中學生人工智能教育的設計與實施摘要：為了順應國家發(fā)展、時代發(fā)展，積極開展中小學人工智能教育具有十分重要的意義。中國人工智能教育的研究與開展尚處于起步階段，目前面臨著教學內(nèi)容紊亂、缺少統(tǒng)一課程標準、缺乏實踐手段、師資短缺等問題。文章采用了人工智能領域的多項關鍵技術(shù)，以建構(gòu)主義理論與啟發(fā)式教學法為理論基礎，歷時近一年時間，設計并開發(fā)完成了面向中學生的“智慧狗”人工智能教學輔助系統(tǒng)。文章首先基于中學生的認知水平能力開發(fā)了人工智能基本原理的入門微課，基于機器學習與深度學習技術(shù)構(gòu)建了卷積神經(jīng)網(wǎng)絡模型的訓練系統(tǒng)，基于計算機視覺構(gòu)建了卷積神經(jīng)網(wǎng)絡模型的實測系統(tǒng)。在此基礎上，針對零基礎初學者與已入門學習者人工智能知識水平的不同，文章設計了兩種學習模式及數(shù)十種訓練方式，以幫助不同能力水平的學習者完成不同階段的學習目標。一、 研究背景與研究意義研究背景現(xiàn)代人工智能的發(fā)展始于上世紀50年代英國數(shù)學家艾倫?圖靈發(fā)表的論文《計算機器與智能》(ComputingMachineryandIntelligence),隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)的迅速發(fā)展，現(xiàn)今人工智能已滲透到社會的各個方面，對教育、醫(yī)療、工業(yè)、農(nóng)業(yè)、國防等眾多領域都起到很大的推動作用。人們用人工的方法在機器上實現(xiàn)的智能就是人工智能，機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。2017年國務院頒布《新一代人工智能發(fā)展規(guī)劃》提出在中小學階段設置人工智能相關課程，推廣編程教育，并鼓勵科研機構(gòu)進行科普活動，研究意義人工智能技術(shù)的迅猛發(fā)展，將極大地改變社會對人才的需求，創(chuàng)新型人才將會成為人才市場中的核心。教育需要與時俱進，及時變革，積極培養(yǎng)未來社會所需的人才，以應對人工智能時代的挑戰(zhàn)。二、 國內(nèi)外研究與實施現(xiàn)狀研究現(xiàn)狀通過CNKI檢索近年來以“人工智能”與“教育”為關鍵詞的文章，分析歸納得出關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)重于具體教學模式研究，屬于實踐范疇，涉及人工智能以何種形式有效落地，如對機器人教育、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)、學習分析、機器學習、VR/AR等方面的研究；四是側(cè)重于智能教育應用研究，主要集中在對人工智能賦能教育方式、評價、決策等方面，涉及個性化學習、在線學習、智能教學系統(tǒng)等。實施現(xiàn)狀國外人工智能教育實施現(xiàn)狀美國政府在2015年推出了"每個學生都成功法案”(EveryStudentSucceedsAct)，推進K-12階段的計算機科學教育，其中人工智能是計算機科學課程的重要組成部分。在2017年10月，英國政府出臺了《在英國發(fā)展人工智能產(chǎn)業(yè)》(GrowingtheArtificialIntelligenceIndustryintheUK),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以人工智能為代表的第四次產(chǎn)業(yè)革命，在中小學必修范圍內(nèi)納入編程教育、科普教育等與人工智能相關的基礎課程，并要求每個學生養(yǎng)成理解、運用信息技術(shù)和數(shù)據(jù)的習慣。新加坡政府在2018年發(fā)布“人工智能新加坡”項目(AISingapore)，開啟了新加坡政府的國家人工智能戰(zhàn)略。