Hvorfor opplegget virker, og hva du gjør før timen. Selve timen minutt for minutt står i lærerveiledningen.
Hva elevene faktisk gjør — og hvorfor det virker
Havet dekker 71 % av kloden og er hjemmet for millioner av arter. Men havet er under press. Menneskeskapt søppel dreper marint liv og destabiliserer økosystemer.
I dag bruker forskere og miljøorganisasjoner maskinlæring til å automatisere rydding av havet. ROV-botter (fjernstyrte undervannsfarkoster) utstyrt med kameraer kan ta hundretusenvis av bilder fra havbunnen. Men hvert eneste bilde må analyseres: «Er det en fisk? Er det søppel? Er det en stein?» Mennesker kan ikke gjøre det i sanntid — så de trener KI til å gjøre jobben.
Men her ligger hemmeligheten: KI-en vet ikke hva søppel er. Den lærer mønstre fra eksempler som mennesker gir den. Hvis vi bare viser bilder av plastposer, lærer den å gjenkjenne kun plastposer — og overser fiskenett. Hvis vi gir den feil data, lærer den å ta feil avgjørelser.
Dette er hjertet i maskinlæring: mennesker velger hvilke eksempler som skal brukes. Denne aktiviteten gir elevene erfaring med disse spørsmålene — og kobler direkte til FNs bærekraftsmål 14: Livet under vann.
Vil du forstå konseptet bak? Les Slik virker KI — 5 minutter.
Test at https://studio.code.org/courses/oceans fungerer i skolens nettlesere
Åpne aktiviteten selv og gå igjennom nivå 1–8
Planlegg tidspunktet for klassediskusjonen (fase 3 og 4 er kritisk)
Forbered presentasjonen på skjermbrett eller projektor
I timen
Lærerveiledningenpå papir foran deg — hva du sier, fasene, lærertips og differensiering
Presentasjonenpå skjerm for elevene — skal ikke skrives ut
Slå opp ved behov
Læringsmål og kompetansemål
Hva elevene skal lære
Forklare: hva maskinlæring er med egne ord.
Forstå: hvordan treningsdata påvirker maskinen.
Reflektere: over hva bias er, og konsekvensene det har.
Forankring i LK20
Naturfag — Bruke digitale verktøy til å utforske og forstå naturvitenskapelige systemer; forståelse for bærekraft og havmiljø.
Samfunnsfag — Drøfte konsekvenser av digitalisering og KI; kritisk tenkning om teknologi og samfunnspåvirkning.
Matematikk — Samle, organisere og klassifisere data; forstå at datamodeller er representasjoner av virkeligheten.
Tverrfaglig — Bærekraftsmål 14 (Livet under vann); etikk og ansvarlighet i teknologiutvikling.
Dette sier du til elevene
«Havet er fullt av søppel. Forskere bruker KI til å identifisere og fjerne det — men KI-en må læres opp av mennesker. I dag er dere KI-trenerne. Dere bestemmer hva KI-en skal lære, hvilke eksempler den får se, og hva som er «riktig» svar. Det er mer komplisert enn det høres ut.»
Står også i lærerveiledningen som «Les til klassen», og på presentasjonens andre slide.
Refleksjonsspørsmål til klassen
Spørsmålene står også i lærerveiledningen og på presentasjonens refleksjonsslide.
Hva er forskjellen på «programmering» og «maskinlæring»? Gi et eksempel.
Hva er treningsdatabias — og hvorfor betyr det noe?
Hvis KI-en som rydder havet feiler, hvem har ansvar? Hvem reparerer det?
En KI trent på gamle jobbsøknader diskriminerer kvinner. Hvordan skjedde det?
Hva er «ansvarlig KI»? Hvem skal stille krav?
I virkeligheten — og videre arbeid
Bygg videre på opplegget
Teachable Machine — La elevene trene en bildegjenkjennings-KI med egne kategorier på teachablemachine.withgoogle.com .
Datasettkritikk — Velg en KI-applikasjon som elevene bruker (f.eks. YouTube, TikTok). Hvem valgte treningsdataene? Hvilken bias kan det ha?
Debatt — Er det etisk å bruke KI trent på skjeve data til å rydde havet? Hva hvis den feiler?
