第17课　人脸解锁该不该上大模型——认图识音与边界

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

围绕「人脸解锁该不该上大模型」：判断哪些步骤可用小规则／本地模型，哪些才需要大模型，并说出边界。

二、知识点短列表

复杂感知：人脸、语音转写、大作文润色等常吃算力。
小任务：计数、简单规则分类，不必上大模型。
数据偏见可能导致不公平结果。
模型给出结果后，人主决定采不采纳。
need_big_model 用名单判断是否需要大模型。
True 只表示“值得讨论重型方案”，不等于已经批准上线。
硬名单可随学校规范更新；更新后要回归测试旧任务是否仍分类正确。

三、机器学习在说什么

深度学习强大，但不等于凡事最优。选型要问：任务是否复杂感知？数据与算力是否够？错误代价多大？小规则能解决就别炫技。

偏见例子：训练脸部数据若缺少某些群体，识别率可能不公——所以要检验、要人负责。隐私下节综合课还会强调：人脸数据更要谨慎采集。

本课函数返回布尔值，像会议室里的“要不要请大模型”表决器：True 才进入重型方案讨论。

边界清单再扩三条：①错误代价高（误放行陌生人）时，即使技术能做也要人审；②算力与电费来自学校公共资源，小任务硬上大模型不负责；③训练数据若有偏见，输出可能系统性偏袒——要用测试与抽查暴露问题，而不是只看演示成功案例。

单元收束口令：层层提特征，帮助理解认图；小任务不必上大模型；结果仍人主决定。

四、相关积木怎么用

hard = ["人脸识别", "语音转写", "大作文润色"]。
return task in hard。
迷你例子：统计本班人数→False；语音转写→True。

走查：输入 need_big_model("统计本班人数") → False，因为不在 hard 名单。输入 need_big_model("语音转写") → True，因为 task in hard 成立。

True／False 对照表再加一行：大作文润色→True。小任务举例：按班级名册点数、按规则分可回收——一律 False。偏见句：训练数据缺某群体时，识别率可能不公，故要抽查。

想一想：人脸识别在 hard 名单里，函数返回 True 后，学校还要不要做人审与隐私评估？答是或否并写半句。

答案是：要。need_big_model 只回答“像不像复杂感知”，不回答“该不该上线”。上线前四项人审（误识、隐私、算力、纠错）缺一不可。把统计人数误列入 hard 的反例写进笔记，提醒名单要人维护。

小任务用计数与规则即可，硬上大模型费算力且难解释。hard 名单是约定起点，变更要记日期理由。人主清单：误识代价、隐私、算力、纠错通道——未讨论完即使返回 True 也不上线。

要点串讲：复杂感知才考虑大模型；小任务用小规则；算力与偏见与误识都要计入成本；need_big_model 只是开关，上线仍人主决定。本课过关标准：能对三个校园任务正确判断 True／False，并补一句人审理由。加练：把“统计本班人数”误丢进 hard 名单，讨论这样选型会浪费什么资源——开关名单本身也要人维护。

五、操作步骤

步骤1

列任务写出校园里大小不同的任务名。

步骤2

定 hard 名单约定哪些算复杂感知。

步骤3

写函数用 in 判断返回 True/False。

步骤4

人主决定对 True 的任务仍讨论是否真要上线。

六、解题思路

任务：围绕「人脸解锁该不该上大模型」：判断哪些步骤可用小规则／本地模型，哪些才需要大模型，并说出边界。先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。

本课主要用到：屏幕输出。

1明确任务「判断哪些任务需要大模型，哪些用小规则就够。」：运行后你希望看到什么结果（文字、图形或计算结果）。
2用「打印」积木把结果说出来，确认屏幕上出现预期内容。
3把可复用的一段动作做成函数，主程序里调用它。
4对照参考积木（或代码）跑通后，只改一个参数，观察结果如何变化。

流程示意（可对照左侧文字）

七、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。

即时验算：统计本班人数→False；语音转写→True；人脸识别→True。对 True 的任务仍列出误识／隐私／算力／纠错四项人审，缺一项不批准上线演示。小任务用规则即可。偏见要抽查。硬名单可以更新，并且必须把变更日期记下来。

开关维护：新增任务名要先讨论是否复杂感知，再决定是否写入 hard。删除过时项同样要记录。need_big_model 返回值会随名单变——这是设计如此，不是 bug。

九、知识点讲解

人脸解锁与大模型边界：认图／识音能做成门禁演示，但不等于必须上大模型；要权衡误识、隐私、算力与是否值得。

先弄清本课输入与输出，再进编程练习对照现象。

十、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。

选择题目

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"))

十一、本节小结

你现在能实现 need_big_model：用硬名单区分复杂感知与小任务，并坚持 True 之后仍要人主决定与四项人审；名单变更要记日期；True 不等于已上线；人审四项缺一不可。