人工智能課程領(lǐng)域知識(shí)圖譜及其創(chuàng)新教學(xué)模式

謝 榕，朱衛(wèi)平

（武漢大學(xué) 計(jì)算機(jī)學(xué)院，湖北 武漢 430072）

0 引言

人工智能是計(jì)算機(jī)科學(xué)的重要分支，現(xiàn)已成為當(dāng)今科學(xué)技術(shù)發(fā)展的重要前沿學(xué)科。2017 年國(guó)務(wù)院印發(fā)新一代人工智能發(fā)展規(guī)劃通知，指出人工智能是引領(lǐng)未來(lái)的戰(zhàn)略性技術(shù)［1］。人工智能基礎(chǔ)課程，如《人工智能引論》等，是學(xué)生學(xué)習(xí)人工智能知識(shí)的重要專業(yè)課程，主要講授人工智能的基本原理、方法與技術(shù)。該課程內(nèi)容特點(diǎn)是概念偏多、理論抽象、算法復(fù)雜、內(nèi)容難懂。在學(xué)習(xí)過(guò)程中，學(xué)生普遍反映學(xué)習(xí)該課程難度偏大，理解與掌握課程知識(shí)要點(diǎn)有一定困難，對(duì)該課程雖很有興趣卻望而生畏。當(dāng)前課本知識(shí)所呈現(xiàn)的知識(shí)體系描述相對(duì)抽象，知識(shí)要點(diǎn)之間只是一種單維上下位關(guān)系，缺乏多維邏輯關(guān)系的體現(xiàn)。如果主講教師僅采用傳統(tǒng)方法開(kāi)展教學(xué)往往難以取得較好效果。因此，如何運(yùn)用科學(xué)先進(jìn)的教學(xué)理念、通俗易懂的教學(xué)方法，特別是運(yùn)用一些人工智能新技術(shù)作為輔助教學(xué)手段傳授課程內(nèi)容，對(duì)任課教師來(lái)說(shuō)是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。

2012 年美國(guó)Google 公司提出知識(shí)圖譜計(jì)劃，引起了學(xué)術(shù)界與工業(yè)界的高度關(guān)注［2］。利用信息處理、數(shù)據(jù)挖掘與圖形繪制等手段，知識(shí)圖譜把學(xué)科最復(fù)雜的知識(shí)內(nèi)容以可視化圖譜形式形象地展現(xiàn)出來(lái)，可很好地體現(xiàn)學(xué)科整體知識(shí)架構(gòu)、知識(shí)點(diǎn)以及相鄰知識(shí)關(guān)聯(lián)。因此，將知識(shí)圖譜引入課程教學(xué)，可有效地對(duì)課程知識(shí)脈絡(luò)進(jìn)行梳理，有助于學(xué)生充分理解學(xué)科知識(shí)，對(duì)優(yōu)化課程教學(xué)能夠起到很好的輔助作用。近年來(lái)，國(guó)內(nèi)一些高校也逐漸開(kāi)始重視知識(shí)圖譜教學(xué)方法，并將知識(shí)圖譜技術(shù)應(yīng)用于智慧課堂［3］、MOOC教學(xué)［4］以及翻轉(zhuǎn)課堂［5］等，都取得了良好的教學(xué)效果。

然而，在開(kāi)展人工智能課程教學(xué)調(diào)研時(shí)發(fā)現(xiàn)，目前國(guó)內(nèi)外尚沒(méi)有一套完整的人工智能課程知識(shí)圖譜，也較少運(yùn)用知識(shí)圖譜開(kāi)展人工智能課程教學(xué)實(shí)踐。因此，本文旨在探索人工智能課程教學(xué)的創(chuàng)新方法，利用知識(shí)圖譜技術(shù)構(gòu)建一種面向人工智能課程教學(xué)的多媒態(tài)領(lǐng)域知識(shí)圖譜，并基于所建設(shè)的知識(shí)圖譜梳理專業(yè)知識(shí)，指導(dǎo)人工智能課程創(chuàng)新教學(xué)模式改革與實(shí)踐。具體地，以人工智能引論課程為研究對(duì)象，優(yōu)化教學(xué)內(nèi)容，形成集先進(jìn)性、前沿性與實(shí)用性為一體的人工智能知識(shí)體系、教學(xué)大綱和教學(xué)教案。在此基礎(chǔ)上收集、整理知識(shí)圖譜素材，利用分詞、文本挖掘、語(yǔ)義分析、可視化等技術(shù)手段構(gòu)建一個(gè)完整、多模態(tài)的人工智能教學(xué)領(lǐng)域知識(shí)圖譜，運(yùn)用所構(gòu)建的知識(shí)圖譜開(kāi)展創(chuàng)新教學(xué)實(shí)踐，并提出該教學(xué)模式的具體實(shí)施細(xì)節(jié)。

