在基礎教育階段構筑人工智能學習體系

李駿揚

一、引言

人工智能并非是一門單一的學科，而是一門復雜的、具有綜合性與學科交叉性的學科。［1］人工智能以數學為核心，目前通常以計算機為實現手段，以解決我們現實中遇到的各種問題。

自2017 年國務院發布《新一代人工智能發展規劃》以來，“人工智能”就從一個令人敬畏的詞語迅速普及到各行各業，并有以“人工智能”代替一切與之有關詞匯的趨勢。在教育部新修訂的高中信息技術課程標準中，“人工智能初步”也已成為選擇性必修的六大模塊之一。［2］26當前，教育研究者們紛紛開始思考在基礎教育階段人工智能教學的標準、方法與內容。在開始正式的分析前，不妨先看下當前人工智能教育面臨的一些問題。

首先是教學內容與體系上的混亂。目前市場上已經出現了大量的面向青少年的人工智能書籍，其內容主要包括圖像處理、機器學習、大數據、Python、語音識別、自然語言處理、生物體特征識別、無人駕駛等等［3］，也有書籍對人工智能進行更深入的哲學思考。［4］但是，以上提及的領域并不在同一個維度中，有的屬于技術范疇，有的屬于應用范疇，這種龐雜性往往使教學內容的編寫者無所適從。

其次是師資隊伍的缺乏。這也是人工智能教學實施的困難之一。很多教師對于人工智能領域不了解，也缺乏人工智能的實踐經驗，由此阻礙了人工智能走進課堂。［5］

最后是對人工智能概念的泛化。目前，社會機構普遍將“人工智能”的概念泛化，例如用編程教育來替代人工智能教育，用創客教育來替代人工智能教育，或用機器人教育來替代人工智能教育。盡管在這些教育的實施過程中，不乏某些與人工智能相關的案例，但不能說它們就是人工智能。人工智能教育的外延被無限擴大，這值得教育者反思與警惕。

二、人工智能的內涵

在高中信息技術課程標準中，人工智能被定義為“通過智能機器延伸、增強人類改造自然和治理社會能力的新興技術”［2］26。卡普蘭和海恩萊因則認為人工智能系統“能夠正確解釋外部數據，從這些數據中學習，并利用這些學習獲得的具有靈活適應性的知識，實現特定的目標和任務”［6］。這些對人工智能的詮釋都揭示了：（1）人工智能通常以人造的機器（智能體）為載體；（2）這些人造的機器（智能體）具備感知、學習、決策、執行能力中一項或多項功能；（3）人工智能存在的意義在于解決現實問題。人工智能的教學內容也應該圍繞著這幾個關鍵點而展開。因此，有必要將這幾個關鍵點逐一做解釋。

首先是感知，感知即輸入人工智能處理所需要的數據，這些數據包括利用傳感器搜集的環境數據，也包括智能體通過網絡等多種渠道獲得的海量數據，或者智能體通過大數據分析得到的進一步有價值的數據。簡單的數據感知只是對數據進行搜集、清洗和存儲，而更智能的感知可以對數據進行更智能的處理，例如對無結構化的原始數據采用模式識別等方法進行結構化。這一部分的教學內容包括傳感器、AD轉換、3D 重建、機器視覺等。另外，對于大數據的部分，可以作為單獨的教學模塊。

其次是學習與決策。這兩者是統一的，人工智能要實現決策，通常需要一個學習的過程學習，往往是通過統計的方法，對已知輸入和出的數據進行分析，學習其在統計意義上的聯；決策，就是將學習的結果應用到新的數據入當中，從而得到需要預測的結果。大多數過機器學習來構建的系統都有學習與決策的程。（見圖1）

無論是早期比較流行的淺層學習方法，是目前非常熱門的深度學習方法，都要首先建一個學習機，該學習機就像一個空白的大腦要真正發揮作用，還需要大量數據的訓練（習），調整其中的參數。調整這些參數的重要段就是知道當前學習機運行的結果與真實結的偏差，因此需要大量已標注結果的數據（有督學習），而在一些特殊的場合，學習機可以通過現有的數據，而是通過規則判定來實現錯對比，比如著名的AlphaGo Zero。［7］

