基于百度飞桨的人工智能导论课程实践教学初探

马文彬 刘旭 魏建宇

中国人民解放军陆军军事交通学院基础部 天津 120000

引言

为贯彻国务院发布《新一代人工智能发展规划》，全国高校探索将“人工智能+X”的复合专业与工程实践能力相结合的人才培养新模式，推动人工智能技术在机器人、教育、医疗、交通管理等领域得到广泛应用[1]。此外，面对未来战争，世界各军事强国都致力于占据人工智能军事应用的制高点，如何培养出能够胜任未来智能化战争挑战的军事人才是当前各大军队院校的重大课题[2]。我院将人工智能专业中的相关课程及教学内容已与现有基础课相结合，开设了《人工智能导论》课程。本文结合我院开课经验，探讨面向军事应用的实践教学内容选择，以百度飞桨深度学习平台为实践核心，设置智能化军事应用方面实践项目，总结目前教学中存在的不足，提出了对应实践教学改革措施与建议。

1 目前人工智能课程教学存在的问题

在传统教学中，教学内容统一、理论缺乏新意、教学方法比较单一，有限的实验室硬件条件，前沿技术补充不及时，带来了对人工智能领域知识的混沌理解，难以激发学员投身智能兴国的热情[3-4]。此外，军队院校面对培养未来智能化战争人才的需求，仍存在教学内容难以紧扣军事应用，前沿技术难以提升作战能力的问题。

2 人工智能课程教学改革的措施

2.1 教学内容的优化

根据课程特点，选择理论内容应注重“理论少且精，实践透且新”。选择最具代表性的智算法，理论从推导到应用实践详尽解释，尽可能使学员达到融会贯通。此外对学员“授之以渔”，帮助学员掌握学习方法，其他理论利用各类线上资源仿照自学。选择实践项目应注重阶段性、可对比性及前瞻性，使得学员在实践过程中可以阶段性获得满足感，而且对比的实践环节可增强学员的探究精神，前瞻性的实践内容可以激发学术的研究热情。

2.2 教学模式的优化

CDIO（构思、设计、实现、运作）其一体化教学模式，适合于人工智能导论课程具有多学科交叉融合度高、项目综合性强的特点，可以有效促进学员主动投入学习与实践中。此外，授课中多样化教学方法可有效提高教学活动中互动频率，增强学习效果。

2.3 教学实践的优化

课程实践教学分为课堂实践、校企实践、专业实践三部分。课堂实践主要培养推理论证能力、编程能力；由于军校特殊性，校企实践是基于百度飞桨提供的“教学案例库+数据集”来完成，帮助学员具备前瞻性的视野；针对学员不同专业背景，组织学员结合背景专业通过大作业形式进行专业性实践探索，并可推荐优秀作品参加竞赛，实践教学得到了“教-学-赛”的长足发展。

2.4 课程思政的融入

将思政元素融入注重因事而化，因时而进，因势而新。例如：分组总结人工智能发展史，我国人工智能发展现状、西方强国目前在人工智能作战中计算机视觉技术的应用等专题汇报，让学员学会从历史中发掘客观事物发展规律、培养爱国主义精神、增强练兵为战意识。

3 课程教学设计

3.1 基于百度飞桨深度学习平台的作为课程实践平台

人工智能导论课程是由多门前导课程交叉融合支撑，使得课程理论具有既深又广的天性，内容包括：知识表示与知识图谱、自动推理搜索方法、计算智能、机器学习、计算机视觉等模块。我院以军事应用项目为牵引，紧贴实战打仗激发学员学习热情及练兵打仗意识，可选在百度飞桨深度学习平台实践教学。

百度飞桨集成深度学习核心训练和推理框架，是中国首个开源产业级深度学习平台[5]，不仅支持python开发、提供大量公开数据集及开源模型，还提供了高性能的在线开发环境，从算法、算力、数据三方面解决了我院学员开发人工智能实践项目核心三要素的问题。

实践教学是已解决军事物资运输保障问题为目标，设立了无人机投送图像识别、车辆CAN总线故障数据分析、驾驶员疲劳驾驶检测、基于脑电数据的驾驶员行为分析等分类科目，如图1所示。学员可在大分类科目基础上，根据小组专业特长选题，利用AI Studio平台完成实践项目。理论教学以教员组织学员学习研讨形式为主，实践教学以学员实践教员答疑形式为主，通过这种课上翻转课堂，课下内驱自学的教学方法训练学员学习能力、创新能力和合作能力。

图1 基于百度飞桨的课程实践教学设计

3.2 项目实践教学实施过程

课程实践教学是理论知识阶段性学习后实施操作的，主要分为3个阶段完成，具体实践过程可从表1得知。

表1 人工智能导论课程实践过程

第一阶段，基于TSP示例项目复现。在这一阶段，一方面帮助学员基于实践平台环境百度飞桨AI Studio熟悉Notebook基本操作，掌握实践的一般过程和方法；另一方面通过TSP经典问题，对比总结遗传算法、智能群算法以及其改进算法。

第二阶段，图像分割深度理解。无人机投送图像识别是针对我院工程类专业学员所设实践内容。采用通过多算法对比实践的方法，让学员理解图像分割几个经典算法的特点及应用场景，并可举一反三，自主完成计算机视觉领域中其他图像处理算法的学习。

第三阶段，开放命题实践阶段。此阶段学员可在百度飞桨提供的案例库和数据集中获取灵感，根据兴趣爱好和专业背景选择适合应用项目进行分组实践。作为课程期末评价的重要考评内容，该项目重点考量学员的创新能力和自学能力。此外推选优秀项目参加学科竞赛，“已赛促学”提高学员后续深入理论学习的积极性和主动性。

4 结束语

在教育部积极推进新工科建设背景下，各高校开设人工智能导论课程具有紧迫性。我院以实践教学为主，理论讲授为辅，学员主动自学，教员积极辅导的形式开展课程教学，解决了在学习理论算法上各类数学公式理解应用难，缺乏实践，理论难与实际联系的问题。我院学员通过人工智能导论选修课，不仅掌握了人工智能通识理论，且通过三阶段的实践内容逐步掌握了人工智能技术的学习方法和应用开发。从教学反馈中可见，学员对我院人工智能导论课程的满意度较高，选修热情较高，表明课程实践教学可行有效。