全部課

課程

六年級人工智慧：人工智慧與運算思維

學習演算法和資料，看看機器學習模型是怎樣訓練和測試的。

按順序學各課。學完後，你能分清人工智慧、機器學習和生成式人工智慧，也能說出一個真實人工智慧 App 的輸入、模型和輸出。你能寫出帶迴圈和條件的演算法，也能建一棵決策樹。你能解釋像素怎樣把圖片存成數字，文字怎樣存成數字，按最近的例子給一個點分類，並根據測試結果算出準確率。你能解釋神經元怎樣把輸入和權重合在一起，把一句話分成詞元，按準確率、公平和隱私給人工智慧 App 打分，並展示植物分類器、講清它的錯誤。

這些課怎麼用

  • 從標著做這個的課開始。標題下面那一行你自己會了，再往下。
  • 先玩遊戲。再做測驗。10題裡對8題就通過。練習紙在紙上。答案在最下面。
  • 每一課都接著上一課。哪一課難，就退回上一課。
  • 只用老師允許的人工智慧工具。絕不要把私人資訊貼進聊天機器人。每個人工智慧的回答都要檢查。說出你的作業裡哪些部分是人工智慧幫的。

每一課都有遊戲、測驗和練習紙。

0/36

認識人工智慧

  1. 1人工智慧、機器學習和生成式人工智慧分清人工智慧、機器學習和生成式人工智慧。
    • 說出人工智慧、機器學習和生成式人工智慧的定義。
    • 畫出它們怎樣一層套一層。
    • 把 10 個 App 分進這三組。
  2. 2人工智慧簡史把人工智慧的重要時刻排到時間線上。
    • 把下棋電腦、語音助理和聊天機器人排到時間線上。
    • 說出是什麼變化讓每一樣成為可能。
    • 舉出一個後來證明是錯的預測。
  3. 3窄人工智慧和通用人工智慧解釋為什麼今天的人工智慧最擅長窄任務。
    • 比較一個下棋程式和一個人。
    • 列出人工智慧做得好的任務，和它還費勁的任務。
    • 解釋通用人工智慧還需要什麼。
  4. 4分析一個人工智慧系統說出一個真實人工智慧 App 的輸入、模型和輸出。
    • 選一個 App，比如以圖搜尋或翻譯。
    • 畫出它的輸入、模型和輸出。
    • 說說它很可能是用什麼資料訓練的。

演算法

  1. 5按順序的步驟把演算法寫成按順序的步驟。
    • 說出演算法是什麼。
    • 寫下做一份三明治的步驟。
    • 找出電腦看不明白的步驟。
  2. 6迴圈用迴圈來重複步驟。
    • 把重複的步驟換成一個迴圈。
    • 用一個會數數的迴圈。
    • 用一個一直重複、直到條件成立才停的迴圈。
  3. 7條件用條件來選擇一條路。
    • 寫出 if、else if 和 else。
    • 用 and、or 和 not 把條件合在一起。
    • 用手把演算法走一遍。
  4. 8決策樹建一棵給動物分類的決策樹。
    • 在每個分叉問一個是或否的問題。
    • 用你的樹給 10 種動物分類。
    • 找出仍然管用的最短的樹。

資料表示

  1. 9數字和類別分清數字和類別。
    • 把特徵分成數字和類別。
    • 把一個類別變成數字。
    • 說說電腦為什麼需要數字。
  2. 10圖片存成數字解釋像素怎樣把圖片存成數字。
    • 在 0 和 1 的格子上畫一幅圖。
    • 混合紅、綠、藍的數值。
    • 數一數一張小照片裡有多少個數字。
  3. 11文字存成數字解釋文字怎樣存成數字。
    • 把字母變成編碼。
    • 給列表裡的每個詞一個數字。
    • 數每個詞出現多少次。
  4. 12資料表把資料排成列、欄和特徵。
    • 在試算表裡做一張表。
    • 說出特徵和標籤。
    • 給表格排序和篩選。

分類

  1. 13特徵和標籤為一個標籤挑選有用的特徵。
    • 說出特徵是什麼，標籤是什麼。
    • 把特徵從最有用排到最沒用。
    • 去掉一個沒有幫助的特徵。
  2. 14最近的例子按最近的例子給一個點分類。
    • 把例子畫在有兩個特徵的圖上。
    • 找出離新點最近的例子。
    • 用最近的三個例子來投票。
  3. 15畫分界線畫一條線，把兩組分開。
    • 在兩組點之間畫一條線。
    • 按新點在線的哪一側來分類。
    • 找出沒有直線能分開的資料。
  4. 16做一個分類器用不用寫程式的工具做一個簡單的分類器。
    • 載入一個小資料集。
    • 訓練一個分類器。
    • 給 5 個新例子分類。

