課堂用Makeblock AI Camera 2.0專案：點子與技巧

快速解答

從一個狹義的任務開始，例如辨識彩色卡片或手勢，並圍繞這單一成果建構整個課程。在課堂前親自測試AI攝影機2.0，保持小組規模，只有在學生能解釋攝影機正在偵測什麼以及為什麼時，才增加複雜度。

AI 攝影機 2.0 將機器人製作轉變為視覺專案，但攝影機只是課程的一半。讓課堂上的 AI 專案成功的關鍵在於明確的範圍：一項偵測任務、一個可見的輸出，以及讓學生有明確的理由進行迭代。

本指南引導您完成七個步驟，從選擇第一個任務到進行簡短的展示。同時也指出最常阻礙課程進行的錯誤，讓您能將課堂時間用於除錯和討論，而非設定。

為何AI攝影機2.0適合教室中的AI專案

視覺提供學生具體的思考素材。與其將人工智慧視為抽象主題，他們觀察模型如何回應攝影機所見，然後調整環境、標籤或任務，直到運作成功。這個循環正是學習發生的地方。

此攝影機也能自然地與區塊式編碼搭配使用，讓較年輕的學生專注於邏輯，而較年長的學生則深入探討門檻值、資料品質與誤判（false positives）。如果您是初次使用此模組，我們先前關於為課堂專案設定 AI 攝影機 2.0 的指南涵蓋了首次連線與設定。

• 挑選一項學生能親眼驗證的任務，而不只是螢幕上的分數。
• 將第一次會議保持在一台攝影機、一項任務和一個輸出。

選擇一個符合課堂時間的首要任務

一個好的初始任務應該夠具體，能夠在一到兩次課程中完成。顏色和形狀分類效果很好，因為學生可以控制物件，並且在偵測失敗時能立即看到。手勢或手語辨識適合能處理更多資料變異性的較年長群組。

避免使用像「讓它辨識任何東西」這類開放式提示。這聽起來很吸引人，但會產生模糊的結果和漫長的除錯過程。請將任務寫成一個句子：攝影機偵測到 X，當 X 出現時，機器人執行 Y。

• 將任務難度配合年級：先處理顏色與形狀，再處理手勢與物體類別。
• 將成功條件寫在白板上，以便各小組可以自行檢查。

在學生抵達前設定好攝影機與照明

照明是運作中的專案在新空間失敗的最常見原因。請在學生將使用的相同照明條件下測試攝影機，並檢查窗戶或天花板燈具造成的眩光。如果偵測結果不一致，請先調整照明，再修改程式碼。

安裝攝影機時，請確保其能穩定地觀看偵測區域。若攝影機在不同執行之間移動，會使每個結果看起來隨機，讓學生感到挫折，並隱藏真正的錯誤。

• 請在課程開始前，自行執行一次完整的偵測週期。
• 用膠帶標記相機位置，以便快速重新設定。

規劃團隊角色，讓每個人都能撰寫程式

AI 專案可能會變成只有一位學生拿著攝影機，而其他學生只是在旁邊觀看。指派輪換的角色：一位學生撰寫或編輯程式方塊，一位管理被偵測的物件，還有一位記錄每次執行之間的變化。每十到十五分鐘輪換一次角色。

記錄者的角色對學習最為重要。一個簡單的兩欄記錄，包含「我們改變了什麼」和「發生了什麼」，將嘗試與錯誤轉化為基於證據的除錯。

• 每台攝影機保持兩到三位學生一組。
• 最後收集記錄，作為快速的形成性評估。

教導資料品質，而非僅是偵測

當結果不一致時，學生常假設是相機出了問題。實際上，問題通常出在資料上：範例太少、物體過於相似，或是背景混淆了模型。透過在同一個物體上使用兩種不同背景來測試，即可讓這一點變得明顯。

一旦學生理解到脈絡會改變結果，他們便會開始提出更好的問題，探討人工智慧系統如何被訓練以及在哪裡失敗。這樣的討論往往比專案本身更有價值。

• 刻意展示一個明確的失敗案例，並要求全班診斷它。
• 保留一份共用的「讓攝影機困惑的事物」清單，以備下次會議使用。

新增可見的輸出，讓結果一目了然

單單偵測很難讓人感到振奮。將攝影機連接到學生可以看見或聽見的輸出裝置：例如機器人移動、燈光變化或顯示訊息。Me LED Matrix 8*16 for mBot/mBot Ranger 是一種簡單的方式，可在攝影機偵測到正確物體時，顯示機器人的情緒或短動畫。

