李凌 張碩

摘要：隨著人工智能技術(shù)的不斷發(fā)展，高校里相關(guān)專業(yè)課程也在不斷地建設(shè)中。本文從多個不同方面對人工智能的課程建設(shè)進(jìn)行分析和研究，明確了把握人工智能的發(fā)展趨勢和內(nèi)涵、依托人工智能實驗平臺進(jìn)行教與學(xué)共建、進(jìn)行人工智能專業(yè)課的課程內(nèi)容建設(shè)和依托實驗平臺建立學(xué)生的長效學(xué)習(xí)機制等教學(xué)體系構(gòu)建的方法和途徑。

關(guān)鍵詞：高校教學(xué);人工智能;教學(xué)體系;計算機

文章編號：1009-3044（2020）34-0092-02

隨著深度學(xué)習(xí)算法的出現(xiàn)和不斷發(fā)展，人工智能已經(jīng)逐漸成為一門獨立的學(xué)科。國內(nèi)外很多高校開始陸續(xù)開設(shè)人工智能的專業(yè)課程，甚至建設(shè)獨立的人工智能院系和專業(yè)。但是由于該學(xué)科還比較新，發(fā)展還不完善，對于課程體系的構(gòu)建還沒有統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范。

根據(jù)筆者多年高校的教育經(jīng)驗，結(jié)合當(dāng)前高校的發(fā)展趨勢與人工智能的學(xué)科背景和內(nèi)涵，在構(gòu)建人工智能教學(xué)體系的過程中可以從以下幾個方面進(jìn)行考量和實施。

1 充分了解人工智能的發(fā)展趨勢和學(xué)科背景

人工智能是研究使計算機來模擬人的思維過程和智能行為的學(xué)科，它以計算機為基礎(chǔ)，包含了心理學(xué)、語言學(xué)、生理學(xué)甚至哲學(xué)等各大學(xué)科領(lǐng)域的知識。近些年隨著深度學(xué)習(xí)相關(guān)算法的不斷發(fā)展，人工智能技術(shù)逐步成為最炙手可熱的科學(xué)研究方向之一。

美國在2019年2月發(fā)布了啟動美國人工智能計劃的13859號行政令，緊接著2019年6月又發(fā)布最新版的“國家人工智能研發(fā)戰(zhàn)略規(guī)劃”，修訂了相關(guān)的發(fā)展戰(zhàn)略，具體包括：對人工智能研究進(jìn)行長期投資、建立標(biāo)準(zhǔn)和基準(zhǔn)評估人工智能技術(shù)、更好地把握國家人工智能研發(fā)人才需求等?？梢姡绹呀?jīng)把人工智能的教育和人才培養(yǎng)提高到了國家戰(zhàn)略層面。在我國，人工智能的發(fā)展建設(shè)也一直得到了社會各界和政府的極大關(guān)注。人工智能在2017年、2018年連續(xù)兩年被寫入政府工作報告，同時也發(fā)布了《新一代人工智能發(fā)展規(guī)劃》的政府文件，工業(yè)和信息化部隨后發(fā)布《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃》，逐步確立了人工智能技術(shù)在我國經(jīng)濟科學(xué)發(fā)展中的重要地位，明確了人工智能發(fā)展的方向和路線。

人工智能的發(fā)展離不開高校人工智能教學(xué)體系的構(gòu)建，目前我國在人工智能的高等教學(xué)過程中還存在以下問題：缺乏學(xué)科和專業(yè)層面的建設(shè)導(dǎo)致教學(xué)分散，教材、教學(xué)大綱等教學(xué)資源還不統(tǒng)一，師資缺口較大，教學(xué)實驗平臺的建設(shè)依賴進(jìn)一步的校企合作等，需要在課程體系建設(shè)的過程中充分考慮以上問題并著手進(jìn)行解決。

