時間：2022-03-11 12:27:29
序論：在您撰寫人工智能導論論文時，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。
關鍵詞：人工智能；教學內(nèi)容；教學方法
中圖分類號：G642 文獻標識碼：A
1 引言
人工智能(AI)是二十世紀五十年代后期興起的利用計算機模擬人類智能活動去求解問題的學科，與空間技術、原子能技術一起被譽為二十世紀三大科學技術成就，目前廣泛應用于專家系統(tǒng)、機器翻譯、語音識別、文字識別、計算機視覺、機器人、電子游戲等方面，已經(jīng)成為計算機技術發(fā)展以及許多高新技術產(chǎn)品中的核心技術。
為了適應人工智能技術日益廣泛的需要，國內(nèi)外高校普遍開設了“人工智能”方面的課程，特別是作為計算機方面專業(yè)的核心課程之一。我校自從1993年開始為自動化專業(yè)本科生開設“智能控制”選修課，1996年為自動化、計算機、機械等專業(yè)本科生開設“人工智能導論”、“人工智能及其應用”課程。目前，我校軟件學院、信息學院、機電學院都開設了“人工智能導論”課程，已經(jīng)成為計算機科學與技術、軟件工程、數(shù)字媒體技術、自動化、機械制造與自動化等許多專業(yè)本科生的一門重要的技術基礎課程，也是面向包括人文社科等全校所有專業(yè)的公選課之一，其目的是使學生了解人工智能的基本概念和基本原理，初步學習和掌握人工智能的基本技術和前沿內(nèi)容，拓寬知識面，啟發(fā)思路，為學生提供最基本的人工智能技術和有關問題的入門性知識，提高學生應用開發(fā)軟件的能力和水平，為今后在相關領域的研究和應用奠定更為堅實的基礎。因此，建設好“人工智能導論”課程具有重要意義和很廣的受益面。
由于人工智能是交叉學科，涉及面廣、內(nèi)容抽象、不易理解，學生往往有望而生畏的感覺，在教學過程中，老師教、學生學都比較吃力。為了更好地實現(xiàn)上述教學目標，提高本課程的教學質(zhì)量，協(xié)調(diào)好教與學的雙邊關系，使學生由望而生畏的感覺，變?yōu)橛杏糜腥さ母杏X，根據(jù)已有人工智能課程在教學與實踐方面的經(jīng)驗和方法，結(jié)合“人工智能導論”課程的近幾年教學實踐，對課程的教學體系、教學內(nèi)容、教學方法、教學手段、考核方式等方面進行了探索總結(jié)。
2 調(diào)整與優(yōu)化教學體系和教學內(nèi)容
“人工智能導論”是計算機科學與技術、軟件工程、數(shù)字媒體技術、自動化、機械制造與自動化等許多專業(yè)本科生的一門重要的技術基礎課程，也是面向包括人文社科等全校所有專業(yè)的公選課之一，其研究領域及內(nèi)容十分豐富，涉及的基礎面廣。因此如何選好教學內(nèi)容，既能使學生了解本領域的概貌，又能適合學生的基礎，便于他們在有限的時間完成學習任務，是一件重要而又困難的事情。
進入21世紀以來，人工智能學科又有了新的發(fā)展。為了及時反映人工智能研究和學科的最新進展，我們修訂了“人工智能導論”的教學大綱，對教學內(nèi)容進一步優(yōu)化和更新，極大充實了各個系統(tǒng)的內(nèi)容。我們確定的教學內(nèi)容主要分為三部分：第1部分為概論，介紹人工智能的基本概念、基本內(nèi)容、主要研究領域及發(fā)展過程；第2部分是知識表示，推理和搜索技術，討論幾種常用的知識表示方法、推理技術(包括確定性推理方法和不確定推理方法)和搜索求解策略；第3部分是人工智能應用研究領域，包括專家系統(tǒng)、自然語言理解、機器學習、人工神經(jīng)網(wǎng)絡、遺傳算法等的基本概念和方法等。其中第2部分是基礎理論，是人工智能的重要基礎，應該循序?qū)W習。第3部分是人工智能的應用，由于每個研究內(nèi)容都相對獨立、自成體系且有其專門的學術著作研究、熱點，因此針對高等院校的本?？粕鷣碚f，不必循序?qū)W習，而且結(jié)合專業(yè)特點可以選擇其中幾個研究領域。例如對自動化專業(yè)的學生來說，可以選擇專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、遺傳算法等，同時可增加在自動控制領域的應用，包括專家控制、神經(jīng)網(wǎng)絡控制和進化控制等熱點：而對計算機科學與技術專業(yè)來說，可以選擇專家系統(tǒng)、自然語言理解、機器學習等，并輔以動物識別系統(tǒng)、語音識別系統(tǒng)、智能機器人等實例。總之就是要把握課程性質(zhì)和教學目的，調(diào)整本課程教學體系，優(yōu)化教學內(nèi)容，讓學生以有限的時間學到人工智能的基礎知識和基本方法。
另外，在選擇和確定教學內(nèi)容時必須兼顧基礎知識和新興技術，注意與相關課程(如離散數(shù)學、數(shù)據(jù)結(jié)構(gòu)、概率論、自動控制原理、Matlab系統(tǒng)仿真、面向?qū)ο蟮木幊碳夹g等)的鏈接，密切理論與實際的關系，通過課堂講授和課外訓練，注意學生能力培養(yǎng)，提高他們的學習效果和整體素質(zhì)。
3 加強課程立體化建設和系列教材研究
在課程的立體化建設中，教材充當了地基的角色，所有的課程內(nèi)容安排，無不體現(xiàn)出以教材為基本，以教材為模板。所以本著基礎、實用的原則，我們先后編著出版了《人工智能及其應用》課程教材導論部分概括性強，引人入勝；基礎部分系統(tǒng)全面，敘述深入淺出，循序漸進；應用部分密切理論與實際關系，典型形象。其中第二版在第一版的基礎上，增加了證據(jù)理論、模糊推理、神經(jīng)網(wǎng)絡等理論的一些典型應用，使學生能夠更深入地理解和應用這些理論；另一方面，又新增了自然語言理解及其應用內(nèi)容，以適應目前計算機翻譯、人機自然語言交互等技術日益廣泛應用的需要。系列教材適應了人工智能導論新課程開設的需要，反映了人工智能學科的發(fā)展，為人工智能課程確立了基本框架，發(fā)揮了重要作用。系列教材的問世不僅解決了本校“人工智能導論”課程教學用書的問題，而且也被各兄弟院校普遍采用，促進了該課程的普遍開設，推動人工智能學科的發(fā)展。
