人工智能课程篇（1）

人工智能(Artificial Intelligence,AI)是计算机科学的一个分支,是研究、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学[1]。人工智能技术研究领域包括机器人、模式识别、自然语言处理、机器学习、数据挖掘、人工神经网络和专家系统等[2],其最为广泛的应用之一就是游戏设计[3]。游戏设计虽然涉及多门学科,但其作为应用并没有形成一门单独的理论[4-5]。由于游戏存在较大的市场以及其作为人工智能的一个重要应用,国外已有多所大学开设了游戏设计课程。如卡内基梅隆大学(Carnegie Mellon University)于1999年设立了娱乐科技硕士学位,并开设了相关课程;南加州大学(The University of Southern California)设立了为期3年的互动媒体艺术(fine arts in interactive media)硕士学位课程,并于大学部设立电子游戏设计(video-game design)副修课程。该校也为美国军队创作训练士兵的电子游戏,透过战斗情境模拟来进行沙盘演练。麻省理工学院(Massachusetts Institute of Technology)提供多种电子游戏设计相关课程,并研发将电玩游戏纳入教室教学的方法。斯坦福大学(Stanford University)提供电子游戏设计史及包含最佳电子游戏竞赛奖的计算机绘图课程。华盛顿艺术学院(The Art Institute of Washington)为亚特兰大艺术学院的分校,提供授予学士学位的视觉及游戏程序设计课程。在初期的艺术与设计重点培训后,学生将学习立体动画相关技术。国内也有多所高校开设了游戏设计的相关课程,如北京邮电大学,首都师范大学等,为了适应市场许多培训机构也开设了游戏设计课程,但培训机构将课程的重点放在了实际的编辑代码中而过少的关注理论。中南大学开设人工智能课程已有20多年的历史,在教学实践中,中南大学智能系统与智能软件研究所的教师们在教学科研方面取得了许多令人振奋的成果。在良好的环境中,人工智能与游戏编程课程应运而生[6-7]。

1教学目标与要求

中南大学人工智能与游戏设计课程主要面向智能方向4年级学生,在4年级第一学期开设。学习该门课程之前需要具备人工智能以及计算机编程方面的课程知识,并且需要一定的计算机图形学的相关知识基础。

此门课程的学习使学生了解游戏设计与虚拟现实的基本概念和术语及其基本设计方法,理解人工智能在游戏中的相关应用,熟悉游戏设计中编程以及建模技术,为学生将来利用人工智能技术以及游戏设计技术奠定必要的知识基础。除此之外向学生介绍计算机游戏的基本原理和最新进展,包括计算机游戏动画的最新概况、游戏程序设计概览、2D游戏的基本编程技术、3D游戏动画的基本编程技术、3D游戏场景的组织与绘制、游戏中的高级图形技术、游戏中的音频编程、游戏中的人机界面技术、人工智能在游戏动画中的应用,纹理贴图、基于图像的绘制和加速算法等。

基于该教学目标,本课程有两个重点内容,其分别是人工智能技术如何在游戏设计中的应用,以及游戏编程的相关技术。对于人工智能技术在游戏设计中的应用这一内容,主要采用理论结合实际的理念,将学生已具备的人工智能理论知识与游戏设计的具体应用联系起来,使学生一方面能体会人工智能的基础理论,另一方面使学生能够将其所学用于实践,避免理论与实践脱节。游戏编程内容主要从设计模式入手,然后依托多媒体平台对学生进行讲授设计以及编程方面的相关知识。

围绕这个教学目标,我们安排了28个学时的课堂教学,4个学时的实验,总共32个学时的课程。接下来针对课堂教学、实验设计、考核方式这几个方面分别展开讨论。

2课堂教学设计

本课程采用培训学校模式与大学理论教育折中的方式进行讲授,本节将着重对28个学时的课堂教学内容分别介绍。

1) 游戏程序设计概论与计算机图形学基础。

该部分内容可以分为以下两部分。

(1) 计算机游戏简介与游戏设计概论(2课时)。

(2) 计算机图形学基础(2课时)。

概论部分主要介绍计算机游戏的基本概念、特点以及目前国际上该领域的研究和应用情况。图形学部分主要是介绍计算机图形学的相关理论基础,目的是让没有学过计算机图形学的学生有一定了解,由于考虑到智能专业也开设计算机图形学的相关选修课,因此,本部分内容只是对之前学习的相关知识的复习,目的是为后续的程序设计课程打好相应的理论基础。

本次课程是正门课程的开篇之讲,一方面,教师要开宗明义,让学生明确何为计算机游戏,并对计算机游戏有大致的了解,为后续课程学习起铺垫作用;另一方面,为增强学生学习兴趣,必须介绍计算机游戏的类型以及各种知识与其的关联。

2) 游戏编程技术。

如上所述,游戏编程是本门课程的一个重点内容,游戏编程可以分为如下几个部分。

(1)Windows编程基础(2课时)。

(2)DirectX编程基础(2课时)。

(3)2D游戏的基本编程(2课时)。

(4)3D游戏场景的组织和绘制(2课时)。

(5)3D动画的基本编程技术(2课时)。

(6)游戏中的人机界面技术(2课时)。

对于Windows编程基础,其主要内容是Windows操作系统的发展史、Win32程序的基本结构、消息循环与处理、Windows窗口、GDI接口、集成开发环境(IDE)。

DirectX编程[8]基础的主要内容是DirectX开发包的历史及其框架、介绍每一个组件的功能、DirectX开发包的安装以及与IDE连接的配置。

2D游戏基本编程的主要内容是游戏的基本流程和体系结构、游戏开发的基本理念及方法、游戏引擎简介、游戏的调试与测试。

3D游戏场景的组织与绘制的主要内容是3D场景的组织与管理、游戏场景的几何优化、3D场景的快速可见性判断与消隐、地形场景的绘制与漫游、3D游戏场景中的碰撞检测。

3D动画的基本编程技术的主要内容是3D动画技术概述、Direct3D开发包的使用、关键帧动画技术、基于动作捕捉的动画技术、脚本驱动的动画技术。

游戏中的人机界面技术主要内容是游戏的可玩性与人机界面、用户界面设计基础。

游戏程序设计部分内容主要是让学生了解和掌握面向Windows平台的游戏编程的技能。现在绝大部分游戏和娱乐都是基于Windows平台,因此掌握Windows平台的设计模式与编程方法是必须的。又因为DirectX软件开发包是微软公司面向Windows平台开发的一套专门应用于游戏开发的API,因此了解其原理以及掌握其技术能够提高学生的游戏开发能力。

3) 人工智能在游戏中的应用。

如今的游戏应用了大量的人工智能技术,本门课程将从以下几个方面介绍人工智能技术在游戏中的应用。

(1)遗传算法(6学时)。

(2)神经网络(6学时)。

遗传算法主要内容是遗传算法的概念及其相关研究、杂交操作、变异操作、适应性函数选择、遗传算法优化的算子、创建和处理矢量图形。

神经网络主要内容是神经网络概述、适应性函数、环境探测、有监督的学习、演化神经网络的拓扑。

该部分内容主要是介绍如何将人工智能中的理论用计算机语言实现,并介绍如何在游戏设计中应用这些理论。这部分内容是本门课程一个核心内容,通过学习学生们能够认识到人工智能在游戏设计中的重要性,并提高应用能力。

3实验设计与课程设计

由于该门课程为选修课,因此课时较少,除课堂课时之外只剩下4个学时的实验课时。我们针对这4个课时的实验进行了重点设计,其主要内容是引导学生熟悉Visual Studio .Net 2008集成开发环境、安装与配置DirectX 软件开发包、使用有限状态机设计状态驱动智能体,设计2D图形驱动引擎。

虽然课时很短,但学生能够实际动手操作,熟悉游戏编程的相关开发工具与开发包,另外,学生学习兴趣提高了,学习内容从枯燥的抽象概念、理论变成实际的事例。此外,学生还可以在课下完成任务,继续钻研新的理论应用。

我们针对本门课程实验课时少的缺点,特别设定了一个课程设计环节。课程设计并不占用实验课时,而是要求学生利用课外的时间,自由组合,以团队的模式完成相应的设计要求。

课程设计主要内容是要求学生完成一个项目设计,该项目设计主要是要求学生使用相关的集成开发环境和开发包,利用一个人工智能技术编写出一个小的游戏软件,并给出设计报告。考虑到学生的实际能力,开发与报告以小组的形式进行设计开发,设计团队由3～5人自由组合,具体分工必须在报告中体现,报告要求不少于4000字,以软件开发文档的形式提交,报告中不仅有游戏软件的需求分析文档、设计文档和测试文档,还必须包括游戏的内容设计,即游戏的情节创意或功能设计。设计题目以及游戏类型由学生自选,图形界面可以是3D也可以是2D,开发包可以使用Direct3D也可是Windows自带的GDI。

4考核方式及其安排

考核一个方面是检测学生学习的状况,另一个方面是为了通过考核方式,提高学生的实践动手能力。基于这个原因,我们将整个考核分为3个模块。

1) 期末考试(开卷),占总成绩的50%。

2) 项目设计,占总成绩的35%。

3) 实验,占总成绩的15%。

期末考试采用开卷形式,主要目的在于检测学生通过课程学习,对知识点的掌握程度,以及运用知识点解决问题的能力。其占总成绩比例的一半。虽然期末考试为开卷,但考核的知识点无法直接从教材中直接找到,需要学生实际运用能力和解题手段才能完成答题。精心设计的开卷试题,可以使学生对虚拟现实知识体系进行一个系统的回顾,同时,它也是对教学的补充。

