以學(xué)生為中心的初中人工智能課程的教學(xué)研究

趙瑩瑩

【摘 要】本文將復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò)內(nèi)容化繁為簡，將理論講解部分設(shè)置為不同的師生互動環(huán)節(jié)，激發(fā)學(xué)生對人工智能的興趣。在實(shí)踐應(yīng)用環(huán)節(jié)引導(dǎo)學(xué)生將人工智能技術(shù)應(yīng)用于身邊的生活，讓課程更適合學(xué)生，增強(qiáng)學(xué)生的信息意識和社會責(zé)任感。

【關(guān)鍵詞】卷積神經(jīng)網(wǎng)絡(luò);人臉性別識別;人工智能;課程設(shè)計

【中圖分類號】G434? 【文獻(xiàn)標(biāo)識碼】A

【論文編號】1671-7384（2022）01-057-03

教學(xué)案例背景

目前在初中開設(shè)人工智能課程存在諸多問題，其中最重要的是人工智能的核心算法對數(shù)學(xué)知識要求較高，如果在教學(xué)中過多地提到函數(shù)、矩陣、求導(dǎo)等概念，不但初中生理解不了，還會造成學(xué)業(yè)負(fù)擔(dān)，挫傷學(xué)生的學(xué)習(xí)熱情。如何把復(fù)雜的數(shù)學(xué)問題轉(zhuǎn)化為初中學(xué)生可以理解的人工智能概念，成為教學(xué)最大的難題。

教學(xué)案例主題

《人工智能與生活》是北京市第五中學(xué)分校的校本課程，單元主題為基于卷積神經(jīng)網(wǎng)絡(luò)的人臉性別識別，以分類小助手為項(xiàng)目實(shí)踐目標(biāo)，單元課程分為四個課時。本文以大單元中的核心概念卷積神經(jīng)網(wǎng)絡(luò)為例，探討把人工智能的基礎(chǔ)概念和原理以通俗易懂的方式講解，讓學(xué)生掌握并能夠應(yīng)用到生活實(shí)踐中。

案例描述

1.情境引入環(huán)節(jié)

這個環(huán)節(jié)我讓學(xué)生根據(jù)記憶畫出100元人民幣的正面。學(xué)生畫一分鐘，老師20秒給答案，反復(fù)二次，最后鄰座同學(xué)進(jìn)行互評，每提取到一個重要特征加一分。學(xué)生開始的時候有點(diǎn)懵，畢竟在數(shù)字時代，很多學(xué)生都是刷碼支付了，但是大多數(shù)學(xué)生能夠基本提取出毛主席頭像和100元數(shù)字單位這兩個重要特征。后來我給學(xué)生展示20秒人民幣的圖片時，學(xué)生都抓緊記錄關(guān)鍵特征。我看到有些學(xué)生把“中國人民銀行”這六個字簡單記錄了位置并縮略寫上了“中國”兩個字，等我再次切走屏幕憑記憶畫人民幣的時候，學(xué)生已經(jīng)能夠畫出大部分的特征。

這個課堂活動起到了承上啟下的作用。學(xué)生對自己畫的人民幣做反復(fù)修改類似于之前課堂上學(xué)到的全連接網(wǎng)絡(luò)里反向傳播的過程，學(xué)生反復(fù)提取人民幣上重要特征的過程類似于卷積神經(jīng)網(wǎng)絡(luò)中正向做卷積的過程，通過這個環(huán)節(jié)對后面卷積概念的講解做出鋪墊。

2.為什么要做卷積？

我首先讓學(xué)生做一個計算題，使其感受全連接網(wǎng)絡(luò)運(yùn)算量的巨大，并說：“這是我拍的一張圖片，我查了一下像素為3648*2736，如果要把它輸入到全連接神經(jīng)網(wǎng)絡(luò)中，且隱藏層的第一層有1000個神經(jīng)元，那么隱藏層的第一層會有多少個連接呢？3648*2736*1000=9980928000，這是一個彩色圖片，數(shù)字還得乘以3，數(shù)量巨大，說明了機(jī)器在學(xué)習(xí)的過程中需要調(diào)整的參數(shù)量巨大，就會給訓(xùn)練帶來問題，怎么解決呢？”以此讓學(xué)生了解利用卷積的重要目的是為了降低訓(xùn)練的難度。

