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
Ansiktsgjenkjenning er i dag en av de mest utbredte formene for KI. BankID bruker det til innlogging, Avinor til passkontroll, iPhone FaceID til opplåsing, og Snapchat til filtre. Alle bygger på samme prinsipp: datamaskinen «ser» ikke et ansikt slik du og jeg gjør — den måler lysintensitet og finner mønstre.
Prosessen skjer i tre trinn. Først finner algoritmen kanter — overganger mellom lys og mørkt i bildet. Deretter identifiserer den nøkkelpunkter: øyehjørner, nesespiss, munnkroker — typisk 68 til 468 punkter avhengig av systemet. Til slutt kobles punktene til et ansiktsmesh: et trådnett som henger fast i ansiktet og følger bevegelsene i sanntid.
Dette er teknologisk imponerende, men heller ikke nøytralt. Forskning har vist at systemer trent på skjeve datasett er betydelig mindre nøyaktige for mørk hud og kvinner — ikke fordi de ble programmert til å diskriminere, men fordi treningsdataene speilet en skjev verden. Det er en viktig samtale for elevene å ta, og denne aktiviteten gir dem det tekniske grunnlaget til å forstå hvorfor.
MediaPipe Face Landmarker er Googles åpne verktøy for ansiktsmesh — det kjører i nettleseren og krever ingen installasjon. Scratch-prosjektmalen lar elevene feste sine egne figurer til ansiktspunkter, akkurat slik ekte AR-filtre fungerer.
Vil du forstå konseptet bak? Les Slik virker KI — 5 minutter.
Test at MediaPipe Face Landmarker fungerer i skolens nettlesere: mediapipe-studio.webapps.google.com
Sørg for at elevene har Scratch-konto, eller sett av 2–3 minutter til opprettelse i starten.
Test Scratch-startprosjektet og bli kjent med grunnstrukturen.
Laptop eller nettbrett med fungerende kamera — ett per elev/par
Internettilgang (YouTube + MediaPipe + Scratch)
Scratch-konto (opprettelse tar 2 min — gjøres hjemme eller i starten)
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
Elevene skal forklare hva ansiktsgjenkjenning er og hvilke tre trinn teknologien bruker, og bruke et sanntids ansiktsmesh-verktøy til å observere nøkkelpunkter.
De skal lage en enkel ansiktsfilter i Scratch ved hjelp av ansiktspunkter, og reflektere over personvern og etikk knyttet til biometriske data — inkludert diskusjonen om forskjellen mellom «å se» og «å gjenkjenne».
Forankring i LK20
Teknologi og design — Designe og programmere digitale løsninger.
Naturfag — Bruke digitale verktøy til å utforske fenomener.
Samfunnsfag — Drøfte personvern og etikk i teknologibruk, og kritisk vurdere digitale tjenester og konsekvenser for folkehelse og demokrati.
Begreper i dette opplegget
Datamaskinvisjon: Fagfelt der datamaskiner trenes til å tolke og forstå bilder og video — som om de «ser».
Grensekantdeteksjon: Algoritme som finner kanter i et bilde ved å se etter store kontraster i lysintensitet mellom piksler.
Ansiktsmesh: Et digitalt trådnett av 468 punkter som kartlegger ansiktets form og bevegelse i sanntid.
Nøkkelpunkter / Landmerker: Spesifikke punkter på ansiktet (øyehjørner, nesespiss, munnkroker) som algoritmen identifiserer og tracker.
Augmented Reality (AR): Teknologi som legger digitale elementer oppå den virkelige verden — for eksempel Snapchat-filtre.
Biometri: Bruk av unike kroppslige egenskaper (fingeravtrykk, ansikt, iris) til identifikasjon og autentisering.
Personvern: Retten til å kontrollere egne personopplysninger — inkludert biometriske data som ansiktet ditt.
«Telefonen din kjenner igjen ansiktet ditt raskere enn en fremmed ville gjort det. Hvordan er det mulig?»
💡 Tips: La elevene bruke et Snapchat- eller Instagram-filter i 30 sekunder — eller vis et eksempel på skjermen. Spør deretter: «Hva tror dere skjer inne i telefonen akkurat nå?» Ta imot alle svar uten å vurdere dem. Fortell at i dag skal de finne ut det — og lage sin egen filter.
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 mellom at en datamaskin «ser» ansiktet ditt og at et menneske gjenkjenner deg?
Hvem eier dataene om ansiktet ditt når du bruker Snapchat eller FaceID? Hva kan de brukes til?
Samme teknologi brukes på flyplasser og av politiet. Hva er likt og hva er ulikt fra ansiktsfiltere?
Forskning viser at ansiktsgjenkjenning er mindre nøyaktig for mørk hud. Hva kan ha gått galt?
I virkeligheten — og videre arbeid
I virkeligheten
BankID — Biometrisk pålogging — sammenligner med lagret ansiktsprofil
Avinor / Flyplasser — Biometrisk passkontroll med ansiktsgjenkjenning
Snapchat / TikTok — Sanntids ansiktsmesh for AR-filtre
Politiet (EU) — Omdiskutert bruk av CCTV-analyse og matching
Bygg videre på opplegget
Personvernkonsekvensanalyse — Velg ett system som bruker ansiktsgjenkjenning (BankID, flyplasskontroll, skolens kamera). Hvem samler inn dataene? Hva brukes de til? Hva er risikoen? Skriv en kort analyse.
Tren din egen bildegjenkjennings-KI — Bruk Teachable Machine til å trene en modell som gjenkjenner noe dere bestemmer selv — f.eks. ulike håndbevegelser, ansiktsuttrykk eller objekter. Diskuter hva som skjer hvis treningsdataene er skjeve.
Debatt — Bør ansiktsgjenkjenning forbys?: Forbered og gjennomfør en strukturert klassedebatt. Bruk EU AI Acts klassifisering av ansiktsgjenkjenning som «høyrisiko-KI» som utgangspunkt.
