中學(xué)生人工智能教育的設(shè)計與實施

中學(xué)生人工智能教育的設(shè)計與實施摘要：為了順應(yīng)國家發(fā)展、時代發(fā)展，積極開展中小學(xué)人工智能教育具有十分重要的意義。中國人工智能教育的研究與開展尚處于起步階段，目前面臨著教學(xué)內(nèi)容紊亂、缺少統(tǒng)一課程標(biāo)準(zhǔn)、缺乏實踐手段、師資短缺等問題。文章采用了人工智能領(lǐng)域的多項關(guān)鍵技術(shù)，以建構(gòu)主義理論與啟發(fā)式教學(xué)法為理論基礎(chǔ)，歷時近一年時間，設(shè)計并開發(fā)完成了面向中學(xué)生的“智慧狗”人工智能教學(xué)輔助系統(tǒng)。文章首先基于中學(xué)生的認(rèn)知水平能力開發(fā)了人工智能基本原理的入門微課，基于機器學(xué)習(xí)與深度學(xué)習(xí)技術(shù)構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練系統(tǒng)，基于計算機視覺構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)模型的實測系統(tǒng)。在此基礎(chǔ)上，針對零基礎(chǔ)初學(xué)者與已入門學(xué)習(xí)者人工智能知識水平的不同，文章設(shè)計了兩種學(xué)習(xí)模式及數(shù)十種訓(xùn)練方式，以幫助不同能力水平的學(xué)習(xí)者完成不同階段的學(xué)習(xí)目標(biāo)。一、 研究背景與研究意義研究背景現(xiàn)代人工智能的發(fā)展始于上世紀(jì)50年代英國數(shù)學(xué)家艾倫?圖靈發(fā)表的論文《計算機器與智能》(ComputingMachineryandIntelligence),隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)的迅速發(fā)展，現(xiàn)今人工智能已滲透到社會的各個方面，對教育、醫(yī)療、工業(yè)、農(nóng)業(yè)、國防等眾多領(lǐng)域都起到很大的推動作用。人們用人工的方法在機器上實現(xiàn)的智能就是人工智能，機器模擬的人類和其它生物的自然智能具體包括感知能力、記憶和思維能力、行為能力、語言能力等。2017年國務(wù)院頒布《新一代人工智能發(fā)展規(guī)劃》提出在中小學(xué)階段設(shè)置人工智能相關(guān)課程，推廣編程教育，并鼓勵科研機構(gòu)進(jìn)行科普活動，研究意義人工智能技術(shù)的迅猛發(fā)展，將極大地改變社會對人才的需求，創(chuàng)新型人才將會成為人才市場中的核心。教育需要與時俱進(jìn)，及時變革，積極培養(yǎng)未來社會所需的人才，以應(yīng)對人工智能時代的挑戰(zhàn)。二、 國內(nèi)外研究與實施現(xiàn)狀研究現(xiàn)狀通過CNKI檢索近年來以“人工智能”與“教育”為關(guān)鍵詞的文章，分析歸納得出關(guān)于人工智能教育的四類研究：一是側(cè)重于教育理論研究，如對智慧教育、教育信息化、未來教育的研究；二是側(cè)重于具體教學(xué)模式研究，屬于實踐范疇，涉及人工智能以何種形式有效落地，如對機器人教育、創(chuàng)客教育的研究；三是側(cè)重于智能教育技術(shù)研究，如對大數(shù)據(jù)、學(xué)習(xí)分析、機器學(xué)習(xí)、VR/AR等方面的研究；四是側(cè)重于智能教育應(yīng)用研究，主要集中在對人工智能賦能教育方式、評價、決策等方面，涉及個性化學(xué)習(xí)、在線學(xué)習(xí)、智能教學(xué)系統(tǒng)等。實施現(xiàn)狀國外人工智能教育實施現(xiàn)狀美國政府在2015年推出了"每個學(xué)生都成功法案”(EveryStudentSucceedsAct)，推進(jìn)K-12階段的計算機科學(xué)教育，其中人工智能是計算機科學(xué)課程的重要組成部分。在2017年10月，英國政府出臺了《在英國發(fā)展人工智能產(chǎn)業(yè)》(GrowingtheArtificialIntelligenceIndustryintheUK),日本政府在2016年發(fā)布《日本振興戰(zhàn)略2016 面向第4次產(chǎn)業(yè)革命》，明確提出青年一代需適應(yīng)以人工智能為代表的第四次產(chǎn)業(yè)革命，在中小學(xué)必修范圍內(nèi)納入編程教育、科普教育等與人工智能相關(guān)的基礎(chǔ)課程，并要求每個學(xué)生養(yǎng)成理解、運用信息技術(shù)和數(shù)據(jù)的習(xí)慣。