Plan desete aktivnosti:
Prema Etičkim smjernicama za pouzdanu umjetnu inteligenciju postoji sedam zahtjeva koje sustavi umjetne inteligencije trebaju zadovoljavati. Tema naše aktivnosti je šesti zahtjev a to je zahtjev za dobrobit društva i okoliša koji uključuje održivost i pogodnosti za okoliš, društveni učinak, društvo i demokraciju. Umjetna nam inteligencija daje mogućnost propitivanja status quo i odlučivanja kakvu sadašnjost i budućnost želimo za sebe i druge.
Aktivnost obuhvaća sljedeće ciljeve učenja, vještina i kompetencija:
- upoznati učenike s algoritmima umjetne inteligencije (AI);
- razumjeti proširenje mogućnosti ljudskih vještina i odluka u kombinaciji sa sustavima AI;
- otkriti ulogu AI u stvaranju digitalnih slika pomoću jednostavnih alata za kreativnost;
- izraditi crtež povezan sa održivim razvojem (primjerice: „zelene“ tehnologije, klimatske promjene, okoliš, održivi gradovi i zajednice…) uz pomoć Autodraw (https://www.autodraw.com/ ) aplikacije na računalu, tabletu ili pametnom telefonu
- generirati fotografiju znamenitosti svoga grada ili avatar koji se koristi u projektu ili fotografiju neke od aktivnosti u kojima su učenici sudjelovali tijekom trajanja ovog projekta pomoću Deep Dream Generator (https://deepdreamgenerator.com/ ) aplikacije
- stvoriti fotografiju krajolika pomoću GAN neuronske mreže aplikacijom Artbreeder (https://www.artbreeder.com /)
- odgovoriti na postavljena pitanja uz svaku aktivnost
- priložiti odgovore, slike i fotografije na padlet zid
- učenici mogu raditi samostalno, u paru (2 učenika) ili u grupama (do 4 učenika). Grupe mogu biti sačinjene od učenika iz iste škole ili iz različitih škola. U dijeljenom dokumentu List of participants of the 10th activity svaki će učenik zabilježiti odabrani način rada.
- za učenike koji žele znati više: kreirana je aktivnost uz pomoć Google Teachable Machine putem koje će upoznati strojno učenje
Kroz ovu aktivnost razvijat ćemo vještine uporabe tehnologija, razumjeti ulogu novih tehnologija, vježbati digitalne vještine na mobilnim uređajima, te digitalnim alatima istraživati estetske dimenzije.
Suprotno uvriježenom mišljenju, umjetna inteligencija nisu inteligentni strojevi koji su sposobni razmišljati poput ljudi već primjena sofisticiranih algoritama na ogromne skupove podataka, koristeći jaku računalnu snagu, koja između ostalih aplikacija omogućuje neočekivane uvide, prepoznavanje uzoraka ili računalni vid. To nije tehnologija budućnosti. Ona već oblikuje naš digitalni svijet: prepoznavanje osoba na slikovnim sustavima (video nadzor, automatizirano prepoznavanje na društvenim mrežama); odlučivanje o onome što vidite na mreži, automatizacija sadržaja na društvenim mrežama; mehanizmi za preporuke na mrežnim mjestima s videozapisima ili mrežnim trgovinama; pokretanje tehnologija prepoznavanja glasa na mobilnim uređajima; optimizacija prometa i ruta na mapama i dijeljenje prijevoza; kategorizacija, automatski odgovor, filtriranje predloženog teksta i neželjene pošte na e-poštu i slično.
Za početak, pogledajte video zapis Uvod u umjetnu inteligenciju u učionici koji će vas uvesti u temu i aktivnosti kojima ćemo se baviti. (Izvor: Europe Code Week; Introduction to Artificial Intelligence in the classroom by Artur Coelho and Marjana Prifti Skenduli).
