［摘 要］ 人工智能專業(yè)是為適應(yīng)國家人工智能發(fā)展規(guī)劃而批準(zhǔn)設(shè)立的專業(yè)，專業(yè)培養(yǎng)定位強調(diào)厚基礎(chǔ)、重交叉、強滲透。人工智能專業(yè)具有明顯的技術(shù)屬性、經(jīng)濟屬性和社會屬性，相較于其他工科專業(yè)，其專業(yè)課程思政的內(nèi)涵更加豐富、外延更加廣闊。針對人工智能專業(yè)的特點，立足培養(yǎng)定位，以案例驅(qū)動專業(yè)課程思政的教學(xué)研究和實踐，深入探索人工智能專業(yè)課程思政的內(nèi)涵和外延，構(gòu)建價值體系、知識體系和能力體系同向同行的人才培養(yǎng)模式。

［關(guān)鍵詞］ 人工智能；課程思政；案例驅(qū)動；價值體系

［基金項目］ 2022年度江蘇省教育科學(xué)規(guī)劃課題“人工智能領(lǐng)域研究生培養(yǎng)質(zhì)量保障體系研究”（B202201128）；2023年度江蘇省教育科學(xué)規(guī)劃課題“高校青年教師數(shù)字化應(yīng)用能力構(gòu)成和提升路徑研究”（B202301178）；2022年度江蘇科技大學(xué)本科教育教學(xué)改革研究重點課題“‘計算機視覺’課程思政設(shè)計研究”（XJG2022003）

［作者簡介］ 徐 丹（1981—），女，江蘇鎮(zhèn)江人，博士，江蘇科技大學(xué)計算機學(xué)院副教授，主要從事人工智能與計算機視覺研究；左 欣（1980—），女，江蘇鎮(zhèn)江人，博士，江蘇科技大學(xué)計算機學(xué)院副主任，副教授，主要從事模式識別與圖像處理研究。

［中圖分類號］ G642.0 ［文獻(xiàn)標(biāo)識碼］ A ［文章編號］ 1674-9324（2024）20-0058-04 ［收稿日期］ 2023-04-16

引言

人工智能（Artificial Intelligence， AI）主要研究模擬和擴展人的智能的理論、方法及技術(shù)，以發(fā)現(xiàn)人類智能本質(zhì)、模擬人類智能行為為目標(biāo)。其技術(shù)本身的發(fā)展涉及哲學(xué)、道德、倫理等元素，因此，人工智能專業(yè)課程思政的內(nèi)涵比其他工科專業(yè)更加豐富。

人工智能的發(fā)展可分為技術(shù)智能化、經(jīng)濟智能化和社會智能化三個階段，從誕生到2016年AlphaGo戰(zhàn)勝世界圍棋大師，人工智能在科學(xué)研究和技術(shù)革新方面突飛猛進(jìn)，這一階段的人工智能研究主要集中在技術(shù)探索以及博弈、自然語言問答等局部應(yīng)用上，并沒有演變?yōu)楫a(chǎn)業(yè)現(xiàn)象。隨著深度學(xué)習(xí)的重大突破、計算機算力的提升和大數(shù)據(jù)的持續(xù)累積，加之經(jīng)濟和社會普遍為數(shù)字化創(chuàng)造的基礎(chǔ)環(huán)境，人工智能在交通、教育、金融等領(lǐng)域展示出巨大的應(yīng)用前景，新一代人工智能正在全球掀起新一輪產(chǎn)業(yè)革命，國家在戰(zhàn)略層面正大力推動人工智能技術(shù)進(jìn)步與產(chǎn)業(yè)發(fā)展。2017年7月，我國發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，對人工智能發(fā)展方向和重點領(lǐng)域給予指導(dǎo)性規(guī)劃［1］。未來，人工智能將從經(jīng)濟領(lǐng)域滲透到社會領(lǐng)域，開啟全社會和全球范圍內(nèi)的智能協(xié)作與制度創(chuàng)新，人類將進(jìn)入智能社會。

