Tag Archives: AI

Demystificatie van AI op OWD22

Op De Onderwijsdagen vertelt Bertine van Deijzen over AI. Zij geeft aan waarom er zo’n zweem van mystiek omheen hangt: Er is geen goede definitie van kunstmatige intelligentie én er is een verschuiving van wat we ‘intelligent’ vinden. Op een bepaalde manier helpt het wel demystificatie: ons begrip neemt toe en de schaakcomputers uit 1995 vinden we geen AI meer. Ook de media maakt soms de keus om een bepaald ‘frame’ van AI mee te geven (zoals robots nemen de wereld over etc). Al met al reden dus voor wat meer realiteitsbesef.

Ze moedigt aan om de term AI dan ook te ‘schrappen’ en te vervangen door Intelligente Technologie en de definitie van de WRR zoals de onderwijsraad deze onlangs gebruikte in het rapport “Inzet van intelligente technologie”:

“Systemen die intelligent gedrag vertonen door hun omgeving te analyseren en – met enige graad van autonomie – actie te ondernemen om specifieke doelen te bereiken”.

Bertine geeft praktische voorbeelden van AI binnen de context van onderwijs, op verschillende niveaus:

AI in de klas: leren met AI

  • Perusall: systeem om samen te annoteren,
  • Vera, een chatbot met expertkennis.
  • Alphafold: voor het voorspellen van proteïne structuren. Heel specifiek dus, maar wel een goed voorbeeld van wat er op ons af komt. Want talloze beroepsgroepen introduceren straks AI en verwachten dit ook in de opleidingen.
  • Leerlevels: voor het voorbereiden van lesmateriaal.

AI in de instelling: Jill Watson, chatbot voor het beantwoorden van vragen.

AI van buitenaf: Die we niet zozeer vanuit onderwijs vragen maar wel op ons afkomen ….

  • Photomath: voor het oplossen van wiskunde vragen.
  • Duolingo: voor het aanleren van een taal.
  • GPT3: voor het genereren van tekst op basis van een stukje start-tekst (de ‘prompt’).

Bertine geeft dus veel voorbeelden van de praktische ‘instrumentele’ waarde van AI in onderwijs, wat helpt bij demystificatie moet ik zeggen. Tips die we meekrijgen om een beter beeld bij AIED (AI in Education) te krijgen:

Disclaimer: deze blog is een persoonlijke indruk van de sessie.

Een technorealistische visie op artificiële intelligentie voor leren en doceren – #owd19

Een hele mond vol, maar omdat ik tot nu toe de ontwikkelingen voor artificiële intelligentie vooral passief volgde, bezocht ik deze sessie op de Surf Onderwijsdagen. Silvester Draaijer (VU) laat ons balanceren tussen techno-pessimisme en techno-optimisme belooft de sessiebeschrijving. Silvester betrekt het snel op toetsing, waar ik eerder over blogde.

Omdat er voor AI allerlei definities rondzwerven formuleert Silvester 2 vragen bij elk “AI” systeem: Zijn ze autonoom en adaptief? Oftewel kunnen ze zelfstandig werken en passen ze zich aan omstandigheden aan? Vervolgens is hij kritisch als iemand spreekt over “AI” in het onderwijs. Een chatbot maakt onderwijs nog niet “AI”. Hij stelt zelfs dat bij het doceren en leren zelf geen AI komt kijken, alleen bij toetsen. Skinner verzon dit al met “oefen-machines”. Vroege vormen van AI, volgens Silvester althans. Moderne vormen zijn de Rekentuin en de Taalzee.

Hij vervolgt met allerlei voorbeelden van systemen die het leren en oefenen ondersteunen of onze hersenen kunnen ‘uitlezen’. Silvester spreekt enthousiast en weet te prikkelen. Aangezien ik AI tot nu toe passief volgde kan ik inhoudelijk niet helemaal beoordelen hoe steekhoudend alle stellingen zijn. Ik miste wel duiding: Wat is nou precies een techno-realistische kijk op AI volgens hem? Hoe kun je dat überhaupt weten? Hoe vind ik balans tussen hype-jachtigheid en doom-neerslachtigheid? Pas in de vragen ging Silvester in op ethische aspecten.

Daarnaast zit er iets ironisch in: met kunstmatige intelligentie natuurlijke intelligentie ontwikkelen.

