控制學科“人工智能”研究生課程教學改革與實踐

謝海斌， 尹 棟， 莊東曄， 鄭永斌

（國防科技大學智能科學學院，長沙410073）

0 引 言

近年來，人工智能飛速發展，迎來第三次發展浪潮，它將廣泛應用于國民經濟、社會生活、國防軍事等各領域，正在成為推動新的科技革命、產業革命、軍事革命的重要引擎。目前我國正在大力推進“中國制造2025”“互聯網+”“新一代人工智能”等重大發展戰略，迫切需要大量適應新時代特征與發展需求的人工智能領域高素質新型人才。

“控制科學與工程”一級學科（簡稱控制學科）是我國的特色學科，下設模式識別與智能系統二級學科。自動化學會下設模式識別與機器智能、機器人、智能自動化、智能交通、智能制造、智慧農業、混合智能、平行智能、智能教育等專業委員會［1］。控制學科是我國從事人工智能科學研究和人才培養的重要依托。隨著全球范圍的科技革命進程日益加快，以人工智能、深度學習、大數據、云計算、物聯網、5G 通信等顛覆性技術為支撐的“智能化”浪潮既為控制科學發展提供了新的理論武器和技術手段，也為該學科的推廣與應用開辟了全新的領域［2］。從人才培養角度來看，控制學科培養的碩士與博士研究生既要掌握堅實的控制理論核心知識體系和基本技能，更要學習人工智能基礎理論和技術手段，具備從事人工智能領域科學研究與應用開發的能力，以適應整個學科面向“智能化”方向發展的時代要求［3］。

我校控制學科開設研究生核心課程人工智能（Artificial Intelligence）已有20 余年歷史。近5 年來，課程團隊立足控制學科自身特點和聚焦研究生能力素質培養，秉承“學以致用、知行合一、寓研于教、學研貫通”的理念，按照“強化理論基礎、拓展最新成果、貼近工程應用、優化實驗環節、完善考核模式”的思路積極推進教學模式改革，實現了“理論學習與實踐創新緊耦合、經典知識與領域前沿互補充、課內實驗與課外競賽深融合、課程學習與課題研究相銜接”的課程改革目標。

1 立足控制學科本源 凝練課程知識體系

目前國內高校中計算機學科、控制學科等信息類學科普遍開設人工智能課程，可用的經典教材也比較多，知識體系的組織形式存在較大差異。如何確定符合自身學科特點和人才培養需求的知識體系是課程建設頂層設計需要解決的首要問題。

從對智能本源認知的不同，人工智能分為符號主義、連接主義、行為主義三大學派。行為主義學派認為人工智能源于控制論，也稱為進化主義或控制論學派。該學派將能夠與環境進行感知與行為交互的任何個體抽象為Agent概念，并通過個體是否具有“合理行為” 來衡量其是否智能，提出智能行為的“感知-動作”模型，強調智能可以逐步進化，由此產生“合理Agent”的人工智能研究途徑。

目前人工智能應用領域主要是以下兩方面：①模擬信息的智能處理過程，以大數據、云計算、深度學習等技術作為支撐，利用人工智能技術解決海量信息的篩選、分類、特征提取、目標發現、信息融合、數據挖掘、智能檢索等問題。計算機學科多側重于這一方面的人工智能研究與應用。②實現人造個體的智能行為，以智能體作為人工智能的載體，通過人工智能技術實現個體的智能感知、智能判斷、智能決策以及智能行動，強調個體自主執行任務能力、多個個體的協同協作能力、個體與人的友好交互能力等。行為主義人工智能研究的出發點和落腳點都是圍繞如何實現個體的合理行為，這與控制學科關注機器人、無人系統等智能個體、群體以及人機協同方面的人工智能研究高度契合［3］。

綜上分析，控制學科人工智能研究生課程應該立足于學科本源和人才培養的主要服務方向，以行為主義學派為根基構建課程核心知識體系。選用國際公認的行為主義人工智能經典教材人工智能——一種現代方法（3 版）（Stuart J Russell，Peter Norvig 著，2011 出版），以智能Agent 設計為主線，以Agent 所處環境特征與任務需求為線索，重點講授Agent 在完全可知環境下的搜索技術及規劃技術、未知環境下的推理技術、對抗環境下的博弈技術、隨機環境下的不確定推理技術以及動態環境下的學習技術等，啟發學生學會利用計算機模擬和實現人類智能活動的思維方法，初步建立系統性的人工智能理論體系，為學生學習智能系統、計算智能、模式識別、自動規劃、智能控制等后續課程奠定基礎，并為其從事智能無人系統、機器人、模式識別、任務規劃等方向研究打下扎實基礎［4］。