1 人工智能課程教學(xué)內(nèi)容優(yōu)化

1.1 人工智能知識(shí)體系

在我國(guó)現(xiàn)行新成立的人工智能本科專業(yè)中，人工智能引論為一門(mén)基礎(chǔ)課程，一般只有32 學(xué)時(shí)。在教學(xué)時(shí)間十分有限的情況下，為了讓學(xué)生們能夠全方位地領(lǐng)略系統(tǒng)而完整的人工智能知識(shí)，盡快入門(mén)人工智能領(lǐng)域，并為進(jìn)一步學(xué)習(xí)人工智能其它相關(guān)課程打下牢固基礎(chǔ)，主講教師需要考慮以什么角度組織、優(yōu)化課程教學(xué)內(nèi)容，才能讓學(xué)生更容易接受、理解并掌握人工智能的原理、方法與技術(shù)。

人工智能是一門(mén)研究人類一切智能活動(dòng)規(guī)律、模擬與擴(kuò)展人類智能行為的學(xué)科。其是一個(gè)龐大家族，涉及人工智能眾多基礎(chǔ)理論、重要方法與實(shí)現(xiàn)算法、學(xué)科分支及應(yīng)用領(lǐng)域等［6］。由于智能本身的復(fù)雜性，往往難以用單一理論與方法進(jìn)行描述，因此一般可建立如圖1 所示的人工智能學(xué)科知識(shí)體系，用基礎(chǔ)層、抽象層、邏輯層和應(yīng)用層等不同層次來(lái)描述智能本質(zhì)。從基礎(chǔ)層到抽象層和邏輯層，再到應(yīng)用層，4 個(gè)層次層層推進(jìn)，最終實(shí)現(xiàn)人工智能目標(biāo)。

Fig.1 Artificial intelligence knowledge architecture圖1 人工智能學(xué)科知識(shí)體系

（1）基礎(chǔ)層。該層是人工智能的最底層，用于描述基于腦系統(tǒng)與腦認(rèn)知的人工神經(jīng)網(wǎng)絡(luò)對(duì)現(xiàn)實(shí)世界的感知、認(rèn)知以及與現(xiàn)實(shí)世界的交互與映射，包括腦系統(tǒng)（結(jié)構(gòu)、機(jī)理、工作方式）、腦認(rèn)知（感知、記憶、意識(shí)、學(xué)習(xí)等理論）、人工神經(jīng)網(wǎng)絡(luò)（感知器、反向傳播神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、時(shí)間序列神經(jīng)網(wǎng)絡(luò)等）等內(nèi)容。

（2）抽象層。該層是對(duì)人類知識(shí)的抽象與表達(dá)，圍繞著對(duì)求解應(yīng)用問(wèn)題的理解，用于反映人類知識(shí)在人工智能中所扮演的角色，包括問(wèn)題求解（狀態(tài)空間搜索、知情搜索、約束滿足問(wèn)題等）、高級(jí)問(wèn)題求解（自動(dòng)推理、自然語(yǔ)言理解等）、知識(shí)及其表示（狀態(tài)空間、問(wèn)題歸約、謂詞邏輯、語(yǔ)義網(wǎng)絡(luò)、框架、過(guò)程、產(chǎn)生式系統(tǒng)、本體等）、高級(jí)知識(shí)表示（知識(shí)圖譜）等內(nèi)容。

