讓學(xué)生真正理解數(shù)據(jù)、算法和算力

謝作如 方建文

【摘 要】本文在分析當(dāng)前人工智能教育現(xiàn)狀和問題的基礎(chǔ)上，提出“新一代人工智能教育”這一名詞，明確了教學(xué)目標(biāo)和內(nèi)容，并提出“融入信息科技課程”和“結(jié)合科創(chuàng)活動(dòng)開展”兩條實(shí)施建議，最后對(duì)現(xiàn)有的教學(xué)資源做了介紹。

【關(guān)鍵詞】新一代人工智能教育；深度學(xué)習(xí)；資源

【中圖分類號(hào)】G434? ?【文獻(xiàn)標(biāo)識(shí)碼】A

【論文編號(hào)】1671-7384（2023）06-008-03

近年來人工智能技術(shù)突飛猛進(jìn)，各種應(yīng)用不斷刷新人們的想象力。從ImageNet大賽中計(jì)算機(jī)視覺超過人眼識(shí)別，到以ChatGPT為代表的AIGC技術(shù)，人工智能逐步成為推動(dòng)生產(chǎn)力發(fā)展的新工具。與人工智能的快速發(fā)展幾乎同步，中小學(xué)人工智能教育也受到越來越多人的關(guān)注。2017年發(fā)布的高中信息技術(shù)新課標(biāo)在必修模塊中增加了“人工智能”的內(nèi)容，2022年發(fā)布的義務(wù)教育信息科技課標(biāo)也將人工智能作為重要的學(xué)習(xí)內(nèi)容。但是我們必須看到，不同領(lǐng)域不同行業(yè)對(duì)“人工智能”這一名詞的理解并不一致。絕大多數(shù)的信息技術(shù)教師對(duì)人工智能的理解目前還停留在專家系統(tǒng)、知識(shí)圖譜和搜索推理階段。自人工智能誕生以來，無論是AlphaGo還是ChatGPT，引發(fā)人們熱議的技術(shù)突破幾乎都源自神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。正是因?yàn)樯疃葘W(xué)習(xí)的出色表現(xiàn)，算力、算法和數(shù)據(jù)才被稱為人工智能時(shí)代的“三駕馬車”。國(guó)務(wù)院在2017年發(fā)布的《新一代人工智能發(fā)展規(guī)劃》（以下簡(jiǎn)稱《規(guī)劃》）中指出“人工智能發(fā)展進(jìn)入新階段”[1]。以李德毅、潘云鶴等為代表的專家，也在多個(gè)場(chǎng)合呼吁“新一代人工智能”。因而，中小學(xué)的人工智能教育也將走向以深度學(xué)習(xí)技術(shù)為代表的“新一代人工智能教育”。

教什么：新一代人工智能教育的目標(biāo)和內(nèi)容

1.新一代人工智能教育的學(xué)習(xí)目標(biāo)

從大視角看，人工智能教育至少有兩個(gè)目標(biāo)：一是培養(yǎng)適應(yīng)人工智能時(shí)代的人才，二是培養(yǎng)能研發(fā)人工智能的人才[2]。二者都需要堅(jiān)信：只有做到“人機(jī)共智”，才能更好地適應(yīng)未來。那么，僅僅靠說教和體驗(yàn)是低效的，最好的做法莫過于“親歷”。當(dāng)學(xué)生真正地采集數(shù)據(jù)、整理數(shù)據(jù)，然后用訓(xùn)練模型的方式解決某些真實(shí)問題，也就是親歷了智能“從無到有”的全部流程，才會(huì)理解數(shù)據(jù)、算法和算力對(duì)人工智能的重要意義，獲得價(jià)值體認(rèn)。

