ChatGPT - Wat ga je voor ons doen in het onderwijs?

Vorige week sprak ik een oud-klasgenoot die vertelde dat het schrijven van mooie SEO teksten door de AI beter gaat dan door een ghostwriter. Opvallend, maar logisch dat algoritmes snel tientallen bronnen bij elkaar vinden over een onderwerp en daar slim een mooie samenvatting van weten te schrijven.

Goedkoper om AI (ro)bots in dienst te nemen?
Waar je toch gemiddeld 0,17 Eurocent per woord voor ghostwriters betaald en voor de A.I vandaag de dag met tal van demo-accounts nog niets, is het voor veel MKB bedrijven, maar vooral studenten de moeite waard om schoolwerk te laten schrijven door AI en die daarna waar nodig te redigeren. Scheelt al gauw een week een ander inhuren als je zelf het onderwerp niet genoeg boeit en je de tijdsbesparing ziet zitten.

Kosten van AI algoritmes?
Na mijn 3 maanden trial op Dall-e, kreeg ik een melding dat ik een pakket kon afnemen. Het werkt zo: je betaald naar de wens in complexiteit, wil je een kinderboek of een matig schilderij betaal je een honderdste van een cent tot 1 cent per woord of AI kunstwerk, wil je complexer, en dus meer data versleurende zoekopdrachten om er wat geloofwaardigers op jouw niveau uit te krijgen betaal je ongeveer een halve cent per woord. Ook printwerk van kunstwerken gemaakt vanuit foto's van jou of van je huisdier wordt geautomatiseerd door MyPrint.ai (Gebaseerd op Stable diffusion of DiffusionBee). Het opvragen van 100-150 foto's kost zo'n 3 euro aan AI dataverwerking om de kunstwerken te maken, waar je van een echte kunstenaar op de markt al gauw 15-30 euro betaald en een uur stil moet zitten om een mooi plaatje te krijgen.

De meeste docenten en studenten gebruikte deze maand OpenAI chat voor saaie terugkerende taken, als een gedichtje schrijven voor sinterklaas suprise, of het schrijven van een leuke kerstgroet.  Maar wie weet wat er achter de schermen in het PO al aan mooie boekverslagen worden opgeleverd, en in het VO wat voor mooie samenvattingen nu al geschreven worden over de tweede wereldoorlog, want ook dat kan hij goed.

Betrouwbaarheid
Natuurlijk is AI, in alle systemen op het begin slechts 10-20% nauwkeurig in zijn antwoorden. Weet jij nog toen je tegen Siri, Alexa en Google begon te schreeuwen als hij het na 5 keer nog niet door had naar welk adres je wilde navigeren, welk nummer je wil afspelen op Spotify of welke app je wilde openen op je smart TV? Dat begon in 2016 ook pas met een nauwkeurigheid van 60% in vlot Engels native uitspraken, laat staan in het Nederlands, wat dan al gauw slechts 10% nauwkeurigheid had en daardoor ook pas heel laat werd ondersteund om mensen niet hun smart speaker uit het raam te moeten laten gooien...

De komende 5 jaar super nauwkeurig?
Door te trainen met mensen kan het gaandeweg richting een 99.9% nauwkeurigheid werken. En de meeste bedrijven hebben daardoor zelf een nauwkeurigheidstestronde gedaan en met eigen experimenten van honderden zoekresultaten bepalen ze wat ze voldoende kwaliteit vinden om het bloot te stellen aan de markt, sommige enkel B2B zoals Morpheus.video om bedrijven, filmmakers, scholen, nieuwskanalen te helpen met de generatie van een automatisch gedubte video met lip synchronisatie vanuit foto of video(loop) in taal naar keuze. Andere zijn wat minder angstig en presenteren hem als experiment aan iedereen om vrij te gebruiken, bijvoorbeeld voor onderzoeksdoelen. Nu zijn sociale bots zoals ChatAI ook niet gepresenteerd als alleskunners, de volgende beperkingen spelen er nu nog, die lastig te kraken zijn voor de developers.

Beperkingen volgens de website van ChatGPT
"ChatGPT schrijft soms plausibel klinkende maar onjuiste of onzinnige antwoorden. Het oplossen van dit probleem is een uitdaging, omdat:

(1) tijdens RL-training er momenteel geen bron van waarheid is;
(2) het trainen van het model om voorzichtiger te zijn zorgt ervoor dat het vragen weigert die het correct kan beantwoorden; en
(3) training onder toezicht misleidt het model omdat het ideale antwoord afhangt van wat het model weet, in plaats van wat de menselijke demonstrator weet.

ChatGPT is gevoelig voor aanpassingen aan de invoerfrasering of het meerdere keren proberen van dezelfde prompt. Bij één formulering van een vraag kan het model bijvoorbeeld beweren het antwoord niet te weten, maar bij een kleine herformulering correct antwoorden.

Het model is vaak overdreven uitgebreid en gebruikt bepaalde zinnen te veel, zoals herhalen dat het een taalmodel is dat is getraind door OpenAI. Deze problemen komen voort uit vertekeningen in de trainingsgegevens (trainers geven de voorkeur aan langere antwoorden die er uitgebreider uitzien) en bekende problemen met overoptimalisatie.
Idealiter zou het model verhelderende vragen stellen wanneer de gebruiker een dubbelzinnige vraag stelt. In plaats daarvan raden onze huidige modellen meestal wat de gebruiker bedoelde.

