時間：2022-03-11 12:27:29
序論：在您撰寫人工智能導(dǎo)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(dǎo)您走向新的創(chuàng)作高度。
關(guān)鍵詞：人工智能；教學(xué)內(nèi)容；教學(xué)方法
中圖分類號：G642 文獻(xiàn)標(biāo)識碼：A
1 引言
人工智能(AI)是二十世紀(jì)五十年代后期興起的利用計(jì)算機(jī)模擬人類智能活動去求解問題的學(xué)科，與空間技術(shù)、原子能技術(shù)一起被譽(yù)為二十世紀(jì)三大科學(xué)技術(shù)成就，目前廣泛應(yīng)用于專家系統(tǒng)、機(jī)器翻譯、語音識別、文字識別、計(jì)算機(jī)視覺、機(jī)器人、電子游戲等方面，已經(jīng)成為計(jì)算機(jī)技術(shù)發(fā)展以及許多高新技術(shù)產(chǎn)品中的核心技術(shù)。
為了適應(yīng)人工智能技術(shù)日益廣泛的需要，國內(nèi)外高校普遍開設(shè)了“人工智能”方面的課程，特別是作為計(jì)算機(jī)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(shè)“智能控制”選修課，1996年為自動化、計(jì)算機(jī)、機(jī)械等專業(yè)本科生開設(shè)“人工智能導(dǎo)論”、“人工智能及其應(yīng)用”課程。目前，我校軟件學(xué)院、信息學(xué)院、機(jī)電學(xué)院都開設(shè)了“人工智能導(dǎo)論”課程，已經(jīng)成為計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程、數(shù)字媒體技術(shù)、自動化、機(jī)械制造與自動化等許多專業(yè)本科生的一門重要的技術(shù)基礎(chǔ)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(xué)生了解人工智能的基本概念和基本原理，初步學(xué)習(xí)和掌握人工智能的基本技術(shù)和前沿內(nèi)容，拓寬知識面，啟發(fā)思路，為學(xué)生提供最基本的人工智能技術(shù)和有關(guān)問題的入門性知識，提高學(xué)生應(yīng)用開發(fā)軟件的能力和水平，為今后在相關(guān)領(lǐng)域的研究和應(yīng)用奠定更為堅(jiān)實(shí)的基礎(chǔ)。因此，建設(shè)好“人工智能導(dǎo)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(xué)科，涉及面廣、內(nèi)容抽象、不易理解，學(xué)生往往有望而生畏的感覺，在教學(xué)過程中，老師教、學(xué)生學(xué)都比較吃力。為了更好地實(shí)現(xiàn)上述教學(xué)目標(biāo)，提高本課程的教學(xué)質(zhì)量，協(xié)調(diào)好教與學(xué)的雙邊關(guān)系，使學(xué)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(xué)與實(shí)踐方面的經(jīng)驗(yàn)和方法，結(jié)合“人工智能導(dǎo)論”課程的近幾年教學(xué)實(shí)踐，對課程的教學(xué)體系、教學(xué)內(nèi)容、教學(xué)方法、教學(xué)手段、考核方式等方面進(jìn)行了探索總結(jié)。
2 調(diào)整與優(yōu)化教學(xué)體系和教學(xué)內(nèi)容
“人工智能導(dǎo)論”是計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程、數(shù)字媒體技術(shù)、自動化、機(jī)械制造與自動化等許多專業(yè)本科生的一門重要的技術(shù)基礎(chǔ)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(lǐng)域及內(nèi)容十分豐富，涉及的基礎(chǔ)面廣。因此如何選好教學(xué)內(nèi)容，既能使學(xué)生了解本領(lǐng)域的概貌，又能適合學(xué)生的基礎(chǔ)，便于他們在有限的時間完成學(xué)習(xí)任務(wù)，是一件重要而又困難的事情。
進(jìn)入21世紀(jì)以來，人工智能學(xué)科又有了新的發(fā)展。為了及時反映人工智能研究和學(xué)科的最新進(jìn)展，我們修訂了“人工智能導(dǎo)論”的教學(xué)大綱，對教學(xué)內(nèi)容進(jìn)一步優(yōu)化和更新，極大充實(shí)了各個系統(tǒng)的內(nèi)容。我們確定的教學(xué)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(lǐng)域及發(fā)展過程；第2部分是知識表示，推理和搜索技術(shù)，討論幾種常用的知識表示方法、推理技術(shù)(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(yīng)用研究領(lǐng)域，包括專家系統(tǒng)、自然語言理解、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等的基本概念和方法等。其中第2部分是基礎(chǔ)理論，是人工智能的重要基礎(chǔ)，應(yīng)該循序?qū)W習(xí)。第3部分是人工智能的應(yīng)用，由于每個研究內(nèi)容都相對獨(dú)立、自成體系且有其專門的學(xué)術(shù)著作研究、熱點(diǎn)，因此針對高等院校的本專科生來說，不必循序?qū)W習(xí)，而且結(jié)合專業(yè)特點(diǎn)可以選擇其中幾個研究領(lǐng)域。例如對自動化專業(yè)的學(xué)生來說，可以選擇專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等，同時可增加在自動控制領(lǐng)域的應(yīng)用，包括專家控制、神經(jīng)網(wǎng)絡(luò)控制和進(jìn)化控制等熱點(diǎn)：而對計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)來說，可以選擇專家系統(tǒng)、自然語言理解、機(jī)器學(xué)習(xí)等，并輔以動物識別系統(tǒng)、語音識別系統(tǒng)、智能機(jī)器人等實(shí)例?？傊褪且盐照n程性質(zhì)和教學(xué)目的，調(diào)整本課程教學(xué)體系，優(yōu)化教學(xué)內(nèi)容，讓學(xué)生以有限的時間學(xué)到人工智能的基礎(chǔ)知識和基本方法。
另外，在選擇和確定教學(xué)內(nèi)容時必須兼顧基礎(chǔ)知識和新興技術(shù)，注意與相關(guān)課程(如離散數(shù)學(xué)、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(shù)等)的鏈接，密切理論與實(shí)際的關(guān)系，通過課堂講授和課外訓(xùn)練，注意學(xué)生能力培養(yǎng)，提高他們的學(xué)習(xí)效果和整體素質(zhì)。
3 加強(qiáng)課程立體化建設(shè)和系列教材研究
在課程的立體化建設(shè)中，教材充當(dāng)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(chǔ)、實(shí)用的原則，我們先后編著出版了《人工智能及其應(yīng)用》課程教材導(dǎo)論部分概括性強(qiáng)，引人入勝；基礎(chǔ)部分系統(tǒng)全面，敘述深入淺出，循序漸進(jìn)；應(yīng)用部分密切理論與實(shí)際關(guān)系，典型形象。其中第二版在第一版的基礎(chǔ)上，增加了證據(jù)理論、模糊推理、神經(jīng)網(wǎng)絡(luò)等理論的一些典型應(yīng)用，使學(xué)生能夠更深入地理解和應(yīng)用這些理論；另一方面，又新增了自然語言理解及其應(yīng)用內(nèi)容，以適應(yīng)目前計(jì)算機(jī)翻譯、人機(jī)自然語言交互等技術(shù)日益廣泛應(yīng)用的需要。系列教材適應(yīng)了人工智能導(dǎo)論新課程開設(shè)的需要，反映了人工智能學(xué)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?！叭斯ぶ悄軐?dǎo)論”課程教學(xué)用書的問題，而且也被各兄弟院校普遍采用，促進(jìn)了該課程的普遍開設(shè)，推動人工智能學(xué)科的發(fā)展。
為了配合教材第二版的教學(xué)和自學(xué)，在已有教學(xué)經(jīng)驗(yàn)和教學(xué)成果積累的基礎(chǔ)上，制作了高質(zhì)量的教學(xué)課件和完整的教學(xué)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(luò)課程(http：//)，以更好地調(diào)動學(xué)生的學(xué)習(xí)興趣和主動性，促進(jìn)本課程的教學(xué)改革。
包括主教材、電子教案、教學(xué)視頻錄像、網(wǎng)絡(luò)課程及教學(xué)資料庫等在內(nèi)的課程立體化建設(shè)符合二十一世紀(jì)高校教學(xué)的要求，支持教師提高教學(xué)手段現(xiàn)代化的水平，更貼合學(xué)生的學(xué)習(xí)需求。
4 改革與創(chuàng)新教學(xué)模式和教學(xué)方法
在“人工智能導(dǎo)論”課程教學(xué)的過程中，我們積極探索教學(xué)新路，經(jīng)過數(shù)年辛勤試驗(yàn)，結(jié)合蔡自興教授等對人工智能課程的建設(shè)經(jīng)驗(yàn)，對課程的教學(xué)模式和教學(xué)方法進(jìn)行了如下一些的改革與創(chuàng)新。
(1)通過多種途徑激發(fā)學(xué)生的學(xué)習(xí)興趣
“興趣是最好的老師”，“人工智能導(dǎo)論”課程的學(xué)習(xí)效果，直接受到學(xué)生興趣和參與意識的影響。由于這是一門導(dǎo)論性前沿課程，一般來說，學(xué)生開始學(xué)習(xí)興趣很大。但是，當(dāng)一些學(xué)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(xué)生的學(xué)習(xí)興趣。例如，鼓勵學(xué)生參與課堂討 論、布置讀書報(bào)告和課外實(shí)驗(yàn)、以問題為導(dǎo)向的啟發(fā)式教學(xué)、專題討論／辯論等形式。特別，我們精心組織和準(zhǔn)備了模糊控制技術(shù)及其應(yīng)用、智能機(jī)器人技術(shù)與應(yīng)用、智能交通、BCI(腦機(jī)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(jī)器人比賽、機(jī)器人軌跡跟蹤、倒立擺的智能控制等課內(nèi)演示，使學(xué)生擴(kuò)大了眼界，增加了感性知識，達(dá)到提高學(xué)生學(xué)習(xí)興趣的目的與效果。
(2)面向問題的啟發(fā)式教學(xué)
