第一期“CAA智能趣微課”成果

2023年中國自動化學會推出“解密自動化”科普系列，打造線上品牌“CAA智能趣微課”，面向中小學生及公眾普及AI技術。第一期課程由12位一線教師主導，通過項目實踐融合理論教學，涵蓋大語言模型編程應用、自然語言處理、計算機視覺（貓狗檢測等案例）、語音識別原理、知識圖譜構建及機器學習基礎。學員將系統接觸AI核心領域，在實踐項目中掌握基礎概念，培養數據建模思維與工程實現能力，實現高端科技資源的科普化轉化。

《第一期CAA智能趣微課》視頻在智向未來—科教資源服務平臺（https://ke.aice.org.cn/）上可以免費學習，對應如下課程摘要描述：

課程1：計算機視覺——如何處理計算機中的圖像（北京師范大學附屬實驗中學 張康）

計算機視覺最核心的研究對象就是圖像，了解并掌握圖像的表示和基本處理方法和原理是深入學習計算機視覺的基礎。本節課圍繞圖像的表示和處理這兩個主題展開，需要注意的是圖像處理是一個很宏大的領域，本節課從最基礎、最核心的濾波入手，幫助大家了解圖像處理的一般過程，以Box Filter為例詳細介紹了其計算過程，希望學生能從計算的角度理解濾波。最后通過自己動手編程實現，驗證自己是否真正了解計算過程并觀察濾波的實際效果。

課程2：計算機視覺——基于CNN的佩戴眼鏡檢測（成都七中八一學校 周由）

我國中小學生近視率較高，基于計算機視覺技術進行佩戴眼鏡檢測有助于了解中小學生近視狀況；此外，在一些特殊場合，也需要檢測人們是否佩戴眼鏡（例如護目鏡等）。卷積神經網絡是解決計算機視覺任務的有力武器，本項目在知識層面包含了卷積神經網絡原理淺析、經典卷積神經網絡結構分析、搭建卷積神經網絡的工具介紹，在實踐層面則基于卷積神經網絡、網絡圖片訓練了可進行佩戴眼鏡檢測的AI模型，該項目還可進一步遷移至其他計算機視覺任務中。

課程3：計算機視覺——班級儲物柜的人臉解鎖系統（深圳實驗學校 曾晨怡）

當今，計算機視覺已經與人們的日常生活密不可分，例如人臉識別、自動駕駛、無人機、醫學影像分析、工業生產等等。在計算機視覺系統中計算機起代替人腦的作用，但并不意味著計算機必須按人類視覺的方法完成視覺信息的處理。計算機視覺可以根據計算機系統的特點來進行視覺信息的處理。本課以身邊真實情境入手—班級儲物柜人臉識別系統，教師引導學生共同探究人臉識別的步驟和過程、人眼識別與機器識別的差異對比。通過建立人臉庫、人臉對比、人臉檢測的過程，編程實現人臉識別的功能，從而培養學生的計算思維和人工智能素養，增強學生的信息意識和信息社會責任。

課程4：計算機視覺——貓狗識別與貓狗檢測（中國人民大學附屬中學豐臺學校 金鑫）

計算機視覺是人工智能領域的重要分支之一，它通過算法和技術讓計算機能夠理解和解釋圖像或視頻中的信息。圖像識別和目標檢測是計算機視覺領域的兩大主要研究方向。本課程以生活中最為常見的可愛動物貓狗作為識別主體，讓學生借助openinnolab平臺體驗機器學習的全過程，實現計算機視覺的兩大任務。學生在經歷圖像數據采集與處理、模型選擇與訓練、參數評估與調整及模型推理與優化過程中，了解MobileNet、ResNet、SSD_Lite、Yolo等常見的計算機視覺模型，掌握圖像識別和目標檢測任務的基本流程，學會計算機視覺技術的實現方法，并能遷移至其他計算機視覺項目進行研發應用。