（3）邏輯層。該層是人工智能能力的集中體現(xiàn)，用于描述一切與人類智能活動(dòng)有關(guān)的搜索、學(xué)習(xí)、規(guī)劃、推理、決策模型，包括搜索（盲目搜索、知情搜索）、高級(jí)搜索（博弈搜索、CSP 回溯搜索、受自然啟發(fā)的搜索等）、學(xué)習(xí)（觀察學(xué)習(xí)、歸納學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)、解釋學(xué)習(xí)等）、機(jī)器學(xué)習(xí)（決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)等）、高級(jí)機(jī)器學(xué)習(xí)（特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等）、深度學(xué)習(xí)、自動(dòng)規(guī)劃（現(xiàn)實(shí)世界規(guī)劃與行動(dòng)、任務(wù)規(guī)劃、運(yùn)動(dòng)路徑規(guī)劃、軌跡規(guī)劃、條件規(guī)劃）、確定性推理（消解原理、規(guī)則演繹系統(tǒng)、自然演繹推理）、不確定性推理（概率推理、主觀Bayes 方法、可信度方法、證據(jù)理論、模糊推理）、知識(shí)發(fā)現(xiàn)、決策（簡(jiǎn)單決策、復(fù)雜決策）以及智能計(jì)算（進(jìn)化算法、遺傳算法、群智能）等內(nèi)容。

（4）應(yīng)用層。該層涉及到智能化系統(tǒng)的開(kāi)發(fā)及其應(yīng)用，用于讓計(jì)算機(jī)實(shí)現(xiàn)以往需要人的智力才能完成的各項(xiàng)工作，包括智能體（多智能體、智能體通信、智能體體系結(jié)構(gòu)）、自然語(yǔ)言處理（語(yǔ)義分析、語(yǔ)音識(shí)別、機(jī)器翻譯）、計(jì)算機(jī)視覺(jué)（模式識(shí)別、圖像理解）、知識(shí)問(wèn)答系統(tǒng)、專家系統(tǒng)、智慧醫(yī)療、智能機(jī)器人、無(wú)人系統(tǒng)、人工智能游戲、人工生命、人工智能應(yīng)用框架（Tensorflow、PyTorch 等）、人工智能語(yǔ)言等。

人工智能學(xué)科知識(shí)體系為人工智能課程教學(xué)內(nèi)容確定、教案編寫(xiě)以及課程知識(shí)圖譜建設(shè)提供了重要依據(jù)。

1.2 《人工智能引論》教學(xué)大綱

1.2.1 教學(xué)目標(biāo)

《人工智能引論》是人工智能、計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程及其相關(guān)智能專業(yè)的必修課程，研究如何用計(jì)算機(jī)模擬、擴(kuò)展與實(shí)現(xiàn)人類智能行為及其規(guī)律。通過(guò)本課程的學(xué)習(xí)，使學(xué)生對(duì)人工智能發(fā)展概況、研究?jī)?nèi)容、關(guān)鍵技術(shù)、應(yīng)用領(lǐng)域有初步了解，掌握人工智能基本概念、基本原理與實(shí)現(xiàn)算法，以及信息分析、決策支持等各類智能系統(tǒng)建立與應(yīng)用方法，熟悉當(dāng)今人工智能的主要前沿方向，培養(yǎng)學(xué)生運(yùn)用經(jīng)典人工智能方法與前沿技術(shù)解決實(shí)際智能應(yīng)用問(wèn)題的能力。

1.2.2 課程特點(diǎn)

介紹人工智能學(xué)科知識(shí)體系中的重點(diǎn)內(nèi)容，覆蓋人工智能基礎(chǔ)層、抽象層、邏輯層及應(yīng)用層的不同層次；注重理論與實(shí)踐相結(jié)合，除基本原理、方法介紹外，還配有大量實(shí)例及應(yīng)用案例；把握國(guó)內(nèi)外人工智能研究領(lǐng)域最新進(jìn)展與前沿動(dòng)態(tài)；注重綜合利用人工智能知識(shí)解決實(shí)際應(yīng)用問(wèn)題。

