地方高校人工智能专业课程体系建设路径探究

吕 佳，曾梦瑶，彭港建

（重庆师范大学 计算机与信息科学学院，重庆 401331）

0 引言

“人工智能”的概念在1956 年美国召开的达特茅斯会议上正式被提出，随着时代的发展，加上理论和技术的不断创新，以及工业界推出的各行业智能系统在其领域的成功落地，人工智能技术已广泛应用于人们的日常生活，并深刻改变着人类社会的生活方式、生产工具和就业结构。2016 年起，美国、日本、欧盟等国家和地区都发布了人工智能战略计划。为满足人工智能时代的人才需要，国务院于2017 年发布《新一代人工智能发展规划》（以下简称《规划》），旨在加快建设创新型国家和世界科技强国［1］。为落实《规划》精神，教育部于2018 年制定了《高等学校人工智能创新行动计划》（以下简称《计划》），要求“引导高等学校瞄准世界科技前沿，不断提高人工智能领域科技创新、人才培养和国际合作交流等能力”［2］。当前社会智能化全面普及，人工智能产业成为经济发展的新引擎，国家出台的上述政策表明了发展人工智能专业人才的决心，并且也为高校尤其是地方高校人工智能专业在当前时代背景下培养创新人才指明了新的方向。

1 相关研究

目前，在教学模式、课程体系建设等方向，国内有大量高校教学工作者进行了改革探索。陈娟等［6］将成果导向的教学模式与人工智能课程教学相结合，通过组织学生参与科研实验，激发学生兴趣，以项目成果作为驱动，推动基于成果导向的教学改革；赖韩江等［7］通过构建基于学者网的协同教学平台，利用线上教学的海量学术与科研资源，以学生为中心，建立包括教学协同、过程协同、科研协同的三层阶梯式协同交互方式，从而激发学生的创新思维，提高学生的学习效率与科研能力；魏娜等［8］根据人工智能专业人才要求实践能力强的特点，改革了传统纯理论教学的教学方式，将多种教学手段综合应用到课程教学中，探讨了人工智能导论课程教学方法改革；韩士元等［9］根据人工智能专业的强融合性，探索了多学科交叉融合下的学生创新能力培养模式，从顶层设计、课程体系、产教融合等多方面着手，以期为国家培养人工智能领域具有创新与开拓精神的高层次人才。

美国许多高校在人工智能专业人才培养方面已经有一套较为成熟的方案。例如，麻省理工学院发挥电子工程与计算机科学系的优势，统筹计算机科学与人工智能实验室、微系统技术实验室、电子研究实验室等多个实验室的资源，开展人工智能专业教学［10］；斯坦福大学以计算机科学系为核心，在生物学、语言学、机械制造等多专业跨学科交叉培养人工智能专业人才［11］；哈佛大学在人工智能专业课程体系中开设了医学、生物、自动驾驶等跨学科课程，并且加强人工智能人才的算法分析与软件设计创新能力培养［12］。

由国内外大学的培养方案可以看出，各高校利用自身学科平台优势，建设以人工智能为核心技术支撑、交叉学科为背景的方案是当前主流选择，但是地方高校发展人工智能专业有着自己的困境，而且他们的困境还与双一流等高校不同，地方高校现有的人工智能专业建设明显存在以下问题：

（1）专业体系建设尚不明确。地方高校面对新兴学科时，受限于自身发展水平，对于新兴学科的课程设计没有足够的成本与能力去试错。比如：应当开设哪些课程，这些课程开设的先后顺序应如何设置，需要哪些学院的教师辅助开展教学？在设立专业时，上述问题对于地方高校而言都需要进行考量。

（2）师资力量短缺。人工智能是一门多学科交叉融合的专业，计算机、数学、深度学习等课程知识缺一不可，地方高校的师资相较于双一流高校本就是短板，仅仅依靠一个院系的教师无法满足教学需求。若贸然增设以其他学科为背景，人工智能学科为手段的交叉学科，则会更加加重地方院校的师资力量短缺问题，而且地方高校所在平台也较难吸引和留住具有人工智能专业知识的研究人员和学生，导致课程质量下降，并阻碍学生的专业发展。

