一、引言

在人工智能技術迅猛發(fā)展的當下，社會對兼具相關知識與技能的復合型人才需求與日俱增。當前，國內各大院校人工智能專業(yè)課程的實驗設計，多聚焦于機器學習與深度學習算法的理論闡釋及綜合實驗項目，然而，此類實驗專業(yè)性過強，缺乏針對通識教育的精細化優(yōu)化，不利于跨學科人才的培養(yǎng)。故而，人工智能通識教育課程建設的難點，主要集中于實驗內容與實驗環(huán)境兩大方面。

其一，學科交叉知識跨度大、難度高，且實驗案例匱乏。人工智能學科廣泛涵蓋計算機、數學、心理學、哲學等多個領域，而國內通識教育課程建設尚處于探索初期，實驗案例體系構建尚不完善。現有的實驗內容不僅復雜，而且專業(yè)性突出，對不同專業(yè)背景的學生設置了較高的學習門檻，這可能會抑制學生的學習熱情，進而導致學習效果參差不齊。因此，設計一套涵蓋廣泛、實用性強的實驗案例體系迫在眉睫。

其二，人工智能實驗教學平臺建設相對滯后，實驗開展困難重重。實踐是深入領會人工智能原理與運行機制的關鍵途徑，但硬件設備價格高昂，實驗環(huán)境配置繁瑣，學生操作起來困難重重，尤其是非理工科專業(yè)的學生。同時，教師在協(xié)助學生時成本較高，學生容易產生畏難情緒。因此，迫切需要構建一個操作簡便、易于管理的實驗平臺，以提高學生的學習成效。

二、實驗教學設計思路

（1）構建“基礎算法—學科交叉—實際應用”三層遞進式實驗體系

為有效解決各專業(yè)與人工智能在學科內容銜接及融合方面存在的不足，針對來自不同學院、專業(yè)且學科背景各異的學生，我們精心設計了“基礎算法—學科交叉—實際應用”三層遞進式實驗體系。

“基礎算法”層涵蓋傳統(tǒng)機器學習方法和深度學習方法，這些方法猶如堅實的基石，為后續(xù)的實際應用提供了有力的算法支撐。傳統(tǒng)機器學習中的線性模型、決策樹等，以及深度學習里的卷積神經網絡、生成對抗模型等前沿技術，都在此層得以體現，使學生能夠系統(tǒng)地掌握人工智能算法的基本原理和方法。

“學科交叉”層以“四新”建設為指引，充分考量傳統(tǒng)學科與新興專業(yè)的交叉融合。通過深入分析和提煉不同學科之間的共性知識，為實際應用提供了堅實的理論依據。這一層旨在打破學科壁壘，培養(yǎng)學生的跨學科思維和綜合應用能力。

“實際應用”層緊密結合各個專業(yè)所面臨的現實問題和應用場景，設計了一系列具有針對性的實驗項目。例如，文學類專業(yè)可開展文本分類與生成實驗，讓學生在處理文學文本的過程中，運用所學的人工智能算法解決實際問題；語言學類專業(yè)設置機器翻譯實驗，提升學生的語言處理和信息轉換能力；藝術設計類專業(yè)包含風格遷移與圖像生成實驗，激發(fā)學生的創(chuàng)新思維和藝術表現力；金融經濟類專業(yè)則側重數據挖掘與分析實驗，培養(yǎng)學生的數據分析和決策能力。學生可以根據自身的專業(yè)和興趣自主選擇實驗項目，從而有效提升實踐能力。

（2）打造人工智能實驗教學平臺

實驗教學在幫助學生深入理解人工智能算法原理和運作機制方面發(fā)揮著至關重要的作用，它能夠促進學生將理論知識與實際問題相結合，提高解決實際問題的能力。然而，人工智能實驗高度依賴硬件和軟件的支持，且不同實驗項目所采用的技術框架也各不相同。對于非計算機專業(yè)的學生而言，他們往往缺乏專業(yè)的實驗設備，同時實驗環(huán)境的配置也較為復雜，這給實驗教學的開展帶來了諸多困難。因此，建設一個操作簡便、功能強大的人工智能實驗教學平臺顯得尤為迫切。

