Lezione 6 - Introduzione al Laboratorio IA

Discussione: Ieri abbiamo confrontato la frutta in base a quanto fosse dolce e quanto fosse facile da mangiare. Qual è un'altra caratteristica che avremmo potuto usare per confrontare gli alimenti?

Chiedi agli studenti di tenere un diario individuale, quindi di condividerlo con un compagno prima che farlo mettere in condivisione con la classe da parte di più studenti

Obiettivo della discussione: questa discussione ha lo scopo di collegare l'attività di ieri alla lezione di oggi. Invita alcuni studenti a partecipare, ma mantieni questa discussione breve in modo che gli studenti possano passare alla parte del componente delle attività di avvio.

Code Studio: chiedi agli studenti di accedere a Code Studio. Il primo esercizio ha un componente "Esplorazione della frutta", che ricrea parte dell'esperienza vissuta ieri dagli studenti nella classificazione manuale di frutta e verdura.

Illustrazione: leggi le istruzioni sull'esercizio e dimostra come funziona il componente. Mentre esplori le caratteristiche disponibili, fai riferimento alla discussione, specialmente se nel componente compaiono alcune risposte degli studenti.

Esplorare, non padroneggiare: questo componente presenta molte funzionalità e non ci si aspetta che gli studenti imparino a usarle tutte. La complessità del componente è parte dell'argomento della lezione: man mano che la lezione prosegue, gli studenti vedranno come Laboratorio IA può semplificare questo processo di esplorazione e analisi dei dati.

Fai questo: utilizzando i menu a discesa per regolare le caratteristiche, traccia una linea che crei un modello che classifichi correttamente almeno l'80% della frutta e l'80% delle verdure. Viene fornito un esempio di come può apparire.

Punti sovrapposti: a volte un modello sembrerà accurato al 100%, ma potrebbe non essere visualizzato con una accuratezza del 100%. Questo perché alcuni punti possono sovrapporsi quando vengono disegnati sul grafico. Questo non è sempre facile da vedere per gli studenti, poiché il passaggio del mouse sui punti mostrerà solo uno dei punti. Se gli studenti hanno difficoltà con questo, chiedi loro di osservare attentamente il processo di creazione dei grafici per vedere i punti sovrapporsi tra loro.

Condivisione: chiedi agli studenti di condividere rapidamente le caratteristiche utilizzate per creare modelli accurati. Gli studenti dovrebbero essere in grado di trovare molte diverse combinazioni di caratteristiche e molte linee possibili in grado di creare modelli accurati.

Questa attività mostra come, aggiungendo solo qualche altra caratteristica a qualche altro alimento ai nostri dati, diventi molto più complesso per noi creare gli stessi tipi di modelli di ieri. A volte questo processo può diventare complicato mentre cerchiamo di tenere traccia di tutti i nostri dati e di tutte le nostre caratteristiche. Oggi impareremo come le macchine possono semplificarci questo processo utilizzando un nuovo strumento chiamato Laboratorio IA

Domanda del giorno: come puoi usare Laboratorio IA per creare un modello accurato di apprendimento automatico?

Mostra la diapositiva con la griglia di 100 immagini

Discussione: faremo pratica con Laboratorio IA per classificare le forme. Sulla base di queste immagini, quali sono alcune caratteristiche che pensi possiamo usare in Laboratorio IA per addestrare un modello di apprendimento automatico?

Obiettivo della discussione: incoraggia gli studenti a notare le diverse proprietà delle forme. Alcuni di queste possono essere geometriche, come il numero di lati o le misure degli angoli. Incoraggia inoltre gli studenti a individuare le caratteristiche visive che un modello di apprendimento automatico potrebbe rilevare, come il colore del bordo o il colore di riempimento.

Video: guarda il video (5:25) insieme alla classe. Introduction to AI Lab

Video per studenti: i video sono pensati per essere guardati e discussi in classe e quindi non sono forniti come esercizi individuali su Code Studio. Se uno studente ha bisogno di guardare nuovamente un video, può trovarlo nella sezione Aiuto e suggerimenti degli esercizi o visitando la pagina Risorse per gli studenti di ogni lezione.

