AI, slim bekeken · Havo-vwo 1 · 2. Regels of statistiek?

• newEditor
• Digitale geletterdheid
• Middelbare school
• havo, vwo
• Leerjaar 1

Introductie

Leerlingen bouwen een spamfilter met regels en vergelijken dat met machine learning. Ze leren wat een expertsysteem is, hoe gesuperviseerd leren werkt en wanneer je regels of statistiek kiest.

Instructies

Handleiding Havo-vwo 1 les 2, Regels of statistiek.pdf

AI, SLIM BEKEKEN

Regels of statistiek?

Een spamfilter met regels tegen een filter dat zelf leert: wat werkt beter?

HAVO-VWO 1 · LES 2 · 50 MIN

AI, slim bekeken: leerlijn AI-geletterdheid. Havo-vwo 1, les 2 van 4 (50 minuten). Lijn: snappen.

Kerndoel: VO 21D: beschrijven van verschillen tussen op regels gebaseerde digitale systemen en op statistiek gebaseerde AI-systemen; aanvulling havo-vwo: machine learning, expertsystemen en gangbare manieren om AI te trainen.

AILit: Engage 2, Shape 1.

Voorbereiding: Digibord met internet en de AI-chatbot van school voor de demo. Print per tweetal de vijf testmails uit de handleiding (materialen), of zet ze op het bord. Leerlingen hebben pen en papier nodig.

De volledige docentenhandleiding staat als bijlage bij deze les. Image credit: Mimi Thian / Unsplash

HAVO-VWO 1 · LES 2 · SNAPPEN

Dit ga je leren

• Ik kan het verschil uitleggen tussen een expertsysteem en machine learning.

• Ik kan de stappen van gesuperviseerd leren beschrijven.

• Ik kan afwegen wanneer regels en wanneer statistiek beter werken.

AI, SLIM BEKEKEN

Lees de doelen voor en vraag wat de leerlingen al weten. Kom er aan het eind van de les op terug.

Stelling: Een computer kan alleen doen wat een programmeur hem precies vertelt.

1

Eens

2

Oneens

3

Weet ik nog niet

AI, SLIM BEKEKEN · HAVO-VWO 1 · LES 2 · SNAPPEN

1. Zeg: 'Weet je nog: een AI-systeem bestaat uit data, algoritmen en hardware. Vandaag kijken we hoe zo'n systeem aan zijn gedrag komt.' 2. Laat leerlingen kiezen en vraag twee leerlingen van elke kant om uitleg. Verwacht voor: 'Computers hebben geen eigen wil.' Tegen: 'AI leert zelf dingen.' 3. Zeg: 'Allebei een beetje waar. Aan het eind van de les weet je precies waarom.' Misvatting: AI denkt zelf na zoals een mens. Laat die even staan.

HAVO-VWO 1 · LES 2 · SNAPPEN

Twee manieren om slim te lijken

• Regels: mensen schrijven precies op wat de computer moet doen. Als dit, dan dat.

• Statistiek: de computer krijgt veel voorbeelden en zoekt zelf patronen. Dat heet machine learning.

• Een regelsysteem geeft altijd hetzelfde antwoord. Een geleerd systeem geeft een kans, zoals 97 procent spam.

• Vandaag vergelijken we ze met een spamfilter.

AI, SLIM BEKEKEN

1. Lees de bullets voor. 2. Zeg: 'Een stoplicht op een timer werkt met regels: na 30 seconden wordt het oranje. Een vertaalapp werkt met statistiek: hij heeft geleerd welke vertaling meestal past.' 3. Vraag: 'Wat bedoel ik als ik zeg dat het geleerde systeem een kans geeft?' Verwacht: 'Het weet het niet zeker.' 4. Zeg: 'Nu ga jij eerst zelf een spamfilter bouwen, met regels.'

