如何培养中小学生用AI解决问题的能力？附课例

摘要：著名人工智能科学家李飞飞曾提出一个问题：AI将改变世界，那么谁来改变AI？可见，学习AI是为了驾驭AI，成为AI的创造者。与此类似，浙江大学人工智能教育教学研究中心推出中英文《大学生人工智能素养红皮书（2024年版）》，在大学生AI素养培养方面强调了四大愿景，

著名人工智能科学家李飞飞曾提出一个问题：AI将改变世界，那么谁来改变AI？可见，学习AI是为了驾驭AI，成为AI的创造者。与此类似，浙江大学人工智能教育教学研究中心推出中英文《大学生人工智能素养红皮书（2024年版）》，在大学生AI素养培养方面强调了四大愿景，即形成AI思辨模式、具备AI解决问题的能力、创造人类增量知识的价值、坚持以人为本的伦理底线。2024年11月，教育部办公厅《关于加强中小学人工智能教育的通知》中也提出“引导学生正确处理人与技术、社会的关系，促进思维发展，培养创新精神，提高解决实际问题的能力”。但是，因为对AI的发展缺少足够的了解，在众多教育者眼里，AI依然是普通人难以触及的高高在上的技术。他们更多会认为中小学生学习AI只能体验了解一些商业应用，从而将重点放在运用GenAI（生成式人工智能）上。这实际上矮化了中小学生的学习能力。随着深度学习的兴起，AI的技术门槛已经大幅度降低。只要拥有足够丰富的数据，借助算力和开源算法，普通人都能训练出AI模型。换句话说，只要掌握了机器学习的流程，即使不了解原理，甚至不熟悉编程都能用人工智能来解决问题——因为智能可以通过“喂”数据而获得。2024年12月，在上海科学智能研究院和上海奉贤区教育学院组织举办的“中小学人工智能创新人才培养项目启动仪式”上，温州科技高级中学团队受邀执教了一节展示课。课例选择了“看谁扔得准——机器学习初探”，以“扔瓶子大赛”为情境，让学生研究如何借助机器学习的算法来解决机器人准确投掷瓶子这一来自真实世界的问题。

用GenAI破解编程基础难题开发AI通识课程和实施AI教育时，有几个问题必须认真思考。比如，初中生能否学习“机器学习”方面的AI知识，并通过训练模型解决问题？学习AI模型训练之前，是否一定需要熟练掌握Python（一种高级编程语言）才能继续学习？如果需要先补足Python的基础知识，究竟需要多少课时比较合适？因为奉贤区之前并没有开设过AI课程，本课的学习对象为初中生，他们从未接触过Python和AI，更不要说机器学习。经调查，这些学生中部分学过几节编程课，初步了解C++的基本语法，而有的学生则仅仅有过图形化编程的经历，并没有真正接受过代码编程的教育。那么，如何解决学生缺乏编程基础的难题？实际上，学习AI虽然需要编程基础，但是在GenAI时代，学习编程的路径已经大为不同。直接借助AI大模型，我们可以快速提升编程能力，并借助大模型完成一些编程细节的工作。考虑到国内大模型的代码生成能力都不弱，基本上能够根据提示词生成符合要求的简单代码。我们选择用两节课的时间帮助学生快速入门Python，并设计了一个初学者借助大模型学习编程的小教程，介绍具体的学习过程和调试方法。两节课后，学生们基本了解了Python的基础语法，为进一步学习机器学习模型训练打下了基础。

教学设计理念和细节教学目标的确定：关注机器学习，弱化编程“看谁投得准”选自我们自行编写的校本课程“机器学习的N个经典实验”。机器投掷瓶子的数据比较简单，主要有电机速度、投掷角度和落点距离，而这类数据之间的关系用多项式回归算法即可得到较好的预测效果。在BaseML工具（上海人工智能实验室浦育团队研发）的帮助下，学生只要4行代码即可训练出模型，对Python的编程基础要求很低。本节课重在引导学生了解机器学习的基本流程、AI模型的训练和推理，关注问题解决时的思路设计，弱化机器学习模块的特定语法。经过上述分析，我们将教学目标确定为：了解机器学习的基本流程，掌握多项式回归算法的作用及其适用范围，初步掌握BaseML的基本语法；通过具体问题的解决，亲历“整理数据—训练模型—推理（预测）模型”的全过程，感受机器学习在解决实际问题、科学研究中的应用潜力，同时理解AI将成为科学研究和技术创新的新工具。

真实情境的创设：从问题中来，到问题中去教师先播放视频，介绍“扔瓶子大赛”的背景和规则。而后拿出事先搭建好的模拟装置，与学生探讨如何通过调整抛掷参数，例如投掷力度（即电机旋转速度）和角度，以实现最佳的投掷距离。接下来是新课教学。新课知识以多项式回归的基本概念和应用场景为重点。学生观看教师准备的教学素材，运行体验代码（多项式回归示例代码），调用简单的投掷数据集，角度固定，通过电机速度、预测距离，观察代码的运行结果，并填写表格。教师归纳机器学习中“模型”的核心概念，提出几个关键问题：推理模型要输入什么类型的数据，其输出的又是什么类型的数据？推理模型输入的数据和训练模型的数据是何关系？训练模型的数据列分别代表哪些物理量？教师提示学生可以把模型文件看成一个函数。模型文件包含了从数据中学习到的模式和规律，这些模式和规律用于对新数据进行预测。以之前训练的模型为例，它能够根据输入的电机速度参数计算并返回预测结果。学生借助AI助教，自行分析机器学习的一般步骤与流程，如图1所示。

