劉江 章曉慶

摘 要：人工智能是計算機專業(yè)學生了解計算機理論和技術的核心課程。近年來，隨著人工智能技術的廣泛應用，非計算機專業(yè)的學生出于個人興趣以及學科交叉的需要，對了解和使用人工智能技術也有了強烈的要求。為順應時代發(fā)展的要求，南方科技大學計算機科學與工程系開設了面向全校特別是非計算機專業(yè)學生的人工智能導論課程。人工智能導論課程不僅需要進一步激發(fā)非計算機專業(yè)學生對人工智能學習的興趣，也要引導和提高學生應用人工智能技術進行學科交叉的應用創(chuàng)新能力。經(jīng)過反復論證及幾年的實踐，南方科技大學提出并優(yōu)化了一套基于“AI”+“AI+” （“人工智能算法” + “人工智能技術在特定行業(yè)的特定應用”）的教學內(nèi)容設計，以及一套尊重學生各自專業(yè)興趣的能夠讓學生自主選擇“個性化”課程項目的教學方法。在人工智能技術不斷更新的時代，可為其他課程教學和交叉學科人才培養(yǎng)提供參考和借鑒。

關鍵詞：人工智能導論;教學改革;非計算機專業(yè);“AI”+“AI+”;個性化

2016年5月底，國家發(fā)改委、科技部等四部委聯(lián)合發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》[1]，并首次將“人工智能”納入政府工作報告中。2017年7月，國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出面向2030年我國新一代人工智能發(fā)展的指導思想、戰(zhàn)略目標、重點任務和保障措施。2020年底，國家“十四五”規(guī)劃又進一步將人工智能列為前沿科技發(fā)展領域中最高優(yōu)先級并上升到國家發(fā)展戰(zhàn)略層面高度。在人工智能人才培養(yǎng)方面，2018年教育部制定《高等學校人工智能創(chuàng)新行動計劃》[2]，并研究設立人工智能專業(yè)，進一步完善中國高校人工智能學科培養(yǎng)體系。2019年3月，教育部印發(fā)了《教育部關于公布2018年度普通高等學校本科專業(yè)備案和審批結果的通知》，根據(jù)通知，2019年全國共有35所高校獲首批人工智能新專業(yè)建設資格，到2020年3月，已有200多所大學獲批人工智能專業(yè)開設資格。

與此同時，隨著近年來深度學習、云計算、大數(shù)據(jù)等技術的高速發(fā)展，人工智能成為眾多領域關注的核心技術。在可預見的將來，人工智能在智能汽車、智能制造、醫(yī)療保健、教育培訓、精準農(nóng)業(yè)、海洋探測、科學研究和公共事業(yè)等各個行業(yè)將發(fā)揮巨大作用，對相關非計算機領域的復合交叉型人才有很大的需求。然而，現(xiàn)有大學主流的人工智能人才培養(yǎng)體系主要針對計算機相關專業(yè)制訂，沒有充分考慮非計算機專業(yè)的多樣化人工智能技術培養(yǎng)需求，以及未來多樣化交叉復合型人才的技術儲備。

南方科技大學計算機科學與工程系自從2016年創(chuàng)系以來，學生自由選擇專業(yè)，招生人數(shù)逐年上升，并蟬聯(lián)南方科技大學本科生人數(shù)最多的系科。人工智能課程成為最受計算機科學與工程系學生歡迎的課程之一。在此同時，一些非計算機專業(yè)選修計算機科學與工程系人工智能課程的學生反映，計算機科學與工程系的人工智能課程過于強調(diào)基礎理論，讓他們覺得門檻太高，影響了對人工智能的學習興趣。

