论文部分内容阅读
摘要：围绕“新工科”背景下人才培养要求，结合人工智能创新行动计划，积极探索“人工智能 X”创新教学模式。根据我校自身情况，对人工智能课程教学过程进行探索，运用研究型教学方法将“案例 知识点”进行深度融合，创新理论教学模式，分层次、分阶段、循序渐进进行上机训练，将理论知识和实际应用相联系，学以致用，培养学生的工程能力和创新能力。
关键词：新工科;人工智能;教学改革
中图分类号：G642 文献标识码：A
文章编号：1009-3044（2020）33-0111-02
开放科学（资源服务）标识码（OSID）：
2018年4月2日，教育部办公厅发布关于印发《高等学校人工智能创新行动计划》的通知，要求高校重视人工智能与计算机、控制、数学等多学科专业教育的交叉融合[1]，积极推进“新工科”建设，探索将“人工智能 X”的复合专业与工程实践能力相结合的人才培养新模式，为我国高科技领域产业发展和国际竞争提供人才保证。
目前，越来越多的高校本科专业开设了人工智能课程[2]，课程内容主要涉及人工智能发展历程、基本概念、知识表示、推理方法、各种搜索策略、人工智能应用领域等。由于人工智能课程具有学科交叉性强、知识更新快的特点，仅通过教师理论讲授，很难让学生感悟、认识到人工智能课程的价值。在“新工科”建设背景下，需要学生具有较强编程能力、自主学习能力和创新能力。如何更好地将人工智能基本原理和基本技术与实践教学相结合，提高学生解决实际问题的能力，是教师必须认真考虑的问题。本文结合人工智能课程教学过程中存在的不足，对人工智能课程理论环节和实践环节等方面进行了探索与研究。
1 人工智能课程教学不足
人工智能课程知识面广、内容抽象且更新快[3]，选用恰当的教学手段和教学方法，便于学生理解抽象理论和复杂算法。传统的教学过程存在教学方法单一，课堂趣味性弱，学生主动学习积极性不高，实践教学内容单薄且跨度大等问题[4]。为保障较好的教学效果，需要教师将多种教学手段相结合进行理论教学，分层次、分阶段、循序渐进进行实践教学，理论教学与实践教学深度融合，充分发挥学生主动性，提高学习兴趣，培养学生工程能力和创新能力，达到高质量教学目的。
在教学过程中，需要学生理解学习人工智能目的和意义、科学有效的组织教学，将人工智能的基本原理和复杂算法融入学生的日常教学活动中。同时，作为人工智能课程主讲教师，精准把握教学内容是保证教学效果和质量的重要手段，因此确定教学内容是开设本课程首先需要考虑的问题。
系统研究国内外人工智能课程体系建设思路，收集整理人工智能应用领域的最新研究成果，及时更新完善教学内容，现将课程教学内容概括如下：
理论环节讲解人工智能的发展历程、基本原理和方法、热点问题及应用领域。
针对非计算机专业的本科生，可根据专业特点重点讲解不用应用领域知识，加深学生理解本课程与相关专业的交叉关系。例如，对生物医学专业学生，通过重点讲解生物识别技术等方面的知识。拓宽学生的相关领域知识面，了解相关主流技术及发展趋势。
实践环节讲解人工智能的开发与应用。基于太原理工大学全体大一新生必修Python语言课程，且Python语言具有简单、严谨、易用的特点[5]，因此在实践教学过程中，运用Python语言循序渐进进行实践教学，选用经典算法对比学习，动手编程提高解决实际问题的能力，通过虚拟仿真环境加深理解最近研究热点问题。
2 理论教学的改革
理论教学是了解、掌握人工智能基本原理和基本方法重要教学环节。探索高效的理论教学模式和教学方法，是保证人工智能课程教学质量的重要手段。本文在教学过程中融人一系列新的研究性教学方法，针对非计算机专业本科生，交叉运用案例教学法、探究式教学法、任务驱动教学法、讲座式教学法进行理论教学，提高课堂效率。
