信息类高校人工智能专业产教融合课程体系建设与实践

徐丰羽，王 强，尹海涛，丁 洁

（南京邮电大学 自动化学院、人工智能学院，江苏 南京 210023）

0 引言

为积极响应国家战略发展需求，围绕《高等学校人工智能创新行动计划》［1］，各大高校纷纷设立了人工智能专业，重点培养从事人工智能技术研发与应用工作、满足“人工智能+X”需求的多学科复合型人才。目前，国内外许多高校设立了基于人工智能的研究机构，瞄准基础理论科学与信息技术应用问题，不断提升知识创新的高度［2］。人工智能是教育部提出需重点发展的“四新”专业［3］，伴随着元宇宙、大数据、云计算等新概念的提出，很多传统课程体系围绕人工智能进行了交叉、融合以及重构，对该专业产教融合课程体系建设进行研究具有重要现实意义。

1 人工智能专业建设现状

人工智能专业教学以人工智能领域的系统化理论和创新技术为核心，注重人工智能与智能系统、智能信息处理、生物医学、材料化学等领域的交叉融合，近年来在国内外高校中广泛开设。

1.1 国外高校人工智能专业建设现状

美国各大高校对人工智能的研究较早，人工智能领域学术水平排在世界前20 位的学校中，美国占有14 所［4］，其中斯坦福大学在人工智能研究与教育领域处于世界领先地位，开设于机器学习、人工智能、人机交互等相关课程。其人工智能实验室成立于1962 年，著名人工智能学者吴恩达、李飞飞等都曾在该校任教［5］。此外，该校向公众开放的机器人和深度学习方面的网络公开课受到了全球教育界的关注。加州大学伯克利分校设有智能机器实验室，致力于研究仿生机器人、计算机视觉、智能外科手术和自动化制造等［6］。佐治亚理工学院提供认知科学方向的艺术学学士学位和人工智能方向的理学硕士学位［7］。麻省理工学院将人工智能实验室与计算机实验室合并，现已成为校内最大的实验室，研究领域涉及计算机科学、脑和认知科学、机械工程等［4］。卡耐基梅隆大学是最早开设人工智能专业的学校，拥有世界上最顶尖的计算机专家。在机器学习、自然语言处理等方面成果斐然［8］。

1.2 国内高校人工智能专业建设现状

近年来，国内高校人工智能专业发展迅速，几乎每年都有相关学院、专业获批，更有源源不断的教育界人士对满足社会发展需求的人工智能人才培养体系进行研究［9］。清华大学计算机系是国内人工智能技术研究和创新人才培养的重要基地。除了具备完善的教学体系外，学生在大一下学期便可进入相关科研机构（如微软亚洲研究院）跟随导师从事科研工作，每年都有十余位本科学生在国际高级会议和期刊上发表论文［5］。北京大学人工智能专业由数学系、计算机系等10 个系（所）共同建设，教学内容涵盖机器感知、智能信息处理和机器学习等交叉领域，重点研究以新一代网络计算为基础的各类智能技术［10］。浙江大学的人工智能研究所是中国设立最早的人工智能研究机构之一（成立于20 世纪80 年代），见证和参与了人工智能领域的一系列重要事件。现今，浙江大学在计算机视觉领域颇有建树，于2017 年投入一亿人民币建立睿医人工智能研究中心［11］。随后，国内诸多顶尖高校，如中国科学院大学、南京大学、北京航空航天大学、上海交通大学和西安电子科技大学等纷纷成立人工智能学院或研究院，在人工智能人才培养方面争相布局［12-13］。

人工智能是面向前沿高新技术的多学科交叉融合新兴专业，开办时间短，尚未形成独特的产教融合培养体系。在新工科背景下，人工智能专业产教融合的办学目标、核心特色课程设置与实施等是亟待解决的问题。

2 人工智能专业建设总体构思

作为一个多学科交叉的新兴专业，人工智能专业具有内涵丰富、外延广泛的特点，内涵包括脑科学、信息感知、模式识别、自然语言处理、知识工程等多个方面（见图1）；外延包括智能系统在内的应用技术，涵盖工业、农业、服务业等领域中的机器人以及智能交通、智能制造、智慧医疗等。在把握新一轮科技革命和产业变革的基础上，结合以智能化为标志的信息社会及产业发展需求，凝练人工智能专业的特色发展方向、定位人才培养目标是专业建设的关键。

