In zijn LinkedIn-nieuwsbrief heeft Dominik Lukes, lid van de adviesraad van Ahead by Bett, onlangs een uitgebreide update gegeven over nieuwe trends op het gebied van generatieve kunstmatige intelligentie die de afgelopen drie maanden – grofweg sinds de lancering van GPT-4 – zijn ontstaan. Veel van de veranderingen die hij signaleert, bouwen voort op een geleidelijke opbouw van ervaring en experimenten binnen de onderwijsgemeenschap, en hoewel deze tools zich in hoog tempo ontwikkelen, geven ze ook een voorproefje van de trends van de toekomst.

We raden je van harte aan om hierde nieuwsbrief van Dominik te bekijken voor het volledige verhaal, maar hieronder vind je alvast enkele van zijn belangrijkste tips en koppen.

Lukes verdeelt zijn zes AI-trends in twee brede categorieën:

1. Nieuwe tools en modellen – zowel reeds beschikbare als aangekondigde

2. Ontwikkelingen in de manier waarop wedeze instrumenten begrijpenen gebruiken – zowel de instrumenten zelf als de manier waarop we er als individu en als samenleving mee omgaan

In elke categorie heeft Lukes drie specifieke trends gesignaleerd waarvan je op de hoogte moet zijn. Deze zijn:

 

Nieuwe hulpmiddelen en modellen

1. AI is niet langer synoniem met ChatGPT: van ChatGPT naar de Big 4

In zijn rapport somt Lukes vier belangrijke chatbots op die beschikbaar zijn voor gebruik: ChatGPT van OpenAI, Claude.ai van Anthropic, Bard van Google en Bing Chat van Microsoft. Hoewel hij elk van deze tools grondig onderzoekt wat betreft beschikbare functies en belangrijke verschillen, wijst Lukes met name op het feit dat „het scala aan taken dat we deze tools laten uitvoeren te uitgebreid is om ze volledig te kunnen beoordelen”, vooral omdat de tools regelmatig verschillende antwoorden geven op dezelfde vraag. We kijken ernaar uit om meer te horen over hoe deze tools met elkaar vergeleken kunnen worden naarmate ze meer ingeburgerd raken in de gemeenschap.

2. Open-source-modellen en de explosieve groei van apps

Generatieve AI-tools zijn tot nu toe vooral ontwikkeld en gefinancierd door grote bedrijven die de miljoenen dollars kunnen opbrengen die nodig zijn voor onderzoek en ontwikkeling. Lukes prijst echter de pogingen die zijn ondernomen om open-sourcealternatieven te creëren, waaronder het aanleggen van open datasets die iedereen kan gebruiken, open modellen en het delen van technieken. Hoewel hij opmerkt dat het voor deze modellen moeilijk is om gelijke tred te houden met de „grote vier“, vindt Lukes ze toch belangrijk om twee redenen: 1) ze bieden meer mogelijkheden voor software om AI-functies te integreren en/of nieuwe AI-producten te ontwikkelen, en 2) ze vergroten de kennis en de mogelijkheden voor onderzoek.

3. Nieuwe hulpmiddelen voor het gebruik van grote taalmodellen

Het vanaf nul ontwikkelen van grote taalmodellen en AI-chatbots is ingewikkeld en duur, maar Lukes stelt dat het bouwen van producten op basis daarvan verrassend eenvoudig is. Hij schrijft de grootste vooruitgang toe aan de praktijk van „tools voor het maken van tools”. Het schrijven van een eenvoudig programma waarmee je een PDF kunt uploaden en een samenvatting kunt krijgen, ligt nu ruim binnen het bereik van bijna elke ontwikkelaar en zelfs van veel niet-ontwikkelaars die ChatGPT kunnen gebruiken om hen te helpen bij het schrijven van code. Bouwen met AI vereist nog steeds veel kennis (zoals blijkt uit het volledige rapport van Lukes), vaardigheid en vaak tijd voor vallen en opstaan, maar dit betekent niet dat er zeer diepgaande AI-expertise nodig is. Zoals Lukes opmerkt: „Veel van de mensen achter de duizenden producten die we zien, zijn niet per se experts in AI, maar eerder in alle tools rondom AI.”

 

Nieuwe kennis

4. Nieuwe ontwikkelingen op het gebied van prompt engineering

In het rapport van Lukes wordt gesteld dat „de belangrijkste factor in het succes van ChatGPT ten opzichte van de vorige versie de eenvoudige chatinterface is. Plotseling kan iedereen gewoon met de tool gaan ‘praten’ zoals hij dat met een persoon zou doen, zonder na te hoeven denken over hoe de prompt moet worden geformuleerd.” In zijn paragraaf over technieken voor prompt engineering benadrukt hij echter precies waarom dit effect soms ook een nadeel kan zijn, waardoor beginnende gebruikers belangrijke trucs over het hoofd zien die tools zoals ChatGPT helpen effectiever te presteren. In zijn rapport gaat Lukes dieper in op wat onbelangrijk is in een goede prompt (spelling, woordvolgorde en interpunctie) en wat echt telt (rijke betekenis en goede voorbeelden). Hij stelt vijf brede categorieën van prompt-engineeringtechnieken op om je te helpen de basis te leren: persona’s, voorbeelden en modellen, zelf gegenereerde voorbeelden, zelfkritiek en gedachtegang.

