面向科研能力培養(yǎng)的研究型教學在人工智能課程中的實踐

汪洪橋 蔡艷寧

摘? 要：作為計算機相關專業(yè)碩士研究生階段的一門重要課程，人工智能課程具有理論和實踐并重、創(chuàng)新性強、應用廣泛等特點，適合用于培養(yǎng)研究生科研能力和科研思維。文章分析了人工智能課程的特點和存在的問題，探討了以該課程為載體，以培養(yǎng)研究生的科研能力為目標，從理論授課和實踐教學兩方面入手的研究型教學及其實施方法。

關鍵詞：人工智能;科研能力;研究型教學

中圖分類號：G640? ? ? ?文獻標志碼：A? ? ? ? ? 文章編號：2096-000X（2021）12-0105-04

Abstract： The course Artificial Intelligence， an important course for graduate students of computer related majors， is characterized by equal emphasis on theory and practice， strong innovation and wide application. It is suitable for cultivating graduate students' scientific research ability and thinking. This paper analyzes the characteristics and existing problems of Artificial Intelligence course， and discusses the research-oriented teaching and its implementation method， which takes the course as the carrier and aims at cultivating the scientific research ability of graduate students， from two aspects of theoretical teaching and practical teaching.

Keywords： Artificial Intelligence; scientific research capacity; research-oriented teaching

人工智能課程是為我校計算機相關專業(yè)研究生開設的一門重要的專業(yè)基礎課，它在整個專業(yè)教學體系中起到奠基的作用，由于該課程涉及到的應用領域廣，具有一定的理論深度，非常適合于培養(yǎng)學生的科研思維。因此，本文將從理論和實踐兩個角度探討如何在人工智能課程中有效地實施研究型教學。

一、人工智能課程的特點和教學中存在的問題

人工智能（Artificial Intelligence， AI）課程是以人工智能的基本概念、基本原理及應用為基礎，解釋如何用機器智能來對信息進行標示、推理、證明、識別、理解、學習、規(guī)劃、診斷等智能活動的科學。人工智能相關技術的研究一直處于信息技術的前沿[1-2]。目前，不少研究方向和技術，如自然語言理解、模式識別、機器學習、數(shù)據(jù)挖掘、智能檢索、機器人技術、人工神經(jīng)網(wǎng)絡、深度學習的成果已經(jīng)進入醫(yī)學、遙感、工業(yè)生產(chǎn)、軍事、生物特征識別、氣象預測等諸多領域[3-4]，給人們的工農(nóng)業(yè)生產(chǎn)和工作生活帶來了極大的便利。因此，在研究生培養(yǎng)階段開展人工智能課程的教學十分必要。

目前我校在計算機科學與技術學科開設的人工智能相關課程有五門以上，充分說明了我校對人工智能人才培養(yǎng)的重視，通過該課程的學習，研究生在掌握人工智能基本原理與方法的同時，運用智能技術解決智能應用問題的能力也得到了明顯提升，在畢業(yè)設計、科技創(chuàng)新、各類競賽中發(fā)揮了重要作用。但是，從人工智能相關課程的教學效果來看，還存在以下四方面問題：（1）研究生普遍感到人工智能相關課程原理算法多，理論性太強，學習起來枯燥乏味。（2）雖然學習了大量理論方法，但理論聯(lián)系實際欠佳，不會運用理論方法解決實際問題[5-6]。（3）課程教學模式單一，無法調(diào)動研究生的學習主動性和積極性。（4）課程實踐環(huán)節(jié)沒有滲透學位論文的研究思路[7]，導致課程學習與科研學術脫節(jié)。針對以上問題，課程教學組以人工智能課程為載體，以培養(yǎng)研究生的科研能力為目標，探索和實踐了人工智能課程的研究型教學方法，使人工智能課程的教學效果得以提升，在很大程度上解決了當前課程教學存在的問題，并結(jié)合示例進行展示。

