Ecoloop: Πώς οι Μαθητές μας Εκπαίδευσαν τη Δική τους Τεχνητή Νοημοσύνη!

Στο πλαίσιο του ευρωπαϊκού προγράμματος eTwinning “Ecoloop”, οι μαθητές του σχολείου μας απέδειξαν ότι η οικολογική συνείδηση και η τεχνολογία αιχμής μπορούν να συνεργαστούν για έναν καθαρότερο πλανήτη. Με όπλα την ομαδικότητα, τα κινητά τους τηλέφωνα και εργαλεία Τεχνητής Νοημοσύνης (AI), υλοποίησαν ένα καινοτόμο project που ξεκίνησε από το προαύλιο του σχολείου και ολοκληρώθηκε στο εργαστήριο πληροφορικής.

Φάση 1: Δράση στο Προαύλιο – Συλλογή και Φωτογράφιση

Η δράση μας ξεκίνησε έξω από τους τοίχους των τάξεων. Οι μαθητές οργανώθηκαν σε ομάδες, βγήκαν στο προαύλιο του σχολείου και μάζέψαν κάθε είδους απορρίμματα. Αντί όμως απλώς να τα πετάξουν στους κάδους ανακύκλωσης, τα μετέτρεψαν σε πολύτιμα δεδομένα.

Κάθε αντικείμενο φωτογραφήθηκε προσεκτικά κάτω από σταθερές συνθήκες φωτισμού. Αυτό το ψηφιακό υλικό αποτέλεσε τη βάση (dataset) για το επόμενο, άκρως τεχνολογικό βήμα της δράσης μας.

Φάση 2: Εκπαιδεύοντας το Μοντέλο AI (Google Teachable Machine)

Στο εργαστήριο πληροφορικής, οι φωτογραφίες των παιδιών πήραν ζωή. Χρησιμοποιώντας την πλατφόρμα Google Teachable Machine, οι μαθητές δημιούργησαν ένα μοντέλο αναγνώρισης εικόνας (Standard Image Model).

• Δημιουργία Κατηγοριών: Ορίστηκαν τρεις βασικές κλάσεις απορριμμάτων: Πλαστικό (Plastic), Χαρτί (Paper) και Γυαλί (Glass).
• Τροφοδότηση Δεδομένων: Οι μαθητές ανέβασαν τουλάχιστον 20 καθαρές φωτογραφίες σε κάθε κατηγορία, φροντίζοντας να υπάρχει ποικιλία στα φόντα για καλύτερα αποτελέσματα.
• Εκπαίδευση & Εξαγωγή: Μόλις ολοκληρώθηκε το “Training”, το μοντέλο δοκιμάστηκε σε πραγματικό χρόνο. Στη συνέχεια, έγινε εξαγωγή του μοντέλου σε μορφή TensorFlow.js, παράγοντας ένα μοναδικό Model URL.

Φάση 3: Ανάπτυξη της Εφαρμογής “WasteClassifier” στο MIT App Inventor

Το τελικό στάδιο περιλάμβανε τον προγραμματισμό μιας mobile εφαρμογής για Android συσκευές, η οποία θα μπορούσε να χρησιμοποιήσει το μοντέλο AI στο κινητό τηλέφωνο. Με το MIT App Inventor, οι μαθητές σχεδίασαν και προγραμμάτισαν την εφαρμογή WasteClassifier.

Η Σχεδίαση (Designer)

Οι μαθητές τοποθέτησαν στην οθόνη:

1. Ένα WebViewer για την προβολή της κάμερας.
2. Ένα κουμπί ButtonCheck με την ένδειξη “Check Image”.
3. Δύο ετικέτες κειμένου (Labels): Το StatusLabel για να δείχνει αν το μοντέλο AI φορτώθηκε επιτυχώς και το ResultLabel για την εμφάνιση του αποτελέσματος (π.χ. “Πλαστικό”).
4. Την ειδική επέκταση TeachableMachineImageClassifier, όπου και επικολλήθηκε το Model URL που παρήχθη στη Φάση 2.

Ο Προγραμματισμός (Blocks)

Με τη χρήση visual blocks, οι μαθητές “κούμπωσαν” τη λογική της εφαρμογής:

• Όταν η εφαρμογή ξεκινά και το μοντέλο είναι έτοιμο (ClassifierReady), το StatusLabel ενημερώνει τον χρήστη ότι “Model is loaded and ready”.
• Όταν πατηθεί το κουμπί Check Image, ενεργοποιείται η λειτουργία ClassifyVideoData.
• Μόλις το AI αναγνωρίσει το σκουπίδι (GotClassification), το αποτέλεσμα τυπώνεται αυτόματα στην οθόνη μέσω του ResultLabel.

Τα Συμπεράσματα των Μαθητών

Μέσα από αυτή τη βιωματική διαδικασία, τα παιδιά δεν καθάρισαν απλώς το σχολείο τους, αλλά προβληματίστηκαν γύρω από τη λειτουργία των σύγχρονων αλγορίθμων:

• Τι συμβαίνει αν δύο αντικείμενα μοιάζουν πολύ μεταξύ τους;
• Πώς μπορούμε να κάνουμε το AI πιο ακριβές; (Απάντηση: Με περισσότερες και πιο καθαρές φωτογραφίες!)

Η δράση Ecoloop απέδειξε ότι όταν η οικολογία συναντά την πληροφορική, οι μαθητές δεν γίνονται απλώς παθητικοί χρήστες της τεχνολογίας, αλλά ενεργοί δημιουργοί λύσεων για ένα καλύτερο και πιο πράσινο μέλλον!