Вештачка интелигенција вуче корене још из периода Другог светског рата. Како је управо ово чини изузетно занимљивом, наставник увод у тему може да конципира на паралели између „Енигме” (Алан Тјуринг) и на пример аутомобила који се крећу без возача. Причом о заједничком именитељу ове две на изглед, различите теме, наставник може да демонстрира широку лепезу подобласти које се сврставају у вештачку интелигенцију.
У различитим изворима могу се видети различите поделе на подобласти. Споменимо неке: машинско учење, аутоматско резоновање, обрада природног језика, рачунарска интелигенција, теорија игара, програмирање ограничења, аутоматско доказивање математичких теорема и многе друге. Подобласти су наведене како би се наставнику дао увид у ширину ове научне области и могућност да самостално процени до ког нивоа ће конципирати рад и истраживачке активности ученика.
Наставник би требало да у сваком тренутку јасно перципира могућности ученика у одељењу и да у зависности од тога обликује свој методичко-дидактички приступ. На самом почетку ове области битно је да наставник нагласи зашто је вештачка интелигенција битна за данашње савремено друштво. Своје излагање наставник би требало да поткрепи неким од многобројних видео материјала који се лако могу наћи на интернету наводећи неке примере примене вештачке интелигенције у свакодневном животу. Тако нпр. могу да се наведу примене вештачке интелигенције у медицини и случајеви где су системи вештачке интелигенције показивали већу ефикасност и тачност у постављању дијагноза од лекара специјализованих за те области. Циљ приказивања оваквих примера јесте да ученици стекну општу слику о важности и могућностима примене употребе вештачке интелигенције.
Добар начин да се осветли значај ове научне области је постављање питања: Како живот изгледа када користимо резултате вештачке интелигенције? Како би живот изгледао да немамо оваквих погодности? Балансирајући између ових питања, наставник оставља могућност за истраживачку активност ученика, која може да се усмери на истраживање интернет извора. Приликом одабира истраживачких активности наставник треба да помогне ученицима у избору одговарајућих извора усмеравајући их на релевантне референце из ове области.
Након упознавања са примерима савремених система вештачке интелигенције и могућностима примене (као што су на пример: оптимизација протока саобраћаја у мрежи, трговање акцијама на берзи, проблем распоређивања ресурса итд.), затим са алгоритмима, математичким моделима и сл, највећи део часова треба оријентисати на проучавање машинског учења.
Машинско учење је, као и све теме овог изборног програма, област савремених технологија која се мењају изузетно брзо. Са тим у вези наставницима се скреће пажња да уколико процене да су у тренутку реализације овог програма актуелне неке друге методе и да су се појавиле неке нове области, процес наставе и учења прилагоде томе.
Наставник на почетку изучавања ове теме иницира дебату усмерену питањима као што су: Да ли је могуће данас откључати мобилни телефон само на основу вашег лика? Да ли могуће идентификовати особу на улици помоћу сигурносних камера? Може ли рачунар да препозна људски рукопис? Да ли можемо да очекујемо потпуно аутономне аутомобиле? Да ли су потпуно аутоматизоване продавнице без запослених реалност? Да ли сте приметили да ако на интернету претражујете огласе за стан, часове енглеског језика или неке одређене ципеле и сл, убрзо ће на свим вашим друштвеним мрежама да се појављују огласи који нуде управо ове (раније претраживане) врсте производа? Како замишљате напредак технологије у будућности, које данас савремене технологије у будућности неће постојати, а које ће се развити?
Овом дискусијом се ученици уводе у област машинског учења.
Како би ученици усвојили елементарни корпус знања из области машинског учења, наставник покреће низ истраживачких активности ученика, при чему треба водити рачуна да дубина истраживања ове проблематике буде на нивоу узраста ученика, њихових предзнања и интересовања.
