G1. Introduction to AI (AI 人工智能簡介)

此活動可以講座形式進行，講師將會侯用 AlphAI 進行演示 ; 也能以實踐研討會(hands-on workshop)由幾個人或小組形式同時處理多個 AlphAI。

講座形式一般為 1-3小時，而實踐研討會則可長達 2 至 6 個小時 ( 建議分為幾部份進行 , 由其對象為中小學生時 )

本文檔亦有 Powerpoint 版本(英文) , 你可到 這裡 找到它 。你可以隨意修改該 Powerpoint 以迎合你的需要。

我們將透過介紹 AlphAI 的「4個遞進程度的自動化(4 increasing levels of autonomy)」 來解釋什麼是 AI 人工智能 (Artificial Intelligence) :  首2個程度不涉及 AI , 後2個程度是 AI 人工智能 ( 人工智能的概念是很難定義的 , 接下來我們將進行深入討論) 。

知識要求 ( KNOWLEDGE REQUIREMENTS ) :

  • 無需任何知識
  • 建議年齡為8歲以上 ,  AIphAI 學習的內容非常廣泛 , 由最基礎到大學程度都有。

物料 :

  • 每人/每組一個 AlphAI。
  • 每個 AlphAI 機械人配對一部電腦 , 你需安裝「AlphAI」軟件並以 Wi-Fi 或藍牙形式連接使用。
  • 為 AlphAI 設置一個或多個場地。
  • 其中一台電腦需連接到投影機(video projector)，向參加者展示 PowerPoint 演示文稿及 AlphaAI 軟件操作示範。 本份教案亦附有不少 YouTube demo 影片 ，因此建議以藍牙形式連接 AlphAI 並確保電腦已連接至互聯網。
  • 即使在會議的背景下，讓參加者嘗試操縱 AlphAI 機器人以提高他們的學習動機及興趣也是非常重要的。 在這種情況下，如果有 2 個 AlphAI（因此需要2部電腦）可使用，能邀請2個參加者參與的效果會更好，特別是在“Level 3: Supervised learning”時組織一場小型AlphAI 比賽就更好了！

配置 :

佈置場地。假如有幾組 AlphAI 機械人 , 製作大型場地會比小型場地更佳！

利用投影機技放 Powerpoint 到大螢幕上。

在所有電腦開啟 AlphAI software 並配對至相應的 AlphAI :

→ 開啟 AlphAI 的電源 (電源掣在底部)。需時約20-30秒 , 它會輕輕移動幾步, 當它準備好連接時會亮起白光。

→ 記下 AlphAI 底板的編號 ( 應該3位數 e.g 197 )

→ 選擇以WiFi 或 藍牙接駁 ( 當超過4個 AlphAI 或房間已有多個 WiFi 網絡時 , 建議使用藍牙接駁)

Wi-Fi :  藍牙 :
- 將電腦連接至 AlphAI 的 Wi-Fi :
找出以 AlPHAI 開頭並以機械人編號結尾的 Wi-Fi 網絡 : 密碼與Wi-Fi名稱相同 (包括大小寫)
- 在「Tools」工具欄中選擇「wifi」		 - 在 「Tools」工具欄中選擇「Bluetooth」,選擇相應的 AlphAI (對應機身編號)
- 如果你的 AlphAI 不在列表中 , 點擊「pari a new robot via Bluetooth」並在該 AlphAI 出現時選擇    它 , 然後將它添加到您可以選擇的列表中。


→ 點擊「connection」 button 來連接你的 AlphAI 。連接後你將在右下角能到它的電量。

什麼是人工智能(Artificial Intelligence) ?

我們建議以活動形式與班級/觀眾來討論「什麼是AI」。 他們認為人工智能是什麼？

這個專有名詞首次出現在 1956 年的達特茅斯(Dartmouth)會議上，當時有很多電腦科學家和神經生物學家參與並喚起模擬人腦的項目，從而復制甚至超越其能力。人工智能是一個研究項目，它的最終目標至今尚未實現，但已經取得了許多成果。

自 2000 年代起機器學習領域取得驚人的進步，而且對普羅大眾來說也是顯而易見的。 這是電腦程序根據數據進行自我配置的能力。 這產生了一種全新的配置自動系統方法 : 無需編寫指令對其進行編程，而是通過向它們(AI)提供「數據」來「訓練」它們。AlphAI 亦開始採用這種新的編程方法，我們將致力以這種方式發展並在未來幾年變得越來越成熟。

經過這次的入門介紹課後 , 你應能比較不涉及機器學習(前2個級別)及涉及機械學習(後2個級別)的 AlphAI 的不同自動化級別 :

  1. 遙控 | Remote control
  2. 編程 | Programming
  3. 監督式學習 | Supervised learning ("Imitation")
  4. 強化學習 | Reinforcement learning ("trial and error")