利用AutoML技術(shù)助力K-12的 人工智能教育

[摘 要]在中小學(xué)階段開展人工智能教育是我國基礎(chǔ)教育發(fā)展的要求，然而，當(dāng)前人工智能的普及教育面臨著學(xué)科跨度大、知識(shí)儲(chǔ)備要求高、模型訓(xùn)練復(fù)雜等問題，這對(duì)教學(xué)的開展提出了挑戰(zhàn)。如何簡化模型訓(xùn)練過程，隱藏實(shí)驗(yàn)細(xì)節(jié)，突出人工智能教學(xué)的主題和重點(diǎn)是個(gè)難題。近年隨著自動(dòng)化機(jī)器學(xué)習(xí)（AutoML）技術(shù)的興起，人工智能的平民化成為現(xiàn)實(shí)，文章調(diào)研了AutoML技術(shù)的解決方案，確定了一種可以將人工智能的教學(xué)案例進(jìn)行簡化的教學(xué)項(xiàng)目設(shè)計(jì)流程，為K-12人工智能教育的實(shí)施提供發(fā)展思路。

[關(guān)鍵詞]人工智能;K-12教育;自動(dòng)化機(jī)器學(xué)習(xí)

[中圖分類號(hào)]G434 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008-7656（2022）01-0024-08

引言

在中小學(xué)階段開展人工智能教育，旨在為培養(yǎng)符合未來社會(huì)需求的、具備良好計(jì)算思維和創(chuàng)新思維的人工智能人才奠定基礎(chǔ)。它一方面幫助中小學(xué)生了解人工智能對(duì)現(xiàn)代社會(huì)的影響，關(guān)注相關(guān)前沿知識(shí);另一方面完成對(duì)高等教育階段人工智能專業(yè)的知識(shí)和能力結(jié)構(gòu)的銜接，為培養(yǎng)新時(shí)代人工智能人才提供發(fā)展動(dòng)力。

要在中小學(xué)階段廣泛開展人工智能普及教育，首先要解決教學(xué)內(nèi)容的問題。從教學(xué)內(nèi)容來看，能力模型是教學(xué)目標(biāo)的指南針，通識(shí)學(xué)習(xí)是教育的基礎(chǔ)，而實(shí)訓(xùn)實(shí)踐項(xiàng)目是突破口。從這三個(gè)方面出發(fā)，才能打造層次分明、目標(biāo)明確的K-12人工智能課程知識(shí)體系。

本文通過文獻(xiàn)調(diào)研等方法，對(duì)國內(nèi)外編程教育的教學(xué)實(shí)踐存在的問題進(jìn)行了分析，并通過技術(shù)選型和實(shí)踐，提出了一種基于自動(dòng)化機(jī)器學(xué)習(xí)（AutoML）技術(shù)的人工智能教育項(xiàng)目開發(fā)流程，以期對(duì)我國青少年人工智能教育的實(shí)踐實(shí)訓(xùn)項(xiàng)目開發(fā)提供一些借鑒。

一、開展K-12人工智能教育是時(shí)代的要求

回顧教育發(fā)展的歷史，每一次技術(shù)變革都會(huì)帶來教育理念的重大變化，其本質(zhì)在于技術(shù)對(duì)人類社會(huì)發(fā)展的推動(dòng)作用。人工智能技術(shù)是一種生產(chǎn)力的變革，正在推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展要素的變化。

國務(wù)院在2017年發(fā)布的《新一代人工智能發(fā)展規(guī)劃》[1]中，明確指出：“到2025年，人工智能基礎(chǔ)理論實(shí)現(xiàn)重大突破，部分技術(shù)與應(yīng)用達(dá)到世界領(lǐng)先水平，人工智能成為我國產(chǎn)業(yè)升級(jí)和經(jīng)濟(jì)轉(zhuǎn)型的主要?jiǎng)恿?，智能社?huì)建設(shè)取得積極進(jìn)展;到2030年，人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。”教育部在2018年發(fā)布的《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》中，從前沿創(chuàng)新、人才培養(yǎng)、科技成果轉(zhuǎn)化與示范應(yīng)用等方面提出了具體的行動(dòng)目標(biāo)[2]。

