浅谈人工智能课程建设与实践.docx

《浅谈人工智能课程建设与实践.docx》由会员分享，可在线阅读，更多相关《浅谈人工智能课程建设与实践.docx（13页珍藏版）》请在第一文库网上搜索。

1、浅谈人工智能课程建设与实践摘要：开源平台的兴起为人工智能发展与持续创新提供了动力。通过分析当前研究生人工智能课程建设中的问题、挑战与时代要求,提出拥抱开源平台的人工智能课程建设原则与实施路径。重点分析、设计面向开源能力评价体系，以开源评价驱动课程建设创新，提升学生在人工智能领域研究上的综合能力，致力于培养熟悉开源的研究型人才。关键词：开源模式；人才培养；人工智能；课程建设引言:2023年3月，教育部、国家发展改革委、财政部联合印发关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见提出，要加强人工智能领域研究生培养方式的融合与创新，在课程体系建设中强调“精密耦合”，以“全链条

2、”“开放式”“个性化”为目标，打造人工智能核心知识课程体系和应用模块课程111O我国在“十四五”规划和2035年远景目标纲要中明确提出，要瞄准人工智能领域加强原创性引领性的科技攻关，要在新一代人工智能的理论与工程应用上有所突破、创新，还提出要在深度学习框架等开源算法、平台构建上有所贡献2。人工智能的创新与发展需要人才，研究型高校作为人才培养的主力军，担负着为国家培养研究型人才的重任。为了适应新时代对人工智能领域人才的要求，对传统人工智能课程进行改革建设便成为了人工智能教育领域的重要课题。开源社区的兴起为人工智能课程建设提供了新的方向，其自身就具有巨大的优质教学与研究资源，在人工智能技术发展中起

3、到了重要的推动作用，目前人工智能已进入一个全新阶段，开源开放已成为推动技术持续进步的行业共识和重要驱动力量。人工智能是一门实践性很强的课程，大部分人工智能框架与模型均已开源，为人工智能课程建设带来了机遇。本次改革基于研究生的课程一一高级人工智能，重点培养学生的开源意识、开源能力、团队合作精神、创新思维、研究能力。在课程改革建设过程中，首先分析传统人工智能课程存在的问题与开源背景下课程建设面临的挑战，从课程内容设置的前沿性、教学方法的高效性等方面进行分析，提出开源模式下人工智能课程建设思路与评价方法。通过开源软件、在线资源、社区协作等方式，为学生提供全方位的学习支持与实践体验，旨在培养学生的实践

4、能力和创新意识。1相关研究研究生人工智能课程改革研究，目前存在“人工智能+X”的模式助力人工智能融合其他专业3-5,在研究生阶段开设人工智能课程，以学科交叉、跨界融合、精准培育方式赋能专业创新，为培养复合研究型人才起到重要作用。从人工智能赋能交叉学科人才培养的制度建设与培养研究中可见，人工智能课程对其他学科的创新发展和研究型人才培养赋能起到了至关重要的作用，能有效提高复合型研究人才的培养质量6-7。在课程建设研究方面，基于人工智能课程的实践改革取得了较好的效果，在课程体系建设过程中通过加强教学实验、项目驱动、课题研究等方面创新教学模式，提高了研究生的动手能力、独立思考能力、研究与探索意识8-1

5、0。在开源教育模式方面，目前软件工程教育已进行多种探索，从软件人才的培养模式进行改革，建立了培养方法与评价标准11O例如，国防科技大学软件工程课程引入开源模式，学生在软件开发课程中采用开源教学模式，通过阅读开源项目代码、参与开源项目提升学生的软件开发能力12。目前，通过分析人工智能与开源模式的研究发现，大部分主要关注融合人工智能专业的交叉建设与课程，在课程建设研究上仍采用传统实验课程资源进行教学，与开源项目的对接还不够深入。开源提供了海量资源、优秀的学习案例，使学生能更好地融入前沿项目，对培养人工智能研究型人才具有一定的促进作用。虽然，开源模式在软件工程中取得了一定的成果，但软件工程侧重于参与

