人工智能原理及应用课程思政的探索与实践

摘  要：针对人工智能类专业课的课程思政建设与实施问题，介绍人工智能原理及应用课程的教学内容设计、课程案例与综合实验安排，发现和挖掘学科背景和专业知识中思政元素，并将其深度融入理论教学和实验教学。该文提出案例分析式教学模式、集思广益式项目分享和竞赛激励式创新锻炼等课程思政的实施路径，探讨课程思政与专业课程内容进行有效融合的具体方法。

关键词：人工智能；课程思政；思政元素；案例教学；课程建设

中图分类号：G641 文献标志码：A          文章编号：2096-000X（2023）27-0193-04

Abstract： In view of the ideological and political construction and implementation of artificial intelligence professional courses， the teaching content design， course cases and comprehensive experimental arrangement of the "Principles and Applications of Artificial Intelligence" course were addressed， and the ideological and political elements in the discipline background and professional knowledge were discussed. Besides， the ideological and political elements were deeply integrated into theoretical teaching and experimental teaching. The implementation paths of curriculum ideological politics were devised， such as case analysis teaching mode， brainstorming project sharing and competition incentive innovation exercise， and the specific methods of effective integration of curriculum ideological politics and professional curriculum content were shared and discussed.

Keywords： artificial intelligence; curriculum ideology and politics; ideological and political elements; case teaching; course construction

随着2017年7月国务院印发的《新一代人工智能发展规划》和2018年4月教育部印发的《高等学校人工智能创新行动计划》深入贯彻实施，我国高校的人工智能专业建设获得了历史性机遇。在近四年教育部公布的《普通高等学校本科专业备案和审批结果》中，我国分别有35所（2018年度）、180所（2019年度）、130所（2020年度）和95所（2021年度）高校获批了人工智能专业，合计440所高校。此外，智能科学与技术、数据科学与大数据、智能制造等与人工智能技术密切相关的新专业也在大量获批建设。

为了响应新形势，很多教学团队在人工智能类课程建设方面进行了卓有成效的教学研究和实践探索[1-3]。同时，以百度为代表的国内人工智能企业连续开设全国高校深度学习师资培训班，并且推出AI Studio等优秀的实践开发平台，解决了大多数高校面临的人工智能类课程缺少统一开发环境与计算资源匮乏的难题[4-6]。

与此同时，面向人工智能类课程的课程思政研究与实践获得了越来越多教学团队的关注和重视[7-10]，成为人工智能类课程教学过程中不可或缺的核心环节。课程思政的教育目标是在专业课程上融合思政元素的学习，将社会主义核心价值观渗透在课程的各个角落，让学生对思想品德教育进行更深层次地理解与吸收，不断培养学生的科研创新能力和素养，培养学生的爱国情怀，使学生树立正确的世界观、人生观和价值观[7]。

人工智能原理及应用课程主要介绍人工智能领域中常用机器学习模型和深度学习模型，以及这些模型在数据分析、计算机视觉、自然语言处理等领域中的应用案例。课程采用“原理-模型-代码-案例”的教学思路，使学生学会思辨思维，运用哲理性思想观点掌握以机器学习和深度学习为代表的人工智能模型的设计原则，加强学生理论和实际相结合的能力。

一  课程的教学目标和教学内容

人工智能原理及应用课程的教学目标包括以下内容。

目标1：培养学生掌握和理解人工智能的基础概念和方法，重点掌握机器学习和深度学习中的典型算法模型，培养学生对复杂工程问题的分析解决能力，建立辩证思维，激发科技报国的家国情怀和开拓创新精神。

目标2：通过课程案例和综合实验，培养学生对实验结果进行分析和讨论，对算法和模型进行改进和优化，获得合理有效的结论并最终撰写实验报告，增强学生的自学意识和创新能力。

目标3：了解人工智能领域的国际发展趋势、研究热点，了解人工智能伦理及其安全边界，了解人工智能技术和人类的互补性，在应用人工智能技术时能充分考虑其对人类社会所带来的潜在影响，具备跨文化交流的语言和书面表达能力，能就人工智能领域的专业问题，在跨文化背景下进行基本沟通和交流。

本课程是自动化专业选修课，共计40课时，其中32课时为理论教学，8课时为实验教学。本课程教学内容分为4个部分。

第一部分是人工智能简史与开发基础（8课时），主要讲授人工智能的发展历程与应用场景、数学基础复习、Python库操作复习、常见的深度学习框架、AI Studio开发平台飞桨服务平台和工具组件，其中第一部分涉及2个案例，分别是EasyDL平台操作和Python爬虫与数据分析。

第二部分是机器学习基础（8课时），主要讲授机器学习发展历程、分类模型、回归模型、聚类模型、集成学习模型和机器学习模型评估方法等，其中，第二部分涉及4个案例，分别是2个线性回归案例、1个支持向量机案例和1个聚类案例。

第三部分是深度学习基础（16课时），主要讲授神经网络的定义及其结构、BP算法、深层网络的传播过程、卷积神经网络结构、经典神经网络架构、循环神经网络、长短期记忆网络、门控循环单元、注意力机制、常用的注意力机制模块和模型调优策略，其中第三部分涉及11个案例，为多层感知机、深度网络DNN、卷积神经网络和循环神经网络等。

