侯明鑫 俞國燕 劉海濤 張靜 劉皞春

摘要：人工智能是近年來很熱門的領(lǐng)域，在生產(chǎn)應(yīng)用領(lǐng)域主要表現(xiàn)在三個(gè)方面，即人工智能在語音識(shí)別與語義理解方面的應(yīng)用、在大數(shù)據(jù)智能分析方面的應(yīng)用和在圖像分類與物體追蹤方面的應(yīng)用。文章基于谷歌Tensorflow工具結(jié)合在圖像處理方面的模型訓(xùn)練與物體識(shí)別，針對(duì)海洋裝備教學(xué)的特點(diǎn)，通過AI技術(shù)與海洋裝備的結(jié)合，實(shí)現(xiàn)了智能化分析。同時(shí)，展望了未來AI技術(shù)與教育教學(xué)相結(jié)合的發(fā)展方向。

關(guān)鍵詞：人工智能;Tensorflow;海洋裝備;教學(xué)

中圖分類號(hào)：G642.0? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：1674-9324（2020）10-0199-02

一、引言

人工智能（Artificial Intelligence），即人們簡稱的AI，是讓設(shè)備具有像人一樣思考與處理問題的能力。目前學(xué)者們的研究可以分成兩個(gè)主流方向，一個(gè)主流方向是研究人工智能的算法模型的理論本質(zhì)與模型生成[1，2]，另一個(gè)主流研究方向是對(duì)AI技術(shù)的應(yīng)用[3，4]。在AI理論與應(yīng)用不斷實(shí)施和熱度不斷升溫的當(dāng)下，國內(nèi)的一些教育專家們也將AI應(yīng)用到教育教學(xué)當(dāng)中，比如重慶郵電大學(xué)的張聰?shù)热?，將人工智能的語音識(shí)別應(yīng)用到智慧課堂的漢語教學(xué)中[5]，華東師范大學(xué)的劉勉將動(dòng)作識(shí)別系統(tǒng)引入實(shí)訓(xùn)型未來課堂的理念，并初步構(gòu)建了相應(yīng)的教學(xué)行為研究方式[6]。

本文結(jié)合當(dāng)下人工智能常用的谷歌公司Tensorflow工具，針對(duì)海洋裝備教育教學(xué)中的特點(diǎn)，從應(yīng)用角度研究了AI對(duì)海洋裝備教學(xué)的影響，并且展望了未來AI技術(shù)在海洋工程教學(xué)中的發(fā)展趨勢。

二、Tensorflow

Tensor即張量，flow即流動(dòng)，從字面上講Tensorflow是張量的流動(dòng)。對(duì)于技術(shù)本質(zhì)上說是以張量圖為核心的流動(dòng)層數(shù)算法。根據(jù)谷歌對(duì)Tensorflow的定義“Tensorflow是針對(duì)機(jī)器學(xué)習(xí)設(shè)計(jì)的端到端的開源平臺(tái)”，無論是初學(xué)者還是專家，都很容易上手生成機(jī)器學(xué)習(xí)的模型。機(jī)器學(xué)習(xí)的模型以神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)，是處理某一問題時(shí)，部分代替了人腦和專家經(jīng)驗(yàn)，可以對(duì)有關(guān)領(lǐng)域，比如圖像、語音、數(shù)據(jù)進(jìn)行智能化的分析。從工程實(shí)現(xiàn)角度講，Tensorflow生成模型后，主要有兩種應(yīng)用方式，一種是把模型放在云端服務(wù)器;另一種是邊緣計(jì)算，即把生成的模型放在本地，本地可以是智能手機(jī)、嵌入式IC處理器、PC機(jī)等。這兩種人工智能的模型應(yīng)用各有特點(diǎn)：放在云端的主要原因是模型的功能強(qiáng)大，云端的存儲(chǔ)與計(jì)算能力遠(yuǎn)超過本地，但這種方式要求整個(gè)AI的計(jì)算過程要基于網(wǎng)絡(luò)實(shí)現(xiàn)，倘若在沒有網(wǎng)絡(luò)的情況下，是無法完成人工智能的實(shí)現(xiàn)過程的;把人工智能模型放在本地的邊緣計(jì)算方式，優(yōu)點(diǎn)是離線的、不需要網(wǎng)絡(luò)即可計(jì)算出AI的結(jié)果，但缺點(diǎn)是本地計(jì)算能力與存儲(chǔ)能力有限，不能識(shí)別過多的復(fù)雜情況。所以，基于Tensorflow生成人工智能模型后，AI的專家們根據(jù)應(yīng)用場景選擇將模型放在服務(wù)器云端或者本地端進(jìn)行邊緣計(jì)算。

三、海洋裝備專業(yè)的教學(xué)特點(diǎn)

