趙瑩瑩

【摘 要】本文將復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò)內(nèi)容化繁為簡(jiǎn)，將理論講解部分設(shè)置為不同的師生互動(dòng)環(huán)節(jié)，激發(fā)學(xué)生對(duì)人工智能的興趣。在實(shí)踐應(yīng)用環(huán)節(jié)引導(dǎo)學(xué)生將人工智能技術(shù)應(yīng)用于身邊的生活，讓課程更適合學(xué)生，增強(qiáng)學(xué)生的信息意識(shí)和社會(huì)責(zé)任感。

【關(guān)鍵詞】卷積神經(jīng)網(wǎng)絡(luò);人臉性別識(shí)別;人工智能;課程設(shè)計(jì)

【中圖分類(lèi)號(hào)】G434? 【文獻(xiàn)標(biāo)識(shí)碼】A

【論文編號(hào)】1671-7384（2022）01-057-03

教學(xué)案例背景

目前在初中開(kāi)設(shè)人工智能課程存在諸多問(wèn)題，其中最重要的是人工智能的核心算法對(duì)數(shù)學(xué)知識(shí)要求較高，如果在教學(xué)中過(guò)多地提到函數(shù)、矩陣、求導(dǎo)等概念，不但初中生理解不了，還會(huì)造成學(xué)業(yè)負(fù)擔(dān)，挫傷學(xué)生的學(xué)習(xí)熱情。如何把復(fù)雜的數(shù)學(xué)問(wèn)題轉(zhuǎn)化為初中學(xué)生可以理解的人工智能概念，成為教學(xué)最大的難題。

教學(xué)案例主題

《人工智能與生活》是北京市第五中學(xué)分校的校本課程，單元主題為基于卷積神經(jīng)網(wǎng)絡(luò)的人臉性別識(shí)別，以分類(lèi)小助手為項(xiàng)目實(shí)踐目標(biāo)，單元課程分為四個(gè)課時(shí)。本文以大單元中的核心概念卷積神經(jīng)網(wǎng)絡(luò)為例，探討把人工智能的基礎(chǔ)概念和原理以通俗易懂的方式講解，讓學(xué)生掌握并能夠應(yīng)用到生活實(shí)踐中。

案例描述

1.情境引入環(huán)節(jié)

這個(gè)環(huán)節(jié)我讓學(xué)生根據(jù)記憶畫(huà)出100元人民幣的正面。學(xué)生畫(huà)一分鐘，老師20秒給答案，反復(fù)二次，最后鄰座同學(xué)進(jìn)行互評(píng)，每提取到一個(gè)重要特征加一分。學(xué)生開(kāi)始的時(shí)候有點(diǎn)懵，畢竟在數(shù)字時(shí)代，很多學(xué)生都是刷碼支付了，但是大多數(shù)學(xué)生能夠基本提取出毛主席頭像和100元數(shù)字單位這兩個(gè)重要特征。后來(lái)我給學(xué)生展示20秒人民幣的圖片時(shí)，學(xué)生都抓緊記錄關(guān)鍵特征。我看到有些學(xué)生把“中國(guó)人民銀行”這六個(gè)字簡(jiǎn)單記錄了位置并縮略寫(xiě)上了“中國(guó)”兩個(gè)字，等我再次切走屏幕憑記憶畫(huà)人民幣的時(shí)候，學(xué)生已經(jīng)能夠畫(huà)出大部分的特征。

這個(gè)課堂活動(dòng)起到了承上啟下的作用。學(xué)生對(duì)自己畫(huà)的人民幣做反復(fù)修改類(lèi)似于之前課堂上學(xué)到的全連接網(wǎng)絡(luò)里反向傳播的過(guò)程，學(xué)生反復(fù)提取人民幣上重要特征的過(guò)程類(lèi)似于卷積神經(jīng)網(wǎng)絡(luò)中正向做卷積的過(guò)程，通過(guò)這個(gè)環(huán)節(jié)對(duì)后面卷積概念的講解做出鋪墊。

2.為什么要做卷積？

我首先讓學(xué)生做一個(gè)計(jì)算題，使其感受全連接網(wǎng)絡(luò)運(yùn)算量的巨大，并說(shuō)：“這是我拍的一張圖片，我查了一下像素為3648*2736，如果要把它輸入到全連接神經(jīng)網(wǎng)絡(luò)中，且隱藏層的第一層有1000個(gè)神經(jīng)元，那么隱藏層的第一層會(huì)有多少個(gè)連接呢？3648*2736*1000=9980928000，這是一個(gè)彩色圖片，數(shù)字還得乘以3，數(shù)量巨大，說(shuō)明了機(jī)器在學(xué)習(xí)的過(guò)程中需要調(diào)整的參數(shù)量巨大，就會(huì)給訓(xùn)練帶來(lái)問(wèn)題，怎么解決呢？”以此讓學(xué)生了解利用卷積的重要目的是為了降低訓(xùn)練的難度。

