Hoe train je je eigen AI ?
Aan de slag met Teachable Machine
Hoe train je je eigen AI?
Lesson duration is: 75 minIntroduction
Instructions
Items in this lesson
Aan de slag met Teachable Machine
Hoe train je je eigen AI?
This item has no instructions
Informatie voor de docent
Vooraf
Verdeel de leerlingen in groepjes van 2 à 3 leerlingen.
Benodigdheden
Iconen
Zet het vinkje 'toon bij leerling' aan
Toon notities bij elke dia
Navigeren door de les
download het werkblad
Vergroot een afbeelding
Klik hier
Hotspot met meer informatie
laptop per groep
This item has no instructions
Leerdoelen
Na deze lessenserie kun jij...
experimenteren met het trainen van een AI systeem.
beschrijven wat de rol en invloed van data is voor de werking van AI systemen.
uitleggen dat een dataset een beperkt beeld geeft van de werkelijkheid.
This item has no instructions
Vraag
Wat weet je al van neurale netwerken?
Vraag hier de leerlingen wat ze al weten van neurale netwerken. Ga in gesprek en vul aan waar nodig.
In principe zouden leerlingen de term neurale netwerken al een keer gehoord moeten hebben.
Voorbeelden van antwoorden:
AI - “het heeft iets te maken met kunstmatige intelligentie (zoals ChatGPT).”
Leren - “de computer wordt beter door te oefenen met voorbeelden.
Hersenen - “het is een soort ‘nep-hersenen’ in een computer met ‘neuronen’.”
Neuronen - “dat zijn als het ware kleine ‘knopjes’ die dingen doorgeven.”
Netwerk - “heel veel van die dingetjes zitten aan elkaar vast.”
Input en output - “je stopt iets erin en er komt een antwoord uit.”
Laagjes (layers) - “het heeft meerdere lagen.”
Patronen herkennen - “het zoekt overeenkomsten, zoals in foto’s of tekst.”
Data / voorbeelden - “je moet het veel voorbeelden geven, anders kan het niet goed leren.”
Black box - “je ziet niet precies waarom het een keuze maakt.”
Voorbeelden van toepassingen - “het wordt gebruikt voor dingen als gezichtsherkenning of aanbevelingen op TikTok/YouTube.”
Neurale netwerken
Neurale netwerken vormen een systeem waardoor een computerprogramma kan leren iets te voorspellen of te herkennen. Ze kunnen dus voor super veel dingen gebruikt worden. Van het maken van tekst, tot het automatisch sturen van een auto. In deze lessenserie kijken we alleen naar beeldherkenning: aan de hand van een plaatje zeggen wat er op het plaatje staat.
Om deze taak te leren moet je het neurale netwerk heel veel plaatjes met label (wat er op het plaatje staat) geven.
Label: kat
Label: hond
Leg hier uit dat je voor bepaalde types neurale netwerken heel veel data nodig hebt. Bijvoorbeeld het trainen van het herkennen van plaatjes.
Neurale netwerken
Met genoeg voorbeelden kan het neurale netwerk patronen gaan herkennen in de voorbeelden. Dit gebruikt het neurale netwerk vervolgens om aan de hand van een nieuw plaatje een voorspelling te doen over wat er op staat.
Neuraal netwerk
Voorspelling:
hond 100%
kat 0%
Neem het voorbeeld van de hond en leg uit dat je start met een afbeelding, dat je dan het neurale netwerk inzet voor een goede voorspelling.
Vraag
Wanneer zou beeld herkenning handig zijn in je dagelijks leven? Waar zou je het willen gebruiken?
This item has no instructions
Soms gaat het mis
We bespreken twee voorbeelden van wat er fout kan gaan met data.
Ten eerste, tijdens de coronatijd hadden onderzoekers enorme haast om AI-modellen te trainen om op scans van longen te herkennen of iemand corona had of niet. Deze zijn echter met verkeerde data getraind. Er is een dataset gebruikt van gezonde kinderlongen en een van mensen die corona hadden.
Wat denk je dat er mis ging?
Röntgenfoto (links) en CT scan (rechts) van covid-patienten
Het netwerk leerde om kinder- en volwassen longen uit elkaar te houden omdat de trainingdata waar covid te zien was, bijna allemaal scans waren van volwassen longen.
