👾 AI for Oceans (การเรียนรู้ของเครื่องและข้อมูล) 👾
ผลการเรียนรู้
1. อธิบายความหมายและองค์ประกอบพื้นฐานของการเรียนรู้ของเครื่อง (Machine Learning) ได้
2. วิเคราะห์ความสำคัญของคุณภาพข้อมูล (Data Quality) และผลกระทบที่เกิดจากความลำเอียงของข้อมูล (Data Bias) ได้
3. ฝึกสอนโมเดลปัญญาประดิษฐ์เบื้องต้นเพื่อคัดแยกประเภทวัตถุผ่านกิจกรรมจำลองได้
การเรียนรู้ของเครื่อง (Machine Learning - ML)
เป็นกระบวนการที่คอมพิวเตอร์ใช้ชุดข้อมูล (Data) มาวิเคราะห์หาความสัมพันธ์หรือรูปแบบ (Pattern) เพื่อสร้างเป็นโมเดลที่สามารถทำนายหรือตัดสินใจได้ด้วยตนเองโดยไม่ต้องเขียนโปรแกรมสั่งการโดยตรงในทุกขั้นตอน กิจกรรม AI for Oceans จะช่วยจำลองกระบวนการฝึกสอน (Training) โดยผู้เรียนทำหน้าที่เป็นผู้ป้อนข้อมูล (Labeling) หากข้อมูลที่ป้อนมีความผิดพลาดหรือมีความลำเอียง (Bias) จะส่งผลต่อความแม่นยำและการตัดสินใจของ AI โดยตรง
กิจกรรม Code.org - AI for Oceans
https://studio.code.org/courses/oceans/units/1/lessons/1/levels/1
ภารกิจที่ 1 (Training & Classification) ให้นักเรียนเข้าสู่เว็บไซต์ Code.org ในบทเรียน AI for Oceans
o Level 1-4 : นักเรียนฝึกให้ AI รู้จัก "ปลา" และ "ขยะ" โดยการคลิกเลือกข้อมูล (Labeling)
o คำถามกระตุ้น: "ถ้าเราเผลอคลิก 'รองเท้า' ว่าเป็น 'ปลา' บ่อยๆ จะเกิดอะไรขึ้นเมื่อ AI เริ่มทำงานจริง?"
ภารกิจที่ 2 (Defining Categories)
o Level 5-7 : AI เริ่มต้องตัดสินใจยากขึ้น เช่น การแยกปลาตามลักษณะ (สี, รูปร่าง, อารมณ์ของปลา)
o ให้นักเรียนทดลองฝึกสอนด้วยข้อมูลที่ 'จำกัด' (เช่น ฝึกสอนเฉพาะปลาสีแดง) แล้วดูผลลัพธ์ว่า AI รู้จักปลาสีเขียวหรือไม่