0 引 言
2017 年 9 月，中共中央办公厅、国务院办公厅印发《关于深化教育体制机制改革的意见》，提出要“健全全员育人、全过程育人、全方位育人的体制机制，充分发掘各门课程中的德育内涵，加强德育课程、思政课程建设” [1]，为高校的课程思政建设提供了方向。
对于近几年诞生的“新工科”专业——人工智能，其教育的方针与人才的培养须紧跟时代变革的步伐。据中国教育部门统计，当前我国人工智能人才缺口超过 500 万，供求比例为 1：10，供需比例严重失衡 [2]。不断加强高水平的人工智能人才培养，补齐人才短板，是我国科技发展的当务之急。高校作为人工智能创新技术的来源地、人才培养的基地，如何培养符合企业、行业需求，具备做出创新原创成果的能力且满足国家科技发展需要的高端人才对国家科技战略发展至关重要。
课程思政旨在各学科专业教学中融入思想政治内容。在高校研究生人工智能课程中自然、深刻、全面地融入思政元素，实现教学向理想信念教育、学术能力培养、社会责任培育等多向度的延伸，回应高等教育“培养什么人、怎样培养人、为谁培养人”这一根本问题 [3]，对推动科技创新，加快建设世界科技强国具有十分重要的意义。
1 人工智能专业课程思政建设的必要性
人工智能自 1956 年在达特茅斯会议上被提出以来，经历了逻辑推理、专家系统和机器学习3 个阶段的发展。从 1980 年至今，人工智能都处于以机器学习为主的发展阶段。机器学习是一种人工智能的方法，机器学习方法中由人工神经网络技术发展而来的“深度学习”技术，使得人工智能再次兴起 [4]。在随后几年的发展历程里，深度学习技术在计算机视觉、自然语言处理、语音识别等多个领域都展示出了超强的性能，在自动驾驶、医疗影像、交通、安防、工业制造等行业的应用也获得了很大的成功和广泛的认可。正是这一技术的快速发展及落地应用，人工智能才得以快速渗透于各行各业，并走进人们生活的各个角落。 2020 年，三部委联合发文，指出要深化人工智能内涵，因此开展人工智能与课程思政深度融合的研究尤为必要。
2 人工智能与课程思政深度融合模式
人工智能与课程思政深度融合模式如图 1 所示。课程思政围绕“培养什么人、怎样培养人、为谁培养人”这一根本问题，对专业课程的教学目标、教学内容、教学实践进行梳理与重塑。教学目标分为道德、知识、能力 3 个维度，道德维度是构建并传播价值引领，包括社会价值、社会责任、科学精神等，塑造学生的品格、品行及品位；知识维度是知识传递，包括课本知识、案例驱动、主体经验等，使学生达到具有正确选取和使用知识的能力；能力维度是培养学生在科学研究中的创造力，包括学习沟通能力、分析解决问题能力、创新创造能力等，让学生担当起民族伟大复兴的大任。 3 个维度的教学目标深度融合、相辅相成。教学内容充分挖掘课程思政元素，完善课程思政教学体系，包括立鸿鹄志、求真学问、知行合一、展强国梦 4 个阶段。教学实践开创早研究、早投入、多应用、多合作的发展模式，以建设一支高水平的科研队伍，培养人工智能领域高水平的应用研究型人才。
3 人工智能与课程思政的深度融合——以深度学习课程为例
深度学习课程是人工智能专业的核心课程，是当前研究生学习和课题研究主要涉及的领域，其课程思政建设对教师团队的理论和实践水平要求都很高，且目前对该课程的课程思政建设还鲜有案例。结合深度学习课程实际，对该课程教学的全过程进行设计，将思政教育融入教育教学全过程。首先明确课程思政教学目标；然后深入挖掘课程思政内涵，丰富教学内容；最后通过多个教学环节和多样化教学手段，整合多方资源协同育人，实现全方位育人。
3.1 深度学习课程教学目标
在知识传授、能力培养过程中注重思政元素的融入，深度学习课程建设应注重培养学生的高水平科学素养，扎实理论基础，强化实践能力和创新思维。尤其要着重培育学生的创新能力，把“工匠精神”刻在每位学生的心中，让学生全身心地投入世界科技强国建设的过程中 [5]。
3.2 深度学习课程教学内容思政元素切入点
基于深度学习课程理论，教师应在原有课程知识体系的基础上，充分挖掘课程知识点中的思政元素，提炼课程理论的“术”与“道”。对深度学习的课程思政教学过程进行全方位深度融合，总体上将课程知识体系分为 4 个部分，分别是立鸿鹄志、求真学问、知行合一、展强国梦。
3.2.1 立鸿鹄志篇
