China zet een grote stap om het hoger onderwijs te herbouwen voor het tijdperk van kunstmatige intelligentie. Het ministerie van Onderwijs stuurt universiteiten aan om opleidingen, onderzoek en praktijk dichter bij AI te brengen. Techbedrijven als Baidu, Alibaba en Huawei sluiten daarbij aan met systemen als Ernie, Tongyi Qianwen en Pangu. De inzet raakt ook Europa: de Europese AI-verordening gevolgen overheid en universiteiten worden voelbaar in gezamenlijke projecten.
China herijkt opleidingen
Het Chinese ministerie van Onderwijs wil dat AI de kern wordt van meer studies. Universiteiten krijgen de opdracht om “AI + X” op te zetten: AI gekoppeld aan vakgebieden zoals recht, geneeskunde of landbouw. Zo moeten studenten leren hoe algoritmen echte problemen oplossen. Dit vergroot de instroom van AI-talent voor wetenschap en industrie.
Curricula verschuiven naar data-analyse, statistiek en programmeren naast het hoofdvak. Ook komt er meer aandacht voor AI-ethiek en veiligheid, zoals transparantie en uitleg bij modeluitkomsten. Praktische modules rond modelbeheer en kwaliteitscontrole worden toegevoegd. Doel is om studenten sneller inzetbaar te maken in bedrijven en publieke diensten.
Bedrijven leveren technologie en cases voor onderwijs en stage. Baidu (Ernie Bot), Alibaba Cloud (Tongyi Qianwen), Huawei (Pangu) en SenseTime (SenseNova) stellen modellen en cloudlabs beschikbaar. Studenten oefenen in een ‘zandbak’, een veilige testomgeving zonder productiegegevens. Zo bouwen zij toepassingen voor bijvoorbeeld klantenservice, logistiek of juridische documenten.
Tegelijk is er een tekort aan docenten met recente AI-ervaring. Universiteiten starten bijscholing, maar het tempo is een uitdaging. Lesmateriaal en datasets verschillen in kwaliteit en licenties. Zonder duidelijke standaarden blijft uitwisseling tussen instellingen lastig.
Rekenkracht is knelpunt
Het trainen en draaien van grote datamodellen vraagt veel rekenkracht. Universiteiten investeren daarom in GPU-clusters en samenwerken met nationale supercomputing-centra. Waar mogelijk stappen zij over op binnenlandse chips en clouds, zoals Huawei Ascend en platforms van Baidu en Alibaba. Dit moet de afhankelijkheid van schaarse, ingevoerde hardware verkleinen.
Exportbeperkingen op geavanceerde chips maken planning onzeker en duurder. Projecten schuiven soms op naar efficiëntere modellen of naar fine-tuning in plaats van volledig trainen. Onderwijs verschuift naar simulaties en synthetische data om kosten te drukken. Dat helpt studenten oefenen zonder grote rekencapaciteit.
Gezamenlijke rekenfaciliteiten delen resources, maar brengen ook nieuwe regels mee. Dataveiligheid en versleuteling zijn verplicht bij toegang op afstand. Universiteiten leggen vast welke datasets de campus mogen verlaten. Dit verlaagt risico’s en past bij strengere toezichtseisen.
Europa worstelt met vergelijkbare druk op rekenkracht. EuroHPC-centra zoals LUMI en Leonardo zijn alternatieven voor onderzoekspartners in de EU. In Nederland levert SURF toegang tot HPC en AI-werkplekken. Samenwerking met China vergt dan heldere afspraken over data, eigendom en beveiliging.
Generatieve AI in colleges
Generatieve AI komt het klaslokaal binnen als hulp bij schrijven, coderen en feedback. Grote taalmodellen, zoals Ernie Bot en Tongyi Qianwen, worden getest als tutor of assistent. Docenten gebruiken ze om oefenopgaven, rubrics en voorbeeldcode te maken. Studenten leren tegelijk hoe je uitkomsten controleert en verbetert.
Generatieve AI is software die nieuwe tekst, beeld, audio of code maakt op basis van voorbeelden uit trainingsdata.
Vroege pilots melden tijdswinst, maar ook fouten en vooroordelen in de output. Hallucinaties blijven een risico bij complexe vragen. Scholen eisen daarom bronvermelding en menselijke controle. Tools worden ingezet waar ze het meeste nut leveren, zoals brainstormen en taaledits.
Gegevens van studenten en docenten vragen extra bescherming. Werkstukken, chats en feedback vallen onder privacyregels. Dataminimalisatie en versleuteling zijn nodig zodra data het platform verlaten. Bij uitwisseling met Europese partners geldt de AVG onverkort.