2 聚焦人才培養目標 構建課程總體架構

根據我校碩士與博士研究生培養方案規定的人才培養目標，并參照中國自動化學會編著的“2016 ～2017 控制科學與工程學科發展報告”，控制學科碩士研究生應具備獲取知識的能力、科學研究能力、實踐能力和學術交流能力等4 種學術能力，博士研究生應具備獲取知識的能力、學術鑒別能力、科學研究能力、學術創新能力和學術交流能力等5 種學術能力［2］。

課程教學是學生能力培養的重要載體，是達成人才培養目標的階梯。人工智能作為學科核心課程，是智能系列課程的基礎，主要服務對象是本學科碩士與博士研究生，以及工程碩士與工程博士，同時供其他學科研究生和高年級本科生選修。聚焦學生能力素質培養要求，確立“理論學習與實踐創新緊耦合、經典知識與領域前沿互補充、課內實驗與課外競賽深融合、課程學習與課題研究相銜接”的課程改革目標，進行人工智能課程總體架構設計（見圖1），各教學環節與研究生能力素質培養的對應關系如表1 所示。

人工智能課程總學時為54 學時，3 學分。其中理論教學36 學時，實驗教學15 學時，考試3 學時。課程考核采用形成性考核和終結性考核相結合的方式，最終成績比例為：筆試（50%）+文獻閱讀（10%）+專題研討（10%）+實驗（30%）。

理論教學中必講內容33 學時，以智能體設計為主線，講授人工智能基本概念、問題求解智能體、局部搜索、約束滿足、博弈、邏輯智能體、智能規劃、不確定性知識與推理等內容。選講內容3 學時，可根據當年學生選課及實際教學情況，邀請領域內知名專家為學生開設前沿講座，或安排學生進行分組專題研討，或講授機器學習、計算智能、感知與行動等拓展知識，主要目的是拓展學生學術視野。

圖1 人工智能課程總體設計圖

表1 教學環節與能力素質矩陣

以理論教學內容為支撐，開設“警察抓小偷”和“Robcup足球機器人仿真賽”兩個對抗博弈Agent 設計實驗項目。其中“RobCup 足球機器人仿真賽”實驗項目與“RobCup”國際競賽采用完全相同的仿真平臺和競賽規則，優秀作品可以直接推薦參加比賽，從而實現課內實驗與課外競賽的深度融合。

課外增加文獻閱讀與綜述報告環節，要求學生跟蹤人工智能前沿領域并結合自身研究興趣和科研方向，自行檢索最新文獻并完成綜述報告，為學生后續撰寫開題報告和開展課題研究奠定基礎，達到課程學習與課題研究相銜接的教學目的。

3 秉持素質教育理念 推進教學模式改革

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，以具有獨立思考并獲得獨創研究成果的能力［5］。人工智能在60 余年的發展歷程中不斷自我否定、曲折前行，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，這也決定了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［4-5］。秉承“學以致用、知行合一、寓研于教、學研貫通”理念，按照“強化理論基礎、拓展最新成果、貼近工程應用、優化實驗環節、完善考核模式”的思路進行教學模式改革，將學生能力素質培養要求具體落實到知識獲取能力、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上來。

3.1 強化理論基礎

理論教學環節，首先強調“授之以漁”。不是以人工智能中定論的知識和成型的算法講授作為重點，而是以知識單元為依托，注重從問題本源出發，參考人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，引導學生發現問題、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［6-7］。

在理論教學中貫穿案例式教學。針對每個知識單元都精選了典型案例，知識單元與所選案例的對應關系如表2 所示。圍繞案例開展啟發式、研討式、游戲互動式教學，引導學生積極參與互動，培養他們追根溯源、探求未知、獲取新知的能力，樹立研究型學習觀念，養成勤于思考、善于思考的良好學習習慣。

表2 知識單元與教學案例的對應關系

上述案例都是學生熟悉的例子。在實際教學中，老師會圍繞案例拋出一系列與知識要點對應的問題，然后讓學生帶著問題將上述游戲或問題求解過程走一遍，隨后針對問題逐一進行研討。老師會根據學生研討情況，調整講解重點和進度。通過問題引導和解析，對應的算法原理和知識要點逐漸清晰，再講解算法代碼時自然水到渠成，一點就通，有時甚至無需講解。對于算法存在的缺陷學生也可以提出改進方向。通過問題啟發與案例分析引出教學內容，學生學習興趣濃厚、課堂氛圍活躍、回答問題積極、內容接受度高，學習效果明顯。

3.2 拓展最新成果

人工智能理論發展、技術演進與應用拓展日新月異，僅靠短短的36 學時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。為了彌補這個不足，主要進行了如下幾個方面的改革：

（1）堅持授課內容與時俱進。在各知識單元中穿插與之緊密相關的最新成果。比如“智能Agent”中融入“Atlas機器人”和“特斯拉無人駕駛汽車”的例子；在“博弈”中穿插“深藍”與AlphaGo 的例子；在“邏輯Agent”中介紹“沃森知識問答系統”等。特別是在緒論課中，持續更新和補充人工智能的最新發展趨勢、國家政策走向、領導人關于人工智能的重要論述、當年重大研究進展和成果，提高學生對人工智能的認知水平和學習興趣。

