人工智能遞進(jìn)式實(shí)驗(yàn)案例設(shè)計(jì)

人工智能遞進(jìn)式實(shí)驗(yàn)案例設(shè)計(jì)0引言2018年4月，教育部頒布了《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，標(biāo)志著教育部對(duì)人工智能技術(shù)重要性的高度認(rèn)可，也進(jìn)一步強(qiáng)調(diào)高校在推動(dòng)我國(guó)人工智能發(fā)展戰(zhàn)略中的關(guān)鍵作用[1]。《2020—2026年中國(guó)人工智能行業(yè)市場(chǎng)競(jìng)爭(zhēng)格局及未來(lái)發(fā)展趨勢(shì)報(bào)告》的統(tǒng)計(jì)數(shù)據(jù)顯示，2018年中國(guó)人工智能市場(chǎng)規(guī)模為339億元，增長(zhǎng)率達(dá)56.2%，而2019年中國(guó)人工智能市場(chǎng)規(guī)模增長(zhǎng)到516億元[2]。人工智能產(chǎn)業(yè)應(yīng)用需求的飛速發(fā)展，對(duì)人工智能專業(yè)人才的培養(yǎng)和需求提出了空前的挑戰(zhàn)，高校作為人才培養(yǎng)的重要基地，無(wú)疑肩負(fù)著這一重大責(zé)任[3]。近年來(lái)，許多高校成立了人工智能專業(yè)，或在計(jì)算機(jī)相關(guān)專業(yè)開設(shè)人工智能相關(guān)的課程，或?qū)⑷斯ぶ悄苷n程納入通識(shí)課程體系。由于人工智能產(chǎn)業(yè)應(yīng)用的創(chuàng)新性和實(shí)踐性，人工智相關(guān)課程的實(shí)驗(yàn)案例設(shè)計(jì)對(duì)人才的培養(yǎng)尤為重要。文獻(xiàn)[4—7]中詳細(xì)地介紹了人工智能課程不同的案例設(shè)計(jì)，文獻(xiàn)[8]中以“吊牌識(shí)別”案例教學(xué)為例介紹了人工智能課程實(shí)踐教學(xué)改革。1人工智能相關(guān)課程教學(xué)現(xiàn)狀1.1人工智能相關(guān)課程開設(shè)狀況由于人工智能人才需求的快速發(fā)展，教育部在2021年啟動(dòng)的計(jì)算機(jī)領(lǐng)域本科教育教學(xué)改革試點(diǎn)工作計(jì)劃——“101計(jì)劃”[9]中，對(duì)計(jì)算機(jī)學(xué)科大一新生開設(shè)了人工智能引論課程并在計(jì)算機(jī)科學(xué)導(dǎo)論中加入比重較大的人工智能知識(shí)，其目的是讓學(xué)生早一步感悟并領(lǐng)略人工智能在當(dāng)今時(shí)代發(fā)展的地位，初步了解人工智能相關(guān)技術(shù)和方法。人工智能的領(lǐng)域涵蓋廣泛，涉及理論研究、軟件工程、實(shí)際應(yīng)用等多個(gè)方面，當(dāng)前研究最多的領(lǐng)域包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺、智能推薦等，這些知識(shí)在計(jì)算機(jī)領(lǐng)域本科教學(xué)中都有涉及，通常在本科生完成高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)等課程后才會(huì)相繼開設(shè)。