新加坡政府在2018年發(fā)布“人工智能新加坡”項目(AISingapore)，開啟了新加坡政府的國家人工智能戰(zhàn)略。國內(nèi)人工智能教育實施現(xiàn)狀在義務(wù)教育階段的初中課程中，沒有明確的人工智能學(xué)科課程，全國各地大部分均以“試點”的形式推動人工智能教育的普及，在高中階段，2003年4月國內(nèi)頒布的《普通高中技術(shù)課程標(biāo)準(zhǔn)(實驗)》就首次將“人工智能初步”模塊納入高中信息技術(shù)學(xué)科選修模塊中，標(biāo)志著人工智能在中學(xué)的正式起步。但是當(dāng)時的高中信息技術(shù)人工智能選修模塊受到技術(shù)發(fā)展水平低、普及程度低、師資條件嚴(yán)重欠缺、課程內(nèi)容設(shè)置不合理等多種因素的影響，在全國范圍內(nèi)都鮮有開設(shè)。目前，國內(nèi)中學(xué)人工智能課程的開展現(xiàn)狀具體如下：(1)人工智能在中學(xué)階段主要以選修模塊和章節(jié)嵌入的形式開展教學(xué)；(2)學(xué)生選修的模塊主要集中在多媒體技術(shù)應(yīng)用與網(wǎng)絡(luò)技術(shù)應(yīng)用模塊，人工智能課程由于開發(fā)難度大、硬件設(shè)備不足等原因而形同虛設(shè)；(3)即便開設(shè)了人工智能課程，也僅是停留在對人工智能的表層理論介紹，而未深入到對人工智能背后原理的講解，更不用說讓學(xué)生親自體驗。國內(nèi)人工智能教育實施中遇到的問題國內(nèi)人工智能教育的開展存在以下問題。概念混淆：人工智能學(xué)科包含內(nèi)容廣泛，涉及計算機科學(xué)、信息科學(xué)、心理學(xué)、哲學(xué)、生理學(xué)等眾多領(lǐng)域，過度包裝：國內(nèi)的互聯(lián)網(wǎng)企業(yè)將人工智能封裝成接口，不讓用戶知道其中的原理，將人工智能推上神壇，塑造出神秘感與距離感，使一些中小學(xué)人工智能教育活動止步于教會學(xué)生調(diào)用接口、使用工具。部分人工智能技術(shù)提供商在用戶使用協(xié)議中潛伏窺竊用戶隱私的條款，侵犯用戶的權(quán)益。教學(xué)內(nèi)容不明確：人工智能教材內(nèi)容紊亂，部分學(xué)校將人工智能等同于樂高、機器人、智能小車等，并且教材內(nèi)容較為簡單，全國通用人教版教材中關(guān)于人工智能的內(nèi)容僅是對AlphaGo介紹的新聞報道。師資力量參差不齊：開設(shè)有人工智能教育相關(guān)專業(yè)的本科院校較少，因此中學(xué)教師對人工智能領(lǐng)域不了解，課程標(biāo)準(zhǔn)方面的問題：由于人工智能屬于前沿新技術(shù)，目前尚無統(tǒng)一的課程組織與系統(tǒng)設(shè)計。實踐方面的問題：缺乏實踐手段，人工智能教育流于形式，目前較為普遍的講授方式是教師利用PPT或者視頻進(jìn)行簡單講授，而學(xué)生只能通過自我感知理解人工智能的內(nèi)涵。針對人工智能教育發(fā)展中存在的問題，需要提供相應(yīng)的解決方案。(1)針對概念混淆的問題，規(guī)范人工智能的概念與范圍，與自動化、程序設(shè)計、機器人等劃清界線；(2)針對過度包裝的問題，實現(xiàn)人工智能技術(shù)的同時將技術(shù)原理完整地向大眾呈現(xiàn)，不侵犯用戶隱私權(quán)；(3)針對教學(xué)不明確的問題，選用深度學(xué)習(xí)作為教學(xué)內(nèi)容以實現(xiàn)計算機視覺，原因是圖像識別是人工智能最有代表性的應(yīng)用，中小學(xué)生可以通過學(xué)習(xí)圖像識別的相關(guān)原理入門人工智能；(4)針對師資力量參差不齊的問題，提供完整的教學(xué)資源培訓(xùn)包可供教師自主學(xué)習(xí)與參照使用；(5)針對缺少統(tǒng)一的組織與系統(tǒng)設(shè)計這一問題，采用機器學(xué)習(xí)方式，這是因為深度學(xué)習(xí)是目前人工智能最好的一種實現(xiàn)方法，而機器視覺是深度學(xué)習(xí)最好的實踐范例；(6)針對人工智能教育缺少實踐手段的問題，提供具體的實踐方法。三、系統(tǒng)設(shè)計原理搭建中小學(xué)人工智能教學(xué)平臺是一個將前沿技術(shù)的理論與實踐普及到基礎(chǔ)教育階段的行動，其中“智慧狗”作為子項目是面向中學(xué)生的人工智能教學(xué)輔助系統(tǒng)。本項目是國內(nèi)第一個提出在中小學(xué)使用機器學(xué)習(xí)實現(xiàn)人工智能教學(xué)的項目，是K-12階段人工智能教育的一大變革。