De Universiteit van Amsterdam (UvA) heeft veel interesse in de mogelijkheden van GenAI. Maar studenten mogen het vooralsnog niet gebruiken. Dat weerhoudt onderwijsinnovators binnen de universiteit er niet van om alvast met de technologie te experimenteren binnen een beveiligde omgeving. “Je wilt dat er al kennis en kunde is op het moment dat we GenAI wel mogen inzetten”, zegt Sabine Uijl, interim senior onderwijsinnovator bij de Faculteit der Natuurwetenschappen, Wiskunde en Informatica (FNWI).
Wat zijn de laatste inzichten over de kansen en risico’s van AI in het onderwijs? Hoe organiseer je zoiets en is dit nu zo anders dan andere veranderingen? Wie kijkt er eigenlijk naar zaken als privacy, security, rechtmatigheid en eventuele ethische dilemma’s in de praktijk?
On June 27th, 2024, SURF along with Dutch Hardware Acceleration network organized the third edition of FIRE (FPGA Innovation Research Exchange) workshop. The theme of this edition was about tools and hardware acceleration for AI workloads. The event featured a lineup of discussions centered around cutting-edge computing technologies for AI workload acceleration, showcasing multiple industrial players such as Innatera and Groq as well as developers of HW acceleration platforms such as AMD and Altera. In addition, the workshop featured two keynote talks on future computing platforms dedicated to quantum computing as well as cellular automata.
We recently hosted a Responsible Tech event featuring a world cafe-style activity aimed at enhancing communication of responsible tech values within organisations and institutions.
Recent advancements in AI have reshaped the landscape of automatic speech recognition (ASR). Models like Whisper are praised for their accurate transcriptions. However, questions remain about their performance under atypical conditions. How effective are these systems with dialects, or when capturing speech from children, or non-native speakers? What is their accuracy in environments with multiple speakers or significant background noise? Additionally, handling large volumes of speech data can be challenging in terms of infrastructure. What are the optimal strategies for managing these large-scale transcription tasks in a structured and efficient manner?
Stel je voor: een zaal vol gedreven onderwijsmensen die drie dagen lang hun tanden zetten in de vraag hoe AI het onderwijs kan verbeteren. Klinkt als een recept voor innovatie, toch? Welnu, dat is precies wat er gebeurde tijdens de recente AI Hackathon van de Universiteit Twente en de Nederlandse AI Coalitie. Ik mocht er een inspiratiesessie geven, wat erg leuk was om te doen.
In een landschap waar technologische innovatie vaak sneller gaat dan het beleid, rijst de vraag: hoe zorgen we ervoor dat deze vooruitgang het onderwijs en onderzoek als geheel ten goede komt? Om dit te bereiken, moeten we publieke waarden verankeren in processen, werkwijzen, beleid en strategie binnen onderwijs en onderzoek.
Due to developments in AI, the world of automatic speech recognition (ASR) is rapidly changing. New ASR systems seem to provide overwhelmingly accurate transcription of speech. But how do these systems perform under atypical conditions and in large scale applications?
Een conferentie waarbij technologie en onderwijs bij elkaar komen is de Media & Learning conferentie. Dus ook Learning spaces is een van de themalijnen. Dit jaar organiseren we weer een studiereis voor de Nederlandse deelnemers aan de conferentie in Leuven met een futuring sessie over de Future campus.
