背景

自2017年国务院发布《新一代人工智能发展规划》要求广泛开展人工智能科普活动以来，中小学开展人工智能教育已逾六年。其间《普通高中信息技术课程标准（2017年版2020年修订）》《义务教育信息技术课程标准（2022年版）》为中小学开展人工智能教育提供了政策依据和课程标准。目前，人工智能教育的重要性和必要性已成为社会共识，但人工智能教学中还存在一系列问题：一是对人工智能教育认识不全面、不足，仅是学习人工智能科普知识、使用特定的人工智能工具，而没有把人工智能教育的核心定位在AI模型上；二是对人工智能模型的学习和应用一般基于环境，受学生认知能力制约，义务教育阶段实施面临困难； 第三，即使目前有一些具备模型训练能力的图形化编程软件和学习平台，但一般用于创新大赛，无法正常应用于现实生活场景。因此，在人工智能教育生机勃勃的义务教育阶段，学生的人工智能知识和能力无法得到充分体现——训练人工智能模型。

改善当前的人工智能教学现状，首先要站在学生的角度去理解人工智能模型，用通俗的形式去表达智能设备的“推理”“预测”等能力是如何产生的过程，也就是为什么设备具备智能功能；其次要开发出一种智能设备，作为学习工具，通过一定的技术实现智能功能，并能在生活中应用；最后学习和应用要操作简单，模型易于部署，易于推广和普及。

目前，人工智能教育以机器学习为代表的模型训练为主。相比“图灵测试”，“学习”更能体现人工智能与人类的联系。人类的智能来源于学习，可以让中小学生理解人工智能是“模拟、延伸、拓展人类智能”的科学。同时，人工智能视觉应用相对成熟，在生活中非常常见；图像数据也相对直观，符合学生的认知特点，可以相对直观地判断人工智能推理的效果。因此，这种类似学习工具的智能设备（以下简称“相机”）以相机的形式出现，以“学习”为特色。为相机学习特定的图像数据，相机就会具有特定的功能；为相机部署不同的模型，相机就会具有不同的功能，比如人脸检测、头盔识别等。本文试图通过开发“学习型相机”来解决上述人工智能教育困境。

“学习型相机”的设计和开发

1. 设计原则

在设计和开发“学习型相机”时，应该遵循以下原则。

（1）连接原理

第一是内容的衔接。基于义务教育的层级结构，为了避免AI教育知识碎片化，特别是在实现“体验、训练、应用”等不同学习阶段的目标时，需要以学习工具为媒介，实现无缝衔接。比如在第一、二阶段，在摄像头上部署不同的AI模型，让学生体验各种AI；在第三、四阶段，可以在摄像头上部署自学习（预训练）模型，让学生体验摄像头是如何学习的，甚至应用图形化编程开发AI应用项目。第二是与其他学习工具的衔接。多年的AI教育积累了丰富的经验，也有一些相对优秀的工具和软件，比如Mind+、控制板等，借助这些成熟的工具及其生态，可以更好地开展AI教育。

（2）便利原则

第一，易教学。将各种传感器、主控、执行器等集成为一体，像控制面板一样高度集成，方便教学管理和操作，可实现大班教学。第二，易应用，包括模型部署和项目开发使用。比如在模型部署和体验方面，接近“无门槛”和“零基础”，应用项目时无需电脑即可直接使用。第三，易分享和学习交流。比如学生发布的个人AI模型，可以无差别地重新部署在摄像头上，分享模型，分享成果，分享快乐。

（3）推广原则

虽然摄像头是为了普及AI教育，面向全民学生，让每个学生都能有自己的AI模型，但这些模型是最基础的，是用来培养全民学生AI素养的。模型也要兼顾优秀学生的学习需求，为他们提供创新发展的环境。所以，摄像头应该是面向全民学生，面向创新人才的培养。

2.功能设计

（一）教育功能

志愿教育阶段分为四个学习阶段，学生的认知能力虽然差异很大，但也具有共同的特点，如好奇心强、练习时间多、愿意通过游戏、活动等方式进行学习。而摄像头能激发学生的学习兴趣，操作简便，随时可用，可玩性强。因此选择图像分类与检测作为摄像头的人工智能功能定位，以摄像头作为图像采集的工具，借助开放平台算力进行模型训练，采用图形化编程方式实现项目。

（2）实用功能

“学习相机”支持AI学习成果的实践，简化学习步骤和学习时间，并称之为“1320”实践机制，即对于已有的AI模型，1分钟即可完成部署，体验效果；对于预训练好的模型，拍几张照片即可完成分类学习，3分钟即可教会相机学习；对于新模型，利用在线训练平台或离线训练软件，20分钟即可掌握训练新模型，并应用到生活中。从实际操作上讲，1分钟完成部署，就是把模型当成一个文件，把相机当成一个移动存储（如U盘），部署模型相当于在电脑里进行复制粘贴操作；重启相机，即可运行AI模型；3分钟教会相机学习，是针对预训练好的分类模型（如二分类），可以拍两张不同类型的照片，然后以这两类特征作为训练数据，拍一组照片。 相机自动完成训练，具备区分这两类照片（物体）的能力。20分钟学会训练一个新模型，意味着通过在线平台掌握模型训练的原理、步骤和工具，能够利用资源和工具训练新模型，包括分类和检测AI模型。

（3）技术功能

该摄像头依托国内开源生态，参考基于全志V831和乐鑫控制板开发的原型，保留人工智能特性和控制板的物联网主控功能，由人工智能模块和物联网控制模块组成，两个模块之间通过串口传输数据，实现人工智能推理结果的拓展应用，并与“过程与控制”相结合，满足信息技术课程的技术要求。该摄像头秉承开源精神，将原型解决方案发布到开源平台，任何老师都可以制作或改进。

