文章目錄
AI for Oceans 是一個在 Code.org 平台上提供的 AI 課程，旨在教授學生有關人工智慧（AI）的基本概念，特別是如何應用於海洋和環境保護。Code.org 是一個非盈利性組織，相信大家對它應該都不陌生，其宗旨在於協助美國的學生學習電腦科學，此教育機構也在 2013 年成功推動一小時玩程式 — Hour of Code 的活動，鼓勵大家接觸電腦科學。
而在近幾年歐美國家也大力推動兒童青少年人工智慧教育的同時，Code.org 也順勢推出了這一個具有環保教育意義的互動式 AI 課程 – AI for Oceans。在課程中不僅可以讓學生瞭解到人工智慧及機器學習的基本觀念，同時也可以讓他們在學習過程中體會生態環境的重要性。平台提供各種語系(包含繁體中文)，本文章相關操作畫面將以英文為主。
整個 AI 課程的活動過程可分為下面五大步驟，現在就讓我們帶著大家一探課程有趣的地方吧！
讀者若想要了解多一點有關人工智慧及機器學習的基本觀念，或是本活動的相關學習內容，可以參考「從 AI 到 生成式 AI：40 個零程式的實作體驗，培養新世代人工智慧素養」這本書。目前不僅是各大書局的 AI 入門暢銷書，也是許多大學人工智慧概論基礎課程的參考用書。可以在沒有程式、沒有數學的學習門檻下，帶領初學者無痛體驗生成式 AI、機器學習、深度學習、自然語言處理、電腦視覺辨識…等各種 AI 技術，讓不懂程式的你，也可以親手訓練 AI、掌握 AI，並讓 AI 成為你的神助手！
活動目標及網址參考如下：
- 活動目的：利用 Code.org 的 AI for Oceans 來瞭解人類偏見如何在機器學習中引起作用的原因。
- 活動網址：AI for Oceans
- 使用環境：桌上型電腦或筆記型電腦
- 活動步驟：相關內容及觀念可參考「從 AI 到 生成式 AI：40 個零程式的實作體驗，培養新世代人工智慧素養」
Step 1：機器學習
機器學習是指計算機可以在沒有明確的編程指令時，就可識別一些模式並做出決策，您可以參考下面這個補充(傳統程式跟機器學習的差別)。
您也可以參考 Code.org 所製作的機器學習影片，它將以另外的觀點來說明什麼是機器學習(Machine Learning)。
在課程活動中，我們將利用課程平台所提供的資料來訓練自己的機器學習模型。
想像一下，在海洋中除了有您熟知的魚類生物外，還有人類隨意丟棄的垃圾，如果我們可以訓練計算機來分辨出魚類生物與垃圾的差異，並且利用此技術來幫助清潔海洋，那我們該怎麼做呢？
Step 2：訓練 AI 清潔海洋
活動開始時會先告訴使用者，扔棄在海中的垃圾會影響海洋生物，因此希望能透過訓練人工智慧( Artificial Intelligence，AI )的方式去分辨魚和垃圾，透過簡單的互動，我們將海洋中的物品做了簡單的分類，您有發現哪些不屬於魚類的東西嗎???
訓練 AI 來判斷魚及垃圾(魚和非魚)
活動一開始會先告知 ，AI 並不懂每一個圖片中的物件是魚還是垃圾，但 AI 可以處理圖片(例如顏色)和識別圖型(例如外型)，根據這個特性可以試著訓練 AI 來分類哪一張圖型是魚，哪一張圖型是垃圾。AI 會從您的選擇中學習判斷，如果您做了「錯誤」的選擇，AI 也會跟著做錯。您提供給 AI 訓練的資料愈多，它就會學得更多。
這時候您可以測試看看，AI 經過您剛剛的訓練，能不能正確判斷出「魚」跟「垃圾」的分別呢?
