# 第一课学生工作纸｜AI、机器学习和深度学习 姓名：________________　日期：________________　小组：________________ 本课先认识 AI，再亲手观察一个很小的学习过程，最后说明 AI、机器学习、深度学习之间的关系。实验中的“甲、乙”是教师编写的虚构标签，没有现实含义，不是在评价人的能力。 **使用顺序：** 先写预测，再操作，再记录。预测写错不扣分，请保留最初答案；需要修改时用另一种颜色。新卡的参考标签由教师或实验页面稍后揭示，不要提前查看参考答案。 ## Q0｜先留下自己的理解（0—5 分钟，不计分） 现在有人问你“AI 到底是什么”，你会怎样回答？可以写不确定的地方，不必写出专业词。 ________________________________________________________________ ________________________________________________________________ 听完教师的开场解释，记录一个你想核实的问题： ________________________________________________________________ ## Q1｜先用人写好的办法分卡片（12—18 分钟） 一张卡片上画着横线，`x` 表示横线占几格。现在先遵守这条**人为规定的办法**： > 横线长度达到 4 格，就分到乙；没有达到 4 格，就分到甲。 请先填自己的预测，再在页面上逐张核对。此处只是检查有没有照着指定办法执行，还没有提供卡片的参考标签。 | 横线长度 x | 我的预测：甲或乙 | 页面实际输出 | 是否按指定办法执行 | |---|---|---|---| | 3 格 | __________ | __________ | __________ | | 4 格 | __________ | __________ | __________ | | 5 格 | __________ | __________ | __________ | 这里的“达到几格算乙”最开始由谁决定？页面有没有从样本中挑选这个数？ ________________________________________________________________ ## Q2｜让程序从样本中选办法（18—27 分钟） 现在换一种做法：我们提供 6 张已经标好甲、乙的卡片，让程序挑选分法。先读懂材料，再点击训练。 | 训练卡编号 | 横线长度 x | 给程序看的参考标签 | |---|---|---| | A1 | 1 格 | 甲 | | A2 | 2 格 | 甲 | | A3 | 3 格 | 甲 | | A4 | 6 格 | 乙 | | A5 | 7 格 | 乙 | | A6 | 8 格 | 乙 | 程序可以选择的办法都是“`x` 达到某个数就分到乙，否则分到甲”。把这个待选择的数记作 `t`；程序依次试 `t = 1、2、3、4、5、6、7、8、9`。在 6 张训练卡上分错最少的办法胜出；如果多个办法并列，就选 `t` 最小的那一个。这套选择步骤由人编写。 **点击训练前，我预测：** 程序可能选 `t = ____`。我的理由是： ________________________________________________________________ **跟着教师检查候选办法：** 自己计算教师分配的至少两个候选；其余数值可以在训练后根据页面补齐。“分错张数”指程序输出与表中参考标签不同的卡片数量。 | 候选 t | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |---|---|---|---|---|---|---|---|---|---| | 分错张数（共 6 张） | ____ | ____ | ____ | ____ | ____ | ____ | ____ | ____ | ____ | **点击训练后记录：** - 程序实际选出 `t = ____`。 - 用选中的办法分训练卡，分错 `____ / 6` 张。 - 用自己的话写下选中的办法：________________________________。 和 Q1 相比，这个数是怎样得到的？“人写了挑选办法的程序”和“人直接指定最后的数”是同一件事吗？ ________________________________________________________________ ________________________________________________________________ ## Q3｜换成训练时没见过的新卡（27—30 分钟） 先使用**刚刚训练好的办法**，不要再改它。测试卡的参考标签没有参与前面的挑选过程。 先填前两列空白，之后再揭示参考标签、填写最后两列。不要看完参考标签才倒过来填写预测。 | 测试卡 | 横线长度 x | 我的预测 | 当前模型输出 | 揭示后的参考标签 | 模型是否分对 | |---|---|---|---|---|---| | B1 | 4 格 | __________ | __________ | __________ | __________ | | B2 | 5 格 | __________ | __________ | __________ | __________ | | B3 | 9 格 | __________ | __________ | __________ | __________ | 模型一共分对 `____ / 3` 张；分错的卡片是：________________。 训练卡上不犯错，是否能说明新卡一定全部分对？引用自己表格中的一项记录说明。 ________________________________________________________________ ## Q4｜只改训练材料，模型会立刻变吗？（30—38 分钟） 现在只把训练卡 **A4 的参考标签从“乙”改成“甲”**。其余 5 张训练卡以及 3 张测试卡的参考标签保持原样。 **先预测：** 只改标签、尚未再次训练时，页面保存的模型会不会改变？为什么？ ________________________________________________________________ **按顺序完成操作，每做一步再填一行。