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(xué)中，有意識的提出相關(guān)問題，提請學(xué)生思考，鼓勵學(xué)生提出自己的猜想和解決方案。然后逐步進(jìn)入教材中的解決方案，啟發(fā)學(xué)生求解這些問題，并進(jìn)行分析和比較，從而強(qiáng)化了學(xué)生學(xué)習(xí)的主動意識和參與意識，提高了學(xué)生的學(xué)習(xí)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(jì)算?”這一問題。針對該問題，先從“達(dá)爾文的生物進(jìn)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(xué)生思考“遺傳”、“變異”和“選擇”的實(shí)現(xiàn)，最終讓學(xué)生與教師一起導(dǎo)出遺傳算法用于優(yōu)化計(jì)算的基本步驟。這樣，學(xué)生不但從中學(xué)習(xí)了遺傳算法，而且得到一次邏輯思維的訓(xùn)練，取得很好的教學(xué)效果。
(3)課堂辯論與交互式教學(xué)
組織課堂辯論，討論的議題包括人工智能的應(yīng)用前景和其他比較等有爭議的問題。學(xué)生對這些問題展開了激烈的爭論，激發(fā)了學(xué)習(xí)潛能，明確了學(xué)習(xí)目標(biāo)。例如，為了加深學(xué)生對智能機(jī)器人內(nèi)涵的理解，我們組織了“機(jī)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(guān)知識，認(rèn)真進(jìn)行準(zhǔn)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(xué)生余意未盡，討論熱情不減。無論是哪一方獲勝，都達(dá)到了預(yù)期的效果。教學(xué)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(xué)生提問，也可由學(xué)生自由地就某個知識點(diǎn)進(jìn)行主題發(fā)言后老師點(diǎn)評等。
(4)個性化學(xué)習(xí)與因材施教
在本課程教學(xué)過程中注意對學(xué)生因材施教和個性化教學(xué)。例如，通過組織學(xué)生進(jìn)行讀書報(bào)告的形式，鼓勵學(xué)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(xué)生探討比較深層的內(nèi)容，并輔導(dǎo)優(yōu)秀學(xué)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(xué)設(shè)計(jì)和實(shí)驗(yàn)設(shè)計(jì)中，注意要求學(xué)習(xí)有余力和興趣的學(xué)生選作部分探索性、創(chuàng)新性的功課和實(shí)驗(yàn)(選學(xué)內(nèi)容，如模糊控制器的設(shè)計(jì)、進(jìn)化控制等)，從而引導(dǎo)學(xué)生發(fā)揮個性優(yōu)勢，達(dá)到因材施教的目的。同時注意分析學(xué)習(xí)較差的學(xué)生的具體困難，進(jìn)行有針對性的指導(dǎo)。
(5)多媒體與網(wǎng)絡(luò)教學(xué)的使用
本課程在PPT演示文稿和網(wǎng)絡(luò)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(xué)生理解。例如，課內(nèi)讓學(xué)生在線觀看涂曉媛博士的計(jì)算機(jī)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(yīng)進(jìn)化構(gòu)成演示等，有助于加深學(xué)生對所學(xué)知識的理解，促進(jìn)教學(xué)水平的提高，激發(fā)了學(xué)生對課程的興趣，使學(xué)生創(chuàng)新意識得到增強(qiáng)。此外，隨教材附贈的教學(xué)光盤和開發(fā)的網(wǎng)絡(luò)課程(http：//)提供了學(xué)生課外自學(xué)用的高質(zhì)量的電子課件、完整的教學(xué)視頻錄像、豐富的實(shí)驗(yàn)和案例資料等，以更好地調(diào)動學(xué)生的學(xué)習(xí)興趣和主動性。
(7)理論與實(shí)踐結(jié)合
在教學(xué)內(nèi)容安排上，注意理論聯(lián)系實(shí)際，適時布置一些人工智能實(shí)驗(yàn)給學(xué)生進(jìn)行課外練習(xí)。設(shè)計(jì)的課外實(shí)驗(yàn)包括產(chǎn)生式系統(tǒng)實(shí)驗(yàn)，歸結(jié)反演實(shí)驗(yàn)，主觀Bayes推理網(wǎng)絡(luò)實(shí)驗(yàn)，A搜索實(shí)驗(yàn)，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(luò)模式識別仿真、遺傳算法優(yōu)化計(jì)算等實(shí)驗(yàn)。通過實(shí)踐和參與，保持學(xué)習(xí)興趣，有助于學(xué)生對人工智能基本概念和難點(diǎn)的理解，掌握基本方法和技術(shù)，為從事智能系統(tǒng)應(yīng)用開發(fā)打下基礎(chǔ)，從而達(dá)到教學(xué)目的。例如，我們組織學(xué)生參觀我們的研究生綜合自動化實(shí)驗(yàn)室，觀看機(jī)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(shí)際的關(guān)系。
我們在教學(xué)改革實(shí)踐中探索的這些教學(xué)方法，有利于充分激勵學(xué)生的學(xué)習(xí)積極性和主動性，有利于鼓勵學(xué)生發(fā)揮獨(dú)立思考和創(chuàng)新思維，有利于多方位培養(yǎng)學(xué)生學(xué)習(xí)發(fā)現(xiàn)問題、分析問題和解決問題的能力。
5 運(yùn)用多樣化的教學(xué)手段和考核方式
5.1 多樣化的教學(xué)手段
采用現(xiàn)代信息技術(shù)進(jìn)行教學(xué)，構(gòu)筑“人工智能導(dǎo)論”課程的現(xiàn)代教學(xué)模式，是本課程的主要特點(diǎn)之一。教學(xué)過程中采用了多媒體教學(xué)課件和網(wǎng)絡(luò)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(luò)課程的交互性、情景化等，進(jìn)行教學(xué)。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(jī)器人軌跡跟蹤、機(jī)器人臂取物、足球機(jī)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(lǐng)，便于學(xué)生理解，便于教師講授。
(3)開發(fā)與應(yīng)用網(wǎng)絡(luò)課程
“人工智能導(dǎo)論”網(wǎng)絡(luò)課程較好的實(shí)現(xiàn)了交互性、在一定程度上實(shí)現(xiàn)了學(xué)習(xí)過程的情景化。在交互性方面，通過網(wǎng)絡(luò)課程的課堂練習(xí)和章節(jié)練習(xí)，評價學(xué)生的學(xué)習(xí)情況，并給學(xué)生提出學(xué)習(xí)建議。在情景化方面，采用了在線答疑形式，使得學(xué)習(xí)過程豐富有趣。
(4)先進(jìn)實(shí)驗(yàn)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(xué)生進(jìn)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(xué)生知道學(xué)了有用，而且很有用，很有趣，很有意義，從而進(jìn)一步誘導(dǎo)學(xué)生的學(xué)習(xí)興趣，鞏固了課堂所學(xué)知識，提高了教學(xué)質(zhì)量。
教學(xué)效果通過上述先進(jìn)的現(xiàn)代信息技術(shù)的應(yīng)用，不僅極大地提高了學(xué)生的學(xué)習(xí)興趣和主動性，而且也取得很好的實(shí)際教學(xué)效果，提高教學(xué)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(xí)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(luò)進(jìn)行，教師批閱后的作業(yè)也通過網(wǎng)絡(luò)返回給學(xué)生，實(shí)現(xiàn)了作業(yè)呈交和返回的網(wǎng)絡(luò)化。
(2)改革考試方式與方法
如何對本課程的考試方式進(jìn)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(jìn)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(xué)生選擇其中幾個進(jìn)行開卷筆試，當(dāng)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(xué)生結(jié)合實(shí)驗(yàn)或?qū)嶋H問題提問等進(jìn)行考核。我們正進(jìn)一步改革、試驗(yàn)和探索，使考試成為衡量與培養(yǎng)創(chuàng)新能力，促進(jìn)學(xué)生學(xué)習(xí)主動性和提高課程教學(xué)質(zhì)量的重要環(huán)節(jié)。
［關(guān)鍵詞］人工智能；人才培養(yǎng)；AI技術(shù)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(shù)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(bào)告中曾提及四次，指出要推動人工智能和實(shí)體經(jīng)濟(jì)深度融合。2017年7月20日國務(wù)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(lǐng)域?qū)W科布局，設(shè)立人工智能專業(yè)，推動人工智能領(lǐng)域一級學(xué)科建設(shè)，盡快在試點(diǎn)院校建立人工智能學(xué)院，增加人工智能相關(guān)學(xué)科方向的博士、碩士招生名額。鼓勵高校在原有基礎(chǔ)上拓寬人工智能專業(yè)教育內(nèi)容，形成“人工智能+X”復(fù)合專業(yè)培養(yǎng)新模式，重視人工智能與數(shù)學(xué)、計(jì)算機(jī)科學(xué)、物理學(xué)、生物學(xué)、心理學(xué)、社會學(xué)、法學(xué)等學(xué)科專業(yè)教育的交叉融合。加強(qiáng)產(chǎn)學(xué)研合作，鼓勵高校、科研院所與企業(yè)等機(jī)構(gòu)合作開展人工智能學(xué)科建設(shè)。
二企業(yè)對于人工智能人才的需求
