MEDIA EN DIGITALE SAMENLEVING
INLEIDING
WAAROM MEDIA EN DIGITALE SAMENLEVING?
- Bewustmaking van mechanismen in de media en gedigitaliseerde
samenleving
- Bespreking van wetenschappelijke studies, maar het is geen harde
wetenschap
Vooral hot topics in een gedigitaliseerde samenleving
- Dialoog en reflectie over denkbeelden, standpunten en ideeën
- Lesopnames – je kan de lessen asynchroon volgen
- Zelfstudiemateriaal en Q&A en discussiesessies
EXAMEN
- Eerste zit: zaterdag 24/01
- Tweede zit: zaterdag 29/08
- Computer examen
- Multiple choice examen – 15 punten
Multiple answers – meerdere opties mogelijk
- 1 open vraag – 5 punten
PERMANENTE EVALUATIE
- Na elke zelfstudie en voor elk debat een relevante vraag te formuleren en
in te dienen in BB
Kan punten verliezen – 0,5 punten verliezen als je het niet indient
De vraag moet over het thema gaan
De vraag moet refereren naar een specifiek aspect die behandeld werd
Het moet iets toevoegen aan iets dat al besproken is – nog niet aan bod
gekomen
Geen mening of ja/nee vraag
THEMA 1: ARTIFICIËLE INTELLIGENTIE
WHAT IS AI ABOUT?
WAAR STAAN WE VANDAAG
- Zelfrijdende auto’s – in de VS in bepaalde omgevingen
De complexiteit hangt af met de randvoorwaarden – het probleem van
veiligheid is eenvoudigere oplosbaar wanneer de straten breed zijn en
recht op recht zijn
Op autostrades zou het ook lukken
Dit is AI (geen machine learning)
IS HET ARTIFICIËLE INTELLIGENTIE OF IS HET MACHINE LEARNING?
- Machine learning is een onderdeel van AI
- AI: wanneer een technologie kan slagen voor de Turing Test
Je kan het onderscheid niet maken of het gedaan is door een machine
of door een mens
- Machine learning: technologie waarin we op basis van data een
computer zelf iets kunnen later leren – vb. neurale netwerken
1
, - Deep learning: maakt gebruik van kunstmatige neurale netwerken met
meerdere lagen om patronen te leren uit grote, complexe datasets
Computationele kracht is hoger waardoor we machines veel meer
kunnen laten leren
Vb. herkennen van honden/ katten op foto’s
- Generative AI: Neurale netwerken kunnen dingen laten genereren
Gaat over meer dan tekst genereren
Nieuwe context genereren op basis van wat de neurale netwerken
kunnen genereren
Vb. Sora – video’s die gemaakt worden
WAT IS AI?
- Neurale netwerken die samen werken
Elk neuron hangt samen met alle volgende neuronen
Hoe werkt het?
Elk neuron heeft een bepaalde functie – heel snel van laag naar
hoog raken
De input van de volgende neuronen laten afhangen van alle outputs
van de lagen daarboven – dit is heel belangrijk
De gewichten worden goed gezet door te kijken naar de output dat
een neuraal netwerk geeft op basis van de input – langzaam wordt
dit juist gezet tot dat de output juist is
Vergelijkbare zaken kunnen ook geïdentificeerd worden
- Wat is het leuke hieraan?
Je hebt een hele hoge dimensionale functie kan maken
De technologie gaat de functie zelf modeleren
Dit mechanisme gaat zelf met een redenering maken
WAT ZIJN LLM (LARGE LANGUAGE MODEL)
- Een LLM probeert een antwoord te bieden dat zo goed mogelijk lijkt op het
antwoord dat het moet zijn
- Gaat woorden genereren waarvan ze denken dat gaat volgen
Dit op basis van de data dat ze gevoed werden – de kans dat er iets
gaat volgen zorgt er voor dat de LLM voor een bepaalde optie kiest
- De LLM gaat een zin opsplitsen in tokens
Onderdelen die voor toekomstige generatie gaat dienen (vb. un –
believe – ably – fantastic - !)