該平臺以理論學習為基礎，為學生提供了多樣化的實驗環(huán)境，支持學生自由開展實驗，實現了理論與實踐的深度融合。學生可以在平臺上輕松獲取所需的實驗資源，自主進行實驗設計和操作，從而更好地掌握人工智能算法的應用技巧。同時，平臺還為教師提供了強大的教學管理系統(tǒng)，方便教師對實驗資源和學生進行全流程管理。教師可以通過該系統(tǒng)實時監(jiān)控學生的實驗進度和結果，及時給予指導和反饋，提高教學效率和質量。

為了滿足不斷變化的教學需求，平臺需要持續(xù)更新實驗項目。一方面，要密切關注技術發(fā)展的新動態(tài)，及時引入新的人工智能實驗項目，確保教學內容與行業(yè)需求保持同步；另一方面，要積極收集師生的反饋意見，不斷優(yōu)化實驗設計和平臺管理，提升教學效果。通過完善實驗教學體系，該平臺將為跨學科人才培養(yǎng)提供有力的支持，培養(yǎng)出更多具有創(chuàng)新精神和實踐能力的人工智能專業(yè)人才。

三、實驗項目設計與建設

3.1 “基礎算法—學科交叉—實際應用”三層遞進式實驗設計

人工智能通識教育的核心目標在于培育全面發(fā)展的復合型學科交叉人才。然而，現有的實驗教學往往專業(yè)性過強，對于跨學科學生而言，學習門檻較高。基于此學情，我們精心設計了覆蓋面廣、實用性強的三層遞進式實驗案例體系。

“基礎算法—學科交叉—實際應用”三層遞進式實驗設計的底層是“基礎算法”層。這一層為具體案例設計筑牢了理論基礎，并提供了關鍵的算法支撐。學生在此層將深入學習傳統(tǒng)機器學習方法和深度學習方法，掌握如線性模型、決策樹、卷積神經網絡、生成對抗模型等核心算法，為后續(xù)的實驗項目奠定堅實的技術基礎。

“學科交叉”層則著重考慮傳統(tǒng)學科與人工智能的深度融合。該層針對不同學科的特點，精準提煉實驗重點需求，為實驗內容設計提供了重要依據。通過打破學科壁壘，促進不同學科知識的交叉滲透，培養(yǎng)學生的跨學科思維和綜合應用能力。

“實際應用”層依據各學科提煉出的應用需求，設計了一系列覆蓋面廣的實驗案例。這些案例緊密結合各專業(yè)面臨的現實問題和應用場景，旨在培養(yǎng)學生運用人工智能技術解決實際問題的能力，提升學生的實踐操作技能。

依據“基礎算法—學科交叉—實際應用”三層遞進式實驗設計思路和指導思想，實驗案例具體劃分為基本型、綜合型、探究性三類。

基本型實驗：主要聚焦于編程語言的學習，如Python的基礎語法和應用；編程工具的熟練使用，例如PyCharm、Jupyter Notebook等；以及深度學習框架的選擇與入門，如Tensorflow、Pytorch等。通過這些實驗，學生能夠掌握人工智能開發(fā)的基本工具和環(huán)境。

綜合型實驗：著重培養(yǎng)學生根據現實應用場景選擇合適模型并運用模型的能力。學生需要了解傳統(tǒng)機器學習和深度學習算法的原理，掌握多種經典模型的應用場景和方法，能夠運用所學知識解決實際的分類、回歸等問題。

探究型實驗：致力于培養(yǎng)學生的綜合能力，包括問題分析、模型構建、編程實現、實驗驗證等環(huán)節(jié)。學生需要自主探索問題，設計解決方案，并通過實驗驗證其有效性，從而提高學生的創(chuàng)新能力和科研素養(yǎng)。

3.2 人工智能實驗教學平臺建設

人工智能實驗教學在促進學生將理論知識與實際應用深度融合、解決現實工程問題方面發(fā)揮著關鍵作用。為了讓來自不同專業(yè)背景的學生能夠迅速上手人工智能實驗項目，我們精心打造了一個開放、共享且不受課堂時間和地域限制的實踐平臺。該平臺具有操作簡單、便于管理、利于學習等諸多優(yōu)勢，為師生帶來了極大的便利。