人才培養(yǎng)是系統(tǒng)性工程，為了構(gòu)建多層次、階梯化的人工智能人才培養(yǎng)體系，勢必要按照人才培養(yǎng)的規(guī)律，打造從K-12到高等教育的全過程的人工智能教育。按照人才培養(yǎng)規(guī)律來教書育人，就是要針對(duì)不同學(xué)習(xí)階段的知識(shí)結(jié)構(gòu)、智力發(fā)展水平，有針對(duì)性地制定不同的教學(xué)目標(biāo)，設(shè)計(jì)不同的配套課程。

教育部《關(guān)于全面開展中小學(xué)生人工智能教育的提案》的答復(fù)中明確指出，目前，我國中小學(xué)相關(guān)課程已安排人工智能教學(xué)內(nèi)容。小學(xué)科學(xué)、初中科學(xué)、普通高中信息技術(shù)、普通高中通用技術(shù)和中小學(xué)綜合實(shí)踐活動(dòng)等已將人工智能教育相關(guān)內(nèi)容納入到課程內(nèi)容之中[3]。

二、K-12人工智能教育概念的相關(guān)辨析與發(fā)展現(xiàn)狀

（一）人工智能教育與一些概念的區(qū)分

長期以來，由于人工智能教育的高度專業(yè)性和復(fù)雜性，導(dǎo)致部分教育者對(duì)于人工智能教育教什么、如何界定、人工智能教育的目標(biāo)是什么還存在認(rèn)識(shí)上的偏差，還存在將人工智能教育與其他教育類型混淆的情況，因此，要解決人工智能教育存在的問題，就不得不談容易與人工智能教育混淆的一些教育類型。

1. STEM 教育

STEM教育的基本理念是培養(yǎng)跨學(xué)科并使用多學(xué)科的思維方式和知識(shí)解決實(shí)際問題的能力。STEM教育在利用數(shù)學(xué)工具對(duì)實(shí)際問題建模的能力方面有較為具體的教學(xué)目標(biāo)，并對(duì)多學(xué)科的綜合能力提出了較高的要求。

2. 機(jī)器人教育

機(jī)器人教育一般是通過預(yù)制的教育機(jī)器人產(chǎn)品的組裝、編程和運(yùn)行的教學(xué)過程，激發(fā)學(xué)生學(xué)習(xí)興趣，培養(yǎng)學(xué)生綜合能力，有時(shí)也被視為STEM教育或者創(chuàng)客教育的工具。實(shí)際上，這類教程內(nèi)嵌的知識(shí)基本與人工智能無關(guān)，或者雖然某些組件用到了人工智能的產(chǎn)品，但是人工智能封裝在了部件功能里面，與整個(gè)教學(xué)過程沒有太多聯(lián)系。

3. 編程教育

編程教育主要是介紹變量、循環(huán)、遞歸和函數(shù)等邏輯概念，培養(yǎng)學(xué)生在某個(gè)語法框架下解決問題的能力。編程教育考察的重點(diǎn)主要是在算法設(shè)計(jì)和對(duì)日常問題的應(yīng)用建模，在培養(yǎng)學(xué)生的計(jì)算思維方面具有不可替代性。

4. 創(chuàng)客教育

創(chuàng)客教育一般的實(shí)施方法是以某種電腦開源硬件為平臺(tái)，綜合多種工程技術(shù)能力比如編程、電路等進(jìn)行創(chuàng)意設(shè)計(jì)和作品開發(fā)。創(chuàng)客教育的核心是支持學(xué)生開展基于創(chuàng)造的學(xué)習(xí)，鼓勵(lì)學(xué)習(xí)者在學(xué)習(xí)過程中主動(dòng)發(fā)現(xiàn)、自主探究，培養(yǎng)批判性思維，強(qiáng)調(diào)在解決問題的過程中培養(yǎng)學(xué)生的創(chuàng)新能力和藝術(shù)創(chuàng)作能力[4]。

