融合课程时政的“人工智能技术”教学案例设计

［摘 要］ 人工智能技术已经成为国家重要发展战略。针对目前“人工智能技术”课程教学形式单一、人工智能案例较少等问题，以爱国主义教育为思想引导，将人工智能与实际的生产生活相联系，设计了与量子遗传算法、新冠感染三维CT图像和天问一号等人工智能相关的案例。融入学术志向，引导学生树立正确的学习观念，激发爱国热情。教学案例有利于增强学生的学习兴趣，培养学生的民族自豪感以及勤奋刻苦、努力拼搏、锐意进取和创新的精神，提高学生的创新、科研、实践能力。

［关键词］ 人工智能技术；课程时政；量子计算；CT图像；天问一号

［基金项目］ 2019年度教育部高等教育司产学合作协同育人项目“新工科背景下‘智能+图像处理’创新人才培养研究与实践”（201902083001）；2019年度全国高等学校计算机教育研究会课题“‘人工智能+’课程体系及评价方法研究与实践”（CERACU2019R05）；2023年度北方工业大学研究生教育教学改革研究项目“计算机类交叉学科与创新应用型人才培养模式探索与研究”（217051360023XN269-20）

［作者简介］ 张永梅（1967—），女，山西太原人，博士，北方工业大学信息学院教授，主要从事人工智能、图像处理研究；陈 浩（1997—），男，安徽亳州人，北方工业大学信息学院2021级计算机科学与技术专业硕士研究生，研究方向为人工智能；周梦洋（1998—），男，河南信阳人，北方工业大学信息学院2021级计算机科学与技术专业硕士研究生，研究方向为人工智能。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2024）11-0137-04 ［收稿日期］ 2023-03-23

引言

人工智能对促进经济发展和社会进步具有深远影响，世界许多国家都高度重视人工智能技术的发展。我国正处在从“中国制造”到“中国智造”的战略转型阶段，人工智能技术成为带动经济发展的引擎［1］。

高校院所作为国家重要的人才输送基地，承担着中华民族伟大复兴的历史重任，因此国内越来越多的高校开设了“人工智能技术”课程。本文设计实现了融合课程时政的“人工智能技术”教学案例，有利于提高学生实践与创新能力，提升学生科技创新和服务国家需求的能力。

一、“人工智能技术”课程概述

“人工智能”一经提出就受到各界的广泛关注。研究者在此基础上发展了众多的理论和方法，人工智能的概念和领域也随之拓展和完善。

人工智能技术已成为当今最热门的学科之一。从我国政府层面来看，已初步完成对人工智能的战略部署。随着国家政策的扶持，人工智能已逐步渗透到各行各业，如教育、医疗、机器人等。由于国家的支持和企业的需求，目前人工智能相关行业的人才缺口很大。

本文设计实现了融合课程时政的“人工智能技术”教学案例，有利于启发学生对人工智能的兴趣，培养学生的民族自豪感以及勤奋刻苦、努力拼搏、锐意进取和创新的精神。

二、典型课程时政教学案例设计与实现

人工智能是一门研究范围广泛的综合学科，对研究人员的综合素质提出了较高的要求。人工智能在许多研究领域取得了丰富的研究成果，例如计算机视觉、多模态特征融合以及目标检测。算法的突破是人工智能发展的核心，本文设计实现了融合课程时政的“人工智能技术”教学案例，通过使用人工智能领域先进的技术以及算法模型解决实际应用场景中的挑战，实现理论和应用的结合创新，提升学生对人工智能学科的学习兴趣，多层次、多角度地完善学生的综合素质能力。

（一）基于量子遗传算法的图像聚类案例设计

目前，各国科技巨头竞逐量子霸权，加速实现技术突破。本文设计实现了基于量子遗传算法的图像聚类案例，有利于学生了解“卡脖子”技术的核心问题以及与本课程的关系，进一步明确自己的努力方向。近年来，遗传算法在求解最优化问题中展示出良好性能并广泛应用。遗传算法的灵感来源于生物遗传学，是通过运用自然选择机制，人为构造的一种优化搜索算法。它以数字为载体，模仿生物的进化过程。作为进化计算最重要的形式，遗传算法的出现在一定程度上解决了难以找到传统数学模型的问题。

