menu
Machine Learning. Intelligente Maschinen

UE2-c – Machine Learning Anwendungen ausprobieren

Zeitbedarf: 45-90 Min.

Aufgabe

Über Internetanwendungen können die Schüler*innen explorativ die Funktionsweise von Machine Learning kennenlernen und/oder sich gegenseitig vorstellen.

Lernziel

Die Schüler*innen erhalten die Gelegenheit, verschiedenen Machine Learning Anwendungen am Computer auszuprobieren und deren Funktionsweise kennen zu lernen.

Ablauf

20 Min.: Die Schüler*innen sitzen in 2er-Teams an einem Computerarbeitsplatz.
Gemeinsam rufen sie im Browser clarifai.com/demo auf.
Alle Teams haben nun 10 Min. Zeit, dieses Programm auszuprobieren. Dabei sollen sie folgende Fragestellungen leiten (Arbeitsblatt_MachineLearning_20PDF | DOCX | ODT):

  • Welche Aufgabe hat das Programm?
  • Wie benutzt man das Programm?
  • Welche Daten werden genutzt?
  • Welche Vorhersagen werden getroffen?
  • Welche Rolle spielen Wahrscheinlichkeiten?
  • Wer benutzt bzw. wem nutzt ein solches Programm? Außerdem sollten die Schüler*innen mindestens 1–2 Fotos aus UE2b auf dieser Seite hochladen und analysieren lassen.
  • Stimmte die Analyse mit dem überein, was sie selbst sehen?

Anschließend werden die Erfahrungen mit diesem Programm in der Klasse besprochen (Materialblatt_MachineLearning_21PDF | DOCX | ODT).

  • Was war einfach oder schwierig an der Benutzung?
  • Gab es überraschende Analysen von Fotos?
  • Woran könnte das gelegen haben? (z.B. schlechte Trainingsdaten)

10 Min.: Die numerische Darstellung von Wahrscheinlichkeiten wird zwar im folgenden Beispiel nicht deutlich, umso deutlicher wird jedoch die zugrunde liegende Datenmenge, die für Machine Learning Anwendungen notwendig sein kann. Gemeinsam rufen sie im Browser quickdraw.withgoogle.com auf. Die Schüler*innen sollen das Programm ausprobieren, indem sie den Anweisungen in der Anwendung folgen. Die Verwendung von Ton und Kopfhörern ist möglich, aber nicht zwingend notwendig, da auch eine visuelle Ausgabe erfolgt.

15 Min.: In der erneuten Diskussion sollte folgender Zusammenhang verdeutlicht werden: Intelligente Maschinen müssen

1. Daten sammeln,
2. Daten analysieren,
3. → Muster erkennen und lernen und sog.  Modelle bauen und
4. Schlussfolgerungen für Daten ziehen, die noch nicht bekannt sind, d.h. Vorhersagen basierend auf Wahrscheinlichkeiten treffen.
5. Die dadurch getroffenen Vorhersagen können falsch sein.

(+15–45 Min.) Empfohlene Vertiefung:

Wenn mehr Zeit zur Verfügung steht, kann sich eine Stehgreif-Diskussion anschließen, bei der (provokante) Aussagen zu den Chancen und Risiken von ML-Anwendungen (Materialblatt_MachineLearning_22PDF | DOCX | ODT) zum Vorschein kommen. Die Schüler*innen gehen einzeln oder in 2er-Teams nach vorn und ziehen blind einen Zettel. Nach dem lauten Vorlesen der Aussage nehmen sie dazu bejahend oder verneinend Stellung, andere Schüler*innen stimmen zu oder kontern. In der Diskussion dieser Thesen sollten verschiedene Aspekte vorkommen; v.a. welche Gefahren es birgt, wenn wichtige Entscheidungen (einzig) auf Basis von Berechnungen und Vorhersagen getroffen werden.

Hinweise

Die Aussagen und Beispiele von Materialblatt_MachineLearning_22 (PDF | DOCX | ODT) im Vorfeld der gewünschten Vertiefung bitte ausschneiden und ein- oder zweimal gefaltet in einen undurchsichtigen Beutel o.ä. Behälter geben.

Die hier verwendeten Fotos stehen unter www.medien-in-die-schule.de/ unterrichtseinheiten/machine-learning/modul-2-wie-funktioniert-machine- learning/ue2-b-wie-lernen-wir-wie-lernen-maschinen/ zur Verfügung und können auf den Schulcomputer heruntergeladen werden.

Zusätzlich dazu können auch Bilddateien aus kostenlosen Bildarchiven genutzt werden.

Materialien