為了區(qū)分這種面向新一代人工智能的教育和其他寬泛的人工智能教育，筆者參考《規(guī)劃》提出“新一代人工智能教育”一詞，并且將其教育目標(biāo)劃分為三個(gè)層次：（1）通過對(duì)各種智能應(yīng)用系統(tǒng)的體驗(yàn)和典型人工智能實(shí)驗(yàn)活動(dòng)的開展，認(rèn)識(shí)和感受人工智能的魅力，了解人工智能發(fā)展的現(xiàn)狀，知道用人工智能解決問題的主要方法和流程，認(rèn)識(shí)智能社會(huì)帶來的新機(jī)遇與新挑戰(zhàn)；（2）了解用機(jī)器模擬人類智能的主要方法，了解常見的人工智能實(shí)現(xiàn)技術(shù)和算法，通過全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)等典型人工智能實(shí)驗(yàn)，理解數(shù)據(jù)、算法和算力是人工智能的三大技術(shù)基礎(chǔ)；（3）通過收集數(shù)據(jù)、訓(xùn)練模型的方式解決身邊問題，并結(jié)合編程、物聯(lián)網(wǎng)等技術(shù)搭建簡(jiǎn)單智能應(yīng)用，理解人工智能發(fā)展必須遵循的倫理道德規(guī)范，理解人工智能與數(shù)學(xué)等學(xué)科的密切聯(lián)系。

2.新一代人工智能教育的學(xué)習(xí)內(nèi)容

當(dāng)“智能”可以通過“喂養(yǎng)”數(shù)據(jù)而獲得，人工智能的技術(shù)門檻開始“降維”。從人工智能三大研究流派的發(fā)展來看，機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的應(yīng)用門檻最低，與產(chǎn)業(yè)結(jié)合最為緊密。只要擁有足夠豐富的數(shù)據(jù)，借助算力和開源算法，訓(xùn)練AI模型不過是流程化的操作。換句話說，只要掌握了機(jī)器學(xué)習(xí)的流程，即使不了解背后的數(shù)學(xué)原理，甚至不熟悉編程，人人也都能用人工智能來解決問題。因而，新一代人工智能教育重點(diǎn)關(guān)注機(jī)器學(xué)習(xí)的方法和流程，具體學(xué)習(xí)內(nèi)容可以分為四個(gè)方面：（1）人工智能的原理和機(jī)器學(xué)習(xí)流程；（2）訓(xùn)練數(shù)據(jù)的采集、編碼和整理；（3）人工智能模型的訓(xùn)練和參數(shù)調(diào)整；（4）人工智能模型的部署和應(yīng)用開發(fā)。

事實(shí)上，深度學(xué)習(xí)相關(guān)實(shí)驗(yàn)活動(dòng)的開展肯定離不開對(duì)數(shù)據(jù)和編碼的理解，以及程序設(shè)計(jì)基本能力的掌握。其中，人工智能模型的多模態(tài)交互則與過程控制的聯(lián)系非常密切?？紤]到中小學(xué)已經(jīng)有了信息科技和信息技術(shù)課程標(biāo)準(zhǔn)，無論是數(shù)據(jù)編碼、程序設(shè)計(jì)還是開源硬件和物聯(lián)網(wǎng)，都屬于課程標(biāo)準(zhǔn)中最重要的學(xué)習(xí)內(nèi)容，那么新一代人工智能教育的學(xué)習(xí)內(nèi)容就可以聚焦在數(shù)據(jù)集的整理及模型的搭建、選擇、訓(xùn)練和部署上。

怎么教：新一代人工智能教育的實(shí)施路徑

1.融入信息科技課程

高中信息技術(shù)課程“人工智能初步”模塊在“教學(xué)提示”中強(qiáng)調(diào)：充分利用豐富的開源硬件和人工智能應(yīng)用框架等資源，搭建面向?qū)嶋H生活的應(yīng)用場(chǎng)景，發(fā)揮學(xué)生的自主學(xué)習(xí)與探究學(xué)習(xí)能力，鼓勵(lì)學(xué)生積極探究、大膽實(shí)踐，激發(fā)學(xué)生的創(chuàng)新思維?？梢钥闯?，課標(biāo)組專家已經(jīng)清晰地看到人工智能的發(fā)展趨勢(shì)，并在“怎么教”方面做了有效的指導(dǎo)，即開展實(shí)踐，關(guān)注真實(shí)問題解決。

