Keskustelu tekoälystä (AI) on jatkuvasti muuttuva osa kouluttajien elämää. On väistämätöntä, että tekoälystä tulee keskeinen osa opiskelijoiden elämää. Vaikka vasta alamme ymmärtää, miltä tämä tulee näyttämään, tiedämme, että meidän on aloitettava oppilaidemme valmentaminen tulevaisuuteen jo nyt. Tämä sivu toimii ponnahduslautana tekoälyn opettamiseen VEX:n avulla ja tarjoaa yleiskatsauksen tiedoista ja resursseista, jotka tukevat sinua tekoälyn integroinnissa opetuskäytäntöihisi.
Tekoälyn merkitys
Tekoälyn määrittely
Tekoäly eli AI on tietojenkäsittelytieteen haara, joka käsittelee tekniikoita, joiden avulla tietokoneet voivat tehdä asioita, joita ihmisten tekemissä pidetään älykkyyden todisteina1.
Tekoäly on keskeinen ja jatkuva kehitysaskel tietojenkäsittelytieteen kehityksessä, ja se tulee vaikuttamaan suuresti kaikkiin yhteiskunnan osiin. Se perustuu tietojenkäsittelytieteen ydinkäsitteisiin, kuten algoritmeihin ja tietorakenteisiin, joiden avulla tietokoneet voivat oppia, päätellä ja tehdä päätöksiä itsenäisesti.
Kaikkien tulisi oppia tekoälystä
Tietojenkäsittelytiede on nykyään laajalti tunnustettu välttämättömäksi taidoksi kaikille opiskelijoille. Koska tekoäly on olennainen osa tietojenkäsittelytiedettä, on ymmärrettävä tekoälyn taustalla olevat käsitteet perusteellisesti. Tekoälykäsitteitä voidaan opettaa jatkumona päiväkodista alkaen ja jatkuen koko oppilaiden koulutuspolun ajan. Tämä varmistaa, että opiskelijat:
- Tasapuolinen pääsy tulevaisuuden työpaikkoihin: Tekoälyn opettaminen varmistaa, että kaikilla opiskelijoilla on mahdollisuus tutkia urapolkuja esimerkiksi tietojenkäsittelytieteen, robotiikan, data-analyysin ja ohjelmistotekniikan aloilla. Tarjoamalla mahdollisuuksia kaikille autamme luomaan monimuotoisen ja innovatiivisen työvoiman, joka on valmis tulevaisuuteen.
- Ymmärrä tekoälyn vaikutus yhteiskuntaan: Tekoälyn oppiminen antaa opiskelijoille tiedot sen potentiaalin hyödyntämiseen. Ymmärtämällä sen hyödyt ja rajoitukset opiskelijat voivat tehdä tietoon perustuvia päätöksiä ja edistää teknologian vastuullista käyttöä.
- Rakenna olennaisia taitoja ja ominaisuuksia: Aivan kuten tietojenkäsittelytieteen oppiminen, tekoälyn opettaminen tietojenkäsittelytieteen avulla edistää olennaisia ongelmanratkaisutaitoja ja auttaa oppilaita kehittämään laskennallisia ajattelutaitoja, kuten algoritmista ajattelua ja hahmontunnistusta. Se tarjoaa opiskelijoille myös ympäristön, jossa he voivat harjoitella yhteistyötä ja oppia omasta oppimisestaan. Tämä valmistaa heitä kohtaamaan monimutkaisia haasteita sinnikkyydellä ja luovuudella.
Lähestymistapamme tekoälyn opettamiseen
Yhdistämme tietojenkäsittelytieteen, tekoälyn ja robotiikan tarjotaksemme aidon, turvallisen, hauskan ja motivoivan kontekstin tekoälyn oppimiseen. Painotamme käytännön robotiikkaa ja tekoälynäköantureita pikemminkin kuin laajoja kielimalleja (LLM), kuten ChatGPT.
