高职院校人工智能通识教育的探索与实践

耿 煜，郭敏强，张运生，李 钦，赖 红，严立超

（1.深圳信息职业技术学院国际交流与合作学院，广东 深圳 518172；2.深圳市人工智能产业协会，广东 深圳 518063）

人工智能经过几十年的深度研究和应用，已经逐渐成熟并应用在各行各业[1]。党的十九大报告指出，“推动互联网、大数据、人工智能和实体经济融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。”人工智能是未来经济发展的发动机，是各个领域发展变革的巨大驱动力；同时，要充分发挥人工智能的潜力，就要与各个行业相融合，才能发挥其赋能效应。要最大化地发挥此赋能效应，关键在于各行各业拥有人工智能技术应用人才。如何培养这样的人才便成为人工智能教育的核心问题之一。2017年国务院办公厅颁布的《关于深化产教融合的若干意见》提出，“用10年左右时间，实现教育和产业统筹融合、良性互动的发展格局。”人工智能技术要发展，相关的人才教育一定要先行，职业教育在历史机遇中大有可为[2]。

2019年5月，习近平总书记在致国际人工智能与教育大会的贺信中指出，“把握全球人工智能发展态势，找准突破口和主攻方向，培养大批具有创新能力和合作精神的人工智能高端人才，是教育的重要使命。”人工智能与各行业的深度融合，需要一大批懂得用人工智能技术驱动行业发展的应用型人才。这就要求我们采用更适应新时代的人工智能通识课教育方法，以便为社会培养更多急需的人工智能应用型人才。

1 人工智能通识课程定位分析

随着人工智能技术及其应用的不断成熟，人工智能技术的教育方法成为高等教育研究的热点领域[3]。特别是考虑到人工智能对实体经济的巨大赋能作用，如何开展适应时代的人工智能通识教育已成为各大本科和专科院校研究的重要课题。目前，无论是各省市的政策还是学校层面的各项措施，都在积极推动人工智能教育的发展[4]。2018年习近平总书记在中共中央政治局第九次集体学习时指出，人工智能“具有溢出带动性很强的‘头雁’效应”。人工智能通识课程应准确把握人工智能基础设施的属性，成为所有专业学生学习的基础。然而，由于人工智能理论的复杂性，在高职院校推广人工智能通识教育面临着一些困难，如学生基础薄弱、学习动力不足、教学方法待突破、人工智能教育与产业结合待深入等问题。

1.1 产业升级要求未来人才具有基本的人工智能技术应用能力

产业升级不可避免地会降低甚至消除部分行业的就业机会，但同时也会因商业模式的改变而创造新的就业机会[5]。这已在行业内导致那些具备更高技能的人才由于人工智能技术的支持而享受更高的工资，而其他技术工人则因被人工智能技术替代而失业。尽管人工智能技术替代了部分岗位，但同时也创造了新的工作岗位，而这些岗位要求从业者具备更高水平的人工智能应用能力。

1.2 将人工智能技术纳入通识教育以满足对人工智能应用人才需求

产业升级的要求意味着未来的劳动者必须具备人工智能应用能力。为实现这一目标，人工智能应用技术教育需要在所有学生中得到广泛覆盖。然而，这种要求无法仅仅依靠人工智能专业来完成，它必然需要一种以人工智能赋能为核心的新形式的通识教育。以人工智能赋能为核心的通识教育的目标是培养所有学生对人工智能的基本理解和应用能力，成为广大学生的共同知识和能力基础。通过普及人工智能的基本概念、原理和技术，各个专业的学生均可培养出对人工智能的敏感性和适应能力。它超越了传统的专业边界，为未来劳动者的终身学习和适应快速变化的技术环境提供了重要的基础。

1.3 人工智能通识课程需要具有良好的应用性与实践性

全国政协委员、中国人口与发展研究中心主任贺丹[6]表示，“面向人工智能时代，要在新一轮科技革命和产业变革中赢得主动，关键是有充分的人才支撑，教育必须主动变革。”有效的人工智能通识课程内容应当紧密联系实际应用场景，引导学生通过案例分析和实践项目，深入了解人工智能在不同领域的应用。通过实际操作和模拟体验，学生可以亲身感受到人工智能技术的潜力和局限性，并培养解决实际问题的能力。为了确保学生能够真正将人工智能技术应用于自己的实际工作中，人工智能通识课程还应该与实际产业紧密结合，引入真实项目和实际数据，让学生能够直接参与和解决实际业务问题。这种实践性的学习方式将帮助学生更好地理解人工智能技术的应用场景和挑战，并为他们未来的职业发展奠定坚实的基础。

