人工智能实验课的改进

饶东宁　蒋志华　苏庆

摘要：针对人工智能课程教学过于依赖基于讲义的教学现状，该文首先分析结合基于问题的教学、大班授课小班讨论、实践技能培养等方式方法的意义与可行性，并提出在人工智能课程教学中增加和改进实验课程的观点。与已知的兄弟院校人工智能实验课最明显区别在于如下三点：基于基于问题的教学理念整合实验内容，根据小班讨论的方式改革实验考核方式，结合实践技能培养的目标来更新实验工具。

关键词：人工智能；实验课；基于问题的教学；大班授课小班讨论；实践技能培养

中图分类号：G642 文献标识码：A 文章编号：1009-3044（2015）19-0109-03

人工智能是计算机和核心专业课之一。然而，目前大部分课程仍然以基于讲义的教学（lecture-based learning，LBL）为主。已经有了不少关于人工智能实验课的教学改革，例如双主体意识和沉默式教学法相结合、基于Prolog的实验课程设计。同时，近几年出现了不少好的教学思想和理念，比如结合基于问题的教学、大班授课小班讨论、实践技能培养等。有鉴于此，结合人工智能课程的特点、结合本校和本课程组的实际情况，本文提出对人工智能实验课的三点改进。第一，基于基于问题的教学理念整合实验内容。将过去分散的，独立的实验和大作业整合成四到六个包含作业和实验内容的问题。然后请学生通过解决这些问题来学习和巩固相关内容。第二，根据小班讨论的方式改革实验考核方式。在实践当中，往往每个人的基础和学习能力差异较大，有时还会各有所长。因此，小班讨论的方式有利于相互促进。第三，结合实践技能培养的目标来更新实验工具。目前已有的实验方案甚少考虑将来的实践，例如在实践当中应用Prolog语言就非常少见。本文提出的实验设计方案大多基于C++和Java等常用语言，更包括机器人平台上的通用编程方法，力求让学生通过人工智能实验课能够提高实践能力。

在接下里的内容中，本文首先分析课程的现状。然后，在第三节中将介绍一些新的教学思想和理念。第四节将重点阐述对人工智能实验课的三点改进，最后是本文的总结。

1课程特点

1.1人工智能课程的内容和特点

人工智能是计算机科学的一个重要分支。它是一门涉及数学、计算机科学、控制论、信息论、心理学和哲学等学科的交叉学科。本课程作为计算机科学与技术专业的核心课程之一，将着重介绍人工智能研究中最基本的、最经典的理论和方法，以及当前在这一领域中的研究热点和成熟应用成果，是一门理论与应用相结合的课程。

人工智能课程重在讲解如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动，以解决需要用人类智能才能解决的问题。人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。

人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并选择适当实现方法。

1.2本校及课程团队实际特点

在我校，最早是由计算机学院智能所的余永权和曾碧等教授面向计算机专业本科生进行讲授的。课题组从一开始就注重教学大纲和教学进度的统一，试卷和评分标准的一致，注意采用多种教学手段，以利于学生对这门课程的学习，并得到了广泛的好评。几年来，计算机学院一直十分重视本课程的教学和课程建设，历届担任本课程教学任务的教师团结合作，交流教学心得，相互学习，取长补短，始终以高度的责任心和饱满的热情投入教学。

人工智能是整个计算机科学领域中发展最陕、知识更新最快的学科之一。任课教师紧跟时代脉搏，积极开展科学研究和应用实践，不断更新知识结构，充实教学内容。并且，针对反映近年人工智能领域的快速变化的模糊控制、机器学习和数据挖掘等热点技术展开教学研讨，厚积而薄发，并已出版了多本专著，如：《神经网络模糊逻辑控制》，《模糊控制技术与模糊家用电器》，《单片机模糊逻辑控制》，《计算机接口与通信》，《单片机在控制系统中的应用》等。近三年来课题组共获得两项国家基金，四项省基金的资助。

2新的教学思想和理念

2.1基于问题的教学

教学模式指在一定的教学思想指导下为保持某种教学任务的相对稳定而具体的教学活动结构。目前主要的教学模式包括：LBL教学模式（lecture-based learning，LBL）、CBL教学模式（ease-based learning，CBL）、PBL（problem-based learning，PBL）教学模式等。其中，CBL是最传统的教学方法，以传授知识为教学目标，强调学科知识的系统性和完整性。它使学生形成逻辑清晰、条理简明的知识结构，但是不能很好地调动学生的学习积极性。CBL首先要求筛选典型案例，通过对案例的讲解，让学生在发现问题、提出问题、分析问题和解决问题的过程中，学习和掌握相关知识。PBL的教学设计有几个固定的环节，组织小组、设置问题、行动进展、结果汇报和反馈。它强调学习者之间的交流合作、多种学习途径的整合及外部支持与引导在解决问题中的作用。它以学生为主导，锻炼学生自主解决问题的能力和团队协作能力，培养学生的创新能力，提高实践中人际沟通协调能力，实现主动学习。