目前的發(fā)展已初步證明了人工智能行業(yè)賦能和社會秩序重構(gòu)的潛能，人工智能具有明顯的經(jīng)濟和社會屬性，道德和社會責(zé)任也將成為這個專業(yè)強調(diào)的內(nèi)容。人工智能專業(yè)課程思政的外延比其他工科專業(yè)更加廣闊。

國內(nèi)外人工智能專業(yè)在設(shè)置時均關(guān)注到了該專業(yè)的社會屬性，在課程體系設(shè)計中涵蓋了人工智能倫理相關(guān)課程［2］。如美國斯坦福大學(xué)人工智能專業(yè)設(shè)置了“人工智能中的哲學(xué)、倫理及其影響”課程，哈佛大學(xué)、愛丁堡大學(xué)等高校也相繼開設(shè)了人工智能倫理相關(guān)課程，對人工智能倫理問題、典型倫理案例、未來政策及挑戰(zhàn)等主題進(jìn)行了討論。國內(nèi)高校，如南京大學(xué)將“人工智能倫理”課程列入培養(yǎng)方案，西安交通大學(xué)開設(shè)了“人工智能的哲學(xué)基礎(chǔ)與倫理”“人工智能的社會風(fēng)險與法律”等人工智能社會性課程。

當(dāng)前，人工智能發(fā)展日新月異，技術(shù)快速進(jìn)步引起的經(jīng)濟和社會變革超出人們的預(yù)期。以近期出現(xiàn)的現(xiàn)象級服務(wù)ChatGPT為例，一經(jīng)推出便迅速火遍全球。從技術(shù)角度來看，其依賴的強大神經(jīng)網(wǎng)絡(luò)和龐大訓(xùn)練數(shù)據(jù)集并不是底層創(chuàng)新，之所以引起廣泛關(guān)注，在于其引發(fā)的一系列社會熱點問題，如文學(xué)創(chuàng)作問題、版權(quán)問題、創(chuàng)新能力問題及行業(yè)替代問題。高校作為人才培養(yǎng)的主要陣地，面臨著培養(yǎng)適應(yīng)時代發(fā)展需求和社會主義核心價值觀的人工智能專業(yè)人才的挑戰(zhàn)。獨立開設(shè)的人工智能社會性課程無法滿足這一挑戰(zhàn)，在專業(yè)課程教學(xué)中推進(jìn)思政內(nèi)容和專業(yè)知識融合，做到專業(yè)課程與思政理論同向同行，成為高校人才培養(yǎng)工作實現(xiàn)立德樹人根本任務(wù)的重要途徑和方向［3］。

在人工智能專業(yè)課程中融入思政元素，以立德樹人為核心理念，構(gòu)建價值體系、知識體系、能力體系協(xié)同發(fā)展的人才培養(yǎng)機制，踐行案例驅(qū)動的人工智能專業(yè)課程思政教學(xué)模式，引導(dǎo)學(xué)生樹立正確的科學(xué)觀和價值觀。

一、價值體系：研究思專融合途徑，推進(jìn)立德樹人教育理念

人工智能技術(shù)是人類將自身的知識、經(jīng)驗和研究成果等按照人類需求和能力進(jìn)行組合應(yīng)用，是一種價值化的實踐，因此，人工智能技術(shù)具有價值前提，人工智能的發(fā)展受價值體系的約束。結(jié)合社會主義核心價值體系和人工智能的專業(yè)特點，我們將人工智能專業(yè)課程思政的價值體系分為三個層次：以人文倫理為核心的責(zé)任意識、以時代發(fā)展為核心的全局視野、以改革創(chuàng)新為核心的時代精神。