Code Studio: chiedi agli studenti di passare all'esercizio successivo in Code Studio, che presenta precaricato l'insieme dei dati delle forme. Indica le caratteristiche incluse nell'insieme dei dati, soprattutto se corrispondono alle previsioni della discussione precedente.

Fai questo: clicca su ciascuna colonna e guarda il pannello di destra per notare i modelli che Bot IA ha trovato nei dati. Prova a creare frasi come "Quando un Bot IA vede [blank], tende a collegarlo a una forma [blank]" Non premere ancora il pulsante "apprendi"!

Discussione: Quali tipi di schema ha notato Bot IA?

Obiettivo della discussione: è auspicabile che gli studenti notino che il numero di lati ha una relazione del 100% con ciascuna forma, il che non dovrebbe sorprendere. Tuttavia, gli studenti possono anche notare ulteriori modelli nei dati, ad esempio: le piccole forme tendono ad essere triangoli o i cerchi sono solo rosa o gialli.

Mentre gli studenti condividono le loro risposte, fai riferimento alla griglia delle forme e chiedi loro di notare se riescono a vedere gli stessi schemi nella griglia. Sottolinea quanto velocemente Bot IA è stato in grado di scoprire schemi e che possiamo verificarli nei dati, ad esempio, quando ti concentri solo sulle piccole forme nella griglia, la maggior parte di esse sono triangoli proprio come identificato da AI Bot.

Fai questo: utilizzando i punti critici nei dati come guida, seleziona una o due funzioni da utilizzare nel modello. Quindi premi il pulsante "Addestra" per addestrare il tuo modello

Girando tra i banchi: quando gli studenti premono il pulsante del treno, verranno portati alla seconda metà di Laboratorio IA: le schermate di addestramento, verifica e accuratezza. Gli studenti possono esplorare queste schermate e possono avere domande, ma riservare spiegazioni per ora. Una volta che la maggior parte della classe ha addestrato un modello, riorganizzarsi e passare alla diapositiva successiva.

Video: guarda il video Training and Testing in AI Lab (3:59) come classe.

Distribuisci una copia della risorsa Training a Model in AI Lab a ogni studente.

Fai questo: esplora Laboratorio IA per creare modelli in grado di classificare una forma. È necessario eseguire l'addestramento di più modelli dallo stesso insieme di dati e tenere traccia dell'accuratezza compilando la tabella nella guida all'attività

Una volta che gli studenti hanno completato la tabella di valutazione, potranno riorganizzarsi per una discussione con tutta la classe

Fluidità dei componenti: per ora, concentrati sull'aiutare gli studenti a diventare fluenti con Laboratorio IA assicurandoti che possano fare clic su colonne e pulsanti, concentrarsi sui pannelli appropriati e navigare tra le schermate. Gli studenti possono anche ottenere assistenza leggendo le istruzioni, che vengono aggiornate con ogni pannello, o utilizzando la sezione Aiuto e suggerimenti per leggere i documenti di aiuto o guardare nuovamente il video.

Iterazione sulle funzionalità: gli studenti devono rimanere sullo stesso esercizio e non premere il pulsante Continua finché non viene loro richiesto di farlo. Ciò rappresenta il modo in cui gli studenti utilizzano in genere Laboratorio IA con insiemi di dati più complessi, addestrando più modelli nello stesso esercizio e confrontando l'accuratezza, anziché addestrare un modello una sola volta e continuare.

Abbiamo davvero bisogno dell'IA per questo? no, probabilmente non per questo particolare problema. Tuttavia, questo esercizio aiuta gli studenti a familiarizzare con il flusso di lavoro di Laboratorio IA continuando a fare riferimenti incrociati con un set di dati visivi per confermare la loro comprensione. Questo esercizio evidenzia anche alcuni importanti problemi che saranno importanti in tutta l'unità, ad esempio quando troppi dati in conflitto possono confondere Bot IA e una minore accuratezza o quando Bot IA pensa di sapere qualcosa con elevata accuratezza ma con caratteristiche che non sono pratiche nel mondo reale.

