李春庚

（大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院，大連116026）

0 引言

當(dāng)前人工智能（Artificial Intelligence，AI）無論在平常百姓的日常生活里，還是在專業(yè)科研工作者的科研工作中，也還是在社會(huì)生產(chǎn)和經(jīng)濟(jì)活動(dòng)中，都是非常流行的潮詞。

從應(yīng)用角度說，人工智能是在計(jì)算機(jī)控制下的機(jī)器設(shè)備能夠像人那樣完成各種工作?！跋袢四菢印币馕吨哂泻軓?qiáng)的環(huán)境適應(yīng)性，具有學(xué)習(xí)能力，能夠解決非確定性的問題。

從科學(xué)研究的角度說，人工智能是以計(jì)算機(jī)和機(jī)器為工具，表示和產(chǎn)生人的智慧的科學(xué)。

從1956年達(dá)特茅斯會(huì)議上人工智能被正式提出，經(jīng)過了60多年發(fā)展，人工智能已經(jīng)取得了巨大進(jìn)步，在特定領(lǐng)域和應(yīng)用中已經(jīng)能夠代替人的基本工作。如人工智能系統(tǒng)應(yīng)用于銀行業(yè)務(wù)中，使得原來非常耗時(shí)費(fèi)力的系統(tǒng)性、規(guī)范化的繁雜業(yè)務(wù)變得快捷和準(zhǔn)確。在人工智能系統(tǒng)的幫助下，醫(yī)學(xué)上已經(jīng)有了虛擬個(gè)人健康助理。在大型工業(yè)企業(yè)中，人工智能系統(tǒng)通常是生產(chǎn)單元的一部分。工業(yè)機(jī)器人可以給工件塑形，可以代替?zhèn)魉蛶⒐ぜ囊粋€(gè)工位準(zhǔn)確地搬移到另一個(gè)工位。人工智能系統(tǒng)對(duì)機(jī)場(chǎng)航班管理，準(zhǔn)確無誤，保證安全。人工智能在外科手術(shù)中，提高了手術(shù)的成功率。類似的情景還有很多。人工智能的如此應(yīng)用給生活和生產(chǎn)帶來很大的變化，減少了人力付出，使生活充滿樂趣，使生產(chǎn)更加高效。

即使這樣，人工智能和人的智能差距還很大。我們期待將來更先進(jìn)、更高級(jí)的人工智能系統(tǒng)。在某個(gè)特定領(lǐng)域，能夠通過復(fù)雜計(jì)算，準(zhǔn)確高效完成高難度的工作；能夠適應(yīng)不同的，變化的環(huán)境，完成各種人類才能夠勝任的更復(fù)雜的工作；具有情感，能夠感知其他系統(tǒng)和人的感情。

今天計(jì)算機(jī)硬件性能的快速提高，計(jì)算機(jī)網(wǎng)絡(luò)的迅速普及，給人工智能的發(fā)展提供了前所未有的物質(zhì)前提。社會(huì)經(jīng)濟(jì)發(fā)展的瓶頸，人類生活方式的變化，又給人工智能發(fā)展提供了社會(huì)層面上的迫切需求。世界各國(guó)都投入大量的人力物力，在科學(xué)技術(shù)層面和產(chǎn)業(yè)層面上大力發(fā)展人工智能。人工智能很可能就是下一次工業(yè)革命的原動(dòng)力。

1 人工智能教學(xué)的作用和意義

中國(guó)是發(fā)展中國(guó)家。在多數(shù)傳統(tǒng)科技領(lǐng)域，由于歷史的原因，我國(guó)和發(fā)達(dá)國(guó)家一直有差距，甚至是很大的差距，我們一直在費(fèi)力地追趕。正是這些差距，限制了中國(guó)的發(fā)展，影響了人民的幸福。無論在科學(xué)研究，還是產(chǎn)業(yè)發(fā)展，人工智能都是新興領(lǐng)域，我們和發(fā)達(dá)國(guó)家沒有本質(zhì)差距，在一個(gè)起跑線上。人工智能很可能是下一次工業(yè)革命的原動(dòng)力，我們有可能實(shí)現(xiàn)彎道超車。

為搶抓人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，尤其在中國(guó)的當(dāng)下，我們的經(jīng)濟(jì)結(jié)構(gòu)面臨調(diào)整，我們的產(chǎn)業(yè)結(jié)構(gòu)需要轉(zhuǎn)型。人工智能無疑是實(shí)現(xiàn)“中國(guó)制造2025”總體目標(biāo)的重要源動(dòng)力之一。為了構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)，2017年7月8日國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》。2018年4月2日，教育部印發(fā)《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，提出要完善人工智能領(lǐng)域人才培養(yǎng)體系，完善學(xué)科布局、加強(qiáng)專業(yè)建設(shè)、教材建設(shè)、人才培養(yǎng)，推動(dòng)人工智能領(lǐng)域一級(jí)學(xué)科建設(shè)。當(dāng)前迫切的任務(wù)是大學(xué)的人工智能教學(xué)必須為產(chǎn)業(yè)培養(yǎng)出足夠的，合格的各個(gè)層次的人工智能方面的人才。

