地方高校人工智能專業課程體系建設路徑探究

呂 佳，曾夢瑤，彭港建

（重慶師范大學 計算機與信息科學學院，重慶 401331）

0 引言

“人工智能”的概念在1956 年美國召開的達特茅斯會議上正式被提出，隨著時代的發展，加上理論和技術的不斷創新，以及工業界推出的各行業智能系統在其領域的成功落地，人工智能技術已廣泛應用于人們的日常生活，并深刻改變著人類社會的生活方式、生產工具和就業結構。2016 年起，美國、日本、歐盟等國家和地區都發布了人工智能戰略計劃。為滿足人工智能時代的人才需要，國務院于2017 年發布《新一代人工智能發展規劃》（以下簡稱《規劃》），旨在加快建設創新型國家和世界科技強國［1］。為落實《規劃》精神，教育部于2018 年制定了《高等學校人工智能創新行動計劃》（以下簡稱《計劃》），要求“引導高等學校瞄準世界科技前沿，不斷提高人工智能領域科技創新、人才培養和國際合作交流等能力”［2］。當前社會智能化全面普及，人工智能產業成為經濟發展的新引擎，國家出臺的上述政策表明了發展人工智能專業人才的決心，并且也為高校尤其是地方高校人工智能專業在當前時代背景下培養創新人才指明了新的方向。

1 相關研究

目前，在教學模式、課程體系建設等方向，國內有大量高校教學工作者進行了改革探索。陳娟等［6］將成果導向的教學模式與人工智能課程教學相結合，通過組織學生參與科研實驗，激發學生興趣，以項目成果作為驅動，推動基于成果導向的教學改革；賴韓江等［7］通過構建基于學者網的協同教學平臺，利用線上教學的海量學術與科研資源，以學生為中心，建立包括教學協同、過程協同、科研協同的三層階梯式協同交互方式，從而激發學生的創新思維，提高學生的學習效率與科研能力；魏娜等［8］根據人工智能專業人才要求實踐能力強的特點，改革了傳統純理論教學的教學方式，將多種教學手段綜合應用到課程教學中，探討了人工智能導論課程教學方法改革；韓士元等［9］根據人工智能專業的強融合性，探索了多學科交叉融合下的學生創新能力培養模式，從頂層設計、課程體系、產教融合等多方面著手，以期為國家培養人工智能領域具有創新與開拓精神的高層次人才。

美國許多高校在人工智能專業人才培養方面已經有一套較為成熟的方案。例如，麻省理工學院發揮電子工程與計算機科學系的優勢，統籌計算機科學與人工智能實驗室、微系統技術實驗室、電子研究實驗室等多個實驗室的資源，開展人工智能專業教學［10］；斯坦福大學以計算機科學系為核心，在生物學、語言學、機械制造等多專業跨學科交叉培養人工智能專業人才［11］；哈佛大學在人工智能專業課程體系中開設了醫學、生物、自動駕駛等跨學科課程，并且加強人工智能人才的算法分析與軟件設計創新能力培養［12］。

由國內外大學的培養方案可以看出，各高校利用自身學科平臺優勢，建設以人工智能為核心技術支撐、交叉學科為背景的方案是當前主流選擇，但是地方高校發展人工智能專業有著自己的困境，而且他們的困境還與雙一流等高校不同，地方高校現有的人工智能專業建設明顯存在以下問題：

（1）專業體系建設尚不明確。地方高校面對新興學科時，受限于自身發展水平，對于新興學科的課程設計沒有足夠的成本與能力去試錯。比如：應當開設哪些課程，這些課程開設的先后順序應如何設置，需要哪些學院的教師輔助開展教學？在設立專業時，上述問題對于地方高校而言都需要進行考量。

（2）師資力量短缺。人工智能是一門多學科交叉融合的專業，計算機、數學、深度學習等課程知識缺一不可，地方高校的師資相較于雙一流高校本就是短板，僅僅依靠一個院系的教師無法滿足教學需求。若貿然增設以其他學科為背景，人工智能學科為手段的交叉學科，則會更加加重地方院校的師資力量短缺問題，而且地方高校所在平臺也較難吸引和留住具有人工智能專業知識的研究人員和學生，導致課程質量下降，并阻礙學生的專業發展。

