人工智能課程中的思政教育探索與實踐

劉麗玨，陽春華，陳白帆，王雅琳，王 勇

（中南大學 自動化學院，湖南 長沙 410083）

1 智能科學專業課程中思政教育的必要性

隨著人工智能、大數據和云計算技術的日益成熟和高速發展,當前社會已全面邁入了ABC 時代[1]（A，AI；B，Big Data；C，Cloud Computing），ABC 時代的共性強調必須大力發展系統化能力。系統思維是人們運用系統觀點，把對象互相聯系的各個方面及其結構和功能進行系統認識的一種思維方法。系統思維以整體思維取代片斷思維[2]，整體性原則是系統思維方式的核心。這樣的時代背景對社會各類人才提出了更高要求，不僅要求學會求知、學會創新，還要求學會做人、學會合作、學會發展，具備全局觀、整體觀、系統觀，成為社會所認可的人。

以人工智能課程為例，課程教學一向重視基礎理論知識的教學，對智能算法、相關的數學基礎、計算機知識等非常關注，但伴隨人工智能技術的快速發展，它一方面將使社會生活更加便利、提高人類福利，同時對社會提出了方方面面的挑戰，包括社會治理、政府監管、社會倫理、法律規范等。算法歧視會對人類傳統價值觀等倫理道德理念產生沖擊，如谷歌公司錯將黑人標記為大猩猩事件、四處可見的大數據殺熟事件。如何確保算法設計的倫理考量將成為技術人員必須考慮的一個重要問題。另外，在人工智能時代，個人隱私（數據）保護將面臨互聯網、大數據與人工智能三者疊加的風險。這些例子都非常明確地表明，人工智能人才的培養不能僅關注在專業知識和技能上，加入對人工智能相關法律、倫理和社會問題的深入探討，為智能社會劃出法律和倫理道德的邊界，讓人工智能服務人類社會，形成新時代人工智能專業人才的全方位育人體系成為必然的趨勢。

2 國內外現狀分析

我國的人工智能教育起步較晚，2004 年3月，我國第一個由北京大學申報的智能科學與技術本科專業通過教育部備案。人民日報海外版報道：國內AI 人才供求比例僅為1∶10，未來幾年我國人工智能人才缺口超過500 萬人[3]。領英2017 發布的《全球AI 領域人才報告》指出：截至2017 年一季度，基于領英平臺的全球AI（人工智能）領域技術人才數量超過190 萬，其中美國相關人才總數超過85 萬，高居榜首，而中國相關人才總數超過5 萬人，位居全球第七；中國資深人工智能人才數量與美國差距顯著，10 年從業者僅占38.7%，而美國10 年以上AI 從業人員比例達到全球最高的71.5%[4]。該報告同時提到：中國人工智能人才也有其優勢，即高學歷者眾多，其中研究生及以上學歷的人才占比達62.1%，領先于美國的56.5%。中國人工智能人才特點表現為比較年輕、缺少經驗，但學歷高、接受能力強。

在人工智能的教育過程中，我國人工智能專業課程基本都集中在人工智能技術相關知識的講授，在人工智能對社會的影響方面幾乎從未涉及，缺少對人類自己、技術與人類的關系的辨析和反思。

在國外，幾乎每個知名工科或綜合類大學都開設研究生的人工智能課程，美國卡內基·梅隆大學在2018 年甚至宣布設立了美國首個人工智能本科專業，在該專業的課程中，除了數學、編程、人工智能技術等與技術相關的課程外，還加入了包括人工智能與人性、計算中的道德和政策問題及AI、社會與人性等人工智能道德課程。其專業負責人宣稱“道德和社會責任也將會是這個專業方向強調的內容，包括如何用 AI 為整個社會帶來福利的獨立研究”。英國的人工智專業則包含了從物理機械理工科到人文道德倫理人權等方面內容。在講授專業知識的同時，大多結合自身的專業優勢，著重培養學生的實操能力，在人才培養的維度方面比國內更加全面充實。

