人工智能与中学化学教学的融合———以“车身骨架材料的选择”为例

◇ 北京 王珊珊 贺 新

人工智能与化学的融合体现在有机化学、催化化学等诸多方面.被誉为“化学AlphaGo”的先驱团队已经用人工智能开发出有机合成的机器人,合成路线设计的成功概率不输于有机合成专家.此外,人工智能还应用于推测新型药物分子,帮助研究人员设计更便宜、更高效的催化剂等.人工智能与化学科学研究的结合已经如火如荼地展开了,这是否会撬动中学化学教学的改进.如何将中学阶段的化学学习初步实现和人工智能的融合,本文通过以下课例,做了初步的探索和尝试.

1 教学内容分析

本节内容属于2004年人教版《必修1》第三章第3节“用途广泛的金属材料”.2017年课程标准对金属材料的要求如下：“结合实例认识材料组成、性能与应用的联系.”继本校“汽车中的化学”系列教学开展到第4阶段,再结合当时教学进度,笔者将本节课聚焦汽车骨架——汽车中金属材料应用较多的部位之一,寻找性能合适的金属材料.

人工智能助力汽车设计,近些年在汽车工业界已有了不同程度的应用.与材料选择相关的应用列举如下：1)从云端材料数据库中储存上千种材料,人工智能可以帮助设计师加快设计效率.2)人工智能可根据产品性能要求,如强度、质量、材料等,基于人工智能算法,同步生成多种可行的解决方案.此外,人工智能还能设计出新的部件,可将多个不同部件整合成一体化零件,实现减重同时又能增加强度.

学生可以基于用途解决材料选择的简单问题,但是遇到汽车的真实情境,就要面对车身骨架零部件功能各异,金属材料种类繁多的难题.能否将人工智能引入本节课的教学来帮助解决与化学相关的真实选材问题呢? 本课从以下方面展开讨论：先从碰撞安全角度,考虑不同部位对金属强度需求不同,选择合适的金属材料;进一步结合成本因素,对市售车型优选;最后讨论汽车轻量化问题,对车身骨架再次优化.本节课将车身金属材料的选择与人工智能学习融合,学生运用化学和计算机编程两方面知识和能力共同解决实际问题.

2 学情分析

学生在初中阶段初步学习了金属材料,能从性质、成本、资源可获得性、回收利用等多因素对合金材料进行选择.现在一些学校已经开展了人工智能相关课程,为人工智能和学科教学融合提供了可能.此外,本课程实施班级的学生具有计算机相关特长,因此笔者尝试将金属材料选择和人工智能融合,设计符合学生特点的教学内容.

3 教学目标

在解决车身骨架选材、车型评价的问题中,学生感受化学学科与人工智能的交叉融合,深入理解并应用性质和用途的联系,提升了跨学科的综合问题解决能力.在汽车轻量化讨论中,能运用材料的物理和化学性质并结合多因素解释问题,学生体会到节能减排在生产生活中的重要作用,并感受到人与自然的和谐可持续发展的必要性.

4 教学重点

本节课学生需要运用性质用途的关系,在车身骨架材料选择的真实情境中,综合多方面因素,最终解决复杂的实际问题.

5 教学难点

人工智能作为解决问题的手段,需要学生具有较多的知识储备并耗费大量的时间和精力,尽管对于有一定计算机基础的学生来说,难度也较大.考虑到授课实际情况,信息技术教师写好了基本代码,学生在课堂上需要结合真实问题,确立模型,读懂已有代码并改编程序语言.

6 教学过程

表1

环节1保安全

教师引导：1)汽车车身的演变经历了马车型、箱型、甲壳虫型和目前广泛使用的船型.车身的变化,不仅是为了遮风挡雨,更小的风阻,更高的速度,也为安全保驾护航.

2012年11月16日，水利部部长陈雷在水利部传达贯彻党的十八大精神大会上的讲话中提到[6]，党的十八大报告多处涉及水利工作，并把水利放在生态文明建设的突出位置。在水利改革创新方面，强调要完善最严格的水资源管理制度，深化资源性产品价格和税费改革，建立资源有偿使用制度和生态补偿制度，积极开展排污权、水权交易试点。这一系列重要论述和重大部署，进一步完善了我国新时期治水方略，深化了水利工作内涵，拓展了水利发展空间。水是生态环境的控制性因素，水生态文明是生态文明的重要组成和基础保障。

2)播放汽车安全碰撞试验：提问为什么汽车前部被严重撞坏,但是驾驶员却可以受到较好的保护? 这种看似破损严重的汽车是安全的吗?

3)安全的车身结构应该具有怎样的特点? 选取车身骨架结构中非常重要的四个部位(A 柱、B 柱、T形梁和前纵梁,如图1),请你谈谈,怎样设计更安全?

