機(jī)械電子工程專業(yè)人工智能課程教學(xué)范式初探

沈曄湖　蔣全勝　汪幫富　朱其新

摘 要 人工智能課程在當(dāng)今機(jī)械電子領(lǐng)域越來越體現(xiàn)其重要性。但是該課程對數(shù)學(xué)基礎(chǔ)要求高，給機(jī)械電子工程專業(yè)學(xué)生的學(xué)習(xí)帶來了挑戰(zhàn)。本文針對機(jī)械電子工程專業(yè)學(xué)生的特點，提出了適合該專業(yè)的教學(xué)目標(biāo)制定和教材內(nèi)容選擇方案。同時本文還給出了教學(xué)過程和考核方法的建議。這些方法提升了專業(yè)學(xué)生的學(xué)習(xí)興趣以及解決實際問題的能力。

關(guān)鍵詞 人工智能 機(jī)電工程 教學(xué)改革

中圖分類號：G642 文獻(xiàn)標(biāo)識碼：A DOI：10.16400/j.cnki.kjdks.2018.02.016

Preliminary Research on Teaching Model of Artificial Intelligence Course for Mechatronics Engineering Students

SHEN Yehu， JIANG Quansheng， WANG Bangfu， ZHU Qixin

（Suzhou University of Science and Technology， Suzhou， Jiangsu 215009）

Abstract Artificial intelligence has proved to become more and more important in the area of mechatronics recently. However this course brings challenges to the students who are major in mechatronics engineering since it requires profound background in mathematics. In this paper， we propose methods for teaching goals and course materials arrangements considering the characteristics of mechatronics engineering students. We also propose suggestions during the teaching processes and examinations. Our proposed methods improved interest and abilities to solve practical problems for the students when learning this course.

Keywords artificial intelligence； mechatronics engineering； teaching reform

0 引言

人工智能是一門涉及到計算機(jī)科學(xué)、應(yīng)用數(shù)學(xué)、神經(jīng)生物學(xué)、心理學(xué)等廣泛交叉的前沿科學(xué)。人工智能原先是計算機(jī)專業(yè)學(xué)生的主干課程，但是近年來隨著技術(shù)的進(jìn)步，該技術(shù)逐漸在機(jī)械電子領(lǐng)域展示其強(qiáng)大的作用。[1][2]因此目前許多高校的機(jī)械電子專業(yè)將人工智能作為其專業(yè)課程之一。該課程對數(shù)學(xué)和計算機(jī)編程基礎(chǔ)要求較高，此外雖然各章節(jié)間獨立性較強(qiáng)，但是涉及較多先修課程知識點的綜合應(yīng)用。如果沿用面向計算機(jī)專業(yè)學(xué)生的教授方法將使得機(jī)械電子工程專業(yè)學(xué)生感到課程內(nèi)容晦澀難懂、難以適應(yīng)，從而失去學(xué)習(xí)興趣。為了適應(yīng)機(jī)械電子工程專業(yè)學(xué)生的知識架構(gòu)特點，對人工智能課程整體教學(xué)設(shè)計和方法做針對性的調(diào)整具有重要的意義。

1 制定符合專業(yè)特點的教學(xué)目標(biāo)

人工智能是計算機(jī)科學(xué)的一個核心研究領(lǐng)域，其研究方法大量采用了離散數(shù)學(xué)、數(shù)理邏輯、概率統(tǒng)計等數(shù)學(xué)工具。如果本課程的教學(xué)沿用針對計算機(jī)或自動控制專業(yè)的方法：

注重算法的理論推導(dǎo)和性能分析的話，將使得數(shù)學(xué)基礎(chǔ)相對薄弱的機(jī)械電子工程專業(yè)學(xué)生的學(xué)習(xí)曲線過于陡峭，從而喪失學(xué)習(xí)信心。

幸運的是，人工智能課程的絕大多數(shù)章節(jié)內(nèi)容模塊化程度較高，章節(jié)之間的耦合度低。此外，機(jī)械電子領(lǐng)域更多的是利用人工智能的工具解決實際問題，而并非去開發(fā)和改進(jìn)人工智能工具本身。在現(xiàn)階段具有高性能人工智能軟件工具包（如scikit-learn）的基礎(chǔ)上，機(jī)械電子工程專業(yè)學(xué)生完全可以在理解人工智能各類方法的使用條件及其物理含義的基礎(chǔ)上熟練使用工具包解決實際問題而無需深入了解背后復(fù)雜的數(shù)學(xué)理論支撐和計算實現(xiàn)方法。由此可見，對于機(jī)械電子工程專業(yè)的學(xué)生來說，教會他們?nèi)绾畏治鰡栴}、選擇合適的人工智能工具以及對工具進(jìn)行系統(tǒng)層面上的適應(yīng)性調(diào)整才是本課程之關(guān)鍵目的。

