Vraag je je ook weleens af welke vogelsoorten er allemaal je tuin bezoeken? Met een Raspberry Pi en een microfoon kun je de hele dag het geluid in je tuin opnemen. De software BirdNET-Pi herkent daarin vogeldeuntjes en toont je handige statistieken van wanneer welke vogels te horen zijn. In deze masterclass bouwen we een Raspberry Pi in een waterdichte doos in en installeren we er BirdNET-Pi op.

Vraag je je tijdens een wandeling weleens af welke vogel dat speciale deuntje laat horen? Om die vraag te beantwoorden, zou je BirdNET eens moeten kunnen proberen, een app voor Android en iOS die vogelsoorten kan onderscheiden aan de hand van geluidsopnames. Onder de motorkap draait een neuraal netwerk van onderzoekers van Cornell University dat op geluiden van drieduizend vogelsoorten is getraind. Je neemt enkele seconden van het deuntje op je mobieltje op, de app analyseert die vervolgens en benoemt daarna de vogels waarvan het geluid daar het meest op lijkt.

Patrick McGuire heeft een versie van BirdNET gemaakt die op de Raspberry Pi werkt. De software luistert continu naar het geluid van een usb-microfoon en herkent daarin realtime vogelgeluiden. Dat werkt op een Raspberry Pi 4B, 3B+ en Zero W 2. Om van alle mogelijkheden te kunnen genieten, is een Raspberry Pi 4B wel aangeraden.

Raspberry Pi OS Lite installeren

BirdNET-Pi vereist de 64bit-versie van Raspberry Pi OS. Je dient de Lite-variant te installeren. Dat gaat het eenvoudigst met het programma Raspberry Pi Imager. Klik op Selecteer OS / Raspberry Pi OS (other) / Raspberry Pi OS Lite (64-bit). Klik dan op Kies opslagapparaat en kies de microSD-kaart die je in je kaartlezer hebt gestoken.

Open met een klik op het tandwiel rechtsonder de geavanceerde instellingen. Geef je Pi een hostname, schakel ssh in en stel een gebruikersnaam en wachtwoord in. Stel ook het wifi-netwerk in waarmee de Pi moet verbinden en stel de juiste tijdzone in. Klik daarna op Opslaan en op Schrijf om het besturingssysteem op het microSD-kaartje te installeren. Wanneer dit klaar is, steek je het kaartje in je Raspberry Pi en start je die op.

BirdNET-Pi installeren

Wacht nu even tot je Raspberry Pi is opgestart. De eerste keer kan dat een tijdje duren. Log daarna in op je Raspberry Pi via een aangesloten toetsenbord en beeldscherm, of via ssh via het netwerk. Update de pakketbronnen en upgrade alle pakketten met deze twee opdrachten:

sudo apt update

sudo apt dist-ugprade

Voer daarna het installatieprogramma van BirdNET-Pi uit:

curl -s https://raw.githubusercontent.com/mcguirepr89/BirdNET-Pi/main/newinstaller.sh | bash

De installatie duurt even. Op het einde herstart de Raspberry Pi automatisch. Log daarna opnieuw in en schakel de Pi uit met de opdracht sudo poweroff.

Microfoon

Voordat we de software verkennen, gaan we eerst de hardware in orde brengen. Allereerst ga je ook zoek naar een geschikte microfoon. Op het discussieforum van BirdNET-Pi op GitHub vind je enkele suggesties voor microfoons, zoals de RØDE VideoMic NTG. Je kiest of een usb-microfoon of een usb-audiokaart waarop je dan via een 3,5mm-aansluiting een microfoon aansluit.

Wat je ook doet, gebruik altijd een usb-verlengkabel, want als de microfoon of geluidskaart zich te dicht bij de Raspberry Pi bevindt, levert dit elektromagnetische interferentie op in de microfoon en daardoor ruis in het audiosignaal. De kwaliteit van de vogelherkenning lijdt daaronder.

Waterdichte installatie

Als je in je tuin vogelgeluiden wilt herkennen, dan moet je Raspberry Pi in een waterdichte behuizing zitten. We gaan ervan uit dat je een stopcontact in de buurt hebt. Zo niet, dan moet je ook een grote powerbank in de behuizing inbouwen.

