Skip to content

Latest commit

 

History

History
61 lines (31 loc) · 6 KB

story.md

File metadata and controls

61 lines (31 loc) · 6 KB

XEdu的故事

从MMEdu到XEdu

XEdu的缘起来自MMEdu,而MMEdu的诞生有很多版本,但所有的版本都围绕着“中小学AI教育”展开。

版本一

上海人工智能实验室成立初期,智能中心负责人戴娟找上海交大谈国智班(实验室和交大共同培养的人工智能班)的相关事宜。他们不约而同的关注到中小学的人工智能教育,都认为要在中小学推广人工智能教育,就需要更加接地气的AI学习与开发工具。于是开始有意识地选择一些技术门槛较低,又比较有趣的AI工具,尝试降维后给中小学生使用。

经过几次迭代,他们最后选择了OpenMMLab进行降维。因为OpenMMLab是一个非常全面的计算机视觉算法包,内置了很多SOTA模型,也是实验室重点维护的开源项目。更重要的是,戴娟在求学期间就参与过OpenMMLab的开发工作。

……

版本二

2020年,清华大学出版社的义务教育阶段信息技术教材开始修订,其中九年级分册要涉及人工智能。经过一番调研,几位主编发现小学教材可以用Mind+,高中教材绝大多数使用了Keras,那么初中呢?似乎也只能选择Keras。结果教材编写出来后,老师们都认为太难,代码中有些单词很难理解。尤其是要训练深度学习模型,就要逐层搭建网络。这对初中生来说入门门槛太高。

2021年7月,教材副主编谢作如老师(原温州中学,现温州科技高级中学)在世界人工智能大会见到戴娟,聊起“中小学需要好的AI开发工具”这一问题。戴娟说实验室有好多工具,只是不知道是否适合中小学,也不知道应该往哪一个方向优化。两人在AI教育上观点一致,只是时间来不及,于是约好下次来温州讨论。

很快地,戴娟将实验室的工具整理了一个列表,来温州向谢作如一一展示。谢作如则一下子看中了内置SOTA模型的OpenMMLab,但是需要重新封装,为中小学生“降维”(指降低技术门槛)。11月,他们组建了一个名称为“开源科创”的开发团队,以贾彦灏、王博伦等实验室智能教育中心实习生为核心,开始了OpenMMLab的“降维”工作。

MMEdu的正式启动时间是2022年1月。陆雅楠和邱奕盛的加入让小团队的研发力量大增。这个小团队分为算法和教研两个小组。开源科创团队深度对比了Keras、FastAI、ModelArts等的AI开发工具,总结了深度学习的一般流程,认为AI模型训练和AI模型推理(AI应用开发)工作应该分离,而AI模型训练应该是公式化的操作,可以设计一套非常简洁的代码,以降低技术门槛。

MMEdu很快就推出了第一版,邀请了国内的骨干教师进行内部测试,得到大家的好评,其中山东的于方军老师提了很多建议。随着开发的深入,一些新的需求也逐步明晰起来。因为MMEdu面向计算机视觉,内置的都是视觉方向的SOTA模型,无法搭建一些简单的经典网络,如全连接神经网络,再加上当前教材中又不可避免要讲经典机器学习,于是又增加了BaseNN和BaseML。这些工具合并起来,取了一个共同的名称——XEdu(全称为OpenXLab-Edu),和实验室大工具名称的XLab对应。

2023年9月,XEdu迎来了新伙伴——XEduhub。这一工具面向模型推理,又内置各种常见的AI模型,成为了中小学生研究科创项目的必备工具。

为什么要开发XEdu

中小学的AI教育需要低门槛的框架或者工具。受限于认知水平,中小学生很难去理解AI的底层,尤其是数学原理。而当前的AI教育往往“满足于”给学生介绍AI发展史、专家系统、知识图谱和一些经典的机器学习原理,学生无法用学到的知识去解决一些真实问题。有人戏称这样的AI教育不过是在教屠龙技——因为世上已经无龙可屠,那么学了跟没学一样。

在2022年之前,中小学的AI课程中如果涉及到用代码训练AI模型,一般都选择了keras。虽然Keras有着种种不尽人意的地方,却找不到更好的替代品——至少比TensorFlow已经简单多了。但是Keras最大的问题在于代码过于底层,如搭建神经网络需要一层一层搭建,连搭建LeNet(一个最经典最基础的卷积神经网络模型)都要写好多代码,实际上学生只能照着教学或者范例抄一遍,并不能真正理解。那么,这样抄一遍的意义又在哪里?

经过多次的研讨,开源科创团队对当前中小学的AI教育进行了总结,认为其存在如下问题:

1)如果AI教育仅仅满足于讲原理,做实验,那么学习内容离真实应用太遥远,无法用于解决真实问题。简而言之,学了跟没学一样。

2)有些AI工具虽然能解决问题,却又封装过度,如OpenCV和MediaPipe,只能算AI应用工具,不属于AI开发工具。

3)一本教材往往要涉及多个工具,导致门槛太高。如物体检测的Yolov3,常见代码基于DarkNet。虽然有PyTorch的代码,GitHub上提供的是一个完整的项目,大部分教师不知道如何使用;再如图片风格化(学习迁移,对抗网络) ,老师们只能体验一下现成的应用。

XEdu的定位是面向中小学AI教育的开发和学习工具。为了能形成共识,开发团队特意以“对话”的形式,展开一次讨论,并将讨论过程发表于《中国信息技术教育》杂志。

杂志专稿:中小学需要怎样的AI学习工具

20222年春,北京师范大学吴俊杰博士受《中国信息技术教育》杂志社委托,以“中小学 AI 教育需要怎样的工具“为主题,邀请XEdu团队的戴娟和谢作如做了一期对话。