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(dǎo)您走向新的創(chuàng)作高度。
1.1集先進(jìn)性、實用性和前沿性為一體的教學(xué)內(nèi)容改革對國內(nèi)外優(yōu)秀的人工智能教材[2-6]的內(nèi)容進(jìn)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(jìn)性、實用性和前沿性為一體的教學(xué)內(nèi)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(shù)，因此人工智能應(yīng)圍繞“智能”這個中心。由于智能本身的復(fù)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(nèi)容可按圖1所示劃分為最底層、抽象層、邏輯層和應(yīng)用層這4個不同層次。在最底層，神經(jīng)網(wǎng)絡(luò)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(jìn)行抽象、表示與理解。邏輯層提出學(xué)習(xí)、規(guī)劃、推理、挖掘的模型與方式。應(yīng)用層構(gòu)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(xué)內(nèi)容，并保證教學(xué)內(nèi)容的循序漸進(jìn)。
1.2基于人工智能知識體系的教學(xué)案例庫建設(shè)根據(jù)所確定的教學(xué)內(nèi)容、知識重點和知識難點，從國內(nèi)外經(jīng)典教材、科研項目、研發(fā)設(shè)計、生產(chǎn)建設(shè)以及國內(nèi)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(xué)案例及其內(nèi)容。表1給出基于人工智能知識體系的教學(xué)案例示例。
2人工智能課程教學(xué)案例的詳細(xì)設(shè)計
在教學(xué)案例具體設(shè)計時應(yīng)包括章節(jié)、知識重點、知識難點、案例名稱、案例內(nèi)容、案例分析過程、案例教學(xué)手段、思考/討論內(nèi)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(yīng)用案例3種情況進(jìn)行討論。
2.1單一案例設(shè)計以人工智能課程中神經(jīng)網(wǎng)絡(luò)課堂教學(xué)內(nèi)容為例，介紹基于知識點的單一案例的設(shè)計。神經(jīng)網(wǎng)絡(luò)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(xué)等領(lǐng)域具有廣泛的應(yīng)用，是人工智能課程的主要內(nèi)容之一。教學(xué)內(nèi)容主要包括介紹人工神經(jīng)網(wǎng)絡(luò)的由來、特性、結(jié)構(gòu)、模型和算法，以及神經(jīng)網(wǎng)絡(luò)的表示和推理。這些內(nèi)容是神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。其重點在于人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、模型和算法。難點是人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法。從教學(xué)要求上，通過對該章節(jié)內(nèi)容的學(xué)習(xí)，使學(xué)生掌握人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、模型和算法，了解人工神經(jīng)網(wǎng)絡(luò)的由來和特性，一般性地了解神經(jīng)網(wǎng)絡(luò)的表示和推理方法。采用課件PPT和演示手段，由簡單到復(fù)雜，在學(xué)生掌握人工神經(jīng)網(wǎng)絡(luò)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(dǎo)學(xué)生學(xué)習(xí)理解人工神經(jīng)網(wǎng)絡(luò)的核心思想及其應(yīng)用方法。從國外教材中整理和設(shè)計該案例，同時應(yīng)包括以下規(guī)范內(nèi)容。章節(jié)：神經(jīng)網(wǎng)絡(luò)。知識重點：神經(jīng)網(wǎng)絡(luò)。知識難點：人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、表示、學(xué)習(xí)算法和推理。案例名稱：手寫體如何識別。案例內(nèi)容：用訓(xùn)練樣本集訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)使其推廣到先前訓(xùn)練所得結(jié)果，正確分類先前未見過的數(shù)據(jù)。案例分析過程：①訓(xùn)練數(shù)字識別神經(jīng)網(wǎng)絡(luò)的樣本位圖；②反向傳播BP算法；③神經(jīng)網(wǎng)絡(luò)的表示；④使用誤差反向傳播算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的泛化能力；⑤一個神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢后，將網(wǎng)絡(luò)中的權(quán)值保存起來供實際應(yīng)用。案例教學(xué)手段：手寫體識別的神經(jīng)網(wǎng)絡(luò)演示。思考/討論內(nèi)容：①訓(xùn)練改進(jìn)與權(quán)值調(diào)整改進(jìn)；②過學(xué)習(xí)/過擬合現(xiàn)象，即在一個數(shù)據(jù)集上訓(xùn)練時間過長，導(dǎo)致網(wǎng)絡(luò)過擬合于訓(xùn)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(shè)計一題多解案例有助于學(xué)生把相關(guān)知識點聯(lián)系起來，形成相互關(guān)聯(lián)的知識網(wǎng)絡(luò)。以人工智能課程中知識及其表示教學(xué)內(nèi)容為例，介紹一題多解案例的設(shè)計。知識及其表示是人工智能課程三大內(nèi)容（知識表示、知識推理、知識應(yīng)用）之一。教學(xué)內(nèi)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(luò)等知識表示方法。難點是知識表示方法的區(qū)別及其應(yīng)用。從教學(xué)要求上，通過對該章節(jié)內(nèi)容的學(xué)習(xí)，使學(xué)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(luò)法來描述和解決應(yīng)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(nèi)外教材中進(jìn)行整理和設(shè)計，同時包括以下規(guī)范內(nèi)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(luò)法等。知識難點：知識表示方法的區(qū)別及其應(yīng)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(nèi)容：房間內(nèi)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(biāo)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(biāo)狀態(tài)。