國內(nèi)人工智能教育實施現(xiàn)狀在義務教育階段的初中課程中，沒有明確的人工智能學科課程，全國各地大部分均以“試點”的形式推動人工智能教育的普及，在高中階段，2003年4月國內(nèi)頒布的《普通高中技術(shù)課程標準(實驗)》就首次將“人工智能初步”模塊納入高中信息技術(shù)學科選修模塊中，標志著人工智能在中學的正式起步。但是當時的高中信息技術(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、師資條件嚴重欠缺、課程內(nèi)容設置不合理等多種因素的影響，在全國范圍內(nèi)都鮮有開設。目前，國內(nèi)中學人工智能課程的開展現(xiàn)狀具體如下：(1)人工智能在中學階段主要以選修模塊和章節(jié)嵌入的形式開展教學；(2)學生選修的模塊主要集中在多媒體技術(shù)應用與網(wǎng)絡技術(shù)應用模塊，人工智能課程由于開發(fā)難度大、硬件設備不足等原因而形同虛設；(3)即便開設了人工智能課程，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，更不用說讓學生親自體驗。國內(nèi)人工智能教育實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。概念混淆：人工智能學科包含內(nèi)容廣泛，涉及計算機科學、信息科學、心理學、哲學、生理學等眾多領域，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，使一些中小學人工智能教育活動止步于教會學生調(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。教學內(nèi)容不明確：人工智能教材內(nèi)容紊亂，部分學校將人工智能等同于樂高、機器人、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于人工智能的內(nèi)容僅是對AlphaGo介紹的新聞報道。師資力量參差不齊：開設有人工智能教育相關專業(yè)的本科院校較少，因此中學教師對人工智能領域不了解，課程標準方面的問題：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)設計。實踐方面的問題：缺乏實踐手段，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或者視頻進行簡單講授，而學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，與自動化、程序設計、機器人等劃清界線；(2)針對過度包裝的問題，實現(xiàn)人工智能技術(shù)的同時將技術(shù)原理完整地向大眾呈現(xiàn)，不侵犯用戶隱私權(quán)；(3)針對教學不明確的問題，選用深度學習作為教學內(nèi)容以實現(xiàn)計算機視覺，原因是圖像識別是人工智能最有代表性的應用，中小學生可以通過學習圖像識別的相關原理入門人工智能；(4)針對師資力量參差不齊的問題，提供完整的教學資源培訓包可供教師自主學習與參照使用；(5)針對缺少統(tǒng)一的組織與系統(tǒng)設計這一問題，采用機器學習方式，這是因為深度學習是目前人工智能最好的一種實現(xiàn)方法，而機器視覺是深度學習最好的實踐范例；(6)針對人工智能教育缺少實踐手段的問題，提供具體的實踐方法。三、系統(tǒng)設計原理搭建中小學人工智能教學平臺是一個將前沿技術(shù)的理論與實踐普及到基礎教育階段的行動，其中“智慧狗”作為子項目是面向中學生的人工智能教學輔助系統(tǒng)。本項目是國內(nèi)第一個提出在中小學使用機器學習實現(xiàn)人工智能教學的項目，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雜的人工智能實現(xiàn)流程，降低教學活動實現(xiàn)成本，但是并不能教會學生人工智能的內(nèi)在原理，學生只能學會如何使用現(xiàn)有的工具，不利于培養(yǎng)學生的研究精神，與教育目標相悖。