Wij kiezen een universele behuizing van Hammond Electronics van 220 × 165 × 85 cm gemaakt van ABS-kunststof en boren er een gat in om een inbouw-usb-connector voor twee kabels in te monteren. Aan de binnenzijde van de behuizing sluiten we ene usb-kabel via een usb-c-naar-usb-a-adapter aan op de usb-c-voedingspoort van de Raspberry Pi, en de andere op een usb-a-poort van de Raspberry Pi. Aan de buitenkant sluiten we op de ene usb-connector een kabel aan naar een usb-voedingsadapter (let op: de kabel moet hiervoor aan beide kanten een mannelijke usb-a-stekker hebben). Op de andere usb-connector sluiten we de usb-microfoon aan. Omdat het in de behuizing warm kan worden, monteren we ook een koelelement op de Raspberry Pi.

Instellingen

Als je alles aangesloten hebt, schakel dan je Raspberry Pi weer in. Bezoek nu in je browser het adres http://IP met in plaats van IP het ip-adres van je Raspberry Pi. Voorlopig is er nog niet veel te zien, maar als alles goed is, heeft je Raspberry Pi de microfoon automatisch herkend en is hij al continu bezig om geluid op te nemen en te analyseren op de aanwezigheid van bekende vogelgeluiden.

Maar voordat we in de resultaten duiken, lopen we eerst enkele basisinstellingen na en passen die eventueel aan. Klik bovenaan op Tools en meld je aan met gebruikersnaam birdnet en een leeg wachtwoord. Klik dan op Settings.

Kijk of de automatisch ingevulde coördinaten overeenkomen met je locatie, want het herkenningsalgoritme houdt hiermee rekening, zodat het geen vogels suggereert die alleen op een ander continent voorkomen. Stel ook bij Localization je taal in (Nederlands staat ertussen), zodat je de vogelnamen niet in het Engels krijgt en telkens moet opzoeken. Klik onderaan op Update Settings.

Afbeeldingen

BirdNET-Pi kan ook foto’s bij de gedetecteerde vogels tonen. Die haalt het dan van Flickr. Daarvoor heb je een Flickr API-sleutel nodig, die je gratis kunt aanvragen. Kies bij de aanvraag voor Apply for a non-commercial key en leg dan in enkele zinnen uit waarvoor je de API-sleutel nodig hebt. Na een klik op Submit krijg je een sleutel en geheim. Met dat geheim hoef je in deze masterclass verder niks.

De sleutel is een reeks van 32 hexadecimale cijfertekens. Vul die sleutel in op de pagina Tools / Settings van BirdNET-Pi, in het veld Flickr API Key, en klik op Update Settings. Vanaf nu verrijkt BirdNET-Pi zijn interface met foto’s van de gedetecteerde vogels. Als je niet zomaar foto’s van willekeurige bronnen vertrouwt, dan kun je in de instellingen ook een specifieke Flickr-gebruiker opgeven. BirdNET-Pi zoekt dan alleen bij die gebruiker naar foto’s.

Overzicht

Keer nu terug naar de overzichtspagina. Als BirdNET-Pi al even actief is, krijg je hier bovenaan statistieken te zien met de top tien herkende vogels, in totaal en per uur. Eronder krijg je een spectrogram te zien van de meest recente detectie. Zo’n spectrogram toont de frequenties die op elk moment in het audiosignaal aanwezig zijn. Het is een soort ‘vingerafdruk’ van het geluid, en het is deze afbeelding die het neurale netwerk als invoer krijgt en waarin het naar patronen zoekt die kenmerkend voor elke vogelsoort zijn.

Eronder krijg je een lijst met de vijf recentste gedetecteerde vogelgeluiden. Per tijdstip krijg je de gewone en wetenschappelijke naam van de herkende vogel, met links naar de websites All About Birds en Wikipedia voor meer informatie. Je krijgt ook te zien hoe zeker het algoritme is over de herkenning. Daarnaast krijg je telkens ook de mogelijkheid om het audiofragment te beluisteren. Helemaal onderaan de statuspagina bevindt zich overigens het spectrogram van het geluidsfragment dat BirdNET-Pi op dat moment aan het analyseren is.

