刘江 章晓庆

摘 要：人工智能是计算机专业学生了解计算机理论和技术的核心课程。近年来，随着人工智能技术的广泛应用，非计算机专业的学生出于个人兴趣以及学科交叉的需要，对了解和使用人工智能技术也有了强烈的要求。为顺应时代发展的要求，南方科技大学计算机科学与工程系开设了面向全校特别是非计算机专业学生的人工智能导论课程。人工智能导论课程不仅需要进一步激发非计算机专业学生对人工智能学习的兴趣，也要引导和提高学生应用人工智能技术进行学科交叉的应用创新能力。经过反复论证及几年的实践，南方科技大学提出并优化了一套基于“AI”+“AI+” （“人工智能算法” + “人工智能技术在特定行业的特定应用”）的教学内容设计，以及一套尊重学生各自专业兴趣的能够让学生自主选择“个性化”课程项目的教学方法。在人工智能技术不断更新的时代，可为其他课程教学和交叉学科人才培养提供参考和借鉴。

关键词：人工智能导论;教学改革;非计算机专业;“AI”+“AI+”;个性化

2016年5月底，国家发改委、科技部等四部委联合发布《“互联网+”人工智能三年行动实施方案》[1]，并首次将“人工智能”纳入政府工作报告中。2017年7月，国务院发布《新一代人工智能发展规划》，提出面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。2020年底，国家“十四五”规划又进一步将人工智能列为前沿科技发展领域中最高优先级并上升到国家发展战略层面高度。在人工智能人才培养方面，2018年教育部制定《高等学校人工智能创新行动计划》[2]，并研究设立人工智能专业，进一步完善中国高校人工智能学科培养体系。2019年3月，教育部印發了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，根据通知，2019年全国共有35所高校获首批人工智能新专业建设资格，到2020年3月，已有200多所大学获批人工智能专业开设资格。

与此同时，随着近年来深度学习、云计算、大数据等技术的高速发展，人工智能成为众多领域关注的核心技术。在可预见的将来，人工智能在智能汽车、智能制造、医疗保健、教育培训、精准农业、海洋探测、科学研究和公共事业等各个行业将发挥巨大作用，对相关非计算机领域的复合交叉型人才有很大的需求。然而，现有大学主流的人工智能人才培养体系主要针对计算机相关专业制订，没有充分考虑非计算机专业的多样化人工智能技术培养需求，以及未来多样化交叉复合型人才的技术储备。

南方科技大学计算机科学与工程系自从2016年创系以来，学生自由选择专业，招生人数逐年上升，并蝉联南方科技大学本科生人数最多的系科。人工智能课程成为最受计算机科学与工程系学生欢迎的课程之一。在此同时，一些非计算机专业选修计算机科学与工程系人工智能课程的学生反映，计算机科学与工程系的人工智能课程过于强调基础理论，让他们觉得门槛太高，影响了对人工智能的学习兴趣。

针对非计算机专业学生的人工智能技术培养，南方科技大学工学院提出开设人工智能导论选修课程，由人工智能理论和实际应用经验丰富的资深教授担任授课教师，作为学生了解和学习人工智能的基础。在实际教学过程中，制订面向非计算机专业的人工智能导论课程大纲，最大困难在于学生的专业背景和基础的多样性以及人工智能技术发展带来的理论和应用的快速变化。人工智能导论课程的教学效果不仅需要进一步激发非计算机专业学生对人工智能的学习兴趣，也要引导和提高学生应用人工智能技术进行学科交叉的应用创新能力。经过反复论证及几年的实践，南方科技大学提出并优化了一套基于“AI”+“AI+”（“人工智能算法”+ “人工智能技术在特定行业的特定应用”）教学内容设计和一套尊重学生各自专业兴趣的让学生自主选择“个性化”课程项目的教学方法。

本文调研了非计算机专业的人工智能知识授课现状，立足于国内外的交叉学科人才培养需求，开发并实践了基于“AI”+“AI+”的教学内容设计和“个性化”课程项目的教学方法，以期为其他课程教学和交叉学科人才培养提供参考和借鉴。

