本發(fā)明屬于人工智能，尤其涉及一種基于大模型的多模態(tài)交互棋類(lèi)教學(xué)方法及系統(tǒng)。

背景技術(shù)：

1、本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

2、在教育領(lǐng)域，棋類(lèi)教育被視為一種有效的素質(zhì)教育手段，對(duì)提高學(xué)生的綜合素質(zhì)具有積極影響。特別是圍棋，這種策略性和競(jìng)技性極強(qiáng)的智力運(yùn)動(dòng)，在培養(yǎng)邏輯思維、決策能力和心理素質(zhì)方面具有重要作用。而隨著人工智能技術(shù)的飛速發(fā)展，ai在圍棋領(lǐng)域取得了重大突破。其中，alphago的勝利標(biāo)志著ai在圍棋領(lǐng)域達(dá)到了前所未有的水平，并為圍棋教育開(kāi)辟了新路徑。然而，現(xiàn)有圍棋ai應(yīng)用主要集中在高水平對(duì)弈和比賽，對(duì)于普及教育和個(gè)人學(xué)習(xí)的支持仍然有限。

3、目前，圍棋教學(xué)的傳統(tǒng)方法主要依賴于圍棋教師的個(gè)人經(jīng)驗(yàn)，缺乏系統(tǒng)的科學(xué)分析和個(gè)性化指導(dǎo)。教學(xué)內(nèi)容往往固定不變，難以適應(yīng)不同學(xué)棋者的學(xué)習(xí)進(jìn)度和風(fēng)格。此外，圍棋學(xué)習(xí)資源雖豐富，但缺乏有效的整合和智能化處理，使得學(xué)棋者難以從中獲取針對(duì)性的指導(dǎo)和建議。同時(shí)，圍棋學(xué)棋者在自學(xué)過(guò)程中常面臨缺乏即時(shí)反饋和高水平對(duì)弈伙伴的問(wèn)題。另外，市面上的圍棋教學(xué)軟件和在線平臺(tái)大多缺乏自然語(yǔ)言交互能力，無(wú)法提供深入的戰(zhàn)術(shù)分析和策略建議，也難以根據(jù)學(xué)棋者的具體情況調(diào)整教學(xué)內(nèi)容和難度。這些局限性不僅限制了圍棋在提升邏輯思維、專(zhuān)注力、耐心、決策能力等方面的潛力，也影響了圍棋教學(xué)的智能化、個(gè)性化的學(xué)習(xí)體驗(yàn)和棋類(lèi)教育的普及。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述背景技術(shù)中存在的技術(shù)問(wèn)題，本發(fā)明提供一種基于大模型的多模態(tài)交互棋類(lèi)教學(xué)方法及系統(tǒng)，依托大語(yǔ)言模型的技術(shù)優(yōu)勢(shì)，實(shí)現(xiàn)個(gè)性化圍棋教學(xué)，通過(guò)大語(yǔ)言模型和多模態(tài)交互方式，能夠根據(jù)學(xué)棋者的棋藝水平、情緒和風(fēng)格，靈活調(diào)整教學(xué)內(nèi)容與難度，為每位學(xué)棋者量身定制學(xué)習(xí)策略，有效提升學(xué)習(xí)效率，推動(dòng)圍棋教育的廣泛傳播和普及。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、本發(fā)明的第一個(gè)方面提供一種基于大模型的多模態(tài)交互棋類(lèi)教學(xué)方法，包括：

4、獲取棋局圖像，并識(shí)別出圍棋棋局后，結(jié)合教學(xué)難度和學(xué)棋者風(fēng)格，通過(guò)大語(yǔ)言模型分析得到機(jī)器人下棋位置和走法理由，通過(guò)確定的交互模式反饋機(jī)器人下棋位置，完成機(jī)器人落子，并通過(guò)語(yǔ)音交互機(jī)構(gòu)反饋?zhàn)叻ɡ碛桑猾@取棋局圖像，并識(shí)別出圍棋棋局后，結(jié)合學(xué)棋者棋藝水平，通過(guò)大語(yǔ)言模型生成棋局描述，并控制語(yǔ)音交互機(jī)構(gòu)反饋棋局描述，并等待學(xué)棋者完成落子；

