I et nyt ultra:bit undervisningsforløb til dansk kan lærere og elever blive klogere på teknologien kunstig intelligens, der også kaldes machine learning.
En teknologi, der er med til at forme de sociale medier, og som i sidste ende har stor betydning for den verden, som børn og unge bliver præsenteret for i deres digitale liv.
Projekt ultra:bit har siden 2018 haft fokus på at inspirere elever til at skabe og kode med teknologi, men nu skal eleverne også prøve at forstå teknologien, der ligger bag nogle af deres favoritapps og sociale medier.
- I dette undervisningsforløb ønsker vi, at eleverne får en forståelse for den bagvedliggende teknologi, der blandt andet ligger til grund for de sociale mediers tidsrøvende algoritmer, fortæller redaktør for ultra:bit, Johanne Bagge.
Træn machine learning med ’ultra:bit datatræneren’
Det kan være svært at forstå machine learning-teknologien. Til undervisningsmaterialet er der derfor blevet udviklet et særligt webværktøj, som kaldes for ’ultra:bit datatræneren’. Den er udviklet af forskere ved Institut for Datalogi ved Aarhus Universitet.
’ultra:bit datatræneren’ skal være med til at skabe forståelse for de komplekse machine learning-algoritmer på en håndgribelig måde, når eleverne med fysiske bevægelser skal træne deres egne machine learning-modeller på mikrocomputeren BBC micro:bit.
Det er noget helt nyt, at man kan bruge mikrocomputeren til at lave machine learning. Eleverne kan for eksempel bruge ’ultra:bit datatræneren’ til lave en machine learning model, der kan genkende bevægelsen ’cirkel’.
- Eleverne træner deres machine learning-algoritme ved at lave ’cirkler’ på forskellige måder. Det giver algoritmen forskellige dataeksempler, som den finder et mønster i. Herefter bygger datatræneren selv en machine learning-model, som er i stand til at kunne genkende forskellige former for ’cirkler’. Jo flere gode data-eksempler, eleverne viser datatræneren, jo bedre bliver deres machine learning-model til at løse opgaven, forklarer Karl-Emil Kjær Bilstrup, postdoc ved Institut for Datalogi, der har været med til at skabe ’ultra:bit datatræneren’.
Diskutér udfordringerne ved machine learning i dansk
Machine learning-teknologier automatiserer allerede mange processer og løser opgaver, som det førhen kun var mennesker, der kunne løse.
Teknologierne kan trænes til alt fra at udvælge søgeresultater, over billedgenkendelse og til autogenerering af nyhedsartikler. Det er også den teknologi, man skal kende til, hvis man vil forstå, hvordan de sociale medier vælger, hvilke opslag der vises på brugerens feed, forklarer Karl-Emil Kjær Bilstrup:
- Jo flere data-eksempler, du giver machine learning-algoritmen på de sociale medier i form af interaktioner (likes, kommentarer, delinger), des bedre bliver den til at finde et mønster i din adfærd og komme med bud på, hvad der er sandsynligt, at du godt kan lide at se i dit feed. På den måde kan din oplevelse af et givent socialt medie blive mere personligt, og du får måske lyst til at komme tilbage igen og igen.
Undervisningsforløbet gør eleverne i stand til selv at udforske muligheder og begrænsninger i machine learning og klæder dem derigennem på til at tage kritisk stilling til algoritmerne bag for eksempel sociale medier.
Hvad betyder det blandt andet for ens virkelighedsopfattelse, hvis algoritmen bliver ved med at præsentere dig for samme type indhold igen og igen? Og hvilke etiske dilemmaer kan der opstå, hvis en machine learning-algoritme er blevet programmeret til at vise det indhold, som skaber mest interaktion, uanset om indholdet udtrykker vold eller had?
Om forløbet
Forløbet er målrettet de ældste elever i folkeskolen i faget dansk. Eleverne lærer om kunstig intelligens også kaldet machine learning. De lærer at forholde sig kritisk til, hvordan algoritmerne påvirker den verden, de møder i deres digitale liv på godt og ondt.
Undervejs ser eleverne explainer-videoer, analyserer deres feeds på sociale medier og prøver at træne en machine learning-model med BBC micro:bit. Efterfølgende undersøger og diskuterer de virkelige cases, hvor machine learning-teknologien ikke har virket optimalt.
Undervisningsforløbet er blevet til på baggrund af et samarbejde mellem Center for Computational Thinking og Design ved Aarhus Universitet og DR’s læringsindsats ultra:bit.
Kom og mød os på Big Bang-konferencen
Du kan prøve det nye værktøj ’ultra:bit datatræneren’ på Big Bang-konferencen 22.-23. marts i Odense.
Du finder et link til ’ultra:bit datatræneren’ her.