Maskinlæring · Unplugged
Kjernepoeng

I dag er dere dataforskere. Dere skal lære opp en KI — uten en eneste linje kode.

Slik lærer
en maskin

Maskinlæring — unplugged

✋ Ingen skjerm ⏱ 45 min 👥 Grupper på 3–4
🔬 Dere er nyansatte dataforskere

KI-systemet skal lære å sortere bilder.
Ingen har tid til å skrive reglene.

«Dere er nyansatte dataforskere ved et av verdens ledende tech-selskaper. Sjefen har en utfordring: KI-systemet skal lære å sortere bilder — men ingen har tid til å skrive regler for hvert eneste bilde.»

Løsningen? Lær opp systemet ved å vise det eksempler.
Jobben deres starter nå.
Intro · Hva er maskinlæring?

To helt ulike måter å lære en datamaskin noe på

Tradisjonell programmering
Du skriver reglene. Du forteller maskinen eksakt hva den skal gjøre — steg for steg. Regel for regel.

Eksempel: «Hvis bildet har fire bein og er pelskledt → hund»
Maskinlæring
Maskinen finner reglene. Du viser tusenvis av eksempler. Maskinen finner mønstrene selv — uten at du trenger å forklare dem.

Eksempel: «Her er 10 000 bilder av hunder og 10 000 av katter. Finn selv hva som skiller dem.»
Del 1 · 20 minutter · Grupper på 3–4

Åpne konvolutten «Treningsdata»

1
Studer kortene. Alle er merket med riktig kategori. Hva skiller dem?
2
Skriv reglene. Formuler 3–5 tydelige regler som beskriver modellen din.
3
Test på treningsdata. Treffer reglene alltid? Juster om nødvendig.
🃏
Bilde: Kortdekket
Illustrasjon av treningskort med merkede kategorier — farger, former eller symboler
Del 2 · 10 minutter

Åpne konvolutten «Testdata»

  • Disse kortene er ikke merket — bruk reglene fra Del 1
  • Skriv ned kategorien for hvert kort på notatlappen
  • Når læreren sier «Fasit»: tell feil
  • Diskuter: Hva gikk galt? Juster reglene og test igjen
Feilraten er modellens nøyaktighet 0 feil = 100 % nøyaktighet. 2 av 10 feil = 80 % nøyaktighet.
🎯
Bilde: Testfasen
Illustrasjon av gruppe som sorterer kort uten merker — fasiten i forseglet konvolutt
Diskusjon — fra kort til virkelighet

Hva oppdaget dere?

Spørsmål 1

Hva er forskjellen på å «programmere regler» og å «lære fra eksempler»? Gi et eksempel fra din hverdag.

Spørsmål 2

Hva ville skjedd med modellen din hvis treningskortene bare viste én type eksempel?

Spørsmål 3

En KI trent på gamle jobbsøknader rangerer kvinner lavere enn menn. Hva kan ha skjedd?

Spørsmål 4

Er det noen situasjoner der det bør være mennesker — og ikke KI — som tar avgjørelsen?

Oppsummering

Ord vi har lært

MaskinlæringKI som lærer mønstre fra eksempler — ikke fra eksplisitte regler
TreningsdataMerkede eksempler brukt til å lære opp en modell. Kvaliteten avgjør resultatet.
KlassifiseringModellen plasserer inndata i én av forhåndsdefinerte kategorier
NøyaktighetAndelen riktige prediksjoner av totalt antall prediksjoner
Bias / SkjevhetSystematisk feil fordi treningsdataene ikke er representative