新工科背景下 计算智能课程教学改革探索

徐弓岳 郭二廓

摘要：在新工科建设背景下，计算智能课程是化工专业新工科建设课程体系中的重要组成部分，开展好计算智能课程的教学对培养新型智能化工人才具有重要意义。本文针对当前计算智能课程教学中存在的问题，从问题启发式教学、基于先进科研平台资源的算法探究、面向应用场景的项目驱动式教学和课程思政元素融入等方面进行教学模式方法的改革，探索计算智能课程教学改革的方向。

关键词：新工科;教学改革;人工智能;计算智能;课程思政

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2022）12-0091-03

● 研究背景

随着全球范围内以大数据、云计算、物联网和人工智能等信息技术为核心的新一轮科技革命与产业变革的兴起，我国经济在创造了连续多年快速发展的奇迹后迎来了产业结构调整和升级转型的关键时期。为主动应对新一轮的科技革命和产业变革，培养创新型卓越工程人才，服务于国家战略发展新需求，自2017年起，教育部积极开展实施新工科战略，推动形成了“复旦共识”“天大行动”和“北京指南”，以新工科建设为突破口，引领我国新一轮高等教育改革。[1][2]新工科建设所推动的教育教学模式变革、学科交叉融通、专业建设升级和产学研协同育人等成为当前我国高等教育改革的趋势与焦点。

为积极落实新工科战略，各大高校各个专业纷纷开设人工智能科学与技术的相关交叉课程，以培养高水平的复合型人才为建设目标。计算智能是人工智能的新生前沿领域，通过神经网络、模糊逻辑和进化计算三个分支的有机融合而成的科学方法体系，可为工程领域复杂建模和优化问题提供新的设计思路与解决方案，是复合型工程技术人员特别是复合型工程研究人员需要掌握的一项重要技能。要想有效保障新工科人才培养质量，就必须对计算智能课程教学方案进行积极探索。本文从教学模式、教学方法等方面对计算智能课程的教学进行探索，分析新工科人才素养培养方法和途径，构建多元化教学方法，培养学生利用计算智能的方法思想解决工程实际问题的能力，以期为本课程的教学改革提供参考性的研究意见。

● 课程教学难题

计算智能是计算机科学、信息科学、生物科学等不同领域科学相互交叉所产生的学科，其本质是通过借鉴自然界生物生存演化规则，模拟生物智能、人类智能及社会运行规律来进行算法设计。[3]计算智能课程的教学内容可分为以下三个方面：①基础理论，包括神经网络、模糊逻辑和进化计算的思想渊源，基本架构和理论演进等。②算法设计，主要涉及计算智能方法各部分和参数的定性定量研究，服务于计算智能方法的实现和创新改进。③实践应用，要求能够以C、Python、Matlab等计算机语言复现算法，并在此基础上开展研究应用。计算智能课程是理论、算法和实践三大内容交互融合反馈的教学体系，基础理论是算法设计和实践应用的根本，算法设计加深了对基础理论的理解并奠定了实践应用的基础，实践应用则反过来推动了基础理论的发展和算法的创新设计。

计算智能课程具有极强的理论性、操作性和实践性，所涉及的知识面很广，内容较为抽象，学生对理论知识点往往难以理解，导致理论与实践脱节，对各种计算智能方法的实际应用不能灵活掌握，产生这些问题的原因主要可归纳为以下三个方面：

（1）缺乏对学生有效的引导和启发。计算智能课程内容较多，授课学时相对较少，教师在课堂上与学生缺乏互动，存在“填鸭式”教学的情况。在教学设计方面，教师对如何引导学生学习兴趣、激发学生主动学习缺乏考虑。

（2）缺乏可靠的算法资源和标准的算法实验平台。计算智能课程涉及了诸多算法程序，学生在进行算法实验时所搜罗的算法资源却存在多种计算机语言版本，程序质量良莠不齐，也缺乏可靠统一通用的算法实验平台。

（3）缺乏足够深度前沿的应用场景。课程实验常是一些常规的验证性实验，大多数学生无需深入思考就可以完成基本的实验任务，缺乏有深度的创新性实验。

● 教学改革实施方案

1.问题启发式教学

问题启发式教学就是教师要通过在教学过程中有意识地引导学生产生问题、提出问题，并有的放矢地思考摸索，以解决问题，形成自己的判断和归纳，达到举一反三、触类旁通的学习效果，最终使学生形成以自我为学习主体的学习模式，达成良性的循环反馈。鉴于计算智能课程概念抽象、知识新颖和学科交叉的特性，教师需要在各个教学链条上始终注意问题的提炼、剖析和导引，始终做到有的放矢，把握好教学的节奏。例如，在讲解蚁群优化算法时，就可以以经典的背包问题或最短路径问题来启发学生思考各种解决方案及其复杂度关系，在学生思考的过程中，给予适当的提示与鼓励，使学生的思考更加深入，并基于学生的回答进行一定深度的探讨分析，开拓学生的思维，接着结合教学内容引出基于蚁群算法的解决方案，使学生自然而然地产生新的问题——自己所提出的方案相比蚁群算法有何优劣，引发学生进行自主性的探究学习，对课程的知识有更深刻的体悟。