對(duì)于計(jì)算機(jī)領(lǐng)域?qū)W生來(lái)說(shuō)，一方面不愿意被動(dòng)坐等人工智能相關(guān)課程開設(shè)后才開始學(xué)習(xí)人工智能相關(guān)知識(shí)，有些學(xué)生會(huì)在競(jìng)賽導(dǎo)向下提前學(xué)習(xí)，如文獻(xiàn)[3]中以競(jìng)賽為導(dǎo)向?qū)Ρ究粕M(jìn)行課外引導(dǎo)與培訓(xùn)深度學(xué)習(xí)相關(guān)知識(shí)，從而培養(yǎng)人工智能時(shí)代本科拔尖人才；另一方面，大一學(xué)生采取大類培養(yǎng)模式，通過(guò)人工智能知識(shí)的學(xué)習(xí)可以篩選出對(duì)人工智能專業(yè)感興趣的學(xué)生從而進(jìn)行專業(yè)分流，所以對(duì)大一新生開設(shè)人工智能基礎(chǔ)課程的教學(xué)必要也很重要。1.2人工智能基礎(chǔ)課程存在的問(wèn)題（1）課程教學(xué)重理論輕實(shí)踐。目前大部分高校開設(shè)的人工智能基礎(chǔ)課程重視理論知識(shí)講解，而忽略動(dòng)手實(shí)踐。“高大上”的新理論、新技術(shù)和新方法對(duì)大一新生如“猛虎下山”，很難一下子“吃透”，從而“望而卻步”，失去興趣和信心，更無(wú)法做到享受編程實(shí)現(xiàn)人工智能功能的樂(lè)趣。眾所周知，人工智能是一個(gè)高度應(yīng)用的領(lǐng)域，同時(shí)又需要非常嚴(yán)謹(jǐn)?shù)睦碚摶A(chǔ)，對(duì)大一新生若過(guò)于強(qiáng)調(diào)理論而忽視實(shí)際應(yīng)用往往使他們對(duì)人工智能專業(yè)畏懼甚至逃避，既不利于學(xué)科發(fā)展，又不利于人才培養(yǎng)。（2）實(shí)驗(yàn)案例缺乏真實(shí)應(yīng)用場(chǎng)景。傳統(tǒng)人工智能實(shí)驗(yàn)教學(xué)案例多偏向于理論，缺乏與真實(shí)應(yīng)用相結(jié)合的實(shí)驗(yàn)案例，本科生無(wú)法體會(huì)實(shí)際應(yīng)用的效果，難以全面理解人工智能的算法精華，從而無(wú)法達(dá)到實(shí)驗(yàn)教學(xué)培養(yǎng)創(chuàng)新實(shí)踐型人才的目的[10]。此外，當(dāng)前人工智能技術(shù)，特別是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)技術(shù)和應(yīng)用的飛速發(fā)展，高校要將最新的知識(shí)和應(yīng)用及時(shí)傳授給學(xué)生，因此，迫切要將代表最新技術(shù)的實(shí)際應(yīng)用案例融入到高校人工智能課程教學(xué)中，從而更清晰地向本科生展示人工智能領(lǐng)域的最新研究成果和應(yīng)用，有助于他們深入了解人工智能相關(guān)技術(shù)的優(yōu)勢(shì)，從而激起他們對(duì)人工智能領(lǐng)域的興趣。2人工智能實(shí)驗(yàn)案例設(shè)計(jì)原則當(dāng)前，人工智能的應(yīng)用領(lǐng)域主要包括計(jì)算機(jī)視覺、語(yǔ)音識(shí)別、自然語(yǔ)言處理、知識(shí)圖譜等，而對(duì)于教學(xué)而言，效果最明顯最形象的實(shí)驗(yàn)案例就是基于計(jì)算機(jī)視覺的圖像分類。圖像分類技術(shù)在實(shí)際生活中應(yīng)用廣泛，例如車牌識(shí)別、垃圾分類識(shí)別、人臉識(shí)別、動(dòng)植物識(shí)別等。人工智能課程實(shí)驗(yàn)案例設(shè)計(jì)應(yīng)該考慮以下因素：①遞進(jìn)式增加難度：確保實(shí)驗(yàn)從簡(jiǎn)單到復(fù)雜，逐漸引入更高級(jí)的概念和技術(shù)，以便學(xué)生能夠逐步建立對(duì)人工智能算法和技術(shù)的理解。