大数据与深度学习章节由大数据等新技术概述、人工智能简史、深度学习概念、深度学习简史 4 个子章节组成。课程通过刷脸支付、搜索引擎等引出数据科学思维；借助疫情实时大数据进行科学防疫案例分析，挖掘“在解决不断变化的实际问题时，大数据分析须实时更新和完善”的辩证唯物主义思想；从人工智能三起三落的发展过程、人工智能发展到机器学习、深度学习发展3 个阶段阐明科学家坚定科学信仰、追求真理的决心；对比国内外深度学习发展、人工智能投入等，提倡“四个正确认识” [6]。
本章节作为深度学习课程的开篇，教育主体应更加注重传播“数据科学思维”“坚定科学信仰”“正确认识世界和中国 AI 发展大势”“树立科技强国的自信”等思政元素，从而让学生立“鸿鹄志”——为中华民族伟大复兴而奋斗。
3.2.2 求真学问篇
深度学习思维章节包括深度学习思维、卷积神经网络、循环神经网络、生成对抗网络、强化学习理论 5 个子章节。深度学习思维从“深度学习技术与人工神经网络感知机”“深度学习的特征表示与传统方法区别”“深度学习的特征表示机理——从浅层特征到高层语义特征的逐层抽象” 3 个方面展开，挖掘出“由浅入深、从具体到抽象的思维方式”“批判思维”等思政元素。通过介绍卷积神经网络的提出动机、卷积层的计算和设计原理引导学生从人眼认知机理发现视觉感知规律；通过讲解循环神经网络分析序列数据的特征，引导学生探讨数据之间的依赖性、因果关联性；通过介绍循环神经网络衍生的长短时记忆网络，进一步引导学生从实际问题出发改进方法、追求真理；通过讲解生成对抗网络的生成器如何学习生成以假乱真的样本，以及判别器如何学习区分真假样本，来寻找数据之间的本质联系、迁移表象特征，给学生提供一种“无中生有”创造数据的方法。强化学习理论是一种符合人类学习习惯的方式，能够在与外界接触中不断改进，融合了“批评与自我批评”“坚持不懈朝着目标努力”的思政元素。
本章节是深度学习课程的核心内容，始于“科学精神、追求真理”，陷于“辩证思维、批判性思维”，忠于“不忘初心、坚定信念”，止于“实现人类命运共同体”，促使学生“求真问学、练就真本领”。
3.2.3 知行合一篇
深度学习实战章节从视觉目标检测技术、图像语义分割技术、人脸识别技术、关键点检测技术、视觉对话系统这 5 个研究领域展开，将优秀案例作为课程教学素材。视觉目标检测和图像语义分割在自动驾驶、智慧环保、安全生产、生物特征识别等行业广泛应用，是对“提高全民健康，人类共建美好家园”的践行。以深度学习的目标检测和语义分割理论为基础，分别讲解自动驾驶场景下的目标检测和车道线分割、大气污染烟尘目标检测、安全生产目标检测、医学图像分割、虹膜分割等应用案例。人脸识别、微表情在心理学分析方面与姿态识别在智慧安防方面的广泛应用是解决社会民生问题的切实解决方案。视觉对话系统让机器具备智慧的双眼和对话能力，比如垃圾分类辅助对话系统，能够帮助构建未来美好家园。
本章节通过对多个研究方向的案例分享及实操训练，让学生在掌握知识理论的基础上，从项目实战过程中更加深刻地理解枯燥的算法理论，真正做到“知行合一，实践出真知”。
3.2.4 展强国梦篇
深度学习前沿技术章节介绍迁移学习方法、少样本学习与元学习方法、弱监督学习方法、半监督学习方法和图神经网络。迁移学习方法从理论和应用两个方面说明了矛盾的普遍性和特殊性，提倡用辩证的思维看待问题、具体问题具体分析。少样本学习的概念和元学习方法思路则面向更普遍的实际场景，引导学生探讨少样本的情况下如何实现可持续发展。当前实际生活中很多人工智能应用很难获取大量有标注数据，引导学生探索利用有限的数据资源实现弱监督深度学习和半监督深度学习，思考如何发掘数据的本质相关性关系，利用已知信息解决未知问题或利用少数已知属性数据标注大量未知属性数据。这是目前人工智能领域亟待解决的难点问题，在教学中有必要引导学生面向科技前沿，以攻克技术难题为目标，学会从问题出发，寻找解决问题的思路和方法。
本章节主要针对其他研究难以克服的技术难题提出解决思路，或者对其他研究进一步优化解决方案，既面临巨大挑战，也足以统领全局，在全面推进人工智能快速发展的征程上具有重大意义，也是加速社会现代化建设，实现科技强国、中华民族伟大复兴“中国梦”的强大力量。
3.3 深度学习课程的思政协同教学实践
