案例驅動的人工智能專業課程思政教學研究與實踐

［摘 要］ 人工智能專業是為適應國家人工智能發展規劃而批準設立的專業，專業培養定位強調厚基礎、重交叉、強滲透。人工智能專業具有明顯的技術屬性、經濟屬性和社會屬性，相較于其他工科專業，其專業課程思政的內涵更加豐富、外延更加廣闊。針對人工智能專業的特點，立足培養定位，以案例驅動專業課程思政的教學研究和實踐，深入探索人工智能專業課程思政的內涵和外延，構建價值體系、知識體系和能力體系同向同行的人才培養模式。

［關鍵詞］ 人工智能；課程思政；案例驅動；價值體系

［基金項目］ 2022年度江蘇省教育科學規劃課題“人工智能領域研究生培養質量保障體系研究”（B202201128）；2023年度江蘇省教育科學規劃課題“高校青年教師數字化應用能力構成和提升路徑研究”（B202301178）；2022年度江蘇科技大學本科教育教學改革研究重點課題“‘計算機視覺’課程思政設計研究”（XJG2022003）

［作者簡介］ 徐 丹（1981—），女，江蘇鎮江人，博士，江蘇科技大學計算機學院副教授，主要從事人工智能與計算機視覺研究；左 欣（1980—），女，江蘇鎮江人，博士，江蘇科技大學計算機學院副主任，副教授，主要從事模式識別與圖像處理研究。

［中圖分類號］ G642.0 ［文獻標識碼］ A ［文章編號］ 1674-9324（2024）20-0058-04 ［收稿日期］ 2023-04-16

引言

人工智能（Artificial Intelligence， AI）主要研究模擬和擴展人的智能的理論、方法及技術，以發現人類智能本質、模擬人類智能行為為目標。其技術本身的發展涉及哲學、道德、倫理等元素，因此，人工智能專業課程思政的內涵比其他工科專業更加豐富。

人工智能的發展可分為技術智能化、經濟智能化和社會智能化三個階段，從誕生到2016年AlphaGo戰勝世界圍棋大師，人工智能在科學研究和技術革新方面突飛猛進，這一階段的人工智能研究主要集中在技術探索以及博弈、自然語言問答等局部應用上，并沒有演變為產業現象。隨著深度學習的重大突破、計算機算力的提升和大數據的持續累積，加之經濟和社會普遍為數字化創造的基礎環境，人工智能在交通、教育、金融等領域展示出巨大的應用前景，新一代人工智能正在全球掀起新一輪產業革命，國家在戰略層面正大力推動人工智能技術進步與產業發展。2017年7月，我國發布了《新一代人工智能發展規劃》，對人工智能發展方向和重點領域給予指導性規劃［1］。未來，人工智能將從經濟領域滲透到社會領域，開啟全社會和全球范圍內的智能協作與制度創新，人類將進入智能社會。

目前的發展已初步證明了人工智能行業賦能和社會秩序重構的潛能，人工智能具有明顯的經濟和社會屬性，道德和社會責任也將成為這個專業強調的內容。人工智能專業課程思政的外延比其他工科專業更加廣闊。

國內外人工智能專業在設置時均關注到了該專業的社會屬性，在課程體系設計中涵蓋了人工智能倫理相關課程［2］。如美國斯坦福大學人工智能專業設置了“人工智能中的哲學、倫理及其影響”課程，哈佛大學、愛丁堡大學等高校也相繼開設了人工智能倫理相關課程，對人工智能倫理問題、典型倫理案例、未來政策及挑戰等主題進行了討論。國內高校，如南京大學將“人工智能倫理”課程列入培養方案，西安交通大學開設了“人工智能的哲學基礎與倫理”“人工智能的社會風險與法律”等人工智能社會性課程。