為了配合教材第二版的教學和自學，在已有教學經(jīng)驗和教學成果積累的基礎上，制作了高質(zhì)量的教學課件和完整的教學視頻錄像，并刻錄成光盤隨書供讀者使用；同時又研究與開發(fā)了網(wǎng)絡課程(http：//)，以更好地調(diào)動學生的學習興趣和主動性，促進本課程的教學改革。
包括主教材、電子教案、教學視頻錄像、網(wǎng)絡課程及教學資料庫等在內(nèi)的課程立體化建設符合二十一世紀高校教學的要求，支持教師提高教學手段現(xiàn)代化的水平，更貼合學生的學習需求。
4 改革與創(chuàng)新教學模式和教學方法
在“人工智能導論”課程教學的過程中，我們積極探索教學新路，經(jīng)過數(shù)年辛勤試驗，結(jié)合蔡自興教授等對人工智能課程的建設經(jīng)驗，對課程的教學模式和教學方法進行了如下一些的改革與創(chuàng)新。
(1)通過多種途徑激發(fā)學生的學習興趣
“興趣是最好的老師”，“人工智能導論”課程的學習效果，直接受到學生興趣和參與意識的影響。由于這是一門導論性前沿課程，一般來說，學生開始學習興趣很大。但是，當一些學生開始接觸到抽象概念和算法時，往往感到不易接受。我們通過各種途徑和方法，激發(fā)和培養(yǎng)學生的學習興趣。例如，鼓勵學生參與課堂討 論、布置讀書報告和課外實驗、以問題為導向的啟發(fā)式教學、專題討論／辯論等形式。特別，我們精心組織和準備了模糊控制技術及其應用、智能機器人技術與應用、智能交通、BCI(腦機交互接口)等專題，以及智能調(diào)度軟件、語音識別系統(tǒng)、動物識別系統(tǒng)、足球機器人比賽、機器人軌跡跟蹤、倒立擺的智能控制等課內(nèi)演示，使學生擴大了眼界，增加了感性知識，達到提高學生學習興趣的目的與效果。
(2)面向問題的啟發(fā)式教學
人工智能中的許多問題，有的似是而非，有的引人入勝。在教學中，有意識的提出相關問題，提請學生思考，鼓勵學生提出自己的猜想和解決方案。然后逐步進入教材中的解決方案，啟發(fā)學生求解這些問題，并進行分析和比較，從而強化了學生學習的主動意識和參與意識，提高了學生的學習積極性。例如，在講到比較抽象的“遺傳算法”時，提出“遺傳算法如何用于優(yōu)化計算?”這一問題。針對該問題，先從“達爾文的生物進化論”入手，討論“遺傳”、“變異”和“選擇”作用；然后通過一個簡單的例子，從特殊到一般地啟發(fā)學生思考“遺傳”、“變異”和“選擇”的實現(xiàn)，最終讓學生與教師一起導出遺傳算法用于優(yōu)化計算的基本步驟。這樣，學生不但從中學習了遺傳算法，而且得到一次邏輯思維的訓練，取得很好的教學效果。
(3)課堂辯論與交互式教學
組織課堂辯論，討論的議題包括人工智能的應用前景和其他比較等有爭議的問題。學生對這些問題展開了激烈的爭論，激發(fā)了學習潛能，明確了學習目標。例如，為了加深學生對智能機器人內(nèi)涵的理解，我們組織了“機器智能能否超過人類智能”的辯論會。會前正反雙方結(jié)合本課程內(nèi)容及其相關知識，認真進行準備；辯論會上正反雙方唇槍舌戰(zhàn)，激烈爭辯，氣氛熱烈。辯論后，學生余意未盡，討論熱情不減。無論是哪一方獲勝，都達到了預期的效果。教學中我們還注意采用了多種交互式策略，如課堂上教師提問可鼓勵或指定學生提問，也可由學生自由地就某個知識點進行主題發(fā)言后老師點評等。
(4)個性化學習與因材施教
在本課程教學過程中注意對學生因材施教和個性化教學。例如，通過組織學生進行讀書報告的形式，鼓勵學生從多方面、多角度考慮問題，多提新穎思想，有意識地鼓勵優(yōu)秀學生探討比較深層的內(nèi)容，并輔導優(yōu)秀學生將其成果以科技論文和發(fā)表文章的形式轉(zhuǎn)化為成果。又如，在教學設計和實驗設計中，注意要求學習有余力和興趣的學生選作部分探索性、創(chuàng)新性的功課和實驗(選學內(nèi)容，如模糊控制器的設計、進化控制等)，從而引導學生發(fā)揮個性優(yōu)勢，達到因材施教的目的。同時注意分析學習較差的學生的具體困難，進行有針對性的指導。
(5)多媒體與網(wǎng)絡教學的使用
本課程在PPT演示文稿和網(wǎng)絡課程上，采用了大量的多媒體表現(xiàn)形式，如視頻、動畫、聲音和圖像等。目的在于使得人工智能抽象的知識形象化，便于學生理解。例如，課內(nèi)讓學生在線觀看涂曉媛博士的計算機動畫“人工魚”的錄像片段、人工生命Floy中生命智能體在環(huán)境中不斷的適應進化構(gòu)成演示等，有助于加深學生對所學知識的理解，促進教學水平的提高，激發(fā)了學生對課程的興趣，使學生創(chuàng)新意識得到增強。此外，隨教材附贈的教學光盤和開發(fā)的網(wǎng)絡課程(http：//)提供了學生課外自學用的高質(zhì)量的電子課件、完整的教學視頻錄像、豐富的實驗和案例資料等，以更好地調(diào)動學生的學習興趣和主動性。
(7)理論與實踐結(jié)合
在教學內(nèi)容安排上，注意理論聯(lián)系實際，適時布置一些人工智能實驗給學生進行課外練習。設計的課外實驗包括產(chǎn)生式系統(tǒng)實驗，歸結(jié)反演實驗，主觀Bayes推理網(wǎng)絡實驗，A搜索實驗，以及基于Maltab工具箱的模糊控制位置跟蹤系統(tǒng)、兩車追趕模糊控制系統(tǒng)、神經(jīng)網(wǎng)絡模式識別仿真、遺傳算法優(yōu)化計算等實驗。通過實踐和參與，保持學習興趣，有助于學生對人工智能基本概念和難點的理解，掌握基本方法和技術，為從事智能系統(tǒng)應用開發(fā)打下基礎，從而達到教學目的。例如，我們組織學生參觀我們的研究生綜合自動化實驗室，觀看機器人臂取物、倒立擺控制、語音識別軟件、指紋識別軟件、智能調(diào)度軟件等演示，密切理論與實際的關系。
我們在教學改革實踐中探索的這些教學方法，有利于充分激勵學生的學習積極性和主動性，有利于鼓勵學生發(fā)揮獨立思考和創(chuàng)新思維，有利于多方位培養(yǎng)學生學習發(fā)現(xiàn)問題、分析問題和解決問題的能力。
5 運用多樣化的教學手段和考核方式
5.1 多樣化的教學手段
