Ozobot Editor – Grundlagen: Große Sprachmodelle (LLM)

Ablauf der Lektion

1. 1

   Schritt 1: Einführung

   In dieser Lektion entdeckst du, wie künstliche Intelligenz (KI) nach dem Prinzip Eingabe → Verarbeitung → Ausgabe funktioniert. Du lernst, wie die Blöcke Text, LLM und Ausgeben im Ozobot Editor zu diesem Prozess passen. Anschließend probierst du eigene Fragen aus, um zu sehen, wie die KI antwortet.

   Begriffe

   • Künstliche Intelligenz (KI): Computer, die Aufgaben ausführen, für die normalerweise menschliches Denken erforderlich ist.
   • Großes Sprachmodell (LLM): Eine Art von KI, die mit riesigen Textmengen trainiert wurde und Fragen beantworten sowie Antworten erzeugen kann.
   • Eingabe: Was du der KI gibst: deine Frage oder Anweisung.
   • Verarbeitung: Was die KI tut, um zu einer Antwort zu kommen.
   • Ausgabe: Das Ergebnis, das die KI zurückgibt.
2. 2

   Schritt 2: Vorbereitung

   Hilf den Schüler*innen, den Ozobot Editor zu öffnen:

   Diese Lektion kannst du ohne Roboter durchführen.

   Die Schüler*innen fügen das LLM hinzu, indem sie Geräte > LLM_Bot auswählen.

3. 3

   Schritt 3: Interesse wecken

   Beginne mit einem vertrauten Vergleich. Frage die Schüler*innen: „Was passiert, wenn du Zahlen in einen Taschenrechner eingibst?“

   1. Eingabe = Zahlen
   2. Verarbeitung = die Rechenfunktionen des Taschenrechners
   3. Ausgabe = das Ergebnis

   Frage danach: „Was passiert, wenn du etwas in ChatGPT eingibst?“

   1. Eingabe = deine Frage
   2. Verarbeitung = das KI-System erkennt Muster in den Texten, mit denen es trainiert wurde
   3. Ausgabe = eine Antwort in Textform

   Erkläre, dass künstliche Intelligenz (KI) genauso funktioniert.

   1. Eingabe: Was du dem System gibst: eine Anweisung.
   2. Verarbeitung: Die Schritte, die das System mit der Eingabe durchführt, um zu einem Ergebnis zu kommen.
   3. Ausgabe: Das Ergebnis, das das System zurückgibt: eine Zahl, ein Wort, wahr/falsch und so weiter.

   Stelle große Sprachmodelle (LLMs) vor: Das ist eine Art von KI, die mit riesigen Textmengen trainiert wurde, um Muster in der Sprache zu erkennen und nützliche Antworten zu erzeugen.

   Bitte die Schüler*innen, Beispiele für große Sprachmodelle und ihre Anwendungen zu nennen:

   • Siri und Alexa können große Sprachmodelle nutzen, um Fragen zu verarbeiten und Antworten zu erzeugen. Ob das der Fall ist, hängt von der Version und der verwendeten Funktion ab.
   • Unternehmen nutzen große Sprachmodelle in Chatbots für den Kundenservice, um Fragen zu Bestellungen oder Produkten zu beantworten.
   • Autor*innen, Marketingfachleute und Schüler*innen nutzen Tools wie ChatGPT, um Ideen zu entwickeln oder Informationen schnell zusammenzufassen.
   • In Wissenschaft und Medizin helfen große Sprachmodelle Forschenden, Tausende von Studien gleichzeitig zu analysieren. So können sie Muster entdecken, die Menschen möglicherweise übersehen.
4. 4

   Schritt 4: Erkunden

   Öffne den Ozobot Editor und zeige, wie du das Programm erstellst. (Share-Code: eammiof)

   1. Suche auf Level 5 die Kategorie LLM. Ziehe den LLM-Block in den Arbeitsbereich.
   2. Sieh dir den angehängten Text-Block an. Hier gibst du deinen Prompt ein.
   3. Suche in der Kategorie Benutzereingabe/-ausgabe den Block print. Verbinde ihn mit dem LLM-Block.
   4. Hinweis: Der LLM-Block kann auch eine Kamera verwenden, um ein Bild zu „betrachten“. Diese Funktion nutzen wir in dieser Lektion aber nicht. Achte darauf, das Häkchen bei Kamera zu entfernen.
   5. Gib eine Frage ein und führe dein Programm aus. Suche die Antwort in der Konsole mit dem Titel „Eingabe/Ausgabe“. Stell dir die Konsole als Ausgabebildschirm vor: Hier siehst du genau, was die KI zurückgibt, nachdem sie deine Eingabe verarbeitet hat.