在教育層面上，政府有關(guān)部門已經(jīng)做了大量的工作，已經(jīng)為教學(xué)的展開做好了管理上的準(zhǔn)備工作。以后重要的工作要體現(xiàn)在教學(xué)部門——學(xué)校的具體教學(xué)工作中。

2 國(guó)內(nèi)外人工智能教學(xué)歸納總結(jié)

2.1 人工智能的教學(xué)對(duì)象

雖然北京、上海等教育發(fā)達(dá)地區(qū)已經(jīng)開始在中小學(xué)試點(diǎn)人工智能教學(xué)，全世界范圍內(nèi)，人工智能的教學(xué)活動(dòng)主要是在大學(xué)中開展的。通常有如下三個(gè)層次：①計(jì)算機(jī)科學(xué)與技術(shù)，軟件工程等傳統(tǒng)相關(guān)專業(yè)的本科人工智能教學(xué)；②智能科學(xué)與技術(shù)專業(yè)，數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)等新興相關(guān)專業(yè)的本科人工智能教學(xué)；③計(jì)算機(jī)及相關(guān)專業(yè)（計(jì)算機(jī)科學(xué)與技術(shù)，軟件工程，控制理論與控制工程，信號(hào)與信息系統(tǒng)等）的碩士人工智能教學(xué)。由于還沒有人工智能學(xué)科，所以還沒有純粹的人工智能本科和碩士專業(yè)。人工智能教學(xué)是分散在相關(guān)的各個(gè)專業(yè)中，是以研究方向存在的。

2.2 人工智能的教學(xué)內(nèi)容

人工智能屬于社會(huì)科學(xué)和自然科學(xué)的交叉，涉及數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論、計(jì)算機(jī)科學(xué)、哲學(xué)和認(rèn)知科學(xué)、不定性論及控制論等。研究范疇包括自然語言處理、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、智能搜索等。應(yīng)用領(lǐng)域包括機(jī)器翻譯、語言和圖像理解、自動(dòng)程序設(shè)計(jì)、專家系統(tǒng)等。在各個(gè)大學(xué)里，研究方向的不同，應(yīng)用領(lǐng)域的不同，對(duì)學(xué)生培養(yǎng)目標(biāo)的不同，教學(xué)內(nèi)容也是很大同。這一點(diǎn)我們可以從國(guó)內(nèi)外各大學(xué)為人工智能相關(guān)方向的學(xué)生開設(shè)的課程得到證實(shí)。

中國(guó)科學(xué)院大學(xué)[1]為“控制科學(xué)與工程”一級(jí)學(xué)科的碩士研究生開設(shè)了：模式識(shí)別、圖像處理與分析、自然語言處理、機(jī)器人學(xué)、現(xiàn)代控制理論、人工智能原理等核心課程；為“模式識(shí)別與智能系統(tǒng)”二級(jí)學(xué)科碩士研究生開設(shè)了：模式識(shí)別導(dǎo)論、視頻處理與分析、深度學(xué)習(xí)、生物特征識(shí)別、計(jì)算機(jī)視覺、腦網(wǎng)絡(luò)組學(xué)基礎(chǔ)及應(yīng)用、智能人機(jī)交互、語音識(shí)別技術(shù)、交互式可視分析、多媒體分析與理解、虛擬現(xiàn)實(shí)、機(jī)器學(xué)習(xí)導(dǎo)論、大數(shù)據(jù)智能、情感計(jì)算、人工智能中的信息理論、語義計(jì)算與深度學(xué)習(xí)等專業(yè)普及課程；為“控制理論與控制工程”二級(jí)學(xué)科的碩士研究生開設(shè)：機(jī)器人智能控制、智能傳感與信息處理、機(jī)器人機(jī)構(gòu)學(xué)、機(jī)器人系統(tǒng)設(shè)計(jì)、仿生機(jī)器人技術(shù)、最優(yōu)控制理論、智能控制、復(fù)雜系統(tǒng)導(dǎo)論、預(yù)測(cè)控制等專業(yè)普及課。此外各個(gè)二級(jí)學(xué)科還開設(shè)了更接近實(shí)際應(yīng)用研究的專業(yè)研討課。

