人工智能教学实践一体化平台建设研究与探索

张伟　黄晓丹　田天　李晓磊

［摘 要］相较于传统专业，人工智能专业理论性与实践性并重的特点尤为突出，但由于基础理论与技术应用跨度大、实验实践环境资源匮乏、课程优化提升支持不足等问题的制约，相关课程教学内容理论学习多、实验实践少的问题较为突出，其人才培养机制无法满足开展高水平科学研究和促进新兴产业发展的需求。 文章分析了人工智能课程实验实践教学所面临的困难与挑战，旨在通过集中配置机器人、智能车、服务器及各类仿真平台等软硬件资源，结合资源虚拟化、云端化方式支持虚拟实验实践教学，建设人工智能教学实践一体化平台。这对解决当前人工智能专业人才培养中的学用与研用脱节、实验实践资源匮乏等问题，具有重要的借鉴作用。

［关键词］人工智能; 教学实践平台；虚拟化；数据分析

［中图分类号］ G640 ［文献标识码］ A ［文章编号］ 2095-3437（2023）07-0012-06

近年来，人工智能成为新一代信息产业革命的关键推动力量，美国、日本及欧洲诸国纷纷发布人工智能发展战略及行动计划，着力构筑人工智能技术优势壁垒[1-4]。我国自2016年起先后颁布了《互联网+人工智能三年行动实施方案》《新一代人工智能发展规划》等多个文件，建设人工智能强国已经上升到国家战略层面。2018年，教育部出台《高等学校人工智能创新行动计划》和《教师教育振兴行动计划（2018—2022年）》，明确要求高校应主动服务国家战略和解决区域经济发展需要，增设人工智能相关专业，满足相关人才需求[5-6] ，目前我国已有300余所院校开设了人工智能专业。然而，由于新一代人工智能技术在诸多方面有较高要求，比如超高的算力、昂贵的实验设备等，相关课程的教学实践面临着重大挑战。

一、面临的困难与挑战

加强实验和实践能力培养是新工科建设和工程教育改革的核心内容[7-8]。作为全新设立的新工科专业，人工智能专业理论性与实践性并重的特点尤为突出，因此，其人才培养方案、课程体系和培养模式也必须与之相适应[9]。以算法导论与Python编程、神经网络与深度学习、模式识别与计算机视觉等人工智能领域的核心课程为例，这些课程既要求学生对数学、概率统计和算法理论等基础理论知识掌握得较好，又要设置大量的实验实践课程以保障学生的动手实践能力。总之，新兴专业发展迅速、理工并重的现实需求与当前相对不够完善的实验实践环境的差距，导致目前人工智能课程教学存在以下共性问题：

一是课堂教学、实验实践和行业需求匹配度差。人工智能正处于高速发展阶段，其前沿理论成果和实际产业应用结合紧密，相关企业也发布了不少产品技术成果[10]。但是，学校的教学内容与产业需求往往不能同步，理论学习多、实验实践少的问题较为突出，人才培养机制无法满足开展高水平前沿研究和促进新兴产业发展的需求。特别是相关实验实践环境开发需要较长的时间，与新增课程内容相匹配的实践教学更加难以同步开展。

二是实验实践工具、平台匮乏，环境配置困难。人工智能领域（如深度学习等方向）的工具软件专业壁垒高、市场容量小，导致相应的实验工具（平台、环境等）成本高，且已有的工具设备配置维护困难，不易于及时持续升级，数量上也难以满足实验教学需求。此外，因课程实验涉及的软件版本多、迭代快，实验课程设计困难、初始环境配置耗时长等问题较为突出，导致教师、学生精力分散，难以聚焦关键技术实验与验证，学生自主学习难度大。

三是实验实践资源虚拟化程度低，远程共享支持不足。随着网络传输、多媒体交互等技术的进步，通过虚拟技术支持远程共享是实验实践教学的发展趋势[11-12]。但是，人工智能相关实验实践除涉及软件平台和标准化、模块化程度高的服务器资源外，还涉及智能车、机械臂、腿足机器人等异构硬件资源，资源共享调度难度大，加之线上教学的实际需求，资源虚拟化程度低，远程共享支持不足的问题日益凸显[13]。

四是实验实践教学缺乏量化分析，不利于授课教师提升改进。人工智能作为一门新工科专业，教学体系尚未成熟，新聘教师和新开课程多，部分教师的授课经验相对不足[14-16]。但现有的实验实践教学量化分析手段有限，尤其缺乏针对人工智能相关实践课程特点的教学质量评价方式，难以对课程教学效果进行有效的数据统计和分析，授课教师无法通过统计分析结果对课程内容和教学方式方法进行优化提升。

综上所述，在人工智能专业建设和产业蓬勃发展的背景下，探索建设人工智能教学实践一体化平台，通过资源虚拟化、功能模块化、产学研用一体化等手段和途径，强化对学生实验实践能力的培养，提高人才培养质量，对解决当前人工智能相关专业人才培养中的学用与研用脱节、实验实践资源匮乏等问题，具有重要的现实意义。

二、平台建设背景与基础

人工智能教学实践一体化平台（以下简称平台）依托山东大学“人工智能与机器人”新工科实验班（以下简称实验班）进行建设。山东大学于2018年开始设立实验班，通过选拔2017级至2020级4个年级的学生来进行培养。实验班建设紧扣新工科培养所需的“系统性、实践性、时代性、交叉性”特征，面向国家和社会对复合型人工智能人才的迫切需求，注重基础与前沿交叉、理论与工程融合，着力推进新工科专业建设，尤其是着眼产业实际需求，强化实践能力培养，探索并初步构建了“人工智能+机器人”的复合培养模式。实验班充分利用了山东大学在人工智能、机器人等方向的研究基础和平台优势，旨在为国家培养出具备国际化视野并掌握人工智能与机器人前沿理论及技术的精英人才，其培养模式和课程体系得到了清华大学、上海交通大学相关专家学者的肯定和高度评价。

实验班师资团队长期从事人工智能、深度学习等领域的研究，具有在世界知名学府工作和学习的经历。近年来承担国家基金委重点/面上项目、国防项目、企业委托项目等各类项目40余项；在电气与电子工程师协会（IEEE汇刊）及IEEE国际计算机视觉与模式识别会议（CVPR）、计算机视觉国际大会（ICCV）等上发表论文100余篇，科学研究与工程实践水平与世界前沿接轨，具有较为雄厚的科研育人基础。实验班师资团队长期工作在课程教学和实验实践教学一线，重视教学改革方面的研究，先后主持承担部级、省级、校级教改项目10余项。秉承“理實融育、科研哺教、资源共享、产教协同”的创新人才培养理念，团队探索建设了人工智能教学实践一体化平台，并设计了以该平台为支撑的主干课程体系，积极开展“课堂＋线上线下”混合式的教学实践改革。

此外，团队依托“控制科学与工程”国家A-学科和“智能无人系统”教育部工程研究中心积极开展校企合作育人，与百度公司签订了“人工智能人才培养合作协议”，与钢铁侠公司共建了“山东大学—钢铁侠人工智能与机器人创新实验室”。实验班实验设施完善，拥有高性能计算集群、机器臂、ROS智能机器人、无人驾驶竞速车以及飞桨平台等软硬件资源。

三、平台功能与架构

（一）需求分析与功能设计

针对人工智能相关课程理论教学与实践实验教学脱节、课堂授课内容与前沿技术应用不同步等问题，团队在建设平台的过程中，通过充分挖掘目前课堂教学涉及的人工智能基础理论与前沿技术应用之间的联系，帮助学生建立基础理论与前沿技术之间的认知联系，解决抽象理论与实际应用的融会贯通问题，提高学生主动学习的积极性，锻炼学生的工程实践能力。