②代碼量適中：確保實(shí)驗(yàn)中的編程工作量不會(huì)太大，以適配大學(xué)生的編程水平，使學(xué)生能夠集中精力理解算法和概念，而不必?fù)?dān)心復(fù)雜的編程細(xì)節(jié)。③合適的數(shù)據(jù)集：選用簡(jiǎn)單、易于理解、貼近生活的數(shù)據(jù)集，這樣的數(shù)據(jù)集更讓學(xué)生感興趣，讓學(xué)生在實(shí)驗(yàn)中看到人工智能技術(shù)的實(shí)際應(yīng)用。3人工智能遞進(jìn)式實(shí)驗(yàn)案例設(shè)計(jì)3.1實(shí)驗(yàn)案例總體設(shè)計(jì)方案依據(jù)人工智能實(shí)驗(yàn)案例設(shè)計(jì)原則，實(shí)驗(yàn)案例采用驗(yàn)證碼卷積、驗(yàn)證碼分割識(shí)別、驗(yàn)證碼整體識(shí)別3個(gè)從易到難遞進(jìn)式實(shí)驗(yàn)案例進(jìn)行教學(xué)。每個(gè)實(shí)驗(yàn)案例的代碼量均不超過(guò)100行，以確保學(xué)生能夠輕松理解并吸收。數(shù)據(jù)集采用學(xué)生熟悉的驗(yàn)證碼圖片，其中訓(xùn)練集10000張圖片，測(cè)試集100張圖片（如圖1所示）。3.2驗(yàn)證碼卷積實(shí)驗(yàn)案例設(shè)計(jì)在計(jì)算機(jī)視覺中，卷積通常用于圖像處理，例如邊緣檢測(cè)、模糊、銳化等。圖像卷積操作就是通過(guò)一定大小的卷積核作用于圖像的局部區(qū)域，將局部圖像區(qū)域的像素值與卷積核中的數(shù)據(jù)做內(nèi)積運(yùn)算。卷積核是一個(gè)二維矩陣，它與原始數(shù)據(jù)進(jìn)行逐個(gè)元素的乘積運(yùn)算，并將結(jié)果相加得到一個(gè)新的數(shù)值。卷積核的大小和形狀可以根據(jù)需要進(jìn)行調(diào)整，以便更好地捕捉數(shù)據(jù)中的特征。驗(yàn)證碼卷積實(shí)驗(yàn)案例使用不同的卷積核對(duì)驗(yàn)證碼進(jìn)行卷積，讓學(xué)生觀察卷積后的圖像，從而深入理解圖像卷積操作。由于驗(yàn)證碼識(shí)別取決于驗(yàn)證碼的形狀而不是驗(yàn)證碼的顏色，所以先將彩色驗(yàn)證碼轉(zhuǎn)換為灰度驗(yàn)證碼，再進(jìn)行卷積操作。卷積驗(yàn)證碼的關(guān)鍵代碼如下：fromscipyimportsignalimg=Image.open(‘data/train/000F.jpg’)gray=np.array(rgb2gray(np.array(img)))sc=np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])img_conv=signal.convolve2d(gray,sc)實(shí)驗(yàn)采用的卷積核見表1，卷積圖像的作用包括邊緣檢測(cè)、銳化、模糊化、浮雕效果等。實(shí)驗(yàn)過(guò)程中，可以讓學(xué)生多實(shí)驗(yàn)幾組卷積核，例如邊緣檢測(cè)卷積核常見的還有Sobel卷積核、Prewitt卷積核、Roberts交叉邊緣檢測(cè)等。驗(yàn)證碼卷積實(shí)驗(yàn)結(jié)果見表2。3.3驗(yàn)證碼分割識(shí)別實(shí)驗(yàn)案例設(shè)計(jì)驗(yàn)證碼識(shí)別的本質(zhì)是一個(gè)圖片分類問(wèn)題。驗(yàn)證碼通常是由數(shù)字、字母和其他字符組成的圖像，用于驗(yàn)證用戶的身份或確保機(jī)器不易識(shí)別。驗(yàn)證碼識(shí)別的目標(biāo)是將這些字符從圖像中識(shí)別出來(lái)，對(duì)于多位的驗(yàn)證碼，通常采用的方法是首先將多位字符分割為單個(gè)字符，然后再進(jìn)行分類

