Gepost door Wouter van den Brink op 1 september 2026
De nieuwe module over keuzethema I. Cognitive Computing staat online! In deze blogpost vertellen we alles over deze nieuwe lesmodule over kunstmatige intelligentie.
Het nieuwe lesmateriaal behandelt nieuwe onderwerpen die anno 2026 belangrijk en relevant zijn, zoals grote taalmodellen en generatieve AI. Maar we verliezen de basis daarbij niet uit het oog: we definiëren het begrip kunstmatige intelligentie en denken na over filosofie en ethiek.
We doen dat in vijf hoofdstukken. Ieder hoofdstuk, behalve het eerste introductie-hoofdstuk, zoomt in op één specifieke AI-technologie. Leerlingen leren hoe die techniek werkt en waar hij zoal wordt ingezet. Af en toe wordt er een uitstapje gemaakt naar de maatschappelijke kant. Zo krijgt ieder doeldomein uit het funderend onderwijs, die in het aankomende examenprogramma een grote rol zullen gaan spelen, de aandacht die het verdient.
Voordat we aan de slag kunnen met de verschillende technieken binnen het vakgebied kunstmatige intelligentie, moeten we nadenken over dat vakgebied zelf. Wat is kunstmatige intelligentie eigenlijk? Wanneer noemen we een systeem intelligent, en wanneer (nog) niet? Een eenvoudig antwoord op deze vragen is niet te geven.
Men zegt bijvoorbeeld vaak dat er sprake is van een AI-systeem wanneer dat systeem menselijk intelligent gedrag vertoont. Zijn automatische ruitenwissers van een auto dan een AI-systeem? Het aan- en uitzetten van de ruitenwissers bij regen en zonneschijn is menselijk gedrag, toch?
We staan ook stil bij de filosofische, ethische en morele kanten van kunstmatige intelligentie. Wat vindt men van kunstmatige intelligentie? Hoe kun je zelf eigenlijk een goede mening vormen over dit soort zaken?
In de eindopdracht van dit hoofdstuk gaan leerlingen aan de slag met een ethische casus rondom AI. We geven twee actuele voorbeeldcasussen, maar leggen ook uit hoe je op zoek kunt naar een eigen casus.
Wellicht weet je al dat een routeplanner verschillende algoritmen tot zijn beschikking heeft om de route van A naar B te vinden. Denk bijvoorbeeld aan het kortstepadalgoritme of A*. Maar wist je dat zulke algoritmen ook toe te passen zijn op abstractere problemen?
Veel spellen zijn bijvoorbeeld (deels) op te lossen met zulke zoekalgoritmen. In de eindopdracht van dit hoofdstuk gaan je leerlingen dat ook echt doen! Ze schrijven een bot die zoektechnieken en heuristieken gebruikt om boter-kaas-en-eieren te spelen.
Wie het oude lesmateriaal over kunstmatige intelligentie heeft gebruikt, weet dat deze opdracht daar ook al in zat. In het nieuwe lesmateriaal is deze opdracht volledig herzien, met meer uitleg, extra verwerkingsopdrachten en een vernieuwde Python-bibliotheek.
Stel je voor: een baby ziet zijn moeder ineens over het plafond lopen. Zijn vader schreeuwt het uit van verbazing, maar de baby reageert tot die tijd misschien nauwelijks op dit tafereel. De baby heeft in zijn korte periode op deze aardbol nog veel te weinig ervaringen opgedaan om te stellen dat het vreemd is als mama over het plafond loopt.
Machine learning is een AI-techniek die, net als de baby, ervaringen uit het verleden gebruikt om voorspellingen te doen over de toekomst. Concreter: door zo veel mogelijk data te verzamelen kan een model worden getraind. Dat model kan dan uitspraken doen over nieuwe, niet eerder geobserveerde data.
Een beslisboom is één van die modellen. Beslisbomen zijn een soort flowcharts, waar je — door vragen te beantwoorden over de eigenschappen van een object — kunt vaststellen tot welke categorie dat object hoort. Heb je bijvoorbeeld wel eens een online keuzehulp ingevuld? Grote kans dat die op de achtergrond een beslisboom gebruikt.
Leerlingen maken in de eindopdracht een eigen dataset en trainen daarmee een beslisboom. Daar hoeven ze niets voor te installeren, want het gebeurt allemaal in een interactief element in de browser!
Al in de negentiende eeuw ontdekten biologen dat onze hersenen bestaan uit miljarden afzonderlijke cellen: neuronen. Een individuele cel is relatief eenvoudig, maar samen vormen ze de bouwstenen van ons vermogen om te denken, te leren en te onthouden. Informatici vroegen zich in de jaren 40 al af: kunnen we dat biologische principe nabootsen in een computer?
Dat leidde tot het ontstaan van kunstmatige neurale netwerken. In dit hoofdstuk ontdekken leerlingen hoe deze netwerken zijn opgebouwd, waar ze in de praktijk worden ingezet en hoe je zo'n netwerk traint om patronen te herkennen — zonder dat we te diep op de ingewikkelde wiskunde ingaan.
In de eindopdracht gaan leerlingen zelf een neuraal netwerk trainen dat voorspelt of zwarte of witte tekst beter leesbaar is op een bepaalde RGB-achtergrondkleur. De dataset daarvoor maken ze samen via crowdsourcing: iedere leerling beoordeelt eerst in een interactief element 20 kleuren, waarna de docent al die data samenvoegt. Met die gezamenlijke dataset stellen de leerlingen zelf de parameters van hun netwerk in en zien ze direct hoe goed hun model presteert!
Generatieve AI en grote taalmodellen zijn niet meer weg te denken uit het dagelijks leven, maar hoe werkt zo'n model nou écht onder de motorkap? In dit hoofdstuk ontleden we het generatieve proces stap voor stap: van embeddings en het attention-mechanisme tot het opslaan van kennis en het kiezen van het volgende token via sampling. Aan het einde van het hoofdstuk kunnen leerlingen écht zelfstandig uitleggen hoe een chatbot als ChatGPT tot zijn antwoorden komt.
Daarnaast kijken we naar de slimme technieken die moderne AI-assistenten zo krachtig maken. Concepten als de systeemprompt, Retrieval-Augmented Generation (RAG) en het inzetten van externe tools laten zien waarom deze systemen tegenwoordig zo goed functioneren.
Een volwaardig GPT-taalmodel draaien in de browser is voor een gemiddelde schoolcomputer natuurlijk veel te zwaar. Daarom gaan leerlingen in de eindopdracht aan de slag met een toegankelijker alternatief dat op een vergelijkbare manier tekst voorspelt: n-gram Markov chains. Ze bouwen zelf een dataset met bijvoorbeeld songteksten of Wikipedia-artikelen en trainen daarmee hun eigen model, dat vervolgens verrassend goed eigen teksten kan genereren!
Het nieuwe lesmateriaal is beschikbaar voor iedereen met een licentie voor de keuzethema's. Het oude materiaal blijft beschikbaar tot en met schooljaar 2028–2029.
Nog niet in het bezit van een licentie voor de keuzethema’s, maar wel geïnteresseerd? Onze adviseurs helpen je graag verder. Neem contact op via [email protected]!
Altijd op de hoogte blijven? Schrijf je in voor onze nieuwsbrief!
