毕业论文网
该文是关于课程建设论文范文，为你的论文写作提供相关论文资料参考。
军事人工智能导论课程建设
摘 要近些年随着数据的积累、计算能力的提升和算法的创新,人工智能技术正在以极快的速度深刻影响着各个行业的发展.军事智能化是继信息化后的重大变革,武器装备和指挥控制能否实现智能化是军队发展的重要战略问题.虽然人工智能技术的教学已有较长时间的实践和积累,然而这些课程往往侧重于通用技术的介绍,很难紧扣军事应用,课程内容距离战斗力提升这一目标存在差距.本文面向联合作战保障人才的培养需求,构建了军事人工智能导论课程的教学内容,提出了面向军事应用的人工智能教育模式建议,供相关人员参考.
关键词军队院校人工智能教学方案
1 引言
人工智能的迅速发展将深刻改变人类社会生活,改变世界[1].虽然学术界普遍反对人工智能技术的军事化,然而这种趋势难以遏制,军事的智能化已经成为继机械化、信息化之后的重大变革.无论是武器装备的智能化发展还是作战筹划、规划的决策支持,必将深刻依赖人工智能技术.随着近几年人工智能技术和成果的快速发展,世界各国均推出了各自的人工智能国家发展计划,我国在2017 年推出了“新一代人工智能发展战略”,随即国务院印发了“新一代人工智能发展规划的通知”,教育部印发了“高等学校人工智能创新行动计划”.国防科技大学在军队改革后,承担了全军联合作战保障人才的培养任务,如何使得培养的学员在当前以及未来一段时间紧跟智能化发展浪潮,成为推动我军信息化、智能化发展的生力军,是当前现实紧迫的任务[2].
虽然与人工智能技术相关的课程已在各大高校开展了近十年,然而,绝大多数是围绕基本算法进行教学,内容主要涵盖知识工程、推理、搜索、规划等内容[3],同时也有专门的机器学习相关课程,更加深入地讲解监督学习、非监督学习和强化学习相关的内容[4],但目前并没有课程从军事应用的角度,以作战业务流程为主线,介绍人工智能应用落地的流程和基本方法,然而,针对智能化热潮,我军联合作战保障人员不仅需要了解技术本身,更重要的是要有人工智能技术的思维方式,从保障业务出发,以人工智能技术为工具,更好地为战斗力生成提供智力保障.提出,要加强人工智能技术产业化,纵观当前人工智能技术的推广,无论是民用还是军用,最缺乏的人才是人工智能技术的产品经理,他们需要对技术本身有着深入理解,同时更要有敏锐的眼光去发现适合人工智能技术解决的问题,并迅速将其落地.因此,探讨并开展以军事应用为背景的人工智能技术课程,是联合作战保障人才培养的重要内容.
本文总结了过去一年对研究生和本科优异生在军事人工智能教育方面的经验,探讨了开展军事人工智能导论课程的教学目标和教学内容,设计了以军事业务流程为主线,以应用案例为核心,以关键技术为基础,配备大量实验实践环节的军事人工智能导论课程体系.最后面向联合作战保障人才的培养目标,提出了目前从课程设计到教学成果检验全过程的不足和建议,为相关领域人员提供参考.
2 军事人工智能导论的课程目标
军事人工智能导论课程主要面向生长军官学历教育类作战运筹与任务规划（作战任务规划）专业人才,课程设置在本科三年级.该专业学生的培养目标是具备过硬的思想政治素质、坚定的理想信念,深厚的科学文化基础、良好的军事基础素质和身体心理素质,熟练掌握作战运筹与任务规划专业领域的基础理论、基本知识、基本方法和基本技能,具有较强的创新实践能力、语言文字表达能力、沟通协作能力,能够胜任任务规划岗位需求和相关学科领域技术研发、应用和管理的高素质联合作战保障人才.随着人工智能技术的发展,军事智能化是武器装备和作战规划的必然趋势.因此人工智能技术在未来的作战任务规划中将扮演重要角色,军事人工智能导论课程主要目的是培养学生广泛了解人工智能技术的生态圈,理解军事智能化的内涵,培养人工智能技术在解决军事问题中的思维方式和基本能力,通过课程教学和实验实践,锻炼学生系统整合思维能力、工程推理和解决问题能力、创新实践能力、语言文字表达能力、沟通协作能力等综合素质,使其具有良好的发展潜力.
该课程体现了管理科学与工程、作战运筹与任务规划等专业的特点,是涉及相关专业的一门综合性入门课程,也是全校唯一全面介绍人工智能技术的军事应用课程.由于本课程涉及知识面广,具有很强的工程性实践性,考虑到大三学员仍然缺乏相关军事背景知识及工程经验,不易理解.因此配备了大量的案例教学,主要以军事业务中的应用案例为主线,以部分经典算法为核心,通过课堂教学和动手实践相结合的方式组织实施.
