人工智能在生物技術專業教學中的研究應用

杜小龍 羅 岸 李少斌 陳 卉 杜何為

長江大學生命科學學院，湖北 荊州 434020

在教育部“雙萬計劃”戰略及“雙一流”建設背景下，對一流學科專業建設提出明確新要求，即人才培養需滿足“面向未來、適應需求、引領發展、理念先進、保障有力”五大要素。其中，生物技術專業處于國家“新農科”建設戰略轉型拐點，使得人工智能技術開發應用與普及迫在眉睫。

當前，基于數字化基礎的人工智能技術在多個層面上重塑了傳統價值鏈，構建了新的學科生態，打破了專業邊界，使學科間交叉不斷涌現，這也成為生物專業教學改革的一個重要突破點。人工智能是引領新一輪科技革命和產業變革的重要驅動力，正深刻改變著人們的生產、生活、學習方式［1］。把握全球人工智能發展態勢，培養大批具有農科及生物專業知識背景的人工智能人才，是本學科亟待開展的一項工作。

一、人工智能與生物技術領域交叉融合的需求背景

人工智能（Artificial Intelligence，AI）即運用計算機模擬相似人類智能，實現思維延伸及學習速度大幅加強，該領域的研究主要包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

當前，人工智能技術已經滲透到生物學科的諸多方面，兩者融合成為時代的雙風口。從生物信息學角度來看，人工智能廣泛應用于如小分子物質結構分析、信號通路推導、藥物研發、工程菌株制備等前沿領域。例如：蛋白信息學分析中，深度學習工具RoseTTAFold可通過篩選大量數據后快速對蛋白質結構進行高精度預測［2］；在藥物設計領域，人工智能輔助系統通過機器學習的藥物篩選與預測模型，可快速篩選出大量具有藥物活性的新化學分子［3］；在植物表型研究中，利用機器學習系統分析不同類型脅迫特征，從而更好解決當地作物種植問題［4］。從生產應用來看，生物技術領域目前使用人工智能主要涉及農業生產及下游產品大規模加工制造等問題，例如：智慧農業領域中，利用傳感器及無人機捕捉作物水分、肥料及營養元素等多參數，結合實際生長狀況，通過機器學習優化農作物生產模式［5］；在食品檢測領域，電子鼻、電子舌等先進設備被廣泛用于油品質量檢測的相關研究項目中，如針對橄欖油香味電子數據進行機器學習建模，以表征產品質量，有效排除其他劣質油摻入［6］。擴展至食品供應鏈及冷鏈儲運方向，人工智能在遠程數字化管理趨于完善的當下，可及時提供食品安全數據，優化配送流程。

面對教研、教學體系深化交融的現狀，生物技術專業以生物學體系為基礎，在創新與混合教學基礎上，如何利用人工智能技術推動生物學科課程與其他相關學科交流，培養適應智慧生物、農業發展前景的人才，不斷為可持續經濟發展提供動力，全面提升我國生物制造產業的核心競爭力，成為本專業當前教學中需考慮的重點問題。

二、人工智能在生物技術專業教學中的實踐途徑

（一）針對專業發展方向，優化人工智能相關課程設置

針對涉足地方數字經濟、智慧生物、智慧農業等企事業單位的人才需求，在高校逐步開設相關人工智能課程，如大數據、“互聯網+”、5G+技術等理論、實踐課程，并深入探索上述課程在生物技術專業的合理比例。大力開展校企合作，讓學生盡量參與人工智能相關課題，熟悉企業項目開發過程，實現人才培養符合生物行業內職業標準；規范人才培養過程中技術指導流程，使學生初步掌握人工智能相關的實用技術，滿足就職及社會需求。實時跟進知識及技術迭代，及時調整教學大綱，完善教學內容。

1.在《人工智能基礎與應用》課程中，針對本院科研方向與特色，邀請行業內專家進行智慧生物、農業技術相關的專題授課，分析實際案例并介紹前沿動態，激發學生興趣，擴展學術思維，包含水稻、油菜智能化生產系統研發與應用，無人機技術在病蟲害防治中的應用以及人工智能在生物醫藥領域的應用等；積極與相關農企、藥企合作，將田間地頭、生產車間的實用知識帶入課堂中。案例如：“水稻病害圖像自動化識別”，利用智能手機或相機在研究地拍攝水稻常見病害葉片（稻瘟病、葉斑病、紋枯病、稻曲病、細菌性條斑病等）及健康的水稻葉片圖像，通過分類整理后采用人工智能算法對特征進行識別并建模，推廣至手機軟件，結合專家系統不斷擴充圖庫，優化模型參數，提高識別精準度，從而實現水稻病害在5G+背景下的快速、高精度甄別，對植保人員及農戶提供及時反饋。

