BLOK 1 • LES 3
Hoe leert AI?
Van voorbeelden naar voorspellingen, en waarom een model soms de fout in gaat.
LESSTART
1
MACHINE LEARNING
ICT-PRAKTIJK
BLOK 1 • LES 3
Hoe leert AI?
Van voorbeelden naar voorspellingen, en waarom een model soms de fout in gaat.
LESSTART
1
MACHINE LEARNING
ICT-PRAKTIJK
BLOK 1 / LES 3 • LEERDOELEN
Dit kun je na deze les
Van begrijpen naar zélf testen en verbeteren.
HOE LEERT AI?
2
1
Uitleggen
Hoe een model patronen uit voorbeelden leert.
2
Onderscheiden
Wat trainingsdata en testdata zijn.
3
Vergelijken
Vaste programmeerregels versus geleerde patronen.
4
Bouwen
Een eenvoudig classificatiemodel trainen en testen.
5
Onderzoeken
Uitleggen hoe slechte data fouten veroorzaakt.
CENTRALE VRAAG
Wat gebeurt er als wij AI slechte data geven?
Kan een model betrouwbaar zijn als de voorbeelden onvolledig, eenzijdig of verkeerd zijn?
DENK • BESPREEK • ONTDEK
3
Wat gebeurt er als wij AI slechte data geven?
BLOK 1 / LES 3 • STARTCHALLENGE
Startchallenge: jij bent de AI
Ontdek de verborgen regel. Je krijgt alleen voorbeelden.
HOE LEERT AI?
4
CATEGORIE A
CATEGORIE B
Welke verborgen regel zou hierbij passen?
BLOK 1 / LES 3 • STARTCHALLENGE
Test jouw patroon
Nieuwe voorbeelden: horen ze bij categorie A of B?
HOE LEERT AI?
5
NIEUW VOORBEELD 1
NIEUW VOORBEELD 2
A of B?
A of B?
Stem eerst. Leg daarna uit waarom.
BLOK 1 / LES 3 • STARTCHALLENGE
Onthulling: welk patroon?
Je leidde zelf een regel af uit voorbeelden.
HOE LEERT AI?
6
CATEGORIE A
Oneven aantal hoeken
3 • 5 • 7 ...
CATEGORIE B
Even aantal hoeken
4 • 6 • 8 ...
Je kreeg geen uitgeschreven regel, je ontdekte een patroon.
BLOK 1 / LES 3 • MINI-UITLEG
Van data naar voorspelling
Machine learning in vijf stappen.
HOE LEERT AI?
7
1
Data
Voorbeelden verzamelen.
2
Trainen
Patronen vinden.
3
Model
Patroon vastleggen.
4
Input
Nieuwe situatie aanbieden.
5
Voorspellen
Waarschijnlijke klasse kiezen.
Het model heeft nog steeds geen garantie dat de voorspelling klopt.
BLOK 1 / LES 3 • ICT-VOORBEELD
Voorbeeld: 20.000 servicedesktickets
Een model leert van tickets waarbij het opgeloste team al bekend is.
HOE LEERT AI?
8
TRAININGSVOORBEELDEN
20.000 oude meldingen
Elk ticket heeft een label: het team dat de melding heeft opgelost.
MOGELIJKE CATEGORIEËN
Account
Hardware
Software
Netwerk
Nieuwe melding → voorgesteld team
BLOK 1 / LES 3 • MINI-UITLEG
Trainingsdata ≠ testdata
Test altijd met voorbeelden die het model tijdens het trainen niet zag.
HOE LEERT AI?
9
TRAININGSDATA
Hier leert het model van
Bijvoorbeeld: 16.000 tickets om patronen te vinden.
TESTDATA
Hier toets je het model mee
Bijvoorbeeld: 4.000 apart gehouden tickets.
Dezelfde toets uit je hoofd leren ≠ de stof begrijpen.
BLOK 1 / LES 3 • DUO-OPDRACHT
Missie 1: menselijke servicedesk-AI
Werk samen. Jullie zíjn het classificatiemodel.
HOE LEERT AI?
10
Jullie vier categorieën
Account
Hardware
Software
Netwerk
1
Deel de trainingsvoorbeelden in.
2
Noteer de woorden en kenmerken die je gebruikte.