Audio-instellingen

Beluister zelf zeker enkele van de audiofragmenten. Merk je dat het geluid nogal zwak is, dan dien je misschien nog wat aan de audio-instellingen aan te passen. Ga daarvoor weer naar de pagina Tools en open Web Terminal. Log in met de gebruikersnaam en het wachtwoord dat je voor je Raspberry Pi hebt ingesteld en typ de volgende opdracht in:

alsamixer -m

Klik nu bovenaan rechts op F6: Select sound card, klik op je usb-apparaat om het te selecteren en druk dan op Enter. Klik dan bovenaan links op F4: Capture om van het afspeel- naar opnameapparaat over te schakelen. Klik op de balk in het midden om het invoerniveau in te stellen of pas het aan met de pijltjestoetsen naar boven en onder. Druk op Esc wanneer je klaar bent en keer terug naar het overzicht. De audiofragmenten zouden nu luider moeten zijn.

Beluister de dag

Als je wilt nakijken welke vogels het systeem vandaag heeft gedetecteerd, klik dan bovenaan op Today’s Detections. Je krijgt dan niet alleen het aantal unieke soorten vandaag te zien, maar ook een spectrogram met bijbehorend geluidsfragment voor elke detectie, inclusief het tijdstip, de herkende soort en hoe zeker de herkenning is. In het zoekveld bovenaan kun je een naam intypen om alleen de resultaten van een specifieke vogelsoort te bekijken.

Klik je bij een opname op het icoontje van het vierkantje met het pijltje dat naar de rechterbovenhoek wijst, dan kom je op een webpagina specifiek voor deze opname. Je kunt de opname bijvoorbeeld opslaan met een rechtsklik op het spectrogram. Ook handig is het slotje bovenaan rechts het spectrogram: klik je hierop om het slot te vergrendelen, dan wordt deze opname bewaard wanneer BirdNET-Pi opnames verwijdert om weer voldoende vrije opslagruimte te krijgen.

BirdNET op je Pi of je smartphone?

Spectrogram en beste opnames

Op de pagina Spectrogram krijg je een live spectrogram te zien van het geluid dat de microfoon momenteel aan het opnemen is: je ziet de frequenties continu voorbij glijden. Ondertussen krijg je ook het geluid zelf te horen. Overigens kun je ook het live geluid op elke andere pagina te horen krijgen als je bovenaan rechts op Live Audio klikt.

De pagina Best Recordings biedt je voor elke gedetecteerde soort de geluidsopname aan waarvan BirdNET-Pi het meest zeker is. Je kunt de lijst alfabetisch sorteren of op het aantal keer dat het geluid gedetecteerd werd. Ook hier kun je weer op het vierkantje met het pijltje klikken om de webpagina van een opname te openen.

Uitgebreide statistieken

Op de pagina Species Stats vraag je in de kleinste details de statistieken op. Standaard worden statistieken getoond van de tien meest voorkomende vogelsoorten vandaag. Je kunt het datumbereik aanpassen, de resolutie en het aantal vogelsoorten. Je kunt ook de uitvoer beperken tot één specifieke vogelsoort, bijvoorbeeld als je wilt weten op welke uren die soort vooral actief is.

Die urenweergave is cirkelvormig, waardoor je eenvoudig op een klok kunt nagaan welke uren het actiefst zijn, of dat nu voor alle vogels of voor de geselecteerde soort is. Selecteer je een soort, dan krijg je rechts ook nog een uitklapmenu waarmee je elke beschikbare opname tevoorschijn kunt halen om te beluisteren. Als je je BirdNET-Pi-installatie overigens al lang hebt draaien, krijg je in de grafiek met resultaten per dag ook de trends te zien door de seizoenen heen.

Dagelijkse statistieken en opnames

Op de pagina Daily Charts kun je per dag opvragen wat de tien meest gedetecteerde en tien minst gedetecteerde vogelsoorten zijn, samen met het aantal detecties per uur, zoals ook getoond op de overzichtspagina. Vooral die tien minst gedetecteerde soorten zijn interessant: hier vind je misschien wat zeldzame soorten tussen. Maar het zou ook een verkeerde detectie kunnen zijn.

Helaas kun je vanuit deze pagina niet rechtstreeks doorklikken naar de ermee overeenkomende geluidsopnames. Daarvoor ga je naar de volgende pagina, Recordings, en kies je daar By Species of By Date. Daar kun je dan de opnames een voor een openen om ze te beluisteren.

