Yapay Zeka ile Fen Bilimleri: Deney, Gözlem ve Veri Toplamayı Çocuklarla Birleştirmek

Fen dersindeki bilimsel yöntem ile makine öğrenmesi aynı mantıkla çalışır: Bir soru sorulur, veri toplanır, bir açıklama (model) kurulur ve bu açıklama yeni verilerle test edilir. Bu yüzden fen bilimleri, çocuklara yapay zekayı tanıtmak için en doğal kapılardan biridir. İyi kurgulanmış bir fen bilimleri yapay zeka etkinliği, çocuğa hem deney yapmayı hem de makinelerin nasıl öğrendiğini aynı anda öğretir.

Bu yazıda bu paralelliği adım adım açıyor, okuldaki bir deney raporunun nasıl küçük bir yapay zeka projesine dönüşebileceğini ve evde yapılabilecek veri toplama deneylerini anlatıyoruz.

Bilimsel yöntem ile makine öğrenmesi yan yana

Çocuğunuzun fen defterindeki deney adımlarını hatırlayın. Şimdi bunları bir makine öğrenmesi projesinin adımlarıyla karşılaştıralım:

Fen dersinde	Makine öğrenmesinde	Ortak soru
Problem ve hipotez	Görevin tanımı	Neyi bulmak istiyoruz?
Gözlem ve ölçüm	Veri toplama ve etiketleme	Hangi bilgiye ihtiyacımız var?
Sonuç çıkarma	Modeli eğitme	Verideki örüntü ne?
Deneyi tekrarlama	Test verisiyle deneme	Açıklamamız yeni durumlarda da doğru mu?
Hata kaynaklarını tartışma	Modelin yanıldığı örnekleri inceleme	Nerede ve neden yanıldık?

Aradaki en önemli fark şudur: Fen dersinde sonucu öğrenci çıkarır; makine öğrenmesinde ise örüntüyü bilgisayar bulur. Ama hangi verinin toplanacağına, verinin yeterli olup olmadığına ve sonucun güvenilir olup olmadığına yine insan karar verir. Bu yüzden iyi bir yapay zeka projesi, iyi bir fen deneyi kadar dikkatli kurgulanmalıdır.

Okuldaki deney raporu nasıl yapay zeka projesine dönüşür?

Bir örnekle ilerleyelim. Ortaokulda sık yapılan bir etkinlik: Farklı maddeleri inceleyip hangilerinin geri dönüştürülebilir olduğunu sınıflandırmak.

Klasik deney raporu: Öğrenci kağıt, plastik, cam ve metal örnekleri toplar, özelliklerini gözlemler ve bir tabloya yazar. Sonuçta “Demir içeren metaller mıknatısla ayrılabilir, cam saydamdır” gibi çıkarımlar yapar.

Yapay zeka projesine dönüşmüş hali:

1. Soru: Bir bilgisayar, atığın fotoğrafına bakarak hangi kutuya gitmesi gerektiğini tahmin edebilir mi?
2. Veri: Öğrenci her gruptan onlarca fotoğraf çeker. Farklı açılardan, farklı ışıklarda, ezilmiş ve sağlam halleriyle.
3. Etiketleme: Her fotoğrafı doğru gruba koyar. Burada fen bilgisi devreye girer: Kağıt bardağın içindeki plastik kaplama onu hangi gruba sokar?
4. Model: Basit bir görüntü sınıflandırma aracıyla model eğitilir.
5. Test: Modelin daha önce hiç görmediği atıklarla deneme yapılır.
6. Tartışma: Model nerede yanıldı? Parlak bir kağıdı metal mi sandı? Bu, verinin eksik kaldığı yeri gösterir.

Bu dönüşümün güzel yanı, fen bilgisinin projenin merkezinde kalmasıdır. Maddenin özelliklerini bilmeyen bir öğrenci, veriyi doğru etiketleyemez. L’Atelier AI’da A1.1 seviyesindeki proje seçeneklerinden biri tam olarak bu: yapay zeka ile atık ayırma. Öğrenciler ikişerli takımlar halinde 3-4 hafta boyunca böyle bir sistem üzerinde çalışır. Seviyelerin içeriğini seviyeler sayfasında görebilirsiniz.

Gözlemden görüntü tanımaya: Teleskop örneği

L’Atelier AI’ın Florya’daki atölyesinde bir teleskop da bulunuyor. Gökyüzü gözlemi, bilimsel gözlemin en eski biçimlerinden biridir: İnsanlar yüzyıllar boyunca gördüklerini not ederek, çizerek ve karşılaştırarak örüntü aradı.

Görüntü tanıma da aslında aynı şeyi yapar. Bir bilgisayarlı görü sistemi, piksellerdeki örüntüleri karşılaştırarak bir görüntüde ne olduğunu tahmin eder. Çocuk teleskopla Ay’ın evrelerini gözlemleyip defterine çizdiğinde yaptığı iş ile bir modelin fotoğraflardan Ay evresini tanımayı öğrenmesi arasında güçlü bir bağ vardır: İkisi de dikkatli gözleme, çok sayıda örneğe ve karşılaştırmaya dayanır.