Opiskelijoiden yksityisyys on meille tärkeintä
Lähestymistapamme varmistaa, että opiskelijoidesi tiedot ovat aina turvassa.
-
Tekoälyllä varustettujen robottien käyttö tekoälyn opetuksessa tarjoaa
ja visuaalisesti kiinnostavia tapoja tutkia tekoälyn käsitteitä ilman, huomioidaan oikeustieteen maisteriohjelmiin liittyvät
yksityisyysriskiä.
- Henkilökohtaisesti tunnistettavia tietoja (PII) ei koskaan kerätä.
- VEX-sensoreiden tai robottien kuvat tai videovirrat eivät koskaan oppilaan laitteelta.
- Opiskelijoille tarjotaan valmiiksi koulutettuja tekoälymalleja, poistaa opiskelijoiden tarpeen kerätä ja ladata kuvia tehokkaille ja kalliille pilvipalvelimille käsittelyä varten.
Robotit tekevät tekoälyoppimisesta näkyvää
Tekoälyn peruskonseptit voidaan tehdä konkreettisiksi robottien avulla.
- Tekoälyn opettaminen robotin avulla muuttaa haastavat abstraktit käsitteet konkreettisiksi, käytännönläheisiksi oppimiskokemuksiksi. Robottien käyttö tekoälyn taustalla olevien tietojenkäsittelytieteen käsitteiden korostamiseen antaa opiskelijoille suoraa kokemusta siitä, miten tekoäly todella toimii. Tämä selkeyttää tekoälyn mysteerejä ja auttaa opiskelijoita näkemään itsensä tulevaisuuden innovaattoreina ja ongelmanratkaisijoina tekoälyalalla.
- Tekoälyllä toimivat näköanturit tarjoavat opiskelijoille välitöntä ja käytännönläheistä palautetta. Opiskelijat voivat nähdä ja käsitellä tekoälynäköanturin tuottamaa dataa reaaliajassa ja soveltaa sitä koodausprojekteihin ratkaistakseen reaalimaailman ongelmia robotin avulla.
Kehittymässä tekoälyn rinnalla
Lähestymistapamme tekoälykoulutukseen kehittyy jatkuvasti ja aktiivisesti.
- Tekoäly kehittyy jatkuvasti ja nopeasti, ja voidaksemme tukea opettajia ja oppilaita tehokkaasti tässä dynaamisessa ympäristössä meidän on kehityttävä samaan tahtiin. Tulevat vuodet tuovat mukanaan enemmän personointia, yhteistyötä ja läpinäkyvyyttä tekoälyjärjestelmiin, ja jatkamme resurssien kehittämistä vastaavasti varmistaaksemme, että opiskelijat ja opettajat voivat menestyä.
- Olemme sitoutuneet vastaamaan opettajien tarpeisiin hetkessä luomalla helposti toteutettavia tekoälypohjaisia opetusmateriaaleja panoksella. Teimme yhteistyötä yliopiston Everyone Centerin ja kahden alakoulun opettajaryhmän kanssa luodaksemme aktiviteetteja, joiden tarkoituksena on vahvistaa oppilaiden ymmärrystä tekoälyn havainnoinnin käsitteestä VEX 123:n ja VEX GO:n avulla K-4-oppilaille. Toiminnot on kuvattu alla olevissa 123- ja GO-osioissa.
Tekoäly VEX-jatkumossa
VEX Continuum yhdistää käytännönläheisiä, tosielämän kokemuksia kehitystasolle sopiviin käytäntöihin varmistaakseen, että kaikenikäiset oppilaat voivat olla sitoutuneita ja menestyä tekoälyoppimismatkallaan. Kokemuksellinen oppiminen rakentaa asteittaista ymmärrystä tietojenkäsittelytieteestä ja tekoälyn käsitteistä. Ajan myötä opiskelijat kehittävät perustavanlaatuisen ymmärryksen siitä, mitä tekoäly on, miten se toimii ja miten sitä voidaan käyttää.
