摘 要：在傳統(tǒng)機械專業(yè)中增開人工智能類課程，培養(yǎng)復(fù)合型人才對于社會經(jīng)濟的發(fā)展具有重要意義。文章深入分析傳統(tǒng)機械專業(yè)開設(shè)人工智能課程的重要性及存在的問題，并結(jié)合實踐教學(xué)的經(jīng)歷，提出了一種通過科研促進傳統(tǒng)機械專業(yè)新增人工智能課程教學(xué)活動的策略。

關(guān)鍵詞：機械專業(yè);人工智能;科研

中圖分類號：G434 ? ??文章編號：2095-624X（2019）17-0155-02

一、傳統(tǒng)機械專業(yè)開設(shè)人工智能課程的重要性及問題

傳統(tǒng)機械專業(yè)包括機械設(shè)計制造及其自動化、材料成型及控制工程、機械電子工程等專業(yè)。目前絕大多數(shù)的國內(nèi)院校相關(guān)專業(yè)在課程體系設(shè)計以及專業(yè)培養(yǎng)方案方面仍舊以傳統(tǒng)機械制造與自動化控制方面的課程為主，輔以少量電子信息類課程?，F(xiàn)有課程體系培養(yǎng)出來的學(xué)生雖然可以滿足目前工業(yè)界大多數(shù)生產(chǎn)線的實際需求，但是我們必須注意到機械領(lǐng)域已經(jīng)出現(xiàn)了新的巨大變化。

近年來，以深度學(xué)習(xí)為代表的人工智能技術(shù)飛速發(fā)展，取得了令人矚目的成果，如人臉識別、輔助駕駛、智能推薦、移動支付等技術(shù)已從實驗室全面走向日常生活應(yīng)用，2019年的圖靈獎也授予深度學(xué)習(xí)領(lǐng)域的三大巨頭，標志著人工智能技術(shù)正在并將持續(xù)得到社會各界的廣泛關(guān)注。得益于人工智能技術(shù)的飛速發(fā)展，傳統(tǒng)機械領(lǐng)域受到巨大沖擊，以波士頓動力公司為代表的高新企業(yè)賦予機械以智能，讓機器人從科幻電影逐步走向現(xiàn)實生活。同時，3D打印等技術(shù)也展現(xiàn)出巨大的應(yīng)用潛力。這些現(xiàn)象標志著目前機械領(lǐng)域的未來發(fā)展方向已從現(xiàn)有的信息化轉(zhuǎn)向了智能化，即智能機械。為了把握這一歷史機遇，實現(xiàn)彎道超越，我國政府已經(jīng)明確“中國制造2025”的主攻方向就是智能制造。而實現(xiàn)這一宏偉目標的最重要基礎(chǔ)之一就是我們必須有足夠數(shù)量的懂得智能制造的人才，因此在傳統(tǒng)機械專業(yè)中加開人工智能課程是極為重要的。此外，由于傳統(tǒng)機械行業(yè)多年來未有明顯進步，在互聯(lián)網(wǎng)上被部分人稱之為“夕陽專業(yè)”，已經(jīng)影響到了相關(guān)專業(yè)的本科招生，因此增加開設(shè)人工智能課程將使得傳統(tǒng)機械專業(yè)再一次煥發(fā)生命力。

筆者所在的合肥學(xué)院（以下簡稱我院）具有雙元制（世界500強制造企業(yè)與學(xué)校共同培養(yǎng)機械類專業(yè)本科學(xué)生）培養(yǎng)的巨大優(yōu)勢。得益于此，我院準確把握企業(yè)脈搏，勇于開拓創(chuàng)新，在機械設(shè)計制造及其自動化以及材料成型及控制工程兩個傳統(tǒng)機械專業(yè)開設(shè)了《機器視覺》以及《人工智能》兩門人工智能類課程，在國內(nèi)同類院校中處于第一梯隊。