從以上內容可以看出，我國在人工智能課程的教育中還停留在知識與理論的教學方面，在人工智能的道德教育方面急待加入新內容。

3 人工智能課程思政教育途徑

3.1 合理設計思政教育切入點

人工智能是一門高度交叉的學科，其研究領域既包括早期以符號、知識為中心的知識表示、搜索推理等，也包括當前最熱門的以數據驅動的機器學習、計算智能等。其內容十分豐富，涉及基礎面廣，思政教育的切入點也很多。目前課程思政教育內容點覆蓋全部教學章節，各部分思政教學內容設計舉例如下。

1）緒論。

緒論介紹人工智能的概念、發展歷程、研究方法、當前熱門的應用領域。在這個部分中借助一些影視作品，加入AI 技術對社會、經濟、道德等方面的影響，用案例和討論的方式引發學生思考。比如，AI 是否會像影視作品中那樣，最終代替人類甚至奴役人類？AI 技術的普及能否引起大面積失業？AI 技術的最成功應用之一：刷臉支付，如果有人趁你睡著或昏迷時刷你的臉怎么辦？通過討論這些問題，引導學生樹立AI技術由人開發，也只能服務于人的觀念。

2）問題求解技術。

問題求解技術主要講授經典人工智能理論的狀態空間智能搜索技術，包括狀態空間表示，無信息搜索方法和有信息搜索方法。由于狀態空間搜索技術屬于全觀察（full observable）問題，每個狀態下對自身的所有情況都是已知的，因而可以通過預估選擇最優的下一狀態，這與只有胸有成竹才能事半功倍多么相似。由此啟發學生面對問題時要多觀察、多了解、多調查才能有最好的解決方案。

3）進化計算。

進化計算部分主要講授以遺傳算法、群智能算法等為代表的智能優化算法。與傳統搜索技術不同，這類算法基于種群的迭代尋優算法，種群中的個體通過各種方式互相影響，一代代進化。能保持種群個體良好的多樣性是避免算法陷入局部極值，從而無法找到最優解的關鍵因素之一。從這一點切入，和學生討論求同存異的重要性，只有保持開放和包容的態度才能不斷進步。

4）機器學習。

機器學習是當前人工智能的研究熱點，在這個章節中主要講授基于統計學習的機器學習有關概念和方法，包括線性回歸、線性分類、神經網絡、深度學習等。機器學習技術大多采用梯度下降等迭代優化算法優化損失函數，成千上萬次的迭代才可能找到最后的解，在這里可以引導學生思考百折不撓、堅持不懈的重要性，明白事物發展的曲折性。在各種機器學習方法中，以大數據為基礎的深度學習方法可以說是當前AI 技術獲得廣泛關注的主要原因，且帶來的問題也最多。由于有監督學習的效果依賴于標簽數據的數量和質量，有偏好的數據勢必會導致有偏向的結果。比如谷歌公司錯將黑人識別為大猩猩事件，就是因為其標簽數據中黑人的數據量偏少。另外，如何使用從大數據中學習得到的結果也讓人深思，比如金融領域的算法越是強大，被打上“窮人”等標簽的特殊群體在申請金融服務時就會越難；廣告商更傾向于將高息貸款信息向低收入群體展示；網絡商家利用平臺收集的海量用戶信息和數據，對客戶進行精準識別和歸類，通過向消費能力高、消費意愿強的用戶展示更高的價格賺取更多利潤，同樣的商品或服務，老客戶看到的價格反而比新客戶要貴等。這些問題都被納入課程案例庫，根據課程內容在不同階段引入，展開討論式、匯報式教學，有助于學生樹立正確的工程倫理觀，以公正、公平的態度，辯證的思想處理和看待問題。

