“人工智能”研究生課程實驗的實踐與探索

王超 莊東曄 于清華

[摘 要] 課程實驗作為“人工智能”研究生課程的重要環節，對于深化學生對教學內容的理解和認知，鍛煉學生的思維能力，提升學生的實踐和編程能力具有重要意義。結合“人工智能”研究生課程實驗環節的教學實際，分析實驗教學特點和在課程內容覆蓋、實驗問題設置、實驗考核等方面存在的問題，并針對問題提出了對應的解決措施。在課程實驗過程中引入大量實踐環節培養學生的動手能力，以人工智能案例培養學生的獨立思考能力，在課堂內外以研究性方法培養學生的探索意識。

[關鍵詞] 人工智能;實驗課程;考核方式

一、概述

隨著新一輪人工智能發展高潮的到來，在國家《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》的推動和指導下[1，2]，國內眾多高校陸續設立人工智能、機器人等相關專業，開設“人工智能基礎”和“機器學習”等本科生課程。部分院校多年前已將“人工智能”作為基礎課程并對控制工程、計算機等專業學生授課。此外，按照形成“人工智能+X”的復合專業培養新模式，在研究生學習階段，眾多理工科學生需要通過人工智能相關課程掌握人工智能基礎知識和前沿技術，為其在人工智能背景下開展課題研究奠定基礎。

在人工智能相關課程的教學及實施中，國內外高校立足教學實際，開展相關實踐與探索，取得了一定成效。北京航空航天大學人工智能研究生教學團隊針對課程的教學特點和人工智能學科的問題，開展了計算機學科“人工智能”研究生課程的研究性教學實踐。在課程中引入大量實踐環節培養學生的動手能力，以人工智能案例培養學生的獨立思考能力，在課堂內外以研究性方法培養學生的探索意識[3]。加州大學伯克利分校開發了Pac-Man項目用于“人工智能”課程，該實驗項目基于Python語言的課程實驗項目，實驗過程中運用人工智能方法設計Agent來玩吃豆人游戲，針對簡單到復雜的Pac-Man環境，分別實現基于搜索、多智能體合作、多智能體對抗、不確定性推理、強化學習的Agent，較好地實現了對“人工智能”相關概念和算法的覆蓋，可用于本科生及研究生“人工智能”課程實驗環節，并可以根據課程內容的具體安排對實驗內容進行靈活剪裁。此外，相關教師還針對“人工智能”實驗內容的設計、實驗平臺和實驗室建設等展開了研究，有效促進了實驗教學的實施[4-6]。

筆者所在院校開設的“人工智能”研究生課程立足控制學科本源和培養目標，以行為主義學派為根基構建課程核心知識體系，重點講授搜索規劃技術、推理技術、博弈技術和不確定推理等內容[7，8]。

在課程的教學中，實驗課作為重要環節，對于深化學生對教學內容的理解和認知，掌握算法內涵，鍛煉學生的思維能力，提升學生的實踐和編程能力具有重要意義。在課程的實施過程中，實驗環節在課程考核中的比重也在不斷增加，由20%上升到30%[9]。

二、“人工智能”研究生課程實驗教學特點分析

“人工智能”研究生課程采用人工智能經典教材《人工智能：一種現代的方法》，以智能Agent為課程主線，內容覆蓋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，可為學生從事智能無人系統、機器人、任務規劃與決策等方向研究奠定基礎。

根據課程組歷史統計數據來看，近年來，該課程選課學生人數逐年增多，選課學生來源除原先的控制和計算機等學科外，還增加了機械、儀器、計算機、系統工程、航天、信息通信、軍事指揮、密碼學等學科，學生在“人工智能”課程方面的理論基礎、興趣、科研方向和不同，對實驗課程的實施提出了新的要求。

（一）實驗內容兼顧覆蓋度和多樣性

以往的“人工智能”課程實驗包括Wumpus世界、地圖著色等問題，其中Wumpus世界問題偏重于知識表示與推理，地圖著色問題偏重于搜索中的約束滿足等問題，偏重于對某個方面的內容進行考察，而對于整個課程體系中的搜索、對抗博弈、任務規劃等知識點的覆蓋不足。近年來，隨著無人系統技術的發展，無人系統在軍事和民用領域的應用范圍越來越廣，發揮了重要作用，無人系統不同層次的應用需求可以為實驗提出新的要求，通用搜索算法可用于路徑規劃、Minimax搜索和剪枝算法可用于其行為決策，課程中的規劃部分可以用于其任務規劃。

實驗內容應具備多樣性，選課學生的專業不同，研究方向和興趣不同，實驗內容滿足多樣性可以讓學生根據研究方向進行選擇，在實驗實施過程中對課程知識進行應用的同時，為其后續課題研究奠定基礎。

在實驗問題編程語言方面，在問題的設置中，除了支持C、Java等編程語言外，還需增加機器學習時代的編程語言，例如Python的支持。除了基本的搜索算法之外，為了充分調動學生的積極性更要注重對于博弈對抗、協同、強化學習等內容的深化。

（二）問題設置具備趣味性、新穎性

本課程以往的實驗內容Wumpus世界、地圖著色等偏向于解決單一問題，在長期實踐過程中出現了一些問題。一是長期圍繞幾個固定問題實施，枯燥單一，實驗逐漸失去吸引力，學生的參與興趣不足;二是由于長期不改變問題設置，容易出現抄襲高年級學生代碼的現象;三是學生在完成實驗過程后，提交相應的代碼、執行程序和報告，沒有進行分組及個人程序的演示，且問題沒有體現對抗性和趣味性。

隨著近年來人工智能在一些對抗性游戲，例如圍棋、星際爭霸中嶄露頭角，如何在實驗課程中增加類似環節，將實驗融合對抗性、趣味性和競爭性，需要進行相關實踐。

（三）增加對智能算法的支撐和練習

“人工智能”研究生課程實驗環節問題設置，除了要對基本的搜索算法（寬度優先、深度優先、貪婪優先、A*等）、博弈搜索算法（Minimax方法、α-β剪枝算法和評價函數的構建等）、規劃算法（前向搜索、后向搜索、偏序規劃和分層任務規劃等）進行練習外，隨著近年來機器學習的興起，在實驗問題設置中還需要增加對于強化學習等方法的支撐和拓展，讓學生在完成實驗過程中學習和實踐智能算法，為其后續開展論文撰寫和學科競賽奠定基礎。