（3）产研学结合难度大。地方高校往往难以与知名企业建立产研学合作关系，这会对发展人工智能专业的实践教学和科研活动造成影响。而且，现有人工智能专业的课程体系中设置了过多的理论课程，忽视了学生的实践能力培养，而仅仅依靠计算机方面的知识，工程实践能力得不到提升，当涉及到以某一具体的行业为背景时，无法解决具体行业问题，产研学的结合就必然不紧密。

本文从解决上述困境的角度出发，以智能医学工程专业为例，探索地方高校培养专业人才路径，为地方高校培养创新人才提供参考。

2 人工智能学科现状

根据《人工智能发展报告2020》［3］，美国的大学和研究机构在人工智能各细分方向上的发展较为全面且均衡，在机器学习、计算机视觉、自然语言处理等10 多个子领域的发展居于全球领先地位。与美国相比，中国在语音识别、多媒体、可视化和物联网等多个领域处于领先地位，但是中国人工智能领域不管是人才数量，还是人员结构与美国都还存在一些距离。从人才数量上来看，美国全球高层次的学者有1 244 人次，占比62.2%，是中国人工智能高层次学者数量的6 倍以上，而相关产业的从业人员数量美国是中国的一倍左右。从人员结构上来看，美国在理论层和技术层处于领先地位，体现在2010-2019 年10 年间共有16位图灵奖获得者，其中美国培养并拥有八成以上的图灵奖得主，而中国人工智能产业领先领域则主要集中在应用层，中国在智能家居、智能终端、机器人等领域均处于世界前列。

为尽可能地促进国家战略实施和产业智能化升级，各高校自2018 年以来根据教育部指示陆续创办人工智能学院，并开设人工智能相关专业。2019 年9 月，全国首批获得人工智能本科专业建设资格的35 所高校开始招收人工智能专业本科学生，其中双一流高校占比近60%［4］。截至2021 年，国内开设人工智能本科专业的高校已达345 所，开设该专业的学校层次遍布于各部署高校到市属院校，甚至于地方民办高职院校均有涉及［5］。还有高校基于自身其他特色专业，与人工智能专业结合，开设了与人工智能相关的“生物信息处理”“智能制造工程”“医学信息工程”等专业，但是脱胎于传统计算机专业的人工智能相关专业无论在课程体系建设、人才培养方案还是产学研结合上均较为欠缺。

因此，在当前各行业产业数字化的背景下，也亟需一套以学生为主体，符合人工智能专业学习曲线，契合企业需求，紧贴地方高校师资力量的实际情况、专业场景等方面的人工智能专业人才培养方案，确定地方高校基于产研学结合的人工智能人才培养方向。

3 人工智能专业课程体系建设

人工智能学科旨在培养研究智能系统基本理论、算法设计以及系统建设等问题的高级复合型专业人才［13］。自2019 年全国首批35 所高校招收人工智能本科专业学生以来，诸多高校增设人工智能专业并逐渐扩大办学规模，希望能够尽快填补人工智能专业的人才缺口。然而，部分高校在构建培养体系时没有结合院校自身实际，未确定合理的目标和发展路径，盲目跟风，培养出来的人才不能切实有效地为地方科技服务，无法适应社会需求。因此，地方高校应结合学校特点、教育教学规律、优势以及人才培养目标，依托计算机、自动化、大数据等专业基础，按照现有的行业发展趋势和市场应用特点开设人工智能基础课程，并拓展相关的专业课程，延伸专业应用，形成新的专业特色和优势。