當前，人工智能發展日新月異，技術快速進步引起的經濟和社會變革超出人們的預期。以近期出現的現象級服務ChatGPT為例，一經推出便迅速火遍全球。從技術角度來看，其依賴的強大神經網絡和龐大訓練數據集并不是底層創新，之所以引起廣泛關注，在于其引發的一系列社會熱點問題，如文學創作問題、版權問題、創新能力問題及行業替代問題。高校作為人才培養的主要陣地，面臨著培養適應時代發展需求和社會主義核心價值觀的人工智能專業人才的挑戰。獨立開設的人工智能社會性課程無法滿足這一挑戰，在專業課程教學中推進思政內容和專業知識融合，做到專業課程與思政理論同向同行，成為高校人才培養工作實現立德樹人根本任務的重要途徑和方向［3］。

在人工智能專業課程中融入思政元素，以立德樹人為核心理念，構建價值體系、知識體系、能力體系協同發展的人才培養機制，踐行案例驅動的人工智能專業課程思政教學模式，引導學生樹立正確的科學觀和價值觀。

一、價值體系：研究思專融合途徑，推進立德樹人教育理念

人工智能技術是人類將自身的知識、經驗和研究成果等按照人類需求和能力進行組合應用，是一種價值化的實踐，因此，人工智能技術具有價值前提，人工智能的發展受價值體系的約束。結合社會主義核心價值體系和人工智能的專業特點，我們將人工智能專業課程思政的價值體系分為三個層次：以人文倫理為核心的責任意識、以時代發展為核心的全局視野、以改革創新為核心的時代精神。

（一）以人文倫理為核心的責任意識

人工智能如何對待人，本質是人如何理解和對待人的問題，應重視人在設計算法和制造機器人時應擔當的主體權利與責任。在傳遞給學生從事人工智能相關領域所需基礎知識和基本技能的同時，引導學生積極思考人工智能技術應用領域的擴展所引發的倫理問題，培養具有責任意識的科學家和工程師。例如，人工智能中的數據歧視和算法歧視引起的偏見問題。人工智能的發展強烈依賴于大數據和深度學習算法，深度學習可從數據中自動提取規則特征，得出針對某一問題的預測結果。然而，數據并不是中立的，人類的偏見會沉積在大數據中，導致算法得出有偏見的預測結果，使得隱藏的偏見顯性化。美國的COMPAS系統用于評估被告人員再次犯罪的概率，預測在未來兩年內再次被捕的可能性。該系統算法存在明顯偏見，預測的黑人再次犯罪的風險遠高于白人，加劇了種族對立［4］。這種偏見產生的原因在于，人工智能需要大量的數據訓練，盡管人工智能本身不知道“歧視”和“偏見”是什么，但背后的研究人員卻會帶有這樣的思想，以至于在訓練數據的選擇和算法的設計上產生偏向性。

（二）以時代發展為核心的全局視野

在授課過程中幫助學生把握人工智能未來發展趨勢，深刻理解其經濟和社會屬性，熟悉人工智能行業面臨的社會風險和法律規范，培養學生適應新時代的思維能力和全局視野。

隨著技術智能化向經濟智能化和社會智能化的發展，人工智能的產業賦能和社會重構潛能逐步顯現。人工智能近期的影響主要是隱私和失業問題。人工智能發揮效用依賴于互聯網環境下不斷累積的大量數據，從購物喜好、支付方式、社交活動到求醫問藥、資產負債，大數據無處不在。以臉書用戶數據泄露和GEDmatch網站基因數據泄露為例，引導學生充分考慮用戶隱私保護的重要性和必要性，討論可采取的預防策略，避免造成數據濫用的風險，增強學生的風險意識。失業問題是一個根深蒂固的問題，歷次產業革命，隨著機械化、自動化、智能化的程度越來越高，技術會取代一部分人力，在淘汰掉一些傳統的行業和崗位的同時，創造一些新的行業和就業崗位。引導學生辯證地看待這一問題，智能技術不會導致大規模失業，但會對某些工作的任務構成和就業產生結構性影響，從而產生“就業替代”。