視覺化的輸出也讓除錯更快速。如果輸出未觸發，學生可以依序檢查攝影機畫面、邏輯，再檢查輸出，而不必猜測。

• 在撰寫偵測邏輯之前，先決定輸出內容。
• 單獨測試輸出，以確保它能獨立運作。

執行一個簡短的展示並進行反思

以每組兩分鐘的示範結束單元。要求每組展示一個成功案例和一個失敗案例，並說明他們做了哪些改變。這有助於將迭代常態化，並為較安靜的學生提供結構化的發表方式。

如果您想擴充單元，請新增第二個任務，重複使用相同的設定，例如從顏色分類切換到手勢辨識。重複使用硬體可將焦點保持在 AI 概念上，而非重新建構。

• 將示範時間限制在兩分鐘內，以便每個小組都能進行簡報。
• 問自己一個反思問題：下次你會如何改變資料？

執行 AI 攝影機 2.0 專案的七個步驟

1. 定義一個偵測任務： 將任務寫成一個句子：攝影機偵測到 X，機器人執行 Y。選擇學生可以視覺驗證的項目，例如彩色卡片或手勢。 檢查點：如果您無法用一句話說明成功條件，則任務過於廣泛。
2. 自行測試相機與照明： 在學生抵達前，於實際教室中執行完整的偵測週期。檢查是否有眩光、陰影及攝影機移動。 檢查點：如果對您來說偵測不一致，對學生來說會更糟。
3. 指派輪換的群組角色： 為每位學生分配一個角色：程式設計師、物體處理者或記錄者。每十到十五分鐘輪換一次，讓每個人都能進行程式設計。 檢查點：記錄器的日誌應顯示變更的內容以及發生的事件。
4. 從一個小而乾淨的資料集開始： 在單純的背景下使用幾個明顯不同的物體。僅在基本任務可行後才加入變化。 常見錯誤：過早新增過多物件，導致故障難以診斷。
5. 連接一個可見的輸出： 將偵測連結到學生可以看見或聽見的事物，例如 LED 矩陣動畫或機器人動作。 檢查點：在與相機結合之前，先單獨測試輸出。
6. 依序除錯：攝影機、邏輯、輸出： 當發生失敗時，請先檢查攝影機畫面，再檢查偵測邏輯，最後檢查輸出。此順序可防止隨機變更。 常見錯誤：實際問題在於光線或攝影機位置，卻去編輯程式碼。
7. 執行兩分鐘的展示： 要求每組提出一個成功案例和一個失敗案例，並說明他們做了哪些改變。設定時間限制，確保每組都有機會報告。 下一步：重複使用相同的設定進行第二項任務，以深化人工智慧概念。

支援這些專案的產品

• Me LED 矩陣 8*16（用於 mBot / mBot Ranger）: 亮藍色搭配半透明壓克力，呈現理想展示效果，並透過自訂圖形化程式設計，實現機器人表情、動畫等功能。為學生提供清晰的偵測結果視覺輸出，讓除錯與示範更容易理解。
• mBot2 Inspire STEM 活動組合: 包含刺激的遊戲模式，學生可在競技場中分類、收集、堆疊和移動方塊，被描述為不分年齡或性別的包容性樂趣。提供現成的競技場和方塊任務，與基於攝影機的分類和偵測挑戰完美搭配。
• MakerSpace 套件 - 電子模組 5: 包含廣泛的 Makeblock 機械與電子零件，專為學校打造 MakerSpace 而設計，並包含與遙控相關的電子模組。當您想擴展到單一攝影機設定之外，或在共享空間中運行平行工作站時，此產品非常實用。

成功的 AI 攝影機 2.0 專案重點不在於攝影機本身，而在於循環：定義狹義的任務、測試設定、讓學生反覆迭代，並讓成果可視化。保持第一個專案規模小，之後才有空間增加複雜度。