課程5：計算機視覺——手勢控制無人機（重慶一中 陳健）

本次課程旨在讓學生了解人工智能分類及應用領域，通過簡單知識講解理解機器學習和人工神經網的原理，最后通過項目開發實踐，加深對所學知識的理解。手勢控制無人機，如果語言編程來實現，需要具備一定語言編程能力。本次課程結合大疆教育平臺，讓學生體驗深度學習如果獲取數據集、訓練集、通過模型訓練、模型部署等環節，激發學習人工智能興趣，看懂訓練后各種參數。通過本課程學習明白人工智能并非遙不可及，縱然零基礎，我們也可通過學習基礎知識來開啟人工智能大門。

課程6：自然語言處理——分析語言中包含的情感（北京師范大學昌平附屬學校 索金濤）

本課是要帶領學生們了解自然語言處理的基本概念、關鍵任務、應用和歷史。在這個過程中，學習基于詞典情感分析的研究方法，是通過制定一系列的情感詞典和規則，對文本拆解、關鍵詞提取，計算情感值，最后通過情感值來判斷文本的情感傾向。學生們通過“如何分析用戶評價”項目，從項目主題確定、研討探究方案、項目方案實施、項目協作及結果展示和項目總結五個階段開展內容的學習。逐漸理解基于情感詞典的情感分析實現過程，將知識進行遷移，解決生活實際問題。

課程7：自然語言處理——利用大語言模型輔助編程和項目（北京市十一學校 張煒其）

本課程旨在介紹如何利用近年來開始廣泛應用的ChatGPT等大語言模型來輔助計算機科學類課程的學習。課程以一個簡單的天氣提醒助手項目，在介紹爬蟲等基本概念的基礎之上，借助大語言模型的AI工具，在完全不動手寫代碼的情況下，通過文字描述讓AI工具生成了可以直接使用的代碼。以此為例作為拋磚引玉，希望越來越多的學生可以利用AI工具提升學習和生活的效率，越來越多的教師可以來思考如何更好地將AI工具融合到課程的設計與實踐中來，一起探索AIGC時代的新型課堂。

課程8：數據處理與機器學習——以天氣氣候為例的大數據分析（深圳寶龍外國語學校 謝瑋）

本課程旨在通過使用Python對每日天氣數據進行分析和可視化，幫助學生體驗數據分析和機器學習的過程。“數據分析與可視化”——學習使用Python的數據分析庫（如Pandas和NumPy）和可視化庫（如Matplotlib）對天氣數據進行分析和可視化，以展示數據的趨勢和規律。“機器學習初步”——介紹機器學習的基本概念和算法，并引導學生使用Python實現簡單的機器學習模型，從而預測未來的天氣情況。

課程9：數據處理與機器學習——開水放冰箱的溫度下降規律研究（北京市十一學校 吳孟月）

當真實情境中的問題遇到人工智能，現實問題如何轉化為計算機可以求解的問題？求解數學問題真的不需要做實驗嗎？得到的一堆“雜亂”數據應該如何處理？怎樣才能知道我們求得的是真實問題中的真實的解？計算誤差越小一定就是最優解嗎？“熱水放冰箱多久才能冰冰涼”的背后究竟蘊藏著多少奧秘？本節課將帶你一一探索！

課程10：數據處理與機器學習——用戶購買行為的聚類分析（烏魯木齊八一中學 李天宇）

人們在享受“互聯生活”帶來便捷的同時，往往伴隨著上網“成癮”的現象，我們面對這些賞心悅目、淘盡天下、通曉古今的軟件為什么會“無法自拔”呢？一剎那間，產生“知我者，莫若‘軟件’也”的錯覺。一起通過網購平臺提供的“精準服務”，了解機器“眼中”的用戶行為，探析“精準推薦”背后的智能原理，解密“人以群分”的計算之道。

課程11：知識工程——基于知識圖譜的問答系統（北京第十二中學 張藝涵）

目前感知智能技術日趨成熟，人工智能的進一步發展則是認知智能。知識圖譜是谷歌公司為優化搜索過程而推出的人工智能技術，涉及知識工程、自然語言處理、機器學習、圖數據庫等多個領域，是認知智能的核心技術，在很多行業具有廣泛的應用前景。本課程理論與實踐相結合，選擇學生熟悉的知識領域——“紅樓夢”為教學案例，分為三個部分：知識抽取與融合、知識圖譜的構建與查詢、問答系統的構建，帶學生了解什么是知識圖譜？如何構建知識圖譜？以及知識圖譜如何應用？本課程難度系數不高，可操作性較強。學完本課程后，學生可以自主構建一個小型的知識圖譜并進行簡單的查詢操作。

