U srijedu, 14. veljače 2024. godine u Gradskoj knjižnici Vukovar, održana je radionica pod nazivom “AI eksperimenti”. Radionica je privukla pažnju djece i mladih željnih upoznavanja svijeta umjetne inteligencije (AI) te istraživanja njezinih potencijala i ograničenja. Umjetna inteligencija nije samo koncept iz znanstvene fantastike; ona je stvarnost koja duboko prožima različite aspekte svakodnevnog života. Upravo iz razloga što zauzima sve važniju ulogu u našim životima, nužno je razumjeti kako ova moderna tehnologija funkcionira.
Kroz aktivnosti korištenja Google Teachable Machine alata, polaznici su obučavali model strojnog učenja i uspoređivali način percipiranja i kategorizacije podataka od strane ljudi i računalnih sustava. Ujedno, istraživali su etičke aspekte primjene strojnog učenja i uvidjeli važnost pridržavanja etičkih smjernica. Uvođenje alata temeljenih na sustavu umjetne inteligencije poput Google Teachable Machine predstavlja inovativan pristup koji integrira umjetnu inteligenciju (AI) u obrazovni kontekst. Ova integracija omogućuje djeci i mladima izravno iskustvo rada s AI sustavima, čime se potiče razumijevanje i prihvaćanje ove napredne tehnologije.
Kako bi testirali granice modela prepoznavanja, polaznici su trenirali model za prepoznavanje voća, uključujući jabuku, naranču, mandarinu, bananu i limun. Ovaj eksperiment uključuje nekoliko ključnih koraka i koncepta. Definiranje klasa objekata predstavlja prvi korak u treniranju modela za prepoznavanje. U ovom slučaju, klase objekata su različite vrste voća koje želimo da model prepozna, kao što su jabuke, naranče, mandarine, banane i limuni. Sljedeći korak je prikupljanje i priprema baze slika voća za trening modela. Baza slika treba sadržavati raznolike slike svake vrste voća iz različitih perspektiva, u različitim okruženjima i pod različitim osvjetljenjem. Važno je osigurati da baza slika bude dovoljno velika i raznolika kako bi model mogao naučiti razlikovati različite varijacije voća. Nakon što je baza slika pripremljena, sudionici koriste Google Teachable Machine za treniranje AI modela. To uključuje postavljanje modela i davanje povratnih informacija o tome koje slike pripadaju kojoj klasi voća. Tijekom procesa treniranja, model koristi algoritme strojnog učenja kako bi naučio prepoznati karakteristike različitih vrsta voća i stvorio model koji može klasificirati nove slike.
Nakon što je model obučen, provodi se evaluacija kako bi se utvrdila njegovu učinkovitost. To uključuje testiranje modela na novim, neviđenim slikama voća kako bismo vidjeli koliko dobro prepoznaje različite vrste voća. U ovom eksperimentu, rezultati su pokazali različitu učinkovitost prepoznavanja različitih vrsta voća, pri čemu je model bio najučinkovitiji u prepoznavanju banane. Nakon evaluacije rezultata, sudionici analiziraju rezultate kako bi razumjeli što je pridonijelo uspješnosti ili neuspjehu modela. Ova analiza omogućuje im da identificiraju moguća poboljšanja i iteriraju na procesu treniranja kako bi stvorili još bolji model.
Ovaj eksperiment ističe ključne koncepte izdvajanja karakteristika i važnost kvalitete baza podataka za trening AI modela. Polaznici su uočili da model prepoznaje ono voće koje se najviše podudara, odnosno koje ima najviše sličnih karakteristika (veličina, boja, oblik, pozadina…) među velikom bazom slika te da točnost prepoznavanja ovisi o kvaliteti i veličini baze podataka slika na osnovu kojeg se provodi treniranje. To je upravo i razlog zbog kojeg veliki podaci (Big Data) predstavljaju važnu komponentu modernih AI sustava.
Rezultati su potvrdili da, čak i u kontekstu jednostavnog prepoznavanja voća, tehnologija ima svoja ograničenja i nužno je pristupiti njezinoj primjeni s visokom razinom odgovornosti. Raznolikost rezultata, polaznike je potaknula i na kritičko razmišljanje o pouzdanosti tehnologije i važnosti uzimanja u obzir etičkih aspekata u njezinoj uporabi. Radionica je potaknula interes za umjetnu inteligenciju i promovirala važnost edukacije o naprednim tehnologijama u suvremenom društvu.
