新工科背景下人工智能導論課程教學方法探討

摘 要：人工智能導論作為眾多新工科專業的入門級課程，具有高度概括性，啟發性，和廣泛的應用性。本課程從人工智能思想出發，以知識背景和理論基礎為主要內容，結合現有行業應用，并引入部分最新前沿研究，為學生在新工科背景下開展學習引發了學習的熱情并夯實了專業基礎。

關鍵詞：新工科;人工智能導論;教學方法

1 引言

新工科作為我國教育歷史的新起點，是針對傳統的工科專業，以互聯網與人工智能為核心，通過學科交叉融合完成創新改造升級，為新興產業提供有創新能力，有實踐能力，有知識廣度的復合型人才。人工智能源于計算機專業，但具體涉及方向眾多，具有跨學科、綜合性強、應用廣泛的特點。人工智能導論在學科上涉及數學、計算機、神經生理學、認知學、信息論、控制論、不確定性論、哲學等，其本身研究內容又包括機器學習、模式識別、知識表現、深度學習、邏輯推理、智能搜索、組合調度、復雜系統等研究方向，其應用范圍又包括人臉等機器視覺識別系統、專家系統、人機交互、自動規劃、定理證明、機器人學、人機交互（圖像、音頻、視頻）理解、自動編程等廣泛的應用。所以，在新工科背景下的人工智能導論是學生入門的綜合性新工科課程，它不僅是背景知識介紹，也不僅是整個專業各個課程的基本簡介，更是重在人工智能相關領域的工程素質培養，人工智能專業的創新思維培養。人工智能導論在未來不僅僅是計算機相關專業的入門課程，并將成為眾多新工科專業的首門專業基礎課程。因此，首先要明晰人工智能導論這門課程的定位和具體任務內涵，其次據此選擇適合新工科要求的本門課程教學方法，再次在具體教學方法的基礎上建立人工智能導論課程的教學資源，最后確定考核方式。

2 課程定位

本門課程在新工科背景下的課程性質可作為各個新工科專業的必修專業基礎課。本課程研究對象是研究人工智能的基礎理論，建立關鍵共性技術知識體系，介紹常用基礎支撐平臺， 并引入最新理論成果或工程應用開拓眼界。教學目的是培養學生的計算機思維能力、理解和應用人工智能的基本能力和查閱最新資料的能力，并同時培養學生的新工科的工程師素質。教學要求為通過本課程的學習，初步具有用人工智能方法實現基礎理論和閱讀相關代碼的能力，并具有使用常見框架的基本技能。

3 教學方法與資源

新工科知識體系的主要趨勢對本門課程的教學方面主要影響涉及兩個方面：1）人工智能概論將在發展的過程中逐漸受到重視，之前智能作為專業核心課程將成為一部分計算機等相關專業的基礎課程，繼而可能調入工程類的平臺大類課程;2）人工智能概論涉及的主要知識體系和呈現方式，將從知識簡介向工程能力鍛煉轉變，將通過內部重組將知識從歷史脈絡轉變為問題探索性研究脈絡為主線，打通基礎知識和實踐應用的遞進關系。通過以上兩方面的影響，本門課程將適用于問題探索式教學，以助于學生在未來快速更新知識體系，并融入真實工程實踐情況，并適應快速知識更替領域的終身學習方法和工程應用。

3.1 問題選擇

問題導向型教學可設置以下三方面的問題：1）導入式問題，即通過新知識的應用場景為問題的問題工程背景導入，通過特定的問題設置引起學生對問題和解決方法的思考，從而導入本節課程的知識內容;2）研究式理論問題，通過問題引入新知識或算法與舊知識或傳統算法的硬件基礎的不同、研究基礎的不同、應用場景的不同、甚至大眾接受程度的不同從而對比各個解決方案，從而看到各個階段智能體發展的脈絡，以引發對最新理論和應用的探索;3）探索式應用問題，通過實踐應用解決簡單基礎的小問題，通過探索的過程達到鍛煉工程素養的目的，并嘗試以較高完成度解決實際情境 問題。

3.2 討論式教學

通過對同一問題進行討論，引導和啟發學生的思維，培養學生獨立思考能力，關于專業問題進行有效溝通能力，并有一定創新角度。主要從以下三方面展開：1）某人工智能所處于的理論背景限制下進行思考，所以第一個討論的是該問題的限制條件;2）某人工智能理論的工程應用背景，所以第二個討論的是該問題的應用場景或者目標是什么;3）第三個是解決方案的比對方法，學會如何評價和選擇最適合的人工智能解決方案。討論式教學不是形式主義討論，而是學會人工智能專業領域內表達技巧，用術語高效學術交流，學會理解和評價人工智能解決方案。

3.3 交叉融合方法

通過具體案例鍛煉學生能力，把以寬口徑、厚基礎、理論教學為主的過去廣泛應用在教學領域的培養模式，逐漸轉向以新工科為背景，面向以應用為向導，多學科交叉融合為特征的新培養模式。不是簡單的各個學科加和，而是聚焦國家重大需求，以社會實際難點熱點為導向，集成整合學科，形成以點帶面，即以最終應用需求為一點，以涉及到的各個學科為各個方面，最終達到鍛煉同學以解決問題為目標，整合各個學科里的技能。這樣重在提升學生的自主創新能力。

3.4 資源建設方法

不再以傳統書籍從頭到尾的教學方式來進行教學，必將引起傳統教學資源的變革。這里是以問題為導向，故資源建設重在可查詢性，而不是完整度。各個相關學科既需要建立各種手冊類資源，又需要建立一頁紙快速入門，以同時兼顧可用性和可快速獲取性。人工智能導論課程將以各個門類的資源的快速搜索與綜合整合為基礎，達到為解決某一問題提供所需的基礎資源，包括教材、教輔、代碼等均以某一個小問題的解決目標為分類方式，而不是以傳統科目由淺到深的學習難度遞進關系排列。所以綜上資源建設重在查詢式學習，而不是重在構建遞進式學習。

3.5 更新迭代方法

通過調研新工科人才面臨的機遇和挑戰、現有國內外工科專業人工智能導論課程包含的內容現狀與趨勢，社會需求狀況及發展特征，提出新工科人才對培養人工智能相關專業新的要求，評價現有人工智能導論課程內容合理性以及最終的課程目標達成度，具體更新培養方案、討論教學內容、包含的學科以及交叉融合方法、課程教材與教輔等資源，最終人才進行對實際問題的實踐應用并提出反饋修正意見，并依據該意見對上述流程再次更新，以不斷適應時代對于新工科背景下的人工智能導論課程的新要求。

4總結

綜上所述，通過問題選擇、討論式教學、資源建設、更新迭代方法等方面對新工科背景下人工智能導論課程教學方法進行了探討，以提升學生解決實際問題的能力來反向構建人工智能導論課程，把討論式教學引入到教學課堂中代替應試思維，交叉融合自己的知識庫，查詢式學習整合資源，并不斷更新課程以適應國家的發展需求。

作者簡介：王海琨， 男 ，1988-02 ，漢， 河北石家莊人， 博士， 講師， 重慶理工大學， 研究方向： 人工智能。