- Elk van die woorden/ tokens worden geplaatst in een multidimensionale
space – 12288 dimensionale space
Voor elke token wordt er een vector gecreëerd om te bepalen waar in
de multidimensionale space die behoort
Door deze dimensies kan je relaties tussen woorden/ tokens
terugvinden
Vb. de vector van “man” naar “vrouw” heeft dezelfde afstand en
richting als “king” en “queen”
Voor alle woorden worden de vectoren tegen een geplaatst en wordt
er een matrix gevormd
Kan in een neuraal netwerk gevoerd worden
Dit neuraal netwerk kan zo bepalen wat de probabiliteit is dat deze
woorden gebruikt worden in de zin
2
, Er moet natuurlijk ook rekening gehouden worden met connotatie – de
betekenis van een woord kan een verschuiving veroorzaken in de
multidimensionale space
SAMENVATTING
- Drie stappen
1. Encoderen in tokens
2. Gebruiken van attention om rekening te houden met context
3. Deze resultaten gebruiken om het volgende woord te voorspellen
TECHNOLOGISCHE UITDAGINGEN
ACCURACY OF ALGORITHMS
- We willen niet dat AI op cruciale momenten fouten maakt
- Hoewel AI weinig fouten maakt als het gaat over AI zoals Sora en ChatGPT,
kan dit erge gevolgen hebben voor vb. Alexa en zelfrijdende auto’s
ENERGIE
- AI heeft super veel energie nodig – moeten we dan meer kerncentrales
bouwen
- AI zou ook moeten kunnen werken met een kleinere hoeveelheid energie
DISTRIBUTED INTELLEGENCE
- Als we veel AI gaan gebruiken dan gaan heel veel componenten van AI met
elkaar interageren
- Het globaal gedrag zou het genen moeten zijn wat wij wensen
- Er is te veel focus op wat elke individuele agent/ component van AI doet
en wordt er niet gekeken naar de interactie
STAYING IN CONTROL
- Veel van de zaken in AI gebeuren in Black Box
We weten niet altijd wat AI mee bezig is
- Het zou de bedoeling zijn dat we weten waarom AI iets doet zelfs als het al
optimaal werkt
De waarom is heel belangrijk
- Je moet weten naar wat het geoptimaliseerd wordt
3
, Er is een kans dat het model naar iets optimaliseert dat we niet weten,
maar onze opdracht goed uitvoert (vb. kankerpatiënten verminderen
door medicatie lukt, maar bevolking wordt onvruchtbaar)
IRRATIONAL BEHAVIOR
- Mensen zijn wel irrationeel
Vb. we hebben het warm en krijgen de indruk dat er niet genoeg
zuurstof is dus zetten we het raam open
Ook als er een speciaal ventilatiesysteem is die er voor zorgt dat er
genoeg zuurstof binnen komt
- AI gaat optimaliseren op basis van het rationele gedrag van mensen, maar
wij zijn vaak irrationeel
PITFALLS
CHANGE MANAGEMENT
- We hebben allemaal weerstand tegen verandering
- Veel mensen zeggen “we kunnen onmogelijk de verantwoordelijk van die
zaken overbrengen naar artificiële intelligentie”
- De verandering zal dus in kleine stapjes moeten plaatsvinden
MISUSE
- Er kan voor elke technologie ook misbruik plaatsvinden
Vb. camera van tesla manipuleren met specifieke kleurpatronen – auto
slaat naar links af door specifieke kleurpatronen
- Er zijn stukken waarvan we niet goed weten hoe het systeem werkt dus
kan er misbruik van gemaakt worden
- Er kan ook misbruik plaatsvinden wanneer je weet hoe iets werkt
Vb. foto’s maken die niet echt zijn/ niet oké zijn = deepfakes
BIAS
- We moeten behoedzaam zijn voor het feit dat we geen bias in machines
steken
- De dataset moet representatief zijn
Vb. data voor gezichtsherkenning waren vooral blanke mannen
- Je moet nadenken of de data ethisch verantwoord is
- Wordt het verleden in die data getoond en was dat verleden we eerlijk (vb.
niet racistisch)
FEAR
- De vraag moet altijd zijn “waarom hebben AI dit gedaan en wat kan er
beter?”
