人工智能課程仿真教學實踐
——以計算機科學與技術專業為例

區 蘇

(廣西大學行健文理學院，廣西南寧，530005)

一、引言

2017年《國務院關于印發新一代人工智能發展規劃的通知》指出人工智能發展和落實的相關任務和細節，其中講到人工智能的成果轉化、人機結合等都是促進人工智能技術發展和人才培養的方式。高校作為人才培養的基地，在人工智能發展的洪流中有責任進行專業技術高級人才的培養。在日常教學工作中，教師應該堅持教學內容與實際問題相結合，保持學生學習內容的前沿性，搭建合理的專業教學體系，加強教學質量和人才隊伍建設。

人工智能是計算機科學、控制論、信息論、哲學、心理學、語言學等多學科結合下產生的一門跨領域的綜合性學科。正因為多學科結合的特性，在人工智能技術日新月異的發展過程中，人工智能技術融入人類社會多個領域，且規模持續擴大。相對地，人工智能的思想和技術也在深刻地改變著人們傳統的生活和生產方式，其影響深刻且久遠。

人工智能(Artificial Intelligence，AI)的意義是使機器像人那樣具有智能去做事情。所謂人類智能，就是人類所具有的智力和行為能力。[1]人類智能在機器上的運用需要一套完整的理論體系作為基礎支持，如系統架構、編程技術和算法策略等。人類智能從知識的角度來看，包含知識的獲取、表示、記憶和應用四個基本環節。

二、人工智能教學中的問題

人工智能的跨學科融合的特性，決定了其學時的多少變得尤為重要。充足的學時數是實現學科基礎知識教學的保障，也為學生充分地實驗實踐和有效地知識掌握提供了時間資源。人工智能課程作為計算機科學與技術專業的選修課，分配的課時為45學時，其中理論33學時，實驗12學時，學時數量相當有限。教師僅利用課程內的學時無法完成人工智能基礎理論的講授，也無法展開理論知識向具體問題實驗的轉換。這不利于學生興趣的培養，其結果是該課程內容生且澀偏理論化，教學效果不佳，所以對該課程的內容調整是有意義的。[2]

人工智能的課程教學主要存在以下幾點問題：課程內容跨多學科且知識面廣，課程學時非常緊湊，兩者的時間量不匹配；課程內容比較前沿，理論與硬件更新升級較快，課程學習需要相關知識基礎；計算機科學與技術專業的知識體系偏計算機軟件，難以開展目前流行的以硬件為載體的人工智能實驗。

對人工智能課程的改進是非常緊要的任務，改進時間不宜太久，應盡可能地讓本屆學生享受到課程改進后帶來的福利。學校要在現有教學資源基礎上進行教學資源的優化整合，如課程間知識的連貫、專業間知識的互助。課程教學內容更新，主要對人工智能課程的實驗內容進行了修改，改為仿真硬件的人工智能實驗內容。

三、人工智能課程改進的教學思路

(一)計算機科學與技術專業的知識特點

學校計算機科學與技術專業的專業課程大致為程序設計語言、數據庫系統、操作系統、網頁設計、算法設計與分析等，課程總體偏向計算機軟件編程。在人工智能的眾多學習與應用方向中，問題求解、機器學習、專家系統、模式識別、智能搜索等都非常適合計算機科學與技術專業學生的學習。

單純的課程理論內容較為抽象，教材中的實例數量少且不詳細。[3]其中，編程實例的內容智能化展示不足，讓該專業學生不能深刻體會人工智能課程開設的意義和學生設想的課程內容有出入，從而淡化和降低了學生對人工智能學習的興趣。教師在與學生的交流中感受到該專業課程的基礎理論學習難度普遍較大，與學成后的展示力不成比例。學生編寫好程序、搭建成系統后，因計算機專業性的特點，無法隨時隨地、有效地向非專業人群進行成果展示來獲得對等的專業認同，容易失去自信心和滿足感。因此，人工智課程既要體現專業知識的綜合應用，又要基礎理論有合理的層次和深度，還要實踐內容有時代性以及有必要的實物化展示。

