Bilderkennung und Vierfeldertafeln
Im Matheunterricht der 9. Klasse stehen die Vierfeldertafeln an. Ich mag das Thema, weil es viele Anknüpfungspunkte zur Lebenswelt der Schüler:innen hat. Da gibt es tendenziöse Zeitungsartikel (die Zahlen stimmen durchaus, aber sie beschreiben nicht die Gesamtsituation), medizinische und psychologische Tests (mit ersterem haben nun alle hinreichend Erfahrung) und zweifelhafte Zeugenaussagen.
Eine Aufgabe zur Zeugenaussage geht knapp zusammengefasst so: In einem Ort gibt es zwei Taxifirmen, die Grünen und die Blauen. Von den Grünen gibt es z.B. 80, von den Blauen 20. Eines Tages baut eins der Taxis einen Unfall und ein Zeuge beobachtet dies. Er sagt aus, dass er ein blaues Taxi gesehen hat. Ein Sehtest ergibt, dass er zu 80% mit seiner Farberkennung richtig liegt. Wie sollte die Schadenssumme verteilt werden, wenn beide Taxiunternehmer bereit sind, diese zu übernehmen? (Offenbar trauen beide Unternehmen ihren Fahrern nicht übern Weg…)
An sich ist das schon eine schöne Aufgabe, geht sie doch auf die Bedeutung einer Zeugenaussage und ihre Glaubwürdigkeit ein. Vor Gericht sind aufgrund von fehlenden Kenntnissen über die bedingte Wahrscheinlichkeit schon unglaublich große Fehler passiert.
Nun werden zunehmend Überwachungskameras eingesetzt und automatisch ausgewertet. Da wäre es doch naheliegend, die menschliche Aussage durch ein Ergebnis der Bilderkennung zu ersetzen. Aus den Farben wird dann z.B. groß/klein (die Minis und die Maxis), die Bilderkennung liegt dann entsprechend 80% richtig. Wie sicher ist dann, dass es sich um ein Maxi-Taxi handelt? Eine Beurteilung des Einsatzes von Bilderkennung führt zu einer recht spannenden Diskussion.
Und der Bezug zur Informatik ist auch gleich da. Was sind Merkmale, an denen ein Mini- oder Maxi-Taxi erkannt werden kann? Wie wurde es trainiert? Welche Fehler können dabei auftreten (z.B. indem ein Mini-Taxi immer neben einem Haus steht, könnte ein Maxi-Taxi dadurch fälschlicherweise als Mini-Taxi erkannt werden, weil es nun zufällig neben einem Haus steht.)
Als Abschluss kann man selbst ein neuronales Netz mittrainieren: https://quickdraw.withgoogle.com/
In 19 Sekunden muss zu einem vorgegebenem Begriff ein Bild gezeichnet werden. Erkennt die KI das Bild, gibt es einen Punkt. Am Ende kann man auch auf jedes Bild klicken und sehen, wie andere den Begriff gezeichnet haben.
Edit: Ein unglaublich spannender Einblick in Fehlurteile und die dahinterliegende Mathematik gibt es in "Bayes and the Law".