（3）產研學結合難度大。地方高校往往難以與知名企業建立產研學合作關系，這會對發展人工智能專業的實踐教學和科研活動造成影響。而且，現有人工智能專業的課程體系中設置了過多的理論課程，忽視了學生的實踐能力培養，而僅僅依靠計算機方面的知識，工程實踐能力得不到提升，當涉及到以某一具體的行業為背景時，無法解決具體行業問題，產研學的結合就必然不緊密。

本文從解決上述困境的角度出發，以智能醫學工程專業為例，探索地方高校培養專業人才路徑，為地方高校培養創新人才提供參考。

2 人工智能學科現狀

根據《人工智能發展報告2020》［3］，美國的大學和研究機構在人工智能各細分方向上的發展較為全面且均衡，在機器學習、計算機視覺、自然語言處理等10 多個子領域的發展居于全球領先地位。與美國相比，中國在語音識別、多媒體、可視化和物聯網等多個領域處于領先地位，但是中國人工智能領域不管是人才數量，還是人員結構與美國都還存在一些距離。從人才數量上來看，美國全球高層次的學者有1 244 人次，占比62.2%，是中國人工智能高層次學者數量的6 倍以上，而相關產業的從業人員數量美國是中國的一倍左右。從人員結構上來看，美國在理論層和技術層處于領先地位，體現在2010-2019 年10 年間共有16位圖靈獎獲得者，其中美國培養并擁有八成以上的圖靈獎得主，而中國人工智能產業領先領域則主要集中在應用層，中國在智能家居、智能終端、機器人等領域均處于世界前列。

為盡可能地促進國家戰略實施和產業智能化升級，各高校自2018 年以來根據教育部指示陸續創辦人工智能學院，并開設人工智能相關專業。2019 年9 月，全國首批獲得人工智能本科專業建設資格的35 所高校開始招收人工智能專業本科學生，其中雙一流高校占比近60%［4］。截至2021 年，國內開設人工智能本科專業的高校已達345 所，開設該專業的學校層次遍布于各部署高校到市屬院校，甚至于地方民辦高職院校均有涉及［5］。還有高校基于自身其他特色專業，與人工智能專業結合，開設了與人工智能相關的“生物信息處理”“智能制造工程”“醫學信息工程”等專業，但是脫胎于傳統計算機專業的人工智能相關專業無論在課程體系建設、人才培養方案還是產學研結合上均較為欠缺。

因此，在當前各行業產業數字化的背景下，也亟需一套以學生為主體，符合人工智能專業學習曲線，契合企業需求，緊貼地方高校師資力量的實際情況、專業場景等方面的人工智能專業人才培養方案，確定地方高校基于產研學結合的人工智能人才培養方向。

3 人工智能專業課程體系建設

人工智能學科旨在培養研究智能系統基本理論、算法設計以及系統建設等問題的高級復合型專業人才［13］。自2019 年全國首批35 所高校招收人工智能本科專業學生以來，諸多高校增設人工智能專業并逐漸擴大辦學規模，希望能夠盡快填補人工智能專業的人才缺口。然而，部分高校在構建培養體系時沒有結合院校自身實際，未確定合理的目標和發展路徑，盲目跟風，培養出來的人才不能切實有效地為地方科技服務，無法適應社會需求。因此，地方高校應結合學校特點、教育教學規律、優勢以及人才培養目標，依托計算機、自動化、大數據等專業基礎，按照現有的行業發展趨勢和市場應用特點開設人工智能基礎課程，并拓展相關的專業課程，延伸專業應用，形成新的專業特色和優勢。

