王宇涵 張崇珍 上海人工智能實(shí)驗(yàn)室

項(xiàng)目化學(xué)習(xí)是在建構(gòu)主義理論、情境認(rèn)知理論和學(xué)習(xí)遷移理論的指導(dǎo)下發(fā)展的，強(qiáng)調(diào)以學(xué)生為中心，學(xué)生通過設(shè)計(jì)基于情境的驅(qū)動(dòng)性問題，主動(dòng)接受、解釋和加工信息，進(jìn)而使得真實(shí)情境與學(xué)科知識產(chǎn)生聯(lián)結(jié)，使得學(xué)習(xí)者與學(xué)習(xí)環(huán)境產(chǎn)生深度交互，并實(shí)現(xiàn)知識遷移的新型學(xué)習(xí)方式。

筆者所在的上海人工智能實(shí)驗(yàn)室（以下簡稱“實(shí)驗(yàn)室”），嘗試借助形式多樣的AI科創(chuàng)活動(dòng)，通過完整的項(xiàng)目化學(xué)習(xí)實(shí)踐過程，引導(dǎo)青少年理解人工智能學(xué)科知識并運(yùn)用多學(xué)科知識解決基于真實(shí)情境的驅(qū)動(dòng)問題。

從活動(dòng)的人工智能項(xiàng)目化學(xué)習(xí)成果來看，根據(jù)人工智能在項(xiàng)目中的功用分類，可以得學(xué)習(xí)成果分為“將AI作為研究對象”“將AI作為研究工具”和“將AI作為應(yīng)用技術(shù)”。下面，筆者分別介紹活動(dòng)中的四個(gè)項(xiàng)目成果，希望能為中小學(xué)教師的人工智能項(xiàng)目化學(xué)習(xí)實(shí)踐提供更多思路。

● 將AI作為研究對象

“將AI作為研究對象”是指對人工智能算法模型進(jìn)行改進(jìn)和優(yōu)化。

項(xiàng)目：基于改進(jìn)STN的鳥類中細(xì)粒度分類算法研究。

該項(xiàng)目將計(jì)算機(jī)視覺中的細(xì)粒度圖像分析作為研究任務(wù)，在CUB200-201數(shù)據(jù)集中將反映動(dòng)物空間結(jié)構(gòu)的關(guān)鍵點(diǎn)坐標(biāo)與空間變換網(wǎng)絡(luò)（Spatial Transformer Network，STN）相融合（如圖1），有效解決了同一鳥類姿態(tài)差異較大而導(dǎo)致識別率下降的問題。實(shí)驗(yàn)結(jié)果表明，該項(xiàng)目加入PoseSTN模塊改進(jìn)后，在運(yùn)行時(shí)間縮短一半的基礎(chǔ)上，鳥類識別準(zhǔn)確率提升了21%。

圖1 CUB200-201數(shù)據(jù)集及其部位關(guān)鍵點(diǎn)標(biāo)注

● 將AI作為研究工具

“將AI作為研究工具”是指中小學(xué)生對某一具體真實(shí)問題開展理論探究、求證。

項(xiàng)目：黑板反光問題研究。

基于黑板表面在強(qiáng)陽光照射下會(huì)產(chǎn)生巨大的反光亮斑，影響教學(xué)體驗(yàn)和教學(xué)質(zhì)量，項(xiàng)目團(tuán)隊(duì)通過攝像頭拍攝黑板照片，判斷入射光進(jìn)入教室的方位。該程序算法首先使用矩形矯正算法獲取黑板的四個(gè)頂點(diǎn)（如圖2），經(jīng)過透視變換將黑板的照片矯正成二維正面的矩形圖，然后將該矩形圖分割成100個(gè)左右的小方格，并使用自建數(shù)據(jù)集訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)將每個(gè)小方格分類成“光心”“光暈”和“無光”，得到分類結(jié)果矩陣，再對該矩陣進(jìn)行減噪處理，最終得到亮斑中心位置。以此為基礎(chǔ)代入教室尺寸數(shù)據(jù)，進(jìn)行幾何光學(xué)計(jì)算，就可以得出入射光線的方向以及應(yīng)拉動(dòng)的窗簾。

圖2 黑板矩形未矯正的圖像

● 將AI作為應(yīng)用技術(shù)

“將AI作為應(yīng)用技術(shù)”是指用AI相關(guān)技術(shù)解決真實(shí)世界的客觀問題，并將成果應(yīng)用于物理場景案例中。

項(xiàng)目：基于人體姿態(tài)識別和機(jī)器學(xué)習(xí)的武術(shù)教學(xué)及評價(jià)系統(tǒng)。

武術(shù)教學(xué)和評價(jià)的標(biāo)準(zhǔn)化和規(guī)范化是學(xué)校體育教學(xué)中的難點(diǎn)，項(xiàng)目團(tuán)隊(duì)利用人體檢測、人體姿態(tài)識別等技術(shù)，將一整套動(dòng)作分解為單個(gè)基礎(chǔ)動(dòng)作，并對此進(jìn)行識別、分類、對比、評價(jià)（如圖3）。同時(shí)，比較了基于分類規(guī)則和基于機(jī)器學(xué)習(xí)兩種方法，通過實(shí)驗(yàn)結(jié)果證明基于機(jī)器學(xué)習(xí)的分類在準(zhǔn)確率、適應(yīng)性方面都有明顯優(yōu)勢。

圖3 使用基于機(jī)器學(xué)習(xí)的分類器對視頻評分

項(xiàng)目：車輛駕駛視覺輔助系統(tǒng)。

在駕駛車輛時(shí)，由于車速過快、駕駛員視力不好、樹枝綠化遮擋、駕駛員開小差、傍晚黃昏夜間光線不足等，駕駛者經(jīng)常會(huì)漏看路上的交通標(biāo)志牌、地面導(dǎo)向標(biāo)志、紅綠燈、行人、非機(jī)動(dòng)車等，導(dǎo)致駕駛違章，甚至是發(fā)生事故。該項(xiàng)目借助神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)，運(yùn)用卷積算法提取圖像的特征，依靠GPU高效的并行計(jì)算架構(gòu)完成實(shí)時(shí)目標(biāo)檢測。系統(tǒng)可識別道路交通標(biāo)志、地面導(dǎo)向標(biāo)志、機(jī)動(dòng)車、非機(jī)動(dòng)車、行人、交通信號燈等目標(biāo)，輔助觀察前方道路、被汽車A柱遮擋區(qū)域、轉(zhuǎn)彎和倒車盲區(qū)等位置，彌補(bǔ)夜間視線模糊情況，給予駕駛者適當(dāng)提示，避免違章，防止事故發(fā)生，提升主動(dòng)安全。

● 總結(jié)展望

隨著人工智能普及教育的發(fā)展，越來越多的中小學(xué)生參與到中小學(xué)人工智能項(xiàng)目化學(xué)習(xí)實(shí)踐中，其學(xué)科項(xiàng)目化學(xué)習(xí)成果、學(xué)科知識的理解與應(yīng)用能力也得到不斷發(fā)展。后續(xù)，筆者所在團(tuán)隊(duì)會(huì)繼續(xù)挖掘、融合更多平臺(tái)資源優(yōu)勢，啟發(fā)學(xué)生思考真實(shí)問題，制訂項(xiàng)目化學(xué)習(xí)計(jì)劃，完成具有個(gè)性化、創(chuàng)意性的人工智能項(xiàng)目，為青少年人工智能教育生態(tài)建設(shè)和人才集聚提供良好支撐，為我國選拔和培養(yǎng)人工智能領(lǐng)域的未來人才助力。