1.2.3 教學(xué)內(nèi)容覆蓋面

圍繞“智能”本質(zhì)，并體現(xiàn)人工智能的技術(shù)特征，即知識(shí)、搜索、學(xué)習(xí)、推理與決策，本課程著重講解人工智能學(xué)科知識(shí)體系核心內(nèi)容，包括神經(jīng)網(wǎng)絡(luò)、知識(shí)表示、搜索求解、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自動(dòng)規(guī)劃、推理技術(shù)、遺傳算法、群智算法等基礎(chǔ)理論、方法與技術(shù)，以及智能體、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、知識(shí)問(wèn)答系統(tǒng)、專家系統(tǒng)、智慧醫(yī)療、智能機(jī)器人、無(wú)人系統(tǒng)、人工智能游戲、人工生命、人工智能語(yǔ)言等前沿應(yīng)用與關(guān)鍵技術(shù)。具體課程教學(xué)內(nèi)容及其基本要求如表1 所示。

Table 1 Unit contents and basic requirements of the course of introduction of artificial intelligence表1 人工智能引論課程單元教學(xué)內(nèi)容及基本要求

1.3 教學(xué)教案

依據(jù)知識(shí)體系與教學(xué)大綱，對(duì)國(guó)內(nèi)外優(yōu)秀人工智能教材的最新內(nèi)容進(jìn)行梳理、整合［9-15］。同時(shí)，從研究設(shè)計(jì)方案、科研項(xiàng)目、人工智能技術(shù)網(wǎng)站、GitHub 開(kāi)源代碼等多種渠道收集講課素材。教師對(duì)所講授的教學(xué)內(nèi)容進(jìn)行梳理，形成課程教案，教案內(nèi)容包括所屬教學(xué)模塊、教學(xué)內(nèi)容、教學(xué)目標(biāo)及要求、教學(xué)重難點(diǎn)、實(shí)例/應(yīng)用案例、復(fù)習(xí)題/課外作業(yè)、課外讀物等。以教學(xué)模塊“知識(shí)及其表示”中問(wèn)題歸約法的教學(xué)為例，形成如表2 所示的教學(xué)教案，為進(jìn)一步構(gòu)建該教學(xué)內(nèi)容的知識(shí)圖譜作準(zhǔn)備。

Table 2 Teaching schedule of“problem reduction method”表2 “問(wèn)題歸約法”教學(xué)教案

2 人工智能課程多模態(tài)領(lǐng)域知識(shí)圖譜建設(shè)

2.1 知識(shí)圖譜基本組成

知識(shí)圖譜是表示實(shí)體或概念，以及實(shí)體或概念之間各種復(fù)雜語(yǔ)義關(guān)系的一種大規(guī)模語(yǔ)義網(wǎng)絡(luò)，用來(lái)對(duì)現(xiàn)實(shí)世界的事物及其相互關(guān)聯(lián)進(jìn)行形式化地描述，一般分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜。通用知識(shí)圖譜較多，包括DBpedia、WordNet、谷歌Knowledge Graph、微軟Probase、百度知心等。人工智能課程知識(shí)圖譜屬于后者，即聚焦、限定于人工智能課程范疇的特定領(lǐng)域。本文以人工智能引論課程為例建設(shè)該課程的領(lǐng)域知識(shí)圖譜，由知識(shí)點(diǎn)、知識(shí)點(diǎn)屬性、知識(shí)點(diǎn)關(guān)聯(lián)組成知識(shí)圖譜的三元組［7］。根據(jù)圖1 所示的人工智能知識(shí)體系與表1 所示的單元教學(xué)內(nèi)容及基本要求，形成人工智能概論、人工神經(jīng)網(wǎng)絡(luò)、知識(shí)及其表示、搜索求解策略、機(jī)器學(xué)習(xí)方法、深度學(xué)習(xí)方法、確定推理、不確定性推理、遺傳進(jìn)化算法、群體智能算法10 個(gè)知識(shí)大類，構(gòu)建該課程領(lǐng)域知識(shí)圖譜的基本骨架。

2.2 領(lǐng)域知識(shí)圖譜建設(shè)一般流程

圖2 給出了人工智能課程領(lǐng)域知識(shí)圖譜建設(shè)的一般流程。首先，通過(guò)教學(xué)大綱、教材和網(wǎng)絡(luò)資源等信息來(lái)源形成教案，從教案中提取知識(shí)點(diǎn)，并對(duì)知識(shí)點(diǎn)進(jìn)行屬性設(shè)計(jì)；然后，進(jìn)行知識(shí)點(diǎn)關(guān)系關(guān)聯(lián)，通過(guò)知識(shí)融合形成一張錯(cuò)綜復(fù)雜的語(yǔ)義網(wǎng)絡(luò)；最后，利用Neo4j 圖數(shù)據(jù)庫(kù)管理系統(tǒng)等可視化工具生成一個(gè)相對(duì)完整的多模態(tài)領(lǐng)域知識(shí)圖譜［8］。

