
Etik och AI
Diskussion kring de etiska dilemman som uppstår vid utveckling av algoritmer och artificiell intelligens. Fokus på bias, integritet och ansvar.
Kort sammanfattning:Etik och AI är ett av de mest aktuella områdena inom datalogi. Här lyfter vi blicken från koden till dess konsekvenser för individ och samhälle. Vi diskuterar hur algoritmer kan ärva mänskliga fördomar (bias), vem som bär ansvaret när ett autonomt system fattar fel beslut och hur massdatainsamling påverkar vår personliga integritet.
Om detta ämne
Etik och AI är ett av de mest aktuella områdena inom datalogi. Här lyfter vi blicken från koden till dess konsekvenser för individ och samhälle. Vi diskuterar hur algoritmer kan ärva mänskliga fördomar (bias), vem som bär ansvaret när ett autonomt system fattar fel beslut och hur massdatainsamling påverkar vår personliga integritet.
I kursen Datalogi ska eleverna enligt kursplanen kunna diskutera datalogins betydelse för samhället och etiska frågor. Vi tittar på konkreta exempel, som ansiktsigenkänning och självkörande bilar, för att göra diskussionen verklighetsförankrad. Det handlar om att fostra ansvarsfulla utvecklare som förstår att deras tekniska val har moraliska dimensioner.
Detta ämne lämpar sig utmärkt för strukturerade debatter och rollspel där eleverna får sätta sig in i olika intressenters perspektiv.
Nyckelfrågor
- Vem bär ansvaret när en AI gör fel?
- Hur kan algoritmer förstärka fördomar?
- Vilka integritetsfrågor väcker massdatainsamling?
Se upp för dessa missuppfattningar
Vanlig missuppfattningAtt algoritmer är objektiva eftersom de bygger på matematik.
Vad man ska lära ut istället
Förklara att algoritmer tränas på data som skapats av människor, vilket innebär att de ofta speglar och förstärker existerande fördomar. Genom att titta på 'träningsdata' förstår eleverna källan till bias.
Vanlig missuppfattningAtt AI har ett eget medvetande och egna avsikter.
Vad man ska lära ut istället
Betona att AI är avancerad mönsterigenkänning och statistik. Diskussioner om hur AI faktiskt fungerar under huven hjälper till att avmystifiera tekniken och fokusera på mänskligt ansvar.
Idéer för aktivt lärande
Se alla aktiviteter→Rättegångsspel
Vem bär ansvaret?
Eleverna genomför en rättegång kring en olycka med en självkörande bil. Olika elever agerar programmeraren, bilföretaget, offret och AI-algoritmen själv för att utforska ansvarsfrågan ur olika vinklar.
Utforskande cirkel
Bias-detektiverna
Eleverna får testa olika AI-verktyg (t.ex. bildgeneratorer eller översättningstjänster) och leta efter tecken på fördomar kring kön, yrken eller etnicitet. De dokumenterar sina fynd och diskuterar i små grupper varför dessa uppstår.
EPA (Enskilt-Par-Alla)
Integritet vs Bekvämlighet
Eleverna diskuterar i par om de är villiga att dela all sin hälsodata med ett AI-företag i utbyte mot att få en personlig hälsocoach. De väger fördelar mot risker och delar sina slutsatser med klassen.
Vanliga frågor
Vad menas med 'bias' i algoritmer?
Hur kan studentcentrerat lärande främja etiska diskussioner?
Vem är ansvarig när en AI gör fel?
Hur påverkar AI vår personliga integritet?
Mer i Säkerhet och etik inom datalogi
Grundläggande kryptografi
Introduktion till hur data skyddas genom kryptering. Eleverna utforskar symmetrisk och asymmetrisk kryptering samt hashfunktioner.
8 methodologies
Cybersäkerhet och sårbarheter
Analys av vanliga säkerhetsbrister i mjukvara, såsom SQL-injektioner och buffer overflows. Eleverna lär sig principer för säker kodning.
8 methodologies