市場上AI技術(shù)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(fù)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(jī)器學(xué)習(xí)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(xué)科、高層次人才集中的特點(diǎn)，具備計(jì)算機(jī)與多學(xué)科交叉融合的優(yōu)越條件；且大部分學(xué)校都開設(shè)有數(shù)學(xué)、物理等基礎(chǔ)學(xué)科，具備夯實(shí)數(shù)學(xué)理論基礎(chǔ)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(jìn)發(fā)展AI技術(shù)的人力條件。但是遺憾的是我國開設(shè)人工智能課程的高校較少，2018年只有33所高校設(shè)立了智能科學(xué)與技術(shù)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(yán)重需求，高校作為人才培養(yǎng)的主要來源，是不是應(yīng)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(yīng)用型人才，呈金字塔性。當(dāng)下已經(jīng)有一批名牌大學(xué)開展了AI方向拔尖人才的培養(yǎng)，如北京大學(xué)圖靈班、中國科技大學(xué)人工智能技術(shù)學(xué)院、西安交通大學(xué)人工智能拔尖人才培養(yǎng)實(shí)驗(yàn)班，南京大學(xué)計(jì)劃成立人工智能學(xué)院等。但是金字塔的底層、中層更需要龐大的AI技術(shù)人才，如應(yīng)用開發(fā)人員、數(shù)據(jù)工程師、AI和機(jī)器學(xué)習(xí)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(xué)基礎(chǔ)好、專業(yè)理論全面、具備一些工程基礎(chǔ)，且有自主學(xué)習(xí)的能力。本文從夯實(shí)數(shù)學(xué)基礎(chǔ)、人工智能方向課程的建設(shè)、實(shí)踐能力的培養(yǎng)、自主學(xué)習(xí)能力的培養(yǎng)四個方面闡述高校關(guān)于AI人才培養(yǎng)的一些思考。
1奠定扎實(shí)的數(shù)學(xué)基礎(chǔ)
在學(xué)習(xí)AI技術(shù)時，幾乎所有專家學(xué)者都提出需要扎實(shí)的數(shù)學(xué)功底，數(shù)學(xué)功底的厚重程度決定了在AI技術(shù)上走多遠(yuǎn)。高等院校計(jì)算機(jī)專業(yè)都開設(shè)有“高等數(shù)學(xué)”“線性代數(shù)”“概率論”等數(shù)學(xué)課程，但是課時、難易程度不足，學(xué)生對于數(shù)學(xué)不夠重視，或者覺得晦澀難懂，學(xué)習(xí)效果并不十分理想，因此加強(qiáng)數(shù)學(xué)基礎(chǔ)的工作刻不容緩。可以通過必修和選修等方式開設(shè)“數(shù)據(jù)分析”“統(tǒng)計(jì)機(jī)器學(xué)習(xí)”“凸優(yōu)化”等課程；通過微課或者M(jìn)OOC等方式鞏固數(shù)學(xué)基礎(chǔ)的學(xué)習(xí)；通過優(yōu)秀科普讀物，如《數(shù)學(xué)之美》《編程之美》等書籍的推薦閱讀激發(fā)學(xué)生興趣；通過開展校內(nèi)學(xué)術(shù)討論、數(shù)學(xué)競賽等方式促進(jìn)學(xué)生學(xué)習(xí)數(shù)據(jù)的動力，逐步達(dá)到夯實(shí)數(shù)據(jù)功底的目的。
2人工智能方向課程的建設(shè)
很多高校計(jì)算機(jī)專業(yè)課程中只開設(shè)有《人工智能》導(dǎo)論，有的甚至沒有。智能科學(xué)與技術(shù)專業(yè)開設(shè)有“人工智能”“計(jì)算機(jī)視覺”“機(jī)器人學(xué)導(dǎo)論”“計(jì)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(shù)人才應(yīng)具備哪些專業(yè)能力呢？如何從專業(yè)角度培養(yǎng)AI技術(shù)人才呢？2018年1月CSDN了“AI技術(shù)人才成長路線圖”[7]，通過專業(yè)路徑和實(shí)戰(zhàn)路徑兩方面介紹了AI技術(shù)人才需要具備的知識。需要具備Python、C++、Linux、CUDA編程知識，需要學(xué)習(xí)機(jī)器學(xué)習(xí)課程、掌握TensorFlow框架。該路線圖中列出了機(jī)器學(xué)習(xí)算法工程師、數(shù)據(jù)科學(xué)家等10個崗位AI人才應(yīng)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(fèi)課程，如“AI導(dǎo)論”“數(shù)據(jù)科學(xué)會用到的Python語言-導(dǎo)論”“AI領(lǐng)域運(yùn)用的數(shù)學(xué)概要”“數(shù)據(jù)和分析所需要的道德與法律”“數(shù)據(jù)科學(xué)概要”“機(jī)器學(xué)習(xí)法則”“深度學(xué)習(xí)”“強(qiáng)化學(xué)習(xí)”“微軟專案項(xiàng)目之人工智能”。同時在“文字和自然語言識別”“語音識別”“計(jì)算機(jī)視覺和圖像識別”中選擇其一。Google在人工智能學(xué)習(xí)網(wǎng)站開設(shè)有《MachineLearningCrashCourse（簡稱MLCC）》的免費(fèi)課程[8]，由機(jī)器學(xué)習(xí)概念、機(jī)器學(xué)習(xí)工程、機(jī)器學(xué)習(xí)現(xiàn)實(shí)世界應(yīng)用示例三個部分組成。Intel近期也了三門免費(fèi)的AI課程，分別是“機(jī)器學(xué)習(xí)基礎(chǔ)”“深度學(xué)習(xí)基礎(chǔ)”和“TensorFlow基礎(chǔ)”[9]。AndrewNg在Coursera上也推出了機(jī)器學(xué)習(xí)的課程，且用比較通俗的語言講解機(jī)器學(xué)習(xí)中各個算法。最近在Deeplearn-ing.ai和Coursera平臺又開設(shè)了5門深度學(xué)習(xí)課程[10]。綜上所述，不同的研究機(jī)構(gòu)都著眼于AI編程基礎(chǔ)、AI算法、AI框架、AI實(shí)踐這幾個方面。那么高校也可以借鑒這些經(jīng)驗(yàn)，通過三個階段分層次的開展相應(yīng)的課程。
3實(shí)踐能力的培養(yǎng)
AI技術(shù)不能紙上談兵，必須動手實(shí)踐才能真正掌握，可以從以下幾個方面著手培養(yǎng)學(xué)生的實(shí)踐動手能力。（1）設(shè)計(jì)教學(xué)環(huán)節(jié)時多從工程應(yīng)用的角度來介紹，激發(fā)學(xué)生的興趣，培養(yǎng)學(xué)生解決問題的能力。要求學(xué)生新手編程編程實(shí)現(xiàn)模型，充分理解算法的含義和原理到實(shí)現(xiàn)的過程。（2）在掌握一定的機(jī)器學(xué)習(xí)知識后，鼓勵學(xué)生盡早走進(jìn)實(shí)驗(yàn)室，接觸科研工作?？梢詮囊恍〢I應(yīng)用方向作為入手，使學(xué)生了解自己的興趣點(diǎn)、培養(yǎng)科學(xué)研究能力。（3）鼓勵學(xué)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(xué)生學(xué)習(xí)AI的動力和熱情，使得解決問題的能力和實(shí)踐動手能力都會大幅度提高。（4）鼓勵學(xué)生到工業(yè)界實(shí)習(xí)。很多專家都指出AI人才應(yīng)該具備一定工程基礎(chǔ)。確實(shí)，學(xué)術(shù)界往往追求算法的性能，而工業(yè)界更重視經(jīng)濟(jì)效益和解決問題的有效性。到企業(yè)學(xué)習(xí)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(xué)習(xí)能力的培養(yǎng)
AI技術(shù)發(fā)展速度很快，要求不斷地學(xué)習(xí)才能跟上節(jié)奏。可以從以下幾個方面來培養(yǎng)學(xué)生的自主學(xué)習(xí)能力。（1）平時教學(xué)中，可以給出一些小型的項(xiàng)目，讓學(xué)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(xué)生免費(fèi)的AI慕課資源，讓學(xué)生更好的學(xué)習(xí)和鞏固相關(guān)知識。（3）課外可以開展學(xué)術(shù)討論或者通過社團(tuán)等方式開展AI方向的研討，交流，給學(xué)生一個學(xué)習(xí)的平臺，讓學(xué)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(xué)生的眼界，使其了解AI發(fā)展的動態(tài)。（4）鼓勵高年級學(xué)生訂閱Arxiv，關(guān)注機(jī)器學(xué)習(xí)的頂級會議，如ICML/NIPS等。通過研讀論文，動手完成論文中的實(shí)驗(yàn)發(fā)現(xiàn)新問題；或者擴(kuò)展感興趣的論文的實(shí)驗(yàn)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(xué)習(xí)的人工智能類課程 中西合璧的人工智能課程雙語教學(xué)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(xué)探索 林業(yè)院校人工智能課程教學(xué)的思考 人工智能導(dǎo)論課程的興趣教學(xué)法 人工智能概論課程的教學(xué)思考 “人工智能”課程教學(xué)的實(shí)踐與探索 游戲開發(fā)應(yīng)用中的“人工智能”課程教學(xué)方法探討 人工智能的應(yīng)用研究 人工智能的日常應(yīng)用 人工智能的應(yīng)用和發(fā)展 淺析電氣自動化控制中的人工智能應(yīng)用 分析繼電保護(hù)中的人工智能技術(shù)及其應(yīng)用 電氣自動化控制中的人工智能應(yīng)用分析 常見問題解答 當(dāng)前所在位置：l)。在情境創(chuàng)設(shè)時,教師根據(jù)學(xué)生特點(diǎn)提出了多種應(yīng)用需求,例如化妝品銷售咨詢等。學(xué)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(diǎn)、作用、運(yùn)行方式等,還具有強(qiáng)烈的成就感。
2.2面向研究的情境創(chuàng)設(shè)
蘇霍姆林斯基認(rèn)為,研究型教學(xué)法應(yīng)該充分體現(xiàn)學(xué)生的主體地位,激勵、引導(dǎo)和幫助學(xué)生去主動發(fā)現(xiàn)問題、分析問題和解決問題,激發(fā)學(xué)生學(xué)習(xí)的內(nèi)在興趣和成就動機(jī)[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(shí)用的關(guān)系,是教學(xué)設(shè)計(jì)中重點(diǎn)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(xì)分析以研究為導(dǎo)向的情境創(chuàng)設(shè)過程。表2給出了整個教學(xué)設(shè)計(jì)。
綜合幾次研究課題完成情況,班級中有1/3的學(xué)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(biāo)準(zhǔn)格式論文,并因此獲得了學(xué)院的科研學(xué)分。除此之外,教師還組織這部分具備一定科研潛力的學(xué)生參加科研項(xiàng)目,進(jìn)一步磨練科研技能,極大提高了學(xué)生的學(xué)習(xí)興趣和能力。
3DBR驅(qū)動的教學(xué)過程
人工智能課程各單元內(nèi)容相對獨(dú)立,難以形成統(tǒng)一的聯(lián)系,怎樣驗(yàn)證各單元的學(xué)習(xí)效果?從提出問題到任務(wù)解決,每個單元的學(xué)習(xí)通常要跨越幾節(jié)課甚至幾周,怎樣在此期間保持學(xué)生的興趣和關(guān)注?