識(shí)別。實(shí)驗(yàn)案例采用的驗(yàn)證碼由數(shù)字0~9及大寫字母A~Z構(gòu)成，一共36類。驗(yàn)證碼含有4位，圖片的分辨率為26*80，分割后單個(gè)驗(yàn)證碼圖片的分辨率為26*13。驗(yàn)證碼分割的代碼如下：frommatplotlibimportpyplotaspltimg=Image.open(‘data/train/000F.jpg’)gray=np.array(rgb2gray(np.array(img)))foriin[0,1,2,3]:tmp=gray[0:26,(13+i*14):(26+i*14)]x.append(tmp)plt.subplot(2,2,i+1)plt.imshow(tmp,cmap=’gray’)驗(yàn)證碼分割后的實(shí)驗(yàn)結(jié)果如圖2所示。驗(yàn)證碼分割后利用卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類識(shí)別，采用3*3的卷積核進(jìn)行圖像卷積。模型輸入為單個(gè)驗(yàn)證碼圖片，輸出為36個(gè)分類的one-hot編碼。模型采用交叉熵作為損失函數(shù)，采用Adam優(yōu)化器作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練優(yōu)化算法。卷積神經(jīng)網(wǎng)絡(luò)中的卷積核是網(wǎng)絡(luò)利用標(biāo)注好的訓(xùn)練集數(shù)據(jù)自動(dòng)學(xué)習(xí)的，可以用于檢測(cè)各種特征，包括邊緣、紋理、形狀、顏色等。驗(yàn)證碼分割識(shí)別實(shí)驗(yàn)采用的網(wǎng)絡(luò)模型結(jié)構(gòu)見表3。卷積層是模型的核心組成部分，用于從輸入圖像中提取特征；池化層用于減小特征圖的空間尺寸，降低計(jì)算復(fù)雜度，并減少模型對(duì)輸入變化的敏感性；Dropout層隨機(jī)關(guān)閉一部分神經(jīng)元，用于防止過(guò)擬合以及減少神經(jīng)網(wǎng)絡(luò)的復(fù)雜性；全連接層用于將提取的特征映射到不同的類別，以進(jìn)行分類或回歸。在卷積神經(jīng)網(wǎng)絡(luò)中，通常會(huì)在卷積層和全連接層之間插入一個(gè)Flatten層，將輸入數(shù)據(jù)從多維數(shù)組變換為一維向量，以實(shí)現(xiàn)從卷積層提取的特征圖到全連接層所需的形狀

變換。驗(yàn)證碼分割識(shí)別實(shí)驗(yàn)對(duì)測(cè)試集100張圖片進(jìn)行實(shí)驗(yàn)，分割后共400個(gè)單個(gè)驗(yàn)證碼圖片，最終識(shí)別正確397個(gè)字符，正確率為0.99。驗(yàn)證碼分割識(shí)別實(shí)驗(yàn)中，識(shí)別錯(cuò)誤的驗(yàn)證碼如圖3所示，其中大部分是由于分割不準(zhǔn)確導(dǎo)致的。所以引入驗(yàn)證碼整體識(shí)別實(shí)驗(yàn)，排除由于圖像分割不準(zhǔn)確導(dǎo)致的錯(cuò)誤識(shí)別問(wèn)題。3.4驗(yàn)證碼整體識(shí)別實(shí)驗(yàn)案例設(shè)計(jì)驗(yàn)證碼整體識(shí)別實(shí)驗(yàn)?zāi)Ｐ屠蒙疃染矸e神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證碼識(shí)別，模型輸入為整個(gè)驗(yàn)證碼圖片，輸出為識(shí)別后的4位驗(yàn)證碼。驗(yàn)證碼整體識(shí)別深度卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)及數(shù)據(jù)集介紹見