课程设计需要学生有很强的自主性,认真完成将使学生受益匪浅,敷衍了事不仅学生没有得到锻炼,教学目的也难以达成。课程设计以小组的形式有优势也有劣势,好处在于学生可以根据自身能力对应团队中的角色,例如,某同学编程能力强,他可以作为程序设计与开发人员;另一同学数学好,或理论方面出色,他就可以担任算法设计的工作;某些同学有创意,他则可以担任游戏情节设计的工作,等等。这样做分工明确,每个人都能够根据自己的实际需求和情况得到锻炼。劣势在于,如果团队同学能力重点都一样,就会出现分工不清,而最大的问题就是团队合作会导致某些同学出现依赖思想,最终导致整个团队只有一个人完成整个项目,甚至导致项目无法完成的情况。对此,我们应当强调每一个学生都要积极主动参与到课程设计中来,发挥自己的主观能动性,协作完成项目。

5结语

本文探讨了人工智能与游戏设计教学目标与任务、课堂教学、实验设计、考核方式,希望能够给其他相关教学工作者以参考和启发,共同促进其完善与提高。

由于人工智能与游戏设计这门课程是中南大学新开的一门课程,在许多方面存在考虑不周或欠缺的情况,需要向兄弟单位多学习并且多在教学实践中摸索与提高。本门课程是以中南大学智能系统与智能软件研究所为依托,它具有很好的研究基础与良好的实验平台,并能够将这门课程融会贯通,使学生理解人工智能与游戏开发设计的基本理念,并培养学生实际应用技能。

参考文献:

[1] 杨刚,黄心渊. 虚拟现实技术课程的教学设计与讨论[J]. 计算机教育,2008(2):1-3.

[2] 蔡自兴,徐光v. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2003.

[3] 刘锴. 应用型院校的虚拟现实技术课程教学探讨[J]. 电脑知识与技术,2009,23(5):6486-6487.

[4] 刘明昆. 三维游戏设计师宝典:Virtools开发工具篇[M]. 成都:四川出版集团,2005.

[5] 王一剑. 人工智能在游戏开发中的应用[M]. 上海:同济大学软件学院,2008.

[6] 于金霞,汤永利. 人工智能课程教学改革及实践探讨[J]. 教学园地,2009(5):91-118.

[7] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.

[8] Microsoft. DirectX Software Development Kit[EB/OL]. [2010-7-20]. /downloads/details.aspx.

Design in Artificial Intelligent and Game Programming Courses

LI Yi

人工智能课程篇（2）

[5] 王海,许德章.“机器人学导论”专业课双语教学改革的实践[J]. 科技咨询,2009(3):182-183.

[6] 徐新黎,王万良,杨旭华.“人工智能导论”课程的教学与实践改革探索[J]. 计算机教育,2009(11):129-132.

[7] 李竹林,郝继升,马乐荣. 人工智能双语教学体系结构的探索与实践[J]. 计算机教育,2010(12):81-83.

[8] 冀俊忠. 落实科学发展观,深化“人工智能”课程的教学改革[J]. 计算机教育,2009(24):105-107.

[9] 朱映辉. 基于导向驱动的《人工智能》课程教学改革研究[J]. 现代计算机:专业版,2009(5):94-96.

Research on Artificial Intelligent Series Courses of Graduate Students

REN Xiao-ping1,2, REN Qing-xiong3, GUO Fan2

人工智能课程篇（3）

1背景

近年来，随着“互联网+”的快速普及，互联网跨界融合创新模式进入林业领域，利用移动互联网、物联网、大数据、云计算等技术推动信息化与林业深度融合，开启了智慧林业的大门。我国林业信息化、智能化建设逐步走上了有序、快步发展的轨道，取得了重要的进展。

2011―2013年，国家林业局先后开展了中国林业信息化体制机制研究和中国智慧林业发展规划研究，在此基础上出台了《国家林业局关于进一步加快林业信息化发展的指导意见》和《中国智慧林业发展指导意见》。2012―2013年，在深入研究的基础上，林业局编制了《中国林业物联网发展框架设计》，2016年3月正式了《“互联网+”林业行动计划》。

国家林业局制定的《中国智慧林业发展指导意见》指出，信息化、智能化在林业中的应用已经从零散的点的应用发展到融合的、全面的创新应用。随着现代信息技术的逐步应用，能实现林业资源的实时、动态监测和管理，更透彻地感知生态环境状况、遏制生态危机，更深入地监测预警事件、支撑生态行动、预防生态灾害。

人工智能是计算机科学中涉及研究、设计和应用智能机器的一个重要分支。国际上，人工智能的研究已取得长足的进展；在国内，也呈现出极好的发展势头，人工智能已得到迅速的传播与发展，并促进了其他学科的发展。我国已有数以万计的科技人员和大学师生从事不同层次的人工智能的研究与学习，人工智能已成为一个受到广泛重视并有着广阔应用潜能的庞大的、交叉的前沿学科。特别是经过近几十年的发展，智能技术及其应用已经成为各行业创新的重要生长点，其广泛的应用前景日趋明显，如智能机器人、智能化机器、智能化电器、智能化楼宇、智能化社区、智能化物流等，对人类生活的方方面面产生了重要的影响。

近年来，人工智能已经在智慧林业相关领域中得到了广泛应用，例如，在智能机器人的应用方面，已经有大量的嫁接机器人、水果采摘机器人、农药喷洒机器人、果实分检机器人等投入使用；在专家系统的应用方面，森林病虫害诊断专家系统、病虫预测预报专家系统、林产品生产管理专家系统、专家咨询和人员培训专家系统等也得到了广泛应用。

随着人工智能在智慧林业中的广泛应用，涉林企业和事业单位对智能型林业高技术人才的需求也在不断加大。为了适应市场对智能型人才的需求，自2003年起，国内诸多林业高等院校在计算机科学与技术专业本科阶段、林业相关专业的研究生阶段陆续开设人工智能课程，同时不断加大人工智能课程的比重，因此，人工智能课程教学对于林业院校显得越来越重要。

2林业院校人工智能课程教学现状

林业院校开设人工智能课程的专业不多，但有不断增加的趋势。以中南林业科技大学为例，该校计算机科学与技术本科专业自2003年起就开设了人工智能课程，所用教材一直是蔡自兴教授主编的《人工智能及其应用》；另外，面向部分专业的硕士和博士研究生开设了人工智能相关课程，如农业硕士的农业信息化领域研究生开设了人工智能技术，森林经理和森林培育两个专业的博士研究生开设了人工智能与专家系统。

针对计算机科学与技术本科专业，人工智能课程主要使用蔡自兴教授主编的《人工智能及其应用》教材施教，但由于课时数仅有32学时，关于人工智能的一些高级应用，如神经网络、专家系统、机器学习等，采用专题的形式组织教学。该专业没有设置实验学时，仅在理论课堂上演示了一些仿真软件，如BP神经网络仿真环境。

针对农业硕士的农业信息化领域研究生和森林经理及森林培育两个专业的博士研究生，教学计划安排的学时数为40学时，没有指定教材，仅给学生列了蔡自兴教授的《人工智能及其应用――研究生用书》等几本参考教材。课堂主要以专题的形式组织教学，每一讲除了相关的理论以外，还介绍一些工程实践应用的例子，让研究生能够了解这些人工智能算法如何在实际中得到具体应用。

3林业院校人工智能课程教学存在的问题

全国各高等院校的人工智能课程教学都或多或少地存在一些问题，林业院校更有区别于其他类型院校的显著特征，而且林业院校开设该课程教学相对较晚，因此林业院校的人工智能课程教学存在更多的问题。

（1）师资短缺。在林业院校，林学相关专业开设该课程往往由林学相关专业的教师主讲。这些非计算机相关专业的教师虽然曾从事过人工智能个别算法或领域研究，但不具备全面的人工智能相关专业知识，在讲授不熟悉的人工智能知识点时显得力不从心。

（2）教学内容专业性不强。人工智能是计算机科学的一个分支学科，一般的人工智能教材都比较适合计算机相关专业的学生使用，但是农业信息化、森林经理、森林培育等专业的学生不管是专业基础还是行业应用背景均与计算机类专业学生不同，如果我们仍然按普通的教材施教，教学内容就缺乏林科特色，显得专业性不强，无法吸引学生的听课兴趣。

（3）教学难度过大。林业院校涉林专业的学生一般只有计算机文化基础、C语言等简单的计算机课程基础，缺乏算法思想。而人工智能课程涉及很多高级、复杂的算法，不论从算法思想，还是从算法实现和算法应用，对非计算机类专业学生来说难度过大。因此，在教学内容和教学要求上要做一些取舍。

除此之外，还存在诸如缺少实验环节、教学手段单一、教学案例缺乏等其他普遍性问题。

4林业院校人工智能课程教学改革建议

通过分析林业院校人工智能课程教学存在的问题，结合自己近十余年来从事人工智能教学的经验，我们提出了一些改革建议。

（1）推行专题式教学，解决师资缺乏的问题。在师资缺乏的情况下，由一名教师完成整个人工智能课程教学比较困难，同时，可能有多名教师分别在人工智能的不同方面进行过深入研究。因此，可以将该课程按章节分成各个不同的模块，每一个模块设一个专题，如神经网络专题、专家系统专题、机器学习专题等，再由多名教师分别承担自己熟悉的专题进行讲授。这样既可以解决一位教师的知识不足，又可以让各位教师结合自己的科研将每一个熟悉的专题讲授得更加详细、更加有趣。

