Tarea 6: Presentacion tareas 3,4,5 de CDD- A2 - Contenido educativo
Ajuste de pantallaEl ajuste de pantalla se aprecia al ver el vídeo en pantalla completa. Elige la presentación que más te guste:
video de la tarea 6 del curso de nivel 2.
Bien, vamos a explicar en este vídeo los contenidos de la tarea 6.
00:00:00
En primer lugar, comentar que este contenido es una adaptación de un contenido impartido
00:00:07
en la asignatura de ético de tercero de la ESO.
00:00:15
Es una adaptación de lo que he impartido en este curso.
00:00:19
Trata básicamente sobre los contenidos de inteligencia artificial enfocados a los alumnos
00:00:24
de tercero de la ESO para que tengan un conocimiento superficial y básico sobre lo que es la inteligencia
00:00:29
artificial.
00:00:38
Todas las ilustraciones que aparecen en todas las infografías y en el vídeo y en todos
00:00:39
los sitios han sido generadas con alguna de las herramientas de inteligencia artificial.
00:00:49
Son por tanto de creación propia.
00:00:54
Lo reflejo así en una de las presentaciones, pero bueno, donde no aparece, debo decir que
00:00:57
son ilustraciones generadas con IA, dando ejemplo a los alumnos de que esto se puede
00:01:04
utilizar para presentaciones propias suyas.
00:01:10
Bien, pues sin más vamos a entrar a definir qué es lo que consta en este contenido.
00:01:13
Como decía, es una introducción a la inteligencia artificial.
00:01:24
Se verá en primer lugar unos contenidos generales, qué es una red de neuronas, de dónde viene
00:01:27
la inteligencia artificial, cómo se generan todas las imágenes de inteligencia artificial
00:01:33
y qué son las bases de la inteligencia artificial.
00:01:40
A continuación vamos a hacer un ejemplo práctico de cómo sería un entrenamiento de una red
00:01:43
de neuronas, sobre todo enfocado en visión artificial.
00:01:49
Diseñaremos un sistema basado en esta herramienta.
00:01:53
Para ello utilizamos la herramienta de Google Teachable Machine.
00:01:56
Hay un siguiente bloque que está dedicado a aprender a generar imágenes y vídeos con
00:02:00
herramientas de inteligencia artificial y finalmente en este curso se tratan las consecuencias
00:02:07
éticas del uso o mal uso de la inteligencia artificial.
00:02:13
Los objetivos, como decía, es comprender los fundamentos de la inteligencia artificial,
00:02:19
aprender cómo se entrena un modelo con la herramienta que es muy útil de Google, el
00:02:24
Teachable Machine que he comentado antes, aprender a generar contenidos que le puedan
00:02:29
resultar útiles a los estudiantes para sus presentaciones, como es por ejemplo el caso
00:02:33
en mi caso, y finalmente se intenta trabajar, es una tecnología muy potente y que no hay
00:02:38
suficiente información, por lo tanto sensibilizar a los estudiantes que el uso o un mal uso
00:02:48
de estas herramientas podrían ser perjudiciales para la sociedad.
00:02:53
La organización de las sesiones lo veremos en la siguiente transparencia pero está enfocado
00:02:59
en trabajo individual y trabajo en grupo y también clases tradicionales, clases magistrales.
00:03:05
Para el trabajo en grupo se organizan los álbumes en grupos de cuatro, tal y como están
00:03:13
sentados en un aula. El trabajo en grupo consiste básicamente en el entrenamiento
00:03:17
del sistema de la red de neuronas. Todo ese trabajo lo hagan en común, sin embargo el
00:03:24
resultado de su aprendizaje y la reflexión me interesa que lo hagan individual para ver
00:03:30
si una vez que lo han trabajado en clase o con su grupo, pues han adquirido los conocimientos
00:03:35
y tienen que tener un trabajo individual. Para la parte de la generación de los contenidos
00:03:43
de herramientas de contenidos audiovisuales con herramientas de inteligencia artificial
00:03:50
es justo al revés, el trabajo de la generación de estas imágenes o estos vídeos será individual,
00:03:54
sin embargo la votación, la coevaluación la harán los grupos que se han organizado
00:04:02
para la primera parte del contenido para dar una puntuación de cuáles son las imágenes
00:04:08
y vídeos más interesantes. La secuencialización de sesiones, son seis sesiones. Las tres primeras
00:04:15
sesiones son las que están trabajadas en detalle en la tarea 5, pero el curso está
00:04:22
pensado de forma un poquito más amplia. En primer lugar se hará una introducción de
00:04:32
la inteligencia artificial con todos los conceptos básicos. Después se hará el entrenamiento
00:04:37
de la red neuronal con la herramienta de Google Tech y Google Machine. Luego ellos en grupo
00:04:42
harán un nuevo modelo avanzado. Finalmente cambiamos de tema y habrá dos sesiones para
00:04:48
generación de contenidos con IA, generación de vídeos y generación de imágenes con herramientas
00:04:55
de inteligencia artificial. Y finalmente cerraremos toda la unidad con una reflexión
00:04:59
sobre una vez que conocemos todas estas herramientas, una vez que conocemos las posibilidades que
00:05:06
hay, qué problemas puede tener y hacia dónde vamos en la sociedad con el uso de estas herramientas.
