De ontwikkelingen in AI-land gaan razendsnel. Tekst-naar-beeld-generatoren geven ronduit indrukwekkende resultaten waardoor we onze fantasie de vrije loop kunnen laten. Een specifiek beeld in je hoofd? Beschrijf het nauwkeurig met woorden en laat je verrassen door de accurate output van Open-AI’s DALL-E, Midjourney of consorten. Deze systemen combineren neurale netwerken die objecten herkennen met andere die met taal overweg kunnen. De eersten werden getraind op miljarden beelddata, terwijl de laatsten gevoed werden met een gigantische massa tekstuele data waardoor ze een notie kregen van de betekenis van woorden én hun context. Zo kunnen ze nu zowel essays als poëzie schrijven. Allicht zullen we binnenkort aan onze tekstverwerkers naast spellingcontrole ook het automatisch vervolledigen van zinnen tot hele stukken tekst kunnen vragen. Je hoeft daar echter niet op te wachten, want er zijn reeds heel wat online tools waar je zelfs gratis mee aan de slag kan. Dit betekent dat het schrijven van teksten, vertalingen en het maken van presentaties fundamenteel zal veranderen en daarmee ook het leerproces. Leerkrachten en docenten staan dus voor een grote uitdaging, zeker bij de evaluatie van leerlingen.
Vaak wordt er tijdens examens in computerlokalen een beperking gelegd op de middelen die mogen gebruikt worden, maar waar het internet beschikbaar is, liggen de AI-tools voor het grijpen. De Duitse leerkracht Hendrik Haverkamp besloot het daarom over een andere boeg te gooien: zijn studenten mogen voortaan intelligente teksthulpmiddelen gebruiken bij hun opdrachten. Hij hielp hen zelfs met hoe ze dat het best kunnen doen. Wanneer ze een bepaalde stelling moeten uitdiepen, mogen ze hun kernargumenten meteen ingeven op Open-AI’s GPT-3 waarna er sowieso en bijna real time een mooi leesbare tekst uit rolt. Maar hier begint dan pas het echte werk. Welke stukken tekst willen ze behouden, welke gaan ze bewust herwerken en waarom? De output mag dan een literair hoogstandje lijken, de eigenlijke inhoud noopt tot kritisch denken.
De output mag dan een literair hoogstandje lijken, de eigenlijke inhoud noopt tot kritisch denken
Het netwerk maakt gebruik van alles wat het ooit heeft gezien, zowel stilistisch als inhoudelijk, maar die informatie kan ondertussen gedateerd zijn (de laatste grootschalige training dateert van 2019) of stereotypen, hardnekkige mythes en sterk gekleurde politieke opinies bevatten. Daarnaast kan de lijn in de argumentatie ook de mist ingaan, want hoe mooi de woordcombinaties ook klinken, het netwerk heeft nog steeds geen idee waarover het praat en of het geheel dus überhaupt steek houdt. Dit probleem wordt nog groter wanneer men gebruikmaakt van een andere taal dan het Engels, waarvan de trainingsinput meestal veel minder rijk is. De Duitse leerlingen ondervonden dit aan den lijve, waardoor ze vervolgens hun toevlucht namen tot het Engels waarna ze dit resultaat presenteren aan intelligente vertalingsservices zoals Deepl, die veel rijker zijn qua woordgebruik in verschillende talen. Na het volgen van deze weg kan de context van het resultaat dan weer te veel toegespitst zijn op de Engelstalige landen. Zijn studenten geven dan ook aan dat niemand van in het begin tevreden is met de output van de ‘intelligente’ tekstservices, maar dat het hen wel steeds aanzet tot kritisch denken door het lezen van de argumentaties én dat ze de creativiteit in woordenschat en zinsconstructies kunnen smaken, waardoor ze er ook op literair vlak op vooruitgaan. Durft ons onderwijs binnenkort ook de echte digi-sprong te maken?
Schrijf je in op onze nieuwsbrief
En blijf op de hoogte van de laatste inzichten in wetenschap en technologie.