Kiforskolen

KI for havet

Elevene trener en maskinlæringsmodell til å skille fisk fra søppel i havet — og opplever direkte hvordan treningsdataene styrer hva KI-en lærer.

«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.»

Oppdrag: Rydd havet!

  • Gå sammen i grupper (3-4 elever).
  • Hver gruppe får utdelt et sett med treningskort.
  • Sorter bildene i to bunker: "Fisk" og "Søppel".
  • Er det alltid opplagt hva som er hva? Diskuter gjerne gråsonene!

Nå skal vi trene KI-en!

studio.code.org/courses/oceans
QR til Code.org Oceans

Gå til lenken og fullfør nivå 2–4.

Hva skjer når maskinen lures?

Når dere er ferdige med nivå 4, fortsett til nivå 5.

  • Hva skjer hvis vi bare viser maskinen små fisker?
  • Vil den skjønne at en stor fisk også er en fisk?
[ Bildeplassholder: Liten vs. kjempestor fisk ]

Refleksjon i klassen

  • Hva er forskjellen på "programmering" og "maskinlæring"?
  • Hva er treningsdatabias — og hvorfor betyr det noe?
  • Hvis en KI som rydder havet feiler og fjerner fisk, hvem har ansvar?
  • En KI trent på gamle jobbsøknader diskriminerte kvinner. Hvordan skjedde det?

Viktige begreper i dag

MaskinlæringKI som lærer mønstre fra eksempler.
TreningsdataEksemplene (f.eks. bilder) vi gir maskinen.
Merking (Labeling)Når vi forteller maskinen hva bildet forestiller.
Bias / SkjevhetFeil som oppstår når dataene ikke er gode nok.

👇 DEMO AV NYE SLIDEMALER 👇

Her er eksempler på de nye oppsettene du kan bruke i fremtiden.

«Data er den nye oljen, men akkurat som olje må den raffineres før den har noen verdi.»
Clive Humby

Hvordan KI lærer

Samle data

Vi mater maskinen med hundrevis av bilder av katter og hunder.

Finne mønstre

Maskinen ser etter forskjeller i ører, snuter og haler.

Teste

Vi gir den et helt nytt bilde for å se om den gjetter riktig.

Et hav av muligheter (og plast)

Viktig påminnelse!

Maskinen har ingen moral. Den gjør utelukkende det treningsdataene ber den om å gjøre.