中小學(xué)人工智能教學(xué)平臺(tái)研究與設(shè)計(jì)

馬靜 劉江岳 劉奕林

摘? ?要：為了順應(yīng)國家發(fā)展、時(shí)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。[1]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(shí)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(xiàng)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(shí)近一年時(shí)間，設(shè)計(jì)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(jī)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(jì)算機(jī)視覺構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)模型的實(shí)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(jì)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)。

關(guān)鍵詞：人工智能;卷積神經(jīng)網(wǎng)絡(luò);機(jī)器學(xué)習(xí);人工智能教育;信息技術(shù)

中圖分類號：G434;TP18 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2021）01-0001-10

一、研究背景與研究意義

1.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(jì)算機(jī)器與智能》（Computing Machinery and Intelligence），[2]文中提出了能夠作為智能機(jī)標(biāo)準(zhǔn)的圖靈準(zhǔn)則 ，[3]自此學(xué)術(shù)界開始探討開發(fā)人工智能框架的方法。1956年美國達(dá)特茅斯學(xué)院開展了人工智能研究會(huì)議，正式提出了“人工智能”這一概念，[4]之后人工智能技術(shù)經(jīng)過漫長而坎坷的發(fā)展，其相關(guān)理論和技術(shù)日漸成熟。

隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等技術(shù)的迅速發(fā)展，現(xiàn)今人工智能已滲透到社會(huì)的各個(gè)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(dòng)作用。人們用人工的方法在機(jī)器上實(shí)現(xiàn)的智能就是人工智能，機(jī)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。[5]人工智能能夠使智能機(jī)器實(shí)現(xiàn)會(huì)聽（如語言識別、機(jī)器翻譯等）、會(huì)說（如語音合成、人機(jī)對話等）、會(huì)看（如文字識別、圖像識別等）、會(huì)行動(dòng)（如機(jī)器人、自動(dòng)駕駛等）、會(huì)思考（如人機(jī)對弈、定理證明等），甚至?xí)W(xué)習(xí)（如知識表示、機(jī)器學(xué)習(xí)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(lì)科研機(jī)構(gòu)進(jìn)行科普活動(dòng)，[6]“人工智能+教育”開始成為教育工作者的研究重點(diǎn)。為滿足信息化社會(huì)對人才的需求，人工智能與教育的結(jié)合不僅體現(xiàn)在人工智能為教育事業(yè)提供技術(shù)支持，人工智能還需要被納入教育內(nèi)容中。人工智能不僅需要被推廣到高等教育教學(xué)中，更要普及到中小學(xué)教育的教學(xué)內(nèi)容中。隨后教育部頒布《普通高中信息技術(shù)課程標(biāo)準(zhǔn)（2017年版）》，提出不僅要在選擇性必修模塊內(nèi)設(shè)置人工智能相關(guān)的內(nèi)容，在必修模塊中也應(yīng)有所涉及。[1]教育部在2018年又頒布了《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，明確提出要在中小學(xué)階段加入人工智能普及教育，構(gòu)建人工智能多層次教育體系。[7]一系列政策的出臺(tái)體現(xiàn)了國家對人工智能的重視，體現(xiàn)了國家政策與時(shí)代要求的接軌。

2.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(huì)對人才的需求，創(chuàng)新型人才將會(huì)成為人才市場中的核心。教育需要與時(shí)俱進(jìn)，及時(shí)變革，積極培養(yǎng)未來社會(huì)所需的人才，以應(yīng)對人工智能時(shí)代的挑戰(zhàn)。[8]人工智能是連接未來的教育，在青少年中開展人工智能教育活動(dòng)，將在很大程度上增強(qiáng)青少年的邏輯思維能力，轉(zhuǎn)變思維方式，提升青少年對人工智能這一劃時(shí)代前沿技術(shù)的認(rèn)知水平，為青少年的全面成長、更好地適應(yīng)將來的社會(huì)打下牢固的基礎(chǔ)。[9]將人工智能納入中小學(xué)課程體系，對提升學(xué)生信息素養(yǎng)、普及全民智能教育、培養(yǎng)人工智能人才具有重要意義。[10]人工智能不僅影響著每一位青少年個(gè)體的生存與發(fā)展，更是引領(lǐng)世界未來、改變?nèi)蚋窬值膽?zhàn)略技術(shù)，人工智能教育水平的高低關(guān)系到國家未來能否在科技競爭中獲得優(yōu)勢，決定了一個(gè)國家在世界新一輪科技革命中所處的地位。[11]

