3 darmowe narzędzia online - jak wprowadzić uczniów w świat sztucznej inteligencji
Przygotowanie uczniów do przyszłości to nie jest wyścig zbrojeń. Jak pokazuje raport PwC, automatyzacja może objąć nawet 30% obecnych miejsc pracy do połowy lat 30. XXI wieku, ale kluczem do sukcesu nie będzie umiejętność budowania robotów, a zdolność współpracy z nimi i rozumienia ich działania. Dzisiaj pokażemy Ci trzy całkowicie bezpłatne narzędzia online, dzięki którym Twoi uczniowie stworzą własne projekty AI jeszcze w tym tygodniu. To prostsze niż myślisz, a efekt „wow” w klasie jest gwarantowany.
Od czego zacząć naukę sztucznej inteligencji - wprowadzenie
Naszym zamierzeniem nie jest wychowanie miliona programistów uczenia maszynowego. Chodzi o rozwinięcie u młodych ludzi kluczowych kompetencji – krytycznego myślenia, umiejętności rozwiązywania problemów i kreatywności oraz weryfikowania faktów. Praca z modelami AI jest do tego znakomitym pretekstem. Uczniowie uczą się, że technologia nie jest magicznym pudełkiem, lecz narzędziem, które działa w określony sposób, popełnia błędy i jest tak dobre, jak dane, którymi je nakarmimy.
Uczniowie otrzymują lekcję o przyczynie i skutku w turbodoładowanym, cyfrowym wydaniu. Gdy uczeń zobaczy, że jego model AI myli psa z kotem, bo pokazał mu za mało zdjęć kotów, zaczyna pojmować fundamentalne koncepcje AI w sposób znacznie głębszy, niż gdyby przeczytał o tym w podręczniku. Nauka AI to nauka o logice, danych i... pokorze wobec własnych błędów.
1. Machine Learning for Kids - łagodne wejście w świat algorytmów
Narzędzie to jest absolutnym fenomenem, jeśli chodzi o dydaktykę sztucznej inteligencji. Stworzone przez IBM, działa w całości w przeglądarce i jest zintegrowane ze środowiskiem Scratch – doskonale znanym wielu nauczycielom i uczniom z lekcji informatyki. Dzięki temu próg wejścia jest praktycznie zerowy. Jeśli Twoi uczniowie potrafią połączyć kolorowe bloczki w Scratchu, poradzą sobie i tutaj.
Aplikacja prowadzi użytkownika za rękę przez trzy podstawowe etapy tworzenia modelu uczenia maszynowego – Zbieranie danych (Train), Uczenie modelu (Learn & Test) i Tworzenie (Make). Proces jest przejrzysty i logiczny. Najpierw uczniowie dostarczają przykłady – mogą to być teksty, liczby, a nawet zdjęcia. Później klikają przycisk „ucz model”, a system na podstawie dostarczonych danych tworzy algorytm zdolny do rozpoznawania wzorców. Na koniec mogą wykorzystać wytrenowany model w praktyce, budując prostą aplikację lub grę w Scratchu, a nawet w języku Python.
Weźmy konkretny przykład. Chcesz, żeby uczniowie stworzyli program, który będzie rozpoznawał pozytywne i negatywne recenzje filmów. W pierwszym kroku tworzą dwie „szufladki” – „pozytywne” i „negatywne”. Do pierwszej wrzucają przykłady zdań, jak „film był fantastyczny”, „świetna gra aktorska”, „polecam każdemu”. Do drugiej – „strata czasu”, „nuda”, „okropny scenariusz”. Po dostarczeniu kilkunastu przykładów dla każdej kategorii, trenują model. Po kilku chwilach jest gotowy.
Teraz w Scratchu mogą zbudować prosty program, w którym duszkiem jest krytyk filmowy. Kiedy użytkownik wpisze nową recenzję, której model nigdy wcześniej nie widział, na przykład „wzruszająca historia”, duszek na podstawie wytrenowanego modelu oceni, czy zdanie jest pozytywne i zareaguje, chociażby uśmiechem.
Projekt jest prosty, a jednocześnie genialnie ilustruje czym jest AI w praktyce. Uczniowie widzą, że to oni „nauczyli” maszynę odróżniać opinie. Zaczynają też dostrzegać problemy – co jeśli ktoś napisze „film nie był zły”, albo gdy użyje ironii? To otwiera drzwi do fascynującej dyskusji o niuansach języka i ograniczeniach technologii AI.
2. Teachable Machine - sztuczna inteligencja w trzy kliknięcia
Jeśli Machine Learning for Kids to solidny, wprowadzający kurs AI, to Teachable Machine od Google jest propozycją dla poszukujących natychmiastowych efektów. Jest to prawdopodobnie najprostsze narzędzie do demonstracji podstaw uczenia maszynowego, jakie kiedykolwiek powstało. Idealne na jedną, efektowną lekcję, która ma rozbudzić ciekawość i pokazać, że sztuczna inteligencja może być zabawna.
