Maskininlärning och träningsdata
AI kan alltså självständigt ta in information, ta beslut, lära sig av erfarenheter och utveckla sitt tänkande. Nu ska vi titta på några enklare tillämpningar av AI, som inte riktigt kan kallas intelligenta men de använder samma teknik, nämligen maskininlärning.
Tid: ca 60 min
Ämne: Samhällskunskap
Skapa en egen AI
I denna lektion ska ni få skapa en AI själva. Det görs med maskininlärning, så vi börjar med att förklara några nya begrepp:
- Maskininlärning: När datorer tränar på mängder av exempel för att bli bättre på något
- Träningsdata: Den informationsmängd som används för att lära upp AI
- Testdata: Den information som matas in för att se om AI-maskinen funkar
Vi börjar med att testa att låta en AI gissa vad ni ritar. Ett bra sätt för att öka förståelsen för maskininlärning.
Övning: Rita och gissa
Ju mer man använder en AI-tjänst desto mer lär den sig. Det kallas maskininlärning, alltså hur AI:n lär sig. Quickdraw är ett AI-experiment framtaget av Google som bygger på den AI-tekniken och visar hur det funkar på ett begripligt och roligt sätt. Varje gång någon ritar tex ett äpple får AI:n en ny bild i sin bildbank som visar hur ett äpple kan se ut.
- Låt eleverna testa Quickdraw på en dator, surfplatta eller mobil
- Fundera tillsammans på hur det fungerar
- Visa eleverna hur Quickdraw funkar
Övning - Maskininlärning
Nu ska ni lära en AI-maskin att skilja på katter och hundar (maskininlärning). Ni ska träna den genom att visa bilder på olika katter och hundar (träningsdata). Sen ska ni testa AI:n genom att visa bilder på andra katter och hundar (testdata) och notera hur många rätt och fel den har.
Förberedelser:
- Skriv ut bilder och låt eleverna klippa ut dem. Bilder på katter och hundar finns på sidorna 38-68 i detta material (av Google/MIT Media Lab)
- Dator med inbyggd kamera. Ni kan göra övningen i helklass med lärarens dator eller i grupper.
Steg 1 - Titta på film om maskininlärning:
Googles Teachable Machine (video 2 min)
Steg 2 - Sortera katt- och hundbilder i följande högar:
-
- Träningsdata hundar
- Träningsdata katter
- Testdata (blandat hundar och katter)
Diskutera: Fundera på hur ni vet om det är en hund eller katt, och hur ni skulle förklara skillnaden för en maskin.
Steg 3 - Öppna verktyg för maskininlärning:
Gå till Google Teachable Machine: https://teachablemachine.withgoogle.com/
-
- Klicka på Get Started
- Välj Image Project
- Välj Standard image model
- Döp en class till Katter och en till Hundar
Steg 4 - Träna din AI på kattbilder:
-
- Klicka på Webcam i class Katter
- Håll fram en bild i taget från högen "Träningsdata katter" framför kameran och klicka på Hold to Record.
- Repetera med övriga träningsdata för katter
När man klickar på Hold to Record tas en sekvens av bilder. Om du vill ta en bild i taget kan du klicka på kugghjulet bredvid knappen och välja 1 på FPS.
Steg 5 - Träna din AI på hundbilder:
Gör likadant för class Hundar. Använd nu bilderna i högen "Träningsdata hundar"
Steg 6 - Testa din AI-maskin:
Nu kan du testa hur bra din AI fungerar för andra hundar och katter.
-
- Klicka på Train Model
- Använd bilderna från testdata.
Om någon grupp blir klar kan de testa att lägga till klasser med bilder på annat som finns att tillgå, kanske pennor eller böcker.
Frågor - Maskininlärning
Diskutera, gärna i helklass:
-
- Hur bra fungerade det?
- Fungerade det bättre för katter eller hundar? Vad tror ni att det beror på?
Kommentar: Parametrar som kan avgöra är hur många bilder man tränat den på, och hur olika de katterna och hundarna är. Kanske var det en ovanlig sort som var svår att klassbestämma. För att bygga en riktigt bra maskin behöver man träna på stora mängder data och på många olika sorter, dvs väldigt många bilder på många olika raser.
Läxtips - ta med en egen bild på en hund eller katt
Ta med en bild på en katt eller hund och testa vad maskinen tror att det är för sorts djur. Om du har bilden i mobilen och inte på papper så kan du hålla fram mobilen framför kameran.
Bra jobbat!