（2）教学内容与涉林专业紧密结合，解决专业性不强的问题。事实上，人工智能的各领域应用在林业行业都能找到对应的应用实例。例如，林果采摘机器人就是机器人在林业中的应用；林火识别和林木病虫害监测就是模式识别在林业中的应用；林火蔓延预测可以用到隐马尔科夫模型；PAID50专家系统平台就是专家系统在农林业中的应用典范等。因此，在教学过程中，我们可以考虑将人工智能知识与林业应用结合进行讲解，这样学生更容易接受也更乐意接受。更进一步，如果能够结合这些林业应用编写一本《人工智能及其林业应用》教材，将会更加适合涉林专业的学生学习这门课程。

人工智能课程篇（4）

中图分类号：G64 文献标识码：A 文章编号：1674-098X（2014）10（b）-0155-02

面对航天科技迅猛发展，现代军备技术快速提升，培养具有专业性的高素质航天类人才，是我国航天科技发展的战略选择，也是航天重点高校面向并有效服务航天事业的历史责任。航天类本科生的教育形式也需要突破传统的方式，着重多样性、前沿性、工程性，因此，该专业的各门课程教育都应该结合专业特点，探索新的教学模式。

人工智能自1956年诞生50多年以来，引起众多科研机构、政府和企业的空前关注，已成为一门具有日臻完善的理论基础、日益广泛的应用领域和广泛交叉的前沿学科。由于航天领域的特殊要求，人工智能在其发展中发挥着不可替代的重要作用，各发达国家都相继开展了人工智能与航天技术相结合的研究，致力于实现可重构的、具有容错能力的、智能的飞行系统和管理系统。因此，“人工智能”作为航天类专业的一门特色选修课，应结合专业特点展开更具有实用性和创新性的教学。

1 人工智能课程特点

一方面，“人工智能”是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域，具有知识点多、涉及面广、内容抽象、不易理解、理论性强等特点，使得该课程的教学具有较大的灵活度和较高的难度。另一方面，“人工智能”是一门正在发展中的学科，具有较强的前沿性，计算机科学、信息科学、生物科学等相关学科的发展不断的提出了许多新的研究目标和研究课题，使得人工智能的技术和算法也需要不断更新，这在很大程度上增加了“人工智能”课程的教学难度。

2 航天类专业特点

首先，航天类专业具有较强的工程性。在专业的教学改革中有统一的特点，即强调要体现航天工程技术的综合性、系统性， 注重培养复合型人才。其次，航天类专业具有一定的前沿性。因为航天飞行器作为现代高科技和多种学科技术综合应用的结晶，应及时把现代先进科技融入到了专业基础和专业类的课程教学中， 专业知识更新快成为又一特点；另外，航天类专业应注重实践性教育。尊重个性和兴趣，强调动手能力，实验室对学生开放，要求学生自主地设计完成实验，强调对学生设计理念和创造能力的培养。最后，航天类专业应重视产学合作。产学合作的目的在于推动学校与航天产业的持续全面合作，造就一支科学技术研究和工程实践兼备的教师队伍。

3 教学模式的探索

3.1 教材的选择

人工智能作为一门新兴的学科，其理论与方法都还在不断的发展与完善中。就目前来看，关于人工智能的定义和范围都没有一个统一的标准，不同的教材所介绍的内容也不尽相同。在教材选用方面，需要综合考虑专业特点和学生的知识背景。本课程主要针对航天类专业高年级本科生，该类学生具有一定的数学、计算机、信息论、通信理论等基础知识，对航天应用的基本需求有初步的了解，因此，“人工智能”课程难度应该控制在中级，可以较深入的介绍人工智能的基础算法和应用案例。

中南大学蔡自兴教授积累了多年的教学与科研经验，借鉴了国内外其他专家和作者的最新研究成果，吸取了国内和国外人工智能领域学术书籍的长处，于1987年编写了“人工智能及其应用”一书，该书根据人工智能学科的新发展不断修订，推出四个版本。本课程采用“人工智能及其应用（第4版）”，其中大部分内容适合本科生学习。另外，本课程还给学生提供其他一些参考书目，如N.J.Nilsson 的“Artificial Intelligence：A New Synthesis.Morgan Kanfmann”等经典教材。

3.2 课堂教学形式的探索

“人工智能”课程内容较抽象，概念较为繁多，若采用单一的课堂讲授的方式，学生容易概念混淆、理解不透，逐渐产生厌倦情绪，导致教学效果差。本文探索不同的课堂教学手段，根据不同内容采用不同的教学手段，有利于学生对课程内容的理解与吸收。另外，考虑到航天类的专业特点，突出课程内容的工程应用，增加研究性质的教学内容与形式，有利于培养学生的创新能力和实践能力。

（1）课件采用图文并茂的PPT。综合利用文字、图像、声音、视频等多种媒体表示方法，在介绍原理和概念时采用精辟的文字，介绍算法流程时采用图像，介绍算法应用时采用视频。在PPT中适当利用不同的字体、颜色或动画来突出重点，细化流程，引导学生的思路，便于集中注意力接受重点内容。

（2）适当增加课堂讨论与练习。对于人工智能的一些基本问题，可以引导学生进行调研和讨论，来深化课程内容的了解，并提高学生的学习兴趣；对于重要的算法和理论，可以增加课堂练习，让学生实际动手进行公式的推导或演算，并在练习中分析学生对问题的理解程度，有针对性的增加讲解或指导。

（3）适当采用类比的讲解方式。对人工智能的不同学派，不同方方法，以及方法的不同应用，广泛的采用类比的形式进行讲解，不仅可以复习已学习的内容，也利于对新内容的理解。并且，通过对不同内容的比较总结相似点、区分不同点，可以避免概念的混淆，清晰的掌握课程内容。

（4）增加研究性教学。研究性教学强调通过问题来进行学习，有必要将实际应用案例或者授课教师的科研项目融入日常的教学工作中去，用“启发式”、“案例式”教学激发学生“自主学习”能力。

3.3 课程内容的探索

一方面，鉴于本科生知识结构还不够完善，“人工智能”课程的内容要控制在适应本科生学科基础的中等难度；另一方面，鉴于航天类专业的特点，课程内容应更注重与航天应用相结合的内容，并且在课程中增加具体应用的介绍。具体的课程内容如表1所示。

3.4 考核形式的改革

“人工智能”课程注重学生创新能力和实践能力的培养，传统的试卷形式不能全面的反应学生的学习效果，因此，应采用课堂表现和课程报告相结合的方式进行综合考核。

一方面，重视学生提出问题、分析问题和解决问题的能力，对学生课堂讨论与练习的表现进行考核评分，作为总成绩的参考；另一方面，注重学生课题调研和实践的能力，采取提交课程论文的形式进行考核。正确引导学生根据个人兴趣、课程内容、可行性、实践难度进行合理选题，并根据所选题目进行文献查阅和总结，完成调研报告或算法实现报告。结合者两个方面进行最终成绩的评定，综合衡量学生问题分析能力、论文写作能力和创新实践能力。

4 结语

航天类专业的本科生教学需针对专业特点有的放矢，该专业的课程教育都应该趋向于前沿性、专业性和实用性。本文的“人工智能”课程教学改革方案不仅考虑到该课程属于前沿叉学科的特点，也综合考虑了航天类专业的特点。为了使课程教学更好地服务于学生，本文提出的改革方案打破传统的教学模式，将课堂理论讲解、课堂讨论、课后调研、项目实践等相结合，充分调动学生的学习兴趣和积极性，提高学生的创新能力，有利于培养真正符合航天领域所需要的综合型高级人才。

参考文献

[1] 王甲海，印鉴，凌应标.创新型人工智能教学改革与实践[J].计算机教育，2010（15）：136-138，148.

[2] 刘兴林.大学本科人工智能教学改革与实践[J].福建电脑，2010（8）：198-199.

[3] 怀丽波.32课时《人工智能基础》课程教学的几点思考[J].华章，2013（34）：193-194.

[4] 纪霞，李龙澍.本科人工智能教学研究[J].科教文汇（上旬刊），2013（6）：91-92.

[5] 肖春景，李建伏，杨慧.《人工智能》课程教学方法改革的探索与实践[J].现代计算机（专业版），2013（26）：32-34.

[6] 熊德兰，李梅莲，鄢靖丰.人工智能中实践教学的探讨[J].宿州学院学报，2008（1）：146-148.

