Er zijn steeds meer concrete toepassingen van kunstmatige intelligentie voor het onderwijs. Deze conclusie trekken Els Booij, Wietse van Bruggen en Michael van Weterering na hun bezoek aan de SXSW Interactive conferentie in Austin, Texas. In de nieuwe Kennisnet podcast vertellen zij over de laatste ontwikkelingen op het gebied van kunstmatige intelligentie en robots.

Els Booij, Wietse van Bruggen en Michael van Wetering zijn Kennisnetexperts en houden zich onder andere bezig met het verkennen, analyseren en duiden van nieuwe technologietrends. Ze kijken vooral kritisch naar de toegevoegde waarde van technologie voor (de organisatie van) onderwijs. Op de SXSW Interactive conferentie bezochten zij sessies over kunstmatige intelligentie (artificial intelligence), slimme computers, algoritmen en robots. Welke ontwikkelingen vielen hen op?

Ontwikkeling van slimme robots staat nog in de kinderschoenenSpraakherkenningstechnologie ontwikkelt zich razendsnel, maar de ‘persoonlijke vaardigheden’ van kunstmatige intelligentie staat nog in de kinderschoenen. Echt menselijk lijkend gedrag vertonen ze nog niet. ”Het schrikbeeld van een slimme supercomputer die de mensheid wil uitroeien, is nog steeds science fiction”, concludeert Els Booij. Dit komt doordat slimme robots en computers vooral werken op basis van informatie die wij mensen ze hebben gegeven en geleerd. Ze ontwikkelen zichzelf vanuit de beginsituatie, geprogrammeerd door mensen.

Michael van Wetering vergelijkt de huidige ontwikkeling van kunstmatige intelligentie met de tijd van de Wright Brothers in de luchtvaart: het komt van de grond, maar onbedoeld stort er ook nog wel eens wat neer. De luchtvaart heeft zich daarna in relatief korte tijd zeer sterk ontwikkeld. Experts zeggen dat dit groeiscenario ook voor kunstmatige intelligentie zeer goed mogelijk is.

Profiteren van slimme computers, algoritmen en robots Dagelijks maken we allemaal al gebruik van ‘machine learning. Machine learning is een vorm van intelligentie waarbij computers patronen herkennen, en vervolgens uit die patronen leren. “Een voorbeeld is het gebruik maken van een e-mailprogramma of door het uitvoeren van een zoekopdracht op je telefoon via spraakherkenning. Diensten voor e-mail kunnen bijvoorbeeld zelf spam wegfilteren doordat het systeem, door de grote hoeveelheid e-mail die het verwerkt, kenmerken van spam e-mails heeft leren herkennen” vertelt Wietse van Bruggen.

Binnen het onderwijs zijn al veel oefen- en toetsprogramma’s in gebruik die zich slim aanpassen aan het niveau van de leerling. Michael van Wetering ziet in de nabije toekomst mogelijkheden op het gebied van stelopdrachten. ”Deze zijn essentieel in de taalontwikkeling van leerlingen, maar kosten veel tijd om na te kijken. Tekstanalyse en feedback inspreken en deze om laten zetten naar tekst zou je door middel van kunstmatige intelligentie kunnen uitvoeren. Dit levert de leraar veel tijdwinst op en leerlingen krijgen sneller feedback.” Andere mogelijkheden liggen op het gebied van ‘factcheckers’: slimme computerprogramma’s die uitspraken in film of tekst op waarheid kunnen beoordelen. In het kader van mediawijsheid en kritisch nadenken in een wereld vol alternatieve feiten, is dit een zeer waardevolle toepassing van kunstmatige intelligentie, denkt Els Booij.

Risico’s kunstmatige intelligentie We moeten toe naar een situatie waar we nog steeds begrijpen hoe kunstmatige intelligentie tot een bepaalde conclusie komt, vindt Michael van Wetering. Dat betekent dat deze slimme computers ons op een simpele manier moeten uitleggen hoe ze een heel complexe opdracht hebben uitgevoerd. Op deze manier gaan we niet blind af op de conclusie die kunstmatige intelligentie trekt. Zo wordt kunstmatige intelligentie meer ‘aanvullende intelligentie’ (augmented intelligence), waarbij computers ons helpen bij het maken van de juiste beslissingen, in plaats van dat ze het werk van ons overnemen. Wietse van Bruggen ziet ook nog wel andere gevaren. ”Je kunt kunstmatige intelligentie bijvoorbeeld ook foute dingen aanleren, zodat deze bijvoorbeeld een stopbord als een voorrangsbord interpreteert. Dit soort risico’s worden gelukkig onderkend door vooraanstaande onderzoekers op dit gebied. Zij gaan daarom ook actief aan de slag met dit soort vraagstukken”.

Beluister de podcast met de experts van KennisnetBeluister hieronder de Kennisnet podcast of abonneer je via iTunes op de podcasts van Kennisnet. Op kn.nu/kennisnetpodcast vind je een overzicht van eerdere podcasts.

#95 - Beate Frenkel: Klarere Grenzen ziehen zwischen evidenzbasierter Medizin und alternativen Heilsversprechen - Kompakt