资源简介

中小学教育资源及组卷应用平台
《松柏之辨—探索神经元加权计算的奥秘》
授课逐字稿
项目入项——情境导入
师：同学们，今天老师走进美丽的四中，看到各种草木郁郁葱葱，
老师在校园里拍下了两棵树，谁能说一说，它们是什么树？
生：松树和柏树
师：思考一下，当你看到树的时候，我们的大脑是如何一步一步判断出这是松树，这是柏树（手指着树）
生：第一眼，从树形上看像宝塔，认为都是松树。再仔细观察一下，
叶片不同，一种是尖尖的，一种是扁扁的，像鳞片，尖叶子尖尖的是松树，叶子扁扁的是柏树
师：PPT，你的眼睛捕捉到树叶、树冠的特征，然后传输给大脑，大脑神经元综合处理，最终判断是松树还是柏树。
师：人能辨别松柏，机器能像人类这样识别松树和柏树吗？今天这节课，我们就一起通过松柏之辨，探索神经元的奥秘。
（贴标题）
二、项目任务一：神经元是如何计算的
师：首先通过一段视频了解一下神经元，思考：神经元做了哪三件事？
生：观看视频
师：（板贴上贴生物神经元，下贴人工神经元，中间留三个空）人工神经元是模拟了生物神经元的数学模型，相互对应，做的三件事分别是？
生：（黑板贴）输入——计算——输出
师：PPT 我们可以概括为这6个字：输入、计算、输出。
师：继续以松柏之辨为例，我们看神经元是如何一步步计算出结果的。
师：识别一棵树是松树还是柏树，可以从树冠和叶片两个特征观察
机器要识别这些特征，必须用数字来表示。
特征值：可以用0~1之间数来表示，如果特别像就用“1”表示，不像就用“0”表示，如果这片叶子更多的像针叶，那特征值取0~1之间的小数表示。
师：哪位同学来分析松树和柏树的这两个特征，赋相应的数值
生：松树——树冠像塔形 x1=1 柏树也像塔形 X1=1
松树——叶片形状，是针叶 x2=1 柏树不像，不是x2=0
师：PPT 思考（1）在识别松树和柏树时，你认为叶片的形状和树冠的形状，哪一个更重要？为什么？
（2）如果让你给这树冠和叶片两个特征的重要性分别打分为0.7和0.3，你会如何分配呢？
生：回答
师：区分松树的关键特征要看叶片，这种区分“重要性”的指标，我们用权重来表示。树冠的特征不是很重要，权重设置一个小数。
选择了针状叶特征更重要，那么权重就要大些，设置一个大数。
w1=0.3 w2=0.7
师：其实，我们生活中处处有权重。期末考试刚刚结束，要评选三好学生，一般从学习成绩、纪律表现、卫生习惯三个方面打分评选，
讨论，思考以下问题：
（1）你们觉得谁该当选
（2）你们认为哪个“评选维度”是三好学生的关键，哪个评选维度的权重大？
（3）怎么计算他们的总得分？
生1：回答 问题1
生2：回答 问题2
生3：回答 问题3
师：汇总一下刚才同学们的权重方案，两种，一种强调成绩，成绩重要，权重大，一种强调纪律和卫生，纪律和卫生重要，权重大。观察两个表格，我们给每个评选维度设置了相应的权重，并计算了加权和，
评选结果一样吗？你能说一说权重在评过程中起的作用吗？
生1：权重越大，该项目对最终结果的影响越大。
生2：当权重分配发生变化时，即便所有原始分数不变，最终排名也可能发生逆转。
生3:权重就像放大镜，放大了对应分数的影响力
师：有了松树和柏树特征值和权重，就可以计算加权和。请同学们在任务单计算。
师：现在问题来了，一个加权和总分是1，一个加权和总分是0.3，那机器的人工神经元是如果判断出这是松树，那是柏树呢？
生：不知道，（预设答案）
师：考试的分数,你是如何知道自己是及格还是不及格。
生：60
师：达到60分，就是及格，反之，就是不及格。60分就是判断及格还是不及格的分数线临界值，我们称为“阈值”。
师：同学们，发散一下思维，生活中还有哪些阈值的设置？
生1：水烧到100度，断电。
生2：楼道中的声控灯，声音值达到高度，灯开。
生3：倒车的时候，达到一定距离，车就发出警报
师：回到松和柏的判断，是不是也应该设置一个阈值。我们设置为0.5。如果加权和大于0.5，就判定为松树，小于0.5，判定为柏树。
1>0.5,所以输出结果为松树，0.3<0.5,所以输出结果为柏树。
