人工智能研究生课程建设“十大忌”

谢海斌，庄东晔，尹 栋，郑永斌

（国防科技大学 智能科学学院，湖南 长沙 410073）

0 引言

随着近年来AlphaCo围棋系统、IBM沃森知识问答系统、谷歌机器人、无人驾驶汽车、深度学习、神经网络芯片等一系列人工智能领域的重大研究成果问世，人工智能迎来第三次研究高潮，它正在向国民经济、社会生活、国防军事等各个领域渗透，成为推动新的科技革命、产业革命、军事革命的重要动力。2014年习近平主席在两院院士大会上深刻阐述了机器人技术与人工智能的发展趋势，吹响了我国全面布局“智能化”的号角。随后，2015年3月“互联网+”行动计划提出，推动移动互联网、物联网、人工智能、云计算、大数据等与其他传统产业跨界融合。2015年5月《中国制造2025》发布，重点关注“智能制造”、高端智能装备、机器人等。2017年7月《新一代人工智能发展规划》发布，系统阐述了新一代人工智能的内涵，并绘制2030年前我国人工智能的发展蓝图，其中明确提出“加快培养聚集人工智能高端人才”“建设人工智能学科”和“形成‘人工智能+X’复合专业培养新模式”[1]。2018年4月教育部印发《高等学校人工智能创新行动计划》，强调加强人工智能与计算机、控制、量子、神经和认知科学以及数学、心理学、经济学、法学、社会学等相关学科的交叉融合，进一步明确“完善人工智能领域人才培养体系”“完善学科布局”“加强专业建设”“开展普及教育”等要求[2]。

全国高校人工智能学院如雨后春笋，传统学科与人工智能融合创新的“新工科”应势而生，发展如火如荼。在2018年认定的首批612个“新工科”研究与实践项目中布局建设57个人工智能类项目；截至2017年12月，全国共有71所高校围绕人工智能领域设置了86个二级学科或交叉学科[3]。在新的人才培养方案设计和课程体系构建过程中，增设人工智能课程成为很多“人工智能+X”专业的必然选择。此外，控制、计算机等学科将人工智能作为学科基础课程已有多年历史，需要适应新形势对课程进行深化改革，信息学科相关一级学科也逐步将该课程作为学科基础课程或专业选修课，同时将内容裁剪降低难度后下移到本科阶段。

1 人工智能课程特点

1.1 缺乏统一的定义与知识体系

人工智能是研究和开发用于模拟、延伸、扩展、增强、辅助人类智能的理论、方法、技术及应用的一门新的技术科学。人工智能的研究目的是建立关于自然智能实体行为的理论和指导创造具有智能行为的人工制品，肩负着“科学人工智能”和“工程人工智能”两大使命。根据对智能本源的不同理解，在人工智能发展历史上形成了“符号主义”“连接主义”“行为主义”三大学派。又根据评价智能与否的不同视角，形成了“像人一样思考”“理性思考”“像人一样行动”“合理行动”4类人工智能定义，进而形成“认知建模”“思维法则”“图灵测试”“合理Agent”4种不同的人工智能研究途径。从目前可供选择的国内外知名教材可见，人工智能知识体系的组织存在较大差异，没有统一的标准，部分教材内容组织更像是一个漂亮的拼盘，涉及面很广，但缺乏一以贯之的逻辑主线和自成一体的知识体系。

1.2 内涵颠覆创新，外延跨界融合

人工智能以哲学、认知科学、行为科学、神经科学、逻辑学、数学、计算机科学以及控制科学等众多学科领域为根基，“符号智能”“计算智能”“行为智能”为主干，智能交互、智能感知、智能控制、智能信息处理、机器学习、智能系统等应用领域为支脉，形成一个庞大的学科体系。人工智能在60余年的发展历程中先后掀起3次发展浪潮，学科内涵不断拓展、知识体系快速更迭、技术发展持续演进、应用领域全面扩张，在自我否定中不断颠覆创新。近年来，智能制造、智能交通、智慧农业、智慧城市、军事智能等各个领域飞速发展。在这个过程中，人工智能在自身各个学派、研究分支、技术成果交叉融合的同时，也向其他学科、行业、领域渗透耦合、跨界融合，带来颠覆性变化。围绕任何一个分支领域都可构建一个以“智能化”为核心的独立的“理论—技术—应用”知识体系，而人工智能是这个体系中最重要的基石。

1.3 人工智能开设模式与定位存在差异

人工智能课程具有多学科交叉融合及综合性、实践性、前沿性、创新性强的特点，能够为学生提供一种新的思维方法和问题求解手段，有利于培养学生科学思维、创新精神、实践能力和前瞻视野。根据国务院《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》，人工智能的普及教育将在高中与大学本科阶段完成[1-2]。不同学校、学科、专业针对不同层次受众开设人工智能课程的要求和定位是存在显著差异的。人工智能课程建设可以归纳为以下3种模式。

