Me the A.I #2.0 - H Τεχνητής Νοημοσύνη στο Σχολείο

Η ΩΡΑ του Κώδικα – Δράση 2

Hour of Code’s ‘Robotics and Circuits’:  οι μαθητές κωδικοποίησαν τα ρομποτάκια Edison στο να προσομοιώσουν την φύλαξη μιας αυλής από έναν σκύλο (το ρομποτάκι). Χρησιμοποιώντας τους ανιχνευτές κίνησης και αντανάκλασης  επιφάνειας, ο σκύλος μπορεί να κινηθεί ελεύθερα εντός της αυλής και κάθε φορά που εντοπίζει κάποιο εμπόδιο (κλέφτης), σταματάει, γαβγίζει εκπέμπει φωτεινά σήματα.   Ο προγραμματισμός έγινε με το  EdScratch το οποίο βασίζεται στο Scratch.

Ώρα του Κώδικα: Hour of Code 2019

Οι μαθητές συμμετέχουν στην Ώρα του Κώδικα (Hour of Code 2019) με 2 δράσεις: ο προγραμματισμός του ρομπότ Edison και την δράση "A.I for Oceans" από το code.org.

Η επιστήμη των υπολογιστών είναι πολύ περισσότερο από την κωδικοποίηση! To "A.I for Oceans" εισάγει τους μαθητές στην Μηχανική Μάθηση , στην σωστή διαχείριση των δεδομένων (ποιοτικά δεδομένα) και στις προκαταλήψεις (ethics). Ο στόχος των μαθητών είναι να διδάξουν σε μια "Τ.Ν" να ξεχωρίζει ένα ψάρι από τους άλλους οργανισμούς αλλά και από τα σκουπίδια που βρίσκονται στην θάλασσα, και αποτελεί ένα παράδειγμα για το πως μπορεί μια Τεχνητή Νοημοσύνη να χρησιμοποιηθεί για την αντιμετώπιση των παγκόσμιων προβλημάτων (AI for Good).

Προγραμματίζοντας τα ρομποτάκια Edison

Οι μαθητές είχαν την πρώτη του επαφή με τα ρομποτάκια Edison και πειραματιστήκαν προγραμματίζοντας την κίνηση και τους αισθητήρες τους. Οι αισθητήρες αποτελούν ένα βασικό στοιχείο της Τεχνητής Νοημοσύνης , της Μηχανικής Μάθησης και των έξυπνων συσκευών τα οποία θα εξερευνήσουμε στις επόμενες δράσεις μας.

Προκαταλήψεις και Ποιοτικά Δεδομένα (Μέρος 3ο):Αποτελέσματα

Με βάση τα αποτελέσματα του ερωτηματολογίου, οι μαθητές συνειδητοποίησαν πόσο σημαντικά είναι τα δεδομένα (καλά καθορισμένα, ποιοτικά , μεγάλο δειγματολόγιο, χωρίς παρερμηνεύσεις) προκειμένου να εκπαιδεύσουν ένα πρόγραμμα Μηχανικής Μάθησης. Συνειδητοποίησαν επίσης ότι έχουν αναπαράγει κάποια υποσυνείδητα  στερεότυπα/προκαταλήψεις (τα κορίτσια έχουν μακριά μαλλιά και αγόρια με μικρά μαλλιά) και έχουν λάβει υπόψη μόνο παιδιά με τα δικά τους χαρακτηριστικά (ευρωπαϊκά χαρακτηριστικά, όχι Αφρικάνικα ή Ασιάτικα, χωρίς γυαλιά, χωρίς πάχος, χωρίς ή με ελάχιστα παιδιά με αναπηρία  ...).

Ψευδαισθήσεις: τι μπορείς να πιστέψεις;

Ψευδαισθήσεις με το NVIDIA AI PLAYGROUND: συναντήστε το GauGAN, μία Τεχνητή Νοημοσύνη  που δημιουργεί ψεύτικα τοπία που φαίνονται πραγματικά! Οι μαθητές πειραματίστηκαν αυτή την εβδομάδα με τον Gaugan και συνειδητοποίησαν πόσο εύκολο ήταν να δημιουργηθούν ψεύτικες φωτογραφίες με τη βοήθεια ενός A.I.