接著我引導(dǎo)學(xué)生從圖片的特點(diǎn)入手。第一種方法是以熊貓的圖像識別為例分析如何降低訓(xùn)練的難度：“一張圖片的像素多，但是圖片上的一些特征像素要比整張圖片少得多，就像剛才畫人民幣時，也是提取到一些關(guān)鍵特征，而省略了一些次要信息。第二種方法，可以讓圖片變小，縮放的圖片并不會影響你來判斷他是一只熊貓，但是縮放后的圖片像素變少，連接變少，參數(shù)就會變少，模型的訓(xùn)練就會相對容易了。”

卷積的過程利用了第一種方法，提取特征。因?yàn)閳D片上的一些特征像素要比整張圖片少得多。池化的過程是利用對圖片進(jìn)行縮放不會改變圖像中的物體。通過反復(fù)的卷積和池化再放進(jìn)全連接神經(jīng)網(wǎng)絡(luò)后，這樣訓(xùn)練的難度就降低很多。

3.計算體驗(yàn)—卷積的方法

卷積是卷積神經(jīng)網(wǎng)絡(luò)的精髓。首先我講解什么是卷積：“這是一個5*5 像素的圖片（圖1），這是一個3*3的卷積核（表1），卷積核是什么呢？就像特征檢測器，目的是探測圖片里的一些小的特征。一個卷積神經(jīng)網(wǎng)絡(luò)模型里可以有很多卷積核，通過不同的卷積核去探測不同的圖片特征。卷積核里面的數(shù)值是怎么來的呢？是通過機(jī)器學(xué)習(xí)，不斷調(diào)整參數(shù)訓(xùn)練得來的。那么，卷積核怎么去探測特征呢？算法是什么呢？就是對應(yīng)位置相乘再相加?！蔽乙龑?dǎo)學(xué)生一起算卷積核滑動到初始位置時卷積運(yùn)算的結(jié)果。把滑動卷積核算出的第二個位置和第三個位置的結(jié)果填在卷積運(yùn)算結(jié)果（表2）里。

4.直觀體驗(yàn)—卷積的效果

引導(dǎo)學(xué)生打開卷積計算的可視化網(wǎng)站（如圖2所示），體驗(yàn)原圖像和卷積核相乘相加后得到的圖像之間的關(guān)系，讓學(xué)生更直觀地看出提取特征的圖片與原圖片的區(qū)別，以理解卷積核提取特征的過程原理。

5.猜算法—最大池化

出示一張圖片的原始像素值和最大池化運(yùn)算后的值，引導(dǎo)學(xué)生猜一猜最大池化的算法是什么。學(xué)生們很快就找到了規(guī)律，積極舉手說：“就是相鄰四個像素取最大值”。這時我說：“最大池化可以比喻為一個小池子，把里面最大的值給拿出來。原來4*4的圖像，變成了一個2*2的圖像，起到了一個圖像縮放的效果。”

到這個時候，卷積神經(jīng)網(wǎng)絡(luò)中的核心概念就講清楚了，這時我出示一張卷積神經(jīng)網(wǎng)絡(luò)的概念圖進(jìn)行總結(jié)：“卷積神經(jīng)網(wǎng)絡(luò)是幾輪的卷積和池化，它形成了一個新的圖像，把這個新的圖像輸入到全連接的網(wǎng)絡(luò)中去，這樣訓(xùn)練的效率就能提高了。所以，整個過程就是一個正向卷積、反向傳播的過程?！?/p>