二、計算機相關專業(yè)研究生應具備的科研能力

對于計算機專業(yè)人工智能方向來說，研究生的科研能力包括以下幾個方面：

（一）發(fā)現(xiàn)科學問題能力

不斷探索和發(fā)現(xiàn)科學問題，是科研人員的畢生追求。同樣的，發(fā)現(xiàn)科學問題的能力，在研究生課題選題、論文開題中起到了重要作用。為了完成開題研究生首先要通過查閱和消化吸收大量文獻，了解所感興趣的領域最新的研究動態(tài)，然后根據(jù)自己的研究興趣、專長、方向發(fā)現(xiàn)具有前沿性的科學問題，最后在掌握國內(nèi)外研究現(xiàn)狀的基礎上，確定自己畢業(yè)論文的研究目標和研究內(nèi)容。

（二）針對實際問題建立模型并提升編程實現(xiàn)的能力

研究生在確定好研究內(nèi)容和目標后，應能針對實際問題建立問題的通用模型，進而提煉出問題的數(shù)學模型，并用相關數(shù)學知識進行求解。最后能夠通過合適的編程實踐工具和實現(xiàn)技巧，得出仿真實驗結(jié)果。

（三）實際應用驅(qū)動下的理論創(chuàng)新能力

研究生教育的根本任務是培養(yǎng)高素質(zhì)的具有一定創(chuàng)新能力的人才。一般情況下，對研究生的理論創(chuàng)新能力要求，應建立在重復性的建模和仿真實驗基礎之上，要能復現(xiàn)、實驗分析出已有方法的不足，提出自己的觀點和改進方案，進行一定程度的理論創(chuàng)新，最終能進行充分的模擬實驗，得出比參考文獻更好的實驗結(jié)果。

（四）寫作能力和學術交流能力

研究生應具有撰寫高質(zhì)量學術論文的能力，掌握論文撰寫的基本思路和方法，能將自己解決科學問題的思維方式用文字、圖表等方式記錄和表達。在進行學術交流時清晰地表達自己的思想、技術手段和得出的結(jié)論。在學術交流中，一方面，研究生可以從專家、學者們的報告中吸取學術營養(yǎng)，開闊眼界，拓寬知識面，掌握基本的科研方法;另一方面，研究生有機會把自己的研究體會、研究思路和方法告訴導師或其他學者，通過質(zhì)疑、討論和幫助，不斷完善研究生的研究思路，豐富自己的創(chuàng)新意識。

三、研究型教學在人工智能課程中的實踐

研究型教學具有以下幾個特點：（1）把學習看成是

問題的尋找、發(fā)現(xiàn)、分析和解決的過程。（2）強調(diào)親自實踐、親自體驗發(fā)現(xiàn)科學真理的認識過程。（3）鼓勵對解決方法的接受、批判、遷移的能力，促進創(chuàng)新精神和能力的發(fā)展。人工智能的授課，應從理論和實踐兩方面入手踐行研究型教學方法。

（一）研究型理論教學在人工智能課程中的實踐

1. 利用熱點疑問論題引發(fā)研究生思考與討論

通過適時拋出一些熱點疑問和話題，引發(fā)學生思考與討論。例如“人工智能會戰(zhàn)勝人類智能嗎？”“人工智能是魔鬼還是天使？”“智能機器能毀滅人類嗎？”等本身具有開放性的問題。并給出科學界一些比較有影響力的觀點，比如斯蒂芬霍金、比爾蓋茨、特斯拉馬斯克等，讓人們警惕人工智能，他們擔心隨著智能技術的發(fā)展，機器智能總有一天會趕上且超過人類智能。

