什么是深度学习？

深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：

(1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。

(2)基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。

(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。

通过多层处理，逐渐将初始的“低层”特征表示转化为“高层”特征表示后，用“简单模型”即可完成复杂的分类等学习任务。由此可将深度学习理解为进行“特征学习”（feature learning）或“表示学习”（representation learning）。

以往在机器学习用于现实任务时，描述样本的特征通常需由人类专家来设计，这成为“特征工程”（feature engineering）。众所周知，特征的好坏对泛化性能有至关重要的影响，人类专家设计出好特征也并非易事；特征学习（表征学习）则通过机器学习技术自身来产生好特征，这使机器学习向“全自动数据分析”又前进了一步。 近年来，研究人员也逐渐将这几类方法结合起来，如对原本是以有监督学习为基础的卷积神经网络结合自编码神经网络进行无监督的预训练，进而利用鉴别信息微调网络参数形成的卷积深度置信网络。与传统的学习方法相比，深度学习方法预设了更多的模型参数，因此模型训练难度更大，根据统计学习的一般规律知道，模型参数越多，需要参与训练的数据量也越大。

20世纪八九十年代由于计算机计算能力有限和相关技术的限制，可用于分析的数据量太小，深度学习在模式分析中并没有表现出优异的识别性能。自从2006年， Hinton等提出快速计算受限玻耳兹曼机(RBM)网络权值及偏差的CD-K算法以后，RBM就成了增加神经网络深度的有力工具，导致后面使用广泛的DBN(由 Hinton等开发并已被微软等公司用于语音识别中)等深度网络的出现。与此同时，稀疏编码等由于能自动从数据中提取特征也被应用于深度学习中。基于局部数据区域的卷积神经网络方法今年来也被大量研究。

众所周知，同年龄的孩子中，智商超高和智商超弱的都占少数，大部分的学生智商都属于中等，八九不离十。然而，即使是这群孩子的学业成绩，也高低不平，这与家庭教育、学校教育都紧密相关，特别是与课堂教学效率的常年累积密不可分。小学一到五年级，随着年级的增长，学困生越来越多，他们几乎都经历了这样的蜕变历程：投入学习—遇到困难—发求救信号—无回应—未完成学习任务—受到负面评价—失去信心—放弃。心理学家卡尔罗杰斯将这些学生称为“课堂上的观光者”，这些观光者会随着学龄的增长队伍越来越庞大，并且会从“隐性学困”不断转化为“显性学困”。

那么，怎么会有这样的现象呢？杜威认为，学习是以问题解决为导向的复杂的思维和互动过程。而思维的发生就是“反思—问题生成—探究、批判—解决问题”的过程。佐藤学认为，学习过程中，儿童以语言为媒，借助互助关系，不断进行反思性思维和社会化实践，这个过程是在“自我”与“共同体”的张力中不断重构的过程，是“与客观世界的对话”“与他人的对话”“与自我的对话”。由此可见，学生真实的学习历程缓慢而复杂，而高速压缩化的课堂教学引发普遍性的学习困难。课堂教学需要变革，促进每一位学生的深度学习。

这不由得让我想起了上学期末听的一堂二年级的复习课。课堂中，教师设计了闯关游戏，将本学期的部分知识点分层设计成“字词关”“词语积累关”“句式关”“名言诗句关”，很好地激发了学生兴趣；而学生的课堂表现也比较美好，坐得端正、举手积极、回答问题声音响亮准确率高。只是在整堂课的过程中，大部分时间都在于教师与个别学生的对话，其间必然存在着一小撮“隐性学困生”，缺少反思性思维，缺少社会化实践，可能体现的都是学生会的知识，学生不会什么？有什么问题？缺少学生与自我的对话（不知道我理解的对不对，让学生思考，将自己的思维过程写下来，将自己的思维过程说出来，这就是一种与自我的对话），缺少与他人的对话（同桌之间的互助学习还比较少），我想，教师在备课的时候，是不是应该多考虑这些因素，让课堂学习更深度（深度学习：掌握核心学业内容、批判性思维与问题解决、有效沟通、协作能力、学会学习、学术心志）。

深度学习需要为学生提供安心而适宜的学习环境，它虽然关乎硬件设施设备，但更应注重师生、生生之间的和谐关系。深度学习需要教师对学生真正地理解并具有人文关怀，呈现出“倾听”的身心状态和“柔软”的身体姿态，并要给予学生自主学习的机会。正如学期末王晓叶老师讲的那样，我们教师不应该做导航仪，告诉学生“左拐、右拐、直行”，学生一旦脱离导航仪，就变得无所适从。教师要教会学生看地图，那么，你什么时候不在他身边，他也能根据你教的方法，看懂地图，找到自己要去的地方。深度学习需要高品质的学习设计，遵循“少即是多”的原则，以促进学生“探究未知”为出发点，进行“逆向思维”，根据确定的学习主题，设计出具体问题，并设计评价标准和“支架”，鼓励学生动手操作实践，学生遇到困难的时候教师再给予指导，最终学生完善自己的学习成果。教师可协同备课，制定“三单”（预习单、学习单、作业单）。