平臺架構與資源整合

實驗平臺系統(tǒng)將所有物理資源進行高效整合，形成虛擬資源池。通過這種方式，實現了計算、存儲、網絡等資源的全面共享，顯著提高了資源利用率。同時，平臺能夠根據不同的計算需求，實現資源的動態(tài)分配、靈活調度和跨域共享，確保在各種實驗場景下都能提供穩(wěn)定、高效的資源支持。

角色設置與功能實現

實驗平臺設置了學生、教師和管理員三種角色，每種角色都擁有特定的功能和權限，以滿足不同用戶的需求。

學生角色：學生可以根據自身的學習需求和興趣，自由選擇并加入相應的實驗課程。平臺為每個實驗項目提供了滿足其需求的配置環(huán)境，學生只需進入實驗項目，即可方便快捷地使用這些環(huán)境，無需自行安裝和配置復雜的實驗軟件，大大降低了學習門檻。

教師角色：教師登錄實驗平臺后，可以對自己的課程、教學案例、教學班以及學生進行全面的管理操作。例如，教師可以發(fā)布實驗任務、批改學生作業(yè)、監(jiān)控學生的學習進度等，從而更加高效地開展教學工作。

管理員角色：管理員負責監(jiān)控和維護整個平臺的日常穩(wěn)定運行，確保平臺的各項功能正常使用。同時，管理員還需要管理包括學生、教師、課程等在內的所有資源，保障平臺的資源安全和合理分配。

通過這樣的平臺建設，我們?yōu)閷W生提供了一個便捷、高效的學習環(huán)境，為教師提供了一個優(yōu)質的教學平臺，為人工智能實驗教學的順利開展提供了有力保障。

四、結語

未來，我們將從以下四個關鍵方面持續(xù)完善相關工作：

其一，緊跟人工智能理論與技術的發(fā)展步伐，不斷豐富實驗案例庫。在實驗平臺現有基礎上，系統(tǒng)梳理并整合各類實驗案例，形成具有針對性和系統(tǒng)性的案例資源庫，實現資源的高效共享。如此一來，不僅能讓學生接觸到前沿、實用的實驗內容，還能促進不同學科背景學生之間的交流與學習，拓寬他們的視野和思維。

其二，依托實驗課程，積極鼓勵并組織學生參與人工智能相關競賽。通過競賽，營造“以賽促學、以賽促教”的良好氛圍，激發(fā)學生的學習熱情和創(chuàng)新能力，同時提升教師的教學水平和專業(yè)素養(yǎng)。在競賽過程中，師生能夠共同探索人工智能技術的應用，解決實際問題，實現共同成長和進步。

其三，深度融入學校智能計算等相關微專業(yè)建設。充分發(fā)揮本課程在學科交叉人才培養(yǎng)中的重要作用，根據學生的不同專業(yè)背景和興趣特點，做到因材施教。進一步加強人工智能與各專業(yè)的有機結合，提高學生對人工智能技術的理解和應用能力，為培養(yǎng)具有跨學科素養(yǎng)的復合型人才奠定堅實基礎。

其四，強化產學研合作。積極與企業(yè)建立緊密合作關系，引入企業(yè)實際案例和項目經驗，豐富實驗教學內容和形式。通過產學研合作，讓學生更好地了解企業(yè)的實際需求和技術發(fā)展趨勢，培養(yǎng)出更符合企業(yè)和社會需求的高素質人才。

在學科“四新”建設的時代背景下，針對國內面向通識教育的人工智能教學實驗設計存在的不足，我們重點聚焦于提升各學科背景下學生的人工智能素養(yǎng)。精心設計的“基礎算法—學科交叉—實際應用”三層遞進式實驗體系，以及配套建設的人工智能實驗教學平臺，有效解決了不同專業(yè)與人工智能學科內容融合不充分、實驗案例覆蓋不全面等問題。這些舉措引導更多跨專業(yè)學生走進人工智能領域，掌握人工智能實踐技能。同時，開放、共享的實踐平臺憑借其操作簡便等優(yōu)勢，顯著提高了人工智能實驗教學效果，為我國“人工智能 + X”復合型人才培養(yǎng)貢獻了積極力量。