摘 要：在傳統(tǒng)機械專業(yè)中增開人工智能類課程，培養(yǎng)復合型人才對于社會經(jīng)濟的發(fā)展具有重要意義。文章深入分析傳統(tǒng)機械專業(yè)開設人工智能課程的重要性及存在的問題，并結(jié)合實踐教學的經(jīng)歷，提出了一種通過科研促進傳統(tǒng)機械專業(yè)新增人工智能課程教學活動的策略。

關(guān)鍵詞：機械專業(yè);人工智能;科研

中圖分類號：G434 ? ??文章編號：2095-624X（2019）17-0155-02

一、傳統(tǒng)機械專業(yè)開設人工智能課程的重要性及問題

傳統(tǒng)機械專業(yè)包括機械設計制造及其自動化、材料成型及控制工程、機械電子工程等專業(yè)。目前絕大多數(shù)的國內(nèi)院校相關(guān)專業(yè)在課程體系設計以及專業(yè)培養(yǎng)方案方面仍舊以傳統(tǒng)機械制造與自動化控制方面的課程為主，輔以少量電子信息類課程?，F(xiàn)有課程體系培養(yǎng)出來的學生雖然可以滿足目前工業(yè)界大多數(shù)生產(chǎn)線的實際需求，但是我們必須注意到機械領(lǐng)域已經(jīng)出現(xiàn)了新的巨大變化。

近年來，以深度學習為代表的人工智能技術(shù)飛速發(fā)展，取得了令人矚目的成果，如人臉識別、輔助駕駛、智能推薦、移動支付等技術(shù)已從實驗室全面走向日常生活應用，2019年的圖靈獎也授予深度學習領(lǐng)域的三大巨頭，標志著人工智能技術(shù)正在并將持續(xù)得到社會各界的廣泛關(guān)注。得益于人工智能技術(shù)的飛速發(fā)展，傳統(tǒng)機械領(lǐng)域受到巨大沖擊，以波士頓動力公司為代表的高新企業(yè)賦予機械以智能，讓機器人從科幻電影逐步走向現(xiàn)實生活。同時，3D打印等技術(shù)也展現(xiàn)出巨大的應用潛力。這些現(xiàn)象標志著目前機械領(lǐng)域的未來發(fā)展方向已從現(xiàn)有的信息化轉(zhuǎn)向了智能化，即智能機械。為了把握這一歷史機遇，實現(xiàn)彎道超越，我國政府已經(jīng)明確“中國制造2025”的主攻方向就是智能制造。而實現(xiàn)這一宏偉目標的最重要基礎(chǔ)之一就是我們必須有足夠數(shù)量的懂得智能制造的人才，因此在傳統(tǒng)機械專業(yè)中加開人工智能課程是極為重要的。此外，由于傳統(tǒng)機械行業(yè)多年來未有明顯進步，在互聯(lián)網(wǎng)上被部分人稱之為“夕陽專業(yè)”，已經(jīng)影響到了相關(guān)專業(yè)的本科招生，因此增加開設人工智能課程將使得傳統(tǒng)機械專業(yè)再一次煥發(fā)生命力。

筆者所在的合肥學院（以下簡稱我院）具有雙元制（世界500強制造企業(yè)與學校共同培養(yǎng)機械類專業(yè)本科學生）培養(yǎng)的巨大優(yōu)勢。得益于此，我院準確把握企業(yè)脈搏，勇于開拓創(chuàng)新，在機械設計制造及其自動化以及材料成型及控制工程兩個傳統(tǒng)機械專業(yè)開設了《機器視覺》以及《人工智能》兩門人工智能類課程，在國內(nèi)同類院校中處于第一梯隊。

