一種極低成本的可用于人工智能基礎教學的軟硬件環境

中圖分類號：G434文獻標識碼：A論文編號：1674—2117（2025）15-0035—04

教師在開展人工智能相關教學的過程中——無論是面向人工智能原理的教學，還是人工智能對學科賦能，常常會面臨軟硬件環境的限制。例如，教師在前往陌生的環境進行教學活動或教學展示時，可能會遇到設施不足、設備不兼容、環境不熟悉等問題，影響到人工智能相關教學的實施效果；在經濟較為薄弱的地區，教育資源可能相對匱乏，人工智能教學設備可能較為有限，當前還較少有可能配備昂貴的算力服務器，對某些耗費算力較多的人工智能活動項目產生阻礙；此外，進行軟硬件部署往往需要耗費大量的時間和精力，從設備采購、安裝調試到系統配置，每一個環節都需要專業的技術支持，這都增加了教學的難度和負擔。在某些情況下，需要一種簡易的、可用于基礎人工智能教學的軟硬件環境。這種環境應該具備成本低、搭建簡單、靈活性高的特點，可以讓教師在不同的教學場景中快速部署和使用，無需復雜的技術操作和高昂的成本投入。同時，它還應該具備良好的兼容性和可擴展性，能夠適應不同的教學需求和學生水平。通過這樣的軟硬件環境，可以為更多的學生提供優質的人工智能教育，促進教育公平和創新發展。

在《一種可用于人工智能基礎教學的輕量級神經網絡推理模型的構建方法》一文中（刊登于本刊

2025年第13期），已介紹了為了降低成本，利用TinyML，在邊緣設備上部署神經網絡推理系統的方法，本文將介紹另一種以極低成本快速搭建人工智能軟硬件環境的路徑：將機器學習或神經網絡的訓練框架以及推理模型都部署在普通的個人計算機（PC）上，僅在計算機外部保留接收信號的執行機構。

個人計算機如何直接與執行機構交互信息？

一般來說，嵌人式計算機或基于單片機的電子開發板可選擇的輸入或輸出接口類型多樣，方式相對個人計算機更靈活。常見的第一種方案是配備一些常用的嵌入式計算機或電子開發板，作為控制執行機構的中介（如圖1）；第二種方案是直接在嵌入式計算機（如樹莓派、行空板等）上部署機器學習的框架和推理系統（如圖2）；第三種方案是僅在電子開發板上部署推理系統（如圖3）。上述方案都是可行的，但無論如何，都需要增加硬件和管理上的成本，我們不妨考慮是否存在這樣的可能性：直接讓部署人工智能訓練框架和推理系統的計算機和執行機構進行交互（如圖4）。

然而，個人計算機的輸出設備的標準配置一般僅僅是顯示器和音箱（或耳機），其他輸入輸出通道相當有限，筆者整理了幾種可能實現計算機直接與執行機構交互信息的方法（如下表）。

實際上，在信號輸入輸出通道搭建過程中涉及相當多的細節，很難用一張簡單的表格體現出來。例如，使用物聯網繼電器實現遠程開關的控制，需要另外搭建物聯網服務器，或借用在線的物聯網服務器；使用音頻接口的確能發送信號，但聲音信號是一個震蕩的波形，在控制執行機構時，常常需要額外的電路對聲音波形進行轉換，這些都增加了技術上的實現難度。有些模塊雖然降低了使用上的難度，如USB轉GPIO模塊，但和某些電子開發板比較，成本上已經不具有多少優勢了。

借助光敏傳感器輸出信號

本文介紹一種較為特別的方法，來實現個人計算機對執行機構的控制。可以構建這樣一個信號傳遞通路，由光敏傳感器接收電腦屏幕光強度的變化，然后根據光的強弱，發送開關量信號給電機驅動芯片，由電機驅動芯片控制電機旋轉或停止。圖5顯示了一種具體的接線方案，這個方案采用TA6586電機驅動芯片，光敏傳感器和電機驅動芯片的VCC引腳接電源的正極，它們的GND引腳接電源負極，光敏傳感器的數字信號輸出引腳DO接線至電機驅動芯片左下角1號引腳也即數字信號輸入引腳，電機的正負兩個端子接電機驅動芯片右上角5號引腳和左上角8號引腳。以此類推，也可以用兩個光敏傳感器和兩個電機驅動芯片，控制兩個電機。考慮到TA6586電機驅動芯片具備控制電機正反轉的功能，還可以用一個光敏傳感器，一個非門芯片，通過一個TA6586芯片，控制一個電機的順時針或逆時針的旋轉，當然，這樣接線就會復雜很多。

