高中信息技术选修《人工智能初步》3.3对数据进行合成创意智能教学设计

高中信息技术选修《人工智能初步》3.3对数据进行合成创意智能教学设计一、教材与学情分析本课内容取自浙教版（2019）高中信息技术选修3《人工智能初步》第三章第三节“对数据进行合成”，是学生继“数据采集与整理”“数据分析”之后，走向智能创造的最后一环。教材以生成对抗网络、风格迁移、文本生成等典型数据合成技术为线索，引导学生理解人工智能不仅能“看懂”数据，还能“造出”数据。这一节在整个模块中承担着从“认知智能”迈向“生成智能”的桥梁作用，也是落实课程标准中“了解人工智能在数据生成与内容创作领域的典型应用，能辩证看待合成数据的价值与风险”这一学业要求的关键载体。授课对象为高二年级选修本模块的学生。从前期课堂观察看，学生已掌握Python基础语法，能调用常见数据库与第三方库进行简单数据处理；在社交媒体上大多接触过“AI绘画”“换脸视频”等产物，兴趣浓厚但认知停留在“神奇好玩”层面。存在的典型误区有三类：其一，把合成理解为“复制粘贴的高级版”；其二，认为模型生成的内容是“凭空想象”，与训练数据无关；其三，对深度伪造的伦理风险缺乏切身感受。教学必须设法把学生的直觉兴奋，转化为对“数据分布学习—生成建模—价值判断”这一完整链条的理性认识。二、教学目标1.信息意识：能够识别生活中的合成数据产物，主动追问一张图片、一段音频“是真实采集的还是机器生成的”，形成对信息来源的敏感与审慎。2.计算思维：理解生成对抗网络中生成器与判别器相互博弈的基本思想，能用流程图或伪代码描述“生成—判别—反馈—再生成”的迭代过程；理解风格迁移中内容特征与风格特征分离的建模思路。3.数字化学习与创新：能基于开源平台或预训练模型，以小组协作方式完成一件“合成创意作品”（如风格迁移画作、古诗生成、声音克隆小样），并能用数据与参数说明作品的生成逻辑。4.信息社会责任：结合深度伪造典型案例，讨论合成技术的法律边界与伦理准则，逐步形成“技术可行不等于行为正当”的价值判断意识。教学重点：生成对抗网络的基本原理；风格迁移的生成过程体验。教学难点：从“博弈过程”到“数据分布逼近”的抽象理解；合成技术双面性的辩证评价。三、教学准备与平台环境硬件环境为配备显卡的机房或支持云端算力访问的终端。软件方面准备三个梯度的工具：入门层使用教师封装的在线演示页面（上传照片即可体验风格迁移、人脸渐变生成）；进阶层使用基于百度飞桨或ModelScope的Notebook环境，内置预训练模型，学生只需修改少量参数；拓展层提供DCGAN训练脚本，供学有余力的小组在课后尝试小规模训练。课前教师准备两类素材：一是“真假混排”的图片与音频包，用于导入环节的辨别活动；二是本课学习单与小组任务卡，任务卡按“创意提案—技术路径—生成实验—伦理自检”四栏设计。四、教学过程（一）情境导入：一次“真假难辨”的投票上课伊始，大屏依次呈现六张人物肖像与两段语音，请学生举手判断“真实拍摄或录制”还是“机器生成”。统计结果显示，多数学生的正确率徘徊在半数附近，教室里响起明显的惊讶声。教师追问：如果连我们的眼睛和耳朵都不再可靠，那么我们凭什么判断？人与机器生成内容的本质差异究竟在哪里？接着播放一段由生成对抗网络创作的作品在拍卖行高价成交的短片，顺势揭示课题：人工智能不仅能分析数据，还能对数据进行合成，创造前所未有的内容。今天就让我们拆开这个“魔法盒子”，看清它的发条，并亲手转动它。设计意图在于用认知冲突激活前概念。真假辨别的挫败感是最天然的学习动机，拍卖案例则暗示合成技术已经在真实产业中创造价值，为本课的知识探究与实践创作埋下双重伏笔。（二）原理探究一：画家与鉴赏家的博弈教师先不讲术语，而是讲述一个“假画江湖”的比喻：一位伪造者试图画出以假乱真的作品，一位鉴赏家努力分辨真迹与赝品。伪造者每次失败就总结鉴赏家的判断依据，改进手艺；鉴赏家每次被骗就更新鉴别的眼光。两人长期较量，直到鉴赏家无法区分真伪——此时伪造者的水准已无限接近真迹。教师提问：故事里的伪造者与鉴赏家，分别对应生成对抗网络中的哪两个角色？引导学生在教材中找到生成器与判别器的定义，并用自己的话复述二者的对抗关系。随后师生共同在黑板上构建流程：随机噪声输入生成器，产出初始图像；判别器接收真实样本与生成图像，输出真伪概率；无论判别结果如何，信号都会回传，生成器据此调整自身参数，判别器也同步更新鉴别策略。循环往复，生成图像逐步逼近真实数据的统计分布。为了让“逼近分布”这一抽象概念可感，教师运行一个二维演示：屏幕左侧是蓝色数据点构成的真实分布形状（如一个月牙），右侧是绿色点在噪声驱动下不断向月牙形状聚拢的动画。学生能直观看到，所谓训练，就是让生成的点群在形态上与真实数据越来越难以区分。接着教师引出损失函数可视化的观察任务：训练初期曲线剧烈震荡收敛失败，中期两条曲线此消彼长，后期趋于动态平衡，请学生解释三个阶段的博弈含义。随后进入微练习：给出一段被打乱顺序的对抗训练伪代码，小组讨论重新排序并标注每一步的归属方。