Fig.1 Connotation of artificial intelligence specialty图1 人工智能类专业内涵

早期的人工智能专业建设依托计算机专业，围绕计算机技术展开相应的理论和实践教学［5］，仅从工科专业的大方向给予指导性意见。本文以需求为牵引，秉承理论研究、改革建设与实践验证相结合的原则，实现研究—改革—实践—建设—反馈的大闭环。人工智能专业建设总体构思为：

2.1 把握需求，凝练特色，精准定位培养目标

树立工程教育理念，开展充分调研，以人工智能行业迫切需求为指引，培养满足我国社会主义现代化建设需要，具有多学科交叉知识储备的创新型高素质人才。同时要着重培养学生的“工匠精神”，使其具备自身职业发展所必备的专业素质和品德修养。

2.2 内培外聘，校企融合，打造优秀的人工智能教学团队

高素质教师队伍是人工智能专业发展和人才培养的关键，应持续致力于教师队伍的结构优化和业务能力提升，通过外引内培、校企融合打造精品师资队伍。在积极引进高层次人才的同时鼓励教师在国内外一流大学进修、访学。鼓励青年教师与企业深度融合，开展行业讲座与技术交流，加快提升师生专业实践能力。

2.3 以智能为主线，优化整合专业核心课程群

围绕人工智能相关技术设立不同培养方向，对人工智能知识体系进行科学合理的课程群划分，具体表现为：①分析人工智能的内涵与外延，根据智能科学、智能技术和智能工程3 个层次划分体现智能内涵和专业特色的课程模块；围绕毕业要求及新工科人才的核心素养要求设计教学大纲；②考虑到人工智能外延宽泛的特点，核心课程中既要有专业化课程讲授人工智能核心技术，又要有交叉课程体现学科融合，使学生具备“人工智能+”的应用能力，培养其核心竞争力和可持续创造力；③可按照学科特色和优势设立不同培养方向，如大数据、机器学习、模式识别、智能控制与决策；也可围绕不同领域中的应用设置方向，如智能制造、智慧教育、智慧交通、智慧金融等。

2.4 优化实践教学体系

在人工智能专业本科学习的各个阶段安排相应的实践环节。对教学内容进行梳理，循序渐进地锻炼学生的实践能力。构建螺旋式递进的实践教学内容和典型案例，形成基础实践、专业实践、综合实践与实训、创新训练与实践、企业实习、毕业设计等多层次多方位的人工智能实践教学体系。围绕“创新型、综合化、全周期”工程教育新理念，以实践创新能力、解决复杂工程问题能力培养为目标规划综合性实践教学内容，以智能系统应用项目为载体设计具有专业特色的集中性实践环节教学大纲。与行业龙头企业科大讯飞、百度等共建“人工智能+”实训平台，建立校企协同育人机制。聚焦聚拢校企资源，参与企业牵头的实践项目和技能竞赛，夯实实训基础，提升学生的综合竞争实力。探索任务式、工程式、交叉学科式创新训练项目，培养学生的工程思维以及跨学科交叉融合学习能力。

3 产教融合教学改革方法

3.1 与合作单位建立产教融合长效机制

与信息行业的百度、智能制造行业的亿嘉和、人工智能行业的科大讯飞等展开深度合作，共同制定专业培养方案、建设课程体系、打造师资团队、设立实践基地、开展创新创业教育。将产教协同育人融入学生工程实践能力培养各环节，实现教育链、人才链与产业链、创新链的有机衔接。促进校企优质资源汇聚融合，使教育与产业统筹发展，全面提升工程教育对经济发展和产业升级的贡献度。

3.2 重构实践教学体系

以培养学生创新意识、提高解决复杂工程实践能力为导向构建集专业实践、创新项目、学科竞赛等于一体的特色实践教学体系，具体见图2。通过课程体系分层、实践平台分层充分发挥国家级、省级教学平台的引领作用，融入信息行业特色，模块化实践教学内容，支撑专业实践能力差异化和多样化培养需求。搭建实验教学管理信息化平台，构建课程实施、教学支持、过程监控和持续改进的质量保证体系闭环。