Discussione: questo modello è stato studiato solo sui colori ed è accurato al 90%. Cosa succederebbe se provassimo a usare questo modello nel mondo reale? Pensi che sarebbe altrettanto accurato?

Obiettivo della discussione: guida gli studenti a rendersi conto che solo perché questo insieme di dati contiene schemi con il modo in cui vengono disegnate le forme non significa che rappresenterà forme nel mondo reale. Gli studenti possono verificarlo anche testando i dati in Laboratorio IA: non dovrebbe sembrare intuitivo che il nostro modello possa prevedere una forma solo in base alle sue dimensioni e ai suoi colori, soprattutto se proviamo a mostrargli una più ampia varietà di forme. Ricorda agli studenti il video, in cui un'elevata accuratezza significa solo che il modello è in grado di riprodurre schemi nei dati e che noi, come esseri umani, abbiamo il controllo sulla decisione di quali caratteristiche sono importanti.

Responsabilità umana nell'intelligenza artificiale: concentrarsi sul nostro ruolo nella selezione di dati e caratteristiche per i modelli di apprendimento automatico prefigura lezioni future in cui gli studenti valuteranno se sia opportuno includere caratteristiche anagrafiche, come la razza o il genere, nei modelli di apprendimento automatico. Cercare di classificare una forma in base a una proprietà non correlata come il colore può essere analogo a cercare di prendere una decisione in cui vengono prese in considerazione caratteristiche non correlate come razza o genere. Questo non dovrebbe essere il fulcro di questa discussione, ma può essere utile fare riferimento a questo momento nelle lezioni successive.

Discussione: l'addestramento con tutte le caratteristiche possibili ha creato un modello meno accurato del semplice addestramento su una caratteristica. Perché pensi che sia successo?

Obiettivo della discussione: gli studenti possono avere difficoltà ad articolare questo particolare fenomeno, e va bene mantenere questa discussione breve e non giungere a conclusioni definitive. Usa invece questa breve riflessione libera per passare alla diapositiva successiva in cui sarà più facile spiegare come è successo.

Attenzione al malinteso: questa richiesta e le osservazioni che seguono affrontano direttamente l'idea errata che l'addestramento con tutte le caratteristiche porti al modello più accurato. Liberare gli studenti da questo preconcetto porterà a indagini più fruttuose negli esercizi successivi, quando gli studenti itereranno e sperimenteranno nel Laboratorio IA per trovare i modelli migliori.

Mostra la diapositiva seguente, che contiene un'immagine della forma che Bot IA ha identificato in modo errato e un'immagine della griglia delle forme utilizzata per addestrare Bot IA.

Discussione: guardando i dati di addestramento, perché Bot IA ha pensato che questa piccola forma marrone con un bordo rosso fosse un triangolo?

Obiettivo della discussione: incoraggia gli studenti a fare riferimento ai dati di addestramento e a osservare individualmente i modelli con ciascuna di queste caratteristiche. Ad esempio:

• la maggior parte delle forme piccole nei dati di addestramento erano triangoli insieme a pochissimi quadrati
• la maggior parte delle forme con un contorno rosso nei dati di addestramento erano triangoli insieme a pochissimi quadrati
• non ci sono molti quadrati marroni nei dati di addestramento

Se gli studenti non notano esplicitamente questi schemi, va bene - puoi riassumere queste osservazioni nelle osservazioni seguenti.

In questo esempio, Bot IA ha pensato che questo piccolo quadrato marrone con un bordo rosso fosse un triangolo. Se esaminiamo il resto dei dati di addestramento, vediamo che molte piccole forme sono triangoli, molti triangoli hanno bordi rossi e non molti quadrati sono marroni. Con tutte queste caratteristiche aggiuntive, Bot IA si è confuso e ha pensato che questi altri modelli fossero più importanti del numero di lati. Ecco perché è importante utilizzare solo dati con una forte relazione con il modello e non includere caratteristiche aggiuntive che non hanno relazioni solide.