DBR是情境設(shè)計(jì)、實(shí)施、評價、再設(shè)計(jì)、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(jìn)步的修正”(Progressive Refinement),以檢測設(shè)計(jì)的價值。因此,評價是教學(xué)過程中非常重要的一環(huán)。本課程教學(xué)主要做好兩個環(huán)節(jié),以驅(qū)動整個教學(xué)過程的推進(jìn)。
1) 實(shí)踐環(huán)節(jié)。
通常的實(shí)踐環(huán)節(jié)是課程結(jié)束后固定時間的實(shí)際任務(wù),而本課程的實(shí)踐卻貫穿整個教學(xué)過程,是單元教學(xué)、教師、學(xué)生之間的粘合劑。實(shí)踐包括應(yīng)用型實(shí)踐和研究型實(shí)踐,一般在每個單元教學(xué)開始,提出問題后,實(shí)踐任務(wù)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(xué)生接受任務(wù)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(dǎo)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(shí)際問題的交流,不僅有效率,而且便于教師及時調(diào)整教學(xué)設(shè)計(jì)。
2) 教學(xué)評價。
除了課程考核以外,每個教學(xué)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(xué)生反饋信息包括前一階段學(xué)習(xí)的接受情況、興趣點(diǎn)、其他課業(yè)繁忙情況等。在學(xué)期的不同時間點(diǎn)采用合適的評價方式,有助于加強(qiáng)學(xué)習(xí)刺激,總結(jié)和發(fā)現(xiàn)教學(xué)設(shè)計(jì)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(shè)計(jì)的教學(xué)內(nèi)容得以順利實(shí)施并被學(xué)生欣然接受。2/3的學(xué)生在整個學(xué)期教學(xué)中都保持了積極的態(tài)度和充分的關(guān)注度,確實(shí)感受到人工智能的魅力,并能夠從技術(shù)角度看待人工智能,消除了未學(xué)或初學(xué)時的神秘感。
4教學(xué)實(shí)施效果分析
1) 正效果分析。
中原工學(xué)院計(jì)算機(jī)學(xué)院作為普通工科院校,以培養(yǎng)實(shí)用型人才為主,人工智能并非主干課程,學(xué)生重視程度不足。兩年來,經(jīng)過教師與學(xué)生的共同努力,教學(xué)改革成果逐步體現(xiàn)。人工智能類學(xué)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(xué)生接觸過或正在從事人工智能類項(xiàng)目的研究與開發(fā),考研選擇人工智能科目的學(xué)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(xué)中采用的應(yīng)用型與研究型情境創(chuàng)設(shè),不僅促進(jìn)了學(xué)生理解接受知識,而且鍛煉提高了學(xué)生獨(dú)立分析、解決問題及開發(fā)能力。學(xué)習(xí)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(xué)生在學(xué)習(xí)期間保持了高度的關(guān)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(chǔ)。
2) 不足分析。
DBR的方法論能夠促使教師在教學(xué)過程中不斷完善教學(xué)設(shè)計(jì),融合先進(jìn)的教學(xué)理論及工具,逐步加深學(xué)習(xí)的理解和設(shè)計(jì)的提升,切實(shí)提高教學(xué)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(shè)計(jì)型或?qū)嶋H項(xiàng)目案例較少。
(2) 投入時間限制。盡管上述教學(xué)設(shè)計(jì)和教學(xué)過程都經(jīng)過精心準(zhǔn)備與實(shí)施,但是要取得好的成效,還需要教師和學(xué)生都投入大量時間交流、研究或開發(fā)。而學(xué)生課業(yè)繁忙造成了實(shí)施的瓶頸。
這些不足制約了上述教學(xué)方法的實(shí)際實(shí)施效果,需要今后不斷改進(jìn)。
5小結(jié)
本文針對普通工科院校學(xué)生特點(diǎn),將DBR研究成果應(yīng)用于人工智能課程。教學(xué)效果表明,精心設(shè)計(jì)的應(yīng)用型與研究型情境有助于維持學(xué)生長時間的關(guān)注度、主動性和興趣;強(qiáng)調(diào)基于評價的修正使教學(xué)過程可調(diào)節(jié),學(xué)生的學(xué)習(xí)效果更可靠。希望本文研究能夠?qū)θ斯ぶ悄芙虒W(xué)及學(xué)生培養(yǎng)起到一定的參考作用,下一階段的主要工作是進(jìn)行適合的教材建設(shè)。
參考文獻(xiàn):
[1] 楊南昌. 基于設(shè)計(jì)的研究:正在興起的學(xué)習(xí)研究新范式[J]. 中國電化教育,2007(5):6-10.
[2] 曾安,余永權(quán),曾碧. 人工智能課程教學(xué)模式的探討[J]. 江西教育學(xué)院學(xué)報(bào):綜合版,2006,27(6):40-43.
[3] 李鳴華. 案例教學(xué)法在高中人工智能課程中的運(yùn)用研究[J]. 中國電化教育,2008(2):99-102.
[4] 楊種學(xué). 研究型教學(xué)法在數(shù)據(jù)結(jié)構(gòu)課程中的應(yīng)用研究[J]. 計(jì)算機(jī)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(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2017）22-0230-02
0 引言
人工智能是計(jì)算機(jī)科學(xué)的一個分支，是當(dāng)前科學(xué)技術(shù)中正在迅速發(fā)展、新思想、新觀點(diǎn)、新理論、新技術(shù)不斷涌現(xiàn)的一個學(xué)科，其屬于一門邊緣學(xué)科，同時也是多個學(xué)科交叉而成的一門學(xué)科，包括語言學(xué)、哲學(xué)、心理學(xué)、神經(jīng)生理學(xué)、系統(tǒng)論、信息論、控制論、計(jì)算機(jī)科學(xué)、數(shù)學(xué)等[1]。當(dāng)前人工智能已經(jīng)是很多高校計(jì)算機(jī)相關(guān)專業(yè)的必修課程，它是計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科類各專業(yè)重要的基礎(chǔ)課程，其教學(xué)內(nèi)容主要包括自然語言理解、計(jì)算智能技術(shù)、問題求解和搜索算法、知識表示和推理機(jī)制、專家系統(tǒng)和機(jī)器學(xué)習(xí)等，國內(nèi)外很多大學(xué)都意識到了其重要性，紛紛對其展開了教學(xué)和研究。人工智能課程包含多個學(xué)科，具有內(nèi)容抽象、理論性強(qiáng)、知識點(diǎn)多等特點(diǎn)，且算法復(fù)雜，但是多數(shù)高校采用的教學(xué)方式仍是傳統(tǒng)的課堂教學(xué)方式，即“教師講、學(xué)生聽”的教學(xué)模式，這種信息單向傳輸教學(xué)模式以教師為主體，學(xué)生只是在被動的接收知識；存在過分重視理論教學(xué)，忽視實(shí)踐活動教學(xué)的問題，導(dǎo)致教育內(nèi)容無法和社會接軌；人工智能教材理論性過強(qiáng)，學(xué)生在學(xué)習(xí)過程中常常感到枯燥乏味，進(jìn)而對學(xué)習(xí)該課程失去熱情[2]，久而久之，不僅人工智能課程的教學(xué)質(zhì)量和效果無法達(dá)到預(yù)期，甚至學(xué)生還會產(chǎn)生厭學(xué)心理。針對人工智能課程中現(xiàn)有的各項(xiàng)問題，本文作者結(jié)合自身豐富人工智能教學(xué)實(shí)踐經(jīng)驗(yàn)，參考人工智能課程特點(diǎn)和教學(xué)目標(biāo)，從多個方面探討和總結(jié)了人工智能，包括教學(xué)內(nèi)容、教材選擇、教學(xué)方法和考核形式等。
1 教學(xué)內(nèi)容優(yōu)化與更新
人工智能是一門嶄新的學(xué)科。開設(shè)本課程首先是確定教學(xué)內(nèi)容。通常來講，人工智能學(xué)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(yīng)用。前者是人工智能的重要基礎(chǔ)，后者主要介紹了幾種人工智能應(yīng)用系統(tǒng)，包括自動規(guī)劃和機(jī)器視覺、機(jī)器學(xué)習(xí)、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(yīng)用的實(shí)例，將實(shí)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(jìn)步，人工智能學(xué)科也取得了較大發(fā)展?；诖耍斯ぶ悄軐W(xué)科也應(yīng)該與時俱進(jìn)，更新人工智能教學(xué)大綱，進(jìn)一步完善其教學(xué)內(nèi)容。修訂后的人工智能教學(xué)大綱將人工智能分成兩個部分，即基礎(chǔ)部分和擴(kuò)展應(yīng)用部分。前者包括計(jì)算智能、搜索原理、知識表示等，后者包括智能機(jī)器人、智能控制、多智能體、自然語言理解、自動規(guī)劃、機(jī)器學(xué)習(xí)、知識工程等。
