設(shè)計在瀏覽器前端運行的人工智能實驗VIP

可以預(yù)見，隨著多個人工智能實驗平臺在中小學(xué)人工智能通識課程中應(yīng)用，中小學(xué)人工智能教育將不再局限于“少數(shù)學(xué)校的選修課”，而是成為真正的普惠性通識課程。當越來越多的學(xué)生在瀏覽器中親手構(gòu)建人工智能模型、見證」算法解決實際問題時，他們收獲的不僅是技術(shù)認知，更是面向未來的問題解決與創(chuàng)新能力。引言隨著人工智能技術(shù)的迅猛發(fā)展和廣泛應(yīng)用，人工智能教育已成為全球教育發(fā)展的重要趨勢。為了適應(yīng)未來社會的發(fā)展需求，培養(yǎng)具備人工智能素養(yǎng)的創(chuàng)新型人才，必須加強中小學(xué)人工智能通識教育。然而，在中小學(xué)開展人工智能通識課程面臨諸多困境：一方面，人工智能技術(shù)本身具有較高的專業(yè)門檻，涉及復(fù)雜的數(shù)學(xué)原理和編程技能，對中小學(xué)生而言難以理解和掌握，這便導(dǎo)致教學(xué)中原理講解淺嘗輒止、實踐操作困難重重；另一方面，人工智能實驗需要搭建專用的實驗環(huán)境，如安裝Python，配置TensorFlow、PyTorch，解決庫依賴沖突等，這些步驟不僅讓很多教師望而卻步，更是中小學(xué)生學(xué)習(xí)人工智能的“攔路虎”。簡而言之，如何降低人工智能學(xué)習(xí)門檻，脫離對專用實驗環(huán)境的依賴，成為當前中小學(xué)人工智能通識課程亟待解決的關(guān)鍵問題。而AIRay的出現(xiàn)，為解決這一問題提供了可能。AIRay簡介AIRay是一個專為青少年及初學(xué)者設(shè)計的在瀏覽器前端運行的人工智能實驗平臺，學(xué)生僅需打開瀏覽器即可完成從模型搭建到訓(xùn)練評估的全流程實驗，無需安裝任何軟件或配置編程環(huán)境。AIRay的核心優(yōu)勢如下：（1）無需專用環(huán)境。傳統(tǒng)的人工智能學(xué)習(xí)往往需要配置專門的硬件設(shè)備和軟件環(huán)境，如高性能顯卡、特定的編程語言環(huán)境等，這對中小學(xué)來說成本高、難度大。而AIRay只需打開瀏覽器，學(xué)生就能隨時隨地開展人工智能實驗，不受環(huán)境限制，為中小學(xué)人工智能通識課程提供了極大的便利。（2）拖拽式工作流。AIRay將人工智能模型構(gòu)建分解為可視化模塊，如卷積層、池化層、全連接層等，學(xué)生僅需用鼠標拖拽相應(yīng)的模塊并進行連線，即可完成模型搭建。而且平臺內(nèi)置智能連接機制，自動檢測模塊兼容性，避免邏輯錯誤。（3）多層次可視化。AIRay提供了訓(xùn)練過程可視化功能。通過實時繪制訓(xùn)練過程中的損失曲線、準確率曲線以及其他評估指標，讓學(xué)生可以在實驗過程中一眼看出模型的學(xué)習(xí)進度與效果。當模型出現(xiàn)過擬合或欠擬合時，及時的可視化反饋有助于學(xué)生快速定位問題。（4）全流程教學(xué)與實驗支撐。AIRay為學(xué)生提供了從導(dǎo)入數(shù)據(jù)、清洗數(shù)據(jù)、切分訓(xùn)練集與測試集、搭建模型、訓(xùn)練模型到模型評估全流程的功能接口。學(xué)生可以在一步步搭建工作流的過程中，真實地模擬人工智能項目流程。此外，學(xué)生可在可視化界面中調(diào)整超參數(shù)設(shè)置（如批次大小、訓(xùn)練輪次等），再快速啟動新一輪訓(xùn)練與驗證，深化對模型調(diào)優(yōu)的重要性的認識。人工智能實驗：全連接神經(jīng)網(wǎng)絡(luò)訓(xùn)練鳶尾花分類模型1.實驗活動描述鳶尾屬植物有三個品種，分別是山鳶尾（setosa）、變色鳶尾（versicolor）、維吉尼亞鳶尾（virginica）。