卓漢逵

（中山大學(xué) 計算機學(xué)院，廣東 廣州 510006）

0 引言

教育部于2018 年4 月發(fā)布了《高等學(xué)校人工智能創(chuàng)新行動計劃》（簡稱《行動計劃》）［1］，以引導(dǎo)高校加強開展前瞻性和引領(lǐng)性科技研究，提升高校在人工智能領(lǐng)域人才培養(yǎng)和科技創(chuàng)新能力，在基礎(chǔ)研究和原創(chuàng)成果上取得突破?！缎袆佑媱潯诽岢觥叭斯ぶ悄?X”人才培養(yǎng)模式，提出到2020 年建設(shè)100 個“人工智能+X”復(fù)合特色專業(yè)，建立50家人工智能學(xué)院、研究院或交叉研究中心。國家關(guān)于人工智能出臺的各項政策，為高校積極開展人工智能交叉應(yīng)用學(xué)科建設(shè)提供了政策性保障，并帶來人工智能交叉應(yīng)用發(fā)展的新機遇。

國內(nèi)外人工智能交叉應(yīng)用已經(jīng)取得了很多成果［5］。人工智能（AI）被稱為科學(xué)的革命性工具［6-7］，并被預(yù)測將在未來的研究中發(fā)揮創(chuàng)造性作用［8］。例如，人工智能已被用于幫助解決量子化學(xué)相關(guān)問題［9］。研究者們也針對人工智能方法是否能夠代替人類進行科學(xué)實驗，并在根本層面上為獲得新的科學(xué)發(fā)現(xiàn)作出貢獻等問題進行了探討［10-16］。文獻［17］采用科學(xué)哲學(xué)中對“科學(xué)理解”的定義，結(jié)合科學(xué)家的幾十個軼事，繪制出人工智能輔助科學(xué)理解的3個維度。

人工智能交叉應(yīng)用人才培養(yǎng)具有不同于其他學(xué)科的挑戰(zhàn)性。首先，交叉應(yīng)用知識覆蓋面廣，學(xué)生往往需要在缺乏背景知識的情況下從零開始學(xué)習(xí)全新知識；其次，對學(xué)生跨領(lǐng)域交叉學(xué)習(xí)和對比學(xué)習(xí)的思維要求高，發(fā)現(xiàn)和理解人工智能與應(yīng)用領(lǐng)域的交叉點對學(xué)生來說挑戰(zhàn)較大；最后，人工智能交叉應(yīng)用強調(diào)應(yīng)用性，對學(xué)生動手能力、解決實際問題能力的要求高。

本文針對大學(xué)人工智能交叉應(yīng)用教學(xué)面臨的挑戰(zhàn)，分析人工智能交叉應(yīng)用的社會需求，介紹人工智能技術(shù)方法體系、應(yīng)用領(lǐng)域痛點問題、教學(xué)對象差異等，并進一步介紹其與人工智能交叉應(yīng)用人才培養(yǎng)的關(guān)系，最后闡述面向高校不同專業(yè)學(xué)生的人工智能交叉應(yīng)用課程教學(xué)內(nèi)容體系、教學(xué)方法和實踐經(jīng)驗，提出教、學(xué)、用、創(chuàng)等相融合的觀點。

1 人工智能交叉應(yīng)用人才培養(yǎng)需求分析

根據(jù)工業(yè)與信息化部牽頭編寫的《人工智能產(chǎn)業(yè)人才發(fā)展報告》［2］，我國人工智能產(chǎn)業(yè)人才隊伍存在以下問題：①人工智能人才供需結(jié)構(gòu)不平衡，人才需求缺口大，人才崗位類型和技術(shù)方向與企業(yè)需求之間存在顯著錯位現(xiàn)象；② 人工智能人才供需質(zhì)量不平衡，人才質(zhì)量難以滿足企業(yè)對創(chuàng)新型、復(fù)合型人才的需求；③人工智能人才供需區(qū)域不平衡，京津冀地區(qū)、長三角地區(qū)和粵港澳大灣區(qū)是我國人工智能產(chǎn)業(yè)的人才集聚地，而部分欠發(fā)達地區(qū)缺乏人工智能人才，制約了人工智能產(chǎn)業(yè)本地化的發(fā)展。這三方面問題除由于人工智能人才自身培養(yǎng)不足外，還有一個重要原因是人工智能人才與應(yīng)用領(lǐng)域之間存在著難以跨越的鴻溝。換句話講，我國不僅需要培養(yǎng)大量人工智能人才，而且更重要的是培養(yǎng)能夠真正有效服務(wù)于應(yīng)用領(lǐng)域、實現(xiàn)人工智能交叉應(yīng)用的人才。

