新工科建設中人工智能課程教學模式探究

周惠巍，林曉惠，王 健，姚衛(wèi)紅

（大連理工大學 電信學部，遼寧 大連 116024）

0 引言

2018年4月，教育部印發(fā)《高等學校人工智能創(chuàng)新行動計劃》[1]，要求推進“新工科”建設，重視人工智能與計算機、生物學、心理學、社會學等學科專業(yè)教育的交叉融合，形成“人工智能+X”復合專業(yè)培養(yǎng)新模式。“新工科”建設是國家主動應對新一輪科技革命與產業(yè)變革的重要戰(zhàn)略行動。在《高等學校人工智能創(chuàng)新行動計劃》和“新工科”建設背景下，將強化高層次人才培養(yǎng)的模式，推進人工智能教育發(fā)展。人工智能是計算機科學的一個分支，也是涉及數學、控制論、信息論、神經生理學、心理學、語言學等學科的交叉學科[2]，需要學生具有較好的數學基礎、較強的邏輯思維和編程能力等。因此，對于缺少實踐的本科生來說，難以深刻理解課程中所涉及的比較抽象的原理和方法，導致學習效果欠佳，未達到課程的培養(yǎng)目標。所以針對本科生的特點，結合人工智能課程的實際情況，進行理論與實踐相結合的教學模式探究，對于“新工科”建設中新一代人工智能人才培養(yǎng)具有重要意義。

1 國內外人工智能課程教學現狀

美國高校非常重視人工智能人才的培養(yǎng)[3]。卡內基?梅隆大學面向本科生專門開設了人工智能專業(yè)，除了“人工智能概念”（concepts in artificial intelligence）課程以外，還開設了大量新穎的人工智能相關的選修課程，如“智能產品及服務設計”等。該專業(yè)學生在完成4門人工智能必修課后，需額外選修4門人工智能方向選修課程，方可達到畢業(yè)要求。斯坦福大學開設的“人工智能：原理與技術”（artificial intelligence：principles and techniques）課程將對學生的考核重點放在平時作業(yè)和小組合作項目中，考試的比重僅占20%。平時的作業(yè)中引入了“吃豆人游戲”等任務，將搜索算法生動地引入課程與作業(yè)中，寓教于樂。同時需要學生自主編寫程序，旨在提升其動手實踐的能力。課程同時還包含一個小組合作項目，學生需要自由組隊完成自選的評測任務，意在培養(yǎng)學生的團隊合作意識。

國內很多高校也為本科生設置了人工智能課程，如清華大學為非計算機專業(yè)的本科生開設了人工智能導論。課程不僅介紹一般性的原理和方法，同時包含實踐性的作業(yè)，通過編程幫助學生理解、掌握一些人工智能的基本方法。通過期末大作業(yè)，學生將課堂學習的理論和方法用于解決現實中的實際問題。特別鼓勵學生將人工智能理論與自己的專業(yè)相結合。

人工智能課程的地位正隨著該技術的不斷發(fā)展和廣泛應用得到迅速提升[4]，然而，在培養(yǎng)人工智能創(chuàng)新型人才方面，目前的教學還存在一些亟待解決的問題[5]，主要表現為教學重理論輕實踐，注重知識的傳授，輕視能力的培養(yǎng)，理論與實踐脫離[6]。

面向生物信息學專業(yè)本科生，開展人工智能課程理論與實踐相結合的教學模式探究，包括基于案例教學法的人工智能理論教學內容研究；探究式案例教學模式的研究與實踐，以及與生物信息學專業(yè)相關聯的分層次、分階段、循序漸進的上機內容的設計與實踐。

2 基于案例教學法的人工智能理論教學內容

人工智能課程內容廣泛、理論多、概念抽象。對于剛開始接觸人工智能課程的初學者來說，難免感覺枯燥難學。目前人工智能理論教學中，常常強調基本概念理論的講解，而忽略了人工智能理論知識的應用背景。這種教學方法雖然能夠將知識抽象地傳授給學生，但是卻沒有將人工智能理論知識和其應用背景聯系起來，具有片面性，不利于學生科學素質和創(chuàng)新能力的培養(yǎng)。

