趙朝鋒 張永新 王聽忠
(洛陽師范學院信息技術學院 河南洛陽 471022)
人工智能(Artificial Intelligence,AI),是由計算機、數學、控制論、心理學、哲學等多科融合的交叉科學,探究智能的本質,產出以人類智能相似的智能機器。今天的人工智能技術已經廣泛地應用于包括智能機器、語言學習、圖像處理等領域[1-2]。為更好地發展人工智能技術,確立我國人工智能發展的在世界格局中的優勢,促進“智能制造2025”的在工業領域的開展,對于人工智能人才的培養應該格外重視,而地方高校培養的人工智能人才及其教學課程中存在的問題,亟須面對和解決[3-4]。
1956-1974年間,是AI興起的階段。在此期間,搜索類算法成了主角,如具有典型代表性的命題邏輯、謂詞邏輯等。第二次熱潮是在20世紀80年代左右,出現了智能的概念,如知識表示、智能規劃等。但是不久后,符號人工智能躑躅難行,進入了瓶頸期,這其中產生的子符號卻得到了人工智能專家的認可。第三次熱潮則在最近幾年,其是隨著深度學習推動的快速興起,標志性事件是2019年圖靈獎得主在“深度學習”方面的貢獻[5]。
人工智能技術對我們生活的世界產生了巨大的影響,他給我們帶來極大的方便,主要體現在了下面的應用中。
(1)在機器視覺領域,利用智能圖像信息處理技術對人、物(車輛、洪水、攝像頭監控等物體)行為的感知、辨識、預測等,并依據一定的特征,對發展趨勢產生相應的預警機制,如洪水發生的提前預警、門禁系統的異常報警等。
(2)在交通領域,主要包括利用大數據技術、路徑規劃等對人、物行為進行特征提取、狀態分析、行為指導等,例如車牌自動識別、違章追罰、車行為監控、自動駕駛等方面開展的智能服務。
(3)在醫學領域,利用醫學影像信息分析技術可以為疾病診療、提供臨床診斷的智能決策系統、基于病歷數據的醫學咨詢系統等。
(4)在教育領域,主要包括利用智能方法的科研、教學、訓練、測試以及管理內容。這包含基于圖像識別技術的閱卷系統,基于智能語音信息識別的糾錯系統,基于人機交互的師生對答系統等。
在地方高校人工智能專業本科生人才培養方案中,我們建立了人工智能專業較為完整的課程體系[6-8]。主要從人工智能的基礎課程、技術課程、應用課程等三個維度進行建設,以保證學生可以適應社會的需求。其中如人工智能基礎課程包括“人工智能導論”“高等數學”“線性代數”等,技術課程包括 “神經網絡和深度學習”“最優化算法”“機器學習”等各類智能算法,應用課程包括“信號處理”“智能控制”“機器視覺”“智能交通”等應用型項目。依據人工智能專業面向應用的實際,除了所需基本知識和技術的學習以外,對所掌握的知識和技術的運用以及實踐也是同等重要,所以知識技術課程學時和實驗實踐課程學時盡量一比一配置,以保證學生能夠達到相應的學習目標。除此之外,在人工智能人才培養終極目標上,與企業人才需求緊密結合,利用實際案例提高學生實踐技能是一個新的共識[9]。在培養學生獨立思考、協同作用方面,通過完整的案例,課程項目,以成果為導向推進人工智能課程改革,可有效提升人才的培養質量[10]。
學生對人工智能課程學習的要求很多,掌握的技術要求也很多,具體表現在以下幾個方面:
(1)對人工智能的課程理論、技術發展的現狀應該達到熟悉的程度,能夠知其所以然的地步。同時,對于人工智能未來趨勢能夠預判。
(2)有過硬的計算機算法基本功,熟悉Python等多種編程語言。
(3)通過實例算法的編寫,能夠達到對實際問題算法的理解、編寫、分析和解決問題的能力。
(4)通過平時實驗總結、畢業論文撰寫等訓練手段,發掘學生的梳理、總結、寫作的能力,以便提升學生的綜合實踐能力。
AI課程的考核方式,主要包括中期考核考核和期末測試。中期考核包括實踐實驗環節,培養學生將理論應用于實踐項目的能力,增強學生分析、改進問題的能力以及寫作水平等綜合實踐能力;期末測試包括開閉卷考試兩種類型,便于考查學生理解能力和認知水平,查缺補漏,以便提升學生的能力。
原有的AI專業課程在學生創新能力、實踐能力等目標方面還有欠缺,所以我們從模塊化課程、多樣化教學和層次式應用三個方面對AI課程進行相應的改革。為此,對教學內容模塊化處理,以問題為驅動,使學生在現實中構建自己的知識體系,真正做到理論和實踐融會貫通。在教學環節中,教師應積極幫助學生總結實際中的問題,提煉核心觀點,使學生知行合一,從而達到理論扎實、技術熟練、就業搶手的人才。具體包括以下三個方面。
學生高校學習是目標導向下的多維能力提升的過程,AI專業學生也是如此。于是,將教學內容拆分成AI基礎課程模塊、AI技術課程模塊、AI應用課程模塊,完成模塊的理論學習、實踐鍛煉后,將進行相應實習崗位的綜合訓練和技能鍛煉。在模塊化后,教學內容銜接更緊密,學生的能力提升更科學,使理論知識理解更容易,實踐能力更有優勢,循環往復,能力提升更明顯。這樣培養的學生在進入AI行業前已基本具備所需要的理論素養和技術水準。
