中小學(xué)人工智能教育中的實(shí)驗(yàn)設(shè)計(jì)

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A論文編號：1674-2117（2025）09-0005-04

背景：人工智能教育不能僅教屠龍技

2022年，筆者曾在《莫把人工智能教成屠龍技》一文中提出“當(dāng)前中小學(xué)人工智能教育實(shí)際上并沒有教學(xué)生有用技能”，中小學(xué)的人工智能教材“往往滿足于介紹人工智能的發(fā)展歷史，講一點(diǎn)原理，體驗(yàn)一些應(yīng)用，然后開始討論人工智能的倫理問題”。因此有人用“屠龍技”類比，吐槽某些教材并不實(shí)用。究其原因主要是人工智能發(fā)展太快，教育領(lǐng)域?qū)θ斯ぶ悄艿恼J(rèn)識沒能跟上其步伐，存在各種誤解，要么認(rèn)為學(xué)生沒必要學(xué)習(xí)，要么認(rèn)為學(xué)生學(xué)不了。

實(shí)際上，當(dāng)“智能”可以通過“喂養(yǎng)”數(shù)據(jù)而獲得時(shí)，就意味著人工智能的技術(shù)門檻開始“降維”一只要擁有足夠豐富的數(shù)據(jù)，訓(xùn)練模型不過是流程化的操作。中小學(xué)的人工智能課程顯然不能回避以神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)為代表的新一代人工智能內(nèi)容。但是，這些內(nèi)容對學(xué)生而言不能僅僅浮于表面，停留在概念介紹上。如果不能真正去實(shí)驗(yàn)、實(shí)踐人工智能技術(shù)，那么人工智能素養(yǎng)的培育肯定無從說起。人工智能教育應(yīng)該采用實(shí)驗(yàn)教學(xué)、工程式項(xiàng)目學(xué)習(xí)等方式，幫助學(xué)生從人工智能的使用者向人工智能的開發(fā)者身份過渡。

0 分析：實(shí)驗(yàn)教學(xué)需要工具和平臺支持

在中小學(xué)開展人工智能實(shí)驗(yàn)教學(xué)活動需要適合的學(xué)習(xí)工具。以高中信息技術(shù)課程中的“人工智能初步”模塊為例，所有版本中只要是涉及機(jī)器模型訓(xùn)練的，全都使用Google公司的人工智能開發(fā)框架TensorFlow或者Keras。雖然相對于TensorFlow來說，Keras的使用門檻已經(jīng)比較低，但畢竟不是為中小學(xué)生程度的學(xué)習(xí)者開發(fā)的，代碼依然比較復(fù)雜且難以理解。同時(shí)，因?yàn)榱x務(wù)教育階段的人工智能教材回避了實(shí)驗(yàn)活動，導(dǎo)致模型訓(xùn)練方面的知識成為真空地帶，學(xué)生學(xué)習(xí)起來比較困難。所以在2022年，上海人工智能實(shí)驗(yàn)室發(fā)布了支持使用極簡代碼 行代碼）訓(xùn)練計(jì)算機(jī)視覺模型的MMEdu工具。隨后，BaseML和BaseNN陸續(xù)發(fā)布，機(jī)器學(xué)習(xí)和自定義神經(jīng)網(wǎng)絡(luò)的模型也能使用類似的極簡代碼。MMEdu、BaseML、BaseNN和XEduHub等工具彼此獨(dú)立又密切關(guān)聯(lián)，形成了一套名為XEdu的人工智能學(xué)習(xí)工具箱，支持?jǐn)?shù)據(jù)處理、模型訓(xùn)練、模型部署等人工智能全鏈路開發(fā)工作。

在中小學(xué)人工智能課堂開展實(shí)驗(yàn)活動還存在一道難題，那就是環(huán)境搭建。在人工智能行業(yè)有句俗話，大意是環(huán)境搭建勸退了 9 0 % 以上想學(xué)人工智能的人。因?yàn)槿斯ぶ悄艿拈_發(fā)框架很多，涉及各種庫，這些庫的版本常常會沖突：不僅庫與庫之間存在版本兼任問題，庫和Python的版本、CUDA的版本之間都需要做復(fù)雜的匹配工作。因而，浦育平臺（OpenInnolab）的發(fā)布曾經(jīng)被人工智能教師視為“救星”，原因之一是其內(nèi)置了容器，可以在線調(diào)用云端算力，另外它還支持用瀏覽器前端算力訓(xùn)練一些簡單的模型，如圖像分類、姿態(tài)分類、音頻分類、文本分類等。當(dāng)然，值得期待的還有上海熊星科技開發(fā)的AIRay，它實(shí)現(xiàn)了在瀏覽器前端訓(xùn)練通用的深度學(xué)習(xí)模型，如全連接神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，而且這些模型還能夠?qū)С鰹槠渌ㄓ酶袷降哪Ｐ停鏞NNX。

