Disclaimer

De ontwikkeling van generatieve kunstmatige intelligentie (GEN-AI) verloopt stormachtig. Met grote regelmaat worden er nieuwe AI-tools gepresenteerd, komen er resultaten van nieuw onderzoek beschikbaar en vormen professionals op diverse terreinen nieuwe meningen. Het is onmogelijk om deze Library Guide zonder hulp up-to-date te houden. Daarom deze disclaimer en oproep: vul bij het ontdekken van ontbrekende of foutieve informatie a.u.b. dit formulier in. Wij zorgen er dan zo snel mogelijk voor dat de Library Guide weer up-to-date gebracht wordt. Onze dank gaat uit naar de collega's en studenten die dat gedurende het samenstellen van de eerste versie van deze Library Guide in juni en juli 2023 op verschillende manieren al deden. In alfabetische volgorde: Ning Ding, Jan Roelof Dries, Rix Groenboom, Chris Hoksbergen, Kjell Neumann, Arend Top.

 


Aanvullingen welkom Blijf up-to-date!
We zien uit naar jullie reacties en aanvullingen. We zoeken daarbij specifiek naar korte beschrijvingen van de praktische toepassing van AI in jouw onderwijs, die we graag nog toevoegen aan deze Library Guide. Vul daarvoor dit formulier in.
 

In de sectie "AI nieuws en nieuwtjes" verzamelen we interessante artikelen over het gebruik van AI in het onderwijs, onderzoek en het werkveld. Ook vind je er artikelen over ethiek, overige onderwerpen en een overzicht van geteste AI-tools, met uiteraard de testresultaten.


 

Bij vragen of behoefte aan advies of ondersteuning bij het toepassen van AI in het onderwijs, onderzoek of andere werkzaamheden die je uitvoert voor de Hanzehogeschool kun je contact opnemen met een van de collega's die genoemd worden bij Contact & support. Stuur ons gerust een mail met je vraag, wij zijn er om jou te ondersteunen!

AI - Artificiële Intelligentie

 

Kunstmatige intelligentie

 

AI (Artificial Intelligence of kunstmatige intelligentie) is de vermogen van een machine om mensachtige vaardigheden te vertonen - zoals redeneren, leren, plannen en creativiteit. [1] We maken daarbij onderscheid tussen generatieve en niet-generatieve AI.

 

GEN-AI of Generatieve AI is een specifiek type AI dat zich richt op het genereren van nieuwe inhoud, zoals tekst, afbeeldingen, audio of video. Deze systemen zijn getraind op grote datasets en gebruiken machine learning-algoritmen om nieuwe inhoud te genereren. [2] Als de AI output genereert zoals getallen, classificaties, kansen of categorieën dan spreken we niet van generatieve AI.

 

Deze Libguide gaat vooral in op generatieve AI, en dan specifiek op de toepassingen van generatieve AI in het (hoger) onderwijs. Tot voor kort was er nog weinig aandacht voor het toepassen van AI in het onderwijs, vooral omdat AI-toepassingen en -tools nog in de kinderschoenen stonden en/of alleen beschikbaar waren tegen betaling. Op 30 november 2022 veranderde dat disruptief, toen het Amerikaanse softwarebedrijf OpenAI hun generatieve chatbot ChatGPT gratis beschikbaar stelde. In de eerste maanden van 2023 gevolgd door diverse andere tools, en binnenkort is de verwachting dat generatieve AI onder de naam CoPilot onderdeel wordt van alle Microsoft Office toepassingen. Tegen welke prijs is nog onzeker, zie oa. Microsoft vraagt 30 USD per maand aan bedrijven voor AI-assistent Windows Copilot en komt met zakelijke versie van Bing Chat - Hardware Info, maar dat generatieve AI-tools hun blijvende intrede hebben gedaan staat buiten kijf. En dus is er ook in het onderwijs aandacht nodig hiervoor.

 

Hanze AI Meetup

 

In de Hanzehogeschool is een actief AI-gebruikersnetwerk, de "Hanze AI Meetup" (HAIM). HAIM is een doorzetting en uitbreiding van de Hanze Machine Learning Community. We komen zo af en toe bij elkaar en houden verder voor ook online contact met elkaar. Wil je lid worden van HAIM? Meld je dan hier aan: Inschrijving Hanze AI Meetup netwerk (office.com).

 

AI voor Dummies in 2 minuten

 

 

 

Generative AI in a Nutshell

 

 

 

Generative AI Explained

 

 

Hoe werkt generatieve AI?

 

Neuraal netwerk, maar dan dubbel

 

Generatieve AI's bestaan uit twee neurale netwerken, een generator en een discriminator. De generator produceert een tekst, afbeelding, geluidsfragment of video, waarna de discriminator bepaalt of dat product voldoet aan de eisen. Deze type neurale netwerken worden GAN's genoemd, Generative Adversarial Networks. In de eerste video wordt uitgelegd hoe de generator en discriminator in een GAN precies samenwerken om tot een gewenst product te komen.

 

Daarna vind je een video waarin wordt toegelicht wat een neuraal netwerk nu eigenlijk is, en hoe zo'n netwerk werkt.

