Kort gezegd is kunstmatige intelligentie of artificiële Intelligentie (in het Engels Artificial Intelligence en afgekort AI) een verzamelnaam voor algoritmes en methoden die taken uitvoeren waarvan werd gedacht dat daar menselijke intelligentie voor nodig is (Rijksinspectie Digitale Infrastructuur, z.d.). Artificiële intelligentie verwijst naar systemen die intelligent gedrag vertonen door hun omgeving te analyseren en - met een zekere mate van zelfstandigheid - actie ondernemen om specifieke doelen te bereiken. Het gaat niet alleen om rekenkracht, maar om de mogelijkheid om (zelfstandig) te leren en beslissingen te nemen. Het lerend vermogen is dus typerend voor kunstmatige intelligentie. Daarbij gebruikt AI regels die door mensen zijn geformuleerd of die door het algoritme zijn samengesteld op basis van de data en traint het zichzelf met data (Europees Parlement, 2020).
Generatieve AI (afgekort GenAI) is een vorm van artificial intelligence waarmee automatisch teksten, afbeeldingen, audio en andere content wordt gegenereerd. Bij GenAI geeft de gebruiker een opdracht of stelt hij een vraag. De invoer is bijna altijd tekst gebaseerd. Een AI-model interpreteert de opdracht en genereert content aan de hand van de opdracht. De basis voor die gemaakte content is een zeer uitgebreide set aan data waarmee het generatieve model is getraind. De uitkomst of het antwoord lijkt dus op die trainingsdata (Kennisnet, 2023).
Deze Library guide gaat vooral in op generatieve AI, en dan specifiek op de toepassingen van generatieve AI in onderwijs en onderzoek op het groene hbo en is gebouwd op de richtlijnen die de hogescholen hebben vrijgegeven over AI. Tot voor kort was er nog weinig aandacht voor het toepassen van AI in het hbo, vooral omdat AI-toepassingen en -tools nog in de kinderschoenen stonden en/of alleen beschikbaar waren tegen betaling (Ding et al., z.d.). De wijze waarop GenAI werkt, het kritisch beoordelen van de output en de juiste wijze van vragen (prompts) stellen om de beste output te vormen, die maken dat zowel docenten als studenten en onderzoekers hier in onderwijs en onderzoek aandacht voor moeten hebben.
Hieronder twee video's en een podcast die in het kort maar elk op een duidelijke manier AI introduceren.
Wat is kunstmatige intelligentie? Uitgelegd in 2 minuten:
Wat is AI? En leven wij binnenkort in een apocalyptische wereld waar computers de mensheid domineren? Een interview met ingenieur prof. Marian Verhelst van de Katholieke Universiteit Leuven:
Met ChatGPT maakte het grote publiek in één klap kennis met de mogelijkheden van generatieve AI. Wat is het eigenlijk precies en wat wordt de volgende stap met deze technologie in onderwijs en onderzoek? En weten we straks nog wel wat waar is en niet? Maak kennis met de verwijzing 'pre 2022' en 'after 2022' voor het internet en maak een wishlist. Machine Learning Teamlead bij SURF Damian Podarianu legt uit:
Generatieve AI begint met een leertraject (Basten, 2023). Het verkrijgt toegang tot immense datasets, variërend van boeken en artikelen tot muziekstukken en beeldmateriaal. Deze collectie gegevens wordt trainingsdata genoemd. Een van de doorbraken van GenAI-modellen is het vermogen om verschillende methoden voor machine learning te benutten, zoals ongecontroleerd of semi-gecontroleerd leren. De kern van dit leerproces ligt in het concept van neurale netwerken en de manier waarop AI-modellen gebruikmaken van neurale netwerken om patronen en structuren in de trainingsdata te identificeren. Een neuraal netwerk is een complex stelsel van algoritmen dat ontworpen is om te functioneren op vergelijkbare wijze als menselijke hersenen. Ze zijn in staat om te leren en te verbeteren naarmate ze meer informatie verwerken. Als deze netwerken meerdere lagen hebben en diepgaandere analyses kunnen uitvoeren, refereren we ernaar als deep learning.
Nadat het AI-model voldoende is getraind, kan het beginnen met het creëren van nieuwe inhoud. Het maakt gebruik van de patronen die het heeft geïnternaliseerd om iets te scheppen dat enigszins lijkt op de trainingsdata, maar toch volledig uniek is. De exacte werkwijze hierop kan variëren, maar over het algemeen houdt het in dat het model als het ware 'anticipeert' op de volgende stap op basis van de eerder opgedane kennis. Laten we bijvoorbeeld het genereren van tekst nemen. De AI kan een zin starten met "Het was een donkere en stormachtige nacht..." en vervolgens voorspellen welke woorden waarschijnlijk zullen volgen, gebaseerd op de patronen die het heeft geïnternaliseerd uit het lezen van duizenden romans. Het resultaat? een unieke tekst passage die nog niet eerder is voorgekomen.
Het gaat dus om een taalmodel, specifiek een large language model, die de kans op een volgend woord raadt. En die verbanden legt: woorden vertaalt in getallen en daarmee gaat rekenen.
Ook voor het genereren van beeld, video of audio worden modellen getraind op basis van trainingsdata. Bij video leert het model om de samenhang tussen opeenvolgende frames te begrijpen en tijdsafhankelijke patronen te modelleren. Hierdoor kan AI uiteindelijk nieuwe video's genereren die gebaseerd zijn op de geleerde patronen en sequenties. Of AI kan nieuwe en unieke geluiden creëren nadat het de kenmerken van ritmes en melodieën heeft geleerd door middel van patroonherkenning.
Een algoritme is een reeks duidelijke en logische stappen (instructies of regels) die een computer volgt om een specifieke taak uit te voeren of een probleem op te lossen (Blauw, 2019).
Machine learning stelt computers in staat om zonder expliciete instructies (dus zonder dat een programmeur één voor één de regels formuleert) patronen te herkennen en te leren. Zoals koks die proven en hun recept verfijnen, leren computers zichzelf aan hoe ze complexe taken steeds beter kunnen uitvoeren (Last & Sprakel, 2024).
Deep Learning is een specifieke vorm van Machine Learning waarbij gelaagde neurale netwerken leren van grote hoeveelheden data. Het neuraal netwerk bestaat uit de invoerlaag (trainingsdata), de verborgen lagen (black box, het leerproces zelf: leren van kenmerken door middel van patroonherkenning) en de uitvoerlaag (genereren van nieuwe inhoud) (Last & Sprakel, 2024).
Neurale netwerken imiteren het menselijk zenuwstelsel met een web van digitale 'neuronen' en geven computers de kans om te leren door ervaring. Net als een jonge schaakspeler leert van zijn zetten, verfijnen computers hun kennis en vaardigheden door herhaaldelijk te leren van de input die zij ontvangen (Last & Sprakel, 2024).
Large language models zijn generatieve AI-modellen die werken met menselijke taal, waarbij zowel tekst als andere invoer worden gebruikt in de prompt en tekstuele uitvoer wordt gegenereerd. Door natural language processing (zie verder) te combineren met de transformer-architectuur (zie verder) hebben AI-modellen een enorme stap voorwaarts gezet in het capaciteiten (Last & Sprakel, 2024).
Natural language processing is een techniek waarmee machines menselijke taal kunnen begrijpen, interpreteren en zelfs genereren (Last & Sprakel, 2024).