- Technologie maakt fouten, maar ze doen dit vaak om iets anders te
voorkomen
- Je moet technologie goed gebruiken
4
INLEIDING
WAAROM MEDIA EN DIGITALE SAMENLEVING?
- Bewustmaking van mechanismen in de media en gedigitaliseerde
samenleving
- Bespreking van wetenschappelijke studies, maar het is geen harde
wetenschap
Vooral hot topics in een gedigitaliseerde samenleving
- Dialoog en reflectie over denkbeelden, standpunten en ideeën
- Lesopnames – je kan de lessen asynchroon volgen
- Zelfstudiemateriaal en Q&A en discussiesessies
EXAMEN
- Eerste zit: zaterdag 24/01
- Tweede zit: zaterdag 29/08
- Computer examen
- Multiple choice examen – 15 punten
Multiple answers – meerdere opties mogelijk
- 1 open vraag – 5 punten
PERMANENTE EVALUATIE
- Na elke zelfstudie en voor elk debat een relevante vraag te formuleren en
in te dienen in BB
Kan punten verliezen – 0,5 punten verliezen als je het niet indient
De vraag moet over het thema gaan
De vraag moet refereren naar een specifiek aspect die behandeld werd
Het moet iets toevoegen aan iets dat al besproken is – nog niet aan bod
gekomen
Geen mening of ja/nee vraag
THEMA 1: ARTIFICIËLE INTELLIGENTIE
WHAT IS AI ABOUT?
WAAR STAAN WE VANDAAG
- Zelfrijdende auto’s – in de VS in bepaalde omgevingen
De complexiteit hangt af met de randvoorwaarden – het probleem van
veiligheid is eenvoudigere oplosbaar wanneer de straten breed zijn en
recht op recht zijn
Op autostrades zou het ook lukken
Dit is AI (geen machine learning)
IS HET ARTIFICIËLE INTELLIGENTIE OF IS HET MACHINE LEARNING?
- Machine learning is een onderdeel van AI
- AI: wanneer een technologie kan slagen voor de Turing Test
Je kan het onderscheid niet maken of het gedaan is door een machine
of door een mens
- Machine learning: technologie waarin we op basis van data een
computer zelf iets kunnen later leren – vb. neurale netwerken
1
, - Deep learning: maakt gebruik van kunstmatige neurale netwerken met
meerdere lagen om patronen te leren uit grote, complexe datasets
Computationele kracht is hoger waardoor we machines veel meer
kunnen laten leren
Vb. herkennen van honden/ katten op foto’s
- Generative AI: Neurale netwerken kunnen dingen laten genereren
Gaat over meer dan tekst genereren
Nieuwe context genereren op basis van wat de neurale netwerken
kunnen genereren
Vb. Sora – video’s die gemaakt worden
WAT IS AI?
- Neurale netwerken die samen werken
Elk neuron hangt samen met alle volgende neuronen
Hoe werkt het?
Elk neuron heeft een bepaalde functie – heel snel van laag naar
hoog raken
De input van de volgende neuronen laten afhangen van alle outputs
van de lagen daarboven – dit is heel belangrijk
De gewichten worden goed gezet door te kijken naar de output dat
een neuraal netwerk geeft op basis van de input – langzaam wordt
dit juist gezet tot dat de output juist is
Vergelijkbare zaken kunnen ook geïdentificeerd worden
- Wat is het leuke hieraan?
Je hebt een hele hoge dimensionale functie kan maken
De technologie gaat de functie zelf modeleren
Dit mechanisme gaat zelf met een redenering maken
WAT ZIJN LLM (LARGE LANGUAGE MODEL)
- Een LLM probeert een antwoord te bieden dat zo goed mogelijk lijkt op het
antwoord dat het moet zijn
- Gaat woorden genereren waarvan ze denken dat gaat volgen
Dit op basis van de data dat ze gevoed werden – de kans dat er iets
gaat volgen zorgt er voor dat de LLM voor een bepaalde optie kiest
- De LLM gaat een zin opsplitsen in tokens
Onderdelen die voor toekomstige generatie gaat dienen (vb. un –
believe – ably – fantastic - !)