在課標(biāo)修訂和教材編寫的時(shí)期，深度學(xué)習(xí)的開發(fā)技術(shù)還高高在上，編程學(xué)習(xí)復(fù)雜且工具過于專業(yè)，導(dǎo)致中小學(xué)的教材或者課堂幾乎看不到與模型訓(xùn)練相關(guān)的內(nèi)容，尤其是缺少通過采集數(shù)據(jù)訓(xùn)練模型的方式解決問題的課例。以浙江教育出版社的教材必修1模塊編寫為例，人工智能章節(jié)的實(shí)踐活動(dòng)最早的設(shè)計(jì)是調(diào)用百度AI開放平臺(tái)，后來被浙江大學(xué)的吳飛教授團(tuán)隊(duì)修改為在Tensorflow playground上搭建神經(jīng)網(wǎng)絡(luò)。上海華東師范大學(xué)出版社的教材因?yàn)榫帉憰r(shí)間最遲，其“人工智能初步”模塊有一個(gè)章節(jié)的“深度學(xué)習(xí)”，而其他出版社的教材在深度學(xué)習(xí)方面的比重就明顯不足。

教材是課標(biāo)的重要載體，對(duì)于日新月異、高速發(fā)展的信息技術(shù)來說，教師照本宣科顯然是不負(fù)責(zé)任的。教師需要適度更換教材中的案例，例如將傳統(tǒng)機(jī)器學(xué)習(xí)案例更換為拍攝寵物、玩具之類的照片，然后進(jìn)行分類會(huì)更加有趣。借助MMEdu之類的工具做圖像分類，是很容易實(shí)現(xiàn)的事情。小學(xué)生可以用圖形化的界面體驗(yàn)，中學(xué)生則可以用不足10行的Python代碼完成模型訓(xùn)練和推理[3]。同時(shí)，借助pinpong、siot庫，搭建人工智能應(yīng)用實(shí)現(xiàn)多模態(tài)交互，也是非常容易實(shí)現(xiàn)的。

2.結(jié)合科創(chuàng)活動(dòng)開展

科創(chuàng)活動(dòng)是中小學(xué)跨學(xué)科學(xué)習(xí)活動(dòng)最典型的代表，成為當(dāng)前學(xué)有余力學(xué)生的一種重要選擇。新一代人工智能教育強(qiáng)調(diào)的是用人工智能來解決問題，就如現(xiàn)在學(xué)生使用各種開源硬件、編程工具、數(shù)據(jù)處理工具來做科創(chuàng)活動(dòng)一樣。這種融合人工智能技術(shù)的科技創(chuàng)新活動(dòng)可以分為三個(gè)主要類別。（1）AI+科研。有科學(xué)家提出“科學(xué)智能+機(jī)器猜想”將成為新的科研發(fā)現(xiàn)范式。在瓦特和牛頓時(shí)代，科學(xué)研究大都采用的是肉眼觀察或者頓悟的方式。而現(xiàn)在數(shù)據(jù)探究已經(jīng)成為科研活動(dòng)最常用的手段。人工智能技術(shù)能幫助研究者解決一些重復(fù)繁瑣的數(shù)據(jù)整理工作，值得學(xué)生們?nèi)?yīng)用發(fā)現(xiàn)。（2）AI+工程。人工智能一直是創(chuàng)客們關(guān)注的技術(shù)方向。人工智能技術(shù)的普及將推動(dòng)中小學(xué)開源硬件逐步走向卡片電腦，如樹莓派、虛谷號(hào)和行空板等。這些內(nèi)置了Linux系統(tǒng)的控制板，能夠流暢運(yùn)行如TensorFlow、Pytorch之類的算法框架，支持絕大多數(shù)的Python擴(kuò)展庫[4]。學(xué)生在原來的創(chuàng)客項(xiàng)目中增加人工智能已經(jīng)越來越方便了。（3）AI+藝術(shù)。人工智能不僅是解決問題的工具。作為藝術(shù)與科技結(jié)合最典型的代表——交互藝術(shù)更是融入了越來越前沿的技術(shù)。隨著生成對(duì)抗網(wǎng)絡(luò)和擴(kuò)散模型的普及，生成圖像、圖片上色、藝術(shù)風(fēng)格遷移等各種有趣的藝術(shù)應(yīng)用不斷出現(xiàn)。

