看点丨AI实验是中小学AI教育的重要抓手

中关村互联网教育创新中心 · 公众号 · · 2024-10-22 11:33

正文

国际上对人工智能教育的认识和定位是怎么样的？中小学人工智能教育如何走出“泛人工智能教育”的误区并走向国际共识？日前，浙江省特级教师、中国电子学会现代教育技术分会副主任委员谢作如，清华大学博士毛勇，北京十一学校数学与AI教师郑子杰从教学一线视角围绕中小学人工智能教育展开讨论，提出 AI实验是中小学AI教育的重要抓手，大模型有潜力成为学生未来学习的必备工具。详细内容，一起来看——

AI实验 是中小学AI教育的抓手

谢作如： 目前国内有多个省份和地区正组织专家编写中小学人工智能通识课程，并以地方课程的形式进行实施。假设某地区准备在小学、初中阶段实施一个学年的通识课程，大概32课时，其中有6个AI实验（一个实验2课时）。如果您是这个地区编写人工智能通识课程纲要或者指南的专家，将会为学生遴选哪6个AI实验主题？

郑子杰： 首先，我们要明确设计这些实验的目标是什么。以初中生的认知水平，想要通过这6个实验了解AI的各个前沿方向，如大语言模型、多模态、具身智能等显然是不现实的。所以，我会牢记基础教育阶段的“基础性”，课程是为之后学习AI打下“基础”的。至于AI前沿领域的发展，应该通过专家讲座或者是通过其他课程完成。所以，AI实验要重点体现当今时代（近20年）主流AI的核心要素——数据、模型（算法）和算力。我推荐的6个实验分别是：

实验1：以二维表为载体，旨在让中学生认识和分析数据表的实验，数据来源可以是他们真实的物理、化学、生物课堂。

实验2：实现传统机器学习的实验，如线性回归或者鸢尾花分类的实验，用来体会机器学习的一般流程。

实验3：计算机视觉方向的基础实验，如提取图片特征等，简单跟学生讲讲怎么使用卷积提取图片边界。

实验4：计算机视觉方向的进阶实验，如基于CIFAR10这个数据集，使用卷积神经网络实现图像分类。

实验5：自然语言处理的基础实验，如直接分析一篇小说，重点让学生体会如何定量化地描述“文字”，并如何提取文字中的信息。

实验6：自然语言处理的进阶实验，如使用Pytorch框架和LSTM实现文本的分类等。

这6个实验可以分为3个大方向——机器学习、计算机视觉和自然语言处理，并且前一个实验都是通过实验载体了解简单的原理，后一个实验是走通AI训练的流程。我之所以不提大语言模型，是因为其太复杂，学生在知道模型的一些基础结构之前，很难体会大语言模型这类复杂模型的设计初衷。如果直接在课程上讲解大语言模型，学生只会觉得“好厉害”，却发现什么也学不到。所以我一直坚持，至少在现阶段，大语言模型的原理可以在专家讲座中出现，大语言模型的应用可以渗透到其他课程和日常生活中，但是不适合直接放在中学AI课程中。

从教学角度讲，我们要用符合中学生知识积累和认知水平的载体，让学生体会数据、模型（算法）、算力，并尽可能体会一些模型设计的初衷和精妙之处。当学生能够体会简单模型的原理后，随着年龄的增长，他们自然就会学习、应用、修改甚至创造更加复杂且精妙的模型。

毛勇： 我非常同意郑老师的思路，唯一的不同是我可能会选择把实验5和6改为某个更简单的处理时序数据的问题，如天气或股票数据等。对于更多的学校来说，相比处理自然语言做词表、向量化等困难一些的实验，也许简单一些的结构化时间序列数据更加适合他们。当然，如果课时允许，可能更加理想的方式是将这部分内容增加到自然语言处理实验的前面去，增加实验时长，让课程更加丰富。

大模型有潜力成为 重要学习工具

谢作如： 在ChatGPT流行后，也有好多专家提出中小学生只要会写提示词（Prompt）、会用大模型就够了，没有必要学习模型训练之类的知识，甚至说只要学好语文就够了。对此二位怎么看？

郑子杰： 从学生发展的角度看，XEdu提供的功能足以让学生掌握AI流程，并在进行机器学习、计算机视觉等案例的过程中，深入了解底层原理。 对于那些拔尖和对AI充满兴趣的学生 ，我们应提供更多关于底层原理的内容，引导他们深入思考并解决“为何会设计出多种不同的损失函数”“卷积如何实现特征提取”“全连接层的必要性何在”“如何调整学习率”等问题。 对于基础相对薄弱，未来不打算涉足AI、数学和自然科学领域的学生 ，采纳专家的观点是明智之选，他们仅需了解AI应用并学会将AI作为工具使用。关于中学生难以理解机器学习的担忧，其实源自当前AI教学内容的匮乏。

目前，大部分AI资料都是针对本科生编写的，缺乏专门面向中学生的教学内容。针对中学生的内容设计，不应仅仅是对大学教材内容的简化，而应借鉴现有其他学科的教学方法，将内容调整至既能展现学科核心思想，又适合中学生学习的程度。例如，在中学和大学物理课程中都会讲述热学，但中学物理课程无需涉及玻尔兹曼分布，同样能清晰阐述热学的核心原理。

毛勇： 我认为大模型有潜力成为非常重要的学习工具，学生可以通过和大模型的交互迅速学会原来需要很长学习周期学习或者学习曲线很陡峭的内容，并迅速应用、组装、改写大模型给出的代码解决问题。这种项目导向、问题导向的学习方式，我认为非常适合AI和信息科技这种强调应用、工程、真实问题解决的学科。但是这并不意味着学生不需要理解技术背后的原理，不需要完整参与到从数据到模型的全过程中去。好奇心是人类学习的最大动力，相比掌握了更多知识的大学生、研究生，中小学生在好奇心上也许会更胜一筹。当他们体验到AI的神奇应用后，我不相信他们不好奇背后发生了什么、不想去加深理解、不想去参与做一个自己的AI。

当然，这里说的理解和参与是完全可以分层进行的，教师根据自己学生的学情选用合适的工具，小学生显然也可以毫无压力地体验完整的模型训练过程，并用AI来解决真实问题。这样的学习不仅局限在对大模型的浅层使用上，而是更加完整和有价值的。

关注官方视频号

获取更多教育资讯

看点丨AI实验是中小学AI教育的重要抓手

正文

请到「今天看啥」查看全文