1.1 教學(xué)內(nèi)容需求分析

人工智能交叉應(yīng)用教學(xué)的目標(biāo)是促進人工智能與不同學(xué)科領(lǐng)域的交叉應(yīng)用，因此決定了其涉及的教學(xué)內(nèi)容需覆蓋不同學(xué)科背景的學(xué)生。因不同學(xué)科背景的學(xué)生對自己學(xué)科以外的知識內(nèi)容接受程度各異，為使人工智能交叉應(yīng)用的教學(xué)內(nèi)容適用于不同背景的學(xué)生，如何精心設(shè)計相關(guān)教學(xué)內(nèi)容是開展人工智能交叉應(yīng)用教學(xué)的重要挑戰(zhàn)。

1.2 教學(xué)對象需求分析

人工智能交叉應(yīng)用教學(xué)對象是來自不同學(xué)科背景的學(xué)生，可能包括文科和理工科。對于文科背景的學(xué)生，人工智能交叉應(yīng)用可為其提供了解如何利用人工智能技術(shù)協(xié)助解決文科研究中面臨問題的機會，為拓展AI 與人文結(jié)合的相關(guān)研究作出貢獻；對于理工科非人工智能背景的學(xué)生，人工智能交叉應(yīng)用可為其提供解決本學(xué)科中挑戰(zhàn)問題的新思路；對于人工智能背景的學(xué)生，人工智能交叉應(yīng)用可為其提供了解人工智能可能涉及的交叉應(yīng)用領(lǐng)域及其相關(guān)挑戰(zhàn)問題的機會?？偠灾?，人工智能交叉應(yīng)用教學(xué)對象涉及范圍廣、差異性明顯。

2 人工智能交叉應(yīng)用教學(xué)內(nèi)容

總體而言，人工智能交叉應(yīng)用涉及3 方面內(nèi)容：人工智能基礎(chǔ)方法、應(yīng)用領(lǐng)域痛點問題、人工智能基礎(chǔ)方法與應(yīng)用領(lǐng)域痛點問題的結(jié)合。下面分別從人工智能角度看應(yīng)用領(lǐng)域和從應(yīng)用角度看人工智能技術(shù)體系兩方面對人工智能交叉應(yīng)用教學(xué)內(nèi)容進行介紹，最后介紹兩個人工智能交叉應(yīng)用案例。

2.1 從人工智能角度看應(yīng)用領(lǐng)域

人工智能涉及的交叉應(yīng)用領(lǐng)域較多。首批重慶市“人工智能+”學(xué)科群項目覆蓋的國民經(jīng)濟行業(yè)［3］及其對應(yīng)的人工智能交叉學(xué)科包括：①信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)（智能通信）；②制造業(yè)（智能制造）；③農(nóng)、林、牧、漁業(yè)（智能農(nóng)業(yè)）；④采礦業(yè)（智慧能源）；⑤金融業(yè)（智能金融）；⑥交通運輸、倉儲和郵政業(yè)（智能交通）；⑦租賃和商務(wù)服務(wù)業(yè)（智能商務(wù)）；⑧教育（智能教育）；⑨衛(wèi)生和社會工作（智慧健康）；⑩文化、體育和娛樂業(yè)（智能設(shè)計）；?水利、環(huán)境和公共設(shè)施管理業(yè)（智能生態(tài)）。

