李駿揚(yáng)

一、引言

人工智能并非是一門單一的學(xué)科，而是一門復(fù)雜的、具有綜合性與學(xué)科交叉性的學(xué)科。［1］人工智能以數(shù)學(xué)為核心，目前通常以計(jì)算機(jī)為實(shí)現(xiàn)手段，以解決我們現(xiàn)實(shí)中遇到的各種問(wèn)題。

自2017 年國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》以來(lái)，“人工智能”就從一個(gè)令人敬畏的詞語(yǔ)迅速普及到各行各業(yè)，并有以“人工智能”代替一切與之有關(guān)詞匯的趨勢(shì)。在教育部新修訂的高中信息技術(shù)課程標(biāo)準(zhǔn)中，“人工智能初步”也已成為選擇性必修的六大模塊之一。［2］26當(dāng)前，教育研究者們紛紛開(kāi)始思考在基礎(chǔ)教育階段人工智能教學(xué)的標(biāo)準(zhǔn)、方法與內(nèi)容。在開(kāi)始正式的分析前，不妨先看下當(dāng)前人工智能教育面臨的一些問(wèn)題。

首先是教學(xué)內(nèi)容與體系上的混亂。目前市場(chǎng)上已經(jīng)出現(xiàn)了大量的面向青少年的人工智能書(shū)籍，其內(nèi)容主要包括圖像處理、機(jī)器學(xué)習(xí)、大數(shù)據(jù)、Python、語(yǔ)音識(shí)別、自然語(yǔ)言處理、生物體特征識(shí)別、無(wú)人駕駛等等［3］，也有書(shū)籍對(duì)人工智能進(jìn)行更深入的哲學(xué)思考。［4］但是，以上提及的領(lǐng)域并不在同一個(gè)維度中，有的屬于技術(shù)范疇，有的屬于應(yīng)用范疇，這種龐雜性往往使教學(xué)內(nèi)容的編寫(xiě)者無(wú)所適從。

其次是師資隊(duì)伍的缺乏。這也是人工智能教學(xué)實(shí)施的困難之一。很多教師對(duì)于人工智能領(lǐng)域不了解，也缺乏人工智能的實(shí)踐經(jīng)驗(yàn)，由此阻礙了人工智能走進(jìn)課堂。［5］

最后是對(duì)人工智能概念的泛化。目前，社會(huì)機(jī)構(gòu)普遍將“人工智能”的概念泛化，例如用編程教育來(lái)替代人工智能教育，用創(chuàng)客教育來(lái)替代人工智能教育，或用機(jī)器人教育來(lái)替代人工智能教育。盡管在這些教育的實(shí)施過(guò)程中，不乏某些與人工智能相關(guān)的案例，但不能說(shuō)它們就是人工智能。人工智能教育的外延被無(wú)限擴(kuò)大，這值得教育者反思與警惕。

二、人工智能的內(nèi)涵

在高中信息技術(shù)課程標(biāo)準(zhǔn)中，人工智能被定義為“通過(guò)智能機(jī)器延伸、增強(qiáng)人類改造自然和治理社會(huì)能力的新興技術(shù)”［2］26。卡普蘭和海恩萊因則認(rèn)為人工智能系統(tǒng)“能夠正確解釋外部數(shù)據(jù)，從這些數(shù)據(jù)中學(xué)習(xí)，并利用這些學(xué)習(xí)獲得的具有靈活適應(yīng)性的知識(shí)，實(shí)現(xiàn)特定的目標(biāo)和任務(wù)”［6］。這些對(duì)人工智能的詮釋都揭示了：（1）人工智能通常以人造的機(jī)器（智能體）為載體；（2）這些人造的機(jī)器（智能體）具備感知、學(xué)習(xí)、決策、執(zhí)行能力中一項(xiàng)或多項(xiàng)功能；（3）人工智能存在的意義在于解決現(xiàn)實(shí)問(wèn)題。人工智能的教學(xué)內(nèi)容也應(yīng)該圍繞著這幾個(gè)關(guān)鍵點(diǎn)而展開(kāi)。因此，有必要將這幾個(gè)關(guān)鍵點(diǎn)逐一做解釋。

