1. Modul
Az MI alapjai
"Az első dolog, amit tudni kell a mesterséges intelligenciáról, hogy nincs egységes meghatározása!"
"Az első dolog, amit tudni kell a mesterséges intelligenciáról, hogy nincs egységes meghatározása!"
Ez a modul bevezetésül szolgál a mesterséges intelligencia (MI) témakörébe. A lecke célja az MI alapvető fogalmainak a bemutatása, amelyeket más modulokban és általánosságban az MI tudományos világában is használni fogunk. A módszerek és működésük mélyebb megértésére a további modulokban kerül sor.
Bár nem kötelező, ajánlott ezzel a modullal kezdeni a többi megismerése előtt, hiszen nemcsak az alapvető terminológiában segít eligazodni, hanem jó áttekintést nyújt az MI kiterjedt területéről is.
A tanulók képesek lesznek
| Idő | Tartalom | Tananyag |
|---|---|---|
| 25 perc | Elmélet & kvíz - Mi az MI? | Diák |
| 25 perc | Elmélet & kvíz - Az MI térképe | Diák, Kártyák |
| 15 perc | Elmélet - Lehetőségek és korlátok | Diák |
| 25 perc | Elmélet & feladat - Algoritmusok | Diák, Bubble Sort, Tic-Tac-Toe |
Ez a modul az intelligencia és a mesterséges intelligencia alapvető megértéséről szól. A témát reflektív módon tárgyalja: a tanulóknak először meg kell alkotniuk valamilyen definíciót, amely aztán tesztelésre és finomításra kerül a példák és a beszélgetések során. A modul diákra és beszélgetésekre épül.
Egy fontos dolog, amit mindenkinek tudnia kell a mesterséges intelligenciáról, hogy nincs egységes meghatározása! A definíció a kutatási területtől függően nagyon eltérő lehet, ezért számos meghatározás1 áll rendelkezésre. Elsőként arra bátorítjuk a diákokat, hogy alkossák meg saját definíciójukat az MI (vagy az intelligens viselkedés) fogalmára vonatkozóan. A hallgatóságtól függően, ez történhet beszélgetés kezdeményezése révén - mint az ötletelést segítő think-pair-share (Gondolkodj! - Dolgozz párban! - Oszd meg!) módszerrel- vagy egyéni módon úgy, hogy minden diáknak le kell írnia a saját definícióját, amely néhány példa megtekintését követően kerül megvitatásra. A kérdést a fiatalabb tanulók számára is át lehet fogalmazni: ekkor olyan dolgokat kell keresniük, amelyekre egy gépnek képesnek kell lennie ahhoz, hogy ’intelligensnek’ tekinthessük.
Miután mindenki (vagy minden csoport) megalkotta saját meghatározását, nyolc példát mutatunk különböző algoritmusokra/gépekre, amelyeket a tanulóknak 0-tól (nem intelligens) 5-ig (nagyon intelligens) kell értékelniük definíciójuk alapján. Engedjük, sőt bátorítsuk a tanulókat, hogy a feladat során, vagy annak végeztével módosítsák ezt definíciót. Az utolsó beszélgetés során a tanulók megoszthatják egymással definíciójukat, illetve, hogy hová sorolnák az egyes példákat. Bár a meghatározástól függően mindegyik példa lehet többé-kevésbé intelligens, íme néhány ötlet, hogyan lehetne kategorizálni őket:
Végül két egymással ellentétes definíciót mutatunk be, hogy szemléltessük, milyen sokfélék lehetnek a különböző meghatározások.
Az első fejezetben a diákoknak saját definíciót kellett megfogalmazniuk, ez a fejezet pedig a mesterséges intelligencia hatalmas területével és a hozzá kapcsolódó számos különböző algoritmussal és megközelítéssel foglalkozik. Így a következőkben bemutatjuk az MI térképét, amely segít annak megértésében, hogy a mesterséges intelligencia különböző területekből áll. Fontos megjegyezni, hogy ez korántsem az egyetlen módja annak, hogy különbséget tegyünk a mesterséges intelligencia területei között, csak egy a lehetőségek közül. Valójában nem ez az öt terület az igazán lényeges, hanem az, hogy a diákok megértsék, hogy az MI-nek rengeteg különböző területe van.
A térkép a következő területeket vezeti be:
Most, hogy a térkép alapgondolata világossá vált, az előző fejezet öt példáját újra végigjárjuk, azzal a szándékkal, hogy ezúttal azonosítsuk a példáknak megfelelő területeket az MI térképén belül. Ennek során a diákoknak el kell dönteniük, hogy mely területek hasznosítása révén működik az adott rendszer. Ez a gyakorlat jól működik irányított beszélgetésként, de az olyan módszerek is eredményesek, mint a think-pair-share (Gondolkodj! - Dolgozz párban! - Oszd meg!) vagy a csoportos megbeszélés.