采用現(xiàn)代信息技術進行教學，構(gòu)筑“人工智能導論”課程的現(xiàn)代教學模式，是本課程的主要特點之一。教學過程中采用了多媒體教學課件和網(wǎng)絡課程相結(jié)合的方法，充分利用多媒體的豐富表現(xiàn)形式，利用網(wǎng)絡課程的交互性、情景化等，進行教學。采用的方法包括：
(1)抽象知識內(nèi)容的多媒體表示
通過動畫和視頻來演示抽象的概念、算法和過程，包括機器人軌跡跟蹤、機器人臂取物、足球機器人比賽、倒立擺控制、“人工魚”等錄像片段，以及智能調(diào)度軟件、語音識別系統(tǒng)、指紋識別系統(tǒng)、動物識別系統(tǒng)等軟件演示。
(2)通過PPT撰寫教案
精心編制PPT，組織好課件內(nèi)容，做到圖文并茂，提綱挈領，便于學生理解，便于教師講授。
(3)開發(fā)與應用網(wǎng)絡課程
“人工智能導論”網(wǎng)絡課程較好的實現(xiàn)了交互性、在一定程度上實現(xiàn)了學習過程的情景化。在交互性方面，通過網(wǎng)絡課程的課堂練習和章節(jié)練習，評價學生的學習情況，并給學生提出學習建議。在情景化方面，采用了在線答疑形式，使得學習過程豐富有趣。
(4)先進實驗系統(tǒng)的觀摩與演示
利用我們的研究成果等有利條件，有針對性地對學生進行成果演示(包括智能調(diào)度軟件、語音識別系統(tǒng)、指紋識別系統(tǒng)、動物識別系統(tǒng)等軟件)，使學生知道學了有用，而且很有用，很有趣，很有意義，從而進一步誘導學生的學習興趣，鞏固了課堂所學知識，提高了教學質(zhì)量。
教學效果通過上述先進的現(xiàn)代信息技術的應用，不僅極大地提高了學生的學習興趣和主動性，而且也取得很好的實際教學效果，提高教學質(zhì)量。
5.2 作業(yè)、考試等教改舉措
(1)改革作業(yè)方式與方法
改變過去那種單純的書面習題作業(yè)，發(fā)展成為必須交給教師評閱的書面家庭作業(yè)、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。其中上交作業(yè)通過網(wǎng)絡進行，教師批閱后的作業(yè)也通過網(wǎng)絡返回給學生，實現(xiàn)了作業(yè)呈交和返回的網(wǎng)絡化。
(2)改革考試方式與方法
如何對本課程的考試方式進行改革一直是我們探索的問題。我們綜合考慮課堂出勤情況(10％)、平時正式作業(yè)成績(20％)和期末課程考試(70％)，進行綜合評分。期末考試有時采用綜合試題考試，出幾個大題目讓學生選擇其中幾個進行開卷筆試，當面交卷后評分；有時采用課外開卷論文結(jié)合或口試面試。最近，我們還對部分學生結(jié)合實驗或?qū)嶋H問題提問等進行考核。我們正進一步改革、試驗和探索，使考試成為衡量與培養(yǎng)創(chuàng)新能力，促進學生學習主動性和提高課程教學質(zhì)量的重要環(huán)節(jié)。
［關鍵詞］人工智能；人才培養(yǎng)；AI技術人才
一國家對于高校人工智能教育的發(fā)展的重視
面對AI技術如火如荼地發(fā)展，我們國家對AI人才和人才培養(yǎng)都非常重視。2017年3月“人工智能”在政府工作報告中曾提及四次，指出要推動人工智能和實體經(jīng)濟深度融合。2017年7月20日國務院《新一代人工智能發(fā)展規(guī)劃》[4]?！兑?guī)劃》指出完善人工智能領域?qū)W科布局，設立人工智能專業(yè)，推動人工智能領域一級學科建設，盡快在試點院校建立人工智能學院，增加人工智能相關學科方向的博士、碩士招生名額。鼓勵高校在原有基礎上拓寬人工智能專業(yè)教育內(nèi)容，形成“人工智能+X”復合專業(yè)培養(yǎng)新模式，重視人工智能與數(shù)學、計算機科學、物理學、生物學、心理學、社會學、法學等學科專業(yè)教育的交叉融合。加強產(chǎn)學研合作，鼓勵高校、科研院所與企業(yè)等機構(gòu)合作開展人工智能學科建設。
二企業(yè)對于人工智能人才的需求
市場上AI技術人才非常稀缺，據(jù)騰訊研究院聯(lián)合boss直聘的《2017全球人工智能人才白皮書》[5]顯示：目前，全球大約有30萬人從事AI工作。截止到2017年10月，中國人工智能人才缺口至少在100萬以上。2017年頭10個月，AI人才需求量是2016年的近兩倍，2015年的5.3倍之多，年復合增長率超200%。百度、騰訊、阿里巴巴、京東等互聯(lián)網(wǎng)巨頭都在挖掘AI人才，紛紛開出了高額的薪資。2017年薪資最高的十個職位中AI類崗位占到1/2，其中語音識別、NLP、機器學習等職位平均月薪資超過2.5萬元。
三高校AI人才培養(yǎng)的思考
高校具有多學科、高層次人才集中的特點，具備計算機與多學科交叉融合的優(yōu)越條件；且大部分學校都開設有數(shù)學、物理等基礎學科，具備夯實數(shù)學理論基礎的條件；且人員相對固定，便于溝通交流，具備共同開展AI課題，促進發(fā)展AI技術的人力條件。但是遺憾的是我國開設人工智能課程的高校較少，2018年只有33所高校設立了智能科學與技術專業(yè)[6]。面對AI發(fā)展的火爆，國家對于AI人才發(fā)展的重視以及企業(yè)對于AI人才的嚴重需求，高校作為人才培養(yǎng)的主要來源，是不是應該思考AI人才的培養(yǎng)呢？AI人才可以分為三類：拔尖人才，研究性人才和應用型人才，呈金字塔性。當下已經(jīng)有一批名牌大學開展了AI方向拔尖人才的培養(yǎng)，如北京大學圖靈班、中國科技大學人工智能技術學院、西安交通大學人工智能拔尖人才培養(yǎng)實驗班，南京大學計劃成立人工智能學院等。但是金字塔的底層、中層更需要龐大的AI技術人才，如應用開發(fā)人員、數(shù)據(jù)工程師、AI和機器學習工程師、AI系統(tǒng)架構(gòu)師、AI產(chǎn)品經(jīng)理等崗位的人才，同樣值得重視。很多專家都表示AI人才需要數(shù)學基礎好、專業(yè)理論全面、具備一些工程基礎，且有自主學習的能力。本文從夯實數(shù)學基礎、人工智能方向課程的建設、實踐能力的培養(yǎng)、自主學習能力的培養(yǎng)四個方面闡述高校關于AI人才培養(yǎng)的一些思考。