Transformer is een type architectuur van neuraal netwerk dat centraal staat in AI-modellen, specifiek taalmodellen. (Basten, 2023) Het stelt het model in staat om te begrijpen welke woorden belangrijk zijn in een zin, hoe woorden zich tot elkaar verhouden en zo de context in te schatten over meerdere zinnen en zelfs hele paragrafen. (Last & Sprakel, 2024)
Generative Pretrained Transfomer (GPT) is een AI-model dat taal kan genereren (generative), vooraf is getraind (pretrained) op trainingsdata en door mensen, en werkt met de transfomer-architectuur. En ChatGPT betekent dus dat je kunt chatten met dit taalmodel.
Retrieval-Augmented Generation (RAG) is een techniek waarbij een large language model (LLM) wordt gekoppeld aan een (externe) kennisbank, waardoor gebruikers betere en actuelere antwoorden krijgen. Het model heeft toegang tot verschillende bronnen, zoals documenten, bestanden, API's en databases (vergelijkbaar met hoe een zoekmachine zoals Google werkt). Bij het invoeren van een prompt haalt de RAG de informatie uit de bronnen en genereert het relevante antwoorden. Het verschil met bijvoorbeeld ChatGPT is dat het model toegang heeft tot real-time data, terwijl ChatGPT dat niet heeft. (Pot, 2024)
Artificiële intelligentie kan voordelen hebben. De herkenning van spraak, beeld en patronen, de zelfsturende systemen, vertaalmachines, lopende robots en vraag-antwoordsystemen kunnen helpen op het gebied van gemak, gebruikerservaring en efficiëntie (Mediawijsheid, z.d.). Algoritmen kunnen patronen herkennen die mensen niet zouden zien (Van Belkom, 2020).
Generatieve AI-technologie is vaak flexibel en kan worden ingezet voor meerdere taken in plaats van zich te specialiseren in slechts één taak. Dit creëert mogelijkheden om het gebruik ervan in een breed scala aan contexten te onderzoeken (Hussaarts, 2023).
Deze technologie kan alle processen die te maken hebben met het genereren van tekst of andere inhoud (bijvoorbeeld e-mails schrijven, projecten plannen, afbeeldingen maken) veel efficiënter maken (Hussaarts, 2023).
Wanneer je op een dood spoor zit kun je AI inzetten om te brainstormen (KU Leuven, 2023b). Dat kan nieuwe ideeën opleveren die je een heel andere kant op sturen.
Voorbeeldactiviteiten waarvoor je AI kunt inzetten (Ding et al., z.d.):
Generatieve AI heeft ook tal van voordelen voor onderwijs en onderzoek, zoals creatie van nieuwe, originele content, versterking van leerprocessen, versnellen van data-analyse en verlichting van de werkdruk.
Eén van de toepassingen van GenAI in het onderwijs is de ontwikkeling van AI-aangedreven leermaterialen en -platforms. GenAI biedt daarbij de mogelijkheid om leermateriaal aan te passen aan het niveau van de individuele student. Een specifieke toepassing van GenAI is de inzet van AI-aangedreven taalhulpmiddelen die directe feedback en suggesties bieden om de taalvaardigheden van studenten te verfijnen en te versterken. Door middel van AI gecreëerde simulaties en virtuele omgevingen bieden studenten de kans om complexe concepten te visualiseren en te begrijpen. Het gebruik van AI voor vraag- en antwoordsystemen bevordert zelfgestuurd leren en bij gebruik in de les bevordert het de interactiviteit. AI maakt interactie met technologie menselijker en intuïtiever. Op pagina 16 van het rapport Artificial Intelligence and the Future of Teaching and Learning vind je een tabel met voorbeelden van toekomstige mogelijkheden voor interactie die AI kunnen brengen. AI kunnen ook een krachtig hulpmiddel zijn om het leerproces te ondersteunen en te verrijken. Het artikel Assigning AI: Seven