Künstliche Intelligenz (KI) – ein Themenheft der LOG IN
Künstliche Intelligenz (KI) im Informatikunterricht
Im Editorial des Themenhefts der LOG IN zur KI werfen Seegerer, Michaeli, Lindner, Romeike und Koerber einen Blick 33 Jahre zurück, in das Jahr, in dem das erste Themenheft der Zeitschrift zur KI erschien. Damals mit den Schwerpunkten Expertensysteme, tutorielle Lernsysteme und logische Programmierung mit Prolog.
Koerber gibt in seinem Beitrag „Menschheitsträume“ einen Überblick über die Geschichte der KI, angefangen bei den spätmittelalterlichen Vorstellungen von einem künstlichen Menschen. Der Begriff „Artificial Intelligence“ wird auf eine Konferenz von 1956 am Darthmouth College zurückverfolgt. Abgeschlossen wird sein Überblick mit aktuellen Ansätzen rund um starke und schwache KI, das Human Brain Project, künstliche neuronale Netze, die Verarbeitung natürlicher Sprache, Bildverstehen und autonome Roboter. Natürlich fehlt auch nicht der kritische Blick auf Fragestellungen von Ethik und KI. Einen Blick auf zehn KI-Innovationen der deutschen KI-Geschichte werfen Klusch, Nagel und Timm. Darunter zwei Projekte zu autonomen Straßenfahrzeugen in den späten 1980er und 1990er-Jahren, den Weltmeistertitel der Humboldt-Universität Berlin bei der ersten RoboCup WM 1997 und DeepL zur automatischen Übersetzung. In Pro- und Contra-Statements denken Hellmig (Contra) und Romeike (Pro) grundsätzlich darüber nach, ob ein Hype-Thema wie KI in den Informatikunterricht gehört.
Seegerer, Michaeli und Romeike beschreiben in ihrem Artikel „So lernen Maschinen“ die Grundprinzipien der maschinellen Lernverfahren, wobei sie drei Paradigmen unterscheiden: 1) überwachtes Lernen, 2) unüberwachtes Lernen und 3) Lernen durch Verstärkung. In einem der Zeitschrift beiliegenden Poster werden diese übersichtlich dargestellt. Voigt beschreibt ein Workshopkonzept dazu, wie bei einem physikalischen Ereignis gemessene Werte intelligent verarbeitet werden können. Dabei wird auch die Frage behandelt, was Objekte überhaupt intelligent macht. Eine unterrichtspraktische Einführung in maschinelles Lernen am Beispiel von Entscheidungsbäumen stellen Schmidt und Strobel vor. Dafür werden Merkmalskategorien in mehreren Beispielen herausgearbeitet. Dabei wird viel Wert auf die Entwicklung der Entscheidungsbäume und den Lernalgorithmus zur Baumerzeugung gelegt. Schindler und Dietz präsentieren Unterricht zu neuronalen Netzen anhand von Schrifterkennung mit TensorFlow als Programmierumgebung.
Der von Lindner ins Deutsche übersetzte Artikel „Mit SNAP! Word Embeddings programmieren“ von Khan, Lu, Zhang, Winters und Gao stellt Word Embedding als Technik des Natural Language Processings vor. Da Systeme des maschinellen Lernens in der Regel mit Zahlen arbeiten, wird jedes Wort in einem Text auf einen Vektor von Zahlen abgebildet. Die Autoren haben Snap! um Blöcke für das Word Embedding erweitert. Modrow stellt eine Snap!-Bibliothek für die Oberstufe vor, mit der Projekte zum maschinellen Lernen realisiert werden können (ML.Sprite). Neben Einstiegsbeispielen werden exemplarisch die Projekte „Verkehrszeichenerkennung“ und „New York Citibike Tripdata“ vorgestellt. Auch Michaeli, Seegerer und Jantzlau präsentieren Ideen des maschinellen Lernens in Snap!. Dafür stellen sie SnAIp vor, ein didaktisches Framework, das die zentralen Prinzipien des maschinellen Lernens für Schüler/innen ab der 8. Jahrgangsstufe verdeutlicht. Strecker gibt in ihrem Artikel „Robby lernt – aber nicht alles“ eine Einführung in die Funktionsweise von Perzeptren. Mittels BYOB-Entwicklungsumgebung werden Perzeptren für LEGO-Roboter auf Basis eines Linienfolgers programmiert.
Unabhängig von Unterricht an einem Computer ist das Konzept AI Unplugged, das Lindner und Seegerer vorstellen. Das Konzept besteht aus fünf Aktivitäten, die als enaktiver Einstieg in die Thematik dienen können. Ein weiterer Unplugged-Artikel, „Maschinelles Lernen Unplugged“, bietet einen Zugang über lineare Klassifizierer und wird von Ossovski, Hembrock, Köhl und Brinkmeier vorgestellt. Problemkontext ist der Entwurf einer Maschine, die dazu genutzt wird, Schrauben zweier Längen zu klassifizieren und zu sortieren. Opel stellt in ihrem Artikel „Mensch, Maschine“ eine aus sechs Modulen bestehende Unterrichtssequenz vor, worin auch das gleichnamige analoge Simulationsspiel eingesetzt wird. Weitere Module umfassen Alltagserfahrungen mit KI, die Untersuchung eines Chatbots, Entwicklungspfade der KI, gesellschaftliche und moralische Dimensionen von KI sowie eine Zukunftswerkstatt „Meine Zukunft mit KI!“. In dem Artikel „IT-Ethik in der Schule“ stellen Class, Kurz und Weber-Wulff Fallbeispiele aus ihrer Kolumne „Gewissensbits“ vor.
Der letzte Beitrag des Heftes verlässt den Themenschwerpunktes KI. Es ist der sechste Teil einer Serie zur Einführung des objektorientierten Programmierens mit Squeak / Smalltalk des 2019 verstorbenen Informatikdidaktik-Pioniers Rüdeger Baumann.