更多

    低成本離線 AI 方案

    kaWing
    從事科技教育報導逾十年,見證香港電子學習及STEM的興起和轉變。

    AI 涉及複雜運算加上需要儲存數據,因此很多人以為是高端科技,不易學習兼費用高昂。只是隨著近年各國開始推動 AI 普及,加上各類型公司參與開發,不同的教育方案陸續浮現,有熱心教師曾嘗試使用多類方案,找到成本低且離線的 AI 方式,更將之整理成教材。

    獻主會聖母院書院教師彭嘉煒是香港Google認證創意家,具有一定程度的技術能力。
    獻主會聖母院書院教師彭嘉煒是香港Google認證創意家,具有一定程度的技術能力。

    獻主會聖母院書院教師彭嘉煒(簡稱彭 Sir )主要任教科學科,過往熱心於翻轉學習的教育方式,並且對科技教育熟悉。現時是翻轉學習講師,並且因應興趣,亦是 Google 認證講師,近期成為香港唯一一位 Google 認證創意家。

    老師自學 ML 課程

    彭 Sir 留意外國的科技教育趨勢,學習 AI 已是如火如荼,既有課程推出,教材也愈見成熟,認為是適當時間引入本地。他遂研習 Machine learning crash course 課程,並分析巿場上多個 AI 及教學方案,最後因應香港獨特情況,開始撰寫校本教材。

    彭Sir笑言Machine learning crash course課程有點深,就算他是成人兼有科學背景,但修讀仍比預定多花了一些時間,亦因此令他期望能協助進一步淺化AI課程。
    彭Sir笑言Machine learning crash course課程有點深,就算他是成人兼有科學背景,但修讀仍比預定多花了一些時間,亦因此令他期望能協助進一步淺化AI課程。

    他指出很多國家或機構推出的內容仍較艱深,他個人早前花了約兩倍時間才完成線上課程。現在融合教學經驗,構思出運用聯想連線的方式。方向是讓學生多從角度接觸主題,從而產生學習成果連結的學習方式,他笑言此設計與 AI 裡神經網絡理念相似,或許是與他科學背景相關。

    彭Sir因應香港及校本情況,設計了AI本地教材。
    彭Sir因應香港及校本情況,設計了AI本地教材。

    軟硬件滲入 AI 知識

    事實上,他的科學教學理念,也可於課程設計上到處可見。運用方式是讓學生接觸視覺上有變化的 AI 方案,經由具體的觀感從而連結複雜及艱深的 AI 概念。學習元素包括有動手作硬件、自行建立數據模型、最終通過實驗對比有效方式等。事實上,他已在中二的 STEM 課堂試課,效果頗佳,他預計能在一個月為期的四節課當中,先在科學科動手作導讀及硬件,電腦課堂作 Machine Learning 建立訓練數據,數學科教授線性作驗證,最後可交由學生建構 AI 作品。

    細節內容是學生動手作 AIY Vision Kit ,優點是從中能理解 AI 整體運作,包括硬件和軟件。方式是讓學生組裝後,再執行當中微笑測試模型,如此一來,已完成軟硬件的經歷。他解釋上述的過程會滲入科學實驗裡最重要的步驟,分別是假設、實驗、引證和結論。

    通過動手製作AIY Vision Kit,就可認識硬件原理及AI操作所涉及的基礎流程。
    通過動手製作AIY Vision Kit,就可認識硬件原理及AI操作所涉及的基礎流程。

    科學解構點線式神經網絡

    由於科學科真正的意義是學生們需先假設有那些元素會影響結果,學生們會猜測眉毛、眼睛、嘴巴等均會影響 AI 判斷。接著是實驗和驗證,以科學角度每次只能選擇一個變數,所以方法很簡單,每次測試時遮擋臉部其他特徵,只露出其中一組就可進行測試。如此一來,彭 Sir 會引導學生解釋 AI 影像擷取特徵的方式,就是以點連線,繼而判斷連線角度,他提醒當中涉及數學的理論比編程更多。

    科學裡的重要精神是驗證,而測試時只能修改一個變項,因此同學需遮擋臉部其他特徵作測試。
    科學裡的重要精神是驗證,而測試時只能修改一個變項,因此同學需遮擋臉部其他特徵作測試。

    AIY Vision Kit內有微笑模型,但通過訓練數據,可讓同學通過實作掌握。
    AIY Vision Kit內有微笑模型,但通過訓練數據,可讓同學通過實作掌握。