3.1 建設路徑

人工智能專業是一門以計算機科學為基礎，涵蓋數學、哲學、心理學、計算機網絡等多領域的交叉型學科，其應用場景不固定，很多學科都能與之結合，形成一門交叉學科。但是，人工智能專業需要較高要求的數理基礎知識，將理論與實際聯系起來，這就決定該專業的課程體系不能完全照搬計算機專業的設置，地方高校應在明確本校培養目標的前提下，制定清晰可行的路線。以某一醫科大學的智能醫學工程專業為例，這門專業能培養出從事智慧醫療、智能醫學影像等方面的工作的醫工復合型人才，考慮到實際需求，按照以下路徑推進：

（1）以當前計算機類課程為基礎，加強人工智能必修課程教育教學，如人工智能導論、機器學習、數據結構等，并豐富人工智能相關數學類課程，如概率論與數理統計、隨機過程、數值分析等。雖然，人工智能是一門交叉學科，但需要較強的計算機基礎知識，計算機類的核心課程也是人工智能的核心課程，熟練掌握計算機類的知識是深入學習人工智能領域的基石。而在工作中，面對現代工程中的一些問題，需要用倫理道德對工程倫理問題進行評判，通過開設“工程倫理”“自然辯證法”“中國特色社會主義概論”等思政公共必修課，培養學生良好的職業道德、職業精神與愛國情懷。

（2）根據本校其他特色優勢專業，結合人工智能人才培養目標，利用人工智能專業強融合性，加強學科之間的聯系，建立跨學科專業的合作機制，培養交叉學科人才。智能醫學工程專業既需要了解生理學、病理學、組織胚胎學等這些醫學背景的基礎知識，還需要學習結合了計算機知識的醫學決策分析、醫學圖像處理、醫學統計學等融合課程。只有具有一定的應用背景，才能真正實現具有自身優勢和特色的人工智能人才培養目標。

（3）人工智能專業人才需要有較強的編程能力，難點在于將抽象化的數學模型通過編程的形式實現，涉及到具體的應用背景時，又需要將實際背景能夠用數學模型表達出來，結合算法分析設計的具體環節，即能夠將編程、背景、數學模型三者較為完美地結合起來，要求學生具備良好的專業素養與實踐能力。但由于人工智能專業面臨著計算資源需求高、應用場景復雜、實驗框架環境多樣等問題，傳統以單個設備或模擬仿真為主的實踐教學已無法滿足人工智能課程的實踐教學需要［14］。這就需要地方高校與企業合作，依托知名企業的人工智能實踐平臺，提高學生的專業素養與實踐能力。

上述路徑從學生的知識、能力和素養三大核心要素出發，以計算機專業課程知識為基石，交叉學科的背景作為能力提升，專業素養與實踐能力為抓手，實現人工智能專業跨學科的技術交叉融合。具體的課程體系架構如圖1所示。

Fig.1 Course system architecture圖1 課程體系架構

3.2 課程體系方案

人才培養方案反映了高校對該專業培養方向的定位，課程體系設置則是人才培養的根據。當前，國內高校人才培養方案的修訂多以工程專業認證的考核為準，以滿足工程專業認證的要求進行。各高校對人工智能這一新興交叉學科到底開設哪些課程、怎么設置課程結構沒有統一要求和說法，因為各高校自己的人才培養特色和目標不盡相同。但就總體而言，人工智能專業的課程體系主要分為4個部分：公共基礎、專業基礎、專業方向（選修與必修）、實踐教學。公共基礎和專業基礎注重培養學生基礎，各高校之間差距不大。專業方向和實踐教學這兩部分則體現了高校自身特色，課程開設方面則以高校其他特色優勢課程為導向，如偏電子類、偏網絡類、偏特色應用類等。

如今，不少雙一流高校都給出了人工智能本科人才培養體系的一個規范，從理論方法教學、專業能力提升到實踐應用均有提及［15］。但地方高校相較于雙一流學校，在硬件設施、師資力量等方面都具有明顯短板，因此雙一流的課程體系不能完全適用于地方高校，地方高校需因地制宜，穩步建設符合本校實際情況、人才培養定位的課程體系。地方高校在探索本校人工智能專業的課程體系建設過程中，應從本校的計算機專業課程出發，逐步進行改變，為完善人工智能專業課程體系做鋪墊。以智能醫學工程為例，具體課程設置如表1所示。