VEX 123
VEX 123:n avulla tekoälyn käsitteisiin voidaan tutustuttaa oppilaita päiväkodista toiselle luokalle. 123-robotin koodaaminen auttaa oppilaita alkamaan ymmärtää eroja siinä, miten ihmiset ja tietokoneet aistivat ympäristöään. 123-robotin sisäänrakennettu silmäsensori tarjoaa oppilaille helpon tavan aloittaa sensoridatan tutkiminen ja samalla oppia tietojenkäsittelytieteen peruskäsitteitä, kuten sekvensointia, hahmontunnistusta ja perusalgoritmeja.
123 STEM-laboratorioyksikköä, kuten Pieni punainen robotti, tarjoavat mukaansatempaavan ja hauskan taustan näiden käsitteiden oppimiselle. Tässä STEM-laboratorioyksikössä oppilaat koodaavat robottejaan ajamaan isoäidin talolle, välttämään sutta ja luomaan suden havaitsevan algoritmin silmäsensorin avulla.
Tekoälylukutaitoaktiviteetteja, joita voidaan käyttää itsenäisinä oppitunteina tai sarjana, annetaan oppilaille mahdollisuus ratkaista tosielämän ongelmia sensoristen havaintojen avulla VEXcode 123:n ja silmäsensorin avulla. Nämä aktiviteetit kehittävät ymmärrystä sensoreiden toiminnasta hauskalla ja saavutettavalla tavalla.
Lisätietoja VEX 123:sta, on tällä sivulla.
VEX GO
Kolmas-viitosluokkalaiset voivat rakentaa tekoälykokemustensa pohjalta VEX GO:n kanssa ja laajentaa tietämystään syvemmälle anturidatan ymmärtämiseen. Opiskelijat saavat ymmärryksen siitä, mitä data on, miten sitä kerätään ja miten sitä voidaan käyttää päätöksenteossa.
Data Detectives: Bridge Challenge STEM Lab-harjoituksessa oppilaat ratkaisevat tosielämän ongelman silmäsensoridatan avulla ja oppivat käyttämään dataa sillan halkeaman tunnistamiseen.
Tällaiset kokemukset auttavat opiskelijoita ymmärtämään, miten dataa ja tekoälyä voidaan käyttää heidän yhteisöjensä auttamiseksi. Ja VEX GO -oppilaat kehittävät edelleen tietojenkäsittelytieteen taitojaan ratkoessaan monimutkaisempia ongelmia käyttäen sekvensointia, päätöksentekoa ja algoritmeja.
VEX GO -peliin on saatavilla myös tekoälylukutaitoharjoituksia, joita voidaan käyttää anturihavaintotekniikan esittelyyn oppilaille tai VEX GO STEM -laboratorioiden täydennyksenä, jolloin oppilaat voivat syventyä siihen, miten robotit ja tietokoneet havaitsevat ympäristönsä.
VEX GO -tekoälylukutaitoaktiviteetit käyttävät silmäsensoria yhdessä VEXcode GO:n kanssa, ja niitä voidaan käyttää sarjana oppilaiden ymmärryksen vähittäiseksi kehittämiseksi aistihavainnoinnista tai itsenäisinä aktiviteetteina.
Lisätietoja VEX GO: onsivulla.
Lisätietoja VEX GO STEM -laboratorioyksiköistä sivulla.
VEX-tavoite
VEX AIM Coding Robot on tietojenkäsittelytieteen opetusrobotti 4. luokalta ylöspäin. VEX AIM on varustettu sisäänrakennetulla tekoälynäkösensorilla, joka tarjoaa mahdollisuuksia tutkia tekoälykonsepteja fyysisen robotin avulla ja auttaa tekemään abstrakteista tekoälykonsepteista konkreettisia opiskelijoille.
