依托大學生創(chuàng)新訓練計劃項目培育中高年級本科生人工智能知識和科研素養(yǎng)的探索與實踐

邵文澤 劉媛媛 葉路月 許晶晶 仲彥臻

摘要：文章以南京郵電大學新一代人工智能學科建設為出發(fā)點，以《高等學校人工智能創(chuàng)新行動計劃》為具體指引，本著教書育人嚴謹務實的治學態(tài)度，總結了依托大學生創(chuàng)新訓練計劃項目培育中高年級本科生人工智能知識和科研素養(yǎng)的探索體會與實踐做法，以為南京郵電大學全面展開本科生人工智能課程教學提供及時必要的經(jīng)驗積累。

關鍵詞：人工智能2.0;深度學習;視覺計算;科研素養(yǎng)

中圖分類號：G642.0 ? ? 文獻標志碼：A ? ? 文章編號：1674-9324（2020）11-0188-02

一、引言

人工智能不是一個全新的領域。1956年，在美國達特茅斯學院，麥卡錫（John McCarthy）教授等學者就已提出人工智能（Artificial Intelligence，AI）的概念，意指要使機器像人那樣認知、思考和學習。2006年以來，以深度學習為代表的機器學習算法在機器視覺和語音識別等領域取得了極大的成功，識別準確性大幅提升，使人工智能再次受到學術界和產(chǎn)業(yè)界的廣泛關注。在經(jīng)歷50年的跌宕起伏后，人工智能終于迎來2.0時代。

在人工智能2.0時代，南京郵電大學本科生的人工智能知識和科研素養(yǎng)亟待培育和提升。通過與通信與信息工程學院、貝爾英才學院、自動化學院、物聯(lián)網(wǎng)學院以及管理學院中高年級本科生的日常交流發(fā)現(xiàn)，不少優(yōu)秀學生對于人工智能2.0的相關理論、方法和技術表現(xiàn)出了強烈的求知欲望和濃厚的學習興趣。作為人工智能領域的一線教學科研人員，我們注意到全校范圍內只有自動化學院為自動化專業(yè)本科生開設了“人工智能”選修課。然而，在人工智能2.0時代，“人工智能及其應用”的知識體系已不能反映當下以深度學習為代表的前沿人工智能技術的重點、難點和痛點。因此，從學校層面看，不管是人工智能受眾的廣度還是內容的新度和深度以及項目創(chuàng)新訓練，自動化學院開設的“人工智能”課程已不能滿足南京郵電大學本科生對于人工智能技術的現(xiàn)實訴求。

為此，本文以南京郵電大學新一代人工智能學科建設為出發(fā)點，以《高等學校人工智能創(chuàng)新行動計劃》為具體指引，本著教書育人嚴謹務實的治學態(tài)度，總結了依托大學生創(chuàng)新訓練計劃項目培育中高年級本科生人工智能知識和科研素養(yǎng)的探索體會與實踐做法，以為南京郵電大學全面展開本科生人工智能課程教學提供及時必要的經(jīng)驗積累。

二、探索與實踐方案

本次探索與實踐活動主要以作者所在課題組為支撐，以面向課題組碩士生的《深度學習與人工智能》專題討論班為基礎，依托獲批的5項南京郵電大學大學生創(chuàng)新訓練計劃（STITP）項目具體展開。

1.以深度學習為向心力的人工智能知識素養(yǎng)培育研究。新一代人工智能的核心算法引擎是深度學習。深度學習的理解，離不開本科數(shù)學中最為基礎的數(shù)學分析（高等數(shù)學）、線性代數(shù)、概率論和凸優(yōu)化;深度學習技術的掌握，離不開以計算機編程為核心的動手實踐。否則，人工智能知識素養(yǎng)的培育只能是夸夸其談，人工智能科研素養(yǎng)的培育更是空中樓閣。簡單而言，本次培育中高年級本科生新一代人工智能知識素養(yǎng)的課程內容包括：（1）人工智能簡介。通過梳理人工智能技術、應用和產(chǎn)業(yè)演進情況，分析人工智能的技術熱點、行業(yè)動態(tài)和未來趨勢。（2）數(shù)學與計算機基礎。回顧高等數(shù)學、線性代數(shù)、概率與統(tǒng)計這三門數(shù)學課程包含的數(shù)學知識;熟悉最優(yōu)化和機器學習的基本理論與方法;熟練操作Linux系統(tǒng)和進行Shell編程，熟悉C++、Python、Matlab語言。（3）深度學習入門。從神經(jīng)元模型開始，掌握卷積層、Pooling層等基礎結構單元，Sigmoid等激活函數(shù)，Softmax等損失函數(shù)，以及感知機、MLP、LeNet等經(jīng)典網(wǎng)絡結構;掌握網(wǎng)絡訓練方法，包括BP、Mini-batch SGD和LR Policy;了解深度網(wǎng)絡訓練中的兩個至關重要的理論問題：梯度消失和梯度溢出。（4）深度學習進階。掌握一個開源深度學習框架的使用，是實際掌握深度學習技術的必經(jīng)之路。當前使用最為廣泛的深度學習框架包括Tensorflow、Caffe、MXNet和PyTorch等。本項目將主要利用Tensorflow開源框架。這個階段除了熟悉掌握Tensorflow的安裝、語法和操作，還將學習和理解AlexNet、ZFNet、GoogleNet、VGGNet、ResNet等ImageNet競賽網(wǎng)絡模型。（5）深度學習實戰(zhàn)。將從計算機視覺中的低層、中層、高層三個具體的智能感知問題訓練和提升深度學習的實戰(zhàn)能力。其中，低層智能視覺問題為基于VDSR模型的自然圖像超分辨率;中層智能視覺問題為基于Faster RCNN模型的目標檢測;高層智能視覺問題為基于GAN模型的圖像自動生成與判別。