美國(guó)西北大學(xué)為人工智能科學(xué)（Master of Artificial Intelligence）專業(yè)的碩士生開設(shè)[2]：認(rèn)知建模導(dǎo)論（Introduction to Cognitive Modeling）、機(jī)器人實(shí)驗(yàn)室簡(jiǎn)介（Introduction to Robotics Laboratory）、數(shù)據(jù)管理和信息處理（Data Management and Information Processing）、人工智能程序設(shè)計(jì)（Artificial Intelligence Programming）、人機(jī)交互（Human computer Interaction）、計(jì)算機(jī)視覺導(dǎo)論（Introduction to Computer Vision）、語言信息處理導(dǎo)論（Intro to Semantic Information Processing）、智能信息系統(tǒng)實(shí)踐（Practicum in Intelligent Information Systems）、數(shù)據(jù)庫導(dǎo)論（Intro to Databases）、問題求解器的設(shè)計(jì)（Design of Problem Solvers）、人工智能導(dǎo)論（Intro to Artificial Intelligence）、機(jī)器學(xué)習(xí)（Machine Learning）、音樂和語音的機(jī)器感知（Machine Perception of Music&Audio）、知識(shí)表示和推理（Knowledge Representation and Reasoning）、機(jī)器人導(dǎo)論（Intro to robotics）、軟件項(xiàng)目管理和開發(fā)（Software Project Management&Development）、虛擬人物的認(rèn)知模擬（Cognitive Simulation for virtual Characters）、高級(jí)計(jì)算機(jī)視覺（Advanced Computer Vision）、神經(jīng)網(wǎng)絡(luò)（Neural Networks）、機(jī)器人的機(jī)器學(xué)習(xí)與人工智能（Machine Learning and Artificial Intelligence for Robotics）、用多智能體的語言設(shè)計(jì)和構(gòu)造模型（Designing and Constructing Models with Multi-Agent Languages）、從零開始深度學(xué)習(xí)（Deep Learning Foundations From Scratch）、計(jì)算學(xué)習(xí)理論介紹（Introduction computational Learning Theory）、Web信息檢索與提?。╓eb Information Retrieval and Extraction）、人類水平人工智能（Human-Level Artificial Intelligence）、協(xié)同理論（Collaboration Technology）、計(jì)算語言學(xué)導(dǎo)論（Introduction to Computational Linguistics）。

剛招生的南京大學(xué)人工智能學(xué)院為新生開出了：數(shù)學(xué)分析（一）、高等代數(shù)（一）、離散數(shù)學(xué)、程序設(shè)計(jì)基礎(chǔ)、人工智能企業(yè)實(shí)現(xiàn)（一）、人工智能導(dǎo)學(xué)等課程[3]。

我們看到，中國(guó)科學(xué)院大學(xué)是給特定的一級(jí)學(xué)科和二級(jí)學(xué)科碩士研究生開設(shè)的課程，是明確圍繞著該校的研究領(lǐng)域的。美國(guó)西北大學(xué)是一個(gè)人工智能碩士項(xiàng)目，沒有太明確的研究方向，所以開設(shè)了大量能開出的和人工智能相關(guān)的課程供學(xué)生選擇。把研究方向留給學(xué)生的興趣去決定。而南京大學(xué)人工智能學(xué)院的本科一年級(jí)課程則明確在打數(shù)學(xué)基礎(chǔ)。

當(dāng)前大量的人工智能教學(xué)面對(duì)的是計(jì)算機(jī)相關(guān)專業(yè)（如計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程、自動(dòng)化、電子信息科學(xué)與技術(shù)等）的本科或碩士生。他們將來很可能從事人工智能相關(guān)的工作。通常是一個(gè)學(xué)期的一門課，教學(xué)內(nèi)容既要全面，兼顧人工智能的導(dǎo)引，包含人工智能的各個(gè)方面，又要在某些方面深入理論分析和實(shí)踐練習(xí)，為學(xué)生以后的發(fā)展做好鋪墊。

如浙江大學(xué)的《人工智能概論》課[4]，教材采用拉塞爾（Stuart Russell）、諾文（Peter Norving）著，姜哲等譯。《人工智能——一種現(xiàn)代方法》（第二版），人民郵電出版社，ISBN：7-115-12228-8，2004 年。課程要求：①了解人工智能的研究?jī)?nèi)容和發(fā)展歷史；②掌握智能主體的概念和結(jié)構(gòu)；③掌握樹搜索算法，盲目搜索策略和最好優(yōu)先搜索策略；④掌握一階邏輯推理和規(guī)劃算法；⑤掌握貝葉斯網(wǎng)絡(luò)及貝葉斯網(wǎng)絡(luò)推理；⑥掌握神經(jīng)網(wǎng)絡(luò)算法和決策樹方法。

我們能夠找到的其他院校人工智能課程，課程名稱有的叫“人工智能理論與應(yīng)用”，有的叫“人工智能”，也有的叫“人工智能原來及其應(yīng)用”。采用的教材有王萬森編著的《人工智能原理及其應(yīng)用》，電子工業(yè)出版社，2012年9月第一版；蔡自興等編著的《人工智能及其應(yīng)用》，清華大學(xué)出版社，2010年2月第四版；廉師友編著的《人工智能技術(shù)導(dǎo)論》，西安電子科技大學(xué)出版社，2002年7月第二版；王士同主編的《人工智能教程》，電子工業(yè)出版社，2006年2月，第二版。各個(gè)學(xué)校的主要教學(xué)內(nèi)容和浙江大學(xué)基本相同。有的學(xué)校還增加了專家系統(tǒng)和機(jī)器學(xué)習(xí)等內(nèi)容。

