人工智能交叉应用教学内容与方法探讨

卓汉逵

（中山大学 计算机学院，广东 广州 510006）

0 引言

教育部于2018 年4 月发布了《高等学校人工智能创新行动计划》（简称《行动计划》）［1］，以引导高校加强开展前瞻性和引领性科技研究，提升高校在人工智能领域人才培养和科技创新能力，在基础研究和原创成果上取得突破。《行动计划》提出“人工智能+X”人才培养模式，提出到2020 年建设100 个“人工智能+X”复合特色专业，建立50家人工智能学院、研究院或交叉研究中心。国家关于人工智能出台的各项政策，为高校积极开展人工智能交叉应用学科建设提供了政策性保障，并带来人工智能交叉应用发展的新机遇。

国内外人工智能交叉应用已经取得了很多成果［5］。人工智能（AI）被称为科学的革命性工具［6-7］，并被预测将在未来的研究中发挥创造性作用［8］。例如，人工智能已被用于帮助解决量子化学相关问题［9］。研究者们也针对人工智能方法是否能够代替人类进行科学实验，并在根本层面上为获得新的科学发现作出贡献等问题进行了探讨［10-16］。文献［17］采用科学哲学中对“科学理解”的定义，结合科学家的几十个轶事，绘制出人工智能辅助科学理解的3个维度。

人工智能交叉应用人才培养具有不同于其他学科的挑战性。首先，交叉应用知识覆盖面广，学生往往需要在缺乏背景知识的情况下从零开始学习全新知识；其次，对学生跨领域交叉学习和对比学习的思维要求高，发现和理解人工智能与应用领域的交叉点对学生来说挑战较大；最后，人工智能交叉应用强调应用性，对学生动手能力、解决实际问题能力的要求高。

本文针对大学人工智能交叉应用教学面临的挑战，分析人工智能交叉应用的社会需求，介绍人工智能技术方法体系、应用领域痛点问题、教学对象差异等，并进一步介绍其与人工智能交叉应用人才培养的关系，最后阐述面向高校不同专业学生的人工智能交叉应用课程教学内容体系、教学方法和实践经验，提出教、学、用、创等相融合的观点。

1 人工智能交叉应用人才培养需求分析

根据工业与信息化部牵头编写的《人工智能产业人才发展报告》［2］，我国人工智能产业人才队伍存在以下问题：①人工智能人才供需结构不平衡，人才需求缺口大，人才岗位类型和技术方向与企业需求之间存在显著错位现象；② 人工智能人才供需质量不平衡，人才质量难以满足企业对创新型、复合型人才的需求；③人工智能人才供需区域不平衡，京津冀地区、长三角地区和粤港澳大湾区是我国人工智能产业的人才集聚地，而部分欠发达地区缺乏人工智能人才，制约了人工智能产业本地化的发展。这三方面问题除由于人工智能人才自身培养不足外，还有一个重要原因是人工智能人才与应用领域之间存在着难以跨越的鸿沟。换句话讲，我国不仅需要培养大量人工智能人才，而且更重要的是培养能够真正有效服务于应用领域、实现人工智能交叉应用的人才。

1.1 教学内容需求分析

人工智能交叉应用教学的目标是促进人工智能与不同学科领域的交叉应用，因此决定了其涉及的教学内容需覆盖不同学科背景的学生。因不同学科背景的学生对自己学科以外的知识内容接受程度各异，为使人工智能交叉应用的教学内容适用于不同背景的学生，如何精心设计相关教学内容是开展人工智能交叉应用教学的重要挑战。

1.2 教学对象需求分析

人工智能交叉应用教学对象是来自不同学科背景的学生，可能包括文科和理工科。对于文科背景的学生，人工智能交叉应用可为其提供了解如何利用人工智能技术协助解决文科研究中面临问题的机会，为拓展AI 与人文结合的相关研究作出贡献；对于理工科非人工智能背景的学生，人工智能交叉应用可为其提供解决本学科中挑战问题的新思路；对于人工智能背景的学生，人工智能交叉应用可为其提供了解人工智能可能涉及的交叉应用领域及其相关挑战问题的机会。总而言之，人工智能交叉应用教学对象涉及范围广、差异性明显。