3.2 豐富教學手段和教學方法

專業課程中加入思政內容最忌諱生硬，要使思政內容與專業知識無縫連接，就必須改革教學方法，創新教學手段，拉近課堂與學生的距離，讓思政課真正活起來、好聽起來[5]。

1）構建問題鏈教學。

問題鏈教學是以某一主題為中心設計的步步深入的一組問題，通過階梯式問題引領學生思維逐步深入[6]。通過這種方法引入思政問題，能有效吸引學生興趣，引發學生主動思考。比如在粒子群優化算法的講解過程中，先提出大家一起出海捕魚，用什么方式才能用最快的方法捕到大魚的問題，引導學生思考團體協作的重要性；再通過粒子群優化下一代粒子的飛行方向是怎樣的問題，引導學生辯證地思考當自身信息與他人信息不一致時，要如何取舍？以粒子是飛向自身最優和全局最優的加權中心的答案引出既不能盲目只信自己，也不能全信他人，應該綜合考慮以降低失敗風險的結論；最后提出慣性因子起什么作用的問題，引導學生得出它能使粒子即便是在當前全局最優位置，也能以一定的慣性飛行，從而避免陷入局部最優的結論。由此結論引申出即便當前已經做得很好，也不能停滯，要始終保持探索的精神和學習的動力。

2）利用云課堂教學。

傳統課堂教學將教師和學生固定在一定的空間和時間中，而高校專業課往往學時有限，要在短短的課堂教學時間中完成知識點的傳授，思政內容的滲透，學生興趣點的了解，學生與學生之間、學生與教師之間的交流、討論是非常困難的。云技術的普及，為教學提供了全新手段，采用線上、線下相結合的方式，讓思政學習延伸到課下。在人工智能課程中就利用本校的教學資源可視化平臺，在這個平臺上建設自己的課程，除教學課件、視頻、測試外，還可發布討論任務，讓學生就某一主題發布自己的見解，其內容教師和其他同學都可以看到，將討論環節延伸到課外，既能節省課內的時間，又能讓很多在課堂上靦腆沉默的學生在網絡空間中大膽表達，促進教師對學生思想狀態、學習狀態的了解，從而更好地設計思政教學內容。比如課程中曾發布關于圖靈測試的討論，很多學生驚嘆于圖靈思想的超前性，更加堅定了自己學好課程內容的決心。

3）設計多維度考核機制。

以往專業課程考核多以專業知識的試卷考試為主，很難體現思政內容的學習效果。為此，課程大大增加了除試卷成績外的其他環節成績比例。云課堂的應用，使教師對學生學習過程的監控更為便利，每個環節的完成度都有據可查。課程建立了多維度綜合考核機制，最終成績的計算公式如下：

其中考試成績S1占50%，討論表現S2占10%、實驗項目S3占40%，而實驗項目得分又由每個實驗方法設計的合理性、實驗結果的優劣、匯報答辯的表現、同組同學的評價、他組同學的評價這幾個指標的平均分計算得到。實驗方法設計的合理性要求學生既要考慮結果的優劣，還必須考慮計算的代價，平衡成本與收益，如在線性回歸實驗中，要求學生對早期胚胎發育數據建立回歸模型。有的學生建立了二次模型可使擬合優度達到0.87，而有的學生建立了五次模型，擬合優度達到0.89，在這種情況下，綜合考慮成本和收益，自然是前者的方案更優。通過這種方式，讓學生能夠建立起系統化、整體化的思維方法。

4 結 語

工科專業學習的自然科學最終要學以致用，運用到什么地方和如何運用，掌握在什么人手中，是一個十分顯著的倫理問題。人工智能技術的發展帶來了很多以前沒有遇到過的問題，比如機器人的人權、機器學習的數據偏向性、大數據的信息安全性等。同時很多智能算法往往蘊含著哲學倫理，研究如何將專業倫理融入到專業教學中，收集專業工作實踐過程中的真實案例，發掘原理、方法中的人生哲理，設計融合專業知識與思政內容的問題鏈，將思政內容自然地滲透到專業內容中，建立起以專業倫理為價值依托的教學內容體系，有助于改變以往只“重技”的專業課程教學模式，有助于建立起著力培養德智體美勞全面發展的工科專業新人才的長效育人機制。