1奠定扎實的數(shù)學基礎
在學習AI技術時，幾乎所有專家學者都提出需要扎實的數(shù)學功底，數(shù)學功底的厚重程度決定了在AI技術上走多遠。高等院校計算機專業(yè)都開設有“高等數(shù)學”“線性代數(shù)”“概率論”等數(shù)學課程，但是課時、難易程度不足，學生對于數(shù)學不夠重視，或者覺得晦澀難懂，學習效果并不十分理想，因此加強數(shù)學基礎的工作刻不容緩?？梢酝ㄟ^必修和選修等方式開設“數(shù)據(jù)分析”“統(tǒng)計機器學習”“凸優(yōu)化”等課程；通過微課或者MOOC等方式鞏固數(shù)學基礎的學習；通過優(yōu)秀科普讀物，如《數(shù)學之美》《編程之美》等書籍的推薦閱讀激發(fā)學生興趣；通過開展校內(nèi)學術討論、數(shù)學競賽等方式促進學生學習數(shù)據(jù)的動力，逐步達到夯實數(shù)據(jù)功底的目的。
2人工智能方向課程的建設
很多高校計算機專業(yè)課程中只開設有《人工智能》導論，有的甚至沒有。智能科學與技術專業(yè)開設有“人工智能”“計算機視覺”“機器人學導論”“計算智能”這幾門課程，但是在編程、算法等方面不足。那么AI技術人才應具備哪些專業(yè)能力呢？如何從專業(yè)角度培養(yǎng)AI技術人才呢？2018年1月CSDN了“AI技術人才成長路線圖”[7]，通過專業(yè)路徑和實戰(zhàn)路徑兩方面介紹了AI技術人才需要具備的知識。需要具備Python、C++、Linux、CUDA編程知識，需要學習機器學習課程、掌握TensorFlow框架。該路線圖中列出了機器學習算法工程師、數(shù)據(jù)科學家等10個崗位AI人才應具備專業(yè)知識和能力。微軟公司也推出AI人才培養(yǎng)的10門免費課程，如“AI導論”“數(shù)據(jù)科學會用到的Python語言-導論”“AI領域運用的數(shù)學概要”“數(shù)據(jù)和分析所需要的道德與法律”“數(shù)據(jù)科學概要”“機器學習法則”“深度學習”“強化學習”“微軟專案項目之人工智能”。同時在“文字和自然語言識別”“語音識別”“計算機視覺和圖像識別”中選擇其一。Google在人工智能學習網(wǎng)站開設有《MachineLearningCrashCourse（簡稱MLCC）》的免費課程[8]，由機器學習概念、機器學習工程、機器學習現(xiàn)實世界應用示例三個部分組成。Intel近期也了三門免費的AI課程，分別是“機器學習基礎”“深度學習基礎”和“TensorFlow基礎”[9]。AndrewNg在Coursera上也推出了機器學習的課程，且用比較通俗的語言講解機器學習中各個算法。最近在Deeplearn-ing.ai和Coursera平臺又開設了5門深度學習課程[10]。綜上所述，不同的研究機構(gòu)都著眼于AI編程基礎、AI算法、AI框架、AI實踐這幾個方面。那么高校也可以借鑒這些經(jīng)驗，通過三個階段分層次的開展相應的課程。
3實踐能力的培養(yǎng)
AI技術不能紙上談兵，必須動手實踐才能真正掌握，可以從以下幾個方面著手培養(yǎng)學生的實踐動手能力。（1）設計教學環(huán)節(jié)時多從工程應用的角度來介紹，激發(fā)學生的興趣，培養(yǎng)學生解決問題的能力。要求學生新手編程編程實現(xiàn)模型，充分理解算法的含義和原理到實現(xiàn)的過程。（2）在掌握一定的機器學習知識后，鼓勵學生盡早走進實驗室，接觸科研工作?？梢詮囊恍〢I應用方向作為入手，使學生了解自己的興趣點、培養(yǎng)科學研究能力。（3）鼓勵學生參加算法比賽。目前有很多AI方向的競賽，如Kaggle上的挑戰(zhàn)賽，國內(nèi)阿里天池大數(shù)據(jù)競賽等。通過參加競賽刺激學生學習AI的動力和熱情，使得解決問題的能力和實踐動手能力都會大幅度提高。（4）鼓勵學生到工業(yè)界實習。很多專家都指出AI人才應該具備一定工程基礎。確實，學術界往往追求算法的性能，而工業(yè)界更重視經(jīng)濟效益和解決問題的有效性。到企業(yè)學習可以快速了解行業(yè)發(fā)展的框架，掌握算法轉(zhuǎn)化到產(chǎn)品的過程。
4自主學習能力的培養(yǎng)
AI技術發(fā)展速度很快，要求不斷地學習才能跟上節(jié)奏?？梢詮囊韵聨讉€方面來培養(yǎng)學生的自主學習能力。（1）平時教學中，可以給出一些小型的項目，讓學生自己尋求解決的方案，并把它作為考試成績的依據(jù)之一。（2）提供給學生免費的AI慕課資源，讓學生更好的學習和鞏固相關知識。（3）課外可以開展學術討論或者通過社團等方式開展AI方向的研討，交流，給學生一個學習的平臺，讓學生嘗試選擇自己感興趣的方向。也可以介紹一些近期的AI會議內(nèi)容，開闊學生的眼界，使其了解AI發(fā)展的動態(tài)。（4）鼓勵高年級學生訂閱Arxiv，關注機器學習的頂級會議，如ICML/NIPS等。通過研讀論文，動手完成論文中的實驗發(fā)現(xiàn)新問題；或者擴展感興趣的論文的實驗部分；或者嘗試尋求論文中有價值的地方，找到自己的研究方向。
>> 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(diào)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(nèi)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(nèi)容。
下面以“規(guī)劃”中的路徑規(guī)劃內(nèi)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(zhì)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(qū)動的教學過程
