0 0 类别 : 教案

《你追我赶——AI 的共同进步》教学设计 课型 新授课 学时 1 授课年级 八年级 课程指南 智能意识 了解大语言模型在绘图领域的应用，认识到 AI 技术 对传统艺术创作的革新意义 智能思维 理解生成对抗网络的基本原理，包括生成器与判别器 的相互作用 智能应用与创造 掌握使用大语言模型绘图的基本方法，能够独立完成 简单的绘图任务 智能社会责任 认识到在使用 AI 绘图技术时应遵守的伦理规范，如 尊重原创、避免侵权等 内容分析 生成对抗网络（GAN）是多模态大语言模型在 AI绘图领域应用到的重要 技术。它不仅是现代人工智能图像生成领域的一个重要技术，也是学生理解 和掌握 AI绘图技术的关键环节。通过学习生成对抗网络（GAN）的训练过程， 学生能够理解生成对抗网络的工作原理，以及如何通过博弈达到动态平衡， 进而生成高质量的图像。此外，生成对抗网络在多个领域有广泛应用，如艺 术创作、虚拟现实、数据增强等，掌握这一技术对学生未来在生成式人工智 能领域的发展具有重要意义。因此，本课时内容不仅是技术知识的传授，更 是对学生未来职业发展和创新能力培养的重要基石。 学情分析 知识基础： 学生在前面的课时里已经了解了大语言模型的基础知识，比如 Transformer 架构，提示词技术等等。而且他们了解基本的计算机操作，对 AI绘图可能也 有所耳闻。然而，对于核心的生成模型和技术，特别是生成对抗网络（GAN） 这样的具体的底层模型，他们的了解可能相对有限。因此，在第一堂课上， 需要通过一些学生在生活中常见的应用场景引入课堂，如 AI 绘图与真实图 片的比较，以便为讲解 GAN技术做好铺垫。 认知特点： 八年级学生的认知能力正处于快速发展阶段，他们能够理解和运用抽象思 维，对新鲜事物充满好奇心。他们对直观、有趣的教学内容更感兴趣，因此 在教学中应结合实例和动态演示，帮助他们更好地理解 GAN的工作原理。此 外，他们的逻辑思维能力也在逐步提升，可以通过问题探讨和案例分析来激 发他们的思考，进一步加深对 AI绘图原理的理解。 学习风格： 当代初中生习惯于通过多媒体和网络获取信息，他们喜欢互动式学习，倾向 于通过视觉、听觉等多种感官来接收和处理信息。因此，在教学中应采用多 媒体教学手段，如视频、动画、交互式软件等，以提高学生的学习兴趣和参 与度。同时，八年级学生还处于青春期，他们渴望表达自己的想法和见解， 所以在课堂上应给予他们充分的讨论和交流机会，以促进知识的内化和吸 收。 教学目标 知识与技能 1.了解大语言模型在绘图领域的应用，认识到 AI 技 术对传统艺术创作的革新意义 2. 理解生成对抗网络的基本原理，包括生成器与判别 器的相互作用 过程与方法 1. 掌握使用大语言模型绘图的基本方法，能够独立完 成简单的绘图任务 2. 情感态度与价值观 1.认识到在使用 AI 绘图技术时应遵守的伦理规范， 如尊重原创、避免侵权等 2. 教学重难点 教学重点 生成对抗网络的应用场景 教学难点 生成对抗网络的基本原理 教学方法 讲授法、演示法、任务驱动法 学习环境与 教学资源 ·学习环境 配备先进的多媒体教学设备的机房，如投影仪、电脑、音响系统等 拥有稳定的网络连接，以便访问在线资源 ·教学资源 课件、教案、任务单、风格迁移体验平台 教学过程 教学环节 教师活动 学生活动 设计意图 情境引入 1.设置情境： 2022年，在美国科罗拉多州举办的一 场博览会艺术比赛中，创作者杰 森·艾伦（Jason Allen）凭借其作品 《太空歌剧院》，如下图所示，获得了 “ 数字艺术/数字修饰照片”类别一 等奖。然而，艾伦的获奖引发了广泛 的争论。因为艾伦的作品并非完全出 自他的手——他借助了一款名为 Midjourney的 AI绘图工具。艺术家们 认为他欺骗了裁判和观众，要求取消 他的奖项。 设置问题：你认为应该取消杰森·艾 伦的奖项吗？ 1.学生将听取老 师讲述的情境， 并观察《太空歌 剧院》的图片，对 AI创作的艺术品 有一个初步的认 识。 2.学生针对老师 提出的问题进行 思考，并分享自 己的看法。 通过真实的案例 引入，激发学生 对 AI 绘图技术 的兴趣，同时认 识到 AI 技术在 艺术创作领域的 应用及其所产生 的影响。 提出的问题旨在 引导学生进行思 考和讨论，为后 续深入探讨 AI 绘图技术以及伦 理问题打下基 础。 