Predviđeni vremenski period:
Predviđeni online alati:
- Zadatak Ti skiciraš - AI crta
Pristupite Autodraw (https://www.autodraw.com/ ) aplikaciji na računalu, tabletu ili pametnom telefonu. Upotrijebite aplikaciju za skiciranje oblika: skicirajte u praznom području (ili ga ispunite bilo kojom bojom). Algoritam će početi generirati predložene oblike dok crtate: gornja vrpca počet će interaktivno sugerirati oblike. Odaberite između prijedloga za izradu crteža, koristeći nekoliko oblika, boja i pozadina. Tema vašeg crteža treba biti povezana sa održivim razvojem (primjerice: „zelene“ tehnologije, klimatske promjene, okoliš, održivi gradovi i zajednice…)
Na kraju aktivnosti odgovorite:
Kako bi AI mogla pogoditi oblike na temelju jednostavnih crteža?
Je li bilo kreativno? Kako je AI naučila?
Biste li mogli stvoriti bolji, zanimljiviji dizajn samostalno ili uz pomoć AI?
Kako AI može razumjeti što želite nacrtati?
Dodatno pojašnjenje: Ova nam aplikacija pokazuje kako AI sustavi razumiju podatke i donose odluke na temelju unosa. Sve se svodi na prepoznavanje uzoraka. Algoritam se uvježbava pomoću širokog skupa oblika. I obuka nikad ne završava a algoritam sam pojačava svoje učenje korisničkim unosom. Odabirom slike iz prijedloga, algoritam uči kako bolje razumjeti nesigurne oblike.
Snimku postupka na zaslonu možete pronaći na ovoj poveznici.
Primjer:
Svoju fotografiju i odgovore postavite na padlet zid u stupac Activity 1 You sketch - AI draw
2. Zadatak Sanjajte poput stroja
Prijavite se u Deep Dream Generator (https://deepdreamgenerator.com/ ) aplikaciju. Kliknite gumb „Generiraj“, prenesite fotografiju znamenitosti vašega grada ili avatar koji koristite u našem projektu ili fotografiju neke od aktivnosti u kojima ste sudjelovali tijekom trajanja ovog projekta i odaberite opciju Deep Dream. U postavkama odaberite „Neka ostane privatno“ i kliknite gumb „Generiraj“. Generiranje slike može potrajati nekoliko sekundi. Provjerite rezultate, a zatim odaberite Go Deeper da biste podesili nekoliko postavki ili odaberite različite vrste algoritama Deep Dream (Deep Dream, Neuron ili Valyrian). Ponavljajte dok ne budete zadovoljni rezultatima. Svoju novonastalu fotografiju pohranite.
Na kraju aktivnosti odgovorite na pitanje:
Što se događa? Zašto AI pretvara fotografiju u nestvarnu sliku?
Dodatno pojašnjenje: Algoritme prepoznavanja slika, poput prepoznavanja lica ili prepoznavanja oblika, treba osposobiti s nizovima slika kako bi naučili kako analizirati, razumjeti i ekstrapolirati rezultat. Opseg tih sustava ograničavaju skupovi podataka na kojima su obučeni. Na primjer, algoritmi za prepoznavanje slika poznati su po svojoj ranjivosti na nenamjerno rasno profiliranje i lažne pozitivne rezultate. Ali algoritmi Deep Dream čine nešto malo drugačije: oni tumače ono što „vide“ na unosu slike, na temelju vrsta oblika na kojima su obučavani, ne opisujući ono što je na slici, već ono za što oni misle da je slika.
Snimku postupka na zaslonu možete pronaći na ovoj poveznici.
Primjer:
Svoju fotografiju i odgovor postavite na padlet zid u stupac Activity 2 Dream like a machine
3. Zadatak Stvaranje strojnih vidova uz pomoć roditeljske slike i gena
Prijavite se u mrežnu aplikaciju Artbreeder (https://www.artbreeder.com/) , odaberite Create (nalazi se u gornjem desnom uglu i ima oznaku +)“. Potom na kartici Image izaberite Landscape. Aplikacija će proizvesti nasumce nekoliko slika. Na kartici +Genes istražite ponuđene gene u nekoliko kategorija i odaberite što vam privuče pozornost. Geni su slike iz skupova u kojima je algoritam osposobljen, korišteni za remiksiranje i generiranje novih slika. Kliknite „Add parent“ da biste dodali više gena. Provjerite rezultate. Primijetite da s više dodanih gena GAN generira nove slike miješajući vizualne elemente.