一、国内外人工智能类课程调研

随着第三次人工智能浪潮的兴起，全世界的大学纷纷开设人工智能相关课程，如“人工智能”“人工智能导论”“机器学习”“深度学习”“数据挖掘”等课程[3-4]。这些课程大部分针对计算机相关专业开设。例如，国外斯坦福大学开设的机器学习课程，旨在帮助计算机专业相关学生了解和使用机器学习基础理论和经典算法;国内清华大学、西安电子科技大学等开设的人工智能导论课程主要介绍知识表示和推理以及一些搜索算法[5-6]。

在这些人工智能课程中，人工智能导论对非计算机专业学生来说，入门门槛要求最低，但现有很多大学的人工智能导论课程内容强调基础理论，课堂教学内容与非计算机专业学生的专业方向关联性不大，课程内容主要是传统搜索算法以及机器学习算法，难以激发学生的兴趣和参与感。

南方科技大学针对非计算机专业学生开设人工智能导论课程，目的是推进学生的交叉学科知识学习和增强学生的跨学科研究能力，课程的设置符合教育部推进的新工科、新医科建设需求。

二、面向非计算机专业的人工智能导论教学内容创新

在人工智能和大数据时代背景下，南方科技大学的人工智能导论课程教学充分考虑非计算机专业学生的背景和人工智能技术最新进展。选课学生中大一到大四都有，医学、工学、理学和商学不同专业背景、不同程度的学生同堂学习（2020年108名选课学生年级和专业分布见图1，其中通识基础类的学生可能未来选择学校的专业）。为让学生了解人工智能技术的最新发展，根据学生的不同兴趣，本课程教师通过逐年优化个性化教学内容，实现教学内容与时俱进。

做好课程内容与时俱进，需要解决好以下两点：（1）解决好人工智能导论课程教学内容与多元化非计算机专业不同背景的学生学习无法通过统一模式匹配的问题。目前非计算机专业的人工智能导论教学效果不尽人意，其核心原因之一是人工智能导论学习与学生专业学习相关性不高、学科交叉不紧密。我们通过对课程教学内容进行“AI”+“AI+”的改革，以提升人工智能导论课程学习与专业学习之间的关联度，提高人工智能导论课程在非计算机专业交叉学科人才培养中的关键作用。（2）增强人工智能导论课程中理论部分和最新算法与行业应用之间的衔接，改进人工智能理论与实际应用相互脱节问题。因此，人工智能导论课程设置需要兼顾理论与应用，即基础性与多样性。所谓基础性，就是课程内容需要包括人工智能基本概念、理论和算法，让学生知道什么是计算机专业人员认为的人工智能等。所谓多样性或者“个性化”，就是基于不同专业，讲授不同行业智能应用并讲述如何设计不同人工智能行业应用。目的是让学生了解最新、最前沿的人工智能技术在不同专业的应用，同时在课程内容设计中引入最新人工智能技术。

在人工智能导论课程具体实施过程中，主要从以下两方面着手。

（1）设置全新课程教学体系，实现人工智能理论与智能应用互融互通。在制订人工智能导论课程内容时，结合南科大的医学、工学、理学、商学4个主要专业领域，将专业和通用基础进行“AI”+“AI+”的综合考虑。由浅入深讲授基本理论知识，通过将医学、工学、理学、商学行业“个性化”智能应用与人工智能算法融合在一起，实现应用算法互融互通。例如在介绍人工智能卷积神经网络（Convolutional Neural Network，CNN）算法时，通过讲述CNN算法与生物医学脑部和眼部神经元理论之间的关联，让医学专业学生从生物角度去了解人工智能神经网络的组成和基本原理;通过介绍工学环境天气预测和理学商学股票预测数学模型应用，引入人工智能时序处理长短期记忆（Long Short-Term Memory，LSTM）算法;通过主成分分析（Principal Components Analysis，PCA）方法，联系理学的线性代数理论。同时，考虑到很多学生都有人文兴趣，为了培养学生人文素养，我们引入本地深圳下角山5000年陶器自动拼接和仿真考古项目[7]，以及甲骨文识别人工智能应用[8]，并让学生思考怎样结合人工智能技术来辅助考古人文，拓展学生的创意思考空间，活跃课堂气氛。