Drones in de Kassen

Ik ben vandaag te gast bij Lentiz voor de 40ste saMBO-ICT Conferentie. Hans Ligtenberg en Maartje Bakker (Applied Drone Innovations) geven de tweede keynote. InHolland heeft een opleiding met daarin een kruisbestuiving (haha) tussen technologie, biologie en bedrijfskunde. Ze hebben er een award mee gewonnen. Luchtvaart-expertise verbinden met landbouw-expertise kent nu eenmaal zo z’n uitdagingen.

Vliegen binnen in kassen heeft als voordeel dat je niet hoeft te voldoen aan strengere beveiligingsmaatregelen. Nadeel is dat je niet op GPS kunt vliegen, aangezien kasconstructies dit stoort. Het gaat dan om kassen waar voetbalvelden vol potplanten groeien en inspectie behoeven met hoge precisie (Eye in the Sky). De kassen worden groter, de gevolgen van ziekte of schimmels zijn groter en het monitoren van je gewas is niet meer af te doen met een wandelingetje. Als één plant een ziekte verspreid naar 60 hectare tomaten dan is de schade enorm.

Het werken met drones wordt gecombineerd met sensorinformatie en kunstmatige intelligentie om zo de hele groei van voedsel in goede banen te leiden. Het hele systeem geeft vervolgens aan welke plantjes weggehaald moeten worden. Eigenlijk kantelt de hele sector van ervaring-gedreven-industrie naar data-gedreven-industrie.

Voor de toekomst ziet men een doorontwikkeling naar bijvoorbeeld precisie-pesticide-distributie en managementinformatie over groei en ziektes etc.

Ik moest even wennen aan deze keynote en het duurde een tijd voor ik door had wat de lijn van het verhaal was. Het ging eerst vooral over hoe een groep jonge studenten innovatief een startup bouwen, met de ambitie “Google-van-tuinbouw” zijn. Daarna werd uitgelegd hoe technologie tuinders en het telen van gewassen helpt. Illustratief hoe beroepen veranderen door technologie en indirect een aanmoediging om beroepsopleidingen te moderniseren en zo relevant te blijven. Overigens wel een afwisseling van trendwatchers en ict-guru’s.

Artificial Intelligence op #samboict

Vandaag ben ik te gast bij het KW1C voor de 39ste saMBO-ICT Conferentie. De keynote van het middagprogramma wordt gegeven door Eric Postma. hoogleraar AI verbonden
aan Tilburg University en de Jheronimus Academy of Data Science met als specialisatie Beeld- en signaal-analyse en deep learning.

Hij start met historie:

  • Alan Turing als grondlegger van moderne computers.
  • Symbolische AI (1980 tot 2000): Als je maar genoeg kennis in een systeem stopt en combineert met “Als-Dan regels” dan krijg je intelligentie, was de gedachte. Dit was natuurlijk een beperkte aanpak, aangezien intelligentie ook gebaseerd is op ‘impliciete kennis’. In deze tijd ontstonden schaakcomputers.
  • Sub-symbolische AI (1988 -2016): Kennis vergaren werkt met voorbeelden. In deze tijd ontstonden systemen voor grootschalige patroonherkenning (objecten op foto herkennen etc).
  • Deep Learning (vanaf 2012): Intelligente systemen krijgen we door de werking van de hersenen na te bootsen. Systemen met zogenaamde neurale netwerken. Ook deze werken met grote sets voorbeeldmateriaal om te trainen.

Wat zit er nu achter de AI Revolutie? Want de ideeën bestaan al decennia. Er is meer data, meer gelabelde data en meer computerkracht die ineens tot doorbraken leidt. Eric geeft leuke toepassingen zoals het automatisch inkleuren van klassieke zwart-wit filmpjes, het automatisch labelen van grote hoeveelheden media in archieven, het verscherpen van vage foto’s, ondertiteling op basis van liplezen en natuurlijk het autonoom laten bewegen van auto’s en drones. Tegenvaller is wel dat er “deep-fakes” mogelijk zijn: systemen die synthetische spraak combineren met video van iemand, op zo’n manier dat het authentiek lijkt te zijn.

Beperkingen zijn er nog zeker wel: patroonherkenning is namelijk een vorm van ‘associatie’ en nog steeds geen echt begrip.

Eric spreekt enthousiast en heeft een genuanceerd verhaal. De stap naar onderwijs of de concrete toepassingen daarvoor mocht wat mij betreft net iets meer uitwerking.