案例教學(xué)手段：猴子和香蕉問題的演示。思考/討論內(nèi)容：①選擇知識表示方法時，應(yīng)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(yīng)用案例設(shè)計與單一案例、一題多解案例相比，綜合應(yīng)用案例能更加有效地啟發(fā)學(xué)生全方位地思考和探索問題的解決方法。以機器人行動規(guī)劃模擬為例，介紹人工智能綜合應(yīng)用案例的設(shè)計，該案例包括以下規(guī)范內(nèi)容。章節(jié)：人工智能綜合應(yīng)用。知識重點：人工智能的研究方向和應(yīng)用領(lǐng)域。知識難點：人工智能的技術(shù)集成。案例名稱：機器人行動規(guī)劃模擬。案例內(nèi)容：綜合應(yīng)用行為規(guī)劃、知識表示方法、機器人學(xué)、神經(jīng)網(wǎng)絡(luò)、人工智能語言等多種人工智能技術(shù)與方法，對機器人行動規(guī)劃問題進(jìn)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(shù)，將機器人須完成的總?cè)蝿?wù)分解為若干依序排列的子任務(wù)；依據(jù)任務(wù)進(jìn)程，確定若干關(guān)鍵性的中間狀態(tài)，將狀態(tài)對應(yīng)為進(jìn)程子規(guī)劃的目標(biāo)；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(shè)計。定義表達(dá)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(biāo)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(jié)構(gòu)，包括反應(yīng)式控制、包容結(jié)構(gòu)以及其他控制系統(tǒng)等。④基于神經(jīng)網(wǎng)絡(luò)的模式識別。采用神經(jīng)網(wǎng)絡(luò)方法以及BP算法對桌面茶壺、杯子等物體進(jìn)行識別，提取物體圖形特征。⑤機器人程序設(shè)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(xué)手段：機器人行動規(guī)劃的模擬演示。思考/討論內(nèi)容：人工智能將會怎樣發(fā)展？應(yīng)該在哪些方面進(jìn)一步開展研究？
3案例教學(xué)環(huán)節(jié)和過程的具體實施細(xì)節(jié)
人工智能案例教學(xué)的實施面向筆者所在學(xué)院軟件工程專業(yè)三年級本科生展開。具體實施細(xì)節(jié)如下。（1）教學(xué)內(nèi)容的先進(jìn)性、實用性和前沿性。引進(jìn)和整合國外著名人工智能教材內(nèi)容，保證課程內(nèi)容具有先進(jìn)性。同時將前沿人工智能的研究成果與技術(shù)有機地融入課程案例教學(xué)之中。（2）案例教學(xué)的創(chuàng)新教學(xué)模式。在教師的引導(dǎo)下，將案例中涉及的人工智能內(nèi)容推廣到對人工智能的一般性認(rèn)識。案例的教學(xué)過程，成為認(rèn)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(yīng)用問題的過程，使學(xué)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(xué)中，打破國內(nèi)常規(guī)教學(xué)方式，建立和實施開放式案例教學(xué)模式。采用動畫課件、錄像教學(xué)、實物演示、網(wǎng)絡(luò)教學(xué)等多種多媒體教學(xué)手段，以及集中講授與專題討論相結(jié)合的教學(xué)方式將理論、方法、技術(shù)、算法以及實現(xiàn)有機結(jié)合，感性認(rèn)識與理性認(rèn)識相結(jié)合，理論與實際相結(jié)合，極大地激發(fā)學(xué)生自主和創(chuàng)新性學(xué)習(xí)的熱情。（3）“課堂教學(xué)—實踐活動—現(xiàn)實應(yīng)用”的有機融合。在案例教學(xué)過程中，從傳統(tǒng)教學(xué)觀以學(xué)會為中心轉(zhuǎn)化為創(chuàng)新應(yīng)用型教學(xué)觀以創(chuàng)新為中心，以及從傳統(tǒng)教學(xué)的以課堂教學(xué)為中心轉(zhuǎn)化為以課堂教學(xué)與實踐活動并重為中心，構(gòu)造具體問題場景以及設(shè)計教學(xué)案例在情境中的現(xiàn)實應(yīng)用，加深學(xué)生對教學(xué)內(nèi)容的理解，同時提高學(xué)生的思考能力和實際綜合應(yīng)用能力。
4結(jié)語
>> 研究生人工智能系列課程教學(xué)改革 研究生人工智能課程教學(xué)探索 研究生“人工智能”課程教學(xué)改革探索 人工智能實驗課教學(xué)改革研究 人工智能課程全英文教學(xué)改革 創(chuàng)新型人工智能教學(xué)改革與實踐 《人工智能》碩士課程教學(xué)改革的研究與實踐 落實科學(xué)發(fā)展觀,深化“人工智能”課程的教學(xué)改革 面向人工智能的信息管理與信息系統(tǒng)專業(yè)教學(xué)改革 人工智能課程教學(xué)方法研究 人工智能的應(yīng)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(xué)初探 《人工智能》雙語教學(xué)初索 人工智能雙語教學(xué)建設(shè) 人工智能實驗教學(xué)探討 “人工智能”之父 人工智能 AI人工智能 常見問題解答 當(dāng)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(xué)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(xué)員可及時了解人工智能最新發(fā)展動態(tài)，進(jìn)行人工智能程序設(shè)計的交流及對一些問題進(jìn)行較為深入的探討。
2教學(xué)方法研究
研究生教學(xué)應(yīng)更突出學(xué)生的主體地位，注重發(fā)揮其學(xué)習(xí)的主動性和自覺性，為此，課程組結(jié)合課程特點，在教學(xué)方法進(jìn)行了如下探索。
2.1加強教學(xué)設(shè)計
教學(xué)設(shè)計就是對教學(xué)活動進(jìn)行系統(tǒng)計劃的過程, 是教什么(課程內(nèi)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(xué)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(nèi)容，補充閱讀文獻(xiàn)，根據(jù)授課對象與課程內(nèi)容特點，確定課堂組織方式，采用的授課方式以研討式教學(xué)為主，給合講授、實驗、自學(xué)等。
2.2抓好課堂教學(xué)環(huán)節(jié)
教學(xué)方法與教學(xué)手段是保證課堂教學(xué)效果的關(guān)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(xué)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(shè)備，基本的軟件實驗環(huán)境，教學(xué)過程可采用靈活教學(xué)方法、多種教學(xué)手段，提高教學(xué)效率，保證授課質(zhì)量。
