培養學生人工智能意識，讓技術服務生活

王兵

摘要：作者提出，在人工智能教育中，要從學生的角度出發，以親歷與了解為主，兼顧學生的個性發展，使學生能夠從生活中發現問題，并在解決問題的過程中學習新的知識技能，然后通過這些知識與技能解決問題，再通過問題的深入研究，迭代技術，最終達到新的高度。本文以三個人工智能項目案例為例，展示了作者所在學校輕人工智能教育的初步成果。

關鍵詞：輕人工智能;輕人工智能教育;人工智能意識

中圖分類號：G434 ?文獻標識碼：A ?論文編號：1674-2117（2022）13-0009-02

筆者所在學校從2013年開始接觸創客教育，2018年結緣人工智能教育，2020年把人工智能教育并入信息技術（信息科技）學科常規教學，2021年提出“輕人工智能”的概念。（注：輕人工智能是指以智能感知為主要研究對象，將計算機視覺與圖像處理作為課程的主體內容，學生在學習人工智能技術的同時，感受人工智能在學習與生活中的應用，嘗試應用人工智能技術來改善學習與生活場景，提高學習與生活的效率）

筆者在日常教學中，注意培養學生的人工智能素養，使其能具備適應終身學習和社會發展需要的品格與能力。下面，筆者借助具體案例談談如何與學生一起做人工智能項目。

● 用技術輔助生活

人工智能意識，是指學生對人工智能應用的敏感度與判斷力，學生能夠在日常生活觀察中自覺地思考是否可以運用人工智能技術來解決相關的問題，能夠根據解決問題的需要，自覺、主動地尋找恰當的人工智能技能與工具輔助解決，能夠對已有的人工智能解決方案進行批判性思考，并有一定的重現與改進的思維過程。

2021年，兩位學生在商場購物時發現商場里所采用的結算方式大多為人工智能收銀臺或自動收銀臺，需要逐一掃描商品條碼，導致消費者排隊時間長，由此，開始思考如何利用人工智能技術來解決這個問題。學生通過文獻閱讀，了解到國內現有自助收銀設備基本是傳統收銀臺的升級，另外一種就是射頻識別（Radio Frequency Identification，RFID）方案，但這些方案都需要逐一掃商品，效率低、成本高，因此，想出了利用圖像識別的方式，一次性進行掃描檢測，節約逐一掃描的時間。

學生首先對目標檢測算法進行了學習，在精確度與速度之間進行了折中的選擇，確定運用YOLO算法進行識別。首先選擇YOLOv2進行檢測，效果沒有達到理想水平，后來又換成了YOLOv5進行訓練識別。通過訓練之后，能夠做到100%正確識別出購物籃中的飲料瓶，達到了學生所預期的目標。由此可知，人工智能應用有時候并不需要有太復雜、太高深的技術支撐，只要學生能夠從生活細節中挖掘出問題，并用恰當的人工智能技術創新性解決這個問題，就是不錯的研究項目。這正是在中小學開展人工智能教育的重要價值。

● 用技術回饋社會

在教學過程中，教師應培養學生具有社會責任感，引導學生在面對社會上出現的一些問題時，能夠主動地承擔起對應的社會責任。具備社會責任感的學生，能夠自覺遵守智慧社會的法律法規，信守智慧社會的倫理準則，能夠利用人工智能技術回報社會。

2020年，新冠疫情席卷全球，校園防疫成為重要的課題，如何找到重點目標并對其進行跟蹤，從中找到在過去某一段時間內的密切接觸者，對密切接觸者及時進行報警，從而實現對疫情高效、快捷、及時的連鎖防控，是一個重要且棘手的問題。為了解決這個問題，學生在比較了相關濾波算法（DSST算法）和孿生神經網絡算法之后認為，孿生神經網絡可以以犧牲運算速度為代價，在目標快速運動、嚴重遮擋、背景雜波、光照變化和長期跟蹤等場景下具有較強的準確性和魯棒性。因此，學生在實驗中使用了AlexNet和CIRRes網絡（加入cropping-inside residual units的ResNet）作為孿生神經網絡的內核，使得系統能夠準確識別并跟蹤密切接觸者，達到了跟蹤已知目標、搜索所有人臉、判斷和界定密切接觸者這三個既定目標。方案實施流程如右上圖所示。

● 在實踐中迭代技術

基于真實情境的學習，能夠促進學生對人工智能應用的敏感性、對知識學習的掌控力、對問題求解的思考力的發展。把項目產品化，要求項目能夠從一對一的作品變成一對多的產品，使項目能夠快速移植，這也要求學生對項目的思考更加全面。

2018年，一位學生在參加創客比賽時，用三軸加速度傳感器制作了一個利用可穿戴設備來檢測老人是否摔倒的裝置，裝置利用數據波動算法來分辨老人動作是正常運動還是摔倒。后來，因考慮到老人容易忘了充電或忘了戴上以及產品功能升級成本太高的問題，學生開始構思利用人工智能技術，利用目標檢測算法，通過識別到的人體框圖參數中的寬、高的比例，來判斷人當前的狀態。但很快，學生就發現人體框圖的準確性太低，經過查閱資料，發現利用美國卡耐基梅隆大學開發的基于卷積神經網絡與監督學習的開源庫OpenPose進行人體姿態關鍵點的獲取，可以同時對大范圍人群進行體態異常監測，因此，將OpenPose得到的姿態關鍵點進行深度學習訓練和分類，區分出站、坐、蹲、躺、由站到坐、由站到蹲、由蹲到站、由坐到站、揮手求救、摔倒等10個不同的分類。通過姿態判斷及時地將信息傳回看護人員，可以在出現緊急情況時提供真實場景的狀況幫助看護人員決策，而且信息反饋及時，成本低，系統維護更加速度快。

從創客教育開始，筆者就希望學生能夠與大自然對話，通過傳感器來接收大自然給我們傳遞的信息，通過執行器，把我們需要表達的信息傳送給大自然。到了人工智能教育范疇，筆者建議學生除了通過自己的眼睛來觀察世界之外，還要學會通過計算機的“眼睛”來觀察世界。正因為如此，學生在日常訓練時所提出的項目，都是可以真實落地部署的項目，充分體現了學生在日常生活中對人工智能技術應用的思考。

參考文獻：

梁錦明.輕人工智能：聚焦中小學生的智能教育[J].中小學數字化教學，2021（04）：19-22.