人工智能课程篇（5）

课程设置应与高职教育培养目标和方式相一致

人工智能课程主要讲授当今智能领域的理论方法及其应用，是一门涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科的课程。以普通高校高年级计算机专业学生为讲授对象，人工智能课程在教学上一般以理论讲授为主，并辅以一些应用实例加以分析。课程本身理论性强，内容较为抽象，因此对学生专业知识基础的要求高，在教学上往往强调对各种智能理论的深入讲解和分析，以此达到提高学生专业理论水平的目的。

当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。

三个改革途径

（一）引导学生阅读应用研究文献

高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。

实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。

（二）安排学生对经典算法程序进行实验

与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。

在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。

学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。

例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。

（三）启发学生引入人工智能理论方法对毕业设计加以创新

毕业设计是高职教育的重要环节，学生通过毕业设计对以往所学知识作系统性总结，通过毕业设计能进一步加强学生的技能训练，提高学生的技能应用水平。从实践教学的角度来讲，毕业设计不仅仅要求学生对已学知识和技能的简单重复运用，更重要的是强调学生能够主动独立地分析实际问题，对问题的解决方法提出新的观点并付诸实践。然而从教学的实际来看，在毕业设计中学生创新的主动性不足，往往停留在继承和模仿阶段，毕业设计作品少有突破和创新。究其原因，并非学生所学知识和技能不足，而是学生未懂得如何分析已有问题，在其基础上引入新的解决方法或提出新的应用内容。

在计算机领域中，人工智能属于研究和创新的前沿和热点，许多旧有问题利用人工智能方法都得到了新的解决途径。教师在指导学生毕业设计时，可针对某一问题恰当地启发学生引入人工智能的理论和方法，并尝试性地运用在解决当前问题之中，这样能较容易地获得新的改进和突破，对培养学生创新观念和能力很有意义。

近年来，高职教育得到了迅速发展，其社会认可度也不断提升。但是，在发展的过程中也出现了一些新的问题，其中突出的是如何对以往普通高等教育的教学方式和内容加以改革，以适应高职教育的新要求。人工智能课程作为一门重要的计算机专业课程，仍需要结合高职教育的实际要求以及学生的具体情况，在加强培养应用型、技能型人才，加强实践教学上不断进行探索和改革。

参考文献

[1]赵蔓，何千舟.面向21世纪的《人工智能》课程的教学思考[J].沈阳教育学院学报，2004，6（4）：131-132.

人工智能课程篇（6）

人工智能(AI)[1]是计算机科学的重要分支,是计算机科学与技术专业的核心课程之一。本课程在介绍人工智能的基本概念、基本方法的基础上,主要是研究如何用计算机来模拟人类智能,即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的“智能”,本课程重点阐明这些方法的一般性原理和基本思想,使得计算机更好得为人类服务。

1人工智能课程体系

人工智能主要研究传统人工智能的知识表示方法,包括状态空间法、问题归约法谓词逻辑法、语义网络法、框架表示、剧本表示等;搜索推理技术主要包括盲目搜索、启发式搜索、消解原理、规则演绎算法和产生式系统等。

人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法,以及计算智能技术等。

人工智能课程在我校计算机科学与工程学院是作为大三年级的一门专业选修课开设,总共学时数为:60(其中理论学时为36,实验学时为24),随着计算机技术的不断更新发展,人工智能的应用领域变得越来越广,因此人工智能(AI)这个学科已不再陌生,很多学生对其充满兴趣,所以在选课人数上远远超过其他选修课的人数,另外结合我校的实际情况,部分理论或实验设计项目可以与其他相关专业结合起来而应用。

2人工智能教学实践

50多年以来,人工智能获得很大的发展,已经引起众多学科和不同专业背景学者们的日益重视,成为一门广泛的交叉和前沿科学,但是到目前为止人工智能至今仍尚无统一的定义,要给人工智能下一个准确、科学和严谨的定义也是困难的。

由于人工智能[2]是一门交叉性的学科,涉及到了控制论、语言学、信息论、神经生理学、心理学、数学、哲学等许多学科。所以该学科具有知识点多、涉及面广、内容抽象、不易理解、理论性强、需要较好的数学基础和较强的逻辑思维能力等特点,导致了在教学过程中老师讲得吃力、学生听得吃力。尽管在多年的教学过程中积累了一些经验,但是对于如何把握这门课程的特点,提高学生的学习兴趣,帮助学生更好的理解这门课程,目前仍然有很多问题需要研究解决。

目前在整个教学过程中存在的主要问题[3]是:

1) 教学内容陈旧,部分参考书相关内容或案例都过于陈旧。在整个教学过程中,多数教学案例涉及到人工智能理论的高级应用――机器人,目前在国际及国内机器人的水平已经达到相当高的水平,但是部分教科书中仍沿用关节型机器人为例,教学内容稍显陈旧。

2) 教材难易程度不均匀,部分章节学生难以理解。由于人工智能课程的部分章节,本身就可以独立成一门课程,但由于是面向本科生的内容,因此很多内容压缩于一章来讲解,同时由于课时所限,完全不能将相关的内容讲透讲通;例如:神经计算中的神经网络,与模糊逻辑控制的相关理论与应用。

3) 教学手段单一,教学过程中缺乏师生之间的沟通与交流。经过自己的实践教学及对兄弟院校的人工智能的教学内容与教学手段的调研,同时也在学生之间进行沟通交流,发现多数同学反映,理论与应用虽然前沿,但是在学习过程中,教师教学手段单一,内容枯燥乏味,一般的教学模式,多采用“老师讲,学生听”的方法,整个教学效果并不理想。

4) 考核方法不科学,不能体现学生实际的学习情况。目前对于课程学习的考核采用闭卷考试的方式,很多考点有的同学根本不理解,完全死记硬背,考后又将内容丢弃,从学习的效果来讲,收获甚微且完全没有达到真正学习及应用的能力。

3教学方法改进

3.1注重激发学生的学习兴趣

科学家爱因斯坦曾说过:“兴趣是最好的老师。”如何在教学工作中激发和培养学生的学习兴趣,提高他们学习的主动性和积极性是当前教学改革中迫切需要解决的重要问题。

在实际的课堂教学中发现,刚开始听课由于有兴趣学生整体学习的积极性很高,但是一段时间过后发现部分学生由于教学内容抽象,难点比较多,不便于理解,兴趣日渐变少,针对此种情况,可以采用任务驱动式教学或案例教学。

例如:在讲专家系统章节时,在授课之前先通过互联网,采取案例教学法,给学生们实时在线演示一个医疗专家诊断系统,演示其中的功能,同时与学生互动,以问答式与学生互动,了解目前专家系统的具体应用、可以解决的问题、给人民生活带来的益处等。通过这种教学的形式,一方面可以激发学生的学习兴趣;另一方面也使同学们体会到人工智能与我们生活的贴近程度。第二步,采用任务驱动法,具体来说,它是指教学全过程中,以医疗专家诊断系统若干个具体任务为中心,通过完成任务的过程,介绍和学习基本知识和具体设计方法。

3.2注重教材选择

这一任务的执行者主要是由教研室主任或任课老师来完成。目前在各高校中所使用的人工智能相关教材的种类繁多,章节和内容的设置上也存在差别。笔者在订阅教材或参加教材展销的活动中,都比较重视人工智能教材的情况,通过比较发现,有的教材内容及难度太低,完全不符合高等本科院校的要求,而部分出版社的教材则是内容及章节安排内容太多太泛,有些知识点讲的又过于深奥,限于学时所限也不适合选用。在选教材方面,除了关注内容方面外,还要注重书上所讲的一些实例,注重这些例子的典型性、时效性及新颖性,例如,部分教材在自动规划这一章,选用机械手作为例子来说明积木世界的机器人规划问题,还有一些选择关节机器人,前些年这样的机器人技术确实是个难点,但是依据现在成熟的机器人技术,无论是国际还是国内都已不再是技术难点,再拿这个例子去配合理论去讲解,无论内容还是形式都稍显陈旧,目前机器人技术发展水平基本上达到尽可能高仿真状态。

3.3运用现代化的多媒体教学手段

针对人工智能课程相关内容比较抽象,公式推导比较繁琐,除了具有完善的教学大纲、合理的教学计划以及好的教材外,还应该根据学校的实际硬件条件尽可能地选择多媒体教学手段来辅助教学。因此在实践教学中,配合教学内容,充分利用计算机、投影仪以及互联网的优势,结合多种教学方法与手段组织整个教学过程。例如:在讲述搜索推理技术时,使用一些小的演示软件,将相关推理技术的理论通过动画的形式一步一步演示出来;在讲专家系统相关理论知识时,尤其是各种类型的专家系统,采用互联网上的一些在线视频资源为例,给同学进行详细讲解,同时结合农业院校的特点,在线资源有如农业专家系统或动物专家诊断系统等,这样学生可以加强对理论知识的理解,同时也体会到理论不再是抽象空洞的文字描述;在自动规划这一章,给同学们选择演示发达国家目前研制的各种类型机器人,通过这些形象生动、行为举止逼近真实人的机器人来给学生讲理论,这样学生通过观看视频资源,不仅可以拓宽知识面及视野,同时也可以及时地了解国际及国内机器人的发展水平及差距,不断更正自己的错误观点并更新自己新的专业认识,另一个方面也可以同时激发学生们的学习热情和积极性,这一点在课堂实践教学中得到验证,得到广大同学的认可和接受,整个教学课堂不再那么单调枯燥呆板了,基本可以达到在娱乐中传授专业知识。