（1）通识性课程。面向本科生开设人工智能概论或导论选修课程，主要介绍人工智能的基本概念、主要分支、部分成果及主要应用领域，内容宽泛、知识浅显、学时较短、受众面广，对学生专业背景要求不强，主要起到知识拓展的作用。

（2）本研贯通的层次化课程。主要是信息大类学科与本科专业，如面向本科生开设人工智能导论或人工智能基础必修课或专业限选课，使学生了解人工智能的基本概念、主要思想，掌握一些成熟且常用的算法及其应用方法，具备初步的人工智能算法实现与应用能力。面向研究生开设人工智能学科核心课程，按照特定的知识体系和方法论系统讲授人工智能基础理论、研究方法以及应用技术，使其形成进一步开展理论研究和拓展应用的潜力。

（3）以人工智能、模式识别为基础的系列化“智能”课程群。比如控制学科围绕机器人、无人系统等智能个体、群体以及人机协同方面开设智能感知、智能规划、智能决策、智能控制、群体智能等系列课程；计算机学科围绕智能信息处理开设大数据、云计算、数据挖掘、信息融合、专家系统等系列课程。

2 课程建设“十忌”

研究生阶段的教育目标是使研究生形成具有个性化的研究品格、研究定向和研究视野，具有独立思考并获得独创研究成果的能力[4]。从研究生的特征及其教育目标出发，人工智能研究生课程与本科生课程是存在明显差别的，它应该是从“知识传授为主”向“能力塑造为主”转变，重在培育他们发现问题、提出质疑的科学批判精神，训练并提高其创新能力、实践能力和创新精神[5]。人工智能研究生课程建设中10个方面的误区梳理总结如下。

2.1 一忌“孤立无援”

人工智能是一门多学科交叉的课程，知识点多、覆盖面广，理论教学与实践环节涉及逻辑学、概率统计、离散数学、数据结构、计算机编程设计等基础知识，因此开设人工智能需要相关基础课程作为支撑[6]。要避免赶时髦，在缺乏必要的先修课程支撑或与原有课程体系关联度很低的情况下，将人工智能开成一门孤立的课。特别是作为某些学科的本科专业必修课或研究生学科基础课时，要处理好人工智能与其他课程的支撑关系和开课时序问题。

2.2 二忌“定位不准”

目前很多高校既开设本科生的人工智能导论或基础课程，也开设人工智能研究生课程，但两者之间存在课程区分度不大、知识重叠度高、教学模式差异小等问题。研究生学科基础课程不是可有可无的通识课程，不应是本科生课程简单的内容拓展和难度深化，而是要立足研究生能力素质培养，为其构建系统性的知识结构并形成人工智能理论研究和技术开发的基本能力，采用的教学模式要有利于研究生知识体系构建、科学思维训练、科研能力锻炼和学术视野拓展，为其后续课程学习和从事论文研究奠定坚实基础。

2.3 三忌“一考定胜负”

研究生课程切忌“一考定胜负”，结果是“平时教师灌输、考前突击应付、考后全部清零”。人工智能研究生课程具有多学科交叉融合以及综合性、实践性、前沿性、创新性强的特点，是践行素质教育，培养学生科学思维、创新精神和实践能力的极好载体。应该通过考核方式的合理设计引导学生得到多方面的训练。可以引入专题研讨、文献阅读、实验项目等多个教学环节进行分模块考核，考查学生不同能力素质训练效果；各知识单元引入形成性考核可以促进学生平时的知识巩固；将闭卷考试方式的终结性考核改为开卷考试或者提交研究报告，使学生的主要精力从死记硬背的应付考试向轻松学习、研读论文、实践创新、写作训练方向转移。

2.4 四忌“形神俱散”

人工智能在其发展历程中形成了“三大学派”“四种研究途径”，基础理论差异大、研究分支多、应用领域广。目前有些人工智能教材知识体系“形神俱散”，拼盘化现象严重，内容庞杂、体例不一、章节自成体系、缺乏逻辑性。采用这样的教材授课，必然导致学生的知识碎片化，对知识的理解似是而非、不求甚解，综合运用更是无从谈起，最终的学习效果就是“砖头学了一大堆，就是盖不起房子”。人工智能研究生课程作为学科核心课程，更应该立足学科本源构建课程知识体系，精选适用的国际经典教材，避免课程受制于某本教材这样的本末倒置现象发生。

2.5 五忌“知行分离”

受实验条件的限制或主讲教师缺乏人工智能科研经历的制约，人工智能课程容易变成一门纯理论教学的课程，课程不匹配实验或是仅仅开设一些验证性实验。人工智能是一门综合性、实践性很强的课程，单纯的理论教学只能浅尝辄止，很难达到“知识—能力—素质”全面培养的教学目的[7]。理论教学中的方法原理只有通过算法实现才能促使学生深入思考、融会贯通、综合运用，实实在在转化为学生的能力。因此，即使没有实验条件，也应该设置面向知识单元应用的设计性实验和具有典型应用背景的综合性实验，鼓励研究生自主设计实验，实验环节作为刚性要求纳入考核。

