1.2 AI: Neurale netwerken en data - niveau 2

1.2 AI: Neurale netwerken en data - niveau 2

Voorbereiding

Welkom bij je lessen over artificiële intelligentie (AI)!

AI is overal om je heen. Het zit verborgen in de apps die je gebruikt, de games die je speelt, en de filmpjes die je ziet. Maar wat is AI precies en hoe werkt het?

In deze lessen duiken we in de wereld van AI. Je leert hoe AI slim wordt en hoe het keuzes maakt. Je leert ook hoe je AI kunt gebruiken om dingen te maken en te onderzoeken, zoals het schrijven van teksten of het maken van tekeningen. We kijken ook kritisch naar AI, want wie bepaalt wat AI leert en wat zijn de gevaren? We bespreken hoe je slim en veilig met AI kunt omgaan.

De lessen zijn heel praktisch. Je gaat zelf aan de slag met opdrachten, je gaat experimenteren en je eigen creativiteit gebruiken. Zo ontdek je hoe je de baas blijft over technologie, in plaats van andersom.

 

Digitale geletterdheid

Het begrijpen van AI is een belangrijk onderdeel van digitale geletterdheid. Digitale geletterdheid betekent dat je de kennis en vaardigheden hebt om goed om te gaan met digitale technologie en media.

Digitale technologie is overal, zowel zichtbaar als onzichtbaar. Denk aan computers, telefoons en tablets, maar ook aan slimme apparaten in huis. Zelfs de officiële websites van de overheid draaien op digitale technologie. Om met al deze dingen goed te kunnen omgaan, heb je digitale geletterdheid nodig.

Digitale geletterdheid gaat niet alleen over het gebruiken van apparaten, maar ook over de wisselwerking tussen mens en technologie. Het gaat erom dat je je kunt aanpassen aan de digitale wereld en de controle hebt over je eigen gegevens en informatie.

Start

Benodigdheden

Zorg dat je alles op orde hebt om de les te kunnen maken.

Heb je je laptop of tablet opgeladen?

Heb je oortjes of een koptelefoon? Dan kun je de video's in stilte bekijken.

Zorg dat je papier en pen of stiften bij de hand hebt. Het is handig om dingen op te schrijven. Of ben je al zo digitaal handig dat je daarvoor een tekstverwerkings-of presentatie-programma gebruikt?

Introductie

Leerdoelen

 

Na de les kan ik:

  • Noemen wat de overeenkomst is tussen een AI en de hersenen van een mens.

  • Uitleggen hoe een AI leert van voorbeelden.

  • Een eigen voorbeeld geven van een taak die een AI moet leren.

Opbouw

Deze les is als volgt opgebouwd:

 

  1. Voorkennis: wat weet je al?
  2. Instructie:
    • Wat is AI?
    • De hersenen van een mens - hoe leer je?
    • Kennisgedreven AI en datagedreven AI
    • Neurale netwerken
    • De werking van een neuraal netwerk
    • Hoe het trainen van een neuraal netwerk mis kan gaan
  3. Opdracht / Verdiepende opdracht
  4. Samenvatting en weetjes
  5. Evaluatie
  6. Bronnen

Voorkennis: wat weet je al?

In deze video wordt AI in één minuut uitgelegd.

 

Kijkvraag

Welke voorbeelden uit de video heb jij in het echt al eens gezien of meegemaakt?

Hoe weet je dat het kunstmatig is, of 'niet' echt?

 

 

Wil je nog meer uitleg, of een duidelijk voorbeeld van hoe AI leert? Bekijk dan deze korte video.

Instructie

Wat is AI?

 

Kunstmatige intelligentie (AI) is een slimme technologie die leert van grote hoeveelheden gegevens, net zoals jij leert van al je aantekeningen en oefentoetsen. Denk aan de aanbevelingen op TikTok of Instagram: AI bekijkt wat je leuk vindt en stelt steeds nieuwe filmpjes voor. In games analyseert AI jouw speelstijl om uitdagende tegenstanders te worden, en bij Spotify kiest het de volgende nummers die precies passen bij jouw stemming. Zelfs autocorrectie op je telefoon gebruikt AI: hij ‘leert’ van al je eerdere berichten om te voorspellen welk woord je typte. Zo zorgt AI er in jouw dagelijkse leven voor dat apps en apparaten steeds slimmer en persoonlijker worden.