2. 采用問題驅(qū)動方式講解基礎理論

人工智能有相當部分的理論比較枯燥，學完往往和實際應用難以掛鉤。在對基本理論的講解上采用問題驅(qū)動的方式。即先拋出一個應用背景，然后針對該應用問題建立數(shù)學模型，針對數(shù)學模型進行推導簡化求解方法，之后進行初步的程序編寫和仿真實驗，最后分析方法的優(yōu)缺點提出新算法，針對新算法在進行新一輪的模型建立和仿真實驗，直到獲得較好的結(jié)果。研究生在學習理論的過程中，以實際應用為背景，理論便有了實際的意義，會無形中建立起用人工智能的相關知識解決實際問題的能力。

3. 科學運用案例導入，引出理論方法

通過采用案例引入的方式，引出理論方法，激發(fā)研究生興趣。比如：引入人機對弈的例子，像二十年前IBM的深藍戰(zhàn)勝卡斯帕羅夫，還有近期很熱門的google的AlphaGo4：1戰(zhàn)勝韓國的李世石。再比如可引入google旗下的波士頓動力的ATLas智能雙足機器人。這些都跟我們的核心知識點密切相關。

4. 依托豐富教學資源，科學設置人工智能程序?qū)嵗?/p>

人工智能作為理論研究熱門，應用拓展廣泛的研究方向，本身具有非常豐富的各類公開的實例資源，可引入到課程的理論教學，加強對理論的理解，也可拓展理論的應用。此外，也可以依托教研室、學院、學科在科研學術等方面的創(chuàng)新成果，構(gòu)建適合學科、專業(yè)核心內(nèi)涵的人工智能程序?qū)嵗?，應用于理論教學后，更能發(fā)揮程序?qū)嵗尼槍π?，更加貼合研究生在學科、專業(yè)領域的需求。這里，重點以兩個程序?qū)嵗敿氄f明。

示例1：雷達圖像目標識別程序?qū)嵗?/p>

教學組長期從事SAR圖像自動目標識別領域的科研學術工作，在SAR圖像目標的特征提取、支持向量機分類等技術領域取得了大量的理論和實踐應用成果，相關理論和應用成果在戰(zhàn)場偵察、預警探測領域具有重要應用價值。基于此，結(jié)合人工智能課程里的機器學習章節(jié)內(nèi)容，對支持向量機理論的模式識別應用進行了很好的實例展示和驗證。

具體展示步驟如下：

步驟一：數(shù)據(jù)集直觀化，引出問題解決的目標

為增強理論應用的實際效果，以真實的SAR圖像作為實驗對象。比如：引入的MSTAR數(shù)據(jù)集是美國DARPA項目組公開的對地靜止軍事車輛目標的SAR圖像數(shù)據(jù)集，其中包括T72（主戰(zhàn)坦克），BMP2（步兵戰(zhàn)車），BTR70（裝甲運兵車）三類真實目標。通過將每類目標原始數(shù)據(jù)進行可視化，可以將MSTAR數(shù)據(jù)集直觀化展示，強化研究生目標意識。

步驟二：合理設置實驗，貼近實際

在實驗過程中，訓練樣本是地面目標的SAR成像數(shù)據(jù)，SAR俯仰角為17°，總共為1622個，測試樣本是地面目標的成像數(shù)據(jù)，SAR俯仰角為15°，總共為1365個。訓練、測試樣本獲取途徑存在差異，更加符合實際情況。

步驟三：科學設定識別評價標準，掌握識別算法衡量方法

為了評估實驗結(jié)果的準確性，使用混淆矩陣（Confusion Matrix， CM），總體識別精度（Over Accuracy， OA）和平均識別精度（Average Accuracy， AA）來作為評價標準。CM是識別標簽向量與真實標簽向量之間的誤差矩陣，OA是正確識別的圖片樣本占總體圖片樣本的比例，AA是指每一類目標中正確識別的圖片占該類目標中總的圖片樣本數(shù)目的比例。使研究生了解常用的衡量識別算法性能的指標參數(shù)。

