本文針對(duì)小學(xué)生對(duì)抽象難懂的神經(jīng)網(wǎng)絡(luò)概念不易理解的問(wèn)題，設(shè)計(jì)了一個(gè)“不插電”游戲，即利用游戲化教學(xué)幫助學(xué)生形象理解神經(jīng)網(wǎng)絡(luò)推理機(jī)制。其核心設(shè)計(jì)是將神經(jīng)元類(lèi)比為“皮卡丘”，學(xué)生扮演輸入層、隱藏層和輸出層角色。該游戲基于一個(gè)真實(shí)訓(xùn)練的二分類(lèi)模型（矩形坐標(biāo)分類(lèi)），讓學(xué)生通過(guò)傳遞寫(xiě)有真實(shí)模型參數(shù)（權(quán)重、偏置）的紙條，模擬神經(jīng)元的“加權(quán)求和”與“閾值判斷”過(guò)程。實(shí)踐表明，該游戲有效揭示了神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)算法的區(qū)別，能夠幫助學(xué)生理解神經(jīng)元計(jì)算原理、激活函數(shù)作用和參數(shù)意義，感悟“數(shù)據(jù)、算法、算力”作為人工智能技術(shù)基礎(chǔ)的價(jià)值。

神經(jīng)網(wǎng)絡(luò)是中小學(xué)人工智能通識(shí)教育的重要學(xué)習(xí)內(nèi)容，但神經(jīng)元的工作原理、激活函數(shù)的作用、參數(shù)和偏置等，都是較為抽象的跨學(xué)科概念，學(xué)生不容易理解。為了能夠幫助小學(xué)生理解神經(jīng)元的“計(jì)算”原理，筆者特意設(shè)計(jì)了一個(gè)模擬神經(jīng)網(wǎng)絡(luò)推理的不插電游戲。

設(shè)計(jì)分析：神經(jīng)網(wǎng)絡(luò)的工作原理

深度學(xué)習(xí)的底層是神經(jīng)網(wǎng)絡(luò)，而神經(jīng)網(wǎng)絡(luò)的靈感來(lái)源于生物神經(jīng)網(wǎng)絡(luò)。人腦中擁有800多萬(wàn)個(gè)神經(jīng)元，它們相互連接、協(xié)同工作，由此形成知識(shí)、記憶和思維。科學(xué)家們參考神經(jīng)元的“加權(quán)求和”和“閾值判斷”的機(jī)制，構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)，讓機(jī)器也能像人類(lèi)一樣學(xué)習(xí)、思考、決策（如圖1）。

圖1 生物神經(jīng)元和人工神經(jīng)元

小學(xué)生如何理解神經(jīng)元？其實(shí)只需要將神經(jīng)元類(lèi)比為“皮卡丘”就可以了，這個(gè)“皮卡丘”平時(shí)很安靜，只有收到足夠多的信息才會(huì)“放電”，就像皮卡丘感受到威脅時(shí)才會(huì)釋放電流一樣。這里的“放電”是指神經(jīng)元會(huì)根據(jù)收到的信息做出“決定”，并把這個(gè)“決定”以信號(hào)的形式傳給下一個(gè)小伙伴（下一個(gè)人工神經(jīng)元）。當(dāng)很多皮卡丘手拉手時(shí)，就形成了一個(gè)大大的網(wǎng)絡(luò)。每一個(gè)皮卡丘都會(huì)根據(jù)自己的“感覺(jué)”（接收到的數(shù)據(jù)和閾值）來(lái)決定要不要“放電”，以及要放出多強(qiáng)的“電”。

顯然，只要讓學(xué)生來(lái)充當(dāng)皮卡丘，即模擬神經(jīng)元，就可設(shè)計(jì)出不插電的推理游戲。按照輸入層、隱藏層、輸出層，可以將游戲角色分為三類(lèi)，每一個(gè)皮卡丘都擁有一張小紙條，記錄了與其他皮卡丘的連接參數(shù)（權(quán)重）以及偏置值（bias）。當(dāng)然，輸入層的皮卡丘是沒(méi)有“偏置”的。神經(jīng)網(wǎng)絡(luò)看起來(lái)像有點(diǎn)復(fù)雜，實(shí)際上對(duì)于一個(gè)最小的二分類(lèi)任務(wù)（兩個(gè)特征）來(lái)說(shuō)，僅僅需要5個(gè)神經(jīng)元（皮卡丘）就能完成，計(jì)算量并不大（如圖2）。

