Målgruppe: 12 år+, varighet: 20 min, nivå: enkelt (TJO)

Googles Teachable Machine er en enkel og rask introduksjon til AI. Du kan trene en AI-modell på minutter! Man kan trene den til å kjenne igjen bilder, lyder eller kropps-positurer. Vi kjører den todelt. Først "lag en AI", deretter "lur en AI". Hva er det egentlig AI-gjenkjenner? Er det ansiktet ditt, eller klær, hår etc... La elevene prøve ut og diskutere dette og hvilke begrensninger teknologien har.

Modellen fra Teachable Machine kan eksporteres og brukes til å styre en micro:bit (se beskrivelsen under "Make: Ai Robots").

Målgruppe: 12 år+, varighet: 45 min, nivå: middels

MIT har laget en egen utvidelse til Scratch, PoseBlocks, som lar deg bruke modellen du har laget i Teachable Machine direkte i Scratch. Det gjør at du kan lage enkle programmer som blir utført dersom modellen gjenkjenner et objekt. I videoen til høyre gjenkjennes et eple eller en appelsin og en figur gjengir dette med tekst/stemme.

Prosjektet til MIT heter "Dancing with AI" der du finner en rekke gode pedagogiske ressurser og flere eksempler på hvordan man kan bruke dette kreativt med programmering.

Målgruppe: 14 år+, varighet: 60 min++, nivå: avansert (O)

I dette opplegget bruker du en modell du har laget i Google Teachable Machine til å kontrollere en micro:bit gjennom WebUSB. Slik kan du styre servoer, motorer og lys og slik lage din egen DIY AI-robot! 

For å gjøre dette enkelt for deg har vi laget 4 instruksjoner. som du laste ned i .pdf-format:

Steg 1. Steg 2. Steg 3a. Steg 3b.

Det kreves en del koordinering da man må forholde seg til tre nettsider for å få dette til å fungere:

• Teachable Machine - Tren din AI

• MakeCode - Lag en kode på micro:bit

• Make: Ai Robots - Lar micro:bit bruke webkameraet ditt til å kjenne igjen bilder 

Hver gang man må inn og endre på koden i MakeCode må man huske å velge "reconnect" på Make: Ai Robots-siden. 

Målgruppe: 14 år+, varighet: 90 min++, nivå: avansert (O)

Bygg en kulebane i papp og bruk KI til å starte den, sortere baller, eller gjenkjenne hvilken ball som vinner kulebanekonkurransen?

I dette opplegget kombineres brukes Teachable Machine til å gjenkjenne kulene som så styrer en micro:bit og en servo som får ting til å skje i kulebanen. Byggeinstruksjoner og ressuser finner du her.

Prosjektet er hentet fra kapittel 4 i boka "AI Robot" skrevet av SteamLabs.

Målgruppe: 12 år +, varighet: 30 + minutter, nivå: middels (T)

Bruk AI-lens innebyggede maskinlæringsalgoritme til utforske bildegjenkjenning sammen med et servodrevet visningsbrett for å vise hva kameraet gjenkjenner. Her kan man bruke kortene som AI-lens allerede er trent til å kjenne igjen, eller man kan trene AI-lens til å gjenkjenne egne objekter.

Visningsbrettet kan selvfølgelig også brukes uten AI-lens til som en presentasjon av data fra micro:bit.

Utstyr:

• Ai-lens, adapter, WuKong-breakoutboard, 180grader 9g servomotor, micro:bit, Laserkuttet visningsbrett [lenke til laserkuttfil kommer]

Hjelpekode:

Her finner du eksempelkode som viser:

• hvordan vise gjenkjenning av ulike bildekort med AI-lens.

• hvordan du kan bruke visningsbrett til å vise sensordata fra micro:bit.

• hvordan du kan trene AI-lens til å kjenne igjen nye objekter og vise det på visningsbrettet.