教學(xué)內(nèi)容的選擇和確定應(yīng)綜合考慮多項(xiàng)因素，不僅要重視基礎(chǔ)知識，也應(yīng)注意推陳出新，隨著科技的進(jìn)步做到與時俱進(jìn)，同時教學(xué)內(nèi)容應(yīng)符合現(xiàn)實(shí)的需求，能夠與社會接軌，將理論和實(shí)踐緊密結(jié)合起來，只有這樣人工智能課程的教學(xué)質(zhì)量和效果才能事半功倍。
2 教學(xué)策略及教學(xué)方法的改革創(chuàng)新
由于人工智能課程具有算法復(fù)雜、內(nèi)容抽象、理論性強(qiáng)、 知識點(diǎn)多的特點(diǎn)，傳統(tǒng)的教學(xué)模式已經(jīng)無法滿足人工智能課程的需求，教師應(yīng)探索更加有效的教學(xué)模式和方法，確保人工智能課程能夠取得良好的教學(xué)質(zhì)量和教學(xué)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(xué)生的學(xué)習(xí)興趣 無論是經(jīng)驗(yàn)還是常識都在告訴我們每個人最好的老師就是興趣，學(xué)生只有對某門學(xué)科存在興趣，才會更加主動積極的學(xué)習(xí)該門課程，從而獲得良好的教學(xué)效果。比如，作者在課程的一開始先播放了一段著名導(dǎo)演斯蒂文?斯皮爾伯格的《Artificial Intelligence》的相關(guān)片段，由這個電影學(xué)生知道了世上存在人工智能的機(jī)器人，學(xué)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(xué)生思考和談?wù)撊斯ぶ悄苁鞘裁矗垦芯咳斯ぶ悄艿囊饬x在哪里？實(shí)踐發(fā)現(xiàn)，在課堂中加入電影因素，能夠大大提升學(xué)生們的注意力，讓學(xué)生更加專注在教學(xué)任務(wù)中，有效提高了學(xué)生探索人工智能的積極性和主動性。此外，在教學(xué)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(yīng)用的成果展示出來，讓學(xué)生更直觀的感受人工智能的奧妙，從而投入更多熱情學(xué)習(xí)人工智能課程。
2.2 面向問題的案例教學(xué)法 案例教學(xué)法是一種以案例為基礎(chǔ)、以能力培養(yǎng)為核心的一種教學(xué)方法[11]。針對學(xué)校學(xué)生特點(diǎn)，我們采取了以下幾種教學(xué)形式實(shí)施案例教學(xué)。①講解式案例教學(xué)：這種案例通過教師的講解，幫助學(xué)生理解抽象的理論知識點(diǎn)。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(xué)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(xué)案例；通過情境體驗(yàn)與案例剖析激發(fā)學(xué)生認(rèn)知的興趣，引導(dǎo)學(xué)生對將要學(xué)習(xí)的內(nèi)容產(chǎn)生注意，有利于教師導(dǎo)入新課。②討論式案例教學(xué)：在課程初期將學(xué)生分成若干學(xué)習(xí)小組，每小組3～4人；教師將提前設(shè)計(jì)好的一題多解的教學(xué)案例以及收集的相關(guān)資料分配給每個小組，要求學(xué)生在課余時間通過自學(xué)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(xué)：在課程后期，采取專題辯論的方式對綜合應(yīng)用案例進(jìn)行討論，能有效地啟發(fā)學(xué)生全方位地思考和探索問題的解決方法，加深學(xué)生對人工智能的理解。
2.3 個性化學(xué)習(xí)與因材施教 在開展課程教育過程中應(yīng)注意對學(xué)生進(jìn)行個性化教學(xué)，結(jié)合學(xué)生特點(diǎn)因材施教。比如，在日常教學(xué)中多觀察學(xué)生情況，鼓勵那些應(yīng)對教學(xué)任務(wù)后仍存在余力的W生深入探索較深層次的課程及相關(guān)知識，同時友善面對學(xué)習(xí)較差的學(xué)生，分析其學(xué)習(xí)過程中面對的困難，有的放矢地采取應(yīng)對措施，幫助其不斷進(jìn)步；在教學(xué)過程中讓學(xué)生以讀書報(bào)告的形式多多思考，鼓勵學(xué)生發(fā)散性思考問題，鼓勵優(yōu)秀學(xué)生進(jìn)行深一步的探討，并且教師應(yīng)幫助具有新穎思想或論點(diǎn)的學(xué)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(xué)中任務(wù)驅(qū)動是一種常用的教學(xué)方法，其中心導(dǎo)向是任務(wù)，學(xué)生在完成任務(wù)的同時也在吸收和掌握知識。通常來講，該教學(xué)方法的步驟是：教師提出任務(wù)師生共同分析以得出完成任務(wù)的方法和步驟適當(dāng)講解或自學(xué)、協(xié)作學(xué)習(xí)完成任務(wù)交流和總結(jié)?！盵3]該教學(xué)模式不僅有利于培養(yǎng)學(xué)生的創(chuàng)新能力和創(chuàng)新意識，還能夠培養(yǎng)學(xué)生解決實(shí)際問題的能力，提高其綜合實(shí)力。不僅如此，由于該教學(xué)模式通常是以小組協(xié)作的方式進(jìn)行，教師給出研究范圍，學(xué)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(shè)計(jì)或者論文的形式協(xié)作完成研究。由此可知，學(xué)生是在以團(tuán)隊(duì)的力量解決問題，這十分考驗(yàn)學(xué)生的團(tuán)隊(duì)協(xié)作能力，對于學(xué)生團(tuán)隊(duì)合作精神的培養(yǎng)至關(guān)重要，且在完成任務(wù)的過程中學(xué)生需要查閱大量的資料，久而久之學(xué)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(xué) 人工智能的很多問題都較為抽象，對學(xué)生理解力的要求較高，因此，在實(shí)際的教學(xué)過程中教師應(yīng)有意識的就課程內(nèi)容提出相關(guān)問題，讓學(xué)生自己獨(dú)立思考，鼓勵學(xué)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(xué)生自己的解決方案，如此不僅培養(yǎng)了學(xué)生獨(dú)立思考的能力，也增加了學(xué)生參與教學(xué)活動的意識，提高了學(xué)生的學(xué)習(xí)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(jì)算？”，然后從“達(dá)爾文的生物進(jìn)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(xué)生思考“遺傳”、“變異”和“選擇”的實(shí)現(xiàn)，最后師生一起導(dǎo)出遺傳算法用于優(yōu)化計(jì)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(xué)生邏輯思維的能力，教學(xué)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(xí)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(luò)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(luò)返回給學(xué)生，實(shí)現(xiàn)了網(wǎng)絡(luò)化。課程的考核方式較之以前也發(fā)生了較大變化，加強(qiáng)了平時思維能力的考核，更加注重學(xué)生實(shí)驗(yàn)?zāi)芰蛣邮帜芰Φ呐囵B(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(xué)生的期末負(fù)擔(dān)，也迫使學(xué)生更加重視平時的學(xué)習(xí)思考，有利于課程教學(xué)質(zhì)量的提升。
4 結(jié)束語
本文是以提高教學(xué)質(zhì)量為目標(biāo)，結(jié)合教學(xué)實(shí)踐，從教學(xué)體系、教學(xué)內(nèi)容、教學(xué)方法、考核方式等方面對本科人工智能課程的教學(xué)改革進(jìn)行了探討，總結(jié)了該課程在教學(xué)和實(shí)踐方面的一些教改舉措。這些舉措符合二十一世紀(jì)高校教學(xué)的要求，可以支持教師提高教學(xué)手段現(xiàn)代化的水平，同時更貼合學(xué)生的學(xué)習(xí)需求。作為該課程的授課教師應(yīng)始終保持對教學(xué)內(nèi)容的不斷更新、教學(xué)方法的多樣化，才能激發(fā)學(xué)生的學(xué)習(xí)興趣，培養(yǎng)他們的思維創(chuàng)新和技術(shù)創(chuàng)新的能力，最終提高本課程的教學(xué)質(zhì)量。從學(xué)生的反饋來看，作者所總結(jié)的教學(xué)實(shí)踐具有明顯的教學(xué)效果。但仍有許多方面做得不夠，今后將繼續(xù)在教學(xué)過程中不斷總結(jié)成功的經(jīng)驗(yàn)，吸取失敗的教訓(xùn)。
參考文獻(xiàn)：
[1]蔡自興.人工智能及其應(yīng)用[M].三版.北京：清華大學(xué)出版社，2007.
[2]謝榕，李霞.人工智能課程教學(xué)案例庫建設(shè)及案例教學(xué)實(shí)踐[J].計(jì)算機(jī)教育，2014（19）：92-97.
[3]蔡自興，肖曉明，蒙祖強(qiáng).樹立精品意識搞好人工智能課程建設(shè)[J].中國大學(xué)教學(xué)，2004（1）：28-29.
