Expeditie: Generative AI
De introductie van ChatGPT heeft veel aandacht getrokken in de traditionele en social media. ChatGPT is één voorbeeld van een generatieve AI (model), maar zeker niet het enige voorbeeld! Andere bekende voorbeelden zijn DALL-E, MIDJourney en VALL-E. Maar er zijn ook zeer krachtige maar minder bekende voorbeelden zoals PALM (Google) en Bloom (open source). Een generatieve AI-model wordt zo genoemd omdat het model op basis van (tekstuele) input daadwerkelijk iets creëert. ChatGPT creëert teksten en MIDJourney figuren. Maar er zijn ook modellen die afbeeldingen, audio- of videobestanden creëren.
Wat betekent de ontwikkeling van generatieve AI voor u en uw organisatie? Wat is er vandaag de dag mogelijk met generatieve AI en wat zal de komende jaren beschikbaar komen? Wat zijn de ethische bezwaren en welke juridische valkuilen bestaan er?
Op deze en meer vragen krijgt u antwoord tijdens het spelen van de serieus game “Expeditie: Generatieve AI”.
De expeditie:
In Expeditie: Generative AI, zullen uw werknemers het concept Generatieve AI onderzoeken door zes afgelegen eilanden te verkennen. Tijdens de expeditie zullen foto’s, audioclips, videoclips, tweets en nieuwsartikelen worden verzameld. Naast het verzamelen van verschillende soorten informatie, worden trends ook tot leven gebracht door middel van interactieve mini-games en simulaties. Op deze manier zullen uw werknemers niet alleen de verschillende concepten beter begrijpen, maar ook de inzichten verwerven die nodig zijn om ze in de dagelijkse context van hun werk te kunnen plaatsen.
De kennis die is verkregen uit de verzamelde informatie, mini-games en simulaties, zal worden geanalyseerd en daarna in een gedeeld conceptueel kader en radarbeeld worden gezet. Dit radarbeeld specificeert de fase van evolutie voor een specifieke trend en de impact van de trend op uw onderneming en haar klanten. Op deze manier zal aan het einde van de expeditie (dag) duidelijk zijn welke trends uw organisatie op de radar heeft, op de radar zou moeten hebben en welke trends u kunt verwaarlozen. Dit helpt uw organisatie om, op basis van deze trends, een nieuwe strategie te formuleren.
Doelgroep:
Expeditie: Generative AI is een uniek spel met inhoud die van groot belang is voor iedereen die betrokken is bij de dagelijkse operatie en toekomst van de organisatie. Het spel biedt een educatieve ervaring voor zowel leden van de raad van bestuur, management, innovatieteams en werknemers, aangezien zij allemaal een cruciale rol spelen in de toekomst van de organisatie. Het spel kan gespeeld worden met een fysiek of digitaal bord in een groep met maximaal 16 spelers per spel. Er is geen specifiek kennisniveau vereist om deel te nemen, het is toegankelijk voor iedereen.
Resultaten:
Ontgrendel het potentieel van uw organisatie door het spelen van onze serious game. In slechts één dag (of een halve dag) zal uw team een gedeeld begrip van Generatieve AI krijgen en daarnaast de mogelijke toepassingen voor uw eigen organisatie ontdekken. De toepassing binnen uw organisaties zal worden weergegeven doormiddel van een radar (tijdens de sessie op een groot scherm en na de sessie toegestuurd in PNG-formaat). Dit helpt uw organisatie om een nieuwe strategie te formuleren die de voor uw organisatie noodzakelijke trends integreert.
Leerdoelen:
Een belangrijk onderdeel van een serious game, naast het vermaak, is het leren van specifieke vaardigheden, kennis en/of houdingen. Tijdens “Expeditie: Generative AI” staan de volgende leerdoelen centraal:
1. De deelnemer is na afloop in staat aan te geven wat “text-to-text modellen (b.v. ChatGPT)” betekenen in de context van de eigen werkzaamheden.
2. De deelnemer is na afloop in staat aan te geven wat “text-to-image modellen (b.v. DalL-E)” betekenen in de context van de eigen werkzaamheden.
3. De deelnemer is na afloop in staat aan te geven wat “text-to-video modellen (b.v. Synthesia en Runway)” betekenen in de context van de eigen werkzaamheden.
4. De deelnemer is na afloop in staat aan te geven wat “text-to-audio modellen (b.v. Descript)” betekenen in de context van de eigen werkzaamheden.
5. De deelnemer is na afloop in staat aan te geven wat “text-to-motion modellen (b.v. Tree, MDM)” betekenen in de context van de eigen werkzaamheden.
6. De deelnemer is na afloop in staat aan te geven wat “text-to-code modellen (b.v. GitGub Copilot)” betekenen in de context van de eigen werkzaamheden.
7. De deelnemer is na afloop in staat aan te geven wat “audio-to-audio modellen (b.v. AudioLM)” betekenen in de context van de eigen werkzaamheden.
8. De deelnemer is na afloop in staat aan te geven wat “audio-to-text modellen (b.v. Descript)” betekenen in de context van de eigen werkzaamheden.
9. De deelnemer is na afloop in staat om te beoordelen wat de impact van een prompt (geschreven tekst) is om het gegenereerde resultaat.
10. De deelnemer is na afloop in staat om een gedegen prompt voor text-to-text en text-to-image modellen te schrijven.
11. De deelnemer is na afloop in staat om de impact van de hierboven genoemde modellen, op de eigen werkzaamheden, tegen elkaar af te zetten.
12. De deelnemer is na afloop in staat om de ethisch afwegingen van de hierboven genoemde modellen te maken.
13. De deelnemer is na afloop in staat om de juridische afwegingen met betrekking tot hierboven genoemde modellen te maken.