北京大学人工智能课程教学改革与实践

罗定生 ，李文新，邓志鸿，童云海，刘家瑛，陈 婧，谢昆青

（1.北京大学 信息科学技术学院智能科学系，北京 100871；2.北京大学 信息科学技术学院计算机科学系，北京 100871；3.北京大学 计算机技术研究所，北京 100871）

0 引 言

北京大学是我国最早开展人工智能教育和研究的单位之一，已有三十多年的历史，自北京大学2002 年在国内率先创办“智能科学系”以及2003 年率先设立我国“智能科学与技术”本科专业以来，人工智能领域的教育和研究再次迈上一个新台阶。在人工智能课程建设方面，北京大学探索和革新一直持续推进。本文所涉及的人工智能课程教学改革和实践，是在人工智能领域发展的新形势下提出和推动的。

人工智能领域在取得多个技术突破之后，开始进入快速发展期，在理论和应用两方面均取得长足进步。2017 年7 月，国务院发布《新一代人工智能发展规划》[1]，标志着发展人工智能成为我国的国家战略。阶段性目标包括：①到2020年，中国技术和应用层面的AI 企业与世界先进水平同步，核心产出规模超过1 500 亿元，带动相关产业规模超过1 万亿元；初步建立部分领域的AI 伦理规范和政策法规；② 到2025 年，中国的基础理论有重要突破；技术和应用层面的企业接近国际领先水平，核心产业规模超过4 000 亿元，带动相关产业规模超过5 万亿元；初步建立AI 法律法规、伦理规范和政策体系，形成AI 安全评估和管控能力；③到2030 年，基础、技术和应用全面突破，中国成为世界AI 的创新中心。

然而，随着人工智能的飞速发展以及在人们生产生活的广泛深入渗透，现阶段呈现出专业人才极度短缺的现状。为此，教育部2018 年4 月制定了《高等学校人工智能创新行动计划》[2]，其核心目标之一是推动高校人工智能领域科技创新体系的优化和人工智能领域人才培养体系的完善。

统计数据表明，2017 年前10 个月内，AI 人才需求量已经达到2016 年的近2 倍，2015 年的5.3 倍，人才需求直线上升，年复合增长率超200%[3]。2019 年5 月，《中国新一代人工智能发展报告 2019》（中英文版）在上海发布，数据显示我国在人工智能领域多个方面取得了快速进步[4]。以人工智能企业数量为例，统计显示，截至2018 年底，全球共成立人工智能企业15 916 家，我国人工智能企业数量为3 341 家，位居世界第二位。迅速增长的企业数量，一方面反映人工智能领域的发展热度仍在攀升，另一方面也折射了市场对人工智能领域专业人才需求的迫切性仍在持续。

面对人工智能的大发展背景和专业人才短缺的当前现状，“大学教育如何发挥应有作用？”成为一个紧迫的课题。

1 课程的学科地位及存在的问题

1.1 人工智能领域的本科专业

目前，大学本科教育阶段，针对人工智能学科成体系的人才培养专业有两个：智能科学与技术专业和人工智能专业。2002 年，北京大学在组建信息科学技术学院之际，自主创办了国内第一个智能科学系和智能科学与技术本科专业。2003年12 月完成智能科学与技术本科专业的体系建设并通过教育部备案[5-6]。自2004 年开始招收本科生，2008 年通过了增列智能科学与技术专业硕士、博士点，形成了本、硕、博完整的培养体系。2018年4 月教育部在制定《高等学校引领人工智能创新行动计划》之际，为进一步完善中国高校人工智能学科体系，北京大学也研究设立人工智能本科专业。2019 年3 月，教育部公布了《教育部关于公布2018 年度普通高等学校本科专业备案和审批结果的通知》，确定了新增审批专业名单，其中新增智能科学与技术本科专业的院校有96 所，首批获准设立人工智能本科专业的院校有35 所[7]。这表明国家层面已为推动人工智能领域人才培养奠定了坚实的基础，同时也反映高校层面呈现出积极投身人工智能人才培养大发展战略的态势。

1.2 人工智能课程的核心学科地位

人工智能包含内容十分丰富，涉及众多学科，是一个典型的多学科交叉领域[8]，这使得如何设置课程群教学体系成为一个广泛讨论的话题[9]。在整个教学体系的课程群中，人工智能作为一门专设的课程，旨在对整个人工智能学科知识点及知识结构予以全面、系统性地讲授，其在整个学科中的核心地位是毋庸置疑的。

另一方面，由于人工智能多学科交叉的特点，除了具有针对性的两个专业之外（2003 年设立的智能科学与技术专业与2019 年设立的人工智能专业），还有相当多的相关专业也事实上属于人工智能领域的范畴，而人工智能课程在这些相关专业的课程群中，也毫不意外地处于核心基础课的地位。