2.1 案例教学法
案例教学法是一种经典的教学方法，通过经典案例分析、讲解、讨论等环节加深学生理解复杂问题。由于人工智能知识更新快，需要不定期更新案例库才能更好地保证的课堂教学质量。本文根据人工智能知识体系构建教学案例库，案例库中涵盖理论知识、专业领域应用和当前热点问题。生动有趣的案例教学，激发学生学习的积极性，便于学生理解抽象知识，特定的案例分析，更便于学生理解记忆相关知识点内容。
人工智能应用广泛，引导学生发现应用实例，例如“图灵测试”著名的“人机大战”等。“深蓝计算机战胜国际象棋世界冠军”是机器战胜人类的经典案例案，借助“深蓝”超强的计算能力，使得计算机能战胜国际象棋世界冠军。案例分析讨论加深理解人工智能的应用价值，感受人工智能影响人类的生活。
知识表示内容抽象，通过“猴子和香蕉问题”“梵塔难题”等案例，启发、引导学生运用理论知识对案例进行分析和探索，例如，在讲解状态空间表示方法时，引入“猴子和香蕉问题”案例，生动形象地阐明常量变量定义、初始状态表示和目标状态表示，掌握了知识表示方法需要考虑的主要因素。
2.2 探究式教学法
“探究”是一种科学有效的教学方法。为加深学生对各个知识点的掌握，可提前将设计好的一些案例和问题发给学生，在课堂上科学合理安排学生讨论和师生互动。引导学生主动思考和学习。
探究式教学模式主要从两个方面进行，一是“案例 知识点”形式，二是“知识点 案例”形式。针对一些理论性较强的内容，运用探究式教学模式更便于理解相关知识点。例如，在講解宽度、深度优先算法及A*算法知识点时，首先探究“八数码难题”求解策略，学生通过分组讨论或个人汇报求解过程，加深理解处理具体问题如何使用宽度优先搜索、深度优先搜索及启发式图搜索策略。
运用探究式教学模式，学生对人工智能理论知识有了更深入的认识和感悟。通过分析问题、主动学习、理解问题、解决问题等环节的训练，加深学生记忆和掌握理论知识。通过各种文献资料的查阅、思考和研究，提高学生分析问题、解决问题的能力，为人工智能相关课程学习打下基础。 2.3 任务驱动教学法
任务驱动教学法是培养学生小组协作能力有效的教学方法。学生以任务为中心，在完成任务过程中去分析、讨论、解决问题。
机器学习是人工智能应用中热门的研究领域，学生学习积极性比较高。为了让学生加深对该领域的了解，可以根据专业不同划分小组，每个小组根据自己专业需要了解两种热门算法，并对比算法差异，最后通过论文或者答辯形式进行讨论学习。
2.4 讲座式教学法
讲座式教学是一种拓宽学生视野的有效教学方法。为了加深学生理解人工智能前沿知识，根据专家的研究背景材料，学生提前了解相关研究领域，讲座环节通过讲解与讨论结合，深入理解人工智能领域知识在特定工程领域的应用，提高学生的学习兴趣。如在机器视觉领域中利用医学影像技术进行医疗诊断的讲座，学生通过聆听、思考、提问、交流等方式加深理解该讲座领域相关知识。
交叉运用以上4种教学方法，加深理解记忆人工智能相关理论知识。同时，人工智能课程也是一门实践性较强的课程，只有将理论知识与实践内容进行深度融合，才更便于学生理解人工智能的相关知识。
3 实践教学的改革
基于“新工科”背景下，对培养学生动手能力提出了更高的要求。实践教学是有效培养学生工程能力的重要手段。为了学生更好运用人工智能所学知识，需要教师精心安排与课程教学相配套的实践环节。本文根据人工智能课程实践教学内容进行分层次、分阶段、循序渐进进行实践教学，培养学生创新能力和工程能力。
3.1深度、广度优先搜索和A*算法
