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.
Soubory ke stažení
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)
