以學生為中心的初中人工智能課程的教學研究

【摘要】本文將復雜的卷積神經(jīng)網(wǎng)絡內(nèi)容化繁為簡，將理論講解部分設置為不同的師生互動環(huán)節(jié)，激發(fā)學生對人工智能的興趣。在實踐應用環(huán)節(jié)引導學生將人工智能技術應用于身邊的生活，讓課程更適合學生，增強學生的信息意識和社會責任感?！娟P鍵詞】卷積神經(jīng)網(wǎng)絡;人臉性別識別;人工智能;課程設計教學案例背景目前在初中開設人工智能課程存在諸多問題，其中最重要的是人工智能的核心算法對數(shù)學知識要求較高，如果在教學中過多地提到函數(shù)、矩陣、求導等概念，不但初中生理解不了，還會造成學業(yè)負擔，挫傷學生的學習熱情。如何把復雜的數(shù)學問題轉(zhuǎn)化為初中學生可以理解的人工智能概念，成為教學最大的難題。教學案例主題《人工智能與生活》是北京市第五中學分校的校本課程，單元主題為基于卷積神經(jīng)網(wǎng)絡的人臉性別識別，以分類小助手為項目實踐目標，單元課程分為四個課時。本文以大單元中的核心概念卷積神經(jīng)網(wǎng)絡為例，探討把人工智能的基礎概念和原理以通俗易懂的方式講解，讓學生掌握并能夠應用到生活實踐中。案例描述1.情境引入環(huán)節(jié)這個環(huán)節(jié)我讓學生根據(jù)記憶畫出100元人民幣的正面。學生畫一分鐘，老師20秒給答案，反復二次，最后鄰座同學進行互評，每提取到一個重要特征加一分。學生開始的時候有點懵，畢竟在數(shù)字時代，很多學生都是刷碼支付了，但是大多數(shù)學生能夠基本提取出毛主席頭像和100元數(shù)字單位這兩個重要特征。后來我給學生展示20秒人民幣的圖片時，學生都抓緊記錄關鍵特征。我看到有些學生把“中國人民銀行”這六個字簡單記錄了位置并縮略寫上了“中國”兩個字，等我再次切走屏幕憑記憶畫人民幣的時候，學生已經(jīng)能夠畫出大部分的特征。這個課堂活動起到了承上啟下的作用。學生對自己畫的人民幣做反復修改類似于之前課堂上學到的全連接網(wǎng)絡里反向傳播的過程，學生反復提取人民幣上重要特征的過程類似于卷積神經(jīng)網(wǎng)絡中正向做卷積的過程，通過這個環(huán)節(jié)對后面卷積概念的講解做出鋪墊。2.為什么要做卷積？我首先讓學生做一個計算題，使其感受全連接網(wǎng)絡運算量的巨大，并說：“這是我拍的一張圖片，我查了一下像素為3648*2736，如果要把它輸入到全連接神經(jīng)網(wǎng)絡中，且隱藏層的第一層有1000個神經(jīng)元，那么隱藏層的第一層會有多少個連接呢？3648*2736*1000=9980928000，這是一個彩色圖片，數(shù)字還得乘以3，數(shù)量巨大，說明了機器在學習的過程中需要調(diào)整的參數(shù)量巨大，就會給訓練帶來問題，怎么解決呢？”以此讓學生了解利用卷積的重要目的是為了降低訓練的難度。接著我引導學生從圖片的特點入手。第一種方法是以熊貓的圖像識別為例分析如何降低訓練的難度：“一張圖片的像素多，但是圖片上的一些特征像素要比整張圖片少得多，就像剛才畫人民幣時，也是提取到一些關鍵特征，而省略了一些次要信息。第二種方法，可以讓圖片變小，縮放的圖片并不會影響你來判斷他是一只熊貓，但是縮放后的圖片像素變少，連接變少，參數(shù)就會變少，模型的訓練就會相對容易了。”卷積的過程利用了第一種方法，提取特征。因為圖片上的一些特征像素要比整張圖片少得多。池化的過程是利用對圖片進行縮放不會改變圖像中的物體。通過反復的卷積和池化再放進全連接神經(jīng)網(wǎng)絡后，這樣訓練的難度就降低很多。3.