会给各位老师做个介绍，今年准备和东方财富一块来做进一步的推广，原本是个省级的正式学科竞赛，今年我们想把它进一步的推广到全国，增加各个高校参赛选手的参与度。我相信依靠东方财富在整个学界和业界的影响力会取得比较好的结果，我们把它变成全国性的比赛，它更偏向于数据分析，大数据风控这一类的科学决策的比赛要求，相对而言有一定的门槛需要学生会写代码，但是我个人觉得它的自学打通所花的时间不会太多，一般网上公开的教学资源都有很多，学一周左右自己多半就会了，希望各位老师学生带着优秀的团队能够参与到10月份举办的金融科技的建模大赛当中。谢谢。
吴逸：谢谢李教授，您的案例让我印象非常深刻，把课程搬进实验室里面，另外用大赛的方法给学生评分，您这个方法跟基金经理的方法是完全贴合的，以培养基金经理的角度培养学生。接下来想问一下现在生根计量经济学领域的魏杰教授，金融大数据人才培养您觉得面临哪些挑战和问题呢？还有哪些模式可以借鉴？
魏杰：非常感谢主持人的问题。我谈一下我对这个问题自己粗浅看法，关于人才培养方面存在的问题，我想既然是人才培养，高校和老师发挥了责无旁贷的作用和意义，我想我是在座嘉宾中资历最年轻的一位，在座很多都是教授，我是刚刚从讲师升为副教授，我为什么说这一点呢？是因为我觉得高校老师真的很累，当然这个责任肯定是要担当的，但是与此同时可能这个事情并不是高校或者老师一人或者一家的事情，可能需要全社会形成的共识，如何从考核或者价值引领的角度转变思维，让老师和学生在更加轻松高效愉快的环境中去学，这是全社会应该有的共识，否则如果只是一厢情愿做这件事情可能自己也会很累，而且效果不会很高，因为作为老师既要做科研也要做教学，现在还是要引领人工智能和金融的结合，但是好在国家开始打破传统的评价考核体系，开始用多元化的角度评价老师或者学校排名，我觉得这是一件非常好的事情。
第二，包括今天在座和前面很多嘉宾都分享一个观点，我们的产业和我们的教学要做有机结合，我们的学校要为产业服务，但是我想这件事情可能有它的双面性，除了老师和学校要转变观念要服务产业之外，也许这件事情对学校，对老师如果做得好的话也是双赢的局面，因为就拿我们自己的研究来说，也许我们在那里写论文只是做一些很枯燥的事情，但是如果有这些企业的需求进来或者是企业的现实数据和我们的课题做个有机结合，我想可能会有更多的想法服务研究，去服务我们的高校，所以这可能是一件相辅相成的事情，所以在这个方面我们可能要有意进行加强。拿我自己做的案例来说，我会请毕业的学生，我会每年邀请他们回到里面，给学生做个分享，当他们迈出象牙塔走到企业中去，他们做什么事情，他们做的行业报告，我们学生听起来觉得非常亲切，因为他们做的事情其实是我们研究的延伸，这个时候那些学生不会觉得特别枯燥，特别没有意义，因为他们觉得我自己做的事情在后面其实还会有更多的用处，所以我觉得这个结合可以从多个方面多个角度去做有益的探讨，当然我做的只是很小的方面。
最后回应主持人模式的问题，在这里可能模式这个字眼比较大，我说个很小但是很有意思的例子，这个例子可能听起来跟今天的主题没有太大的关系，因为今天的主题是人工智能和金融的结合，我说的这个例子，我是华中科技大学经济学院的，我要说的例子是华中科技大学新闻学院的例子，新闻专业在很多高校都有开设，华中科技大学新闻学院在全国高校排名多少知道吗？它的新闻专业在全国排前五名，而且十年前就是前五名，现在一直稳定前五名，有时候到前三名。大家感到奇怪为什么理工科的学校新闻学专业排名这么前呢？我自己也很困惑。