量子计算和人工智能是最令学界和业界振奋的未来科技，二者的结合势必带来领域的重大进步。我国有关量子的研究在世界范围内处于领先地位。量子计算引入量子态扩大了算法可行解的搜索范围，并且在计算的时间和空间复杂度上相比于遗传算法有更好的表现，在提高聚类稳定性的同时，能够提高聚类算法的性能。

如何将量子计算与传统智能方法相结合，取长补短，设计出更加行之有效的高效智能方法呢？这些都是量子计算研究领域亟须回答的问题。本文采用量子遗传算法进行图像聚类，该方法对输入的数据进行处理，将量子算法融入聚类过程中，以提高复杂图像边缘数据的聚类效果。量子遗传聚类方法的核心是将数据聚类问题转换为聚类中心的寻优问题。

本案例采用KMQGA（quantum-inspired genetic algorithm for k-means clustering）算法，该算法利用Minkovski距离代替欧氏距离来表示像素之间的距离。当规定的参数不同时，Minkovski距离将转化为欧氏距离、Mahanttan距离或Sup距离。它克服了欧式距离仅适用于低维数据空间，且对噪声数据的敏感度较高的缺点，是一个灵活度较高的距离度量。基于量子遗传算法的图像聚类方法具体步骤如下：（1）利用量子比特表示随机生成的初始种群；（2）将量子比特表示合并为二进制表示，进行实数编码表示，使用DB适应度函数来评估每个染色体；（3）如果满足终止条件，则输出最佳结果，否则保存最佳染色体，并进入下一步；（4）如果满足早熟准则，则执行步骤（6），否则执行步骤（5）；（5）将交叉和变异的概率分别调整为和，然后执行步骤（7）；（6）分别调整交叉概率和变异概率为和，然后执行步骤（7）；（7）执行选择、交叉操作，以及变异操作；（8）如果满足灾变标准，则继续执行步骤（10），否则执行步骤（9）；（9）查找旋转角度表，执行旋转操作，返回到步骤（2）；（10）执行灾变操作，返回到步骤（2）。

图1给出了其中的一组实验结果。（a）为遗传算法在每次迭代后输出的最佳染色体的适应度，（b）为量子遗传算法在每次迭代后输出的最佳染色体的适应度，可以看到（b）中的输出适应度更大。实验结果表明，引入量子计算的遗传算法比传统的遗传算法得到的最优解更好。

本案例有利于启迪思维，鼓励学生利用人工智能技术为我国实现科技强国“添翼”，激发学生的民族自豪感，激励学生积极投身国家的发展，实现专业教育与思政教育的有机统一。

（二）基于深度学习的新冠病毒感染三维CT图像分割和三维重建案例设计

本案例实现对新冠病毒感染患者的肺部CT影像病灶分割的方法，以及分割的应用。人工智能的核心是机器学习，机器学习的核心是深度学习。本案例将人工智能与图像处理技术有效结合，有利于打通科研项目与课堂教学的科教融合渠道，使学生身临其境地参与到科研项目中，提高学生的与人工智能技术相关的科研能力。

2020年初，新冠病毒感染席卷全球，给许多国家和人民造成严重的生命和财产损失［2］。我国按照“及时发现、快速处置、精准管控、有效救治”的工作要求，坚决防范境外疫情输入和境内疫情反弹。在此过程中，人工智能技术显得尤为重要，主要应用有辅助诊断、影像分析、药物研发、病毒溯源、体温检测、医疗机器人等［3］。CT技术作为新冠病毒感染诊断的有效手段，是新冠病毒感染临床诊断的重要依据。医生可以利用胸部CT图像诊断新冠病毒感染，利用人工智能技术辅助诊断新冠病毒感染，有利于缓解专业医生紧缺问题，提高就诊效率。

卷积神经网络（convolutional neural network， CNN）已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。