本研究認為，只有掌握深度學習才能真正了解人工智能?！爸腔酃贰敝袑W人工智能教學輔助系統(tǒng)讓學生零距離接觸機器學習的核心原理，讓師生親自動手實現(xiàn)人工智能，并且注重培養(yǎng)學生的探究精神、創(chuàng)新精神，在新課標的基礎上對實施中學人工智能教育做了一次有益的嘗試。如圖1所示，“智慧狗”中學人工智能教學輔助系統(tǒng)項目采用閉環(huán)設計，首先發(fā)現(xiàn)目前中學人工智能教育研究與開展中出現(xiàn)的問題，進而提出相對應的合理解決方案，確定國內(nèi)中學人工智能教育的需求，根據(jù)需求進行系統(tǒng)設計與系統(tǒng)開發(fā)。開發(fā)完成的人工智能教學輔助系統(tǒng)將投入試驗，在中學開展人工智能試驗課程，并通過問卷調(diào)查獲得反饋。根據(jù)獲得的負反饋進行負反饋處理，重新發(fā)現(xiàn)問題，提出方案，改進系統(tǒng)，解決問題；根據(jù)獲得的正反饋則輸入系統(tǒng)中進一步強化，不斷推演出系統(tǒng)的2.0、3.0等版本。關鍵技術(shù)基于機器學習與深度學習技術(shù)構(gòu)建卷積神經(jīng)網(wǎng)絡模型及其訓練系統(tǒng)機器學習即機器從數(shù)據(jù)中自我學習，是人工智能領域內(nèi)最著名的算法，能夠讓計算機從大量歷史數(shù)據(jù)中學習內(nèi)在規(guī)律，自主發(fā)現(xiàn)模式并用于預測，機器處理的數(shù)據(jù)越多，預測越精準。為了供學習者作為參考學習卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)，“智慧狗”人工智能教學輔助系統(tǒng)不僅構(gòu)建了一個經(jīng)典的卷積神經(jīng)網(wǎng)絡模型作為范例，還開發(fā)了自主設計功能支持學習者根據(jù)所學知識與創(chuàng)意構(gòu)建新的卷積神經(jīng)網(wǎng)絡?！爸腔酃贰碧峁┝藘?nèi)含480張圖片的訓練素材庫，學習者可以利用該訓練素材庫將自己修改的范例卷積神經(jīng)網(wǎng)絡或創(chuàng)造的全新卷積神經(jīng)網(wǎng)絡進行有監(jiān)督學習，并直觀地得到學習結(jié)果，即該神經(jīng)網(wǎng)絡預測準確率。“智慧狗”通過“改進范例卷積神經(jīng)網(wǎng)絡模型參數(shù)/自主搭建卷積神經(jīng)網(wǎng)絡模型 基于卷積神經(jīng)網(wǎng)絡模型進行有監(jiān)督學習”的步驟，帶領學習者親身體會機器學習的過程，幫助學生深刻了解卷積神經(jīng)網(wǎng)絡的原理與結(jié)構(gòu)?；谟嬎銠C視覺技術(shù)構(gòu)建卷積神經(jīng)網(wǎng)絡模型的實測系統(tǒng)計算機視覺領域的一個重要研究方向是圖像識別。圖像識別技術(shù)能夠利用計算機對圖像進行處理、分析和理解，最終達到識別各種不同模式目標和對象的效果，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)、圖像的分類標注以及主觀圖像質(zhì)量評估等問題。但卷積神經(jīng)網(wǎng)絡經(jīng)過一定數(shù)據(jù)集訓練后得到的預測準確率數(shù)值并不能真正反映其在解決實際問題中的能力。當卷積神經(jīng)網(wǎng)絡達到越深的程度、具有越多的特征面，該神經(jīng)網(wǎng)絡能夠表示的特征空間就越大，其學習能力也越強，但神經(jīng)網(wǎng)絡的計算也會更加復雜，更容易出現(xiàn)過擬合的現(xiàn)象。“智慧狗”人工智能教學輔助系統(tǒng)提供了針對完成學習的卷積神經(jīng)網(wǎng)絡的實測功能，為學習者進一步優(yōu)化設計卷積神經(jīng)網(wǎng)絡提供支持。