那么人工智能教育與上述教育類型的區(qū)別是什么呢？美國人工智能促進(jìn)協(xié)會(huì)（AAAI）、美國計(jì)算機(jī)科學(xué)教師協(xié)會(huì)（CSTA）等機(jī)構(gòu)聯(lián)合發(fā)布了K-12人工智能教學(xué)指南。這個(gè)指南對(duì)從小學(xué)到高中的基礎(chǔ)教育階段人工智能教學(xué)的目標(biāo)、內(nèi)容、資源給出了科學(xué)、專業(yè)的設(shè)計(jì)。在美國版的指南中，把適合K-12階段學(xué)習(xí)的人工智能知識(shí)分為5大主題——感知、表示與推理、機(jī)器學(xué)習(xí)、人機(jī)交互、社會(huì)影響。

（1）感知指通過傳感器感知世界，它涵蓋了人工智能領(lǐng)域的很多重要應(yīng)用，如語音識(shí)別、計(jì)算機(jī)視覺、場景理解等。

（2）表示與推理指通過特定的邏輯模型表示現(xiàn)實(shí)世界，并進(jìn)行推理，像網(wǎng)絡(luò)智能搜索、自動(dòng)駕駛汽車、人工智能對(duì)弈等都是它的具體應(yīng)用。

（3）機(jī)器學(xué)習(xí)指計(jì)算機(jī)通過數(shù)據(jù)以及各種算法進(jìn)行學(xué)習(xí)，它的具體應(yīng)用有機(jī)器翻譯、各種搜索、識(shí)別系統(tǒng)的訓(xùn)練等。

（4）人機(jī)交互指計(jì)算機(jī)與人類自然交互，如聊天機(jī)器人、教育中的智能學(xué)習(xí)伙伴等。

（5）社會(huì)影響要求對(duì)人工智能帶來的正面或負(fù)面的影響予以關(guān)注，包含了人工智能在道德層面的決策標(biāo)準(zhǔn)、設(shè)計(jì)方案等。

上述5個(gè)主題從性質(zhì)上覆蓋人工智能的各領(lǐng)域，因此，課程內(nèi)容和目標(biāo)以這5個(gè)主題為基本框架，并在此基礎(chǔ)上設(shè)計(jì)了各主題中的主要概念和分級(jí)學(xué)習(xí)目標(biāo)[5]。

教育部《普通高中信息技術(shù)課程標(biāo)準(zhǔn)（2017年版）》[6]將高中層次的人工智能能力目標(biāo)層次定位在：

（1）了解人工智能的發(fā)展歷程及其概念;

（2）能描述典型人工智能算法的實(shí)現(xiàn)過程;

（3）通過開發(fā)簡單的智能技術(shù)應(yīng)用模塊;

（4）親歷設(shè)計(jì)與實(shí)現(xiàn)簡單智能系統(tǒng)的基本過程與方法;

（5）增強(qiáng)利用智能技術(shù)服務(wù)人類發(fā)展的責(zé)任感。

（二）當(dāng)前K-12教育存在的不足

目前的人工智能教育產(chǎn)品容易陷入兩類誤區(qū)。第一類把創(chuàng)客教育或機(jī)器人教育包裝成所謂的“人工智能教育”，這類產(chǎn)品的特點(diǎn)是以之前的創(chuàng)客教育或者STEM教育體系為主，講授機(jī)器人的傳感控制或編程知識(shí)。這和人工智能的核心主題關(guān)系不大，沒有涉及人工智能學(xué)科領(lǐng)域;第二類則忽略人工智能專業(yè)的龐雜性，導(dǎo)致開發(fā)的課程體系與K-12學(xué)生的知識(shí)體系和認(rèn)知水平差異較大，難以獲得良好的教育效果[7]。