Table 1 Main curriculum setting表1 主要課程設置

與計算機專業課程相比，智能醫學工程專業課程具有以下特點：

（1）人工智能與數學緊密連接。當今的種種人工智能技術歸根到底都建立在數學模型之上，在學習人工智能過程中，勢必離不開各種各樣的算法。而對于算法的理解則需要良好的數理能力，需要具備抽象意義上的學習、推理與歸納能力，將許多抽象的內容通過建模的形式表示出來，還要進行算法分析并設計具體環節，這些都需要具備扎實的數學功底，因此學好人工智能，數學基礎好具備顯著優勢。學生通過高等數學、線性代數等課程，對現實中的實際問題進行分析推理、建立模型、計算求解。高等數學是建立模型的基本功，線性代數探究的是如何將對象形式化等，這些都是人工智能理論研究和實際應用必不可少的數學基礎。

（2）應加強計算機專業基礎課程與醫學課程結合的教學。人工智能作為一門以計算機科學為基礎的專業，必須夯實計算機的核心內容，牢固掌握這些專業基礎知識是深入人工智能領域學習的基石，因此每個學期都安排了本專業所需的計算機專業課程，先從人工智能導論這門基礎理論課開始學習，然后開設大數據原理與技術，逐步掌握醫學背景的大數據理論知識，學習醫學數據智能分析與挖掘、醫學應用軟件開發與應用方面的方法和技術。而作為智能醫學工程的學生，也需要掌握一定的醫學理論知識，每個學期開設醫學相關課程，如智能醫學工程導論、生理學、臨床醫學概論等。學生還應當樹立高度的工程倫理敏感性，增強倫理判斷能力，面對工程中的倫理道德問題，用道德倫理準則對工程倫理問題進行評判，保持自身良好的職業道德和職業精神。當學生都具備了一定的計算機與醫學背景基礎知識時，逐步加深課程難度，設置深度學習與醫學應用、醫學圖像處理等課程，保證學習曲線的合理化。

（3）強化學生編程能力。計算機相關學科的學習中，編程能力必不可少，人工智能作為計算機學科的衍生專業同樣如此，因此應當在課程設計中添加針對程序語言類的課程環節，比如帶領學生實際開發一個項目，通過項目化的形式加強工程實踐。大學生新生編程能力普遍較弱，人工智能專業編程離不開Python，面對海量數據的處理，Python 比其他語言更有優勢，后期程序的維護更加容易。因此，適合在第1 學期開設Python 程序設計。針對現有醫學中大量未充分利用的數據，開設醫療大數據技術、深度學習與醫學應用課程，教導學生有效處理與分析，突出對學生醫學信息資源與數據挖掘方面的培養與訓練。后續再安排醫學信息系統等課程，培養具有“創新、實踐與協作”的精神并具備醫學信息處理專門知識的高級應用型人才。

上述課程設置保證了學生在前期能夠盡快掌握智能醫學工程專業所需的數理知識與計算機重要內容，后續的人工智能算法課程與實戰項目，能夠極大提升學生的編程能力與應用能力。經過這一系列的學習安排，避免了數理知識過于抽象、算法代碼看不懂、不會結合背景問題編寫程序等困境。

4 教學實施

4.1 線上線下教學并進

在當前智能化與疫情時代，線上課程資源已經十分豐富，已有許多學校采用線上線下混合教學模式。在這種模式下，學生可以選擇在線下教室上課，也可以通過線上學習平臺進行遠程學習。

對于線上教學模式而言，國內有MOOC、超星學習通等線上學習平臺，通過此類學習平臺，地方高校的學生可以在任何地方、任何時間獲得其他大學發布的優質專業課程，并且方便學生復習和回顧課程內容，隨時查缺補漏，在一定程度上能夠緩解高校師資力量短缺的問題，還可以借助QQ 群、討論論壇幫助學生解除困惑。但是線上教學模式也有一些缺點，比如學生缺乏與教師、同學面對面交流的機會，有些問題難以在線上描述出來，并且學生長期在網絡上學習，沒有教師的直接指導和同學之間的溝通，會缺乏學習動力。

