Künstliche Intelligenz für Lehrkräfte (eBook)

Eine fachliche Einführung mit didaktischen Hinweisen

Ulrich Furbach, Emanuel Kitzelmann, Tilman Michaeli, Ute Schmid (Herausgeber)

eBook Download: PDF

2024
XII, 242 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-44248-4 (ISBN)

Infos

Das Buch Künstliche Intelligenz für Lehrkräfte führt die zentralen Ansätze und Gebiete der KI fundiert und insbesondere für Informatiklehrkräfte aufbereitet ein. Es bietet aber auch Lehrkräften mit anderem Hintergrund die Möglichkeit, sich mit den fachlichen Grundlagen von KI auseinanderzusetzen. Behandelte Themen sind insbesondere Problemlösen und Suche, Grundlagen des Maschinellen Lernens, Wissensrepräsentation und Schließen, Künstliche neuronale Netze, Tiefes Lernen, Generative KI und Robotik. In jedem Kapitel wird eine methodische Einführung gegeben, relevante Anwendungsbereiche aufgezeigt und Vorschläge für die konkrete Umsetzung im Unterricht gegeben. Zudem werden interdisziplinäre Bezüge hergestellt und Fragen der Ethik und gesellschaftliche Bezüge diskutiert.

Die Herausgebenden und Autor:innen des Buches sind Lehrkräfte an Hochschulen aus den Bereichen Künstliche Intelligenz und Informatikdidaktik. Durch die interdisziplinäre Kooperation bietet das Buch sowohl einen fachlich fundierten Einstieg in das Thema KI als auch einen geeigneten didaktischen Zugang.

