兒少 AI 學習·

如何使用 micro:bit CreateAI 了解機器學習與創建 AI 應用專案

作者：Ah Ha Coding 編輯團隊
#micro:bit#AI教育#機器學習#CreateAI#MakeCode#兒童程式設計#STEM教育#動作辨識#AI入門#教育科技
如何使用 micro:bit CreateAI 了解機器學習與創建 AI 應用專案

目錄

micro:bit CreateAI 介紹

先用一張流程圖幫你視覺化整個 CreateAI 的學習旅程：

createai_workflow

什麼是 micro:bit CreateAI？

micro:bit CreateAI 是一款免費的網路工具，讓你可以在 micro:bit 中寫程式去辨識並回應你的動作，例如拍手、揮手、跳舞或跳躍，並親眼看到自己的動作資料如何在機器學習中發揮作用。

這個工具的誕生有段淵源。CreateAI 的前身是奧胡斯大學開發的 ML-Machine，最初在丹麥配合 Ultra:bit 活動推廣到學校，之後被引進英國作為 BBC next gen 計畫的一部分，並在 2024 年初進行了大規模的小學生實測。如今 CreateAI 已大幅升級，整合了 Microsoft MakeCode 程式編輯環境，讓學生從訓練模型到撰寫程式碼的體驗更加流暢。

為什麼用 micro:bit 學 AI？

機器學習（ML）是一種讓電腦從資料中學習並做出決策的 AI 類型，廣泛應用於各種科技產品，例如智慧健身追蹤器和自動標記照片中朋友的姓名。ML 在教育上效果特別好，因為它可以用小型資料集來說明概念，非常適合課堂使用。

micro:bit CreateAI 使用機器學習來建立模型。ML 是從學習 AI 入門的好選擇，因為它可以簡化到讓年紀較小的學生也能理解 AI 如何運作。透過建立 ML 工具，學生可以看到機器如何依靠感測器感知世界，以及它的「智能」如何來自人類收集並標記的資料。

四個步驟實作 AI 應用作品

學生可以從零開始打造一個 AI 驅動的科技作品！ 整個流程分為四個核心步驟：

第一步：收集資料 連接 micro:bit 後，在螢幕底部可以即時看到加速度計的數值波形。你需要選擇至少兩種想讓 AI 辨識的動作（稱為「Actions」），例如揮手與拍手，然後分別錄製至少三組資料樣本，每組一秒。

第二步：訓練模型 點擊「訓練模型」，CreateAI 會分析你的資料並建立一套數學規則，這就是機器學習（ML）模型的本質。

第三步：測試與改善 在測試頁面中，模型會即時估算你正在做的動作，並以百分比顯示信心程度。不斷改善模型的迭代過程，正是大型 AI 系統開發方式的縮影，讓學生親身體驗 ML 模型的好壞完全取決於訓練資料的品質。

第四步：撰寫程式並下載 按下「Edit in MakeCode」，AI 模型就會轉化成可以直接拖拉使用的積木，學生可以自由組合程式邏輯，最後下載到 micro:bit 上，離開電腦也能運作。

使用這個工具能學到什麼？

CreateAI 讓學生在設計、創建和測試 AI 的實作過程中，學習 AI 系統如何運作，比較 AI 與傳統演算法的差異，並思考資料收集與使用的倫理影響。

學生在 CreateAI 螢幕上即時看到自己的動作資料，這是一種非常具有衝擊感的沉浸式體驗。此外，學生還需要學會辨別「好」資料與「壞」資料——偵測離群值、清理資料集，並意識到資料量不足或來源不夠多元可能帶來的偏差問題。

官方提供的專案案例

官方網站上已有多個可直接上手的引導專案，以下列舉幾個：

AI 運動計時器（Simple AI Exercise Timer 訓練一個 ML 模型辨識「運動中」與「未運動」兩種狀態，搭配 MakeCode 程式做成智慧計時器，戴在手腕上即可追蹤你運動了多少秒，按 A 鍵看運動時間，按 B 鍵看非運動時間。

AI 燈光開關（AI Light Switch 訓練模型辨識拍手和揮手兩種動作，拍手時發送「亮燈」無線訊號給另一片 micro:bit，揮手時發送「熄燈」訊號。

AI 運動資料記錄器（AI Sports Data Logger 訓練模型辨識跑步、走路和靜止三種動作，配合 MakeCode 的資料記錄功能，每秒記錄當下的動作類型。這個專案在足球、投籃等運動場景很實用，可以分析球員的活動量分佈。