這些種類之間差別不大，但是不同種類在花瓣和花萼的形狀上有所區(qū)別。因此，此實驗活動將搭建一個全連接神經(jīng)網(wǎng)絡(luò)來訓(xùn)練鳶尾花分類模型。2.數(shù)據(jù)準備將鳶尾花數(shù)據(jù)集提前存于AIRay平臺，可通過“數(shù)據(jù)集”標題欄找到，其中包括150條不同鳶尾花的數(shù)據(jù)（如圖1）。單擊鳶尾花數(shù)據(jù)集，便可看到“數(shù)據(jù)集預(yù)覽”，其包含五列數(shù)據(jù)（如圖2），前四列為鳶尾花的特征，分別為花萼長度、花萼寬度、花瓣長度、花瓣寬度，最后一列為分類類別，一共有三類，分別為山鳶尾（setosa）、變色鳶尾（versicolor）和維吉尼亞鳶尾（virginica）。圖1圖2圖33.搭建全連接神經(jīng)網(wǎng)絡(luò)單擊上頁圖2中的“使用AIRay對該數(shù)據(jù)集實驗”，便可進入如上頁圖3所示的界面。因為鳶尾花有4個特征數(shù)據(jù)，且有3類，因此默認輸入為4個特征，輸出為3類。開神經(jīng)網(wǎng)絡(luò)畫板，如圖4所示?？梢钥吹?，神經(jīng)網(wǎng)絡(luò)畫板有很多的模塊，圖4展示的僅是“基本”畫板中的模塊，“二維”畫板中還有卷積層、池化層等模塊。大家可自行展開查看。筆者以搭建三層全連接神經(jīng)網(wǎng)絡(luò)為例，輸入層的輸入維度為鳶尾花數(shù)據(jù)集特征數(shù)量4，輸出層的輸出維度為鳶尾花的分類數(shù)量3。因為默認的那個輸出只是一個分類標簽，因此需要用鼠標再拖動2個“線性層”至輸入層與分類標簽之間，并將層與層之間通過鼠標連接起來，如圖5所示。每個線性層有“維度”和“激活函數(shù)”兩個參數(shù)，其中，維度指的是這個線性層的輸出維度，可人為設(shè)定，但第3層，即輸出層的輸出維度要與分類數(shù)量保持一致，因此只能設(shè)為3。激活函數(shù)有多個可選，通常情況下，輸出層（第3層）的激活函數(shù)使用softmax，其他層的激活函數(shù)都可設(shè)置為relu。4.訓(xùn)練模型在搭建好神經(jīng)網(wǎng)絡(luò)工作流之后，可根據(jù)需要選擇優(yōu)化算法和損失函數(shù)，設(shè)定批次大?。ó斢?xùn)練集樣本非常多時，如果直接將這些數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)會導(dǎo)致計算量非常大，容易因內(nèi)存不足導(dǎo)致內(nèi)核掛掉，因此，可通過批次大小，設(shè)定每次訓(xùn)練在訓(xùn)練集中取多少個樣本訓(xùn)練）和訓(xùn)練輪數(shù)，然后便可單擊右邊的“開始訓(xùn)練”按鈕，進行訓(xùn)練（如上頁圖6）。當然，在訓(xùn)練的同時，還可以單擊“訓(xùn)練情況”按鈕，查看訓(xùn)練進度、當前訓(xùn)練損失及當前準確率情況等。由可視化結(jié)果可知，搭建的3層全連接神經(jīng)網(wǎng)絡(luò)訓(xùn)練鳶尾花分類模型，在訓(xùn)練100輪之后，最終驗證準確度為94.4%，最終測試準確度為"5.模型推理筆者已經(jīng)訓(xùn)練了一個鳶尾花分類模型，接下來便可輸入一組新的數(shù)據(jù)，使用模型進行推理。如上頁圖7所示，單擊“測試模型”按鈕，輸入4個特征值，然后點擊“測試”，便可看到預(yù)測結(jié)果，并且還能看到各類別的置信度。至此，筆者應(yīng)用AIRay平臺完成了訓(xùn)練鳶尾花分類模型的人工智能實驗，從搭建模型、訓(xùn)練模型到模型推理，全程無代碼，且所有操作均在瀏覽器頁面內(nèi)實現(xiàn)。結(jié)語可以預(yù)見，隨著多個人工智能實驗