Приликом одабира истраживачких активности наставник треба да усмери ученике на избор одговарајућих извора али и техника истраживања. Ученици могу да истражују у групи или у паровима и додељују им се задаци везани за једну или више тема (у зависности од сложености теме, времена потребног за истраживање и обраду података, интересовања ученика и сл.). Ученике је потребно усмеравати ка прикупљању података из различитих извора. Поред прикупљања података са релевантних интернет страница, прегледа литературе, теме је могуће истражити и испитивањем стручњака за поједине области (наставници одређених предмета, стручњаци институција ван школе и сл.). Улога наставника у овом истраживачком процесу је вишеструка: он је организатор читавог процеса, подстиче и усмерава активност ученика, усмерава ученике на релевантне изворе и технике истраживања, пружа адекватну стручну помоћ и подршку везану за теме истраживања итд.
Теме истраживања су:
– тренутна достигнућа машинског учења, предности и недостаци ове развијене технологије која је присутна у свакодневном животу појединца;
– кораци у процесу машинског учења (начини дефинисања проблема који ће се решавати коришћењем машинског учења и прикупљања података);
– начин на који се подаци припремају, (уклањање дупликата, исправљање погрешно унетих података, визуелизација ради лакшег сагледавања односа између унетих података);
– модели помоћу којих се врши анализа података;
– модели машинског учења и разлика између надгледаног и ненадгледаног учења (примери проблема који се решавају помоћу надгледаног учења, као што су класификација и регресија, као и у проблем кластеровања података који се решава методама ненадгледаног учења);
– линеарна регресија (регресија), логистичка регресија (класификација), неуронске мреже (класификација и регресија) и к-средина (кластеровање);
– концепти машинског учења: евалуација модела (важност поделе скупа података на скуп за обучавање и скуп за тестирање, најчешће грешке приликом евалуације модела);
– концепти машинског учења: генерализације модела и проблеми преприлагођавања и недовољне комплексности модела;
– концепти машинског учења: различите метрике за мерење квалитета регресионих модела (средњеквадратна грешка, коефицијент детерминације), метрике за мерење квалитета класификационих модела (тачност класификације, прецизност, одзив и F1 мера);
– технике које помажу у разумевању података који се користе за обучавање модела машинског учења;
– технике истраживања података (визуализација података, израчунавање основних статистика атрибута, концептом зависности атрибута);
– технике препроцесирања података.
Како би ученици усвојили корпус знања из области машинског учења, потребно је да се обраде све наведене теме (ученик ће у својој групи обрадити једну или више тема, али је битно да свака дата тема буде предмет изучавања неке од група).
Након спроведеног истраживања ученици треба да среде добијене резултате истраживања, анализирају их и донесу одређене закључке. Резултате истраживања и закључке ученици могу обликовати у различите форме (текст, пано, табела, графикон, мултимедијална презентација, инфографика и сл.) које ће презентовати другим групама и тако извршити трансфер знања и резултата на остале ученике.
Након истраживања и презентације резултата, тј. након упознавања са основним појмовима и концептима машинског учења, приступа се изради пројектних задатака.
Наставник заједно са ученицима дефинише теме пројектних задатака које ће се реализовати. При избору тема акценат треба што више стављати на пројекте који решавају неки проблем из реалног, непосредног окружења ученика, као и на могућност евентуалне примене у практичним и свакодневним ситуацијама.
Приликом рада на пројектном задатку од ученика се очекује да:
– се определе за област из које ће радити пројекат,
– уз помоћ наставника дефинишу циљ пројекта своје групе,
– уз помоћ наставника (или самостално) одаберу алгоритме машинског учења за пројекат,
– јасно и прецизно презентују добијене резултате.
Подржавајући рад ученика на пројектном задатку, наставник даје смернице за прибављање ресурса и бирање алгоритама машинског учења приликом процеса израде задатка.
Корисни линкови, додатни материјал, примери могућих тема пројектних задатака и референце за ову тему налазе се на интернет сајту Завода за унапређивање образовања и васпитања на адреси https://zuov.gov.rs/savremene-tehnologije/ у одељку теме „Вештачка интелигенција”.
Предложено време трајања активности у оквиру ове теме је око 34 часа (предложени број часова по темама је оквиран, на наставнику је да процени потребан и довољан број часова по темама).