点 评

近年来，人工智能的发展推动了社会各领域从数字化、网络化向智能化的跃升。人工神经网络是人工智能领域迅速崛起的一项重要技术，以此为基础的人工智能应用效果惊人，加快了全球范围内的知识更新和技术创新，也深刻地改变了信息社会中人们的生活方式和思维模式。相应的内容也迅速进入基础教育领域，但是，人工智能教育实施过程中也存在着两个方面的问题：一是学习内容过深，一些中小学人工智能教材将大量的抽象模型和理论知识直接呈现给学生，大大超过了中小学生的认知水平，导致学生对课程产生畏难情绪，失去学习的兴趣；二是停留于体验学习水平，学习活动只是进行简单的积木搭建，很少涉及神经网络的基本原理及其组成等内容。

人工智能的本质是解决分类和回归两大问题，本课以分类问题作为切入点，以吃豆子游戏导入，以解决最简单的二分类问题为主线，帮助学生理解和探索人工智能概念和人工智能底层技术。在活动2中，引导学生运用数学知识和纸笔工具进行分析和推演，把解决分类蓝色和橙色点的问题，转变成画一条直线将两类点分开的问题，从而认识到人工神经网络的本质就是数学计算模型，借助TensorFlow Playground人工神经网络在线实验平台，让学生通过手工调整特征向量x1和x2的权值来训练人工神经网络。这种运用仿真、验证等方式解决问题的过程，也正是计算思维养成的过程。

但是，当数据点在特征空间中的分布比较复杂时，通过观察和尝试画分类线是没有效率的，往往也是不可能的。因此，需要通过一些方法，让人工神经网络自己学习得到分类线，这个过程称为训练。在TensorFlow Playground中，每一个小格子代表神经网络中的一个神经元，每一条线代表神经元之间的连接。当单击运行按钮后，以线条的粗细变化表示权重的变化，线条越粗，表示权重越大，输出结果区域可看到边界的变化过程，勾选Show test data用test数据集检验分类的效果，能形象直观地呈现人工神经网络不断优化权重的训练过程。