周惠巍，林曉惠，王 健，姚衛(wèi)紅

（大連理工大學(xué) 電信學(xué)部，遼寧 大連 116024）

0 引言

2018年4月，教育部印發(fā)《高等學(xué)校人工智能創(chuàng)新行動計劃》[1]，要求推進(jìn)“新工科”建設(shè)，重視人工智能與計算機(jī)、生物學(xué)、心理學(xué)、社會學(xué)等學(xué)科專業(yè)教育的交叉融合，形成“人工智能+X”復(fù)合專業(yè)培養(yǎng)新模式?！靶鹿た啤苯ㄔO(shè)是國家主動應(yīng)對新一輪科技革命與產(chǎn)業(yè)變革的重要戰(zhàn)略行動。在《高等學(xué)校人工智能創(chuàng)新行動計劃》和“新工科”建設(shè)背景下，將強(qiáng)化高層次人才培養(yǎng)的模式，推進(jìn)人工智能教育發(fā)展。人工智能是計算機(jī)科學(xué)的一個分支，也是涉及數(shù)學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等學(xué)科的交叉學(xué)科[2]，需要學(xué)生具有較好的數(shù)學(xué)基礎(chǔ)、較強(qiáng)的邏輯思維和編程能力等。因此，對于缺少實(shí)踐的本科生來說，難以深刻理解課程中所涉及的比較抽象的原理和方法，導(dǎo)致學(xué)習(xí)效果欠佳，未達(dá)到課程的培養(yǎng)目標(biāo)。所以針對本科生的特點(diǎn)，結(jié)合人工智能課程的實(shí)際情況，進(jìn)行理論與實(shí)踐相結(jié)合的教學(xué)模式探究，對于“新工科”建設(shè)中新一代人工智能人才培養(yǎng)具有重要意義。

1 國內(nèi)外人工智能課程教學(xué)現(xiàn)狀

美國高校非常重視人工智能人才的培養(yǎng)[3]?？▋?nèi)基?梅隆大學(xué)面向本科生專門開設(shè)了人工智能專業(yè)，除了“人工智能概念”（concepts in artificial intelligence）課程以外，還開設(shè)了大量新穎的人工智能相關(guān)的選修課程，如“智能產(chǎn)品及服務(wù)設(shè)計”等。該專業(yè)學(xué)生在完成4門人工智能必修課后，需額外選修4門人工智能方向選修課程，方可達(dá)到畢業(yè)要求。斯坦福大學(xué)開設(shè)的“人工智能：原理與技術(shù)”（artificial intelligence：principles and techniques）課程將對學(xué)生的考核重點(diǎn)放在平時作業(yè)和小組合作項(xiàng)目中，考試的比重僅占20%。平時的作業(yè)中引入了“吃豆人游戲”等任務(wù)，將搜索算法生動地引入課程與作業(yè)中，寓教于樂。同時需要學(xué)生自主編寫程序，旨在提升其動手實(shí)踐的能力。課程同時還包含一個小組合作項(xiàng)目，學(xué)生需要自由組隊(duì)完成自選的評測任務(wù)，意在培養(yǎng)學(xué)生的團(tuán)隊(duì)合作意識。

國內(nèi)很多高校也為本科生設(shè)置了人工智能課程，如清華大學(xué)為非計算機(jī)專業(yè)的本科生開設(shè)了人工智能導(dǎo)論。課程不僅介紹一般性的原理和方法，同時包含實(shí)踐性的作業(yè)，通過編程幫助學(xué)生理解、掌握一些人工智能的基本方法。通過期末大作業(yè)，學(xué)生將課堂學(xué)習(xí)的理論和方法用于解決現(xiàn)實(shí)中的實(shí)際問題。特別鼓勵學(xué)生將人工智能理論與自己的專業(yè)相結(jié)合。

人工智能課程的地位正隨著該技術(shù)的不斷發(fā)展和廣泛應(yīng)用得到迅速提升[4]，然而，在培養(yǎng)人工智能創(chuàng)新型人才方面，目前的教學(xué)還存在一些亟待解決的問題[5]，主要表現(xiàn)為教學(xué)重理論輕實(shí)踐，注重知識的傳授，輕視能力的培養(yǎng)，理論與實(shí)踐脫離[6]。

