Umjetna inteligencija uz Python i MachineLearning4Kids

Umjetna inteligencija izrazito se razvila u posljednjih 15-ak godina. Ovo treće "zlatno doba" umjetne inteligencije posebno je stavilo naglasak na metode strojnog učenja koje je moguće primjeniti na velik broj različitih klasa problema od prepoznavanja slike, zvuka, video sadržaja i jezika do generiranja teksta, ljudskog glasa pa čak i umjetnosti. Metode koje se koriste najvećim se dijelom temelje na statističkim metodama umjetne inteligencije posebice vezanim uz modele dubinskog učenja i razne arhitekture dubokih neuronskih mreža.

Obzirom na kompleksnost samih metoda koje se koriste, razne tehnologije razvoja umjetne inteligencije često su bile izvan uobičajenih kurikuluma nastave informatike i računalstva. Unatoč tome, UNESCO i mnoge druge institucije i ličnosti pozivaju na uvođenje podučavanja ovih metoda u kurikulume počevši od predškolskih, osnovnih do srednjih škola.

U međuvremenu su metode dovoljno sazrijele da ih je moguće koristiti kroz tzv. "metodu crne kutije" tj. ne znajuć kakve se pojedinosti događaju u samom modelu, već spajajući odgovarajuće ulaze i izlaze u koherentne i korisne sustave bez razumijevanja složene matematičke i statističke teorijske podloge. Tako su se pojavili razni alati koji apstrahiraju unutrašnjost modela strojnog učenja te omogućuju rad na osnovnim koracima razvoja modela za konkretnu aplikaciju: (1) treniranje modela, (2) testiranje modela i (3) primjenu modela u nekoj aplikaciji. Neki od tih alata su primjerice Google Teachable Machines, Cognimates, Ecraft2Learn ili pak MachineLearning4Kids.

U ovom izlaganju naglasak ćemo staviti na potonji MachineLearning4Kids koji omogućava kreiranje modela strojnog učenja (prepoznavanje slike, zvuka, teksta ili brojeva), njegovo uvježbavanje te korištenje u odgovarajućem programskom okružju (podržani su Scratch, Python i App Inventor). Prikazat ćemo način izrade modela strojnog učenja na primjeru prepoznavanja slika te na koji način povezati izrađeni model s aplikacijom u Python-u. Na kraju ćemo podijeliti svoja iskustva u radu s alatom MachineLearning4Kids u nastavi u srednjoj školi.

Markus Schatten
Fakultet organizacije i informatike
Croatia

Markus Schatten je redoviti profesor i voditelj Laboratorija za umjetnu inteligenciju na Fakultetu organizacije i informatike Sveučilišta u Zagrebu. Obranio je doktorat u području infomacijskih i komunikacijskih znanosti, znanstveni magisterij u području informacijskih znanosti te diplomu na prediplomskom studiju Informacijski sustavi. Autor je preko 110 znanstvenih i stručnih radova te dvije knjige. Drži nastavu na svim razinama studija (prediplomski, diplomski, specijalistički i doktorski studij) iz područja vezanih uz baze podataka, semantičko modeliranje, programiranje i umjetnu inteligenciju. Njegovo područje istraživanja je umjetna inteligencija i njezina primjena u različitim domenama poput višeagentnih sustava, virtualnih asistenata, računalnih igara, Interneta svega, rudarenja društvenog Weba i teorije autopoiesisa. Sudjelovao je na 15-ak znanstvenih i stručnih projekata uključujući nekoliko međunarodnih (FP7, COST, Erasmus+, EEAGrants). Vodio je uspostavni projekt HRZZ (ModelMMORPG Large-scale Multi-agent Modeling of Massively Multi-player on-line Role Playing Games), upravo vodi istraživački projekt (O_HAI④Games - Orchestration of Hybrid Artificial Intelligence Methods for Computer Games).

Marinela Schatten
Graditeljska, prirodoslovna i rudarska škola Varaždin
Croatia

Marinela Schatten magistrirala je na Fakultetu organizacije i informatike na temu Forenzike društvenih aplikacija. Radila je u Srednjoj školi Dugo Selo gdje je predavala predmete vezane uz informatiku, računalstvo, baze podataka i razne oblike programiranja te u II. osnovnoj školi u kojoj je pradavala informatiku učenicima 1. do 4. razreda. Trenutno je nastavnica informatike i računalstva na Graditeljskoj, prirodnoslovnoj i rudarskoj školi u Varaždinu gdje predaje informatiku na prirodoslovnoj gimnaziji te računalstvo na nizu strukovnih usmjerenja. Autorica je nekoliko znanstvenih i stručnih radova iz područja igrifikacije, društvenog web-a i računalne sigurnosti. Sudjeluje ili je sudjelovala na nekoliko međunarodnih projekata (Erasmus+, EEAGrants).

Potrebno predznanje: Temeljna informatička znanja stečena fakultetskim obrazovanjem u informatičkoj ili računarskoj struci. Osnove programiranja u Python-u.