Alles aan 1-Draadje // Is AI het nieuwe roken ?
Large Language Models werken vaak heel goed en kunnen van alles, tot aan het oplossen van bugs en het verzinnen van tentamenvragen. Het heeft enorme gevolgen voor het onderwijs ‘Wat moeten de eindtermen van ons onderwijs nu zijn? Wat moet een student nog weten van statistiek en wiskunde ?
Large Language Models (LLM’s), een soort generatieve AI, getraind op het genereren van enorme datasets, kunnen niet tellen, geven nepverwijzingen en zelfs zelfmoordadviezen. Voor de training van LLM’s gebruiken dubieuze Amerikaanse en Chinese techbedrijven enorme hoeveelheden stroom en data die oneigenlijk zijn verkregen. Met het gebruik van LLM’s geven we bovendien allerlei data weg en schenden we regelmatig de AVG. En toch gebruik ik ze de godganse dag: AI is het nieuwe roken.
Keukenkastjes
LLM’s werken namelijk heel vaak heel goed. Ze verbeteren teksten, vinden nieuwe literatuur, leggen wiskunde uit, zoeken de maten van keukenkastjes op, verzinnen tentamenvragen, lossen bugs in code op, enzovoort. Niet foutloos natuurlijk, maar wel zó goed dat ik me nauwelijks meer kan voorstellen hoe ik nog zonder zou kunnen. Dat een statistisch model zó bruikbaar zou zijn had ik nooit gedacht, en eerlijk gezegd snap ik nog steeds niet helemaal hoe dat kan (mijn eerste wetenschappelijke artikel ging over neurale netwerken van vier nodes).
Ik sta nu opnieuw versteld van de ontwikkeling van autonome programmeerassistenten, oftewel agentic coding. Ik ben op dit gebied geen voorloper en voor sommigen bevat deze column alleen oud nieuws. Maar voor velen geldt dat niet. Naast de early adopters en fanatieke gebruikers, en natuurlijk de tegenstanders van AI in onderzoek en onderwijs, zie ik veel collega’s die het mondjesmaat gebruiken en geen goed beeld hebben van de laatste ontwikkelingen. En die ontwikkelingen moet je wel kennen, als student, docent én als onderzoeker.
Autonoom
De ontwikkeling van autonome programmeerassistenten is een grote stap. Iedereen kan nu in korte tijd en voor weinig geld software ontwikkelen. Tools zoals OpenAI’s Codex, Anthropic’s Claude-modellen en GitHub Copilot kunnen op basis van een in natuurlijke taal opgesteld plan complete softwarepakketten ontwikkelen. Ik heb dat getest door een website te ontwikkelen zonder ook maar één keer naar de code te kijken. De installatie van de benodigde tools kostte vijf minuten.
Met het gebruik van LLM’s geven we bovendien allerlei data weg en schenden we regelmatig de AVG. En toch gebruik ik ze de godganse dag
Mijn plan betrof een spel dat mensen online tegen elkaar moeten kunnen spelen. Dat spel, StrategoChess, een combinatie van stratego en schaken, heb ik in een document van 415 woorden beschreven en in de directory geplaatst waarin deze tools hun gang mochten gaan. Codex vroeg me eerst om wat toelichting (wil je ook een offline modus, moet er een schaakklok bij, enzovoorts) en had daarna binnen enkele minuten een eerste werkende versie klaar. Vervolgens vroeg ik om allerlei verbeteringen, zoals een mooier bord, geluidjes en een betere lay-out, en na een uur of twee was het project min of meer af. De interactie met deze tools is bijzonder efficiënt. Opvallend is vooral hoe goed ze de intentie van het project in de gaten houden en zelf met bruikbare suggesties komen. ‘Ja, doe ook maar,’ zeg ik dan. Voor een goede webprogrammeur is zo’n project vermoedelijk al gauw weken werk. StrategoChess, volgens de maker echt een topspel. Speel maar mee!
Explosie
En dit is nog maar een spelletje. Om mij heen zie ik een explosie van serieuze toepassingen waarbij de bestaande code enorm wordt versneld en teams van gespecialiseerde agents aan grote projecten werken. Een volgende stap is die naar autonome agentsystemen, met behulp van bijvoorbeeld OpenClaw. OpenClaw wacht niet meer op opdrachten, maar gaat grotendeels zijn eigen gang. Ik wacht nog even af hoe goed dat in de praktijk echt bevalt.
Wat betekent dit nu voor ons onderzoek? Iedereen kan nu software ontwikkelen, bijvoorbeeld instrumenten om data te verzamelen. Ook de analyse van data kan door agents worden uitgevoerd. In een tweegesprek over een dataset stellen ze analyses voor, voeren die uit en presenteren desgewenst de resultaten in uitstekende grafieken. Over het meeschrijven door LLM’s is al veel gezegd; mij scheelt het in elk geval veel tijd. Een effect hiervan is dat wetenschappelijke tijdschriften nu veel meer artikelen te verwerken krijgen, en dat is een probleem omdat de bereidheid om te reviewen niet evenredig toeneemt. We moeten maar hopen dat deze ontwikkeling zich uiteindelijk vertaalt in betere, in plaats van simpelweg meer, wetenschappelijke artikelen. Dat is evident een grote uitdaging voor de onderzoeksgemeenschap.
Met de pen
Voor ons onderwijs heeft dit eveneens enorme gevolgen. Wat moeten de eindtermen van ons onderwijs nu zijn? Wat moet een student nog weten van statistiek en wiskunde? In hoeverre moet je nog zelfstandig kunnen programmeren of schrijven zonder zulke tools, met de pen, zogezegd? Tot voor kort hield ik vol dat voor studenten een behoorlijk basisniveau in programmeren vereist was maar nu begin ik te twijfelen. Ook dacht ik dat een jaarlijkse schrijfopdracht in een zaal zonder hulpmiddelen een goed idee was. Nu weet ik het niet meer.
Bron : Folia.NL
https://www.folia.nl/nl/opinie/172393/han-van-der-maas-ai-is-het-nieuwe-roken