教师巡视，针对两类典型错误进行点拨——有小组误以为判别器只训练一次就固定不动，提醒“永远不换招的鉴赏家很快被识破”；有小组把噪声输入指向判别器，引导回顾“生成器才是画家”的角色分工。（三）原理探究二：内容骨架与风格外衣从博弈生成过渡到另一类合成方式。教师展示同一幅校园照片分别与梵高星空、水墨山水融合后的效果，抛出核心问题：合成后的画面，“什麼变了，什么没变”？学生对比讨论后形成共识：物体的轮廓结构保留，色彩笔触被替换。教师由此点明风格迁移的基本思想——算法将图像的内容特征与风格特征分离建模，再从目标画作中提取风格特征，嫁接到内容图像的骨架之上。这一环节不追求卷积特征层的数学细节，而是强调“特征分离与重组”这一建模思维，帮助学生理解：合成创意不是魔法，而是对数据内部结构的有策略的拆解与重排。这也回应了课前误区之二——机器生成绝非凭空想象，一切都根植于训练数据与算法设计。（四）实践活动：小组合成创意工坊本环节约占用二十五分钟，是全课的重心。各小组依据任务卡完成从构思到产出的完整创作流程。第一步，创意提案。每组在三个方向中选择其一：为班级公众号合成一组“校园四季”风格画；用文本生成模型为校刊创作一首符合格律的短诗并人工润色；用声音合成技术生成一段校园广播稿音频。提案须写明目标受众、预期风格与选取的源数据。第二步，技术路径。学生依据所选方向，确定使用哪一层级的工具，明确需要调整的参数。教师强调“参数即语言”：风格化的强度、生成的多样性、文本长度的控制，都是人与模型对话的方式。第三步，生成实验。小组开始运行生成程序，记录至少两轮“参数设置—生成效果—问题归因—调整决策”的过程数据。教师巡回指导，重点关注记录是否如实。学生普遍会遇到三类问题：生成图像出现局部扭曲，引导其思考训练数据与内容图像匹配度的问题；生成诗歌出现语义断裂，讨论文本模型“统计共现”而非“理解诗意”的本质；音频出现机械感，联系韵律建模的难度。每一个失败都是澄清概念的好材料。第四步，伦理自检。小组对照学习单上的四问清单逐项自查：所用素材是否涉及他人肖像权或著作权？生成内容是否可能误导受众？是否需要在发布时标注“AI合成”？是否存在更妥当的用途设计？自查结果作为作品档案的一部分提交。展示交流阶段，每组用两分钟汇报作品，汇报必须包含三个要素：展示成果、讲清原理、陈述自检。评价采用“生生互评+教师点评”方式，互评量表设置四个维度：技术实现的合理性、创意表达的新颖性、过程记录的完整性、伦理考量周延性。教师在点评中刻意放大过程价值：某组作品视觉效果平平，却因三轮参数调优的完整记录与对过度拟合现象的准确分析而获得高分，借此传递“数据与逻辑重于炫技”的评价导向。（五）思辨与拓展：当合成的边界被推到极致课堂尾声播放一段利用深度伪造技术实施诈骗的新闻片段。教室气氛由兴奋转向凝重。教师组织微型辩论：面对合成能力日益强大的技术，更合理的立场是“限其发展”还是“善用其能”？各组抽取立场卡，陈述观点并举证。教师不给出唯一结论，而是引导学生发现，法律监管、平台标识义务、公众媒介素养与个人使用底线，共同构成了一张防护网，单一维度的答案都不充分。最后师生共同提炼一条课堂公约：每一个合成作品发布前，先问三个问题——素材来源正当吗？标注足够透明吗？用途经得起公开检验吗？（六）课堂小结师生共同完成知识图谱的回填：本节以“数据合成”为中心，延伸出生成对抗网络的博弈机理、风格迁移的特征重组、文本与音频生成的扩展应用三个知识分支，外围环以法律与伦理的约束边界。教师结语：人工智能学会了创造，而你们要学会的是驾驭创造。技术的天花板在算法，而使用的底线在人心。五、作业设计基础层：绘制一张生成对抗网络工作流程图，要求用中文标注每个环节的输入与输出，并用自己的话解释判别器“为什么不能只练一次”。提高层：选择一个公共数据集（如花卉图片、经典诗词），设想一种合成应用方案，写出技术路线、可能的数据风险与规避措施，形成一页方案书。拓展层：借助课后提供的DCGAN脚本尝试小规模训练，记录损失曲线变化，撰写三百字训练观察笔记，分析震荡现象背后的博弈原因。六、教学评价设计本课采用过程性与表现性相结合的评价方式。过程性评价依托学习单，覆盖概念理解排序题、参数实验记录、伦理自检清单三块材料，关注学生思维留下的痕迹而非最终答案的光鲜程度。表现性评价聚焦小组作品与汇报，四维量表由师生共同使用。课后作业分层收交，教师批注侧重追问原因，避免只判对错。一个值得说明的做法是：对主动披露“生成失败案例并作出合理解释”的小组给予额外肯定，以此营造诚实的课堂文化，让评价真正服务于学习。七、板书设计主板书以居中结构呈现：中心词“数据合成·创意智能”，左支展开“GAN：生成器—判别器—对抗博弈—逼近真实分布”，右支展开“风格迁移：内容特征+风格特征→重组生成”，下方横贯一条“数据合规—来源授权—显著标识—用途正当”的伦理底线带。副板书区用于即时记录学生课堂生成的问题与有价值的错误案例。八、教学反思本课设计中投入最大的是对抽象原理的降维处理。真伪投票与二维分布动画的引入，使生成对抗网络的关键思想在不借助公式的情况下得以传递，从课堂练习的达成情况看，多数学生能准确复述博弈过程并用日常语言解释“分布逼近”。实践环节的意外收获是：