Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Trình www.AI4K12.org

Ý tưởng lớn #4: Tương tác tự nhiên

Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
con người.

Những hiểu biết chính Giải trình

Máy tính có thể sử dụng ngôn ngữ tự nhiên để truyền đạt thông tin thực tế, nhưng lại gặp khó khăn trong việc hiểu các phương thức diễn Ngôn ngữ là một phần thiết yếu tạo nên con người chúng ta. Phép ẩn dụ, hình ảnh và sự hài hước là một phần của văn hóa loài người, nhưng chúng ta

đạt không theo nghĩa đen như ẩn dụ, hình ảnh, hài hước và châm biếm. thiếu các lý thuyết chính xác và chi tiết về cách mọi người hiểu những điều này hoặc cách máy tính xử lý chúng.

Máy tính có thể nhận ra nhưng không trải nghiệm cảm xúc. Phản ứng thích hợp với cảm xúc phải được lập trình bởi con người. Hệ thống AI sử dụng các thuật toán để xác định cảm xúc của con người. Nhưng không có trái tim nào đau đớn thay cho chúng ta khi cỗ máy bày tỏ

sự đồng cảm với nỗi đau khổ của chúng ta.

Các hệ thống AI hiện tại là những bộ suy luận hẹp chuyên dùng cho các vấn đề được xác định rõ. Suy luận linh hoạt giống con người, Không rõ khi nào chúng ta có thể xây dựng các hệ thống Trí tuệ nhân tạo có thể bắt chước hoặc vượt quá khả năng suy luận của con người.

được gọi là "AI rộng" hoặc "Trí tuệ tổng hợp nhân tạo", vẫn chưa đạt được.

Các hệ thống AI hiện tại thiếu ý thức và sự tự nhận thức. Một máy tính tự nhận thức sẽ yêu cầu các biểu diễn về sự tồn tại và Ý thức là sự hiểu biết rằng một người tồn tại, tức là nhận thức về cơ thể của một người và môi trường của một người. Nhận thức về bản thân

suy nghĩ của chính nó cũng như ký ức về những trải nghiệm trong quá khứ của nó. là sự thừa nhận rằng một người là một sinh vật có ý thức, có suy nghĩ với khả năng suy luận về những suy nghĩ của một người.

Xem Jabr (2012) cho một cuộc thảo luận ngắn gọn về những ý tưởng này.

