Intelligence Augmentation, een technologische revolutie, een paradoxale zegen

De nieuwe AI kleren van de keizer

De Volkskrant van 3 maart 2025 meldt dat Estland AI een integraal onderdeel van het lesprogramma gaat maken. Het doel lijkt te zijn om Estse scholieren voor te bereiden op het tijdperk van kunstmatige intelligentie. Wat die kunstmatige intelligentie dan is blijft verder onbesproken, maar gelukkig gaat het Estse ministerie van Onderwijs samenwerken met grote techbedrijven, dus dat zal dan wel goedkomen, of misschien toch niet. Dit bericht is exemplarisch voor hoe we over AI denken en schrijven. Als het over kunstmatige intelligentie gaat, krijg ik steeds vaker associaties met het sprookje van Andersen over de nieuwe kleren van de keizer, die zo geweldig zijn dat ze volgens de kleermakers alleen door slimme mensen gezien kunnen worden. Velen hebben het erover, maar weinigen nemen de moeite om uit te leggen wat het is en waarom dat nieuwe dan zo belangrijk is.

Het is onmiskenbaar dat er technologische ontwikkelingen, een revolutie wellicht, gaande zijn die grote invloed hebben op onze samenleving en daarmee ook op onderwijs en leren. Om die ontwikkelingen en hun impact te beoordelen, is het nodig om te kijken welke nieuwe kleren die keizer daadwerkelijk om het lijf heeft. Net zoals de garderobe van de keizer uit het sprookje, heeft AI een status van onaantastbaarheid gekregen. Deels vloeit dat voort uit de naam die we het gegeven hebben. AI staat voor ‘Artificiële Intelligentie’, in principe dus een eigenschap, maar we spreken erover alsof het een entiteit is, en dan ook nog eens een die intelligent is en meer intelligentie in huis zou hebben dan de soort die zichzelf ‘homo sapiens’ noemt. 

In ons taalgebruik wordt AI meer en meer ‘antropomorf’, misschien wel ‘theomorf’. GenAI, daar hebben we het vaak over als het over AI gaat, is niet op een menselijke manier intelligent, maar toch vooral een statistisch concept dat heel goed kan inschatten wat een passend antwoord op een vraag is. Door critici worden GenAI toepassingen ook wel stochastische papagaaien genoemd. Heel handig, maar GenAI is daarmee nog geen entiteit die weet wat het antwoord is. Large Language Models genereren hun antwoorden niet op basis van kennis, maar aan de hand van waarschijnlijkheidsverdelingen, ze weten niet wat de betekenis van ‘twee’ is, dat het dubbel zoveel als ‘één’ is, maar zijn wel heel goed instaat om in te schatten dat na ‘twee’ de persoonsvorm van een zin in het meervoud geschreven moet worden. Daarmee is het dus een heel handig hulpmiddel bij het schrijven en verbeteren van teksten.

Als hulpmiddel zou een term als Intelligence Augmentation (IA) passender zijn, een term die sommige informatiewetenschappers prefereren. IA haalt AI van het goddelijke voetstuk en helpt ons om na te denken hoe we het in onderwijs kunnen inzetten.

De naar binnen gekeerde universiteit

In het zogenaamde hoger onderwijs zijn we erg naar binnen gericht in de wijze waarop we omgaan met intelligence augmentation. We lijken ons vooral druk te maken over de vraag of studenten niet te makkelijk hun opdrachten en toetsen kunnen maken. Kort door de bocht geformuleerd, we lijken ons vooral te bekommeren om de vraag of onze toetsing nog wel op de juiste manier discrimineert en hoeveel tijd het kost om een nieuwe, zogenaamd fraudebestendige manier van toetsen te bedenken. De vraag of dat wat we gewend waren om te toetsen nog wel relevant is in dit IA-tijdperk lijken we daarbij weleens te vergeten. 

Dit is tekenend voor de universiteit die zich buiten de samenleving stelt, we lijken te vergeten om de vraag te stellen hoe universiteiten kunnen bijdragen aan de samenleving; in dit geval hoe zorgen we dat de studenten die onze instellingen met een diploma verlaten ook daadwerkelijk voorbereid zijn om bij te dragen aan die samenleving, ook als die samenleving verandert en door de voortgaande ontwikkeling van informatietechnologie om andere, nieuwe competenties vraagt. 

Studenten voorbereiden op een nieuwe werkelijkheid

AAls onderwijsmakers en -gevers moeten we ons afvragen wat nodig is om studenten zo goed mogelijk voor te bereiden om bij te kunnen dragen in en aan die veranderende samenleving. Daarbij is het essentieel om ons te realiseren dat IA niet alleen het schrijven van essays en mastertheses beïnvloedt, maar ook diep ingrijpt en zal ingrijpen in allerlei processen in de samenleving en daarmee in de competenties die van onze afgestudeerden verwacht worden. Dat gaat om zaken die we met GenAI ontwikkelingen kunnen oppakken (i.e. verslaglegging van gesprekken, chatbots in zorg en dienstverlening), maar ook over allerlei vakinhoudelijk processen en inzichten. 