事實(shí)上，人工智能的應(yīng)用領(lǐng)域非常廣泛，在計(jì)算機(jī)視覺、語音識(shí)別、機(jī)器人學(xué)、自動(dòng)駕駛等應(yīng)用領(lǐng)域里，每一種應(yīng)用領(lǐng)域都涉及豐富的內(nèi)容，從數(shù)據(jù)的變換和特征提取這一方面，不同的領(lǐng)域就有不同類型的數(shù)據(jù)對(duì)象，涉及不同的物理原理，需要做不同的變換，而這些處理大部分與人工智能的核心沒有直接關(guān)聯(lián)，比如視覺計(jì)算里面的數(shù)據(jù)變換涉及到圖形學(xué)等基礎(chǔ)知識(shí)，如果要展開講解RGB空間變換和圖像變換這些內(nèi)容，則需要引入較多的數(shù)學(xué)知識(shí)，這在時(shí)間和知識(shí)結(jié)構(gòu)上都超出了K-12的范疇。上述問題是導(dǎo)致人工智能教材最后變成了創(chuàng)客教程的最直接原因。

K-12階段的人工智能教育并不只是夯實(shí)編程基礎(chǔ)與對(duì)人工智能的簡單科普，更不能只是簡單加入人工智能知識(shí)的編程課，人工智能教育與創(chuàng)客教育、編程教育等有著截然不同的側(cè)重點(diǎn)。通過對(duì)K-12階段的人工智能教育的主題分類、能力目標(biāo)的總結(jié)可以看到，中小學(xué)人工智能的教育，既不是拘泥于某個(gè)AI產(chǎn)品的學(xué)習(xí)，也不是強(qiáng)調(diào)編程和算法能力，最重要的是學(xué)習(xí)從AI的角度來認(rèn)識(shí)世界，以AI的視角來理解世界、解決問題，這是一種思維方式的鍛煉。AI教育融入到中小學(xué)，不是把大學(xué)的課照搬到中小學(xué)，而是“重思維、輕編程、淺AI”。讓學(xué)生用計(jì)算思維的方式進(jìn)行分析，用創(chuàng)造性的思維去想象解決方案，最終用設(shè)計(jì)思維去生成產(chǎn)品和作品。在課程內(nèi)容上，可根據(jù)課程目標(biāo)的要求，特別是不同年齡段目標(biāo)的設(shè)定，選擇相應(yīng)的內(nèi)容。

（三）當(dāng)前人工智能教育的效果分析

《中小學(xué)階段人工智能普及教育現(xiàn)狀調(diào)研報(bào)告》表明，許多受訪者對(duì)于人工智能的應(yīng)用和人工智能基本概念的認(rèn)知存在不足[8]。如下頁圖1所示，受調(diào)研的學(xué)生中有近八成表示對(duì)人工智能概念有所了解，但多數(shù)學(xué)生對(duì)人工智能的理解多依靠生活經(jīng)驗(yàn)和感性認(rèn)識(shí)，停留在感性和具象的水平。如實(shí)際生活中辨識(shí)度較強(qiáng)的對(duì)話機(jī)器人、自動(dòng)駕駛汽車、語音空調(diào)、繪畫機(jī)器人等是多數(shù)學(xué)生眼里的人工智能。在認(rèn)為“不屬于人工智能技術(shù)分支”的回答中，我們能夠發(fā)現(xiàn)更多的學(xué)生填寫了大數(shù)據(jù)、深度學(xué)習(xí)、圖像識(shí)別、情緒識(shí)別這幾個(gè)方面。不難看出，學(xué)生對(duì)人工智能概念理解的準(zhǔn)確度仍存在不小的偏差。筆者認(rèn)為當(dāng)前人工智能的教育仍然離目標(biāo)有一定的距離?？梢钥吹綇慕滩牡尼槍?duì)性、實(shí)驗(yàn)的設(shè)計(jì)和師資水平方面仍有較大的提升空間。

