高中信息技术人工智能初步博弈决策教学设计_第1页
高中信息技术人工智能初步博弈决策教学设计_第2页
高中信息技术人工智能初步博弈决策教学设计_第3页
高中信息技术人工智能初步博弈决策教学设计_第4页
高中信息技术人工智能初步博弈决策教学设计_第5页
已阅读5页,还剩4页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

高中信息技术人工智能初步博弈决策教学设计一、教学设计理念本课属于选择性必修模块"人工智能初步"中的"博弈决策"内容。博弈决策是学生理解人工智能从"感知"走向"推理与规划"的关键一环,它承接了前面搜索算法的基础知识,又为后续学习强化学习埋下伏笔。本设计不满足于讲概念、画树图,而是让学生亲手把一个真实的博弈问题——井字棋与五子棋简化局面——拆解成状态、行动、对手、收益四个要素,再用极小化极大算法逐步推演出最优走法。学生在"先被程序打败、再读懂程序为何赢"的过程中,建立对机器决策的直观认识。设计坚持三条主线:一是问题主线,从"为什么人类下棋会输给机器"切入,贯穿全课;二是算法主线,从暴力枚举到极小化极大再到剪枝优化,层层递进;三是素养主线,把计算思维的"抽象、分解、建模、评估"落到每一个学生活动中。二、教材与课标分析《普通高中信息技术课程标准》明确要求学生"通过剖析典型案例,了解智能信息处理的巨大进步和应用潜力,认识人工智能在信息社会中的重要作用"。博弈决策正是体现"推理与搜索"这一人工智能核心机制的最佳载体。人教中图版教材在本节安排了博弈的基本概念、博弈树的构建、极小化极大算法的思想,并以井字棋为例展示机器如何评估局面、选择落子。教材的编排逻辑是"概念—模型—算法—应用",本设计在此基础上补充了两个动手环节:手工推演三步博弈树和运行可交互的井字棋程序,把教材中的静态图示转化为动态体验。本节内容是连接"搜索"与"机器学习方法"的枢纽。学生在前面学过穷举搜索与启发式搜索,博弈树本质上是一种带对手因素的交替层搜索,这一认知桥梁必须在课堂上显性化。三、学情分析授课对象为高二年级学生,已具备以下基础:掌握Python基本语法,能读懂包含函数与递归的简单程序;学过树结构的基本概念,知道根、叶子、深度等术语;对五子棋、井字棋等棋类规则熟悉,多数学生有下棋经验。学习的难点预计集中在三处。其一,难以把"下棋"这一直觉行为抽象为"状态—行动—收益"的形式化模型。其二,极小化极大算法中的交替取值逻辑(己方取最大、对方取最小)与递归回溯过程,对抽象思维要求较高。其三,学生容易把"评估函数"理解成玄学打分,不理解其背后是特征加权的数学表达。应对策略:用纸质棋盘和磁贴让抽象状态可视化;把递归过程画成带箭头的演变图,逐层标注取值;通过调整评估函数中的权重并观察程序棋力变化,让学生体会"参数即知识"。四、教学目标信息意识:能识别现实生活中下棋、竞价、谈判等场景中的博弈特征,判断哪些问题适合用博弈搜索解决。计算思维:能对井字棋局面进行状态抽象,画出深度为3的博弈树;能按极小化极大规则逐层回传取值,给出当前局面下的最优落子;能说明剪枝为何能减少计算量而不改变决策结果。数字化学习与创新:能运行教师提供的井字棋智能程序,修改评估函数参数或搜索深度,观察并记录程序棋力变化,撰写简短的实验结论。信息社会责任:结合围棋人机对弈等事件,讨论机器博弈能力对竞技、就业与人类自我认知的影响,形成理性看待人工智能的态度。五、教学重点与难点教学重点:博弈问题的四要素抽象(状态、行动、参与者、收益);博弈树的构建方法;极小化极大算法的决策逻辑。教学难点:交替取最大值与最小值的回传过程;评估函数在无法搜索到终局时的作用;剪枝条件"当前分支已不可能优于已知最优"的理解。突破方法:难点一采用"两人讲台对抗+全班推演"的方式,让"我方想让分最大、对方想让分最小"从口号变为对抗体验;难点二用"时间管理"类比——考试快结束时只能估计形势而不能算到终局;难点三用一张标有"已确定最高可得3分"的卡片遮挡后续分支,直观呈现剪枝依据。六、教学准备硬件:多媒体教室、学生机房(或每人一台可联网终端)、实物展台。软件:教师自制的井字棋可视化程序(支持人机对战、显示当前评估值、可设置搜索深度1至5、可开关剪枝对比);博弈树推演工作单;课堂即时反馈问卷。学具:每组一副磁性井字棋盘、红蓝两色棋子、收益记录卡若干。课前任务:观看三分钟微课《机器如何学会下棋》,完成两个预习问题:井字棋先手第一步共有多少种本质不同的走法?你认为机器"思考"一步棋需要知道哪些信息?七、教学过程(一)情境导入:一场必败的对局(约6分钟)上课铃响,大屏直接打开井字棋程序,教师宣布人机挑战赛:哪位同学敢执先手与程序对弈?两名学生先后上台,一输一平。教师追问:这台机器没有读过棋谱,也没有人教它口诀,它凭什么不输?学生自由发言,常见的回答有"它算得快""它把每种可能都试过了"。教师抓住第二种回答板书全班共识:机器的策略是把每一步的所有可能都列出来,然后选最好的。教师点明本课任务——今天我们就来弄清:它怎样"列出所有可能",又怎样判断哪个"最好"。设计意图:以真实败局制造认知冲突,让学生带着"我要搞懂它"的动机进入学习,而不是被动接受定义。