Logs

Wil je meer details zien over de herkenning van soorten, open dan de pagina View Log. Hier zie je dat het analysescript elke vijftien seconden wordt opgestart. Na elke periode krijg je te zien welke vogels het script herkent. Maar laat je hier niet te veel door afleiden. Het neurale netwerk zal altijd een resultaat geven, ook al is het daar heel onzeker over.

De waarschijnlijkheidsscore staat in de logs na elke herkenning. Scores onder de 0,1 mag je gerust negeren. Pas bij een score boven de 0,70 mag je ervan uitgaan dat het om een redelijk resultaat gaat. BirdNET-Pi toont ook alleen maar resultaten waarvan de score boven de 70% ligt.

Notificaties

Tot slot kun je in de instellingen ook notificaties instellen, door meer dan zeventig notificatiediensten die ondersteund worden door Apprise, waaronder e-mail, Home Assistant, PushBullet, Signal en Twitter. Op de wiki van Apprise vind je de uitleg over de configuratieregels voor de diverse diensten.

Vul op de pagina Tools / Settings van BirdNET-Pi een of meer configuratieregels voor notificaties in. Je kunt ook de titel en boodschap van de notificatie veranderen, en daarin kun je variabelen gebruiken die worden vervangen door de naam van de vogel en andere parameters. Klik op Send Test Notification om het resultaat eerst eens uit te testen.

Doe mee als burgerwetenschapper

P.S. En vergeet ook het vogelvoer niet!

AI is inmiddels doorgedrongen tot in bijna elk digitaal domein. Van vertaaltools en chatbots tot beeldmakers en medische toepassingen. Veel gebruikers vinden AI handig, efficiënt en zelfs creatief. Toch brengt deze evolutie ook minder zichtbare risico's met zich mee, op persoonlijk, maatschappelijk en ecologisch vlak.

AI is inmiddels doorgedrongen tot in bijna elk digitaal domein. Van vertaaltools en chatbots tot beeldmakers en medische toepassingen. Veel gebruikers vinden AI handig, efficiënt en zelfs creatief. Toch brengt deze evolutie ook minder zichtbare risico's met zich mee, op persoonlijk, maatschappelijk en ecologisch vlak.

In dit artikel bekijken we verschillende AI-risicozones. Wat is bijvoorbeeld de milieu-impact van AI? Hoe betrouwbaar zijn de antwoorden van chatbots? Wat als synthetische media (alles wat met AI wordt gemaakt) niet meer van echt te onderscheiden zijn? En hoe beïnvloeden AI-systemen onze economie, privacy en ons denkvermogen? De grens tussen mens en machine vervaagt.

Dit artikel is bedoeld voor wie voorbij de hype wil kijken en wil begrijpen wat er op het spel staat. Elk onderdeel behandelt een specifiek risico, met voorbeelden en toepassingen. Zo krijg je een goed beeld van de schaduwkanten van AI. Niet om de technologie af te wijzen, maar om er bewuster en verantwoordelijker mee om te gaan.

Ecologische voetafdruk

Hoewel AI vaak als iets immaterieels en 'in de cloud' wordt voorgesteld, is de milieu-impact allesbehalve onzichtbaar. De menselijke hersenen verbruiken continu ongeveer 20 watt, vergelijkbaar met een gloeilampje. Daarmee worden 86 miljard neuronen en duizenden synapsen per neuron gevoed.

Grote taalmodellen als GPT of Gemini vragen daarentegen enorm veel rekenkracht. De trainingsfase kan duizenden MWh vereisen en miljoenen liters water voor koeling, afhankelijk van het datacenter en de gebruikte hardware. Ook het gebruik (inferentie) is belastend: elke prompt/antwoord-interactie bij modellen uit deze klasse vraagt energie en koeling aan de serverzijde.

AI heeft dus een stevige ecologische voetafdruk. Tegelijk worden oplossingen ontwikkeld, zoals restwarmtehergebruik, luchtkoeling in plaats van waterkoeling, meer hernieuwbare energie en efficiëntere modellen. Denk aan compacte taalmodellen, zoals TinyML, quantisatietechnieken (kleinere getallen en minder geheugen) en lokaal draaiende AI's (edge AI).

©(c) Wikipedia, CC BY-SA

Hallucinaties

AI-chatbots doen de gebruiker graag een plezier. Daarbij zijn ze opvallend overtuigend, ook wanneer ze onzin produceren, oftewel wanneer ze hallucineren.