（一）以人文倫理為核心的責(zé)任意識

人工智能如何對待人，本質(zhì)是人如何理解和對待人的問題，應(yīng)重視人在設(shè)計算法和制造機器人時應(yīng)擔(dān)當(dāng)?shù)闹黧w權(quán)利與責(zé)任。在傳遞給學(xué)生從事人工智能相關(guān)領(lǐng)域所需基礎(chǔ)知識和基本技能的同時，引導(dǎo)學(xué)生積極思考人工智能技術(shù)應(yīng)用領(lǐng)域的擴展所引發(fā)的倫理問題，培養(yǎng)具有責(zé)任意識的科學(xué)家和工程師。例如，人工智能中的數(shù)據(jù)歧視和算法歧視引起的偏見問題。人工智能的發(fā)展強烈依賴于大數(shù)據(jù)和深度學(xué)習(xí)算法，深度學(xué)習(xí)可從數(shù)據(jù)中自動提取規(guī)則特征，得出針對某一問題的預(yù)測結(jié)果。然而，數(shù)據(jù)并不是中立的，人類的偏見會沉積在大數(shù)據(jù)中，導(dǎo)致算法得出有偏見的預(yù)測結(jié)果，使得隱藏的偏見顯性化。美國的COMPAS系統(tǒng)用于評估被告人員再次犯罪的概率，預(yù)測在未來兩年內(nèi)再次被捕的可能性。該系統(tǒng)算法存在明顯偏見，預(yù)測的黑人再次犯罪的風(fēng)險遠(yuǎn)高于白人，加劇了種族對立［4］。這種偏見產(chǎn)生的原因在于，人工智能需要大量的數(shù)據(jù)訓(xùn)練，盡管人工智能本身不知道“歧視”和“偏見”是什么，但背后的研究人員卻會帶有這樣的思想，以至于在訓(xùn)練數(shù)據(jù)的選擇和算法的設(shè)計上產(chǎn)生偏向性。

（二）以時代發(fā)展為核心的全局視野

在授課過程中幫助學(xué)生把握人工智能未來發(fā)展趨勢，深刻理解其經(jīng)濟和社會屬性，熟悉人工智能行業(yè)面臨的社會風(fēng)險和法律規(guī)范，培養(yǎng)學(xué)生適應(yīng)新時代的思維能力和全局視野。

隨著技術(shù)智能化向經(jīng)濟智能化和社會智能化的發(fā)展，人工智能的產(chǎn)業(yè)賦能和社會重構(gòu)潛能逐步顯現(xiàn)。人工智能近期的影響主要是隱私和失業(yè)問題。人工智能發(fā)揮效用依賴于互聯(lián)網(wǎng)環(huán)境下不斷累積的大量數(shù)據(jù)，從購物喜好、支付方式、社交活動到求醫(yī)問藥、資產(chǎn)負(fù)債，大數(shù)據(jù)無處不在。以臉書用戶數(shù)據(jù)泄露和GEDmatch網(wǎng)站基因數(shù)據(jù)泄露為例，引導(dǎo)學(xué)生充分考慮用戶隱私保護的重要性和必要性，討論可采取的預(yù)防策略，避免造成數(shù)據(jù)濫用的風(fēng)險，增強學(xué)生的風(fēng)險意識。失業(yè)問題是一個根深蒂固的問題，歷次產(chǎn)業(yè)革命，隨著機械化、自動化、智能化的程度越來越高，技術(shù)會取代一部分人力，在淘汰掉一些傳統(tǒng)的行業(yè)和崗位的同時，創(chuàng)造一些新的行業(yè)和就業(yè)崗位。引導(dǎo)學(xué)生辯證地看待這一問題，智能技術(shù)不會導(dǎo)致大規(guī)模失業(yè)，但會對某些工作的任務(wù)構(gòu)成和就業(yè)產(chǎn)生結(jié)構(gòu)性影響，從而產(chǎn)生“就業(yè)替代”。

