Poznámky k projektům učebnice Strojové učení pro děti (1. díl)

Úvod k seriálu 

Jsem učitel informatiky na středně velké základní škole okresního města a rád bych zde sdílel své zkušenosti z výuky informatiky na 2. stupni s učebnicí Strojové učení pro děti. 

Žáci si často uvědomují možnosti a každodenní využití umělé inteligence. V aplikacích, které běžně žáci používají, a zejména na mobilním telefonu tyto aplikace velmi rychle přibývají. Společnou diskusí si žáci vyměňují zkušenosti, ale často se také ptají, co to je a jak to funguje. 

Tyto otázky mě dovedly k učebnici Strojové učení pro děti a následně ke zpracování seriálu, který se věnuje praktickým poznatkům z výuky. 

Učebnice má ambici nastínit pro žáky základní školy samotnou podstatu fungování umělé inteligence. Základem nástrojů umělé inteligence jsou modely strojového učení. Jedná se ale pouze o program, který říká počítači, jakým způsobem řešit zvolené úlohy. Podstatu tohoto programu objevujeme a prozkoumáváme se žáky 9. ročníků v hodinách informatiky pomocí připravených modelových příkladů. Spojujeme poznatky z programování ve Scratchi s tvorbou modelů strojového učení a poznáváme úskalí a náležitosti potřebné k funkčnosti konkrétního typu programu. 

Učebnice to dělá pomocí připravených modelových příkladů – projektů, kde spojuje poznatky žáků z programování ve Scratchi s tvorbou modelů strojového učení a vede žáky k objevování a prozkoumávání úskalí a náležitostí potřebných k funkčnosti konkrétního typu programu.

Při práci na těchto projektech jsem s žáky 9. ročníku kladl hlavně důraz na práci s daty. Data, ať už v jakékoliv formě, nebo množství, jsou základem každého modelu strojového učení. Obvykle tato činnost byla v každém projektu klíčová a časově nejnáročnější.  

Ve všech projektech se spojuje několik činností a vede žáky k naplňování očekávaných výstupů RVP, jako jsou: 

• algoritmizace (sestavení správného programu podle předlohy, čtení a úprava programu) 
• práce s daty (výběr a tvorba vhodných dat – kresby, fotky, obrázky, textové sdělení, správné dotazy, porovnávání dat, interpretace dat, aj.).

Práce na projektech přispívá u žáků k naplňování digitální kompetence, a to zejména při práci s počítačem (organizace souborů a složek, ukládání souborů a vyhledávání na internetu, tvorba správných dat pomocí mobilního telefonu, přenos dat do počítače, sdílení souborů).

Cílem jednotlivých úkolů bylo postavení žáků do role tvůrce dat a obsahu, což u nich lépe vede k uvědomění problematiky a trénování potřebných dovedností. Tyto dovednosti jsou při práci s daty a pro správnou funkčnost aplikací velmi důležité.  

Náročnosti u jednotlivých projektů se nemusíte obávat, v uvedené knize jsou tyto projekty připravené a popsané tak, aby je do výuky mohl zavést a zvládnout každý vyučující. 

Následující poznámky doplňují metodiky v učebnici o mé vlastní zkušenosti, které mohou vaši práci a přípravu na výuku usnadnit, nebo pomoci předejít potížím ve výuce. 

V každé další kapitole se proto pokusím uvádět své poznatky z výuky, které v učebnici nenajdete. 

Projekt č. 1 – Třídění zvířat 

Čeho se projekt týká: 

V první kapitole vytvoříme a natrénujeme model strojového učení pro rozpoznávání obrázků vybraných dvou druhů zvířat (kráva, ovce). Program se bude snažit automaticky rozpoznávat a rozdělovat obrázky z vámi připraveného zásobníku do správných kategorií. 

Celý tento projekt, stejně jako ostatní v této učebnici, je zpracován jako podrobný popis jednotlivých kroků jak v programu strojového učení, tak v programu Scratch. Jsou zde ale jisté detaily a praktické činnosti, které vyplynou až z výuky samotné, na které je dobré se předem připravit a dát si pozor. 

Poznatky z výuky, co je potřebné pro přípravu a realizaci projektu a co v učebnici nenajdete: 

