人工智能課程建設與實踐

導語：人工智能課程建設與實踐一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：開源平臺的興起為人工智能發展與持續創新提供了動力。通過分析當前研究生人工智能課程建設中的問題、挑戰與時代要求，提出擁抱開源平臺的人工智能課程建設原則與實施路徑。重點分析、設計面向開源能力評價體系，以開源評價驅動課程建設創新，提升學生在人工智能領域研究上的綜合能力，致力于培養熟悉開源的研究型人才。

關鍵詞：開源模式；人才培養；人工智能；課程建設

引言:2020年3月，教育部、國家發展改革委、財政部聯合印發《關于“雙一流”建設高校促進學科融合加快人工智能領域研究生培養的若干意見》提出，要加強人工智能領域研究生培養方式的融合與創新，在課程體系建設中強調“精密耦合”，以“全鏈條”“開放式”“個性化”為目標，打造人工智能核心知識課程體系和應用模塊課程［1］。我國在“十四五”規劃和2035年遠景目標綱要中明確提出，要瞄準人工智能領域加強原創性引領性的科技攻關，要在新一代人工智能的理論與工程應用上有所突破、創新，還提出要在深度學習框架等開源算法、平臺構建上有所貢獻［2］。人工智能的創新與發展需要人才，研究型高校作為人才培養的主力軍，擔負著為國家培養研究型人才的重任。為了適應新時代對人工智能領域人才的要求，對傳統人工智能課程進行改革建設便成為了人工智能教育領域的重要課題。開源社區的興起為人工智能課程建設提供了新的方向，其自身就具有巨大的優質教學與研究資源，在人工智能技術發展中起到了重要的推動作用，目前人工智能已進入一個全新階段，開源開放已成為推動技術持續進步的行業共識和重要驅動力量。人工智能是一門實踐性很強的課程，大部分人工智能框架與模型均已開源，為人工智能課程建設帶來了機遇。本次改革基于研究生的課程——高級人工智能，重點培養學生的開源意識、開源能力、團隊合作精神、創新思維、研究能力。在課程改革建設過程中，首先分析傳統人工智能課程存在的問題與開源背景下課程建設面臨的挑戰，從課程內容設置的前沿性、教學方法的高效性等方面進行分析，提出開源模式下人工智能課程建設思路與評價方法。通過開源軟件、在線資源、社區協作等方式，為學生提供全方位的學習支持與實踐體驗，旨在培養學生的實踐能力和創新意識。

1相關研究

研究生人工智能課程改革研究，目前存在“人工智能+X”的模式助力人工智能融合其他專業［3-5］，在研究生階段開設人工智能課程，以學科交叉、跨界融合、精準培育方式賦能專業創新，為培養復合研究型人才起到重要作用。從人工智能賦能交叉學科人才培養的制度建設與培養研究中可見，人工智能課程對其他學科的創新發展和研究型人才培養賦能起到了至關重要的作用，能有效提高復合型研究人才的培養質量［6-7］。在課程建設研究方面，基于人工智能課程的實踐改革取得了較好的效果，在課程體系建設過程中通過加強教學實驗、項目驅動、課題研究等方面創新教學模式，提高了研究生的動手能力、獨立思考能力、研究與探索意識［8-10］。在開源教育模式方面，目前軟件工程教育已進行多種探索，從軟件人才的培養模式進行改革，建立了培養方法與評價標準［11］。例如，國防科技大學軟件工程課程引入開源模式，學生在軟件開發課程中采用開源教學模式，通過閱讀開源項目代碼、參與開源項目提升學生的軟件開發能力［12］。目前，通過分析人工智能與開源模式的研究發現，大部分主要關注融合人工智能專業的交叉建設與課程，在課程建設研究上仍采用傳統實驗課程資源進行教學，與開源項目的對接還不夠深入。開源提供了海量資源、優秀的學習案例，使學生能更好地融入前沿項目，對培養人工智能研究型人才具有一定的促進作用。雖然，開源模式在軟件工程中取得了一定的成果，但軟件工程側重于參與開源軟件的編寫與閱讀，人工智能課程的開源模式仍側重于構建數據集和模型、優化人工智能算法等方面。為此，本文基于開源模式的研究生人工智能課程建設原則、路徑與評價方法，為研究生人工智能課程建設提供了框架參考。

