Machine Learning for Kids 完整教學：用 Scratch 帶孩子做 20 個 AI 機器學習專案
Machine Learning for Kids 是什麼？為什麼孩子該學 AI
你家的孩子可能每天都在跟 AI 互動——用語音助手播音樂、讓手機辨識貓狗照片、或是在遊戲裡和 AI 對手對戰。但他們真的理解 AI 是怎麼運作的嗎？
Machine Learning for Kids（ML for Kids）是由 IBM 工程師 Dale Lane 開發的免費線上平台，專門為 7-15 歲的孩子設計。它最厲害的地方在於把複雜的機器學習概念，變成了孩子可以用 Scratch 積木程式完成的有趣專案。
不需要數學公式，不需要寫程式碼，孩子只要會拖拉 Scratch 積木，就能訓練自己的 AI 模型。聽起來很神奇對吧？但它背後的原理其實很扎實——平台使用 IBM Watson 的機器學習 API，讓孩子透過「蒐集資料、訓練模型、測試預測」的完整流程，親身體驗 AI 的運作邏輯。
在 AI 已經無所不在的時代，讓孩子理解 AI 的基本原理，不只是為了未來的職業發展，更是為了讓他們成為「能理解並掌控科技的人」，而不是「被科技掌控的人」。如果你的孩子已經對 AI 有初步的好奇心，之前接觸過 Scratch Teachable Machine AI 的體感遊戲專案，那 ML for Kids 會是一個很棒的進階選擇。
平台註冊與環境設定完整指南
開始使用 ML for Kids 非常簡單，但有幾個細節要注意，特別是對於年紀較小的孩子。
步驟一：前往官網註冊
造訪 machinelearningforkids.co.uk，點擊「Try it now」。平台支援三種登入方式：直接使用（不登入，但專案不會被儲存）、學生帳號（由老師建立管理）、個人帳號（需要 email）。
建議家長陪同註冊，為孩子建立個人帳號或使用家長的 email 註冊。這樣專案可以被儲存，下次登入時繼續進行。
步驟二：了解工作區
登入後會看到三個主要區域：「Projects」（你的專案列表）、「Worksheets」（教學講義，有超過 20 份免費教案）、以及「News」（平台更新）。
步驟三：建立第一個專案
點擊「+ Add a project」，輸入專案名稱，然後選擇辨識類型。平台支援三種主要類型：
- 文字辨識（Text）：讓 AI 學會分類文字內容，例如判斷評論是正面還是負面
- 圖片辨識（Images）：讓 AI 學會辨識不同的圖片內容，例如區分不同動物
- 數字辨識（Numbers）：讓 AI 根據數字資料做預測，例如根據天氣數據預測適合的穿著
選好類型後，就可以開始蒐集訓練資料了。
三大核心概念：訓練、模型、預測
在開始做專案之前，先幫孩子建立三個核心概念。用生活化的比喻，讓他們直覺地理解機器學習的本質。
訓練（Training）= 教 AI 看範例
就像你教小狗坐下一樣，你需要反覆示範，小狗才能學會。機器學習也是一樣——你給 AI 看很多「正確答案」的範例，它就能從中找出規律。在 ML for Kids 中，訓練就是把標記好的資料（例如：「這張照片是貓」）餵給系統。
模型（Model）= AI 學到的規律
當 AI 看了足夠多的範例後，它會歸納出一套判斷規則。這套規則就叫做「模型」。你看不到它長什麼樣子（就像你看不到小狗腦裡怎麼記住「坐下」這個指令），但你可以測試它是否有效。
預測（Prediction）= AI 面對新資料的判斷
模型訓練好之後，給它一個從沒見過的新資料，看看它能不能正確判斷。如果 AI 看到一張新的貓咪照片，能正確說出「這是貓」，就表示訓練成功了。
建議家長在孩子做每個專案時，都用這三個步驟來引導。讓孩子知道「我們現在在做哪一步」，這會大大提升他們對機器學習流程的理解。
入門專案：圖片辨識與文字分類
以下是適合初學者的專案，建議從第一個開始，循序漸進。
專案 1：石頭剪刀布辨識器
讓 AI 學會辨識你的手勢是石頭、剪刀還是布。這是最經典的入門專案，因為孩子可以用自己的手來拍攝訓練照片，互動感很強。每個類別拍 10-15 張不同角度的照片，然後訓練模型。完成後，用 Scratch 做一個石頭剪刀布遊戲，AI 當裁判。
專案 2：垃圾分類小幫手
訓練 AI 辨識不同類型的垃圾：紙類、塑膠、金屬、廚餘。這個專案不只好玩，還有環保教育的意義。孩子可以拍攝家裡的各種垃圾照片來訓練模型。
專案 3：情緒偵測器
使用文字辨識功能，訓練 AI 判斷一段文字表達的是開心、難過、生氣還是害怕。讓孩子自己寫出各種情緒的句子作為訓練資料，這個過程本身就是一個很好的情感教育機會。
專案 4：動物辨識百科
從網路上蒐集不同動物的照片，訓練 AI 辨識常見的寵物或野生動物。完成後在 Scratch 中做一個「動物猜猜看」的互動遊戲。