人工智能的遠(yuǎn)期影響是人類命運問題，如人工智能奇點問題、無用階級問題和人類種族存續(xù)問題。這方面的思考在文學(xué)作品和影視作品中多有呈現(xiàn)，且被強化。其表現(xiàn)為人工智能具備革命性的“自主學(xué)習(xí)能力”及相應(yīng)的“自我進(jìn)化”能力，從而誕生自我意識，人工智能有可能出現(xiàn)“奇點”，導(dǎo)致不可控的風(fēng)險［5］。雖然，這種人工智能目前尚未出現(xiàn)，但對于該問題的思考有助于增強學(xué)生探索未知的興趣，同時未雨綢繆，引導(dǎo)學(xué)生思考如何構(gòu)建未來穩(wěn)健、安全的人工智能系統(tǒng)。

（三）以改革創(chuàng)新為核心的時代精神

人工智能的發(fā)展幾經(jīng)起伏，過程中很多人選擇放棄，而挺過“寒冬”的人成就了人工智能的第三次發(fā)展浪潮。人工智能技術(shù)的發(fā)展還會經(jīng)歷起伏，培養(yǎng)學(xué)生堅毅的學(xué)術(shù)人格，賦予其攻克前沿學(xué)術(shù)問題的勇氣，對于學(xué)生的職業(yè)生涯和人工智能專業(yè)的發(fā)展至關(guān)重要。以“深度學(xué)習(xí)之父”“神經(jīng)網(wǎng)絡(luò)先驅(qū)”Hinton為例，其在神經(jīng)網(wǎng)絡(luò)領(lǐng)域開創(chuàng)性的研究歷經(jīng)低谷頑強堅持，功成名就時敢于質(zhì)疑自己30年的研究成果，尋找新的挑戰(zhàn)和機遇的勇氣，值得每一名立志從事人工智能技術(shù)研究的學(xué)生學(xué)習(xí)。

二、知識體系：研究研學(xué)互促方式，強化專業(yè)知識體系

人工智能歷經(jīng)近60年的發(fā)展，形成了龐大的知識體系，可將其大致分為四個層次：（1）基礎(chǔ)層，主要涉及數(shù)學(xué)基礎(chǔ)和腦科學(xué)，如高等代數(shù)、離散數(shù)學(xué)、概率統(tǒng)計、數(shù)理邏輯等；（2）技術(shù)層，涉及人工智能專業(yè)主要算法，如數(shù)據(jù)結(jié)構(gòu)與算法分析、操作系統(tǒng)、機器學(xué)習(xí)、知識表示與處理、模式識別、計算機視覺、自然語言處理等；（3）平臺層，如機器學(xué)習(xí)系統(tǒng)平臺、人工智能程序設(shè)計等；（4）應(yīng)用層，體現(xiàn)人工智能賦能特性的交叉應(yīng)用領(lǐng)域，如搜索引擎、推薦系統(tǒng)、智慧醫(yī)療、智能交通等。

將人工智能領(lǐng)域前沿研究課題和成果引入專業(yè)教學(xué)，以研促學(xué)，強化專業(yè)知識體系，培養(yǎng)學(xué)生科研素養(yǎng)。在教學(xué)過程中，通過引入學(xué)科起源和發(fā)展歷程，以專業(yè)技術(shù)視角系統(tǒng)性梳理課程前后的關(guān)聯(lián)，充分體現(xiàn)知識點的體系性，同時培養(yǎng)學(xué)生在跟蹤領(lǐng)域研究前沿和熱點的能力。