Zasada działania jest banalnie prosta i opiera się na trzech krokach: zbierz, trenuj, użyj. Wszystko dzieje się na jednej stronie internetowej. Użytkownik może stworzyć model rozpoznający obrazy, dźwięki lub pozy ciała. Najpopularniejsza jest opcja z obrazami, która wykorzystuje kamerkę internetową. Chcesz nauczyć komputer rozpoznawać, kiedy trzymasz w ręku kubek, a kiedy długopis? Wystarczy, że uruchomisz kamerkę, pokażesz do niej kubek, przytrzymasz przycisk nagrywania przez kilka sekund, tworząc zbiór danych dla klasy „kubek”. Następnie powtarzasz proces dla długopisu. Po zebraniu danych klikasz jeden przycisk – „Trenuj model”. Po kilkunastu sekundach, w czasie których lepiej nie pić kawy, bo wentylator w laptopie może próbować odlecieć, model jest gotowy. W okienku podglądu na żywo program będziepokazywał, z jakimm prawdopodobieństwem widzi kubek lub długopis.
Potencjał edukacyjny jest ogromny, pomimo prostoty. Uczniowie mogą stworzyć system, który rozpoznaje gesty (kciuk w górę / kciuk w dół), sortuje klocki LEGO według kolorów albo nawet rozróżnia gatunki liści przyniesionych z parku. Stanowi to świetny punkt wyjścia do rozmowy o zastosowaniach sztucznej inteligencji – od rozpoznawania twarzy w smartfonach, po analizę aktualnego humoru.
W dostępnych w Internecie scenariuszach można znaleźć przykłady, gdzie uczniowie kiedyś stworzyli model, który miał rozpoznawać ich miny – radosną, smutną i zdziwioną. Okazało się, że model kompletnie głupiał, gdy próbowali pokazać coś pomiędzy na przykład „radosne zdziwienie”. Była to dla nich namacalna lekcja na temat tego, że maszyna widzi świat w kategoriach, których ją nauczyliśmy, i nie radzi sobie z szarością. Wykorzystać sztuczną inteligencję w klasie można na setki sposobów, a Teachable Machine jest do tego znakomitym pierwszym krokiem.
3. Pictoblox - Scratch na sterydach z modułami AI
Pictoblox to propozycja dla osób, które poczuły już bakcyla i chcą pójść o krok dalej. Na pierwszy rzut oka interfejs jest łudząco podobny do Scratcha – mamy duszki, scenę i kolorowe bloczki do programowania. Jednakże pod maską kryje się prawdziwy kombajn możliwości związanych ze sztuczną inteligencją i robotyką. To środowisko łączy prostotę programowania blokowego z zaawansowanymi funkcjami, które w innych narzędziach są niedostępne lub wymagają skomplikowanej konfiguracji.
Poza standardowymi bloczkami Pictoblox oferuje dedykowane rozszerzenia do uczenia maszynowego, rozpoznawania mowy i tekstu (OCR), analizy twarzy, a nawet obsługi chatbotów. Dzięki temu uczniowie mogą w jednym projekcie połączyć kilka różnych technologii AI. Mogą na przykład stworzyć interaktywną historyjkę, w której postać na ekranie reaguje na emocje gracza odczytywane z kamerki (analiza twarzy), a jednocześnie odpowiada na jego komendy głosowe (rozpoznawanie mowy).
Pomyślmy o projekcie z lekcji języka polskiego – interaktywny wywiad z wirtualnym Adamem Mickiewiczem. Uczniowie mogą zaprogramować chatbota, używając wbudowanych narzędzi, aby odpowiadał na pytania dotyczące biografii i twórczości poety. To świetny wstęp do świata asystentów konwersacyjnych, o których inspirujące przykłady często pojawiają się na blogu o sztucznej inteligencji ChatBoty.pl. Mogą dodać moduł rozpoznawania tekstu, dzięki któremu uczeń mógłby zeskanować fragment „Pana Tadeusza” telefonem, a program automatycznie odnalazłby odpowiedni kontekst i go omówił.
Nie jest to już prosta demonstracja, to tworzenie złożonych, interaktywnych projektów edukacyjnych. Dzięki AI uczniowie przechodzą od roli biernych konsumentów wiedzy do aktywnych twórców. Pictoblox uczy, że różne gałęzie sztucznej inteligencji mogą ze sobą współpracować, aby rozwiązywać bardziej skomplikowane problemy, co jest cenną lekcją.
Wasza nowa moc - umiejętność zadawania pytań
Celem wprowadzania AI do szkoły nie jest wyprodukowanie tysięcy programistów. To zadanie dla uczelni technicznych. Celem jest coś znacznie ważniejszego. W świecie, w którym odpowiedź na niemal każde pytanie można wygenerować w sekundę za pomocą narzędzi jak ChatGPT czy Google Gemini, prawdziwą walutą staje się dobrze postawione pytanie. I właśnie tego uczą opisane wyżej narzędzia.
Gdy Twoi uczniowie będą trenować swoje modele, naturalnie zaczną pytać... „Co się stanie, jeśli pokażę mu tylko zdjęcia psów o czarnej sierści”, „Dlaczego system myli moją smutną minę ze znudzoną?”, „Jakich danych muszę użyć, żeby chatbot był bardziej przekonujący?”.
Nie uczysz ich obsługi programu. Uczysz ich kwestionowania, eksperymentowania i patrzenia na czarną skrzynkę, by zapytać... „Co ty właściwie tam w środku robisz?”. A to jest lekcja, której nie zastąpi żaden, nawet najmądrzejszy, algorytm.
Komentarze
Prześlij komentarz
Dziękuję, że jesteś! Będzie mi bardzo miło, jeśli zostawisz po sobie ślad w postaci komentarza :)