Fig.2 Flow of knowledge graph construction of the course of artificial intelligence圖2 人工智能課程領(lǐng)域知識(shí)圖譜建設(shè)流程

（1）知識(shí)點(diǎn)提取。從教案中對(duì)各單元教學(xué)模塊的主要內(nèi)容進(jìn)行知識(shí)點(diǎn)識(shí)別，提取人工智能課程各個(gè)重要知識(shí)要點(diǎn)及內(nèi)容，包括人工智能基本概念/定義、基本原理/工作原理、解題步驟、計(jì)算公式、推導(dǎo)、流程圖、算法、源代碼與結(jié)論等。同時(shí)，還包括一些考題類資源，如思考題、復(fù)習(xí)題、課堂練習(xí)、課外作業(yè)、大作業(yè)、討論題等。對(duì)收集的各個(gè)知識(shí)要點(diǎn)和考題類資源進(jìn)行分類匯總，知識(shí)點(diǎn)類型包括結(jié)構(gòu)化（如關(guān)系數(shù)據(jù)庫(kù)等）、非結(jié)構(gòu)化（如圖片、音頻、視頻等）以及半結(jié)構(gòu)化（如XML、JSON、百科等）3 種。例如，在“人工智能概論”教學(xué)模塊中，教學(xué)目標(biāo)為了解從智能機(jī)器、學(xué)科、能力三方面對(duì)人工智能的定義；通過(guò)人類認(rèn)知過(guò)程、圖靈測(cè)試熟悉人工智能與人類智能之間的關(guān)系；了解人工智能學(xué)科知識(shí)體系、研究范圍及應(yīng)用領(lǐng)域；熟悉人工智能起源、簡(jiǎn)史與發(fā)展趨勢(shì)；了解人工智能倫理。其中，講解圖靈測(cè)試時(shí)，涉及到圖靈測(cè)試定義、圖靈實(shí)驗(yàn)本質(zhì)、圖靈測(cè)試提問(wèn)、圖靈測(cè)試的爭(zhēng)議與批評(píng)、新圖靈測(cè)試等知識(shí)要點(diǎn)。此外，還可將知識(shí)點(diǎn)延伸到阿蘭·圖靈的人物介紹、發(fā)表的論文，以及如何研制圖靈測(cè)試機(jī)器等內(nèi)容。

（2）知識(shí)點(diǎn)屬性設(shè)計(jì)。對(duì)各個(gè)知識(shí)點(diǎn)進(jìn)行屬性設(shè)計(jì)，標(biāo)識(shí)知識(shí)點(diǎn)基本特性，包括所屬教學(xué)模塊、知識(shí)點(diǎn)類型（即基本概念/定義、基本原理/工作原理、解題步驟、計(jì)算公式、推導(dǎo)、流程圖、算法、源代碼和結(jié)論）、教學(xué)目標(biāo)、教學(xué)要求（掌握、熟悉、了解）、重點(diǎn)程度、難易程度（難、一般、易）等。以圖靈測(cè)試為例，其知識(shí)點(diǎn)屬性設(shè)計(jì)具體內(nèi)容如表3 所示。

Table 3 Attribute design of knowledge key points of“Turing test”表3 “圖靈測(cè)試”教學(xué)內(nèi)容知識(shí)點(diǎn)屬性設(shè)計(jì)