 

Wat is AI?

 

De hersenen van een mens

 

Je hersenen zitten in je hoofd en bestaan uit miljoenen kleine cellen, neuronen genoemd. Die neuronen sturen elkaar hele kleine stroompjes en berichtjes, zodat je kunt denken, voelen en bewegen. Elke keer dat je iets nieuws leert—bijvoorbeeld fietsen of een liedje zingen—maken je neuronen nieuwe verbindingen met elkaar. Daardoor kun je steeds makkelijker onthouden en begrijpen wat je hebt geleerd.

Kijk eens naar dit filmpje over hoogbegaafdheid, daarin leggen ze duidelijk uit hoe hersenen dingen onthouden. Met aan het einde een truc hoe jij zelf dingen makkelijker kunt onthouden!

 

Hoe werken hersenen? - Over hoogbegaafdheid

Kennisgedreven en datagedreven

Kennisgedreven AI werkt met vaste regels die experts van tevoren hebben opgesteld, net als een kookrecept: “Als dit gebeurt, doe dan dat.” De computer volgt deze instructies stap voor stap en leert zelf niets bij. Datagedreven AI doet juist wél zelf onderzoek: hij bekijkt enorme hoeveelheden voorbeelden—duizenden foto’s, teksten of getallen—and ontdekt daarin patronen zonder dat iemand elke stap uitlegt. Zo kun je kennisgedreven AI zien als een robot die alleen vaste opdrachten uitvoert, en datagedreven AI als een robot die door ervaring steeds slimmer wordt.

 

Machine learning is die vorm van datagedreven AI: een algoritme krijgt bergen data en past zijn interne instellingen aan om steeds betere resultaten te leveren. Denk aan een spamfilter in je e-mail: omdat het voorbeeld-e-mails ziet, leert het welke berichten reclame zijn en welke echt van je vrienden komen.

 

Deep learning is een speciale variant van machine learning waarbij een neuraal netwerk uit heel veel “lagen” (stapjes in berekeningen) bestaat. Dankzij die diepte kan de AI niet alleen eenvoudige patronen ontdekken, maar ook ingewikkelde verbanden zoals het herkennen van gezichten in foto’s of spraak omzetten in tekst. Daarmee liggen toepassingen als gezichtsherkenning op je telefoon of automatische ondertiteling binnen handbereik.

 

Kennisgedreven en datagedreven AI

Neurale netwerken

In dit filmpje staat alles nog even heel helder uitgelegd: hoe werkt een neuraal netwerk?

 

AI en lerende netwerken

Wat kan wel en niet?

 

Weet jij nog waar en hoe je precies hebt geleerd welke geur bij fruit hoort, of welke route je moet nemen? Jouw hersenen zijn een neuraal netwerk.

In dit filmpje legt Barend uit hoe een neuraal netwerk werkt en ook waarom het lastig is om precies te achterhalen waar de AI geleerd heeft wat het weet.

 

Barend legt uit ChatGPT en andere taalmodellen

Hoe kan het trainen van neurale netwerken misgaan?

Bij het trainen van een neuraal netwerk geef je het heel veel voorbeelden met het goede antwoord erbij. Stel: je wilt dat het netwerk katten herkent. Je laat het duizenden foto’s zien waarop stond of er een kat op stond of niet. Het netwerk past steeds zijn “knoppen” (gewichten) aan om de fout tussen zijn voorspelling en het juiste label zo klein mogelijk te maken. Na genoeg herhalingen (epochs) kan hij nieuwe foto’s vaak goed herkennen.

 

Hoe het mis kan gaan

 

  • Bias in de data: Als je vooral foto’s van witte katten gebruikt, leert het netwerk dat álle katten wit zijn. Op zwarte katten zal het dan vaak falen. Zo is AI veelal getraind op witte gezichten, trek zelf maar je conclusie.

  • Overfitting: Het netwerk onthoudt de voorbeelden té goed en leert geen algemene regels. Het raakt in de war bij nieuwe, iets andere plaatjes. Mensen zijn uniek en mensen die er iets anders uitzien, wil je niet buitensluiten. Daar gaat AI dus de mist in.

  • Onderfitting: Het netwerk is te simpel of krijgt te weinig data, waardoor het de basispatronen nog niet doorheeft en vaak fouten maakt. Als er te weinig trainingsdata is of de data is te eenzijdig, dan neemt het verkeerde beslissingen. Wil je weten hoe dat werkt, kijk dan de video van Maarten Lamers van de universiteit van Leiden hieronder.

