Sjekk det du har lært — Slik lærer en maskin

Del 1 — Faktaoppgave

1. Koble begrepet til riktig forklaring. Trekk en linje fra begrepet til definisjonen som passer.

Treningsdata

—

Andelen riktige svar av alle prediksjoner

Maskinlæring

—

Merkede eksempler brukt til å lære opp en modell

Klassifisering

—

Systematisk feil fordi dataene ikke er representative

Nøyaktighet

—

KI lærer mønstre fra eksempler — ikke fra regler

Bias / Skjevhet

—

Modellen plasserer inndata i én av forhåndsdefinerte kategorier

2. Kryss av riktig påstand.

En maskinlæringsmodell programmeres med eksplisitte regler av en utvikler.
En maskinlæringsmodell lærer regler fra eksempler i treningsdataene.
Maskinlæring krever alltid at alle eksempler er like og uten feil.
En modell trent på skjeve data kan gi systematisk feilaktige resultater.

3. Fyll inn. Fullfør setningene med riktig begrep.

Det settet med merkede eksempler en KI lærer fra, kalles ___________.

Når modellen gjør mer feil for én gruppe enn en annen, skyldes det gjerne ___________ i dataene.

En KI som sorterer bilder i kategorier, driver med ___________.

Del 2 — Aktivitetsrefleksjon

4. Beskriv reglene dere brukte. Hvilke tre trekk var viktigst for å skille kategoriene fra hverandre i kortaktiviteten?

5. Hva gikk galt? Beskriv én situasjon der reglene dine ga feil svar på testdataene. Hva tror du var årsaken?

6. Etter at dere fikk fasiten: Hva endret dere i reglene? Ble modellen bedre andre gang?

🔍 Del 3 — Tankeoppgave (utfordring)

Et tech-selskap har laget en KI som vurderer jobbsøknader. Systemet er trent på 10 år gamle søknader og avgjørelser fra selskapet. Det viser seg at KI-en rangerer kvinner lavere enn menn med lik bakgrunn.

Hva tror du har skjedd? Hva bør selskapet gjøre? Hva er konsekvensen hvis de ikke gjør noe?