基于OBE教育理念的AI與區(qū)塊鏈智能課程教學(xué)實(shí)踐探索

關(guān)鍵詞：人工智能；區(qū)塊鏈智能；跨學(xué)科課程

0 引言

OBE（Outcome-Based Education） [1]教育理念是由威廉·斯皮迪（William Spady） 在20世紀(jì)80年代提出的。OBE教育理念與其他教育理念的不同之處在于它強(qiáng)調(diào)教育成果而非教育過程。這種理念側(cè)重學(xué)生在完成學(xué)業(yè)后應(yīng)具備的能力和知識(shí)，而不是傳統(tǒng)的側(cè)重教學(xué)過程和內(nèi)容的覆蓋。OBE理念主張教育活動(dòng)以學(xué)生能夠達(dá)到的具體成果為導(dǎo)向，這意味著課程設(shè)計(jì)、教學(xué)方法和教學(xué)評(píng)估都應(yīng)該圍繞著預(yù)定的學(xué)習(xí)成果來(lái)進(jìn)行。

廣東白云學(xué)院在2023—2024第一學(xué)期開設(shè)了AI 與區(qū)塊鏈智能課程，它是面向全校工學(xué)部的學(xué)生開放，所有工學(xué)部的學(xué)生都可以根據(jù)自己的學(xué)習(xí)興趣選修這門課程，該課程重點(diǎn)引導(dǎo)學(xué)生掌握人工智能和區(qū)塊鏈技術(shù)的基本原理與應(yīng)用，建立跨學(xué)科技術(shù)融合的視角，對(duì)培養(yǎng)學(xué)生的創(chuàng)新思維和實(shí)際應(yīng)用開發(fā)能力具有重要意義。

1 國(guó)內(nèi)外人工智能與區(qū)塊鏈技術(shù)課程研究現(xiàn)狀

國(guó)內(nèi)各高校開設(shè)了人工智能課程、區(qū)塊鏈技術(shù)課程，這兩門課程一般都是分開開設(shè)的，學(xué)生要學(xué)習(xí)的話需要選修兩門課程。調(diào)查研究的結(jié)果表明，到目前為止，還沒有一所高校是將兩種技術(shù)融合創(chuàng)新成為一門課程開設(shè)的。近年來(lái)，各高校不再滿足于單一技術(shù)或理論的教學(xué)，而是逐漸向跨學(xué)科、融合創(chuàng)新的教學(xué)方式發(fā)展。這種趨勢(shì)反映了當(dāng)前教育領(lǐng)域?qū)τ谂囵B(yǎng)具有綜合技能和創(chuàng)新能力人才的重視。在人工智能和區(qū)塊鏈等領(lǐng)域，這種跨學(xué)科的教育模式[2]尤為重要，因?yàn)檫@些領(lǐng)域的快速發(fā)展要求從業(yè)者不僅掌握深厚的專業(yè)知識(shí)，還需要具備跨學(xué)科的視角和創(chuàng)新能力。因此，將人工智能與區(qū)塊鏈技術(shù)融合在一起，可以提供更全面、創(chuàng)新的教育體驗(yàn)，更好地滿足當(dāng)代社會(huì)和工業(yè)界的需求。

國(guó)外頂級(jí)高校也開設(shè)了人工智能課程和區(qū)塊鏈技術(shù)課程。斯坦福大學(xué)在人工智能課程和區(qū)塊鏈技術(shù)課程方面具有深厚的研究基礎(chǔ)和良好的課程設(shè)置，提供了豐富的跨學(xué)科課程選擇；普林斯頓大學(xué)強(qiáng)調(diào)理論與實(shí)踐的結(jié)合，注重培養(yǎng)學(xué)生的創(chuàng)新能力和實(shí)際應(yīng)用技能；麻省理工學(xué)院則以其先進(jìn)的科研設(shè)施和頂尖的教學(xué)質(zhì)量著稱，強(qiáng)調(diào)科技前沿技術(shù)的研究與實(shí)踐；加州大學(xué)伯克利分校的人工智能課程和區(qū)塊鏈技術(shù)課程則以其開放的創(chuàng)新環(huán)境聞名。與國(guó)內(nèi)高校的課程相比，這些國(guó)外頂級(jí)高校的課程更加注重實(shí)踐應(yīng)用、跨學(xué)科研究以及與行業(yè)的緊密結(jié)合。他們通常提供更多機(jī)會(huì)讓學(xué)生參與實(shí)際的研究項(xiàng)目，以及與行業(yè)專家進(jìn)行互動(dòng)，從而為學(xué)生提供更加全面和前沿的教育體驗(yàn)。此外，這些高校往往還提供豐富的資源和平臺(tái)，支持學(xué)生進(jìn)行創(chuàng)新創(chuàng)業(yè)活動(dòng)。