6、开源软件的编写与阅读，人工智能课程的开源模式仍侧重于构建数据集和模型、优化人工智能算法等方面。为此，本文基于开源模式的研究生人工智能课程建设原则、路径与评价方法，为研究生人工智能课程建设提供了框架参考。2开源背景下人工智能课程建设挑战2.1 开源社区发展对人才培养提出新要求根据Open1ogic和开源组织OSI的2023StateOfOPenSOUrCeRePort(全球开源趋势报告)调查发现，在企业与开发者对开源技术的采用情况显示，人工智能开源框架与工具的使用排在第4位，占比27.69%13o行业技术领袖均在持续行动，推动企业积极采用、贡献开源技术，并使人工智能与机器学习开源项目不断发展。企

7、业与开发者使用人工智能开源框架的数量在持续增长，在2023年人工智能开源大事件中，AIGC(AI-Gener-atedContent)相关技术引发了全球关注，OpenAI也上线升级版文本生成图像模型DA11E2,还组织GPT-3模型的交互式变体ChatGPT。其中，英伟达开源了1inUXGPU内核模块，这些人工智能开源社区的标志性事件将对未来人工智能开源发展产生深远影响。目前，开源发展使企业需要大量理解开源、熟练掌握开源的人工智能高级人才。高校在开源教育上有所行动，例如开展“开放原子校源行”公益项目为学校、企业、行业提供生态社区，使开源文化在校园生根发芽。武汉大学积极开展开源教学模式，倡导开源

8、融入课程建设，成立了武汉大学OPenHarmony技术俱乐部，是国内第二家、华中地区首家OPenHarmOny技术高校俱乐部。综上，人工智能教育拥抱开源已成为人才培养的时代要求。2.2 人工智能课程的内容建设应持续更新目前人工智能课程建设主要关注人工智能的基础理论、应用场景和案例、编程实践、伦理和社会问题及跨学科合作等方面，这些内容可帮助学生全面了解人工智能的基础知识与最新进展，使其掌握实际应用能力。人工智能课程知识模块如表1所示。面向研究生的人工智能课程需要更深入、更全面的学习课程知识，结合研究性与先进性,关注人工智能领域的发展方向，在课程建设中应重点突出建设以下方面：(1)深入理解机器学习

9、算法和模型。研究生更应深入学习机器学习算法和模型，包括深度学习、强化学习、贝叶斯网络等。如此，才能深入理解算法原理、特点和应用场景，并能应用这些算法解决实际问题。（2）掌握自然语言处理和计算机视觉技术。自然语言处理、计算机视觉是人工智能的重要应用领域。研究生应掌握自然语言处理与计算机视觉的技术和算法，并能应用该技术解决实际问题。（3）深入了解人工智能的伦理和社会问题。人工智能的发展和应用会引发部分伦理和社会问题，包括隐私保护、数据安全、公平性和透明度等。研究生应深入了解该问题，学会如何解决这些问题。（4）学习最新研究进展和前沿技术。人工智能发展非常迅速，研究生应了解最新研究进展，学习前沿技术，

10、掌握当前研究热点与趋势，并能进行科学研究。此外，在课程建设和升级中应持续保持前沿性，采用开源课程形式。例如，中国人民大学朝乐门114在数据科学导论课程的建设中使用开源课程模式，并进行教学改革，实践表明该方法能复用教学资源，提高备课效率与质量。采用开源课程模式,师生共建课程需将课程开放，形成开源课程。同时，在GitHub或Gitee等开源平台进行，不断积累优秀经验和案例，持续迭代更新以保持课程内容的前沿性。，开源资源内容结构如图1所示。2.3 人工智能课程教学方法应与时俱进人工智能是一门复杂的学科，涵盖了多个领域和技术。为了使学生更好理解、掌握人工智能的知识和技能，一般采用理论教学方法讲解人工智

11、能相关算法，例如搜索算法、机器学习算法、神经网络算法等。在实验教学中，通过编写代码和实现人工智能算法，使学生更好地理解、掌握人工智能的基础知识和技术。课程上，结合机器学习、自然语言处理、图像识别等领域的项目实践，帮助学生提升实践能力，采用项目教学方式提升学生综合能力，通过小组合作方式开发项目，让学生选择自身感兴趣的领域，例如智能问答、机器翻译、自动驾驶等,通过深入了解项目，掌握人工智能应用O为满足学生个性化需求，开展学科交叉教学。人工智能课程涉及多个学科领域，例如计算机科学、数学、统计学等，通过学科交叉教学帮助学生更好地了解不同领域的知识与技能，并在人工智能学习中获得更全面的视野和能力。教学过

