近日，由中國人工智能學(xué)會主辦的《2024年全球人工智能技術(shù)大會——面向基礎(chǔ)教育課程的AIGC應(yīng)用》在中國杭州舉行。生成式人工智能（AIGC）在基礎(chǔ)教育應(yīng)用中還是初步階段，對于AIGC與開源硬件深度結(jié)合應(yīng)用于基礎(chǔ)教育中的發(fā)展前景，上海智位機(jī)器人股份有限公司CEO葉琛博士與線上的專家和43萬聽眾，一起探討和分享了他的看法。

開源硬件在基礎(chǔ)教育的10年

葉琛博士首先從硬件在基礎(chǔ)教育發(fā)展的10年講起，解惑了聽眾存在的疑問——開源硬件在人工智能基礎(chǔ)教育中的作用。在這10年里，開源硬件在基礎(chǔ)教育的發(fā)展經(jīng)歷了一段有序的演進(jìn)。2006年，Arduino Uno作為首款面向高校藝術(shù)生的開源硬件問世，其簡單易用的特點降低了非技術(shù)學(xué)生進(jìn)行藝術(shù)類交互式項目和原型設(shè)計的門檻。10以后，在2016年，英國BBC發(fā)布了正式面向基礎(chǔ)教育的開源硬件產(chǎn)品micro:bit，為學(xué)生提供了更多實踐機(jī)會。2018年，國產(chǎn)掌控板也推出，進(jìn)一步豐富了基礎(chǔ)教育場景中的硬件選擇。這些開源硬件已經(jīng)在全球范圍內(nèi)的中小學(xué)基礎(chǔ)教育中得到了比較廣泛的應(yīng)用。2014年，謝作如老師發(fā)布了面向開源硬件的中小學(xué)課程，開啟了開源硬件在中國基礎(chǔ)教育領(lǐng)域的發(fā)展。

這10年間，開源硬件在國內(nèi)基礎(chǔ)教育得到了廣泛的應(yīng)用。涵蓋了自然科學(xué)、技術(shù)、生命科學(xué)、基礎(chǔ)教育的勞動教育、通用技術(shù)，以及物理跨學(xué)科和實踐類課程。開源硬件在基礎(chǔ)教育生態(tài)系統(tǒng)中相對比較完善。全球范圍內(nèi)，提供了500多種不同的開源硬件選擇，同時在軟件層面上也有許多圖形化編程軟件和相關(guān)工具可供選擇。近年來，在物聯(lián)網(wǎng)領(lǐng)域，EasyIoT、SIOT等服務(wù)器端技術(shù)，以及與物聯(lián)網(wǎng)通信相關(guān)的無線通信模塊得到了廣泛而完善的應(yīng)用。

開源硬件在基礎(chǔ)教育的10年中發(fā)揮的作用

葉琛博士總結(jié)了開源硬件在基礎(chǔ)教育10中起到的四大作用：

一、在基礎(chǔ)教育中，學(xué)習(xí)計算思維、STEM相關(guān)的課程，硬件增加了學(xué)生對所學(xué)內(nèi)容的興趣，培養(yǎng)和發(fā)展了學(xué)生的問題解決能力和機(jī)電一體化相關(guān)知識。

二、Arduino以及類似開發(fā)板被認(rèn)為是一個用戶友好且易于獲取的教育資源，可以與模擬器結(jié)合使用，激發(fā)學(xué)生的動機(jī)，促進(jìn)跨學(xué)科和多學(xué)科的學(xué)習(xí)。

三、編程與STEAM教育：學(xué)習(xí)編程有助于學(xué)生掌握其他與計算思維相關(guān)的STEAM學(xué)科，特別是機(jī)器人和人工智能領(lǐng)域。

四、使用硬件的學(xué)生在科學(xué)知識和技能測試中的表現(xiàn)優(yōu)于未使用的學(xué)生。

開源硬件在STEAM跨學(xué)科中的廣泛應(yīng)用

葉琛博士講到“開源硬件在STEAM跨學(xué)科中發(fā)揮了廣泛的應(yīng)用。在科學(xué)探究課上，學(xué)生常常面臨沒有適當(dāng)工具的問題，但通過開源硬件，他們可以制作探究類的工具，以便完成相關(guān)的探究活動。比如，學(xué)生探究水在自然空氣中和在太陽照射下的純凈度變化時，如果缺乏開源硬件，這個實驗將會面臨困難，因為需要花費幾小時甚至幾十個小時進(jìn)行不間斷的測量。然而，借助硬件，他們可以設(shè)計采集數(shù)據(jù)傳感器來自動采集數(shù)據(jù)，進(jìn)而根據(jù)這些數(shù)據(jù)進(jìn)行分析。這種方法使得學(xué)生獲得數(shù)據(jù)更加高效且準(zhǔn)確。”