具体来说，由于平台建设主要针对人工智能课程教学与实验实践训练，团队选取算法导论与Python编程、神经网络与深度学习、模式识别与计算机视觉等人工智能领域核心课程作为首批支撑课程，采用云平台和B/S构架用于支持课程的在线授课和远程实践实验。通过资源虚拟化、功能接口标准化和网络共享化解决实验条件匮乏和优质师资不足的问题，同时对学生学习过程数据、项目实践数据、代码质量、考试成绩数据等进行全过程采集、管理和分析，突出新工科特点，优化人才培养模式，提高人才培养质量。平台运行流程如图1所示。

对学生而言，平台主要解决抽象理论与实际应用的融会贯通问题，突出实践能力培养。平台可保障学生在任何时间、任何地点均能开展实验学习，汇集其在整个课程中的学习过程、作业完成过程、实验过程、考试成绩、项目实践等数据，汇集数据对每个学生建立模型和画像，并做出综合能力评价，用于指导反馈培养。对教师而言，平台主要解决教学体系不完备的问题，突出教学的全程管理和反馈优化；通过代码自动查重和考试监测等手段，提高作业和实验的自动化评测水平，大幅减轻教师的工作量，助力教师聚焦教学和实验资源建设；丰富的班级视图下的成绩分析和统计功能，可为教师改进教学实践提供决策数据。综上，平台可支撑人工智能相关专业系统能力的培养，通过将多门相关课程和交叉专业课程集成于同一平台，帮助授课教师和学生对不同课程的知识点融会贯通，进而构建系统完整的知识体系，培养学生利用所学知识解决复杂工程问题的能力。

（二）平台架构与体系支撑

平台基于硬件资源虚拟化、云平台和B/S构架建设，面向实验班课程体系进行功能开发与建设，为其课程体系优化调整提供数据支撑，平台架构如图2所示。

平台架构分为基础支撑与运维、资源虚拟与环境构建、课程与实验实践管理三层。

1.基础支撑与运维层为基础支撑模块，具备远程接入（VPN）、身份验证、系统备份、升级与迁移、硬件资源管理、系统性能监控、日志统计与分析等基础支撑功能。

2.资源虚拟与环境构建层实现在线资源的虚拟化、实验环境构建和统一管理，基于虚拟桌面等技术支撑人工智能相关专业各课程的教学与实践，进行自建在线实验。平台涉及的计算、存储和网络资源均已具备较为成熟的网络化、虚拟化方案，各类机器人、机械臂和智能车以及其软件平台均自带网络通信模块，具备可联网、可远程控制的功能，可支撑平台的资源虚拟化和网络化。

3.课程与实验实践管理层提供开展虚拟实验的功能支撑和教学支撑，并完成课程质量相关数据的采集。其主要包括：课程管理与公告管理、课程信息管理、学生管理、题库管理、在线作业、在线考试、作业成绩分析、考试成绩分析、成绩汇总、在线答疑、权限管理、助教管理以及MOOC功能等教学环节所必需的功能，支持构建自动化的交互学习环境。

此外，为全面支撑相关实验实践课程整个教学环节，平台还具有以下特点：

一是选用Jupyter Notebook作为主要在线实践环境。基于B/S构架，实现“任何人、任何时间、任何地点”都可开展实验[17]。支持以作业或者考试为单位，一键进行代码相似性比较和文档相似性比较，对学生提交的代码和报告进行查重，督促学生独立完成作业；支持代码自动分析评判，利用代码自动评判功能支持C、C#、Java、Python等编程语言的自动评判。

二是全方位支持在线考试。支持填空、选择、判断、简答、文件上传以及编程题等常见题型的在线作答；支持自动组卷，支持单场考试多套试卷，并根据客户端IP或者学号自动分发试卷；支持基于IP地址范围的访问控制，在考试期间能够穿透网络代理实时监测以防学生交换账号抄袭。

