新工科背景下嵌入式人工智能實踐課程教學(xué)體系的研究

周 波，劉亞軍，郭迎九

（北京城市學(xué)院 信息學(xué)部，北京 101309）

0 引 言

自2016年我國正式加入“華盛頓工程認證協(xié)議”后，新工科建設(shè)成為應(yīng)對全球新一輪科技和產(chǎn)業(yè)革命的又一重大戰(zhàn)略選擇。歷經(jīng)“復(fù)旦共識”“天大行動”“北京指南”等一系列探索實踐，我國的新工科建設(shè)向縱深發(fā)展。2018年4月，教育部印發(fā)《高等學(xué)校人工智能創(chuàng)新行動計劃》，要求推進新工科建設(shè)，重視人工智能與計算機、物聯(lián)網(wǎng)、生物學(xué)、心理學(xué)、社會學(xué)等學(xué)科專業(yè)教育的交叉融合，形成“人工智能+X”復(fù)合專業(yè)培養(yǎng)新模式。

《人工智能產(chǎn)業(yè)人才發(fā)展報告（2019-2020）》中指出，目前人工智能產(chǎn)業(yè)人才供需結(jié)構(gòu)不平衡，整體需求缺口較大，人才供給在當(dāng)前面臨的崗位類型和技術(shù)方向上與企業(yè)需求之間存在顯著錯位的嚴重現(xiàn)象；人才供需質(zhì)量不平衡，企業(yè)對創(chuàng)新型、應(yīng)用型、復(fù)合型人才的需求更加突出。

嵌入式人工智能（Embedded Artificial Intelligence, EAI）是以微控制器MCU或應(yīng)用處理器MPU為核心，具備基本學(xué)習(xí)或者推理算法，融合傳感器采樣、濾波處理、邊緣計算、通信及執(zhí)行機構(gòu)等功能于一體的嵌入式計算機系統(tǒng)。目前它的發(fā)展還處于初始階段，其發(fā)展應(yīng)用正與物聯(lián)網(wǎng)技術(shù)有機融合，勢必會引起先進制造業(yè)的深刻變革。

1 現(xiàn)狀及存在問題

1.1 現(xiàn)狀分析

為了搶占科技發(fā)展的制高點，各個學(xué)校都將人工智能作為優(yōu)先發(fā)展的方向，比如清華大學(xué)于2018年成立人工智能研究中心，北京大學(xué)于2019年成立人工智能研究院，中國科學(xué)院大學(xué)于2019年成立人工智能學(xué)院，北京科技大學(xué)于2019年成立人工智能研究院，北京石油化工學(xué)院于2020年7月成立人工智能研究院。通過人工智能與相關(guān)學(xué)科的交叉融合，帶動智能制造、智能醫(yī)療、智能環(huán)保、智能安全、智能材料、智能商務(wù)、智慧管理等學(xué)科領(lǐng)域的升級換代。

目前人工智能的人才培養(yǎng)重理論、輕實踐，注重于機器學(xué)習(xí)算法理論、通用人工智能、高性能計算機模型訓(xùn)練等方面；而在嵌入式人工智能人才培養(yǎng)方面，由于難度大、復(fù)雜交叉性強，缺乏完整系統(tǒng)的教學(xué)知識體系，未能有效地展開教學(xué)，從而無法滿足當(dāng)前對人工智能人才的需求。

以本校為例，在2018年修訂了新的培養(yǎng)方案，計算機科學(xué)與技術(shù)、軟件工程、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)工程、電子信息工程等相關(guān)專業(yè)均以選修拓展課或者方向課的形式開設(shè)了人工智能類的相關(guān)課程。這些課程目前只停留在理論和簡單的數(shù)據(jù)訓(xùn)練層面，無法形成教學(xué)體系，更談不上實踐體系的建設(shè)。

隨著近些年人工智能技術(shù)和MOOC課程的迅速發(fā)展，利用線上線下課內(nèi)課外混合式的教學(xué)資源以及豐富的人工智能實踐平臺，能夠使得大規(guī)模的數(shù)據(jù)訓(xùn)練和模型獲取變得簡便。然而，對于模型的終端部署（嵌入式人工智能）未形成統(tǒng)一的教學(xué)體系，仍然是各個高校普遍存在的共性問題。

1.2 存在問題

（1）資源未有效整合

目前，嵌入式人工智能相關(guān)知識仍分散在各個專業(yè)、各個方向，線上線下的資源魚龍混雜，關(guān)鍵性的核心技術(shù)未有效地公開，需要進行大量的探索，導(dǎo)致學(xué)生學(xué)習(xí)效率極差、無法整合海量的知識，不能利用相關(guān)的技術(shù)真正解決現(xiàn)實的工程實際問題。