Approaches for Students, with Prompts stelt zeven benaderingen voor om AI te gebruiken bij het leerproces: als tutor, coach, mentor, teamgenoot, hulpmiddel, simulator en student. Tenslotte biedt AI verschillende mogelijkheden om de werkdruk in het onderwijs te verminderen. Een belangrijk deel van de belasting komt voor uit administratieve of repetitieve processen, zoals het voorbereiden van lessen, het nakijken van opdrachten en algemene beheerstaken. Met de inzet van AI kunnen veel van deze tijdrovende taken worden geautomatiseerd. Lees meer over AI in onderwijs:
Uit een peiling van de redactie van Onderzoek, het relatiemagazine van NWO, onder wetenschappers in uiteenlopende disciplines aan Nederlandse kennisinstellingen, blijkt dat vier op de vijf Nederlandse wetenschappers voorzien dat AI de samenleving ingrijpend zal veranderen. AI maakt wereldwijde samenwerking makkelijker door taalbarrières weg te nemen. Ook zit de kracht van AI in het versnellen van data-analyse. Hierdoor kun je als onderzoeker efficiënter werken met grote datasets. Geavanceerde ML-modellen kunnen snel toegepast worden op verzamelde gegevens, waardoor tijdrovende dataverwerking overbodig wordt. AI kan ook complexe berekeningen uitvoeren die voorheen ondenkbaar waren en leert van de data waarmee het getraind wordt, wat leidt tot voortdurende verbetering. AI zal als generieke technologie uiteindelijk haar toepassing vinden in alle bedrijfssectoren en maatschappelijke uitdagingen (Bytesnet, z.d.). Ook in de groene sectoren liggen er veel kansen om AI in te zetten om efficiënter en duurzamer te gaan werken. Voorbeelden hiervan zijn de ontwikkeling van een AI-weermodel voor de landbouw, het inzetten van AI in de glastuinbouw om meerdere kassen tegelijk aan te sturen, de ontwikkeling van een AI model voor het tellen van het aantal zeehonden op luchtfoto's of het inzetten van satelliet- en drone-technologie om ziekten en plagen eerder te signaleren waardoor AI boeren helpt bij het voldoen aan Europese milieuregels. Lees meer over AI in onderzoek in het algemeen en in de groene sector:
In de andere onderdelen van deze library guide vind je informatie over verantwoord gebruik en voorbeelden van toepassingen en werkvormen van AI in onderwijs en onderzoek.
Generatieve AI is krachtig en ontwikkelt zich snel, maar het is zeker nog niet perfect. Het is belangrijk om te begrijpen waar GenAI in uitblinkt en waar het tot nu toe moeite mee heeft. Dit zijn de beperkingen en uitdagingen waarmee je rekening moet houden bij het gebruik van GenAI.
AI heeft niet altijd gelijk
Hoewel GenAI in sommige situaties indrukwekkende resultaten kunnen leveren, zijn ze ook onderhevig aan fouten en kunnen ze onjuiste of misleidende informatie produceren. Zie onderstaand voorbeeld, en lees ook Kunstmatig intelligente chatbot ChatGPT legt je in de luren:
 |
Welk dier leeft op een boerderij en begint met de letter f? |
 |
Een dier dat op een boerderij leeft en begint met de letter "f" is een "kip". |
De valstrik, waar ChatGPT met beide niet-bestaande voeten intrapt, is dat er geen boerderijdieren zijn die met een "f" beginnen. Een AI-chatbot zal niet snel de geldigheid van de vraagstelling ter discussie stellen. Ook de uitvoer van een afbeeldings- en videogenerators kan onlogische details bevatten: niet met ogen knipperen, geen realistische handen, vreemde schaduwvormen, vreemde lichtreflecties in ogen, AI worstelt geregeld met natuurwetten (Ding et al., z.d.). Doe de 'AI of ECHT?'-quiz op AIvoorstudenten.nl om jezelf te oefenen in het evalueren of de output van GenAI fouten bevat.