AI 說故事夥伴（AI Storytelling Friend 把 micro:bit 固定在布偶上，訓練模型辨識跳躍、翻滾、睡覺等動作，讓布偶根據不同動作播放聲音或顯示圖示，融入故事情境中說故事。

更多有創意的應用想法

除了官方案例，以下是一些延伸的教學或專題應用想法，可以啟發課堂討論：

應用方向辨識動作程式回應
體育課助教深蹲、仰臥起坐、靜止計次、播報成績
體感遊戲控制器向左傾斜、向右傾斜、搖晃控制遊戲角色
寵物活動監測跑跳、玩耍、睡覺記錄每日活動量
輔助控制器頭部左傾、右傾、點頭控制滑鼠或簡報翻頁
環境科學專題快速搖晃（風速模擬）、靜止紀錄天氣狀態資料

開始使用的門檻

任何版本的 micro:bit 都可以用來收集資料、訓練和測試 ML 模型，但需要 micro:bit V2 才能在 MakeCode 中撰寫 ML 程式並在裝置上執行模型。 需要 Chrome 或 Edge 瀏覽器，前往 createai.microbit.org 即可免費開始。

這個工具適合 8 歲以上的學習者，讓他們能快速且輕鬆地用 AI 創作 micro:bit 專案。

兒童如何學習 AI 相關資源

兒童可以怎麼學 AI？從圖像辨識遊戲到簡單機器學習的入門點子

?常見問題 FAQ

Q.micro:bit CreateAI 是什麼？適合誰使用？

micro:bit CreateAI 是一款免費的線上工具，讓學習者能夠透過 micro:bit 的加速度計收集動作資料、訓練機器學習模型，並將模型整合進 MakeCode 程式中。適合 8 歲以上的學生或初學者，無需深厚的程式基礎，即可體驗完整的 AI 專案開發流程。

Q.使用 CreateAI 需要哪些設備或軟體？

需要一片 micro:bit（任何版本均可訓練與測試模型，但需要 V2 版本才能在裝置上執行完整程式）、一條 USB 傳輸線，以及安裝 Chrome 或 Edge 瀏覽器的電腦。前往 createai.microbit.org 即可免費開始，不需下載任何軟體。

Q.CreateAI 的四個步驟是什麼？

整個流程分為：

  1. 收集資料 — 連接 micro:bit 後，錄製至少兩種動作（如揮手、拍手），每種至少三組樣本。
  2. 訓練模型 — 按下「訓練模型」，工具會自動分析資料並建立機器學習模型。
  3. 測試與改善 — 即時查看模型對當前動作的辨識信心百分比，並反覆優化資料。
  4. 撰寫程式並下載 — 在 MakeCode 中用積木組合程式邏輯，下載後 micro:bit 可獨立運作。

Q.訓練資料的品質會影響 AI 效果嗎？

會，而且影響非常明顯。模型的辨識準確度完全取決於訓練資料的品質與多樣性。資料量不足、動作樣本過於單一，或包含不相關的雜訊，都可能造成模型預測偏差。這也是 CreateAI 重要的教學重點之一：讓學生親身體驗「資料決定模型好壞」的機器學習核心觀念。

Q.CreateAI 和傳統的 micro:bit 程式設計有什麼不同？

傳統 micro:bit 程式是用明確的條件規則（如「if 角度 > 30 則執行 X」）來控制行為，屬於演算法程式設計。CreateAI 則讓 micro:bit 從資料中「學習」規律，不需要人工定義規則，屬於機器學習的範疇。兩者的核心差異在於：前者靠人寫規則，後者靠資料歸納規則。

Q.課堂上有哪些實用的 CreateAI 專案範例？

官方提供多個引導專案，包括：AI 運動計時器（辨識運動狀態並計時）、AI 燈光開關（拍手亮燈、揮手熄燈）、AI 運動資料記錄器（區分跑步、走路、靜止）、以及 AI 說故事夥伴（固定在布偶上辨識動作播放聲音）。此外也可延伸應用於體育計次、體感遊戲控制器或寵物活動監測等創意專題。

相關文章

← 回到文章列表