Hoewel we ons best hebben gedaan om het model ongepaste verzoeken te laten weigeren, reageert het soms op schadelijke instructies of vertoont het bevooroordeeld gedrag. We gebruiken de Moderatie-API om bepaalde soorten onveilige inhoud te waarschuwen of te blokkeren, maar we verwachten dat deze voorlopig een aantal valse negatieven en positieven zal hebben. We willen graag gebruikersfeedback verzamelen om ons te helpen bij ons voortdurende werk om dit systeem te verbeteren."

De eerste functionele functies voor de student en docent
Dat brengt ons op het volgende punt. Waar in het onderwijs en leerproces is A.I al handig. In eerste opzicht is het handig voor copyright free werken, dus als je als student geen bronvermeldingen en APA stijlen hoeft te gebruiken. Denk hierbij aan het genereren van kaften en slide afbeeldingen, die nu al binnen de A.I van powerpoint worden aanbevolen en met Dall-e een authentiek beeld geven voor je werkstukken.
Daarnaast zal het veel gebruikt worden om lezen van grote hoofdstukken voor jouw samen te vatten.

Samenvattingen om kennis in het hoofd te stampen?
Iets waar natuurlijk tig van betaalde diensten voor waren, waar studenten nog altijd hun samenvattingen van boeken op delen zoals op Scholieren.com, Stuvia, of Studocu. Sommige van deze zijn gratis, andere bieden studenten betaald aan. Hoe beter je daarin wordt in het schrijven van de samenvattingen hoe meer je in je studententijd met toch al geleverd werk bij kan verdienen. Ondanks docenten en hun samenvattingsmaterialen ook massaal verkocht worden van docenten is het "onhoudbaar om het allemaal te controleren", volgens de oprichters van Studocu. Laat staan als het dan ook nog even door Quilbot wordt gehaald om het te herschrijven in andere woorden. 

Begin van de open leermateriaal revolutie
De trend open access zet daarnaast dus gestaag door. Democratiseren van open leermaterialen is ook iets waar het internet, ongeacht op welk platform de beste plek voor is en om heel de wereld op hetzelfde kennisniveau te brengen is toch iets waar het hart van vele docenten sneller van gaat kloppen, lezen we in het NOS artikel ''Daarbij komt dat niet iedere docent het erg vindt dat onderwijsmateriaal wordt geüpload. "Deze sites maken inbreuk op het auteursrecht, maar voorzien kennelijk wel in een behoefte waarin de universiteit zelf niet in voorziet". Ook ziet les deelplatform LessonUp sinds de pandemie al dat 1.4 miljoen lessen zijn gedeeld onderling onder alle lagen van het onderwijs.

Dat brengt ons bij een bestaansrecht vraagstuk. Als land staan we bekend om onze kenniseconomie, waar nog maar een handjevol mensen in het land niet in de kenniseconomie branche werken is dit voor studenten die we opleiden wel een vraagstuk waar ze met hun zuur verdiende diploma's nog voor krijgen. Voor het leer en documenteerwerk wat ze geleverd hebben om kenniswerker te worden?

Waarschijnlijk moeten we niet meer de vraag gaan stellen aan studenten wat ze later willen worden. Maar welke complexe vraagstukken, zoals de SDGs ze graag zouden willen leren oplossen. En daarmee welke vragen ze dan moeten leren stellen aan het algoritme om de kennis en de experts te vinden om zo snel mogelijk die vraag te leren kraken. Dit lijkt mij meer een positief scenario met een hoeveelheid aan verschillende databronnen, een bizarre grote opgave voor alle landen om nieuwe duurzame systemen te bedenken die de economie circulair maken. De banenmotor zal zoals we nu ook al zien, steeds meer werk verschaffen in het vinden van oplossingen voor de 50% uitstoot reductie in de gebouwde omgeving, productieindustrie en logistieke sector, waardoor nu al massaal mensen (zowel bedrijven als particulieren) op zoek zijn naar bouwvakkers die goed zijn in isoleren, huizen voorzien van klimaatsystemen (warmtepompen, zonnepanelen en wat erna komt).

Als we studenten opleiden om de scenarioschrijvers te worden van een gezonde toekomstige samenleving kan de A.I aan hun zijde een handig hulpmiddel worden. Wat DOA's (decentrale autonome organisaties) daarin gaan betekenen lijkt mij een goed onderwerp voor een volgend artikel. Vanuit wat nu al kan kunnen we beredeneren, maar ook vanuit de wat-als vraag, aangezien technologisch alles inmiddels mogelijk is, de uitdaging is voornamelijk hoe we de technologie inzetten om slimmer te leren samenwerken en te organiseren, om sociale innovatie te bewerkstelligen.

Daarvoor lijkt het mij ook goed als we meerdere meetups en blogs over AI in het onderwijs zoals deze van de VU en de inzichten uit de AI hackathon van SURF en de NL AI Coalitie, hieronder in een reactie met elkaar delen. Zodat we kunnen beginnen met crowdsourcen van volgende stappen met AI in het onderwijs zoals die algoritmes al zo goed kunnen ;)

Bedankt voor het lezen en het meedenken over de WHY, HOW, WHAT van onderwijs in de komende jaren voor ons.

#TheSingularityIsNear