Å lage kunstig intelligens handler om å ta valg som bestemmer hvordan teknologien virker. Vi velger hvor vi bruker den, hvilke data som blir brukt, hvilken algoritmemodell som er best, og hva vi skal gjøre med informasjonen vi får ut i andre enden.
Maskiner kan ikke lære av seg selv. Til å lære opp en kunstig intelligens trenger vi store mengder data. Den finner mønstre i dataene, som algoritmen/modellen bruker til å kunne behandle ny informasjon. Studer modellen over.
Spørsmål:
Hva slags data kan vi bruke for å lære opp algoritmen til å identifisere elever som står i fare for å droppe ut av skolen?
Nå skal dere tenke ut en mulig algoritme! Skal det være en veldig kompleks modell/algoritme som nesten aldri tar feil, men er vanskelig å forstå for utenforstående? Eller skal det være en enkel modell/algoritme som viser tydelig hva slutningene er basert på?
Hvordan skal resultatet se ut? Skal elevene bli delt i tre grupper: høy, middels og lav risiko? Eller skal dere beregne en risiko-score for hver enkelt elev?
Hvem skal se resultatet? Læreren? Eleven? Foreldrene? Hvorfor?
Hva gjør vi med resultatet? Skal elever som har høy risiko for å droppe ut, få ekstra hjelp? Eller skal vi heller bruke ressurser på elevene som uansett kommer til å klare seg?
Er det rettferdig at en maskin vurderer hvordan elever kommer til å gjøre det på videregående skole? Hvorfor er det rettferdig/urettferdig?
Forestill deg at den kunstige intelligensen mener du har «høy risiko for å droppe ut av videregående skole». Hvordan hadde dette påvirket deg?
Diskuter dette i gruppene, og oppsummer deretter i plenum.