Προκαταλήψεις και Ποιοτικά Δεδομένα (Μέρος 2ο)

Δημιουργήσαμε ένα ερωτηματολόγιο βασισμένο στις ζωγραφιές των μαθητών, στο οποίο ζητήθηκε τόσο από τα εταιρικά σχολεία όσο και από τους  μαθητές μας να αξιολογήσουν σε πρώτη φάση αν μπορούσαν να ταυτοποιήσουν 100% τις εικόνες (αγόρι-κορίτσι) και να απαντήσουν σε δεύτερη φάση σε συγκεκριμένες ερωτήσεις αναφορικά με τις εικόνες αυτές.

Καθώς έπρεπε να αξιολογήσουν τα δικά τους σχέδια, συνειδητοποίησαν τελικά πόσο σημαντικό είναι να δημιουργούνται  και να επιλέγονται  ποιοτικά δεδομένα όταν πρόκειται να τα χρησιμοποιήσουν σε μια διαδικασία Machine Learning. Όταν ολοκλήρωσαν και το δεύτερο μέρος του ερωτηματολογίου, συνειδητοποίησαν ότι υπάρχουν  υποσυνείδητες προκαταλήψεις και στερεότυπα σε όλους μας. Προσπαθήσαμε να αναλύσουμε κάποιες από αυτές τις προκαταλήψεις και να βρούμε ακόμη περισσότερες  Θα συνεχίσουμε αυτή τη συζήτηση μόλις ολοκληρώσουν όλα τα εταιρικά σχολεία την έρευνα και έχουμε διαθέσιμα όλα τα αποτελέσματα.

Προκαταλήψεις και Ποιοτικά Δεδομένα (Μέρος 1ο)

Την περασμένη εβδομάδα οι μαθητές μας έκαναν μια πολύ ενδιαφέρουσα δραστηριότητα με την δασκάλα τους Σωτηρία Μαρώλια. Τους ζήτησε να σχεδιάσουν εικόνες παιδιών για να διδάξουν ένα πρόγραμμα Μηχανικής Μάθησης  να αναγνωρίζει αγόρια και κορίτσια  από ένα σχέδιο. Μέσα από τις προηγούμενες δραστηριότητες που είχαμε κάνει στο μάθημα των  ΤΠΕ (machinelearning4kids "Make me Smile", εξάσκηση από τα πειράματα Τεχνητής Νοημοσύνης της Google, το παιχνίδι Intelligent Space Exploration του Accenture), οι μαθητές θα πρέπει να έχουν μια καλή  κατανόηση για το πώς λειτουργεί η Μηχανική Μάθηση και ειδικά με τι δεδομένα χρειάζεται να τροφοδοτείται . Ας δούμε τι έκαναν.

A.I Experiments with Google: εφαρμογές Τεχνιτής Νοημοσύνης με την Google

Εφαρμογή της Τεχνητής Νοημοσύνης στην τάξη! Mαθήμα συν-διδασκαλίας με τη κα Σωτηρία Μαρώλια, στο οποίο οι μαθητές μας πειραματίστηκαν  με τα "A.I Experiments with Google" και πιο συγκεκριμένα με το Quick Draw, ένα παιχνίδι όπου ένα νευρωνικό δίκτυο προσπαθεί να μαντέψει τι σχεδιάζετε! Για να μπορέσουμε να κατανοήσουμε κάποιες άγνωστες λέξεις στα αγγλικά, χρησιμοποιήσαμε τη ζωντανής μετάφραση της Google με χρήση της κάμερας , μια άμεση μετάφραση  η οποία μας επιτρέπει να "δούμε" τον κόσμο στη γλώσσα μας  μέσα από  τον φακό της κάμερας μας!  Αυτή η τεχνολογία βασίζεται στις μεθόδους μεταφράσης της Google (μεταφραστικές μηχανές).

bty

bty

Οι δράσεις μας κατά την διάρκεια της Ευρωπαϊκής Εβδομάδας Προγραμματισμού (αναλυτικά)

Πανόραμα δράσεων EuropeCodeWeek 2019 και Πιστοποιητικά Σχολείων & Καθηγητών!