BAT(互聯(lián)網(wǎng)三大巨頭：百度、阿里巴巴與騰訊)只提供人工智能接口而不告知其中原理，這樣雖然能夠簡化復(fù)雜的人工智能實現(xiàn)流程，降低教學(xué)活動實現(xiàn)成本，但是并不能教會學(xué)生人工智能的內(nèi)在原理，學(xué)生只能學(xué)會如何使用現(xiàn)有的工具，不利于培養(yǎng)學(xué)生的研究精神，與教育目標(biāo)相悖。本研究認(rèn)為，只有掌握深度學(xué)習(xí)才能真正了解人工智能。“智慧狗”中學(xué)人工智能教學(xué)輔助系統(tǒng)讓學(xué)生零距離接觸機器學(xué)習(xí)的核心原理，讓師生親自動手實現(xiàn)人工智能，并且注重培養(yǎng)學(xué)生的探究精神、創(chuàng)新精神，在新課標(biāo)的基礎(chǔ)上對實施中學(xué)人工智能教育做了一次有益的嘗試。如圖1所示，“智慧狗”中學(xué)人工智能教學(xué)輔助系統(tǒng)項目采用閉環(huán)設(shè)計，首先發(fā)現(xiàn)目前中學(xué)人工智能教育研究與開展中出現(xiàn)的問題，進(jìn)而提出相對應(yīng)的合理解決方案，確定國內(nèi)中學(xué)人工智能教育的需求，根據(jù)需求進(jìn)行系統(tǒng)設(shè)計與系統(tǒng)開發(fā)。開發(fā)完成的人工智能教學(xué)輔助系統(tǒng)將投入試驗，在中學(xué)開展人工智能試驗課程，并通過問卷調(diào)查獲得反饋。根據(jù)獲得的負(fù)反饋進(jìn)行負(fù)反饋處理，重新發(fā)現(xiàn)問題，提出方案，改進(jìn)系統(tǒng)，解決問題；根據(jù)獲得的正反饋則輸入系統(tǒng)中進(jìn)一步強化，不斷推演出系統(tǒng)的2.0、3.0等版本。關(guān)鍵技術(shù)基于機器學(xué)習(xí)與深度學(xué)習(xí)技術(shù)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練系統(tǒng)機器學(xué)習(xí)即機器從數(shù)據(jù)中自我學(xué)習(xí)，是人工智能領(lǐng)域內(nèi)最著名的算法，能夠讓計算機從大量歷史數(shù)據(jù)中學(xué)習(xí)內(nèi)在規(guī)律，自主發(fā)現(xiàn)模式并用于預(yù)測，機器處理的數(shù)據(jù)越多，預(yù)測越精準(zhǔn)。為了供學(xué)習(xí)者作為參考學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，“智慧狗”人工智能教學(xué)輔助系統(tǒng)不僅構(gòu)建了一個經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型作為范例，還開發(fā)了自主設(shè)計功能支持學(xué)習(xí)者根據(jù)所學(xué)知識與創(chuàng)意構(gòu)建新的卷積神經(jīng)網(wǎng)絡(luò)。“智慧狗”提供了內(nèi)含480張圖片的訓(xùn)練素材庫，學(xué)習(xí)者可以利用該訓(xùn)練素材庫將自己修改的范例卷積神經(jīng)網(wǎng)絡(luò)或創(chuàng)造的全新卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督學(xué)習(xí)，并直觀地得到學(xué)習(xí)結(jié)果，即該神經(jīng)網(wǎng)絡(luò)預(yù)測準(zhǔn)確率。“智慧狗”通過“改進(jìn)范例卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)/自主搭建卷積神經(jīng)網(wǎng)絡(luò)模型 基于卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行有監(jiān)督學(xué)習(xí)”的步驟，帶領(lǐng)學(xué)習(xí)者親身體會機器學(xué)習(xí)的過程，幫助學(xué)生深刻了解卷積神經(jīng)網(wǎng)絡(luò)的原理與結(jié)構(gòu)?；谟嬎銠C視覺技術(shù)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型的實測系統(tǒng)計算機視覺領(lǐng)域的一個重要研究方向是圖像識別。