《人工智能初步》教學設計

《人工智能初步》教學設計【學科核心素養(yǎng)】能夠承受計算機可以處理的方式界定問題、抽象特征、建立構造模型、合理組織數(shù)據(jù)。通過推斷、分析與綜合各種信息資源，運用合理的算法形成解決問題的方案。把握數(shù)字化學習系統(tǒng)、學習資源與學習工具的操作技能，用于開展自主學習、協(xié)同工作、學問共享與創(chuàng)制造，助力終身學習力量的提高。對于信息技術創(chuàng)所產生的觀念和事物，具有樂觀學習的態(tài)度、理性推斷和負責行動的力量?！菊n程標準要求】通過人工智能典型案例的剖析，了解智能信息處理的巨大進步和應用潛力，生疏人工智能在信息社會中的重要作用。了解人工智能的算法，生疏智能技術應用的根本過程和實現(xiàn)原理?！緦W業(yè)要求】【學情分析】本課面對的教學對象是高一學生，對學問的獵取已經開頭由感性生疏提升到理性生疏，已經具有肯定的爭論力量，寵愛穎事物，也情愿突破自己的固有生疏。經過初中的學習，學生已經能夠嫻熟操作一些常見軟件，并能遷移到軟件的使用中，但也簡潔滿足并停留于技能操作層面。在日常的學習和生活中，也或多或少的接觸過人工智能技術的應用。但是，他們對人工智能的了解更多的停留于日常學習和生活中的所見所聞，對人工智能的原理及人工智能的實現(xiàn)方法知之甚少，運用人工智能方法解決問題的意識缺乏、解決問題的力量較弱?！窘虒W目標】理解人工智能的核心力量。把握機器學習中監(jiān)視學習、無監(jiān)視學習和強化學習。KNN算法、聚類算法?！窘虒W重難點】教學重點：監(jiān)視學習、無監(jiān)視學習和強化學習。教學難點：三種機器學習方式的實現(xiàn)原理。【教學策略分析】人工智能是通過智能機器延長、增加人類改造自然和治理社會力量的興技術。近年來，機器學習已經成為實現(xiàn)人工智能的主流方法，具體可分為監(jiān)視學習、無監(jiān)視學習和強化學習三種方式。本節(jié)課的重心并不僅僅是感受人工智能的具體應用，而是要幫助學生初步把握監(jiān)視學習、無監(jiān)視學—1—習和強化學習的概念和實現(xiàn)原理。然而，這些學問都屬于陳述性技術學問的范疇，對于陳述性技術學問的教學，假設只是進展文本上的淺述，學生很難真正把握技術的內涵。所以需要聯(lián)系學生的生活閱歷，有效地利用和整合各種課程資源，讓學生親身體驗。為此，本課承受技術試驗的方法促進學生陳述性技術學問的學習。首先使用百度的EasyDL定制貓狗識別的圖像分類模型，借助不同數(shù)據(jù)量模型的校驗試驗，記錄數(shù)據(jù)，形成比照，來體驗抽象的技術概念和技術原理，幫助學生理解監(jiān)視學習。在整理相冊的活中，通過觀看相冊整理前后照片的分類結果，引導學生與監(jiān)視學習比照，體會監(jiān)視學習與無監(jiān)視學習的覺察玩耍能不斷總結閱歷教訓，作出調整，最終能掌握飛機不被擊中，體驗強化學習是自我學習的過程。以學生耳熟能詳?shù)腁lphaGoZero為例，感受到通過強化學習，幾天就可以到達人類圍棋巔峰水平。人工智能是源于人類的思考過程，教學中承受類比的方法，展現(xiàn)人類思考和機器學習的過程，將機器學習中的“訓練”與“推測”過程與人類的“歸納”與“推測”過程相類比，建立人類思考方式和機器學習方式之間的聯(lián)系，將抽象的人工智能轉換成學生生疏的自身思考過程，學生對人工智能的理解會更加深刻?！窘虒W環(huán)境】開放式的網絡環(huán)境。【教學過程設計】一、初探尊容：人工智能與機器學習觀看人工智能宣傳片，思考以下問題：這段視頻中，你看到人工智能給我們帶來了什么？〔智能自動駕駛、人臉識別、醫(yī)療診斷、便〕學生爭論：除此之外，人工智能還可以應用于哪些領域？〔指紋解鎖，計算機博弈，智能機器人，〕在這些應用中，人工智能是如何解決問題的？人臉識別：依據(jù)輸入的照片，推斷照片中的人是誰。語音識別：依據(jù)人說話的音頻信號，推斷說話的內容。金融應用：依據(jù)一支股票過去的價格和交易信息，推測它將來的價格走勢。圍棋對弈：依據(jù)當前的盤面形勢，推測選擇某個落子的勝率?！?—小結：人工智能解決問題的方式就是依據(jù)給定的輸入做出推斷及推測。人工智能是人類智能的算法實現(xiàn)，人類智能的核心是學習，因此人工智能的核心也應是學習。人工智能的上述應用大多數(shù)是通過機器學習來實現(xiàn)的，它已經成為人工智能的主流方法。機器學習從方式上可分為監(jiān)視學習、無監(jiān)視學習和強化學習。設計意圖：這是一個快速變遷的時代，在這一切便利與舒適的背后，是一場正在深刻地轉變我們的生活與社會的科技浪潮——人工智能。但是，學生對人工智能的認知還是停留在日常學習和生活中的所見所聞，對人工智能的了解也是局限的。通過觀看視頻，從人工智能的具體的應用總結出人工智能解決問題的方式，就是依據(jù)給定的輸入做出推斷及推測，這個力量的獲得必需通過學習來完成，從而引入機器學習。二、定制模型：理解監(jiān)視學習從手機識別植物引入，提出定制圖像識別模型?；顒?：使用百度的EasyDL定制貓狗識別的圖像分類模型。教師演示創(chuàng)立共性化圖像分類模型的方法與步驟：練數(shù)據(jù)量狀況下，所訓練模型的識別準確率。推測分類