圖2 用五個(gè)“皮卡丘”來(lái)模擬二分類(lèi)問(wèn)題

準(zhǔn)備工作：訓(xùn)練一個(gè)最簡(jiǎn)分類(lèi)模型

設(shè)計(jì)這個(gè)不插電游戲的規(guī)則沒(méi)有任何難度，關(guān)鍵在于提供與任務(wù)相應(yīng)的連接參數(shù)和偏置值等數(shù)據(jù)。即使定位為游戲，筆者依然希望其提供的數(shù)據(jù)是來(lái)自真實(shí)世界的一個(gè)任務(wù)，即是從真實(shí)模型中讀取而得到。這樣一來(lái)，學(xué)生在游戲中會(huì)得到真實(shí)的感悟：原來(lái)人工智能真的是這樣工作的！為此，筆者將任務(wù)定位為解決矩形坐標(biāo)的二分類(lèi)問(wèn)題，即用對(duì)角線將矩形分為藍(lán)色和橙色兩類(lèi)（如圖3）。

圖3 矩形坐標(biāo)的二分類(lèi)問(wèn)題

訓(xùn)練這個(gè)模型并不難。首先，編寫(xiě)代碼生成100條（-1，1）之間的坐標(biāo)，然后按照對(duì)角線的表達(dá)式進(jìn)行判斷，將標(biāo)簽設(shè)置為“0”“1”兩類(lèi)。之后，用BaseDT將數(shù)據(jù)分為訓(xùn)練集和驗(yàn)證集。接下來(lái)，使用BaseNN搭建一個(gè)結(jié)構(gòu)為“（2，1，2）”的全連接神經(jīng)網(wǎng)絡(luò)，激活函數(shù)選擇“Relu”。模型的訓(xùn)練代碼如圖4所示。當(dāng)然，為了讓后期的計(jì)算更加簡(jiǎn)單，筆者在最后一層省略了常見(jiàn)的softmax函數(shù)。因?yàn)槭亲詈?jiǎn)模型，所以訓(xùn)練速度比較快，且模型的分類(lèi)效果也很好。

圖4 訓(xùn)練代碼

游戲?qū)嵤耗M推理在教學(xué)中的應(yīng)用

當(dāng)有了這個(gè)模型后，只要讀出模型中的參數(shù)和偏置值，打印在紙條上分給學(xué)生，就可以開(kāi)展不插電游戲了。筆者設(shè)置了如下幾條游戲規(guī)則：

①每一個(gè)皮卡丘（角色）是一個(gè)神經(jīng)元，根據(jù)手里的紙條信息，在計(jì)算數(shù)字后傳給下一層。

②除了輸入層和輸出層外，中間層（隱藏層）的皮卡丘需要判斷大于0才傳遞數(shù)據(jù)到下一層。

這個(gè)游戲適合在初學(xué)神經(jīng)網(wǎng)絡(luò)的時(shí)候使用。游戲的具體過(guò)程如下：

①教師將矩形中某個(gè)點(diǎn)的坐標(biāo)（x，y）分別交給輸入層的角色“1-1”和“1-2”?！?-1”和“1-2”根據(jù)手里的紙條（參數(shù)），相乘后將結(jié)果傳給下一層的角色，即2-1。

②角色“2-1”將收到的兩個(gè)數(shù)字相加，再加上手里紙條上的偏置，如果結(jié)果小于等于0，游戲結(jié)束，大于0則分別乘以和角色“3-1”“3-2”連接的參數(shù)，將結(jié)果交給“3-1”和“3-2”。

