中小學(xué)AI教育 需要怎樣的學(xué)習(xí)工具

夸美紐斯在其開(kāi)創(chuàng)“教育學(xué)”這一學(xué)科的巨著《大教學(xué)論》的第十一章中，曾指出“在此以前沒(méi)有一所完善的學(xué)校”，這句話在目前同樣適用。因?yàn)槲覀兡壳耙舱幱谝粋€(gè)“重新定義教育和學(xué)習(xí)”的新時(shí)代。就像在夸美紐斯的學(xué)校中，每個(gè)人都平等地接受語(yǔ)文、數(shù)學(xué)、科學(xué)和藝術(shù)教育一樣，人工智能教育的出現(xiàn)，給了我們一種重新看待學(xué)校和學(xué)習(xí)的視角。人工智能需要普及，僅僅將人工智能看成學(xué)習(xí)方式的觀點(diǎn)需要被修正甚至變革。這樣，我們面臨的首個(gè)問(wèn)題就是人工智能教育的教學(xué)內(nèi)容是什么。

本期對(duì)話，北京師范大學(xué)的在讀博士吳俊杰、上海人工智能實(shí)驗(yàn)室的戴娟和浙江省溫州中學(xué)的謝作如老師，將共話中小學(xué)AI教育需要怎樣的工具，從學(xué)習(xí)工具角度分析AI教育教什么和怎么教的問(wèn)題，從這個(gè)意義上說(shuō)，人工智能教育的“大教學(xué)論”的序幕才算是拉開(kāi)了。

北京師范大學(xué)在讀博士，創(chuàng)客教育普惠課程發(fā)起人，www.chinaaitest.com人工智能創(chuàng)客素養(yǎng)能力測(cè)評(píng)專家。研究方向?yàn)閯?chuàng)客教育的評(píng)價(jià)及教師專業(yè)發(fā)展、科創(chuàng)教育指導(dǎo)下的跨學(xué)科項(xiàng)目課程與拔尖創(chuàng)新人才培養(yǎng)。

上海人工智能實(shí)驗(yàn)室智能教育中心主任，商湯科技教育研究院院長(zhǎng)，曾任職美國(guó)蘋(píng)果Siri部門(mén)產(chǎn)品總監(jiān)和美國(guó)微軟Window Phone部門(mén)資深產(chǎn)品經(jīng)理。

》 謝作如

浙江省溫州中學(xué)人工智能實(shí)驗(yàn)室負(fù)責(zé)人，正高級(jí)教師，省特級(jí)教師，省“萬(wàn)人計(jì)劃”教學(xué)名師，中國(guó)電子學(xué)會(huì)現(xiàn)代教育技術(shù)分會(huì)副主任委員，中國(guó)教育技術(shù)協(xié)會(huì)信息技術(shù)教育專委會(huì)常務(wù)理事，上海人工智能實(shí)驗(yàn)室智能教育中心AI科創(chuàng)教育顧問(wèn)，浙江教育出版社出版的高中信息技術(shù)教材分冊(cè)主編，清華大學(xué)“大、中、小學(xué)一條龍教學(xué)研究”實(shí)驗(yàn)教材編寫(xiě)組信息技術(shù)教材副主編。

AI教育和創(chuàng)客教育、智慧教育的關(guān)系

吳俊杰：我知道謝作如老師目前在領(lǐng)銜研發(fā)一款A(yù)I教育工具。準(zhǔn)確地說(shuō)，是他對(duì)當(dāng)前的AI學(xué)習(xí)工具不滿意，決定“出山”自己來(lái)做一個(gè)新的。因此，我想先問(wèn)謝作如老師一個(gè)問(wèn)題：近兩年，“AI教育”在中小學(xué)是一個(gè)熱詞，是不是可以用AI教育來(lái)替代創(chuàng)客教育，或者說(shuō)AI教育已經(jīng)替代了創(chuàng)客教育？

謝作如：我不認(rèn)同AI教育替代了創(chuàng)客教育這一說(shuō)法。AI教育與創(chuàng)客教育，從來(lái)就不是替代和被替代的對(duì)立關(guān)系。雖然創(chuàng)客教育強(qiáng)調(diào)的是在造物中學(xué)習(xí)，而AI教育關(guān)注的是技術(shù)學(xué)習(xí)，用AI技術(shù)去解決問(wèn)題。但是二者關(guān)系非常密切，因?yàn)閯?chuàng)客總是會(huì)用更先進(jìn)的工具去解決問(wèn)題，當(dāng)AI技術(shù)的門(mén)檻降下來(lái)了，或者說(shuō)AI技術(shù)“大規(guī)模業(yè)余化”了，創(chuàng)客們就自然而然會(huì)用AI作為工具，去造智能的物，解決更多的問(wèn)題。

