時間：2023-03-27 16:46:36
序論：在您撰寫人工智能課程論文時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導您走向新的創(chuàng)作高度。
1.1集先進性、實用性和前沿性為一體的教學內容改革對國內外優(yōu)秀的人工智能教材[2-6]的內容進行整合，建立人工智能的知識體系，并提取人工智能課程的知識要點，確定集先進性、實用性和前沿性為一體的教學內容。人工智能的核心思想是研究人類智能活動規(guī)律和模擬人類智能行為的理論、方法和技術，因此人工智能應圍繞“智能”這個中心。由于智能本身的復雜性，難以用單一的理論與方法來描述，因此可以通過建立人工智能的不同層次來刻畫智能這個主題。人工智能的主要內容可按圖1所示劃分為最底層、抽象層、邏輯層和應用層這4個不同層次。在最底層，神經(jīng)網(wǎng)絡與演化計算輔助感知以及與物理世界的交互。抽象層反映知識在智能中的角色和創(chuàng)建，圍繞問題求解對知識進行抽象、表示與理解。邏輯層提出學習、規(guī)劃、推理、挖掘的模型與方式。應用層構造智能化智能體以及具有一定智能的人工系統(tǒng)。將人工智能劃分為這4個層次可確定人工智能課程的教學內容，并保證教學內容的循序漸進。
1.2基于人工智能知識體系的教學案例庫建設根據(jù)所確定的教學內容、知識重點和知識難點，從國內外經(jīng)典教材、科研項目、研發(fā)設計、生產(chǎn)建設以及國內外人工智能網(wǎng)站等多種途徑，收集案例素材，加以整理，撰寫各知識要點的教學案例及其內容。表1給出基于人工智能知識體系的教學案例示例。
2人工智能課程教學案例的詳細設計
在教學案例具體設計時應包括章節(jié)、知識重點、知識難點、案例名稱、案例內容、案例分析過程、案例教學手段、思考/討論內容等案例規(guī)范，分別從以下單一案例、一題多解案例和綜合應用案例3種情況進行討論。
2.1單一案例設計以人工智能課程中神經(jīng)網(wǎng)絡課堂教學內容為例，介紹基于知識點的單一案例的設計。神經(jīng)網(wǎng)絡在模式識別、圖像處理、組合優(yōu)化、自動控制、信息處理和機器人學等領域具有廣泛的應用，是人工智能課程的主要內容之一。教學內容主要包括介紹人工神經(jīng)網(wǎng)絡的由來、特性、結構、模型和算法，以及神經(jīng)網(wǎng)絡的表示和推理。這些內容是神經(jīng)網(wǎng)絡的基礎知識。其重點在于人工神經(jīng)網(wǎng)絡的結構、模型和算法。難點是人工神經(jīng)網(wǎng)絡的結構和算法。從教學要求上，通過對該章節(jié)內容的學習，使學生掌握人工神經(jīng)網(wǎng)絡的結構、模型和算法，了解人工神經(jīng)網(wǎng)絡的由來和特性，一般性地了解神經(jīng)網(wǎng)絡的表示和推理方法。采用課件PPT和演示手段，由簡單到復雜，在學生掌握人工神經(jīng)網(wǎng)絡的基本原理和方法之后，再講解反向傳播BP算法，然后運用“手寫體如何識別”案例，引導學生學習理解人工神經(jīng)網(wǎng)絡的核心思想及其應用方法。從國外教材中整理和設計該案例，同時應包括以下規(guī)范內容。章節(jié)：神經(jīng)網(wǎng)絡。知識重點：神經(jīng)網(wǎng)絡。知識難點：人工神經(jīng)網(wǎng)絡的結構、表示、學習算法和推理。案例名稱：手寫體如何識別。案例內容：用訓練樣本集訓練一個神經(jīng)網(wǎng)絡使其推廣到先前訓練所得結果，正確分類先前未見過的數(shù)據(jù)。案例分析過程：①訓練數(shù)字識別神經(jīng)網(wǎng)絡的樣本位圖；②反向傳播BP算法；③神經(jīng)網(wǎng)絡的表示；④使用誤差反向傳播算法訓練的神經(jīng)網(wǎng)絡的泛化能力；⑤一個神經(jīng)網(wǎng)絡訓練完畢后，將網(wǎng)絡中的權值保存起來供實際應用。案例教學手段：手寫體識別的神經(jīng)網(wǎng)絡演示。思考/討論內容：①訓練改進與權值調整改進；②過學習/過擬合現(xiàn)象，即在一個數(shù)據(jù)集上訓練時間過長，導致網(wǎng)絡過擬合于訓練數(shù)據(jù)，對未出現(xiàn)過的新數(shù)據(jù)沒有推廣性。
2.2一題多解案例設計一題多解案例有助于學生把相關知識點聯(lián)系起來，形成相互關聯(lián)的知識網(wǎng)絡。以人工智能課程中知識及其表示教學內容為例，介紹一題多解案例的設計。知識及其表示是人工智能課程三大內容（知識表示、知識推理、知識應用）之一。教學內容主要包括知識表示的各種方法。其重點在于狀態(tài)空間、問題歸約、謂詞邏輯、語義網(wǎng)絡等知識表示方法。難點是知識表示方法的區(qū)別及其應用。從教學要求上，通過對該章節(jié)內容的學習，使學生掌握利用狀態(tài)空間法、問題歸約法、謂詞演算法、語義網(wǎng)絡法來描述和解決應用問題，重點掌握幾種主要知識表示方法之間的差別，并對如何選擇知識表示方法有一般性的了解。通過講解和討論“猴子和香蕉問題”案例，來表示抽象概念。該案例從國內外教材中進行整理和設計，同時包括以下規(guī)范內容。章節(jié)：知識及其表示。知識重點：狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡法等。知識難點：知識表示方法的區(qū)別及其應用。案例名稱：分別用狀態(tài)空間表示法與謂詞邏輯法表示猴子和香蕉問題。案例內容：房間內有一只機器猴、一個箱子和一束香蕉。香蕉掛在天花板下方，但猴子的高度不足以碰到它。猴子如何摘到香蕉？如何采用多種知識表示方法表示和求解該問題？案例分析過程：①狀態(tài)空間法的解題過程。用n元表列表示該問題的狀態(tài)；定義問題的操作算符；定義初始狀態(tài)變換為目標狀態(tài)的操作序列；畫出該問題的狀態(tài)空間圖。②謂詞邏輯法的解題過程。定義問題的常量；定義問題的謂詞；根據(jù)問題描述用謂詞公式表示問題的初始狀態(tài)、中間狀態(tài)和目標狀態(tài)。案例教學手段：猴子和香蕉問題的演示。思考/討論內容：①選擇知識表示方法時，應考慮哪些主要因素？②如何綜合運用多種知識表示方法獲得最有效的問題解決方案?
