新工科背景下 計算智能課程教學改革探索

徐弓岳 郭二廓

摘要：在新工科建設背景下，計算智能課程是化工專業新工科建設課程體系中的重要組成部分，開展好計算智能課程的教學對培養新型智能化工人才具有重要意義。本文針對當前計算智能課程教學中存在的問題，從問題啟發式教學、基于先進科研平臺資源的算法探究、面向應用場景的項目驅動式教學和課程思政元素融入等方面進行教學模式方法的改革，探索計算智能課程教學改革的方向。

關鍵詞：新工科;教學改革;人工智能;計算智能;課程思政

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2022）12-0091-03

● 研究背景

隨著全球范圍內以大數據、云計算、物聯網和人工智能等信息技術為核心的新一輪科技革命與產業變革的興起，我國經濟在創造了連續多年快速發展的奇跡后迎來了產業結構調整和升級轉型的關鍵時期。為主動應對新一輪的科技革命和產業變革，培養創新型卓越工程人才，服務于國家戰略發展新需求，自2017年起，教育部積極開展實施新工科戰略，推動形成了“復旦共識”“天大行動”和“北京指南”，以新工科建設為突破口，引領我國新一輪高等教育改革。[1][2]新工科建設所推動的教育教學模式變革、學科交叉融通、專業建設升級和產學研協同育人等成為當前我國高等教育改革的趨勢與焦點。

為積極落實新工科戰略，各大高校各個專業紛紛開設人工智能科學與技術的相關交叉課程，以培養高水平的復合型人才為建設目標。計算智能是人工智能的新生前沿領域，通過神經網絡、模糊邏輯和進化計算三個分支的有機融合而成的科學方法體系，可為工程領域復雜建模和優化問題提供新的設計思路與解決方案，是復合型工程技術人員特別是復合型工程研究人員需要掌握的一項重要技能。要想有效保障新工科人才培養質量，就必須對計算智能課程教學方案進行積極探索。本文從教學模式、教學方法等方面對計算智能課程的教學進行探索，分析新工科人才素養培養方法和途徑，構建多元化教學方法，培養學生利用計算智能的方法思想解決工程實際問題的能力，以期為本課程的教學改革提供參考性的研究意見。

● 課程教學難題

計算智能是計算機科學、信息科學、生物科學等不同領域科學相互交叉所產生的學科，其本質是通過借鑒自然界生物生存演化規則，模擬生物智能、人類智能及社會運行規律來進行算法設計。[3]計算智能課程的教學內容可分為以下三個方面：①基礎理論，包括神經網絡、模糊邏輯和進化計算的思想淵源，基本架構和理論演進等。②算法設計，主要涉及計算智能方法各部分和參數的定性定量研究，服務于計算智能方法的實現和創新改進。③實踐應用，要求能夠以C、Python、Matlab等計算機語言復現算法，并在此基礎上開展研究應用。計算智能課程是理論、算法和實踐三大內容交互融合反饋的教學體系，基礎理論是算法設計和實踐應用的根本，算法設計加深了對基礎理論的理解并奠定了實踐應用的基礎，實踐應用則反過來推動了基礎理論的發展和算法的創新設計。

計算智能課程具有極強的理論性、操作性和實踐性，所涉及的知識面很廣，內容較為抽象，學生對理論知識點往往難以理解，導致理論與實踐脫節，對各種計算智能方法的實際應用不能靈活掌握，產生這些問題的原因主要可歸納為以下三個方面：

（1）缺乏對學生有效的引導和啟發。計算智能課程內容較多，授課學時相對較少，教師在課堂上與學生缺乏互動，存在“填鴨式”教學的情況。在教學設計方面，教師對如何引導學生學習興趣、激發學生主動學習缺乏考慮。

（2）缺乏可靠的算法資源和標準的算法實驗平臺。計算智能課程涉及了諸多算法程序，學生在進行算法實驗時所搜羅的算法資源卻存在多種計算機語言版本，程序質量良莠不齊，也缺乏可靠統一通用的算法實驗平臺。

（3）缺乏足夠深度前沿的應用場景。課程實驗常是一些常規的驗證性實驗，大多數學生無需深入思考就可以完成基本的實驗任務，缺乏有深度的創新性實驗。

● 教學改革實施方案

1.問題啟發式教學

問題啟發式教學就是教師要通過在教學過程中有意識地引導學生產生問題、提出問題，并有的放矢地思考摸索，以解決問題，形成自己的判斷和歸納，達到舉一反三、觸類旁通的學習效果，最終使學生形成以自我為學習主體的學習模式，達成良性的循環反饋。鑒于計算智能課程概念抽象、知識新穎和學科交叉的特性，教師需要在各個教學鏈條上始終注意問題的提煉、剖析和導引，始終做到有的放矢，把握好教學的節奏。例如，在講解蟻群優化算法時，就可以以經典的背包問題或最短路徑問題來啟發學生思考各種解決方案及其復雜度關系，在學生思考的過程中，給予適當的提示與鼓勵，使學生的思考更加深入，并基于學生的回答進行一定深度的探討分析，開拓學生的思維，接著結合教學內容引出基于蟻群算法的解決方案，使學生自然而然地產生新的問題——自己所提出的方案相比蟻群算法有何優劣，引發學生進行自主性的探究學習，對課程的知識有更深刻的體悟。

