硬件在人工智能基础教育中的角色: 机遇和挑战

“智慧物联网涉及多个传感器，可以采集声音、环境温湿度、含氧量、PM2.5等数据，这些数据被整体采集并显示出来，然后存储到本地服务器中。在面对如此多样化和高维度的数据之后，数据分析变得至关重要。然而，在处理这么多复杂高维数据时，目前的系统、软件和硬件存在着明显的局限性，无法同时有效识别大量数据。举例来说，对于基于加速度的手持识别，加速度会涉及大量持续数据，通过这些数据来识别不同手势变得具有挑战性，需要涉及到人工智能中的模式识别。传统方式下，这种任务可能让99.99%的老师和学生们感到困扰。因此，人工智能被视为一种处理高维数据和多维数据的强大工具，因此在基础教育中逐渐融入人工智能课程将成为重要趋势。”叶琛博士讲到。

基础教育中如何融入人工智能

基础教育中如何融入人工智能，叶琛博士从如下的五个方面：人工智能两大领域、人工智能在基础教育中面临的问题、神经元网络课程、学校层面神经元网络教学内容探讨和硬件在人工智能基础教育中的部署，深入浅出地分享了他的想法。

一、人工智能的两大领域

叶琛博士首先介绍了人工智能公认的两个研究领域：符号计算和联结计算。在2012年之前，人工智能的研究主要集中在符号计算领域。符号计算依赖于概率统计和信息代数等数学理论作为其基础，使其成为一种有理论依据、可解释的计算方法。直到2012年梯度下降学习方法的出现，深度神经网络才开始崭露头角。然而，与符号计算相比，深度神经网络目前缺少理论基础，当前研究主要还是侧重于深度神经网络的结构和能力边界的探究。深度神经网络的研究重点主要集中在数据处理方法、神经元架构以及联结方式（特别是近期对大数据模型如transformer和Mamba架构的研究），以及网络训练方法。