** | 操作阶段 | 观察并记录：当前保存的 t | |---|---| | 修改 A4 之前 | __________ | | 已修改 A4，但还没点击重新训练 | __________ | | 点击重新训练之后 | __________ | 重新训练后，模型在**修改后的训练卡**上分错 `____ / 6` 张。再用它处理同样的测试卡： | 测试卡 | 重新训练后的模型输出 | 与已揭示的参考标签比较：对或错 | |---|---|---| | B1：4 格 | __________ | __________ | | B2：5 格 | __________ | __________ | | B3：9 格 | __________ | __________ | 重新训练后，测试卡分对 `____ / 3` 张；分错的是：________________。 两次测试分对的总张数是否相同？分错的是不是同一张？ ________________________________________________________________ 用自己的话说：**修改训练材料、重新训练、使用保存的模型**，这三件事有什么区别？ ________________________________________________________________ ## Q5｜用三个圈放好三个名字（38—46 分钟） 在下面画出 AI、机器学习、深度学习的关系，写全三个名称；再把“今天这个从样本里挑出 t 的模型”放在你认为合适的位置。 图示区： ________________________________________________________________ ________________________________________________________________ ________________________________________________________________ ________________________________________________________________ 我这样放实验模型的理由是：____________________________________。 ## Q6｜独立判断四段新说明（46—55 分钟） 请独立完成，不先和同桌对答案。每张卡写“可以确定的类别”和“材料中的依据”。如果属于较小的范围，请补上包含它的较大范围；如果描述不支持某种判断，不要自己补充不存在的信息。 **P1　固定提醒** 使用者规定“活动开始前 10 分钟通知我”。软件按时间发通知。开发说明写明它只是固定条件判断，没有用样本训练任何模型。 - 可以确定的类别：____________________________________________。 - 材料中的依据：________________________________________________。 **P2　棋盘搜索** 程序列出棋盘上可以走的几步，再按开发者写好的评分办法比较后续走法，选出下一步。开发说明写明它没有从棋谱中训练模型。 - 可以确定的类别：____________________________________________。 - 材料中的依据：________________________________________________。 **P3　文本分类树** 程序用一批标好类别的短文本训练一棵决策树，训练过程根据样本选出判断条件和分支。开发说明写明不使用神经网络。上线后，这棵树不再更新，继续给新文本分类。 - 可以确定的类别：____________________________________________。 - 材料中的依据：________________________________________________。 **P4　语音分类** 程序用一批标好类别的音频训练多层神经网络，再使用训练后的网络给新音频分类。 - 可以确定的类别：____________________________________________。 - 材料中的依据：________________________________________________。 ## Q7｜离堂两句话（55—60 分钟） 1. 今天，机器怎样得到分甲、乙的办法？请用自己的话向没上过这节课的同学解释。 ________________________________________________________________ 2. 只凭今天的实验，还有什么事情不能证明？写出一项，并说明理由。 ________________________________________________________________ 回看 Q0，我现在想修改的一处是：________________________________。 ## Q8｜课后迁移选做（不占本课 60 分钟，不计入 10 分） **E1　只有一句介绍** 某软件的介绍只有：“AI 学习助手，可以总结你上传的文章。”没有提供模型、训练或实现说明。 这句话能确定什么？不能确定什么？如果要判断它是否用了深度学习，你会追问哪一条具体信息？ ________________________________________________________________ ________________________________________________________________ **E2　一个网站里的不同部分** 某网站的实现说明写道：“上传、下载、文件存储使用普通网站程序；回答问题时，调用一个已经训练好的深层语言模型。” 请分别分析上传与存储、模型回答这两部分。能不能把每个按钮都称为深度学习？说明理由。 ________________________________________________________________ ________________________________________________________________ --- **交给老师的内容：** 保留有原始预测与修订痕迹的工作纸。课堂评分看观察记录和解释，不看预测有没有猜中；Q0 和 Q8 不计分。 **打印提示：** 可双面打印；若手写空间不足，可在背面按题号续写。独立分类和离堂题讲评前先保留个人答案，教师参考答案另页提供。