Hvorfor er søk og sortering viktig for KI?
Elevene gjetter et tall mellom 1 og 100 og oppdager at halvering av søkerommet er dramatisk mer effektivt enn å gjette tilfeldig. Deretter sorterer de tallkort fysisk etter tre ulike algoritmer og teller antall sammenligninger. Aktiviteten viser hvorfor algoritmisk effektivitet er en forutsetning for at KI skal fungere i stor skala.
Forberedelse: Lag eller skriv ut tallkort 1–10 per gruppe — bruk papir, post-it eller klipp fra kartong. Gjennomfør aktiviteten selv én gang på forhånd — prøv både binærsøk og lineært søk, og kjør gjennom minst en sorteringsalgoritme. Det gjør deg trygg på tidsplanet. Sett opp tavle eller flipover til å notere gjetninger i fase 1.
«Telefonen din søker gjennom millioner av sanger på under ett sekund. Netflix sorterer 15 000 titler etter hva du trolig vil like — øyeblikkelig. Hva er egentlig det eneste disse systemene har til felles?»
Tips: La elevene gjette i 30 sekunder. Ta imot alle svar uten å vurdere dem. Fortell at i dag skal de finne svaret — ved å bli søke- og sorteringsalgoritmer selv.
Du tenker på et tall mellom 1 og 100. Hvor få forsøk klarer klassen?
Etter rundene: Sammenlign antall gjetninger. Runde 1 bruker gjerne 15–20 gjetninger (lineært søk), runde 2 bare 5–7 (binærsøk). Spør: «Hvorfor var halvering så mye raskere?»
Del ut ett sett tallkort 1–10 (blandet) per gruppe. De skal sortere kortene tre ganger — én gang per algoritme — og telle antall sammenligninger og bytter hver gang.
Gå rundt: Still spørsmål underveis: «Merker dere en forskjell i hvor mange steg de ulike algoritmene bruker?»
Samle alle gruppenes tall på tavla. Lag en felles tabell som viser hvor mange sammenligninger hver algoritme brukte i hver gruppe.
Tenk stort: «Hva hvis vi hadde 1000 kort — eller 1 million? Hvordan ville antall sammenligninger vokse?» Dette introduserer Big-O-notasjon.
«Algoritmisk effektivitet handler ikke bare om å være rask. Det handler om at systemene kan skalere. KI i stor skala er avhengig av effektive algoritmer — det er en forutsetning, ikke et ekstra.»
Dette hjørnet er kun for deg — bakgrunn, differensiering og begrepene du trenger å være trygg på før du går inn i klasserommet.
Søke- og sorteringsalgoritmer ligger til grunn for at moderne KI-systemer kan skalere fra små til enormt store datasett. Elevene opplever på kroppen at «raskere» ikke er et teknisk valg, men en nødvendighet — og kobler det til at Spotify søker blant 100 millioner sanger, og at halvering av søkerommet er eksponentielt kraftig.
| Begrep | Enkel forklaring for klasserommet |
|---|---|
| Algoritme | En presis sekvens av steg som løser et problem. Samme algoritme gir alltid samme resultat for samme inndata. |
| Binærsøk | Søkealgoritme som halverer søkerommet for hvert steg — mye raskere enn lineært søk. O(log n) kompleksitet. |
| Lineært søk | Søk som sjekker hvert element ett for ett fra start til slutt. O(n) kompleksitet. |
| Sorteringsalgoritme | Algoritme som ordner elementer etter en bestemt regel — for eksempel fra minst til størst. |
| Tidskompleksitet | Måte å beskrive hvor mange operasjoner en algoritme trenger basert på størrelsen på inndata. Sier noe om hvor raskt algoritmen kjører. |
| Big-O-notasjon | Notasjon som beskriver algoritmers effektivitet: O(n) = lineær, O(log n) = logaritmisk, O(n²) = kvadratisk, osv. |
| Bubble Sort | Enkel sorteringsalgoritme som sammenligner nabokort og bytter dem om nødvendig — gjenta til sortert. Ineffektiv for store datasett. |
| Selection Sort | Sorteringsalgoritme som finner det minste elementet og plasserer det først, gjenta for resten. O(n²) — forutsigbar, men ikke rask. |
| Insertion Sort | Sorteringsalgoritme som setter inn hvert element på riktig plass i den allerede sorterte delen. Effektiv for små og «nesten sorterte» datasett. |