Mostra agli studenti la diapositiva successiva, che introduce un nuovo problema relativo alla creazione di consigli basati sui dati del sondaggio tra gli utenti. La classe è stata incaricata da una pizzeria per aiutare a capire cosa piace di più ai clienti in base ai condimenti che scelgono.

Code Studio: chiedi agli studenti di passare all'esercizio successivo in Code Studio. Se si trovano su un pannello diverso in Laboratorio IA, possono usare le vignette nella parte superiore dello schermo e fare clic sulla vignetta successiva per passare direttamente all'esercizio.

Fai questo: chiedi agli studenti di addestrare un modello con una accuratezza almeno dell'80% utilizzando i dati della pizza. Dovrebbero annotare i risultati nella loro guida alle attività.

Girando tra i banchi: monitora gli studenti mentre completano questo compito, concentrandoti su come utilizzano le tabelle a schede incrociate per prendere decisioni. Gli studenti possono passare all'esercizio successivo solo se hanno addestrato un modello con un'accuratezza dell'80%.

Selezione delle caratteristiche: ora che gli studenti hanno familiarità con Laboratorio IA, questo insieme di dati enfatizza il processo decisionale coinvolto nella formazione dei modelli di apprendimento automatico. Gli studenti dovrebbero utilizzare le visualizzazioni a schede incrociate per decidere quali caratteristiche sono utili per formulare consigli, notando quando le caratteristiche hanno relazioni forti e quando le caratteristiche appaiono «casuali». Aiuta gli studenti a capire che la selezione di tutte le caratteristiche o la scelta casuale delle caratteristiche non è utile se porta a un modello inaccurato.

L'ordine conta: gli studenti potrebbero scoprire che l'ordine in cui selezionano le caratteristiche a volte può essere importante: ad esempio, la scelta di «peperoni, pollo fritto» può avere un'accuratezza diversa rispetto a «pollo fritto, peperoni». Questo non è un argomento fondamentale per utilizzare con una certa padronanza Laboratorio IA e si verifica più spesso in questi primi esercizi a causa delle dimensioni dell'insieme di dati più limitato. Se gli studenti lo chiedono, un modo per pensarci è che la prima caratteristica rappresenti il modo in cui Bot IA tenta inizialmente di separare i dati prima di passare alle altre caratteristiche. Quindi: più forte è il rapporto con la prima caratteristica che scegli, più forti saranno gli schemi che Bot IA potrà individuare.

Fai questo: l'esercizio finale offre diverse scelte per gli insiemi di dati che gli studenti possono esaminare. Sono tutti simili a quelli che abbiamo appena esaminato, con diversi alimenti disponibili per i quali possono formulare raccomandazioni. Gli studenti devono selezionare un insieme di dati, quindi studiare come possono addestrare un modello di raccomandazione per la loro situazione. Dovrebbero inoltre tenere traccia del loro modello nella loro Guida all'attività.

Completezza delle attività: è importante che gli studenti si sentano investigatori e sperimentatori mentre cercano di trovare un modello di apprendimento automatico accurato, il che significa che potrebbero non avere più tempo per completare la guida alle attività. Questo va bene, soprattutto se trascorrono molto tempo a esaminare i propri dati e a decidere quali caratteristiche scegliere. Anche se non riescono a concludere l'esercizio, assicurati che completino l'ultima domanda sulla strategia che hanno usato per selezionare le loro caratteristiche.

Discussione: qual è un esempio odierno di come gli esseri umani possono influenzare il processo di apprendimento automatico?

Obiettivo della discussione: le risposte degli studenti possono variare, ma possono concentrarsi su come la scelta dei dati e delle caratteristiche sia qualcosa che gli esseri umani influenzano quando si crea un modello di apprendimento automatico. Gli studenti possono anche commentare il nostro ruolo nel decidere di utilizzare un modello anche quando è estremamente accurato, ad esempio con l'insieme di dati sulle forme della prima parte della lezione.