把物件放到鏡頭前，對應的回收桶便打開，示範很吸引。但對小小發明家來說，更值得追問的是：如果 AI 認錯了，怎麼辦？
SUP Impact Makers 的 AI 回收桶構思，把辨認回收物類別的 AI 模型，連接到打開相應桶蓋的機械裝置。孩子有一個具體問題，可以研究、製作、測試，再向別人解釋。
「分好所有垃圾」太籠統。學習用的原型，需要先訂清楚類別和示範物件。學生可以討論哪些物件納入測試，並根據查找到的回收指引，思考分類是否合理。
影像判斷也不等於完整的回收決定。只看外觀，系統未必知道物料的所有細節，或是否符合當地收集要求。這些限制應該在演講中說明，而不是只展示成功的一次。
試想模型在淨色桌面認得到物件，換一個背景卻認錯了。這是示例測試，並非聲稱某次 SUP 課堂的實際結果。學生可以比較不同角度和背景，再使用沒有參與訓練的例子測試。
這時，問題變成：「我們給的例子，讓模型學到甚麼？還有甚麼未試過？」不是加更多圖片便一定更好，也要思考例子的差異，並檢查結果。
模型判斷正確後，還要讓相應的桶蓋打開。學生需要把 AI、指令和機械裝置一起考慮。好的演講會介紹目的、示範原型，也能說出還有甚麼需要改善。
Impact Makers 結合 AI 輔助研究、動手製作、測試及演講。家長值得留意的，不是孩子是否做出一部永不出錯的機器，而是他能否研究一個有意義的問題，並用自己做過的測試支持解釋。
了解課程：AI FuturePreneur