3.4加强对实验教学的重视

目前高校在人工智能的教学过程中,实验所占的学时比较少,有的甚至就不安排实验课学时;另外实验内容也相对比较简单,应用不到理论课堂上所学到的人工智能原理,实验效果不是很好。面向人工智能课程的程序设计语言,多采用Prolog程序设计语言,该语言是一种基于一阶谓词的逻辑程序设计语言,它在AI和知识库的实现技术方面具有十分重要的作用,具有表达力强、表示方便、便于理解、语法简单等优点。但在整个实验教学环境也遇到了如下问题:首先是目前有关人工智能的专门配套实验教程很少;其次是即使有诸如《面向人工智能程序设计Prolog》教程,则主要是侧重介绍这门自然语言的程序设计,而其中很多部分与AI实验环节关联度不大,另外教材价位也比较高。针对此种情况,笔者在24个学时的实验教学过程中,安排7个实验内容,其中最后一个专家系统的设计与实现作为一个综合性实验来设计。在进行实验教学的过程中,首先参考多本Prolog程序设计教程,选择其中与实验教学计划中相关的内容,专门编写相应的电子教程,同时也结合我校学生本身的特点[4],有侧重地体现和编写,总的目的是给学生一份完整的、系统的、规范的电子教程。这样做的目的是:一方面作为学生参考的技术文档;另一方面也可以节省学生的部分经济开支。电子教程的结构分为三个部分来完成,首先为人工智能理论及原理,Prolog语言的使用说明;其次具体的例子演示(均经过调试正常运行);最后为布置给学生具体的实验内容及相关题目,以提供给学生自己动手实践的机会。此外在实验教学过程中,同时也会给学生们自由发挥的机会,比如专家系统的设计与实现作为一个综合性实验,学生可以采用Prolog编程实现,也可以采用其他自己擅长的程序设计语言,例如有的同学选择C语言、VC++、Visual Basic、Java及网页开发设计语言ASP/JSP等,此外在实验内容方面,实验递交的专家系统涉及多个领域(有动物辨别、医疗诊断、动物养殖咨询等专家系统)、范围也颇广,实验内容重复性很小,在设计过程中,绝大部分同学均是结合自己的兴趣爱好来完成设计。

4结语

人工智能的研究成果将能够创造出更多、更高级的智能“制品”,并使之在越来越多的领域超越人类智能,同时将为发展国民经济和改善人类生活做出更大的贡献。作为一名当代的大学生有必要学好这门课程,但是根据实际教学情况,教师与学生仍然需要继续进行相应的研究与发展,只有不断地探索和提高,才能使我们的教学工作更上一层楼,才能培养出符合时代和社会需求的人才。另外人工智能与农业等方面存在很多结合应用的契机,这样计算机就可真正地服务于社会、服务于人类、服务于农业、应用于农业、发展农业。

参考文献:

[1] 蔡自兴. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2007.

[2] 陈峰,文运平. 浅谈人工智能课程的教学[J]. 消费导刊,2006(12):123.

[3] 赵蔓,何千舟. 面向21世纪的人工智能课程的教学思考[J]. 沈阳教育学院学报,2004,6(4):131-132.

[4] 王莲芝. 高等农林院校人工智能教学的探讨[J]. 高等农业教育,2003(12):64-65

Study of the Artificial Intelligence Teaching Methods

HAN Jie-qiong1, YU Yong-quan2

(1. School of Computer Science and Engineering, Zhongkai University of Agriculture and Engineering, Guangzhou 510225, China;

人工智能课程篇（7）

人工智能是一门研究机器智能的学科，是在研究人类智能行为规律的基础上，利用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。在知识经济向智能经济高度发展的今天，人工智能具有重要的理论意义和社会价值。人工智能理论已经渗透到各个领域，人工智能技术也得到广泛应用，许多研究成果已经进入人们的生活。

人工智能课程是一门多学科交叉的课程，具有很强前沿性，涉及哲学、认知科学、行为科学、脑科学、生理学、心理学、语言学、逻辑学、物理学、数学等众多领域；涉及面宽，内容广泛，更新快。人工智能课程的开设能够更好地培养学生的创新思维和技术创新能力，培养学生对计算机前沿技术的前瞻性，提高他们的科技素质和学术水平[1]。

人工智能课程内容的广泛性、前沿性和应用性特点决定了授课方法的多样性。与本科生相比，研究生在教育目标和身心特征方面都有较大的区别。笔者多年从事研究生人工智能课程教学工作，现总结多年教学经验如下。

1研究生培养目标及其教学特点

研究生教育阶段的教育目标是使研究生形成具有个性化的研究品格、研究定向和研究视野，以具有独立思考并获得独创研究成果的能力[2]。从这一意义上讲，个性化是研究生教育培养目标的构成主体。尤其随着我国经济持续高速增长，社会对知识创新、新经济生长点的期望值增大，这就要求我国研究生教育在其培养目标的定位上不仅要重视人才培养的高层次性，更要重视创新能力、实践能力和创业精神的培养。并且，研究生身心发展已较成熟，具有较稳定的个性特征，思维力强，具有较高的专业性思维意识和创造力，为独立地进行专业研究活动提供了心理上和智力上的保证。而且，研究生已具备了基础理论和专业知识，特别是有一定工作经历的研究生，他们不仅有本科教育阶段的知识积累，也有应用这些知识的经验，对于扩大其专业知识领域并进行研究有着积极主动的态度。总之，从年龄构成及身心特征上讲，研究生适应高层次、跨学科知识领域的学习和研究。

研究生的特征及其教育目标决定了研究生教学不应该是由教师讲授已定论的知识，而应是以教学为基本依托，通过教学提出具有研究性、探索性、未确定性甚至是尚存争议性的课题，激励研究生独立思考和质疑，让他们在思考和质疑的过程中提出问题，培育他们发现问题、提出质疑的科学批判精神，训练并提高其创新能力、实践能力和创新精神。创新精神和创新能力主要表现在具有健全的人格、强烈的责任感、开放的心态、团结合作的精神、严谨科学的思维能力和创新思维方式。

个性是创新的源泉，研究生课程体系的设置应该具有一定的灵活性，依据研究生不同的知识基础和研究定向，设置具有弹性化的课程，使研究生的个性化得以凸显。另外，为提高研究生专业研究和创新能力，在课程教学中，也应凸显教学的研究性和专业性，重视专业领域背景知识和研究方法的讲授，开展跨学科、非专业知识的教学，教学内容应涵盖专业领域的研究热点、难点、争议问题和最新研究动态，还应包括交叉学科、边缘学科的研究趋势，以扩展学生的视野[3]。也就是说，研究生教学既要凸显研究生的个性化特点，又要凸显内容的学术性和研究的指向性。

2人工智能课程的特点

2.1多学科交叉，具有很强的前沿性

人工智能是一门多学科交叉的课程。课程内容的理解需要运用多学科知识和较强的逻辑思维能力，多学科的知识相互联系、相互交叉，融合形成新的知识，成为新的思维方法和综合能力的萌发点。通过课程学习，学生可以通过不同学科知识的融合来达到对原有知识的超越，用一种全新的思维方法来思考所遇到的问题，提出新的解决办法。这也是创造力的迸发和智能的飞跃。具有了知识的广度和深度才具有融会贯通、创新的可能，人工智能课程的开设能够更好地培养学生的创新思维和技术创新能力，为学生提供一种新的思维方法和问题求解手段。

2.2涉及面宽，内容广泛，更新快

人工智能课程是一门知识点较多的课程，它以概率统计、离散数学、数据结构、计算机编程语言、数据库原理等课程为基础，涵盖了模式识别、机器学习、数据挖掘、计算智能、自然语言理解、专家系统等众多研究方向，内容涉及面广，概念抽象，不易理解。并且，人工智能课程内容更新快，近年来人工智能科学的快速发展，涌现出了大批新方法，研究热点问题也从符号计算发展到智能计算和Agent等。其中，计算智能主要涉及神经计算、模糊计算、进化计算和人工生命等领域，在模式识别、图像处理、自动控制、通信网络等很多领域都得到了成功应用；Agent最早来自分布式人工智能，随着并行计算和分布式处理等技术的发展而逐渐成为热点。

在互联网上有大量最新的与课程内容相关的研究论文，为学生提供了很好的查阅文献的环境，使学生能够根据所学习的内容和所在课题组的研究方向阅读相应文献，提高学生的学习兴趣和独立提出问题、解决问题的能力。

2.3应用性强

人工智能理论已经渗透到科学的各个领域，当前，几乎所有的科学与技术分支都在共享着人工智能领域所提供的理论和技术。例如，自第一个专家系统DENDRAL研制成功以来，专家系统已成功地应用于数学、物理、化学、医学、地质、气象、农业、法律、教育、交通运输、军事、经济等几乎所有领域；数据挖掘技术是以一种更自动化的方式对具有大量数据的商业活动进行分析和预测，在市场营销、银行、制造业、保险业、计算机安全、医药、交通、电信等领域已有许多案例；语义Web让Web上的信息能够被机器所理解，实现Web信息的自动处理，成功地将人工智能的研究成果应用到互联网。另外，在机器视觉、自然语言理解、智能控制与智能制造等方面，人工智能技术也得到广泛的应用，有许多研究成果已经进入人们的生活。目前，从理论到技术，从产品到工程，从家庭到社会，智能无处不在，人工智能广泛的应用性给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。

人工智能课程的多学科交叉性、内容广泛性、概念抽象、不易理解以及前沿性和应用性特点决定了在该课程的讲授过程中应该采用多种授课方法。多种授课方法的采用一方面便于授课内容的理解，另一方面也能够更好地培养学生的创新思维和技术创新能力，提高他们的科技素质和学术水平。

3人工智能课程教学方法

3.1基于问题的启发式教学法

苏霍姆林斯基说：“唤起人实行自我教育，乃是一种真正的教育。”基于问题的启发式教学法是教师在深入了解学生心理特点和学习规律的基础上，设计适合教学的启发式问题，并采取灵活多样、生动活泼的启发方式，充分调动学生的学习兴趣，激发、引导学生进行科学思维，培养学生独立思考问题、提出问题和解决问题的能力。该教学方法强调的是过程，教师的主要任务是提出问题，依据举一反三的思路引导学生展开逻辑推理，通过逐层分析深入思考问题，最后综合学生观点阐述相关理论。