構建人工智能理論教學案例庫，案例庫綜合涵蓋理論知識、專業(yè)領域應用和當前熱點問題，使教學過程更加生動，加強學生對人工智能理論的理解，加深記憶，提高學生的學習興趣和效率。

引導學生發(fā)現身邊的人工智能實際應用，例如在“概述”部分提出“圖靈測試”“阿拉法狗”等案例；引入幾次著名的“人機大戰(zhàn)”；介紹歷史上幾個著名的“機器人”，并配以圖片，將人工智能這一抽象的概念形象化，啟發(fā)學生將人工智能技術應用于社會生活的方方面面，調動學習熱情。

在“知識表示”部分提出“猴子摘香蕉問題”“梵塔難題”等案例；在“應用領域”部分提出“手寫體識別”“八數碼難題”等案例。教師對案例作啟發(fā)式、提示性的講解，引導學生用所學的理論知識對案例進行分析和探索。例如，在狀態(tài)空間表示法的教學中，關于n元狀態(tài)表示、操作符的定義、初始狀態(tài)至目標狀態(tài)的操作序列、狀態(tài)空間圖等抽象理論知識，引入圖1所示“猴子摘香蕉問題”。基于“猴子摘香蕉問題”案例，生動形象地闡明常量定義、謂詞定義、初始狀態(tài)表示、目標狀態(tài)表示，引導學生思考并討論知識表示時需要考慮的主要因素等問題。

圖1 猴子摘香蕉問題

基于“一只尋找骨頭的貓”案例，將A*算法在經典的“八數碼難題”案例基礎上，更加生動有趣地展現出來。簡單易懂地解釋說明耗散值、估價函數等概念，讓學生更易于理解。

3 探究式案例教學模式

根據具體的知識點設計案例后，可以通過兩種方式結合知識點和案例：一是“案例－知識點”，即先給出教學案例，通過案例剖析以及討論、啟發(fā)等方式獲得理論知識，加深理論知識的記憶和理解；二是“知識點－案例”，即先講解理論知識，再給出案例問題，引導學生用所學理論知識解決實際案例問題，提高學生分析問題、解決問題的能力。

為提高課堂時間的利用率，科學合理安排講解、討論及老師和學生互動時間。將設計好的案例提前發(fā)給學生，鼓勵學生課后學習和討論，以便加強課堂討論的深度和廣度等。通過“課上互動、課下討論”模式的案例分析，給學生帶來很多深入的感悟和理解。如上述“猴子摘香蕉問題”案例，通過學生們的深入討論，發(fā)現原課件“猴子摘香蕉問題的狀態(tài)空間圖”中缺少的一個狀態(tài)（V,1,V,0），如圖2虛線框所示，而這一狀態(tài)是以往書和相關網站資料中沒有的。

圖2 猴子摘香蕉問題的狀態(tài)空間圖（學生討論結果）

可見，通過探究式案例教學模式，學生對于人工智能理論知識有了更深入的認識和感悟。這些認識和感悟不是老師通過單方的說教能傳授的，而是學生通過討論、思考、體會總結得到的。在這些互動討論中，學生獲得的分析問題和解決問題的能力將使他們終生受益。

4 分層次、分階段、循序漸進的上機實踐任務

針對生物信息學科的新發(fā)展、新熱點，將人工智能理論在生物信息挖掘領域的新理論、新方法及時融入上機實踐教學環(huán)節(jié)，這樣既可以拓寬學生的學習視野，又能鍛煉實際動手能力。上機實踐中，不僅涉及程序設計、數據結構、概率統(tǒng)計等以前所學的知識，還涉及最新的人工智能技術和方法，綜合性較強。如何合理布局基礎性和前沿性知識，深度結合理論和實際應用，同時提高學生的系統(tǒng)設計與實現的成就感，是培養(yǎng)學生不斷探索、勇于創(chuàng)新的關鍵。設計一套分層次、分階段、循序漸進的上機實踐任務，從基礎的搜索算法，到最新的人工智能技術，讓學生深入理解并動手實現課程相關的任務。