（3）知識(shí)點(diǎn)關(guān)系關(guān)聯(lián)。學(xué)習(xí)是一個(gè)循序漸進(jìn)的過(guò)程，需要在不斷的學(xué)習(xí)過(guò)程中掌握知識(shí)點(diǎn)之間承前啟后的關(guān)系，這對(duì)于構(gòu)建知識(shí)圖譜來(lái)說(shuō)至關(guān)重要。進(jìn)行知識(shí)點(diǎn)關(guān)系關(guān)聯(lián)時(shí)，需要確定各知識(shí)點(diǎn)之間在含義或語(yǔ)義上的相互聯(lián)系，定義關(guān)系名并確定語(yǔ)義關(guān)系類型。其中，語(yǔ)義關(guān)系類型包括隸屬關(guān)系、泛化關(guān)系、聚集關(guān)系、屬性關(guān)系、實(shí)例關(guān)系、時(shí)間關(guān)系及其它關(guān)系。隸屬關(guān)系表示知識(shí)點(diǎn)與其它知識(shí)點(diǎn)之間的內(nèi)在本質(zhì)聯(lián)系，如某知識(shí)點(diǎn)的定義、方法、實(shí)現(xiàn)步驟等；泛化關(guān)系表示類知識(shí)點(diǎn)與更高層次抽象類知識(shí)點(diǎn)之間的聯(lián)系，所有知識(shí)點(diǎn)可由此組織成層次網(wǎng)絡(luò)；聚集關(guān)系表示知識(shí)點(diǎn)與其組成成分之間的聯(lián)系；屬性關(guān)系表示知識(shí)點(diǎn)—屬性—屬性值之間的聯(lián)系；實(shí)例關(guān)系表示知識(shí)點(diǎn)與其實(shí)例之間的聯(lián)系；時(shí)間關(guān)系表示知識(shí)點(diǎn)時(shí)間前序與時(shí)間后序的關(guān)系；其它關(guān)系包括聚類聯(lián)系、易混淆關(guān)系等。對(duì)于一些相似的知識(shí)點(diǎn)，可將其聚類放在一起進(jìn)行學(xué)習(xí)，強(qiáng)化學(xué)生對(duì)其的認(rèn)識(shí)；對(duì)于一些易混淆的知識(shí)點(diǎn)，也可將其關(guān)聯(lián)起來(lái)，使學(xué)生在學(xué)習(xí)時(shí)注意其區(qū)別。例如，“機(jī)器學(xué)習(xí)方法”教學(xué)模塊中“示例學(xué)習(xí)”教學(xué)內(nèi)容的知識(shí)點(diǎn)關(guān)系如圖3 所示，包括隸屬關(guān)系（定義、方法）、泛化關(guān)系、聚集關(guān)系與實(shí)例關(guān)系。

Fig.3 The relationship of knowledge key points in the knowledge graph of“l(fā)earning by example”圖3 “示例學(xué)習(xí)”知識(shí)圖譜中的知識(shí)點(diǎn)關(guān)系

2.3 多模態(tài)領(lǐng)域知識(shí)圖譜可視化

在建設(shè)人工智能課程領(lǐng)域知識(shí)圖譜時(shí)，將知識(shí)點(diǎn)、屬性及其關(guān)系導(dǎo)入其中，完成知識(shí)圖譜的創(chuàng)建與可視化。在知識(shí)圖譜中，可用不同顏色表示知識(shí)圖譜的基本組成，如用紫色表示該教學(xué)模塊核心內(nèi)容，紅色表示重點(diǎn)知識(shí)點(diǎn)，藍(lán)色表示思考題、課堂作業(yè)、課外作業(yè)和大作業(yè)，黃色表示課外讀物、教學(xué)視頻、應(yīng)用案例等。圖4、圖5 分別為“人工智能概論”教學(xué)模塊中“圖靈測(cè)試”以及“知識(shí)及其表示”教學(xué)模塊中“問(wèn)題歸約法”的多模態(tài)知識(shí)圖譜展示。使用如Neo4j 圖數(shù)據(jù)庫(kù)等工具，可進(jìn)行多模態(tài)領(lǐng)域知識(shí)圖譜的可視化。

Fig.4 Knowledge graph of the unit of“Turing test”圖4 “圖靈測(cè)試”教學(xué)知識(shí)圖譜

Fig.5 Knowledge graph of the unit of“problem reduction method”圖5 “問(wèn)題歸約法”教學(xué)知識(shí)圖譜

3 領(lǐng)域知識(shí)圖譜驅(qū)動(dòng)的人工智能課程教學(xué)實(shí)踐

基于所建設(shè)好的領(lǐng)域知識(shí)圖譜，可設(shè)計(jì)一些知識(shí)圖譜的課堂教學(xué)應(yīng)用，包括知識(shí)圖譜實(shí)踐教學(xué)、知識(shí)圖譜智能問(wèn)答等，用于輔助教師授課并幫助學(xué)生實(shí)現(xiàn)真正的個(gè)性化學(xué)習(xí)。