3 军事人工智能导论课程体系
军事人工智能导论是面向联合作战保障人才培养的第一门系统性介绍人工智能技术在军事领域应用的入门课程.针对三年级本科生具备的专业知识基础,课程突出入门性、系统性和实践性三个原则,力求通过一个学期的课程,使得学生初步了解人工智能技术的一般框架、常用方法,针对典型的军事应用,熟悉基本解决思路和人工智能思维方式.全面了解军事活动中各个环节智能化发展趋势,并通过丰富的实践案例,掌握经典人工智能方法在军事问题上的应用过程和评价指标.目前初步计划以56 个学时为宜,其中课堂讲授40 个学时,动手实践16 个学时.
现代战争的核心是指挥控制,作战过程通常可以描述为一个OODA 循环,其中第一个O 表示观察,第二个O 表示判断,D 表示决策,A 表示行动[5].人工智能赋能战斗力的根本原动力在于使得我方OODA 循环更加准确和快速,同时干扰敌方行动,减缓敌方OODA 循环速度,降低其准确性.为了更好地将人工智能技术服务于军事应用和战斗力转化上,我们认为课程建设应当密切结合作战规律,以OODA 循环为主线,以情报、规划和行动执行为主要剖面开展课程体系建设和实践案例设计.课程主干如图1 所示.
课程内容围绕军事人工智能应用概述、人工智能专业基础知识概述、智能情报感知技术、智能态势认知技术、智能作战规划技术、智能自主控制技术、智能后勤保障技术、智能军事训练技术展开.其中考虑到课程为入门课程,同时由于绝大多数生长军官毕业后可能的工作岗位主要围绕情报和规划两个核心设置,因此课程的重点集中于智能情报感知技术、智能态势认知技术和智能作战规划技术,从人工智能技术的角度分析,课程基础知识、应用案例和动手实践涵盖机器学习中核心的三类方法———监督学习、无监督学习和强化学习[5],可较为全面地向学生教授人工智能技术的全貌和军事应用现状.
3.1 课堂讲授内容
3.1.1 军事人工智能应用概述
该节内容主要针对军事人工智能的应用现状进行简要介绍,其中必选知识点：（1 ）军事人工智能的发展背景；（2）智能化战争的发展趋势；（3）外军人工智能发展战略；（4）人工智能技术发展概述；（5）人工智能与机器学习的关系；（6）机器学习的基本范式；（7）基于人工智能的军事问题通用解决流程；推荐知识点：（8 ）军事人工智能技术的安全性；（9）军事人工智能技术的鲁棒性；（10）军事问题的大数据与小样本.
3.1.2 人工智能技术基础知识
该节内容主要对人工智能技术中经典的方法进行简要介绍,该节内容涉及具体方法,应当尽量避免落入算法细节的介绍中,推荐采用实例简要介绍各个方法的基本思想,使得学生理解各个方法的作用即可.其中必选知识点：（1 ）知识表示与推理；（2 ）搜索技术；（3）规划技术；（4）有监督学习范式；（5）无监督学习范式；（6）强化学习范式；推荐知识点：（7）知识图谱；（8）线性回归；（9）Logistic 回归（9）K-Means；（10）Q-Learning；（11）自然语言处理概述；（12）图像处理概述.
3.1.3 智能情报感知技术
该节主要介绍人工智能技术在情报感知方面的应用,其中必选知识点：（1 ）智能感知技术概述；（2）基于大数据的情报处理技术；（3）图像情报处理技术；（4）电子情报处理技术；（5）动向情报文本处理技术；（6）多源异构情报融合技术概述；推荐知识点：（7 ）无人侦察机系统技术；（8）协同侦察原理与技术；（9）网络爬虫技术.
3.1.4 智能态势认知技术
该节主要介绍人工智能技术在态势认知方面的应用,其中必选知识点：（1 ）态势认知的内涵；（2 ）目标智能识别技术；（3 ）动目标情报智能分析技术；（4）目标行为趋势智能预测技术；（5）作战意图智能识别技术；推荐知识点：（6 ）关键目标智能识别技术；（7）态势认知技术的安全性和鲁棒性.
3.1.5 智能作战规划技术
该节主要介绍人工智能技术在作战规划上的应用,其中必选知识点：（1 ） 指挥控制技术的内涵；（2）平行仿真技术；（3）智能参谋技术；（4）决策树模型；（5）基于自学习机制的智能规划技术；（6）智能规划方法的局限；推荐知识点：（7）概率决策模型；（8）多实体智能规划方法.
