单元五
第17课 人脸解锁该不该上大模型——认图识音与边界
一、任务目标
理解图像、语音等复杂感知常用多层模型，但能否上线要看数据是否合规、结果是否允许人来复核；能说明「能识别」不等于「应该采用」。
二、我们要学什么
- 学习要点：人脸解锁该不该上大模型｜认图识音与边界
- 本课过关：能完成：说出复杂感知常与深度结构有关；指出刷脸、语音转写仍须另集测试、并由人决定是否使用；能举出不宜采集或不宜自动放行的情形。
- 示例对齐：体验题对应本课「编程体验」；完整代码对应编程题1；补全与独立编写对应编程题2–3。均在 Mixly 图形化积木中完成。
三、本节要点
本课要认识复杂感知的边界。重难点是技术能不能做，与该不该做，要分开问。要点对齐「人脸解锁该不该上大模型｜认图识音与边界」。
1读场景明确真实任务
2对要点人脸解锁该不该上大模型｜认图识音与边界
3载入运行图形化积木
四、解题思路
任务：判断校园刷脸、语音场景该不该上复杂模型。请分清：识别能力与使用边界。
本课主要用到：校园场景讨论。
- 1明确任务「能识别 ≠ 该采用」：先看任务，再看数据与责任。
- 2指出哪些是复杂感知、可能需要多层模型。
- 3列出须人工复核或不宜采集的情形。
流程示意（可对照左侧文字）
五、图形块功能讲解
本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。
六、知识点讲解
图像、语音识别常借助多层模型处理复杂感知。本课用人脸解锁作例子——即便识别率高，仍须用未参与训练的样本检查，并遵守采集边界：结果是建议，放行与否由人决定。本课不要求训练大模型。
先弄清：能做与该做要分开；再进课堂练习对照场景。
七、编程练习
用下拉列表切换题目；下方 Mixly 默认显示图形化积木。请在 Mixly 工具栏点「运行」；「检查」读取 Mixly 代码自动判题。请先读本页「四、解题思路」与「五、图形块功能讲解」，再点载入。
参考代码（对照抄写到下方 Mixly）
def need_big_model(task):
hard = ["人脸识别", "语音转写", "大作文润色"]
return task in hard
print(need_big_model("统计本班人数"))
print(need_big_model("人脸识别"))
正在载入编程环境
正在载入 Mixly 图形化编程环境…
八、课堂练习
先完成两道正误判断，再做其余题目；选出后点「检查」。
判断：人脸解锁即使用了大模型，是否放行仍应由人把关，不能模型说了算。
判断：统计有多少人进教室，也必须调用大模型才算正确。
更需要考虑多层／大模型的是？
训练数据带有偏见时，识别结果可能？
本课选型态度是？
九、本节小结
本课主题是复杂感知与使用边界：认图识音常用多层模型，但须测试、合规，并由人决定是否采用。