我給學(xué)生上人工智能課的時(shí)候，會(huì)有意識(shí)地找一些身邊的真實(shí)問(wèn)題作為案例，讓學(xué)生去解決。創(chuàng)客教育強(qiáng)調(diào)的是“為解決問(wèn)題而學(xué)習(xí)”，學(xué)習(xí)AI要解決的問(wèn)題不能局限在計(jì)算機(jī)本身，應(yīng)該源自真實(shí)的物理世界，這樣才能激發(fā)學(xué)生的學(xué)習(xí)興趣。所以，AI教育也會(huì)像創(chuàng)客教育一樣，采用項(xiàng)目式學(xué)習(xí)的理念。例如，這十來(lái)年中，我和學(xué)生經(jīng)常在創(chuàng)客空間研究各種識(shí)別人體姿勢(shì)的技術(shù)，這些研究項(xiàng)目既可以說(shuō)是創(chuàng)客教育，也可以說(shuō)是AI教育。因而，AI教育和創(chuàng)客教育是互補(bǔ)的，不是對(duì)立的。

吳俊杰：記得2017年時(shí)，我們?cè)诒本┙M織了一次小型研討會(huì)，和AI行業(yè)專家一起探討如何開(kāi)展AI教育。那時(shí)，國(guó)務(wù)院《新一代人工智能發(fā)展規(guī)劃》發(fā)布不久，人工智能成為一個(gè)熱詞，但中小學(xué)卻不知道如何實(shí)施。后來(lái)我們把研討會(huì)的主要觀點(diǎn)整理為一期對(duì)話，標(biāo)題是“人工智能教育：袪魅、進(jìn)展與實(shí)務(wù)”。一轉(zhuǎn)眼五年過(guò)去了，當(dāng)時(shí)的一些觀點(diǎn)，是否發(fā)生了變化？

謝作如：想起那次會(huì)議我記憶猶新。記得我們討論了整整半天后得出結(jié)論：AI教育至少有兩個(gè)教育目標(biāo)，一是培養(yǎng)適應(yīng)AI時(shí)代的人，二是培養(yǎng)能研發(fā)AI應(yīng)用的人。對(duì)于中小學(xué)來(lái)講，重點(diǎn)是先要解決第一個(gè)目標(biāo)，每一個(gè)孩子都必須學(xué)會(huì)如何與AI和平相處。下一步是吸引一部分孩子對(duì)AI產(chǎn)生興趣，試著用AI解決一些問(wèn)題。而要做到這些，需要有一系列AI項(xiàng)目和一套AI課程，還需要好的AI開(kāi)發(fā)和學(xué)習(xí)工具。

吳俊杰：現(xiàn)在還有一個(gè)教育名詞叫做智慧教育，它和人工智能教育似乎也有很多關(guān)聯(lián)，能否簡(jiǎn)單分析一下？

謝作如：因?yàn)槌３Ｓ腥藢⑷斯ぶ悄芙逃?jiǎn)化為“智能教育”，這就和智慧教育看起來(lái)特別像。其實(shí)智慧教育就是教育信息化，關(guān)注的是以物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能為代表的新技術(shù)在教育中的應(yīng)用，與今天討論的將人工智能作為學(xué)生學(xué)習(xí)內(nèi)容的教育是兩回事。但我一直將智慧教育中的很多應(yīng)用場(chǎng)景，如智慧教室、智慧校園作為學(xué)生研究人工智能技術(shù)的實(shí)踐場(chǎng)，讓學(xué)生從智慧教育的用戶走向工程師、設(shè)計(jì)師。

AI課程及其與學(xué)習(xí)工具的關(guān)系

吳俊杰：戴娟老師既是實(shí)驗(yàn)室智能教育中心的負(fù)責(zé)人，也是一名資深的中小學(xué)AI教育研究者，早在2018年就帶著團(tuán)隊(duì)開(kāi)發(fā)AI課程。我想請(qǐng)戴娟老師談?wù)勗谥行W(xué)AI教育深耕多年后的心得。

戴娟：我學(xué)的就是AI專業(yè)，2018年，一個(gè)偶然的契機(jī)讓我走上了青少年AI教育之路。這是一項(xiàng)開(kāi)創(chuàng)性的工作，我們的想法和認(rèn)知隨著實(shí)際教學(xué)活動(dòng)的反饋也在發(fā)生改變。通常的人工智能的定義是制造出能思考、能學(xué)習(xí)、能推理、能決策和能行動(dòng)的機(jī)器。基于這一點(diǎn)，我們努力去開(kāi)發(fā)能夠體驗(yàn)和應(yīng)用AI的課程，幫助中小學(xué)生更好地了解AI技術(shù)及其應(yīng)用。