00:05:11
Es decir, vamos a intentar fomentar el pensamiento crítico y que entren en un mundo muy potente
00:05:19
y muy peligroso a la vez con un conocimiento. Las actividades de evaluación son diferentes.
00:05:25
Algunas de ellas están metidas en la tarea 5 y básicamente son actividades teóricas
00:05:33
con cuestionarios aprovechando lo que se tiene que hacer en la tarea 4. Habrá también una
00:05:42
actividad de un informe individual, como comentaba, para ver si han sido capaces de interiorizar
00:05:50
los contenidos de inteligencia artificial y la co-evaluación que consiste en trabajar
00:05:56
por grupos y decidir cuáles son las mejores notas, cuál es la puntuación que se reparte
00:06:04
entre los trabajos que han realizado los compañeros. Como digo, todas las herramientas es de elaboración
00:06:12
propia, todas las imágenes es de elaboración propia.
00:06:17
La siguiente parte es lo realizado en la tarea 4, que es configuración de las calificaciones
00:06:25
dentro del aula virtual. Vamos a ver qué es lo que se ha diseñado. Se ha diseñado
00:06:34
siguiendo las instrucciones de la tarea. Tres categorías, con una categoría interior
00:06:42
tal y como se define en la tarea. Las dos primeras están realizadas con H5P. La primera
00:06:50
es la típica de arrastrar palabras, la segunda es de rellenar huecos y la tercera, que estaría
00:07:02
dentro de la unidad didáctica del examen final, que cubriría los contenidos de esta
00:07:11
unidad. Sería un test típico de diez preguntas con cuatro respuestas y solamente una de ellas
00:07:18
posible. Veamos la primera. Como he dicho, está hecho en H5P y es la típica de arrastrar
00:07:26
palabras. El test de Turing es lo que viene aquí. Cada una de estas son idiótas cercanas
00:07:35
de una red de neuronas. Se llama Perceptron. El aprendizaje supervisado, los datos de entrada
00:07:41
son variados y no etiquetados. El sistema de aprendizaje de gráficos comunes, que también
00:07:52
se llaman patrones. El aprendizaje supervisado, le tenemos datos de entrada etiquetados, a
00:08:01
diferencia de la anterior. Y luego la función de activación, que es una función para ajustar
00:08:08
los pesos. Si no me he equivocado, tengo que tener todo correcto. Pincharíamos aquí y
00:08:16
efectivamente todo es correcto. El segundo tipo es de rellenar y es la función de activación,
00:08:23
es una función matemática. Ajustar los pesos. Un pron es el texto que se introduce y el
00:08:31
Perceptron que hemos visto antes. Perceptron en la unidad básica. Hay un error aquí,
00:08:45
lo he escrito mal para ver precisamente. Bueno, en matemáticas se me ha olvidado la tienda.
00:08:50
La solución es matemática con tilde y prompt. Y luego finalmente la evaluación final, que
00:08:56
sería el examen o el test que realizarían los estudiantes al llegar a la meta. Es un
00:09:07
formulario, que son preguntas. En un modelo de IA generativa se cumple que siempre, si
00:09:15
repito el mismo bloque, no es todo diferente, una serie de diez preguntas. Y que realizarían
00:09:26
los estudiantes al finalizar el curso o en la unidad didáctica de Inteligencia Artificial.
