陈杰 刘慧敏 邓敏

[摘 要]人工智能的浪潮已在全球范围内席卷各行各业。各大企业纷纷释放人工智能相关功能的岗位需求，倒逼遥感研究方向的研究生教育改革。因此，在大数据与人工智能背景下，需要培养体系从深层次推动研究生课程教学的改革与创新发展。思考如何完善融合人工智能知识的遥感类研究生课程教学各重要环节的建设。

[关键词]大数据;人工智能;实践教学

[基金项目]2018年9月中南大学学位与研究生教育教学改革项目“新工科背景下遥感科学与技术研究生培养体系优化与实践研究”（2018JG32）

[作者简介]陈 杰（1980—），男，湖南衡阳人，博士，中南大学地球科学与信息物理学院副教授，主要从事人工智能的遥感应用研究;邓 敏（1974—），男，江西抚州人，博士，中南大学地球科学与信息物理学院教授（通信作者），主要从事地理时空大数据分析研究。

[中图分类号] G643.0[文献标识码] A[文章编号] 1674-9324（2020）45-0-02[收稿日期] 2020-05-17

一、引言

人工智能的巨大价值将使其在中国实现“世界制造强国长期发展战略目标”的任务中扮演引擎作用[1]。2017年国务院发布的《新一代人工智能发展规划》给测绘行业指出了从信息化迈入到智能化测绘4.0时代的技术发展机遇[2]。随着遥感地理信息服务不断融入大数据、云计算、物联网等信息技术，目前人才培养体系下成长的研究生已难以为各大IT企业提供具有竞争力的策略和方案。即传统培养体系下的遥感方向研究生，会慢慢失去作为企业核心竞争力的主流人才的机遇[3]。人工智能的大环境下，传统的测量仪器与数据处理技术不再是常态。测绘学科的内涵、外延将进一步延伸，信息化与智能化趋势会越来越明显[4]。融入人工智能的遥感方向研究生人才培养无疑是推动此次智能化测绘4.0革命的重要内容之一。其目的是为未来储备更有竞争力的人才，以便符合相关行业发展与专业教育发展的需要。

因而，在大数据与人工智能背景下，需要培养体系深层次推动研究生教育教学的改革与创新发展。本文结合现有遥感方向人才培养特点，与学校遥感学科自身发展的优势，思考如何完善融合人工智能知识的遥感类研究生课程教学各重要环节的建设。

二、完善人工智能遥感应用的教学内容

（一）加强计算思维与空间认知能力培养

计算思维是运用计算机科學的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动[5]。结合对人工智能的遥感大数据信息理解和认知，需要学生在学习遥感相关原理之后，在教师的引导下思考如何利用人工智能技术从海量遥感数据中挖掘地表空间现象或过程蕴含的规则或知识[1]。另外，基于遥感数据的空间认知是一个空间关联的过程，人们通过空间认知对地物目标的空间特性、相对位置等信息进行获取、归类、记忆、描述等[3]。因此，需要引导学生思维向分析和解决大数据问题的方向拓展，培养学生基于遥感影像数据的视觉图解，从而认知地理环境过程的综合信息的能力。

（二）完善人工智能相关的理论基础知识

遥感科学是一门综合性较强的学科，不仅需要物理、数学、地理的理论知识，还要从机器学习、计算机视觉和人工智能等相关学科吸收精华[6]。除开设一般的遥感课程之外，有选择性地补充学习人工智能的基础课程。这些课程的学习有利于学生在积累了遥感知识后，能思考并选择采用相应人工智能技术来解决遥感应用的问题。因此，在培养方案中可适当增设涵盖数据科学、统计学、计算机科学在内的基础理论模块，有利于学生构建融合人工智能的遥感应用知识体系。

（三）注重与现有遥感类课程的融合教学

在将人工智能理论与方法融入遥感方向的研究生教学中，要注重与现有研究生培养体系的知识融合。这要求在给研究生开设遥感专业课程时，既要对背景、现状、关键科学问题发展进行概要介绍，也要对所涉及的人工智能技术方法进行简要引入，这样才能让研究生对相关知识有清晰的认识理解，并能举一反三。通过让学生对前沿领域研究的内容与方法进行归纳总结，形成对现有课程所学到知识的延伸，促进学生联系问题和需求来梳理知识体系，从而形成系统的认识[7]。因此，要注重新增人工智能理论和方法的内容与现有遥感类课程内容的融合教学。

