陈凯

科学研究的过程，一般是从观察和发现问题开始，针对问题给出猜想和假设，接下来是设计实验或者设置进一步观察的任务，借由实验和进一步的观察，对数据结果进行分析，给出理论上的解释或者建立能反映事物变化的模型。为了验证理论或模型的可靠性，常需要对未知的现象进行预测，预测的成功则验证了理论或模型在特定范围内具有一定的可靠性。

在人工智能高度发展的今天，笔者希望能找到一些能够用于基础教育阶段课堂的案例，用以展现机器学习在科学研究过程中模型建立与未知事物预测方面可能起到的作用。笔者抱有这样的愿望：模型建立中的数据是由学生亲自观察、采集并记录下来的，这些数据虽然数量不少，但精度略有不足（这恰恰反映了现实中最可能的情况）;模型本身能由相对简单的数学公式或动力学系统构成，能够适应基础教育阶段学生的知识技能水平;模型构造的过程能够体现机器学习算法的参与，算法原理简单，算法实现工具相对便捷。

本文给出的“木星卫星轨道数据的分析和智能预测”案例，正是为实现上述目标而设计的，整个教学过程需要多个课时，包括：①问题发现：由望远镜观察注意到木星临近的未知天体;②建立假设：猜测这些天体实际是围绕木星旋转的卫星，并给出假设的依据;③设置观察任务并建立数学模型：观察并作数据记录，根据假设，按正弦函数建立数学……