首先是感知，感知即輸入人工智能處理所需要的數(shù)據(jù)，這些數(shù)據(jù)包括利用傳感器搜集的環(huán)境數(shù)據(jù)，也包括智能體通過(guò)網(wǎng)絡(luò)等多種渠道獲得的海量數(shù)據(jù)，或者智能體通過(guò)大數(shù)據(jù)分析得到的進(jìn)一步有價(jià)值的數(shù)據(jù)。簡(jiǎn)單的數(shù)據(jù)感知只是對(duì)數(shù)據(jù)進(jìn)行搜集、清洗和存儲(chǔ)，而更智能的感知可以對(duì)數(shù)據(jù)進(jìn)行更智能的處理，例如對(duì)無(wú)結(jié)構(gòu)化的原始數(shù)據(jù)采用模式識(shí)別等方法進(jìn)行結(jié)構(gòu)化。這一部分的教學(xué)內(nèi)容包括傳感器、AD轉(zhuǎn)換、3D 重建、機(jī)器視覺(jué)等。另外，對(duì)于大數(shù)據(jù)的部分，可以作為單獨(dú)的教學(xué)模塊。

其次是學(xué)習(xí)與決策。這兩者是統(tǒng)一的，人工智能要實(shí)現(xiàn)決策，通常需要一個(gè)學(xué)習(xí)的過(guò)程學(xué)習(xí)，往往是通過(guò)統(tǒng)計(jì)的方法，對(duì)已知輸入和出的數(shù)據(jù)進(jìn)行分析，學(xué)習(xí)其在統(tǒng)計(jì)意義上的聯(lián)；決策，就是將學(xué)習(xí)的結(jié)果應(yīng)用到新的數(shù)據(jù)入當(dāng)中，從而得到需要預(yù)測(cè)的結(jié)果。大多數(shù)過(guò)機(jī)器學(xué)習(xí)來(lái)構(gòu)建的系統(tǒng)都有學(xué)習(xí)與決策的程。（見(jiàn)圖1）

無(wú)論是早期比較流行的淺層學(xué)習(xí)方法，是目前非常熱門的深度學(xué)習(xí)方法，都要首先建一個(gè)學(xué)習(xí)機(jī)，該學(xué)習(xí)機(jī)就像一個(gè)空白的大腦要真正發(fā)揮作用，還需要大量數(shù)據(jù)的訓(xùn)練（習(xí)），調(diào)整其中的參數(shù)。調(diào)整這些參數(shù)的重要段就是知道當(dāng)前學(xué)習(xí)機(jī)運(yùn)行的結(jié)果與真實(shí)結(jié)的偏差，因此需要大量已標(biāo)注結(jié)果的數(shù)據(jù)（有督學(xué)習(xí)），而在一些特殊的場(chǎng)合，學(xué)習(xí)機(jī)可以通過(guò)現(xiàn)有的數(shù)據(jù)，而是通過(guò)規(guī)則判定來(lái)實(shí)現(xiàn)錯(cuò)對(duì)比，比如著名的AlphaGo Zero。［7］

學(xué)習(xí)與決策的過(guò)程，表面上看是程序運(yùn)的結(jié)果，但關(guān)鍵在于算法的設(shè)計(jì)，即通過(guò)數(shù)學(xué)學(xué)習(xí)機(jī)進(jìn)行建模和求解。學(xué)習(xí)者在這一領(lǐng)域習(xí)的內(nèi)容包括模式識(shí)別、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)、控制理論等等。

最后是執(zhí)行。決策的結(jié)果往往需要通過(guò)實(shí)的方法來(lái)對(duì)真實(shí)世界進(jìn)行影響。進(jìn)行執(zhí)的，可能是人，也可能是機(jī)器人、無(wú)人車、飛行等等。因此，電子、機(jī)械、電氣、控制與自動(dòng)化相關(guān)內(nèi)容的學(xué)習(xí)，在這一領(lǐng)域是不可缺少的機(jī)器人工程也往往作為人工智能領(lǐng)域的一部分。

三、人工智能產(chǎn)業(yè)體系與學(xué)習(xí)要點(diǎn)