2 人工智能交叉应用教学内容

总体而言，人工智能交叉应用涉及3 方面内容：人工智能基础方法、应用领域痛点问题、人工智能基础方法与应用领域痛点问题的结合。下面分别从人工智能角度看应用领域和从应用角度看人工智能技术体系两方面对人工智能交叉应用教学内容进行介绍，最后介绍两个人工智能交叉应用案例。

2.1 从人工智能角度看应用领域

人工智能涉及的交叉应用领域较多。首批重庆市“人工智能+”学科群项目覆盖的国民经济行业［3］及其对应的人工智能交叉学科包括：①信息传输、软件和信息技术服务业（智能通信）；②制造业（智能制造）；③农、林、牧、渔业（智能农业）；④采矿业（智慧能源）；⑤金融业（智能金融）；⑥交通运输、仓储和邮政业（智能交通）；⑦租赁和商务服务业（智能商务）；⑧教育（智能教育）；⑨卫生和社会工作（智慧健康）；⑩文化、体育和娱乐业（智能设计）；⑪水利、环境和公共设施管理业（智能生态）。

贾佳［4］选取了2016 年1 月-2020 年10 月，美国国家科学基金会（NSF）计算机与信息科学学部（CISE）、美国国家科学基金会工程学部（ENG）、欧盟研究委员会/欧盟委员会（ERC&EC）、英国工程和自然科学研究委员会（EPSRC）、日本JSPS（学术振兴会）5 个基金资助机构在人工智能领域的基金研究项目，包括如下领域：①教育；②心理学/精神病学/神经科学；③商业/管理；④地球与环境科学；⑤计算机科学与信息学；⑥工程；⑦健康：牙科/护理/药学；⑧临床医学；⑨物理；⑩生物科学；⑪建筑环境规划；⑫数学科学；⑬地理与环境；⑭化学；⑮农业/兽医/食品科学；⑯体育/运动科学&休闲与旅游。

综合目前人工智能与各个领域的交叉应用情况分析，人工智能交叉应用可分为与产业的交叉以及与学科的交叉，具体如图1所示。

2.1.1 AI+产业

对于“AI+产业”，每个交叉应用举例如下（因为每个交叉应用领域可研究的问题较多，这里只列举一些交叉应用的例子以供参考）。

（1）AI+金融：根据金融机构和被投资人信息，建立智能投顾系统。

（2）AI+通讯：根据网络通信现状，建立智能路由调度模型，优化网络通信质量。

（3）AI+商务：根据商业数据，建立智能模型，预测市场行为、客户消费习惯、产品销量等，最终建立智能决策模型，以辅助商务决策。

Fig.1 Artificial intelligence cross-application areas图 1 人工智能交叉应用领域

（4）AI+教育：根据学生学习情况，建立智能决策模型，针对性地为学生提供个性化教育。

（5）AI+制造：根据产品需求和产能情况，建立智能规划调度模型，实现制造流程的动态优化调度。

（6）AI+设计：根据设计信息和工艺信息，建立智能设计模型，自动设计出符合需求的产品。

（7）AI+医疗：根据病人症状和检查指标信息，建立智能辅助医疗模型，辅助医生给出诊断结果。

（8）AI+交通：根据当前交通情况，建立红绿灯智能调度模型，以提高交通效率。

（9）AI+文化：根据文化相关的互联网数据和智能终端传播特点，建立智能文化生成模型，创作生产优质、多样、个性化的数字文化内容产品。

（10）AI+农业：根据环境和农作物信息，建立智能种植决策模型，有效调节农作物生产环境和供给，以提高农作物产量和质量。

（11）AI+能源：根据能源相关信息，建立智能规划系统，实现能源材料自主开发以及能量效率最大化的自治系统。

（12）AI+生态：根据环境数据进行城市环境质量智能预报预警、城市生态资源及环境状况智能分析和评估，构建生态环境智能治理新模式。

2.1.2 AI+学科

对于“AI+学科”，每个交叉应用举例如下（同样的，因为每个交叉应用领域可研究的问题较多，这里只列举一些交叉应用的例子以供参考）。

（1）AI+法学：基于知识系统、理性思辨和法律逻辑，研究如何在工作中应用人工智能，促进法院审判智能化。

（2）AI+经济学：在复杂多变的经济学领域，研究如何将人工智能应用于经济学中涉及的博弈、机制设计、行为经济等问题的智能解决。

（3）AI+教育学：运用人工智能技术，实现智能化感知、智能化教育评价、智能化推荐数字教育资源，实现个性化学习等。

（4）AI+文学：研究人工智能文学创作和文学鉴赏，甚至实现人工智能与人的智能协作进行文学创作和文学鉴赏。

（5）AI+历史学：研究AI 如何帮助历史学家更好地解读铭文，以助力对古代历史的论证与理解。

（6）AI+农学：根据农业复杂环境，研究辅助耕作、播种和采摘等特定动作的智能机器人，实现土壤与病虫害智能探测、气候灾难预警等智能识别系统，以提高产出和工作效率，同时减少农药和化肥的使用。