2.3綜合應用案例設計與單一案例、一題多解案例相比，綜合應用案例能更加有效地啟發(fā)學生全方位地思考和探索問題的解決方法。以機器人行動規(guī)劃模擬為例，介紹人工智能綜合應用案例的設計，該案例包括以下規(guī)范內容。章節(jié)：人工智能綜合應用。知識重點：人工智能的研究方向和應用領域。知識難點：人工智能的技術集成。案例名稱：機器人行動規(guī)劃模擬。案例內容：綜合應用行為規(guī)劃、知識表示方法、機器人學、神經(jīng)網(wǎng)絡、人工智能語言等多種人工智能技術與方法，對機器人行動規(guī)劃問題進行描述和可視化。案例分析過程：①機器人行為規(guī)劃問題求解。采用狀態(tài)歸約法與分層規(guī)劃技術，將機器人須完成的總任務分解為若干依序排列的子任務；依據(jù)任務進程，確定若干關鍵性的中間狀態(tài)，將狀態(tài)對應為進程子規(guī)劃的目標；確定規(guī)劃的執(zhí)行與操作控制，以及機器人過程控制與環(huán)境約束。②基于謂詞邏輯表示的機器人行為規(guī)劃設計。定義表達狀態(tài)的謂詞邏輯；用謂詞邏輯描述問題的初始狀態(tài)、問題的目標狀態(tài)以及機器人行動規(guī)劃過程的中間狀態(tài)；定義操作的約束條件和行為動作。③機器人控制系統(tǒng)。定義機器人平臺的控制體系結構，包括反應式控制、包容結構以及其他控制系統(tǒng)等。④基于神經(jīng)網(wǎng)絡的模式識別。采用神經(jīng)網(wǎng)絡方法以及BP算法對桌面茶壺、杯子等物體進行識別，提取物體圖形特征。⑤機器人程序設計語言。運用人工智能語言實現(xiàn)機器人行動規(guī)劃行為的可視化。案例教學手段：機器人行動規(guī)劃的模擬演示。思考/討論內容：人工智能將會怎樣發(fā)展？應該在哪些方面進一步開展研究？
3案例教學環(huán)節(jié)和過程的具體實施細節(jié)
人工智能案例教學的實施面向筆者所在學院軟件工程專業(yè)三年級本科生展開。具體實施細節(jié)如下。（1）教學內容的先進性、實用性和前沿性。引進和整合國外著名人工智能教材內容，保證課程內容具有先進性。同時將前沿人工智能的研究成果與技術有機地融入課程案例教學之中。（2）案例教學的創(chuàng)新教學模式。在教師的引導下，將案例中涉及的人工智能內容推廣到對人工智能的一般性認識。案例的教學過程，成為認識人工智能、初步運用人工智能的理論與方法分析和解決實際應用問題的過程，使學生具備運用人工智能知識解決實際問題的意識和初步能力。在課程教學中，打破國內常規(guī)教學方式，建立和實施開放式案例教學模式。采用動畫課件、錄像教學、實物演示、網(wǎng)絡教學等多種多媒體教學手段，以及集中講授與專題討論相結合的教學方式將理論、方法、技術、算法以及實現(xiàn)有機結合，感性認識與理性認識相結合，理論與實際相結合，極大地激發(fā)學生自主和創(chuàng)新性學習的熱情。（3）“課堂教學—實踐活動—現(xiàn)實應用”的有機融合。在案例教學過程中，從傳統(tǒng)教學觀以學會為中心轉化為創(chuàng)新應用型教學觀以創(chuàng)新為中心，以及從傳統(tǒng)教學的以課堂教學為中心轉化為以課堂教學與實踐活動并重為中心，構造具體問題場景以及設計教學案例在情境中的現(xiàn)實應用，加深學生對教學內容的理解，同時提高學生的思考能力和實際綜合應用能力。
4結語
>> 研究生人工智能系列課程教學改革 研究生人工智能課程教學探索 研究生“人工智能”課程教學改革探索 人工智能實驗課教學改革研究 人工智能課程全英文教學改革 創(chuàng)新型人工智能教學改革與實踐 《人工智能》碩士課程教學改革的研究與實踐 落實科學發(fā)展觀,深化“人工智能”課程的教學改革 面向人工智能的信息管理與信息系統(tǒng)專業(yè)教學改革 人工智能課程教學方法研究 人工智能的應用研究 日本巨資扶持人工智能研究 人工智能系列課程研究 高中人工智能教學初探 《人工智能》雙語教學初索 人工智能雙語教學建設 人工智能實驗教學探討 “人工智能”之父 人工智能 AI人工智能 常見問題解答 當前所在位置：l(美國人工智能協(xié)會)、caiac.ca/(加拿大人工智能協(xié)會)等，它們包括了學科前沿動態(tài)、討論交流及大量的代碼資源等。通過使用這些資源，學員可及時了解人工智能最新發(fā)展動態(tài)，進行人工智能程序設計的交流及對一些問題進行較為深入的探討。
2教學方法研究
研究生教學應更突出學生的主體地位，注重發(fā)揮其學習的主動性和自覺性，為此，課程組結合課程特點，在教學方法進行了如下探索。
2.1加強教學設計
教學設計就是對教學活動進行系統(tǒng)計劃的過程, 是教什么(課程內容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學過程中，每節(jié)課授課前，堅持集體備課的原則，由課程組集體討論選定授課內容，補充閱讀文獻，根據(jù)授課對象與課程內容特點，確定課堂組織方式，采用的授課方式以研討式教學為主，給合講授、實驗、自學等。
2.2抓好課堂教學環(huán)節(jié)
教學方法與教學手段是保證課堂教學效果的關鍵。本課程授課對象主要為碩士研究生，他們的接受能力較強，有一定的求知欲。由于學員人數(shù)較少，授課方式可靈活組織。教室有完備的多媒體設備，基本的軟件實驗環(huán)境，教學過程可采用靈活教學方法、多種教學手段，提高教學效率，保證授課質量。
1) 以研討式為主的教學方式。研究生教學應堅持學術研究為導向，發(fā)揮學員在學習過程中的主動性和自覺性。由于研究生學員有一定的學習基礎與自學能力，教員可以在課前給學員布置預習內容，學員通過查閱資料、分析整理進而形成自己的觀點，使在課堂教學中師生互動交流成為可能，改變傳統(tǒng)的教員講，學員聽的灌輸式教學方式。研討式教學也有力于培養(yǎng)學員積極思考、創(chuàng)新思維的習慣與能力。
2) 教學手段的信息化。人工智能原理教學一個突出矛盾是知識點多、內容抽象、理論性強，但學時較少，因此，必須發(fā)揮現(xiàn)代教學手段的作用，提高教學效率。為此，課程組對每節(jié)課都精心設計了教學課件，課堂教學中以課件為主，輔以板書，充分利用多媒體信息量大、直觀等優(yōu)點，改善教學效果；引入教學聲像資料，便于學員課下學習；設計演示程序，使部分比較抽象、不易于理解的內容，如子句歸結、搜索策略更形象直觀，易于學習和掌握。
3注重培養(yǎng)學員學術研究能力
學術能力是指專門對某一學問進行系統(tǒng)的哲理或理論研究的能力，它不僅包括思辨的方面，還包括實踐及感性的敏感力等方面。研究生階段學習的一個突出特點是要求學習的主體――研究生必須具備研究的能力[3]。論文寫作是培養(yǎng)、鍛煉、提高研究生的學術能力的重要途徑，在教學實施過程中，要求每個專題學習結束后，都要提交一份格式符合期刊發(fā)表要求的總結報告，題目可自行選定，也可由教員指定；內容既可以是人工智能該專題某一算法的實現(xiàn)，也可以是對某一問題的進一步研究，或者是對該專題最新研究進展的綜述。教員重點在以下幾個方面予以指導。
1) 選題準確。要求選題不能過于宏大，應以小題目反映大問題，具有一定的可研究性為宜。
2) 研究內容。研究目標明確，方法恰當，能夠提出自己的見解，所提觀點正確。
3) 論文結構。結構清晰、完整，論述嚴謹，表達規(guī)范。
4) 占有文獻豐富。撰寫過程中要有意識培養(yǎng)學員查閱科技文獻的能力，要求查閱反映最新研究成果的權威文獻。
4加強實驗環(huán)節(jié)教學
人工智能教學在進行各種理論知識講授的同時，還應重視實踐教學，把抽象的知識轉化為形象、直觀的實驗，讓學員真正理解人工智能的概念、本質、研究目標，從而提高學員多角度思維的能力和邏輯推理能力，進一步了解信息技術、計算機技術發(fā)展的前沿，培養(yǎng)他們對人工智能研究的興趣，激發(fā)對人工智能技術未來的追求。為此，課程組借鑒國內外知名大學人工智能實驗教學經(jīng)驗，編寫了《人工智能原理實驗指導書》，圍繞問題表示、經(jīng)典邏輯推理、不確定推理、搜索策略及簡單專家系統(tǒng)實現(xiàn)等教學內容提供了7組實驗供學員選擇。
例如，在狀態(tài)空間搜索一節(jié)教學過程中，先完成理論部分的教學，使學員對狀態(tài)空間基本概念、問題表示及求解方法有一個準確的認識，然后進行實驗教學。由學員自主完成重排九宮問題求解的程序，初始狀態(tài)和目標狀態(tài)如圖1所示，調整的規(guī)則是，每次只能將與空格(左、上、下、右)相鄰的一個數(shù)字平移到空格中[4]。實驗過程重點指導學員掌握狀態(tài)空間進行問題求解的關鍵步驟：問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序實現(xiàn)的數(shù)據(jù)結構，基本信息有初始狀態(tài)集合、操作符集合、目標檢測及路徑費用函數(shù)，數(shù)據(jù)結構可采用向量、鏈表等形式；搜索策略可分為盲目式搜索和啟發(fā)式搜索，可按照先易后難的原則，先實現(xiàn)盲目搜索中的廣度優(yōu)先及深度優(yōu)先搜索，在此基礎上再定義估價函數(shù)實現(xiàn)啟發(fā)式搜索。而在啟發(fā)式搜索實現(xiàn)過程中，又可以通過定義不同的啟發(fā)函數(shù)：如某狀態(tài)格局與目標節(jié)點格局不相同的牌數(shù)、不在目標位置的牌距目標位置的距離之和等加以比較，準確理解啟發(fā)函數(shù)的意義。通過實驗，學員加深了對課堂講授的理論知識的理解，能夠熟練地將狀態(tài)空間法運用于實際問題的求解，提高了工程實踐能力。
實驗教學組織方式可根據(jù)具體的實驗內容特點，采用上機編程實驗、演示程序驗證、模擬平臺開發(fā)、分組討論等多種形式進行。
5適度開展雙語教學
研究生的英語基礎普遍較好，基本都通過了國家公共英語四級考試，部分學員通過了六級考試，加之在本科階段還開設了專業(yè)英語課程，因此，在培養(yǎng)研究生人工智能知識的同時，我們要提高學員閱讀原版英文資料、用英語進行簡單科技寫作及對外學術交流的能力，適度開展雙語教學，對此，我們可采取以下基本方式。
1) 專業(yè)術語全部用英語表示。
在教學過程中用英語表達人工智能原理中的專業(yè)術語和主要概念，如Knowledge Representation(知識表示)、Depth-First Search(深度優(yōu)先搜索)、Breadth- First Search(廣度優(yōu)先搜索)等。
2) 以英文原版教材為教學參考書。
選定機械工業(yè)出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書，該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點，又給出所有技術的實用指南[5]。”
3) 加強英文文獻的閱讀。
在課程論文撰寫時，要求閱讀一定數(shù)量的外文文獻；在討論課中，鼓勵學員使用英語進行討論。
經(jīng)過課程學習，學員都能準確掌握人工智能學科專業(yè)詞匯，英文運用能力得到一定提高，能較自如地閱讀原版英文專業(yè)資料，為進一步用英文進行學術交流及學術論文寫作打下基礎。
6考試與成績評定改革
考核方式采用傳統(tǒng)的試卷與課程論文、實踐環(huán)節(jié)等三部分組成，全面考查學員對基礎理論知識掌握情況以及理論聯(lián)系實際的能力，其中試卷占70%，課程論文占10%，實踐環(huán)節(jié)占20%。課程論文題目不作限制，由學員在課程學習階段結合某一專題選定題目，課程論文以選題意義、研究內容、論文結構、參考文獻及撰寫規(guī)范等指標為評價依據(jù)；實驗成績采用實驗過程考查、實驗結果驗收和實驗報告評閱相結合的考核方法，綜合評定。這樣做不但考核了學員人工智能基本理論掌握情況，也反映了學員的學術研究能力和工程實踐能力。同時，考核結合實際教學進程，改變了單一課終總結性考核的弊端。
7結語
經(jīng)過課程組近兩年的教學方法研究與教學實踐，研究生人工智能原理課程教學收到較好的效果，但仍存在一些問題，如在課堂討論環(huán)節(jié)，個別學員準備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻綜述不夠全面、準確，論文格式不夠規(guī)范等。在今后的授課中，課程組將根據(jù)授課研究生人數(shù)較少的特點，采取明確每名學員預習重點、加強課程論文交流等方式予以改進，力求取得更好的教學效果。同時，進一步充分利用便利的校園網(wǎng)平臺，開展“人工智能原理”網(wǎng)絡課程建設，購買或自主開發(fā)網(wǎng)絡教學資源，引導學員利用網(wǎng)絡資源進行個性化自主學習，增強教學過程的信息化程度。
參考文獻：
[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學出版社,2002:1.