在我們能找到資料的國(guó)外大學(xué)中，只有美國(guó)的詹姆斯麥迪遜大學(xué)（James Madison University）[5]，采用 Artificial Intelligence：Foundations of Computational Agents,2nd Edition,David Poole and Alan Mackworth,Cambridge University Press,2017.為教材；日本會(huì)津大學(xué)（University of Aizu）[6]的教材是 Qiangfu ZHAO and Tatsuo Higuchi,Artificial Intelligence：from fundamentals to intelligent searches,Kyoritsu,2017,ISBN：978-4-320-12419-6(in Japanese)。其他多數(shù)大學(xué)，如瑞典的于默奧大學(xué)(Umea University)[7]和包括卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）[8]、愛荷華州立大學(xué)（Iowa State University）[9]、馬里蘭大學(xué)（Maryland University）[10]等20多所美國(guó)大學(xué)都是以Artificial Intelligence,A Modern Approach,3rd Edition,by Stuart Russell and Peter Norvig[19]為教材。斯坦福大學(xué)（Stanford University）[11]和哥倫比亞大學(xué)（Columbia University）[12]，沒有指定教材，但該教材是第一參考書。各個(gè)大學(xué)都在講述該教材的基本內(nèi)容后，結(jié)合教授的研究領(lǐng)域，深入探討其中的若干章節(jié)，使學(xué)生在對(duì)人工智能廣泛了解的基礎(chǔ)上，通過特定領(lǐng)域的深入學(xué)習(xí)和實(shí)踐，為后續(xù)的深入學(xué)習(xí)打好基礎(chǔ)。

紐約大學(xué)（New York University）[13]的人工智能課分9個(gè)專題講解：

（1）Introduction（引言）(Russell and Norvig,chaps 1&2)；

（2）Prolog（用于人工智能的編程語言）(Bratko,chaps 1,2,3,5)；

（3）Natural Language Processing（自然語言處理）(Russell and Norvig,chaps 22&23)；

（4）Search（搜索）(Russell and Norvig,chap 3;Bratko chap 11)；

（5）Game Playing（博弈）(Russell and Norvig,chap 5)；

（6）Learning（學(xué)習(xí)）(Rusell and Norvig,chaps 18&19)；

（7）Automated reasoning（自動(dòng)推理）(Russell and Norvig,chap 6-8;Bratko secs 14.4,14.8)；

（8）Planning（規(guī)劃）(Russell and Norvig,chap 11)；

（9）Vision and Robotics（視頻和機(jī)器人）(Russell and Norvig,chaps 24,25)。

南加利福尼亞大學(xué)（University of Southern California）[14]的 28個(gè)專題如下：

（1）Welcome（歡迎詞）– Introduction.Why study AI?What is AI?The Turing test.Rationality.Branches of AI.Brief history of AI.Challenges for the future.What is an intelligent agent?Doing the right thing(rational action).Performance measure.Autonomy.Environment and agent design.Structure of agents.Agent types.

（2）Problem Solving&Search（問題解決和搜索）–Types of problems.Example problems.Basic idea behind search algorithms.Complexity.Combinatorial explosion and NP completeness.Polynomial hierarchy.

（3）Uninformed Search（盲目搜索）-Depth-first.Breadth-first.Uniform-cost.Depth-limited.Iterative deepening.Examples.Properties.

（4）Continue uninformed search（連續(xù)無啟發(fā)搜索）.

（5）Informed search（啟發(fā)式搜索）-Best-first.A*search.Heuristics.Hill climbing.Problem of local extrema.Simulated annealing.

（6）Continue Informed search（連續(xù)啟發(fā)式搜索）.Genetic Algorithms.

（7）Game Playing（博弈）-The minimax algorithm.Resource limitations.Alpha-beta pruning.Chance and non-deterministic games.

（8）Constraint satisfaction（約束滿足）.Node,arc,path,and k-consistency.Backtracking search.Local search using min-conflicts.

（9）Agents that reason logically 1（邏輯推理的代理1）-Knowledge-based agents.Logic and representation.Propositional(boolean)logic.

（10）Agents that reason logically 2（邏輯推理的代理1）-Inference in propositional logic.Syntax.Semantics.Examples.

（11）First-order logic 1（一階邏輯 1）– Syntax.Semantics.Atomic sentences.Complex sentences.Quantifiers.Examples.FOL knowledge base.Situation calculus.

（12）First-order logic 2（一階邏輯 1）– Describing actions.Planning.Action sequences.

（13）Building a knowledge base（建立知識(shí)庫）–Knowledge bases.Vocabulary and rules.Ontologies.Organizing knowledge.

（14）Inference in first-order logic（一階邏輯推理）–Proofs.Unification.Generalized modus ponens.Forward and backward chaining.

（15）Continue Inference in first-order logic（一階邏輯中的連續(xù)推理）.Resolution.Proof by contradiction.

（16）Logical reasoning systems（邏輯推理系統(tǒng)）–Indexing,retrieval and unification.The Prolog language.Theorem provers.Frame systems and semantic networks.

（17）Planning（規(guī)劃）– Definition and goals.Basic representations for planning.Situation space and plan space.Examples.

（18）Fuzzy logic（模糊邏輯）–concepts,fuzzy inference,aggregation,defuzzyfication.

（19）Learning from examples（樣例學(xué)習(xí)）– supervised learning,learning decision trees,support vector machines.

（20）Learning with neural networks（神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)）–perceptrons,Hopfield networks.How to size a network?What can neural networks achieve?

（21）Advanced concepts in neural networks（神經(jīng)網(wǎng)絡(luò)中的高級(jí)概念）–convnets,deep learning,stochastic gradient descent,dropout learning,autoencoders,applications and state of the art

（22）Reasoning under uncertainty（不確定性推理）–probabilities,conditional independence,Markov blanket,Bayes nets.