關(guān)鍵詞：智能科學(xué)與技術(shù)；課程體系；培養(yǎng)管理
1背景
智能科學(xué)與技術(shù)是當(dāng)前科學(xué)研究和工程實(shí)踐的理論與技術(shù)發(fā)展的前沿領(lǐng)域，智能科學(xué)與技術(shù)專業(yè)是一個多學(xué)科交叉的跨應(yīng)用領(lǐng)域?qū)I(yè)Ⅲ。智能科學(xué)技術(shù)的發(fā)展將把整個信息科學(xué)技術(shù)推向“智能化”的高度，這正是當(dāng)代科學(xué)技術(shù)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(xué)與技術(shù)培養(yǎng)掌握堅(jiān)實(shí)智能科學(xué)與技術(shù)基本理論和系統(tǒng)專門知識，具備作為工程師或領(lǐng)導(dǎo)者及公民的良好人文修養(yǎng)，具有從事科學(xué)研究、工程設(shè)計(jì)、教學(xué)工作或獨(dú)立擔(dān)負(fù)本專業(yè)技術(shù)工作能力，深入了解國內(nèi)外智能科學(xué)與技術(shù)領(lǐng)域新技術(shù)和發(fā)展動向，能結(jié)合與本學(xué)科有關(guān)的實(shí)際問題進(jìn)行創(chuàng)新研究或工程設(shè)計(jì)的高級專門人才。
高校應(yīng)穩(wěn)妥發(fā)展與完善智能科學(xué)與技術(shù)專業(yè)的本科生教育，夯實(shí)本科教育基礎(chǔ)并積極創(chuàng)造條件，大力開展創(chuàng)新教學(xué)，努力培養(yǎng)學(xué)生的創(chuàng)新意識、創(chuàng)新精神和工程實(shí)踐能力，使之成為具有系統(tǒng)技術(shù)基礎(chǔ)理論、專業(yè)知識和基本技能，良好科研素質(zhì)和較強(qiáng)創(chuàng)造能力的智能科學(xué)與技術(shù)工程師。
2教學(xué)計(jì)劃與教學(xué)管理分析
智能科學(xué)與技術(shù)屬于計(jì)算機(jī)類專業(yè)，其必修課程設(shè)計(jì)原則是使學(xué)生具備計(jì)算機(jī)科學(xué)與工程的基礎(chǔ)理論知識，尤其是大類專業(yè)招生教學(xué)的院校，通識課程主要是數(shù)學(xué)、物理文化基礎(chǔ)，強(qiáng)調(diào)扎實(shí)的自然科學(xué)基礎(chǔ)。專業(yè)教學(xué)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(xué)基礎(chǔ)和專業(yè)課程。計(jì)算機(jī)類專業(yè)數(shù)學(xué)基礎(chǔ)課程一般包括線性代數(shù)、微積分、離散數(shù)學(xué)、微分方程、概率與統(tǒng)計(jì)、數(shù)值計(jì)算等；專業(yè)課程一般包括程序設(shè)計(jì)基礎(chǔ)、高等程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、計(jì)算機(jī)組成與結(jié)構(gòu)、數(shù)字電路與邏輯設(shè)計(jì)等。
2.1學(xué)分
本科培養(yǎng)計(jì)劃的學(xué)分中，國內(nèi)外大學(xué)學(xué)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(xué)分之間，如北京大學(xué)為150學(xué)分，清華大學(xué)為1 70學(xué)分，東南大學(xué)與浙江大學(xué)均為160學(xué)分，還有16學(xué)時為1學(xué)分的，也有18學(xué)時為1學(xué)分的。
中國臺灣的大學(xué)一般在130學(xué)分左右。臺灣交通大學(xué)最低畢業(yè)學(xué)分為128學(xué)分，其中必修課程須達(dá)76學(xué)分（共同必修58學(xué)分+資工組核心須達(dá)分+（資工組副核心課程學(xué)分+另2組核心課程學(xué)分）），專業(yè)選修本系課程須達(dá)12學(xué)分，其他選修課程須達(dá)12學(xué)分，通識課程須達(dá)28學(xué)分（含外語課程必修8學(xué)分）。臺灣“中央大學(xué)”為136學(xué)分，臺灣“清華大學(xué)”為136學(xué)分，其中必修和必選學(xué)分126，其他與導(dǎo)師商量決定。
美國的大學(xué)各校差異較大。美國的學(xué)分計(jì)算有4學(xué)期制、兩長一短制及兩學(xué)期制，其中加州大學(xué)伯克利分校為120學(xué)分，麻省理工大學(xué)為90學(xué)分，加州大學(xué)洛杉磯分校為186學(xué)分，斯坦福大學(xué)為180學(xué)分。
2.2教學(xué)管理
在教學(xué)管理上，斯坦福大學(xué)給學(xué)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(xué)院。除了醫(yī)學(xué)院和法學(xué)院學(xué)生需要經(jīng)過一定的選拔程序外，本科生可以在入學(xué)后的前一個學(xué)期適當(dāng)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(xué)是較早實(shí)行按大類招生的學(xué)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(xué)科分類集中培養(yǎng)。
臺灣的大學(xué)專業(yè)也是按大類完成前期的基礎(chǔ)課程，再分小專業(yè)完成各學(xué)程，包括基礎(chǔ)課、核心課和進(jìn)階課。
教學(xué)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(xué)采用的是分組教學(xué)；臺灣的大學(xué)基本上采用的是以教學(xué)方向分組的方式，臺灣的大學(xué)教學(xué)分為課程與修業(yè)、學(xué)分學(xué)程。
2.3實(shí)驗(yàn)與實(shí)踐教學(xué)
計(jì)算機(jī)類專業(yè)各大院校都強(qiáng)調(diào)課程實(shí)驗(yàn)與實(shí)驗(yàn)教學(xué)，而目前課程該如何進(jìn)行教學(xué)？這不僅是實(shí)驗(yàn)問題，如何以工程教育專業(yè)論證為目標(biāo)，怎樣使教學(xué)目標(biāo)達(dá)到畢業(yè)要求是關(guān)鍵。做中學(xué)是主流實(shí)驗(yàn)教學(xué)方式，尤其是美國的大學(xué)，大作業(yè)體現(xiàn)的是實(shí)驗(yàn)與理論教學(xué)的結(jié)合，是考查學(xué)生是否理解理論知識的重要途徑。學(xué)生不僅能夠?qū)W習(xí)扎實(shí)的數(shù)學(xué)和計(jì)算機(jī)專業(yè)知識，還進(jìn)行大量的實(shí)踐創(chuàng)新訓(xùn)練。麻省理工大學(xué)、加州大學(xué)伯克利分校、加州大學(xué)洛杉磯分校、斯坦福大學(xué)都屬于實(shí)踐創(chuàng)新性教學(xué)模式。例如，斯坦福大學(xué)程序設(shè)計(jì)范式課程重點(diǎn)比較C、C++、Java的特點(diǎn)和難點(diǎn)，每1～2周有一次大作業(yè)，針對不同的任務(wù)，要求學(xué)生用不同的語言實(shí)現(xiàn)，使學(xué)生加深理解各類編程語言的應(yīng)用場合；麻省理工大學(xué)的課程計(jì)劃是必須先修12學(xué)分的實(shí)驗(yàn)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(guān)于該方向的實(shí)驗(yàn)課、2門專業(yè)拓展課。
3智能科學(xué)與技術(shù)課程體系分析
智能科學(xué)與技術(shù)課程體系在智能基礎(chǔ)理論研究的基礎(chǔ)上，需要安排基礎(chǔ)性、通用性、關(guān)鍵性的智能技術(shù)研究，主要包括感知技術(shù)和信息融合技術(shù)；自然語言處理與理解技術(shù)；知識處理（認(rèn)識）技術(shù)，包括知識提煉、知識分類、知識表示技術(shù)等；機(jī)器學(xué)習(xí)技術(shù)，特別是統(tǒng)計(jì)與規(guī)則相結(jié)合的學(xué)習(xí)技術(shù)；決策技術(shù)，即知識演繹技術(shù)特別是不確定推理技術(shù)等；策略執(zhí)行技術(shù)，即控制與調(diào)節(jié)技術(shù)；智能機(jī)器人技術(shù)，特別是面向?qū)ｉT領(lǐng)域的智能機(jī)器人技術(shù)；智能機(jī)器人之間的合作技術(shù)；基于自然語言理解的智能人機(jī)交互與合作技術(shù)；智能信息網(wǎng)絡(luò)技術(shù)。
國內(nèi)最早創(chuàng)辦智能科學(xué)與技術(shù)專業(yè)的學(xué)校包括北京大學(xué)，西安電子科技大學(xué)是第2批開始培養(yǎng)智能專業(yè)學(xué)生的院校。北京大學(xué)的本科教學(xué)計(jì)劃中，專業(yè)必修課程（2分）包括：①專業(yè)數(shù)學(xué)/理論基礎(chǔ)（15學(xué)分）：算法分析與設(shè)計(jì)、集合論與圖論、概率統(tǒng)計(jì)A、代數(shù)結(jié)構(gòu)與組合數(shù)學(xué)、數(shù)理邏輯；②硬件與系統(tǒng)基礎(chǔ)（分）：數(shù)字邏輯設(shè)計(jì)、微機(jī)原理和信號與系統(tǒng)；③智能基礎(chǔ)（5學(xué)分）：腦與認(rèn)知科學(xué)與人工智能基礎(chǔ)。專業(yè)限選課程（15學(xué)分）包括信息論基礎(chǔ)、計(jì)算方法B、數(shù)字邏輯設(shè)計(jì)實(shí)驗(yàn)、微機(jī)實(shí)驗(yàn)、數(shù)據(jù)結(jié)構(gòu)與算法實(shí)習(xí)、機(jī)器感知和智能處理實(shí)驗(yàn)、智能多媒體信息系統(tǒng)實(shí)驗(yàn)。選修組合課程（29～32學(xué)分）：學(xué)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(xué)分的智能專業(yè)課程。公共核心+專業(yè)方向+新技術(shù)及其他：①公共核心課程（分）：智能科學(xué)技術(shù)導(dǎo)論、模式識別基礎(chǔ)、生物信息處理、智能信息處理；②專業(yè)方向課程（11～15學(xué)分）：機(jī)器感知與智能機(jī)器人方向、智能信息處理與機(jī)器學(xué)習(xí)方向、新技術(shù)及其他。
西安電子科技大學(xué)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(shè)計(jì)、模擬電子技術(shù)基礎(chǔ)、微機(jī)原理與系統(tǒng)設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)、軟件工程、人工智能概論、算法設(shè)計(jì)與分析、最優(yōu)化理論與方法、機(jī)器學(xué)習(xí)、計(jì)算智能導(dǎo)論、模式識別、圖像理解與計(jì)算機(jī)視覺、智能傳感技術(shù)、移動通信與智能技術(shù)、智能控制導(dǎo)論、智能數(shù)據(jù)挖掘、網(wǎng)絡(luò)信息檢索、智能系統(tǒng)平臺專業(yè)實(shí)驗(yàn)等課程及30多門選修課程。
