人工智能研究生課程建設“十大忌”

謝海斌，莊東曄，尹 棟，鄭永斌

（國防科技大學 智能科學學院，湖南 長沙 410073）

0 引言

隨著近年來AlphaCo圍棋系統、IBM沃森知識問答系統、谷歌機器人、無人駕駛汽車、深度學習、神經網絡芯片等一系列人工智能領域的重大研究成果問世，人工智能迎來第三次研究高潮，它正在向國民經濟、社會生活、國防軍事等各個領域滲透，成為推動新的科技革命、產業革命、軍事革命的重要動力。2014年習近平主席在兩院院士大會上深刻闡述了機器人技術與人工智能的發展趨勢，吹響了我國全面布局“智能化”的號角。隨后，2015年3月“互聯網+”行動計劃提出，推動移動互聯網、物聯網、人工智能、云計算、大數據等與其他傳統產業跨界融合。2015年5月《中國制造2025》發布，重點關注“智能制造”、高端智能裝備、機器人等。2017年7月《新一代人工智能發展規劃》發布，系統闡述了新一代人工智能的內涵，并繪制2030年前我國人工智能的發展藍圖，其中明確提出“加快培養聚集人工智能高端人才”“建設人工智能學科”和“形成‘人工智能+X’復合專業培養新模式”[1]。2018年4月教育部印發《高等學校人工智能創新行動計劃》，強調加強人工智能與計算機、控制、量子、神經和認知科學以及數學、心理學、經濟學、法學、社會學等相關學科的交叉融合，進一步明確“完善人工智能領域人才培養體系”“完善學科布局”“加強專業建設”“開展普及教育”等要求[2]。

全國高校人工智能學院如雨后春筍，傳統學科與人工智能融合創新的“新工科”應勢而生，發展如火如荼。在2018年認定的首批612個“新工科”研究與實踐項目中布局建設57個人工智能類項目；截至2017年12月，全國共有71所高校圍繞人工智能領域設置了86個二級學科或交叉學科[3]。在新的人才培養方案設計和課程體系構建過程中，增設人工智能課程成為很多“人工智能+X”專業的必然選擇。此外，控制、計算機等學科將人工智能作為學科基礎課程已有多年歷史，需要適應新形勢對課程進行深化改革，信息學科相關一級學科也逐步將該課程作為學科基礎課程或專業選修課，同時將內容裁剪降低難度后下移到本科階段。

1 人工智能課程特點

1.1 缺乏統一的定義與知識體系

人工智能是研究和開發用于模擬、延伸、擴展、增強、輔助人類智能的理論、方法、技術及應用的一門新的技術科學。人工智能的研究目的是建立關于自然智能實體行為的理論和指導創造具有智能行為的人工制品，肩負著“科學人工智能”和“工程人工智能”兩大使命。根據對智能本源的不同理解，在人工智能發展歷史上形成了“符號主義”“連接主義”“行為主義”三大學派。又根據評價智能與否的不同視角，形成了“像人一樣思考”“理性思考”“像人一樣行動”“合理行動”4類人工智能定義，進而形成“認知建模”“思維法則”“圖靈測試”“合理Agent”4種不同的人工智能研究途徑。從目前可供選擇的國內外知名教材可見，人工智能知識體系的組織存在較大差異，沒有統一的標準，部分教材內容組織更像是一個漂亮的拼盤，涉及面很廣，但缺乏一以貫之的邏輯主線和自成一體的知識體系。

1.2 內涵顛覆創新，外延跨界融合

人工智能以哲學、認知科學、行為科學、神經科學、邏輯學、數學、計算機科學以及控制科學等眾多學科領域為根基，“符號智能”“計算智能”“行為智能”為主干，智能交互、智能感知、智能控制、智能信息處理、機器學習、智能系統等應用領域為支脈，形成一個龐大的學科體系。人工智能在60余年的發展歷程中先后掀起3次發展浪潮，學科內涵不斷拓展、知識體系快速更迭、技術發展持續演進、應用領域全面擴張，在自我否定中不斷顛覆創新。近年來，智能制造、智能交通、智慧農業、智慧城市、軍事智能等各個領域飛速發展。在這個過程中，人工智能在自身各個學派、研究分支、技術成果交叉融合的同時，也向其他學科、行業、領域滲透耦合、跨界融合，帶來顛覆性變化。圍繞任何一個分支領域都可構建一個以“智能化”為核心的獨立的“理論—技術—應用”知識體系，而人工智能是這個體系中最重要的基石。

1.3 人工智能開設模式與定位存在差異

人工智能課程具有多學科交叉融合及綜合性、實踐性、前沿性、創新性強的特點，能夠為學生提供一種新的思維方法和問題求解手段，有利于培養學生科學思維、創新精神、實踐能力和前瞻視野。根據國務院《新一代人工智能發展規劃》和教育部《高等學校人工智能創新行動計劃》，人工智能的普及教育將在高中與大學本科階段完成[1-2]。不同學校、學科、專業針對不同層次受眾開設人工智能課程的要求和定位是存在顯著差異的。人工智能課程建設可以歸納為以下3種模式。