2 基于人工智能實驗平臺的教與學(xué)共建

人工智能的概念提出較早，但是在卷積神經(jīng)網(wǎng)絡(luò)CNN的相關(guān)算法提出以前，人工智能相關(guān)技術(shù)本身并無實質(zhì)性發(fā)展。在近幾年基于卷積神經(jīng)網(wǎng)絡(luò)CNN的算法概念提出以后，人工智能相關(guān)技術(shù)才得到了飛速發(fā)展，也拉動了相關(guān)專業(yè)領(lǐng)域人才的需求。因此，由于相關(guān)技術(shù)的發(fā)展時間并不長，導(dǎo)致人工智能相關(guān)專業(yè)的人才緊缺不僅僅體現(xiàn)在學(xué)生和相關(guān)課程的缺失，更重要的是體現(xiàn)在教師資源的缺失上。

此外，人工智能相關(guān)技術(shù)的學(xué)習(xí)門檻也較高，其一是因為軟件算法原理既需要良好的數(shù)學(xué)微積分、統(tǒng)計概率學(xué)等基礎(chǔ)理論知識，也需要計算機視覺、數(shù)字語音信號處理、自然語言處理等進(jìn)階知識儲備作為擴展;其二是因為人工智能的學(xué)習(xí)高度依賴第三方的框架和平臺，包括以tensorflow和pytorch為代表的軟件算法框架和以Nvidia Geforce系列GPU為代表的硬件平臺，想要學(xué)好人工智能相關(guān)技術(shù)，就要求學(xué)習(xí)者對于相應(yīng)的框架和平臺有著較好的理解。

考慮到以上學(xué)科特性，在具體實施的時候可以以教學(xué)選用的人工智能教學(xué)實驗平臺為依托，同時建設(shè)教師的師資培訓(xùn)和學(xué)生的課堂學(xué)習(xí)兩條路線，最后以構(gòu)建完備的課程體系和學(xué)習(xí)生態(tài)為目標(biāo)，完成人工智能在高校內(nèi)相關(guān)教學(xué)工作的任務(wù)。其中，人工智能教與學(xué)實驗平臺的選用是體系構(gòu)建的重點，也是體系構(gòu)建的基礎(chǔ)所在。在充分平衡課程建設(shè)的時效性和經(jīng)濟性的前提下，可以考慮引入第三方企業(yè)，進(jìn)行校企“輕合作”，以高校充分發(fā)揮課程建設(shè)的自主性、充分利用高?，F(xiàn)有軟硬件資源為考量，與企業(yè)一起搭建和定制人工智能教與學(xué)實驗平臺;也可以考慮引入第三方開源實驗平臺配合完成相關(guān)工作。

教師、學(xué)生和實驗平臺三者通過廣泛的教學(xué)活動緊密聯(lián)系在一起，這里包括：教師基于實驗平臺做教學(xué)設(shè)計、對自有教師做人工智能相關(guān)的師資培訓(xùn)、以平臺為基礎(chǔ)進(jìn)行科研工作，學(xué)生基于實驗平臺做課堂學(xué)習(xí)、利用平臺資源做課外實踐、根據(jù)所學(xué)知識積極參加人工智能相關(guān)學(xué)科競賽，最后是教師和學(xué)生互相之間可以進(jìn)行教學(xué)指導(dǎo)和學(xué)習(xí)反饋。

3 開展人工智能專業(yè)課的課程內(nèi)容建設(shè)

在高校計算機專業(yè)領(lǐng)域，人工智能課程的學(xué)習(xí)應(yīng)該更加注重實踐編程能力，適當(dāng)弱化算法相關(guān)的理論知識，尤其是生物學(xué)相關(guān)的神經(jīng)網(wǎng)絡(luò)知識和數(shù)學(xué)相關(guān)的算法推導(dǎo)流程。在教學(xué)過程中，將課程重點放在基于開源框架的算法編碼流程、算法調(diào)試和實驗數(shù)據(jù)運行等與計算機專業(yè)相關(guān)的知識點上，引導(dǎo)學(xué)生關(guān)注基于人工智能的實際應(yīng)用場景和工程實現(xiàn)，為將后來在學(xué)科競賽或出校后的工作上用到人工智能相關(guān)知識做好充分準(zhǔn)備。

人工智能的專業(yè)課程一般首先在計算機相關(guān)專業(yè)開設(shè)，基本的教學(xué)目標(biāo)是：通過課程的教學(xué)，讓學(xué)生了解人工智能的發(fā)展歷史和趨勢，掌握人工智能的基礎(chǔ)概念、研究內(nèi)容和重要算法，掌握基礎(chǔ)的機器學(xué)習(xí)和深度學(xué)習(xí)的算法原理，掌握人工智能在計算機視覺、數(shù)字語音和自然語言處理等應(yīng)用領(lǐng)域的經(jīng)典算法，掌握基于python和keras的人工智能編程基礎(chǔ)等。

