Crni pojas I dan je kurs posvećen veštačkoj inteligenciji i mašinskom učenju. Učenici prelaze sa korišćenja gotovih AI mogućnosti na razumevanje toga kako računar uči iz podataka, kako nastaje model i kako taj model možemo da upotrebimo u programu ili robotu.
Kroz praktične projekte učenici će praviti i trenirati modele koji prepoznaju slike, pokrete, zvuk, tekst i druge vrste podataka, testirati koliko dobro rade i istraživati zbog čega model ponekad donosi pogrešne zaključke.
Važan deo kursa predstavlja nova generacija LEGO Education Computer Science & AI robotike. Učenici povezuju programiranje, senzore, podatke i AI kako bi napravili fizičke sisteme koji ne izvršavaju samo unapred zadate komande, već mogu da reaguju na informacije iz svog okruženja. Na taj način veštačka inteligencija prestaje da bude nešto što postoji samo u telefonu ili računaru — učenici mogu da vide kako AI model donosi odluku koja zatim pokreće nešto u stvarnom svetu.
Grupe su do šestoro učenika, čas traje 75 minuta, jednom nedeljno.
Jedna od najvažnijih ideja Crnog pojasa je razumevanje razlike između klasičnog programiranja i mašinskog učenja. Kod klasičnog programiranja učenik definiše pravila: ako se dogodi određeni uslov, program treba da izvrši određenu akciju. Kod mašinskog učenja pristup je drugačiji. Umesto da pokušamo da napišemo sva pravila, računaru dajemo primere i podatke iz kojih pokušava da pronađe obrasce. Tako možemo da napravimo model koji, na primer, razlikuje slike, prepoznaje određene pokrete ili klasifikuje tekst.
Učenici će prolaziti kroz čitav mali ciklus mašinskog učenja: prikupljanje podataka → treniranje modela → testiranje → analiza grešaka → poboljšavanje modela → korišćenje modela u programu. Posebno ćemo istraživati kako izbor i kvalitet podataka utiču na rezultate. Učenici će kroz eksperimente videti da AI model nije nepogrešiv i da rezultat zavisi od primera na kojima je učio.
Kada istreniramo model, posao nije završen. Model zatim treba povezati sa programom koji će njegov rezultat upotrebiti da nešto uradi — promeni ponašanje igre, pokrene robota, reaguje na gest ili donese neku drugu odluku. Na taj način učenici uče da se programiranje i AI međusobno dopunjuju.
Jedna od glavnih tehnologija Crnog pojasa I dan biće novi LEGO Education Computer Science & AI sistem. Za razliku od prethodnih LEGO robotičkih aktivnosti, ovde fokus nije samo na motorima, senzorima i programiranju njihovog ponašanja. Učenici istražuju i podatke, klasifikaciju i računarski vid, a zatim rezultate AI sistema povezuju sa fizičkim modelima. Pravićemo projekte u kojima robot ili LEGO konstrukcija reaguje na ono što AI sistem prepozna — spajamo programiranje, robotiku, senzore, podatke i veštačku inteligenciju. Cilj nije samo da učenici naprave projekat koji „koristi AI“, već da mogu da objasne odakle AI dobija podatke, na osnovu čega donosi odluku i zašto ponekad greši.
Veliki deo kursa čine eksperimenti sa sopstvenim modelima mašinskog učenja. Učenici će trenirati modele za različite vrste problema — od prepoznavanja slika i pokreta do rada sa tekstom i zvukom — a zatim ih uključivati u igre, interaktivne projekte i fizičke uređaje. Posebno ćemo istraživati koliko primera je potrebno, šta se događa ako su primeri previše slični, zašto model nešto pogrešno prepozna, kako možemo da poboljšamo podatke i da li računar zaista „razume“ ono što prepoznaje. Kroz ovakve eksperimente učenici postepeno razvijaju intuiciju o tome kako mašinsko učenje funkcioniše, umesto da AI koriste kao crnu kutiju.
Razumevanje veštačke inteligencije podrazumeva i razumevanje njenih ograničenja. Kroz praktične primere razgovaraćemo o tome kako podaci mogu uticati na ponašanje modela, zašto AI može da pogreši, šta znači pristrasnost podataka i kada odluku ne bi trebalo prepustiti računaru. Cilj je da razviju naviku da postavljaju pitanja: Kako AI ovo zna? Na kojim podacima je učio? Koliko možemo da verujemo rezultatu? Time Crni pojas nije samo kurs korišćenja AI alata, već prvi ozbiljniji korak ka AI pismenosti.
Crni pojas I dan povezuje prethodno iskustvo učenika u blokovskom programiranju i robotici sa konceptima koji će im biti potrebni za naredne kurseve. Učenici upoznaju podatke, modele, klasifikaciju, treniranje, testiranje i evaluaciju rezultata, a istovremeno nastavljaju da koriste programske koncepte koje već poznaju. To predstavlja pripremu za naredni korak Digi Klinci programa — Python, rad sa podacima i naprednije projekte veštačke inteligencije.
