Alla lektioner

Kurs

AI i årskurs 6: AI och datalogiskt tänkande

Lär dig algoritmer och data. Se hur modeller för maskininlärning tränas och testas.

Gå igenom lektionerna i ordning. Till slut kan du skilja på AI, maskininlärning och generativ AI och namnge indata, modell och utdata i en riktig AI-app. Du kan skriva algoritmer med loopar och villkor och bygga ett beslutsträd. Du kan förklara hur pixlar lagrar en bild som tal och hur text lagras som tal, klassificera en punkt efter de närmaste exemplen och räkna ut noggrannhet från testresultat. Du kan förklara hur en neuron sätter ihop indata med vikter, dela en mening i tokens, betygsätta en AI-app på noggrannhet, rättvisa och integritet, och presentera en växtklassificerare och förklara dess misstag.

Så använder du lektionerna

  • Börja på lektionen som är märkt Gör det här. Gå vidare när du själv kan raden under rubriken.
  • Spela Spel först. Gör sedan Quiz. 8 av 10 rätt för att klara. Arbetsblad är på papper. Svaren står längst ner.
  • Varje lektion bygger på den förra. Om en lektion är svår, gå tillbaka en.
  • Använd bara de AI-verktyg din lärare godkänner. Klistra aldrig in privat information i en chattbot. Kontrollera varje AI-svar. Säg vilka delar av ditt arbete AI hjälpte till med.

Varje lektion har spel, quiz och arbetsblad.

0 av 36

Förstå AI

  1. 1AI, maskininlärning och generativ AISkilj på AI, maskininlärning och generativ AI.
    • Definiera AI, maskininlärning och generativ AI.
    • Rita hur de ryms inuti varandra.
    • Sortera 10 appar i de tre grupperna.
  2. 2En kort historia om AISätt viktiga AI-ögonblick på en tidslinje.
    • Placera schackdatorer, röstassistenter och chattbotar på en tidslinje.
    • Säg vad som ändrades så att var och en blev möjlig.
    • Nämn en förutsägelse som var fel.
  3. 3Smal och generell AIFörklara varför dagens AI är bäst på smala uppgifter.
    • Jämför ett schackprogram och en person.
    • Lista uppgifter AI gör bra och uppgifter den har svårt med.
    • Förklara vad generell AI skulle behöva.
  4. 4Analysera ett AI-systemNamnge indata, modell och utdata i en riktig AI-app.
    • Välj en app, till exempel en bildsök eller en översättare.
    • Rita dess indata, modell och utdata.
    • Säg vilka data den troligen tränades på.

Algoritmer

  1. 5SekvenserSkriv en algoritm som en sekvens av steg.
    • Definiera en algoritm.
    • Skriv steg för att göra en smörgås.
    • Hitta steg som är otydliga för en dator.
  2. 6LooparAnvänd en loop för att upprepa steg.
    • Byt ut upprepade steg mot en loop.
    • Använd en loop som räknar.
    • Använd en loop som kör tills ett villkor är uppfyllt.
  3. 7VillkorAnvänd villkor för att välja en väg.
    • Skriv if, else if och else.
    • Kombinera villkor med and, or och not.
    • Följ en algoritm för hand.
  4. 8BeslutsträdBygg ett beslutsträd som sorterar djur.
    • Ställ en ja-eller-nej-fråga vid varje gren.
    • Sortera 10 djur med ditt träd.
    • Hitta det kortaste trädet som fortfarande fungerar.

Datarepresentation

  1. 9Tal och kategorierSkilj tal från kategorier.
    • Sortera egenskaper i tal och kategorier.
    • Gör om en kategori till tal.
    • Säg varför en dator behöver tal.
  2. 10Bilder som talFörklara hur pixlar lagrar en bild som tal.
    • Rita en bild på ett rutnät av 0 och 1.
    • Blanda värden för rött, grönt och blått.
    • Räkna talen i ett litet foto.
  3. 11Text som talFörklara hur text lagras som tal.
    • Gör om bokstäver till koder.
    • Ge varje ord i en lista ett tal.
    • Räkna hur ofta varje ord förekommer.
  4. 12DatatabellerOrdna data i rader, kolumner och egenskaper.
    • Bygg en tabell i ett kalkylblad.
    • Namnge egenskaperna och etiketten.
    • Sortera och filtrera tabellen.

Klassificering

  1. 13Egenskaper och etiketterVälj användbara egenskaper för en etikett.
    • Säg vad en egenskap och en etikett är.
    • Rangordna egenskaper från mest till minst användbara.
    • Ta bort en egenskap som inte hjälper.
  2. 14Närmaste granneKlassificera en punkt efter de närmaste exemplen.
    • Rita exempel på en graf med två egenskaper.
    • Hitta exemplet som är närmast en ny punkt.
    • Använd de tre närmaste och rösta.
  3. 15Rita gränserRita en linje som skiljer två grupper åt.
    • Rita en linje mellan två grupper av punkter.
    • Klassificera nya punkter efter vilken sida av linjen de är på.
    • Hitta data som ingen rak linje kan skilja åt.
  4. 16Bygg en klassificerareBygg en enkel klassificerare med ett verktyg utan kod.
    • Ladda ett litet dataset.
    • Träna en klassificerare.
    • Klassificera 5 nya exempel.