教師只有靈活使用多樣化的教學方法,才能使得主體發揮明顯作用,達到教學內容的目標。教師應依據現在學生的特性,多采用師生互動的方式增加課堂的趣味性,利用行為導向積極引導學生開展課堂活動,使學生之間形成互動,讓學生體會到感性認知、理論分析、實踐行為的“知行合一”,達到教學目標,滿足知識需求,技術儲備的要求。
課程教學時間受限,課程內容以理論知識儲備為主,這是必須要面對的AI課程現實。對于學有余力且有想法的AI專業學生,教師可采用層次式應用模式,即采用導師制的方式,通過導師指導,使學生參與到相應的科研項目或課題,從而提升學生的AI專業素養,培養具備一定實踐技能和創新能力的學生。
應用型人才是國家急需的人才,要將學生人才培養與就業服務意識結合,突出學生的職業性發展。在AI的專業課程教學中,以理論示例、課堂訓練和實踐行為的來源定義為實際應用,并結合專業教學目標和學生培養目標。如對眼部疾病的診療問題,在對網絡模型學習時,可將sigmoid改為Relu,可以將正確率提升至92%。在專業教學中,學校可邀請從事AI相關行業的校友、工程師開展講座報告,提升學生對行業動態和職業發展的認知,促進學生與校友、工程師的交流溝通,讓學生認識AI技術應用于生產實踐的可行性,改變學校教學不是“紙上談兵”,明確學生對職業發展的認同感。
人工智能是一門新興專業,大多數高校雖進行了培養方案和教學計劃的安排,但是難免會出現很多意想不到的問題。例如,人工智能導論作為一門人工智能進行專業的基礎課程。由于課時數受限,造成學生學習效果差,需對課程內容進行調整與優化。此外,課程需要較強的數學知識,又需對算法的深入理解,才能可以通過編程復現算法,因此在培養方案設置上就需要進行如下探索。
(1)開設人工智能專業所需的數學基礎課程,儲備人工智能領域常用的數學知識,如高等數學、線性代數、概率論與數理統計等數學類課程,為學生打好數學基礎,為將來的工作考研做一些相應的準備。
(2)同步開設人工智能專業所需的程序設計課程,如C語言、Python編程等算法類課程,能對人工智能專業課程中的真實案例進行算法分析。
(3)實踐課程的開設關乎學生應用能力與職業性發展,利用先進的在線平臺,如 “頭歌”開放式平臺,可以令AI專業學生從在線環境開發、實踐項目設置、計算能力設施、學生實踐能力評估等多方面,完成對AI實踐課程教學、學生實踐能力訓練提供了全方位的支撐。
上述課程的開設會極大地增強人工智能專業人才的培養質量,將這些課程與人工智能專業課程組成課程群,并依據學生情況及時對開課學期和開課時數調整,意在整體課時時數不增加的情況下,滿足人工智能專業課程與數學基礎、算法編程的要求,使得人工智能培養體系更加合理,教學目標更加明確。
同時,對于人工智能專業課程中的知識,綜合學生的“數學底子”和算法代碼能力,可將各方面的知識逐一細化,保證學生既掌握必要的數學知識,又具有人工智能算法的復現能力,通過編程實現與驗證人工智能實例算法。從教學策略上,避免數學知識“太抽象”、人工智能算法“看不懂”、程序代碼“不會寫”等問題的出現,影響學生的培養質量。
在此,以機器學習中典型的非監督學習算法“PCA主成分分析”為例。它主要涉及特征根分解、奇異值分解等高等數學知識。“特征根分解”是“線性代數”課程中的知識,很多學生在學習完“線性代數”課程后,可以很快地計算矩陣的特征根,但是不理解矩陣特征根、特征向量的意義;“奇異值分解”雖是矩陣論的知識,但是“線性代數”課程中卻沒有體現,這就需要對數學外延知識進行擴展。同時,還需要學生準確掌握“特征根分解”與“奇異值分解”的異同。因此,以人工智能實例中經典的“Eigenface”人臉識別算法為例,講解以PCA主成分分析法的面部特征數據降維與識別,以此吸引學生的興趣。同時,利用Python語言平臺完成算法編寫,使學生真實體會到學習人臉識別的樂趣。
通過這個學習過程,從數學知識出發,將索然無味的公式巧妙地引入實例問題中,使學生深刻理解矩陣特征根、奇異值的現實意義,以及它在人臉識別的“妙處”,輔助以形象化的展示體現了多科知識的融合,從而提升學生能力,這也是多科知識、學生解決復雜問題的能力高階性的體現。
人工智能技術的發展迅速,對專業課程提出了更高的要求。地方高校要想培養出優秀的人工智能人才,必須不斷改革,以適應社會發展。人工智能課程必須注重理論與實踐的貫通,從課程選擇、教育教學、實習實踐等多個環節進行融合梳理,使學生更全面地學習和掌握人工智能的理論、技術,從而提升學生在解決實際應用、生產生活方面的各種問題能力,最終達到適應社會發展的目標,成為國家的棟梁之材。