人工智能時代“微機原理與接口技術”教學探討

馬義德 張紅娟 張在峰 陸福相 湯書森

(蘭州大學 信息科學與工程學院, 蘭州 730000)

“微機原理與接口技術”是教育部規定的綜合性大學電子信息方向的專業基礎課與專業主干課,也是信息學科相關專業,如信息與通信工程、電氣工程、控制科學與工程、計算機科學與技術等專業的必修課程,是后續嵌入式系統相關多門課程的計算機應用軟硬件學習的重要紐帶和橋梁。

“微機原理與接口技術”是一門面向應用的、具有很強實踐性與綜合性的課程,具有以下特點:工作原理與編程方法、接口技術并重;軟件與硬件結合;理論與實踐結合。課程的學習要求學生具備一定的軟硬件基礎,并能夠在課程學習的基礎上,融會貫通,舉一反三,為后續專業課程的深入學習和微型計算機新技術的發展奠定基礎[1]。

隨著計算機新技術,特別是集成電路技術和人工智能技術的發展,與“微機原理與接口技術”課程相關的新知識、新概念、新技術層出不窮,如何在講授課程基本知識的同時,擴展新技術、新概念與新理論的延伸學習,如何用開放的思路進行課程的教學實踐與研究,使得該課程的教學與人工智能相關新技術緊密結合,并延伸和擴展到GPU技術、機器學習、深度學習等新理論新技術的開放性、探究性教學實踐中,培養學生興趣、吸引學生熱情、引導學生主動思維和自主學習,要求學生在掌握課程關鍵知識單元和基本模塊的基礎上,通過線上線下結合,課堂翻轉等手段,主動探究和學習人工智能領域的相關新知識,是新形勢下我們教學團隊面臨的新任務。結合十多年來對該課程的教學實踐與經驗積累,我們嘗試進行了多項教學改革與研究。

1 掌握關鍵知識模塊

“微機原理與接口技術”是信息學科相關專業學習計算機工作原理和應用的重要課程,也是嵌入式系統相關后續課程學習的重要紐帶和橋梁。課程面向應用,具有很強的實踐性與綜合性,主要講述微型計算機硬件電路體系結構和工作原理、微型計算機匯編語言編程原理和常用接口芯片使用方法、中斷控制、DMA訪問和程序控制的輸入輸出技術等的基本原理、對應芯片及其應用技巧。

如何在傳授“微機原理與接口技術”課程關鍵知識模塊后,引導和培養學生探究性學習其他基本知識單元,進一步培養學生的自我學習和主動學習能力,是重點要解決的問題。通過多年的教學實踐,課程的關鍵知識模塊主要總結為如圖1、圖2和圖3所示的知識單元。

圖1 關鍵知識單元模塊一

圖2 關鍵知識單元模塊二

圖3 四個關鍵知識單元模塊及其關系

圖1所示關鍵知識模塊一包括:CPU相關知識單元、存儲器相關知識單元和I/O 接口相關知識單元。

在講解CPU知識單元時,要講透8086 CPU的編程結構、尋址方式與指令系統、匯編語言程序簡單設計技巧等內容。

在講解存儲器技術知識單元時,要講透8086 CPU對存儲器的分段管理機制及訪問、動態存儲器刷新、全地址譯碼與部分地址譯碼等主要內容。

在講解I/O 接口技術知識單元時,要講透8086 CPU對I/O接口的獨立地址編碼與統一地址編碼、中斷技術、DMA訪問技術和程序控制的輸入輸出方法等內容。

圖2所示為關鍵知識單元總結模塊二,主要是8086 CPU編程結構知識單元的進一步細化,重點講透CPU的執行單元EU、總線接口單元BIU(包括通用寄存器和專用寄存器組)、對存儲器RAM的奇、偶地址體的分塊訪問、對I/O接口的讀寫訪問等知識點。

圖3總結了課程四個關鍵知識單元模塊及其關系的總結,描述了8086 CPU如何通過系統總線對內存和I/O接口進行訪問。

2 建好線上平臺,培養探究學習

受到疫情影響,線上學習和教學研究是未來相當長一段時間內高等教育教學與科研活動發展的大趨勢。為此,線上教學環境建設、軟件操作、平臺持續升級、線上資源的豐富與持續更新非常重要。鼓勵學生線上聽課,培養學生基于網絡平臺課程信息資源的主動學習,是未來教學中最重要的途徑之一,更利于在新形勢下的高等教育教學質量的不斷提高。

隨著互聯網技術、信息技術及人工智能技術的快速發展,線上網絡教學資源逐步豐富,學生們可以通過多種通道獲取知識,同時,教師線上教學可以采用多種網絡在線平臺提供的線上資源[2],把傳統的課堂講授通過視頻或課件上線前移,學生通過碎片化時間的個性化學習,然后帶著知識基礎走進課堂,線上和線下教學模式相結合,利于課程教學質量的進一步提高。

