《人工智能初步》教學(xué)設(shè)計

高士娟 曹恒來

● 學(xué)習(xí)內(nèi)容分析

人工智能是通過智能機器延伸，增強人類改造自然和治理社會能力的新興技術(shù)。近年來，人工智能技術(shù)已經(jīng)被廣泛應(yīng)用于各行各業(yè)，并將在信息社會中發(fā)揮越來越重要的作用。人工智能誕生之初，以邏輯表達和啟發(fā)式搜索算法為代表；20世紀(jì)80年代初，由于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)技術(shù)的新進展，人工智能的浪潮再度興起；當(dāng)前，機器學(xué)習(xí)成為實現(xiàn)人工智能的主流方法，具體包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)三種方式。

● 學(xué)習(xí)者分析

本課的學(xué)習(xí)對象是高一學(xué)生，其對知識的獲取已經(jīng)開始由感性認(rèn)識提升到理性認(rèn)識，已經(jīng)具有一定的研究能力，喜歡新鮮事物。在日常的學(xué)習(xí)和生活中，他們或多或少地接觸過人工智能技術(shù)的應(yīng)用。但是，他們對人工智能的了解更多停留于日常學(xué)習(xí)和生活中的所見所聞，對人工智能的原理及人工智能的實現(xiàn)方法知之甚少，運用人工智能方法解決問題的意識不足、能力較弱。

● 學(xué)習(xí)目標(biāo)

（1）了解什么是人工智能，知道人工智能的典型應(yīng)用。

（2）理解人工智能技術(shù)的核心是機器學(xué)習(xí)。

（3）掌握監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)的基本工作原理。

（4）了解機器學(xué)習(xí)中的KNN算法、聚類算法。

● 教學(xué)重點與難點

監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)的基本工作原理。

● 教學(xué)過程

1.初探尊容：人工智能與機器學(xué)習(xí)

觀看人工智能宣傳片（如圖1所示），關(guān)注視頻中人工智能的具體應(yīng)用。

學(xué)生討論：①人工智能的具體應(yīng)用：指紋解鎖、計算機博弈、智能機器人、智能家居等。②在這些應(yīng)用中，人工智能是如何解決問題的？

人臉識別：根據(jù)輸入的照片，判斷照片中的人是誰。

語音識別：根據(jù)說話的音頻信號，判斷說話的內(nèi)容。

金融應(yīng)用：根據(jù)一支股票過去的價格和交易信息，預(yù)測它未來的價格走勢。

圍棋對弈：根據(jù)當(dāng)前的盤面形勢，預(yù)測選擇某個落子的勝率。

教師小結(jié)：人工智能解決問題的方式就是根據(jù)給定的輸入做出判斷及預(yù)測。人工智能是人類智能的算法實現(xiàn)，人類智能的核心是學(xué)習(xí)，因此人工智能的核心也應(yīng)是學(xué)習(xí)。人工智能的上述應(yīng)用大多數(shù)是通過機器學(xué)習(xí)來實現(xiàn)的，它已經(jīng)成為人工智能的主流方法。機器學(xué)習(xí)從學(xué)習(xí)方式上可分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。

設(shè)計意圖：這是一個快速變遷的時代，在這一切便利與舒適的背后，是一場正在深刻地改變我們的生活與社會的科技浪潮——人工智能。但是，學(xué)生對人工智能的認(rèn)知還停留在日常學(xué)習(xí)和生活中的所見所聞，對人工智能的了解也是有局限的。通過觀看視頻，從人工智能具體的應(yīng)用總結(jié)出人工智能解決問題的方式，即根據(jù)給定的輸入做出判斷及預(yù)測，這個能力的獲得必須通過學(xué)習(xí)來完成，從而引出機器學(xué)習(xí)。

2.定制模型：理解監(jiān)督學(xué)習(xí)

從手機識別植物引入，提出定制圖像識別模型。

活動1：使用百度的EasyDL定制貓狗識別的圖像分類模型。

（1）教師演示創(chuàng)建個性化圖像分類模型的方法與步驟，如圖2所示。

（2）上傳貓和狗的圖片進行訓(xùn)練和校驗，記錄不同版本模型校驗結(jié)果的置信度，比較不同訓(xùn)練數(shù)據(jù)量情況下，所訓(xùn)練模型的識別準(zhǔn)確率，填入表1中。

（3）指導(dǎo)學(xué)生研究上傳的數(shù)據(jù)集的構(gòu)成。

教師小結(jié)：①給予計算機的訓(xùn)練數(shù)據(jù)集既有輸入數(shù)據(jù)，又有對應(yīng)的輸出數(shù)據(jù)，然后訓(xùn)練一個模型，用于對新輸入的數(shù)據(jù)生成合理的預(yù)測。在訓(xùn)練的過程中，預(yù)測量的真實值通過提供反饋對學(xué)習(xí)過程起到了監(jiān)督的作用，這樣的學(xué)習(xí)方式稱為監(jiān)督學(xué)習(xí)。②訓(xùn)練的有效數(shù)據(jù)量越大，圖像的識別率越高。貓、狗的聲音和爪子截然不同，如圖3所示，生活中常通過sound（聲音）和claws（爪子）兩個特征來判斷。如果將聲音和爪子轉(zhuǎn)換成特征向量表示在坐標(biāo)系中，圓形表示貓，三角形表示狗，在機器學(xué)習(xí)中如何判斷一個新加入樣本star的分類呢？最鄰近規(guī)則分類算法（KNN）是一種常用的方法，如果一個樣本與k個最相鄰的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。如k=3時，與star最近的三個點中有兩個是圓形，所以star是貓。當(dāng)然，這個模型中貓狗的特征提取是比較復(fù)雜的。