針對非計算機專業(yè)學生的人工智能技術培養(yǎng)，南方科技大學工學院提出開設人工智能導論選修課程，由人工智能理論和實際應用經(jīng)驗豐富的資深教授擔任授課教師，作為學生了解和學習人工智能的基礎。在實際教學過程中，制訂面向非計算機專業(yè)的人工智能導論課程大綱，最大困難在于學生的專業(yè)背景和基礎的多樣性以及人工智能技術發(fā)展帶來的理論和應用的快速變化。人工智能導論課程的教學效果不僅需要進一步激發(fā)非計算機專業(yè)學生對人工智能的學習興趣，也要引導和提高學生應用人工智能技術進行學科交叉的應用創(chuàng)新能力。經(jīng)過反復論證及幾年的實踐，南方科技大學提出并優(yōu)化了一套基于“AI”+“AI+”（“人工智能算法”+ “人工智能技術在特定行業(yè)的特定應用”）教學內(nèi)容設計和一套尊重學生各自專業(yè)興趣的讓學生自主選擇“個性化”課程項目的教學方法。

本文調(diào)研了非計算機專業(yè)的人工智能知識授課現(xiàn)狀，立足于國內(nèi)外的交叉學科人才培養(yǎng)需求，開發(fā)并實踐了基于“AI”+“AI+”的教學內(nèi)容設計和“個性化”課程項目的教學方法，以期為其他課程教學和交叉學科人才培養(yǎng)提供參考和借鑒。

一、國內(nèi)外人工智能類課程調(diào)研

隨著第三次人工智能浪潮的興起，全世界的大學紛紛開設人工智能相關課程，如“人工智能”“人工智能導論”“機器學習”“深度學習”“數(shù)據(jù)挖掘”等課程[3-4]。這些課程大部分針對計算機相關專業(yè)開設。例如，國外斯坦福大學開設的機器學習課程，旨在幫助計算機專業(yè)相關學生了解和使用機器學習基礎理論和經(jīng)典算法;國內(nèi)清華大學、西安電子科技大學等開設的人工智能導論課程主要介紹知識表示和推理以及一些搜索算法[5-6]。

在這些人工智能課程中，人工智能導論對非計算機專業(yè)學生來說，入門門檻要求最低，但現(xiàn)有很多大學的人工智能導論課程內(nèi)容強調(diào)基礎理論，課堂教學內(nèi)容與非計算機專業(yè)學生的專業(yè)方向關聯(lián)性不大，課程內(nèi)容主要是傳統(tǒng)搜索算法以及機器學習算法，難以激發(fā)學生的興趣和參與感。

南方科技大學針對非計算機專業(yè)學生開設人工智能導論課程，目的是推進學生的交叉學科知識學習和增強學生的跨學科研究能力，課程的設置符合教育部推進的新工科、新醫(yī)科建設需求。

二、面向非計算機專業(yè)的人工智能導論教學內(nèi)容創(chuàng)新

在人工智能和大數(shù)據(jù)時代背景下，南方科技大學的人工智能導論課程教學充分考慮非計算機專業(yè)學生的背景和人工智能技術最新進展。選課學生中大一到大四都有，醫(yī)學、工學、理學和商學不同專業(yè)背景、不同程度的學生同堂學習（2020年108名選課學生年級和專業(yè)分布見圖1，其中通識基礎類的學生可能未來選擇學校的專業(yè)）。為讓學生了解人工智能技術的最新發(fā)展，根據(jù)學生的不同興趣，本課程教師通過逐年優(yōu)化個性化教學內(nèi)容，實現(xiàn)教學內(nèi)容與時俱進。

做好課程內(nèi)容與時俱進，需要解決好以下兩點：（1）解決好人工智能導論課程教學內(nèi)容與多元化非計算機專業(yè)不同背景的學生學習無法通過統(tǒng)一模式匹配的問題。目前非計算機專業(yè)的人工智能導論教學效果不盡人意，其核心原因之一是人工智能導論學習與學生專業(yè)學習相關性不高、學科交叉不緊密。我們通過對課程教學內(nèi)容進行“AI”+“AI+”的改革，以提升人工智能導論課程學習與專業(yè)學習之間的關聯(lián)度，提高人工智能導論課程在非計算機專業(yè)交叉學科人才培養(yǎng)中的關鍵作用。（2）增強人工智能導論課程中理論部分和最新算法與行業(yè)應用之間的銜接，改進人工智能理論與實際應用相互脫節(jié)問題。因此，人工智能導論課程設置需要兼顧理論與應用，即基礎性與多樣性。所謂基礎性，就是課程內(nèi)容需要包括人工智能基本概念、理論和算法，讓學生知道什么是計算機專業(yè)人員認為的人工智能等。所謂多樣性或者“個性化”，就是基于不同專業(yè)，講授不同行業(yè)智能應用并講述如何設計不同人工智能行業(yè)應用。目的是讓學生了解最新、最前沿的人工智能技術在不同專業(yè)的應用，同時在課程內(nèi)容設計中引入最新人工智能技術。

