Künstliche Intelligenz
In dieser Einführung setzen wir uns mit den Grundprinzipien und Techniken des maschinellen Lernens auseinander und lernen wichtige Grundbegriffe kennen. Dabei werden wir nicht nur die theoretischen Aspekte betrachten, sondern auch praktische Anwendungen erkunden.
Um die Schüler*innen bestmöglich einzubeziehen, bieten wir zwei Herangehensweisen an.
1. Variante: Interaktive Gruppendiskussion (für jüngere Schüler*innen)
2. Variante: Projektbasierte Forschung und Präsentation (für ältere Schüler*innen)
Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz, das Computern die Fähigkeit verleiht, aus Erfahrungen zu lernen und Muster in Daten zu erkennen.
In der ersten Variante vertiefen wir das Thema in einer Diskussion und nutzen ein kurzweiliges Spiel, um das Verständnis für maschinelles Lernen spielerisch zu fördern.
In der zweiten Variante vertiefen wir mit einer projektbasierten Herangehensweise die Kenntnisse der Schüler*innen. Sie erforschen in Gruppen eigenständig verschiedene Aspekte des maschinellen Lernens und stellen ihre Ergebnisse in Form von Präsentationen oder Diskussionen im Plenum vor. Dies ermöglicht eine umfassende Auseinandersetzung mit dem Thema und fördert das eigenständige Lernen.
Diese Einheit ist eine empfohlene Anleitung zu den ML-Projekten mit Pictoblox.
Die Schüler*innen:
Das benötigst du:
„Was denkt ihr, was Maschinelles Lernen ist?"
Maschinelles Lernen (ML) beschäftigt sich mit Techniken und Prozessen, die angewendet werden, um Maschinen beizubringen, wie ein Mensch zu denken. Es ist ein Teilgebiet der Künstlichen Intelligenz (KI) und gründet auf der Idee, dass Maschinen aus Beispielen und Erfahrungen lernen können, ohne explizit für jedes einzelne Problem programmiert zu werden. Statt einen festgelegten Algorithmus zur Problemlösung zu verwenden, werden Daten einem generischen Algorithmus zugeführt.
Die Fragen zielen darauf ab, dass die Schüler*innen erkennen, dass ML in unserem Alltag weit verbreitet ist und stark auf Nutzer*innen-Daten angewiesen ist, um zu funktionieren.
Wenn genügend Zeit zur Verfügung steht, können die Schüler*innen zusätzlich zu ML-Alltagsanwendungen recherchieren. Die Ergebnisse können sie auf einer Pinnwand (hier eignet sich z.B. Taskcards) sammeln. Anschließend könnt ihr die Ergebnisse gemeinsam im Plenum diskutieren.
Denken wir daran zurück, wie wir als Kleinkinder gelernt haben – indem wir die Welt um uns herum erkundet und Erfahrungen gesammelt haben, um zu verstehen, wie Dinge funktionieren. Ähnlich dazu funktioniert das Lernen auch für Künstliche Intelligenz (KI). Wie ein Kind seine Umgebung durch Beobachtungen und Ausprobieren kennenlernt, so lernt auch die KI durch das Sammeln und Verarbeiten von Daten. Wir werfen einen Blick darauf, wie dieser vergleichbare Lernprozess sowohl bei uns als auch bei der KI abläuft.
Das illustriert den Unterschied zwischen klassischer Programmierung und Künstlicher Intelligenz (KI):
In der klassischen Programmierung gibt es klare Anweisungen für jeden einzelnen Schritt, vergleichbar mit genauen Anweisungen für Muskelbewegungen. KI hingegen funktioniert anders: Es werden viele Beispiele gezeigt, ähnlich wie in den Videos. Die KI lernt aus diesen Beispielen und entwickelt dadurch ein Verständnis, z.B. für den besten Wurf, ohne detaillierte Anweisungen zu erhalten.
Genau wie du beim Üben des Wurfes durch Wiederholungen lernst, wie man am besten wirft, lernt die KI aus Erfahrungen und Beispielen, ähnlich wie ein Mensch.
Dieses Beispiel verdeutlicht den Kernunterschied zwischen programmierten Regeln und dem lernenden Ansatz der KI auf eine sehr anschauliche Weise. Stoße bei den Schüler*innen eine Diskussion über die Vor- und Nachteile beider Ansätze an.
Neuronale Netze sind eine besondere Technik im Maschinellen Lernen, die von der Funktionsweise unseres Gehirns inspiriert sind. Sie helfen Computern, Muster in Daten zu erkennen und komplexe Aufgaben zu erlernen. Neuronale Netze bestehen aus künstlichen "Neuronen" und "Verbindungen" zwischen diesen. Durch die Verbindungen fließen Informationen, während die Neuronen Muster erkennen und Informationen verarbeiten.
Neuronale Netze sind besonders gut darin, Dinge wie Bilderkennung, Sprachverarbeitung und Vorhersagen zu optimieren. Sie sind ein wichtiges Werkzeug, um Computer besser zu machen, Dinge zu verstehen und menschenähnliche Intelligenz zu entwickeln.
„Was denkt ihr, was Maschinelles Lernen ist?"
Maschinelles Lernen (ML) beschäftigt sich mit Techniken und Prozessen, die angewendet werden, um Maschinen beizubringen, wie ein Mensch zu denken. Es ist ein Teilgebiet der Künstlichen Intelligenz (KI) und gründet auf der Idee, dass Maschinen aus Beispielen und Erfahrungen lernen können, ohne explizit für jedes einzelne Problem programmiert zu werden. Statt einen festgelegten Algorithmus zur Problemlösung zu verwenden, werden Daten einem generischen Algorithmus zugeführt.
Teile deine Schüler*innen in Gruppen auf und gebe ihnen Forschungsaufgaben, um sich näher mit ML auseinanderzusetzen. Hier ist ein Vorschlag für konkrete Arbeitsanweisungen:
Jede Gruppe wird am Ende der Arbeitsphase ihre Ergebnisse präsentieren, um die Vielfalt der Aspekte des Maschinellen Lernens in der Klasse zu teilen.