[2] 李志厚. 國外教學設計研究現(xiàn)狀與發(fā)展趨勢[J]. 外國教育研究,1998(1):6-10.
[3] 肖川,胡樂樂. 論研究生學術能力的培養(yǎng)[J]. 學位與研究生教育,2006(9):1-5.
[4] 周金海. 人工智能學習輔導與實驗指導[M]. 北京:清華大學出版社,2008:204.
[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業(yè)出版社,2009:754.
Reform on Postgradrates Artificial Intelligence Course Teaching
TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei
(Department of Computer Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)
關鍵詞：人工智能技術；教學方法；編程能力
中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中國科協(xié)成立50周年新聞會在北京召開。在新聞會上，“五個10”系列評選活動，即10位傳播科技的優(yōu)秀人物、10部公眾喜愛的科普作品、10個公眾關注的科技問題、10個影響中國的科技事件、10項引領未來的科學技術評選結果揭曉。10項引領未來的科學技術是：基因修飾技術；未來家庭機器人；新型電池；人工智能技術；超高速交通工具；干細胞技術；光電信息技術；可服用診療芯片；感冒疫苗；無線能量傳輸技術。
人工智能技術學科是計算機科學中涉及研究、設計和應用智能機器的一個分支。指人類的各種腦力勞動或智能行為，諸如判斷、推理、證明、判別、感知、理解、通信、設計、思考、規(guī)劃、學習和問題求解等思維活動，可以用某種智能化的機器來予以人工實現(xiàn)[1]。
通過《人工智能技術》課程的學習，使學生對人工智能技術的發(fā)展概況、基本原理和應用領域有深入了解、對主要技術及應用有一定掌握，并對現(xiàn)代人工智能技術發(fā)展的方向有所研究。通過人工智能技術課程的學習與研究，啟發(fā)學生對人工智能技術的興趣，培養(yǎng)知識創(chuàng)新和技術創(chuàng)新能力，并能將人工智能技術融入到今后所開發(fā)的計算機軟件之中。
《人工智能技術》是一門眾多學科交叉的新興課程，其涵蓋范圍廣，涉及知識點多，知識更新快，內容抽象，不容易理解，理論性強，而且需要較好的數(shù)學基礎和較強的邏輯思維能力，這給該課程的講授帶來了一定困難?！度斯ぶ悄芗夹g》也是一門應用型學科，怎樣將理論運用到實踐中，使學生將學到的人工智能技術知識和思想運用到自己的實際課題，這也是該課程需要解決的問題之一。
因此，對《人工智能技術》課程教學來說，我們要了解課程的最新信息，把握課程的特點，幫助學生找到好的學習方法，使他們能充分發(fā)揮自己的創(chuàng)新思維能力，提高學習興趣，該文給出了《人工智能技術》課程的教學與實踐的探索。
2 教學與實踐的探索
2.1 教材和實驗教學內容的選取
1） 人工智能技術是整個計算機科學領域發(fā)展最快，知識更新最快，最前沿的學科之一。在教材選用方面，我們采用了蔡自興教授等主編，由高等教育出版社出版的《人工智能基礎》這本教材。蔡自興教授的主要研究領域為人工智能、機器人學和智能控制等。這本教材是作者在美國國家工程院院士、普度大學教授傅京孫先生的指導和鼓勵下編寫，借鑒了國內外人工智能技術研究領域專家的最新研究成果和學術書籍的長處，該書比較全面地介紹了人工智能技術的基礎知識與技術，材料新，易于理解，兼顧基礎及應用[2]。
此外，我們還給學生自主學習提供多種類型的學習資料，其中包括參考書目，如：Russel S， Norvig P.等編著的《Artificial Intelligence： A Modern Approach》一書，人工智能技術國內外期刊，如電子學報，計算機學報，人工智能與模式識別，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技術會議，使學生能夠掌握人工智能技術的更多前沿動態(tài)，提高學習興趣。
2） 配套的實驗教學內容?！度斯ぶ悄芗夹g》是一門理論性和實踐性都很強的課程，實踐性教學環(huán)節(jié)對該課程尤為重要。除了完成課本上的作業(yè)之外，還注重實驗教學，培養(yǎng)學生的創(chuàng)新能力、算法設計能力和編程能力。首先，每個章節(jié)設置相應的實驗，而實驗內容經(jīng)過嚴格的考慮，如：五子棋游戲，產(chǎn)生式系統(tǒng)，旅行商問題，傳教士和野人問題，BP神經(jīng)網(wǎng)絡實現(xiàn)簡單的分類，遺傳算法、人工生命程序等，要求學生運用所學章節(jié)的知識，獨立地設計和實現(xiàn)實驗內容。實驗報告包括簡述實驗原理及方法，給出程序設計流程圖，源程序清單，實驗結果及分析等內容，通過這種方式，進一步加強學生的信息獲取能力和研究能力。
2.2 教學方法和手段的改革
人工智能技術課程交叉性強，涉及面廣，傳統(tǒng)的教學方法手段單一，缺少交流，課堂氣氛沉悶，激發(fā)不起學生的學習興趣，教學效果不理想。人工智能技術這門課程內容抽象，如何激發(fā)學生的學習興趣是本課程需要解決的主要問題，也是關系教學改革成敗的關鍵。本課程需采用多種方法進行教學，以此來激發(fā)學生的學習興趣。
1） 問題啟發(fā)式教學?！度斯ぶ悄芗夹g》這門課程中有很多似是而非、引人入勝的問題，主要是用計算機模擬人類的智能來解決這種問題。在教學中，有目的的提出這些問題，鼓勵學生思考，提出自己的想法和解決方案，并進行分析和比較，這樣強化學生的主動學習意識，提高學習積極性[3]。
2） 個性化學習和因材施教。學生中存在計算機專業(yè)和非計算機專業(yè)本科畢業(yè)的差別，由于他們每個人的基礎不同，有的計算機知識比較匱乏，因此有必要針對每個學生的學習進度，課堂作業(yè)和實驗報告情況進行及時評估，對學生提出個性化的教學。例如：在實驗教學中，要求有能力和興趣的學生可以做探究性和創(chuàng)新性的附加實驗，從而引導學生發(fā)揮個性的空間，而對稍微吃力的學生則要求完成基本的實驗，更注重基礎知識的學習和夯實，這樣就能達到因材施教的目的。同時對不同層次的學生進行分析，進一步提出學習建議，并進行有針對性的指導。
3） 多媒體使用和多學科知識的融合。本課程PPT課件圖文并茂，提綱挈領，便于學生理解。課堂講授、板書與PPT手段相結合，注重課程中的關鍵詞用英文表示，并適當指定英文參考書，使學生能夠接觸國外文獻資料，加深對學習內容的理解，獲得更寬廣的知識。PPT課件運用了大量多媒體技術，如動畫、聲音、圖像，通過動畫和視頻演示抽象的概念、算法和過程，使人工智能技術中抽象的知識形象化，在課件中融入了文學，歷史等其他學科的相關知識，便于學生較好地理解知識難點和重點[4]。
4） 師生互動和課內外答疑。在教學中，改變了傳統(tǒng)的老師講，學生聽的教學模式。針對人工智能技術的實用性，適當提問，收集學生學習情況，盡量使用實例進行講解。設置了實驗講解互動課程，對于實驗的講解，學生可以提出疑問，然后在課堂上展開討論，學生可以看到問題從提出、分析到解決的整個過程，讓學生自己在討論中總結結論。為了解決教學中存在的疑難問題，還設有課后答疑，使學生能將所有的問題都理解透徹。
5） 理論研究與實踐結合。在教學內容的安排上，注重學生的理論研究和動手能力，適當布置一些課程相關的論文和實驗編程。通過課程論文，可以培養(yǎng)學生鉆研問題的興趣； 通過查閱科技文獻使學生掌握如何查找相關文獻的技能，可以培養(yǎng)學生撰寫科技論文的能力。通過實驗實踐，使學生可以更加清楚地了解人工智能技術基本概念和難點，也能了解算法的設計具體運行過程，并對其進行驗證，提高了學生的編程能力和和學習興趣。
6） 考試考核方式改革。本課程的考核考試也是一個值得探討的問題，本課程應采用多種綜合考試方法，注重學生對基礎概念、知識和基本的技能的掌握以及理論聯(lián)系實際的能力。平時作業(yè)考核成績，實驗實踐教學成績、提交課程論文成績，以及最后的期末考試成績形成一種有效的考試考核方法，促進學生主動學習，提高教學質量。實驗的評價指標在于算法設計、編程的準確性和實驗結果及分析。課程論文評價指是選題是否嚴謹科學和具可研究性，論文結構、思路是否嚴謹，論文內容科學性、正確性，能否提出自己的見解?？疾椴殚喛萍嘉墨I的能力主要通過是否查找到權威的、最新文獻以及撰寫是否規(guī)范。
2.3 學生學好《人工智能技術》課程的建議