面向生物信息學(xué)專業(yè)本科生，開展人工智能課程理論與實(shí)踐相結(jié)合的教學(xué)模式探究，包括基于案例教學(xué)法的人工智能理論教學(xué)內(nèi)容研究；探究式案例教學(xué)模式的研究與實(shí)踐，以及與生物信息學(xué)專業(yè)相關(guān)聯(lián)的分層次、分階段、循序漸進(jìn)的上機(jī)內(nèi)容的設(shè)計與實(shí)踐。

2 基于案例教學(xué)法的人工智能理論教學(xué)內(nèi)容

人工智能課程內(nèi)容廣泛、理論多、概念抽象。對于剛開始接觸人工智能課程的初學(xué)者來說，難免感覺枯燥難學(xué)。目前人工智能理論教學(xué)中，常常強(qiáng)調(diào)基本概念理論的講解，而忽略了人工智能理論知識的應(yīng)用背景。這種教學(xué)方法雖然能夠?qū)⒅R抽象地傳授給學(xué)生，但是卻沒有將人工智能理論知識和其應(yīng)用背景聯(lián)系起來，具有片面性，不利于學(xué)生科學(xué)素質(zhì)和創(chuàng)新能力的培養(yǎng)。

構(gòu)建人工智能理論教學(xué)案例庫，案例庫綜合涵蓋理論知識、專業(yè)領(lǐng)域應(yīng)用和當(dāng)前熱點(diǎn)問題，使教學(xué)過程更加生動，加強(qiáng)學(xué)生對人工智能理論的理解，加深記憶，提高學(xué)生的學(xué)習(xí)興趣和效率。

引導(dǎo)學(xué)生發(fā)現(xiàn)身邊的人工智能實(shí)際應(yīng)用，例如在“概述”部分提出“圖靈測試”“阿拉法狗”等案例；引入幾次著名的“人機(jī)大戰(zhàn)”；介紹歷史上幾個著名的“機(jī)器人”，并配以圖片，將人工智能這一抽象的概念形象化，啟發(fā)學(xué)生將人工智能技術(shù)應(yīng)用于社會生活的方方面面，調(diào)動學(xué)習(xí)熱情。

在“知識表示”部分提出“猴子摘香蕉問題”“梵塔難題”等案例；在“應(yīng)用領(lǐng)域”部分提出“手寫體識別”“八數(shù)碼難題”等案例。教師對案例作啟發(fā)式、提示性的講解，引導(dǎo)學(xué)生用所學(xué)的理論知識對案例進(jìn)行分析和探索。例如，在狀態(tài)空間表示法的教學(xué)中，關(guān)于n元狀態(tài)表示、操作符的定義、初始狀態(tài)至目標(biāo)狀態(tài)的操作序列、狀態(tài)空間圖等抽象理論知識，引入圖1所示“猴子摘香蕉問題”?；凇昂镒诱憬秵栴}”案例，生動形象地闡明常量定義、謂詞定義、初始狀態(tài)表示、目標(biāo)狀態(tài)表示，引導(dǎo)學(xué)生思考并討論知識表示時需要考慮的主要因素等問題。

圖1 猴子摘香蕉問題

基于“一只尋找骨頭的貓”案例，將A*算法在經(jīng)典的“八數(shù)碼難題”案例基礎(chǔ)上，更加生動有趣地展現(xiàn)出來。簡單易懂地解釋說明耗散值、估價函數(shù)等概念，讓學(xué)生更易于理解。

3 探究式案例教學(xué)模式

根據(jù)具體的知識點(diǎn)設(shè)計案例后，可以通過兩種方式結(jié)合知識點(diǎn)和案例：一是“案例－知識點(diǎn)”，即先給出教學(xué)案例，通過案例剖析以及討論、啟發(fā)等方式獲得理論知識，加深理論知識的記憶和理解；二是“知識點(diǎn)－案例”，即先講解理論知識，再給出案例問題，引導(dǎo)學(xué)生用所學(xué)理論知識解決實(shí)際案例問題，提高學(xué)生分析問題、解決問題的能力。

