Informatica · Klas 6 VWO · Artificial Intelligence en Machine Learning · Periode 4

AI die Leert: Patronen Herkennen

Leerlingen begrijpen op een eenvoudig niveau hoe AI kan 'leren' door patronen te herkennen in grote hoeveelheden gegevens.

• SLO Kerndoelen en Eindtermen
• SLO: Voortgezet onderwijs - Machine Learning
• SLO: Voortgezet onderwijs - Gegevensanalyse

Over dit onderwerp

Technologie is nooit neutraal. In deze module onderzoeken VWO 6-leerlingen de ethische en maatschappelijke impact van informatica. We kijken naar prangende vragen over privacy, algoritmische bias, de macht van tech-giganten en de toekomst van werk in een geautomatiseerde wereld. Dit sluit aan bij de SLO-eindtermen over maatschappij en ethiek, waarbij leerlingen worden uitgedaagd om een onderbouwde mening te vormen over technologische ontwikkelingen.

In de context van de Nederlandse samenleving bespreken we ook de balans tussen veiligheid en vrijheid, en de rol van algoritmes bij de overheid (denk aan de toeslagenaffaire als waarschuwend voorbeeld). Leerlingen leren dat zij als toekomstige makers een verantwoordelijkheid dragen voor de systemen die ze bouwen. Dit onderwerp leent zich bij uitstek voor debatten en socratische gesprekken, waarbij verschillende perspectieven naast elkaar worden gezet.

Kernvragen

1. Hoe kan een computer leren om een kat te herkennen op een foto?
2. Waarom heeft AI veel voorbeelden nodig om te leren?
3. Wat gebeurt er als AI verkeerde voorbeelden krijgt?

Leerdoelen

• Classificeer patronen in een dataset die representatief zijn voor een specifiek object (bijvoorbeeld een kat) op basis van visuele kenmerken.
• Verklaar de rol van 'labeled data' bij het trainen van een AI-model voor patroonherkenning, met verwijzing naar het concept van 'supervised learning'.
• Analyseer de impact van 'bias' in trainingsdata op de prestaties en betrouwbaarheid van een AI-model voor patroonherkenning.
• Evalueer de beperkingen van een AI-model dat getraind is op een beperkte of bevooroordeelde dataset, met voorbeelden van mogelijke foutclassificaties.

Voordat je begint

Basisprincipes van Data en Informatie

Waarom: Leerlingen moeten begrijpen wat data is en hoe deze georganiseerd kan worden om de concepten van datasets en labeling te kunnen volgen.

Algoritmes: Instructies voor de Computer

Waarom: Een basisbegrip van algoritmes helpt leerlingen te zien hoe een computer stap-voor-stap kan 'leren' en beslissingen kan nemen op basis van input.

Kernbegrippen

Patroonherkenning	Het vermogen van een computersysteem om regelmatigheden, structuren of specifieke kenmerken te identificeren in gegevens.
Dataset	Een verzameling van gegevens, vaak gebruikt om machine learning-modellen te trainen en te testen. Voor patroonherkenning bevat dit veel voorbeelden.
Labeling	Het proces waarbij aan elk datapunt in een dataset een categorie of tag wordt toegekend, bijvoorbeeld het labelen van afbeeldingen als 'kat' of 'geen kat'.
Bias (in data)	Systematische vertekening in de trainingsdata die ertoe leidt dat het AI-model oneerlijke of onjuiste voorspellingen doet, bijvoorbeeld door ondervertegenwoordiging van bepaalde groepen.
Supervised Learning	Een type machine learning waarbij het model leert van gelabelde voorbeelden. Het doel is om een functie te leren die input koppelt aan output op basis van de gegeven voorbeelden.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

Algoritmes zijn objectief omdat ze op wiskunde gebaseerd zijn.

Wat je in plaats daarvan kunt onderwijzen

Leg uit dat algoritmes menselijke vooroordelen kunnen overnemen uit de trainingsdata of de keuzes van de ontwerper. Gebruik het voorbeeld van de toeslagenaffaire om te laten zien hoe 'objectieve' systemen onrechtvaardig kunnen uitpakken.

Veelvoorkomende misvatting

Privacy is alleen belangrijk als je iets te verbergen hebt.

