1、人工智能专业概述人工智能专业的培养目标人工智能专业的课程体系人工智能专业的知识结构乘着大数据、计算力等飞速发展的春风，人工智能像春雨一般“润物细无声”地渗透到生产、生活、工作各个领域，各界也都纷纷行动起来迎接这场“好雨”。各个国家和政府组织对人工智能的关注较以前是有过之而无不及，不少国家已经出台政策将人工智能发展提升到国家战略的层面，且这种趋势会越来越明显。众多企业都希望自己能借助人工智能的力量，提升企业自身的综合能力，在未来市场竞争中争得一块领地。在此趋势下，各行各业对人工智能人才的需求都非常大。2.1 人工智能专业概述不过现实的情况是，相对于人工智能行业的迫切需求，具有人工智能理论和技术的
2、专业人才却非常缺少。根据全球人工智能产业分布报导，仅在2017年，中国新兴人工智能项目比例已经达到全球的51%，位列全球第一，但是却只有全球5左右的人工智能人才储备，人才缺口超过500万。不仅国内是这样的情况，国外也是如此。那么如何解决这个问题呢？2017年7月8日，中国政府发布新一代人工智能发展规划，规划中指出要建设人工智能学科。这一举措旨在将分散在各个院系的人才培养体系化，对国家在新一轮科技浪潮中走在世界前列的长期布局，将产生积极的推动和促进作用。图2-1 高等学校人工智能学科规划要求2018年4月2日，中国教育部印发了高等学校人工智能创新行动计划，部署了三个阶段的目标，并提出了三类十八项
3、重点任务，引导高等学校瞄准世界科技前沿，推进人工智能领域的学科交叉和跨学科人才培养，不断提高人工智能领域科技创新、人才培养和国际合作交流等能力，为国家新一代人工智能发展提供战略支撑。图2-2 三个阶段的目标图2-3三类十八项重点任务目前，一些高等学校已经成立人工智能学院，积极探索人工智能学科或专业建设，更多的院校则有意识地促进相关学科，加大开展人工智能研究和人才培养力度，传统研究领域也开始尝试引入人工智能方法，进行交叉学科的培养和发展，逐步形成了多学科研究、多专业应用、全方位布局的人工智能人才培养新格局。实际上，在人工智能专业获得建设批准之前，就有不少人工智能相关的专业，比如智能科学与技术、数
4、据科学与大数据技术、机器人工程等。智能科学与技术专业主要是面向智能科学前沿高新技术的基础性本科专业，专业覆盖面很广，涉及机器人技术、以新一代网络计算为基础的智能系统、微机电系统、与生产生活密切相关的各类智能技术与系统以及新一代的人机系统技术等。从2003年开始，北京大学、北京邮电大学、南开大学、西安电子科技大学等高校就先后设置了智能科学与技术专业，截止2018年，已经有57所高校开设了智能科学与技术专业，今年发布的2018年度普通高等学校本科专业备案和审批结果中更是有将近一百所高校开设该专业。数据科学与大数据技术专业简称数据科学或大数据，其核心课程有大数据算法、人工智能、大数据机器学习、数据建
5、模、大数据平台核心技术、大数据分析与处理等，旨在培养具有大数据思维，能够运用大数据思维分析及解决问题的高层次人才。2016年，北京大学、对外经济贸易大学、中南大学最早获得批准该学科建设，到2018年，获批建设院校累计达到了近300所。机器人工程专业为培养国家急需的高级机器人专门技术人才而开设，融合了智能控制、机械设计、电子设计、计算机科学与技术等学科特长，主要研究机器人的运行控制方法及其在各行业中的应用技术。目前，机器人工程专业也越来越火爆，2018年获批建设该专业的高校有60所，2019年获批的高校有100所左右。2019年，教育部印发了2018年度普通高等学校本科专业备案和审批结果，经申报
6、、公示、审核等程序，根据普通高等学校专业设置与教学指导委员会评议结果，并征求有关部门意见，确定新增审批专业名单。根据通知，共有35所高校获首批“人工智能”新专业建设资格。表2-1 首批获“人工智能”新专业建设资格高校省份获批高校北京北京科技大学、北京交通大学、北京航空航天大学、北京理工大学江苏南京大学、东南大学、南京农业大学、江苏科技大学、南京信息工程大学天津天津大学山西中北大学辽宁东北大学、大连理工大学黑龙江哈尔滨工业大学吉林吉林大学、长春师范大学省份获批高校上海上海交通大学、同济大学浙江浙江大学福建厦门大学山东山东大学湖北武汉理工大学四川四川大学、电子科技大学、西南交通大学重庆重庆大学陕西
