高中信息技术人工智能教育的理论基础与教学组织

[高中信息技术]人工智能教育的理论基础与教学组织摘要本文从阐述人工智能与认知心理学的密切关系出发，指出认知教学理论中的程序性知识的表征与习得、专家与新手的比较（认知学徒教学法）、问题解决与问题解决教学法等可以在人工智能教学中发挥重要的作用。据此，本文提出可以采用PBL的教学组织方式来开展人工智能的教学，并且就此教学活动组织中的几个核心问题做了分析。关键词人工智能认知心理学认知教学理论PBL（基于项目的学习）人工智能是信息技术的前沿领域。让中学生接触科技前沿，对他们的科技、研究意识的发展无疑有重大的意义。但人工智能是一个正在发展的学科，必然会给教学带来较大的困难。如何让学生理解人工智能的基本原理及其实质而不仅仅是让他们记住一大堆概念，将是信息技术教育面临的一大难题，需要引起特别的关注。人工智能与人类认知人工智能(Artificialintelligence)一开始就是一个多学科交叉的领域，但是就其研究的实质来说则可以归结为如何使机器（计算机）获得类似人类认知（智能）的能力，让机器模拟和代替人的某些智能。所以，人工智能也可称之为“机器智能”或“智能模拟”。或者可以说“人工智能是探索和模拟人的感觉和思维过程的规律并进而设计出类似人的某些智能的自动机的科学。”因此人工智能就是相对于人脑的智能而言的。事实上，关于人工智能研究和认知心理学研究都可以归结到认知科学的框架下来理解。人脑的智能通常称为智慧，是指人认识客观事物并运用知识能解决实际问题的能力，集中表现为观察、记忆、想象、推理、判断心理过程，是人类对外界输入的信息的处理、加工和应用的活动。人工智能就是对人的这些认知能力的模拟。而模拟有结构模拟和功能模拟两种方式。人脑是一个极端复杂的系统，现代科学目前尚不可能在人脑神经系统结构基础上进行模拟，目前的人工智能，实际上只是对人脑处理、加工和运用信息的功能模拟。由于人的思维是以人脑的生理活动为基础的一种精神活动，因而对人脑思维的功能模拟也包括两个方面：一是以电脑机器装置的物理运动，从功能上模拟人脑的神经细胞的生理活动。人脑的神经细胞通过神经脉冲，传递“兴奋”和“抑制”两种状态；电脑则利用电脉冲，产生“接通”和“断开”两种状态，采取“１”和“０”的二进制方式对这种传递加以模拟。二是以电脑的信息过程，从功能上模拟人脑的精神活动。可以把人脑的思维过程和机器处理信息的过程分为五个相应的部分：①用机器的输入器模拟人的眼、耳、鼻、舌、皮肤等感官，接受外界的信息；②用机器的存储器模拟人脑对信息的记忆功能，把已接收的信息积累起来，以供随时使用；③用机器的运算机模拟人脑对信息加工、分析、处理的过程；④用机器的控制器模拟人脑的调节、指挥作用，以调节各方面信息，指挥各项指令正常进行；⑤用机器的输出模拟人的效应器官，用以输出信息。这说明人工智能与人类认知的研究有一种共生的、相互促进的关系，可以从对方的发展中获益。其中认知心理学关于人类认知过程尤其是高级思维过程的研究，为人工智能学者编制体现人的智能行为的计算机程序提供了理论基础。反过来，人工智能的研究在某种程度上又促进了认知心理学的研究。众所周知，思维的生理机制至今仍是科学上尚未能解决的难题。由于人脑内部组元数量极其庞大和组元间生化反应非常复杂，用结构方法研究人脑有很大的局限性。由于人的思维是一种生命活动的结果，采用解剖方法是不可能对其作出很好的解释的。人工智能另辟蹊径，主要采用黑箱功能模拟法研究人的思维机制，进展令人鼓舞。人工智能对人脑的感受、记忆、演绎、选择四种基本功能已通过电子计算机实现物化再现。Newell，Shaw和Simon设计的“逻辑理论家”和“通用问题解决者”[1]就是其间关系的最好说明。