二、國內(nèi)外研究與實(shí)施現(xiàn)狀

1.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(shí)踐范疇，涉及人工智能以何種形式有效落地，如對機(jī)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(jī)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(jià)、決策等方面，涉及個(gè)性化學(xué)習(xí)、在線學(xué)習(xí)、智能教學(xué)系統(tǒng)等。[12]總體來說，國內(nèi)人工智能教育的研究尚處于起步階段，對基礎(chǔ)教育階段人工智能課程建設(shè)的研究正逐漸重視起來。[13]

2.實(shí)施現(xiàn)狀

（1）國外人工智能教育實(shí)施現(xiàn)狀

美國政府在2015年推出了“每個(gè)學(xué)生都成功法案”（Every Student Succeeds Act），推進(jìn)K-12階段的計(jì)算機(jī)科學(xué)教育，其中人工智能是計(jì)算機(jī)科學(xué)課程的重要組成部分。[10]美國在2016年10月發(fā)布了《為人工智能的未來做準(zhǔn)備》（Preparing for the Future of Artificial Intelligence）和《國家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃》（The National Artificial Intelligence Research and Development Strategic Plan）兩份報(bào)告，[14]在2016年12月后發(fā)布了《人工智能、自動(dòng)化與經(jīng)濟(jì)》（Artificial Intelligence、Automation and the Economy），標(biāo)志著美國國家人工智能戰(zhàn)略正式開始，[2][15]有許多中小學(xué)重視人工智能與STEM課程，開設(shè)了綜合性的跨學(xué)科STEM課程，納入了機(jī)器人學(xué)、Scratch、Python等編程課程。[10]

在2017年10月，英國政府出臺(tái)了《在英國發(fā)展人工智能產(chǎn)業(yè)》（Growing the Artificial Intelligence Industry in the UK），[15]規(guī)劃制定初等學(xué)校改革政策，中小學(xué)與高校合作展開人工智能教育，并將人工智能教育與STEM課程相結(jié)合。[16]

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(gè)學(xué)生養(yǎng)成理解、運(yùn)用信息技術(shù)和數(shù)據(jù)的習(xí)慣。[2]

新加坡政府在2018年發(fā)布“人工智能新加坡”項(xiàng)目（AI Singapore），開啟了新加坡政府的國家人工智能戰(zhàn)略。[17]新加坡將少兒編程教育推廣至全國范圍，并將編程納入中小學(xué)考試科目，還推出了“AI for Kids”、“AI for Students”等計(jì)劃，培養(yǎng)學(xué)生對人工智能和機(jī)器學(xué)習(xí)的興趣并增進(jìn)理解。新加坡強(qiáng)調(diào)學(xué)校機(jī)構(gòu)與人工智能創(chuàng)業(yè)公司的合作，請有專業(yè)素養(yǎng)的人工智能工程師設(shè)計(jì)實(shí)踐課程，指導(dǎo)學(xué)生利用Scratch、Microsoft Cognitive Services等工具開發(fā)AI方案以解決日常生活中的相關(guān)問題。[10]

（2）國內(nèi)人工智能教育實(shí)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(diǎn)”的形式推動(dòng)人工智能教育的普及，[18]一些地區(qū)和學(xué)校是以地方課程、校本課程的形式推出人工智能課程。[19]

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(shí)驗(yàn)）》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(shí)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)。[1]

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(yàn)。

（3）國內(nèi)人工智能教育實(shí)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。

①概念混淆：人工智能學(xué)科包含內(nèi)容廣泛，涉及計(jì)算機(jī)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，[20]目前國內(nèi)人工智能課程的內(nèi)容框架、知識體系尚未建立，處于發(fā)展初期。[1]部分研究學(xué)者、教育專家對人工智能概念認(rèn)識不清，將人工智能技術(shù)與自動(dòng)化、傳感器、程序設(shè)計(jì)、機(jī)器人混為一談。[1]