因此作者把本課程的目標(biāo)設(shè)定為：在了解人工智能發(fā)展歷史的基礎(chǔ)上，深入理解機(jī)器學(xué)習(xí)各類主要方法尤其是神經(jīng)網(wǎng)絡(luò)方法的原理和使用流程，能夠針對機(jī)械電子領(lǐng)域的具體問題選用適當(dāng)?shù)乃惴ㄟM(jìn)行解決。

2 開展適應(yīng)專業(yè)學(xué)生特質(zhì)的教學(xué)活動

2.1 詳略得當(dāng)?shù)慕虒W(xué)內(nèi)容安排

目前國內(nèi)的人工智能教材大多針對計算機(jī)或自動控制專業(yè)學(xué)生編纂，理論內(nèi)容豐富，數(shù)學(xué)推理嚴(yán)密，對學(xué)生的數(shù)學(xué)功底要求高。而機(jī)械電子工程專業(yè)學(xué)生的知識結(jié)構(gòu)與計算機(jī)或自動控制專業(yè)的學(xué)生有較大的不同。例如機(jī)械電子工程專業(yè)學(xué)生僅學(xué)習(xí)了高等數(shù)學(xué)和線性代數(shù)等工科必修課程，沒有系統(tǒng)學(xué)習(xí)過概率論與數(shù)理統(tǒng)計和離散數(shù)學(xué)課程，這樣大大增加了人工智能課程的理論教授難度。此外，人工智能課程作為機(jī)械電子工程的專業(yè)限選課程，課時總量有限（一般為每周2課時，總學(xué)時30課時左右）。在如此短的學(xué)時限制條件下要想做到將人工智能各方面的理論和應(yīng)用講述得十分透徹是非常困難的。

在實際操作過程中，作者結(jié)合專業(yè)學(xué)生特點以及上述教學(xué)目標(biāo)整合了3套教材并且融合其各自的優(yōu)點作為本課程的主要教學(xué)內(nèi)容。具體來說，課程的主要章節(jié)分布和教學(xué)順序采用了教材[3]的安排方式進(jìn)行，也就是先講述人工智能的早期技術(shù)，主要包含知識工程、推理和搜索技術(shù)。這部分的講述主要是為了保證課程內(nèi)容的完整性，以教材為主，講授時間不超過6課時。然后講述21世紀(jì)以來主流的并且在機(jī)械電子領(lǐng)域有廣泛應(yīng)用的機(jī)器學(xué)習(xí)技術(shù)，這一部分是本課程的核心內(nèi)容，因此選用了更專業(yè)、時效性好的教材[4]作為參考。該部分教學(xué)過程主要分為兩大模塊：有監(jiān)督和無監(jiān)督的學(xué)習(xí)技術(shù)。有監(jiān)督學(xué)習(xí)技術(shù)重點講述支持向量機(jī)以及集成學(xué)習(xí)技術(shù)，無監(jiān)督學(xué)習(xí)技術(shù)重點講述聚類以及特征選擇技術(shù)。該部分的講授時間約為14課時。其次單獨講述人工神經(jīng)網(wǎng)絡(luò)，此部分內(nèi)容與目前機(jī)械電子領(lǐng)域中使用人工智能中最為領(lǐng)先的技術(shù)密切相關(guān)，以期幫助學(xué)生踏上工作崗位后能夠順利上手最新技術(shù)并且具備后期進(jìn)一步自學(xué)的能力。為此這部分作者選用了國外最新的權(quán)威教科書[5]并選用相關(guān)部分章節(jié)作為教材。該部分的講授時間約為6個課時。最后結(jié)合作者自身的科研實踐，為學(xué)生講述人工智能在機(jī)械電子工程領(lǐng)域的應(yīng)用。作者以一個具體的案例為例，講述了從問題定義、數(shù)據(jù)預(yù)處理到算法比較選擇、性能測試調(diào)優(yōu)等一整套流程，特別強(qiáng)調(diào)了過程中可能會遇到的問題和解決方案，從而讓學(xué)生構(gòu)建起了課程知識到實際運用之間的橋梁，為今后踏上工作崗位解決實際問題打下了基礎(chǔ)。該部分的講授時間約為4課時。