在人工智能導論課程具體實施過程中，主要從以下兩方面著手。

（1）設置全新課程教學體系，實現(xiàn)人工智能理論與智能應用互融互通。在制訂人工智能導論課程內(nèi)容時，結合南科大的醫(yī)學、工學、理學、商學4個主要專業(yè)領域，將專業(yè)和通用基礎進行“AI”+“AI+”的綜合考慮。由淺入深講授基本理論知識，通過將醫(yī)學、工學、理學、商學行業(yè)“個性化”智能應用與人工智能算法融合在一起，實現(xiàn)應用算法互融互通。例如在介紹人工智能卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）算法時，通過講述CNN算法與生物醫(yī)學腦部和眼部神經(jīng)元理論之間的關聯(lián)，讓醫(yī)學專業(yè)學生從生物角度去了解人工智能神經(jīng)網(wǎng)絡的組成和基本原理;通過介紹工學環(huán)境天氣預測和理學商學股票預測數(shù)學模型應用，引入人工智能時序處理長短期記憶（Long Short-Term Memory，LSTM）算法;通過主成分分析（Principal Components Analysis，PCA）方法，聯(lián)系理學的線性代數(shù)理論。同時，考慮到很多學生都有人文興趣，為了培養(yǎng)學生人文素養(yǎng)，我們引入本地深圳下角山5000年陶器自動拼接和仿真考古項目[7]，以及甲骨文識別人工智能應用[8]，并讓學生思考怎樣結合人工智能技術來輔助考古人文，拓展學生的創(chuàng)意思考空間，活躍課堂氣氛。

（2）堅持交叉性應用，強化課程內(nèi)容時效性。為了讓學生將課堂上學到的人工智能知識與實際行業(yè)應用進行“AI”+“AI+”（“人工智能算法”+“人工智能技術在特定行業(yè)的特定應用”）的結合，達到學以致用的效果和增強學生交叉創(chuàng)新的研究能力。在課程內(nèi)容設置中，針對現(xiàn)有行業(yè)智能應用，設置對應的課程模塊，與相對應的最新人工智能技術相結合講授，例如CNN算法與圖像處理應用同時講授，GPT-3算法與自然語言處理NLP應用同時講授。同時課程也與校內(nèi)其他院系和校外行業(yè)導師合作，討論專業(yè)人工智能培養(yǎng)要求和現(xiàn)有行業(yè)人工智能應用情況，并邀請他們在課堂上進行分享。教導學生一個好的“AI+”應用系統(tǒng)一定是在充分理解一個行業(yè)需求后才能實現(xiàn)的應用，簡單把一個AI算法直接套用一個行業(yè)應用經(jīng)常無法取得好的效果。要鼓勵大家學好自己的行業(yè)知識，并“個性化”地針對不同專業(yè)（如醫(yī)學類、海洋類和環(huán)境類）定制不同類型課程項目。進一步加強對具體行業(yè)應用的創(chuàng)新能力，特別是對現(xiàn)實應用問題的調(diào)研和總結能力，為培養(yǎng)學生未來跨學科交叉應用創(chuàng)新能力奠定良好的基礎。

同時，在課程項目設計方面，為加強學生對人工智能技術理論的理解并通過其解決 “AI+”專業(yè)問題，不再僅是簡單的理論與應用概述性講授，而是通過學生主動提出或者設計特定的課程項目（2020年項目見表1），幫助學生去調(diào)研當下其專業(yè)一些難點問題和解決方案，并提出基于人工智能技術的解決方案，去思考如何結合人工智能技術與其專業(yè)問題。