設(shè)計意圖：監(jiān)督學(xué)習(xí)中典型的例子是識別，故而從識別植物入手，激發(fā)學(xué)生興趣，引出訓(xùn)練貓狗識別模型的學(xué)習(xí)活動，借助百度的EasyDL定制化圖像識別模型，經(jīng)歷監(jiān)督學(xué)習(xí)的過程。從數(shù)據(jù)集的構(gòu)成發(fā)現(xiàn)，監(jiān)督學(xué)習(xí)既有輸入數(shù)據(jù)，又有對應(yīng)的輸出數(shù)據(jù)，進而認(rèn)識到預(yù)測量真實值反饋的重要性。通過校驗不同數(shù)據(jù)量的模型，可以發(fā)現(xiàn)訓(xùn)練的數(shù)據(jù)量越大，圖像的識別率越高，進而認(rèn)識到監(jiān)督學(xué)習(xí)中數(shù)據(jù)量的重要性。人工智能的原理相對比較復(fù)雜，為了能有一個直觀的認(rèn)識，以生活中區(qū)分貓和狗為例，把聲音與爪子作為特征向量表示在坐標(biāo)系中，結(jié)合最鄰近規(guī)則分類算法KNN，幫助學(xué)生進一步理解監(jiān)督學(xué)習(xí)。

3.整理相冊：理解無監(jiān)督學(xué)習(xí)

活動2：整理班級相冊。

（1）安裝Picasa，在“未命名”人物中，新建兩個好朋友為聯(lián)系人。

（2）在Picasa界面中觀察照片的分類結(jié)果。發(fā)現(xiàn)：新建的聯(lián)系人的所有照片都能列舉出來，借助“在磁盤中查找”迅速找到圖片存放位置。

（3）加入新的照片，再次觀察照片分類結(jié)果的變化。發(fā)現(xiàn)：所有新入庫的照片自動歸類到相應(yīng)聯(lián)系人下。

（4）與監(jiān)督學(xué)習(xí)對比，分析無監(jiān)督學(xué)習(xí)。無監(jiān)督學(xué)習(xí)通過對數(shù)據(jù)集的劃分來發(fā)現(xiàn)數(shù)據(jù)集的結(jié)構(gòu)特征，從而提取到數(shù)據(jù)集中隱藏的模式或分組。所以，無監(jiān)督學(xué)習(xí)只有輸入數(shù)據(jù)，沒有預(yù)測量的真實值。

設(shè)計意圖：本環(huán)節(jié)使用的照片素材源于學(xué)生的學(xué)習(xí)生活，通過在Picasa軟件中新建聯(lián)系人觀察相冊自動聚類后的變化，在增加新照片后，所有新入庫的照片自動歸類到相應(yīng)的聯(lián)系人下，可以發(fā)現(xiàn)，在事先不知道照片類別的情況下，Picasa可以把相似的照片自動歸為一類，這就是聚類式無監(jiān)督學(xué)習(xí)。整個過程中，學(xué)生感受到Picasa軟件聚類功能的強大，也形成了對聚類算法的初步理解。

4.技術(shù)游戲：理解強化學(xué)習(xí)

活動3：飛機躲導(dǎo)彈與AlphaGo Zero。

（1）觀察飛機躲導(dǎo)彈游戲，記錄隨著游戲的進展，飛機被導(dǎo)彈擊中的次數(shù)，填入表2中。

小結(jié)：在游戲的過程中，如果飛機被導(dǎo)彈擊中，那就獲得-1的回報，否則獲得0回報。這樣，通過關(guān)注智能體在環(huán)境中采取的一系列行為，并根據(jù)反饋改進行動方案以適應(yīng)環(huán)境。實際上，這就是一種強化學(xué)習(xí)方法。

（2）觀看視頻，了解AlphaGo Zero，進一步感受強化學(xué)習(xí)。

小結(jié)：AlphaGo Zero完全不使用專家數(shù)據(jù)訓(xùn)練，只使用強化學(xué)習(xí)，它在幾天之內(nèi)進行了上百萬盤自我對弈，達到了人類圍棋巔峰水平。

設(shè)計意圖：通過飛機躲導(dǎo)彈游戲的觀察，發(fā)現(xiàn)游戲能不斷總結(jié)經(jīng)驗教訓(xùn)，做出調(diào)整，最后能控制飛機不被導(dǎo)彈擊中，體驗強化學(xué)習(xí)是自我學(xué)習(xí)的過程。以學(xué)生耳熟能詳?shù)腁lphaGo Zero為例，感受到通過強化學(xué)習(xí)幾天就可以達到人類圍棋巔峰水平。