Eventueel extra voorbeeld:
Ten tweede werd er getraind met een dataset van longscans van mensen met en zonder covid, maar deze scans hadden ook een probleem. Bij een deel van de mensen was de scan liggend genomen en bij een deel staand. Wat denk je dat hier mis ging?
De scans van mensen die covid hadden waren bijna allemaal liggende fotos (omdat deze mensen zo ziek waren dat ze niet staand de foto konden maken), waardoor het netwerk leerde staande en liggende scans uit elkaar te houden.
Nu een heel ander voorbeeld:
Amazon heeft vanaf 2014 geinvesteerd om een deel van aannemen van nieuwe medewerkers te automatiseren door AI CV’s te laten beoordelen. Als trainingsdata werden de CV’s gebruikt die Amazon over de jaren had verzameld van kandidaten. Hiervan wisten ze of die persoon was aangenomen of niet en konden ze op basis hiervan de AI trainen.
Wat denk je dat hier mis ging?
Soms gaat het mis
Bijna alle CV’s waren van mannen en de mensen die bij Amazon waren aangenomen waren ook vooral mannen. Hierdoor begon de AI CV’s af te wijzen van vrouwen.
Je eigen neurale netwerk trainen
Je gaat je eigen neurale netwerk trainen en testen! Hiervoor gebruiken we een website waardoor je alleen de trainingsdata hoeft uit te zoeken. Je gaat het netwerk trainen om afbeeldingen van twee dingen uit elkaar te houden en je mag zelf weten wat deze twee dingen zijn.
Zorg wel dat het netwerk iets ‘nuttigs’ doet. Bakstenen en konijnen uit elkaar houden is bijvoorbeeld geen goed idee. Later in de les ga je elkaars netwerken testen en kijken of je ze een foutje kan laten maken!
This item has no instructions
Uitleg Teachable Machine
Je gaat werken met de website teachable machine.
Hier kun je experimenteren met je eigen neurale netwerken.
We gaan stap voor stap kijken hoe je deze website gebruikt.
Leg uit hoe de Teachable Machine werkt. Het beste kun je ook even de website erbij pakken om de stappen te laten zien. Je kan de PDF bijgevoegd aan de les uitdelen aan de leerlingen zodat de stappen ook tijdens het maken van de opdracht helder zijn.
Uitleg Teachable Machine
Stap 1: Het uitzoeken van plaatjes
Ga op internet op zoek naar plaatjes in de twee categorieën die je hebt uitgekozen en download deze plaatjes. Minimaal 20 afbeeldingen per categorie Zorg dat het .png bestanden zijn.
Voorbeeld bij Google:
Tools -> Geavanceerd zoeken -> Bestandstype -> PNG bestanden
Leg uit dat je op afbeeldingen moet zoeken. Als je een zoekopdracht hebt uitgevoerd, dan kun je geavanceerd zoeken zoals beschreven op de slide.
Uitleg Teachable Machine
Stap 2: Opstarten Teachable Machine
Ga naar: https://teachablemachine.withgoogle.com/ en klik op Aan de slag. Klik dan op projectafbeelding. Kies voor het standaard model. Geef dan je categorieën (class 1 / 2) een bijpassende naam.
This item has no instructions
Uitleg Teachable Machine
Stap 3: Het uploaden van je plaatjes
Klik op Uploaden en kies uit het scherm hiernaast voor de bovenste optie.
This item has no instructions
Uitleg Teachable Machine
Stap 4: het neurale netwerk trainen
This item has no instructions
Uitleg Teachable Machine
Stap 5: het testen van je neurale netwerk
Zet de invoer op bestand. Vervolgens kun je op dezelfde manier plaatjes uploaden zoals je eerder hebt gedaan. Kijk eens of je het neurale netwerk een fout kunt laten maken!
This item has no instructions
Uitleg Teachable Machine
Stap 6: het delen van je neurale netwerk
Klik op model exporteren en kies voor uploaden. Laat je model vervolgens uploaden. Je kunt de link nu delen met een ander groepje!
This item has no instructions
Aan het werk!