《機器視覺》課程主要講授圖像處理基本知識、圖像分類、目標識別、物體分割等內(nèi)容;《人工智能》課程主要講授機器學(xué)習(xí)基本知識、常用的分類算法與聚類算法等內(nèi)容。筆者在實際教學(xué)中發(fā)現(xiàn)直接按傳統(tǒng)方式講授這兩門課程并不適合機械類專業(yè)的本科生，主要存在兩大問題。①這兩門課程一般是計算機或相關(guān)信息類專業(yè)的課程，相對于信息類專業(yè)來說，機械類專業(yè)的學(xué)生在初始階段會覺得這兩門課程與機械的關(guān)聯(lián)性不大，從而喪失學(xué)習(xí)興趣與動力。②國內(nèi)高等院校目前普遍采用的機器視覺教材為阮秋琦等人翻譯的《數(shù)字圖像處理（第三版）》，人工智能教材為南京大學(xué)周志華教授的著作《機器學(xué)習(xí)》。但人工智能仍處于蓬勃發(fā)展階段，在每年的相關(guān)頂級會議上仍有數(shù)千種新算法被提出，如何讓學(xué)生了解并掌握領(lǐng)域內(nèi)新的進展也是亟待解決的問題。

下面介紹一種筆者為解決上述問題而采用的科研促進教學(xué)方法，并結(jié)合實際教學(xué)案例說明如何通過科研工作促進傳統(tǒng)機械專業(yè)新增人工智能課程的教學(xué)活動的展開。

二、科研促進教學(xué)方法介紹

隨著我國高等教育的內(nèi)涵不斷提升以及我國博士教育的蓬勃發(fā)展，目前高等院校在招聘專職教師時一般都要求博士學(xué)歷。此外，根據(jù)我國工科博士的培養(yǎng)要求，所有博士在畢業(yè)時都要滿足一定的科研工作量。具體到機械類專業(yè)從事人工智能相關(guān)課程教學(xué)的教師而言，絕大多數(shù)教師都承擔(dān)一定數(shù)量的相關(guān)的橫向與縱向科研項目。科研與教學(xué)并非兩個完全隔離或者沖突的領(lǐng)域，相反其是相輔相成的。

從教學(xué)對于科研的促進角度來看，為便于學(xué)生理解并掌握知識，面向本科生的教學(xué)活動非常注重知識的連貫性與知識脈絡(luò)的清晰性，而教師的科研工作一般只專注于某一個方向。長時間下去，可能忽略了對相應(yīng)領(lǐng)域知識的系統(tǒng)學(xué)習(xí)。進而有可能出現(xiàn)“一葉障目”的現(xiàn)象，導(dǎo)致自身的研究進入瓶頸。因此，教學(xué)活動有助于科研工作者梳理相關(guān)知識，進一步夯實自己的理論基礎(chǔ)，拓寬理論視野，從而促進科研工作的突破。

從科研工作促進教學(xué)活動的角度來看，人工智能作為一個實用性極強的方向，相比于其他領(lǐng)域的科研工作，在機械專業(yè)從事人工智能方向的教師的科研項目大都兼顧理論與實踐，如機械產(chǎn)品缺陷檢測、機械故障信號診斷與自動識別、機械產(chǎn)品自動分類等研究課題，既有機械背景又緊密結(jié)合人工智能算法。因此，①在教學(xué)活動中有選擇性地講述自己的研究工作，讓學(xué)生明白正在學(xué)習(xí)的人工智能課程的哪些知識點可以用在機械方面解決傳統(tǒng)機械類課程無法解決的實際問題，將大大提升傳統(tǒng)機械類專業(yè)學(xué)習(xí)人工智能課程的興趣與自主性; ②將課本中的抽象原理與科研具體工作相結(jié)合，以代碼為媒介，實現(xiàn)課本中的抽象原理并作用于實際項目中觀察調(diào)試效果，可達到“一石二鳥”的目的（提高了學(xué)生的代碼水平，讓學(xué)生對抽象的人工智能算法有了形象的理解）;③教師在科研工作中會密切關(guān)注最新論文以把握最新科研進展情況，因此教師可在教學(xué)活動中選取一些較新的且典型的并與實際結(jié)合緊密的論文讓學(xué)生翻譯并作為課程設(shè)計作業(yè)，在鍛煉學(xué)生的動手能力的同時讓學(xué)生對最新科研進展情況有一定的了解;④讓部分學(xué)習(xí)興趣最濃厚、編程基礎(chǔ)較好的學(xué)生實際參與到科研課題的研究過程當(dāng)中，可大大增強學(xué)生的動手能力，無論對其日后繼續(xù)讀研深造還是直接進入公司工作都大有益處。