Tekoälynäköanturi antaa robotille kyvyn nähdä ympäristönsä ja olla vuorovaikutuksessa sen kanssa. Se pystyy havaitsemaan ja näyttämään tietoja esikoulutetuista objekteista, kuten palloista ja tynnyreistä, sekä April Tageista. Robotti voidaan koodata sekä lohkoilla että Pythonilla. VEX AIM on helppo ottaa käyttöön ja tarjoaa korkean tason, jonka ansiosta se pystyy vastaamaan oppilaiden tekoälyymmärryksen nykytilaan ja haastamaan heitä heidän kasvaessaan.
VEX AIM -johdantokurssi opiskelijoille tutustuttaa oppilaat tekoälynäköanturin käyttöön robotin kanssa syventymällä anturin toimintaan ja testaamalla sen ominaisuuksia ja rajoituksia. He koodaavat robotin noutamaan ja toimittamaan rahtia tiettyihin paikkoihin tekoälynäön avulla rakentaessaan tekoälynäön avulla toimivaa Capstone Challenge -hanketta.
VEX AIM -kouluttajan sertifiointikurssi PD+ -tasolla antaa kouluttajille tiedot, joita he tarvitsevat aloittaakseen VEX AIM -opetuksen luokkahuoneissa. Sertifioinnin jälkeen AIM-kouluttajat voivat julkaista PD+-yhteisön VEX AIM -kategoriassa ideoita ja kysyäkseen kysymyksiä muilta, jotka auttavat oppilaitaan tutkimaan tekoälykäsitteitä VEX AIMin avulla.
Lisätietoja VEX AIM: avulla opettamisesta onsivulla.
VEX IQ
VEX IQ tarjoaa yläkoululaisille lisää tekoälyyn perustuvia oppimishaasteita fyysisen robotin avulla. Älykkyysosamäärä antaa oppilaille mahdollisuuden ratkaista avoimia haasteita keräämällä ja käyttämällä dataa useilta antureilta. Tämä auttaa oppilaita kehittämään ymmärrystä siitä, miten valita oikeat anturit tietyn ongelman ratkaisemiseksi.
Älykkyysosamäärän oppilaat voivat myös tehdä tiedonkeruuharjoituksia käyttämällä IQ Brainin SD-korttia. Oppilaat voivat kerätä anturitietoja, tallentaa ne CSV-tiedostoon ja sitten piirtää datasta graafin ymmärtääkseen täysin, miten älykkyysosamäärän anturit havaitsevat ympäristönsä.
Lisätietoja VEX IQ: on tällä sivulla.
VEX IQ:lle (2. sukupolvi) on saatavilla myös erillinen AI -näköanturi. Tätä anturia voidaan käyttää alla kuvatulla tavalla VEX EXP:n ja VEX V5:n kanssa, mutta VEX IQ (2. sukupolvi) -versioilla, jotka on koodattu VEXcode IQ:lla tai Microsoft Visual Studio Codella.
Lisätietoja tekoälynäköanturista on kohdassa VEX IQ:n tekoälynäköanturin käytön aloittaminen.
VEX EXP ja VEX V5
Lukion luokkahuoneessa VEX EXP ja VEX V5 lisäävät uuden ulottuvuuden tekoälyoppimiseen AI -näkösensorilla
VEX EXP:n ja VEX V5:n tekoälynäköanturi mahdollistaa robottisi ainutlaatuisen ympäristön havainnoinnin ja vuorovaikutuksen sen kanssa, tallentaen visuaalista tietoa laajasta näkökentästä. Se tunnistaa 2D- ja 3D-objekteja, tunnistaa tiettyjä värejä ja väriyhdistelmiä sekä tunnistaa AprilTagit ja esikoulutettujen objektien joukot sekä luokkahuone- että kilpailukäyttöön.
Tekoälynäköanturi antaa opiskelijoille mahdollisuuden käyttää useita erityyppisiä anturitietoja yhdessä koodausprojektissa. Lisäksi, koska anturi sisältää kaksi esiopetettua objektintunnistusmallia, opiskelijat voivat kokea, miten eri tekoälymallit toimivat todellisissa sovelluksissa. EXP Clean Water Mission STEM Lab Unit tarjoaa opiskelijoille käytännönläheisen, edistyneen resurssin, jossa he käyttävät anturista saatua dataa ja luovat monimutkaisia algoritmeja kannettavan vedenkäsittelylaitoksen automatisoimiseksi.