Wat je in plaats daarvan kunt onderwijzen

Discussieer over het verschil tussen privacy en geheimhouding. Privacy gaat over autonomie en de machtsbalans tussen individu en staat/bedrijf. Gebruik voorbeelden van 'micro-targeting' om de impact op vrije keuze te tonen.

Ideeën voor actief leren

Formeel debat: De Zelfrijdende Auto

Organiseer een debat over het 'trolley-probleem' toegepast op zelfrijdende auto's. Wie is verantwoordelijk bij een ongeluk: de programmeur, de eigenaar of de fabrikant? Leerlingen moeten hun standpunt onderbouwen met ethische kaders.

45 min·Hele klas

Rollenspel: De Ethische Commissie

Een fictief bedrijf wil een app lanceren die emoties van werknemers analyseert via de webcam. Leerlingen spelen verschillende rollen (CEO, privacy-advocaat, werknemer, vakbond) en moeten beslissen of en onder welke voorwaarden de app er mag komen.

50 min·Kleine groepjes

Gallery Walk: De Toekomst van Werk

Leerlingen maken infographics over hoe AI verschillende beroepen (arts, vrachtwagenchauffeur, kunstenaar) gaat veranderen. Tijdens de walk-through discussiëren ze over de noodzaak van een basisinkomen of omscholing.

40 min·Kleine groepjes

Verbinding met de Echte Wereld

• Beveiligingscamera's in de Rotterdamse haven gebruiken patroonherkenning om verdachte objecten of personen te identificeren, getraind op duizenden uren aan videobeelden van normale en afwijkende situaties.
• Medische diagnostiek, zoals bij het Radboudumc in Nijmegen, maakt gebruik van AI om patronen in röntgenfoto's of scans te herkennen die wijzen op ziektes, getraind op grote hoeveelheden patiëntgegevens.
• Online platforms zoals Bol.com gebruiken patroonherkenning om productaanbevelingen te doen, gebaseerd op het koopgedrag van miljoenen gebruikers die zij analyseren.

Toetsideeën

Uitgangskaart

Geef leerlingen een afbeelding van een dier dat niet in de trainingsdata zat (bijvoorbeeld een hond). Vraag hen: 1. Zal de AI dit dier correct classificeren als 'geen kat'? Waarom wel/niet? 2. Welke aanpassing in de trainingsdata zou de betrouwbaarheid van de AI voor dit soort gevallen kunnen verbeteren?

Discussievraag

Stel de vraag: 'Stel, een AI is getraind om gezichten te herkennen, maar de trainingsdata bevatten voornamelijk foto's van mensen met een lichte huidskleur. Welke problemen kunnen ontstaan bij het herkennen van gezichten van mensen met een donkere huidskleur? Hoe zou je dit probleem proberen op te lossen?'

Snelle Controle

Toon twee sets afbeeldingen: set A met veel variatie (verschillende kattenrassen, achtergronden) en set B met weinig variatie (alleen katten op een witte achtergrond). Vraag: 'Welke set is waarschijnlijk beter om een AI te trainen om katten te herkennen in het wild? Leg uit waarom, met behulp van het concept van 'bias' en 'generaliseerbaarheid'.

Veelgestelde vragen

Hoe beoordeel ik een ethische discussie in de klas?

Focus niet op het 'juiste' antwoord, maar op de kwaliteit van de argumentatie. Gebruik rubrics die kijken naar het gebruik van technische begrippen, het inlevingsvermogen in verschillende stakeholders en de logische consistentie van het betoog.

Hoe kan actieve werkvormen helpen bij ethieklessen?

Rollenspellen dwingen leerlingen om uit hun eigen bubbel te stappen en de wereld door de ogen van een ander te zien. Dit vergroot het begrip van de complexe belangenverstrengeling die vaak optreedt bij technologische innovaties.

Wat is de rol van de AVG (GDPR) in deze module?

De AVG biedt een juridisch kader voor privacy. Het is essentieel dat leerlingen de basisprincipes kennen (zoals dataminimalisatie en doelbinding) om te begrijpen hoe we in Europa proberen de macht van data-verzamelaars in te perken.

Is dit onderwerp niet te 'soft' voor informatica?

Zeker niet. De grootste uitdagingen in de IT van vandaag zijn niet technisch, maar ethisch en maatschappelijk. Een goede VWO-informaticus moet de impact van zijn werk op de samenleving kunnen overzien.