AI学习新工具:谷歌 * 斯坦福 的AI Quests

新闻

作者：微信文章

怎么让青少年了解和学习 AI 是当下各个国家都在探索的话题？

目前有越来越多的书籍、课程、平台介绍人工智能的相关知识，学生也常能听到人工智能的相关话题，但很少有机会了解它如何解决影响人们生活的现实问题。教学中更缺少激发学生对人工智能解决现实问题的好奇心的学习方式。

最近看到一个好玩的网站（https://research.google/ai-quests/）是由谷歌研究院(Google Research)与斯坦福学习加速器中心(Stanford Accelerator for Learning)联合开发的游戏化学习平台。这个平台通过让学习者参与气候、健康等领域的主题式研究项目来提升AI素养。



每个研究项目分为若干个子任务来推动研究的进行：‍

01背景介绍此阶段引导学生了解任务背景，培养学生对即将面临的挑战的同理心。 任务介绍




AI Quests的第一个探索任务借鉴了谷歌的洪水预警研究工作，学生们需要收集并分析降雨量和河流流量等数据，评估数据质量，训练和测试模型，以预测洪水并及时预警。但这不仅仅是抽象的学习——学生们将看到他们的决策将如何影响虚拟社区面对洪水的情景。

‍
02搜集数据学生会在场景中通过集卡的方式搜集降雨量、温度、卫星图像数据、土壤湿度数据、空气湿度、蒸发数据、城镇八卦、海拔数据、冰激凌销售数据、植被数据、太阳辐射数据、河流流量数据。





‍
03数据清理
让学生了解清理异常数据，学习哪些是要人工完成的，哪些是可以交给机器的。





‍

04选择数据，建立模型引导学生选择数据来训练人工智能模型并进行测试，从而探索数据选择如何引入偏差并影响模型准确性。




在这个项目中，学生需要考虑在一开始搜集的 12个数据类型中如何选择 4 个数据类型来训练模型。哪些数据对预测洪水有用，然后游戏将根据学生选择的数据来“训练” AI模型以预测洪水发生的可能性。不同的数据选择会让学生看到模型预测的准确率变化。






‍
05解决挑战和反思每个任务结束后，学生们都会收到一段由真正的研究人员录制的视频，讲述他们如何运用AI来改善全球数百万人的生活。每个任务还附带完整的课程计划和教师指南，以及游戏前和游戏后的活动。

学生看到自己的决策所产生的影响，反思其伦理与社会影响，并论证结论的合理性。

人工智能开始从数据中学习。它的任务是发现并记住洪水可能遵循的所有不同模式。

为了准确识别洪水模式，人工智能需要调查和学习不同类型的数据。

在学习模式之后，该模型会进行洪水预测。针对每组条件，它都会预测洪水可能发生的时间以及严重程度。

为了检查模型的运行情况，我们将使用模型从未见过的洪水数据对其进行测试。

06体验评价

这个平台可以让孩子作为游戏自己学习，更合适作为教师的资源网站引入课堂。它对应了如下的教学目标：

感知：学生接触能够解读传感器或环境数据的人工智能。

表征与推理：学生探索人工智能系统如何运用数据和逻辑进行决策。

学习机制：学生了解模型训练过程，认识数据质量与选择的重要性，并探究机器如何通过案例实现“学习”。

自然交互：学生通过角色或界面等媒介，思考人工智能系统与人类的交互方式。

社会影响：学生审视人工智能如何应对现实社会挑战，同时考量公平性、伦理规范与责任担当

AI Quests引入真实世界的人工智能解决方案，引导学生成为现实世界的解决者。它所设计的任务围绕紧迫的社会议题展开，为跨学科真实学习提供丰富机遇。

从设计理念和理论基础看，AI Quests课程基于“理解为本”（UbD）教学框架。贯穿所有探索任务的核心理解是：人类能够开发并设计人工智能应用，以应对人类面临的重大未解挑战。

在方法设计上，AI Quests通过叙事引导、角色扮演和关键决策，让学生接触数据准备、模型训练与测试、偏见问题等核心人工智能概念，进而设计人工智能应用方案。

当然，最关键的是，它在展示真实研究的过程中还很好玩。

原版阅读咨询




关注我们


持续分享有趣的分级读物和英语阅读方法
‍