Elke dag worden we overstelpt met berichten over de nieuwste ChatGPT-toepassingen. De ene beweerd nog beter te zijn dan de andere en de eerlijkheid gebied te zeggen dat er ook tools zijn die waanzinnige resultaten genereren. Ondanks dat ik mijzelf inmiddels als een ervaren gebruiker zie die al vanaf de start van ChatGPT bezig is te ontdekken wat het volledige potentieel van ChatGPT is, zie ik soms door de bomen het bos niet meer. Dus ben ik gestart met een wekelijkse blog gericht op de eenvoudige en concrete ChatGPT-toepassingen in het domein van L&D. Het doel is om lezers te inspireren waardoor ze zelf ook de mogelijkheden van ChatGPT of AI gaan verkennen. In gesprekken met klanten en collega's heb ik echter gemerkt dat ChatGPT voor velen nog een blackbox is en daarmee is er onduidelijkheid over het potentieel en, cruciaal, de beperkingen. Daarom zal de blog van deze week gaan over de misvattingen over ChatGPT binnen een leer- en ontwikkelomgeving.

De grootste misvatting over ChatGPT en vergelijkbare AI-taalmodellen draait vaak om de perceptie van hun capaciteiten. Veel gebruikers gaan ervan uit dat deze modellen onfeilbaar zijn en een begrip hebben dat vergelijkbaar is met dat van mensen of misschien zelfs nog wel beter dan dat van mensen. Daar kunnen we duidelijk over zijn, dit is niet het geval. Hieronder benoem ik een paar voorbeelden van veelvoorkomende misvattingen. Ik vind het belangrijk om aan het begin van deze blog te melden dat ik geloof dat ChatGPT de menselijke rol binnen L&D niet kan vervangen. Hoewel het aspecten van ontwikkeling en onderwijs kan automatiseren, heel goed is in informatie verstrekken, kan het de expertise en empathie van de mens niet vervangen. Ik zie het zelf dan ook als een hele waardevolle aanvulling op de bestaande instrumenten.

1. Nauwkeurigheid van informatie:

Een veelvoorkomende misvatting is dat ChatGPT live op het internet kan browsen, maar in werkelijkheid zijn de reacties gebaseerd op een vaste dataset uit het verleden. Bijvoorbeeld, de kennis van ChatGPT op dit moment is gebaseerd op een dataset van april 2023. Het is dus belangrijk om informatie van ChatGPT kritisch te evalueren, omdat deze dus niet actueel en zelfs onnauwkeurig kan zijn. Hoewel de dataset van ChatGPT regelmatig wordt vernieuwd moeten antwoorden door gebruikers dus altijd geverifieerd worden.

2. Begrip van context:

ChatGPT wordt soms geacht de context te begrijpen of in staat zijn tussen de regels door te lezen. In werkelijkheid is het begrip van nuances en context beperkt tot de patronen die het heeft geleerd uit de beschikbare enorme hoeveelheid data. Dat maakt dus dat het resultaat van ChatGPT soms verrassend volledig los staat van de context.

3. Personalisatie:

Er is een misvatting dat ChatGPT leerervaringen kan personaliseren in dezelfde mate als een mens. Hoewel het reacties kan afstemmen op basis van de input van de gebruiker, begrijpt het niet echt de individuele leerbehoeften. ChatGPT past de individuele leerbehoefte in de loop van de tijd ook niet aan zonder specifieke programmering. Hoe gedetailleerder en explicieter de programmering en de input, hoe persoonlijker de respons zal worden ervaren.

4. Aanpassing aan leerstijl:

Het geloof dat ChatGPT zich autonoom kan aanpassen aan verschillende leerstijlen is ook een misvatting. Het kan verschillende soorten inhoud bieden, maar het ingewikkelde proces van het identificeren en aanpassen aan de unieke stijl van een gebruiker ligt buiten zijn capaciteiten. Ook hier geldt weer dat ChatGPT informatie genereert op basis van patronen die het in de trainingsgegevens heeft gezien. Hoewel het gesprekken kan simuleren en mensachtige reacties kan genereren, heeft het geen begrip of bewustzijn; daarom zijn duidelijke instructies noodzakelijk.

5. Emotionele intelligentie:

De bovenstaande voorbeeld maken al duidelijk dat ChatGPT geen emotionele intelligentie kent. Het kan emoties van werknemers niet oprecht waarnemen, wat cruciaal is in een leeromgeving om ondersteuning, motivatie en betrokkenheid te bieden. Reacties die empathisch lijken, zijn ook hier gebaseerd op patronen geleerd uit gegevens, niet uit echte emotionele intelligentie.

6. Interactiviteit en betrokkenheid:

Hoewel er verschillende interactieve leervormen met ChatGPT zijn bestaat er soms ook een overschatting van hoe interactief ChatGPT kan zijn. Hoewel het een gesprek kan simuleren, is het niveau van interactiviteit niet zo dynamisch of responsief als realtime interactie met een mens, wat cruciaal kan zijn voor een leeromgeving. Desondanks is ChatGPT een krachtig hulpmiddel om een rollenspel te spelen op basis van verschillende scenario’s.

7. Educatieve autoriteit:

De output van ChatGPT moeten naar mijn mening beschouwd worden als input, als startpunten voor leer- en ontwikkelingsinhoud, niet als een definitieve educatieve bron. Onder invloed van tijdsdruk wordt daar nog wel eens aan voorbij gegaan en wordt materiaal zonder beoordeling en aanpassing gebruikt als leermiddel. ChatGPT kan de ontwikkeling van leermiddelen aanzienlijk verkorten maar tegelijkertijd krijg je te maken met een verschuiving van creatie naar reviewen en ook dat kost tijd.

8. Creatief en kritisch denken:

Een ander misverstand is de mate waarin ChatGPT in staat is om creatief en kritisch denken over te brengen. Hoewel het voorbeelden en oefeningen kan genereren beschikt het niet over de cognitieve vaardigheden om het zelfstandig, zonder instructie te doen op dezelfde manier als een mens dat kan. Ook hier is het dus heel belangrijk om kritisch te zijn op de output en die af te wegen ten opzichte van de vraag die ChatGPT is gesteld.

9. Ethische en culturele standpunten:

AI zoals ChatGPT heeft geen persoonlijke overtuigingen of waarden en kan geen ethische oordelen vellen. Elke discussie over ethiek is gebaseerd op gegevens waarop het is getraind, niet op een persoonlijk ethisch kader. Daarom is het mogelijk dat de output van ChatGPT niet altijd overeenkomt met de ethische normen of culturele gevoeligheden die onderdeel zijn van bepaalde ontwikkelingsmateriaal.