“會學習的相機”開發與教學應用

【摘 要】針對當前中小學人工智能教育存在概念模糊、定位不清、工具不足、應用缺乏等問題，筆者開發一種名為“會學習的相機”的人工智能教學工具，通過給相機部署不同的AI模型，實現人臉檢測、頭盔識別等不同功能，并支持模型訓練和快速部署。通過“安全出行”教學實踐，“會學習的相機”能簡化人工智能學習流程、分解學習難度，整合信息科技模塊，有利于推廣人工智能教育，讓學生更好地實踐AI、應用AI。

【關鍵詞】信息科技；人工智能；機器學習

【中圖分類號】G434" "【文獻標識碼】B

【論文編號】1671-7384（2024）04-094-03

問題背景

自2017年國務院印發《新一代人工智能發展規劃》，要求廣泛開展人工智能科普活動，中小學開展人工智能教育已超過六年。其間，《普通高中信息技術課程標準（2017年版2020年修訂）》《義務教育信息科技課程標準（2022年版）》為中小學實施人工智能教育提供了政策依據和課程標準。當前，人工智能教育的重要性、必要性已然成為社會共識，但人工智能教學還存在一系列問題[1]：一是對人工智能教育認識不完整、不充分，僅僅是學習人工智能科普知識、使用特定人工智能工具，而沒有把人工智能教育的核心定位在AI模型上；二是人工智能模型的學習和應用一般基于Python環境，受制于學生認知能力，在義務教育階段實施面臨困難；三是即使有一些圖形化編程軟件、學習平臺能夠勝任模型訓練，一般應用于創新競賽，無法常態化應用于真實的生活場景。因此，在人工智能教育生機勃勃的義教階段，無法體現學生的人工智能知識和能力——訓練AI模型。

要改善這些人工智能教學現狀，首先要從學生視角理解AI模型，使用通俗的形式表達智能設備“推理”“預測”等能力的產生過程，即為什么設備會具有智能功能；其次要開發一種學習工具式的智能設備，通過某種技術實現智能功能，并能應用在生活中；最后在學習和應用中要操作簡單、模型部署便捷，要易于推廣、普及。

當前人工智能教育聚焦于以機器學習為代表的模型訓練，和“圖靈測試”相比較，“會學習”能體現人工智能與人的聯系。人的智能來源于學習，這更能讓中小學生理解人工智能是“模擬、延伸和擴展人的智能”的科學。同時，人工智能視覺應用比較成熟，在生活中十分常見；圖像數據也比較直觀，符合學生認知特點，能相對直觀地判斷人工智能推理效果。因此，這個學習工具式的智能設備（以下簡稱“相機”）以相機作為形態，以“會學習”作為特點，給相機學習特定的圖像數據，相機就具有特定的功能；給相機部署不同的模型，相機就具有不同的功能，如人臉檢測、頭盔識別等。本文以“會學習的相機”開發來試圖破解上文所談的人工智能教育困境。

“會學習的相機”設計與開發

1.設計原則

“會學習的相機”在設計與開發時應遵循以下原則。

（1）銜接原則

一是面向內容銜接。基于義教階段學段分層結構，為了避免人工智能教育知識割裂，特別是實現“體驗、訓練、應用”等不同學習階段目標時，以學習工具為媒介實現無縫銜接[2]。如在一、二學段，在相機上部署不同的AI模型讓學生體驗各種人工智能。在三、四學段又可以在相機上部署自學習（預訓練）模型，讓學生體驗相機是怎么學習的，甚至應用圖形化編程開發人工智能應用項目。二是面向其他學習工具銜接。多年的人工智能教育積累了豐富的經驗，也有一些比較優秀的工具、軟件，如Mind+、Kittenblock、掌控板等。借助這些成熟工具及其生態，能更好地開展人工智能教育。

（2）便捷原則

一是便于教學，把各類傳感器、主控、執行器等融于一體，像掌控板一樣高度集成，方便教學管理和操作，實現大班教學。二是便于應用，包括模型部署和項目開發、使用。如在模型部署與體驗等方面向“無門檻”“零基礎”靠近，項目應用時能脫離電腦直接使用等。三是便于分享和學習交流。如同學們發布的個人AI模型能無差別地重新部署在相機上，分享模型、分享成果、分享快樂。

