SRP

Idéer til hvordan AI kan inddrages i SRP.

I arbejdet med studieretningsprojektet kan matematik og AI indgå i et samarbejde med en lang række andre fag. Idéer til sådanne samarbejder findes herunder. Under nogle af emnerne er der også indsat konkrete forslag til problemformuleringer.

Hvis man ønsker, at inddrage kunstige neurale netværk kan noten om kunstige neurale netværk benyttes. En mulig fremgangsmåde er at bede eleven udlede opdateringsreglerne for et konkret, lille netværk med f.eks. ét skjult lag.

En anden mulighed er at bruge noten om perceptroner - eventuelt kombineret med noten om retningsafledede og gradientnedstigning.

Samfundsfag og matematik

Udarbejdelse af kandidattest i forbindelse med valg. [samfundsfag A]

Materialer

Noten om perceptroner.

Brugen af kunstig intelligens i forbindelse med ansigtsgenkendelse. Herunder kan emner som persondataloven, retssikkerhed og/eller partiernes holdning til overvågning behandles. [samfundsfag A]

Materialer

Noten om kunstige neurale netværk.

Dansk og matematik

Formidlingsopgave hvor AI metoder behandles og derefter formidles f.eks. som en populærvidenskabelig artikel. Eleverne skal skrive en danskfaglig meta-del, hvor de redegør for deres overvejelser og valg med hensyn til målgruppe, virkemidler med videre.

Materialer

Noten om kunstige neurale netværk.

Noten om perceptroner.

Noten om naiv Bayes klassifier.

Engelsk og matematik

Redegørelse for hvad et kunstigt neuralt netværk er. I engelsk perspektiveres der til Ian McEwans bog “Machines like me”. [engelsk A]

Idræt og matematik

Implementering af et kunstig neuralt netværk, som kan forudsige baseball tegn (app til implementering af netværk er under udarbejdelse). [idræt C, evt. innovativ]

Materialer

Stealing Baseball Signs with a Phone (Machine Learning).

Biologi og matematik

Redegørelse for hvordan et kunstigt neuralt netværk kan trænes, så det kan anvendes i forbindelse med diagnosticering af sygdomme - herunder kan opdateringsreglerne for et lille, simpelt netværk udledes. [biologi A]

Materialer

Meet the computer diagnosing cancer.

Informatik og matematik

Implementering af et kunstig neuralt netværk med ét skjult lag, som kan kende forskel på f.eks. håndskrevne 2- og 9-taller. [informatik B, innovativ opgave]

Problemformulering

Udarbejd et løsningsforslag til hvordan man oversætter håndskrevne tal, så de kan genkendes af en computer. I den forbindelse skal du:

  • Redegør for hvad der forstås ved et kunstigt neuralt netværk, hvor du tager udgangspunkt i et netværk med ét skjult lag. Kom herunder ind på feedforward og backpropagation.
  • Implementer et kunstig neuralt netværk med ét skjult lag, som kan bruges til at kende forskel på 2- og 9-taller (brug en passende delmængde af MNIST train-datasættet).
  • Vurder dit løsningsforslag i forhold til styrker og svagheder samt graden af innovation. Inddrag i den forbindelse en passende delmængde af MNIST test-datasættet.

Materialer

Netværket kan trænes på en passende delmængde af MNIST datasættet.

Redegørelse for hvordan et kunstigt neuralt netværk trænes. Diskussion af de etiske problemstillinger, som kan opstå i forbindelse med anvendelsen af kunstig intelligens og/eller diskussion af de muligheder og begrænsninger, der er ved brugen kunstig intelligens. [informatik C]

Problemformulering 1

  • Redegør kort for begrebet ”kunstig intelligens” - herunder ”deep learning”.
  • Forklar hvordan et kunstig neuralt netværk virker. Herunder ønskes en redegørelse for hvordan et kunstigt neuralt netværk lærer vha. backpropagation og hvordan kædereglen benyttes i den forbindelse.
  • Diskuter de etiske problemstillinger som kan opstå i anvendelsen af kunstig intelligens.

Problemformulering 2

  • Redegør for udviklingen inden for kunstig intelligens. Inddrag begreberne machine learning, deep learning samt supervised og unsupervised learning.
  • Redegør for teorien bag kunstige neurale netværk herunder hvordan kunstige neurale netværk lærer vha. backpropagation og costfunktionen. Forklar også hvordan kædereglen benyttes i den forbindelse.
  • Diskuter hvilke muligheder og begrænsninger der er ved brugen af machine learning. Inddrag bilag 1.

Bilag 1

Psykologi og matematik

Forklare hvordan kunstige neurale netværk kan bruges til at prædiktere psykisk sygdom baseret på register og genetiske data.

Materialer

Noten om kunstige neurale netværk.

Deep Learning for Cross-Diagnostic Prediction of Mental Disorder Diagnosis and Prognosis Using Danish Nationwide Register and Genetic Data.