如何理解作為學科的人工智能教育
來源:用戶上傳
作者:
有一種人叫“職業創客”，他們看上去更符合創客的原始定義——“一群不以營利為目的，把想法變成現實的人”，是他們的那種團結的社區和多樣的個性，讓我看到了一種強大而并不無聊的教育和生活的可能性，于是才有了創客生活和創客教育的最初想法。程晨是我認識的第二個職業創客，他總是流露出一種“大隱隱于市”的氣質，所以每當有一些混亂的概念的時候，我總是期望問一下職業創客的意見。面對大熱同時又有一些眾說紛紜的人工智能教育，身在此山中、技術上又沒那么強的信息技術教師有可能被各種觀點所迷惑，甚至忽略一些基本的常識，所以我們此次對話，想聽一聽職業創客程晨老師的意見。
——吳俊杰
嘉 賓
程晨，科技作家，創客布道師，致力于推廣科技教育的普及。2015Intel軟件創新大使，2017ELF全球杰出教育領袖。青少年創客教育聯盟首席創客導師，全國青少年創客教育聯盟創客技能測評標準組組長，中國電子學會全國青少年機器人技術等級考試標準工作組副組長，全國青少年軟件編程等級考試標準工作組副組長，中國教育技術協會數字教育資源專業委員會專家，中國下一代教育基金會實踐與創新工程專家委員會專家。編著、翻譯、出版人工智能、物聯網、3D打印、機器人領域相關圖書數十余本，長期在《無線電》《愛上機器人》雜志刊登技術類項目文章，出版國內最早的Arduino、Intel Edison、3D打印技術、Mixly普及圖書。
嘉 賓
吳俊杰，北京景山學校信息技術、物理教師，STEM教育研究者，研究方向為創客教育的普及課程和教師專業發展，創客教育普惠課程創始人。全國中小學STEAM教育大會聯合發起人，“貓友匯”社群聯合創始人，家庭創客空間計劃、LaserBlock開源結構件項目發起人。在《上海教育》《教學儀器與實驗》《中國信息技術教育》《中小學信息技術教育》雜志開設不定期專欄，發表論文七十余篇，專著三本。在創新創業領域，致力于從教育的角度推動可持續發展理念下的模塊可重用的設計，推進電子、家電、家具、建筑行業的可重用設計的理念和消費行為。
吳俊杰：對于我而言，人工智能是一個既熟悉又陌生的概念，說熟悉，是因為北京景山學校從2007年使用地圖出版社的高中信息技術教材以后，我就一直在講《人工智能初步》這個選修模塊;說陌生，是由于當時講教材的時候很多東西都是淺嘗輒止，而如今在人工智能大熱的背景下，此時的人工智能與彼時的人工智能又有了很大區別，怕講的知識有些過時。
程晨：談到人工智能，可能大家印象最深刻的還是2016年3月AlphaGo以4比1的總比分擊敗圍棋世界冠軍職業九段棋手李世石的場景。這標志著人工智能的一個新的里程碑。而前一個里程碑應該是1997年5月11日“深藍”擊敗國際象棋大師卡斯帕羅夫的時候。當時還有很多人說人工智能是無法在圍棋上擊敗人類職業圍棋冠軍的，因為圍棋的變化太多了，計算機完成不了這個數量級的計算。雖然在1997年到2016年之間，計算機技術依照摩爾定律在突飛猛進地發展，但這并不是新里程碑出現的主要原因。AlphaGo之所以能夠擊敗人類圍棋職業九段的選手，其實主要原因是人工智能領域出現新技術。
吳俊杰：是的，新的技術，而且能夠廣泛在行業中應用的技術，推動了人工智能的這次高潮。
程晨：“深藍”時代采用了一種稱為專家系統的技術，這種技術會把絕大多數的可能性都存儲于計算機中，當遇到問題時，計算機會搜索所有的可能性，然后選擇一條最優的路線。這種技術的核心是要預先想好所有可能出現的問題以及對應的解決方案，所以當年的主要工作就是組織專家給出對應問題的解決辦法，然后把這些回答按照權重組織在一起形成專家系統。