2.2 強(qiáng)調(diào)物理意義的課程教授方式

傳統(tǒng)的人工智能課程中包含了大量的數(shù)學(xué)公式推理過程。對于數(shù)學(xué)基礎(chǔ)相對薄弱的機(jī)電工程專業(yè)學(xué)生來說，課堂花費大量的時間講解各個方法背后的數(shù)學(xué)推理細(xì)節(jié)非但不會提升學(xué)生對課程內(nèi)容的理解，反而會使學(xué)生對課程內(nèi)容產(chǎn)生畏懼感，更加打擊其學(xué)習(xí)興趣。

對于面向應(yīng)用的人工智能課程來說，教會學(xué)生每一種方法、參數(shù)背后的物理意義，使他們對不同的方法以及方法微調(diào)方案產(chǎn)生感性認(rèn)識，從而能夠提升學(xué)生今后在面臨實際問題情況下選擇合適方法去解決問題的能力。這種能力無法通過糾纏于算法數(shù)學(xué)理論嚴(yán)密推導(dǎo)來得到。例如，在教授支持向量機(jī)的過程中，我們選用了二維空間分類的例子，通過圖片展示的方式讓學(xué)生直觀理解了支持向量機(jī)本質(zhì)是尋找具有“最大間隔”的劃分直線，淡化了對于支持向量機(jī)的凸二次規(guī)劃求解過程講解。在講授核函數(shù)的過程中，我們選用二維空間線性不可分的例子，通過動畫的手段形象地展示了如何將二維空間的點變換到三維空間來實現(xiàn)線性可分，從而增強(qiáng)了學(xué)生對核方法的感性理解。

2.3 以Jupyter Notebook為基石的課堂交互式展示

方法原理和編程實現(xiàn)是本課程的兩大核心。對人工智能各種方法的編程實現(xiàn)構(gòu)建了理論到應(yīng)用之間的橋梁。因此本課程對每一種方法的原理講解完成后會抽出專門的時間來和學(xué)生一起解讀該方法代碼的具體實現(xiàn)，以期讓學(xué)生在修讀完本課程后就能夠上手解決實際問題。

由于在代碼講解過程中同時涉及到文字注釋，代碼及其對應(yīng)的理論公式，代碼運行中間結(jié)果的可視化展示，因此傳統(tǒng)的軟件集成開發(fā)環(huán)境無法滿足該要求。本課程中我們選用了Jupyter Notebook。在備課階段，教師輸入文字注釋和理論公式并把代碼、運行結(jié)果保存在一個notebook中。在教學(xué)過程中，通過課堂內(nèi)的計算機(jī)以網(wǎng)頁形式在文檔中執(zhí)行代碼。學(xué)生們可以直觀地在同一網(wǎng)頁中學(xué)習(xí)代碼編寫、參考文字、公式注釋以及觀察可視化結(jié)果，從而大大提升了學(xué)習(xí)效率和學(xué)習(xí)效果。

2.4 以AI名人訪談為核心的多媒體課后輔助學(xué)習(xí)活動

人工智能至今已經(jīng)經(jīng)歷了60余年的發(fā)展歷史，在這段歷史進(jìn)程中出現(xiàn)了多位對人工智能領(lǐng)域起重大推動作用的專家。他們的分享的經(jīng)歷和視角能給學(xué)生以醍醐灌頂?shù)母杏X，增強(qiáng)學(xué)生們對人工智能整個領(lǐng)域和現(xiàn)狀、未來發(fā)展趨勢的理解，提升學(xué)生的學(xué)習(xí)興趣。為此本課程在課后為學(xué)生分發(fā)了形式輕松的AI名人訪談視頻，供其在課余時間自行安排觀看。例如，作者選擇了斯坦福大學(xué)教授吳恩達(dá)采訪多倫多大學(xué)教授G. Hinton和百度深度學(xué)習(xí)實驗室主任林元慶等人的視頻，分別從學(xué)術(shù)界和工業(yè)界的視角為學(xué)生提供了多個維度的思考和展望。

3 設(shè)計適應(yīng)教學(xué)目標(biāo)的多維考核模式

圍繞上述教學(xué)目標(biāo)，作者在課程教學(xué)過程中設(shè)計了3類考核模式：軟件編程小型項目作業(yè)、論文閱讀報告以及期末卷面測試。

3.1 以機(jī)械故障診斷為應(yīng)用場景的軟件項目作業(yè)