2.2大班授课小班讨论

“大班授课、小班讨论”是研究性学习的简称。研究性学习是以“学习活动”的形式呈现，即学生在教师指导下生活中选题，用科研方式主动获取知识解决问题的学习活动。它是一种以学生自主性、探索性为主的学习方式。它以“学会学习”为总目标指导学生转变学习方式，强调为用而学，围绕解决实际问题学习，引导学生主动获取知识、重视实践。它使学生在思考如何解决实际问题的同时学会关注社会和人生。这是实现知识、能力和素质协调发展的有效途径。一般来说，这种教学需要课对课程重新划分，将课程内容分为精讲部分、略讲部分、自学部分以及研讨部分。

2.3实践技能培养

高校计算机类专业大学生实践技能培养目前仍然依赖于实验课程教学。但是，高校计算机类专业的知识更新较快，给我们带来了很大压力。实践技能培养与实验教学体系相结合，是实践技能培养体系的基石。实验教学不只是理论教学的附属环节。中共中央国务院在《关于深化教育改革全面推进素质教育的决定》中明确指出：“实施素质教育，以培养学生的创新精神和实践能力为重点。”对一、二年级学生来说，实践技能培养是打基础阶段；对已经具有一定学科知识基础的二、三年级学生，应该注重学生实践技能及创新思维的培养。我们可以将实验教学分为设计性、研究性、应用性实验3类，对高年级学生着重培养实践能力和创新能力。

3对课程的改进

目前的很多改革也在朝PBL的方向发展。另一方面，还有不少踢出要反转课堂的，其实也是增加主动性和讨论性。同时，也有不少课程改革讨论考核方式的转变。实验教学的改革正式方兴未艾，多种形式的培养学生实践能力更是重点。有鉴于此，自2011年以来，课题组响应学校号召积极学习PBL。

课题组在有限的范围和符合客观条件要求的前提下逐步开展相关改革：首先将课程的引入以及例题的设置改成学生探索性解决问题的过程。具体来说就是对于一般性的作业，取出部分内容简单适合建立感性认识的，提前一节课布置。尽管这样做会有部分学生无所适从，但是经过几次训练之后，学生探索知识内在结构的能力得到了极大的提高。然后，针对本课程不同分支间的联系，我们推出了在条件允许情况下类似课程设计的大作业。这类大作业作为学期的最后一次作业，能够体现知识点之间关联性和实用性。尽管受制于作业本身形式的限制，它仍然打破了课程不同分支间的壁垒，让学生能够活学活用，深入掌握工程科学应用的精髓。最后，课题组正在尝试一种竞选作业的方式，来结合机器人和仿真平台，利用提问演示的方式提供PBL教学中必要的问题及解决方式展示。竞选作业就是让有兴趣的学生，以自愿参加为原则的，为机器人和仿真平台编写程序。教师给出要求和模拟器，学生自由组队参加，最后教师从中选取一到两个加载演示。尽管上述活动在客观条件限制下，参加的人数有限，但在目前不具备专用实验室，缺少足够的实验设施的情况下，它是很好的推动PBL的方式。

在上述教学改革的过程中，课题组实际上对人工智能实验课做了三点改进。第一，基于问题的教学理念整合实验内容。将过去分散的，独立的实验和大作业整合成四到六个包含作业和实验内容的问题。然后请学生通过解决这些问题来学习和巩固相关内容。第二，根据小班讨论的方式改革实验考核方式。在实践当中，往往每个人的基础和学习能力差异较大，有时还会各有所长。因此，小班讨论的方式有利于相互促进。第三，结合实践技能培养的目标来更新实验工具。目前已有的实验方案甚少考虑将来的实践，例如在实践当中应用Prolog语言就非常少见。本文提出的实验设计方案大多基于C++和Java等常用语言，更包括机器人平台上的通用编程方法，力求让学生通过人工智能实验课能够提高实践能力。

4结论

目前人工智能课程教学过于依赖基于讲义的教学。同时，已经出现了很多先进的教学思想，比如基于问题的教学、大班授课小班讨论、实践技能培养等。本文在回顾现状与新的方式方法后，提出在人工智能课程教学中增加和改进实验课程的观点。主要包括三点：基于基于问题的教学理念整合实验内容，根据小班讨论的方式改革实验考核方式，结合实践技能培养的目标来更新实验工具。