人工智能融入基礎(chǔ)教育成為趨勢

“智慧物聯(lián)網(wǎng)涉及多個傳感器，可以采集聲音、環(huán)境溫濕度、含氧量、PM2.5等數(shù)據(jù)，這些數(shù)據(jù)被整體采集并顯示出來，然后存儲到本地服務(wù)器中。在面對如此多樣化和高維度的數(shù)據(jù)之后，數(shù)據(jù)分析變得至關(guān)重要。然而，在處理這么多復(fù)雜高維數(shù)據(jù)時，目前的系統(tǒng)、軟件和硬件存在著明顯的局限性，無法同時有效識別大量數(shù)據(jù)。舉例來說，對于基于加速度的手持識別，加速度會涉及大量持續(xù)數(shù)據(jù)，通過這些數(shù)據(jù)來識別不同手勢變得具有挑戰(zhàn)性，需要涉及到人工智能中的模式識別。傳統(tǒng)方式下，這種任務(wù)可能讓99.99%的老師和學(xué)生們感到困擾。因此，人工智能被視為一種處理高維數(shù)據(jù)和多維數(shù)據(jù)的強(qiáng)大工具，因此在基礎(chǔ)教育中逐漸融入人工智能課程將成為重要趨勢。”葉琛博士講到。

基礎(chǔ)教育中如何融入人工智能

基礎(chǔ)教育中如何融入人工智能，葉琛博士從如下的五個方面：人工智能兩大領(lǐng)域、人工智能在基礎(chǔ)教育中面臨的問題、神經(jīng)元網(wǎng)絡(luò)課程、學(xué)校層面神經(jīng)元網(wǎng)絡(luò)教學(xué)內(nèi)容探討和硬件在人工智能基礎(chǔ)教育中的部署，深入淺出地分享了他的想法。

一、人工智能的兩大領(lǐng)域

葉琛博士首先介紹了人工智能公認(rèn)的兩個研究領(lǐng)域：符號計算和聯(lián)結(jié)計算。在2012年之前，人工智能的研究主要集中在符號計算領(lǐng)域。符號計算依賴于概率統(tǒng)計和信息代數(shù)等數(shù)學(xué)理論作為其基礎(chǔ)，使其成為一種有理論依據(jù)、可解釋的計算方法。直到2012年梯度下降學(xué)習(xí)方法的出現(xiàn)，深度神經(jīng)網(wǎng)絡(luò)才開始嶄露頭角。然而，與符號計算相比，深度神經(jīng)網(wǎng)絡(luò)目前缺少理論基礎(chǔ)，當(dāng)前研究主要還是側(cè)重于深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和能力邊界的探究。深度神經(jīng)網(wǎng)絡(luò)的研究重點主要集中在數(shù)據(jù)處理方法、神經(jīng)元架構(gòu)以及聯(lián)結(jié)方式（特別是近期對大數(shù)據(jù)模型如transformer和Mamba架構(gòu)的研究），以及網(wǎng)絡(luò)訓(xùn)練方法。

二、人工智能在基礎(chǔ)教學(xué)中面臨的問題

葉琛博士認(rèn)為，在人工智能領(lǐng)域，兩個研究領(lǐng)域各有優(yōu)勢和特點，在人工智能教育中就會出現(xiàn)“教什么”的困難。深度神經(jīng)網(wǎng)絡(luò)缺乏理論支撐，因此無法從理論層面推演出教學(xué)內(nèi)容的方向，只能依據(jù)現(xiàn)有特點和效果設(shè)計教學(xué)課程。在過去一年中，已經(jīng)進(jìn)行了許多課程實踐。例如，出現(xiàn)了許多高中人工智能課程，主要分為典型的三部分：基于符號計算的課程、逐步過渡到應(yīng)用場景的課程，以及完全從應(yīng)用場景出發(fā)的課程。

三、神經(jīng)元網(wǎng)絡(luò)課程逐步成為人工智能課程的聚焦點

葉琛博士繼續(xù)講到，“從2018年開始，人工智能課程的討論逐漸增多。直到2023年，隨著大模型的出現(xiàn)，我們開始認(rèn)識到神經(jīng)元網(wǎng)絡(luò)的優(yōu)勢和未來發(fā)展方向。神經(jīng)元網(wǎng)絡(luò)可能成為真正人工智能未來研究方向的一個聚焦點。從2023年開始，高中人工智能課程逐漸加大了有關(guān)神經(jīng)元網(wǎng)絡(luò)內(nèi)容的產(chǎn)出。”

四、學(xué)校層面神經(jīng)元網(wǎng)絡(luò)教學(xué)內(nèi)容探討

在學(xué)校教授神經(jīng)網(wǎng)絡(luò)時，通常會側(cè)重于經(jīng)典的使用路徑，涵蓋數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、模型評估與訓(xùn)練，以及模型應(yīng)用等關(guān)鍵步驟。學(xué)生在掌握基礎(chǔ)理論后，會進(jìn)入實踐擴(kuò)展階段，需要通過手動操作模型相關(guān)流程來應(yīng)用所學(xué)知識。