步驟四：SAR圖像的特征提取，理解樣本特征向量的獲取方式

SAR圖像的多尺度特征提取是決定識別結(jié)果好壞的兩大因素之一。通過使用通俗易懂的濾波核對每一張SAR照片樣本進行二維空間非均勻濾波采樣，然后將采樣后的多尺度二維矩陣進行拉伸變換成多尺度的一維向量，每個尺度拉伸成一個一維向量，每一張照片均做相同的處理，就可以得到一個圖像樣本的特征向量。多個圖像樣本通過相同尺度的向量合并成矩陣，就可將原始的SAR數(shù)據(jù)集由三維矩陣合并為大的多尺度二維矩陣。通過這種直觀的展示，可以讓研究生從根本上掌握特征向量的獲取方式。

步驟五：支持向量分類器構(gòu)建，掌握圖像目標分類的模型應用

雖然本部分教學內(nèi)容是基本的支持向量機理論，但具體的分類實驗，可選擇多種分類器進行對比。比如：本示例中選擇了標準支持向量機、最小二乘支持向量機、合成核支持向量機、多尺度核支持向量機等。給研究生充分展現(xiàn)特征向量同支持向量分類器的融合方式，掌握各種分類器的參數(shù)調(diào)節(jié)方法，以及各種分類器的特性。

步驟六：豐富的圖表分析，多角度展現(xiàn)目標識別結(jié)果的有效性

為了更好的對實驗結(jié)果進行分析，可以通過表格、柱狀圖、ROC曲線等方式，將實驗結(jié)果進行直觀展示。這樣可以全方位展現(xiàn)類別識別精度、總體識別精度的優(yōu)劣。同時結(jié)合標圖像采樣樣本數(shù)目及尺度因素，給學生引入在特征提取過程中尺度大小的選擇也會對總體分類效果產(chǎn)生影響，給研究生講述在實際算法應用中需要注意的問題，使研究生盡量掌握全面的算法應用技巧。

（二）研究型實踐教學在人工智能課程中的實踐

1. 層次性的設置實驗內(nèi)容

按照從淺入深、從易到難的方式設置實驗內(nèi)容：首先讓研究生完成基本的原理和算法編程，測試簡單的實驗用例，其次針對一個用例用不同的方法實現(xiàn)，橫向比較算法的優(yōu)劣性，最后針對一個用例，將一個算法進行改進并和改進前的算法進行比較，給出客觀的評價。

2. 編程實踐貫穿授課全程，打造強大動手能力

對于理論的理解掌握，最好的方法是對理論算法的編程實現(xiàn)并應用。在人工智能課程，很多章節(jié)都涉及到重要的算法，如推理、搜索、智能優(yōu)化、機器學習（模式識別、回歸分析）、專家系統(tǒng)、智能決策等，在學習這些理論和算法的過程中，必須要讓研究生掌握必要的編程工具，有一定的實踐動手能力，才能真正學懂和會用智能算法。基于此，在本課程的第一節(jié)課，就給研究生布置了任務，課后作業(yè)就是安裝一個軟件編程環(huán)境，學一門語言，如推薦大家使用Python、Matlab。讓研究生真正掌握一個工具，學到終生受用的工作、科研學術技能。

3. 多方案解決常規(guī)問題，鼓勵理論方法拓展

在研究生掌握某一個算法并能解決某個問題后，讓研究生借助這個問題，培養(yǎng)發(fā)散思維，主動尋找更優(yōu)的解決問題途徑顯得尤為重要，這是培養(yǎng)研究生自主學習、獨立科研能力的重要方法。在這一思路指引下，教學組針對動手能力強的研究生，鼓勵他們進行實踐作業(yè)的自命題。比如，在課堂上，教師僅講授了遺傳算法的理論及實現(xiàn)方法，并以TSP問題為例，布置了編程實踐作業(yè)。從作業(yè)效果看，有的研究生通過尋找創(chuàng)新理論，找到了更好地解決問題的方法，起到了發(fā)散思維，拓展理論的目的。

