Varje projekt kombinerar teori med praktik. Välj det projekt som passar dig bäst, eller genomför alla fyra i tur och ordning som en progression genom läromedlet.
Att arbeta i projekt
Ett projekt är mer än en inlämning. Det är en arbetsprocess i fyra faser. Följer du dem blir arbetet lugnare – och resultatet bättre.
1. Planera
Välj ämne och avgränsa. Ett smalt ämne blir nästan alltid bättre än ett brett. Formulera en tydlig frågeställning. Bestäm redovisningsform tidigt. Gör en enkel tidsplan med delmål.
2. Genomför
Samla material, data eller källor. Arbeta i korta pass och spara anteckningar löpande. Fastnar du? Backa till frågeställningen och fråga: vad försöker jag egentligen ta reda på?
3. Reflektera
Reflektionen är det som skiljer ett bra projekt från ett medelmåttigt. Vad fungerade? Vad överraskade dig? Vad skulle du göra annorlunda? Koppla till kursens begrepp.
4. Redovisa
Anpassa formen till mottagaren. Öva innan muntlig redovisning. Kontrollera att källor finns med. Läs igenom en sista gång – gärna högt.
Vecka 1: välj ämne, formulera frågeställning, gör tidsplan. Vecka 2: genomför huvudarbetet (analys, träning eller granskning). Vecka 3: reflektera, färdigställ och redovisa. Lägg alltid in en buffertdag – något tar alltid längre tid än du tror.
Vilket projekt passar dig?
| Projekt | Fokus | Arbetssätt | Redovisning | Kopplar till kapitel |
|---|---|---|---|---|
| 1. AI i kultur och media | Idéer, berättelser och budskap om AI | Analysera ett kulturverk utifrån frågeställningar | Presentation, analys, film, podcast eller affisch | Kapitel 1–2 |
| 2. Praktisk tillämpning | Bygga och träna en AI-modell | Programmera i Google Colab: data → modell → test | Colab-fil + skriftlig reflektion | Kapitel 3–4 |
| 3. AI och samhälle | AI:s påverkan på ett samhällsområde | Analys enligt nuläge → konsekvenser → lösningar | Debattartikel, policy brief, debatt, video eller infografik | Kapitel 2 och 4 |
| 4. Granska ett AI-verktyg | Ett konkret verktyg som produkt och samhällskraft | Systematisk granskning i fyra delar (A–D) | Rapport, slides, video-essay eller podcast | Kapitel 3–4 |
I ämnet Artificiell intelligens bedöms fem saker: dina kunskaper om AI, din förmåga att använda AI för att lösa enkla problem, dina jämförelser av mänsklig och artificiell intelligens, hur du redogör för lagar och bestämmelser samt hur du resonerar om möjligheter och risker. Projekt 2 tränar särskilt de två första. Projekt 1 och 3 tränar jämförelser och resonemang. Projekt 4 tränar lagar, risker och resonemang. Skillnaden mellan betygsstegen ligger i hur välgrundade och nyanserade dina jämförelser och resonemang är – alltså hur väl du motiverar med exempel, ser flera perspektiv och väger dem mot varandra.
Projektets faser i rätt ordning
Klicka på stegen i den ordning de kommer i ett projektarbete.
Projekt 1: AI i kultur och media
Syfte
Projektet handlar om idéer, berättelser och budskap. Hur beskrivs AI i film, serier, böcker eller konst? Vad vill skaparen att vi ska känna? Vilka rädslor och drömmar finns?
Mål – efter projektet ska du kunna
- analysera hur AI framställs i ett kulturverk
- koppla fiktiva framställningar till verkliga AI-system och samhällsdebatter
- reflektera kritiskt över budskap, värderingar och perspektiv
- presentera din analys i en välstrukturerad form.
Arbetssätt
Välj ett kulturverk (film, serie, bok, konst, musikvideo) och analysera det utifrån frågorna:
- Vad säger verket om skillnaden mellan människa och maskin?
- Vad innebär medvetande och fri vilja i verket?
- Hur påverkas samhället, relationer och moral av AI:n?
- Vilka risker och möjligheter lyfts fram?
- Är dessa perspektiv relevanta i verkliga AI-system?