Fontos megjegyezni, hogy a megadott megoldások csak javaslatok: a legtöbb területről elmondható, hogy bármilyen eszközhöz kapcsolódhatnak, attól függően, hogy mit feltételezünk az eszköz belső működéséről (pl. egy számológép tárolhat képleteket, így csatlakozhat a tudás területéhez). A sárga nyilak azt jelzik, hogy ezek a területek az aktuális rendszertől függően kapcsolódhatnak egymáshoz. Például egy sakkalgoritmus használhat megerősítéses tanulást (főként a sok, újabb algoritmus használja nagyobb mértékben gépi tanulást), de sok klasszikus programnál erre nincs igény.
A következő fejezet egy videó, a Wall-E című film előzetesének bemutatásával kezdődik. Ezután a tanulóknak el kell dönteniük, hogy a mesterséges intelligencia mely területei jelennek meg a képzeletbeli gépezetben. A legtöbb fiktív és a valós mesterséges intelligencia között az a különbség, hogy előbbieket általában nagyon emberszerűnek ábrázolják, úgy, hogy azok képesek szabadon alkalmazkodni ismeretlen helyzetekhez és önreflexióval reagálni saját cselekedeteikre, míg a mi valós MI-rendszereink messze vannak az ilyen képességektől.
Általánosságban az MI-rendszerek két kategóriába sorolhatók: szűk MI és általános MI.
Az utolsó szakasz nagy tanulsága, hogy jelenleg csak szűk mesterséges intelligenciával rendelkezünk. Ezért minden rendszerünk, bármennyire is komplexnek tűnik kívülről, csak adott feladatok megoldására alkalmas. Jelenleg egyetlen rendszer sincs tudatában saját tevékenységének vagy érti meg azt. Míg az elmúlt évtizedekben nagy előrelépések történtek a szűk MI-k terén - mint a képfelismerés, a szövegfordítás, az önvezető járművek -, addig az általános MI-k esetében nem láthattunk nagy fejlődést. A modul utolsó pontja így fogalmazható meg: "Igen, a mesterséges intelligencia sokat fejlődött az elmúlt évtizedekben, de közel sem olyan összetett, mint ahogy azt sok film (például a Wall-E) sugallja”.
Az utolsó fejezet az algoritmusok és az adatok fogalmába vezet be, mely kifejezések a többi modulban is előfordulnak majd.
Az algoritmus nem más, mint egy adott feladat megoldásához szükséges utasítások listája. Alapvető formájában olyasmi, mint egy ételrecept vagy egy szekrény összeszerelési útmutatója. Az informatikában ez kicsit specifikusabb: az algoritmusok gyakran leírják az adatok módosításának módszereit, például azt, hogy miként lehet hatékonyan rendezni egy névlistát, vagy számítható ki a legrövidebb út egy térképen.
Annak szemléltetésére, hogy az algoritmusok csak követhető utasításlisták, a következő két feladat bármelyike használható.
Ebben a feladatban a klasszikus buborékrendezés algoritmust használjuk egy tanulók alkotta sor magasság szerinti rendezésére.
Exercises / Bubble Sort
Ez a feladat az amőba játékhoz mutat be egyszerű algoritmust, amelyet a tanulók megpróbálhatnak legyőzni.
Exercises / Tic-Tac-Toe
Miután egyet-kettőt kipróbáltak a fenti algoritmusok közül, itt az ideje, hogy a tanulók sajátot alkossanak.
Ebben a feladatban minden diáknak saját algoritmust kell készítenie egy olyan egyszerű/szokványos feladat megoldására, mint például a reggeli elkészítése, a szemét kivitele vagy akár egy ajtó kinyitása.
Amikor számítógépek algoritmusairól van szó, fontos, hogy a lehető legvilágosabban fogalmazzunk. Például az az egyszerű algoritmus, hogy „mozogj előre, amíg el nem találsz egy tárgyat”, nem tartalmaz információt arról, hogy a robotnak milyen gyorsan kell mozognia, vagy hogyan érzékelje, hogy van ott egy tárgy.
Az utolsó néhány dián bevezetjük az adat fogalmát. Mivel az adatok nagyon fontosak lesznek a gépi tanulás (felügyelt tanulás, megerősítéses tanulás) területein, fontos megérteni, hogy az adat nem más, mint bármely információ reprezentációja, melyet digitális eszközön tárolunk. Míg arra képtelenek vagyunk, hogy fogjunk valakit, és egy tárolóeszközbe gyömöszöljünk, arra képesek vagyunk, hogy más információkat, például a magasságát vagy a személy képét eltároljuk. Az, hogy milyen információt választunk adatként, nagy hatással lehet a végeredményre. Vegyük például a buborékválogatást: ha a diákok testmagassága helyett a hangmagasságot használtuk volna, valószínűleg sokkal nehezebb lett volna őket szétválogatni, mivel a hangmagasság nem olyan könnyen megkülönböztethető, mint a testmagasság.