机器学习编程

在这个活动中，学生将通过检查他们可能熟悉的应用程序功能来激活机器学习的先验知识，尽管他们可能没有考虑过这些工具是如何工作的。本文提供的示例探索了使用机器学习处理各种数据类型(文本、数字、图像和声音)的真实场景。如果需要，学生们可以快速搜索，了解更多有关为他们提供动力的人工智能技术。

1.  为学生提供高水平的机器学习介绍。强调机器学习模型可以处理多种类型的数据。配套资源见附录A:拆解人工智能。

2.  对于下面的每个真实世界的例子，展示并让学生在小组中讨论以下问题;然后与全班同学分享他们的答案。

•  这种机器学习技术的目的是什么?

•  这项技术需要分析什么类型的数据才能完成这项任务?

•  这项技术收集什么类型的数据才能为用户完成这项任务?

•  你认为机器学习技术是如何运作的?

以下是用于小组讨论的机器学习的真实世界例子。还包括可选的扩展问题给整个小组讨论。

文本数据。电子邮件、智能设备或搜索查询期间的预测文本。(延伸思考:预测性文本如何知道接下来会发生什么?它是如何学习你的写作风格的?它怎么知道怎么拼你的姓?)

数字数据。根据距离或时间确定最短路线的地图应用程序。(延伸思考:地图应用如何使用数值来计算旅行时间?它们怎么知道是否应该为繁忙的交通分配更多的时间?)

图像数据。用于社交媒体标签或解锁智能手机的面部识别软件。(延伸思考:软件使用哪种面部特征来识别一个特定的人?)

声音数据。像Shazam（QQ音乐）这样的音乐识别应用，可以告诉你正在播放的歌曲的名称和歌手。(延伸思考:应用程序在歌曲中识别了哪些类型的特征?如果多个艺术家都翻唱过同一首歌，那么AI怎么知道它们的区别呢?)