12、程可通过讨论、辩论展开人工智能的伦理与社会问题，让学生充分锻炼独立思考和表达能力。除了基础教学方法外，研究生课程还需着重以研究型课程教学方式开展，增加文献阅读与研究、参加学术会议和研讨会，实现课程开展与课题研究并行，充分提升学生的科研能力。传统课程实践一般通过教师指定项目和作业任务，但通常情况下项目来源较为匮乏，并未考虑学生的主体需求。目前，学生学习的课程案例代码，并未参与企业级项目开发，对项目架构、编码规范、文档编写接触较少，但这些内容是学生未来进入企业所必须掌握的。然而，新技术与工具难以在课程中全部讲解，创新课程设计和优秀项目也难以持续更新，并作为课程资源加以利用。开源作为一种开放的社交化

13、编程模式，学生需要具有代码分析能力、编码规范意识、团队合作精神、文档编写能力等，特别在大规模人工智能程序开发中尤为重要。因此，应在教学过程中拥抱开源，培养学生开源能力，开展开源模式，例如阅读优秀开源项目代码、参与开源项目、复现论文、将自己研究开源并持续维护。此外，开源平台自身也具有许多优秀的学习资源，学生在校期间就能快速接触各种企业级项目，学习优秀的项目架构思想和代码，了解开源社区生态，引入这些教学方式、内容对提升学生能力具有积极意义。3开源模式下人工智能课程建设实践课程建设离不开资源，开源平台为人工智能教育提供了丰富的免费工具和资源，包括深度学习框架、数据集、代码示例等。这些资源能帮助学生更

14、好地了解、掌握人工智能的基础知识和技能，并在实践中不断提升自身能力和技术水平。开源模式下的人工智能课程建设需要转变思路，利用好开源平台，使用平台资源赋能人工智能课程建设。3.1 建设原则开源模式下的人工智能课程建设应该遵循以下原则：（1）共建共享。采用开源模式下的人工智能课程建设应倡导共建共享理念。在建设过程中，应充分利用社区资源和社会力量，广泛征集意见、建议，以实现优化课程内容和质量的目的。（2）多样性。开源模式下的人工智能课程建设应鼓励多样性，以满足不同学生需求，提供初学者版、高级版、专业版等多版本课程满足不同层次、领域学生的需求。（3）开放式课程设计。开源模式下的人工智能课程应采用开放式

15、课程设计，鼓励学生自主选择学习内容和学习路径。课程应以项目为核心，设计具有挑战性的项目任务，以激发学生创新能力和实践能力。（4）开放式评价。开源模式下，人工智能课程应采用开放式评价方式，鼓励学生自评、互评。评价方式应包括考试、作业、项目、论文等方面，以全面评价学生的综合能力。（5）课程持续更新。开源模式下，人工智能课程应采用课程持续更新方式，及时反映最新研究成果和实际应用情况，应充分利用社区力量不断改进课程内容和教学方法，以满足学生需求。综上，在开源模式下的人工智能课程建设中，需要建立完善的课程管理和质量控制机制，既确保课程内容和质量的稳定和持续改进，还需培养、引进具有实践经验和研究背景的教师

16、和专家，确保课程的专业性和权威性。3.2 建设路径在开源模式下的人工智能课程建设需要作到资源开放、多方评价、持续改进、师生合作，课程建设的路径如图2所示。由图2可见，课程建设围绕开源平台展开，课程资源建设开源从开源平台获取资源，也可将资源存放至开源平台。教学活动的开展依赖于开源资源，例如学生阅读开源代码、参与开源项目、创建开源项目，因此在教学评价上要变革评价方式，引入学生在开源上的贡献进行评估。课程建设是一个持续改进的工作，需要依赖社区合作，通过社区引入专业教师团队、学生、工程师等优化课程资源，作到课程迭代和反哺开源平台。人工智能课程在开源模式下的建设路径如下：（1）明确课程目标。首先要明确人工智能课程教学目标，例如学生应掌握的基本知识、技能和实践能力，基于目标分析确定课程内容与教学方式，满足学生需求。（2）利用开源资源。在开源模式下利用丰富的开源资源，包括课程教材.、代码、工具和案例等。在社区中搜索收集相关资