Hallucinaties kunnen ernstige gevolgen hebben, bijvoorbeeld wanneer juristen verwijzen naar niet-bestaande wetsartikelen of wanneer medische informatie klakkeloos wordt overgenomen. Controleer gevoelige informatie daarom altijd via meerdere bronnen. Doe dit zeker bij gevoelige of complexe thema's. Weet ook dat AI-modellen zich vaak verontschuldigen als je teruggeeft dat er een fout is gemaakt. Vervolgens herhalen ze zich doodleuk.

Hallucinaties zijn hardnekkiger bij fenomenen als data- en conceptdrift. Bij het eerste herkent het model je eigen input minder goed doordat de vorm afwijkt van de trainingsinput. Bij het tweede is de inputvorm hetzelfde gebleven, maar is de betekenis inmiddels veranderd. Meer weten over datadrift en conceptdrift.

Verder kan het model te veel details uit trainingsdata opnemen en zo irrelevante informatie meenemen (overfitting). Of omgekeerd: onvoldoende zinvolle data gebruiken (underfitting). Ook deze fenomenen kunnen het hallucineren versterken.

Bias en manipulatie

AI-modellen krijgen enorme datahoeveelheden van het internet als input. Deze zijn zelden neutraal, waardoor vooroordelen of een westers wereldbeeld in het leerproces sluipen. Dat zorgt voor vertekening of bias (vooringenomenheid). AI-modellen kunnen bijvoorbeeld vrouwen aan zorgberoepen linken en mannen aan leidinggevende functies, of etnische groepen benadelen bij risicobeoordelingen.

Bias is niet alleen maatschappelijk, maar ook technisch. Een model leert niet alleen wat er ín de data staat, maar ook hoe die data zijn verdeeld. Als een bepaalde bron oververtegenwoordigd is, of als een schrijfstijl vaker voorkomt, dan krijgt dat automatisch meer gewicht. De architectuur en trainingsmethode versterken die patronen. Daardoor kunnen antwoorden die objectief lijken toch subtiel een voorkeur bevatten.

Interessant is ook dat onderzoekers political compass-testvragen voorlegden aan grote AI-taalmodellen (LLM's). De conclusie: zowat alle LLM's situeren zich in het links-economische, sociaal-libertaire kwadrant. Besef dat ook deze testvragen een vooroordeel (kunnen) bevatten, wat aantoont hoe moeilijk het is bias correct te beoordelen.

Nog problematischer wordt het bij manipulatie, wanneer deze bias opzettelijk in het model zit. Denk aan AI-toepassingen in advertenties die inspelen op angsten of overtuigingen. Algoritmische sturing kan bovendien gemakkelijk tot gelijkgezinde groepen (echo chambers) en polarisering leiden.

Omdat AI-modellen zo complex zijn, is vaak onduidelijk hoe de output tot stand komt (de black box). Dit vergroot de transparantiebehoefte en verklaart waarom veel wetenschappers pleiten voor explainable AI, of LLM's en AI-algoritmen opensource willen maken.

Synthetische media

De term synthetische media verwijst naar beelden, audio of tekst die volledig of deels AI-gegenereerd zijn. Denk aan deepfakes, nagebootste stemmen of automatisch gegenereerde nieuwsartikelen. Zulke toepassingen lijken creatief en handig, je maakt bijvoorbeeld een marketingvideo zonder camera of acteurs, maar de keerzijde is zorgwekkend.

Deepfakes kunnen personen dingen laten zeggen die zo zijn uitgesproken. Andersom kunnen echte beelden als deepfake worden afgedaan, ook wel 'the liar's dividend' genoemd. Deepnudes (gefingeerde naaktbeelden) kunnen dan weer gebruikt worden voor wraakporno.

Deze technologieën maken ook nepnieuws: desinformatie waarbij feiten doelbewust worden verdraaid. Dit tast het vertrouwen in communicatie en bewijsvoering aan en doet steeds meer mensen geloven in de maakbaarheid van de realiteit. Wat echt is, hangt vooral af van hoe je deze zelf vormgeeft. Feit en fictie raken verstrengeld, waardoor we belanden bij concepten als alternate truth en postrealiteit. Daarin wegen perceptie, gevoel en overtuiging zwaarder dan feiten. Synthetische media vragen daarom niet alleen om kritische blik, maar mogelijk ook om watermerken en regulering.

