FORSTÅ

Hvordan ser KI?

Hvordan «ser» en datamaskin bilder?

75 min 1.–7. trinn Grupper Med skjerm

Kjernepoeng

En drone over stranda kan skille haier fra delfiner og redde liv. En annen KI kjenkjenner skadelige planter fra dronebilder. Men hvordan kan datamaskinen «se» disse tingene — når den egentlig bare ser tall?

Tidsplan (75 min)

0–10 min Fase 1: Motivasjon og virkelighetsnære eksempler
10–25 min Fase 2: AutoDraw-eksperiment
25–35 min Fase 3: Piksler og RGB
35–60 min Fase 4: KI-kortspillet — hus, bil eller katt?
60–75 min Fase 5: Grensene for nettverket og refleksjon

Du trenger

Sjekk det du har lært: 2 sider · skriv ut 1 ark per elev
Nettbrett eller laptop med internett — ett per gruppe, til AutoDraw
AutoDraw: autodraw.com
Bildekort til KI-kortspillet: hus, biler og katter, pluss wildcard-kort (fysiske, printet — ett sett per gruppe på 3)

Forberedelse: Test AutoDraw i skolens nettlesere: autodraw.com Skriv ut bildekort til KI-kortspillet — 8–10 kort per gruppe med hus, biler og katter (Creative Commons-bilder fra Wikimedia Commons eller Unsplash, eller la elevene tegne kortene selv), pluss 1–2 «wildcard»-kort som ikke passer i noen kategori, for eksempel en hund eller en sykkel Forbered en kort video eller GIF som viser en drone som spotter haier (finnes på YouTube), eller vis skjermbildet fra originaldokumentet

Hvordan ser KI? · Gjennomføring Side 2

Les til klassen

«En drone over stranda i Australia bruker KI til å spot haier — og sender alarm til strandvaktene før noen blir skadd. En annen drone i Kakadu-nasjonalparken kjenkjenner invasive ugresser med 90 prosent nøyaktighet. Selvkjørende biler ser trafikklyset og skiller det fra et tre. Hvordan kan en datamaskin gjøre alt dette — når den egentlig bare ser tall?»

Tips: Tegn et enkelt dyr på tavla (en hai, en elg, en fugl). Spør elevene: «Hva trenger jeg for å tegne det? Hvilke trekk er viktigst?» La dem diskutere i 30 sekunder før dere går videre. Fortell at i dag skal de finne ut akkurat det — og selv spille rollen som et nevralt nettverk.

1

15 min

1Fase 1 — Motivasjon: KI som «ser»15 min

Vis konkrete eksempler på KI som klassifiserer eller oppdager. Haier-drone, ugress-KI, selvkjørende biler. Spør elevene: Hva trenger KI-en å «se»?

💡 Poeng: KI ser mønstre i tall, ikke «mening». Elevene skal forstå denne filosofiske forskjellen.
        

2

15 min

2Fase 2 — AutoDraw-eksperiment15 min

Elevene tegner dyr i AutoDraw og observerer hva KI-en gjetter.

Tegn en hai, krokodille, fugl eller elg
Observer: Hvor raskt gjetter KI-en? Når feiler den?
Noter: Hvilke tre trekk var viktigst?

Vis slide 3–4 på presentasjonen Instruksjonene for tegning og diskusjon vises for elevene.

💡 Moment: AutoDraw lærer fra millioner av tegninger. Når den feiler, skyldes det lignende former.
        

Hvordan ser KI? · Gjennomføring Side 3

3

15 min

3Fase 3 — Piksler og RGB15 min

Del 1: Elevene tegner ett norsk dyr kun med sirkler, firkanter og trekanter. Del 2: Vis at bilder består av piksler, hver med RGB-verdier (0–255). Stille spørsmål:

Hva er en piksel?
Hvis en piksel er hvit, hva er RGB-verdiene?
Hva betyr det at datamaskinen «ser» piksler?

Vis slide 5 på presentasjonen Animert zoom-in av bilde til piksler vises.

4

20 min

4Fase 4 — Google Vision AI-eksperiment20 min

Elevene laster opp bilder av norske eller australske dyr og observerer hva KI-en gjenkjenner og konfidensgraden.

Last opp bilde av elg, hai, eller annet dyr
Hva gjenkjenner KI-en? Hvor sikker er den?
Hvis usikker — hvorfor? (Mørkt? Likt et annet dyr?)

💡 Etikk: KI kan feile hvis treningsdataene ikke representerer norske dyr. Dette er et viktigt poeng om bias.
        

5

10 min

5Fase 5 — Dyreklassifikasjon10 min

Elevene sorterer dyrebilder etter trekk: antall bein, kroppsdekke, habitat. Diskusjon: Dette er feature extraction — akkurat som KI gjør!

Oppsummering «I dag gjorde dere det KI gjør: dere identifiserte mønstre og sorterte etter trekk. Forskjellen er at dere brukte øyne, og KI brukte tall.»

Hvordan ser KI? · Lærerens hjørne Side 4

Bakgrunnsstoff og faglig forankring

Dette hjørnet er kun for deg — bakgrunn, differensiering og begrepene du trenger å være trygg på før du går inn i klasserommet.

Faglig kobling (LK20)

Naturfag: Observere og klassifisere organismer; bruke digitale verktøy til utforsking og datainnsamling.
Matematikk: Forstå tall og tallsystemer; gjenkjenne og beskrive geometriske former og deres egenskaper; bruke regler og tabeller til å sortere og klassifisere.
Teknologi (valgfag/tverrfaglig): Utforske og bruke digitale verktøy til å løse problemer; forstå hvordan datamaskiner behandler informasjon, gjenkjenner mønstre og er bygget opp av lag som trekker ut stadig mer sammensatte trekk.

Begreper i dette opplegget

Begrep	Enkel forklaring for klasserommet
Datamaskinvisjon	Fagfelt der datamaskiner trenes til å tolke bilder og video — det er måten datamaskinen «ser» på.
Piksel	Minste enhet i et digitalt bilde — en liten firkant med en fargeverdi (RGB).
RGB	Fargesystem som datamaskiner bruker: Rød, Grønn, Blå — hver farge har en verdi fra 0 til 255.
Feature extraction	Identifikasjon av viktige trekk i et bilde — form, farge, tekstur — som gjør at KI kan gjenkjenne objektet. I kortspillet er det rektangulære, trekantede og runde former som trekkes ut.
Nevralt nettverk	Et system inspirert av hjernens nerveceller, bygd opp av lag som hver især gjenkjenner stadig mer sammensatte mønstre — fra enkle former til hele objekter.
Lag	Ett trinn i et nevralt nettverk. Hvert lag tar imot informasjon fra laget før, trekker ut nye mønstre, og sender dem videre. Flere lag gjør nettverket i stand til å gjenkjenne mer komplekse objekter.
Klassifikasjon	Sortering av data i forhåndsdefinerte kategorier — f.eks. «dette er et hus, ikke en bil».
Treningsdata	De merkede eksemplene som KI-modellen lærer fra — kvaliteten avgjør hvor god modellen blir, og hvilke kategorier den kan gjenkjenne.