教师讲授深度、广度优先搜索和A*算法，在学生深入理解算法理论基础上，让学生在模拟环境中运用三种方法求解“八数码难题”。通过算法模拟理解三种方法是如何一步一步解决具体问题，熟悉三种算法流程。运用Python语言的数据结构、函数、类等相关语法知识，让学生动手实现以上算法，掌握Py-thon语言设计程序基础知识，感受三种算法在处理实际问题的优劣，为随后更加复杂的人工智能实验做铺垫。通过问题求解策略的比较，理解人工智能课程中问题求解相关知识。
3.2 基于神经网络实现手写数字识别
随着神经网络的广泛应用，了解神经网络的基本方法和原理非常必要，本实验选取经典BP神经网络实现手写数字识别，熟悉BP算法流程，实现过程需要搭建服务器和用户界面，运用Python语言代码实现手写数字识别，通过友好的用户界面，使学生直观感受到人工神经网络的手写数字识别效果。
为了达到较好的上机效果，将存在一定的难度的搭建小型服务器和用户接口代码提前准备好，仅将构建BP神经网络部分代码留给学生完成。实验完成后，学生通过浏览器直接访问数字识别界面，并对输出数字进行测试。将神经网络技术与简单的实际应用相结合，加深理解神经网络中数据的传播、误差的计算、梯度的计算以及参数的更新过程。从实验过程中可以看出，学生学习兴趣浓厚，有较强的成就感，为人工智能课程中神经网络部分后续知识学习起了很好的铺垫作用。
3.3 人工智能复杂应用虚拟仿真实验
利用国家虚拟仿真实验教学项目共享平台（ www. ilab-x.com）的实验空间进行实验。本实验基于古镇人流视频分析实验进行，通过监控摄像头数据采集古镇人流视频数据，利用已训练好深度学习模型对视频中的人物特征（年龄、性别、轨迹）进行提取，其次可以选择时间段和播放进度观察并记录人流特征，方便学生参考。在三维场景中，可以通过鼠标右键拖拽视角，W-S-A-D控制前后左右移动。
通过实验模拟了解深度学习神经网络在实际复杂工程中的应用，在实验模拟中激发学生学习兴趣，有的学生主动阅读相关文献和书籍，了解实现原理，激发学生主动探索研究人工智能领域科学前沿知识。
实验教学表明：分层次、分阶段、循序渐进进行上机训练，有助于学生对人工智能知识的深入理解，培养学生动手能力和解决实际问题能力。实践环节中学生间协作交流，提高学生沟通能力、逻辑分析能力，更有助于激发学生的学习兴趣。
4 结语
针对非计算机专业学生特点，本文在人工智能课程教学中精心设计了教学内容，多种教学方法融合进行理论教学环节、循序渐进进行实践教学，探索出一套基于理论与实践相结合的人工智能教学模式。通过探究人工智能经典案例和热点问题，启发学生主动学习理论知识，课程中配合了针对性较强的思考问题和课堂练习，使学生快速掌握所学理论知识。结合理论知识循序渐进进行编程实战，帮助学生深刻、准确地用实践方式掌握理论知识，锻炼了学生的动手能力。前沿领域的实战模拟，激发学生主动探索人工智能相关研究领域知识，教学效果显著。探究人工智能课程理论与实践的结合教学模式，对“新工科”建设中，新一代人工智能人才培养具有重要意义。
参考文献：
[1]教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].http：//www.cac.gov.cn/2018-04/1 1/c_1 122663 790.htm，2018-04-11.
[2]王万良，人工智能导论[M]-4版.北京：高等教育出版社，2017.
[3]周惠巍，林晓惠，王健，等.新工科建设中人工智能课程教学模式研究[J].计算机教育，2019（11）：45-46.
[4]王艳霞，段正杰，孙广华，等.“人工智能”课程实战教学改革研究[J].中国信息技术教育，2015（8）：107-108.