在具體實踐過程中，南方科技大學的人工智能導論課程內(nèi)容主要設置為兩大部分：人工智能理論概述以及人工智能算法與智能應用。圖2給出課程“AI”+“AI+”教學內(nèi)容體系設計思路，以行業(yè)需求作為出發(fā)點，通過行業(yè)智能應用將人工智能知識串聯(lián)在一起，由淺入深，以應用帶理論的授課方式讓學生了解最基本和最新的人工智能技術，而不是簡單孤立地介紹人工智能技術。圖2同時給出具體的授課結構和內(nèi)容，即應用引出理論，理論服務應用。與傳統(tǒng)的人工智能導論的教學結構（如圖3所示）具有很大不同。可以看出傳統(tǒng)的人工智能導論課程內(nèi)容設置，主要針對計算機專業(yè)學生，側重于人工智能算法理論與算法研究，即公式理論推導，早期不著重人工智能應用介紹，這種課程內(nèi)容設置會容易導致非計算機專業(yè)學生在早期失去學習興趣。圖2的本課程“AI”+“AI+”教學內(nèi)容安排中理論和應用互融互通，這不僅可以提高各個專業(yè)學生上課學習積極性和學習興趣，也能增強學生學習的主動性和創(chuàng)造性。同時也“個性化”地加強學生建立人工智能導論學習與他們各自專業(yè)學習之間的互動性，為學生未來專業(yè)學習插上人工智能的輔助翅膀。

三、非計算機專業(yè)的人工智能導論教學方法創(chuàng)新

南方科技大學的非計算機專業(yè)的人工智能導論教學方法創(chuàng)新性地結合人工智能導論課程特點和不同專業(yè)的人才培養(yǎng)目標。教學方法創(chuàng)新主要涵蓋教學理念轉變、教學方式改革、考核方法改進三個方面。為此，本課程開發(fā)并實踐了基于“AI”+“AI+”的教學內(nèi)容設計和“個性化”課程項目的教學方法，如圖4所示。通過學生、老師以及行業(yè)專家共同努力，使課程做到有趣并有實效。

（1）課程設計充分體現(xiàn)以學生為中心。要從傳統(tǒng)的“老師教什么、怎么教、教得怎么樣”轉變到“學生想學什么、怎么學好、學得怎么樣”，從而實現(xiàn)以“教”到“學+教”實質(zhì)轉變。教師可以從傳統(tǒng)的單純“知識灌輸者”轉變?yōu)椤爸R引導者和灌輸者”，引導學生根據(jù)實際特點和專業(yè)“個性化”自主學習和認真思考。同時，學生應改變傳統(tǒng)“知識被動接受者”身份，主動學習和主動解決實際問題，成為“知識索取者”。

（2）“AI”+“AI+”能讓理論應用互融互通。面對新時代和新要求，提出并踐行“AI”+“AI+”教學內(nèi)容編排理念，即在課堂教授人工智能理論和算法過程前引入最新行業(yè)智能應用和行業(yè)智能需求，打造一個“需求—算法—應用”的教學閉環(huán)。從傳統(tǒng)的老師只講授和推導公式模式轉變到以需求引理論、以理論帶應用的模式。讓不同專業(yè)學生“個性化”地親身體會AI在各自專業(yè)的“AI+”實際應用，提高學生的學習興趣和主動學習能力。培養(yǎng)學生將課堂理論人工智能知識與其他專業(yè)課知識形成優(yōu)勢互補，借助人工智能技術去解決專業(yè)問題。

從圖4可以看到，為了更好地讓學生了解行業(yè)智能應用，在授課內(nèi)容中，本課程教師還邀請行業(yè)導師專家和南方科技大學不同院系教授分享行業(yè)需求，介紹人工智能行業(yè)應用和不同專業(yè)可以借助人工智能理論去解決的問題，幫助學生構建人工智能技術理論與其專業(yè)之間的交叉創(chuàng)新。

（3）理論結合實踐，注重課程考核。當前很多課程教學都采用經(jīng)典的“一考定音”的課程考核方式，即以期末考試成績?yōu)橹?，不看重學生的平時學習效果。即使計算了平時成績，比例也非常低，僅僅是考查出勤和平時作業(yè)。這種考核方式容易導致學生學習死記硬背，采用考前突擊方式來應付課程，不利于學生真正掌握知識。因此，為提升學生掌握知識的效果，人工智能導論課程堅持“AI”+“AI+”教學方法，采用“課程作業(yè)和課堂考勤（10分）+

