基于成果導(dǎo)向教學(xué)的人工智能課程改革

陳 娟，劉鋒林，黃麒之，文 泉

（電子科技大學(xué)計算機科學(xué)與工程學(xué)院，四川成都 611731）

0 引言

成果導(dǎo)向教學(xué)（OBE）［1-4］是以人人都能學(xué)會為前提、以學(xué)生為中心、以成果為導(dǎo)向的教學(xué)模式。成果導(dǎo)向教學(xué)強調(diào)學(xué)生的能力培養(yǎng)和能力訓(xùn)練，發(fā)掘?qū)W生的個人價值和潛力。人工智能是計算機專業(yè)核心課程，其是對計算機科學(xué)、信息論、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等跨學(xué)科知識的交叉與應(yīng)用。人工智能課程主要研究如何使計算機模擬人的思維過程和智能行為，包括學(xué)習(xí)、推理、思考、規(guī)劃等能力。人工智能課程教學(xué)內(nèi)容涉及知識面很廣，需要學(xué)生具備突出的學(xué)習(xí)能力。因此，教師采用成果導(dǎo)向的教學(xué)模式探索與實踐人工智能課程的教學(xué)改革，向?qū)W生傳授學(xué)習(xí)能力的“船槳”，教師在教學(xué)過程中充當(dāng)“燈塔”的指引作用，使不同層次的學(xué)生都能“揚帆起航”，在《人工智能》浩瀚的知識海洋中收獲不同智力程度的知識“寶藏”。

1 成果導(dǎo)向教學(xué)思路

基于成果導(dǎo)向教學(xué)的人工智能課程改革，以學(xué)生為中心、以課程項目為驅(qū)動。教師在成果導(dǎo)向教學(xué)實施過程中，通過設(shè)計具有趣味性、挑戰(zhàn)性、實用性的科研實驗問題，引領(lǐng)不同層次的本科生對實驗步驟進行分工與細化，提出科研實驗的解決方案。當(dāng)本科生在成果導(dǎo)向教學(xué)實施過程中遇到困難時，教師鼓勵其嘗試進行創(chuàng)新，針對不同學(xué)生的學(xué)習(xí)能力和特點進行個性化指導(dǎo)，并對科研實驗結(jié)果進行對比與分析，以啟發(fā)學(xué)生的創(chuàng)新思維，發(fā)掘?qū)W生的學(xué)習(xí)潛能。

人工智能課程在成果導(dǎo)向教學(xué)的探索與實踐過程中，使學(xué)生通過分工協(xié)作，在實驗平臺搭建、算法設(shè)計、編程實踐、實驗結(jié)果分析等方面深入體驗科研實驗過程，并且在交流協(xié)作、創(chuàng)新思考環(huán)節(jié)中收獲學(xué)術(shù)研究的經(jīng)驗和方法。學(xué)生們表示，通過參與科研實驗使其對學(xué)術(shù)研究產(chǎn)生了濃厚興趣。而且基于成果導(dǎo)向教學(xué)的人工智能課程采用達成性評價，以定量分析學(xué)生的能力培養(yǎng)情況。

本文選擇人工智能課程的“人工神經(jīng)網(wǎng)絡(luò)”章節(jié)作為教學(xué)案例，分析與探討成果導(dǎo)向教學(xué)改革的作用?！叭斯ど窠?jīng)網(wǎng)絡(luò)”是深度學(xué)習(xí)的研究熱點，教師通過問卷調(diào)查，發(fā)現(xiàn)絕大部分學(xué)生對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計和分類應(yīng)用具有很強的好奇心與濃厚的學(xué)習(xí)興趣。使用神經(jīng)網(wǎng)絡(luò)［5-11］解決圖像分類問題，近年來已吸引了眾多學(xué)者關(guān)注。其中，“微分神經(jīng)網(wǎng)絡(luò)”［11］是神經(jīng)網(wǎng)絡(luò)技術(shù)中的代表性方法，具有訓(xùn)練速度快等許多優(yōu)點。因此，教師針對深度學(xué)習(xí)的學(xué)術(shù)研究熱點，構(gòu)思并設(shè)計了“微分神經(jīng)網(wǎng)絡(luò)”課程項目實驗，以實施成果導(dǎo)向教學(xué)。

2 成果導(dǎo)向教學(xué)問題設(shè)計

本文選擇國際皮膚成像合作組織（ISIC）國際競賽圖像數(shù)據(jù)集，要求學(xué)生分工協(xié)作搭建“微分神經(jīng)網(wǎng)絡(luò)”，以解決皮膚圖像和皮損圖像的二分類問題，作為人工智能課程“人工神經(jīng)網(wǎng)絡(luò)”這一章成果導(dǎo)向教學(xué)模式的科研實驗任務(wù)。