深度主要体现在学习中的举一反三、触类旁通和迁移应用。学以致用、活学活用，创造性地解决不同情境下的问题，这是深度学习的必然要求和集中体现。

以上“三度”就是深度学习的本质和要义，要达成深度学习的目标，教育者应当认真做好教学建构，精心设计教学内容和问题情境，唤起学生学习兴趣，引导学生自觉运用跨学科思维，鼓励学生积极进行迁移应用。为此，教师应进行三个方面的准备。

教学资源是学习的起点和基础。因此，深度学习的第一步就是选择和确定教学资源。不是每一课教材内容都有必要进行深度学习，在选择时应当遵循以下三个原则：

学习内容具有综合性。注重同学科前后知识的关联性和系统性，必要时还需要融入课本之外的诸多知识，才能更好地理解学科内容，化解问题。如“轮轴”一课中，轮轴省力的原理便需要借助上一节课“杠杆”知识来理解，只需要将杠杆与轮轴作一番比较，学生很容易发现杠杆自转一周就成了轮轴。通过系统思维，可以将知识追根溯源，轻松揭开其中的奥秘。

学习内容具有研究性。只有投入大量时间和精力，进行细致深入的观察、思考和分析，才能得出正确的判断和结论。如小学科学“冷和热”一课，在对“一杯热水自然降温”现象的观察中，要不间断地做好水温测试和记录，并细致比对最终数据，方能总结出一杯热水在自然状态下降温的规律。唯有深入研究才能抵达问题本质。

学习内容具有挑战性。对挑战的期待是学生与生俱来的品格和心理诉求，也是激发学生学习热情的主要动力。这种挑战不是内容的生僻和晦涩难懂，而是指解决这个问题需要动用多种渠道、通过多种方式才能完成。如“制作弹簧秤”需要从弹簧秤原理、材料、制作、测试、限重等诸多方面进行全面考量。

自从百度的李彦宏驾着无人自动驾驶汽车从北京五环开到ai开发者大会，百度的股价一路飙升，而且关于人工智能讨论越来越多，几乎大街小巷都在讨论人工智能。很多新闻都已经在报道将来会被人工智能取代的工作，就连人工智能专家李开复先生也说未来一半以上的工作都会被人工智能取代，那么哪些行业一定不会被取代呢？

大数据还没有积累到一定程度的工作。我们都知道如今的人工智能是在深度学习的基础上进行的，而深度学习是以大量的数据为基石的，深度学习技术和其他人工智能学习技术是一样的，一开始就有的，当其他的学习技术在人工智能领域耀武扬威的时候，深度学习技术就像被遗弃在兵器库中冷兵器丝毫不起眼，就这样卧薪尝胆一直磨练自己，时代造英雄，这个时代随着互联网的发展相关行业的数据已经积累到一定程度了，而且计算机的运行处理能力也大大的提高了，因此给了深度学习的技术一个巨大的机会，它也取代了之前的专家学习系统，成为目前最好的人工智能学习方法，所以当某一个行业的大数据没有积累到一定程度的时候这个行业是不会被人工智能所取代的。

需要人类情感的工作。机器始终是机器，即使再智能也是一系列的算法和函数，没有血肉没有生老病死，更没有人类的情感，当一份工作需要人类的情感投入的时候人工智能就显得有点无能为力了，就算他把卡耐基《人性的弱点》能一字不差的背出来也取代不了心理咨询师的工作，人的心理是极其复杂的，就像男生永远懂不了女生的心理一样，天生生理上的差别造成在很多问题上的看法并不一致，很难通过算法数据去得知，更何况人工智能都不区分性别呢，人工智能一般都是与正常的人进行交流或者为他们服务的，如果和心理有疾病的人进行交流人工智能估计也会被玩坏，心理咨询师在解决病人的问题时要站在自己是个人的角度去分析，要做到具体问题具体对待，而人工智能这一点却做不到，因为他不是人，无法像人一样感同身受。

政府部门的高级领导。运筹帷幄决胜千里之外，人工智能也许有比人更厉害的记忆力和分析能力，但在预测能力方面人还是更胜一筹，而且一个国家的情况太过于复杂需要考虑各方面的因素权衡各方面的利益关系，国与国之间出现的各种问题需要***们用智慧去解决，智慧这东西即使人工智能修炼一千年也不会有的，所以努力成为政府高官吧。