Fig.2 Practice teaching system based on hybrid of industrial and education图2 产教融合实践教学体系

3.3 创新教学模式与方法

创建线上线下互通、课内课外互融、实体虚拟互补的泛在弹性实践育人模式，借助口袋实验室、设备图书馆、虚拟仿真实验平台、MOOC 网站等拓展实践教学内容的广度与深度，延伸实践学习的时间与空间，促进学生工程实践能力提升。为培养学生智能化信息理念、拓宽其国际视野，开设人工智能类专业课程全英文教学。

3.4 重设人工智能专业产教融合课程

人工智能专业产教融合课程设置具体如表1 所示，具体包括：①人工智能导论。介绍当前典型的人工智能应用案例，突出介绍百度的无人驾驶、文心一言、大模型等人工智能技术，重点以应用案例形式介绍人工智能技术在智能机器人、智能监控、智能交通以及智能医疗等领域中的应用情况；②人工智能基础。讲解人工智能的基本原理、方法和技术，融入百度自动驾驶技术案例，进行目标识别与检测技术的分析和演示；③Python 程序设计。讲解Python程序基本语言、语法，在实验教学中融入百度飞桨平台的数据集、算力、云服务器账号以及工程案例等资源，提升学生的Python 实践能力；④图像处理。介绍图像处理的基本概念以及变换和处理算法，以无人驾驶为背景，利用百度飞桨实现图像滤波、图像变换以及图像增强等算法代码及演示程序；⑤模式识别。介绍模式识别的基本概念、算法和理论，以无人驾驶为背景，利用百度飞桨实现经典模式识别并进行实验教学；⑥机器视觉与应用、嵌入式系统及应用。联合百度飞桨实现线上模块教学，利用嵌入式系统工具，在视觉智能分析部分融入工程案例教学，如人脸检测代码及演示程序，基于生成对抗网络的不同人物属性生成代码（包括表情、年龄、姿态等）；⑦深度学习。介绍各种卷积神经网络、训练策略及其应用，融入百度飞桨的无人驾驶背景，实现基于卷积深度网络的道路标识分类和识别；⑧课程设计、专业综合实验、实践创新和毕业设计等集中实践环节。基于百度飞桨平台实现智能小车的导航、避障与循迹，基于EdgeBoard 的智能分析系统进行智能车比赛。

Table 1 Courses setting of hybrid of industrial and education in artificial intelligence表1 人工智能专业产教融合课程设置

4 产教融合实践

以智能机器人、智能交通、智能电网以及智能医疗等智能系统中的视觉分析复杂工程问题为方向，与信息产业龙头企业合作开展产教融合培养，旨在解决智能系统中的视觉信息采集、处理、分析与应用等系列实际工程问题。以“人物的智能识别与分析”案例为例，其产教融合实践步骤为：①构建人物图像数据库，搭建视觉采集硬件平台；②对采集的图像进行预处理，如图像滤波、图像变换以及图像增强等；③采用机器学习方法（如主成分分析、支持向量机等）和深度学习方法（如LeNet、AlexNet、VGG、ResNet、GoogleNet 等各种经典CNN 模型）进行人物目标进行识别、分割与分类；④采用深度学习方法对人物的表情、行为、姿态等各种属性进行智能分析，并采用智能生成技术（如生成对抗网络）自动生成人物的各种表情、行为、姿态等；⑤将系统平台集成、推广应用至智能检测机器人、智能监控以及智能交通等中。

基于本文提出的产教融合课程体系，南京邮电大学形成了大学生创新创业教育生态，每年有效支持大学生创新创业训练计划项目10 余项，学生获“互联网+”“挑战杯”等国家级、省级创新成果奖及各类竞赛奖项共计100 余项，省级优秀毕业设计2 项。同时，获得了教育部一流专业建设项目、江苏省产教融合型品牌专业资助项目以及百度和华为等企业资助的课程教学改革项目10余项。

5 结语

本文提出了信息类高校产教融合人工智能专业建设改革方案，详细阐述了主干课程具体实施方案，教改成果可以推广至其他相关工科专业中。不足之处主要体现在产教融合案例与现有课程知识体系之间的融合不协调，在后续研究中将进一步对课程内容进行优化。