人工智能课程中的思政教育探索与实践

刘丽珏，阳春华，陈白帆，王雅琳，王 勇

（中南大学 自动化学院，湖南 长沙 410083）

1 智能科学专业课程中思政教育的必要性

随着人工智能、大数据和云计算技术的日益成熟和高速发展,当前社会已全面迈入了ABC 时代[1]（A，AI；B，Big Data；C，Cloud Computing），ABC 时代的共性强调必须大力发展系统化能力。系统思维是人们运用系统观点，把对象互相联系的各个方面及其结构和功能进行系统认识的一种思维方法。系统思维以整体思维取代片断思维[2]，整体性原则是系统思维方式的核心。这样的时代背景对社会各类人才提出了更高要求，不仅要求学会求知、学会创新，还要求学会做人、学会合作、学会发展，具备全局观、整体观、系统观，成为社会所认可的人。

以人工智能课程为例，课程教学一向重视基础理论知识的教学，对智能算法、相关的数学基础、计算机知识等非常关注，但伴随人工智能技术的快速发展，它一方面将使社会生活更加便利、提高人类福利，同时对社会提出了方方面面的挑战，包括社会治理、政府监管、社会伦理、法律规范等。算法歧视会对人类传统价值观等伦理道德理念产生冲击，如谷歌公司错将黑人标记为大猩猩事件、四处可见的大数据杀熟事件。如何确保算法设计的伦理考量将成为技术人员必须考虑的一个重要问题。另外，在人工智能时代，个人隐私（数据）保护将面临互联网、大数据与人工智能三者叠加的风险。这些例子都非常明确地表明，人工智能人才的培养不能仅关注在专业知识和技能上，加入对人工智能相关法律、伦理和社会问题的深入探讨，为智能社会划出法律和伦理道德的边界，让人工智能服务人类社会，形成新时代人工智能专业人才的全方位育人体系成为必然的趋势。

2 国内外现状分析

我国的人工智能教育起步较晚，2004 年3月，我国第一个由北京大学申报的智能科学与技术本科专业通过教育部备案。人民日报海外版报道：国内AI 人才供求比例仅为1∶10，未来几年我国人工智能人才缺口超过500 万人[3]。领英2017 发布的《全球AI 领域人才报告》指出：截至2017 年一季度，基于领英平台的全球AI（人工智能）领域技术人才数量超过190 万，其中美国相关人才总数超过85 万，高居榜首，而中国相关人才总数超过5 万人，位居全球第七；中国资深人工智能人才数量与美国差距显著，10 年从业者仅占38.7%，而美国10 年以上AI 从业人员比例达到全球最高的71.5%[4]。该报告同时提到：中国人工智能人才也有其优势，即高学历者众多，其中研究生及以上学历的人才占比达62.1%，领先于美国的56.5%。中国人工智能人才特点表现为比较年轻、缺少经验，但学历高、接受能力强。

在人工智能的教育过程中，我国人工智能专业课程基本都集中在人工智能技术相关知识的讲授，在人工智能对社会的影响方面几乎从未涉及，缺少对人类自己、技术与人类的关系的辨析和反思。

在国外，几乎每个知名工科或综合类大学都开设研究生的人工智能课程，美国卡内基·梅隆大学在2018 年甚至宣布设立了美国首个人工智能本科专业，在该专业的课程中，除了数学、编程、人工智能技术等与技术相关的课程外，还加入了包括人工智能与人性、计算中的道德和政策问题及AI、社会与人性等人工智能道德课程。其专业负责人宣称“道德和社会责任也将会是这个专业方向强调的内容，包括如何用 AI 为整个社会带来福利的独立研究”。英国的人工智专业则包含了从物理机械理工科到人文道德伦理人权等方面内容。在讲授专业知识的同时，大多结合自身的专业优势，着重培养学生的实操能力，在人才培养的维度方面比国内更加全面充实。

