Artificiell intelligens för gymnasiet

Välkommen till
AI‑aktiviteter

Interaktiva simuleringar och laborationer som komplement till läroboken "AI – Teknik, samhälle och etik"

Läroboken hos Liber →

Interaktiva simuleringar

Sökalgoritmer i labyrinter

Utforska BFS, DFS, Girig bäst-först och A* och se hur de hittar vägen genom en labyrint steg för steg. Kap. 2 · Grundläggande sökalgoritmer(s. 51–65)

Sökalgoritmer i träd

Visualisera grundläggande sökalgoritmer i ett sökträd och följ sökningen steg för steg. Kap. 2 · Grundläggande sökalgoritmer(s. 51–65)

Luffarschack i partiellt observerbar miljö

Spela luffarschack utan att se alla rutor för att uppleva partiell observerbarhet. Kap. 2 · Miljöer(s. 43–45)

Minimax med alfa‑beta‑beskärning

Testa Minimax-algoritmen i ett sökträd. Följ uppdateringarna av alfa-beta-värdena under sökningen och se hur alfa-beta-beskärning gör sökningen effektivare. Kap. 2 · Beslutsalgoritmer för spel(s. 66–74)

Q‑learning‑simulering

Träna en agent att navigera ett rutnät med hjälp av förstärkningsinlärning. Följ hur agenten lär sig den bästa vägen genom att testa olika handlingar och uppdatera sina Q-värden. Kap. 3 · Förstärkningsinlärning(s. 124–130)

NIM med förstärkningsinlärning

Se hur ett AI-system lär sig spela spelet NIM från grunden – träna det på olika antal spel, se hur AIn:s strategi förbättras med hjälp av en Q-tabell och testa sedan att spela mot det. Kap. 3 · Förstärkningsinlärning(s. 124–130)

Naïve Bayes‑labbet

Träna en Naive Bayes-klassificerare att skilja skräppost från vanliga mejl och se matematiken bakom klassificeringen. Kap. 3 · Naive Bayes - klassificerare(s. 107–110)

Neurala nätverk‑labbet

Bygg, träna och utforska ett neuralt nätverk steg för steg. Följ beräkningarna i varje nod och låt sedan nätverket göra förutsägelser beroende på indata. Kap. 3 · Neurala nätverk(s. 112–117)

Visualisering av beslutsgränser

Placera ut datapunkter och se skillnaden mellan hur linjära modeller och neurala nätverk drar gränser mellan klasser och upptäck varför neurala nätverk ofta behövs. Kap. 3 · Neurala nätverk(s. 112–117)

AI‑tidslinjen – När då då?

Testa dina kunskaper om AI:s historia! Placera händelser på en tidslinje och samla poäng. Välj att träna ensam eller utmana en kompis i tvåspelarläget. Kap. 1 · AI:s historia(s. 14–19)

Implementera AI‑algoritmer i kod

Här får du testa hur några AI‑algoritmer fungerar genom att köra färdiga kodblock i Google Colab. Du behöver inte kunna programmera utan det räcker att följa instruktionerna, göra små ändringar och se hur resultatet påverkas.

Linjär regression med gradientnedstigning

Google Colab Kap. 3 · Linjär regression och gradientnedstigning(s. 96–101)

k‑Närmaste Grannar

Google Colab Kap. 3 · k‑närmaste grannar (kNN)(s. 103–105)

k‑Means klustring

Google Colab Kap. 3 · k‑means-algoritmen(s. 120–122)

BFS och DFS i träd

Google Colab Kap. 2 · Grundläggande sökalgoritmer(s. 51–65)