圖像識別技術(shù)能夠利用計算機對圖像進(jìn)行處理、分析和理解，最終達(dá)到識別各種不同模式目標(biāo)和對象的效果，使用圖像識別技術(shù)能夠有效地處理特定物體的檢測和識別(如人臉或手寫字符)、圖像的分類標(biāo)注以及主觀圖像質(zhì)量評估等問題。但卷積神經(jīng)網(wǎng)絡(luò)經(jīng)過一定數(shù)據(jù)集訓(xùn)練后得到的預(yù)測準(zhǔn)確率數(shù)值并不能真正反映其在解決實際問題中的能力。當(dāng)卷積神經(jīng)網(wǎng)絡(luò)達(dá)到越深的程度、具有越多的特征面，該神經(jīng)網(wǎng)絡(luò)能夠表示的特征空間就越大，其學(xué)習(xí)能力也越強，但神經(jīng)網(wǎng)絡(luò)的計算也會更加復(fù)雜，更容易出現(xiàn)過擬合的現(xiàn)象?！爸腔酃贰比斯ぶ悄芙虒W(xué)輔助系統(tǒng)提供了針對完成學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)的實測功能，為學(xué)習(xí)者進(jìn)一步優(yōu)化設(shè)計卷積神經(jīng)網(wǎng)絡(luò)提供支持。通過實測功能，學(xué)習(xí)者可以了解到搭建的卷積神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練得到的預(yù)測準(zhǔn)確率是否真實可靠，該神經(jīng)網(wǎng)絡(luò)是否出現(xiàn)了過擬合現(xiàn)象。因此神經(jīng)網(wǎng)絡(luò)實測系統(tǒng)不僅僅能夠讓學(xué)習(xí)者體驗計算機視覺、體驗圖像識別，更是學(xué)習(xí)者發(fā)現(xiàn)過擬合、不斷改進(jìn)神經(jīng)網(wǎng)絡(luò)的重要工具。理論基礎(chǔ)“智慧狗”中小學(xué)人工智能教學(xué)輔助系統(tǒng)采用建構(gòu)主義學(xué)習(xí)理論與啟發(fā)式教學(xué)法作為設(shè)計的理論基礎(chǔ)與基本原則。在20世紀(jì)60年代，瑞士著名心理學(xué)家皮亞杰提出了著名的建構(gòu)主義學(xué)習(xí)理論，它是認(rèn)知主義學(xué)習(xí)理論的一個重要分支，之后由維果茨基、奧蘇貝爾、布魯納等眾多心理學(xué)家和教育學(xué)家不斷豐富、完善?！爸腔酃贰比斯ぶ悄芙虒W(xué)輔助系統(tǒng)以建構(gòu)主義為理論基礎(chǔ)，融合啟發(fā)式教學(xué)法并確定了設(shè)計原則：調(diào)動學(xué)習(xí)者主觀能動性學(xué)習(xí)不應(yīng)該是學(xué)生對新知識的機械式的接受，而是對新知識的主動構(gòu)建。強調(diào)學(xué)習(xí)者的主體性“智慧狗”人工智能教學(xué)輔助系統(tǒng)強調(diào)學(xué)習(xí)者自主進(jìn)行人工智能實驗，在學(xué)習(xí)過程中學(xué)習(xí)者占主體地位，教師僅在學(xué)生實驗的過程中通過適當(dāng)?shù)膸椭?、引?dǎo)，輔助學(xué)生完成人工智能實驗，重要的是學(xué)生通過自己的思考和與其他學(xué)習(xí)者交流討論的經(jīng)驗，自主搭建、訓(xùn)練、測試、修改卷積神經(jīng)網(wǎng)絡(luò)，完成實驗。注重新舊知識的關(guān)聯(lián)性在初中階段，雖然學(xué)生思維的抽象邏輯性占主要優(yōu)勢，但其邏輯思維還是屬于經(jīng)驗型，在一定程度上還需要感性經(jīng)驗的直接支持，而到了高中階段，學(xué)生的認(rèn)知結(jié)構(gòu)不斷完善，抽象邏輯思維趨于成熟，辯證邏輯思維和創(chuàng)造性思維得到了大幅度的發(fā)展，能夠以理論為指導(dǎo)來分析綜合各種事實材料，不斷擴大自我知識領(lǐng)域。⑷情境性為了能夠更為有效地學(xué)習(xí)，學(xué)習(xí)活動需要發(fā)生在真實的情境中，有助于學(xué)習(xí)者運用自身的知識結(jié)構(gòu)解決實際問題。四、系統(tǒng)架構(gòu)與實現(xiàn)基于建構(gòu)主義學(xué)習(xí)理論與人工智能關(guān)鍵支撐技術(shù)，筆者對“智慧狗”人工智能教學(xué)輔助系統(tǒng)進(jìn)行了系統(tǒng)架構(gòu)設(shè)計與實現(xiàn)，如圖3所示?！爸腔酃贰比斯ぶ悄芙虒W(xué)輔助系統(tǒng)分為兩大基礎(chǔ)模塊：基于PyQt開發(fā)的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與實驗可視化模塊，基于Tensorflow開發(fā)的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試內(nèi)核模塊。