  • Verkeerde labels: Als een foto per ongeluk als “hond” is gemarkeerd terwijl er echt een kat op staat, leert het netwerk de verkeerde dingen. Het filmpje hieronder behandelt ook verkeerde labels.

  • Adversarial voorbeelden: Slimme mensen kunnen kleine, bijna onzichtbare aanpassingen maken aan een afbeelding, waardoor de AI zó misleid wordt dat hij een kat voor een auto aanziet. Zo is er dit voorbeeld van koekjes en honden.

Zie je de verschillen? En snap je hoe een computersysteem hier de fout kan ingaan?

Bron: https://www.reddit.com/r/ChatGPT/comments/1771zux/computer_vision_has_been_solved_internally/?tl=nl
Bron: https://www.reddit.com/r/ChatGPT/comments/1771zux/computer_vision_has_been_solved_internally/?tl=nl

 

Door goed op te letten welke data je gebruikt, de juiste omvang van je netwerk te kiezen en je model te testen op nieuwe voorbeelden, kun je deze valkuilen vermijden. Ook zul je zien dat AI elke dag beter wordt, want elke dag gaat er meer data in de systemen. Deze voorbeelden zullen dus over een poosje verleden tijd zijn.

Als je wilt voorkomen dat er bijvoorbeeld vooroordelen (bias) in jouw eindresultaten zitten, moet je dus of de uitkomsten echt heel goed controleren of op zoek gaan naar een model waar is getraind met meer eerlijke data. Dat is alleen niet altijd te zien.

Extra

De onderstaande video's geven meer informatie over hoe computersystemen fouten kunnen maken.

Je weet natuurlijk al dat een computersysteem niet zelfstandig kan denken. 

 

Wolf of husky? - Lieven Scheire

Maarten Lamers van de universiteit van Leiden over het trainen van AI

Opdracht

Opdracht

Je gaat onderzoeken of AI dingen goed kan herkennen

Maak deze opdracht individueel of in tweetallen.

  1. Voorbereiding

  2. Tekenen en raden

    • Klik op “Let’s Draw!” en lees snel welk voorwerp je gaat tekenen (bijvoorbeeld “vliegtuig” of “hond”).

    • Je krijgt 20 seconden om te tekenen. Probeer zo duidelijk mogelijk te tekenen zodat de AI het herkent!

  3. Resultaten bijhouden

    • Maak een tabel in je schrift met drie kolommen:

      1. Voorwerp dat je moet tekenen

      2. Is het geraden?

      3. Jouw beoordeling (goed te zien / onduidelijk)

    • Vul na elke tekening in of de AI het voorwerp goed heeft geraden.

  4. Herhaling en variatie

    • Doe de opdracht minimaal 10 keer met verschillende voorwerpen uit de lijst.

    • Probeer één keer expres slordig te tekenen en één keer héél netjes, en kijk wat er gebeurt.

  5. Reflectie-vragen

    • Wanneer herkende de AI jouw tekening goed?

    • Bij welke tekeningen ging het mis, en waarom denk je dat dat zo was?

    • Wat heb je geleerd over hoe een neuraal netwerk (de “denkertjes” van AI) patronen herkent?

  6. Klasdiscussie

    • Deel je resultaten met een klasgenoot of groepje.

    • Bedenk samen: hoe zou je AI kunnen helpen om beter te leren herkennen?

    • Welke soorten tekenopdrachten zou je nog willen uitproberen?

  7. Uitbreiding (optioneel)

    • Maak zelf een lijst van 5 nieuwe voorwerpen (bijvoorbeeld uit het lokaal of je omgeving) en test die aansluitend met elkaar en zonder computer: de ene persoon tekent en de andere persoon moet raden.

    • Schrijf kort op hoe je prompt (“tekeninstructie”) duidelijker zou kunnen zijn voor zowel mensen als AI.

 

Verdiepingsopdracht

Geschreven door mens of AI?

Opdracht: Gedichtenraadsel - wie heeft het geschreven?

Doel: Ontdek hoe je een gedicht van AI kunt herkennen en kritisch nadenken over schrijfstijl.

