Hvorfor opplegget virker, og hva du gjør før timen. Selve timen minutt for minutt står i lærerveiledningen.
Hva elevene faktisk gjør — og hvorfor det virker
Mellom det øyeblikket du sier noe til en stemmeassistent og det øyeblikket den svarer, går det under et sekund. I det sekundet har sju forskjellige teknologier gjort hver sin jobb etter tur: lyd er blitt tekst, tekst er blitt mening, mening er blitt oppslag, og oppslaget er blitt lyd igjen. Hver av dem er et eget forskningsfelt, og hver av dem kan bomme. Klassen setter seg på rekke og blir de sju.
Det som gjør at aktiviteten faktisk virker, er kommandokortene. De er skrevet i lydskrift, ikke i vanlig rettskriving. Eleven på stasjon 1 må lyde seg gjennom kortet uten å vite hva det står, og eleven på stasjon 2 skriver ned det hun hører. Da er ikke feilen noe du som lærer har bestemt på forhånd og hvisket til én elev — den oppstår i rommet, foran alle, fordi lyd og skrift ikke er det samme. Elevene merker forskjellen på et brudd som er ekte og et som er skuespill, og bare det ekte bærer diskusjonen etterpå.
Underveis får elevene et redskap de mangler når de til vanlig snakker om at «KI-en er dum»: de kan peke ut hvilken stasjon som feilet, og hva slags feil det var. Hørte stasjon 2 feil lyd? Det er en akustisk feil. Fikk stasjon 3 riktig tekst, men gjettet feil om hva brukeren ville? Det er en semantisk feil. Forsto systemet alt riktig, men manglet oppslaget i databasen? Det er en logisk feil, og den er ikke maskinens skyld i det hele tatt — den er en grense noen har tegnet. Skillet er hele forskjellen mellom å synes teknologi er magi og å kunne feilsøke den.
Den store innsikten kommer i runden der elevene kjører sin egen dialekt gjennom pipelinen. Når systemet bommer, er det ikke fordi de snakker feil, og heller ikke fordi algoritmen er dårlig. Det er fordi den aldri har hørt dem. Nøyaktig det samme gjelder folk med atypisk tale etter hjerneslag, cerebral parese eller ALS: Google-forskeren Dimitri Kanevsky, som ble døv som barn, måtte spille inn 15 000 fraser før talegjenkjenningen forsto ham. Dialektbias og funksjonsbias er samme problem sett fra to sider, og løsningen er den samme — mer data fra flere mennesker. Der ligger også personvernspørsmålet, og nå er det konkret: skal systemet forstå deg, må noen få lov til å lagre stemmen din.
Vil du forstå konseptet bak? Les Slik virker KI — 5 minutter.
Fyll ut de blanke kommandokortene med deres egen lokale dialekt før timen, eller la elevene gjøre det i fase 2. Det er den runden som treffer klassen hardest.
Tegn pipelinen med de sju stasjonene på tavla, så den står oppe hele timen.
Kjør pipelinen gjennom én setning selv på forhånd. Det tar fem minutter og gjør deg trygg på hvor det pleier å stoppe opp.
Sju bord eller stoler på rekke, ett per stasjon
Notatlapper og blyant til hver stasjon
Tavle til pipeline-diagrammet og til feiloppsummeringen
I timen
Lærerveiledningenpå papir foran deg — hva du sier, fasene, lærertips og differensiering
Presentasjonenpå skjerm for elevene — skal ikke skrives ut
Slå opp ved behov
Læringsmål og kompetansemål
Hva elevene skal lære
Elevene skal beskrive minst fire av de sju trinnene i en stemmeassistents pipeline og forklare hva som skjer i hvert trinn. De skal skille mellom intensjon og enhet, og forklare hvorfor systemet trenger begge for å kunne handle.
De skal plassere en feil på riktig stasjon og bruke begrepene akustisk, semantisk og logisk feil. De skal forklare hva treningsdata er, og hvorfor et system som er trent på for lite variasjon svikter for dialekttalere og for folk med atypisk tale — og hvilken personvernpris det koster å rette det opp.
Forankring i LK20
Norsk — Utforske og reflektere over dialekt og talemålsvariasjon, og vurdere hvordan digitale verktøy behandler språklig mangfold.
Naturfag — Utforske og beskrive teknologiske systemer, forklare hvordan delene henger sammen, og vurdere hvor systemet har sine grenser.
Samfunnsfag — Drøfte konsekvenser av digitalisering og kunstig intelligens, og reflektere over rettferdighet, deltakelse og personvern i teknologibruk.
Begreper i dette opplegget
Pipeline: En rekke behandlingstrinn der det ene trinnet leverer videre til det neste. Feiler ett trinn, arver alle de neste feilen.
Talegjenkjenning (ASR): Gjør lyd om til tekst ved å matche lydmønstre mot ord systemet har hørt før.
Naturlig språkforståelse (NLU): Finner ut hva teksten betyr — hva brukeren vil, og hva hun vil det om.
Intensjon: Hva brukeren vil at systemet skal gjøre. «Spill Karpe» har intensjonen spill musikk.