三、推行遥感应用导向的多层教学保障

（一）知识传授要兼顾广度与深度

为引入人工智能知识，任课老师不能顾及人工智能理论方法的各方面，若仅对该领域的研究成果进行宏观介绍，则难以对学生产生足够的吸引力。因而，任课教师一方面可引导学生查阅人工智能理论方法的相关文献，另一方面要在课程中引入些同学们感兴趣、与研究方向相关的内容，这样能提高学生接受知识的针对性。由于人工智能与遥感大数据的复合型、交叉型的知识融合特点，可在教学过程中向学生介绍收集整理的多学科、多领域的应用案例，是为既要体现遥感大数据智能处理的教学特色，又能培养研究生人才的综合应用能力。

（二）利用多型方式开展实践教学

实施以学生为主体、以问题为导向、以任务为驱动的教学模式[8]。引导学生将课程联系导师研究项目，使其能了解所做研究的背景与基本认知框架，找到问题的领域地位，提升积极性和创造力。聘请不同领域的专家对问题进行讲解，使得学生能够结合生产实际需求去分析人工智能技术的遥感应用问题。这样，通过联合多类实践途径，促使学生从多个角度进行考虑，培养研究生解决实际问题的能力。此外，在课程教学大纲设计上，也可遵循“OBE”理念，通过校企共同调研，结合遥感行业的人工智能技术发展趋势，吸纳行业大型企业以及教育专家，讨论设计实践教学方案[9]。在此基础上，根据新时代下人工智能技术的发展现状，调整课程的知识结构与专业实践的安排，补充学科应用案例库。

（三）教师教学能力培养体系构建

人工智能的大浪如此凶猛，迫切需要有相应背景的教师带领学生融入巨大的技术变革中，并在遥感与人工智能相互融合的人才培养模式中，扮演导航员与知识传播者的角色。为此，教师调整自己的专业结构，探索人工智能技术与遥感科学技术的契合点，在原有学科基础上拓宽人工智能专业教育的内容[2]。学校与学院可根据自身发展目标制定教师智能化发展计划，根据发展计划有步骤、措施提高教师的智能化教学能力[10]。也可拿出激励措施，来表彰教师的智能化转换的表现，鼓励教师本人不断加强信息化、智能化教学的理论修养。

四、结语

人工智能技术将无处不在地融入遥感所涉及的一系列从原理到应用的整个领域。本文注重以系统性思维、创新性思维作为遥感方向研究生培养的人工智能教育的重要基础，通过融合人工智能原理与方法相关知识完善遥感类课程教学的内容，实现对遥感方向研究生的培养向生态、持续、智能、跨界发展的教学模式发展。通过研究生培养过程课程教学的改革，推动对学生的项目实践技能的培养，引导学生将理论与实际相结合。

参考文献

[1]陈杰，康雯，刘慧敏.人工智能时代背景下的遥感课程教学实践思考[J].教育现代化，2019，6（2）：176-178.

[2]张静，梁同立，邓超.基于人工智能发展的测绘人才培养体系改革[J].测绘工程，2019，28（3）：76-80.

[3]周立，卢霞，吕海滨，等.智慧时代的空间信息人才培养：挑战与应对[J].测绘通报，2020（4）：147-151.

[4]甘梦仙，胡鹏.新工科阶段测绘高等教育的智能化[J].工程技术研究，2019，4（10）：232-233.

[5]陈凯泉，何瑶，仲国强.人工智能视域下的信息素养内涵转型及AI教育目标定位[J].远程教育杂志，2018，36（1）：61-71.

[6]陈一祥，姜杰，李文梅，等.大数据智能时代“遥感原理与方法”创新教学探索[J].教育现代化，2018，5（36）：112-113.

[7]张自强，趙京.工科研究生培养体系中概述类课程的几点思考[J].教育教学论坛，2020（2）：292-293.

[8]冯晓丽.基于个性化人才培养的主动实践教学思考[J].中国大学教学，2015（2）：84-86.

[9]傅冬颖，迟剑，孙海民.新工科背景下大数据人才培养实践教学体系研究[J].产业与科技论坛，2019，18（17）：250-252.

[10]张圣菊，王新刚，潘志宏，等.培养体系构建[J].科技创新导报，2018，15（23）：215-217，219.

Thoughts on the Teaching of Remote Sensing Graduate Courses Integrated with Artificial Intelligence

CHEN Jie， LIU Hui-min， DENG Min

（School of Geosciences and Info-physics， Central South University， Changsha， Hunan 410083， China）

Abstract： The wave of artificial intelligence has swept all walks of life across the globe. Major companies have released job requirements for artificial intelligence-related functions， forcing graduate education reform in the direction of remote sensing research. Therefore， under the background of big data and artificial intelligence， it is necessary for the talent-cultivation system to promote the reform and innovation of graduate course teaching from a deep level. By combining the characteristics of graduate student cultivation in direction of remote sensing， this paper considers the teaching of graduate courses that integrate artificial intelligence knowledge.

Key words： big data; artificial intelligence; practical teaching