明確基本特征，了解核心算法

李維明

《普通高中信息技術課程標準（2017年版2020修訂）》（以下簡稱《課標》）要求，通過人工智能基礎部分的學習，“學生應該了解人工智能的發展歷程及概念，能描述典型人工智能算法的實現過程”。所以，對本單元的教學可以從人工智能的基本概念入手，了解人工智能典型的核心算法，并借用案例，讓學生在體驗中習得。

● 明確人工智能的基本特征

人工智能的定義是什么？這個問題長期以來并沒有統一的說法，從1950年的圖靈測試，到1956年的達特茅斯會議，都沒有形成一個共識。但其討論的“用機器來模擬人類的學習及其他方面的智能活動”的話題卻成為“人工智能”這個詞的來源。《2021人工智能發展白皮書》將人工智能定義為：“人工智能是指研究、模擬人類智能的理論、方法、技術及應用系統的一門技術科學，其使用機器代替人類實現認知、識別、分析、決策等功能，其本質是對人的意識和思想的信息過程的模擬。”這應該是目前對人工智能的最適切的定義。

人工智能有三大基本特征：人工智能是由人類設計、為人類服務的，其本質為計算，基礎為數據;人工智能能感知環境，能產生反應，能與人交互，能與人互補;人工智能有適應特性，有學習能力，有演化迭代，有連續擴展。

從根本上說，人工智能系統必須以人為本，這些系統是人類設計出的機器，按照人類設定的程序邏輯或軟件算法通過人類發明的芯片等硬件載體來運行或工作，其本質體現為計算，通過對數據的采集、加工、處理、分析和挖掘，形成有價值的信息流和知識模型，來為人類提供延伸人類能力的服務，來實現對人類期望的一些“智能行為”的模擬，在理想情況下必須體現服務人類的特點，而不應該傷害人類，特別是不應該有目的性地做出傷害人類的行為。

人工智能系統應能借助傳感器等器件產生對外界環境（包括人類）進行感知的能力，可以像人一樣通過聽覺、視覺、嗅覺、觸覺等接收來自環境的各種信息，對外界輸入產生文字、語音、表情、動作（控制執行機構）等必要的反應，甚至影響到環境或人類。借助于按鈕、鍵盤、鼠標、屏幕、手勢、體態、表情、力反饋、虛擬現實/增強現實等方式，人與機器間可以產生交互與互動，使機器設備越來越“理解”人類乃至與人類共同協作、優勢互補。這樣，人工智能系統能夠幫助人類做人類不擅長、不喜歡但機器能夠完成的工作，而人類則適合于去做更需要創造性、洞察力、想象力、靈活性、多變性乃至用心領悟或需要感情的一些工作。

人工智能系統在理想情況下應具有一定的自適應特性和學習能力，即具有一定的隨環境、數據或任務變化而自適應調節參數或更新優化模型的能力，并且能夠在此基礎上通過與云、端、人、物越來越廣泛深入的數字化連接擴展，實現機器客體乃至人類主體的演化迭代，以使系統具有適應性、魯棒性、靈活性、擴展性，來應對不斷變化的現實環境，從而使人工智能系統在各行各業產生豐富的應用。

● 了解人工智能的核心算法

《課標》要求學生要“了解人工智能的核心算法，熟悉智能技術應用的基本過程和實現原理”，這“核心算法”是指什么呢？《課標》里舉了兩個例子：啟發式搜索、決策樹。

要了解“啟發式搜索”算法，首先應知道什么是搜索算法。搜索算法是利用計算機的高性能來有目的地窮舉一個問題解空間的部分或所有的可能情況，從而求出問題的解的一種方法。現階段一般有枚舉算法、深度優先搜索、廣度優先搜索、A*算法、散列函數等算法。在大規模實驗環境中，通常通過在搜索前根據條件降低搜索規模、根據問題的約束條件進行剪枝、利用搜索過程中的中間解避免重復計算這幾種方法進行優化。

具體來說，搜索算法就是根據初始條件和擴展規則構造一棵“解答樹”并尋找符合目標狀態的節點的過程。從最終的算法實現上來看，可以將其劃分成兩個部分——控制結構（擴展節點的方式）和產生系統（擴展節點），而其算法優化和改進是通過修改其控制結構來完成的。在這樣的過程中，將一個具體的問題抽象成了一棵樹，這就是搜索樹。

搜索樹的初始狀態對應著根結點，目標狀態對應著目標結點。排在前的結點叫父結點，其后的結點叫子結點，同一層中的結點是兄弟結點，由父結點產生子結點叫擴展。完成搜索的過程就是找到一條從根結點到目標結點的路徑，找出一個最優的解。這種搜索算法的實現類似于圖或樹的遍歷，通常可以有兩種不同的實現方法，即深度優先搜索和廣度優先搜索。

而啟發式搜索算法，就是在狀態空間中的搜索對每一個搜索的位置進行評估，得到最好的位置，再從這個位置進行搜索直到目標。例如，A*算法就是利用問題的規則和特點來制訂一些啟發規則，由此來改變節點的擴展順序，將最有希望擴展出最優解的節點優先擴展，從而可以盡快地找到最優解。

決策樹是一種基本的分類與回歸方法，其本質是通過一系列規則對數據進行分類的過程。決策樹算法首先對數據進行處理，利用歸納算法生成可讀的規則和決策樹，然后使用決策對新數據進行分析。決策樹模型呈樹形結構，在分類問題中，表示基于特征對實例進行分類的過程。決策樹算法是一種逼近離散函數值的方法，是一種典型的分類方法。

當然，人工智能涉及的算法遠不止這些，但了解了這兩種基本的核心算法，對其他算法的理解以及對人工智能的算法實現也就有了初步的感受，這對繼續深入地了解人工智能實現的基本原理大有幫助。

● 教學策略

對于本單元的教學，《課標》給出了明確的策略：“在學習有關人工智能基礎知識方面的內容時，可多采用案例剖析法，讓學生在模仿中習得，在創造中推新。盡可能利用學生在必修、選擇性必修等課程學習中已取得的經驗，降低學習障礙，保證學習效果。”

為此，不同的教材給出了不同的案例幫助開展學習活動。例如，人教-中圖版教材對決策樹的認識就從“小明會推薦媽媽買哪款手機”入手，根據媽媽購買手機的需求構建一棵“手機選擇決策樹”，從而認識典型決策樹的“決策點”“分支”“終結點”等要素，引出構造決策樹的“收集數據”“準備數據”“訓練算法”“測試算法”“使用算法”的一般流程，最終讓學生在了解中習得。又如，滬科教版的教材設計項目活動“讓智能車自動規劃路徑”，“用人工智能實現路徑規劃”“預測交通流量”，并“根據路況進行智能決策”，“搜索最佳路線”，從而使學生通過這些活動，逐步認識、理解決策算法、搜索及啟發式搜索的基本思路和方法，構建決策樹最終幫助實現決策，以找到最佳路線。

人工智能基礎是學生進入智能世界的大門，運用正確的方法、建立正確的概念、形成正確的觀念是本單元教學的基本思路，對具體案例的體驗和模仿是實施教學的基本路徑，如果能借助人工智能發展的歷史案例進行教學，一定會獲得更好的效果。