三、项目任务二：机器模拟——我是AI调参师
师：（过渡语）刚才我们师生共同经历了一个完整的神经元的工作过程——输入特征值-设置权重-计算加权和-判断阈值-输出结果。
师：同学们，刚才是手算，现在我们借助网页来模拟神经元是如何计算的，请你扮演AI调参师，完成以下三项挑战。
出示任务二，机器模拟——我是AI调参师PPT
师：打开学习网站中的“设计一个松柏人工神经元”链接，按照实验单的要求展开实践操作。2人一个小组。
生：实践操作，完成活动一，根据表格中已有数据，计算出加权和，并判断A树和B树分别是什么树？
找一组2个同学上台操作，A树是？
师：巡视，2分钟后，请2个小组代表分别报答案：A树是？ B树？
生：我是调参大师，完成活动二，调整权重，“改变”一棵树的命运
。
师：巡视，3分钟后，请2个小组（1组调出“松树”结果，1组未调出“松树”结果）阐述自己的方案和实验结论。
师：总结，在真正的人工智能里，权重是AI自己“学”出来的，AI在不断的“试错”中调整、训练，调整到最优值。
生：我是调参大师，完成活动三，保留输入特征和权重不变，调整阈值。
师：巡视，3分钟后，找3组代表分别分析第（1）问和第（2）问及结论。
师：总结任务二：刚才经过同学们的实验——计算加权和、调权重、改阈值，把一棵树‘判断’成了松树或柏树。这就是机器模拟人类大脑计算的过程。在这个过程中，同学们表现的很好。
三、项目任务三：实战体验松柏识别
师（过渡语）：如果我们把这根松枝拿到一个真正的人工智能识别模型面前，它‘看’到的会是什么？
拿松枝和柏枝交给真正的AI程序，让它来计算计算。
1.两人配合，一位持植物枝条对准摄像头/扫描区，一位观察屏幕上的识别过程和结果。
2.体验的过程中，改变一下角度，观察识别结果。
学生：实践
教师：所有小组都体验完了，大家请坐回原位。我们来汇总一下——刚才你们拿松枝和柏枝去让AI识别，结果怎么样？
生：松枝都对了
生：柏枝有一次被认成松树了
生：换个角度就不一样了，AI会犯错。
师：总结得好——AI犯错，要么是权重没调好，要么是阈值没设对，要么是输入特征（数据）本身有干扰，你们在松枝柏枝体验中‘玩’到的，就是神经元计算过程的一次微缩版。只不过AI要调千万次，你们只调了1次。但核心计算动作——完完全全一样。”
四、课堂小结
师：快速回顾一下今天这节课你收获了什么。
2组：学会了神经元的工作流程
3组：会设计一个神经元
4组：知道了权重代表了特征的重要性。在神经元中的重要地位很重要
5组：明白了阈值能决定神经元输出的结果。
生：同一棵树，数据完全没变，仅仅因为权重或阈值动了几个小数点，结论就截然不同。
生：人工神经元不知道什么叫‘松树’，它只知道 0.94 大于 0.5，所以输出‘松树’。它没有情感，没有意识，它只是一个极其擅长做加权求和的数学机器。
生：人类智慧的珍贵，不在于我们会做加权求和，而在于我们知道——为什么要把权重给那一片叶子。（找个女生，语言表达力强）
师：展示思维导图
五、课堂评价
师：请大家打开学习网站“课堂评价表”。根据自己和小组成员的表现，完成自评和小组互评。
评分规则：最终成绩=自评×70%+互评×30%。互评在组内进行。时间2分钟。
（学生填写评价表，教师巡视）
师：好，时间到。大屏显示小组评价情况，进行总结。
师：观察课堂评价表最终成绩的组成和对应的等级，你发现了什么？
生：评价系统也是神经元的基本结构。
师：说明生活中用到神经元工作原理的地方很多，请大家仔细发掘。
结束语：同学们，今天我们探索了人工智能神经元加权计算的奥秘，古人常以松柏喻风骨，神经元依靠海量数据反复迭代、修正误差，才能精准完成识别与判断，正如松柏历经霜雪侵袭，依旧挺拔长青。希望各位同学能汲取神经元持之以恒的学习精神，更拥有松柏坚韧不屈的本心，在人工智能的广阔天地里稳步前行，永葆向上生长的力量。本节课到此结束，同学们再见！
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
21世纪教育网(www.21cnjy.com)

展开更多......

收起↑