②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(dòng)止步于教會(huì)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。

③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(jī)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(bào)道。

④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，[10]即使有感興趣的教師，也不知道學(xué)習(xí)什么內(nèi)容以及如何進(jìn)行人工智能學(xué)習(xí)。

⑤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(jì)。[10]

⑥實(shí)踐方面的問題：缺乏實(shí)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(dòng)化、程序設(shè)計(jì)、機(jī)器人等劃清界線;②針對過度包裝的問題，實(shí)現(xiàn)人工智能技術(shù)的同時(shí)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(shí)現(xiàn)計(jì)算機(jī)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(jì)這一問題，采用機(jī)器學(xué)習(xí)方式，這是因?yàn)樯疃葘W(xué)習(xí)是目前人工智能最好的一種實(shí)現(xiàn)方法，而機(jī)器視覺是深度學(xué)習(xí)最好的實(shí)踐范例;⑥針對人工智能教育缺少實(shí)踐手段的問題，提供具體的實(shí)踐方法。

三、系統(tǒng)設(shè)計(jì)原理

搭建中小學(xué)人工智能教學(xué)平臺(tái)是一個(gè)將前沿技術(shù)的理論與實(shí)踐普及到基礎(chǔ)教育階段的行動(dòng)，其中“智慧狗”作為子項(xiàng)目是面向中學(xué)生的人工智能教學(xué)輔助系統(tǒng)。本項(xiàng)目是國內(nèi)第一個(gè)提出在中小學(xué)使用機(jī)器學(xué)習(xí)實(shí)現(xiàn)人工智能教學(xué)的項(xiàng)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(shí)現(xiàn)流程，降低教學(xué)活動(dòng)實(shí)現(xiàn)成本，但是并不能教會(huì)學(xué)生人工智能的內(nèi)在原理，學(xué)生只能學(xué)會(huì)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?！爸腔酃贰敝袑W(xué)人工智能教學(xué)輔助系統(tǒng)讓學(xué)生零距離接觸機(jī)器學(xué)習(xí)的核心原理，讓師生親自動(dòng)手實(shí)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(shí)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(xiàng)目采用閉環(huán)設(shè)計(jì)，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(jì)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(yàn)，在中學(xué)開展人工智能試驗(yàn)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(qiáng)化，不斷推演出系統(tǒng)的2.0、 3.0等版本。

1.關(guān)鍵技術(shù)

（1）基于機(jī)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(jī)器學(xué)習(xí)即機(jī)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(jì)算機(jī)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(jī)器處理的數(shù)據(jù)越多，預(yù)測越精準(zhǔn)。[21]深度學(xué)習(xí)通過構(gòu)建機(jī)器學(xué)習(xí)模型，從大量輸入數(shù)據(jù)中提取越來越抽象的、具有良好泛化能力的特征表示，克服了過去人工智能中被認(rèn)為難以解決的一些問題。[22]基于動(dòng)物視覺皮層組織的啟發(fā)，深層神經(jīng)網(wǎng)絡(luò)是目前深度學(xué)習(xí)的主要形式，深層神經(jīng)網(wǎng)絡(luò)中最著名的、最為廣泛應(yīng)用的經(jīng)典結(jié)構(gòu)便是卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）。[22]目前卷積神經(jīng)網(wǎng)絡(luò)已取得許多令人矚目的研究成果，在2012年，Krizhevsky等提出的卷積神經(jīng)網(wǎng)絡(luò)模型Alex Net在大型圖像數(shù)據(jù)庫Image Net的圖像分類競賽中遙遙領(lǐng)先第二名獲得冠軍，隨后不斷有新的卷積神經(jīng)網(wǎng)絡(luò)模型被提出，如牛津大學(xué)的VGG（Visual Geometry Group）、Google的Goog Le Net、微軟的Res Net等不斷刷新Alex Net在Image Net上創(chuàng)造的記錄，使卷積神經(jīng)網(wǎng)絡(luò)成為了學(xué)術(shù)界的研究焦點(diǎn)，并且發(fā)展出了更多的應(yīng)用擴(kuò)展。[23]如圖2所示，輸入層、卷積層（convolutional layer）、池化層（pooling layer，即下采樣層）、全連接層和輸出層組成了卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)。[22][23]