人工智能将会在很多领域取代一部分人的工作，所以你要不断的去学习，免得有一天自己被取代。

深度学习是指在教师引领下幼儿围绕具有挑战性的学习主题，全身心积极参与、体验成功、获得发展的有意义的学习过程。在深度学习过程中，教师充分发挥主导作用，通过引导幼儿经历自主探究、合作互学、教师助学等学习过程，帮助幼儿达成对知识的深刻理解、灵活运用，最终学会学习、热爱学习。下面以大班主题活动“受伤的小燕子”为例，探讨教师如何在主题活动开展的不同阶段引导幼儿进行深度学习。

一、主题活动开展前，教师以开放性问题追随幼儿兴趣导向，引发幼儿主动学习

主题的生成，一方面需要教师追随幼儿的兴趣，另一方面也需要教师敏锐地捕捉幼儿兴趣中的课程价值。

雨后，幼儿在操场上发现了一只全身乌黑、体型比麻雀大的小鸟。有的幼儿说“它全身是黑色的，所以应该是乌鸦”，有的幼儿说“它的尾巴像剪刀，应该是小燕子”，剩下的幼儿比较关心“这只鸟怎么会在操场上，怎么飞不起来了”。

教师看到幼儿对此很感兴趣，及时介入其中，启发幼儿：“小鸟飞不起来是否因为受伤？我们如何处理呢？”在大家积极的商议下，最终幼儿决定把这只鸟带回教室，一起帮助它。教师及时关注事件的发展并引导幼儿，主题活动也由此生成。

在活动初期，教师采用开放式的提问来引发幼儿进行探究。“它是谁？为什么飞不起来了？我们可以怎么办？”运用这些话语引发幼儿的好奇心，为幼儿开展探究提供了一定的信息。

把鸟带回教室后，幼儿对这只鸟的生物学名称非常感兴趣，三三两两围在一起讨论这只鸟是否是乌鸦。幼儿还请老师帮助查看网络，通过对比，幼儿知道这只黑鸟不是乌鸦，推翻了原来的假设。

大班幼儿的探究意识越来越强，他们能够通过自己的方式寻找答案。教师用开放性的提问：“怎么知道它是不是乌鸦？”“我们一般会怎么办？”来引导幼儿迁移已有的知识经验解答问题，进而自己提出假设，再验证自己的假设是否正确，这些过程培养了幼儿的科学探究能力。

二、在主题活动开展中，引导幼儿自己收集主题的过程性资料，支持幼儿主动探究

文本的计划、收集、整理可以让幼儿来尝试，因为实施过程既能让幼儿深入地思考要做什么和怎么做，又能逐步学习如何进行活动探究计划。

活动中幼儿对“小燕子能否重返蓝天？如何喂养小燕子？”等充满了好奇，要解答这些疑惑就需要幼儿进行持续观察、调查和学习。观察是一种有目的的知觉活动，调查是一种资料收集与分析活动，它们都是基本的科学研究方法，是幼儿获取科学知识的途径。

幼儿持续观察小燕子伤情以及调查喂养小燕子的方法，收获了有关燕子的许多知识。观察与调查之后还需要做好记录，这也是在收集主题活动的过程性资料。

记录伊始，幼儿容易将想象和实际混淆，并且难以按照条理进行记录。基于此，教师通过教学活动给幼儿展示了科学合理的记录表格，引导幼儿了解并掌握客观、连续、重点突出的科学记录方法。教师还利用碎片时间，如晨间活动、饭前准备等环节，请幼儿分享自己的记录。这样不仅提升他们的语言表达能力，还能帮助他们逐步学会记录的方法。

随着幼儿记录的次数增多，教师还帮助幼儿制作了一本小书，一方面对小燕子的伤愈情况和喂养过程进行了总结，另一方面展现了幼儿观察、调查能力的发展过程，及其生命科学关键经验的建构过程。

三、主题开展后期，抓住新的生成点，发挥主题活动的整体教育价值

主题活动推进过程中随时都可能生成新的主题，这时，教师可以追寻幼儿的新兴趣点，引发一个和原来主题相关联的新主题。

终于等到小燕子能够重新飞行了，幼儿却又发现小燕子在教室试飞时总是撞击在教室墙壁上。为什么会这样呢？他们找了很多资料在班级分享，得知原来燕子的尾巴是它们飞行时掌握平衡的关键。通过仔细检查发现，这只燕子尾巴底下还有一些伤。经过讨论，幼儿决定再照顾它一段时间，等它的尾巴痊愈后再放回大自然……

教师追随幼儿的兴趣，开展了“放飞燕子”的系列活动。幼儿对燕子的基本需求、燕子与环境的关系有了一定的了解，用自己的行动爱护小燕子，同时知道大自然才是最适合小燕子生存的地方。经过这样的探究过程，幼儿萌生了关怀生命之情怀。

这说明，幼儿的深度学习不是单一维度的，而是各领域彼此关联、相互影响、共同发展的一张网络。在主题活动中，教师必须意识到儿童的经验在“加深”，同时也在“变广”。