コース

6年生のAI：AIとコンピューティング思考

アルゴリズムとデータを学び、機械学習のモデルがどう訓練され、テストされるかを見よう。

レッスンを順にやろう。終わるころには、AI、機械学習、生成AIを見分けて、本物のAIアプリの入力、モデル、出力を言える。ループと条件でアルゴリズムを書き、決定木を作れる。ピクセルとテキストが数として保存されるしくみを説明し、いちばん近い例で点を分類し、テスト結果から正解率を計算できる。ニューロンが入力を重みと組み合わせるしくみを説明し、文をトークンに分け、AIアプリを正解率、公平さ、プライバシーで採点し、植物の分類器を発表して、そのまちがいを説明できる。

このレッスンのつかいかた

「これをやる」のレッスンからはじめよう。タイトルの下の文が、ひとりでできたら、つぎにすすもう。
はじめにゲームをしよう。それからクイズをしよう。10問中8問正解で合格。ワークシートは紙。答えは下にある。
どのレッスンも、前のレッスンの上に積み上がる。むずかしいレッスンは、ひとつ前にもどろう。
先生が認めたAIツールだけを使おう。チャットボットに個人情報を貼り付けない。AIの答えは毎回確かめ、自分の作業のどこをAIが手伝ったか言おう。

どのレッスンにもゲーム、クイズ、ワークシートがあります。

0/36

AIを理解する

1AI、機械学習、生成AIAI、機械学習、生成AIを見分けられる。
- AI、機械学習、生成AIを定義する。
- 三つがどう入れ子になるか、図にかく。
- アプリを10こ、3つのグループに分ける。
2AIの短い歴史AIの大切なできごとを、年表に置ける。
- チェスのコンピュータ、音声アシスタント、チャットボットを年表に置く。
- それぞれを可能にした変化を言う。
- 外れた予測を1つ言う。
3特化型AIと汎用AI今のAIが特化した仕事がいちばん得意な理由を説明できる。
- チェスのプログラムと人をくらべる。
- AIが得意な仕事と、苦手な仕事をリストにする。
- 汎用AIに何が必要か説明する。
4AIシステムを分析する本物のAIアプリの入力、モデル、出力を言える。
- 写真検索や翻訳のようなアプリを選ぶ。
- その入力、モデル、出力を図にかく。
- どのデータで訓練された可能性が高いか言う。

アルゴリズム

5順次アルゴリズムを、順次のステップとして書ける。
- アルゴリズムを定義する。
- サンドイッチを作るステップを書く。
- コンピュータには不明なステップを見つける。
6ループループを使って、ステップを繰り返せる。
- 繰り返すステップをループに置きかえる。
- 数を数えるループを使う。
- 条件を満たすまで動くループを使う。
7条件条件を使って、進む道を選べる。
- if、else if、elseを書く。
- 条件をand、or、notで組み合わせる。
- アルゴリズムを手でたどる。
8決定木動物を分ける決定木を作れる。
- 各枝ではい・いいえの質問をする。
- 自分の木で動物を10ひき分ける。
- それでも動く、いちばん短い木を見つける。

データの表し方

9数とカテゴリ数のデータとカテゴリを見分けられる。
- 特徴を数とカテゴリに分ける。
- カテゴリを数に変える。
- コンピュータに数が必要な理由を言う。
10数としての画像ピクセルが画像を数として保存するしくみを説明できる。
- 0と1のマス目に絵をかく。
- 赤、緑、青の値を混ぜる。
- 小さな写真の中の数を数える。
11数としてのテキストテキストを数として保存できるしくみを説明できる。
- 文字をコードに変える。
- リストの各単語に数を付ける。
- 各単語が何回出るか数える。
12データの表データを行、列、特徴の表に整理できる。
- 表計算で表を作る。
- 特徴とラベルのなまえを言う。
- 表を並べかえ、しぼり込む。