5、判斷是否對(duì)弈結(jié)束，若未結(jié)束，則返回重新獲取棋局圖像，分析機(jī)器人下棋位置；若結(jié)束，則給出勝出方，并根據(jù)每一步棋的落子位置、落子后的圍棋棋局、學(xué)棋者的情緒狀態(tài)和勝出方，利用大語(yǔ)言模型，更新學(xué)棋者的學(xué)棋者風(fēng)格和棋藝水平，根據(jù)學(xué)棋者棋藝水平，確定交互模式；并依據(jù)學(xué)棋者截至目前勝出率，調(diào)整學(xué)棋者的教學(xué)難度。

6、進(jìn)一步地，所述大語(yǔ)言模型采用多模態(tài)大語(yǔ)言模型gpt-4o，通過(guò)圍棋棋局?jǐn)?shù)據(jù)庫(kù)進(jìn)行預(yù)訓(xùn)練和微調(diào)得到；所述預(yù)訓(xùn)練采用遮蔽語(yǔ)言模型和下一句預(yù)測(cè)任務(wù)；所述微調(diào)是在預(yù)訓(xùn)練的基礎(chǔ)上，針對(duì)應(yīng)用任務(wù)對(duì)大語(yǔ)言模型進(jìn)行微調(diào)。

7、進(jìn)一步地，所述應(yīng)用任務(wù)為：根據(jù)棋局和學(xué)棋者棋藝水平，生成棋局描述；根據(jù)每一步棋的落子位置、落子后的棋局、學(xué)棋者情緒狀態(tài)和勝出方，生成學(xué)棋者風(fēng)格和棋藝水平；或者，基于棋局、教學(xué)難度和學(xué)棋者風(fēng)格，分析得到下一步走法和走法理由。

8、進(jìn)一步地，若學(xué)棋者棋藝水平為初學(xué)者，則交互模式為棋盤(pán)打光交互和語(yǔ)音交互；

9、若學(xué)棋者棋藝水平為業(yè)余棋手，則交互模式為棋盤(pán)打光交互或機(jī)器提/落子交互；

10、若學(xué)棋者棋藝水平為專(zhuān)業(yè)棋手，則交互模式為機(jī)器提/落子交互。

11、進(jìn)一步地，所述教學(xué)難度的調(diào)整方法為：

12、dnew＝dcurrent+α·(pcorrect-ptarget)

13、其中，dnew是調(diào)整后的教學(xué)難度，dcurrent是調(diào)整前的教學(xué)難度，α是學(xué)習(xí)率，pcorrect是學(xué)棋者截至目前勝出率，ptarget是目標(biāo)勝出率。

14、進(jìn)一步地，所述圍棋棋局的識(shí)別步驟包括：對(duì)棋局圖像進(jìn)行灰度化、自適應(yīng)濾波、對(duì)比度增強(qiáng)、透視變換與插值后，采用卷積神經(jīng)網(wǎng)絡(luò)模型，識(shí)別棋局圖像中的棋子坐標(biāo)和棋子類(lèi)型，得到圍棋棋局。

15、本發(fā)明的第二個(gè)方面提供一種基于大模型的多模態(tài)交互棋類(lèi)教學(xué)系統(tǒng)，其包括：

16、多模態(tài)交互教學(xué)模塊，其被配置為：獲取棋局圖像，并識(shí)別出圍棋棋局后，結(jié)合教學(xué)難度和學(xué)棋者風(fēng)格，通過(guò)大語(yǔ)言模型分析得到機(jī)器人下棋位置和走法理由，通過(guò)確定的交互模式反饋機(jī)器人下棋位置，完成機(jī)器人落子，并通過(guò)語(yǔ)音交互機(jī)構(gòu)反饋?zhàn)叻ɡ碛桑猾@取棋局圖像，并識(shí)別出圍棋棋局后，結(jié)合學(xué)棋者棋藝水平，通過(guò)大語(yǔ)言模型生成棋局描述，并控制語(yǔ)音交互機(jī)構(gòu)反饋棋局描述，并等待學(xué)棋者完成落子；

