counterstrike 深度学习的特征及其意义
中日语在线翻译 教师个人的专业素养的提升，离不开集体的研讨、分享。
内容提要：father的含义
深度学习的提出，既是对教学规律的尊重，也是对时代挑战的主动回应。深度学习的五个特征，为理解教学活动提供了新的视角，为消解种种二元对立观念提供了理论支持。深度学习的研究与实践，确立了学生个体经验与人类历史文化的相关性，落实了学生在教学活动中的主体地位，使学生能够在教学活动中模拟性地“参与”人类社会历史实践，形成有助于未来发展的核心素养，而教师的作用与价值也在深 度学习中得以充分实现。
关 键 词：小学英语手抄报内容
深度学习 教学规律 社会历史实践 核心素养
近十年来国际上最先进的教学理论其实根本不是国内疯传的“翻转课堂”等技术性的策略，而是源于 人工智能和脑科学的深度学习理论。深度学习注重学生沉浸于知识的情境和学习的情telstar
境，强调批判性思维， 注重实现知识的内在价值。理解深度学习理论对深化我国的教学改革具有重要的意义。
认真
是一种态度
一、深度学习概念的提出
深度学习的概念，源于 30 年多来计算机科学、人工神经网络和人工智能的研究。上世纪八九十年代， 人们提出了一系列机器学习模型，应用最为广泛的包括支持向量机（Support Vector Machine，SVM）和逻 辑回归（Logistic Regression，LR），这两种模型分别可以看作包含 1 个隐藏层和没有隐藏层的浅层模型。计算机面对较为复杂的问题解决训练时，可以利用反向传播算法计算梯度，再用梯度下降方法在参数空间 中寻找最优解。浅层模型往往具有凸代价函数，理论分析相对简单，训练方法也容易掌握，取得了很多成 功的应用。随着人工智能的发展，计算机和智能网络如何通过基于算法革新，模拟人脑抽象认知和思维， 准确且高清晰度的处理声音、图像传播甚至更为复杂的数据处理和问题解决等问题，在 21 世纪来临的时 候成为摆在人工智能领域的关键问题。
30 年多来，加拿大多伦多大学计算机系辛顿教授（Hinton，G.）一直从事机器学习模型、神经网络与 人工智能等问题的相关研究，并在机器学习模型特别是突破浅层学习模型，实现计算机抽象认知方面取得 了突破性的进展。2006 年，他在《Science》上发表了《利用神经网络刻画数据维度（Reducing the dimensionality of data with neural networks）》一文，探讨了应用人工神经网络刻画数据的学习模型，首先提出了深度学 习（deep learning）的概念和计算机深度学习模型，掀起了深度学习在人工智能领域的新高潮。这篇文章 的两个主要观点是：第一，多隐藏层的人工神经网络具有优异的特征学习能力，学习到的特征对数据有更 本质的刻画，从而有利于可视化或分类。第二，深度神经网络可以通过“逐层初始化”（Layer-wi Pre-training） 来有效克服训练和优解的难度，无监督的逐层初始化方法有助于突破浅层学习模型。基于深度置信网络 (DBN)提出非监督逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。2012 年，辛顿又带领学生在目前最大的图像数据库 ImageNet 上，对分类问题取得了惊人的结果， 将计算机处理图像数据问题时排名前五的错误率（即 Top5 错误率）由 26%大幅降低至 15%，大大提高了 人工智能图像数据处理的准确性和清晰度，这是早先计算机仅仅依赖数学模型的表层学习和单层学习根本 无法实现的水平。
法语翻译器
在人工智能领域，深度学习其实是一种算法思维，其核心是对人脑思维深层次学习的模拟，通过模拟 人脑的深层次抽象认知过程，实现计算机对数据的复杂运算和优化。深度学习采用的模型是深层神经网络 （Deep Neural Networks，DNN）模型，即包含多个隐藏层（Hidden Layer，也称隐含层）的神经网络（Neural Networks，NN）。深度学习利用模型中的隐藏层，通过特征组合的方式，逐层将原始输入转化为浅层特征， 中层特征，高层特征直至最终的任务目标。深度学习可以完成需要高度抽象特征的人工智能任务，如语音 识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构 使其具备强大的特征表达能力和对复杂任务的建模能力。训练深层模型是长期以来的难题，近年来以层次 化、逐层初始化为代表的一系列方法的提出，为训练深层模型带来了希望，并在多个应用领域获得了成功。
人工智能学者们认为计算机和智能网络的这一深层的自动编码与解码过程，是一个从数据刻画、抽象 认知到优选方案的深度学习的过程。由于人脑具有深度结构，认知过程是一个复杂的脑活动过程，因而计 算机和人工智能网络模拟从符号接受、符号解码、意义建立再到优化方案的学习过程也是有结构的；同时， 认知过程是逐层进行、逐步抽象的，人工智能不是纯粹依赖于数学模型的产物，而是对人脑、人脑神经网 络及抽象认知和思维过程进清风围棋
行模拟的产物。应该说，到目前为止，深度学习是计算机和智能网络最接近人 脑的智能学习方法。近几年来，深度学习进一步尝试直接解决抽象认知的难题，并取得了突破性的进展， AlphaGo 的问世，便是明证。2013 年 4 月，《麻省理工学院技术评论(MIT Technology Review )》杂志将深度 学习列为 2013 年十大突破性技术之首。深度学习引爆的这场革命，将人工智能带上了一个新的台阶，不 仅学术意义巨大，而且实用性很强，工业界也开始了大规模的投入，一大批产品将从中获益。20 世纪 80、 90 年代以来，随着学习科学的不断发展，深度学习的概念和思想不断在教育中得到应用。
认真