根據(jù)以上教學(xué)目標(biāo)，可以對課程內(nèi)容進(jìn)行以下幾個方面的詳細(xì)設(shè)計：

（1）充分開展課堂互動的理論教學(xué)

人工智能學(xué)科相關(guān)的理論知識相對比較艱深難懂，尤其對于基礎(chǔ)相對薄弱的本科學(xué)生來說，要在短時間內(nèi)消化所有的理論知識，尤其是算法原理和推導(dǎo)，這是存在一定困難的。這就要求教師在進(jìn)行教學(xué)設(shè)計的時候，充分考慮學(xué)科知識的特性，考慮學(xué)生對所學(xué)知識的承受能力，以課堂互動為核心開展理論教學(xué)。

在python編程知識方面，可以引導(dǎo)學(xué)生回顧既往python基礎(chǔ)編程課程的相關(guān)內(nèi)容，以典型語句編碼來進(jìn)行示例講解相關(guān)知識點;在算法原理方面，可以通過圖片形式展示經(jīng)典機器學(xué)習(xí)的不同算法示意圖，通過圖片對比不同算法的區(qū)別，引導(dǎo)學(xué)生總結(jié)不同算法的優(yōu)缺點;在算法模型搭建方面，可以通過視頻形式演示深度學(xué)習(xí)網(wǎng)絡(luò)在算法運行不同階段時的內(nèi)部變化，尤其是數(shù)據(jù)的收斂隨著迭代次數(shù)的變化特性，引導(dǎo)學(xué)生通過動態(tài)影像來記憶模型算法特點;在人工智能應(yīng)用場景方面，可以依托人工智能實驗教學(xué)平臺，根據(jù)已有的經(jīng)典數(shù)據(jù)集，演示算法運行的結(jié)果，引導(dǎo)學(xué)生在算法結(jié)果準(zhǔn)確度、算法復(fù)雜度、算法時間特性等方面進(jìn)行總結(jié)和對比記憶。

（2）依托人工智能實驗平臺的階段式上機環(huán)節(jié)

上機實驗環(huán)節(jié)是課程教學(xué)的重要一環(huán)，在學(xué)生初步熟悉了人工智能學(xué)科的理論知識之后，適當(dāng)?shù)木幊躺蠙C可以提高學(xué)生的動手能力，強化相關(guān)知識點的記憶，讓學(xué)生對知識點的掌握真正達(dá)到所學(xué)可以致用的程度。

根據(jù)課程課時設(shè)置和教學(xué)班安排，可以適當(dāng)安排合理的上機次數(shù)，在上機環(huán)節(jié)中設(shè)置以下內(nèi)容：基于python數(shù)據(jù)科學(xué)的進(jìn)階編程，內(nèi)容包括以numpy、scipy、pandas、matplot.lib等數(shù)據(jù)處理，尤其是高維數(shù)據(jù)處理為主的python編程;基于keras的卷積神經(jīng)網(wǎng)絡(luò)CNN算法模型搭建及實現(xiàn)，內(nèi)容以keras的編程，卷積神經(jīng)網(wǎng)絡(luò)CNN的經(jīng)典模型搭建為主;基于人工智能的目標(biāo)檢測算法演示及實現(xiàn)，內(nèi)容涉及經(jīng)典的人工智能目標(biāo)檢測算法YOLO或SDD的算法實現(xiàn)，經(jīng)典數(shù)據(jù)集例如COCO數(shù)據(jù)集的講解和使用，模型參數(shù)更新的實現(xiàn)及算法原理，算法最終效果展示等。此外還包括人工智能在數(shù)字語音和自然語言處理等應(yīng)用領(lǐng)域的算法研究及實現(xiàn)。

（3）以知識應(yīng)用為導(dǎo)向的課程考核

人工智能課程的考核方式應(yīng)重點考慮基礎(chǔ)理論知識和實踐應(yīng)用的合理占比，適當(dāng)減少需要硬背的知識點的考察，提高知識應(yīng)用和思維發(fā)散為特點的知識考核比重。