0 展示：人工智能實(shí)驗(yàn)設(shè)計(jì)的典型案例

目前，專門研究人工智能教育中實(shí)驗(yàn)教學(xué)的團(tuán)隊(duì)還很少，尤其是面向中小學(xué)方向。但人工智能與信息科技課程的教學(xué)內(nèi)容關(guān)聯(lián)度極高，其學(xué)習(xí)載體都是計(jì)算機(jī)，可以借鑒參考。信息科技中的實(shí)驗(yàn)可以分為驗(yàn)證性實(shí)驗(yàn)、探究性實(shí)驗(yàn)、創(chuàng)新應(yīng)用性實(shí)驗(yàn)和虛擬仿真實(shí)驗(yàn)等類型，筆者在日常教學(xué)中設(shè)計(jì)了一系列人工智能實(shí)驗(yàn)活動，下面，將按照這四個(gè)類型分別選取典型案例進(jìn)行介紹。

1.驗(yàn)證性實(shí)驗(yàn)

驗(yàn)證性實(shí)驗(yàn)是通過實(shí)踐驗(yàn)證或證明特定的現(xiàn)象或理論，幫助學(xué)生鞏固和應(yīng)用所學(xué)的理論知識，培養(yǎng)學(xué)生的實(shí)踐動手能力。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的算法可以解決哪些問題、如何訓(xùn)練、數(shù)據(jù)集如何劃分等問題都可以采用驗(yàn)證性實(shí)驗(yàn)來研究。

實(shí)驗(yàn)案例之一：線性回歸和溫度轉(zhuǎn)換。

實(shí)驗(yàn)?zāi)繕?biāo)：使用線性回歸算法尋找不同溫度之間的關(guān)系。

實(shí)驗(yàn)描述：通過攝氏溫度和華氏溫度對應(yīng)表，我們知道二者之間存在一定的對應(yīng)關(guān)系。假設(shè)我們并不清楚它們之間的轉(zhuǎn)換公式，能否通過訓(xùn)練線性回歸模型找出二者之間的關(guān)系？請以小組為單位，參考資源包中的代碼完成模型訓(xùn)練，實(shí)現(xiàn)“輸入攝氏溫度，輸出華氏溫度”的功能。

實(shí)驗(yàn)內(nèi)容：

（1）完善代碼，輸入數(shù)據(jù)集路徑，進(jìn)行模型訓(xùn)練和保存。

（2）將訓(xùn)練好的模型復(fù)制到模型應(yīng)用代碼對應(yīng)的文件夾中，然后運(yùn)行模型應(yīng)用代碼，輸入攝氏溫度，測試輸出的華氏溫度是否正確。

（3）進(jìn)一步思考：如果要訓(xùn)練“華氏溫度→攝氏溫度”的模型，該如何實(shí)現(xiàn)？

2.探究性實(shí)驗(yàn)

探究性實(shí)驗(yàn)強(qiáng)調(diào)學(xué)生主動探索和發(fā)現(xiàn)知識的過程。在人工智能教學(xué)中，學(xué)生可以通過自主設(shè)計(jì)實(shí)驗(yàn)和進(jìn)行實(shí)踐操作，發(fā)現(xiàn)問題、提出假設(shè)并進(jìn)行實(shí)驗(yàn)驗(yàn)證，以達(dá)到對算法的深人理解。探究性實(shí)驗(yàn)有利于培養(yǎng)學(xué)生的探索精神、解決問題的能力和批判性思維。不同數(shù)據(jù)集、不同算法、不同參數(shù)和超參數(shù)之間的比較，都可以用探究性實(shí)驗(yàn)來開展研究。

實(shí)驗(yàn)案例之二：投石車落地距離預(yù)測的不同算法對比。

實(shí)驗(yàn)?zāi)繕?biāo)：使用不同機(jī)器學(xué)習(xí)算法訓(xùn)練模型并比較，尋找最佳算法。

實(shí)驗(yàn)描述：投石車能夠以指定角度向空中拋出石頭，我們以恒定的力量，分別從不同角度拋出，測量石頭落地點(diǎn)距投石車的距離，可以得到一個(gè)“角度—距離”對照表。請使用多種回歸算法訓(xùn)練“投石落地距離”預(yù)測模型，對比不同算法的效果，并填寫表格。

實(shí)驗(yàn)內(nèi)容：

（1）完善代碼，選擇多種算法，進(jìn)行模型訓(xùn)練并使用R平方指標(biāo)評估。

（2）對比不同算法的效果，分析并總結(jié)在該數(shù)據(jù)集上選擇何種算法最合適。

（3）進(jìn)一步思考：如何在投石車上應(yīng)用這一模型，驅(qū)動電機(jī)進(jìn)行投擲？

3.創(chuàng)新應(yīng)用性實(shí)驗(yàn)