V.0.2 - Phát hành ngày 14 tháng 3 năm 2022 Có thể thay đổi dựa trên phản hồi của công chúng 1
Machine Translated by Google
Ý tưởng lớn #4: Tương tác tự nhiên
Ý tưởng K-2
Ngôn ngữ tự nhiên LO: Thể hiện kiến thức về cấu trúc LO: Chứng minh rằng ngôn ngữ của con người là vô tận bằng ngôn ngữ thông qua các
(Cấu trúc của nhiệm vụ như (a) tạo ra cách thể hiện bất kỳ câu nào có thể được mở rộng lặp đi lặp lại các từ mới hợp lý và không hợp
ngôn ngữ) lý, hoặc (b) để tạo thành một câu phức tạp hơn.
sắp xếp lại các từ trong một câu xáo trộn để nó có ý
4- Ăn nghĩa.
EU: Ngôn ngữ của con người có các quy tắc về
cách cấu tạo từ và câu và máy tính có thể sử dụng
các quy tắc này để giúp chúng tìm ra những gì mọi
người đang nói.
Unpacked: Một từ tiểu thuyết hợp lý là "flurg";
một từ không hợp lý là "fnurg" vì tiếng Anh không
cho phép các từ bắt đầu bằng "fn". Chuyển sang thứ
tự từ, từ "John ăn bánh kếp" chỉ có nghĩa theo thứ
tự "John ăn bánh kếp".
Hoạt động: Sử dụng SpeechDemo này để xem Google phản hồi
như thế nào đối với "Tôi đã đặt hàng một lượng lớn flurg
với kem đánh bông." so với "Tôi đã gọi một phần
fnurg lớn với kem đánh bông."
V.0.2 - Phát hành ngày 14 tháng 3 năm 2022
Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Trình
Các tác nhân thông minh đòi hỏi nhiều loại
kiến thức để tương tác tự nhiên với
con người.
3-5
EU: Ngôn ngữ của con người có thể diễn đạt vô số ý tưởng và tạo
thành vô số câu. Thuộc tính này khiến cho máy tính không thể
lập trình sẵn câu trả lời cho mọi câu. Do đó, để hiểu một câu
mới, máy tính phải nhận ra cách các từ kết hợp thành các cụm từ
và mệnh đề để truyền đạt các ý tưởng phức tạp.
Giải nén: Các câu có thể được kéo dài bằng cách thêm các cụm
từ hoặc mệnh đề mới, không giới hạn. Liên tục kéo dài
một câu sẽ mang lại kết quả như, "John nói rằng Mary biết
rằng Peter đã nhìn thấy Lisa đưa cho Megan cuốn sách về
chuột đồng từ ngoài vũ trụ mà Harry đã giới thiệu."
động không kết thúc: Yêu cầu lớp thay phiên nhau mở rộng các nút câu là các loại ngữ pháp, chẳng hạn như NP (Danh từ cho đến khi
nó dài đặc biệt. Sau đó chạy nó qua Cụm từ), VP (Cụm từ Động từ) và PP (Trình phân tích cú pháp Thần kinh Berkeley Giới từ
để xem liệu nó có thể Cụm từ chính xác hay không ) .
nhận ra cấu trúc cụm từ.
Có thể thay đổi dựa trên phản hồi của công chúng
www.AI4K12.org
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8 9-12
LO: Thể hiện khả năng nắm bắt ngữ pháp của máy tính bằng LO: Xác định các phần của văn bản mà máy tính khó hiểu và giải
cách sử dụng chương trình trình phân tích cú pháp để thích tại sao.
hiển thị cấu trúc cú pháp của câu và giải thích ý nghĩa của
các nút. EU: Máy tính gặp khó khăn trong việc hiểu văn bản sử dụng
phép ẩn dụ, hình ảnh, cường điệu, châm biếm hoặc hài hước hoặc
EU: Cây phân tích cú pháp là một cách biểu diễn cấu chơi chữ.
trúc cú pháp của câu, thể hiện mối quan hệ giữa các
từ. Máy tính có thể sử dụng cây cú pháp để phân tích và Giải nén: Hiện tại, chúng tôi không có lời giải thích chính
tạo câu. thức thỏa đáng về ẩn dụ, hình ảnh, cường điệu, châm biếm, hài
hước hoặc chơi chữ. Đây là trọng tâm của nghiên cứu khoa
Unpacked: Cấu trúc ngữ pháp của một câu là chìa khóa để hiểu học nhận thức, ngôn ngữ học và trí tuệ nhân tạo hiện nay.
nghĩa của nó. Ví dụ, nếu nhiệm vụ là trả lời câu hỏi, thì
chúng ta cần hiểu ý nghĩa của câu hỏi để thực hiện truy
vấn phù hợp. Nếu nhiệm vụ là yêu cầu rô-bốt làm một việc
gì đó, thì rô-bốt phải hiểu yêu cầu là gì.
Trình phân tích cú pháp tạo ra các cây cú pháp có Hoạt
"Đặt cốc lên đĩa" so với "đặt đĩa lên cốc" minh họa tầm
quan trọng của cú pháp. Cả hai câu đều chứa các từ giống
nhau, nhưng các từ có mối quan hệ cú pháp khác nhau. Đó
là lý do tại sao thay đổi trật tự từ thay đổi ý nghĩa.
Ngoài ra, "cup" có thể là danh từ hoặc động từ, nhưng
trong ngữ cảnh này, cú pháp cho biết nó được sử dụng như
một danh từ.
Tài nguyên: Trình phân tích cú pháp thần kinh Berkeley thể
hiện cả việc gắn thẻ POS (một phần của bài phát biểu) và
tạo cây phân tích cú pháp. Các thẻ đến từ Penn Treebank
dự án.
1
Machine Translated by Google
Ý tưởng lớn #4: Tương tác tự nhiên
Ý tưởng K-2
Ngôn ngữ tự nhiên LO: Minh họa sự mơ hồ của ngôn ngữ bằng cách đưa ra
(Sự mơ hồ của các ví dụ về từ đồng âm và từ đồng âm và chỉ
ngôn ngữ) ra cách xác định từ chính xác bằng cách sử dụng ngữ cảnh.
4-A-ii