建議各學(xué)?？梢愿鶕?jù)學(xué)院教學(xué)特色與實(shí)際需求，設(shè)計(jì)專業(yè)核心課程。北京大學(xué)偏重“信息處理”，湖南大學(xué)偏重“智能系統(tǒng)”，但需要強(qiáng)調(diào)的一個前提就是智能科學(xué)與技術(shù)專業(yè)屬于大計(jì)算機(jī)類，更需要大EECS專業(yè)的基礎(chǔ)。編程、電路、數(shù)學(xué)、數(shù)據(jù)結(jié)構(gòu)、計(jì)算機(jī)系統(tǒng)這五大核心基礎(chǔ)就是大EECS；其次是專業(yè)，計(jì)算機(jī)以系統(tǒng)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)、編譯、數(shù)據(jù)庫五大經(jīng)典專業(yè)核心課為主，湖南大學(xué)的智能科學(xué)與技術(shù)專業(yè)強(qiáng)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(xué)智能科學(xué)與技術(shù)專業(yè)核心課程包括人工智能概論、機(jī)器學(xué)習(xí)、計(jì)算智能導(dǎo)論、模式識別、智能控制導(dǎo)論、智能數(shù)據(jù)挖掘、機(jī)器人學(xué)等；研究學(xué)位課程包括模式識別、人工智能等，主要體現(xiàn)為智能科學(xué)與技術(shù)基礎(chǔ)（人工智能概論、機(jī)器學(xué)習(xí)、計(jì)算智能導(dǎo)論、模式識別）、核心（智能控制導(dǎo)論、智能數(shù)據(jù)挖掘）和應(yīng)用（機(jī)器人學(xué)）。
4結(jié)語
（1）在課程計(jì)劃實(shí)施過程中，教師需要遵循課程的時序圖，即描述課程的進(jìn)階關(guān)系，從本科直到研究生，同時還可以實(shí)行一定的修課限制，如臺灣交通大學(xué)計(jì)算機(jī)概論與程式設(shè)計(jì)和面向?qū)ο蟪淌皆O(shè)計(jì)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(shè)計(jì)課程等。
（2）程序設(shè)計(jì)類課程用上機(jī)程序能力考試來設(shè)置合格條件，如臺灣交通大學(xué)基礎(chǔ)程式設(shè)計(jì)及格條件為通過“程式能力鑒定”，湖南大學(xué)則以CCF―CSP軟件能力測試作為程序設(shè)計(jì)課程通過的考核標(biāo)準(zhǔn)。
（3）鼓勵學(xué)生參與項(xiàng)目、競賽等課外科技活動，如臺灣“清華大學(xué)”的綜合論文訓(xùn)練是由具有同等水平的項(xiàng)目訓(xùn)練成果或SRT（student research training）計(jì)劃項(xiàng)目以及其他課外科技活動成果經(jīng)認(rèn)定后代替的。
（4）精煉的課程教學(xué)。核心課程應(yīng)該精且必須加強(qiáng)課程實(shí)驗(yàn)，只有對方法和理論有正確的認(rèn)識才能掌握這門課程，而動手完成實(shí)驗(yàn)才能真正融會貫通。麻省理工大學(xué)、加州大學(xué)伯克利分校、加州大學(xué)洛杉磯分校的學(xué)生具備扎實(shí)的數(shù)學(xué)和計(jì)算機(jī)專業(yè)知識后，都需要進(jìn)行大量的實(shí)踐創(chuàng)新訓(xùn)練。
關(guān)鍵詞：人工智能；深度學(xué)習(xí)；教學(xué)建議
0 引言
傳統(tǒng)的人工智能課程主要包括人工智能導(dǎo)論、模式分析、機(jī)器學(xué)習(xí)、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(luò)的內(nèi)容。然而在人工神經(jīng)網(wǎng)絡(luò)的教學(xué)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(luò)的內(nèi)容，這種教學(xué)內(nèi)容設(shè)計(jì)的一個不足是忽視了人工智能領(lǐng)域的最新發(fā)展——深度學(xué)習(xí)，它是近幾年人工智能領(lǐng)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(lǐng)域取得突破。
北京郵電大學(xué)計(jì)算機(jī)學(xué)院開設(shè)人工智能科學(xué)與技術(shù)的本科專業(yè)，筆者從事深度學(xué)習(xí)的研究工作，同時承擔(dān)了本科生和研究生人工智能類課程的教學(xué)工作，因此產(chǎn)生了將深度學(xué)習(xí)內(nèi)容引人人工智能類課程的想法。本文先介紹深度學(xué)習(xí)的背景，說明深度學(xué)習(xí)在人工智能發(fā)展中的地位，之后分析了將深度學(xué)習(xí)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(shí)施建議供探討。
1 深度學(xué)習(xí)背景
2006年，加拿大多倫多大學(xué)的GeoffreyHinton教授與Salakhutdinov博士在美國《科學(xué)》雜志發(fā)表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)的方法，并將這種具有多層結(jié)構(gòu)的學(xué)習(xí)方法命名為深度學(xué)習(xí)（Deep Learning），而這成為深度學(xué)習(xí)研究的一個導(dǎo)火索，從此深度學(xué)習(xí)的研究與應(yīng)用蓬勃發(fā)展起來。
深度學(xué)習(xí)在語音識別與生成、計(jì)算機(jī)視覺等應(yīng)用領(lǐng)域取得了突出進(jìn)展。近幾年的國際機(jī)器學(xué)會（International Conference on MachineLearning，ICML）、神經(jīng)信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計(jì)算機(jī)視覺大會（InternationalConference on Computer Vision，ICCV）、
聲學(xué)語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計(jì)算語言學(xué)大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計(jì)算機(jī)視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關(guān)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(jì)劃（DARPA）也提出了關(guān)于深層學(xué)習(xí)的研究項(xiàng)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(jī)器學(xué)習(xí)專家對于深度學(xué)習(xí)的看法，他們一致肯定了深度學(xué)習(xí)在機(jī)器學(xué)習(xí)領(lǐng)域的貢獻(xiàn)。
工業(yè)界對深度學(xué)習(xí)也寄予了很高期望。2012年6月，《紐約時報(bào)》報(bào)道了斯坦福大學(xué)計(jì)算機(jī)科學(xué)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(luò)的機(jī)器學(xué)習(xí)模型在語音識別和圖像識別等領(lǐng)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(guān)鍵技術(shù)也是深度學(xué)習(xí)。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(xué)習(xí)研究院（Institute of Deep Learning）。2013年3月，谷歌公司收購了由深度學(xué)習(xí)創(chuàng)始人Geoffrey Hinton創(chuàng)立的公司。
從學(xué)術(shù)界與工業(yè)界的研究態(tài)勢看，深度學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)與模式識別，乃至人工智能領(lǐng)域的研究熱點(diǎn)。正是在這樣一個背景下，人工神經(jīng)網(wǎng)絡(luò)重新回到人們的視野。此前人工神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)能力，這是人工神經(jīng)網(wǎng)絡(luò)的發(fā)端，也可以被認(rèn)為是人工智能的發(fā)端（當(dāng)時還沒有人工智能這個術(shù)語）。1949年，Hebb提出了Hebbian學(xué)習(xí)算法。1957年，Rosenblatt提出了感知器的神經(jīng)網(wǎng)絡(luò)模型。1969年，Minsky和Papert分析了這種感知器神經(jīng)網(wǎng)絡(luò)模型的局限性。然而，很多研究者認(rèn)為，感知器的這種局限性對于所有的神經(jīng)網(wǎng)絡(luò)模型都適用，這使人工神經(jīng)網(wǎng)絡(luò)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(luò)模型，這種Recurrent神經(jīng)網(wǎng)絡(luò)具有的動態(tài)性有可能用于解決復(fù)雜的問題。同時，多層前向神經(jīng)網(wǎng)絡(luò)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(luò)得到重生。這時，人工神經(jīng)網(wǎng)絡(luò)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(dāng)學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)包含更多的隱藏層時，后傳算法并不能學(xué)到有效的網(wǎng)絡(luò)權(quán)值，這使得神經(jīng)網(wǎng)絡(luò)的研究再次陷入低潮。此次以深層神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)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(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)方法治愈了多層神經(jīng)網(wǎng)絡(luò)的一個致命傷。
2 必要性與可行性
深度學(xué)習(xí)的發(fā)展使得從事教學(xué)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(xué)習(xí)這個主題引入到人工智能類課程中，將它作為課題教學(xué)的一部分。
2.1 必要性
將深度學(xué)習(xí)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(diǎn)。
1）深度學(xué)習(xí)是人工智能的前沿。
2006年以來，深度學(xué)習(xí)的研究席卷了整個人工智能，從機(jī)器學(xué)習(xí)、機(jī)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(jìn)展。深度學(xué)習(xí)不僅在機(jī)器學(xué)習(xí)領(lǐng)域成為研究熱點(diǎn)，同時在多個應(yīng)用領(lǐng)域也成為有力工具，而且，在工業(yè)界的系統(tǒng)應(yīng)用中，深度學(xué)習(xí)成為其中的關(guān)鍵解決技術(shù)。
2）深度學(xué)習(xí)是人工智能的突破。
