新工科背景下人工智能导论课程教学方法探讨

摘 要：人工智能导论作为众多新工科专业的入门级课程，具有高度概括性，启发性，和广泛的应用性。本课程从人工智能思想出发，以知识背景和理论基础为主要内容，结合现有行业应用，并引入部分最新前沿研究，为学生在新工科背景下开展学习引发了学习的热情并夯实了专业基础。

关键词：新工科;人工智能导论;教学方法

1 引言

新工科作为我国教育历史的新起点，是针对传统的工科专业，以互联网与人工智能为核心，通过学科交叉融合完成创新改造升级，为新兴产业提供有创新能力，有实践能力，有知识广度的复合型人才。人工智能源于计算机专业，但具体涉及方向众多，具有跨学科、综合性强、应用广泛的特点。人工智能导论在学科上涉及数学、计算机、神经生理学、认知学、信息论、控制论、不確定性论、哲学等，其本身研究内容又包括机器学习、模式识别、知识表现、深度学习、逻辑推理、智能搜索、组合调度、复杂系统等研究方向，其应用范围又包括人脸等机器视觉识别系统、专家系统、人机交互、自动规划、定理证明、机器人学、人机交互（图像、音频、视频）理解、自动编程等广泛的应用。所以，在新工科背景下的人工智能导论是学生入门的综合性新工科课程，它不仅是背景知识介绍，也不仅是整个专业各个课程的基本简介，更是重在人工智能相关领域的工程素质培养，人工智能专业的创新思维培养。人工智能导论在未来不仅仅是计算机相关专业的入门课程，并将成为众多新工科专业的首门专业基础课程。因此，首先要明晰人工智能导论这门课程的定位和具体任务内涵，其次据此选择适合新工科要求的本门课程教学方法，再次在具体教学方法的基础上建立人工智能导论课程的教学资源，最后确定考核方式。

2 课程定位

本门课程在新工科背景下的课程性质可作为各个新工科专业的必修专业基础课。本课程研究对象是研究人工智能的基础理论，建立关键共性技术知识体系，介绍常用基础支撑平台， 并引入最新理论成果或工程应用开拓眼界。教学目的是培养学生的计算机思维能力、理解和应用人工智能的基本能力和查阅最新资料的能力，并同时培养学生的新工科的工程师素质。教学要求为通过本课程的学习，初步具有用人工智能方法实现基础理论和阅读相关代码的能力，并具有使用常见框架的基本技能。

3 教学方法与资源

新工科知识体系的主要趋势对本门课程的教学方面主要影响涉及两个方面：1）人工智能概论将在发展的过程中逐渐受到重视，之前智能作为专业核心课程将成为一部分计算机等相关专业的基础课程，继而可能调入工程类的平台大类课程;2）人工智能概论涉及的主要知识体系和呈现方式，将从知识简介向工程能力锻炼转变，将通过内部重组将知识从历史脉络转变为问题探索性研究脉络为主线，打通基础知识和实践应用的递进关系。通过以上两方面的影响，本门课程将适用于问题探索式教学，以助于学生在未来快速更新知识体系，并融入真实工程实践情况，并适应快速知识更替领域的终身学习方法和工程应用。

3.1 问题选择

问题导向型教学可设置以下三方面的问题：1）导入式问题，即通过新知识的应用场景为问题的问题工程背景导入，通过特定的问题设置引起学生对问题和解决方法的思考，从而导入本节课程的知识内容;2）研究式理论问题，通过问题引入新知识或算法与旧知识或传统算法的硬件基础的不同、研究基础的不同、应用场景的不同、甚至大众接受程度的不同从而对比各个解决方案，从而看到各个阶段智能体发展的脉络，以引发对最新理论和应用的探索;3）探索式应用问题，通过实践应用解决简单基础的小问题，通过探索的过程达到锻炼工程素养的目的，并尝试以较高完成度解决实际情境 问题。

3.2 讨论式教学

通过对同一问题进行讨论，引导和启发学生的思维，培养学生独立思考能力，关于专业问题进行有效沟通能力，并有一定创新角度。主要从以下三方面展开：1）某人工智能所处于的理论背景限制下进行思考，所以第一个讨论的是该问题的限制条件;2）某人工智能理论的工程应用背景，所以第二个讨论的是该问题的应用场景或者目标是什么;3）第三个是解决方案的比对方法，学会如何评价和选择最适合的人工智能解决方案。讨论式教学不是形式主义讨论，而是学会人工智能专业领域内表达技巧，用术语高效学术交流，学会理解和评价人工智能解决方案。

3.3 交叉融合方法

通过具体案例锻炼学生能力，把以宽口径、厚基础、理论教学为主的过去广泛应用在教学领域的培养模式，逐渐转向以新工科为背景，面向以应用为向导，多学科交叉融合为特征的新培养模式。不是简单的各个学科加和，而是聚焦国家重大需求，以社会实际难点热点为导向，集成整合学科，形成以点带面，即以最终应用需求为一点，以涉及到的各个学科为各个方面，最终达到锻炼同学以解决问题为目标，整合各个学科里的技能。这样重在提升学生的自主创新能力。

3.4 资源建设方法

不再以传统书籍从头到尾的教学方式来进行教学，必将引起传统教学资源的变革。这里是以问题为导向，故资源建设重在可查询性，而不是完整度。各个相关学科既需要建立各种手册类资源，又需要建立一页纸快速入门，以同时兼顾可用性和可快速获取性。人工智能导论课程将以各个门类的资源的快速搜索与综合整合为基础，达到为解决某一问题提供所需的基础资源，包括教材、教辅、代码等均以某一个小问题的解决目标为分类方式，而不是以传统科目由浅到深的学习难度递进关系排列。所以综上资源建设重在查询式学习，而不是重在构建递进式学习。

3.5 更新迭代方法

通过调研新工科人才面临的机遇和挑战、现有国内外工科专业人工智能导论课程包含的内容现状与趋势，社会需求状况及发展特征，提出新工科人才对培养人工智能相关专业新的要求，评价现有人工智能导论课程内容合理性以及最终的课程目标达成度，具体更新培养方案、讨论教学内容、包含的学科以及交叉融合方法、课程教材与教辅等资源，最终人才进行对实际问题的实践应用并提出反馈修正意见，并依据该意见对上述流程再次更新，以不断适应时代对于新工科背景下的人工智能导论课程的新要求。

4总结

综上所述，通过问题选择、讨论式教学、资源建设、更新迭代方法等方面对新工科背景下人工智能导论课程教学方法进行了探讨，以提升学生解决实际问题的能力来反向构建人工智能导论课程，把讨论式教学引入到教学课堂中代替应试思维，交叉融合自己的知识库，查询式学习整合资源，并不断更新课程以适应国家的发展需求。

作者简介：王海琨， 男 ，1988-02 ，汉， 河北石家庄人， 博士， 讲师， 重庆理工大学， 研究方向： 人工智能。