通過實測功能，學習者可以了解到搭建的卷積神經(jīng)網(wǎng)絡經(jīng)過訓練得到的預測準確率是否真實可靠，該神經(jīng)網(wǎng)絡是否出現(xiàn)了過擬合現(xiàn)象。因此神經(jīng)網(wǎng)絡實測系統(tǒng)不僅僅能夠讓學習者體驗計算機視覺、體驗圖像識別，更是學習者發(fā)現(xiàn)過擬合、不斷改進神經(jīng)網(wǎng)絡的重要工具。理論基礎“智慧狗”中小學人工智能教學輔助系統(tǒng)采用建構(gòu)主義學習理論與啟發(fā)式教學法作為設計的理論基礎與基本原則。在20世紀60年代，瑞士著名心理學家皮亞杰提出了著名的建構(gòu)主義學習理論，它是認知主義學習理論的一個重要分支，之后由維果茨基、奧蘇貝爾、布魯納等眾多心理學家和教育學家不斷豐富、完善。“智慧狗”人工智能教學輔助系統(tǒng)以建構(gòu)主義為理論基礎，融合啟發(fā)式教學法并確定了設計原則：調(diào)動學習者主觀能動性學習不應該是學生對新知識的機械式的接受，而是對新知識的主動構(gòu)建。強調(diào)學習者的主體性“智慧狗”人工智能教學輔助系統(tǒng)強調(diào)學習者自主進行人工智能實驗，在學習過程中學習者占主體地位，教師僅在學生實驗的過程中通過適當?shù)膸椭?、引導，輔助學生完成人工智能實驗，重要的是學生通過自己的思考和與其他學習者交流討論的經(jīng)驗，自主搭建、訓練、測試、修改卷積神經(jīng)網(wǎng)絡，完成實驗。注重新舊知識的關聯(lián)性在初中階段，雖然學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)驗型，在一定程度上還需要感性經(jīng)驗的直接支持，而到了高中階段，學生的認知結(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，能夠以理論為指導來分析綜合各種事實材料，不斷擴大自我知識領域。⑷情境性為了能夠更為有效地學習，學習活動需要發(fā)生在真實的情境中，有助于學習者運用自身的知識結(jié)構(gòu)解決實際問題。四、系統(tǒng)架構(gòu)與實現(xiàn)基于建構(gòu)主義學習理論與人工智能關鍵支撐技術(shù)，筆者對“智慧狗”人工智能教學輔助系統(tǒng)進行了系統(tǒng)架構(gòu)設計與實現(xiàn)，如圖3所示?！爸腔酃贰比斯ぶ悄芙虒W輔助系統(tǒng)分為兩大基礎模塊：基于PyQt開發(fā)的卷積神經(jīng)網(wǎng)絡學習與實驗可視化模塊，基于Tensorflow開發(fā)的卷積神經(jīng)網(wǎng)絡訓練與測試內(nèi)核模塊。用戶通過圖形界面接口搭建卷積神經(jīng)網(wǎng)絡并調(diào)試其結(jié)構(gòu)參數(shù)，數(shù)據(jù)傳輸至后臺通過Tensorflow進行有監(jiān)督學習，生成的卷積神經(jīng)網(wǎng)絡模型又為前端的圖像識別實測功能所用。卷積神經(jīng)網(wǎng)絡學習與實驗可視化模塊“智慧狗”人工智能教學輔助系統(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)絡學習模塊和自主搭建卷積神經(jīng)網(wǎng)絡模塊這兩大功能模塊。范例卷積神經(jīng)網(wǎng)絡學習模塊提供一個已經(jīng)設計好的卷積神經(jīng)網(wǎng)絡模型作為學習者學習卷積神經(jīng)網(wǎng)絡的參考案例，允許用戶調(diào)整該神經(jīng)網(wǎng)絡的部分參數(shù)，從而加深對卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)參數(shù)的理解。在自主搭建卷積神經(jīng)網(wǎng)絡模塊中，用戶可以不受約束地完全自主設計神經(jīng)網(wǎng)絡，且自主搭建的每一步都可以靈活地撤銷、修改，用戶還可以導入外部的卷積神經(jīng)網(wǎng)絡，并自由修改導入的神經(jīng)網(wǎng)絡。