模型版本狗貓

5張圖〔V1〕 10張圖〔V2〕 50張圖〔V3〕指導學生爭論上傳的數(shù)據(jù)集的構成?！?用于對輸入的數(shù)據(jù)生成合理的推測。在訓練的過程中，推測量的真實值通過供給反響對學習過程起到了監(jiān)視的作用，這樣的學習方式稱為監(jiān)視學習?！?〕訓練的有效數(shù)據(jù)量越大，圖像的識別率越高?！?—這個模型中貓狗的特征提取是比較簡單的。在生活中，貓和狗的聲音和爪子截然不同，所以，常通過sound〔聲音〕和claws(爪子)兩個特征來推斷。假設將聲音和爪子轉換成特征向量表示在坐標系中，圓形表示貓，三角形表示狗。在機器學習中如何推斷一個參加樣本star的分類呢？最鄰近規(guī)章分類算法〔KNN〕是一種常用的方法，假設一個樣本與k個最相鄰的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。如k＝3時，與star最近的三個點中有兩個是圓形，所以star是貓。設計意圖：監(jiān)視學習中典型的例子是識別，故而從識別植物入手，激發(fā)學生興趣，引出訓練貓狗識別模型的學習活動，借助百度的EasyDL定制化圖像識別模型，經受監(jiān)視學習的過程，從數(shù)據(jù)集的構成覺察監(jiān)視學習既有輸入數(shù)據(jù)，又有對應的輸出數(shù)據(jù)，進而生疏到推測量的真實值的反響的重要性；經過訓練的模型，對輸入的數(shù)據(jù)能生成合理的推測，通過校驗不同數(shù)據(jù)量的模型，可以覺察模型的識別率是不一樣的，很簡潔覺察訓練的數(shù)據(jù)量越大，圖像的識別率越高，進而生疏到監(jiān)視學習中數(shù)據(jù)量的重要性。人工智能的原理相比照較簡單，為了能有一個直觀的生疏，以生活中區(qū)分貓和狗為例，把聲音與爪子作為特征向量表示在坐標系中，結合最鄰近規(guī)章分類算法KNN，幫助學生進一步理解監(jiān)視學習。三、整理相冊：理解無監(jiān)視學習2：整理班級相冊。安裝Picasa2個好朋友為聯(lián)系人。在Picasa界面中觀看照片的分類結果。覺察：建的聯(lián)系人的全部照片都列舉出來〔可放大為頭像視圖，也可縮小為全景視圖助“在磁盤中查找”快速找到圖片存放位置。有照片更后，再次觀看照片分類結果的變化。覺察：全部入庫的相片自動歸類到相應位置。—4—與監(jiān)視學習比照，分析無監(jiān)視學習。無監(jiān)視學習分組。所以，無監(jiān)視學習只有輸入數(shù)據(jù)，而沒有推測量的真實值。設計意圖：本環(huán)節(jié)使用的照片素材源于學生的學習生活，通過在Picasa軟件中建聯(lián)系人觀看相冊自動聚類后的變化后，在增加相片后，全部入庫的相片自動歸類到相應的位置，可以覺察在事先不知道照片類別的狀況下，Picasa可以把相像的照片自動歸為一類，這就是聚類式無監(jiān)視學習。整個過程中，學生感受到Picasa軟件聚類功能的強大，也形成了對聚類算法的初步理解。四、技術玩耍：理解強化學習3：飛機躲與AlphaGoZero。觀看飛機躲玩耍，記錄隨著玩耍的進展，飛機被擊中的次數(shù)。擊中次數(shù)

玩耍進程

玩耍開頭 玩耍5分鐘10-1的回報，否則獲得0回報。這樣，通過關注智能體在環(huán)境中實行的一系列行為，并依據(jù)反響改進展動方案以適應環(huán)境。實際上，這就是一種強化學習方法。觀看視頻，了解AlphaGoZero，感受強化學習?！?—小結：AlphaGoZero完全不使用專家數(shù)據(jù)訓練，只使用強化學習，它在幾天之內進展了上百萬盤自我對弈，到達了人類圍棋巔峰水平。設計意圖：通過飛機躲玩耍的觀看，覺察玩耍能不斷總結閱歷教訓，作出調整，最終能掌握飛機不被擊中，體驗強化學習是自我學習的過程。以學生耳熟能詳?shù)腁lphaGoZero為例，感受到通過強化學習，幾天就可以到達人類圍棋巔峰水平。五、回眸再看：機器如何智能人類在成長、生活過程中積存了很多閱歷。人類通過對這些閱歷的“歸納”，獲得“規(guī)律”。當遇到未知的問題的時候，可以使用這些“規(guī)律”來進展“推測”，從而指導自己的生活和工作。機器學習與人類思考的過程是類似的。機器學習就是把人類思考、歸納閱歷的過程轉化為計算機處理數(shù)據(jù)、建立模型的過程?！?—人工智能的核心是機器學習。機器學習是利用過去的數(shù)據(jù)對模型進展訓練，然后使用模型對將來進展推測的一種方法。再次理解人工智能。人工智能是通過人工定義或者從數(shù)據(jù)和行動中學習的方式獲得推測和決策的力量。人工智能是通過機器模擬、延長和擴展人類智能行為的技術。人工智能是通過