3.1 建设路径

人工智能专业是一门以计算机科学为基础，涵盖数学、哲学、心理学、计算机网络等多领域的交叉型学科，其应用场景不固定，很多学科都能与之结合，形成一门交叉学科。但是，人工智能专业需要较高要求的数理基础知识，将理论与实际联系起来，这就决定该专业的课程体系不能完全照搬计算机专业的设置，地方高校应在明确本校培养目标的前提下，制定清晰可行的路线。以某一医科大学的智能医学工程专业为例，这门专业能培养出从事智慧医疗、智能医学影像等方面的工作的医工复合型人才，考虑到实际需求，按照以下路径推进：

（1）以当前计算机类课程为基础，加强人工智能必修课程教育教学，如人工智能导论、机器学习、数据结构等，并丰富人工智能相关数学类课程，如概率论与数理统计、随机过程、数值分析等。虽然，人工智能是一门交叉学科，但需要较强的计算机基础知识，计算机类的核心课程也是人工智能的核心课程，熟练掌握计算机类的知识是深入学习人工智能领域的基石。而在工作中，面对现代工程中的一些问题，需要用伦理道德对工程伦理问题进行评判，通过开设“工程伦理”“自然辩证法”“中国特色社会主义概论”等思政公共必修课，培养学生良好的职业道德、职业精神与爱国情怀。

（2）根据本校其他特色优势专业，结合人工智能人才培养目标，利用人工智能专业强融合性，加强学科之间的联系，建立跨学科专业的合作机制，培养交叉学科人才。智能医学工程专业既需要了解生理学、病理学、组织胚胎学等这些医学背景的基础知识，还需要学习结合了计算机知识的医学决策分析、医学图像处理、医学统计学等融合课程。只有具有一定的应用背景，才能真正实现具有自身优势和特色的人工智能人才培养目标。

（3）人工智能专业人才需要有较强的编程能力，难点在于将抽象化的数学模型通过编程的形式实现，涉及到具体的应用背景时，又需要将实际背景能够用数学模型表达出来，结合算法分析设计的具体环节，即能够将编程、背景、数学模型三者较为完美地结合起来，要求学生具备良好的专业素养与实践能力。但由于人工智能专业面临着计算资源需求高、应用场景复杂、实验框架环境多样等问题，传统以单个设备或模拟仿真为主的实践教学已无法满足人工智能课程的实践教学需要［14］。这就需要地方高校与企业合作，依托知名企业的人工智能实践平台，提高学生的专业素养与实践能力。

上述路径从学生的知识、能力和素养三大核心要素出发，以计算机专业课程知识为基石，交叉学科的背景作为能力提升，专业素养与实践能力为抓手，实现人工智能专业跨学科的技术交叉融合。具体的课程体系架构如图1所示。

Fig.1 Course system architecture图1 课程体系架构

3.2 课程体系方案

人才培养方案反映了高校对该专业培养方向的定位，课程体系设置则是人才培养的根据。当前，国内高校人才培养方案的修订多以工程专业认证的考核为准，以满足工程专业认证的要求进行。各高校对人工智能这一新兴交叉学科到底开设哪些课程、怎么设置课程结构没有统一要求和说法，因为各高校自己的人才培养特色和目标不尽相同。但就总体而言，人工智能专业的课程体系主要分为4个部分：公共基础、专业基础、专业方向（选修与必修）、实践教学。公共基础和专业基础注重培养学生基础，各高校之间差距不大。专业方向和实践教学这两部分则体现了高校自身特色，课程开设方面则以高校其他特色优势课程为导向，如偏电子类、偏网络类、偏特色应用类等。

如今，不少双一流高校都给出了人工智能本科人才培养体系的一个规范，从理论方法教学、专业能力提升到实践应用均有提及［15］。但地方高校相较于双一流学校，在硬件设施、师资力量等方面都具有明显短板，因此双一流的课程体系不能完全适用于地方高校，地方高校需因地制宜，稳步建设符合本校实际情况、人才培养定位的课程体系。地方高校在探索本校人工智能专业的课程体系建设过程中，应从本校的计算机专业课程出发，逐步进行改变，为完善人工智能专业课程体系做铺垫。以智能医学工程为例，具体课程设置如表1所示。