1) 以研討式為主的教學(xué)方式。研究生教學(xué)應(yīng)堅持學(xué)術(shù)研究為導(dǎo)向，發(fā)揮學(xué)員在學(xué)習(xí)過程中的主動性和自覺性。由于研究生學(xué)員有一定的學(xué)習(xí)基礎(chǔ)與自學(xué)能力，教員可以在課前給學(xué)員布置預(yù)習(xí)內(nèi)容，學(xué)員通過查閱資料、分析整理進(jìn)而形成自己的觀點，使在課堂教學(xué)中師生互動交流成為可能，改變傳統(tǒng)的教員講，學(xué)員聽的灌輸式教學(xué)方式。研討式教學(xué)也有力于培養(yǎng)學(xué)員積極思考、創(chuàng)新思維的習(xí)慣與能力。
2) 教學(xué)手段的信息化。人工智能原理教學(xué)一個突出矛盾是知識點多、內(nèi)容抽象、理論性強，但學(xué)時較少，因此，必須發(fā)揮現(xiàn)代教學(xué)手段的作用，提高教學(xué)效率。為此，課程組對每節(jié)課都精心設(shè)計了教學(xué)課件，課堂教學(xué)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(xué)效果；引入教學(xué)聲像資料，便于學(xué)員課下學(xué)習(xí)；設(shè)計演示程序，使部分比較抽象、不易于理解的內(nèi)容，如子句歸結(jié)、搜索策略更形象直觀，易于學(xué)習(xí)和掌握。
3注重培養(yǎng)學(xué)員學(xué)術(shù)研究能力
學(xué)術(shù)能力是指專門對某一學(xué)問進(jìn)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(xué)習(xí)的一個突出特點是要求學(xué)習(xí)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(xué)術(shù)能力的重要途徑，在教學(xué)實施過程中，要求每個專題學(xué)習(xí)結(jié)束后，都要提交一份格式符合期刊發(fā)表要求的總結(jié)報告，題目可自行選定，也可由教員指定；內(nèi)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(jìn)一步研究，或者是對該專題最新研究進(jìn)展的綜述。教員重點在以下幾個方面予以指導(dǎo)。
1) 選題準(zhǔn)確。要求選題不能過于宏大，應(yīng)以小題目反映大問題，具有一定的可研究性為宜。
2) 研究內(nèi)容。研究目標(biāo)明確，方法恰當(dāng)，能夠提出自己的見解，所提觀點正確。
3) 論文結(jié)構(gòu)。結(jié)構(gòu)清晰、完整，論述嚴(yán)謹(jǐn)，表達(dá)規(guī)范。
4) 占有文獻(xiàn)豐富。撰寫過程中要有意識培養(yǎng)學(xué)員查閱科技文獻(xiàn)的能力，要求查閱反映最新研究成果的權(quán)威文獻(xiàn)。
4加強實驗環(huán)節(jié)教學(xué)
人工智能教學(xué)在進(jìn)行各種理論知識講授的同時，還應(yīng)重視實踐教學(xué)，把抽象的知識轉(zhuǎn)化為形象、直觀的實驗，讓學(xué)員真正理解人工智能的概念、本質(zhì)、研究目標(biāo)，從而提高學(xué)員多角度思維的能力和邏輯推理能力，進(jìn)一步了解信息技術(shù)、計算機技術(shù)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(shù)未來的追求。為此，課程組借鑒國內(nèi)外知名大學(xué)人工智能實驗教學(xué)經(jīng)驗，編寫了《人工智能原理實驗指導(dǎo)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(xué)內(nèi)容提供了7組實驗供學(xué)員選擇。
例如，在狀態(tài)空間搜索一節(jié)教學(xué)過程中，先完成理論部分的教學(xué)，使學(xué)員對狀態(tài)空間基本概念、問題表示及求解方法有一個準(zhǔn)確的認(rèn)識，然后進(jìn)行實驗教學(xué)。由學(xué)員自主完成重排九宮問題求解的程序，初始狀態(tài)和目標(biāo)狀態(tài)如圖1所示，調(diào)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(dǎo)學(xué)員掌握狀態(tài)空間進(jìn)行問題求解的關(guān)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?qū)崿F(xiàn)的數(shù)據(jù)結(jié)構(gòu)，基本信息有初始狀態(tài)集合、操作符集合、目標(biāo)檢測及路徑費用函數(shù)，數(shù)據(jù)結(jié)構(gòu)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(chǔ)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(biāo)節(jié)點格局不相同的牌數(shù)、不在目標(biāo)位置的牌距目標(biāo)位置的距離之和等加以比較，準(zhǔn)確理解啟發(fā)函數(shù)的意義。通過實驗，學(xué)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(xué)組織方式可根據(jù)具體的實驗內(nèi)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(jìn)行。
5適度開展雙語教學(xué)
研究生的英語基礎(chǔ)普遍較好，基本都通過了國家公共英語四級考試，部分學(xué)員通過了六級考試，加之在本科階段還開設(shè)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(xué)員閱讀原版英文資料、用英語進(jìn)行簡單科技寫作及對外學(xué)術(shù)交流的能力，適度開展雙語教學(xué)，對此，我們可采取以下基本方式。
1) 專業(yè)術(shù)語全部用英語表示。
在教學(xué)過程中用英語表達(dá)人工智能原理中的專業(yè)術(shù)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(xué)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(shù)的實用指南[5]。”
3) 加強英文文獻(xiàn)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(xiàn)；在討論課中，鼓勵學(xué)員使用英語進(jìn)行討論。
經(jīng)過課程學(xué)習(xí)，學(xué)員都能準(zhǔn)確掌握人工智能學(xué)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(jìn)一步用英文進(jìn)行學(xué)術(shù)交流及學(xué)術(shù)論文寫作打下基礎(chǔ)。
