I dag skal dere trene en KI-modell til å gjenkjenne følelser. Dere viser den emojier, og den lærer.
Med Teachable Machine
«I dag skal dere bli KI-trenere. Dere skal lære en datamaskin å kjenne igjen følelser. Ikke ved å programmere den, men ved å vise den eksempler. Tusenvis av dem. Det er slik ekte KI lærer.»
| 😊 GLAD | 😢 TRIST | 😠 SINT |
|---|---|---|
| Munnen går opp | Munnen går ned | Munnen flat eller nedi |
| Øynene småler | Øynene triste | Øyenbrynene sammen |
| Åpen, åpen ansiktsutstykke | Lukket, tung ansiktsutstykke | Spent, intenst ansiktsutstykke |
Tre trinn: Bilder → Trening → Modell → Prediksjon
Hva skjedde da dere la inn få bilder vs. mange? Var KI-en mer usikker med få?
Klarte KI-en å gjenkjenne emojier den aldri hadde sett før? Hvorfor eller hvorfor ikke?
Hvis alle «Glad»-bildene dine var 😊, men elevene viser 😄, ville KI-en gjenkjenne den?
Telefonen din bruker maskinlæring til å låse opp (FaceID). Hva tror dere er viktig når sånn KI skal trenes?
| Bildeklassifikasjon | KI som sorterer bilder inn i kategorier basert på mønstre |
| Treningsdata | Merkede eksempelbilder som KI-en lærer fra |
| Klasse | En kategori — for eksempel «Glad» eller «Trist» |
| Konfidensgrad | Prosentvis sikkerhet — ikke et mål på riktig svar |
| Bias / Skjevhet | Feil i treningsdataene som gjør KI-en unøyaktig |