Kunstig intelligens: 4 værktøjer til undervisningen
Lad eleverne eksperimentere med kunstig intelligens i undervisningen, og hjælp dem til at blive klogere på teknologiens muligheder og begrænsninger.
Maria Larsen Ehrenreich
Specialkonsulent, oplægsholder og kommunikationsansvarlig for børne- og ungeområdet
© Alle rettigheder til denne artikel er forbeholdt Center for Digital Dannelse
Senest opdateret 2. maj. 2023
Kunstig intelligens kan bruges til mange ting – men det er også en kompleks teknologi, som kan være vanskelig at forstå. Derfor er det en god idé at sætte fokus på teknologien i undervisningen gennem konkrete værktøjer, som gør det synligt, hvordan kunstig intelligens fungerer i praksis. På den måde bliver det også lettere at forstå teknologiens muligheder og begrænsninger.
Inden du introducerer eleverne for værktøjerne, kan I med fordel læse artiklerne Hvad er kunstig intelligens? Forstå teknologien og Forskellen på kunstig og menneskelig intelligens. I artiklerne forklares begreber som maskinlæring, kunstige neurale netværk, deeplearning og mønstergenkendelse, som også udforskes med de 4 værktøjer i denne artikel.
Vær opmærksom på: Inden du bruger værktøjerne i din undervisning, bør du få brugen godkendt af ledelsen, så du ikke opfordrer eleverne til at tilgå eller bruge værktøjerne på en måde, som er i strid med skolens databehandleraftaler eller GDPR.
Teachable Machine
Teachable Machine er et godt værktøj til at vise, hvordan maskinlæring fungerer, og hvordan man træner et kunstigt neuralt netværk til mønstergenkendelse. Du kan også sætte fokus på begrebet klassifikation, som betyder at samle objekter i forskellige grupper.
Du kan træne Teachable Machine til at kende forskel på forskellige billeder, lyde eller poseringer. Det gør du ved at give maskinen en masse eksempler på det, du vil have den til at genkende – fx nogle bestemte håndtegn eller ansigtsudtryk.
Værktøjet er gratis og rimelig brugervenligt. Du behøver derfor hverken at være ekspert i maskinlæring eller kunne programmere for at bruge det.
Brug i undervisningen:
- Udforsk maskinlæringmodellens evne til at kende forskel på noget (fx håndtegn eller ansigtsudtryk).
- Tal om, hvorfor modellen kan kende forskel på billeder eller lyde.
- Diskuter, om den kunstige intelligens forstår, hvad den ser eller hører.
Quick Draw
Quick Draw er et sjovt værktøj til at sætte fokus på, hvordan man træner et kunstigt neuralt netværk til mønstergenkendelse. Med værktøjet kan du spille en slags “tegn og gæt” mod et kunstigt neuralt netværk – du tegner, maskinen gætter.
Quick Draw fungerer ved, at du får stillet en opgave på et motiv, som du skal tegne. Mens du tegner, gætter maskinen løs, indtil den (måske) rammer rigtigt. Når du har tegnet seks forskellige motiver, kan du se, hvilke bud maskinen ellers havde på dine tegninger, og hvordan andres tegninger af de samme motiver ser ud.
Værktøjet er gratis og meget brugervenligt.
Brug i undervisningen:
- Udforsk værktøjets evne til at gætte tegninger. Er der nogle begrænsninger? Hvad er Quick Draw god til og mindre god til at gætte?
- Tal om, hvorfor maskinen kan kende forskel på billeder eller lyde.
- Diskuter, om der findes en rigtig eller forkert måde at tegne noget på.
ChatGPT
ChatGPT er en chatbot, som du kan kommunikere med skriftligt. Inden for kunstig intelligens kaldes ChatGPT også for en sprogmodel. ChatGPT er trænet til at indgå i dialog med mennesker ved hjælp af et kunstigt neuralt netværk og deeplearning. Chatbotten bruger mønstergenkendelse til at skabe nye mønstre i form af sætninger ud fra den data, som den er trænet med.
Du starter samtalen med ChatGPT ved at skrive noget i værktøjets tekstfelt. Du kan fx stille chatbotten et spørgsmål, bede den udføre en opgave eller om at inspirere dig inden for et emne.
ChatGPT er gratis, men du skal oprette en bruger for at bruge værktøjet.
Brug i undervisningen:
- Udforsk hvad ChatGPT kan og ikke kan. Hvad er chatbotten god til og knap så god til?
- Tal om, hvorfor ChatGPT kan svare på vores spørgsmål, og om chatbotten forstår, hvad den svarer.
- Diskuter, hvornår det giver mening at bruge ChatGPT til at udføre en opgave, og hvornår det ikke gør.
Dall-E
Dall-E er en kunstig intelligens, som kan lave nye billeder ud fra den opgave, du stiller den. Dall-E er skabt ved at træne et kunstigt neuralt netværk med en masse billeder og billedernes tekstbeskrivelser. Gennem deeplearning har Dall-E lært at genkende individuelle objekter fra hinanden – og at kombinere dem. Dall-E bruger mønstergenkendelse til at skabe nye mønstre i form af billeder, ligesom ChatGPT laver nye tekster.
Du bruger Dall-E ved at skrive i en tekstboks, hvad du ønsker et billede af. Dall-E skaber herefter en række billeder ud fra beskrivelsen. Og det er bare med at slippe fantasien løs. Du kan fx bede Dall-E lave et billede af “en prinsesse der kører på motorcykel under vand” eller “en kat der danser på en kage”.
Dall-E er gratis, men du skal oprette en bruger for at bruge værktøjet. Hver bruger kan dog kun bruge værktøjet et begrænset antal gange, før man skal betale.
Brug i undervisningen:
- Udforsk, hvordan man kan bruge kunstig intelligens til at skabe nye billeder. Hvilke billeder er Dall-E god og knap så god til at lave?
- Tal om, hvornår det giver mening at bruge Dall-E til at skabe et nyt billede, og hvornår det ikke gør.
- Diskuter, om det som Dall-E skaber er kreativt – eller om det kun er mennesker, som kan være kreative?