基于項目沉浸式開發與創新點提煉的人工智能課程教學研究

季波 胡雪晨 朱開心

摘要： 分析傳統人工智能教學中存在的問題，提出將人工智能理論教學與項目沉浸式開發、創新點提煉相結合的培養方式，介紹基于項目沉浸式開發與創新點提煉的人工智能教學改革措施，總結基于項目沉浸式開發與創新點提煉的人工智能培養方式中的潛在問題。

關鍵詞：項目沉浸式開發；人工智能；創新點提煉；培養方式

中圖分類號：G642? ? ? 文獻標識碼：A

文章編號：1009-3044（2024）07-0021-03

開放科學（資源服務）標識碼（OSID）

0 引言

隨著人工智能相關行業的快速發展，人工智能算法在各個行業都得到了廣泛應用。人工智能相關專業以培養算法工程師等應用型人才為目標，要求學生不但能理解算法本身，還需要結合具體的應用場景，將人工智能算法靈活地應用到生產、生活場景并解決實際問題。

目前高校的人工智能課程教學偏向理論與算法公式的教學，缺乏基于實際應用場景的教學案例項目的開發，導致學生學習很多的理論與算法，卻無法對標真實的企業崗位要求，有針對性地選擇項目進行沉浸式開發，學到實用的算法。因此，高校需要考慮真實的企業崗位要求與學生找工作算法面試的真實需求，針對傳統的教學模式進行改革，復旦大學的趙衛東提出面向課程群的遞進式教學案例庫一體化設計和基于項目實踐的機器學習課程改革[1-2]。國內的百度 TIC 團隊針對人崗匹配問題提出了一種全新的可解釋性深度學習模型，針對簡歷、崗位、面評的維度進行聯合建模，讓機器學習簡歷和崗位中重要的知識點，然后與題目進行匹配。出題時不僅要考慮到相關性，還要考慮到覆蓋程度和其多樣性[3]。孫英等人對工作技能使用深度強化學習做了工作推薦[4]。中國科學技術大學的徐童從多規則的角度分析工作技能流行度分析，同時對潛在人才進行識別[5-6]。

因此，采用將人工智能理論教學與項目沉浸式開發、創新點提煉相結合的培養方式，將項目中所需要的人工智能知識點梳理形成邏輯鏈，結合項目中出現的不同的應用場景，結合學生的興趣和職業發展路徑選擇合適的項目，然后對標真實的企業崗位要求進行有深度的學習，培養學生主動思考不同場景下的算法選擇，并解決實際工程問題的能力，以增強學生求職過程中的核心技能競爭力。

1 傳統人工智能課程教學存在的問題

目前各高校分別開設人工智能專業，在人工智能的課程教學中，面臨實際的痛點問題是如何結合實際項目講授人工智能算法，培養能解決實際應用場景中算法問題的實戰應用型人才。

1） 人工智能算法繁雜難以速成。人工智能算法眾多，掌握這些算法需要花很多時間消化吸收，而且容易遺忘，然后每個算法又有很多演化算法，滿篇的數學公式讓人望而生畏，很難讓學生抓住算法的本質。盡管課程介紹算法本身和人工智能常用的理論，但缺乏用生活中的實際經驗去更好地理解算法本身，而不是一大堆晦澀難懂的算法和公式推導，忽略學生對算法本身的理解與生活中的某些經驗類似。人工智能算法其實很完美，人類一直在藝術和科學之間進行拔河。例如，微積分，如果我們想估計一條曲線下的面積，微積分會進行近似。但不論多精確，都會有差異。其實這個差異就可以用藝術彌補。這也是不同人工智能煉丹師效率的差異核心所在。其根本原因在于“藝術感”上的差異，后者缺乏一點“感覺”，即那種看山是山，看山不是山的經驗和大局觀的藝術感。只有當我們了解了算法中的社會性，才能發揮算法的藝術性。因此，教師應該把抽象的算法公式與生活中的智慧經驗結合起來對應，讓學生更容易入門。