以北京大学为例，人工智能课程同时作为智能科学与技术、计算机科学与技术、数据科学与大数据技术等本科专业的核心基础课程（如图1所示）。

图1 人工智能课程的核心基础课地位

1.3 课程的设置及存在的问题

每一个学科的本科专业，都需要一个课程群体系作为支撑。面向人工智能领域的智能科学与技术本科专业毫不例外，由于人工智能领域的多学科交叉特点，课程群体系的设置显得更加复杂。图1 为人工智能课程在课程群中的位置，该课程大多设置在本科第4—6 学期。以北京大学为例，就是在本科第5 学期开设的，一方面，人工智能课程需要支撑本科高年级开设的其他专业课程，不能太靠后；另一方面，人工智能课程本身也需要多门数学物理课程的支撑，又不能太靠前，由此造成一些问题。

1）专业课程部分内容重叠。

由于专业课程群体量较大，部分专业课程不得不在本科第3、4 学期开设，而此时人工智能课程尚未开设；还有一些专业课程不得不与人工智能课程同期开设，导致一些必需的基本概念、主要理论以及常用方法等内容就需要重叠讲授。

2）专业课程的衔接连贯性下降。

课程群中的专业课程，彼此之间有着不同程度的衔接或关联，其中一些课程以人工智能课程为桥梁而具备前后衔接或呼应对仗的联系，但由于人工智能课程开设靠后，学生对这些衔接关联关系往往难以深刻体会，甚至模糊不清，使课程教学的衔接连贯性受到影响。

3）人工智能学科体系性的建立过晚。

人工智能课程在后期开设，一个直接的影响是学生不能对整个人工智能学科领域提前形成全面、系统的认识，从而对深刻、体系性地把握整个学科领域带来影响。

4）专业课程的学习针对性下降。

由于对整个人工智能学科领域的体系性认识缺乏或体会不深刻，学生可能并不明确相关专业课程在整个领域体系中的位置，更不是带着问题或期望去学习相关专业课程，导致课程学习的针对性下降，学习的主动性也可能受到影响。

5）科研创新素养的培养和实践动手能力的训练受到影响。

科研创新素养的培养和实践动手能力的训练，现已基本成为大学教育的必要环节，对于人工智能领域的学生，显得尤为重要。学生科研实践的课题，往往都是围绕一个智能系统展开，然而由于对学科体系性的把握不深刻、对各相关课程的衔接关联认识不清，学生难以形成对课题整体全面的规划，也不能很好地做到多个相关课程知识的融合，对科研创新素养的培养以及实践动手能力的训练带来影响。

2 课程改革的具体举措

为响应国家《新一代人工智能发展规划》和教育部《高等学校人工智能创新行动计划》，北京大学以人工智能课程为突破口，针对上述问题，成立了由7 名教师组成的课程教学团队，推动教学改革与教学实践，进而实现人工智能领域人才培养体系的优化与完善。

2.1 课程开设年级的下沉

考虑到大学三年级第5 学期人工智能课程开设带来诸多不利影响，将该课程下沉到大学一年级第2 学期开设。尽管这使得从根本上解决上述问题成为可能，但同时也带来了新的问题，最直接的新问题就是人工智能课程开设所需的先修知识难以得到完全满足。

为此，在综合考虑人工智能课程理论性强、涉及知识面广、实践要求高等特点的基础上，以“注重课程的基础性、启发性、大视野、系统性”理念为指导，重新梳理课程的设置。目标是既要保持人工智能课程的学科专业核心基础地位，又要保证在缺失部分先修知识的前提下合理设计教学内容而不至过难：前者主要是强调不能丧失课程的“大视野和系统性”，做到使学生对整个人工智能领域能有全面成体系的基本认识，明确课程群专业课程之间的彼此衔接连贯的关联关系，增强后续课程群相关专业课程学习的针对性和主动性；后者则是强调从课程的“基础性和启发性”定位入手，通过增设部分先修课程预备知识、厘清关键的基本概念基本知识点基本思想、细致梳理课程逻辑结构、设置合理的教学内容，对超出现有知识结构范围的内容实行启发式教学以实现课后延展和后续学习引导。

2.2 课程内容的设计

在上述课程目标和基本思路的基础上，设计课程教学内容（见表1）。课程共计20 次课，其中包括期中考试和期末考试各1 次，学期小组项目汇报2 次，教学内容16 次。

表1 人工智能课程教学内容的设计

基于涵盖全面性和课程体系性的角度，课程教学内容除包含人工智能的基本教学内容之外，还需包含数学预备知识、脑与神经科学、心理与认知科学、哲学、伦理学等相关内容。为此，在课程内容的设计上，包含了“AI 数学基础”“脑与认知”“AI 伦理”等内容。其中，“AI 数学基础”部分，对算法复杂度分析、线性代数基本概念、概率论的初步知识、数理统计的主要思想等内容作为预备知识进行讲授。

