Scratch 与 AI 启蒙实战：语音、图像识别与机器小搭档

打开 Scratch，点左下角"添加扩展"，选择"文字朗读"和"语音识别"。新的积木分类就出现了。语音识别最核心的一块积木是："当我听到"。

当绿旗被点击
询问 "你说，我听" 并等待

如果 语音识别结果 = "你好" 那么
  朗读 "你好呀，我是小助手"

否则如果 语音识别结果 = "再见" 那么
  朗读 "下次再聊！"

这段脚本会弹出一个输入框，孩子对着麦克风说"你好"，语音识别把它转成文字，程序判断等于"你好"就用合成语音回答。

孩子会非常惊喜——他说的话真的被电脑听懂了。这种即时反馈是 AI 启蒙最好的钩子。

我们升级一下：让小猫听懂"向左走""向右走""跳舞"三个指令。

当绿旗被点击
重复 forever
  当我听到 "向左走"
    面向 -90 方向
    移动 50 步

  当我听到 "向右走"
    面向 90 方向
    移动 50 步

  当我听到 "跳舞"
    重复 10 次
      下一个造型
      等待 0.2 秒

孩子对着麦克风说"跳舞"，小猫就在舞台上跳起来。这就是一个最简单的语音助手——和手机里的语音助手原理一样，只是简化了无数倍。

家长可以和孩子一起扩展：再加几个指令，比如"变大""变色""隐身"。每加一条指令，孩子就多理解一个"输入—处理—输出"的循环。

Scratch 还自带"机器学习"扩展，让孩子训练一个简单的图像分类模型。比如训练"举左手""举右手""比心"三类手势，然后让摄像头实时识别。

训练过程：点"添加样本"，举一张手的照片，命名"左手"；再举一张，命名"右手"。每个类别至少拍 10 张样本。训练完之后，程序会自动生成一个识别模型。

当绿旗被点击
重复执行
  如果 模型识别结果 = "左手" 那么
    角色向左移动

  如果 模型识别结果 = "右手" 那么
    角色向右移动

孩子会发现：模型认不认得准，和样本数量直接相关。拍 3 张样本识别率很差，拍 30 张立刻变准。这种亲手试出来的体验，比课本讲一百遍"数据很重要"都深刻。

做完上面这个手势识别项目，孩子自然会问：AI 为什么认得我的手？这时候家长可以借势讲一个简单的类比：AI 就像一个刚学认字的小朋友，你给它看一万张猫的照片，告诉它"这是猫"，它下次见到猫就能认出来。

这个过程叫"训练"。给 AI 看的每一张照片叫"数据"。数据越多、越多样，AI 认得越准。孩子在 Scratch 里拍样本的过程，就是在给 AI 当老师。

还可以顺势讲 AI 的"偏见"：如果你训练时只拍了男生的手，AI 可能认不出女生的手。这就是 AI 偏见的最直观演示——喂进去什么数据，AI 就变成什么样。