108課綱科技領域資訊科技-程式設計應用專題(人工智慧素養)
網站作者：新北市立江翠國中呂天齡
版本:第一版.第二版第三版第四版
聯絡方式： luti@ntpc.edu.tw或 luti0845@gmail.com
最新更新時間:2021年10月21日
本網站授權方式:
課程發想:
讓學生從課程中獲得成就感，累積小的成就感，哪怕是微不足道的一些小事，對學生而言都是很重要的。 |
範例
七年級
http://ms2.ctjh.ntpc.edu.tw/~luti/108-str-pro02new.htm
八年級
http://ms2.ctjh.ntpc.edu.tw/~luti/110-1-8grade-week005.htm
http://ms2.ctjh.ntpc.edu.tw/~luti/110-1-8grade-week007-1.htm
http://ms2.ctjh.ntpc.edu.tw/~luti/110-1-8grade-week008.htm
http://ms2.ctjh.ntpc.edu.tw/~luti/110-1-8grade-week009.htm
九年級
資料數位化原理與多媒體應用(108課綱康軒九年級上學期第1.3章)
為何要學習人工智慧AI?
思考問題:「十年後，人工智慧這門課程還會存在嗎？」
如果這門課是持久的。那麼課程的內容、架構，要能與時俱進，就會變得非常重要。人工智慧涉及的層面很廣、多樣性也很大，加上要實作，所以要訂出好的內容跟架構、要讓課程走得長久，是一個艱鉅的任務
AI素養課程的難處
牛刀小試:
閱讀以下電子書.看完第一頁你有何感想?
解說:
用一般程式設計的方法不就能解決問題了，那為什麼還需要機器學習?在當你沒有辦法給工程師們一個 "規則" 讓他寫到程式裡面，但是手頭上卻有相關大量資料、紀錄的時候，工程師們只好自己想辦法從這堆資料裡面找出那個規則。
圖片引用:https://medium.com/jameslearningnote/medium-com-jameslearningnote/home
活動設計1:《專家系統》
解說:
經由網站系統的規則推導得到答案，這就是傳統人工智慧的運作，稱之為專家系統
108課綱國中資訊科技學習內容
108課綱國中程式設計應用專題-人工智慧素養課程設計
(1)美國
(2)香港
(3)我自己
一.AI在日常生活的應用(AI in My Daily Life)
“人工智慧(AI, Artificial Intelligence)”一詞對很多人來說都覺得它是高科技，但其實它在日常生活已經被我們使用了很久，我接每天觸到有多少東西是跟人工智慧是有關的呢？
思考問題:
提到人工智慧AI.你會想到什麼?(舉例說明AI在日常生活的應用)
二.人類智慧與人工智慧
什麼是人工
人造的意思，並非是自然形成。例如我們每天使用的手機，我們都稱為人工的機器。
什麼是智慧
人類具備的感知、學習、推理邏輯、創造思考及解決問題的能力.所以人類智慧 (Human Intelligence) 就是指我們人類可以有下面這些能力：
什麼是人工智慧
人工智慧 (Artificial Intelligence) 就是希望人工的機器能表現的像人類智慧一樣，可以有能力處理許多事情
圖片引用:師大林育慈教授
活動設計1:《威利在哪裡》
活動設計2:《猴子吃香蕉》
Q：「我們把香蕉給猴子，因為餓了」，請問誰餓了呢？
A. 香蕉
B. 猴子
Ans：猴子
討論：如果把上述問題請機器(電腦)回答，您認為它會回答的正確嗎？為什麼呢？
分析:
(1)這個問題對人類來說是很簡單，但對電腦機器而言，那就不太容易了
(2)因為電腦能夠正確回答此問題，不但要處理句子，還必須讓機器能理解句子
活動設計3:《分辨人工智慧》
思考問題:
人類智慧與人工智慧有何不同?請寫出你的看法
參考資料:
(1)生理.心理.智力.工作效率......
(2)不同層面比較表
三.發展簡史及分類
1.機器是否會思考?