《人工智能技術》是一門理論與實踐相結合的應用課程，學生如何學習這么課程，也是我們應該探討的問題。
學生應該正確看待《人工智能技術》這門科學的發(fā)展。人工智能技術孕育于20世紀30、40年代，形成于60、70年代，發(fā)展至今，人工智能技術只有短短60多年的歷史，它是一門不斷發(fā)展和完善的嶄新學科，還有許多課題處于探索中，理論和技術還遠未成熟，我們應該對它有科學的認識。
針對非計算機專業(yè)本科畢業(yè)的學生，除了課堂聽講之外，還應該課下自學該課程的先修課程，如：數(shù)據(jù)結構、離散數(shù)學等課程。人工智能技術中涉及到大量的數(shù)學知識，如：模式識別需要具有較好的概率論，數(shù)理統(tǒng)計知識，另外還會用到少量隨機過程、模糊數(shù)學的一些知識。人工智能技術是一門應用課程，編程語言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神經(jīng)網(wǎng)絡，遺傳算法等算法，實現(xiàn)這些算法要求學生具有較強的編程能力。
學生應該多讀，多查閱資料，特別是國外的期刊文獻和重要國際會議論文，多了解人工智能技術最前沿的信息，理論聯(lián)系實際，加深對基本算法的理解，并將人工智能技術的知識運用到自己所研究的領域，以做到學以致用。
3 結論
人工智能技術在一定程度上代表著信息技術的前沿，該文對《人工智能技術》的課程教學進行了一些探討，教學與實踐效果有了顯著提高，但仍然有許多方面還需要我們繼續(xù)探討和改進。
參考文獻：
[1] 蔡自興，徐光佑.人工智能技術及其應用[M].北京： 清華大學出版社，2003.
[2] 蔡自興，肖曉明，蒙祖強，等.樹立精品意識搞好人工智能技術課程建設[J].中國大學教學，2004（1）：28-29.
關鍵詞:人工智能;理論傳授;實驗訓練;科研訓練
人工智能(Artificial Intelligence,AI)是計算機科學與技術專業(yè)的一門重要專業(yè)課程,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規(guī)劃以及問題求解等思維活動,并以此解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規(guī)劃等決策性問題[1]。人工智能是一門涉及數(shù)學、計算機、控制論、信息學、心理學、哲學等學科的交叉和綜合學科。目前,人工智能很多研究領域,如自然語言處理、模式識別、機器學習、數(shù)據(jù)挖掘、智能檢索、機器人技術、智能計算等都走在了信息技術的前沿,有許多研究成果已經(jīng)進入并影響了人們的生活。
2003年12月5日,國內第一個“智能科學與技術”本科專業(yè)在北京大學誕生[2],它標志著我國智能科學與技術本科教育的開始,對我國智能科學技術人才培養(yǎng)和智能科學與技術學科建設起到極大的帶動作用。目前,人工智能課程的教學存在幾個問題:首先,注重講授理論知識,實驗環(huán)節(jié)滯后,這不利于培養(yǎng)學生的實踐能力,更談不上實踐創(chuàng)新。其次,人工智能是交叉學科,內容比較繁雜,各種教材的內容不一樣,授課沒有統(tǒng)一的體系,學生學習時抓不住重點,不能理解人工智能的根本方法和思想。一般說來,計算機專業(yè)的其他課程,如網(wǎng)絡技術、數(shù)據(jù)庫技術、算法分析與設計等,都是求解結構化問題的基本技術,而人工智能技術則是解決非結構化、半結構化問題的有效技術。最后,人工智能科學與技術飛速發(fā)展,但目前人工智能只被視為一門專業(yè)課,課程講授和人工智能沒有作為一個研究方向結合起來,也沒有把傳授課本知識和引導啟發(fā)創(chuàng)新結合起來。
適應知識經(jīng)濟發(fā)展的高等教育,要把培養(yǎng)創(chuàng)造精神和創(chuàng)新能力擺在突出的位置。創(chuàng)新是基礎研究的生命,而高等學校的教學只有與科研緊密結合,才能在培養(yǎng)學生的創(chuàng)新精神方面有所作為。為此,針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。在教材上,我們選用了清華大學出版社出版、馬少平等編寫的《人工智能》。我們的教學研究與實踐的主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文,學校大學生科研項目資助計劃,國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐。下面,我們就這三個方面內容展開探討。
1啟發(fā)式傳授人工智能解決問題的非結構化思想
現(xiàn)實世界的問題可以按照結構化程度劃分成三個層次[1]:1)結構化問題,能用形式化(或稱公式化)方法描述和求解的一類問題;2)非結構化問題,難以用確定的形式來描述,主要根據(jù)經(jīng)驗來求解;3)半結構化問題,介于上述兩者之間。一般說來,計算機專業(yè)的其他課程如網(wǎng)絡技術、數(shù)據(jù)庫技術、算法分析與設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的有效技術。人工智能的教學可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題的解決過程的了解,從而達到培養(yǎng)學生多角度思維的目的。
我們使用的教材主要內容包括搜索和高級搜素、謂詞邏輯和歸結原理、知識表示、不確定性推理方法、機器學習等。這些主要內容也可以相應地歸結為若干個典型算法,如啟發(fā)式A*搜索算法、 剪枝算法、元啟發(fā)式算法(模擬退火,遺傳算法)、謂詞邏輯歸結算法、貝葉斯網(wǎng)絡、決策樹、神經(jīng)網(wǎng)絡(BP算法、自組織網(wǎng)絡和Hopfield神經(jīng)網(wǎng)絡算法)。元啟發(fā)式算法是一種啟發(fā)式的隨機算法,是用來解決非結構化問題的典型算法,其思想和傳統(tǒng)的決定性算法如動態(tài)規(guī)劃、分支限界完全不一樣。學生在剛一接觸到這些元啟發(fā)式算法一時難以接受和理解其機理,對算法的有效性往往半信半疑。根據(jù)非結構化、半結構化問題的特點,講解和演示算法在解決此類問題的具體步驟和詳細過程,從而讓學生掌握人工智能算法的基本思想。在講解不同的元啟發(fā)式算法的時候,學生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學習算法的時候,學生會問到底哪個分類算法最好,這時候我們可以把搜索(優(yōu)化)領域和機器學習領域的“沒有免費午餐”定理進行適當?shù)闹v解和解釋,從而把具體算法實現(xiàn)層面之上的一些人工智能的哲學思想進行傳授。
在人工智能的具體教學中,采用問題教學法和參與式教學法。在問題教學法中,圍繞人工智能的知識模塊,在引導學生發(fā)現(xiàn)各種各樣問題的前提下,傳授知識。教學活動中,嘗試使人工智能知識圍繞實際問題而展現(xiàn),使問題不僅成為激發(fā)學生求知欲的前提,也成為學生期盼、理解和吸收知識的前提,以此激發(fā)學生的創(chuàng)造動機和創(chuàng)造性思維。在參與式教學中,打破人工智能算法的枯燥、沉悶的傳統(tǒng)教學法,嘗試開放式教學內容;提問式講課;無標準答案的課程設計;查找文獻,分組動手實現(xiàn)人工智能算法等參與式教學方法,培養(yǎng)和發(fā)揚學生的參與意識,通過參與式教學提高學生學習的主動性、積極性和效率,培養(yǎng)學生的動手能力和創(chuàng)新能力。
2成體系的實驗訓練
獨立開展人工智能實驗課程,開發(fā)一批新型、富有創(chuàng)意的實驗案例庫,搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。人工智能實驗課程的特點是應用各種人工智能方法,根據(jù)問題的約束、結構、信息進行表示建模和計算機上實現(xiàn),是與人工智能原理同步的實驗課程。學生必須掌握的人工智能的基本原理和計算機操作技能,它對于學生的知識、能力和綜合素質的培養(yǎng)與提高起著至關重要的作用,在整個教學過程中占有非常重要的地位,是計算機軟件、計算機應用、計算機網(wǎng)絡、軟件工程等專業(yè)的一門重要的必修專業(yè)課程。通過實驗,學生得到嚴格的訓練,能規(guī)范地掌握人工智能的基本理論和主要方法、基本問題求解技術,熟悉各種計算環(huán)境的基本使用。