00:09:34
Como he dicho, el examen estaría el 10 aquí, el 6 aquí. Está calculando la cantidad de
00:09:53
los valores adecuadamente. Bien, continuamos con la tarea número 5, donde se ha diseñado
00:10:03
el espacio de aprendizaje con distintos ritmos de aprendizaje. Para no hacerlo más complejo,
00:10:16
solamente en esta actividad me estoy centrando en la parte de entrenamiento de la red de
00:10:21
la IA. No estoy metiendo los contenidos de generación de imágenes con Inteligencia
00:10:28
Artificial, ya que sería una parte que no tiene mucho que ver. Tiene que ver con esto,
00:10:33
pero sería un contenido avanzado. Bien, la idea es que puedan realizar estas tareas,
00:10:41
la primera parte de la tarea, que la realicen obligatoriamente todos. Cuando llegan a esta
00:10:49
parte, aquellos que han tenido algún problema pueden ver un vídeo, lo veremos más adelante
00:11:00
en detalle, sobre cómo se debe hacer. Y a aquellos alumnos, a aquellos grupos que quieran
00:11:04
avanzar más, se les ha preparado una segunda parte que explicaré a continuación. Y en
00:11:09
la mitad hay un examen final. Bien, pues de aquí vamos como se pide a la
00:11:14
mediateca. He de decir que la mediateca, al subir el PDF, lo ha modificado y no se ve
00:11:20
bien. En realidad lo tengo aquí. Los pasos a seguir serían acceder a la web de Google
00:11:25
Teachable Machine. Se les propone a los estudiantes, esta es la información, se les propone a los
00:11:34
estudiantes que definan dos categorías, perros, gatos, motos, aviones, es decir, dos
00:11:40
categorías de imágenes diferentes. Tienen que buscar en grupo, como siempre buscar unas
00:11:45
cincuenta imágenes por categoría y entrenar el modelo. La idea es que una vez finalizado
00:11:51
el modelo, una vez finalizado el entrenamiento, el sistema sea capaz de identificar una imagen
00:11:55
que le pasamos y de un tipo a otro tipo. Aquellos que hagan bien esta parte y quieran seguir
00:12:05
trabajando voluntariamente pueden volver a utilizar esta misma herramienta, pero un
00:12:09
modo avanzado donde pueden utilizar la videocámara. En este caso se les pide que generen tres
00:12:14
etiquetas, triste, contento y neutro, y tienen que entrenarlo con las imágenes de la cámara
00:12:20
de los miembros del equipo. Tienen que grabarse todos ellos poniendo caras tristes, caras
00:12:28
contentas y una cara neutra y luego probarlo con el resto de alumnos de la clase para ver
00:12:33
si el sistema está, cuando una estudiante pone una cara triste, pues identifica que
00:12:38
está triste. Veamos en detalle cómo es el comportamiento que hay que seguir. Volvemos
00:12:42
a esto en la parte primera. Bueno, estaríamos yendo a la información donde se les explica
00:12:53
un vídeo sobre qué es Teachable Machine, tomado de la web de Google, que explica en
00:13:02
qué consiste la herramienta, qué hace, cómo funciona. La idea es que tengan un conocimiento
00:13:08
básico de cómo funciona esta herramienta. En la siguiente voy a parar el vídeo para
00:13:14
que no me moleste de fondo. A continuación se les propone, se les informa una vez que
00:13:21
tienen esta información, qué es lo que tienen que hacer. Tienen que trabajar en grupo, tienen
00:13:28
que seleccionar las dos categorías, hacer las imágenes y subir al modelo para entrenarlo.
00:13:33
Una vez que tienen el modelo, pues lo que se les pide es que lo utilicen, que entrenen
00:13:39
y que generen un documento que responda a unas preguntas que están aquí. La idea es
00:13:47
que respondan a estas preguntas, que describan en qué ha consistido el modelo, qué han
00:13:58
entrenado, cuántas imágenes han usado para el modelo, cómo han sido los resultados,
00:14:03
si han funcionado bien, por qué creen que han sido los resultados. La idea es que encuentren
00:14:08
información sobre la calidad de las imágenes de entrenamiento, sobre la cantidad de las
00:14:13
imágenes, la diversidad del tipo de imágenes, el sesgo en las imágenes o en los datos de
00:14:18
entrenamiento. Puede ser si solamente entrenan, en el tema de la cara que hablábamos antes,
00:14:25
entrenan solamente imágenes de caras de chicos y luego lo hacen con una chica, pues probablemente
00:14:30
no lo detecten porque la cara es algo diferente. La idea es que reflexionen sobre este tipo
00:14:36
de herramientas. Una vez que hayan terminado este documento lo tienen que subir de forma
00:14:41
individual. La idea es que lo debatan en grupo pero su resultado lo expliquen de forma individual.
