AI故事伙伴

借助孩子们已知的故事叙事和角色发展的知识，协助对AI的新学习，是一个非常好的方法。

第 1 步：理解

工作原理？

在这个项目中，您将训练一个机器学习（machine learing，缩写ML）模型，用来识别您移动一个柔软玩具的不同方式，而这个玩具佩戴着BBC micro:bit。 您需要选择一些动作来帮助您复述一个故事。

您将把这个模型与MakeCode程序结合起来，让micro:bit识别到上面这些动作时，能够播放声音或显示图像。

什么是机器学习？

机器学习（machine learing，缩写ML是一种人工智能（artificial intelligence，缩写AI），让计算机从数据中学习并基于数据做出决策。

ML模型由人类训练，来帮助人类做决策，例如通过您移动micro:bit的差异来识别您当时做的是什么动作。

我需要做什么？

AI系统需要人类来设计、搭建、测试和使用。

首先，您需要决定是用我们提供的预设动作，还是要为了您的故事选择一些不同的动作。 我们的故事是关于一只叫露西的熊，她想成为一名体操运动员，所以我们选择了符合这个主题的动作：跳跃、翻滚和睡觉。

您将使用micro:bit和micro:bit CreateAI网站，收集数据来训练一个ML模型，测试它，改进它并将它与计算机代码组合在一起，制作一个使用了AI技术的讲故事设备。

我们还包含了一些评估问题，用来让这个AI项目与使用普通算法和代码的项目进行比较。

第2步：制作

所需材料

• 一个V2版本的micro:bit，USB数据线，装有2节AAA电池的电池组
• 一台电脑（例如台式机，笔记本电脑或者Chromebook），必须能访问micro:bit CreateAI 网站，可以使用Chrome或者Edge网页浏览器
• 如果您的电脑没有自带蓝牙，您需要另外的一个V2版本的micro:bit。
• 准备一个柔软玩具、一条带子和一个固定器，或者找到另一种方法将micro:bit固定在您的玩具上（例如，柔性手工毛根或弹力带）。
• 您或许会从我们的micro:bit CreateAI 教学提示中获益

收集数据样本

当您在micro:bit CreateAI中打开下面链接里的项目，您会看到我们已经提供了一些推荐的柔软玩具的动作（跳跃、翻滚和睡觉）及其数据样本：

您将使用micro:bit的运动感应器，也就是加速计来为您的柔软玩具动作添加样本。

在micro:bit CreateAI中，点击“连接“按钮来连上您用来收集数据的micro:bit，然后按照说明来操作。

将收集数据用的micro:bit固定到您的柔软玩具上。 非常重要的一点是，您在录制接下来的所有样本时，要让micro:bit固定在玩具的同一位置上。 如果您想使用项目中现成的样本，将micro:bit固定在柔软玩具的脖子上并面向前方，如下图所示。 如果您想把micro:bit装在玩具的不同地方，您需要重新采集所有的行为样本，替换掉所有预存的样本。

您可以为跳跃、翻滚和睡觉亲自添加动作数据样本。 每次点击一个动作，然后点击它旁边的“record”按钮，来为这个动作记录样本。

如果您搞错了什么，您可以删除您不想要的样本。 您也可以按下micro:bit的按钮B来启动录制。

检查数据样本：看看动作“jumping”里的所有样本是不是看起来差不多？ 看看动作“rolling”里的样本是不是都和动作“jumping”和动作“sleeping”的不同？

训练和测试模型

点击“训练模型”按钮来训练模型，然后测试它。

上下弹一下您的柔软玩具，看看推测动作是否为‘jumping’。 将柔软玩具放倒来模仿睡觉，看看推测动作是否变成了”sleeping“。 看一下您将软玩具翻转时，micro:bit是否检测到动作‘rolling’。

找别人来做移动这个玩具，看看检测动作是否也是正确。

改良您的模型

绝大部分的模型可以通过给与更多数据来得到改进。 如果需要改进模型来识别您的动作，请点击“← 编辑数据样本”。

您可以删除您认为不合适的数据样本（因为这些样本与同一动作下的其他样本差异巨大）。 您也可以添加从您自己或别人获取到的更多样本。

思考一下您的柔软玩具睡觉（动作”sleep“）都有什么姿势，您会发现不同姿势下，样本里的x、y和z的线的上下顺序不一样，这是因为固定在玩具身上的micro:bit的角度发生了变化。

再次训练模型然后测试它。

将模型和代码传到您的micro:bit里

在micro:bit CreateAI里点击“在MakeCode中编辑”，从而在MakeCode编辑器里查看项目代码。

您可以像在任意micro:bit MakeCode 项目中一样修改代码，或者只是试试它。

用USB数据线连接计算机和micro:bit，然后在MakeCode窗口里点击“下载”按钮，按照指示来讲您的AI模型和代码快传输到micro:bit上。

拔掉micro:bit，连接上电池组，把它固定到您的柔软玩具上并进行测试。

代码块如何工作

ML模型判断您的玩具在做什么动作时，会触发对应的“on ML ... start”代码块。 根据它对于玩具正在做什么运动的判断，micro:bit发出不同的声音，LED显示屏显示不同的图标。

ML模型判断您结束了当前动作（比如说停止跳跃），就会触发“on ML ... stop”代码块。 每个代码块里的代码会清除屏幕显示并停止播放声音。

额外的代码块”on ML unknown start“会在模型不确定玩具在做什么动作时，清除屏幕显示。

评估

比较我们这个AI故事伙伴和感官玩具项目。感官玩具项目也是用了加速计来响应不同的动作，但它没有使用ML（机器学习）或任何类型的AI（人工智能）。

• 感官玩具能对什么类型的运动或动作做出反应？
• AI故事伙伴可以做出反应的运动或动作，相对于感官玩具有什么不同？ 这些动作是更简单还是更复杂？
• 您还想让ML模型识别哪些动作呢？
• 哪个项目能更好地帮您讲述您的故事？

第 3 步： 拓展

• 和您的AI故事伙伴尝试别的不同动作，并改变动作来适应别的著名民间故事或童话。
• 用”show LEDs“代码块替代”show icons“代码块，让LED显示屏为您的故事显示特定的图标。 您可以使用LED设计表来设计自定义图标。
• 如果您有一个班级吉祥物，使用CreateAI训练吉祥物以回应学生的动作，使它能对学生有反应，例如给予表扬或奖励班级积分。