近年來(lái)，人工智能的發(fā)展推動(dòng)了社會(huì)各領(lǐng)域從數(shù)字化、網(wǎng)絡(luò)化向智能化的躍升。人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域迅速崛起的一項(xiàng)重要技術(shù)，以此為基礎(chǔ)的人工智能應(yīng)用效果驚人，加快了全球范圍內(nèi)的知識(shí)更新和技術(shù)創(chuàng)新，也深刻地改變了信息社會(huì)中人們的生活方式和思維模式。相應(yīng)的內(nèi)容也迅速進(jìn)入基礎(chǔ)教育領(lǐng)域，但是，人工智能教育實(shí)施過(guò)程中也存在著兩個(gè)方面的問(wèn)題：一是學(xué)習(xí)內(nèi)容過(guò)深，一些中小學(xué)人工智能教材將大量的抽象模型和理論知識(shí)直接呈現(xiàn)給學(xué)生，大大超過(guò)了中小學(xué)生的認(rèn)知水平，導(dǎo)致學(xué)生對(duì)課程產(chǎn)生畏難情緒，失去學(xué)習(xí)的興趣；二是停留于體驗(yàn)學(xué)習(xí)水平，學(xué)習(xí)活動(dòng)只是進(jìn)行簡(jiǎn)單的積木搭建，很少涉及神經(jīng)網(wǎng)絡(luò)的基本原理及其組成等內(nèi)容。

人工智能的本質(zhì)是解決分類和回歸兩大問(wèn)題，本課以分類問(wèn)題作為切入點(diǎn)，以吃豆子游戲?qū)?，以解決最簡(jiǎn)單的二分類問(wèn)題為主線，幫助學(xué)生理解和探索人工智能概念和人工智能底層技術(shù)。在活動(dòng)2中，引導(dǎo)學(xué)生運(yùn)用數(shù)學(xué)知識(shí)和紙筆工具進(jìn)行分析和推演，把解決分類藍(lán)色和橙色點(diǎn)的問(wèn)題，轉(zhuǎn)變成畫(huà)一條直線將兩類點(diǎn)分開(kāi)的問(wèn)題，從而認(rèn)識(shí)到人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)就是數(shù)學(xué)計(jì)算模型，借助TensorFlow Playground人工神經(jīng)網(wǎng)絡(luò)在線實(shí)驗(yàn)平臺(tái)，讓學(xué)生通過(guò)手工調(diào)整特征向量x1和x2的權(quán)值來(lái)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。這種運(yùn)用仿真、驗(yàn)證等方式解決問(wèn)題的過(guò)程，也正是計(jì)算思維養(yǎng)成的過(guò)程。

但是，當(dāng)數(shù)據(jù)點(diǎn)在特征空間中的分布比較復(fù)雜時(shí)，通過(guò)觀察和嘗試畫(huà)分類線是沒(méi)有效率的，往往也是不可能的。因此，需要通過(guò)一些方法，讓人工神經(jīng)網(wǎng)絡(luò)自己學(xué)習(xí)得到分類線，這個(gè)過(guò)程稱為訓(xùn)練。在TensorFlow Playground中，每一個(gè)小格子代表神經(jīng)網(wǎng)絡(luò)中的一個(gè)神經(jīng)元，每一條線代表神經(jīng)元之間的連接。當(dāng)單擊運(yùn)行按鈕后，以線條的粗細(xì)變化表示權(quán)重的變化，線條越粗，表示權(quán)重越大，輸出結(jié)果區(qū)域可看到邊界的變化過(guò)程，勾選Show test data用test數(shù)據(jù)集檢驗(yàn)分類的效果，能形象直觀地呈現(xiàn)人工神經(jīng)網(wǎng)絡(luò)不斷優(yōu)化權(quán)重的訓(xùn)練過(guò)程。