Lisätietoja tekoälynäköanturista on kohdassa Tekoälynäköanturin käytön aloittaminen VEX EXP:n kanssa.
VEX CTE -työsolu
VEX CTE Workcell on toinen lukiotasoinen vaihtoehto oppilaille tekoälyaiheiden parissa työskentelyyn. VEX CTE Workcell on robottikäsivarresta, kuljettimista, antureista ja pneumatiikasta koostuva järjestelmä, joka on suunniteltu tukemaan opiskelijoita teollisuusautomaation oppimisessa. Opiskelijoille on tarjolla kaksi kurssia, joilla he voivat opettaa tärkeitä tekoälyyn liittyviä automaatio- ja tietojenkäsittelytieteen taitoja.
Johdatus 6-akselisen varren kurssi tarjoaa opiskelijoille tukevan pohjan tietojenkäsittelytieteen perusteisiin, kuten sekvensointiin, silmukoihin, ehdollisiin lauseisiin ja muuttujiin.
Workcell Automation -kurssi pohjautuu tähän ja sisältää asteittain monimutkaisempia avoimia haasteita järjestelmän automatisoinnissa. Näissä haasteissa opiskelijoiden on käytettävä anturidataa algoritmien luomiseen, koodinsa optimointiin ja projektien onnistuneeseen debugaamiseen.
Lisätietoja VEX CTE -työsolusta sivulla.
Lisätietoja VEX CTE STEM -laboratorioyksiköiden kursseista sivulla.
VEX-ILMA
VEX AIR -drone tarjoaa edistyneille oppilaille lisäkäytännön tekoälyoppimiseen. VEX AIR yhdistää luokkahuonedronien jännityksen tekoälyteknologiaan. Opiskelijat voivat käyttää AIRin kaksoiskamerajärjestelmän ja sen esikoulutettujen kohteiden havaitsemiskyvyn yhdistelmää sekä useita antureita koodatakseen dronin navigoimaan ilmassa tarkasti.
Tekoäly VEX-kilpailuissa
VEX-tekoälykilpailu
VEX-tekoälykilpailu antaa lukiolaisille ja korkeakouluopiskelijoille mahdollisuuden kilpailla täysin autonomisessa robotiikkakilpailussa käyttäen GPS-anturin ja VEX-tekoälynäköjärjestelmän tehokasta yhdistelmää. Opiskelijat koodaavat kaksi robottia työskennelläkseen yhdessä tiiminä tämän vuoden haasteen suorittamiseksi.
VEX V5 -robotiikkakilpailu (V5RC)
Oppilaat voivat hyödyntää tekoälynäköanturin kykyä havaita ennalta opetettuja objektiluokituksia algoritmien luomiseen yhdessä useiden muiden V5-antureiden kanssa rakentaessaan strategiaa V5RC High Stakes-pelin pelaamiseen. Näin tehdessään he voivat tutkia, miten tietokoneet ylläpitävät dataan perustuvia esityksiä ja käyttävät niitä päättelyyn.
Lisätietoja VEX V5 -robotiikkakilpailusta VEX V5 -robotiikkakilpailun sivulla
VEX V5 GPS-anturi
Käytä GPS-anturia V5RC-kilpailussa tai Virtual Skillsissä navigoidaksesi kentällä anturin toimittamien suunta- ja x- ja y-sijaintitietojen perusteella.
Lisätietoja GPS-anturista on kohdassa GPS-anturin käyttö VEX V5:n kanssa.
Tekoäly VEXcode VR:ssä
V5RC:n korkean panoksen leikkikenttä
VEXcode VR premium -lisenssin haltijat tai rekisteröityneet V5RC-joukkueet voivat pelata High Stakes -peliä virtuaalirobotilla käyttäen tekoälynäköanturin objektien luokitteluominaisuuksia.
