Kurikulum umělé inteligence pro základní a střední školy

AID_logo_aikurikulum_white_heavy_150

AI na prvním stupni v informatice

Ucelený vzdělávací koncept AI pro informatiku na 1. stupni (ideálně třetí až páté ročníky), který vzniká v rámci Kurikula umělé inteligence pro základní a střední školy, se jmenuje Ju a Pí. Jedná se celkem o 9 metodických materiálů k lekcím v dotaci 45 minut. Pohádky a aktivity s roboty Ju a Pí, kteří chtějí moc pomáhat lidem, ale často všechno popletou, provedou děti koncepty dat, strojového učení, předpojatosti, velkých jazykových modelů a ambientní inteligence.

Mapa učebního pokroku — Ju a Pí

Mapa učebního pokroku definuje koncepty, kterým by měly děti porozumět na 1. stupni ZŠ. Minimální doporučené koncepty jsou plně modré, doporučené doplňující koncepty plně bílé. Ke každému konceptu vzniká metodický materiál.

Jednotlivé metodické materiály

Několik málo poznámek k detailům metodických materiálů:

1) Všechny materiály jsou tvořeny pomocí dokumentu Pět velkých myšlenek. To je rámec, který pomáhá tvůrcům kurikul umělé inteligence stanovovat standardy toho, co by měly děti znát a v jakém věku. Uvádíme je zde jako vodítko, které pomůže každému orientovat se ve vizualizaci koncepce AI kurikula, na níž průběžně pracujeme.

2) Uvádíme odkazy na pracovní soubory, i když jsou některé zatím prázdné. Přejeme si být co nejvíce transparentní, aby každý, kdo se chce na vývoji AI kurikula podílet, měl kdykoliv během procesu možnost do díla vstoupit a ovlivňovat jeho finální podobu.

3) Na této stránce neustále pracujeme a budou přibývat další informace, jako provázání s RVP, Bloomovou taxonomií apod.

01 Vnímání a učení (Roboti Ju a Pí se představují)

Ju i Pí se jsou naprogramovaní tak, že se chtějí neustále učit nové věci! Jenže co to vlastně znamená učit se? A jak a proč se učí lidé a roboti? Lidé vnímají věci pomocí smyslových orgánů, stroje pomocí senzorů.

Lidské smysly, senzory

Co se žáci učí?
Lidé vnímají pomocí smyslových orgánů, stroje pomocí senzorů.
Lidé vytváří technologie, aby si usnadnili život.

Proč se to učí?
Na základě porozumění rozdílů mezi vnímáním lidí a strojů žáci uvedou vhodné způsoby spolupráce člověka a technologie.

Jak poznáme, že se to naučili?
Žáci popíší rozdíly ve vnímání lidí a strojů.
Uvedou pozitivní přínosy technologie pro jednotlivce nebo společnost.

Informatika: Digitální technologie
I-5-4-02 propojí digitální zařízení, uvede možná rizika, která s takovým propojením souvisejí

Informatika: Informační systémy
I-5-3-02 pro vymezený problém zaznamenává do existující tabulky nebo seznamu číselná i nečíselná data

Vnímání
1-A-II počítačové senzory

Učení
3-A-I lidé vs. stroje

Společenské dopady
5-D-II využití AI k řešení společenských problémů

02 Co je a co není AI (Roboti v muzeu)

Umělá inteligence je počítačový program, který je schopný vykonávat úlohy, na které bylo dříve třeba lidského intelektu. Vymýšlí ji lidé a začali s tím kdysi dávno — v 50. letech minulého století! Jak vypadala babička robotů Ju a Pí? A proč vlastně lidé vymýšlejí technologie? S čím nám můhou pomoci?

Co se učím?
1) Lidé vyvíjejí technologie proto, aby si usnadnili život.
2) Některá zařízení v každodenním životě využívají AI, jiná ne.

