Apprendre comme un ordinateur

Plan de cours créé en collaboration avec

• Assurez-vous d'avoir assez d'espace afin que tout le monde puisse se déplacer dans le local.
• Si vous êtes dans un environnement virtuel, utilisez ce projet Scratch pour l'activité « C'est chaud ou froid? ».

Activité n°1 : Faisons un pique-nique

Aujourd’hui, nous allons jouer à un jeu. Nous dresserons une liste d’objets à apporter et à ne pas apporter à un pique-nique.

Demandez aux personnes apprenantes de former un cercle (environ 10 personnes par cercle).

Une personne sera l’organisatrice du pique-nique. Celle-ci déterminera une règle que tous les objets ajoutés à la liste de pique-nique devront respecter. Exemple de règle : l’objet doit être jaune. Assurez-vous que personne dans le cercle ne connaît la règle!

La personne qui organise le pique-nique doit retourner dans le cercle et dire : « J’apporte ___ au pique-nique. » Elle ajoutera le nom d’un objet qui respecte la règle créée. Faites le tour du cercle, une personne à la fois. Chaque personne dira : « Est-ce que je peux apporter ___ au pique-nique? ». La personne qui organise le pique-nique devra répondre par « oui » ou « non ». Le jeu se poursuivra jusqu’à ce que tout le monde ait découvert la règle. Rappelez aux personnes apprenantes de ne pas dévoiler la règle si elles ont réussi à la trouver.

Réflexion :

Parlons un peu des méthodes d'apprentissage.
Demandez : « Avez-vous une méthode préférée pour apprendre ou étudier? »
Les ordinateurs aussi ont une méthode préférée : la méthode essai-erreur! En effet, les ordinateurs apprennent de leurs erreurs.

Écrivez un nombre sur un tableau ou une feuille de papier et montrez-le au groupe.

Demandez :« Quel est ce nombre? Comment le savez-vous? » (R : Parce que nous avons déjà vu ce nombre un million de fois.)

Demandez : « Qui a déjà entendu les expressions apprentissage machine et intelligence artificielle? »

Demandez : « Qu’est-ce que l’apprentissage machine? » (R : Voir la section « Terminologie »)

Vous pouvez également visionner la première minute de cette petite vidéo en grand groupe : « Qu’est-ce que l’apprentissage automatique et l’intelligence artificielle ? »

Le processus d’apprentissage basé sur les données et les rétroactions des humains s'appelle l’« apprentissage supervisé ».

Demandez : « Sur quoi votre première réponse se basait-elle? » (R : Sur rien : elle était au hasard!) Les algorithmes d’apprentissage machine font comme nous. Les algorithmes donnent d'abord une réponse complètement au hasard, car ils n’ont pas assez d’informations pour donner une réponse éclairée.

Demandez : « Quelles tendances (éléments répétitifs) avez-vous cherchées dans les réponses d’objets à apporter au pique-nique? » (R : Nous avons cherché une tendance dans les objets qui pouvaient être apportés au pique-nique.) Nous avons fait assez de liens entre les objets pour trouver la règle. En fait, nous avons appris la règle exactement comme le font les algorithmes d’apprentissage machine, par exemple, les réseaux de neurones.

L’apprentissage supervisé est le processus d’apprentissage d’un algorithme qui se base sur plusieurs exemples (c'est-à-dire des données). L'algorithme cherche des tendances dans les données pour apprendre des informations.

Activité n°2 : Chaud ou froid?

Nous ferons une autre activité pour savoir comment les machines ou les ordinateurs apprennent des informations pour trouver des solutions optimales aux problèmes.

Demandez : « Savez-vous comment les ordinateurs cherchent des solutions aux problèmes que nous rencontrons au quotidien? »

Sélectionnez une personne dans la classe qui jouera le rôle de la machine qui apprendra des informations. Ensuite, choisissez un objet dans la classe. La personne sélectionne devra fermer les yeux pendant que les autres cachent l’objet dans le local.

Quand l’objet sera bien caché, la « machine » pourra ouvrir les yeux et chercher l’objet. Les autres personnes donneront des indices à la machine. Elles diront « c'est chaud » quand la machine se rapprochera de l’objet ou « c'est froid » quand elle s’en éloignera. L'activité est terminée lorsque la personne sélectionnée a trouvé l’objet caché.

Si vous êtes à distance : Ouvrez ce projet Scratch par Michele Albach.

Cliquez sur le drapeau vert et appuyez sur la touche Espace en fermant les yeux. Le chien Dot s'affichera à l'écran pour les personnes apprenantes, mais vous ne saurez pas où il se cache parce que vos yeux sont fermés! Ensuite, laissez les personnes apprenantes vous guider vers Dot en vous disant « C'est froid » quand vous êtes loin ou « C'est chaud » quand vous êtes près de Dot. Cliquez à un endroit pour vérifier si Dot s'y cache. Si vous avez trouvé Dot, il s'affichera à l'écran! Appuyez sur la flèche de droite pour passer au prochain niveau.