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(xué)員對基礎(chǔ)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(xué)員在課程學(xué)習(xí)階段結(jié)合某一專題選定題目，課程論文以選題意義、研究內(nèi)容、論文結(jié)構(gòu)、參考文獻(xiàn)及撰寫規(guī)范等指標(biāo)為評價依據(jù)；實驗成績采用實驗過程考查、實驗結(jié)果驗收和實驗報告評閱相結(jié)合的考核方法，綜合評定。這樣做不但考核了學(xué)員人工智能基本理論掌握情況，也反映了學(xué)員的學(xué)術(shù)研究能力和工程實踐能力。同時，考核結(jié)合實際教學(xué)進(jìn)程，改變了單一課終總結(jié)性考核的弊端。
7結(jié)語
經(jīng)過課程組近兩年的教學(xué)方法研究與教學(xué)實踐，研究生人工智能原理課程教學(xué)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(xué)員準(zhǔn)備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻(xiàn)綜述不夠全面、準(zhǔn)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(xué)員預(yù)習(xí)重點、加強課程論文交流等方式予以改進(jìn)，力求取得更好的教學(xué)效果。同時，進(jìn)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(luò)課程建設(shè)，購買或自主開發(fā)網(wǎng)絡(luò)教學(xué)資源，引導(dǎo)學(xué)員利用網(wǎng)絡(luò)資源進(jìn)行個性化自主學(xué)習(xí)，增強教學(xué)過程的信息化程度。
參考文獻(xiàn)：
[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學(xué)出版社,2002:1.
[2] 李志厚. 國外教學(xué)設(shè)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(xué)術(shù)能力的培養(yǎng)[J]. 學(xué)位與研究生教育,2006(9):1-5.
[4] 周金海. 人工智能學(xué)習(xí)輔導(dǎo)與實驗指導(dǎo)[M]. 北京:清華大學(xué)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(guān)鍵詞：人工智能技術(shù)；教學(xué)方法；編程能力
中圖分類號：TP3 文獻(xiàn)標(biāo)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(guān)注的科技問題、10個影響中國的科技事件、10項引領(lǐng)未來的科學(xué)技術(shù)評選結(jié)果揭曉。10項引領(lǐng)未來的科學(xué)技術(shù)是：基因修飾技術(shù)；未來家庭機器人；新型電池；人工智能技術(shù)；超高速交通工具；干細(xì)胞技術(shù)；光電信息技術(shù)；可服用診療芯片；感冒疫苗；無線能量傳輸技術(shù)。
人工智能技術(shù)學(xué)科是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)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(shè)計、思考、規(guī)劃、學(xué)習(xí)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(shù)》課程的學(xué)習(xí)，使學(xué)生對人工智能技術(shù)的發(fā)展概況、基本原理和應(yīng)用領(lǐng)域有深入了解、對主要技術(shù)及應(yīng)用有一定掌握，并對現(xiàn)代人工智能技術(shù)發(fā)展的方向有所研究。通過人工智能技術(shù)課程的學(xué)習(xí)與研究，啟發(fā)學(xué)生對人工智能技術(shù)的興趣，培養(yǎng)知識創(chuàng)新和技術(shù)創(chuàng)新能力，并能將人工智能技術(shù)融入到今后所開發(fā)的計算機軟件之中。
《人工智能技術(shù)》是一門眾多學(xué)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(nèi)容抽象，不容易理解，理論性強，而且需要較好的數(shù)學(xué)基礎(chǔ)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。《人工智能技術(shù)》也是一門應(yīng)用型學(xué)科，怎樣將理論運用到實踐中，使學(xué)生將學(xué)到的人工智能技術(shù)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(shù)》課程教學(xué)來說，我們要了解課程的最新信息，把握課程的特點，幫助學(xué)生找到好的學(xué)習(xí)方法，使他們能充分發(fā)揮自己的創(chuàng)新思維能力，提高學(xué)習(xí)興趣，該文給出了《人工智能技術(shù)》課程的教學(xué)與實踐的探索。
2 教學(xué)與實踐的探索
2.1 教材和實驗教學(xué)內(nèi)容的選取
1） 人工智能技術(shù)是整個計算機科學(xué)領(lǐng)域發(fā)展最快，知識更新最快，最前沿的學(xué)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(chǔ)》這本教材。蔡自興教授的主要研究領(lǐng)域為人工智能、機器人學(xué)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(xué)教授傅京孫先生的指導(dǎo)和鼓勵下編寫，借鑒了國內(nèi)外人工智能技術(shù)研究領(lǐng)域?qū)＜业淖钚卵芯砍晒蛯W(xué)術(shù)書籍的長處，該書比較全面地介紹了人工智能技術(shù)的基礎(chǔ)知識與技術(shù)，材料新，易于理解，兼顧基礎(chǔ)及應(yīng)用[2]。
此外，我們還給學(xué)生自主學(xué)習(xí)提供多種類型的學(xué)習(xí)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(shù)國內(nèi)外期刊，如電子學(xué)報，計算機學(xué)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(shù)會議，使學(xué)生能夠掌握人工智能技術(shù)的更多前沿動態(tài)，提高學(xué)習(xí)興趣。
2） 配套的實驗教學(xué)內(nèi)容?！度斯ぶ悄芗夹g(shù)》是一門理論性和實踐性都很強的課程，實踐性教學(xué)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(xué)，培養(yǎng)學(xué)生的創(chuàng)新能力、算法設(shè)計能力和編程能力。首先，每個章節(jié)設(shè)置相應(yīng)的實驗，而實驗內(nèi)容經(jīng)過嚴(yán)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(luò)實現(xiàn)簡單的分類，遺傳算法、人工生命程序等，要求學(xué)生運用所學(xué)章節(jié)的知識，獨立地設(shè)計和實現(xiàn)實驗內(nèi)容。實驗報告包括簡述實驗原理及方法，給出程序設(shè)計流程圖，源程序清單，實驗結(jié)果及分析等內(nèi)容，通過這種方式，進(jìn)一步加強學(xué)生的信息獲取能力和研究能力。