• PDF som viser oppsett og forklaring

Målgruppe: 14 år+, varighet: 30 min+, nivå: enkel (O)

I denne aktiviteten lager vi en sorteringsmaskin som kan bygges ved enkle materialer og monteres rett foran datamaskinens webkamera. Videoen til venstre viser hvordan den fungerer. Vi har laget en versjon av dette som fungerer med micro:bit/super:bit-utstyr. 

Sorteringsmaskinen bruker Teachable Machine, MakeCode og A micro:bit of AI (som er nevnt over) og kan skille mellom f.eks to ulike NonStop eller Skittles.

Prosjektet er basert på Google Tiny Sorter som i utgangspunktet bruker en Arduino, men vi har tilpasset denne til micro:bit/MakeCode. Maskinen er laget i papp, men det finnes også tegninger på en modell som kan 3D-printes.

Målgruppe: 16 år+, varighet: 90 min+, nivå: avansert (O)

Denne sorteringsmaskinen bruker AI til å sortere større gjenstander f.eks Twist eller LEGO-klosser på et samlebånd. Vi bruker verktøy som "Google Teachable Machine", programmeringsplatformen "MakeCode" og diverse utstyr som micro:bit og servoer til å lage en sorteringsmaskin. Samlebåndet er basert på laserkuttede og 3D-printede deler. (Se video her).

Sorteringsmaskinen bruker Teachable Machine, MakeCode og en nettside for å styre micro:bit via USB eller Bluetooth.

Maskinen og programvaren er utviklet av Daniel Lacey-McDermott på oppdrag fra oss.

Målgruppe: 14 år+, varighet: 2 -8 timer, nivå: avansert (under utvikling)

Noen har vært så teite å blande sammen de ulike skittlesene i en pose. Alle vet jo at de grønne og gule er best. Verden trenger en sorteringsmaskin. NÅ!!! 

Dette er et verktøy som kan bidra til å lære barn/ungdom om KI gjennom kreativ bruk av programmering gjennom et praktisk eksempel de kan forstå.

Mer informasjon om hvordan du bygger maskinen finner du her.

Målgruppe: 14 år+, varighet: 30 min+, nivå: middels (TJO)

Den micro:bit-drevne robotbilen Bit:bot, som alle grunnskoler i Norge har fått, kan utstyres med et AI-kamera (AI-lens). Slik kan bilen styres ved hjelp av kort (som avbildet), eller andre objekter. Kameraet kan også læres opp til å gjenkjenne 5 ulike objekter, f.eks håndgesturer eller tegninger elevene lager selv. Det finnes en egen utvidelse i MakeCode for micro:bit for kameraet som også er oversatt til norsk. Dette gjør den veldig enkel å ta i bruk i undervisningen.

Utstyr:

• AI-lens, adapter og Bit:bot (noob).

Tilkobling:

• Monter adapteren til AI-lens. Koble ledningen fra kameraet til adapteren. Koble "jump wire" fra adapter til 5V på plugg på Bit:bottens venstre bakhjul.

Hjelpekode:  

Her finner du tre kode-eksempler som viser:

• hvordan styre micro:bit med AI-lens og bokstavkort.

• hvordan du kan styre Bit:bot med å bruke AI-lens og kort (se bildet). 

• hvordan du kan la AI-lens lære seg nye objekter. 

Målgruppe: 14 år+, varighet: 45 min+, nivå: middels/avansert (O)

Denne nettsiden lar deg trene en maskinlæringsalgoritme (ML) i å lære seg å gjenkjenne ulike bevegelser ved bruk av akselerometeret i en micro:bit.  Nettsiden bruker bluetooth til å motta dataene fra micro:bitten til en annen micro:bit. Om du f.eks fester den ene micro:bitten til hånden, kan du få KI-en til å skille mellom om du vinker eller veiver med hånden? Om du fester den til hodet kan du skille mellom om du nikker ja eller nei med hodet?

Løsningen er laget av micro:bit Foundation i samarbeid med Aarhus universitet som har en mer avansert løsning på sine nettsider som avbildet under.