人工智能 人工神经网络-（元卓学堂）人工智能形象化理解与计算思维的培养

上周六（7月16日），樊磊老师与蔡荣啸老师在元卓学堂与老师们进行了分享交流。樊老师分享的题目是“机器学习算法相关知识（五）：卷积神经网”，蔡老师分享的题目是“人工智能形象化理解与计算思维的培养”。

主题介绍

樊磊老师深入浅出地讲解了深度学习中最典型、最成功的一种网络架构，也是人工智能复兴的主要推动因素之一的卷积神经网络。卷积神经网络引进了三种关键新思想：卷积层、池化层以及新激活函数。樊老师系统、详细地介绍了卷积层、池化层、新激活函数、损失函数等相关概念、目的以及原理，并演示了一个完整的著名神经网络案例，帮助参会老师们更好地理解相关内容。在分享结束后，樊老师对参会老师所提出的“卷积过程中卷积核是基于什么而选定的？”以及“池化的大小和步长是如何决定的？”与大家进行了交流。

拓展阅读：卷积神经网络概述

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。

对卷积神经网络的研究始于20世纪80至90年代，在21世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。

蔡荣啸老师的分享从“人工智能课程特色”“形象化处理”“什么是计算思维”“人工智能与计算思维的关系”四个部分展开，进行了宝贵的经验分享和大量的实例讲解。人工智能是一门多学科融合的课程，也因此产生了“在中小学人工智能课程由谁来开设？”“怎么开设涉及那么多学科知识的内容？”“开设的内容学生能接受吗？”等一系列问题。

谈到人工智能课程涉及学科，蔡老师认为：中小学开设的人工智能课程区别于大学课程，老师们主要引导学生培养兴趣、激发探究欲望、形成探究与学习能力并拓展视野，这也是课程开设的原则。

在形象化处理部分，蔡老师提到：面向低龄学习者需要探索利用图形化工具来实践人工智能；面向具有一定数学基础的学生可以探索利用图形化工具来实践数学关系的推导；面向具有探究能力的高阶学生则需要教师为其搭建学习平台人工智能 人工神经网络，或利用已有平台进行培养。因此面向不同年龄阶段以及能力不同的学生时，教师需要采取不同的方法和措施。

人工智能课程涉及学科

分享的最后，蔡老师提出了三个问题与参会老师们共同思考探讨：（1）如何将计算思维的培养在社会各界形成合力？（2）如何解决学生计算思维发展中的性别差异？（3）如何为计算思维优秀者提供上升通道？

本期视频回放及相关资料，请访问元卓计划官方网站获取。往期视频回放及相关资料也均已上传人工智能 人工神经网络，请访问元卓计划官方网站获取。

欢迎老师们继续通过元卓计划平台交流互鉴、共同进步。

从2022年1月开始，元卓计划持续开展“元卓学堂”社区活动（每周六 10:00-11:50 腾讯会议：677-4412-3805），鼓励青少年利用人工智能原创和创新算法解决真实问题，构建高校、中小学、科技企业协同机制，征集青少年人工智能项目进行培育，并提供算法、算力、数据集、知识和经验等全方位的支持，促进青少年人工智能教育发展，面向国际展示优秀成果，助力我国成为世界主要人工智能创新中心。

扫码加入元卓计划社区，获取最新资讯