 

Na het bekijken van de filmpjes zul je je afvragen hoe de "weights" in een neuraal netwerk nu eigenlijk worden bepaald. Kijk daarvoor de derde video.

 

Zie ook https://en.wikipedia.org/wiki/Large_language_model en https://en.wikipedia.org/wiki/GPT-4#Usage en A Generative AI Primer | EDUCAUSE Review

 

GANs explained

Deze video start met een aantal voorbeelden van Gen-AI producten van GAN's. Als je vooral wilt weten hoe GAN's werken, spoel dan door naar 3m40s.

 

 

How Neural Networks Work

 

 

 

How Neural Networks Learn

 

 

Misverstanden over AI

Er zijn veelvoorkomende misverstanden en zorgen die mensen hebben over generatieve AI. Enkele van de meest voorkomende misverstanden zijn:

 

  • AI is zelfbewust
    Nee, AI is niet zelfbewust. De tools zijn gebaseerd op complexe wiskundige berekeningen en patronen in grote datasets. Ze hebben geen bewustzijn, gevoel of begrip van de betekenis achter hun gegenereerde output
  • AI is zelflerend
    Nee, AI is niet zelflerend. AI tools worden, voorafgaand aan het gebruik, gedurende een bepaalde tijd, soms tot wel 18 maanden lang,  getraind met grote datasets. Daarna worden ze gedurende het gebruik niet meer slimmer, tenzij ze weer opnieuw getraind worden door de ontwikkelaar van de software. Maar dat vraagt een grote investering in tijd, data en inzet van mensen.
  • AI zoekt antwoorden op
    Generatieve AI genereert antwoorden op basis van de training, complexe wiskundige berekeningen en patronen in grote datasets. Daarbij zijn er Ai-tools die hierbij ook het resultaat van zoekacties op het internet of andere databases betrekken.
  •  AI heeft een negatieve bias (bias = vooringenomenheid)

    AI heeft niet per definitie een negatieve bias, maar veel van de huidige verschijningsvormen hebben dat wel degelijk. Met name op basis van de bewuste of onbewuste biases in de trainingsdata. Zorgen over het gebruik van AI-modellen voor manipulatie, desinformatie en privacy-inbreuken kunnen dus terecht zijn. De verantwoordelijkheid om ethische richtlijnen te volgen en privacy te waarborgen ligt bij de gebruikers en ontwikkelaars.

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.

Belangrijke begrippen in mensentaal

Data Science of datawetenschappen is het overkoepelende vakgebied dat zich bezig houdt met het verwerken en analyseren van grote hoeveelheden data, en/of ongestructureerde data. [3] 

 

Algoritme in de context van kunstmatige intelligentie (AI) is een stapsgewijze set instructies of regels die een computer of machine volgt om een specifieke taak uit te voeren of een probleem op te lossen. Deze instructies kunnen variëren van eenvoudige wiskundige berekeningen tot complexe besluitvormingsprocessen die gebruikmaken van gegevens en machine learning-technieken. Enkele voorbeelden van algoritmen zijn lineaire regressie, neurale netwerken, beslissingsbomen, K-means clustering en genetische algoritmen. - Met dank aan ChatGPT

 

Machine Learning is een vakgebied dat algoritmes laat leren zonder dat je ze expliciet hoeft te programmeren. ML-technieken kunnen worden geclassificeerd als "supervised" (de machine leert door gelabelde gegevens te verwerken) of "unsupervised" (de machine leert zelf van gegevens).

 

Deep Learning is een specifieke vorm van Machine Learning waarbij algoritmes leren van grote hoeveelheden data.

 

Natural Language Processing het vakgebied dat zich bezighoudt met het lezen, begrijpen en produceren van menselijke taal door computers.

 

Computer Vision is het gebied van AI dat computers traint om visuele gegevens te begrijpen; kort gezegd, het stelt machines in staat om te "zien". Met behulp van deep learning-modellen zijn computervisietechnieken gericht op het herkennen van digitale beelden in een context - ze identificeren en classificeren.

 

Large Language Model, een groot taalmodel is een taalmodel dat bestaat uit een neuraal netwerk met veel parameters, getraind op grote hoeveelheden niet-gelabelde tekst met behulp van zelfgestuurd leren of semi-gesuperviseerd leren. Een voorbeeld van LLM is ChatGPT.

 

Interessante informatie online

 

Een opmerking over de scope

 

Er is al veel geschreven over ChatGPT en AI en hoe ze het onderwijs zullen beïnvloeden.

De meningen zijn talrijk en gevarieerd en nieuwsorganisaties onthullen voortdurend nieuwe details over AI.

De bronnen op deze pagina geven wat recente informatie en perspectieven weer en waarvan we denken dat ze het lezen en overwegen waard zijn, maar ze zijn geenszins een allesomvattend onderzoek van dit onderwerp.

 

Opinies en kritieken over (het gebruiken van) AI

Een aantal kritische blogartikelen van professor Iris van Rooij van Radboud University Nijmegen:

 

Video - The A.I. Dilemma

Onderstaande video is vrij lang (1.07:30) maar zeer de moeite waard bij het vormen van een opinie over AI

 

Actuele ontwikkelingen

 

Visies op de toekomst van en met AI

 

[anchornavigation]