核心理念#1:计算机利用传感器感知世界。感知是从感觉信号中提取信息的过程。计算机具有足够“看”和“听”的能力并能实际应用,这是人工智能最重要的成就之一。学生必须了解机器感知口语或视觉图像需要广泛的领域知识;例如,对于口语来说,一个人不仅要知道语言的声音,还要知道语言的词汇、语法和使用形式。缺乏这样的知识,机器语音识别就无法达到人类的准确度。 K-2 的学生应该知道如何与基于语音的解决方案进行交互,并具有一些机器视觉方面的经验(例如,他们可以使用网络摄像头和基于网络的应用程序进行面部或物体识别,或者演示 Google 的 QuickDraw)。 3-5。在课堂上,学生应该能够修改采用结合儿童人工智能原理的编程框架编写的基于感知的应用程序。例如,他们可以创建对口头表达或视觉标记或特定面孔的出现做出反应的应用程序。 6-8。在课堂上,学生应该能够自己创建更复杂的应用程序。 9-12。在课堂上,学生应该能够识别和展示机器感知系统的局限性,并使用机器学习工具来训练感知器分类器。核心理念#2:代理维护世界的模型/表征并使用它们进行推理。人工智能系统通常被定义为感知和表征世界并产生有意图的、影响世界的输出的智能代理。表征是自然智能和人工智能的基本问题之一。学生应该理解表示的概念,例如地图如何表示某个区域或图表如何表示棋盘游戏的情况。学生还必须了解,计算机使用数据构建表示,并且可以通过应用从已知信息中获取新信息的推理算法来操纵这些表示。虽然人工智能代理可以思考非常复杂的问题,但它们的思考方式并不像人类。许多人类可以轻松进行的推理超出了当今人工智能系统的能力。在 K-2 年级,我们希望学生能够检查智能代理创建的演示文稿(例如,Calypso 为 Cozmo 创建的世界地图)并能够使用纸和铅笔创建简单的演示文稿。 3-5。在课堂上,我们希望学生能够使用简单的计算机程序中的表示,例如 Scratch 中的精灵可以将画布和精灵视为世界的表示,并使用触摸块来查询它。这个级别的学生,哪种动物有“翅膀”?他们还可以通过练习来检查推理算法,例如建立决策树来根据一系列是/否问题确定他们的想法,例如: 6-8。在课堂上,学生应该能够检查诸如 Google 知识图谱之类的演示文稿并模拟简单的图形搜索算法。 9-12。在课堂上,学生应该能够使用基本数据结构(列表和字典)来编写简单的推理算法。重要创意#3:计算机可以从数据中学习。机器学习算法允许计算机使用人类提供的或机器本身接收的训练数据来创建自己的表示。近年来,得益于机械工程技术,人工智能的许多领域都取得了重大进展,但要取得成功,就需要大量的数据。例如,Open Image Dataset V4, 9