由表及里：认 识人工智能 1.AI 绘图判断： 请学生判断哪张人脸图像是 AI生成的 答案：两张都是 2.多模态大语言模型： 1.学生需要讨论 并判断图片是否 是 AI绘制的，哪 些是由传统艺术 家手绘的。 2.理解多模态大 语言模型的基本 概念，理解大语 言模型是通过多 通过判断图片是 否由 AI绘制，锻 炼学生的观察力 和分析能力，同 时也让他们意识 到 AI 艺术和传 统艺术之间的区 别与联系。介绍 多模态大语言模 型，帮助学生建 生成对抗网络是多模态大模型中 AI绘 画最主要的核心技术之一。在本堂课 中，我们将一起探讨生成对抗网络的 概念和工作机制，了解它如何被用于 生成各式各样的图像作品，从而揭示 AI绘画的神秘面纱。 模态技术处理不 同形式的信息 （如文本、图像、 声音等） 立对生成式人工 智能技术更全面 的认识，理解大 语言模型如何处 理多种形态的信 息。 身临其境：体 验人工智能 1.体验 GAN 技术应用平台： 打开风格迁移体验平台。将一张照片 （内容图片）转换成另一张照片（风 格图片）的风格，同时保留内容图片 的内容。如下图所示。 观察：内容图片进行风格迁移后的图 片是否如你想象的那样 1.按照平台的提 示和老师的指 导，将选定的内 容图片和风格图 片上传到风格迁 移工具中。 2.仔细观察这张 风格迁移后的图 片，分析内容图 片的哪些特征被 保留了下来，以 及风格图片的哪 些元素被成功地 应用到了内容图 片上。 通过让学生亲自 操作风格迁移平 台，使学生能够 直观地感受到 AI 技术在图像 处理方面的强大 功能。通过风格 迁移的实践，帮 助学生初步感受 生成对抗网络在 图像处理中的应 用。 讲解生成对抗 网络的基本结 构 1.生成对抗网络的基本结构： ⚫ 生成器负责不断生成新的图 像，目的是“骗过”判别器； 1.认真听老师讲 解，观察老师展 示的图，了解生 成 对 抗 网 络 （GAN）的基本结 构，包括生成器 通过直观的图 表，帮助学生清 晰地理解 GAN 的 组成和它们的基 本功能，为后续 学习打下基础。 ⚫ 判别器负责判断图像是真实 的，还是生成器生成的，判别 器目的是“识破”生成器生成 的图像 和判别器两个主 要部分。 探究生成对抗 网络的训练过 程 1.生成对抗网络的训练过程： 第一步：训练判别器 首先，固定生成器的工作参数，利用 真实图片和生成器随机生成的图片来 训练判别器，向判别器输入这两类图 片并标注判断结果来提高它的判别能 力。真实图片标注为 1，生成器生成的 图片则标注为 0 提问：在训练判别器时，生成器生成 了熊猫图像，这个图像为什么也被标 记为 0呢？ 答案：判别器性能过强 第二步：训练生成器 判别器训练好后，用判别器来训练生 成器。将生成器生成的图片输入到判 别器中，判别器输出判断结果作为反 馈训练生成器，生成器进而调整工作 1 认真听讲并观 察教师展示的生 成对抗网络训练 过程的第一步— —训练判别器。 通过图示和实例 了解如何训练判 别器。 2.尝试解释为什 么生成器生成了 真实图片还被标 注为 0. 4.认真观看并理 解教师展示的生 成器训练步骤。 通过案例讲解帮 助学生理解判别 器和生成器的训 练过程和原理。 通过观察和讨 论，学生能够了 解判别器是如何 学习区分真实图 片和生成图片的 以及生成器如何 根据判别器的反 馈进行自我优 化，从而提高生 成图片的质量。 参数，目标是生成器生成的图片可以 蒙混过关 第三步：重复上述步骤交替训练多 次： 循环交替进行判别器和生成器的训 练，直到判别器和生成器能力均衡为 止。这样才能保证判别器和生成器在 相互“对抗”中双方共同提升。否 则，判别器过强容易导致生成器不知 道如何调整工作参数 5.认真听讲，理 解训练过程中的 “均衡”状态，以 及为什么需要多 次交替训练。 通过老师的讲解 让学生理解交替 训练的重要性和 它对生成对抗网 络性能的影响。 展示生成对抗 网络的应用场 景 1.生成对抗网络的应用场景： 应用场景一：图像生成 生成对抗网络在图像生成中的应用最 为广泛。它可以生成高质量、多样性 的图像，这些图像被广泛应用于艺术 创作、广告设计、游戏开发等领域。 应用场景二：图像修复 1.认真听教师详 细讲解生成对抗 网络在图像生 成、图像修复以 及 Deepfake 技 术方面的应用。 让学生了解生成 对抗网络在图像 处理领域的多种 应用场景。通过 案例展示和小组 讨论，学生能够 更直观地理解这 项技术的实际应 用，并思考其对 现代生活的影 响。 