Za svaki novi gen imate klizače za postavku postotka svakog gena u predloženom sastavu. Odaberite sliku između slika koju generira AI. Kada ste zadovoljni rezultatom, kliknite gumb za preuzimanje da biste sliku pohranili.
Dodatno pojašnjenje: algoritam je generirao slučajne slike, koje su pomiješane s genima, generirale nove rezultate u stvarnom vremenu pomoću GAN AI-a, koji je u svim koracima pokušavao pogoditi korisnikove preferencije, na temelju njegova unosa. Svoju novonastalu i izabranu fotografiju pohranite.
Na kraju aktivnosti odgovorite na pitanja:
Tko je bio tvorac konačne slike? AI? Vi? Oboje?
Kako računalo stvara ove slike?
Dodatno pojašnjenje: GAN neuronske mreže mogu se obučiti pomoću skupova slika, tako da kasnije mogu ekstrapolirati nove podatke. Tehnika postavlja dva algoritma jedan nasuprot drugog: jedan generira nove podatke, na temelju korisničkih unosa i skupova obuke, a drugi prosuđuje izlazne podatke kako bi bolje odgovarao namjerama korisnika. Ti se algoritmi mogu koristiti za generiranje novih slika, remiksiranje postojećih slika na neočekivane načine ili, ako se umjetničko djelo koristi kao skup podataka za obuku, za razumijevanje njegove estetske strukture, davanje dubljih znanja umjetnicima i povjesničarima umjetnosti ili za primjenu umjetnikovog osobnog stila za nove vrste slika.
Snimku postupka na zaslonu možete pronaći na ovoj poveznici.
Primjer:
Svoju fotografiju i odgovor postavite na padlet zid u stupac Activity 3 Creating machine visions with the help of parental image and genes
Za one koji žele znati više:
Ovaj dio aktivnosti odnosi se na osnovne koncepte strojnog učenja i zadatak klasifikacije. Pomoću strojnog učenja (ML) i umjetne inteligencije (AI) izradit ćemo klasifikator slika voća. Za stvaranje ML modela koristit ćemo Google Teachable Machine. Za početak, prikupite i grupirajte primjere slika kategorije za koju želite da ju stroj klasificira. Na Teachable Machine, odaberite „Započni/Get Started“, a zatim odaberite „Projekt slika/Image Project“. Stvorite najmanje četiri različite klase ili kategorije od kojih će se računalo hraniti primjerima i osposobiti se za prepoznavanje i klasificiranje različitih sorti voća, primjerice imenujte klase: „Jabuka“, „Banana“, „Naranča“ i „Nema voća“. Izradite „Skup podataka o obuci“ i snimite uzorke slika koji najbolje predstavljaju svaku klasu (možete držati prvu klasu voća, npr. jabuka, ispred web kamere, kliknete na „Web kamera/Webcam“, a zatim „Zadrži za snimanje/Hold to record“ dok pomičete voće u različitim kutovima. Ponovite postupak za preostalo voće / klase. Snimite najmanje 25 slika za svaku klasu predmeta. Pripazite kad snimate uzorke slika za klasu „Nema voća“, obavezno promijenite pozadinu i snimite ruku bez voća. Nakon što su sve klase spremne, možete kliknuti na „Obuči/Training“ i u Pretpregledu/Preview provjerite funkcionira li model (mora vam biti dostupan „Testni skup podataka“ kao asortiman različitih plodova, različitih od onih koji su korišteni za podučavanje klasifikatora odnosno druga košarica s voćem). Provjeriti radi li model ispravno i procijenite njegove performanse, proučite slučajeve kada model ne radi ispravno (primjerice držite dvije jabuke istovremeno, podignite ispisanu sliku banane…). Kroz ovu aktivnost sudionici će upoznati osnovne pojmove AI i ML, razumjeti zadatak klasifikacije u kontekstu nadziranog strojnog učenja i osnovnih gradivnih dijelova klasifikacijskog kanala, izraditi i fino podesiti klasifikator te prepoznati važnost kvalitete i količine podataka o obuci i njihov utjecaj na točnost i pravednost klasifikatora.