（3）拓展原則

雖然相機是為普及人工智能教育設計的，面向所有學生，讓每個學生都能有自己的AI模型，但這些模型是最基礎的，是培養全體學生人工智能素養。模型同時要兼顧到優秀學生的學習需要，為他們提供創新發展的環境，所以相機既要面向全體學生，也要面向創新人才培養。

2.功能設計

（1）育人功能

義教階段共分為四個學段，雖然學生認知能力差異較大，但也有共同特征。如好奇性強、實踐時間多，樂于在游戲中學習、在活動中學習。相機能激發學生學習興趣、操作簡便、隨時可以使用、可玩性強。因此，選擇圖像分類與檢測作為相機的人工智能功能定位。把攝像頭作為圖像采集的工具，借助開放平臺算力訓練模型，使用圖形化編程完成項目實現。

（2）實踐功能

“會學習的相機”支持人工智能學習成果實踐，簡化了學習步驟和學習時間，被稱為“1320”實踐機制，即對于已有AI模型，1分鐘就能完成部署，體驗效果。對于預訓練模型，拍幾下就能完成分類學習，3分鐘教會相機學習。對于新模型，使用MaixHub在線訓練平臺或離線訓練軟件，20分鐘掌握訓練新模型，這些模型均能在生活中實踐應用。就實踐操作層面來說，1分鐘完成部署，是把模型作為一種文件，把相機作為一種移動存儲（如U盤），部署模型等于在電腦中進行復制、粘貼操作；重新啟動相機就能運行AI模型。3分鐘教會相機學習，是針對預訓練分類模型（如二分類），可以拍攝兩張不同類型的圖片，然后拍攝一組屬于這兩類特征的照片作為訓練數據，相機自動完成訓練，具有分辨這兩類照片（物品）的能力。20分鐘學會訓練新模型，是指通過在線平臺掌握模型訓練的原理、步驟及工具，能應用資源和工具訓練出新模型，包括分類和檢測兩類AI模型。

（3）技術功能

依托國內開源生態，相機參考基于全志V831、MaixPy3的M2dock和基于樂鑫ESP32的掌控板開發原型，保留了M2dock人工智能特性和掌控板物聯網主控功能。相機由人工智能模塊和物聯網控制模塊組成，兩個模塊使用串口傳輸數據，實現了人工智能推理結果的拓展和應用，并和“過程與控制”融合，滿足了信息科技課程的技術要求。相機保持了開源精神，把原型方案發布到開源平臺，任何教師都可以制作或改良。

“會學習的相機”教學應用

1.課程規劃

由于義教階段信息科技課程標準的學段劃分和內容安排，無法開展常規的、獨立教學的人工智能教育，給中小學人工智能教育實施帶來了挑戰。但從第一學段開始，信息科技課程標準中就有人工智能教育相關的描述，如學段目標中有“體驗文字、圖符、語音等多種輸入方式的表達與交流效果，有意識地使用數字設備處理文字、圖片和聲音”等表述；學段內容中有“語音輸入、拍照識圖、點讀筆、智能語音助手、刷臉進門、智能可穿戴設備、數字化學習工具，掃碼支付、掃碼下載，依靠數據和大數據，因果關系、預測結果及以數據、算法、算力、傳感器”等描述。可見人工智能教育可以融入不同學段的信息科技課程中。同時由于新課標面向全國，對于教育發展質量較高的地區，人工智能教育的目標和內容可能高于標準，因此，開展針對不同地區、不同學段的案例教學更符合當前實施人工智能教育的實際。

基于以上分析，結合相機特征，針對人工智能學習可以劃分為以下四個階段。第一階段：認知體驗。了解生活中的人工智能，認識人工智能工具，體會人工智能在學習、生活和工作中的作用和優點。第二階段：辨別分析。知道數據在人工智能中的作用。在生活場景中理解人工智能的推理、預測和生成。第三階段：實踐應用。應用人工智能相關工具，經歷生活、學習活動中的問題解決過程，體會過程中的科技與倫理。第四階段創新部署：面對生活問題能采集數據、訓練模型、部署模型、應用模型來創造性地解決問題，提升創新意識和能力[3]。

以上這四個階段的教學過程與策略，取決于學校實施人工智能課程的形式和安排。從第一學段至第四學段，獨立教學的學段為三年級至八年級，可以根據四個階段建設若干個教學案例，結合校情覆蓋各學段，案例的實施也可以根據學校的課程內容動態調整。

