在AI專業數學課堂中融入計算思維的研究

劉浩

【摘要】在人工智能發展的背景下，教師結合企業需求將人工智能的計算思維與高職數學相關課程內容相結合，采用豐富的教學方法，比如借助各種教學平臺資源、借助數學Matlab軟件，幫助學生建立數學模型的意識，慢慢滲透一些人工智能的知識，進一步提高學生適應新形勢的能力，增強高職數學的教學質量.

【關鍵詞】人工智能;教學方法;數學模型;算法

一、引 言[WTBZ]

近年來，國家出臺多項政策支持發展人工智能技術，2020年高職院校也開始招收人工智能專業的學生，因此作為高職院校的教師，應該適應人工智能給教育領域所帶來的沖擊，加強人工智能與各學科的交叉融合.我們經常說計算機實際上就是寫程序，程序=算法+數據，算法=邏輯+控制，數學作為基礎學科應該接受這個機遇和挑戰.教師應該在課堂上多引入人工智能需要的計算思維、邏輯思維、算法思維，結合著現在流行的慕課、翻轉課堂、微課程等教學改革，讓人工智能專業的高職學生對這種基礎學科產生興趣，讓他們更多地了解數學知識（比如線性代數）在人工智能方面的應用和成果，培養學生利用數學的理論知識和方法構建數學模型解決實際問題的習慣，激發學生的求知欲和構建他們的邏輯思維能力.

二、線性代數課程的引入

線性代數這門課是高職人工智能專業應該開設的高等數學的一部分內容，它是一門將m*n維的空間世界聯系起來的學科.我們的專業是校企合作專業，我們應該在校企合作過程中進行企業調研，了解到現在人工智能專業需要的數學知識有哪些，應該講解到什么程度.我們的人工智能專業主要是視覺數據處理方面的.而我們了解到視覺處理的數據，已經不能局限于之前所學函數范疇內的一維、二維、三維空間，而應該拓展到n維或者m*n維空間.之前在學習這門課的時候，很多學生都覺得它就是一門基礎的公共課，對于高職學生來說沒有什么用處，它就是計算處理一些線性方程組或者一些線性變換.但是隨著人工智能的發展，對于想成為一個AI專家的人來說，線性代數是必須掌握的知識.

下面介紹幾個線性代數的知識在人工智能方面的體現，通過數學軟件Matlab編寫程序，通過圖像和工作數據幫助學生更好地理解線性代數中的向量與矩陣以及矩陣的線性變換在實際中是如何體現的.

三、圖像與矩陣的關系

我們知道人工智能技術是建立在很多數學模型的基礎上的，因此老師在講解線性代數的主要研究對象向量和矩陣時，就可以結合我們在真實世界中拍攝的各種圖像，其實我們看到的圖片本質上都是一些數據，而這些數據組合在一起就是我們所說的矩陣或者向量.這樣，學生從生活中的實例理解矩陣，就不會覺得那只是抽象的概念了.

其實我們在手機或者其他設備上存儲的圖片都包含很多的像素點，每個像素點就是一個碎片，它們共同構成一幅圖像.在存儲器里每個像素點其實都是用0—255的數值來表示不同顏色值的.

以一張彩色圖像為例，我們知道彩色圖像是用三原色R（Red紅色）、G（Green綠色）、B（Blue藍色）3個值代表不同顏色的，每個值的范圍為0—255.這在數學中可以被理解為，任何一種顏色模型其實都是由R、G、B三種顏色所確定的一種空間立體結構.我們借助Matlab軟件設計程序，來讀取一張彩色圖片，提取出它的R圖、G圖及B圖.

我們通過Matlab 的工作區提取四種圖形在計算機內存中的數據存儲形式，即每一幅圖片都是一個多維矩陣，矩陣的大小由圖片的像素值決定，如圖1和圖2.

顯然，R圖像、G圖像、B圖像在計算機內存中是以矩陣的形式存在的，維度都是112*134，而原始圖像是三個這樣的矩陣合并到一起的矩陣形式.教師只要把這個過程展示給學生，學生就會對矩陣對應圖形有一個直觀的認識.

四、圖像的線性變換矩陣

我們在講線性代數的時候有一個重要的概念就是變換矩陣，比方說我們經常講的圖像的幾何變換就是矩陣的線性變換，包括圖像的旋轉變換、縮放變換、對稱變換等，這些變換主要是圍繞著原向量與特征矩陣的相乘，很多書上都有詳細的證明，我們在這里不做過多展示.我們今天要和學生討論的是：現在人工智能的圖像識別技術在用算法之前為什么要將彩色圖像轉化為灰度圖像進行處理，怎么處理呢？

這是因為圖像處理很多時候只需要將圖像的輪廓提取出來，而灰度圖像雖然在色彩上缺少了一部分，但是卻可以使邊界清晰銳化.還有一個主要原因，就是彩色圖像對應的矩陣非常龐大，而將其轉換為灰度圖像后，可以使矩陣的維度降下來，當然計算速度就會大幅度提高.

將彩色圖像轉換為灰度圖像的過程稱為灰度化處理.教材上有多種處理方式，比如采取加權求解Gray= 0.299*R + 0.587*G + 0.114*B，其中R是Red（紅色）、G是Green（綠色）、B是Blue（藍色），這相當于運用了矩陣的四則運算處理.下表是緊接著表1的彩色圖像轉換為灰度圖像的程序，采用的是矩陣的線性變換的方式，程序設計代碼如下：

五、結束語

隨著人工智能技術的發展，高職院校在培養高技能職業人才的背景下，也需要提高學生處理數據、提取模型共性的能力.這就需要我們基礎課教師在進行數學授課的過程中不能只是照本宣科，應該幫助學生把理論和實際模型建立聯系，把枯燥的知識學活.

【參考文獻】

[1]張艷松.人工智能技術在教學中的應用研究：以高職數學教學為例[J].信息記錄材料，2019（06）：130.

[2]黃艷.人工智能技術與高職高等數學課程改革探討[J].才智，2019（35）：94.

[3]張旭.人工智能與高職教育的良性互動研究：以《高等數學》課程為例[J].藝術科技，2019（03）：241.

[4]林偉.人工智能中的數學基礎之一（線性代數篇） [J].高等數學研究，2019（6）：61-62.

[5]謝瑞軍，張圩.人工智能背景下線性代數教學改革的一點思考[J].青年與社會，2019（09）：58-59.

[6]沈卉卉.大數據環境下人工智能與大學數學教育相融合的創新教學研究[J].高等數學研究，2019（04）：113-116，125.