學習與決策的過程，表面上看是程序運的結果，但關鍵在于算法的設計，即通過數學學習機進行建模和求解。學習者在這一領域習的內容包括模式識別、機器學習、神經網絡深度學習、控制理論等等。

最后是執行。決策的結果往往需要通過實的方法來對真實世界進行影響。進行執的，可能是人，也可能是機器人、無人車、飛行等等。因此，電子、機械、電氣、控制與自動化相關內容的學習，在這一領域是不可缺少的機器人工程也往往作為人工智能領域的一部分。

三、人工智能產業體系與學習要點

人工智能產業，從縱向來說，大致可以分為以下幾個層次：核心層、計算層、平臺層、應用層、普及層與產業層。（見圖2）

1.核心層。

核心層是數學與算法構筑起來的，這一層次主要以數學為手段研究人工智能的核心方法，所需要學習的基礎內容包括高等數學、線性代數、概率論、優化方法等，并在此基礎上學習機器學習、神經網絡、控制理論等核心課程。

2.計算層。

計算層通過底層代碼來實現人工智能的核心程序構建，面向底層的計算機語言程序設計、數據結構、計算方法、基于GPU 的并行計算等，都是這一層次的核心學習內容。這一層級的創新是計算方法、運行效率的創新。

3.平臺層。

平臺層通過整合底層算法，將整個人工智能算法體系平臺化、模塊化、使用簡易化，典型的工作包括機器視覺領域的OpenCV，機器學習（包括深度學習）領域的TensorFlow等。人工智能工程師可以利用這一層的現有工作，以及更簡潔的語言（如Python）快速構建人工智能應用系統。

基于這一層次，所學習的核心內容包括Python 語言（或者其他有效的圖像化語言），人工智能的基本思想，以及相關平臺的使用等等。這一層次的創新是接口的創新，工程方法的創新，這些創新使人工智能被越來越多的普通工程師所用。

4.應用層。

應用層，即針對不同的應用領域（包括教育領域、交通領域、醫療領域、家居領域、金融領域、文化藝術領域等）所切實需要解決的問題，構建人工智能的應用系統。

人工智能在這里與其他學科高度的交叉與融合，因此在這一層次所需要學習的內容不僅僅包括人工智能應用系統的構建，也包括所面向應用領域的核心概論與核心方法。這一層級的創新則是基于應用場景、應用領域的集成創新。

5.普及與產業層。

在應用層之上，人工智能則向兩方向分化，一方面是面向大眾的人工智能科普，即普及；另一方面是將人工智能形成產業，并對國民經濟的發展產生正向的推動。

普及，是讓人工智能走進大眾的視野，將現實的人工智能與科幻區分開，讓大眾了解什么是我們目前真正的弱人工智能，什么是我們未來的強人工智能，或超人工智能，并同時引發我們對人工智能與哲學、人工智能與倫理、人工智能與文化的思考。

產業，則是從更宏觀的角度來思考人工智能對國民經濟的整體性影響，討論人工智能給各行各業帶來的變革，以及從更長遠的視角來論證，我們在教育、經濟、文化等各個領域，應該采取哪些必要的措施來應對人工智能帶來的變革。

四、學習內容體系的多層級構建

面向不同的年齡與學習層次，人工智能的學習可以分為普及階段、應用階段、算法階段和核心創新階段四個逐層深入的學習階段，圖3展示了面向不同的學習層次的學習內容構建。

1.普及階段。

普及階段主要面向小學教育，人工智能更多是以科普的形式呈現在孩子們面前：我們身邊有哪些人工智能？人工智能能做什么？不能做什么？這一階段同樣涉及人工智能的各個應用場景，也涉及人工智能在技術中的各個領域，例如無人駕駛、三維重建、自然語言處理、生物特征識別等。這一階段的人工智能教育以體驗為主，利用面向兒童創設的情境，采用封裝良好且易用的人工智能技術裝置或軟件系統，來解決情境中的問題。［8］

