Embedded Files
Diskussion:
Diskussion:
Hvordan klarede computeren det?
Var den bedre end jeres klassekammerater til at gætte?
Hvordan tror I computeren kan det?
Spillet spilles 1 gang mere, hvor alle i klassen følger med på én fælles skærm. Der sættes fokus på evalueringsskærmen til sidst.
Hvis man klikker på en enkelt tegning, kan man se en uddybning af hvordan Quick, Draw har genkendt håndtegningen.
Se på de tegninger som Quick, Draw har brugt på at forudsige hvad der blev tegnet. Du kan også se på billederne herunder, hvor der er håndtegnet en brandbil.
Hvordan tror du programmet har lært at kende forskel på hvad du tegner?
Sådan virker Quick, Draw
Sådan virker Quick, Draw
Quick, Draw har ved at se på mange tegninger af en brandbil fundet mønstre i den måde folk tegner netop brandbiler på.
Kan du se nogle mønstre (steder hvor tegningerne er ens) i den måde der er blevet tegnet på? (f.eks. stigen)
Jo flere der spiller spillet, des flere data bliver algoritmen fodret med. Derfor bliver maskinlæringsmodellen hele tiden dygtigere og dygtigere til at finde de specifikke mønstre i hver billedkategori (brandbil, hest, cykel, osv.)
Spillet er et eksempel på den maskinlæringsform der hedder "supervised learning". Alle kategorierne er oprettet på forhånd (brandbil, hest, cykel, osv.) og det er mønstergenkendelse i disse kategorier, der driver den kunstige intelligens.
Vigtige ord:
Vigtige ord:
Data: Er det man træner en maskinlæringsalgoritme med. Dataene er digitale og kan f.eks. være billeder, sensor data, tal, tekst eller lydklip
Algoritme: Computerprogram skabt af mennesker. Programmet analyserer data og bygger en "model" for mønstergenkendelse
Maskinlæringsmodel: Når man træner en algoritme med data, bygger programmet løbende en model, der bliver i stand til at genkende mønstre i nye tilfælde. Man kan altid forbedre modellen ved at fodre algoritmen med mere eller bedre data.
Page updated
Google Sites
Report abuse