接著我引導(dǎo)學(xué)生從圖片的特點(diǎn)入手。第一種方法是以熊貓的圖像識(shí)別為例分析如何降低訓(xùn)練的難度：“一張圖片的像素多，但是圖片上的一些特征像素要比整張圖片少得多，就像剛才畫(huà)人民幣時(shí)，也是提取到一些關(guān)鍵特征，而省略了一些次要信息。第二種方法，可以讓圖片變小，縮放的圖片并不會(huì)影響你來(lái)判斷他是一只熊貓，但是縮放后的圖片像素變少，連接變少，參數(shù)就會(huì)變少，模型的訓(xùn)練就會(huì)相對(duì)容易了?！?/p>

卷積的過(guò)程利用了第一種方法，提取特征。因?yàn)閳D片上的一些特征像素要比整張圖片少得多。池化的過(guò)程是利用對(duì)圖片進(jìn)行縮放不會(huì)改變圖像中的物體。通過(guò)反復(fù)的卷積和池化再放進(jìn)全連接神經(jīng)網(wǎng)絡(luò)后，這樣訓(xùn)練的難度就降低很多。

3.計(jì)算體驗(yàn)—卷積的方法

卷積是卷積神經(jīng)網(wǎng)絡(luò)的精髓。首先我講解什么是卷積：“這是一個(gè)5*5 像素的圖片（圖1），這是一個(gè)3*3的卷積核（表1），卷積核是什么呢？就像特征檢測(cè)器，目的是探測(cè)圖片里的一些小的特征。一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型里可以有很多卷積核，通過(guò)不同的卷積核去探測(cè)不同的圖片特征。卷積核里面的數(shù)值是怎么來(lái)的呢？是通過(guò)機(jī)器學(xué)習(xí)，不斷調(diào)整參數(shù)訓(xùn)練得來(lái)的。那么，卷積核怎么去探測(cè)特征呢？算法是什么呢？就是對(duì)應(yīng)位置相乘再相加?！蔽乙龑?dǎo)學(xué)生一起算卷積核滑動(dòng)到初始位置時(shí)卷積運(yùn)算的結(jié)果。把滑動(dòng)卷積核算出的第二個(gè)位置和第三個(gè)位置的結(jié)果填在卷積運(yùn)算結(jié)果（表2）里。

4.直觀體驗(yàn)—卷積的效果

引導(dǎo)學(xué)生打開(kāi)卷積計(jì)算的可視化網(wǎng)站（如圖2所示），體驗(yàn)原圖像和卷積核相乘相加后得到的圖像之間的關(guān)系，讓學(xué)生更直觀地看出提取特征的圖片與原圖片的區(qū)別，以理解卷積核提取特征的過(guò)程原理。

5.猜算法—最大池化

出示一張圖片的原始像素值和最大池化運(yùn)算后的值，引導(dǎo)學(xué)生猜一猜最大池化的算法是什么。學(xué)生們很快就找到了規(guī)律，積極舉手說(shuō)：“就是相鄰四個(gè)像素取最大值”。這時(shí)我說(shuō)：“最大池化可以比喻為一個(gè)小池子，把里面最大的值給拿出來(lái)。原來(lái)4*4的圖像，變成了一個(gè)2*2的圖像，起到了一個(gè)圖像縮放的效果?！?/p>

到這個(gè)時(shí)候，卷積神經(jīng)網(wǎng)絡(luò)中的核心概念就講清楚了，這時(shí)我出示一張卷積神經(jīng)網(wǎng)絡(luò)的概念圖進(jìn)行總結(jié)：“卷積神經(jīng)網(wǎng)絡(luò)是幾輪的卷積和池化，它形成了一個(gè)新的圖像，把這個(gè)新的圖像輸入到全連接的網(wǎng)絡(luò)中去，這樣訓(xùn)練的效率就能提高了。所以，整個(gè)過(guò)程就是一個(gè)正向卷積、反向傳播的過(guò)程。”