人工智能課程各單元內(nèi)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(qū)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(jié)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(diào)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(jié)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(jié)和發(fā)現(xiàn)教學設計中的問題,及時調(diào)整。
通過上述兩個環(huán)節(jié)的推動,精心設計的教學內(nèi)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?cè)藬?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?qū)嶋H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(jié)
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(diào)基于評價的修正使教學過程可調(diào)節(jié),學生的學習效果更可靠。希望本文研究能夠?qū)θ斯ぶ悄芙虒W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(jié)構(gòu)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(nèi)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(nèi)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(nèi)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(nèi)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(zhì)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(jié)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(jié)了人工智能，包括教學內(nèi)容、教材選擇、教學方法和考核形式等。
1 教學內(nèi)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(nèi)容。通常來講，人工智能學科的內(nèi)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(nèi)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(jié)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?；诖耍斯ぶ悄軐W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(nèi)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(nèi)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(nèi)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(jié)合起來，只有這樣人工智能課程的教學質(zhì)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(nèi)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(zhì)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(nèi)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(nèi)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(jié)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(zhuǎn)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(qū)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(jié)?！盵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(jié)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(nèi)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(zhì)量的提升。
4 結(jié)束語
本文是以提高教學質(zhì)量為目標，結(jié)合教學實踐，從教學體系、教學內(nèi)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(jié)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(nèi)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(zhì)量。從學生的反饋來看，作者所總結(jié)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(jié)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：智能科學與技術；課程體系；培養(yǎng)管理
