人工智能听上去很神秘，人工智能人才乃至成为了社会追捧的工具。
自然而然，人工智能教诲成为了大家关注的焦点。
重新版本的普通高中信息技能课程标准中，在课程模块上来看，人工智能教诲渗透到必修课程中，同时又单独开设了《人工智能初步》选择性必修模块。

在几个月的韶光里，我们组织了一个小型项目，来自38所学校的西席一起学习研究“编程与打算思维”，在与老师们更进一步地研讨中，产生了大量新的想法与新的创意。
感谢老师们的金点子与活力，这也让我对人工智能教诲有更进一步的理解与思考。

如何自傲从容，循规蹈矩地开展人工智能教诲呢？

以下分享几个案例与思考。

我们都知道，也总是听说，***里的人工智能。
无所不知，无奇不有，连学生也多少理解一些。
他们也在评论辩论人工智能与人类事情的关系。

从***的“远间隔”，到生活的“近间隔”，我们创造生活中已经有非常多的人工智能能够直接打仗到。
比如，每一次用人脸解锁智好手机屏幕。
家里的扫地机器人。
还有，那有点有趣，可以对话的语音音响。
它们都或多或少地利用到人工智能。

再进一步，我们不仅体验人工智能运用，还可以更多维度地通过评价，来进一步解析人工智能。

现在，在路边碰着花花草草，拿起手机里的“形色”软件，创造它特殊万能，什么植物，哪怕便是远远地拍一张照片都可以识别出准确的植物名称。
这个软件的人工智能真是太强大了。

但故意思的是，如果你自拍，或上传一张人脸照片，奇怪的事情发生了。
例如，我根本不是某个植物，可是软件还是尽可能地猜。
这个软件见告我，我可能是柿子。

为什么，形色会涌现这个毛病呢？从中我们又可以思考什么？

弱人工智能与强人工智能？

想通过图灵测试并不随意马虎？真的有必要都通过图灵测试吗？

这个毛病真的不可以修复吗？如果可以修复，你将如何实现？

再进一步，我们开始考试测验全体人工智能的关键步骤。

有这样一个网站平台，在这个平台上，你只须要随着网站给出的笔墨，照着念出来。
大约朗读了几段笔墨，5-10分钟之后，网站就开始为你的声音建模。
之后，你输入你从未说过的话的笔墨，网站可以仿照你的声音，说出你从未说过的话语。
这是多么让人惊奇的一刻。

从而，我们也进一步地理解了给人工智能喂养“数据”，通过数据天生模型的过程。

这个网站也通过各种渠道见告其他人，我们的平台具备这样的人工智能技能。
但你不能用它来做坏事。
这便是须要强调的人工智能伦理，加强信息社会任务的培养。

这个时候，学生们已经越来越期盼打开人工智能的“黑箱”。

进入运用层面，非常依赖多维度大量的数据集。
这方面的数据集并不随意马虎找到。
范例的几个数据集被反反复复地利用。
个中一个，泰坎尼克号全体成员的数据集与终极是否幸存结果的完全数据，成为一个范例的可以运用的案例。

在这个数据集中，每个人的数据包括了性别，年事，身高，体重，购买船票的仓位等级，家庭收入金额等等。
这些数据集与是否幸存这个结果数据同时供应。
你可以用数据集的个中一部分用来创建打算模型（例如利用5000个人的数据集作为来源）。
仅仅利用，决策树的算法来构建模型作为第一次的考试测验。
然后，对该模型进行预测准确度的验证，给该模型500人的多维度数据，让这个人工智能进行这些人的幸存预测。
结果，预测的准确率竟然非常的高（超过90%）。

在这个实战的例子中，是一个完全的通过数据，建构模型，进行预测的全过程。
学生们完全的实践这个案例之后，就可以迁移到其他案例中。
学生们就可能想到，如果我网络到不同的数据集，我是不是可以预测一个人什么时候生病？或是预测一个人的财富收入？幸福指数？

当预测不准确的时候，是数据的问题，还是算法的问题，还是哪里出了问题？

当然，须要学习的还有很多，学生们可以跳出一个个的算法，不至于迷失落个中，去学习更多的算法和模型，乃至一步步深入到更综合的运用之中。

并非，非得到末了一步才想到创造，可以在过程中穿插。
人工智能赋能我们每一个人，学生们完备有能力站在全新的角度面对问题，思考问题，办理问题。

最近，上海市开始了大力实行垃圾分类。
一看垃圾分类的规则，不正是所谓的固定规则，重复操作的成熟领域吗？这不正是人工智能最善于的领域吗？为什么须要人来垃圾分类，而不是机器？

我们是否站在人工智能的视角去面对社会问题？

当然，市场也反应迅速，大量小程序与运用程序应运而生。
例如，用措辞说出你要扔的垃圾，自动帮你想好分类。

但是，这还远远不足。
结合外置的硬件，传感器，开源硬件，难道就不能进行全自动化的垃圾实物分类吗？

未来充满想象，将人工智能利用在新的领域内不断考试测验，综合运用，创新实践，也是主要的一个环节。

普通高中信息技能课程标准2017版本中，信息技能学科的核心素养为：信息意识、打算思维、数字化学习与创新、信息社会任务。
信息技能的核心素养，作为信息技能学科培养一个人的育人代价所在。
其背后隐蔽的学科核心大观点：数据、算法、信息系统、信息社会。

人工智能教诲的本身不仅仅是编程教诲，技能教诲，而是意识层面、思维层面、实践层面、任务层面的教与学进程。

第一步总是困难的，

只有深入才故意思，

只有实践才能去伪存真。