Instruksjoner: Svar på spørsmålene nedenfor basert på det du opplevde i Dusky Dunes-questen. Du kan skrive stikkord, setninger eller tegninger. Målet er å reflektere over det du lærte om bias, datasett og etikk i KI-systemer.
Spørsmål 1: Hva er «bias» i en KI-modell?
Forklar med dine egne ord hva bias betyr i sammenheng med maskinlæring. Gi gjerne et eksempel fra Dusky Dunes eller fra andre AI-systemer du kjenner til.
Spørsmål 2: Testresultater
Hva skjedde da modellen ble testet på data fra pasientgrupper som ikke var godt representert i treningsdataene? Hva betyr dette?
Spørsmål 3: Falsk negativ i medisin
Forklar hva en «falsk negativ» betyr i sammenheng med øyehelsedeteksjon. Hva kan være konsekvensene for en pasient?
Spørsmål 4: Løsninger
Nevn minst to konkrete tiltak som kunne gjøre et medisinsk datasett mer representativt og rettferdig for alle pasientgrupper.
Utfordringsspørsmål: Hvem burde du høre?
Tenk deg at du er KI-inginør og nettopp har oppdaget at en helsetjeneste-modell presterer dårlig for visse pasientgrupper. Hvem burde du snakke med før du bestemmer deg? Hvem har makt til å endre noe?
Selvvurdering: Hvor står du nå?
Hvor trygg føler du deg på disse områdene etter Dusky Dunes?
Refleksjon for læreren: Denne siden viser hvor elevene står. Del resultatene — ikke for å vurdere dem, men for å identifisere hvor dere trenger mer dialog. Bias i KI er en livslang læring, ikke noe som løses på 90 minutter.