（7）AI+医学：研究AI 如何快速、准确地标记异常情况，提高图像分析效率，实现辅助诊断、虚拟护理、工作流程优化等。

（8）AI+军事：根据复杂的军事环境，研究并实现军用人工智能机器翻译系统、舰船作战管理系统、智能电子战系统、自动情报与图像识别系统等。

（9）AI+管理学：研究在现有条件下，如何利用人工智能通过合理地组织和调度人、财、物等因素，提高生产力水平。

（10）AI+艺术学：研究如何让人工智能与经典艺术家进行协作，依据一定的逻辑进行艺术创作。

（11）AI+工学：研究如何利用人工智能技术辅助工程学科涉及的流程调度、参数设置、对象识别等问题的求解。

（12）AI+理学：研究如何利用人工智能技术辅助解决定理证明、科学规律发现等问题。

从上面列举的人工智能交叉应用例子可以看出，人工智能涉及的应用领域非常广泛，对开展人工智能交叉应用教学提出了很大挑战。

2.2 从应用角度看人工智能技术体系

从应用角度看人工智能，从根本上讲，主要有两方面内容：①人工智能是否可代替人做一些相对单一而又重复性强的任务；②人工智能是否可帮助人解决一些计算量大、对智力要求高的困难问题。对于第一方面，一个典型例子是机器人的应用，例如清扫机器人代替人做清洁、识别机器人代替人作各种票据检测、问答机器人代替人进行客服回答等；对于第二方面，一个典型例子是规划与调度应用，例如化学逆合成路径规划、应急资源规划与调度、智能制造生产规划、定理证明过程规划等。

为实现以上两方面内容，主要的人工智能基础方法可以分为两大类：学习和推理。学习指计算机通过历史经验（数据）自动获取知识。根据学习得到知识的表示形式不同，可分为符号知识学习和非符号知识学习。其中，符号知识学习指具有一定实际意义的符号之间的关系学习，如逻辑关系学习、规则学习等，具体学习方法包括贝叶斯网络学习、马尔科夫逻辑网络学习、智能规划模型学习等；非符号知识学习主要指基于神经网络的函数映射学习，例如深度学习网络、循环神经网络、卷积神经网络等。利用学习得到的知识进行推理，主要涉及的人工智能推理方法有贝叶斯推理、逻辑推理、约束可满足性推理、智能规划推理等。如何针对不同应用领域教学对象开展人工智能技术内容的系统性、针对性教学，是一个极具挑战性的任务。

2.3 人工智能交叉应用案例

这里介绍两个人工智能交叉应用案例，以直观说明人工智能交叉应用涉及的教学内容。整体上讲，每个交叉应用教学内容应包括领域背景教学和相关人工智能技术教学，具体如下：

2.3.1 人工智能与化学合成

（1）领域背景教学。在医药领域，人工智能的典型应用分为两方面：一是新型分子设计（De Novo Molecular Design），即指定目标药物，让人工智能模型寻找具有相似性质的新型分子；二是合成路径规划（Synthesis Pathway Planning），即给定目标化合物，使用模型分析其合成路径，即如何由基本、可购买的有机分子，在何种反应条件下，经过多步化学反应合成得到目标分子。新型分子设计以及合成路径规划都具有重要的实际应用价值。一方面，很多现存药物虽然具有良好的治疗效果，但是制造成本较高，如果能设计出具有类似化学性质且制造成本较低的替代型药物，将给无数患者带来福音；另一方面，一些从动植物身上提取出来的天然有机物对于特殊疾病治疗具有较好效果，但难以高效地对其进行人工合成。因此，对于这些有机成分进行合成路径分析具有重要的研究及应用价值。除可应用于医药领域外，新型分子设计以及合成路径规划的方法在食品、材料等领域也具有重要的应用价值，例如可用于设计毒性更低的新型防腐剂、具有更优性能的助燃剂等。相比于新型分子设计，合成路径规划是更基本的研究领域。其基本思想是通过现有化学反应数据抽取化学反应模板（见图2），并针对反应模板，利用人工智能自动计算得到合成路径。