生成对抗网络可以用于编辑图像，实 现诸如颜色校正、图像修复、物体移 除等功能。通过学习原始图像和损坏 图像之间的差异，可以生成高质量的 修复图像。这种技术在医疗、保险等 领域具有广泛的应用。 应用场景三：deepfake DeepFake技术是一种基于生成对抗网 络的人像合成技术，可以将一个人的 脸部特征转移到另一个人的脸上，从 而实现人脸替换。该技术在娱乐、影 视等领域具有广泛的应用 讨论：Deepfake技术的广泛使用会产 生哪些潜在的道德伦理问题？ 2.观看 deepfake 介绍视频： 讨论： 1.视频中提到的 deepfake技术是如何创 建虚假内容的？简要描述一下这个过程 2.围绕 Deepfake 技术的广泛使用 可能带来的道德 伦理问题进行深 入讨论。 3.认真观看一段 关 于 Deepfake 技术的视频，了 解该技术的原 理、发展和风险。 观看视频后，结 合视频内容讨论 Deepfake技术滥 用产生的具体影 响以及如何在日 常生活中防范 Deepfake技术的 滥用产生的潜在 专 注 于 探 讨 Deepfake 技 术 带来的道德伦理 挑战。通过讨论 和分享，学生不 仅能够认识到技 术的双刃剑效 应，还能培养批 判性思维能力和 道德伦理意识， 这对于他们未来 作为数字公民的 责任感和行为选 择至关重要。 通过观看视频和 学习防范措施， 学生将增强对 Deepfake 技 术 的认识，并学会 如何在日常生活 中保护自己和他 人免受该技术的 潜在威胁。 2.根据视频内容，讨论 deepfake技术滥 用可能对个人和社会带来哪些具体影响？ 3.视频中提到了哪些防范 deepfake技术 诈骗的方法？在实际生活中应该如何应用 这些方法？ 威胁。 大显身手：玩 转人工智能 1.生成对抗网络训练过程模拟游 戏： 提供一组花的“真实”图片 ⚫ 观察花的“真实”图片，两人一 组，一人负责模仿“真实”图片在 纸上画出的花长的样子（生成器角 色），另一人负责判别画出来的图 与“真实”图片的相似率（判别器 角色）； ⚫ 负责画的同学隔一分钟展示一次， 然后另一同学给一次反馈，并告知 应该改进的地方。 ⚫ 通过三轮修改，将最后生成的作品 和“真实”图片提交给老师（终极 判别器），老师负责给相似程度打 分，并结合相似程度和速度给小组 进行综合评分。 1.学生两人一 组，自行分配角 色，一人担任“生 成器”角色，负责 模仿真实花朵图 片在纸上绘画； 另一人担任“判 别器”角色，负责 评价绘画与真实 图片的相似度并 给出需要改进的 具体建议。 2. 经过三轮改 进后，小组将最 终生成的绘画作 品和真实图片一 起提交给老师。 此活动旨在让学 生通过观察和初 次尝试绘画，进 一步理解生成对 抗网络中“生成 器”和“判别器” 的角色和任务。 、 通过多轮迭代改 进和反馈，模拟 生成对抗网络中 的训练过程。有 助于学生深入理 解生成对抗网络 中生成器和判别 器的相互作用和 训练机制。 能言善辩：我 思故我在 1.回顾所学思考问题： 1、你认为生成对抗网络的广泛应用可 能会对社会产生哪些正面和负面影 响？ 2、有人认为类似于生成对抗网络的技 术发展会取代艺术家们的工作，你如 何看待这一观点？ 1.回顾本节课所 学的生成对抗网 络的基本原理、 训练过程以及应 用场景。 2.思考老师提出 的问题，分享自 己的观点，并从 讨论中汲取新的 视角和思考。 通过思考技术发 展对社会的影响 以及技术与艺术 的关系，学生可 以更全面地了解 生成对抗网络在 各个领域的应用 可能带来的利 弊，从而培养他 们的批判性思维 能力、社会责任 感和人文关怀。 总结归纳 1.师生共同总结： 认真听老师对本 堂课内容的总 结，包括生成对 抗网络的基本结 构、训练过程以 及应用场景。 帮助学生巩固和 复习本节课所学 的知识点，确保 学生能够全面、 准确地掌握生成 对抗网络的基本 概念、原理和应 用。通过老师的 总结归纳，学生 可以对自己的学 习成果进行检验 和反思，发现自 己在学习过程中 的不足之处，并 及时进行纠正和 改进 板书设计 生成对抗网络 一、生成对抗网络的基本结构 生成器、判别器 二、生成对抗网络的训练过程 第一步：训练判别器 第二步：训练生成器 第三步：重复上述步骤交替训练多次 三、生成对抗网络的应用场景 图像生成、图像修复、deepfake 教学反思