傳統(tǒng)機(jī)械專業(yè)新增人工智能課程中科研促進(jìn)教學(xué)策略研究

摘 要：在傳統(tǒng)機(jī)械專業(yè)中增開人工智能類課程，培養(yǎng)復(fù)合型人才對(duì)于社會(huì)經(jīng)濟(jì)的發(fā)展具有重要意義。文章深入分析傳統(tǒng)機(jī)械專業(yè)開設(shè)人工智能課程的重要性及存在的問題，并結(jié)合實(shí)踐教學(xué)的經(jīng)歷，提出了一種通過科研促進(jìn)傳統(tǒng)機(jī)械專業(yè)新增人工智能課程教學(xué)活動(dòng)的策略。

關(guān)鍵詞：機(jī)械專業(yè);人工智能;科研

中圖分類號(hào)：G434 ? ??文章編號(hào)：2095-624X（2019）17-0155-02

一、傳統(tǒng)機(jī)械專業(yè)開設(shè)人工智能課程的重要性及問題

傳統(tǒng)機(jī)械專業(yè)包括機(jī)械設(shè)計(jì)制造及其自動(dòng)化、材料成型及控制工程、機(jī)械電子工程等專業(yè)。目前絕大多數(shù)的國(guó)內(nèi)院校相關(guān)專業(yè)在課程體系設(shè)計(jì)以及專業(yè)培養(yǎng)方案方面仍舊以傳統(tǒng)機(jī)械制造與自動(dòng)化控制方面的課程為主，輔以少量電子信息類課程?，F(xiàn)有課程體系培養(yǎng)出來的學(xué)生雖然可以滿足目前工業(yè)界大多數(shù)生產(chǎn)線的實(shí)際需求，但是我們必須注意到機(jī)械領(lǐng)域已經(jīng)出現(xiàn)了新的巨大變化。

近年來，以深度學(xué)習(xí)為代表的人工智能技術(shù)飛速發(fā)展，取得了令人矚目的成果，如人臉識(shí)別、輔助駕駛、智能推薦、移動(dòng)支付等技術(shù)已從實(shí)驗(yàn)室全面走向日常生活應(yīng)用，2019年的圖靈獎(jiǎng)也授予深度學(xué)習(xí)領(lǐng)域的三大巨頭，標(biāo)志著人工智能技術(shù)正在并將持續(xù)得到社會(huì)各界的廣泛關(guān)注。得益于人工智能技術(shù)的飛速發(fā)展，傳統(tǒng)機(jī)械領(lǐng)域受到巨大沖擊，以波士頓動(dòng)力公司為代表的高新企業(yè)賦予機(jī)械以智能，讓機(jī)器人從科幻電影逐步走向現(xiàn)實(shí)生活。同時(shí)，3D打印等技術(shù)也展現(xiàn)出巨大的應(yīng)用潛力。這些現(xiàn)象標(biāo)志著目前機(jī)械領(lǐng)域的未來發(fā)展方向已從現(xiàn)有的信息化轉(zhuǎn)向了智能化，即智能機(jī)械。為了把握這一歷史機(jī)遇，實(shí)現(xiàn)彎道超越，我國(guó)政府已經(jīng)明確“中國(guó)制造2025”的主攻方向就是智能制造。而實(shí)現(xiàn)這一宏偉目標(biāo)的最重要基礎(chǔ)之一就是我們必須有足夠數(shù)量的懂得智能制造的人才，因此在傳統(tǒng)機(jī)械專業(yè)中加開人工智能課程是極為重要的。此外，由于傳統(tǒng)機(jī)械行業(yè)多年來未有明顯進(jìn)步，在互聯(lián)網(wǎng)上被部分人稱之為“夕陽專業(yè)”，已經(jīng)影響到了相關(guān)專業(yè)的本科招生，因此增加開設(shè)人工智能課程將使得傳統(tǒng)機(jī)械專業(yè)再一次煥發(fā)生命力。