2.在《遺傳算法優化的水稻重金屬污染高光譜反演模型構建》實踐課中，學生通過盆栽脅迫試驗、大田實地采樣及空間遙感的綜合數據分析，對不同生長階段的水稻植株重金屬污染源的遷移、轉運進行規律性總結，探究不同器官受重金屬污染的特征；在多源高光譜數據分析中，針對不同測量偏差對數據本身進行修正、歸一化處理，重金屬元素反演建模中，采用非線性遺傳算法篩除冗余信息，以獲得高精度的偏最小二乘回歸模型。此結果改善了傳統檢測方法的諸多弊端，如：需進行室外取樣、室內化學分析，通常只有農田土壤被重金屬污染后才實施檢測，不能做到提前防控，且只能以點帶面，無法做到大面積監測，十分被動。而高光譜技術結合遙感數據可實現重金屬污染由點到面的大面積主動監測，有助于農業工作者早發現、早治理，做好管控工作。

（二）針對課堂改革要求，提升人工智能教學手段

“新農科”建設中，面對大量前沿理論及新知識，需充分培養學生學習興趣與積極主動學習能力。沉浸式教學過程中，人工智能教學手段的應用能有效解決上述問題。例如：基于5G+人工智能的開放教學系統［7］，運用虛擬現實技術和高速5G網絡構建虛擬教學環境，模擬如實驗室、野外、農田等多種擴展環境場景，使學生身臨其境進行實驗操作或實踐活動，服務端實時記錄過程與結果，用于后續評價。該技術實現課堂教學的實時交互，有效拉近師生間距離，使學生沉浸教學中，提高學習效果。

新冠肺炎疫情防控期間，針對線下教學難以有效實施的現狀，部分高校及時開展教師信息技能培訓，采用如“清華雨課堂”“阿里釘釘”“騰訊會議”等人工智能軟件實現遠程端教學，學生線上聽課門檻低，在遵守防疫政策大前提下，順利完成教學任務。以筆者親身經驗，高校目前對智慧教學軟件的應用還存在普及不全面，使用水平低等問題，例如“雨課堂”高級功能中，存在融入PowerPoint與微信的小插件，可實現多維度的教學數據的全景式采集，通過大數據分析協助教師分析學情。

此外，大部分教學實踐過程中智慧軟件應用與教學設計相互孤立，未能有效與先進教學方法或教學模式相結合，因此，往往未能獲取良好教學效果，反而增加了學生負擔。部分學者針對這一現狀開展了多種復合教學模式探索，將智慧軟件與“翻轉課堂”“探究學習”“反饋互動”“情境教學（PBL）”［8］、“小規模限制性在線課程（SPOC）［9］”等方法結合，使課程質量得到有效提升。

（三）針對人才培養需求，拓展人工智能實踐活動

生物技術是一門實踐性極強的學科，在實際生產中有諸多應用。因此，人才培養需圍繞現代生物學研究前沿及相關領域關鍵技術結合開展，創建如“生物+農業生產”的課程配套實踐體系，以培養技術特色鮮明的人才。例如，《植物生態學》課程中，以作物生長周期中關鍵指標為導向，可引入智慧農業系統［10］及相關資源進行教學。首先，由企業工程師演示系統框架及功能模塊，包含作物生產規劃的“工作流”、作物模型構建及生產資料與工具的數字化、標準化管理。再由任課教師在掌握上述功能模塊的前提下，詳細講解程序中的人工智能算法、智慧農業生產場景、精準農業智能裝備及農業物聯網、互聯網等具體技術應用。最后，安排學生參與“智慧農場案例”的設計中來，并運用不同的算法、模塊進行比較，總結各自優劣，提升應用效果。

（四）針對課程學習效果，建立教學成效綜合評價體系

融入了大數據、人工智能等理論、實踐課程，轉型后的生物技術專業人才培養方案、課程體系均會發生較大變化，需重新建立一套新的教學成效評估體系。建議推行全過程考核，采用理論課堂互動與課下總結、人工智能課外實踐結合的形式，并布置相關思考題、課后題等；考核成績中加入人工智能實踐內容，根據學生學習過程中對知識的理解能力、學習態度、團隊精神、政治素養等進行綜合的初步量化評估；在常規成績考核基礎上，增加融入人工智能技術的開放型考題，適當降低客觀題比重。例如：《試驗設計與統計分析》課程中，不僅要考核學生完成作業及考試情況，還要結合課程大綱目標，設計學生可參與的、運用人工智能技術快速解決某一科學或生產實踐小問題的研學項目，激發學生主觀興趣，從中觀察其角色表現，包括框架設計、算法運用、代碼調試、問題反饋、流程運作等技術能力；同時，結合思政要求，關注其團隊協作、溝通表達、文獻查詢等綜合表現。尤其遇到復雜問題是否畏難、實驗失敗是否氣餒，態度是否端正，習慣及職業規范是否良好，進而對教學成效進行綜合評價。

三、結語

當前，人工智能與生物學科的融合呈現出百花齊放、發展迅猛之勢。“新農科”建設中，數字農業、智慧農業等新興學科崛地而起，高校應充分考慮實際情況，發揮地方科研鏈及產業鏈特色，理論結合實際，從學科建設出發，優化課程設置與教學手段，由淺至深，逐步提升人工智能內容在學科中的占比，為學生進一步接觸相關產業構建大環境、提供背景知識，五育并舉，全面發展，為國家培養出高素質、專業基礎扎實、創新能力強，適應未來信息化需求的高級生物技術人才。