2.以STITP項目為驅動力的人工智能科研素養(yǎng)培育研究。在人工智能知識素養(yǎng)培育的良好基礎上，進一步依托具體STITP項目開展前沿人工智能科研素養(yǎng)培育的研究，將主要從新的網(wǎng)絡結構、新的優(yōu)化方法、新的學習技術、新的數(shù)據(jù)增強四個方面進行培育。此次獲批的STITP項目包括：（1）霧霾天氣車載視頻動態(tài)目標檢測與識別深度方法研究。本研究面向這一現(xiàn)實的前沿技術問題，提出和驗證霧霾魯棒的目標檢測與識別深度學習解決方案。（2）低清監(jiān)控視頻感興趣目標檢測與再識別深度方法研究。本研究面向這一現(xiàn)實的前沿技術問題，提出和驗證感興趣目標的檢測與再識別一體化深度學習解決方案。（3）霧霾天氣車載視頻交通標識檢測與識別深度方法研究。本課題面向這一現(xiàn)實的前沿技術問題，提出和驗證霧霾魯棒的交通標識檢測與識別深度學習解決方案。（4）城市道路監(jiān)控視頻模糊車牌檢測與識別深度方法研究。本研究面向這一現(xiàn)實的前沿技術問題，提出和驗證模糊魯棒的車牌圖像檢測與識別深度學習解決方案。（5）城市道路監(jiān)控視頻低清人臉檢測與識別深度方法研究。本研究面向這一現(xiàn)實的前沿技術問題，提出和驗證監(jiān)控視頻低清人臉檢測與識別的一體化深度學習解決方案。

三、探索與實踐總結

通過此次探索與實踐活動，我們發(fā)現(xiàn)：當聚焦一個具體的人工智能前沿課題研究時，利用一學年的培育時間完全可以在本科生的人工智能知識素養(yǎng)和科研素養(yǎng)培育方面取得初步成效。撰寫本文時，由課題組指導的、15名本科生承擔的5組STITP項目均已順利結題，且均取得了良好以上成績，學生的人工智能知識素養(yǎng)和科研素養(yǎng)得到了顯著提高。因此，我們相信此次探索與實踐活動具有一定的參考意義。

總體而言，此次探索與實踐活動意義在于積極響應和落實《國務院關于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》以及教育部發(fā)布的《高等學校人工智能創(chuàng)新行動計劃》相關文件精神，通過人工智能相關理論方法的傳授和STITP項目攻關，不僅將為后續(xù)開設“人工智能2.0”課程提供必要的教學素材，而且將迭代摸索出一套培育中高年級本科生人工智能知識和科研素養(yǎng)的可行方案和寶貴經(jīng)驗。通過將上述實施方案做進一步系統(tǒng)細化和深化，有望促進本科生在日常學習之余取得理論創(chuàng)新和應用創(chuàng)新的新突破。

參考文獻：

[1]孫秋霞.曲折中前進的人工智能[J].中國科技獎勵，2016，（09）：22-24.

[2]高芳.全球知名智庫對中國《新一代人工智能發(fā)展規(guī)劃》發(fā)布與實施情況的評價及啟示[J].情報工程，2018，（02）.

[3]夏海波.中國人工智能科技的公眾傳播與社會評價研究[D].浙江工業(yè)大學，2017.

[4]張澤治，王敏，張云慧，曲春霞.人工智能背景下ZT創(chuàng)智課堂對學生創(chuàng)新思維能力的培養(yǎng)與評價[J].基礎教育參考，2018，（22）：36-38.

[5]中國電子技術標準化研究院.人工智能標準化白皮書[R].2018.