Met behulp van Machine Learning modellen zal de dynamiek van weten en voorspellen veranderen, doordat Machine Learning modellen niet beperkt zijn tot analytische kennis die in vergelijkingen met een beperkt aantal dimensies te vatten is, maar instaat zijn om een oneindig groot aantal dimensies in beschouwing te nemen en daarmee ‘leert’ en kan voorspellen op basis van aspecten (ook disciplinegrensoverschrijdend) die voor het analytische oog verborgen blijven, of die te complex zijn om in conventionelere statistische methoden te vatten. 

Een ander gevolg van de ontwikkeling van IA is dat we niet meer alle feiten hoeven te kennen, die kunnen we ons per slot van rekening binnen een oogwenk door de stochastische papegaaien laten influisteren, dat maakt het des te belangrijker dat we als gebruikers van die snel oproepbare kennis heel goed in staat zijn om de aangeleverde kennis op waarde te schatten en in een relevante context te kunnen toepassen. 

De voortgaande ontwikkeling van IA-systemen zal dus andere competenties vragen van onze studenten die de professionals van morgen zullen zijn. Dat zou voor onderwijsmakers eerder reden moeten zijn om na te denken over aanpassingen in eindtermen die hiervoor nodig zijn, dan om krampachtig vast te houden aan het oude en zich zorgen te maken over het toetsen van die oude eindtermen. Uiteraard zullen nieuwe eindtermen gepaard gaan met aanpassingen van leer- en onderwijsvormen en van manieren om opgedane vaardigheden, kennis en competenties te evalueren en te toetsen. Werk aan de winkel dus, maar wellicht kan IA ons helpen om dat nieuwe onderwijs samen te stellen.

Voortbouwen op wat we al willen

Moet dan alles opnieuw en anders ingericht worden? Nee, ik denk het niet! Algemeen gesteld, als onderwijsmakers wilden we al studenten opleiden tot professionals die in staat zijn om kritisch met informatie om te gaan. Ik denk dat als we een algemene eindterm voor al onze bachelorprogramma’s zouden moeten opstellen, dit doel in de buurt zou komen. 

Maar in het constructive-alignment proces dat zou moeten volgen om deze eindterm te bereiken zijn we wat lui geweest. In het ontwikkelen van leervormen waren we vaak een beetje te lui om vormen te bedenken die helpen een kritische stijl te ontwikkelen en vervielen we snel in kennisoverdracht, in vertellen hoe de wereld, en onze verschillende disciplines in elkaar zitten (niet onbelangrijk overigens). Toetsen van een kritische houding vonden we al helemaal lastig en tijdrovend, een multiple choice benadering was veel efficiënter. Nu worden we door IA-technologie gedwongen om serieus na te denken over wat nodig is om kritische professionals op te leiden, simpelweg vanwege het gegeven dat IA het primaat over feitelijk reproduceerbare kennis steeds meer gaat overnemen. Wat voor ons, homo sapiens, en andere biologische intelligentie overblijft is het domein om informatie kritisch tegemoet te treden ermee te spelen en te creëren. 

Terug naar de vraag of alles opnieuw moet; kritisch met informatie omgaan vergt weten, overzicht over feiten, en kennis over principes en mechanismen, dat blijven we dus ook in het IA-tijdperk nodig hebben. Maar de feiten zullen niet langer het (leer)doel op zich zijn, maar ten dienste komen te staan van transformatief leren. 

Voor de praktijk van het onderwijs zal dat betekenen, dat we creatieve, transformatieve problemen centraal moeten stellen waarbij kritische reflectie nodig is. Ik denk dan aan kennistoepassingen die een hoger creatief niveau vergen dat verder gaat dan de redelijk rechttoe-rechtaan toepassing van kennis zoals we die nu vaak in onze PBL-casus inbouwen (bijv. ontwikkel een krachttrainingsprogramma voor een wielrenner en een hardloper’). Voor dit soort vragen is op basis van fysiologische inzichten één juist antwoord te bedenken. Voor transformative leren moeten we met vraagstukken komen die studenten dwingen om afwegingen tussen verschillende kennisdomeinen, en belangen te maken. 

Dat vergt redeneren en daadwerklijk inzicht hebben in de onderliggende mechanismen en theorieën. Dat betekent dat het om casus gaan die niet op basis van de kennis van één academische discipline opgelost kunnen worden, maar om casus die bijna het karakter van een wicked problem gaan aannemen, waarbij de belangen en inzichten van verschllende belanghebbenden en disciplines gewogen moeten worden. Dat zullen waarschijnlijk geen bedachte casus zijn, maar authentieke problemen. 

Het menselijk voordeel: creativiteit en empathie

Voorlopig is GenAI nog niet instaat om te rederen en beschikte het niet over de mogelijkheid om kennis en belangen af te wegen. In deze domeinen waar creativiteit en empathie van groot belang zijn, heeft homo sapiens voorlopig nog het primaat. 

De paradox van dit verhaal is dat IA ons niet dommer maakt of onze creativiteit bedreigt, maar ons juist uitnodigt om meer transformatief te leren en onze innovatieve kracht te laten bloeien. 

Hans Savelberg, Professor van Evolving Academic Education, Faculty of Health, Medicine and Life Sciences, Maastricht University.