EU: Các từ khác nhau có thể phát âm giống nhau, nhưng
con người và máy tính có thể sử dụng các
từ xung quanh để xác định từ đúng.
Unpacked: từ đồng âm (ví dụ: "bear" có thể là danh
từ hoặc động từ) và từ đồng âm (bear/bare, there/
their/they're, hoặc which/witch).
Điều này được gọi là sự mơ hồ từ vựng
Hoạt động: Sử dụng SpeechDemo này để xem các
cách giải thích khác về từ đồng âm.
V.0.2 - Phát hành ngày 14 tháng 3 năm 2022
Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Triển
Các tác nhân thông minh đòi hỏi nhiều loại
kiến thức để tương tác tự nhiên với
con người.
3-5
LO: Minh họa việc hiểu một câu có thể khó khăn như thế nào đối
với máy tính bằng cách đưa ra các câu trong đó một đại từ có thể đề
cập đến một trong hai danh từ.
EU: Các câu có thể có nhiều nghĩa tùy thuộc vào danh từ mà đại từ
được cho là đang tham chiếu.
Con người và (ở mức độ thấp hơn) máy tính có thể sử dụng ngữ
cảnh và kiến thức thế giới để chọn nghĩa có khả năng nhất.
Unpacked: Một ví dụ về sự mơ hồ trong tham chiếu là "John đưa cho
Pedro chiếc điện thoại di động của anh ấy", bởi vì "của anh ấy" có
thể chỉ John hoặc Pedro. Thông thường kiến thức thế giới có thể
giải quyết loại mơ hồ này, như trong ví dụ này: "Chiếc cúp sẽ
không vừa trong vali vì nó quá lớn/nhỏ." Việc lựa chọn "lớn" so
với "nhỏ" thay đổi quyết định của chúng tôi về những gì "nó" đề
cập đến. Sự mơ hồ tham chiếu là một vấn đề về ngữ nghĩa (ý
nghĩa). Cây phân tích cú pháp (ngữ pháp) giống nhau cho cả hai câu,
nhưng ý nghĩa thì khác nhau. So sánh điều này với sự không rõ ràng
về tệp đính kèm được thảo luận trong mục 6-8.
Có thể thay đổi dựa trên phản hồi của công chúng
www.AI4K12.org
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8 9-12
LO: Minh họa việc hiểu một câu có thể khó khăn như thế nào đối LO: Minh họa cách hiểu một câu có thể là thách thức đối với máy
với máy tính bằng cách đưa ra các câu mà cụm giới từ có thể đính tính bằng cách mô tả nhiều nghĩa của một từ nhất định.
kèm ở một trong hai bước và chỉ ra cách đôi khi sự mơ hồ này
có thể được giải quyết dựa trên ý nghĩa.
EU: Một từ có thể có nhiều nghĩa. Mọi người sử dụng ngữ cảnh và kiến
thức thế giới để xác định nghĩa chính xác, nhưng máy tính thường
EU: Ngôn ngữ thường mơ hồ, nhưng một số ý nghĩa có thể có có thể không thể hiện nghĩa với mức độ tinh tế này.
bị loại trừ nếu chúng không có ý nghĩa.
Máy tính chưa giỏi bằng con người trong việc sử dụng ngữ
cảnh và kiến thức thế giới để đưa ra những phán đoán Giải nén: Nhiều giác quan được gọi là "polysemy". Ví dụ: "cuốn
này. sách" có thể đề cập đến một sản phẩm thương mại ("cuốn sách bán chạy
nhất"), một tập hợp các từ ("ngôn ngữ của cuốn sách phù hợp với học
kính viễn vọng" là mơ hồ vì không rõ ai là người có hoặc một thể sinh cấp hai"), Unpacked: "John đã nhìn thấy người đàn ông với chiếc
hiện vật lý của văn bản ("cuốn sách rất nặng trong chiếc kính viễn vọng. Nhưng "John đã nhìn thấy người đàn ông với chiếc vĩ cầm" là chiếc
ba lô của tôi" ) . Tương tự, "lớp" có thể đề cập đến một điều rõ ràng. Sự mơ hồ của tệp đính kèm là một ví dụ về khóa học ("lớp
toán"), một ví dụ cụ thể về sự mơ hồ cú pháp vì các cây phân tích cú pháp là ("Lớp toán sáng thứ ba tại trường trung học Riverdale"),
hoặc khác: "với kính viễn vọng" có thể gắn với một trong hai người tham dự ("giáo viên nói chuyện với lớp").
"John" hoặc "người đàn ông". Kiến thức ngữ nghĩa (ý nghĩa) So sánh điều này với sự mơ hồ về từ vựng do từ đồng âm và có thể giúp
con người chọn cách phân tích cú pháp hợp lý nhất. từ đồng âm được thảo luận trong K-2. Các hệ thống AI hiện đại sử dụng So sánh điều
này với sự mơ hồ tham chiếu được thảo luận trong mạng lưới thần kinh và các tập huấn luyện khổng lồ có số liệu thống kê là 3-5.
cách tiếp cận để giải quyết sự mơ hồ về nghĩa của từ, nhưng chỉ số
liệu thống kê không mạnh bằng cảm giác thông thường của con người.
Hoạt động: Tạo các câu mơ hồ và chạy nó qua Trình phân tích
cú pháp thần kinh Berkeley để xem liệu nó có thể gắn cụm Hoạt động: Sử dụng Google Dịch để khám phá cách máy tính xử lý nhiều
giới từ vào từ chính xác hay không. nghĩa của một từ khi chọn từ thích hợp cho bản dịch.
2
Machine Translated by Google
Ý tưởng lớn #4: Tương tác tự nhiên
Ý tưởng K-2
Ngôn ngữ tự nhiên LO: Trình bày cách máy tính có thể tạo ra các
(Lý luận về văn bản) dạng khác nhau của động từ, chẳng hạn như thì hiện