人工智能產(chǎn)業(yè)，從縱向來(lái)說(shuō)，大致可以分為以下幾個(gè)層次：核心層、計(jì)算層、平臺(tái)層、應(yīng)用層、普及層與產(chǎn)業(yè)層。（見(jiàn)圖2）

1.核心層。

核心層是數(shù)學(xué)與算法構(gòu)筑起來(lái)的，這一層次主要以數(shù)學(xué)為手段研究人工智能的核心方法，所需要學(xué)習(xí)的基礎(chǔ)內(nèi)容包括高等數(shù)學(xué)、線性代數(shù)、概率論、優(yōu)化方法等，并在此基礎(chǔ)上學(xué)習(xí)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、控制理論等核心課程。

2.計(jì)算層。

計(jì)算層通過(guò)底層代碼來(lái)實(shí)現(xiàn)人工智能的核心程序構(gòu)建，面向底層的計(jì)算機(jī)語(yǔ)言程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)、計(jì)算方法、基于GPU 的并行計(jì)算等，都是這一層次的核心學(xué)習(xí)內(nèi)容。這一層級(jí)的創(chuàng)新是計(jì)算方法、運(yùn)行效率的創(chuàng)新。

3.平臺(tái)層。

平臺(tái)層通過(guò)整合底層算法，將整個(gè)人工智能算法體系平臺(tái)化、模塊化、使用簡(jiǎn)易化，典型的工作包括機(jī)器視覺(jué)領(lǐng)域的OpenCV，機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）領(lǐng)域的TensorFlow等。人工智能工程師可以利用這一層的現(xiàn)有工作，以及更簡(jiǎn)潔的語(yǔ)言（如Python）快速構(gòu)建人工智能應(yīng)用系統(tǒng)。

基于這一層次，所學(xué)習(xí)的核心內(nèi)容包括Python 語(yǔ)言（或者其他有效的圖像化語(yǔ)言），人工智能的基本思想，以及相關(guān)平臺(tái)的使用等等。這一層次的創(chuàng)新是接口的創(chuàng)新，工程方法的創(chuàng)新，這些創(chuàng)新使人工智能被越來(lái)越多的普通工程師所用。

4.應(yīng)用層。

應(yīng)用層，即針對(duì)不同的應(yīng)用領(lǐng)域（包括教育領(lǐng)域、交通領(lǐng)域、醫(yī)療領(lǐng)域、家居領(lǐng)域、金融領(lǐng)域、文化藝術(shù)領(lǐng)域等）所切實(shí)需要解決的問(wèn)題，構(gòu)建人工智能的應(yīng)用系統(tǒng)。

人工智能在這里與其他學(xué)科高度的交叉與融合，因此在這一層次所需要學(xué)習(xí)的內(nèi)容不僅僅包括人工智能應(yīng)用系統(tǒng)的構(gòu)建，也包括所面向應(yīng)用領(lǐng)域的核心概論與核心方法。這一層級(jí)的創(chuàng)新則是基于應(yīng)用場(chǎng)景、應(yīng)用領(lǐng)域的集成創(chuàng)新。

5.普及與產(chǎn)業(yè)層。

在應(yīng)用層之上，人工智能則向兩方向分化，一方面是面向大眾的人工智能科普，即普及；另一方面是將人工智能形成產(chǎn)業(yè)，并對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展產(chǎn)生正向的推動(dòng)。

普及，是讓人工智能走進(jìn)大眾的視野，將現(xiàn)實(shí)的人工智能與科幻區(qū)分開(kāi)，讓大眾了解什么是我們目前真正的弱人工智能，什么是我們未來(lái)的強(qiáng)人工智能，或超人工智能，并同時(shí)引發(fā)我們對(duì)人工智能與哲學(xué)、人工智能與倫理、人工智能與文化的思考。

產(chǎn)業(yè)，則是從更宏觀的角度來(lái)思考人工智能對(duì)國(guó)民經(jīng)濟(jì)的整體性影響，討論人工智能給各行各業(yè)帶來(lái)的變革，以及從更長(zhǎng)遠(yuǎn)的視角來(lái)論證，我們?cè)诮逃?、?jīng)濟(jì)、文化等各個(gè)領(lǐng)域，應(yīng)該采取哪些必要的措施來(lái)應(yīng)對(duì)人工智能帶來(lái)的變革。