創(chuàng)新應(yīng)用性實(shí)驗(yàn)旨在培養(yǎng)學(xué)生的創(chuàng)新思維，提升學(xué)生創(chuàng)造性解決實(shí)際問題的能力。在這類實(shí)驗(yàn)中，學(xué)生要將所學(xué)知識應(yīng)用于實(shí)際場景，并嘗試著進(jìn)行創(chuàng)新性的改進(jìn)和應(yīng)用。例如，在用人工智能解決真實(shí)問題時(shí)，學(xué)生往往需要采集大量數(shù)據(jù)，然后逐一做標(biāo)注，非常煩瑣，而采用零樣本分類（Zero-shotclassification）的思路，可以大大降低時(shí)間成本。但是零樣本圖像分類是否有效、采用哪種模型編碼效果較好，都可以借助創(chuàng)新應(yīng)用性實(shí)驗(yàn)來開展研究。

實(shí)驗(yàn)案例之三：零樣本圖像分類的有效性探究。

實(shí)驗(yàn)?zāi)繕?biāo)：使用Clip模型實(shí)現(xiàn)對常見動物圖像的零樣本分類。

實(shí)驗(yàn)描述：零樣本圖像分類指模型能夠?qū)σ郧拔匆娺^的圖片類別進(jìn)行分類。請將常見的圖像分類數(shù)據(jù)集“CIFAR10”的分類信息作為文本標(biāo)簽，經(jīng)過CIip模型編碼后作為分類基準(zhǔn)。然后對一組推理圖像進(jìn)行同樣的編碼，與文本的向量進(jìn)行相似度計(jì)算。

實(shí)驗(yàn)內(nèi)容：

（1）完善代碼，選擇不同的圖像進(jìn)行推理，記錄準(zhǔn)確率。

（2）修改文本標(biāo)簽，將英文單詞 改為中文，比較識別率的變化。

（3）進(jìn)一步思考：如果提供的是“CIFAR10”的驗(yàn)證集圖像，然后用全連接神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，是否可以實(shí)現(xiàn)少樣本分類的功能？

4.虛擬仿真實(shí)驗(yàn)

虛擬仿真實(shí)驗(yàn)是利用虛擬環(huán)境來模擬真實(shí)實(shí)驗(yàn)的過程和結(jié)果。人工智能中涉及硬件的實(shí)驗(yàn)，如具身智能、無人駕駛等內(nèi)容都可以通過虛擬仿真實(shí)驗(yàn)來研究。通過人工智能仿真平臺，學(xué)生可以在虛擬環(huán)境中進(jìn)行實(shí)驗(yàn)操作和觀察，不僅能進(jìn)行零風(fēng)險(xiǎn)、高真實(shí)度的實(shí)驗(yàn)，還可以在不受時(shí)間和空間限制的情況下，深入理解實(shí)驗(yàn)過程和結(jié)論。虛擬仿真實(shí)驗(yàn)降低了實(shí)驗(yàn)成本和安全風(fēng)險(xiǎn)，提供反復(fù)練習(xí)和實(shí)驗(yàn)條件的多樣性。例如，以熊星智境平臺（AIPlace）內(nèi)置的簡易城市賽道為載體，設(shè)計(jì)符合中小學(xué)生認(rèn)知水平的自動駕駛實(shí)驗(yàn)，使學(xué)生能夠在機(jī)房完成從數(shù)據(jù)采集到模型部署的完整流程。

實(shí)驗(yàn)案例之四：自動駕駛的算法比較。

實(shí)驗(yàn)?zāi)繕?biāo)：通過比較簡單反饋算法與小型神經(jīng)網(wǎng)絡(luò)兩條路徑，體驗(yàn)數(shù)據(jù)驅(qū)動模型的優(yōu)勢與局限。

實(shí)驗(yàn)描述：利用四周布置8個(gè)虛擬雷達(dá)的車輛，控制其方向盤角度、油門力度、剎車力度，實(shí)現(xiàn)安全駛離起點(diǎn)并在限定時(shí)間內(nèi)到達(dá)終點(diǎn)，在這期間不得碰撞或駛出賽道。

實(shí)驗(yàn)內(nèi)容：

（1）選擇簡單反饋算法，用示例代碼來控制車輛觀察汽車的行駛情況，記錄得分。

（2）選擇小型神經(jīng)網(wǎng)絡(luò)，搭建訓(xùn)練端到端模型，觀察汽車的行駛情況，記錄得分。

（3）進(jìn)一步思考：當(dāng)前的訓(xùn)練數(shù)據(jù)來自手動駕駛，如何設(shè)計(jì)簡單的獎(jiǎng)勵(lì)函數(shù)（如“到達(dá)終點(diǎn) + 1 0 0 ，碰撞- ），用來強(qiáng)化學(xué)習(xí)控制？