3
Ruil jullie aanpak met een ander duo.
4
Classificeer vijf nieuwe meldingen en noteer twijfel.
BLOK 1 / LES 3 • MISSIE 1
Trainingsvoorbeelden
Kies per melding een categorie. Welke woorden zijn doorslaggevend?
HOE LEERT AI?
11
A
“Mijn wachtwoord wordt niet meer geaccepteerd.”
B
“Mijn tweede beeldscherm geeft geen beeld.”
C
“Na de update start Teams niet meer.”
D
“Ik heb wifi, maar websites openen niet.”
Antwoorden? Geef ook je reden.
BLOK 1 / LES 3 • MISSIE 1
Test met vijf nieuwe meldingen
Nu moet jouw patroon werken op nog niet geziene voorbeelden.
HOE LEERT AI?
12
TICKET 1
Mijn account is na het inloggen vergrendeld.
TICKET 2
Mijn telefoon heeft wifi, mijn laptop niet.
TICKET 3
De printer staat aan, maar print niet.
TICKET 4
Ik kan inloggen op de laptop, maar Teams opent niet.
TICKET 5
Mijn VPN-verbinding valt steeds weg.
Welk ticket levert twijfel op, en waarom?
BLOK 1 / LES 3 • NABESPREKING
Wat gebeurde er?
Niet elk nieuw ticket past netjes bij je trainingsvoorbeelden.
HOE LEERT AI?
13
OBSERVATIE 1
Sommige waren makkelijk
Herkenbare woorden en bekende situaties maakten kiezen eenvoudiger.
OBSERVATIE 2
Sommige waren lastig
Eenzelfde melding kan meerdere mogelijke oorzaken hebben.
OBSERVATIE 3
Meer context helpt
Je hebt soms extra informatie of voorbeelden nodig.
Een geleerd patroon blijft een voorspelling, geen diagnose.
BLOK 1 / LES 3 • MINI-UITLEG
Vaste regel of geleerd patroon?
Het verschil zit in de manier waarop beslissingen ontstaan.
HOE LEERT AI?
14
VASTE PROGRAMMEERREGEL
GELEERD PATROON
IF mislukte_logins > 5
THEN blokkeer_account
De programmeur legt de grens vooraf vast.
Combinaties in data
Het model kijkt bijvoorbeeld naar tijdstip, locatie, apparaat en gedrag.
HOOFDCHALLENGE
Train & Break:
bouw je eigen AI
Maak een model dat werkt. Vind daarna bewust een situatie waarin het model faalt.
PRAKTIJKONDERZOEK
15
Doel: niet alleen succes aantonen, maar ook een fout verklaren.
BLOK 1 / LES 3 • HOOFDCHALLENGE
Tool: Google Teachable Machine
Met Image Project train je zonder programmeerkennis een beeldclassifier.
HOE LEERT AI?
16
Teachable Machine
1
Open de website.
2
Kies Image Project.
3
Maak twee classes aan.
BLOK 1 / LES 3 • TRAIN & BREAK
Stap 1: Kies twee categorieën
Kies voorwerpen of gebaren die je veilig aan de webcam kunt tonen.
HOE LEERT AI?
17
MUIS
VS.
TOETSENBORD
TELEFOON
VS.
LAPTOP
USB-KABEL
VS.
NETWERKKABEL
OPEN HAND
VS.
VUIST
Privacy: geen persoonsgegevens, wachtwoorden of privébeelden gebruiken.
BLOK 1 / LES 3 • TRAIN & BREAK
Stap 2: Train
Verschillende voorbeelden helpen je model om niet één plaatje uit het hoofd te leren.
HOE LEERT AI?
18
1
Maak twee classes
Geef elke categorie een duidelijke naam.
2
Verzamel voorbeelden
Gebruik meerdere beelden per categorie.
3
Varieer bewust
Andere hoeken, afstanden en posities.
4
Klik Train Model
Test daarna de herkenning met een nieuw beeld.
BLOK 1 / LES 3 • TRAIN & BREAK
Stap 3: Test met nieuwe situaties
Verander liefst één factor tegelijk en gebruik ongeziene beelden.
HOE LEERT AI?
19
ACHTERGROND
Bijvoorbeeld een ander bureau.