2.2 教學(xué)方法和手段的改革
人工智能技術(shù)課程交叉性強，涉及面廣，傳統(tǒng)的教學(xué)方法手段單一，缺少交流，課堂氣氛沉悶，激發(fā)不起學(xué)生的學(xué)習(xí)興趣，教學(xué)效果不理想。人工智能技術(shù)這門課程內(nèi)容抽象，如何激發(fā)學(xué)生的學(xué)習(xí)興趣是本課程需要解決的主要問題，也是關(guān)系教學(xué)改革成敗的關(guān)鍵。本課程需采用多種方法進(jìn)行教學(xué)，以此來激發(fā)學(xué)生的學(xué)習(xí)興趣。
1） 問題啟發(fā)式教學(xué)?！度斯ぶ悄芗夹g(shù)》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(xué)中，有目的的提出這些問題，鼓勵學(xué)生思考，提出自己的想法和解決方案，并進(jìn)行分析和比較，這樣強化學(xué)生的主動學(xué)習(xí)意識，提高學(xué)習(xí)積極性[3]。
2） 個性化學(xué)習(xí)和因材施教。學(xué)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(chǔ)不同，有的計算機知識比較匱乏，因此有必要針對每個學(xué)生的學(xué)習(xí)進(jìn)度，課堂作業(yè)和實驗報告情況進(jìn)行及時評估，對學(xué)生提出個性化的教學(xué)。例如：在實驗教學(xué)中，要求有能力和興趣的學(xué)生可以做探究性和創(chuàng)新性的附加實驗，從而引導(dǎo)學(xué)生發(fā)揮個性的空間，而對稍微吃力的學(xué)生則要求完成基本的實驗，更注重基礎(chǔ)知識的學(xué)習(xí)和夯實，這樣就能達(dá)到因材施教的目的。同時對不同層次的學(xué)生進(jìn)行分析，進(jìn)一步提出學(xué)習(xí)建議，并進(jìn)行有針對性的指導(dǎo)。
3） 多媒體使用和多學(xué)科知識的融合。本課程PPT課件圖文并茂，提綱挈領(lǐng)，便于學(xué)生理解。課堂講授、板書與PPT手段相結(jié)合，注重課程中的關(guān)鍵詞用英文表示，并適當(dāng)指定英文參考書，使學(xué)生能夠接觸國外文獻(xiàn)資料，加深對學(xué)習(xí)內(nèi)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(shù)，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(shù)中抽象的知識形象化，在課件中融入了文學(xué)，歷史等其他學(xué)科的相關(guān)知識，便于學(xué)生較好地理解知識難點和重點[4]。
4） 師生互動和課內(nèi)外答疑。在教學(xué)中，改變了傳統(tǒng)的老師講，學(xué)生聽的教學(xué)模式。針對人工智能技術(shù)的實用性，適當(dāng)提問，收集學(xué)生學(xué)習(xí)情況，盡量使用實例進(jìn)行講解。設(shè)置了實驗講解互動課程，對于實驗的講解，學(xué)生可以提出疑問，然后在課堂上展開討論，學(xué)生可以看到問題從提出、分析到解決的整個過程，讓學(xué)生自己在討論中總結(jié)結(jié)論。為了解決教學(xué)中存在的疑難問題，還設(shè)有課后答疑，使學(xué)生能將所有的問題都理解透徹。
5） 理論研究與實踐結(jié)合。在教學(xué)內(nèi)容的安排上，注重學(xué)生的理論研究和動手能力，適當(dāng)布置一些課程相關(guān)的論文和實驗編程。通過課程論文，可以培養(yǎng)學(xué)生鉆研問題的興趣； 通過查閱科技文獻(xiàn)使學(xué)生掌握如何查找相關(guān)文獻(xiàn)的技能，可以培養(yǎng)學(xué)生撰寫科技論文的能力。通過實驗實踐，使學(xué)生可以更加清楚地了解人工智能技術(shù)基本概念和難點，也能了解算法的設(shè)計具體運行過程，并對其進(jìn)行驗證，提高了學(xué)生的編程能力和和學(xué)習(xí)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(yīng)采用多種綜合考試方法，注重學(xué)生對基礎(chǔ)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(xué)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(jìn)學(xué)生主動學(xué)習(xí)，提高教學(xué)質(zhì)量。實驗的評價指標(biāo)在于算法設(shè)計、編程的準(zhǔn)確性和實驗結(jié)果及分析。課程論文評價指是選題是否嚴(yán)謹(jǐn)科學(xué)和具可研究性，論文結(jié)構(gòu)、思路是否嚴(yán)謹(jǐn)，論文內(nèi)容科學(xué)性、正確性，能否提出自己的見解?？疾椴殚喛萍嘉墨I(xiàn)的能力主要通過是否查找到權(quán)威的、最新文獻(xiàn)以及撰寫是否規(guī)范。
2.3 學(xué)生學(xué)好《人工智能技術(shù)》課程的建議
《人工智能技術(shù)》是一門理論與實踐相結(jié)合的應(yīng)用課程，學(xué)生如何學(xué)習(xí)這么課程，也是我們應(yīng)該探討的問題。
學(xué)生應(yīng)該正確看待《人工智能技術(shù)》這門科學(xué)的發(fā)展。人工智能技術(shù)孕育于20世紀(jì)30、40年代，形成于60、70年代，發(fā)展至今，人工智能技術(shù)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(xué)科，還有許多課題處于探索中，理論和技術(shù)還遠(yuǎn)未成熟，我們應(yīng)該對它有科學(xué)的認(rèn)識。
針對非計算機專業(yè)本科畢業(yè)的學(xué)生，除了課堂聽講之外，還應(yīng)該課下自學(xué)該課程的先修課程，如：數(shù)據(jù)結(jié)構(gòu)、離散數(shù)學(xué)等課程。人工智能技術(shù)中涉及到大量的數(shù)學(xué)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(xué)的一些知識。人工智能技術(shù)是一門應(yīng)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(luò)，遺傳算法等算法，實現(xiàn)這些算法要求學(xué)生具有較強的編程能力。
學(xué)生應(yīng)該多讀，多查閱資料，特別是國外的期刊文獻(xiàn)和重要國際會議論文，多了解人工智能技術(shù)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(shù)的知識運用到自己所研究的領(lǐng)域，以做到學(xué)以致用。
3 結(jié)論
人工智能技術(shù)在一定程度上代表著信息技術(shù)的前沿，該文對《人工智能技術(shù)》的課程教學(xué)進(jìn)行了一些探討，教學(xué)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(jìn)。
參考文獻(xiàn)：
[1] 蔡自興，徐光佑.人工智能技術(shù)及其應(yīng)用[M].北京： 清華大學(xué)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(shù)課程建設(shè)[J].中國大學(xué)教學(xué)，2004（1）：28-29.