6. 總結(jié)提升

我引導(dǎo)學(xué)生通過微課，自主學(xué)習(xí)利用IAI軟件訓(xùn)練一個可以對人臉照片進(jìn)行男女二分類的卷積神經(jīng)網(wǎng)絡(luò)模型，并測試訓(xùn)練效果。在實(shí)踐環(huán)節(jié)測試模型訓(xùn)練的時候，有的學(xué)生發(fā)現(xiàn)識別結(jié)果有錯誤，我引導(dǎo)學(xué)生從訓(xùn)練數(shù)據(jù)角度理解錯誤的原因，體驗(yàn)人工智能技術(shù)中大數(shù)據(jù)的重要性。我強(qiáng)調(diào)：“咱們的數(shù)量和數(shù)據(jù)種類有限，而且照片經(jīng)過了黑白處理，大小也進(jìn)行了統(tǒng)一限制，所以咱們用這些數(shù)據(jù)訓(xùn)練出來的模型在識別照片的時候具有局限性。咱們課上訓(xùn)練的模型水平好比是小學(xué)一年級的學(xué)生，而曠視科技主頁上模型的水平則是大學(xué)畢業(yè)生，大學(xué)生在某些方面要比小學(xué)生更見多識廣一些，還有其他的原因嗎？感興趣的同學(xué)可以思考一下，從算法還有搭建網(wǎng)絡(luò)的參數(shù)方面去考慮上面局限性的問題?！?/p>

案例反思

信息技術(shù)教師應(yīng)保持對科技的敏感度。信息技術(shù)更新迭代快，相關(guān)教師應(yīng)該走在科技的前沿，關(guān)注科技發(fā)展，建立終身學(xué)習(xí)理念。人工智能內(nèi)容復(fù)雜且有難度，教師要積極參加各類培訓(xùn)，或在互聯(lián)網(wǎng)上學(xué)習(xí)，要建立對人工智能整體概念的認(rèn)知，并結(jié)合新課標(biāo)要求，篩選適合學(xué)生學(xué)習(xí)的課程內(nèi)容。

人工智能課程的內(nèi)容可深可淺，課程內(nèi)容應(yīng)化繁為簡成體系。教師應(yīng)該充分考慮到學(xué)生的知識儲備，做好學(xué)情調(diào)研。在課程實(shí)施過程中，在涉及到跨學(xué)科內(nèi)容時，要在課堂上設(shè)置對應(yīng)的教學(xué)環(huán)節(jié)。對于學(xué)生已經(jīng)學(xué)會的內(nèi)容，讓學(xué)生盡量運(yùn)用知識進(jìn)行鞏固;對于學(xué)生沒有學(xué)過的較為復(fù)雜的數(shù)學(xué)概念，要轉(zhuǎn)化為學(xué)生能理解和接受的概念和語言，讓學(xué)生易于掌握。

學(xué)生對人工智能課程的實(shí)踐要求高。在對學(xué)生的問卷調(diào)查中：“你對人工智能內(nèi)容的期待是什么？”這個多選題，88%的學(xué)生選擇的是人工智能的實(shí)踐，而對于人工智能思維、理論與算法的期待之間的相比差異不大，均有50%左右學(xué)生選擇，因此課堂應(yīng)更多把時間還給學(xué)生，通過課堂實(shí)踐活動推動理論和概念的理解。課程不宜設(shè)置長篇的理論內(nèi)容，應(yīng)將理論學(xué)習(xí)和實(shí)踐操作穿插進(jìn)行，增強(qiáng)學(xué)生的學(xué)習(xí)興趣。

參考文獻(xiàn)

蔣雨欣. 基于多特征深度學(xué)習(xí)的人臉性別識別[J]. 計算機(jī)工程與設(shè)計，2016，37（1）： 226-231.

邱陽. 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉個體與性別識別研究[D]. 贛州：江西理工大學(xué)，2019.

艾心. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別研究[D]. 北京：北京郵電大學(xué)，2019.

石學(xué)超. 自然場景下基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測與人臉性別識別研究[D]. 天津：河北工業(yè)大學(xué)，2018.