筆者所在的合肥學(xué)院（以下簡(jiǎn)稱我院）具有雙元制（世界500強(qiáng)制造企業(yè)與學(xué)校共同培養(yǎng)機(jī)械類專業(yè)本科學(xué)生）培養(yǎng)的巨大優(yōu)勢(shì)。得益于此，我院準(zhǔn)確把握企業(yè)脈搏，勇于開拓創(chuàng)新，在機(jī)械設(shè)計(jì)制造及其自動(dòng)化以及材料成型及控制工程兩個(gè)傳統(tǒng)機(jī)械專業(yè)開設(shè)了《機(jī)器視覺》以及《人工智能》兩門人工智能類課程，在國(guó)內(nèi)同類院校中處于第一梯隊(duì)。

《機(jī)器視覺》課程主要講授圖像處理基本知識(shí)、圖像分類、目標(biāo)識(shí)別、物體分割等內(nèi)容;《人工智能》課程主要講授機(jī)器學(xué)習(xí)基本知識(shí)、常用的分類算法與聚類算法等內(nèi)容。筆者在實(shí)際教學(xué)中發(fā)現(xiàn)直接按傳統(tǒng)方式講授這兩門課程并不適合機(jī)械類專業(yè)的本科生，主要存在兩大問題。①這兩門課程一般是計(jì)算機(jī)或相關(guān)信息類專業(yè)的課程，相對(duì)于信息類專業(yè)來說，機(jī)械類專業(yè)的學(xué)生在初始階段會(huì)覺得這兩門課程與機(jī)械的關(guān)聯(lián)性不大，從而喪失學(xué)習(xí)興趣與動(dòng)力。②國(guó)內(nèi)高等院校目前普遍采用的機(jī)器視覺教材為阮秋琦等人翻譯的《數(shù)字圖像處理（第三版）》，人工智能教材為南京大學(xué)周志華教授的著作《機(jī)器學(xué)習(xí)》。但人工智能仍處于蓬勃發(fā)展階段，在每年的相關(guān)頂級(jí)會(huì)議上仍有數(shù)千種新算法被提出，如何讓學(xué)生了解并掌握領(lǐng)域內(nèi)新的進(jìn)展也是亟待解決的問題。

下面介紹一種筆者為解決上述問題而采用的科研促進(jìn)教學(xué)方法，并結(jié)合實(shí)際教學(xué)案例說明如何通過科研工作促進(jìn)傳統(tǒng)機(jī)械專業(yè)新增人工智能課程的教學(xué)活動(dòng)的展開。

二、科研促進(jìn)教學(xué)方法介紹

隨著我國(guó)高等教育的內(nèi)涵不斷提升以及我國(guó)博士教育的蓬勃發(fā)展，目前高等院校在招聘專職教師時(shí)一般都要求博士學(xué)歷。此外，根據(jù)我國(guó)工科博士的培養(yǎng)要求，所有博士在畢業(yè)時(shí)都要滿足一定的科研工作量。具體到機(jī)械類專業(yè)從事人工智能相關(guān)課程教學(xué)的教師而言，絕大多數(shù)教師都承擔(dān)一定數(shù)量的相關(guān)的橫向與縱向科研項(xiàng)目?？蒲信c教學(xué)并非兩個(gè)完全隔離或者沖突的領(lǐng)域，相反其是相輔相成的。

從教學(xué)對(duì)于科研的促進(jìn)角度來看，為便于學(xué)生理解并掌握知識(shí)，面向本科生的教學(xué)活動(dòng)非常注重知識(shí)的連貫性與知識(shí)脈絡(luò)的清晰性，而教師的科研工作一般只專注于某一個(gè)方向。長(zhǎng)時(shí)間下去，可能忽略了對(duì)相應(yīng)領(lǐng)域知識(shí)的系統(tǒng)學(xué)習(xí)。進(jìn)而有可能出現(xiàn)“一葉障目”的現(xiàn)象，導(dǎo)致自身的研究進(jìn)入瓶頸。因此，教學(xué)活動(dòng)有助于科研工作者梳理相關(guān)知識(shí)，進(jìn)一步夯實(shí)自己的理論基礎(chǔ)，拓寬理論視野，從而促進(jìn)科研工作的突破。

