Uczniowie jak neurony. Czyli jak wytłumaczyć AI?

• Uczniowie mieli okazję zapoznać się ze środowiskiem tzw. piaskownicy AI, czyli playgroundem.

• Na specjalnej platformie mogli obserwować działanie sieci neuronowych, na których opiera się znana nam na co dzień sztuczna inteligencja.

• Jej zastosowania pojawiają się w coraz to nowych obszarach życia codziennego. Symulację przygotował koordynator ds. cyfryzacji, Przemysław Bohonos.

• Symulacja została zrealizowana w Akademii Szkolnictwa AS w Inowrocławiu.

Jak działa sztuczna inteligencja?

Sztuczna inteligencja bazuje na tzw. sieciach neuronowych. Te struktury przypominają działanie biologicznych neuronów, które rejestrują dane wejściowe (tzw. bodźce), a następnie przekazują je dalej do innych neuronów. Przekazywanie bodźców trwa do momentu, gdy ostatni neuron prześle informację do „mózgu”. Wówczas przykładowo odczuwamy ukłucie.

Sztuczny neuron działa podobnie do swojego biologicznego odpowiednika. Składa się z:

• wejść neuronu (odpowiedniki dendrytów, przesyłających sygnały),
• bloku sumującego (pełniącego funkcję jądra komórkowego),
• wyjścia neuronu (synapsy).

W sztucznym neuronie zawsze występuje tylko jedno wyjście.

Uczniowie jak neurony

Uczniowie klas III mieli możliwość sprawdzenia, jak działają neurony oraz środowisko AI.
Grupa trzech uczniów otrzymała zadanie przedstawienia pozostałej części klasy (bez użycia słów, jak w kalamburach) znanego polskiego przysłowia. Zanim do tego doszło, każdy z pozostałych uczniów dostał jedno słowo, które w pewnym sensie nawiązywało do przysłowia. Kilkoro z nich otrzymało jednak tzw. fałszywe dane, czyli zakłócenia.

Symulacja odzwierciedlała rzeczywiste problemy sieci neuronowych, które muszą rozpoznawać istotne informacje i odrzucać tzw. szum. Na potrzeby sprawnej symulacji pominięto warstwy neuronowe.

Na czym polegało zadanie uczniów?

Scenka prezentująca dane początkowe była odpowiednikiem wejścia (input). „Neurony” – czyli uczniowie – analizowali swoje słowa i wymieniali się informacjami, naśladując działanie neuronów w ukrytych warstwach sieci. Wymiana zdań między uczniami symbolizowała przepływ danych (połączenia między neuronami), a ostateczny rezultat, czyli zgadywanie przysłowia, był odpowiednikiem wyniku (output).

Każdy „neuron” działał na podstawie własnych danych (pojedynczych słów, które otrzymał) oraz informacji uzyskanych od innych. Jeśli uczeń zauważył, że otrzymane informacje (hasła) były fałszywe lub niepasujące do kontekstu, miał obowiązek poinformować o tym resztę klasy. Gdy uczeń „aktywnie” wykorzystał swoje słowo (np. zauważając jego zgodność z innymi), symbolizowało to aktywację neuronu w sieci.

Dzięki temu doświadczeniu uczniowie nie tylko zrozumieli rolę neuronów w sztucznej inteligencji, lecz także pracowali w sposób bardziej zaangażowany. Symulacja kończyła się, gdy udało się odgadnąć główne hasło.

Powrót do „piaskownicy”

Piaskownica sieci neuronowych umożliwia uczniom obserwowanie, jak komputer uczy się rozwiązywać problemy, np. rozróżniać kolory kropek, analizując dane. Uczniowie mogą eksperymentować z parametrami, takimi jak liczba neuronów czy warstw, i sprawdzać, jak wpływają one na skuteczność działania sieci.

Dzięki takim doświadczeniom uczniowie lepiej rozumieją, jak działa sztuczna inteligencja i dlaczego kluczowe są odpowiednie ustawienia modeli AI.

[ZT]37514[/ZT]

[ZT]37511[/ZT]

[ZT]37510[/ZT]