在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,努力培養(yǎng)學生的創(chuàng)新意識與創(chuàng)新能力。為實現(xiàn)這一目標,在課程內容安排上采用適量基本原理與方法的實驗內容為基本內容,增加一系列綜合性實驗和開放性創(chuàng)新實驗問題,在實驗內容方面更注重研究性實驗中的創(chuàng)新問題。實驗內容方面分為三個層次:基本原理的基礎性實驗、綜合實驗和研究性實驗。在后兩個層次的實驗中,部分引入人工智能課程小組團隊的最新科研成果,目的在于通過完成這些研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,以提升學生的科研素質與創(chuàng)新意識。我們將這些設計實驗稱為新型實驗案例庫,它被放在人工智能課程小組網(wǎng)站上,以此搭建一個創(chuàng)新實驗和虛擬學習社區(qū)平臺。通過實驗課程的學習和訓練,學生應達到下列要求。
1) 掌握人工智能方法的優(yōu)點及其在實際中的應用。
2) 學會對人工智能問題進行分析建模和應用各種計算工具實現(xiàn)問題求解,熟悉對實驗現(xiàn)象的觀察和記錄,實驗數(shù)據(jù)的獲取與設計,最佳實驗條件的判斷和選擇,實驗結果的分析和討論等一套嚴謹?shù)膶嶒灧椒ā?/p>
3) 鞏固并加深對人工智能原理課程的基本原理和概念的理解,培養(yǎng)學生勤奮學習,求真求實的科學品德,培養(yǎng)學生的動手能力、觀察能力、查閱文獻能力、思維能力、想象能力、表達能力。
4) 通過完成綜合研究性實驗,培養(yǎng)學生獨立解決實際問題的能力,提高學生的科研素質與創(chuàng)新意識。
在培養(yǎng)學生掌握實驗的基本操作、基本技能和基本知識的同時,進一步培養(yǎng)學生分析問題和解決問題的能力,培養(yǎng)學生的創(chuàng)新意識、創(chuàng)新精神和創(chuàng)新能力,為學生今后從事科研、教學或企事業(yè)單位的分析檢驗以及新技術的研發(fā)工作打下扎實的基礎。
在實驗組織方面,根據(jù)各實驗的目的和要求,學生分為5人1組,指定一個組長,每組選擇1套實驗題目。基礎實驗題目要求達到27學時、綜合性實驗題目選擇1題和研究性實驗題目選擇1題,基礎實驗題目要求在規(guī)定時間內,小組獨立完成實驗測定、數(shù)據(jù)處理,并撰寫實驗報告。實驗過程中, 要求學生勤于動手, 敏銳觀察, 細心操作, 開動腦筋, 分析鉆研問題, 準確記錄原始數(shù)據(jù), 經(jīng)教師檢查,實驗及其原始數(shù)據(jù)記錄才有效。同時,團隊作業(yè),需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學會與他人合作,培養(yǎng)團隊創(chuàng)新能力。
3課程學習與畢業(yè)論文,科研訓練相結合
人工智能技術在一定程度上代表著信息技術的前沿和未來,通過學習和體驗人工智能的知識和技術,學生能夠在一定程度上了解信息技術發(fā)展的前沿知識,這有助學生開闊視野、培養(yǎng)興趣,為今后繼續(xù)深造或走向社會奠定堅實的基礎[3-4]。
人工智能的理論和方法廣泛應用于數(shù)據(jù)挖掘、機器學習、模式識別、圖像處理中,這些內容既是高年級的后續(xù)課程,又是現(xiàn)在熱門的研究方向。學習和深刻理解人工智能的理論、方法和應用,對后續(xù)課程學習以及今后的研究具有重要的意義。
我院規(guī)定大學三年級的學生開始聯(lián)系畢業(yè)論文指導導師,同時確定畢業(yè)論文的研究方向,提前進行科研實踐,以培養(yǎng)實踐能力和研究素質。人工智能課程正好是大三高年級開設的專業(yè)課,因此,我們把課程實驗及設計與同學的興趣相結合,引導學生,并提煉和形成學生的畢業(yè)選題和課外的科研方向,它是提高本科生研究創(chuàng)新能力的有效手段。
基于新的教學實踐,很多學生的選題都與上述歸納的人工智能若干算法相關,如算法本身的研究和改進,或是算法在各領域,如數(shù)據(jù)挖掘、圖像處理等的應用。在我們的科研能力訓練計劃中,一批項目和課題,如混合神經(jīng)網(wǎng)絡的研究與應用、差分演化算法研究與應用、基于協(xié)同訓練的推薦系統(tǒng)等,分別受到國家和學校本科生科研項目立項資助。一批三四年級的本科生以第一作者身份在國內核心期刊、國際會議和期刊上發(fā)表學術論文,這激發(fā)了學生的科研興趣,使學生體會到了創(chuàng)新的樂趣。
總之,課程學習與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練,極大地提升了學生的創(chuàng)新能力和科研基本素質。
4結語
針對人工智能的課程特點,我們積極開展研究型教學、研究型學習,提高大學生的學習能力、實踐能力和創(chuàng)新能力的研究與實踐。我們的教學研究與實踐主要內容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結構化的思想;成體系的實驗訓練;以及與畢業(yè)論文、學校大學生科研項目資助計劃、國家大學生創(chuàng)新性實驗計劃相對接的科研訓練。這三個主要方面,層層遞進、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學實踐,新的改革和實踐在教學中取得了令人滿意效果。
參考文獻:
[1] 張劍平. 關于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.
[2] 謝昆青. 第一個智能科學技術專業(yè)[J]. 計算機教育,2009(11):16-20.
[3] 羅輝,梁艷春. 大學生畢業(yè)論文與科研能力培養(yǎng)及就業(yè)[J]. 吉林教育,2003(10):18.
[4] 金聰,劉金安. 人工智能教育在能力培養(yǎng)中的作用及改革設想[J]. 計算機時代,2006(9):66-69.
Reform and Practice of Innovative Teaching in Artificial Intelligence
WANG Jia-hai, YIN Jian, LING Ying-biao
(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)
>> 引入深度學習的人工智能類課程 中西合璧的人工智能課程雙語教學模式 可調戲的人工智能 生活中的人工智能 不斷超越的人工智能 逐漸靠近的人工智能 正在落地的人工智能 2035年的人工智能 航天類專業(yè)“人工智能”課程的教學探索 林業(yè)院校人工智能課程教學的思考 人工智能導論課程的興趣教學法 人工智能概論課程的教學思考 “人工智能”課程教學的實踐與探索 游戲開發(fā)應用中的“人工智能”課程教學方法探討 人工智能的應用研究 人工智能的日常應用 人工智能的應用和發(fā)展 淺析電氣自動化控制中的人工智能應用 分析繼電保護中的人工智能技術及其應用 電氣自動化控制中的人工智能應用分析 常見問題解答 當前所在位置：l)。在情境創(chuàng)設時,教師根據(jù)學生特點提出了多種應用需求,例如化妝品銷售咨詢等。學生利用該工具,興趣盎然地開發(fā)了自己的小型專家系統(tǒng),不僅理解了專家系統(tǒng)的特點、作用、運行方式等,還具有強烈的成就感。
2.2面向研究的情境創(chuàng)設
蘇霍姆林斯基認為,研究型教學法應該充分體現(xiàn)學生的主體地位,激勵、引導和幫助學生去主動發(fā)現(xiàn)問題、分析問題和解決問題,激發(fā)學生學習的內在興趣和成就動機[4]。人工智能課程中包含了大量的前沿問題,研究型課題比比皆是,如何平衡這些研究課題與興趣、實用的關系,是教學設計中重點考慮的內容。
下面以“規(guī)劃”中的路徑規(guī)劃內容為例,詳細分析以研究為導向的情境創(chuàng)設過程。表2給出了整個教學設計。
綜合幾次研究課題完成情況,班級中有1/3的學生通過廣泛查閱資料和多次與教師討論,提交了質量尚可的標準格式論文,并因此獲得了學院的科研學分。除此之外,教師還組織這部分具備一定科研潛力的學生參加科研項目,進一步磨練科研技能,極大提高了學生的學習興趣和能力。
3DBR驅動的教學過程
人工智能課程各單元內容相對獨立,難以形成統(tǒng)一的聯(lián)系,怎樣驗證各單元的學習效果?從提出問題到任務解決,每個單元的學習通常要跨越幾節(jié)課甚至幾周,怎樣在此期間保持學生的興趣和關注?