從科研工作促進(jìn)教學(xué)活動(dòng)的角度來看，人工智能作為一個(gè)實(shí)用性極強(qiáng)的方向，相比于其他領(lǐng)域的科研工作，在機(jī)械專業(yè)從事人工智能方向的教師的科研項(xiàng)目大都兼顧理論與實(shí)踐，如機(jī)械產(chǎn)品缺陷檢測(cè)、機(jī)械故障信號(hào)診斷與自動(dòng)識(shí)別、機(jī)械產(chǎn)品自動(dòng)分類等研究課題，既有機(jī)械背景又緊密結(jié)合人工智能算法。因此，①在教學(xué)活動(dòng)中有選擇性地講述自己的研究工作，讓學(xué)生明白正在學(xué)習(xí)的人工智能課程的哪些知識(shí)點(diǎn)可以用在機(jī)械方面解決傳統(tǒng)機(jī)械類課程無法解決的實(shí)際問題，將大大提升傳統(tǒng)機(jī)械類專業(yè)學(xué)習(xí)人工智能課程的興趣與自主性; ②將課本中的抽象原理與科研具體工作相結(jié)合，以代碼為媒介，實(shí)現(xiàn)課本中的抽象原理并作用于實(shí)際項(xiàng)目中觀察調(diào)試效果，可達(dá)到“一石二鳥”的目的（提高了學(xué)生的代碼水平，讓學(xué)生對(duì)抽象的人工智能算法有了形象的理解）;③教師在科研工作中會(huì)密切關(guān)注最新論文以把握最新科研進(jìn)展情況，因此教師可在教學(xué)活動(dòng)中選取一些較新的且典型的并與實(shí)際結(jié)合緊密的論文讓學(xué)生翻譯并作為課程設(shè)計(jì)作業(yè)，在鍛煉學(xué)生的動(dòng)手能力的同時(shí)讓學(xué)生對(duì)最新科研進(jìn)展情況有一定的了解;④讓部分學(xué)習(xí)興趣最濃厚、編程基礎(chǔ)較好的學(xué)生實(shí)際參與到科研課題的研究過程當(dāng)中，可大大增強(qiáng)學(xué)生的動(dòng)手能力，無論對(duì)其日后繼續(xù)讀研深造還是直接進(jìn)入公司工作都大有益處。

三、科研促進(jìn)教學(xué)案例分析

1.圖像處理基本知識(shí)

在這一部分中將介紹筆者在《機(jī)器視覺》課程中的教學(xué)案例：圖像的顏色變換、邊緣檢測(cè)及聯(lián)通域分析。這一部分知識(shí)較為基礎(chǔ)，在課本上都是一些簡(jiǎn)單的數(shù)學(xué)公式，如果只讓學(xué)生以課本上的參考圖例為學(xué)習(xí)對(duì)象，很難讓學(xué)生明白人工智能和機(jī)械的緊密聯(lián)系性。筆者在教授這門課程時(shí)正在承擔(dān)一項(xiàng)企業(yè)委托項(xiàng)目“某型建筑網(wǎng)制造過程中的缺陷自動(dòng)檢測(cè)設(shè)備”，即利用機(jī)器視覺技術(shù)自動(dòng)檢測(cè)生產(chǎn)的建筑網(wǎng)是否網(wǎng)孔破損、網(wǎng)孔大小不符合標(biāo)準(zhǔn)等缺陷。因此筆者在教學(xué)過程中采用以下教學(xué)步驟：首先，按照教材講述基本算法原理;其次，對(duì)科研項(xiàng)目進(jìn)行介紹，著重講述顏色變換、邊緣檢測(cè)及聯(lián)通域分析用在項(xiàng)目中的哪一部分以及為什么要使用;再次，用實(shí)際項(xiàng)目中的數(shù)據(jù)取代課本中的例子進(jìn)行教學(xué);最后，布置課后作業(yè)讓學(xué)生翻譯并實(shí)現(xiàn)經(jīng)典直線檢測(cè)算法LSD。除此之外，選拔2名水平較高且學(xué)習(xí)態(tài)度較好的學(xué)生實(shí)際參與到項(xiàng)目中。

