人工智能教學融入高中信息技術課程基礎模塊的幾個策略

陳凱

在高中信息技術課程標準中，“人工智能初步”屬于選擇性必修中的一項模塊，此模塊的總體教學目標的定位，不僅有“描述典型人工智能算法基本過程”，也有“親歷設計與實現簡單智能系統的基本過程”。整體考察信息技術教學內容，發現必修模塊中諸多基礎知識和技能與“人工智能初步”教學模塊的內容有所關聯，如必修模塊中的“信息系統”和人工智能中的智能系統的實現有關;“數據處理與分析”與人工智能中機器學習訓練有關;至于編程和算法，無疑更是與機器學習算法有著密切的聯系。對于將要開設選擇性必修“人工智能初步”課程的教師來說，研究如何將人工智能的知識概念以及思想方法融入信息技術課程必修部分較為基礎的教學內容中，是十分合理的需求。

策略一：建立貫穿始終的任務驅動路徑

對于已經決定選擇“人工智能初步”模塊作為教學內容的教師來說，可以研究如何充分地圍繞必修模塊中教學內容，為將來的人工智能教學做好知識概念上的鋪墊。教師可以使用思維導圖或知識圖譜作為工具，對知識、技能相互的關聯進行梳理，然后規劃出合理的任務驅動路徑。

如以“K均值聚類算法”為中心繪制思維導圖，如圖1，梳理出在日常信息技術教學基礎模塊的知識點與某種機器學習算法的關系，然后根據這些關系合理規劃不同階段的教學重點。

根據圖1，可以試著規劃出一條有著核心任務，且又貫徹整個學習過程的任務驅動路徑，如圖2。

路徑圖2由左到右提示了概念和技能出現在教學過程中可能的進度，另外，圍繞著核心任務，技能與概念兩兩呼應，恰好呈現出對稱的結構。當然，在實際教學中，不一定要求有如此完美的對稱關系，或者，也可以圍繞其他任務來規劃路徑，也可以在路徑中加入更多內容（如信息系統、開源硬件等）。但無論怎樣，此圖體現出可以對知識圖譜進行分析，從而規劃出在信息技術教學基礎模塊中，可融合人工智能教學驅動任務的知識技能提升路徑。毫無疑問，必然會有一些人工智能的知識技能不處于這條進階路徑上，如若課時或教學資源有限，則可相對簡單地對其大致工作原理作講解或展示。

策略二：無遮蔽地展現某一特定人工智能算法實現過程

無遮蔽地展現實現過程是指，不僅知道人工智能實現過程中的基本原理，也要能夠明白實現過程中涉及的數學公式和程序代碼的作用。因為教學時間或學生水平的限制，顯然不可能對許多種不同的人工智能算法實現過程都做到無遮蔽展現，但仍然可以考慮至少選取某一特定的人工智能算法作為無遮蔽展現計算過程的重點講解對象。根據心理學“激勵—反饋”理論，學習者在對學習內容有真正的了解后，就會對自己的學習動力產生強化作用，促進其能以更積極的態度投入到新的學習中，從而提高學習效率。另外，若能無遮蔽地展現某種人工智能算法實現過程，那么教師也能比較方便地組織實踐活動，對學生學習情況進行評價。同時，學生也可以借助這些比較簡單的可以無遮蔽展現過程的算法的學習過程，體驗比較普遍的計算思維的形成過程和計算機科學方法的應用，從而為將來更艱深的算法學習打下基礎。

根據一項針對已經開展過人工智能教學的教師的小范圍調查，在諸多人工智能算法中，教師們認為較能適應高中階段學生水平，且能在比較少的課時（調查以8課時為教學時間限制）中，無遮蔽地展現實現過程的算法有：廣度優先搜索算法、深度優先搜索算法、貝葉斯分類算法、決策樹分類算法、K近鄰算法等，這些算法具有涉及的數學原理相對淺顯、算法的實現過程相對比較簡單、算法過程細節中的每一步都能進行跟蹤等特點。而那些教師們認為不太能夠無遮蔽地展現完整過程的算法，要么是計算模型構建復雜，要么是涉及比較艱深的數學知識，或者是很難跟蹤計算過程中的具體步驟細節。對于那些暫時無法做到無遮蔽展現過程的算法，教師在擱置問題的同時，應為算法中涉及的計算機科學以及數學上的工具或原理，給出有指向性的進階路徑，鼓勵學生自主探究學習。

策略三：創設突出機器學習思維的簡單任務

在高中階段，是否應該將無遮蔽地展現機器學習的過程，落實在具體的程序代碼上，目前還有很大的爭論。因為教師和學生會面臨一個非常實際的問題，那就是，無論再簡單的人工智能算法，其代碼量還是非常大的。但有一個辦法，可以消解教學中的負擔，按照自頂向下，逐段分解的辦法，把特定的人工智能算法的某些部分，分配到前期基礎模塊算法學習的各個部分中去，如此，當整體的人工智能算法出現時，再按機器學習的思維，對前期已經講解過的各個模塊重新進行總裝。

還可以從簡化機器學習任務及精煉算法過程方面來進行考慮。下面列舉一些已有過實踐且有初步成效的方法，并不全面，權當拋磚引玉。

（1）簡化數據輸入和輸出形式。許多代碼案例都是從數據集、電子表格或數據庫中獲取供機器訓練的大量數據，這就增加了實施的復雜性，可以考慮預先將數據以列表的形式準備好，供學生復制粘貼到代碼中，這樣就大大減少了程序代碼的復雜性。在運算結果的輸出環節，既可以讓學生調用由教師預先編寫好圖表顯示的函數，也可以直接以字符形式輸出，復制粘貼到電子表格中，再以圖表形式展現，也可降低代碼量。當然，如果在課程計劃中，原本就打算將數據輸入和輸出展示這部分內容，作為整個人工智能學習驅動任務的一部分，就另當別論了。

（2）簡化數據結構。在許多人工智能算法的實施場景中，需要處理的數據是二維形式存儲的，但有許多算法，其最關鍵的解決問題的思維方法，即便對一維的數據也是同樣有效的，如一般會用點乘運算來提取二維圖像特征，但實際上，也可以用點乘運算提取一維數據（比如某個波形）的特征。在算法實現上，對一維數據進行點乘運算無疑要容易得多，效果也很突出，甚至用電子表格就可以實現了。如用多個一維的列表來代替矩陣的使用，從而使得學習曲線變得平緩。教師應該提醒學生，這只是為了聚焦人工智能實現算法的關鍵思想，而暫且擱置了對數據結構的優化。

（3）降低算法實現的普遍性。一些算法之所以復雜，是因為它要考慮多種不同的用戶需求，若降低算法實現的普遍性，便可大幅度減少代碼量，也可突出算法中體現智能實現的關鍵思維方法。如以K均值聚類為例，它要考慮用戶可能將數據按特征分成多少類;它還要考慮初始多個分類中心點的選取。若不考慮這些普遍性的要求，“粗暴”地設置初始數據在一條直線上，K值為2，且初始中心點位于數軸兩端，那么程序代碼就可以簡單到僅有20行左右。

以上是圍繞“人工智能初步”教學目標的定位，討論人工智能教學融入高中信息技術課程基礎模塊的幾種不同的策略，可供有需要的教師參考，并希望能在更多的教學實踐后得到反饋和持續改進。

作者單位：上海市位育中學