2） 教學過程缺乏通用的案例模擬平臺進行算法學習。教學過程中案例紛雜，很難用通用的電商平臺去講解人工智能算法是如何在實際的平臺上應用的，導致學了很多的各種不同的算法案例，卻很難系統地在一個平臺上不同場景的功能上去應用和消化理解業務領域知識。因此，在通用的案例模擬平臺上進行算法學習，使學生能在學習各種人工智能算法的同時，聯系算法應用場景，深入了解業務領域知識。比如在攜程平臺上可以利用各種算法在攜程場景中的應用實踐，在銀行平臺上利用各種算法實現銀行業務上的智能。因此，通過一個平臺上面所涉及的不同場景設計不同的人工智能算法，讓學生能快速地掌握不同的人工智能算法，然后針對不同平臺的特有性質球童有效的解決學生學了太多算法卻不知如何去應用的痛點問題。

3） 學生學習人工智能算法多而雜，沒有針對性地結合自己興趣和職業生涯規劃，缺乏對標真實的企業崗位要求進行有深度的學習。人工智能算法繁多，然而學生學習的時間和精力有限，學生只能囫圇吞棗，導致學生不感興趣，缺乏針對性的結合學生興趣和職業生涯的規劃，學了很多算法，但是都沒有有效的應用起來，最后沒有在職業發展中得到有效的技能積累。因此，教師應該結合學生的興趣和職業發展路徑選擇合適的項目，然后對標真實的企業崗位要求進行有深度的學習，以增強學生求職過程中的核心技能競爭力。

4） 人工智能算法未打通軟件工程項目上下游的課程，建立在軟件項目的功能開發基礎上的智能算法開發。人工智能算法在實際的應用場景中都不是獨立存在的，是需要在完成軟件業務功能的載體上面體現出來的，然而在實際的教學過程中，人工智能課程教學的各種算法與軟件項目的功能開發相脫離，脫離了業務功能的載體，導致學生只是學了算法本身，不了解軟件項目的業務領域知識和對應的業務功能。學完人工智能算法之后，缺乏算法的創新點提煉，感覺沒學到什么具體的，變成空中樓閣，尤其在很多高校的大學生創新創業項目中，很多學生沒有利用好人工智能課中的智能算法，對其梳理提煉，然后對標人工智能會議論文的創新點，去進一步拓展，發表專利和科技論文撰寫。

2 基于項目沉浸式開發與創新點提煉的人工智能教學改革措施

2.1 算法最簡表達與應用場景匹配

如果用一個概念、一幅圖解、一個公式能抓住算法本質，對算法進行最簡的表達，讓學生快速了解，并用大量生活中淺顯易懂的例子幫助你深入淺出地理解算法背后的思想，即使面對復雜的數學公式，煩瑣的網絡結構，也能獲得頓悟的奇妙感受。

例如K近鄰模型對應生活中近朱者赤，近墨者黑；決策樹模型對應生活中的選擇的智慧；樸素貝葉斯模型對應生活中吃一塹長一智的經驗；隨機森林算法對應生活中三個臭皮匠賽過諸葛亮的經驗；最大熵模型對應于生活中不要把雞蛋放在一個籃子中的智慧；主成分分析對應生活中三歲看老，性格決定命運的經驗；聚類算法對應生活中物以類聚，人以群分的經驗。

社會上內卷現象嚴重，為了避免內卷，要在內卷和探索之間找到有機的平衡。這個平衡就是強化學習算法。強化學習算法首先有兩個本體，一個是智能體，另一個是環境。智能體能感知環境的狀態，之后可以采取一些動作，比如砍樹。當樹砍光，環境變差，就會通過獎勵來懲罰智能體。如此一來，人類就知道樹砍多了環境就變差了。因此，不僅不要砍樹，還要去植樹，從而形成一個循環。人類不斷感知環境并采取行動，這就是強化學習算法。強化學習的優點在于，它能在錯誤中學習，不斷試錯迭代，在內卷和探索之間取得很好的平衡。因此，對比生活中的智慧經驗與人工智能算法是讓學生透過現象看本質，抓住算法不變的根本尤為關鍵。

