Informatica · Klas 5 VWO · Kunstmatige Intelligentie en Maatschappij · Periode 4

AI en Beslissingen Nemen

Leerlingen bespreken hoe AI-systemen beslissingen nemen en de mogelijke gevolgen daarvan voor mensen en de maatschappij.

• SLO Kerndoelen en Eindtermen
• SLO: Onderbouw - Kunstmatige Intelligentie
• SLO: Onderbouw - Ethiek

Over dit onderwerp

In dit onderwerp maken leerlingen kennis met de manier waarop AI-systemen beslissingen nemen. AI verwerkt grote hoeveelheden data via algoritmes en machine learning-modellen om patronen te herkennen en keuzes te maken, zoals in aanbevelingssystemen voor films of bij het voorspellen van verkeersgedrag in zelfrijdende auto's. Leerlingen analyseren de stappen: data verzamelen, model trainen en beslissing outputten. Dit past bij de SLO-kerndoelen voor kunstmatige intelligentie en ethiek in de onderbouw, en bereidt voor op diepere informatica-concepten.

Ze bespreken voordelen, zoals snellere en nauwkeurigere diagnoses in de zorg of efficiënt verkeersbeheer, en nadelen, waaronder bias in trainingsdata die leidt tot discriminerende uitkomsten. Belangrijke vragen zijn: wie draagt verantwoordelijkheid bij fouten? De ontwikkelaar, de gebruiker of het systeem zelf? Dit stimuleert kritisch denken over de impact op mensen en maatschappij.

Actieve leermethoden werken uitstekend voor dit topic omdat ze leerlingen betrekken bij ethische dilemma's. Door debatten, rollenspellen en casestudies analyseren ze echte voorbeelden, wat abstracte concepten concreet maakt en discussievaardigheden versterkt.

Kernvragen

1. Hoe neemt een AI-systeem een beslissing?
2. Wat zijn de voordelen en nadelen van AI die beslissingen neemt?
3. Wie is verantwoordelijk als een AI-systeem een fout maakt?

Leerdoelen

• Analyseren hoe verschillende AI-modellen (bv. regelgebaseerd, machine learning) tot beslissingen komen op basis van inputdata.
• Evalueren van de potentiële maatschappelijke impact van AI-gestuurde beslissingen in sectoren zoals rechtspraak of arbeidsmarkt.
• Vergelijken van de ethische implicaties van menselijke besluitvorming versus AI-besluitvorming bij complexe dilemma's.
• Identificeren van bronnen van bias in trainingsdata en uitleggen hoe dit leidt tot oneerlijke uitkomsten bij AI-beslissingen.

Voordat je begint

Basisprincipes van Programmeren

Waarom: Leerlingen moeten begrijpen hoe instructies worden uitgevoerd om de werking van algoritmes te kunnen volgen.

Dataverzameling en Representatie

Waarom: Kennis van hoe data wordt verzameld en gestructureerd is essentieel om te begrijpen hoe AI-systemen hiermee werken.

Kernbegrippen

Algoritme	Een reeks instructies of regels die een computer volgt om een specifieke taak uit te voeren of een probleem op te lossen, zoals het nemen van een beslissing.
Machine Learning	Een tak van AI waarbij systemen leren van data zonder expliciet geprogrammeerd te zijn, door patronen te herkennen en voorspellingen te doen.
Bias	Een systematische fout of vooroordeel in data of algoritmes, wat kan leiden tot oneerlijke of discriminerende uitkomsten bij AI-beslissingen.
Verantwoordelijkheid	De plicht om rekenschap af te leggen voor de acties en uitkomsten van een AI-systeem, inclusief wie aansprakelijk is bij fouten.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

AI denkt en redeneert net als mensen.

Wat je in plaats daarvan kunt onderwijzen

AI baseert beslissingen op statistische patronen in data, zonder echt begrip of bewustzijn. Actieve rollenspellen helpen leerlingen het verschil ervaren door AI-beslissingen na te spelen en te vergelijken met menselijke intuïtie.

Veelvoorkomende misvatting

AI-beslissingen zijn altijd objectief en eerlijk.

Wat je in plaats daarvan kunt onderwijzen

Bias in trainingsdata leidt tot oneerlijke uitkomsten, zoals bij gezichtsherkenning. Groepsdiscussies over casussen maken dit zichtbaar en leren leerlingen data-kwaliteit te beoordelen.

Veelvoorkomende misvatting

Bij een AI-fout ligt de verantwoordelijkheid bij de AI zelf.