4. 布置微課題，鍛煉研究生的科研能力

給研究生布置一個完成的思路和學位論文比較接近的微課題。微課題的選擇采用自主方式，研究生可以選擇自己感興趣的問題或和自己學位論文相關的問題，甚至是任課老師自己科研項目中的問題來做。課題選定后，組織研討，確定各自的研究內(nèi)容和研究方法，經(jīng)過反復的實驗確定最終的解決方案。在此基礎上，撰寫論文，組織學術交流。這種課題和實驗相結(jié)合的方式使得研究生明確實驗的意義，形成理論知識和實際應用相結(jié)合的完整知識體系，也是研究型實驗教學創(chuàng)新的重要途徑。這里結(jié)合授課過程中的微課題設置與實施，進行示例介紹。

示例2：微課題設置與實施

步驟一：課題題目設置及選題

結(jié)合人工智能課程中涉及到的重要算法的應用能力和編程能力培養(yǎng)，教學組在授課過程中設置了一些微課題，供研究生分組選擇完成。課題的設置緊密結(jié)合核心算法，難易適中，重點考察研究生對核心算法原理的掌握、文獻調(diào)研能力、編程動手能力以及實驗分析能力。表1所示的是人工智能及應用課程設置的10道微課題。研究生通過兩兩自由分組，每組完成一個課題的編程實驗，每組課題不重復，力求公平公正，同時也強調(diào)了團隊合作。

步驟二：微課題報告提交要求

微課題形成的書面材料，采用報告的形式提交。報告需嚴格按學術論文模式撰寫，包含標題、作者（負責人）、摘要、引言、現(xiàn)狀分析、基本理論、算法實現(xiàn)、實驗比較、結(jié)論、參考文獻等部分。研究生需要廣泛調(diào)研、閱讀文獻，完成報告引言、國內(nèi)外現(xiàn)狀的分析、基本理論的學習。此外，還需選擇合適編程工具實現(xiàn)算法，并精心設計實驗，分析實驗結(jié)果給出結(jié)論，最后形成完整報告提交教員審查。

步驟三：微課題匯報與演示

微課題的驗收，采用微課題組進行課堂匯報與演示的形式進行。各組選派一名代表，進行課題的理論講解和實驗展示。匯報完畢后，其他研究生可自由提問，課題組答疑，教員進行當堂點評。這種方式，既鍛煉了研究生的論文撰寫技能，也提高了口頭表達和成果綜合展示能力。

四、結(jié)束語

人工智能技術的相關特點決定了其適用于采用研究型教學法授課，旨在培養(yǎng)研究生的科研能力。本文從理論和實踐兩個方面入手介紹了如何在教學中實施研究型教學。理論教學要以應用為牽引，明確理論在實際應用中的意義。實踐教學要注重和科研結(jié)合，從而讓研究生明白實踐的意義，從而建立起能用所學的理論知識解決實際問題的科研能力。

參考文獻：

[1]蔡自興，徐光佑.人工智能（第四版）[M].北京：清華大學出版社，2010.

[2]史忠植.高級人工智能（第3版）[M].北京：科學出版社，2011.

[3]吳朝暉.交叉會聚推動人工智能人才培養(yǎng)和科技創(chuàng)新[J].中國大學教學，2019（2）：4-8.

[4]雷玉霞，趙景秀.人工智能“多元化全程性階梯式”教學研究與實踐[J].創(chuàng)新教育研究，2020，8（3）：9.

[5]謝榕，李霞.人工智能課程教學案例庫建設及案例教學實踐[J].計算機教育，2014（19）：92-97.

[6]李瓊.人工智能課程教學創(chuàng)新實踐研究[J].信息系統(tǒng)工程，2015（12）：159.

[7]姚琳，石志國.人工智能課程體系與教學方法研究[J].中國大學教育，2019（10）：19-22.