- Workshop
Hour of AI
En enda timme som går från ”kan maskiner tänka?” till en modell gruppen tränat själv — och till att använda en chatbot som något bättre än en svarsautomat.
Översikt
Timmen är byggd så att gruppen tränar något innan någon berättar för dem vad träning är. Den öppnar med frågan Turing ställde 1950 och skiljer science fiction från det som faktiskt står på bordet. Sedan tränar alla en bildklassificerare i webbläsaren och har sönder den med flit — och det är där lärdomen om träningsdata landar. Därifrån växer samma idé till språkmodeller, och den sista tredjedelen ägnas åt prompter: samma fråga ställd på fyra sätt, fyra olika svar, och poängen att det är den som frågar som styr. Den avslutas med gränserna — påhittade fakta, svagt resonemang om fysiskt rum och skevheter som ärvts från data.
För vem
Skriven för 10–12-åringar och deras föräldrar, och fungerar både med en hel klass och med en liten grupp. Inga förkunskaper behövs och ingen programmering ingår.
Lärandemål
- Säga vad maskininlärning är: en modell formad av exempel, inte en uppsättning regler som någon skrivit för hand.
- Träna en fungerande bildklassificerare i webbläsaren och förklara varför den misslyckas med något den aldrig sett.
- Med egna ord beskriva vad en stor språkmodell gör och varifrån dess svar kommer.
- Skriva en prompt som anger en roll och en situation, och märka hur mycket svaret ändras.
- Namnge konkreta feltyper — påhittade fakta, självsäkert nonsens om fysiskt rum, skevheter som följt med från träningsdata.
- Avgöra när ett svar behöver kontrolleras i stället för att accepteras.
Lektionsplan
| Steg | Minuter |
|---|---|
| Varifrån frågan kommer Turings fråga från 1950 och imitationsleken. Skilj på två saker som blandas ihop: att lösa svåra intellektuella uppgifter är inte detsamma som att ha ett medvetande, och smal AI är inte generell AI. En kort jämförelse mellan vad filmerna lovade och vad rummet faktiskt har. | 5 |
| Att lära av data Vad träning egentligen betyder — exempel in, modell ut, inga regler skrivna för hand. Code.orgs AI-uppgift passar bra här och ger alla något att göra med händerna. | 10 |
| Träna din egen modell Alla tränar en bildklassificerare i Teachable Machine: några klasser, några dussin kamerabilder var, och den fungerar inom minuter. Ha sedan sönder den med flit — visa den något utanför träningsdatan eller ändra belysningen — och låt gruppen komma fram till varför den har självsäkert fel. Det är här poängen om träningsdata landar. | 15 |
| Från bilder till ord Samma idé i en annan skala: i stället för foton på katter, nästan varje mening människor skrivit. Modellen lär sig vilka ord som brukar följa på vilka. Vad det ger — svar, förklaringar, översättning, utkast — och vad det inte ger: inget minne mellan chattar, ingen kunskap om i går, räkning som blir fel, fakta som hittas på. | 10 |
| Prompter En prompt är en instruktion, och samma fråga ställd på fyra sätt ger fyra olika svar: fråga som en mormor, som en mamma, som en elvaårig kompis, som en lärare. Låt dem sedan prova något på riktigt — planera ett kalas för kompisar som vill olika saker, be en astrofysiker förklara svarta hål och sedan säga vilken del som var oklar, eller beskriva ett spel och läsa koden som kommer tillbaka. Kontrasten värd att dra: att be om ett svar att kopiera lär ingenting, att ställa nästa fråga är hela poängen. | 12 |
| Var det brister, och vem som bestämmer Skevheter inlärda från data, genererade bilder och röster använda som förfalskningar, hur mycket som samlas in om människor, och modeller tränade på arbete som någon annan gjort. Visa ett fall där modellen resonerar självsäkert och fel om fysiskt rum. Avsluta med hållningen som är värd att behålla: ett kraftfullt verktyg som du styr med dina frågor, vars svar du kontrollerar och vars beslut fortfarande är dina. | 8 |
| Totalt | 60 |
Utrustning
- En laptop eller surfplatta per deltagare eller par, var och en med fungerande kamera — Teachable Machine behöver en.
- Internetanslutning, där teachablemachine.withgoogle.com, code.org och experiments.withgoogle.com går att nå från skolans nätverk.
- En projektor för demonstrationerna och för promptdelen.
- Ett chatbot-konto för promptdelen. Att köra den från projektorn fungerar bra och är det enklaste svaret på åldersgränserna för de kontona.
Före lektionen
- Gå igenom Teachable Machine-flödet själv först. En kamera blockerad av webbläsarens behörigheter och ett skolnätverk som filtrerar sajten är de två saker som stoppar den här lektionen.
- Ha tre eller fyra egna prompter redo. Promptdelen stannar av rejält om rummet måste hitta på en från ingenting.
- Bestäm i förväg hur chatboten används — av dig från projektorn eller på deltagarnas egna konton — och kontrollera skolans hållning i frågan.
- Emoji Scavenger Hunt är fem bra minuter om ni blir klara tidigt; den gör poängen om bildigenkänning en gång till.
Bonusuppgift
Jämför två eller tre modeller på samma fråga och prata om varför svaren skiljer sig — och om vad som utöver förmåga bör avgöra vilken du använder: vad den kostar, hur öppen den är och var den kommer ifrån.