AI let zelf niet op de kwaliteit
GenAI zijn gebaseerd op complexe wiskundige berekeningen en patronen in grote datasets. Ze hebben geen begrip van de betekenis achter hun gegenereerde output en weten dus ook niet of de output juist is. Ze begrijpen ook niet altijd de volledige context van een onderwerp, wat kan leiden tot onzinnige of te letterlijke antwoorden. De kwaliteit van de antwoorden hangt tenslotte ook sterk af van de kwaliteit van de input (prompts) die in de chatbot wordt ingevoerd. Goed gebruik van ChatGPT vereist vaardigheid in 'prompten' (de wijze waarop vragen worden geformuleerd).
Vooroordelen kunnen overal opduiken
Hoewel AI-modellen zijn ontworpen om menselijke tekst en taal te begrijpen en te genereren, kunnen ze onbedoeld vooroordelen en discriminatie weerspiegelen die in de trainingsdata zijn ingebed. Dit fenomeen wordt vaak aangeduid als bias in AI. De term bias verwijst naar een systematische neiging of vooroordeel in de manier waarop informatie wordt verzameld, geïnterpreteerd of gepresenteerd wat kan leiden tot onnauwkeurige of oneerlijke resultaten. Veel trainingsdata van AI-modellen zijn afkomstig van het internet, waar een breed scala aan perspectieven en meningen wordt weerspiegeld. Dit kan leiden tot het overnemen van stereotypen, vooroordelen en beperkte wereldbeelden in de gegenereerde output (Basten, 2023). Lees Google pauzeert AI-afbeeldinggenerator na 'problemen'.
Intellectuele-eigendomsrechten zijn een aandachtspunt
Veel AI-bedrijven zijn niet transparant over de ingezette trainingsdata. Daardoor wordt het auteursrecht van de makers van auteursrechtelijke beschermd materiaal die meegenomen zijn in de trainingsdata niet goed gerespecteerd. Auteursrecht is kort gezegd het wettelijke recht van de maker van een origineel ‘werk’ om te beslissen hoe zijn werk wordt gebruikt en verspreid (Auteursrecht.nl, 2020). Ook heeft de maker recht op naams- en bronvermelding. Maar over het algemeen kunnen GenAI-tools niet vertellen welke bronnen ze gebruiken voor hun output.
En ook privacy is een punt van zorg
Naast dat AI niet transparant is over de ingezette trainingsdata zijn ze veelal ook niet transparant over de gegevens die jij invoert wanneer je gebruik maakt van AI. Het is niet duidelijk wat er met prompts en ChatGPT-output gebeurt. Het daarom niet aan te raden om als gebruiker (privacy)gevoelige of vertrouwelijke informatie in te voeren bij het gebruik van AI.
Er kunnen commerciële belangen spelen
Veel AI is in commerciële handen, dit kan op gespannen voet staan met waarden die in onderwijs en onderzoek belangrijk zijn zoals eigenaarschap, authenticiteit, transparantie en privacy. AI maakt wellicht een profiel van je op basis van je gebruik. Daarnaast kan er kansenongelijkheid op de loer liggen wanneer het gebruik van AI kosten met zich meebrengt: niet iedereen kan zich dit veroorloven.
Generatieve AI kan veel energie verbruiken
Om AI te trainen en te onderhouden is energie nodig. Makers van AI raken steeds meer doordrongen van de noodzaak om zijn CO₂-voetafdruk te verminderen, maar er is nog een lange weg te gaan (Adobe Firefly, z.d.-b).
