人工智能、机器人与创客教育

机器人
数学
函数 逻辑 几何
物理
力学 电磁学 光学 声学
化学 材料
国外名校更看重科技项目能力
STEAM教育 科学（Science） 技术（Technology） 工程（Engineering） 艺术（Art） 数学（Mathematics）
科技技能成为必备技能
“计算机普及要从娃娃抓起。”20年前邓小 平同志参观上海展览馆的十年科技成果展时， 亲昵地用手摸了摸计算机小操作手李劲的头， 说了这么一句话。
摩尔定律：通过工艺和架构，提升主频和效率。 CPU的发展+GPU的角色转变
异构计算的发展——并行计算（OpenCL等）
算法 算力
Hinton后来在2010年使 用了这套方法搭配GPU
的计算，让语音识别的 计算速度提升了70倍以 上。
分布式计算
2017 人工智能应用元年
AI大事记1：柯洁0:3不敌AlphaGo
• 第二个大脑是评价网络。在评价网络中则是关注在目前局势的状况下，每个 落子位置的「最后」胜率(这也是我所谓的整体棋局)，而非是短期的攻城略地。 也就是说策略网络是分类问题(对方会下在哪)，评价网络是评估问题(我下在 这的胜率是多少)。评价网络并不是一个精确解的评价机制，因为如果要算出 精确解可能会耗费极大量的计算能力，因此它只是一个近似解的网络，而且 透过卷积神经网络的方式来计算出卷积核范围的平均胜率(这个做法的目的主 要是要将评价函数平滑化，同时避免过度学习的问题)，最终答案他会留到最 后的蒙利卡罗搜索树中解决。
人工智能的发展——类神经网络看起来很美
• 甘其食门口碰到一个买60块钱包子的人
男、女？
输入层
输出层
人工智能的发展——AI的转机
• Hinton以及Lecun小组提出了「A fast learningalgorithm for deep belief nets」
如果类神经网络神经元权重不是以随机方式指派， 那么应该可以大幅缩短神经网络的计算时间，它 们提出的方法是利用神经网络的非监督式学习来 做为神经网络初始权重的指派
人工智能的发展
• 关键词： • 1、深度学习； • 2、训练； • 3、类神经网络; • 4、概率；
深度学习 摩尔定律 异构计算（OpenCL）
人工智能的发展——类神经网络看起来很美
其实类神经网络是很古老的技术了， 在1943年，Warren McCulloch以 及Walter Pitts首次提出神经元的数学 模型，之后到了1958年，心理学家 Rosenblatt提出了感知器 (Perceptron)的概念，在前者神经元 的结构中加入了训练修正参数的机制 (也是我们俗称的学习)，这时类神经 网络的基本学理架构算是完成。类神 经网络的神经元其实是从前端收集到 各种讯号(类似神经的树突)，然后将 各个讯号根据权重加权后加总，然后 透过活化函数转换成新讯号传送出去 (类似神经元的轴突)。
杭州第二届青少年创客大赛
第三部分、STEAM教育实施案例
杭州师范大学国服创客空间
新技术、黑科技引领
石墨烯：类石墨烯超级电容
物联网：超级终端加超级云
机器视觉：人工智能识别
图像处理、智能识别
杭州师范大学国服创客空间
创客空间建设
杭州师范大学国服创客空间
课程体系
前沿技术引领
机器视觉、图像处理 人工智能、深度学习 石墨烯超级电容、新能源
机器人的发展
机器人的发展
机器人渗透生活
小时候妈妈说不好好学习将来就去捡垃圾，而现在…… 不要幻想了，扫地机器人，捡垃圾机器人，帮助人类完成一切。 不好好学习，以后连垃圾都没得捡！
机器人渗透生活
机器人渗透生活
机器人渗透生活
ቤተ መጻሕፍቲ ባይዱ
机器人渗透生活
第二部分、科技教育动态与发展
机器人是一门综合学科，对于学习基础学科 有促进作用
国际接轨交流
科学的方法
机器人系列课程 3D打印课程
0基础软件编程课程 进阶的软件课程：
C、Python
创客 教育
创客实验室
专利的申请与反哺 项目
项目库与开发流程
逆向学习法
项目制教学
3D打印机、激光切割机、 开源硬件、机器人组件
杭州师范大学国服创客空间
之后的李劲高中一年级直升清华、三年 半时间完成清华电子工程系本科及硕士八年 课程、23岁博士毕业，如今已经是微软中国 研究院最年轻的研究员。
政策引导
参加比赛
比赛是机器人学习的闭环，参加比赛有利于激发创造力，把平 时学习到的东西融会贯通。
2017年有哪些值得参加的科技类比赛
全国青少年科技创新大赛
全国青少年电子制作锦标赛
人工智能、机器人与创客教育
第一部分、人工智能和机器人的行业发展
控制系统的发展（计算机在哪些方面已经战胜人类）
“深蓝”（Deep Blue） 战胜了卡斯帕罗夫
换成视频 Watson在《危险边缘》获得冠军
Alphago战胜李世石
《危险边缘》是哥伦比亚广播公司一档长盛不衰的电视问答节目，自1964年开始播出，最精彩的地方在于游戏里的问题包罗万 象，几乎涵盖了人类文明的所有领域。 首先沃森必须要听懂主持人的自然语言，其次是沃森需要分析这些语言，比如哪些是反讽，哪些是双关，哪些是连词，随后根 据关键字判断题目的意思。 沃森进行相关搜索，并评估各种答案的可能性；最后选择三个可能性最高的答案，当其中一个可能性超过50%后，程序启动，沃 森按下抢答器。 这些得以实现靠的是90台服务器、360个计算机芯片驱动以及IBM研发的DeepQA系统。
人工智能的发展
• 第一个大脑「策略网络」基本上就是一个单纯的监督式学习，用来判断对手 最可能的落子位置。他的做法是大量的输入这个世界上职业棋手的棋谱，用 来预测对手最有可能的落子位置。在这个网络中，完全不用去思考「赢」这 件事，只需要能够预测对手的落子即可。目前AlphaGo预测对手落子位置的 正确率是57%(这是刊登在Nature文章时的数据，现在想必更高了)。
AI大事记5：类人机 器人Sophia亮相《早 安英国》
AI大事记2：围棋再无Master，DeepMind 创始 人宣布AlphaGo“退役”
AI大事记3：地表最强GPU发布 NVIDIA发布PCI-E Tesla V100
AI大事记4：百度开源自动驾驶系统 Apollo
2017 人工智能应用元年