[5]赵涓涓，强彦.Python机器学习[M].北京：机械工业出版社，2019.
【通联编辑：王力】
作者简介：赵静丽（1985-），女，山西襄汾人，硕士，研究方向：人工智能。
关键词：新工科;人工智能;教学改革
中图分类号：G642 文献标识码：A
文章编号：1009-3044（2020）33-0111-02
开放科学（资源服务）标识码（OSID）：
2018年4月2日，教育部办公厅发布关于印发《高等学校人工智能创新行动计划》的通知，要求高校重视人工智能与计算机、控制、数学等多学科专业教育的交叉融合[1]，积极推进“新工科”建设，探索将“人工智能 X”的复合专业与工程实践能力相结合的人才培养新模式，为我国高科技领域产业发展和国际竞争提供人才保证。
目前，越来越多的高校本科专业开设了人工智能课程[2]，课程内容主要涉及人工智能发展历程、基本概念、知识表示、推理方法、各种搜索策略、人工智能应用领域等。由于人工智能课程具有学科交叉性强、知识更新快的特点，仅通过教师理论讲授，很难让学生感悟、认识到人工智能课程的价值。在“新工科”建设背景下，需要学生具有较强编程能力、自主学习能力和创新能力。如何更好地将人工智能基本原理和基本技术与实践教学相结合，提高学生解决实际问题的能力，是教师必须认真考虑的问题。本文结合人工智能课程教学过程中存在的不足，对人工智能课程理论环节和实践环节等方面进行了探索与研究。
1 人工智能课程教学不足
人工智能课程知识面广、内容抽象且更新快[3]，选用恰当的教学手段和教学方法，便于学生理解抽象理论和复杂算法。传统的教学过程存在教学方法单一，课堂趣味性弱，学生主动学习积极性不高，实践教学内容单薄且跨度大等问题[4]。为保障较好的教学效果，需要教师将多种教学手段相结合进行理论教学，分层次、分阶段、循序渐进进行实践教学，理论教学与实践教学深度融合，充分发挥学生主动性，提高学习兴趣，培养学生工程能力和创新能力，达到高质量教学目的。
在教学过程中，需要学生理解学习人工智能目的和意义、科学有效的组织教学，将人工智能的基本原理和复杂算法融入学生的日常教学活动中。同时，作为人工智能课程主讲教师，精准把握教学内容是保证教学效果和质量的重要手段，因此确定教学内容是开设本课程首先需要考虑的问题。
系统研究国内外人工智能课程体系建设思路，收集整理人工智能应用领域的最新研究成果，及时更新完善教学内容，现将课程教学内容概括如下：
理论环节讲解人工智能的发展历程、基本原理和方法、热点问题及应用领域。
针对非计算机专业的本科生，可根据专业特点重点讲解不用应用领域知识，加深学生理解本课程与相关专业的交叉关系。例如，对生物医学专业学生，通过重点讲解生物识别技术等方面的知识。拓宽学生的相关领域知识面，了解相关主流技术及发展趋势。
实践环节讲解人工智能的开发与应用。基于太原理工大学全体大一新生必修Python语言课程，且Python语言具有简单、严谨、易用的特点[5]，因此在实践教学过程中，运用Python语言循序渐进进行实践教学，选用经典算法对比学习，动手编程提高解决实际问题的能力，通过虚拟仿真环境加深理解最近研究热点问题。
2 理论教学的改革
理论教学是了解、掌握人工智能基本原理和基本方法重要教学环节。探索高效的理论教学模式和教学方法，是保证人工智能课程教学质量的重要手段。本文在教学过程中融人一系列新的研究性教学方法，针对非计算机专业本科生，交叉运用案例教学法、探究式教学法、任务驱动教学法、讲座式教学法进行理论教学，提高课堂效率。
2.1 案例教学法