tại hoặc quá khứ.
4-A-iii EU: Để máy tính có thể nói chuyện tự nhiên với con
người, nó phải có khả năng hiểu cách cấu tạo từ và
đặt từ ở dạng thích hợp.
Unpacked: Động từ có thể ở các dạng khác nhau ở ngôi
thứ nhất, thứ hai và thứ ba, số ít hoặc số nhiều,
và thì hiện tại hoặc quá khứ. Để máy tính trả
lời đúng câu hỏi "Khủng long sống khi nào?" nó sẽ ghi
"Khủng long sống cách đây hơn 65 triệu năm."
Hoạt động 1: Liệt kê tất cả các dạng khác nhau mà một động từ có
thể thực hiện, sau đó kiểm tra kết quả của bạn bằng cách sử
dụng cách chia động từ trực tuyến này.
Hoạt động 2: Chuyển đổi thì quá khứ này không tốt
lắm. Thử nghiệm để xem nó thành công ở đâu và
thất bại ở đâu.
Hoạt động 3: Thiết lập Google Translate cho
tiếng Anh -> tiếng Tây Ban Nha và nhập câu như "I walk
to school". Sau đó, hãy thử các dạng câu khác nhau ("Tôi
đã đi bộ", "Tôi đang đi bộ", "Tôi đang đi bộ" "Tôi
đã đi bộ", v.v.) và quan sát cách dịch thay đổi.
V.0.2 - Phát hành ngày 14 tháng 3 năm 2022
Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Triển
Các tác nhân thông minh đòi hỏi nhiều loại
kiến thức để tương tác tự nhiên với
con người.
3-5
LO: Thử nghiệm với hệ thống chuyển lời nói thành văn bản để xem liệu
nó có giải quyết chính xác các lựa chọn từ thay thế dựa trên ngữ
cảnh hay không.
EU: Hệ thống nhận dạng giọng nói có thể sử dụng ngữ pháp và ngữ cảnh
để giải quyết các từ mơ hồ nhưng không phải lúc nào chúng
cũng hiểu đúng.
Hoạt động: Sử dụng SpeechDemo này để xem các cách giải thích
khác về "kích thước và trọng lượng của món ăn thật ấn tượng"
hoặc những từ đồng âm như "cái nào / phù thủy" trong "Tôi không thể
biết ai trong số các phù thủy là phù thủy cầm chổi."
Có thể thay đổi dựa trên phản hồi của công chúng
www.AI4K12.org
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8 9-12
LO: Minh họa cách nhúng từ có thể được sử dụng để suy luận về LO: Chứng minh cách sử dụng một ngữ pháp nhỏ không có ngữ cảnh để phân
nghĩa của từ. tích cú pháp hoặc tạo các câu đơn giản.
EU: Các từ nhúng biểu thị các từ có nghĩa tương tự như các điểm Châu Âu: Ngữ pháp phi ngữ cảnh mô tả cách các từ được kết hợp
lân cận trong không gian đặc trưng ngữ nghĩa và cho phép thành cụm từ và mệnh đề, đồng thời có thể biểu thị phần lớn cấu
chúng tôi suy luận về các từ bằng cách thực hiện phép tính số trúc cú pháp của ngôn ngữ tự nhiên, nhưng không xử lý tốt những thứ như
học. thỏa thuận giữa chủ ngữ và động từ.
Unpacked: Một ví dụ về lập luận về từ Unpacked: Một ví dụ về ràng buộc thỏa thuận là ý nghĩa được phát hiện ngoại lệ, ví dụ: từ nào trong
chủ ngữ và động từ phải thống nhất về số lượng, ví dụ: "anh ấy nói" liệt kê "bữa sáng", "ăn trưa", "chuối", "bữa tối" không phù hợp nhưng
"họ nói". Thể hiện điều này trong một ngữ pháp phi ngữ cảnh với những người khác? Độ tương tự của các từ có thể được đo lường sẽ yêu cầu
các quy tắc riêng biệt cho các đối tượng số ít và số nhiều. như khoảng cách trong không gian đặc trưng; the outlier will be far Điều này trở
nên rườm rà khi các câu trở nên nhiều hơn từ các từ khác. Một ví dụ khác về lập luận phức tạp, ví dụ, các liên từ phối hợp có thể yêu
cầu về ý nghĩa là hoàn thành loại suy, ví dụ: "con người là sự đồng ý về thì cũng như số.
vua là phụ nữ là nữ hoàng". Điều này có thể được giải quyết bằng
cách tính toán vectơ đặc trưng "vua" - "đàn ông" + "phụ Xem 4-A-ii.6-8 để biết ví dụ về sự mơ hồ về cú pháp, dẫn đến nhiều
nữ" và tìm từ gần nhất với kết quả. cây phân tích cú pháp phải được phân biệt bằng cách sử dụng
Lợi ích thực sự của việc nhúng từ là chúng được sử dụng làm đầu kiến thức ngữ nghĩa.
vào cho các mạng máy biến áp thực hiện các thao tác suy luận phức
tạp hơn nhiều trên văn bản. Ngay cả một ngữ pháp đơn giản, nếu là đệ quy, có thể tạo ra vô số
câu; xem 4-Ai.3-5.
Xem 2-A-iv.6-8 Để biết thêm về nhúng từ và 2-
A-iv.9-12 đối với mạng máy biến áp. Tài nguyên: Công cụ ngữ pháp miễn phí ngữ cảnh Stanford này có thể
được sử dụng để xây dựng cây phân tích cú pháp, tạo câu và xác minh
Hoạt động 1: Thử nghiệm với WordEmbeddingsDemo tính ngữ pháp của câu. Xem tài liệu tham khảo này
để khám phá các nhúng từ thực tế. để tạo ngữ pháp không có ngữ cảnh.
Hoạt động 2: Sử dụng kiến thức về nhúng từ để giải thích cách
thức hoạt động của trò chơi Semantris ( Hoạt động khối).
3
Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Triển www.AI4K12.org