我們現在了解到這種技術有很多局限性。一方面，在復雜的應用場景下建立完善的問題庫往往是一個非常昂貴且耗時的過程;另一方面，很多基于自然輸入的應用，如語音和圖像的識別，很難以人工的方式定義具體的規則。因此，現在的人工智能普遍采用的都是機器學習的技術，這種技術與專家系統最大的區別就是我們不再告訴計算機可能出現的所有問題以及問題的解決辦法了，而是設定一個原則，然后給計算機大量的數據，讓計算機自己去學習如何進行決策，由于這個過程是計算機自己學習，所以稱為機器學習。
吳俊杰：這恐怕就是現在大熱的“深度學習”了。
程晨：是的，深度學習是機器學習中一種基于對數據進行表征學習的方法。其實比深度學習更廣泛的概念應該叫“機器學習”。在專家系統中，我們是知道計算機如何工作的，還是以國際象棋為例，對應計算機的工作流程就是檢索所有的棋譜，然后選擇一個獲勝概率最高的走法。這個過程如果沒有計算機，換一個普通人也能完成，只是每走一步花的時間要多一些而已，計算機的優勢只是速度快。而對于機器學習來說，當計算機學習完畢之后我們是不知道其對應的思考過程的，即這個過程是人本身完成不了的，無論花多少時間。AlphaGo學習的時候還是學的人類的棋譜，而之后的AlphaGo Zero完全是自學，它一開始就沒有接觸過人類棋譜。研發團隊只是讓它自由隨意地在棋盤上下棋，然后進行自我博弈。最后的結果是，在AlphaGo Zero面前，AlphaGo完全不是對手，戰績是100比0。
吳俊杰：這個成績確實很令人震驚，記得我在講2007年版本的教材的時候，舉深藍的例子、讓學生簡單理解五子棋的對弈規則的同時，還不忘了說一句，“按照目前計算機的運算能力，圍棋這種狀態數接近宇宙量級的對弈形式，目前機器還是做不到戰勝人類的?！?
程晨：是的，AlphaGo的母公司很聰明地選擇了圍棋這樣一個很有宣傳點的例子來做噱頭，但是其實它真正要宣傳的是其機器學習的算法和解決機制。機器學習是目前人工智能的核心，是使計算機具有智能的根本途徑。機器學習的產生主要原因是因科學家開始嘗試模擬人類大腦的工作形式。人類思維的功能定位在大腦皮層，大腦皮層含有大約1011個神經元，每個神經元又通過神經突觸與大約103個其他神經元相連，形成一個高度復雜、高度靈活的動態網絡。通過對人腦神經網絡的結構、功能及其工作機制的研究，科學家在計算機中實現了一個人工神經網絡，這是生物神經網絡在某種簡化意義下的技術復現，作為一門學科，它的主要任務是根據生物神經網絡的原理和實際應用的需要，利用代碼建造實用的人工神經網絡模型，設計相應的學習算法，模擬人腦的某種智能活動，然后在技術上實現出來用以解決實際問題。 吳俊杰：這應該就是所謂的“人工神經網絡”了?；氐竭@次對話的核心議題，作為一門學科存在的“人工智能教育”，就像我講過的高中教材那樣，它不應是一本文科教材，充滿科幻色彩的想象，也不能是一本魔法書，充滿各種炫技的案例。那么，小學、初中、高中一體化的人工智能教材，應該是一個怎樣的架構，它的核心知識脈絡應該是怎樣的呢？
程晨：我覺得目前在技術方面開展人工智能教育的重點就應該是機器學習。作為學科教育的人工智能教育的目標應該是培養出合格的、能夠設計優化相應學習算法的高科技人才。假設前面說的這個目標定位在大學，那么擴展到中小學，對應的目標就是在小學和初中要讓學生了解什么是人工智能，體驗人工智能在生活中的應用。而在高中就要讓學生能夠測試已有的一些人工智能學習算法，理解機器學習的概念，并能夠利用大量的數據來訓練某種機器學習模型。而如果要達到高中的人工智能教學目標，又必須要在小學和初中就開展編程教育。因此，我們可以得到如表1所示的人工智能教育的目標。
