European Union Education and Awareness for Intelligent Systems AI for Oceans

AI for Oceans

Vorstellen der Website

Stelle den Schüler*innen das Projekt AI for Oceans from code.org vor. Im Allgemeinen besteht dieses Projekt aus fünf aufeinanderfolgenden Übungen (2, 3, 4, 6 und 8) und drei optionalen Videos (1, 5 und 7). Während die Sprache ausgewählt werden kann, sind die meisten Inhalte zum Zeitpunkt des Schreibens nur auf Englisch verfügbar. Die Videos unterstützen Untertitel in vielen Sprachen, können aber auch übersprungen werden, indem du die nächste Zahl (Seite) oben in der Mitte des Bildschirms auswählst.

Mit dem Training der KI beginnen

In den Einheiten 2, 3 und 4 geht es darum, eine grundlegende KI zu trainieren, um zu erkennen, was in den Ozean gehört und was nicht. An diesem Punkt ist unklar, wie die KI zwischen den Objekten unterscheidet, aber die Schüler*innen sollten eine grundlegende Vorstellung davon bekommen, dass das Training sehr von der Menge und Qualität der gekennzeichneten Daten abhängt.

Mehr über Funktionen erfahren

Einheit 6 führt das Konzept der Features (Funktionen) ein. Nach dem Training der KI für die Kategorisierung von Fischen in verschiedene Kategorien kann man sich detailliertere Informationen (i-Schaltfläche oben rechts) darüber ansehen, wie die KI eine Entscheidung basierend auf verschiedenen Merkmalen trifft. Es ist auch möglich, auf die einzelnen Fische zu klicken, um die Relevanz einzelner Merkmale zu sehen.

Abstraktere Kategorien

Die letzte Einheit (8) bietet den Schüler*innen abstraktere Kategorien ohne klare Grenzen. Daher wird deutlicher, dass der Prozess des Trainierens einer KI sehr subjektiv und daher anfällig für menschliche Vorurteile sein kann.

Besprechen des Erlebten

Zum Schluss wird eine kurze Diskussion empfohlen, um darüber zu reflektieren, was die Schüler*innen getan und was sie über das Training einer KI gelernt haben. Konzentriere dich während der Diskussion darauf, wie die KI Objekte (Merkmale) unterscheiden konnte und wie gut die Ergebnisse in Abhängigkeit von der Größe der Trainingsstichprobe waren.

Material