Unterrichtsmaterial: Gesichtserkennung im Informatik–Unterricht
Gesichtserkennung | reklamlar via GettyImages
Maschinelles Lernen in der Schule
Das europäische Lehrkräftenetzwerk Science on Stage hat eine Unterrichtsbroschüre zum „Maschinellen Lernen in der Schule“ herausgebracht. Damit können Lehrkräfte in das Thema „Künstliche neuronale Netze“ einsteigen und eine kleinere Reihe (6-8 Doppelstunden) in Informatik unterrichten. Passende Arbeitsmaterialien für die Sekundarstufe 1 mit Übungen, ausführlichen Erklärungen und Links stehen kostenfrei zur Verfügung. Im Mittelpunkt steht nicht das Programmieren, sondern der Aufbau und die Modellierung neuronaler Netze, wie sie auch in der Gesichtserkennung eingesetzt werden.
Maschinelles Lernen – Zukunftsthema für MINT-Fächer
Viele Schülerinnen und Schüler können sich unter maschinellen Lernverfahren wenig Konkretes vorstellen. Tatsächlich aber nutzen viele von ihnen moderne Mobiltelefone, die mit Spracherkennung und Gesichtserkennung arbeiten. Letztere sorgt zum Beispiel dafür, dass Nutzerinnen und Nutzer Fotos verwalten und bestimmte Personen aus dem riesigen, digitalen Fotoalbum wiederfinden können. Amazon, Netflix und Facebook nutzen ebenfalls Gesichtserkennung. Diese Funktionen werden vor allem von Machine-Learning-Algorithmen gesteuert. Auch E-Mail-Anwendungen mit Spam-Filter oder personalisierte Online-Werbungen nutzen lernende Systeme, häufig ohne das Wissen der Anwender/-innen. Umso wichtiger ist die Auseinandersetzung mit dem Thema im Unterricht. Dabei sollte nicht nur die technische Seite beleuchtet werden, sondern auch gesellschaftliche, politische und ethische Aspekte zur Sprache kommen.
Vom Gehirn lernen: Künstliche neuronale Netze
Das maschinelle Lernen ist ein Teilbereich der künstlichen Intelligenz (KI). Dabei bauen Algorithmen ein statistisches Modell auf, das auf Trainingsdaten beruht. Das Computerprogramm „durchforstet“ die Daten und analysiert Beispiele. Mit Hilfe selbstlernender Algorithmen kann der Computer dann aus diesen Lerndaten Strukturen, typische Muster, Klassifikationen oder Gesetzmäßigkeiten erkennen. Der Computer generiert also selbständig Wissen, das sich dann, auf neue und unbekannte Daten übertragen lässt. „Ziel von Machine Learning ist es, Daten intelligent zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und Vorhersagen zu treffen“ (Dr. Klaus Manhart, Computerwoche, 30.09.2020). Durch Wiederholung lernt der Algorithmus, bis er schließlich selbständig eine Aufgabe erfüllen kann. Dazu zählt auch das Erkennen von Gesichtern.
Link-Tipp: Praxisnahe Unterrichtsreihe für Informatik
Der Informatik-Lehrer und Autor der Broschüre Dr. Daniel Janssen hat dazu eine praxisnahe Unterrichtsreihe für die Klassen 9-10 erstellt. Seinen Fokus setzt er auf künstliche, neuronale Netze. Dabei werden künstliche Netzwerke nach dem Vorbild des menschlichen Gehirns simuliert. „Das Gehirn verarbeitet Informationen über Neuronen und Synapsen. Analog dazu bestehen künstliche neuronale Netze aus mehreren Reihen von Datenknoten, die mit gewichteten Verbindungen untereinander vernetzt sind“ (Frauenhofer-Institut IKS). Lernalgorithmen sollen dabei arbeiten wie die Nervenzellenverbindungen des Gehirns.
Im Unterricht lernen die Schüler/-innen zunächst, wie die Informationsvermittlung über Nervenzellen im Gehirn abläuft. Darauf aufbauend, überlegen sie sich, welche Bestandteile ein künstliches Neuron haben müsste, um mit vielen weiteren Neuronen (zu einem Netz) verknüpft werden zu können. Sie lernen verschiedene Modelle künstlicher neuronaler Netze kennen, konstruieren dann mit dem Editor MemBrain selbst ein Netz und klassifizieren es unter Anwendung Boolescher Funktionen. Anschließend entwerfen die Schüler/-innen unter Verwendung des JAFFE-Datensatzes (Japanese Female Facial Expression) und der Bildbearbeitungssoftware GIMP eigene Gesichtsmodelle. Abschließend folgt die Aufgabe, die neuronalen Netze so zu trainieren, damit sie am Ende Gesichter erkennen können.
Fakten im Überblick:
- Unterrichtsfach: Informatik
- Dauer: 6-8 Doppelstunden
- Schlagwörter: maschinelles Lernen, neuronale Netze
- Klassenstufe: 9-10 (Sekundarstufe)
- Bildungsplanbezüge: Gymnasium, Klasse 9 (Mathematik): Aussagenlogik und Graphen, Gymnasium Klasse 10 (Informatik): Rechner und Netze. Realschule (Wahlfach Informatik) und Gemeinschaftsschule (Wahlfach IMP) optional (z.B. Projekte und Workshops), Gemeinschaftsschule: Aussagenlogik und Graphen
- Erforderliche Vorkenntnisse: keine (Vorkenntnisse zu Schaltnetzen von Vorteil)
- Hardware: Computer mit Windows-Betriebssystemen
- Software: MemBrain, GIMP, Texteditor, Browser
Hier gelangen Sie zur kostenlosen Broschüre mit Links zu passenden Arbeitsmaterialien:
Broschüre "Machine Learning in der Schule"
Auf dem MINT-Portal des LMZ finden Lehrkräfte weiterführende Medien (Filme, Tools, Websites) zum Thema KI und neuronale Netze.
MINT-Portal: Künstliche Intelligenz und neuronale Netze.