用戶通過圖形界面接口搭建卷積神經(jīng)網(wǎng)絡(luò)并調(diào)試其結(jié)構(gòu)參數(shù)，數(shù)據(jù)傳輸至后臺通過Tensorflow進(jìn)行有監(jiān)督學(xué)習(xí)，生成的卷積神經(jīng)網(wǎng)絡(luò)模型又為前端的圖像識別實測功能所用。卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與實驗可視化模塊“智慧狗”人工智能教學(xué)輔助系統(tǒng)的前端界面是基于PyQt開發(fā)的。PyQt將python編程語言與Ot庫成功融合，是目前python可視化界面開發(fā)的主流工具之一。在用戶界面下，包含范例卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模塊和自主搭建卷積神經(jīng)網(wǎng)絡(luò)模塊這兩大功能模塊。范例卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模塊提供一個已經(jīng)設(shè)計好的卷積神經(jīng)網(wǎng)絡(luò)模型作為學(xué)習(xí)者學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的參考案例，允許用戶調(diào)整該神經(jīng)網(wǎng)絡(luò)的部分參數(shù)，從而加深對卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的理解。在自主搭建卷積神經(jīng)網(wǎng)絡(luò)模塊中，用戶可以不受約束地完全自主設(shè)計神經(jīng)網(wǎng)絡(luò)，且自主搭建的每一步都可以靈活地撤銷、修改，用戶還可以導(dǎo)入外部的卷積神經(jīng)網(wǎng)絡(luò)，并自由修改導(dǎo)入的神經(jīng)網(wǎng)絡(luò)。搭建好的卷積神經(jīng)網(wǎng)絡(luò)可以進(jìn)入下一步的訓(xùn)練調(diào)試頁面，用戶可以自定義訓(xùn)練次數(shù)、訓(xùn)練學(xué)習(xí)率等細(xì)節(jié)參數(shù)。卷積神經(jīng)網(wǎng)絡(luò)完成有監(jiān)督學(xué)習(xí)的訓(xùn)練后將顯示該神經(jīng)網(wǎng)絡(luò)模型當(dāng)前的預(yù)測準(zhǔn)確率，若用戶對訓(xùn)練結(jié)果不滿意，可以靈活地返回上一步繼續(xù)修改神經(jīng)網(wǎng)絡(luò)的參數(shù);若對訓(xùn)練結(jié)果滿意，用戶可以在訓(xùn)練調(diào)試頁面保存已訓(xùn)練完的神經(jīng)網(wǎng)絡(luò)模型為本地文件，分享給其他學(xué)習(xí)者一同交流學(xué)習(xí)。完成訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型可以進(jìn)入實戰(zhàn)測試環(huán)節(jié)：系統(tǒng)能夠調(diào)用計算機的攝像頭，現(xiàn)拍照片進(jìn)行圖像識別，讓用戶能夠親身體驗自己搭建的人工智能模型的圖像識別效果。卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試內(nèi)核模塊“智慧狗”人工智能教學(xué)輔助系統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練、圖像識別模塊是基于Tensorflow開發(fā)的°Tensorflow是谷歌人工智能團隊開發(fā)與維護(hù)的神經(jīng)網(wǎng)絡(luò)算法庫，被廣泛應(yīng)用于各類機器學(xué)習(xí)算法的編程實現(xiàn)。如圖4所示，范例模型模塊中，作為學(xué)習(xí)案例的卷積神經(jīng)網(wǎng)絡(luò)模型源碼為：如圖5所示，卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊中，訓(xùn)練步驟的關(guān)鍵源碼為：如圖6所示，卷積神經(jīng)網(wǎng)絡(luò)的圖像識別實測模塊中，神經(jīng)網(wǎng)絡(luò)預(yù)測的關(guān)鍵源碼為：綜上所述，基于卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與實驗可視化模塊、卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測試內(nèi)核模塊兩大基本模塊的整體系統(tǒng)構(gòu)架，同時依托上百張圖片組成的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集，“智慧狗”人工智能教學(xué)輔助系統(tǒng)能夠?qū)崿F(xiàn)人工智能基礎(chǔ)知識入門學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)可視化搭建、訓(xùn)練、測試實驗等功能。