我們來看看 AI 測試的結果(如下圖)。這些都是剛剛所訓練的 AI 模型，將物體認為是「魚」的狀況，您滿意這樣的結果嗎？看起來應該不是很滿意，因為有很多垃圾或奇怪的東西，不應該被辨識為「魚」。讀者可以想想看為什麼呢？🤔
我們可以思考看看，下面幾種訓練的情況所造成的影響會是如何！
- 訓練方式不好
- 訓練資料較少
- 訓練資料有誤
現在來討論另外一個議題。上面的訓練是讓 AI 來判斷「魚」和「非魚」，如果用這個訓練出來的 AI 模型來判斷其它海洋生物會發生什麼事呢？我們的訓練會造成非預期的後果嗎？讓我們來看看下面的情況。
您可以看到它將某些海洋生物(例如螃蟹)與垃圾都視為「非魚」，雖然牠們非魚類，但確實是生活在水中，因此可以理解到 AI 只會學習我們教它的東西，如果要它再多認識東西，則必須再多訓練它。
我們開始訓練 AI 認識哪一些東西應該是在水裡吧！
來看看訓練後的 AI 有沒有變厲害了…
經過訓練後，AI 是不是認識水中的生物變多了呢！
Step 3：訓練資料及偏差
您覺得 AI 的表現如何呢？您又如何看待海洋中的東西呢？我們會不會因為個人的喜好偏見造成訓練 AI 時也產生相同情形呢？大家可以參考「從 AI 到 生成式 AI：40 個零程式的實作體驗，培養新世代人工智慧素養」，書中有非常多的介紹及範例說明。讀者也可以參考下面影片及接下來的小節，您將會有所啟發。
Step 4：使用訓練資料
我們可以試著教 AI 其他不同的判斷，例如外型、顏色等等，根據不同的訓練資料，最終可能會得到不同的結果。AI 現在不再只是查看實際的圖像資料，而是根據我們如何對每種魚進行分類來尋找當中的模式，如果魚具有符合的特徵，那 AI 會與我們用相同的方式來標記魚。
例如我們想訓練 AI 辨識三角形(Triangular)的魚類(讀者也可以試看看其他如紅藍綠的顏色或其他形狀的魚)，我們可以提供給 AI 一些三角形種類的魚讓它試著學習看看，而人工智慧跟機器學習能夠用在教會電腦新的規則。如果你覺得你提供足夠判斷的分類資料後，就可以點擊 Continue (繼續) 的按鈕。以下面範例，作者提供 29 筆訓練資料(可察看畫面右上角)，AI 會藉著你的訓練資料，已具備辨識是否為「三角形 (Triangular)」的魚了。
我們現在來看看 AI 是否學會較模糊的字眼。先讓我們來訓練 AI 一個你所決定的單詞，例如我們選擇生氣(Angry)。你可以提供一些你認為生氣(Angry)的魚或不是生氣(Angry)，讓 AI 進行訓練。
此時你應該會發現，有些魚的表情不容易判別，所以讓 AI 透過表情或外觀來判斷魚類是否公平，雖然 AI 看起來公平，但它的分析主要是來自我們所提供的訓練資料，這會導致怎麼樣的意外偏差呢？大家可以思考看看。下圖為作者提供 25 筆訓練資料，AI 會藉著這些訓練資料，來辨識「生氣」的魚類。
當魚看起來像是“生氣”或“有趣”時，不同訓練的人可能會選擇相同的標籤，意味著 AI 將使用與訓練的人相同偏見來做學習，這時可以請學生們反思這是好還是壞呢？
Step 5：對社會的影響
AI 系統可以從我們提供的資料當中學習，但這些資料可能會基於某些觀點或有偏見，而影響 AI 的訓練。想一想 AI 或機器學習在現實世界中是否有遇到問題的時候呢？（例如，語音識別無法理解您在講什麼，是當初訓練它的人音調跟您不一樣，還是表達句子的差異呢？），有偏見的資料如何導致 AI 的問題？有什麼方法可以解決這個問題？動動腦，想一想，也許您會有不同的發想唷！
AI 對社會的影響很大，例如自動駕駛可藉由 AI 技術來感測周圍環境並做出重要判斷，我們也可以利用這些技術在節能、糧食種植、疾病診斷獲得改善，AI 具備徹底改變人類生活的潛力，但必須是在毫無歧視的情況下進行，歐美國家在教育兒童及青少年人工智慧教育時，都會非常強調這一部分，讓這一代的小孩在獲得 AI 知識的同時也必須了解延伸出來有關倫理、隱私及偏見的問題。「從 AI 到 生成式 AI：40 個零程式的實作體驗，培養新世代人工智慧素養」也是依循這樣的思維，讓讀者從 AI 到生成式 AI，不僅在技術理解上獲得完整知識，且動手實作大量活動來瞭解相關 AI 應用，同時也能深刻體認到 AI 所帶來的影響。SimpleLearn 也將會持續用最簡單的圖文及最活潑的活動專案讓有興趣的讀者更瞭解 AI 。
最後~完成整個課程後，您將可以得到一張精美證書唷！
本篇文章介紹 Code.org 上的一個 AI 互動式學習課程 – “AI for Oceans”，旨在向學生介紹人工智慧（AI）的基本概念。本篇文章帶領讀者透過一個以海洋為主題的遊戲來學習 AI。遊戲中，讀者需要訓練一個 AI 模型來識別和區分海洋生物和海洋垃圾。透過一系列的挑戰，學習如何收集和整理數據，如何訓練一個機器學習模型，以及如何測試和改進該模型的性能。這個活動課程透過實際的互動體驗，讓大家了解 AI 是如何工作以及它如何可以被用來解決實際問題，例如保護海洋環境。
藉由文章 Step by Step 的說明，相信可以啟發下一代學生對 AI 和環境保護的興趣。這個活動課程適合各種年齡層的讀者，特別是那些對科技、環境科學和海洋生物感興趣的學生。後續文章也會在這些基礎上，讓大家學習更多觀念及有趣的專案。
如果大家想要多了解一些 AI 的基礎概念，可以參考這一本書【從 AI 到 生成式 AI：40 個零程式的實作體驗，培養新世代人工智慧素養】，或是 SimpleLearn｜Online 課程，它將帶領讀者在不會程式、不會數學也OK!的情況下，建立最完整的 AI 入門知識。
如果你喜歡這篇文章歡迎訂閱、分享(請載名出處)與追蹤，並持續關注最新文章。同時 FB 及 IG 也會不定期提供國內外教育與科技新知。