  1. Voorbereiding

    • Overleg met de docent welke AI je kunt gebruiken voor deze opdracht. Het hoeft geen betaalde versie te zijn. Als je moet inloggen met een account, maak dan een account aan met je schoolmailadres.

  2. Verdelen van rollen

    • We verdelen de klas in groepjes van 3–4 leerlingen.

    • In elk groepje benoem je 1 schrijvende leerling, één schrijver met AI en 2 beoordelaars (die gaan raden).

  3. Instrueren van schrijvers

    • De schrijvers bepalen samen een onderwerp waarover ze een gedicht maken en hoeveel regels het moet worden.

    • Ze maken een gedicht van evenveel regels, de docent controleert het eigen gemaakte op schrijffouten.

    • Schrijf het gedicht op een zelfde soort papier op.

  4. Voorbereiden van beoordelaars

    • De beoordelaars maken een checklist met punten om op te letten en bespreken dit met elkaar.

  5. Voorlezen in de groep

    • De schrijvers lezen om de beurt het AI-gedicht en hun eigen gedicht met hetzelfde onderwerp voor aan hun beoordelaars.

  6. Raden en invullen

    • Na elk gedicht vullen de beoordelaars in: “Mens of computer?”

    • Ze geven per punt aan waarom ze dachten dat het wél of níét door een AI geschreven is.

  7. Reflectie door de schrijvers

    • De schrijvers mogen verklappen welk gedicht door de mens is gemaakt en welke door AI

    • Wat vinden de schrijvers van het gedicht dat gemaakt is door AI?

  8. Klassikale bespreking

    • Kom daarna met de hele klas bij elkaar.

    • Vraag per groepje: welke signalen wezen op AI? Waren er momenten dat jullie dachten “dit voelt echt menselijk”?

  9. Ontknoping

    • Bespreek: wat vond je verrassend of vreemd? Hoe kun je in de toekomst beter merken of iets van een mens of een computer komt?

  10. Reflectie

    • Vraag: “Wanneer zou je wel of niet een AI-gedicht willen gebruiken?”

    • “Hoe kun je je eigen creativiteit blijven oefenen, als ook AI kan dichten?”

Met deze opdracht ervaar je spelenderwijs hoe AI schrijft, welke kenmerken anders zijn dan mensentaal ontwikkel je ook een kritische blik.

 

Samenvatting en weetjes

Samengevat

Je hebt gezien dat je hersenen informatie verwerken via miljarden verbonden cellen (neuronen) die met elkaar ‘praten’, en dat een neuraal netwerk in AI op een vergelijkbare manier werkt. Zo’n netwerk moet eerst getraind worden met héél veel betrouwbare voorbeelden (data), anders leert de AI de verkeerde dingen. Een taalmodel is eigenlijk een neuraal netwerk dat geleerd heeft welke woorden en zinnen logisch samenhangen. Generatieve AI—de slimme tools die teksten of plaatjes voor je maken—gebruikt precies deze getrainde netwerken.

Ook heb je geleerd wat machine learning is en dat er ook deep learning is waarbij een neuraal netwerk uit heel veel lagen bestaat, zo kunnen neurale netwerken ook bijvoorbeeld tekst genereren of afbeeldingen. En kun je ook je smartphone openen met gezichtsherkenning of met spraak een agent een opdracht geven.

In dit filmpje staat het nog even samengevat in één minuut.

Weetje

Bij machine learning krijgt een computer heel veel voorbeelden te zien—zoals duizenden foto’s van dieren—en leert hij zelf welke kenmerken bij een dier horen. Een neuraal netwerk werkt dan als een team van denkertjes (neuronen) in verschillende lagen: elke laag bekijkt een stukje informatie en geeft het door. Door steeds opnieuw te oefenen past het netwerk zijn “samenwerking” aan, tot de computer zelf kat en hond kan herkennen zonder dat iemand het stap voor stap uitlegt!

 

Wist je dat?

Sommige robotstofzuigers gebruiken een slimme techniek die machine learning heet. Dit betekent dat de stofzuiger leert van wat hij elke keer doet.

Tijdens het stofzuigen maakt hij steeds een betere plattegrond van je kamer, net als een schatkaart. Hij leert nieuwe dingen, zoals waar een stoel of tafel staat. Zo kan hij de volgende keer een slimmere route kiezen en wordt je kamer sneller en beter schoon.