（2）坚持交叉性应用，强化课程内容时效性。为了让学生将课堂上学到的人工智能知识与实际行业应用进行“AI”+“AI+”（“人工智能算法”+“人工智能技术在特定行业的特定應用”）的结合，达到学以致用的效果和增强学生交叉创新的研究能力。在课程内容设置中，针对现有行业智能应用，设置对应的课程模块，与相对应的最新人工智能技术相结合讲授，例如CNN算法与图像处理应用同时讲授，GPT-3算法与自然语言处理NLP应用同时讲授。同时课程也与校内其他院系和校外行业导师合作，讨论专业人工智能培养要求和现有行业人工智能应用情况，并邀请他们在课堂上进行分享。教导学生一个好的“AI+”应用系统一定是在充分理解一个行业需求后才能实现的应用，简单把一个AI算法直接套用一个行业应用经常无法取得好的效果。要鼓励大家学好自己的行业知识，并“个性化”地针对不同专业（如医学类、海洋类和环境类）定制不同类型课程项目。进一步加强对具体行业应用的创新能力，特别是对现实应用问题的调研和总结能力，为培养学生未来跨学科交叉应用创新能力奠定良好的基础。

同时，在课程项目设计方面，为加强学生对人工智能技术理论的理解并通过其解决 “AI+”专业问题，不再仅是简单的理论与应用概述性讲授，而是通过学生主动提出或者设计特定的课程项目（2020年项目见表1），帮助学生去调研当下其专业一些难点问题和解决方案，并提出基于人工智能技术的解决方案，去思考如何结合人工智能技术与其专业问题。

在具体实践过程中，南方科技大学的人工智能导论课程内容主要设置为两大部分：人工智能理论概述以及人工智能算法与智能应用。图2给出课程“AI”+“AI+”教学内容体系设计思路，以行业需求作为出发点，通过行业智能应用将人工智能知识串联在一起，由浅入深，以应用带理论的授课方式让学生了解最基本和最新的人工智能技术，而不是简单孤立地介绍人工智能技术。图2同时给出具体的授课结构和内容，即应用引出理论，理论服务应用。与传统的人工智能导论的教学结构（如图3所示）具有很大不同。可以看出传统的人工智能导论课程内容设置，主要针对计算机专业学生，侧重于人工智能算法理论与算法研究，即公式理论推导，早期不着重人工智能应用介绍，这种课程内容设置会容易导致非计算机专业学生在早期失去学习兴趣。图2的本课程“AI”+“AI+”教学内容安排中理论和应用互融互通，这不仅可以提高各个专业学生上课学习积极性和学习兴趣，也能增强学生学习的主动性和创造性。同时也“个性化”地加强学生建立人工智能导论学习与他们各自专业学习之间的互动性，为学生未来专业学习插上人工智能的辅助翅膀。

三、非计算机专业的人工智能导论教学方法创新

南方科技大学的非计算机专业的人工智能导论教学方法创新性地结合人工智能导论课程特点和不同专业的人才培养目标。教学方法创新主要涵盖教学理念转变、教学方式改革、考核方法改进三个方面。为此，本课程开发并实践了基于“AI”+“AI+”的教学内容设计和“个性化”课程项目的教学方法，如图4所示。通过学生、老师以及行业专家共同努力，使课程做到有趣并有实效。

（1）课程设计充分体现以学生为中心。要从传统的“老师教什么、怎么教、教得怎么样”转变到“学生想学什么、怎么学好、学得怎么样”，从而实现以“教”到“学+教”实质转变。教师可以从传统的单纯“知识灌输者”转变为“知识引导者和灌输者”，引导学生根据实际特点和专业“个性化”自主学习和认真思考。同时，学生应改变传统“知识被动接受者”身份，主动学习和主动解决实际问题，成为“知识索取者”。

（2）“AI”+“AI+”能让理论应用互融互通。面对新时代和新要求，提出并践行“AI”+“AI+”教学内容编排理念，即在课堂教授人工智能理论和算法过程前引入最新行业智能应用和行业智能需求，打造一个“需求—算法—应用”的教学闭环。从传统的老师只讲授和推导公式模式转变到以需求引理论、以理论带应用的模式。让不同专业学生“个性化”地亲身体会AI在各自专业的“AI+”实际应用，提高学生的学习兴趣和主动学习能力。培养学生将课堂理论人工智能知识与其他专业课知识形成优势互补，借助人工智能技术去解决专业问题。

从图4可以看到，为了更好地让学生了解行业智能应用，在授课内容中，本课程教师还邀请行业导师专家和南方科技大学不同院系教授分享行业需求，介绍人工智能行业应用和不同专业可以借助人工智能理论去解决的问题，帮助学生构建人工智能技术理论与其专业之间的交叉创新。