三、人工智能教育的改進(jìn)措施

隨著人工智能課程開始納入我國基礎(chǔ)教育階段以來的各種問題得到關(guān)注，《普通高中信息技術(shù)課程標(biāo)準(zhǔn) （2017年版）》再次重新設(shè)計(jì)了“人工智能初步”模塊。從課標(biāo)的變化上來看，傳統(tǒng)信息技術(shù)教育注重軟件技術(shù)的學(xué)習(xí)，而當(dāng)前的人工智能教育更注重核心素養(yǎng)的培養(yǎng)，包括計(jì)算思維和對(duì)人工智能的理解。“人工智能初步”課程的開展要求更加符合實(shí)際，側(cè)重項(xiàng)目式教學(xué)，同時(shí)，課程體系強(qiáng)調(diào)對(duì)學(xué)生的個(gè)性化培養(yǎng)。

但是無論概念如何簡化，人工智能教學(xué)項(xiàng)目的講授，都離不開復(fù)雜的建模。對(duì)于創(chuàng)客教育和機(jī)器人教育來說，軟硬件可以開發(fā)出半成品交付給教學(xué)，但模型是人工智能的核心產(chǎn)品，其訓(xùn)練過程伴隨著教學(xué)過程。而一個(gè)機(jī)器學(xué)習(xí)模型的訓(xùn)練包括了從數(shù)據(jù)的獲取、清洗、特征提取和變換，模型的訓(xùn)練是一個(gè)漫長過程。師資水平不足，也限制了K-12階段的人工智能教學(xué)的實(shí)際開展。

本研究在調(diào)研了機(jī)器學(xué)習(xí)領(lǐng)域近年來的發(fā)展的基礎(chǔ)上，提出利用近年來涌現(xiàn)出來的基于AutoML技術(shù)的建模產(chǎn)品助力K-12的人工智能教育的建議。

在機(jī)器學(xué)習(xí)從業(yè)領(lǐng)域，一個(gè)項(xiàng)目有大約80%的時(shí)間用在做數(shù)據(jù)清洗和特征工程，僅有20%的時(shí)間用來做算法建模，并且在模型的訓(xùn)練階段，大量的超參數(shù)的調(diào)試也需要專業(yè)的知識(shí)，這樣就導(dǎo)致機(jī)器學(xué)習(xí)和人工智能對(duì)于普通人來說變得門檻過高，對(duì)于K-12階段的學(xué)生來說，哪怕是高中階段的知識(shí)，也難以支撐起基本的機(jī)器學(xué)習(xí)算法比如線性回歸的介紹，而且可以應(yīng)用的案例較少。因此，越來越多的教育從業(yè)者也希望能夠降低機(jī)器學(xué)習(xí)的入門門檻，尤其是降低對(duì)特定領(lǐng)域的業(yè)務(wù)經(jīng)驗(yàn)要求、算法調(diào)參經(jīng)驗(yàn)等，甚至做到無代碼訓(xùn)練模型，基于這一背景，AutoML應(yīng)運(yùn)而生。

大部分的AutoML主要是基于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索NAS（Neural Architecture Search）和遷移學(xué)習(xí)（transfer learning）技術(shù)，利用強(qiáng)化學(xué)習(xí)或進(jìn)化算法來設(shè)計(jì)新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以及利用遷移學(xué)習(xí)和預(yù)訓(xùn)練好的模型加速模型的收斂速度。

AutoML的興起對(duì)其他領(lǐng)域的企業(yè)將AI應(yīng)用到業(yè)務(wù)提供了一種可行的方案，同時(shí)也將變革帶入了K-12的人工智能教育。AutoML將模型訓(xùn)練作為一種無門檻或者低門檻的服務(wù)提供給了市場，企業(yè)、教育機(jī)構(gòu)和個(gè)人均可以利用AutoML產(chǎn)品獲得人工智能的優(yōu)勢，對(duì)于教育從業(yè)者來說，可以設(shè)計(jì)和開發(fā)出更生動(dòng)、更能激發(fā)學(xué)生創(chuàng)作靈感的學(xué)習(xí)資源和項(xiàng)目，讓學(xué)生可以更直觀地獲得對(duì)人工智能的感受，對(duì)機(jī)器學(xué)習(xí)概念的理解。AutoML的出現(xiàn)開啟AI平民化的歷程，也讓K-12的人工智能教育能夠更多的聚焦在基本概念的理解、機(jī)器學(xué)習(xí)的應(yīng)用實(shí)踐上，無疑對(duì)于K-12的人工智能教育意義重大。

