新工科模式下面向案例的人工智能課程教學研究

黃莉 張凱 胡威 王曉峰

摘要：隨著人工智能創業大軍的崛起，預示著我們即將步入“AI+”的時代。培養人工智能高端人才，是高校共同面臨的課題。由于課程內容比較抽象、生澀，為了提高教學質量，本文在教學改革過程中充分考慮學生學習新知識的心理演變過程，認真研究教學內容、教材、教學方法等諸多方面，結合百度公司PaddlePaddle平臺進行案例教學，在學習深度學習基礎理論知識的同時，培養學生的分析設計并使用高效框架編程實現的能力。

關鍵詞：新工科;人工智能;案例教學;PaddlePaddle

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2019）35-0162-02

1 新工科模式新要求

2018年，新工科建設將實施“十百萬”計劃：面向人工智能、大數據、云計算、區塊鏈、智能制造、機器人、集成電路、網絡空間安全等新興領域推出10種新興領域專業課程體系，建設100門新工科課程資源庫與在線開放課程。

國家在人工智能人才培養政策上正持續發力。教育部發布了《高等學校人工智能創新行動計劃》，要求全面提高人才培養，科學研究，社會服務，文化遺產創新，人工智能領域以及人工智能，人力資源開發和國際交流與合作的能力。促進理論構建的創新，技術突破和應用示范等全方位的發展。在人工智能建設發展中，同時要為我國的教育強國、科技強國、智能社會提供戰略支撐。闡明人工智能人才培養的大學是人工智能人才的發源地。高校人工智能學科人才培養和學科建設將直接決定中國在未來人工智能領域的競爭力，高校人工智能學科的建設有待提高。

2 人工智能課程教學現狀

人工智能一直是人類所期望的第四次工業革命。隨著深度學習理論的不斷發展，AlphaGo在圍棋界所向披靡，基于深度學習的癌癥檢測系統超過醫生，開啟了AI（Artificial Intelli-gence）爆炸式發展的大幕。機器學習是人工智能的重要拼圖，而深度學習是機器學習的領頭羊。作為高等教育工作者，讓學者了解和學習最新近的技術發展意義非常重大。

人工智能時代的漸漸到來，在社會生活充滿現代感和未來感氣息的同時，也給目前傳統教育的理念和方式帶來挑戰和沖擊，課程教學方法此時不進行一定程度的革新是不行的，不僅在教學思維上要推陳出新，還要在授課方法方式上進行創新，最終目的當然是提高人工智能這門課程的學習效率，簡而言之，就是通過授課者通俗易懂的引導和高效易用的工具平臺這種途徑和手段，將人工智能的相關知識以一種易于讓人理解的方式去呈現出來。但目前傳統的課程體系對人工智能模塊不夠聚焦，課程設置缺乏系統性和連貫性。在教學安排上，我們不能人云亦云，在課程安排上生搬硬套，這樣不但不能滿足學生不同于傳統教學的學習需求，也會阻滯人工智能教學的普及和發展，目前打破傳統專業方向的壁壘，形成全局性系統性知識體系基礎設計，建設平臺化課程譜系。“高校人才培養滯后于產業界需求是普遍現象。我們需要思考的是，大學應該著重培養學生什么樣的能力，不能總是被市場牽著鼻子走。

目前的課程體系對人工智能模塊不夠關注，課程設置不夠系統和連貫。目前急需在課程的頂層設計上打破傳統專業方向的壁壘，形成全局性知識體系基礎設計，建設平臺化課程譜系。高校人才專業技能的培養滯后于產業界需求是一種普遍的現象，由此引發的思考是，大學究竟應該重點和專注培養學生什么樣的能力，避免被市場牽著鼻子走的被動情形產生。

雖然人工智能的發展歷史只有五十余年，但它已經廣泛應用于專家系統、機器翻譯、圖像處理和機器人技術等各種生活生產領域。同時人工智能對社會經濟的影響也與日俱增，它不再是僅存于計算機專業的研究領域，包括機械自動化，交通運輸，醫學專業領域也在開展這種交叉學科的研究，試圖通過一種簡便的實現方式去達到想要追求的目標和效果。國內外部分中學也會在信息技術課程中進行人工智能知識概念的科普和推廣。由于課程內容比較抽象、生澀，為了提高教學質量，本文在教學改革過程中充分考慮學生學習新知識的心理演變過程，認真研究教學內容、教材、教學方法等諸多方面，結合百度公司PaddlePaddle1平臺進行案例教學，在教授基本原理的同時，培養學生對智能系統進行理論分析、設計并編程實現的能力。

3 面向案例教學研究

人工智能是計算機科學的重要分支，課程介紹如何用計算機實現諸如問題求解、規劃推理、模式識別、知識工程、自然語言處理、機器學習等，是計算機科學與技術專業本科生的專業限選課之一。面向案例教學研究研究采用與實訓合作平臺進行案例教學的方法，對人工智能科技前沿的案例進行學習和分析。采取網上項目實訓為主體，課堂講解為輔的教學模式。采用案例推進的教學方法。