(二)新知建构一:把下棋变成数学问题(约10分钟)教师引导全班做一次集体抽象。以井字棋开局为例,逐步提问:此刻棋盘的样子叫什么?(状态,用九个格子的取值表示)下一步能做什么?(行动,在空格落子)谁在轮流做决策?(两个参与者,一方利益上升另一方就下降)什么算赢?(收益,约定胜为+1、和为0、负为1)。四要素板书成型后,教师给出一般化表述:博弈决策研究的是多个决策者在规则约束下交替行动、利益相关联时,如何为其中一方找到最优行动序列的问题。接着请学生判断三个生活情境是否属于博弈问题:单人解魔方、两家外卖平台调整补贴、医生选择治疗方案。学生在辨析中明确"存在目标冲突的对手"是博弈搜索区别于普通搜索的关键。设计意图:抽象是计算思维的起点,让学生在熟悉的棋盘上亲手完成形式化,比直接给定义更能沉淀为能力。(三)新知建构二:博弈树的生长与取值(约14分钟)环节1:画树。每组领取工作单,任务是把棋盘上仅剩四个空格的中局局面展开成完整博弈树。教师强调规则:奇数层轮到我方(叉方),偶数层轮到对方(圈方),终局叶子标注收益+1、0或1。小组动手约五分钟。实物展台展示两份成果,全班核对节点数量与标注,纠正"同一层画错行动方""漏掉对称局面"等典型问题。环节2:取值。教师以这棵树为例演示极小化极大的回传过程:叶子收益已知;其上方若是我方决策层,则取孩子中的最大值,因为我方会走最好的那步;若是对方决策层,则取最小值,因为对方会让我方得到最差的。每个内部节点旁用红笔写"我方选max"、蓝笔写"对方选min",箭头自底向上传递数值。推演完成后教师收束:所谓最优策略,就是从根到叶的一条双方各自理性选择后形成的路径;我方按此路径行动,可保证在对方也足够聪明的前提下获得不少于该值的收益。请两名学生用自己的话复述"为什么我方层取大、对方层取小",确保理解而非记忆。设计意图:先画树再取值,把"空间展开"与"数值回传"分离,降低认知负荷;让学生在小组纠错中暴露并消除迷思概念。(四)实验探究:搜索深度如何决定棋力(约12分钟)学生回到机房,打开井字棋程序,按实验单完成三组对局并记录结果:实验一,搜索深度设为1。程序只看一步,学生很容易诱骗它丢子。记录:深度1时程序的失误特征。实验二,深度设为3。程序明显变强,学生多半下成和棋。记录:程序开始能防住哪些陷阱?实验三,深度设为9(全搜索),但分别开启与关闭剪枝,各计时完成相同局面的决策,比较耗时差异。学生会发现:决策结果完全一致,耗时却有明显差距。实验后全班交流,教师提炼三点结论:其一,棋力来自看得远,深度决定水平上限;其二,剪枝删掉的是"证明了不可能更优"的分支,是计算效率的优化而非策略的改变;其三,真实棋类如围棋,状态多到无法搜到终局,这时必须在中途用评估函数估算局面好坏。顺势引出评估函数概念:把局面的关键特征(我方连子数、对方威胁数、控制中心程度等)按权重加权求和,权重就是注入机器的知识。学生在程序里把"威胁权重"调大一倍再对局,直观看到程序变得"更爱堵人",从而理解参数背后的决策风格。设计意图:用可量化、可重复的实验替代空泛讲解,让"深度—剪枝—评估函数"三个难点在数据与体验中自然落地。(五)拓展与价值辨析(约6分钟)教师抛出两个问题组织简短研讨。问题一:从会背棋谱到暴力搜索,再到评估函数和自对弈学习,机器下棋的水平跃迁靠的是什么?引导学生得出:算力、算法与数据(经验)三者共同作用,本节课的极小化极大只是算法维度的一种。问题二:当机器在最具人类智慧象征的棋类上全面胜出,人类棋手的价值何在?鼓励学生从"机器拓展了人类的训练方式""围棋之美不因人机差距而减损""应警惕把复杂社会问题也当成零和博弈"等角度表达观点。教师小结时强调立场:博弈决策让机器在规则明确、目标清晰的封闭问题上表现出色,而开放世界中目标如何设定、收益如何衡量,仍是人类必须承担的责任。(六)课堂小结与作业(约2分钟)师生共同完成知识结构图:博弈问题四要素——博弈树建模——极小化极大决策——剪枝优化——评估函数支撑有限深度搜索。作业分两层:基础层完成教材对应习题,用极小化极大法手工推演一道给定局面;进阶层在程序中尝试修改一种局面特征,写150字实验报告说明棋力变化。选做挑战:思考一名棋手在下"征子"类长距离手段时,为什么纯靠深度搜索会失效。八、板书设计主板书分左右两区。左区:博弈四要素(状态、行动、对手、收益)与博弈树三层结构示意;右区:极小化极大取值规则(我方层取max、对方层取min)与一条标注箭头的回传路径,下方写"剪枝=排除不可能更优的分支""评估函数=特征×权重之和"。副板书随堂记录学生生成的问题与实验数据。九、教学评价设计过程性评价嵌入三个节点:四要素辨析环节用举手抢答观察概念掌握面;画树环节通过展台互评发现典型错误;实验环节依据工作单的记录完整度与结论质量当场给等级。结果性评价由课后作业承担,重点关注极小化极大手工推演的步骤规范性。评价主体混合教师评价、组内互评与自我反思,实验报告末尾设"我原以为……现在我认为……"一栏,捕捉观念转变的证据。十、教学反思预设本课最可能出现两类偏差。一

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论