深度學(xué)習(xí)的發(fā)端是神經(jīng)網(wǎng)絡(luò)。關(guān)于神經(jīng)網(wǎng)絡(luò)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(luò)，即神經(jīng)網(wǎng)絡(luò)的第二階段，它們大部分描述多層結(jié)構(gòu)無法訓(xùn)練的現(xiàn)象。但是，從深度學(xué)習(xí)的角度看，深層神經(jīng)網(wǎng)絡(luò)不僅可學(xué)習(xí)，而且有必要，這與第二代神經(jīng)網(wǎng)絡(luò)的觀點(diǎn)是完全不同的。深度學(xué)習(xí)突破了原有人工神經(jīng)網(wǎng)絡(luò)的認(rèn)識，超越了人工智能神經(jīng)網(wǎng)絡(luò)教科書中的原有內(nèi)容，因此，有必要將多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可學(xué)習(xí)性告知學(xué)生，從新的視角糾正原有的觀點(diǎn)。
3）深度學(xué)習(xí)是人工智能的延伸。
深度學(xué)習(xí)不僅提供了一種可以在深層神經(jīng)結(jié)構(gòu)下訓(xùn)練網(wǎng)絡(luò)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(bǔ)充了新的內(nèi)容。到目前為止，深度學(xué)習(xí)至少包括：從生物神經(jīng)網(wǎng)絡(luò)與人類認(rèn)知的角度認(rèn)識深層神經(jīng)網(wǎng)絡(luò)的必要性；如何構(gòu)建和學(xué)習(xí)深層學(xué)習(xí)網(wǎng)絡(luò)；如何將深層結(jié)構(gòu)用于解決視覺、語音、語言的應(yīng)用問題；如何看待深度學(xué)習(xí)與原有的機(jī)器學(xué)習(xí)方法，如流形學(xué)習(xí)、概率圖模型、能量模型的直接關(guān)系；深度學(xué)習(xí)與其他學(xué)科的關(guān)系等。
4）深度學(xué)習(xí)是學(xué)生的潛在興趣點(diǎn)。
大學(xué)生對知識有著強(qiáng)烈的好奇心，加之當(dāng)前信息技術(shù)的發(fā)達(dá)，部分對智能感興趣的學(xué)生可以從其他途徑了解到這個學(xué)科發(fā)展的前沿。因此，順勢而為，將深度學(xué)習(xí)這個主題做具體講解，滿足學(xué)生的好奇心，培養(yǎng)他們對學(xué)科前沿與發(fā)展的認(rèn)識，是十分必要的。對高年級的學(xué)生而言，了解深度學(xué)習(xí)的基本知識，是他們?nèi)嬲J(rèn)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(xué)習(xí)的基本知識有助于他們研究工作的開展。
基于以上幾點(diǎn)，筆者認(rèn)為，將深度學(xué)習(xí)這個主題引入到人工智能類課程中非常有必要。深度學(xué)習(xí)作為人工智能的前沿，既是對人工智能原有理論和技術(shù)的一個突破和補(bǔ)充。
2.2 可行性
將深度學(xué)習(xí)引入到人工智能類課程中的可行性主要包括如下3點(diǎn)。
1）深度學(xué)習(xí)與現(xiàn)有人工智能聯(lián)系密切。
深度學(xué)習(xí)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(shù)。深度學(xué)習(xí)是以神經(jīng)網(wǎng)絡(luò)為出發(fā)點(diǎn)，這正是深度學(xué)習(xí)教與學(xué)的切入點(diǎn)。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(xué)習(xí)是如何解決這個問題的。再者，深度學(xué)習(xí)的一個核心構(gòu)建“受限波爾茲曼機(jī)（Restricted Boltzmann Machine）”，可以被認(rèn)為是一種能量模型，而這種模型與Hopfield網(wǎng)絡(luò)都可以從物理學(xué)的能量模型角度分析，RBM可以認(rèn)為是Hopfield網(wǎng)絡(luò)的隨機(jī)擴(kuò)展?？傊?，深度學(xué)習(xí)與現(xiàn)有人工智能的聯(lián)系，使學(xué)習(xí)深度學(xué)習(xí)變得容易。
2）深度學(xué)習(xí)的基本內(nèi)容并不深。
深度學(xué)習(xí)有個很好的名字，這個名字恰當(dāng)?shù)孛枋隽颂囟ǖ膶W(xué)習(xí)結(jié)構(gòu)。比如，深度學(xué)習(xí)的核心部件受限于波爾茲曼機(jī)RBM，其結(jié)構(gòu)非常簡單。從神經(jīng)網(wǎng)絡(luò)的角度，受限波爾茲曼機(jī)是一種隨機(jī)的雙向連接神經(jīng)網(wǎng)絡(luò)，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(luò)中每個節(jié)點(diǎn)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(jī)單元，能夠依Logistic函數(shù)計(jì)算得到的概率輸出0狀態(tài)或1狀態(tài)。概括地說，深度學(xué)習(xí)的基本內(nèi)容在高年級階段較易掌握。
3）深度學(xué)習(xí)的資料容易獲得。
當(dāng)前的信息資訊非常發(fā)達(dá)，有相當(dāng)多的資料可以通過互聯(lián)網(wǎng)等多種途徑獲得，這使學(xué)習(xí)深度學(xué)習(xí)成為可能。近期，中國計(jì)算機(jī)學(xué)會主辦了多個技術(shù)講座均涉及深度學(xué)習(xí)的部分；深度學(xué)習(xí)的創(chuàng)始人Hinton教授的主頁也有很多資料；Coursera網(wǎng)站有免費(fèi)的Hinton教授的神經(jīng)網(wǎng)絡(luò)課程；斯坦福大學(xué)的Ng教授提供了很多的在線教程；蒙特利爾大學(xué)Bengio教授發(fā)表的題為“Learning Deep Architectures for AI”的論文也是這領(lǐng)域的優(yōu)質(zhì)資料。
3 實(shí)施建議
在具體的教學(xué)過程中，筆者建議適當(dāng)安排深度學(xué)習(xí)的最基本內(nèi)容，內(nèi)容不宜過多，也不宜占用過多的學(xué)時，可以根據(jù)教學(xué)對象的不同進(jìn)行調(diào)整。比如，本科生的高年級專業(yè)課可以安排1學(xué)時的教學(xué)量，介紹層次訓(xùn)練的基本算法；也可以在高年級前沿講座中安排2學(xué)時，內(nèi)容覆蓋面盡可能廣泛。在研究生的教學(xué)中，可以根據(jù)教學(xué)的課程主題安排內(nèi)容與學(xué)時。比如，神經(jīng)網(wǎng)絡(luò)主題的課程可以安排4-6學(xué)時的教學(xué)內(nèi)容，包括波爾茲曼機(jī)及學(xué)習(xí)算法、深層信念網(wǎng)絡(luò)與學(xué)習(xí)算法、深層波爾茲曼機(jī)與學(xué)習(xí)算法卷、積神經(jīng)網(wǎng)絡(luò)、自動編碼器等。結(jié)合應(yīng)用，課程還可以包含MNIST數(shù)字識別的應(yīng)用、人臉識別的應(yīng)用、圖像檢索的應(yīng)用、語音識別中的應(yīng)用等。另外，深度學(xué)習(xí)是一個實(shí)踐性很強(qiáng)的研究，隨機(jī)性：大規(guī)模（意味著數(shù)據(jù)不宜可視化，程序運(yùn)行時間長）等多種因素混合，使深度學(xué)習(xí)在學(xué)習(xí)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(shí)驗(yàn)，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(jì)信息失真的原因及對策分析》《上市公司會計(jì)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(luò)影響了學(xué)生社會實(shí)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(shí)際數(shù)據(jù)，只有半數(shù)的學(xué)生通過實(shí)習(xí)或問卷調(diào)查獲得實(shí)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(shí)踐、不與人溝通，無法實(shí)現(xiàn)通過畢業(yè)論文提高畢業(yè)生的實(shí)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(xué)的第8學(xué)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(dǎo)難度大。調(diào)查中發(fā)現(xiàn)，超過半數(shù)的畢業(yè)生認(rèn)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(xiàn)資料、分析整理資料、選題、寫開題報(bào)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(dá)出來很困難。對教師而言，在指導(dǎo)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(wù)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(xué)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(xué)方法，教師講學(xué)生聽，注重知識的傳授，忽視知識運(yùn)用能力的培養(yǎng)。在傳統(tǒng)教學(xué)中，學(xué)生缺乏收集整理資料、運(yùn)用知識分析解決問題等方面的訓(xùn)練，學(xué)生很少有社會實(shí)踐的機(jī)會，學(xué)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(xué)非常重視碩士生科研能力的培養(yǎng)，設(shè)立科研學(xué)分，例如美國麻省理工學(xué)院在1969年就有“碩士研究機(jī)會計(jì)劃”、加州大學(xué)洛杉磯分校在20世紀(jì)80年代設(shè)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(xué)為一年級的碩士新生設(shè)立了“指導(dǎo)研究”項(xiàng)目等。對我國的碩士教育現(xiàn)狀而言，在大學(xué)三年多的時間里沒有培養(yǎng)學(xué)生做科研寫論文的能力，在短短半年的時間里指導(dǎo)學(xué)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(xué)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(rèn)真的態(tài)度。教師普遍反映，每年指導(dǎo)畢業(yè)論文的過程中，總有一兩個同學(xué)寫論文拖拖拉拉，不積極想辦法收集實(shí)際數(shù)據(jù)資料，不下功夫?qū)懻撐?，不認(rèn)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(dǎo)教師往往心軟，不忍心由于畢業(yè)論文的緣故影響學(xué)生的畢業(yè)和就業(yè)，只要學(xué)生提交了論文，盡管論文質(zhì)量不高也往往給予通過。
