项目引路，AI赋能，创意无限

王宇涵 张崇珍 上海人工智能实验室

项目化学习是在建构主义理论、情境认知理论和学习迁移理论的指导下发展的，强调以学生为中心，学生通过设计基于情境的驱动性问题，主动接受、解释和加工信息，进而使得真实情境与学科知识产生联结，使得学习者与学习环境产生深度交互，并实现知识迁移的新型学习方式。

笔者所在的上海人工智能实验室（以下简称“实验室”），尝试借助形式多样的AI科创活动，通过完整的项目化学习实践过程，引导青少年理解人工智能学科知识并运用多学科知识解决基于真实情境的驱动问题。

从活动的人工智能项目化学习成果来看，根据人工智能在项目中的功用分类，可以得学习成果分为“将AI作为研究对象”“将AI作为研究工具”和“将AI作为应用技术”。下面，笔者分别介绍活动中的四个项目成果，希望能为中小学教师的人工智能项目化学习实践提供更多思路。

● 将AI作为研究对象

“将AI作为研究对象”是指对人工智能算法模型进行改进和优化。

项目：基于改进STN的鸟类中细粒度分类算法研究。

该项目将计算机视觉中的细粒度图像分析作为研究任务，在CUB200-201数据集中将反映动物空间结构的关键点坐标与空间变换网络（Spatial Transformer Network，STN）相融合（如图1），有效解决了同一鸟类姿态差异较大而导致识别率下降的问题。实验结果表明，该项目加入PoseSTN模块改进后，在运行时间缩短一半的基础上，鸟类识别准确率提升了21%。

图1 CUB200-201数据集及其部位关键点标注

● 将AI作为研究工具

“将AI作为研究工具”是指中小学生对某一具体真实问题开展理论探究、求证。

项目：黑板反光问题研究。

基于黑板表面在强阳光照射下会产生巨大的反光亮斑，影响教学体验和教学质量，项目团队通过摄像头拍摄黑板照片，判断入射光进入教室的方位。该程序算法首先使用矩形矫正算法获取黑板的四个顶点（如图2），经过透视变换将黑板的照片矫正成二维正面的矩形图，然后将该矩形图分割成100个左右的小方格，并使用自建数据集训练的卷积神经网络将每个小方格分类成“光心”“光晕”和“无光”，得到分类结果矩阵，再对该矩阵进行减噪处理，最终得到亮斑中心位置。以此为基础代入教室尺寸数据，进行几何光学计算，就可以得出入射光线的方向以及应拉动的窗帘。

图2 黑板矩形未矫正的图像

● 将AI作为应用技术

“将AI作为应用技术”是指用AI相关技术解决真实世界的客观问题，并将成果应用于物理场景案例中。

项目：基于人体姿态识别和机器学习的武术教学及评价系统。

武术教学和评价的标准化和规范化是学校体育教学中的难点，项目团队利用人体检测、人体姿态识别等技术，将一整套动作分解为单个基础动作，并对此进行识别、分类、对比、评价（如图3）。同时，比较了基于分类规则和基于机器学习两种方法，通过实验结果证明基于机器学习的分类在准确率、适应性方面都有明显优势。

图3 使用基于机器学习的分类器对视频评分

项目：车辆驾驶视觉辅助系统。

在驾驶车辆时，由于车速过快、驾驶员视力不好、树枝绿化遮挡、驾驶员开小差、傍晚黄昏夜间光线不足等，驾驶者经常会漏看路上的交通标志牌、地面导向标志、红绿灯、行人、非机动车等，导致驾驶违章，甚至是发生事故。该项目借助神经网络进行深度学习，运用卷积算法提取图像的特征，依靠GPU高效的并行计算架构完成实时目标检测。系统可识别道路交通标志、地面导向标志、机动车、非机动车、行人、交通信号灯等目标，辅助观察前方道路、被汽车A柱遮挡区域、转弯和倒车盲区等位置，弥补夜间视线模糊情况，给予驾驶者适当提示，避免违章，防止事故发生，提升主动安全。

● 总结展望

随着人工智能普及教育的发展，越来越多的中小学生参与到中小学人工智能项目化学习实践中，其学科项目化学习成果、学科知识的理解与应用能力也得到不断发展。后续，笔者所在团队会继续挖掘、融合更多平台资源优势，启发学生思考真实问题，制订项目化学习计划，完成具有个性化、创意性的人工智能项目，为青少年人工智能教育生态建设和人才集聚提供良好支撑，为我国选拔和培养人工智能领域的未来人才助力。