三是支持课程体系的反馈优化。完整汇集学生在整个培养阶段的学习过程数据、项目实践数据、考试成绩数据以及学生评价、教师自评数据，为人工智能专业教育体系优化研究提供数据支撑。

四、平台建设与部署运行

人工智能教学实践一体化平台建设与山东大学“人工智能与机器人”新工科实验班建设同步开展，目前已完成阶段性建设，部署运行了一批虚拟实验实践教学所需的软硬件资源和环境，有效提升了教学和人才培养水平。

（一）资源虚拟化及统一调度使用

统筹考虑实验实践教学和科研工作需求，集中采购了高性能计算集群和机器人硬件设备用于建设“人工智能与机器人专业实验室”，统一部署了各类服务器、存储、计算资源等硬件资源以及百度飞桨、XAVIS等软件系统，同时集中部署了腿足机器人、机械臂和智能车等硬件实验设备，如图3所示。

各类软硬件资源通过内部局域网联通，并部署VNC代理服务器完成校内网络到平台部署网络的联通，支持虚拟机等资源的访问和操控。如图4所示，整体资源虚拟化及资源调度层级控制架构共分网络层、系统层、硬件层三层。

在网络层，基于学校现有的VPN系统，实现校外网络到校内网络的远程访问，资源虚拟化及远程访问层级控制。系统层可支撑在线虚拟实验，学生可通过浏览器、虚拟桌面进行实验操作，其相关数据通过虚拟机发送到后台Hbase、Spark等生产环境集群进行运行测试并反馈实验数据，有效提高了资源利用率和调度效率。利用云计算技术和远程桌面技术实现基于浏览器的在线实验环境，可以直接在浏览器上远程访问虚拟桌面进行实验，并能够实现多人、异地联合协同远程操作完成实验，教师远程在线进行同步指导和考查。无须配置复杂的硬件条件，学生可随时随地直接在浏览器上进行实验。系统全面记录实验过程数据，并从多个维度分析和展现在线实验过程。硬件层可为计算资源统一调度与共享使用示例，由于深度學习相关实验实践所需的计算资源较多，平台将CPU和GPU资源虚拟化，通过作业调度管理，实现时间片调度、板卡资源调度，有效提升了以深度学习相关实验为代表的高计算资源开销，提高了实验开展效率。

（二）实验构建与导入

工业机器人是人工智能相关科学研究和产业应用的重要领域，其相关实验实践设备资源稀缺、价格昂贵、升级迭代困难等问题尤为突出。以工业机器人实践课程为例，平台提供框架支持各类实验的建设与改进，支持虚拟机、网络、计算资源等基本资源单元的导入，也可基于现有实验环境模板添加实验资源，还可添加自定义的实验模板设置全新实验。实验框架提供实验作业布置，包含班级、开始时间、结束时间等基本内容和实验过程数据采集功能。实验设计和作业管理流程如图5所示。

工业机器人实践课程的实验步骤和内容主要有：集成模型导入、三维虚拟场景搭建、轨迹生成、轨迹可视化仿真、后置代码转换、一键上传离线编程代码以及视觉智能组态编程等。图6为集中配置的UR5工业机器人和相关模拟仿真实验环境。在实际的实验课程中，学生可先通过模拟仿真实验验证代码和功能的正确性与有效性，再通过离线方式上传程序代码到真实机器人环境进行验证，并通过真实机器人环境配置的摄像头观察实验效果。本平台通过集中统筹使用硬件资源和“先仿真测试、后统筹实操”的方式建设相关实验课程，有效提高了课程质量和资源使用效率。代码比对与结果验证是进行实验成绩评定的重要环节，平台通过集成Jupyter Notebook构建基于浏览器的编程实验环境，支持以作业或者考试为单位进行代码相似性比较和查重，同时利用代码自动评判功能支持C、C++、C#、Java、Python等编程语言的自动评判，减轻授课教师的负担并督促学生独立完成作业。