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(gè)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(jì)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)?！爸腔酃贰碧峁┝藘?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(huì)機(jī)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)。

（2）基于計(jì)算機(jī)視覺技術(shù)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型的實(shí)測系統(tǒng)

計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向是圖像識別。圖像識別技術(shù)能夠利用計(jì)算機(jī)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。[24]深度卷積神經(jīng)網(wǎng)絡(luò)通過復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)、大規(guī)模的訓(xùn)練數(shù)據(jù)集、改進(jìn)的訓(xùn)練學(xué)習(xí)算法來模擬人腦復(fù)雜的層次化認(rèn)知規(guī)律，在圖像分類、目標(biāo)檢測、圖像識別等多個(gè)計(jì)算機(jī)視覺任務(wù)中取得巨大成功。[25]

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(shí)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(qiáng)，但神經(jīng)網(wǎng)絡(luò)的計(jì)算也會(huì)更加復(fù)雜，更容易出現(xiàn)過擬合的現(xiàn)象。[22]因此卷積神經(jīng)網(wǎng)絡(luò)需要配合實(shí)際情況中的測試結(jié)果不斷改進(jìn)。

“智慧狗”人工智能教學(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(shí)測功能，為學(xué)習(xí)者進(jìn)一步優(yōu)化設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)提供支持。通過實(shí)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(shí)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(shí)測系統(tǒng)不僅僅能夠讓學(xué)習(xí)者體驗(yàn)計(jì)算機(jī)視覺、體驗(yàn)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。

2.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(jì)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(gè)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。[26][27]在建構(gòu)主義學(xué)習(xí)理論的觀點(diǎn)中，人的認(rèn)知發(fā)展是認(rèn)知結(jié)構(gòu)不斷重新構(gòu)建的過程，而非單純的數(shù)量上的積累過程，個(gè)體的認(rèn)知結(jié)構(gòu)通過同化和順化而不斷發(fā)展。[27]建構(gòu)主義學(xué)習(xí)理論認(rèn)為，學(xué)習(xí)環(huán)境有四大要素，分別是“情境”、“協(xié)作”、“會(huì)話”和“意義構(gòu)建”，學(xué)習(xí)是一種認(rèn)知結(jié)構(gòu)構(gòu)建的過程，是一種協(xié)商活動(dòng)的過程，是一種真實(shí)環(huán)境的體驗(yàn)，強(qiáng)調(diào)學(xué)習(xí)過程中學(xué)習(xí)者的主觀能動(dòng)性。[27]啟發(fā)式教學(xué)法強(qiáng)調(diào)學(xué)習(xí)并不是對新知識機(jī)械式的接受，學(xué)生在學(xué)習(xí)過程中發(fā)揮其主體性，強(qiáng)調(diào)新舊知識的內(nèi)在關(guān)聯(lián)性，強(qiáng)調(diào)“情境”對新知識學(xué)習(xí)的重要性。[27]

“智慧狗”人工智能教學(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(jì)原則：

（1）調(diào)動(dòng)學(xué)習(xí)者主觀能動(dòng)性

學(xué)習(xí)不應(yīng)該是學(xué)生對新知識的機(jī)械式的接受，而是對新知識的主動(dòng)構(gòu)建。[27]“智慧狗”人工智能教學(xué)輔助系統(tǒng)啟發(fā)學(xué)習(xí)者自主探究卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特性，學(xué)習(xí)者能夠根據(jù)頁面上各個(gè)關(guān)鍵參數(shù)的小提示自主調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與參數(shù)，完成后對神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督學(xué)習(xí)的訓(xùn)練。根據(jù)訓(xùn)練結(jié)果的反饋，學(xué)習(xí)者可以直觀地得知本次修改的參數(shù)對卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測準(zhǔn)確率具有正面還是負(fù)面影響。學(xué)習(xí)者通過這樣反復(fù)的實(shí)驗(yàn)，最終能夠加深對卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的理解，主動(dòng)地總結(jié)出卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)與各關(guān)鍵參數(shù)的意義，達(dá)到對人工智能知識主動(dòng)構(gòu)建的效果。