針對上述問題，教室可借鑒電子專業教學實驗模式，運用真實的機器設備進行課程教學。[4]同時，計算機科學與技術專業還應擁有自己的技術特色和知識側重點。例如智能機器控制實驗和計算機科學與技術專業人工智能的教學可盡量避免電子硬件的處理，實驗內容偏重于機器人的高層控制的算法和策略的引入，見圖1。

圖1 控制層次

在關于適合計算機科學與技術專業的智能機器教學問題上，因個人的學習經歷而選擇的人工智能實驗內容是ROS(Robot Operating System)。ROS是一款適用于機器人的開源操作系統，是斯坦福人工智能實驗室建立的一個項目。它提供了操作系統應有的服務，包括硬件抽象、底層設備控制、常用函數的實現、進程間消息傳遞以及包管理，也提供用于獲取、編譯、編寫及跨計算機運行代碼所需的工具和庫函數。

解決有關計算機科學與技術專業學生電子硬件知識技術不足的問題，教室可利用仿真軟件Gazebo與ROS配合，實現智能機器人可視化教學實驗內容。Gazebo是一款3D動態模擬器，能夠在復雜的室內或室外環境中準確有效地模擬機器人群。Gazebo中的機器人模型與rviz使用的模型相同，但是需要在模型中加入機器人和周圍環境的物理屬性，例如質量、摩擦、重力等系數。機器人的傳感器信息也可以通過插件的形式加入仿真環境，以可視化的方式進行測試。[5]Gazebo不需要學生擁有真實的機器人硬件，而是通過仿真虛擬的機器人進行替代。該軟件有較強的展示力，便于人工智能知識成果的分享。考慮到部分學生想進一步將人工智能技術擴展到真實的機器人載具上，那么ROS的知識也同樣是基礎和必需的。ROS知識可以脫離Gazebo仿真環境，嵌入各種真實機器人硬件，例如ROS官方機器人實體模型ROS Turtle等，見圖2。

圖2 可應用ROS的實體硬件

(二)課程教學內容的安排與設計

人工智能課程的理論和實驗內容非常多，上述的人工智能的教學工作經過精簡也無法在課程學時內完成，因此增加教學課時非常有必要。為了避免新增學時與原學時的沖突，課程采用的是隱性學時增長方式，即通過把人工智能課程與其他課程的共通知識點進行關聯，剔除近似的知識點，直接由其他課程進行教學擴展和實驗實踐，換句話說就是利用其他課程的學時來變相增加人工智能課程的學時。

具體的課程關聯與學時分配的思路是人工智能課程主動配合其他課程知識點，并進行綜合。下文內容按仿真實驗設計步驟和課程設置時間順序，對計算機科學與技術專業的幾門特色課程關聯的知識進行介紹，見圖3。

圖3 仿真模擬課程關聯

學校計算機科學與技術專業暫無開設電子硬件相關的課程，因此需要在人工智能課程內分配學時進行關于仿真的載體、傳感器等內容的教學。如在Gazebo仿真環境中，教師選用合適的感應器(如激光傳感器等)用于檢測障礙物或目標物體，并做出決策，驅使感應器的載具(機器人、車輛等)智能行走。教師在此內容中要求學生學習并理解仿真模型的制作流程和模型代碼。

1.仿真環境與建模

計算機科學與技術專業有許多課程可以教學三維仿真的知識，例如AutoCAD[6]、計算機圖形學[7]等課程。這些課程適合于讓學生從零基礎接觸和熟悉三維仿真的設計工具，了解二維與三維圖形的變換和算法。因此，這部分內容可以從人工智能課程的教學中分離出。如沒有開設相關課程，教師也可以在人工智能課程的實驗環節中利用3個學時簡單地進行教學，讓學生簡單了解仿真軟件的功能，如通過學習使用Gazebo軟件來熟悉三維模型的創建，如圖4。

