从高中数学建模教育角度看人工智能与大数据-教师感悟( 四 )


解决这三个矛盾的诀窍,就隐藏于“分层分目标的教学”中 。
首先,机器学习作为高中数学建模的案例,应放在高中高年级(高二或高三)进行教授 。此时学生已经接受过基本的数学建模思维的渗透,并且对于函数模型有了初步经验 。这样可以解决矛盾2 。
同时,在介绍复杂的机器学习机制(例如神经网络)之前,应先通过简单的数学结构来引导学生观察智能的来源 。一个经典的例子是利用连分数求根号的近似值,另一个例子来自于函数值迭代的收敛性 。这些材料可以在高一和高二上的相关章节予以渗透,并引导学生理解机器学习中的“智能”的数学来源其实是:极限和稳定收敛性 。这样可以部分地解决矛盾3 。

从高中数学建模教育角度看人工智能与大数据-教师感悟

文章插图


从高中数学建模教育角度看人工智能与大数据-教师感悟

文章插图

图7所谓的智能,来自于极限和稳定收敛性, 这可以通过非常简单的例子传递给学生
进一步地,讲授机器学习不宜对所有学生采用统一的要求和标准 。即使未来的世界是人工智能和大数据大放异彩的时代,也并非所有想要在这个时代有所成就的人都需要掌握机器学习的技术 。事实上,很多人只要了解机器学习最基本的概念和方法,并赏析几个机器学习的实例,以保证他们将来想要应用机器学习时,可以找到正确的方向和擅长该技术的合作伙伴就足够了 。而有更高需求的同学可以利用校本选修课和大学先修课补足深入学习所需的知识 。这就解决了矛盾1 。
这样的考虑实际上给出了高中阶段讲授机器学习的三个原则:
  • 原则1:机器学习的教学适合在高中高年级展开,作为高中数学建模教学的案例 。
  • 原则2:利用数学课内题目,向学生渗透“智能”来自于“极限和稳定收敛性” 。
  • 原则3:按学生兴趣社团、常规课程、校本选修课程的三级,由浅入深分层分目标实施 。
这样做的另一个好处,就是对于师资的要求相对降低,不需要另外聘请很多人工智能方面的专家,只需要稍加培训,就可以完成绝大多数情况下的教学工作 。
3.人工智能和大数据是STEAM教育的最佳推动作为缩写,“STEAM”代表科学(Science)、技术(Technology)、工程(Engineering)、艺术(Art)、数学(Mathematics) 。STEAM教育就是集科学、技术、工程、艺术、数学多学科融合的综合教育 。通常认为,STEAM教育相较大陆传统教育可以带来如下6个好处:
  • (1)激发好奇的天性和主动探索能力;
  • (2)培养孩子各方面技能和认识能力;
  • (3)在动手实践过程中培养创新意识;
  • (4)引导同伴之间的合作和强调解决问题的能力;
  • (5)重视对艺术、文化软实力的培养;
  • (6)创造机会让孩子去发展有趣的创意思维 。
但是好处归好处,好处可不是由简简单单的一个称为“STEAM”的名词带来的,而要靠将这个理念在课堂上基于学情和课标去科学地落实来获得 。
人工智能和大数据本身就是一个需要多学科协作的庞大工程——数据样本采集自各领域,采集的方式要依靠各个学科的专门技术,以及相应的电子设备;数据的储存和传输依赖于半导体技术、材料科学和通信科学的发展;有了数据,算法的理论支撑来自于数学,算法的实现则要靠计算机科学乃至电子科学,结果的应用又要依赖各个领域的专门人才 。所以很容易将人工智能和大数据放到“交叉学科”这个范畴中来 。
交叉学科缘起于学科交叉,是两个或多个学科相互间的合作不断深化的产物 。例如近年来新兴的进化金融学(EvolutionaryFinance),就是生物学和金融学之间学科交叉的产物,演化证券学(EvolutionaryAnalytics ofSecurity)则是生物学和证券学之间学科交叉的产物 。交叉学科激发了很多新兴的技术和职业,也是人类知识和社会财富爆发增长的一个源泉 。
这很容易让人产生一种幻觉:让学物理的人去做化学,让学数学的人去做生物,让学金融的人去做医疗,就搭上了“学科交叉”的顺风车,就可以获得名利 。之所以会产生这样一种幻觉,是因为只关注到了成功者在多于一个学科内所取得的成就,和他们将这些成就整合起来的影响 。但是却忽略了一个浅显的事实:这些人要么本身就同时在多个学科都有非常专业的功底,要么就是找到了擅长不同学科的人来合作 。