反思：人工智能實(shí)驗(yàn)需要實(shí)驗(yàn)室支持

中小學(xué)的機(jī)房普遍沒有配備GPU顯卡，大部分深度學(xué)習(xí)模型都比較復(fù)雜，在CPU環(huán)境中訓(xùn)練動輒需要數(shù)個(gè)小時(shí)，雖然在數(shù)據(jù)集上也可以做優(yōu)化，但一節(jié)課僅僅40分鐘實(shí)在不夠用。這些問題限制了教師們設(shè)計(jì)人工智能實(shí)驗(yàn)活動的積極性。

中小學(xué)不僅缺少帶算力的電腦，也缺少算力服務(wù)器，更缺少算力服務(wù)器的管理軟件。自2024年3月開源人工智能教學(xué)平臺OpenHydra發(fā)布后，中小學(xué)終于有了一個(gè)新的解決方案。一些有條件的學(xué)校開始購置算力服務(wù)器，也有一些學(xué)校和地區(qū)如上海奉賢、嘉定等地區(qū)，租用OpenHydra的云算力服務(wù)開展教學(xué)，彌補(bǔ)算力的不足。

教育部辦公廳發(fā)布的《關(guān)于加強(qiáng)中小學(xué)人工智能教育的通知》（教基廳函[2024]32號）為中小學(xué)開展人工智能的實(shí)驗(yàn)教學(xué)提供了政策指導(dǎo)。全國部分地區(qū)率先開始了相關(guān)探索，比如深圳市鼓勵(lì)高校、科研院所和企業(yè)到學(xué)校捐建或援建人工智能實(shí)驗(yàn)室，讓學(xué)生在校內(nèi)有一個(gè)更具體更直觀的感知。

中小學(xué)人工智能實(shí)驗(yàn)室應(yīng)該具備哪些設(shè)備，購買哪些平臺，目前還沒有官方標(biāo)準(zhǔn)，甚至還沒有合適的行業(yè)標(biāo)準(zhǔn)。2024年，筆者組織骨干教師編寫“中小學(xué)開源人工智能實(shí)驗(yàn)室建設(shè)方案”，并在中國教育裝備行業(yè)協(xié)會立項(xiàng)了“中小學(xué)人工智能教育（通用）技術(shù)規(guī)范”。根據(jù)人工智能實(shí)驗(yàn)室的目標(biāo)定位，其功能可以分為基本學(xué)習(xí)條件、AI課程教學(xué)、AI科創(chuàng)實(shí)踐、AI環(huán)境營造和AI算力保障這五大部分，不同要素之間的關(guān)系如上圖所示。

結(jié)語：借助實(shí)驗(yàn)打開人工智能的黑箱

在當(dāng)前大部分人工智能課程或教育項(xiàng)目中，課程設(shè)計(jì)主要采取純面向應(yīng)用的視角，忽視了對復(fù)雜算法或技術(shù) （如神經(jīng)網(wǎng)絡(luò)）背后原理的探討。人工智能的底層概念在純應(yīng)用情境中難以得到理解，導(dǎo)致在學(xué)生眼中人工智能始終是一個(gè)

“黑箱”，這也違背了開設(shè)人工智能課程的初衷。著名華人人工智能科學(xué)家李飛飛強(qiáng)調(diào)，人工智能應(yīng)該是一個(gè)灰色盒子。人工智能如何從“黑箱”到“灰箱”，從深灰到淺灰，甚至最后變成透明，就需要依賴各種人工智能實(shí)驗(yàn)活動的開展。在后續(xù)的工作中，筆者將按照實(shí)驗(yàn)內(nèi)容的層級分類，在基礎(chǔ)實(shí)驗(yàn)的基礎(chǔ)上設(shè)計(jì)一系列有深度的實(shí)驗(yàn)，如設(shè)置不同的學(xué)習(xí)率研究對模型收斂的影響讀取模型權(quán)重文件研究卷積神經(jīng)網(wǎng)絡(luò)中卷積核的變化、將復(fù)雜模型拆解為骨干網(wǎng)絡(luò)加線性層等。

參考文獻(xiàn)：

[1盧秋紅，王振強(qiáng)，高淑印，等.訪談：普及中小學(xué)人工智能教育的現(xiàn)實(shí)困境與實(shí)踐路徑[J].中小學(xué)信息技術(shù)教育，2025（01）：5-10

[2]魏雄鷹.加強(qiáng)信息科技實(shí)驗(yàn)教學(xué)發(fā)揮信息科技育人價(jià)值[DB/OL].htp：//www.moe.gov.cn/jyb_xwfb/moe_2082/2023/2023zl24/202311/t20231123_1091836.html.e