当我们了解他们新闻专业的开设跟全国其他高校新闻专业培养模式有很特殊很有意思的一点是我们都讲机器学习，他们是学习机器，因为他们的学生本科生学新闻的时候不单单学的是新闻专业，他们还要学的是软件和硬件，比如摄像机和设备，包括今天的灯光设备发生问题的时候他们会去解决，所以他们是全面复合型真正多方面的人才，不单会知识还会机器，对金融人才的培养起到一定启示，其实我们要在实践中产学研用的深度结合中学习，而不是先教会学生知识再让他们去应用，可能这个是我的一点点小小的启发。
吴逸：谢谢魏杰教授用非常生动的例子讲解华科大新闻学复合型人才的培养的方式。最后想请武汉大学的李斌教授，李斌教授同样也是有很深厚的经济学和计算机学复合北京，武汉大学有什么专业特色，培养出适应当下就业的金融科技人才呢？
李斌：我们在过去的几年也做了一些尝试，我们在18年的时候成立了金融科技研究中心，这是我牵头的，我们后来成立了实验室，因为实验室的建设，我们现在有个量化投资实验室，有金融科技实验室，还有计量经济学和数据科学的实验室，这几个实验室都属于金融科技配套培养的方式。到19年的时候我们进行了拓展，在综合性高校开新专业是非常难的事情。
所以我们想开金融科技专业学校是不让开，我们后来退而求其次在金融工程开的金融科技实验班，因为我的初衷是我们金融学有整个金融的培养体系，这是非常成熟的。金融工程我们是全国第一批金融工程的专业，它也有非常成熟的金融+数学的方案。但是在过去很多年的时候金融工程学生所提出的最大的问题是为什么计算机的课程不多或者不够，这个时候的话我们通过实验班的方式把计算机的课程加了六七门的课程加入选修课当中，这个是我们金融科技实验班的。当然加入培养方案之后，就像我开始说的，学生总的学分数修到150分的学分就不用修了，增加选修课之后可以不选，这是我们武大选课比较自由，他可以不选数学课也可以不选计算机，这时候怎么让他们能够对这个东西产生兴趣或者有机的计算机数学有机结合起来，这是我最开始说的产生课程。
我自己开一门金融科技，我所授课的模式不是以书本为主，我大概花16个课时的时间，我们专心的做一件事情，我们做量化投资，学生从数据到后面的测试，到后面产生投资信号，投资信号的生成，中间的绩效评估，产生交易信号，评估之后怎么做分析，一整套流程给花16个课时或者五个星期的时间从到尾拉一遍。这种方式下，回到我对于金融科技人才培养的认识，我认为它要以问题为主，投资是个很大的事情，我可以利用编程，数据分析，也可以利用机器学习，也可以利用数据库的，因为涉及测试系统必须有数据库的部分。在这种方式之下，我个人为学生在上完这门课之后，至少有个很稳定的概念，怎么把所学到的数据分析和计算机的课程用到建模当中去，这可能是比较重要的。
当然我主要是以投资为例，比如说信用管理，信用管理做一整套系统化的工作，纳入到课程培养当中去，我觉得这样会比较扎实，我们在过去几年，培养金融科技人才培养方面做了一些尝试。我们到现在大概培养了四届学生，我觉得培养的效果都还挺好，我觉得很重要的一点是真正的尝试把它给融合起来，因为很简单的我们没有办法把所有的学生派到企业当中去，我们可以通过项目的方式，让所有的学生至少有这种尝试，怎么结合金融和科技，这是我们过去所做的工作。
吴逸：刚才李斌教授为我们非常详细讲解武汉大学金融科技专业发展的历程。各位嘉宾都给我们提供了很多高校该如何在人工智能高速发展的时代如何培养学生的案例和范例，当然发展的过程会遇到很多问题和挑战，也需要企业协助和高校一起合作做好人才的培养工作，