隨著研究的深入，我們逐步認(rèn)識(shí)到了AI教育對(duì)于孩子成長(zhǎng)還有另一層意義。因?yàn)锳I也是一種認(rèn)知科學(xué)，當(dāng)教孩子們訓(xùn)練計(jì)算機(jī)來(lái)理解語(yǔ)言和作文的時(shí)候，他們需要深入理解語(yǔ)言的本質(zhì);當(dāng)教孩子們?nèi)绾谓虝?huì)機(jī)器學(xué)習(xí)并且了解機(jī)器有哪些學(xué)習(xí)的方法的時(shí)候，他們需要思考關(guān)于學(xué)習(xí)的問(wèn)題;當(dāng)教孩子們?nèi)绾谓虝?huì)機(jī)器推理和決策（機(jī)器的思考）的時(shí)候，他們需要研究關(guān)于思考的問(wèn)題。人類的大腦具有思考其自身的能力，AI作為一種人造的體外智能，可以幫助孩子們將其形式化的心智和認(rèn)知發(fā)展轉(zhuǎn)化為具象的學(xué)習(xí)過(guò)程。

吳俊杰：謝老師長(zhǎng)期工作在一線，您能否評(píng)價(jià)一下當(dāng)前的中小學(xué)AI教育現(xiàn)狀，并說(shuō)說(shuō)對(duì)AI教育的期望？

謝作如：我認(rèn)為到現(xiàn)在為止，AI教育并沒(méi)有得到很好的發(fā)展。雖然中小學(xué)冠名為AI教育的課程很多，但是良莠不齊。我將當(dāng)前的中小學(xué)AI課程分成三類，第一類是“渾水摸魚(yú)”型，就是把之前的編程、機(jī)器人課程，甚至包括樂(lè)高積木拼搭之類的課程改個(gè)名。第二類是“陽(yáng)春白雪”型，把高校的人工智能課直接拿過(guò)來(lái)給中小學(xué)，可惜代碼太復(fù)雜，只能體驗(yàn)。第三類是“撓癢癢”型，或者稱為AI應(yīng)用課程。這類課程把AI部分交給了硬件，如智能攝像頭、離線語(yǔ)音識(shí)別模塊，對(duì)學(xué)生來(lái)說(shuō)，無(wú)非用了功能更強(qiáng)大一點(diǎn)的電子模塊，哪怕做出了智能作品，但對(duì)AI的原理并不了解。

在我眼里，真正的AI教育是第四類課程。通過(guò)這類課程的學(xué)習(xí)，學(xué)生能夠掌握機(jī)器學(xué)習(xí)的方法，親歷整理數(shù)據(jù)、選擇模型、訓(xùn)練模型以及最終解決問(wèn)題的過(guò)程。學(xué)生只有親歷了用機(jī)器學(xué)習(xí)解決問(wèn)題的過(guò)程，才能深刻理解數(shù)據(jù)、算法和算力對(duì)人工智能的意義。2019年，我在編寫(xiě)初中AI教材和初中信息科技教材時(shí)，就希望能編寫(xiě)出這樣的課程，但因?yàn)槿鄙俸玫腁I學(xué)習(xí)工具，很多想法沒(méi)辦法落地。對(duì)初學(xué)者而言，現(xiàn)有的AI開(kāi)發(fā)框架都太難了，且不說(shuō)TensorFlow和Pytorch了，就連Keras對(duì)中學(xué)生的代碼能力要求也太高了。

吳俊杰：我在景山學(xué)校當(dāng)了十幾年的創(chuàng)客教師，能深刻理解學(xué)習(xí)工具對(duì)課程開(kāi)發(fā)的重要性。記得在開(kāi)源硬件Arduino出現(xiàn)之前，學(xué)習(xí)單片機(jī)是挺難的;在掌控板和SIoT（一款開(kāi)源MQTT服務(wù)器）出現(xiàn)之前，學(xué)習(xí)物聯(lián)網(wǎng)也是挺難的?，F(xiàn)在，我已經(jīng)明白了開(kāi)發(fā)AI學(xué)習(xí)工具的初衷了——因?yàn)楫?dāng)前的AI開(kāi)發(fā)工具太難，學(xué)生掌握起來(lái)有難度，而圖形化類自稱能做AI編程的工具又太簡(jiǎn)單。那么，謝老師您認(rèn)為一個(gè)好的AI學(xué)習(xí)工具應(yīng)該是什么樣的？

謝作如：這幾年，我一直在找一款好的AI學(xué)習(xí)工具，我希望這個(gè)工具入門(mén)簡(jiǎn)單，讓學(xué)生用簡(jiǎn)潔的代碼就能完成深度學(xué)習(xí)的訓(xùn)練，訓(xùn)練出來(lái)的模型能夠部署為真正的AI應(yīng)用，借助這一工具又能體驗(yàn)最新的AI算法模型。簡(jiǎn)單地說(shuō)，這款工具同時(shí)具有學(xué)習(xí)工具和開(kāi)發(fā)工具的特點(diǎn)，就如Python一樣，代碼簡(jiǎn)單，又能用來(lái)解決真實(shí)問(wèn)題。