《機器視覺》課程主要講授圖像處理基本知識、圖像分類、目標識別、物體分割等內(nèi)容;《人工智能》課程主要講授機器學習基本知識、常用的分類算法與聚類算法等內(nèi)容。筆者在實際教學中發(fā)現(xiàn)直接按傳統(tǒng)方式講授這兩門課程并不適合機械類專業(yè)的本科生，主要存在兩大問題。①這兩門課程一般是計算機或相關(guān)信息類專業(yè)的課程，相對于信息類專業(yè)來說，機械類專業(yè)的學生在初始階段會覺得這兩門課程與機械的關(guān)聯(lián)性不大，從而喪失學習興趣與動力。②國內(nèi)高等院校目前普遍采用的機器視覺教材為阮秋琦等人翻譯的《數(shù)字圖像處理（第三版）》，人工智能教材為南京大學周志華教授的著作《機器學習》。但人工智能仍處于蓬勃發(fā)展階段，在每年的相關(guān)頂級會議上仍有數(shù)千種新算法被提出，如何讓學生了解并掌握領(lǐng)域內(nèi)新的進展也是亟待解決的問題。

下面介紹一種筆者為解決上述問題而采用的科研促進教學方法，并結(jié)合實際教學案例說明如何通過科研工作促進傳統(tǒng)機械專業(yè)新增人工智能課程的教學活動的展開。

二、科研促進教學方法介紹

隨著我國高等教育的內(nèi)涵不斷提升以及我國博士教育的蓬勃發(fā)展，目前高等院校在招聘專職教師時一般都要求博士學歷。此外，根據(jù)我國工科博士的培養(yǎng)要求，所有博士在畢業(yè)時都要滿足一定的科研工作量。具體到機械類專業(yè)從事人工智能相關(guān)課程教學的教師而言，絕大多數(shù)教師都承擔一定數(shù)量的相關(guān)的橫向與縱向科研項目。科研與教學并非兩個完全隔離或者沖突的領(lǐng)域，相反其是相輔相成的。

從教學對于科研的促進角度來看，為便于學生理解并掌握知識，面向本科生的教學活動非常注重知識的連貫性與知識脈絡的清晰性，而教師的科研工作一般只專注于某一個方向。長時間下去，可能忽略了對相應領(lǐng)域知識的系統(tǒng)學習。進而有可能出現(xiàn)“一葉障目”的現(xiàn)象，導致自身的研究進入瓶頸。因此，教學活動有助于科研工作者梳理相關(guān)知識，進一步夯實自己的理論基礎(chǔ)，拓寬理論視野，從而促進科研工作的突破。

從科研工作促進教學活動的角度來看，人工智能作為一個實用性極強的方向，相比于其他領(lǐng)域的科研工作，在機械專業(yè)從事人工智能方向的教師的科研項目大都兼顧理論與實踐，如機械產(chǎn)品缺陷檢測、機械故障信號診斷與自動識別、機械產(chǎn)品自動分類等研究課題，既有機械背景又緊密結(jié)合人工智能算法。因此，①在教學活動中有選擇性地講述自己的研究工作，讓學生明白正在學習的人工智能課程的哪些知識點可以用在機械方面解決傳統(tǒng)機械類課程無法解決的實際問題，將大大提升傳統(tǒng)機械類專業(yè)學習人工智能課程的興趣與自主性; ②將課本中的抽象原理與科研具體工作相結(jié)合，以代碼為媒介，實現(xiàn)課本中的抽象原理并作用于實際項目中觀察調(diào)試效果，可達到“一石二鳥”的目的（提高了學生的代碼水平，讓學生對抽象的人工智能算法有了形象的理解）;③教師在科研工作中會密切關(guān)注最新論文以把握最新科研進展情況，因此教師可在教學活動中選取一些較新的且典型的并與實際結(jié)合緊密的論文讓學生翻譯并作為課程設計作業(yè)，在鍛煉學生的動手能力的同時讓學生對最新科研進展情況有一定的了解;④讓部分學習興趣最濃厚、編程基礎(chǔ)較好的學生實際參與到科研課題的研究過程當中，可大大增強學生的動手能力，無論對其日后繼續(xù)讀研深造還是直接進入公司工作都大有益處。