五、系統(tǒng)的功能設(shè)計在實現(xiàn)前述系統(tǒng)架構(gòu)的基礎(chǔ)上，“智慧狗”中學(xué)人工智能教學(xué)輔助系統(tǒng)不僅能夠作為教師開展人工智能教學(xué)的教輔工具，還能夠作為學(xué)習(xí)者自學(xué)人工智能的啟蒙師與指導(dǎo)者?！爸腔酃贰敝袑W(xué)人工智能教學(xué)輔助系統(tǒng)利用自身的視頻微課、范例卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能、自主設(shè)計卷積神經(jīng)網(wǎng)絡(luò)功能能夠滿足教師不同階段的教學(xué)目標(biāo)，也能夠滿足不同能力水平的學(xué)習(xí)者的學(xué)習(xí)需求。如圖7所示，“智慧狗”中學(xué)人工智能教學(xué)輔助系統(tǒng)初始頁面下包括新手教程、范例模型、自主設(shè)計三大主功能，在各主功能下包含各自的子功能。新手教程功能由于卷積神經(jīng)網(wǎng)絡(luò)的知識較為繁多、復(fù)雜，學(xué)習(xí)者可能會難以掌握甚至遺忘。因此，“智慧狗”人工智能教學(xué)輔助系統(tǒng)針對性地在初中生的知識結(jié)構(gòu)和認(rèn)知水平的基礎(chǔ)上，開發(fā)了一款針對中學(xué)生的人工智能模型搭建入門新手微課，如圖8所示。該視頻微課不包含任何高等數(shù)學(xué)、線性代數(shù)知識，僅用基礎(chǔ)的數(shù)學(xué)知識與簡單易懂的語言和動畫就闡明了卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其基本原理，使沒有基礎(chǔ)知識的學(xué)習(xí)者能夠輕松入門，對卷積神經(jīng)網(wǎng)絡(luò)已有一定了解的學(xué)習(xí)者能夠鞏固加強。范例模型功能范例模型功能旨在通過現(xiàn)有的范例卷積神經(jīng)網(wǎng)絡(luò)鞏固學(xué)習(xí)者對卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的理解，并且學(xué)生通過思考不斷修改神經(jīng)網(wǎng)絡(luò)參數(shù)而一步步提高神經(jīng)網(wǎng)絡(luò)的識別率，有利于培養(yǎng)探究精神。學(xué)習(xí)范例卷積神經(jīng)網(wǎng)絡(luò)如圖9所示，范例卷積神經(jīng)網(wǎng)絡(luò)包含全部的卷積神經(jīng)網(wǎng)絡(luò)組成部件，并且每一層的參數(shù)都可以修改，修改參數(shù)將會直接影響卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜度，間接影響網(wǎng)絡(luò)的識別率。學(xué)習(xí)者每一次改動參數(shù)，右側(cè)欄會實時更新當(dāng)前網(wǎng)絡(luò)的具體信息，系統(tǒng)也會重新計算當(dāng)前網(wǎng)絡(luò)的復(fù)雜度，并通過小狗的圖像反映在界面上。卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜度越低，網(wǎng)絡(luò)的學(xué)習(xí)能力就越弱，小狗圖像就越卡通化甚至像素化；卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜度越高，其學(xué)習(xí)能力就越強，小狗圖像就越接近真實。訓(xùn)練范例卷積神經(jīng)網(wǎng)絡(luò)范例模型功能下的訓(xùn)練頁面如圖10所示。修改完成的范例卷積神經(jīng)網(wǎng)絡(luò)可以進(jìn)行訓(xùn)練。