搭建好的卷積神經(jīng)網(wǎng)絡可以進入下一步的訓練調(diào)試頁面，用戶可以自定義訓練次數(shù)、訓練學習率等細節(jié)參數(shù)。卷積神經(jīng)網(wǎng)絡完成有監(jiān)督學習的訓練后將顯示該神經(jīng)網(wǎng)絡模型當前的預測準確率，若用戶對訓練結(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)絡的參數(shù);若對訓練結(jié)果滿意，用戶可以在訓練調(diào)試頁面保存已訓練完的神經(jīng)網(wǎng)絡模型為本地文件，分享給其他學習者一同交流學習。完成訓練的卷積神經(jīng)網(wǎng)絡模型可以進入實戰(zhàn)測試環(huán)節(jié)：系統(tǒng)能夠調(diào)用計算機的攝像頭，現(xiàn)拍照片進行圖像識別，讓用戶能夠親身體驗自己搭建的人工智能模型的圖像識別效果。卷積神經(jīng)網(wǎng)絡訓練與測試內(nèi)核模塊“智慧狗”人工智能教學輔助系統(tǒng)的卷積神經(jīng)網(wǎng)絡及其訓練、圖像識別模塊是基于Tensorflow開發(fā)的°Tensorflow是谷歌人工智能團隊開發(fā)與維護的神經(jīng)網(wǎng)絡算法庫，被廣泛應用于各類機器學習算法的編程實現(xiàn)。如圖4所示，范例模型模塊中，作為學習案例的卷積神經(jīng)網(wǎng)絡模型源碼為：如圖5所示，卷積神經(jīng)網(wǎng)絡訓練模塊中，訓練步驟的關鍵源碼為：如圖6所示，卷積神經(jīng)網(wǎng)絡的圖像識別實測模塊中，神經(jīng)網(wǎng)絡預測的關鍵源碼為：綜上所述，基于卷積神經(jīng)網(wǎng)絡學習與實驗可視化模塊、卷積神經(jīng)網(wǎng)絡訓練與測試內(nèi)核模塊兩大基本模塊的整體系統(tǒng)構(gòu)架，同時依托上百張圖片組成的卷積神經(jīng)網(wǎng)絡訓練數(shù)據(jù)集，“智慧狗”人工智能教學輔助系統(tǒng)能夠?qū)崿F(xiàn)人工智能基礎知識入門學習與卷積神經(jīng)網(wǎng)絡可視化搭建、訓練、測試實驗等功能。五、系統(tǒng)的功能設計在實現(xiàn)前述系統(tǒng)架構(gòu)的基礎上，“智慧狗”中學人工智能教學輔助系統(tǒng)不僅能夠作為教師開展人工智能教學的教輔工具，還能夠作為學習者自學人工智能的啟蒙師與指導者?！爸腔酃贰敝袑W人工智能教學輔助系統(tǒng)利用自身的視頻微課、范例卷積神經(jīng)網(wǎng)絡學習功能、自主設計卷積神經(jīng)網(wǎng)絡功能能夠滿足教師不同階段的教學目標，也能夠滿足不同能力水平的學習者的學習需求。如圖7所示，“智慧狗”中學人工智能教學輔助系統(tǒng)初始頁面下包括新手教程、范例模型、自主設計三大主功能，在各主功能下包含各自的子功能。新手教程功能由于卷積神經(jīng)網(wǎng)絡的知識較為繁多、復雜，學習者可能會難以掌握甚至遺忘。因此，“智慧狗”人工智能教學輔助系統(tǒng)針對性地在初中生的知識結(jié)構(gòu)和認知水平的基礎上，開發(fā)了一款針對中學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、線性代數(shù)知識，僅用基礎的數(shù)學知識與簡單易懂的語言和動畫就闡明了卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)及其基本原理，使沒有基礎知識的學習者能夠輕松入門，對卷積神經(jīng)網(wǎng)絡已有一定了解的學習者能夠鞏固加強。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)絡鞏固學習者對卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)的理解，并且學生通過思考不斷修改神經(jīng)網(wǎng)絡參數(shù)而一步步提高神經(jīng)網(wǎng)絡的識別率，有利于培養(yǎng)探究精神。