賈佳［4］選取了2016 年1 月-2020 年10 月，美國國家科學(xué)基金會（NSF）計算機與信息科學(xué)學(xué)部（CISE）、美國國家科學(xué)基金會工程學(xué)部（ENG）、歐盟研究委員會/歐盟委員會（ERC&EC）、英國工程和自然科學(xué)研究委員會（EPSRC）、日本JSPS（學(xué)術(shù)振興會）5 個基金資助機構(gòu)在人工智能領(lǐng)域的基金研究項目，包括如下領(lǐng)域：①教育；②心理學(xué)/精神病學(xué)/神經(jīng)科學(xué)；③商業(yè)/管理；④地球與環(huán)境科學(xué)；⑤計算機科學(xué)與信息學(xué)；⑥工程；⑦健康：牙科/護理/藥學(xué)；⑧臨床醫(yī)學(xué)；⑨物理；⑩生物科學(xué)；?建筑環(huán)境規(guī)劃；?數(shù)學(xué)科學(xué)；?地理與環(huán)境；?化學(xué)；?農(nóng)業(yè)/獸醫(yī)/食品科學(xué)；?體育/運動科學(xué)&休閑與旅游。

綜合目前人工智能與各個領(lǐng)域的交叉應(yīng)用情況分析，人工智能交叉應(yīng)用可分為與產(chǎn)業(yè)的交叉以及與學(xué)科的交叉，具體如圖1所示。

2.1.1 AI+產(chǎn)業(yè)

對于“AI+產(chǎn)業(yè)”，每個交叉應(yīng)用舉例如下（因為每個交叉應(yīng)用領(lǐng)域可研究的問題較多，這里只列舉一些交叉應(yīng)用的例子以供參考）。

（1）AI+金融：根據(jù)金融機構(gòu)和被投資人信息，建立智能投顧系統(tǒng)。

（2）AI+通訊：根據(jù)網(wǎng)絡(luò)通信現(xiàn)狀，建立智能路由調(diào)度模型，優(yōu)化網(wǎng)絡(luò)通信質(zhì)量。

（3）AI+商務(wù)：根據(jù)商業(yè)數(shù)據(jù)，建立智能模型，預(yù)測市場行為、客戶消費習(xí)慣、產(chǎn)品銷量等，最終建立智能決策模型，以輔助商務(wù)決策。

Fig.1 Artificial intelligence cross-application areas圖 1 人工智能交叉應(yīng)用領(lǐng)域

（4）AI+教育：根據(jù)學(xué)生學(xué)習(xí)情況，建立智能決策模型，針對性地為學(xué)生提供個性化教育。

（5）AI+制造：根據(jù)產(chǎn)品需求和產(chǎn)能情況，建立智能規(guī)劃調(diào)度模型，實現(xiàn)制造流程的動態(tài)優(yōu)化調(diào)度。

（6）AI+設(shè)計：根據(jù)設(shè)計信息和工藝信息，建立智能設(shè)計模型，自動設(shè)計出符合需求的產(chǎn)品。

（7）AI+醫(yī)療：根據(jù)病人癥狀和檢查指標(biāo)信息，建立智能輔助醫(yī)療模型，輔助醫(yī)生給出診斷結(jié)果。

（8）AI+交通：根據(jù)當(dāng)前交通情況，建立紅綠燈智能調(diào)度模型，以提高交通效率。

（9）AI+文化：根據(jù)文化相關(guān)的互聯(lián)網(wǎng)數(shù)據(jù)和智能終端傳播特點，建立智能文化生成模型，創(chuàng)作生產(chǎn)優(yōu)質(zhì)、多樣、個性化的數(shù)字文化內(nèi)容產(chǎn)品。

（10）AI+農(nóng)業(yè)：根據(jù)環(huán)境和農(nóng)作物信息，建立智能種植決策模型，有效調(diào)節(jié)農(nóng)作物生產(chǎn)環(huán)境和供給，以提高農(nóng)作物產(chǎn)量和質(zhì)量。

（11）AI+能源：根據(jù)能源相關(guān)信息，建立智能規(guī)劃系統(tǒng)，實現(xiàn)能源材料自主開發(fā)以及能量效率最大化的自治系統(tǒng)。

