Sonderausstellung im Museum für Industriekultur
Auf dieser Seite finden Sie eine Sammlung von Zusatzmaterialien für die Sonderausstellung Künstliche Intelligenz im Museum für Industriekultur Osnabrück. Die Materialien wurden und werden von Studierenden im Rahmen von Lehrveranstaltungen zusammengetragen, konzipiert und erstellt.
Eine lebendige Sammlung
Es handelt sich um ein lebendige Sammlung, d.h. die Materialien werden immer wieder ergänzt und aktualisiert.
Termine
- 16. Mai 2024
Sommerakademie des Schülerforschungszentrum Osnabrück - 5. Juni 2024, 14 - 18 Uhr
I am AI@School - Workshop zum Thema KI in der Schule
Fortbildung für Lehrkräfte
Eine kleine Bedienungsanleitung
Den Kern der Ausstellung bilden die Exponate der Wanderausstellung I am AI. Wir stellen hier aber nicht die diese Stationen im Detail vor. Stattdessen ...
- ... stellen wir zusätzliche Materialien vor,
- ... stellen wir Workshops und Aktivitäten vor,
- ... geben Hinweise für die Vor- und Nachbereitung des Ausstellungsbesuchs,
- ... ordnen wir die Stationen in einen größeren Zusammenhang ein,
- ... und erläutern einige Exponate.
Wir werden die Materialien in verschiednen Formaten einstezen und ausprobieren. Außerdem wird das Feedback von Guides und Besuchern berücksichtigt und eingearbeitet.
Zielgruppen sind ...
- Lehrkräfte, die die Ausstellung mit Lerngruppen besuchen wollen
- Guides, d.h. Personen, die Gruppen durch die Ausstellung führen
- Interessierte, die sich genauer informaieren wollen
Die Ausstellung I am AI lässt sich im Wesentlichen in drei Schwerpunkte unterteilen, die jeweils aus mehreren Stationen bestehen.
Schwerpunkt: Reinforcement Learning
Reinforcement Learning -- oder Lernen durch Verstärkung -- ist eine der wichtigsten Methoden des Maschinellen Lernens. Es ist wesentlicher Bestandteil in vielen KI Systeme und führt insbesondere in Kombination mit künstlichen Neuronalen Netzen zu großen Erfolgen.
Die Station Sumory macht ein grundlegendes Problem des Maschinellen Lernens deutlich: Nach welcher Strategie Erkunde ich die zu lernenden Daten.
Die Station Reinforcement Learning zeigt, wie ein Roboter ein Labyrinth erkundet und dabei den besten möglichen Weg lernt.
Der Turing-Tisch ist ein Beispiel für ein ausgelerntes System. D.h. einer der Spieler verwendet für seine Züge die Strategie, die vorher mit Reinforcement Learning gelernt wurde. Diese Strategie liegt in Form eines Buches vor, in dem zu jeder Spielsituation der beste Zug zu finden ist.
Schwerpunkt: Neuronale Netze
Künstliche neuronale Netze haben in letzter Zeit eine besondere Aufmerksamkeit genossen. Sie sind besonders gut dazu geeignet komplexe mathematische Zusammenhänge in handhabbarer Form zu modellieren. Die Schwierigkeit dabei ist es sie mit geeigneten Daten zu trainieren und ihre Größe und Form richtig zu wählen.
n den vier Stationen dieses Schwerpunktes lernst Du die Funktionsweise kleiner neuronaler Netze kennen und kannst mit zwei Beispielen aktiv experimentieren.
Schwerpunkt: Ethik der KI
Der Einsatz von Künstlicher Intelligenz wirf eine ganze Reihe von wichtigen Fragen auf. Können und sollen wir solchen Systemen vertrauen? Was geschieht, wenn sie Fehler machen? Auf welches Verhalten sollen wir die Systeme trainieren?