3.1面向案例教學

案例教學其實就是一種通過模擬、重現現實生活中的一些真實場景或情境，使學生代入到案例場景中，通過自主討論或者小組研討來實現學習的一種教學方式和手段。

案例教學既要有針對性，又要有綜合性，既要有交互性又要有主導性。針對性是所選擇的案例要符合教學的準確的目標，符合教學大綱規定的學時，以及切合學生的知識基礎和認知規律。綜合性是案例應能盡量涵蓋課程重要知識點大綱，并將其貫穿和融入各個主要知識點講解過程之中。交互性是教師與學生的關系是“師生互補，教學相輔”。主導性是在交互的同時，教師還是應該占有主導性。

這四種特性在教學中并不矛盾，度掌握得好，可以相輔相成，起到很好的教學效果。在“人工智能”學科的案例教學實踐中針對不同的知識點進行案例教學，由易到難，逐步加強。在交互的同時，教師要引導學生，組織啟發學生在既定的教學時限內提高案例的實際運用的效果。可以適時調整課程難度和廣度，提高學生解決實際問題的能力。

案例選擇和運用的要點“人工智能”案例教學的實踐反映出，案例選擇是否合適，案例運用是否科學，將直接影響到案例教學作用的發揮。為此應處理好以下關系。現實性和精練性案例既要貼近學生現實生活，又要刪繁就簡，適應課程教學時限要求。

3.2PaddlePaddle平臺案例設計方案

課程研究在國內唯一的深度學習開源平臺PaddlePaddle平臺上進行。PaddlePaddle是百度旗下的深度學習開源平臺，也是國內首個開源深度學習平臺，是一個并行分布式的深度學習框架，兼備易用性、高效性、靈活性、可拓展性，是最適合中國開發者的深度學習框架，在應對大規模數據訓練需求上表現出色。已實現CPU/GPU單機和分布式模式，同時支持海量數據訓練、數百臺機器并行運算，以應對大規模的數據訓練，平臺上提供了機器翻譯、推薦、圖像分類、情感分析、語義角色標注等多個Task。

同時，PaddlePaddle更具易用，高效，靈活和可伸縮等特點，提供了Neural Machine Translation、推薦、圖像分類、情感分析、Semantic Role Labelling等5個分類任務，每個任務類別里都有相對應的具體應用案例。

面向案例的學習可以深入淺出地了解深度學習行業趨勢、深度學習框架原理和模型、并從經典網絡的原理到高校自然基金深度學習應用、個性化推薦系統等工業實戰、科技前沿的案例進行系統的學習。

本次案例教學擬采用與企業合作案例方案通過在平臺上進行8個案例進行分析，了解人工智能相關理論知識，了解產業界應用情況，為今后進入公司做準備。

膀胱炎預測_線性回歸;房價預測_線性回歸;鮑魚年齡預測_邏輯回歸;貓臉識別_邏輯回歸;紅酒質量預測_深度神經網絡;手勢識別_卷積神經網絡;貓臉識別_VGG;股票預測_長短期記憶網絡。

以上列舉出來的部分應用案例可以普遍應用到人們的日常生活中，為人們帶來生活質量的提高同時也推動了社會科技，工業，醫療，交通等行業領域的進步和發展。例如，線性回歸可以結合患者先前出現的前兆或作息規律等來預測患病的概率大小;邏輯回歸可以統計事物的具有代表性的性狀規律來預測年齡大小等屬性;卷積神經網絡可以利用它的圖像處理優勢很好地來完成一些如圖像分類，圖像識別，物體檢測、人臉識別等一系列的應用。長短期記憶網絡LSTM利用它的文本處理的優勢可以應用到股票預測等領域。這種平臺上使用案例很好的應用性一方面可以讓學生對深度學習的應用領域有一個深刻清晰的認識，繼而激發同學們學習深度學習理論和使用框架進行開發的熱情;另一方面同時也能以此為立足點，開拓學生的視野，打開思路，在此基礎上進行拓展創新，開發更多更有意義價值的程序應用。

在高年級學生中開展，課程緊密結合產業界，了解最新的應用背景和技術手段。為學生走入企業通過在平臺上進行8個工業實戰、科技前沿的案例進行學習和分析，了解人工智能相關理論知識，了解產業界應用情況，為今后進入公司做準備。

利用PaddlePaddle為平臺，進行案例式課程實踐教學。建立以實踐驅動的人工智能課程體系。更好地掌握理論知識，提高學生的動手能力。

采用校企合作方式教學，邀請產業界導師指導和實訓平臺支持，在學術研究的過程中如何快速及時地獲取業界一線AI發展和應用方向的最新反饋，最終形成產學研融合，學界、業界互利共贏的正循環。

4 總結

本文結合實際應用問題，緊跟最新技術的步伐，重點強調教學過程的易懂性和實用性及系統性。具體表現在以機器視覺、語言識別和自然語言處理為應用背景，學習深層神經網絡結構、卷積神經網絡結構和遞歸神經網絡結構理論知識，在PaddlePaddle平臺上實現數字識別工程、圖像遷移學習分類模型、聲音轉文本及文本轉聲音的自然語言處理功能。在緊跟國際先進技術的前提下，利用深度學習理論解決實際應用問題，同時在實際應用過程中進一步積累經驗、完善理論。

參考文獻：

[1]高隨祥，文新，等.深度學習導論與應用實踐[M].清華大學出版社，2019.09.

【通聯編輯：聞翔軍】

收稿日期：2019-10-16

基金項目：教育部產學合作聯合育人項目：基于PaddlePaddle的深度學習及其在機器人NAO上的應用（201801003027）;武漢科技大學教學研究項目：新工科模式下面向案例的人工智能課程教學研究（2018x043）