   Die Schüler*innen erstellen das Programm und stellen dem LLM vier Fragen. In der ersten Tabelle auf dem Arbeitsblatt notieren sie:

   1. Die Eingabe: die genaue Frage.
   2. Die Ausgabe: was in der Konsole angezeigt wurde.
   3. Ihre Vermutung dazu, welche Verarbeitungsschritte die KI ausführen musste.
5. 5

   Schritt 5: Erklärung

   Frage die Schüler*innen: „Wie passt jeder Block (Text, LLM, print) zum Ablauf Eingabe → Verarbeitung → Ausgabe?“

   1. Der Text-Block liefert die Eingabe: Hier tippst du die Frage ein, die du stellen möchtest.
   2. Der LLM-Block übernimmt die Verarbeitung: Er sendet die Frage an die KI und erzeugt eine Antwort.
   3. Der print-Block übernimmt die Ausgabe: Er zeigt die Antwort der KI in der Konsole an.
6. 6

   Schritt 6: Vertiefung

   Wenn wir dem LLM eine Frage stellen, können wir die Antwort in verschiedenen Ausgabetypen erhalten. Besprich die drei häufig verwendeten Ausgabetypen.

   1. Zeichenfolge (Wörter oder Sätze): Die KI gibt eine Antwort als Text aus. Apps wie Siri geben Antworten oft als Zeichenfolgen aus, weil Menschen Antworten in ganzen Sätzen möchten. (Beispiel: Eingabe: „Welche Farben hat eine Ampel?“ → Ausgabe: „Rot, Gelb, Grün“)
   2. Zahl: Die KI gibt eine Zahl zurück. Datenanalyst*innen und Wissenschaftler*innen nutzen numerische Ausgaben, um anhand von Messungen oder Statistiken Entscheidungen zu treffen. (Beispiel: Eingabe: „Wie viele Tage hat eine Woche?“ → Ausgabe: 7)
   3. Boolescher Wert (wahr/falsch): Die KI gibt eine einfache Ja-Nein-Antwort. Boolesche Logik wird beim Programmieren und in Systemen eingesetzt, die Entscheidungen treffen, etwa in selbstfahrenden Autos. (Beispiel: Eingabe: „Ist ein Delfin ein Säugetier?“ → Ausgabe: wahr)

   Im Ozobot Editor gibt es drei weitere Ausgabetypen, mit denen du beim Programmieren von Evo, Ari und ORA mehr Möglichkeiten hast, dein Programm anzupassen.

   1. Linienfarbe: Die Antwort ist einer dieser vier Farbnamen: Rot, Blau, Grün oder Schwarz. Du kannst die Antwort in einer Variablen speichern und später wiederverwenden. (Beispiel: Eingabe: „Welche Farbe hat Gras?“ → Ausgabe: „Grün“)
   2. Oberflächenfarbe: Die Antwort ist einer dieser fünf Farbnamen: Rot, Blau, Grün, Schwarz oder Weiß.
   3. Richtung: Die Antwort ist eine Richtung: vorwärts, links, rechts oder rückwärts. (Beispiel: Eingabe: „In welche Richtung soll ich abbiegen?“ → Ausgabe: „rechts“)

   Bitte die Schüler*innen, den Ausgabetyp im Block zu ändern und dem LLM vier weitere Fragen zu stellen. In der zweiten Tabelle auf ihrem Arbeitsblatt notieren sie die Eingabe, den Ausgabetyp und die Ausgabe.

   Frage die Schüler*innen: „Hat dieselbe Eingabe bei jedem Ausgabetyp funktioniert, oder musstet ihr eure Frage anpassen? Woran lag das eurer Meinung nach?“

7. 7

   Schritt 7: Evaluation

   Die Schüler*innen präsentieren ihr Programm oder teilen es mit der Klasse. Sie erklären:

   1. Welche Eingabe sie gewählt haben.
   2. Welche Ausgabe die KI geliefert hat.
   3. Wie sie die Ausgabe in ihrem Programm verwendet oder weiterverarbeitet haben.

   Abschließende Fragen: Lass die Schüler*innen die folgenden Fragen schriftlich oder im Gespräch beantworten:

   • Warum hilft es, bei KI in den Schritten Eingabe, Verarbeitung und Ausgabe zu denken?
   • Gab es einen Moment, in dem die Ausgabe anders war, als du erwartet hattest?
   • Welchen Einfluss hatten die Formulierung deiner Eingabe und die Wahl des Ausgabetyps auf das Ergebnis?