人工智能课程教学实践与探索研究
来源:用户上传
作者:
摘要：随着人工智能在全球掀起新一波浪潮，人工智能教育也成为各国发展人工智能极为重视的一个主题。本文针对人工智能的学科特点，分析了当前人工智能教学领域中存在的问题，并针对性地提出了在教学内容、教学方式与考核方式三个方面进行教学改革的方法，完善了人工智能课程的教学与实践相结合的教育理念，对本领域的教学改革方式进行了探索性的研究。
关键词：人工智能;课程建设;教学改革
中图分类号：G642 文献标识码：A
文章编号：1009-3044（2019）17-0126-02
开放科学（资源服务）标识码（OSID）：
人工智能是计算机科学的一个分支，主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统等。和很多其他学科不同，人工智能这个学科的诞生有着明确的标志性事件，就是1956 年的达特茅斯（Dartmouth）会议。在这次会议上，“人工智能”被提出并作为本研究领域的名称。同时，人工智能研究的使命也得以确定。John McCarthy 提出了人工智能的定义：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。
近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及，这也使得人工智能技术再次成为社会各行各业的讨论热点。在20世纪80年代，人工智能的概念已经提出就被社会广泛讨论，然而受限于人工智能技术自身、计算机硬件能力等因素，其在社会生活中最大的贡献仅为大量相关电影、小说的兴起。然而，随着人工智能理论技术的不断完善，以及大数据、云计算等相关领域的相辅相成，随着AlphaGo在围棋领域的连战连胜，人工智能以更为真实的姿态展现在人们触手可及的生活领域。从车牌识别、人脸识别、语音识别、智能问答、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地使用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者们的长期努力。目前，以深度学习为首的相关技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。
正因为如此，人工智能教育也成为各国发展人工智能极为重视的一个主题。中国，作为全球人工智能发展的重要阵地，在2017年颁布了《新一代人工智能发展规划》。在这样的时代背景下，人工智能领域急切需要大量的人才，这也使得人工智能领域的人才培养成为当前教育领域的重要发展方向。为落实《国务院关于印发新一代人工智能发展规划的通知》，教育部于2018年4月发布了《高等学校人工智能创新行动计划》通知，要求（高校）面对新一代人工智能发展的机遇，要进一步强化基础研究、学科发展和人才培养方面的优势，要进一步加强应用基础研究和共性关键技术突破，……，不断推动人工智能与教育深度融合、为教育变革提供新方式，从而引领我国人工智能领域科技创新、人才培养和技术应用示范，带动我国人工智能总体实力的提升。
为了填补当前本领域人才需求的巨大缺口，教育部于2019年3月30日在官网正式发布公告，北京科技大学、上海交通大学等35所高校获批新增“人工智能”本科专业，授予工学学位，四年制。获批的除了南京大学、上海交通大学等教育部直属高校，哈尔滨工业大学、北京理工大学等工信部直属高校，还包括中北大学、中原工学院、华南师范大学等由各省主管的高校。同时，有众多高校新增备案或者获批与大数据、机器人相关的专业，其中包括“数据科学与大数据技术”“机器人工程”“大数据管理与应用”等。这些人工智能专业开设为如何更好地完成人工智能课程的教学，以及通过人工智能的课程培养应用型、创新性人工智能人才方面提出了更大的挑战。
1 学科特点及存在的问题
从学科特点来看，人工智能是一门涉及计算机科学、数学、脑科学等众多领域的交叉学科。作为一门新兴学科，人工智能发展十分迅速。因此作为一门独立课程，人工智能课程具有以下的几个基本学科特点：
1）新颖性，人工智能领域的新技术层出不穷，仅深度学习一个热门分支在arxiv上每天都有数百篇新论文，各项技术都具有很强的新颖性;
2）覆盖范围广，交叉性强，医学、经济学、交通管理、情报分析……各行各业各个领域都在用人工智能技術解决独特的问题;
3）难度大，基本要在数学分析、概率论、统计学领域有较好的基础，同时熟练掌握计算机领域的绝大部分专业知识。
基于人工智能学科的这三个主要特点，在开展人工智能课程教学过程中，相应的问题也随之浮现。随着人工智能领域的不断发展，现有技术日益完善，新的技术层出不穷，这就要求人工智能课程的设置能够与学科发展相适应。与国外高水平大学（如斯坦福大学、麻省理工学院等）相比，国内高校在人工智能课程体系设置等方面仍存在着一定的滞后性，存在的问题主要包括以下几个方面：
1）教材选取问题。
市面上人工领域的教材种类繁多，包含了大量的国内学者、国内从业人员和外文翻译等著作，然而绝大部分的教材均无法直接用于人工智能课程的教学。有些外文翻译教材存在术语翻译不规范、语句逻辑不符合中文规则、逻辑性较差等问题，严重影响学生的阅读与学习，国内教材也往往有类似的问题存在。且人工智能领域知识繁多，内容覆盖极广，直接将这些知识写入教材之中，更容易出现章节繁多、内容繁杂，将教材写成工具书甚至百科全书类型，且知识点难易差别较大，学生无法清晰掌握知识内涵。
2）教学形式单一。
目前，传统的教育模式依然是课堂教育的主流方法，而面对知识面广、知识难度深的人工智能课程，单一的课堂教学模式往往使得学生在被动的知识接收过程中缺乏参与感和独立钻研的过程，学习积极性不高，所学的内容也容易停留于表面，无法深入的理解和应用。
