“人工智能原理與實踐”課程體系與教學模式探索

王 超，劉鴻福

（國防科技大學 智能科學學院，湖南 長沙 410073）

引言

近年來，深度學習的發展推動了新一輪人工智能發展浪潮，AlphaGo、無人系統、ChatGPT聊天機器人等重大成果相繼問世，極大地推動了科技創新、產業升級和軍事變革。世界各國高度關注人工智能，相繼出臺了人工智能發展戰略和規劃，有效促進了人工智能產業、學科與技術的交叉和融合。在人工智能人才培養方面，國務院在2017年7 月發布的《新一代人工智能發展規劃》中提出了“形成‘人工智能+X’復合專業培養新模式”的要求［1］。2018 年4 月，教育部印發《高等學校人工智能創新行動計劃》，對“人工智能+X”人才培養模式建設提出了指導，細化了具體落地措施，并提出了開展人工智能普及教育的要求［2］。2020年1月，教育部、國家發展改革委、財政部聯合印發《關于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》，進一步明確了人工智能領域高層次人才培養機制和模式［3］。

在上述政策措施的推動下，國內眾多高校針對計算機類、控制工程類等專業本科生和研究生開設了人工智能相關課程，并結合學校人才培養目標構建了相應的內容體系，就教學案例、課程思政、實踐教學開展了改革和實踐，取得了較好的效果［4-7］。

為適應軍事智能化發展和高素質新型軍事人才培養需要，國防科技大學在面向理工類人工智能/控制科學方向研究生開設“人工智能”課程的基礎上，面向理工類非人工智能專業方向研究生開設了“人工智能原理與實踐”課程。

一、學情分析

“人工智能原理與實踐”課程面向學校20多個專業的研究生學員開設，學員來源廣，專業背景豐富。為更好地掌握學情，了解有學員的學習意向、課程基礎和學習目的等，以便有針對性地開展課程體系和教學模式設計，通過問卷調查方式得到學情分析結論如下。

（一）學習意向

學員學習該課程的意向強烈，積極性高。希望通過人工智能理論、方法、應用及前沿的學習，提升人工智能素養。

（二）學習基礎

多數學員未學習過人工智能相關課程，知識基礎參差不齊。受本科階段培養方案所限，多數學員未修學過人工智能前導課程，但也有少數學員開展了人工智能知識的自學，并動手編寫實現相關程序。

（三）學習目的

學員希望通過人工智能相關知識的學習，找到與自身課題研究方向的結合點和切入點，為后續研究提供幫助。

二、課程體系設計

人工智能知識體系龐雜，從目前國內高校普遍開設的人工智能課程來看，知識點構成和組織差異性較大。對于無人工智能基礎知識的學員來說，單純從符號主義、連接主義和行為主義三大學派中抽取知識點進行講授，內容間關聯性不足，體系性不強。對此，課程以智能Agent設計為主線，根據Agent所處環境，主要講授完全可觀環境下的搜索和規劃技術、對抗環境下的博弈技術、未知環境下的知識表示與推理技術以及各類典型環境下的機器學習技術。

具體地，在知識單元劃分上分為搜索策略、知識表示與推理、機器學習三大部分。課程總體設計如圖1所示。

圖1 “人工智能原理與實踐”課程總體設計

理論教學內容30學時，分為《緒論》《搜索策略》《知識表示與推理》《機器學習》四章內容。其中《緒論》2學時，主要講授人工智能的概念、發展歷程和應用、智能Agent等內容。《搜索策略》6學時，主要講授問題求解Agent、搜索問題表示、盲目搜索策略、啟發式搜索策略、博弈搜索等內容。《知識表示與推理》8學時，主要講授邏輯Agent、命題邏輯、一階謂詞邏輯、規劃問題與算法、不確定知識與推理等內容。《機器學習》14學時，主要講解機器學習概念、有/無監督學習方法、人工神經網絡、感知器模型、BP網絡模型、深度學習、強化學習、深度強化學習等內容。

在《搜索策略》和《機器學習》兩章開設實驗，各2學時。每個實驗設計基本問題和進階問題，一是保證基本知識內容的覆蓋，所有學員需完成基本問題，完成對基本算法的實驗和驗證；二是在完成基本問題的基礎上設置進階問題，滿足不同學習需求和能力水平學員的需要。

前沿研討環節2學時，要求學員結合自身興趣和學科方向選定相應領域前沿研究，提交綜述報告并作課堂匯報，完成文獻報告檢索、要點總結提煉、匯報交流全流程，拓寬學員研究視野，提升概括凝練能力，為開展科研工作奠定基礎。

