Neuronales Netz unplugged (Entwurf!)

Worum geht es?

Schülerinnen und Schülern soll enaktiv und ohne Computer verständlich gemacht werden, wie der Lernprozess in einem neuronalen Netzwerk funktioniert.

Grundidee

Die Idee besteht darin, dass die Schülerinnen und Schüler ein neuronales Netzwerk darstellen, bei dem jedes Kind ein Neuron spielt. Das neuronale Netzwerk erkennt Bilder.

Lernziele

  • Die Kinder erkennen, dass in diesem neuronalen Netz alles sehr formal abläuft. In ihrer Vorstellung bleibt keine "Magie" mehr übrig, alles ist verständlich und nachvollziehbar.
  • Die Kinder erkennen, dass die einzelnen Neuronen "keine Ahnung" des Gesamtzusammenhangs haben, sondern nur ihre Aufgabe erledigen.
  • Die Kinder erkennen, dass das neuronale Netzwerk durch die Gewichte "lernt" und nach einer gewissen Zeit Bilder einigermassen zuverlässig verschiedenen Kategorien zuordnen kann.
  • Die Übung kann der Anschub einer Diskussion darüber sein, ob dieses Netzwerk jetzt intelligent sei oder nicht (Chinesisches Zimmer)

Keine Ziele

  • Es geht nicht darum, dass die Kinder eine spezifische Art von neuronalen Netzen kennenlernen oder gar unterschiedliche Netzwerktypen unterscheiden können
  • Es geht nicht darum, dass das implementierte Netz besonders effizient ist (Effizienz ist nur wichtig, damit sich die Kindern nicht anfangen zu langweilen)

Aufbau (ursprüngliche Idee von Beat, Martin und Werner)

Überblick

Erste Schicht: Sensorneuronen

Eine erste Schicht von menschlichen Neuronen schaut sich ein projeziertes Bild an und entscheiden, ob ihr Merkmal feuert oder nicht. Die Sensoren sind so basal, dass man möglichst einen Hardwaresensor dafür bauen kann:

  • "Bild enthält gelb" (Hardwaresensor)
  • "Mehr als 50% des Bildes sind blau" (Hardwaresensor)
  • "Mehr als 50% des Bildes sind grün" (Hardwaresensor)
  • "Es hat etwas Rundes im Bild" (kein Hardwaresensor)

Didaktische Überlegung: Die Sensorneuronen sollten möglichst nur Eigenschaften erkennen, für die ein Hardwaresensor denkbar ist. Damit bleibt keine "Magie" mehr im System übrig. Aus diesem Grund haben wir beispielsweise einen Sensor "Vierbeinigkeit" zur Erkennung von Tieren fallengelassen, denn da bliebe die Frage/Magie, wie denn das Netzwerk "Vierbeinigkeit" erkennen kann.

Die Sensorneuronen entscheiden, ob ihr Ergebnis ein + oder ein - ist.

Verbindungen zwischen den Neuronen

Die Sensorneuronen sind mit Fäden mit der nächsten Neuronenschicht verbunden (jedes Sensorneuron mit 3-5 nachfolgenden Neuronen). An jedem Faden hängen eine Anzahl Wäscheklammern. Die Wäscheklammern repräsentieren das Gewicht der Verbindung.

Didaktische Überlegung: Mit den Fäden und den Wäscheklammern wird das neuronale Netz im Schulzimmer visualisiert. Es bleibt den Kindern als Bild hängen. Je nach Bestuhlung des Klassenzimmers lassen sich die einzelnen Bankreihen sogar direkt als Schichten des neuronalen Netzes verwenden.

Ein Sensorneuron gibt nun jedem verbundenen Nachfolgeneuron eine Zahl weiter:
  • entweder plus die Wäscheklammerzahl (wenn das Sensorneuron sein Merkmal erkennt)
  • oder minus die Wäscheklammerzahl (wenn das Sensorneuron sein Merkmal nicht erkennt)

Nachfolgende Neuronenschichten

Das nachfolgende Neuron zählt alle eingehenden Zahlen zusammen und erhält eine Summe. Ist diese Summer grösser 0, so feuert das Neuron (plus), sonst hemmt es (minus).

Endneuronen

Die Endneuronen erhalten so zum Schluss einen Wert (plus oder minus).
  • Stimmt dieser Wert mit dem zu trainierenden Wert überein, so wird jede Verbindung, die das gleiche Ergebnis geliefert hat belohnt, indem eine zusätzliche Wäscheklammer an die Verbindung gehängt wird (Verstärkung) und jede Verbindung bestraft, die nicht das gleiche Ergebnis geliefert hat.
  • Stimmt der Wert nicht mit dem zu trainierenden Wert überein, so läuft es umgekehrt: Diejenigen, die das falsche Resultat geliefert haben, werden bestraft, diejenigen, die das richtige Resultat geliefert haben, belohnt.

Fachliche Warnung: Diese Anweisungen stimmt weder mit einem bestimmten neuronalen Netztyp überein, noch wurde bisher überprüft, ob sie zuverlässig funktionieren. Urs Lautebach hat bereits darauf hingewiesen, dass z.B. die Hebb'sche Lernregel anders funktioniert. Hier sind weitere Überlegungen notwendig, welches Verfahren
  • a) zuverlässige Lösungen liefert
  • b) für die Kinder mathematisch und aufwandsmässig bewältigbar ist

Mögliche Kombination von Sensoren und Bildern zur Erkennung von Sportarten

  50% grün hat Gelb im Bild 50% weiss Kreisform kommt vor Geraden kommen vor
Schach / Ski     X   X
Fussball X     X X
Tennis X X   X  
Eishockey     X X X

Didaktische Überlegungen:
  • Sportarten sind nicht ganz fern der Lebenswelt von Kindern
  • Bei Sportarten lassen sich im Gegensatz zu Symbolen (Zahlen, Buchstaben, Flaggen) sehr unterschiedliche Bilder verwenden. Es handelt sich dabei um "natürliche" Bilder und nicht um bereits menschengemachte Symbole, die erkannt werden sollen. Der Effekt, dass sich solche Bilder aufgrund weniger Merkmale zuordnen lassen ist grösser als bei Flaggen, die symbolhaft sind und wenige, eindeutige Farben besitzen
  • Im Gegensatz zu Flaggen lassen sich Sportarten internationaler nutzen

Inhaltliche Warnung: Bereits an diesen wenigen Bildern sieht man, dass die Sensoren nicht sehr trennscharf werden unterscheiden können...
Kontakt
Pädagogische Hochschule Schwyz
Zaystrasse 42
CH-6410 Goldau
T +41 41 859 05 90
info@phsz.ch Dies ist ein Wiki des Fachkerns Medien und Informatik der Pädagogischen Hochschule Schwyz. Für Fragen wenden Sie sich bitte an wikiadmin@phsz.ch
This page was cached on 22 Mar 2024 - 04:07.