1背景
智能科學與技術是當前科學研究和工程實踐的理論與技術發(fā)展的前沿領域，智能科學與技術專業(yè)是一個多學科交叉的跨應用領域?qū)I(yè)Ⅲ。智能科學技術的發(fā)展將把整個信息科學技術推向“智能化”的高度，這正是當代科學技術發(fā)展的大趨勢，對于這方面人才的需求也越來越迫切。智能科學與技術培養(yǎng)掌握堅實智能科學與技術基本理論和系統(tǒng)專門知識，具備作為工程師或領導者及公民的良好人文修養(yǎng)，具有從事科學研究、工程設計、教學工作或獨立擔負本專業(yè)技術工作能力，深入了解國內(nèi)外智能科學與技術領域新技術和發(fā)展動向，能結(jié)合與本學科有關的實際問題進行創(chuàng)新研究或工程設計的高級專門人才。
高校應穩(wěn)妥發(fā)展與完善智能科學與技術專業(yè)的本科生教育，夯實本科教育基礎并積極創(chuàng)造條件，大力開展創(chuàng)新教學，努力培養(yǎng)學生的創(chuàng)新意識、創(chuàng)新精神和工程實踐能力，使之成為具有系統(tǒng)技術基礎理論、專業(yè)知識和基本技能，良好科研素質(zhì)和較強創(chuàng)造能力的智能科學與技術工程師。
2教學計劃與教學管理分析
智能科學與技術屬于計算機類專業(yè)，其必修課程設計原則是使學生具備計算機科學與工程的基礎理論知識，尤其是大類專業(yè)招生教學的院校，通識課程主要是數(shù)學、物理文化基礎，強調(diào)扎實的自然科學基礎。專業(yè)教學的特色體現(xiàn)在專業(yè)必修和專業(yè)選修課程，專業(yè)必修課一般分為數(shù)學基礎和專業(yè)課程。計算機類專業(yè)數(shù)學基礎課程一般包括線性代數(shù)、微積分、離散數(shù)學、微分方程、概率與統(tǒng)計、數(shù)值計算等；專業(yè)課程一般包括程序設計基礎、高等程序設計、數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、計算機組成與結(jié)構(gòu)、數(shù)字電路與邏輯設計等。
2.1學分
本科培養(yǎng)計劃的學分中，國內(nèi)外大學學分總數(shù)趨勢是逐步減少，追求少而精。國內(nèi)院校一般在130～190學分之間，如北京大學為150學分，清華大學為1 70學分，東南大學與浙江大學均為160學分，還有16學時為1學分的，也有18學時為1學分的。
中國臺灣的大學一般在130學分左右。臺灣交通大學最低畢業(yè)學分為128學分，其中必修課程須達76學分（共同必修58學分+資工組核心須達分+（資工組副核心課程學分+另2組核心課程學分）），專業(yè)選修本系課程須達12學分，其他選修課程須達12學分，通識課程須達28學分（含外語課程必修8學分）。臺灣“中央大學”為136學分，臺灣“清華大學”為136學分，其中必修和必選學分126，其他與導師商量決定。
美國的大學各校差異較大。美國的學分計算有4學期制、兩長一短制及兩學期制，其中加州大學伯克利分校為120學分，麻省理工大學為90學分，加州大學洛杉磯分校為186學分，斯坦福大學為180學分。
2.2教學管理
在教學管理上，斯坦福大學給學生提供了非常寬松的自由發(fā)展空間。新生入校后不分專業(yè)、不分學院。除了醫(yī)學院和法學院學生需要經(jīng)過一定的選拔程序外，本科生可以在入學后的前一個學期適當時候隨意選擇專業(yè)，并且選擇專業(yè)后允許更改，只要畢業(yè)時滿足專業(yè)培養(yǎng)方案即可。
國內(nèi)的浙江大學是較早實行按大類招生的學校之一，分為大類培養(yǎng)、專業(yè)培養(yǎng)和特殊培養(yǎng)3類，前兩年不分專業(yè)，按學科分類集中培養(yǎng)。
臺灣的大學專業(yè)也是按大類完成前期的基礎課程，再分小專業(yè)完成各學程，包括基礎課、核心課和進階課。
教學分組是現(xiàn)在的主流課程架構(gòu)，也是體現(xiàn)專業(yè)方向的主要形式，分組課程是體現(xiàn)專業(yè)特色的課程組。國內(nèi)清華大學采用的是分組教學；臺灣的大學基本上采用的是以教學方向分組的方式，臺灣的大學教學分為課程與修業(yè)、學分學程。
2.3實驗與實踐教學
計算機類專業(yè)各大院校都強調(diào)課程實驗與實驗教學，而目前課程該如何進行教學？這不僅是實驗問題，如何以工程教育專業(yè)論證為目標，怎樣使教學目標達到畢業(yè)要求是關鍵。做中學是主流實驗教學方式，尤其是美國的大學，大作業(yè)體現(xiàn)的是實驗與理論教學的結(jié)合，是考查學生是否理解理論知識的重要途徑。學生不僅能夠?qū)W習扎實的數(shù)學和計算機專業(yè)知識，還進行大量的實踐創(chuàng)新訓練。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校、斯坦福大學都屬于實踐創(chuàng)新性教學模式。例如，斯坦福大學程序設計范式課程重點比較C、C++、Java的特點和難點，每1～2周有一次大作業(yè)，針對不同的任務，要求學生用不同的語言實現(xiàn)，使學生加深理解各類編程語言的應用場合；麻省理工大學的課程計劃是必須先修12學分的實驗課程，再修3門或4門核心課程，最后選擇3門方向?qū)W科和1門關于該方向的實驗課、2門專業(yè)拓展課。
3智能科學與技術課程體系分析
智能科學與技術課程體系在智能基礎理論研究的基礎上，需要安排基礎性、通用性、關鍵性的智能技術研究，主要包括感知技術和信息融合技術；自然語言處理與理解技術；知識處理（認識）技術，包括知識提煉、知識分類、知識表示技術等；機器學習技術，特別是統(tǒng)計與規(guī)則相結(jié)合的學習技術；決策技術，即知識演繹技術特別是不確定推理技術等；策略執(zhí)行技術，即控制與調(diào)節(jié)技術；智能機器人技術，特別是面向?qū)ｉT領域的智能機器人技術；智能機器人之間的合作技術；基于自然語言理解的智能人機交互與合作技術；智能信息網(wǎng)絡技術。