Bu bağı kurmak, çocuğun “Bilgisayar nasıl görüyor?” sorusunu soyut bir kavram olmaktan çıkarır. Konuyu daha ayrıntılı merak ederseniz bilgisayarlı görü yazımıza bakabilirsiniz.

Evde yapılabilecek veri toplama deneyleri

Bir yapay zeka projesinin en az konuşulan ama en önemli kısmı veri toplamaktır. İyi haber şu: Bunun için özel bir ekipmana gerek yok. Evde birkaç hafta sürecek küçük deneylerle çocuğunuz hem fen hem de veri okuryazarlığı pratiği yapabilir.

Bitki büyüme günlüğü

İki saksıya aynı tohumu ekin; birini güneşli, diğerini gölgeli bir yere koyun. Çocuk her gün aynı saatte boyu ölçsün, bir fotoğraf çeksin ve bir tabloya yazsın. İki hafta sonra elinizde gerçek bir veri seti olur. Sorular: Hangi saksı daha hızlı büyüdü? Ölçümlerde tutarsızlık var mı? Bir gün unuttuysak bu sonucu nasıl etkiler?

Hava durumu defteri

Her sabah sıcaklığı, bulut durumunu ve rüzgarı gözlemleyip not etmek. Birkaç hafta sonra çocuk kendi “tahmin kuralını” kurmayı deneyebilir: “Sabah bulutlu ve rüzgarlıysa öğleden sonra yağmur yağıyor mu?” Bu, bir modelin veriden kural çıkarmasının kağıt kalem versiyonudur.

Ses ve ritim deneyi

Farklı nesnelere vurarak (tahta, cam bardak, metal kaşık) çıkan sesleri telefonla kaydetmek. Sonra aile bireylerinden gözleri kapalıyken sesi tanımalarını istemek. Kim hangi sesi karıştırdı? Bu karışıklıklar, bir modelin hangi sınıfları birbirine karıştıracağına dair güçlü bir ipucudur.

Bu deneylerde verinin nasıl düzenleneceğine dair daha fazla fikir için veri seti nedir yazımızı öneririz.

Yapay zeka fen sorusunu yanlış cevapladığında

Sohbet araçları fen sorularına çoğu zaman akıcı cevaplar verir, ama bazen kendinden emin bir dille yanlış bilgi üretir. Buna halüsinasyon denir.

Bu durum aslında bir öğrenme fırsatıdır. Çocuğunuzla şu etkinliği deneyebilirsiniz:

1. Ders kitabındaki bir konu hakkında araca beş soru sorun.
2. Her cevabı ders kitabıyla karşılaştırın.
3. Yanlış ya da eksik bir cevap bulursanız, çocuk nedenini tartışsın: Soru belirsiz miydi? Araç iki kavramı mı karıştırdı?
4. Son olarak cevabı düzeltip araca “Bu cevabın şurası yanlış, nedenini açıklar mısın?” diye yazın.

Bu etkinlik, bilimsel yöntemin en temel alışkanlığını pekiştirir: Hiçbir iddiayı kaynağına bakmadan kabul etmemek. Bir fen öğrencisi deney sonucunu nasıl sorguluyorsa, bir yapay zeka cevabını da öyle sorgulamalıdır.

Bu etkinliği yaparken çocukların kendi adına bir yapay zeka hesabı açmaması, aracın bir yetişkinin hesabından ve onun yanında kullanılması önerilir. Atölyede de öğrenciler mentor gözetiminde, atölye hesaplarıyla çalışır.

Sık sorulan sorular

Fen bilimleri yapay zeka etkinliği için kodlama bilmek gerekir mi?

Başlangıç için gerekmez. Görüntü sınıflandırma gibi etkinlikler, kod yazmadan kullanılabilen araçlarla denenebilir. Asıl gereken beceri, veriyi dikkatli toplamak ve sonucu sorgulamaktır.

Bu etkinlikler hangi yaş için uygun?

Veri toplama ve karşılaştırma etkinlikleri ortaokul çağındaki çocuklar için uygundur. Model kurma ve test etme adımları ise yetişkin rehberliğinde 5. sınıftan itibaren denenebilir. Yaş grubuna göre yaklaşım için 5-6. sınıf sayfamıza bakabilirsiniz.

Yapay zeka projesi fen dersindeki notu etkiler mi?

L’Atelier AI MEB onaylı bir kurum değildir; okul derslerinin yerini tutmaz, onları tamamlar. Ancak veri toplama, gözlem ve sonuç tartışma alışkanlıkları doğrudan fen dersindeki deney çalışmalarına taşınabilir.

Son söz

Fen bilimleri ve yapay zeka ayrı dünyalar değil; ikisi de merak eden, ölçen ve yanılmaktan korkmayan bir zihin ister. Çocuğunuzun bir deney fikrini gerçek bir yapay zeka projesine dönüştürmesini görmek isterseniz, L’Atelier AI’daki ücretsiz deneme oturumu iyi bir başlangıç olabilir.