每個專案完成後，引導孩子思考一個重要問題：「為什麼 AI 有時候會判斷錯誤？」這會自然帶出訓練資料品質、資料量、以及偏差等重要概念。
進階專案：聊天機器人與語音助手
當孩子熟悉了基本流程後，可以挑戰更複雜的專案。
專案 5：個人聊天機器人
使用文字辨識功能，訓練一個能回答特定主題問題的聊天機器人。例如，一個「太空知識問答機器人」：訓練 AI 辨識使用者的問題屬於哪個類別（行星、火箭、太空人、太空站），然後在 Scratch 中設計對應的回答。
專案 6：智慧推薦系統
使用數字辨識功能，根據使用者輸入的偏好（例如：喜歡甜的或鹹的、喜歡冷的或熱的），推薦適合的點心或飲料。這讓孩子理解推薦系統的基本邏輯。
專案 7：故事角色辨識
訓練 AI 辨識童話故事中的不同角色圖片，然後在 Scratch 中做一個互動故事書。當使用者展示一個角色圖片時，AI 會觸發對應的故事片段。
專案 8：音樂類型分類器
使用文字辨識功能，讓 AI 根據歌曲描述（節奏快慢、樂器類型、歌詞主題）來分類音樂類型。這個專案結合了音樂欣賞和 AI 學習。
這些進階專案需要更多的訓練資料（每個類別至少 20-30 筆），孩子會自然發現「資料越多，AI 越準」的規律。
挑戰專案：智慧遊戲與創意應用
對於已經完成多個專案、信心大增的孩子，以下是更有挑戰性的方向。
專案 9：AI 猜拳擂台
結合圖片辨識和遊戲邏輯，做一個完整的石頭剪刀布 AI 對戰遊戲。AI 不只當裁判，還會根據你的出招習慣來預測你的下一步。這引入了「AI 會學習你的行為模式」的概念。
專案 10：智慧寵物監控
訓練 AI 辨識家裡寵物的不同行為（睡覺、吃東西、玩耍、坐著），然後記錄一天中寵物的行為統計。這個專案結合了觀察力訓練和資料科學入門。
專案 11-20 創意方向
鼓勵孩子自己發想專案主題。以下是一些靈感方向：手語辨識器、植物健康檢測器、表情符號生成器、自動繪畫分類、天氣穿衣建議、交通號誌辨識、食物卡路里估算、書籍推薦系統、星座運勢生成器、自創語言翻譯器。
讓孩子從「跟著做」轉變為「自己想」，這是創造力培養的關鍵轉捩點。
家長與教師教學建議
作為一個帶孩子學 AI 的引導者，以下建議可以讓學習過程更順利。
控制時間，保持樂趣
每次學習建議控制在 30-45 分鐘。如果孩子遇到挫折（例如模型辨識率很低），不要急著幫忙解決，先引導他們思考「為什麼 AI 會搞錯」。
從孩子的興趣出發
喜歡動物的孩子做動物辨識，喜歡美食的做食物分類，喜歡運動的做運動動作辨識。興趣是最好的學習動力。
強調 AI 的局限性
在孩子為 AI 的能力驚嘆時，也要適時提醒他們 AI 的局限。「AI 只會你教它的東西」、「AI 可能有偏見」、「AI 不是萬能的」——這些觀念在孩子小時候建立，比長大後再糾正容易得多。
鼓勵分享與展示
讓孩子把完成的專案展示給家人或同學看。能夠解釋「我的 AI 是怎麼學會的」，代表孩子真正理解了機器學習的流程。
如果你的孩子對 AI 程式設計特別有興趣，也可以嘗試 Vibe Coding 兒童 AI 程式的教學方式，讓孩子用更多元的方式接觸 AI 開發。
學習路徑規劃：從 ML for Kids 到下一步
ML for Kids 是一個絕佳的起點，但孩子的 AI 學習旅程不應該止步於此。以下是建議的進階學習路徑。
階段一：ML for Kids（7-10 歲）
用 Scratch 積木介面完成 5-10 個 AI 專案，建立機器學習的基本概念。學習時間約 2-3 個月，每週 1-2 次。
階段二：Scratch + Python 銜接（10-12 歲）
在 ML for Kids 的基礎上，開始接觸簡單的 Python 語法。平台本身支援 Python 匯出，讓孩子看到 Scratch 積木對應的程式碼長什麼樣子。這個階段可以搭配 Scratch 轉 Python 銜接指南，讓過渡更順暢。
階段三：Python + AI 套件（12-15 歲）
進入 Python 生態系，使用 scikit-learn、TensorFlow.js 等工具做更複雜的 AI 專案。這時候孩子已經具備了概念基礎，學習 Python AI 套件會比直接從程式碼開始容易得多。
階段四：專題實作與競賽（13 歲以上）
參加 AI 相關的科展、黑客松或線上競賽。用真實的問題（例如校園環境監測、社區交通分析）來實作 AI 專案。
想要更全面地規劃孩子的程式學習，建議閱讀Scratch 兒童遊戲程式入門指南，從遊戲程式設計到 AI 機器學習，為孩子打造完整的 STEAM 學習路徑。
AI 教育不是要把每個孩子都培養成工程師，而是要讓他們在這個 AI 時代擁有理解和掌控科技的能力。Machine Learning for Kids 用最友善的方式打開了這扇門——剩下的，就是陪著孩子一起走進去探索。