全方位育人过程中，基于充分理解课程思政内容的前提，建设一支高水平科研队伍，为国家、社会、企业培养人工智能领域高水平的应用研究型人才尤为重要。深度学习课程的教学实践，不仅包括课内的课程思政融合，还包括课外的一系列实践，可以采用早研究、早投入、多应用、多合作的发展模式。
（1）早研究：①课程体系设计之初，课程教学团队通过不断学习思政课程，激发了建设热情，达到对课程思政的认可，达成共识，并积极自觉地投入其中。②课程教学团队通过调研学习，当深度学习在国内处于初期的探索阶段时，大部分高校仍然以讲授传统机器学习方法为主要课程内容，本校已经在机器学习课程的教学中引入了深度学习的相关内容教学。
（2）早投入：①通过课程教学团队研讨，确定课程思政融合知识点课程体系，修订完善深度学习课程教学大纲。②课程启动之前，开展面向全校范围的“深度学习讲习班”，通过邀请各大高校杰出教授开展讲座的形式，为师生普及人工智能前沿技术，搭建生动的研讨课堂，奠定团队与交叉学科合作研究的基础。
（3）多应用：①深度学习课程讲授中，通过引入相关案例增加该技术相关内容的学习，在课程首尾以案例驱动方式充分激发学生学习兴趣，树立扎实学好专业技能的理想信念。开篇以实际案例进行展示，激发学生学习兴趣，使其对课程知识的应用场景有直观了解；其次，在“知行合一”篇课程实践部分从实际案例剖析相关技术知识点，有针对性地学习，帮助学生尽快找到学习的突破口。②通过将学生进行分组，组织丰富的课堂问题讨论和前沿技术论文学习研讨，以此打造良好的学术讨论氛围。
（4）多合作：为培养优秀的人工智能专业研究生人才，探索并实践出学生课程完成后的培养方式。①教师带领研究生驻扎在企业开展深入的产学研合作。②与国内研究机构、国外高校联合培养。③带领研究生参加国际知名 AI 竞赛。④组织常态化的理论研讨学习。⑤积极组织研究生参加国内、国际学术会议。
最终以实践考核和理论考核作为课程考核标准：①以国内、国际 AI 竞赛成绩作为实践考核内容，实践成绩以比赛结果为准。竞赛题目与课程内容相关，让学生在真正的实战场景动手，锻炼团队协作能力，培养良性竞争环境，激发创新思维。②学生撰写的科技论文水平作为理论考核内容。比赛过程中，学生结合课程理论知识，将方法的实现和改进形成学术论文，锻炼形成科研创新思维。
4 结语
为了 将人工智能专业知识和思政教育内容密切结合，教学团队充分理解专业知识内涵，寻找与思政教育内容的“隐形”结合点，在大量实际项目中总结经验，将枯燥繁杂的理论知识凝练、提升、总结，并采用多种教学方法和模式，达到充分融合思政教育和研究生专业技能培养的效果，从而实现全方位育人的目标。
参考文献：
[1] 何韶颖, 蒋嘉雯. 深度学习理论下的城市设计系列课程思政教学研究[J]. 高等建筑教育, 2020(4): 162-168.
[2] 刘丽珏, 阳春华, 陈白帆, 等. 人工智能课程中的思政教育探索与实践[J]. 计算机教育, 2020(8): 63-66.
[3] 于亚新, 丁义浩. 以课程思政重塑大数据与智能时代的数据科学思维体系[J]. 中国高等教育, 2020(8): 9-11.
[4] 商新娜, 宏晨, 田娥, 等. “机器学习”课程思政教学改革与探究[J]. 科教文汇, 2021(28): 95-97.
[5] 顾然, 冯国昌. “新工科”背景下人工智能专业“课程思政”教育研究: 以“人工智能导论”课程为例[J]. 黑龙江教育, 2020(10): 6-7.
[6] 高宁, 张梦. 高校“课程思政”建设中的主要矛盾及解决思路[J]. 北京教育, 2020(3): 43-45.
基金项目： 重庆理工大学研究生教育教学改革研究项目课程思政改革专项（clgyjg2020309）；重庆理工大学本科教育教学改革研究项目（2020YB25）；重庆理工大学研究生教育教学改革研究项目（clgyjg2020207）。
第一作者简介： 冯欣，女，重庆理工大学副教授，研究方向为计算机视觉、机器学习，xfeng@cqut.edu.cn。
引文格式：冯欣，张杰，石美凤，等. 人工智能专业的课程思政建设[J].计算机教育,2022(11):43-46.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