國內(nèi)最早創(chuàng)辦智能科學與技術專業(yè)的學校包括北京大學，西安電子科技大學是第2批開始培養(yǎng)智能專業(yè)學生的院校。北京大學的本科教學計劃中，專業(yè)必修課程（2分）包括：①專業(yè)數(shù)學/理論基礎（15學分）：算法分析與設計、集合論與圖論、概率統(tǒng)計A、代數(shù)結(jié)構(gòu)與組合數(shù)學、數(shù)理邏輯；②硬件與系統(tǒng)基礎（分）：數(shù)字邏輯設計、微機原理和信號與系統(tǒng)；③智能基礎（5學分）：腦與認知科學與人工智能基礎。專業(yè)限選課程（15學分）包括信息論基礎、計算方法B、數(shù)字邏輯設計實驗、微機實驗、數(shù)據(jù)結(jié)構(gòu)與算法實習、機器感知和智能處理實驗、智能多媒體信息系統(tǒng)實驗。選修組合課程（29～32學分）：學生按照自己的興趣，參考智能的2個專業(yè)方向推薦專業(yè)課組合，自行選擇，至少選修20學分的智能專業(yè)課程。公共核心+專業(yè)方向+新技術及其他：①公共核心課程（分）：智能科學技術導論、模式識別基礎、生物信息處理、智能信息處理；②專業(yè)方向課程（11～15學分）：機器感知與智能機器人方向、智能信息處理與機器學習方向、新技術及其他。
西安電子科技大學智能專業(yè)主要課程包括電路分析理論、信號與系統(tǒng)、數(shù)字信號處理、數(shù)字電路及邏輯設計、模擬電子技術基礎、微機原理與系統(tǒng)設計、數(shù)據(jù)結(jié)構(gòu)、軟件工程、人工智能概論、算法設計與分析、最優(yōu)化理論與方法、機器學習、計算智能導論、模式識別、圖像理解與計算機視覺、智能傳感技術、移動通信與智能技術、智能控制導論、智能數(shù)據(jù)挖掘、網(wǎng)絡信息檢索、智能系統(tǒng)平臺專業(yè)實驗等課程及30多門選修課程。
建議各學?？梢愿鶕?jù)學院教學特色與實際需求，設計專業(yè)核心課程。北京大學偏重“信息處理”，湖南大學偏重“智能系統(tǒng)”，但需要強調(diào)的一個前提就是智能科學與技術專業(yè)屬于大計算機類，更需要大EECS專業(yè)的基礎。編程、電路、數(shù)學、數(shù)據(jù)結(jié)構(gòu)、計算機系統(tǒng)這五大核心基礎就是大EECS；其次是專業(yè)，計算機以系統(tǒng)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡、編譯、數(shù)據(jù)庫五大經(jīng)典專業(yè)核心課為主，湖南大學的智能科學與技術專業(yè)強調(diào)系統(tǒng)，因此信號與系統(tǒng)、操作系統(tǒng)、嵌入式系統(tǒng)、人工智能是最基本的專業(yè)核心課，然后再分不同的分支。湖南大學智能科學與技術專業(yè)核心課程包括人工智能概論、機器學習、計算智能導論、模式識別、智能控制導論、智能數(shù)據(jù)挖掘、機器人學等；研究學位課程包括模式識別、人工智能等，主要體現(xiàn)為智能科學與技術基礎（人工智能概論、機器學習、計算智能導論、模式識別）、核心（智能控制導論、智能數(shù)據(jù)挖掘）和應用（機器人學）。
4結(jié)語
（1）在課程計劃實施過程中，教師需要遵循課程的時序圖，即描述課程的進階關系，從本科直到研究生，同時還可以實行一定的修課限制，如臺灣交通大學計算機概論與程式設計和面向?qū)ο蟪淌皆O計兩科皆不及格者不得修數(shù)據(jù)結(jié)構(gòu)與算法概論，若數(shù)據(jù)結(jié)構(gòu)不及格不能修算法設計課程等。
（2）程序設計類課程用上機程序能力考試來設置合格條件，如臺灣交通大學基礎程式設計及格條件為通過“程式能力鑒定”，湖南大學則以CCF―CSP軟件能力測試作為程序設計課程通過的考核標準。
（3）鼓勵學生參與項目、競賽等課外科技活動，如臺灣“清華大學”的綜合論文訓練是由具有同等水平的項目訓練成果或SRT（student research training）計劃項目以及其他課外科技活動成果經(jīng)認定后代替的。
（4）精煉的課程教學。核心課程應該精且必須加強課程實驗，只有對方法和理論有正確的認識才能掌握這門課程，而動手完成實驗才能真正融會貫通。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校的學生具備扎實的數(shù)學和計算機專業(yè)知識后，都需要進行大量的實踐創(chuàng)新訓練。
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(nèi)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(nèi)容。然而在人工神經(jīng)網(wǎng)絡的教學內(nèi)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(nèi)容，這種教學內(nèi)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(nèi)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(nèi)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(jié)構(gòu)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(nèi)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(jié)構(gòu)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(nèi)容，因此，有必要將多層神經(jīng)網(wǎng)絡結(jié)構(gòu)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(jié)構(gòu)下訓練網(wǎng)絡的方法，也包含了不少新的內(nèi)容，是人工智能的新發(fā)展，為人工智能補充了新的內(nèi)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(gòu)建和學習深層學習網(wǎng)絡；如何將深層結(jié)構(gòu)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?nèi)嬲J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(gòu)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?？