Generatieve A.I. (Gen AI) is een vorm van kunstmatige intelligentie die nieuwe data kan creëren, zoals teksten, afbeeldingen of muziek. Deze technologie maakt gebruik van neurale netwerken om inhoud te genereren die lijkt op bestaande data, maar toch uniek is. Van het ontwerpen van nieuwe producten tot het maken van kunst, de toepassingen zijn veelzijdig. Hoewel veelbelovend, brengt generatieve AI ook ethische vraagstukken met zich mee, zoals het risico op misbruik voor het creëren van nepnieuws.
Een voorbeeld van een razendsnel gegroeide Gen AI is ChatGPT, een gratis chatbot die een antwoord kan genereren op bijna elke vraag (“Prompt”) die hem gesteld wordt. ChatGPT (GPT staat voor : Generative Pre-trained Transformer’) is ontwikkeld door OpenAI en werd 30 november 2022 vrijgegeven voor testen door het grote publiek. Het wordt beschouwd als de beste AI-chatbot ooit en is erg populair: meer dan een miljoen mensen hebben zich in slechts vijf dagen aangemeld om het te gebruiken en 100 miljoen binnen twee maanden!
Belangrijke spelers op het gebied van generatieve AI zijn:
- Microsoft
- Amazon
- OpenAI, de ontwikkelaar van ChatGPT (met Microsoft als 49% aandeelhouder)
Binnen Gen AI zijn de volgende modaliteiten beschikbaar:
Multi-modaliteit verwijst naar de capaciteit van mensen om betekenisvolle en betrouwbare waarnemingen te vormen door het verwerken van sensorische stimuli vanuit verschillende zintuigen. Het is een term die wordt gebruikt om het vermogen te beschrijven om samenhangende informatie te verkrijgen uit meerdere zintuiglijke bronnen. Het gaat bijvoorbeeld om het integreren van informatie uit verschillende zintuigen, zoals beeldherkenning en gehoor: tekst-naar-spraak-en-video.
De o in GPT-4o (gelanceerd op 13 mei 2024 door OpenAI) staat voor “omni”: integratie van spraak, video en beeldherkenning. GPT-4o wordt gratis beschikbaar gesteld, vertaald real-time in 50 talen en geeft toegang tot de ChaGPT store waarin ruim een miljoen domein specifieke .AI apps staan.
Gen AI Use Cases
Deze Gen AI use-cases zijn door ons onderzocht en geven een beeld welke mogelijkheden er zijn. Op elke gelinkte pagina zullen we dieper op die categorie ingaan.
- Tekst-naar-image (Fotogeneratie)
- Tekst-naar-tekst (Tekstgeneratie)
- Tekst-naar-video-en-spraak (Videogeneratie)
- Tekst-naar-code (Softwaregeneratie)
- Spraak-naar-spraak (Spraakgeneratie)
- Deepfakes
Meer categorieën volgen later.
Hieronder een voorbeeld van reeds gerealiseerde toepassingen van Gen AI in de Mode Industrie:
Toepassing van Gen AI in het Hoger Onderwijs
De “AI Learning and Verification Paradox”
Deze paradox luidt als volgt;
To harness AI for real-world impact, we must trust and verify its outcomes. Trust and verification stems from understanding, and understanding comes from a methodical learning process, devoid of shortcuts or over-reliance on AI itself.
Dit betekent dat je studenten wilt leren hoe ”met AI te leren”, maar ze pas Gen AI wilt laten gebruiken als ze kunnen verifiëren c.q. valideren of het resultaat van een prompt in de context van de opdracht te plaatsen is.
A curriculum for the future
HBO-ICT studenten van Windesheim heb onderzoek gedaan hoe het onderwijs zou kunnen omgaan met Gen AI. Dit leidde tot een implementatiesessie die door twinitg docenten van HBO-ICT is bijgewoond. Het onderzoeksrapport is hier te lezen. Windesheim heeft o.m. een analyse gemaakt over de ‘Lecturer Journey’ welke hieronder is afgebeeld. Links in groen zie je de activiteiten waar Gen AI toegepast kan worden.
Meer weten over werken met Gen AI in het onderwijs? Dit boek kan je helpen en bevat 43 voorbeelden van werkvormen met ‘Prompts’ welke je direct in de praktijk kan toepassen:
Een nieuwe skill: Prompt Engineering
Prompt Engineering is een discipline die zich richt op het optimaliseren van het gebruik van Gen AI op basis van taal. Het omvat het ontwerpen en testen van zinnen of invoer die ervoor zorgen dat een systeem de resultaten oplevert die een gebruiker nodig heeft. Een prompt kan zo eenvoudig zijn als een paar woorden of zo complex als een heel alinea, en dient als startpunt voor een AI-model om een reactie te genereren. Het doel is om de AI te helpen betere antwoorden te geven, zoals het schrijven van marketing-e-mails, het genereren van code, het analyseren en synthetiseren van tekst, het communiceren met klanten via chatbots, het maken van digitale kunst, het componeren van muziek en vele andere toepassingen.
Realiseer je wel dat jij altijd verantwoordelijk blijft voor het uiteindelijk resultaat en dat Gen AI niet altijd volledig is of de juiste informatie ophoest. Zie het als een intelligente stagiaire die, zonder de context te kennen, snel veel informatie ‘Googlet’ en deze in de vorm van een lopend verhaal, plaatje of code met je deelt.
Hier zijn vijf voorbeelden van prompt engineering:
- Marketing-e-mails – Stel dat je Gen AI (bijvoorbeeld ChatGPT, Bing AI of Google Bard) wilt gebruiken om marketing-e-mails te schrijven voor een nieuw product. Je kunt de prompt “Schrijf een e-mail om ons nieuwe product te promoten” gebruiken. Gen AI genereert dan een e-mail met informatie over het product, voordelen voor de klant en een sterke oproep tot actie.
- Codegeneratie – Als je hulp nodig hebt bij het genereren van code voor een specifieke taak, kun je een prompt gebruiken zoals “Schrijf code om een lijst met getallen te sorteren”.
- Chatbot-interactie – Stel dat je een chatbot wilt maken die klanten kan helpen bij het beantwoorden van veelgestelde vragen. Je kunt de prompt “Schrijf interacties voor een klantenservice-chatbot” gebruiken.
- Digitale kunst – Als je op zoek bent naar inspiratie voor digitale kunst, kun je een prompt gebruiken zoals “Genereer abstracte digitale kunst”.
- Muziekcompositie – Als je wilt experimenteren met muziekcompositie, kun je een prompt gebruiken zoals “Genereer een melodie in C-majeur”.
Prompt Engineering is een fascinerend vakgebied dat de potentie heeft om tal van Gen AI toepassingen te realiseren. Door de juiste prompts te ontwerpen, kan je Gen AI beter laten presteren en waardevolle resultaten opleveren.
Productiviteit
Gen AI verhoogt de productiviteit van eigenlijk alle kenniswerkers: para legals worden voor een belangrijk deel vervangen door op LLM gebaseerde software van Harvey Nash, content marketeers en software ontwikkelaars zien hun output met een multiplier van 4 stijgen in 2030, docenten krijgen meer ruimte voor persoonlijke begeleiding van studenten.