AI-aktiviteter
Interaktiva simuleringar och laborationer för att lära dig om Artificiell Intelligens.
AI-sökning och problemlösning
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)Maskininlärning
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)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)Språkmodell‑labbet
Bygg en egen liten språkmodell av valfri text och se hur den väljer nästa ord - ord för ord. Kap. 4 · Hur fungerar en språkmodell(s. 141–142)AI och samhälle
Bias‑labbet
Träna en rekryterings‑AI på skev historisk data – upptäck hur diskriminering uppstår och hur svårt det är att bli av med. Kap. 1 · Bias(s. 31–32)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.
BFS och DFS i träd
Google Colab Kap. 2 · Grundläggande sökalgoritmer(s. 51–65)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)
Läroboken
AI – Teknik, samhälle och etik
Alla simuleringar på den här sidan är skapade som ett digitalt komplement till läroboken AI - Teknik, samhälle och etik
Utforska boken hos Liber