（12）AI+生態(tài)：根據(jù)環(huán)境數(shù)據(jù)進行城市環(huán)境質(zhì)量智能預(yù)報預(yù)警、城市生態(tài)資源及環(huán)境狀況智能分析和評估，構(gòu)建生態(tài)環(huán)境智能治理新模式。

2.1.2 AI+學(xué)科

對于“AI+學(xué)科”，每個交叉應(yīng)用舉例如下（同樣的，因為每個交叉應(yīng)用領(lǐng)域可研究的問題較多，這里只列舉一些交叉應(yīng)用的例子以供參考）。

（1）AI+法學(xué)：基于知識系統(tǒng)、理性思辨和法律邏輯，研究如何在工作中應(yīng)用人工智能，促進法院審判智能化。

（2）AI+經(jīng)濟學(xué)：在復(fù)雜多變的經(jīng)濟學(xué)領(lǐng)域，研究如何將人工智能應(yīng)用于經(jīng)濟學(xué)中涉及的博弈、機制設(shè)計、行為經(jīng)濟等問題的智能解決。

（3）AI+教育學(xué)：運用人工智能技術(shù)，實現(xiàn)智能化感知、智能化教育評價、智能化推薦數(shù)字教育資源，實現(xiàn)個性化學(xué)習(xí)等。

（4）AI+文學(xué)：研究人工智能文學(xué)創(chuàng)作和文學(xué)鑒賞，甚至實現(xiàn)人工智能與人的智能協(xié)作進行文學(xué)創(chuàng)作和文學(xué)鑒賞。

（5）AI+歷史學(xué)：研究AI 如何幫助歷史學(xué)家更好地解讀銘文，以助力對古代歷史的論證與理解。

（6）AI+農(nóng)學(xué)：根據(jù)農(nóng)業(yè)復(fù)雜環(huán)境，研究輔助耕作、播種和采摘等特定動作的智能機器人，實現(xiàn)土壤與病蟲害智能探測、氣候災(zāi)難預(yù)警等智能識別系統(tǒng)，以提高產(chǎn)出和工作效率，同時減少農(nóng)藥和化肥的使用。

（7）AI+醫(yī)學(xué)：研究AI 如何快速、準(zhǔn)確地標(biāo)記異常情況，提高圖像分析效率，實現(xiàn)輔助診斷、虛擬護理、工作流程優(yōu)化等。

（8）AI+軍事：根據(jù)復(fù)雜的軍事環(huán)境，研究并實現(xiàn)軍用人工智能機器翻譯系統(tǒng)、艦船作戰(zhàn)管理系統(tǒng)、智能電子戰(zhàn)系統(tǒng)、自動情報與圖像識別系統(tǒng)等。

（9）AI+管理學(xué)：研究在現(xiàn)有條件下，如何利用人工智能通過合理地組織和調(diào)度人、財、物等因素，提高生產(chǎn)力水平。

（10）AI+藝術(shù)學(xué)：研究如何讓人工智能與經(jīng)典藝術(shù)家進行協(xié)作，依據(jù)一定的邏輯進行藝術(shù)創(chuàng)作。

（11）AI+工學(xué)：研究如何利用人工智能技術(shù)輔助工程學(xué)科涉及的流程調(diào)度、參數(shù)設(shè)置、對象識別等問題的求解。

（12）AI+理學(xué)：研究如何利用人工智能技術(shù)輔助解決定理證明、科學(xué)規(guī)律發(fā)現(xiàn)等問題。

從上面列舉的人工智能交叉應(yīng)用例子可以看出，人工智能涉及的應(yīng)用領(lǐng)域非常廣泛，對開展人工智能交叉應(yīng)用教學(xué)提出了很大挑戰(zhàn)。

2.2 從應(yīng)用角度看人工智能技術(shù)體系

從應(yīng)用角度看人工智能，從根本上講，主要有兩方面內(nèi)容：①人工智能是否可代替人做一些相對單一而又重復(fù)性強的任務(wù)；②人工智能是否可幫助人解決一些計算量大、對智力要求高的困難問題。對于第一方面，一個典型例子是機器人的應(yīng)用，例如清掃機器人代替人做清潔、識別機器人代替人作各種票據(jù)檢測、問答機器人代替人進行客服回答等；對于第二方面，一個典型例子是規(guī)劃與調(diào)度應(yīng)用，例如化學(xué)逆合成路徑規(guī)劃、應(yīng)急資源規(guī)劃與調(diào)度、智能制造生產(chǎn)規(guī)劃、定理證明過程規(guī)劃等。

