三、教材教法與課程設計

前言：從影像到卷積

      影像在電腦眼中是一個巨大的像素矩陣。為了從這些數字中找出特徵（例如：邊緣、形狀），電腦會使用一種名為「卷 積」(Convolution) 的數學工具。卷積神經網路 (Convolutional Neural Network, CNN) 是深度學習中極為重要的分支， 電腦視覺領域（如人臉識別、自動駕駛）近年來的重大進展皆歸功於此。而這種神經網路的核心特點即為「卷積」運算。 卷積是什麼？ 卷積是一種數學運算，其功能是對資料（如：訊號、影像）進行特徵萃取。在 CNN 中，底層萃取出的初階 特徵會再送到下一個卷積層進行進階特徵萃取，這種層次化的處理方式大幅增強了神經網路的學習效率。在圖像分類上， CNN 的表現遠優於一般傳統的深度神經網路，因此成為 AI 研究的核心。對於中學階段，我們可將「卷積」簡化為局部矩陣運算的應用。在數學本質上，卷積是「加權平均」（Weighted Average）的具體表現。對於國高中生而言，這是一個認 識「權重分配」與「局部特徵提取」邏輯思維的絕佳機會。

探究活動：

3. 發現與討論