Arbetsgång – checklista
- Välj verk och se/läs det en gång utan att anteckna.
- Se/läs igen. Anteckna scener eller citat där AI:n står i centrum.
- Välj 2–3 analysfrågor från listan ovan.
- Beskriv hur AI:n framställs: hot, hjälpmedel, vän eller något annat?
- Jämför med verkliga AI-system – vad stämmer, vad är fiktion?
- Skriv eller spela in din analys. Ange källor.
- Her (film, 2013) – Hur påverkar AI vår syn på kärlek och mänsklig närhet?
- Black Mirror (tv-serie, 2011–) – Vilka framtidsscenarier varnar serien för?
- Ex Machina (film, 2014) – Vad innebär det att vara medveten?
- AI-influencers – Vad berättar fenomenet om identitet och autenticitet?
- Musik skapad av AI – Vem är konstnären och vem äger verket?
- AI i reklam – Hur används AI för att påverka konsumtionsbeteende?
Så visar du kvalitet
- Du använder konkreta exempel ur verket, inte bara allmänna intryck.
- Du kopplar fiktionen till verkliga AI-system och begrepp från kursen.
- Du visar flera perspektiv – både verkets och ditt eget.
- Din analys är strukturerad och har tydliga källor.
Tidsplan-förslag
Vecka 1: välj verk, se/läs det och anteckna. Vecka 2: analysera utifrån dina frågor. Vecka 3: färdigställ och redovisa.
Att återberätta handlingen i stället för att analysera. Att välja för många frågor – två eller tre räcker. Att glömma kopplingen till verklig AI. Analysen ska svara på "vad betyder detta?", inte "vad händer?".
Redovisning
Välj en redovisningsform: muntlig presentation (10–15 min), skriven analys (600–900 ord), filmad recension, podcast-avsnitt eller utställningsaffisch med fördjupningstext.
Projekt 2: Praktisk tillämpning av AI
Syfte
Projektet handlar om att faktiskt bygga, träna och utvärdera en AI-modell. Du omsätter kunskaperna från kapitlen 3 och 4 i praktiken. Kärnan är: data → modell → test → utvärdering.
Mål – efter projektet ska du kunna
- samla in eller hitta ett lämpligt dataset
- träna en maskininlärningsmodell i Google Colab
- utvärdera modellens prestanda och förstå dess begränsningar
- reflektera över datakvalitet, bias och generaliseringsförmåga.
Projektförslag
- Bildigenkänning – Träna en modell som känner igen handskrivna siffror med MNIST-datasetet.
- Textanalys (sentimentanalys) – Träna en modell som klassificerar positiva och negativa meningar.
- Musik eller ljud – Identifiera olika instrument i kortare ljudklipp.
- Dataanalys – Förutsäg bostadspriser eller väderdata med regression.
- Spelagent – Programmera en Minimax-spelare för Tre i rad (kapitel 3) och låt den möta klasskamrater. Utmaning: byt till Fyra i rad, där trädet blir för stort för att söka igenom helt – hur löser du det?
- Utan kod: Teachable Machine – Träna en bildklassificerare i webbläsaren med Googles Teachable Machine, till exempel för att skilja på tre föremål via webbkameran. Passar dig som vill fokusera på data, träning och utvärdering i stället för programmering. Fotografera inte klasskamrater – använd föremål.
Arbetsgång – checklista
- Välj ett område och definiera problemet tydligt.
- Samla in data eller använd ett befintligt dataset.
- Rensa och förbered data (hantera saknade värden och bias).
- Träna och testa din modell i Google Colab.
- Utvärdera: hur många rätt? Visa exempel på både lyckade och misslyckade klassificeringar.
- Jämför med människan: hur skulle du själv lösa samma uppgift? Vad gör modellen bättre än du – och vad gör du bättre än modellen?
- Reflektera: Hur väl fungerar modellen? Vad påverkar resultatet? Vad kan förbättras?
Så visar du kvalitet
- Koden fungerar och är kommenterad så att någon annan förstår den.
- Du visar konkreta exempel där modellen har rätt – och där den har fel.
- Du resonerar om varför modellen gör fel: data, bias eller begränsningar?
- Du jämför modellens sätt att lösa uppgiften med hur en människa gör det.