DBR是情境設計、實施、評價、再設計、理論形成等環(huán)節(jié)多次迭代循環(huán)的過程,柯林斯稱之為“不斷進步的修正”(Progressive Refinement),以檢測設計的價值。因此,評價是教學過程中非常重要的一環(huán)。本課程教學主要做好兩個環(huán)節(jié),以驅動整個教學過程的推進。
1) 實踐環(huán)節(jié)。
通常的實踐環(huán)節(jié)是課程結束后固定時間的實際任務,而本課程的實踐卻貫穿整個教學過程,是單元教學、教師、學生之間的粘合劑。實踐包括應用型實踐和研究型實踐,一般在每個單元教學開始,提出問題后,實踐任務就被布置下去,例如前面所述的“黑白棋”、“路徑規(guī)劃算法研究”等。學生接受任務后,帶著問題搜索解決途徑,在此期間需要教師提供方法指導及答疑(既可固定時間,也可通過E-mail等形式)。及時地交流,特別是針對實際問題的交流,不僅有效率,而且便于教師及時調整教學設計。
2) 教學評價。
除了課程考核以外,每個教學單元結束時都有反饋和評價環(huán)節(jié)。評價方式包括單元測試、編寫軟件測試、研討會等。具體采用何種形式,要根據(jù)前一階段的反饋信息決定。這些來自學生反饋信息包括前一階段學習的接受情況、興趣點、其他課業(yè)繁忙情況等。在學期的不同時間點采用合適的評價方式,有助于加強學習刺激,總結和發(fā)現(xiàn)教學設計中的問題,及時調整。
通過上述兩個環(huán)節(jié)的推動,精心設計的教學內容得以順利實施并被學生欣然接受。2/3的學生在整個學期教學中都保持了積極的態(tài)度和充分的關注度,確實感受到人工智能的魅力,并能夠從技術角度看待人工智能,消除了未學或初學時的神秘感。
4教學實施效果分析
1) 正效果分析。
中原工學院計算機學院作為普通工科院校,以培養(yǎng)實用型人才為主,人工智能并非主干課程,學生重視程度不足。兩年來,經(jīng)過教師與學生的共同努力,教學改革成果逐步體現(xiàn)。人工智能類學生人數(shù)從過去的5%上升到15%,科研論文數(shù)量從1%上升到20%。有20%的學生接觸過或正在從事人工智能類項目的研究與開發(fā),考研選擇人工智能科目的學生比例從0上升到15%,考研成功人數(shù)占畢業(yè)生總人數(shù)的20%。
人工智能教學中采用的應用型與研究型情境創(chuàng)設,不僅促進了學生理解接受知識,而且鍛煉提高了學生獨立分析、解決問題及開發(fā)能力。學習也不再局限于課堂,而是拓展到圖書館、互聯(lián)網(wǎng)等更廣闊的空間。學生在學習期間保持了高度的關注,充分發(fā)揮了主動性和主體意識,為持續(xù)發(fā)展奠定了良好的基礎。
2) 不足分析。
DBR的方法論能夠促使教師在教學過程中不斷完善教學設計,融合先進的教學理論及工具,逐步加深學習的理解和設計的提升,切實提高教學效果。然而,仍然存在一些DBR無法解決或完善的問題。具體表現(xiàn)在:
(1) 缺乏合適的教材。目前大多數(shù)教材的示例以解答式或推證式為主,設計型或實際項目案例較少。
(2) 投入時間限制。盡管上述教學設計和教學過程都經(jīng)過精心準備與實施,但是要取得好的成效,還需要教師和學生都投入大量時間交流、研究或開發(fā)。而學生課業(yè)繁忙造成了實施的瓶頸。
這些不足制約了上述教學方法的實際實施效果,需要今后不斷改進。
5小結
本文針對普通工科院校學生特點,將DBR研究成果應用于人工智能課程。教學效果表明,精心設計的應用型與研究型情境有助于維持學生長時間的關注度、主動性和興趣;強調基于評價的修正使教學過程可調節(jié),學生的學習效果更可靠。希望本文研究能夠對人工智能教學及學生培養(yǎng)起到一定的參考作用,下一階段的主要工作是進行適合的教材建設。
參考文獻:
[1] 楊南昌. 基于設計的研究:正在興起的學習研究新范式[J]. 中國電化教育,2007(5):6-10.
[2] 曾安,余永權,曾碧. 人工智能課程教學模式的探討[J]. 江西教育學院學報:綜合版,2006,27(6):40-43.
[3] 李鳴華. 案例教學法在高中人工智能課程中的運用研究[J]. 中國電化教育,2008(2):99-102.
[4] 楊種學. 研究型教學法在數(shù)據(jù)結構課程中的應用研究[J]. 計算機教育,2007(1):55-56.
DBR Utilized Teaching Method for Artificial Intelligence
WANG Lu, LU Xiao-xia
(School of Computer, Zhongyuan University of Technology, Zhengzhou 450007, China)
Abstract： In view of the characteristics of artificial intelligence curriculum， including abstract content and complex algorithm， and the actual needs of undergraduate teaching， combined with teaching practice， this paper discusses and sums up the teaching reform and innovation of undergraduate artificial intelligence curriculum from the teaching system， teaching content， teaching methods and assessment methods.
P鍵詞： 人工智能；創(chuàng)新；本科
Key words： artificial intelligence；innovation；undergraduate
中圖分類號：G642 文獻標識碼：A 文章編號：1006-4311（2017）22-0230-02
0 引言
人工智能是計算機科學的一個分支，是當前科學技術中正在迅速發(fā)展、新思想、新觀點、新理論、新技術不斷涌現(xiàn)的一個學科，其屬于一門邊緣學科，同時也是多個學科交叉而成的一門學科，包括語言學、哲學、心理學、神經(jīng)生理學、系統(tǒng)論、信息論、控制論、計算機科學、數(shù)學等[1]。當前人工智能已經(jīng)是很多高校計算機相關專業(yè)的必修課程，它是計算機科學與技術學科類各專業(yè)重要的基礎課程，其教學內容主要包括自然語言理解、計算智能技術、問題求解和搜索算法、知識表示和推理機制、專家系統(tǒng)和機器學習等，國內外很多大學都意識到了其重要性，紛紛對其展開了教學和研究。人工智能課程包含多個學科，具有內容抽象、理論性強、知識點多等特點，且算法復雜，但是多數(shù)高校采用的教學方式仍是傳統(tǒng)的課堂教學方式，即“教師講、學生聽”的教學模式，這種信息單向傳輸教學模式以教師為主體，學生只是在被動的接收知識；存在過分重視理論教學，忽視實踐活動教學的問題，導致教育內容無法和社會接軌；人工智能教材理論性過強，學生在學習過程中常常感到枯燥乏味，進而對學習該課程失去熱情[2]，久而久之，不僅人工智能課程的教學質量和效果無法達到預期，甚至學生還會產(chǎn)生厭學心理。針對人工智能課程中現(xiàn)有的各項問題，本文作者結合自身豐富人工智能教學實踐經(jīng)驗，參考人工智能課程特點和教學目標，從多個方面探討和總結了人工智能，包括教學內容、教材選擇、教學方法和考核形式等。
1 教學內容優(yōu)化與更新