人工智能的遠期影響是人類命運問題，如人工智能奇點問題、無用階級問題和人類種族存續問題。這方面的思考在文學作品和影視作品中多有呈現，且被強化。其表現為人工智能具備革命性的“自主學習能力”及相應的“自我進化”能力，從而誕生自我意識，人工智能有可能出現“奇點”，導致不可控的風險［5］。雖然，這種人工智能目前尚未出現，但對于該問題的思考有助于增強學生探索未知的興趣，同時未雨綢繆，引導學生思考如何構建未來穩健、安全的人工智能系統。

（三）以改革創新為核心的時代精神

人工智能的發展幾經起伏，過程中很多人選擇放棄，而挺過“寒冬”的人成就了人工智能的第三次發展浪潮。人工智能技術的發展還會經歷起伏，培養學生堅毅的學術人格，賦予其攻克前沿學術問題的勇氣，對于學生的職業生涯和人工智能專業的發展至關重要。以“深度學習之父”“神經網絡先驅”Hinton為例，其在神經網絡領域開創性的研究歷經低谷頑強堅持，功成名就時敢于質疑自己30年的研究成果，尋找新的挑戰和機遇的勇氣，值得每一名立志從事人工智能技術研究的學生學習。

二、知識體系：研究研學互促方式，強化專業知識體系

人工智能歷經近60年的發展，形成了龐大的知識體系，可將其大致分為四個層次：（1）基礎層，主要涉及數學基礎和腦科學，如高等代數、離散數學、概率統計、數理邏輯等；（2）技術層，涉及人工智能專業主要算法，如數據結構與算法分析、操作系統、機器學習、知識表示與處理、模式識別、計算機視覺、自然語言處理等；（3）平臺層，如機器學習系統平臺、人工智能程序設計等；（4）應用層，體現人工智能賦能特性的交叉應用領域，如搜索引擎、推薦系統、智慧醫療、智能交通等。

將人工智能領域前沿研究課題和成果引入專業教學，以研促學，強化專業知識體系，培養學生科研素養。在教學過程中，通過引入學科起源和發展歷程，以專業技術視角系統性梳理課程前后的關聯，充分體現知識點的體系性，同時培養學生在跟蹤領域研究前沿和熱點的能力。

以深度學習的發展演化為例，梳理相關知識點。神經網絡（NN）起源于對神經系統的模擬，單層神經網絡無法實現簡單的異或邏輯，多層神經網絡的訓練因參數眾多而難以訓練，這導致了NN的“第一個冬天”。20世紀80年代，Hinton和LeCun奠定并推廣了可以用來訓練多層神經網絡的反向傳播算法［6］，NN再次迎來了快速發展時期。然而，反向傳播并無生物學理論的支撐，且需要采用隨機梯度下降方式進行優化，算法效果依賴精細調參。相比之下，支持向量機（SVM）使用了凸優化技術，有堅實的數學基礎，因此，人們在選擇分類算法時更加偏向于SVM，NN第二次走向低谷。期間，Hinton借鑒熱力學統計模型中的受限玻爾茲曼機（RBM），用能量函數來描述NN的一些特性，RBM成為這一波人工智能浪潮的先行者。之后“深度學習”逐漸走上歷史前臺，卷積神經網絡（CNN）在圖像甚至語音等領域全方面超越傳統算法。針對CNN所無力解決的動態視覺內容、三維視覺等難題，Hinton受到神經解剖學、認知神經科學和計算機圖形學三個領域的啟示，又提出了Capsule結構。

以類不均衡問題為例，說明機器學習和數據挖掘領域中的難點問題。一般情況下，正負樣本數量大致相當，訓練所得的分類器能夠取得較好的分類效果。在給學生講解該類問題時，可結合教師科研方向，引導學生考慮樣本不均衡（如在金融欺詐檢測、網絡入侵檢測等應用中，正負樣本數量懸殊）會引起什么問題，有什么解決方法，如何從算法角度修正數據的不平衡，從而解決分類面偏倚問題。以此案例引導啟發學生的創新意識和思辨意識，體現比較、分析和探索的科學研究內涵。

