KI entzaubern mit Sensordaten Zukunftswerkstatt Schule - VideoQuiz
KI entzaubern mit Sensordaten Zukunftswerkstatt Schule - VideoQuiz
Kurzinfo
In diesem Lernkurs erfährst Du, wie Künstliche Intelligenz (KI) wirklich funktioniert. Am Beispiel von Sensordaten eines micro:bit wird gezeigt, wie aus Bewegungen nackte Zahlen werden und wie Maschinen lernen, Muster zu erkennen.
Quiz: Teste Dein Wissen
Was ist Machine Learning im Kern laut dem Video? (Ein mathematischer Prozess zur Mustererkennung aus Beispielen) (!Eine magische, menschenähnliche Denkweise) (!Ein reines Science-Fiction-Szenario ohne praktischen Nutzen) (!Ein System, das Gedanken von Menschen direkt lesen kann)
Wie nimmt ein micro:bit-Sensor eine menschliche Geste wie Winken wahr? (Als einen Strom von Zahlenwerten auf verschiedenen Achsen) (!Als eine soziale Geste mit freundlicher Absicht) (!Als ein direktes Bild der winkenden Hand) (!Als eine akustische Schallwelle im Raum)
Welches Muster zeigt sich in den Sensordaten beim Klatschen? (Kurze, extrem schnelle und zackige Ausschläge) (!Eine sanfte, langsame und rhythmische Welle) (!Eine flache, völlig unveränderte Null-Linie) (!Große, langanhaltende Kurven über mehrere Minuten)
Welche Phasen gehören zum beschriebenen Machine-Learning-Lebenszyklus? (Daten sammeln, Trainieren, Testen und Ausführen) (!Programmieren, Löschen, Formatieren und Verkaufen) (!Raten, Schätzen, Ignorieren und Veröffentlichen) (!Filmen, Schneiden, Hochladen und Kommentieren)
Warum ist ein Fehler in der Testphase eines KI-Modells wertvoll? (Er zeigt, wo das System noch Schwachstellen hat und verbessert werden muss) (!Er beweist, dass die Hardware physisch beschädigt ist) (!Er führt automatisch zum Abbruch des gesamten Projekts) (!Er zeigt, dass Mathematik für KI ungeeignet ist)
Was versteht man unter einem Bias in einem KI-System? (Eine systematische Verzerrung oder Einseitigkeit durch unvollständige Trainingsdaten) (!Ein technischer Defekt des Beschleunigungssensors) (!Die maximale Rechengeschwindigkeit des Mikrocontrollers) (!Ein spezieller Schutzmechanismus für den Datenschutz)
Was passiert, wenn ein Modell nur mit Daten von Rechtshändern trainiert wird? (Es kann die Bewegungen von Linkshändern später oft nicht richtig erkennen) (!Es funktioniert überhaupt nicht mehr und stürzt ab) (!Es lernt automatisch, Linkshänder perfekt zu simulieren) (!Es löscht alle gesammelten Daten selbstständig)
Welches Prinzip fordert, dass nur so viele Daten wie nötig gesammelt werden? (Datensparsamkeit) (!Datenmaximierung) (!Zweckentfremdung) (!Anonymisierungspflicht)
Warum dürfen Bewegungsdaten für ein Schulprojekt nicht mit echten Namen verknüpft werden? (Zum Schutz der Privatsphäre durch Anonymisierung) (!Weil die Maschine keine Buchstaben verarbeiten kann) (!Damit das Training des Modells schneller geht) (!Weil Namen die Sensoren beschädigen würden)
Was bedeutet Zweckbindung bei der Nutzung von KI-Modellen? (Dass ein Modell nur für den Zweck verwendet wird, für den es trainiert wurde) (!Dass das Modell für immer auf einem einzigen Gerät gesperrt bleibt) (!Dass man das Modell an jede beliebige andere Aufgabe anpassen muss) (!Dass die Daten nach dem Training gelöscht werden müssen)
Offene Aufgaben
Leicht
- Sensoren im Alltag: Beobachte Deine Umgebung: Wo im Alltag begegnen Dir Geräte mit Bewegungssensoren? Schreibe drei Beispiele auf.
- Gesten beschreiben: Beschreibe mit eigenen Worten, wie sich die Bewegung beim Winken von der beim Klatschen unterscheidet.
- micro:bit kennenlernen: Finde heraus, was ein micro:bit ist und welche Sensoren er neben dem Beschleunigungssensor noch hat.
- Daten sammeln: Erstelle eine Liste von fünf verschiedenen Bewegungen, die man mit einem Arm-Sensor erfassen könnte.
Standard
- Muster zeichnen: Zeichne auf ein Blatt Papier, wie der Daten-Graph (X- und Y-Achse) für ein gleichmäßiges Winken im Vergleich zu einem plötzlichen Sprung aussehen könnte.
- Fehlklassifikation erklären: Erkläre, warum eine KI ein sehr schnelles Winken fälschlicherweise als Klatschen interpretieren könnte.
- Bias-Beispiele finden: Recherchiere ein Beispiel aus den Medien, bei dem ein KI-System aufgrund von einseitigen Trainingsdaten (Bias) fehlerhaft entschieden hat.
- Datenschutz-Check: Überlege Dir für ein Schulprojekt mit Bewegungssensoren: Welche Daten müssen anonymisiert werden und warum?
Schwer
- Zukunftswerkstatt Konzept: Entwirf ein Konzept für ein eigenes kleines Sensor-Projekt an Deiner Schule. Welche Bewegung soll erkannt werden und wie würdest Du die Daten sammeln?
- Bias vermeiden: Entwickle eine Strategie, wie man beim Sammeln von Trainingsdaten für ein Gesten-Erkennungssystem systematischen Bias (z. B. durch Alter, Händigkeit oder Körpergröße) vermeiden kann.
- Ethische Grenzen: Diskutiere die ethischen Grenzen von Bewegungserkennung: In welchen Bereichen (z. B. am Arbeitsplatz) sollte diese Technologie nicht eingesetzt werden? Begründe Deine Meinung.
- Vom Sensor zum Label: Beschreibe den mathematischen Unterschied zwischen den Rohdaten eines Sensors (Zahlenwerte) und dem gelernten 'Label' (z. B. 'Springen'). Wie findet dieser Übersetzungsschritt statt?
|
|
Links
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
|
|
|