課程項目和課堂項目報告（40分）+課程考試（50分）”五位一體的課程考核方式，其中課程項目以及學生的課堂項目演示報告占到成績的40%，有效提高學生平時課程學習的積極性。課程作業(yè)重在測試學生的學習效果。課程項目（4～6個學生一組）重在提高學交叉學科應用創(chuàng)新能力，主動學習和協(xié)作學習能力;為了提高學生積極性，在項目內(nèi)容上還特別設置一個最高10分的加分項，獎勵項目做得突出的學生（2020年有2個學生獲得加分）。課堂項目演示報告重在提高學生的表達能力和總結能力。課程考試重在考查學生對課程內(nèi)容掌握程度，其中期中考試占20分，期末考試占30分。

從過去兩年教學反饋來看，基于“AI”+

“AI+”的教學內(nèi)容設計和“個性化”課程項目的教學方法明顯提升了學生的積極性和教學效果。南方科技大學醫(yī)學院特別認同人工智能導論課程的“AI”+“AI+”和“個性化”的教學方法，將人工智能導論課程列為南方科技大學醫(yī)學院的必修課，作為南方科技大學“新醫(yī)科”的重要組成部分。2021年又應南方科技大學海外留學生的要求，加開一個人工智能導論的純英文班。同時，本課程不止吸引了非計算機科學與工程系的學生，也吸引了很多計算機科學與工程系（約占選課學生的1/3）的學生，這是我們開始設計本課程時沒有想到的。這表明計算機科學與工程系的學生也認同“AI”+“AI+”的教學內(nèi)容設計和“個性化”的教學方法，他們希望了解人工智能技術在具體行業(yè)的真正應用，他們的加入促進了課堂上各個學科學生的交叉學習。

四、結語

隨著人工智能技術的廣泛應用，為了提升學生對人工智能的了解，南方科技大學計算機科學與工程系開設的面向全校特別是非計算機專業(yè)學生的人工智能導論課程，提出并優(yōu)化了一套基于“AI”+“AI+”（“人工智能算法”+“人工智能技術在特定行業(yè)的特定應用”）教學內(nèi)容設計和一套尊重學生各自專業(yè)興趣的讓學生自主選擇“個性化”課程項目的教學方法。這些創(chuàng)新在課堂上得到學生的喜愛，進一步激發(fā)了非計算機專業(yè)學生的主動學習和對人工智能的學習興趣，同時引導和提高了學生應用人工智能技術進行學科交叉的應用創(chuàng)新能力。

參考文獻：

[1]發(fā)改委印發(fā)“互聯(lián)網(wǎng)+”人工智能三年行動實施方案[J].信息技術與信息化，2016（6）：8-9.

[2]教育部印發(fā)《高等學校人工智能創(chuàng)新行動計劃》確定人工智能發(fā)展任務[J].中國大學生就業(yè)，2018（9）：4-6.

[3]姚琳，石志國.人工智能課程體系與教學方法研究[J].中國大學教學，2019（10）：19-22.

[4]李瑞峰，榮偉彬，鄧鑫.新工科背景下機器人工程專業(yè)研究與探索[J].中國大學教學，2020（2/3）：32-36.

[5]楊利英.人工智能導論課程的興趣教學法[J].計算機教育，2011（12）：55-58.

[6]高文超，劉康，張國英，等.計算機本科專業(yè)《人工智能》課程教學探討[J].軟件導刊，2016，15（3）：183-185.

[7]ZHANG Xiaoqing，WEI Jiaqi， YE Shengjie， et al. Multimedia Meets Archaeology： A Novel InterdisciplinaryTeachingApproach [J]. Frontiers in Education Conference， 2021.

[8]張頤康，張恒，劉永革，等.基于跨模態(tài)深度度量學習的甲骨文字識別[J].自動化學報，2021，47（4）：791-800.

[本文的工作受到了廣東省“人工智能導論非計算機專業(yè)一體化教學的改革與探索：‘AI’+‘AI+’”綜合類教改項目（SJ202002）的資助]

[責任編輯：余大品]