3.1 知識(shí)圖譜實(shí)踐教學(xué)

針對(duì)書(shū)本知識(shí)點(diǎn)關(guān)系單一、缺乏知識(shí)之間的導(dǎo)航、傳統(tǒng)教學(xué)方法學(xué)習(xí)效果不佳等問(wèn)題，開(kāi)展人工智能知識(shí)圖譜實(shí)踐教學(xué)。圖6 展示了運(yùn)用知識(shí)圖譜開(kāi)展人工智能課程教學(xué)的整個(gè)過(guò)程。

Fig.6 Teaching process of artificial intelligence course driven by domain knowledge graph圖6 領(lǐng)域知識(shí)圖譜驅(qū)動(dòng)的人工智能課程教學(xué)過(guò)程

以“問(wèn)題歸約法”教學(xué)為例，根據(jù)教學(xué)目標(biāo)與教學(xué)內(nèi)容，上課前首先向?qū)W生提出思考問(wèn)題并展示該教學(xué)模塊的知識(shí)總圖譜（見(jiàn)圖5），讓學(xué)生把握該模塊的總體框架。然后，以該知識(shí)總圖譜為基礎(chǔ)，生成針對(duì)該教學(xué)模塊的一系列知識(shí)子圖譜，如問(wèn)題歸約法所涉及到的全部基本概念匯總（見(jiàn)圖7（a））、知識(shí)要點(diǎn)及其關(guān)聯(lián)（見(jiàn)圖7（b））、所有要求重點(diǎn)掌握的內(nèi)容及難點(diǎn)內(nèi)容（見(jiàn)圖7（b）中的紅色標(biāo)識(shí)）、“梵塔難題”應(yīng)用實(shí)例（見(jiàn)圖7（c））、課外作業(yè)（見(jiàn)圖7（d））等。以知識(shí)子圖譜中涉及的知識(shí)點(diǎn)為重點(diǎn)講解內(nèi)容，并根據(jù)知識(shí)點(diǎn)之間的關(guān)系組織課堂教學(xué)，讓學(xué)生有序地學(xué)習(xí)相關(guān)基本原理、方法、技術(shù)及實(shí)現(xiàn)算法。在課堂教學(xué)中，針對(duì)具體問(wèn)題設(shè)計(jì)教學(xué)知識(shí)圖譜，并在實(shí)際中加以應(yīng)用。

充分運(yùn)用多媒體知識(shí)圖譜教學(xué)手段展示與講解課程內(nèi)容，包括圖片、音頻及視頻等。圖譜可視化信息為多媒體教學(xué)提供了豐富的教學(xué)資源，這些資源依附于相應(yīng)知識(shí)點(diǎn)，使學(xué)生在進(jìn)行課堂學(xué)習(xí)和課后復(fù)習(xí)時(shí)能夠以知識(shí)圖譜為主體，充分利用相關(guān)教學(xué)資源。

3.2 知識(shí)圖譜智能問(wèn)答

Neo4j 圖數(shù)據(jù)庫(kù)管理系統(tǒng)提供了一種簡(jiǎn)單、方便、快捷的操作語(yǔ)言Cypher［8］。借助知識(shí)圖譜問(wèn)答技術(shù)，其能夠在知識(shí)圖譜中進(jìn)行搜索查詢（Query），快速查詢知識(shí)圖譜中的知識(shí)信息，并直接回答有客觀答案的問(wèn)題及一些匯總信息。例如，在復(fù)習(xí)“問(wèn)題歸約法”教學(xué)模塊時(shí)，查詢“梵塔難題的解題步驟是什么？”知識(shí)圖譜可回答梵塔難題的3 個(gè)解題步驟（見(jiàn)圖8）。通過(guò)這種知識(shí)導(dǎo)航式的查詢方式，學(xué)生可以從局部到整體學(xué)習(xí)基礎(chǔ)知識(shí)與案例，也可以從整體到局部，先形成課程知識(shí)總體印象，再導(dǎo)航到具體知識(shí)要點(diǎn)。