2 人工智能通识教育方法探索与实践

开展以人工智能赋能为核心的通识教育需要积极探索与实践。目前，人工智能教育最大的难点之一就是入门门槛高，而高职学生的理论基础相对薄弱，难以理解人工智能背后的众多理论知识。此外，绝大多数非计算机类专业的学生不具备编程能力，这使得人工智能通识课程往往只能停留在表面的技术介绍，无法达到学以致用的目标。高职院校必须充分认识到这一点，在开展人工智能应用技术的通识教育时，要根据学科特点和学生实际情况设计教学方法与手段，选择合适的教学工具。

针对社会经济对于“人工智能+X”赋能的现实需求和趋势，人工智能通识课程的教学目标是培养学生的人工智能应用技能，并将其应用于各个领域（即“人工智能+X”）。课程需更多地采用与学生相关的案例，并借助可视化理论教学和低代码实践开发的手段来保证教学质量。通过引入实际案例和引导学生参与实践活动，不断激发学生的学习兴趣，并提供一个真实且具有挑战性的学习环境。

2.1 构建以可视化理论教学为基础的人工智能应用技术教育方法

在实际的人工智能应用实践中，对实际问题的分析理解并将实际问题转化为相应的人工智能模型的能力是至关重要的，同时还需要根据实际问题的特点选择合适的算法及其参数。在模型的应用过程中，主要是调用现有的人工智能框架，这一过程考验的是人工智能应用从业者对各种算法的适用性和参数功能的理解，而并非依靠公式记忆。从业者需要对人工智能算法有基本的理解，但一般不需要深入研究。

传统的教学方式通常从公式出发，以理解算法为目标。然而，高职院校的学生普遍对理论教学不感兴趣，甚至有些抵触，因此课堂理论教学效果并不理想。公式作为理论的精确表达形式固然重要，但对于应用型人才来说，它并不是理解理论最佳的方式。对于高职院校的学生来说，理解算法的目的是为了更好地应用它们，而不是开发新算法或新理论。这说明应用型人才更应该注重应用能力的培养，注重实践环节的教育。

多项研究显示，课程以可视化图形等方式呈现更容易让学生理解课程内容。Jamal Raiyn等人[7]的研究显示，采用可视化方法进行教学可以显著提高学生的学习动力，帮助学生理解教学内容，并提高学生成绩。可视化的教学方法，让学生通过眼睛直观地“看到”算法，而不是记忆复杂的公式，可以降低人工智能应用的理论门槛。这样，学生可以将精力从复杂的公式中解放出来，更专注于对基础理论的直观理解和实际应用，这将有助于培养基础扎实的人工智能应用型人才。

通过对微积分、矩阵运算等数学方法的深入剖析，并深入分析这些方法所要解决的理论问题，帮助学生理解这些理论。图形化展示理论问题，可以避免学生陷入令他们感到困惑的数学公式之中。在实践教学中，教师可采用理论可视化方法，以基本运算的可视化为基础，进一步通过模型理念的可视化加深理解，并通过工作流程的可视化来连接实际应用，从而充分发挥理论指导实践的意义。基于一些基本的可视化方法，例如使用线段长度表示标量大小、使用面积表示平方等，可进一步构建更复杂的可视化方法。

以垃圾邮件过滤任务作为机器学习中分类算法教学的例子，任课教师首先通过图形化手段帮助学生理解基本的算法原理，并以流程图或思维导图形式说明实现过程。学生根据基本原理的图形化展示，通过阅读和理解图形的方式推理出合适的模型参数，并基于基本的图形化展示设计更复杂的模型结构，更好地实现特征提取和模型训练等。通过这个案例，学生可以更深入地理解机器学习算法的本质和实现方法，从而更好地掌握相关技能。在此过程中，学生能够真正看到理论、内化理论和理解理论，并能够真正运用理论指导实践。

2.2 构建以低代码实践开发为保证的人工智能应用技术教育方法

高职院校的人工智能通识课想要真正达到学以致用的目标，必须在课程中保证充足的实践环节。编程是一种人工智能应用的实践方法，却并不等同于人工智能应用实践。大多数学生没有编程基础，或者基础十分薄弱，以编程方式入门人工智能应用门槛过高。而传统的人工智能教育的实践环节将学生的大部分精力都放在了编程上，往往导致学生在编程之后已经无力深入分析人工智能应用技术本身，更无法集中精力解决人工智能赋能这个更重要的目标。一个人工智能应用型人才在实践阶段要跨过两个高门槛：编程和人工智能应用技术。这样的双高门槛将大量学生，尤其是非计算机类专业学生挡在了人工智能应用技术门外，严重限制了人工智能技术的应用。这就导致人工智能通识课或者成为纯理论教学的课程，或者成为另一门编程课程，严重制约了学生对人工智能应用技术本身的理解。