Beoordeling en selectie met AI vallen in Europa in de hoge-risicoklasse onder de AI-verordening. Dat betekent documentatie, transparantie en menselijk toezicht. In China gelden aanvullende regels voor inhoudsbeheer en veiligheid bij generatieve systemen. Universiteiten bouwen compliance in bij de keuze en inrichting van tools.
Wetgeving stuurt grenzen
China hanteert sinds 2023 tijdelijke maatregelen voor generatieve AI, met eisen aan veiligheidstoetsen en klachtprocedures. Hoger onderwijs moet daaraan voldoen bij gebruik in onderwijs en onderzoek. Governance-teams beoordelen datasets, modeldoelen en impact. Dit beperkt ongewenste inhoud en juridische risico’s.
De Europese AI-verordening introduceert plichten voor aanbieders én gebruikers van AI-systemen. Universiteiten die systemen ontwikkelen of inzetten, moeten risicobeheer, documentatie en monitoring opzetten. Bij hoog-risicotoepassingen zijn extra waarborgen verplicht, zoals robuustheidstests. Open-source blijft mogelijk, maar gebruik in hoog-risico-domeinen vereist alsnog controles.
Voor gezamenlijke projecten vormen datadoorlevering en overdracht een tweede drempel. De AVG vereist duidelijke grondslagen, minimale dataverzameling en bescherming bij export buiten de EU. Standaardcontracten en impactassessments worden dan de norm. Onderzoeksvrijstellingen helpen, maar vervangen de zorgplicht niet.
Voor Nederlandse instellingen betekent dit scherper due diligence bij partners en datasets. Inkoop van AI-diensten vraagt om clausules over beveiliging, IP en auditrechten. Toezicht door functionarissen gegevensbescherming en ethische commissies wordt structureel. Dat voorkomt vertraging en boetes bij accreditaties en subsidies.
Gevolgen voor EU en Nederland
De Chinese versnelling vergroot de wereldwijde concurrentie om talent. Europa reageert met netwerken als ELLIS, programma’s zoals AI4EU en nationale initiatieven. In Nederland trekken ICAI-labs en NLAIC publiek en bedrijfsleven samen. De vraag is of de opschaling snel genoeg gaat.
Samenwerking blijft kansrijk in domeinen met gedeelde belangen, zoals klimaat, energie en logistiek. Dual-use technologie en exportregels begrenzen andere gebieden. Heldere projectafbakening en transparantie zijn dan essentieel. Zo blijven uitwisseling en publicaties mogelijk zonder juridische valkuilen.
Voor overheden in Europa speelt nog een extra laag. De AI-verordening raakt inkoop, toezicht en dienstverlening direct. Kennis uit universiteiten kan de overheid helpen systemen veilig in te voeren. Dat vraagt stageplaatsen, traineeships en open leerlijnen tussen campus en gemeente of ministerie.
Onderwijsvernieuwing aan EU-zijde richt zich op microcredentials en leven lang leren. Nederlandse universiteiten breiden AI-minoren en professionele modules uit. Open leermateriaal versnelt adoptie in het hbo en mbo. Zo ontstaat een bredere basis aan digitale vaardigheden.
Wat nog ontbreekt
Er is behoefte aan open, goed gedocumenteerde datasets met duidelijke licenties. Zonder dat blijft hergebruik beperkt en is toetsing lastig. Zowel in China als Europa groeit daarom de aandacht voor datakwaliteit. Inclusie en bias-mitigatie horen daar expliciet bij.
Onafhankelijke evaluatie van modellen is nog onvoldoende geregeld. Benchmarks meten vaak Engels, maar minder goed andere talen en vakcontexten. Gezamenlijke, transparante testsets voor onderwijs en zorg zouden helpen. Publicatie van methoden en fouten is dan net zo belangrijk als de scores.
Docenten vragen tijd en middelen om bij te blijven. Universiteiten zetten bij- en omscholing op, maar de werkdruk is hoog. Microcredentials kunnen helpen voor snelle, erkende skills. Structurele financiering maakt dat duurzaam.
Tot slot is langetermijnsturing nodig op veiligheid en aansprakelijkheid. Internationale normen, zoals ISO/IEC-standaarden voor AI-management, bieden houvast. Koppeling aan de AI-verordening en de AVG houdt het toepasbaar in Europa. Zo kan samenwerking met China verantwoord en toetsbaar blijven.