人工智能的出现是人类文明史上划时代的发现，它突破并弥补了人脑在意识方面的局限性，如果说工具是人类手脚的延伸的话，人工智能的出现使计算机真正成了人脑的延伸。因此，采用与人类认知进行类比的方式来进行人工智能教学，也应该是一个比较好的选择。人工智能教学与认知教学理论高中阶段开设人工智能课程的目的主要有以下几个方面[2]：对多种思维方式的培养和信息素养的综合锻炼；体验人类专家解决复杂问题的思路，提高学生的逻辑思维能力；了解信息技术发展的前沿，激发对信息技术未来的追求。因此仅让学生记住一大堆有关人工智能的概念不是课程的最终目标，应该让学生们理解人工智能的实质及其基本原理，掌握人工智能知识与技术中的科学方法。鉴于人工智能与认知心理学之间的密切关系以及认知心理学在当前教学中的作用，认知教学理论理所当然地成为人工智能教学的理论基础。从课程标准中的三大模块来看，认知教学理论中的知识（尤其是程序性知识）表征与习得、专家与新手的比较（认知学徒教学法）、问题解决与问题解决教学法等可以在人工智能教学中发挥重要的作用。1．程序性知识表征与习得J．R．Anderson根据知识的状态和表征方式把知识分为两类：陈述性知识和程序性知识。陈述性知识说明事物、情况是怎样的，是对事实、定义、规则、原理等的描述；程序性知识则是关于怎样完成某项活动的知识，推理、决策或者解决问题等活动都是典型的程序性知识。陈述性知识容易被人意识到，可以明确地说出来，而程序性知识的获得必须从陈述性知识的获得开始，要对陈述性知识进一步加工、练习和实际运用才能成为灵活的程序性知识。因此陈述性知识与程序性知识的习得常常表现为学习者所达到的学习水平。程序性知识不是被个体回忆起来的，而是对所接受的信息进行加工变换的过程中体现出来的。所以，程序性知识是与一定的问题相联系的，在一定的问题情境面前，它会被激话、而后被执行，这一过程几乎是自动进行的，不需要太多的意识。这里有两点值得注意。首先，这里所说的知识是一种广义的知识，它已不是简单地对各种事物的了解，而且包含了对知识的应用，涉及到了运用知识的技能。其次，陈述性知识和程序性知识不是对客观知识的划分，而是对人的头脑中的个体知识表征方式的分类。一般认为陈述性知识采用以语义网络为基础的表征，而程序性知识的表征形式为产生式系统，通常以“if（如果）……then（那么）……”形式表示条件－行为的关系，即先确认当前的情境和条件，然后产生相应的行动。所谓“产生式”，就是这样一些“条件－行动”的结合规则。它表明了所要进行的活动以及作出这种活动的条件。产生式具有自动激活的特点，一旦存在、满足了特定的条件，相应的行动就会发生，这常常不需要太明确的意识。而且，一个产生式的结果可以作为另一个产生式的条件，从而引发其他的行动。这样，众多的产生式联系在一起，就构成了复杂的产生式系统。理解和运用产生式系统，对于理解人工智能的工作原理和设计原则具有重要的意义和价值，因为多数较为简单的专家系统都是以产生式来表示知识的。专家系统由“知识库”和“推理机”构成，其中知识库有规则库和数据库组成，规则库就是以产生式表示的集合，这是专家系统的核心；数据库则存放输入的事实、各种中间结果和最后结果的工作区，可以理解为陈述性知识。推理机是“控制协调规则库与数据库的运行“的程序[4]，其中所包含的推理方式和控制策略实质上也属于产生式系统。2．认知学徒教学法在人工智能领域一个活跃的研究方向就是对智能机器人的研究与开发。