(1)圖靈
(2)圖靈測試(Turing test)
說明:
2.發展沿革
3.分類
四.AI應用(研究)範疇
(一)電腦視覺(Computer Vision)
A.理解電腦視覺
B.電腦視覺的應用-人臉辨識(需要鏡頭.載入模組時時間有一點久)
(二)自然語言處理(Natural Language Processing，NLP)
A.聊天機器人
B.文章生成(詩人小冰)
(三)機器(深度)學習
A.影像去背
B.線稿及上色
C.智慧繪圖
教學影片
D.手機鏡頭找物品遊戲(手機平板)
教學影片
E.創造自己的卡通人物
教學影片
(四)語音辨識
(1)雅婷逐字稿(要登入Google帳密)
教學影片
(2)聽音訊找Youtube影片
資料來源:https://ai.foxconn.com/textbook/interactive/audio/index
教學影片
(五)人機互動遊戲
A.井字遊戲
B.檢棍子遊戲
人工智慧概念小結:
AI從最廣泛的意義上來說：是任何可以自行學習、理解和行動的機器 無所不在的AI:感知、學習、互動、決策、影響 |
甚麼是機器學習?
解說:
AI就是學會觀察.問個好問題 |
AI 就是「把你的問題, 化成函數的型式」 |
AI就是「打造一個函數學習機」把那個函數學起來。 |
引自:政大應數系蔡炎龍教授
函數(Function)
圖片動畫來源:均一
“ Function ”，可以直接翻譯作「功能」、或者在數學上稱作「函數」，一個可以達成期望結果的行為或流程。
範例
機器學習學習地圖及應用
機器學習的步驟
機器學習的範例
《月巴克人工智慧咖啡機說明指南》
1.咖啡機是在進行機器學習，學習如何用一連串運算，將原物料的量〈咖啡豆顆數等〉x轉換成使用者評分 y
y = w * x + b
|
機器學習小結:
AI就是讓機器學習如何將輸入的資料 X 透過一系列的運算，轉換成指定的輸出 y。並提供一個衡量成功的方式，讓機器知道怎麼修正學習方向。 |
實作1-人工分類遊戲
思考問題:
上述遊戲請問你是依據甚麼來分類呢?
實作2-AI for Oceans(桌機及筆電.手機.平板同學)
詳細說明
https://medium.com/ai-for-k12/ai4k12-ai-for-oceans-2257f16dfa86
活動目的說明
了解機器學習的流程，動手訓練機器學習模型，預測機器學習結果。
專有名詞
標籤(Label)：主要目的是讓機器學習資料的正確答案，是監督式學習的核心步驟。
特徵(Feature)：指的是用於建立機器學習模型的屬性，是影響機器學習預測與推論效能的關鍵。
訓練資料(Train Data).測試資料(Test Data)及偏差(Bias):攸關到你的model訓練過程跟預測結果。
實作3-Google機器學習(桌機及筆電)
教學影片
範例1-貓狗分類
範例2-蘋果分類
資料集(Dataset)
範例3-簡單石頭布(結合Teachable Machine與MQTT 功能)
https://teachablemachine.withgoogle.com/models/52csN2kSd/ |
參考資料
https://github.com/YisrealHung/TM2MQTT
通訊協定理論解說:
網路服務-應用層
1.Http Protocol(超文本傳輸協定)-汽車
HTTP是全球資訊網的數據通信的基礎
2.MQTT(訊息序列遙測傳輸)-摩托車
MQTT可運用於IOT(物聯網)數據通訊協定
1分20'開始看到3分15'
Scratch擴充積木與Google Teachineable machine整合
(1)TM2Scratch
範例-剪刀石頭布遊戲
範例-偵測是否帶口罩
範例-蘋果分類
實作步驟
1.收集資料-資料集(Dataset)
2.訓練模型Teachable Machine
https://teachablemachine.withgoogle.com/
水果分類機器學習的model
https://teachablemachine.withgoogle.com/models/lNW3swNES/
(2)PictoBlox(需註冊)
https://thestempedia.com/product/pictoblox(離線版)
(3)AIBLOX
(4)bDesign
(5)大陸
https://ide.mblock.cc/#/
https://www.kittenbot.cn/
http://mindplus.cc/download.html