吳俊杰：這個表格的內容顯然還不太全，看來您還是不完全了解教師寫教學目標常見的那種話語體系，這說明作為一個對創客教育感興趣的“職業創客”，還沒有完全成為一名教師，而這應該是一件好事。但是這個體系核心很明確，有助于我們搞清楚在各個學段究竟要講什么，而且我也很喜歡您把大量的數據作為一個核心工具來講解這個時代的人工智能的做法。人工智能有很多應用領域，但是機器學習的思想方法是各個領域中通用的核心，而且現在流行并且證明比較有效的方法是用大量的數據最好是大數據來訓練深度神經網絡。
程晨：是這樣的，搞清楚方法有助于幫助我們找到那些絢麗的人工智能應用領域中的共性特征，也有助于把握未來的趨勢。人工智能應用的領域很多，每所學校可以按照自身的特色選擇一個具體的方向開展人工智能教育，但這個方向一定要包含整個機器學習的過程。我在這里以人臉識別的方向來舉例，如果應用到教學中，教師可分成如表2所示的教學環節來展開。
這些環節如果對應到大學、中學、小學（如表3），再加上一些相關的教學內容，那么我們就能得到一個基于人臉識別技術的人工智能教育方案，這里因為小學階段和人工智能直接相關的內容較少，所以需要擴展更多的內容。而這個過程，就映射到人工智能各個學段的教學目標來看，就是一個由淺入深的人工智能教學的序列。
吳俊杰：沿著這個思路，我們就可以搞清楚人工智能的其他應用領域的學段教學內容了。這也就避免了小學課堂內容過于感性、太過玄幻。再從這個架構來看，之前我們在創客教育中的大量積累都可以自然地遷移到人工智能學科教育中。另外，軟件廠商的具有人工智能教育功能的軟件封裝也變得有一定的意義，但作為一個可被調用的模塊，它的難度應該不大。學段的教學重點還是圍繞著該學段學生所能夠接受的知識，且針對有銜接關系的知識展開，而那些模塊的使用則是學生階段性感受工具的方式?？傊?，到了高中后，有了小學和初中的基礎，一切就都可以從底層學起。
程晨：這肯定還是需要一個過程的，但是核心架構還是能夠自圓其說的，因為有些東西是可觀的。前面，我們只是以人臉識別技術為例，如果我們依照這樣的形式將其他方向（如自然語言處理、語音識別、自動駕駛等）也細化到不同年齡段，然后再歸納總結，則一定會得到一個比較全面的開展人工智能教育的方案。
吳俊杰：很感謝程老師能夠成為這次對話的嘉賓，我很有收獲。目前，我所知道的，很多出版社都在著手啟動自己的系列人工智能教材的編寫計劃。但是作為一個通用教材，很多情況還要看教學對象是全體學生還是部分學生。就教材的修訂節奏是否能夠跟得上師生水平和技術本身提高的節奏而言，因此作為學科的人工智能教育仍有它不太明確的地方。而且，從大的范圍來看，還存在著一個“人工智能技術在教育領域的應用”的更偏向教育信息化領域的概念，作為區分，這一形式稱為“人工智能+教育”更為合適。
針對“人工智能+教育”，則是一個既包含教育信息化，又包含學科整合的更為寬泛的話題了。無論怎樣，搞清楚作為學科的人工智能教育，都是避免出現渾水摸魚的各種現象的一個基礎性的話題。關于人工智能時代對教育帶來的種種機遇和挑戰，我們期待未來有更為細致和可持續的解決方案，但無論如何，充分而有意義的討論、分享和學習的態度，將是我們面臨諸多挑戰能夠占據主動權的核心態度。
轉載注明來源:http://www.hailuomaifang.com/9/view-14837964.htm