資源：新一代人工智能學(xué)習(xí)工具

要實(shí)施新一代人工智能教育內(nèi)容并達(dá)成目標(biāo)，離不開各種教學(xué)資源的支持。除了一系列人工智能項(xiàng)目和課程外，還需要低門檻、可應(yīng)用的人工智能學(xué)習(xí)和開發(fā)工具。

1.AI學(xué)習(xí)平臺(tái)

為了降低初學(xué)者搭建AI環(huán)境的技術(shù)門檻，一些企業(yè)和機(jī)構(gòu)推出了部署在云端的學(xué)習(xí)或者開發(fā)平臺(tái)，如谷歌的Teachable Machine、百度的EasyDL、華為的ModelArts、浙大的Mo平臺(tái)等。浦育（OpenInnoLab）是上海人工智能實(shí)驗(yàn)室智能教育中心開發(fā)的青少年AI學(xué)習(xí)平臺(tái)，這個(gè)平臺(tái)集成了數(shù)據(jù)標(biāo)注、模型訓(xùn)練、項(xiàng)目分享等功能。其中，模型訓(xùn)練還分為Web前端和Docker技術(shù)兩種。只要有瀏覽器，就能開展一系列的AI項(xiàng)目學(xué)習(xí)和實(shí)踐。尤其是Docker中提供了內(nèi)存為6G的GPU容器，讓初學(xué)者能夠真實(shí)體驗(yàn)算力對(duì)人工智能模型的重要意義。

2.AI學(xué)習(xí)工具

深度學(xué)習(xí)的開發(fā)工具雖然很多，但Tensorflow和PyTorch是迄今為止最受歡迎的兩個(gè)開發(fā)框架，擁有豐富的API、廣闊的用戶群體，廣泛用于學(xué)術(shù)研究和商業(yè)應(yīng)用。對(duì)于中小學(xué)教育來說，Tensorflow和PyTorch的編程難度都太高，等到Keras的出現(xiàn)，編程難度才開始得到降低。目前高中教材中的人工智能項(xiàng)目基本上采用的是Keras。2022年，上海人工智能實(shí)驗(yàn)室發(fā)布了開箱即用的深度學(xué)習(xí)開發(fā)工具XEdu，引起了中小學(xué)教育領(lǐng)域的關(guān)注。XEdu的核心工具為MMEdu，繼承了OpenMMLab強(qiáng)大功能的同時(shí)，實(shí)現(xiàn)了一鍵部署編程環(huán)境，讓初學(xué)者通過簡(jiǎn)潔的代碼完成各種SOTA模型的訓(xùn)練，并能夠快速搭建出AI應(yīng)用系統(tǒng)。此外，XEdu還增加了能夠自定義網(wǎng)絡(luò)模型的BaseNN、傳統(tǒng)機(jī)器學(xué)習(xí)庫BaseML和數(shù)據(jù)處理工具BaseDT等模塊，成為中小學(xué)應(yīng)用最廣泛的AI學(xué)習(xí)工具。

