Artificiell intelligens, eller AI, är ett begrepp som man nu möter allt oftare i vardagen. Robotar eller intelligent programvara tar över uppgifter som tidigare endast kunde utföras i mycket begränsad omfattning av datorer och som därför ofta utfördes av människor. I vardagen går det knappt att undvika att använda artificiell intelligens som verktyg i någon form – medvetet eller omedvetet. Den stöder oss till exempel när vi använder navigationsutrustning, spelar videospel eller till och med när vi använder kameran på vår smartphone. Men det finns också mer uppenbara användningsområden, t.ex. självstyrande bilar eller användning av röstassistenter i hemmet eller på din smartphone. Så kallade neurala nätverk, som bygger på hur den mänskliga hjärnan fungerar, används allt oftare i bakgrunden. De är en viktig del av deep learning, en särskild undertyp av artificiell intelligens.

Artificiell intelligens håller också på att slå igenom inom industrin. I och med den ökande användningen av den här tekniken blir det allt viktigare att förstå vad den egentligen är, vad deep learning handlar om eller hur neurala nätverk genereras på ett målinriktat sätt och hur de kan användas på ett meningsfullt sätt inom industrin för att optimera produktionsprocesser. Dessa frågor uppstår speciellt när det handlar om repetitiva, monotona uppgifter som datorer ännu inte klarar av att hantera och som därför fortfarande mödosamt utförs av människor. Artificiell intelligens är ett försök att förstå och artificiellt efterlikna den mänskliga hjärnans funktion. Målet är att datorerna på ett tillförlitligt sätt ska kunna utföra även krävande uppgifter, exempelvis kvalitetskontroll med hjälp av bildigenkänning – speciellt av organiska objekt.

Läromedlet för artificiell intelligens har utformats för utbildare, instruktörer, lärare och professorer vid olika utbildningsinstitutioner för att de ska kunna uppleva ämnet artificiell intelligens på nära håll tillsammans med eleverna och för att kunna lära ut kompetenser för att hantera artificiell intelligens så praktiskt och levande som möjligt.

I läromedlet ingår äkta industriell hårdvara och mjukvara, som används i samma form i många företag. Läromedlet kompletteras med undervisningsmaterial, t.ex. en e-learningkurs som en introduktion till ämnet eller en experimenthandbok med didaktiskt förberedda uppgifter och exempel på lösningar.

För att få en heltäckande förståelse för deep learning är det viktigt att inte bara samla in teoretisk kunskap om detta, utan att faktiskt arbeta med det, göra misstag och sedan självständigt åtgärda dessa. Därför har en läroplan med följande punkter utformats, så att intresserade kan få praktisk erfarenhet av att skapa egna neurala nätverk.

• I en interaktiv e-learningkurs förbereds eleverna för klassrumsutbildningen. Kursen ger grundläggande bakgrundskunskaper och syftar till att få de enskilda deltagarnas olika kunskapsnivåer att nå en enhetlig nivå.
• En kort digital frågesport kan användas senare, några dagar innan klassumsevenemanget, för att aktivera och dessutom befästa de kunskaper som förvärvats i e-learningkursen så att de kan hämtas under klassrumsutbildningen.
• Ett set med en utskrivbar experimenthandbok (med exempel på lösningar) och exempel på flödesscheman hjälper deltagarna att utföra uppgifter med hjälp av en äkta industrisensor. Med hjälp av de hjälpmaterial som ingår i setet, t.ex. tärningar eller metallknappar, löser man intuitivt och steg för steg uppgifterna i experimenthandboken. Med den programmerbara kameran InspectorP621 från SICK och den molnbaserade industriprogramvaran SICK dStudio kan eleverna skapa sina egna neurala nätverk och sedan överföra dessa till kameran. Eleverna får uppleva hur kameran självständigt klassificerar kvalitetskontrollresultaten i tidigare definierade klasser baserat på det neurala nätverk som skapats.

Fem didaktiskt förberedda uppgifter har utformats för setet. Dessa bygger på varandra och syftar till att på ett så hållbart sätt som möjligt förvärva kompetens med verklig praktisk kunskap.

I den sjätte och sista uppgiften överförs det neurala nätverk som eleverna själva har skapat till en riktig produktionsanläggning i en 3D-datorsimulering, för att kontrollera kvaliteten på det neurala nätverket. Denna uppgift avrundar inlärningsenheten och motiverar samtidigt deltagarna.

Setet kan förkortas i olika scenarier eller användas i sin helhet, även av nybörjare. Hårdvaran och programvaran gör det också möjligt för eleverna att utforma sina egna uppgifter, så att de inte är tvungna att följa den medföljande experimenthandboken. Även programvaran på sensorn kan bytas ut för att utforma eller lösa särskilt komplexa uppgifter med sensorn.

Läs mer om hur du köper övnings-setethär .