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 občas popletení. Tentokrát děti čeká dobrodružství v supermarketu!
45—90 minut, 3.—5. ročníky ZŠ
Pedagog: projekční zařízení a prezentaci k promítnutí, fotoaparát
Žáci: potřeby na tvůrčí činnost, zařízení do skupin
Předpojatost
Pokud připravíme špatná data, ze kterých se počítače učí rozpoznávat různé věci, tak je tyto počítače také špatně rozpoznávají.
Na základě porozumění konceptu předpojatosti kriticky posuzují fungování systému umělé inteligence.
Připraví data pro trénink modelu strojového učení a otestují, zda model dokáže s těmito daty správně rozpoznávat různé věci.
Informatika:
Data, informace a modelování:
I-5-1-01 uvede příklady dat, která ho obklopují a která mu mohou pomoci lépe se rozhodnout; vyslovuje odpovědi na základě dat
I-5-1-03 vyčte informace z daného modelu
Zapamatování: Žáci vysvětlí pojem předpojatost.
Aplikace: Připraví data pro trénink modelu strojového učení.
Hodnotit: Vyhodnotí fungování modelu strojového učení.
Informace a komunikace
Aplikace: Žáci připraví data pro trénink modelu strojového učení.
Analýza: Analyzují, jak kvalita a rozmanitost tréninkových dat ovlivňují přesnost modelu.
Hodnocení: Vyhodnotí fungování modelu strojového učení.
2-A-IV Reprezentace (příznakové vektory)
2-C-II Usuzování (usuzovací algoritmy)
3-A-VI Podstata učení (učení se ze zkušenosti)
3-C-III Datové sady (předpojatost)