Konstruktion af it-system som løsning til en problemstilling
Eleverne skal kunne beskrive (?), designe (?) og realisere samt afprøve et it-system til en selvkørende enhed ud fra specificerede og selvvalgte egenskaber.
Eleverne skal arbejde efter principperne om trinvis forbedring og den iterative udviklingsmodel.
It-systemers og menneskelig aktivitets gensidige påvirkning
Eleverne skal kunne give eksempler på hvordan automatiske biler har betydning for og påvirker menneskelige aktiviteter.
Etiske aspekter i hvordan automatisk biler skal reagere i forhold til at undgå/mindske konsekvenser ved ulykker, samt hvem der er ansvarlig i forbindelse med ulykker.
It-sikkerhed, netværk og arkitektur
Opbygning af it-systemer som parallelt kommunikerer med flere enheder (sensorer, motorer, LED, …)
Repræsentation og manipulation af data
??
Programmering
Eleverne skal kunne anvende sekvenser, løkker, variable og betingelser (forgreninger) til udvikling af it-system.
Eleverne skal kunne anvende kommandoer til aflæsning af sensorer og styring af motorer og LED.
Læs og diskussion med gruppen.
Læs "Informatik C", side 52-53, "Den intelligente bil".
Diskussion: Hvad skal bilen kunne "se" for at foretage de samme vurderinger, som en almindelig chauffør?
Diskussion: Hvorfor er det med et traditionelt computerprogram umuligt at håndtere de (ubevidste) vurderinger, som en almindelig chauffør foretager?
Fælles opfølgning
Situation
Tænk på en situation, hvor du er rig og har ansat en privatchauffør. Privatchaufføren gør som du siger. Hvis du siger, at han skal køre 20 km/t så gør han det. Hvis du har travlt en dag og siger, at han køre 150 km/h, så gør han det (hvis han ikke gør det, bliver han fyret).
Diskussion i gruppen
Forestil dig en situation, hvor du har sagt til din privatchauffør, at han skal køre 100 km/h på en landevej (og det gør han) – også forbi børn, der spiller fodbold ude på landevejen.
Det ender galt og en fodboldspiller bliver kørt ned og brækker et ben. Hvem er det der bærer ansvaret for ulykken?
Hvem bliver straffet for ulykken (hvem er skyldig, set med lovens øjne). Er det dig fordi du afgav ordren – er det chaufføren der kørte for stærkt – er det drengen der spillede bold på landevejen?
Læs vedlagte denne artikel om en ulykke med en førerløs bil.
Satte Teslaens autopilot til - det kostede ham livet (bt.dk)
Det påstås i artiklen, at førerløse biler vil reducere antallet af trafikdræbte. Diskuter i gruppen, hvordan det kan være.
Her er en førerløs bil – en video omkring BMW’s futuristiske koncept. Se videoen: youtu.be/0DS9PY6iaxE (2:10)
Se denne video fra Mercedes’ autonome projekt: youtu.be/vWG7VG4jcDg (2:20)
Ovenstående kan evt. erstattes af denne video: youtu.be/yjztvddhZmI (youtube kanalen Veritasium) (18:00)
Læs "Informatik C", side 54-55, "Kategorisering af ..." og "Selvkørende biler", om grader af automatisering, og eksempel 3.2, side 55-56.
Både autonome biler og førerløse biler er selvkørende biler.
Diskuter forskellen på autonome og førerløse biler.
Ken Mathiasen beskriver kollaborativ kørsel og autonom bil som modsætninger. Er de nødvendigvis det?
Opfølgning
Fælles opsamling på punkterne 1, 2, 3, 6 og 7.
Evt. se video (Veritasium)
Autonom bilkoncept fra Mercedes Benz
Gruppen laver en videoaflevering, hvor I kort beskriver de problemstilling og dilemmaer, som I har diskuteret i forhold til førerløse og autonome biler.
Videoen kan optages i meet og deles med lærer.
Sagens akter og roller deles på dagen.
...?
Forløbet blev afsluttet her ...
Om teknologi, lovgivning og økosystemet omkring autonome biler
Læs artiklen
Kig rapporten igennem
Diskutér arbejdsspørgsmålene i gruppen.
Materiale
Artiklen Vi er slet ikke klar til førerløse biler (ing.dk)
Rapporten How long is the road of driverless vehicles? (PA Consulting)
Artikel Teknologien bag selvkørende biler er kørt fast (version2.dk)
Video we're decades from fully autonomous cars (businessinsider.com)
Arbejdsspørgsmål (EJ FÆRDIGE)
Hvad skal forretningsmodeller for selvkørende biler håndtere?
Hvilke emner bør være beskrevet i loven?
