编者按：以下博客是一位应届毕业生的特邀嘉宾帖子伯克利BAIR高中生AI4ALL暑期项目。
AI4ALL是一家致力于增加AI多样性和包容性的非营利组织教育、研究、发展和政策。
AI4ALL的理念2015年初与Olga Russakovsky教授合作斯坦福大学博士生、人工智能研究员李飞飞教授和里克Sommer–斯坦福大学预科研究执行董事。他们成立了SAILORS是一个供高中女生学习的夏季外展项目以人为中心的人工智能，后来成为AI4ALL。2016年，Anca Dragan教授启动了伯克利/BAIR AI4ALL夏令营，面向来自服务不足的社区。
在我开始该计划之前
当我在春季学期发现AI4ALL时，我很想学习更多信息。我知道人工智能有潜力改变一切我很想成为其中的一员。为了准备这个节目，我读了这个BAIR教员并查看了BAIR学生配置文件。我看了斯图亚特·罗素的TED演讲“创建更安全AI的3个原则.“人民都完成得很好。他们的想法看起来要么很好技术性的，或者在另一端，它们听起来更像来自哲学部门比EECS部门更重要。我意识到我不知道期待什么，但决定尝试一下，然后开始。
第一天
在登录我在Zoom上的AI4ALL第一天之后，我惊喜地发现看热切欢迎的脸的数量。其中包括蒂姆·赫特、伊娃·赵、，雷切尔·沃尔什（Rachel Walsh）、本·弗雷泽（Ben Frazier）和玛亚·马利维娅（Maya Maliviya）。他们都在那里帮助我们感到舒适并取得成功！
我们开始了一个快速的破冰器介绍活动。这个特别引起了我的共鸣，因为它不像你喜欢的那种典型在上学的第一天。相反，我们被分成了虚拟突破房间，并被要求在我们的同龄人中找到尽可能多的相似之处。该计划已经有了一个良好的开端！几分钟内，我得知房间里还有五个人有兄弟姐妹化学，比萨饼，还有和我一样的检疫发型！这是一个鼓励合作和联系的好方法。
接下来，BAIR实验室教授安卡·德拉甘与我们一起谈论人工智能由于她的热情、好奇心和她的知识深度。安卡通过解释一些例子开始了演讲现实生活中的人工智能。这已经很有用了，因为它立即清除了消除了对人工智能的误解。此外，它让每个人都有共同分享学习，如果他们不太了解AI启动程序之前。
安卡演讲中另一个突出的元素是她的描述人工智能游戏。游戏很简单：机器人被定位在网格中并获得到达宝石时获得点数，掉进火坑时失去点数。安卡走了我们通过游戏的AI“背景故事”。机器人的目标是最大化赢得分数。随着游戏分配的时间减少，机器人花费更少谨慎的道路（例如：避开火坑）并将其主要重点放在获得点。我们了解到，这种优化思想是所有人工智能的核心部分系统。
当天结束时，我们沉浸在Python笔记本中聊天与同龄人在休息室。AI4ALL通过以下方式为我们配备了Python笔记本谷歌Colab所以我们在谈论代码时都会站在同一个立场上。我真的很喜欢这个节目的这一部分，因为它是开放式的，而且这种材料是以一种干净方便的方式呈现的。当我阅读时通过内容并完成编码练习，我忍不住还请注意这里和那里嵌入的有趣的GIF！多么难忘的方式开始学习AI！
项目中途
在为期4天的AI4ALL计划第3天的早些时候，我开始真正理解人工智能的重要性。通过令人大开眼界的讲座演示和讨论后，我意识到人工智能真的无处不在！它在我们的YouTube网站建议,Spotify算法,谷歌地图和机器人手术设备。这种应用范围是AI的一部分很有希望。人工智能真的可以为每个人服务，无论你是开发人员还是用户-它不仅限于拥有疯狂编码技能的人。一旦我认识了在这个主题的基础上，我开始看到几乎任何想法都可以被重塑人工智能。
我还了解到，AI通常与它在媒体。几乎每个人都熟悉机器人接管工作的想法，但这不一定会发生。人工智能还有很长的路要走在它真正“接管世界”之前，就像假设的那样。人工智能是一项工作进度。就像它的创造者一样，它也有偏见。它可能会无意中区别对待。它有对手，并努力寻找不完整的见解数据。然而，人工智能有能力改变我们世界的基本方面。这就是为什么让来自尽可能多的背景的人参与进来是非常重要的在人工智能领域。将来自不同背景的人引入该领域允许以获得更广泛的想法，并有助于减少错过“红色”的次数旗帜“可能会对现实生活产生重大影响。
课程结束时…
AI4ALL的最后两天一晃而过。我忍不住注意到嗯，这个项目是有组织的。讲座的组合很均衡，讨论，以及编码和协作的个人工作时间。我也喜欢节目结束时的内容如何强化启动。程序结构的这一方面使提问变得更加容易问题，记住想法，并应用于未来的活动。
我在《教授》中特别看到了这种强化的想法卡马利卡·乔杜里（Kamalika Chaudhuri）关于人工智能对手的演讲。她解释了人工智能可以操纵算法，以便正确识别50%的图像作为一只大熊猫，自信会以90%的自信识别出与之相同的图像长臂猿。前一天，雅各布·斯坦哈特教授解释了图像看起来像人眼的东西可以被调整来破坏人工智能算法。在另一个例子中，卡马利卡描述了图像像素如何以向量的形式存储为训练数据。这个想法建立在蒂姆的基础上赫特早先指出，训练数据是输入的结果翻译成计算机语言（例如向量$x$），然后映射到标签输出（$y$）。
大部分讲座结束后，我们开始进行小组项目。我们被分为五组，每组在伯克利博士生。我选择加入“过度烹饪”组EECS一年级学生Micah Carroll。迈卡向我们介绍了他在研究中使用的游戏，打电话过度烹饪-AI简单地说，过度烹饪-AI就是获得最多的数字在狭窄的厨房里烹饪洋葱汤。
我们再次使用Colab笔记本学习和实验游戏的代码。迈卡耐心地向我们介绍了模仿学习的基本知识，强化学习、决策树和图形拟合/显示。他是如此乐于接受问题，毫不犹豫地提供帮助！我们在一起的时间轻而易举地过去了，很快我就发现自己正在准备一份最后的报告重述我学到的一切。当你享受和学习。
最后的想法
在不到一周的时间里，AI4ALL项目塑造了我对AI和学习过程。讲座、咨询小组和项目小组聚集在一起创造一次难忘的经历。除了学习什么是人工智能以及它是如何实现的成功了，我现在意识到每个人都有潜力探索人工智能。你们所有人必须开始。因此，下次你听到有人说“AI会改变但谁将改变AI？”，你可以自信地说“我们会的！”
非常感谢所有让AI4ALL成为可能的人！
