door

Uit de innoSpace | Passion Based Learning

04/12/2019

Kunstmatige intelligentie blijkt een uitermate uitdagend gebied om studenten in te onderwijzen. Achter de buzz ligt een complexe interactie van academische disciplines die reikt van wiskunde voor het fundamentele begrip, via data science om technieken inzetbaar en inzichtelijk te maken tot software science voor efficiënte implementatie en onderhoud van AI-systemen. Ondanks de complexiteit proberen we bij Serpentine mensen te helpen om zich een weg te banen door het AI-landschap.

Wij zijn een vereniging en TU/e innovation Space-team dat zich focust op de implementatie van en onderzoek naar AI op de TU/e, waarbij we games en competities als testbed gebruiken. In die context wil ik jullie graag inzicht geven in hoe wij de educatie van onze leden oppakken.

Challenge based learning wordt de laatste tijd steeds vaker aangedragen als alternatief op of aanvulling aan traditionele onderwijsmethodes. Innovation Space heeft deze manier van lesgeven omarmd en binnen Serpentine zijn we ook van mening dat praktische implementatie de weg vrij maakt naar daadwerkelijk begrip. Je zou je kunnen afvragen of challenge based learning de moeite waard is. Wij vinden dat in ieder geval wel!

Elke week komen we samen, in ieder geval op maandagavond, maar liever vaker, om aan AI-projecten te werken. Leden kunnen ervoor kiezen om ‘educatie nodes’ te maken om zichzelf te trainen of om zich bezig te houden met onderzoeksgerelateerde projecten. De nodes zijn verbonden met elkaar. Door een node uit te kiezen met interessante kennis kun je uitzoeken wat je moet weten om een onderwerp te beheersen. Het systeem lijkt op de lessen in Duolingo, maar om het inzichtelijk te maken, geef ik een voorbeeld:

Via nodes naar kookrobot

Stel, je wilt een kookrobot bouwen. Je zoekt de node die hoort bij het bouwen een kookrobot, en ziet dat daarvoor kennis van electronica en mechanica nodig is en een lijstje goeie recepten. Elke node die naar de kookrobot-node leidt, beschrijft die dingen die nodig zijn om de robot te realiseren. Stel dat je niet weet hoe koken werkt. Je kunt de nodes helemaal terugvolgen tot de node ‘omelet bakken’, en vanuit daar alle benodigde kookchallenges uitvoeren om je kennis op te bouwen.

Dit werkt omdat we in onze vereniging mensen hebben die constant nieuwe kennis aan het verzamelen zijn. We proberen het bouwen van nodes op basis van interessante nieuwe kennis te stimuleren. De bronnen die nuttig blijken tijdens onderzoek zetten we in een node. Door externe kennis te gebruiken in plaats van alles zelf te produceren, zorgen we dat we snel nieuwe nodes kunnen maken en halen we state of the art-kennis in huis. Doordat we de bronnen eerst filteren, vermijden we de ellende die slechte bronnen met zich meebrengen.

In essentie proberen we onze uitdagingen op te lossen door gelijkgestemde mensen te verzamelen en te organiseren rondom praktische challenges met bijbehorende bronnen die we nodes noemen. Op deze manier spreken we onze passie aan en motiveren we elkaar om onze kennis verder te brengen en nieuwe uitdagingen samen te overwinnen.


Onder het kopje 'Uit de innoSpace' geeft elke maand een ander team een inkijkje in hoe het eraan toegaat binnen de innoSpace. Deze keer is dat Mickey Beurskens van E.S.A.I.V. Serpentine.

Deel dit artikel via je socials