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

Zelfrijdende Auto's en Robots

Leerlingen bespreken de technologie achter zelfrijdende auto's en robots en de ethische vragen die daarbij komen kijken.

• SLO Kerndoelen en Eindtermen
• SLO: Voortgezet onderwijs - Robotica
• SLO: Voortgezet onderwijs - Ethiek

Over dit onderwerp

Zelfrijdende auto's en robots vormen een boeiend onderwerp in de informatica, waar leerlingen de technologie achter sensoren zoals lidar, radar en camera's leren kennen. Ze onderzoeken hoe deze systemen de weg 'zien' door afstanden te meten, objecten te herkennen en voorspellingen te doen over bewegingen van andere voertuigen. Robots voeren al taken uit zoals assembleren in fabrieken of navigeren in magazijnen, maar worstelen met complexe sociale interacties of onverwachte situaties. Dit past perfect bij de SLO-kerndoelen voor robotica en ethiek in het voortgezet onderwijs.

De ethische dimensie komt naar voren in discussies over verantwoordelijkheid: wie is aansprakelijk bij een ongeluk met een zelfrijdende auto, de programmeur, fabrikant of eigenaar? Leerlingen analyseren key questions zoals de grenzen van robotcapaciteiten en morele dilemma's in AI. Dit verbindt technische kennis met maatschappelijke impact, essentieel voor VWO-leerlingen.

Actief leren is ideaal voor dit onderwerp omdat simulaties en debatten abstracte sensorwerking en ethische keuzes tastbaar maken. Door rollenspellen en groepsonderzoeken internaliseren leerlingen complexe concepten en ontwikkelen ze kritisch denken.

Kernvragen

1. Hoe 'ziet' een zelfrijdende auto de weg en andere auto's?
2. Welke taken kunnen robots al uitvoeren en welke nog niet?
3. Wie is verantwoordelijk als een zelfrijdende auto een ongeluk veroorzaakt?

Leerdoelen

• Vergelijk de werking van lidar, radar en camera's in zelfrijdende auto's voor objectdetectie en afstandsbepaling.
• Analyseer de ethische dilemma's rondom aansprakelijkheid bij ongevallen met autonome voertuigen.
• Classificeer de huidige mogelijkheden en beperkingen van robots in diverse industriële en huishoudelijke taken.
• Evalueer de maatschappelijke impact van de toenemende inzet van zelfrijdende technologie en robots.

Voordat je begint

Basisprincipes van programmeren

Waarom: Leerlingen moeten begrijpen hoe instructies aan een computer worden gegeven om de werking van algoritmes in zelfrijdende systemen te kunnen volgen.

Sensoren en dataverzameling

Waarom: Kennis van hoe sensoren data verzamelen is essentieel om te begrijpen hoe een zelfrijdende auto de omgeving waarneemt.

Kernbegrippen

Lidar	Een sensor die afstanden meet met behulp van laserlicht. Het creëert een gedetailleerde 3D-kaart van de omgeving.
Objectherkenning	Het vermogen van een systeem om specifieke objecten, zoals andere auto's, voetgangers of verkeersborden, te identificeren in sensor data.
Aansprakelijkheid	De juridische verantwoordelijkheid voor schade of letsel. Bij zelfrijdende auto's is het onduidelijk wie deze draagt: de programmeur, fabrikant of gebruiker.
Algoritme	Een reeks instructies of regels die een computer volgt om een specifieke taak uit te voeren, zoals het nemen van rijbeslissingen.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

Zelfrijdende auto's zien de weg precies zoals mensen met ogen.

Wat je in plaats daarvan kunt onderwijzen

Auto's gebruiken sensoren voor data, geen visueel begrip; actieve simulaties met sensoren helpen leerlingen het verschil te ervaren. Groepsdiscussies corrigeren dit door vergelijkingen met menselijke waarneming.

Veelvoorkomende misvatting

Robots kunnen alle menselijke taken uitvoeren.

Wat je in plaats daarvan kunt onderwijzen

Robots excelleren in herhaling, maar falen in creativiteit; taakanalyses in kleine groepen onthullen limieten. Peer teaching versterkt begrip van huidige technologie.

Veelvoorkomende misvatting

Bij een ongeluk is de fabrikant altijd verantwoordelijk.

Wat je in plaats daarvan kunt onderwijzen

Verantwoordelijkheid hangt af van context; debatten en rollenspellen laten nuances zien. Actieve methoden stimuleren diepere ethische reflectie.