（23）Continue Reasoning under uncertainty（不確定性下的連續(xù)推理）–Probabilistic inference,enumeration,variable elimination,approximate inference by stochastic simulation,Markov chain Monte Carlo,Gibbs sampling.

（24）Probabilistic decision making（概率決策）–utility theory,decision networks,value iteration,policy iteration,Markov decision processes(MDP),partially observable MDP(POMDP).

（25）Probabilistic Reasoning over time（概率決策的時(shí)間歷經(jīng)性）：Temporal models,Hidden Markov Models,Kalman filters,Dynamic Bayesian Networks,Automata theory

（26）Probability-Based Learning（概率學(xué)習(xí)）：Probabilistic Models,Na飗e Bayes Models,EM algorithm,Reinforcement Learning.

（27）Natural language processing（自然語言處理）–language models,information retrieval,syntactic analysis,machine translation,speech recognition.

（28）Towards intelligent machines（邁向智能機(jī)器）–The challenge of robots：with what we have learned,what hard problems remain to be solved?Different types of robots.Tasks that robots are for.Parts of robots.Architectures.

哥倫比亞大學(xué)（Columbia University）[12]講解如下內(nèi)容：

（1）Introduction.Course Logistics.Background and History of AI.（引言。課程邏輯體系。AI的背景和歷史）

（2）Intelligent Agents.Uninformed Search.（智能體，無啟發(fā)搜索）

（3）Heuristic Search（啟發(fā)式搜索）

（4）Game Playing.Adversarial Search.（博弈，對(duì)抗搜索）

（5）Constraint Satisfaction.（約束滿足）

（6）Logic and Reasoning.Propositional Logic and Predicate Logic.（邏輯和推理，命題邏輯與謂詞邏輯）

（7）Probabilistic Reasoning and Decision Making.Bayesian Networks.（概率推理與決策。貝葉斯網(wǎng)絡(luò)）

（8）Machine Learning：Basics.Naive Bayes.Decision Trees.（機(jī)器學(xué)習(xí)：基礎(chǔ)。樸素的貝斯。決策樹）

（9）Machine Learning：Linear regression.Perceptron.Neural Networks.（機(jī)器學(xué)習(xí)：線性回歸。感知器。神經(jīng)網(wǎng)絡(luò)）

（10）Neural Networks.Deep Learning.Convolution NN.（神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)。卷積神經(jīng)網(wǎng)絡(luò)）

（11）Reinforcement Learning.（強(qiáng)化學(xué)習(xí)）

（12）Applications：NLP（應(yīng)用：NLP）.

（13）Future of AI.Hard Problems.AI and Society(Benefits&Risks).（人工智能的未來。困難的問題。人工智能與社會(huì)）

對(duì)比紐約大學(xué)、南加利福尼亞大學(xué)和哥倫比亞大學(xué)的教學(xué)內(nèi)容，它們都是以教材Artificial Intelligence,A Modern Approach,3rd Edition,by Stuart Russell and Peter Norvig[19]的內(nèi)容為主線，各個(gè)教學(xué)專題都是出自教材，但教學(xué)內(nèi)容有所取舍。

有的大學(xué)的教學(xué)日歷中還使用了tentative（試探性的）或provisional（暫定的）詞匯。說明教學(xué)內(nèi)容還會(huì)在執(zhí)行過程中有所調(diào)整。這也間接證明，教學(xué)本身具有研究性、動(dòng)態(tài)性。

綜合國(guó)內(nèi)外多所大學(xué)人工智能課的教學(xué)內(nèi)容，得到的結(jié)論是，國(guó)外（主要美國(guó)）多數(shù)大學(xué)都用同一本權(quán)威教材，各大學(xué)講授的核心內(nèi)容基本一致，但也有不同的取舍。一個(gè)重要的原因是，人工智能是一門涉獵范圍很廣的交叉學(xué)科，在有限的時(shí)間內(nèi)不可能面面俱到；其次，開課大學(xué)專業(yè)特色，開課教師的研究領(lǐng)域也是確定課程講授范圍和深入程度的一個(gè)重要原因；還有，學(xué)生的培養(yǎng)目標(biāo)和層次也是決定課程講授內(nèi)容的重要因素。

2.3 人工智能的教學(xué)方法

由于人工智能教學(xué)內(nèi)容范圍廣，概念抽象，數(shù)學(xué)基礎(chǔ)要求高等原因，要想得到好的教學(xué)效果并不容易。多年來，從事人工智能教學(xué)的教師一直在為了好的教學(xué)效果不斷探索合適的教學(xué)方法。