2.3 课程教学模式的架构

在表1 中，除了考试占用4 学时之外，实际授课仅40 学时。大学三年级开设的人工智能课程通常需要54 学时左右，表1 的课程内容设计建立在大学一年级本科生缺失部分先修知识这一前提基础上的，强调了课程的基础性和系统性。

为启迪学生知识延展、增强学习兴趣，以“大视野”建立对人工智能领域的认识，笔者设计了“大班课+实践课”的教学模式。除包含18次授课的“大班课”之外，同时增设了各32 学时的6 门“实践课”，这是此次教学改革的另一项重要举措。

增设“实践课”的主要目标是：使人工智能课程涵智能体主要环境知觉手段、智能体环境交互策略、与感知信息分析处理相关的数据智能、AI 博弈决策、融合“感知-行动”的智能体系统等内容，为此设计了游戏AI、计算机视觉、计算机听觉、自然语言处理、数据智能、智能机器人等6 门“实践课”（见表2）。

表2 与人工智能课程“大班课”相伴的6 门“实践课”设计

在以往的“大班课+小班课”教学模式中，“小班课”主要是同步研讨“大班课”教学内容，使学生做到深刻理解并融会贯通，而在“大班课+实践课”教学模式中，“实践课”除具备以往“小班课”上述功能外，还包含与各门“实践课”相对应的具体教学内容、实践课题、专门的教学平台与系统以及额外的专门技能知识补充等。新设计的“大班课+实践课”教学模式，其突出的特点是6 门“实践课”侧重不同、区别鲜明、各具特色。

3 课程逻辑结构的细致梳理

人工智能课程下沉到大学一年级，由于先修课程缺失基础薄弱，加之从高中到大学的学习方式方法也才开始转换适应，尽管重新设计了教学内容、改革了教学模式，教学质量的保障仍然受到威胁。为此，笔者在对重要基础概念清晰界定的基础上，全面细致地梳理了课程的逻辑结构，目的是使学生在各学习阶段都能清楚地知道相应的知识点、与其他内容的衔接关联关系以及在整个课程知识结构体系中所处的位置。

从达特茅斯会议（Dartmouth Meeting）算起，人工智能领域已有60 多年的历史。对于“人工智能”概念的表述可谓不胜枚举，在本课程中，笔者采用美国伯克利加州大学讲席教授Stuart Russell 等人的观点，以“智能体（Agent）”为主题，将“人工智能”定义为“对从环境中感知信息并执行行动的Agent 进行研究的一门学科”[10]。

在清晰界定“人工智能”这一核心概念的基础上，对课程的逻辑结构加以细致梳理，不仅包括对“大班课”课程各章节彼此联系的剖析，也包括对专门设定的6 门“实践课”的定位（如图2 所示）。

在图2 中，首先在其右部示意了一个感知环境并作用于环境的智能体（机器人）：由智能体为实现“对环境的感知并交互作用于环境”这一目的引出6 门“实践课”（以Class 1 到Class 6来示意），由智能体如何才能实现这一目的引出“大班课”16 次课程。

图2 人工智能课程逻辑结构梳理

“大班课”的16 次课程的设计，分成了3 个层次：第1 课和第16 课首尾2 次课程，即“AI概述”和“AI 前景”，构成了第1 个层次“全局把握”，体现了对课程全局整体把握的内容设置；第2 课和第4 课，即“脑与认知”和“AI 数学基础”，构成第2 个层次“基础准备”，体现了对部分需要却缺失的先修课程的基础内容补充；其余12 次课构成了第3 个层次“具体分解”，体现了课程的主体内容。

在第3 层次“具体分解”中，围绕智能体如何实现“对环境的感知并交互作用于环境”这一目的，从“问题求解（Problem Solving）或完成任务（Task Fulfilling）”的智能体动机入手，由4 种基本实现策略“搜索（Searching）”“推理（Reasoning）”“规划（Planning）”“学习（Learning）”引入具体课次内容的设置。

由此，完成对课程逻辑结构的梳理。在对图2 所示课程逻辑结构的讲授过程中，以动画等方式动态呈现，从而可为学生留下较为深刻的印象，对课程体系性的理解把握具有很好的效果。在以“1 大班课+6 实践课”教学模式进行课程教学的整个过程中，始终以该逻辑结构图为纲来衔接贯穿，很好地实现了本课程逻辑结构细致梳理的根本目的。