（1）通識性課程。面向本科生開設人工智能概論或導論選修課程，主要介紹人工智能的基本概念、主要分支、部分成果及主要應用領域，內容寬泛、知識淺顯、學時較短、受眾面廣，對學生專業背景要求不強，主要起到知識拓展的作用。

（2）本研貫通的層次化課程。主要是信息大類學科與本科專業，如面向本科生開設人工智能導論或人工智能基礎必修課或專業限選課，使學生了解人工智能的基本概念、主要思想，掌握一些成熟且常用的算法及其應用方法，具備初步的人工智能算法實現與應用能力。面向研究生開設人工智能學科核心課程，按照特定的知識體系和方法論系統講授人工智能基礎理論、研究方法以及應用技術，使其形成進一步開展理論研究和拓展應用的潛力。

（3）以人工智能、模式識別為基礎的系列化“智能”課程群。比如控制學科圍繞機器人、無人系統等智能個體、群體以及人機協同方面開設智能感知、智能規劃、智能決策、智能控制、群體智能等系列課程；計算機學科圍繞智能信息處理開設大數據、云計算、數據挖掘、信息融合、專家系統等系列課程。

2 課程建設“十忌”

研究生階段的教育目標是使研究生形成具有個性化的研究品格、研究定向和研究視野，具有獨立思考并獲得獨創研究成果的能力[4]。從研究生的特征及其教育目標出發，人工智能研究生課程與本科生課程是存在明顯差別的，它應該是從“知識傳授為主”向“能力塑造為主”轉變，重在培育他們發現問題、提出質疑的科學批判精神，訓練并提高其創新能力、實踐能力和創新精神[5]。人工智能研究生課程建設中10個方面的誤區梳理總結如下。

2.1 一忌“孤立無援”

人工智能是一門多學科交叉的課程，知識點多、覆蓋面廣，理論教學與實踐環節涉及邏輯學、概率統計、離散數學、數據結構、計算機編程設計等基礎知識，因此開設人工智能需要相關基礎課程作為支撐[6]。要避免趕時髦，在缺乏必要的先修課程支撐或與原有課程體系關聯度很低的情況下，將人工智能開成一門孤立的課。特別是作為某些學科的本科專業必修課或研究生學科基礎課時，要處理好人工智能與其他課程的支撐關系和開課時序問題。

2.2 二忌“定位不準”

目前很多高校既開設本科生的人工智能導論或基礎課程，也開設人工智能研究生課程，但兩者之間存在課程區分度不大、知識重疊度高、教學模式差異小等問題。研究生學科基礎課程不是可有可無的通識課程，不應是本科生課程簡單的內容拓展和難度深化，而是要立足研究生能力素質培養，為其構建系統性的知識結構并形成人工智能理論研究和技術開發的基本能力，采用的教學模式要有利于研究生知識體系構建、科學思維訓練、科研能力鍛煉和學術視野拓展，為其后續課程學習和從事論文研究奠定堅實基礎。

2.3 三忌“一考定勝負”

研究生課程切忌“一考定勝負”，結果是“平時教師灌輸、考前突擊應付、考后全部清零”。人工智能研究生課程具有多學科交叉融合以及綜合性、實踐性、前沿性、創新性強的特點，是踐行素質教育，培養學生科學思維、創新精神和實踐能力的極好載體。應該通過考核方式的合理設計引導學生得到多方面的訓練。可以引入專題研討、文獻閱讀、實驗項目等多個教學環節進行分模塊考核，考查學生不同能力素質訓練效果；各知識單元引入形成性考核可以促進學生平時的知識鞏固；將閉卷考試方式的終結性考核改為開卷考試或者提交研究報告，使學生的主要精力從死記硬背的應付考試向輕松學習、研讀論文、實踐創新、寫作訓練方向轉移。

2.4 四忌“形神俱散”

人工智能在其發展歷程中形成了“三大學派”“四種研究途徑”，基礎理論差異大、研究分支多、應用領域廣。目前有些人工智能教材知識體系“形神俱散”，拼盤化現象嚴重，內容龐雜、體例不一、章節自成體系、缺乏邏輯性。采用這樣的教材授課，必然導致學生的知識碎片化，對知識的理解似是而非、不求甚解，綜合運用更是無從談起，最終的學習效果就是“磚頭學了一大堆，就是蓋不起房子”。人工智能研究生課程作為學科核心課程，更應該立足學科本源構建課程知識體系，精選適用的國際經典教材，避免課程受制于某本教材這樣的本末倒置現象發生。

2.5 五忌“知行分離”

受實驗條件的限制或主講教師缺乏人工智能科研經歷的制約，人工智能課程容易變成一門純理論教學的課程，課程不匹配實驗或是僅僅開設一些驗證性實驗。人工智能是一門綜合性、實踐性很強的課程，單純的理論教學只能淺嘗輒止，很難達到“知識—能力—素質”全面培養的教學目的[7]。理論教學中的方法原理只有通過算法實現才能促使學生深入思考、融會貫通、綜合運用，實實在在轉化為學生的能力。因此，即使沒有實驗條件，也應該設置面向知識單元應用的設計性實驗和具有典型應用背景的綜合性實驗，鼓勵研究生自主設計實驗，實驗環節作為剛性要求納入考核。

