这几款工具包让你的孩子成为小小电子工程师

转:http://m.cyzone.cn/a/20160422/294692.html

这几款工具包让你的孩子成为小小电子工程师

家长们,听好了:让你的孩子投入工程和计算机科学课堂吧。美国劳工部劳动统计局一份最新的报告指出:“软件开发技术持续荣登美国STEM(科学、技术、工程和数学)相关职业最紧俏技能之首。白宫也表示,到2020年,STEM相关领域职位缺口将超过100万个。
而最容易激发STEM领域兴趣的,恐怕就数玩具了——那些专门设计成引导孩子学习基本编程技术和黑客本领的玩具和工具包。更妙的是,它们往往还根据年龄和技术等级分了类。麻省理工学院(MIT)“终身幼儿园”研究小组博士,电子工具包设计师埃里克·罗森博姆(Eric Rosenbaum)说:“为孩子们创建一种学习经验,帮助他们看清什么是可能的,他们能做什么,能成为什么样的人,能对周围做出怎样的改变,是非常重要的。”
该从教学工具中寻求什么
专家建议,采取一种在放开玩乐和有序构建之间取得平衡的态度。科罗拉多大学波尔得分校物理和教育学教授诺亚·芬克尔斯坦(Noah Finkelstein )说:“只要内置了适合孩子的构建材料,一套好的工具包可以帮助孩子找到自己的活动空间,自然而然地学会大量知识和技能。”
与工具包的第一次亲密接触,比如包装和看使用说明,是极其重要的一环。并非所有的孩子都会去看手册,因此,一套好的工具包要够直观,最好能开包即用。另一件至关重要的事是:即时反馈。你得在尝试了某种做法后迅速看到效果。
工具包设计师罗森博姆说:“开放性意味着广泛的可能性。因此,尽管工具包里自带几个成熟流程,除此之外还能尝试的无限种做法也是必须保证的。我在设计这些创造性的工具包时,会尝试向用户显示可能性空间,帮助他们想象包装盒上图片之外的无限创意。”
不过,盒子上的图片也很重要。工具包是不是适合所有类型的小孩呢?一套好的学习工具包应该能满足小孩子各种各样的兴趣点。
罗森博姆表示:“一套能组装出小车满地跑的机器人套件是一回事,但如果同时还能播放音乐或帮你讲故事,比如通过播放动画或点亮彩灯的形式,又或者通过能与其他机器人通信的联网系统,那这套工具将会对更多孩子产生更强的吸引力。”
以下几款是非常不错的小孩子入门级工具包。不妨尝试一下!

酷小孩必备
一打开littleBits的Gizmos&Gadgets Kit工具包,你就会明白它有多容易上手。所有的组件都很好吸附在一起,带图说明书上的步骤非常简单,数分钟之内就能组装出一个能亮灯和可调音量蜂鸣器的电路。
每种零部件都用颜色标明了它在电路中的作用,年幼的学习者们可以快速领会电路的驱动方式。说明书里示例超级简单。(老实说,10分钟之内,我们就弄了个无线门铃出来。)最棒的部分在于:孩子们自己就能搞定这一切。
Gizmos&Gadgets Kit确实是开启电子技术的绝佳引领者,但也不用羞于尝试Arduino Coding Kit 编程工具包,那可是个计算机编程入门好货。根据小孩的年龄和对计算机的理解水平,或许在跟着在线教程学习的阶段需要大人在一旁看着点儿。不过,如果大人自己也不懂编程,一起学不是更好吗?