“学习相机”教学应用程序

1. 课程规划

由于义务教育阶段信息技术课程标准对学习阶段的划分和内容安排，无法开展人工智能教育的常规化、独立化教学，给中小学人工智能教育的实施带来了挑战。但从第一阶段的学习开始，信息技术课程标准中就有人工智能教育相关的描述。如学习阶段目标中有“体验文字、图标、语音等各种输入方式的表达和交流效果，有意识地运用数字设备处理文字、图片、声音”；学习阶段内容中有“语音输入、拍照识别、点读笔、智能语音助手、人脸识别、智能穿戴设备、数字化学习工具、扫码支付、扫码下载、依靠数据与大数据、因果关系、预测结果、数据、算法、算力、传感器”等描述。可见，人工智能教育可以在不同学习阶段融入信息技术课程中。 同时，由于新课程标准是面向全国的，对于教育发展质量较高的地区，人工智能教育的目标和内容可能会高于标准，因此针对不同地区、不同学习阶段开展案例教学更符合当前人工智能教育的实施情况。

基于以上分析，结合相机特点，AI学习可以分为以下四个阶段。第一阶段：认知体验。了解生活中的AI，认识AI工具，体验AI在学习、生活、工作中的作用和优势。第二阶段：辨别分析。知道数据在AI中的作用。了解AI在生活场景中的推理、预测、生成。第三阶段：实际应用。应用AI相关工具，在生活和学习活动中体验解决问题的过程，体验过程中的技术和伦理。第四阶段：创新部署。面对生活问题时，通过收集数据、训练模型、部署模型、应用模型，创造性地解决问题，提升创新意识与能力。

以上四个阶段的教学流程和策略取决于学校实施人工智能课程的形式和安排。第一至第四阶段，三至八年级为独立教学阶段。根据四个阶段，结合学校情况，可以构建若干个教学案例，覆盖各阶段。案例的实施也可根据学校课程内容动态调整。

2. 课程开发

基于以上规划，在认知体验阶段，可以设计人脸关键点检测、人体检测等课程，学习部署已完成的AI模型，体验效果。在判别分析阶段，可以设计口罩检测、眼镜检测、数字识别等课程，了解模型推理原理。在实际应用阶段，可以设计二分类学习、多分类学习课程，通过部署自学习（预训练）模型，体验机器如何“学习”，了解数据、训练、推理等概念，并利用模型解决生活中的问题。在创新部署阶段，可以设计性别检测（分类）、文具检测（识别）、头盔检测（识别）等课程，掌握AI模型训练的大致步骤，自主训练新模型，并部署解决生活中的问题。

主题：安全出行——头盔测试。

学习阶段：第三、第四阶段。

时长：3节课。

目标：了解交通安全的重要性，自觉遵守交通规则；利用人工智能工具检测交通场景中的信息，了解人工智能推理的原理，使摄像头能够识别更多的交通信息，如头盔、红绿灯、方向标等；训练多种交通安全的AI模型。

（1）项目推介活动

由于上下学途中发生交通事故极易造成严重人身伤害，学校要求骑电动自行车上下学的学生必须佩戴安全头盔，并对未佩戴头盔的学生进行安全警示，提醒下次佩戴头盔，确保学生安全。

（二）项目实施进程

活动一：分析问题，制定方案。在校门外安装头盔检测装置，具体功能为：当检测到电动车经过时，若学生未佩戴头盔，则亮红灯并发出蜂鸣声5秒；若学生佩戴头盔，则亮绿灯并发出蜂鸣声1秒。

活动二：模型训练与测试。为了让设备识别头盔，按照AI模型训练方式，通过网络收集100张包含头盔的图片。登录训练平台，导入50张图片，每张图片标注头盔所有部件。在线训练完成后，部署到摄像头上，用剩下的50张图片进行推理测试，看看能不能识别头盔。

活动三：程序设计。根据情景模拟，如果家长开电动自行车，学生骑车，必须检测到两个头盔才符合安全要求。因此，当摄像头检测到两个头盔时，绿灯亮起，并发出蜂鸣声 1 秒；当少于两个头盔时，红灯亮起，并发出蜂鸣声 5 秒。

活动四：分享交流。项目组模拟校门外道路场景，演示智能检测效果，看能否实现预期功能，分享项目实施过程中的知识学习、能力提升、情感状态。

活动五：优化与扩展。通过收集数据，利用在线训练平台，我们让摄像头学会识别头盔。其实路上还有很多重要的交通信息，比如“红绿灯”、“方向标”，请同学们尝试让摄像头学会识别红绿灯（模拟场景）。

“学习摄像机”减轻了学校开展人工智能教育的经济负担，可以快速形成校本人工智能课程。在课堂上，节省了AI模型训练和部署的时间，降低了操作难度，让学生的创意不受工具条件的限制，快速转化为现实，从而培养学生的人工智能素养。

思考

近两年，生成式人工智能的广泛应用刷新了社会对人工智能的认识。人们不再像过去那样将人工智能视为“人脸识别”应用，也不再像自动驾驶那样觉得它既遥远又不成熟。讨论的焦点也从过去技术视角的“数据、算法、算力”转向普罗大众都能看懂甚至应用的人工智能模型或“大模型”。人工智能教育也越来越贴近生活，在人工智能原理的基础上转向使用模型、训练模型，真正延伸人的智能。“学习相机”就起到这样的作用，让学生从知识、概念上呈现栩栩如生的人工智能，通过模型、训练模型培养人工智能素养。

作者单位│江苏省常州市天宁区教师发展中心