Materijal je nastavni scenarij koji kroz simulaciju rada umjetne inteligencije povezuje temu sigurnih lozinki i osnovne principe strojnog učenja. Učenici kroz igru uloga istražuju kako model uči iz primjera, zašto može pogriješiti i kako kvaliteta podataka utječe na rezultat.

Učenici će steći znanja o sigurnim i nesigurnim lozinkama, važnosti zaštite osobnih podataka i osnovnom načinu na koji model umjetne inteligencije uči iz podataka. Razumjet će da model ne razumije sadržaj kao čovjek, nego prepoznaje obrasce iz primjera koje dobije. Učenici će uočiti da model može pogriješiti ako podaci za treniranje nisu dovoljno kvalitetni, raznoliki ili jasni te će povezati tu spoznaju s odgovornim korištenjem digitalnih tehnologija.

Što čini sigurnu lozinku?

Učitelj započinje razgovorom o tome što lozinku čini sigurnom. Učenici komentiraju primjere jednostavnih lozinki i objašnjavaju zašto lozinke poput „ana123”, „lozinka” ili „12345678” nisu dobre. Učitelj naglašava da se u aktivnosti neće koristiti stvarne lozinke učenika, nego isključivo izmišljeni primjeri. Učenici zajednički oblikuju osnovna pravila sigurne lozinke.

Objašnjenje uloga modela i trenera

Učitelj dijeli učenike u dvije skupine. Jedna skupina preuzima ulogu trenera modela, a druga ulogu modela. Treneri daju primjere sigurnih i nesigurnih lozinki, dok model promatra primjere i pokušava zaključiti prema kojem se pravilu lozinke razvrstavaju. Učitelj objašnjava da pravi AI modeli rade složenije, ali da je osnovna ideja slična: model uči iz podataka koje dobiva.

Treniranje modela

Treneri modela čitaju pripremljene primjere lozinki i označavaju ih kao sigurne ili nesigurne. Model prati primjere i pokušava prepoznati obrasce. Učenici u ulozi modela mogu zaključiti da su sigurne lozinke dulje, da imaju brojeve, velika i mala slova ili posebne znakove. Učitelj zapisuje pravila koja je model naučio, ne ispravljajući ih odmah u potpunosti, nego ih ostavlja za testiranje.

Testiranje modela

Model dobiva nove primjere lozinki bez oznake sigurnosti. Učenici u ulozi modela pokušavaju ih razvrstati, a treneri i ostatak razreda raspravljaju jesu li odluke dobre. Učitelj ubacuje problematične primjere, primjerice kratku lozinku s posebnim znakom ili dugu lozinku bez raznolikosti znakova. Učenici uočavaju da model može naučiti samo dio pravila i zato pogriješiti.

Poboljšanje podataka za treniranje

Učenici predlažu kakve bi primjere trebalo dodati kako bi model bolje učio. Raspravljaju o tome treba li dodati lozinke koje su duge, ali predvidljive, lozinke koje sadrže osobne podatke i lozinke koje imaju znakove, ali su prekratke. Učitelj povezuje raspravu s pojmom kvalitete podataka i objašnjava da model postaje bolji kada dobiva raznolike i dobro označene primjere.

Povezivanje s umjetnom inteligencijom

Učitelj vodi raspravu o tome je li model pogriješio zato što je „glup” ili zato što nije imao dovoljno dobre podatke. Učenici zaključuju da je model učio iz primjera koje je dobio i da kvaliteta podataka izravno utječe na kvalitetu rezultata. Učitelj povezuje simulaciju s pravim AI modelima i naglašava da umjetna inteligencija uči iz podataka, ali ne razumije uvijek ono što ljudi misle da bi trebala razumjeti.

Individualna refleksija

Učenici ispunjavaju izlazni listić u kojem dovršavaju rečenice o sigurnim lozinkama, pogreškama modela i načinu na koji umjetna inteligencija uči. Refleksija služi provjeri razumijevanja i povezivanju dviju tema: digitalne sigurnosti i strojnog učenja. Priprema izričito naglašava da učenici ne koriste stvarne lozinke, nego izmišljene primjere za učenje.

Materijal je osmišljen kako bi učenici na jednostavan i siguran način razumjeli da umjetna inteligencija uči iz podataka i da rezultat modela ovisi o kvaliteti primjera koje dobije. Povezivanje ove ideje s lozinkama omogućuje učenicima da istovremeno razvijaju digitalnu sigurnost i osnovno razumijevanje strojnog učenja. Posebno je važno naglasiti da se u aktivnosti nikada ne koriste stvarne lozinke učenika, nego isključivo izmišljeni primjeri.