以深度學(xué)習(xí)的發(fā)展演化為例，梳理相關(guān)知識點。神經(jīng)網(wǎng)絡(luò)（NN）起源于對神經(jīng)系統(tǒng)的模擬，單層神經(jīng)網(wǎng)絡(luò)無法實現(xiàn)簡單的異或邏輯，多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練因參數(shù)眾多而難以訓(xùn)練，這導(dǎo)致了NN的“第一個冬天”。20世紀(jì)80年代，Hinton和LeCun奠定并推廣了可以用來訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的反向傳播算法［6］，NN再次迎來了快速發(fā)展時期。然而，反向傳播并無生物學(xué)理論的支撐，且需要采用隨機梯度下降方式進(jìn)行優(yōu)化，算法效果依賴精細(xì)調(diào)參。相比之下，支持向量機（SVM）使用了凸優(yōu)化技術(shù)，有堅實的數(shù)學(xué)基礎(chǔ)，因此，人們在選擇分類算法時更加偏向于SVM，NN第二次走向低谷。期間，Hinton借鑒熱力學(xué)統(tǒng)計模型中的受限玻爾茲曼機（RBM），用能量函數(shù)來描述NN的一些特性，RBM成為這一波人工智能浪潮的先行者。之后“深度學(xué)習(xí)”逐漸走上歷史前臺，卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像甚至語音等領(lǐng)域全方面超越傳統(tǒng)算法。針對CNN所無力解決的動態(tài)視覺內(nèi)容、三維視覺等難題，Hinton受到神經(jīng)解剖學(xué)、認(rèn)知神經(jīng)科學(xué)和計算機圖形學(xué)三個領(lǐng)域的啟示，又提出了Capsule結(jié)構(gòu)。

以類不均衡問題為例，說明機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域中的難點問題。一般情況下，正負(fù)樣本數(shù)量大致相當(dāng)，訓(xùn)練所得的分類器能夠取得較好的分類效果。在給學(xué)生講解該類問題時，可結(jié)合教師科研方向，引導(dǎo)學(xué)生考慮樣本不均衡（如在金融欺詐檢測、網(wǎng)絡(luò)入侵檢測等應(yīng)用中，正負(fù)樣本數(shù)量懸殊）會引起什么問題，有什么解決方法，如何從算法角度修正數(shù)據(jù)的不平衡，從而解決分類面偏倚問題。以此案例引導(dǎo)啟發(fā)學(xué)生的創(chuàng)新意識和思辨意識，體現(xiàn)比較、分析和探索的科學(xué)研究內(nèi)涵。

三、能力體系：研究學(xué)創(chuàng)協(xié)同，推進(jìn)實踐和創(chuàng)新能力的培養(yǎng)

人工智能在社會經(jīng)濟各領(lǐng)域中的滲透性和賦能性使得行業(yè)對學(xué)生的實踐能力和創(chuàng)新能力有了更高的要求。能力體系是指人工智能任務(wù)求解能力，針對人工智能在行業(yè)產(chǎn)業(yè)中的具體問題或問題原型，利用已學(xué)人工智能知識提出任務(wù)解決方案，并能夠解決關(guān)鍵技術(shù)的能力。一個復(fù)雜人工智能任務(wù)求解過程包括任務(wù)抽象建模、算法分析設(shè)計、平臺和程序?qū)崿F(xiàn)、應(yīng)用相關(guān)的模型優(yōu)化和部署的全過程。

為培養(yǎng)學(xué)生的能力體系，需開展多層次實踐能力培養(yǎng)，針對目前校企合作存在的突出問題，如校企合作單一化、校企合作不深入等，研究學(xué)創(chuàng)協(xié)同的育人模式，校企協(xié)同構(gòu)建實踐能力和創(chuàng)新能力雙提升的能力體系。該體系包括基于多學(xué)科交叉的認(rèn)知案例培養(yǎng)、基于人工智能實訓(xùn)平臺的實訓(xùn)能力培養(yǎng)、基于校企合作的創(chuàng)新創(chuàng)業(yè)孵化基地的項目訓(xùn)練培養(yǎng)，構(gòu)建“認(rèn)知—實訓(xùn)—創(chuàng)新”三個層次推進(jìn)知識學(xué)習(xí)和實踐創(chuàng)新的系統(tǒng)發(fā)展。實施“大創(chuàng)項目—科創(chuàng)競賽—項目培育”相互銜接的創(chuàng)新創(chuàng)業(yè)項目孵化機制，引導(dǎo)學(xué)生將科技創(chuàng)新與社會進(jìn)步、國家發(fā)展相結(jié)合，提高學(xué)生利用技術(shù)創(chuàng)新服務(wù)國家發(fā)展的能力。