2.基于先进科研平台资源的算法探究

人工智能领域发展极为迅速，计算智能课程的教学，既要讲授经典智能算法的内容，也要兼顾计算智能发展的最新趋势。目前，国内外许多知名学者和研究机构都建有智能算法网站和个人主页，提供开源的最新研究成果和程序代码，这些平台资源无疑对本门课程的学习提供了极大的帮助，教师可以搜罗相关资源提供给学生，为学生的算法学习打下坚实基础。例如，在教学中可以借助Matlab的神经网络工具箱讲解相关知识，包括介绍神经网络的网络拓扑结构、梯度下降原理，讲解如何构造输入层、隐含层和输出层，如何执行反向传播等，然后通过选用神经网络的实际案例进行讲解，这样，学生会对相关原理知识有更加生动具体的认识，也容易调动学习的兴趣。又如，安徽大学生物智能与知识发现研究所最新开发的进化多目标优化平台PlatEMO[4]，集成了一百多种算法和优化问题，其中包含最先进的进化算法和最常用的测试问题及性能指标，所有程序都经过了标准化、模块化处理，非常适合学生进行算法实验探究，接触相关学科的前沿知识，开拓學生的眼界，锻炼学生的创造性思维和科研素养。

3.面向应用场景的项目驱动式教学

对于理论性和实践性极强的计算智能课程，如何搭建理论与实践之间的桥梁，引导学生将所学的算法知识应用到具体场景中显得尤为重要。笔者认为，可通过项目驱动式教学检验学生综合运用所学课程知识的能力，锻炼学生分析问题和解决问题的能力，全面开发其创造性思维，提升创新能力。例如，基于智能算法的人脸识别项目，人脸识别是人工智能非常典型的应用场景，也是能触及科技前沿的方向，而且相关技术发展较为成熟，可参考学习的算法资源和数据集极为丰富，国际上也制定了通用的评测标准和性能指标。可以3至4名学生为一组，通过团队协作，完成项目设计任务，最终以论文报告和小组答辩形式进行考核。通过项目驱动式教学，让学生在充分运用挖掘课程相关知识的基础上，完成具有一定难度和挑战性的实践课题，不仅能激发学生的学习兴趣，锻炼学生团队协作和探索研究的能力，而且缩短了教学与实践应用的距离，让学生能够更加自信地面对问题、解决问题。

4.融入课程思政元素

课程思政是新时期党中央关于加强高校思想政治工作的新要求，要以立德树人为导向，以坚定的政治方向为核心，将明确的德育元素融入到课程的知识传递过程中。[5]在教学活动中，教师既要担负起道德引领职责，也要让教学过程充分体现立德树人的思想。例如，计算智能课程既涉及很多前言科技领域，也在生活中诞生了许多有影响力的应用，如刷脸支付、出入門禁等，可让学生畅想自己的小发明、小创造在融入生活服务于大众之后，所带来的光荣与使命。又如，谷歌的AlphaGo[6]在围棋上成功地实现了对人类的碾压，震惊世界，然而国内人工智能技术的研究却只能跟在国际最先进技术的后面亦步亦趋，可让学生意识到国内的人工智能技术急需能够引领世界的重大突破，作为当今的年轻人，必须明确自己的使命和担当。

● 结语

本文针对计算智能课程教学存在的难点和问题，从课堂教学模式改革、资源平台构建、项目驱动式教学机制和课程思政元素融入研究等方面对计算智能课程进行改革，尝试探索一条适合高校计算智能本科教育教学的课程改革与建设之路，以期为创新型复合型人才的培养打造良好的课程教学平台，从而提升本科教学质量。

参考文献：

[1]徐晓飞，沈毅，钟诗胜，等.新工科模式和创新人才培养探索与实践——哈尔滨工业大学“新工科‘Π型’方案”[J].高等工程教育研究，2020（02）：18-24.

[2]邓竞伟，邓凯英，贾丽娟.新工科背景下面向应用型人才培养的程序设计课程教学方法研究[J].中国信息技术教育，2021（22）：100-103.

[3]李宏.“智能优化算法”硕士课程教学设计与实践[J].教育现代化，2020，7（50）：135-138.

[4]Tian Y，Cheng R， Zhang X，et al.PlatEMO：A MATLAB platform for evolutionary multi-objective optimization[J].IEEE Computational Intelligence Magazine，2017，12（04）：73-87.

[5]谭舒.高校课程思政教学设计的反思与改进——基于“价值最小单元”的探索[J].教师教育学报，2021，8（05）：62-69.

[6]Silver D，Schrittwieser J，Simonyan K，et al.Mastering the game of Go without human knowledge[J].Nature，2017，550（7676）：354-371.

作者简介：徐弓岳（1990—），男，博士，讲师，研究领域为计算智能及其教育教学方法研究。郭二廓（1986—），男，博士，副教授，研究领域为智能制造技术及装备、智能制造教学方法研究。

基金项目：国家自然科学基金资助项目（51805225）;中国博士后科学基金资助项目（2020M681498）。