Hvordan ser fremtiden ud? Hvornår og hvad?
Bemærk
Ordet ”økosystem” bruges her bredt, om de miljøer hvor teknologi (her selvkørende biler) anvendes og håndteres. Det er altså det miljø, hvor tekniske apparater, mennesker og organisationer fungerer i vekselvirkning med hinanden og det omgivende miljø.
Oversigt over rapporten fra PA Consulting
CAV = forbundne autonome køretøjer
Hvem er rapporten interessant for? (side 4-5)
4 fokusområder (oversigt side 8, detaljer side 9-12)
”Transport som en tjeneste” (side 16-17)
Gruppen laver en videoaflevering, hvor I kort beskriver forretningsmodeller og lovgivning, som I har diskuteret i forhold til autonome biler.
Video kan optages i meet og deles med lærer.
Artikler, som beskriver hvordan lovgivning og økonomi stoppede projekt om selvkørende minibusser i Vesthimmerlands Kommune.
Artiklen fra DJØF Bladet omtaler der ud over forretningsmodel (specielt forsikring) og lister 5 fordele ved selvkørende biler.
Ozobot'erne programmeres med blokprogrammering i et online-programmeringsmiljø.
Programmet overføres fra online-værktøjet til ozobot'en ved hjælp af lys-signaler fra computerskærmen.
Registrér udlån, returnering og problemer med din ozobot.
Introduktion til programmering af ozobot på siden blokprogrammering med sensorer.
Se videoer Sensorer / Introduktion og en af de to Overfør-program-til-ozobot.
Første opgave i projektet er et worked example, som I skal analysere.
EKSTRA MATERIALE (lærer)
Projektet indeholder følgende delopgaver
Undersøgelse af kode og sensorer (opgave 1-2)
Ændre kode, så bil kan køre gennem et vejkryds (opgave 3-6)
Lave kode, så bil kan navigere gennem by (opgave 7)
...?
Om teknologi, bl.a. kunstig intelligens
Læs artiklen
Tre grunde til at selvkørende biler er fremtiden (teknologisk.dk)
Hvordan passer vores mini-projekt med disse tre teknologiske felter? Identificér (simple) elementer fra mini-projektet, som svarer til hvert område.
Vi kigger lidt videre på machine learning elementet.
Se video om Machine Learning med Erik David Johnson.
youtu.be/VttiVMW1ELc (se fra 01:00-14:00)
Hvad er forskellen på deep learning og reenforcement learing?
Diskutér hvilken type machine learning, som anvendes til programmering af førerløse biler.
EU ønsker at lovgive om udvikling af kunstig intelligens for at forhindre bl.a. diskriminering.
Se hensigtserklæringen fra et nye EU udvalg. (1:36)
Læs artiklen Kunstig intelligens lider også af menneskelige fejl (videnskab.dk) - fokus på afsnittene:
"Problemer med at skaffe data nok"
"Når menneskers fordomme overføres til maskiner"
"Data, der fejlagtigt bliver genanvendt"
Diskutér disse 3 problemer i forhold til machine learning og specielt i forhold til førerløse biler.
Begreber
Machine learning er svag kunstig intelligens.
Machine learning sker ud fra eksempler. Et kunstigt neuralt netværk er en matematisk model for machine learning. Modellen justeres med mange eksempler via en træningsalgoritme.
Deep learning er machine learning baseret på et kunstigt neuralt netværk med flere niveauer.
Reenforcement learning sker uden eksempler men udelukkende ud fra regler.
Gruppen laver en videoaflevering, hvor I kort beskriver kunstig intelligens og problemer i forhold til specielt autonome biler.
Video kan optages i meet og deles med lærer.
Video, som viser hvad selvkørende bil "ser"
Tesla Autopilot is better than you think (se op til 5 min.)
Tesla FSD uses humans as shield (short)
Videoer med 2 eksempler på reenforcement-learning
Computeren lærer at gå: youtu.be/gn4nRCC9TwQ (1:50)
Computeren lærer at lege skjul: youtu.be/kopoLzvh5jY (3 min).
Shutgun #5, Den selvkørende fremtid (Instagram, Emil Thorup)
Lyt til podcast med Emil Thorup og Claus Skytte, som diskuterer fremtiden med førerløse biler og deleøkonomi.
Citat: Deleøkonomi er forspillet til cirkulær økonomi.
Et miniforløb om selvkørende biler. Hvis der er 2-3 moduler ledige.
Træne brug af proximity- og farvesensorer i ozobotterne.
Programmering.
fdm.dk/motor/fokus/den-rullende-revolution-bilen-bliver-selvkorende
teknologisk.dk/ydelser/tre-grunde-til-at-selvkoerende-biler-er-fremtiden
7 opgaver