（2）強(qiáng)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(qiáng)調(diào)學(xué)習(xí)者自主進(jìn)行人工智能實(shí)驗(yàn)，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(shí)驗(yàn)的過程中通過適當(dāng)?shù)膸椭⒁龑?dǎo)，輔助學(xué)生完成人工智能實(shí)驗(yàn)，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(yàn)，自主搭建、訓(xùn)練、測試、修改卷積神經(jīng)網(wǎng)絡(luò)，完成實(shí)驗(yàn)。[27]

（3）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(yàn)型，在一定程度上還需要感性經(jīng)驗(yàn)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(shí)材料，不斷擴(kuò)大自我知識領(lǐng)域。[28]學(xué)習(xí)過程實(shí)質(zhì)上是大腦對新知識的信息加工過程，而新知識的信息加工依賴于大腦中原有知識的轉(zhuǎn)化與重建。[27]根據(jù)中學(xué)生的認(rèn)知發(fā)展水平及其數(shù)學(xué)知識水平，“智慧狗”人工智能教學(xué)輔助系統(tǒng)提供了卷積神經(jīng)網(wǎng)絡(luò)原理入門微課，避免了大量高等數(shù)學(xué)與線性代數(shù)的公式，用基礎(chǔ)的數(shù)學(xué)知識講授卷積神經(jīng)網(wǎng)絡(luò)的工作原理，確保初中生能夠吸收理解。

（4）情境性

為了能夠更為有效地學(xué)習(xí)，學(xué)習(xí)活動(dòng)需要發(fā)生在真實(shí)的情境中，有助于學(xué)習(xí)者運(yùn)用自身的知識結(jié)構(gòu)解決實(shí)際問題。[27]“智慧狗”人工智能教學(xué)輔助系統(tǒng)能夠調(diào)用計(jì)算機(jī)攝像頭實(shí)現(xiàn)對真實(shí)場景的圖像識別功能，具有一定趣味性，在課堂上能夠引發(fā)學(xué)生的好奇心，有利于教師創(chuàng)設(shè)情境，通過提問、引導(dǎo)幫助學(xué)生思考，開展翻轉(zhuǎn)課堂或項(xiàng)目式教學(xué)。

四、系統(tǒng)架構(gòu)與實(shí)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(jì)與實(shí)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(shí)驗(yàn)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(tái)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(shí)測功能所用。

1.卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與實(shí)驗(yàn)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(gè)已經(jīng)設(shè)計(jì)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(jì)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(shí)戰(zhàn)測試環(huán)節(jié)：系統(tǒng)能夠調(diào)用計(jì)算機(jī)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(yàn)自己搭建的人工智能模型的圖像識別效果。

2.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(tuán)隊(duì)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(jī)器學(xué)習(xí)算法的編程實(shí)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(shí)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(shí)驗(yàn)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(shí)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(shí)驗(yàn)等功能。

五、系統(tǒng)的功能設(shè)計(jì)

在實(shí)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(jì)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(jì)三大主功能，在各主功能下包含各自的子功能。

1.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(huì)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(dòng)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(qiáng)。

2.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。

（1）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(huì)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(dòng)參數(shù)，右側(cè)欄會(huì)實(shí)時(shí)更新當(dāng)前網(wǎng)絡(luò)的具體信息，系統(tǒng)也會(huì)重新計(jì)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(qiáng)，小狗圖像就越接近真實(shí)。

（2）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(fèi)的時(shí)間也越久，但訓(xùn)練次數(shù)不夠可能會(huì)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(gè)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(dòng)擴(kuò)充。當(dāng)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，頁面將會(huì)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(shí)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(shí)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(yàn)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。

（3）實(shí)測范例卷積神經(jīng)網(wǎng)絡(luò)

范例模型功能下的實(shí)測頁面如圖11所示。在實(shí)測功能下，學(xué)習(xí)者可以選擇計(jì)算機(jī)本地存儲(chǔ)的圖片進(jìn)行神經(jīng)網(wǎng)絡(luò)的實(shí)測，也能通過連接計(jì)算機(jī)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(shí)測。卷積神經(jīng)網(wǎng)絡(luò)實(shí)測系統(tǒng)不僅是學(xué)習(xí)者體驗(yàn)人工智能的重要窗口，更是檢驗(yàn)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。

