这破手机屏都快碎成蜘蛛网了，但我还是得把这堆话说完，不然你们又要被市面上那些瞎扯淡的文章带沟里去，刚刷到一个帖子说什么AI和人工智能是两个东西，我tm直接咖啡喷屏幕上，不对，我刚才说错了，不是两个东西，是包含关系，但很多人连这个都没搞懂就敢出来讲课，我今天就给你掰扯清楚，顺便把教育圈里最要命的3个坑讲明白，你搜AI和人工智能什么区别？教育从业者必懂的3个核心概念解析会看到一大堆花里胡哨的说法，但我的经验是，你搞不懂这三样东西，你设计的课再好也是白搭

（手机震了，我回个消息，马上回来）

好了，回来了，是我那个2019年的学员，现在自己做编程教育了，他说又被家长怼了，问为什么教Python不教“真正的人工智能”，哎，头疼

第一个坑：我把“人工智能”当成了一个神奇的开关

2017年的时候我特别傻，觉得人工智能就像电灯开关，啪一下按下去，机器就聪明了，我当时给一群中学老师做培训，上来就讲神经网络、反向传播，结果全场睡着了一半，另一半再玩手机

（说到这个，我想起2019年那个夏天，我在上海一个破旧的阶梯教室里讲卷积神经网络，窗外蝉叫得比我还大声，有个老师直接举手问我“老师，你说的这些跟我们教数学有什么关系”，我当时愣住了，因为我也不知道）

后来我才明白，人工智能是一个大箩筐，什么都能往里装，包括专家系统、搜索算法、知识表示这些老古董，而现在大家天天挂在嘴边的“AI”，其实特指机器学习，尤其是深度学习，但你要跟一个家长说“我们教机器学习”，他肯定觉得你在教小孩开挖掘机，所以我现在跟教育同行说人话：AI是目标，机器学习是方法，神经网络是其中一种具体技术，你搞混了其中一个，整个课程逻辑就崩了

对了，插播一个小工具，如果你要做AI科普课件，去搜“Google Teachable Machine”，不用写代码就能让学员感受训练模型的过程，我用了三年，效果比干讲好一百倍，好了回来

第二个坑：我以为数据处理是“以后再说”的事

这个错误我犯了三次，每次损失都上万，第一次是带着学生做一个图片分类的项目，我花了两周调模型结构，结果发现图片有一半标注错了，第二次是做文本情感分析，我下载了一个公开数据集就直接用，后来才发现里面全是重复和缺漏，第三次最惨，是我帮一个学校做课改，我拍胸脯说三周能出一个简单的推荐系统demo，结果两周半都在洗数据，最后demo没做出来，我自费请人家吃了顿饭赔礼道歉

（又震了，我回一下，等下）

回来了，是我合伙人问我晚饭吃啥，我说随便，他说“你说的随便每次都不随便”，哎，跑题了，我想说的是，在教育场景里，你把“数据清洗”这个概念藏起来不说，或者放在最后讲，学生学到的就是假把式，他们以为AI就是写几行代码调个库，实际上80%的工作是跟脏数据搏斗，我现在每开一门新课，第一周就让学生下载真实数据，自己写脚本检查空值、重复值、异常值，哪怕他们用Excel手动改都行，这个习惯不养成，以后做项目必翻车

而且你要注意，现在很多教育机构吹嘘“零基础学AI”，连pandas都没讲清楚就开始上TensorFlow，这就好比教人开飞机之前先教他写情书，完全不对路，你搜AI和人工智能什么区别？教育从业者必懂的3个核心概念解析，我保证第二点一定是数据，如果你没看到“数据”两个字，那篇文章可以关了

第三个坑：把评估指标当成考试分数

我以前教学生做分类模型，就盯着准确率，有一次学生做了一个模型，准确率98%，我特高兴，结果拿给真实场景一用，发现模型只会判断“正常”这一类，另一类“异常”一个都没猜中，因为数据里99%都是正常，瞎猜也能拿高分，tql，tcl，这就是典型的“准确率悖论”

我现在跟教育同行说，你教AI一定要教“混淆矩阵”，哪怕你不讲数学公式，也要让学生明白：真阳性、假阳性、真阴性、假阴性，这四个格子决定了模型是真聪明还是假聪明，我有个学员在培训机构教Python数据分析，他从来不教这些，因为他觉得太基础了，结果他的学生去面试，被问到“召回率和精确率有什么区别”，当场哑火，回来骂他没教过，他委屈巴巴地来找我，我说你活该

（说到这个，我想起一个更蠢的事，我以前自己录课的时候，把“召回率”说成了“回召率”，过了半年才有学生提醒我，我那个系列课程卖了三百多份，估计误导了不少人，哎，不说了，说多了都是泪）

再跑题一下，推荐一个联系人，你们如果想找真实的教育数据集去做教学案例，去搜“UCI Machine Learning Repository”里的Student Performance数据集，葡萄牙的那两个中学数据，用了十年还是香，如果觉得英文麻烦，可以找个教编程的朋友帮你爬一下，我认识一个人但他说再帮他修电脑就不理我了，算了你们自己搞吧

好了，我知道你还想问，但让我先把最后一句说了，你现在就可以做的1件小事：

打开你最近准备讲的那节AI课PPT，把第一页“人工智能是什么”的定义删掉，换成两张对比图片，一张是猫的图片，一张是狗的图片，问学生“你怎么分出来的”，然后说“机器也是这么学的”，就花你两分钟，但学生记住的东西比你讲一小时的术语多一百倍

---

现在轮到你问了，我知道你刚才肯定没仔细看

问1：老师，那AI和人工智能到底是不是同一个东西啊？我看了第一段还是有点晕

答：你是不是中间刷朋友圈去了？我前面说了，AI就是人工智能的英文缩写，就跟yyds是永远的神一样，但是平时聊天的时候，很多人说“AI”其实特指机器学习这一块，比如“AI绘画”“AI写代码”，他们会说“人工智能绘画”吗？很少吧，所以严格来说人工智能是大概念，AI是简称，但在口语里经常窄用了，你要是写论文就写全称“人工智能”，你要是跟家长聊天就说“我们学的是让电脑自己找规律的方法”，别再纠结了，去改你的PPT才是正经事

问2：我教的是小学生，你刚才说的混淆矩阵、召回率啥的他们肯定听不懂，是不是就不需要教了？

答：谁让你教术语了？我让你教的是那个“四个格子”的思维方式，你可以换成开卷考试的例子：班上有20个人，模型猜谁及格谁不及格，猜对了几个，猜错了几个，猜错的分两种——把及格的猜成不及格（哦豁，学生要骂人），把不及格的猜成及格（哦豁，教学事故），小学生都能听懂，我2019年那个夏天就是这么教的，那个班的小孩后来做了一个垃圾分类的小程序，准确率不高但每个组都能说清楚自己的模型错在哪里，这就够了，比那些只会说“我的模型准确率99%”的高到不知道哪里去了

好了，我真的要去吃饭了，手机只剩3%的电，你们要是还有问题就再看一遍文章，别问那些我明明写过的，zz。

尊重原创文章，转载请注明出处与链接:https://www.aixue365.com/school-132/document-id-9249.html，违者必究!