- Din reflektion tar upp etiska konsekvenser, inte bara teknik.
Tidsplan-förslag
Vecka 1: välj problem och dataset, kom igång i Colab. Vecka 2: träna, testa och förbättra modellen. Vecka 3: skriv reflektionen och städa koden.
Att välja ett för svårt problem – börja enkelt, till exempel MNIST. Att fastna i tekniska fel: spara ofta och testa i små steg. Att bara redovisa "det funkade" utan att analysera felen. Felen är ofta det mest intressanta!
Redovisning
Lämna in: Google Colab-fil med fungerande kod och kommentarer, en kort skriftlig reflektion (300–500 ord) om modellens styrkor, svagheter och möjliga etiska konsekvenser.
Para ihop projekt och exempeluppgift
Klicka på ett projekt och sedan på den uppgift som hör till det.
Projekt 3: AI och samhälle
Syfte
Projektet handlar om att analysera hur AI påverkar ett specifikt samhällsområde på djupet – demokrati, ekonomi, utbildning, hälsa, miljö eller maktbalans.
Mål – efter projektet ska du kunna
- analysera AI:s roll i ett valt samhällsområde
- identifiera positiva och negativa konsekvenser
- ta ställning till politiska och etiska frågor
- presentera förslag på reglering eller åtgärder.
Struktur för analysen
Följ modellen: Nuläge → Konsekvenser → Lösningar
- Nuläge: Hur används AI inom ditt valda område i dag?
- Konsekvenser: Vilka är de positiva och negativa effekterna på kort och lång sikt? Vem vinner och vem förlorar?
- Lösningar: Vilka åtgärder (tekniska, legala, politiska) kan hantera problemen?
- Hur påverkar AI:s automatisering arbetsmarknaden och inkomstojämlikheten?
- Vilka demokratirisker skapar AI-driven desinformation?
- Vad är AI:s koldioxidavtryck och vad innebär det för klimatmålen?
- Hur kan AI användas för att förbättra sjukvården – och vilka risker medför det?
- Vem kontrollerar AI-tekniken och vad innebär det för global maktbalans?
Arbetsgång – checklista
- Välj ett samhällsområde som engagerar dig.
- Formulera en tydlig frågeställning – helst en enda mening.
- Samla källor. Använd flera olika typer och granska dem kritiskt.
- Beskriv nuläget: hur används AI i området i dag?
- Analysera konsekvenser på kort och lång sikt.
- Föreslå lösningar: regler, ansvar, transparens eller skydd.
- Ta ställning – och motivera din ståndpunkt.
Så visar du kvalitet
- Din analys följer modellen nuläge → konsekvenser → lösningar hela vägen.
- Du visar både möjligheter och risker – inte bara det ena.
- Du använder källor och kopplar till kursens begrepp.
- Dina lösningsförslag är konkreta och motiverade.
Tidsplan-förslag
Vecka 1: välj område, formulera frågeställning, samla källor. Vecka 2: skriv analysens tre delar. Vecka 3: formulera din ståndpunkt, färdigställ och redovisa.
Att välja ett för brett område – "AI och samhället" är inget ämne, "AI-desinformation i valrörelser" är det. Att bara beskriva utan att analysera. Att glömma lösningsdelen. Att tycka utan att motivera.
Redovisning
Välj: debattartikel (500–700 ord), policy brief (400–600 ord + rekommendationer), muntlig debatt, dokumentärvideo (3–5 min), eller infografik med fördjupande text.
Projekt 4: Granska ett AI-verktyg
Syfte
Välj ett AI-verktyg du använder eller är nyfiken på och granska det systematiskt ur tekniska, etiska och samhälleliga perspektiv.
Mål – efter projektet ska du kunna
- förstå hur ett specifikt AI-verktyg fungerar tekniskt
- bedöma dess etiska och miljömässiga risker
- analysera hur verktyget påverkar användare och samhälle
- presentera en välgrundad, nyanserad granskning.
Struktur – fyra delar
Vilket AI-verktyg granskar du? Vilket företag ligger bakom? Vad är syftet med verktyget och vilka är dess huvudanvändare? Hur tjänar företaget pengar?