(6)機器學習(ML) for Kids
書
網站
機器學習專案
https://machinelearningforkids.co.uk/#!/worksheets
教學影片
井字遊戲
教學影片1-專案建立
教學影片2-Scratch擴充AI積木
教學影片3-井字遊戲機器學習-決策樹(高中一年級資訊科技.大學資料結構)
資料來源:分享人:台南和順國中林信廷老師
決策樹在資訊科學的意義-分類器
資料引用:師大資訊教育研究所林育慈教授簡報
1.(標準)深度神經網路DNN(Deep Neural Network)原理
非線性轉換
實務上，我們可以把任何數學函數視為activation function(激發函數)，會用一個σ去代表我們的activation function
常見的Activation Function
sigmoid function
rectified linear unit(ReLU)
正向傳播( forward-propagating)：藉由『張量』(Tensor)計算誤差及損失函數。
反向傳播(Backpropagation)：透過『偏微分』計算梯度，同時，利用『梯度下降法』尋找最佳解。
2.卷積神經網路CNN(Convolutional Neural Network)
3.遞迴神經網路RNN(Recurrent Neural Network)
相關資料:https://junyanz.github.io/CycleGAN/
5.強化式學習RL（Reinforcement learning）
實作1-TensorFlow Playground(遊樂場)(筆電桌機手機平板)
教學影片
教學說明1
實作2- 使用 pix2pix-tensorflow 進行交互式影像識別
實作4:CNN應用
實作5:RNN應用
實作6:GAN應用
Python程式設計
資料引用:政大應用數學系蔡炎龍老師
程式開發環境(IDE，Integrated Development Environment集合開發環境)
1.本機端IDE
2.線上IDE
透過視覺化圖式來了解程式碼執行過程
範例
# 我是註解 # if else # 迴圈 names = ["小明", "小王", "小蝸"] def i_am_function(): i_am_function() |
3.線上程式整合開發平台(Colab)
體驗Colab撰寫筆記本(ENTER或快速點兩下換行)及執行(SHIFT+ENTER)
(1)我的少年Py的大冒險
資料來源:
炎龍老師的課程直播區
(2)Python應用-深度學習
A.政大中學資訊教師增能學分班課程-2021.08.02-03人工智慧深度學習
說明:
TensorFlow 是一個由 Google 開發的機器學習開源函式庫
Keras 是一個用 Python 編寫給神經網路用的高階 API，基本上它也是建構在 TensorFlow 之上
資料引用:
B.中學教師人工智慧教學推廣計畫-桃園建國國中詹智傑老師2020.08
辨識手寫數字
辨識服飾圖片
找出方程式的解
思考問題
1.電腦真的認識0-9的手寫數字嗎？旋轉圖片後，我們仍然認得數字。
2.電腦真的認識10種服飾嗎？旋轉圖片後，我們仍然認得服飾。
3.電腦真的找到方程式了嗎？若Y=X^2，以目前類神經網路，有辦法正確預測y值嗎？
4.建立與訓練類神經網路，有那些主要流程？
如何提高類神經網路的辨識率？可以從那些方向著手？
更多實作
變臉合成
教學影片1
教學影片2
人工智慧倫理道德是現在每個人都在談論的話題。自動駕駛汽車、人臉識別和關鍵評估系統都是前沿解決方案，引發了很多倫理道德問題。
可信賴 AI 的道德準則
2019 年 4 月 8 日，人工智慧高級別專家組發布了《可信人工智慧倫理指南》。在此之前，指南的初稿於 2018 年 12 月發布，通過公開諮詢收到了 500 多條評論。
根據指南，可信賴的人工智慧應該是：
(1)合法(lawful):尊重所有適用的法律法規
(2)道德( ethical):尊重道德原則和價值觀
(3)技術穩健性(robust):既從技術角度又考慮到其社會環境
為什麼道德在人工智慧中很重要？
人工智慧的倫理道德問題是什麼？
今天的機器會犯錯，而且很可能在未來還會繼續犯錯。但這些錯誤的責任變得模糊。例如，不清楚誰應對自動駕駛汽車事故負責：汽車製造商、車主還是算法本身？
在人工智慧倫理道德中，責任從三個維度來理解：
責任可以是法律上的，也可以是道德上的。法律責任描述了必鬚髮生法律懲罰的事件和情況。當執法機構證明其有罪時，行為者應對採取的行動負責。