2 AI 與區(qū)塊鏈智能課程教學(xué)實(shí)踐

本課程教學(xué)安排分為5個(gè)部分：（1） 區(qū)塊鏈技術(shù)。（2） 人工智能技術(shù)應(yīng)用。（3） 人工智能定制化訓(xùn)練服務(wù)。（4） AIGC（AI Generated Content） 。（5） 開展與行業(yè)緊密結(jié)合的課外實(shí)踐活動(dòng)。

2.1 區(qū)塊鏈技術(shù)

在區(qū)塊鏈技術(shù)章節(jié)的學(xué)習(xí)中，學(xué)生需要了解去中心化、共識(shí)機(jī)制和智能合約等概念，學(xué)習(xí)區(qū)塊鏈的基礎(chǔ)架構(gòu)、加密技術(shù)，以及交易和區(qū)塊鏈網(wǎng)絡(luò)的運(yùn)作方式。通過搭建簡(jiǎn)易的區(qū)塊鏈系統(tǒng)、開發(fā)和部署智能合約的實(shí)驗(yàn)來(lái)深化理解。學(xué)生可以使用如Solidity（用于開發(fā)以太坊智能合約）、Python、JavaScript（尤其在與Web前端集成時(shí)用到的）編程語(yǔ)言編寫區(qū)塊鏈程序。這些程序包括但不限于智能合約、區(qū)塊鏈網(wǎng)絡(luò)模擬、加密貨幣的基本交易處理等。通過這些實(shí)踐，學(xué)生可以更好地理解區(qū)塊鏈技術(shù)的工作原理和應(yīng)用場(chǎng)景。

2.2 人工智能技術(shù)應(yīng)用

在人工智能技術(shù)應(yīng)用章節(jié)的學(xué)習(xí)中，學(xué)生需要深入理解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和自然語(yǔ)言處理等概念，這些知識(shí)構(gòu)成了現(xiàn)代AI的核心領(lǐng)域。通過學(xué)習(xí)這些概念，學(xué)生能夠了解如何讓機(jī)器模擬人類智能行為，包括理解語(yǔ)言、識(shí)別圖像和做出決策等行為。

學(xué)習(xí)內(nèi)容不僅涵蓋了理論知識(shí)，如算法原理和數(shù)學(xué)基礎(chǔ)，還包括了實(shí)際應(yīng)用，如數(shù)據(jù)集的處理、模型的構(gòu)建和優(yōu)化。這些知識(shí)點(diǎn)使學(xué)生能夠理解AI如何在現(xiàn)實(shí)世界中解決具體問題，例如通過分析大量數(shù)據(jù)來(lái)提高決策的準(zhǔn)確性。

在實(shí)驗(yàn)方面，學(xué)生參與編程實(shí)踐中，通過項(xiàng)目和實(shí)驗(yàn)室工作，如使用神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別、使用機(jī)器學(xué)習(xí)算法進(jìn)行數(shù)據(jù)分析等。這些實(shí)踐活動(dòng)不僅加深了理論知識(shí)的理解，也提高了解決實(shí)際問題的能力。

在編程語(yǔ)言的選擇上，Python 是主要的編程語(yǔ)言，因其具有強(qiáng)大的庫(kù)的支持（如TensorFlow、Py?Torch、Scikit-Learn等），使得構(gòu)建復(fù)雜的AI模型變得更加容易。學(xué)生需要學(xué)習(xí)和編寫的程序類型廣泛，如數(shù)據(jù)預(yù)處理腳本、算法實(shí)現(xiàn)、自動(dòng)化測(cè)試工具、用戶界面設(shè)計(jì)等。

2.3 人工智能定制化訓(xùn)練服務(wù)

在人工智能定制化訓(xùn)練服務(wù)章節(jié)的學(xué)習(xí)中，學(xué)生需要了解數(shù)據(jù)預(yù)處理和模型優(yōu)化等關(guān)鍵概念，學(xué)習(xí)如何收集和處理數(shù)據(jù)，設(shè)計(jì)和調(diào)整算法模型。此外，學(xué)生還需要掌握不同類型的機(jī)器學(xué)習(xí)算法及其適用場(chǎng)景，比如監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)以及深度學(xué)習(xí)等。