案例教学法是一种经典的教学方法，通过经典案例分析、讲解、讨论等环节加深学生理解复杂问题。由于人工智能知识更新快，需要不定期更新案例库才能更好地保证的课堂教学质量。本文根据人工智能知识体系构建教学案例库，案例库中涵盖理论知识、专业领域应用和当前热点问题。生动有趣的案例教学，激发学生学习的积极性，便于学生理解抽象知识，特定的案例分析，更便于学生理解记忆相关知识点内容。
人工智能应用广泛，引导学生发现应用实例，例如“图灵测试”著名的“人机大战”等。“深蓝计算机战胜国际象棋世界冠军”是机器战胜人类的经典案例案，借助“深蓝”超强的计算能力，使得计算机能战胜国际象棋世界冠军。案例分析讨论加深理解人工智能的应用价值，感受人工智能影响人类的生活。
知识表示内容抽象，通过“猴子和香蕉问题”“梵塔难题”等案例，启发、引导学生运用理论知识对案例进行分析和探索，例如，在讲解状态空间表示方法时，引入“猴子和香蕉问题”案例，生动形象地阐明常量变量定义、初始状态表示和目标状态表示，掌握了知识表示方法需要考虑的主要因素。
2.2 探究式教学法
“探究”是一种科学有效的教学方法。为加深学生对各个知识点的掌握，可提前将设计好的一些案例和问题发给学生，在课堂上科学合理安排学生讨论和师生互动。引导学生主动思考和学习。
探究式教学模式主要从两个方面进行，一是“案例 知识点”形式，二是“知识点 案例”形式。针对一些理论性较强的内容，运用探究式教学模式更便于理解相关知识点。例如，在講解宽度、深度优先算法及A*算法知识点时，首先探究“八数码难题”求解策略，学生通过分组讨论或个人汇报求解过程，加深理解处理具体问题如何使用宽度优先搜索、深度优先搜索及启发式图搜索策略。
运用探究式教学模式，学生对人工智能理论知识有了更深入的认识和感悟。通过分析问题、主动学习、理解问题、解决问题等环节的训练，加深学生记忆和掌握理论知识。通过各种文献资料的查阅、思考和研究，提高学生分析问题、解决问题的能力，为人工智能相关课程学习打下基础。 2.3 任务驱动教学法
任务驱动教学法是培养学生小组协作能力有效的教学方法。学生以任务为中心，在完成任务过程中去分析、讨论、解决问题。
机器学习是人工智能应用中热门的研究领域，学生学习积极性比较高。为了让学生加深对该领域的了解，可以根据专业不同划分小组，每个小组根据自己专业需要了解两种热门算法，并对比算法差异，最后通过论文或者答辯形式进行讨论学习。
2.4 讲座式教学法
讲座式教学是一种拓宽学生视野的有效教学方法。为了加深学生理解人工智能前沿知识，根据专家的研究背景材料，学生提前了解相关研究领域，讲座环节通过讲解与讨论结合，深入理解人工智能领域知识在特定工程领域的应用，提高学生的学习兴趣。如在机器视觉领域中利用医学影像技术进行医疗诊断的讲座，学生通过聆听、思考、提问、交流等方式加深理解该讲座领域相关知识。
交叉运用以上4种教学方法，加深理解记忆人工智能相关理论知识。同时，人工智能课程也是一门实践性较强的课程，只有将理论知识与实践内容进行深度融合，才更便于学生理解人工智能的相关知识。
3 实践教学的改革
基于“新工科”背景下，对培养学生动手能力提出了更高的要求。实践教学是有效培养学生工程能力的重要手段。为了学生更好运用人工智能所学知识，需要教师精心安排与课程教学相配套的实践环节。本文根据人工智能课程实践教学内容进行分层次、分阶段、循序渐进进行实践教学，培养学生创新能力和工程能力。
3.1深度、广度优先搜索和A*算法
教师讲授深度、广度优先搜索和A*算法，在学生深入理解算法理论基础上，让学生在模拟环境中运用三种方法求解“八数码难题”。通过算法模拟理解三种方法是如何一步一步解决具体问题，熟悉三种算法流程。运用Python语言的数据结构、函数、类等相关语法知识，让学生动手实现以上算法，掌握Py-thon语言设计程序基础知识，感受三种算法在处理实际问题的优劣，为随后更加复杂的人工智能实验做铺垫。通过问题求解策略的比较，理解人工智能课程中问题求解相关知识。
