Недавно меня попросили рассказать о компьютерах и искусственном интеллекте ученикам 5-6 классов начальной школы (то есть в возрасте 9–11 лет). Я потратил много времени на объяснение ИИ и машинного обучения разным людям, но никогда такой молодой аудитории! Я не мог найти много вдохновения в Интернете, поэтому придумал свой собственный материал. Вот план моего урока, в котором я тратил 30 минут на каждое занятие.

1. Введение
Моя повседневная работа связана с распознаванием голоса, поэтому я начинаю с того, что представляюсь и спрашиваю класс, сколько из них когда-либо разговаривали с компьютером или устройством, прежде чем что-то сделать - обычно я получаю большинство класса, подняв руку.

Для некоторого контекста я добавлю немного истории. Дети начальной школы выросли вокруг смартфонов и голосовых вычислений и часто не знают, как быстро развиваются технологии. На момент написания, класс Y5 родился в 2008/2009 году. Для сравнения: iPhone был выпущен в 2008 году, а Siri - в 2011 году.

2. Компьютерное программирование
Первая тема обсуждения - это то, как компьютеры запрограммированы на выполнение действий посредством написания правил (или программ). Таким образом можно писать очень сложные и, казалось бы, умные компьютерные программы. К 5 и 6 годам дети в этой школе уже прошли уроки программирования с нуля. Они понимают, как вы составляете компьютерные программы по инструкциям и как легко сделать эти инструкции неверными, чтобы компьютер не делал то, что вы хотели.

3. Правила идентификации кошек
Людям нравится делиться фотографиями в Интернете, и они делятся множеством фотографий кошек! Одна вещь, которая может сделать компьютер искусственным, - это способность определять, изображена ли на фотографии кошка или нет. Я провожу мозговой штурм с классом, чтобы найти правила для записи на доске, которые мы могли бы использовать для идентификации кошки на картинке. Некоторые из правил, которые мы придумали на предыдущих занятиях:

Это не правила, которые мы можем напрямую реализовать на компьютере, но они передают идею.

Далее мы просматриваем слайд-колоду картинок, играющих« кот или нет ». На моих слайдах есть множество изображений - некоторые из них легко определить как кошек или нет, некоторые - это кошки, которые скрыты или в забавных позах, а некоторые - другие животные, которые имеют некоторые из тех же черт, что и кошки. Они заставляют детей задуматься о том, как сформулировать задачу (считаются ли большие кошки кошками или нет?), О крайних случаях (как насчет рисунка кошки?) И о том, какое правило вам действительно нужно (как именно вы отличить красная панда из кота?).

4. Интеллектуальные компьютеры
После этого я спрашиваю, считали ли дети наши правила хорошими или нет. Большинство признают, что наши правила не охватывают все изображения, и поэтому могло быть лучше.

Для некоторых задач, таких как зрение и слух, невозможно написать правила, которым мог бы следовать компьютер. Нам нужен другой метод. Вместо того, чтобы писать правила, у нас есть компьютер, который учится выполнять задачу на основе данных. Для этого мы берем много данных (изображения, аудио, видео и т. Д.) И просим людей маркировать их. Для изображений люди могут пометить каждое изображение, какой объект изображен. Из этой базы данных «помеченных данных» мы можем обучить машину изучать закономерности того, что делает изображение кошки или нет. Как только компьютер извлечет уроки из этих обучающих данных, мы можем взять модель, которую построил компьютер, и использовать ее для идентификации кошек на изображениях, которых он никогда раньше не видел.

Идентификация кошек или других объектов на фотографиях может показаться несерьезной, но есть много способов использовать эту технологию в реальном мире. Один из примеров, над которым работают многие люди, - определить, что находится перед вами в беспилотном автомобиле. Другой помогает спасти находящихся под угрозой исчезновения диких животных, выявляя животных и считая их в дикой природе.

5. Обсуждение и вопросы
Я заканчиваю обсуждением того, каких умных роботов класс будет строить в будущем. Если мне что-то известно об их предложениях, я расскажу о том, что уже строится в этой области.

Примеры идей, которые я слышал, включают:

Когда я спрашиваю классного руководителя, они обычно просто хотят, чтобы умный компьютер помогал им ставить домашние задания!

Я добавляю к обсуждению еще несколько вопросов:

  • Компьютеры не всегда правы. Когда компьютеры учатся на данных, мы всегда знаем, что они допускают ошибки.
  • Компьютеры не могут делать некоторые вещи, например скажите, если кто-то врет. В общем, если человеку сложно что-то сделать, то и машине тоже сложно научиться.
  • Есть и плохое использование технологий, и хорошее. Иногда люди в классе придумывают идеи, которые другим кажутся неприятными, что помогает проиллюстрировать суть дела.

Дополнительная информация
Для тех, кто хочет узнать больше, распознавание изображений имеет долгую историю и хорошо изучалось в последние годы. Одна база данных изображений, называемая ImageNet, была основой многих академических исследований по распознаванию объектов. В этой базе данных есть несколько миллионов изображений в более чем 20 000 категорий.

В 2012 году потребовалось 16000 компьютеров, чтобы научиться определять кошку. В последние годы исследователи также рассмотрели более сложные задачи, такие как различение 5000 видов животных, идентификация и отслеживание объектов на видео или автоматическое создание подробных описаний того, что происходит на фотографии.

Первоначально опубликовано на http://mycomputerdoesntlisten.wordpress.com 17 декабря 2018 г.