4.1 深度、廣度優(yōu)先搜索

教師可以讓學生在理解深度、廣度優(yōu)先搜索算法的基礎上，自己動手實現。實驗給出了一個連通圖，需要學生自己編寫代碼（語言不限）實現對圖的深度、廣度優(yōu)先搜索，并打印出搜索路徑。該實驗可以幫助學生熟悉基本的搜索算法和實驗流程，為隨后更加復雜的人工智能實驗作鋪墊。

4.2 基于A＊算法解決八數碼難題

本實驗是在實驗1的廣度優(yōu)先搜索算法基礎上進行拓展，采用A*算法進行啟發(fā)式搜索，解決“八數碼難題”。學生通過動手實現，能夠掌握實現A*算法的具體細節(jié)，加深對A*算法和不同估價函數的認識。學生根據自身的熟悉程度自由采用C++，Java，Python等不同編程語言完成，不拘泥于具體的實現方式，有助于提升學生的發(fā)散性思維。

4.3 基于人工神經網絡的手寫數字識別

針對當前人工智能領域發(fā)展較快的深度學習方向，利用神經網絡技術，實現手寫數字識別系統(tǒng)。實驗讓學生自己動手實現經典的BP神經網絡，理解神經網絡中數據的傳播、誤差的計算、梯度的計算以及參數的更新過程，同時搭建了簡單的服務器和用戶界面，使學生可以直觀感受到基于人工神經網絡的手寫數字識別效果。

實驗由于需要搭建小型的服務器和用戶接口，存在一定的難度，因此只將構建BP神經網絡部分代碼空出留給學生完成，其余部分直接給出。實驗完成后，學生能夠直接通過網頁訪問數字識別界面，并可以在畫板中輸出數字進行測試。通過將神經網絡技術與簡單的實際應用相結合，增強實驗的趣味性，提升學生的成就感，從實驗過程和實驗積極性中可以看出，學生對本次實驗都展現出濃厚的興趣。

4.4 基于生物醫(yī)學知識庫的藥物－疾病關系抽取

針對生物信息學科的新發(fā)展、新熱點，將人工智能理論在生物信息挖掘領域的新理論、新方法及時融入上機實踐教學環(huán)節(jié)。指導學生構建基于生物醫(yī)學知識庫的藥物－疾病關系抽取系統(tǒng)。本上機實驗，融合生物與計算機科學兩個領域的知識，增強學生的學習興趣。實驗采用知識表示學習方法（TransE模型），將生物醫(yī)學知識庫中實體對及其關系三元組轉換成為低維的向量表示。然后利用知識表示抽取生物醫(yī)學文本中蘊含的藥物－疾病實體關系。該實驗結合了生物信息抽取技術、大數據應用技術與自然語言處理技術，具有較強的綜合性和實用性，可以幫助學生更好地理解生物信息抽取的方法和技術。

有些學生在使用TransE訓練的過程中，對知識表示產生了濃厚的興趣。學生主動查找表示學習相關論文并進行細致的閱讀。在深入理解TransE及以TransE為基礎的基于翻譯的知識表示學習算法的基礎上，還對Word2vec、GLoVE等詞向量表示學習方法進行學習總結。本實驗可以拓寬學生的知識面，使學生對自然語言處理中各類不同表示方法有自己的認識和理解，同時也激發(fā)對生物信息挖掘研究的興趣。

5 結語

針對生物信息學專業(yè)本科生的特點，我們對人工智能課程的教學內容、教學模式、上機實踐等方面進行了探究，摸索出一套基于案例的人工智能教學法。基于人工智能理論的典型、熱點案例，通過討論、啟發(fā)等方式學習理論知識，引入循序漸進的上機實驗任務，增強了學生的理論和實踐相結合意識，拓寬了學生的學習視野，鍛煉了學生的實際動手能力，取得了預期的教學效果。人工智能課程理論與實踐相結合的教學模式探究，對于“新工科”建設中，新一代人工智能人才培養(yǎng)具有重要意義，為我國躋身創(chuàng)新型國家前列提供人才保障。