دانلود اپلیکیشن
هدف: درک نحوه ی یادگیری ماشین و الگوریتم های هوش مصنوعی از طریق بازی گروهی.
وسایل لازم: برگه های کوچک، مداد یا خودکار، تابلوی کلاس.
روش اجرا:
۱ تهیه ی داده ها: هر دانش آموز روی یک برگه، نام یک حیوان یا شیء ساده (مثل اسب، گر به، کتاب، توپ، کیف) را بنویسد و به معلم تحویل دهد. معلم برگه ها را جمع آوری کرده و یکی را به طور تصادفی انتخاب کند (بدون نشان دادن به کلاس.)
2 پرسش و پاسخ هوشمند: دانش آموزان باید با پرسیدن سؤال های بله/خیر «مثل آیا این حیوان است» و «آیا پرواز می کند؟»، سعی کنند گزینه ی صحیح را حدس بزنند. معلم فقط با بله یا خبر جواب می دهد.
نتیجه گیری: حال با توجه به شباهت بازی انجام شده با یادگیری ماشین؛ پس از مشورت در گروه خود، توضیح دهید که یادگیری ماشین در هر یک از موارد زیر چگونه عمل می کند؟
طبقه بندی داده ها: ................................
مقایسه شباهت و تفاوت داده ها: .....................................
رسیدن از کل به جزء: ............................
یادآوری و یادگیری: .................................
اصلاح پاسخ ها: .....................................
طبقه بندی داده ها:
در بازی: وقتی می‌پرسید «آیا جاندار است؟» و معلم می‌گوید «بله»، شما تمام گزینه‌های بی‌جان (مثل توپ و کیف) را کنار می‌گذارید و فقط روی جاندارها تمرکز می‌کنید.
در هوش مصنوعی: ماشین با بررسی ویژگی‌های اولیه، داده‌ها را به گروه‌های بزرگ تقسیم می‌کند (مثلاً گروه تصاویر حیوانات جدا از گروه تصاویر خودروها) تا جست‌وجو سریع‌تر شود.
مقایسه شباهت و تفاوت داده ها:
در بازی: شما در ذهن‌تان ویژگی‌های حیوان مورد نظر را با چیزهایی که می‌شناسید مقایسه می‌کنید (مثلاً اگر پرواز می‌کند، شبیه پرنده است و متفاوت از گربه).
در هوش مصنوعی: رایانه ویژگی‌های دقیق (مثل رنگ، شکل لبه‌ها، بافت) تصویر جدید را با هزاران تصویری که قبلاً دیده مقایسه می‌کند تا ببیند به کدام‌یک شباهت بیشتری دارد.
رسیدن از کل به جزء:
در بازی: شما اول سوالات کلی می‌پرسید (حیوان است؟) و کم‌کم به سوالات جزئی می‌رسید (دندان تیز دارد؟) تا به جواب نهایی برسید.
در هوش مصنوعی: الگوریتم‌ها هم ابتدا دسته‌بندی‌های بزرگ را فیلتر می‌کنند و مرحله‌به‌مرحله دامنه جست‌وجو را کوچک‌تر می‌کنند تا به دقیق‌ترین پاسخ برسند
یادآوری و یادگیری:
در بازی: شما از اطلاعاتی که قبلاً درباره حیوانات و اشیاء در حافظه دارید (دانش قبلی) استفاده می‌کنید تا سوال بپرسید.
در هوش مصنوعی: ماشین از «داده‌های آموزشی» که قبلاً دریافت کرده است (مدل آموزش دیده) استفاده می‌کند تا الگوها را شناسایی کند. بدون داده‌های قبلی، ماشین هیچ چیزی برای یادآوری ندارد.
اصلاح پاسخ ها:
در بازی: اگر حدس زدید «عقاب» و معلم گفت «خیر»، شما می‌فهمید مسیرتان اشتباه بوده و با یک سوال جدید مسیر فکری‌تان را اصلاح می‌کنید.
در هوش مصنوعی: ماشین پس از هر بار اشتباه و دریافت بازخورد، «الگوریتم» خود را تنظیم می‌کند (وزن‌دهی را تغییر می‌دهد) تا در دفعات بعد آن اشتباه را تکرار نکند. به این کار «بهبود عملکرد با تکرار» می‌گویند.
1736019749.png)