學習范例卷積神經(jīng)網(wǎng)絡如圖9所示，范例卷積神經(jīng)網(wǎng)絡包含全部的卷積神經(jīng)網(wǎng)絡組成部件，并且每一層的參數(shù)都可以修改，修改參數(shù)將會直接影響卷積神經(jīng)網(wǎng)絡的復雜度，間接影響網(wǎng)絡的識別率。學習者每一次改動參數(shù)，右側(cè)欄會實時更新當前網(wǎng)絡的具體信息，系統(tǒng)也會重新計算當前網(wǎng)絡的復雜度，并通過小狗的圖像反映在界面上。卷積神經(jīng)網(wǎng)絡的復雜度越低，網(wǎng)絡的學習能力就越弱，小狗圖像就越卡通化甚至像素化；卷積神經(jīng)網(wǎng)絡的復雜度越高，其學習能力就越強，小狗圖像就越接近真實。訓練范例卷積神經(jīng)網(wǎng)絡范例模型功能下的訓練頁面如圖10所示。修改完成的范例卷積神經(jīng)網(wǎng)絡可以進行訓練。學習者可以調(diào)整訓練的次數(shù)與學習速率，訓練次數(shù)越多系統(tǒng)所花費的時間也越久，但訓練次數(shù)不夠可能會導致網(wǎng)絡欠學習，學習速率過高可能導致在全局最優(yōu)解附近震蕩，學習速率過低可能導致訓練止步于局部最優(yōu)解而找不到全局最優(yōu)解。訓練卷積神經(jīng)網(wǎng)絡所用到的數(shù)據(jù)集為480個外部圖片文件組成的訓練集，該訓練集可按照一定格式手動擴充。當卷積神經(jīng)網(wǎng)絡訓練完成后，頁面將會顯示神經(jīng)網(wǎng)絡模型的預測準確率，學習者可以決定是進入下一步神經(jīng)網(wǎng)絡實測頁面還是修改訓練參數(shù)重新訓練，甚至是返回上一步修改卷積神經(jīng)網(wǎng)絡后再來訓練。在范例卷積神經(jīng)網(wǎng)絡訓練頁面，用戶也可以跳過訓練直接測試范例卷積神經(jīng)網(wǎng)絡的預測準確率，教師可以利用此功能快速進入實測系統(tǒng)向?qū)W生展示圖像識別的效果，學生也可以通過此快捷通道便捷地體驗圖像識別。此功能有利于教師在人工智能課堂中創(chuàng)設情境，有利于學生快速嘗鮮人工智能。實測范例卷積神經(jīng)網(wǎng)絡范例模型功能下的實測頁面如圖11所示。在實測功能下，學習者可以選擇計算機本地存儲的圖片進行神經(jīng)網(wǎng)絡的實測，也能通過連接計算機的攝像頭拍照獲取身邊常用物品圖片或人臉圖片進行神經(jīng)網(wǎng)絡的實測。卷積神經(jīng)網(wǎng)絡實測系統(tǒng)不僅是學習者體驗人工智能的重要窗口，更是檢驗該卷積神經(jīng)網(wǎng)絡模型是否過擬合或欠擬合的重要工具。自主設計功能自主設計功能旨在讓學習者在理解了卷積神經(jīng)網(wǎng)絡原理后運用所學知識從零開始搭建一個新的卷積神經(jīng)網(wǎng)絡，培養(yǎng)學生的創(chuàng)新精神。自主設計卷積神經(jīng)網(wǎng)絡如圖12所示，自主設計功能左側(cè)標簽頁包含了卷積神經(jīng)網(wǎng)絡的所有組成部件，學習者從設置激活函數(shù)開始一步步設計自己的神經(jīng)網(wǎng)絡。卷積層是卷積神經(jīng)網(wǎng)絡必不可少的組成部分，在未設置卷積層的情況下學習者無法添加其它層。當設置了全連接層之后，卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)便趨于完整，能夠進入下一頁的訓練頁面。在搭建神經(jīng)網(wǎng)絡環(huán)節(jié)中，學習者隨時可以撤銷上一步，因此可以放心地發(fā)揮自己的創(chuàng)意。除了設計自己的神經(jīng)網(wǎng)絡，學習者還可以從外部導入神經(jīng)網(wǎng)絡進行學習、修改。