關(guān)鍵詞:人工智能;理論傳授;實驗訓(xùn)練;科研訓(xùn)練
人工智能(Artificial Intelligence,AI)是計算機科學(xué)與技術(shù)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(xué)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(shè)計、學(xué)習(xí)、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(fù)雜問題,例如咨詢、診斷、預(yù)測、規(guī)劃等決策性問題[1]。人工智能是一門涉及數(shù)學(xué)、計算機、控制論、信息學(xué)、心理學(xué)、哲學(xué)等學(xué)科的交叉和綜合學(xué)科。目前,人工智能很多研究領(lǐng)域,如自然語言處理、模式識別、機器學(xué)習(xí)、數(shù)據(jù)挖掘、智能檢索、機器人技術(shù)、智能計算等都走在了信息技術(shù)的前沿,有許多研究成果已經(jīng)進(jìn)入并影響了人們的生活。
2003年12月5日,國內(nèi)第一個“智能科學(xué)與技術(shù)”本科專業(yè)在北京大學(xué)誕生[2],它標(biāo)志著我國智能科學(xué)與技術(shù)本科教育的開始,對我國智能科學(xué)技術(shù)人才培養(yǎng)和智能科學(xué)與技術(shù)學(xué)科建設(shè)起到極大的帶動作用。目前,人工智能課程的教學(xué)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(xué)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(xué)科,內(nèi)容比較繁雜,各種教材的內(nèi)容不一樣,授課沒有統(tǒng)一的體系,學(xué)生學(xué)習(xí)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(luò)技術(shù)、數(shù)據(jù)庫技術(shù)、算法分析與設(shè)計等,都是求解結(jié)構(gòu)化問題的基本技術(shù),而人工智能技術(shù)則是解決非結(jié)構(gòu)化、半結(jié)構(gòu)化問題的有效技術(shù)。最后,人工智能科學(xué)與技術(shù)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(jié)合起來,也沒有把傳授課本知識和引導(dǎo)啟發(fā)創(chuàng)新結(jié)合起來。
適應(yīng)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(chǔ)研究的生命,而高等學(xué)校的教學(xué)只有與科研緊密結(jié)合,才能在培養(yǎng)學(xué)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(xué)、研究型學(xué)習(xí),提高大學(xué)生的學(xué)習(xí)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(xué)出版社出版、馬少平等編寫的《人工智能》。我們的教學(xué)研究與實踐的主要內(nèi)容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結(jié)構(gòu)化的思想;成體系的實驗訓(xùn)練;以及與畢業(yè)論文,學(xué)校大學(xué)生科研項目資助計劃,國家大學(xué)生創(chuàng)新性實驗計劃相對接的科研訓(xùn)練。這三個主要方面,層層遞進(jìn)、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學(xué)實踐。下面,我們就這三個方面內(nèi)容展開探討。
1啟發(fā)式傳授人工智能解決問題的非結(jié)構(gòu)化思想
現(xiàn)實世界的問題可以按照結(jié)構(gòu)化程度劃分成三個層次[1]:1)結(jié)構(gòu)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(jié)構(gòu)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(jié)構(gòu)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(luò)技術(shù)、數(shù)據(jù)庫技術(shù)、算法分析與設(shè)計等,都是求解結(jié)構(gòu)化問題的基本技術(shù)。而人工智能技術(shù)則是解決非結(jié)構(gòu)化、半結(jié)構(gòu)化問題的有效技術(shù)。人工智能的教學(xué)可以讓學(xué)生在體驗、認(rèn)識人工智能知識與技術(shù)的過程中獲得對非結(jié)構(gòu)化、半結(jié)構(gòu)化問題的解決過程的了解,從而達(dá)到培養(yǎng)學(xué)生多角度思維的目的。
我們使用的教材主要內(nèi)容包括搜索和高級搜素、謂詞邏輯和歸結(jié)原理、知識表示、不確定性推理方法、機器學(xué)習(xí)等。這些主要內(nèi)容也可以相應(yīng)地歸結(jié)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(jié)算法、貝葉斯網(wǎng)絡(luò)、決策樹、神經(jīng)網(wǎng)絡(luò)(BP算法、自組織網(wǎng)絡(luò)和Hopfield神經(jīng)網(wǎng)絡(luò)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(jié)構(gòu)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(xué)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(jié)構(gòu)化、半結(jié)構(gòu)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(xì)過程,從而讓學(xué)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(xué)生會問,是模擬退火算法強,還是遺傳算法強;在講到機器學(xué)習(xí)算法的時候,學(xué)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(lǐng)域和機器學(xué)習(xí)領(lǐng)域的“沒有免費午餐”定理進(jìn)行適當(dāng)?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(xué)思想進(jìn)行傳授。
在人工智能的具體教學(xué)中,采用問題教學(xué)法和參與式教學(xué)法。在問題教學(xué)法中,圍繞人工智能的知識模塊,在引導(dǎo)學(xué)生發(fā)現(xiàn)各種各樣問題的前提下,傳授知識。教學(xué)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(xué)生求知欲的前提,也成為學(xué)生期盼、理解和吸收知識的前提,以此激發(fā)學(xué)生的創(chuàng)造動機和創(chuàng)造性思維。在參與式教學(xué)中,打破人工智能算法的枯燥、沉悶的傳統(tǒng)教學(xué)法,嘗試開放式教學(xué)內(nèi)容;提問式講課;無標(biāo)準(zhǔn)答案的課程設(shè)計;查找文獻(xiàn),分組動手實現(xiàn)人工智能算法等參與式教學(xué)方法,培養(yǎng)和發(fā)揚學(xué)生的參與意識,通過參與式教學(xué)提高學(xué)生學(xué)習(xí)的主動性、積極性和效率,培養(yǎng)學(xué)生的動手能力和創(chuàng)新能力。
2成體系的實驗訓(xùn)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(xué)習(xí)社區(qū)平臺。人工智能實驗課程的特點是應(yīng)用各種人工智能方法,根據(jù)問題的約束、結(jié)構(gòu)、信息進(jìn)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(xué)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(xué)生的知識、能力和綜合素質(zhì)的培養(yǎng)與提高起著至關(guān)重要的作用,在整個教學(xué)過程中占有非常重要的地位,是計算機軟件、計算機應(yīng)用、計算機網(wǎng)絡(luò)、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(xué)生得到嚴(yán)格的訓(xùn)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(shù),熟悉各種計算環(huán)境的基本使用。