（2）課程相關(guān)實驗陳舊

無論是機器學(xué)習(xí)還是深度學(xué)習(xí)等相關(guān)課程，實現(xiàn)具體的算法時，仍然是以傳統(tǒng)的實驗為主，數(shù)據(jù)集經(jīng)典、案例成熟，已無法適應(yīng)當(dāng)今快速發(fā)展的應(yīng)用場景。由于獲取真實的數(shù)據(jù)較困難，導(dǎo)致課程授課難度變大。

（3）軟硬件配置無法有效統(tǒng)一

大規(guī)模的數(shù)據(jù)訓(xùn)練需要高配置的服務(wù)器資源（高性能的CPU、GPU等），并且模型的輕量化裁剪沒有統(tǒng)一的流程和方法，嵌入式端的處理能力更是參差不齊，無法有效地統(tǒng)一，學(xué)生無法抓住學(xué)習(xí)訓(xùn)練主線，導(dǎo)致學(xué)習(xí)時心有余而力不足。

2 實踐教學(xué)研究基礎(chǔ)

2.1 實踐教學(xué)理念

線上線下和課內(nèi)課外的混合式教學(xué)，可以有效解決教學(xué)實踐中學(xué)時不足的問題。利用現(xiàn)有的線上資源，選擇適合學(xué)生特點的相關(guān)資源進行整合，并開發(fā)特色實踐案例。建立起“基本理論-算法分析-數(shù)據(jù)采集-模型訓(xùn)練-輕量化裁剪-模型部署-應(yīng)用測試”的全周期項目資源鏈條。

以結(jié)果為導(dǎo)向（OBE）的項目制教學(xué)，在國內(nèi)外知名高校早已開始廣泛實施。這一教學(xué)理念特別適用于人工智能實踐教學(xué)，具體流程如圖1所示。

圖1 實踐項目流程

2.2 實踐教學(xué)平臺

（1）數(shù)據(jù)獲取平臺

在真實項目的基礎(chǔ)上，依托物聯(lián)網(wǎng)的感知平臺，獲取大量的真實數(shù)據(jù)，并對數(shù)據(jù)做初步的加工處理，初步確定數(shù)據(jù)的相關(guān)特征。

（2）模型訓(xùn)練

依托開源的深度學(xué)習(xí)平臺（比如百度飛槳AI Studio、阿里天池），進行模型的初步訓(xùn)練，再利用現(xiàn)有的本地算力服務(wù)器資源進行模型的再訓(xùn)練，利用訓(xùn)練集進行多次測試調(diào)參。

（3）模型裁剪及嵌入式終端部署

將訓(xùn)練的模型進行蒸餾、剪枝等操作，根據(jù)不同的嵌入式終端，找到符合真實場景的最優(yōu)化模型，進行反復(fù)的測試。

3 實踐教學(xué)研究內(nèi)容

基于新工科的培養(yǎng)目標(biāo)，結(jié)合工程認證的相關(guān)理念，建立人工智能理論與實踐相結(jié)合的教學(xué)體系，不斷完善產(chǎn)學(xué)合作的實踐教學(xué)方法及課程評價方案，研究內(nèi)容主要從課程知識模塊構(gòu)建、教學(xué)方法、評價方案、實施計劃等四個方面展開。

3.1 課程知識模塊

目前我校的培養(yǎng)方案執(zhí)行的是“平臺課+核心課+方向課+拓展課”的模式，受學(xué)時限制，部分核心課程或者方向課程開設(shè)在拓展模塊，并且執(zhí)行過程中均是根據(jù)專業(yè)指定相關(guān)拓展課程，失去了制定拓展課的意義。鑒于人工智能在計算機專業(yè)中共有的意義，在拓展課程中構(gòu)建完整的課程群體系具有一定的參考價值。嵌入式人工智能課程群知識模塊包括四大部分：數(shù)學(xué)基礎(chǔ)模塊、基礎(chǔ)算法模塊、核心技術(shù)模塊和創(chuàng)新應(yīng)用模塊，具體見表1所列。

表1 嵌入式人工智能課程群知識模塊

表1中所列的相關(guān)知識模塊，實際上在各專業(yè)人才培養(yǎng)方案中均有所涉及，但是未成體系。例如數(shù)學(xué)基礎(chǔ)部分的矩陣和概率相關(guān)知識在基礎(chǔ)數(shù)學(xué)中均會涉及到，針對人工智能領(lǐng)域常見的數(shù)學(xué)方法的概括和再現(xiàn)，完全可以放在線上由學(xué)生自主學(xué)習(xí)并完成相關(guān)測試，但并不是否定基礎(chǔ)數(shù)學(xué)的重要性。各個專業(yè)均可以按照自身的培養(yǎng)目標(biāo)，合理地選擇相應(yīng)的模塊。