5. De opkomst van een nieuw beroep: AI-ingenieur

Zoals Lukes uitlegt, zijn AI-ingenieurs de afgelopen zes maanden in opkomst gekomen en bevinden ze zich ergens tussen de productontwikkelaar en de bouwer van grote taalmodellen in. Hoewel hij uitgebreid ingaat op de soorten taken waarin deze ingenieurs zich doorgaans specialiseren (bijvoorbeeld het opbouwen van een diepgaand inzicht in hoe grote taalmodellen werken), merkt hij ook op dat er vanwege de snelle ontwikkeling nog geen mogelijkheid is geweest om een formele opleiding op dit gebied te volgen. Voor Lukes wijst het gebrek aan bewustzijn in allerlei soorten organisaties over de behoefte aan expertise op het gebied van AI-engineering „op de kenniskloof tussen het zeer gespecialiseerde vakgebied van machine learning en AI-onderzoek en -ontwikkeling enerzijds en traditionele softwareontwikkeling anderzijds“. Maar het goede nieuws is dat Lukes, na al zijn onderzoek, van mening is dat dit soort expertise ruimschoots binnen het bereik ligt van iedereen die zich erin wil specialiseren – de basisvaardigheden zijn minder technisch dan ze op het eerste gezicht lijken.

6. Duidelijkheid over betrouwbare informatiebronnen over AI

Zoals Lukes in zijn rapport opmerkt, leven we in een verwarrende tijd: „De ontwikkelingen komen in razend tempo op ons af, en zoals iemand onlangs tegen me zei: het is moeilijk om het signaal in de ruis te vinden.” Niet alleen zijn er geen deskundigen met bewezen ervaring op dit nieuwe gebied van generatieve AI, het is zelfs niet duidelijk hoe zo’n deskundige eruit zou zien. „Het is gemakkelijk om een reeks waarheden over kunstmatige intelligentie te verkondigen en toch volledig de plank mis te slaan.” Lukes heeft echter een plan: hij adviseert lezers om ofwel een ‘AI-scout’ te worden – dat wil zeggen, iemand die zinvolle discussies op diverse platforms en in verschillende media evalueert – ofwel één of twee informatiebronnen te vinden die aansluiten bij je kennisniveau en interesses, en die nauwlettend in de gaten te houden. Bovenal wijst Lukes op het belang van het vinden van betrouwbare kennisbronnen – en wij denken dat we die hebben gevonden in de nieuwsbrief van Dominik!

Daarnaast heeft Lukes (met behulp van Claude.ai) een korte samenvatting van zijn onderzoek opgesteld, waarin de volgende belangrijke tips worden gegeven:

 

TLDR; gegenereerd door Claude.ai

• AI betekent niet langer alleen ChatGPT. Er zijn nu vier grote AI-chatbots: ChatGPT, Claude, Bard en Bing Chat. Ze hebben elk hun eigen sterke punten.
• Meeropen-source AI-modellen, zoals Llama 2, maken meer apps en aangepaste modellen mogelijk. Dit vergroot de kennis en de toepassingsmogelijkheden.
• Nieuwe tools zoals LangChain makenhet ontwikkelen van AI-apps eenvoudiger. Er is een explosieve groei van nieuwe AI-startups.
• Dankzij de vooruitgang op het gebied van prompt-engineeringkunnen gebruikers meer uit AI halen. Door voorbeelden te geven en de AI te vragen om zelfkritiek te uiten, worden de resultaten verbeterd. 
• De opkomst van een nieuwe functie:de AI-engineer. Deze professionals beschikken over gespecialiseerde vaardigheden om apps te ontwikkelen met behulp van AI-modellen en API’s.
• Er ontstaan weliswaar betrouwbare bronnen vaninformatie over AI, maar deze zijn nog steeds versnipperd over blogs, preprints en video’s. Het opbouwen van een persoonlijk leernetwerk is daarbij van cruciaal belang.

We raden alle AI-liefhebbers onder onze lezers ten zeerste aan om het volledige artikel van Dominik over de recente trends in de sector te lezen. Lukes heeft zelfs een gedeeld Google Doc-document aangemaakt, met een klikbare inhoudsopgave en ruimte voor lezers omwijzigingen, aanvullingen en verbeteringen voor te stellen in het document zelf.

Veel leesplezier!

Dit artikel is gebaseerd op een recent rapport van Dominik Lukes, medewerker ondersteunende technologie bij het Centre for Teaching and Learning van de Universiteit van Oxford. Dominik zet zich in voor de integratie van ondersteunende technologieën in de bredere academische praktijk en heeft het Reading and Writing Innovation Lab opgericht, dat verschillende technologieën verzamelt en beoordeelt die academisch lezen en schrijven ondersteunen. De afgelopen twee jaar heeft hij trainingen gegeven over AI in het onderwijs en momenteel werkt hij aan een handleiding over ChatGPT voor onderwijs en leren. Meer informatie over Dominik vind je hier.