人工智能是一門嶄新的學科。開設本課程首先是確定教學內容。通常來講，人工智能學科的內容包括兩個部分，具體：一是知識表示和推理；二是人工智能的應用。前者是人工智能的重要基礎，后者主要介紹了幾種人工智能應用系統(tǒng)，包括自動規(guī)劃和機器視覺、機器學習、專家系統(tǒng)等。另外，課程內容中還包括了一些人工智能應用的實例，將實踐和理論緊密結合起來[3]。
隨著時代的發(fā)展和科技的進步，人工智能學科也取得了較大發(fā)展。基于此，人工智能學科也應該與時俱進，更新人工智能教學大綱，進一步完善其教學內容。修訂后的人工智能教學大綱將人工智能分成兩個部分，即基礎部分和擴展應用部分。前者包括計算智能、搜索原理、知識表示等，后者包括智能機器人、智能控制、多智能體、自然語言理解、自動規(guī)劃、機器學習、知識工程等。
教學內容的選擇和確定應綜合考慮多項因素，不僅要重視基礎知識，也應注意推陳出新，隨著科技的進步做到與時俱進，同時教學內容應符合現(xiàn)實的需求，能夠與社會接軌，將理論和實踐緊密結合起來，只有這樣人工智能課程的教學質量和效果才能事半功倍。
2 教學策略及教學方法的改革創(chuàng)新
由于人工智能課程具有算法復雜、內容抽象、理論性強、 知識點多的特點，傳統(tǒng)的教學模式已經(jīng)無法滿足人工智能課程的需求，教師應探索更加有效的教學模式和方法，確保人工智能課程能夠取得良好的教學質量和教學效果。具體的改革和創(chuàng)新人工智能課程的手段和方法主要包括以下幾個方面：
2.1 激發(fā)學生的學習興趣 無論是經(jīng)驗還是常識都在告訴我們每個人最好的老師就是興趣，學生只有對某門學科存在興趣，才會更加主動積極的學習該門課程，從而獲得良好的教學效果。比如，作者在課程的一開始先播放了一段著名導演斯蒂文?斯皮爾伯格的《Artificial Intelligence》的相關片段，由這個電影學生知道了世上存在人工智能的機器人，學生們隨著電影情節(jié)的發(fā)展而深深感動，與此同時教師讓學生思考和談論人工智能是什么？研究人工智能的意義在哪里？實踐發(fā)現(xiàn)，在課堂中加入電影因素，能夠大大提升學生們的注意力，讓學生更加專注在教學任務中，有效提高了學生探索人工智能的積極性和主動性。此外，在教學中還可以用動畫、視頻、圖片等手段將反映人工智能最新研究和應用的成果展示出來，讓學生更直觀的感受人工智能的奧妙，從而投入更多熱情學習人工智能課程。
2.2 面向問題的案例教學法 案例教學法是一種以案例為基礎、以能力培養(yǎng)為核心的一種教學方法[11]。針對學校學生特點，我們采取了以下幾種教學形式實施案例教學。①講解式案例教學：這種案例通過教師的講解，幫助學生理解抽象的理論知識點。案例的呈現(xiàn)有兩種基本形式：一是“案例―理論”，即先給出教學案例，然后再講解理論知識；二是“理論―案例”，即教師先講解理論知識，再給出教學案例；通過情境體驗與案例剖析激發(fā)學生認知的興趣，引導學生對將要學習的內容產(chǎn)生注意，有利于教師導入新課。②討論式案例教學：在課程初期將學生分成若干學習小組，每小組3～4人；教師將提前設計好的一題多解的教學案例以及收集的相關資料分配給每個小組，要求學生在課余時間通過自學和組內討論的方式給出問題的不同解決方案。③辯論式案例教學：在課程后期，采取專題辯論的方式對綜合應用案例進行討論，能有效地啟發(fā)學生全方位地思考和探索問題的解決方法，加深學生對人工智能的理解。
2.3 個性化學習與因材施教 在開展課程教育過程中應注意對學生進行個性化教學，結合學生特點因材施教。比如，在日常教學中多觀察學生情況，鼓勵那些應對教學任務后仍存在余力的W生深入探索較深層次的課程及相關知識，同時友善面對學習較差的學生，分析其學習過程中面對的困難，有的放矢地采取應對措施，幫助其不斷進步；在教學過程中讓學生以讀書報告的形式多多思考，鼓勵學生發(fā)散性思考問題，鼓勵優(yōu)秀學生進行深一步的探討，并且教師應幫助具有新穎思想或論點的學生將其智慧以科技論文和發(fā)表文章的形式轉化為成果。
2.4 注重綜合能力培養(yǎng) 在研究型教學中任務驅動是一種常用的教學方法，其中心導向是任務，學生在完成任務的同時也在吸收和掌握知識。通常來講，該教學方法的步驟是：教師提出任務師生共同分析以得出完成任務的方法和步驟適當講解或自學、協(xié)作學習完成任務交流和總結。”[3]該教學模式不僅有利于培養(yǎng)學生的創(chuàng)新能力和創(chuàng)新意識，還能夠培養(yǎng)學生解決實際問題的能力，提高其綜合實力。不僅如此，由于該教學模式通常是以小組協(xié)作的方式進行，教師給出研究范圍，學生自愿結組并選擇具體的題目，經(jīng)過分析和討論后以程序設計或者論文的形式協(xié)作完成研究。由此可知，學生是在以團隊的力量解決問題，這十分考驗學生的團隊協(xié)作能力，對于學生團隊合作精神的培養(yǎng)至關重要，且在完成任務的過程中學生需要查閱大量的資料，久而久之學生收集資料和創(chuàng)新能力勢必會得到提升。
2.5 采用啟發(fā)式教學 人工智能的很多問題都較為抽象，對學生理解力的要求較高，因此，在實際的教學過程中教師應有意識的就課程內容提出相關問題，讓學生自己獨立思考，鼓勵學生提出自己的想法和解決方案。然后回歸到課程上，對比分析教材上的解決方案和學生自己的解決方案，如此不僅培養(yǎng)了學生獨立思考的能力，也增加了學生參與教學活動的意識，提高了學生的學習熱情。比如，在講到較為抽象的“遺傳算法”時，先提出一個問題，即“遺傳算法如何用于優(yōu)化計算？”，然后從“達爾文的生物進化論”入手，討論“遺傳”、“變異”和“選擇”作用，之后舉例分析，啟發(fā)學生思考“遺傳”、“變異”和“選擇”的實現(xiàn)，最后師生一起導出遺傳算法用于優(yōu)化計算的基本步驟。如此既完成了教授遺傳算法的目的，也鍛煉了學生邏輯思維的能力，教學效果良好[4]。
3 作業(yè)和考核方式的改革創(chuàng)新
過去的課程作業(yè)都是單一書面習題作業(yè)，發(fā)展至今，課程作業(yè)形式已經(jīng)發(fā)生了變化，更加豐富多樣，包括必須交給教師評閱的書面家庭作業(yè)和不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業(yè)等。其中通過網(wǎng)絡就可以完成上交作業(yè)，并且教師批閱作業(yè)后也可以通過網(wǎng)絡返回給學生，實現(xiàn)了網(wǎng)絡化。課程的考核方式較之以前也發(fā)生了較大變化，加強了平時思維能力的考核，更加注重學生實驗能力和動手能力的培養(yǎng)，不再是絕對的一次考試定成績，而是在總評成績中加入30%的平時成績，如此不僅減輕了學生的期末負擔，也迫使學生更加重視平時的學習思考，有利于課程教學質量的提升。
4 結束語
本文是以提高教學質量為目標，結合教學實踐，從教學體系、教學內容、教學方法、考核方式等方面對本科人工智能課程的教學改革進行了探討，總結了該課程在教學和實踐方面的一些教改舉措。這些舉措符合二十一世紀高校教學的要求，可以支持教師提高教學手段現(xiàn)代化的水平，同時更貼合學生的學習需求。作為該課程的授課教師應始終保持對教學內容的不斷更新、教學方法的多樣化，才能激發(fā)學生的學習興趣，培養(yǎng)他們的思維創(chuàng)新和技術創(chuàng)新的能力，最終提高本課程的教學質量。從學生的反饋來看，作者所總結的教學實踐具有明顯的教學效果。但仍有許多方面做得不夠，今后將繼續(xù)在教學過程中不斷總結成功的經(jīng)驗，吸取失敗的教訓。
參考文獻：
[1]蔡自興.人工智能及其應用[M].三版.北京：清華大學出版社，2007.
[2]謝榕，李霞.人工智能課程教學案例庫建設及案例教學實踐[J].計算機教育，2014（19）：92-97.
[3]蔡自興，肖曉明，蒙祖強.樹立精品意識搞好人工智能課程建設[J].中國大學教學，2004（1）：28-29.