2開源背景下人工智能課程建設挑戰

2.1　開源社區發展對人才培養提出新要求

根據OpenLogic和開源組織OSI發布的《2022StateofOpenSourceReport（全球開源趨勢報告）》調查發現，在企業與開發者對開源技術的采用情況顯示，人工智能開源框架與工具的使用排在第4位，占比27.69%［13］。行業技術領袖均在持續行動，推動企業積極采用、貢獻開源技術，并使人工智能與機器學習開源項目不斷發展。企業與開發者使用人工智能開源框架的數量在持續增長，在2022年人工智能開源大事件中，AIGC（AI-Gener?atedContent）相關技術引發了全球關注，OpenAI也上線升級版文本生成圖像模型DALLE2，還組織發布GPT-3模型的交互式變體ChatGPT。其中，英偉達開源了LinuxGPU內核模塊，這些人工智能開源社區的標志性事件將對未來人工智能開源發展產生深遠影響。目前，開源發展使企業需要大量理解開源、熟練掌握開源的人工智能高級人才。高校在開源教育上有所行動，例如開展“開放原子校源行”公益項目為學校、企業、行業提供生態社區，使開源文化在校園生根發芽。武漢大學積極開展開源教學模式，倡導開源融入課程建設，成立了武漢大學OpenHarmony技術俱樂部，是國內第二家、華中地區首家OpenHarmony技術高校俱樂部。綜上，人工智能教育擁抱開源已成為人才培養的時代要求。

2.2　人工智能課程的內容建設應持續更新

目前人工智能課程建設主要關注人工智能的基礎理論、應用場景和案例、編程實踐、倫理和社會問題及跨學科合作等方面，這些內容可幫助學生全面了解人工智能的基礎知識與最新進展，使其掌握實際應用能力。人工智能課程知識模塊如表1所示。面向研究生的人工智能課程需要更深入、更全面的學習課程知識，結合研究性與先進性，關注人工智能領域的發展方向，在課程建設中應重點突出建設以下方面：
（1）深入理解機器學習算法和模型。研究生更應深入學習機器學習算法和模型，包括深度學習、強化學習、貝葉斯網絡等。如此，才能深入理解算法原理、特點和應用場景，并能應用這些算法解決實際問題。

（2）掌握自然語言處理和計算機視覺技術。自然語言處理、計算機視覺是人工智能的重要應用領域。研究生應掌握自然語言處理與計算機視覺的技術和算法，并能應用該技術解決實際問題。

（3）深入了解人工智能的倫理和社會問題。人工智能的發展和應用會引發部分倫理和社會問題，包括隱私保護、數據安全、公平性和透明度等。研究生應深入了解該問題，學會如何解決這些問題。

（4）學習最新研究進展和前沿技術。人工智能發展非常迅速，研究生應了解最新研究進展，學習前沿技術，掌握當前研究熱點與趨勢，并能進行科學研究。此外，在課程建設和升級中應持續保持前沿性，采用開源課程形式。例如，中國人民大學朝樂門［14］在數據科學導論課程的建設中使用開源課程模式，并進行教學改革，實踐表明該方法能復用教學資源，提高備課效率與質量。采用開源課程模式，師生共建課程需將課程開放，形成開源課程。同時，在GitHub或Gitee等開源平臺進行發布，不斷積累優秀經驗和案例，持續迭代更新以保持課程內容的前沿性。，開源資源內容結構如圖1所示。