7、西安交通大学、西安电子科技大学、西北工业大学甘肃兰州大学安徽安徽工程大学省份获批高校江西江西理工大学河南中原工学院湖南湖南工程学院广东华南师范大学人工智能技术发展替代了许多人类重复性劳动，同时还细化生产过程分工，创造了大量新兴就业。因此，教育应积极拥抱人工智能等新兴技术，适应未来，培养多层次的智能化技术人才，以补智能化人才短板。人工智能教育的培养目标与其他专业一样，可以分为综合培养和专业培养两个目标。综合培养目标是指具备一名接受过高等教育的学生应当具备的综合能力。专业培养目标是指学生毕业时在人工智能专业方面应该得到的知识和能力，又可分为人工智能专业本科和研究生阶段培养目标。2.2 人工智能专业
8、的培养目标图2-4人工智能学科综合培养目标图2-5人工智能学科专业培养目标具体来说，人工智能学士学位授予时要达到“较好地掌握人工智能学科的基础理论、专门知识和基本技能，具有从事人工智能科学研究工作或担负人工智能技术工作的初步能力”。人工智能硕士研究生与博士研究生培养目标的区别在于，硕士学位要求“在人工智能学科上掌握坚实的基础理论和系统的人工智能知识，具有从事人工智能科学研究工作或独立担负人工智能技术工作的能力”，而博士学位的授予一定要求“在人工智能学科上掌握坚实宽广的基础理论和系统深入的人工智能知识，具有独立从事科学研究工作的能力，在人工智能科学或专门技术上做出创造性的成果”。人工智能专业的知
9、识结构可以分为三层。其中，最底层是基础支撑层，包含大数据、计算力和算法三部分，要实现人工智能的发展与应用，它们三者缺一不可。中间一层为技术方向层，由人工智能的定义可知，人工智能是研究如何使用机器来模拟、延伸和扩展人类智能的学科，因此根据人的行为活动可以将技术方向分为智能感知、智能思维、智能计算、智能学习、智能行为五部分，每部分又可以分成其它类型。最顶层为具体应用层，如人工智能在机器人、驾驶、交通、家居、楼宇、制造、教育、医疗、安防等方面的应用。2.3 人工智能专业的知识结构图2-6 人工智能的研究领域及分层1.基础支撑层随着移动互联网、社交媒体、移动设备、监控检测设备的持续工作，当今社会积累了
10、大量数据，大数据时代已经到来。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。计算机是一个进行信息处理和信息转换的基本系统，对数据有着很强的依赖性。而人工智能作为计算机的“升级版”，它的发展与应用更是需要庞大的数据来支撑。人工智能中很多算法都需要大量数据作为样本，如图像、视频、语音的识别，都需要大量样本数据进行训练并不断优化。计算力是计算机计算Hash函数时输出的速度，可以简单的理解为计算能力。人工智能的发展和应用有了大量的数据，但如果计算力太低，不能及时处理这些数据，那也是万万不行的。人工智能对计算力的要求很高，特别是深度学习是非常消耗计算资源的。之前
11、在研究人工智能时，经常会受到单机计算力的限制，并行处理器提升计算力的方法也有很大的局限性。云计算和图形处理器的出现极大的改善了这种情况，此次人工智能发展浪潮的掀起也有它们的不少功劳。算法，通俗讲就是解决问题的计算方法，能够在给定一定规范输入的情况下，有限时间内获得所要求的输出。近年来，新算法的不断涌现有力地提升了机器学习的能力，尤其是随着深度学习理论的成熟，很多企业采用云服务或开源方式向行业提供先进技术，将先进算法封装于易用的产品中，大大推动了人工智能技术的发展。目前，市场上有很多厂家都在搭建通用的人工智能机器学习和深度学习计算底层平台，如Google的TensorFlow、百度的AI开放平台