2.6 六忌“授之以魚”

只告訴學生人工智能中成型的算法是什么，而不告訴他們思想源流、分析過程和形成算法的思路，將極大損害學生的學習積極性。研究生的理論教學更應注重“授之以漁”，不是以人工智能中定論的知識和成型的算法作為講授重點，而是以知識單元為依托，注重從問題本源出發，參考人類解決問題的思維過程，提出具有研究性、探索性甚至是尚存爭議的問題，激勵研究生獨立思考和質疑，引導他們發現問題、分析問題、解決問題，從而達到啟迪智慧、把握脈絡、掌握知識要點、了解改進方向，培養持續學習與算法開發能力的教學目的。

2.7 七忌“內容僵化”

人工智能理論發展、技術演進與應用拓展日新月異，僅靠幾十個學時的理論教學和基于教材中的經典基礎知識授課對于研究生顯然是不夠的。課程內容僵化、知識更新不及時、教師授課照本宣科、案例脫離學科背景、教材教案課件陳舊、最新研究成果與發展動態體現不足，是目前人工智能研究生課程容易出現的問題。教師應該堅持授課內容與時俱進，避免因為學時受限、內容局限使學生“只見樹木不見森林”，可以在各知識單元中穿插介紹與之緊密相關的最新成果，引入文獻綜述和專題研討環節將人工智能最新成果融入教學，避免課程內容僵化。這樣有利于提高學生對人工智能的認知水平、增強學習興趣和拓展學術視野。

2.8 八忌“模式單一”

與本科生課程不同，研究生課程不是講授已經形成定論的經典知識，而是要隨著技術的發展不斷更新迭代，不僅是知識的傳授，更是學術研究綜合素養的塑造，對知識的掌握不能僅限于“知道”，更要“知行合一”“學研融合”。人工智能研究生課程不能僅停留在讓學生聽聽課、考個試、混個學分的低層次上，應該把它變成踐行素質教育的載體，結合學科屬性與人才培養的主要服務方向，以學生能力素質培養為核心，準確定位課程的知識體系、科學構建課程總體結構、合理設置各個教學環節、綜合運用多種教學手段，讓學生通過課程學習，在知識獲取能力、學術交流能力、實踐創新能力、團隊協作能力、文獻閱讀與綜述能力、學術論文撰寫能力等方面得到鍛煉和收獲[8]。

2.9 九忌“盲目雙語”

高水平大學擁有一流的師資隊伍和優秀生源，開設雙語課程甚至全外語課程，有利于課程與國際接軌，促進學生無縫對接該領域的最新研究成果和學術前沿。但不顧及學生的外語水平和脫離師資隊伍的實際情況，盲目建設人工智能雙語課程甚至全外語授課，教師和學生的精力投入不是放在課程本身，而是外語表達和聽力，實際的效果是“教師講不清、學生聽不懂、上課走過場、下課忘光光”，課程學習做成了夾生飯，雙語形同虛設。語言只是傳播知識的工具，用什么語言授課，應該以實際教學效果為出發點和落腳點，既立足教師的實際，也要關照學生的體驗。

2.10 十忌“后繼乏人”

研究生課程專業性較強，一般選課人數較少，開課班次很少，因此一人一課的現象普遍存在。人工智能研究生課程知識覆蓋面寬、技術發展快、教學環節多、實踐性強，對主講教師的綜合素質要求也很高。因此，一方面要為人工智能課程主講教師持續學習進步提供必要的支持，主講教師也要積極從事人工智能相關教學與科學研究，不斷提升自身的認知水平、學術視野、工程經驗和實踐能力；另一方面，要物色和吸引正在從事人工智能相關理論研究與應用研究的優秀新任教師從事教學工作，可以通過跟教助教、多人一課、輪崗上課、小班授課等方式，循序漸進地培養人工智能課程的后備師資力量。

3 結語

人工智能是引領未來的戰略性技術。黨的十九大報告強調，要“推動互聯網、大數據、人工智能與實體經濟深度融合”。高校處于科技第一生產力、人才第一資源、創新第一動力的結合點，是我國人工智能創新發展的重要支撐。教育部發布的《高等學校人工智能創新行動計劃》部署“構建人工智能專業教育、職業教育和大學基礎教育于一體的高校教育體系”，提出“引導高校通過增量支持和存量調整，加大人工智能領域人才培養力度”[2-3]。

建設高水平人工智能課程體系是高等院校貫徹落實《行動計劃》、適應“智能化”時代人才培養需求的重要舉措。人工智能研究生課程主要服務于人工智能領域高素質理論研究、技術開發、工程應用人才的培養，在整個課程體系中起到承上啟下的關鍵作用。一方面要在通識教育普及的基礎上聚焦研究生的人工智能知識體系構建、科研素養塑造、學術視野拓展；另一方面為學生學習后續智能相關課程以及從事“智能+”領域研究奠定基礎。