課程教學團隊基于超星平臺完成了課程教學資源信息化建設,上傳了“微機原理與接口技術”課程教學課件,錄制了相關知識單元的視頻錄像,實踐了線下教學和線上線下混合式教學模式,學生與教師之間可以通過騰訊會議、超星學習通app、微信、郵件進行互動交流。學生們通過各種線上終端可以預先學習[3-4]如圖3所示的課程相關基本知識單元內容;線上線下結合,線下教師在講透圖1、圖2的相關關鍵知識單元模塊的基礎上,學生課后再通過網上自主學習和查閱相關文獻,進行相關知識單元的擴展延伸,從而逐步引導學生積極學習,提高協作學習能力。學習能力強的學生可以提高綜合學習能力,基礎薄弱的學生可以扎實地學習基礎內容[5-9]。

3 實施課程思政,講好新故事

“微機原理與接口技術”教學團隊積極按照《蘭州大學關于課程思政建設的指導意見》要求,深入發掘和提煉課程思政內容,并進行總結融入和教學設計。

通過對當前國家對卡脖子技術發展的政策學習和移動通信技術、嵌入式系統及相關操作系統發展需求調研,結合課程具體單元,課程團隊成員積極討論,深入分析,進行教學設計,將愛國情懷、法制意識、社會責任、人文精神、仁愛之心等思政要素深入融合到課堂教學各個環節中,激發學生認知、情感和行為的認同,實現知識傳授與價值引領相統一、教書與育人相統一。培養學生的愛國情懷,培養學生積極探索、自力更生、刻苦鉆研、奮進求是的科學精神。總結起來,形成的課程思政教育內容與教學設計內容如表1所示。

表1 課程思政內容與教學設計

4 結合AI技術,鼓勵學習新知識

在講清講透關鍵基本知識模塊的同時,如何結合最新的人工智能相關科研動態和技術發展,引領學生對相應新知識的擴展和延伸學習,是培養學生對“微機原理與接口技術”課程學習興趣的重要環節。

4.1 CPU技術的發展與GPU的誕生

機器學習是人工智能的核心技術,是專門研究計算機如何模擬或實現人類的學習行為,以便獲得新的知識或技能,或者重組已有知識使之更加完善的一門技術。機器學習技術的發展離不開高性能高速度的CPU芯片,更需要大容量高速訪問的內存技術的支持。

8086 CPU的數據線寬度、尋址能力及時鐘頻率均遠遠不能滿足目前大數據、網絡海量圖像信息的傳輸與處理,尤其是目前快速圖像處理環境的應用需求。GPU是專門設計用來處理圖形圖像的處理器,其時鐘頻率一般以GHz計,由上千個能同時進行類似乘加運算的高速多核處理器組成,允許128GB以上的存儲空間訪問,迎合了深度學習矩陣運算、權值與偏置的更新存儲。基于英偉達多種型號GPU的深度學習軟件平臺加速了多種深度學習的神經網絡模型的產生,是我們應該關注的熱點,也是CPU模塊單元學習應該延伸和擴展的知識點,我們在線上網絡資源提供了多種基于深度學習圖像處理的各種熱點文獻,吸引和鼓勵學生自主探究和學習努力。

4.2 高速多核CPU與深度學習

目前的CPU一般是4～8核,對應有多核的操作系統延伸,是整個計算機系統的核心單元,是系統總線、存儲器、I/O接口進行信息交換的管理者,是數據運算的執行者。深度學習模型是從淺層人工神經網絡模型發展而來的網絡層數可以多達幾百的多神經元連接的人工神經網絡模型,需要同時進行上萬個高速乘加運算,其權值、偏置的數量達億,而經典的8086 CPU的指令系統專門設計的乘/除法指令是其所有指令中字節數最多,執行時間最長的指令,根本不適合深度學習的這種大量高速簡單并行的乘加運算需求,深度學習訓練中的反向傳播算法,對存儲器空間的需求更大,并要求在有限的時間內完成對龐大數量的參數進行優化處理。通過GPU的并行處理,充分發揮其高速、多核、并行、超大存儲空間的訪問等優勢,比常規的CPU快幾十倍以上,特別適合連續訪問內存且不包含分支條件計算的強大算力要求。以GPU為中心的并行計算系統獲得快速增長。例如,英偉達研發的以其GPU為主的大型圖形圖像處理系統占據了深度學習研發平臺的主要軟硬件市場份額,其GTX10系列顯卡相對于GTX9系列就有巨大進步,尤其顯存越來越大,可以支撐的深度神經網絡模型也越來越大;而RTX30系列顯卡相對RTX20系列則在核心處理器上有了很大的提升,可以加快深度學習模型的訓練速度[10],特別是深度學習神經網絡在圖形圖像處理中的應用,例如:醫學圖像病灶分析監測與分割,腫瘤圖像良惡性的判定與分類等等,都是龐大的矩陣運算過程,特別適合GPU的優勢發揮。在我們的“微機原理與接口技術”課程線上資源平臺,專門提供了一些矩陣運算的相關圖像處理應用的深度學習熱點文獻,培養學生對課程衍生學習的熱情與興趣,擴展知識面,并與人工智能的發展應用相結合。學生們通過自主探究學習,可以進一步了解和掌握基于GPU的數據處理的專用計算機系統的工作原理及應用過程。