四、學(xué)習(xí)內(nèi)容體系的多層級(jí)構(gòu)建

面向不同的年齡與學(xué)習(xí)層次，人工智能的學(xué)習(xí)可以分為普及階段、應(yīng)用階段、算法階段和核心創(chuàng)新階段四個(gè)逐層深入的學(xué)習(xí)階段，圖3展示了面向不同的學(xué)習(xí)層次的學(xué)習(xí)內(nèi)容構(gòu)建。

1.普及階段。

普及階段主要面向小學(xué)教育，人工智能更多是以科普的形式呈現(xiàn)在孩子們面前：我們身邊有哪些人工智能？人工智能能做什么？不能做什么？這一階段同樣涉及人工智能的各個(gè)應(yīng)用場(chǎng)景，也涉及人工智能在技術(shù)中的各個(gè)領(lǐng)域，例如無(wú)人駕駛、三維重建、自然語(yǔ)言處理、生物特征識(shí)別等。這一階段的人工智能教育以體驗(yàn)為主，利用面向兒童創(chuàng)設(shè)的情境，采用封裝良好且易用的人工智能技術(shù)裝置或軟件系統(tǒng)，來(lái)解決情境中的問(wèn)題。［8］

2.應(yīng)用階段。

應(yīng)用階段主要面向初中和部分高中學(xué)生，在課程設(shè)計(jì)中面對(duì)真實(shí)問(wèn)題，引領(lǐng)學(xué)生思考如何讓人工智能在解決問(wèn)題的過(guò)程中發(fā)揮作用。這里的人工智能面向不同的應(yīng)用場(chǎng)景和技術(shù)領(lǐng)域，融入STEAM 的教學(xué)理念，采用圖形化編程或Python 語(yǔ)言作為平臺(tái)，進(jìn)行初步的人工智能應(yīng)用設(shè)計(jì)。

3.算法階段。

在高中階段，部分對(duì)人工智能感興趣的學(xué)生可以進(jìn)入算法階段的學(xué)習(xí)，可結(jié)合高中數(shù)學(xué)知識(shí)，理解部分人工智能的算法的基本思想，理解人工智能與數(shù)學(xué)之間的天然聯(lián)系。

4.核心創(chuàng)新階段。

在大學(xué)階段（包括碩士、博士研究生階段），對(duì)于專業(yè)學(xué)生，可以深入核心算法的學(xué)習(xí)，并在核心領(lǐng)域進(jìn)行創(chuàng)新。

五、教學(xué)實(shí)施

在基礎(chǔ)教育階段，人工智能教學(xué)的實(shí)施需要注意以下幾個(gè)問(wèn)題：

1.課程設(shè)計(jì)以解決問(wèn)題為導(dǎo)向，以思維為核心。

在基礎(chǔ)教育階段，無(wú)論是對(duì)人工智能進(jìn)行科普，還是引導(dǎo)學(xué)生理解算法的核心思想，人工智能都不是單一的知識(shí)學(xué)習(xí)，而是對(duì)問(wèn)題的解決。因此，課程設(shè)計(jì)建議從現(xiàn)實(shí)問(wèn)題（情境）出發(fā)，層層深入，最后回到問(wèn)題的解決上來(lái)。

在此過(guò)程中，對(duì)于不同的學(xué)段或者不同的學(xué)習(xí)層次的學(xué)習(xí)者，所學(xué)習(xí)的深度是不同的。但是，課程中技術(shù)層次淺顯，不代表著思維層次也可以淺顯，課程設(shè)計(jì)中必須融入學(xué)習(xí)者對(duì)學(xué)習(xí)內(nèi)容的思考與辨析，融入創(chuàng)新與創(chuàng)造，忌將課程教案設(shè)計(jì)為硬件組裝說(shuō)明書(shū)，忌在教學(xué)設(shè)計(jì)中給學(xué)生提供完整的軟件代碼。

計(jì)算思維是人工智能課程的重要組成部分，在以往的計(jì)算思維的基礎(chǔ)上，教學(xué)中還必須融入數(shù)據(jù)的思維［9］和智能的思維［10］。