    接著就是建立多項笑和不笑的數據,再找出當中微笑 Matching (匹配)的部分成為自信度基準,自信度越高代表越相似判斷結果。整個硬件製作和微笑測試完成後,基本上學生會有具體 AI 認知。為了確認學生學懂訓練數據,加上獻主會聖母院書院校本有手語服務,彭 Sir 接著要求學生建立手語 AI 數據模型,以判斷其學習成果,方式是讓學生運用 TensorFlow Lite 訓練出手語模型。

    AI裡的一個要意義是在圖像中找出點連線,從而形成數據,笑容的基準點是一個三角形。
    AI裡的一個要意義是在圖像中找出點連線,從而形成數據,笑容的基準點是一個三角形。

    彭Sir講解AI核心是數學運用,亦因此數學課堂有不經意的讓中二學生體驗了高中數學內容。
    彭Sir講解AI核心是數學運用,亦因此數學課堂有不經意的讓中二學生體驗了高中數學內容。

    學生掌握訓練數據

    經過試課和製作手語模型後,彭 Sir 直言師生均有得著。以製作 AI 經驗來說,他認為 AI 手語發展比手語硬件辨識更理想。近年有很多運用 micro:bit 或 Arduino 結合感應器的手語硬件作品,但此類設計需硬件接線及編程,需處理的事項較多。獻主會聖母院書院學生用 AI 影像技術辨識手語,則只需訓練 AI 模型、單機板硬件、硬件加速器及鏡頭即可。他表示課堂編排成功,預期明年可推行全級授課。

    聖母書院學生製作手語AI模型。
    獻主會聖母院書院學生製作手語AI模型。
    圖中是手語動作,辨識一個動作需時52ms(毫秒),速度不太理想,日後會加入硬件加速器。
    圖中是手語動作,辨識一個動作需時52ms(毫秒),速度不太理想,日後會加入硬件加速器。

    推動 AI 淺化

    現時香港學界能夠深入淺出,並用學科角度精闢講解 AI 的教師不太多,彭 Sir 是其中一位。那麼他如何看待 AI 教育呢?他認為 AI 教育有兩個方向,一是 AI 應用,另一是 AI 研發。他個人認為中學適宜教授應用,以現時教材和工具來看,他認為高小及中學均有機會實現。進一步則可走向 AIoT ,畢竟香港學界對 IoT 的掌握程度高,加上近年累積 STEM 經驗,將兩者結合是實用的發展。

    至於更上一層的話,就能才從事類似神經網絡的研究,當中會涉及數值和比重調節方面的知識,以達到微調神經元的逐層發展,較適合有志或有興趣人士發展。此外,由於彭 Sir 是 Google 認證創意家,他個人將朝向將 AI 淺化於該方面作更多分享。

    單機板的AI於學界教學上更易使用,彭Sir分享用Rasberry Pi 4和Pi Zero Camera能製作AI離線教學產品。
    單機板的AI於學界教學上更易使用,彭Sir分享用Rasberry Pi 4和Pi Zero Camera能製作AI離線教學產品。

    配合用Google Coral USB Accelerator,能將上述手語訓練數據辨識速度提速至3ms。
    配合用Google Coral USB Accelerator,能將上述手語訓練數據辨識速度提速至3ms。

    新手接觸 AI

    對於 AI 教學有興趣者,上述的分享已是一套完整的教學方案。至於讀者若想在家快速試用,也可試玩《 TensorFlow.js 》。彭 Sir 講解 TensorFlow 現時有三個版本, TensorFlow 是傳統 AI ,彈性最大,但所需硬件資源也較多,多是大學或研究者使用,需使用者需逐一將程式碼輸入以製作模型和參考數據。

    TensorFlow.js運作於網站,已有既定模型,使用者主要是訓練數據,但缺點需連接上網使用,比較適用於體驗。至於兩者的中間就是TensorFlow Lite可於沒有連線的單版電腦運行,以獻主會聖母院書院為例,學生最終設計的手語辨識程式,就是安裝於 Raspberry Pi 4 加 Pi Zero Camera 已可執行。單是試玩,彭 Sir 推薦 Google 的 Teachable Machine,使用網頁版本是 TensorFlow.js 版本,有興趣安裝下載就可用 TensorFlow Lite 。

    Google Teachable Machine

    AI 教育高速進化

    小記於採訪期間獲益良多,彭 Sir 用淺白方式解說和示範多項 AI 概念。事實上,彭 Sir 坦言他認為 AI 香港推行,有機會比 STEM 更快,一方面是政府撥款支持,加上有多款工具推出,相信變化太快將是一大挑戰。他笑說單是教學方案撰寫期間,教材就有兩代版本改變,但他樂觀其成,期望學界有百花齊放的景象。

    您會感興趣的內容

    相關文章