基于算法设计的人工智能教学实践探索

【摘 要】本文针对现阶段中小学人工智能教育对核心算法进行过度封装的现状，提出以应用为导向、以数据为基础、以算法为核心、以算力为保障的人工智能教学实践路径，并以真实的教学案例“智能电子秤的设计与实现”为例，介绍了具体的教学方法。

【关键词】算法设计；人工智能；教学实践

【中图分类号】G434 【文献标志码】B

【论文编号】1671-7384（2024）08-069-03

从大视角看，中小学人工智能教育至少有两个目标：一是培养适应人工智能时代的人才，二是培养能研发人工智能的人才[1]。然而，在当前的中小学人工智能教育中，为了降低学生的学习难度，人工智能算法被过度封装，导致学生只能触及浅层的应用，而无法深入探究其核心算法，从而无法高质量完成大视角下的人工智能育人目标。本文针对现行中小学人工智能教育存在的问题，提出基于算法设计的人工智能教学实践路径，旨在通过项目式学习方式，将人工智能知识的建构、技能的培养、思维的提升融入利用人工智能解决问题的过程，让学生深刻体验数据的采集与预处理、模型的训练与预测、模型的部署与迁移应用等算法设计对智能系统生成的价值意义。

算法设计概念的界定

算法设计是计算机科学领域中至关重要的分支，其专注于研究和开发高效、实用的算法来解决各类实际问题。本文所探讨的算法设计特别关注机器学习领域，这些算法涵盖了从数据采集与预处理、模型构建与训练、模型预测与评估到模型优化与调整，以及最终模型部署与应用等一系列过程。

基于算法设计的人工智能教学实践路径

1.以应用为导向

算法设计旨在服务于真实的应用场景。因此，在教学实践中，教师应该以始为终，以现实情境中的真实问题为出发点，以问题解决为落脚点，将算法设计与问题解决紧密结合。教师让学生“亲历”利用人工智能解决真实问题的整个过程，从而达到提升学生智能素养的育人目标。

2.以数据为基础

机器的“智能”源自对数据的“喂养”。数据作为人工智能的“燃料”和“动力源”，为模型训练提供了不可或缺的学习素材和依据，使人工智能系统能够依托海量数据进行深入分析和精准预测。所以，数据的质量、数量和多样性直接关系到算法的预测评估效果。通过教学实践，学生不仅要了解数据对人工智能的重要性，还应该熟练掌握数据的采集、修正、整理、归类等预处理过程。

3.以算法为核心

算法是人工智能的核心。算法设计得到的预测模型决定着人工智能系统的性能和效能。只有学生亲历了人工智能算法设计的过程，才能真正理解人工智能解决问题的过程和方法。

4.以算力为保障

算力，又称“计算能力”，是指计算机或计算系统执行计算任务的能力，是人工智能得以实现的基本保障。强大的算力能够确保算法的高效运行和快速收敛，并能够在短时间内完成大量的计算和推理任务。

基于算法设计的人工智能教学实践

1.创设问题情境，提出驱动性问题

在人工智能教学实践活动中，创设问题情境并提出驱动性问题至关重要。这是基于算法设计的人工智能教学实践活动的开端，也是人工智能教学实践活动的出发点和落脚点。教师应以现实生活中的真实问题为任务切入点，创设具有开放性、趣味性和探究性的学习情境。以“智能水果秤的设计与制作”为例，教师可以创设如下的问题情境：在超市购买散装水果时，顾客通常会依赖售货员进行称重和定价。然而，当顾客较多或者售货员不在场时，顾客很难快速称重所选水果。为了解决这个问题，请借助人工智能技术开发一个智能系统，以解决顾客可能会面临的这个问题。基于真实的问题情境，教师引导学生进一步提出驱动性问题：超市如何实现水果的自动称重和标价？

2.基于驱动性问题，设计解决方案

教师引导学生围绕“超市如何实现水果的自动称重和标价”的问题，以小组形式展开头脑风暴，共同探索解决方案，并据此生成问题解决方案的思维导图。在深入剖析问题后，学生清晰地认识到两大核心挑战：一是如何实现水果的精确自动称重，二是如何完成智能标价。对于自动称重部分，学生们普遍认为可以通过称重传感器来实现。然而，项目的真正挑战在于如何实现水果的自动标价，学生们通过讨论提出让机器自动识别水果的种类，并依据识别结果自动设定价格的方案。这种水果种类的识别，本质上属于人工智能领域的图像分类问题。经过上述深入的讨论与分析，学生们明确了“智能电子秤”的设计方案，并据此绘制了如图1所示的思维导图。

3.类比人类学习，理解机器学习

人类学习的过程本质上是一个不断构建和完善函数模型的过程。以小孩学习区分“小猫”和“小狗”为例，小孩通过反复观察小猫和小狗的图片，逐渐建立起文字与图片之间的对应关系，从而形成了一种函数模型。这种学习是可以通过不断积累经验而深化的。与此类似，机器学习也遵循类似的学习过程。机器在接收和处理大量数据的过程中，不断地优化和迭代自己的模型。为了训练计算机能够准确地判断某一张图片是猫还是狗，需要为其提供大量的图片数据，并附上相应的标签，如“这是猫”或“这是狗”。机器在观察这些带有标签的数据时，逐渐学习并理解猫与狗之间的区别，进而构建出一个能够准确判断图片中动物种类的函数模型。教师运用类比手法，将机器学习的复杂过程与学生熟悉的事物相联系，从而帮助学生深刻理解机器学习的本质。