17、學(xué)棋者信息更新模塊，其被配置為：判斷是否對(duì)弈結(jié)束，若未結(jié)束，則返回重新獲取棋局圖像，分析機(jī)器人下棋位置；若結(jié)束，則給出勝出方，并根據(jù)每一步棋的落子位置、落子后的圍棋棋局、學(xué)棋者的情緒狀態(tài)和勝出方，利用大語(yǔ)言模型，更新學(xué)棋者的學(xué)棋者風(fēng)格和棋藝水平，根據(jù)學(xué)棋者棋藝水平，確定交互模式；并依據(jù)學(xué)棋者截至目前勝出率，調(diào)整學(xué)棋者的教學(xué)難度。

18、進(jìn)一步地，所述大語(yǔ)言模型采用多模態(tài)大語(yǔ)言模型gpt-4o，通過(guò)圍棋棋局?jǐn)?shù)據(jù)庫(kù)進(jìn)行預(yù)訓(xùn)練和微調(diào)得到；所述預(yù)訓(xùn)練采用遮蔽語(yǔ)言模型和下一句預(yù)測(cè)任務(wù)；所述微調(diào)是在預(yù)訓(xùn)練的基礎(chǔ)上，針對(duì)應(yīng)用任務(wù)對(duì)大語(yǔ)言模型進(jìn)行微調(diào)。

19、本發(fā)明的第三個(gè)方面提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述所述的一種基于大模型的多模態(tài)交互棋類(lèi)教學(xué)方法中的步驟。

20、本發(fā)明的第四個(gè)方面提供一種計(jì)算機(jī)設(shè)備，包括計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)、處理器及存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述所述的一種基于大模型的多模態(tài)交互棋類(lèi)教學(xué)方法中的步驟。

21、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

22、大模型個(gè)性化教學(xué)策略：本發(fā)明采用大語(yǔ)言模型能夠更深入地分析學(xué)棋者的行為、風(fēng)格和棋藝水平，根據(jù)學(xué)棋者的學(xué)習(xí)進(jìn)度、水平、情緒狀態(tài)和風(fēng)格，動(dòng)態(tài)調(diào)整教學(xué)內(nèi)容和難度，并結(jié)合多模態(tài)交互方式，提供個(gè)性化的學(xué)習(xí)體驗(yàn)，確保每個(gè)學(xué)棋者都能在適合自己的節(jié)奏下提高棋藝。

23、多模態(tài)交互提升學(xué)習(xí)參與度：本發(fā)明通過(guò)多模態(tài)交互方式，如語(yǔ)音、視覺(jué)和觸覺(jué)反饋，顯著提升了學(xué)棋者的參與度和學(xué)習(xí)體驗(yàn)，相比之下，現(xiàn)有技術(shù)僅提供單一模態(tài)或有限的交互方式，未能充分利用多模態(tài)交互的潛力來(lái)增強(qiáng)學(xué)習(xí)動(dòng)機(jī)。

24、大模型增強(qiáng)的智能棋局分析：本發(fā)明利用大語(yǔ)言模型對(duì)圍棋棋局進(jìn)行深度分析，為學(xué)棋者提供精準(zhǔn)的棋局描述，這在現(xiàn)有技術(shù)中較為罕見(jiàn)，大多數(shù)現(xiàn)有技術(shù)缺乏這種深度分析能力，或者需要人工輔助來(lái)提供類(lèi)似的分析。

25、大模型優(yōu)化的實(shí)時(shí)反饋與自適應(yīng)性：本發(fā)明中的大語(yǔ)言模型能夠?qū)崟r(shí)處理學(xué)棋者的交互數(shù)據(jù)，反饋學(xué)棋者的棋手風(fēng)格和棋藝水平，并根據(jù)反饋動(dòng)態(tài)調(diào)整教學(xué)內(nèi)容和難度，這種自適應(yīng)性是現(xiàn)有技術(shù)所不具備的，現(xiàn)有技術(shù)需要更多的人工干預(yù)或者無(wú)法實(shí)時(shí)響應(yīng)學(xué)棋者的需求。