2.3　人工智能課程教學方法應與時俱進

人工智能是一門復雜的學科，涵蓋了多個領域和技術。為了使學生更好理解、掌握人工智能的知識和技能，一般采用理論教學方法講解人工智能相關算法，例如搜索算法、機器學習算法、神經網絡算法等。在實驗教學中，通過編寫代碼和實現人工智能算法，使學生更好地理解、掌握人工智能的基礎知識和技術。課程上，結合機器學習、自然語言處理、圖像識別等領域的項目實踐，幫助學生提升實踐能力，采用項目教學方式提升學生綜合能力，通過小組合作方式開發項目，讓學生選擇自身感興趣的領域，例如智能問答、機器翻譯、自動駕駛等，通過深入了解項目，掌握人工智能應用。為滿足學生個性化需求，開展學科交叉教學。人工智能課程涉及多個學科領域，例如計算機科學、數學、統計學等，通過學科交叉教學幫助學生更好地了解不同領域的知識與技能，并在人工智能學習中獲得更全面的視野和能力。教學過程可通過討論、辯論展開人工智能的倫理與社會問題，讓學生充分鍛煉獨立思考和表達能力。除了基礎教學方法外，研究生課程還需著重以研究型課程教學方式開展，增加文獻閱讀與研究、參加學術會議和研討會，實現課程開展與課題研究并行，充分提升學生的科研能力。傳統課程實踐一般通過教師指定項目和作業任務，但通常情況下項目來源較為匱乏，并未考慮學生的主體需求。目前，學生學習的課程案例代碼，并未參與企業級項目開發，對項目架構、編碼規范、文檔編寫接觸較少，但這些內容是學生未來進入企業所必須掌握的。然而，新技術與工具難以在課程中全部講解，創新課程設計和優秀項目也難以持續更新，并作為課程資源加以利用。開源作為一種開放的社交化編程模式，學生需要具有代碼分析能力、編碼規范意識、團隊合作精神、文檔編寫能力等，特別在大規模人工智能程序開發中尤為重要。因此，應在教學過程中擁抱開源，培養學生開源能力，開展開源模式，例如閱讀優秀開源項目代碼、參與開源項目、復現論文、將自己研究開源并持續維護。此外，開源平臺自身也具有許多優秀的學習資源，學生在校期間就能快速接觸各種企業級項目，學習優秀的項目架構思想和代碼，了解開源社區生態，引入這些教學方式、內容對提升學生能力具有積極意義。

3開源模式下人工智能課程建設實踐

課程建設離不開資源，開源平臺為人工智能教育提供了豐富的免費工具和資源，包括深度學習框架、數據集、代碼示例等。這些資源能幫助學生更好地了解、掌握人工智能的基礎知識和技能，并在實踐中不斷提升自身能力和技術水平。開源模式下的人工智能課程建設需要轉變思路，利用好開源平臺，使用平臺資源賦能人工智能課程建設。

3.1　建設原則

開源模式下的人工智能課程建設應該遵循以下原則：

（1）共建共享。采用開源模式下的人工智能課程建設應倡導共建共享理念。在建設過程中，應充分利用社區資源和社會力量，廣泛征集意見、建議，以實現優化課程內容和質量的目的。

（2）多樣性。開源模式下的人工智能課程建設應鼓勵多樣性，以滿足不同學生需求，提供初學者版、高級版、專業版等多版本課程滿足不同層次、領域學生的需求。

（3）開放式課程設計。開源模式下的人工智能課程應采用開放式課程設計，鼓勵學生自主選擇學習內容和學習路徑。課程應以項目為核心，設計具有挑戰性的項目任務，以激發學生創新能力和實踐能力。

（4）開放式評價。開源模式下，人工智能課程應采用開放式評價方式，鼓勵學生自評、互評。評價方式應包括考試、作業、項目、論文等方面，以全面評價學生的綜合能力。

（5）課程持續更新。開源模式下，人工智能課程應采用課程持續更新方式，及時反映最新研究成果和實際應用情況，應充分利用社區力量不斷改進課程內容和教學方法，以滿足學生需求。綜上，在開源模式下的人工智能課程建設中，需要建立完善的課程管理和質量控制機制，既確保課程內容和質量的穩定和持續改進，還需培養、引進具有實踐經驗和研究背景的教師和專家，確保課程的專業性和權威性。

3.2　建設路徑

在開源模式下的人工智能課程建設需要作到資源開放、多方評價、持續改進、師生合作，課程建設的路徑如圖2所示。由圖2可見，課程建設圍繞開源平臺展開，課程資源建設開源從開源平臺獲取資源，也可將資源存放至開源平臺。教學活動的開展依賴于開源資源，例如學生閱讀開源代碼、參與開源項目、創建開源項目，因此在教學評價上要變革評價方式，引入學生在開源上的貢獻進行評估。課程建設是一個持續改進的工作，需要依賴社區合作，通過社區引入專業教師團隊、學生、工程師等優化課程資源，作到課程迭代和反哺開源平臺。人工智能課程在開源模式下的建設路徑如下：