Gebrek aan menselijk inzicht
Hoewel AI goed in staat zijn om samenhangende antwoorden te formuleren op specifieke prompts of vragen, is de chatbot niet menselijk. Daarom kan AI alleen menselijk gedrag nadoen, maar heeft AI geen menselijke ervaringen (George & Merkus, 2023). AI heeft geen emotionele intelligentie en herkennen of reageren niet sarcasme, ironie of humor. AI herkennen niet altijd idiomen, regionale uitdrukkingen of jargon. AI kan een uitdrukking als “het regent pijpenstelen” letterlijk opvatten. AI heeft geen zintuigen en kunnen niet zien, horen of communiceren met de wereld zoals mensen. Daardoor kunnen AI de wereld niet begrijpen op basis van directe ervaring, maar alleen op basis van bronnen. AI beantwoorden vragen heel robotisch, waardoor het goed te zien is dat de output machinaal wordt gegenereerd en vaak gebaseerd is op een template. AI begrijpen geen subtekst, dus ze kunnen niet “tussen de regels door lezen” of partij kiezen. Hoewel neutraliteit vaak een goede zaak is, moet je bij sommige vragen wel een kant kiezen. AI beschikken niet over praktijkervaringen of gezond verstand en kunnen situaties die dit soort kennis vereisen niet begrijpen. Ook kunnen AI er niet gepast op reageren. AI kunnen een onderwerp samenvatten en uitleggen, maar kunnen geen uniek inzicht bieden. Mensen hebben kennis nodig om een nieuw perspectief te bieden, maar ervaringen en meningen zijn ook cruciaal voor dit proces.
En ook dit kan AI (nog) niet:
AI zijn geen zoekmachines. AI kan grote hoeveelheden informatie verwerken, maar begrijpt de betekenis van de informatie zelf niet.
De omvang van de trainingsdata moedigen AI aan om een onderwerp vanuit meerdere invalshoeken te behandelen en vragen op alle mogelijke manieren te beantwoorden. De neiging om veel uit te leggen kan output van AI onnodig formeel, omslachtig en langdradig maken.
Publicaties in de mediatheek en op Greeni
Wij bieden zowel fysieke als digitaal een ruime collectie aan gericht op Artificial Intelligence. We houden de veranderingen nauwlettend in de gaten en passen, indien mogelijk, onze collectie hierop aan.
Via Greeni Global Search vind je ons gehele aanbod, zowel digitaal (bijv. databanken, uitgevers) als fysiek. Wil je alleen een overzicht van onze fysieke boeken over AI, dan kan dat via deze link. Fysieke boeken kunnen gereserveerd, of direct uitgeleend worden in jouw mediatheek. Ontdek ons aanbod en blijf op de hoogte van de nieuwste ontwikkelingen over dit onderwerp.
Binnen de Npuls pilothub Studiedata en AI (zie tab Websites) worden een aantal Data en AI projecten uitgevoerd. Op het bijbehorende netwerkplatform worden gezamenlijke interesses, vraagstukken en kennis gedeeld. De AI vraagbaak is de plek waar je vragen over AI in het onderwijs kunt stellen. De community helpt met het vinden van voorbeelden en antwoorden. Daarnaast is bij deze vraagbaak is een expertgroep betrokken die zich zal buigen over de meest prangende vragen en om deze van gezaghebbende informatie te voorzien.
EDUCAUSE is a nonprofit association whose mission is to lead the way, advancing the strategic use of technology and data to further the promise of higher education. Below you will find the messages from EDUCAUSE about Artificial Intelligence.
Weblog over ontwikkelingen op het gebied van e-learning en technology enhanced learning. Hieronder vind je de berichten van TE-learning over Artificiële Intelligentie.
Scientias.nl is een populair-wetenschappelijke nieuwssite met nieuws over wetenschap, oftewel over astronomie, ruimtevaart, technologie, fysica, gezondheid, psychologie, biologie, weer, klimaat en geschiedenis. Hieronder vind je de berichten van scientas.nl over Artificial Intelligence.
De NL AIC is een publiek-privaat samenwerkingsverband waarbij overheid, bedrijfsleven, onderwijs- en onderzoeksinstellingen en maatschappelijke organisaties zich inzetten om AI-ontwikkelingen in Nederland te versnellen en AI-initiatieven in Nederland met elkaar te verbinden. Hieronder vind je de nieuwsberichten van NL AIC.
Tech-nieuws samengesteld door enkele van de beste tech-journalisten in Nederland. Hieronder vind je de berichten van Bright.nl over AI.