5.回眸再看：機器如何智能

如圖4所示，人類在成長、生活過程中積累了很多經(jīng)驗。人類通過對這些經(jīng)驗的“歸納”，獲得“規(guī)律”。當(dāng)遇到未知的問題的時候，可以使用這些“規(guī)律”來進行“預(yù)測”，從而指導(dǎo)自己的生活和工作。

機器學(xué)習(xí)與人類思考的過程是類似的。機器學(xué)習(xí)就是把人類思考、歸納經(jīng)驗的過程轉(zhuǎn)化為計算機處理數(shù)據(jù)、建立模型的過程。

人工智能的核心是機器學(xué)習(xí)，機器學(xué)習(xí)是利用過去的數(shù)據(jù)對模型進行訓(xùn)練，然后使用模型對未來進行預(yù)測的一種方法。

再次理解人工智能：人工智能是通過機器模擬、延伸和擴展人類智能行為的技術(shù)，人工智能是通過人工定義或者從數(shù)據(jù)和行動中學(xué)習(xí)的方式獲得預(yù)測和決策的能力。

現(xiàn)在我們可以底氣十足地說：“人工智能，我們來了！”

設(shè)計意圖：分析人類思考問題的方法，通過機器學(xué)習(xí)與人類思考的類比，認(rèn)識到機器學(xué)習(xí)就是把人類思考、歸納經(jīng)驗的過程轉(zhuǎn)化為計算機處理數(shù)據(jù)、建立模型的過程。進一步理解人工智能是通過人工定義或者從數(shù)據(jù)和行動中學(xué)習(xí)的方式獲得預(yù)測和決策的能力這個定義。最后期望學(xué)生可以毫無畏懼地向人工智能進軍。

點 評

以往的人工智能教學(xué)中，通常是引導(dǎo)學(xué)生在感受人工智能具體應(yīng)用的過程中體驗人工智能，如支付寶的人臉識別支付、蘋果Siri的語音交互、微軟小冰智能對話機器人、機器翻譯、機器人作詩、人機對戰(zhàn)等。由于學(xué)生對當(dāng)前人工智能發(fā)展的真實水平知之甚少，加之受科幻電影的影響，以及一些知名科學(xué)家的警告，一些學(xué)生難免會對人工智能產(chǎn)生恐懼心理。本節(jié)課緊緊抓住機器是如何實現(xiàn)智能的這一核心問題，重點圍繞監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)的概念和基本實現(xiàn)原理，緊密聯(lián)系學(xué)生的生活經(jīng)驗，有效地利用和整合各種課程資源，設(shè)計了系列技術(shù)試驗活動，跳出了文本解讀層次的教學(xué)，幫助學(xué)生真正把握技術(shù)的內(nèi)涵和本質(zhì)。

首先使用百度的EasyDL定制貓狗識別的圖像分類模型，從數(shù)據(jù)集的構(gòu)成發(fā)現(xiàn)監(jiān)督學(xué)習(xí)中的每個樣本既有輸入數(shù)據(jù)，又有對應(yīng)的輸出數(shù)據(jù)，即預(yù)測量的真實值，用于告訴模型預(yù)測的結(jié)果是對還是錯，在訓(xùn)練模型的過程中，體驗抽象的技術(shù)概念和技術(shù)原理。通過對不同數(shù)據(jù)量模型的校驗，記錄數(shù)據(jù)，形成對比，進而認(rèn)識到監(jiān)督學(xué)習(xí)模型訓(xùn)練中數(shù)據(jù)量的重要性。在整理相冊的活動中，通過觀察相冊整理前后照片的分類結(jié)果，引導(dǎo)學(xué)生與監(jiān)督學(xué)習(xí)對比，體會監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的區(qū)別。通過飛機躲導(dǎo)彈游戲的觀察，發(fā)現(xiàn)游戲能不斷總結(jié)經(jīng)驗教訓(xùn)，做出調(diào)整，最后能控制飛機不被導(dǎo)彈擊中，體驗強化學(xué)習(xí)是自我學(xué)習(xí)的過程。最后，將機器學(xué)習(xí)中的“訓(xùn)練”與“預(yù)測”過程和人類的“歸納”與“預(yù)測”過程相類比，建立人類思考方式和機器學(xué)習(xí)方式之間的聯(lián)系，將抽象的人工智能轉(zhuǎn)換成學(xué)生熟悉的自身思考過程。

通過上述學(xué)習(xí)，學(xué)生可以發(fā)現(xiàn)，當(dāng)前的人工智能技術(shù)大多數(shù)是通過機器學(xué)習(xí)來實現(xiàn)的，它所依據(jù)的數(shù)學(xué)基礎(chǔ)是概率統(tǒng)計與優(yōu)化理論，從本質(zhì)上來說，它是一個以數(shù)據(jù)為中心或數(shù)據(jù)驅(qū)動的問題求解方式。也就是說，數(shù)據(jù)思維也是一種解決問題的方式，對于傳統(tǒng)算法很難解決的問題，我們可以把數(shù)據(jù)作為一種新的賦能工具從而成功地解決問題。