Anlässlich der Weiterbildung an der GIBS Freiburg zum Thema KI-Verstehen und Anwenden für den Allgemeinbildenden Unterricht wurden folgende Informationen zusammen gefasst.
Zentrale Fragen:
- Wie funktioniert KI?
- Wie wirkt das?
- Wie nutze ich das?
- Wie funktioniert eine KI – am Beispiel Teachable Machine
Die Teachable Machine ist ein webbasiertes Tool, das von Google entwickelt wurde und es Benutzern ermöglicht, maschinelles Lernen auf einfache Weise ohne umfangreiche Programmierkenntnisse zu erkunden. Die Grundidee hinter der Teachable Machine ist, dass Sie Ihrem Computer beibringen können, verschiedene Objekte oder Aktionen anhand von Bildern, Tönen oder Bewegungen zu erkennen. Hier ist eine grobe Erklärung, wie die Teachable Machine funktioniert:
- Datenerfassung: Der erste Schritt besteht darin, Daten zu sammeln, die Sie verwenden möchten, um Ihrem Modell beizubringen, bestimmte Muster zu erkennen. Sie können dies auf verschiedene Weisen tun:
- Bilder: Sie können die Kamera Ihres Computers oder eines anderen Geräts verwenden, um Bilder von Objekten oder Handlungen aufzunehmen, die Sie erkennen möchten.
- Audio: Sie können Audioaufnahmen von verschiedenen Klängen oder Sprachbefehlen erstellen.
- Pose: Wenn Sie Bewegungen oder Körperhaltungen erkennen möchten, können Sie die Webcam verwenden, um Bewegungen aufzuzeichnen.
- Klassierung: Nachdem Sie Ihre Daten gesammelt haben, müssen Sie sie mit entsprechenden Klassen (Class) versehen. Zum Beispiel könnten Sie Bilder von Katzen und Hunden mit den Etiketten „Katze“ und „Hund“ versehen.
- Modelltraining: Die Teachable Machine verwendet hinter den Kulissen maschinelles Lernen, um ein Modell zu erstellen, das diese Daten analysieren kann. Sie müssen nicht selbst programmieren, um ein Modell zu erstellen. Stattdessen übernimmt die Teachable Machine den Prozess des Trainings für Sie.
- Testen und Anwenden: Nachdem Ihr Modell trainiert wurde, können Sie es testen, indem Sie neue Daten eingeben, die es nicht gesehen hat, und sehen, wie gut es Vorhersagen trifft. Sie können das Modell auch in verschiedenen Anwendungen verwenden, um Objekte oder Aktionen automatisch zu erkennen.
- Feinabstimmung: Je nach den Ergebnissen des Tests können Sie Ihr Modell weiter verbessern, indem Sie ihm mehr Daten hinzufügen und den Trainingsprozess wiederholen.
2. Wie wirkt das? – Am Beispiel Deep Fake!