在培養(yǎng)學(xué)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(xué)生的創(chuàng)新意識與創(chuàng)新能力。為實現(xiàn)這一目標(biāo),在課程內(nèi)容安排上采用適量基本原理與方法的實驗內(nèi)容為基本內(nèi)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(nèi)容方面更注重研究性實驗中的創(chuàng)新問題。實驗內(nèi)容方面分為三個層次:基本原理的基礎(chǔ)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(tuán)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(xué)生獨立解決實際問題的能力,以提升學(xué)生的科研素質(zhì)與創(chuàng)新意識。我們將這些設(shè)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(xué)習(xí)社區(qū)平臺。通過實驗課程的學(xué)習(xí)和訓(xùn)練,學(xué)生應(yīng)達(dá)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(yīng)用。
2) 學(xué)會對人工智能問題進(jìn)行分析建模和應(yīng)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(shè)計,最佳實驗條件的判斷和選擇,實驗結(jié)果的分析和討論等一套嚴(yán)謹(jǐn)?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(xué)生勤奮學(xué)習(xí),求真求實的科學(xué)品德,培養(yǎng)學(xué)生的動手能力、觀察能力、查閱文獻(xiàn)能力、思維能力、想象能力、表達(dá)能力。
4) 通過完成綜合研究性實驗,培養(yǎng)學(xué)生獨立解決實際問題的能力,提高學(xué)生的科研素質(zhì)與創(chuàng)新意識。
在培養(yǎng)學(xué)生掌握實驗的基本操作、基本技能和基本知識的同時,進(jìn)一步培養(yǎng)學(xué)生分析問題和解決問題的能力,培養(yǎng)學(xué)生的創(chuàng)新意識、創(chuàng)新精神和創(chuàng)新能力,為學(xué)生今后從事科研、教學(xué)或企事業(yè)單位的分析檢驗以及新技術(shù)的研發(fā)工作打下扎實的基礎(chǔ)。
在實驗組織方面,根據(jù)各實驗的目的和要求,學(xué)生分為5人1組,指定一個組長,每組選擇1套實驗題目?；A(chǔ)實驗題目要求達(dá)到27學(xué)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(chǔ)實驗題目要求在規(guī)定時間內(nèi),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(xué)生勤于動手, 敏銳觀察, 細(xì)心操作, 開動腦筋, 分析鉆研問題, 準(zhǔn)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(tuán)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(xué)會與他人合作,培養(yǎng)團(tuán)隊創(chuàng)新能力。
3課程學(xué)習(xí)與畢業(yè)論文,科研訓(xùn)練相結(jié)合
人工智能技術(shù)在一定程度上代表著信息技術(shù)的前沿和未來,通過學(xué)習(xí)和體驗人工智能的知識和技術(shù),學(xué)生能夠在一定程度上了解信息技術(shù)發(fā)展的前沿知識,這有助學(xué)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(chǔ)[3-4]。
人工智能的理論和方法廣泛應(yīng)用于數(shù)據(jù)挖掘、機器學(xué)習(xí)、模式識別、圖像處理中,這些內(nèi)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(xué)習(xí)和深刻理解人工智能的理論、方法和應(yīng)用,對后續(xù)課程學(xué)習(xí)以及今后的研究具有重要的意義。
我院規(guī)定大學(xué)三年級的學(xué)生開始聯(lián)系畢業(yè)論文指導(dǎo)導(dǎo)師,同時確定畢業(yè)論文的研究方向,提前進(jìn)行科研實踐,以培養(yǎng)實踐能力和研究素質(zhì)。人工智能課程正好是大三高年級開設(shè)的專業(yè)課,因此,我們把課程實驗及設(shè)計與同學(xué)的興趣相結(jié)合,引導(dǎo)學(xué)生,并提煉和形成學(xué)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(xué)實踐,很多學(xué)生的選題都與上述歸納的人工智能若干算法相關(guān),如算法本身的研究和改進(jìn),或是算法在各領(lǐng)域,如數(shù)據(jù)挖掘、圖像處理等的應(yīng)用。在我們的科研能力訓(xùn)練計劃中,一批項目和課題,如混合神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用、差分演化算法研究與應(yīng)用、基于協(xié)同訓(xùn)練的推薦系統(tǒng)等,分別受到國家和學(xué)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(nèi)核心期刊、國際會議和期刊上發(fā)表學(xué)術(shù)論文,這激發(fā)了學(xué)生的科研興趣,使學(xué)生體會到了創(chuàng)新的樂趣。
總之,課程學(xué)習(xí)與畢業(yè)論文、學(xué)校大學(xué)生科研項目資助計劃、國家大學(xué)生創(chuàng)新性實驗計劃相對接的科研訓(xùn)練,極大地提升了學(xué)生的創(chuàng)新能力和科研基本素質(zhì)。
4結(jié)語
針對人工智能的課程特點,我們積極開展研究型教學(xué)、研究型學(xué)習(xí),提高大學(xué)生的學(xué)習(xí)能力、實踐能力和創(chuàng)新能力的研究與實踐。我們的教學(xué)研究與實踐主要內(nèi)容包括三個方面:啟發(fā)式傳授人工智能解決問題的非結(jié)構(gòu)化的思想;成體系的實驗訓(xùn)練;以及與畢業(yè)論文、學(xué)校大學(xué)生科研項目資助計劃、國家大學(xué)生創(chuàng)新性實驗計劃相對接的科研訓(xùn)練。這三個主要方面,層層遞進(jìn)、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學(xué)實踐,新的改革和實踐在教學(xué)中取得了令人滿意效果。
參考文獻(xiàn):
[1] 張劍平. 關(guān)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(xué)技術(shù)專業(yè)[J]. 計算機教育,2009(11):16-20.
[3] 羅輝,梁艷春. 大學(xué)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(shè)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(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、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(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[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(guān)系,是教學(xué)設(shè)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(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。
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)容相對獨立,難以形成統(tǒng)一的聯(lián)系,怎樣驗證各單元的學(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、實施、評價、再設(shè)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(jìn)步的修正”(Progressive Refinement),以檢測設(shè)計的價值。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(wù),而本課程的實踐卻貫穿整個教學(xué)過程,是單元教學(xué)、教師、學(xué)生之間的粘合劑。實踐包括應(yīng)用型實踐和研究型實踐,一般在每個單元教學(xué)開始,提出問題后,實踐任務(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。