图1

学生活动：

学生1：汽车撞坏后吸收了碰撞能量,驾驶员才能安全.因此车前部看似严重损坏,车身却是安全的.

学生2：A 柱、B柱、T 形梁位于乘坐安全区,应选择刚性大的金属材料,保证在巨大外力碰撞下不变形,继而保证驾驶员安全.前纵梁位于汽车前部吸能区,采用有韧性的金属材料,通过形变吸收能量,减少碰撞对驾驶员的冲击.

学生3：建立模型并得出运行结果,如图2所示.

图2

图3

环节2降成本

教师引导：我们不仅希望汽车越安全越好,同时也希望价格更能让消费者接受,性价比高的车型无疑是受大家欢迎的.根据能查到的汽车骨架所用钢材的强度和用量数据,我们如何进一步进行数据整理,并评选出性价比高的车型呢?

建立模型,如图3所示.

优选结果显示：性价比最高的是某C 车型;如果从高和超高强度钢用量来看,最安全的是某S车型.

设计意图：在此环节,学生建立问题解决的模型,分析整理图表,完成数据挖掘过程,再修改教师提供的编码,获得运算结果.为了挑选性价比高的车型,学生需要考虑多方面因素：从安全角度要提高高强度钢的使用,同时尽可能降低价格,将两种因素同时作为编程的评价标准,才能借助计算机程序对不同车型进行评价,切实提升了真实问题综合解决的能力.

环节3促环保

表2

学生活动：

学生1：密度小的金属,比如铝,使得汽车质量轻、油耗低、减少空气污染;制品表面有一层致密的氧化膜,因此车身抗腐蚀性增强.铝合金回收再利用率很高,节约了金属资源.

学生2：镁合金也可以用于轻量化,它比铝有更明显的减重效果,相对成本只有略微升高.而且我国镁资源丰富,可以降低生产成本,从而实现大规模应用.

学生3：很多跑车车身选择了碳纤维,但是因为成本高,很难推广.因此复合材料中玻璃纤维增强塑料应用前景要好于碳纤维.

设计意图：汽车轻量化目前可通过三种途径实现：选择轻质材料,结构优化和制造工艺优化.为了更贴合化学学习,教学过程选取了材料角度.学生通过资料阅读与讨论结合的方式,了解材料在汽车轻量化中的应用价值.

7 教学反思

7.1 与人工智能结合,解决真实复杂问题

7.2 探索不同学科教师同台授课的方式

原本预期是让化学教师和信息技术教师分开授课,但发现这并不利于问题解决.化学教师引领课堂核心问题,但是无法彻底解决问题,这时需要信息技术教师为学生搭建“脚手架”,学生借助人工智能手段,共同实现问题解决.因此课堂采用了不同学科教师在同一教学环节穿插授课的方式：以化学学科为核心引领,以人工智能为手段和途径,以学生提升跨学科问题解决的能力为导向的教学方式.

学科融合的教学,无疑加大了教师的备课难度.不同学科教师要以头脑风暴的形式多次讨论,一起探讨教学的可实现性,促成了跨学科的集体备课.无论是面对面还是线上讨论,化学教师面临着不断推翻那些暂时无法通过技术手段实现的想法;信息技术教师需要不断地提供技术支持,通过大量提前测试,论证化学问题解决的可能性.

7.3 展望：“人工智能＋X”课程

本文是一节“人工智能＋化学”课的初步尝试.作为本节课的深入与延续,笔者又进行了如下反思：新型合金的研发多基于实验尝试,面对众多的实验数据：各种钢材所含元素种类、含量、相关机械性能和力学参数,能否让计算机进行机器学习,得出元素含量和力学性能之间的关系.这样,计算机能够根据合金组成对性能进行预测,反之,也能对具备一定力学性能的合金成分进行预测.目前已有研究者通过数据挖掘技术在粉末冶金领域加快了成分设计.有了人工智能的助力,合金的冶炼不再是基于经验的反复实验,而是基于规律指导下的预测.因此,后续教学能否借助人工智能,在学生可接受的能力范围内,进一步实现金属材料组成与性质关系的探秘.

为了加快建设创新型国家和世界科技强国,国务院在2017年印发的《新一代人工智能发展规划》中明确要求：“在中小学阶段设置人工智能相关课程,逐步推广编程教育.”此外,“规划”还鼓励高校在原有基础上拓宽人工智能专业教育内容,形成“人工智能＋X”复合专业培养新模式,重视人工智能与数学、计算机科学、物理学等学科专业教育的交叉融合.以上均促成了未来高中阶段将逐步开设人工智能＋学科相关课程的可能,因为未来知识的探索与应用会更多地依赖人工智能.