韓潔瓊[15]等認(rèn)為學(xué)生的學(xué)習(xí)興趣是提高教學(xué)效果的首要因素，所以，他在教學(xué)中首先會(huì)找到相關(guān)人工智能的應(yīng)用實(shí)例，給學(xué)生演示，和學(xué)生互動(dòng)來激發(fā)學(xué)生的學(xué)習(xí)興趣。如專家診斷系統(tǒng)。其次，他在教學(xué)中重視多媒體教學(xué)。用動(dòng)畫演示推理過程。另外，他還重視實(shí)驗(yàn)，在不多的實(shí)驗(yàn)時(shí)間內(nèi)，讓學(xué)生開發(fā)一個(gè)小的專家系統(tǒng)。陳白帆等[16]在優(yōu)化教學(xué)內(nèi)容基礎(chǔ)上，細(xì)化實(shí)驗(yàn)教學(xué)。將實(shí)驗(yàn)分為：①實(shí)際硬件和軟件實(shí)驗(yàn)，要求用C或C++或Java等語言實(shí)現(xiàn)；②虛擬實(shí)驗(yàn)，由人工智能網(wǎng)絡(luò)課程提供，可以在網(wǎng)上進(jìn)行。在課堂教學(xué)環(huán)節(jié)，，除多媒體課件和網(wǎng)絡(luò)課程外，還給學(xué)生提供了相關(guān)參考資源，包括：①課程相關(guān)的國(guó)外雜志和書籍目錄，重要的參考文獻(xiàn)。②人工智能相關(guān)的網(wǎng)絡(luò)資源，如網(wǎng)站、新聞組、BBS等。它們包括了大量的文獻(xiàn)資料、討論、本領(lǐng)域研究的前沿動(dòng)態(tài)等。③人工智能課程相關(guān)的演示動(dòng)畫和實(shí)驗(yàn)等。為了提高學(xué)生的學(xué)習(xí)興趣，①通過有趣難題或游戲的說明來進(jìn)行理論知識(shí)的講解。如通過八數(shù)碼問題說明狀態(tài)空間法、梵塔問題說明問題歸約法等。又如，通過人臉或指紋識(shí)別問題來引出神經(jīng)網(wǎng)絡(luò)理論，從而講解神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法等。②購(gòu)買多種類型的人工智能產(chǎn)品實(shí)物，如漫游車、多功能歌舞機(jī)器人、機(jī)器狗、Amigo移動(dòng)機(jī)器人等，用于演示和輔助說明課程中理論和方法的實(shí)際應(yīng)用，避免了理論講解的乏味和空洞，有助于學(xué)生理解和保持興趣。另外，他還采用雙語教學(xué)來助推學(xué)生跟蹤世界研究發(fā)展前沿，使學(xué)生養(yǎng)成參考英文書籍，閱讀英文文獻(xiàn)的能力，也進(jìn)一步提高了學(xué)生的學(xué)習(xí)興趣。

Deepak Kumar和Lisa Meeden[17]在多年的人工智能教學(xué)中，深刻體會(huì)到，由于人工智能是多個(gè)學(xué)科的交叉，涉及到寬泛的技術(shù)和不同的理論，沒有統(tǒng)一的思想方法。他們將人工智能的教學(xué)圍繞機(jī)器人實(shí)驗(yàn)應(yīng)用展開。因?yàn)槿斯ぶ悄艿亩鄶?shù)理論和技巧都是機(jī)器人應(yīng)用的某些方面所涉及的內(nèi)容。讓學(xué)生在實(shí)驗(yàn)室里制作機(jī)器人，給機(jī)器人編寫控制程序，實(shí)現(xiàn)各種任務(wù)。這種以機(jī)器人實(shí)驗(yàn)為中心的教學(xué)方法，極大地激勵(lì)了學(xué)生的學(xué)習(xí)熱情，因?yàn)樽寣W(xué)生體驗(yàn)到了自己的成功。Asuncion Gomez和Natalia Juristo在西班牙馬德里綜合技術(shù)大學(xué)（Polytechnic University of Madrid，Spain）采用專題討論的方式講述人工智能[18]。

通過美國(guó)大學(xué)網(wǎng)站，發(fā)現(xiàn)各個(gè)大學(xué)的教學(xué)也各有特色。如紐約大學(xué)在教學(xué)中非常重視基本問題的Prolog編程訓(xùn)練[13]。學(xué)校教學(xué)網(wǎng)站提供了6個(gè)問題集（Problem Sets）和相應(yīng)的解決方法參考。愛荷華州立大學(xué)[9]的人工智能課明確了教材[19]中的哪些練習(xí)題必須完成。非常強(qiáng)調(diào)通過練習(xí)題，理解原理。課程結(jié)束前，要求學(xué)生在教師和助教的指導(dǎo)下，完成一個(gè)自選項(xiàng)目，最后提交項(xiàng)目報(bào)告并希望班級(jí)展示。斯坦福大學(xué)[11]的人工智能課教學(xué)內(nèi)容非常寬泛，沒有教材，提供了多本參考書。課程最后成績(jī)，考試只占20%。作業(yè)占60%，課程項(xiàng)目占20%。加利福尼亞大學(xué)[14]非常強(qiáng)調(diào)文章閱讀，教學(xué)的多個(gè)部分，都要求閱讀這部分知識(shí)內(nèi)容的代表性科技論文。詹姆斯麥迪遜大學(xué)的人工智能教學(xué)與眾不同的是強(qiáng)調(diào)學(xué)生在課后對(duì)教材的閱讀和全美其他大學(xué)相關(guān)教學(xué)視頻的觀看[5]。馬里蘭大學(xué)[10]的人工智能教學(xué)網(wǎng)站內(nèi)容簡(jiǎn)單，但一開始就強(qiáng)調(diào)教學(xué)大部分是按照加利福尼亞大學(xué)伯克利分校的AI課程進(jìn)行，給出了鏈接，讓學(xué)生參考伯克利的網(wǎng)站（We'll be(largely)following the Berkeley AI materials;you can also refer there for more info！）?？梢娊虒W(xué)是非常開放的。

