Målgruppe: 14 år+, varighet: 2 min, nivå: enkelt (O)

Video fra 50-60-tallet som viser en tidlig versjon av kunstig intelligens, en "Perceptron", som skulle kunne klassifisere f.eks bilder og i dette tilfellet skille mellom kvinner og menn. Dette var en av de første suksessfulle anvendelsene av nevrale nettverk i mønstergjenkjenning. 

Målgruppe: 12 år+, varighet: 30 min, nivå: middels (JO)

NIM er et klassisk spill der to spiller mot hverandre. På bordet ligger 10 pinner. Du kan trekke en, to eller tre pinner. Den som trekker den siste har tapt. I denne oppgaven skal man lage en kunstig intelligens som lærer seg hvilke trekk som er det beste for å vinne. Alt man trenger for å programmere/lære opp AI-en er noen kopper, merkelapper og pinner/fystikker.

For instruksjoner, se nettsiden I-AM-AI.

Fordeler:

• Enkel demonstrasjon av KI uten bruk av skjerm. 

• Engasjerer elevene.

Ulemper:

• Krever tydelig kommunikasjon og at man forklarer dette godt for elevene. 

• Diskuter gjerne hvilken strategi som gjør at man alltid vinner og hvordan KI-trenes opp.

Målgruppe: 14 år+, varighet: 20 min, nivå: avansert (J)

Tren et neuralt nettverk til å kunne skille mellom ulike kategorier av innhold. Det kan f.eks være farger og flagg, eller ingredienser og matretter. Mer informasjon og erfaringer kommer her etterhvert. Laget av SteamLabs. 

Målgruppe: 10 år+, varighet: 15 min, nivå: enklet

Google Quick Draw er en nettside der en KI forsøker å gjette på hva du tegner på 20 sekunder. Modellen er trent på over 50 millioner tegninger og 350 ulike figurer laget av mennesker. Dette er en fin oppstartsaktivitet til hvordan KI trenger store mengder data på å trene seg opp til å løse selv de enkleste oppgaver. 

AI kan trenes til å gjenkjenne mønstre og en klassisk øvelse er å få den til å gjenkjenne tall. På I-AM-AI kan du lære mer og teste ut ulike tallmodeller som er trent på ulike måter/ulik sample size.