4.围绕设计方案，亲历算法设计

经过前面的分析得知，智能水果秤的核心算法为图像分类。这一过程涵盖了多个关键环节：首先是数据的采集与预处理，确保输入数据的质量和有效性；接着是模型训练与测试，通过不断迭代优化，使模型能够准确识别各类图像；最后是模型的转化与部署，将训练好的模型应用于实际场景中，实现智能化称重。这一完整流程是学生理解人工智能核心技术的关键所在。

（1）数据的采集与预处理。对于人工智能算法设计，数据集的准备与制作尤为重要。为了确保算法的高效和准确，学生需要将收集的图片数据按照其所属的类别进行有序存放，以便让机器更好地学习和识别图像特征。数据集的制作过程包括：①收集图像数据并按类别存放；②照一定比例把数据集划分为训练集、验证集和测试集；③生成标签文件和类别信息文件。

（2）模型训练。用人工智能解决真实问题实际上可以等同为用模型来解决问题[2]。模型训练是机器学习中的一个重要步骤，指的是使用大量的数据来调整模型的参数，使得这个模型能够准确地预测或分类未知的数据。现阶段模型训练平台很多，这里推荐使用“浦育人工智能教育平台”。对于小学生而言，可以借助平台提供的图形化界面体验模型训练；对于中学生而言，可以选择类似MMEdu之类的工具进行图分类模型训练。

（3）推理预测。在模型训练完成之后，需要运用该模型对新的、未见过的数据进行评估预测，以确保模型的精准度和可靠性。以“智能水果秤的设计与制作”为例，重新拍摄一张全新的草莓照片作为测试数据，将之前训练好的模型应用于该照片。模型会基于其学习到的知识，生成一个返回值为字典的预测结果，字典的键分别为标签、置信度和水果种类。这里的置信度可以理解为模型对某个预测结果的把握程度，置信度越高，把握程度越大。

（4）模型转化。为了使训练好的模型能够在不同的框架之间顺畅流转，通常需要将模型从训练框架转换为通用推理框架。这样做可以确保模型能够在各种软硬件平台上部署，从而极大地提升模型的通用性和实用性。以“智能水果秤”为例，通过模型训练得到的数据模型文件为.pth格式，需要将其转化为通用的.onnx格式，才能方便部署到其他平台使用。

5.迁移应用模型，解决问题

（1）模型部署。模型部署是指将训练好的机器学习模型迁移并集成到不同的软硬件平台上，进行实际的应用。这些平台包括像掌控板、行空板等这样的硬件设备，或是云端服务器、移动设备等计算环境。当然这项工作需要借助专门的工具库来协助完成。以行空板为例，部署模型需要依赖Deseploy库。Deseploy库提供了一系列的功能接口，帮助开发者将模型转换为行空板能够理解和执行的格式。

（2）搭建硬件设备，编程测试。针对项目要实现的功能，教师引导学生选择相关的硬件设备完成硬件搭建。以“智能水果秤”为例，需要的硬件设备包括行空板、EPS32-CAM以及I2C重量传感器等。在设备搭建完成之后，学生进行程序编写和测试验证，为了确保系统的准确性和可靠性，这里选用了香蕉、葡萄、草莓以及橘子这四种水果样例对系统进行测试。经测试系统完全达到了预期目标，能够准确无误地识别并自动称重这些水果。“智能水果秤”系统测试运行结果如图2所示。

6.教学评价与反思

基于算法设计的人工智能教学评价，不仅要评估学习结果，更要关注学习过程。教师通常采用过程性评价和总结性评价相结合的评价机制。

首先，通过问卷调查和学生访谈了解学生对人工智能教学内容、教学方法和教学过程的满意程度，为后续课程的迭代优化提供依据。其次，观察并记录学生在项目实践过程中的表现，包括学习参与度、自主学习能力、团队协作以及问题解决能力等方面，为过程性评价收集证据。最后，学生以小组为单位围绕项目制作进行作品的展示汇报，教师结合项目完成情况，了解其掌握算法设计情况和迁移应用能力，进行总结性评价，以验证教学实践效果。

值得一提的是，数据模型的训练与部署环节是完成项目制作的重难点。为了帮助学生在项目制作过程中从容应对，教师特意预设了课前学习的环节，将重难点内容以学习支架的形式提供给学生，并就关键内容进行针对性技术指导，以确保学生对核心知识进行深入理解。同时，在项目运行过程中，教师也应该鼓励学生勇于尝试、敢于犯错，只有通过实际操作，存在的问题才能真实暴露并得到及时解决，学生才能真正构建知识与提升智能素养。

结束语

在中小学阶段，为学生提供深入、系统的人工智能教育至关重要。这不仅能够帮助学生从容应对智能时代带来的挑战，更有助于早期发现和培养人工智能领域的人才。然而，当前中小学人工智能教育面临着诸多挑战。为此，本文提出以算法设计为核心的人工智能教学实践路径，旨在让学生亲历数据的采集与预处理、模型的训练与预测、模型的部署与迁移应用等全过程，从而深入理解人工智能的内在原理与核心算法。实践证明，这样有助于学生智能素养的提升。

注：本文系中国自动化学会“青少年人工智能创新后备人才培育工程”教科研项目“面向高中生计算思维培养的Arduino人工智能校本课程设计及其实施方案的研究”（课题立项号：HBRC-JKY-2023-202）成果之一

参考文献

梁森山，王阳，刘军，等. 寻味人工智能教育： 祛魅之下的实践与思考[J]. 中国信息技术教育，2018（2）： 4-11.

谢作如. 用人工智能解决真实问题的技术地图[J]. 中国信息技术教育，2024（1）： 85-87.

编 辑：冯安华