為提高課堂時間的利用率，科學(xué)合理安排講解、討論及老師和學(xué)生互動時間。將設(shè)計好的案例提前發(fā)給學(xué)生，鼓勵學(xué)生課后學(xué)習(xí)和討論，以便加強(qiáng)課堂討論的深度和廣度等。通過“課上互動、課下討論”模式的案例分析，給學(xué)生帶來很多深入的感悟和理解。如上述“猴子摘香蕉問題”案例，通過學(xué)生們的深入討論，發(fā)現(xiàn)原課件“猴子摘香蕉問題的狀態(tài)空間圖”中缺少的一個狀態(tài)（V,1,V,0），如圖2虛線框所示，而這一狀態(tài)是以往書和相關(guān)網(wǎng)站資料中沒有的。

圖2 猴子摘香蕉問題的狀態(tài)空間圖（學(xué)生討論結(jié)果）

可見，通過探究式案例教學(xué)模式，學(xué)生對于人工智能理論知識有了更深入的認(rèn)識和感悟。這些認(rèn)識和感悟不是老師通過單方的說教能傳授的，而是學(xué)生通過討論、思考、體會總結(jié)得到的。在這些互動討論中，學(xué)生獲得的分析問題和解決問題的能力將使他們終生受益。

4 分層次、分階段、循序漸進(jìn)的上機(jī)實(shí)踐任務(wù)

針對生物信息學(xué)科的新發(fā)展、新熱點(diǎn)，將人工智能理論在生物信息挖掘領(lǐng)域的新理論、新方法及時融入上機(jī)實(shí)踐教學(xué)環(huán)節(jié)，這樣既可以拓寬學(xué)生的學(xué)習(xí)視野，又能鍛煉實(shí)際動手能力。上機(jī)實(shí)踐中，不僅涉及程序設(shè)計、數(shù)據(jù)結(jié)構(gòu)、概率統(tǒng)計等以前所學(xué)的知識，還涉及最新的人工智能技術(shù)和方法，綜合性較強(qiáng)。如何合理布局基礎(chǔ)性和前沿性知識，深度結(jié)合理論和實(shí)際應(yīng)用，同時提高學(xué)生的系統(tǒng)設(shè)計與實(shí)現(xiàn)的成就感，是培養(yǎng)學(xué)生不斷探索、勇于創(chuàng)新的關(guān)鍵。設(shè)計一套分層次、分階段、循序漸進(jìn)的上機(jī)實(shí)踐任務(wù)，從基礎(chǔ)的搜索算法，到最新的人工智能技術(shù)，讓學(xué)生深入理解并動手實(shí)現(xiàn)課程相關(guān)的任務(wù)。

4.1 深度、廣度優(yōu)先搜索

教師可以讓學(xué)生在理解深度、廣度優(yōu)先搜索算法的基礎(chǔ)上，自己動手實(shí)現(xiàn)。實(shí)驗(yàn)給出了一個連通圖，需要學(xué)生自己編寫代碼（語言不限）實(shí)現(xiàn)對圖的深度、廣度優(yōu)先搜索，并打印出搜索路徑。該實(shí)驗(yàn)可以幫助學(xué)生熟悉基本的搜索算法和實(shí)驗(yàn)流程，為隨后更加復(fù)雜的人工智能實(shí)驗(yàn)作鋪墊。

4.2 基于A＊算法解決八數(shù)碼難題

本實(shí)驗(yàn)是在實(shí)驗(yàn)1的廣度優(yōu)先搜索算法基礎(chǔ)上進(jìn)行拓展，采用A*算法進(jìn)行啟發(fā)式搜索，解決“八數(shù)碼難題”。學(xué)生通過動手實(shí)現(xiàn)，能夠掌握實(shí)現(xiàn)A*算法的具體細(xì)節(jié)，加深對A*算法和不同估價函數(shù)的認(rèn)識。學(xué)生根據(jù)自身的熟悉程度自由采用C++，Java，Python等不同編程語言完成，不拘泥于具體的實(shí)現(xiàn)方式，有助于提升學(xué)生的發(fā)散性思維。

4.3 基于人工神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別

針對當(dāng)前人工智能領(lǐng)域發(fā)展較快的深度學(xué)習(xí)方向，利用神經(jīng)網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)手寫數(shù)字識別系統(tǒng)。實(shí)驗(yàn)讓學(xué)生自己動手實(shí)現(xiàn)經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)，理解神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)的傳播、誤差的計算、梯度的計算以及參數(shù)的更新過程，同時搭建了簡單的服務(wù)器和用戶界面，使學(xué)生可以直觀感受到基于人工神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別效果。