道德責任和法律責任並不總是一回事。在哲學中，道德責任是決定哪些行為值得讚揚的能力。這種內在責任就是內在地位：雖然社會中存在的規範可能會影響它，但每個人都自己決定他們認為哪些價值觀具有道德約束力。
人工智慧倫理道德的基本原則
機器人學三定律
科幻作家艾薩克·阿西莫夫（Isaac Asimov）的原因。早在 1940 年代，他就提出了機器人學三定律，在他的機器人系列中指導機器的道德行為：
態度及價值觀教學
思考問題1:
請思考一下人工智慧還有哪一些隱憂的實際例子.並分享如何預防
實際例子:
預防方法:
思考問題2:AI的倫理與道德
思考問題3:隱私權
思考問題4:媒體素養(數位性暴力)
思考問題5:偏見(Bias)
思考問題6:機器人三定律
小結:
問題:
人工智慧在未來一定越來越容易就可以使用。如果你有一個發明團隊，團隊裡有寫程式的高手幫你解決所有程式上的問題，你也可以選擇直接用課程一開始時，體驗過的那些提供AI服務的網站的應用，那你會想要利用人工智慧來做什麼，或是改善生活中的什麼問題呢？ |
教育部AI教材-和AI 做朋友
https://market.cloud.edu.tw/list/ai.jsp
國教署AI課程
https://sites.google.com/mail.shmps.kh.edu.tw/shmpsai/%E9%A6%96%E9%A0%81?authuser=0
台北市AI課程
https://www.youtube.com/playlist?list=PLm778hWdXOZmpitrb2A-s4u65QTEkMmCF
https://ono.tp.edu.tw/course/8305/content#/
科技部AI前沿科轉/視覺記事
https://www.vidlab.net/
陳擎文教學網：人工智慧概論
https://acupun.site/lecture/ai/index.htm#chp1
台大李宏毅教授
網站
https://speech.ee.ntu.edu.tw/~hylee/
http://speech.ee.ntu.edu.tw/~tlkagk/talk.html
AI 嘉年華短講一：機器能聽懂人說話嗎？
https://youtu.be/nlE1fku110ai3ETDk
台大資工機器學習影片
https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ/videos
LeeML-Notes
https://datawhalechina.github.io/leeml-notes/#/
台大林軒田教授
影片
https://www.youtube.com/user/hsuantien/videos
https://www.youtube.com/playlist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf
台大陳縕儂教授
https://www.youtube.com/c/VivianNTUMiuLab/playlists
政大應數蔡炎龍教授
高怡宣教授
深度學習發明者楊立昆影片
https://www.bilibili.com/video/BV1Pg4y187iJ?share_source=copy_web
教學網站
https://atcold.github.io/pytorch-Deep-Learning/zh/
史丹佛大學吳恩達教授
AI For Everyone影片
英文
簡中
來台演講
https://www.youtube.com/watch?v=aFDVw8l5v9Q
史丹佛大學李飛飛教授
網站
http://cs231n.stanford.edu/
https://zhuanlan.zhihu.com/p/21930884 (簡中全文翻譯)
影片
https://www.youtube.com/playlist?list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk
Fast.AI
http://www.fast.ai
https://github.com/fastai
http://course.fast.ai/
Ver.2
https://www.youtube.com/playlist?list=PLo_tFZGoEZunzmdjzVA6rURKUiA0eV8J3
其他教學資源