吳俊杰：我很認(rèn)同您的分析，因?yàn)檎也坏竭@樣的學(xué)習(xí)工具，那就自力更生做一個(gè)，對(duì)吧？謝老師研發(fā)的AI學(xué)習(xí)工具叫什么名字？

謝作如：因?yàn)槭窃醋蚤_(kāi)源AI算法框架OpenMMLab，針對(duì)中小學(xué)在語(yǔ)法方面做優(yōu)化，降低技術(shù)門(mén)檻，因而取名為MMEdu。

MMEdu是一個(gè)什么樣的工具

吳俊杰：戴娟老師能否簡(jiǎn)單介紹一下OpenMMLab？

戴娟：OpenMMLab最早來(lái)自香港中文大學(xué)的MultiMediaLab（MMLab）實(shí)驗(yàn)室，由湯曉鷗教授領(lǐng)銜建設(shè)。上海人工智能實(shí)驗(yàn)室在2021世界人工智能大會(huì)上發(fā)布了新一代OpenMMLab，作為深度學(xué)習(xí)時(shí)代計(jì)算機(jī)視覺(jué)領(lǐng)域具有影響力的開(kāi)源算法平臺(tái)，OpenMMLab升級(jí)后涵蓋更廣泛的算法領(lǐng)域和應(yīng)用場(chǎng)景，實(shí)現(xiàn)了從訓(xùn)練到部署的全鏈條價(jià)值。

MMEdu項(xiàng)目的出發(fā)點(diǎn)是將OpenMMLab“降維”，希望將技術(shù)門(mén)檻降到中小學(xué)生也能使用。目前MMEdu項(xiàng)目的負(fù)責(zé)人就是謝作如老師，研發(fā)團(tuán)隊(duì)主要是實(shí)驗(yàn)室的實(shí)習(xí)生，分別來(lái)自上海交大、中國(guó)科學(xué)院大學(xué)、上?？萍即髮W(xué)等高校的AI專業(yè)大四學(xué)生或者研究生。他們大多是OpenMMLab的用戶，具有很強(qiáng)的AI研究和開(kāi)發(fā)能力。

吳俊杰：我明白了，相當(dāng)于是基于OpenMMLab團(tuán)隊(duì)的科研成果，延續(xù)其在工業(yè)和科研領(lǐng)域的硬實(shí)力，開(kāi)發(fā)了針對(duì)中小學(xué)的以“實(shí)干興邦”為導(dǎo)向的真正的人工智能工具M(jìn)MEdu。謝老師，您參與了好幾個(gè)版本的AI教材編寫(xiě)，能不能從教材編寫(xiě)的角度來(lái)談?wù)凪MEdu的開(kāi)發(fā)？

謝作如：當(dāng)前的中小學(xué)教材里用到的大部分AI工具，基本上都是由國(guó)外團(tuán)隊(duì)開(kāi)發(fā)的軟件。以高中的《人工智能初步》教材為例，六個(gè)版本的教材涉及機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的，全部使用Google公司的AI開(kāi)發(fā)框架TensorFlow。因?yàn)門(mén)ensorFlow有個(gè)前端的工具叫做Keras，教材中所有的神經(jīng)網(wǎng)絡(luò)都用Keras搭建，但Keras的使用門(mén)檻還是比較高，它不是為中小學(xué)生的學(xué)習(xí)開(kāi)發(fā)的。

因?yàn)槿鄙俸玫腁I工具，教材中的機(jī)器學(xué)習(xí)案例都局限于解決一些鳶尾花識(shí)別、手寫(xiě)體識(shí)別的分類問(wèn)題，幾乎不會(huì)涉及更復(fù)雜一點(diǎn)的AI識(shí)別問(wèn)題，如圖片中的目標(biāo)檢測(cè)，即圖片里面有多少個(gè)手表或者是有多少支筆之類的問(wèn)題。

吳俊杰：所以，您認(rèn)為大部分的人工智能教材里的例子，在難度上太簡(jiǎn)單，很難用這些AI知識(shí)去解決生活中的真實(shí)問(wèn)題，是嗎？

謝作如：在高中人工智能教材編寫(xiě)過(guò)程中，的確能看出情境單一、應(yīng)用窄化、知識(shí)陳舊的問(wèn)題，如機(jī)器學(xué)習(xí)算法停留在決策樹(shù)和回歸上，卷積神經(jīng)網(wǎng)絡(luò)內(nèi)容非常淺，甚至回避，深度學(xué)習(xí)更是一片空白?！叭斯ぶ悄艹醪健蹦K是選修課程，學(xué)生一旦選學(xué)以后，就意味著要走一條深入學(xué)習(xí)人工智能的專業(yè)道路，可教材并沒(méi)有提供這條道路，沒(méi)有讓學(xué)生學(xué)到最關(guān)鍵最有用的東西。但是，不能因?yàn)檫@一點(diǎn)去指責(zé)教材的編寫(xiě)者，沒(méi)有好的工具誰(shuí)也沒(méi)辦法。我也不例外，對(duì)自己前幾年編寫(xiě)的AI教材不太滿意，才有了強(qiáng)烈的開(kāi)發(fā)一個(gè)好工具的想法。