利用大量思維導圖，能夠幫助你將人工智能種類繁多的概念和龐雜的知識組織得更清晰。讓你能更加深刻理解各個概念之間的關系，幫你更好地記憶知識點間的內在聯系。研究表明，人腦對圖像的記憶效果要比對文字的記憶效果好得多，所以通過使用大量思維導圖講述人工智能算法，可以讓你在學習的過程中更好地記住所學的知識，羅列出每個應用場景中對應相關的哪些算法，結合領域知識，可以實現算法與應用場景的匹配。同時在算法最簡表達的基礎上，可以深入在項目中加強對算法的演變與創新點的梳理。

2.2 教學案例采用電商平臺的各種應用場景，采用軟件工程項目的開發過程

結合常見的電商平臺的各種應用場景，比如在攜程平臺上可以利用Bandit 算法在攜程場景中的應用實踐，利用排序算法對旅游度假產品的搜索個性化排序，利用深度學習在酒店房型推薦，利用強化學習實現酒店排序，利用自然語言處理技術對攜程國際化中的機器翻譯，利用機器學習進行海外酒店房態預測；在銀行平臺上利用圖神經網絡技術在零售潛在高價值客戶如何識別，利用推薦算法對銀行業務進行精準推薦，利用強化學習技術對銀行線上營銷推文價值進行評估，利用因果推斷技術建立關聯還款二元因果效應模型，利用貝葉斯網絡技術對個人貸款逾期進行預測。

采用軟件工程項目的開發過程，例如看板和每日站立會議。看板是把白板分成幾個欄，每一欄為一類，分別寫著“To Do（待選取）”“In Progress（進行中）”“Done（完成）”等，再把人工智能算法的任務變成一個個五顏六色的即時貼，根據狀態貼在不同的欄下，如圖1所示。

對人工智能課程實施項目沉浸式教學，實施過程主要分為項目預熱、項目實施和項目總結3個階段。首先，通過收集大型國際人工智能比賽提供的項目文檔，以實驗方式了解項目需要的知識和技能，實現項目預熱；其次利用大型國際人工智能比賽仿真型的項目練習，再進入真實企業項目實施，摸索數據分析全過程中遇到的問題以及解決技巧，從而增強學生解決數據分析問題的能力；最后對項目進行復盤總結，達到積累實戰寶貴的實踐經驗，把握整個項目的全局過程。

2.3 結合學生的興趣和職業生涯規劃，針對性地對標真實的企業崗位要求進行深度學習

結合學生感興趣的算法，并結合職業生涯規劃，挑選合適的項目，比如學生打算去貝殼在線去實習，學生就需要加強線性回歸房價與房屋尺寸關系的線性擬合，以及對標真實的企業崗位要求進行深度學習。企業崗位要求是精通Python，有機器學習、數據挖掘和自然語言處理的經驗，有大規模數據處理、分析的經驗，有良好的溝通能力和團隊精神，如圖2所示。學生根據企業崗位要求，就應該在人工智能課程的算法中加強機器學習算法和自然語言處理的經驗，比如使用GBDT模型來預測股票的價格變動，同時讓學生通過不同方法來對現實案例進行定量及定性分析，讓學生以用戶協同的設計方式，創造出能兼顧利益相關者及產品功能的產品設計方案。在整個項目學習過程中，學生將通過深度討論，學習如何盡情發揮無限創意、大膽整合不同想法、不拘一格解決問題、同心協力團隊合作，如圖3所示。

學生通過項目答辯，匯報自己學到的算法，以及應用場景，編程，項目展示，制作宣傳海報。在答辯過程中，其他學生可以針對自己未聽懂的知識點和細節進行提問，匯報的同學針對性地答疑，以加強學生對細節的真正理解。

