De gids voor generatieve AI in het onderwijs

Do you want to translate this site to English? (Or any other language). Simply use Google Translate Websites

 

🤖

Up-to-date?
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. Wij proberen deze Library Guide zo goed mogelijk up-to-date te houden. Echter, 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.

 🤖

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!

 

Nieuwkomer?
Ben je nog echt een nieuwkomer in generatieve AI? Dan is deze Minileerlijn generatieve AI - Impuls Open Leermateriaal (link loopt dood, wordt onderzocht) met zeven korte video's over AI zeker de moeite waard. Or, in English and 'somewhat' longer: Generative AI for Beginners (microsoft.github.io).

 

Snel naar:

 

Artificiële intelligentie

Onderwijs en AI

AI in Research & Innovation

Generatieve AI Tools

Prompt engineering

Contact, support & bronnen

 

Onlangs toegevoegd

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.

 

Generatieve AI of Gen-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 Library Guide 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, waaronder Bing-chat van Microsoft later omgedoopt tot Copilot, en in januari 2024 kon generatieve AI integraal onderdeel worden van alle Microsoft Office toepassingen. Wel nog tegen een relatief forse prijs: "Vergeleken met een standaard abonnement is de AI Copilot versie bijna twee keer zo duur" (Prijzen Microsoft 365 Copilot bekend. Dit is wat je betaalt én wat je ermee kunt (xafax.nl).

 

In 2024 volgde de ontwikkelingen snel op elkaar: Google introduceerde de chatbot Gemini, tools voor het genereren van muziek en, voorzichtig, video zagen het licht en de chatbots werden steeds verder doorontwikkeld. Op dit moment, juli 2024, is de lancering van Claude.ai de meest recente ontwikkeling.

 

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 Community

 

In de Hanzehogeschool is een actief AI-gebruikersnetwerk, de "Hanze AI Community", 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 de Hanze AI Community? Meld je dan aan via de Teams: Hanze AI Community | Algemeen | Microsoft Teams. In die Teams vind je ook een overzicht van Ai evenementen binnen en buiten de Hanze. 

 

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.

 

 

 

Over dit onderwerp vind je hier drie korte video's. 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, A Generative AI Primer | EDUCAUSE Review en The Surprising Power of Next Word Prediction (georgetown.edu)

 

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.

 

 

Transformers explained

Zoals mw. Koffieboon in bovenstaand filmpje uitlegt, zijn GANs niet de beste keuze als het gaat om taal ("natural language processing" - NLP). Transformers doen het dan beter. In onderstaand filmpje wordt uitgelegd wat Transformers zijn en hoe ze werken.

 

How Neural Networks Work

 

 

 

How Neural Networks Learn

 

 

 

ChatGPT wordt niet veel beter meer. Waar komt dat door? | BNR Nieuwsradio

 

Samenvatting, met dank aan Microsoft Copilot:

De podcastaflevering “ChatGPT wordt niet veel beter meer. Waar komt dat door?” van de serie “Welkom in de AI-fabriek” bespreekt de beperkingen en uitdagingen van ChatGPT. De gast, Pascal Wiggers, lector verantwoorde kunstmatige intelligentie aan de Hogeschool van Amsterdam, legt uit waarom de vooruitgang van ChatGPT lijkt te stagneren.

Enkele kernpunten uit de aflevering zijn:

  • Complexiteit van de technologie: Hoewel ChatGPT indrukwekkend lijkt, is het concept erachter begrijpelijk en geen magie.
  • Beperkingen van huidige modellen: De huidige AI-modellen, zoals ChatGPT, hebben hun grenzen bereikt in termen van verbetering zonder significante veranderingen in de onderliggende technologie.
  • Kosten en middelen: Het onderhouden en verbeteren van dergelijke modellen vereist enorme hoeveelheden rekenkracht en data, wat niet altijd duurzaam is.
  • Toekomstige vooruitzichten: Er wordt gediscussieerd over de mogelijkheden en beperkingen van toekomstige ontwikkelingen in AI en taalmodellen.

 

AI is bevooroordeeld. Wiens schuld is dat? | BNR Nieuwsradio

 

Samenvatting, met dank aan Microsoft Copilot:

De podcastaflevering “AI is bevooroordeeld. Wiens schuld is dat?” uit de serie “Welkom in de AI-fabriek” bespreekt de problematiek van vooroordelen in kunstmatige intelligentie (AI). De gast, Cynthia Liem, onderzoeker op het gebied van betrouwbare en verantwoorde AI aan de TU Delft, gaat in op verschillende aspecten van dit onderwerp.

Enkele belangrijke punten uit de aflevering zijn:

  • Incident met Tay: De aflevering begint met het voorbeeld van Tay, een chatbot van Microsoft die in 2016 binnen 16 uur na lancering moest worden uitgeschakeld vanwege racistische en seksistische uitlatingen. Dit incident illustreert hoe snel vooroordelen in AI-systemen kunnen sluipen.
  • Oorzaken van vooroordelen: Cynthia Liem legt uit dat vooroordelen in AI vaak voortkomen uit de data waarmee de systemen worden getraind. Als de trainingsdata vooroordelen bevatten, zullen de AI-systemen deze overnemen.
  • Gevolgen en lessen: Er wordt besproken welke lessen getrokken kunnen worden uit incidenten zoals Tay, en hoe belangrijk het is om AI-systemen te ontwikkelen die betrouwbaar en verantwoord zijn.
  • Toepassingen en risico’s: De podcast gaat ook in op de bredere implicaties van bevooroordeelde AI in verschillende toepassingen, zoals fraudedetectie en beeldherkenning.

Het is een diepgaande aflevering die de complexiteit en de noodzaak van ethische overwegingen in AI-ontwikkeling benadrukt.

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.
    Overigens blijkt uit onderzoek dat generatieve AI-tools wel een politieke bias hebben: links-liberaal.
     

  • AI is intelligent
    Nee, AI is niet intelligent. Hoewel ze in sommige situaties indrukwekkende resultaten kunnen leveren, zijn ze ook onderhevig aan fouten en kunnen ze onjuiste of misleidende informatie produceren. Zie onderstaand voorbeeld:

 

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.

 

 

 

Original file: Avimanyu786SVG version: Tukijaaliwa, CC BY-SA 4.0, via Wikimedia Commons

 

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.

 

Updates, feedback en aanvullingen welkom bij ai@org,hanze,nl

 

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]