4.3 匯編語言與Python語言

匯編語言是基于8086 CPU指令系統產生的低級程序編寫語言,具有占有內存空間小、CPU資源少、執行效率高的優勢,但缺點是編程繁瑣,尤其對于大量數據處理的環境,匯編調試實現效率低下。匯編語言切合了CPU的指令系統,是與硬件結合最緊密的編程語言。人工智能時代,需要對海量數據及多種采集圖像的高速處理,需要大量的簡單乘加快速運算。Python語言是一種解釋性的高級語言,經過20多年的發展,包含了功能完備的標準庫和第三方庫,直觀性強,針對圖形圖像處理、大數據處理的用戶編程需求,其數據處理軟件包NumPy擅長矢量、張量、矩陣運算,適合應用于深度學習的圖像處理研究。其擁有的龐大的C語言編寫的數學函數庫,執行效率高。另外,圖表繪制和圖像顯示外掛模塊Matplotlib能完成圖表繪制、散點圖和圖象顯示、簡單動畫制作等。

作為電子信息工程類專業,多種信號、數字圖像處理學習,離不開Python語言的編程實現。

Python語言是進行基于GPU的計算機系統的編程基本工具,是學習人工智能相關的知識單元、開展機器學習、深度學習編程,必須掌握的必備的知識模塊。

4.4 I/O接口芯片與深度學習網絡的硬件實現

“微機原理與接口技術”課程學習中,可編程I/O接口芯片是首次遇到的集成電路工作模式可改變的電路,之前學習的各種模擬(集成運算放大器)或數字集成電路(數字門電路或觸發器)芯片其工作模式都是固定的,結合可編程技術發展,基于現場可編程門陣列FPGA的人工神經網絡模型的硬件實現是人工智能時代應用非常重要的問題,集成在FPGA內部的多種乘加運算模塊和DSP、CPU軟核模塊等都是基于硬件平臺實現輕量化深度學習的多種神經網絡模型構建的最佳軟硬件學習平臺,是結合人工智能發展的可編程硬件技術學習的重要的知識單元,“微機原理與接口技術”課程團隊在線上資源建設平臺上提供了多個基于FPGA的卷積神經網絡實現文獻鏈接,供學生主動學習,積極探索實踐。

4.5 翻轉課堂,培養主動探索與研學能力

翻轉課堂是一種師生混合的學習模式,要求學生理解課程內容,并通過自主學習知識單元或搜索文獻學習,將問題和想法帶入課堂,然后進行師生互動討論,教師提供更加個性化的指導[11]。課程團隊積極進行課堂反轉實踐,結合微型計算機技術發展中相關芯片技術難點和我國人工智能技術實現的熱點問題研究,學生通過分組學習,進行相關新技術、新概念以及深度學習的神經網絡新算法的熱點文獻搜集與學習,總結制作PPT,自主上臺講解,教師點評,一起分析討論,在培養學生的信息檢索能力、文獻閱讀能力、團隊合作能力以及自我表達能力的同時,學生掌握了技術前沿動態發展。將深度學習與“微機原理與接口技術”課程知識單元的學習相結合,這種實踐互動,使學生們可以對微機原理相關的最新知識進行探究展望,主動研學擴展。

5 結語

人工智能技術是我國“十四五”發展規劃綱要指定的重點發展的技術領域,人工智能相關技術熱點是電子信息工程類專業學生必須掌握的基本知識單元,而“微機原理與接口技術”課程內容繁多、概念瑣碎、要記憶的知識點多,同時微型計算機技術發展快,新技術與新概念大量涌現,特別是在人工智能飛速發展的新形勢下,如何結合課程關鍵知識單元的講解,擴展延伸新的知識單元,培養和吸引學生對“微機原理與接口技術”課程的學習興趣和學習熱情、進行對人工智能知識點的主動學習和積極探究,如何在“微機原理與接口技術”課程的線上線下混合教學過程中,滲透和衍生擴展相關人工智能的知識單元,是我們教學團隊正在積極探索的課題,這對于我們培養具有自主創新的科學探索精神的高素質專業人才具有重要的現實意義。