我想见你 英文
是一种态度
二、深度学习在教育中的兴起与发展
来自脑科学、人工智能和学习科学领域的新成就，必然引起教育领域研究者的深刻反省。计算机、人 工智能尚且能够模拟人脑的深层结构和抽象认知，通过神经网络的建立开展深度学习，那人对知识的学习 过程究竟应该是怎样的一个脑活动过程和学习过程？学生的学
习有表层和深层等层次之分吗？从作为符 号的公共知识到作为个人意义的个人知识究竟是怎样建立起来的？知识学习过程究竟是一个怎样的抽象 认知过程？信息技术环境支持下深层次的学习如何实现？近十多年来，这些问题引起了许多教育研究者特 别是教育技术学研究者浓厚的兴趣，深度学习、深度教学的研究日益引起人们的重视。也正是在辛顿的“深 度学习”概念明确提出后，教育学领域特别是教育技术学领域的深度学习研究日益活跃起来。
其实，早在 1956 年布鲁姆在《教育目标分类学》里关于“认知领域目标”的探讨中，对认识目标的维度划分就蕴含了深度学习的思想，即“学习有深浅层次之分”，将教学目标分为了解、理解、应用、分 析、综合、评价六个由浅入深的层次。学习者的认知水平停留在知道或领会的层次则为浅层学习，涉及的 是简单提取、机械记忆符号表征或浅层了解逻辑背景等低阶思维活动，而认知水平较高的深层理解、应用、 分析、综合和评价则涉及的是理性思辨、创造性思维、问题解决等相对复杂的高阶思维活动，属于深层学 习。1976 年，美国学者马顿(Marton，F.)和萨尔约(Saljo，R.)在《论学习的本质区别：结果和过程(On Qualitative Difference in Learning: Outcome and Process）》一文中明确提出了表层学习和深层学习的概念。这被普遍认 为是教育学领域首次明确提出深度学习的概念。他们在一
项关于阅读能力的实验研究中，明确探讨了阅读 学习的层次问题。通过让学生阅读文章并进行测验，发现学生在阅读的过程中运用了两种截然不同的学习 策略，一种是试图记住文章的事实表达，揣测接下来的测试并记忆，即表层学习（Surface Learning）。另 一种是试图理解文章的中心思想和学术内涵，即深层学习（Deep Learning），也被译为深度学习。深度学 习的学习者追求知识的理解并且使已有的知识与特定教材的内容进行批判性互动，探寻知识的逻辑意义， 使现有事实和所得出的结论建立联系。浅层学习和深层学习在学习动机、投入程度、记忆方式、思维层次 和迁移能力上有明显的差异。深度学习是一种主动的、高投入的、理解记忆的、涉及高阶思维，并且学习 结果迁移性强的学习状态和学习过程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997） 以及比格斯（ Biggs，1999）等人发展了浅层学习和深度学习的相关理论。随着信息技术的发展，近十年 来，国外学者对信息技术支持下的深度学习及其在各学科领域、各类教育中的应用研究日渐广泛。
2002 年以来，从技术支持高等教育的深度学习、虚拟环境中的深度学习、形成性评估对深度学习的 影响、学习环境对学生进行深度学习的影响、技术支持下的深度学习设计等方面研究成果日益丰富，但绝 大部分是基于教育技术学视野的研究成果。2006 年辛顿教授
关于深度学习的成果发表，进一步推动了深度 学习在教育中的研究与应用。近十年来，在中小学深度学习研究方面最有影响的当属加拿大西盟菲莎大学 （Simon Frar University）艾根（Egan, K.）教授领衔的“深度学习(Learning in depth,简称 LID)”项目组所进 行的研究，其成果集中体现在《深度学习：转变学校教育的一个革新案例（Learning in Depth: A Simple Innovation That Can Transform Schooling）》等著述之中。该研究探讨了深度学习的基本原则与方法，分析 了深度学习对学生成长、教师发展和学校革新的价值与路径，并在加拿大部分中小学进行实验研究，其核 心成果聚焦课堂学习和教学问题，即使是关于教师教育中深度学习的研究，也聚焦于教师的学习过程和学 习方式。艾根所开展的深度学习研究项目超越了单一教育技术学视野的研究，不仅仅是关于教学设计、 学习技术和学习环境开发的研究，而是基于建立新的学习观和知识观，对教学活动与学习过程作出了新的 阐释。
总体上看，国内关于深度学习的研究最近十年才刚刚起步。2005 年，我国学者黎加厚教授在《促进 学生深度学习》一文中率先介绍了国外关于深度学习的研究成果，同时探讨了深度学习的本质，认为深度 学习是指在理解学习的基础上，学习者能够批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，并能够将已
有的知识迁移到新的情境中，做出决策和解决问题的学习。本文被认为是国内较早介绍并论及深度学习的研究成果，此后，关于深度学习的探讨，特别是基于信息技 术环境下深度学习的相关研究论文逐渐增加。2006 年 10 月，笔者在前期研究的基础上，与台湾成功大学 教育研究所所长李坤崇教授联合发起“海峡两岸能力生根计划”，在海峡两岸合作开展“能力生根计划”， 推进能力导向的深度教学的理论研究与实验研究，主张以价值观、知识观、学习观、过程观的重建为基础， 以发展学生的学科能力为宗旨，实施深度教学，克服课堂教学改革过于注重教学程序、教学技术、教学时 间的浅层次改革和表层学习的局限性，深化课堂教学改革。2014 年后，中国教育科学院院长兼教育部课程 教材研究与发展中心主任田慧生研究员基于深化课程改革的需要，带领一个团队开始启动深度学习的项目 研究。直至今日，基于核心素养追求背景下的深度学习研究项目，如雨后春笋般涌现，“深度学习”成为 教育研究中的一个热词。
