Al het (hoger) onderwijs moet doceren hoe AI echt werkt
Het debat over het gebruik van AI in het onderwijs woedt al tijden hevig. Aan de ene kant waarschuwt een kamp dat AI leerlingen dommer maakt, en dat we haar daarom uit het klaslokaal moeten weren. Aan de andere kant staat een club die juist de kansen van AI in het onderwijs benadrukt – zoals extra ondersteuning van docenten en studenten leren werken met een technologie die onderdeel zal zijn van hun toekomst.
In beide denklijnen zit een kern van waarheid: AI biedt zowel een kans op beter onderwijs (als ondersteuning van een docent) als het risico op uitholling (van onze eigen cognitieve vaardigheden). Toch mist er nog een denklijn in dit debat. We bediscussiëren namelijk steeds of (en hoe) studenten mét AI moeten leren werken, maar vergeten systematisch om ons af te vragen of ze moeten leren hoe AI zélf werkt.
Dat is een serieuze omissie. AI is namelijk meer dan een ondersteunende technologie (die we alleen maar zouden hoeven leren te gebruiken). AI maakt het namelijk ook mogelijk om fundamenteel nieuwe kennis en mogelijkheden te ontsluiten in vrijwel elk vakgebied.
Een goed voorbeeld daarvan is AlphaFold: een AI-model dat de 3D-vorm van biologische eiwitten met hoge zekerheid kan voorspellen. Deze ontwikkeling biedt gigantische nieuwe mogelijkheden in de biochemie, bijvoorbeeld voor de ontwikkeling van nieuwe medicijnen. Niet voor niets ontvingen de AI-onderzoekers die het model ontwikkelden vorig jaar al de Nobelprijs voor de Scheikunde.
Kunstmatige intelligentie kan dus ook inhoudelijke vooruitgang in andere vakgebieden faciliteren. Om dat soort mogelijkheden te zien moeten studenten in zo’n vakgebied echter eerst tot op zekere hoogte snappen wat AI wel én niet kan – en daarvoor is het niet afdoende als je de technologie alleen maar hebt leren gebruiken.
De situatie is op een bepaalde manier vergelijkbaar met de rol die de statistiek speelt in ons hoger onderwijs. Het curriculum van veel studies bevat immers ook een of twee vakken statistiek. Niet omdat iedereen een volledige statisticus moet worden, maar omdat basale statistische kennis het mogelijk maakt vooruitgang in het eigen veld te analyseren en/of implementeren.
Die blik moeten we nu doortrekken naar de positionering van AI in het (hoger) onderwijs. De potentie verschilt uiteraard per vakgebied, maar veel curricula zouden profiteren van een of twee inleidende vakken in de kunstmatige intelligentie. Het materiaal daarvan kan zich uiteraard toespitsen op het eigen vakgebied, zodat studenten leren bepalen welke kansen AI wel en niet biedt in hun eigen expertise.
Interessant genoeg zouden we daarmee twee vliegen in één klap kunnen slaan. Hoe beter je als student immers leert begrijpen hoe AI zelf werkt, hoe beter je automatisch leert overzien hoe je haar effectief en veilig (als ondersteuning) gebruikt. Met andere woorden: we hoeven veel minder onderwijs te geven in het gebruik van AI, als we in plaats daarvan eens gaan uitleggen hoe zij eigenlijk werkt. Het is dan ook tijd dat onderwijs over de werking van AI een plaats krijgt in ons hele (hoger) onderwijs.