傊疃葘W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(nèi)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(jié)構(gòu)。比如，深度學習的核心部件受限于波爾茲曼機RBM，其結(jié)構(gòu)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(jié)構(gòu)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(nèi)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(zhì)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(nèi)容，內(nèi)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(diào)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(nèi)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(nèi)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(nèi)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(jié)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(zhì)資料做修改得到。
有的題目太大，例如《中國化妝品行業(yè)現(xiàn)狀與發(fā)展研究》《中國郵政物流發(fā)展戰(zhàn)略研究》《我國餐飲企業(yè)成本控制分析》等；有的題目沒有針對性，泛泛而談，例如《中小型零售企業(yè)物流模式的管理與策略》《中小企業(yè)會計信息失真的原因及對策分析》《上市公司會計信息披露失真的成因及其治理對策》等；有的題目是純理論研究。
過多地借助網(wǎng)絡影響了學生社會實踐能力的培養(yǎng)。調(diào)查發(fā)現(xiàn)畢業(yè)生過多地借助互聯(lián)網(wǎng)收集實際數(shù)據(jù)，只有半數(shù)的學生通過實習或問卷調(diào)查獲得實際數(shù)據(jù)。雖然通過互聯(lián)網(wǎng)獲得論文所需數(shù)據(jù)省時省力，但是畢業(yè)生不接觸社會、不深入生產(chǎn)實踐、不與人溝通，無法實現(xiàn)通過畢業(yè)論文提高畢業(yè)生的實踐能力、分析判斷能力、溝通能力的目的。
（三）就業(yè)壓力大影響了畢業(yè)論文質(zhì)量。畢業(yè)論文一般安排在大學的第8學期，這個時候畢業(yè)生往往為就業(yè)參加各種考試和面試。盡管絕大多數(shù)畢業(yè)生回答撰寫論文的時間充?；虮容^充裕，但這些事情牽扯了畢業(yè)生的很多精力，勢必對畢業(yè)論文質(zhì)量產(chǎn)生影響。調(diào)查中3.1%的畢業(yè)生持心有余而力不足的態(tài)度，就是就業(yè)壓力大造成的。
（四）畢業(yè)論文的寫作與指導難度大。調(diào)查中發(fā)現(xiàn)，超過半數(shù)的畢業(yè)生認為畢業(yè)論文難度較大。畢業(yè)生乍一接觸畢業(yè)論文，對查閱文獻資料、分析整理資料、選題、寫開題報告等無從下手，不知道如何寫選題背景、研究現(xiàn)狀、研究方法、摘要等，感覺把心中的想法表達出來很困難。對教師而言，在指導畢業(yè)論文的過程中要教會畢業(yè)生做這些工作，在時間緊任務重的情況下，教師普遍感覺壓力很大。這種狀況的根本原因是，目前碩士日常教學中沒有對科研能力和撰寫論文能力的培養(yǎng)，依然采用傳統(tǒng)教學方法，教師講學生聽，注重知識的傳授，忽視知識運用能力的培養(yǎng)。在傳統(tǒng)教學中，學生缺乏收集整理資料、運用知識分析解決問題等方面的訓練，學生很少有社會實踐的機會，學生缺乏思辨能力、寫作能力的培養(yǎng)等。而國外許多一流大學非常重視碩士生科研能力的培養(yǎng)，設立科研學分，例如美國麻省理工學院在1969年就有“碩士研究機會計劃”、加州大學洛杉磯分校在20世紀80年代設立了“碩士生研究中心”、伯克利分校于1997年成立了“碩士生研究辦公室”、耶魯大學為一年級的碩士新生設立了“指導研究”項目等。對我國的碩士教育現(xiàn)狀而言，在大學三年多的時間里沒有培養(yǎng)學生做科研寫論文的能力，在短短半年的時間里指導學生完成畢業(yè)論文，難度大、壓力大是可想而知的。
（五）少數(shù)學生不重視畢業(yè)論文。調(diào)查結(jié)果顯示，有0.3%的畢業(yè)生對畢業(yè)論文持不認真的態(tài)度。教師普遍反映，每年指導畢業(yè)論文的過程中，總有一兩個同學寫論文拖拖拉拉，不積極想辦法收集實際數(shù)據(jù)資料，不下功夫?qū)懻撐?，不認真修改論文，論文質(zhì)量不高，教師三番五次督促也沒有效果。而在論文評定成績時，指導教師往往心軟，不忍心由于畢業(yè)論文的緣故影響學生的畢業(yè)和就業(yè)，只要學生提交了論文，盡管論文質(zhì)量不高也往往給予通過。