表4。驗(yàn)證碼整體識(shí)別網(wǎng)絡(luò)的具體結(jié)構(gòu)如圖4所示，包括6層卷積層、1層全連接層、2層池化層、2層Dropout層、1層BatchNormalization層，其中Dropout_rate設(shè)置為0.5。驗(yàn)證碼整體識(shí)別網(wǎng)絡(luò)參數(shù)總數(shù)為2559856個(gè)，其中訓(xùn)練參數(shù)為2529136個(gè)，非訓(xùn)練參數(shù)為30720個(gè)。BatchNormalization層有兩組參數(shù)，一組是訓(xùn)練時(shí)用到的可學(xué)習(xí)參數(shù)，另一組是在訓(xùn)練和推斷過(guò)程中都在使用的非訓(xùn)練參數(shù)，非訓(xùn)練參數(shù)包括移動(dòng)平均、縮放參數(shù)和偏移參數(shù)。驗(yàn)證碼整體識(shí)別實(shí)驗(yàn)對(duì)測(cè)試集100張圖片進(jìn)行實(shí)驗(yàn)，每張圖片包含4位驗(yàn)證碼，最終識(shí)別正確400個(gè)字符，正確率為1.00。訓(xùn)練過(guò)程中在訓(xùn)練集、驗(yàn)證集上的損失如圖5所示，準(zhǔn)確率如圖6所示。4實(shí)施效果本案例已納入武漢大學(xué)計(jì)算機(jī)學(xué)院的計(jì)算機(jī)科學(xué)導(dǎo)論、人工智能引論課程實(shí)驗(yàn)教學(xué)中，整體反映效果良好，由于實(shí)驗(yàn)場(chǎng)景貼近生活且代碼量不大，程序通俗易懂，學(xué)生對(duì)實(shí)驗(yàn)內(nèi)容有很大的興趣及熱情。在學(xué)生進(jìn)行實(shí)驗(yàn)之前，可以引入一個(gè)簡(jiǎn)單的用于數(shù)字手寫體識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)示例作為參考。為了進(jìn)一步提高驗(yàn)證碼識(shí)別率，給予學(xué)生一些建議，指出驗(yàn)證碼有36個(gè)分類，相比數(shù)字手寫體的10個(gè)類別更多。建議增大特征提取的維度，因?yàn)殡S著分類數(shù)量的增加，要用于區(qū)分的特征也會(huì)相應(yīng)增多。整體而言，這個(gè)案例在激發(fā)學(xué)生學(xué)習(xí)興趣和實(shí)踐能力方面取得了顯著的效果。在實(shí)驗(yàn)的過(guò)程中，為了幫助學(xué)生更深入理解人工智能技術(shù)，鼓勵(lì)學(xué)生調(diào)整卷積神經(jīng)網(wǎng)絡(luò)的超參數(shù)，包括但不限于損失函數(shù)、優(yōu)化器、激活函數(shù)、學(xué)習(xí)率、卷積核大小、Dropout比例、批大小、Epoch次數(shù)等。對(duì)于動(dòng)手能力強(qiáng)的學(xué)生，可以提供更進(jìn)一步的挑戰(zhàn)，比如修改網(wǎng)絡(luò)模型結(jié)構(gòu)，如增加卷積層數(shù)、修改網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)，甚至引入殘差網(wǎng)絡(luò)等操作。學(xué)生可以通過(guò)調(diào)整這些參數(shù)和結(jié)構(gòu)，進(jìn)行對(duì)比實(shí)驗(yàn)，并記錄實(shí)驗(yàn)結(jié)果。為了激發(fā)學(xué)生的競(jìng)爭(zhēng)意識(shí)并提高實(shí)驗(yàn)熱情，可以舉行一個(gè)擂臺(tái)賽。