Künstliche Intelligenz verstehen: Muster erkennen
Kompetenzen der Digitalen Grundbildung
- Orientierung
Kerngebiete
Ressourcen
- Tiere zeichnen - PDF Auftragskarten oder selbst verfasste Aufträge
- Pinnwand oder Tafel mit Magneten
- Beamer oder digitales Whiteboard
Das Thema Künstliche Intelligenz ist längst in unserem Alltag angekommen. Hinter jedem Google-Suchergebnis, hinter jedem Musikvorschlag von Siri oder Alexa steckt eine KI, die wir mit meist unwissentlich von uns zur Verfügung gestellten Daten trainiert haben. Darum ist das Thema von großer gesellschaftlicher Bedeutung:
In dieser Praxisidee lernen Schüler:innen, wie solche Entscheidungen zustande kommen und wie eine KI denkt und lernt. Sie lernen auf kindgerechte Weise, wie Daten in Kategorien eingeteilt werden und wie neue Daten anhand von gemeinsamen Mustern diesen Kategorien zugeordnet werden.
Kinder sollen verstehen, wie sie selbst Menschen und Gegenstände erkennen und dann darauf überleiten, dass auch Computer Bilder auf ähnliche Weise erkennen können.
Modul A: Kategorisieren
AKTIVITÄT | Alle in eine Reihe!
Plenum
Das Spiel ist gut geeignet, um die Idee des Sortierens bzw. der Kategorisierung zu vermitteln.
Sortieren ist eine der wichtigsten Aufgaben von Computersystemen. In Datenbanken werden den gespeicherten Elementen Eigenschaften zugewiesen, um sie danach nach verschiedenen Kriterien sortieren zu können. Diese Eigenschaften müssen in Zahlen ausgedrückt werden, damit ein Computer sie verarbeiten kann. Hier kann das an einem einfachen Beispiel geübt werden.
Die Aufgabe der Kinder ist, sich in einer Reihe aufzustellen, nach verschiedenen Kriterien. Zum Beispiel:
- Länge des Vornamens
- Geburtstag (nur Monatstag)
- Alphabetisch nach Vornamen
- Farben des Regenbogens, je nach Hauptfarbe der Kleidung
- Grad der Müdigkeit/des Hungergefühls
Eine Option ist, dass ein Kind die Rolle des Computers übernimmt und die anderen nach vorgegebenen Kriterien aufstellt.
REFLEXION | Wie erkennen wir andere Menschen?
Plenum
Die Kriterien des Spiels haben eine recht eindeutige Kategorisierung ermöglicht. Der letzte Punkt - Müdigkeit/Hungergefühl - lässt sich aber nicht in Zahlen fassen. Damit kann die Reflexion beginnen:
- Wie können Eigenschaften eindeutig definiert werden, um Elemente danach zu sortieren? Ist das immer möglich?
- Wie kann man Menschen, Tiere, Gegenstände eindeutig erkennen?
- Denkt an eine Person, die euch nahe steht - Eltern, Geschwister, Freund:innen. An welchen Merkmalen erkennt ihr sie?
- Wie kann man die persönlichen Merkmale am besten beschreiben? Z.B. Haarfarbe, Augenfarbe … Könnt ihr die Person so beschreiben, dass auch jemand sie erkennt, der sie noch nie gesehen hat?
- Macht es einen Unterschied, ob man jemanden auf einem Foto oder in Wirklichkeit sieht? Was fehlt auf einem Foto?
- Was ist wichtig, um Menschen oder Tierarten zu erkennen? Wie habt ihr gelernt, wie eine Katze aussieht?
Modul B: Kriterien entwickeln
AKTIVITÄT | Tiere zeichnen
Einzelarbeit
Das Ziel der folgenden Aktivitäten ist es, Kriterien herauszuarbeiten, nach denen Tiere, Menschen, Dinge oder auch Begriffe eindeutig bestimmten Kategorien zugeordnet werden können.
Die Zeichen-Auftragsbilder werden in ausreichender Anzahl ausgedruckt, sodass von jedem Auftrag (etwa) die gleiche Zahl an Blättern vorhanden ist. Sie können auch selbst Auftragsblätter schreiben, die darzustellenden Tiere oder Objekte müssen sich nur in mehreren Aspekten klar unterscheiden.
Dann werden die Auftragsblätter an die Schüler:innen ausgeteilt, die nun das zugewiesene Tier auf das Blatt zeichnen sollen. Dafür stehen etwa 5 Minuten Zeit zur Verfügung, die Darstellungen müssen nicht besonders detailliert sein.
Dann werden die Zeichnungen eingesammelt und nach Themen getrennt auf einer Pinnwand aufgehängt.
AKTIVITÄT | Kriterien entwickeln
Plenum
Aus den einfachen Zeichnungen sollen nun Erkennungsmerkmale für die Kategorien "Katze", "Frosch" und "Fisch" entwickelt werden.
Die Schüler:innen gehen dabei in drei Schritten vor:
- Was haben die Zeichnungen eines Themas gemeinsam? Welche Elemente kommen z.B. bei der Darstellung des Fisches immer oder häufig vor? (Flossen, Kiemen, Luftblasen ….) Die Antworten werden nach Bildthemen getrennt an der Tafel bzw. am Whiteboard gesammelt.