• Pro nahrávání obrázků do prostředí strojového učení z internetu je vhodné vybírat různorodé obrázky, jak fotografie, tak kliparty, kreslené obrázky. Čím více odlišností, tím lépe. 
• Doporučuji, aby si všichni žáci vybrali 2 stejné druhy zvířat pro vzájemné pozdější porovnání úspěšnosti rozpoznávání jejich modelů. 
• Dávejte si pozor na to, aby trénovací data (pro tvorbu modelu strojového učení) byla odlišná od testovacích dat (obrázky, které nahrávám do Scratche pro rozpoznávání). Toto je časově nejnáročnější aktivita.  
• Žáci by si měli připravit a pojmenovat 2 adresáře do počítače, kam uloží jiné obrázky, než nahrávali do modelu strojového učení. Tady je prostor i pro trénování digitálních kompetencí, opakování základních dovedností se soubory. 
• Ve Scratchi si vhodným způsobem rozdělte pozadí. Zde s vytvářením pozadí neztrácejte zbytečně mnoho času, není to hlavní aktivita a nemá vliv na funkčnost projektu. 
• Důležitou činností je také reagovat na připomínky žáků, kteří si chtějí vytvořit scénáře a funkčnost modelu ve Scratchi i trochu jinak než podle předlohy. Žáci jsou tvořivý, podporuji je v jejich samostatné práci. 
• Podporujte činnost čtení a úprava programu, je to jeden z výstupů z RVP. Takto je to podobně důležitá část aktivity i v ostatních projektech. 
• Sledujme jejich práci, hledejme možné překážky a buďme na ně připraveni. 

Projekt č. 2 – Kámen, nůžky, papír 

Čeho se projekt týká: 

V této kapitole vytvoříme a natrénujeme model strojového učení podobně jako v první kapitole, tedy na rozpoznávání obrázků. Teď to budou ale obrázky, které vytvoří sami žáci pomocí kamery, nebo interní webkamery notebooku. Toto rozpoznávání bude součástí známé hry kámen, nůžky, papír, kde může žák hrát proti počítači. 

Postupujte podle návodu v učebnici, držte se i doporučení a rad ze zkušenosti z naší výuky. 

Poznatky z výuky, co je potřebné pro přípravu a realizaci projektu a co v učebnici nenajdete: 

• Do modelu strojového učení nahrajete obrázky lépe pomocí externí webkamery. Je to vhodné pro nastavení gest ruky bez obličejů žáků. Tohoto se při použití webkamery těžko vyvarujete. 
• Je vhodné fotit, pořizovat obrázky na jednom jednoduchém pozadí pro jejich následné lepší rozeznávání. 
• Další způsoby pořizování snímků diskutujte s žáky. Jakou zvolit strategii, na co si dát pozor (přiblížení, orientace ruky, pozadí, …). Někdy se dozvíte zajímavé nápady a způsoby, jakými žáci nad problémem přemýšlí. 
• Pro trénování jednoho modelu využijte více spolužáků – mít různé „ruce“, více příkladů. 
• Pokud nemám webkameru, mohu použít mobil. Ukládání fotografií do PC, pojmenování, třídění a práce s nimi vede k trénování digitálních kompetencí. Potom je mohu nahrávat do ML přetažením z jednoho okna do příslušné kategorie. Potřebuji k tomu ale nástroj pro sdílení fotografií, např. www.imgway.cz nebo www.rajce.idnes.cz. Toto je dost slabé místo programu Machine Learning for Kids, protože neumožňuje nahrávání souborů z počítače.  
• Registrace a nastavení stránky pro sdílení fotografií zabere také jistý čas, takže je s tím při přípravě tohoto projektu dobré počítat. Je to docela na obtíž. 
• Projekt ML je omezen na 100 snímků celkem (33 do každé kategorie), je též vhodné s tím počítat.
• Ve zhodnocení a vylepšení projektu jsou uvedeny otázky pro pořizování snímků, které potom mohou vést ke zkreslení natrénovaného modelu. jak je uvedeno v posledních 2 kapitolách. A tuto aktivitu do tohoto modelu můžeme zpětně zavést. 

Projekt č. 3 – Rozpoznávání filmových plakátů 

Čeho se projekt týká: 

V tomto projektu vytvoříme a natrénujeme model strojového učení znovu na rozpoznávání obrázků, tvarů a dalších vzorů, které mají obrázky společné. Teď to budou ale obrázky filmových plakátů s různou tematikou. Cílem projektu je, aby model strojového učení dokázal rozlišovat podle obrázku žánr filmu. 

Poznatky z výuky, co je potřebné pro přípravu a realizaci projektu a co v učebnici nenajdete: 

• Příprava testovacích obrázků, žáci si do svého počítače uloží alespoň 30 různých plakátů filmů (obrázků). Vytvoří a pojmenují 3 složky podle zaměření filmu. 10 obrázků do každé složky. Je dobré si na začátku rozmyslet zaměření filmů, aby tematika byla výrazně odlišná (pohádka, dokument, horor). Této přípravě věnujte s žáky dostatek času. Pečlivá příprava obrázků se následně odrazí ve spolehlivosti natrénovaného modelu. 
• Při nahrávání trénovacích obrázků z internetu do modelu strojového učení dávejte pozor, aby se obrázky neopakovaly s některými z testovacích obrázků. 
• Vnímám problém u žáků při poznávání žánru filmu, když jej před tím neviděli. Jak tedy vybrat několik filmů do jednotlivých kategorií. Umožňuji žákům ve dvojicích, skupinkách společně diskutovat a vybírat vhodné filmy.