吳俊杰：我也教過(guò)AI課程，講過(guò)機(jī)器學(xué)習(xí)和蟻群算法，但一直覺(jué)得深度學(xué)習(xí)很高深，還沒(méi)有研究過(guò)。那么，中小學(xué)生能掌握這些連我現(xiàn)在都還不太理解的技術(shù)嗎？

謝作如：這一輪人工智能的興起，就在于深度學(xué)習(xí)的成功。而深度學(xué)習(xí)背后的原理，到目前為止還存在一個(gè)技術(shù)瓶頸，那就是“不可解釋性”。也就是說(shuō)，現(xiàn)在大家都是把深度學(xué)習(xí)作為一個(gè)黑箱子去使用，因而才有AI工程師戲稱訓(xùn)練模型過(guò)程為“煉丹”。對(duì)于中小學(xué)生來(lái)說(shuō)，并不是一定要弄清楚原理才能去使用深度學(xué)習(xí)這一技術(shù)。例如，現(xiàn)在幾乎每個(gè)孩子打開(kāi)平板就會(huì)用它上網(wǎng)、玩游戲，但他們知道“觸屏”技術(shù)的原理嗎？知道TCP/IP和HTTP協(xié)議嗎？從這一點(diǎn)看，要讓中小學(xué)生把AI當(dāng)作“黑盒”工具先用起來(lái)，至于背后的數(shù)學(xué)原理，等上了高校再研究吧，這點(diǎn)神秘感還能成為他們探索未知的動(dòng)力。

基于這樣的認(rèn)識(shí)，我就特別想讓學(xué)生去接觸一些前沿的AI應(yīng)用，如目標(biāo)檢測(cè)和對(duì)抗神經(jīng)網(wǎng)絡(luò)等。我第一次看到對(duì)抗神經(jīng)網(wǎng)絡(luò)的案例是在創(chuàng)客空間，一位學(xué)生用百度的PaddlePaddle運(yùn)行了自動(dòng)生成貓臉，身邊的其他同學(xué)和我一樣，眼睛都亮了。只可惜代碼太復(fù)雜，寫(xiě)教材的時(shí)候我沒(méi)有辦法將這樣的例子寫(xiě)進(jìn)去。因而，當(dāng)我了解到OpenMMLab愿意為中小學(xué)做“降維”的時(shí)候，就特別激動(dòng)，因此才有了MMEdu的故事。

吳俊杰：您不擔(dān)心這個(gè)工具開(kāi)發(fā)出來(lái)以后，它也會(huì)像借用AI開(kāi)放平臺(tái)接口技術(shù)的編程語(yǔ)言一樣，學(xué)生只是敲了幾行代碼去調(diào)用，并沒(méi)有學(xué)到真正的技術(shù)？

謝作如：我們先來(lái)看兩段代碼吧（如下頁(yè)圖1）。

前面一段是調(diào)用某AI開(kāi)放平臺(tái)的代碼，后面是MMEdu的模型推理代碼，功能都是識(shí)別一張手勢(shì)的圖，輸出結(jié)果。如果去除了開(kāi)放平臺(tái)的一些必要用戶信息，兩段代碼都非常簡(jiǎn)潔，很容易理解。但不同的是，前者調(diào)用的是部署在云端的公用AI模型，后者則是用自己在本地訓(xùn)練的模型權(quán)重文件（“l(fā)atest.pth”）做的推理。前者如同用“翻譯軟件”讀英語(yǔ)，自己并沒(méi)有真正懂英語(yǔ)，而后者是真正地掌握了技術(shù)，可以根據(jù)自己的需要訓(xùn)練不同的AI模型。

那么，用MMEdu訓(xùn)練一個(gè)AI模型困難嗎？我們?cè)賮?lái)看一段用MMClassification模塊訓(xùn)練的圖片分類模型的代碼（如圖2）。

現(xiàn)在，吳老師是不是已經(jīng)發(fā)現(xiàn)MMEdu的模型訓(xùn)練和推理的代碼都非常簡(jiǎn)潔也很好理解，讀起來(lái)非常像偽代碼？其實(shí)，深度學(xué)習(xí)本來(lái)就不復(fù)雜，無(wú)非是找到一組數(shù)據(jù)（數(shù)據(jù)集），搭建一個(gè)神經(jīng)網(wǎng)絡(luò)模型，然后開(kāi)始訓(xùn)練，當(dāng)訓(xùn)練出來(lái)的模型識(shí)別效果不錯(cuò)或者發(fā)現(xiàn)繼續(xù)訓(xùn)練準(zhǔn)確度也不會(huì)再提高時(shí)，就可以停止訓(xùn)練，保存這個(gè)相應(yīng)的權(quán)重文件，如圖3所示。