Ý tưởng lớn #4: Tương tác tự nhiên Các tác nhân thông minh đòi hỏi nhiều loại LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
kiến thức để tương tác tự nhiên với Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
con người.

Ý tưởng K-2 3-5 6-8 9-12

Ngôn ngữ tự nhiên LO: Thể hiện các loại nhiệm vụ mà một trợ lý
(Các ứng dụng) thông minh có thể và không thể thực hiện.
4-A-iv EU: Trợ lý thông minh (ví dụ: Siri, Alexa) là những
máy tính được thiết kế để đáp ứng một số yêu cầu hạn
chế. Họ không thể tham gia vào một cuộc trò
chuyện như một con người.
LO: Thể hiện một số loại câu hỏi mà công cụ tìm kiếm hoặc trợ lý
thông minh có thể trả lời và một số loại mà nó không thể trả
lời.
Châu Âu: Các công cụ tìm kiếm (ví dụ: Google) và các trợ
lý thông minh (ví dụ: Siri, Alexa) có một tập hợp các
mô-đun mục đích chung và chuyên biệt mà chúng sử dụng để trả
lời các loại câu hỏi khác nhau.
LO: Mô tả một số tác vụ NLP (Xử lý ngôn ngữ tự LO: Mô tả một số cách tiếp cận Xử lý ngôn ngữ tự nhiên, từ đơn
nhiên) mà máy tính có thể thực hiện và giải thích cách giản đến phức tạp hơn.
chúng hoạt động.
Châu Âu: Các cách tiếp cận NLP đơn giản bao gồm đối sánh từ khóa,
tra cứu từ điển nhiệm vụ EU: NLP (Xử lý ngôn ngữ tự nhiên) và đối sánh mẫu, trong khi mới hơn, bao gồm tóm tắt văn bản, tạo văn
bản, cảm tính.
và tương tác đàm thoại.

Đã giải nén: Siri và Alexa có thể trả lời câu Giải nén: Lấy chatbot làm ví dụ, cách tiếp cận đơn giản nhất là
hỏi, phát nhạc, đặt báo thức và thực hiện Đã giải nén: Ví dụ về các truy vấn được xử lý bởi danh sách chuyên biệt. Nhưng tìm từ khóa trong thông tin nhập của người dùng để quyết định
các tác nhân thông minh không phải là người. các mô-đun bao gồm: định nghĩa của từ; chuyển đổi đơn vị (ví dụ: inch sang phản hồi sẽ đưa ra. Một cách tiếp cận phức tạp hơn một chút
thoại hạn chế mặc dù họ có khả năng nhận biết milimét, đô la sang euro); thời điểm hiện tại Họ có khả năng đàm sử dụng các mẫu để mô tả tất cả các biến thể mà một cụm từ có thể
giọng nói và thời tiết ở mọi nơi trên thế giới; tiểu sử và ngôn ngữ. Một lý do là họ gặp rắc rối về dữ kiện địa lý có thay vì xem xét các cụm từ đơn lẻ.
(ngày sinh của Abraham Lincoln, vốn duy trì ngữ cảnh, tức là nhớ những gì của Bỉ); lưu trữ giờ và hướng lái xe; và đã được Các chatbot tinh vi hơn sử dụng mạng lưới thần kinh sâu để "nhận
nói trước đó để giúp họ hiểu lịch trình của hãng hàng không, xe lửa và xe buýt. Hiện tại thông minh đang được nói dạng ý định", phát hiện khi ý nghĩa của đầu vào khớp với một mẫu,
bây giờ. thay vì tìm kiếm các từ hoặc cụm từ cụ thể.
các tác nhân làm kém hơn khi được yêu cầu suy luận về
mối quan hệ giữa các thực thể (ví dụ: cá sấu có lớn hơn đà điểu
Các hoạt động: không) hoặc khi được yêu cầu đưa ra lời giải thích thay vì sự Hoạt động: Học sinh sẽ có thể mô tả khi nào các phương pháp này có