该案例主要涉及影像分析中的图像分割和三维重建，三维图像分割技术已经较为成熟，实现时主要用到了CNN、VTK三维显示技术、coplenet网络3D分割技术、Unity3D的三维重建技术，以及GUI设计技术。具体操作步骤如下：（1）输入3D-CT扫描的原始nii图像；（2）利用VTK三维显示技术直观展示原肺；（3）数据均匀分布的重采样；（4）将重采样图像发送到CNN，提取足够有效的特征；（5）将输出分量进行融合，并生成分割后的病灶；（6）转化为fbx文件，并将其拖入unity的Scenes文件夹；（7）分割前后的两个nii图像以组件形式加入Terrain平台中，位置为：37、-2、19，修改原始肺部模型的颜色为润红色；（8）添加人物模型；（9）人物添加animator组件，双击编辑；（10）拖入人物，添加相机，将相机和人物建立关联；（11）添加capsule collider胶囊碰撞检测，调整好胶囊的大小，与人物尺寸相同。

图2给出了其中的一组实验结果。对新冠病毒感染患者肺部病灶三维重建后的模型比较清晰。

该案例通过人工智能技术在抗击新冠病毒感染中的应用，体现了中华民族展现的强大凝聚力和战斗力，有利于提高学生分析、解决复杂问题的能力，培养学生不懈努力的精神和改革创新的能力，思考新的理论和方法，助力科技强国，注重新技术的应用转化。

（三）模拟“祝融号”火星车在火星表面的案例设计

本案例主要模拟天问一号火星探测器搭载的“祝融号”火星车着陆火星表面，并且开展一系列探测行动。该案例提高了学生的参与度，加强了学生的成就感，有利于从内心深处激发学生强烈的民族自豪感和爱国情怀。

随着人工智能技术的兴起，人工智能技术在行星探测领域的应用愈发深入。开展火星探测工程不仅需要深空探测技术的经验储备，而且需要等待火星每隔26个月的窗口期，因此这为火星着陆设置了较高的壁垒。“祝融号”火星车上搭载的多个科学载荷，分别在火星地表浅层结构、地表元素、磁场环境、气象环境等方面获取了大量科学数据。这些数据为了解火星和深入研究提供了重要支撑。这一切成绩的取得，离不开人工智能技术的支持。根据目前国内外对火星探测掌握的资料来看，火星和地球的地质环境最为相似，都拥有高山、平原和峡谷。由于缺少大气层并且长期受太阳的照射，火星表面到处是沙丘和砾石。通过3D建模软件对火星环境进行还原，有助于进一步细致分析火星地质结构，辅助科学家推断火星的地质演化规律，为人类着陆火星和建立火星基地提供科学依据。

火星环境模型来自公开的模型，为了使用户在体验过程中拥有更强的沉浸感，增加了第一视角模式。第一视角的实现通过获取鼠标的偏移量来控制相机旋转，采用Input.GetAxis（）方法获取鼠标水平和竖直方向上的偏移量，将得到的值经过处理后传递给vector3。在Scripts文件夹下创建文件MouseLook的C#文件，文件中可以设置鼠标移动速度，其中MouseX和MouseY是鼠标控制的水平位移和竖直位移。

通过3D建模实现对火星地表环境的模拟。从图3可以看到，火星地形有平原、丘陵和高山，与实际情况比较相似。

本文模拟火星车行驶在火星表面，可以主动避免一些复杂的地形，从而保证火星车的顺利行驶。火星车的前、后、左、右移动主要通过Input.GetKey（）方法来获取键盘上的相应操作，当按下W键时，先判断方法GetKey（）获得的操作是否为W，若是，通过Transform.Translate根据Translation的方向和距离来移动变换。其他操作与此类似，可以实现火星车的前进、后退、左转弯和右转弯等操作。

在实现火星场景还原的基础上，加入了火星车的三维模型，用来对“祝融号”着陆火星进行仿真。为了尽可能地与实际场景一致，火星车移动考虑了火星地表土壤较为松软和火星车的自重，因此火星车的车轮会陷入，这符合客观实际情况。火星车除了前进和后退之外，在遇到特殊地形时，需要调整方向来避免受阻，因此还加入了转弯的功能。开展火星资源勘探任务主要是针对火星地表的土壤进行采样，分析土壤的成分从而便于后续的研究。当火星车移动到特定的区域时，可以通过资源勘探功能来发掘显示当前区域存在的矿石资源、水资源等。