Image credit: Vitaly Gariev / Unsplash

HAVO-VWO 1 · LES 2 · SNAPPEN

Bouw een spamfilter met regels

TWEETALLEN

1. Schrijf vijf regels in de vorm: als de mail ..., dan is het spam.

2. Test je regels op de vijf testmails. Welke mails zet jouw filter in spam?

3. Zoek een mail die door je regels glipt of die onterecht in spam belandt.

4. Verbeter één regel. Wordt het filter nu beter, of gaat er iets anders mis?

10

minute

00

second

add30s

10 minuten

AI, SLIM BEKEKEN

1. Deel de testmails uit of zet ze op het bord (zie materialen). 2. Zeg: 'Jullie zijn nu programmeurs. Schrijf regels die spam tegenhouden, maar echte mails doorlaten.' 3. Loop rond. Je ziet regels als 'als het woord gratis erin staat'. Die blokkeert ook mail 2 over de taart. 4. Na 7 minuten: vraag drie tweetallen welke mail lastig was. Verwacht: mail 5 met 'g3wonn3n' glipt door woordregels, mail 3 lijkt op mail 4. 5. Zeg: 'Spammers veranderen hun woorden steeds. Dan moet je steeds nieuwe regels schrijven. Daarom gebruiken mailprogramma's ook machine learning.'

HAVO-VWO 1 · LES 2 · SNAPPEN

Expertsysteem: kennis in regels

• Een expertsysteem legt de kennis van experts vast in een groot aantal als-dan-regels.

• Voorbeeld: MYCIN, gemaakt in de jaren zeventig om artsen te adviseren over infecties en antibiotica.

• Voordeel: je kunt precies nagaan waarom het systeem iets adviseert.

• Nadeel: elke situatie moet vooraf bedacht zijn, en de regels bijhouden kost veel werk.

AI, SLIM BEKEKEN

1. Zeg: 'Wat jullie net deden, is op kleine schaal wat een expertsysteem doet.' 2. Vertel over MYCIN: 'Artsen vertelden informatici hoe zij redeneerden. Dat werden enkele honderden regels, zoals: als de bacterie staafvormig is en de patiënt koorts heeft, dan waarschijnlijk dit type.' 3. Vraag: 'Welk probleem kwamen jullie net ook tegen?' Verwacht: 'Er zijn altijd gevallen die je niet bedacht hebt.' 4. Zeg: 'Expertsystemen worden nog steeds gebruikt, bijvoorbeeld voor belastingberekeningen en helpdesks met een vaste beslisboom.'

Image credit: National Cancer Institute / Unsplash

HAVO-VWO 1 · LES 2 · SNAPPEN

Machine learning: leren van voorbeelden

• Je geeft het systeem duizenden mails waarvan al bekend is of het spam is. Dat heet een label.

• Het systeem zoekt zelf welke kenmerken vaak bij spam horen: woorden, links, afzenders, tijdstip.

• Voor een nieuwe mail berekent het een kans. Boven een grens gaat de mail naar spam.

• Dit heet gesuperviseerd leren: leren met voorbeelden waarbij het goede antwoord bekend is.

AI, SLIM BEKEKEN

1. Zeg: 'Supervisie betekent toezicht. Het systeem leert onder toezicht van voorbeelden waarvan het goede antwoord bekend is.' 2. Vraag: 'Wie levert die labels bij jouw mail?' Verwacht: 'Wij, als we op dit is spam klikken.' 3. Zeg: 'Klopt. Elke klik is een nieuw voorbeeld.' 4. Misvatting: het systeem begrijpt wat spam is. Zeg: 'Het begrijpt niets. Het telt en rekent: welke kenmerken kwamen vaak voor bij mails met het label spam?'

Zet de stappen van gesuperviseerd leren op volgorde

1

Testen met voorbeelden die het nog niet zag

2

Elk voorbeeld een label geven

3

In gebruik nemen en blijven controleren

4

Het model laten trainen op de voorbeelden

5

Veel voorbeelden verzamelen

AI, SLIM BEKEKEN · HAVO-VWO 1 · LES 2 · SNAPPEN

1. Laat leerlingen de volgorde maken en bespreek. 2. Vraag: 'Waarom test je met voorbeelden die het model nog niet zag?' Verwacht: 'Anders weet je niet of het ook nieuwe mails goed doet.' 3. Zeg: 'Vergelijk het met een oefentoets. Als je de antwoorden uit je hoofd leert, haal je een tien voor de oefentoets, maar dat zegt niets over de echte toets.' Misvatting: na het trainen ben je klaar. Zeg: 'Spam verandert steeds, dus je moet blijven controleren en bijtrainen.'