三、教學模式探索

結合課程組在講授人工智能相關課程中的經驗心得，從課堂組織形式、教學案例設計、課程思政融入和實踐教學等方面進行教學模式探索，提升課程教學效果。

（一）充分利用網絡化信息化教學手段改進教學方式

人工智能課程知識點龐雜，部分算法難以理解，若采用傳統的“填鴨式”“灌輸式”教學方式，則難以調動學員的學習積極性，學員參與度較低，影響教學效果。對此，探索網絡化信息化手段與傳統課堂授課的有機結合，將其貫穿課前教學準備、課中教學實施和課后復習全流程。依托國內外知名高校、機構及本校自建的網絡公開課，安排學員開展課前預習和課后復習。利用雨課堂輔助課程教學，課堂上實現內容講授、課堂提問和互動，充分調動學員的課堂積極性，隨堂了解學員對教學內容的掌握程度；課后及時發布在線作業，實現教學內容的鞏固。同時，基于網絡公開課程、微信公眾號等在線資源，探索開展線上線下混合式教學，滿足不同基礎、不同學習節奏學員的知識獲取需求。

（二）以教學案例促進算法理論與實際應用相結合

針對人工智能算法抽象、難以理解等問題，從知識點和理論算法本質出發，結合軍事應用和前沿應用尋找典型應用場景，設計教學案例。在教學案例設計中，注重軍事性、貫通性和參與性。

1.軍事性就是以人工智能在軍事中的典型應用為背景，融合知識點，讓學員深入了解所學內容在軍事上的具體應用，內化為解決特定實際問題的思維方式，突出“為戰育人”。

2.貫通性是指用某個具體問題貫穿單一章節多個算法的講授，讓學員嘗試用不同方法解決同一個問題，對比不同方法得到的結果，更好地掌握方法的優缺點和特性，培養學員具體問題具體分析的辯證思維。

3.參與性是指要突出案例的設計感，能夠吸引學員注意力，引導學員開展游戲式、研討式互動，在輕松的課堂氛圍中完成知識的傳授和理解。

課程教學案例如表1所示。

表1 課程教學案例表

（三）以課程思政強化立德樹人

圍繞立德樹人，結合人工智能知識點，從多角度凝練思政元素，并將其融入課堂教學全過程，培養學員的科學倫理、創新精神和使命擔當。

1.科學倫理方面，通過講解人工智能技術濫用會對個人隱私和安全產生影響、“Deepfake”等用于詐騙謀取私利，分析人工智能發展對人類社會產生的影響等方式，提高學生的風險意識、敬畏意識和審慎態度，讓學員意識到正確的世界觀和價值觀對于人工智能研究與應用的重要作用。

2.創新精神方面，通過講解人工智能的發展歷史，引導學生要勇于開拓，敢于創新；通過講解深度學習的發展和興起過程，引導學員要堅定信念，持之以恒，向著選定的目標奮進。

3.使命擔當方面，通過講解人工智能的軍事應用，鼓勵學員腳踏實地，努力學習，在軍事智能化發展中做出貢獻；通過對比分析國內外人工智能支撐軟硬件的發展現狀，讓學員意識到基礎研究和自主創新的重要性，引導學員抓住機遇，勇于創新。

（四）以實踐教學提升綜合能力

搜索實驗主要基于UC Berkeley人工智能導論課程的“Pacman（吃豆人）”平臺開展。選用基于Python的平臺開展實驗，提高學員對于熱門編程語言的應用能力。其中，搜索實驗包括路徑搜索問題和博弈搜索問題，在平臺提供的基礎代碼上，開展基于盲目搜索和啟發式搜索的問題求解、擴展搜索問題表示與求解、多Agent協同問題求解。博弈實驗主要實現minimax博弈算法和α-β剪枝博弈搜索算法等。

機器學習實驗包括基于CNN的圖像識別實驗和進階實驗，讓學員在完成CNN設計和訓練的基礎上，進一步應用遷移學習在開源數據集上進行大規模樣本下的圖像分類實驗，提升對于機器學習方法的理解和能力。

（五）存在問題及改革計劃

1.教學內容方面，考慮學時限制及學員的學科基礎等因素，當前知識體系在廣度和深度上還需加強。對此，將根據學員的反饋凝練教學內容，增強知識點的覆蓋度與前沿性。

2.課程案例方面，目前課程教學案例與學員學科領域的結合不夠緊密，需要分析學員關注的焦點方向并開展深度調研，針對具體專業設計案例體系，形成面向不同專業的課程案例體系。

3.課程思政方面，需要深入挖掘思政元素，完善思政教學融入方案，形成涵蓋知識點、思政點、教學形式、實施流程等內容的思政教學案例庫。

4.實驗教學方面，實驗問題對于課程知識考查的全面性不足，未開設知識表示和推理實驗。對此，要豐富和完善實驗內容，聚焦各選課專業人工智能具體引用設計題目，實現課程實踐與實際應用的良好銜接。

結語

立足當前課程體系和教學模式，“人工智能原理與實踐”課程已完成首輪授課，教學過程順利，反響良好。下一步，課程組將結合教學實際不斷完善課程體系與教學模式，開展教學改革與實踐，提升課程質量，為學員形成人工智能素養奠定堅實基礎。