學(xué)習(xí)者可以調(diào)整訓(xùn)練的次數(shù)與學(xué)習(xí)速率，訓(xùn)練次數(shù)越多系統(tǒng)所花費的時間也越久，但訓(xùn)練次數(shù)不夠可能會導(dǎo)致網(wǎng)絡(luò)欠學(xué)習(xí)，學(xué)習(xí)速率過高可能導(dǎo)致在全局最優(yōu)解附近震蕩，學(xué)習(xí)速率過低可能導(dǎo)致訓(xùn)練止步于局部最優(yōu)解而找不到全局最優(yōu)解。訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)所用到的數(shù)據(jù)集為480個外部圖片文件組成的訓(xùn)練集，該訓(xùn)練集可按照一定格式手動擴充。當(dāng)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，頁面將會顯示神經(jīng)網(wǎng)絡(luò)模型的預(yù)測準(zhǔn)確率，學(xué)習(xí)者可以決定是進(jìn)入下一步神經(jīng)網(wǎng)絡(luò)實測頁面還是修改訓(xùn)練參數(shù)重新訓(xùn)練，甚至是返回上一步修改卷積神經(jīng)網(wǎng)絡(luò)后再來訓(xùn)練。在范例卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練頁面，用戶也可以跳過訓(xùn)練直接測試范例卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測準(zhǔn)確率，教師可以利用此功能快速進(jìn)入實測系統(tǒng)向?qū)W生展示圖像識別的效果，學(xué)生也可以通過此快捷通道便捷地體驗圖像識別。此功能有利于教師在人工智能課堂中創(chuàng)設(shè)情境，有利于學(xué)生快速嘗鮮人工智能。實測范例卷積神經(jīng)網(wǎng)絡(luò)范例模型功能下的實測頁面如圖11所示。在實測功能下，學(xué)習(xí)者可以選擇計算機本地存儲的圖片進(jìn)行神經(jīng)網(wǎng)絡(luò)的實測，也能通過連接計算機的攝像頭拍照獲取身邊常用物品圖片或人臉圖片進(jìn)行神經(jīng)網(wǎng)絡(luò)的實測。卷積神經(jīng)網(wǎng)絡(luò)實測系統(tǒng)不僅是學(xué)習(xí)者體驗人工智能的重要窗口，更是檢驗該卷積神經(jīng)網(wǎng)絡(luò)模型是否過擬合或欠擬合的重要工具。自主設(shè)計功能自主設(shè)計功能旨在讓學(xué)習(xí)者在理解了卷積神經(jīng)網(wǎng)絡(luò)原理后運用所學(xué)知識從零開始搭建一個新的卷積神經(jīng)網(wǎng)絡(luò)，培養(yǎng)學(xué)生的創(chuàng)新精神。自主設(shè)計卷積神經(jīng)網(wǎng)絡(luò)如圖12所示，自主設(shè)計功能左側(cè)標(biāo)簽頁包含了卷積神經(jīng)網(wǎng)絡(luò)的所有組成部件，學(xué)習(xí)者從設(shè)置激活函數(shù)開始一步步設(shè)計自己的神經(jīng)網(wǎng)絡(luò)。卷積層是卷積神經(jīng)網(wǎng)絡(luò)必不可少的組成部分，在未設(shè)置卷積層的情況下學(xué)習(xí)者無法添加其它層。當(dāng)設(shè)置了全連接層之后，卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)便趨于完整，能夠進(jìn)入下一頁的訓(xùn)練頁面。在搭建神經(jīng)網(wǎng)絡(luò)環(huán)節(jié)中，學(xué)習(xí)者隨時可以撤銷上一步，因此可以放心地發(fā)揮自己的創(chuàng)意。除了設(shè)計自己的神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)者還可以從外部導(dǎo)入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)、修改。訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)如圖13所示，自主設(shè)計功能下的訓(xùn)練頁面跟范例模型下的訓(xùn)練頁面基本相似，唯一不同之處是在自主設(shè)計模式下，學(xué)習(xí)者在完成一次卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練后可以選擇保存該卷積神經(jīng)網(wǎng)絡(luò)為本地文件，保存的神經(jīng)網(wǎng)絡(luò)可以在自主設(shè)計頁面中導(dǎo)入，有利于學(xué)習(xí)者之間分享交流學(xué)習(xí)經(jīng)驗。