模型訓練

  1. 17訓練資料解釋模型從訓練資料裡學到什麼。
    • 說出模型學的是規律，不是你寫下的規則。
    • 演示改變資料會怎樣改變模型。
    • 找出模型碰巧學到的一條規律。
  2. 18測試資料解釋為什麼測試資料必須分開留著。
    • 把資料分成訓練集和測試集。
    • 比較兩個集合上的成績。
    • 解釋對模型來說「死記」是什麼意思。
  3. 19準確率根據測試結果算出準確率。
    • 數對的預測。
    • 把準確率寫成百分比。
    • 解釋為什麼 90% 仍然可能很糟。
  4. 20改進模型改資料，再比較準確率。
    • 再加一些例子。
    • 去掉標錯的標籤。
    • 每次改完都記下準確率。

神經網路的概念

  1. 21人工神經元解釋神經元怎樣把輸入和權重合在一起。
    • 把每個輸入乘上它的權重。
    • 把它們加起來，再和閾值比。
    • 改一個權重，看輸出怎麼變。
  2. 22層解釋層怎樣把訊號往前傳。
    • 畫出輸入層、隱藏層和輸出層。
    • 讓數字穿過一個很小的網路。
    • 說說為什麼層越多，越能找出更難的規律。
  3. 23學習權重解釋訓練會改變權重。
    • 猜權重，再檢查誤差。
    • 微調權重，讓誤差變小。
    • 說出訓練會把這件事重複很多遍。
  4. 24人扮的神經網路和同學一起演一個小的神經網路。
    • 每個人扮演一個神經元。
    • 把訊號從輸入傳到輸出。
    • 改權重，把錯誤的答案改對。

生成式人工智慧

  1. 25文字是怎樣生成的解釋語言模型會預測下一個詞元。
    • 預測句子裡的下一個詞。
    • 用一個故事做一個很小的「下一個詞」預測器。
    • 說說為什麼模型聽起來對，卻可能是錯的。
  2. 26詞元把一句話分成詞元。
    • 看看分詞器怎樣把詞切開。
    • 數一個句子裡有多少個詞元。
    • 說說為什麼長詞會變成好幾個詞元。
  3. 27提示詞實驗只改提示詞的一處，再比較結果。
    • 每次只改一件事。
    • 記下每一個提示詞和結果。
    • 寫下每次改動做了什麼。
  4. 28生成的限度解釋為什麼語言模型會編造。
    • 在人工智慧的回答裡找出一個編造的事實。
    • 解釋為什麼預測會造出這樣的內容。
    • 列出檢查人工智慧文字的辦法。

人工智慧倫理

  1. 29偏見在資料集或結果裡找出偏見。
    • 說明人工智慧裡的偏見是什麼。
    • 找出一個代表性不足的群體。
    • 解釋它怎樣改變結果。
  2. 30準確率和信任判斷什麼時候可以放心地信任人工智慧的回答。
    • 比較低風險和高風險的用法。
    • 決定什麼時候必須由人來檢查。
    • 寫一份信任清單。
  3. 31隱私解釋一個人工智慧 App 收集哪些資料。
    • 讀一個 App 的隱私摘要。
    • 列出它收集的資料。
    • 說出你不會分享什麼。
  4. 32評價一個人工智慧系統按準確率、公平和隱私給人工智慧 App 打分。
    • 做一張有三部分的評分卡。
    • 試用這個 App 並填好評分卡。
    • 提出一個改法。

人工智慧探究專題

  1. 33規劃專題寫一個問題，並規劃資料集。
    • 寫下這個問題：「這片葉子是哪種植物的？」
    • 選 3 種或 4 種植物。
    • 計畫訓練集和測試集。
  2. 34準備植物資料整理葉子照片並標上標籤。
    • 用準備好的葉子資料集。
    • 檢查標籤。
    • 把測試集分開留著。
  3. 35訓練和測試訓練植物分類器並記下結果。
    • 訓練分類器。
    • 計算測試集上的準確率。
    • 收集預測錯的結果。
  4. 36人工智慧植物偵探展示植物分類器，並講清它的錯誤。
    • 展示預測對的和預測錯的。
    • 解釋這些錯誤為什麼會發生。
    • 說說再加哪些例子會有幫助。
六年級人工智慧：人工智慧與運算思維