2.重視學(xué)科交叉。

人工智能的多學(xué)科交叉體現(xiàn)在兩個(gè)方面，首先在核心領(lǐng)域，人工智能以數(shù)學(xué)為基礎(chǔ)，以計(jì)算機(jī)為實(shí)現(xiàn)手段，同時(shí)與控制、信息等領(lǐng)域有諸多交叉。其次，人工智能所要解決的問(wèn)題，是面向不同學(xué)科領(lǐng)域的。因此，面向問(wèn)題解決的人工智能教學(xué)，其多學(xué)科交叉是自然的，無(wú)需刻意謀劃，這也對(duì)我們教師的課程設(shè)計(jì)，以及教師的自身素養(yǎng)提出了更高的要求。

3.重視數(shù)學(xué)的核心地位。

要充分認(rèn)識(shí)到數(shù)學(xué)在人工智能中的核心地位，并在各個(gè)學(xué)段的教學(xué)中，由淺入深、由少至多地融入數(shù)學(xué)的元素。盡管對(duì)于較低年齡段的學(xué)習(xí)者來(lái)說(shuō)，對(duì)人工智能的核心算法缺乏數(shù)學(xué)這一基本工具，也缺乏計(jì)算機(jī)的實(shí)現(xiàn)手段，但是數(shù)學(xué)的基本思想是可以用語(yǔ)言和故事來(lái)表述的，隨著學(xué)習(xí)階段的提升，對(duì)照初中及高中的數(shù)學(xué)課標(biāo)，部分?jǐn)?shù)學(xué)內(nèi)容完全可以和人工智能課程進(jìn)行融合，以數(shù)學(xué)的思想來(lái)引領(lǐng)人工智能算法的核心思想。

在人工智能教學(xué)中融入數(shù)學(xué)，因?yàn)槲覀兣囵B(yǎng)的人才不僅僅在應(yīng)用領(lǐng)域進(jìn)行創(chuàng)新，我們也更需要那些深入底層，能夠在核心領(lǐng)域進(jìn)行創(chuàng)新的人才。核心領(lǐng)域的創(chuàng)新能力才能賦予國(guó)家具有實(shí)質(zhì)性優(yōu)勢(shì)的創(chuàng)新能力，也才能夠真正抵御外部環(huán)境帶來(lái)的技術(shù)封鎖的風(fēng)險(xiǎn)。

4.應(yīng)對(duì)人工智能教育全面開(kāi)展帶來(lái)的教學(xué)挑戰(zhàn)。

人工智能教育已經(jīng)在各個(gè)教育階段逐步普及，但這種普及并不是平均的，而是在各地區(qū)各校之間存在巨大的差異。這種差異也會(huì)給學(xué)生未來(lái)進(jìn)入新的學(xué)校學(xué)習(xí)帶來(lái)負(fù)面影響，比如重復(fù)性地學(xué)習(xí)會(huì)讓學(xué)生失去學(xué)習(xí)興趣，而另一部分學(xué)生則不得不加快學(xué)習(xí)的進(jìn)度以趕上班級(jí)的平均水平。學(xué)校在開(kāi)展人工智能課程時(shí)也會(huì)因此帶來(lái)新的挑戰(zhàn)。在教學(xué)設(shè)計(jì)時(shí)應(yīng)該充分考慮這些差異，充分考慮如何讓以往對(duì)人工智能接觸較少的學(xué)生趕上平均水平，也必須考慮讓水平已經(jīng)較高的學(xué)生可以收獲更多。將課程模塊化，“車輪式”地開(kāi)展課程的不同模塊，為不同層次的學(xué)生構(gòu)建更加豐富和精準(zhǔn)的選修形式，可能是解決這一問(wèn)題的有效方法。

綜上，人工智能正在以前所未有的速度走進(jìn)我們的生活，走進(jìn)我們的教育。對(duì)于任何教育者，都不得不迎接人工智能對(duì)我們的教學(xué)所帶來(lái)的變革。與其在變革中被拋棄，不如在變革中改變。讓更多的學(xué)生在課程中獲得更多的收獲，是構(gòu)建課程內(nèi)容的核心問(wèn)題，這也同時(shí)值得我們?cè)诮虒W(xué)實(shí)踐中不斷地探索、完善。