モデルの訓練

17訓練データモデルが訓練データから何を学ぶか説明できる。
- モデルは、自分で書くルールではなく、パターンを学ぶと言う。
- データを変えるとモデルが変わることを示す。
- モデルが偶然学んだパターンを見つける。
18テストデータテストデータを分けておく理由を説明できる。
- データを訓練用とテスト用に分ける。
- 二つのセットの点数をくらべる。
- モデルにとって「丸暗記」が何を意味するか説明する。
19正解率テスト結果から正解率を計算できる。
- 正しい予測を数える。
- 正解率をパーセントで書く。
- 90%でも悪いことがある理由を説明する。
20モデルを改善するデータを変えて、正解率をくらべ、モデルを改善できる。
- 例を増やす。
- まちがったラベルを除く。
- 変えるたびに正解率を記録する。

ニューラルネットの考え

21人工ニューロンニューロンが入力を重みと組み合わせるしくみを説明できる。
- 各入力に、その重みをかける。
- 合計して、しきい値とくらべる。
- 重みを1つ変えて、出力の変化を見る。
22層層が信号を前へ渡すしくみを説明できる。
- 入力層、隠れ層、出力層をかく。
- 小さなネットに数を通す。
- 層が多いと、より難しいパターンを見つけられる理由を言う。
23重みの学習学習のとき、訓練が重みを変えることを説明できる。
- 重みを予想し、誤差を確かめる。
- 誤差が小さくなるよう、重みを少し動かす。
- 訓練はこれを何度も繰り返すと言う。
24人間ニューラルネットクラスメートと、小さなニューラルネットを演じてみせる。
- 一人が一つのニューロンになる。
- 入力から出力へ信号を渡す。
- まちがった答えを直すため、重みを変える。

生成AI

25テキストの生成言語モデルが次のトークンを予測してテキストを生成することを説明できる。
- 文の次の単語を予測する。
- 物語から、次の単語を予測する小さな仕組みを作る。
- モデルが正しく聞こえても、まちがうことがある理由を言う。
26トークン文をトークンに分けられる。
- トークナイザーが単語をどう分けるか見る。
- 文の中のトークンを数える。
- 長い単語がいくつかのトークンになる理由を言う。
27プロンプトの実験プロンプトの一部を変えて、結果をくらべられる。
- 一度に一つだけ変える。
- 各プロンプトと結果を記録する。
- 各変更が何をしたか書く。
28生成の限界言語モデルが生成のときに事実を作り上げることがある理由を説明できる。
- AIの答えの中の、作り上げた事実を見つける。
- 予測がそれを生む理由を説明する。
- AIのテキストを確かめる方法をリストにする。

AIの倫理

29バイアスデータセットや結果の中のバイアスを見つけられる。
- AIのバイアスを定義する。
- あまり入っていないグループを見つける。
- それが結果をどう変えるか説明する。
30正解率と信頼AIの答えをいつ信頼してよいか決められる。
- リスクが低い使い方と高い使い方をくらべる。
- 人が確かめなければならないときを決める。
- 信頼のチェックリストを書く。
31プライバシーAIアプリが集めるデータを、プライバシーの点から説明できる。
- アプリのプライバシーのまとめを読む。
- 集めるデータをリストにする。
- 自分なら共有しないものを言う。
32AIシステムを評価するAIアプリを正解率、公平さ、プライバシーで採点できる。
- 3つの部分がある採点カードを作る。
- アプリを試し、カードに記入する。
- 直し方を一つ提案する。

AI探究プロジェクト

33プロジェクトを計画するプロジェクトの問いを書き、データセットを計画できる。
- 問いを書く。「この葉はどの植物？」
- 植物のグループを3つか4つ選ぶ。
- 訓練用とテスト用のセットを計画する。
34植物のデータを準備する葉の写真を分け、ラベルを付けて、植物のデータを準備できる。
- 用意された葉のデータセットを使う。
- ラベルを確かめる。
- テスト用のセットを分けておく。
35訓練とテスト植物の分類器を訓練してテストし、結果を記録できる。
- 分類器を訓練する。
- テスト用セットの正解率を計算する。
- まちがった予測を集める。
36AI植物探偵植物の分類器を発表し、そのまちがいを説明できる。
- 正しい予測とまちがった予測を見せる。
- まちがいが起きた理由を説明する。
- どんな追加の例が役立つか言う。