Bloemlezing artikelen AI met relevantie voor leren, opleiden en onderwijs

Er verschijnen zoveel lezenswaardige artikelen over artificiële -kunstmatige- intelligentie, met relevantie voor leren, opleiden en onderwijs, dat ik besloten heb een bloemlezing te schrijven. Deze blogpost vat vier bijdragen over AI kort samen. Wellicht is dit niet de eerste bloemlezing over dit thema, die ik hier publiceer.

Een aantal jaren geleden werden we overspoeld met bijdragen over massive open online courses. Op een gegeven moment heb ik toen verschillende blogposts geschreven waarin ik een aantal publicaties samenvatte. Nu staat AI in het middelpunt van de belangstelling. De verwachtingen ervan zijn weer (te) hoog gespannen. Het is echter wel een technologische trend, en geen hype (MOOCs blijken dat ook niet te zijn).

Waarom onderwijs door een mens?

In Will AI replace university lecturers? Not if we make it clear why humans matter schrijft docent Mark Haw dat universiteiten, docenten en studenten dringend moeten vaststellen waarom het echt belangrijk is dat je onderwijs krijgt van mens van vlees en bloed. Benadruk eens waarom je favoriete docent voor jou het verschil heeft gemaakt. Lezingen kun je -dikwijls- ook door een computer laten verzorgen. Mede dankzij MOOCs beschikken we over data over hoe lerenden leren. Deze data kan gebruikt worden voor het samenstellen van automatische leertrajecten.

Onderwijs is eigenlijk echter eigenlijk een creatieve, verhelderende, gezamenlijke, inspirerende en ‘zielverrijkende’ menselijke activiteit. Dit is niet gemakkelijk te automatiseren. Steeds vaker ontwikkelen we echter onderwijs aan dat ver weg staat van deze prachtige, inspirerende, activiteit. In verband met grootschaligheid kan dergelijk onderwijs ook nauwelijks worden georganiseerd. Het gevolg is dat we onderwijs gaan verzorgen dat wel kan worden geautomatiseerd.

Meer realisme rond AI

Dan Robitzski schrijft in You Have No Idea What Artificial Intelligence Really Does dat de geavanceerde robot Sophia -die van mensen kan leren- niet representatief is voor de huidige stand van zaken rond AI. Bovendien bestaan veel conversaties van Sophia uit scripts.

Highly-publicized projects like Sophia convince us that true AI — human-like and perhaps even conscious — is right around the corner. But in reality, we’re not even close.

Robitzski pleit voor meer realisme als het gaat om onderzoek naar AI. Veel problemen waar AI nog mee te kampen heeft, zijn nog niet op te lossen met de bestaande machine learning technieken. Systemen leren bijvoorbeeld lang niet altijd tijdens het gebruik. AI heeft geen vrije wil, en opereert niet bewust. AI begrijpt nog niet echt wat er vaak gebeurt.

Our best machine learning algorithms are generally just memorizing and running statistical models. To call it “learning” is to anthropomorphize machines that operate on a very different wavelength from our brains.

Volgens de auteur is het problematisch dat we de huidige systemen, met al hun beperkingen, op de markt brengen en ‘hypen’ waardoor het publiek denkt dat we over technologie beschikken die absoluut nog niet gebouwd kan worden. Ook komt het voor dat ontwikkelaars een AI-algoritme maken, en het werk op de achtergrond, dat ze uitvoerden, als de eigen creatieve output van dat algoritme presenteren.

AI is mensenwerk

Cade Metz beschrijft in de New York Times dat je voor AI vooralsnog veel mensen nodig hebt. Mensen die systemen voeden met gecategoriseerde data. Deze data hebben machines nodig om te leren. Dat betekent dus ook dat persoonlijke data door heel veel menselijk ‘handen’ gaat.

Humans, for example, must pinpoint the polyps. The work is vital to the creation of artificial intelligence like self-driving cars, surveillance systems and automated health care.

Volgens Metz wordt dit werk uitgevoerd in centra die op call centra lijken, waar veel mensen tegen een -naar Westerse normen- laag loon gedurende vele uren data invoeren en labellen. Het gaat om massaproductiewerk waarvoor geen ingewikkelde opleiding nodig is. Er wordt ook geklaagd over slechte arbeidsomstandigheden en arbeidsvoorwaarden.

Ethisch kompas voor AI

De laatste bijdrage in deze bloemlezing heeft nauw met het vorige artikel te maken. Volgens Ovetta Sampson en Michael Chapman hebben we bij AI namelijk een ethisch kompas nodig. Zij formuleren vier principes voor een dergelijk kompas.

  1. Data zijn niet waar. Data zijn door mensen gegenereerd, gecreëerd, verzameld, enzovoorts. De resultaten zijn vaak onvolledig, en het proces van het analyseren ervan kan een rommelig proces zijn.
  2. Ga niet uit van de wenselijkheid van AI. Omdat AI iets kan doen, wil dat niet zeggen dat je het ook moet willen.
  3. Respecteer privacy en het collectieve goed. Leg je zelf hierbij een hoge standaard op. Houd hier bij het ontwerp al rekening mee.
  4. Onbedoelde gevolgen van AI zijn mogelijkheden voor ontwerp. Het is input voor verbeteringen van je ontwerp.

This content is published under the Attribution 3.0 Unported license.

Wilfred Rubens (1964) currently works as an independent consultant on technology enhanced learning. He provides advice, keynotes, presentations, workshops and classes about technology enhanced learning. Wilfred has been professionally involved in e-learning for more than 20 years. For more than 13 years he blogs about ICT and learning. June 2013 he published a book about elearning trends and developments (in Dutch). Recently he was co-author of a book about social learning. Wilfred is also one of the editors of the Dutch portal e-learning.nl, member of the advisory board of the anual Dutch Next Learning conference and member of the advisory board of the ONLINE EDUCA BERLIN. wilfred@wilfredrubens.com http://www.wilfredrubens.com

Tags: , ,
Top

%d bloggers liken dit: