Nu de AI-revolutie aan kracht lijkt te winnen, is het voor bedrijven erg belangrijk om hun kans niet te missen om zich hierbij aan te sluiten, of misschien zelfs deze transformatie te leiden. Bij Sigli willen wij jullie helpen een concurrentievoordeel te behalen door uit te leggen hoe je de kracht van deze technologie kunt benutten.Bekijk hier de volledige Innovantage-aflevering met Vasil Simanionak.In de tweede aflevering van de Innovantage-podcast sprak Max Golikov met Vasil, de Chief Delivery Officer bij Sigli, een persoon die al lang gefascineerd was door AI voordat het beschikbaar werd voor een breed publiek. Deze sfeer zag er compleet anders uit dan doorsnee computing, wat het voor hem enorm interessant maakte. Geïnspireerd door films als Terminator en Star Trek, koos Vasil AI als zijn hoofdvak.In een gesprek met Max deelde Vasil zijn visie op het verleden, heden en de toekomst van kunstmatige intelligentie en noemde hij de taak die hij nooit aan AI zal delegeren.In ons artikel hebben we de meest interessante ideeën uit deze discussie verzameld en we hopen dat je ze inzichtelijk zult vinden.AI: Toen alles begonHet zou volkomen onjuist zijn om te zeggen dat AI samen met ChatGPT of 1–2 jaar eerder verscheen. In werkelijkheid zijn sommige producten die door AI van dit of dat type worden aangestuurd, al vrij lang geleden ontwikkeld.De eerste expertsystemen werden ongeveer 50 jaar geleden geleverd en ze waren al een voorbeeld van een zeer beperkte AI. Hun mogelijkheden en use cases waren natuurlijk nogal beperkt.Zulke systemen hadden bijvoorbeeld door een advocaat in specifieke gevallen kunnen worden gebruikt. Advocaten moeten hun cliënten vaak standaardvragen stellen, zoals de geboorteplaats, de geboortedatum, de woonplaats, enz. Op basis van de antwoorden op deze vragen kan een expertsysteem een ​​document voorbereiden dat vervolgens aan bepaalde autoriteiten wordt voorgelegd of voor andere doeleinden wordt gebruikt.Dus wat zijn expertsystemen? Ze kunnen worden gedefinieerd als vroege vormen van AI die vertrouwen op een reeks regels die door menselijke experts worden verstrekt om beslissingen te nemen of problemen binnen een specifiek domein op te lossen.De ontwikkeling van deze oplossingen is gerelateerd aan gebruikelijke coderingsdingen, omdat dergelijke dingen zijn gebaseerd op voorwaarden zoals “Als iets — Doe dan iets”. De belangrijkste taak en uitdaging in dit geval is om de juiste regels te definiëren. Dit betekent dat menselijke experts die aan deze regels werken, de specificiteit van alle gerelateerde processen diepgaand moeten begrijpen.Is ChatGPT een voorbeeld van AI?De volgende fase van AI-ontwikkeling is iets dat in ons moderne begrip als AI wordt beschouwd.Terwijl expertsystemen moeilijk te begrijpen waren voor het grote publiek en ze alleen een specifiek, beperkt gebruik hadden, is alles anders met ChatGPT-achtige modellen. Ze hebben enorm veel publieke aandacht gekregen en ze zijn voor iedereen beschikbaar. Deze oplossingen stellen gebruikers in staat om vragen in te voeren en duidelijke resultaten te krijgen.Als we het over dat soort systemen hebben, zal in de meeste gevallen ChatGPT worden genoemd en dat is een voorbeeld van uitstekende marketing en branding.De meeste mensen beschouwen ChatGPT absoluut als AI. Maar is dat waar? Terwijl we het daarover hadden, benadrukte Vasil dat het juiste antwoord afhangt van ons perspectief en exacte begrip van kunstmatige intelligentie.Aan de ene kant hebben grote taalmodellen (LLM’s) geen gezond verstand, maar ze kunnen wel gegevens verwerken. Ze zijn gebouwd op neurale netwerken die het menselijk brein nabootsen.Een neuron heeft bijvoorbeeld één input en één output. Als de eerste input wordt geactiveerd, wordt er een output geactiveerd. In netwerken worden neuronen in miljoenen lagen geplaatst. Gebruikers moeten een input doen en wachten op een output. Zo werken ze.Als het gaat om deep learning met LLM’s, definiëren we niet het onderliggende model om deze data te verwerken. We definiëren gewoon een soort infrastructuur met het neurale netwerk waar we veel neuronen hebben en die op verschillende lagen met elkaar verbonden zijn.We geven data en verwachten het resultaat. Maar zelfs een maker van dit model heeft geen idee hoe een LLM zal antwoorden.Vanwege de enorme invloed van de media wordt tegenwoordig algemeen aangenomen dat deze ChatGPT-achtige oplossingen echte AI zijn, ondanks enkele beperkingen in hun mogelijkheden.De basis: Wat is AI?AI is een enorme set van alles wat te maken heeft met iets dat machines kunnen doen, vergelijkbaar met wat mensen kunnen doen. Natuurlijk kunnen mensen rekenen, maar een rekenmachine is geen AI-oplossing. We kunnen dus zeggen dat machines in de context van AI iets net zo goed moeten doen als mensen, of misschien zelfs beter.Ondanks alle aspiraties rondom AI is het nog steeds een hulpmiddel, geen andere soort of zoiets.Verschillende niveaus van AITegenwoordig kunnen we verschillende modellen (of niveaus) van AI definiëren. Ze verschillen niet alleen van elkaar in hun functionaliteit, maar ook in de manier waarop ze met data omgaan. Laten we ze kort samenvatten.ExpertsystemenZoals hierboven beschreven, werken expertsystemen niet echt met data. Deze systemen zijn mooie, eenvoudige hulpmiddelen, maar ze geven je niet de indruk dat je met intelligentie te maken hebt.ML-modellenML-systemen werken met wat data, maar er zijn geen strikte regels. Ingenieurs en analisten definiëren het model van hoe deze data verzameld en verwerkt moet worden. Dus we hebben controle over hoe de oplossing met onze data zal werken. We plaatsen deze data in dit model en we controleren hoe we het moeten gebruiken.Een goed voorbeeld hiervan is een ML-aangedreven app voor de vastgoedmarkt. Je kunt verschillende parameters invoeren, zoals de grootte van een appartement en de locatie, terwijl een app de prijs berekent op basis van de parameters.Grote taalmodellenTekstmodellen zijn de eenvoudigste van dit soort. Ze werken op de tekstinvoer en kunnen deze tekst omzetten in een nieuwe. Hier kan hun werk worden vergeleken met het werk van programmeurs die vereisten moeten omzetten in code.Wanneer een output die door het model wordt aangeboden niet goed genoeg is, kan een gebruiker feedback geven. Op die manier kan een model worden getraind om betere outputs te garanderen.Bovendien wordt er veel gesproken over de kwaliteit van de data die voor training wordt gebruikt en hun oorsprong, zoals of ze legaal of illegaal zijn verkregen en gebruikt. Daarover is echter nog steeds geen eenduidige mening.Word AI het einde van de mensheid?Dat is een van de vragen die misschien heel controversieel en soms zelfs een beetje naïef klinkt, maar het is echt interessant hoe AI-experts hierop antwoorden. Vasil gaf een behoorlijk verontrustend antwoord. Hij zei dat alles afhangt van ons gedrag. Toch is het geen reden om te zoeken naar manieren om zo vriendelijk mogelijk te zijn voor AI om te overleven. Het is gewoon een reden om dit aspect wat dieper te bestuderen.Volgens Vasil is er een mogelijkheid dat AI de mensheid zal uitroeien, en er is ook een mogelijkheid om buiten een dinosaurus te zien. Maar toch, het is slechts een mogelijkheid.Onze toekomst, en onze kansen om in leven te blijven, zullen afhangen van hoe AI-aangedreven oplossingen, inclusief LLM’s, zullen worden ontworpen en hoe we ze zullen gebruiken.Als we een ChatGPT-achtige oplossing met het internet laten communiceren, zal deze vrij complexe taken kunnen uitvoeren. Het zal bijvoorbeeld in staat zijn om een ​​website te starten, een domein te kopen (als je het wat geld geeft) en een no-code of low-code platform te creëren.Zelfs een LLM kan interacteren met de echte wereld en echte AI kan een mens niet alleen in tekstuele gesprekken, maar ook in livestreams, enorm nabootsen. Als je ooit video’s hebt gezien met levensechte sprekende gezichten die zijn gegenereerd door Microsoft’s VASA, weet je dat ze heel overtuigend kunnen zijn.Kan AI de wereld overnemen? Theoretisch gezien wel. Maar alleen als een mens het dit laat doen.Dagelijkse toepassingen van AI voor echte bedrijvenIn het gesprek met Max noemde Vasil verschillende voorbeelden van veelgebruikte zakelijke use cases van AI.· Contentgeneratie.AI kan ook in talloze situaties worden toegepast wanneer het wat input van de gebruiker kan gebruiken en op basis daarvan een soort content kan maken. AI kan een goede tekst voor je e-mail opstellen, zelfs als je maar een paar opsommingstekens hebt.· Samenvatting maken.AI kan een goed hulpmiddel zijn bij het opnemen van de content die door iemand anders is gemaakt. Stel dat je bijvoorbeeld voor dat je een PDF-bestand van 20 pagina’s hebt en je een algemeen begrip van de inhoud ervan moet krijgen, hoeveel tijd heb je dan nodig? Wat als dit document 200, 2000 of 20.000 pagina’s bevat? AI kan het verwerken en je veel sneller een snelle samenvatting bieden dan welke mens dan ook. Wat hier nog verrassender is, is dat voor AI 20.000 pagina’s en 20 pagina’s precies hetzelfde zijn.· Ondersteunende diensten.AI wordt niet moe, raakt niet afgeleid en heeft geen slechte dagen. Het heeft geen emoties — en dat is zijn win-factor. Daarom moet je niet aarzelen om zoveel mogelijk vragen aan AI te stellen. Het zal niet geïrriteerd raken. Vasil gaf toe dat hij dit in zijn dagelijkse werk ook doet om zoveel mogelijk relevante informatie te krijgen. Bij tests met mensen bleek AI beleefder en toleranter te zijn. Daarom kunnen door AI aangestuurde apps een goede keuze zijn voor eerste lijn ondersteuningsdiensten die algemene problemen en veelvoorkomende vragen behandelen voordat ze doorgaan naar gespecialiseerde hulp.AI is altijd bereid om te helpen en kan de tijd die nodig is om een ​​klant te beantwoorden verkorten. In deze context is het echter belangrijk om een ​​financiële factor niet weg te laten. Als je bijna echte klantenondersteuning wilt die praktisch zonder menselijke deelname functioneert, zal dit duurder uitpakken dan het inhuren van menselijke specialisten.Hoeveel kost het om AI te implementeren?De kosten van dergelijke projecten kunnen sterk variëren op basis van verschillende factoren en parameters. De basisinfrastructuur voor modellen zoals ChatGPT vertegenwoordigt bijvoorbeeld een groot aantal grafische verwerkingseenheden of GPU’s. Deze gespecialiseerde hardware is essentieel voor het verwerken van complexe berekeningen, evenals voor het trainen en uitvoeren van AI-modellen.Daarom is het noodzakelijk om de kosten van GPU-huurservices van bijvoorbeeld Nvidia of Microsoft te berekenen. Zij hebben verschillende abonnementsmodellen die aan verschillende behoeften kunnen voldoen.Bovendien kan je kiezen voor on-premises infrastructuur en alle vereiste software- en hardwarebronnen binnen de fysieke locatie vinden. Dit model zal ook gepaard gaan met enkele extra kosten.Als we kijken naar het gebruik van AI-modellen, zullen we hier ook verschillende scenario’s hebben.Vasil merkte op dat in het geval van het gebruik van een commercieel model wanneer je de AI niet hoeft te trainen, de kosten van één query een paar cent zullen zijn. Wanneer je echter de oplossing moet trainen en verfijnen, zal het een heel ander verhaal zijn. De prijs zal aanzienlijk hoger zijn en het is erg lastig om deze te definiëren.Het is ook cruciaal om in gedachten te houden dat je met LLM’s niet voor elke query een 100% correct resultaat kunt verwachten. Daarom kunnen er meerdere interacties nodig zijn om het gewenste resultaat te krijgen.In ieder geval werkt het principe van de kwaliteitsverhouding hier vrij goed. Hoe groter je investering is, hoe beter het resultaat dat je kunt verwachten. Je moet echter toegeven dat het geen menselijk resultaat zal zijn. Gezien dit, moeten bedrijven een balans vinden tussen het bedrag dat ze bereid zijn te betalen en de kwaliteit die ze zullen accepteren.Toekomst van AI: Zal ​​het menselijke experts vervangen?Toen ze het over de toekomst hadden, waren Max en Vasil het erover eens dat technologieën te snel veranderen. Het is erg moeilijk om voorspellingen te doen voor meer dan 5 jaar.Volgens Vasil kunnen ChatGPT en soortgelijke oplossingen in de nabije toekomst echter geweldige persoonlijke assistenten worden. Het gebruik van dergelijke assistenten kan veel verder gaan dan puur zakelijke toepassingen. Ze kunnen bijvoorbeeld de gezondheid van gebruikers controleren, herinneringen sturen en veel andere taken uitvoeren die het leven van mensen beter maken.Een ander interessant en veelbelovend gebied van AI-gebruik is communicatie, wat erg belangrijk is in het bedrijfsleven.Laten we toegeven dat we allemaal verschillende opvattingen hebben over sommige dingen, zelfs als we dezelfde taal spreken. Door AI aangestuurde persoonlijke assistenten kunnen ervoor zorgen dat onze gedachten op een goede manier door anderen kunnen worden waargenomen.ChatGPT-achtige systemen kunnen onze ideeën vertalen naar grotere definities die uitgebreider zijn voor anderen. Ze zullen dienen als bruggen tussen mensen, omdat ze niet alleen woorden één voor één kunnen vertalen. Ze kunnen vertalen wat er werkelijk wordt gezegd.Dat is een positieve kant van hun implementatie. Toch is er ook een negatieve: sommige vertalers kunnen hun baan verliezen.Wanneer is een mens beter dan AI?Een van de belangrijkste kwesties over AI die Vasil benadrukt, is dat je niet altijd kunt controleren of ChatGPT je iets biedt dat waar is of niet. Daarom is het volgens hem absoluut niet het beste idee om op AI te vertrouwen bij het uitleggen van iets aan kinderen. Hier is een mens een onbetwiste leider (vooral als het om je eigen kind gaat).Natuurlijk zijn er oplossingen zoals Google’s Gemini. In dit geval zijn antwoorden googlebaar en kun je de bron van informatie zien. Toch kan AI de context waarin een kind dit of een vraag kan stellen, niet volledig begrijpen. Bovendien is menselijke interactie iets dat we allemaal nodig hebben.Welke vaardigheden zijn essentieel in het AI-tijdperk?Tijdens hun gesprek raakten Max en Vasil ook een heel belangrijk onderwerp aan over de vaardigheden die tegenwoordig vereist zijn.Vroeger waren leraren en boeken de bronnen van de waarheid voor de jonge generatie. Toen kwam het internet erbij. Nu is alles behoorlijk onduidelijk.Welke bronnen kunnen worden vertrouwd? Wie kunnen we geloven?Daarom is het voor een nieuwe generatie erg belangrijk om het vermogen te ontwikkelen om de bron van gegevens te controleren en te begrijpen of deze betrouwbaar is. Een mens kan goed zijn in sommige dingen, maar kan in andere dingen volledig fout zitten. Gezien dit is het cruciaal om kritisch te denken en te zien wie en wanneer we kunnen vertrouwen.Terwijl ze het hadden over de waarde van AI, benadrukten Max en Vasil ook het belang van menselijke verbinding en persoonlijke touch in communicatie. Dit zijn dingen die we zelfs in het tijdperk van AI en significante digitale transformaties moeten behouden.Als je meer wilt weten over AI, de huidige rol ervan voor bedrijven en de toekomstige vooruitzichten, mis dan onze volgende afleveringen van de Innovantage-podcast, gehost door Max Golikov, niet.