◎图1：分析机器学习的一般步骤与流程课堂的最后环节是真实测试模型。当学生训练出模型后，教师选取其中的一个，将模型放在搭建好的机器中，真实测试效果是否准确，并向学生提问：如果最终测试的效果并不好，可能是哪些原因引起的？AI实验的设计：关注核心概念，由浅入深这节课的核心概念是机器学习。机器学习和科学实验几乎一致，可以通过控制变量得出不同的实验结论。我们设计了两个实验，分别为基础实验和拓展实验，先易后难，层层深入。基础实验——在自学环节教师已经提供了多项式回归的训练代码。以范例代码为模板，几乎不需要做任何改变，只要按照代码中的文件名称，将原数据集替换为投掷物数据集（包含投掷力度和角度），即可训练出模型。教师的重点工作是帮助学生解决修改代码过程中可能产生的错误提示，提升学生的代码调试能力。# 训练模型的代码from BaseML import Regression as regmodel= reg('Polynomial')model.load_tab_data('data/投掷数据.csv')model.trainmodel.save('models/baseml_投掷距离.pkl')# 推理模型的代码from BaseML import Regression as regmodel= reg('Polynomial')model.load('models/baseml_投掷距离.pkl')拓展实验——本课的拓展实验是回到教师提出的新问题：在真实的“扔瓶子大赛”中，我们需要的模型并非是输入投掷角度和力度，而是根据距离和投掷角度，选择一个合适的投掷力度。那么，如何训练这样的模型？这个问题看起来有难度，实际上学生并不需要修改代码，只要调整数据集中的特征列和标签列位置即可。教师通过指导学生对调数据与标签，让学生理解AI模型训练的核心概念——只要调整训练数据，即可得到不同的模型，如下表所示——

教学资源的选择：要适合初学者，追求极简这节课的教学效果很好，学生们的学习兴趣浓厚。虽然教学设计很重要，但决定教学效果的核心要素在于教师选择的学习工具。在教学平台方面，我们选择了开源AI教学平台OpenHydra，其内置了Jupyter，学生只要打开浏览器，不需要做任何配置即可使用。教师在教学过程中，可以看到学生的具体操作情况，还可以切换到学生的界面，和学生一起调试代码。机器学习的开发工具方面，我们选择了XEdu项目中的BaseML。XEdu的全名OpenXLabEdu，是上海人工智能实验室浦育团队遵照“极简”理念为AI教育开发设计的一套完整的学习与开发工具，开箱即用。从数据采集到模型训练、模型部署，XEdu在每一个环节都提供了合适的工具。AI初学者只要使用简单的代码就能够驾驭各种AI工具，去解决身边的真实问题。以BaseML为例，训练一个模型仅需几行代码，类似标准的公式。如果要选择其他的算法训练模型，只需要修改几个地方即可，如图2所示。

◎图2

从真实问题解决到AI4S实践育人是新时代基础教育教学方式变革的主要方向。所谓实践育人，指在学科育人的基础上加强学科实践、跨学科实践和综合实践活动，让学生在真实世界中解决真实问题。一般来说，生活中有些重复而有一定复杂度的工作，都适合用AI来解决。经过近几年的教学实践，我们认为让学生掌握AI并用AI解决真实问题并不困难。在浦育平台、XEdu、OpenHydra等平台和工具的支持下，学生完全有能力学习以深度学习为代表的新一代人工智能技术，开发出一些简单有趣的AI应用。我们总是在不经意中发现一些好用的工具，同时开发了一些重要工具，如PinPong和SIoT等。只要训练出AI模型，再借助OpenCV和PyWebIO等工具，在模型推理语句的基础上增加少量代码，结合一些开源硬件，就能形成一个AI应用。当然，“用AI解决问题”是一个很笼统的说法，其中的“AI”到底是指一个具备AI能力的应用程序（App），还是需要借助其他语言才能使用的AI模型（如开源的大模型），或者是需要自主训练的AI算法？显然，用大语言模型生成一篇文章和科学家设计算法预测蛋白质结构，都可以表述为“用AI解决问题”，而二者之间的难度和科技含量却有着天壤之别。因此，我们将“用AI解决问题”的能力分为三条路径，即用“AI应用”解决问题，用“AI模型”解决问题和用“AI算法”解决问题。中小学的AI通识教育要让学生在这三条路径上都有所涉及，而不是仅仅满足于应用以大模型为代表的GenAI。近几年，AI for Science（也称AI4S）成为备受关注的科研领域。新一代人工智能的发展将推动科研范式变革。自2024年诺贝尔物理学奖和化学奖颁发给AI领域专家后，越来越多的专家认为未来5年AI关注的重点将转向“硬核”领域——用AI加速科学和工程。实际上，AI不仅仅是一种技术，也是一种科学思维和解决问题的方式。AI科学家们将致力于开发新的算法，从而使AI从大量的数据中自动识别规律，习得解决问题的方案，并通过科学可量化的评估方式来改进算法。虽然中小学生可能还没有扎实的数学基础来完全理解机器学习和深度学习模型的底层原理，但通过实践操作，完全可以初步理解AI的基本概念、科学的思维方式和用AI解决问题的工作方式。而具备用AI解决问题意识的人才，才是未来最稀缺的创新拔尖人才。

— END —

作者 | 谢作如林淼焱温州科技高级中学

统筹 | 周彩丽

校对 | 齐丽涛

《教育家》杂志投稿邮箱：gmjyjzz@126.com

新媒体投稿邮箱：jyjzzxmt@126.com