三、能力體系：研究學創協同，推進實踐和創新能力的培養

人工智能在社會經濟各領域中的滲透性和賦能性使得行業對學生的實踐能力和創新能力有了更高的要求。能力體系是指人工智能任務求解能力，針對人工智能在行業產業中的具體問題或問題原型，利用已學人工智能知識提出任務解決方案，并能夠解決關鍵技術的能力。一個復雜人工智能任務求解過程包括任務抽象建模、算法分析設計、平臺和程序實現、應用相關的模型優化和部署的全過程。

為培養學生的能力體系，需開展多層次實踐能力培養，針對目前校企合作存在的突出問題，如校企合作單一化、校企合作不深入等，研究學創協同的育人模式，校企協同構建實踐能力和創新能力雙提升的能力體系。該體系包括基于多學科交叉的認知案例培養、基于人工智能實訓平臺的實訓能力培養、基于校企合作的創新創業孵化基地的項目訓練培養，構建“認知—實訓—創新”三個層次推進知識學習和實踐創新的系統發展。實施“大創項目—科創競賽—項目培育”相互銜接的創新創業項目孵化機制，引導學生將科技創新與社會進步、國家發展相結合，提高學生利用技術創新服務國家發展的能力。

以中國大學生設計大賽一等獎作品《智能農業識別與監測平臺》為例，作品以農田監測和病蟲害識別為目標，以深度學習為核心算法，結合物聯網和云邊端開發技術，打造了一款集識別、監測、百科等功能于一體的智慧農業平臺。該作品經歷了大學生創新項目和科創競賽的培育，目前已與國內農業科研院所合作，初步用于農業生產中，為我國農業的科技化轉型做出了貢獻。

結語

構建科學的、完備的、可行的人工智能專業思政教育模式，關系到人工智能專業人才培養是否符合國家發展的需要。深入挖掘人工智能專業課程中的價值體系，并與知識、能力的培養有機結合是做好立德樹人的第一步。認真積極地將思政元素融入人工智能專業的建設是一以貫之的任務。不斷積累思政教育素材、加強教師自身的思政教育意識和思政教育能力，培養負責任的科學家和工程師，是今后人工智能專業課程思政不斷努力的方向。

參考文獻

［1］國務院.關于印發新一代人工智能發展規劃的通知：國發〔2017〕35號［A/OL］.（2017-07-20）［2023-03-13］.http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

［2］古天龍.人工智能倫理及其課程教學［J］.中國大學教學，2022（11）：35-40.

［3］周健，高玲，孫麗艷，等.人工智能專業思想政治教育的設計和研究［J］.教育教學論壇，2022（38）：80-83.

［4］王燃.大數據證明的機理及可靠性探究［J］.法學家，2022（3）：57-71+192-193.

［5］潘恩榮，孫宗嶺.人工智能“以人為本”倫理準則反思：一種馬克思主義哲學的分析思路［J］.云南社會科學，2022（6）：30-39.

［6］RUMELHART D E， HINTON G E， WILLIAMS R J. Learning representations by back propagating errors［J］.Nature，1986，323（6088）：533-536.

Research and Practice of Case-driven Curriculum Ideology and Politics in Artificial Intelligence Major

XU Dan， ZUO Xin， SHU Xin， SHI Jin-long

（School of Computer Science， Jiangsu University of Science and Technology， Zhenjiang，

Jiangsu 212100， China）

Abstract： Artificial Intelligence is a major that was established to meet the development plan of national artificial intelligence. The professional training is positioned to emphasize a solid foundation， cross-disciplinary integration， and strong penetration. The Artificial Intelligence major has obvious technical， economic， and social attributes. Compared with other engineering disciplines， the ideological and political education of its professional courses has richer connotations and a wider scope. This paper focuses on the characteristics and positioning of artificial intelligence majors， using case-driven teaching research and practice of curriculum ideology and politics to explore the connotations and scope of the professional courses. Furthermore， a talent training model that aligns the value system， knowledge system， and ability system in the same direction is constructed in this paper.

Key words： artificial intelligence; curriculum ideology and politics; case-driven; value system