Vilken typ av AI används? Vad tränas det på? Hur fungerar det tekniskt (utan att gå in för djupt)? Vad är verktyget bra respektive dåligt på – och varför? Koppla till begrepp från Kapitel 3 och 4.
Vilka etiska risker finns (bias, integritet, transparens, plagiering)? Hur hanterar företaget användardata, och vad säger GDPR om det? Vilken riskklass hamnar verktyget i enligt EU:s AI-förordning, och vilka krav följer av det? Har verktyget åldersgräns? Vilken miljöpåverkan har träningen och driften av verktyget?
Vem gynnas och vem missgynnas av verktyget? Hur påverkar det arbetsmarknaden, utbildning eller demokratin? Vad tycker du – ska verktyget regleras och hur?
Arbetsgång – checklista
- Välj ett verktyg du kan testa själv, till exempel en chattbot eller bildgenerator.
- Testa verktyget praktiskt. Anteckna vad det gör bra och var det fallerar.
- Undersök företaget bakom: ägare, målgrupp, affärsmodell.
- Skriv del A och B: verktyget och hur det fungerar.
- Skriv del C: risker, etik, lagar och miljö. Ge konkreta exempel och placera verktyget i en riskklass.
- Skriv del D: samhällspåverkan och din egen ståndpunkt.
- Avsluta med en tydlig rekommendation: så bör verktyget användas ansvarsfullt.
Så visar du kvalitet
- Du har testat verktyget själv och visar konkreta exempel – även där det gör fel.
- Alla fyra delar (A–D) finns med och hänger ihop.
- Granskningen är nyanserad: både styrkor och brister.
- Du avslutar med en motiverad rekommendation och källhänvisningar.
Tidsplan-förslag
Vecka 1: välj verktyg, testa det och undersök företaget. Vecka 2: skriv del A–D. Vecka 3: formulera rekommendationen, färdigställ och redovisa.
Att bli reklampelare – en granskning ska vara kritisk, inte bara hyllande. Att hoppa över del C eller D för att tekniken är roligare. Att sakna egna testexempel. Att glömma frågan: vem tjänar pengar på detta?
Redovisning
Välj: skriven rapport (700–1 000 ord), presentationsbild (slides + muntlig genomgång), video-essay (4–6 min), eller podcast-avsnitt (6–10 min).
Vilket projekt passar dig?
Öppna korten och fundera – gärna tillsammans med en klasskompis.
Fundera: Vad lockar dig mest – berätta, bygga, granska eller ta ställning?
Gillar du film och berättelser? Då kan Projekt 1 passa. Vill du programmera? Välj Projekt 2. Engagerar samhällsfrågor dig? Projekt 3. Är du nyfiken på verktygen du redan använder? Projekt 4.
Fundera: Vilken redovisningsform visar dina styrkor bäst?
Alla projekt går att redovisa på flera sätt – skriftligt, muntligt, som video eller podcast. Välj en form där du känner dig trygg, eller utmana dig med något nytt.
Fundera: Vad blir din största utmaning – och hur planerar du för den?
Är det tekniken, skrivandet, tidsplaneringen eller att ta ställning? Skriv ner din största risk och bestäm en åtgärd redan i planeringsfasen.
- ☐ Jag har en tydlig frågeställning och håller mig till den.
- ☐ Jag använder källor och anger dem.
- ☐ Jag kopplar till begrepp från kursens kapitel.
- ☐ Jag visar både möjligheter och risker/svagheter.
- ☐ Jag har en egen reflektion eller ståndpunkt – med motivering.
- ☐ Jag har läst igenom (eller övat på) min redovisning en sista gång.
Sammanfattning
- Kapitel 5 erbjuder fyra projektuppgifter som täcker kulturanalys, praktisk maskininlärning, samhällsgranskning och verktygsutvärdering.
- Alla projekt följer samma process: planera → genomför → reflektera → redovisa.
- Projekt 2 kräver Google Colab och praktisk träning av en modell.
- Alla projekt integrerar teori och praktik och kräver kritisk reflektion.
- Projekt 3 och 4 tränar din förmåga att formulera välgrundade ståndpunkter i AI-relaterade samhällsfrågor.
- Kvalitet visar du med källor, konkreta exempel, nyansering och koppling till kursens begrepp.