在實(shí)驗(yàn)方面，學(xué)生通過實(shí)際操作深化學(xué)習(xí)，使用公共數(shù)據(jù)集進(jìn)行模型訓(xùn)練，例如使用MNIST手寫數(shù)字?jǐn)?shù)據(jù)集，以及自行收集的數(shù)據(jù)進(jìn)行模型測(cè)試和優(yōu)化。這些實(shí)驗(yàn)不僅加深了學(xué)生對(duì)于理論知識(shí)的理解，還提高了學(xué)生動(dòng)手解決實(shí)際問題的能力。

在編程語(yǔ)言的選擇上，依然使用Python 編程語(yǔ)言，因其強(qiáng)大的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)庫(kù)，如NumPy、Pandas、TensorFlow、PyTorch 等。這些庫(kù)和工具為處理數(shù)據(jù)、構(gòu)建和訓(xùn)練模型提供了強(qiáng)大的支持。學(xué)生學(xué)習(xí)和編寫數(shù)據(jù)處理腳本、機(jī)器學(xué)習(xí)模型、模型評(píng)估和優(yōu)化程序等。

2.4 AIGC（AI Generated Content）

AIGC（AI Generated Content） 利用人工智能工具來(lái)生成所需要的內(nèi)容。課程中有一個(gè)章節(jié)是使用AIGC 開發(fā)游戲。2023年有網(wǎng)友在網(wǎng)絡(luò)上用AI工具開發(fā)了《憤怒的南瓜》[3]。這款游戲是由開發(fā)者使用GPT-4和Midjourney 工具創(chuàng)建的。GPT-4 負(fù)責(zé)所有的編碼工作，而DALL·E 3和Midjourney則負(fù)責(zé)圖形部分。游戲的設(shè)計(jì)靈感來(lái)自《憤怒的小鳥》，但在游戲元素和創(chuàng)作風(fēng)格上有所不同，《憤怒的南瓜》游戲融入了諸如鬼屋、墓碑和蝙蝠等萬(wàn)圣節(jié)元素。該游戲的制作流程包括使用Midjourney來(lái)生成背景和角色，如萬(wàn)圣節(jié)南瓜和綠色怪物等。對(duì)于游戲中的物體，如木箱和骷髏骨等，也是通過Midjourney創(chuàng)造的。

該游戲的編程部分，使用GPT-4生成了大約600 行代碼。整個(gè)項(xiàng)目展示了AI技術(shù)在游戲開發(fā)中的應(yīng)用，降低了游戲開發(fā)成本和時(shí)間投入，尤其是與早期游戲開發(fā)相比，如2010年發(fā)布的《憤怒的小鳥》，其游戲開發(fā)成本達(dá)14萬(wàn)美元。筆者將這款游戲進(jìn)行了改編，重新整理成一個(gè)2D射擊類游戲作為教學(xué)項(xiàng)目案例，放到學(xué)習(xí)通供學(xué)生學(xué)習(xí)使用。

2.5 與行業(yè)緊密結(jié)合

組織學(xué)生到現(xiàn)場(chǎng)參加IT巨頭公司舉辦的活動(dòng)，學(xué)生以自愿為原則進(jìn)行報(bào)名，組織者定期向課程微信學(xué)習(xí)群發(fā)送課外實(shí)踐學(xué)習(xí)活動(dòng)，比如百度在廣州（國(guó)際）科技成果轉(zhuǎn)化天河基地舉辦《大模型加持下的應(yīng)用創(chuàng)新AI無(wú)限》線下活動(dòng)，由專業(yè)老師帶領(lǐng)學(xué)生到基地參加百度飛槳星河社區(qū)的AI開發(fā)學(xué)習(xí)。又比如華為在廣州白云國(guó)際會(huì)議中心舉辦昇騰AI開發(fā)者創(chuàng)享日活動(dòng)，由專業(yè)老師帶領(lǐng)學(xué)生到國(guó)際會(huì)堂白云宴會(huì)廳參加華為昇騰AI開發(fā)體驗(yàn)活動(dòng)。