3 人工智能教學(xué)的展望和探索

通過對(duì)國(guó)內(nèi)外大學(xué)人工智能課教學(xué)內(nèi)容和教學(xué)方法的歸納和總結(jié)，我們知道了，由于人工智能知識(shí)是多學(xué)科的交叉，涉及的教學(xué)內(nèi)容廣，應(yīng)用的領(lǐng)域?qū)挿?；接受教學(xué)的學(xué)生層次多樣等原因，不存在一種或幾種教學(xué)安排是最合理的。合理的人工智能教學(xué)，應(yīng)該是動(dòng)態(tài)的，是根據(jù)各方面因素不斷調(diào)整的。我們認(rèn)為主要應(yīng)該考慮以下方面。

3.1 國(guó)際接軌

隨著改革開放的深入，中國(guó)不但在經(jīng)濟(jì)政治領(lǐng)域和世界深度融合，教育，尤其是高等教育也愈發(fā)深度融入世界整體教育體系。在高等教育的各個(gè)學(xué)科分支中，人工智能是新興的，相比其他領(lǐng)域我們落后不多，但我們還是落后的。人工智能起源于美國(guó)；當(dāng)前多數(shù)人工智能的原始算法都不是我們提出的；谷歌的AlphaGo戰(zhàn)勝圍棋名將；IBM的Watson在電子、能源、教育、汽車、醫(yī)藥等各行業(yè)或領(lǐng)域的應(yīng)用都很好地證明了以美國(guó)為代表的西方國(guó)家的領(lǐng)先。所以，我們的人工智能教學(xué)一開始就應(yīng)該和國(guó)際接軌，在參考學(xué)習(xí)中不斷修正自己，避免被越拉越遠(yuǎn)，“中國(guó)特色”是對(duì)的，但絕對(duì)不能標(biāo)新立異，花架子地過分強(qiáng)調(diào)“中國(guó)特色”。我們應(yīng)參考美國(guó)等發(fā)達(dá)國(guó)家，來調(diào)整我們的人工智能教學(xué)層次，安排教學(xué)內(nèi)容，靈活應(yīng)用教學(xué)方法。使人工智能的教學(xué)工作不僅僅“熱”，而且要“實(shí)”。人工智能教學(xué)國(guó)際接軌的一項(xiàng)有效手段是雙語教學(xué)。由于英語四六級(jí)考試的存在，學(xué)生普遍重視英語學(xué)習(xí)。雙語教學(xué)可以很大程度提高學(xué)生的學(xué)習(xí)積極性。通過雙語教學(xué)，讓學(xué)生具有用英語學(xué)習(xí)人工智能的能力。通過布置作業(yè)等方式，鼓勵(lì)學(xué)生登錄國(guó)外大學(xué)著名實(shí)驗(yàn)室網(wǎng)站，注冊(cè)登錄行業(yè)內(nèi)都關(guān)注的人工智能論壇、網(wǎng)絡(luò)社區(qū)。向國(guó)際同行學(xué)習(xí)，參與國(guó)際交流。因?yàn)槿斯ぶ悄苁嵌鄬W(xué)科的交叉，又應(yīng)用于非常廣泛的領(lǐng)域，課堂教學(xué)不可能精深到方方面面，更多的是基本原理、基礎(chǔ)應(yīng)用的分析和介紹。將來學(xué)生會(huì)走入人工智能的哪個(gè)領(lǐng)域，只能靠學(xué)生自己的興趣和工作中的實(shí)際需要。

3.2 多層次，多學(xué)科，多專業(yè)和多應(yīng)用領(lǐng)域有機(jī)融合

人工智能是一個(gè)多交叉學(xué)科，應(yīng)用的領(lǐng)域更是跨越了工程、經(jīng)濟(jì)和管理等社會(huì)生活的各個(gè)方面。這就決定了搞好人工智能教學(xué)不是僅僅一門課的問題，而是多層次，多學(xué)科，多專業(yè)和多應(yīng)用領(lǐng)域密切配合，高效協(xié)作的系統(tǒng)性問題。這個(gè)系統(tǒng)怎樣組建是當(dāng)前人工智能教學(xué)的核心問題。我國(guó)的教育主管部門和一些學(xué)者主張建立人工智能一級(jí)學(xué)科[20]。國(guó)家標(biāo)準(zhǔn)GBT13735-92依據(jù)學(xué)科研究對(duì)象、研究特征、研究方法、學(xué)科的派生來源、研究目的、目標(biāo)等五個(gè)方面對(duì)學(xué)科進(jìn)行分類。學(xué)科的另一種含義：指高校教學(xué)、科研等的功能單位，是對(duì)高校人才培養(yǎng)、教師教學(xué)、科研業(yè)務(wù)隸屬范圍的相對(duì)界定。學(xué)科建設(shè)中“學(xué)科”的含義側(cè)重后者。人工智能是眾多學(xué)科的交叉，筆者認(rèn)為，非要把本來屬于不同學(xué)科的人員，課程和應(yīng)用捏合到一起是沒有意義的。真正有意義的是從事不同學(xué)科的教師和研究人員工作中的積極深入交流和合作。管理者為實(shí)現(xiàn)這種交流與合作創(chuàng)造環(huán)境和機(jī)會(huì)；研究者要理解交流與合作的意義，進(jìn)而形成氛圍。這樣才能打破學(xué)科的壁壘，也不受學(xué)院、系及實(shí)驗(yàn)室等行政單位的隔離。只有教課、選課無界限，教師可以跨越學(xué)科、學(xué)院系上課，學(xué)生跨越選課，人工智能及類似的廣泛交叉科學(xué)的教學(xué)才能真正系統(tǒng)合理地展開。