 

Evaluatie

In deze les heb je ontdekt dat er twee soorten AI zijn:

  • Kennisgedreven AI, die werkt volgens vaste instructies van mensen (vergelijkbaar met een stappenplan of recept).

  • Datagedreven AI, die zelf leert door enorme hoeveelheden voorbeelden te verwerken.

Je hebt de verschillen ervaren en geoefend met een AI die patronen herkent. Vergelijk daarbij jullie eigen prestaties met die van de computer: in welke opdrachten was jij sterker, en waar bleek de AI slimmer?

Evaluatievragen:

  1. Hoe verwerken jouw hersenen informatie, en hoe gaat een AI-neuraal netwerk daarbij op een vergelijkbare manier te werk?

  2. In welke taak presteerde de computer beter, en in welke taak was jij beter? Hoe verklaar je die verschillen?

  3. Wanneer geef jij de voorkeur aan je eigen mening, en wanneer ben je blij dat een computer het voor je doet?

Bronnen

Deze lessen zijn gebruikt om dit leermateriaal te maken:

 

Bronnen en licenties:

  • Van FutureNL, Digidoeners, open leermateriaal CC-BY-NC-ND:
    • Basis AI: https://www.lessonup.com/nl/channel/futurenl/lesson/yGdyfTK28XcsDSY2d/yNtkgR68Q3FJTzXWG
    • Kunstmatige intelligentie:
      https://www.lessonup.com/nl/channel/futurenl/lesson/7CxrRs29t5viMKeuy
    • Hoe slim zijn machines nou echt? https://www.lessonup.com/nl/channel/futurenl/lesson/yN6CBaL6DBrbgWxD4
    • Generatieve AI:
      https://www.lessonup.com/nl/channel/futurenl/lesson/HCoQQDA55GunKhxQZ
    • Machine learning en neurale netwerken:
      https://www.lessonup.com/nl/channel/futurenl/lesson/oxCEAw97yHztoBxFu
    • Machine en deep learning:
      https://www.lessonup.com/nl/channel/futurenl/lesson/BFHNainj2jAsGzTBv
    • Wij zijn data:
      https://www.lessonup.com/nl/channel/futurenl/lesson/FhG2xqtwkvcNC8tmD/ygeDm6xiuJWDvwHb6
    • Later als ik groot ben:
      https://www.lessonup.com/nl/channel/futurenl/lesson/sh5JZrr5zuDRtEcDB
    • Risico's en kansen van AI:
      https://www.lessonup.com/nl/channel/futurenl/lesson/e7o5DDzqAGvbTD6rD
    • De AI-inspecteur:
      https://www.lessonup.com/nl/channel/futurenl/lesson/uvhrACSsevrxdDeBQ
    • Prompts:
      https://www.lessonup.com/nl/channel/futurenl/lesson/n4WRGaSSkeaBZain2

 

  • Van Klokhuis, Klokhuis over AI, gesloten leermateriaal, open beschikbaar
    • Het Klokhuis over AI: https://hetklokhuis.nl/dossier/168/het-klokhuis-over-ai/824/het-klokhuis-over-ai
    • AI studio van Klokhuis: https://aistudio.hetklokhuis.nl/nl

  • Het arrangement 1.2 AI: Neurale netwerken en data - niveau 2 is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

    Auteur
    Inspiratielessen
    Laatst gewijzigd
    2025-10-07 20:21:55
    Licentie

    Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding vrij bent om:

    • het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat
    • het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken
    • voor alle doeleinden, inclusief commerciële doeleinden.

    Meer informatie over de CC Naamsvermelding 4.0 Internationale licentie.

    Aanvullende informatie over dit lesmateriaal

    Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

    Toelichting
    In deze les leer je dat de werking van AI vergelijkbaar is met hoe de hersenen van een mens werken.
    Eindgebruiker
    leerling/student
    Moeilijkheidsgraad
    gemiddeld

    Gebruikte Wikiwijs Arrangementen

    Inspiratielessen. (z.d.).

    1.1 AI: Neurale netwerken en data - niveau 1

    https://maken.wikiwijs.nl/218949/1_1_AI__Neurale_netwerken_en_data___niveau_1

  • Downloaden

    Het volledige arrangement is in de onderstaande formaten te downloaden.

    Metadata

    LTI

    Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

    Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

    Arrangement

    IMSCC package

    Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

    Voor developers

    Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.

  • Gebruik
    Weergave
  • Wikiwijs is een dienst van