Klassen blir en stemmeassistent — én stasjon per elev, fra lyd til svar.
Klassen blir selve stemmeassistenten. Sju stasjoner sender én setning gjennom systemet — fra mikrofon til talegjenkjenning, språkforståelse, oppslag og svar. Kommandokortene er skrevet i lydskrift, så eleven på stasjon 1 må lyde seg fram og eleven på stasjon 2 må skrive det hun faktisk hører. Da bryter systemet av seg selv, og klassen kan finne ut nøyaktig hvilken stasjon som feilet.
Forberedelse: Skriv ut rollekortene — ett sett per pipeline. Systemdatabasen står på siste side og skal bare til eleven på stasjon 5. Skriv ut kommandokortene og klipp dem fra hverandre. Kortene er skrevet i lydskrift med vilje: står ordet i vanlig rettskriving, forsvinner hele poenget. 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.
«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.
Les scenarioet høyt, og spør så: «Hva tror dere skjer inne i maskinen mellom at du snakker og at den svarer?» Skriv noen av svarene på tavla uten å vurdere dem. De blir gode å komme tilbake til om femti minutter.
Gå så gjennom de sju stasjonene på pipelinesliden — én gang, raskt. Du skal ikke forklare hver stasjon; rollekortet gjør den jobben når eleven sitter der. Si at hele denne kjeden går unna på under ett sekund i en ekte assistent. Sett sju bord på rekke, del ut ett rollekort per stasjon, og gi Systemdatabasen bare til stasjon 5.
Ikke røp at systemet kommer til å feile. Hele opplegget hviler på at bruddet er en oppdagelse, ikke en beskjed. La pipelinesliden bli stående på skjermen gjennom fase 1 og 2.
Les de tre reglene høyt fra sliden. Deretter kort 1 — SPIL AU-RÅ-RA — til eleven på stasjon 1.
Regelen som ryker oftest: en elev ser at det står noe rart på lappen og retter det i all velmenthet. Da forsvinner funnet. Si det rett ut før dere starter — feilen skal få lov til å reise videre.
Kjør kort 2 til 6, ett om gangen. Etter hver runde leser stasjon 7 svaret høyt, og du spør bare: «Hvor røk det?» — uten å svare selv. Skriv kortnummer og feilstasjon på tavla etter hvert. Den lista er hele grunnlaget for debriefen.
Bruk ikke ordene akustisk, semantisk og logisk ennå.
Fasiten på side 3 i kommandokortene sier hva hvert kort pleier å utløse. Kort 4 er den viktigste: stasjon 2 skriver «leievakta», som ikke er et ord, og hele kjeden ender i feilkode 404. Ett bomskudd tidlig rev alt med seg — det er nettopp dét en pipeline er.
Timens viktigste runde. Elevene fyller ut de blanke kortene med en kommando slik de sier den — bare lyder, ingen vanlig rettskriving — og kjører dem gjennom pipelinen. Blir tiden knapp, kutt heller to av kortene over enn å hoppe over denne.
Nå er det ikke lenger en fjern bergenser som ikke blir forstått. Det er dem.
Start med spørsmålet «Hvem gjorde egentlig feilen?» og la klassen krangle litt. Det er her de oppdager at «maskinen er dum» ikke er et svar. Gå så gjennom lista på tavla og plasser hver feil på en stasjon.
Det avgjørende spørsmålet: Hvilke av disse feilene kan brukeren gjøre noe med? Hosten på kort 2 kan hun slutte med. Dialekten sin kan hun ikke slutte med. Der ligger forskjellen på et uhell og en skjevhet.
Kjør så refleksjonsspørsmålene fra sliden, og avslutt på landingen: maskinen kjenner igjen det den har hørt før — ingen hadde spilt inn stemmen deres. Har du to minutter igjen, fortell om Dimitri Kanevsky: Google-forskeren som ble døv som barn og måtte spille inn 15 000 fraser før talegjenkjenningen forsto ham. Dialektbias og funksjonsbias er samme problem.
Del ut Sjekk det du har lært til slutt.
Dette hjørnet er kun for deg — bakgrunn, differensiering og begrepene du trenger å være trygg på før du går inn i klasserommet.
Elevene blir delene av systemet og oppdager at det som ser enkelt ut — å forstå en setning — er sju teknologier som må lykkes etter tur. Fordi kommandokortene er i lydskrift, oppstår bruddet av seg selv i stedet for å bli iscenesatt av læreren. Debriefen gir elevene et vokabular til å plassere feilen: akustisk feil på stasjon 2, semantisk på 3 og 4, logisk på 5. Poenget bak er at feilen sjelden ligger i algoritmen — den ligger i treningsdataene. Google Project Euphonia er det tydeligste virkelige eksempelet: forskeren Dimitri Kanevsky, som ble døv som barn, måtte spille inn 15 000 fraser for å få talegjenkjenning som virket for ham. Dialektbias og funksjonsbias er samme problem, med samme personvernpris.
| Begrep | Enkel forklaring for klasserommet |
|---|---|
| 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. |