Zelfbevlekking

AI-modellen gebruiken vrijwel alle beschikbare internetbronnen als trainingsmateriaal. Omdat generatieve AI zelf steeds meer online content produceert, gebruiken modellen ook hun eigen output opnieuw. Zo ontstaat een zichzelf versterkende kringloop waarbij AI zich voedt met AI-gegenereerde inhoud. Deze vorm van zelfbevlekking verhoogt het risico op kwaliteitsverlies in digitale content, ook wel slop of enshittification genoemd.

AI genereert output namelijk op basis van patronen, niet vanuit betekenis of intentie. Als deze patronen ook nog eens uit andere AI-bronnen komen, ontstaat een neerwaartse spiraal met nauwelijks nuancering en steeds herhaalde ideeën. Hierdoor verhoogt ook het risico op hallucinaties en bias en de mens raakt out-of-the-loop. Op termijn dreigt model collapse: AI-modellen worden minder intelligent naarmate ze vaker op eigen output trainen.

Sommigen spreken van een zombie-internet. Zo blijkt inmiddels al zeker vijf procent van de nieuwe Engelstalige Wikipedia-inhoud AI-gegenereerd te zijn. Bovendien nemen mensen typische AI-taal, met herkenbare woordkeuzes, steeds vaker over. Om deze dynamiek te doorbreken, moeten menselijke input en creativiteit centraal blijven staan in het AI-trainingsproces.

Auteursrecht

AI roept fundamentele vragen op rond auteursrecht. Modellen worden getraind op grote hoeveelheden tekst, beeld en audio zonder dat makers altijd toestemming hebben gegeven. Dit leidt tot discussies over schending van auteursrecht.

Er lopen inmiddels meerdere rechtszaken tegen AI-bedrijven. Het gaat onder meer om claims rond ongeoorloofd gebruik van beschermde werken voor training en ongewenste herhaling van fragmenten in AI-output. Bedrijven worden daardoor steeds bewuster van licenties, databescherming en toestemmingseisen.

De VS en Europa hanteren verschillende juridische kaders. In de VS wordt soms gesproken van 'fair use' bij transformatief gebruik, terwijl Europa zich baseert op strengere richtlijnen en opt-out-mechanismen via het TDM-AI-protocol.

AI-output roept ook andere auteursrechtelijke vragen op. Wie is bijvoorbeeld de auteur van een AI-tekening? Is dat de modelontwikkelaar, de gebruiker of niemand? AI kan ook onbedoeld tekst- of beeldfragmenten uit het trainingsmateriaal overnemen, met mogelijk plagiaat. Er bestaat dus een juridische grijze zone en er is behoefte aan duidelijke regelgeving, aangepast aan de AI-evoluties.

Privacy

AI kan verder een bedreiging voor onze privacy vormen. In China zie je dit scherp: gezichtsherkenning en camera's ondersteunen er een sociaal kredietsysteem. Burgers worden continu gevolgd. Wie een overtreding begaat, riskeert sancties.

Ook in het Westen ontstaan zorgwekkende trends. Het Amerikaanse bedrijf Clearview AI bijvoorbeeld bouwt een databank met miljarden gezichten, geplukt uit sociale media en websites, zonder toestemming van de betrokkenen. Beveiligingsbedrijven gebruiken deze beelden om burgers te identificeren, nagenoeg zonder controle.

Een bijkomend gevaar is dat je zelf te veel prijsgeeft. Steeds meer AI-tools gebruiken bijvoorbeeld Retrieval-Augmented Generation (RAG), waarbij je eigen of andere data kunt uploaden voor betere antwoorden. Maar wie garandeert dat deze informatie niet elders wordt opgeslagen of hergebruikt?

Daarnaast ondermijnt AI je informatievrijheid via filterbubbels. Algoritmen tonen vooral inhoud die aansluit bij eerdere voorkeuren, waardoor je blik vernauwt en confirmation bias toeneemt: je vertrouwt vooral informatie die je bestaande overtuiging bevestigt. Gecombineerd met micro-targeting, waarbij je gericht wordt beïnvloed met politieke of commerciële boodschappen, ontstaan risico's op manipulatie.