我是小小搭建者
Kano是个计算机搭建工具包,6岁的小孩都能玩。包装箱一打开,所有的部件就很友好地呈现在你面前。说明书就放在零件前面,图形式说明书让孩子们能够轻易看懂该怎么玩。它就一个用途:搭建一台电脑出来。不过,一旦电脑搭建成功,可能性就顶天了:小小电脑设计师可以创建自己的《挖矿争霸》角色,创建音乐程序,或者随便什么他们能想到的东西。
Kano还能连接显示器或电视,要不然还可以再买个该公司新出品的DIY屏幕工具包,价值150美元。
想要个性化自己的作品?没问题!Kano提供各式贴纸,甚至还在说明书里留了块地儿给孩子们署上自己的大名,培养工程所有权意识。只为孩子开放的在线社区也是有的,孩子们可以在社区里交流、合作、玩耍。
电路迷乐园
SparkFun的Inventor’s Kit 可不是心脏羸弱的人能玩的。不过,如果你家小孩(10岁以上)没被大大的部件箱吓到,那么,它就是编程和电路基础学习者的最佳工具包,非常完备,结构清晰,相当有条理。
首先,它以一个整洁的塑料手提箱的形式呈现,是上述所有工具包都不具备的属性。这一排列有序的呈现形式可以有效缓解从未看到过硬件内部的人的恐惧感。说实话,硬件内部那些线圈和板板还真挺吓人的:电线、电路模拟板、电容器、电阻器、装了多彩LED灯的银色密封袋。甚至说明书都厚厚一本。不过,对投入的学习者而言,按书索骥并不是很难,但也确实需要先认真看看。
主要事件就是用于学习Arduino编程的RedBoard,那是你插入电脑开启学习之路的第一步。说明书里的部件图画得很棒,想找什么组件都手到擒来。
第一个项目确实就是插入到一台电脑上,所以,这个工具包绝对是为已经具备笔记本电脑知识的学习者准备的。孩子们能用Inverntors Kit做的事是开放性的,而课程也被设计得涵盖常用电子器件和基本编程方法,学习过程中能弄出很多实用的小东西,比如点亮液晶显示屏,为温控器打造温度感应装置。
乐高爱好者的新玩意儿
乐高当然也不会错过幼儿编程教育的美味蛋糕,不过,要注意:乐高编程工具包比开箱即用的简单工具包需要更多的指导和监管。基本如此,乐高编程工具包毫无疑问非常有趣,而且孩子们通常已经对乐高这个品牌非常熟悉了。
乐高WeDo 2.0工具包适合二到四年级生,而你肯定想在孩子投入进去前先把所有的乐高积木放进塑料箱里。对软件的建议也是如此。该工具包旨在用包中模块拼接调整出机械化的米洛科学探测车。探测车具备运动传感器和倾斜传感器,能与其他探测车协作。孩子们将从中学到软件是如何驱动硬件的,在持续深化计算机素养的同时筑牢一系列的基本概念。(翻译:nana,编辑:picar)

本文由创业邦(微信公众号:ichuangyebang)发布,转载请注明来源,违者必究。

【转】TrueNorth:IBM 的百万神经元类人脑芯片

TrueNorth:IBM 的百万神经元类人脑芯片

邮票大小、重量只有几克,但却集成了 54 亿个硅晶体管,内置了 4096 个内核,100 万个 “神经元”、2.56 亿个 “突触”,能力相当于一台超级计算机,功耗却只有 65 毫瓦。

这就是 IBM 公布的最新仿人脑芯片:TrueNorth。

为什么要做 TrueNorth?

因为自 2008年 以来,美国国防部研究机构 DARPA 给了 IBM 5300 万美元。TrueNorth 是 IBM 参与 DARPA 的研究项目 SyNapse 的最新成果。SyNapse 全称是 Systems of Neuromorphic Adaptive Plastic Scalable Electronics(自适应可塑可伸缩电子神经系统,而 SyNapse 正好是突触的意思),其终极目标是开发出打破冯•诺依曼体系的硬件。

为什么要打破冯•诺依曼体系?

冯•诺依曼体系是传统计算机的基础。这种体系的特点是存放信息和程序指令的内存与处理信息的处理器是分离的。由于处理器是按照线序执行指令的,所以必须不断与内存通过总线反复交换信息—而这个会成为拖慢速度和浪费能量的瓶颈。尽管后来采用了多核芯片和缓存技术,但是这些只能提高速度而不能降低太多能耗,而且没办法实时处理,因为通信是瓶颈—内存和 CPU 的大量通信要通过总线进行。因此,近几十年来研究人员一直在致力于寻找突破原有体系的技术。

模仿大脑

模仿人类大脑是科学家寻求突破的方向。人类大脑的神经元尽管传导信号的速度很慢,但是却拥有庞大的数量(千亿级),而且每个神经元都通过成千上万个突触与其他神经元相连,形成超级庞大的神经元回路,以分布式和并发式的方式传导信号,相当于超大规模的并行计算,从而弥补了单神经元处理速度的不足。人脑的另一个特点是部分神经元不使用时可以关闭,从而整体能耗很低。

TrueNorth:IBM 的百万神经元类人脑芯片

在了解了人脑的这种机理之后,研究人员开始了在软硬件上对人脑的模拟。在硬件方面,近年来主要是通过对大型神经网络进行仿真,如 Google 的深度学习系统Google Brain,微软的 Adam等。但是这些网络需要大量传统计算机的集群。比方说 Google Brain 就采用了 1000 台各带 16 核处理器的计算机,这种架构尽管展现出了相当的能力,但是能耗依然巨大。

而 IBM 则是在芯片上的模仿。

TrueNorth:IBM 的百万神经元类人脑芯片

集成度和能效令人印象深刻

这种芯片把数字处理器当作神经元,把内存作为突触,跟传统冯诺依曼结构不一样,它的内存、CPU 和通信部件是完全集成在一起。因此信息的处理完全在本地进行,而且由于本地处理的数据量并不大,传统计算机内存与 CPU 之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通,只要接收到其他神经元发过来的脉冲(动作电位),这些神经元就会同时做动作。

2011年 的时候,IBM 首先推出了单核含 256 个神经元,256×256 个突触和 256 个轴突的芯片原型。当时的原型已经可以处理像玩 Pong 游戏这样复杂的任务。不过相对来说还是比较简单,从规模上来说,这样的单核脑容量仅相当于虫脑的水平。

