赵 佳

（阜阳师范大学 计算机与信息工程学院，安徽 阜阳 236037）

人工智能（artificial intelligence，AI）起源于1956年美国达特茅斯学院举办的夏季学术研讨会，当时的观点认为如果机器具有逻辑推理能力，就称机器具有智能，此时的人工智能着力点在于机器的“推理”，这时的人工智能处于“推理期”[1]，以“逻辑理论家”程序[2]及“通用问题求解”[3]程序为经典代表。其后人们意识到机器仅具有推理能力是不够的，人类之所以能够认识世界、了解世界，是学会了若干“知识”，于是到20世纪70年代，人工智能进入了总结“知识”的阶段，即进入了“知识期”，专家系统[4]的研究也成为了当时的热点领域。但随着“知识”越来越多样化，人类更加难以总结知识，且总结的知识更难以交给计算机，这一瓶颈促使一些学者研究如何让机器能够自主学习知识，即机器学习的诞生，人工智能进入到“学习期”。进入二十一世纪，随着硬件的提升及大数据的兴起，深度学习相继在语音[5]、图像[6]、文本[7]、视频[8]等领域取得重大进展，围绕智能语音、视觉等信息的企业[9-10]也大量涌现，人工智能开始进入“数据期”[11]，大数据时代也随即到来。

1 人工智能发展现状

目前人工智能已成为当前科技发展的主流，其应用也逐渐普及，并引起了经济结构、社会生活和工作方式的深刻变革，多个国家也先后将人工智能作为未来的重要发展方向[12]。我国在2016年8月发布的《“十三五”国家科技创新规划》中，将人工智能技术作为发展新一代信息技术的主要方向，更在2017年7月，颁布《新一代人工智能发展规划》；2016年10月，美国发布《国家人工智能研发战略规划》，并于2019年初，正式启动“美国人工智能计划”；2018年4月，欧盟发布《欧盟人工智能》，（前）欧盟国家也纷纷制定适应本国的人工智能计划，如德国的“工业4.0”、法国的《法国人工智能发展战略》以及英国的《人工智能行业新政》等；日本和韩国针对本国的优劣势，也先后发布人工智能发展战略，人工智能已经获得政府的大力推动。

人才培养及需求方面，领英大数据[13]表明，截至2017年一季度，全球人工智能领域人才超过190万，而中国这一数字仅5万余。2018年4月，人民日报报道，人才正在成为人工智能及相关行业持续发展的瓶颈，有资料显示，2018年我国已出现超过500万的人工智能人才缺口[14]。国内人工智能人才培养也正蓬勃发展，截至2019年7月初，国内成立了72所人工智能学院/研究院[15]，但人才培养数量仍远远达不到需求。随着中国经济体量的持续增长，对人工智能人才的需求也会更加强烈，培养人工智能人才势在必行，在部分专业中加入人工智能课程，也能够培养更多的具有人工智能背景的跨专业人才。

2 传统教育与线上教育模式的优劣

我校在教学过程中，主要采用“教师课堂讲授”的主客对立教学模式。主讲教师往往占用实验课讲授理论知识及实验内容，挤占了学生实践时间。同时，由于我校部分学生主动学习能力不强、积极学习劲头不够、努力学习环境不好等现象，造成学生重理论、轻实践的现象，使得部分学生编程实践能力较差，进而影响学生学习后续课程的积极性。主客对立教学模式存在如下不足[16]：忽视了学生的差异性及个性化需求；忽视了学生的课堂自主活动；课堂讲授时间过长；现代教育技术的片面应用。而以MOOC为代表的线上教育，受到了国内外专家学者的关注，以MOOC为背景的各类教学研究项目也纷纷立项，学生也可以通过网络学习国内外知名高校的课程。但线上教育存在：缺少校园文化；缺少人际关系；师生关系疏远等方面的不足[16]。

而随着人工智能的发展，人工智能领域的人才需求量越来越多。而当前人工智能教育存在：师资培训问题；教学资源短缺问题[17]。而百度AI平台[18]（以下简称为平台）其中一个模块是由百度大脑推出的云端AI在线教育平台，能够帮助学校、机构建立自己的线上教学班级，并提供从教学项目、AI在线实训环境、教学管理等的教学全流程一站式解决方案。为此，可选择百度AI平台讲授人工智能类课程，如数字图像处理、机器学习、模式识别、知识表示与推理、计算机视觉、自然语言处理、深度学习与应用、数据挖掘以及强化学习等，可使用学生课前预习、课堂理论指导、线上自主编程、实验课程理论验证以及课程结束自主学习提升类课程等模式。