三、科研促進教學(xué)案例分析

1.圖像處理基本知識

在這一部分中將介紹筆者在《機器視覺》課程中的教學(xué)案例：圖像的顏色變換、邊緣檢測及聯(lián)通域分析。這一部分知識較為基礎(chǔ)，在課本上都是一些簡單的數(shù)學(xué)公式，如果只讓學(xué)生以課本上的參考圖例為學(xué)習(xí)對象，很難讓學(xué)生明白人工智能和機械的緊密聯(lián)系性。筆者在教授這門課程時正在承擔(dān)一項企業(yè)委托項目“某型建筑網(wǎng)制造過程中的缺陷自動檢測設(shè)備”，即利用機器視覺技術(shù)自動檢測生產(chǎn)的建筑網(wǎng)是否網(wǎng)孔破損、網(wǎng)孔大小不符合標準等缺陷。因此筆者在教學(xué)過程中采用以下教學(xué)步驟：首先，按照教材講述基本算法原理;其次，對科研項目進行介紹，著重講述顏色變換、邊緣檢測及聯(lián)通域分析用在項目中的哪一部分以及為什么要使用;再次，用實際項目中的數(shù)據(jù)取代課本中的例子進行教學(xué);最后，布置課后作業(yè)讓學(xué)生翻譯并實現(xiàn)經(jīng)典直線檢測算法LSD。除此之外，選拔2名水平較高且學(xué)習(xí)態(tài)度較好的學(xué)生實際參與到項目中。

2.模式分類

在這一部分中將介紹筆者在《人工智能》課程中的教學(xué)案例：邏輯回歸。邏輯回歸本身是機器學(xué)習(xí)領(lǐng)域較為基礎(chǔ)的一個概念，但其名字令學(xué)生迷惑，雖然其名字為回歸，但是其本質(zhì)是一個非線性分類模型。此外，現(xiàn)有教材在講述這一部分內(nèi)容時一般是采用房子買不買/西瓜成熟否/魚的種類識別等二分類模型進行介紹，與機械專業(yè)沒有契合點。筆者曾主持過一項縱向課題“基于多傳感器的機械故障分析”，因此，筆者在教學(xué)時，將課本中的例子直接替換為實際機械工況數(shù)據(jù)，可顯著增加傳統(tǒng)機械類學(xué)生對人工智能類課程的認同感。此外，在自主學(xué)習(xí)環(huán)節(jié)，將一批統(tǒng)一標注預(yù)處理的訓(xùn)練數(shù)據(jù)與驗證數(shù)據(jù)下發(fā)給學(xué)生，讓學(xué)生查找資料設(shè)計實現(xiàn)自己的機械故障分類模型，然后在測試集上對所有學(xué)生的模型進行統(tǒng)一測試，將最終的準確率排名作為學(xué)生的成績排名。上述方式既激發(fā)了學(xué)生的學(xué)習(xí)興趣，同時鍛煉了學(xué)生的自主學(xué)習(xí)能力，又可以解決傳統(tǒng)紙質(zhì)試卷考核方式不適應(yīng)人工智能課程的問題。

四、結(jié)語

本文通過對傳統(tǒng)機械專業(yè)開設(shè)人工智能課程的重要性及存在問題的深入分析，以《機器視覺》和《人工智能》兩門課程為例，給出了一種如何通過教師的科研工作促進傳統(tǒng)機械專業(yè)新增人工智能課程教學(xué)的方法，并結(jié)合兩個具體的教學(xué)案例對該方法進行了闡述。文中所介紹的方法與實例可以有效地擴展到其他傳統(tǒng)工科專業(yè)增設(shè)人工智能類課程的教學(xué)活動當(dāng)中，從而使任課教師可以通過自身的科研活動有效地提升教學(xué)質(zhì)量。

參考文獻：

[1]（美）岡薩雷斯，伍茲.數(shù)字圖像處理（第三版）[M]. 阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2011.

[2]周志華.機器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[3]Grompone von Gioi Rafael，Jakubowicz Jérémie，Morel Jean-Michel，Randall Gregory. LSD： a fast line segment detector with a false detection control[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2010（4）.

[4]張小明，李舟軍.研究生人工智能課程研究性教學(xué)探索[J].計算機教育，2017（10）：71-74.

作者簡介：年福東（1993—），男，安徽宿州人，講師，工學(xué)博士，研究方向：人工智能、多媒體計算。