Réflexion :

Demandez : « Comment la machine a-t-elle commencé sa recherche? »

En tant qu'humains, nous commençons par chercher l’objet à des endroits au hasard, car nous n'avons pas beaucoup d’informations. Toutefois, après quelques parties, nous savons un peu par où commencer, car nous avons une idée des endroits où l’objet pourrait être caché. Les ordinateurs apprennent un peu comme nous. Ils commencent par chercher l’objet à un endroit au hasard, car ils ne connaissent pas l'environnement. S’ils ont déjà vu l'environnement, ils sauront davantage où chercher, auront des idées plus précises et trouveront l’objet beaucoup plus rapidement. Ainsi, si vous jouez à ce jeu plusieurs fois dans des endroits ou des environnements différents, vous aidez les ordinateurs à résoudre le problème de plus en plus facilement. Ce type d'apprentissage est particulièrement utile aux robots, qui ont besoin de naviguer et d’interagir dans un environnement physique.

Demandez : « Comment la machine a-t-elle trouvé l’objet? » (R : En suivant nos indices, p. ex., « c'est chaud » quand elle se rapprochait de la réponse.)

Demandez : « Quand nous avons dit à la machine que c’était froid , pourquoi a-t-elle évité de regarder dans ce coin-là? »

Vous avez sûrement remarqué que quand une direction est trop « froide », l’ordinateur ignore cette partie de la pièce et n'y revient plus. L’espace de recherche dans la pièce devient plus restreint quand l’ordinateur obtient plus d’informations. L’ordinateur trouvera l’objet quand l'espace sera extrêmement restreint.

Dans ce jeu, la machine apprend de ses erreurs en obtenant des commentaires ou des rétroactions sur ses actions. Il s’agit d’un mode de l’apprentissage machine qui s'appelle « l’apprentissage par renforcement ». Cette méthode ressemble à l’entraînement d’un animal : nous donnons une récompense à l’animal quand il se comporte bien afin de l’encourager à faire de bonnes actions à long terme. Ici, en guise de « récompense », nous avons donné des indices à l’ordinateur et l'avons encouragé jusqu’à ce qu’il trouve l’objet.

L’apprentissage par renforcement est différent de l'apprentissage supervisé, car le renforcement dépend des interactions avec l'environnement plutôt que des données. Avec l’apprentissage par renforcement, nous cherchons à maximiser la récompense.

Technologie et société:

Pour découvrir comment Amazon fait appel à l’intelligence artificielle et à l’apprentissage machine pour livrer des colis aux clients, regardez cette vidéo.

Objectifs d’apprentissage

Je peux expliquer comment les ordinateurs apprennent avec l’apprentissage machine.
Je peux expliquer l'apprentissage supervisé en général.
Je peux expliquer l’apprentissage par renforcement en général.
Je peux apprendre des concepts de programmation sans ordinateur.

Méthodes d’évaluation

Demandez aux personnes apprenantes de se mettre en équipe de deux. Les équipes devront trouver une façon dont l’apprentissage machine ou l'intelligence artificielle pourrait les aider au quotidien (p. ex. fabriquer un grille-pain qui apprend de ses erreurs pour éviter de brûler des rôties). Ensuite, les personnes apprenantes devront penser aux données nécessaires pour entraîner leur algorithme d’apprentissage machine et déterminer le meilleur type d'apprentissage pour la situation (supervisé ou par renforcement). Finalement, les personnes apprenantes devront écrire une réflexion d’une page sur les façons dont la technologie pourrait aider les gens dans la vie de tous les jours.

Feuille de travail : Réflexion sur une invention avec l'apprentissage machine et l'IA
Feuille de travail : Réflexion simplifiée
Document Google modifiable

Découvrez AlphaGo, l'algorithme d’apprentissage machine qui a révolutionné le jeu Go.

Exercez-vous à entraîner un ordinateur à l'aide de l’outil Teachable Machine.

Ordinateurs et réseaux

Explorez les possibilités de carrière en lien avec l’intelligence artificielle, l’apprentissage machine et la science des données et les différents programmes d’études pour accéder au domaine. (Si vous enseignez à un groupe de 1re ou 2e secondaire (7e ou 8e année), vous pourriez accéder au programme myBlueprint pour faire des recherches sur les différents choix de carrière et programmes postsecondaires.) Par exemple, voici le parcours d'Anjeliki, spécialiste en chef du langage naturel pour l'assistant Alexa.

Qu’est ce que l’apprentissage machine? (Accenture)
https://www.youtube.com/watch?v=JS4AHSlYm0I&feature=youtu.be

Qu’est-ce que l’apprentissage automatique et l’intelligence artificielle ? (Autodesk France)
https://www.youtube.com/watch?v=X-nVhsCsiYE

L'IA fait vibrer les entrepôts d'Amazon (Amazon News)
https://www.youtube.com/watch?v=B2Humr181Qw&feature=youtu.be

Film AlphaGo
https://www.alphagomovie.com/

La « teachable machine » de Google
https://teachablemachine.withgoogle.com/

Les pionniers d’Amazon
https://www.amazon.jobs/en/pioneers/angeliki-m

Reconnaissance de nombre avec l’intelligence artificielle (projet Scratch) par noahjb :
https://scratch.mit.edu/projects/290786070/

Un modèle apprend à marcher sans l'aide d’un humain avec l’intelligence artificielle, vidéo par Science Museum :
https://www.youtube.com/watch?v=imOt8ST4Ejc

Enseignez des leçons qui sont liées à votre programme existant! https://bit.ly/ActivitésCLC_FR