為培育AI產業化的數位人才，華碩電腦參與由教育部及經濟部工業局共同辦理的AI 高中職扎根計畫三階段培訓模式。今天舉辦結訓典禮，華碩電腦 物聯網事業部總經理趙國維受邀出席頒獎。比起往年這次活動不限年級、領域，擴大開放給所有高一至高三的高中職在學學生參加，而且全程免費。透過不同於學校教育的學習體驗，提升高中職生AI應用國際視野。

單板電腦（SBC）Tinker Edge T ，也分享Google雲端習平臺TeachableMachine，該平臺可供初學者認識AI人工智慧的神經網路應用平臺，以「監督式學習Supervised learning」影像分類專案 (Image Project)為例，帶大家在雲端上收集分類的資料、進行機器學習，驗證學習的結果，驗證後的結果可供使用者匯入如ASUS Tinker EdgeT的裝置來實現邊緣運算。

\

一系列的AI 學習體驗活動包含AI 線上課程研習、AI 一日實作營以及國際大廠企業參訪，主辦單位攜手國際大廠包括台灣微軟、Google台灣、Amazon Web Services、鴻海教育基金會、聯發科技MediaTek、華碩電腦等共6家廠商共同研發出適合高中職生的AI 課程，並且透過於全台各地舉辦的一日實作營，扎根在地學生之AI 素養，讓同學具備未來產業所需的核心能力，以此加速培育產業核心人才，為台灣產業帶來創新的數位轉型動能。

高中職生AI 扎根系列活動的目的不在訓練高中生寫程式，而是以激發學習興趣、認知體驗AI應用的重要性及培養想像力與創新能力為主，活動對象不限資訊科系學生，而是鼓勵各個領域學生皆能參與。其中，AI一日實作營的部分，由華碩電腦所規劃的課程採用ASUS線上學習課程使用的Google雲端學習平臺Teachable Machine，搭配ASUS開發的單板電腦Tinker Edge T，及TensorFlowLite神經網路框架來設計實作專案。 

ASUS Tinker Edge T

ASUS Tinker Edge系列是一款超小型單板電腦（SBC），提供低功耗及出色的機器學習能力給終端裝置，讓開發者更輕鬆打造獨一無二的AI物聯網裝置。ASUS Tinker Edge T搭載由Google設計的Edge TPU，是一種低功耗、低成本的ASIC晶片，而且體積非常小，讓邊緣裝置（Edge device）也可利用Edge TPU進行AI機器學習推論。並搭載內建ML加速器，每秒最高可執行4兆次運算（TOPS），每個運算單位僅使用0.5瓦。同時也最佳化了TensorFlow Lite模型，使其可輕鬆編譯和執行一般的ML模型。

什麼是Teachable Machine？

Teachable Machine是一個網頁工具，讓使用者可以在不接觸程式碼的情況下，迅速且簡單的為自己開發的應用程式，訓練機器學習模型，可以用攝影機拍照分類，訓練想辨識的物體、人體的動作姿勢，也可以辨識聲音等更進階的模型。使用者訓練完自訂的主題後，可以匯出訓練後的模型結果，讓自己開發的應用程式可以在不連接網路的狀況下繼續使用訓練結果，非常方便，日後使用該模型時不會捆綁於連線

網路與該網站工具。而匯出的模型檔案格式，有機器學習經驗的開發者也不陌生，是目前機器學習主要的Google學習框架Tensorflow、TensorflowLite， 這讓現今多樣化的嵌入式系統開發上，導入機器學習技術，降低不少門檻。

課程內容

實作課程內容包含了深度學習與電腦視覺邊緣運算介紹、ASUS視覺套件介紹、Tinker Edge T基礎操作與指令、利用物件偵測分類識別來設計機器學習專題，並結合馬達等電子互動設計，最後由講師指導小組進行專題製作與報告。透過一系列實作課程將可彰顯台灣學生非凡學習力與創造力，展現AI人才向下扎根的可行性與亮眼成效。 

Google Coral PoseNet

在 ASUS Tinker Edge T 之應用

於ASUS Tinker Edge T上，透過深度學習與推論來實現即時姿勢偵測。PoseNet 是一種視覺模型，可以藉由估測影像或影片中人們關鍵身體部位的位置來捕捉人體姿勢，而這樣的演算模型是不會對影像或影片中的人們進行識別或辨認的。

姿態辨識已廣泛地應用於各類領域，像是體能訓練、環境感知、人機互動、監控系統與長輩照護等等。對65歲以上的長輩而言，跌倒會造成髖部骨折，其他部位骨折與頭部傷害。姿勢偵測技術極有潛力可以幫醫院與照服員於照護期間得知年長患者何時離床離椅，因而能及時提供協助，這項技術特別有助於面臨人力短缺的醫院與照護機構。Google Coral PoseNet已內建於Tinker Edge T映像檔中，以下將以一個簡短的實例說明如何使用PoseNet進行即時姿勢偵測。