2.課例開發

基于以上規劃，在認知體驗階段，可以設計人臉關鍵點檢測、身體檢測等課例，學習部署已經完成的AI模型，體驗效果。在辨別分析階段，可以設計口罩檢測、眼鏡檢測、數字識別等課例，了解模型推理的原理。在實踐應用階段，可以設計二分類學習、多分類學習課例，通過部署自學習（預訓練）模型，體驗機器是怎樣“學習”的，知道數據、訓練、推理等概念，并使用模型解決生活中的問題。在創新部署階段，可以設計性別檢測（分類）、文具檢測（識別）、頭盔檢測（識別）等課例，掌握AI模型訓練的一般步驟，獨立訓練新模型并部署到生活中解決問題。

課題：安全出行——頭盔檢測。

學段：第三、四學段。

時長：3課時。

目標：知道交通安全的重要性，自覺遵守交通規則；使用人工智能工具檢測交通場景中的信息，知道人工智能推理原理，能讓相機認識更多交通信息，如頭盔、紅綠燈、方向指示牌等。訓練出多種關于交通安全的AI模型。

（1）項目導入活動

根據當前學生上下學期間交通事故易引起重大人身傷害的情況，學校要求乘坐電動自行車的同學上學時須戴好安全頭盔。為了保障學生安全，對沒有佩戴頭盔的同學發出安全警示、提醒下次必須佩戴頭盔。

（2）項目實施過程

活動一：分析問題、形成方案。在校門外安裝頭盔檢測裝置，具體功能為：發現電動車經過時，如果學生沒有佩戴頭盔，警示紅燈，并播放蜂鳴聲5秒；如果學生佩戴頭盔，則綠燈提示，播放蜂鳴聲1秒。

活動二：模型訓練與測試。為了讓裝備識別出頭盔，根據AI模型訓練的方法，通過互聯網采集100張含有頭盔的圖片。登錄訓練平臺，導入50張圖片，并為每張圖片中的所有頭盔部分打好標簽。在線訓練完成后，部署到相機，使用余下的50張照片進行推理測試，看是否能識別出頭盔。

活動三：程序設計。根據場景模擬，如果家長駕駛電動自行車，學生乘坐，檢測到兩個頭盔才符合安全要求。所以，當相機檢測到兩個頭盔時亮綠燈，播放蜂鳴1秒鐘；少于兩個頭盔時，亮紅燈，播放蜂鳴5秒鐘。

活動四：分享與交流。模擬校門外道路場景，項目組展示智能檢測效果，看能否實現預定功能。分享項目實施過程的知識學習、能力提升和情感狀態。

活動五：優化與拓展。通過采集數據，應用在線訓練平臺，我們讓相機學會了識別頭盔。其實道路上還有許多重要的交通信息，如“紅綠燈”“方向牌”等，請學生嘗試讓相機學會識別（模擬場景的）紅綠燈。

“會學習的相機”減輕了學校開展人智能教育的經濟負擔，可以快速形成校本化人工智能課程；課堂中，節省了AI模型訓練和部署時間，降低了操作難度，使學生的創意不受工具條件限制，快速變成現實，培養了學生人工智能素養。

思" 考

兩年來，生成式人工智能的廣泛應用，刷新了社會對人工智能的認知。人們不再像過去一樣把人工智能當成“刷臉”應用，也不會像自動駕駛一樣覺得既遙遠又不成熟。大家討論的焦點也從過去技術視角的“數據、算法、算力”轉向普通大眾能理解甚至應用的AI模型或“大模型”。而人工智能教育也越來越貼近生活，并在人工智能原理的基礎上，向使用模型、訓練模型轉變，真正向延展人的智能發展。“會學習的相機”正好扮演這樣一個角色，讓學生從知識和概念中呈現生活化的人工智能，通過使用模型、訓練模型發展人工智能素養。

注：江蘇省教育科學“十四五”規劃課題“小學人工智能教育的項目化學習體系建構和實施策略研究”（批準號：D/2021/02/148）課題成果

參考文獻

何聚厚，李天宇，何秀青. 中小學人工智能教育大單元設計的意蘊、困境和路徑[J]. 中國電化教育，2022（2）： 30-37.

盧宇，宋佳宸. 中小學人工智能教育的現狀、實施與發展[J]. 人工智能，2022（2）：8-13.

張永軍. 全球視野下中小學人工智能課程實踐及啟示[J]. 人民教育，2022（7）： 70-74.

編" "輯：徐靖程