實測卷積神經(jīng)網(wǎng)絡(luò)自主設(shè)計功能下的神經(jīng)網(wǎng)絡(luò)實測頁面與范例模型功能下的神經(jīng)網(wǎng)絡(luò)實測頁面完全相同，此處不再贅述。六、系統(tǒng)成效分析及未來展望成效分析(1)取得的成效在“互聯(lián)網(wǎng)+”的時代背景下，為了解決國內(nèi)中學(xué)人工智能教育研究與實施中出現(xiàn)的問題，筆者提出了對應(yīng)的解決方案并確定了需求，設(shè)計并開發(fā)了“智慧狗”中學(xué)人工智能教學(xué)輔助系統(tǒng)。對于國內(nèi)人工智能教育開展過程中人工智能概念混淆的問題，“智慧狗”系統(tǒng)從理論和實踐兩方面規(guī)范了人工智能的概念：通過微課視頻明確了人工智能的概念，介紹了人工智能的經(jīng)典算法卷積神經(jīng)網(wǎng)絡(luò)，強調(diào)了其背后的數(shù)學(xué)原理；通過卷積神經(jīng)網(wǎng)絡(luò)的搭建、訓(xùn)練、實測相關(guān)功能，展示了人工智能應(yīng)用領(lǐng)域中的圖像識別技術(shù)。對于國內(nèi)人工智能教育開展過程中人工智能技術(shù)過度包裝的問題，“智慧狗”系統(tǒng)撥開了人工智能的神秘面紗，不僅教給學(xué)習(xí)者人工智能的實現(xiàn)原理，還給學(xué)習(xí)者提供了完整體驗機器學(xué)習(xí)實現(xiàn)過程的實踐機會?！爸腔酃贰毕到y(tǒng)通過攝像頭獲取的學(xué)習(xí)者人臉圖片數(shù)據(jù)僅保存在本地計算機中，不上傳至服務(wù)器，保證了用戶的隱私與肖像權(quán)不受侵犯。對于國內(nèi)人工智能教育開展過程中人工智能教學(xué)內(nèi)容紊亂的問題，“智慧狗”系統(tǒng)安排了卷積神經(jīng)網(wǎng)絡(luò)作為學(xué)習(xí)內(nèi)容。人工智能的核心是機器學(xué)習(xí)，深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域中效果最好的一系列算法，卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中最著名、應(yīng)用范圍最廣的一種算法，學(xué)生理解了卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，便能夠獨立地實現(xiàn)簡單的人工智能應(yīng)用。對于國內(nèi)人工智能教育開展過程中人工智能教育活動缺少實踐手段的問題，“智慧狗”系統(tǒng)提供了具體而完整的通過機器學(xué)習(xí)實現(xiàn)人工智能的實踐手段，學(xué)習(xí)者能夠以搭建卷積神經(jīng)網(wǎng)絡(luò)為起點，從零開始創(chuàng)造自己的人工智能。教學(xué)試驗的開展為了更深入地了解該系統(tǒng)在中學(xué)實際教學(xué)中的應(yīng)用效果，筆者于2019年9月至11月在蘇州市第一中學(xué)校對2個班級開展了人工智能試驗課程，課程中使用了初版“智慧狗”系統(tǒng)輔助教學(xué)，并在課后開展了人工智能課程的教學(xué)評價問卷調(diào)查獲取反饋。調(diào)查問卷選取教學(xué)內(nèi)容評價、教輔工具評價、學(xué)生未來學(xué)習(xí)方向三個維度。發(fā)放問卷80份，回收73份，回收有效率91.25%。采用克隆巴赫a系數(shù)(Cronbach'sAlpha)對人工智能試驗課程教學(xué)評價量表的4個維度進(jìn)行可靠性分析，結(jié)果如表1所示。數(shù)據(jù)顯示，三個維度的克隆巴赫a系數(shù)分別為0.706、0.642、0.655，均大于0.60，說明該調(diào)查問卷的信度較好。采用探索性因子分析檢驗問卷的結(jié)構(gòu)效度，經(jīng)檢驗教學(xué)評價量表的取樣適當(dāng)性量數(shù)KMO值為0.845,Bartlett’s球形檢驗的顯著性值為0.000，說明該問卷因子分析有效。采用主成分分析法提取共同因素，提取載荷平方和累積為62.285%，旋轉(zhuǎn)成分矩陣共提取出3個因素，分別對應(yīng)教學(xué)內(nèi)容評價、教輔工具評價、學(xué)生未來學(xué)習(xí)方向三個維度，說明該調(diào)查問卷具有良好的結(jié)構(gòu)效度。不足之處與改進(jìn)通過教學(xué)試驗與調(diào)查問卷的反饋，筆者不僅收獲了學(xué)生和教師的大量正反饋信息，還得到了一些負(fù)反饋信息。經(jīng)過對反饋信息的整理與分析，筆者總結(jié)出了初版“智慧狗”中