作为人工智能的一个重要研究内容和实验平台，智能机器人的研究开发工作涉及到人工智能研究领域的大量内存，应用了模糊规则、人工神经网络、专家系统、知识工程等多种理论和方法，其研究的部分成果已实际应用于水下机器人、核工业机器人、医用机器人、空间机器人、军用机器人、服务机器人、娱乐机器人等各种机器人的设计、开发中。这些具有一定智能的机器人不仅代替人类完成了许多危险的工作，而且也给人类的生活带来了方便和愉快。显然人工智能的一个重要领域就是要让机器成为某一领域中的专家，替代人的工作。人类经过学习可以从一个懵懂无知的婴儿成长为专家，但这个过程往往是很漫长的，如从小学生成长为博士通常要用20多年时间，在人工智能领域不可能期望计算机也要用这么多的时间来进行学习。这就有赖于如何尽可能地让机器学会专家认识和解决问题的方式。认知心理学关于专家和新手在解决问题上的不同策略和表现，就成了设计这类系统的重要依据，如专家更注意问题的结构，而新手更注意问题的表面细节；当要求他们说出准备用来解决问题的方法时，专家讨论的是将要使用的主要原理，为什么用这一原理及应用这一原理的程序，而新手则是立即跳到解决问题的量的方面，讨论解题使用的方程。同时新手倾向于依据表面特征，以零散的、孤立的方式储存知识。这些研究对教学的指导意义是将专家储存知识的方式和解决问题时使用的策略明确化，它直接用于机器学习，当然也用来训练学生使他们也学会应用这些知识，有助于促进新手向专家转化。基于专家－新手研究提出的“认知学徒教学法”可以在此提供很好的教学思路。它是一种通过允许学生获取、开发和利用真实领域中的活动工具支持学生在某一领域中的学习的方法[5]，这种方法在人工智能中通常称为“基于解释的学习”（explanation-basedlearning）。“学徒制”概念强调经验活动在学习中的重要性，并突出学习内在固有的依存于背景的、情境的和文化适应的本质。在传统的学徒制中，完成所学任务的步骤通常易于观察。然而，在认知学徒制中，必须使思考过程变得更加明显。当专家的思维更接近于学徒,而学徒的思维对师傅则一目了然时，那么，学习才有可能逐渐地既完善行动同时又改进潜在的过程。这里的一个核心概念就是专家头脑中存储的关于任务情景和问题解决的“组块”概念。目前已有一些软件公司为学校的人工智能教学开发了“专家系统”外壳，并支持学生的二次简单开发，学生和专家系统之间可以构成一种专家与新手的关系，为实施这种教学方式提供了很好的基础。学生能够获取、开发和利用真实领域中的活动工具，通过了解由领域专家建构的专家系统，并在教师的指导下学生亲手开发简单的专家系统，来体验专家系统的开发过程，加深学习体验。3．问题解决教学Newell和Simon把人的问题解决看作是对问题空间的搜索，这对于人工智能的问题解决策略的研究提供了极好的思路。问题解决的过程实质上是基于某种策略的问题空间搜索活动，传统上的手段－目的分析（mean-endsanalysis，手段－目的构成算子）和类比推理等都是人工智能中的重要设计策略，“通用问题解决者”就是依据手段－目的分析的方式设计的[3]，同时他们也是学生经常采用的问题解决策略。无论是人还是机器，问题解决的认知策略和解题规则的选择与掌握，对解决问题具有重要的影响作用，只有正确地选择解题规则与解题策略才能解决问题。因此，学生对自身解决问题的过程和策略的理解与掌握对人工智能的学习也会具有很大的作用。问题解决策略中的顺向搜索策略和逆向搜索策略，可以作为学生表征人工智能解决问题方式的最基础的要素。美国加州大学心理系主任梅耶教授提出关于解决问题教学的三个标准：第一，当你选择好要求学生解决的问题后，就要把解决这个问题所涉及的内容表征和计划步骤分割为学生可以接受的较小的操作单元，教会他们全面地接受信息，并对信息进行编码；第二，解决问题时要集中注意于过程，而不是结果，应当让学生找出自己解决问题的过程与充满解决问题过程间的差距，分析矛盾之所在及产生矛盾冲突的原因；第三，针对特定问题，教给学生特定的问题解决的技巧，具体问题具体分析。