四、K-12人工智能教學(xué)應(yīng)用案例

本文在測試了技術(shù)可行性的基礎(chǔ)上，引入了一個(gè)基于micro：bit和谷歌teachable machine的人工智能教學(xué)方法，示范如何在K-12課堂里面開展人工智能教育。

（一）micro：bit

micro：bit是一款面向青少年編程教育，由微軟、英國廣播電視公司（BBC）、英國蘭卡斯特大學(xué)等20幾家機(jī)構(gòu)合作開發(fā)設(shè)計(jì)的微型電腦開發(fā)板，該開發(fā)板集成了加速度計(jì)、電子羅盤、藍(lán)牙、按鈕、LED點(diǎn)陣表，適合作為K-12教育階段的創(chuàng)客平臺(tái)。除了英國以外，micro：bit已被利用到一些國家和地區(qū)的信息技術(shù)課程中，被視為正式課程里的內(nèi)容。

micro：bit主板集成了豐富的傳感器和接口，無需獨(dú)立采購太多配件，即可完成許多任務(wù)，開發(fā)板界面如圖2所示，部分功能介紹如下頁表1所示。

與之配套的，微軟公司開發(fā)了基于web瀏覽器的makecode平臺(tái)，可以便捷地為micro：bit的開發(fā)提供一個(gè)IDE環(huán)境和模擬器。makecode平臺(tái)支持積木語言、JavaScript和Python三種語言，學(xué)習(xí)者可以在三種語言之中實(shí)時(shí)切換使用。Makecode還提供了一個(gè)模擬器，假若忽視micro：bit實(shí)體開發(fā)板的輸入輸出，makecode的模擬器幾乎可以替代micro：bit的開發(fā)板，用于大量編程實(shí)驗(yàn)的開發(fā)和設(shè)計(jì)之中，既降低了成本，也能實(shí)現(xiàn)編程開發(fā)。

基于micro：bit的創(chuàng)客教程非常多，makecode的官網(wǎng)上也有很多的例子，包括利用micro：bit的LED陣列顯示各種動(dòng)態(tài)、靜態(tài)的圖案以及結(jié)合板載加速度計(jì)、麥克風(fēng)等傳感器對(duì)顯示內(nèi)容進(jìn)行反饋和修改等。另外一些高級(jí)教程則需要用到更多的智能配件，比如在大量的micro：bit教育產(chǎn)品套裝里面，可以利用micro：bit控制攝像頭、服務(wù)器等配件的游戲產(chǎn)品，比如智能小車、機(jī)器人等。這些教程，體現(xiàn)了micro：bit的強(qiáng)大功能性和可玩性。然而，各種高級(jí)套件和各類機(jī)器人培訓(xùn)和競賽吸引大量使用者目光的同時(shí)，我們也應(yīng)看到，由于機(jī)器學(xué)習(xí)的理論門檻較高，以及對(duì)模型的訓(xùn)練、師資、教學(xué)時(shí)間、知識(shí)結(jié)構(gòu)均提出了較高的要求，導(dǎo)致真正的人工智能教育項(xiàng)目較難實(shí)施，而許多人工智能的訓(xùn)練營、課程，實(shí)際上與講授人工智能存在差距。

（二）谷歌teachable machine

谷歌的創(chuàng)意實(shí)驗(yàn)室發(fā)布了teachable machine，這是一個(gè)基于AutoML的免費(fèi)在線模型訓(xùn)練器，可在瀏覽器中使用機(jī)器學(xué)習(xí)，使用網(wǎng)絡(luò)攝像頭作為輸入來訓(xùn)練自己的機(jī)器學(xué)習(xí)模型。所有的訓(xùn)練都是使用deeplearn.js軟件庫在瀏覽器中完成的，該軟件庫是一個(gè)使用硬件加速的JavaScript庫，由Google Brain PAIR團(tuán)隊(duì)構(gòu)建并開放提供。要使用teachable machine，用戶只需要對(duì)自己想要識(shí)別的一些對(duì)象拍照，訓(xùn)練的加速是通過下載稱為“squeezenet”的預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的。研究顯示，相對(duì)于做對(duì)比的神經(jīng)網(wǎng)絡(luò)，squeezenet減少了50倍的訓(xùn)練參數(shù)。這意味著，squeezenet可以作為小于0.5MB的文件下載。雖然該神經(jīng)網(wǎng)絡(luò)具有更少的參數(shù)，但其分類效果不遜于大型的神經(jīng)網(wǎng)絡(luò)。