在课程教学中，有许多内容适合于采用启发式教学方法。例如，在知识表示方法的学习过程中，教师首先提出问题：“你是怎样进行数学定理证明的？”并在学生的回答过程中，引导学生认识到知识及其表示的重要性；随后，提出问题：“在计算机中如何表示知识？”引导学生逐步总结出不同知识表示方法在知识表达能力、推理效率、可实现性、可组织性、可维护性方面的区别。另外，在确定性推理的教学过程中，教师可以利用“某处发生盗窃案，公安局派出5个侦查员去调查，研究案情时，5个侦查员各给出了一句可信的结论，据此判断谁是盗窃犯”的问题[4]，让学生进行判断和讨论，引导学生认识到推理过程中可以使用多条规则进行推理，并且推理路线也可能存在多条，从而引出推理的两大基本问题：解决冲突消解等问题的推理策略，以及解决推理线路等问题的搜索策略。

启发式教学法的要点是设计适当的启发式问题和启发方式、安排能调动学生积极性的讨论环境、鼓励学生发表个性化观点。教师不仅用问题引发学生思考，更要鼓励学生让思维自由驰骋，主动提出问题，讨论问题，寻求问题解决方案。在探讨、研究问题中，不要以现有的结论和固定的程式束缚思想，鼓励学生的个性化观点。启发式教学是一种民主、科学的教学方法，其中包含诸多具体的教学方法，如激疑启发法、比喻启发法、类比启发法、联系启发法，等等。启发式教学在传授知识的同时，更注重的是对创新的孕育、萌芽、生成和壮大，它能促使学生自己获取知识、思考问题、提出问题、分析问题、解决问题，培养学生的自学能力。以问题为基础的启发式教学，利用问题引导学生学习，全方位深层次发展学生的创新思维和探究性学习能力。问题可以诱发出学生的求知欲，激发、唤醒了学生的主体意识；问题往往是面向生活世界的实践活动的，它使教学活动从以传授知识为中心转化为传授知识与培养能力并重，理论与实践相结合，提高了学生分析、综合、观察、想象等思维能力。

3.2基于案例的探究式教学法

基于案例的探究式教学法要求教师能够根据学生的认知水平和能力，创设引导学生进行探究活动的案例，以激发学生探究问题的兴趣，促进学生质疑、探求的创造性学习动机，通过选择与确定问题、讨论与提出设想、实践与寻求结果、验证与得出结论，发展学生的创造性思维，培养学生独立探究、研究能力和创新能力。探究式教学强调学生的积极参与，强调师生互动。对教师来说，必须转变传统的“传道”观念，以平等的心态与学生交流探讨。在课堂上，要努力营造民主、宽松、和谐的教学氛围，积极引导学生大胆设想，大胆探索。使学生树立研究型学习的观念，消除依附心理，养成勤于思考、善于思考的良好学习习惯，通过积极参与研讨培养学生自己获取新知、探求未知的能力，以及团队意识和合作精神。

我们在本课程神经网络部分的教学中，将基于BP神经网络的维吾尔文手写字母识别作为案例开展了探究式教学活动。在介绍了前馈多层感知器及标准BP算法之后，教师将科研项目中基于标准BP算法的维吾尔文手写字母识别实验及其结果详细地在课堂上进行演示，引导学生对实验提出质疑。在教学实践中，学生提出了大量问题，例如，输出层神经元个数如何确定，为什么输出层神经元个数对识别率会有影响？网络训练过程中出现震荡的原因是什么？如何解决？为什么有时误差较大，权值的调整量反而很小？等等。在教师事先准备好的实验演示的基础上，开展学生进行课堂讨论，让学生提出解决问题的各种方法，并现场通过实验进行验证，逐步让学生理解BP网络结构设计、输入输出数据的预处理、初始权值设计的必要性及其实现方法。课堂授课实践表明，这种方法极大地激发了学生的学习兴趣，使学生能够大胆设想，大胆探索，增加了学生的自信心和创新精神。本次课堂讨论结束后，教师根据学生的讨论以及实验结果演示，总结标准BP算法的局限性，例如，“易形成局部极小”，“训练次数多，学习效率低”，“训练时有学习新样本遗忘旧样本的趋势”等，并要求学生通过查资料、搜集必要的信息、积极地思索和实验验证提出解决上述问题的方法，将学生分组，让学生展开讨论，为下次讨论课作好准备。

传统教学方法是告诉学生怎么去做，在一定程度上损害了学生的积极性。而案例教学要求学生自己去思考、去创造，使得枯燥乏味的内容变得生动活泼，并且案例教学中，通过学生之间的交流既可以使学生取长补短、促进人际交流能力，也可以引导学生变注重知识为注重能力。

案例教学法的关键是案例的选择。案例是为教学目标服务的，因此它应该具有典型性，且应该与所对应的理论知识有直接的联系。案例最好是经过深入调查研究。来源于实践，不能只是一堆数据的罗列。教科书的编写应采用图片、表格、曲线等方式让学生看到算法的实验结果，启发学生思考。另外，案例应该只有情况没有结果，有激烈的矛盾冲突，没有处理办法和结论，由学生对案例提出质疑，从这个意义上讲，案例的情况越复杂，越多样性，越有价值。

案例教学法能够实现教学相长。教学中，教师不仅是教师而且也是学员。一方面，教师是整个教学的主导者，掌握着教学进程，引导学生思考、组织讨论研究，进行总结、归纳。另一方面，在教学中通过共同研讨，教师不但可以发现自己的弱点，而且从学生那里可以了解到大量感性材料。另外，案例教学法能够调动学生学习主动性。教学中，由于不断变换教学形式，学生大脑兴奋不断转移，注意力能够得到及时调节，有利于学生精神始终维持最佳状态。案例教学的最大特点是它的真实性。由于教学内容是具体的实例，加之采用是形象、直观、生动的形式，给人以身临其境之感，易于学习和理解。最后，案例教学法能够集思广益。教师在课堂上不是“独唱”，而是和大家一起讨论思考，学生在课堂上也不是忙于记笔记，而是共同探讨问题。由于调动集体的智慧和力量，容易开阔思路，收到良好的效果。

3.3加强研讨

鉴于研究生的培养目标和人工智能课程研究范畴的宽泛性、应用性、创新性和前沿性，根据我校计算机系硕士生指导教师的研究领域，我们在课堂教学中为计算智能、机器学习算法、机器视觉、自然语言理解部分增加了研讨会，要求学生上网进行文献检索、阅读和学术研讨，根据个人的研究兴趣和研究设想上台作报告。另外，我们还邀请相应专家和成果突出的各届研究生为学生做报告，介绍他们的研究实践、研究成果和心得体会。例如，在自然语言理解部分的课堂教学中，在介绍完自然语言理解的基本概念与原理之后，我们要求将来做这个领域的研究生在通过查资料了解所在研究小组工作的基础上，上台作报告。机器翻译研究组的同学在学习自然语言理解部分的内容之后，对其所在小组目前的工作及采用的技术、存在的问题做了分析，并通过阅读文献，提出了初步的解决问题的设想。与自己所在研究小组的科研相结合，开展文献检索和学术研讨，一方面让学生开阔了眼界，另一方面也提高了学生查阅文献、主动获取知识、独立思考的科研能力。

4结语

人工智能理论已经渗透到科学的各个领域，人工智能技术也得到了广泛的应用。人工智能课程具有多学科交叉、内容广泛、前沿性和应用性强等特点，课程开设能够很好地培养学生的创新思维和技术创新能力。教与学是教师与学生双方互动的过程，教学中要根据学生身心特征的实际情况采用相应的教学方法，并结合本校科研队伍的研究领域，不断地探索和提高，才能使教学工作更上一层楼，切实为国家、为社会培养具有创新能力、实践能力和创业精神的高层次人才。

参考文献：

[1] 陈白帆,蔡自兴,刘丽珏. 人工智能精品课程的创新性教学探索[J]. 计算机教育,2010(19):27-31.

[2] 谢安邦. 构建合理的研究生教育课程体系[J]. 高等教育研究,2003,24(5):68-72.

[3] 教育部研究生工作办公室,国务院学位委员会办公室. 高层次人才培养的研究与探索[M]. 北京:高等教育出版社,2000.

[4] 蔡自兴,徐光佑. 人工智能及其应用[M]. 4版. 北京:清华大学出版社,2010:113.