三、科研促進教學案例分析

1.圖像處理基本知識

在這一部分中將介紹筆者在《機器視覺》課程中的教學案例：圖像的顏色變換、邊緣檢測及聯(lián)通域分析。這一部分知識較為基礎(chǔ)，在課本上都是一些簡單的數(shù)學公式，如果只讓學生以課本上的參考圖例為學習對象，很難讓學生明白人工智能和機械的緊密聯(lián)系性。筆者在教授這門課程時正在承擔一項企業(yè)委托項目“某型建筑網(wǎng)制造過程中的缺陷自動檢測設備”，即利用機器視覺技術(shù)自動檢測生產(chǎn)的建筑網(wǎng)是否網(wǎng)孔破損、網(wǎng)孔大小不符合標準等缺陷。因此筆者在教學過程中采用以下教學步驟：首先，按照教材講述基本算法原理;其次，對科研項目進行介紹，著重講述顏色變換、邊緣檢測及聯(lián)通域分析用在項目中的哪一部分以及為什么要使用;再次，用實際項目中的數(shù)據(jù)取代課本中的例子進行教學;最后，布置課后作業(yè)讓學生翻譯并實現(xiàn)經(jīng)典直線檢測算法LSD。除此之外，選拔2名水平較高且學習態(tài)度較好的學生實際參與到項目中。

2.模式分類

在這一部分中將介紹筆者在《人工智能》課程中的教學案例：邏輯回歸。邏輯回歸本身是機器學習領(lǐng)域較為基礎(chǔ)的一個概念，但其名字令學生迷惑，雖然其名字為回歸，但是其本質(zhì)是一個非線性分類模型。此外，現(xiàn)有教材在講述這一部分內(nèi)容時一般是采用房子買不買/西瓜成熟否/魚的種類識別等二分類模型進行介紹，與機械專業(yè)沒有契合點。筆者曾主持過一項縱向課題“基于多傳感器的機械故障分析”，因此，筆者在教學時，將課本中的例子直接替換為實際機械工況數(shù)據(jù)，可顯著增加傳統(tǒng)機械類學生對人工智能類課程的認同感。此外，在自主學習環(huán)節(jié)，將一批統(tǒng)一標注預處理的訓練數(shù)據(jù)與驗證數(shù)據(jù)下發(fā)給學生，讓學生查找資料設計實現(xiàn)自己的機械故障分類模型，然后在測試集上對所有學生的模型進行統(tǒng)一測試，將最終的準確率排名作為學生的成績排名。上述方式既激發(fā)了學生的學習興趣，同時鍛煉了學生的自主學習能力，又可以解決傳統(tǒng)紙質(zhì)試卷考核方式不適應人工智能課程的問題。

四、結(jié)語

本文通過對傳統(tǒng)機械專業(yè)開設人工智能課程的重要性及存在問題的深入分析，以《機器視覺》和《人工智能》兩門課程為例，給出了一種如何通過教師的科研工作促進傳統(tǒng)機械專業(yè)新增人工智能課程教學的方法，并結(jié)合兩個具體的教學案例對該方法進行了闡述。文中所介紹的方法與實例可以有效地擴展到其他傳統(tǒng)工科專業(yè)增設人工智能類課程的教學活動當中，從而使任課教師可以通過自身的科研活動有效地提升教學質(zhì)量。

參考文獻：

[1]（美）岡薩雷斯，伍茲.數(shù)字圖像處理（第三版）[M]. 阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2011.

[2]周志華.機器學習[M].北京：清華大學出版社，2016.

[3]Grompone von Gioi Rafael，Jakubowicz Jérémie，Morel Jean-Michel，Randall Gregory. LSD： a fast line segment detector with a false detection control[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2010（4）.

[4]張小明，李舟軍.研究生人工智能課程研究性教學探索[J].計算機教育，2017（10）：71-74.

作者簡介：年福東（1993—），男，安徽宿州人，講師，工學博士，研究方向：人工智能、多媒體計算。