3.2 基于神经网络实现手写数字识别
随着神经网络的广泛应用，了解神经网络的基本方法和原理非常必要，本实验选取经典BP神经网络实现手写数字识别，熟悉BP算法流程，实现过程需要搭建服务器和用户界面，运用Python语言代码实现手写数字识别，通过友好的用户界面，使学生直观感受到人工神经网络的手写数字识别效果。
为了达到较好的上机效果，将存在一定的难度的搭建小型服务器和用户接口代码提前准备好，仅将构建BP神经网络部分代码留给学生完成。实验完成后，学生通过浏览器直接访问数字识别界面，并对输出数字进行测试。将神经网络技术与简单的实际应用相结合，加深理解神经网络中数据的传播、误差的计算、梯度的计算以及参数的更新过程。从实验过程中可以看出，学生学习兴趣浓厚，有较强的成就感，为人工智能课程中神经网络部分后续知识学习起了很好的铺垫作用。
3.3 人工智能复杂应用虚拟仿真实验
利用国家虚拟仿真实验教学项目共享平台（ www. ilab-x.com）的实验空间进行实验。本实验基于古镇人流视频分析实验进行，通过监控摄像头数据采集古镇人流视频数据，利用已训练好深度学习模型对视频中的人物特征（年龄、性别、轨迹）进行提取，其次可以选择时间段和播放进度观察并记录人流特征，方便学生参考。在三维场景中，可以通过鼠标右键拖拽视角，W-S-A-D控制前后左右移动。
通过实验模拟了解深度学习神经网络在实际复杂工程中的应用，在实验模拟中激发学生学习兴趣，有的学生主动阅读相关文献和书籍，了解实现原理，激发学生主动探索研究人工智能领域科学前沿知识。
实验教学表明：分层次、分阶段、循序渐进进行上机训练，有助于学生对人工智能知识的深入理解，培养学生动手能力和解决实际问题能力。实践环节中学生间协作交流，提高学生沟通能力、逻辑分析能力，更有助于激发学生的学习兴趣。
4 结语
针对非计算机专业学生特点，本文在人工智能课程教学中精心设计了教学内容，多种教学方法融合进行理论教学环节、循序渐进进行实践教学，探索出一套基于理论与实践相结合的人工智能教学模式。通过探究人工智能经典案例和热点问题，启发学生主动学习理论知识，课程中配合了针对性较强的思考问题和课堂练习，使学生快速掌握所学理论知识。结合理论知识循序渐进进行编程实战，帮助学生深刻、准确地用实践方式掌握理论知识，锻炼了学生的动手能力。前沿领域的实战模拟，激发学生主动探索人工智能相关研究领域知识，教学效果显著。探究人工智能课程理论与实践的结合教学模式，对“新工科”建设中，新一代人工智能人才培养具有重要意义。
参考文献：
[1]教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].http：//www.cac.gov.cn/2018-04/1 1/c_1 122663 790.htm，2018-04-11.
[2]王万良，人工智能导论[M]-4版.北京：高等教育出版社，2017.
[3]周惠巍，林晓惠，王健，等.新工科建设中人工智能课程教学模式研究[J].计算机教育，2019（11）：45-46.
[4]王艳霞，段正杰，孙广华，等.“人工智能”课程实战教学改革研究[J].中国信息技术教育，2015（8）：107-108.
[5]赵涓涓，强彦.Python机器学习[M].北京：机械工业出版社，2019.
【通联编辑：王力】
作者简介：赵静丽（1985-），女，山西襄汾人，硕士，研究方向：人工智能。