第四部分是人工智能应用综合实验（8课时），主要讲授深层网络的参数与代码实现、卷积神经网络代码实现、循环神经网络的代码实现和超参数调优方法，其中第四部分涉及4个综合实验，分别是车牌识别、图像分割U-Net、YOLO-v3（AI识虫）和使用注意力机制的LSTM的机器翻译。

上述教学内容中涉及的课程案例和综合实验见表1，实验的开发环境为百度AI平台中的EasyDL和AI Studio，深度学习框架为飞桨，代码全部用Python3编写。

二  思政元素的提炼与融入

人工智能原理及应用课程的教学目标不仅包含了机器学习和深度学习中的基本模型和算法，而且强调发现和挖掘学科背景和专业知识中思政元素，并将其深度融入理论教学和实验教学。

本课程综合考虑课程大纲明确的知识、能力、素质要求，以及课程相关的毕业要求指标点，在四个部分的教学内容中分别设置科学精神、家国情怀、辩证唯物、知行合一、工匠精神、文化自信、爱岗敬业和创新开拓等8个思政元素，见表2。同时，根据具体的教学内容和案例特点，设计了思政元素的融入形式。

思政元素的提炼与融入可以来源于榜样的力量、时事政治、哲学元素、爱国主义情怀和人文精神[10]，也可以结合高校自身的办学特色与传承[7]，以及地区的经济特点。比如，本课程在人工智能简史中不仅介绍著名科学家和清华大学评选出的人工智能全球最具影响力学者榜单中的著名学者，还介绍了本学院在人工智能领域的知名校友事迹和优秀毕业生事迹。这些“身边”的榜样对于学生们更容易产生共鸣和触动，激发其求学求知热情。杭州是数字经济非常活跃和发达的城市，拥有大批人工智能领域的优秀企业。因此，在介绍课程案例和综合实验设计背景与应用前景时，课程还会结合这些企业的主营业务和核心产品。这样的思政元素融入形式不仅“润物细无声”，而且对于培养学生们的制度自信、文化自信、爱岗敬业和创新开拓是“干货满满”的。

三  课程思政的实施路径

为实现课程思政与专业知识的深度融合，有效提升课程思政对学生知识、能力、素质等全方位的培养效果，本课程针对理论教学、实验教学和课后知识拓展设计了3条课程思政的实施路径。

（一）  案例分析式教学模式

人工智能类课程涉及到的知识点众多，一般包括知识、知识表示、搜索策略、逻辑推理、机器学习、深度学习和知识图谱等，同时涉及到的应用背景跨度大，往往要求学生具有较扎实的数学知识（线性代数、数学分析、概率统计、最优化方法等）和一定的编程能力（Python编程）。但是作为专业课程，往往只有32课时或者40课时。因此，在有限的课时内，面向自动化专业或者非计算机专业的学生，本课程的理论教学选择机器学习和深度学习作为其核心知识点，采用案例分析式教学方法，不仅讲授基本的机器学习和深度学习模型原理，更加强调从模型到代码的实现过程，提高学生的模型参数调试和应用能力。

由表1可知，本课程利用EasyDL和AI Studio平台提供的开发环境和免费的计算资源，共安排了17个教学案例。这些案例和实验全部基于国内优秀的百度AI平台和飞桨框架开发和调试，非常有利于提高学生们的民族自信心和自豪感，培养学生们的家国情怀。此外，这些案例和实验来源于日常生活，有利于激发学生们的学习兴趣。在案例分析式教学的过程中，数据、原理、模型、代码实现了有机结合，有利于培养学生们辩证唯物的哲学观和知行合一的职业观。在模型参数调试、模型训练和测试的过程中，学生们非常直观地体验到了坚持不懈、精益求精的工匠精神。

（二）  集思广益式项目分享

本课程非常重视培养学生的人工智能方法应用能力，并安排了4个综合实验。此外，考虑到参加课程学习的学生处于大三下学期，其中部分优秀的同学是参加“互联网+”“挑战杯”“全国大学生智能车竞赛”“全国大学生机器人大赛”等高水平学科竞赛的主力军，还有部分同学参与到学院教师的科研项目，并且撰写和发表了学术论文，因此本课程邀请这些参加学科竞赛和教师科研项目的优秀同学分享其项目中涉及人工智能的研究工作。

这些集思广益式的项目分享一方面拓展了学生们的知识面，锻炼了其学以致用的专业能力；另一方面，项目分享中那些精彩的作品视频、经典论文工作复现、思想碰撞的火花激发了学生们勇于探索、不惧挑战的创新精神。

（三）  竞赛激励式创新锻炼

除了理论教学和实验教学，本课程还鼓励学生们关注并积极参加与课程内容高度相关的“中国高校计算机大赛人工智能创意赛”。在过去3年内，参与本课程学习的学生在“人工智能创意赛”的全国总决赛上获得了2项一等奖、2项二等奖、3项三等奖，多项华东赛区奖项，竞赛成绩斐然。人工智能创意赛进一步激发了学生们的创新意识，提升其人工智能创新实践应用能力，并且培养团队合作精神。