12、等。如果将人工智能比作一台机器，那么大数据就是这台机器运转的能源，计算力就是机器运转的发动机，而算法是机器运转的控制器，三者缺一不可，是人工智能发展应用的保障，共同构成了人工智能知识结构的基础支撑层。2.智能感知智能感知旨在让计算机具有类似于人的感知能力，如视觉、听觉、触觉、嗅觉、味觉等，是机器获取外界信息的主要途径，相当于智能系统的输入部分。智能感知的研究领域有计算机视觉、模式识别、自然语言处理等。计算机视觉，又叫机器视觉，就是用计算机来实现模拟人类视觉的功能，其主要研究目标是使计算机具有从图像中识别物体、场景和活动的能力。在人类感知到的外界信息中，有80%以上是通过视觉得到的。视觉感知不仅
13、仅指对光信号的感受，它包括了对视觉信息的获取、传输、处理、存储与理解的全过程。计算机视觉技术一般通过视觉机器将被摄目标转换为图像信号，经过图像处理系统的专业分析得到被摄目标的形态信息，按照需求进行各种运算，提取目标的特征值以便进行后续任务。计算机视觉的应用非常广泛，如：在安防及监控领域用于指认嫌疑人；医疗影像分析用于提高对疾病的预测、诊断和治疗；工厂车间用于自动化控制等。模式识别是指让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。被鉴别的事物可以是物理的、化学的、生理的，也可以是文字、图像、声音等。模式识别时，首先要采集待识别事物的信息，然后对其进行各种变换和预处理，从中抽
14、出有意义的特征或基元，接着与机器中原有的各种标准模式进行比较，对事物进行分类识别，最后输出识别结果。自然语言处理研究的是如何使用自然语言实现人与机器之间的有效通信，对智能人机接口和不确定人工智能的研究都有着重大意义，是人工智能技术发展的一大难点。自然语言就是人与人交流用的语言，包括各个国家的语言、各个地区的方言等，是相对于汇编语言、C语言等计算机可以理解的人造语言来说的。自然语言处理包括自然语言理解和自然语言生成两个部分，机器要做到自然语言处理，需要会分析语音、词法、句法、语义、语境等。目前，市场上已经出现了一些针对特定领域具有一定自然语言处理能力的系统，例如手机中的语音助手和各种翻译软件。但
15、是，通用高质量的自然语言处理系统还有待进一步实现。3.智能思维智能思维就是让计算机模仿和实现人的思维能力，从而能够对感知到的外界信息和自己产生的内部信息进行思维性加工。在研究方面具体包括搜索、推理等方面的研究。搜索是指为了达到某一目标，不断寻找推理线路，以引导和控制推理，使问题得以解决的过程。人工智能中的搜索策略大体有盲目搜索和启发式搜索两种。在应用盲目搜索求解问题的时候，一般是盲目地穷举。盲目搜索包括宽度优先搜索、深度优先搜索和等代价搜索等。而启发式搜索会用启发函数来衡量哪一个状态更加接近目标状态，并优先对该状态进行搜索。推理是指按照某种策略从已知事实出发，利用现有知识推出所需结论的过程，其
16、理论基础为逻辑。推理根据其所用知识的确定性可分为确定性推理和不确定性推理。确定性推理应用确定性知识进行精确推理，是一种单调性推理，能解决的问题很有限，典型的推理方法有消解反演推理、消解演绎推理、规则演绎推理等。不确定性推理所使用的知识和推出的结论不可以精确表示，主要基于非经典逻辑和概率数据。最常用的不确定性推理技术有贝叶斯推理、概率推理、可信度方法和证据理论等。4.智能计算智能计算也就是计算智能，是在对生物体智能机理深刻认识的基础上，采用数值计算的方法去模拟和实现人类的智能。智能计算基本领域包括神经计算、模糊计算、进化计算、群智能计算等。神经计算也就是神经网络计算，它是通过大量人工神经元的广泛
17、并行互联形成一种人工网络系统，用于模拟生物神经系统的结构和功能。主要研究人工神经元的结构和模型、人工神经网络的互连结构和系统模型、基于神经网络的联结学习机制等。神经网络具有自学习、自组织、自适应、联想、模糊推理等能力，在模仿生物神经计算方面有一定优势。模糊计算又称为模糊系统，学术上把那种因没有严格边界划分而无法精确刻画的现象称为模糊现象。通过研究人类处理模糊现象的认知能力，用模糊集合和模糊逻辑去模拟人类的智能行为，就是模糊计算。模糊计算已经在推理、控制、决策等方面得到了非常广泛的应用，常见的模糊算法有均值模糊、高斯模糊等。进化计算是一种模拟自然界生物进化的过程与机制。它以Darwin进化论的“