从以上内容可以看出，我国在人工智能课程的教育中还停留在知识与理论的教学方面，在人工智能的道德教育方面急待加入新内容。

3 人工智能课程思政教育途径

3.1 合理设计思政教育切入点

人工智能是一门高度交叉的学科，其研究领域既包括早期以符号、知识为中心的知识表示、搜索推理等，也包括当前最热门的以数据驱动的机器学习、计算智能等。其内容十分丰富，涉及基础面广，思政教育的切入点也很多。目前课程思政教育内容点覆盖全部教学章节，各部分思政教学内容设计举例如下。

1）绪论。

绪论介绍人工智能的概念、发展历程、研究方法、当前热门的应用领域。在这个部分中借助一些影视作品，加入AI 技术对社会、经济、道德等方面的影响，用案例和讨论的方式引发学生思考。比如，AI 是否会像影视作品中那样，最终代替人类甚至奴役人类？AI 技术的普及能否引起大面积失业？AI 技术的最成功应用之一：刷脸支付，如果有人趁你睡着或昏迷时刷你的脸怎么办？通过讨论这些问题，引导学生树立AI技术由人开发，也只能服务于人的观念。

2）问题求解技术。

问题求解技术主要讲授经典人工智能理论的状态空间智能搜索技术，包括状态空间表示，无信息搜索方法和有信息搜索方法。由于状态空间搜索技术属于全观察（full observable）问题，每个状态下对自身的所有情况都是已知的，因而可以通过预估选择最优的下一状态，这与只有胸有成竹才能事半功倍多么相似。由此启发学生面对问题时要多观察、多了解、多调查才能有最好的解决方案。

3）进化计算。

进化计算部分主要讲授以遗传算法、群智能算法等为代表的智能优化算法。与传统搜索技术不同，这类算法基于种群的迭代寻优算法，种群中的个体通过各种方式互相影响，一代代进化。能保持种群个体良好的多样性是避免算法陷入局部极值，从而无法找到最优解的关键因素之一。从这一点切入，和学生讨论求同存异的重要性，只有保持开放和包容的态度才能不断进步。

4）机器学习。

机器学习是当前人工智能的研究热点，在这个章节中主要讲授基于统计学习的机器学习有关概念和方法，包括线性回归、线性分类、神经网络、深度学习等。机器学习技术大多采用梯度下降等迭代优化算法优化损失函数，成千上万次的迭代才可能找到最后的解，在这里可以引导学生思考百折不挠、坚持不懈的重要性，明白事物发展的曲折性。在各种机器学习方法中，以大数据为基础的深度学习方法可以说是当前AI 技术获得广泛关注的主要原因，且带来的问题也最多。由于有监督学习的效果依赖于标签数据的数量和质量，有偏好的数据势必会导致有偏向的结果。比如谷歌公司错将黑人识别为大猩猩事件，就是因为其标签数据中黑人的数据量偏少。另外，如何使用从大数据中学习得到的结果也让人深思，比如金融领域的算法越是强大，被打上“穷人”等标签的特殊群体在申请金融服务时就会越难；广告商更倾向于将高息贷款信息向低收入群体展示；网络商家利用平台收集的海量用户信息和数据，对客户进行精准识别和归类，通过向消费能力高、消费意愿强的用户展示更高的价格赚取更多利润，同样的商品或服务，老客户看到的价格反而比新客户要贵等。这些问题都被纳入课程案例库，根据课程内容在不同阶段引入，展开讨论式、汇报式教学，有助于学生树立正确的工程伦理观，以公正、公平的态度，辩证的思想处理和看待问题。