（1）明確課程目標。首先要明確人工智能課程教學目標，例如學生應掌握的基本知識、技能和實踐能力，基于目標分析確定課程內容與教學方式，滿足學生需求。

（2）利用開源資源。在開源模式下利用豐富的開源資源，包括課程教材、代碼、工具和案例等。在社區中搜索收集相關資源，并進行篩選和整合，形成完整的課程內容與教學資料。

（3）多元化教學。針對不同學生的需求和學習層次，采用多元化教學方式，例如在線視頻、實驗、項目、論文等，利用GitHub、JupyterNotebook等開源工具和平臺，實現課程在線教學與交互式學習。

（4）開放評價。在開源模式下應采用開放式評價方式，鼓勵學生自評、互評，利用PeerScholar、GitHub、Kaggle等開源評價工具和平臺，實現課程在線評價與反饋。

（5）持續改進。開源模式下人工智能課程應持續改進，及時反映最新研究成果與實際應用情況，利用社區資源和學生反饋優化、升級課程內容和教學方式。

（6）社區合作。在開源模式下借助社區力量進行課程建設和教學管理，可與其他教師、專家和學生合作，共同建設、完善課程內容與教學方式，利用GitHub、StackOverflow等社區平臺進行交流與協作。總之，開源模式下的人工智能課程建設應注重多元化教學、開放式評價和持續改進，滿足學生和社會需求，需建立完善的課程管理和質量控制機制，確保課程內容和教學質量穩定、持續提升。

4面向開源能力的課程評價

課程評價是教學的一個重要環節，與傳統課程考試或課程設計的不同之處在于，基于開源模式的課程容易獲得開源代碼。學生參與開源項目的過程數據是評價學生開源能力的重要指標，從考查研究生的研究報告這個角度而言，開源能力評價是其有效補充，能從學生參與開源的過程、開源成果、團隊合作、文檔編寫等方面進行綜合評價，引入開源能力的評價能引導學生進入開源領域，為國家培養開源項目的核心貢獻者提供人才支撐。

4.1　開源能力評價流程

在開展面向開源能力的人工智能課程評價時，需要明確評價的對象是學生的開源能力，應考慮學生是否掌握開源工具和技術，是否具有開源項目經歷及在開源社區中的貢獻等，并根據不同評價目標制定相應的評價指標。具體評價指標可從以下方面考慮：

（1）開源項目參與情況。考察學生是否在開源項目中有過貢獻，并能具體說明自身貢獻。

（2）開源工具與技術掌握情況。考察學生是否熟悉常用的開源工具和技術，能否熟練使用。

（3）開源課程設計和實現情況。考察學生是否設計并實現開源項目，并考慮了開源社區的需求與反饋。

（4）開源社區交互情況。考察學生是否積極參與開源社區交流、互動，并能給出自身觀點與建議。

（5）項目管理能力。考察學生在開源項目中的協作與管理能力，能否高效完成任務，并與團隊成員進行有效溝通與協作。在評價中要采集學生的特征數據，設計相應的評價流程和標準，確保評價結果客觀、公正、可比較。在實施評價時，需考慮評價的時機、頻次及評價結果的反饋和應用，要充分考慮學生的意見、建議，確保評價的有效性和可信度。在課程迭代過程中，由于評價體系的建設和實施是一個不斷迭代和改進的過程，需要定期對評價指標和流程進行評估和改進，以提高評價的準確性和有效性。此外，還需從課程內容、教學方法、項目實踐等方面培養學生的開源意識和能力，讓學生能主動參與開源項目和社區，具備設計、開發和管理開源項目的能力。總之，開展面向開源能力的人工智能課程評價體系建設與實施需全面考慮評價目標、指標、工具、流程和反饋等方面，要與課程內容、教學方法和實踐相結合，共同促進學生開源能力，提升開源意識。