“皮損”是正常皮膚發(fā)生的良性或惡性病變，自動分類皮膚圖像和皮損圖像，是計算機輔助診治皮膚癌的首要步驟。皮膚癌具有很高的致死率，但早期診治預(yù)后效果較好。國際皮膚成像合作組織（ISIC）舉辦年度競賽［12］，以鼓勵計算機輔助診治皮膚癌的學(xué)術(shù)研究［13-15］，并提供競賽的公開數(shù)據(jù)集。因此，基于皮膚圖像和皮損圖像二分類的成果導(dǎo)向教學(xué)問題具有重要的實踐意義。

3 成果導(dǎo)向教學(xué)案例設(shè)計

基于成果導(dǎo)向的人工智能課程改革，聚焦計算機科學(xué)與技術(shù)專業(yè)的本科人才培養(yǎng)。人工智能課程培養(yǎng)學(xué)生的核心能力和素養(yǎng)目標(biāo)包括：①培養(yǎng)學(xué)生的文獻分析能力、實驗方案設(shè)計能力、系統(tǒng)建模能力、數(shù)據(jù)分析與解釋能力、實驗結(jié)果評估能力；②培養(yǎng)學(xué)生的創(chuàng)新能力、溝通交流能力、組織管理能力、自主學(xué)習(xí)及終身學(xué)習(xí)能力。

基于成果導(dǎo)向的《人工智能》“微分神經(jīng)網(wǎng)絡(luò)”教學(xué)案例設(shè)計，結(jié)合教學(xué)重難點，主要通過5 個核心教學(xué)任務(wù)培養(yǎng)學(xué)生的核心能力和素養(yǎng)：①微分神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，旨在培養(yǎng)學(xué)生的文獻分析能力和系統(tǒng)建模能力；②微分神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機制選擇，旨在培養(yǎng)學(xué)生的實驗方案設(shè)計能力；③編程平臺實驗環(huán)境配置，旨在培養(yǎng)學(xué)生的項目經(jīng)驗和組織管理能力；④皮膚圖像和皮損圖像數(shù)據(jù)集準(zhǔn)備，旨在培養(yǎng)學(xué)生分析與解釋數(shù)據(jù)的能力；⑤皮膚圖像和皮損圖像預(yù)處理，旨在培養(yǎng)學(xué)生的創(chuàng)新能力和實驗結(jié)果評估能力。

教學(xué)任務(wù)①、②是《人工智能》“人工神經(jīng)網(wǎng)絡(luò)”這一章教學(xué)的頂峰成果，強調(diào)每位學(xué)生都能深入掌握神經(jīng)網(wǎng)絡(luò)的基本原理和應(yīng)用，是每位學(xué)生必須完成的基本任務(wù)。教學(xué)任務(wù)①、②與《人工智能》“人工神經(jīng)網(wǎng)絡(luò)”這一章的教學(xué)知識點完全契合，可使學(xué)生理解神經(jīng)網(wǎng)絡(luò)的工作原理和結(jié)構(gòu)特點。教學(xué)任務(wù)①是搭建神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)，類似于制造一輛符合每個學(xué)生喜好的汽車，但只能得到汽車的實物，汽車還不能開動；教學(xué)任務(wù)②是神經(jīng)網(wǎng)絡(luò)的進階學(xué)習(xí)，引導(dǎo)學(xué)生讓神經(jīng)網(wǎng)絡(luò)開始工作，類似每個學(xué)生加入汽油，并按照自己的意愿駕駛汽車。

教學(xué)任務(wù)③、④是《人工智能》“人工神經(jīng)網(wǎng)絡(luò)”這一章教學(xué)的拓展成果，提供給具有濃厚學(xué)習(xí)興趣且學(xué)有余力的學(xué)生，注重培養(yǎng)學(xué)生的探索能力和創(chuàng)新精神。在教學(xué)任務(wù)③、④中，教師設(shè)計開放式的項目選擇，問題的正確答案不唯一，有多個解，學(xué)生可自主選擇求解問題的方法。

教學(xué)任務(wù)⑤是《人工智能》“人工神經(jīng)網(wǎng)絡(luò)”這一章教學(xué)的挑戰(zhàn)成果，提供給學(xué)習(xí)基礎(chǔ)扎實且學(xué)習(xí)能力突出的學(xué)生。在教學(xué)任務(wù)⑤中，學(xué)生可以充分體驗學(xué)習(xí)的挑戰(zhàn)性，精益求精地開展科研實驗，并對科研實驗結(jié)果進行持續(xù)改進。