This item has no instructions
Is het je gelukt om je eigen
neurale netwerk te trainen?
Vraag of het iedereen is gelukt. Waren er dingen die lastig waren?
Testen netwerk ander groepje
Jullie hebben allemaal de link van jullie neurale netwerk. Deel deze met het groepje waaraan jullie gekoppeld zijn.
Jullie gaan nu aan het experimenteren met de modellen en kijken of jullie ze een foutje kunnen laten maken.
Koppel groepjes aan elkaar en laat ze elkaars netwerk testen. In de slides hierna heb je uitleg over hoe je een netwerk kan testen
Uitleg
1. Klik op de link die je gekregen hebt. De website is in het Engels.
2. Selecteer File
3. Kies weer fotos uit je bestanden. Deze kun je van het internet halen net zoals bij het trainen van je netwerk.
This item has no instructions
Uitleg plaatjes vinden
Het uitzoeken van plaatjes
Ga op internet op zoek naar plaatjes waarmee jij denkt dat je het neurale netwerk voor de gek kunt houden. Zorg dat het .png bestanden zijn.
Voorbeeld bij Google:
Tools -> Geavanceerd zoeken -> Bestandstype -> PNG bestanden
This item has no instructions
Voorbeeld
Hier zie je een voorbeeld van hoe je het neurale netwerk voor de gek kunt houden.
Dit is een hond die zo veel op een kat lijkt, dat automatische herkenningssoftware de verkeerde keuze maakt!
This item has no instructions
Vraag
Is het je gelukt om je neurale netwerk een fout te laten maken?
Zo ja, hoe heb je dat gedaan?
This item has no instructions
Vraag
Als jij je netwerk opnieuw zou trainen, welke eisen zou je dan aan de data stellen?
Eisen die je kan stellen:
Data is groot genoeg is (veel voorbeelden)
Data klopt (weinig fouten),
Data is goed verdeeld is (niet alleen één soort mensen/voorbeelden).
Data past bij de taak (dus echt voorbeelden van wat ik moet leren)
Eisen bij data-training
Er zijn een aantal dingen belangrijk als je een neuraal netwerk wilt trainen met data:
1. De data moet een goed beeld geven van de situaties waarin het neurale netwerk gebruikt wordt.
2. Er moet genoeg data zijn.
3. De data moet verschillend zijn.
1. Goed beeld van de situaties – je moet data van honden en katten gebruiken en niet van kiwi's op het moment dat je algoritme honden en katten moet onderscheiden.
2. Genoeg data – Niet 10 kattenfoto’s en 10 hondenfoto’s, maar bijvoorbeeld honderden of duizenden per dier, zodat het netwerk niet per ongeluk alleen déze ene kat of déze ene hond leert herkennen.
3. Verschillende data – Foto’s van verschillende rassen en kleuren (zwarte kat, witte kat, labrador, chihuahua), verschillende groottes/leeftijden, verschillende houdingen (liggen, springen), en ook van verschillende camerahoeken (van voren, van boven, close-up).
Gefeliciteerd!
Weet jij hoe je kunt experimenteren met het trainen van een AI systeem
Kun je beschrijven wat de rol en invloed van data is voor de werking van AI systemen
Weet jij dat een dataset een beperkt beeld geeft van de werkelijkheid
Na deze les...
This item has no instructions
Geïnspireerd?
Vond je dit een leuke les? Dan is één van de volgende vervolgopleidingen misschien iets voor jou.
This item has no instructions
De makers van deze les willen graag weten wat je van de les vond. Ga daarvoor naar de (korte) vragenlijst. Heel veel dank!
Feedback gevraagd
Link naar vragenlijst voor leerlingen:
ut.onl/leerling4tu
De makers van deze les willen graag weten wat je van de les vond. Ga daarvoor naar de (korte) vragenlijst. Heel veel dank!
Feedback gevraagd
Vragenlijst voor docenten
Link naar vragenlijst voor docenten:
ut.onl/docent4tu
This item has no instructions
PHOTO GALLERY: How COVID-19 Appears on Medical Imaging. (2024, 11 juli). Imaging Technology News. https://www.itnonline.com/content/photo-gallery-how-covid-19-appears-medical-imaging
Bronnen
This item has no instructions