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、其他課業(yè)繁忙情況等。在學(xué)期的不同時間點采用合適的評價方式,有助于加強學(xué)習(xí)刺激,總結(jié)和發(fā)現(xiàn)教學(xué)設(shè)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(shè)計的教學(xué)內(nèi)容得以順利實施并被學(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)實施效果分析
1) 正效果分析。
中原工學(xué)院計算機學(xué)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(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,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)計的提升,切實提高教學(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)計型或?qū)嶋H項目案例較少。
(2) 投入時間限制。盡管上述教學(xué)設(shè)計和教學(xué)過程都經(jīng)過精心準(zhǔn)備與實施,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)繁忙造成了實施的瓶頸。
這些不足制約了上述教學(xué)方法的實際實施效果,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,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: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(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2017）22-0230-02
0 引言
人工智能是計算機科學(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、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、計算機科學(xué)、數(shù)學(xué)等[1]。當(dāng)前人工智能已經(jīng)是很多高校計算機相關(guān)專業(yè)的必修課程，它是計算機科學(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、計算智能技術(shù)、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(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、知識點多等特點，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，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)有的各項問題，本文作者結(jié)合自身豐富人工智能教學(xué)實踐經(jīng)驗，參考人工智能課程特點和教學(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)劃和機器視覺、機器學(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(jìn)步，人工智能學(xué)科也取得了較大發(fā)展?；诖?，人工智能學(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)部分和擴展應(yīng)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(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(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、 知識點多的特點，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?？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(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，我們采取了以下幾種教學(xué)形式實施案例教學(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。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)生解決實際問題的能力，提高其綜合實力。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)隊的力量解決問題，這十分考驗學(xué)生的團(tuán)隊協(xié)作能力，對于學(xué)生團(tuán)隊合作精神的培養(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”的實現(xiàn)，最后師生一起導(dǎo)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(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，加強了平時思維能力的考核，更加注重學(xué)生實驗?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，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(shè)[J].中國大學(xué)教學(xué)，2004（1）：28-29.
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)計算機學(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、計算機視覺等應(yīng)用領(lǐng)域取得了突出進(jìn)展。近幾年的國際機器學(xué)會（International Conference on MachineLearning，ICML）、神經(jīng)信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計算機視覺大會（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）、計算語言學(xué)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(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劃（DARPA）也提出了關(guān)于深層學(xué)習(xí)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(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》報道了斯坦福大學(xué)計算機科學(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)成為機器學(xué)習(xí)與模式識別，乃至人工智能領(lǐng)域的研究熱點。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。
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，從機器學(xué)習(xí)、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(jìn)展。深度學(xué)習(xí)不僅在機器學(xué)習(xí)領(lǐng)域成為研究熱點，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。
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。
大學(xué)生對知識有著強烈的好奇心，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，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。
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，這正是深度學(xué)習(xí)教與學(xué)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(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（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)的隨機擴展。總之，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，受限波爾茲曼機是一種隨機的雙向連接神經(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(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，中國計算機學(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(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。
