基于人工智能技术的新工科信息类专业教学改革探索

杨小凤

(玉林师范学院 物理与电信工程学院,广西 玉林 537000)

0 引言

2017 年6月,教育部发布《新工科建设指南(“北京指南”)》,提出“以立德树人为引领,培养未来多元化、创新型卓越工程人才”[1]。现代的科技革命与产业变革以信息技术为主导,国家战略“中国制造2025”把“新一代信息技术”作为重点发展的十大领域之首[2]。随着信息技术的不断进步,信息人才供不应求,信息类专业成为新工科建设的重点发展对象。

传统信息类专业教学模式存在如下问题:重知识、轻能力,以知识灌输为主,学生缺乏自主思考、探索和解决实际问题的能力;重传授、轻发展,在构建学生知识体系方面,只满足于对基础知识点的教学,缺乏对知识体系的更新和方法的传授,更加忽视了激发学生学习的自主性、创造性;重理论、轻实践,对工程技术人才必备的实践技能缺乏有效培训[3]。

2018年4月,教育部印发了《高等学校人工智能创新行动计划》,指出要推进智能教育发展,探索基于人工智能的新教学模式[4]。2019年5月在国际人工智能与教育大会上通过的《北京共识》更强调了“各国要推动人工智能与教育、教学和学习系统性融合,利用人工智能加快建设开放灵活的教育体系”[5]。人工智能逐渐成为推动新工科教学改革的核心驱动力。

为了适应新工科人才的培养目标,本文从理论教学和实践教学2方面提出基于人工智能技术的信息类专业教学改革措施,以提升学生在人工智能时代的创新发展能力。

1 理论教学改革

传统的信息类专业设置及课程架构缺乏人工智能领域的相关内容,容易造成学生对人工智能时代的新概念、新器件、新前沿完全没有接触,也容易使学生局限于单一专业领域,知识面狭窄。长此以往,传统信息类专业教学将面临陈旧的教学内容与日益更新的工程技术和社会需求之间的严重脱节[3]。

高校应及时修订专业培养方案,设置具有人工智能特色的信息类专业课程体系。人工智能是研究使用计算机来模拟人类智能思维和行为,代替人类从海量数据中完成智能学习、识别、预测等烦琐复杂工作的学科,其实现的关键3要素是机器学习算法、Python编程语言、超级计算机和智能芯片等。根据信息类专业本科生的知识水平特点,可以在低年级增设“Python语言程序设计”课程进行Python编程语言内容的理论教学;在高年级增设“人工智能基础”课程进行基础机器学习算法的理论教学,增设“大数据技术基础”“物联网技术基础”“机器视觉”等人工智能与信息学科交叉融合技术的理论教学。

在信息类专业传统理论课程的教学中应选取目前以及未来的主流技术为教学重点,让学生从实际应用的角度理解并掌握这些内容,并适当补充人工智能新技术应用于解决该课程经典问题的内容,介绍这些新技术解决老问题的应用背景、基本概念和基本原理,让学生对专业研究发展趋势有初步认识,为将来做进一步研究打下基础。以通信工程、电子信息工程等信息类专业必修的传统主干课程“通信原理”为例,在进行数字通信系统有效性和可靠性指标的理论内容教学时,补充介绍目前以及未来主流的5G/6G通信系统通过采用多输入多输出(Multiple-Input-Multiple-Output, MIMO)收发天线来提高通信的有效性和可靠性等教学内容。然而MIMO系统采用了多个射频链路,从而导致通信系统的硬件成本大幅度增加。为了克服上述的问题,可以采用天线选择的方法,从所有的天线中选择最优的天线子集和有限的射频链路匹配,在减少硬件成本的同时,也能保证最优化的通信性能指标。传统的天线选择方法属于穷举法,需要较大的运算量和时间成本。然后补充介绍新兴的基于人工智能的天线选择方法,该方法的本质是将MIMO系统天线选择问题视为机器学习算法中的多类别分类问题,即采用多类别分类器从所有天线组合中选取使得通信系统性能最优化的一个组合,其优化性能高于传统的天线选择方法[6]。又以信息类专业的另一门专业课“数字图像处理”为例,在进行图像特征提取的理论内容教学时,补充介绍该技术的应用实例:智能手机人脸识别、指纹识别等功能的基本原理就是首先提取图像特征再输入图像识别算法进行图像识别。重点介绍目前人工智能领域广泛使用的局部二值模式(Local Binary Pattern, LBP)图像特征描述方法,取代现有教学内容中多数将灰度差分统计等作为图像特征描述方法,使教学内容符合人工智能技术应用发展的需要[7]。然后补充介绍新兴的基于人工智能的图像识别算法,如卷积神经网络(Convolutional Neural Networks, CNN),该方法的本质是将人脸识别、指纹识别等图像识别问题视为机器学习算法中的多类别分类问题,即根据输入的待检测用户图像特征与数据库中的合法用户图像特征进行比对。如果比对匹配,则识别为数据库中的合法用户,反之则识别为非法用户。与传统的图像识别方法相比,CNN不需要人工提取图像特征,识别速度更快、准确率更高。