為實現(xiàn)以上兩方面內(nèi)容，主要的人工智能基礎(chǔ)方法可以分為兩大類：學(xué)習(xí)和推理。學(xué)習(xí)指計算機通過歷史經(jīng)驗（數(shù)據(jù)）自動獲取知識。根據(jù)學(xué)習(xí)得到知識的表示形式不同，可分為符號知識學(xué)習(xí)和非符號知識學(xué)習(xí)。其中，符號知識學(xué)習(xí)指具有一定實際意義的符號之間的關(guān)系學(xué)習(xí)，如邏輯關(guān)系學(xué)習(xí)、規(guī)則學(xué)習(xí)等，具體學(xué)習(xí)方法包括貝葉斯網(wǎng)絡(luò)學(xué)習(xí)、馬爾科夫邏輯網(wǎng)絡(luò)學(xué)習(xí)、智能規(guī)劃模型學(xué)習(xí)等；非符號知識學(xué)習(xí)主要指基于神經(jīng)網(wǎng)絡(luò)的函數(shù)映射學(xué)習(xí)，例如深度學(xué)習(xí)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。利用學(xué)習(xí)得到的知識進行推理，主要涉及的人工智能推理方法有貝葉斯推理、邏輯推理、約束可滿足性推理、智能規(guī)劃推理等。如何針對不同應(yīng)用領(lǐng)域教學(xué)對象開展人工智能技術(shù)內(nèi)容的系統(tǒng)性、針對性教學(xué)，是一個極具挑戰(zhàn)性的任務(wù)。

2.3 人工智能交叉應(yīng)用案例

這里介紹兩個人工智能交叉應(yīng)用案例，以直觀說明人工智能交叉應(yīng)用涉及的教學(xué)內(nèi)容。整體上講，每個交叉應(yīng)用教學(xué)內(nèi)容應(yīng)包括領(lǐng)域背景教學(xué)和相關(guān)人工智能技術(shù)教學(xué)，具體如下：

2.3.1 人工智能與化學(xué)合成

（1）領(lǐng)域背景教學(xué)。在醫(yī)藥領(lǐng)域，人工智能的典型應(yīng)用分為兩方面：一是新型分子設(shè)計（De Novo Molecular Design），即指定目標(biāo)藥物，讓人工智能模型尋找具有相似性質(zhì)的新型分子；二是合成路徑規(guī)劃（Synthesis Pathway Planning），即給定目標(biāo)化合物，使用模型分析其合成路徑，即如何由基本、可購買的有機分子，在何種反應(yīng)條件下，經(jīng)過多步化學(xué)反應(yīng)合成得到目標(biāo)分子。新型分子設(shè)計以及合成路徑規(guī)劃都具有重要的實際應(yīng)用價值。一方面，很多現(xiàn)存藥物雖然具有良好的治療效果，但是制造成本較高，如果能設(shè)計出具有類似化學(xué)性質(zhì)且制造成本較低的替代型藥物，將給無數(shù)患者帶來福音；另一方面，一些從動植物身上提取出來的天然有機物對于特殊疾病治療具有較好效果，但難以高效地對其進行人工合成。因此，對于這些有機成分進行合成路徑分析具有重要的研究及應(yīng)用價值。除可應(yīng)用于醫(yī)藥領(lǐng)域外，新型分子設(shè)計以及合成路徑規(guī)劃的方法在食品、材料等領(lǐng)域也具有重要的應(yīng)用價值，例如可用于設(shè)計毒性更低的新型防腐劑、具有更優(yōu)性能的助燃劑等。相比于新型分子設(shè)計，合成路徑規(guī)劃是更基本的研究領(lǐng)域。其基本思想是通過現(xiàn)有化學(xué)反應(yīng)數(shù)據(jù)抽取化學(xué)反應(yīng)模板（見圖2），并針對反應(yīng)模板，利用人工智能自動計算得到合成路徑。