Nói chuyện với một tác nhân thông minh như Alexa. thật đơn giản (ví dụ: Tại sao Shakespeare không viết về máy thể hữu ích hoặc không. Giải thích những hạn chế.
Những loại công việc họ có thể làm tốt hoặc không bay?). Khi không có mô-đun chuyên biệt nào có thể xử lý một
tốt là gì? những giới hạn của sự hiểu biết truy vấn, các công cụ tìm kiếm sẽ quay trở lại tìm kiếm từ khóa,
của nó là gì? nhưng kết quả thường không thỏa mãn.

thông thường LO: Đưa ra những lời giải thích hợp lý về hành
lý luận vi của con người hoặc các sự kiện có thể hữu ích cho
rô-bốt biết.
4-Với
Chọn kết thúc có khả năng nhất cho một câu chuyện không có kiến thức mà con người có là một ví dụ về lý luận thông
thường, cuộc sống hàng ngày.
đòi hỏi kiến thức về con người và sự vật cũng như
cách họ cư xử mà máy tính có thể không có.
Hoạt động: (1) Chọn kết thúc có khả năng nhất cho một câu
chuyện được cung cấp một danh sách các lựa chọn thay thế
và giải thích lựa chọn của bạn; (2) Giải thích tại
sao một nhân vật trong câu chuyện lại thực hiện một hành động cụ thể; (3)
Đề xuất một hành động thích hợp cho một nhân vật trong
một tình huống cụ thể và giải thích tại sao hành động
đó lại phù hợp.
LO: Giải thích những kiến thức cần có để máy tính hiểu được
một câu chuyện.
EU: AI gặp khó khăn trong việc hiểu các câu chuyện vì nó EU:
Unpacked: “Cuộc sống thường ngày” bao gồm cả kiến thức
văn hóa (ô để làm gì) và vật lý ngây ngô (đồ rơi sẽ rơi do
trọng lực).
Hoạt động: Soạn một câu chuyện mà máy tính có thể khó hiểu
và giải thích điều gì gây khó khăn cho nó.
LO: Giải thích kiến thức mà máy tính sẽ cần LO: Giải thích kiến thức vật lý văn hóa và ngây thơ giải quyết vấn đề lý luận vật
lý ngây thơ.
EU: Máy tính có thể suy luận về các hiện tượng
vật lý bằng cách sử dụng các quy tắc suy luận vật lý
ngây thơ , chính thức hóa cách hiểu trực giác của
chúng ta về các khái niệm như khối lượng, thể tích, lực và chuyển lý
Hiện tại, máy tính không giỏi lắm trong việc này.
Giải nén: Vật lý ngây thơ bao gồm kiến thức về các định
luật bảo toàn. Đổ một thùng nước lớn sang một thùng nhỏ hơn sẽ
gây ra hiện tượng tràn vì thùng nhỏ có thể tích ít
hơn và lượng nước không thay đổi. Đến lớp 6-8, học sinh phải
nắm vững các định luật bảo toàn; xem bài viết này về
nhiệm vụ bảo tồn Piaget. Vật lý ngây thơ cũng bao gồm các
quy tắc suy luận để lập luận về lực, chẳng hạn như "Khi vật
nặng va vào vật nhẹ, vật nhẹ sẽ chuyển động."
Hoạt động: Đề xuất một bài toán suy luận đòi hỏi kiến thức
vật lý ngây thơ để giải quyết, và cho biết kiến thức đó là
gì.
cần thiết để máy tính diễn giải chính xác một câu chuyện ngụ ngôn hoặc
truyện cổ tích.
EU: Để con người hoặc máy tính suy ra ý nghĩa của một câu chuyện
đòi hỏi sự hiểu biết về kiến thức văn hóa, vật lý ngây thơ và tâm
động.
dân gian. Điều này vẫn còn khó khăn cho máy tính.
Unpacked: Truyện ngụ ngôn và truyện cổ tích là một thách thức
đối với máy tính vì chúng có thể kết hợp kiến thức văn
hóa, động cơ phức tạp của con người, hình ảnh, sự hài hước và phép
ẩn dụ. Tâm lý học dân gian đề cập đến khả năng hàng ngày của chúng ta
trong việc gán các trạng thái tinh thần cho người khác, bao gồm
cả niềm tin, mong muốn và ý định của họ.
Hoạt động: Giải thích những kiến thức cần thiết để giải quyết
chính xác tham chiếu của đại từ trong câu Winograd.
Một câu Winograd ví dụ là "Anna đã làm rất nhiều [tốt hơn/
tệ hơn] Lucy trong bài kiểm tra vì cô ấy đã học rất chăm chỉ."
Ở đây, kiến thức bắt buộc là học nhiều hơn cho bài kiểm tra sẽ dẫn
đến hiệu suất tốt hơn.