AI is een buzzword geworden. Maar hoe veel weten we eigenlijk over AI? Kunnen we de nieuwe kansen die het ons biedt volledig benutten? Om dieper in dit onderwerp te duiken en AI transparanter te maken voor iedereen, hebben we de Innovantage -podcast gelanceerd. In deze serie van verschillende afleveringen spreekt Sigli’s CBDO Max Golikov met AI-experts die hun professionele mening delen over hoe AI de wereld om ons heen transformeert.Onze eerste gast is Dominik Lukes , System Technology Officer bij Oxford, die het Reading and Writing Innovation Lab runt. Dominik onderzoekt de mogelijkheden van kunstmatige intelligentie al sinds begin jaren 90, lang voordat de wereld bekend raakte met ChatGPT.In deze aflevering van de Innovantage -podcast bespraken Max en Dominik de impact van AI op de onderwijssector en het potentieel om de academische omgeving te revolutioneren. Daarnaast bespreken ze de basisprincipes van generatieve AI, het werkprincipe van LLM’s (Large Language Models) en zelfs de waarschijnlijkheid van een AI-Apocalyps.Bekijk hier de volledige Innovantage -aflevering met Dominik: https://youtu.be/7b4v6xnRDLI?si=8B4e_zuhnsKyrPwg&utm_source=medium&utm_medium=cpcHeb je nu geen tijd om het te bekijken? Wij hebben een korte samenvatting voor je gemaakt!Belangrijke termen die je moet kennenLaten we eerst kort de belangrijkste termen uitleggen die betrekking hebben op het onderwerp.Elke AI-tool is gebaseerd op een model, en een model is een set parameters. Deze parameters zorgen er namelijk voor dat als je iets in een model stopt, het je iets teruggeeft.De modellen die in ChatGPT en vergelijkbare oplossingen worden gebruikt, zijn modellen die taal en tekst genereren.Wat zijn LLM’s?Maar wat bedoelen we met “ Large Language Models ” ( LLM’s )? Wat maakt ze groot?De gratis versie van ChatGPT die op dit moment beschikbaar is, vertrouwt op een corpus, oftewel een collectie, van ongeveer een half biljoen woorden, wat een enorm aantal is. Wat GPT-4 betreft, heeft OpenAI geen precieze cijfers bekendgemaakt. Maar toen Meta een nieuw Large Language Model genaamd Lama3 uitbracht, zeiden ze dat het vooraf was getraind op meer dan 15T tokens die allemaal waren verzameld uit openbaar beschikbare bronnen.Hoe groter het corpus is dat je voor de pre-training gebruikt, hoe hoger de kwaliteit is die je kunt verwachten.Er zijn ook parameters die moeten worden toegepast om de modellen te laten werken. Er zijn kleine modellen met 8 miljard parameters, terwijl grote modellen er honderden miljarden hebben.Waarom moet je AI-modellen vooraf trainen?Een interessant en belangrijke doorbraak in AI was dat het niet meer nodig is om AI voor elke taak apart te trainen. Je kunt al deze 15 biljoen tokens nemen en een model met een aantal basis cognitieve capaciteiten pre-trainen.Na de pre-training is het tijd voor fine-tuning, wat ervoor zorgt dat je model andere dingen doet. Bedrijven zijn constant bezig met het fine-tunen van de modellen. Daarom veranderen de modellen. Bijvoorbeeld, iets dat vorige maand werkte, werkt deze maand misschien niet meer en vice versa.Om de gewenste resultaten te behalen, moeten de gegevens die worden gebruikt voor pre-training ‘’schoon’’ zijn en zorgvuldig worden geselecteerd binnen de mogelijkheden van het algoritme. Het model moet worden voorgetraind en vervolgens worden verfijnd voor een bepaald doel. En dat is een van de dingen die de AI-oplossing beter zal laten werken.Hoe werken AI-modellen?Het werk van AI-modellen kan worden vergeleken met een regressiecurve, wat een soort voorspellingscurve is. Hoewel sommige van zulke modellen werken op frequenties en gebeurtenissen. Wat ze binnenin hebben, zijn gewichten en relaties.Dominik vergeleek zulke modellen met semantische machines. Ze zijn dus semantisch in de zin dat ze relaties tussen dingen begrijpen, maar ze zijn niet semantisch in de zin dat ze de wereld buiten zichzelf begrijpen.GPT: Wat is het?Heb je er ooit over nagedacht wat deze afkorting kan betekenen? Eigenlijk staan deze drie letters voor wat we zojuist hebben uitgelegd over het werk van zulke modellen.G staat voor Generatieve. Dit betekent dat het model tekst kan genereren.P staat voor Pre-trained. Dit betekent dat het model vooraf getraind moet worden op een groot corpus aan data om patronen, grammatica, feiten over de wereld te leren en om wat redeneervermogen te krijgen.T staat voor Transformer. Dit verwijst naar de onderliggende architectuur van het model dat wordt gebruikt voor natuurlijke taalverwerking.AI-hallucinatiesAls je ooit met LLM’s hebt gewerkt, heb je waarschijnlijk gemerkt dat ze soms onjuiste antwoorden kunnen geven of iets kunnen “verzinnen” dat eigenlijk niet bestaat. Dat betekent dat deze modellen ondanks enorme verbeteringen nog steeds kunnen hallucineren.Het kan gebeuren omdat modellen worden getraind op data. Ze leren voorspellingen te doen door patronen in de data te vinden. Niettemin kan een AI-model, vanwege bevooroordeelde of onvolledige data, onjuiste patronen leren die resulteren in verkeerde voorspellingen.Hoe AI beter kan werkenHelaas kunnen AI-modellen ons niet leren hoe we correct met hen moeten communiceren. En laten we eerlijk zijn, interactie met AI is niet hetzelfde als communiceren met een persoon.Je moet voorbereid zijn op een “achtbaan”. Dat betekent dat AI-tools soms veel verder kunnen gaan dan je verwachtingen, maar ook dat de uitkomsten soms teleurstellend voor je kunnen zijn.Om betere resultaten te behalen, moet je experimenteren, verschillende prompts uitproberen en uw eigen aanpak ontwikkelen om de AI de gewenste taken te laten uitvoeren.Niet alleen door ChatGPT: AI-aangedreven tools die nu worden gebruiktToen ChatGPT in november 2022 openbaar werd gemaakt, zorgde het vrijwel direct voor enorme hype. Laten we eerlijk zijn, in de massaperceptie is ChatGPT een synoniem geworden voor generatieve AI. Toch is dat verre van waar. Tegenwoordig zijn er enorm veel verschillende tools, waarvan de functionaliteit sterk kan verschillen van wat ChatGPT biedt.Allereerst kan je jouw kennismaking met AI beginnen met de zogenaamde Big Four. Naast ChatGPT van OpenAI omvat het ook:Claude door Anthropic;Gemini (voorheen bekend als Bard) door Google;Copilot van Microsoft.Mensen gebruiken deze populaire modellen om verschillende tools te bouwen.Elicit is bijvoorbeeld zo’n tool die je kan helpen met je onderzoek. Het kan zoeken naar papers en er informatie uit halen. Natuurlijk moet je het nog steeds controleren, maar je krijgt echt een goede draft.Er zijn ook projecten die de mogelijkheden van de vrijgegeven coding IDE van GPT’s benutten. Het stelt mensen in staat om bijvoorbeeld aangepaste bots te maken binnen ChatGPT of Copilot.Door gebruik te maken van API’s is het mogelijk om oplossingen te bouwen buiten deze platformen.Volgens Dominik bevinden we ons momenteel in een stadium waarin iedereen probeert te zien wat AI nu voor ons kan doen. Maar we beginnen ook te onderzoeken wat het in de toekomst voor ons kan doen en wat de mogelijkheden zijn.Zeer gerespecteerde onderwijsinstellingen zoals Oxford ontdekken ook actief het potentieel van AI, samen met de rest van de wereld. Dominik vertelde dat ze experimenteren met ChatGPT, de enterprise-versie, integraties met Copilot en andere innovatieve tools die worden aangestuurd door AI.Voor onderzoekers is het in dit geval van groot belang om te begrijpen wat studenten van verschillende oplossingen vinden, wat ze nuttig vinden en hoe ze kunnen profiteren van de integratie van AI in de leeromgeving.Dominik deelde ook zijn persoonlijke gedachten. Volgens hem is Claude een goede tool voor educatieve doeleinden. Het kan omgaan met lange context. Het betekent dat je het hele academische artikel kunt uploaden en het kunt vragen om je een samenvatting te geven of om specifieke informatie in de tekst te vinden. Deze functie maakt Claude anders dan ChatGPT en kan niet alleen zeer nuttig zijn voor studenten of professoren, maar ook voor bedrijven.Huiswerk is dood. Maar hoe zit het met onderwijs zelf?Als het gaat om onderwijs en de veranderingen die AI heeft gebracht (en in de toekomst zal brengen), maken veel mensen zich zorgen over de mogelijkheid om het kennisniveau van studenten te controleren. En hun standpunt is vrij duidelijk, bijvoorbeeld, vroeger was het format van thuisexamens behoorlijk populair. Studenten kregen opdrachten en moesten die thuis doen. Nu we zoveel AI-aangedreven tools tot onze beschikking hebben, kunnen zulke taken volkomen nutteloos zijn.Het is duidelijk dat je er niet langer op kunt vertrouwen dat alle studenten die hun essays inleveren, hun werk volledig zelf hebben geschreven. Dingen als compositie, spelling, grammatica en andere objectieve punten waar professoren voor zorgen, kunnen worden gecontroleerd en verbeterd door AI-oplossingen. Natuurlijk zijn ze nog lang niet perfect als het gaat om onderzoek en diepgaande analyse. Dat is echter iets dat we in het verschiet hebben.Sommige docenten proberen zogenaamde AI-checkers toe te passen waarvan verwacht wordt dat ze door AI gegenereerde content detecteren. Toch beweren AI-experts dat er vandaag de dag geen betrouwbare tools zijn die dergelijke content met 100% precisie kunnen identificeren. Er zijn verschillende grote en kleine modellen en ze genereren content op verschillende manieren. Bovendien zijn hun outputs sterk afhankelijk van prompts. Als gevolg hiervan kunnen we de resultaten die door deze checkers worden getoond niet vertrouwen.Hoe AI wordt geïntegreerd in het academische proces in OxfordMaar hoe kunnen docenten studenten motiveren om nieuwe stof te leren als zelfs hun huiswerk met behulp van kunstmatige intelligentie kan worden gemaakt?Professoren in Oxford hebben hun eigen benadering van het academische proces, wat een goede oplossing kan zijn voor veel onderwijsinstellingen. Een groot deel van de onderwijsactiviteiten vindt plaats in kleine groepen. Dat betekent dat studenten veel discussies hebben. Dus als ze papers inleveren, moeten ze er ook achteraf over praten.Wat betreft examens in Oxford, veel van hun examens vinden plaats in een bewaakte omgeving. Zo kunnen professoren zien wat de studenten gebruiken.Dominik is behoorlijk optimistisch over de integratie van AI in het onderwijsproces. Hoewel het nog te vroeg is om te spreken over de massale adoptie ervan, zal de verdere implementatie ervan zeker doorgaan. En de taak voor zowel docenten als studenten is om de beste manier te vinden om kunstmatige intelligentie te gebruiken voor hun behoeften.AI voor leraren: hoe je het nu kunt gebruikenMax en Dominik bespraken ook de toepassingsmogelijkheden van AI door docenten.Dominik deelde hier een eenvoudig principe van het werken met AI-oplossingen: je moet het juiste vragen van de juiste tool. ChatGPT kan bijvoorbeeld heel goed zijn in het uitleggen van wiskundige termen en concepten, maar het is heel slecht in het berekenen en oplossen van wiskundige taken.Soortgelijke dingen kunnen worden waargenomen in andere disciplines. Taaldocenten kunnen enorm profiteren van het vermogen van AI om meerkeuzetoetsen te maken voor studenten over een tekst of een grammaticale eigenschap. En hier kan AI perfect omgaan met dergelijke taken.Als je een AI-model echter vraagt om grammaticaoefeningen te maken waarbij je de lege plekken moet invullen, moet je geen hoge verwachtingen hebben. In dat geval kan AI de verkeerde optie aanbieden of de verkeerde gaten opvullen waar iets moet worden toegevoegd. Als je AI vraagt om je een voorbeeld te geven van een grammaticafunctie, krijg je vaak een antwoord dat je niet bevalt. Maar als AI een tekst voor je genereert, zal het zulke fouten niet maken.AI-generatie vereist nog steeds sterk menselijk toezicht, net als een stagiair. Het kan voor je werken, maar je moet nog steeds de geleverde resultaten controleren.Vaardigheden voor toekomstige studenten om met AI te werkenDe onderwijsomgeving verandert. Hoe kunnen we ons voorbereiden op deze AI-verrijkte wereld? Zijn er specifieke vaardigheden die mensen moeten proberen te ontwikkelen om beter te kunnen werken met de nieuw geïntroduceerde tools?Bij het beantwoorden van deze vragen benadrukte Dominik dat het onmogelijk is om een precieze set vaardigheden te noemen.Hier is een lijst met aanbevelingen van iemand die al jaren met AI werkt:Blijf ontdekken.Blijf het proberen.En denk niet dat als je een AI een paar keer hebt gebruikt, je de volledige grenzen van de mogelijkheden hebt verkend.Misschien vinden professionals over een jaar of twee wel wat vaardigheden die je moet kennen, maar nu nog niet. Er is niet één beste tool of de beste skillset die je in de academische omgeving kunt gebruiken, en ook niet in welke andere ruimte dan ook.AI voor mensen met een beperking: kan het mensen helpen barrières te overwinnen?Als we het over AI hebben, is het ook interessant om te zien dat zulke tools de kwaliteit van leven kunnen veranderen voor mensen met verschillende soorten beperkingen. En hier is het de moeite waard om niet alleen aandacht te besteden aan wat zulke oplossingen kunnen bieden in de educatieve context, maar ook in de context van dagelijkse taken.Hulpmiddelen als schermlezers of tekst-naar-spraakoplossingen kunnen zeer nuttig zijn voor mensen met verschillende soorten audiovisuele beperkingen. Het is mogelijk om elke willekeurige webpagina te kiezen en AI te vragen om uit te spreken wat er staat of wordt getoond. Met andere woorden, zelfs als iemand iets niet zelf kan lezen of zien, kan AI het. Natuurlijk zijn onnauwkeurige outputs veroorzaakt door AI-hallucinaties nog steeds mogelijk. Maar dat is al een grote stap voorwaarts.AI kan ook van grote hulp zijn voor mensen die moeite hebben met schrijven en typen vanwege dyslexie of andere problemen. In dit geval kunnen mensen vertrouwen op spraak-naar-tekstfuncties, evenals op AI-gestuurde grammatica- en spellingscontrole.Daarom zeggen we dat kunstmatige intelligentie mensen veel dingen kan bieden die ze voorheen niet konden.Toen hij het had over de mogelijkheden van AI om de bestaande grenzen voor mensen te verleggen, noemde Dominik ook dat het niet spreken van Engels vandaag de dag al een enorme beperking is. Degenen die deze taal niet kennen, zijn afgesloten van een groot deel van de wereld, vooral als het gaat om leren. Veel materialen worden alleen in het Engels aangeboden. En hier kan AI ook zijn kracht tonen. Je hoeft niet te wachten tot dit of dat onderzoek in je moedertaal is vertaald. Je kunt AI vragen het voor je te doen en snel een resultaat krijgen.En… Is een AI-Apocalyps onvermijdelijk?Laten we eerlijk tegen je zijn. Dat is gewoon een opvallende subkop. Terwijl sommige mensen proberen te raden wat er in het hoofd van GPT omgaat, weten experts als Dominik het antwoord al. Niets. Er gebeurt werkelijk niets in het hoofd van GPT tot het moment dat we een vraag naar de chatbot sturen.Wij leren voortdurend, zelfs als we slapen verandert ons brein.Grote taalmodellen, en andere AI-aangedreven tools, kunnen niet denken zoals wij. Ze verkennen de wereld om hen heen niet. Als er geen verzoeken van gebruikers zijn, zitten zulke modellen stil, net als een blob van getallen op je harde schijf. Dat betekent dat we ons volkomen veilig moeten voelen.In plaats van het laatste woordDe AI-industrie ontwikkelt zich in een enorm tempo. Zelfs een paar maanden kunnen indrukwekkende veranderingen met zich meebrengen, en een half jaar voelt als een sprong in een nieuw tijdperk. Daarom is het praktisch onmogelijk om te voorspellen wat er gaat gebeuren en wanneer. Laten we dus afwachten hoe AI-tools zich binnenkort zullen ontwikkelen en hoe onderwijs en andere sferen door deze veranderingen worden beïnvloed.Op zoek naar meer inzichten uit de wereld van AI? Volg ons op YouTube, like onze video’s, stel vragen in de comments en mis de volgende afleveringen van de Innovantage -podcast gehost door Max Golikov vooral niet!