18、物竞天择，适者生存”作为算法的进化规则，并结合Mendel的遗传变异理论，将生物进化过程中的繁殖、变异、竞争和选择引入到了算法中，是一种对生物群体进化机制的模拟。具有遗传算法、进化策略、进化编程和遗传编程四大分支。群智能计算理论的基础是认为群中个体交互作用，使用比单一个体更有效的方法去达到全局目标，也就是“合作共赢”，也符合人类社会的规律。最具代表性的群智能计算是粒子群优化算法和蚁群算法。粒子群优化算法是一种基于群体搜索的算法，建立在模拟鸟群社会的基础上。蚁群算法是通过研究蚂蚁寻找食物路径的自然行为提出的，能很好解决分配、调度等问题。5.智能学习智能学习就是让机器模拟或实现人类的学习行为，自动
19、获取新的知识或技能，并在实践中重新组织已有的知识结构使之不断完善自我、增强能力。智能学习是人工智能的一大核心，是机器获取知识的根本途径，同时也是机器具有智能的重要标志。智能学习的分类方法有很多。基于学习策略可以分为机械学习、示教学习、演绎学习、类比学习、归纳学习。基于所获取知识的表示形式可以分为代数表达式参数、决策树、形式文法、产生式规则、形式逻辑表达式、图和网络、框架和模式、计算机程序和其它的过程编码、神经网络、多种表示形式的组合。基于应用领域可以分为专家系统、认知模拟、规划和问题求解、数据挖掘、网络信息服务、图像识别、故障诊断、自然语言理解、机器人和博弈等领域。基于学习形式可以分为监督学习
20、、非监督学习、半监督学习。因此，智能学习本身又是一门多领域的交叉学科，涵盖的内容丰富，具体分类方法多，而且不统一。机器可以通过记忆、示教、演绎、类比、归纳进行学习。通过记忆学习也就是机械学习，是最简单的学习策略，不需要任何推理过程。示教学习比记忆学习略微复杂，输入知识与内部知识的表达方式不完全一致，系统在接受外部知识时需要推理、翻译和转化。演绎学习是以演绎推理为基础，在领域知识的指导下，通过分析单个问题的求解，构造出求解过程的因果解释结构，并对该解释结构进行概括化处理，得到一个可用来求解类似问题的一般性知识。类比学习是寻找当前任务与已完成任务之间的相似之处，通过已完成任务的解决方法制定完成当前
21、任务的方案。归纳学习是以归纳推理为基础，是机器学习中研究较多的一种学习类型，其任务是要从关于某个概念的一系列已知的正例和反例中，归纳出一个一般性的概念描述。人工神经网络是一种运算模型，是人类在认识和了解生物神经网络的基础上，对大脑组织结构和运行机制进行抽象、简化和模拟的结果。其实质是根据某种算法或模型，将大量的神经元处理单元，按照一定规则互相连接而形成的一种具有高容错性、智能化、自学习和并行分布特点的复杂人工网络结构，能实现系统控制、最优计算、信息处理和联想记忆等功能。人工神经网络类型有很多，具体有感知器、BP神经网络、Hopfield神经网络、深度卷积神经网络、生成式对抗网络等。深度学习是近
22、年来新出现的一种机器学习方法，其概念来源于人工神经网络的发展。在对人脑进一步认识的基础上，将神经、中枢、大脑的工作原理设计成一个不断迭代、不断抽象的过程，进而得到最优数据特征表示。深度学习是一个“黑盒”，学习样本数据的内在规律和表示层次，自动提取特征进行分析，就能实现具体任务。它在语音和图像识别方面的能力远远超过先前的相关技术。图2-7 人工智能、机器学习、深度学习之间的关系5.智能行为智能行为是让计算机能够具有像人那样地行动和表达能力，如走、跑、拿、说、写、画等，相当于智能系统的输出部分。这里主要讨论智能控制、智能检索、智能体等。智能控制是指驱动智能机器自主实现目标的过程，即无需人直接干预就