不过,经过 3年 的努力,IBM 终于在复杂性和使用性方面取得了突破。4096 个内核,100 万个 “神经元”、2.56 亿个 “突触” 集成在直径只有几厘米的方寸(是 2011年 原型大小的 1/16)之间,而且能耗只有不到 70 毫瓦,IBM 的集成的确令人印象深刻。

TrueNorth:IBM 的百万神经元类人脑芯片
IBM 的 TrueNorth 芯片结构、功能、物理形态图

这样的芯片能够做什么事情呢?IBM 研究小组曾经利用做过 DARPA 的NeoVision2 Tower数据集做过演示。它能够实时识别出用 30 帧每秒的正常速度拍摄自斯坦福大学胡佛塔的十字路口视频中的人、自行车、公交车、卡车等,准确率达到了 80%。相比之下,一台笔记本编程完成同样的任务用时要慢 100 倍,能耗却是 IBM 芯片的 1 万倍。

跟传统计算机用 FLOPS(每秒浮点运算次数)衡量计算能力一样,IBM 使用 SOP(每秒突触运算数)来衡量这种计算机的能力和能效。其完成 460 亿 SOP 所需的能耗仅为 1 瓦—正如文章开头所述,这样的能力一台超级计算机,但是一块小小的助听器电池即可驱动。

通信效率极高,从而大大降低能耗这是这款芯片最大的卖点。TrueNorth 的每一内核均有 256 个神经元,每一个神经有分别都跟内外部的 256 个神经元连接。

但是相比之下,人脑有上千亿个神经元,每个神经元又有成千上万的突触,那样一个神经网络就更加无法想象了。IBM 的最终目标就是希望建立一台包含 100 亿个神经元和 100 万亿个突触的计算机—这样的计算机要比人类大脑的功都强大 10 倍,而功耗只有一千瓦,而且重量不到两升(我们大脑的大小)。

应用

不过,计算能力并非这种最强大脑的长处,其强项在于认知能力。认知芯片可以执行感知、交互、识别等任务,就像演示中的识别对象一样。IBM 预计这种认知能力可以在物联网中充分能力,部署在传感器中处理现实世界的感知问题。使用认知计算机通过传感器网络和微型电机网络不断记录和报告数据如温度,压力,波高,声学和海潮等来监测世界范围内的供水状况。然后,它还可以在发生地震的情况下发出海啸警报。而这样的任务传统计算机根本不可能完成。或者这种芯片也可以部署在它的Watson上面,从而大大提升这台在智力竞赛中战胜人类冠军的超级计算机的能力和能效。

TrueNorth:IBM 的百万神经元类人脑芯片

因此,有人把 IBM 的芯片称为是计算机史上最伟大的发明之一,将会引发技术革命,颠覆从云计算到超级计算机乃至于智能手机等一切。

前景

但是从短期来看,情况也许并没有那么乐观。

首先芯片的编程仍然是个大问题。芯片的编程要考虑选择哪一个神经元来连接,以及神经元之间相互影响的程度。比方说,为了识别上述视频中的汽车,编程人员首先要对芯片的仿真版进行必要的设置,然后再传给实际的芯片。这种芯片需要颠覆以往传统的编程思想,尽管 IBM 去年已经发布了一套工具,但是目前编程仍非常困难,IBM 团队正在编制令该过程简单一点的开发库。(当然,如果我们回顾过去编程语言从汇编一路走来的历史,这一点也许不会成为问题。)

其次,在部分专业人士看来,这种芯片的能力仍有待证实。

在神经网络和机器学习专家看来,DARPA 的 NeoVision2 Tower 的数据集相对比较简单,演示只是识别了 5 种对象,相对于 Google 和百度等图像识别使用的是有上百万图像种类上千的 ImageNet,芯片在这种测试集的表现如何尚不得而知。

再者,真正的认知计算应该能从经验中学习,寻找关联,提出假设,记忆,并基于结果学习,而 IBM 的演示里所有学习都是在线下的冯诺依曼计算机上进行的。不过目前大多数的机器学习都是离线进行的,因为学习经常需要对算法进行调整,而 IBM 的硬件并不具备调整的灵活性,不擅长做这件事情。但是 IBM 并不排除硬件实现的可能性(这家公司在历史上已经表现出极佳的持续改进能力)。但是从事同类研究的 LeCun 认为,应该开发能实现最新算法的芯片,那种芯片应该不是 IBM 芯片的样子,而是类似于改良版的 GPU(参见微软的 Adam)。

所以说,IBM 的芯片是否真如其名称 TrueNorth 所述、为计算机的未来找到了真正的方向,目前尚不得而知。但是,至少这款芯片超高集成度和超低能耗已经给人留下了深刻印象。

TrueNorth:IBM 的百万神经元类人脑芯片
IBM 集成 16 块 TrueNorth 芯片的电路板

原创文章,作者:boxi,如若转载,请注明出处:http://36kr.com/p/214445.html