Table 1 Main curriculum setting表1 主要课程设置

与计算机专业课程相比，智能医学工程专业课程具有以下特点：

（1）人工智能与数学紧密连接。当今的种种人工智能技术归根到底都建立在数学模型之上，在学习人工智能过程中，势必离不开各种各样的算法。而对于算法的理解则需要良好的数理能力，需要具备抽象意义上的学习、推理与归纳能力，将许多抽象的内容通过建模的形式表示出来，还要进行算法分析并设计具体环节，这些都需要具备扎实的数学功底，因此学好人工智能，数学基础好具备显著优势。学生通过高等数学、线性代数等课程，对现实中的实际问题进行分析推理、建立模型、计算求解。高等数学是建立模型的基本功，线性代数探究的是如何将对象形式化等，这些都是人工智能理论研究和实际应用必不可少的数学基础。

（2）应加强计算机专业基础课程与医学课程结合的教学。人工智能作为一门以计算机科学为基础的专业，必须夯实计算机的核心内容，牢固掌握这些专业基础知识是深入人工智能领域学习的基石，因此每个学期都安排了本专业所需的计算机专业课程，先从人工智能导论这门基础理论课开始学习，然后开设大数据原理与技术，逐步掌握医学背景的大数据理论知识，学习医学数据智能分析与挖掘、医学应用软件开发与应用方面的方法和技术。而作为智能医学工程的学生，也需要掌握一定的医学理论知识，每个学期开设医学相关课程，如智能医学工程导论、生理学、临床医学概论等。学生还应当树立高度的工程伦理敏感性，增强伦理判断能力，面对工程中的伦理道德问题，用道德伦理准则对工程伦理问题进行评判，保持自身良好的职业道德和职业精神。当学生都具备了一定的计算机与医学背景基础知识时，逐步加深课程难度，设置深度学习与医学应用、医学图像处理等课程，保证学习曲线的合理化。

（3）强化学生编程能力。计算机相关学科的学习中，编程能力必不可少，人工智能作为计算机学科的衍生专业同样如此，因此应当在课程设计中添加针对程序语言类的课程环节，比如带领学生实际开发一个项目，通过项目化的形式加强工程实践。大学生新生编程能力普遍较弱，人工智能专业编程离不开Python，面对海量数据的处理，Python 比其他语言更有优势，后期程序的维护更加容易。因此，适合在第1 学期开设Python 程序设计。针对现有医学中大量未充分利用的数据，开设医疗大数据技术、深度学习与医学应用课程，教导学生有效处理与分析，突出对学生医学信息资源与数据挖掘方面的培养与训练。后续再安排医学信息系统等课程，培养具有“创新、实践与协作”的精神并具备医学信息处理专门知识的高级应用型人才。

上述课程设置保证了学生在前期能够尽快掌握智能医学工程专业所需的数理知识与计算机重要内容，后续的人工智能算法课程与实战项目，能够极大提升学生的编程能力与应用能力。经过这一系列的学习安排，避免了数理知识过于抽象、算法代码看不懂、不会结合背景问题编写程序等困境。

4 教学实施

4.1 线上线下教学并进

在当前智能化与疫情时代，线上课程资源已经十分丰富，已有许多学校采用线上线下混合教学模式。在这种模式下，学生可以选择在线下教室上课，也可以通过线上学习平台进行远程学习。

对于线上教学模式而言，国内有MOOC、超星学习通等线上学习平台，通过此类学习平台，地方高校的学生可以在任何地方、任何时间获得其他大学发布的优质专业课程，并且方便学生复习和回顾课程内容，随时查缺补漏，在一定程度上能够缓解高校师资力量短缺的问题，还可以借助QQ 群、讨论论坛帮助学生解除困惑。但是线上教学模式也有一些缺点，比如学生缺乏与教师、同学面对面交流的机会，有些问题难以在线上描述出来，并且学生长期在网络上学习，没有教师的直接指导和同学之间的沟通，会缺乏学习动力。