Fig.2 Reaction template extraction 圖2 反應(yīng)模板抽取

（2）人工智能技術(shù)教學(xué)。合成路徑規(guī)劃問題最常用的解決思路就是逆向分解，即從目標(biāo)化合物出發(fā)，不斷逆向分解得到更基本的分子，直到所有分子都已是可獲得的基本分子。在沒有使用機器進行輔助之前，化學(xué)家在進行合成路徑規(guī)劃時，需要根據(jù)自身知識經(jīng)驗推測可用于分解目標(biāo)產(chǎn)物的反應(yīng)。然而，由于化學(xué)反應(yīng)的復(fù)雜性以及每個化學(xué)家知識的局限性，即使是一個經(jīng)驗豐富的化學(xué)家，將一個全新的化合物分解得到其合成路徑也不是一件容易的事。因此，使用機器輔助人類完成這一耗時耗力的任務(wù)，具有重要的實際意義。使用機器輔助進行合成路徑規(guī)劃的想法在上世紀(jì)末便被正式提出，從那時起，化學(xué)、生物以及計算機領(lǐng)域的專家們都致力于推進該領(lǐng)域的發(fā)展。由于化學(xué)反應(yīng)條件復(fù)雜，且有機化學(xué)分子數(shù)量巨大，導(dǎo)致搜索空間巨大，所以合成路徑規(guī)劃問題是一個具有重大意義卻也充滿挑戰(zhàn)的研究熱點。在研究初期，大多數(shù)研究者提出的方法是基于規(guī)則的，而沒有大的突破。后來隨著人工智能的發(fā)展，研究者們提出一系列混合規(guī)則與機器學(xué)習(xí)模型的方法，但存在計算效率低以及模型效果差等問題。直到近年來機器學(xué)習(xí)方法尤其是深度學(xué)習(xí)方法不斷取得新突破，越來越多基于深度學(xué)習(xí)的模型被應(yīng)用于合成路徑規(guī)劃領(lǐng)域。實際上，合成路徑規(guī)劃任務(wù)需要尋找一個多步的路徑，其中的關(guān)鍵一環(huán)就是對于單步分解的預(yù)測，即給出一個目標(biāo)化學(xué)物作為產(chǎn)物，找到能夠合成該產(chǎn)物的反應(yīng)物集合，該任務(wù)也稱為逆向合成預(yù)測（Retrosynthesis Prediction）。

2.3.2 人工智能與中醫(yī)應(yīng)用

（1）領(lǐng)域背景教學(xué)。中醫(yī)是中國古代科學(xué)的結(jié)晶，是中華名族五千年歷史文化的載體，一直守護著中華民族的健康。依據(jù)《肘后備急方》等中醫(yī)藥古籍，屠呦呦團隊創(chuàng)新性地利用提取出青蒿素并用于治療瘧疾，獲得了世界的認(rèn)可。在新型冠狀病毒疫情期間，超九成的新冠肺炎確診病例采用了中醫(yī)藥治療。同時，利用中醫(yī)藥具有的“治未病”特性，中醫(yī)藥可有效幫助密切接觸者提高免疫力，抵御病毒。眾多古典書籍《本草綱木》和《肘后備急方》等記載了大量中草藥及中藥方劑信息，但這些書籍及互聯(lián)網(wǎng)上垂直網(wǎng)站的信息多為非結(jié)構(gòu)化的數(shù)據(jù)存在，不利于計算機理解中醫(yī)藥知識。而且這些書籍的內(nèi)容描述不統(tǒng)一，致使中醫(yī)藥數(shù)據(jù)多源異構(gòu)，嚴(yán)重阻礙了中醫(yī)藥的發(fā)展。例如，“麻黃”在《神農(nóng)本草經(jīng)》有多種稱呼，如“龍沙”“狗骨”“卑相”等。本文希望利用知識圖譜技術(shù)結(jié)構(gòu)化文本數(shù)據(jù)，融合多源中醫(yī)藥知識構(gòu)建一個相對完整、統(tǒng)一的中醫(yī)藥知識圖譜。同時，利用已有的醫(yī)藥知識充分挖掘隱藏的知識在醫(yī)學(xué)領(lǐng)域也具有重要的研究價值。鏈接預(yù)測（Link Prediction）常用于知識圖譜補全，挖掘知識圖譜中隱含的知識。