4 成果導(dǎo)向教學(xué)案例實施

《人工智能》成果導(dǎo)向教學(xué)案例的實施，主要包括教學(xué)任務(wù)的頂峰成果、拓展成果和挑戰(zhàn)成果的實現(xiàn)。其中，頂峰成果，輻射教學(xué)任務(wù)①、②的實施；拓展成果，輻射教學(xué)任務(wù)③、④的實施；挑戰(zhàn)成果，輻射教學(xué)任務(wù)⑤的實施。

4.1 頂峰成果教學(xué)案例

第一個成果導(dǎo)向教學(xué)任務(wù)的實施：微分神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計。首先，教師向?qū)W生展示構(gòu)成微分神經(jīng)網(wǎng)絡(luò)的基本要素，包括卷積操作、歸一化函數(shù)、激活函數(shù)、池化函數(shù)、展平函數(shù)、線性變換函數(shù)、微分函數(shù)；然后，教師引導(dǎo)學(xué)生分組（A 組，B 組，C 組）搭建微分神經(jīng)網(wǎng)絡(luò)，其中A 組同學(xué)選擇卷積操作、歸一化函數(shù)、激活函數(shù)搭建微分神經(jīng)網(wǎng)絡(luò)的下采樣層，B 組同學(xué)選擇卷積操作、歸一化函數(shù)、激活函數(shù)、微分函數(shù)搭建微分神經(jīng)網(wǎng)絡(luò)的特征提取層，C 組同學(xué)選擇池化函數(shù)、展平函數(shù)、線性變換函數(shù)搭建微分神經(jīng)網(wǎng)絡(luò)的全連接層；最后，教師引導(dǎo)學(xué)生將A 組的下采樣層、B 組的特征提取層、C 組的全連接層按順序組合起來，構(gòu)成微分神經(jīng)網(wǎng)絡(luò)。

第二個成果導(dǎo)向教學(xué)任務(wù)的實施：微分神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機制選擇。首先，教師向?qū)W生展示微分神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，以及梯度反向傳播學(xué)習(xí)算法［16-18］，引導(dǎo)學(xué)生自主選擇損失函數(shù)；然后，教師引導(dǎo)學(xué)生分組（A 組，B 組，C 組）對微分神經(jīng)網(wǎng)絡(luò)的參數(shù)求梯度，其中A 組同學(xué)使用損失函數(shù)對微分函數(shù)的“開始時間節(jié)點”求梯度，B 組同學(xué)使用損失函數(shù)對微分函數(shù)的“終止時間節(jié)點”求梯度，C 組同學(xué)使用損失函數(shù)對微分神經(jīng)網(wǎng)絡(luò)的其它參數(shù)求梯度；最后，教師引導(dǎo)學(xué)生將A 組、B 組和C 組的求梯度操作組合起來，構(gòu)成微分神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機制。

4.2 拓展成果教學(xué)案例

第三個成果導(dǎo)向教學(xué)任務(wù)的實施：皮膚圖像與皮損圖像數(shù)據(jù)集準(zhǔn)備。本文選擇國際皮膚成像合作組織（ISIC）提供的公開數(shù)據(jù)集［12］作為微分神經(jīng)網(wǎng)絡(luò)的實驗數(shù)據(jù)。首先，教師帶領(lǐng)A 組同學(xué)對ISIC 數(shù)據(jù)集進行圖像分塊處理，得到185 049 幅皮膚圖像和34 055 幅皮損圖像；然后，教師帶領(lǐng)B 組同學(xué)對原始圖像進行縮小處理，得到32×32 像素的小圖像訓(xùn)練微分神經(jīng)網(wǎng)絡(luò)；接下來，教師帶領(lǐng)C 組同學(xué)將訓(xùn)練圖像隨機旋轉(zhuǎn)90°、180°或270°，并隨機對訓(xùn)練圖像進行上、下、左、右方向的翻轉(zhuǎn)，實現(xiàn)數(shù)據(jù)增強和數(shù)據(jù)均衡；最后，教師引導(dǎo)學(xué)生按照5∶1 的比例，從ISIC 數(shù)據(jù)集中隨機選擇訓(xùn)練圖像集和測試圖像集。

第四個成果導(dǎo)向教學(xué)任務(wù)的實施：編程平臺實驗環(huán)境配置。教師向?qū)W生展示微分神經(jīng)網(wǎng)絡(luò)的PyTorch 編程平臺，選擇GPU 的型號為GeForce GTX 1060，顯存為6G，內(nèi)存為8G。教師引導(dǎo)學(xué)生分組（A 組，B 組）選擇微分神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)。A 組同學(xué)選擇128 幅圖像作為一個批次（batch），訓(xùn)練迭代次數(shù)為160 次；B 組同學(xué)選擇學(xué)習(xí)率初始值為0.1，并在訓(xùn)練過程中自適應(yīng)選擇系數(shù)（0.1，0.01，0.001）對學(xué)習(xí)率進行衰減。