3.自主設(shè)計(jì)功能

自主設(shè)計(jì)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(yùn)用所學(xué)知識從零開始搭建一個(gè)新的卷積神經(jīng)網(wǎng)絡(luò)，培養(yǎng)學(xué)生的創(chuàng)新精神。

（1）自主設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)

如圖12所示，自主設(shè)計(jì)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(jì)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(shí)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(jì)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。

（2）訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)

如圖13所示，自主設(shè)計(jì)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(jì)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(jì)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(yàn)。

（3）實(shí)測卷積神經(jīng)網(wǎng)絡(luò)

自主設(shè)計(jì)功能下的神經(jīng)網(wǎng)絡(luò)實(shí)測頁面與范例模型功能下的神經(jīng)網(wǎng)絡(luò)實(shí)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

1.成效分析

（1）取得的成效

在“互聯(lián)網(wǎng)+”的時(shí)代背景下，為了解決國內(nèi)中學(xué)人工智能教育研究與實(shí)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(jì)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(shí)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(qiáng)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(shí)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(shí)現(xiàn)原理，還給學(xué)習(xí)者提供了完整體驗(yàn)機(jī)器學(xué)習(xí)實(shí)現(xiàn)過程的實(shí)踐機(jī)會(huì)?！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(jì)算機(jī)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(jī)器學(xué)習(xí)，深度學(xué)習(xí)是機(jī)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(dú)立地實(shí)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(dòng)缺少實(shí)踐手段的問題，“智慧狗”系統(tǒng)提供了具體而完整的通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)人工智能的實(shí)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(diǎn)，從零開始創(chuàng)造自己的人工智能。

（2）教學(xué)試驗(yàn)的開展

為了更深入地了解該系統(tǒng)在中學(xué)實(shí)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(gè)班級開展了人工智能試驗(yàn)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(jià)問卷調(diào)查獲取反饋。調(diào)查問卷選取教學(xué)內(nèi)容評價(jià)、教輔工具評價(jià)、學(xué)生未來學(xué)習(xí)方向三個(gè)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α系數(shù)（Cronbach's Alpha）對人工智能試驗(yàn)課程教學(xué)評價(jià)量表的4個(gè)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(gè)維度的克隆巴赫α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(yàn)問卷的結(jié)構(gòu)效度，經(jīng)檢驗(yàn)教學(xué)評價(jià)量表的取樣適當(dāng)性量數(shù)KMO值為0.845，Bartletts球形檢驗(yàn)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(gè)因素，分別對應(yīng)教學(xué)內(nèi)容評價(jià)、教輔工具評價(jià)、學(xué)生未來學(xué)習(xí)方向三個(gè)維度，說明該調(diào)查問卷具有良好的結(jié)構(gòu)效度。

（3）不足之處與改進(jìn)

通過教學(xué)試驗(yàn)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”中學(xué)人工智能教學(xué)輔助系統(tǒng)的以下3點(diǎn)不足之處：

①范例模型功能和自主設(shè)計(jì)功能缺少重要知識點(diǎn)的提示信息。由于卷積神經(jīng)網(wǎng)絡(luò)內(nèi)容難度較高，參數(shù)繁多，學(xué)生通過課前微課視頻的學(xué)習(xí)和課堂中教師的原理講授，也較難在短時(shí)間內(nèi)消化大量人工智能知識，在范例模型功能頁面和自主設(shè)計(jì)功能頁面上為每一個(gè)卷積神經(jīng)網(wǎng)絡(luò)參數(shù)加上標(biāo)簽提示信息，幫助學(xué)習(xí)者鞏固知識是十分必要的。在當(dāng)前版本的“智慧狗”系統(tǒng)中，該項(xiàng)不足已得到改正，范例模型頁面也自主設(shè)計(jì)了頁面中的卷積神經(jīng)網(wǎng)絡(luò)關(guān)鍵參數(shù)，均有懸浮標(biāo)簽提示相關(guān)知識點(diǎn)。

②卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集較小，使學(xué)習(xí)者設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)得不到充分、有效的訓(xùn)練，往往處于欠擬合狀態(tài)。學(xué)習(xí)者運(yùn)用所學(xué)知識經(jīng)過思考搭建了一個(gè)結(jié)構(gòu)合理、具有較高預(yù)測準(zhǔn)確率上限的卷積神經(jīng)網(wǎng)絡(luò)，卻由于訓(xùn)練數(shù)據(jù)集的缺陷造成該神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練效果與實(shí)測效果不佳，不僅會(huì)誤導(dǎo)學(xué)習(xí)者，還會(huì)挫敗學(xué)習(xí)者的積極性，因此擴(kuò)大訓(xùn)練數(shù)據(jù)集、優(yōu)化訓(xùn)練集質(zhì)量是十分必要的。在當(dāng)前版本的“智慧狗”系統(tǒng)中，該項(xiàng)不足已得到改正，訓(xùn)練集圖片已達(dá)到480張，并支持按照格式自定義擴(kuò)充訓(xùn)練集。

③自主設(shè)計(jì)功能不夠靈活，學(xué)習(xí)者每次為卷積神經(jīng)網(wǎng)絡(luò)添加一層隱含層都不能重新修改，若要改動(dòng)搭建的卷積神經(jīng)網(wǎng)絡(luò)中的一個(gè)參數(shù)，只能退出重進(jìn)自主設(shè)計(jì)頁面，從頭開始重新搭建。在當(dāng)前版本的“智慧狗”系統(tǒng)中，該項(xiàng)不足已得到改正，自主設(shè)計(jì)功能支持用戶隨時(shí)撤銷操作重新設(shè)置，并且還添加了卷積神經(jīng)網(wǎng)絡(luò)的保存與導(dǎo)入功能，學(xué)習(xí)者可以保存自己的學(xué)習(xí)成果并進(jìn)行分享交流。

2.未來展望

對于國內(nèi)人工智能教育開展過程中師資力量參差不齊的問題，“智慧狗”項(xiàng)目將開發(fā)兩套分別適用于教師教與學(xué)生學(xué)的完整教學(xué)資源包。如圖14所示，教學(xué)資源包包括教師與學(xué)生通用紙質(zhì)章節(jié)教材，供課堂教學(xué)使用，呈現(xiàn)人工智能相關(guān)圖片、概念、原理以及名詞解釋等內(nèi)容，內(nèi)容方面將根據(jù)不同學(xué)段學(xué)生的認(rèn)知發(fā)展與能力水平選擇位于學(xué)生最近發(fā)展區(qū)內(nèi)的知識內(nèi)容?！皩W(xué)生資源包”包括軟件、軟件說明書、課前使用的視頻微課與學(xué)生自主學(xué)習(xí)手冊、課堂中使用的章節(jié)教材、習(xí)題與自測（含答案）、知識拓展等內(nèi)容，通過將部分內(nèi)容交由學(xué)生課前進(jìn)行自主學(xué)習(xí)，實(shí)現(xiàn)翻轉(zhuǎn)課堂的教學(xué)效果?！敖處熧Y源包”包括教案、教材、教學(xué)大綱、翻轉(zhuǎn)課堂示例、教輔資料以及教學(xué)PPT等，供教師提前了解與掌握人工智能相關(guān)知識，并使教師能夠根據(jù)提供的教學(xué)范例進(jìn)行模仿甚至創(chuàng)新教學(xué)。

參考文獻(xiàn)：

[1]王振強(qiáng).中小學(xué)人工智能教育現(xiàn)狀問題與思考[J].中國現(xiàn)代教育裝備，2019（22）：1-5.

[2]段世飛，龔國欽.國際比較視野下的人工智能教育應(yīng)用政策[J].現(xiàn)代教育技術(shù)，2019（3）：11-17.

[3]鄒蕾，張先鋒.人工智能及其發(fā)展應(yīng)用[J].信息網(wǎng)絡(luò)安全，2012（2）：11-13.

[4]許亞鋒，高紅英.面向人工智能時(shí)代的學(xué)習(xí)空間變革研究[J].遠(yuǎn)程教育雜志，2018（1）：48-60.

[5]賈積有.人工智能賦能教育與學(xué)習(xí)[J].遠(yuǎn)程教育雜志，2018（1）：39-47.

[6]國發(fā)[2017]35號.國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[Z].

[7]教技[2018]3號.教育部關(guān)于印發(fā)《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》的通知[Z].