HAVO-VWO 1 · LES 2 · SNAPPEN

Een kans in plaats van ja of nee

PROBEER HET ZELF

Is deze mail spam? 'Gefeliciteerd! Je hebt een telefoon gewonnen. Klik binnen 24 uur op deze link.' Geef een kans en leg uit waarom.

Ik schat de kans op spam op ongeveer 97 procent. Redenen: de mail meldt een prijs waar je niet voor hebt meegedaan, er staat tijdsdruk in ('binnen 24 uur'), en je moet op een link klikken. Die drie kenmerken samen komen heel vaak voor in phishing. Er blijft een kleine kans dat het een echte winactie is waar je wel aan meedeed.

AI-ANTWOORD

Praat erover

Waarom geeft de AI een kans en geen simpel ja of nee?

AI, SLIM BEKEKEN

Laat leerlingen de vraag stellen aan de AI-chatbot van school, zonder persoonsgegevens. Geen tool beschikbaar: gebruik het voorbeeldantwoord.

Laat eerst voorspellen wat de AI antwoordt; één klik toont het voorbeeldantwoord.

1. Typ de prompt live in de AI-chatbot, of toon dit voorbeeldantwoord. 2. Vraag: 'Welke kenmerken noemt de AI?' Verwacht: prijs, tijdsdruk, link. 3. Zeg: 'Een echt spamfilter werkt met getallen: het berekent een kans uit duizenden kenmerken.' 4. Eerlijk zijn: zeg 'Een chatbot is geen spamfilter. Die 97 procent is een schatting in woorden, geen echte berekening. Maar het idee klopt: statistische AI werkt met kansen.' 5. Vraag: 'Wat zou een regelsysteem zeggen?' Verwacht: gewoon spam of geen spam.

Werkt dit systeem met regels of met statistiek?

Regels

Statistiek

Stoplicht op een timer

Gezichtsherkenning

Wachtwoord van 8 tekens eis

Spraak omzetten in tekst

Helpdesk met beslisboom

Vertaalapp

AI, SLIM BEKEKEN · HAVO-VWO 1 · LES 2 · SNAPPEN

1. Laat sorteren en bespreek. 2. Vraag: 'Waarom kun je gezichtsherkenning niet met regels maken?' Verwacht: 'Je kunt niet opschrijven hoe elk gezicht eruitziet, met elk licht en elke hoek.' 3. Zeg: 'Precies. Als het patroon te ingewikkeld is om op te schrijven, gebruik je statistiek. Als de regels duidelijk zijn en je moet kunnen uitleggen waarom, gebruik je regels.' Misvatting: een beslisboom is AI omdat hij slim lijkt. Zeg: 'Een beslisboom die mensen hebben opgesteld is een regelsysteem.'

Wat is een voordeel van een expertsysteem boven machine learning?

A

Het wordt vanzelf beter als je het gebruikt

B

Het kan omgaan met situaties die niemand bedacht

C

Je kunt precies nagaan waarom het iets besluit

D

Het heeft geen menselijke experts nodig

1. Laat antwoorden en bespreek. 2. Misvatting: wie 'vanzelf beter' of 'onbedachte situaties' kiest, verwisselt de twee: dat zijn juist eigenschappen van machine learning. Wie 'geen experts nodig' kiest, heeft het woord expertsysteem niet gekoppeld aan de experts die de regels leveren. 3. Zeg: 'Uitlegbaarheid is de grote kracht van regels. Daarom wil je die bij beslissingen over geld of recht.'

Een geleerd spamfilter zet je nieuwsbrief in spam. Wat helpt het meest?