圖1在個人計算機上部署訓練框架和推理系統，將電子開發板作為控制執行機構的中介

圖3在個人計算機上部署訓練框架，在電子開發板上部署推理系統

圖2在嵌入式計算機上部署訓練框架和推理系統

圖4部署了訓練框架和推理系統的個人計算機直接控制執行機構

圖5一種由個人計算機控制執行機構的方式

在一般的信息系統中，光敏傳感器是用來采集輸入信號的，但在上述方案中，光敏傳感器接收到的是計算機顯示器的光線強度，只要能控制顯示器光線強度發生變化，光敏傳感器實際就成為某個輸出設備的一部分了。光敏傳感器和電機驅動芯片的成本都很低，即便考慮到用于免焊接的面包板以及導線、電池等元件，到本文截稿為止，某具備兩路輸出通道的輸出設備的總價也僅僅在10元左右。

接下來，就是要讓計算機屏幕通過明暗變化來對外發送信號。

采用生成式人工智能，只要描述到位，就可以輕松地生成相關代碼，圖6所示是基于pygame庫實現窗口明暗交替變化的代碼和運行效果。

為了實現屏幕明暗變化，除了更換窗口背景色，也可以采用其他多種方法。例如，用turtle庫繪制圓圈，填充黑色，然后清空屏幕，并多次重復以上過程，這樣就和必修中算法的內容產生了關聯。

基于低成本輸入輸出設備的人工智能實驗環境的搭建

可以利用個人計算機的鍵盤或鼠標作為輸入設備，結合剛才搭建的輸出設備，架設起一些簡單、低成本的人工智能實驗環境。

例如，可以用生成式人工智能生成具有這樣功能的代碼：顯示白色背景的窗口，讓用戶在窗口上繪制指向不同方向的箭頭，這樣，不僅可以相當簡單地采集并保存一批帶標簽的數據，還可以用差不多的程序代碼，作為控制外部執行機構的“指揮”界面。下頁圖7所示就是可用于方向箭頭繪制的程序代碼界面，以及按 50*50 像素保存的圖像及自動生成文件名，圖像標簽就隱藏在文件名中。顯然，每一次繪制的箭頭，雖然表示的方向可能是向前、向左、向右，但具體的形態細節是各不相同的，這樣就自然而然產生出了機器學習的需求。

采用較為常見的神經網絡框架，就可以采用這些圖像，實現神經網絡的訓練以及推理模型的建立。

圖7可用于萬向箭頭繪制的程序代碼界面與數據采集的結果實例

圖8小車與架設了光敏傳感器的支架

甚至于只要采用傳統的機器學習算法，如較為簡單的K近鄰算法，就能夠達到不錯的識別正確率。

只要機器識別出多種符號，如方向箭頭、抬筆指令、落筆指令等，就可以用turtle庫控制虛擬小海龜來繪圖了。當然，如果有攝像頭，也可以直接拍攝圖像來識別符號并控制虛擬小海龜。需要注意的是，如果要達到較好的效果，在前期采集數據時，就需要用攝像頭采集各種符號圖像而不是通過手動繪制采集圖像來構建訓練集。

圖9用光敏傳感器接收顯示器上的信號

這里補充說一下，只需要不多的經費，就可以將虛擬的海龜實體化為智能小車。圖8所示是用簡單支架和電機搭建的智能小車，由于信號通過導線來自光敏傳感器，小車成本極低（如增加無線收發模塊就可以升級為遙控）。圖9顯示的是兩個光敏傳感器通過顯示器上顯示的圖案接收信號，這樣，就可以將機器學習模型或神經網絡推理模型得到的圖像判斷結果，轉換成特定的控制指令發送給智能小車了。