Workshopbeschreibung
Im Workshop lernen die Teilnehmer:innen anhand von Beispielen und interaktiven Übungen die Grundidee neuronaler Netze kennen. Zunächst sammelt die Klasse mithilfe einer Mindmap Merkmale, die für ein „Rezept“ zur Gesichtserkennung nötig wären. Dabei wird deutlich, dass sich viele Eigenschaften nicht sinnvoll in feste Programmregeln übersetzen lassen. Deshalb werden für solche Aufgaben wird maschinelles Lernen als Alternative zum klassischen Programmieren eingesetzt. Die Schüler:innen lernen nun den Aufbau neuronaler Netze anhand des menschlichen Gehirns kennen.
Im Spiel „Stilles Netz“ simulieren die Teilnehmer:innen selbst ein neuronales Netz und erleben, wie Informationen weitergegeben und verarbeitet werden. Darauf aufbauend werden die Lernverfahren Supervised Learning und Reinforcement Learning eingeführt und anhand der Simulation gezeigt, wie Gewichte angepasst werden und Modelle durch Berechnung und Feedback trainiert werden. Im Anschluss trainieren die Schüler:innen in Kleingruppen eine eigene Bilderkennungs-KI und reflektieren den Einfluss von Trainingsdaten auf das Ergebnis. Abschließend werden verschiedene Formen von Biases (Vorurteilen) in KI-Systemen thematisiert und deren Zusammenhang mit Trainingsdaten diskutiert.
Am Ende des Workshops können Teilnehmer:innen:
- zwischen klassischer Programmierung und maschinellem Lernen unterscheiden.
- den Aufbau eines neuronalen Netzes beschreiben.
- erklären, wie Maschinen durch Supervised Learning aus Beispielen lernen.