3.其他輔助工具

AI開發(fā)工具僅僅完成了模型訓(xùn)練，而要解決一個(gè)真實(shí)問題，形成一個(gè)智能應(yīng)用系統(tǒng)，還需要結(jié)合其他技術(shù)工具。從應(yīng)用系統(tǒng)的“輸入—處理—輸出”這三大環(huán)節(jié)看，模型推理完成的是前兩個(gè)環(huán)節(jié)，“輸出”環(huán)節(jié)是指根據(jù)識(shí)別結(jié)果執(zhí)行相應(yīng)的動(dòng)作，即控制。以設(shè)計(jì)一個(gè)看到小朋友微笑會(huì)擺擺手并打招呼的微笑機(jī)器人為例，除了需要訓(xùn)練一個(gè)能識(shí)別微笑表情的AI模型外，還需要很多相關(guān)工具：一個(gè)實(shí)時(shí)獲取攝像頭畫面的工具，如OpenCV；一個(gè)能夠驅(qū)動(dòng)舵機(jī)的軟硬件工具[5]，如pingpong和掌控板；一個(gè)能夠部署這個(gè)AI應(yīng)用的迷你電腦，如拿鐵熊貓；一個(gè)語音合成工具，如Pyttsx等。

當(dāng)然，中小學(xué)生開發(fā)的AI應(yīng)用往往需要部署在一些迷你電腦上，能夠運(yùn)行Linxu系統(tǒng)的開源硬件就成為最常見的選擇，如Jetson Nano、樹莓派、虛谷號(hào)和行空板等。這些硬件的性能和價(jià)格都不一樣，可以根據(jù)具體的需求做出選擇。

結(jié)語：讓青少年在智能時(shí)代無懼前行

ChatGPT爆火以來，大數(shù)據(jù)模型中的智能“涌現(xiàn)”現(xiàn)象引起了科學(xué)家們的強(qiáng)烈興趣。也就是說，當(dāng)數(shù)據(jù)的訓(xùn)練量超過某個(gè)閾值的時(shí)候，模型的精度會(huì)突然暴增[6]。深度學(xué)習(xí)的黑匣子效應(yīng)讓很多人恐懼——無法解釋“智能”從何而來，模型從數(shù)據(jù)中學(xué)到了什么。當(dāng)人們很難預(yù)測(cè)人工智能的下一個(gè)突破點(diǎn)時(shí)，后續(xù)研究也面臨向左走還是向右走的選擇。

只有越來越多的人了解人工智能，人工智能才能成為更多人的學(xué)習(xí)工作伙伴或者工具，促使技術(shù)的發(fā)展走向?qū)θ后w有益的方向。人工智能在消滅一些職業(yè)的同時(shí)，一定會(huì)產(chǎn)生新的職業(yè)。而如何讓青少年勝任這些新的職業(yè)，面對(duì)未來無懼前行，則需要新一代人工智能教育的大面積普及。讓我們與時(shí)俱進(jìn)，更新工具，一起擁抱新一代人工智能教育，真正理解數(shù)據(jù)、算法和算力吧。

參考文獻(xiàn)

國(guó)務(wù)院. 國(guó)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[DB/OL]. [2017-07-20]（2023-04-20）. http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

梁森山，王陽，劉軍，李洪剛，丁一秋，樊磊，黃桂晶，方海光，秦曾昌，謝作如，管雪沨，馬濤，吳俊杰，房樺. 尋味人工智能教育： 祛魅之下的實(shí)踐與思考[J]. 中國(guó)信息技術(shù)教育，2018（2）： 4-11.

吳俊杰，戴娟，謝作如. 中小學(xué)AI教育需要怎樣的學(xué)習(xí)工具[J]. 中國(guó)信息技術(shù)教育，2022（12）： 4-10.

[5] 謝作如. 用新一代人工智能技術(shù)解決真實(shí)問題——談中小學(xué)AI科創(chuàng)活動(dòng)的開展[J]. 中國(guó)信息技術(shù)教育，2022（13）： 5-8.

Wei J， Tay Y， Bommasani R， et al. Emergent abilities of large language models[J].arXiv preprint arXiv：2206.07682， 2022. https：//doi.org/10.48550/arXiv.2206.07682.