以中國大學(xué)生設(shè)計大賽一等獎作品《智能農(nóng)業(yè)識別與監(jiān)測平臺》為例，作品以農(nóng)田監(jiān)測和病蟲害識別為目標(biāo)，以深度學(xué)習(xí)為核心算法，結(jié)合物聯(lián)網(wǎng)和云邊端開發(fā)技術(shù)，打造了一款集識別、監(jiān)測、百科等功能于一體的智慧農(nóng)業(yè)平臺。該作品經(jīng)歷了大學(xué)生創(chuàng)新項目和科創(chuàng)競賽的培育，目前已與國內(nèi)農(nóng)業(yè)科研院所合作，初步用于農(nóng)業(yè)生產(chǎn)中，為我國農(nóng)業(yè)的科技化轉(zhuǎn)型做出了貢獻(xiàn)。

結(jié)語

構(gòu)建科學(xué)的、完備的、可行的人工智能專業(yè)思政教育模式，關(guān)系到人工智能專業(yè)人才培養(yǎng)是否符合國家發(fā)展的需要。深入挖掘人工智能專業(yè)課程中的價值體系，并與知識、能力的培養(yǎng)有機結(jié)合是做好立德樹人的第一步。認(rèn)真積極地將思政元素融入人工智能專業(yè)的建設(shè)是一以貫之的任務(wù)。不斷積累思政教育素材、加強教師自身的思政教育意識和思政教育能力，培養(yǎng)負(fù)責(zé)任的科學(xué)家和工程師，是今后人工智能專業(yè)課程思政不斷努力的方向。

參考文獻(xiàn)

［1］國務(wù)院.關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知：國發(fā)〔2017〕35號［A/OL］.（2017-07-20）［2023-03-13］.http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

［2］古天龍.人工智能倫理及其課程教學(xué)［J］.中國大學(xué)教學(xué)，2022（11）：35-40.

［3］周健，高玲，孫麗艷，等.人工智能專業(yè)思想政治教育的設(shè)計和研究［J］.教育教學(xué)論壇，2022（38）：80-83.

［4］王燃.大數(shù)據(jù)證明的機理及可靠性探究［J］.法學(xué)家，2022（3）：57-71+192-193.

［5］潘恩榮，孫宗嶺.人工智能“以人為本”倫理準(zhǔn)則反思：一種馬克思主義哲學(xué)的分析思路［J］.云南社會科學(xué)，2022（6）：30-39.

［6］RUMELHART D E， HINTON G E， WILLIAMS R J. Learning representations by back propagating errors［J］.Nature，1986，323（6088）：533-536.

Research and Practice of Case-driven Curriculum Ideology and Politics in Artificial Intelligence Major

XU Dan， ZUO Xin， SHU Xin， SHI Jin-long

（School of Computer Science， Jiangsu University of Science and Technology， Zhenjiang，

Jiangsu 212100， China）

Abstract： Artificial Intelligence is a major that was established to meet the development plan of national artificial intelligence. The professional training is positioned to emphasize a solid foundation， cross-disciplinary integration， and strong penetration. The Artificial Intelligence major has obvious technical， economic， and social attributes. Compared with other engineering disciplines， the ideological and political education of its professional courses has richer connotations and a wider scope. This paper focuses on the characteristics and positioning of artificial intelligence majors， using case-driven teaching research and practice of curriculum ideology and politics to explore the connotations and scope of the professional courses. Furthermore， a talent training model that aligns the value system， knowledge system， and ability system in the same direction is constructed in this paper.

Key words： artificial intelligence; curriculum ideology and politics; case-driven; value system