低代码开发已成为一种大趋势，也是人工智能应用开发的一种大趋势，它具有门槛低、易上手的特点，更适合作为入门人工智能应用的学习工具，且更加适合非计算机类专业学生应用人工智能技术到自己的行业中。使用低代码人工智能应用开发工具，经过简单的托、拉、拽操作，即可完成一个人工智能工作流程。以垃圾邮件过滤任务为例，学生首先使用低代码工具提供的可视化界面快速收集一组垃圾邮件和正常邮件的数据集。然后通过工具提供的数据预处理和特征提取模块，通过参数选择的形式进行数据处理。在模型选择和训练阶段，快速选择适合的模型，并自动调参和训练，帮助学生更快速地优化模型。接着，可以通过交互性的界面，快速对训练好的模型进行评估，并根据评估结果调整模型结构或参数。

可见，使用低代码工具，可以让学生更多地关注人工智能的整体流程，并减少对编程的依赖，达到学生易上手的目的，大大缩短应用开发周期。使用低代码人工智能应用开发工具，将学生的精力集中在了人工智能应用本身，而不是深陷于编程，可以大大提升学生的动手实践能力。

在课题组成员所承担的人工智能通识课教学课堂上，学生来自校内各二级学院，绝大多数学生没有任何编程基础，但是通过使用低代码工具，学生可将自身学习或者生活中的数据，构建出自己的人工智能模型，解决实际需求，有效地实现人工智能应用技术的教育目标。基于此类工具，学生就能够以非编程方式实现人工智能应用，从而赋能各行各业。对于有余力的学生，可以此为基础进一步学习编程，进而开发更高级的人工智能应用，更好地为社会服务。

2.3 构建以“人工智能+X”为目标的人工智能应用技术教育方法

人工智能技术的真正爆发力源自于“人工智能+X”的巨大驱动力，而这与人工智能应用型人才的数量和质量密切相关。因此，人工智能技术的应用人才不仅仅局限于计算机相关专业，还需要来自各个专业的学生熟悉并掌握人工智能技术的应用方法。高职院校人工智能教育的重点并不是培养人工智能算法层面的创新型人才，而是利用人工智能技术巨大的赋能作用，培养各行各业能够运用人工智能技术的应用型人才。通过“人工智能+X”的升级改造，农业、制造业、零售业等传统行业得以变革为智能农业、智能制造业、智能零售业等，从而形成经济社会发展的新动能。

在课题组的教学活动中，教师不仅使用公开数据，还利用了学校内部与学生相关的数据，以更贴近学生的生活，并让学生能够真正使用自己的数据进行分析。与以往使用Python作为工具的通识课程不同，学生不会陷入Python语法中而无法真正应用人工智能。例如，在数据方面，课题组通过学校食堂的历史数据，使用随机森林等模型就可以有效地预测食堂未来的销量，从而减少浪费。文科类专业的学生根据自己专业课中的客户数据，利用人工智能模型便能更快速准确地分析客户类型和客户流失等信息。理工科专业的学生根据机器的运行数据，使用人工智能工作流，可以快速定位机器运行问题，实现及时检修。

通过使用低代码人工智能应用开发工具，非计算机专业背景的业务人员能够迅速解决业务问题，学生也能够快速上手人工智能应用，将学习重点放在人工智能模型的应用和将行业问题转化为人工智能建模的能力培养上。低代码人工智能应用开发工具有助于更好地培养出“人工智能+X”复合型人才，突出人工智能技术的赋能作用。而计算机类专业的学生可以加深对人工智能算法的理解和应用，为进一步深造打下基础。未来教学过程还需充分发挥低代码工具的优势，进一步提升学生探索积极性，采用启发式教学方法引导学生主动学习。

3 思考与展望

人工智能技术的发展为各行各业带来了巨大的潜力，但要最大化地发挥此赋能效应，关键在于各行各业拥有人工智能技术应用人才。因此，如何培养这样的人才便成为人工智能教育的核心问题之一。新形式的通识教育，以人工智能赋能为核心，旨在培养所有学生对人工智能的基本理解和应用能力。新形式的人工智能通识教育，采用可视化理论教学和低代码实践开发的手段来保证教学质量，可以为社会培养更多急需的人工智能应用型人才。