實(shí)驗(yàn)由于需要搭建小型的服務(wù)器和用戶接口，存在一定的難度，因此只將構(gòu)建BP神經(jīng)網(wǎng)絡(luò)部分代碼空出留給學(xué)生完成，其余部分直接給出。實(shí)驗(yàn)完成后，學(xué)生能夠直接通過網(wǎng)頁訪問數(shù)字識別界面，并可以在畫板中輸出數(shù)字進(jìn)行測試。通過將神經(jīng)網(wǎng)絡(luò)技術(shù)與簡單的實(shí)際應(yīng)用相結(jié)合，增強(qiáng)實(shí)驗(yàn)的趣味性，提升學(xué)生的成就感，從實(shí)驗(yàn)過程和實(shí)驗(yàn)積極性中可以看出，學(xué)生對本次實(shí)驗(yàn)都展現(xiàn)出濃厚的興趣。

4.4 基于生物醫(yī)學(xué)知識庫的藥物－疾病關(guān)系抽取

針對生物信息學(xué)科的新發(fā)展、新熱點(diǎn)，將人工智能理論在生物信息挖掘領(lǐng)域的新理論、新方法及時融入上機(jī)實(shí)踐教學(xué)環(huán)節(jié)。指導(dǎo)學(xué)生構(gòu)建基于生物醫(yī)學(xué)知識庫的藥物－疾病關(guān)系抽取系統(tǒng)。本上機(jī)實(shí)驗(yàn)，融合生物與計算機(jī)科學(xué)兩個領(lǐng)域的知識，增強(qiáng)學(xué)生的學(xué)習(xí)興趣。實(shí)驗(yàn)采用知識表示學(xué)習(xí)方法（TransE模型），將生物醫(yī)學(xué)知識庫中實(shí)體對及其關(guān)系三元組轉(zhuǎn)換成為低維的向量表示。然后利用知識表示抽取生物醫(yī)學(xué)文本中蘊(yùn)含的藥物－疾病實(shí)體關(guān)系。該實(shí)驗(yàn)結(jié)合了生物信息抽取技術(shù)、大數(shù)據(jù)應(yīng)用技術(shù)與自然語言處理技術(shù)，具有較強(qiáng)的綜合性和實(shí)用性，可以幫助學(xué)生更好地理解生物信息抽取的方法和技術(shù)。

有些學(xué)生在使用TransE訓(xùn)練的過程中，對知識表示產(chǎn)生了濃厚的興趣。學(xué)生主動查找表示學(xué)習(xí)相關(guān)論文并進(jìn)行細(xì)致的閱讀。在深入理解TransE及以TransE為基礎(chǔ)的基于翻譯的知識表示學(xué)習(xí)算法的基礎(chǔ)上，還對Word2vec、GLoVE等詞向量表示學(xué)習(xí)方法進(jìn)行學(xué)習(xí)總結(jié)。本實(shí)驗(yàn)可以拓寬學(xué)生的知識面，使學(xué)生對自然語言處理中各類不同表示方法有自己的認(rèn)識和理解，同時也激發(fā)對生物信息挖掘研究的興趣。

5 結(jié)語

針對生物信息學(xué)專業(yè)本科生的特點(diǎn)，我們對人工智能課程的教學(xué)內(nèi)容、教學(xué)模式、上機(jī)實(shí)踐等方面進(jìn)行了探究，摸索出一套基于案例的人工智能教學(xué)法?；谌斯ぶ悄芾碚摰牡湫?、熱點(diǎn)案例，通過討論、啟發(fā)等方式學(xué)習(xí)理論知識，引入循序漸進(jìn)的上機(jī)實(shí)驗(yàn)任務(wù)，增強(qiáng)了學(xué)生的理論和實(shí)踐相結(jié)合意識，拓寬了學(xué)生的學(xué)習(xí)視野，鍛煉了學(xué)生的實(shí)際動手能力，取得了預(yù)期的教學(xué)效果。人工智能課程理論與實(shí)踐相結(jié)合的教學(xué)模式探究，對于“新工科”建設(shè)中，新一代人工智能人才培養(yǎng)具有重要意義，為我國躋身創(chuàng)新型國家前列提供人才保障。