Ressourcen

Weitere Hintergrundinformationen finden sich in der begleitenden Masterarbeit von Thomas Zurfluh (2022). Diese kann durch Klick auf Download heruntergeladen werden.

Die nachfolgenden Materialsammlung soll das Aufgreifen der Themen künstliche Intelligenz und Machine Learning im Unterricht erleichtern und einige didaktisierte Inhalte auflisten, welche durch die Autoren von ML for Teachers geprüft wurden.

Zudem finden besonders Interessierte in einem abschliessenden Abschnitt Materialhinweise zur individuellen weiteren Vertiefung.

Falls du den Autoren dieser Seite gerne ein Feedback hinterlassen möchtest, darfst du dies gerne über diese Seite tun.

Wir wünschen dir viel Freude und Erfolg bei der Umsetzung Ihrer Unterrichtsprojekte!

Ressourcen für den Unterricht

Ziel des ENARIS-Projekts ist es, das Interesse für Künstliche Intelligenz (KI) bei Lernenden im Alter von 10 bis 14 Jahren zu wecken und ihr technisches Wissen auf spielerische Weise zu fördern. Das Material von ENARIS ist für den Einsatz im Unterricht konzipiert und kann von interessierten Lehrpersonen ohne Einschränkungen verwendet werden. Die Webseite enthält Übungen und Hintergrundinformationen zu KI-Ethik, Chatbots, Computer Vision und lässt sich daher ideal mit ML4T kombinieren.

GPT wurde von der Firma OpenAI entwickelt und steht für "Generative Pretrained Transformer". ChatGPT kann verwendet werden, um natürliche Sprache zu verarbeiten und zu verstehen. So kann beispielsweise mit einem Textanfang oder einem Titel ein Aufsatz generiert werden, ein Gespräch mit einem bekannten Autor simuliert oder ein Text zusammengefasst werden. Das Modell wurde 2021 mit verfügbarem Text aus dem Internet (Wikipedia, Bücher, Social Media Beiträge, etc.) trainiert und 2022 durch verstärkendes Lernen verbessert.

Für die Nutzung der Software ist eine Registrierung nötig. Die Textgenerierung lässt sich kostenlos testen.

DALL-E ist ein Computerprogramm, das Bilder aus Textbeschreibungen erstellt. Das Programm nutzt künstliche neuronale Netzwerke, um Wörter als Input in Anordnungen von Pixeln als Output zu transferieren. Mithilfe von Textanordnungen können durch die Software fotorealistische Bilder erstellt werden. Die künstliche Intelligenz kann dabei völlig neue Konzepte abbilden und Bilder in verschiedenen künstlerischen Stilrichtungen kreieren. Um Bilder erzeugen zu können, wurde das Modell mithilfe von Millionen im Internet verfügbaren Bildern trainiert. Das Programm basiert auf GPT-3.

Dall-E lässt sich kostenlos ausprobieren. Um Zugriff auf die Betaversion zu erhalten, muss man sich allerdings auf eine Warteliste setzen lassen. Den Zugang erhält man in der Regel nach etwa einer Woche. Eine etwas weniger mächtige, dafür kostenlos und sofort verfügbare Alternative ist Stable Diffusion, das stetig weiterentwickelt wird. Da der Quellcode von Stable Diffusion öffentlich ist, findet sich auf der offenen Plattform HuggingFace eine grosse Sammlung interessanter Anwendungen, die täglich erweitert wird.

  • Machine Learning for Kids
    Eine kostenlose didaktisierte Plattform, die das niederschwellige Trainieren und Anwenden von ML-Modellen erlaubt. Ohne Registrierung nutzbar, mit kostenlosen Lehrpersonen- und Schüleraccounts viele weitere Features nutzbar.

  • Google Teachable Machine
    Kostenlose Plattform die das Trainieren von Trainieren von Modellen mit Bildern, Tönen und Posen erlaubt. Die trainierten Modelle können exportiert und in anderen (z.B. Scratch-) Projekten eingesetzt werden. Lektionsvorschläge sind unter dem Abschnitt "Zum lernen" verlinkt.

  • AI Unplugged
    Kostenlos downloadbare Broschüre mit Aktivitäten und Unterrichtsmaterialien zum Thema Künstliche Intelligenz und Machine Learning, ganz ohne Strom.

  • AI Experiments with Google
    AI Experiments ist eine Zusammenstellung von Google-Internetdiensten, die es erlauben, maschinelles Lernen anhand von Bildern, Zeichnungen, Sprache, Musik und mehr zu erkunden. Zwei Highlights sind aus unserer Sicht https://quickdraw.withgoogle.com/ und https://www.autodraw.com/

Ressourcen zur individuellen Vertiefung

Literatur

  • Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt. Kersting, K. et al. (2019).
    Ein sehr empfehlenswertes Sachbuch als Einstieg ins Thema Maschinelles Lernen. Grundlegende Methoden, Anwendungen und Vorgehensweisen des Maschinellen Lernens und der Künstlichen Intelligenz werden ganz ohne komplexe mathematische Formeln erklärt. Lisa, die Protagonistin in diesem Buch, illustriert alle Themen anhand von Alltagssituationen. Dadurch erschließt sich Ihnen das Fachwissen, das bisher nur Experten vorbehalten war, einfach und leicht verständlich.

  • Deep Learning illustriert: Eine anschauliche Einführung in Machine Vision, Natural Language Processing und Bilderzeugung für Programmierer und Datenanalysten. Krohn, J. et al. (2020).
    Das Sachbuch richtet sich an Data Scientists, Datenanalyst*innen, Informatikstudierende und Software Developer und bietet mit einfachen Beispielen und flacher Lernkurve eine Möglichkeit zur Vertiefung in Deep Learning.

  • Computational Thinking. Denning, P., & Tedre, M. (2019).
    Peter Denning ist Informatikprofessor und langjähriger Präsident des Weltinformatikverbandes ACM. Unter Informatikdidaktikern ist er unter anderem für seine "Great Principles of Computing" bekannt, welche langlebige Prinzipien der Informatik beschreiben. In seinem Buch "Computational Thinking" baut er gemeinsam mit Matti Tedre die bekannte Definition von Wing (2006) aus und beschreibt, welchen fundamentalen Impact "Maschinelles Lernen" und "Quantum Computing" auf das Konzept haben.

Videos