Wat je in plaats daarvan kunt onderwijzen

Verantwoordelijkheid ligt bij menselijke ontwerpers en gebruikers. Debatten over aansprakelijkheid helpen leerlingen keten van verantwoordelijkheid te doorzien.

Ideeën voor actief leren

Debatcirkel: AI Voordelen vs Nadelen

Verdeel de klas in voor- en tegenstanders van AI-beslissingen in de zorg. Elke groep bereidt drie argumenten voor met voorbeelden. Wissel rollen na 10 minuten en debatteer plenair.

45 min·Kleine groepjes

Rollenspel: AI Fout in de Rechtbank

Leerlingen spelen rollen als AI-ontwikkelaar, slachtoffer en rechter bij een foutieve AI-beslissing. Ze argumenteren over verantwoordelijkheid en noteren conclusies. Bespreken in kring.

50 min·Kleine groepjes

Casestudie Analyse: Zelfrijdende Auto

Geef groepjes een casus over een AI-auto-ongeluk. Ze identificeren data-invoer, beslissingsproces en gevolgen. Presenteren aan de klas met aanbevelingen voor verbetering.

40 min·Kleine groepjes

Beslissingsboom Bouwen: Eenvoudige AI

Individueel of in paren tekenen leerlingen een beslissingsboom voor een AI die leningen goedkeurt. Voeg bias-factoren toe en bespreek ethische implicaties.

30 min·Duo's

Verbinding met de Echte Wereld

• In de rechtspraak gebruiken AI-systemen zoals COMPAS (Correctional Management Profiling Actuarial Standards) risicotaxaties voor recidive, wat discussies oproept over eerlijkheid en bias in strafoplegging.
• Financiële instellingen zetten AI in voor kredietbeoordelingen en fraudedetectie. Een foutieve beslissing kan leiden tot het onterecht weigeren van een lening of het blokkeren van legitieme transacties.
• Zelfrijdende auto's nemen continu beslissingen in complexe verkeerssituaties. De ethische programmering van deze systemen, bijvoorbeeld in een noodsituatie, is cruciaal en onderwerp van intensief debat.

Toetsideeën

Discussievraag

Presenteer de klas een casus waarin een AI een beslissing neemt met negatieve gevolgen (bv. een ontslagbeslissing gebaseerd op algoritmes). Laat leerlingen in kleine groepen discussiëren: Wie is primair verantwoordelijk voor de fout? De programmeur, het bedrijf dat de AI implementeert, of de AI zelf? Waarom?

Uitgangskaart

Geef leerlingen een kaartje met de vraag: 'Noem één voordeel en één nadeel van AI die beslissingen neemt in een specifieke sector (bv. gezondheidszorg, onderwijs). Geef vervolgens een voorbeeld van hoe bias in data tot een oneerlijke uitkomst kan leiden.'

Snelle Controle

Stel leerlingen de vraag: 'Hoe verschilt de manier waarop een AI een beslissing neemt van hoe een mens een beslissing neemt in een vergelijkbare situatie?' Vraag hen om minimaal twee verschillen te noteren en kort toe te lichten.

Veelgestelde vragen

Hoe neemt een AI-systeem een beslissing?

AI verwerkt data via getrainde modellen die patronen herkennen en voorspellingen doen. Bij machine learning leert het algoritme van voorbeelden, zonder menselijk redeneren. Leerlingen kunnen dit visualiseren met eenvoudige beslissingsbomen, wat de black box van AI demystificeert en kritisch denken bevordert.

Wat zijn voordelen en nadelen van AI-beslissingen?

Voordelen zijn snelheid en consistentie, zoals bij medische diagnoses of fraudedetectie. Nadelen omvatten bias en gebrek aan context, leidend tot fouten in gevoelige gebieden als rechtspraak. Discussie helpt leerlingen afwegingen te maken voor maatschappelijke toepassing.

Hoe kan actief leren helpen bij AI en beslissingen nemen?

Actieve methoden zoals debatten en rollenspellen maken abstracte AI-processen tastbaar. Leerlingen ervaren bias en verantwoordelijkheid door simulaties, wat betrokkenheid verhoogt en diep begrip creëert. Casestudies verbinden theorie met praktijk, essentieel voor ethische vorming in VWO.

Wie is verantwoordelijk bij een fout van AI?

Meestal de ontwikkelaar voor slechte data of algoritmes, of de gebruiker voor toepassing. Wetten evolueren, maar AI blijft een tool. Lessen met ethische debatten bereiden leerlingen voor op deze grijze gebieden in de samenleving.