Fig.2 Reaction template extraction 图2 反应模板抽取

（2）人工智能技术教学。合成路径规划问题最常用的解决思路就是逆向分解，即从目标化合物出发，不断逆向分解得到更基本的分子，直到所有分子都已是可获得的基本分子。在没有使用机器进行辅助之前，化学家在进行合成路径规划时，需要根据自身知识经验推测可用于分解目标产物的反应。然而，由于化学反应的复杂性以及每个化学家知识的局限性，即使是一个经验丰富的化学家，将一个全新的化合物分解得到其合成路径也不是一件容易的事。因此，使用机器辅助人类完成这一耗时耗力的任务，具有重要的实际意义。使用机器辅助进行合成路径规划的想法在上世纪末便被正式提出，从那时起，化学、生物以及计算机领域的专家们都致力于推进该领域的发展。由于化学反应条件复杂，且有机化学分子数量巨大，导致搜索空间巨大，所以合成路径规划问题是一个具有重大意义却也充满挑战的研究热点。在研究初期，大多数研究者提出的方法是基于规则的，而没有大的突破。后来随着人工智能的发展，研究者们提出一系列混合规则与机器学习模型的方法，但存在计算效率低以及模型效果差等问题。直到近年来机器学习方法尤其是深度学习方法不断取得新突破，越来越多基于深度学习的模型被应用于合成路径规划领域。实际上，合成路径规划任务需要寻找一个多步的路径，其中的关键一环就是对于单步分解的预测，即给出一个目标化学物作为产物，找到能够合成该产物的反应物集合，该任务也称为逆向合成预测（Retrosynthesis Prediction）。

2.3.2 人工智能与中医应用

（1）领域背景教学。中医是中国古代科学的结晶，是中华名族五千年历史文化的载体，一直守护着中华民族的健康。依据《肘后备急方》等中医药古籍，屠呦呦团队创新性地利用提取出青蒿素并用于治疗疟疾，获得了世界的认可。在新型冠状病毒疫情期间，超九成的新冠肺炎确诊病例采用了中医药治疗。同时，利用中医药具有的“治未病”特性，中医药可有效帮助密切接触者提高免疫力，抵御病毒。众多古典书籍《本草纲木》和《肘后备急方》等记载了大量中草药及中药方剂信息，但这些书籍及互联网上垂直网站的信息多为非结构化的数据存在，不利于计算机理解中医药知识。而且这些书籍的内容描述不统一，致使中医药数据多源异构，严重阻碍了中医药的发展。例如，“麻黄”在《神农本草经》有多种称呼，如“龙沙”“狗骨”“卑相”等。本文希望利用知识图谱技术结构化文本数据，融合多源中医药知识构建一个相对完整、统一的中医药知识图谱。同时，利用已有的医药知识充分挖掘隐藏的知识在医学领域也具有重要的研究价值。链接预测（Link Prediction）常用于知识图谱补全，挖掘知识图谱中隐含的知识。

（2）人工智能技术教学。与此同时，《肘后备急方》等书籍中记录了众多中医医案信息，根据患者病症相关信息辅助医生决策推荐中药方剂已经越来越受到重视。根据中医医案信息推荐中药材，可将此问题建模成文本分类问题。文献［18］提出一种基于中医知识图谱的文本分类模型用于生成中医方剂中的中药材种类。中医的诊断过程讲究“望闻问切”，根据症候推断出疾病及相应的用药方案。具体地，医生通过“望闻问切”确定患者症状。在病例中，医生根据患者的症状微恶风寒、发热重、有汗、鼻塞、苔薄黄、脉浮数有力等症状推断出患者身患风热感冒。随后，医生通过结合疾病、症状与自己的中医知识给定了治疗方法：辛凉解表、疏风清热和宣肺利气化痰。确定治疗方法后，医生开具中医药方剂治疗患者。在整个诊断、治疗过程中，医生通过自己的知识梳理了病症、疾病、中药材三者之间的联系。模型利用知识图谱自动构建上述过程中病症、疾病、中药材这些实体之间的语义关系，同时利用中医医案中的文本信息辅助医生决策，提供与患者信息相关的方剂信息。