V.0.2 - Phát hành ngày 14 tháng 3 năm 2022 Có thể thay đổi dựa trên phản hồi của công chúng 4
Machine Translated by Google
Ý tưởng lớn #4: Tương tác tự nhiên
Ý tưởng K-2
hiểu biết LO: Trình diễn cách máy tính nhận diện cảm xúc trên
Cảm xúc khuôn mặt.
4-Có EU: Máy tính nhận dạng cảm xúc trên khuôn mặt bằng
cách nhìn vào hình dạng của miệng, mắt và lông mày.
Hoạt động: Sử dụng bản demo khuôn mặt nhận dạng các
mốc trên khuôn mặt (ví dụ: lông mày, mắt và miệng)
để suy ra trạng thái cảm xúc. Hoạt động có thể được
giới thiệu bằng cách sử dụng các biểu tượng để thể hiện
các cảm xúc khác nhau.
V.0.2 - Phát hành ngày 14 tháng 3 năm 2022
Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Triển
Các tác nhân thông minh đòi hỏi nhiều loại
kiến thức để tương tác tự nhiên với
con người.
3-5
LO: Minh họa cách máy tính có thể đánh giá giọng điệu cảm xúc
của văn bản.
Châu Âu: Máy tính có thể nhận ra những nhận định tích cực và
tiêu cực về một chủ đề bằng cách sử dụng các kỹ thuật xử
lý ngôn ngữ tự nhiên được gọi là "phân tích tình cảm".
Unpacked: Phân tích cảm tính được sử dụng cho nhiều nhiệm vụ khác
nhau, chẳng hạn như:
- Đánh giá phim: Phân tích các đánh giá phim trực tuyến để có được
những hiểu biết của khán giả về bộ phim.
- Đánh giá nhà hàng: phân tích các đánh giá về nhà hàng để đo lường
mức độ hài lòng của khách hàng.
- Tin tức đưa tin: Phân tích tin tức về một sự kiện, một
người hoặc một công ty để đánh giá quan điểm của giới truyền thông.
- Phân tích phương tiện truyền thông xã hội: phân tích cảm xúc
của các bài đăng trên Facebook, Twitter hoặc Instagram để đánh
giá dư luận về các sự kiện, con người hoặc sản phẩm.
Hoạt động: Sử dụng các dịch vụ AI thích hợp (ví dụ: phần bổ trợ
Scratch) để tạo các tạo phẩm thể hiện phân tích tình cảm. Sử dụng
công cụ phân tích tình cảm dựa trên web để phân tích tính phân
cực của văn bản được đánh dấu chủ quan.
Có thể thay đổi dựa trên phản hồi của công chúng
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8
LO: Mô tả cách máy tính sử dụng các loại tín hiệu khác nhau
để nhận biết trạng thái cảm xúc của con người.
EU: Máy tính có thể nhận ra trạng thái cảm xúc của con
người bằng cách nhìn vào nét mặt, ánh mắt, cử chỉ,
ngôn ngữ cơ thể, giọng nói và lựa chọn từ ngữ.
Unpacked: Ví dụ: ngôn ngữ cơ thể có thể biểu thị sự gắn bó, thù
địch, lo lắng hoặc buồn chán. Ngôn ngữ cơ thể bao gồm các
yếu tố như cách một người giữ cánh tay, cách họ đặt chân,
họ đang nghiêng người hay ngả ra sau và cách họ nghiêng đầu. Máy
tính có thể trích xuất thông tin tư thế này từ hình ảnh webcam.
www.AI4K12.org
9-12
LO: Xác định cách các ứng dụng AI có thể sửa đổi hành vi của chúng để
phản ứng với trạng thái cảm xúc của mọi người.
EU: Máy tính có thể phản ứng phù hợp với cảm xúc của con người
bằng cách thừa nhận những gì con người đang cảm thấy và phản ứng theo
cách mà con người thấy hỗ trợ và phù hợp về mặt xã hội.
Unpacked: Ví dụ: hệ thống dạy kèm dựa trên AI giám sát hành vi của học
sinh để xác định sự thất vọng, buồn chán và mệt mỏi để họ có
thể điều chỉnh hướng dẫn hoặc nhắc học sinh nghỉ giải lao. Các đại
lý dịch vụ khách hàng tự động phát hiện cảm xúc của con người có thể
điều chỉnh phản ứng của họ cho phù hợp, ví dụ: bằng cách điều chỉnh
tốc độ nói và giọng nói của họ.
Hoạt động: Cho rằng máy tính có thể sử dụng trí tuệ nhân tạo để xác định
cảm xúc của con người, hãy thảo luận về cách họ nên phản ứng với mọi
người theo cách mà chúng tôi cho là hỗ trợ và phù hợp về mặt xã hội.
5
Machine Translated by Google
Ý tưởng lớn #4: Tương tác tự nhiên
Ý tưởng K-2
Triết học của tâm trí LO: Thể hiện một số cách mà Tác nhân thông minh không
hiểu mọi thứ theo cách mọi người hiểu.
4-Của
EU: Các thiết bị trí tuệ nhân tạo không phải là
