Idé til 2 lek­tion­er om kun­stig intel­li­gens til gym­nasi­et. Det er ikke testet IRL end­nu — der vil sikkert være for meget til 2 x 70 minutter.

For­lø­bet tager udgangspunkt i en videoserie om kun­stig intel­li­gens på Youtube. Serien er lavet af “Crash course”. (Det er muligt at sætte danske auto­gener­erede under­tek­ster på)

Time 1: Hvad er kunstig intelligens/AI ?

Lek­tie: Se video #1 hjemme og besvar 4–5 spørgsmål om den hjemme (ca. 15 min til 2 lektioner)

• Hvornår kan en “maskine”/robot siges at have “kun­stig intel­li­gens”? Når den kan for­tolke data, lære fra data og bruge denne viden til at træffe beslutninger

• Hvilken his­torisk rev­o­lu­tion sam­men­lignes kun­stig intel­li­gens med i videoen? Den indus­trielle revolution

• Hvornår blev begre­bet ‘kun­stig intel­li­gens’ opfun­det? 1956

• Hvad er de to vigtig­ste forud­sæt­ninger for “The AI rev­o­lu­tion”? Com­put­eres reg­nekraft + store datasæt fra fx sociale medier

Mål: Forstå, hvad kun­stig intel­li­gens og “neu­rale netværk” er.

Prøve at lave egne “algo­ritmeskitser”

Plan for timen

1. Repetere algo­rit­mer og flertalsmisforståelser.
2. Gen­nemgå videolektien
3. Fælles ser vi video #2: “What is AI? (12 min)

Hvor­dan lær­er John Green-bot at sortere brød?

Hvad er “update rules” — og hvad vil det sige at com­put­eren opdater­er vægte/kriterier?

Hvad bety­der “Recall” / præ­ci­sion i forbindelse med kun­stig intelligens?

Fælles ser vi video #3

Hvad er et neu­ralt netværk?

Derefter øvelser:

1. Design et spam-filter

Prøv at opstille 3 kri­terier for genk­endelse af en SPAM-mail

(Eller: Hvis disse 3 kri­terier er opfyldt, så er det SPAM, og mailen skal fly­ttes i spam-mappen)

Tjek om din sid­ste spam­mail  vil blive fanget i dit filter?

1. Lav en algo­ritme, der kan råd­give grund­for­løb­se­lever om studieretningsvalg.

Der skal være mindst 5 dat­a­punk­ter om hver elev (input), mindst 2 “skjulte lag” og algo­rit­men skal råd­give til lige mange til NV, SAMF, Sprog, Kun­st­ner­isk (out­put)

Beskriv dat­a­punk­terne, og beskriv, hvilke point de sender videre om eleven for hver oplysning

Dat­a­punk­ter	Svar­mu­lighed­er?	Out­put ?

Nu vil min­is­teren have flere til at vælge NV. Hvor­dan vil I jus­tere jeres algoritme?

Hvor stor er sandsyn­lighe­den for at algo­rit­men giv­er det rigtige råd? (lær­eren aner det ikke 🙂 )

 

Time 2: Etiske problemstillinger ved brug af AI

Fælles : Vi ser denne video om bias (“for­domme”) i algoritmer

Mål: Forstå, at det er men­nesker, som opstiller kri­terier for maskinlæring,

Elev­erne under­søger forskel­lige cas­es og fork­lar­er, hvad sagerne han­dler om.

Hvad er det prob­lema­tiske, ved de algo­rit­mer der er brugt

1. Vi ser videoen Bias and Fairness
2. Matrix­grup­pear­be­jde med 6 cas­es. Hver gruppe får en case:

Under­søg, hvad prob­lemet er med de algoritmer/den kun­stige intel­li­gens, der er blevet anvendt?

Hvilke dat­a­punk­ter bruges i eksemplerne?

Hvilke kri­terier har men­nesker bedt algo­rit­merne anvende‘?

Hvad skal man være opmærk­som på — hvilke fejlk­ilder er der i forhold til det man vil opnå?

Mulige cas­es:

https://www.version2.dk/artikel/gladsaxe-modellen-spoeger-nyt-ai-projekt-skal-forudsige-mistrivsel-hos-boern-1089919

Hvornår er en Face­book­side “ulovlig”? Nu lig­ger Josephines Michaus livsværk i ruin­er: Face­books robot traf ufork­larlig beslut­ning — politiken.dk

Kun­stig intel­li­gens favoris­er­er unge hvide mænd — politiken.dk

Tel­lis oplevelse på job­cen­teret før­er nu til en optrap­n­ing i kam­p­en mod diskrim­inerende algo­rit­mer — politiken.dk

Kun­stig intel­li­gens: Ind­lagte patien­ter kan se frem til at få stil­let en diag­nose i løbet af én time i Vejle (jyllands-posten.dk)

Kina: Kinas nye sociale pointsys­tem er et spil om med­borg­er­skab (videnskab.dk)

1. Frem­lægges i lodrette grupper
2. Plenum: Hvad har vi lært om kun­stig intel­li­gens’ mulighed­er og begræn­sninger? Hvor­dan skal sam­fun­det håndtere AI ?

Har du gode ressourcer til unv. i kun­stig intel­li­gens, så del gerne tips herunder 🙂