1. Hafta – Yapay Zeka ve Makine Öğrenmesi

Ders Tasarımı:

Yapay Zeka Teması 10 Ders Saati yani 5 Haftadır. Bu ders planlanırken öğrencilerin yapay zekâ uygulamalarının çalışabilmesi için gerekli olan verinin ne olduğunu keşfetmeleri, farklı veri türlerini tanımaları ve verinin bu sistemlerdeki rolünü kavramaları, ayrıca makine öğrenmesi konusunu da içerecek şekilde hedeflenmektedir.

Bu sayfada temanın 5 haftadan 1. Haftası tasarlanmaktadır.

Ders Bilgileri:

Hedef Kitle: 6. Sınıf
Süre: 2 Ders Saati
Konu: Yapay Zeka, Makine Öğrenmesi
Gerekli Materyaller: İnternet bağlantılı bilgisayarlar/tabletler (tercihen kameralı), , Quick, Draw! Google Teachable Machine

Öğrenme Hedefleri

Bu dersin sonunda öğrenciler:

Bilişsel Hedef: Yapay zekanın sihir değil, verilerle eğitilen bir sistem olduğunu açıklayabilir (Makine Öğrenmesi Mantığı).
Duyuşsal Hedef: Veri setlerindeki insan kaynaklı önyargıların, Yapay Zekanın kararlarını nasıl etkilediğini fark eder ve etik sorumluluğu farkeder.
Uygulama Hedefi: Kendi belirledikleri sınıflara (kategorilere) sahip çalışan bir görüntü tanıma modeli eğitebilir ve test edebilir.

Ders Akışı ve Etkinlik Detayları

Keşfetme – Bilgisayarlar Nasıl Görür Etkinliği (20 Dakika)

Öğrencilere Yapay zekâ dersiyle ilgili ön açıklamalar yapılır.

Daha sonra internet sitesi olan Quick Draw! sayfasına girmeleri istenir. Sayfa için tıklayınız.
Google “Quick, Draw!” (Hızlı Çiz!) aracıyla Yapay zekâ oyunu basitçe tanıtılarak öğrencilerin siteyi incelemeleri istenir.
Öğretmen fazla teknik açıklama yapmadan öğrencileri siteyi deneyimlemeye yönlendirir.
Öğrencilerden sistemin istediği nesneleri (örneğin; kedi, şemsiye, denizaltı) 20 saniye içinde çizmeleri istenir. Yapay zeka sayfasının nasıl tepkiler verdiğini de gözlemlemeleri söylenir.
Etkinlik sonunda öğretmen şu soruları yöneltir:
- Siz daha çizimi bitirmeden bilgisayar ne çizdiğinizi nasıl anlıyor olabilir?
- Neden bazen çizdiğiniz şeyi başka bir şey, örneğin dondurmayı hortum zannetti?
- Bu bilgisayar tüm bu çizimleri tanımayı ve tahminler yürütmeyi kimden ve nasıl öğrendi?

Öğrencilerin cevapları üzerinden “Sinir Ağları” ve “Eğitim Verisi” kavramları somutlaştırılır.
Yapay zekânın milyonlarca insanın çizimiyle eğitildiği açıklanır.

Açıklama – FaceID Nasıl Çalışıyor? (10 Dakika)

Araçlar: Akıllı Tahta, Görsel Sunum Materyalleri (Telefon Ekranı Görselleri)
Öğretmen sınıfa, telefon veya tablet kilitlerini yüzleriyle (FaceID) açıp açmadıklarını sorarak konuya giriş yapar.
Öğrencilere görseller ve videolar üzerinden telefonların yüz tanıma özelliği ile ekran kilidini otomatik açtığı senaryo hatırlatılır.

Öğrencilere, yüz tanıma kilidini ilk ayarlarken telefonun neden sadece tek bir fotoğraf çekmediği, neden başı sağa-sola çevirmelerini istediği sorulur.

Öğrencilerin cevapları üzerinden; kameranın o an gördüğü görüntünün “Girdi”, kurulum sırasında farklı açılardan kaydedilen yüzlerce fotoğrafın ise “Eğitim Verisi (Veri Seti)” olduğu videolarla gösterilir.

Farklı açılardan (profil, alttan, üstten) çekilen fotoğrafların, yapay zekânın bizi gözlükle veya loş ışıkta bile tanımasını sağlayan “Veri Çeşitliliği” olduğu vurgulanır.

“Yüzünüzü tanıtırken kardeşiniz sürekli arkanızdan ekrana bakıp ‘ce-ee’ yapsaydı telefon kilidini kim açardı?” sorusu yöneltilir.

Telefonun iki yüzü karıştırıp yanlış öğreneceği belirtilerek, “Hatalı Veri” kavramının sistemin karar mekanizmasını nasıl bozduğu tartışılır.

Derinleşme- Yapay Zekâ Veri Sepeti Oyunu (20 Dakika)

Araçlar: Akıllı Tahta veya Öğrenci Tabletleri, İnteraktif Web 2.0 aracı
Öğrenciler teknoloji aracını bağımsız olarak keşfeder ve kavramsal anlama için kullanır.
Öğretmen, “Elma Tanıyan Yapay Zekâ” modelini eğitmek için sınıfı görevlendirir.
Öğrenciler sırayla tahtaya gelerek veya tabletlerinden nesneleri Eğitim Verileri Havuzundan Yapay Zekâ Veri Setine sürükler.
Öğrenciler yarım elmayı veya ısırılmış elmayı sepete atmakta tereddüt edebilir. Öğretmen burada Çeşitliliğin zekayı artırdığını vurgular.
Bir öğrenci (veya öğretmen) bilerek Tenis Topunu sepete atar. Sistem uyarı verir.
- Neden tenis topu, elma tanımak için eğitilen bir yapay zekayı bozar?
- İkisi de yuvarlak ve yeşil değil mi? sorusu üzerinden hatalı veri kavramı tartışılır.
Modeli Eğit butonuna basılır ve yapay zekanın başarısı tartışılır.

Üretim – Teachable Machine ile Model Eğitimi (30 Dakika)

Amaç: Simülasyonda (oyunda) öğrenilen “temiz veri” mantığının gerçek bir yapay zekâ aracında uygulanması.
Etkinlik: Google Teachable Machine kullanımı.

Öğretmen şu yönergeyi verir:

“Az önce oyunda tenis topunu sepete atmadınız çünkü modeli bozardı. Şimdi kendi yüzünüzü veya eşyalarınızı tanıtırken de arkadan geçen arkadaşınızın (hatalı veri) görüntüye girmemesine dikkat edin.”

Uygulama: Öğrenciler kendi eğitim veri setlerini (Örn: “Mutlu Yüz” vs “Üzgün Yüz”) oluşturur ve modellerini eğitir.