因此，要教会学生解决问题，应当教他们全面地分析和接受问题所提供的信息，努力建立完整的内部表征（头脑中要明确已知条件、目标、解题路径等），制定解题的步骤，找到问题的关键，解决好问题中的矛盾冲突，逐步向目标靠拢。在人工智能教学中采用问题解决教学，实质上将人工智能的学习内容转化为案例，一方面从机器对问题的表征、搜索策略或者算子的选择等出发，来理解人工智能所面临的问题；另一方面可以应用人工智能中关于机器学习的有关理论和语言，设计和解决一些简单的问题。工智能教学活动的组织对于人工智能这种处于信息技术前沿科学的教学内容，也应该以创新的教学方式和组织方式。采用“基于项目的学习”方式，并灵活结合探究式学习、协作学习、网上学习等将是一种很好的选择。课程标准中对教学活动提出了一些建议，主要是从课程内容的角度提出的，这些对教学活动的组织也有很好的指导意义。“基于项目的学习（Project-basedlearning）”，简称PBL。关于“PBL”，国内有“基于项目的学习”、“基于课题的学习”、“专题式学习”等多种不同译法，但较为通用的译法是“基于项目的学习”。“基于项目的学习”是美国中小学广泛采用的一种探究性、任务驱动式学习模式。这种教学活动组织形式对人工智能教育有很大的借鉴意义。在讲授人工智能的主要应用领域，专家系统基本原理等部分均可采用此种教学活动。基于项目的学习的组织应该考虑四方面因素（见图1）：内容、活动、情境和结果[5]，其学习流程可以分为选定项目、制定计划、活动探究、作品制作、成果交流和活动评价等六个基本步骤。对于人工智能这个独特的课程模块来说，教学和学习内容的选择不是一个很大的问题，需要考虑的是如何把现有的学习内容转化为具体的项目，至于像制定计划和对活动成果进行交流等属于PBL学习流程中的具体应用，并不会出现太大的差异。我们认为，采用PBL进行人工智能教学应该特别关注的是以下几个方面。图1基于项目的学习(PBL)的构成第一，关于活动的设计。PBL是以活动方式展开的，人工智能属于科技前沿内容，设计适合于学生理解水平和操作能力的活动十分关键。在课标中提供一些很好的建议，如“利用简易专家系统外壳开发一个简单的专家系统。例如，用于识别校园中植物的专家系统”、“观看、阅读与人工智能相关的影视作品或文学作品，发挥自己的想象力，描述人工智能技术的应用前景，以班级网站或板报的方式展示和交流”等[7]，都是很好的设计活动的思路。必须要考虑在活动中如何将有关人工智能的不多的陈述性知识转化为学生能够用以解决问题的程序性知识，使学生所学的内容能够与复杂的真实性的情景相一致、又不致于让所学的内容超出学生的知识背景。总之，学习活动的设计应该体现与现实问题之间的联系，让学生借助信息技术工具和简单的人工智能研究方法收集、加工信息，并借此提出利用人工智能解决问题的方法。找到了解决问题的方法，也就能够满足PBL中重要的因素——作品制作。尽管应该强调学习过程的重要性，但是作品的制作对学习活动来说也是非常重要的。因为只有完成作品制，各学习小组才能进行相互交流学习过程中的经验和体会，分享作品制作的成功和喜悦。第二，关于情景的创设。课标中提出信息技术学习情景创设的原则性建议，“营造有利于学生主动创新的信息技术学习氛围”，“从问题解决出发，让学生亲历处理信息、开展交流、相互合作的过程”[8]等。这些对学习情景的创设自然有一定的指导意义。这里实质上也隐含着建构主义的关于情景创设的一个基本观念，