00:14:50
Si algún estudiante o algún grupo ha tenido problemas con esto, se les pone un vídeo
00:15:00
bueno, no hay un vídeo como hacer esta tarea, sacado de Eucode Week, donde hay una actividad
00:15:08
que es precisamente esta. Es un repositorio de actividades para profesores y se utiliza
00:15:18
precisamente la herramienta Google Teachable Machine para hacer un entrenamiento, en este caso
00:15:28
con dos categorías, con motos y con bicis. Por lo tanto, aquí está explicado paso a paso
00:15:34
qué es lo que tendría que hacer el estudiante. Finalmente, aquellos que no quieran seguir
00:15:40
porque se les ha atragantado pero les interesa, podrían ir a la meta. O si no, o si quieren
00:15:50
seguir, pues lo que podrían hacer es hacer un, ya digo que esto es voluntario, requiere
00:15:56
más tiempo utilizar la webcam para entrenar el sistema con las cargas. Como decía, tres
00:16:03
etiquetas, entrenamiento con todo lo mismo del grupo y utilización de la cámara para
00:16:09
identificar a otros compañeros del grupo. Aquellos que lo hagan, se les crea una actividad
00:16:15
virtual con el resultado de esta tarea. La idea es que se les haga preguntas similares
00:16:26
a la parte voluntaria, pero aquí reflexionen sobre el uso de la imagen personal de ellos mismos.
00:16:37
Y finalmente llegamos a la meta, y en la meta lo que se les felicita por haberlo hecho,
00:16:48
se les propone que hagan el test final, el examen final, que ya nos lo veremos, o también
00:16:57
se les pone más información sobre usos reales que se dan con esta herramienta de Google
00:17:04
Teachable Machine, uno que es un clasificador de, esto está sacado de la web de Google
00:17:11
Teachable Machine, clasificación de chuches con un arduino, un caso también de cómo
00:17:18
hacer un mando de distancia con la cámara y entrenando a esta herramienta, y un uso,
00:17:26
para que vean el vídeo, de un uso que se ha dado a una persona que tiene parálisis
00:17:33
y se ha entrenado un sistema mediante el Google Teachable Machine para que identifique
00:17:39
la voz y sea capaz de reaccionar. Creo que es interesante que vean que hay cosas que
00:17:44
es importante para ellos, que pueden hacer un, o sea que esto que están haciendo tiene
00:17:49
una utilidad real. Y como decía, finalmente harían el test final, que es el que está
00:17:58
puesto dentro de la evaluación final, que es el formulario este de preguntas que cubre
00:18:11
todas las preguntas de tanto de entrenamiento de la red neuronal como la parte de generación
00:18:17
de imágenes con inteligencia artificial, es decir, cubre toda la unidad didáctica,
00:18:26
cubre las dos partes. Esto es perceptron, bueno, no lo voy a hacer entero porque son
00:18:30
diez preguntas. Bien, y esto es todo, la idea es que con la finalización de estas tareas
00:18:37
los estudiantes, como comento, tengan un conocimiento general sobre el uso de la inteligencia artificial.
00:18:48
Muchas gracias.
00:18:56
- Idioma/s:
- Autor/es:
- Miguel Angel Gabaldón Leal
- Subido por:
- Miguel Angel G.
- Licencia:
- Reconocimiento - No comercial - Compartir igual
- Visualizaciones:
- 7
- Fecha:
- 20 de julio de 2023 - 4:46
- Visibilidad:
- Clave
- Centro:
- CP INF-PRI-SEC PRÍNCIPES DE ASTURIAS
- Duración:
- 18′ 59″
- Relación de aspecto:
- 1.78:1
- Resolución:
- 1920x1080 píxeles
- Tamaño:
- 109.29 MBytes