③角色“3-1”和“3-2”在收到數(shù)字后，分別加上各自的偏置值。如果“3-1”比“3-2”的數(shù)字大，則該點(diǎn)在藍(lán)色區(qū)域（分類(lèi)0），否則在橙色區(qū)域（分類(lèi)1）。

每一次在實(shí)施這個(gè)游戲時(shí)，學(xué)生的最初反饋是疑惑的：為什么要這樣計(jì)算？為什么不直接判斷坐標(biāo)的位置？為什么這樣也能得到分類(lèi)的結(jié)果？教師則要告訴學(xué)生，這就是神經(jīng)網(wǎng)絡(luò)的秘密，鼓勵(lì)有興趣的學(xué)生可以去找“M-P模型”發(fā)現(xiàn)過(guò)程的資料，激發(fā)他們對(duì)人工智能的興趣，增加跟隨科學(xué)家探索未知領(lǐng)域的勇氣。

反饋總結(jié)：“真實(shí)”是游戲的核心價(jià)值

設(shè)計(jì)這個(gè)不插電游戲的目標(biāo)是讓學(xué)生理解神經(jīng)網(wǎng)絡(luò)算法和傳統(tǒng)算法的區(qū)別。筆者認(rèn)為，游戲的核心價(jià)值不在于體驗(yàn)一次計(jì)算，而是在于其并非簡(jiǎn)單的“模擬”，而幫助理解神經(jīng)網(wǎng)絡(luò)的真正運(yùn)行規(guī)則，是“真實(shí)”的學(xué)習(xí)，因而結(jié)合真實(shí)問(wèn)題訓(xùn)練模型并讀取參數(shù)是要點(diǎn)所在。通過(guò)游戲?qū)W生會(huì)發(fā)現(xiàn)，1個(gè)神經(jīng)元（隱藏層）可以解決所有的線性分類(lèi)問(wèn)題，只要提供數(shù)據(jù)，算法就能從數(shù)據(jù)中訓(xùn)練出參數(shù)，從而獲得“智能”。隨著分類(lèi)復(fù)雜度的增加，則需要更多神經(jīng)元和隱藏層，3個(gè)神經(jīng)元可以近似解決圓形分類(lèi)問(wèn)題（如圖5）。學(xué)生將會(huì)體驗(yàn)到，所謂人工智能就是用計(jì)算機(jī)模擬人類(lèi)的思考行為，并進(jìn)一步感悟到“數(shù)據(jù)、算法、算力何以成為人工智能的三大技術(shù)基礎(chǔ)”。

圖5 用神經(jīng)元近似解決圓形分類(lèi)問(wèn)題

為了方便演示，筆者建議為這個(gè)游戲再設(shè)計(jì)一些輔助工具。例如，筆者借助大模型編寫(xiě)了一個(gè)數(shù)據(jù)生成工具。打開(kāi)網(wǎng)頁(yè)，將矩陣的某些部分涂成橙色，然后即可導(dǎo)出相應(yīng)的數(shù)據(jù)。當(dāng)然，隱藏層只有1個(gè)神經(jīng)元的網(wǎng)絡(luò)模型只能解決最簡(jiǎn)單的線性問(wèn)題，如果分類(lèi)不是線性的，則需要增加更多的神經(jīng)元。另外，還可以將模型訓(xùn)練整合在交互網(wǎng)頁(yè)中，從數(shù)據(jù)生成到模型搭建和訓(xùn)練，最后到讀取權(quán)重生成游戲規(guī)則，給學(xué)生以“真實(shí)”的參與感——數(shù)據(jù)是自己做的，模型是自己訓(xùn)練的，推理也是真正能用的。

本文作者：

謝作如

浙江省溫州科技高級(jí)中學(xué)

文章刊登于《中國(guó)信息技術(shù)教育》

2025年第13期

引用請(qǐng)注明參考文獻(xiàn)：

謝作如.設(shè)計(jì)一個(gè)模擬神經(jīng)網(wǎng)絡(luò)推理的不插電游戲[J].中國(guó)信息技術(shù)教育，2025（13）：81-83.

歡迎訂閱

識(shí)別上方二維碼即可訂閱