2.應用階段。

應用階段主要面向初中和部分高中學生，在課程設計中面對真實問題，引領學生思考如何讓人工智能在解決問題的過程中發揮作用。這里的人工智能面向不同的應用場景和技術領域，融入STEAM 的教學理念，采用圖形化編程或Python 語言作為平臺，進行初步的人工智能應用設計。

3.算法階段。

在高中階段，部分對人工智能感興趣的學生可以進入算法階段的學習，可結合高中數學知識，理解部分人工智能的算法的基本思想，理解人工智能與數學之間的天然聯系。

4.核心創新階段。

在大學階段（包括碩士、博士研究生階段），對于專業學生，可以深入核心算法的學習，并在核心領域進行創新。

五、教學實施

在基礎教育階段，人工智能教學的實施需要注意以下幾個問題：

1.課程設計以解決問題為導向，以思維為核心。

在基礎教育階段，無論是對人工智能進行科普，還是引導學生理解算法的核心思想，人工智能都不是單一的知識學習，而是對問題的解決。因此，課程設計建議從現實問題（情境）出發，層層深入，最后回到問題的解決上來。

在此過程中，對于不同的學段或者不同的學習層次的學習者，所學習的深度是不同的。但是，課程中技術層次淺顯，不代表著思維層次也可以淺顯，課程設計中必須融入學習者對學習內容的思考與辨析，融入創新與創造，忌將課程教案設計為硬件組裝說明書，忌在教學設計中給學生提供完整的軟件代碼。

計算思維是人工智能課程的重要組成部分，在以往的計算思維的基礎上，教學中還必須融入數據的思維［9］和智能的思維［10］。

2.重視學科交叉。

人工智能的多學科交叉體現在兩個方面，首先在核心領域，人工智能以數學為基礎，以計算機為實現手段，同時與控制、信息等領域有諸多交叉。其次，人工智能所要解決的問題，是面向不同學科領域的。因此，面向問題解決的人工智能教學，其多學科交叉是自然的，無需刻意謀劃，這也對我們教師的課程設計，以及教師的自身素養提出了更高的要求。

3.重視數學的核心地位。

要充分認識到數學在人工智能中的核心地位，并在各個學段的教學中，由淺入深、由少至多地融入數學的元素。盡管對于較低年齡段的學習者來說，對人工智能的核心算法缺乏數學這一基本工具，也缺乏計算機的實現手段，但是數學的基本思想是可以用語言和故事來表述的，隨著學習階段的提升，對照初中及高中的數學課標，部分數學內容完全可以和人工智能課程進行融合，以數學的思想來引領人工智能算法的核心思想。

在人工智能教學中融入數學，因為我們培養的人才不僅僅在應用領域進行創新，我們也更需要那些深入底層，能夠在核心領域進行創新的人才。核心領域的創新能力才能賦予國家具有實質性優勢的創新能力，也才能夠真正抵御外部環境帶來的技術封鎖的風險。

4.應對人工智能教育全面開展帶來的教學挑戰。

人工智能教育已經在各個教育階段逐步普及，但這種普及并不是平均的，而是在各地區各校之間存在巨大的差異。這種差異也會給學生未來進入新的學校學習帶來負面影響，比如重復性地學習會讓學生失去學習興趣，而另一部分學生則不得不加快學習的進度以趕上班級的平均水平。學校在開展人工智能課程時也會因此帶來新的挑戰。在教學設計時應該充分考慮這些差異，充分考慮如何讓以往對人工智能接觸較少的學生趕上平均水平，也必須考慮讓水平已經較高的學生可以收獲更多。將課程模塊化，“車輪式”地開展課程的不同模塊，為不同層次的學生構建更加豐富和精準的選修形式，可能是解決這一問題的有效方法。

綜上，人工智能正在以前所未有的速度走進我們的生活，走進我們的教育。對于任何教育者，都不得不迎接人工智能對我們的教學所帶來的變革。與其在變革中被拋棄，不如在變革中改變。讓更多的學生在課程中獲得更多的收獲，是構建課程內容的核心問題，這也同時值得我們在教學實踐中不斷地探索、完善。