Unterrichtsstunde: Einblick in Künstliche Intelligenz gewinnen

8. Dezember 2019 - Lesezeit: 8 Minuten

Künstliche Intelligenz (KI) ist in aller Munde. Nur noch nicht im Informatikunterricht. Dieser Artikel beschreibt, warum KI auch in den Unterricht gehört und macht einen Vorschlag, wie jungen Schüler*innen ein Einblick gegeben werden kann.

Fachwissenschaftlicher Hintergrund

Reden wir im Alltag von künstlicher Intelligenz wird zumeist nur das maschinelle Lernen gemeint. Erster Begriff meint etwa auch Expertensysteme mit, welche Fachwissen beinhalten und darauf aufbauend logische Schlüsse ziehen. Im Bereich des maschinellen Lernens wiederum denken die meisten wiederum nur an künstliche neuronale Netze, welche ab einer gewissen Tiefe für Deep Learning genutzt werden. Dies ist verständlich, da diese sich sehr gut für überwachtes Lernen anhand unstrukturierter Daten eignen. Meint ich kann super Texte, Bilder, Töne und/oder Videos damit als Eingabemenge nehmen und mehr oder weniger verlässliche Ergebnisse daraus gewinnen. Das lässt sich für ein großes Publikum anschaulich darstellen. Wenn ich es nun aber schaffe mit Entscheidungsbäumen verschiedene Betonsorten zu klassifizieren, dann ist das vorsichtig formuliert nur für einen begrenzten Kreis von Interesse.

Welche Dimensionen des maschinellen Lernens sind dann wichtig?

• Supervised Learning

• Unsupervised Learning

• Reinforcement Learning

Hier von Iskender Dirik und Microsoft sehr schön veranschaulicht:

Didaktische Grundlage

Den Eingeweihten oder Älteren unter uns ist schon aufgefallen, das Thema ist nicht neu. Nur jetzt haben wir die Rechenkraft dazu die mathematischen Modelle praktisch zu nutzen. Warum als jetzt in den Informatikunterricht damit? Es hat eine sehr hohe Bedeutung in der Gesellschaft erhalten. Es dominiert schon jetzt Teile des Alltags und hat das Potential als Grundlage der 4. Revolution die Datenverarbeitung vollständig zu automatisieren und damit zu einem ungeahnten Wissenszuwachs zu führen. Zu Argumentieren, dass dies ein gesellschaftliches Thema sei und man bereits Algorithmen behandle greift zu kurz, da hier eine neue Qualität ins Spiel kommt. Stefan Seegerer hat das sehr eingängig visualisiert:

Während ein Algorithmus programmiert wird und aus Eingaben und definierten Umformschritten eine Ausgabe erzeugt kann man vereinfacht sagen wird beim maschinellen Lernen Aus Eingabe und Ausgabe die notwendigen Umformschritte ermittelt:

Nach dem W-K-W-Modell (Wissen-Können-Werte, nur fehlt mir hier eine gute Quelle) oder dem aus meiner Sicht sehr ähnlichen Dagstuhldreieck kann man sehr gut erläutern, welche Inhalte notwendig sind:

Anwendungsbezogene Perspektive - Wie verwende ich Maschinelles Lernen? Auf der Ebene eines Endanwenders (etwa Alexa, Siri) oder auf der Ebene eines Entwicklers (Wie verwende ich Tensorflow?)

Technologische Perspektive - Wie funktionieren die verschiedenen Arten des Maschinellen Lernens?

Gesellschaftlich-kulturelle Perspektive - Was bedeutet das maschinelle Lernen für mich persönlich und für mein Leben in der Gesellschaft?

Vorschlag für den Unterricht

Hier möchte ich eine Einführungsstunde beschreiben, wo bereits in der 7./8. Klasse die Grundlagen auf eine unterhaltsame Weise nähergebracht werden. Ich habe sie fünfmal als Vertretungsstunde (90min) gehalten. Auch ohne Informatikraum lässt sie sich mit Smartphones gut unterrichten.

1. Sicherung Ausgangsniveau

Wer hat denn das Wort künstliche Intelligenz schon gehört? (Dieser Begriff wird im Zuge der didaktischen Reduktion verwendet.)

2. Motivation

Was kann eine KI schon heute? Zeige die Bilder auf der Folie und lass die Schüler*innen raten/abstimmen, was schon heute möglich ist. Da das letzte Beispiel mit Absicht sehr schwer gewählt wurde, kann man die Seite auch ganz praktisch ausprobieren lassen.

3. Erarbeitung

Erkläre zuerst was KI von "klassischen Programmen" unterscheidet und führe danach alle drei Arten der künstlichen Intelligenz ein. Hier kann eine Mischung aus Lehrervortrag und Video gewählt werden. Das Video mit Super Mario, sollte ohne Ton übersprochen werden, da das für die Kleinen sonst zu komplex ist.

4. Übung/Anwendung

Supervised Learning mit Neuronalen Netzen kann als Video gezeigt werden. Mit mehr Zeit und älteren Lernenden, kann auch auf buch.informatik.cc/ki/ eins oder beide Beispiele durchgerechnet werden.

Supervised Learning mit Entscheidungsbäumen kann mit AI unplugged und der Frage, welcher Affe beißt? wunderbar ausprobiert werden. Am Ende kann bei dem großen Baum ein Wettbewerb stehen, welcher Baum die meisten richtig einsortiert. An dieser Stelle sollte schon darauf hingewiesen werden, dass eine KI sich offensichtlich irren kann.

Beim Reinforcement Learning spielt man gegen den Rechner Bauernschach. Ich habe das auch mit AI unplugged probiert. Muss aber gestehen, dass ein Gróßteil der Gruppen einfach nur meine Süßigkeiten gesnackt hat. Daher hat Stefan Seegerer freundlicherweise ein plugged der unplugged Version geschrieben (Schlag das Krokodil)

Unsupervised Learning hat r2d3.us unübertroffen visualisiert. Das lasse ich in der 7./8. Klasse weg. Zum einen fehlt die Zeit zum anderen ist die englische Beschreibung des amerikanischen Wohnungsmarktes nicht so super spannend.

5. Reflexion

Den gesellschaftlichen Bogen kann man mit QualityLand, der Moral Maschine oder dem Turing Test gut schlagen.

Unterrichtsmaterial