4.2　開源能力評價體系

學生在參與開源項目中會執行提交代碼、團隊管理、代碼審查、文檔維護、issue管理、版本發布、分支合并等活動。根據學生活動和能力要求構建評價指標并設計評價模型，從開源編碼能力、開源項目管理能力、開源社交能力出發構建開源能力評價體系。學生在參與開源項目時會在開源平臺中產生數據，根據該特征對學生開源能力進行建模［14］，開源能力評估特征如表2所示。根據上述指標構建評價模型，然后評價學生開源能力，將學生開源能力評價成績作為課程評價的重要部分，通過開源評價提升學生的開源能力，培養懂開源、會開源的研究型人才。實踐表明，在采用開源模式前，學生課程設計提交開源地址占總人數的9%，提交的文檔與電子材料無法記錄學生開發過程和數據，學生合作開發能力和基于開源項目的創新無法得到鍛煉。在武漢大學國家網絡安全學院21、22級研究生的高級人工智能課程中采用開源模式后，98%的學生在Github、gitee等平臺為課程設計創建了開源項目庫，提供了開源代碼。通過開源能力評估體系評估開源項目表明，80分以上的項目占總項目的52%，相較于傳統教學模式在開源項目率、項目優秀率方面具有顯著提升。

5結語

開源背景下的人工智能課程建設是迎合人工智能產業發展舉措，是一項具有挑戰性的工作，本文旨在探討如何在開源模式下，構建符合研究生人工智能課程建設的路徑。通過分析當前研究生人工智能課程建設的問題和挑戰，提出開源模式下人工智能課程建設方法和路徑。首先，分析開源與人工智能背景，結合當前研究生人工智能課程建設的問題和挑戰，提出開源模式下課程建設的原則和路徑，指出開源模式能促進課程的開放性、協作性和共享性，有利于培養學生開源意識和能力。然后，基于課程建設原則指導開源模式下人工智能課程建設，包括課程內容設計、教學方法創新、項目實踐和開源社區參與等方面，強調在開源模式下應注重研究與實踐相結合，通過項目實踐和開源社區參與等方式，讓學生深入理解人工智能技術原理，創新人工智能算法和模型，提升學生的實踐與創新能力。最后，探討開源模式下人工智能課程建設的評價體系，提出面向開源能力的課程評價思路和方法，包括明確評價目標和指標、設計評價工具和流程、開展評價實施、定期評估和改進、培養學生的開源意識和能力等方面。綜上所述，本文系統闡述了開源模式下人工智能課程建設的重要性、建設路徑和評價體系，對推動研究生人工智能課程建設的改革和創新具有一定的參考價值。

參考文獻：

［1］教育部.關于“雙一流”建設高校促進學科融合加快人工智能領域研究生培養的若干意［EB/OL］.

［2］新華社.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要［EB/OL］.

［3］魯鳴鳴，王建新.“人工智能+X”交叉學科科研創新能力培養模式探索［J］.工業和信息化教育，2021，106（10）：1-5.

［4］王建新，段桂華，劉錦.“人工智能+X”研究生創新人才培養模式探索與實踐［J］.工業和信息化教育，2021，106（10）：6-9，30.

［5］韓珂，陸建峰.面向國防的高層次智能人才培養探索與實踐［J］.軟件導刊，2021，20（12）：240-246.

［6］蔣思，蘇菲，肖波.人工智能賦能下的交叉學科研究生培養機制建設研究［J］.工業和信息化教育，2022，117（9）：36-40，47.

［7］韓士元，陳月輝，吳鵬，等.人工智能領域研究生多學科交叉培養研究與實踐［J］.軟件導刊，2021，20（12）：247-252.

［8］王超，莊東曄，于清華.“人工智能”研究生課程實驗的實踐與探索［J］.教育教學論壇，2021，534（35）：100-103.

［9］張小明，李舟軍.研究生人工智能課程研究性教學探索［J］.計算機教育，2017，274（10）：71-74.

［10］何靜媛，向濤.人工智能時代計算機學科研究生實踐改革探索［J］.教育教學論壇，2020，482（36）：221-222.

［11］陳麗，趙斌，倪超，等.開源模式下我國軟件人才培養的挑戰和對策［J］.高等工程教育研究，2022，195（4）：102-109.

［12］尹良澤，毛新軍，尹剛等.基于高質量開源軟件的閱讀維護培養軟件工程能力［J］.計算機教育，2018，283（7）：9-13.

［14］朝樂門.開源課程及數據科學導論的開源［J］.計算機科學，2020，47（12）：114-118.

作者:蔡波 羅劍 于耀翔 柯愛華 單位:武漢大學 國家網絡安全學院