假如你尚未完成上一個 demo , 請按「stop」button停止 AlphAI。

在「Parameters」選擇「Load demo parameters...」然後選擇「manual edition - blocked vs. motion」 , 再按「Start」。

你將會看到一個迷你的「神經網絡 | neural netowrk」, 並且由你決定如何連接！

在神經網絡的左面會見到「紅色車輪」及「綠色車輪」的圖示 , 它們代表著 AlphAI 小車運動傳感器(Motion Sensor)的狀態。 那些細小的黑色/黃色方形是「人工神經元 | artificial neurons」。假如小車沒有被障礙物擋路 , 「綠色車輛」的神經元會亮起。另一方面 ,假如被障礙物擋住 , 「紅色(被擋住)車輪」神經元便會亮起。

透過點擊虛線 , 把這2個輸入神經元(input neurons)及5個輸出神經元(output neurons)連接成5個合理的結果。

多虧了這些連接，您可以讓AlphAI根據它是否被阻擋來選擇不同的動作(action)。

觀察底部的「Reward」及「Level」: AlphAI 走得越遠，它獲得的獎勵就越高，同時等級也越高（等級是一分鐘內獲得的獎勵的平均值）。嘗試設置 2 個連接方案以使AlphAI達到最佳水平。

解決方法 : 當不被阻擋時直行 , 當被擋住時轉右/轉左 (2種可能)

這個活動中我們讓 AlphaAI 可以自主移動。 它不再需以依靠人類來做決定，變成了一個電腦程序，以圖像形式顯示出「sensor」輸入和「action」輸出之間的連接。 在 Scratch、Python 或任何其他通用語言中，編程的形式將會是 : 如果我被擋住了，那麼機器人就會返回，否則它會直行。 在討論中重述所涉及的其他元素，與生物的異同。

• Sensor 感應器
• 經過編程後,決策將由 Sensor 的狀況而決定並充許做出自主性的行為。

• Sensor <---> Sensor Organ (器官)
• 進行決策的程序 <---> 大腦 = 指令中心

•  機器人只做人類預先計劃好的事情。
• 人類會提前預備所有的場景和機械人的行動。它只會做同樣的事情且不會變通。

假如參加者是小學或中學生而你又選擇深入的版本時 , 你可考慮分成幾節課並讓學生重覆操作「manual - edition - blocked vs movement + ultrasound」。你需決定以下4種情況以採取什麼行動 : 1) AlphAI 被阻擋而且在前方探測到障礙物 , 2) AlphAI 被阻擋但前方探測不到障礙物 , 3) AlphAI 沒被阻擋但前方探測到障礙物 , 4) AlphAI 沒被阻礙又沒探測到障礙物。 請注意超音波(Ultra-sound)有某些角度可能會「看」不到牆壁。