- Welche Elemente sind eindeutig nur einem Tier zuzuordnen? Z.B.: Ein Maul haben alle drei Tierarten, vier Beine haben Frosch und Katze, Krallen hat nur die Katze… Die Antworten werden nach Bildthemen getrennt an der Tafel bzw. Whiteboard gesammelt oder unter den nach der ersten Frage gegebenen Antworten markiert.
- Die Schüler:innen entwickeln nun die Kriterien, mit deren Hilfe die drei Tierarten eindeutig zu identifizieren sind. Z.B.: Zahl der Beine, Fell ja/nein, Schwanz … Zählen Sie auch die Merkmale auf, die nicht beachtet werden müssen, weil sie allen gemeinsam sind, z.B. ein Maul oder zwei Augen. Für welche Tierarten könnten diese Merkmale aber wichtig sein?
Hinweis: Die Ergebnisse sind nicht immer eindeutig, wenn in einem Bild z.B. nur wenige Elemente zu erkennen sind.
Erklären Sie den Schüler:innen, dass die Kombination von Bildelementen auch als "Muster" bezeichnet wird. Die Erklärung könnte so aussehen:
Die drei Tierarten sind unsere Kategorien. Die Tiere aus jeder Kategorie weisen ein eindeutiges Muster auf. Ein einzelnes Bildelement ist selten eindeutig, aber wenn ein Bild das Muster "vier Beine, Schwanz, spitze Ohren, Schnurrhaare" aufweist, gehört es eindeutig in die Kategorie "Katze".
Auch Computersysteme können Bildelemente erkennen, daraus Muster ableiten und Bilder Kategorien zuordnen. Allerdings nur dann, wenn sie vorher mit einer großen Zahl von Bildern - vielen tausend - aus jeder Kategorie trainiert worden sind. Mit dem Begriff Künstliche Intelligenz wird ein solches Computersystem bezeichnet, das in begrenztem Ausmaß Entscheidungen treffen kann.
AKTIVITÄT | Bilderkennung ausprobieren
Plenum oder Einzelarbeit
Am digitalen Whiteboard oder Beamer wird das Programm AutoDraw geöffnet. (https://www.autodraw.com/) Kinder können nun ein beliebiges Bild zeichnen. Sie können das auch am eigenen digitalen Gerät ausprobieren.
Das Programm greift auf eine große Datenbank zu; im Hintergrund versucht ein KI-System, aus den Zeichnungen ein Muster zu erkennen und sie fertigzustellen.
Bereits nach wenigen Strichen erscheinen mehrere Vorschläge, worum es sich handeln könnte.
Reflexion
Reflektieren Sie gemeinsam mit den Schüler:innen:
- Wie ist es euch mit diesen Übungen gegangen?
- Hier war es einfach, die passenden Muster für jede Tierart zu finden. Welche Elemente müssten noch dazu kommen, wenn man z.B. Hunderassen unterscheiden möchte?
- Wenn ihr eine rosa Schildkröte seht, warum erkennt ihr sie trotzdem noch als Schildkröte? Eine KI würde das wahrscheinlich nicht erkennen. Was könnte hier der Unterschied zwischen einer KI und euch als Menschen sein?
- Warum werden in Autodraw bei jeder Zeichnung viele verschiedene Bilder angeboten? Welche Muster "sieht" das Programm?
- Wie kann es in solchen Systemen zu Fehlern, also Zuweisungen zur falschen Kategorie, kommen? Z.B. durch zu wenige Beispieldaten oder Abweichungen von der Norm - eine Katze mit runden Ohren könnte als Hund erkannt werden.
Sachinformationen
Der Begriff "Künstliche Intelligenz" (KI) ist nicht einfach zu definieren. In den Bereich der KI fallen mehrere informatische Subdisziplinen: Maschinenlernen, Bildanalyse, Robotik, Sprachverarbeitung etc. Die theoretischen Grundlagen für solche Systeme sind schon lange bekannt, aber fortgeschrittene KI benötigt sehr viel Datenmaterial und leistungsfähige Computer, die es erst seit wenigen Jahren gibt.
Von "traditionellen" Algorithmen unterscheiden sich KI-Systeme dadurch, dass sie auf Grundlage von Daten Entscheidungen treffen können, also in begrenztem Umfang autonom handeln. Dafür müssen sie mit großen Mengen entsprechend aufbereiteter Daten trainiert werden. Aufgrund lückenhafter Trainingsdaten liefern KI-Systeme oft verzerrte Ergebnisse (Bias). Dieser Verzerrung müssen sich die Nutzer:innen bewusst sein. Beispielsweise werden in den USA schwarze Menschen wesentlich öfter aufgrund eines falschen Verdachts inhaftiert als Weiße. Das liegt unter anderem daran, dass Gesichtserkennungssysteme vorwiegend mit Fotos weißer Menschen trainiert wurden und daher bei Schwarzen oft falsche Ergebnisse liefern.