4 實(shí)施效果

本文對(duì)知識(shí)圖譜應(yīng)用實(shí)踐效果進(jìn)行分析，分別選取20名2016 級(jí)、15 名2018 級(jí)學(xué)生作為研究對(duì)象，對(duì)教師課堂教學(xué)未采用知識(shí)圖譜（未用）、教師課堂教學(xué)采用知識(shí)圖譜（單用）、教師課堂教學(xué)采用知識(shí)圖譜且學(xué)生制作知識(shí)圖譜（雙用）3 種情況下學(xué)生課堂測(cè)驗(yàn)的學(xué)習(xí)成績(jī)進(jìn)行統(tǒng)計(jì)。如圖9 所示，未用情況下（教師給2016 級(jí)學(xué)生講課時(shí)尚沒(méi)有應(yīng)用知識(shí)圖譜），90 分以上的學(xué)生人數(shù)偏少，而60-70 分偏多；單用情況下（教師給2018 級(jí)學(xué)生講解第二章知識(shí)表示方法時(shí)，除介紹傳統(tǒng)狀態(tài)空間表示、問(wèn)題歸約表示、謂詞邏輯表示等方法外，還講解了知識(shí)圖譜表示方法及構(gòu)建技術(shù)），90 分以上的學(xué)生人數(shù)相比未用情況有所增加，而60-70 分的人數(shù)有所下降；雙用情況下（教師要求2018 級(jí)學(xué)生在課堂練習(xí)前復(fù)習(xí)相關(guān)內(nèi)容并動(dòng)手制作章節(jié)內(nèi)容知識(shí)圖譜），獲得高分的學(xué)生人數(shù)進(jìn)一步上升，而低分人數(shù)進(jìn)一步下降，說(shuō)明知識(shí)圖譜有助于學(xué)生對(duì)所學(xué)知識(shí)的理解。

Fig.7 Knowledge sub map of“problem reduction method”圖7 “問(wèn)題歸約法”知識(shí)子圖譜

Fig.8 Intelligent Q&A on the knowledge graph of the"Tower of Hanoi Problem”圖8 有關(guān)“梵塔難題”的知識(shí)圖譜智能問(wèn)答

Fig.9 Evaluation of the effects of knowledge graph teaching圖9 知識(shí)圖譜實(shí)踐效果評(píng)估

從實(shí)踐效果來(lái)看：①教師層面。借助知識(shí)圖譜技術(shù)手段將人工智能課程教學(xué)內(nèi)容相關(guān)知識(shí)進(jìn)行抽取、融合，形成完整的知識(shí)網(wǎng)絡(luò)，有利于教師高效、合理地安排教學(xué)；②學(xué)生層面。通過(guò)多模態(tài)知識(shí)圖譜進(jìn)行直觀而具體的教學(xué)展示能有效幫助學(xué)生更深入、全面地理解人工智能課程知識(shí)體系，培養(yǎng)學(xué)生對(duì)人工智能學(xué)科的興趣，并輔助學(xué)生以關(guān)聯(lián)學(xué)習(xí)方法進(jìn)行高效學(xué)習(xí)；③教改層面。將知識(shí)圖譜教學(xué)法運(yùn)用于人工智能課程教學(xué)中，可將離散、碎片化的知識(shí)點(diǎn)串聯(lián)起來(lái)，并將知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系以多模態(tài)可視化的方式展示出來(lái)，從而有效優(yōu)化課堂教學(xué)，顯著提高教學(xué)效果。

5 結(jié)語(yǔ)

目前國(guó)內(nèi)外尚沒(méi)有一套完整的人工智能課程知識(shí)圖譜以及相關(guān)知識(shí)圖譜教學(xué)實(shí)踐方法。借助知識(shí)圖譜最新技術(shù)手段與工具，本文提出基于人工智能知識(shí)圖譜的創(chuàng)新教學(xué)方法，可有效梳理知識(shí)之間的關(guān)聯(lián)，獲得人工智能領(lǐng)域?qū)I(yè)知識(shí)的整體邏輯體系，生成緊密關(guān)聯(lián)的教學(xué)知識(shí)序列，從而較好地支撐教師對(duì)教學(xué)知識(shí)的講解，并顯著提高學(xué)生的學(xué)習(xí)興趣與學(xué)習(xí)效率，為傳統(tǒng)教學(xué)注入新的活力。