圖4 Gazebo模型制作

在仿真三維建模中有不少內容需要與其他課程進行關聯，如在建模中采用了XML和URDF的形式進行仿真環境和模型的描述和存儲，如圖5至圖7。該內容與之關聯的課程是網頁設計課程，該課程在計算機科學與技術專業中開課率較高，分配到的課程學時數充足。因為HTML等超文本標記語言是本科學生較為熟悉的知識內容，所以在人工智能課程中，教師可以直接使用標記語言對模型進行設計與教學。

圖5 模型草圖

圖6 三維模型

圖7 三維模型代碼片段

2.仿真控制代碼編程

實際問題的解決需要從自然環境中提取編程素材，如問題的求解的描述(初始狀態、目標狀態、算符等)、問題的求解規則的定義(元規則、推理規則、元素結構等)、問題的求解的應用(自動機、狀態轉換、狀態預測等)。學生可以在離散數學和編譯技術等課程中學習以上內容。離散數學是計算機科學與技術專業一門關于數理邏輯知識的課程，如用命題公式和謂詞公式來表示真實環境的信息和知識，包括二者之間的蘊含推理關系的內容。編譯技術這門課是介紹程序設計語言編譯程序構造的原理，其內容涉及自動機(NFA、DFA)及對符號串書寫規則和識別預測。以上兩門計科專業的經典課程對學生的編程思維有很大的幫助，教師可以在人工智能課程中借鑒和引入，提高人工智能課程的理論性。

仿真系統ROS使用C、C++、Python語言進行編程，該內容與計科專業的契合度非常高。計算機科學與技術專業在本科一年級就開始有編程課，C、C++、Python這類語言是比較常用的編程語言，其中C語言是必學的。如果沒有開設C++課程，有C語言的編程經驗的學生也是可以直接上手的。Python語言這幾年比較流行，如沒有開設此課程，可以用C、C++語言替換。可見，人工智能的實驗中可以直接開展ROS系統應用的編程教學。

3.仿真系統的交互與控制

仿真系統Gazebo軟件配合ROS系統搭建，而ROS系統(ROS一代)是安裝在Ubuntu操作系統內。ROS和Ubuntu系統都有要用到命令形式進行的人機交互與溝通。系統的結構原理、進程的調度機制等相關知識和涉及的控制命令知識在操作系統一課中都會講述到。該課程作為計算機科學與技術專業的一門專業基礎課，是計算機科學與技術專業學生必須要學習的。教師可在人工智能課程中直接開展編譯環境搭建、庫文件使用和命令控制。

4.仿真模型的控制策略與算法

人工智能的核心內容就是運用策略和算法實現控制的智能化。在這個部分中，計算機科學與技術專業相關的課程有算法設計與分析和人工智能原理兩門課程。

算法設計與分析：教學內有多種算法的編程應用，如遞歸與分治策略、動態規劃、貪心算法、回溯算法、分支限界算法、圖論等。經典系統的算法運用是提高人工智能編程水平的重要基礎。

人工智能：本門課程將在理論部分講授知識獲取以及知識運用問題，包括人工智能的基本概念及其發展狀況、知識表示方法、確定性推理方法、不確定推理方法、搜索策略等內容。通過學習人工智能策略性和技巧性的編程，學生能提升處理問題的思維能力以及智能編程處理策略。

5.其他關聯課程及知識

高等數學、概率論、數據結構、編程思想、大學物理、模擬電路、數字電路等課程知識，與人工智能課程也有較大的關聯性，但由于文章篇幅原因不進行贅述。課程改進細節見表1。

表1 課程改進前后對比

續表1

人工智能課程的建設是非常有意義的，雖然改進過程遇到了不少困難，但始終以內容質量與知識同步作為問題解決方案的主導思想。課程的改進主要在內容分配和知識關聯上作出了調整，采用主動配合的方式，總結人工智能課程中與其他課程知識的交集和聯系，并合理利用多門課程的已學知識，通過合理編排整合到一個完整的實驗體系里。