訓練卷積神經(jīng)網(wǎng)絡如圖13所示，自主設計功能下的訓練頁面跟范例模型下的訓練頁面基本相似，唯一不同之處是在自主設計模式下，學習者在完成一次卷積神經(jīng)網(wǎng)絡的訓練后可以選擇保存該卷積神經(jīng)網(wǎng)絡為本地文件，保存的神經(jīng)網(wǎng)絡可以在自主設計頁面中導入，有利于學習者之間分享交流學習經(jīng)驗。實測卷積神經(jīng)網(wǎng)絡自主設計功能下的神經(jīng)網(wǎng)絡實測頁面與范例模型功能下的神經(jīng)網(wǎng)絡實測頁面完全相同，此處不再贅述。六、系統(tǒng)成效分析及未來展望成效分析(1)取得的成效在“互聯(lián)網(wǎng)+”的時代背景下，為了解決國內(nèi)中學人工智能教育研究與實施中出現(xiàn)的問題，筆者提出了對應的解決方案并確定了需求，設計并開發(fā)了“智慧狗”中學人工智能教學輔助系統(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，強調(diào)了其背后的數(shù)學原理；通過卷積神經(jīng)網(wǎng)絡的搭建、訓練、實測相關功能，展示了人工智能應用領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，不僅教給學習者人工智能的實現(xiàn)原理，還給學習者提供了完整體驗機器學習實現(xiàn)過程的實踐機會?！爸腔酃贰毕到y(tǒng)通過攝像頭獲取的學習者人臉圖片數(shù)據(jù)僅保存在本地計算機中，不上傳至服務器，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)絡作為學習內(nèi)容。人工智能的核心是機器學習，深度學習是機器學習領域中效果最好的一系列算法，卷積神經(jīng)網(wǎng)絡是深度學習中最著名、應用范圍最廣的一種算法，學生理解了卷積神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)，便能夠獨立地實現(xiàn)簡單的人工智能應用。對于國內(nèi)人工智能教育開展過程中人工智能教育活動缺少實踐手段的問題，“智慧狗”系統(tǒng)提供了具體而完整的通過機器學習實現(xiàn)人工智能的實踐手段，學習者能夠以搭建卷積神經(jīng)網(wǎng)絡為起點，從零開始創(chuàng)造自己的人工智能。教學試驗的開展為了更深入地了解該系統(tǒng)在中學實際教學中的應用效果，筆者于2019年9月至11月在蘇州市第一中學校對2個班級開展了人工智能試驗課程，課程中使用了初版“智慧狗”系統(tǒng)輔助教學，并在課后開展了人工智能課程的教學評價問卷調(diào)查獲取反饋。調(diào)查問卷選取教學內(nèi)容評價、教輔工具評價、學生未來學習方向三個維度。發(fā)放問卷80份，回收73份，回收有效率91.25%。采用克隆巴赫a系數(shù)(Cronbach'sAlpha)對人工智能試驗課程教學評價量表的4個維度進行可靠性分析，結(jié)果如表1所示。數(shù)據(jù)顯示，三個維度的克隆巴赫a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問卷的結(jié)構(gòu)效度，經(jīng)檢驗教學評價量表的取樣適當性量數(shù)KMO值為0.845,Bartlett’s球形檢驗的顯著性值為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個因素，分別對應教學內(nèi)容評價、教輔工具評價、學生未來學習方向三個維度，說明該調(diào)查問卷具有良好的結(jié)構(gòu)效度。不足之處與改進通過教學試驗與調(diào)查問卷的反饋，筆者不僅收獲了學生和教師的大量正反饋信息，還得到了一些負反饋信息。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