Inhalt

Inhaltsverzeichnis 6
Über die Autoren 11
1 Einfuhrung 13
Literatur 17
Teil I Grundlegende Konzepte der KI 18
2 Suche im Problemraum 19
2.1 Methodische Einführung 20
2.1.1 Repräsentation von Problemen 21
2.1.2 Blinde Suchverfahren 24
2.1.3 Heuristische Suchverfahren 27
2.1.4 Definition einer Heuristik 29
2.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinärität 31
2.3 Vorschläge für den Unterricht und Anwendungen 31
2.4 Literatur zum Weiterlesen und Quellen 32
Literatur 32
3 Lernen aus Daten 34
3.1 Methodische Einführung 36
3.1.1 Überwachtes Lernen 36
3.1.2 Unüberwachtes Lernen 40
3.1.3 Verstärkendes Lernen 42
3.2 Gesellschaftliche Bezüge und Interdisziplinärität 45
3.3 Vorschläge für den Unterricht 47
4 Schlieen aus Wissen 48
4.1 Methodische Einführung 49
4.1.1 Logisches Schließen 50
4.1.2 Wissensrepräsentation 53
4.1.3 Beschreibungslogiken 54
4.1.4 Alltagsschließen 55
4.1.5 Menschliches Schließen 56
4.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinärität 57
4.3 Vorschläge für den Unterricht und Anwendungen 58
4.4 Literatur zum Weiterlesen und Quellen 59
Literatur 59
Teil II Maschinelles Lernen 60
5 Lernen mit Neuronalen Netzen 61
5.1 Methodische Einführung 62
5.1.1 Ein einzelnes künstliches Neuron – das einfache Perzeptron 63
5.1.2 Lernen eines einfachen Perzeptrons aus Daten 66
5.1.3 Lernen in neuronalen Netzen: Gradientenabstieg 67
5.1.4 Mehrschichtige Neuronale Netze und Backpropagation 72
5.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinärität 74
5.3 Vorschläge für den Unterricht und Anwendungen 74
5.4 Literatur zum Weiterlesen und Quellen 75
Literatur 75
6 Analytisches vs. konnektionistisches Paradigma 76
6.1 Methodische Einführung 78
6.1.1 Analytischer Ansatz: Die pq-Formel 78
6.1.2 Konnektionistischer Ansatz: Ein neuronales Netz 79
6.1.3 Trainingsdaten für quadratische Gleichungen 81
6.1.4 Das gelernte Neuronale Netz 81
6.1.5 Diskussion des Vergleiches 84
6.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinärität 85
6.2.1 Datensatzbias 85
6.2.2 Wichtigkeit der Datensatzannotation 86
6.3 Vorschläge für den Unterricht und Anwendungen 86
Literatur zum Weiterlesen und Quellen 87
7 Verstarkendes Lernen 88
7.1 Methodische Einführung 89
7.2 Wirkprinzip 92
7.2.1 Verhalten: Zweckmäßige Interaktion mit der Umwelt 93
7.2.2 Lernen: Auf der Suche nach optimalem Verhalten 94
7.3 Vorschläge für den Unterricht 100
7.4 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinärität 102
7.5 Weiterführende Hinweise 103
Literatur 104
8 Tiefes Lernen 105
8.1 Methodische Einführung 107
8.1.1 Die Funktion eines Neurons in einem Neuronalen Netz 107
8.1.2 Organisation in Schichten 108
8.1.3 Die Konvolutionsschicht 110
8.1.4 Ein Konvolutionsnetz (Convolutional Neural Network, CNN) 113
8.1.5 Eine Analyse der Merkmale eines bekannten Netzwerkes 116
8.2 Beispiele aus der Lebenswelt, Gesellschaftliche Bezüge und Interdisziplinärität 119
8.3 Vorschläge für den Unterricht und Anwendungen 119
8.4 Literatur zum Weiterlesen und Quellen 122
Literatur 122
9 Erklarbarkeit 123
9.1 Methodische Einführung 124
9.1.1 Wichtigkeit von Merkmalen 125
9.1.2 Kontrafaktische Erklärungen 126
9.1.3 Modelltreue von Erklärungen 127
9.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinarität 128
9.3 Vorschläge für den Unterricht und Anwendungen 128
9.4 Literatur zum Weiterlesen und Quellen 129
Literatur 130
10 Generative KI 131
10.1 Methodische Einführung 132
10.1.1 Encoder-Decoder Strukturen 132
10.1.2 Verarbeiten von Sequenzen und Texterzeugung 133
10.1.3 Random Sampling vs. Greedy Decoding 134
10.1.4 Transformernetzwerke und Attention Mechanismen 136
10.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinarität 137
10.3 Vorschläge für den Unterricht und Anwendungen 139
10.4 Literatur zum Weiterlesen und Quellen 141
Literatur 141
Teil III Schließen und Planen 143
11 Logikbasierte Wissensverarbeitung 144
11.1 Methodische Einführung 148
11.1.1 Aussagenlogik 148
11.1.2 Logik erster Stufe 158
11.1.3 Logik höherer Stufe 162
11.1.4 Nichtklassische Logiken und Universelles Logisches Schließen 163
11.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinärität 164
11.3 Vorschläge für den Unterricht und Anwendungen 165
11.4 Literatur zum Weiterlesen und Quellen 165
Literatur 165
12 Schlieen im Alltag und unter Unsicherheit 168
12.1 Methodische Einführung 169
12.1.1 Schlussformen im Alltagsschließen 169
12.1.2 Nicht monotone Logiken 171
12.1.3 Answer Set Programming 175
12.1.4 Vages Wissen 178
12.2 Vorschläge für den Unterricht und Anwendungen 180
12.3 Literatur zum Weiterlesen und Quellen 181
Literatur 181
Teil IV Spezielle und vertiefende Themen 182
13 Robotik 183
13.1 Methodische Einführung 185
13.1.1 Karten für mobile Roboter 185
13.1.2 Wahrscheinlichkeitstheoretisches Modell derSelbstlokalisation 187
13.1.3 Beobachtungsmodell 187
13.1.3.1 Beispiel 188
13.1.4 Bewegungsmodell 190
13.1.5 Selbstlokalisation mit Markovmodellen 192
13.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinarität 194
13.3 Vorschläge für den Unterricht und Anwendungen 195
13.4 Literatur zum Weiterlesen und Quellen 196
Literatur 197
Teil V Reflexion 198
14 Naturliche und Kunstliche Intelligenz 199
14.1 Methodische Einführung 200
14.1.1 Was menschliche Intelligenz ausmacht 200
14.1.2 Menschliches versus maschinelles Lernen 202
14.1.3 Wie man Intelligenz prüfen kann 203
14.2 Beispiele aus der Lebenswelt, gesellschaftliche Bezüge und Interdisziplinarität 205
14.3 Vorschläge für den Unterricht und Anwendungen 205
14.4 Literatur zum Weiterlesen und Quellen 205
Literatur 206
15 Wechselwirkungen von KI mit anderen Schulfachern 207
15.1 Methodische Einführung 208
15.1.1 Biologie 208
15.1.2 Ethik 211
15.1.3 Bildende Kunst 215
15.2 Vorschläge für den Unterricht 216
15.3 Literatur zum Weiterlesen und Quellen 218
Literatur 219
16 Verantwortung 220
16.1 Methodische Einführung 222
16.1.1 Perspektive der Entwicklung von KI-Systemen 222
16.1.2 Perspektive der Interaktion mit KI-Systemen 226
16.1.3 Didaktische Empfehlungen 230
16.2 Beispiele aus der Lebenswelt 232
16.2.1 Interaktion mit Captchas 232
16.2.2 Interaktion mit Streamingdiensten 233
16.3 Vorschläge für den Unterricht und Anwendungen 233
16.4 Literatur zum Weiterlesen und Quellen 235
Literatur 235
Glossar 238

Produkt-Details

• Erscheint lt. Verlag: 12.9.2024
• Reihe/Serie: ars digitalis
• Zusatzinfo: XII, 242 S. 91 Abb., 71 Abb. in Farbe.
• Sprache: deutsch
• Themenwelt: Mathematik / Informatik ► Informatik
• Themenwelt: Sozialwissenschaften ► Pädagogik
• Schlagworte: generative KI • Informatikunterricht • Interdisziplinarität • Künstliche Intelligenz • Lernen und Schließen • Maschinelles Lernen • Neuronale Netze • Robotik • Tiefes Lernen • Wissen und Wissensrepräsentation
• ISBN-10: 3-658-44248-4 / 3658442484
• ISBN-13: 978-3-658-44248-4 / 9783658442484