对于线下教学模式而言，这是一种传统的教学模式，学生可以和教师、同学直接沟通，经过教师的指导，有助于提升学生的学习动力。并且，线下教学模式没有外界环境的干扰，更有学习的氛围，有助于学生更好地专注于学习。但是出现疫情、学生生病或其他原因而无法到校上课时，就容易导致学习进度滞后。

线上线下教学模式都有各自的优缺点，地方高校宜采取混合教学模式，通过线上线下教学并进的方式，互相弥补，更好地改善学生的教学环境。

4.2 引进外部师资

地方高校在师资方面与双一流大学难以竞争，可以采取其他渠道引进外部师资力量，解决校内师资短缺问题。具体做法如下：

（1）建立联合实验室。联合实验室是指不同的研究机构、企业或者高校共同建立的实验室，引进来自其他研究机构或企业的人工智能相关专家担任教师，让学生感受企业的前沿技术。而与其他高校的联合，则可以实现师资力量的联合。就智能医学工程专业而言，可以与医院展开合作，进行各类疾病的研究；也可以与其他医科大学进行合作，毕竟医科大学的优势学科不一样，不同高校合作可以弥补自身学科短板。

（2）建立师资回流机制。地方高校可以建立师资回流机制，尽可能为优秀的人工智能教师提供优厚待遇，让曾经在学校任教的教师回到学校任教，为学校带来更多的教学经验和人才。还可以让优秀应届毕业生或有意愿回到学校任教的教师回流，对这类教师开展师资培训项目，让他们接受人工智能方面的专业培训，以备不时之需。

4.3 搭建校企合作伙伴

地方高校往往难以与国内知名企业建立产学研合作关系，这会对发展人工智能专业的实践教学和科研活动造成影响。可以考虑与地方企业建立合作关系，具体措施如下：

（1）建立合作机制。高校与地方企业建立各种形式的合作机制，如科研合作协议、科研项目合作、技术转让协议等，以促进科学研究与产业之间的合作。

（2）创建创新平台。建立各种形式的创新平台，如科技园区、科技孵化器、创新中心等，以促进科学研究成果的转化和产业发展。

（3）创建转化机制。人工智能专业作为一门多学科融合的学科，极其容易产出成果，如智能医学工程专业，可以使用深度学习中的各类方法去识别各类疾病，在智能化诊断疾病方面已经有很多成效。但是其在成果转化过程往往面临许多问题，应建立合理的转化机制，使研究成果得到有效转化和应用，从而促进科学研究与产业之间的结合。

5 结语

人工智能已经成为新一轮科技革命的重要代表之一，已经发展成为全球经济发展的强劲动力，许多如制造、生物、农业、医疗等与生活息息相关的行业，将人工智能技术应用到产业生产中，推动行业的智能化转型。而中国政府看到了人工智能的发展潜力，在过去几年里，颁布了多项政策，对人工智能促进高等教育改革提出了明确的指示和要求。对于地方高校而言，充分发展以人工智能为代表的新型交叉学科将是实现教育体系变革、发展升级的关键。但是中国对于人工智能领域人才培养方案尚处在探索阶段，而地方高校受限于师资力量、硬件设施等多种原因，不管是对于人工智能专业的基础理论研究，还是与其他学科的交叉应用都有所欠缺，有的高校甚至于盲目跟风，创建一些不符合其实际发展需要与定位的学院、专业，这极大拖累了人工智能专业人才培养。

在课程建设体系方面，地方高校应着眼于自身发展需要，不盲目跟风，紧贴本校特色、其他优势专业和所在地区的优势产业，科学地发展人工智能专业。在师资力量与产研学结合困境方面，通过整合教学资源，采用线上线下混合教学、引进外部师资、搭建校企合作伙伴等操作进行突破。总而言之，地方高校需放眼于未来，根据实际发展提出培养目标，在建设中制定并不断改进培养方案，与地方企业建立良好的合作关系，及时将实验成果加以转化应用。