借助谷歌teachable machine建模工具，可以把人工智能的應(yīng)用簡化成一種流水線，讓學(xué)生跳過復(fù)雜的數(shù)學(xué)過程，對(duì)于模型、特征，有更直接的感受，從而為學(xué)生理解人工智能的模式提供了很好的啟蒙，為其以后的探索和求知奠定基礎(chǔ)。

比如，可以上傳或者通過攝像頭錄制不同的分類的訓(xùn)練圖片，然后在瀏覽器里通過拖拽teachable machine的模塊即可完成模型的訓(xùn)練。

整個(gè)模型的過程，從導(dǎo)入數(shù)據(jù)到打標(biāo)簽到訓(xùn)練模型，所有的操作都是通過拖拽完成。在這個(gè)模型生成以及訓(xùn)練的過程中，不需要人為的干預(yù)。訓(xùn)練數(shù)據(jù)例如圖片則不會(huì)同時(shí)上傳到云端的服務(wù)器，模型的訓(xùn)練全在本地進(jìn)行，這確保了隱私得到了充分的保護(hù)。在模型訓(xùn)練完畢，可以將模型保存在本地，也可以選擇將模型上傳到云端進(jìn)行共享。

教師在教學(xué)過程中，可以快速地在瀏覽器中建立模型，并在瀏覽器中直接演示模型效果。谷歌在2017年第一版的teachable machine里面只支持圖片的分類任務(wù)，目前已經(jīng)擴(kuò)展到了對(duì)姿勢、聲音的識(shí)別和分類，可以方便應(yīng)用開發(fā)者和課程建設(shè)者開發(fā)出各種有趣的應(yīng)用。

（三）將micro：bit與teachable machine結(jié)合，打造有趣的人工智能應(yīng)用

如果機(jī)器學(xué)習(xí)模型的分類只能在瀏覽器中完成。但是如果能夠?qū)崿F(xiàn)讓micro：bit接受teachable machine模型的推導(dǎo)結(jié)果，針對(duì)不同的結(jié)果，作出不同的動(dòng)作，就把可玩性拓展了，這實(shí)際上可以通過p5.js庫來間接實(shí)現(xiàn)。p5.js是一個(gè)JavaScript的函數(shù)庫，它的設(shè)計(jì)目標(biāo)就是讓藝術(shù)家、設(shè)計(jì)師、教育工作者和編程初學(xué)者能夠輕易地用程序來開發(fā)各種創(chuàng)意應(yīng)用，因此在很多創(chuàng)客項(xiàng)目里面都有廣泛的使用。

teachable machine作為模型訓(xùn)練器，其模型輸出結(jié)果無法直接控制micro：bit，而p5.js提供了很便利訪問串口的方法，因此可以通過p5.js將web端（teachable machine的分類器的結(jié)果）寫入串口，然后micro：bit在指定的串口偵聽接收的數(shù)據(jù)，完成與teachable machined的通信的。整個(gè)人工智能應(yīng)用的實(shí)現(xiàn)原理和工作流程如下。

1. 模型訓(xùn)練和生成：利用teachable machine訓(xùn)練模型，并把模型存儲(chǔ)在云端，記錄下模型的URL。

2. 獲得模型分類結(jié)果：編寫p5.js腳本并運(yùn)行，p5調(diào)用攝像頭實(shí)時(shí)采集圖像，將數(shù)據(jù)發(fā)送給模型進(jìn)行推導(dǎo)，然后將推導(dǎo)結(jié)果發(fā)往注冊的micro：bit串口地址。