3 人工智能交叉应用教学实践

下面首先列举一个笔者在进行人工智能课程教学过程中采用教学方式的案例，再对其进行总结。

笔者担任人工智能原理和人工智能实验两门课程的教师时，尝试采用多种方式交叉融合的教学方法。具体地，除理论教学外，也侧重了理论与实践应用的教学。尝试采用三阶段指导教学方法，包括：①选题指导；②算法实验指导；③成果展示指导。具体如下：

（1）在选题指导阶段，笔者指导学生（2～3 名学生一组）阅读最新的人工智能顶级会议或期刊论文，结合学生兴趣选择较前沿的研究题目，并做好选题的前人工作论证。通过该阶段可扩大学生知识面，也有利于锻炼学生快速接收新知识的能力和创新能力。该过程体现了寓教于学的教学思想，通过指导学生学习如何选题，阅读最新文献，把握研究现状，实现教育学生主动学习和探索的目的。同时体现了寓学于教的教学思想，通过与学生探讨最新研究现状，教师在教的过程中也学习到新知识，达到教学相长的目的。

（2）在算法实验阶段，笔者指导学生设计解决题目问题的改进算法（结合理论教学中介绍的算法），同时指导学生熟悉现有人工智能的开源工具包和开发框架，使得学生可动手实现算法，开展实验测试。通过该阶段可培养学生的动手能力。该过程体现了寓学于用的教学思想，学生在实际动手解决应用问题的过程中，强化了理论知识的学习。同时体现了寓用于学的教学思想，学生在实验过程中需要学习很多新的实验工具，从而达到提高其解决应用问题能力的目的。

（3）在成果展示阶段，笔者指导学生如何撰写论文或报告、如何通过海报墙展形式展示自己的研究成果。通过成果展示，培养学生的总结能力和表达能力。该过程体现了寓新于用的教学思想，通过激发学生对应用结果的总结和反复思考，以海报墙展方式与同学和专家进行交流，促进对进一步创新探索的思考，从而提升自身的创新能力。同时体现了寓用于新的教学思想，在探索创新的过程中，牢牢紧扣实际应用，进一步加强解决实际应用问题的能力。

经过以上三阶段，学生形成了63 组研究成果（本科20组、研究生43 组）。为了给学生提供一个更好的展示环境，组织了第一次中山大学人工智能学生成果墙展研讨会，邀请4 位具有较深厚人工智能研究背景的专家对成果进行评分，包括南洋理工大学博士后、密西根大学与上海交通大学联合研究所助理教授、香港科技大学博士后、美国马里兰大学博士后等。同时，也邀请校内外人工智能相关专业的教师和学生前来交流。

该案例所展示的教学模式适用于人工智能交叉应用教学。在人工智能交叉应用教学过程中，采用如下教学方法：

（1）寓教于学，寓学于教。在学习中寄托教育的作用，以达到教育的目的；在教育中寄托学习的作用，以达到学习的目的。

（2）寓学于用，寓用于学。在应用中寄托学习的作用，以达到学习的目的；在学习中寄托应用的作用，以达到应用的目的。

（3）寓新于用，寓用于新。在应用中寄托创新的作用，以达到创新的目的；在创新中寄托应用的作用，以达到应用的目的。

通过应用上述教学方法，笔者当年任教的班级毕业时，全班51 位学生中，共有70%成功升学攻读硕士研究生（8 位同学成功申请国外研究生），其余的学生都成功任职于不错的企事业单位，其中约90%的学生从事人工智能相关行业或研究方向的工作，一定程度上体现了该教学方法的有效性。

4 结语

本文介绍了人工智能交叉应用教学涉及的教学内容和教学方法，从人工智能交叉应用需求、人工智能技术体系、应用领域、教学对象差异等方面分析了人工智能交叉应用人才培养问题，并介绍了课程教学实践经验和方法，提出教、学、用、创等相融合的教学思想。人工智能交叉应用侧重应用与创新的融合，但本文并未介绍实现这一目标的具体教学方式，希望在未来开展人工智能交叉应用教学过程中，继续不断丰富和创造行之有效的教学方式。