考慮到機(jī)械電子專業(yè)學(xué)生軟件編程能力相對較薄弱，因此本課程的項目作業(yè)編程語言選用了簡單易學(xué)的python語言。為了讓專業(yè)學(xué)生在學(xué)習(xí)中更能貼近專業(yè)領(lǐng)域應(yīng)用，作者在作業(yè)選題上均緊扣機(jī)械電子專業(yè)常見場景：機(jī)械設(shè)備振動故障診斷來設(shè)定問題。此外，在作業(yè)內(nèi)容方面，每一次的軟件項目程序不是讓學(xué)生從零開始搭建整個軟件系統(tǒng)，而是由教師事先實現(xiàn)整個軟件的框架程序設(shè)計，學(xué)生只需要編寫關(guān)鍵算法模塊的軟件實現(xiàn)即可。這樣學(xué)生可以從與課程和專業(yè)無關(guān)的軟件編程細(xì)節(jié)問題中抽身，全力解決課程內(nèi)容的核心知識點實現(xiàn)問題，提高了學(xué)習(xí)效率，減輕了學(xué)生負(fù)擔(dān)。在實際操作過程中，作者一般布置兩次項目作業(yè)，分別涉及人工神經(jīng)網(wǎng)絡(luò)和K均值聚類，分別對應(yīng)有監(jiān)督和無監(jiān)督的學(xué)習(xí)技術(shù)。這樣的安排能夠比較全面的涵蓋人工智能主流領(lǐng)域，使學(xué)生能夠扎實地掌握該課程的核心內(nèi)容。

3.2 以開拓視野為目的的論文閱讀報告

課堂的時間是有限的，課本的內(nèi)容也不可能面面俱到。為了鼓勵學(xué)生更深層次地鉆研自己感興趣的內(nèi)容，作者在課程中安排了一次論文閱讀報告撰寫作業(yè)。其主要內(nèi)容是：在人工智能的領(lǐng)域內(nèi)選取一個自己感興趣的子問題，通過網(wǎng)絡(luò)數(shù)據(jù)庫的文獻(xiàn)調(diào)研，撰寫一篇報告。該作業(yè)能夠使學(xué)生在人工智能某一個子領(lǐng)域有更深入的理解，從而激發(fā)其學(xué)習(xí)興趣。更重要的是該項作業(yè)提升了學(xué)生的文獻(xiàn)查閱和撰寫能力，為其今后工作尤其是進(jìn)一步深造打下了基礎(chǔ)。

3.3 以考查應(yīng)用能力為目的的期末測試方案

由于本課程的考查方式較豐富，并不僅依賴于期末的卷面測試，因此作為上述兩種方式補(bǔ)充的期末測試更傾向于考察學(xué)生對基本概念的理解以及對實際問題的分析和系統(tǒng)架構(gòu)能力，相對淡化具體方法細(xì)節(jié)的計算?；谏鲜鲈瓌t，期末的卷面測試主要分為選擇題和簡述題兩種。選擇題主要考察學(xué)生對課程關(guān)鍵知識點和基本原理的掌握情況；簡述題主要圍繞實際應(yīng)用問題，要求學(xué)生針對具體問題描述所采用的具體系統(tǒng)架構(gòu)方案及理由，不涉及過多的細(xì)節(jié)計算。

通過上述3中不同的考核方式，學(xué)生既能夠掌握實際問題的系統(tǒng)架構(gòu)能力，又學(xué)會了具體核心細(xì)節(jié)模塊的軟件實現(xiàn)方法，打通了利用人工智能方法解決問題的整個流程。

4 結(jié)語

人工智能是一門數(shù)學(xué)理論要求高并且又和應(yīng)用緊密相關(guān)的課程，在新時代的機(jī)電專業(yè)人才知識體系結(jié)構(gòu)中占據(jù)重要的地位。要使機(jī)電專業(yè)學(xué)生能夠扎實理解人工智能各類方法的原理以及面對實際問題的運用方法是一個具有挑戰(zhàn)性的課題。本文從教學(xué)目標(biāo)制定、教學(xué)方法和考核模式等角度全面闡述了針對機(jī)電工程專業(yè)學(xué)生這一特定人群的人工智能課程施教方案，期望能夠起到拋磚引玉的作用。通過進(jìn)一步的總結(jié)與探索，作者相信必然能夠培養(yǎng)出更多適應(yīng)社會需要的新時期機(jī)電專業(yè)人才。

參考文獻(xiàn)

[1] 陳晗，李垣江，王建華.基于引力搜索BP神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷.船舶工程，2015（10）.

[2] 蔡自興.人工智能在冶金自動化中的應(yīng)用.冶金自動化，2015（1）.

[3] 鮑軍鵬，張選平.人工智能導(dǎo)論[M].北京：機(jī)械工業(yè)出版社，2015.

[4] 周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[5] Ian Goodfellow，Yoshua Bengio， Aaron Curville.Deep Learning[M].Cambridge：MIT Press，2016.