Exploration of Artificial Intelligence Course Teaching of Graduate Students

ZHAO Hui1, JIA Zhenhong1, WANG Weiqing2

(1.School of Information Engineering, Xinjiang University, Urumuchi 830046, China;

人工智能课程篇（8）

中图分类号：G642　文献标识码：A

1　引言

人工智能(AI)是二十世纪五十年代后期兴起的利用计算机模拟人类智能活动去求解问题的学科，与空间技术、原子能技术一起被誉为二十世纪三大科学技术成就，目前广泛应用于专家系统、机器翻译、语音识别、文字识别、计算机视觉、机器人、电子游戏等方面，已经成为计算机技术发展以及许多高新技术产品中的核心技术。

为了适应人工智能技术日益广泛的需要，国内外高校普遍开设了“人工智能”方面的课程，特别是作为计算机方面专业的核心课程之一。我校自从1993年开始为自动化专业本科生开设“智能控制”选修课，1996年为自动化、计算机、机械等专业本科生开设“人工智能导论”、“人工智能及其应用”课程。目前，我校软件学院、信息学院、机电学院都开设了“人工智能导论”课程，已经成为计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其目的是使学生了解人工智能的基本概念和基本原理，初步学习和掌握人工智能的基本技术和前沿内容，拓宽知识面，启发思路，为学生提供最基本的人工智能技术和有关问题的入门性知识，提高学生应用开发软件的能力和水平，为今后在相关领域的研究和应用奠定更为坚实的基础。因此，建设好“人工智能导论”课程具有重要意义和很广的受益面。

由于人工智能是交叉学科，涉及面广、内容抽象、不易理解，学生往往有望而生畏的感觉，在教学过程中，老师教、学生学都比较吃力。为了更好地实现上述教学目标，提高本课程的教学质量，协调好教与学的双边关系，使学生由望而生畏的感觉，变为有用有趣的感觉，根据已有人工智能课程在教学与实践方面的经验和方法，结合“人工智能导论”课程的近几年教学实践，对课程的教学体系、教学内容、教学方法、教学手段、考核方式等方面进行了探索总结。

2　调整与优化教学体系和教学内容

“人工智能导论”是计算机科学与技术、软件工程、数字媒体技术、自动化、机械制造与自动化等许多专业本科生的一门重要的技术基础课程，也是面向包括人文社科等全校所有专业的公选课之一，其研究领域及内容十分丰富，涉及的基础面广。因此如何选好教学内容，既能使学生了解本领域的概貌，又能适合学生的基础，便于他们在有限的时间完成学习任务，是一件重要而又困难的事情。

进入21世纪以来，人工智能学科又有了新的发展。为了及时反映人工智能研究和学科的最新进展，我们修订了“人工智能导论”的教学大纲，对教学内容进一步优化和更新，极大充实了各个系统的内容。我们确定的教学内容主要分为三部分：第1部分为概论，介绍人工智能的基本概念、基本内容、主要研究领域及发展过程；第2部分是知识表示，推理和搜索技术，讨论几种常用的知识表示方法、推理技术(包括确定性推理方法和不确定推理方法)和搜索求解策略；第3部分是人工智能应用研究领域，包括专家系统、自然语言理解、机器学习、人工神经网络、遗传算法等的基本概念和方法等。其中第2部分是基础理论，是人工智能的重要基础，应该循序学习。第3部分是人工智能的应用，由于每个研究内容都相对独立、自成体系且有其专门的学术著作研究、热点，因此针对高等院校的本专科生来说，不必循序学习，而且结合专业特点可以选择其中几个研究领域。例如对自动化专业的学生来说，可以选择专家系统、人工神经网络、遗传算法等，同时可增加在自动控制领域的应用，包括专家控制、神经网络控制和进化控制等热点：而对计算机科学与技术专业来说，可以选择专家系统、自然语言理解、机器学习等，并辅以动物识别系统、语音识别系统、智能机器人等实例。总之就是要把握课程性质和教学目的，调整本课程教学体系，优化教学内容，让学生以有限的时间学到人工智能的基础知识和基本方法。

另外，在选择和确定教学内容时必须兼顾基础知识和新兴技术，注意与相关课程(如离散数学、数据结构、概率论、自动控制原理、Matlab系统仿真、面向对象的编程技术等)的链接，密切理论与实际的关系，通过课堂讲授和课外训练，注意学生能力培养，提高他们的学习效果和整体素质。

3　加强课程立体化建设和系列教材研究

在课程的立体化建设中，教材充当了地基的角色，所有的课程内容安排，无不体现出以教材为基本，以教材为模板。所以本着基础、实用的原则，我们先后编著出版了《人工智能及其应用》课程教材导论部分概括性强，引人入胜；基础部分系统全面，叙述深入浅出，循序渐进；应用部分密切理论与实际关系，典型形象。其中第二版在第一版的基础上，增加了证据理论、模糊推理、神经网络等理论的一些典型应用，使学生能够更深入地理解和应用这些理论；另一方面，又新增了自然语言理解及其应用内容，以适应目前计算机翻译、人机自然语言交互等技术日益广泛应用的需要。系列教材适应了人工智能导论新课程开设的需要，反映了人工智能学科的发展，为人工智能课程确立了基本框架，发挥了重要作用。系列教材的问世不仅解决了本校“人工智能导论”课程教学用书的问题，而且也被各兄弟院校普遍采用，促进了该课程的普遍开设，推动人工智能学科的发展。

为了配合教材第二版的教学和自学，在已有教学经验和教学成果积累的基础上，制作了高质量的教学课件和完整的教学视频录像，并刻录成光盘随书供读者使用；同时又研究与开发了网络课程(http：//)，以更好地调动学生的学习兴趣和主动性，促进本课程的教学改革。

包括主教材、电子教案、教学视频录像、网络课程及教学资料库等在内的课程立体化建设符合二十一世纪高校教学的要求，支持教师提高教学手段现代化的水平，更贴合学生的学习需求。

4　改革与创新教学模式和教学方法

在“人工智能导论”课程教学的过程中，我们积极探索教学新路，经过数年辛勤试验，结合蔡自兴教授等对人工智能课程的建设经验，对课程的教学模式和教学方法进行了如下一些的改革与创新。

(1)通过多种途径激发学生的学习兴趣

“兴趣是最好的老师”，“人工智能导论”课程的学习效果，直接受到学生兴趣和参与意识的影响。由于这是一门导论性前沿课程，一般来说，学生开始学习兴趣很大。但是，当一些学生开始接触到抽象概念和算法时，往往感到不易接受。我们通过各种途径和方法，激发和培养学生的学习兴趣。例如，鼓励学生参与课堂讨 论、布置读书报告和课外实验、以问题为导向的启发式教学、专题讨论／辩论等形式。特别，我们精心组织和准备了模糊控制技术及其应用、智能机器人技术与应用、智能交通、BCI(脑机交互接口)等专题，以及智能调度软件、语音识别系统、动物识别系统、足球机器人比赛、机器人轨迹跟踪、倒立摆的智能控制等课内演示，使学生扩大了眼界，增加了感性知识，达到提高学生学习兴趣的目的与效果。

(2)面向问题的启发式教学

人工智能中的许多问题，有的似是而非，有的引人入胜。在教学中，有意识的提出相关问题，提请学生思考，鼓励学生提出自己的猜想和解决方案。然后逐步进入教材中的解决方案，启发学生求解这些问题，并进行分析和比较，从而强化了学生学习的主动意识和参与意识，提高了学生的学习积极性。例如，在讲到比较抽象的“遗传算法”时，提出“遗传算法如何用于优化计算?”这一问题。针对该问题，先从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用；然后通过一个简单的例子，从特殊到一般地启发学生思考“遗传”、“变异”和“选择”的实现，最终让学生与教师一起导出遗传算法用于优化计算的基本步骤。这样，学生不但从中学习了遗传算法，而且得到一次逻辑思维的训练，取得很好的教学效果。

(3)课堂辩论与交互式教学

组织课堂辩论，讨论的议题包括人工智能的应用前景和其他比较等有争议的问题。学生对这些问题展开了激烈的争论，激发了学习潜能，明确了学习目标。例如，为了加深学生对智能机器人内涵的理解，我们组织了“机器智能能否超过人类智能”的辩论会。会前正反双方结合本课程内容及其相关知识，认真进行准备；辩论会上正反双方唇枪舌战，激烈争辩，气氛热烈。辩论后，学生余意未尽，讨论热情不减。无论是哪一方获胜，都达到了预期的效果。教学中我们还注意采用了多种交互式策略，如课堂上教师提问可鼓励或指定学生提问，也可由学生自由地就某个知识点进行主题发言后老师点评等。

(4)个性化学习与因材施教

在本课程教学过程中注意对学生因材施教和个性化教学。例如，通过组织学生进行读书报告的形式，鼓励学生从多方面、多角度考虑问题，多提新颖思想，有意识地鼓励优秀学生探讨比较深层的内容，并辅导优秀学生将其成果以科技论文和发表文章的形式转化为成果。又如，在教学设计和实验设计中，注意要求学习有余力和兴趣的学生选作部分探索性、创新性的功课和实验(选学内容，如模糊控制器的设计、进化控制等)，从而引导学生发挥个性优势，达到因材施教的目的。同时注意分析学习较差的学生的具体困难，进行有针对性的指导。

(5)多媒体与网络教学的使用

本课程在PPT演示文稿和网络课程上，采用了大量的多媒体表现形式，如视频、动画、声音和图像等。目的在于使得人工智能抽象的知识形象化，便于学生理解。例如，课内让学生在线观看涂晓媛博士的计算机动画“人工鱼”的录像片段、人工生命Floy中生命智能体在环境中不断的适应进化构成演示等，有助于加深学生对所学知识的理解，促进教学水平的提高，激发了学生对课程的兴趣，使学生创新意识得到增强。此外，随教材附赠的教学光盘和开发的网络课程(http：//)提供了学生课外自学用的高质量的电子课件、完整的教学视频录像、丰富的实验和案例资料等，以更好地调动学生的学习兴趣和主动性。

