Novice

Kako YouTube ve, kaj rad gledaš? Zakaj na Facebooku vidiš reklame, ki so kot nalašč zate? Ko sem prejela vabilo za sodelovanje v evropskem projektu DALI4US z ravno takimi vprašanji, me je takoj pritegnilo. Ne toliko vprašanja sama, ampak obljuba, da se za njimi skrivajo učni scenariji, ki učencem na razumljiv in izkustven način razložijo, kako orodja umetne inteligence pravzaprav delujejo. Projekt je del širše iniciative iniciative Pumice (Pouk s ščepcem UI) na fakulteti za računalništvo UL in je zasnovan tako, da spodbuja, navdušuje in podpira učitelje pri vključevanju podatkovne pismenosti in razumevanja umetne inteligence v poučevanje v osnovnih in srednjih šolah.

Z učenci 6. razreda OŠ heroja Janeza Hribarja iz Starega trga pri Ložu sem izvedla tri od štirih načrtovanih aktivnosti, četrta je še pred nami. Vsaka je učence popeljala v drug koncept delovanja umetne inteligence. Najprej so učenci nalogo reševali brez računalnika, šele nato so preverili, kako jo reši računalnik.

Priporočilni sistem za risanke

Priporočilne sisteme uporabljamo vsak dan – tega se pogosto niti ne zavedamo, čeprav bi se morali. Na prvem izletu smo to spremenili. Učenci so izbirali svoje najljubše risanke in primerjali izbire s sošolci. Iščoč sošolce s podobnim okusom so oblikovali priporočila drug za drugega – natanko po istem principu, kot delujeta YouTube ali Netflix.

Kaj delajo palčki

Z določanjem preprostega pravila, kako iz videza palčka prepoznati njegov poklic, smo spoznavali strojno učenje in klasifikacijske modele. V prvem delu ure so učenci sami prepoznavali pravila za razvrščanje – kdaj je palček rudar, kdaj vrtnar, kdaj krojač ali zidar. V drugem delu so določili pravila za hiše palčkov, hiše narisali ter podatke vnesli v računalniški program. Ta je na podlagi zbranih podatkov sam sestavil klasifikacijsko drevo. Presenetilo jih je, da nekatere lastnosti hiš sploh niso bile vključene v klasifikacijsko drevo. Skupaj smo ugotavljali, zakaj jih je računalnik prezrl in na koncu preverili, ali drevo deluje pravilno.

Podnebni pasovi

V tretjem izzivu so učenci na podlagi podatkov o temperaturah in padavinah razvrščali evropska in azijska mesta v podnebne tipe, ustrezno pobarvali zemljevid ter na ta način z danimi podatki določili podnebne pasove. Ni bilo vedno preprosto odločiti, katera mesta sodijo skupaj. Prav to pa je bilo odlično izhodišče za pogovor o tem, zakaj računalniški program s tem ni imel težav – hitreje in bolj natančno je mesta s podobnimi podnebji razvrstil v gruče.

Računalnik iz bombonov

Spodbujevalno učenje je veja strojnega učenja, kjer je računalnik nagrajen za dobre odločitve in kaznovan za slabe – isti mehanizem, ki je v ozadju sodobnih jezikovnih modelov. Pri četrtem izzivu se bomo o njem učili brez računalnika. Učenci bodo prevzeli vlogo računalnika, ki se v igri Šest kmetov uči zmagovati. Glede na dosedanje izkušnje ne dvomim, da bo učencem tudi ta izziv zanimiv.

Izzivi so se izkazali za vsebinsko bogate in učencem razumljive. Vsakič smo izhajali in konkretne, oprijemljive izkušnje, šele nato smo preverili, kako nalogo reši računalnik.

Scenariji so dovolj prožni, da jih je mogoče prilagoditi različnim predmetom in vsebinam. Sama sem že preizkusila napovedni model v 7. razredu pri prepoznavanju štirikotnikov. Vsem učiteljem, ki iščejo smiselno vstopno točko v teme podatkovne pismenosti, ne glede na predmet, ki ga poučujejo, toplo priporočam izvedbo aktivnosti.