（3）理论结合实践，注重课程考核。当前很多课程教学都采用经典的“一考定音”的课程考核方式，即以期末考试成绩为主，不看重学生的平时学习效果。即使计算了平时成绩，比例也非常低，仅仅是考查出勤和平时作业。这种考核方式容易导致学生学习死记硬背，采用考前突击方式来应付课程，不利于学生真正掌握知识。因此，为提升学生掌握知识的效果，人工智能导论课程坚持“AI”+“AI+”教学方法，采用“课程作业和课堂考勤（10分）+

课程项目和课堂项目报告（40分）+课程考试（50分）”五位一体的课程考核方式，其中课程项目以及学生的课堂项目演示报告占到成绩的40%，有效提高学生平时课程学习的积极性。课程作业重在测试学生的学习效果。课程项目（4～6个学生一组）重在提高学交叉学科应用创新能力，主动学习和协作学习能力;为了提高学生积极性，在项目内容上还特别设置一个最高10分的加分项，奖励项目做得突出的学生（2020年有2个学生获得加分）。课堂项目演示报告重在提高学生的表达能力和总结能力。课程考试重在考查学生对课程内容掌握程度，其中期中考试占20分，期末考试占30分。

从过去两年教学反馈来看，基于“AI”+

“AI+”的教学内容设计和“个性化”课程项目的教学方法明显提升了学生的积极性和教学效果。南方科技大学医学院特别认同人工智能导论课程的“AI”+“AI+”和“个性化”的教学方法，将人工智能导论课程列为南方科技大学医学院的必修课，作为南方科技大学“新医科”的重要组成部分。2021年又应南方科技大学海外留学生的要求，加开一个人工智能导论的纯英文班。同时，本课程不止吸引了非计算机科学与工程系的学生，也吸引了很多计算机科学与工程系（约占选课学生的1/3）的学生，这是我们开始设计本课程时没有想到的。这表明计算机科学与工程系的学生也认同“AI”+“AI+”的教学内容设计和“个性化”的教学方法，他们希望了解人工智能技术在具体行业的真正应用，他们的加入促进了课堂上各个学科学生的交叉学习。

四、结语

随着人工智能技术的广泛应用，为了提升学生对人工智能的了解，南方科技大学计算机科学与工程系开设的面向全校特别是非计算机专业学生的人工智能导论课程，提出并优化了一套基于“AI”+“AI+”（“人工智能算法”+“人工智能技术在特定行业的特定应用”）教学内容设计和一套尊重学生各自专业兴趣的让学生自主选择“个性化”课程项目的教学方法。这些创新在课堂上得到学生的喜爱，进一步激发了非计算机专业学生的主动学习和对人工智能的学习兴趣，同时引导和提高了学生应用人工智能技术进行学科交叉的应用创新能力。

参考文献：

[1]发改委印发“互联网+”人工智能三年行动实施方案[J].信息技术与信息化，2016（6）：8-9.

[2]教育部印发《高等学校人工智能创新行动计划》确定人工智能发展任务[J].中国大学生就业，2018（9）：4-6.

[3]姚琳，石志国.人工智能课程体系与教学方法研究[J].中国大学教学，2019（10）：19-22.

[4]李瑞峰，荣伟彬，邓鑫.新工科背景下机器人工程专业研究与探索[J].中国大学教学，2020（2/3）：32-36.

[5]杨利英.人工智能导论课程的兴趣教学法[J].计算机教育，2011（12）：55-58.

[6]高文超，刘康，张国英，等.计算机本科专业《人工智能》课程教学探讨[J].软件导刊，2016，15（3）：183-185.

[7]ZHANG Xiaoqing，WEI Jiaqi， YE Shengjie， et al. Multimedia Meets Archaeology： A Novel InterdisciplinaryTeachingApproach [J]. Frontiers in Education Conference， 2021.

[8]張颐康，张恒，刘永革，等.基于跨模态深度度量学习的甲骨文字识别[J].自动化学报，2021，47（4）：791-800.

[本文的工作受到了广东省“人工智能导论非计算机专业一体化教学的改革与探索：‘AI’+‘AI+’”综合类教改项目（SJ202002）的资助]

[责任编辑：余大品]