在這些活動(dòng)中，學(xué)生不僅能夠親身體驗(yàn)到行業(yè)前沿的AI技術(shù)，還有機(jī)會(huì)與行業(yè)內(nèi)專家進(jìn)行交流互動(dòng)，深入了解AI在實(shí)際商業(yè)和科技領(lǐng)域中的應(yīng)用。此外，筆者還鼓勵(lì)學(xué)生積極參與討論，提出問題，以及分享他們?cè)趯W(xué)習(xí)中獲得的知識(shí)和見解。這樣的實(shí)踐學(xué)習(xí)機(jī)會(huì)，不僅豐富了學(xué)生的學(xué)習(xí)體驗(yàn)，還能幫助學(xué)生建立起與實(shí)際工作環(huán)境相關(guān)的技能，如團(tuán)隊(duì)合作、技術(shù)技能、持續(xù)學(xué)習(xí)、增加社會(huì)責(zé)任感和批判性思維等。

3 AI 與區(qū)塊鏈智能課程教學(xué)改革

3.1 融入最新科研成果到課堂

在設(shè)計(jì)AI與區(qū)塊鏈智能課程時(shí)，教師團(tuán)隊(duì)深刻認(rèn)識(shí)到將最新科研成果融入教學(xué)中的重要性。為此，我們將課程內(nèi)容與人工智能和區(qū)塊鏈領(lǐng)域的最新科研成果緊密結(jié)合。我們的目標(biāo)是打破傳統(tǒng)教學(xué)模式中知識(shí)局限于教材的局面，引導(dǎo)學(xué)生走進(jìn)更加廣闊的學(xué)術(shù)天地。通過挖掘與這些領(lǐng)域相關(guān)的社會(huì)需求和學(xué)科前沿動(dòng)態(tài)，激發(fā)學(xué)生的學(xué)習(xí)興趣。學(xué)生通過了解大語(yǔ)言模型、多模態(tài)學(xué)習(xí)等最新科研成果和發(fā)展趨勢(shì)，增加未來(lái)的就業(yè)競(jìng)爭(zhēng)力。

通過講解科研成果在實(shí)際工程中的應(yīng)用，如人工智能在供應(yīng)鏈管理中的應(yīng)用、區(qū)塊鏈技術(shù)在數(shù)據(jù)安全方面的應(yīng)用等，學(xué)生可以深刻理解并學(xué)以致用。這不僅幫助學(xué)生形成基本的學(xué)術(shù)素養(yǎng)和科研能力，還鼓勵(lì)他們進(jìn)行創(chuàng)新思考。

3.2 探索研討式教學(xué)實(shí)踐應(yīng)用[4]

在教學(xué)活動(dòng)中，教師可以通過提出一些問題來(lái)激發(fā)學(xué)生的思考和討論，例如如何將機(jī)器學(xué)習(xí)算法應(yīng)用于監(jiān)測(cè)和預(yù)測(cè)區(qū)塊鏈網(wǎng)絡(luò)的異?；顒?dòng)？如何利用人工智能優(yōu)化區(qū)塊鏈的能效管理？在討論過程中，教師引導(dǎo)學(xué)生進(jìn)行批判性思考，鼓勵(lì)學(xué)生提出多元化解決方案，比如通過案例研究或設(shè)計(jì)實(shí)驗(yàn)來(lái)驗(yàn)證想法。這種方式可以充分提升學(xué)生的分析能力和創(chuàng)新能力。

基于學(xué)生已掌握的知識(shí)，教師可以給出具體的應(yīng)用場(chǎng)景，例如討論特定的機(jī)器學(xué)習(xí)算法在處理區(qū)塊鏈數(shù)據(jù)時(shí)的適用性和優(yōu)化方法。探討如何改進(jìn)算法以適應(yīng)區(qū)塊鏈的特性，如何在保證數(shù)據(jù)隱私的同時(shí)進(jìn)行有效的數(shù)據(jù)分析。這要求學(xué)生運(yùn)用邏輯推理和算法設(shè)計(jì)知識(shí)，從效率和安全性等不同方面提出優(yōu)化方法，使學(xué)生的思維得到全面拓展。

教師還可以引導(dǎo)學(xué)生就區(qū)塊鏈在不同行業(yè)的應(yīng)用進(jìn)行充分討論，如在金融、供應(yīng)鏈等領(lǐng)域的應(yīng)用場(chǎng)景。學(xué)生之間相互給出建議，分析區(qū)塊鏈如何提高某個(gè)行業(yè)的透明度和效率，或者探討其在新興市場(chǎng)中的潛在影響。通過這樣的討論，學(xué)生可以形成良好的互動(dòng)氛圍，提升參與感和探索精神。這種教學(xué)方法不僅能夠讓學(xué)生認(rèn)識(shí)到區(qū)塊鏈與人工智能技術(shù)的關(guān)注重點(diǎn)以及解決問題的思路方法，還能鼓勵(lì)他們積極探索、批判性思考，并在實(shí)際應(yīng)用中創(chuàng)新。

3.3 探索項(xiàng)目式教學(xué)實(shí)踐應(yīng)用[5]

在現(xiàn)代教育體系中，項(xiàng)目式教學(xué)已成為一種重要的教學(xué)方法，尤其是在技術(shù)領(lǐng)域。比如，人工智能在交通流量?jī)?yōu)化方面發(fā)揮著至關(guān)重要的作用。在項(xiàng)目式教學(xué)中，學(xué)生可以通過設(shè)計(jì)AI算法來(lái)解決實(shí)際的交通擁堵問題。學(xué)生可以開發(fā)基于AI的交通信號(hào)控制系統(tǒng)，系統(tǒng)能夠?qū)崟r(shí)分析交通流數(shù)據(jù)，動(dòng)態(tài)調(diào)整信號(hào)燈的時(shí)序，從而提高道路的通行效率。通過這樣的項(xiàng)目，學(xué)生不僅能夠理解AI算法的工作原理，還能學(xué)習(xí)如何將這些算法應(yīng)用于實(shí)際場(chǎng)景中。項(xiàng)目式教學(xué)還可以圍繞識(shí)別和分析交通高風(fēng)險(xiǎn)區(qū)域展開。學(xué)生可以利用AI技術(shù)分析歷史交通事故數(shù)據(jù)，識(shí)別事故高發(fā)區(qū)域，進(jìn)而提出改善建議。這樣的項(xiàng)目不僅提高了學(xué)生數(shù)據(jù)分析的能力，還培養(yǎng)了學(xué)生解決問題的能力。圖1展示了人工智能在交通流量?jī)?yōu)化方面的應(yīng)用。

4 教學(xué)效果分析

本課程其中一個(gè)章節(jié)旨在訓(xùn)練學(xué)生進(jìn)行物體分類，所有選修此課程的學(xué)生均已成功完成該項(xiàng)作業(yè)考核。圖2展示了學(xué)生在檢測(cè)易拉罐的任務(wù)中所表現(xiàn)出的高水平能力。通過教學(xué)效果分析，我們觀察到學(xué)生在完成具體的實(shí)踐任務(wù)，比如物體分類作業(yè)時(shí)表現(xiàn)出了顯著的技能提升。這不僅證明了課程設(shè)計(jì)的有效性，也體現(xiàn)了學(xué)生在理論知識(shí)和實(shí)踐技能方面的全面發(fā)展。

2023—2024第一學(xué)期第一次面向西校區(qū)學(xué)生開設(shè)了這門選修課，開班學(xué)生只有55人。2023—2024 第二學(xué)期面向全校學(xué)生開設(shè)了這門公共選修課，學(xué)生人數(shù)同比增長(zhǎng)了378%，從側(cè)面反映出這門課程的受歡迎程度。

5 結(jié)束語(yǔ)

在本課程教學(xué)改革研究中，結(jié)合了OBE的教育理念，深入探討了AI與區(qū)塊鏈智能這一課程的教學(xué)實(shí)踐。通過對(duì)國(guó)內(nèi)外相關(guān)課程的研究現(xiàn)狀進(jìn)行分析，發(fā)現(xiàn)AI與區(qū)塊鏈技術(shù)的跨學(xué)科課程在全球范圍內(nèi)日益受到重視。本課程的創(chuàng)新之處在于全面而深入的教學(xué)內(nèi)容安排，涵蓋了區(qū)塊鏈技術(shù)、人工智能技術(shù)應(yīng)用、AIGC以及與行業(yè)緊密結(jié)合豐富的課外實(shí)踐活動(dòng)。以上的教學(xué)改革不僅增強(qiáng)了學(xué)生的技術(shù)水平，還培養(yǎng)了他們的創(chuàng)新思維和解決問題的能力。該課程內(nèi)容主要是為了培養(yǎng)學(xué)生具備實(shí)踐技能和創(chuàng)新能力，使他們能夠在日益發(fā)展的人工智能和區(qū)塊鏈領(lǐng)域中勝任各種挑戰(zhàn)。