關鍵詞：人工智能；深度學習；教學建議
0 引言
傳統(tǒng)的人工智能課程主要包括人工智能導論、模式分析、機器學習、數(shù)據(jù)挖掘等。這些課程由各個院校根據(jù)專業(yè)情況不同而選擇，課程的內容也有較大差別，但是，基本上都涉及人工神經(jīng)網(wǎng)絡的內容。然而在人工神經(jīng)網(wǎng)絡的教學內容上，一般只講解經(jīng)典的多層感知器和反向傳播算法，或再加入一些反饋網(wǎng)絡的內容，這種教學內容設計的一個不足是忽視了人工智能領域的最新發(fā)展——深度學習，它是近幾年人工智能領域最具影響力的研究主題，并在大規(guī)模語音識別、大規(guī)模圖像檢索等領域取得突破。
北京郵電大學計算機學院開設人工智能科學與技術的本科專業(yè)，筆者從事深度學習的研究工作，同時承擔了本科生和研究生人工智能類課程的教學工作，因此產(chǎn)生了將深度學習內容引人人工智能類課程的想法。本文先介紹深度學習的背景，說明深度學習在人工智能發(fā)展中的地位，之后分析了將深度學習基本內容引入人工智能類課程的必要性和可行性，最后給出了一些實施建議供探討。
1 深度學習背景
2006年，加拿大多倫多大學的GeoffreyHinton教授與Salakhutdinov博士在美國《科學》雜志發(fā)表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學習多層神經(jīng)網(wǎng)絡的方法，并將這種具有多層結構的學習方法命名為深度學習（Deep Learning），而這成為深度學習研究的一個導火索，從此深度學習的研究與應用蓬勃發(fā)展起來。
深度學習在語音識別與生成、計算機視覺等應用領域取得了突出進展。近幾年的國際機器學會（International Conference on MachineLearning，ICML）、神經(jīng)信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計算機視覺大會（InternationalConference on Computer Vision，ICCV）、
聲學語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計算語言學大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計算機視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關的研究論文、會議教程和小組研討會（Workshop）。美國國防高級研究計劃（DARPA）也提出了關于深層學習的研究項目。此外，2013年6月《程序員雜志》的封面故事，采訪了周志華、李航、朱軍3位國內的機器學習專家對于深度學習的看法，他們一致肯定了深度學習在機器學習領域的貢獻。
工業(yè)界對深度學習也寄予了很高期望。2012年6月，《紐約時報》報道了斯坦福大學計算機科學家AndrewNg和谷歌公司的系統(tǒng)專家JeffDean共同研究深度神經(jīng)網(wǎng)絡的機器學習模型在語音識別和圖像識別等領域獲得的巨大成功。2012年11月，微軟公司在天津公開演示了一個全自動的同聲傳譯系統(tǒng)，其關鍵技術也是深度學習。2013年1月，百度公司首席執(zhí)行官李彥宏先生宣布建立深度學習研究院（Institute of Deep Learning）。2013年3月，谷歌公司收購了由深度學習創(chuàng)始人Geoffrey Hinton創(chuàng)立的公司。
從學術界與工業(yè)界的研究態(tài)勢看，深度學習已經(jīng)成為機器學習與模式識別，乃至人工智能領域的研究熱點。正是在這樣一個背景下，人工神經(jīng)網(wǎng)絡重新回到人們的視野。此前人工神經(jīng)網(wǎng)絡的發(fā)展大致可以分為兩個時期，1943年，McCulloch和Pitts提出了最早的人工神經(jīng)元，這種神經(jīng)元具有學習能力，這是人工神經(jīng)網(wǎng)絡的發(fā)端，也可以被認為是人工智能的發(fā)端（當時還沒有人工智能這個術語）。1949年，Hebb提出了Hebbian學習算法。1957年，Rosenblatt提出了感知器的神經(jīng)網(wǎng)絡模型。1969年，Minsky和Papert分析了這種感知器神經(jīng)網(wǎng)絡模型的局限性。然而，很多研究者認為，感知器的這種局限性對于所有的神經(jīng)網(wǎng)絡模型都適用，這使人工神經(jīng)網(wǎng)絡的研究很快暗淡下來。1980年代中期，諾貝爾獎得主John Hopfield提出了Hopfield神經(jīng)網(wǎng)絡模型，這種Recurrent神經(jīng)網(wǎng)絡具有的動態(tài)性有可能用于解決復雜的問題。同時，多層前向神經(jīng)網(wǎng)絡的后傳算法也被重新發(fā)現(xiàn)，這兩個工作使人工神經(jīng)網(wǎng)絡得到重生。這時，人工神經(jīng)網(wǎng)絡已經(jīng)成為人工智能的一個重要組成部分。但是，在隨后的研究中，人們發(fā)現(xiàn)，當學習多層神經(jīng)網(wǎng)絡包含更多的隱藏層時，后傳算法并不能學到有效的網(wǎng)絡權值，這使得神經(jīng)網(wǎng)絡的研究再次陷入低潮。此次以深層神經(jīng)網(wǎng)絡為代表的深度學習重新回到研究的舞臺，其中一個重要因素是Hinton提出的逐層預訓練神經(jīng)網(wǎng)絡方法治愈了多層神經(jīng)網(wǎng)絡的一個致命傷。
2 必要性與可行性
深度學習的發(fā)展使得從事教學一線的教師也無法忽視這個頗具影響力的研究主題。為此，我們提出將深度學習這個主題引入到人工智能類課程中，將它作為課題教學的一部分。
2.1 必要性
將深度學習這個主題引入到人工智能類課程中的必要性主要包括如下4點。
1）深度學習是人工智能的前沿。
2006年以來，深度學習的研究席卷了整個人工智能，從機器學習、機器視覺、語音識別到語言處理，都不斷涌現(xiàn)出新的研究工作和突破性進展。深度學習不僅在機器學習領域成為研究熱點，同時在多個應用領域也成為有力工具，而且，在工業(yè)界的系統(tǒng)應用中，深度學習成為其中的關鍵解決技術。
2）深度學習是人工智能的突破。
深度學習的發(fā)端是神經(jīng)網(wǎng)絡。關于神經(jīng)網(wǎng)絡的論述，在人工智能類常見教科書中還停留在多層神經(jīng)網(wǎng)絡，即神經(jīng)網(wǎng)絡的第二階段，它們大部分描述多層結構無法訓練的現(xiàn)象。但是，從深度學習的角度看，深層神經(jīng)網(wǎng)絡不僅可學習，而且有必要，這與第二代神經(jīng)網(wǎng)絡的觀點是完全不同的。深度學習突破了原有人工神經(jīng)網(wǎng)絡的認識，超越了人工智能神經(jīng)網(wǎng)絡教科書中的原有內容，因此，有必要將多層神經(jīng)網(wǎng)絡結構的可學習性告知學生，從新的視角糾正原有的觀點。
3）深度學習是人工智能的延伸。
深度學習不僅提供了一種可以在深層神經(jīng)結構下訓練網(wǎng)絡的方法，也包含了不少新的內容，是人工智能的新發(fā)展，為人工智能補充了新的內容。到目前為止，深度學習至少包括：從生物神經(jīng)網(wǎng)絡與人類認知的角度認識深層神經(jīng)網(wǎng)絡的必要性；如何構建和學習深層學習網(wǎng)絡；如何將深層結構用于解決視覺、語音、語言的應用問題；如何看待深度學習與原有的機器學習方法，如流形學習、概率圖模型、能量模型的直接關系；深度學習與其他學科的關系等。
4）深度學習是學生的潛在興趣點。
大學生對知識有著強烈的好奇心，加之當前信息技術的發(fā)達，部分對智能感興趣的學生可以從其他途徑了解到這個學科發(fā)展的前沿。因此，順勢而為，將深度學習這個主題做具體講解，滿足學生的好奇心，培養(yǎng)他們對學科前沿與發(fā)展的認識，是十分必要的。對高年級的學生而言，了解深度學習的基本知識，是他們全面認識人工智能與發(fā)展前沿的一個途徑，而對于研究生，較多地了解和掌握深度學習的基本知識有助于他們研究工作的開展。
基于以上幾點，筆者認為，將深度學習這個主題引入到人工智能類課程中非常有必要。深度學習作為人工智能的前沿，既是對人工智能原有理論和技術的一個突破和補充。
2.2 可行性
將深度學習引入到人工智能類課程中的可行性主要包括如下3點。
1）深度學習與現(xiàn)有人工智能聯(lián)系密切。
深度學習并不像突兀的山峰拔地而起。而是深深植根于原有的人工智能理論與技術。深度學習是以神經(jīng)網(wǎng)絡為出發(fā)點，這正是深度學習教與學的切入點。比如，可以通過對多層感知器隱藏層的增加和后傳算法的失效來講解深度學習是如何解決這個問題的。再者，深度學習的一個核心構建“受限波爾茲曼機（Restricted Boltzmann Machine）”，可以被認為是一種能量模型，而這種模型與Hopfield網(wǎng)絡都可以從物理學的能量模型角度分析，RBM可以認為是Hopfield網(wǎng)絡的隨機擴展?？傊?，深度學習與現(xiàn)有人工智能的聯(lián)系，使學習深度學習變得容易。
2）深度學習的基本內容并不深。
深度學習有個很好的名字，這個名字恰當?shù)孛枋隽颂囟ǖ膶W習結構。比如，深度學習的核心部件受限于波爾茲曼機RBM，其結構非常簡單。從神經(jīng)網(wǎng)絡的角度，受限波爾茲曼機是一種隨機的雙向連接神經(jīng)網(wǎng)絡，信號可以從可見層傳遞到隱藏層，也可以從隱藏層傳遞到可見層。網(wǎng)絡中每個節(jié)點是具有特定結構的神經(jīng)元，其中的神經(jīng)元具有典型的包含自身偏置的Logistic函數(shù)的隨機單元，能夠依Logistic函數(shù)計算得到的概率輸出0狀態(tài)或1狀態(tài)。概括地說，深度學習的基本內容在高年級階段較易掌握。
3）深度學習的資料容易獲得。
當前的信息資訊非常發(fā)達，有相當多的資料可以通過互聯(lián)網(wǎng)等多種途徑獲得，這使學習深度學習成為可能。近期，中國計算機學會主辦了多個技術講座均涉及深度學習的部分；深度學習的創(chuàng)始人Hinton教授的主頁也有很多資料；Coursera網(wǎng)站有免費的Hinton教授的神經(jīng)網(wǎng)絡課程；斯坦福大學的Ng教授提供了很多的在線教程；蒙特利爾大學Bengio教授發(fā)表的題為“Learning Deep Architectures for AI”的論文也是這領域的優(yōu)質資料。
3 實施建議
在具體的教學過程中，筆者建議適當安排深度學習的最基本內容，內容不宜過多，也不宜占用過多的學時，可以根據(jù)教學對象的不同進行調整。比如，本科生的高年級專業(yè)課可以安排1學時的教學量，介紹層次訓練的基本算法；也可以在高年級前沿講座中安排2學時，內容覆蓋面盡可能廣泛。在研究生的教學中，可以根據(jù)教學的課程主題安排內容與學時。比如，神經(jīng)網(wǎng)絡主題的課程可以安排4-6學時的教學內容，包括波爾茲曼機及學習算法、深層信念網(wǎng)絡與學習算法、深層波爾茲曼機與學習算法卷、積神經(jīng)網(wǎng)絡、自動編碼器等。結合應用，課程還可以包含MNIST數(shù)字識別的應用、人臉識別的應用、圖像檢索的應用、語音識別中的應用等。另外，深度學習是一個實踐性很強的研究，隨機性：大規(guī)模（意味著數(shù)據(jù)不宜可視化，程序運行時間長）等多種因素混合，使深度學習在學習中不容易理解。為此，可以在條件允許的前提下，增加小規(guī)模的實驗，輔助理解。最后，課件可以通過對優(yōu)質資料做修改得到。