2.基于先進科研平臺資源的算法探究

人工智能領域發展極為迅速，計算智能課程的教學，既要講授經典智能算法的內容，也要兼顧計算智能發展的最新趨勢。目前，國內外許多知名學者和研究機構都建有智能算法網站和個人主頁，提供開源的最新研究成果和程序代碼，這些平臺資源無疑對本門課程的學習提供了極大的幫助，教師可以搜羅相關資源提供給學生，為學生的算法學習打下堅實基礎。例如，在教學中可以借助Matlab的神經網絡工具箱講解相關知識，包括介紹神經網絡的網絡拓撲結構、梯度下降原理，講解如何構造輸入層、隱含層和輸出層，如何執行反向傳播等，然后通過選用神經網絡的實際案例進行講解，這樣，學生會對相關原理知識有更加生動具體的認識，也容易調動學習的興趣。又如，安徽大學生物智能與知識發現研究所最新開發的進化多目標優化平臺PlatEMO[4]，集成了一百多種算法和優化問題，其中包含最先進的進化算法和最常用的測試問題及性能指標，所有程序都經過了標準化、模塊化處理，非常適合學生進行算法實驗探究，接觸相關學科的前沿知識，開拓學生的眼界，鍛煉學生的創造性思維和科研素養。

3.面向應用場景的項目驅動式教學

對于理論性和實踐性極強的計算智能課程，如何搭建理論與實踐之間的橋梁，引導學生將所學的算法知識應用到具體場景中顯得尤為重要。筆者認為，可通過項目驅動式教學檢驗學生綜合運用所學課程知識的能力，鍛煉學生分析問題和解決問題的能力，全面開發其創造性思維，提升創新能力。例如，基于智能算法的人臉識別項目，人臉識別是人工智能非常典型的應用場景，也是能觸及科技前沿的方向，而且相關技術發展較為成熟，可參考學習的算法資源和數據集極為豐富，國際上也制定了通用的評測標準和性能指標?？梢?至4名學生為一組，通過團隊協作，完成項目設計任務，最終以論文報告和小組答辯形式進行考核。通過項目驅動式教學，讓學生在充分運用挖掘課程相關知識的基礎上，完成具有一定難度和挑戰性的實踐課題，不僅能激發學生的學習興趣，鍛煉學生團隊協作和探索研究的能力，而且縮短了教學與實踐應用的距離，讓學生能夠更加自信地面對問題、解決問題。

4.融入課程思政元素

課程思政是新時期黨中央關于加強高校思想政治工作的新要求，要以立德樹人為導向，以堅定的政治方向為核心，將明確的德育元素融入到課程的知識傳遞過程中。[5]在教學活動中，教師既要擔負起道德引領職責，也要讓教學過程充分體現立德樹人的思想。例如，計算智能課程既涉及很多前言科技領域，也在生活中誕生了許多有影響力的應用，如刷臉支付、出入門禁等，可讓學生暢想自己的小發明、小創造在融入生活服務于大眾之后，所帶來的光榮與使命。又如，谷歌的AlphaGo[6]在圍棋上成功地實現了對人類的碾壓，震驚世界，然而國內人工智能技術的研究卻只能跟在國際最先進技術的后面亦步亦趨，可讓學生意識到國內的人工智能技術急需能夠引領世界的重大突破，作為當今的年輕人，必須明確自己的使命和擔當。

● 結語

本文針對計算智能課程教學存在的難點和問題，從課堂教學模式改革、資源平臺構建、項目驅動式教學機制和課程思政元素融入研究等方面對計算智能課程進行改革，嘗試探索一條適合高校計算智能本科教育教學的課程改革與建設之路，以期為創新型復合型人才的培養打造良好的課程教學平臺，從而提升本科教學質量。

參考文獻：

[1]徐曉飛，沈毅，鐘詩勝，等.新工科模式和創新人才培養探索與實踐——哈爾濱工業大學“新工科‘Π型’方案”[J].高等工程教育研究，2020（02）：18-24.

[2]鄧競偉，鄧凱英，賈麗娟.新工科背景下面向應用型人才培養的程序設計課程教學方法研究[J].中國信息技術教育，2021（22）：100-103.

[3]李宏.“智能優化算法”碩士課程教學設計與實踐[J].教育現代化，2020，7（50）：135-138.

[4]Tian Y，Cheng R， Zhang X，et al.PlatEMO：A MATLAB platform for evolutionary multi-objective optimization[J].IEEE Computational Intelligence Magazine，2017，12（04）：73-87.

[5]譚舒.高校課程思政教學設計的反思與改進——基于“價值最小單元”的探索[J].教師教育學報，2021，8（05）：62-69.

[6]Silver D，Schrittwieser J，Simonyan K，et al.Mastering the game of Go without human knowledge[J].Nature，2017，550（7676）：354-371.

作者簡介：徐弓岳（1990—），男，博士，講師，研究領域為計算智能及其教育教學方法研究。郭二廓（1986—），男，博士，副教授，研究領域為智能制造技術及裝備、智能制造教學方法研究。

基金項目：國家自然科學基金資助項目（51805225）;中國博士后科學基金資助項目（2020M681498）。