(7)理论与实践结合

在教学内容安排上，注意理论联系实际，适时布置一些人工智能实验给学生进行课外练习。设计的课外实验包括产生式系统实验，归结反演实验，主观Bayes推理网络实验，A搜索实验，以及基于Maltab工具箱的模糊控制位置跟踪系统、两车追赶模糊控制系统、神经网络模式识别仿真、遗传算法优化计算等实验。通过实践和参与，保持学习兴趣，有助于学生对人工智能基本概念和难点的理解，掌握基本方法和技术，为从事智能系统应用开发打下基础，从而达到教学目的。例如，我们组织学生参观我们的研究生综合自动化实验室，观看机器人臂取物、倒立摆控制、语音识别软件、指纹识别软件、智能调度软件等演示，密切理论与实际的关系。

我们在教学改革实践中探索的这些教学方法，有利于充分激励学生的学习积极性和主动性，有利于鼓励学生发挥独立思考和创新思维，有利于多方位培养学生学习发现问题、分析问题和解决问题的能力。

5　运用多样化的教学手段和考核方式

5.1　多样化的教学手段

采用现代信息技术进行教学，构筑“人工智能导论”课程的现代教学模式，是本课程的主要特点之一。教学过程中采用了多媒体教学课件和网络课程相结合的方法，充分利用多媒体的丰富表现形式，利用网络课程的交互性、情景化等，进行教学。采用的方法包括：

(1)抽象知识内容的多媒体表示

通过动画和视频来演示抽象的概念、算法和过程，包括机器人轨迹跟踪、机器人臂取物、足球机器人比赛、倒立摆控制、“人工鱼”等录像片段，以及智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件演示。

(2)通过PPT撰写教案

精心编制PPT，组织好课件内容，做到图文并茂，提纲挈领，便于学生理解，便于教师讲授。

(3)开发与应用网络课程

“人工智能导论”网络课程较好的实现了交互性、在一定程度上实现了学习过程的情景化。在交互性方面，通过网络课程的课堂练习和章节练习，评价学生的学习情况，并给学生提出学习建议。在情景化方面，采用了在线答疑形式，使得学习过程丰富有趣。

(4)先进实验系统的观摩与演示

利用我们的研究成果等有利条件，有针对性地对学生进行成果演示(包括智能调度软件、语音识别系统、指纹识别系统、动物识别系统等软件)，使学生知道学了有用，而且很有用，很有趣，很有意义，从而进一步诱导学生的学习兴趣，巩固了课堂所学知识，提高了教学质量。

教学效果通过上述先进的现代信息技术的应用，不仅极大地提高了学生的学习兴趣和主动性，而且也取得很好的实际教学效果，提高教学质量。

5.2　作业、考试等教改举措

(1)改革作业方式与方法

改变过去那种单纯的书面习题作业，发展成为必须交给教师评阅的书面家庭作业、不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中上交作业通过网络进行，教师批阅后的作业也通过网络返回给学生，实现了作业呈交和返回的网络化。

(2)改革考试方式与方法

人工智能课程篇（9）

1．背景

随着互联网时代的到来，人们的生活方式发生了许多重大的变革，其中之一便是网络游戏的盛行。如同雨后春笋般冒出来的网吧，以及快速增长的PC，使得人们接触到互联网的机会越来越多，这就为网络游戏的传播与发展创造了可能。一方面，数量庞大的网民群体中，年轻人占了绝大部分，网络游戏丰富了社会公众的文化娱乐生活，深受广大年轻人喜爱，这更促进了游戏产业的蓬勃发展。另一方面，现代社会生活节奏加快，人们压力日益增大，许多人倾向于在网游中寻求安慰，释放压力，因而全球市场对于网游的需求有增无减。同时，随着科技的发展和人们对游戏越来越高的要求，游戏逐渐向真实体验、感觉、触觉等人性化发展，让玩家有身临其境的感觉，在整个游戏过程中得到享受游戏的一种特别的快乐和放松。［1］

近年来3D影像和仿真科技的不断发展，让游戏开发人员得以创建出更吸引人、更令人沉迷其中的游戏环境。然而要做出更能令人流连忘返的游戏就得应用人工智能（AI）。AI的应用使游戏角色能够任意走动、角色可以走进障碍物、能够控制非玩家角色是否按照团队运动等，同时，AI还能延长游戏的生命周期，让游戏更加有趣和更具有挑战性。

AI能够处理游戏角色的追赶、躲避、聚集、避障和寻径问题；AI给游戏角色赋予模糊逻辑和有限状态机等基于基本规则的推理能力；AI脚本可以扩充AI引擎，让设计者和玩家更好地设计和玩游戏，等等。因此，将AI应用在游戏开发中以设计实现游戏角色的各种行为势在必行，有着重要的现实意义。

2．教学内容及其特点

本系人工智能课程的教学内容主要是处理追赶、躲避、聚集、拦截和避障等问题，使用经典A*算法及其改进算法解决寻路问题，以及有限状态机，等等。本文主要针对游戏中游戏角色的寻路问题进行探讨。游戏设计中游戏角色的寻路问题是设计的关键，传统的方法是应用A*算法及其改进算法等来实现游戏角色的寻路问题，目前逐渐有学者应用神经网络、遗传算法、粒子群算法等智能算法来实现游戏角色的寻路问题。如：迷宫寻路游戏中《帮助Bob找到回家的路》应用遗传算法，《智能采矿》游戏中应用神经网络，用粒子群实现坦克大战游戏，等等。尝试应用鱼群算法、萤火虫算法等智能算法求解游戏角色的寻路问题中，以实现游戏的更加智能化、人性化，同时，新的仿生算法的学习和应用能吸引学生的学习注意力、增强学生的学习兴趣。

智能算法是解决智能计算问题的方法，已成为人工智能界一个研究的热点领域，研究的最终目标就是为了让计算机和集成有计算功能的各种工具及设备更加独立、更加聪明，能够自主思考和行动，最终成为我们工作和生活中必不可少的一部分。智能算法主要包括：人工神经网络、进化算法、人工免疫算法、模拟退火算法、蚁群算法、粒子群算法、蜂群算法、人工鱼群算法、人口迁移算法、人工萤火虫算法等。［2］智能算法是一类仿生算法，就是向自然界学习，采用类比的方法，通过模仿自然界中动物飞行、觅食、求偶等行为以得到解决问题的一般方法，如蚁群、粒子群、蜂群、鱼群、萤火虫算法等。此外，还有很多智能算法通过模仿一些自然或物理现象和规律，如模拟退火算法通过模拟液体的结晶过程设计，免疫算法是模拟生物、植物或动物免疫系统自适应调节功能设计的，人工神经网络是模拟人的大脑结构及信号处理过程而设计的，进化算法是基于达尔文的“优胜劣汰、适者生存”原理设计的。［3］

针对本系人工智能课程的教学内容，建议补充人工智能中几种简单的智能算法的知识点，选取相关人工智能教材的一些内容结合智能算法进行教学。

3．教学方法

针对人工智能课程内容，根据高校教育规律、高校学生学习的特点，采用教学、实践相结合的教学方法，大小课结合，大课讲授理论知识，小课进行课堂实验，小课的课堂实验中严格要求学生亲手编写代码，应用大课所学理论知识完成简单小游戏以实现理论和实践知识的掌握。同时，借助游戏系的优势，制作动漫，采用动漫技术来实现人工智能中各种算法的仿生机制，让学生深刻体会每一种算法的原理和仿生机制，这样能增强学生学习人工智能课程的兴趣，可以取得更好的教学效果。

4．教学效果评价方法

人工智能这门课，最重要的是注重学生对人工智能理论及在游戏中应用的知识和能力的培养。因此，本课程学习结束后主要采用以下方式进行考查：（1）闭卷考试。主要考查对人工智能理论的理解、掌握和综合运用能力。（2）课堂练习。要求对课堂上介绍过的算法理解、分析、应用，编程实现游戏中的某个功能，最终课程结束时能完成一个功能完整的小游戏。（3）大作业。检查学生的动手编程能力，要求从介绍过的算法中找一种算法实现一个小游戏中游戏角色的移动、寻路等行为，形成一个演示游戏。该门课成绩分配如下：成绩=闭卷考试（70%）+课堂练习（10%）+大作业（20%）。

5．结语

人工智能是随着计算机技术的飞速发展和人们对自然界的深入理解而发展起来的，人工智能的应用逐渐广泛。游戏开发中人工智能的应用实现了游戏逐渐向真实体验、感觉、触觉等人性化发展，让玩家有身临其境的感觉。因此，在网络游戏相关专业开设人工智能课程势在必行，有着重要的现实意义。

参考文献：

人工智能课程篇（10）

人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。

人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。

实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。

1研究型教学模式背景

研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。

19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。

自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。

2研究型实验教学

本科教学不仅要培养学生的应用能力,还要培养学生具备基本的科研素质。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。特别是近几年来我国对科研的投入不断增加,研究生招生规模逐年增大,本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题,其涵盖的分支非常广泛,如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等,都是目前国际和国内热门的研究方向。

人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。

针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、激发学生的研究兴趣,树立目标意识找准研究方向,为未来的科研工作打下基础,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。

2.1实验教学中加强学生的研究导向

在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用,是一种具有强大的非线性学习能力的计算智能技术。然而BP神经网络算法自身也存在着一些缺点,如会有局部最小解、解受初值影响较大、理论解释不完善等,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。

2.2人工智能课程实验

该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。

该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。

课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。

3实验平台的构建

民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。

因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。

目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。

4结语

研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:

1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。

2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。

3) 需要建立一套合理的学生学业和教师绩效的评价体系。

参考文献:

[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.

[2] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.

[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.

[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.

Exploration and Practice of the Research Experiment on Artificial Intelligence

ZHANG Ting, YANG Guo-sheng