Modellträning

  1. 17TräningsdataFörklara vad en modell lär sig av träningsdata.
    • Säg att en modell lär sig mönster, inte regler som du skriver.
    • Visa hur ändrad data ändrar modellen.
    • Hitta ett mönster som en modell lärde sig av misstag.
  2. 18TestdataFörklara varför testdata måste hållas isär.
    • Dela data i en träningsmängd och en testmängd.
    • Jämför resultat på de två mängderna.
    • Förklara vad ”memorera” betyder för en modell.
  3. 19NoggrannhetRäkna ut noggrannhet från testresultat.
    • Räkna rätt förutsägelser.
    • Skriv noggrannhet som procent.
    • Förklara varför 90% fortfarande kan vara dåligt.
  4. 20Förbättra en modellÄndra datan och jämför noggrannhet.
    • Lägg till fler exempel.
    • Ta bort fel etiketter.
    • Anteckna noggrannheten efter varje ändring.

Begrepp om neuronnät

  1. 21Artificiella neuronerFörklara hur en neuron sätter ihop indata med vikter.
    • Multiplicera varje indata med dess vikt.
    • Addera dem och jämför med en tröskel.
    • Ändra en vikt och se utdata förändras.
  2. 22LagerFörklara hur lager skickar signaler framåt.
    • Rita indatalager, dolt lager och utdatalager.
    • Skicka tal genom ett pyttelitet nät.
    • Säg varför fler lager kan hitta svårare mönster.
  3. 23Lära vikterFörklara att träning ändrar vikterna.
    • Gissa vikter och kolla felet.
    • Knuffa vikterna så att felet blir mindre.
    • Säg att träning upprepar detta många gånger.
  4. 24Mänskligt neuronnätSpela upp ett litet neuronnät med klasskamrater.
    • Varje person är en neuron.
    • Skicka signaler från indata till utdata.
    • Ändra vikter för att rätta ett fel svar.

Generativ AI

  1. 25Hur text skapasFörklara att en språkmodell förutsäger nästa token.
    • Förutsäg nästa ord i meningar.
    • Bygg en pytteliten gissare av nästa ord från en berättelse.
    • Säg varför modellen kan låta rätt men vara fel.
  2. 26TokensDela en mening i tokens.
    • Se hur en tokenizer delar ord.
    • Räkna token i en mening.
    • Säg varför långa ord blir flera token.
  3. 27Prompt-experimentÄndra en del av en prompt och jämför resultaten.
    • Ändra bara en sak i taget.
    • Anteckna varje prompt och resultat.
    • Skriv vad varje ändring gjorde.
  4. 28Gränser för genereringFörklara varför en språkmodell kan hitta på.
    • Hitta ett påhittat faktum i ett AI-svar.
    • Förklara varför en förutsägelse kan skapa det.
    • Lista sätt att kontrollera AI-text.

AI-etik

  1. 29PartiskhetHitta partiskhet i ett dataset eller ett resultat.
    • Definiera partiskhet i AI.
    • Hitta en grupp som är underrepresenterad.
    • Förklara hur det ändrar resultaten.
  2. 30Noggrannhet och tillitAvgör när ett AI-svar är säkert att lita på.
    • Jämför användning med låg risk och hög risk.
    • Bestäm när en person måste kontrollera.
    • Skriv en checklista för tillit.
  3. 31IntegritetFörklara vilka data en AI-app samlar in.
    • Läs en apps sammanfattning om integritet.
    • Lista datan den samlar in.
    • Säg vad du inte skulle dela.
  4. 32Utvärdera ett AI-systemBetygsätt en AI-app på noggrannhet, rättvisa och integritet.
    • Gör ett poängkort med tre delar.
    • Testa appen och fyll i kortet.
    • Föreslå en förbättring.

AI-upptäcktsprojekt

  1. 33Planera projektetSkriv en fråga och planera datasetet.
    • Skriv frågan: ”Vilken växt kommer det här bladet från?”
    • Välj 3 eller 4 växtgrupper.
    • Planera träningsmängden och testmängden.
  2. 34Förbered växtdataSortera och märk bilder på blad.
    • Använd ett färdigt dataset med blad.
    • Kontrollera etiketterna.
    • Håll en testmängd isär.
  3. 35Träna och testaTräna en växtklassificerare och anteckna resultaten.
    • Träna klassificeraren.
    • Räkna ut noggrannheten på testmängden.
    • Samla de felaktiga förutsägelserna.
  4. 36AI-växtdetektivPresentera en växtklassificerare och förklara dess misstag.
    • Visa rätt och fel förutsägelser.
    • Förklara varför misstagen hände.
    • Säg vilka extra exempel som skulle hjälpa.