海洋裝備屬于海洋工程的一個(gè)分支，涉及機(jī)械學(xué)、電子學(xué)、光學(xué)、聲學(xué)等知識(shí)，教學(xué)培養(yǎng)方案中明確規(guī)定“培養(yǎng)學(xué)生應(yīng)具備知識(shí)拓展能力，通過掌握聲學(xué)、光學(xué)和信息應(yīng)用技術(shù)等相近專業(yè)的一般原理和知識(shí)，能夠處理和解決與專業(yè)方向近領(lǐng)域有關(guān)的科學(xué)與工程問題。”海洋裝備中的數(shù)據(jù)很多是以圖像作為分析依據(jù)的，比如海洋養(yǎng)魚的網(wǎng)箱、漁網(wǎng)、海洋生物、海洋裝備的種類等，都是基于海洋環(huán)境中的圖像作為教學(xué)依據(jù)的。

四、人工智能在海洋裝備教學(xué)中的應(yīng)用

海洋裝備是以圖像為基礎(chǔ)交流的，所以人工智能在海洋裝備學(xué)科的應(yīng)用應(yīng)以AI的物體識(shí)別為切入點(diǎn)進(jìn)行拓展。典型的人工智能圖像處理的模型包括：MobileNet、PoseNet、Coco SSD、BodyPix和DeepLab v3。通常在做人工智能項(xiàng)目圖像中物體追蹤時(shí)，首要分析與選取的是人工智能的模型，比如以瀏覽器為核心的項(xiàng)目通常選取PoseNet和BodyPix模型，鑒于海洋裝備學(xué)科教育教學(xué)的特點(diǎn)，學(xué)生與教師通常使用的工具是智能手機(jī)，所以本文中的人工智能模型是以MobileNet為基礎(chǔ)的應(yīng)用，應(yīng)用方式可以通過本地的手機(jī)中的模型進(jìn)行邊緣計(jì)算，也可以將訓(xùn)練好的模型上傳到云端，從而實(shí)現(xiàn)更復(fù)雜的海洋裝備教學(xué)中的圖像識(shí)別。通過選取MobileNet為人工智能模型，與海洋裝備教學(xué)的圖像相結(jié)合，可以實(shí)現(xiàn)如下功能：（1）可以通過手機(jī)對(duì)海洋環(huán)境中特定的裝備實(shí)現(xiàn)智能化的局部識(shí)別，識(shí)別結(jié)果如下圖所示。（2）針對(duì)識(shí)別結(jié)果，比如下圖中手機(jī)AI應(yīng)用App識(shí)別的“海洋網(wǎng)箱”和“海洋捕魚船”，查詢?cè)贫朔?wù)器，從而實(shí)現(xiàn)查詢數(shù)據(jù)庫。（3）根據(jù)數(shù)據(jù)庫的查詢關(guān)鍵詞結(jié)果，輸出具體的針對(duì)教育教學(xué)中的指導(dǎo)內(nèi)容，教學(xué)指導(dǎo)內(nèi)容不限于文字、圖像和視頻。

五、展望

根據(jù)上圖中的原理，教學(xué)中教師可以自行設(shè)計(jì)要識(shí)別的圖像內(nèi)容，根據(jù)AI算法訓(xùn)練出指定的識(shí)別內(nèi)容，進(jìn)而可以生成特定的數(shù)據(jù)庫。因此，本文針對(duì)人工智能模型算法與海洋裝備教學(xué)中的特點(diǎn)，展望未來AI技術(shù)將會(huì)對(duì)海洋學(xué)科產(chǎn)生如下影響：（1）學(xué)習(xí)的高效化。當(dāng)學(xué)生看到任何海洋環(huán)境中不懂的物體時(shí)，可以借助手機(jī)人工智能App對(duì)準(zhǔn)海洋環(huán)境，實(shí)現(xiàn)智能化的分析環(huán)境或圖像中的內(nèi)容。（2）學(xué)習(xí)的深入化。根據(jù)智能的識(shí)別結(jié)果，學(xué)生或教師可以進(jìn)一步地檢索云端服務(wù)器內(nèi)容，瞬間調(diào)出有針對(duì)性的且能深入理解的文字、圖像和視頻。（3）教學(xué)的智能化。人工智能技術(shù)與海洋工程的結(jié)合，改變了傳統(tǒng)的教學(xué)模式，使得教學(xué)變得智能化，且隨著智能手機(jī)的普及，學(xué)生們可快速應(yīng)用學(xué)習(xí)。

六、結(jié)論

本文首先介紹了人工智能的研究方向與應(yīng)用實(shí)現(xiàn)方式，接著闡述了當(dāng)前最具有影響力的谷歌AI開發(fā)工具Tensorflow，然后針對(duì)海洋裝備中的教學(xué)特點(diǎn)，結(jié)合海洋工程的環(huán)境養(yǎng)魚網(wǎng)箱實(shí)例，展示了的AI應(yīng)用與教學(xué)的結(jié)合方式，最后本文展望了AI與教育教學(xué)結(jié)合的發(fā)展方向。