全部课

课程

六年级人工智能：人工智能与计算思维

学习算法和数据，看看机器学习模型是怎样训练和测试的。

按顺序学各课。学完后，你能分清人工智能、机器学习和生成式人工智能，也能说出一个真实人工智能应用的输入、模型和输出。你能写出带循环和条件的算法，也能建一棵决策树。你能解释像素怎样把图片存成数字，文字怎样存成数字，按最近的例子给一个点分类，并根据测试结果算出准确率。你能解释神经元怎样把输入和权重合在一起，把一句话分成词元，按准确率、公平和隐私给人工智能应用打分，并展示植物分类器、讲清它的错误。

这些课怎么用

  • 从标着做这个的课开始。标题下面那一行你自己会了，再往下。
  • 先玩游戏。再做测验。10题里对8题就通过。练习纸在纸上。答案在最下面。
  • 每一课都接着上一课。哪一课难，就退回上一课。
  • 只用老师允许的人工智能工具。绝不要把私人信息贴进聊天机器人。每个人工智能的回答都要检查。说出你的作业里哪些部分是人工智能帮的。

每一课都有游戏、测验和练习纸。

0/36

认识人工智能

  1. 1人工智能、机器学习和生成式人工智能分清人工智能、机器学习和生成式人工智能。
    • 说出人工智能、机器学习和生成式人工智能的定义。
    • 画出它们怎样一层套一层。
    • 把 10 个应用分进这三组。
  2. 2人工智能简史把人工智能的重要时刻排到时间线上。
    • 把下棋电脑、语音助手和聊天机器人排到时间线上。
    • 说出是什么变化让每一样成为可能。
    • 举出一个后来证明是错的预测。
  3. 3窄人工智能和通用人工智能解释为什么今天的人工智能最擅长窄任务。
    • 比较一个下棋程序和一个人。
    • 列出人工智能做得好的任务，和它还费劲的任务。
    • 解释通用人工智能还需要什么。
  4. 4分析一个人工智能系统说出一个真实人工智能应用的输入、模型和输出。
    • 选一个应用，比如以图搜索或翻译。
    • 画出它的输入、模型和输出。
    • 说说它很可能是用什么数据训练的。

算法

  1. 5按顺序的步骤把算法写成按顺序的步骤。
    • 说出算法是什么。
    • 写下做一份三明治的步骤。
    • 找出电脑看不明白的步骤。
  2. 6循环用循环来重复步骤。
    • 把重复的步骤换成一个循环。
    • 用一个会数数的循环。
    • 用一个一直重复、直到条件成立才停的循环。
  3. 7条件用条件来选择一条路。
    • 写出 if、else if 和 else。
    • 用 and、or 和 not 把条件合在一起。
    • 用手把算法走一遍。
  4. 8决策树建一棵给动物分类的决策树。
    • 在每个分叉问一个是或否的问题。
    • 用你的树给 10 种动物分类。
    • 找出仍然管用的最短的树。

数据表示

  1. 9数字和类别分清数字和类别。
    • 把特征分成数字和类别。
    • 把一个类别变成数字。
    • 说说电脑为什么需要数字。
  2. 10图片存成数字解释像素怎样把图片存成数字。
    • 在 0 和 1 的格子上画一幅图。
    • 混合红、绿、蓝的数值。
    • 数一数一张小照片里有多少个数字。
  3. 11文字存成数字解释文字怎样存成数字。
    • 把字母变成编码。
    • 给列表里的每个词一个数字。
    • 数每个词出现多少次。
  4. 12数据表把数据排成行、列和特征。
    • 在电子表格里做一张表。
    • 说出特征和标签。
    • 给表格排序和筛选。

分类

  1. 13特征和标签为一个标签挑选有用的特征。
    • 说出特征是什么，标签是什么。
    • 把特征从最有用排到最没用。
    • 去掉一个没有帮助的特征。
  2. 14最近的例子按最近的例子给一个点分类。
    • 把例子画在有两个特征的图上。
    • 找出离新点最近的例子。
    • 用最近的三个例子来投票。
  3. 15画分界线画一条线，把两组分开。
    • 在两组点之间画一条线。
    • 按新点在线的哪一侧来分类。
    • 找出没有直线能分开的数据。
  4. 16做一个分类器用不用写代码的工具做一个简单的分类器。
    • 载入一个小数据集。
    • 训练一个分类器。
    • 给 5 个新例子分类。