3 人工智能类课程教学实践

下面以数据挖掘课程为例，探讨人工智能类课程教学实践。针对目前实践类课程以及线下教学模式存在的问题，本文对上学期基于平台进行的教学实践为例，总结在教学过程中出现的问题，分析问题的原因并给出具体的建议。以数据挖掘课程为例的教学过程如下。

3.1 课前预习

教师可使用教师身份登录平台，提前建立课程并将学生导入到该课程中，然后将课件、视频、程序、链接及其他需要学习的资料分课节上传，并可添加教学大纲，让学生提前了解课节内容，教师可对学生的预习情况进行追踪并可导出学习状态如图1所示。

图1 教学模块界面(a)上传教学资料图例；(b)学习跟踪图例

学生可提前预习教师发布的学习资料，对资料中需要的先修知识提前收集资料并查漏补缺，对资料中的难点提前预习，对资料中的程序提前熟悉编程环境。调整自己的学习心态，变被动为主动，将不懂、不会、不能编程实现的内容提前准备，在课下与教师沟通，或通过网络资料学习。

3.2 理论教学

在实践类课程中，教师与学生的软硬件环境的差异会给教学带来较大的影响，而平台不存在这个问题。该平台提供了在线的编程环境，教师可登录平台，下载或在线讲解教学资料；学生可登录自己的学生账号，结合预习情况，在听课过程中查漏补缺并可根据课程学习情况，快速复现教师在课堂中讲授的代码，以提升自己的视野和能力。

3.3 实践教学

在实验课环节，教师与学生分别登陆自己的平台。学生结合课堂的学习、教师布置的任务，以及平台提供的其他在线学习资料，巩固课堂内容，理解算法原理，快速实现代码。该环节教师可线下查看学生代码熟练情况，根据学生学习进度适时调整自己的授课计划及发布任务的难度；针对部分能力较强的同学，教师可推荐平台开源项目及人工智能前沿方向，让学生主动完成项目，为以后学生进入人工智能领域就业/深造打下基础。

3.4 期末考察

数据挖掘为实践类课程，鉴于学生在前期没有python编程基础，上手难度较大，在本课程的考察环节，以大型综合类项目作为考察内容。以小组形式考察，每个小组6人，考察时由组长提前将代码提交在平台中，教师提前查看代码，并根据代码完成情况在线下考察时向组内成员提问，要求小组每位同学均需了解代码实现过程以及算法原理。最终期末成绩以任务的准确率排名及小组每位同学的综合表现打分。通过此形式的考察，部分积极性不足的学生能够在其他同学帮助下了解决数据挖掘任务的步骤，主动性较强的学生也可以挑战更高准确率的算法。

3.5 后续研究

部分对人工智能有兴趣的同学，可进行的后续研究：可加入平台的其他优质在线课程；也可直接从项目入手，实现人工智能算法，解决人工智能任务；还可以通过比赛锻炼自己，认识更多人工智能领域的专家学者如图2所示；也可以加入教师的科研团队，接受教师更专业的指导，训练自己的科研能力，提高自己在就业以及考研的竞争力。

图2 百度AI平台提供课程图例

4 教学反思

由于课程难度较大、先修课程基础不牢以及平台不熟悉等问题，部分学生在课程初期出现了畏难情绪，随着课程进度的调整、其他师生的帮助以及学习兴趣的提升，学生的主动性也越来越高。但在教学过程中仍存在以下问题：1）学生的学习兴趣不足，在之后的教学过程中将适当引入内容将简单且前沿的课程，让学生对人工智能各领域有一定的了解，提高学生的学习兴趣；2）学校政策的影响，学校实行的“无手机课堂”使得学生在课堂听课过程中不能在线修改项目，影响了学生的学习进度，在之后的教学过程中将引导学生对人工智能实践类课程以电脑操作为主，同时建议学校对部分实践类课程调整政策，以适应时代的发展；3）考察环节出现了“搭便车”现象，在课程结束的考察环节，少数学生积极性太低，代码实现能力太弱，以致出现“一问三不知”的现象，在之后的教学过程中将设置期中考察，针对此类学生，将给他们分配由他们单独完成的简单任务，防止此类现象的再发生。

5 小结

随着AI的发展，各学校纷纷开始申报人工智能专业，AI类课程师资的需求量以及教学任务也大大增加，平台提供的教学资源以及一体化的解决方案，在AI软硬件环境不完备的学校有较大的适用性。基于平台的人工智能类课程教学，为学生的发展提供了更广阔的空间，为缺少师资的学校提供了在线环境，为各个学校建立人工智能课程群及人工智能专业建设提供了缓冲，也为我国人工智能领域人才的积累提供有力的保证。