Proč se to učím?
1) Rozumím, jakou roli hraje využití AI v kontextu mého světa a jak mi může pomoci.

Jak poznám, že jsem se to naučil/a?
1) Vysvětlím, proč lidé vyvíjejí technologie a uvedu příklady, kdy lidé vyvinuli technologii dobře i špatně.
2) Vyjmenuji některá zařízení nebo služby využívající AI.

Vnímání
1-B-I vnímání vs. zpracování

Společenské dopady
5-B-I AI v každodenním životě

03 Strojové učení (Jak si roboti čistili zuby)

Roboti by si rádi vyčistili své plechové zuby, ale moc nevědí, jak na to. Pojďme je to naučit! Nejdřív jim zkusíme popsat přesný postup — pěkně krok za krokem: vzít kartáček, vymáčknout pastu... ale ejhle! Ju vymáčkl pastu na druhý konec kartáčku a Pí si ji dal rovnou na zuby! Takhle to nepůjde.

A tak místo toho, abychom robotům popisovali, co přesně mají dělat (tomu se říká algoritmus), raději jim rovnou ukážeme hodně příkladů, jak si čistí zuby lidé. Videa, obrázky... a oni se to z toho naučí mnohem lépe a rychleji! A tomu se říká strojové učení! Je to skvělá metoda, jak se učí stroje, tedy i Ju a Pí.

Co se učím?
1) Algoritmus a strojové učení jsou dva odlišné přístupy.
2) Místo toho, abychom strojům přesně popisovali nějaký postup (algoritmus), ukážeme jim velké množství příkladů, ze kterých se samy naučí, jak vykonávat konkrétní úlohy (strojové učení).

Proč se to učím?
1) Porozumím rozdílům mezi algoritmem a strojovým učením.

Jak poznám, že jsem se to naučil/a?
1) Vysvětlím pojmy algoritmus a strojové učení a uvedu jejich hlavní rozdíly.

Učení
3-A-I lidé vs. stroje

04 Data (Roboti s hlavou v oblacích)

Ju a Pí se někdy zasní s hlavou v oblacích a pak vidí spousty zajímavých věcí, ze kterých se mohou učit. My lidé jim říkáme data. Taková data jsou často online (v oblacích internetu) a vytváříme je my, lidé.

Co se učím?
1) Stroje se učí z dat.
2) Čím komplexnější chování od strojů vyžadujeme, tím více dat jim musíme poskytnout.

Proč se to učím?
1) Chápu, že vytvářím data, ze kterých se AI může učit.

Jak poznám, že jsem se to naučil/a?
1) Bude doplněno.

Koncept dat dokument Pět velkých myšlenek nezahrnuje.

05 Učení se z příkladů (Roboti na výstavě koček)

Ju a Pí se ocitli na výstavě koček a byli celí paf! Tolik plemen, zbarvení a velikostí! Jak mají pak poznat kočku, když je každá jiná? Aby se totiž roboti naučili dobře rozpoznávat kočky, musí jich vidět opravdu hodně. Uvidíme, jak v tom budou dobří!

Co se učím?
1) Stroje se učí díky metodě, která se nazývá strojové učení.
2) Stroje se mohou učit rozpoznávat nové věci, pokud předtím „viděli“ jejich příklady.
3) Aby stroj rozpoznával rozmanité věci, musí „vidět“ mnoho příkladů.

Proč se to učím?
1) Porozumím, že stroje mohou na základě příkladů rozpoznávat věci, které předtím „neviděli“.

Jak poznám, že jsem se to naučil/a?
1) Vysvětlím, proč stroj někdy rozpozná věci špatně.

Učení
3-A-I lidé vs. stroje
3-A-II hledání vzorů v datech
3-C-II velké datové soubory

06 Učení se ze zkušeností (Robotí dobrodružství v bludišti)

Ju a Pí se vydali na dobrodružnou výpravu do tajemného podzemního bludiště! A navíc se Pí chce vsadit s Ju, kdo najde cestu ven nejrychleji! Budou se muset naučit orientovat v bludišti prostě tak, že budou zkoušet nové cesty, dokud nenajdou tu nejlepší. Pomůžeme Ju nebo Pí ji najít?