五、结语

团队通过总结近几年的平台建设和应用实践，发现该平台有助于解决人工智能基础理论算法与前沿技术应用脱节而造成的实验实践教学困难等问题，帮助学生建立基础理论与前沿技术之间的认知联系，是实现抽象理论与实际应用融会贯通的有力支撑。通过实验资源库构建基于现有实验模板添加实验资源的增量式部署机制，可有效提高各类昂贵软硬件设备的利用率。同时，平台支持全过程教学数据收集及自动分析，通过完整汇集学生在整个培养阶段的学习过程数据、项目實践数据、考试成绩数据、学生评价以及教师自评数据，为人工智能专业相关课程优化研究提供数据支撑。该平台在山东大学“人工智能与机器人”新工科实验班的应用效果明显，是学校新工科建设改革的重要实践举措，下一步将进一步扩展平台软硬件资源的数量和种类，计划在山东大学进行跨学院应用，使其成为人工智能相关专业课程教学和实验工作开展的重要参考和示范。

［ 参 考 文 献 ］

[1] 汪前元，吴立军.欧美日人工智能战略比较[EB/OL].（2020-06-15）[2021-06-28].http：//sscp.cssn.cn/xkpd/yw/20200

6/t20200615_5142985.html.

[2] 龙坤，朱启超.美军人工智能战略评析[J].国防科技， 2019， 40（2）：17-23.

[3] 关皓元，高杰.新时期中欧人工智能发展战略与政策环境的比较研究[J].管理现代化， 2021， 41（3）：57-62.

[4] 特稿：在世界人工智能发展潮流中看“中国身位”[EB/OL].（2018-09-20）[2021-06-28].http：//www.xinhuanet.com/politics/2018-09/20/c_1123459560.htm.

[5] 中华人民共和国教育部.教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].（2018-04-03）[2021-06-28]. http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.

[6] 中华人民共和国教育部.教育部等五部门关于印发《教师教育振兴行动计划（2018—2022年）》的通知[EB/OL].（2018-03-22）[2021-06-28].http：//www.moe.gov.cn/srcsite/A10/s7034/201803/t20180323_331063.html.

[7] 中华人民共和国教育部.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].（2018-04-18）[2021-06-28].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[8] 胡波， 冯辉， 韩伟力，等. 加快新工科建设，推进工程教育改革创新：“综合性高校工程教育发展战略研讨会”综述[J]. 复旦教育论坛， 2017，15（2）：20-27.

[9] 胡明茂，孙煜，齐二石，等.新工科背景下的地方应用型本科院校实践教学建设[J].实验室研究与探索，2019，38（7）：223-227.

[10] 李晓理，张博，王康，等. 人工智能的发展及应用[J].北京工业大学学报，2020，46（6）：583-590.

[11] 焦文欢，冯兴杰. 基于云桌面的实验室虚拟化管理与应用[J].实验技术与管理，2019，36（9）：250-253.

[12] 苗桂君，许南山，刘勇，等. 基于桌面虚拟化的高校机房的调研与构建[J].实验科学与技术，2017，15（1）：152-158.

[13] 许丽，王鸿鹏，刘觉晓， 等.面向虚拟仿真实验教学的高校公共实验室研究[J].实验技术与管理，2019，36（11）：262-265.

[14] 周益民，田玲，陈文宇. 人工智能专业体系建设探索[J].高教学刊，2020（16）：92-96.

[15] 李祥，陈凤.国际人工智能教育研究的进展及其对专业人才培养的启示[J].黑龙江高教研究，2020，38（4）：79-86.

[16] 刘君，王学伟，梁静.人工智能时代“教研赛训”工作室人才培养模式的实践[J].实验室研究与探索，2020，39（7）：258-263.

[17] FRANK L.Using jupyter notebooks[J].MSDN magazine，2018，33（2）：11-13.

［责任编辑：刘凤华］