- Elk van die woorden/ tokens worden geplaatst in een multidimensionale
space – 12288 dimensionale space
Voor elke token wordt er een vector gecreëerd om te bepalen waar in
de multidimensionale space die behoort
Door deze dimensies kan je relaties tussen woorden/ tokens
terugvinden
Vb. de vector van “man” naar “vrouw” heeft dezelfde afstand en
richting als “king” en “queen”
Voor alle woorden worden de vectoren tegen een geplaatst en wordt
er een matrix gevormd
Kan in een neuraal netwerk gevoerd worden
Dit neuraal netwerk kan zo bepalen wat de probabiliteit is dat deze
woorden gebruikt worden in de zin
2
, Er moet natuurlijk ook rekening gehouden worden met connotatie – de
betekenis van een woord kan een verschuiving veroorzaken in de
multidimensionale space
SAMENVATTING
- Drie stappen
1. Encoderen in tokens
2. Gebruiken van attention om rekening te houden met context
3. Deze resultaten gebruiken om het volgende woord te voorspellen
TECHNOLOGISCHE UITDAGINGEN
ACCURACY OF ALGORITHMS
- We willen niet dat AI op cruciale momenten fouten maakt
- Hoewel AI weinig fouten maakt als het gaat over AI zoals Sora en ChatGPT,
kan dit erge gevolgen hebben voor vb. Alexa en zelfrijdende auto’s
ENERGIE
- AI heeft super veel energie nodig – moeten we dan meer kerncentrales
bouwen
- AI zou ook moeten kunnen werken met een kleinere hoeveelheid energie
DISTRIBUTED INTELLEGENCE
- Als we veel AI gaan gebruiken dan gaan heel veel componenten van AI met
elkaar interageren
- Het globaal gedrag zou het genen moeten zijn wat wij wensen
- Er is te veel focus op wat elke individuele agent/ component van AI doet
en wordt er niet gekeken naar de interactie
STAYING IN CONTROL
- Veel van de zaken in AI gebeuren in Black Box
We weten niet altijd wat AI mee bezig is
- Het zou de bedoeling zijn dat we weten waarom AI iets doet zelfs als het al
optimaal werkt
De waarom is heel belangrijk
- Je moet weten naar wat het geoptimaliseerd wordt
3
, Er is een kans dat het model naar iets optimaliseert dat we niet weten,
maar onze opdracht goed uitvoert (vb. kankerpatiënten verminderen
door medicatie lukt, maar bevolking wordt onvruchtbaar)
IRRATIONAL BEHAVIOR
- Mensen zijn wel irrationeel
Vb. we hebben het warm en krijgen de indruk dat er niet genoeg
zuurstof is dus zetten we het raam open
Ook als er een speciaal ventilatiesysteem is die er voor zorgt dat er
genoeg zuurstof binnen komt
- AI gaat optimaliseren op basis van het rationele gedrag van mensen, maar
wij zijn vaak irrationeel
PITFALLS
CHANGE MANAGEMENT
- We hebben allemaal weerstand tegen verandering
- Veel mensen zeggen “we kunnen onmogelijk de verantwoordelijk van die
zaken overbrengen naar artificiële intelligentie”
- De verandering zal dus in kleine stapjes moeten plaatsvinden
MISUSE
- Er kan voor elke technologie ook misbruik plaatsvinden
Vb. camera van tesla manipuleren met specifieke kleurpatronen – auto
slaat naar links af door specifieke kleurpatronen
- Er zijn stukken waarvan we niet goed weten hoe het systeem werkt dus
kan er misbruik van gemaakt worden
- Er kan ook misbruik plaatsvinden wanneer je weet hoe iets werkt
Vb. foto’s maken die niet echt zijn/ niet oké zijn = deepfakes
BIAS
- We moeten behoedzaam zijn voor het feit dat we geen bias in machines
steken
- De dataset moet representatief zijn
Vb. data voor gezichtsherkenning waren vooral blanke mannen
- Je moet nadenken of de data ethisch verantwoord is
- Wordt het verleden in die data getoond en was dat verleden we eerlijk (vb.
niet racistisch)
FEAR
- De vraag moet altijd zijn “waarom hebben AI dit gedaan en wat kan er
beter?”
- Technologie maakt fouten, maar ze doen dit vaak om iets anders te
voorkomen
- Je moet technologie goed gebruiken
4