模型训练

  1. 17训练数据解释模型从训练数据里学到什么。
    • 说出模型学的是规律，不是你写下的规则。
    • 演示改变数据会怎样改变模型。
    • 找出模型碰巧学到的一条规律。
  2. 18测试数据解释为什么测试数据必须分开留着。
    • 把数据分成训练集和测试集。
    • 比较两个集合上的成绩。
    • 解释对模型来说“死记”是什么意思。
  3. 19准确率根据测试结果算出准确率。
    • 数对的预测。
    • 把准确率写成百分数。
    • 解释为什么 90% 仍然可能很糟。
  4. 20改进模型改数据，再比较准确率。
    • 再加一些例子。
    • 去掉标错的标签。
    • 每次改完都记下准确率。

神经网络的概念

  1. 21人工神经元解释神经元怎样把输入和权重合在一起。
    • 把每个输入乘上它的权重。
    • 把它们加起来，再和阈值比。
    • 改一个权重，看输出怎么变。
  2. 22层解释层怎样把信号往前传。
    • 画出输入层、隐藏层和输出层。
    • 让数字穿过一个很小的网络。
    • 说说为什么层越多，越能找出更难的规律。
  3. 23学习权重解释训练会改变权重。
    • 猜权重，再检查误差。
    • 微调权重，让误差变小。
    • 说出训练会把这件事重复很多遍。
  4. 24人扮的神经网络和同学一起演一个小的神经网络。
    • 每个人扮演一个神经元。
    • 把信号从输入传到输出。
    • 改权重，把错误的答案改对。

生成式人工智能

  1. 25文字是怎样生成的解释语言模型会预测下一个词元。
    • 预测句子里的下一个词。
    • 用一个故事做一个很小的“下一个词”预测器。
    • 说说为什么模型听起来对，却可能是错的。
  2. 26词元把一句话分成词元。
    • 看看分词器怎样把词切开。
    • 数一个句子里有多少个词元。
    • 说说为什么长词会变成好几个词元。
  3. 27提示词实验只改提示词的一处，再比较结果。
    • 每次只改一件事。
    • 记下每一个提示词和结果。
    • 写下每次改动做了什么。
  4. 28生成的限度解释为什么语言模型会编造。
    • 在人工智能的回答里找出一个编造的事实。
    • 解释为什么预测会造出这样的内容。
    • 列出检查人工智能文字的办法。

人工智能伦理

  1. 29偏见在数据集或结果里找出偏见。
    • 说明人工智能里的偏见是什么。
    • 找出一个代表性不足的群体。
    • 解释它怎样改变结果。
  2. 30准确率和信任判断什么时候可以放心地信任人工智能的回答。
    • 比较低风险和高风险的用法。
    • 决定什么时候必须由人来检查。
    • 写一份信任清单。
  3. 31隐私解释一个人工智能应用收集哪些数据。
    • 读一个应用的隐私摘要。
    • 列出它收集的数据。
    • 说出你不会分享什么。
  4. 32评价一个人工智能系统按准确率、公平和隐私给人工智能应用打分。
    • 做一张有三部分的评分卡。
    • 试用这个应用并填好评分卡。
    • 提出一个改法。

人工智能探究项目

  1. 33规划项目写一个问题，并规划数据集。
    • 写下这个问题：“这片叶子是哪种植物的？”
    • 选 3 种或 4 种植物。
    • 计划训练集和测试集。
  2. 34准备植物数据整理叶子照片并标上标签。
    • 用准备好的叶子数据集。
    • 检查标签。
    • 把测试集分开留着。
  3. 35训练和测试训练植物分类器并记下结果。
    • 训练分类器。
    • 计算测试集上的准确率。
    • 收集预测错的结果。
  4. 36人工智能植物侦探展示植物分类器，并讲清它的错误。
    • 展示预测对的和预测错的。
    • 解释这些错误为什么会发生。
    • 说说再加哪些例子会有帮助。
六年级人工智能：人工智能与计算思维