（2）人工智能技術(shù)教學(xué)。與此同時，《肘后備急方》等書籍中記錄了眾多中醫(yī)醫(yī)案信息，根據(jù)患者病癥相關(guān)信息輔助醫(yī)生決策推薦中藥方劑已經(jīng)越來越受到重視。根據(jù)中醫(yī)醫(yī)案信息推薦中藥材，可將此問題建模成文本分類問題。文獻［18］提出一種基于中醫(yī)知識圖譜的文本分類模型用于生成中醫(yī)方劑中的中藥材種類。中醫(yī)的診斷過程講究“望聞問切”，根據(jù)癥候推斷出疾病及相應(yīng)的用藥方案。具體地，醫(yī)生通過“望聞問切”確定患者癥狀。在病例中，醫(yī)生根據(jù)患者的癥狀微惡風(fēng)寒、發(fā)熱重、有汗、鼻塞、苔薄黃、脈浮數(shù)有力等癥狀推斷出患者身患風(fēng)熱感冒。隨后，醫(yī)生通過結(jié)合疾病、癥狀與自己的中醫(yī)知識給定了治療方法：辛涼解表、疏風(fēng)清熱和宣肺利氣化痰。確定治療方法后，醫(yī)生開具中醫(yī)藥方劑治療患者。在整個診斷、治療過程中，醫(yī)生通過自己的知識梳理了病癥、疾病、中藥材三者之間的聯(lián)系。模型利用知識圖譜自動構(gòu)建上述過程中病癥、疾病、中藥材這些實體之間的語義關(guān)系，同時利用中醫(yī)醫(yī)案中的文本信息輔助醫(yī)生決策，提供與患者信息相關(guān)的方劑信息。

3 人工智能交叉應(yīng)用教學(xué)實踐

下面首先列舉一個筆者在進行人工智能課程教學(xué)過程中采用教學(xué)方式的案例，再對其進行總結(jié)。

筆者擔(dān)任人工智能原理和人工智能實驗兩門課程的教師時，嘗試采用多種方式交叉融合的教學(xué)方法。具體地，除理論教學(xué)外，也側(cè)重了理論與實踐應(yīng)用的教學(xué)。嘗試采用三階段指導(dǎo)教學(xué)方法，包括：①選題指導(dǎo)；②算法實驗指導(dǎo)；③成果展示指導(dǎo)。具體如下：

（1）在選題指導(dǎo)階段，筆者指導(dǎo)學(xué)生（2～3 名學(xué)生一組）閱讀最新的人工智能頂級會議或期刊論文，結(jié)合學(xué)生興趣選擇較前沿的研究題目，并做好選題的前人工作論證。通過該階段可擴大學(xué)生知識面，也有利于鍛煉學(xué)生快速接收新知識的能力和創(chuàng)新能力。該過程體現(xiàn)了寓教于學(xué)的教學(xué)思想，通過指導(dǎo)學(xué)生學(xué)習(xí)如何選題，閱讀最新文獻，把握研究現(xiàn)狀，實現(xiàn)教育學(xué)生主動學(xué)習(xí)和探索的目的。同時體現(xiàn)了寓學(xué)于教的教學(xué)思想，通過與學(xué)生探討最新研究現(xiàn)狀，教師在教的過程中也學(xué)習(xí)到新知識，達到教學(xué)相長的目的。

（2）在算法實驗階段，筆者指導(dǎo)學(xué)生設(shè)計解決題目問題的改進算法（結(jié)合理論教學(xué)中介紹的算法），同時指導(dǎo)學(xué)生熟悉現(xiàn)有人工智能的開源工具包和開發(fā)框架，使得學(xué)生可動手實現(xiàn)算法，開展實驗測試。通過該階段可培養(yǎng)學(xué)生的動手能力。該過程體現(xiàn)了寓學(xué)于用的教學(xué)思想，學(xué)生在實際動手解決應(yīng)用問題的過程中，強化了理論知識的學(xué)習(xí)。同時體現(xiàn)了寓用于學(xué)的教學(xué)思想，學(xué)生在實驗過程中需要學(xué)習(xí)很多新的實驗工具，從而達到提高其解決應(yīng)用問題能力的目的。