23、能独立地驱动智能机器实现其目标的自动控制，它是人工智能技术与传统自动控制技术相结合的产物。从结构上，它由传感器、信息处理模块、认知模块、规划和控制模块、执行器和通信接口等主要部件所组成。主要应用于智能机器人系统、智能制造系统、交通运输系统等。智能检索是指利用人工智能的方法从大量信息中尽快找到所需要的信息或知识。在这信息爆炸的时代，利用传统的人工方法检索想要的信息，其难度不亚于大海捞针。智能检索只要输入所需信息的关键字，计算机就会输出大量的相关信息。当然，要想达到智能检索，系统必须具有一定的自然语言理解能力、推理能力以及广泛的知识储备。智能体是一种通过传感器感知其环境，在将感知的信息在内部综合处
24、理后，借助执行器作用于该环境的实体，可以定义为一种从感知到动作的映射。智能体是一个高度开放的智能系统，其结构需要按照实际的求解问题来进行设计，而人工智能的任务就是设计智能体的内部程序，也就是从感知到动作的映射。根据人类思维的层次可以将智能体分为反应式智能体、慎思式智能体、跟踪式智能体、基于目标的智能体、基于效果的智能体和复合式智能体。本科人工智能专业的课程体系由通识教育、专业基础、专业核心、专业拓展和集中实践五大部分构成。2.4 人工智能专业的课程体系1.通识教育课程专业通识教育与人工智能专业化教育相对，是在全校范围内开设的课程，使学生可以接触到不同学科的知识，学会融会贯通，获得通行于不同人群
25、之间的知识和价值观。通识教育涉及人文社会科学、经济与管理、环境科学、生命科学等很多学科，分为必修部分和选修部分。图2-8 通识教育课程2.专业基础课程人工智能专业基础课程包括工程数学基础课程、计算机基础课程、人工智能基础课程，其中人工智能基础部分包含基础支撑层的内容，还有一定的控制论内容。人工智能专业基础课程主要集中在本科低年级阶段，旨在为后续深入人工智能的学习打下坚实的基础，建立人工智能领域的整体框架。图2-9 专业基础课程专业基础课中，因“数学分析”与“高等数学”课程有较多重复内容，可以将其设置为选修课程或者是取消这门课程；计算机基础课程中，“操作系统”和“计算机网络”可以设置为二选一课程
26、，或者将两者结合成一门课程进行讲解。其余课程均为必修。3.专业核心课程人工智能专业核心课程为中高年级学生指明更加具体的方向，并进行必要的训练。这部分课程的主要内容对应于知识结构中的技术方向层。专业核心课程一般都是必修课程。同时，作为核心课程，在授课过程中，不光要讲授课本知识，还要注重联系实际应用，部分课程要设置“课程设计”、“课程实践”环节，增强学生的实际动手能力。图2-10人工智能专业基础课程4.专业拓展课程专业拓展类的课程有很多，主要涉及到数学拓展类、专业拓展类、交叉融合类。专业拓展这部分的课程一般都是选修，学生可根据自己的兴趣爱好进行选择，也可按研究方向或课程模块进行选择。图2-11 专
27、业拓展课程5.集中实践环节除上述课程之外，一般还设置有各种实践环节。学生通过实践不仅可以把所学知识融会贯通，而且可以提高动手能力，培养创新意识、创新能力和团队协作精神。人工智能是一门“产、学、研”紧密结合的课程，学校除了在课堂进行理论教学，可以在实践环节加强与科研院所、企业等机构的合作，使学生可以将所学的知识与实际生产创造过程结合，对科技成果的转化也有一定推动作用。图2-12人工智能专业集中实践环节相对于人工智能产业的高速发展，人工智能人才培养仍具有滞后性，存在显著的不足。一方面，多数高校还不具备进行大规模人工智能人才培养的能力，从事人工智能研究工作的教师群体总体偏小，在培养计划、教材建设、师资配备、实践条件、科研平台建设等方面尚有不足。另一方面，没有形成成熟的与人工智能创新相匹配的人才培养理念和模式。当前阶段人工智能人才培养仍然处于“快出人才”阶段，如何“出好人才”还需要相关领域的教育研究者对高校人工智能人才培养的目标、知识结构、课程体系进行深入研究和探索。习题1.简述中国政府对人工智能专业发展政策。2.人工智能专业本科人才的培养目标是什么？3.给出人工智能的知识结构框架图。4.机器学习有哪些分类？5.人工智能、机器学习、深度学习之间的关系是什么？6.机器计算有哪些方法，请进行简单介绍。7.简述人工智能的课程体系包括什么？8.谈谈通识教育课程学习的意义有哪些？
