Lektion 2c ‑ Maskininlärning och träningsdata
Tid: ca 60 min
Ämne: Teknik eller Matematik
Vi börjar med att repetera några begrepp:
- AI: Artificiell Intelligens
- Artificiell: Konstgjord (inte biologisk)
- Intelligens: Mentala förmågan att planera, resonera, förstå samband, lösa problem och lära sig av sina erfarenheter och misstag.
AI är alltså en konstgjord intelligens som självständigt kan ta in information, ta beslut, lära sig av erfarenhet och utveckla sitt tänkande. Vi kommer att titta på lite enklare tillämpningar av AI som inte riktigt kan kallas intelligenta men de använder samma teknik, nämligen maskininlärning.
- Maskininlärning: Metoder för att med data "träna" datorer att upptäcka och "lära" sig regler för att lösa en uppgift.
Vi tittar på olika exempel genom att göra två övningar.
Övning: Rita och gissa
Quickdraw är ett program som bygger på AI-teknik, det vill säga maskininlärning. Låt eleverna testa Quickdraw på en dator, surfplatta eller mobil. Fundera tillsammans på hur det fungerar.
Till läraren: I den här videon beskriver utvecklarna av programmet hur det fungerar (på engelska). Quickdraw är ett AI-experiment framtaget av Google. Ju mer man använder en AI-tjänst som den här desto mer lär den sig.
Övning - Maskininlärning
Nu ska ni lära en maskin att skilja på katter och hundar. Den ska få träna genom att titta på olika bilder på katter och hundar (träningsdata). Sen ska ni testa den genom att visa bilder på andra katter och hundar (testdata), och notera hur många rätt och fel den har.
Förberedelser:
På sidorna 38-68 i detta material (av Google/MIT Media Lab) finns bilder på katter och hundar. Skriv ut dem och låt eleverna klippa ut dem
Till den här övningen behövs en eller flera datorer med inbyggd kamera. Ni kan antingen göra övningen i helklass med lärarens dator eller i grupper.
Steg 1. Börja med att titta på den här filmen:
Google’s Teachable Machine (video 2 min)
Steg 2. Sortera katt- och hundbilder i följande högar:
- Träningsdata hundar
- Träningsdata katter
- Testdata (blandat hundar och katter)
Fundera på hur ni vet om det är en hund eller katt, och hur du skulle förklara skillnaden för en maskin.
Steg 3. Öppna Google’s Teachable Machine
Gå till: https://teachablemachine.withgoogle.com/
- Klicka 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 Träningsdata Katter framför webbkameran och klicka på Hold to Record3. Repetera med övriga träningsdata för katter.
När man klickar på Hold to Record tas en sekvens av bilder. Om du bara vill ta en bild i taget kan du klicka på kugghjulet bredvid knappen och välja FPS 1 och spara. FPS står för frames per second (bilder per sekund).
Steg 5. Träna din AI på hundbilder
Gör likadant för class hundar. Använd nu bilderna i högen "Träningsdata hundar"
Steg 6. Testa din modell
Nu kan du testa hur bra den fungerar med andra hundar och katter. Klicka på Train Model. Använd bilderna från Testdata.
Eventuella snabba grupper kan testa att lägga till klasser med bilder på vad som helst som finns att tillgå, kanske penna eller bok.
Frågor att 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 (bilder) och på många olika sorter.
Läxtips - ta en bild på en katt eller hund
Ta med en bild på en katt eller hund och testa vad maskinen tror att det är för typ. Om du har bilden i mobilen och inte på papper så kan du bara hålla fram bildskärmen framför webbkameran.
Läxtips - fråga ett litet barn
Om du känner ett litet barn, testa om det barnet kan se skillnad på hundar och katter (till exempel genom att visa bilder från internet). Notera hur gammalt barnet är och berätta hur det gick.
Kommentar:
Det är fascinerande hur tidigt små barn kan urskilja olika djur. Förmodligen är små barn fortfarande bättre på det än en tränad maskin.
Bra jobbat!