3 基于項目沉浸式開發與創新點提煉的人工智能培養方式中的潛在問題

3.1 項目選擇和項目分組問題

由于人工智能算法比較多，學生在項目的選擇過程中會處理缺乏足夠的調研，如果學生沒有做足夠的文獻調查，缺乏對算法應用場景和領域知識的理解。以人工智能為例，該領域不同于傳統基礎學科，偏重工程應用，學生在選題時需要更多考慮是否具有廣闊的應用場景。項目的分組需要考慮學生對項目本身感興趣，每個人優勢各異，或善于發現問題，或擅長數學，或善于做實驗，在充分思考判斷后，結合自身優勢進行匹配分組，每個小組三人最佳，有可能出現項目組員因為缺乏主動執行的同學而使項目無法進行下去。

3.2 項目沉浸式開發過程中的常規思路梳理問題

學生在應用人工智能算法在沉浸式開發過程中對項目本身的常規思路缺乏了解，可以參考阿里的天池大數據平臺中的人工智能算法思路，也可以參考一些kaggle競賽中的人工智能算法思路，因為參考的思路比較多，而且沒有固定的步驟可以參考，會讓學生容易造成選擇恐懼癥，無法選擇合適的思路進行推進，建議讓學生先選擇自己力所能及可以實施的思路去推進，后面再繼續完善。

3.3 如何針對有潛力的同學，如何對已學習的算法進一步創新問題

針對有潛力的學生，在進行人工智能算法學習之后，學生會感覺這個算法掌握了，但是不知道接下來要做什么，缺乏對算法本身的創新點提煉，然后可以引導學生對比人工智能會議的主流算法，對算法進一步地創新與梳理，并針對性地進行科技論文寫作。學生如果寫作能力欠佳，寫作邏輯不清、不會“講故事”，將無法有效呈現其貢獻。這需要學生通過大量的文獻閱讀和咀嚼思考，來提高文章的深度與高度。學生還需要閱讀具有寫作“借鑒”價值的文章。此處的“借鑒”主要指寫作方法和技巧上的借鑒，學生甚至可以更多地學習非本學科的文章，模仿高質量文章如何撰寫摘要、引言、實驗、研究方法的技巧，從而提升寫作能力。

4 結束語

人工智能時代對人工智能算法的人才提出更高的實踐性要求，但高校人工智能的課程主要以理論知識講解為主，導致學生在就業的時候缺乏實踐技能。筆者通過分析傳統人工智能教學中存在的問題，提出將人工智能理論教學與項目沉浸式開發與創新點提煉的培養方式，加強學生的項目實踐能力，理解企業實際所需人才的技能，培養學生針對企業真實常見中面臨的問題的獨立思考與解決實際問題的能力，從而提高學生的技能競爭力。

參考文獻：

[1] 趙衛東.面向課程群的遞進式教學案例庫一體化設計[J].計算機教育，2023（5）：160-164.

[2] 趙衛東，袁雪茹.基于項目實踐的機器學習課程改革[J].計算機教育，2019（9）：151-154.

[3] QIN C，ZHU H S，XU T，et al.Enhancing person-job fit for talent recruitment：an ability-aware neural network approach[C]//SIGIR '18：The 41st International ACM SIGIR Conference on Research & Development in Information Retrieval.July 8 - 12，2018，Ann Arbor，MI，USA.ACM，2018：25-34.

[4] SUN Y，ZHUANG F Z，ZHU H S，et al.Cost-effective and interpretable job skill recommendation with deep reinforcement learning[C]//Proceedings of the Web Conference 2021.April 19 - 23，2021，Ljubljana，Slovenia.ACM，2021：3827-3838.

[5] XU T，ZHU H S，ZHU C，et al.Measuring the popularity of job skills in recruitment market：a multi-criteria approach[J].Proceedings of the AAAI Conference on Artificial Intelligence，2018，32（1）.

[6] YE Y Y，ZHU H S，XU T，et al.Identifying high potential talent：a neural network based dynamic social profiling approach[C]//2019 IEEE International Conference on Data Mining （ICDM）.November 8-11，2019.Beijing，China.IEEE，2019.

【通聯編輯：光文玲】