（2）通過文獻綜述方式將人工智能最新成果引入教學，避免課程內容僵化。要求學生根據本人研究興趣或未來論文開題方向，選擇人工智能某個應用領域或前沿方向，搜集并閱讀至少5 篇近5 年的期刊或會議文獻（含2 篇以上外文文獻），并按照綜述論文模式完成文獻閱讀報告，同時要求用EndNote整理文獻庫，作為課程考核內容之一。

（3）預留3 學時機動學時，根據當年學生選課及教學實施情況，靈活調整授課內容。一是充分利用學校對外學術交流活躍的優勢，順帶邀請來校交流的人工智能領域國際國內知名專家為選課學生開設前沿講座；或是安排以優秀文獻綜述報告交流為主的專題研討，計入考核成績。近5 年來，每個開課學期至少邀請1 名專家開設講座，講授內容均是他們近年來在人工智能領域的最新研究成果。

（4）建立課程微信群。老師與學生在群中經常性地推薦人工智能領域最新資訊與優質資源，實現線上持續學習與互動學習。同時還有助于老師及時了解學生的課程學習情況和反饋意見，并在后續教學中相應調整教學內容和授課方式。

上述舉措將學生課程學習與學術研究結合起來，文獻閱讀與開題準備貫通起來，課程作業與學術論文訓練融合起來，提高了學生獲取新知、獨立思考、論文寫作等方面的科研能力，開闊了學生的學術視野，為學生進入論文研究階段開展相關研究起到了啟蒙作用，受到學生普遍好評。

3.3 貼近工程應用

我校控制學科主要科研方向聚焦智能機器人、無人系統、環境感知、任務規劃、模式識別、智能控制、認知科學、腦機接口、人機交互等領域，這些方向的研究生論文選題與人工智能密切相關。在理論教學中，選取我校機器人、無人車、無人機等科研成果作為應用案例；文獻閱讀與專題研討環節強調學生根據自己研究方向選題；實驗環節設置多Agent 對抗博弈背景的實驗項目，并鼓勵學生結合工程背景自主設計實驗項目。

3.4 優化實驗環節

單純的理論教學難以達到“知行合一”的教學目的，需要設計綜合性、設計性甚至創新型的實踐項目輔助理論教學［8］。2010 年自主開發了“警察抓小偷”智能Agent程序設計實驗項目，2018 年又將RobCup 虛擬足球機器人競賽項目引入實驗教學環節。這兩個實驗項目均以對抗博弈為背景，智能Agent 設計為知識載體，組隊合作開展實驗，紅藍對抗競賽為考核依據，科研論文模式提交實驗報告。學生自主選擇角色，利用智能Agent、搜索、博弈、推理、規劃等理論與方法編制Agent程序（警察、小偷、虛擬足球機器人），通過自由組隊，在統一運行平臺上開展紅藍對抗競賽完成項目驗收。也鼓勵學生利用網上人工智能開源資源，針對人工智能新算法設計、已有算法改進、算法應用等方面獨立開展實驗。這項改革解決了理論與實踐脫節的問題，激發學生的學習興趣，大大深化了學生對人工智能基本理論的理解，顯著提高學生綜合運用人工智能理論的科學研究水平和工程素養。

3.5 完善考核模式

改變以往“一考定勝負”的做法，將課程考核方式調整為“筆試（50%）+文獻閱讀（10%）+專題研討（10%）+實驗（30%）”。筆試從閉卷考試改為開卷考試，使學生的主要精力從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。引入專題研討、課堂辯論、主題演講、課程設計、文獻綜述、實驗創新、博弈競賽等多種方式評價學生平時成績，同時進一步規范了各個環節評價標準。

4 結 語

我校控制學科人工智能研究生課程團隊立足控制學科本源，凝練以“行為主義為核心、Agent 設計為主線”的課程知識體系，聚焦控制學科人才培養目標和學生素質教育要求，按照“理論學習與實踐創新緊耦合、經典知識與領域前沿互補充、課內實驗與課外競賽深融合、課程學習與課題研究相銜接”的目標優化課程總體架構并推進教學模式改革。該課程面向全校碩士、博士研究生開課，經過近5 年的持續改革與實踐，選課人數逐年增加，學生普遍反映課程理論教學生動活潑、深入淺出；實踐教學綜合性強、富有挑戰；文獻研讀開拓視野、學研貫通、獲益匪淺。

“改革只有進行時”。人工智能理論及技術快速發展、應用廣泛拓展；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；此外，MOOC、雨課堂等新的教學手段不斷推陳出新，這些都需要人工智能研究生課程教學始終能夠與時俱進，堅持以學生為中心、素質教育為根本，持續改進，不斷創新。