A

Een nieuwe regel in de code van het filter zetten

B

Markeren als geen spam, zodat het bijleert

C

Het filter uitzetten, want het werkt dus niet

D

De nieuwsbrief doorsturen naar je eigen adres

1. Laat antwoorden en bespreek. 2. Zeg: 'Door te markeren geef je een nieuw label. Het filter leert dat mails zoals deze geen spam zijn.' 3. Misvatting: wie 'nieuwe regel in de code' kiest, denkt nog in regelsystemen. Zeg: 'Bij machine learning verander je het gedrag vooral via de data, niet via regels.' 4. Vraag: 'Wat gebeurt er als veel mensen een echte nieuwsbrief uit luiheid als spam markeren?' Verwacht: 'Dan leert het filter iets verkeerds.'

HAVO-VWO 1 · LES 2 · SNAPPEN

Wanneer kies je wat?

Regels

Als de regels duidelijk zijn en je moet uitleggen waarom: belasting, toelaten tot een examen.

Statistiek

Als het patroon te ingewikkeld is om op te schrijven: gezichten, spraak, vertalen.

Samen

Veel systemen combineren het: een geleerd filter plus vaste regels voor bekende afzenders.

AI, SLIM BEKEKEN

1. Loop de kaarten langs. 2. Zeg: 'Een mailprogramma heeft vaak een geleerd filter én vaste regels: mail van je eigen contacten komt altijd door.' 3. Vraag: 'Welke manier zou je kiezen voor een systeem dat bepaalt wie een studiebeurs krijgt?' Verwacht: regels, omdat je moet kunnen uitleggen waarom iemand wel of geen geld krijgt. Misvatting: nieuw is beter. Zeg: 'Het oudste gereedschap is soms het beste voor de taak.'

Stelling: Beslist een computer iets over mensen, dan moet dat met regels, niet met statistiek.

1

Eens

2

Oneens

3

Weet ik nog niet

AI, SLIM BEKEKEN · HAVO-VWO 1 · LES 2 · SNAPPEN

1. Laat kiezen en vraag om argumenten. Voor: regels zijn uitlegbaar, je kunt bezwaar maken tegen een regel; statistiek neemt vooroordelen uit oude data over. Tegen: statistiek kan patronen zien die mensen missen, bijvoorbeeld bij het vroeg ontdekken van ziektes; regels kunnen ook oneerlijk zijn als de opsteller vooroordelen heeft. 2. Zeg tot slot: 'Het gaat er niet alleen om hoe het systeem werkt, maar ook of je kunt uitleggen en controleren wat het doet.'

Wat is het verschil tussen een expertsysteem en machine learning?

AI, SLIM BEKEKEN · HAVO-VWO 1 · LES 2 · SNAPPEN

1. Exit-vraag. Zeg: 'Schrijf het zo dat een jonger broertje of zusje het snapt.' 2. Een goed antwoord bevat: bij een expertsysteem schrijven mensen de regels op; bij machine learning zoekt de computer zelf patronen in voorbeelden met labels, en geeft hij een kans. Sterk antwoord noemt een voorbeeld en een voor- of nadeel, zoals: 'Een expertsysteem is als een kookboek met vaste stappen, machine learning is proeven tot je weet wat lekker is.' 3. Lees er twee voor.

HAVO-VWO 1 · LES 2 · SNAPPEN

Woorden van vandaag

regelsysteem Systeem dat werkt met als-dan-regels die mensen hebben opgeschreven.

expertsysteem Regelsysteem waarin de kennis van experts is vastgelegd.

machine learning Een computer leert patronen uit voorbeelden, zonder dat mensen de regels opschrijven.

label Het goede antwoord dat bij een trainingsvoorbeeld hoort, zoals spam of geen spam.

gesuperviseerd leren Trainen met voorbeelden waarbij het goede antwoord bekend is.

kans Hoe waarschijnlijk een geleerd systeem een uitkomst vindt, bijvoorbeeld 97 procent spam.

AI, SLIM BEKEKEN

Herhaal de woorden kort. Laat leerlingen er een zin mee maken of er een aanwijzen die ze nu beter snappen.