3. 將micro：bit的處理邏輯用makecode寫入主板并運(yùn)行。

這個(gè)流程框架大大降低了模型訓(xùn)練的難度，這不但讓教學(xué)者，甚至學(xué)生也能參與到人工智能應(yīng)用到創(chuàng)作中來，構(gòu)思出大量有趣的、真正基于人工智能的應(yīng)用，比如用動(dòng)作來指揮micro：bit演奏不同的音符，或者用手勢來指揮micro：bit控制小車移動(dòng)等。micro：bit的不同反饋是利用機(jī)器學(xué)習(xí)中的圖像分類來實(shí)現(xiàn)的。teachable machine還支持對(duì)姿勢、聲音的分類識(shí)別，基于類似的原理，教師可以快速地建成各種模型，并將建成的模型應(yīng)用到不同場景。

五、結(jié)語

K-12人工智能教育的意義在于培養(yǎng)學(xué)生有意識(shí)地利用人工智能思維來思考和解決問題的能力。在教學(xué)上，應(yīng)該思考如何以一個(gè)完整的人工智能項(xiàng)目的實(shí)施流程，在幫助學(xué)生體驗(yàn)人工智能的同時(shí)，創(chuàng)新性地應(yīng)用人工智能解決實(shí)際問題。由于人工智能學(xué)科的特殊性，目前，K-12 人工智能教育仍處于探索階段，無論是在教學(xué)內(nèi)容設(shè)計(jì)還是師資培養(yǎng)上，均有待大量的研究和實(shí)踐。作為一種將AI平民化的工具，AutoML技術(shù)潮流帶給教育領(lǐng)域的變革潛力是巨大的。因此，在調(diào)研了目前主流產(chǎn)品的情況下，本研究提出了一種人工智能課程資源開發(fā)的流程以資參考，期望借此促進(jìn)K-12人工智能教育的科學(xué)化、系統(tǒng)化開展。

[參考文獻(xiàn)]

[1]中國政府網(wǎng). 國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].（2017-07-20）[2021-11-06].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]中華人民共和國教育部.教育部關(guān)于印發(fā)《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》的通知[EB/OL].（2018-04-03）[2021-11-07].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.

[3]中華人民共和國教育部.關(guān)于政協(xié)十三屆全國委員會(huì)第三次會(huì)議第2453號(hào)（教育類225號(hào)）提案答復(fù)的函[EB/OL].（2020-12-08）[2021-10-20].http：//www.moe.gov.cn/jyb_xxgk/xxgk_jyta/jyta_jia oshisi/202101/t20210128_511574.html.

[4]盧宇，湯筱玙，宋佳宸，等.智能時(shí)代的中小學(xué)人工智能教育：總體定位與核心內(nèi)容領(lǐng)域[J].中國遠(yuǎn)程教育，2021（5）：22-31+77.

[5]方圓媛，黃旭光.中小學(xué)人工智能教育：學(xué)什么，怎么教——來自“美國K-12人工智能教育行動(dòng)”的啟示[J].中國電化教育，2020（10）：32-39.

[6]中華人民共和國教育部. 普通高中信息技術(shù)課程標(biāo)準(zhǔn)（2017年版）[Z]. 北京：人民教育出版社，2018：1.

[7]謝忠新，曹楊璐，李盈，等.中小學(xué)人工智能課程內(nèi)容設(shè)計(jì)探究[J].中國電化教育，2019（4）：17-22.

[8]中國青少年科技輔導(dǎo)員協(xié)會(huì)人工智能普及教育專業(yè)委員會(huì).中小學(xué)階段人工智能普及教育現(xiàn)狀調(diào)查報(bào)告[R].2018-11-27.

[作者簡介]黃鐳，廣西信息職業(yè)技術(shù)學(xué)院互聯(lián)網(wǎng)科技學(xué)院助理研究員，碩士，研究方向：機(jī)器學(xué)習(xí)理論、大數(shù)據(jù)與教育數(shù)據(jù)分析。

[責(zé)任編輯 韋書令]