2.模式分類

在這一部分中將介紹筆者在《人工智能》課程中的教學(xué)案例：邏輯回歸。邏輯回歸本身是機(jī)器學(xué)習(xí)領(lǐng)域較為基礎(chǔ)的一個(gè)概念，但其名字令學(xué)生迷惑，雖然其名字為回歸，但是其本質(zhì)是一個(gè)非線性分類模型。此外，現(xiàn)有教材在講述這一部分內(nèi)容時(shí)一般是采用房子買不買/西瓜成熟否/魚的種類識(shí)別等二分類模型進(jìn)行介紹，與機(jī)械專業(yè)沒有契合點(diǎn)。筆者曾主持過一項(xiàng)縱向課題“基于多傳感器的機(jī)械故障分析”，因此，筆者在教學(xué)時(shí)，將課本中的例子直接替換為實(shí)際機(jī)械工況數(shù)據(jù)，可顯著增加傳統(tǒng)機(jī)械類學(xué)生對(duì)人工智能類課程的認(rèn)同感。此外，在自主學(xué)習(xí)環(huán)節(jié)，將一批統(tǒng)一標(biāo)注預(yù)處理的訓(xùn)練數(shù)據(jù)與驗(yàn)證數(shù)據(jù)下發(fā)給學(xué)生，讓學(xué)生查找資料設(shè)計(jì)實(shí)現(xiàn)自己的機(jī)械故障分類模型，然后在測(cè)試集上對(duì)所有學(xué)生的模型進(jìn)行統(tǒng)一測(cè)試，將最終的準(zhǔn)確率排名作為學(xué)生的成績(jī)排名。上述方式既激發(fā)了學(xué)生的學(xué)習(xí)興趣，同時(shí)鍛煉了學(xué)生的自主學(xué)習(xí)能力，又可以解決傳統(tǒng)紙質(zhì)試卷考核方式不適應(yīng)人工智能課程的問題。

四、結(jié)語

本文通過對(duì)傳統(tǒng)機(jī)械專業(yè)開設(shè)人工智能課程的重要性及存在問題的深入分析，以《機(jī)器視覺》和《人工智能》兩門課程為例，給出了一種如何通過教師的科研工作促進(jìn)傳統(tǒng)機(jī)械專業(yè)新增人工智能課程教學(xué)的方法，并結(jié)合兩個(gè)具體的教學(xué)案例對(duì)該方法進(jìn)行了闡述。文中所介紹的方法與實(shí)例可以有效地?cái)U(kuò)展到其他傳統(tǒng)工科專業(yè)增設(shè)人工智能類課程的教學(xué)活動(dòng)當(dāng)中，從而使任課教師可以通過自身的科研活動(dòng)有效地提升教學(xué)質(zhì)量。

參考文獻(xiàn)：

[1]（美）岡薩雷斯，伍茲.數(shù)字圖像處理（第三版）[M]. 阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2011.

[2]周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[3]Grompone von Gioi Rafael，Jakubowicz Jérémie，Morel Jean-Michel，Randall Gregory. LSD： a fast line segment detector with a false detection control[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2010（4）.

[4]張小明，李舟軍.研究生人工智能課程研究性教學(xué)探索[J].計(jì)算機(jī)教育，2017（10）：71-74.

作者簡(jiǎn)介：年福東（1993—），男，安徽宿州人，講師，工學(xué)博士，研究方向：人工智能、多媒體計(jì)算。