Ideeën voor actief leren

Simulatiespel: Sensoren in Actie

Geef leerlingen eenvoudige sensoren zoals afstandssensoren en camera's op een robotkit. Ze programmeren de robot om obstakels te detecteren en te ontwijken op een parcours. Sluit af met een debrief over hoe dit lijkt op zelfrijdende auto's.

45 min·Kleine groepjes

Formeel debat: Ethische Dilemma's

Verdeel de klas in teams die voor- en tegenargumenten voorbereiden over verantwoordelijkheid bij ongelukken. Elke team presenteert 3 minuten, gevolgd door kruisvragen. Stem af op key questions.

50 min·Kleine groepjes

Taakanalyse: Robot Capaciteiten

Leerlingen maken een tabel met taken die robots wel en niet kunnen, gebaseerd op video's. Ze bespreken in paren waarom bepaalde taken moeilijk zijn en noteren voorbeelden.

30 min·Duo's

Rollenspel: Ongeluk Scenario

Acteer een ongeval met een zelfrijdende auto; leerlingen spelen rollen als bestuurder, programmeur en jurist. Bespreek na afloop wie verantwoordelijk is en waarom.

40 min·Kleine groepjes

Verbinding met de Echte Wereld

• Automakers zoals Tesla en Waymo ontwikkelen en testen zelfrijdende auto's in specifieke testgebieden, zoals de straten van San Francisco en Phoenix, om hun systemen te valideren.
• Logistieke bedrijven zoals Amazon gebruiken autonome robots in hun distributiecentra om efficiënt goederen te sorteren en te verplaatsen, wat leidt tot snellere leveringen.
• Onderzoeksinstituten zoals TNO werken aan de ethische kaders en veiligheidsstandaarden voor de implementatie van autonome systemen in de maatschappij.

Toetsideeën

Discussievraag

Start een klassengesprek met de vraag: 'Stel, een zelfrijdende auto moet kiezen tussen twee ongelukken: een aanrijding met een groep voetgangers of een botsing met een boom waarbij de inzittende gewond raakt. Welke keuze zou de auto moeten maken en waarom? Wie bepaalt dit?'

Uitgangskaart

Laat leerlingen op een briefje één sensor (lidar, radar, camera) benoemen die een zelfrijdende auto gebruikt. Vraag hen vervolgens om in één zin uit te leggen hoe deze sensor bijdraagt aan het 'zien' van de weg en om één ethisch vraagstuk te formuleren dat hiermee samenhangt.

Snelle Controle

Geef leerlingen een lijst met taken (bijvoorbeeld: koffie zetten, auto besturen, een complex chirurgische ingreep uitvoeren, een doos oppakken). Laat hen per taak aangeven of deze momenteel haalbaar is voor een robot, deels haalbaar is, of nog niet haalbaar is, en motiveer kort hun keuze.

Veelgestelde vragen

Hoe 'ziet' een zelfrijdende auto de weg?

Zelfrijdende auto's combineren lidar voor 3D-kaarten, radar voor beweging en camera's voor objectherkenning. Machine learning algoritmes interpreteren deze data om te navigeren. In lessen kun je dit demonstreren met video's en eenvoudige sensor experimenten, zodat leerlingen de fusie van sensoren begrijpen.

Hoe kan actief leren helpen bij zelfrijdende auto's en robots?

Actief leren activeert begrip door simulaties met sensoren, debatten over ethiek en rollenspellen van ongelukken. Leerlingen ervaren sensorbeperkingen zelf, discussiëren verantwoordelijkheid en analyseren robot taken. Dit maakt abstracte AI concreet, bevordert kritisch denken en koppelt technologie aan maatschappij, passend bij VWO-niveau.

Welke taken kunnen robots al uitvoeren?

Robots assembleren producten, vacüumrobots schoonmaken en drones bezorgen pakketten. Ze blinken uit in voorspelbare, repetitieve taken met sensoren. Lessen met video-analyses en tabellen helpen leerlingen grenzen te herkennen, zoals moeite met onvoorspelbare omgevingen.

Wie is verantwoordelijk bij een ongeluk met een zelfrijdende auto?

Verantwoordelijkheid varieert: programmeur bij softwarefouten, fabrikant bij defecten, eigenaar bij onderhoud. Ethische debatten verkennen dit, met wetten in ontwikkeling. Rollenspellen laten leerlingen morele afwegingen wegen, cruciaal voor informatica-ethiek.