在擂臺(tái)賽中，學(xué)生可以組隊(duì)對(duì)識(shí)別模型調(diào)優(yōu)，然后對(duì)上傳識(shí)別所消耗的時(shí)間及識(shí)別準(zhǔn)確率進(jìn)行比賽。這不僅能夠培養(yǎng)團(tuán)隊(duì)協(xié)作與解決問(wèn)題的能力，還能夠在愉快的學(xué)習(xí)氛圍中增加實(shí)驗(yàn)的趣味性。這樣的實(shí)踐既加強(qiáng)了學(xué)生對(duì)人工智能技術(shù)的理論理解，還培養(yǎng)了他們靈活運(yùn)用知識(shí)的能力。整個(gè)實(shí)驗(yàn)過(guò)程變得更加生動(dòng)有趣，為本科生提供了一個(gè)積極互動(dòng)的學(xué)習(xí)環(huán)境。5結(jié)語(yǔ)作為人才培育、基礎(chǔ)科研和成果轉(zhuǎn)化的重要機(jī)制，高等教育對(duì)人工智能人才培養(yǎng)及國(guó)家人工智能產(chǎn)業(yè)發(fā)展具有至關(guān)重要的作用[11]。將本科生培養(yǎng)為既具備工程實(shí)踐能力又具備科研探究能力的人工智能人才，是高等教育的使命和責(zé)任。人工智能作為飛速發(fā)展的前沿科學(xué)，其相關(guān)課程實(shí)驗(yàn)案例設(shè)計(jì)對(duì)于提高學(xué)生的創(chuàng)新能力和實(shí)踐能力至關(guān)重要[12]。以典型應(yīng)用場(chǎng)景落地為目標(biāo)，從易到難，遞進(jìn)式設(shè)計(jì)實(shí)驗(yàn)案例，是人工智能人才培養(yǎng)的必經(jīng)之路，是創(chuàng)新實(shí)踐型人工智能本科人才培養(yǎng)的有力保障。參考文獻(xiàn)：[1]中華人民共和國(guó)教育部.教育部關(guān)于印發(fā)《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》的通知[EB/OL].(2018-04-03)[2023-11-18].http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.[2]智妍咨詢.2020—2026年中國(guó)人工智能行業(yè)市場(chǎng)競(jìng)爭(zhēng)格局及未來(lái)發(fā)展趨勢(shì)報(bào)告[EB/OL].[2024-01-29]./research/201807/656993.html.[3]方穎,彭蓉,王正,等.學(xué)科競(jìng)賽導(dǎo)向的本科拔尖人才培養(yǎng)模式[J].計(jì)算機(jī)教育,2024(1):16-20.[4]張偉,陳龍,賈應(yīng)智.大學(xué)計(jì)算機(jī)基礎(chǔ)課中的人工智能實(shí)驗(yàn)案例設(shè)計(jì)[J].計(jì)算機(jī)教育,2021(5):65-68.[5]陳龍,張偉,趙英良,等.新工科背景下大學(xué)計(jì)算機(jī)人工智能實(shí)驗(yàn)案例設(shè)計(jì)[J].計(jì)算機(jī)教育,2022(3):29-33.[6]劉凱,余應(yīng)福,閆文君,等.軍事人工智能課程的層次遞進(jìn)式實(shí)驗(yàn)案例設(shè)計(jì)[J].實(shí)驗(yàn)技術(shù)與管理,2022,39(4):186-189.[7]楊波,許福,李冬梅,等.針對(duì)軟件工程課程的人工智能實(shí)驗(yàn)案例設(shè)計(jì)[J].計(jì)算機(jī)教育,2022(9):202-206.[8]劉艷麗,張恒.人工智能課程實(shí)踐教學(xué)改革探索[J].中國(guó)現(xiàn)代教育裝備,2022(5):116-