Enhet: Den konkrete detaljen intensjonen gjelder: hvilken artist, hvilket sted, hvilket klokkeslett. Uten enhet vet systemet hva du vil, men ikke hva du vil det om.
Tekst-til-tale (TTS): Gjør tekst om til lyd, slik at systemet kan snakke tilbake.
Treningsdata: Eksemplene en modell har lært av. Det som ikke fantes i treningsdataene, kjenner modellen ikke igjen.
Dialektbias: At et system systematisk forstår noen talemål dårligere enn andre, fordi treningsdataene ikke representerte dem.
Atypisk tale: Tale som avviker fra det systemet er trent på — for eksempel etter hjerneslag, ved cerebral parese eller ALS. Samme problem som dialektbias, men med større konsekvenser.
«Du er KI-ingeniør hos et stort teknologiselskap. Det er mandag morgen, og innboksen er full av klager fra norske brukere: stemmeassistenten forstår dem ikke. Sjefen vil ha svar innen fredag, og hun vil vite én ting — hvor i systemet svikter det? I dag er dere selve maskinen. Sju stasjoner, én setning om gangen. Deres jobb er å finne feilen.»
Tips: Spør klassen «Hva tror dere skjer inne i maskinen mellom at du snakker og at den svarer?» før du forklarer noe. Ta imot alle svar uten å vurdere dem — de blir gode å komme tilbake til i debriefen. Si ikke på forhånd at systemet kommer til å feile. Det skal elevene oppdage selv.
Står også i lærerveiledningen som «Les til klassen», og på presentasjonens andre slide.
Refleksjonsspørsmål til klassen
Spørsmålene står også i lærerveiledningen og på presentasjonens refleksjonsslide.
Hvilken stasjon gjorde den første feilen? Alle stasjonene etterpå gjorde jobben sin riktig — hvorfor ble svaret likevel galt?
Var det algoritmen som var dårlig, eller dataene den hadde lært av? Hva er forskjellen, og hvorfor spiller den noen rolle?
Systemet forsto ikke dialekten deres. Betyr det at dere snakker feil, eller at systemet er bygget feil? Hvem har bestemt hva som er «normal» tale?
For at systemet skal forstå «spill mer av dem», må stasjon 4 huske hva dere sa i sted. Hva må selskapet lagre om deg for at assistenten skal virke godt — og hva synes du om det?
Hvis selskapet skal lære systemet deres dialekt, trenger de opptak av mange som snakker den. Ville du gitt fra deg stemmen din til det? Hva ville du krevd tilbake?
I virkeligheten — og videre arbeid
I virkeligheten
Siri, Google Assistant og Alexa støtter alle norsk, men er trent på langt mindre norsk tale enn engelsk. Dekningen er tynnest der talemålet ligger lengst fra østnorsk normaltale.
Diktering på mobilen bruker samme talegjenkjenning som assistentene. Det er ofte her elevene selv har opplevd å ikke bli forstått.
Automatisk teksting på strømmetjenester og i videomøter bygger på ASR. Feilene i tekstingen er stasjon 2 som bommer, i full offentlighet.
Google Project Euphonia trener personlige talemodeller for folk med atypisk tale etter ALS, cerebral parese, hjerneslag og døvhet. Prosjektet viser både hva som er mulig og hva det koster i innsamlede data.
Stemmestyring i bil, i kundeservicetelefoner og i velferdsteknologi: steder der det å ikke bli forstått får praktiske konsekvenser, ikke bare irriterende.
Bygg videre på opplegget
Test det selv — La elevene diktere den samme setningen på mobilen — først på normaltale, så på sin egen dialekt. Noter hva som blir riktig og hva som blir feil. Sammenlign med det pipelinen gjorde i timen.
Bygg et rettferdig datasett — Hvis dere skulle trene en norsk stemmeassistent, hvilke talemål måtte være med? Hvem måtte dere spørre, hvor mange opptak trengs, og hva ville dere lovet dem om dataene? Lag planen konkret.
Undersøk personvernet — Velg én assistent og les personvernerklæringen. Hvem eier opptakene, hvor lenge lagres de, og kan mennesker lytte til dem? Skriv en kort rapport med sitater fra kilden.
Project Euphonia — Se hvordan Google har jobbet med talegjenkjenning for folk med atypisk tale. Diskuter: Er dette samme problem som dialektbias, eller et annet? Hva står på spill for den enkelte i de to tilfellene?
Skriv om stasjon 3 — Lag fem nye intensjoner med tilhørende enheter, og utvid Systemdatabasen. Bytt databaser med en annen gruppe og se om pipelinen deres klarer de nye kommandoene.
Slik ser det ut i klasserommet
Kilde, kreditering og videre lesning
Tilpasset fra AI Unplugged — Annabell Lindner & Stefan Seegerer, Friedrich-Alexander-Universität Erlangen-Nürnberg. Bygger i sin tur på CS Unplugged av Bell, Witten & Fellows. Lisensiert CC BY-SA 4.0 — denne bearbeidingen deles på samme vilkår. Norsk bearbeiding: Sigrun Lindaas Norhagen, kiforskolen.no — NLA Høgskolen.
