Underviservejledning til lektionen Hvad er kunstig intelligens og (machine learning)?

Formål

Lektionen har til formål at introducere den studerende til kunstig intelligens (AI) og machine learning (ML) som den centrale teknologi bag kunstig intelligens for at afmystificere AI og introducere centrale begreber inden for ML.

Målbeskrivelse
Når de studerende har gennemført forløbet, forventes det, at de:

• kan nævne eksempler på, hvad kunstig intelligens (AI) kan bruges til.
• kan forklare forskellen på AI og machine learning (ML).
• kan forklare forskellen på generativ og diskriminerende AI.
• kan identificere de væsentligste kilder til bias i ML-baserede modeller.

Hvilke dannelsesspørgsmål behandler denne lektion?
• Hvordan har digitaliseringen påvirket det faglige/professionelle felt, jeg befinder mig i?
• Hvordan fungerer relevante digitale teknologier som eksempelvis algoritmer, søgemaskiner og machine learning?
• Hvordan kan anvendelse af (fagligt) relevante digitale teknologier påvirke og forme kontekster (personlige, faglige, samfundsmæssige)?
• Hvad kan jeg anvende digitale teknologier til (eksempelvis inden for mit fag)?
• Hvilke kompetencer, handlemuligheder og problemløsningsstrategier kan jeg opnå ved anvendelse af digitale teknologier (eksempelvis inden for mit fag)?
• Findes der eksempler på, at udvikling af algoritmer, kunstig intelligens og machine learning har påvirket mit fag?

Indholdsbeskrivelse
Lektionen giver de studerende en introduktion til AI. Svar fra ChatGPT bliver brugt til at belyse, hvor vi møder AI i dagligdagen, hvordan AI kan bruges i videnskabelig sammenhæng, hvilke metoder der er centrale inden for AI, samt årsager til bias. Ved at bruge ChatGPT til at genere en del af lektionen får de studerende et konkret eksempel på, hvordan AI kan bruges. Der er to refleksionsøvelser. Den første handler om, hvordan AI kan bruges inden for fagområdet; den anden handler om bias.

Format og varighed
Lektionen er er primært tekstbaseret med diskussionsspørgsmål. Diskussionsspørgsmål er tænkt som en gruppe/plenum-øvelse.

Lektionen er estimeret til ca. 15 min. varighed.

Målgruppe
Bachelorstuderende på hele Københavns Universitet.

Hvornår anbefales denne lektion inddraget i undervisningen?
Fagligt vil lektionen primært være relevant i forbindelse med undervisning i metoder. Hvis det vurderes, at machine learning vil være en relevant metode inden for faget, bør lektionen inddrages tidligt, så de studerende har mulighed for at tilegne sig mere viden, inden de skal anvende machine learning.

Fra et generelt digital dannelse-synspunkt er lektionen relevant fra studiestart.

Hvordan anbefales denne lektion inddraget i undervisningen?
Hvis ML bliver behandlet som en metode i undervisningen, kan lektionen bruges som en primer, så de studerende kender de basale begreber inden. Eller den kan bruges som en gruppeøvelse efterfølgende.

Lektionen kan også bruges i forbindelse med en diskussion om konsekvenser af kunstig intelligens. Her tænkes primært på etiske og juridiske spørgsmål, f.eks:

• Kan vi acceptere brugen af AI i sundhedsvæsenet, hvis vi ved, der er bias?
• Hvordan fordeler man ansvaret for AI-beslutninger mellem udviklere og brugere?

Den nyeste forskning om studerendes forberedelsesmønstre peger på, at der er større sandsynlighed for, at studerende engagerer sig i de foreslåede forberedelsesaktiviteter, hvis de oplever disse aktiviteter som relevante og kan se tegn på synlig læring. På den baggrund foreslås det, at aktiviteterne i denne lektion rammesættes tydeligt for de studerende, så de kan se formålet med dem i forhold til opnåede kompetencer og i forhold til, hvordan forberedelsesaktiviteten relaterer til, hvad der foregår i undervisningen. På den baggrund formuleres herunder et konkret eksempel på, hvordan forberedelsesvejledning og undervisningsaktiviteter kan rammesættes over for de studerende.

Forslag til forberedelsesvejledning i fagets Absalon-rum:

1) Læs teksterne, og se videoen i lektionen ’Hvad er kunstig intelligens (og machine learning)?’

2) Besvar quizzen [link følger, når quizzen er færdigproduceret i efteråret 2023] senest [f.eks. dagen før undervisningen kl. 9.00, så underviser har mulighed for at gennemse resultaterne og træffe didaktiske valg om undervisningen på baggrund heraf].

Forslag til undervisningsaktiviteter baseret på de studerendes forberedelse (i alt ca. 1-20 min.):

1) Underviser spørger, om de studerende har spørgsmål til den sete video og/eller de læste tekster (4-5 min.).
[OBS: Spørg aldrig de studerende, om de har læst teksterne eller set videoen; den type spørgsmål fører typisk til, at der åbnes op for, at det ikke at have forberedt sig er en mulighed, hvorved mangelfuld forberedelse indirekte legitimeres.]

2) Hvis der er spørgsmål, og/eller hvis underviser kan se ud af quizbesvarelserne, at et eller flere af de introducerede koncepter ikke er forstået korrekt af flere af de studerende, beder underviser de studerende om at gå sammen i grupper og i fællesskab diskutere sig frem til, hvad dette koncept/disse koncepter indebærer. Underviser kan med fordel sammensætte grupperne med udgangspunkt i quizbesvarelsesdataene, sådan at hver gruppe om muligt indeholder mindst én studerende, der lader til at have styr på de(t) givne koncept(er) (grupper à 3-4 studerende, 0-15 min.).

Kilde – hvem har produceret indholdet?
Lektionen er produceret af Københavns Universitet som en del af Københavns Universitets læringsressourcer til digital dannelse, 2023.

Fagansvarlig:
• Silas Nyboe Ørting, postdoc, Datalogisk Institut

Lektionens relation til andre lektioner og/eller forløb, hvis relevant

Denne lektion udgør første del af en naturligt sammenhængende, todelt lektion om kunstig intelligens og maskinlæring. Første del hedder Hvad er kunstig intelligens (og machine learning)?

Derudover er lektionen først og fremmest relevant for lektionerne under temaerne ”Digital videnskabelig informationssøgning” og “Digital refleksion”, særligt i forhold til bias. Forløbet Elements of AI Links to an external site. giver endelig en mere dybdegående forståelse af kunstig intelligens.