Geestelijke ontwikkeling

Steeds meer AI-tools nemen cognitieve taken over: ideeën bedenken, teksten samenvatten of wiskundeproblemen oplossen. Dit is handig, maar geeft ook risico's. Als je brein weinig wordt uitgedaagd, komt je mentale ontwikkeling in het gedrang.

Vooral jongeren (digital natives) zijn kwetsbaar. Schoolopdrachten worden sneller aan AI-bots uitbesteed dan zelf uitgewerkt. Daardoor oefenen ze minder op formulering, redenering en foutcorrectie, wat juist belangrijk is voor de intellectuele groei.

Dit daagt ook het onderwijs uit, bijvoorbeeld wat betreft lesmethodes. Mogelijk biedt een aanpak als flip the classroom enig soelaas: leerlingen bereiden thuis (met hulp van AI) de leerstof voor en in de klas worden samen oefeningen gemaakt en besproken.

Bovendien zijn AI-antwoorden vaak vlot geschreven, maar missen ze nuance of tegenstrijdige ideeën. Wie zijn denkproces voortdurend daaraan spiegelt, loopt het risico op vervlakking van mening en expressie.

AI-bots creëren ook onrealistische sociale verwachtingen. Ze zijn vaak opvallend geduldig en meegaand, wat mensen minder sociaal vaardig kan maken. Sommigen raken meer sociaal geïsoleerd of ontwikkelen parasociale relaties met bots als Replika en CharacterAI.

Politiek en economie

AI dreigt ook de politiek-economische verhoudingen grondig te herschikken. Waar staten traditioneel economische groei sturen via beleidsinstrumenten (Keynesiaans model), nemen Big Tech-giganten het steeds meer over. Overheden worden afhankelijker van deze bedrijven, wat machtsasymmetrie versterkt. Er zijn al duidelijke tekenen van deregulatie: regels worden versoepeld om innovatie aan te trekken.

Ook op microniveau is de impact zichtbaar. Ontwikkelingen (zoals agentic AI) kunnen de economie en de productiviteit stimuleren en er ontstaan ook nieuwe functies, zoals prompt engineers, AI-ethici en data-curatoren. Maar helaas gaat het voornamelijk om laagbetaalde ghost workers die AI-modellen helpen trainen. Daarnaast veranderen veel jobs inhoudelijk, zoals in administratie, marketing, financiën en juridische diensten. Andere functies zullen ongetwijfeld verdwijnen. Het is dan ook niet verwonderlijk dat bijvoorbeeld vertalers, copywriters, klantenservicemedewerkers, boekhoudassistenten en junior programmeurs zich ernstig zorgen maken.

AI zal daarnaast ongetwijfeld ook de internationale machtsverhoudingen beïnvloeden. Geopolitieke spelers als de VS en China dreigen met hun AI-overmacht nog dominanter te worden, ten koste van andere (supra)nationale entiteiten. Is Europa hier een goed voorbeeld van?

Veiligheid

Vooralsnog kwamen vooral risico's aan bod die niet per se bedoeld of gewild zijn, maar er zijn ook partijen die bewust de destructieve kracht van AI inzetten. Zo worden cyberaanvallen steeds geavanceerder. Aanvallers gebruiken zelflerende algoritmen om netwerken te exploiteren. Er bestaan AI-tools die phishingmails opstellen, perfect afgestemd op het slachtofferprofiel.

Ook maatschappelijke structuren staan onder druk. Een AI die (via sociale media) nepnieuws verspreidt over bijvoorbeeld verkiezingen, kan wijdverspreide onrust veroorzaken. Door hun schaal en snelheid kunnen AI-systemen hele informatienetwerken ontregelen, zonder aanwijsbare dader.

Daarnaast loert het gevaar van verkeerde afstemming (misalignment): een AI die geen kwaad wil, maar schade aanricht omdat het doel fout werd geformuleerd. Denk aan een AI die waterverbruik wil beperken en daarom irrigatiesystemen stillegt.

Militaire toepassingen zijn er uiteraard ook. Autonome drones en zelflerende wapensystemen worden volop ontwikkeld. Grote spelers zijn bijvoorbeeld het Amerikaanse Anduril (AI-drones)en Palantir (militaire AI-software). Tekenend is dat een oprichter een ultranationalistisch manifest publiceerde waarin hij stelt dat de VS absoluut de AI-oorlog moet winnen.

