面向本科生科研能力培养的人工智能方向课程体系建设
来源:用户上传
作者:
摘要：人工智能已经渗透到科学的各个领域，成为信息类专业一个重要的教学和科研方向。在分析人工智能发展和应用的基础上，提出人工智能方向的课程体系建设方案，从人工智能基础课程、技术课程和应用课程三个方面进行课程建设，同时采用启发式教学方法，强调理论学习和实践应用相结合，对本科生科研能力和创新能力进行培养，为以后进行相关科学研究打下良好基础。
关键词：人工智能;科研能力;本科教学
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2019）51-0064-02
人工智能是关于知识的科学，即知识的表示、知识的获取以及知识的应用。人工智能已经渗透到科学的各个领域，成为信息技术不可缺少的重要组成部分，对于计算机、自动化、通信等很多信息类专业，人工智能也逐步成为一个重要的教学和科研方向[1-2]。
一、人工智能的发展和应用
人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学。人工智能最早一次的興起是在1956年至1974年，以命题逻辑、谓词逻辑等知识表达、启发式搜索算法为代表。20世纪80年代初又兴起了第二次热潮，以专家系统、知识工程、医疗诊断为代表。随后人工智能虽然进入了寒冬，但是并没有消失，而是分化为不同的研究领域，包括：计算机视觉、自然语言理解、认知科学、机器学习、机器人学，这些领域各自独立发展壮大。第三次热潮是由最近两年兴起的深度学习推动的，2019年3月27日，深度学习三位开拓者因“在概念和工程方面使深度神经网络成为计算的关键组成部分的突破”获得了2018年的图灵奖[3]。
人工智能的发展，使得我们所处的世界正在逐渐变为一个崭新的世界，人工智能的应用主要包括：（1）在智能监控领域的应用，主要是利用图像进行人或车辆行为的识别和判断，并在一定条件下产生报警，例如安防监控、门禁考勤、异常行为报警等。（2）在智能交通系统的应用，人工智能为交通大数据的分析提供了有效的解决方案，例如在自动车牌识别、自动违章识别、自动泊车、车流量和行车速度监控、无人驾驶等方面已经获得了成功应用。（3）在智能家居领域，人工智能推动了家居生活产品的智能化，包括照明系统、影音系统、能源管理系统、安防系统等。（4）在医学领域，人工智能在医学影像识别、临床医疗智能决策、医疗智能语音、疾病预测、药物开发以及“互联网+”医疗等方面已获得成功应用。（5）在教育领域，人工智能已经渗透到教研、教学、练习、测评以及管理五个环节，例如通过图像识别可以进行机器批改试卷;通过语音识别可以纠正和改进发音，通过人机交互可以协助老师为学生进行在线答疑。
二、人工智能方向的课程体系建设
在本科人才培养方案改革中，我们建立了人工智能教学和研究方向，开设了八门课程，其中两门人工智能基础课程、三门人工智能技术课程、三门人工智能应用课程。其中人工智能基础课程包括“人工智能导论”和“人工智能数学基础”，人工智能核心技术包括“机器学习”、“神经网络和深度学习”和“最优化算法”，人工智能应用包括“数字图像处理”、“自然语言处理”和“语音信号处理”。由于人工智能类课程的实用性很强，除了需要掌握方法原理以外，对所学方法进行实践也同等重要，所以授课学时和实验学时采用1∶1的比例。
人工智能方向课程的教学目标包括：（1）使学生了解和掌握各门课程的基本内容和概念，理解和掌握相关算法，了解各课程领域的国内外研究现状。（2）使学生具有使用计算机对算法进行编程实现的能力。（3）通过算法理解和编程实现，使学生具有评价算法和改进算法、分析问题和解决问题的能力。（4）通过规范化的实验报告，培养学生规范撰写文档的能力。
人工智能方向课程的考核方式分为平时考核和期末考核，平时考核由上机实验构成，考查学生将算法转换为程序语言的能力、分析实验结果和改进算法的能力以及撰写文档能力，期末考核为开卷或闭卷考试，考查学生对算法的理解和认识。
三、面向本科生科研能力培养的教学方法
人工智能的发展促进了本科专业人才培养，培养了学生多角度思维的能力和逻辑思维能力[4-5]，人工智能方向课程的教学采用启发式教学方法，充分调动学生的学习积极性，实施课内和课外相结合的学习方式，体现研究性学习，让学生了解学科发展前沿，提高学习效果。主要的教学环节包括课堂授课、课后作业、课程实验等。
在课程的教学与学习的过程中，首先重视算法设计思想的讲授，并将各个章节的知识有机地结合在一起;其次，注重引导学生思考算法中存在的问题和解决方法，引导学生思考不同的相关算法之间的关系;再次，加强实践环节，设置相对应的实验，将所学算法进行编程实现，进行实际应用。这些环节相互配合，能够有效培养学生的科研能力，为后续进行相关科学研究打下基础。
1.重视算法思想，理解算法本质。人工智能方向的课程涉及很多算法，对算法的理解，不能只限于算法的实现步骤，而是要真正理解算法的设计思想，以及如何模仿人的智能来进行算法设计。例如k均值聚类算法是人类“物以类聚，人以群分”思想的体现，算法以最小距离分类来实现这个思想，并且以迭代的方式进行类心更新，以不断学习到更准确的聚类;k近邻分类算法利用“少数服从多数”的原则，对每个待分类数据，在训练数据中选择k个近邻，以k个近邻中出现次数最多的类别作为分类结果。
2.引导深入思考，培养创新思维。授课过程中，要引导学生积极思考，思考算法存在的问题及如何改进，思考不同算法之间的关系等等。例如在k均值聚类算法中，随机选择类心可能造成聚类结果不稳定的问题，那么如何进行改进？例如对于不同的流形学习算法，它们之间的关系是什么？掌握好关系有利于发展新的流形学习算法。
3.加强实践环节，解决实际问题。实践环节对于学生科研能力的培养非常重要，通过编写代码，可以更深刻地理解算法，并能够根据实验结果的反馈，来发现和解决算法存在的问题。人工智能类课程的上机实验，要求对算法进行编程实现，并进行实际应用，使学生了解不同算法的应用场景，并面对实际问题进行分析和解决。例如在“机器学习”课程中，以遥感图像分类为主线进行算法实现，解决遥感图像分类中的实际问题;在“最优化方法”课程中，使用算法解决实际的数值优化问题、背包问题、旅行商问题等。
四、结束语
人工智能方向的课程都是理论性和实用性很强的课程，适合对本科生进行科研能力的培养。我们给出信息类专业中人工智能方向的课程建设方案，包括基础课程、核心技术课程以及应用课程的建设。我们采用启发式教学，将授课和实践相结合，使学生全面学习和掌握人工智能技术的理论和应用，并注重学生科研能力的培养，提高学生分析问题和解决问题的能力。
参考文献：
[1]牛轶峰，张国忠，朱华勇.高等院校人工智能课程体系建设刍议[J].高等教育研究学报，2010，33（2）：52-54.
[2]杨高明，陆奎，方贤进.人工智能教学研究探索[J].教育教学论坛.2018，（35）：3-4.
[3]黄弘毅.人工智能发展现状和发展趋势[J].学术研究，2019，（4）：243-244.
[4]俞莉莹.浅析人工智能发展对本科专业人才培养的机遇与挑战[J].教育教学论坛，2018，（47）：198-199.
[5]金聪，刘金安.人工智能教育在能力培养中的作用及改革设想[J].计算机时代，2006，（9）：66-69.
转载注明来源:https://www.xzbu.com/9/view-15089131.htm