[8]謝昱，陳映曉.我國中學(xué)人工智能教育狀況的調(diào)查研究[J].未來與發(fā)展，2019，43（12）.

[9]王順曄，王寧，劉大勇，馮越.中小學(xué)人工智能教育現(xiàn)狀調(diào)查及對策研究[J].電腦知識與技術(shù)，2019（33）：129-131.

[10]張丹，崔光佐.中小學(xué)階段的人工智能教育研究[J].現(xiàn)代教育技術(shù)，2020（1）：39-44.

[11]劉永，胡欽曉.論人工智能教育的未來發(fā)展：基于學(xué)科建設(shè)的視角[J].中國電化教育，2020（2）：37-42.

[12]鄭婭峰，傅騫，趙亞寧.我國人工智能教育研究現(xiàn)狀及主題結(jié)構(gòu)分析[J].數(shù)字教育，2020（1）：21-26.

[13]呂婷婷，石志國，冀燕麗.國內(nèi)人工智能教學(xué)研究熱點(diǎn)及趨勢分析[J].高等理科教育，2019（6）：98-107.

[14]閆志明，唐夏夏，秦旋，張飛，段元美.教育人工智能（EAI）的內(nèi)涵、關(guān)鍵技術(shù)與應(yīng)用趨勢——美國《為人工智能的未來做好準(zhǔn)備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報(bào)告解析[J].遠(yuǎn)程教育雜志，2017（1）：26-35.

[15]胡偉.人工智能時(shí)代教師的角色困境及行動(dòng)策略[J].現(xiàn)代大學(xué)教育，2019（5）：79-84.

[16]Department for Digital，Culture，Media & Sport，Department for Business， Energy & Industrial Strategy.Growing the artificial intelligence industry in the UK[DB/OL].https：//www.gov.uk/government/publications/growing-the-artificial-intelligence-industry-in-the-uk.

[17]National Research Foundation.AI Singapore[DB/OL].https：//www.nrf.gov.sg/programmes/artificial-intelligence-r-d-programme.

[18]林昉.義務(wù)教育階段開展人工智能教育的現(xiàn)狀分析與思考[J].中小學(xué)電教，2019（12）：3-6.

[19]劉翀.思維素養(yǎng)視角下的中小學(xué)人工智能教育[A].廣西寫作學(xué)會(huì)教學(xué)研究專業(yè)委員會(huì).2019年教學(xué)研究與教學(xué)寫作創(chuàng)新論壇成果集匯編（二）[C].廣西寫作學(xué)會(huì)教學(xué)研究專業(yè)委員會(huì)，2019：599-601.

[20]徐鵬，王以寧.國內(nèi)人工智能教育應(yīng)用研究現(xiàn)狀與反思[J].現(xiàn)代遠(yuǎn)距離教育，2009（5）：3-5.

[21]余明華，馮翔，祝智庭.人工智能視域下機(jī)器學(xué)習(xí)的教育應(yīng)用與創(chuàng)新探索[J].遠(yuǎn)程教育雜志，2017（3）：11-21.

[22]周飛燕，金林鵬，董軍.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2017（6）：1229-1251.

[23]李彥冬，郝宗波，雷航.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)應(yīng)用，2016（9）：2508-2515，2565.

[24]盧宏濤，張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用研究綜述[J].數(shù)據(jù)采集與處理，2016（1）：1-17.

[25]張順，龔怡宏，王進(jìn)軍.深度卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在計(jì)算機(jī)視覺領(lǐng)域的應(yīng)用[J].計(jì)算機(jī)學(xué)報(bào)，2019（3）：453-482.

[26]楊琳琳，孟高旺.以生為本，構(gòu)建建構(gòu)主義大學(xué)英語口語教學(xué)新模式[J].宿州學(xué)院學(xué)報(bào)，2008（3）：146-148.

[27]趙樂華，任毅.啟發(fā)式教學(xué)方法與建構(gòu)主義學(xué)習(xí)理論[J].中國地質(zhì)教育，2009，18（1）：140-142.

[28]王丹璇.海南省高中地理研學(xué)旅行資源開發(fā)利用的研究[D].南昌：江西師范大學(xué)，2019.

（編輯：王天鵬）