网站原创文章不收录沈阳网官网
针对青少年的 AI 科普，我设计了几个简单有趣的 Python 小游戏，通过游戏化方式让孩子们了解 AI 的基本概念。以下是具体实现方案：
1. 猜数字 AI - 体验简单机器学习
这是一个基础的监督学习示例，AI 通过尝试和反馈学习用户心中所想的数字。
python
运行
import randomdef guess_number_ai():print("请在心里想一个1-100之间的数字，我会尝试猜出它！")low, high = 1, 100attempts = 0while True:if low > high:print("你是不是在作弊呀？这个范围不合理！")breakguess = (low + high) // 2attempts += 1print(f"我猜是: {guess}")feedback = input("请输入反馈 (小了=1, 大了=2, 猜对了=0): ").strip()if feedback == '0':print(f"耶！我用了{attempts}次就猜对了！")breakelif feedback == '1':low = guess + 1elif feedback == '2':high = guess - 1else:print("请输入有效反馈 (0/1/2)")# 启动游戏
guess_number_ai()
AI 概念：二分查找算法、监督学习（通过反馈调整预测）
2. 石头剪刀布 AI - 简单模式识别
AI 会观察玩家的选择模式，并尝试预测下一次选择。
python
运行
import random
from collections import defaultdictdef rock_paper_scissors_ai():moves = ['石头', '剪刀', '布']wins = {'石头': '剪刀', '剪刀': '布', '布': '石头'}player_history = defaultdict(int)print("欢迎玩石头剪刀布AI挑战！")print("输入 石头/剪刀/布 来游戏，输入q退出")while True:player_move = input("你的选择: ").strip()if player_move == 'q':breakif player_move not in moves:print("无效输入，请重新输入！")continue# AI分析历史选择if sum(player_history.values()) > 0:# 预测玩家最常使用的招式predicted_move = max(player_history, key=player_history.get)# AI选择能击败预测招式的选项ai_move = list(wins.keys())[list(wins.values()).index(predicted_move)]else:# 初始随机选择ai_move = random.choice(moves)# 更新历史记录player_history[player_move] += 1print(f"AI选择: {ai_move}")if player_move == ai_move:print("平局！")elif wins[player_move] == ai_move:print("你赢了！")else:print("AI赢了！")# 启动游戏
rock_paper_scissors_ai()
AI 概念：模式识别、基于历史数据的预测
3. 迷宫寻路 AI - 路径规划演示
简单的深度优先搜索算法，展示 AI 如何寻找最优路径。
python
运行
import random# 迷宫地图 (0=通路, 1=墙壁)
maze = [[0, 1, 0, 0, 0],[0, 1, 0, 1, 0],[0, 0, 0, 0, 0],[0, 1, 1, 1, 0],[0, 0, 0, 1, 0]
]start = (0, 0)
goal = (4, 4)def print_maze(maze, path=None):if path is None:path = []for i in range(len(maze)):for j in range(len(maze[0])):if (i, j) == start:print('S', end=' ')elif (i, j) == goal:print('G', end=' ')elif (i, j) in path:print('*', end=' ')elif maze[i][j] == 1:print('#', end=' ')else:print('.', end=' ')print()def find_path(maze, start, goal):stack = [(start, [start])]visited = set()while stack:(x, y), path = stack.pop()if (x, y) == goal:return pathif (x, y) in visited:continuevisited.add((x, y))# 检查四个方向for dx, dy in [(-1, 0), (1, 0), (0, -1), (0, 1)]:nx, ny = x + dx, y + dy# 检查是否在迷宫范围内且可通行if 0 <= nx < len(maze) and 0 <= ny < len(maze[0]):if maze[nx][ny] == 0 and (nx, ny) not in visited:new_path = list(path)new_path.append((nx, ny))stack.append(((nx, ny), new_path))return None # 没有找到路径# 打印初始迷宫
print("迷宫地图:")
print_maze(maze)# AI寻找路径
path = find_path(maze, start, goal)if path:print("\nAI找到的路径:")print_maze(maze, path)print(f"路径长度: {len(path)}步")
else:print("\nAI无法找到通往目标的路径!")
AI 概念：搜索算法、路径规划、深度优先搜索
4. 简单聊天机器人 - 自然语言处理基础
基于关键词匹配的简单聊天机器人，展示 NLP 的基本原理。
python
运行
import randomresponses = {"你好": ["你好呀！", "哈喽！", "嗨，今天过得怎么样？"],"名字": ["我是聊天小助手！", "我叫AI小助手。", "你可以叫我小助手。"],"天气": ["我还没办法获取实时天气呢！", "你可以看看窗外或者查询天气预报。", "天气变化多端，记得关注天气预报哦！"],"再见": ["再见！祝你有个愉快的一天！", "下次再聊啦！", "拜拜，期待下次交流！"]
}def simple_chatbot():print("聊天小助手启动！输入'再见'结束对话。")while True:user_input = input("你: ").strip()if user_input.lower() == "再见":print(random.choice(responses["再见"]))break# 查找匹配的关键词matched = Falsefor keyword in responses:if keyword in user_input:print(f"小助手: {random.choice(responses[keyword])}")matched = Truebreak# 如果没有匹配的关键词if not matched:print("小助手: 我不太理解你的意思，可以换一种说法吗？")# 启动聊天机器人
simple_chatbot()
AI 概念：自然语言处理、关键词匹配、对话系统
教学建议
- 由浅入深：从猜数字 AI 开始，逐步引入更复杂的概念。
- 互动讲解：结合代码解释每个游戏背后的 AI 原理。
- 鼓励修改：让孩子们尝试修改参数或增加功能，培养创造力。
- 延伸讨论：引导思考 AI 在现实生活中的应用场景。
这些小游戏不仅能激发青少年对 AI 的兴趣，还能帮助他们理解 AI 的基本原理，同时提高 Python 编程能力。