為什么MMEdu代碼可以做到這么簡(jiǎn)潔？吳老師看“model = MMClassification（backbone='LeNet'）”這句代碼，“LeNet”是一個(gè)典型的神經(jīng)網(wǎng)絡(luò)，用于手寫(xiě)數(shù)字和字母的識(shí)別效果特別好，也是卷積神經(jīng)網(wǎng)絡(luò)中必學(xué)的內(nèi)容。如果用Keras寫(xiě)代碼，搭建LeNet網(wǎng)絡(luò)需要挺長(zhǎng)的一段代碼，而MMEdu寫(xiě)出網(wǎng)絡(luò)名稱就能直接調(diào)用。這就是用OpenMMLab研究AI的優(yōu)勢(shì)所在。請(qǐng)戴娟老師來(lái)解釋一下背后的原理，她在香港中文大學(xué)讀書(shū)時(shí)參與過(guò)OpenMMLab的開(kāi)發(fā)。

戴娟：OpenMMLab現(xiàn)任負(fù)責(zé)人林達(dá)華老師曾經(jīng)這樣歸納——OpenMMLab助力開(kāi)發(fā)者縮短AI項(xiàng)目路徑。這是因?yàn)镺penMMLab內(nèi)置很多類似“LeNet”的經(jīng)典網(wǎng)絡(luò)，如MobileNet、yolov3等。這些內(nèi)置的經(jīng)典網(wǎng)絡(luò)也叫做SOTA模型，SOTA是“state-of-the-art”的縮寫(xiě)，指在某項(xiàng)研究任務(wù)中，目前表現(xiàn)最好、最先進(jìn)的模型。在科技屆有句名言叫“不要重復(fù)造輪子”（Stop Trying to Reinvent the Wheel），也就是說(shuō)，像這些SOTA模型本來(lái)就沒(méi)有必要讓開(kāi)發(fā)人員費(fèi)力去重新搭建，直接調(diào)用就可以了。

謝作如：OpenMMLab的這一功能讓我想到了Python。以排序?yàn)槔?，以前我們教VB，所以要學(xué)習(xí)冒泡、選擇之類的排序算法?，F(xiàn)在用Python了，要排序就直接用“sorted”或者“sort（）”，非常方便。必修教材也不再介紹排序算法了，只有在研究算法的時(shí)候（如“算法基礎(chǔ)”模塊）才會(huì)自己寫(xiě)代碼演示排序的原理。同樣，MMEdu雖然內(nèi)置了很多SOTA模型，但用戶也可以借助MMBase模塊，一層一層地搭建出個(gè)性化的模型。

吳俊杰：我理解了。的確，開(kāi)源硬件的出現(xiàn)也是如此，是為了降低單片機(jī)開(kāi)發(fā)的難度，用Arduino的引腳代碼控制引腳就很簡(jiǎn)單，像PWM、舵機(jī)控制的代碼，直接封裝為函數(shù)，不用單獨(dú)去寫(xiě)。這樣看來(lái)，創(chuàng)客教育的經(jīng)歷為謝老師開(kāi)發(fā)AI學(xué)習(xí)工具提供了很好的經(jīng)驗(yàn)。那么，MMEdu在代碼簡(jiǎn)化方面還做了哪些工作？

謝作如：除了內(nèi)置SOTA模型，MMEdu還統(tǒng)一了數(shù)據(jù)集的格式，如圖片分類采用了ImageNet，物體檢測(cè)采用了COCO。學(xué)生按照數(shù)據(jù)集的要求整理好數(shù)據(jù)，在代碼中指定路徑就可以了。我們認(rèn)為學(xué)生整理數(shù)據(jù)集也是一種通用的能力，像物理實(shí)驗(yàn)素養(yǎng)一樣，可以稱為人工智能實(shí)驗(yàn)素養(yǎng)。

此外，MMEdu簡(jiǎn)化了訓(xùn)練時(shí)的各種參數(shù)。我們請(qǐng)項(xiàng)目組的同學(xué)給這些參數(shù)都設(shè)定好缺省值，這樣一來(lái)，雖然犧牲了一部分的性能，但入門(mén)就簡(jiǎn)單了。目前，MMEdu訓(xùn)練時(shí)一般只需要寫(xiě)一個(gè)參數(shù)，那就是Epoch，即訓(xùn)練的輪次。