3.1.6 智能自主控制技术
该节主要介绍人工智能技术在自主控制方面的应用,其中必选知识点：（1 ）武器装备自主控制技术的内涵；（2）外军无人作战装备概述；（3）无人系统的基础结构；（4）无人集群技术；（5）自适应导弹突防技术；（6）智能网电对抗技术；推荐知识点：（7 ）自适应雷达对抗技术；（8）自主控制系统的安全性和鲁棒性.
3.1.7 智能后勤保障技术
该节主要介绍人工智能在后勤保障方面的应用,其中必选知识点：（1 ）智能后勤保障的内涵；（2）智能化补给选址技术；（3）智能化补给策略；（4）补给流程自动化技术；（5）智能辅助医疗系统简介.
3.1.8 智能军事训练技术
该节主要介绍人工智能技术在军事训练中的应用,其中必选知识点：（1 ）智能军事训练的内涵；（2 ）战役级指控训练系统；（3 ）战术级对抗训练系统；（4 ）增强现实技术；（5）智能化脑机接口；推荐知识点：（6 ）兵棋系统简介;（7 ）虚拟单兵训练系统简介.
可选知识点：无
3.2 实验课程内容
3.2.1 军事情报数据处理的一般流程
根据实验数据,实践数据分析的一般步骤,采用scikit-learn 算法包进行数据预处理、数据理解、特征选择、模型训练、模型集成和模型预测.最后以jupyter notebook的形式提交实验报告.
3.2.2 武器装备知识图谱构建实验
根据武器装备性能参数数据,实践知识图谱的构建过程,采用教研室现有的知识图谱构建工具进行实体识别、关系抽取与标注,实践知识图谱构建和查询应用.最后以文档形式提交实验报告.
3.2.3 图像情报分析实验
针对给定的图像类情报,采用Pytorch 深度学习框架,编写简单的卷积神经网络,实践图像智能识别.最后以Jupyter notebook 的形式提交实验报告.
3.2.4 文本类情报分析实验
针对给定的文本类情报,采用jieba、nltk 或gensim算法包进行文本主题的智能识别,实践包括分词、词性标注、去除停止词、词编码、模型训练和模型预测的文本情报处理全流程.最后以Jupyter notebook的形式提交实验报告.
3.2.5 机型智能识别实验
针对给定的飞机航行数据,采用scikit-learn 算法包进行机型智能识别算法实验,最后以Jupyter notebook 的形式提交实验报告.
3.2.6 单主体智能规划实验（1 学时）
基于OpenAI Gym 中的单智能体行动规划实验,实践QLearning 算法实验,最后以Jupyter notebook 的形式提交实验报告.
3.2.7 智能算法的安全性实验（1 学时）
基于已训练好的图像识别模型,采用Pytorch 深度学习框架编写程序验证特殊样本对模型的欺骗效果,如有余力,可进一步进行对抗样本的生成实验,最后以Jupyternotebook 的形式提交实验报告.
4 军事人工智能导论教学建议
人工智能作为一个交叉学科,其知识点多,对数学基础和编程能力要求较高,针对大三学生具有一定难度,如何在有限的时间内让学生了解人工智能技术的基本思想和思维方式,体会到军事智能化的强大驱动力是课程的重点目标,军事人工智能导论课程在教学过程中需要有效权衡课程深度和广度,尽量避免内容过于复杂使得学生难以掌握技术全貌,同时又要避免介绍性案例过多,使得学生走马观花,未能真正掌握人工智能技术的思维方式和解决军事问题的一般途径和方法[6].在前期对研究生和本科优异生的教学实践中,我们总结了以下建议,仅供参考.
4.1 亟需军事人工智能入门教材
虽然当前人工智能方面的教材众多,但均侧重于算法本身的介绍,多数教材内容较深,均以数学推导为主要方式,辅以算法伪代码,忽略了问题本身的描述,或是对问题描述较为简单和抽象,学生在学习初期往往对算法要解决的问题似懂非懂,甚至在算法学习完成后,还对输入输出不明确.通常为了让学生能够更加直观地理解算法及其解决的问题,往往在教学过程中会采用AI 竞赛中的实例进行讲解,然而,目前全球种类繁多的竞赛中鲜有军事相关实例,公开数据和案例与军事问题相差较远,无法支撑案例教学,导致学生学习了一堆算法后,仍然缺乏采用人工智能技术解决军事问题的嗅觉和思维.因此针对生长军官学员,目前市面上还没有以军事问题为主线,从案例应用到算法原理介绍的入门教材,亟需组织人力物力,从军事活动业务上梳理典型案例,并以此为剖面,重点选择经典算法进行深入讲解,并辅以其他方法进行介绍.我们在实践过程中,主要以情报感知、情报分析、战术级规划为主要案例,分别深入教授了知识工程、分类、回归、聚类和强化学习相关的经典方法,对智能武器、后勤、政治工作、军事训练等方面进行了辅助案例介绍,在对研究生和本科优异生一年的实践中,仍然严重受限于军事案例的缺乏.