2 实践教学改革

2.1 实验教学

目前,大部分高校的信息类专业课程如“信号与系统”“数字信号处理”“数字图像处理”“数字语音处理”等课程的实验课主要是运用MATLAB仿真软件编程进行理论内容的验证性实验,学生独立思考和自主设计的机会很少,也很难收到理想的教学效果。MATLAB编程虽然在数学建模、信号分析与处理方面功能完善,但它对大数据的分析与处理能力以及在人工智能算法研发上与Python编程相比尚有许多不足之处[8]。实验教学改革的主要措施是利用人工智能技术的Python编程方法实现对实验内容的应用实践,可以要求学生在原来MATLAB编程实验的基础上增加Python编程实验,并将两者的实验结果进行信号分析与处理效果以及编程复杂性的对比。以“数字图像处理”课程的图像变换、图像增强和图像分割等实验内容为例,杨晓玲[8]列举了对同一实验内容的MATLAB程序和Python程序,对比两者的图像处理效果。上述实验改革措施可以培养学生的创新思维,锻炼学生的多元发展能力,加深学生对本专业基本理论和重要知识点的理解,并加深其对人工智能时代新技术、新方法的认识。

2.2 毕业设计实践

毕业设计是本科学业最后的关键环节。信息类专业一般要求学生综合运用大学4年所学的软硬件理论知识完成一个电子作品的设计制作。目前,大部分高校信息类专业的毕业设计出题一般是基于单片机、传感器的电子作品的设计制作,作品功能要求也比较简单陈旧,通常要求液晶显示、蜂鸣器报警、驱动继电器或发热片等,难以达到新工科人才培养“创新驱动发展”的要求。毕业设计实践改革的主要措施是根据本校本专业学生知识能力水平的特点,毕业设计出题时适当增加反映人工智能时代的技术潮流和市场需求的功能要求。笔者作为信息类专业毕业设计指导老师,近5年已指导34个学生完成智能电子设计方向的毕业设计。部分毕业设计题目和要求如表1所示,其中题为《智能灭蚊灯的设计》的学生毕业设计作品如图1所示。从表1可以看出,笔者指导的智能电子设计方向的毕业设计要求和传统的信息类毕业设计要求相比增加了手机App远程控制或显示、语音控制、指纹控制等智能控制功能,要求学生综合应用智能芯片、传感器、单片机和无线通信等知识来完成。指导老师指导学生网上下载或用“易安卓”编写程序以实现手机App功能,选用蓝牙通信模块实现手机和单片机的通信,选用语音识别芯片实现语音控制,选用指纹识别芯片实现指纹控制等。实践证明,智能电子作品方向的毕业设计题目由于新颖性和实用性较高,激发了学生完成毕业设计的兴趣和热情,毕业设计质量显著提高。

图1 题为《智能灭蚊灯的设计》的学生毕业设计作品

表1 智能电子设计方向的毕业设计题目示例

2.3 竞赛项目实践

以指导学生参加“互联网+”大学生创新创业大赛为例,指导老师根据学生平时表现统筹安排学生组队参赛,指导学生进行文献阅读和市场调研、拟定参数组别和参赛题目、技术分析和产品架构设计、指导撰写项目计划书和答辩等。近年来,“互联网+”大学生创新创业大赛的获奖热点主题集中在“人工智能技术”和“绿色环保”,反映了当前技术热点和社会市场需求。笔者近年曾指导参赛题目《物联网水果质检分级机》,主要创意是基于智能视觉识别技术高效分析水果颜色及成熟度,将水果精准分级,并通过物联网远程控制水果质检分级,农户可以在App上观测到水果质检分级结果。另外,结合“高频高压产生活氧”除农药法充分降解果品农药残留和“密封管声耦合器”方法消灭害虫,该创意符合大赛获奖热点主题。项目学生负责人负责团队管理、协调和项目总结;指导老师统筹安排2个学生成员负责新产品元器件选择、电路设计和硬件制作,2个学生成员负责新产品程序设计和调试,2个学生成员负责新产品系统集成和性能测试,2个学生成员负责新产品营销和推广。创新创业大赛的实践训练,培养了学生的创新思维和团队合作精神,为人工智能时代的人才培养做好准备。

3 结语

随着人工智能技术对现代社会的影响日益显著,新工科信息类专业教学也应该融入人工智能技术。针对目前信息类专业教学中存在的问题,本文结合人工智能的时代要求,在信息类专业的理论教学和实践教学两方面就如何提高教学质量进行了改革与探索。信息类专业教学改革要从新工科人才培养的要求出发,通过设置具有人工智能特色的信息类专业课程体系、更新理论和实验教学内容、更新毕业设计出题方向和鼓励学生参加相关竞赛项目等改革措施,提高学生的人工智能技术研究和应用能力,培养具有创新意识和发展能力的新工科人才。