3.2 教學(xué)方法

鑒于表1中所列的課程要遠遠超過現(xiàn)有的學(xué)時安排，可以逐步建立起網(wǎng)絡(luò)教學(xué)資源，供學(xué)生自學(xué)和選學(xué)，輔助教師串講答疑即可。這種線上+線下的混合式教學(xué)模式，更加符合學(xué)生實際選課的個性化需求，也能解決線下學(xué)時緊張的問題。而對純實踐類課程，教學(xué)方式以培養(yǎng)學(xué)生能力為導(dǎo)向，面向工程實際、項目導(dǎo)向，提高學(xué)生創(chuàng)新和動手實踐能力，實現(xiàn)技能的培養(yǎng)。鼓勵學(xué)生參加各種學(xué)科類開放型的競賽，以賽促學(xué)，比賽的過程及成績可以作為考核評價的一部分。

3.3 評價方案

評價考核體系也是課程群實施的重要一環(huán)，這里會重點研究線上教學(xué)、線上+線下的混合式教學(xué)、純線下教學(xué)等不同模式的考核方式。按照工程教育的評價標(biāo)準(zhǔn)，課程體系的評價方法主要從12個方面進行：①工程知識；②問題分析；③設(shè)計/開發(fā)解決方案；④復(fù)雜工程問題研究；⑤使用現(xiàn)代工具；⑥工程與社會影響評價；⑦環(huán)境和可持續(xù)發(fā)展理解評估；⑧職業(yè)規(guī)范；⑨個人和團隊角色承擔(dān)；⑩溝通；?項目管理；?終身學(xué)習(xí)。

在評價方式方面，重點研究項目+團隊+競賽等全方位的考核，不再以單一的考核方式為主。

3.4 實施方案

（1）線上資源建設(shè)

按照知識模塊內(nèi)容，分批次建設(shè)相關(guān)的網(wǎng)絡(luò)資源，并且可以發(fā)掘?qū)W生“傳幫帶”的作用，鼓勵學(xué)生開發(fā)網(wǎng)絡(luò)資源，開展小組式學(xué)習(xí)，不斷優(yōu)化相關(guān)資源，并逐步開發(fā)測試題集，對線上資源的學(xué)習(xí)有相應(yīng)反饋。

（2）開發(fā)實際應(yīng)用案例

以項目制為依托，結(jié)合教師和競賽中的實際應(yīng)用項目，打通從理論到應(yīng)用的通道。比如在《機器學(xué)習(xí)與人工智能》課程中以機器學(xué)習(xí)和深度學(xué)習(xí)為依據(jù)，著重培養(yǎng)學(xué)生自主搭建深度學(xué)習(xí)框架的能力，貫穿簡單的人工智能案例，達到人工智能與現(xiàn)實場景的高度融合。

依托實習(xí)實踐基地，開設(shè)相關(guān)知識的訓(xùn)練營，引進企業(yè)工程師，促進真實案例在企業(yè)落地，引導(dǎo)學(xué)生提前進入工程項目的實際訓(xùn)練，不斷提高項目實操能力。

（3）以賽促教，賽教融合

以中國軟件杯大賽、全國大學(xué)生人工智能大賽、全國大學(xué)生物聯(lián)網(wǎng)設(shè)計大賽和挑戰(zhàn)杯、國際互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)大賽為依托，將參賽過程的實際表現(xiàn)融入課程的平時成績，最終比賽結(jié)果可直接作為考核結(jié)果，學(xué)生在比賽過程中積累相關(guān)知識和經(jīng)驗，反向促進教學(xué)，真正實現(xiàn)賽教融合。

4 結(jié) 語

新工科的建設(shè)重在學(xué)科融合和交叉，要打破原有的學(xué)科框架，以培養(yǎng)復(fù)合型、創(chuàng)新型人才為目標(biāo)，不斷優(yōu)化理論與實踐知識體系。以最終實現(xiàn)嵌入式人工智能為目標(biāo)，打通從硬件到軟件、從理論到應(yīng)用的完整的培養(yǎng)路徑；利用線上線下相結(jié)合、以工程實際項目為依托的教學(xué)手段，建立起“基本理論-算法分析-數(shù)據(jù)采集-模型訓(xùn)練-輕量化裁剪-模型部署-應(yīng)用測試”的全周期項目資源鏈條，不斷在創(chuàng)新型人才培養(yǎng)上有突破。嵌入式人工智能的人才培養(yǎng)之路才剛剛開始，建立起完整的實踐教學(xué)體系有十分重要的現(xiàn)實意義。