需要說(shuō)明的是，訓(xùn)練參數(shù)雖然都設(shè)置了缺省值，但是學(xué)生如果理解了某個(gè)參數(shù)的價(jià)值，訓(xùn)練時(shí)就可以添加這個(gè)參數(shù)，如默認(rèn)“validate”為“True”，表示訓(xùn)練時(shí)能看到準(zhǔn)確率，改為“False”則能夠提高一點(diǎn)速度。這就給學(xué)生們一種暗示：掌握的AI知識(shí)越多，訓(xùn)練出來(lái)的模型可能就越好，速度也可能更快。這些參數(shù)添加的方式和OpenMMLab完全一致，也就是說(shuō)當(dāng)學(xué)生掌握了MMEdu，再遷移到OpenMMLab是無(wú)縫的。

吳俊杰：您的這段話也啟發(fā)了我，在物理課程與教學(xué)論專業(yè)有一個(gè)詞叫做概念的進(jìn)階，指學(xué)生對(duì)概念的理解就像臺(tái)階一樣。例如，“力”這個(gè)概念，在小學(xué)階段“力”就是一種來(lái)自身體的直觀感受;到了初中，“力”可以通過(guò)測(cè)力計(jì)之類的工具測(cè)量，能看到具體的數(shù)值;到了高中，就進(jìn)階到牛頓第二定律、牛頓第三定律的層次;到了大學(xué)，“力”這個(gè)概念可能不一定存在了，變成動(dòng)量的一種流動(dòng)形式。我感覺(jué)用MMEdu學(xué)習(xí)AI，也是這樣逐步“進(jìn)階”的過(guò)程。那能不能用簡(jiǎn)短的一句話來(lái)定義MMEdu是一個(gè)怎樣的工具？

謝作如：我的定義是一款“開(kāi)箱即用”的AI學(xué)習(xí)或者開(kāi)發(fā)工具。這里的“開(kāi)箱即用”不僅僅是內(nèi)置了SOTA模型之類，還包括了環(huán)境的配置。MMEdu直接解壓就能使用，老師們?cè)僖膊挥脼榄h(huán)境配置而發(fā)愁了。

吳俊杰：我再問(wèn)一個(gè)初級(jí)的問(wèn)題。在一般老師看來(lái)，調(diào)用AI開(kāi)放平臺(tái)就能實(shí)現(xiàn)很多的AI應(yīng)用，那么，學(xué)生用MMEdu自己訓(xùn)練模型，與使用AI開(kāi)放平臺(tái)相比有什么區(qū)別？我是指能不能解決某些用AI開(kāi)放平臺(tái)無(wú)法解決的問(wèn)題？

謝作如：現(xiàn)在的AI開(kāi)放平臺(tái)的確功能非常強(qiáng)大，已經(jīng)能夠?qū)崿F(xiàn)很多AI識(shí)別功能。以某AI開(kāi)放平臺(tái)為例，上傳一張動(dòng)物的照片，能夠返回準(zhǔn)確度很高的識(shí)別結(jié)果。但是，如果用戶僅僅想識(shí)別出自己家的寵物，則需要啟用“EasyDL定制動(dòng)物識(shí)別”功能，雖然這一過(guò)程并不用寫(xiě)代碼，但是操作非常煩瑣，而且還要收費(fèi)。在MMEdu上，學(xué)生們只要自己給寵物多拍幾張不同角度的照片，再找一些其他的動(dòng)物照片，分為兩組，按照前面的代碼開(kāi)始訓(xùn)練就可以了。只要數(shù)據(jù)集做得好，識(shí)別效果也是相當(dāng)不錯(cuò)的。

用簡(jiǎn)單的語(yǔ)言去概括：AI開(kāi)放平臺(tái)提供的是通用的AI能力，而自己訓(xùn)練的模型，實(shí)現(xiàn)的是個(gè)性化的AI能力。最重要的是，通過(guò)MMEdu訓(xùn)練模型得到的AI解決問(wèn)題能力是真實(shí)的、永久的。

吳俊杰：這是一個(gè)有說(shuō)服力的例子，我也心動(dòng)了。我記得謝老師在前面提到過(guò)很多工具，如TensorFlow、Pytorch和Keras，還有PaddlePaddle。MMEdu和這些工具之間是什么關(guān)系呢？

戴娟：TensorFlow、Pytorch和PaddlePaddle都可以稱為AI開(kāi)發(fā)框架，而Keras、OpenMMLab可以稱為前端的API工具，是基于AI開(kāi)發(fā)框架的封裝。MMEdu則是對(duì)OpenMMLab進(jìn)一步封裝（如下頁(yè)圖4）。TensorFlow和Pytorch目前是AI領(lǐng)域最大的兩個(gè)陣營(yíng)，PaddlePaddle的用戶規(guī)模要少很多。實(shí)際上，Keras也是支持Pytorch的，而OpenMMLab修改底層后也能夠支持TensorFlow或者PaddlePaddle。但因?yàn)門(mén)ensorFlow并沒(méi)有真正開(kāi)源，因而目前學(xué)術(shù)界使用Pytorch的越來(lái)越多了。