葉琛博士分析到，“在解決實際問題時，應(yīng)用人工智能涉及一系列環(huán)節(jié)，包括問題分析、數(shù)據(jù)收集、模型訓(xùn)練、模型部署、交互設(shè)計和應(yīng)用構(gòu)建。在這個過程中存在許多依賴項，例如選擇何種工具用于數(shù)據(jù)收集和標(biāo)注，以及在模型訓(xùn)練階段考慮模型選擇、算力需求和軟件依賴等。模型部署階段也需要考慮硬件依賴，如何將模型部署在硬件上進(jìn)行推理。整個流程充滿了不確定性，使用難度較大。

因此，在實際應(yīng)用中，經(jīng)典流程可以簡化為兩部分，一部分是與模型相關(guān)的（藍(lán)色）、另一部分是可以利用到模型的（紅色），同時將其中主要的傳統(tǒng)的開源硬件和老師們熟悉的相關(guān)內(nèi)容抽離出來集中到三大塊：數(shù)據(jù)的采集、訓(xùn)練和推理、模型的轉(zhuǎn)化和優(yōu)化。通過這個方式，把訓(xùn)練好的模型融入到現(xiàn)有的控制系統(tǒng)中，可以大幅度減少老師和學(xué)生們在使用模型、利用模型中的一些困難。”

XEduHub是面向基礎(chǔ)教育的AI工具箱，在認(rèn)知層面大大簡化了人工智能的門檻。該工具箱集成了最新模型，并能方便快捷地與現(xiàn)有硬件進(jìn)行整合和調(diào)用。這樣一來，可以顯著減輕老師們在環(huán)境配置、模型選擇和數(shù)據(jù)訓(xùn)練方面的工作量。同時，DFRobot與謝老師團(tuán)隊合作，將AI工具箱通過Mind+的圖形化編程軟件界面融入其中，使老師們通過熟悉的界面增加AI相關(guān)的學(xué)習(xí)內(nèi)容。通過簡單的圖形化和模塊化方式，讓老師和學(xué)生們從數(shù)據(jù)和簡單模型訓(xùn)練起步，逐步進(jìn)行模型推理。

五、硬件在人工智能基礎(chǔ)教育

模型部署需要相應(yīng)的硬件支持，以便讓訓(xùn)練好的模型得以應(yīng)用。硬件能夠簡化老師和學(xué)生們的模型部署流程。例如，二哈識圖（HuskyLens）AI 視覺傳感器內(nèi)置一些常用模型，學(xué)生們可以直接使用，只需通過一個攝像頭，無需電腦和編程，便可以了解模式識別的內(nèi)容。另外，行空板是一款標(biāo)準(zhǔn)的小型手掌電腦，可以通過一些轉(zhuǎn)化工具直接將XEduHub生成的標(biāo)準(zhǔn)模型部署到行空板中。學(xué)生可以直接查看模型處理數(shù)據(jù)的結(jié)果，并與開源硬件連接，實現(xiàn)一些輸出，如點擊控制或燈光顯示等。與二哈識圖（HuskyLens）和行空板（Unihiker）相比，樂鑫ESP32開發(fā)板成本和門檻較低。這款開發(fā)板可以運行TinyML模型，同時能更準(zhǔn)確、高效地處理持續(xù)數(shù)據(jù)。

硬件在人工智能基礎(chǔ)教育的機(jī)遇和挑戰(zhàn)

葉琛博士，最后總結(jié)了硬件在人工智能基礎(chǔ)教育的機(jī)遇和挑戰(zhàn)，他講到，“硬件在人工智能基礎(chǔ)教育中可以極大地激發(fā)學(xué)生的興趣。學(xué)生通過直接觀察硬件相關(guān)技術(shù)和應(yīng)用，將所學(xué)知識應(yīng)用于項目和實踐中，從而了解知識的運用效果。同時，更完善的集成化硬件幫助老師降低了使用門檻。然而，目前依然存在一些不足之處。軟件供給鏈尚不完善，使用難度較高，需要更易用的軟件出現(xiàn)。對于需要進(jìn)行模型訓(xùn)練的場景，學(xué)校現(xiàn)有的算力和硬件均有不足。此外，對許多老師而言，使用新技術(shù)和設(shè)備往往帶來一定的挑戰(zhàn)和畏難情緒。我們需要共同努力，打造完善的生態(tài)系統(tǒng)，讓軟硬件工具變得更加成熟，讓基礎(chǔ)教育的老師們更好地?fù)肀斯ぶ悄堋５篱煖嫔＃靶胁恢埂！?/p>

審核編輯 黃宇