Kurikulum umělé inteligence pro základní a střední školy

AI v informatice na 2. stupni a SŠ

Předpojatost

Karta 03 z balíčku Strojové učení

Předpojatost

Systémy umělé inteligence se učí na datech, která připravují lidé. Špatně připravená, nevyvážená data nebo jejich nedostatek mohou způsobit, že umělá inteligence bude určitým způsobem předpojatá. Žáci pokračují s aktivitou Mimozemská detektivní kancelář.

Informace o lekci

Dotace

45 minut

Ročníky nebo prekoncepty

2. stupeň ZŠ a víceletá gymnázia

Pomůcky

Pedagog: sady kartiček v rodinami mimozemšťanů, projekční zařízení, prezentaci.
Žáci: Počítač, notebook nebo tablet (ale ne s OS Android) pro každého žáka nebo do skupiny.

Klíčová slova

Předpojatost, dataset, strojové učení

Co se žáci učí

Systémy strojového učení jsou předpojaté.
Předpojatosti lze předcházet testováním modelu a úpravou datasetu.

Proč se to učí

Cíl pro balíček karet Strojové učení: Kriticky posoudí rozhodování systémů umělé inteligence.

Jak poznáme, že se to naučili

Vysvětlí pojem předpojatost.

Výstupy RVP

Data, informace a modelování
I-9-1-04 zhodnotí, zda jsou v modelu všechna data potřebná k řešení problému; vyhledá chybu v modelu a opraví ji.

Bloomova taxonomie

Porozumění: Rozumí, jak nedostatečná nebo špatně reprezentativní data vedou k předpojatosti v modelech AI.
Aplikace: Používají nástroj Teachable Machine pro trénování a testování modelu, identifikují případy předpojatosti v datech.

Digitální kompetence

Informace a komunikace

Pět velkých myšlenek

3-C-III Datové sady (předpojatost)

Metodický materiál

Verze: 03
Počet pilotáží: 03
Poslední aktualizace: 06/24

Autoři: Radek Špáta a Eva Nečasová
Odborní garanti: Pavel Kordík, Tomáš Mlynář
Jazyková korektura: zatím neproběhla