Cyborgisering

Misschien wel het grootste gevaar van AI dringt langzaam en ongemerkt ons leven binnen: cyborgisering. Dit is het vervagen van de grens tussen mens en de machine. Denk aan avatars die levensecht reageren, digitale dubbelgangers van echte personen of AI-influencers met miljoenen volgers. Daardoor wordt het steeds moeilijker om te onderscheiden waar de mens stopt en de machine begint.

Nieuwe categorieën digitale wezens duiken op, zoals virtuele klantenadviseurs, AI-therapeuten en synthetische gezelschapsdieren. Een Spaanse vrouw trouwde zelfs met een AI-hologram.

Op termijn ontstaat er een samenleving waarin mensen voortdurend zijn verbonden met AI, via brillen, lenzen, implantaten of herseninterfaces (denk aan Neuralink van Elon Musk: AI-in-the-human). Technieken als de Turingtest of Winograd-challenge volstaan al lang niet meer om mens van machine te onderscheiden. Daardoor komen autonomie en authenticiteit steeds meer onder druk te staan.

Cyborgisering roept fundamentele vragen op. In hoeverre blijven we menselijk? Wellicht is niet iedereen een transhumanist zoals Ray Kurzweil, die reikhalzend uitkijkt naar de singulariteit: het moment waarop AI slimmer wordt dan de mens.

Black Friday staat weer voor de deur en dat betekent dat je overspoeld wordt met aanbiedingen. Maar let goed op voordat je op de bestelknop drukt: uit onderzoek van de Autoriteit Consument & Markt (ACM) blijkt dat veel van deze 'megadeals' in werkelijkheid misleidend zijn. Driekwart van de onderzochte winkels houdt zich niet aan de regels.

De toezichthouder nam 24 grote webshops en fysieke winkels onder de loep. De conclusie is schokkend: maar liefst 18 van de 24 winkels gaan de fout in met hun kortingsacties.

Sjoemelen met de 'van-prijs'

De grootste valkuil voor consumenten zit hem in de zogenoemde 'van-prijs'. Wettelijk is vastgelegd dat de doorgestreepte prijs (waar de korting vanaf gaat) de laagste prijs moet zijn die de winkel in de afgelopen 30 dagen heeft gerekend.

In de praktijk lappen veel winkeliers deze regel aan hun laars. Ze baseren de korting bijvoorbeeld op de (vaak veel hogere) adviesprijs, of een oude prijs van maanden geleden. Hierdoor lijkt het alsof je een enorme korting pakt, terwijl je in werkelijkheid soms nauwelijks goedkoper – of zelfs duurder – uit bent.

Volgens Fleur Severijns van de ACM is dit niet alleen oneerlijk tegenover de consument, maar ook tegenover concurrenten die wél netjes de regels volgen. De toezichthouder heeft de overtredende winkels aangeschreven. Vorig jaar kregen ketens als Leen Bakker en Jysk al boetes van boven de een ton voor dit soort praktijken; dat risico lopen de huidige overtreders nu ook.

Ook Bol, Amazon en Wehkamp genoemd

De ACM maakt de namen van de 18 winkels nog niet bekend, omdat zij nog bezwaar mogen maken. De Consumentenbond deed echter eigen onderzoek en noemt man en paard. Volgens de bond gaan onder andere Amazon, Wehkamp en Bol de mist in:

Waarom trappen we erin?

Winkeliers worden steeds creatiever in het verhullen van de werkelijke prijshistorie. Niels Holtrop, universitair docent Marketing, legt aan de NOS uit dat dit een bewust psychologisch spel is. Omdat aanbiedingen vaak tijdelijk zijn, ontstaat er bij consumenten de angst om de deal te missen (Fear Of Missing Out).

Doordat het voor de ACM onmogelijk is om elke (kleine) webshop te controleren, nemen veel winkeliers de gok. "Prijsconcurrentie is een krachtig wapen; klanten zijn er enorm gevoelig voor," aldus Holtrop.

Wat kun je doen?

Controleer zelf of de prijzen van producten niet stiekem zijn verhoord door gebruik te maken van de prijshistorie. Op vergelijkingssites kun je bijvoorbeeld zien wat het prijsverloop van een bepaald product is geweest gedurende een jaar.