對于線下教學模式而言，這是一種傳統的教學模式，學生可以和教師、同學直接溝通，經過教師的指導，有助于提升學生的學習動力。并且，線下教學模式沒有外界環境的干擾，更有學習的氛圍，有助于學生更好地專注于學習。但是出現疫情、學生生病或其他原因而無法到校上課時，就容易導致學習進度滯后。

線上線下教學模式都有各自的優缺點，地方高校宜采取混合教學模式，通過線上線下教學并進的方式，互相彌補，更好地改善學生的教學環境。

4.2 引進外部師資

地方高校在師資方面與雙一流大學難以競爭，可以采取其他渠道引進外部師資力量，解決校內師資短缺問題。具體做法如下：

（1）建立聯合實驗室。聯合實驗室是指不同的研究機構、企業或者高校共同建立的實驗室，引進來自其他研究機構或企業的人工智能相關專家擔任教師，讓學生感受企業的前沿技術。而與其他高校的聯合，則可以實現師資力量的聯合。就智能醫學工程專業而言，可以與醫院展開合作，進行各類疾病的研究；也可以與其他醫科大學進行合作，畢竟醫科大學的優勢學科不一樣，不同高校合作可以彌補自身學科短板。

（2）建立師資回流機制。地方高校可以建立師資回流機制，盡可能為優秀的人工智能教師提供優厚待遇，讓曾經在學校任教的教師回到學校任教，為學校帶來更多的教學經驗和人才。還可以讓優秀應屆畢業生或有意愿回到學校任教的教師回流，對這類教師開展師資培訓項目，讓他們接受人工智能方面的專業培訓，以備不時之需。

4.3 搭建校企合作伙伴

地方高校往往難以與國內知名企業建立產學研合作關系，這會對發展人工智能專業的實踐教學和科研活動造成影響。可以考慮與地方企業建立合作關系，具體措施如下：

（1）建立合作機制。高校與地方企業建立各種形式的合作機制，如科研合作協議、科研項目合作、技術轉讓協議等，以促進科學研究與產業之間的合作。

（2）創建創新平臺。建立各種形式的創新平臺，如科技園區、科技孵化器、創新中心等，以促進科學研究成果的轉化和產業發展。

（3）創建轉化機制。人工智能專業作為一門多學科融合的學科，極其容易產出成果，如智能醫學工程專業，可以使用深度學習中的各類方法去識別各類疾病，在智能化診斷疾病方面已經有很多成效。但是其在成果轉化過程往往面臨許多問題，應建立合理的轉化機制，使研究成果得到有效轉化和應用，從而促進科學研究與產業之間的結合。

5 結語

人工智能已經成為新一輪科技革命的重要代表之一，已經發展成為全球經濟發展的強勁動力，許多如制造、生物、農業、醫療等與生活息息相關的行業，將人工智能技術應用到產業生產中，推動行業的智能化轉型。而中國政府看到了人工智能的發展潛力，在過去幾年里，頒布了多項政策，對人工智能促進高等教育改革提出了明確的指示和要求。對于地方高校而言，充分發展以人工智能為代表的新型交叉學科將是實現教育體系變革、發展升級的關鍵。但是中國對于人工智能領域人才培養方案尚處在探索階段，而地方高校受限于師資力量、硬件設施等多種原因，不管是對于人工智能專業的基礎理論研究，還是與其他學科的交叉應用都有所欠缺，有的高校甚至于盲目跟風，創建一些不符合其實際發展需要與定位的學院、專業，這極大拖累了人工智能專業人才培養。

在課程建設體系方面，地方高校應著眼于自身發展需要，不盲目跟風，緊貼本校特色、其他優勢專業和所在地區的優勢產業，科學地發展人工智能專業。在師資力量與產研學結合困境方面，通過整合教學資源，采用線上線下混合教學、引進外部師資、搭建校企合作伙伴等操作進行突破。總而言之，地方高校需放眼于未來，根據實際發展提出培養目標，在建設中制定并不斷改進培養方案，與地方企業建立良好的合作關系，及時將實驗成果加以轉化應用。