4.2 亟须开放军事人工智能实验环境
军事人工智能导论主要面向大三学生,其抽象思维和数学基础有限,因此每个重要知识点背后我们都安排了大量实践作业,通过大量的实例和实验辅助学生培养采用智能方法解决军事问题的思维方式.然而,现代人工智能技术,特别是深度学习等方法均依赖于大量的数据和强大的计算能力.在一年的教学实践中,学生采用个人笔记本进行实验,因为受到计算能力的限制,算法通常较难发挥其性能,或是每次实验都要花费大量时间进行模型训练,使得学生觉得现代很多方法中看不中用,部分学生因为计算能力受限,难以完成包含算法设计、模型训练、评估和调优的全流程,极大影响了教学的效果.通常国外大学均建有计算集群,并对本校学生在课程学习和实践作业中免费开放,因此亟须构建并开放实验环境,为军事人工智能提供充足的硬件支撑.
4.3 重视最新技术和应用的介绍
与其他课程不同,人工智能知识点繁杂技术更新快,实际工作或参加竞赛中采用的方法可能是五年内甚至一年内的最新研究成果,学生在学习过程中常常会发现课堂上学习的方法似乎在实践中或是课外资料中没有涉及,相反经常在互联网、技术报告、研讨会中接触的名词和方法却没有听说过,导致学生学习兴趣减弱.在实践过程中,我们组织了课余的读书会,追踪Google、Facebook 等大型企业和AAAI、ICML、NIPS 等顶级学术会议的最新成果,虽然有很多技术学生暂时难以真正理解,但通过这种走马观花的介绍,极大地拓展了学生的视野和思维,激发了学生的兴趣,取得了较好的教学效果.
4.4 重视课外学习
人工智能技术的快速发展离不开开源社区的支持,同时该领域的研究人员比其他专业更为年轻和开放,互联网上存在大量优质的学习资源和实用案例.除了课堂学习之外,鼓励学生采用多种渠道进行自主学习并在课堂展示汇报可以取得很好的教学效果.特别是组织3 到5 人的学习小组,参加各种竞赛,在实际解决问题的过程中,学生将自热而然地进行算法理解和实验实践,同时,鼓励学生在各种国内外机器学习社区提问、发言,使用和参与开源项目,网络社区给予学生的认可极大地刺激了学习兴趣和自信心,充分锻炼了团队协作能力和论文写作能力,部分深度参与的学生在课程结束后可形成较好的开源成果,并获得社区的认可,为继续深造打下了较好的技术和成果基础.
5 结语
军事智能化是战斗力提升的重要倍增器,也是各国竞相发展的重点,作为联合作战保障人才的重要培养基地,如何做好军事人工智能技术的教学是目前亟待解决的重要课题之一.我们根据智能化作战的制胜机理,面向生长军官学历教育,设计了军事人工智能入门课程,兼顾技术深度和应用广度,最后根据前期对研究生和本科优异生的教学实践,提出了四点课程建议.随着智能化技术在军事领域的不断发展和军事人工智能教学的全面开展,教学平台及课程体系必然更加合理完善.
参考文献
[1] .教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].2018-04-03.http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
[2] 史文霞,张建军.当前我国“双一流”建设亟需跨越的障碍[J].高等教育研究学报,2018,41(1):13-17.
[3] Stuart R,Peter N.人工智能:一种现代的方法[M].第3版.北京:清华大学出版社,2013:46-256.
[4] Ciolacu M,Tehrani A F,Beer R.Education 4.0—Fosteringstudent´s performance with machine learning methods[C].IEEE 23rd International Symposium Design andTechnology in Electronic Packaging (SIITME),2017:438-443.
[5] Revay M,Lí ska M.OODA loop in command and controlsystems [C].IEEE Communication and Information Technologies,2017:1-4
[6] 王春茅.论生长军官教育训练的性质与规律[J].高等教育研究学报,2018,41(1):8-12,60.
课程建设论文范文结:
关于课程建设方面的论文题目、论文提纲、课程建设论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
1、课程教学杂志
2、班组文化建设论文
3、图书馆建设杂志
4、新课程导学期刊