吳俊杰：那用MMEdu訓(xùn)練出來(lái)的模型，能不能運(yùn)行在樹(shù)莓派、虛谷號(hào)之類的迷你電腦上？

戴娟：目前MMEdu已經(jīng)能夠部署到樹(shù)莓派和Jetson Nano上。當(dāng)然，你可別期望在迷你電腦上訓(xùn)練模型，速度真的太慢了。另外，OpenMMLab中有個(gè)模塊叫做MMDeploy，是一個(gè)模型部署工具，其功能是把機(jī)器學(xué)習(xí)訓(xùn)練生成的算法模型，部署到各類移動(dòng)或者邊緣計(jì)算設(shè)備上去，并使之高效運(yùn)行，從而將算法模型實(shí)際地應(yīng)用到現(xiàn)實(shí)生活的各類任務(wù)中去。目前MMDeploy所支持的算法模塊有檢測(cè)（MMDetection）、分割（MMSegmentation）、分類（MMClassification）、編輯（MMEditing）和文字識(shí)別（MMOCR）等，支持后端推理引擎類型有ONNX Runtime、TensorRT和OpenVINO等。相信在不久的將來(lái)，用MMEdu訓(xùn)練出來(lái)的模型，能夠部署到更多的迷你終端上。

謝作如：再補(bǔ)充一點(diǎn)，MMEdu還內(nèi)置了siot、pinpong、PyWebIO等與開(kāi)源硬件或者物聯(lián)網(wǎng)互動(dòng)的庫(kù)，學(xué)生可以在自己的計(jì)算機(jī)或者算力服務(wù)器上訓(xùn)練模型，然后部署到各種開(kāi)源硬件上。在溫州中學(xué)人工智能實(shí)驗(yàn)室里，就部署了好幾個(gè)學(xué)生設(shè)計(jì)的AI與智能家居設(shè)備互動(dòng)的作品。學(xué)生們已經(jīng)把智慧校園真正當(dāng)作了AI技術(shù)的實(shí)踐場(chǎng)。

MMEdu的未來(lái)展望

吳俊杰：聊了這么多，回到一個(gè)傳統(tǒng)的問(wèn)題， OpenMMLab是個(gè)開(kāi)源的工具，是否要求他人用MMEdu的訓(xùn)練結(jié)果（指模型和權(quán)重文件）也開(kāi)源？或者說(shuō)MMEdu能不能用于商用項(xiàng)目？

戴娟：我們的確很希望有更多的人來(lái)貢獻(xiàn)他們的數(shù)據(jù)集和訓(xùn)練出來(lái)的模型權(quán)重，所以后面在策劃做一個(gè)社區(qū)。智能教育中心目前有一個(gè)團(tuán)隊(duì)專門(mén)做社區(qū)，但問(wèn)題在于需要建設(shè)一個(gè)怎樣的機(jī)制，才能吸引師生們參與到這個(gè)社區(qū)中去，開(kāi)源他們的研究成果？靠著某種協(xié)議強(qiáng)制開(kāi)源似乎不可行。我想只要我們堅(jiān)持把MMEdu做好，開(kāi)源的機(jī)制總會(huì)慢慢設(shè)計(jì)出來(lái)。

謝作如：MMEdu肯定能用于商用項(xiàng)目，正如很多創(chuàng)客會(huì)用開(kāi)源硬件來(lái)做產(chǎn)品原型一樣。我倒特別期待有團(tuán)隊(duì)用MMEdu做商業(yè)項(xiàng)目，因?yàn)檫@更能說(shuō)明MMEdu是一個(gè)真正的AI開(kāi)發(fā)工具。

對(duì)話后記

完成了這一次的對(duì)話，讓我認(rèn)識(shí)了一個(gè)既熟悉又陌生的謝作如。我認(rèn)識(shí)謝作如老師很多年，他一直在研究前沿技術(shù)，而我一直只研究成熟技術(shù)的普及，此次MMEdu的出現(xiàn)，在中小學(xué)AI教育領(lǐng)域讓人工智能成為一種成熟的技術(shù)，并且可以成為提高教育的社會(huì)生產(chǎn)力的一種通用工具了。

人工智能是科學(xué)，科學(xué)是全人類的財(cái)富，科學(xué)家是促進(jìn)社會(huì)進(jìn)步最重要的一支力量，科學(xué)普及是教育也是育人，真正的教育是直接產(chǎn)生社會(huì)價(jià)值的，也會(huì)讓社會(huì)變得更加美好。我相信，依靠人類的力量，一個(gè)屬于人工智能教育的“大教學(xué)”的時(shí)代，即將來(lái)臨。

（吳俊杰）