在課程考核的設(shè)置過程中，既要考慮課程目標(biāo)對于人才培養(yǎng)計劃的支撐作用，也要考慮課程教學(xué)過程中知識點講解的拆分情況，根據(jù)課程的學(xué)習(xí)目標(biāo)和學(xué)習(xí)內(nèi)容，結(jié)合上機環(huán)節(jié)和平時課堂考察來設(shè)計完備的課程考核方案

4 依托人工智能實驗平臺的學(xué)生長效學(xué)習(xí)機制建立

人工智能相關(guān)學(xué)科的知識內(nèi)容基礎(chǔ)要求比較高，僅靠課堂內(nèi)的學(xué)習(xí)是不足以完全滿足整個學(xué)科方向的知識學(xué)習(xí)的，還需要適當(dāng)?shù)恼n外實踐來做補充。具體來說，課堂內(nèi)的學(xué)習(xí)是基礎(chǔ)，是引導(dǎo)學(xué)生進(jìn)入人工智能學(xué)科殿堂的一張門票，它的重要性是毋庸置疑的。這就要求學(xué)生必須專心學(xué)習(xí)課程知識，掌握扎實的理論基礎(chǔ)，掌握實踐上機的方法和編碼流程，充分熟悉并了解人工智能的應(yīng)用方向和前景，并將所學(xué)知識可以用于自己就業(yè)和讀研深造等實際領(lǐng)域。

課堂外的實踐活動是延伸，也是課堂內(nèi)學(xué)習(xí)活動的補足。例如，有些人工智能的算法比較復(fù)雜，同時算法運算需要消耗大量的時間和硬件算力，這些過程學(xué)生很難在課堂內(nèi)完成;這就可以利用課外實踐，借助人工智能學(xué)習(xí)實驗平臺，遠(yuǎn)程對算法進(jìn)行調(diào)用和監(jiān)控，從而完成整個的學(xué)習(xí)流程。再例如，隨著人工智能的飛速發(fā)展，有些算法是處于不斷更新迭代和完善的狀態(tài);課堂內(nèi)的教學(xué)內(nèi)容尤其是上機環(huán)節(jié)無法做到和算法的迭代做到完全同步，這就要求學(xué)生可以通過課外時間，在教師的指導(dǎo)下閱讀相關(guān)論文和github上相關(guān)的開源代碼，借助實驗平臺來完成最新算法的效果演示，從而對課堂內(nèi)的學(xué)習(xí)做補足。

綜上所述，在高校進(jìn)行人工智能相關(guān)課程的教學(xué)體系建設(shè)時，需要充分了解人工智能的發(fā)展趨勢和學(xué)科背景、基于人工智能的教與學(xué)共建、開展人工智能專業(yè)課的課程內(nèi)容建設(shè)并依托人工智能實驗平臺建立學(xué)生的長效學(xué)習(xí)機制。高校的人工智能教學(xué)還有待從多方面進(jìn)行探索和研究，這就需要高校教育者們在探索過程中不斷發(fā)現(xiàn)問題并尋找問題的解決辦法，最終完成相關(guān)教學(xué)體系的完善和建立。

參考文獻(xiàn)：

[1] 紀(jì)莉莉. 人工智能教學(xué)系統(tǒng)的探討[J]. 福建電腦， 2005（7）：156-157.

[2] 王甲海， 印鑒， 凌應(yīng)標(biāo). 創(chuàng)新型人工智能教學(xué)改革與實踐[J]. 計算機教育， 2010（15）：140-142+152.

[3] 孫沛. 人工智能在教學(xué)中應(yīng)用的探討[J]. 內(nèi)蒙古師范大學(xué)學(xué)報：自然科學(xué)版， 2003.

[4] 邵雪冰. 基于問題解決的"中學(xué)人工智能"教學(xué)實踐的研究[D]. 東北師范大學(xué).

[5] 謝榕， 李霞. 人工智能課程教學(xué)案例庫建設(shè)及案例教學(xué)實踐[J]. 計算機教育， 2014（19）：92-97.

【通聯(lián)編輯：王力】