人工智能以多個(gè)學(xué)科作為其基礎(chǔ)，人工智能也應(yīng)用于社會(huì)生活和生產(chǎn)的眾多領(lǐng)域。來自各個(gè)學(xué)科，從事不同應(yīng)用領(lǐng)域的研究者們的合作當(dāng)然可以產(chǎn)生創(chuàng)造性，但我們也不應(yīng)該忽視人工智能在側(cè)重于某一個(gè)學(xué)科或某一個(gè)研究領(lǐng)域的深入發(fā)展。更主要的是一所大學(xué)，不可能涉獵人工智能的各個(gè)領(lǐng)域，通常只在其中的一個(gè)或幾個(gè)方面更擅長(zhǎng)，有長(zhǎng)期從事研究的教師，有專業(yè)實(shí)驗(yàn)室。所以，教學(xué)中應(yīng)該在保證基礎(chǔ)知識(shí)覆蓋面的基礎(chǔ)上，對(duì)擅長(zhǎng)的領(lǐng)域深入講解，并配合實(shí)驗(yàn)。使學(xué)生不但了解了人工智能的各個(gè)方面，而且深入學(xué)習(xí)了某一個(gè)或幾個(gè)領(lǐng)域。重要的是通過這一個(gè)或幾個(gè)領(lǐng)域的深入學(xué)習(xí)，掌握了深入研究的科學(xué)方法，激發(fā)了對(duì)科學(xué)，對(duì)人工智能發(fā)自內(nèi)心深處的興趣。

對(duì)于當(dāng)前階段，我國(guó)高校計(jì)算機(jī)相關(guān)專業(yè)本科和碩士研究生開設(shè)的通識(shí)性的人工智能課，通常課時(shí)不多，有專業(yè)人工智能實(shí)驗(yàn)室的也不多，所以在基礎(chǔ)理解和方法講授基礎(chǔ)上，大作業(yè)就顯得尤為重要。為了開闊學(xué)生的視野，挖掘?qū)W生的潛力，最好采用雙語教學(xué)，即使不是雙語教學(xué)，也要鼓勵(lì)學(xué)生登錄世界著名的人工智能網(wǎng)站，論壇和社區(qū)。經(jīng)常登錄國(guó)外著名大學(xué)的相關(guān)實(shí)驗(yàn)室網(wǎng)站。使學(xué)生在學(xué)習(xí)過程中，思想開放，思維活躍，對(duì)人工智能充滿興趣。

4 結(jié)語

人工智能技術(shù)的蓬勃發(fā)展和廣泛應(yīng)用迫切需要大學(xué)提供高質(zhì)量的人工智能人才。為了使我國(guó)在人工智能領(lǐng)域不重蹈?jìng)鹘y(tǒng)科技領(lǐng)域落后的覆轍，人工智能教學(xué)應(yīng)該以開放的思想，和國(guó)際接軌。教學(xué)中應(yīng)盡可能采用雙語教學(xué)，通過國(guó)外大學(xué)人工智能相關(guān)實(shí)驗(yàn)室網(wǎng)站、國(guó)際著名的論壇和社區(qū)，了解國(guó)外技術(shù)發(fā)展、教學(xué)內(nèi)容和教學(xué)方法。教學(xué)中使用國(guó)際權(quán)威教材是必要的，是和國(guó)際接軌重要渠道。來自于不同學(xué)科、不同專業(yè)及不用應(yīng)用領(lǐng)域的教師，要打破原有學(xué)科、學(xué)院及系和實(shí)驗(yàn)室的限制，積極溝通合作；教師能夠跨越管理壁壘教學(xué)，學(xué)生也應(yīng)該可以在全校內(nèi)選課。讓人工智能這一交叉科學(xué)分支，擁有各學(xué)科有機(jī)融合的發(fā)展基礎(chǔ)。教學(xué)中要根據(jù)學(xué)生的專業(yè)背景和層次以及教師擅長(zhǎng)的研究方向，選定合適的教學(xué)內(nèi)容。決定教學(xué)的范圍和那些方面做深入探討，安排實(shí)驗(yàn)或大作業(yè)。讓學(xué)生了解人工智能廣泛知識(shí)的基礎(chǔ)上，掌握深入研究的技能方法。為社會(huì)培養(yǎng)出合格的人工智能人才。