Teachable Machine i klasserommet

Søk
Close this search box.

Bruk av Teachable Machine krever ikke kontooppretting eller \ brukerpåloggingsdetaljer. Nettsiden samler ikke inn personlig informasjon eller bilder fra brukere.
En måte å teste dette på er å deaktivere internettforbindelsen og bruke Image Model – Teachable Machine – Til nettstedet »

(deaktiver internettforbindelsen etter du har åpnet nettsiden)

Bildene du tar sendes ikke til noen servere. Når du trener modellen, trener du den i nettleserfanen uten å sende noe til noen servere.

Les mer her »

Teachable Machine er et verktøy for kunstig intelligens utviklet av Google, som lar deg lage dine egne maskinlæringsmodeller ved å trene dem med eksempler. Det er en enkel måte å introdusere kunstig intelligens i klasserommet på.

Teachable Machine kan brukes til å lære elever om grunnleggende konsepter innen maskinlæring. I opplegget nedenfor skal elevene jobbe med bildegjenkjenning der de trener modeller.

Teachable Machine gir elever muligheten til å utforske og lære om kunstig intelligens på en morsom og interaktiv måte, og styrker dermed deres digitale ferdigheter og forståelse for teknologi.

Mål:

Gir elever en enkel introduksjon til kunstig intelligens og maskinlæring, og styrke deres digitale ferdigheter og forståelse for teknologi.

Antall elever:

Passer for hel klasse fra 5. – 10. trinn. Jobb gjerne to og to eller i små grupper. Oppgavene åpner for diskusjoner.

Du trenger:

Gjennomføring:

Steg 1.
Trene en modell!

Trykk her for å åpne Teachable Machine »

Tren maskinen med to enkle kategorier:

  1. Hånden som holder opp alle 5 fingrene (kategorien «highfive!»)
  2. Hånden som bare holder opp 1 finger (kategorien «pekefinger»). Se video nedenfor.

Spørsmål til elevene:

  • Kan du beskrive hva som skjer i videoen?
  • Hva representerer «Output» i videoen, og hva blir vist der?
  • Hvordan påvirker antall bilder i hver kategori resultatene som vises under «Output«?

Steg 2:
Hva skjer hvis man prøver å «lure» maskinen?

Hvordan håndterer datamaskinen to, tre, eller fire fingre, prøv!

Når det gjelder antallet fingre mellom tre og fire, viser datamaskinen «1 finger/pekefinger»-kategori 50% av tiden og «5 finger/highfive»-kategori 50% av tiden. Hva er årsaken til dette? Se videoen nedenfor for å finne ut.

Spørsmål til elevene:

  • Hvorfor identifiserer datamaskinen tre fingre som 1 finger/pekefinger?
  • Hva må gjøres for å få datamaskinen til å gjenkjenne ulike fingre?
  • Selv om vi har trent den på alle fem fingre, hva er det datamaskinen fortsatt mangler?
  • Når vil det være nødvendig å bruke fingergjenkjenning, og hvem tror du vil bruke denne teknologien? Hva er motivasjonen for å bruke den?

Steg 3:
Prøv selv og tren maskinen med andre gjenstandre/ting o.l.!

Kan du eksperimentere med andre objekter for å trene maskinen? (F.eks. penn vs blyant eller grønne vs gule klistremerker.)

Prøv å utforske alternative objekter og forklar, med dine egne ord, hva maskinen lærer og hvorfor.

Vurdér om objektene du har trent maskinen på har praktisk anvendelse i virkeligheten.

Spørsmål til elevene:

Hva skjer når du endrer «bakgrunnen»?

Gå inn i et annet rom eller roter datamaskinen/nettbrettet og prøv igjen. Hva skjer?

Er det noen fordeler ved å bruke slik teknologi?

Kan du komme på eksempler fra virkeligheten slik teknologi er nyttig?

Tips:
Som lege kan slik teknologi avdekke om noe er friskt eller ikke, der noe skannes og sjekkes opp mot en bildedatabase som gjenkjenner/sammenlikner med det som skal undersøkes.

Kompetansemål - LK20: