Å lage kunstig intelligens handlar om å ta val som bestemmer korleis teknologien verkar. Vi vel kvar vi bruker han, kva data som blir brukte, kva algoritmemodell som er best, og kva vi skal gjere med informasjonen vi får ut i andre enden.
Maskiner kan ikkje lære av seg sjølve. Til å lære opp ein kunstig intelligens treng vi store mengder data. Den kunstige intelligensen finn mønster i dataa, som algoritmen/modellen bruker til å kunne behandle ny informasjon. Studer modellen over.
Spørsmål:
Kva slags data kan vi bruke for å lære opp algoritmen til å identifisere elevar som står i fare for å droppe ut av skulen?
No skal de tenkje ut ein mogleg algoritme! Skal det vere ein veldig kompleks modell/algoritme som nesten aldri tek feil, men er vanskeleg å forstå for utanforståande? Eller skal det vere ein enkel modell/algoritme som viser tydeleg kva slutningane er baserte på?
Korleis skal resultatet sjå ut? Skal elevane bli delte i tre grupper: høg, middels og låg risiko? Eller skal de berekne ein risiko-score for kvar enkelt elev?
Kven skal sjå resultatet? Læraren? Eleven? Foreldra? Kvifor?
Kva gjer vi med resultatet? Skal elevar som har høg risiko for å droppe ut, få ekstra hjelp? Eller skal vi heller bruke ressursar på elevane som uansett kjem til å klare seg?
Er det rettferdig at ei maskin vurderer korleis elevar kjem til å gjere det på vidaregåande skule? Kvifor er det rettferdig/urettferdig?
Sjå for deg at den kunstige intelligensen meiner du har «høg risiko for å droppe ut av vidaregåande skule». Korleis hadde dette påverka deg?
Diskuter dette i gruppene, og oppsummer deretter i plenum.