4.3 挑戰(zhàn)成果教學(xué)案例

第五個成果導(dǎo)向教學(xué)任務(wù)的實施：皮膚圖像與皮損圖像預(yù)處理。實驗數(shù)據(jù)集中的圖像包含成像造成的黑色圓角和黑色邊框，以及皮膚科醫(yī)生用來做顏色對比的色卡，這些非皮膚區(qū)域?qū)ζつw圖像和皮損圖像分類造成了很大干擾。因此，教師引導(dǎo)學(xué)生分組（A 組，B 組，C 組）使用去除黑色圓角、去除黑色邊框、去除色卡3 個圖像預(yù)處理方法實現(xiàn)圖像去噪［19-20］，如圖1 所示。

圖1 圖像預(yù)處理

A 組同學(xué)去除圖像的黑色圓角，如圖1（a）和圖1（b）所示。在圖像的兩條對角線上，以搜索到的離圖像邊界最近的非黑色像素為邊界，裁剪圖像的黑色圓角。以像素坐標(biāo)max（x1，x2）裁剪圖像上邊界，以像素坐標(biāo)min（x3，x4）裁剪圖像下邊界，以像素坐標(biāo)max（y1，y4）裁剪圖像左邊界，以像素坐標(biāo)min（y2，y3）裁剪圖像右邊界。

B 組同學(xué)去除圖像的黑色邊框，如圖1（c）和圖1（d）所示。在圖像的水平中線和垂直中線上，以搜索到的離圖像邊界最近的非黑色像素為邊界，裁剪圖像的黑色邊框。以像素坐標(biāo)y1裁剪圖像的左邊界，以像素坐標(biāo)y2裁剪圖像的右邊界。

C 組同學(xué)去除圖像的色卡，如圖1（e）和圖1（f）所示。C 組同學(xué)設(shè)計了色卡在HSL 顏色空間的閾值條件，如表1所示。然后，在一幅原始圖像中得到4×4 像素的小圖像塊。在小圖像塊的HSL 顏色空間中，分別比較每個像素在H、S、L 3 個顏色通道的值是否滿足表1 的色卡閾值條件。如果滿足該閾值條件的相鄰像素超過100 個，則在原始圖像中去掉色卡對應(yīng)的小圖像塊。

表1 色卡H、S、L 通道閾值

5 成果導(dǎo)向教學(xué)達成性評價

在人工智能課程“人工神經(jīng)網(wǎng)絡(luò)”這一章的成果導(dǎo)向教學(xué)改革中，教師帶領(lǐng)學(xué)生使用微分神經(jīng)網(wǎng)絡(luò)對ISIC 數(shù)據(jù)集進行皮膚圖像和皮損圖像的二分類，并統(tǒng)計具有醫(yī)學(xué)意義的分類指標(biāo)，得到實驗結(jié)果如下：皮損圖像的查全率為90.23%，查準(zhǔn)率為84.24%，F(xiàn)1 指標(biāo)為87.13%。教師通過對實驗結(jié)果的達成性分析，發(fā)現(xiàn)微分神經(jīng)網(wǎng)絡(luò)能夠很好地完成皮膚圖像和皮損圖像的二分類任務(wù)。

最后教師采用問卷調(diào)查形式，請學(xué)生對學(xué)習(xí)效果和學(xué)習(xí)能力提升情況進行自評，以衡量成果導(dǎo)向教學(xué)的目標(biāo)達成情況。主要包括：①算法設(shè)計能力；②編程能力；③分工協(xié)作能力；④科研探索能力；⑤挑戰(zhàn)與創(chuàng)新能力。調(diào)查結(jié)果表明，基于成果導(dǎo)向的人工智能課程教學(xué)改革能夠拓展學(xué)生思維，提高學(xué)生的編程能力，提升學(xué)生對人工智能課程的學(xué)習(xí)興趣和自信心。

6 結(jié)語

本文采用成果導(dǎo)向的教學(xué)模式探索與實踐人工智能課程教學(xué)改革，立足前沿的科研問題，通過組織與引領(lǐng)本科生參與科研實驗，激發(fā)學(xué)生探索科學(xué)問題的興趣，使學(xué)生深刻體會到發(fā)現(xiàn)與解決問題的樂趣。人工智能課程的成果導(dǎo)向教學(xué)改革，通過頂峰成果、拓展成果以及挑戰(zhàn)成果的教學(xué)任務(wù)實施，聚焦計算機科學(xué)與技術(shù)專業(yè)本科人才的核心能力和素養(yǎng)培養(yǎng)，在人人都能學(xué)會和人人都感興趣的學(xué)習(xí)氛圍下，很好地實現(xiàn)了人工智能課程成果導(dǎo)向的教學(xué)目標(biāo)。