4 教学实践和教学考核

在2018—2019 学年第2 学期，教学改革后的人工智能课程，面向北京大学相关专业本科一年级学生开设。选课学生近300 人。选课学生经自愿选择，均匀分布到6 门实践课中，也就是说每门实践课有近50 人。为避免学业负担过重，6门实践课在开设时间上完全同步，即每名同学仅能选1 门实践课。这也符合笔者课程设计之初的想法。

每次“大班课”均布置作业，而作业的评判以及讨论却设置在“实践课”上。除了作业、期中和期末考试作为学习效果考核之外，还采用了“学期小组项目”的教学考核。笔者鼓励学生自由组队，形成项目小组。各项目小组结合“大班课”和“实践课”课程的学习，选择教师给定的项目题目或者自主设立小组项目题目，在学期结束前，分别进行“口头报告（Oral Presentation）”和“展板展示（Poster Presentation）”2 次集体交流活动。

学期小组项目是笔者纳入课程教学的一个必要环节，目的是培养学生的科研创新素养、提升实践动手能力，同时训练学生的团队协作精神和展示表达能力。在此次课程教学实践中，学生共组成了约80 支学期小组项目队伍。学期结束前的交流展示沿国际学术交流的惯例进行，对学生以后参加国际学术交流是一次很好的提前训练。

在学期小组项目的现场交流展示环节，助教组专门设计了投票软件。表3 和表4 列出2 次交流展示的投票前10 名的学期小组项目，其目的是想对2019 年人工智能课程中部分小组项目团队选择科研训练的具体题目做个举例。

表3 第一场学期小组项目交流展示投票前十

表4 第二场学期小组项目交流展示投票前十

学期小组项目主要由6 门实践课来组织，除了教学团队教师和助教组研究生的日常指导以外，现场的教师点评和学生之间的交流讨论，对进一步提升项目成果质量都有非常好的成效。按课程对教学考核的设计，现场展示效果和展示结束后提交的作品报告修订版，均纳入最终的学习成绩之中。因此，课程考评涉及的要素包括期中考试、期末考试、大班课作业、实践课作业、学期小组项目展示和学期小组项目成果报告等6项，前2 项考试占比50%，后4 项作为实践课成绩（因大班课作业由各实践课负责评阅，故也纳入实践课成绩中进行计算）占比50%。

5 结 语

人工智能课程在人工智能领域相关本科专业中处于核心的基础地位。然而，由于人工智能课程理论性强、涉及知识面广、实践要求高等特点，其自身又需要计算机、数学、物理等多门课程作为先修课程，这使得传统上的人工智能课程往往需要在大学三年级左右开设，从而带来了诸多的问题。与此同时，人工智能领域的快速发展，以及在人们生产生活中广泛而又深入的应用，对专业人才的需求极为迫切。为此，笔者结合国家人工智能大发展战略及人工智能人才培养行动计划，在多年实践的基础上，组建教学团队，开展了相应的教学改革和教学实践。

笔者以“注重课程的基础性、启发性、大视野、系统性”理念为指导：①提出将课程下沉到大学一年级第2 学期开设的思路；②并在认真梳理课程知识结构的基础上，重新设计了课程的教学内容；③提出了“1 大班课+6 实践课”的创新教学模式等教学改革措施。为顺利实施教学改革的各项举措，以及保障教学质量，笔者基于对重要基础概念的清晰界定，全面细致地梳理了课程的逻辑结构，提出并强调以课程逻辑结构为纲，来开展包括“大班课”和“实践课”在内的整个课程的教学。此外，改革后的课程也继承了课程传统教学实践中的一些有效有价值的举措，比如为培养学生的科研创新素养、提升实践动手能力，以及训练学生的团队协作精神和展示表达能力等，将“学期小组项目”作为一个必要环节纳入课程教学中。

北京大学人工智能课程教学团队，围绕课程所提出的一系列教学改革举措，面向北京大学本科生在一年级第2 学期开展了教学实践，取得了很好的效果。2018 年和2019 年暑期期间（2018年7 月23—29 日；2019 年7 月8—12 日），教育部和北京大学等单位连续两年联合主办了“中国高校AI 人才国际培养计划”活动，目标之一是为全国高校人工智能教师提供为期一周的封闭培训，而培训内容的设置完全是以北京大学人工智能课程为核心扩展而成。在两次活动中，围绕北京大学人工智能课程教学改革的整体架构及具体内容，面向来自全国各高校的100 余位教师，课程教学团队作了细致汇报并与参培教师开展了热烈的讨论交流，受到一致的好评，也收获了一些很有价值的建议。

在当前人工智能的大发展背景和专业人才短缺的现状之下，“大学教育如何通过不断革新，发挥应有作用？”是一个紧迫而又持久的课题。笔者还需在遵照“革新-实践-探索-再革新”循环上升的模式上继续努力。