Der Mini KI Trainer wurde von Helmut Pecher für Schooltools erstellt.
Worum geht’s?
Dieses Tool zeigt eine sehr einfache, transparente KI: k‑Nearest‑Neighbors (k‑NN). Du zeichnest Beispiele mit Labels (z. B. „Kreis“), und das System sagt für neue Zeichnungen voraus, zu welcher Klasse sie am ähnlichsten sind.
Schnellstart (Schritt für Schritt)
- Symbol zeichnen (Maus/Finger) – Stiftstärke/Farbe wählbar.
- Label wählen (Buttons oder eigenes Textfeld).
- Mit ➕ Speichern als Trainingsbeispiel ablegen.
- Mit 🔮 Vorhersage prüfen, was die KI vermutet.
- 🖼️ Neues Bild leert nur die Zeichenfläche.
Tipp: Mit dem Regler k steuerst du, wie viele Nachbarn abstimmen (1–7).
Hotkeys: Enter=Speichern, 1–8=Preset, Backspace/C=Leeren, T=Vorhersage.
Was passiert technisch?
- Deine Zeichnung wird auf 16×16 Pixel verkleinert (Graustufen) → 256‑dimensionaler Vektor.
- Der Vektor wird normalisiert (Skalierung), damit nur die Form zählt.
- Bei einer Vorhersage werden die k nächsten Trainingsbeispiele per Distanz gesucht (euklidisch). Die Mehrheit dieser Nachbarn entscheidet.
- Im Ergebnis siehst du die Stimmen und bis zu drei nächste Nachbarn (mit Distanz) – volle Transparenz.
Daten & Speichern
- Trainingsdaten werden im Browser (LocalStorage) gespeichert und beim nächsten Besuch wiederhergestellt.
- 💾 Export speichert alles als JSON. Mit ⬆️ Import lädst du es wieder.
- 🗑️ Alle löschen entfernt alle Trainingsdaten (mit Nachfrage).
- In der Vorschau werden standardmäßig die letzten 18 Beispiele angezeigt (Schalter „Alle“ blendet die übrigen ein).
Didaktische Lernziele
- Training vs. Test: Nur was im Training war, kann sicherer erkannt werden.
- Datenqualität: Saubere, vielfältige Beispiele > viele identische.
- Parameterverständnis: Der k‑Wert balanciert Sensibilität vs. Stabilität.
- Erklärbarkeit: Stimmen & Nachbarn zeigen die Entscheidungsgrundlage.
- Messbarkeit: Mit 📊 Genauigkeit prüfen (Leave‑One‑Out) wird Leistung pro Klasse und insgesamt sichtbar.
- Keine Magie: KI ≈ Mustervergleich und Statistik – transparent erfahrbar.