con người, chúng là các chương trình máy tính do con
người thiết kế.
Giải nén: Các tác nhân thông minh ngày nay không thể
trả lời hầu hết các câu hỏi thông thường, chẳng hạn như
"Liệu một chiếc tất có mùi có thể làm quà sinh nhật hay
không?" Họ có thể đọc truyện cho trẻ nghe nhưng không thể
trả lời các câu hỏi về câu chuyện. Họ cũng không biết về
những câu hỏi lặp đi lặp lại, ví dụ: nếu được hỏi cùng
một câu hỏi năm lần liên tiếp, họ sẽ không cảm thấy thất
vọng hoặc thậm chí thừa nhận rằng các câu hỏi đó
lặp đi lặp lại.
V.0.2 - Phát hành ngày 14 tháng 3 năm 2022
Dự Thảo Ý Tưởng Lớn 4 - Biểu Đồ Tiến Triển
Các tác nhân thông minh đòi hỏi nhiều loại
kiến thức để tương tác tự nhiên với
con người.
3-5
LO: Chứng minh những gì một hệ thống AI rộng lớn có thể làm được mà
các hệ thống AI hẹp hiện tại không thể làm được.
EU: "AI hẹp" đã mang đến cho chúng tôi một tập hợp các thuật toán
tốt cho những thứ cụ thể. "AI rộng" hay "AI tổng quát" hứa hẹn sẽ
mang đến cho chúng ta khả năng suy luận tổng quát tương
đương với con người.
Giải nén: Hiện tại, chỉ có những người thể hiện trí thông minh
chung. Họ có thể làm nhiều việc khác nhau và học cách làm những
việc mới. Các chương trình AI hiện tại chỉ tập trung vào một loại vấn
đề duy nhất. Ví dụ, các chương trình dạy chơi cờ hay lái xe ô
tô giỏi nhưng lại không giỏi trả lời các câu hỏi về một câu
chuyện. Chúng tôi hiện không có thuật toán hoặc công nghệ máy học có
thể bắt chước tất cả các khía cạnh của trí thông minh con người.
Có thể thay đổi dựa trên phản hồi của công chúng
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8
LO: Xác định các tiêu chí về ý thức và đánh giá các hệ thống AI
hoặc nhân vật AI hư cấu theo các tiêu chí đó.
EU: Bản chất của ý thức là một vấn đề chưa được giải quyết,
nhưng hai tiêu chí quan trọng dường như là nhận thức về bản
thân và lịch sử cá nhân.
Unpacked: Các câu hỏi về ý thức: (1) là tự nhận thức (hay "nhận
thức về nhận thức") cần thiết; (2) là một lịch sử cá nhân
(ký ức về kinh nghiệm trong quá khứ) cần thiết; (3) là một ngôn
ngữ tinh thần cần thiết; (4) có các cấp độ ý thức hay
không, có tất cả hay không; (5) động vật thể hiện những loại ý
thức nào.
Hoạt động: Nghiên cứu các cuộc thảo luận về việc liệu động
vật có thể có ý thức hay không và ý thức của động vật
khác với ý thức của con người như thế nào. Nếu ý thức tồn tại
trên một thang đo, bạn có nghĩ rằng một chiếc máy tính có
thể đáp ứng hoặc vượt qua con người trên thang đo này không?
www.AI4K12.org
9-12
LO: Tranh luận về quan điểm thay thế giữa con người và trí tuệ nhân tạo
EU: Một số chuyên gia và triết gia về AI đã lập luận rằng máy tính
không bao giờ có thể đạt được trí thông minh hoàn toàn giống con người,
trong khi những người khác tin rằng AI cuối cùng sẽ vượt xa trí thông
minh của con người.
Giải nén: Một vấn đề khi lập luận rằng máy tính sở hữu trí thông
minh giống con người là chúng ta không có ý tưởng rõ ràng về cách đạt
được trí thông minh của con người. Một tuyên bố mạnh mẽ hơn chống lại trí
thông minh máy tính là vì máy tính không có cơ thể vật lý nên
chúng không thể trải nghiệm thế giới theo cách con người làm. Mặt khác,
con người có trí nhớ và khả năng suy luận hạn chế mà máy tính có thể vượt
qua, dẫn đến một trí thông minh có khả năng hơn con người (siêu trí
tuệ nhân tạo). Nhưng chúng ta cũng có thể có các thiết bị thực hiện các
tác vụ xử lý thông tin phức tạp mà không sở hữu trí thông minh giống con
người.
Các hoạt động: (1) Giải thích bài kiểm tra Turing và lấy ra một đoạn trích
trong bài báo của Turing và so sánh cuộc đối thoại do Turing đề xuất
với những gì hệ thống AI hiện đại có thể làm. (2) So sánh động vật với trí
thông minh của con người. (3) So sánh trí thông minh của động
vật với AI.
6