Co se učím?
1) Stroje se mohou učit také ze zkušeností, využívají k tomu metodu pokus omyl.
2) Čím složitější úlohu mají stroje vyřešit, tím více pokusů jejich učení vyžaduje.

Proč se to učím?
1) Porozumím, že nejen my, ale také stroje se mohou učit ze zkušeností.

Jak poznám, že jsem se to naučil/a?
1) Popíšu konkrétní strategii, která přivedla roboty k výhře.

Učení
3-A-VI učení se ze zkušenosti

07 Předpojatost v počítačovém vidění (Ju na nákupu)

Aby roboti věděli, na co se zrovna dívají, musíme jim ukázat spousty a spousty věcí a pojmenovat je. Jenže když ukážeme robotům špatné příklady nebo jim jich dáme příliš málo, jsou roboti občas popletení.

Pí by rád udělal ovocný salát a tak se Ju vydá na nákup do supermarketu. Jenže jejda! Jak vlastně poznat ovoce? Jestlipak Pí opravdu ten ovocný salát udělá?

Co se učím?
1) To, jak stroje rozpoznávají věci, je závislé na příkladech, které jim poskytneme.
2) Když stroje nerozpoznávají věci správně, mohou být předpojaté.

Proč se to učím?
1) Porozumím, že když stroj nerozpoznává věci správně, musím mu poskytnout vhodnější příklady (nebo jejich větší množství), ze kterých se to naučí lépe.

Jak poznám, že jsem se to naučil/a?
1) Vysvětlím jak vzniká předpojatost.

Učení
3-C-II velké datové soubory
3-C-III předpojatost

08 Velké jazykové modely (Pí ve vesmíru slov)

Pí má v noci strašidelný sen! Stal se z něj kosmonaut a objevuje neprobádaný vesmír, kde jsou místo hvězd slova. Ale robot aby se v nich vyznal! Proč mají některá slova k sobě blíže než k jiným? Ju se moc diví, co povídá Pí v noci ze spaní.

Co se učím?
1) Velký jazykový model je program, který „viděl“ velké množství textů a díky tomu dokáže generovat nové.
2) Velký jazykový model generuje texty na základě sémantických vazeb mezi slovy.
3) Z principu svého fungování někdy velký jazykový model generuje nesmysly nebo nepřesnosti.

Proč se to učím?
1) Rozumím, že velké jazykové modely mohou generovat nesmysly nebo nepřesnosti.

Jak poznám, že jsem se to naučil/a?
1) Vysvětlím, jakým způsobem velký jazykový model generuje texty a proč jsou to někdy nesmysly nebo nebo texty obsahují nepřesnosti.

Přirozená interakce
4-A-I struktura jazyka
4-A-II mnohoznačnost jazyka

09 Ambientní inteligence (Roboti mají mazlíčky)

Ju a Pí si pořídili mazlíčky! Robo-kočičku Majdu a robo-pejska Filípka. A protože roboti pořád něco pletou, tak jim Majda s Filípkem doma pomáhají.

Co se učím?
1) Díky ambientní inteligenci mohou lidé přirozeně ovlivňovat své okolí pomocí technologie, aniž by přímo vnímali, že ji využívají.
2) Ambientní inteligence s sebou přináší také etické otázky.

Proč se to učím?
1) Připravím se na fungování budoucího světa, do něž bude technologie prorůstat v podobě, která je pro lidi přirozenější.

Jak poznám, že jsem se to naučil/a?
1) Vysvětlím pojem ambietní inteligence.

Společenské dopady
5-B-II důvěra a odpovědnost
5-C-I dopady AI na různé společenské oblasti
5-D-I demokratizace umělé inteligence

Galerie