2.6 六忌“授之以鱼”

只告诉学生人工智能中成型的算法是什么，而不告诉他们思想源流、分析过程和形成算法的思路，将极大损害学生的学习积极性。研究生的理论教学更应注重“授之以渔”，不是以人工智能中定论的知识和成型的算法作为讲授重点，而是以知识单元为依托，注重从问题本源出发，参考人类解决问题的思维过程，提出具有研究性、探索性甚至是尚存争议的问题，激励研究生独立思考和质疑，引导他们发现问题、分析问题、解决问题，从而达到启迪智慧、把握脉络、掌握知识要点、了解改进方向，培养持续学习与算法开发能力的教学目的。

2.7 七忌“内容僵化”

人工智能理论发展、技术演进与应用拓展日新月异，仅靠几十个学时的理论教学和基于教材中的经典基础知识授课对于研究生显然是不够的。课程内容僵化、知识更新不及时、教师授课照本宣科、案例脱离学科背景、教材教案课件陈旧、最新研究成果与发展动态体现不足，是目前人工智能研究生课程容易出现的问题。教师应该坚持授课内容与时俱进，避免因为学时受限、内容局限使学生“只见树木不见森林”，可以在各知识单元中穿插介绍与之紧密相关的最新成果，引入文献综述和专题研讨环节将人工智能最新成果融入教学，避免课程内容僵化。这样有利于提高学生对人工智能的认知水平、增强学习兴趣和拓展学术视野。

2.8 八忌“模式单一”

与本科生课程不同，研究生课程不是讲授已经形成定论的经典知识，而是要随着技术的发展不断更新迭代，不仅是知识的传授，更是学术研究综合素养的塑造，对知识的掌握不能仅限于“知道”，更要“知行合一”“学研融合”。人工智能研究生课程不能仅停留在让学生听听课、考个试、混个学分的低层次上，应该把它变成践行素质教育的载体，结合学科属性与人才培养的主要服务方向，以学生能力素质培养为核心，准确定位课程的知识体系、科学构建课程总体结构、合理设置各个教学环节、综合运用多种教学手段，让学生通过课程学习，在知识获取能力、学术交流能力、实践创新能力、团队协作能力、文献阅读与综述能力、学术论文撰写能力等方面得到锻炼和收获[8]。

2.9 九忌“盲目双语”

高水平大学拥有一流的师资队伍和优秀生源，开设双语课程甚至全外语课程，有利于课程与国际接轨，促进学生无缝对接该领域的最新研究成果和学术前沿。但不顾及学生的外语水平和脱离师资队伍的实际情况，盲目建设人工智能双语课程甚至全外语授课，教师和学生的精力投入不是放在课程本身，而是外语表达和听力，实际的效果是“教师讲不清、学生听不懂、上课走过场、下课忘光光”，课程学习做成了夹生饭，双语形同虚设。语言只是传播知识的工具，用什么语言授课，应该以实际教学效果为出发点和落脚点，既立足教师的实际，也要关照学生的体验。

2.10 十忌“后继乏人”

研究生课程专业性较强，一般选课人数较少，开课班次很少，因此一人一课的现象普遍存在。人工智能研究生课程知识覆盖面宽、技术发展快、教学环节多、实践性强，对主讲教师的综合素质要求也很高。因此，一方面要为人工智能课程主讲教师持续学习进步提供必要的支持，主讲教师也要积极从事人工智能相关教学与科学研究，不断提升自身的认知水平、学术视野、工程经验和实践能力；另一方面，要物色和吸引正在从事人工智能相关理论研究与应用研究的优秀新任教师从事教学工作，可以通过跟教助教、多人一课、轮岗上课、小班授课等方式，循序渐进地培养人工智能课程的后备师资力量。

3 结语

人工智能是引领未来的战略性技术。党的十九大报告强调，要“推动互联网、大数据、人工智能与实体经济深度融合”。高校处于科技第一生产力、人才第一资源、创新第一动力的结合点，是我国人工智能创新发展的重要支撑。教育部发布的《高等学校人工智能创新行动计划》部署“构建人工智能专业教育、职业教育和大学基础教育于一体的高校教育体系”，提出“引导高校通过增量支持和存量调整，加大人工智能领域人才培养力度”[2-3]。

建设高水平人工智能课程体系是高等院校贯彻落实《行动计划》、适应“智能化”时代人才培养需求的重要举措。人工智能研究生课程主要服务于人工智能领域高素质理论研究、技术开发、工程应用人才的培养，在整个课程体系中起到承上启下的关键作用。一方面要在通识教育普及的基础上聚焦研究生的人工智能知识体系构建、科研素养塑造、学术视野拓展；另一方面为学生学习后续智能相关课程以及从事“智能+”领域研究奠定基础。