AFSTAND
Houd het voorwerp verder weg.
HOEK
Draai het voorwerp om.
ANDER EXEMPLAAR
Gebruik een andere muis of kabel.
LICHT
Test in ander licht.
BLOK 1 / LES 3 • TRAIN & BREAK
Stap 4: Break it!
Zoek minstens één fout: dat is het belangrijkste deel van je onderzoek.
HOE LEERT AI?
20
Vind een situatie waarin het model verkeerd voorspelt.
1
Wat voorspelde het model?
2
Wat had het moeten voorspellen?
3
Wat was anders dan in de trainingsdata?
4
Waarom ging het vermoedelijk fout?
5
Welke nieuwe trainingsdata kan helpen?
In welke situatie had jouw model het verkeerd?
BLOK 1 / LES 3 • TRAIN & BREAK
Jullie bewijs voor het portfolio
Laat met bewijs zien wat werkte én wat niet.
HOE LEERT AI?
21
✓
Screenshot van de twee classes
✓
Voorbeeld dat goed wordt herkend
✓
Voorbeeld met een verkeerde voorspelling
✓
Jullie verklaring voor die fout
✓
Één concrete verbetering van de trainingsdata
BLOK 1 / LES 3 • KOPPELING MET PRAKTIJK
Dit gebeurt ook in het ICT-werkveld
Een patroon is alleen bruikbaar als het past bij echte nieuwe situaties.
HOE LEERT AI?
22
SERVICEDESK
Te veel wachtwoordtickets: andere accountproblemen worden minder goed herkend.
PHISHINGDETECTIE
Alleen oude mails: nieuwe aanvallen kunnen buiten het patroon vallen.
MONITORING
Een afwijkende trainingsperiode: fout servergedrag lijkt normaal.
CODE GENEREREN
Logische code kan toch bugs of beveiligingsrisico’s bevatten.
BLOK 1 / LES 3 • DISCUSSIEOPDRACHT
Data Disaster: vier teams
Welk team krijgt problemen? Bespreek waarom en hoe je het ontdekt.
HOE LEERT AI?
23
A
500 voorbeelden van A, maar slechts 20 van B.
B
Een deel van de labels is per ongeluk fout.
C
Training en test gebruiken precies dezelfde voorbeelden.
D
Veel verschillende voorbeelden én aparte testvoorbeelden.
BLOK 1 / LES 3 • NABESPREKING
Data Disaster: de diagnose
Zo onderzoek en verbeter je de kwaliteit van data en tests.
HOE LEERT AI?
24
TEAM A
Eenzijdige data
Verzamel genoeg voorbeelden van beide categorieën.
TEAM B
Verkeerde labels
Controleer en corrigeer de labels.
TEAM C
Oneerlijke test
Houd nieuwe voorbeelden apart voor de test.
TEAM D
Sterkere aanpak
Controleer ook of de test de praktijk goed weerspiegelt.
WAT MOET JE ONTHOUDEN?
AI leert geen waarheid.
AI leert patronen.
De kwaliteit van je voorbeelden en je tests bepaalt hoeveel vertrouwen je in de voorspellingen kunt hebben.
BELANGRIJKSTE INZICHT
25
HERKOMST DATA
EERLIJKE TEST
FOUTEN ONDERZOEKEN
BLOK 1 / LES 3 • AFSLUITING
Exit challenge: de directeur vertrouwt zijn AI
Schrijf individueel een reactie van maximaal vijf zinnen.
HOE LEERT AI?
26
“Ons AI-model is met 100.000 voorbeelden getraind.
Dus de voorspellingen zullen wel kloppen.”
Waarom is dat geen garantie?
Gebruik minimaal drie begrippen:
trainingsdata
testdata
patroon
voorspelling
fout
controleren
“Ons AI-model is met 100.000 voorbeelden getraind.
Dus de voorspellingen zullen wel kloppen.”
Waarom is dat geen garantie?
LES 3 AFGEROND
Bewaar je mislukte
voorspelling.
Het laat zien dat je niet alleen AI kunt gebruiken, maar ook kritisch kunt onderzoeken waarom een model fouten maakt.
VOLGENDE LES: WAT BETEKENT AI VOOR ONZE TOEKOMST?
27
Portfolio: screenshots + verklaring + verbetering