Hoe leert AI

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

1 / 30
volgende
Slide 1: Slide
newEditorICTMBOStudiejaar 1

In deze les zitten 30 slides, met interactieve quizzen en tekstslides.

time-iconLesduur is: 120 min
Dit is niet oké

Onderdelen in deze les

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