3）理论与实践脱节。
人工智能是一门具有极强的理论性和实践性的课程，与算法、操作系统、统计学等理论知识，以及计算机组成原理、硬件配置、操作系统等实践领域紧密相连。特别是在思维模式上，涉及计算思维和数据思维等多种思维方法，与其对应的各种知识点都与实践应用必不可分。然而在当前高校教学方面，人工智能实验的大规模开展所需要的实验环境往往尚未搭建成功，课程实践部分开展难度较大。仅凭借理论学习，学生的学习效果和实际动手能力得不到很好的培养，课程效果也不理想。 针对上述存在问题，结合当前信息产业对人工智能人才的需求，本文探讨了针对性地调整人工智能学科教学实践的具体方法，以提高学生面向当前智能化环境下创新地学习并使用人工智能工具并解决问题的实践能力为重点，期望因此培养符合出更符合当前人工智能浪潮所需的创新型人才。
2教学改革的措施与途径
笔者根据自己的课程教学实践以及有关调研资料，总结了目前人工智能教学实践中存在的问题，从以下三个方面开展人工智能课程的教学改革：
2.1 优化教学内容
从教师的角度，该课程要求教师对人工智能课程体系有深入的研究，对当前人工智能领域的前沿技术均有所了解，能够构建出人工智能课程的知识体系和知识图谱，对人工智能在感知、学习、认知三个方面有系统的学习和归纳总结。具体来说，在机器模拟人的感知方面，主体研究领域为语音信息处理和计算机视觉领域;在机器模拟人的学习方面，主体研究领域为监督学习、无监督学习、强化学习等;在机器模拟人的认知能力方面，主题研究领域为知识表示、自然语言理解、推理决策等。
从课程的设置角度，该课程要求理论与实践相结合，需要结合理论进度设置大量的实践课程。特别是在算法部分，理论部分涉及大量的数学基础，很多算法对非数学专业的计算机学生来说掌握起来比较困难。所以，教师应该在教学过程中穿插足够的课堂演示与实践课程，选择使用R、Python等语言，结合案例教学法针对规模较小的实验数据集进行编程、调试与演示。这些语言已经大量被人工智能研究领域的学者所使用，并在其基础之上开发了大量的扩展包，因而可以适当降低编程实践中的数学理论部分，让学生更为直观的通过编程加强对课程内容的掌握，在产生了兴趣之后能够更好地参与到学习与实践的过程中。
2.2 改进课堂教学方式
为了更好地鼓励学生自主高效地参与到学习过程之中，在基本的课堂教学与实践的基础之上，建议用项目管理与项目开发的思想贯彻整个教学过程。具体来说，从课程开始，就可以利用简单的人工智能手段（如聚类算法）通过收集到的学生数据对学生信息进行处理，然后利用数据分析结果进行学生的分组。在课程的教学和实践过程中，每个小组以团队的形式进行知识学习与项目编写。在通过这种方法从课程之初就让学生对人工智能的特点和应用有了直观的认识，吸引到学生的好奇心之后，再以其作为线索，通过课程的进展一步一步揭示其中所用到的算法与思想，让学生对人工智能的领域知识及知识之间的关联有直观的认知，加强学生对这门课程的理解与掌握。而在课程中对学习小组进行模拟企业形式的管理与考核，进一步提高课堂教学的效果。
2.3 创新考核方式
人工智能课程由于其独有的学科特点，传统的单一试卷考核方式对其适应性并不好，教师难以通过一张考卷掌握学生的学习情况，也很难让学生通过考核对其学到的知识进行梳理。因此，对本门课程的考核应当本着以学生为中心的理念，设置多元化的考核方式。除了传统课程的出勤和随堂作业等方式以外，还可以从学习成果汇报、项目开发、学术研究等几个方面进行综合考评。学习成果汇报的主要形式是幻灯片的展示，学生将自己的学习成果与技术学习收获等信息制作成幻灯片的形式，并在课堂上进行展示与答辩。同样，学生可以选择在人工智能领域的一个具体的应用场景（如车牌识别、智能机器人等）进行自主的设计与开发，这种开发可以不苛责于完成一个全新的算法或者理论思想，也可以通过现有的模块与算法完成这些领域的验证性设计。这样多元化的考核方式不仅对学生的学习效果和动手能力进行了考核，也同时考核了学生的专业素质，加强学生的科研能力。
3 结语
随着人工智能领域的不断发展，尤其是人工智能在电子商务、生物医学、金融经济、数字农业等多个领域的应用，人工智能领域的人才缺口日益增大，对人才本身素质的要求也不断增高，更为合理成熟的人工智能领域人才培养迫在眉睫。然而人工智能领域现有技术不断成熟，新技术不断发展，这也为人工智能领域的教学提出了更为苛责的要求。本文虽然对人工智能课程体系与教学方法进行了多方面的探讨与研究，解决并完善了当前本领域的核心问题，但是仍然存在许多的不足。希望在之后的教学实践与探索中，我们能够针对人工智能领域的学科特点与研究现状，不断完善教学手段和教学方法，培养出符合国家和企业需求的合格人才。
参考文献：
[1] 周全.關于高校人工智能人才培养的思考与探索[J].教育教学论坛，2019（16）：131-132.
[2] 王洪，洪铃.大数据背景下数据挖掘理论课程教学思考[J].现代商贸工业，2018，39（20）：142-144.
[3] 张伟，程颖.基于大数据技术的研究生教育管理系统构建与应用——以西部某综合型高校为例[J].贵州大学学报（社会科学版），2018，36（02）：134-138.
[4] 胡春龙，吴陈，左欣，陈建军，王长宝.研究生“机器学习”课程教学改革研究[J].教育教学论坛，2019（10）：99-100.
[5] 张晖.研究生“人工智能”双语课程的建设思考[J].电脑知识与技术，2014，10（15）：3599-3
【通联编辑：光文玲】
转载注明来源:https://www.xzbu.com/8/view-14954368.htm