3.2 丰富教学手段和教学方法

专业课程中加入思政内容最忌讳生硬，要使思政内容与专业知识无缝连接，就必须改革教学方法，创新教学手段，拉近课堂与学生的距离，让思政课真正活起来、好听起来[5]。

1）构建问题链教学。

问题链教学是以某一主题为中心设计的步步深入的一组问题，通过阶梯式问题引领学生思维逐步深入[6]。通过这种方法引入思政问题，能有效吸引学生兴趣，引发学生主动思考。比如在粒子群优化算法的讲解过程中，先提出大家一起出海捕鱼，用什么方式才能用最快的方法捕到大鱼的问题，引导学生思考团体协作的重要性；再通过粒子群优化下一代粒子的飞行方向是怎样的问题，引导学生辩证地思考当自身信息与他人信息不一致时，要如何取舍？以粒子是飞向自身最优和全局最优的加权中心的答案引出既不能盲目只信自己，也不能全信他人，应该综合考虑以降低失败风险的结论；最后提出惯性因子起什么作用的问题，引导学生得出它能使粒子即便是在当前全局最优位置，也能以一定的惯性飞行，从而避免陷入局部最优的结论。由此结论引申出即便当前已经做得很好，也不能停滞，要始终保持探索的精神和学习的动力。

2）利用云课堂教学。

传统课堂教学将教师和学生固定在一定的空间和时间中，而高校专业课往往学时有限，要在短短的课堂教学时间中完成知识点的传授，思政内容的渗透，学生兴趣点的了解，学生与学生之间、学生与教师之间的交流、讨论是非常困难的。云技术的普及，为教学提供了全新手段，采用线上、线下相结合的方式，让思政学习延伸到课下。在人工智能课程中就利用本校的教学资源可视化平台，在这个平台上建设自己的课程，除教学课件、视频、测试外，还可发布讨论任务，让学生就某一主题发布自己的见解，其内容教师和其他同学都可以看到，将讨论环节延伸到课外，既能节省课内的时间，又能让很多在课堂上腼腆沉默的学生在网络空间中大胆表达，促进教师对学生思想状态、学习状态的了解，从而更好地设计思政教学内容。比如课程中曾发布关于图灵测试的讨论，很多学生惊叹于图灵思想的超前性，更加坚定了自己学好课程内容的决心。

3）设计多维度考核机制。

以往专业课程考核多以专业知识的试卷考试为主，很难体现思政内容的学习效果。为此，课程大大增加了除试卷成绩外的其他环节成绩比例。云课堂的应用，使教师对学生学习过程的监控更为便利，每个环节的完成度都有据可查。课程建立了多维度综合考核机制，最终成绩的计算公式如下：

其中考试成绩S1占50%，讨论表现S2占10%、实验项目S3占40%，而实验项目得分又由每个实验方法设计的合理性、实验结果的优劣、汇报答辩的表现、同组同学的评价、他组同学的评价这几个指标的平均分计算得到。实验方法设计的合理性要求学生既要考虑结果的优劣，还必须考虑计算的代价，平衡成本与收益，如在线性回归实验中，要求学生对早期胚胎发育数据建立回归模型。有的学生建立了二次模型可使拟合优度达到0.87，而有的学生建立了五次模型，拟合优度达到0.89，在这种情况下，综合考虑成本和收益，自然是前者的方案更优。通过这种方式，让学生能够建立起系统化、整体化的思维方法。

4 结 语

工科专业学习的自然科学最终要学以致用，运用到什么地方和如何运用，掌握在什么人手中，是一个十分显著的伦理问题。人工智能技术的发展带来了很多以前没有遇到过的问题，比如机器人的人权、机器学习的数据偏向性、大数据的信息安全性等。同时很多智能算法往往蕴含着哲学伦理，研究如何将专业伦理融入到专业教学中，收集专业工作实践过程中的真实案例，发掘原理、方法中的人生哲理，设计融合专业知识与思政内容的问题链，将思政内容自然地渗透到专业内容中，建立起以专业伦理为价值依托的教学内容体系，有助于改变以往只“重技”的专业课程教学模式，有助于建立起着力培养德智体美劳全面发展的工科专业新人才的长效育人机制。