課程12：語音識別——探究語音識別的原理（中山市中山紀念中學 易錫添）

語音識別技術是一種讓計算機“聽懂”人類語言的技術。它的原理主要是通過分析語音信號中的特征，將人類語音轉換成計算機可理解的文本或指令。本課程將帶領大家走進語音識別技術的世界，從原理到應用，全面介紹語音識別技術的基本原理、算法及應用。我們將通過幾個實踐探究活動，深入剖析語音識別技術的基本原理，如聲音輸入、MFCC倒譜特征提取、基于深度全序列卷積神經網絡（DFCNN）的聲學模型匹配、基于維特比算法的語言模型匹配等。通過本課程的學習，大家將了解語音識別技術的基本原理、影響因素及應用場景，掌握語音識別技術在各個領域的應用方法，并能夠利用語音識別技術解決實際問題。

第二期“CAA智能趣微課”成果

繼2023年，中國自動化學會面向全國中小學生及廣大社會公眾開設第一期“CAA智能趣微課”線上品牌科普活動，2024年，中國自動化學會陸續發布第二期“CAA智能趣微課”系列課程。

在第二期系列課程中，共邀請13位來自中學的一線資深教師與大家共同探索人工智能領域的奧秘。每位教師將結合自身在教學實踐中積累的經驗，指導學員完成一個實際的人工智能項目。通過這些精心設計的項目活動，學員不僅能夠初步了解大語言模型（例如ChatGPT）在青少年科技創新中的應用潛力，還將首次接觸到利用計算機技術分析古詩詞等文本內容的技術方法——即自然語言處理技術的應用實例。

此外，課程還涵蓋從圖像分析到姿態檢測、手球識別等一系列基于計算機視覺技術實現的功能演示。最終目標是幫助參與者建立起對數據分析重要性的認識以及構建有效模型的能力（機器學習）。整個學習過程強調理論與實踐并重的原則，力求讓每位參與者在動手操作的同時深入理解相關理論知識背景。期望通過本系列課程的學習，大家能夠掌握關于人工智能的一些基本概念及其工作原理，并激發進一步探究的興趣。

《第二期CAA智能趣微課》視頻在智向未來—科教資源服務平臺（https://ke.aice.org.cn/）上可以免費學習，對應如下課程摘要描述：

課程1：大語言模型助力科創研學（中國人民大學附屬中學豐臺學校 金鑫）

大語言模型的出現讓我們的時代發生了翻天覆地的變化。在AIGC時代，如何正確高效地使用大語言模型成為學生亟須學習的技能，而國外大語言模型的諸多限制，讓我們無法正常使用大語言模型。本節課以科創研學為切入點，在讓學生理解科創研學的意義基礎上，介紹了科創研學主題的立題方法，介紹了常用的大語言模型類型并講述了在本地部署大語言模型的方法，消除了學生本地使用大語言模型的技術壁壘。同時本節課中，教師詳細闡述了如何基于大語言模型開展科創研學的路徑，以期為同學們的科創研學之旅打開新思路。

課程2：生成式人工智能原理——以CILP模型的圖文理解為例（浙江省溫州科技高級中學 林淼焱）

本課程基于各類大語言模型的底層“CLIP”模型設計，借助圖文信息的相似度比較，探索大模型理解圖片與文本背后的原理。學生將學習如何利用編程語言和AI工具，將圖像、文字等多媒體信息轉換成計算機可處理的數據，并運用這些數據進行創意表達和問題解決。

課程3：計算機視覺——智能識別精靈（上海市浦東新區福山證大外國語小學 張沁漾）

《智能識別精靈》課程是一門融合人工智能技術的創新實踐課程。本課程結合真實的項目情境，以設計一款能識別植物的“智能識別精靈”為核心項目，旨在引導學生深入理解圖像識別的原理和應用，培養學生的計算思維和創新能力。本節課包括掌握圖像識別技術的基礎知識，熟悉人工智能編程工具的應用；結合“模型拼搭+智能編程Dbit+”動手實踐制作設計的“智能花精靈”，鼓勵學生進行個性化設計與創新通過項目實踐，提升學生的編程能力和問題解決能力；培養學生的團隊協作和溝通能力，激發他們對人工智能技術的興趣和熱情。

課程4：圖像顏色識別與主色提取——探秘服裝配色（北京市第八中學 蘧征）

顏色是圖像中最直觀的特征之一，識別顏色對于圖像處理、物體檢測等具有重要的意義。本課程以圖像顏色為核心研究對象，基于“服裝配色”的實踐項目，引導學生探究識別圖像顏色與提取主要顏色的原理與方法。課程以如何獲取圖像中的服裝搭配顏色為核心問題，啟發學生逐步分析與思考，開展計算機如何存儲圖像、如何識別某個區域的顏色、如何提取圖像主色三個子問題的研究，學習圖像數字化，利用OpenCv識別圖像顏色，以及K-means聚類算法的原理與方法等。通過編程實踐，讓學生體驗利用人工智能解決問題的過程與方法。

課程5：姿態識別之蹲起識別與計數（首都師范大學附屬中學 賈媛媛）

姿態識別是計算機視覺領域的一個重要研究方向，本節課我們利用姿態識別技術完成蹲起動作的識別與計數項目。項目內容主要包括數據的采集與制作、使用Mediapipe庫來提取人體姿態關鍵點、分別通過計算人體關鍵點之間的角度變化和KNN算法，實現對蹲起動作的識別與計數。課程將從靜態圖像的識別過渡到動態視頻的識別與計數，展示如何將理論應用到實際場景中。經過動手編程實踐，學生將不僅掌握姿態關鍵點的提取方法，還可學會如何結合數學計算和機器學習算法進行姿態識別，這將為他們在人工智能領域的探索和創新應用打下堅實的基礎。

課程6：基于XEdu和BaseML的手球行為識別（溫州市繡山中學 洪丹妮）

課程針對足球比賽中手球行為爭議判罰的問題，引導學生分析問題、探索技術，設計解決方案，讓學生認識并實踐圖像目標檢測和分類技術，制作足球手球行為識別系統，實現手球行為智能判斷。學生不僅要從數據多樣性、規模性、準確性角度出發，收集和整理數據，并通過圖像標注實現足球數據集的初步構建，還會體驗運用OpenInnoLab平臺的MMedu計算機視覺庫和BaseML傳統機器學習庫，分別實現足球目標檢測模型和手球分類模型訓練與推理的過程，在實踐中逐步理解目標檢測、圖像分類、人體關鍵點提取、K近鄰算法的概念和實現方式，最終完成足球手球行為識別系統的設計與制作。

課程7：邊緣和邊緣檢測（北京師范大學附屬實驗中學 張康）

計算機視覺最核心的研究對象就是圖像，了解并掌握圖像的表示和基本處理方法和原理是深入學習計算機視覺的基礎。本節課在上節微課《圖像的表示和處理》的基礎上重點介紹底層視覺中的邊緣和邊緣檢測算法，本節課先介紹了邊緣的概念和邊緣在視覺中的作用和價值，接著學習Sobel算法的核心原理，了解Canny算法的核心步驟，最后通過自己動手編程實現，驗證自己是否真正了解計算過程并觀察邊緣檢測的實際效果。

課程8：初識手寫字體識別（山東省青島第九中學蔡榮嘯）

在深度學習領域中，TensorFlow作為開源的機器學習框架，因其高效性、易用性和強大的社區支持，成了廣大開發者和研究者們的首選工具。而手寫字體識別（Handwritten Digits Recognition）作為計算機視覺和機器學習的經典案例之一，是初學者了解深度學習原理和應用的絕佳途徑。

課程9：我教機器識別物體——感知機器學習（中國人民大學附屬中學 彭惠群 王璐）

本課程旨在引導學生探索機器學習的奧秘，以更好地理解技術原理及其發展脈絡。在課程中，我們將機器學習與人類學習對比，幫助學生認識到二者的異同。同時，我們將機器學習與人類學習“雙線貫通”，即把人類對概念認知的明線（是非、形象、抽象）與機器學習過程的暗線（可教、受限、偏見）相對應。

