Artificial Intelligence (AI)

Theorie, toepassingen en tools; mogelijkheden, dilemma’s en risico’s

Deze cursus AI geeft een inleiding op het brede terrein van Kunstmatige Intelligentie waarbij speciale aandacht wordt besteed aan het gebruik van data en de werking van algoritmes, toegelicht aan de hand van concrete voorbeelden. Een beperkt aantal wiskundige uitstapjes (nodig om de precieze werking van AI-algoritmes te kunnen doorgronden) wordt daarbij intuïtief toegelicht, zodat (ook) cursisten met weinig of geen wiskundekennis een basisbegrip krijgen hoe hedendaagse AI-toepassingen zoals ook ChatGPT mogelijk zijn. Voorts wordt toegelicht hoe om te gaan met de ethisch-maatschappelijke uitdagingen van goed AI-gebruik. Na afloop worden cursisten in staat geacht om de hedendaagse ontwikkelingen en discussies rond AI beter te duiden.

De eerste colleges betreffen met name algemene basisconcepten van en ontwikkelingen in het complexe domein Kunstmatige Intelligentie, inclusief succesverhalen en regelmatige terugval, ook verduidelijkt aan de hand van voorbeelden. 

Geleidelijk aan komt de focus meer op Machine Learning te liggen, de huidige meest succesvolle stroming binnen AI, en gaan we wat meer de diepte in met uitleg van concrete werking van allerlei algoritmes. Eerst wordt kort toegelicht hoe computers werken: hoe zij data en informatie verwerken. Daarna volgt hoe zij met behulp van AI-programma’s en modellen kunnen ordenen, redeneren en leren. Ook kunnen ze herkennen, classificeren, communiceren, voorspellen, teksten genereren en zelfs muziek componeren. Waar de achterliggende wiskunde te moeilijk is, of blijkt te zijn, wordt volstaan met het geven van intuïtief beeld. 

We staan daarna, samenvattend, stil bij de, uit bovenstaande voortvloeiende, technische uitdagingen en dilemma’s voor de data science/machine learning engineer. 
Als we op basis van dit alles eenmaal begrijpen hoe diverse algoritmes concreet werken en worden toegepast gaan we terug naar het globalere niveau en staan we stil bij maatschappelijke uitdagingen voor goed AI-gebruik.

Voorlopige leerstofomschrijving: 

College 1: Voorstelrondje, doel van de cursus, praktische zaken, definities van AI, de semantic triangle, geschiedenis en deelgebieden van AI, voorbeeld-toepassingen.

College 2: Waarom klassieke, op logica gebaseerde, AI strandde. Werking van computers. Start Machine Learning:  verschillen en overeenkomsten tussen data science en statistiek, data, (AI-)algoritmes, de onzin van objectiviteit, het begrip inductive bias, en basisuitleg van een eerste algoritme (inductie van beslisbomen).

College 3: Uitleg in meer detail van beslisbomen-inductie. Ook aandacht voor random forest en het k-nearest neighbour algoritme. De begrippen under- en overfitting.

College 4: Lijst van hedendaagse AI-toepassingen. De begrippen data, informatie, kennis en wijsheid. Start neurale netwerken. Voorbeeld gebruik van beschikbare AI-tool waarmee modellen uit data kunnen worden geïnduceerd. Toelichting werking Naive Bayes classifier.

College 5: Voortzetting neurale netwerken. Validatie van geleerde modellen. Start uitleg werking ChatGPT.

College 6: ChatGPT in meer detail. Voorbeelden van andere generatieve AI-modellen voor tekst-, muziek- en filmcreatie.

College 7: Genetische algoritmes en particle swarm optimization, toegelicht aan de hand van concrete voorbeelden. Technische dilemma’s van data science/machine learning engineers.

College 8: Mieren algoritmes en fuzzy systems (of ander AI-deelgebied, in overleg met cursisten).

College 9: Maatschappelijke aspecten: gebruik en misbruik door grote IT-bedrijven, gebruik algoritmes door de overheid, en wettelijke ontwikkelingen in Nederland, Europa en daarbuiten. AI-gebruik als risico management vraagstuk.

College 10: Handvatten voor adequaat AI-gebruik. Slotconclusies behandelde lesstof. Discussie en feedback.