計算體驗—卷積的方法卷積是卷積神經(jīng)網(wǎng)絡的精髓。首先我講解什么是卷積：“這是一個5*5像素的圖片（圖1），這是一個3*3的卷積核（表1），卷積核是什么呢？就像特征檢測器，目的是探測圖片里的一些小的特征。一個卷積神經(jīng)網(wǎng)絡模型里可以有很多卷積核，通過不同的卷積核去探測不同的圖片特征。卷積核里面的數(shù)值是怎么來的呢？是通過機器學習，不斷調(diào)整參數(shù)訓練得來的。那么，卷積核怎么去探測特征呢？算法是什么呢？就是對應位置相乘再相加?！蔽乙龑W生一起算卷積核滑動到初始位置時卷積運算的結果。把滑動卷積核算出的第二個位置和第三個位置的結果填在卷積運算結果（表2）里。4.直觀體驗—卷積的效果引導學生打開卷積計算的可視化網(wǎng)站（如圖2所示），體驗原圖像和卷積核相乘相加后得到的圖像之間的關系，讓學生更直觀地看出提取特征的圖片與原圖片的區(qū)別，以理解卷積核提取特征的過程原理。5.猜算法—最大池化出示一張圖片的原始像素值和最大池化運算后的值，引導學生猜一猜最大池化的算法是什么。學生們很快就找到了規(guī)律，積極舉手說：“就是相鄰四個像素取最大值”。這時我說：“最大池化可以比喻為一個小池子，把里面最大的值給拿出來。原來4*4的圖像，變成了一個2*2的圖像，起到了一個圖像縮放的效果。”到這個時候，卷積神經(jīng)網(wǎng)絡中的核心概念就講清楚了，這時我出示一張卷積神經(jīng)網(wǎng)絡的概念圖進行總結：“卷積神經(jīng)網(wǎng)絡是幾輪的卷積和池化，它形成了一個新的圖像，把這個新的圖像輸入到全連接的網(wǎng)絡中去，這樣訓練的效率就能提高了。所以，整個過程就是一個正向卷積、反向傳播的過程。”6.總結提升我引導學生通過微課，自主學習利用IAI軟件訓練一個可以對人臉照片進行男女二分類的卷積神經(jīng)網(wǎng)絡模型，并測試訓練效果。在實踐環(huán)節(jié)測試模型訓練的時候，有的學生發(fā)現(xiàn)識別結果有錯誤，我引導學生從訓練數(shù)據(jù)角度理解錯誤的原因，體驗人工智能技術中大數(shù)據(jù)的重要性。我強調(diào)：“咱們的數(shù)量和數(shù)據(jù)種類有限，而且照片經(jīng)過了黑白處理，大小也進行了統(tǒng)一限制，所以咱們用這些數(shù)據(jù)訓練出來的模型在識別照片的時候具有局限性。咱們課上訓練的模型水平好比是小學一年級的學生，而曠視科技主頁上模型的水平則是大學畢業(yè)生，大學生在某些方面要比小學生更見多識廣一些，還有其他的原因嗎？感興趣的同學可以思考一下，從算法還有搭建網(wǎng)絡的參數(shù)方面去考慮上面局限性的問題?！卑咐此夹畔⒓夹g教師應保持對科技的敏感度。信息技術更新迭代快，相關教師應該走在科技的前沿，關注科技發(fā)展，建立終身學習理念。人工智能內(nèi)容復雜且有難度，教師要積極參加各類培訓，或在互聯(lián)網(wǎng)上學習，要建立對人工智能整體概念的認知，并結合新課標要求，篩選適合學生學習的課程內(nèi)容。人工智能課程的內(nèi)容可深可淺，課程內(nèi)容應化繁為簡成體系。教師應該充分考慮到學生的知識儲備，做好學情調(diào)研。在課程實施過程中，在涉及到跨學科內(nèi)容時，要在課堂上設置對應的教學環(huán)節(jié)。對于學生已經(jīng)學會的內(nèi)容，讓學生盡量運用知識進行鞏固;對于學生沒有學過的較為復雜的數(shù)學概念，要轉(zhuǎn)化為學生能理解和接受的概念和語言，讓學生易于掌握。學生對人工智能課程的實踐要求高。在對學生的問卷調(diào)查中：“你對人工智能內(nèi)容的期待是什么？”