（3）在成果展示階段，筆者指導(dǎo)學(xué)生如何撰寫論文或報告、如何通過海報墻展形式展示自己的研究成果。通過成果展示，培養(yǎng)學(xué)生的總結(jié)能力和表達能力。該過程體現(xiàn)了寓新于用的教學(xué)思想，通過激發(fā)學(xué)生對應(yīng)用結(jié)果的總結(jié)和反復(fù)思考，以海報墻展方式與同學(xué)和專家進行交流，促進對進一步創(chuàng)新探索的思考，從而提升自身的創(chuàng)新能力。同時體現(xiàn)了寓用于新的教學(xué)思想，在探索創(chuàng)新的過程中，牢牢緊扣實際應(yīng)用，進一步加強解決實際應(yīng)用問題的能力。

經(jīng)過以上三階段，學(xué)生形成了63 組研究成果（本科20組、研究生43 組）。為了給學(xué)生提供一個更好的展示環(huán)境，組織了第一次中山大學(xué)人工智能學(xué)生成果墻展研討會，邀請4 位具有較深厚人工智能研究背景的專家對成果進行評分，包括南洋理工大學(xué)博士后、密西根大學(xué)與上海交通大學(xué)聯(lián)合研究所助理教授、香港科技大學(xué)博士后、美國馬里蘭大學(xué)博士后等。同時，也邀請校內(nèi)外人工智能相關(guān)專業(yè)的教師和學(xué)生前來交流。

該案例所展示的教學(xué)模式適用于人工智能交叉應(yīng)用教學(xué)。在人工智能交叉應(yīng)用教學(xué)過程中，采用如下教學(xué)方法：

（1）寓教于學(xué)，寓學(xué)于教。在學(xué)習(xí)中寄托教育的作用，以達到教育的目的；在教育中寄托學(xué)習(xí)的作用，以達到學(xué)習(xí)的目的。

（2）寓學(xué)于用，寓用于學(xué)。在應(yīng)用中寄托學(xué)習(xí)的作用，以達到學(xué)習(xí)的目的；在學(xué)習(xí)中寄托應(yīng)用的作用，以達到應(yīng)用的目的。

（3）寓新于用，寓用于新。在應(yīng)用中寄托創(chuàng)新的作用，以達到創(chuàng)新的目的；在創(chuàng)新中寄托應(yīng)用的作用，以達到應(yīng)用的目的。

通過應(yīng)用上述教學(xué)方法，筆者當(dāng)年任教的班級畢業(yè)時，全班51 位學(xué)生中，共有70%成功升學(xué)攻讀碩士研究生（8 位同學(xué)成功申請國外研究生），其余的學(xué)生都成功任職于不錯的企事業(yè)單位，其中約90%的學(xué)生從事人工智能相關(guān)行業(yè)或研究方向的工作，一定程度上體現(xiàn)了該教學(xué)方法的有效性。

4 結(jié)語

本文介紹了人工智能交叉應(yīng)用教學(xué)涉及的教學(xué)內(nèi)容和教學(xué)方法，從人工智能交叉應(yīng)用需求、人工智能技術(shù)體系、應(yīng)用領(lǐng)域、教學(xué)對象差異等方面分析了人工智能交叉應(yīng)用人才培養(yǎng)問題，并介紹了課程教學(xué)實踐經(jīng)驗和方法，提出教、學(xué)、用、創(chuàng)等相融合的教學(xué)思想。人工智能交叉應(yīng)用側(cè)重應(yīng)用與創(chuàng)新的融合，但本文并未介紹實現(xiàn)這一目標(biāo)的具體教學(xué)方式，希望在未來開展人工智能交叉應(yīng)用教學(xué)過程中，繼續(xù)不斷豐富和創(chuàng)造行之有效的教學(xué)方式。