Lisätietoja VEXcode VR Premium -lisenssinhankkimisesta on tällä sivulla.
Lisätietoja VEXcode VR:n High Stakes Playgroundista on artikkelissa Aloita V5RC High Stakes Playgroundin käyttö VEXcode VR:ssä.
Rover Rescue -leikkipuisto
VEXcode VR Premium -käyttäjät voivat osallistua tekoälyn esittämiseen ja päättelyyn Rover Rescue Playgroundissa. Rover Rescue -pelissä oppilaat koodaavat mönkijää tekoälyn avulla navigoidakseen vieraassa maailmassa samalla keräten mineraaleja ja väistellen esteitä ja vihollisia. Mönkijän sisäänrakennettu tekoälyteknologia mahdollistaa kohteiden havaitsemisen ja niistä tietojen raportoinnin, mukaan lukien kohteen etäisyyden ja suhteellisen kulman. Mönkijä pystyy tunnistamaan esikoulutettuja pelielementtejä, kuten esteitä, vihollisia ja mineraaleja.
Lisätietoja VEXcode VR:n Rover Rescue -leikkikentästä on kohdassa Rover Rescuen käytön aloittaminen.
Lisätietoja tekoälystä Rover Rescue -operaatiossa on kohdassa Tekoälyn käyttö Rover Rescue -operaatiossa.
Lisätietoja VEXcode VR Premium -lisenssinhankkimisesta on tällä sivulla.
Opeta tekoälyä luottavaisin mielin
VEX tarjoaa kattavia resursseja ja tukimateriaaleja tekoälyn opettamiseen, jotta voit opettaa luottavaisin mielin.
-
VEX STEM Labs tarjoavat vaiheittaiset ohjeet toteutukseen, kuten opettajan verkkokäsikirjassa.
- VEX 123- ja GO STEM -laboratorioissa yksikön yleiskatsaus tarjoaa yksityiskohtaista taustatietoa, jotta tunnet olosi hyvin valmistautuneeksi opettamaan yksikköä. Esimerkiksi VEX GO -tiedonetsivien yksikön taustatiedot syventyvät siihen, mitä anturit ovat ja miten itse silmäanturi kerää ja raportoi tietoja.
- IQ- ja EXP STEM -laboratorioissa fasilitointioppaassa esitetään taustatietoa, toteutusohjeita ja vinkkejä, jotka poistavat arvailun tekoälyn opettamisesta.
- VEX-kirjasto ja VEX-rajapinta ovat resursseja, joihin kuka tahansa voi tutustua oppiakseen lisää tekoälyn opettamisesta VEX:n avulla. Käytä esimerkiksi VEX-kirjastoa selvittääksesi, mikä anturi on ja mihin sitä käytetään. Katso sitten VEX-rajapintaa ymmärtääksesi kyseiseen anturiin liittyvät koodilohkot tai komennot.
-
VEX PD+ tarjoaa jatkuvaa ja yksilöllistä ammatillista kehitystä VEX-käyttäjille.
- Hanki sertifikaatti suorittamalla VEX:n johdantokurssi PD+:ssa ja saat välittömästi pääsyn VEX PD+ -yhteisöön, jossa samanhenkiset kouluttajat voivat jakaa kysymyksiä ja ideoita tekoälyn opettamisesta VEX:n avulla.
- Liity PD+ All-Access -jäseneksi ja
- Hyödynnä henkilökohtaisia istuntoja, joissa voit keskustella tekoälyn opettamisesta VEX-asiantuntijan kanssa.
- Käy videokirjastossa katsomassa videosarjaa, jossa opit tekoälynäköanturista.
- Liity seuraamme henkilökohtaisesti VEX Robotics Educators Conference -konferenssissa ja osallistu käytännön työpajoihin ja informatiivisiin istuntoihin, joita vetävät tekoälykoulutuksen ajatusjohtajat.
Lisätietoja VEX PD+ All-Access -jäseneksi liittymisestä sivulla.