6. 總結(jié)提升

我引導(dǎo)學(xué)生通過(guò)微課，自主學(xué)習(xí)利用IAI軟件訓(xùn)練一個(gè)可以對(duì)人臉照片進(jìn)行男女二分類(lèi)的卷積神經(jīng)網(wǎng)絡(luò)模型，并測(cè)試訓(xùn)練效果。在實(shí)踐環(huán)節(jié)測(cè)試模型訓(xùn)練的時(shí)候，有的學(xué)生發(fā)現(xiàn)識(shí)別結(jié)果有錯(cuò)誤，我引導(dǎo)學(xué)生從訓(xùn)練數(shù)據(jù)角度理解錯(cuò)誤的原因，體驗(yàn)人工智能技術(shù)中大數(shù)據(jù)的重要性。我強(qiáng)調(diào)：“咱們的數(shù)量和數(shù)據(jù)種類(lèi)有限，而且照片經(jīng)過(guò)了黑白處理，大小也進(jìn)行了統(tǒng)一限制，所以咱們用這些數(shù)據(jù)訓(xùn)練出來(lái)的模型在識(shí)別照片的時(shí)候具有局限性。咱們課上訓(xùn)練的模型水平好比是小學(xué)一年級(jí)的學(xué)生，而曠視科技主頁(yè)上模型的水平則是大學(xué)畢業(yè)生，大學(xué)生在某些方面要比小學(xué)生更見(jiàn)多識(shí)廣一些，還有其他的原因嗎？感興趣的同學(xué)可以思考一下，從算法還有搭建網(wǎng)絡(luò)的參數(shù)方面去考慮上面局限性的問(wèn)題?！?/p>

案例反思

信息技術(shù)教師應(yīng)保持對(duì)科技的敏感度。信息技術(shù)更新迭代快，相關(guān)教師應(yīng)該走在科技的前沿，關(guān)注科技發(fā)展，建立終身學(xué)習(xí)理念。人工智能內(nèi)容復(fù)雜且有難度，教師要積極參加各類(lèi)培訓(xùn)，或在互聯(lián)網(wǎng)上學(xué)習(xí)，要建立對(duì)人工智能整體概念的認(rèn)知，并結(jié)合新課標(biāo)要求，篩選適合學(xué)生學(xué)習(xí)的課程內(nèi)容。

人工智能課程的內(nèi)容可深可淺，課程內(nèi)容應(yīng)化繁為簡(jiǎn)成體系。教師應(yīng)該充分考慮到學(xué)生的知識(shí)儲(chǔ)備，做好學(xué)情調(diào)研。在課程實(shí)施過(guò)程中，在涉及到跨學(xué)科內(nèi)容時(shí)，要在課堂上設(shè)置對(duì)應(yīng)的教學(xué)環(huán)節(jié)。對(duì)于學(xué)生已經(jīng)學(xué)會(huì)的內(nèi)容，讓學(xué)生盡量運(yùn)用知識(shí)進(jìn)行鞏固;對(duì)于學(xué)生沒(méi)有學(xué)過(guò)的較為復(fù)雜的數(shù)學(xué)概念，要轉(zhuǎn)化為學(xué)生能理解和接受的概念和語(yǔ)言，讓學(xué)生易于掌握。

學(xué)生對(duì)人工智能課程的實(shí)踐要求高。在對(duì)學(xué)生的問(wèn)卷調(diào)查中：“你對(duì)人工智能內(nèi)容的期待是什么？”這個(gè)多選題，88%的學(xué)生選擇的是人工智能的實(shí)踐，而對(duì)于人工智能思維、理論與算法的期待之間的相比差異不大，均有50%左右學(xué)生選擇，因此課堂應(yīng)更多把時(shí)間還給學(xué)生，通過(guò)課堂實(shí)踐活動(dòng)推動(dòng)理論和概念的理解。課程不宜設(shè)置長(zhǎng)篇的理論內(nèi)容，應(yīng)將理論學(xué)習(xí)和實(shí)踐操作穿插進(jìn)行，增強(qiáng)學(xué)生的學(xué)習(xí)興趣。

參考文獻(xiàn)

蔣雨欣. 基于多特征深度學(xué)習(xí)的人臉性別識(shí)別[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（1）： 226-231.

邱陽(yáng). 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉個(gè)體與性別識(shí)別研究[D]. 贛州：江西理工大學(xué)，2019.

艾心. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究[D]. 北京：北京郵電大學(xué)，2019.

石學(xué)超. 自然場(chǎng)景下基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)與人臉性別識(shí)別研究[D]. 天津：河北工業(yè)大學(xué)，2018.