課程10：什么影響了你的成績——線性回歸（北京十一學校龍樾實驗中學 張麗輝）

在本課程中，將通過探討影響學生成績的各種因素，深入了解人工智能中的線性回歸算法。將從實際問題出發，分析哪些因素對學生成績有顯著影響，并通過數據建模和分析，演示線性回歸算法如何用于預測和優化。課程內容涵蓋數據預處理、模型訓練與評估，以及結果的解釋和應用。通過理論講解與實踐操作相結合的方式，幫助學生掌握線性回歸算法的基本原理和實用技巧，為學生進一步學習人工智能打下堅實基礎。

課程11：強化學習之遺傳算法（北京市新英才學校 魯家鈺）

遺傳算法是一個經典的強化學習的算法，因其模擬了生物界中的遺傳演化的過程，因此而得名。在本節課中，首先將了解機器學習三大范式之一強化學習的主要特點、基本概念和應用場景。然后通過分析生物演化的過程和原理， 理解如何使用遺傳算法來實現強化學習。最后，將通過一個專門為本課程研發的《吃豆子》小游戲，直觀地看到遺傳算法是如何工作的，以及知道影響遺傳算法訓練效果的若干關鍵參數。

學生通過參與Code Studio的互動關卡，訓練人工智能機器人識別魚類——是魚非魚（是非概念）、形狀顏色（形象概念）、情緒狀態（抽象概念），從而了解機器學習的一般過程，包括樣本的輸入、標簽的選擇與特征的提取，以及了解如何利用模型進行訓練、測試和預測。

在互動活動中，學生還將感受樣本量的大小（數據的量）與標簽的準備率（數據的質）對于機器學習效果的影響，并體會機器在人類“可教”的基礎上，卻“受限”于人類的訓練以及機器學習受到人類“偏見”的影響，進而反思人工智能的便利與挑戰，增強自我判斷意識，增強社會責任感，為更負責任地使用人工智能奠定基礎。

課程12：基于K-Means的聚類算法實踐（杭州外國語學校 萬春彬）

聚類算法在機器學習領域中占據著舉足輕重的地位，它構成了無監督學習領域的核心基石。在本課程中，將通過三個生動具體的實例——水果分類、水果堆的歸類以及一組數的集合分類，來深入淺出地介紹聚類算法的相關概念和知識。為了讓學生對數據集有更直觀、更貼近實際的理解，我們采用圖片、表格等多種形式，對鳶尾花及其數據集進行對照解析。這種直觀的教學方式將幫助學生建立起對數據集的深刻認識。在實戰演練環節，將不僅停留在代碼的調用層面，而是通過詳盡的代碼講解、運行演示以及手動推演過程的對照，引導學生深入理解聚類算法的原理和過程。特別地，將通過一維特征樣本數據的手動推演，將聚類算法的內在機制完美呈現，達成“原理講懂、講透”的教學目標。

課程13：數字人文——文本挖掘重讀詩詞（北京市十一學校 韓思瑤）

數字人文（Digital Humanities）是一個跨學科領域，它利用數字工具和方法來分析、解釋和呈現人文學科中的數據和文本，如文學、歷史、藝術、音樂和考古學等。文本挖掘（Text Mining）結合自然語言處理（NLP）、數據挖掘、機器學習、統計學和信息檢索等技術去發現文本中的模式、趨勢和關聯，從而幫助人們做出更明智的決策。

本單元利用數據分析以及人工智能技術更好地理解詩詞的發展以及背后的規律，幫助我們從數據的角度理解詩詞，欣賞詩詞之美。本節課選取其中三個問題：熟讀唐詩三百首——如何快速獲取唐詩數據，唐詩中的“以人為本”——詩詞的字頻統計，唐詩何以勝我朝——探索詩歌鼎盛時期，幫助大家理解大數據分析的一般過程，并能動手實踐從數據角度挖掘詩詞文本中的潛在現象。（來源：中國自動化學會）